湖南省各市州的科技創新效率分析
——基于DEA-Malmquist指數

鄧 彬，張曉東

(中共湖南省委黨校，湖南 長沙 410006)

一、引言

隨著全球一體化進程的推進，科技創新能力越來越成為決定一個國家或地區核心競爭力強弱的關鍵因素[1]。為增強我國科技創新能力，提升經濟發展質量，早在2006年，黨中央就提出了建設創新型國家的重大戰略任務。2012年，黨的十八大報告進一步提出了要實施創新驅動發展戰略，強調科技創新是提高社會生產力與綜合國力的重要支撐，必須擺在國家發展全局的核心位置。2016年，習近平總書記在全國科技創新大會上強調“把科技創新擺在更加重要位置”。與此同時，湖南省一直是帶動中部地區科技創新能力提升的重要動力源，2020年9月，習近平總書記在湖南考察時勉勵湖南 “著力打造國家重要先進制造業、具有核心競爭力的科技創新、內陸地區改革開放的高地”，這意味著在新的發展階段，湖南省承擔著更為重大的歷史使命。在這一背景下，深入研究湖南省各地市(州)的科技創新效率及其影響因素，對優化湖南省科技創新投入結構、提升整體科技創新能力、實現建設“三高地”目標以及推動湖南省經濟高質量發展均具備重要現實意義。

在現有的相關文獻中，學者們對科技創新效率的研究主要集中在創新效率測度方法、創新效率研究對象與影響因素分析三方面。從創新效率的研究方法來看，早期的研究中多采用數據包絡分析方法(DEA)[2-3]，學者在此基礎上進一步拓展出了將單純DEA模型與主成分分析法[4]、Malmquist指數[5]、熵權TOPSIS方法[6]、隨機前言分析(SFA)[7]等方法相結合的研究思路，從不同的視角對科技創新效率進行了測度和分析。從創新效率的研究對象來看，蘭海霞和趙雪雁(2020)[8]基于中國30個省市(自治區)的創新數據研究了中國各區域間的創新效率特征，結果表明中國創新效率在2001—2015年間整體上呈上升態勢，但地區間存在著由東向西的遞減特征。尤瑞玲和陳秋玲(2017)[9]針對中國沿海省域間創新效率差異的研究表明，技術效率提高是導致沿海地區科技創新效率提高的主要原因。石薛橋和董茂峰(2017)[10]對中國中部六省份創新活動效率的研究則表明，中部地區整體的科技創新效率較低，其中湖北、湖南兩地是中部地區創新效率發展的重要的動力源。此外，還有學者[11-12]進一步研究了區域內特定行業的科技創新效率。從創新效率影響因素的研究來看，肖仁橋等(2012)[13]的研究表明政府支持、金融環境等對區域的整體創新效率的影響較為顯著。吳傳清等(2017)[14]基于2008—2014年長江經濟帶省市面板數據的研究發現，企業自主創新和政府積極有效的干預是促進綜合效率提升的關鍵。趙凱旭等(2019)[15]則基于其研究結果，提出在區域創新效率提升發展的過程中，要特別關注國外先進技術利用與中小企業的創新帶動作用。

以上研究主要從不同的視角對科技創新效率進行了深入有效的探索，拓展了科技創新效率的研究思路與方法。但研究對象較為宏觀，近年來，也有一些文獻對湖南省域內的創新效率系統進行了研究。王鵬等(2009)[16]就測度了湖南省2006年制造行業的創新效率，其研究結果表明湖南省制造行業中創新處于非DEA有效的比例超過70%。郭平和何昊城(2012)[17]則基于DEA模型研究了湖南省創新基金的效率，結果表明創新基金的使用效率整體上有效，但其進一步提升受制于較低的規模效率。何燕子和瞿天蔚(2019)[18]基于2011—2016年間湖南省裝備制造業的相關數據，構建了技術創新資源配置效率評價模型，對湖南省裝備制造業的技術創新資源配置效率進行了分析，結果表明行業內存在著創新資源浪費和規模不經濟等問題。

