网络结构、创新基础设施与区域创新绩效——基于网络DEA乘法模型的分析

吴 中 超

(成都大学 商学院, 四川 成都 610106)

区域产学研协同创新知识网络由来自一定地理范围内的政府、企业、大学、科研机构等各种异质性知识资源体的相互联系构成，是区域主要的创新动力。该类区域知识网络可以促进特定区域各种异质性知识资源的优化配置并创造新知识，从而成为区域经济竞争力与发展潜力的重要相关因素，也是形成区位优势的关键因素。关于区域创新绩效研究一直是区域创新系统研究的一项重要课题，该类研究可以为区域创新政策的判断、制定和修正提供科学依据。与此同时，区域创新和知识网络的辩论经常强调区域创新行动者——行业与高校等科研机构之间相互联系的强度等结构特征，认为这是影响区域创新绩效中最相关的因素[1]。此外，大量国内外相关研究表明，创新环境因素也对区域创新绩效产生重要影响。

因此，为深入研究创新网络结构因素和创新基础设施对区域创新绩效的影响作用，本文以中国30个省份(西藏因为数据缺失略去)的区域创新绩效为研究对象，运用各区域的科技统计数据，采用两阶段网络DEA乘法模型，测算各区域创新效率，并分析影响其各阶段创新效率变化的原因，得出研究结论并对区域科技政策提出建议。

一、引 言

近年来，随着区域创新系统及网络研究的兴起，关于区域创新绩效的研究成为一个主要研究方向，且已经取得不少成果。从研究方法归纳，主要将国内相关研究成果概括为如下两个方面：1.参数法，如基于随机前沿分析方法(SFA)。代表性成果有：张宗益等[2](2006)利用对数型Cobb-Douglas生产函数的随机前沿模型实证研究了1998—2003年我国区域技术创新效率。李习保[3](2007)利用1998—2006的面板数据，采用对数线性Cobb-Douglas前沿生产函数模型对我国区域创新环境对创新活动效率的影响进行了实证分析。史修松等[4](2009)运用随机前沿函数分析方法，测算了中国省级区域创新效率及其空间差异。苏屹等[5](2013)利用超越对数知识生产函数的随机前沿模型对中国区域创新效率及影响因素进行了实证分析。2.非参数法，如基于DEA模型方法。代表性成果有：刘顺忠等[6](2002)运用传统DEA方法的CCR模型分析评价了我国各区域创新系统的创新效率。官建成等[7](2005)基于两阶段DEA的CCR模型分别对区域创新活动的技术有效性、经济有效性和综合有效性进行了评价。白俊红等[8](2009)利用DEA-Tobit两步法对我国区域创新效率的环境影响因素进行了实证检验。迟国泰等[9](2010)运用超效率 DEA 方法测评了我国部分省份科技创新效率。左铠瑞等[10](2016)利用并联DEA模型对我国区域R&D效率及影响因素进行了测度。

随机前沿分析(SFA)主要利用计量经济学方法，对设定好的前沿生产函数中的未知参数进行估计后求出绩效单元的技术效率。其优点是模型构建有经济理论基础支撑，可更深入地估计出各种外生变量对绩效单元的技术效率影响；但是利用该方法分析创新效率时，由于对于创新过程没有一个清晰的理论模型和生产函数形式来反映投入和产出关系，因此在不确定的背景下，DEA比SFA更合适[11]。另一方面采用SFA方法时,创新产出指标只能取一个指标，而区域创新系统是一个多投入和多产出的复杂知识网络系统。非参数法基于前沿函数，利用线性规划如数据包络分析测定绩效单元的技术效率，无需设定具体函数形式，且对数据样本量要求不高，应用方便。该方法在评估多投入和多产出的网络系统的效率时具有优势。

