國家中心城市建設背景下鄭州市科技創新效率研究

段寶娜

摘 要：本文以鄭州市科技創新效率為研究對象，構建科技創新效率投入產出評價指標體系，搜集整理相關指標的面板數據。首先，運用熵權-灰色關聯模型對評價指標體系進行處理，然后借助軟件DEAP2.1，運用數據包絡分析（DEA）法對鄭州市與其他國家中心城市的科技創新投入產出效率進行橫縱向測算、比較，分析研究對象的綜合技術效率、純技術效率和規模效率的演化過程。結果表明，橫向上，2019年，鄭州市純技術效率DEA有效，規模效率非DEA有效，綜合技術效率非DEA有效，且與其他國家中心城市相比，效率值最低，科技創新率水平不高;縱向上，2011—2019年，鄭州市的科技創新綜合效率呈波動趨勢，存在資源閑置和產出不足的現象。最后，根據測算結果和實際情況，提出完善政府政策、構建人才培養體系、統籌資金體系、促進科技中介服務體系建設等建議。

關鍵詞：鄭州市;熵權-灰色關聯模型;DEA方法;科技創新效率

中圖分類號：F224文獻標識碼：A文章編號：1003-5168（2021）06-0154-05

Research on the Efficiency of Scientific and Technological Innovation

in Zhengzhou under the Background of National Central City Construction

——Based on Entropy Weight-gray Correlation Model and DEA Method

DUAN Baona

（Zhengzhou Vocational College of Finance and Taxation，Zhengzhou Henan 450048）

Abstract： In this paper， Zhengzhou science and technology innovation efficiency was taken as the research object， and the input-output evaluation index system of science and technology innovation efficiency was constructed. Firstly， the entropy weight grey correlation model was used to deal with the evaluation index system. Then， with the help of DEAP2.1 software， the input-output efficiency of science and technology innovation of Zhengzhou and other national central cities was calculated and compared horizontally and vertically by using DEA method， and the evolution process of comprehensive technical efficiency， pure technical efficiency and scale efficiency of the research object was analyzed. The results show that horizontally， in 2019， Zhengzhou's pure technical efficiency was DEA effective， scale efficiency was not DEA effective， and comprehensive technical efficiency was not DEA effective. Compared with other national central cities， Zhengzhou's efficiency was the lowest， and the level of scientific and technological innovation rate was not high. Vertically， from 2011 to 2019， Zhengzhou's comprehensive efficiency of scientific and technological innovation showed a fluctuating trend， with idle resources and insufficient output. Finally， according to the calculation results and the actual situation， this paper put forward some suggestions， such as improving the government policy， constructing the talent training system， coordinating the fund system， and promoting the construction of science and technology intermediary service system.

Keywords： Zhengzhou;entropy weight grey correlation model;dea method;efficiency of scientific and technological innovation

科技創新的戰略意義在“十四五”規劃中被提升到了前所未有的高度，是“十四五”期間的核心政策主線。科技創新正在為經濟社會發展增添新的動能和優勢，已然成為區域經濟社會高質量發展的重要引擎，在新發展階段發揮著重要作用。因此，更要全面增強科技創新能力，培育發展新動能，提高科技創新效率，加速科技創新成果轉化。

科技創新能力和科技創新效率兩者是存在交叉但又不完全等同的概念。科技創新效率是衡量科技創新成效的重要標尺，其將科技創新投入和科技創新產出以比值的形式聯系在一起，是科技創新能力的綜合反映。對區域科技創新效率進行評價，不僅可以優化區域科技資源的配置，而且還能為區域科技創新資源的投入提供導向。因此，科技經費投入是否與科技人力資源相適應，科技創新投入產出是否有效等問題成為政府和學者關注的要點，有必要從投入產出角度對鄭州市科技創新效率進行分析和比較，揭示鄭州市的綜合技術效率、資源配置效率、規模效率和規模收益，并總結其特征，為鄭州市制定科技創新政策與相關發展戰略和路徑選擇提供參考依據。

