提升城市科技创新效率的路径与方法研究*

穆广杰

一、引言

创新是以新思维、新发明和新描述为特征的概念化过程，是人类特有的认识能力和实践能力，是人类主观能动性的高级表现形式，是推动社会进步和经济发展的动力，是以对生产要素和生产条件进行新的组合，包括科技、组织、商业和金融等一系列活动的综合过程。科技创新则是指利用已有知识去发展新的知识、技术，在科学技术领域所开展的一种创造性、系统性活动，其主要来源是科学上的新发现，是将目前最新的科学研究成果迅速转化为新技术、新工艺，从而实现大幅度的技术进步，是以需求为导向的一切新技术、新知识的发明创造，并将其运用到实际生产当中不断产生商业价值的过程，是科学投入—科技成果—经济成果的全过程。

科技创新活动是一种典型的投入—产出活动，科技创新活动的各项投入（经费、人员、设备等）是保证科技创新迅速发展的基础与必要条件，其投入产出比反映了整个区域科技资源的有效配置程度，是科技创新成果转化为现实生产力和商业价值的效率。因此，科技创新效率是指在一段时期内，在科技创新环境和资源配置条件正常波动的条件下，投入每单位资源所获得的产出，或者收获单位科技创新产出所消耗的投入，可以体现一个地区科技资源的配置能力、衡量该地区科技创新体系的运行质量。

党的十九届五中全会提出：“要强化国家战略科技力量，提升企业技术创新能力，激发人才创新活力，完善科技创新体制机制”。习近平总书记2020年9月11日的《在科学家座谈会上的讲话》指出：“当今世界正经历百年未有之大变局，我国发展面临的国内外环境发生深刻复杂变化，我国‘十四五’时期以及更长时期的发展对加快科技创新提出了更为迫切的要求。（1）加快科技创新是推动高质量发展的需要。建设现代化经济体系，推动质量变革、效率变革、动力变革，需要强大科技支撑。（2）加快科技创新是实现人民高品质生活的需要。为满足人民对美好生活的向往，必须推出更多涉及民生的科技创新成果。（3）加快科技创新是构建新发展格局的需要。推动国内大循环，必须坚持供给侧结构性改革这一主线，提高供给体系质量和水平，以新供给创造新需求，科技创新是关键。畅通国内国际双循环，也需要科技实力，保障产业链供应链安全稳定。（4）加快科技创新是顺利开启全面建设社会主义现代化国家新征程的需要。习近平总书记强调，抓创新就是抓发展，谋创新就是谋未来。创新能力已经成为确定区域竞争优势、促进区域内社会经济可持续发展的关键因素。创新能力的一个重要环节就是科技创新，依靠科技创新来提升区域的综合实力和核心竞争力已成为各级政府共同选择和追求的目标。科技创新水平不仅成为制约经济实现高质量发展的重要因素，影响着大国竞争力，更在社会生活的方方面面起着不可或缺的作用。

我国于2005 年在《全国城镇体系规划（2006—2010 年）》中提出国家中心城市的概念，先后确定9个国家中心城市：北京、天津、上海、郑州、武汉、广州、重庆、成都、西安。国家中心城市不仅是一国城市经济发展水平的最高代表，对国家经济发展起到强大的引领带动作用，而且是畅通国内大循环、沟通国内国外双循环的重要桥梁和门户，代表国家参与国际合作与竞争。研究国家中心城市的科技创新发展现状，比较其科技创新效率的大小，并对影响科技创新效率的因素做出分析，可以对全国其他城市的智慧化建设、提升以科技创新能力为核心的竞争力起到指导作用。作为某特定区域内的科技创新主体和资源集中地，国家中心城市是区域科技创新的中心，是区域科技创新能力的重要体现，是一个国家社会、经济、科技发展的主战场。保障城市经济实现以科技创新为核心的高质量发展是实现国家经济高质量发展的必要前提。要全面、系统、客观地评价国家级中心城市科技创新能力，仅研究数量规模是不够的,更重要的是对科技创新效率的综合评价。虽然我国经济总量位居世界第二，但科技创新成果转化率较低，各地区之间发展差异较大，总体科技水平落后的问题仍然相当突出，尤其是科技创新能力较低，阻碍我国经济由高速发展阶段向高质量发展阶段转变。以创新为着力点来促发展已经成为我国政治、经济、科技等各领域的迫切要求，科技创新一直是学者们研究的重点、热点问题。