以往研究各自采用不同的方法和时期数据，对区域创新效率进行了测度研究，但仍存在以下三点不足：1.随着对区域创新网络系统机理研究的深入，基于三重螺旋结构模型的知识创新与区域创新效率关系的研究成为近年热点[12-15]，但以往对区域创新效率测评的研究很少考察区域创新系统作为网络系统的结构属性，只有少数国外研究对区域创新网络结构进行了一定分析(Kratke，2010; J Owen-Smith和WW Powel，2004)[16-17]。国内从区域创新网络结构视角分析区域创新效率影响因素的研究还很少见。2.传统DEA模型将决策单元作为“黑箱”而不考虑其内部结构与机理，降低了复杂网络生产系统决策单元的效率测评准确性。网络DEA模型相比传统DEA方法对于网络系统的生产决策单元在效率分析方面更具有优势，但目前运用两阶段网络DEA方法对区域创新效率的研究仍不够深入。3.既有的国内相关创新效率少量研究虽有运用两阶段网络DEA模型，但关于系统综合效率在两阶段效率分解研究方面尚有待深入。

基于以上研究不足，本文将利用两阶段网络DEA方法的乘法模型，采用2013—2017年的科技统计数据(因2018、2019年数据部分指标缺失)对我国区域创新网络效率进行测评，并将创新网络结构变量作为影响区域创新网络系统技术效率的解释变量展开研究，详细探讨了产学研创新网络结构对于区域创新效率的影响效应。本文的创新点主要在于以下两方面：一是提出一个基于知识创造与知识转化的两阶段网络数据包络分析(DEA)乘法模型来测度区域创新绩效，将区域创新的过程分解为两级创新生产网络框架，即上游知识创造过程和下游知识转化过程。在知识转化阶段引入创新网络结构变量作为第二阶段的系统外部投入，借助构建区域知识创新网络效率两阶段模型描述创新网络结构在知识转化环节作为投入要素的作用机制。二是在利用二阶段网络DEA乘法模型对区域创新效率进行实证分析过程中，加入区域创新基础设施等影响因素变量，考察其对区域创新效率的影响作用。

二、模型及评价指标

(一)研究方法

数据包络分析(DEA)是一种非参数技术，用于测量使用多个输入产生多个输出的决策单元(DMUs)的绩效。基本的数学模型是线性规划。两种基本的DEA模型，即CCR[18]和BCC[19]模型，已经分别成为固定收益和可变收益规模假设下的绩效衡量标准。传统的DEA处理一个阶段的生产过程，只是将决策单元(DMUs)作为一个投入-产出的“黑箱”系统，不考虑DMU内部结构。然而在许多情况下，忽略系统内部划分的操作可能产生误导性的效率值,因此,提出了网络DEA来解决这个问题(Fare & Grosskopf，2000)[20]。该范式把决策单元(DMUs)“黑箱”的内部结构作为多阶段过程，其底层结构表明了各个阶段之间的中间产品的流动，前一阶段的产出作为后一阶段的投入，在效率评估中起着关键作用。大量研究表明，运用网络DEA模型衡量具有网络结构的系统效率，测量结果更加准确且能够具体分析系统无效性来源(Kao，2014)[21]。

从结构方面来说，基本的两级结构是研究最广泛的，网络DEA模型效率分解有两种类型：乘法模型和加法模型。在乘法效率分解中，总效率被定义为两个阶段效率得分的乘积；而在加法效率分解中，总效率被定义为两个阶段效率得分的加权平均值。本文借鉴参考Kao和Hwang[22](2008)的乘法模型，该模型假设：(1)规模报酬不变(CRS)。(2)两个阶段的权重是相同的。

假设有n个决策单元(DMU)，并且每个DMUj(j= 1,2,…,n)都有m个输入到第一个阶段xij,(i = 1,2…,m)，该阶段的D输出zdj,(d= 1,2,…,D)。这些D输出然后成为第二个的输入阶段，称为中间措施。输出从第二阶段开始，用yrj表示(r= 1,2，…，s)。可以计算出第一阶段和第二阶段DMUj0的CRS效率值在以下两个CCR模型(1)和(2)中

