中部六省国家级高新技术产业开发区创新效率研究

沙德春， 胡鑫慧

（河南农业大学信息与管理科学学院，郑州 450002）

经济新常态下，粗放型发展方式已无法满足我国经济增长需求，迫切需要依靠新的驱动力加速产业转型升级，推动经济增长［1］. 国家级高新技术产业开发区（简称高新区）是中国经济发展的重要支柱，同时也是先进科技的孵化器，代表着区域科学技术的发展水平. 创新驱动是经济社会发展的第一动力，更是促进产业升级的主要力量，高新区建设是提高区域创新效率的有效途径［2］. 近年来，我国国家级高新区创新投入逐年增长，2017年R&D经费支出达到6 163.9亿元，人才队伍、创新机构的规模也在逐渐扩大. 在各种创新资源的集聚下，高新区产出取得显著成绩，2017年，国家级高新区创造了202 826.6亿元的工业总产值，为我国经济发展做出了巨大贡献. 中部六省作为东西融合、南北对接的重要枢纽，在推动区域经济发展中占据重要地位. 自2006年中部崛起重大战略规划以来，中部地区积极采取相应措施，构建区域创新系统.《中国区域创新能力评价报告2018》显示，我国国家级高新区创新能力整体呈现“东强西弱”状态，中部地区表现相对较好，但是仍有待提升. 资源的有效配置是高新区可持续发展的重要保障，探究高新区创新效率问题，对推动区域创新发展具有重要意义. 为此，本文选取中部六省37个国家级高新区为对象，深入分析其创新效率，探究中部地区高新区创新发展的特征与局限，以期为中部六省高新区创新效率提升、省域创新发展提供参考.

1 文献综述

目前，关于高新区的研究主要集中在高新区运行机制、影响因素、评价体系、创新能力、创新效率等方面. 在经济新常态背景下，国家高新区的发展需坚持创新驱动理念，加强区域协同创新，构建创新生态环境体系［3］. 新技术研发与高新技术应用对高新区创新驱动发展具有根本的影响作用，人力资本投入、产业组合线等对其具有直接影响作用［4］. 李斌等通过构建技术创新动力学模型，深入剖析了市场导向对国家高新区技术创新的影响机制［5］. 刘满凤等分析了环境变量对我国高新区创新效率的影响情况［6］. 马丽莎等分析了高新区所在城市经济发展水平对其综合效率的影响机制［7］. 解佳龙建立的“状态-过程”的二象测评体系，便于更加精准地评判高新区转型发展基础的优势与差距［8］. 党兴华从创新能力的投入、组织和产出三方面构建了国家高新区创新发展综合评价指标体系［9］. 张冀新通过构建创新能力转换效应模型，分析国家高新区的创新要素协同转换能力［10］. 长江经济创新驱动带29个高新区综合创新能力普遍较低，但是高新区之间的创新动能溢出效应明显［11］. 包海波分析了创新链与知识产权服务链的耦合发展对高新区创新效率的影响［12］. 肖建华等从创新资源配置角度研究了高新区财政政策效率及其影响因素［13］.

随着国家高新区建设日趋成熟，学者们逐渐开始将研究视角集中在效率绩效方面，基于不同角度及方法对高新区创新效率绩效进行评价. 张冀新研究了企业类型差异对国家高新区技术效率的影响［2］. 高新区发展水平与所在城市的经济效率两者的耦合协调度对高新区发展影响显著［14］. 范硕从创新激励政策角度研究其能否提高高新区创新效率［15］. 李荣运用DEA方法测算国家高新区技术创新效率，并采用基尼系数、广义熵指数研究高新区区域差距［16］. 张立峰等对京津冀国家级高新区创新效率进行测度［17］. 郑玉雯等基于SBM动态网络模型，对国家级高新区效率进行评价［18］. 熊然等探究城市贸易环境与高新区自身贸易水平对创新绩效的影响程度［19］. 余珮等基于创新价值链理论对我国国家级高新区创新效率进行测度［20］. 刘志春等从创新生态体系的视角分析了高新区创新生态水平，并探究了其与创新效率的关系［21］. 还有部分学者对西部地区、京津冀等地区的国家级高新区的创新效率进行了相关研究［22-23］.