通过测度国家级中心城市2009—2019 年科技创新综合效率、纯技术效率、规模效率值，对各城市的科技创新效率及规模报酬情况进行客观的综合评价，深入探究影响科技创新效率的主要因素，根据各地区实际情况提出提升城市科技创新效率的方法，对于提升我国中心城市的城市竞争力、区域带动力、前沿科技发展水平，使我国早日实现跻身创新型国家前列、建成世界科技强国的目标具有重要现实意义。

二、文献综述

截至目前，国内外学者针对科技创新效率展开了卓有成效的研究，拓展了科技创新效率研究的应用领域，产生了很多有益的研究方法。Farrel（1957）是最早提出效率测度概念的学者；在科技创新效率研究的方法上，Korhonen、Cherchye运用DEA法对荷兰高校的科技创新效率进行了研究,并以学术论文和引用率为指标计算了高校科技创新活动的效率水平；Eric C Wang、Weichiao Huang 运用DEA 法研究了不同国家科技创新活动效率的生产框架,并以R&D资本存量、R&D人员投入、专利数等指标分三阶段进行分析；柳瑞禹、何志明、范如国(2016)运用BCC模型和Malmquist指数分别测算了研究期内中部六省科技创新效率和全要素生产率变化率，并利用Tobit模型分析了科技创新效率的影响因素；李林汉、王宏艳、田卫民（2018）采用三阶段DEA模型，对我国2015年的省际科技金融效率进行测算，同时利用Tobit模型对科技金融效率的影响因素进行分析；李豪（2019）认为绝大多数学者在运用DEA方法进行评价时，没有考虑到环境因素对效率的影响，这些因素是真实存在而又不可控的，应当在研究中剔除，他运用三阶段DEA-Tobit法，在不考虑时滞效应条件下，评价了中部六省2012—2017年的科技创新效率。

通过对现有文献的研究发现，国内学者对国内科技创新效率实践的研究未形成统一认识，对国家中心城市科技创新效率的发展状况及其引领作用研究仍显不足。因此，本文以我国9 个国家中心城市作为研究对象，运用DEA-Tobit 模型测算国家中心城市科技创新活动的投入—产出效率，对规模报酬可变条件下各中心城市2009—2019 年的科技创新效率做出评价，分析各中心城市科技创新效率的差异，构建Tobit模型，研究其影响因素，并据此给出政策建议。

三、研究模型与数据处理

下面对本文实证研究拟采用的研究方法、模型、指标选择与数据处理进行分析和说明。

1.研究方法与模型

数据包络分析法（DEA）是一种以相对效率为基础的、使用数学规划模型来比较决策单元（Decision Making Unit,DMU）之间相对效率的评价方法，该分析法作为一种非参数分析方法,可对多投入指标、多产出指标的复杂经济系统相对效率进行评价，无须确定投入与产出之间具体的函数形式，避免了由于函数形式可能导致的问题，无须对数据进行无量纲化处理，具有较好的客观性,适合做科技创新效率评价。本文在实证研究部分测算了每个国家中心城市2009—2019年各年的科技创新综合效率值、纯技术效率值、规模效率值，并在此基础上利用Tobit模型研究分析影响城市科技创新效率的各类因素。

2.指标选择与数据处理

对科技创新活动投入—产出的研究中，投入要素指标可简单分为人员投入、资金投入、物资投入；产出指标则表现为科技出的成果、效益等。由于目前理论界并无统一的科技创新效率指标，考虑到指标的科学性、导向性、层次性、独立性、可比性、可行性、代表性以及数据的有效性与获得性，并结合相关文献对不同指标进行研究分析的理论支撑，建立DEA 分析的投入—产出指标体系。选取的科技创新效率评价指标如表1所示。

表1 国家中心城市科技创新指标体系

在对科技创新效率变化与分解研究基础上，需要深入分析探讨各城市科技创新效率的影响因素。目前，国内大多数学者对区域科技创新投入—产出效率影响因素的研究主要集中在经济发展水平、政策支持程度、科技创新的投入与产出规模、地区教育水平、人力资源水平等方面。经济发展水平是支撑科技持续创新的经济基础，考虑到各城市的规模，本研究选择各城市的人均国内生产总值反映其经济发展水平；由于科技创新的高风险和长周期，政府的支持力度就显得尤为关键，因此选取地方财政科学技术支出占地方财政支出的比例来反映政策支持程度；科技创新需要大量的资金支持，除政府财政支持外，科研机构和企业自身的资金投入也是十分必要的，本研究选取R&D经费投入强度反映科技创新的经费投入程度；高科技企业是科技创新资源配置的重要载体，科技成果的产出与转化一般是通过高技术产业完成，高技术产业越是完整，规模越大，科技创新的效率相应越高，因此选取高技术产业增加值占地区生产总值的比例来反映科技创新产出效果；地区教育水平和人力资源水平是科技创新人才保障，因此选用政府教育支出占地方财政支出的比例反映地区教育水平；选用每万人高校在校学生数和高科技人员的净流入（本科以上的科研、技术人员流入与流出差额）反映人力资源水平。解释变量如表2所示。