1 指標構建、數據來源及指標預處理

前面的階段性成果《國家中心城市科技創新能力的監測評價——以鄭州市為例》已有成果為：課題組成員遵循指標選取原則，結合已有研究成果，依據研究對象特點，從科技創新環境、科技創新投入、科技創新產出、科技促進經濟社會發展四個方面構建了科技創新能力評價指標體系，在此，選擇科技創新投入和科技創新產出這兩個指標對科技創新效率進行實證研究（見表1）;已完成相關指標數據的搜集整理，并且基于收集的相關指標數據，分別從橫向和縱向兩個方面對鄭州市科技創新能力進行分析，為鄭州市科技創新效率評價的展開提供了依據;處理指標的熵權-灰色關聯模型已構建完畢，具體操作步驟可參閱階段性成果一文，本文采用階段性成果中的熵權-灰色關聯模型對7個投入指標和15個產出指標進行處理。

2 方法選取

數據包絡分析法（Data Envelopment Analyses，DEA）是一種是一個對多投入、多產出的多個決策單元的效率評價方法。DEA分析法的本質是利用生產前沿面的方法，通過統計數據模型來研究技術進步狀況，從而建立指標之間的最優模型，測算決策單元之間的相對效率值，對決策單元的有效性作出評價[1]。該方法常用模型有CCR模型和BCC模型。由于CCR模型對模型中的各決策單元都具有規模不變的要求，本文選用規模收益可變的BCC模型，該模型相比CCR模型更靈活，在DEA-CCR模型的基礎上增加約束條件[j=1nλj=1]，得到DEA-BCC模型，基本形式如下：

[minθ-εe′s-+e′s+]? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

[s.t.][j=1nxjλj+s-=θx0j=1nyjλj-s+=y0j=1nλj=1λj≥0，j=1，2，…，ns-≥0，s+≥0]? ? ? ? ? ? ? ? ? ? ? ? （2）

其中，[xj=（x1j，x2j，…，xmj）′]，[yj=（y1j，y2j，…，ymj）′]，分別為[n]個決策單元對應的投入、產出數據;[λj]為投入產出指標的權重系數，[j=1，2，…，n];[θ]表示決策單元DMUj的產出相對于投入的有效利用程度，即效率指數;[ε]即非阿基米德無窮小量;[s-]和[s+]代表松弛變量，表示投入要素和產出要素待調整的量。

DEA模型的導向可以分為投入導向型和產出導向型，本文選擇產出導向型的原因在于：一是投入導向型在理論上有一定的參考價值，但這種導向存在許多限制因素;二是投入導向型可以更好地控制決策單元，能很好地用于地區間的效率值比較。

由DEA模型及其性質[2]可知，要求模型投入產出指標數不超過決策單元數的1/2，否則DEA模型將不能準確區分各決策單元間的差異性[3]。因此，對鄭州市科技創新效率進行實證分析前，需要先對科技創新投入與科技創新產出指標進行處理。本文先采用熵權-灰色關聯模型分別求出科技創新人力投入、科技創新財力投入指標綜合得分作為DEA分析的投入指標;然后以同樣的方法求出科技創新產出指標綜合得分作為DEA分析的產出指標;最終選出2個科技創新投入指標和1個科技創新產出指標作為DEA效率分析的投入-產出指標，計算結果如表2和表3所示。

3 實證研究

3.1 鄭州市科技創新效率橫向對比分析

3.1.1 模型測算結果。選擇9個國家中心城市為決策單元，借助DEAP2.1軟件，運用產出導向的、規模報酬可變BBC模型對2019年國家中心城市的科技創新投入產出效率進行測量，對各決策單元的相對效率進行橫向比較。其中，BBC模型將綜合技術效率（Technical Efficiency，TE）分解為純技術效率（Pure Technical Efficiency，PTE）和規模效率（Scale Efficiency，SE），并計算各決策單元相應的投入冗余[s-]與產出不足[s+]，計算結果如表4和表5所示。

