“十二五”以來中國創(chuàng)新政策效果評價與政策啟示

張靜雨，張繼彤

（南京師范大學商學院，江蘇南京 210023）

自《國家中長期科學和技術發(fā)展規(guī)劃綱要（2006—2020 年）》頒布以來，我國各級政府部門制定了大量創(chuàng)新政策，以提升我國的自主創(chuàng)新能力、推進創(chuàng)新型國家建設。2020 年是《綱要》收官之年，也是編制“十四五”發(fā)展規(guī)劃的元年，在此承前啟后的關鍵時點，檢驗和重新審視“十二五”以來創(chuàng)新政策效果，發(fā)現既有政策的不足，可為制定“十四五”發(fā)展規(guī)劃提供借鑒。

1 文獻綜述

科技創(chuàng)新政策是政府為鼓勵科技研究發(fā)展而采取的公共措施［1］，主要依托財政投入的傾斜和人才引進等激勵性工具刺激創(chuàng)新主體，調動其創(chuàng)新積極性，進而實現創(chuàng)新能力的提升［2］。

目前主要通過兩個路徑來評價創(chuàng)新政策的有效性。一是過程導向，以政策工具為核心，通過構建不同的指標體系來判斷政策是否達到了預期目標，其關鍵是把握政策從制定到實施的內在邏輯。沿襲這一思路，Padilla-Pérez 等［3］以政策工具為核心評價中美洲6 國的創(chuàng)新政策；藺潔等［4］從政策主體、政策工具、政策目標三方面構建創(chuàng)新政策分析框架比較了江蘇和美國加州政府發(fā)布的創(chuàng)新政策；李政等［5］將質性數據分析法引入中美政策的比較，發(fā)現政策的部際分布差異較大；李凡等［6］在政策目標、工具和實施的三維視角下利用二元Logistic 回歸比較兩國科技創(chuàng)新政策，發(fā)現中國偏向企業(yè)供給和知識的垂直增加，而印度則偏向對市場的保護和水平擴散；肖美丹等［7］分別選擇河南96 份、廣東116 份創(chuàng)新政策，梳理出2005—2015 年兩省科技創(chuàng)新政策的側重方向和轉變路徑，對比分析不同時期、部門和內容下的政策演進脈絡。二是結果導向，依托創(chuàng)新的投入產出指標，建立結果導向模型，通過創(chuàng)新效率間接反映創(chuàng)新政策的有效性。Edurne 等［8］通過評價創(chuàng)新政策效果，明確政策效益是檢驗政策有效性的重要標準之一；Rugee 等［9］研究科技創(chuàng)新政策實施效果的評估方法，并對歐美國家進行了檢驗；Dye［10］計算所有目前和將來的政策目標群體和非目標群體成本和收益之間的差異來評估政策效果；王守文等［11］將產學研合作區(qū)域競爭政策劃分為五類，將政策有效性的推動力量形象化為飛機模型，建立了多層次模糊綜合模型，發(fā)現投入因素是政策有效性是最大源動力；藺鵬等［12］在復雜適應理論基礎上引入超越對數生產函數，建立隨機前沿模型，運用河北省60 家科技型中小企業(yè)數據實證測度R&D經費投入對技術創(chuàng)新效率的影響；閻東彬［13］應用兩階段數據包絡分析法考察2012—2017 年京津冀地區(qū)科技創(chuàng)新政策的實施效果等。這些研究都采用了結果導向路徑，從創(chuàng)新效率出發(fā)，衡量科技創(chuàng)新政策的有效性。

