基于三阶段DEA的省域创新型产业集群效率测度

陆红娟 何 程 黄倧睿

(江苏省生产力促进中心，南京 210042)

为深入实施创新驱动发展战略，促进创新链产业链深度融合，科技部于2013年启动了创新型产业集群试点工作，截至2020年底，已在全国28个省区市布局了109个创新型产业集群试点和试点培育单位，2019年实现营业收入5.74万亿元，完成工业总产值4.51万亿元，创造净利润4 192.6亿元，获得授权发明专利3.55万件，在提升高新技术产业创新能力、打造区域现代经济体系方面取得了较好成绩。

1 文献回顾与问题提出

创新型产业集群的概念是由产业集群和创新集群的概念衍生而来。产业集群的概念于20世纪90年代由经济学家迈克尔·波特在《国家竞争优势》一书中首次提出，即在某一特定区域，密切关联的企业和机构在时间、空间上集聚而成的区域经济系统，由集群内各类主体互联互通而带来的知识溢出、外部效应，形成了集聚经济效应，进而有效提升国家的产业竞争优势。而创新集群的概念由经济与合作发展组织(OECD)首次提出，即企业、大学、科研机构、科技服务组织等创新主体在特定空间和时间集聚而成的区域创新系统。Mytelka等根据各类因素对产业集群发展的作用效果来对集群进行分类，其中一类是创新型产业集群，创新型产业集群较深地依附于科技驱动创新，相较于其他集群，拥有创新主体参与度高、创新行为可持续、出口外贸水平较高等特点[1]。St John等认为产业集群未必与创新有紧密的关联，只有创新型产业集群才拥有源源不断的创新动力，创新型产业集群是产业集群的未来式，是产业集群发展的一个可能结果[2]。王炳才等通过计量回归，提出集群所处区域的政治经济大环境对集群发展具有极大的带动作用，集群科技资源投入与经开区形态产业集群的经济总量无明显相关关系，但能有效促进高新区形态产业集群的经济总量[3]。王缉慈等提出创新型产业集群的发展是一个不断挖掘创新要素并与其融合的过程，发展产业集群逐渐成为打造国际竞争优势产业的一个共同措施[4]。薛强等提出通过建构创新型产业集群来提升新升级国家高新区总体发展水平的路径和建议[5]。孙智慧等认为政府主导的创新环境是影响创新型产业集群绩效的核心因素[6]。李宇等指出创新型产业集群内企业的网络能力、网络位置对集群运行效率具有积极作用[7]。张冀新等采用随机前沿模型和双重差分法，发现创新型产业集群试点显著提高了区域创新效率，且对中西部地区作用更为明显[8]。陈升等选取高新技术企业数、集群从业人员数和年度营业收入作为投入变量，对比传统DEA与三阶段DEA模型测算出的单个产业集群效率，发现三阶段DEA模型测算结果更能反映客观实际[9]。但是，本文认为将国家认定的高新技术企业数作为投入变量并不科学，该指标其实反映的是集群发展质态，将其作为产出变量更合适。刘满凤等研究国家高新技术产业开发区运行效率时，也得出三阶段DEA优于传统DEA模型的一致结论[10]。彭佑元等指出中国创新型产业集群效率整体水平不高，且与区域经济实力、创新生态、开放程度、人才结构等呈正相关[11]。但是，也有研究指出，产业集群内企业过度的同质化竞争现象普遍，显著降低了区域创新效率[12]。

通过文献梳理发现，国内外研究鲜见将创新型产业集群与所在区域发展水平进行关联分析。因此，本文在认同创新型产业集群可促进区域经济发展的前提下，以省域为决策单元，选取能够充分体现创新型产业集群区别于一般产业集群的特征性投入产出变量，统筹考虑区域发展水平等环境因素和统计噪声影响，利用三阶段DEA模型测度各省域创新型产业集群综合效率，并探讨区域发展各种因素的作用机理。

2 模型简介与变量说明

2.1 投入产出效率的三阶段DEA模型

三阶段DEA模型是在传统DEA模型的基础上，利用松弛变量中包含的信息对投入或产出变量进行调整，进而剔除环境因素和统计噪声对效率测度影响的一种线性规划模型，其计算结果能够更客观真实地反映决策单元(DMU)的内部管理水平。

第一阶段：传统DEA模型测算原始效率。传统DEA模型以投入或产出为导向，在应用上分为BCC(规模报酬可变)、CCR(规模报酬不变)、FG(规模报酬递减)、ST(规模报酬递增)等模型。考虑到本文研究目的，选用投入导向的DEA-BCC模型进行测度，BCC模型计算得出整体的综合效率，该效率通过拆解分析，可以分解成为纯技术效率和规模效率，同时可以得到原始DEA效率值以及原始投入值和目标投入值之间的投入松弛变量[x-Xλ]。

第二阶段：似SFA回归。将第一阶段得到的松弛变量[x-Xλ]分解成由环境因素、管理因素和统计噪声等组成的函数，把所有DMU的投入变量值调整到相同的环境水平和统计噪声干扰下，并测算在同质环境下的调整后的投入值。