3.1.2 結果分析。下面從三個角度進行分析。

3.1.2.1 綜合技術效率分析。由表4數據可知，2019年，9個國家中心城市的科技創新綜合技術效率均值為0.900，整體效率值較高。北京市、天津市、鄭州市的效率值相對較低，其他市的效率值都在均值之上。整體來看，各城市間效率值存在一定差距。其中，達到DEA有效的決策單元只有廣州市，其他城市都是非DEA有效，占總體研究對象的88.9%。也就是說，只有廣州市實現了科技創新投入產出的DEA完全有效，說明廣州市在2019年的科技創新投入資源得到充分利用，有效轉化為產出。北京市、重慶市、西安市、鄭州市綜合技術效率非DEA有效完全是由規模無效導致的，天津市、上海市、成都市、武漢市則是由純技術無效和規模效率無效共同導致的綜合技術效率非DEA有效，需要加強對科技創新的投入。

進一步對投入冗余[s-]和產出不足[s+]進行分析。由表5數據可知，綜合技術效率DEA有效的廣州在2019年投入冗余和產出不足，均為0。天津市、成都市、武漢市三市在科技創新人力投入上有投入冗余，分別是0.006、0.001、0.011，說明在非DEA有效的這三個決策單元上，人力投入未得到充分利用，因此，人力投入可分別減少0.006、0.001、0.011;而科技產出不足項分別為0.053、0.002、0.026，說明科技產出水平都較低，都有待進一步提高。上海市在科技創新財力投入有投入冗余，為0.012，說明在非DEA有效的上海市這一決策單元上，財力投入未得到充分利用，因此財力投入可以減少0.012。

3.1.2.2 純技術效率分析。純技術效率值為1的區域在技術上純粹是有效的，不需要削減投資來維持現有的創新產出。從表4可以發現，北京市、重慶市、西安市、鄭州市的純技術效率為1，且表5數據顯示沒有投入冗余和產出不足，但規模效率值小于1，意味著這4個城市的科技創新投入產出DEA無效是由單純的規模無效引起的，也即規模和投入產出資源配置不夠合理所致，只有對規模進行優化，方可提高綜合技術效率。天津市、上海市、成都市、武漢市科技創新投入產出屬于技術無效，這些城市的科技創新投入未能實現充分利用，相關部門需要對科技創新投入要素進行整合，優化資源結構配置來提高純技術效率。

3.1.2.3 規模效率和規模收益。由表4可知，2019年，廣州市的規模效率有效，規模收益不變，意味著科技創新產出以投入增長的比例同步增加。其他城市科技創新的規模效率小于1，即規模效率非DEA有效，其規模收益可能遞增，也可能遞減[4]。大多數城市處于規模收益遞增階段，也有城市處于規模收益遞減。具體來看，北京市和上海市的規模效益遞減，意味著投入要素增加一定比例，獲得的產出小于該比例，此時的生產是低效率的，如果不改變產出結構，一味地增加要素投入，勢必會造成資源浪費。天津市、重慶市、成都市、武漢市、西安市、鄭州市的規模效益遞增，意味著這些城市的產出是高效率的，此時產出增加的比例高于投入增長的比例，但規模效率值偏小，意味著這些城市的科技創新投入產出規模不合理，通過擴大科技創新投入規模，以實現規模效率提升完全有效。

3.2 鄭州市科技創新效率縱向評價

3.2.1 模型測算結果。以上是以國家中心城市2019年數據為依據，分析9地市的科技創新效率，再以鄭州市2011—2019年9年間的數據為依據，對其科技創新投入產出效率進行縱向比較分析，并計算相應的投入冗余與產出不足[s-]、[s+]，結果如表6和表7所示。