表2 科技创新效率影响因素的解释变量

对9 个国家中心城市2009—2019 年各类指标的相关性分析表明，科技创新指标体系中的投入与产出指标之间各年均在a=0.05 的条件下呈现显著正相关。

本文所用科技创新投入—产出指标以及影响因素指标数据均来自《中国统计年鉴》（2010—2020）、《中国科技统计年鉴》（2010—2020）。为消除价格因素影响，真实反映9 个国家中心城市科技创新活动的投入—产出状况，以2000 年为基期，用R&D价格指数进行平减处理。

四、实证分析

本文对9个国家中心城市科技创新效率的实证分析从创新效率和影响因素两个方面展开。

1.创新效率的实证分析

基于规模报酬可变原则，利用产出导向的DEA-BCC 模型，对2009—2019 年每年的国家中心城市的投入—产出指标进行DEA 分析。将各年的各城市都视为单独的效率决策单元（DMU）,测算出每个城市各年度科技创新综合效率值、纯技术效率值、规模效率值如表3 所示，其中：综合效率＝纯技术效率×规模效率，“irs”表示规模报酬递增，“drs”表示规模报酬递减，“-”表示规模报酬不变。2009—2019 年各国家中心城市效率均值及排名见表4所示。

表3 2009—2019年各国家中心城市科技创新综合效率、纯技术效率、规模效率

表4 2009—2019年各国家中心城市效率均值及排名

从结果来看，9 个国家中心城市科技创新的综合效率、纯技术效率、规模效率在数值上呈递增趋势，表明在研究期内，各个城市科技创新效率在持续提高，其中北京、天津、上海、成都、西安历年来规模效率大于纯技术效率，且规模报酬持续递增，但几乎不存在DEA 相对有效的年份（仅成都在2012年、2013 年达到DEA 相对有效），表明其科技创新效率的提高主要依赖于增加投入的规模效应，而DEA 相对无效的主要原因是纯技术效率偏低。一方面说明这些城市对加大科技投入的重视程度，另一方面则需要进一步提高科技产出的技术效益贡献率。重庆市的综合效率值、纯技术效率值、规模效率值变化不大，其科技创新综合效率没有显著提高且处于较低水平（均值0.5444），表明重庆无论是在加大科技投入方面还是在提高科技产出的技术效益贡献率方面均需要加强。武汉、郑州和广州三个城市各有特点，武汉的科技创新综合效率和纯技术效率呈递增趋势，规模效率较为稳定，且规模报酬递减状态，表明武汉虽然科技产出的技术效益贡献率在提高，但是科技投入的步伐在放缓，始终没有达到DEA 的相对有效；郑州的综合效率、纯技术效率、规模效率数值较高，规模效率与纯技术效率基本持平，规模报酬持续递增，在2009年、2017年、2018 年达到了DEA 相对有效，表明郑州对科技创新投入—产出效率较为重视，在科技投入持续加大的情况下，科技产出的技术效益贡献率稳步提高；广州的综合效率值、纯技术效率值、规模效率值始终处于较高水平，在2014—2019年均达到DEA相对有效，表明广州无论是在科技投入还是在科技成果转化等方面都有值得其他城市借鉴和学习的经验。

各个城市在科技创新效率上还存在问题：一是各个城市达到DEA相对有效次数不高，表明在科技创新投入和产出没有达到最有效状态，存在无效投入或产出不足的情况；二是大多数城市的规模效率高于纯技术效率，还存在通过投入来提高产出的粗放状态，科技创新活动中资源的配置问题、投入变量的利用问题还没有得到足够的重视。因此，各城市应当通过杜绝无效投入、进一步提高投入—产出效率、优化资源配置等手段来提高纯技术效率，从而实现DEA的相对有效。

2.创新效率影响因素的分析

从以上研究内容可以看出，各中心城市的科技创新效率有所差别。利用Tobit 模型可以分析影响科技创新效率的各类因素。DEA 模型得到各地区的科技创新效率值都位于0 到1 之间，因此不能选用最小二乘法的回归模型，需要选择Tobit 回归模型，该模型是由Tobin于1958年提出的，它的主要特点是当因变量为部分连续时可以采用。在对于科技创新效率影响因素的研究分析中，本文借助面板Tobit模型进行拟合，对2009—2019年9个国家中心城市的面板数据进行回归，借助回归结果再进一步研究各城市科技创新效率的影响因素，从而优化国家中心城市科技创新效率提升的建议。

