国家中心城市创新效率比较与提升策略

郑国洪

（西南政法大学 管理学院，重庆 401120）

国家中心城市创新效率比较与提升策略

郑国洪

（西南政法大学 管理学院，重庆 401120）

一、引言与文献回顾

国家中心城市最早于2005年在《全国城镇体系规划》中提出。2010年，住建部确定北京、天津、上海、广州和重庆为国家中心城市。鉴于中国城市等级体系并不完善，上海、北京作为世界级城市承担了过重的服务功能，出现“大城市病”，同时我国地域辽阔，需要更多的国家中心城市来引领周围区域发展、缓解区域差异，于是“十三五”规划再次提出“要发展一批国家中心城市，强化区域服务功能”，最终国家确定8个国家中心城市。在现代城市经济发展研究中，创新能力已成为提升城市综合竞争力的关键要素。随着政府对创新的日益重视、投入的不断加大，创新效率水平已成为衡量城市可持续发展的重要指标。科学合理地评价城市的创新效率水平，将可以为城市建设提供重要的决策指引。鉴于以上分析，本文的研究目标，是对我国国家中心城市的创新效率水平进行测量，并提出提升创新效率水平的途径。

国内外对于创新效率水平的研究有两大方向：一个方向为对创新效率水平的测算，测量的方法大体可分为评价指标体系测量与投入产出方法测量两类。比较有代表性的评价指标体系测量方法可见表1。部分学者运用主成分分析法、网络层次分析法、聚类分析法等，构建评价指标体系，从而对城市或区域的创新效率进行实证分析。另一部分学者则通过投入产出方法测量效率水平，不仅仅只考虑总体的创新效率水平，也关注城市创新过程中各指标的相互联系（见表1）。其中，运用最广泛的就是数据包络分析方法（DEA）。DEA于1978年由A.Charnes和W.W.Cooper等提出①，是评价具有多投入、多产出的同质决策单元相对效率的数学规划方法，不需要考虑投入产出之间生产函数关系的非参数评估方法。另一个方向是对创新效率水平的影响因素分析。英国学者Cooke（1998）等认为区域决策能力、政策环境和资金投入是提升创新能力的重要支撑②。苏屹（2009）等从动态视角分析影响创新能力的主要因素，认为创新能力不受某个或某几个因素的影响，其能力提升具有波动性③。程华（2015）等人基于系统动力学仿真模型对浙江省创新能力进行实证研究，发现浙江省科技人员及企业科技经费投入和政府科技拨款间协调性不强④。池仁勇（2004）等认为劳动者素质、轻重工业比例结构等是地区创新效率水平的显著影响因素⑤。张海洋（2008）认为产权变量是我国大中型工业RD生产效率的主要决定因素⑥。

总的来看，当前涉及国家中心城市创新效率水平的研究还较少。所以本文采用Malmquist指数方法和超效率模型对国家中心城市的创新效率水平进行测量，有利于各个国家中心城市明确自身创新发展的优劣势，从而有针对性地制定出符合自身发展的效率提升途径。

表1 关于城市创新效率研究的文献综述

二、超效率DEA及Malmquist指数分解方法

在Malmquist指数模型里面，效率结果只能评价个体决策单元的相对有效与否，不能衡量出有效决策单元的效率高低（即有效均用1表示，小于1的结果则代表无效），而超效率DEA模型可以很好地解决这个问题。

（一）超效率DEA模型

超效率DEA的基本计算方法如下：（1）在个体决策单元的效率结果无效的前提下，超效率DEA的结果与DEA模型结果并无二致。（2）在个体决策单元的效率结果有效的前提下，超效率DEA将得到大于1的结果，表达式如下：

其中θ代表规划目标值，S+与S-为松弛变量向量，λj≥0，j=1，...，n为规划决策变量。

（二）Malmquist指数分解

而Malmquist指数方法是利用距离函数比率来计算投入产出效率，见公式（1）：

然后我们对公式（1）进行变形，分解为技术变动（TCH）和效率变动（ECH），如果技术变动（TCH）大于1，代表着技术进步提高了生产边界。见公式（2）：

本文采用大多数研究所认可的Caves的分解模型对公式（2）进一步变形，得到公式（3）：

我们可以发现，效率变动（ECH）又可以分解为纯技术效率（PECH）以及规模效率（SECH）的变动。纯技术效率（PECH）指基于规模报酬变动假设前提下的技术效率变化，规模效率（SECH）表明规模经济对生产率的影响，ECH大于1说明企业管理方法的科学性以及管理决策的有效性。