過程導向從政策形成的理論框架、政策主體、中介工具和預期目標等方面評價政策的有效性，不強調對執(zhí)行效果的考察；而結果導向則主要考慮創(chuàng)新政策帶來的創(chuàng)新效率，二者各有自己的研究重點，也有自己的盲區(qū)，合理的研究閉環(huán)應該兼顧政策目標與政策效果，即將過程導向與結果導向結合起來，綜合評價創(chuàng)新政策有效性。曲婉等［14］和康婕等［15］學者在這方面做了努力，提出從準備實施、執(zhí)行過程和效率全過程的創(chuàng)新政策評價體系，但現有的研究僅僅停留在理論層面。本文引入因子分析、TOPSIS 法、灰色關聯和三階段DEA 的實證方法，將過程與結果導向兩個路徑結合起來，通過構建雙向評價體系創(chuàng)建創(chuàng)新政策全過程評價體系，并用該方案對我國“十二五”以來的科技創(chuàng)新政策的有效性做實證檢驗。

2 科技創(chuàng)新政策評價體系構建

2.1 過程導向的因子理想關聯評價模型

2.1.1 方法介紹與指標選擇

政策評估的目的是確定政策預期效果的實際落地情況，因此指標體系應根據評估對象確定，注意政策導向性和簡單易操作性。目前對科技創(chuàng)新政策的過程評估一般從執(zhí)行準備、成果和環(huán)境等方面確定二級指標。本文創(chuàng)新采用因子分析和TOPSIS 與灰色關聯分析相結合的方法，在衡量政策有效性的二級指標與代表政策分類單元的一級公因子指標之間建立起緊密聯系，形成覆蓋政策全鏈條的過程評價模型來解釋科技創(chuàng)新政策的有效性。

科技部按照科技政策目標，將國家科技政策分為企業(yè)進步與高新技術產業(yè)化、科技人才、科技中介服務、科技獎勵、科研機構改革、科技計劃管理、科學技術普及、科研經費與財務、科技金融與稅收、基礎研究與科研基地、國際科技合作、農村科技與社會發(fā)展、科技條件與標準、科技成果與知識產權14 個類別，每個分類單元的政策預期目標保持顯著差異。

依照基于政策目標確定二級指標的標準，本文選擇如表1 所示指標體系來評價創(chuàng)新政策效果。

表1 指標說明

2.1.2 計算過程

構建評價對象為31 個省份，評價指標為13 個，評價時間維度為9 年的因子分析模型，評價對象集為Nti（i=1,2,3,…,31）,指 標 集Mtj（j=1,2,…,13），t ∈［2010，2018］，對Nti的橫截面數據進行檢驗，論證因子分析的可行性，計算系數相關矩陣R，對R 進行主成分分析并依據累計方差貢獻率確定相應特征根λ。求m 個公因子的載荷矩陣A，并計算綜合因子得分，再將的4 個因子綜合得分指標標準化：

利用處理后的數據得到矩陣中各列的最大、最小值分別構造矩陣最優(yōu)向量X+=（Xmax，1，Xmax，2,...，Xmax,m）和最劣向量X－=(Xmin,1,Xmin,2,...，Xmin,m)，同時構成參考序列Y0

依據歐式距離計算第i 個評價對象與最優(yōu)、最劣方案的接近程度和，計算第i 個評價對象的接近程度Ci；

再測算關聯系數：求第i 個評價單元在第m 個公因子的最優(yōu)指標上的關聯系數：

ρ是分辨系數，它的意義在于削弱參考數列對失真的影響。一般來說，ρ的取值在0 到1之間，ρ越小，則分辨力越大。通常情況下，ρ取值為0.5。

根據關聯系數矩陣，計算出關聯度R：

2.2 結果導向的效率評價模型

2.2.1 方法介紹與指標選擇

DEA 數據包絡法側重判斷樣本是否位于有效生產前沿面上，可以從投入和產出兩方面考察創(chuàng)新效率，因此本文選擇數據包絡法計算各省技術創(chuàng)新效率。