虽然目前关于我国高新区的研究较多，但大多是对国家层面的高新区发展情况的研究，未考虑到中部地区内部发展特点. 中部地区作为我国的人口大区与经济腹地，其高新区发展情况在国家高新区整体发展中占有重要地位. 鉴于此，本文选取中部六省国家级高新区为样本，基于数据包络分析方法，通过构建高新区创新投入产出指标体系，对中部地区国家级高新区创新效率进行分析，并根据研究结果提出相关优化措施.

2 研究方法

DEA方法最早由Charnes、Cooper等提出，用于对多投入、多产出决策单元进行相对效率评价［24］. DEA方法主要是通过保持决策单元的输入或输出不变，借助数学规划方法确定相对有效的生产前沿面，并通过对比各决策单元偏离DEA前沿面的程度来评价其相对有效性. DEA方法适用于多投入多产出的有效性评价问题，且无须对数据进行无量纲化处理. CCR模型与BCC模型是DEA方法中最典型的两种模型，其中CCR模型是基于规模报酬不变的模型，BCC模型则是在规模报酬可变的假设下，对决策单元进行效率分析. BCC模型作为DEA方法中的重要模型之一，能够反映各国家级高新区的投入产出冗余，可以计算出当前条件下投入产出的最佳调整值. 因此，本文选取BCC模型，以减少CCR模型规模报酬不变带来的影响，模型构建如下：

选取中部六省的37个国家级高新区为样本，每个样本作为一个决策单元（DMU），共有37个决策单元，记为DMUj(j=1,2,…,37)；每个DMU 都有3种投入，记为xi(i=1,2,3)，4种产出，记为yr(r=1,2,3,4) . 其中，θ 为决策单元的有效值；λj为决策变量；sr+和si-分别代表输出和输入的松弛变量；ε 为非阿基米德无穷小量.

BCC模型可以计算出国家级高新区的三种效率值：综合效率、纯技术效率和规模效率，其中，综合效率为纯技术效率与规模效率的乘积. 在BCC模型中，当决策单元的综合效率值为1时，为DEA有效，即在37个国家级高新区组成的经济系统中，高新区的投入已经获得最优的产出；否则为DEA无效. 对于非DEA有效的国家级高新区，通过投入产出松弛变量的值对各国家级高新区进行适当的调整，能够使系统整体效率达到最优. 另BCC模型的决策单元有三种规模收益：规模收益不变、规模收益递减和规模收益递增，处于规模收益不变阶段的决策单元，其规模效益最佳.

3 指标体系构建

国家高新区创新效率投入产出指标体系的科学性、可操作性等直接影响创新效率分析的准确性. 高新区作为技术创新的载体，多投入多产出的评价指标体系，便于全面地研究创新效率. 通过对高新区效率相关研究文献的借鉴，综合考虑数据的可获得性和科学性，本文从人力、财力、规模投入三个方面设计投入指标，从经济效益、创新效益、社会效益三个方面设计产出指标，见表1.

创新投入方面，以R&D人员全时当量作为人力投入指标，R&D人员全时当量可以很好地衡量研发活动投入人员的数量与质量，是高新区企业创新人力资源的直接投入；财力投入指标为R&D经费内部支出，代表企业研发资金投入［25］. R&D经费内部支出能够很好地反映高新区企业的自主创新能力；数量规模投入用高新技术企业数量来衡量，高新区企业数量能够很好地体现高新区发展规模情况，反映了高新区创新型企业聚集情况. 创新产出方面，以净利润和出口总额作为经济效益产出指标，净利润能够直观地体现高新区企业的生产经营能力，出口总额反映了创新活动对提高国际竞争力带来的积极影响；以技术收入作为创新效益产出指标，技术收入代表国家高新区技术创新情况，是高新区企业创新能力的直接产出；以上缴税费作为社会效益产出指标.

表1 国家级高新区创新效率分析指标体系Tab.1 Index system for innovation efficiency analysis of state-level high-tech zones

4 创新效率实证分析

4.1 效率与规模收益分析

运用数据包络分析法，选取中部六省国家级高新区为研究对象，对其创新效率进行研究.本文的研究数据来源于科技部火炬中心公布的《中国火炬统计年鉴2018》. 以此数据为基础，选取规模报酬可变的BCC模型，可计算出中部六省国家级高新区的综合效率、纯技术效率、规模效率以及规模收益，如表2 所示. 当综合效率与纯技术效率相等时，该高新区处于规模收益不变阶段，表示为“-”. 此外，还有规模收益递减阶段，表示为“drs”；规模收益递增阶段，表示为“irs”.

