中部與長三角地區國家級高新區科技創新效率評價
——基于三階段數據包絡分析

楊 劍，夏慧良

（安徽大學管理學院，安徽合肥 230039）

自1988 年5 月中國首個國家級高新區——北京中關村高新區建立以來，至2021 年，經國務院批準設立的國家級高新區已達169 家。2020 年，169 家國家高新區實現地區生產總值12.2 萬億元，占國內生產總值的12.3%；區內企業R&D 經費支出8 259.2億元，約占全國（未含港澳臺地區）企業R&D 經費支出的50%［1］。作為高科技產業聚集的載體，國家級高新區吸引了大量的創新資源，已成為中國經濟發展的中堅力量和創新高地。隨著創新投入的增加，客觀準確地衡量國家級高新區的科技創新效率，對于設計和完善園區科技創新政策、充分發揮高新區的科技創新引領功能具有重要作用。

1 文獻回顧

關于中國高新區科技創新效率評價問題，學界開展了許多有價值和有意義的研究。從評價方法來看，一些研究通過構建創新績效指標體系評價高新區創新績效，例如張偉等［2］建立了一套高新技術園區運行效率評價指標體系，對國家級高新區的運行狀況和發展水平進行評價；Chen 等［3］開發了包括能耗和技術支持等7 個指標的商業園區高科技產業評估系統；黃春鈴等［4］建立了與高新區勞動生產率、經濟和社會發展相關的評價指標體系，運用因子分析和聚類分析方法研究53 家國家高新區的生產效率；閆國慶等［5］構建了國家高新區創新水平測度指標體系，并重點討論了構建原則、指標選取等問題；汪海鳳等［6］采用因子聚類分析方法研究了國家高新區的綜合發展水平；張立峰等［7］運用隨機前沿分析方法對京津冀地區國家級高新區創新效率進行研究。此類研究大多采用參數模型方法對高新區創新效率進行評價，而參數模型方法存在因模型設定錯誤而估計有偏和不一致的風險［8］。

隨著數據包絡分析方法（DEA）的發展和推廣，DEA 逐漸成為評價高新區科技創新效率的主流方法。在國內已有相關研究中，如常玉等［9］對西部地區13家國家級高新區創新效率進行了DEA 評價；白俊紅等［10］使用DEA-Tobit 兩步法解釋創新效率的環境方面影響；謝子遠［11］使用DEA 方法測量了高新區的創新效率，并在此基礎上使用Tobit 模型分析了區域內高科技創新效率影響因素；劉滿鳳等［12］基于三階段DEA 模型對高新技術開發區創新效率進行研究；王飛航等［13］分析了西部地區國家級高新區企業的創新效率；曾武佳等［14］利用三階段DEA-Tobit分析方法分析了103 家國家級高新區的創新效率及其影響因素；鄭旭輝等［15］運用共享投入關聯兩階段DEA 和Meta-frontier 模型對比分析了福建省國家高新區與國內其他先進高新區的創新效率；儲姍姍等［16］從創新價值鏈角度，運用兩階段DEA 模型對江蘇省12 家國家高新區創新效率進行了評價。

綜上所述，現有相關研究對中國高新區科技創新效率進行了較全面的探討，但尚未見同時測量中部與長三角地區國家級高新區科技創新效率并將兩者進行比較分析的研究。為此，本研究運用三階段DEA 模型，評價和比較分析中部與長三角地區國家級高新區的科技創新效率。

2 評價指標體系構建

2.1 投入產出指標

根據高新區的定義和評價指標體系建立原則，構建包含創新投入和創新產出兩個一級指標的高新區科技創新效率評價指標體系（見表1）。投入指標包括人力資源投入、資本投入、規模投入。其中，人力資源投入下設研發人員全時當量指標；資本投入水平則采用了年末資產和R&D 經費內部支出兩個指標來衡量；規模投入以高新區的入統企業數來衡量，因為入統企業數量可以反映高新區的規模大小以及配套產業的完善情況。產出指標方面，基于數據的可獲得性和減少產出重疊影響的考慮，參考劉滿鳳等［12］的研究，選取工業總產值、出口創匯、技術性收入3 個指標，以及反映高新區創新成果轉化的產品銷售收入作為創新產出指標。

