基于研發-轉化的中國區域創新效率動態演變趨勢

楊萬壽 梁 倫

1（深圳大學中國經濟特區研究中心，深圳 518000）

2（重慶大學管理科學與房地產學院，重慶 400044）

引 言

當前，中國的經濟發展正處于經濟轉型升級的關鍵時期，創新發展是實現經濟高速度增長轉向高質量發展的重要路徑[1]。提升各區域的科技創新效率能夠使我國走出現階段因創新資源不足、分配不均所面臨的困境，從而實現以更少的投入得到更多的產出，達到優化科技資源配置的目的，這就需要經濟社會在轉型的過程中不斷優化創新發展政策，改善創新環境。與此同時，中國區域經濟社會發展程度相對不均衡，各區域間創新能力水平差異較大，部分區域創新效率低下成為制約我國創新效率總體水平提升的關鍵[2]。正確認識中國區域創新效率的差異和演變趨勢，對推動創新驅動戰略深入實施具有重要的現實意義。

1 文獻綜述

有關區域創新效率和動態演變趨勢的研究早已開展，通過文獻梳理發現目前針對創新效率的測評主要包括參數分析方法（SFA）和非參數分析方法（DEA）兩種方法[3]，其中SFA利用經濟學原理以生產函數的形式對投入產出影響效率的因素進行測算，而DEA則在計算時不需要預先設定好投入產出具體的函數形式，其權重是根據投入產出數據自動計算所得，避免人為主觀因素，保證了計算結果的客觀性。Li[4]利用SFA方法對區域科技創新效率進行分析測算，并分析其影響因素，基于計算結果和各區域的實際情況提出改進建議；劉俊等[5]利用SFA方法測算中國各省（區、市）創新效率，并比較分析了東、中、西部地區存在的梯度性差異；張斌等[6]基于DEA效率模型，對我國各省（區、市）的創新效率進行了評價分析，按照東、中、西創新投入規模的分類結果提出針對性的改進建議；錢麗等[7]基于共同前沿理論和DEA相結合的方法對我國各省（區、市）企業綠色科技研發-成果轉化效率進行測定，并找出區域間存在技術差距的原因；肖利平和蔣忱璐[8]利用三階段DEA模型測度我國高技術產業技術創新的效率，并檢驗三階段創新效率的影響因素，指出當前高技術產業的創新效率存在著區域發展不平衡的情況。

當前國內外各學者主要的研究視角基本聚焦于投入-產出的單進程或階段模式，即把創新發展看做是一個線性的投入和產出過程，將研發、試生產、測試、投產、推廣和銷售等一系列相關生產活動視為一個整體[9，10]。區域創新活動的開展涉及到一個龐大的社會系統，利用單一的線性關系評估很難全面準確地描述其復雜的關系，因此本文采用兩階段的創新效率計算方法，分別計算研發和轉化階段的效率，并將其進行集成后對創新效率進行綜合性評價，在此基礎上綜合分析不同區域創新效率其演變趨勢，為優化區域創新戰略、合理配置創新資源、建設創新型國家提供理論參考與借鑒。

2 研究方法與評價指標選擇

2.1 研究方法

本文將區域創新效率評價轉化為一個兩維度效率的綜合比較問題，首先采取傳統的數據包絡分析方法對數據的有效性進行評價，隨后使用TOPSIS方法對兩階段的關聯或耦合效率進行二維空間的綜合評價。基本的C2RS2模型如式（1）[11]：

式（1）中：

θ代表著決策單元資源投入的相對有效利用程度，也被稱為技術效率或綜合效率。技術效率代表著投入產出的轉化率[12]，假設線性規劃的最優解為θ?、λ?、S-?、S+?，對于該決策單元為非DEA有效，那么其在DEA有效前沿面上的投影為：

通過減少投入（1-θ?）Xj?+S-?或者增加產出S+?，使得該DMU成長為DEA有效，因此在DEA中引入生產前沿面的概念以提供決策依據。相比傳統的CCR模型，C2RS2模型可以衡量DMU資源投入規模效率。當規模效率值為1時，說明決策單元當前處于最優的規模效率；若規模效率值低于1時，則說明決策單元規模沒有效率，如果此決策單元在原有投入的基礎上適度增加一定的投入量將會帶來更高比例的產出。

無論是采用傳統模式下的DEA，還是采用相關擴展模型對研發和轉化的效率進行求解，得到的都是一個二維的效率向量。考慮到這兩個維度的效率均在0～1之間，被評價DMU的二維效率值的分布狀態就是在一個矩形空間內。通過引入TOPSIS方法對被評價單元進行綜合排序，其完全無效的負理想點S-?的坐標為（0，0），效果最佳的正理想點S+?的坐標為（1，1）。任意一個被評價單元或者決策變量與其最佳效率點和最無效率點之間都有一個距離，TOPSIS方法將這兩個距離進行組合就構成了該決策單元的相對接近度，計算式如下：

在引入TOPSIS方法之后，對區域或產業創新效率的評價不再是一個簡單的線性集成，而是在一個兩維度空間上的綜合對比，與時間軸結合后更可以進一步分析其動態的演化過程。如某個區域在一定時間內調整了對研發投入和產出的支持政策，采用傳統的DEA比較，可能會出現該區域總體效率下降的情況，但是通過TOPSIS的綜合對比，可能會反映出該地區的研發效率有所提升。因此，DEA和TOPSIS相結合的方法為創新效率評價提供一個新的視角，反映了不同區域在研發-轉化不同階段的相對效率。

