中國省域科技創新發展效率分析
——基于SBM-DEA四階段模型

楊玉楨， 王 銳， 郭金龍

(華北理工大學 經濟學院， 河北 唐山 063210)

當今世界，科技創新能力是衡量一個國家發展進程的重要指標，是推動國家又好又快發展、和平穩定發展的關鍵力量。中國在面臨人口大國和資源小國的困境下，提出了建設“資源節約型”和“環境友好型”社會，而這兩型社會的核心問題在于如何提高資源的利用效率和減少生產生活中的環境污染，解決問題的核心辦法就是提高科技創新能力。《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二○三五年遠景目標的建議》中指出，要堅持創新驅動發展，全面塑造發展新優勢，堅持創新在我國現代化建設全局中的核心地位，把科技自立自強作為國家發展的戰略支撐，面向世界科技前沿、面向經濟主戰場、面向國家重大需求、面向人民生命健康，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，完善國家創新體系，加快建設科技強國[1]。因此，對科技創新的投入與產出之間的效率必須進行科學的評價，以更深入更科學的視角為科技創新資源的配置進行合理的規劃。

1 文獻回顧

目前，利用DEA模型對科技創新效率有關方面進行研究的成果較多。例如：黃毅[2]通過運用三階段DEA模型對中國30個省區市技術創新效率進行分析，得出不同的環境指標對技術創新效率產生了不同的正負向影響和經濟越發達地區創新效率越低的結論；余泳澤等[3]基于創新價值鏈視角，利用三階段DEA模型考察了創新過程中知識創新、研發創新和產品創新各階段創新效率，并用二維矩陣方式將各地區創新效率分為4種類型；周麗娟等[4]通過運用三階段DEA對省際區域科技創新效率進行了測度，得出剝離環境因素后，再次測度的創新效率更客觀；徐林[5]通過運用超效率DEA模型，以投入產出視角構建長三角城市群創新投入與產出評價指標體系以測度城市群的創新效率；張鵬等[6]通過運用DEA-Malmquist指數方法，對粵港澳大灣區地區面板數據進行創新效率的靜態與動態分析，得出粵港澳大灣區整體科技創新生產率穩步提升，技術進步是關鍵因素；梁瑞敏等[7]通過構建科技創新效率指標體系，利用二階段網絡DEA進行科技創新效率值測算，并對4種分布類型加以分析；李蘭冰[8]通過運用DEA模型對中國31個省區市進行區域科技創新效率測評，并利用Tobit模型對區域創新無效率影響因素進行分析；馮志軍等[9]通過結合DEA模型，設計從科技創新投入到經濟產出的二階段模型，利用中間產品對科技創新的投入、產出和效益轉化進行評價；李文廣[10]通過利用DEA-CCR模型與Malmquist生產率指數從動態和靜態兩個視角對青海省科技創新效率面板進行定量評價，得出青海省科技創新效率總體偏低；穆廣杰[11]通過利用DEA-BCC模型對中國9個國家中心城市科技創新效率進行測算，并利用Tobit模型對影響科技創新綜合效率的因素進行分析，部分城市未達到DEA相對有效，且外在因素對創新綜合效率存在顯著正向影響；趙玉帛等[12]通過利用超效率DEA模型，從不考慮和考慮非期望產出兩種情形下對中國國家級新區產業創新效率進行評測，并利用面板Tobit回歸模型對產業創新效率影響因素進行研究；廖麗平等[13]基于技術生態位視角構建廣東省科技創新效率評價體系，運用DEA-Tobit模型對廣東省21個地級市進行科技創新效率測算，并對其影響因素進行實證分析；宋李俊等[14]構建了研發階段和成果轉化階段的兩階段創新能力評價體系，提出考慮共享投入與追加投入的兩階段DEA評價模型，建立了整體階段和子階段的效率評價數學模型以及模型的優化求解方法，對中國30個省區市的創新能力進行了有效評價。