綜上所述，既有文獻涉及湖南省地區間科技創新效率差異的研究還較為缺乏，本文將湖南省14個地市(州)的科技創新效率作為研究對象，測算了相關效率值，并在此基礎上分析了各地區科技創新效率的影響因素。本文的主要貢獻有：(1)構建了湖南省域內的科技創新效率評價模型，并利用DEA-BCC模型測算了各地市(州)的創新效率；(2)運用Malmquist指數分解方法，測算了各地市(州)的科技創新活動的全要素生產率及其分解效率，并從技術效率、技術進步、純技術效率和規模效率四個角度分析了各地區間的科技創新效率差異。

二、研究方法、指標體系與數據說明

(一)研究方法

DEA模型最早由Charnes等(1978)[19]提出，該模型因在處理多項投入與產出指標時具備較大的優勢而被廣泛使用。其基本思路是通過保持決策單元(DMU，Decision Making Units)的輸入或輸出不變，確保生產前沿面的相對有效，再將各決策單元投影到DEA的生產前沿面上，最后通過比較決策單元與DEA前沿面間的偏離程度來評價其有效性。DEA模型主要有CCR模型和BCC模型兩種，分別用于研究“規模報酬不變”和“規模報酬可變”前提下的決策單元有效性問題?；诒疚难芯康膶嶋H情況，選取投入導向的BCC模型，具體推導如下：

假設有m個決策單元DMUj(j=1,2,…，m)，每個決策單元均有n項投入(j=1,2,…，n)和s項產出(k=1,2,…，s)，分別用Xj=(x1j,x2j,…,xmj)T，Yj=(x1j,x2j,…,xkj)T表示DMUj的投入和產出向量，評價其有效性的BCC模型為：

(1)

(2)

其中，θ表示測算出的綜合或相對效率值；ε表示非阿基米德無窮小量；S+和S-表示松弛變量；λj表示權重系數。若θ<1，則該決策單元DEA無效；若θ=1，S+或S-不為0，則該決策單元弱DEA有效；若θ=1，S+和S-均為0，則該決策單元DEA有效。

由于傳統的DEA模型不能考慮時間維度的影響，在處理面板數據方面的適用度較低。Fare等(1992)[20]基于距離函數建立的DEA-Malmquist指數模型彌補了這一缺陷，能對多DMU的面板數據進行深入分析。具體的做法是通過定向輸入和輸出定義距離函數：

D0(x,y)=inf{δ:(x,y)/δ∈p(x)}

(3)

其中，x和y分別表示輸入、輸出矩陣；δ表示輸出效率；p(x)表示輸出效率的可能集合。進一步的，以t期為基礎的Malmquist生產效率指數表達式為：

M(xt+1,yt+1,xt,yt)=

(4)

(5)

(6)

根據式(6)的分解關系有：TFPC=EF*TE=PE*SE*TE。若TFPC大于1，則表明投入產出效率優化；反之則表明投入產出效率出現了下降；若TFPC等于1，則表明效率值未發生改變。相應的，全要素效率變化指數波動的原因可以依據公式關系依次分解為純技術效率、規模效率和技術進步指數的變動。

(二)指標選取

地區科技創新活動的數據分為兩大類：一是創新投入數據，主要包括研發資金和研發人員的投入；二是創新產出數據，主要包括經濟效益和創新成果兩方面。本文參考相關學者的經驗[8-9]，在考慮數據可得性、完整性和科學性的基礎上，從投入和產出兩方面選取了以下指標：

投入指標：使用R&D經費內部支出來體現地區科研創新活動中研發資金方面的投入；使用R&D人員全時當量來體現地區科研創新活動中人力資源的投入。

產出指標：使用新產品增加值來體現地區科研創新活動帶來的經濟效益；使用專利申請數來體現地區科研創新活動中的創新成果。具體見表1：

表1 湖南省各地市(州)創新效率指標

(三)數據說明

本文選取了2011—2018年湖南省14個地市(州)的創新活動數據，來源于《湖南省統計年鑒》(2011—2018年)。基于數據可得性，選取了各地市(州)規模以上工業企業的創新活動數據作為各地區的創新活動數據。由于科技創新活動的投入—產出之間存在滯后期，本文將科技創新活動的滯后期定為一年[18]，并選取了湖南省14個地市(州)2011—2017年的投入數據和2012—2018年的產出數據進行對應分析。其中2011年的投入數據對應2012年的產出數據，以此類推至2017年的投入數據對應2018年的產出數據，共得到湖南省各地市(州)7年的面板數據。