本文參考Jaffe［16］生產函數建立投入產出指標體系，以研發(fā)資源和勞動資本投入表征科技創(chuàng)新的投入［17］。

由于R&D 經費內部支出是流量，本文利用永續(xù)盤存法固定資本存量，參考Hu 等［18］、吳延兵［19］與白俊紅等［20］的計算方法，設定計算公式：

在產出指標方面，主要用新產品銷售收入、專利授權和申請數以及技術市場成交額來表征［21-23］?？紤]到專利申請存在時滯效應，最終選擇專利授權數和技術市場成交額作為產出指標，并對三類專利按創(chuàng)新程度、技術創(chuàng)造價值和效益進行0.5（發(fā)明專利）：0.3（實用新型）：0.2（外觀設計）的賦值［24］。為確保投入產出指標選擇的可靠性，進行了相關性檢驗，結果顯示通過1%水平下的相關性檢驗（表2、表3）。

表2 投入產出變量指標一覽表

表3 Person 相關性檢驗

2.2.2 計算過程

在第一階段，帶入投入產出指標對各決策單元的初始效率進行評價：

在第三階段，將調整后的投入指標代替初始投入值，重新計算出剔除環(huán)境與隨機擾動干擾的效率值。

3 實證分析

本文最終選取13 個指標，對31 個省份的科技創(chuàng)新政策有效性進行過程評價，選擇4 個投入產出指標對301）個省份的創(chuàng)新效率進行結果評價，各數據來自2011—2019 年《中國科技統計年鑒》《中國統計年鑒》、各省市統計年鑒和筆者搜集計算整理。

3.1 因子分析

使用 SPSS 23.0 對 2010—2018 年我國科技創(chuàng)新政策評價指標體系的截面數據分別進行因子分析2）。KMO 統計量大于 0.85，Bartlett 球度檢驗Sig.值為0.000，表示相關系數矩陣和單位矩陣之間有顯著性差異，適合進行因子分析，如表4 所示。

表4 KMO 和巴特利特檢驗檢驗結果

對 2010—2018 年各年截面數據初始因子載荷矩陣進行凱撒正態(tài)化最大方差法旋轉，盡管每年各指標的載荷值不同，但是每年載荷量的不同并不影響各公因子的具體分類和解釋3）。X1、X2、X5、X6、X8、X9、X11 和X13 在F1 上具有較大載荷，因子多為科技政策的成果，因此命名為執(zhí)行成果因子；X3、X4 和X7 在F2 上具有較大載荷，因子多為基礎性支持，因此命名為基礎環(huán)境因子；X10 和X12 反映對從事科技創(chuàng)新人才的激勵情況，在F3 上具有較大載荷，因此命名為人才支撐因子（表5）。提取的3 個公因子形成了邏輯閉環(huán)，即政策的執(zhí)行主體在執(zhí)行環(huán)境中取得執(zhí)行成果。

表5 公因子提取與命名

觀測公因子貢獻率的變化情況可以發(fā)現三大公因子與科技創(chuàng)新政策有效性是高度相關的：橫向看，F1 執(zhí)行成果是影響政策效果的最大因素，近年來一直保持61%的貢獻率，變化不大；F2 的貢獻率先上升，后微小幅度下降，表明基礎環(huán)境的政策一經推行即刻有效，但在環(huán)境建設完備后貢獻會變小；F3 波動上升，說明政策加大了對科技軟實力的偏向，人才是一國科技創(chuàng)新源源不斷的內生動力。整體來看，3 個方面對科技創(chuàng)新政策有效性的解釋高達90%，表明從執(zhí)行成果、基礎環(huán)境和人才支撐三方面出發(fā)可以解釋科技創(chuàng)新政策效果。

3.2 TOPSIS 與灰色關聯評價模型

按公式計算各年份綜合因子4）和公因子得分5），將值作為 TOPSIS 和灰色關聯度模型的變量代入計算過程，利用Matlab2016a 得出各省科技創(chuàng)新政策有效性的相對貼近度，理想距離與貼進度結論基本一致，佐證測算結果，貼近度越大表示政策有效性越強，根據表6的測算結果，選擇0.3為TOPSIS的Ci有效性點。