第三阶段：投入变量调整后的DEA效率分析。将调整后的投入变量再次代入DEA-BCC模型，测算剔除环境因素和统计噪声影响后的DMU投入产出效率。

2.2 变量选择及数据来源

投入产出变量。遵循全面性、科学性、代表性以及可获取性的原则，按照创新型产业集群的特征，从人力、财力和创新创业生态营造等方面，选择“科技活动人员数”“科技经费支出”“国家级科技企业孵化器数”等指标作为集群的投入变量；从创新产出、经济产出等角度，选择“当年授权发明专利数”“高新技术企业数”“净利润”等指标作为集群的产出变量。

外部环境变量。外部环境变量是能够对创新型产业集群综合效率产生影响、但不由集群主观控制的变量。集群所处的外部环境包括区域经济实力、地方财政可支配财力、产业结构、区域创新能力、城镇化水平等，分别以“GDP”“税收收入”“第三产业产值占GDP的比重”“全社会研发投入强度”“城镇人口占总人口的比重”等指标来表征。

数据来源。创新型产业集群的投入产出变量数据主要来源于《2020中国火炬统计年鉴》，外部环境变量中“全社会研发经费支出”来源于《2020中国科技统计年鉴》，其他变量数值来源于《2020中国统计年鉴》。

3 实证结果及分析

3.1 第一阶段DEA-BCC模型分析

在进行原始DEA效率测度前，首先运用Pearson相关性双尾检验法，对投入变量与产出变量的“同向性”进行检验。结果显示，各省域创新型产业集群的投入与产出变量均能够在1%的显著性水平下通过Pearson检验，且均呈现出强正相关关系，因此，本文选取的投入变量与产出变量符合DEA模型“同向性”假设。

第一阶段将28个省级区域的创新型产业集群投入产出变量进行DEA-BCC模型分析。2019年，我国各省域创新型产业集群平均综合效率为0.783，平均纯技术效率为0.872，略低于平均规模效率(0.903)。在28个省级区域中，河北、内蒙古、辽宁、上海、河南、湖北、广东、四川、贵州等9个省级区域的创新型产业集群综合效率、纯技术效率和规模效率均为有效，其余19个省级区域中有11个低于全国平均值，陕西、吉林、江西位列末三位，集群综合效率分别为0.318、0.352和0.356。有9个省级区域纯技术效率低于规模效率，即天津、吉林、浙江、安徽、福建、江西、湖南、广西、陕西等。技术有效、但规模无效的有北京、黑龙江、江苏、山东、云南、甘肃、青海、新疆等8个省级区域。天津、江苏、安徽、山东、陕西等5个省级区域创新型产业集群处于规模报酬递减阶段，初步提示这些省域应该尽快控制集群投入，加快供给侧结构性改革，淘汰落后产能，并向集群自主开发的高新技术产品提供多元化应用场景，加快企业创新产品的商业化进程。

3.2 第二阶段SFA回归分析

以外部环境变量作为自变量，将第一阶段得到的投入松弛变量(投入冗余)作为因变量，利用SFA模型，研究环境变量对投入松弛变量的影响情况，进而推导其对集群效率的作用机理，结果见表1。

由表1结果可见，每个SFA模型的γ值均无限接近1，显著性均在1%的统计水平上，且均通过LR单边检验，说明环境变量选择合理有效，且对集群DEA效率确实存在影响，作用机理如下：

表1 各省域外部环境因素对创新型产业集群投入冗余的影响结果

区域经济实力在3个投入松弛变量模型中系数均显著为负，即区域经济实力越强，造成集群投入冗余就越少。这可能是由于一个地区的经济实力越强，就越重视产业创新，会引进更多科技活动人员进入创新型产业集群从事产业创新，人员开展研发活动需要支出更多的科技经费，人员创办企业可提高科技企业孵化器的利用率，这样就可避免投入的浪费，进而提高集群的运行效率。

地方财政可支配财力在3个投入松弛变量模型中系数均显著为正，即地方财政可支配财力越强，造成集群投入冗余就越多。这可能是由于地方政府花巨额资金引进大学或科研院所建立新型研发机构或技术创新中心，但是他们仍然固守原来的运行模式，对经济贡献有限，而其产生的成果又未及时转化孵育，进一步造成科技企业孵化器冗余。

产业结构在3个投入松弛变量模型中系数均显著为负，即第三产业产值比重越高，越能消除集群投入冗余。这可能是由于第三产业产值比重较高，意味着区域配套的教育、金融、通讯、文化、娱乐等服务体系相对完善，这可以消除科技活动人员的后顾之忧，让其全身心投入到产业创新中去，降低了集群投入的冗余量，进而提高集群的运行效率。

区域创新能力在2个投入松弛变量模型中系数均显著为正，说明区域研发投入强度越高，集群冗余的科技活动人员、科技经费支出越多。这可能是由于研发投入强度高的区域，内部创新资源分布一般会相对均衡，集群所属的产业领域，政府正常也会在其他板块有所布局，这在一定程度上挤占了集群的发展空间，并与其他集群构成竞争关系，造成集群内科技活动人员和科技经费支出冗余。