三、湖南省各地市(州)科技創新投入產出分析

從整體的科技創新投入與產出數據來看(見表2)，2011年至2018年間，湖南省各地市(州)的科技創新投入與產出均出現了大幅度的增長，但無論是科技創新投入還是產出方面，地區間的差距都較為明顯?？萍紕撔峦度敕矫妫?011年，湖南省平均R&D經費內部支出和平均R&D人員全時當量分別為12.98億元和4104.50人/年，到2018年，該數據分別增長到36.91億元和7342.86人/年，增長幅度分別達到了184.36%和78.88%。其中，長沙市的各項科技創新投入總量穩居全省首位，懷化市則在投入增速方面排在第一。2011—2018年，懷化市的R&D經費內部支出和R&D人員全時當量分別由0.19億元、233人/年增加至20.01億元、3509人/年，增幅均超過了14倍。這表明懷化地區對科技創新的重視程度在逐年增強，但由于其科技創新投入的基數較小，在經歷了高速增長后，懷化市的科技創新投入總量依舊位于較低的水平，存在著較大的增長空間。

表2 2011年和2018年湖南省各地市(州)的創新投入與產出

續表

科技創新產出方面，2011—2018年間，湖南省平均新產品增加值和平均專利申請數分別由276.65億元、913.57件增加到575.82億元和1881.36件，增長幅度分別為108.04%和105.80%。其中，長沙、株洲、岳陽、湘潭的科技創新產出較高，以上四個地區的平均新產品增加值和平均專利申請數分別為1448.72億元和4412件，遠高于湖南省各地市(州)的平均值，而張家界、湘西州和懷化等地的科技創新產出則較為落后。增長速度方面，2011—2018年間，湘西州的新產品增加值增速和懷化市的專利申請數增速分別位列第一，分別由3.05億元和43件增長到21.32億元和736件。但同樣由于在2011年的科技創新產出基數較小，在經歷了高速增長后總量依舊較小。其中值得注意的是，2018年，湘西州和婁底市均以較低的科技創新投入獲得了較高的科技創新產出，這可能意味著兩地有著較高的科技創新投入產出效率。

四、實證分析

(一)DEA-BCC效率分析

為了對各地區的科技創新投入產出效率進行更準確的分析，基于規模報酬可變的DEA模型，對湖南省各地市(州)在2012年和2018年的創新投入產出效率進行了測算和分解(表3)。整體上，湖南省各地市(州)的平均綜合創新效率由2012年的0.58上升到了2018年的0.64，純技術效率和規模效率也分別有不同程度的上升，分別上升了0.03和0.01，各效率值的增長幅度均較小。2018年，湖南省的平均綜合創新效率、純技術效率和規模效率的絕對值均處于較低的水平，且純技術效率值低于規模效率值。這說明，湖南省各地區的創新效率在2012年以后整體上處于上升的趨勢中，但是依舊存在著較大的優化發展空間，其中較低的純技術效率是限制地區綜合創新效率提升的主要因素。

表3 2011年和2018年湖南省各地市(州)的創新效率及其分解效率

具體來看，2012年，衡陽市的綜合創新效率最低，僅為0.34，緊接著是湘西州和益陽市，綜合創新效率依次為0.36和0.37，張家界、懷化、株洲等地的綜合創新效率則較高。到了2018年，大部分地區的綜合創新效率都有所提升，婁底和湘西州的增長幅度較大，均超過了50%，只有邵陽、張家界、郴州、懷化等地的綜合創新效率出現了下降趨勢。其中，婁底、湘西、株洲等地的綜合創新效率較高，平均效率值達到了0.97；衡陽、常德、邵陽的綜合創新效率在各地市(州)中處于較為落后的位置，均低于0.5，這意味著以上地區創新投入指標的節約空間超過了50%。從DEA有效性來看，2012年僅有張家界達到了有效，2018年增加至2個，分別為婁底市和湘西州，而創新投入較大的長沙、岳陽、常德等地的綜合創新效率還有待進一步提高。