3.2.2 結果分析。下面從三個角度進行分析。

3.2.2.1 綜合技術效率分析。整體來看，在9個決策單元中，有2個決策單元的綜合技術效率值為1.000，達到DEA有效，說明鄭州市在2015年和2019年的科技創新投入得到充分利用，其規模和結構都是最佳的;其余年份的綜合技術效率值小于1.000，非DEA有效，占整體的77.8%。

從具體年份來看，9年間效率水平呈降、升的波動趨勢。2011—2012年效率水平下降，之后逐漸上升，直到2015年才達到DEA有效，隨后又逐漸下降，并最終于2019年再次達到DEA有效。產生這種趨勢的原因可能在于，隨著國家中心城市的建設，相關人員逐漸認識到科技創新在推動省會發展上的強勁動力，不斷加大科技創新投入力度，但與之相應的科技創新產出相對滯后，導致2012年科技創新效率水平較低，之后科技創新產出水平不斷增加，效率水平也隨之增長，2015年達到最優。相關統計數據顯示，2015年，在科技創新財力指標上的投入較少，進而導致從2016年開始幾年內的科技創新產出水平降低，效率也隨之降低。之后，隨著鄭州市科技發展規劃的深入執行，科技產出水平得以提升，2019年再次達到科技創新DEA有效。

3.2.2.2 純技術效率、規模效率分析和規模收益。從表6可以看出，2015年和2019年這兩年的純技術效率和規模收益都為1.000，技術效率和規模效率均DEA有效，意味著這兩年的科技創新投入和科技創新產出已經達到最大規模配置狀態，而規模收益不變，說明即便繼續增加科技創新投入，產出也只能與投入同比例增加;2011年和2014年的純技術效率為1.000，說明這兩年的綜合技術效率水平主要受規模的影響;其余年份的純技術效率和規模效率都小于1.000，說明這些年不僅科技創新投入未得到充分利用，而且科技創新投入的強度也不高，進而導致投入產出的綜合技術效率低下。

2015年和2019年的規模收益不變，意味著科技創新投入產出已達到最佳配置狀態;2011—2014年、2018年的規模收益遞增，意味著這幾年的科技創新投入沒有發揮最大效用，科技創新投入強度不足，若繼續加大科技創新投入，科技創新產出將會以高于投入的比例增加，直至投入產出達到最優狀態[5];2016年和2017年的規模收益遞減，意味著這兩年科技創新產出雖然增加，但產出增加的比例小于投入增長的比例，進而導致科技投入存在冗余或產出不足。

3.2.2.3 松弛因子分析。根據DEA模型理論，DEA有效決策單元的[s-]、[s+]值均為0.000。2015年和2019年是DEA有效的，由表7數據可知，對應的投入冗余和產出不足，均為0.000。綜合技術效率非DEA有效的2011年和2014年的松弛變量為0.000，而純技術效率為1.000，規模效率小于1.000，這兩年對純技術而言沒有科技創新投入需要減少，也沒有科技創新支出需要增加，而需要對規模進行調整;2012年、2013年和2018年均存在產出不足，收益規模不斷擴大，因此，有必要適當增加科技創新投入規模來提高效率;2016年和2017年既有投入冗余又存在產出不足，規模報酬遞減，因此，在提高純技術效率的同時，還要縮小投入規模，逐步實現DEA有效。整體來看，鄭州市科技創新投入規模有待提高，投入冗余不多，但利用率較低，導致科技創新產出不足。

4 提高鄭州市科技創新效率的政策性建議

為促進鄭州市科技創新效率的提升，優化科技創新環境，根據以上實證分析結果，結合鄭州市科技創新建設的實際情況，提出相應的對策建議。

4.1 完善政府政策支持體系

一是健全法律法規，優化政策環境，保證政策的公開性和穩定性，使管理者公平執行相關政策，保證政策的協調性和連續性，從根本上保障科技創新工作的順利進行。政府讓渡部分職能給第三方組織，使第三方組織獨立行使某些職能的權利，同時加強第三方組織監督管理與質量控制的相關法律法規的配套建設，確保第三方組織有法可依、依法行事。二是在掌握科技創新客觀規律的基礎上，根據鄭州市特點，因地制宜地出臺相應的協同創新的政策措施和實施細則，完善科技協同創新的法律法規，促進政策與科技創新主體的契合，從而推動區域科技創新的發展。三是加強企業政策意識。政策制定之后，加強執行和監督，相關部門加大宣傳力度并制定培訓管理方案，督促企業充分掌握政策，并用好用足支持企業協同創新的政策[6]。

