科技創新效率與區域經濟韌性交互分析
——基于珠三角地區的實證

王 鵬，鐘譽華，顏 悅

(1.暨南大學 經濟學院，廣東 廣州 510632；2.華南農業大學 經濟管理學院，廣東 廣州510642)

0 引言

自我國實行改革開放政策以來，屢屢創造國內經濟增長奇跡的“人口紅利”逐漸消失，即將面臨劉易斯拐點。從長期看，如何選擇和轉變經濟增長方式成為促進我國經濟穩定增長的關鍵[1]。轉變經濟增長方式的出路之一就是科技創新，即通過科技進步提高經濟產出效率、優化產業結構、引領經濟增長方式轉型[2]。從黨的十八大報告首次明確提出實施創新驅動發展戰略、必須將科技創新擺在國家發展核心位置，到黨的十九大報告提出創新是引領發展的第一動力及建設現代化經濟體系的戰略支撐，再到“十四五”規劃明確提出全社會研發經費投入年均增長7%以上的指標要求，科技創新已經成為影響我國經濟高質量增長的決定性因素。“十四五”時期作為承接兩個百年奮斗目標的關鍵5年，是我國邁向第二個百年目標新征程的一個起點。當前，我國經濟發展既面臨重大機遇，同時也經歷著前所未有的考驗。新冠疫情全球大暴發、中美貿易摩擦加劇、國際逆全球化思潮抬頭、西方技術封鎖等外在因素不斷沖擊著我國經濟發展，考驗著我國的經濟韌性。在新發展格局下，珠三角地區作為我國重要的經濟腹地及科技創新示范高地，提高珠三角地區科技創新產出效率和轉化效率，對于打破地區壁壘、促進區域經濟高質量發展、強化區域經濟韌性具有重要現實意義。基于此，本文從科技創新兩階段效率入手，使用非期望超效率SBM模型測算珠三角地區科技創新兩階段效率，引入區域經濟韌性變量，分析兩者之間的交互作用，可為提高珠三角地區科技創新效率提供理論支撐。另外，通過揭示區域環境對科技創新的影響作用，根據不同地區特點和發展水平制定差異化方案，能夠更好地提高不同區域科技創新水平和經濟發展韌性。

1 文獻綜述

1.1 從科技創新產出到科技創新效率

“創新”這一概念來源于Schumpeter[3]的創新理論，他強調生產技術革新對于促進經濟發展的重要作用，認為創新是經濟發展的本質。在新古典增長理論和內生經濟增長理論中，技術同樣被視為驅動經濟增長的重要因素。在研究初期，大多數學者聚焦于科技創新投入產出水平，一類以專利權衡量科技創新產出，以量化科技創新產出水平。如Mueller[4]使用相關系數衡量行業內部科技創新投入與專利數之間的關系；另一類用R&D投入產出彈性系數研究科技創新對經濟發展的促進作用。如Griliches[5]、Mansfield[6]、吳延兵[7]分別對美國、日本及中國制造業進行科技創新產出彈性測量，證實科技創新對生產率提升有顯著促進效應；盧方元和靳丹丹[8]從區域視角研究發現，中國各區域R&D投入與經濟增長存在長期、穩定的正相關關系且具有空間異質性特征。隨著研究的不斷深入，研究重點從科技創新是否促進經濟產出到科技創新如何促進經濟增長，再到科技創新投入冗余與轉換效率上。Jones & Williams[9]通過構建一個包含R&D扭曲參數的內生增長模型，指出相對于社會最優水平，分散經濟體科技研發投入不合理。中國東、中、西部地區科技創新效率存在顯著的空間差異，高R&D投入地區資源配置不合理，甚至還出現R&D投入規模報酬遞減[10]。而且，當前R&D規模對我國經濟具有抑制作用，因此要重視R&D轉換效率[11]。本文認為，科技創新衡量標準不僅應包括科學技術發明，還應涵蓋其所帶來的經濟價值和社會價值。

