京津冀城市群科技资源配置效率分析——基于DEA-Malmquist 指数模型

舒天楚，聂小琴，郭含文，2，李 旭，白彬杰

（1.中国城市建设研究院有限公司，北京 100120；2.清华大学环境学院，北京 100084）

1 研究背景

京津冀城市群是我国经济发展城市群的重要组成部分，是促进国家城市经济发展的核心区域。随着国际经济发展和社会变化，科技资源已成为区域经济发展的重大战略资源之一［1］，科技资源整合效率直接影响了区域生产和创新能力。科技资源高效整合，可以直接增强区域创新系统中创新要素的高效生产和流动，优化并提高企业科技资源效率和创新绩效［2］。同时科技资源配置优化和科技创新能力提升作为提高科技资源整合效率的有效途径，愈来愈成为京津冀区域科技管理和科技协同发展的首要需求。

科技资源配置，即指科技资源在区域的科技活动主体、时空阶段等的分配与组合［3］。科技资源配置效率的变化程度，直接反映了区域科技发展和创新的特征。现有关于区域科技资源配置效率及其影响因素的研究方法，主要包括数理经济学分析法、时间序列数据或截面数据分析法以及面板数据随机效应模型分析法，其中时序数据和截面数据分析法主要包括数据包络分析（data envelopment analysis，DEA）法、生产经济函数计算法以及计量经济学回归分析法。如刘玲利［4］曾联合DEA-Malmquist 指数模型与随机效应模型，对1998—2005年我国30 个省份科技资源配置效率变化及影响因素进行实证检验；毛世平等［5］运用DEA-Malmquist 指数法对京津冀农业科研机构科技资源结构与配置效率进行研究；Luo 等［6］基于Malmquist-data 包络分析指标对我国绿色科技创新效率进行评价；Cao 等［7］将23 个能值指标纳入DEA-Malmquist 生产率模型中，并从技术变化和效率变化两个方面对2009—2015年我国“经济-生态”效率变化进行探究。

正确认识当前京津冀城市群的科技发展水平以及多区间时空演变规律，是制定京津冀区域协同发展战略和提高区域创新水平的基础，对提高京津冀协同发展能力具有重要意义。因此，本研究采用DEA-Malmquist 指数法，对2011—2018年京津冀城市群科技资源配置效率进行测度并分析其主要影响因素，衡量科技资源配置的时空演变过程和相互作用对京津冀协同发展的影响，以期为制定京津冀协同发展对策提供参考。

2 京津冀科技资源配置基本情况

2.1 配置规模特点

科技资源的配置规模主要体现在人力资源投入和经费投入两方面。京津冀R&D 人员投入由2011年的52.04 万人增加到2018年的72.67 万人，增长率为39.64%，2018年的R&D 人员投入强度是全国（未含港澳台地区。下同）的11.06%［1］。分地区来看，2018年有54.61%的R&D 人员集中在北京市，但同时R&D 人员不断向河北省流入，使其人员集中率由2011年的21.49%增至23.26%并超过天津市。8年来，京津冀地区R&D 科研经费投入一直在我国保持较高水平并呈现稳步增长的趋势，由2011年的1 535.26 亿元增长至2018年的3 083.43 亿元，全国占比14.61%。作为京津冀的经济和科技发展核心城市，北京市的科研经费投入占比为三地最高并在8年中未发生明显变化，由2011年的66.30%变化为2018年的66.32%，这也说明京津冀地区的科技资源投入大部分来自北京市。2018年京津冀科技资源配置基本情况如图1 所示，可以看到北京市R&D 经费投入强度高达6.17%，天津市和河北省分别为2.62%和1.39%［8-9］。从R&D 经费内部结构看，三地在试验开发领域的投入最大，河北省在试验开发领域占比最高（85.42%），而北京市为三地最低（63.08%）；同时，在基础研究领域投入强度上，北京市（14.85%）远高于天津市（4.8%）与河北省（2.63%），北京市多年来更加注重基础研究的发展投入，试验与发展项目多以分包的形式流向其他地区。

