長三角地區高校科技創新效率及影響因素研究

摘要：通過建立超效率SBM模型評估長三角地區高校的科技創新效率，并運用面板Tobit回歸分析影響科技效率的因素。研究結果表明，長三角地區高校的科技效率整體較高，但存在一定的差異。長三角地區高校的科研技術水平較高，投入資金得到有效利用，科研資源需要合理配置與優化調整。

關鍵詞：長三角地區高校；科技創新效率；數據包絡分析；面板Tobit回歸

中圖分類號：F2"""""" 文獻標識碼：A""""" doi：10.19311/j.cnki.16723198.2025.18.004

0 引言

長三角地區作為科技創新的策源地，在我國發展中扮演著重要的角色。它不僅是推動高質量發展的關鍵力量，更是引領原始創新、融合創新、開放創新的重要引擎。長三角地區正致力于躋身全球科技創新的先進行列，努力構建國際創新網絡的核心節點，為我國建設科技強國和知識產權強國提供堅實支撐。為實現這一目標，長三角地區積極推動科技創新工作，促進科技與產業的深度融合，持續催生出新產業、新業態、新模式，為我國拓展新的發展空間、注入新的發展動能作出了顯著貢獻。長三角地區集中了全國近四分之一的“雙一流”高校、國家重點實驗室及國家工程研究中心，這充分體現了我國高等教育和科研領域的卓越成就。這些重要機構不僅彰顯了我國在科技和教育領域的領先地位，同時也為長三角地區的科技創新和產業發展提供了強大的支持。作為我國科研和人才培養的重要基地，高等院校在此地區扮演著重要的角色，不僅致力于培養具備創新精神和實踐能力的高素質人才，還積極推動科技創新和產學研合作，為國家的科技進步和經濟發展作出了重要貢獻。因此，研究長三角地區高校科技創新效率及其影響因素對于提高地區的科技創新能力和經濟發展具有重要意義[1]。

目前，研究我國高校科技創新效率的學者對我國高校科技創新效率處于較低水平，并存在區域差異這一現狀形成了一致共識，但對于哪些區域高哪些區域低，學者們的看法并不一致，部分學者認為我國高校科技創新效率存在東部較高，中部西部較低的狀況，另外一部分學者則認為我國高校科技創新效率存在西部較高，中部東部較低的現象。不同地區的高校科技創新效率研究更多的是根據所研究的特定區域的環境制定相應的研究策略，例如：吳穎等基于滬、蘇、浙、皖41市的實證基礎總結長三角高校科技創新技術效率的現狀及影響因素，提出適合當地實際情況的建議[2]；鐘穎根據安徽省內樣本高校科技創新效率的情況，并運用Malmquist全要素生產率指數模型對樣本高校進行科技創新效率動態分析，技術進步和規模效率是導致Malmquist全要素生產率指數變化的主要原因[3]；關于影響我國高校科技創新效率的因素中，張鵬等認為211高校占比、高校科研產出和研究生培養數量對區域創新效率具有顯著積極影響[4]；楊宏進等認為科技成果轉化在很大程度上影響了我國高校科技創新效率的提升[5]，其中，有學者關注到人力資本對高校科技創新效率的影響，柯亮等認為我國不同地區創新效率呈現集聚特征，科技服務水平、國際合作與交流、應用與實驗研究人數、Ramp;D項目人數、地區經濟發展水平、人力資本水平等是影響高校創新效率發展的主要因素[6]；于志軍等認為學術產出成果的增加主要依靠Ramp;D資本經費的投入來實現[7]；Ramp;D資本存量對高校經濟產出效率具有負向影響，而適當增加Ramp;D活動人員有助于提升經濟產出效率；馬聰穎等認為“雙一流”高校建設戰略提出后，高校科技創新效率并沒有持續穩步提高，目前處于人力資本稀缺，物質資本豐裕的階段[8]；高燕楠認為高校科技創新效率的上升主要依賴于技術進步；效率值的變動還會受到人力投入的結構和素質以及經費投入結構等環境因素的影響[9]。