4.2 構建科技創新人才政策體系

創新之道，唯在得人。人才是科技創新的關鍵因素，首先，建立多元化、多層次、多類型的人才政策體系。一是要重視海外人才的引進，并更加重視本土人才的合理使用;二是大力支持高端人才的同時，穩定支持中端科技人才;三是基礎研究人才與科技成果轉化人才并用。其次，改善人才評價機制，建立多維度的人才評價標準;構建社會化、多元化人才評價體系;人才梯度培養與科學評價相結合。除此之外，還要制定科技創新人才激勵機制。既要重視對領軍人才、關鍵核心人才的個體激勵，又要加強對整個團隊的激勵，維護團隊活力和穩定性。

4.3 統籌科技創新資金體系

基于前面的實證結果，科技創新人力投入和財力投入是影響科技創新效率的關鍵因素，人力投入是影響科技創新效率的主觀能動性因素，財力投入則是保證科技創新活動順利進行的物質前提和基礎。一方面政府要提高科技創新資金投入，給予一定的技術引導資金，使科技創新的物質基礎與硬件得以保障;另一方面，廣辟籌資來源，建立多元化的科技創新資金投入機制，借助金融市場直接或間接融資，支持符合條件的創新型企業通過股權融資、發行債券或運用私募資金等手段從資本市場抑或是通過銀行貸款獲得資金。除此之外，為保障合理配置資金資源，還要綜合考慮科技創新活動的規模效益、現有資源以及發展空間，加強管理資金投入方向。

4.4 促進科技中介服務體系建設

科技中介服務機構是新型科技創新體系的重要組成部分，是科技成果轉化以及科技創新活動的催化劑，在科技創新過程中具有不可替代的作用。從鄭州市的實際情況出發，積極建設以生產力促進中心、科技企業孵化器、科技資訊和評估機構、大學科技園、工程技術服務中心等為主要形式的科技中介服務體系，逐步建立完善、系統的科技中介法律法規體系，營造支持科技中介機構發展所需的寬松社會環境和市場環境，發揮政府對科技中介服務體系建設的指導作用。要開展多渠道宣傳，使各級管理部門充分認識到科技中介服務體系是促進科技成果轉化、降低創新風險的重要環節。除此之外，還應加強各種形式科技中介服務機構的內部合作，建立內部信息交流與共享機制，推動建立區域內創新績效的最優實現形式[7]。

參考文獻：

[1]李蘇敏.“一帶一路”倡議區財政科技投入產出效率評價：基于DEA-BCC模型分析[D].南昌：華東交通大學，2017：1-55.

[2]科埃利.效率與生產率分析引論[M].北京：中國人民大學出版社，2008：86-92.

[3]劉展，屈聰.基于因子分析和DEA模型的科技創新投入產出效率研究：以河南省為例[J].河南科學，2014（10）：2132-2137.

[4]裴玲玲.江蘇省政府科技投入績效評價研究[D].南京：南京航空航天大學，2011：20.

[5]趙怡，司文晴.基于DEA的工業企業科技投入與創新績效研究：以山西省為例[J].高等財經教育研究，2013（3）：88-94.

[6]劉志華.區域科技協同創新績效的評價及提升途徑研究[D].長沙：湖南大學，2013：16-17.

[7]彭佑元.科技創新績效評價理論與實證研究：基于山西省的經驗數據[M].北京：經濟管理出版社，2017：25.