三、国家中心城市创新效率评价及分解

（一）指标设计与数据来源

创新效率投入指标主要选取普通高等学校在校人数、常住人口、固定资产投资和研究与试验发展（R&D）经费内部支出。普通高等学校在校人数、常住人口是衡量地区创新不可或缺的人力资源；固定资产投资是衡量地区创新至关重要的资本条件；研究与试验发展（R&D）经费内部支出是指统计年度内各执行单位实际用于基础研究、应用研究和试验发展的经费内部支出，支出越多，该技术创新体系的技术创新产出的潜力越大。

创新效率产出指标主要选取地区生产总值（GDP）和专利申请授权数。地区生产总值（GDP）能全面衡量城市创新效率水平，很好地反映出创新的产出成果；专利申请授权数是指某一时期地区专利审批部门收到专利申请并授予发明专利权的数量。专利申请授权数，体现了各个城市对自主知识产权的科技成果的拥有程度。

本文选取各国家中心城市2001—2015年15年的数据，数据来源于各城市的城市统计年鉴、各城市的国民经济与社会发展统计公报。

（二）基于超效率DEA方法的综合效率分析

根据超效率DEA模型，利用MaxDEA2.0软件，本文对国家中心城市的超效率水平进行了测算，具体结果如表2。

表2 2001—2015年国家中心城市的超效率水平

1.国家中心城市总体效率分析

从国家中心城市创新水平的总体效率变化来看，每年的平均效率水平均大于1，处于有效阶段。趋势上看，2007年以前持续下降，2008年到2012年持续上升，2013年到2015年持续下降。究其原因，可能是2008年以前，各国家中心城市侧重于制造业的发展，一定程度上抑制了区域的经济创新动力；而2008年金融危机引发的市场波动，使得城市制造业的发展遇到阻碍，政府提出金融创新等应对措施，以创新为经济发展新动能，促进经济稳健前行。2013年开始，中国经济由高速增长转为中高速增长，部分国家中心城市创新效率水平持续下降，使得国家中心城市创新水平的总体效率呈下降趋势。从国家中心城市总体效率均值排名来看，北京（1.278）、上海（1.178）、广州（1.644）基本处于有效的水平，天津（0.946）、重庆（1.067）在有效与无效的边缘游走，而其他国家中心城市基本处于创新无效的阶段。从地理尺度看，东部城市（上海、广州等）的创新效率水平略高于中西部城市，并没有非常突出的区域集中趋势。

2.具体城市综合效率分析

对于每个国家中心城市的效率变化，广州的创新效率水平一直是有效城市，从2001年的1.314上升到2005年的最大值2.768，后下降到2007年的1.482，之后较为平稳。从数据中可以发现，广州的研究与试验发展(R&D)经费内部支出有待进一步提高。北京的创新效率水平在2003年、2005年和2006年处于非有效的状态，呈现波动中上升的趋势，这可能缘于北京顶级大学较多，政府鼓励创新，拥有着很好的创新氛围。上海的创新效率水平均值虽低于北京，但一直处于创新有效，总体比较平稳。重庆自2001年以来在投入产出有效和无效的状态中波动。创新效率水平较低的有武汉、成都和郑州。武汉的创新效率水平较低，原因可能是其虽然普通高等学校在校人数众多，但产出并未达到潜力值，人才流失的情况较其他国家中心城市略严重。成都只在2009年处于创新投入产出有效的状态，郑州只在2010年、2011年和2012年处于创新投入产出有效的阶段，这些城市的创新能力有待进一步提高。