高校科技創新具有良好的區域經濟協調發展效應，能夠同時促進區域經濟聯系、縮小區域經濟差距和區域經濟增長差異，進而促進本地區域經濟協調發展。

綜上所述，高校科技創新效率的研究已形成較為完整的體系，不僅涉及不同地區高校科技創新效率的比較研究，還深入探討了影響高校科技創新效率的各種因素。在此基礎上，我們將長三角地區的高校作為具體研究對象，從人力資本的角度出發，深入分析影響長三角地區高校科技創新效率的關鍵因素。這項研究不僅有助于我們更全面地理解長三角地區高校科技創新的實際狀況，還能為長三角地區經濟的持續、高質量發展提供有益的參考和啟示。

1 研究方法與數據來源

本文運用超效率SBM模型，針對長三角地區高校的科技創新效率進行了深入評估。為確保數據的真實性和準確性，我們參考了各高校的年度報告、統計年鑒以及官方網站，綜合了2018—2022年長三角地區高校在科技創新方面的相關數據。通過這一研究，我們希望能夠全面、客觀地反映長三角地區高校科技創新效率的實際狀況，為相關決策提供科學依據。

2 研究模型

2.1 超效率SBM模型

數據包絡分析（DEA）模型是一種基于線性規劃的評估工具，它通過比較和分析決策單元的相對效率和技術效率來提供決策支持。DEA模型的主要優勢在于其無須估計參數和進行無量綱化處理，從而簡化了評估過程。然而，傳統的DEA模型在處理松弛變量方面存在不足，這可能會影響到評估結果的準確性。為了彌補這一缺陷，Tone提出了超效率SBM模型，旨在通過更精確地處理松弛變量來提高DEA模型的評估效果。這一改進有助于確保評估結果的準確性和可靠性，為決策提供更為穩健的依據[10]。

公式如下：

ρ=Minθ=1+1mΣmi=1s-i/xik1+1qΣqi=1s+i/yik

s.t.Σnj=1，≠kλjxij+s+r≤xik

Σnj=1，≠kλjxij+s+r≥yrk

λ，s+，s-≥0

式中，ρ表示高校科研創新效率，s-i和s+i分別表示投入與產出，xik為第k個DMU的第i個投入變量，yik為第k個DMU的第r個產出變量，λj表示決策單元的權重向量。

2.2 面板Tobit模型

由于因變量受到某種限制或約束的情況，觀測值并不能完全反映因變量的實際狀態，故而采用面板Tobit回歸。公式如下：

Yit=βTXit+εit＞00，otherwise

式中，Yit為受限因變量，β為回歸系數，Xit為解釋變量，εit誤差項。

3 指標構建和數據說明

3.1 投入與產出指標

高校科技創新活動作為一項綜合性任務，涵蓋了多元化的投入與產出。經過學者們的深入研究，普遍認為科技創新的投入要素需從人力資源、經費保障等多個角度進行深入分析。

在人力投入方面，成果應用及科技服務全時人員的總和是從數量上對當地科技創新人員的描述，高校科技創新活動依賴于一支高素質、專業化的科研團隊。研究與發展人員數、科技活動人員數以及科技人員的科學素質等人力指標是評價高校科研實力的重要依據。這些人員具備豐富的科研經驗和深厚的專業知識，是推動科技創新的核心力量。他們通過不斷探索和實踐，為高校科技創新活動提供了源源不斷的智力支持；在經費投入方面，高校科技創新活動需要充足的資金支持。當年投入的研究與發展經費、科技服務經費等經費投入指標反映了高校對科技創新活動的重視程度和支持力度。這些經費不僅用于購置先進的科研設備、建設實驗室等基礎設施建設，還用于支付科研人員的薪酬、項目經費等運營成本。穩定的經費投入為高校科技創新活動提供了堅實的物質保障，確保了科研工作的順利進行。然而，人力和經費的投入只是科技創新活動的一部分，真正的價值體現在產出成果上。

