珠三角9市创新产出能力综合评价与创新效率DEA分析

黄志勇，陈琼娣

(五邑大学 经济管理学院，广东 江门 529020)

引 言

近年来，国家研究经费支出呈现出明显上升趋势，自2015年以来研发经费支出累计增长53.4%。尽管我国对科技产出能力与效率的重视程度不断提升，但还存在着科技创新效率低、协调性不足等问题[1]。《广东省“十四五”规划纲要》也提到，“十四五”期间，广东将继续加大对科研投入。到2025，争取全社会基础研究经费投入占研发经费比重达到10%，财政科学技术支出中用于基础研究的支出比重超过10%。珠三角作为国家经济发展重要经济带，是国家创新高地，也是粤港澳大湾区的重要组成部分，如何提高其创新产出能力与效率成为热点问题。基于此，本文应用熵值法综合评价珠三角9市的创新产出能力，再用多种DEA模型对创新投入-产出效率进行联合评价。

非参数方法数据包络分析法(data envelopment analysis, DEA)有直观性好、可比性强等优点，近年来常常被学者用于区域效率分析。目前用于区域创新效率DEA分析的模型以DEA-CCR模型[2]、DEA-BCC模型[3]、超效率SBM模型[4]为主。傅春[5]借助DEA与Malmquist指数模型对江西省2014-2019年绿色发展进行测度。徐林[6]基于投入产出视角，运用DEA测度长三角2018年城市群进行测度。张鹏、倪志敏[1，7]等分别用Malmquist指数与DEA模型对近年粤港澳大湾区与广东省21个地级市创新效率进行测度。虽然目前关于创新效率的相关研究已经相当丰富，但就相关文献而言，对珠三角城市群创新效率分析普遍时间跨度较短，测度结果容易失真。基于此，本文选用熵值法与DEA模型对珠三角9市2011-2019年产出能力与创新效率进行系统实证分析，以期为珠三角乃至粤港澳大湾区的创新发展精准施策提供参考。

一、构建指标与数据处理

目前学术界关于创新的投入-产出尚未有统一的指标体系，在充分参考已有文献的情况下，再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，建立了如下表投入-产出指标体系。

表1 投入-产出指标

考虑到科技研发活动的投入与产出存在一定的滞后性，本文假设时滞为1年。由于目前统计年鉴统计数据只更新到2019年，因此本研究选择珠三角9市2010-2018年的投入数据和2011-2019年的产出数据。所用指标数据就来自《地方统计年鉴》(2011-2020)、《广东省统计年鉴》(2011-2020)、《广东省科技统计年鉴》(2011-2020)。

二、实证分析

(一)综合评价创新产出能力

利用熵值法对珠三角9市的创新产出指标进行综合评价，可以得到9市2011-2019年的个城市创新产出综合指标值，并计算各城市算术平均值，最终结果如表2所示。

由表2可知：第一，各城市创新产出能力评价值差异较大。9市的创新能力根据综合指标值大小可分为强(指标值≥20)、中(10<指标值<20)、弱(指标值≤10)三个档次：深圳为强创新能力城市；中档有广州、佛山、东莞；产出较弱的城市则为珠海、惠州、中山、江门、肇庆。测算值首位度高，深圳测算值是第二顺位值的2倍。第二，各城市的创新产出能力在空间上整体呈现“东强西弱”的特征，东西两部城市群指标值相差悬殊。城市创新产出能力存在着明显的协同效应与技术溢出效应，广州、深圳、佛山、东莞4个核心城市创新能力远超其他城市，4市综合指标值合计约占总量80%，是其他5市熵值和的4.6倍。

表2 9市创新产出能力及排名

(二)CCR与BBC模型分析

将投入指标作为技术创新能力评价的输入，分别以上述创新产出综合指标值视为技术创新的输出，假设1年时滞，即第n年的投入对应第n+1年产出。借助Max DEA软件中CCR模型与BCC模型，选取投入导向对9市进行DEA相对效率分析，最终得到数据如下表3所示。

表3 9市2011-2019年两种模型的相对效率

表3中DEA-CCR效率值为1的决策单元(DMU)其输入松弛变量与输出松弛变量均为0，根据DEA有效性结论可知该决策单元均为DEA有效城市。对于CCR模型小于1的决策单元，可以根据BCC模型判断其是否为技术有效。若BCC模型测算值等于1，可判断DMU为技术有效而非规模有效；若测算值小于1，即非技术有效也非规模有效。由上表可知：第一，深圳、广州、佛山、东莞、中山5市为创新高效率城市群，创新效率在统计年间保持稳定，几乎均为技术有效、规模有效单元，深圳连续9年保持DEA有效。第二，惠州、珠海效率值处于中等水平，但欠缺稳定性。惠州则表现出后劲不足，前期表现突出，近年持续降低。第三，肇庆、江门创新低效率城市，效率测算值均处于下游水平。肇庆测算值波动较大，但表中可见其所对应的BCC模型的相对有效率均为1，因此为技术有效而规模无效单元，可以考虑在产出一定的条件下调整投入方案，实现DEA有效。