(1)

(2)

总体CRS效率值CCR模型(3)可根据式(3)计算

(3)

vi,ui> 0

测量模型DMU的整体效率由式(4)给出

(4)

vi,ui,ηd> 0

(二)两阶段网络DEA模型建立

实际上，区域创新系统可以看成一个具有一定网络结构属性的知识创新“投入-产出”生产系统。区域知识创新活动是一个复杂网络系统行为，可以视为大学(或科研机构)与企业等异质性组织之间知识流动的过程，可以将知识创新活动分为知识共享、知识创造和知识优势的三个阶段[23]。本文借鉴前人研究[23-26]，将区域知识创新活动分为知识创造与知识转化两个阶段，选择Dimitris K等[25](2016)归纳的四种类型两阶段串联网络DEA中的乘法模型，把国内三种专利授权量作为中间变量，既作为知识创造子系统的产出，也作为知识转化子系统的投入；同时,引入创新网络结构变量作为第二阶段的系统外部投入，构建的两阶段网络 DEA 模型如图 1 所示。区域知识创新网络系统的总效率分解为知识创造子系统效率与知识转化子系统效率，系统的整体效率是两个阶段协调的结果。考虑到创新活动具有风险性与不确定性，创新产出往往不可控，但创新投入相对可控，本模型每一阶段选用投入导向的CCR模型，总效率分解采用前述乘法模型分解方法。

图1 区域知识创新网络效率两阶段模型

(三)效率影响因素模型

为进一步深入分析网络DEA方法测度的两阶段技术效率值的影响因素，本文采用回归模型进行效率影响因素分析。因为DEA分析的技术效率值在0-1之间，属于典型的因变量受到某种约束情况，所以采用Tobit回归模型。具体形式如下：

(5)

(四)指标选取

1.第一阶段投入产出指标

创新投入方面，相关研究一般把R&D人力资源和R&D财力资源作为创新体系的原始投入资源[27]。区域R&D 经费内部支出(万元)和R&D 人员全时当量是学者广泛采用的创新系统投入指标。R&D 经费内部支出(万元)可以反映区域知识创新网络系统的财力资源投入。R&D 人员全时当量可以反映区域知识创新网络系统的人力资源投入。因此，本文选取这两个指标作为区域知识创新网络系统效率的第一阶段创新投入指标。

如果把区域知识创新网络系统看成是一个“投入-产出”系统，创新产出就是区域创新绩效。长期以来，对区域创新绩效的研究结果尚未形成一种普遍接受的创新投入指标，但是在创新产出层面，专利是中外学者广泛采用的指标。分析区域创新绩效技术性能的变化及影响因素需要较长时间和多个区域的数据，而专利提供了多地区和较长时间内的一致、具体和可比的数据。专利被广泛认为是国家、地区、公司和行业技术绩效的指标[28]。由于这个原因，本文第一阶段知识创造的产出变量选择专利指标来衡量。本文选用国内三种专利授权数作为各区域知识创造绩效的测度指标，因为专利授权数更代表绩效实际产出。