图1 2018年京津冀地区R&D 经费内部投入结构

2.2 配置分布特点

京津冀地区科技资源配置的地理分布存在较为突出的失衡现象，这种科技资源空间的非均质排布在一定程度上限制了京津冀地区的科技创新协同发展。通过对京津冀科技资源共享平台提供的信息统计，2018年京津冀地区共拥有50 万元以上仪器设备52 368 台（套），大型科学仪器6 745 台（套），其中北京市拥有50 040 台（套），占京津冀总数的84.65%，远高于天津市（3.50%）和河北省（11.85%）两地；共建立包括国家级工程技术中心、国家级重点实验室在内的国家级研究基地182 个，其中北京市拥有165 个，天津市和河北省的占有率分别仅为5.49%和3.85%。“十三五”以来，我国大力促进京津冀地区协同发展，2017年京津冀共同制定了《加强京津冀产业转移承接重点平台建设的意见》，明确了区域产业布局优化和创新产业转移的方向，将企业与科技资源在一定程度上向冀南地区迁移。此外，2018年河北省所拥有的检验检测机构以及相关R&D 企业数量占京津冀总量的比例，远高于北京市与天津市两地，分别为43.78%和49.68%，拥有科研机构和高等院校以及规上企业所占比例较2015年逐渐提高。

图2 2018年京津冀地区科技资源配置结构

2.3 配置结构特点

如图2 所示，2018年京津冀地区对工业企业和科研机构的R&D 经费内部投入相平，分别为861.20亿元（0.42%）和951.95 亿元（0.46%），对高等院校的R&D 内部经费投入最少；R&D 人员多集中于工业企业中（47.23%），在高校和科研机构的占比分别为26.71%和26.06%［10］33-50，［11］8-103，［12］37-73。从区域角度看，不同地区的3 种科技资源投入在不同主体中分配差异较大：北京市R&D 经费内部投入多集中于科研机构（62%），而天津市和河北省多集中在工业企业领域，占比分别为55%和83%；同时，天津市与河北省将较大比重的R&D 人员投入工业企业中，分别占69%和71%，而北京市的科研人员在高等院校（31%）、科研机构（44%）和工业企业（25%）3 个科技活动主体中投入分布较为均衡［10］33-50，［11］8-103，［12］37-73。因此从区域科技资源投入而言，北京市的投入重点多集中于基础研发，而以工业发展为主的天津市和河北省将较多科技资源分配于工业生产和科技成果转化中。

3 京津冀科技资源配置效率分析

3.1 模型建立

本研究采用DEA 模型中的Malmquist 指数模型计算方法，同时运用DEAP 2.1 模型软件进行数据处理导出，进而分析京津冀地区科技资源配置效率的动态变化特征。DEA-Malmquist 指数模型是由Fare等［13］通过对DEA 方法演变得到的。在Malmquist指数模型中，采用距离函数计算科技资源投入与产出效率，距离函数可视为决策单元从相关生产点向理想最小投入点压缩的比值［3］。假定时间点t的输入和输出向量分别为，则时间点t与t+1 时期的投入、产出效率分别为（xt，yt）、（xt+1，yt+1），时间点t和t+1 的科技资源配置Malmquist 指数分别为：

因此，从时间点t至t+1 时期的科技资源生产率变化Malmquist 指数可表示为：

DEA-Malmquist 指数主要以全要素生产率变化程度（Tfpch）的形式表示，通过技术进步效率变化（Effch）与技术进步率变化（Techch）协同决定，其中技术进步效率变化可分解为纯技术效率变化（Pech）与规模效率变化（Sech）［13］。Malmquist指数替代公式即为：

式（4）中：Effch 主要用于衡量资源配置最优化情况，并有效评判决策单元对科技投入资源的利用程度，当Effch>1 时，表示此时间点的决策单元相对于最优的生产前沿面差距缩小，反之差距增大；Pech 主要基于相对于可变规模收益衡量生产技术的无效率，当Pech>1 时，该区间科技资源配置与投入利用率有所提高，反之减小［14］；Sech 用于评判决策单元的生产规模最优化情况，当Sech>1 时，该区间决策单元投入规模报酬得到有效提升，反之则表明存在关键因素对其起到阻碍作用；Techch 主要反映生产技术变动程度，当Techch>1 时，表明t+1 时决策单元技术创新能力以及技术进步能力提高，生产前沿面进行迁移。