表1 高新區科技創新效率評價指標體系

2.2 環境變量

將影響高新區科技創新效率的環境因素分為內部因素和外部因素，內部因素是可以進行人為控制的投入產出要素，而外部因素則與高新區所在地區的經濟環境密切相關。結合前人的成果和研究數據的可獲得性，選取了經濟發展水平、工業化進程、科技財政支出、市場開放程度和教育水平等作為環境變量。

3 數據來源與研究方法

3.1 樣本選取與數據來源

以中國中部和長三角地區34 家國家級高新區作為研究對象（以下簡稱“樣本高新區”），利用其2013—2018 年的投入產出數據及其所在地的環境變量數據，分析科技創新效率的動態發展趨勢。研究數據主要來源于2013—2018 年《中國高新技術統計年鑒》《中國火炬統計年鑒》以及相關城市的統計年鑒，少量缺失數據通過相應地區的數據加權計算后得出。研究數據的描述性統計結果如表2 所示。

表2 樣本高新區科技創新投入產出數據描述性統計結果

3.2 研究方法

DEA 法是由Charnes 等［17］提出的衡量決策單元投入產出效率的常用工具，經眾多學者的改進和完善衍生出了多種類型的DEA 模型。其中，為了消除環境因素的影響和隨機因素的干擾，Fried 等［18］提出了三階段 DEA 模型。考慮到中部與長三角地區的經濟社會發展環境差異較大，選用投入導向的三階段DEA 模型對樣本高新區的科技創新效率展開評價：

（1）第一階段，采用規模報酬可變的BCC 模型得到高新區科技創新的初始效率值和目標投入值，并由實際投入值與目標投入值的差值得到松弛變量，即每家高新區可以節約的投入量。通過BCC 模型計算出來的效率值為綜合技術效率（TE），可以分解為規模效率（SE）和純技術效率（PTE），如式（1）所示：

（2）第二階段，以第一階段得到的松弛變量作為被解釋變量，以環境變量為解釋變量，構建相應的隨機前沿分析（SFA）模型，如式（2）所示：

（3）第三階段，將調整過后高新區的投入產出數據代入第一階段的模型，再次測算高新區的科技創新效率。

4 實證分析

4.1 第一階段DEA 實證分析

4.1.1 調整前綜合技術效率

如表3 所示，樣本高新區在2013-2018 年間科技創新的綜合技術效率存在較大差距，多數高新區各時期的效率值波動比較大。從綜合技術效率來看，南京、蘇州、徐州、合肥、新余、鷹潭、武漢、益陽等地的高新區在大多數時期處于有效前沿面上，這在一定程度上說明這些地區的國家級高新區對科技創新投入的轉化能力較強；馬鞍山、常州、紹興、鄭州等地的國家級高新區在個別年份處于有效前沿面上；效率低下的國家級高新區主要分布在中部地區，以及長三角的溫州、寧波、紹興等地。

表3 樣本高新區科技創新的第一階段綜合技術效率

表3 （續）

需要說明的是，安徽既屬于長三角地區又屬于中部地區，因此本研究將其從中部和長三角地區分離出來，單獨列出其國家級高新區的效率值以便比較分析。

4.1.2 調整前純技術效率

從整體來看，樣本高新區科技創新的純技術效率要高于其各自的綜合技術效率，且年度波動幅度很小（見圖1）。其中，在長三角地區，多數高新區處于純技術效率前沿面上，上海及江蘇的整體純技術效率較高，寧波、溫州、紹興三地的純技術效率較低，可能與三地的產業結構和技術含量較低有關；在中部五省，江西、湖北以及湖南的純技術效率相對較高，太原、河南的純技術效率相對較低。