純技術效率和規模效率方面。2012年，益陽、永州、婁底和衡陽的純技術效率較低，分別為0.42、0.47、0.48、0.49，其中益陽、永州和婁底的規模效率較高，均大于0.9，但在純技術效率較低的限制下，使得上述地區的綜合創新效率較低。此外，純技術效率較低也是導致多數地區綜合創新效率較低的主要原因，只有長沙、岳陽、株洲等地的綜合創新效率發展主要受到規模效率的影響。2018年，純技術效率和規模效率均得到了不同程度的發展，分別由0.72、0.82增長到了0.75和0.86，但地區間的差異依舊十分明顯。其中，衡陽和常德的純技術效率分別為0.42和0.45，僅為地區平均值的56%和60%，而婁底、湘西、株洲等地由于純技術效率和規模效率均較高，因此在2018年帶來了較高的綜合創新效率。整體來看，2018年湖南省大部分地市(州)綜合創新效率的提高來源于規模效率的拉動，純技術效率的促進作用較小，甚至在一些地市(州)出現了下降，這說明純技術效率增長緩慢是限制湖南省各地市(州)創新效率發展的重要原因。

(二)Malmquist指數分解

在分析了湖南省各地市(州)科技創新相對效率的基礎上，為深入分析各地區科技創新效率的影響因素及其變化趨勢，需要對2012—2018年間湖南省各地市(州)的Malmquist指數進行測算和分解(見表4)。由于科技創新活動的投入與產出數據存在一年的滯后期，為了便于表述，下文中提及的年份均表示科技創新活動投入數據所在的年份。整體上，2012—2017年間，湖南省科技創新活動的全要素生產率變化指數呈現出上升態勢，年均增長幅度為4%，這表明湖南省科技創新活動的效率在不斷提高。從分解指數來看，技術進步變化指數的年均增速達到了6%，技術效率變化指數雖然在各年間出現過增長和下降的態勢，但總體上基本維持不變。這表明，湖南省科技創新活動效率的提升主要依賴于技術進步，二者間存在著較強的相關關系。

表4 2012—2018年湖南省創新Malmquist指數及分解

具體到各個年份。2012年，技術進步變化指數的增幅最大，達到了25.9%，雖然當年的技術效率變化指數出現了下降(下降了14%)，但全要素生產率指數依舊上升了8%；2013年，技術效率指數出現了明顯的下降，下降幅度為27%，這直接導致了全要素生產率的下滑；2014—2016年間，技術效率變化指數開始持續增長，且增長幅度均超過了技術進步變化指數，在這一階段，全要素生產率的增長主要得益于技術效率的提升；2017年，技術進步變化指數再次出現了大幅度增加，增幅達到了19%，從而帶動了全要素生產率的顯著提升(增長了16%)。從純技術效率和規模效率變化指數來看，2012—2017年間，二者既有上升，也有下降，但純技術效率變化指數高于規模效率變化指數的年份更多，可見技術效率變化主要依賴于純技術效率的提升。

表5進一步給出了湖南省各地區科技創新投入的Malmquist指數及分解結果。整體上，全要素生產率變化指數大于1的地區占據了絕大多數，只有常德、張家界、永州三地出現了負向增長，這說明湖南省絕大多數地市(州)科技創新的投入產出效率在提升。從增長的地市(州)來看，2012—2018年，僅有湘西、岳陽和株洲的增長幅度超過了10%，整體增速較慢，技術效率變化指數大于1的地區只有5個，而技術進步變化指數大于1的地區共有12個，這表明各地區科技創新效率的提升主要依賴于技術進步。