由时间点t至t+1 期间内，当Malmquist 指数大于1 时，该区间全要素生产率呈增长趋势，科技资源配置效率提高；反之下降。具体形式如下：

老鳜鱼的门吱扭一声开了。他从屋里探出头来，手里还提着刀子，一片四十多年前的月光在刀子上蹦跳着。老鳜鱼的眼睛有些红，像兔子般的眼睛，也像兔子一样警惕地望着门外的人。

3.2 指标与变量选择

本研究中，决策单元为北京、天津、河北以及京津冀4 个地域，指标选取从科技投入和科技成果与效益产出两方面进行。其中，科技资源投入指标主要包括科技人力资源投入和科技财力资源投入，人员投入即参与研究与试验发展项目研究与管理等工作的人员数量（R&D 人员），而财力投入主要从相关机构开展研究与试验活动经费支出（R&D 经费支出）体现。基于科技资源配置的功能产出要素，科技产出指标主要选取科技知识性产出和科技成果转化产出。具体如表1 所示。

表1 科技资源配置效率评价指标体系

3.3 数据采集与处理

为确保数据的及时性和有效性，本研究假定生产点（xt，yt）选取期间为2011—2018年，面板样本数据选取自4 个决策单元。投入指标数据主要来源于《中国统计年鉴》（2012—2019年）和《中国科技统计年鉴》（2012—2019年）；产出指标数据主要依据《北京科技年鉴》（2012—2019年）、《天津市统计年鉴》（2012—2019年）、《河北科技年鉴》（2012—2015年）以及《河北科技统计年鉴》（2016—2019年）［15］。其中，R&D 经费投入的计算方法为R&D 内部经费支出与R&D 外部经费支出总和。主要变量数据如表2 所示。

表2 京津冀地区科技资源配置效率评价指标数据

表2 （续）

3.4 实证结果与讨论

运用DEAP 2.1 软件对2011—2018年京津冀地区科技资源配置效率变化情况进行实证分析，所得Malmquist 指数计算结果如表3 所示。

表3 京津冀地区科技资源配置效率变化情况

决策单元在不同期间技术效率变化指数以及技术进步变化指数分解结果如图3 所示，科技资源配置效率变化主要分为5 个类型：（1）技术进步和技术效率共同促进科技资源配置效率提升，主要体现在区域C2、F3和C4；（2）技术进步和技术效率协同抑制科技资源配置效率增长，主要在B2和D2区域体现，技术落后和无效性是科技资源配置效率负增长的根本原因；（3）技术效率无贡献，技术进步单一推进科技资源配置效率提高，技术停滞已成为资源配置效率负增长的主要来源，主要集中体现在北京市和河北省的F2、A3和C3区域；（4）技术进步提高了资源配置效率，而技术效率下降对资源配置效率增长率起到阻碍作用，主要体现在A2、A4和D4区域；（5）技术效率是科技资源配置效率提高的主要来源，而技术进步却削弱了该效率的增长速度，主要体现在E3和F4区域。

图3 京津冀地区科技资源配置效率变化趋势

从决策单元科技资源全要素生产率的构成来看（见表4），技术效率变化主要与科技活动管理水平和科技发展规模有关，技术进步率变化归因于科技创新和技术发展。在一定期间内，当技术创新发展投入大于管理运营和结构布局演变投入时，会导致技术进步率的变化程度高于技术效率。在2011—2018年中，京津冀地区的生产技术进步率均值为1.123，区域整体生产前沿面向前推移，科技创新水平和技术进步程度呈较大的增长趋势稳步推进；科技资源技术效率与规模效率变化率均值为1.001，8年来科技资源技术效率与生产前沿面的追赶程度整体呈增长趋势，决策单元与最优生产前沿的差距不断减小，科技资源投入规模报酬得到提高；平均科技进步效率变化率为12.3%，而平均效率变化率为0.1%。当技术进步变化率变化程度大于技术效率变化时，表明区域更倾向于技术积累，且在引入和消化后可以使科学技术快速进步［16-18］。在此期间，京津冀技术进步变化率影响占主导作用，全要素生产率的变化主要是由于技术进步和自主创新，京津冀地区更倾向于自主研发与自主创新能力培养以及技术知识积累，但在引入新生科技的同时对创新管理技术积累和改善重视不足，因此管理技术改进未能满足其创新需求。