圖1 2013—2018 年樣本高新區科技創新的第一階段純技術效率

4.1.3 調整前規模效率

從整體上看，樣本高新區科技創新的規模效率要高于綜合技術效率和純技術效率，且多數高新區規模效率的年度變化非常平穩（見圖2）。其中，長三角地區的效率較高，多數處在有效前沿面上，但是蘇州、無錫、常州、南京以及上海的效率變化較大，可能是由于這些地區經濟發達、規模效應以及產業聚集程度較高，科技創新資源較多容易造成冗余；安徽和中部地區的江西、湖北、湖南的效率都大于0.8，處于相對有效的位置且波動相對較小，而位于河南和山西的效率值大多數穩定在0.6 左右，處于中低水平。

4.2 第二階段SFA 實證分析

利用Frontier4.1 軟件進行回歸分析，結果如表4所示：LR 單邊檢驗達到1%顯著性水平，說明地區開放程度、政府支持程度以及工業化進程對各樣本高新區投入冗余量具有顯著的影響；同時，各投入冗余量的值也都通過 1%的顯著性檢驗，說明管理無效率對投入冗余量產生了影響。因此，采取 SFA模型剔除環境干擾和隨機誤差項對高技術產業科技創新效率的影響是非常有必要的。

表4 樣本高新區科技創新的第二階段投入指標檢驗結果

（1）經濟發展水平。該變量與各投入指標的松弛變量均為顯著正相關，說明經濟發展水平對這3個指標的投入冗余有顯著影響。原因可能是國家級高新區所在城市的經濟發展水平越高，其集聚吸納能力越強，能夠吸引更多的科技創新資源投入，但是過多的資源投入造成了一定的投入冗余現象。

（2）工業化進程。該變量與各投入指標的松弛變量均為顯著負相關，說明工業化進程的發展有利于研發人員投入、固定資產投入的合理配置，減少資源冗余和無效投入，從而提高技術效率；同時，較高的工業化程度也有助于提升高新區內的產業集群效應，促進園區內同類企業與產業鏈上下游企業的發展。

（3）科技財政支出。該變量與研發人員投入和R&D 經費支出的松弛變量之間負相關但不顯著，說明政府財政科技投入在一定程度上有助于節約高新區科技創新方面的人員投入和經費投入；與年末固定資產、入統企業數量呈不顯著正相關關系，說明財政投入的增加有可能刺激投資人的投資沖動，促使他們為了獲得政府相關補貼而盲目開設企業或增加固定投資，從而造成高新區內企業數量和固定資產投資的冗余，降低了園區的創新效率。

（4）市場開放程度。該變量與研發人員投入和入統企業數為顯著正相關，說明外資進入越多、開放程度越高，進入園區的科技創新資源越多，但大量創新資源堆積卻有可能導致創新資源得不到高效率配置。

（5）教育水平。該變量與研發人員投入和入統企業數的松弛變量為顯著正相關，表明教育水平的提高有助于豐富當地人力資源、增加高新區開辦企業的數量，但如果人力資源配置不佳可能導致這些創新資源冗余以及使用低效率。

4.3 第三階段調整后效率值分析

4.3.1 調整后的綜合技術效率

剔除外部環境影響和隨機誤差干擾后，利用DEAP2.1 軟件再次估算各樣本高新區的科技創新效率，結果如表5 所示，可見各地區高技術產業科技創新的第三階段綜合效率水平差異明顯。其中，長三角地區上海、南京、蘇州以及中部地區武漢、襄陽的少數幾家高新區在大多數時期處于效率有效水平；長三角地區徐州、泰州、紹興、溫州的效率水平普遍較低，蘇州、無錫、常州、南京和杭州的效率值逐年上升至0.8 以上；安徽和中部每個省份只有一兩家高新區的效率較高，其他的效率水平亟待提高。相較于第一階段，各樣本高新區調整科技創新投入產出數據后的創新效率值更加穩定，說明剔除環境因素的影響能夠更加真實地反映高技術產業的科技創新效率水平。

表5 樣本高新區科技創新的第三階段綜合效率

表5 （續）

4.3.2 調整后的純技術效率

如圖3 所示，除個別年份外，樣本高新區科技創新的純技術效率處于較高水平，其中純技術效率最低的洛陽高新區效率值也超過了0.8。可見通過對外部因素的調整，各高新區科技創新在不同時間的純技術效率值差異較小、波動不大，且經濟相對落后地區的純技術效率數值有所提升。