1.2 科技創新與經濟韌性

韌性一詞近年來頻頻出現在區域經濟學研究中。由于世界各地都在遭受不同類型的外部沖擊，國家或地區在抵抗力和恢復力上存在顯著異質性，這一現象引起學者廣泛關注[12]，并由此引申出區域經濟韌性的概念，以解釋地區在面對外部沖擊時的差異化表現[13]。目前，學界對區域經濟韌性的定義尚未達成共識。Martin[14]從抵抗力、恢復力、適應力和創造力4個維度定義區域經濟韌性；也有學者從城市角度出發，將經濟韌性定義為當城市遭受外部沖擊后恢復甚至超過原有發展水平的能力[15]。總的來說，區域經濟韌性是指區域受到外部沖擊后吸收、轉換沖擊的演化能力。現有文獻對科技創新與經濟韌性關系的研究主要聚焦科技創新對區域經濟韌性的作用，大部分學者認為技術進步和積累對經濟韌性發揮著不可替代的作用[16-18]，但也有學者持相反觀點[19]。

綜上所述，既有研究存在以下不足：第一，科技創新效率測量方法單一，評價科技創新效率的主要方法是絕對投入產出比或者DEA，未考慮投入冗余對結果造成的偏誤。第二，科技創新系統是一個多投入多產出的多階段過程，已有研究主要集中在科技創新系統內部投入產出效率上，缺乏對科技創新系統經濟產出效率的研究。第三，將科技創新視為經濟韌性影響因素，以這種固定視角研究兩者之間的關系，忽略了經濟韌性對科技創新的反饋效應，有可能導致內生性問題。第四，珠三角地區作為我國改革開放前沿及科技創新示范高地，對珠三角地區內部科技創新與區域經濟韌性關系的研究較少。

鑒于此，本文主要解決如下問題：使用非期望超效率SBM模型對珠三角地區科技創新效率進行測度，通過構建聯立方程組，分析科技創新兩階段效率與經濟韌性之間的交互關系。而且，本文考慮到不同經濟發展水平地區內部科技活動對經濟韌性的敏感度不同，故根據《中國城市競爭報告》將珠三角地區劃分為高發展水平地區和次高發展水平地區兩個區域，前者包括廣州、深圳、佛山、東莞，后者包括中山、珠海、肇慶、江門、惠州。

2 研究路徑

科技創新活動是一個多投入多產出的“黑箱子”過程，當前學者對科技創新活動產出的研究主要集中在以下兩個方面：一是將科技創新劃分為直接經濟產出和間接經濟產出[20]；二是把科技創新劃分為多個階段(傅春等，2021)。本文將科技創新活動劃分為科技創新成果產出和經濟效益轉化兩個階段，分別測量兩個階段的轉換效率。同時，本文將區域經濟韌性和產業結構多樣化也納入考量，重點探討科技創新與經濟韌性之間的交互關系，揭示三者之間的影響路徑，如圖1所示。

圖1 科技創新與經濟韌性關聯路徑Fig.1 Correlation path between scientific and technological innovation and economic resilience

本文以測量科技創新效率為出發點，分別測量科技創新系統成果研發和經濟產出效率。科技創新與經濟韌性之間并非單向影響關系，經濟韌性可作為科技創新環境支撐影響科技創新效率，科技創新效率也可通過提高區域技術水平影響經濟韌性；同時，科技創新亦有可能作為中介傳導影響經濟韌性。因此，本研究通過構建聯立方程，研究經濟韌性與科技創新兩階段效率之間的交互性，并且加入產業多樣化作為兩類方程的因變量，探討其在經濟韌性和科技創新兩階段活動中的影響路徑。

3 科技創新效率測度方法與結果

3.1 研究方法

3.1.1 非期望超效率SBM模型

科技創新活動兩階段投入產出并不是單通道運行，每個階段都具備多投入多產出的路徑特征，為評估這種多投入多產出路徑特征的轉換效率，本文使用數據包絡分析非參數估計法對數據進行檢驗，因其具有客觀性、簡化性和誤差小等優勢，在理論和實證研究中得以廣泛運用。另外，DEA及其衍生的一系列測算模型。如super-DEA、SBM模型在科技創新效率測算方面也具有一定的可靠性和可行性[21-22]，因此本文選擇非期望超效率SBM模型提供了理論支撐。