由于人均国内生产总值（X1）、每万人平均高校在校学生数（X6）、高科技人员的净流入（X7）三个解释变量有不同的计量单位，进行Tobit回归前，对其进行取对数处理，以减小波动幅度，缓解异方差的干扰。结果如表5 所示。模型中被解释变量Crste 表示不同城市、不同年份的科技创新综合效率。

表5 科技创新效率影响因素Tobit回归模型参数

模型结果显示各个解释变量中人均国内生产总值（X1）、地方财政科学技术支出占地方财政支出的比例（X2）、R&D经费投入强度（X3）、高技术产业增加值占国内生产总值的比例（X4）、政府教育支出占地方财政支出的比例（X5）、高科技人员的净流入（X7）在1%的置信水平下显著，每万人平均高校在校学生数（X6）在10%的置信水平下是显著的，说明这些因素显著影响各城市科技创新综合效率。

反映高科技科技创新的投入与产出的两个解释变量影响程度最高，其参数估计值分别为6.46326 和5.36859，表明这两个变量分别增加1%时，科技创新综合效率将分别平均提高6.46%和5.37%，充分显示了高科技企业在提高城市科技创新综合效率方面的引领作用。

反映经济发展水平的解释变量参数估计的对数值为1.1875，即人均国内生产总值的对数值每增长1 个单位，科技创新综合效率将平均增长1.1875%，表明一个地区的经济发达程度对其科技创新效率的提升有着正向促进作用，由于科技创新活动具有周期长、投入大、风险高等特点，较高的经济发展水平能给予充分的经济保障。

反映地区教育水平的解释变量参数估计值为1.06456，表明政府教育支出占地方财政支出的比例分别增加1%时，科技创新综合效率将平均提高1.06456%，说明加大教育投入可以提高科技创新综合效率；反映地区人力资源水平的两个解释变量参数估计的对数值分别为1.17659 和1.72761，即这两个解释变量的对数值每增长1 个单位，科技创新综合效率分别将平均增长1.17659%和1.72761%，表明地区教育发展水平和高素质人才数量对科技创新综合效率的有着显著的作用，尤其是城市的高科技人员的净流入对综合效率作用效果已经高于经济发展水平的影响。

反映政策支持程度的地方财政科学技术支出占地方财政支出的比例参数估计值虽然为正，但数值最小，说明在诸多因素中，政策支持程度对科技创新综合效率的增加贡献不大，其增加1%带来的综合效率的增加仅为0.2589%，说明政策支持的费用支出在利用与转化机制上效率不高，配置不合理，持续加大资金投入并没有很好地转化为科技创新效率的提升。

五、城市科技创新效率提升的现状、路径及建议

本部分通过对城市科技创新效率的现状及产生的原因进行分析和探讨，提出提升城市科技创新效率的路径和对策与建议。

1.城市科技创新效率的现状及产生的原因

通过对2009—2019 年9 个国家中心城市的科技创新综合效率以及影响因素的实证分析，可以得出以下结论，这也是我国目前城市科技创新效率基本状况：（1）整体的科技创新综合效率偏低，这9 个城市是我国区域社会经济发展的中心和科技资源的集中地，是区域科技创新效率的制高点，仍然存在较高程度的DEA相对无效，表明我国科技创新效率存在较高增长空间；（2）高科技企业对科技创新的态度对综合效率的提高起着重要作用；（3）教育与人才是提高科技创新综合效率的重要因素，其作用已经等同于甚至大于地区经济发展水平；（4）地区经济发展水平是科技创新的经济基础和保障；（5）政府的支持对科技创新综合效率提高的作用是有上限的。

整体的科技创新综合效率偏低的深层次原因在于：（1）科技创新投入结构不合理。由于基础性理论研究投入大，见效慢，因此，各城市R&D经费投入的三类活动（基础研究、应用研究、试验发展）中，基础研究的投入比例偏低，仅占10%左右。缺少基础理论的创新在很大程度上影响了创新综合效率的提高。（2）科技投入资源配置不合理。虽然各中心城市地方财政科学技术支出占地方财政支出的比例普遍较高，在科技创新上的投入较大，但投入的对象主要是大型或超大型企业，以及重点高校和科研院所，对很多具有一定特色的中小型科技企业以及一般院校和科研院所的支持力度不足。缺乏科研经费使这些单位科研积极性不高，其自身的优势和特色无法发挥。（3）科技创新质量有待进一步提高。虽然9 个国家中心城市在新产品产值、科技论文数、每万人发明专利拥有数等科技产出指标上绝对数值较高，但新产品的科技含量不高，高水平、具有创新性的科技论文与发明专利比例不高。（4）科技创新转换率不高。由于缺乏科研院所与企业在科技创新上的联动机制，使得大量最新的科研成果无法在较短的时间内转化为企业生产力。（5）科技创新保护机制不完善，造成企业在科技创新收益上的不确定性。科技创新需要占用大量的资金与人员投入，如果科技创新成果在较短的时期内被模仿，前期的投入很难转化为收益，使得投资风险加大，影响企业科技创新积极性。