在產出指標方面，學者們從多個角度進行考量，包括科技著作數、學術論文數、專利數、技術轉讓收入和技術轉讓合同數等。這些指標綜合反映了高校科技創新活動的成果產出數量和質量，以及其對社會經濟發展的貢獻。高校產出的學術論文數量和被引用次數是評價其科研水平和影響力的重要指標；而專利數和技術轉讓收入等則能夠直接體現高校科技創新活動的經濟效益和社會效益。

基于指標數據的代表性和可得性，本文最終選取成果應用及科技服務全時人員的總和、科學家占比以及Ramp;D經費支出作為投入指標；發明專利授權數、發表學術論文數量、出版科技著作作為產出指標運用超效率SBM模型測算出長三角地區高校科技創新效率。

3.2 影響因素指標

高校科技創新的效率會受到其他因素的影響，借鑒以往研究結果，大多數學者認為當地經濟發展水平對于當地教育和科技發展都具有一定影響；其次是城鎮化率，地區的城鎮化水平往往早于當地科技發展，并且城鎮化發展將帶來資產和人才資源的集聚，從而促進當地科技創新水平的提升。

本地區對外學術交流的能力直接影響了地區科技創新的效率水平、本地區高校及科研院所的數量也直接影響了科技創新的效率、地區的經濟發展水平較高增加了當地的政府稅收，來自稅收的政府公共教育經費占教育經費總量的大部分，對教育活動起決定性作用，而教育活動是高校科技創新活動的基礎；城鎮化往往早于科技創新，城鎮化將資產、人才等資源集中在一起，促使科技創新的產生；政策支持是科技創新能否繼續和科技成果轉化能否順利的關鍵因素。本文選取了國際學術會議交流論文、特邀報告的數量、高等學校研究與發展機構的數量、人均GDP、城鎮化率Ramp;D經費內部支出占作為分析影響長三角地區高校科技創新的影響因素。

本文選定樣本期為2018—2022年，決策單元為長三角地區三省一市所有城市。數據源自《中國科技統計年鑒》（2018—2022）、《中國統計年鑒》（2018—2022）以及高等學校科技統計資料匯編（2018—2022）。短期來看，創新從投入到產出存在滯后，通常的處理是假設產出比投入滯后１年；對相鄰年份的創新效率值進行相關系數檢驗，其相關程度較高，因此不再進行滯后性處理。

4 實證分析

基于超效率SBM模型的長三角地區高校科技創新效率研究，本文運用Maxdea軟件，采用非導向分解規模報酬（CRS+VRS）的方法，對長三角地區高校科技創新的投入和產出進行了深入的測算。通過對綜合效率、純技術效率和規模效率的細致分析，揭示了該地區高校科研創新效率的現狀和趨勢。

首先，從高校科研創新效率（TE）來看，2018—2022年期間，江蘇、浙江、安徽三省的效率值普遍高于上海。其中，江蘇長期保持高位狀態，展現出強大的科研創新實力。然而，值得注意的是，江蘇、浙江、安徽三省的高校科研創新效率總體呈現下降趨勢，而上海則呈現出平穩的發展態勢。效率值的排名為：江蘇＞浙江＞安徽＞上海。具體來看，上海的高校科研創新效率值由2018年的0.589上升至2022年的0.612，雖然有所上升，但上升幅度較小。而江蘇、浙江、安徽三省則由2018年的1.483、1.088、1.303下降至2022年的1.371、1.035、1.190，出現了小幅下降。這表明上海市在高校科研創新方面仍有提升空間，應適當增加科研投入，提升整體創新效率。同時，江蘇、浙江、安徽三省也應關注科研創新效率的下降趨勢，采取有效措施提高科研轉化率，產出更多高質量的科研成果。

