不同地区广东省重点实验室运行效率及影响因素分析

周俊杰，赵晓萌，陈钰莹

(1 广东省科技基础条件平台中心，广东广州 510040；2 广东省高性能计算重点实验室，广东广州 510040；3 广东省科技基础条件平台建设促进会，广东广州 510040)

广东省重点实验室是广东省创新体系的重要组成部分，是聚集和培养优秀科技人才、配置先进科研装备、开展高层次学术交流、产出高水平科研成果的重要基地。截至2020 年，广东省共有396 家省重点实验室，成为科研机构中最具规模的实验室组织系统。广东特色的实验室体系为提升区域创新能力，建设粤港澳大湾区国际科技创新中心提供了重要科技支撑，为广东经济社会发展作出了积极贡献。由于广东省重点实验室建设对依托单位研究实力有较高要求，粤东西北欠发达地区的广东省重点实验室建设占比较低。新时期，为进一步完善区域科技创新体系，需要重点研究两个问题：一是不同地区的广东省重点实验室投入产出效率差异主要表现在哪些维度；二是不同地区的广东省重点实验室投入产出效益差异主要与哪些内在因素有关。

1 研究回顾

广东省重点实验室投入产出效率评价属于科技创新绩效评价，如何评估科技创新，是学术界、企业家、政府等一直关心的问题。杨超等［1］通过TOPSIS 和DEA 分析法对国家重点实验室宏观效率进行评价，发现国家重点实验室在不断发展中，随着投入的增加，产出也在增加，但是投入产出效率仍需提高。孙世敏等［2］通过DEA 分析方法对不同地区的高校科研投入产出进行了分析，发现各地区高校科研投入产出效率存在差异，主要表现为东部高校科研绩效高于中、西部高校。刘慧霞等［3］基于随机前沿分析法对“双一流”高校科研效率地区差异进行了分析，发现专任教师投入对科研效率影响较大。路文杰等［4］通过超效率DEA 方法对河北省省级重点实验室进行分析，将研发投入、科技成果、队伍建设、人才培养、对外开放交流、管理制度等作为评估指标。刘兵等［5］基于DEA 方法对地区科技人才资源配置效率进行评价，发现地区科技人才配置效率与经济发展存在正向同步型、反向同步型、领先型、落后性4 种模式，科技人才资源配置效率与经济发展不一定是正相关的。对于不同地区的创新效率差异因素的分析，吴中超［6］通过DEA-Tobit模型分析创新网络结构、创新基础设施对区域创新绩效的影响，发现结构规模、产业结构特征和研发投入强度对于区域创新效率具有一定作用。刘天佐等［7］通过Tobit 模型分析区域高校科研投入产出绩效的影响因素，发现教师职称结构、教育投入力度有显著的正向作用。张立杰等［8］通过Tobit 模型分析我国丝绸之路经济带沿线高技术产业的创新效率，发现劳动者素质因素影响研发阶段的纯技术效率、转化阶段的规模效率。田时中等［9］通过面板Tobit模型分析财政收入、地方政府竞争对区域科技创新的影响效果，发现经济规模、产业结构等对创新水平有显著影响。孟卫军等［10］通过SBM-DEA-Tobit模型分析科技服务业与高技术制造业协同集聚水平对创新效率的影响，发现经济发展水平、科技人员投入和科技资金投入均影响创新效率。叶堂林等［11］通过超效率BCC-Tobit 模型对比我国东部三大城市群的创新效率，发现产业结构对三大城市群都有显著影响，经济发展对京津冀、珠三角城市群有显著促进作用，政府支持对珠三角城市群有显著正向作用。吴传清等［12］通过DEA-Malmquist-Tobit 模型分析长江经济带11 省市的技术创新效率，发现研发投入强度、产业现代化程度、对外开放程度等因素对长江上中下游不同地区影响差异显著。马聪颖等［13］通过DEA-Malmquist-Tobit 模型分析高校科技创新效率，发现经济发展水平、信息化水平、研发人员质量对创新效率有显著影响。孙振清等［14］通过DEATobit 模型分析中国中部沿海四大城市群的协同创新效率，发现研发投入力度、产业结构、经济发展水平和对外开放程度与区域协同创新效率显著相关。李芸等［15］通过SBM-Tobit 模型分析我国30 个省份的科技创新效率，发现对外开放程度、人力资本对创新效率具有显著正相关。

2 实证研究

2.1 指标选择与研究思路

2012 年4 月，为贯彻落实《珠江三角洲地区改革发展规划纲要（2008—2020 年）》《广东自主创新规划纲要》和《广东省建设创新型广东行动纲要》，广东省科学技术厅印发了关于省企业重点实验室建设与运行的管理办法，广东省重点实验室主要有两大任务，包括开展应用基础研究以提升自主创新能力和推动行业进步，以及通过引进、培养、交流、合作、共享建设高水平人才队伍。2021 年3 月，为进一步规范和支持广东省重点实验室建设、运行与管理，《广东省科学技术厅关于广东省重点实验室的管理办法》出台，相比于旧管理办法，着重强调了开展战略性、前瞻性基础和应用基础研究，加强技术衔接、开展研究合作，以提升行业技术水平、支撑产业技术创新。广东省重点实验室体系经过多年发展，逐步由规范化建设运行向高质量发展迈进，见表1。