由表2可知，中部六省37个国家级高新区中，有13 个高新区综合效率值为1，安徽省的合肥，马鞍山慈湖，江西省的吉安、赣州，河南省的安阳、新乡、焦作，湖北省的武汉、咸宁、仙桃、随州以及湖南省的湘潭、郴州这些国家级高新区的创新效率相对最优，表明当前技术条件下，其资源与规模配置最为合理.其余24 个高新区创新效率为非DEA有效，每个省份都存在综合效率较低的高新区. 为进一步分析各高新区综合效率情况，根据运行结果，对综合效率值进行分类. 综合效率值为1 的为DEA 有效，在0.8～1 之间的为较好，在0.6～0.8 之间的为一般，0.4～0.6 之间的为较差，小于0.4的为差，可得出中部六省国家级高新区创新效率分布情况，结果见表3. 从表3 中可以看出，高新区综合效率值为1 的占整体的35.14%，综合效率值在0.8～1之间的高新区占10.80%. 从整体来看，有45.94%的决策单元综合效率值大于0.8，这一部分高新区创新效率表现较好. 大部分的高新区综合效率值表现不太良好，有37.84%的高新区综合效率值低于0.6，拉低了中部地区整体的综合效率. 山西省两个国家级高新区的综合效率值均低于0.6. 此外，芜湖、洛阳、荆门等高新区的综合效率也低于0.6，创新效率较差，其创新资源投入产出效率相对无效. 综合效率较差的决策单元通常存在纯技术效率或规模效率较低，因此需进一步对纯技术效率与规模效率进行分析.

表2 中部六省国家级高新区创新效率值Tab.2 Innovation efficiency value of state-level high-tech zones in six provinces of central China

表3 中部六省国家级高新区创新效率分布情况Tab.3 Distribution of innovation efficiency in state-level high-tech zones of six provinces of central China

由表4均值来看，各高新区创新投入产出的规模效率均值较高，为0.856，纯技术效率均值为0.837略低于规模效率均值，综合效率均值最低，为0.724. 相对较好的纯技术效率表明，国家级高新区创新资源使用效率较好，资源配置较为合理，实现了对投入资源的基本转化，但仍有部分创新资源未能在高新区企业运行中发挥作用. 规模效率能够反映投入变化对产出的影响，规模效率值为1表明创新资源投入使用效率最佳，获得了当前技术条件下的最大产出. 规模效率与纯技术效率虽然相对较高，但是还有很大的发展空间. 从标准差来看，综合效率标准差较大（0.268），其次是纯技术效率（0.213），规模效率的标准差最小（0.183）. 标准差反映的是各决策单元的效率值与均值的离散程度，标准差越大数据的离散程度越大，反之则越小. 在三个标准差中，综合效率与纯技术效率的标准差较大，表明国家级高新区创新效率差异较大，发展不均衡，且纯技术效率差异大于规模效率差异.

表4 中部六省国家级高新区创新效率值统计特征Tab.4 Statistical characteristics of innovation efficiency value of state-level high-tech zones in six provinces of central China

从表5规模收益来看，在37个国家级高新区中，有13个高新区处于规模收益不变阶段，占中部地区国家级高新区的35.13%. 另有10个国家级高新区处于规模收益递增阶段，14个国家级高新区处于规模收益递减阶段，所占比例分别为27.03%、37.84%. DEA 运行结果显示，吉安、安阳、咸宁等13个国家级高新区处于规模收益不变阶段，即规模收益有效，其投入产出比例与发展规模较为匹配.

在规模收益相对无效的24个国家级高新区中，襄阳、芜湖、宜昌等14个国家级高新区属于规模收益递减阶段，单独的规模扩张不利于创新效率的提高，易导致创新资源的浪费，在今后的发展中需要加强对发展规模的控制；长治、平顶山、南阳、黄冈等10个国家级高新区处于规模收益递增阶段，当同比例增加创新投入时，可以获得更高的产出比例，因此这些国家级高新区可以通过扩大发展规模，提高生产效率. 从总体来看，中部地区的国家级高新区规模收益分布较为分散，三种规模收益类型的高新区数量分布较为均匀，但是近四成的高新区处于规模收益递减阶段，占比较大，且有35.13%的高新区处于规模收益不变阶段. 由此可见中部地区国家级高新区发展已经具有一定的规模，但是规模效应未得到充分发挥.