總的來看，國內學者對區域科技創新效率的研究較多，但基本使用的是二階段和三階段數據包絡分析法。二階段DEA模型一般第一階段為利用DEA模型或超效率DEA模型進行效率分析，但是未考慮隨機噪聲與環境因素的影響；三階段DEA模型為改進的二階段DEA模型，在第二階段利用了SFA(隨機前沿分析)模型對隨機噪聲與環境因素進行剝離，但是三階段DEA第一階段所得出的松弛變量存在截斷情況，使用SFA模型會導致參數估計不一致。因此，本文選用四階段模型，剔除環境因素對效率結果的影響，科學客觀地評價中國各省區市的科技創新效率，以期為提高中國區域科技創新效率和合理配置科技創新資源提供參考。

2 改進的四階段DEA模型與指標構建

將SBM模型與DEA模型相結合，建立改進的四階段SBM-DEA模型，通過對松弛變量的考量，以及對外部環境因素的剔除，修正效率測算誤差，進一步準確地計算各決策單元的科技創新效率。

2.1 四階段SBM-DEA模型

2.1.1 第一階段

傳統的DEA模型，如C2R和BC2模型分別以規模收益不變和規模收益可變的前提下對決策單元進行效率評價，但是這兩個模型并未考慮松弛變量的影響，而Tone[15]提出的由加性模型(additive model)拓展而來的SBM模型基于非徑向的角度，考慮松弛變量的影響，更有利于評價第一階段各省市的科技創新效率。

本文采取投入導向下可變規模報酬的SBM-DEA模型(SBM-I-V)對各決策單元的初始效率值以及松弛變量進行測算。設用投入和產出矩陣分別為X=(xij)∈Rm×n和Y=(yij)∈Rm×n，且X與Y均大于0，故對于各決策單位的效率測算方程為

(1)

2.1.2 第二階段

由第一階段的松弛變量值可知，松弛變量值屬于截斷模型，為避免估計參數產生趨零誤差，采用Tobit截斷模型回歸分析，定義為

Sik=αi+βiZik+ui

(2)

式中：Sik為總松弛量；αi為常數項；βi為待估系數向量；Zik為環境變量向量；ui為隨機誤差項。

2.1.3 第三階段

(3)

式中：X′ik為調整后的投入量；Xik為原始投入量。

2.1.4 第四階段

由第三階段得到的調整后的投入量，重新代入到一階段的投入導向下可變規模報酬的SBM-DEA模型，得到相應的效率值，并與一階段的效率值進行比較，觀測控制了環境變量以后效率值的變動。

2.2 指標體系構建

遵循科學性、可比性、可得性、時效性和客觀性的原則，在以往學者研究的基礎上，綜合《中國區域科技創新評價報告2019》的相關內容，從科技創新投入、科技創新產出，以及環境因素3個方面建立科技創新評價指標體系(表1)。

表1 科技創新效率評價指標體系

2.2.1 投入變量的選擇

區域科技創新投入變量從3個方面來考慮，分別為勞動要素、資本要素和項目開展。勞動要素方面用各地區研究與實驗發展(R&D)人員全時當量來代表(以下用R&D人員量代表)，中科院、高校、產業部門、地方科研單位和國防部門5方面組成的科學技術體系中，R&D人員量是科技創新的主要力量；資本要素方面用各地區研究與實驗發展(R&D)經費內部支出來代表，R&D經費的投入是提高科研人員活力、改進科研設備的重要因素(以下用R&D經費代表)；項目開展方面用研究與實驗發展(R&D)項目情況來代表，科研課題的數量在一定意義上代表著新的科研理論的孕育和應用(以下用R&D項目量代表)。

2.2.2 產出變量的選擇

區域科技創新產出變量從兩個方面來考慮，分別為科研成果和經濟成果。科研成果用國內專利申請數來代表，專利申請數可以有效直觀地體現科技創新產出水平；經濟成果用技術市場技術輸出地域合同金額來代表，技術輸出金額是保證科技創新主體可持續良好發展的不竭動力。