（三）基于Malmquist分解法的国家中心城市创新效率分析

进一步，基于Malmqusit指数分析方法以及利用MaxDEA2.0软件，对国家中心城市的创新效率水平进行分解研究，结果如表3。

1.国家中心城市创新效率水平Malmqusit指数分解

表3 2002—2015年国家中心城市的Malmquist指数水平

从各国家中心城市的创新效率来看，国家中心城市的创新水平效率有所提升，2002—2015年Malmquist指数基本呈现一个先上升后下降的趋势，在2009年达到最大值，15年的平均值为1.06；效率变动比总效率水平略平稳，呈现波动中略有上升的趋势，15年的平均值为1.01；技术变动较效率变动的波动水平较大，呈波动中上升的趋势，15年的平均值为1.05，意味着国家中心城市创新能力的全要素生产效率的变动与技术变动同步，主要来源于技术进步的贡献，效率变动起到的作用比较小。各国家中心城市创新的效率变动高于平均值的城市空间分布并不集中，各个城市之间的效率较为均衡，进一步说明效率变动对国家中心城市创新效率的提升作用并不显著。各国家中心城市创新的技术变动与总效率水平的有效与否方向基本一致，呈现“东强西弱”的空间分布。

2.国家中心城市TFP增长型城市分析

首先观察Malmquist指数的平均值大于1的城市，主要有北京、上海、广州、武汉、成都、郑州。从Malmquist指数看，北京在2002年、2005年和2006年为创新非有效城市，总体处于一个波动中上升的态势，效率变动、技术变动与总效率水平的变动方向并无很强的线性关系。上海在2004年和2008年创新总效率小于1，在2010年前总效率水平波动较大，2011年后总效率水平较为稳定，2004年为总效率水平的最低值，主要缘于规模变动的值较低。广州在2006年和2007年总效率小于1，在2008年以后总效率水平较为稳定，2007年为总效率水平的最低值，主要缘于规模变动的值较低。成都的总效率水平仅在2006—2009年和2015年处于有效状态，其总效率值较低的原因主要在于规模变动的值较低。武汉总效率水平波动较大，效率变动、技术变动与总效率水平的变动方向并无很强的线性关系。郑州的总效率水平波动较大且数值不高，主要缘于规模水平有待进一步的提高。

3.国家中心城市TFP衰退型城市分析

Malmquist指数的平均值小于1的城市包括天津和重庆。天津的总效率水平在2002年为最低谷0.60，其后基本徘徊在有效与无效的边缘，数值波动不大，其总效率与规模效率的变动方向大体一致，可见需要加强对创新的投入，提高规模效应。重庆的总效率水平也在2002年为最低水平0.60，后基本在1左右徘徊，主要缘于技术变动的波动较大，可见重庆的管理具有一定的不稳定性，说明重庆在管理效率的变革上还需加强一贯性和持久性。

续表

四、国家中心城市创新效率特点与提升对策

（一）国家中心城市提升效率及技术“双低”的策略

本文利用国家中心城市2001—2015年15年的城市面板数据，基于Malmquist指数和超效率DEA模型，对国家中心城市的创新效率水平进行了测算、分解，得到了一些有启发性的结论。

国家中心城市综合效率在2007年以前持续下降，2008年到2012年持续上升，2013年到2015年持续下降，同时存在一定程度上的技术变动和规模变动偏低。综合效率值偏低主要来源于效率变动低效，这往往意味着该城市的管理体制较为僵化、复杂。

一方面，对于较低的效率变动值，当务之急是深化改革，尤其是加快审批制度改革，在科技成果使用、处置和收益管理方面加大改革力度，进一步促进科技成果的转化，构建有利于创新活动的机制体制和公平竞争环境。政府不能只加强创新的投入资源，更要注重创新的投入产出效率，重视人才、提高人力资本要素的作用，加快建设成为科技创新中心，成为区域“增长极”，引领区域发展。

另一方面，针对较低的技术变动值，政府在企业层面可建设新型创业创新服务平台，对优秀创业项目、科技创新项目给予适当补助，大力扶持创业创新企业的发展；在产业层面构建以企业为主导、产学研合作的产业技术创新战略联盟，促进科技成果的转化；在区域层面要加强区域间的科技创新合作，构建协同创新体制，高效率区可充分利用资源优势，低效率区可迅速提升创新效率，从而使区域间资源柔性流动，实现优势互补、资源共享的“双赢”战略。