表4 2011—2018年京津冀地区科技资源配置效率的Malmquist 指数分解

2011—2018年决策单元科技资源配置指数按区域分解情况如图4（a）所示。以时间为轴线来看，京津冀地区科技资源全要素生产率均大于1，且全要素平均生产率为1.142（见表3），这表明京津冀地区科技资源全要素生产率在此期间以每年14.2%的速度增长。2014—2015年，京津冀地区全要素生产增长率达到最高的19.1%（见图3），主要原因是在这期间天津市与河北省的全要素生产增长率分别达到最高的28.0%和20.4%；自2016年以后，京津冀地区全要素生产增长率呈明显降低趋势，并在2016—1017年期间达到最低的6.8%，主要原因是北京市在此期间的全要素生产率大幅降低。在2016—2017年间，北京市全要素生产率呈现了明显低谷，全要素生产率的增长率低至-7.8%，在技术效率不变的情况下北京市技术进步率仅为0.922。分析其原因在于，北京市经济发展水平对科技资源配置效率影响不大，北京市虽然具有较高的科技人力与财力资源投入，但对于科技创新和技术进步产生的正面效果并不明显。2017年，北京市在国家或行业标准单项产出指标方面降低了10.08%，但投入指标增加了17.53%（见表2），科技资源投入能力与科技资源配置效率增长不相匹配，可能存在内部资源配置浪费或科技资源流失等现象。

图4 2011—2018年京津冀地区科技资源配置Malmquist 指数平均值分解情况

4 结论与对策建议

4.1 研究结论

本研究通过对模拟结果进行实证分析，分析京津冀地区多年来科技创新能力和科技管理技术效率的演变过程，以及影响京津冀科技资源配置效率变化的影响因子，得到主要结论如下：（1）京津冀地区更倾向于自主研发能力培养而创新管理技术的积累和改善有所不足，管理技术的改进未能满足其创新需求，平均科技进步效率变化率为12.3%，而平均效率变化率为0.1%。（2）在2016—2017年间，北京市全要素生产率出现了明显低谷，全要素生产率的增长率低至-7.8%且技术进步率仅为0.922，直接导致京津冀地区全要素生产增长率达到最低的6.8%；而由于大量规上工业企业等机构在本地区发生快速融合与迁移，河北省技术进步率不断增长，增长率高达13.3%。（3）京津冀地区科技资源配置总体效率呈上升趋势，主要归因于技术效率和技术进步率的交替或协同增长，因此，影响京津冀地区科技资源配置效率Malmquist 指数变化的主要原因是近年来京津冀地区科技创新能力提升和技术进步。

4.2 对策与建议

综上，对提高京津冀地区科技资源配置效率提出以下对策建议：

（1）优化资源配置布局，推动统筹协作。以北京市为技术创新核心领域，以《关于加强京津冀产业转移承接重点平台建设的意见》《京津冀协同发展规划纲要》等主要政策为重要依托，充分发挥雄安新区的示范带动作用，统筹协调京津冀科技资源配置分布，将科技资源在一定程度上向冀南地区迁移。同时，应以政府为主要依托，加快制定区域内科技资源共享机制；以奖补机制和保障机制为基础，鼓励“产、学、研”机构提供跨区域服务项目，对跨区域的科技资源咨询提供政策保障和支持，加强区域内技术与资源的共享效率，促进三地高效渗透、高效互补、高效协作。

（2）完善产业全链条，提升管理技术水平。以“产、学、研”三位一体化为导向，规划产业链优先发展板块，优化产业全链条分布，摸清产业链发展方向，促进产业链与技术链和创新链协同发展；通过吸收先进技术与融合创新元素，推动传统产业向现代产业转型，在鼓励自主创新能力培养和技术进步的同时，注重创新管理技术的积累与完善。

（3）加强科技资源管理，健全科技资源配置优化机制。明确科技资源配置体系中各环节的职责与作用，加固各组分与环节间的相互关系，完善科技资源管理制度，避免科技资源在组分内部的流失和浪费，提高科技资源配置优化效率；加强科技成果的市场化导向，构建高效可靠的科技成果市场经济，提高科技发展向产业链转化效率；加快区域科技创新平台建设，在现有平台的基础上利用新一代信息技术扩展建立科技信息和技术资源共享平台，加强各地技术互联互通，通过提高全要素生产率加强科技资源空间配置动力机制。