2.2.3 環境因素的選擇

環境變量對科技創新效率存在影響，但是又不受主觀上的控制，本文從經濟水平、政府支持、科創環境、基礎設施以及開放程度5個方面來考慮。①經濟水平。高質量的經濟發展水平無論是對科創人員的引入，還是對科創工作的開展都有著重要的影響，因此選擇各地區生產總值(GDP)作為經濟水平的代表。②政府支持。政府對科技創新的有力支持既對科創主體起到了激勵作用，也為社會樹立了“科學技術是第一生產力”的風向標，用公共科學技術財政支出來衡量。③科創環境。一個良好的科創環境對區域內科創主體能起到規模經濟效應，區域內科創總體引進的高新技術量是科技創新環境的代表，故選用國外技術引進合同項來代表。④基礎設施。科技創新不是造空中樓閣，只有完備的基礎設施才能為科技創新帶來“乘數效應”，為科技創新平穩高效發展奠定基礎，本文以“規模以上快遞業務量”來衡量。⑤開放程度。科技創新需要開創國際視野，時刻緊盯科技創新前沿面，努力占據國際創新高地，因此，選用地區進出口總額來衡量。

3 實證分析

3.1 數據來源

基于四階段SBM-DEA模型，以2019年中國30個省區市為研究對象，數據來源于《中國科技統計年鑒》《中國統計年鑒》以及國家統計局網站，考慮到數據的可得性，不將青海省作為分析樣本。

3.2 調整前后效率值分析

根據各省區市的科技創新投入和產出值，運用DEA-Solver軟件，對各個決策單元進行效率值分析，得出相應的效率值及投入松弛量。利用STATA 14.0軟件，綜合投入松弛量與環境因素進行Tobit回歸分析，修正環境因素對效率值的影響，并將調整過的投入值與原始產出值再次通過DEA-Solver進行效率值分析。相關結果見表2。

表2 SBM-DEA調整前后科技創新效率值

從表2中可以得出，對環境因素誤差的修正后，全國科技創新DEA有效的城市由7個增長至13個，全國效率均值由0.79增至0.96，增幅達21.9%。全國除天津出現效率值下降，其他29個城市科技創新效率值均上升，增幅最大為云南省，由0.510 7增長至0.965 1，增幅達到88.98%，整體效率變化明顯。雖然全國大多數省份調整后科技創新效率值均上升，但是排名呈現了不同程度的下降，其中排名下降較大為天津(26位)、黑龍江(7位)、安徽(11位)、江西(9位)、海南(11位)和甘肅(9位)6個省市中科技創新效率漲幅最大的為江西省(19.25%)，僅為云南省增幅的21.63%，這6個省市已擁有較為良好的外在環境因素，下階段需要更注重本身科技創新效率的提升。與之相反，排名程度提升較高的省份有河北(16位)、內蒙古(24位)、山東(14位)、河南(22位)、廣西(21位)、云南(12位)和新疆(17位)7個省區中，排名提升最大的是內蒙古，其科技創新效率增幅為68.88%，為云南省增幅的77.17%，這7個省區具有良好的科技創新效率，但是受到當地環境的制約，下階段需要注重提高科技創新環境的建設。

從以上的數據分析看，全國絕大多數地區的科技創新效率被不同程度低估，環境因素對科技創新效率影響明顯。從東部、中部和西部的效率值變化來看，東部科技創新效率均值增長率為15.36%，中部為24.24%，西部為27.41%，東部由第一階段效率均值第一降至第四階段效率均值第三，可見東部地區的科技創新環境要優于中部和西部地區。此外，第四階段東部地區低于西部地區的原因在于：一方面，東部地區早于西部地區進行科技創新體系的建設，當前已具有較為完備的科技創新體系，但是這也帶來了一定的問題，東部地區科技創新體系成立于早期，當前科技創新效率已將達到當前階段的上限，而科技創新體系發展過程中的痼疾陳疴正是其原因所在，亟須通過改革來煥發新的動力；另一方面，西部科技創新效率第四階段高的主要因素在于，2006年12月8日，國務院常務會議審議并原則通過《西部大開發“十一五”規劃》，2018年國家級項目“中國西部科技創新港——智慧學鎮”建成落地，在國家方針政策領導和當地政府扶持下，西部地區重點科研院所、高等院校、國家工程實驗室和企業技術中心等建設步伐加快，吸引了大量的高新技術產業入駐，科技創新經費量與人員數量都有了質的提高。此外，西部科技創新效率第四階段高的次要因素在于，西部科技創新體系的建設晚于東部地區，擁有顯著的“后發優勢”，西部地區科技創新體系在建設過程中吸收了東部地區的發展經驗，位于一個較高的起點上，立足國際視野，引進國際上先進的技術、設備以及人才等，西部地區所形成的科技創新體系更具有多樣性、科學性和創造性。

