省域科技创新创业人才队伍建设效率研究

刘有升

（福州大学 经济与管理学院,福建 福州 350116）

一、研究背景

科技创新创业人才是国家发展的重要人力资源[1]。党的十八大要求“实施创新驱动发展战略”和“加大创新创业人才培养支持力度”；十八届三中全会强调“加快建设创新型国家”；十八届五中全会以创新领衔五大发展理念，成为引领发展的第一动力。《国家创新指数报告2014》对全世界40个主要国家的情况进行了分析，其中我国列第19名；而《国家创新指数报告2015》表明，我国在这一排名中仅略微提升至第18名，这意味着建设创新型国家的形势依然严峻。管中窥豹，从省域的角度来探究全国科技创新创业人才队伍建设效率，是一种有价值的研究视角。经济社会发展与科技创新创业人才队伍建设是有机共生系统，在大众创业万众创新的背景下，科技创新创业人才队伍建设是创新型省份建设的重要突破口。近年来，全国不少省份科技创新创业人才队伍建设长足发展，但各省科技创新创业人才队伍建设如何提升效率？如何增进各主体的主观能动性及驱动力，使创新创业成为经济增长新引擎，推动创新型省份建设？这些都是值得深入探究的问题。

回顾已有文献，学者们对科技创新创业人才给予了广泛关注。学界的研究主要聚焦于美国、德国、日本、印度等科技发达国家的经验梳理[2-5]和不安全感[6]、创业教育[7]、质量把控[8]、聚集效应[9]等有关的影响因素分析。此外，还包括培养机制[10]、激励机制[11-12]、对策建议[5，13]等方面的探讨。上述研究都具有一定的说服力，也皆有各自的经验材料支持，增进了人们对相关问题的理解和认识，但是仍然有较大的拓展空间。从理论上看，已有研究大多从单一维度考察，视角的多维性考察不足，理论框架的系统性尚待增强；从方法上看，多数研究停留于简单的统计描述，量化研究总的来说较少。近年来，DEA-Malmquist指数模型已被广泛地运用于相关产业效率[14-15]和全要素生产率[16-17]方面的评价，使用该方法分析科技创新创业人才队伍建设效率是较新的研究领域，具有可行性和新颖性。

二、研究方法及指标、数据的获取

（一）基于DEA的Malmquist指数理论

数据包络分析方法（Data Envelopment Analysis，DEA）以DUM偏离DEA前沿面的程度来衡量一组同类决策单元的相对有效性[18]。Malmquist指数是决策单元从时期t到时期t+1的距离函数比值[19]，定义时期t基于投入的距离函数为：

其中，xt∈Rm为投入向量，yt∈Rs为产出向量，St为前沿面技术，θ代表当决策单元处于前沿面技术时所需减少投入要素的最大比率。所以，当yt不变时，距离函数和投入向量xt最大缩小比值的倒数相等。因此，综合效率可表示为：

定义在时期t、t+1的技术水平下，决策单元的Malmquist指数分别为：

由（3）式和（4）式可得全要素生产率（TFP）指数：

记M=M(xt+1,yt+1,xt,yt)，则M＞1表示生产率进步；M=1表示生产率不变；M＜1表示生产率退步[20]。Malmquist生产率指数变换形式为：

其中，TC、EC分别为：

TC代表决策单元在时期t和t+1内的技术变动（Technical Change，TC），也称前沿面移动效应或增长效应，表示生产技术创新情况。当TC＞1时为技术进步，当TC＜1时则为技术退步。EC代表决策单元目前投入与最小投入间的差距，即综合效率变动（Efficiency Change，EC），也称追赶效应或水平效应。当EC＞1时意味着综合效率上升，反之，当EC＜1时表明综合效率下降。

1992年，Fare将DEA模型的输入输出指标与Malmquist生产率指数相结合[21]。设时期t=1,2,…,T，有y=1,2,…,n个DMU，则t期第j个DMU的第i项投入为xijt，t期第j个DMU的第r项产出为yrjt；λ是满足公式成立的常数，代表各决策单位的权重，时期t的前沿面技术表示为：

Malmquist生产率指数的距离函数Dt(xt,yt)、Dt+1(xt,yt)、Dt+1(xt+1,yt+1)和Dt(xt+1,yt+1)均可由DEA模型求解。求解Dt(xt,yt)的基于投入的CCR模型为：