表5 湖南省各地市(州)Malmquist指數及分解

具體到各個地區，2012—2018年，全要素生產率變化指數出現下降的地區中，常德、張家界、永州分別下降了6%、17%、8%，其中張家界對應的各項分解指數均小于1，全要素生產率變化指數下降幅度也最大，這說明張家界不僅存在著創新投入的冗余，在技術進步、科技成果轉化方面都落后于其他地區，在各項因素的共同作用下導致了科技創新的投入產出效率較低；常德的純技術效率變化指數和規模效率變化指數分別為0.95和1.02，這說明純技術效率的下降是導致常德地區技術效率較低的主要原因；永州的技術進步變化指數為1.02，在2012—2018年間小幅度上升，但由于技術效率變化指數小于1，僅為0.90，導致了其科技創新投入的全要素生產率出現了下降。在全要素生產率正向增長的地區中，湘西州的增長幅度最大，達到了26%，其中技術效率變化指數增長了16%，而技術進步變化指數只增長了8%，這說明湘西州科技創新投入的效率提升主要依賴于技術效率的提高；岳陽和株洲兩地的全要素生產率變化指數增幅也較大，均增長了16%，其中岳陽的技術進步變化指數增長了14%，而技術效率變化指數只增長了2%，這說明技術進步是帶動岳陽科技創新效率提升的主要因素，株洲市技術進步變化指數的增幅也高于技術效率變化指數，分別為15%和1%，這表明技術進步提升對株洲市全要素生產率變化指數的貢獻更大。其他地區的全要素生產率變化指數的增幅均小于10%，且大多數地區的技術進步變化指數的增幅高于其他指標，這表明技術進步較快是帶動地區全要素生產率正向增長的主要動力，但技術效率較低導致了全要素生產率增長較慢。

五、結論和對策建議

本文基于2011—2018年湖南省各地市(州)科技創新投入產出的面板數據，使用DEA-BCC模型和Malmquist指數法，對湖南省各地市(州)科技創新投入產出的綜合效率、分解效率及其變化趨勢進行了分析，得出以下三點結論：

第一，整體上，2011—2018年間，湖南省各地市(州)的科技創新投入產出與綜合創新效率均處于上升態勢中，但各效率的絕對值較小，這意味著湖南省的科技創新效率依舊存在著較大的發展空間。從各地市(州)來看，婁底、湘西和株洲等地的綜合創新效率較高，而衡陽、常德和邵陽則處于較為落后的位置。其中，地區綜合創新效率的主要限制因素是純技術效率較低。

第二，基于DEA-BCC模型的靜態測算數據表明：2018年和2012年相比， 規模效率提高是拉動湖南省大部分地市(州)綜合創新效率提高的主要動力， 反映出純技術效率不高是抑制湖南省各地區科技創新投入產出效率提高的主要原因。

第三，從Malmquist指數對湖南省各區域綜合科技創新效率的動態分析來看，湖南省各地區的科技創新全要素生產率在穩步提升，其中，技術進步變化指數的增幅明顯高于純技術效率和技術效率變化指數。從時間維度來看，2011—2018年間，各地區的全要素生產率及其分解效率均處在波動之中，但增長的年份占據了大多數；分地區來看，導致常德、張家界和永州全要素生產率下降的原因既有技術效率低下，也有技術進步緩慢，而技術進步加快則是帶動其他地區全要素生產率增長的主要動力。

根據以上結論，提出以下三點政策建議：

第一，加大科技創新投入。湖南省整體的科技創新投入還處在較低的水平，特別是湘西州、張家界、婁底等地的科技創新投入遠遠低于其他地區，在大多數行業中，只有當科技創新投入達到一定數量時，才有可能實現關鍵技術的突破，從而實現規模經濟。因此，要提高地區的科技創新效率，必須加大科技創新資源的投入。

第二，提高資源配置效率。湖南省各地市(州)在增加科技創新投入的同時，要特別重視對各項創新投入結構和規模的優化。一方面，既要防止出現科技創新投入不足產生的產出不足，也要避免過多投入產生的邊際效率遞減問題；另一方面，要增加科技創新投入在地區間的流動效率，在縮小地市(州)之間科技創新能力差異的同時，也能達到提升科技創新資源投入回報率的目的。

第三，增強企業市場活力。在社會主義市場經濟中，企業已經成為提升地區科技創新效率的重要載體，不斷優化市場環境，激發企業研發創新的動力與熱情，對提高湖南省科技創新效率有著重大意義。