3.3 外生環境變量Tobit模型回歸分析

第一階段得出的效率值并未排除環境因素的影響，存在一定程度的偏差，因此，將第一階段所得的每個投入要素的松弛量作為因變量，與5個作為自變量的環境指標進行三次Tobit隨機效應回歸，結果見表3。

表3 外生環境變量Tobit模型回歸結果

從表3中可以看出，3個投入松弛量關于環境變量的Tobit回歸模型均通過了顯著性檢驗，對數似然比的卡方統計值分別為-244.479 2、-297.286 4、-249.724 4，其對應的P值均為零，擬合度良好，這表明外在的環境因素對投入松弛量的影響顯著，需要通過Tobit回歸所得的結果對原始投入進行修正，以此來測得更加準確的區域科技創新效率。Tobit回歸模型的初衷在于環境自變量對投入松弛因變量的回歸分析，因此，當二者間的系數為正數時，投入松弛量隨著環境變量同向變動，環境投入量增加，投入松弛量也會增加，這將不利于科技創新效率的提升；當二者間的系數為負時，投入松弛量隨著環境變量反向變動，環境投入量增加，投入松弛量也會相應減少，這有利于科技創新效率的提升。下面將從橫向和縱向兩個角度來分析二者之間的聯系。

3.3.1 橫向分析

1)地區生產總值(GDP)與3個投入松弛變量的系數均為正值，且地區生產總值與R&D人員量和項目之間的系數較小，但是與R&D經費的系數有著密切關系，存在這種情況的原因在于R&D經費的投入遠超地區生產總值的增長速度，據《中國科技統計年鑒2020》數據顯示，全國R&D經費與國內生產總值之比由2000年的0.89逐漸遞增至2019年的2.23，而兩者之間系數為正值的原因在于R&D經費的投入并未得到有效的運用，需要加強科研經費的監督管理工作。

2)公共科學技術財政支出與3個投入松弛變量的系數呈現負向關系，即隨著財政支出的增加，將會降低投入的松弛量，提高科技創新的效率，且R&D經費與公共科學技術財政支出兩者關系影響密切，可見財政的支出對科技創新的提高起到至關重要的作用。

3)國外技術引進合同與3個投入松弛變量的系數均為正值，國外技術合同的引進對國內的科技創新效率有著消極影響，尤其是對R&D經費的影響較大，其原因可能是國外技術引進影響了國內科研工作者的積極性，而R&D經費也被轉移用于引進國外技術，因此，在引進國外技術同時需要保護科研人員創新積極性。

4)規模以上快遞業務量與R&D人員量和項目之間通過了顯著性檢驗，但是系數值太低，二者均小于0.1，可見，隨著中國“兩新一重”(新型基礎設施建設，新型城鎮化建設，交通、水利等重大工程建設)建設的加快，技術設施建設對R&D人員量的流動和項目的開展影響正在降低，規模以上快遞業務量與R&D經費未經過顯著性檢驗的原因在于，當前電子支付的基礎設施已經較為完備，時空的距離已很難限制R&D經費的收支。

5)地區進出口總額與3個投入松弛變量的系數呈現負向關系，即隨著對外開放程度越大，科技創新效率越高，其原因在于，國外R&D人員以及經費會向國內流動，國內R&D人員也將更具有國際視野，向國際新興頂尖科技看齊，并且國際合作的R&D項目機會也會增加。