式中为模型的松弛变量表示超量投入表示亏量产出。求解 Dt+1(xt+1,yt+1)与（8）式类似，只需将t替换为t+1。若再增加约束条件可将EC以纯技术变动 （PTEC）与规模效率变动（SEC）的乘积表示，其中：

CRS代表固定规模报酬的假设条件，VRS代表变动规模报酬的假设条件。Malmquist指数还可进一步分解为：

上式中，SEC＞1表示规模效率提升，SEC＜1表示规模效率降低。

（二）研究指标及样本的选择

按指标体系综合性、可行性、可比性的原则，同时考虑数据资料取得的操作性、权威性（直接或间接来源于政府统计部门发布的数据资料），并借鉴已有研究成果[22-23]，本研究建立表1所示的指标体系，对省域科技创新创业人才队伍建设效率情况进行动态考量。

表1 省域科技创新创业人才队伍建设的投入-产出指标体系

在样本选择上，根据国家统计局网站 《国家数据》（National Data），共选择30个省级行政区2012—2014年的数据（西藏数据不全，本次统计未含）。

三、研究结果及数据分析

（一）全国科技创新创业人才队伍建设效率情况

本研究使用DEAP2.1软件分析30个样本2012—2014年间的Malmquist指数和它的分解指数趋势。由于Malmquist指数评价的是当年相较于前一年的动态变化，因此输出的结果只含2013年和2014年共2年的指标，具体结果如表2和表3所示。

表2 2013年整体样本Malmquist指数及其分解

从表2可知，2013年有21个样本省级行政区的Malmquist指数大于等于1，各样本Malmquist指数平均值达1.067，总体上说明全国各省域科技创新创业人才效率在2012—2013年有一定提高。技术变动指数除北京、陕西、黑龙江以外，其余省级行政区均小于1，平均值仅0.853，表明大部分省级行政区在2012—2013年的技术变动情况并不显著，这在一定程度上阻碍了综合效率的提高。纯技术变动指数除福建和吉林以外的其余28个省级行政区的值均大于等于1，平均值亦达1.105，意味着在全国总体层面上，省级行政区的纯技术变动状况驱动了综合效率的提高。规模效率变动指数平均值为1.146，仅7个省级行政区的规模效率变动指数值小于1，表明大部分省级行政区科技创新创业规模效率在2012—2013年有所提高。

从表3可以看出，2014年有15个样本省级行政区Malmquist指数大于1，各样本Malmquist指数平均值为1.061，说明全国一半以上省域科技创新创业人才效率在2013—2014年有一定幅度提高，尤其是新疆和吉林的Malmquist指数分别高达2.246和2.107，依次位居全国第一和第二。技术变动指数中所有省级行政区均大于1，平均值达1.198，表明各省级行政区在2013—2014年的技术变动增长成为综合效率提高的重要动因。纯技术变动指数平均值仅有0.989，意味着全国各省域的纯技术变动状况一定程度上制约了综合效率的提高。规模效率变动指数平均值是0.891，仅有4个省级行政区的规模效率变动指数值大于或等于1，可见全国大部分地区科技创新创业规模效率在2013—2014年有所降低。

表3 2014年整体样本Malmquist指数及其分解

（二）全国分地区科技创新创业人才效率情况

东部、中部、西部地区的数据是分别对三个地区内相关省份的数据进行算术平均而得，如表4所示。

表4 各地区Malmquist指数及其分解

从该表可知，2013年西部地区Malmquist指数最高，三个地区数值都超过1，表明2012—2013年各地区科技创新效率均有一定提高。技术变动指数方面，三个地区值均小于1，说明技术创新仍为制约各地区发展的主要因素。纯技术效率指数方面，西部依旧最高，但三个地区指数值均超过1，说明不同地区在2012—2013年间纯技术效率方面均有一定提升。规模效率变动方面，东部排名第一，指数1.196优势较明显，说明东部地区在科技创新方面有规模优势，而西部地区并未形成良好的规模效应。2014年情况有所变化，中部地区Malmquist指数最高，东部地区数值小于1，表明2013—2014年东部地区科技创新力度不足。技术变动指数方面，三个地区数值均大于1，表明不同地区在2013—2014年间技术效率方面均有一定提升。纯技术效率变动方面，仅中部地区数值大于1，意味着中部地区连续两年在纯技术效率提升上效果良好。规模效率变动方面，三个地区数值均小于1，说明它们在2013—2014年均出现规模增长短板，阻碍了综合效率增长。