2.提升城市科技创新效率的路径

结合当前9 个国家中心城市科技创新效率基本特点，可以通过以下途径提升其科技创新效率：（1）坚持需求导向和问题导向。各个中心城市应针对本地区DEA相对无效的特点和原因，结合中心城市的功能定位，针对本地区的核心需求和主要问题制定切实可行的政策并加快科技创新政策的实施进程，尽量缩短政策实施的滞后期，加大对政策执行情况的监督力度；同时建立健全有效的评估和激励机制，对科技创新效果进行科学评估。（2）优化科技创新的资源配置。拓宽科技资金来源渠道，加大科技投入，充分吸收社会资本，鼓励各级各类企业进行创新投资，适当引进外资作为科技创新资金的补充。形成政府为主导、企业为主体、外资为补充、政府政策为引导的多元化科技创新资金投入体系。同时，各国家中心城市要高度重视资金的投向和分配结构，避免资源冗余和优质资源的浪费。在增加科技财力资源投入的同时，还应根据本地区的核心需求和主要问题，对纯技术效率较高的行业加大资金投入，而对规模报酬递减的行业适当减少资金投入。（3）加大科技、教育的投入力度。政府教育支出占地方财政支出的比例代表了当地的政策导向，同时，高素质的科技人才是科技创新活动的基础，是最重要的科技创新要素。充足的教育经费有利于培养高质量的科研人才，为科研活动打下坚实的人力资本基础。（4）大力推进科技创新成果的转化。各国家中心城市应重视科技产出的质量，实现创新科技成果与社会需求的有效对接；实现科技创新资源的优化配置，促进科技创新资源配置的市场化，激励企业进行自主研发，尽量避免科技创新过度依赖高等院校和科研院所的现象，鼓励高等院校和科研院所将自己最新科研成果向企业转移，使其迅速地转化为科技生产力，避免将科研成果束之高阁。

3.提升城市科技创新效率的对策与建议

第一，加快政府职能与角色的转变。各级政府要加快科技管理职能的转变，为科技创新创造良好环境、提供基础条件，发挥好组织协调作用，把更多精力放到定战略、定方针、定政策和创造环境、搞好服务上来。同时做好科技创新财政资金优化配置工作，优化资金的融资渠道和投入方式，优化资金投入的结构配置，确定基础研究、应用研究和试验发展经费的合理比例，提升科技创新财政资金配置的科学性、合理性和规范性。

第二，促进科技创新资源的有效融合。建立健全城市科技资源管理体制和城市科技创新资源流动机制，加强高校、科研院所、企业加强产学研的有效融合，实现资源共享，充分发挥高校、科研院所、企业在科技创新及其成果转化中的作用，使科技投入资源实现有机融合，优化科技创新资源配置，提高科研成果的转化效率，为科技创新创造自由的研究环境和良性竞争的制度环境。

第三，建立科技人才、科技信息的共享平台。一方面要大力建设高水平的科技创新人才队伍，另一方面要进一步深化科技人才培养和使用机制的改革，建立健全合理的高水平科技创新人才的流动与共享机制，鼓励组建跨行业、跨地区、跨部门、跨单位的高水平科技创新团队，充分发挥协作优势。同时，利用大数据、云计算的现代网络科技手段，充分实现科技创新信息的及时发布和有效共享，提高科技资源和科研成果的利用效率。

第四，加大基础性研究的支持力度。由于基础理论的研究周期长，见效慢。因此，需要对从事基础理论研究科技人员和科技企业在政策上鼓励，资金上支持，改革科研绩效评价机制，给予科研单位和科研人员更多自主权。建立科学分类、合理多元的评价体系，在科研成果考核过程中避免急功近利的现象出现。

第五，完善科技创新保护机制，加大保护力度。要强化对知识产权的保护，充分、有效地调动科技人员和企业进行科技创新的积极性，积极采取有效措施降低科技创新的投资风险，激发创新活力和发展潜力。