2.第二阶段投入产出指标

利用传统DEA方法分析创新系统往往只是把专利作为最终创新产出，但实际上虽然专利是公认的衡量知识创造——新技术的指标，但专利无法作为描述知识转化为经济成果的指标[29]。鉴于此，本文在区域知识创新网络系统效率第二阶段的投入产出指标选取上侧重考查知识转化成经济成果的效率。首先，将第一阶段的产出(三种专利授权数)作为第二阶段的一种投入。其次，根据国内外学者对创新网络结构特征的研究[1,12-15,30]，认为创新网络的成长是由网络的结构决定的，因此网络结构特征应该纳入创新绩效增长的研究，认为知识创新网络密度越大，网络节点之间联系强度也越大，说明产学研各方主体之间开展协同创新的动机越强，互补性信息、知识资源等在异质性创新主体之间共享程度可能更高，有助于提高各方创新能力进而促进区域知识转化效率的提升。本文选择刻画区域创新网络结构关键指标之一的网络密度(网络联系强度)作为系统外部投入变量，这里具体选择高等学校R&D 经费外部支出(包括对其他研究机构和企业等研发经费支出)作为刻画创新网络结构密度的指标(1)反映创新网络密度的指标还可以选择企业产学研经费外部支出指标和各地区研究与开发机构R&D经费外部支出。但企业产学研经费支出指标由于统计数据缺失太多被本研究舍弃，各地区研究与开发机构R&D经费外部支出统计数据缺失海南、青海、西藏等省份数据，也只有舍弃。。

人均GDP可以反映各区域经济发展水平，居民人均可支配收入则(2)统计年鉴从2013年开始有各省份居民可支配收入统计数据，2013年之前各省城镇居民与农村居民可支配收入是分别统计的，所以本文数据选取从2013年开始。反映各区域人民实际生活水平的提高。这两项指标能反映科技创新对各区域经济的促进与人民生活改善作用，所以选择这两项作为第二阶段的知识转化产出指标。

3.区域创新绩效影响因素指标(3)关于区域创新绩效影响因素及指标选取的详细理论分析请详见参考文献[1]。

如前文所述，区域主要的创新动力来自于企业、高校、科研机构等各种异质性知识资源体的相互联系——形成区域知识创新网络。区域知识生产与转化主要是通过知识创新网络的活动来实现。在考察区域创新绩效影响因素的相关研究时发现，欧洲和美国率先采用了一种新的区域商业发展方式，即建设区域创新基础设施[31]。区域创新基础设施是指促进区域创新行为、提高区域创新绩效的环境因素，为区域创新活动开展提供良好平台，能够对区域创新水平的提升产生积极作用，主要包括经济增长水平、信息基础设施、研发投入强度、地理区位、政府支持强度、企业创新活力、市场开放程度和产业结构等因素[30]。同时，国外学者研究认为区域产学研的结构特征是影响区域创新绩效的最相关的因素[1]。基于这样的理论基础，本文将区域创新绩效影响因素分为区域创新基础设施和创新网络结构两方面。根据国内外有关研究[30,32-34]把创新网络结构变量选择为网络规模、网络开放性、网络结构洞、网络密度(网络联系强度)四个方面。网络规模选用各区域高校数量、各区域研发机构个数和各区域高新技术企业数三个指标来反映。网络开放性选用各区域外商直接投资额(FDI)测度。网络结构洞用各区域技术市场交易金额表征。网络密度选用各地区高等学校R&D经费外部支出(包括其他研究机构和企业等研发经费支出)测度。

创新基础设施也是影响区域创新效率的重要因素，包括区域经济增长水平、信息基础设施、产业结构、区域研发投入强度、政府支持强度、市场开放程度6个方面。构建区域创新技术效率影响因素回归函数为

yit=δ0+δ1collegeit+δ2researchit+δ3enterpriseit+δ4FDIit+δ5technology+

δ6college.expit+δ7GDPit+δ8ICTit+δ9ISit+δ10RIit+δ11GOVit+δ12MARit

(6)

式(6)包含了创新基础设施和创新网络结构两方面的区域创新效率影响因素。其中创新网络结构选用6个结构变量：college表示各区域高校数量；research表示各区域研发机构数量；enterprise 表示各区域高新技术企业数。这三个变量都是表征创新网络结构规模的变量。FDI是各区域外商直接投资额，用来表征网络开放度。technology是各区域技术市场交易金额，用来表征网络结构洞。college.exp是各区域高等学校R&D经费外部支出，表征网络密度。