在DEA分析結果中只有當效率值等于1時，決策單元(Decision Making Unit，DMU)才有效，這就會導致同時出現多個有效的DMU效率值。由于科技創新存在投入過剩或產出不足的問題，因此基于松弛變量度量(Slacks-based measure，SBM)模型更符合科技創新系統特征，該方法不僅可以直接測量決策單元投入產出冗余，而且和普通DEA模型相比，更能體現過程效用最大化原則。在此基礎上，本文結合超效率模型，使DMU有效值大于1[23]，以避免后續因素分析時產生數據上的缺陷。由于在經濟轉換階段存在廢氣、污水等非期望產出，因此本文選擇非徑向非導向的CRS非期望超效率SBM模型進行測算，公式如下：

minρSE=

(1)

式(1)中，ρSE為系統效率值；x、y、b分別代表系統投入要素、期望產出要素和非期望產出要素的數值；m、q1、q2分別代表投入要素、期望產出要素和非期望產出要素的個數；i、r、t分別代表投入、期望產出和非期望產出決策單元；s-i、s+r、sb-t為松弛變量，λj為模型中的權重向量。ρSE數值決定系統產出效率，ρSE≥1說明系統有效；ρSE<1說明在系統內部轉化過程中處于無效狀態，可通過調整投入產出水平達到系統有效。

3.1.2 投入產出要素選取

本文在已有研究的基礎上[24-25]，將科技創新投入劃分為資金投入和人力投入，以地方財政科學事業費支出衡量科技創新資金支持、R&D活動人員衡量地區科技創新人力資本投入，其中R&D活動人員包括政府部門和規模以上工業企業活動人員；在科技創新成果產出方面，考慮到科技創新成果既有知識載體的特性，又具備一定的市場價值，因此選取發明專利授權量和新產品產值作為該階段的產出指標；考慮到數據的全面性和代表性，本文還選取新產品出口額和地區生產總值作為經濟轉換階段的期望產出指標，選取工業廢水排放量、工業二氧化硫排放量和工業煙塵排放量作為非期望產出指標，具體指標如表1所示。

表1 兩階段效率評價指標Tab.1 Two-stage efficiency evaluation index

科技創新兩階段具有一定的時滯性，科技創新投入和科技創新成果產出存在累積效應，因此本文將地方財政科學事業費支出、專利授權量和新產品產值作為科技投入時考慮其有效累積量而非當期數量。本文參考劉漢初、樊杰和周侃[26]對科技創新滯后效應的測算，設置如下模型定義每一期的有效累積投入量。

(2)

3.2 數據來源與說明

本文數據主要來源于2002—2019年《廣東省統計年鑒》,專利授權量數據來源于廣東省市場監督管理局網站公示信息，個別數據來源于各市國民經濟和社會發展統計公報和統計年鑒，部分缺失數據通過線性插值法補全。

由于《國民經濟行業分類》在2011年和2017年有所修訂，因此本文以2017年最新版《國民經濟行業分類》作為行業分類標準；另外，《廣東省統計年鑒》2009年以后相關數據統計口徑由大中型工業企業改為規模以上工業企業，R&D活動人員指標包含規模以上工業企業R&D活動人員和政府部門R&D活動人員，因此本文中采用的新產品產值、新產品出口額統計對象都是規模以上工業企業。

3.3 科技創新兩階段效率測算結果

本文采用Matlab軟件對各地區科技創新系統進行非期望超效率SBM建模分析，對科技研發階段和經濟產出階段分別進行測算，科技研發階段效率值測算結果如表2所示。從中可見，珠三角地區城市之間的效率值差異較大，該階段大部分地區均為無效率，沒有一個城市能持續保持效率值大于1。平均研發效率值排名前3位的城市分別為惠州(1.162)、深圳(1.082)、珠海(0.893)，后三位城市分別為肇慶(0.251)、中山(0.352)、佛山(0.607)。珠三角地區科技創新研發階段總體水平比較穩定，研發階段平均效率值在2013年達到谷值后有一定程度回升，波動幅度雖有明顯變化，但總體來看處于合理范圍內。

表2 2007—2019年珠三角城市科技創新研發階段效率評價指數Tab.2 Efficiency evaluation index of scientific and technological innovation and R & D stage of cities in the Pearl River Delta from 2007 to 2019