圖3 2013—2018 年樣本高新區科技創新的第三階段純技術效率

4.3.3 調整后的規模效率

如圖4 所示，剔除外部環境變量和隨機誤差項干擾，各樣本高新區科技創新的規模效率值分化更加嚴重，與所在地經濟發展水平高度相關。其中，從地區來看，長三角的江蘇、浙江和上海對外開放程度較高、國家級高新區發展歷史較長、政府管理水平較高，是中國的資本和高科技產業聚集地，產生了虹吸效應，尤其體現在上海、蘇州、無錫、常州、南京、杭州和寧波的高新區；而中部地區只有位于省會城市或經濟發展水平較高地市的高新區的效率才較高，例如只有鄭州和南昌的效率值多年在0.8 以上，而景德鎮、鷹潭、新余、安陽、新鄉、南陽等地的效率值始終徘徊在較低水平。

圖4 2013—2018 年樣本高新區科技創新的第三階段規模效率

4.3.4 調整后不同地區高新區科技創新效率比較

如表6 所示，在綜合技術效率方面，各地區高新區的效率值均呈現出不斷上升的態勢，說明近年來國家級高新區科技創新效率不斷提升，但仍存在較大的增長空間，且不同地區高新區的效率水平差異較顯著，其中長三角地區的平均效率最高，安徽和中部地區的效率差異不大；在純技術效率方面，各地區高新區都處于較高水平，說明隨著創新擴散帶來的正外部效應，國家級高新區的科技創新投入產出效率相對高效且趨同；在規模效率方面，各高新區效率較低且差異較小，其中長三角地區2013—2015 年的效率最低，可能是經濟發展形成虹吸效應吸引的大量科技創新資源未得到充分利用所致，但2016 年后這一情況得到很大改變，并于2018 年規模效率達到最高。

表6 分地區樣本高新區科技創新效率對比

5 結論

（1）中國不同地區的國家級高新區科技創新效率發展水平不均衡。實證結果顯示，長三角地區國家級高新區的科技創新效率較高；中部地區國家級高新區的科技創新效率較低；而安徽省得益于承接產業轉移的紅利以及劃入長三角的政策紅利，相較于中部地區其國家級高新區的科技創新效率稍好，但與長三角地區國家級高新區相比，其創新基礎較差，技術創新效率的提升空間較大。

（2）長三角地區各國家級高新區科技創新效率差異不大，但中部地區同一省份高新區在創新效率上存在較大差異。其中，中部地區省會城市和經濟發達地市的高新區無論是綜合技術效率還是規模效率都處于領先水平，其余地市高新區效率較低，呈現兩極分化態勢。原因可能是中部地區的科技創新資源相對缺乏，省會城市及經濟發達城市具有更強的虹吸效應，因此當地高新區能夠集聚更多科技創新資源。

（3）各地區國家級高新區的科技創新效率受環境因素影響較大。實證結果表明，外部環境因素影響降低了樣本高新區科技創新的純技術效率；同時，由于純技術效率的促進作用大于規模效率的制約作用，高新區科技創新的綜合技術效率值在調整后均有所上升。

（4）各地區國家級高新區的科技創新效率逐年提高但尚有提升空間。實證結果顯示樣本高新區的科技創新效率，除純技術效率均值一直處于較高水平外，綜合技術效率和規模效率均值在2013—2018年一直處于上升趨勢，說明隨著社會各界對科技引領發展的日益重視，全社會的科技創新效率不斷提升；但另一方面，各高新區的科技創新效率不高，長三角地區高新區2018 年科技創新的綜合技術效率均值也只有0.75，究其原因，主要是規模效率較低所導致的，說明在“大眾創業，萬眾創新”的時代背景下，全社會的科技創新資源投入不斷加大，但并未產生良好的規模效應，而且規模效益不高還可能在一定程度上造成了研發人員、研發資金投入的浪費，影響了高新區整體的科技創新效率水平提升。