非DEA有效的城市相对较多，由于篇幅问题，本文取最新年份2019年的DEA-CCR模型松弛变量加以分析，S1-、S2-、S3-、S4-、S5-分别代表输入指标数据规模以上工业企业R&D人员量、R&D资金投入、政府研究机构拨款、R&D资金投入GDP占比以及政府科技经费的松弛变量，S1+表示输出综合指标的松弛变量，结果如下表4所示：

表4 2019年珠三角9市创新效率评价的松弛变量计算值

由表4可知：第一，在5个缺乏效率的城市中，有4个城市在“R&D人员量”这一指标上存在冗余，其中中山的冗余量最大；6个城市在“政府研究机构拨款”和“R&D资金投入GDP”两指标中均存在冗余，珠海和惠州的“政府研究机构拨款”冗余量最为突出，分别为7355.27和3558.87；有3个城市在“政府科技经费”指标中存在冗余，其中惠州的冗余量最大。第二，惠州在多项投入指标中存在较大的冗余量；中山效率值较高，但R&D冗余量较大，是阻碍其效率的主要原因。

(三)Malmquist指数动态分析

为进一步对珠三角9市创新效率进行动态分析，借助DEAP2.1软件对9市2011-2019年的投入产出面板数据进行Malmquist指数测算和科技创新生产率全要素指数分解进而分析，可得到如下表的结果：

表5 2011-2019年珠三角9市各年科技创新的Malmquist指数和分解

表6 珠三角9市科技创新的Malmquist指数和分解

1.整体效率变动分析。由表5和表6可知：珠三角9市2011-2019年的全要素生产率指数持续波动，整体呈现先升后降再升再降再升态势，多个测算值小于1，但均值大于1，说明总体创新效率在波动中缓慢发展。从分解结果来看，技术进步与全要素生产率的变化几乎趋于一致，且波峰均出现在2015-2016年间，同时达到测算期间指标峰值，说明珠三角9市创新效率提升的主要贡献来自于技术进步。对表5技术效率进行进一步分解，可见纯技术效率与规模效率指数在2011-2019年不断出现小幅度波动，指数值在1上下浮动，两者与技术效率的波动大体一致，规模效率与技术效率在2018-2019年期间同时出现大幅增长，存在强关联性。

2.各地级市效率变化对比。由表6可知：全要素生产率大于1的城市有6个，结合表5多个测算值小于1可得知，珠三角创新发展存在着区域不充分、不均衡等问题。由效率排名可以看出，排在前列的城市几乎都是高效率城市。值得一提的是，肇庆虽然效率值不理想，但是效率增幅较大。另外，深圳、广州在创新产出能力测算值位于前列(排名第1和第2)，但效率测算值排名却与之差距较大(排名第4和第8)，主要原因是深圳、广州属于创新高投入高产出城市，但技术效率未能有效提升，技术进步也不明显，部分投入得不到高效利用，因此效率值并不理想。

三、研究结论

本文以广东省珠三角9城市为研究对象，通过基于熵值法的综合评价与多个DEA模型分别对比分析了各个城市的创新产出能力及效率，并对效率进行了Malmquist指数动态分析，最终得出了以下的结论：

第一，珠三角由于区域经济不均衡，城市之间创新能力存在较大的差异。东部城市有着更好的经济基础与区位优势，创新环境也比西部城市更好，因此创新产出能力更强，投入-产出效率也相对更高。深圳、广州、佛山、东莞有强创新产出能力，4市产出综合指标值占总量80%，且4市与中山同时也有着更高的投入-产出效率，统计年间几乎均保持DEA有效。因此，城市间应该加强协同效应，扩大辐射面积，以谋求共同发展、整体提升。

第二，部分城市创新投入存在较大的冗余。在分析年间中5个缺乏效率的城市在5个投入指标中有着不同程度的冗余，其中冗余量最大的指标为“规模以上工业企业R&D人员量”“政府研究机构拨款”“政府科技经费”，因此可在产出一定的情况下，主要从这三方面优化投入配置，达到DEA有效。

第三，大部分城市创新产出效率动态表现不充分、不均衡。9市2011-2019年整体创新效率存在一定程度的波动，但各地级市创新效率指数差距较大，区域创新效率发展不充分、不均衡的现象明显。大部分城市的创新效率随着时间推移均有着不同程度的提高，珠海、肇庆虽然产出能力与创新效率表现不佳，但创新效率在统计年间处于提高状态，其中肇庆增长幅度较大，增幅超过10%，说明一直处于追赶状态。深圳、广州创新产出能力排名与创新效率排名相差较大，其主要原因是技术得不到提升，投入未能有效转化利用。另外发现，技术进步对推动城市创新效率提升起着重要作用；9市的纯技术效率与规模效率两项指数都在1左右，说明两者对提升城市创新效率贡献不大。