高發展水平地區與次高發展水平地區研發階段效率值具有顯著差距，高水平地區研發階段平均效率值比次高水平地區高0.192，兩者之間效率差距在2013年之前不斷縮小，在2013年接近相等之后又被迅速拉開并有擴大趨勢。兩類地區整體變化趨勢與珠三角地區類似，效率值變動幅度均由平緩變得逐漸陡峭，區別在于2013年以前高發展水平地區效率值呈下降趨勢，而次高水平地區則呈現緩中帶增趨勢。從圖2可以看出，高水平地區效率值大于次高水平地區，因為高發展水平城市往往伴隨著更高的科技研發效率。

圖2 珠三角地區科技創新經濟產出階段效率評價指數變化趨勢Fig.2 Change trend of efficiency evaluation index in the economic output stage of scientific and technological innovation in the Pearl River Delta

科技創新經濟產出階段具有非期望產出特征，加入3類非期望產出后測算的轉換效率結果如表3所示。從中可見，相對于研發階段效率，經濟產出階段除部分城市外都是有效的，平均效率值排名前3位的城市分別為深圳(1.612)、惠州(1.268)、廣州(1.2)，后三位城市分別為珠海(0.666)、江門(0.797)和佛山(0.96)。在經濟產出階段，城市間差距比研發階段更大，效率值最高的深圳比效率值最低的珠海高出將近1，說明城市經濟水平和貿易環境對科技成果轉化具有顯著影響。

表3 2007—2019年珠三角城市科技創新經濟產出階段效率評價指數Tab.3 Efficiency evaluation index of scientific and technological innovation and economic output stage of cities in the Pearl River Delta from 2007 to 2019

2007—2019年，珠三角地區經濟產出平均效率值為1.087，整體有效，平均效率變化趨勢如圖3所示。隨著時間推移，珠三角地區效率值呈現輕微的倒U形變化特征。2013年之前，效率值變化呈上升趨勢，之后每年雖有輕微下降，但變動幅度較小，極差為0.205。另外，高發展水平地區整體平均效率值高達1.233，次高水平地區僅有0.971，說明高發展水平地區與次高發展水平地區效率值差距較大。但隨著時間推移，兩者差距逐漸縮小，次高水平區域經濟產出效率變化幅度明顯增大，在2012年達到經濟產出有效后基本維持在這一水平之上。與研發階段類似，高發展水平地區在經濟產出階段效率值也更高。

圖3 珠三角地區科技創新經濟產出階段效率評價指數變化趨勢Fig.3 Change trend of efficiency evaluation index in the economic output stage of scientific and technological innovation in the Pearl River Delta

4 科技創新效率與經濟韌性交互路徑分析

4.1 指標構建

4.1.1 區域經濟韌性評價指標

區域經濟韌性測量方法主要包括以下兩類：一類是 “一籃子”綜合指標法，如使用層次分析法、熵權法等進行分析[27-28]；另一類是選取一個兼備敏感性和代表性的指標，用于反映區域對外部沖擊的敏感程度[29-32]。本文借鑒Martin[14]的做法，選擇單變量指標測算法，由于就業狀況是最有可能受到沖擊的指標，能反映一個地區的真實經濟運行情況，因此本文重點對其進行探討，具體計算公式如下：

(3)

(4)

(5)

在公式(3)中，Resti代表i地區第t年的經濟韌性；在公式(4)中，△Yi表示i地區從t-k年到t年Yi的變化率，本文選取地區就業人數作為Yi的觀測值；同理，△E代表地區i所在經濟區域region從t-k年到t年的Yregion變化率。本文設定k=1，Resti代表第t年的經濟韌性。當i地區經濟運行狀況好于整體區域經濟運行狀況時，便認為該地區經濟韌性較強。為直觀考察時空差異并進行實證分析，使用指數化方式處理測量結果。

(6)

4.1.2 產業多樣化評價指標

考慮到科技創新依賴于企業及區域經濟活動的多樣性[33]，會通過產業結構多樣性分散外部沖擊風險并增強區域經濟韌性，因此本文加入相關多樣化和非相關多樣化兩個指標，并采用孫曉華和柴玲玲[34]的熵值法進行測量，計算公式如下：

(7)

(8)

(9)