表1 广东省重点实验室投入产出统计

采 用DEA-SOLVER 软 件，选 择DEA-BCC、CCR 模型分析4 组实验室在人才队伍建设、科学研究、创新研发、成果转化4 个评价维度下的宏观综合效率和规模报酬可变下的技术效率、规模效率，探究其运行特征及变化趋势。

选取2013—2018 年间年度统计报告数据完整的197 家广东省重点实验室作为原始研究对象，符合DEA 指标及决策单元数目要求。其中实验室按照所在地区分为广州、深圳、广深以外的珠三角地区和粤东西北。从指标数据时间范围上看，选取2013—2015 年的年报累计数据作为相关投入指标，选取2016—2018 年的年报累计数据作为产出数据。一方面是考虑到研究生培养、学术项目研究、论文发表、专利产出等指标的生产周期和统计时滞性；另一方面将累计数据作为相关投入产出指标，可减少单年数据波动对结果的影响；第三，以3 年为周期累计与广东省重点实验室管理办法规定的考核周期相符，经梳理整合后得到5 类16 项指标见表2。

表2 广东省重点实验室管理评价指标

表3 中序号1 为人才队伍建设效率评估指标体系，投入指标为2013—2015 年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积；产出指标为2016—2018 年期间反映人才培养的硕博士研究所毕业人数、高层次人才增量、高级职称人员增长率。其中仪器总值、场地面积均为年均数，高级职称人员增长率结果采用归一化方法避免负数出现。

表3 中序号2 为学术研究产出效率评估指标体系，投入指标考虑基础条件和人才队伍两方面，因为我国在校研究生、青年学者对科研工作和学术论文的贡献较大［16］，而人才队伍和高层次人才也是影响科技项目获取的关键因素［17］，所以投入指标包括2013—2015 年期间，依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积、硕博士研究生毕业人数、高层次人才数量；产出指标则是2016—2018 年期间纵向科技项目经费、期刊专著数量。

表3 中序号3 为创新成果产出效率评估指标体系，投入指标包括2013—2015 年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积，产出指标为2016—2018 年期间专利授权量、“三新”成果数量。

表3 中序号4 为成果转化效率评估体系，投入指标包括2013—2015 年期间依托单位及地方财政经费投入、高级职称人员数量、仪器总值、实验室场地面积，产出指标为2016—2018 年期间技术服务、技术转化、技术合作收入。

表3 重点实验室运行效率评估指标体系

2.2 不同地区的广东省重点实验室效率比较

整体效率方面，广东省重点实验室人才队伍、学术研究、创新研发、成果转化效率均偏低，根据图1 至图3 可知，不同区域广东省重点实验室投入产出效率在不同评估维度存在不同程度的差异。人才队伍投入产出技术效率中，深圳地区的广东省重点实验室效率最高，广深以外的珠三角地区效率最低，通过皮尔逊相关性检验，人才队伍技术效率与纯技术效率显著相关。学术研究投入产出技术效率中，深圳地区的广东省重点实验室效率最高，均值达到0.629，广深以外的珠三角地区效率最低，通过皮尔逊相关性检验，学术研究技术效率与纯技术效率、规模效率均显著相关。创新研发投入产出效率中，广深以外珠三角地区的广东省重点实验室技术效率最高，粤东西北效率最低，通过皮尔逊相关性检验，创新研发技术效率与纯技术效率、规模效率均显著相关。成果转化投入产出效率中，广深以外珠三角地区的广东省重点实验室技术效率最高，粤东西北效率最低，通过皮尔逊相关性检验，成果转化技术效率与纯技术效率、规模效率均显著相关。见表4。

图1 2013—2018 年不同地区的广东省重点实验室投入产出技术效率分析

图2 2013—2018 年不同地区的广东省重点实验室投入产出纯技术效率分析

图3 2013—2018 年不同地区的广东省重点实验室投入产出规模效率分析

表4 2013—2018 年间各地区广东省重点实验室投入产出效率情况

2.3 投入产出效率主要影响因素分析

将6 个投入指标和10 个产出指标进行标准化处理，消除不同量纲和数量级的差别带来的影响，再进行因子分析的有效性检验，结果显示KMO 值=0.714＞0.5，Barlett 检验的显著性为0，表明该数据适合做因子分析（见表5），方差贡献率分析见表6。投入产出数据经过因子分析降维之后，有6 个公因子的初始特征值大于1，其累积贡献率为61.466%，大于60%，说明提取的6 个公因子能够较好解释原始变量的信息。因子载荷分析如表7 所示，由旋转后的因子载荷矩阵表可得出，第一个公因子代表硕博毕业人数、投入期研究生人数、期刊专著总量、高级职称人才和产出的高层次人才，第二个公因子代表投入金额、仪器总值和发明PCT 专利授权数，第三个因子代表技术转让收入和高级职称增长率，第四个因子代表项目经费、投入的高层次人才和技术合作收入，第五个因子代表总面积和“三新”，第六个因子代表技术服务收入。