城镇化水平在2个投入松弛变量模型中系数均显著为负，说明城镇化水平越高，集群冗余的科技活动人员、科技经费支出越少。这可能是由于城镇化水平越高的区域，城镇人口对高科技产品的需求就越旺盛，推动创新型产业集群不断投入人力、财力进行产品迭代，这样就降低了集群投入的冗余量，进而提高集群的运行效率。

3.3 第三阶段DEA-BCC模型分析

经Pearson相关性双尾检验法，调整后的各省域创新型产业集群投入变量与产出变量依然在1%的显著性水平下通过检验，且均呈现出强正相关关系。再次进行DEA-BCC模型分析，计算结果见表2。

表2 三阶段各省域创新型产业集群DEA效率

2019年，我国各省域创新型产业集群综合效率平均值由0.783下降至0.584，规模效率平均值由0.903下降至0.610，但是，纯技术效率平均值却由0.872上升至0.947，规模效率显著低于纯技术效率。7个省级区域创新型产业集群运行有效，其中，河北、辽宁、湖北、广东、四川等5个省份集群综合效率仍保持为1，江苏和山东因剔除外部环境因素及统计噪声后，规模效率变为有效，带动综合效率上调为1。其余21个省级区域中，15个省域集群综合效率低于平均值，新疆、贵州、青海位列末三位，分别为0.086、0.137和0.149。纯技术效率达到前沿面、但规模无效的有山西、内蒙古、黑龙江、浙江、福建、重庆、贵州、甘肃、青海等9个省级区域。北京、天津、山西、内蒙古、黑龙江、上海、浙江、福建、河南、湖南、广西、重庆、贵州、云南、甘肃、青海、新疆等17个省级区域集群综合效率均出现不同程度的下降，其中，贵州、黑龙江、河南等3个省份综合效率下降最严重，均超过0.7，三省均因规模效率过低，导致综合效率严重下降。DEA无效的省域均处于规模报酬递增阶段，提示各省域应该对创新型产业集群加大投入力度，着力推动集群产业规模化发展。

按照国家区域发展战略的板块设置，2019年创新型产业集群DEA效率的地区分布特征为：综合效率表现为东部>中部>东北>西部，纯技术效率表现为东部>中部>西部>东北，规模效率却表现为东部>东北>中部>西部(见表3)。各区域板块的纯技术效率非常接近，变异系数仅为0.034，说明各地区对于创新型产业集群战略定位的把握是准确到位的，均高度重视集群的技术创新。但是，由于各地区经济发展水平的差异，造成规模效率差别很大，变异系数为0.286，且各地区规模效率均低于纯技术效率，提示产业规模严重制约了集群效率的提高。

表3 各区域板块创新型产业集群DEA效率分布情况

4 结论与启示

本文运用三阶段DEA模型，对建有创新型产业集群的28个省级区域集群效率进行测度，创新型产业集群运行效率整体水平不太理想，不同区域的创新型产业集群的综合效率也有显著差异。基于以上结论，根据科技部火炬中心《关于深入推进创新型产业集群高质量发展的意见》(国科火字〔2020〕85号)相关部署，分别从国家部委、地方政府和创新型产业集群三个层面得到以下启示。

4.1 国家部委层面

以关键核心技术攻关为纽带，组织探索新型举国体制的产业集群模式。国家科技部及火炬中心应集成科技计划项目、创新政策等手段，支持创新型产业集群开展关键核心技术攻关，组织全国各区域创新型产业集群共同遴选、支持、投入一批关键核心技术攻关项目。以建设创新型产业集群“飞地”为抓手，推动形成区域协调发展新格局。鼓励和支持发达地区实力强、基础好的创新型产业集群开展创新项目异地孵化，探索区域间成本共担和利益共享的机制，加强区域间创新资源统筹配置、科技创新合作与产业链配套，打造“飞地经济”，辐射带动欠发达地区产业转型和动能转换。

4.2 地方政府层面

以优化创新生态为支撑，吸引更多创新资源向创新型产业集群集聚。地方政府应将创新型产业集群视为“特区”，摆在当地工作全局的重要位置加以推进，在公共服务平台搭建、政策扶持、金融工具创新、应用场景示范等方面加强部署，持续优化创新创业生态环境。

4.3 创新型产业集群层面

以构建产业创新链为引领，增强集群主导产业自主可控能力。实施一批具有战略性、前瞻性的重大产业创新项目，储备一批独门绝技的前沿产业技术和现代工程技术，形成一批自主知识产权，力争将集群打造成为重大产业科技创新策源地，引进培育一批具有产业链整合能力和行业影响力的链主式、平台型企业，推动产业链上中下游、大中小企业融通创新，加快实现产业基础高级化和产业链现代化。深化与“双一流”高校、中科院等大院大所的产学研合作，吸引产业重大科技成果在创新型产业集群落地转化。加强与创新大国、关键小国、国际创新产业高地的交流合作，建设辐射全国、链接全球的产业创新合作体系。