区域创新基础设施也选用6个变量:GDP表示各区域人均GDP，用来表征地区经济发展水平。ICT是地区邮电业务总量占 GDP 比重，用来表征地区信息基础设施水平。IS是各区域第三产业占比数据，用来表征地区产业结构特征。RI是各区域R&D经费占地区GDP比重，用来表征区域研发投入强度。GOV是以地区总的科技经费筹集金额中政府资助所占比重来衡量地方政府对创新活动的支持力度。MRA是采用各区域进出口总额占GDP的比重来衡量一省对国际贸易和竞争的开放程度，此变量用来表征地区市场开放程度。

三、实证结果分析

本文以中国省份区域创新绩效为研究对象，采用2013—2017 年我国30个省份(西藏因统计数据不全舍去)有关创新指标统计数据，利用两阶段网络DEA模型进行区域创新网络效率实证分析。有关专利授权数、R&D人力资源和R&D财力资源数据来自《中国统计年鉴》和《中国科技统计年鉴》，创新网络结构变量数据来自各区域统计年鉴、《中国统计年鉴》、《中国科技统计年鉴》，数据处理使用DEAP2.1软件。考虑到区域知识创新活动进行知识创造与知识转化均具有时间滞后性，借鉴有关研究[4，6]，将知识创造与知识转化两阶段投入产出时间延迟定为1年，第一阶段知识创造投入时间为2013—2015年，第一阶段产出时间与第二阶段知识创造投入时间为2014—2016年，第二阶段知识转化产出时间为2015—2017年。

(一)第1阶段结果

从表1数据分析，2013—2015年知识创造阶段只有浙江省的技术效率为1，达到了DEA技术有效。江苏、贵州、四川、重庆、安徽等省份的创新技术效率在0.6～1.0之间，表明该部分区域的知识创造技术效率处于较好水平。山西、内蒙古、吉林、宁夏等省份的创新技术效率在0.4以下，表明这部分地区的知识创造技术效率水平偏低，需要通过提高创新资源使用效率，避免不必要浪费来提升知识创造效率水平。

表1 中国各省区域知识创造阶段创新技术效率

(二)第2阶段结果

从表2数据分析，青海省3年知识转化阶段创新技术效率均为1，达到DEA技术有效。海南省有两年技术效率为1，宁夏与内蒙古地区的知识转化阶段创新技术效率也相对较高。与第一阶段相比较，这些地区的知识转化创新效率都有很大提高，表明虽然这些地区知识创造创新技术效率较低，但是知识转化效率较高。同时，与第一阶段较高的知识创造技术效率相比，江苏、贵州、四川、重庆、安徽等省份在第二阶段知识转化创新技术效率却很低。以上结论说明知识创造与知识转化是相对独立的两个阶段，两者的创新效率并不必然成正比。这给我国由于地域辽阔但创新资源匮乏造成创新资源分布不均匀的困境提供了一个解决思路：即可以利用一些经济文化中心区域的知识创造高效率，与某些创新资源相对匮乏但经济市场广阔的区域进行跨区域知识创新活动，优势互补共同提升整体创新效率。

表2 中国各省区域知识转化阶段创新技术效率

从我国整体区域而言，知识转化阶段的创新技术效率(3年均值0.159)相比知识创造阶段的技术效率(3年均值0.538)要低得多，说明我国各区域的科技成果转化率低下，大量创新资源的原始投入并没有有效转化为经济成果，科技创新对我国经济增长的贡献还远远不足。

表3数据显示，中国各省区域两阶段整体知识创新效率均较低。因为区域知识创新网络系统的整体效率是两个阶段效率值相乘所得的结果，由前文分析可知，整体效率较低主要是由于系统第二阶段的知识转化技术效率低下造成的。