3.3.2 縱向比較

1)R&D人員量與5個環境變量之間的系數絕對值最大的為與公共科學技術財政支出項，可見政府對科技創新的重視程度對科研人員的吸引有著重要的影響。據不完全統計，當前已有22個省市開展了“人才落戶”政策，城市的發展離不開人才的助力，高層次的人才引進需要政府財政支出的大力支持。

2)R&D經費與5個環境變量之間的系數絕對值最大的為與公共科學技術財政支出項，可見政府財政支出是研發經費的重要來源。系數排列位于第二位的是國外技術的引進，國外技術引進的費用對R&D經費產生較為嚴重的影響。

3)R&D項目與5個環境變量之間的系數絕對值最大的為與公共科學技術財政支出項，項目的開展與政府的政策引導之間息息相關，政府部門掌握著科研課題的立項的決定權，因此政府在進行科研課題立項時要做到保質保量，選擇與當前發展方向契合的課題。

4 結論與對策建議

4.1 結論

1)經過對投入量的調整，30個省區市的科技創新效率值為1的個數增長了6個，僅有北京、吉林、廣東、貴州、西藏、陜西在第一與第四階段均為DEA有效，但是全國效率平均值實現了質的增長，可見全國整體的科技創新效率受環境因素影響明顯。

2)從各個省市的結果來看，大多數省區市的科技創新效率都實現了增長，規模報酬遞增的省市數量也由7個增長至27個，這也再次印證了環境因素對科技創新效率有著顯著的影響。

3)中國科技創新效率在調整前呈現東高西低的分布，在調整后卻呈現了西高東低的情況，說明環境對科技創新效率產生了重要的影響，其中政府支持和科創環境兩項對投入變量的影響最為顯著。

4.2 對策建議

從政府角度來說，第一，政府在科技創新的過程中扮演著重要角色，從本文的分析可以看出，公共科學技術財政支出這一環境變量對3個投入松弛量的影響都占據第一位，因此，政府在科技創新的方針政策制定上需要考慮當前區域科技創新階段，綜合考慮外在環境對科技創新的影響，為科技創新打造一個良好的符合發展規律的外在環境；第二，政府對專利保護制度的完善與有效實施，對知識產權的重視與保護讓科研工作者有了堅強的后盾；第三，政府需要在高新技術產業上進行政策傾斜，對“十四五”規劃中提及的關鍵性的技術產業進行扶持，尤其是支持 5G、人工智能、大數據、云計算、物聯網、區塊鏈等共性關鍵技術的創新應用，將前瞻性的科技創新研發作為政策傾斜的主體，為加快構建自主可控的現代產業體系提供有力科技支撐；第三，政府需要在資金上對科技創新主體進行扶持，廣渠道多角度地進行籌集資金，不限于財政、基金以及慈善捐款等方式，對符合可持續綠色發展道路的高新技術項目進行資金扶持，推動高科技民族產業的發展。

從科技創新的主體來看，第一，Hollis B. Chenery認為，從發展經濟學角度看，由要素驅動到投資驅動，再到創新驅動，進而到財富驅動，主體在于企業。從科創主體之一的企業角度出發，淘汰低附加值、污染嚴重、科技含量低的產業線勢在必行，而重視企業內科技創新部門的發展，建立企業整體的創新意識，從重引進、輕消化，重模仿、輕創新的模式中脫離出來，對科研投入不打折扣，對科技創新產出也要作出要求；第二，從高校創新方面來看，作為“產學研”中的重要部分，應在政府主導下，立足本地高新技術產業發展需求，在更高的層次、更大的范圍、更寬的領域進行科技創新合作，實現“1+1>2”的科技創新結果，推動區域塊狀經濟結構調整，提升區域技術創新能力；第三，從科研機構的角度來說，強化自身科技創新能力，保障科研機構研究人員薪資報酬水平，注重專業人才引進，攻克核心技術瓶頸，加快科技成果轉化，推動科研機構的穩定和可持續發展。