假設經濟系統中存在s個大類部門，大類部門又可細分為n個小類部門(s≤n)。其中，RVti代表i地區第t年的產業相關多樣化指數，數值越大，說明產業相關多樣化程度越高；Ps、Pi分別代表第s個大類部門和第n個小類部門的就業份額，式(8)表示某大類部門就業比重之和是該部門下細分部門就業比重之和；Ew代表一大類部門內部各細分部門的多樣化程度。

(10)

4.2 實證模型設定

利用非期望超效率SBM模型雖然可以直接測算投入冗余，但會將研究視角局限在投入變量上，因此本文選擇Tobit模型進行回歸分析，基本模型設定如下：

(11)

其中，Yit為因變量，代表科技創新兩階段效率值；Xit是由各種解釋變量構成的矩陣，核心解釋變量為區域經濟韌性、區域產業相關多樣化和非相關多樣化；β為待估計系數，εit為誤差項，本文假定其服從正態分布：εit～N(0，σ2)。

為更加全面和準確地考察外界因素對科技創新效率的影響，本文加入區域經濟開放程度、區域教育經費支持、區域教育資源配置、金融發展規模和政府干預力度4個變量，分別選取當年實際使用外資金額(FDI)、教育費用支出占地方財政支出的比重、高等學校師生比、金融機構貸款余額和地方財政支出占GDP的比重作為觀察指標。為消除量綱不一致可能帶來的偏誤，本文對變量進行對數化處理，因變量描述性統計結果如表4所示。

表4 因變量描述性統計結果Tab.4 Descriptive statistics of dependent variables

4.3 Tobit模型估計結果與內生性討論

本文采用2007-2019年珠三角地區9個城市數據對變量進行檢驗，結果如表5所示。其中，在模型(1)和模型(2)中，因變量只包含區域經濟韌性、產業相關多樣化和非相關多樣化；模型(3)～(6)加入控制變量，其中模型(5)、(6)進一步考慮地區和時間異質性，控制時間和地區固定效應，以提高估計系數的準確性。總體而言，區域經濟韌性對科技創新第一階段效率值具有顯著正向影響，但第二階段三類模型估計系數正負不一致，同時在10%顯著性水平下不顯著。產業相關多樣化和非相關多樣化也存在類似問題，但這是否說明除科技創新第一階段外，區域經濟韌性及產業多樣化未對科技創新活動產生顯著促進效果？本文認為，Tobit模型并不能完整反映科技創新活動、經濟韌性與產業多樣化之間的關系，由于三者之間存在交互，科技創新活動一方面能通過產業結構多樣化將科技研發產出轉換為經濟效益，進而影響區域經濟韌性；另一方面，科技創新活動的開展有賴于經濟環境，經濟韌性強的地區能提供穩定的研發環境和良好產業結構以供其開展科技研發與經濟轉換，使用Tobit模型可能存在內生性問題并導致系數估計結果有誤，因此本文采用聯立方程模型解決這一問題。

表5 Tobit模型實證結果Tab.5 Empirical results of Tobit model

4.4 聯立方程組模型估計結果

從理論上講，區域經濟韌性影響科技創新每個階段的產出效率；反過來，科技創新每個階段的轉換效率也會影響地區經濟韌性。因此，本研究通過構建聯立方程組考察區域經濟韌性與科技創新兩階段轉換效率的關系，具體公式如下：

式(12)為區域經濟韌性方程，其中lnRit為i市在第t年的區域經濟韌性，lnsbm1it、lnsbm2it分別代表i市在第t年科技創新研發階段和經濟轉化階段的效率值，lnRVit、lnUVit分別表示i市在第t年的產業相關多樣化和非相關多樣化程度，考慮到經濟韌性可能存在時間關聯，因此加入滯后一期的值；由于當期研發階段效率受上一期經濟產出階段的影響，因此在式(13)科技創新第一階段方程中加入lnsbm2it-1，反映第二階段效率滯后一期的值；同理，科技創新第二階段也受當期第一階段的影響，因此加入當期第一階段活動的效率值。

本文對兩階段效率值、經濟韌性、產業多樣化指數進行對數化處理，以降低量綱的影響，將左側斷尾效率值對數化后可以減少一定的誤差。Tobit模型中的其它因變量被當作外生工具變量用在3SLS估計中，不直接出現在模型結果中(見表6)。