表6 關聯度與有效性計算結果一覽表

表6 （續(xù)）

從有效性看，F1 波動性最大且有效性最低，表明31 個省份在科技創(chuàng)新政策的執(zhí)行成果方面有效性差距較大，發(fā)展不平衡和政策無效性問題突出；較其他因子而言，多個城市在F1 和F2 上Ci 得分接近于臨近線0.3，由于研發(fā)基礎投入較大，目前的科技創(chuàng)新政策的制定還是政府牽頭，雖然創(chuàng)新成果穩(wěn)步向好，但地區(qū)間存在的絕對差最大達到了0.4 左右?；A環(huán)境因子與綜合影響呈現同步變化，人才支撐因子整體位于較高水平，表明我國各省市在科技創(chuàng)新的人才支撐方面落實度較高；

從過程有效性整體（圖1）看東部地區(qū)整體高于其他地區(qū)，中西部地區(qū)整體落后于其他地區(qū)，中部和東部（圖3）的F3 關聯度明顯高于其他因素。根據關聯性得分可知：31 個省份的關聯度四個測度方面均呈不規(guī)則變化，其中北京、上海、江蘇、廣東和西藏是突出級，關聯度較大且創(chuàng)新成果高位領先，進一步證實北京、上海、江蘇、廣東是全國科技創(chuàng)新的領軍者，而西藏的情況是由于缺乏科技創(chuàng)新基礎，幾乎完全依賴國家科技創(chuàng)新政策的傾斜；從三大公因子的有效性和關聯度看（圖2），三大公因子中，基礎研究投入有效性明顯不足，科技創(chuàng)新的基礎環(huán)境亟待改善。

圖1 全國因子關聯度分布散點圖

圖2 全國公因子有效性與關聯度雷達圖

圖3 東部和中部地區(qū)組合關聯度散點圖

分地區(qū)看：（1）中部地區(qū)的公因子關聯度測算結果有鮮明特征，高位關聯度集聚在人才支撐因子上，F3 關聯度高度覆蓋其他因子，說明中部地區(qū)在人才支撐上的有效性落實得最好，同時也說明其關聯性最強，加強人才引入類型的科技創(chuàng)新政策成為中部地區(qū)當前和今后的政策重點。

（2）中部和西部省份的F1、F2 和綜合表現幾乎呈現相同關聯度趨勢，西部地區(qū)的F1、F2、F3 和F 均呈現相同變化趨勢且關聯度相近，西部12 個省份的基礎環(huán)境因子接近評分的無效，缺乏成果轉化平臺，基礎環(huán)境與服務政策難推進；西藏、四川和陜西的RF 關聯度情況相對較好，反映了西部地區(qū)政策依賴性極強，政策支撐作用也不斷增強，尤其是“一帶一路”深入推進，給予西南的四川和西北的陜西縱深發(fā)展的機會，利用地緣優(yōu)勢，構成彼此相連的地帶，追趕勢頭迅猛。

（3）遼寧和黑龍江F2 的評價得分在整體評分中缺乏源動力，資源內耗嚴重，缺乏培育的吸引力，F1成為遼寧省的一大掣肘，在促進創(chuàng)新成果本地轉化方面亟待加強，但欣喜的是基礎投入表現的問題已經浮出水面，存在相對變好的時機；東北部和中部地區(qū)一樣，人才支撐F3 因子也是關聯度較大的因素。

3.3 三階段DEA 效率評價模型

根據因子理想關聯評價模型的結果，在科技創(chuàng)新政策的過程表現中，執(zhí)行成果是最大影響單元，為進一步考察科技創(chuàng)新政策的實施效果，應用三階段DEA 評價模型，并建立同時考察過程與結果相關性的SFA。本文使用 DEAP2.1 測算 2010—2018 年各省科技創(chuàng)新績效，創(chuàng)新效率結果與理想距離和貼進度結論基本一致6）。三大公因子在不同程度上影響著政策的有效性，因此在評價科技創(chuàng)新政策的結果時，本文在DEA 模型中引入人力資源水平、基礎設施建設水平、產業(yè)升級水平、城市化水平和經濟發(fā)展水平5 個環(huán)境變量7），使用FRONT41-xp1 進行SFA，進一步解釋三大公因子作為環(huán)境變量的影響程度，其中地區(qū)人力資源水平近似解釋人才支撐因子，地區(qū)基礎設施建設水平和城市化水平近似解釋基礎環(huán)境因子，產業(yè)升級水平和經濟發(fā)展水平近似解釋執(zhí)行成果因子，試圖以此剔除環(huán)境和隨機噪聲的沖擊，更好探究政策的創(chuàng)新效率［26-27］，回歸結果（表7、表8）顯示適宜進行第二階段回歸。