表5 中部六省国家级高新区规模收益分析Tab.5 Analysis of scale benefit of state-level high-tech zones in six provinces of central China

4.2 省域分布特征

中部地区除山西外其余各省都拥有DEA相对有效的高新区，也存在不同比例的相对无效的高新区，各省高新区创新效率、规模收益不尽相同. 为进一步了解中部地区创新效率发展特征，对中部地区高新区创新效率的省域分布进行深入研究. 根据DEA运行结果，以各省高新区各效率值均值作为各省的创新效率，如图1所示.

图1 效率值地域分布图Fig.1 Regional distribution map of efficiency value

从综合效率来看，江西省综合效率值最高，为0.795，综合效率值最低的为山西省（0.379），河南、湖北、湖南三省的综合效率值较为接近. 山西省拥有的两个国家级高新区综合效率均小于0.4，导致其整体综合效率值较低. 安徽省共有5个国家级高新区，虽然合肥和马鞍山慈湖高新区综合效率值均为1，相对DEA有效，但是蚌埠、芜湖、铜陵狮子山三个高新区的综合效率值均低于0.4，拉低了安徽省的整体创新效率. 而河南、湖南、湖北三省的国家级高新区的综合效率分布较为分散，各阶段的效率值大致均有涉及，除湖北省有4个DEA有效的国家级高新区外，其他两省的高新区并未出现较为集中的效率值分布. 从纯技术效率来看，湖南省纯技术效率最高（0.879），其次是江西、河南、湖北、安徽四省，山西省的纯技术效率最低（0.476）. 山西省的纯技术效率远低于中部地区的平均水平（0.837），资源的使用效率较低. 从规模效率来看，山西省、安徽省的规模效率略低于平均值（0.856），其余各省的规模效率值均表现较好. 从规模收益来看，山西省的高新区均属于规模收益递增阶段，在创新资源投入与规模发展方面均有很大的发展空间. 安徽、江西、湖北三省的国家级高新区中均仅有一个高新区处于规模收益递增阶段，分别是铜陵狮子山、景德镇、黄冈国家级高新区，其中铜陵狮子山与黄冈高新区均是2017年新建立的高新区，发展时间较短. 三省国家级高新区大多处于规模收益有效或规模收益递减阶段，其发展已经具有一定的规模. 河南省近半数的国家级高新区处于规模收益有效阶段，规模效益发挥较好，湖南省则大多处于规模收益递减阶段.

综上所述，山西省综合效率较低，且纯技术效率是影响综合效率的主要因素，表明山西省国家级高新区的创新资源使用效率较低. 河南省、湖北省、湖南省、江西省效率值较为接近、表现较好，但是也存在一些问题，如缺乏代表性、典型性高新区，尚未形成高新区之间的集聚发展.

4.3 创新效率无效的原因分析

在37个国家级高新区中，有24个国家级高新区创新效率相对DEA无效，这些相对无效的高新区纯技术效率或规模效率值并不理想，导致其综合效率相对较低. 因此，需要对国家级高新区创新效率无效的原因进一步分析. 通过对BCC模型中测算的创新投入产出松弛变量的研究，给出相对创新效率无效高新区的投入产出调整方案.

从表6 创新投入指标来看，山西省两个高新区均存在人力资源投入冗余，表明山西省在发展高新区时需注意人力资源投入的质量，提高高新区管理水平. 此外，安徽省、河南省的高新区也存在较为明显的人力投入冗余，应注重创新人力资源的数量与质量，实现高质量发展. 而江西省和湖南省主要体现在R&D经费内部支出冗余，需要对创新资金投入力度进行适当调整. 湖北省的孝感、黄冈、荆门则存在规模投入冗余，规模效益未能充分发挥. 需要注意的是，郑州国家级高新区的人力投入与高新技术企业数均存在较大的投入冗余，在当前投入产出水平下，其人力与规模投入未能创造相对最优的产出，存在较大比例的资源浪费，急需对其投入的人力资源进行合理分配，设立科学的内部运行机制与管理制度，提高人员使用效率与运营效率. 在四个投入指标中，需要对R&D人员全时当量、R&D经费内部支出进行调整的高新区分别有13个、10个，而规模投入仅有7个. 由此可见，在DEA相对无效的高新区中，人力投入与财力投入是导致高新区无效的主要因素.