表6模型(1)結果表明，科技創新活動對經濟韌性具有正向影響，但科技創新活動研發階段和經濟產出階段對經濟韌性的影響作用相反。其中，研發階段對經濟韌性有輕微抑制作用，但估計系數不顯著；經濟轉換階段在1%顯著性水平上對經濟韌性具有顯著正向影響，該階段效率值每增加1%，經濟韌性將提升0.22%。考慮地區和時間固定效應后的估計結果如模型(4)所示，從中可見，無論是第一階段還是第二階段的效率值均在1%顯著性水平上大于0，說明科技創新兩階段效率對經濟韌性具有顯著正向影響，無論是第一階段還是第二階段效率值每增加1%，經濟韌性均能提高1%，這從側面印證地區和時間異質性會影響估計結果。引入地區和時間虛擬變量能在一定程度上消除地區異質性的負面影響，因此本文采取固定效應估計模型。在區域經濟韌性方程中，產業多樣化類型和程度未直接對經濟韌性產生顯著影響，估計系數不顯著，由此得出科技創新活動兩階段效率提升均有利于增強經濟韌性的基本結論。

表6模型(2)、(5)和模型(3)、(6)分別為研發階段效率與經濟轉換階段效率估計系數結果。在科技創新研發階段，產業相關多樣化對該階段效率起抑制作用，而非相關多樣化則起促進作用，二者估計系數均在1%顯著性水平上顯著，而經濟韌性估計系數為負且不顯著。在控制地區和時間固定效應后，產業相關多樣化和非相關多樣化系數值未發生明顯改變，而經濟韌性估計系數為正且在1%檢驗水平上仍然顯著，說明經濟韌性對科技研發階段效率具有正向影響，強經濟韌性地區更能提供穩定的研發環境，進而提高該階段產出效率。從產業多樣化估計系數結果可以看出，非相關多樣化數值每增加1%，研發階段效率提高2.475%；而相關多樣化系數值每上升1%，研發效率就將下降1.92%，兩者估計系數均通過1%顯著性水平檢驗。

表6 聯立方程組模型實證結果Tab.6 Empirical results of simultaneous equations model

本文認為,相關多樣化會抑制研發階段效率提升，非相關多樣化反而會提升第一階段效率值，這與主流觀點相反。這是因為，珠三角地區是整個中國科技創新活動最為活躍也是科研創新水平最高的地區之一，相較于國內其它大部分地區，珠三角地區創新路徑已經從產業內部創新跨越到應用范圍更廣、適用面更寬的產業間創新，屬于一種跨產業、跨領域、跨平臺交互創新，因此增加產業非相關多樣化更能夠提高現階段珠三角地區科技創新研發水平。

在經濟產出階段，無論是否控制固定效應，區域經濟韌性對經濟產出均具有顯著正向影響，在控制雙向固定效應后，估計系數減少到0.853，但依然在5%顯著性水平上對第二階段效率起促進作用；當期研發階段效率對第二階段經濟產出的估計系數也都為正，但在控制固定效應后系數變得不再顯著，說明前一階段研發結果對后一階段存在一定程度的影響。在經濟產出階段方程中，產業多樣化無顯著影響。這是因為，當研發階段結束后，研發成果轉換只涉及單一行業內部出售和應用，產業多樣化在該階段并不能帶來顯著影響。

結合整個聯立方程看，在控制地區和時間異質性后，產業多樣化盡管沒有對經濟韌性產生顯著影響，但通過科技創新活動影響區域經濟韌性。從回歸結果看，產業相關多樣化對研發階段具有抑制作用，而非相關多樣化對研發階段則具有促進作用；在經濟產出階段，盡管產業多樣化估計系數不顯著，但相關多樣化和非相關多樣化系數與第一階段相同。結合3個決定方程可以發現，產業相關多樣化會削弱地區經濟韌性，而非相關多樣化反而會增強地區經濟韌性，這一結論符合韌性構建原理。即當地區產業結構特征高度相關時，盡管產業多樣化會在一定程度上將外部沖擊風險分散和轉移到不同產業，但產業間強相關性反而會將外部風險分散路線固定，進而加大某一產業風險。而且，產業高度相關意味著當一個產業衰落時，與其相關聯的一系列產業也會遭遇沖擊，從而不利于區域經濟韌性構建。相反，當地區產業結構特征非相關多樣化程度較高時，即使一個產業受到巨大沖擊，其它產業依然能夠在保持自身功能的同時共同分擔風險，以保持區域經濟穩定。