表7 2010 年和2018 年投入1 松弛變量SFA 回歸結果

表8 2010 年和2018 年投入2 松弛變量SFA 回歸結果

根據效率回歸結果（表9）可以發(fā)現黑龍江、內蒙古的創(chuàng)新效率基本不受環(huán)境因素影響，政策的輻射難以落地，創(chuàng)新環(huán)境不佳；而北京和江蘇受環(huán)境因素的影響程度在逐步減弱。北京和江蘇高校集中，成為多數創(chuàng)新政策的試驗田，大量的科研院所帶來良好的創(chuàng)新氛圍，始終保持創(chuàng)新強省地位，但缺乏科技轉化的政策支持，在資本和人才等創(chuàng)新高級要素集聚時,易造成膨脹和浪費，資源利用率反而較低，創(chuàng)新成果部分外流。云南和青海也受到環(huán)境因素的影響，表明其創(chuàng)新效率的提升主要依靠政策的傾斜，中部地區(qū)各省受到環(huán)境變量的影響相對較小，基礎設施建設和人力資本對創(chuàng)新效率有顯著影響，成高度相關關系。資本受環(huán)境的影響高于勞動，表明經費投入強于研發(fā)人員投入，政策應給予相應支持。

表9 2018 年和2010 年DEA 創(chuàng)新績效結果一覽表

中部地區(qū)中，湖北省表現相對亮眼，但除了安徽、江西和湖北外，其他省份的創(chuàng)新績效徘徊在0.6 附近，雖然人才培育和環(huán)境建設穩(wěn)步向好，但缺少實現轉化的創(chuàng)新環(huán)境。北京和浙江的創(chuàng)新效率在2010—2018 年間始終保持為1，創(chuàng)新投入穩(wěn)定在最優(yōu)水平，而山西的執(zhí)行成果始終較低，需要加大在執(zhí)行成果轉化上的基礎投入，除了極端地區(qū)之外，青海、新疆、福建和廣東等地近年來效率值也曾達到過最優(yōu)值 1，且表現趨于穩(wěn)定，這與我國西部開發(fā)戰(zhàn)略的實施密不可分，表明創(chuàng)新政策落地效果良好，應該繼續(xù)保持穩(wěn)定的投入水平?！笆濉币詠?，遼寧的效率從0.2 左右增長到0.6 左右，黑龍江從0.3 的創(chuàng)新效率爬升到趨于0.9，可見，雖然轉型發(fā)展壓力較大，但創(chuàng)新仍有光明前景，缺乏人才的東北科技振興依然需要人才政策的傾斜。

4 主要結論與政策建議

本文提出一個因子分析理想灰色關聯的過程導向模型，從貼進度和關聯度出發(fā)，對各省政策制定過程的有效性與關聯度進行評價，隨后建立三階段DEA 結果導向的效率評價模型，并引入5 個環(huán)境變量進一步探究過程導向中的公因子和創(chuàng)新效率的相關性和有效性。本文的重要發(fā)現是：

（1）執(zhí)行成果、基礎環(huán)境和人才支撐三大公因子與科技創(chuàng)新政策有效性是高度相關的，公因子聚類結果表明科技創(chuàng)新政策的有效性是指人才在基礎環(huán)境中的績效完成度，明確了科技創(chuàng)新政策系統制定、形成與落地的邏輯架構。