表3 中国各省区域知识创新网络两阶段创新综合技术效率

(三)DEA-Tobit结果

为进一步深入分析造成区域创新效率较低的原因，本文运用式(5)、式(6)的Tobit模型，以2013—2017年中国各省份两个阶段的知识创新技术效率为因变量，从区域创新基础设施和创新网络结构两方面，选取网络规模、网络开放性、网络结构洞、网络密度(网络联系强度)、区域经济增长水平、信息基础设施、产业结构、区域研发投入强度、政府支持强度、市场开放程度为自变量，数据来自各区域统计年鉴、《中国统计年鉴》、《中国科技统计年鉴》，数据处理使用stata.12软件，回归结果见表4。

表4 中国各省区域知识创新技术效率影响因素的Tobit回归结果

表征创新网络结构规模的三个变量中，各区域高校数量在知识创新效率的两个阶段的影响作用都不显著，对两阶段综合技术效率的影响统计上也不显著，说明高校数量对我国区域创新效率的提升不明显，各地区不能仅仅通过简单增加高校数量来提升区域创新能力与效率。各区域研发机构数量对第二阶段知识转化效率的影响统计上显著，但影响方向为负，两阶段综合创新技术效率也呈现负向影响。说明研发机构数量的增加反而降低了区域创新效率，反映出我国研发机构数量的增加在知识创新中的实际作用较低，存在创新资源浪费。各区域高新技术企业数对第一阶段的知识创造效率的影响统计上正向显著，但对第二阶段的知识转化与两阶段的综合技术效率统计上没有显著影响。

实证结果表明：企业在目前我国区域产学研知识创新中起到了知识创新的主导作用，高校与研究院所的作用远远不足。以上三个变量的系数在各阶段均较小，总体上反映出产学研三方的数量简单增加不能对区域创新绩效产生明显提升作用，所以区域知识创新过程不能仅仅依靠产学研网络规模的扩大，而需要进一步发挥三方的协同内涵质量作用。

创新网络开放度对区域知识创造阶段呈现统计上的显著负向影响，对知识转化阶段及综合阶段影响均不显著。表明区域创新网络的开放度越高，区域之间的产学研合作可能更频繁，越有利于进行知识创造，但知识转化更多是需要具体结合当地市场的区域内活动。

创新网络结构洞的测度指标是各区域技术市场交易金额，实证结果表明该指标对区域知识创造、知识转化及综合阶段创新效率影响均不显著。表明现实情况是中国各区域知识创新网络系统中结构洞的“中介效应”不明显。

网络密度的测度指标是各区域高等学校R&D经费外部支出，实证结果表明该指标对区域知识创造、知识转化及综合阶段创新效率影响统计上均不显著。表明现实情况是中国各区域知识创新网络系统中产学研各方的协同度远远不足，今后应改善协同方式，加强协同创新深度。

对于区域创新基础设施等影响因素分析如下：

第一，地区经济发展水平用各区域人均GDP表征，实证结果表明：该指标对区域知识创造、知识转化及综合阶段创新效率统计上均不显著。实际系数虽为正，但数值均较小，说明区域经济水平的提升并不必然对知识创新效率产生影响，也间接反映中国过去的区域经济发展水平提升与技术创新相对脱节，即中国过去的区域经济增长更多来自非技术创新带来的粗放型增长，而非由技术创新带来的内涵式增长。

第二，地区信息基础设施水平用邮电业务总量占GDP 比重表征，实证结果表明：该指标对第一阶段的知识创造效率的影响统计上正向显著，对第二阶段的知识转化与两阶段的综合技术效率影响方向为负，但统计上不显著。表明地区信息基础设施水平的提升对区域知识创造绩效呈现明显正相关；而由于目前各地区信息基础设施水平更多呈现网络化与移动互联网化趋势，对邮电业务具有“挤出效应”，所以在知识转化阶段需对应以互联网化为标志的效率更高的信息基础设施水平。