2.2 研發階段評價指標選擇

科研創新活動的投入主要包括R＆D資金投入和 R＆D 人力資本投入[14，15]，產出主要包括專利申請量、有效發明專利數量以及新產品開發項目數[16，17]，綜合已有文獻，本文確定了研發階段的主要投入產出評價指標如表1所示。

表1 研發階段的主要評價指標

2.3 轉化階段指標選擇

根據已有文獻，結合我國區域創新發展轉化階段的特點，對技術轉化階段的投入產出指標進行對比選擇[18，19]，轉化階段的投入產出評價指標結果如表2所示。

表2 轉化階段的主要評價指標

2.4 評價指標的校驗

DEA分析決策單元間的相對效率有兩個重要前提：（1）投入與產出指標存在著較強的線性相關性；（2）輸入或者輸出指標相互之間都不存在較強的線性關系。 投入向量X＝（x1，x2，…，xm）和產出向量Y＝（y1，y2，…，yn）之間的相關系數與相關性成正比。若所有的組合中相關系數均小于0.5，就可以判定為X和Y之間不存在較強的線性相關性，需要對投入和產出指標集進行調整；如果發現存在著相關系數大于0.8的組合，也就可以認為X和Y之間存在著較強的相關性，相關系數計算公式為：

3 實證研究

本文構建了研發-轉化兩個階段的創新效率評價體系，以我國30個地區（考慮到數據的可獲得性，西藏及港、澳、臺地區除外）2015～2020年數據為研究對象，分析我國各區域創新效率動態演變趨勢，實證分析的數據全部來自 《中國科技統計年鑒》，2020年新冠肺炎疫情發生對區域創新效率有一定影響，考慮這種影響具有滯后性，認為數據指標對研究結論影響較小。在進行實證分析前，首先采用SPSS對研發和轉化階段投入和產出的線性相關系數進行計算，得到研發和轉化階段的最大線性相關系數分別為0.995和0.993，說明兩個階段的評價指標選取合理，相關性分析滿足分析要求，可以利用DEA方法對其進行相對效率的分析。基于前述的評價體系，利用DEAP 2.1計算得到中國各區域研發階段、轉化階段創新效率，然后采用TOPSIS方法集成得到綜合效率值，計算結果如表3所示，限于篇幅表中只展現2015年、2016年、2018年和2020年評價結果。

表3 中國各區域研發-轉化兩階段綜合效率動態變化情況

從研發-轉化兩階段效率的TOPSIS集成結果可以看出：（1）各區域的創新效率水平整體呈現出一定的增長態勢，東、中和西部之間的差距在逐漸縮小，尤其從近幾年的數據來看，中、西部崛起勢頭明顯，部分地區創新效率超過東部地區；（2）近年來，出現多地區創新效率下降的情況，這說明隨著中國在研發和轉化方面的投入逐年增大，部分地區的效率并沒有隨之提升，創新投入存在冗余和浪費現象，有必要適當調整人力、物力、財力的投入力度和方向；（3）從2015～2020年的發展趨勢來看，中、西部地區與東部地區的效率差距在逐漸縮小，說明國家實施的戰略已見成效，還具有很大的進步潛質，需要繼續在基礎設施建設、自主創新能力、研發人員和資金投入等方面持續增加，在國家和企業層面制定切實可行、滿足實際的驅動戰略；（4）東北地區的整體創新效率偏低的問題在于轉化階段的效率偏低，且近年處于停滯階段，因此需要加強轉化階段人員、資金、技術的投入，推動當地影響較大的重工業優化升級，發揮傳統工業的優勢，帶動高技術產業和戰略性新興產業發展。

4 結 論

本文構建了研發-轉化兩個階段的創新效率評價體系，利用DEA方法對創新效率進行測算，并引入TOPSIS方法對兩個階段的創新效率進行整合，通過集成分析發現東部地區的效率優于中、西部地區，但彼此間的差距呈現逐漸縮小的趨勢，未來需要進一步優化創新環境和創新投入以促進創新效率的提升，為全面提升我國創新效率、推動創新型國家建設提供保障。

各地區需要繼續保持對科技創新的投資，從基礎設施、技術進步、受教育程度、資本引進等方面持續投入，改善創新環境，提升創新環境質量，吸引創新資源，持續進行產業升級；政府要加大對科技創新企業的支持力度，制定促進科技進步的政策，從稅收、制度、財力投入等方面有所傾斜，同時鼓勵產學研協同創新發展，使各地區間保持良性發展。

各地區的科技創新策略和研發經費的投入強度要適當，尤其是東部發達地區，要準確評估其投入產出比例，避免急功冒進，在市場發展趨于飽和的情況下，人員和經費過度投入會起到反作用，反而使科技創新效率水平停滯不前，甚至因為過度投入而出現下降的情況。

中、西部和東北地區要借鑒東部地區的發展模式，彌補創新環境中的短板，在經濟基礎、人才引進、資金投入、教育水平等方面重點關注，在創新效率較高的行業加大投入力度，同時要提高內部管理能力，合理配置資源，注重改善企業創新生產條件，使其繼續保持創新效率提升的勢頭，促進高質量發展。