（2）從有效性得分差和創(chuàng)新效率結果看，有效性的綜合評分均高于0.3 的有效性得分，且保持穩(wěn)定增長，表明2010—2018 年科技創(chuàng)新政策整體是有效的。東西地區(qū)的差距在縮小，南北的差距在拉大，尤其是東北地區(qū)的落后明顯，創(chuàng)新效率呈現中心城市領跑，經濟圈輻射聯動，其他地區(qū)發(fā)展波動的特點，科技創(chuàng)新政策的不平衡對之后政策的協調發(fā)展和因地施策提出了更高要求。

（3）目前，創(chuàng)新政策仍然以國家戰(zhàn)略、政策為基礎和依托，但基礎研究投入有效性明顯不足，缺乏市場競爭，對科技成果轉化有影響；科技創(chuàng)新政策在一定程度上通過促進產業(yè)升級和城市化建設展開，當地區(qū)經濟和相關產業(yè)發(fā)展表現出正向態(tài)勢時，將間接促進決策單元的創(chuàng)新表現，因此產業(yè)政策和地區(qū)全面發(fā)展政策的出臺也是科技創(chuàng)新政策落地的必要準備。

（4）人才是影響中西部地區(qū)科技創(chuàng)新政策的最大因素，也是中西部提升創(chuàng)新實力的關鍵；執(zhí)行成果轉化政策將成為東北地區(qū)提升政策有效性的突破口，東部地區(qū)的人才支撐型科技創(chuàng)新政策全面開花，在全國范圍內具有借鑒意義。

“十四五”即將到來，各級政府正在緊鑼密鼓制定“十四五”發(fā)展規(guī)劃。本文的實證結果為制定“十四五”科技發(fā)展規(guī)劃提供重點方向和經驗支持：

（1）制定科技創(chuàng)新政策要堅決解決不平衡問題，發(fā)揮科技創(chuàng)新政策集聚效應和輻射效應的聯動作用，推進區(qū)域中心協同機制建設，強化政策落實。

（2）科技創(chuàng)新轉化政策要進一步激發(fā)市場機制的作用，可適度向產學研合作機制傾斜，優(yōu)化創(chuàng)新環(huán)境，促進市場競爭。

（3）加強科技創(chuàng)新政策與產業(yè)升級政策、區(qū)域發(fā)展政策之間的聯系，將創(chuàng)新政策、產業(yè)政策和區(qū)域發(fā)展政策協同起來，發(fā)揮政策合力。

（4）不同地區(qū)推行各有側重的創(chuàng)新政策。東部地區(qū)要形成科技人才與平臺的雙向反哺；西部地區(qū)差異化明顯，政策制定必須抓重點、補短板、強弱項，因地制宜；中西部地區(qū)都需加強人才支持力度和偏移度。

注釋：

1）由于西藏地區(qū)投入產出數據大部分缺失，DEA 計算時刪除西藏地區(qū)；

2）為排除數據統計的單位影響，首先對數據進行了標準化處理，由于X7 和X8 在最新更新的《2019 中國科技統計年鑒》中尚未公開，暫以2017 年數據替代，數據缺失值以平均數法替換；

3）旋轉后的成分矩陣采用凱撒正態(tài)化最大方差法,在旋轉在 4 次迭代后已收斂；

4）根據2010—2018 年運行結果，按提取載荷平方得出綜合因子得分=55.748F1+14.450F2+10.610F3;

5）2018 年F1 公因子解釋力度極高，得分出現F1-1 與F1-2，得分取兩者平均值；

6）限于篇幅，關聯度、有效性、DEA-BBC 和SFA 的分解數據和報告結果并未詳細展開，其他年份結果如需要可向作者索?。?/p>

7）地區(qū)基礎設施水平以人均鐵路營業(yè)里程代表，地區(qū)人力資源素質水平以平均受教育年限代表，地區(qū)經濟發(fā)展水平以人均地區(qū)生產值代表，地區(qū)產業(yè)升級水平以第二產業(yè)與第三產業(yè)比值代表，地區(qū)城市化水平用年末城鎮(zhèn)人口與總人口之比來反映。