（二）国家中心城市综合效率比较与对策

1.北京、上海以及广州创新效率提升面临体制机制障碍

北京、上海、广州的创新效率处于中等有效的阶段，其创新政策、创新制度较为合理，投入产出效率较高，但并未释放其所有潜力，还需进一步对创新机制体制进行改革，提升创新效率。天津、重庆处于低等有效的阶段，城市的技术创新能力仍然较弱，还需进一步加强对创新的投入，加强对先进技术的引入、学习和吸收，同时也要进一步改善创新的机制体制和提高管理水平。

2.其他中心城市创新效率水平较低，但提升潜力巨大

武汉、成都、郑州几乎处于无效的阶段，尚不能有效配置创新资源，使得创新投入得不到有效、充足的利用，效率变动和技术变动都有很大的提升空间，需加大研发效率的提升，形成集约化创新，优化创新环境。

（三）国家中心城市全要素生产率贡献分解及提升对策

以成都、郑州、武汉为首的国家中心城市创新效率水平偏低，原因在于规模变动水平低，意味着城市在政府层面上需要发挥政府的服务职能，加强顶层设计，优化城市的创新环境，制定和实施有利于创新发展的相关规划与战略。以天津、重庆为首的国家中心城市创新效率水平低主要缘于技术变动水平低，大量的创新投入没有转化为高效率的产出，存在“高投入低产出”的问题，意味着城市在注重引入、学习国内外先进技术数量的同时更要注重质量，要提高引进技术的利用率和吸收消化速度。

第一，对于效率变动水平在2001—2015年基本处于有效阶段的城市北京、上海、广州，可加大对创新资源的投入，同时提高引进技术的消化率和自主研发科技成果的转化率，提升创新效率水平。

第二，对于技术变动水平在2001—2015年基本处于有效阶段的城市上海、广州、天津、武汉、成都、郑州，应继续发挥技术水平高的优势，积极进行高、精、尖技术研究，参与国际竞争，培育壮大具有自主知识产权的品牌。将科技创新效率的提升转化为科技创新质量的提升，带动整个区域科技创新水平的提高。

第三，对于技术变动水平和效率变动水平在2001—2015年基本处于无效阶段的城市重庆，要改变低效粗放型的创新模式，使得创新投入精细化，同时加大对科技创新环境的改善步伐，加大人财物等要素的投入力度，积极引进高端科技人才。

注释：

①Charnes A，Cooper W W，Rhodes E：《Measuring the Efficiency ofDecision Making Units》，《European Journal of Operational Research》，1978年第6期。

②Cooke，Braczyk，Heidenreich：《Regional Innovation Systems：The Role of Governmence in a Globalized World》，UCL Press1998年版。

③苏屹、李柏洲：《区域创新能力的波动性研究》，《中国科技论坛》，2009年第8期。

④程华、王金湘、李冬琴，等：《区域技术创新与经济增长的系统动力学模型仿真——基于浙江省的研究》，《科技管理研究》，2015年第10期。

⑤池仁勇、虞晓芬、李正卫：《我国东西部地区技术创新效率差异及其原因分析》，《中国软科学》，2004年第8期。

⑥张海洋：《我国工业R&D生产效率和影响因素——基于省级大中型工业数据的实证分析》，《科学学研究》，2008年第5期。

⑦蔡元成、赵敏：《基于主成分分析的中部六省科技创新效率研究》，《当代经济管理》，2011年第5期。⑧曹杨、王雪青：《基于耗散结构理论的资源型城市创新能力评价》，《东北大学学报（社会科学版）》，2011年第2期。

⑨王德青、朱建平：《基于拓展聚类模型的区域创新能力层级划分研究》，《经济经纬》，2014年第1期。

⑩杜娟、霍佳震：《基于数据包络分析的中国城市创新能力评价》，《中国管理科学》，2014年第6期。

编辑 凌 澜

2017-01-10

郑国洪，男，西南政法大学管理学院教授，主要从事制度经济学、审计法制研究。