四、结论及建议

本研究基于DEA的Malmquist指数理论，分析2012—2014年我国省域科技创新创业人才队伍建设效率，主要得出以下结论：一是全国省域科技创新创业人才队伍建设效率不断提高；二是全国分地区科技创新创业人才队伍建设效率不平衡；三是科技创新创业人才队伍建设是一个系统工程，需要政策链、产业链、人才链、创新链互相交织和支撑。综合实证分析及专家访谈意见，提升科技创新创业人才队伍建设效率应促进政策链、产业链、人才链、创新链融合，打造科技创新创业人才队伍建设生态系统，为此提出四点建议。

（一）优化顶层设计，加强政策链引领

一是要树立系统思维。推进科技创新创业人才队伍建设要借鉴系统论，增进政策的系统性、前瞻性和操作性，既要考虑经济方面的因素，也应兼顾制度、组织、社会、政治、生态等方面的影响。二是要激发协同效应。针对目前政策较为分散、整体合力缺乏、导向机制不明等问题，有针对性地打好“组合拳”，增进政策的多元化协同，即强化省域、市域、县域之间政策的协同；推动各个产业间政策的协同；深化科技创新创业人才主体间政策的协同。三是要持续动态优化。一方面及时应对不断发展的形势，以此检验科技创新创业人才队伍建设政策的时效性及实效性；另一方面深度契合相关主体的合理需求，以科技创新创业人才队伍建设政策的人性化、动态化来增强科技创新创业人才队伍建设的生命力。

（二）发挥市场导向，凸显产业链拉动

第一要做强产业集群。推进战略性新兴产业、“互联网+”和大数据重大工程等的发展，使它们与经济社会更加融合；深入实施《中国制造2025》，推动传统产业改造，切实提升“中国制造”的品质以及“中国创造”的影响力，增强“造血”功能。第二要推进成果转化。紧扣我国深化供给侧结构性改革的背景，正视实验室里科技成果不够“接地气”、难以转化等现实，打通“最前一公里”和“最后一公里”，畅通创新成果转化链。第三要增进资金供给。构建多层次、多渠道的资金配置平台，搭建财政对科技投入的稳定增长机制，完善稳定性支持、引导性支持、奖励和后补助等支持方式，以项目为载体、资本为纽带、效益为准绳作为实施原则，如广东省应发挥地处侨乡、经济较为活跃、民间资本较为发达等优势，建立创业投资专项引导基金，提升资金的使用效益，为科技创新创业人才的发展提供资金扶助。

（三）夯实平台建设，强化人才链引擎

一是要注重区域化。许多国家产生了一些具有代表性的高新技术研发应用策源地，如美国硅谷、法国格勒诺布、日本筑波和我国中关村等，这也为科技创新创业人才队伍建设提供了有益借鉴。比如福建省应重点打造福厦泉国家自主创新示范区，加快福州新区、滨海新城的建设，优化区域创新布局，打造区域经济增长极，凸显集聚功能。二是促进基地化。遴选较为成熟的地区，新建一批双创示范基地、专业化众创空间，加强国家大学科技园的阵地作用，增进规模效应及辐射效应。三是强化龙头效应。一方面要搭建平台，不断改革人才培养模式，完善高端创新人才和产业技能人才“二元支撑”的人才培养体系，尤其是理工科高校应在这方面发挥表率作用，为科技创新创业人才队伍建设拓宽渠道。另一方面要培育高端人才，创新链要有效嵌入产业链需要人力资本做支撑，应着重培养领军科技创新创业人才，加强团队引进和梯队建设。

（四）营造文化氛围，增进创新链实力

第一，改进环境。深刻认识科研试错的探索意义，营造鼓励创新、宽容失败的氛围；改进科研经费管理办法，深化知识产权保护，构建创新政策协调审查制度，进而以良好的环境助力科技创新创业人才队伍的建设。第二，凸显激励。突出创新导向，建立弹性的科研业绩考核机制，加大股权激励，推动技术要素参与分配；扩大科研机构、高校的收入分配自主权，增进对知识价值和智力劳动的尊重。浙江省在这方面的先行先试提供了一个典范，该省对引进“千人计划”“万人计划”等高层次人才的单位，取消工资总额、岗位总量、岗位等级、结构比例的限制；企业引进高层次人才的，相关费用可在所得税前扣除。第三，丰富载体。举办科技创新创业人才论坛，增进交流，进行智慧碰撞，产生思想火花；树立榜样，加强宣传，增进核心知识的凝练和核心技术的提升；对研究机构进行多样化的分类管理，为各级各类科技创新创业人才的建功立业减负。