進一步分析效率分解（PTE、SE）發現，純技術效率（PTE）的趨勢總體與綜合技術效率（TE）保持一致。純技術效率在2018—2022年期間長期高于規模效率，說明綜合技術效率的變化主要受到純技術效率的影響。這表明長三角地區高校科研技術水平較高，投入資金能夠得到有效利用，科研資源得到了合理配置與優化調整。

從規模報酬來看（RTS），上海市一直處于規模報酬遞增狀態，這意味著上海市的科研技術水平提升顯著超過了要素投入水平。而江蘇省則長期處于規模報酬遞減階段，這反映出江蘇省的高校科研投入與資源要素配置存在不合理之處，處于失衡狀態。浙江、安徽兩省仍處于規模報酬遞增階段，這與兩省科研技術水平的提升密切相關。因此，浙江、安徽兩省應逐步增加資源要素投入，優化創新資源要素配置，進一步提高科研創新效率。

綜上所述，長三角地區高校科研創新效率呈現出一定的地域差異和發展趨勢。上海市應加大高校科研投入力度，提升整體創新效率；江蘇、浙江、安徽三省則需在保持科研技術水平的同時，關注科研創新效率的下降趨勢，促進產學研深度融合，提高科研轉化率。同時，各地區應根據自身情況，合理配置和優化科研資源要素投入，以實現科研創新效率的最大化。

由以上分析可知，各高校科研效率存在一定差異，成為進一步探究影響效率的關鍵因素。

對外聯系（lnx1）對高校科研創新效率（y）的估計系數為0.148，且在1%水平下顯著，據此可知，對外聯系（lnx1）對高校科研創新效率（y）起正向促進作用。近些年，長三角地區各高校與國際知名大學、科研機構建立合作關系，開展聯合研究、學術交流等活動，從而對國外技術溢出效應進行轉化吸收，提高科研創新效率；另一方面，長三角地區積極引進國內外優秀人才，打造具有國際影響力的科研平臺，促使吸引更多的科研項目和經費支持，提高高校科研的競爭力和影響力，同時也為科研人員提供了更好的工作環境。

科研環境（lnx2）對高校科研創新效率（y）的估計系數為0.336，且在1%水平下顯著，說明科研環境（lnx2）對高校科研創新效率（y）起正向促進作用。究其原因，長三角地區以其充足的科研經費促使其科研機構數量不斷增多，不僅為高校提供了包括先進的實驗設備、穩定的資金支持等豐富的研究資源和平臺，還能通過營造濃厚的學術氛圍，為創新高地建設釋放活力，提升高校科研創新效率。

經濟稟賦（lnx3）對高校科研創新效率（y）的估計系數為0.492，且在5%水平下顯著，其估計系數較其他因素大，說明經濟稟賦能夠顯著促進高校科研創新效率的提升。長三角地區經濟發展水平的提高為高校科研提供了更多的經費保障，繼而改善科研設施，提高科研人員的待遇和科研成果轉化率，吸引優秀高新技術人才，從而推動科研效率的提升。

城鎮化水平（x4）對高校科研創新效率（y）的估計系數為-0.043，且在1%水平下顯著，說明城鎮化水平（lnx2）對高校科研創新效率（y）起負向抑制作用。可能的原因是，在推動城鎮化的過程中易產生城市擁擠、環境污染等，高校科研人員可能難以適應這種由城鎮化帶來的環境變化，甚至這種負面影響直接作用于科研成果的轉化。

政策環境（x5）對高校科研創新效率（y）的估計系數為0.044，且在10%水平下顯著，表明研究與發展經費越高，越利于科研創新效率的提高。近年來，國家對“雙一流”高校的支持力度不斷加大，而長三角地區因經濟發展水平較高，其高校科研投入經費也遠超其他地區，進而通過改善科研設施、環境，增強產學研合作等方式提高科研創新效率。

5 結論和建議

本研究采用超效率SBM模型測算2018—2022年長三角地區高校科技創新效率，并運用面板Tobit模型探究高校科技創新效率的影響因素，從而為提升長三角地區高校科技創新效率。