5 結論與討論

5.1 研究結論

本文以非期望超效率SBM模型測算珠三角地區2007—2019年的科技創新活動兩階段效率，分析兩階段效率值時空分布和變化趨勢。以區域經濟韌性和產業多樣化為研究視角，探討科技創新兩階段效率、經濟韌性和產業多樣化之間的關聯，得出以下結論：

(1)珠三角地區科技研發階段和經濟產出階段效率值存在顯著差異，且在空間上存在著顯著異質性。科技創新兩階段轉換效率值較為平穩，但研發階段系統效率值不高，而經濟產出階段則基本達到有效標準。時空異質性主要表現為：高發展水平地區往往擁有更高的科技研發和經濟產出效率，在研發階段效率值地區差異先縮小后又拉大，經濟產出階段則逐年縮小。

(2)科技創新兩階段效率與經濟韌性存在雙向因果關系，且存在一定的內生性問題。經濟韌性可通過影響科技創新活動環境而對科技創新效率產生影響，科技創新效率也可通過提高地區科技創新水平、加快地區經濟轉型和推動產業結構升級，使地區更具有經濟韌性，因此模型中存在一定程度的內生性問題。

(3)在考慮地區和時間異質性后，科技創新兩階段效率對經濟韌性具有顯著正向影響，經濟韌性也能給兩階段效率提供支持，高經濟韌性地區科技創新兩階段效率值更高。產業相關多樣性會降低珠三角地區科技創新研發階段效率，而非相關多樣性則會提高該階段產出效率。

(4)當科技創新活動處于不同研發水平時，其創新路徑和創新內容并不會一成不變，研發階段需要有技術的鋪墊和支持。當一個地區整體處于低端創新階段時，產業相關多樣性能夠節約創新成本，通過技術外溢和協同效應提高研發效率。但隨著技術創新水平的不斷提升，相關性強的創新成果趨于飽和，邊際產出效應遞減，從而降低研發階段效率。因此，在高科技創新水平地區，相關部門在引導產業結構轉型升級過程中應關注產業非相關多樣化，開展跨部門跨領域融合創新。

(5)產業多樣化雖然對經濟韌性無直接顯著影響，卻可通過科技創新研發對經濟韌性產生間接影響。產業高相關多樣化會削弱地區經濟韌性，當面臨外部沖擊時，風險固定傳導路徑會抵消產業多樣化對風險的分散作用，讓外部沖擊向特定部門和產業傳導，不利于地區經濟韌性構建。相反，非相關多樣化結構更能讓外部沖擊分散到各個產業，使各產業部門在可接受范圍內承擔風險并保持穩定，使地區更具有經濟韌性。因此，相關政策部門不僅需要重視地區產業布局多樣化，也需要考慮非相關產業發展，把握好兩者之間的平衡，并根據地區發展水平和發展目標制定相應計劃，做到因地制宜。

5.2 研究啟示

珠三角地區科技創新兩階段效率狀況帶來如下啟示：一方面，當前珠三角科技創新活動研發處于無效率階段，相較于經濟產出階段，該階段更應引起政府部門和企業重視，避免因為第一階段無效率而“拖后腿”；另一方面，地區科技創新效率差異主要集中在第一階段，并且差異值越來越大，為緩解地區效率不平衡，政府需要進行科技創新要素的合理配置。

5.3 不足與展望

本文存在如下不足：一是數據獲取有限。由于科技創新活動指標沒有完整的統計數據，所選取的替代性指標在一定程度上會影響結論的可靠性。二是科技創新效率、經濟韌性、產業多樣化及外界影響因素大多選取的是量化指標，缺乏對地區文化習俗、人文環境、政策執行效率和政府公信力等非量化指標的探討。未來可從空間分布、空間集聚度等視角，將區域產業結構變化納入科技創新與經濟韌性交互作用中，分析三者之間的傳導路徑，并進行更為詳細和深入的研究。