第三，地区产业结构特征用各区域第三产业占比表征，实证结果表明：区域第三产业占比对第一阶段的知识创造效率的影响与两阶段的综合技术效率影响统计上均正向显著，对第二阶段的知识转化影响方向为负，但统计上不显著。总体表明产业结构中现代产业体系的高新技术产业与服务业占比越大，区域创新效率越高。

第四，区域研发投入强度用各区域R&D经费占地区GDP比重表征，实证结果表明：区域研发投入强度与区域总体知识创新效率显著负相关。说明现实中我国区域研发投入并没有取得预期效果，可能是由于研发资金使用效率不高，存在较大浪费现象；另外我国知识创新科技成果转化率不高，研发经费并没有完全转化为实际创新成果，这也与我国实际情况相符合。

第五，政府对创新活动的支持力度用地区总的科技经费筹集金额中政府资助所占比重表征，实证结果表明：政府对创新活动的支持力度对第二阶段的知识转化效率影响与两阶段的综合技术效率影响统计上均正向显著，对第一阶段的知识创造效率影响方向为负，但统计上不显著。说明政府支持对我国区域知识创新活动总体起到较为明显的正向促进作用，但在知识创造阶段政府资金的投入存在浪费现象，并可能会对产学研其他主体的投入产生“挤出效应”。

第六，地区市场开放程度用各区域进出口总额占GDP的比重表征，实证结果表明：该指标对区域知识创造效率显著负向影响，对区域知识转化及综合阶段创新效率影响均不显著。总体上表明我国地区市场开放程度对区域知识传播与流动的促进作用不明显，导致对区域创新效率影响不显著。

四、结论与启示

(一)研究结论

本文研究通过滞后1期的两阶段网络DEA乘法模型对中国区域创新网络系统效率进行了测度，同时分析探讨了创新网络结构与创新基础设施两方面对区域创新效率的影响效应。得出如下研究结论：

1.我国各省区域两阶段知识创新整体效率均较低，主要是由于第二阶段的知识转化技术效率低下造成的。

2.网络结构中网络开放性和网络规模对于区域创新效率具有一定作用，网络密度与网络结构洞的影响效应不明显。

3.创新环境对区域创新绩效具有重要影响作用。企业在目前我国区域产学研创新活动中起到了主导作用，高校与研究院所的作用则远远不足。地区经济发展水平对区域创新效率的影响较小，说明我国过去经济增长与知识创新关联度不高。

(二)实践启示

基于本文的研究结论，可得我国区域创新效率和未来区域创新发展实践的启示：

1.今后我国各区域在充分发挥企业在产学研协同创新中心地位的同时，应大力提升高校和科研院所的知识转化率，发挥高校与科研机构的知识溢出效应。各地区政府应发挥出“协调人”角色的作用，引导区域内外产学研各方协同创新，有效提升科技知识成果转化效率，共同提高区域创新绩效。

2.注重提高地区信息基础设施水平，加强区域创新基础设施的建设。政府应出台相应的创新政策促进鼓励本区域创新活动，继续深化调整产业结构，提升现代产业体系中对科技创新要求较高的高新技术产业与现代服务业占比，促进区域创新效率提升。

3.各区域在继续提高R&D经费占地区GDP比重的同时，要更注意R&D经费的使用效率，需要具体出台一些规章制度约束R&D经费的使用，避免浪费。由于政府资金的投入对产学研其他主体的投入可能会产生“挤出效应”，今后还需要吸引更多市场主体资金加入区域创新网络，如风险资本、企业研发投入等。

本文研究在理论模型构建的指标选取上尚存在一些不足，主要体现在创新网络结构的指标选取上，因为数据可得性和DEA模型本身的限制等，仅仅选取了高等学校R&D 经费外部支出代表网络密度(网络联系强度)指标作为第二阶段的系统外部投入变量进行研究。这样的假设有一定局限性，后续的研究中将采用更多的创新网络结构指标进行实证分析，进一步检查与验证本研究结论的合理性与可靠性。