[1]ISYAKU S.Mediating effect of uncertainty avoidance on the relationship between entrepreneurial talent and SMEs performance in nigeria:A conceptual analysis[J].International Journal of Academic Research in Business&Social Sciences,2014(6):368-383.

[2]陈建武,张向前.适应创新驱动的中美科技人才发展协同机制研究[J].科技进步与对策,2015(19):148-152.

[3]方阳春,黄太钢,薛希鹏,等.国际创新型企业科技人才系统培养经验借鉴——基于美国、德国、韩国的研究[J].科研管理,2013(S1):230-235.

[4]张豪,张向前.日本适应驱动创新科技人才发展机制分析[J].现代日本经济,2016(1):76-85.

[5]李娜.印度高校科技创新创业人才培养策略探析[J].复旦教育论坛,2013(4):75-79.

[6]朱朴义,胡蓓.科技人才工作不安全感对创新行为影响研究[J].科学学研究,2014(9):1360-1368.

[7]FULGENCE K.Assessing the status of entrepreneurship education courses in higher learning institutions[J].Education&Training,2015(2):239-258.

[8]牟蕾,惠嘉,刘西林.科技人才创新实践能力培养质量关键因素的实证研究[J].科技管理研究,2016(4):113-120.

[9]王晖.科技人才聚集效应与科技创新产出的关系研究[J].湘潭大学学报(哲学社会科学版),2014(4):28-32.

[10]高树昱,邹晓东.工程科技人才创业能力培养机制的实证研究[J].高等工程教育研究,2015(1):130-134.

[11]孔德议,张向前.我国“十三五”期间适应创新驱动的科技人才激励机制研究[J].科技管理研究,2015(11):45-49.

[12]JOO B K,MCLEAN G N,YANG B.Creativity and human resource development:An integrative literature review and a conceptual framework for future research[J].Human Resource Development Review,2013(4):390-421.

[13]王剑程,朱永跃.创新驱动背景下企业科技人才成长环境评价研究[J].科技进步与对策,2015(24):120-124.

[14]刘佳,陆菊,刘宁.基于DEA-Malmquist模型的中国沿海地区旅游产业效率时空演化、影响因素与形成机理[J].资源科学,2015(12):2381-2393.

[15]蓝虹,穆争社.我国农村信用社改革绩效评价——基于三阶段DEA模型Malmquist指数分析法[J].金融研究,2016(6):159-175.

[16]季凯文.中国生物农业全要素生产率增长特征及行业差异[J].科研管理,2016(7):145-153.

[17]王艺明,陈晨,高思航.中国城市全要素生产率估算与分析:2000-2013[J].经济问题,2016(8):1-8.

[18]CHARNES A,CLARK C T,COOPER W W,et al.A developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the U.S.Air Force[J].Annals of Operations Research,2001(1):14-17.

[19]杨新甫.基于DEA及Malmquist指数法的R&D效率评估研究[D].哈尔滨：哈尔滨工业大学，2009.

[20]NISHIMIZU M,PAGE J M.Total factor productivity growth,technological progress and technical efficiency change:Dimensions of productivity change in yugoslavia,1965-78[J].Economic Journal,1982(368):920-936.

[21]FÄRE R,GROSSKOPF S,LINDGREN B,et al.Productivity changes in Swedish pharamacies 1980—1989:A nonparametric Malmquist approach[J].Journal of Productivity Analysis,1992(1):85-101.

[22]丁刚,罗暖.省域创新型科技人才队伍建设的投入产出效率评价及其空间关联格局分析——基于DEA模型和LISA方法[J].西北人口,2012(4):13-17.

[23]李永周,阳静宁,田雪枫.科技创业人才的孵化网络嵌入、创业效能感与创业绩效关系研究[J].科学学与科学技术管理,2016,37(9):169-180.