表6 中部六省国家级高新区创新投入指标调整Tab.6 Adjustment of innovation investment indicators in state-level high-tech zones of six provinces of central China

从表7创新产出指标来看，太原、长治国家级高新区在经济效益产出方面均存在不足，表明山西省国家级高新区创新活动带来的经济效益相对不足. 河南省三个存在产出不足的高新区中，洛阳和平顶山均存在净利润与技术收入产出不足，表明其经济效益相对欠缺，且其创新效益欠佳，创新活动中的技术产出成果不足，加强技术创新能力能更好地提高其创新效率. 安徽、江西、湖北存在不同程度的技术收入不足，需要增强高新区的技术创收能力. 此外，安徽省和湖北省还需努力提高高新区的国际竞争力，增强创新活动对国际的影响力. 各国家级高新区在社会效益方面的表现相对较好，仅有铜陵狮子山、宜昌等4个高新区需要对此进行调整，由此可见创新活动为高新区带来的社会效应较好. 在三个产出指标中，存在出口总额与技术收入不足的高新区数量较多，是导致高新区创新效率较低的主要影响因素.

表7 中部六省国家级高新区创新产出指标调整 单位：千元Tab.7 Adjustment of innovation output indicators of state-level high-tech zones of six provinces of central China

5 结论与建议

本文运用DEA方法，通过构建国家级高新区创新效率分析指标体系，对中部六省国家级高新区创新效率进行实证分析，得出以下主要结论.

1）中部六省国家级高新区整体的综合效率较低，仅三分之一的高新区综合效率为DEA运行有效. 中部地区37个国家级高新区中仅有13个高新区的创新效率属于DEA有效，其他高新区的投入产出比例均未达到相对最佳；中部六省整体的规模效率（0.856）与纯技术效率（0.837）虽略高于综合效率（0.724），但仍有很大的发展空间，合理规划资源投入比例与规模配置，可以进一步提升其创新效率.

2）中部六省国家级高新区存在较明显的区域差异，发展不均衡. 山西省国家级高新区综合效率较低（0.379），而河南省（0.768）、湖北省（0.767）和湖南省（0.757）创新效率较高，地域差异显著. 山西省国家级高新区数量较少，且其纯技术效率较低，创新资源未能得到充分使用，导致综合效率整体不高；安徽省、江西省、湖北省的国家级高新区大多处于规模收益递减阶段，其发展已经具有一定规模；河南省7个国家级高新区中有三个处于规模收益不变阶段，规模效益发挥最佳.

3）对于DEA无效的高新区，在7个投入产出指标中，R&D人员全时当量、R&D经费内部支出、出口总额与技术收入对高新区创新效率影响较为显著. 对于高新区创新人力投入、财力投入、出口总额与技术收入指标需要进行调整的高新区数量分别为13、10、11、12，相对其他指标占比较多，对高新区创新效率影响较为明显.

为进一步提高中部六省国家级高新区创新效率，优化资源配置，提高高新区整体发展效率，提出以下建议.

1）深入挖掘高新区的内部优势，建立具有代表性的国家级高新区，带动周边高新区协同发展. 虽然中部地区的国家级高新区大多已经具有一定规模，但是缺乏代表性的高新区，整体创新效率较为一般. 打造一流的国家高新区，不仅能够增强创新资源集聚，优化创新创业环境，更能够为周边地区形成良好的示范效应.

2）为增强高新区经济效益产出，高新区企业需努力提高出口产品技术含量，增强企业自主创新能力；在创造更多经济效益的同时，不断提高创新人员质量，优化高新区内部运行机制，合理分配创新资金，从而减少因此造成的投入冗余. 通过对资源投入的数量与结构的调整，充分发挥各项创新资源的效用，优化资源配置，提高国家级高新区创新效率.

3）根据各自省域及国家级高新区的优势，对高新区及其企业进行结构优化，提高创新效率，降低区域差异. 中部地区的国家级高新区创新效率差异较为明显，且各省内部高新区发展也处于不均衡阶段. 因此，需要针对不同的发展环境制定相应政策，根据各地区自身的特点选择合适的运行机制，优化内部结构，从而提高创新效率.