積極打造世界級科技創新集群，要促進長三角地區高校、科研機構、企業之間的緊密合作，形成產學研用一體化的科技創新體系。長三角地區高校科技創新存在能力各自的優勢和不足，應通過加強長三角地區各高校之間的人才交流、資源共享和優勢互補，推動科技創新成果在長三角地區快速轉化和應用。同時，應加大對長三角地區科技創新的支持力度，提高科技投入效益，為科技創新提供強有力的資金保障和政策支持。

加強長三角地區內部協同發展，深化區域合作機制，推動長三角地區一體化發展。要建立健全長三角地區科技創新合作機制，加強跨區域的科技創新合作，推動科技創新資源的優化配置和高效利用。同時，要加強長三角地區基礎設施建設，提高區域交通、通信、能源等基礎設施的互聯互通水平，為區域協同發展提供堅實的基礎支撐。

注重加強國際科技創新合作，吸引全球優秀的科技人才和資源，提升長三角地區在全球科技創新領域的競爭力和影響力。通過加強與國際科技創新中心的合作，引進國際先進的科技創新理念和技術，推動長三角地區科技創新的國際化發展。

加快長三角地區科技人才高地建設，優化長三角地區高校科技創新人才體制機制，加強長三角地區內部協同發展，是推動長三角地區科技創新和經濟社會發展的重要舉措。只有不斷創新、協同發展，才能將長三角地區打造成為世界級科技創新集群，為我國的科技創新和經濟發展注入新的動力。

為了促進高校科技創新的發展，我們必須注重提升高校人才的科研能力，并致力于吸引和培養優質的科技人才留在長三角地區。高校科技創新效率的提升，技術進步是核心驅動力，而技術進步的基石則是研發人員科研能力的持續增強。研究顯示，高校科技創新中的科學家與工程師的占比與其效率之間存在明確的正相關關系。因此，長三角地區高校需加大力度引進高技術人才，特別是科學家與工程師，同時也不能忽視對現有研發人員的進一步培訓和發展。應鼓勵他們參與國際研究，拓寬視野，提升個人能力。此外，高校還承擔著培養未來科技創新人才的重任，因此，加強對在校研究生的培養與鍛煉至關重要，這將為高校科技創新隊伍注入新的活力，確保高素質人才隊伍的連續性和穩定性。通過引進與培養高素質的科技人才，不斷提升研發人員的素質，以及加強對在校研究生的培養，我們可以有效地推動高校科技創新效率的整體提升。

主要參考文獻

[1]蔡文伯，黃盧濤.我國高校科技創新效率的時空格局及影響因素——基于網絡SBM模型的評價[J].教育科學探索，2022，40（02）：1523.

[2]吳穎，崔玉平.長三角高校科技創新效率及其時空演化——基于滬、蘇、浙、皖41市的實證分析[J].重慶高教研究，2022，10（03）：104117.

[3]鐘穎.安徽省高校科技創新效率研究——基于三階段DEA模型的實證分析[J].巢湖學院學報，2016，18（02）：5158.

[4]張鵬，于偉.高校對區域創新效率的影響：基于隨機前沿生產函數的分析[J].教育與經濟，2013，（06）：2429.

[5]楊宏進，劉立群.基于三階段DEA的高校科技創新績效研究[J].科技管理研究，2011，31（09）：104107.

[6]柯亮，姚聰莉.“雙一流”建設高校科技創新效率及時空分布特征研究[J].自然辯證法通訊，2021，43（05）：102110.

[7]于志軍，楊昌輝，白羽等.成果類型視角下高校創新效率及影響因素研究[J].科研管理，2017，38（05）：141149.

[8]馬聰穎，吳宏超.一流大學建設高校科技創新效率：差距、影響因素與提升路徑[J].高教探索，2021，（02）：5361.

[9]高燕楠.高校科技創新效率及影響因素的實證研究[D].南開大學，2010.

[10]沈能，宮為天.我國省區高校科技創新效率評價實證分析——基于三階段DEA模型[J].科研管理，2013，34（S1）：125132.