表5 变量的KMO 与Bartlett 检验

表6 变量的总方差解释

表7 旋转后的因子载荷矩阵

进一步分析可得出，第一因子主要集中在人才队伍和学术研究指标方面，贡献率为19.479%，大致可以认为造成效率差异的主要因素是人才队伍的发展及学术情况；第二因子的贡献率为9.792%，所以基础投入和创新研发的产出情况也是效率差异的重要因素。

2.4 基于Tobit 模型的地区差异分析

本文中由DEA 方法确定的投入产出效率值被限制在0 到1 之间，属于受限因变量，如果直接用最小二乘法进行参数估计的回归结果会出现有偏和不一致；又由于因变量取值相对集中，自变量取值变化较大，则会出现参数估计不显著，对影响因素的分析无效。所以采用Tobit 模型分析效率值差异的影响因素。在效率影响因素方面，学者们基于创新活动的阶段性，从创新基础、创新环境、政产学研联系、国际技术溢出等角度进行探讨，结合本文研究需要选取影响因素如表8，包括经费投入强度（X1）、科技人员投入（X2）、研发人员数量（X3）、经济发展水平（X5）、产业结构特征（X5）、对外开放程度（X6）作为自变量。本文选取的各影响因素数据来源于《广东统计年鉴》《广东科技统计数据》。

表8 广东省重点实验室投入产出效率的影响因素

由于人均GDP 是绝对额指标且数值较大，其他变量为比率指标，为消除异方差的影响和降低模型产生多重共线性的可能性，对自变量X4作对数化处理，Tobit 分析结果见表9。

表9 2013—2018 年广东省重点实验室投入产出效率影响因素的Tobit 回归结果

从经费投入强度看，在3 种不同的效率中，经费投入对于学术研究产出效率均具有显著的正向作用，表明经费投入越多产出效率越高，而对创新研发产出效率均为反向作用，并且对成果转化阶段的规模效率也产生显著的抑制作用，从而阻碍成果转化的产出，说明经费使用效率不高，可能存在浪费现象。经费投入对人才队伍建设效率具有正向作用，且其影响系数较大，是提升人才队伍建设效率的关键因素。

从科技人员投入看，科技人员投入对创新研发阶段的纯技术效率、成果转化阶段的规模效率具有显著的正向作用，从而促进研发产出效率和成果转化效率，而对人才队伍建设的规模效率产生显著的抑制作用，说明科技人员投入过多会出现冗余现象，反而限制人才队伍建设的规模。

从研发人员质量看，影响作用显著在于规模效率，对学术研究阶段和成果转化阶段具有正向作用，但对创新研发阶段具有反向作用，对实证结果分析的观点非常值得斟酌！评价指标用的是“研发人员质量”，但应对其中起反作用的影响因素作具体分析，不应简单归结为“高质量研发人员阻碍创新研发产出”的悖论。

从经济发展水平看，影响作用显著在于各阶段的规模效率。经济发展水平对人才队伍建设具有正向作用，但在技术效率上是不显著的反向作用，说明地区经济发达只是有利于人才队伍建设的规模；对学术研究产出效率均为显著的反向作用，对成果转化阶段均为反向作用，说明经济发展水平较高的地区在学术研究和成果转化方面可能存在创新资源冗余、错配等问题；对于创新研发阶段具有显著的正向作用，说明地区经济越发达越有利于创新研发的产出。

从产业结构特征看，对学术研究的规模效率具有显著的正向作用，从而有效提高学术研究的产出效率，而对成果转化的规模效率具有显著的反向作用，说明地区的产业结构和成果转化规模配置仍存在不合理的地方，阻碍创新成果的转化。

从对外开放程度看，影响作用显著在于规模效率。对外开放程度对人才队伍的影响系数虽为负，但数值较小，说明产生的影响作用不大，对学术研究和成果转化均为正向作用，说明对外开放程度越高，由国外先进技术和外资涌入导致科技创新市场的竞争和合作会越全面，有利于促进学术研究产出和创新成果转化。

根据上述Tobit 回归分析结果，经费投入强度越大，人才队伍建设效率越高，但是，观察图2 得出，粤东西北地区的建设效率高于广深以外珠三角地区，这是因为以广州、深圳为中心城市的珠三角城市群的协同创新呈现虹吸效应［18］，广州、深圳凭借创新优势产生人才集聚现象，从而造成周边城市人才流失；同时，R&D 经费投入、新兴产业集聚会产生虹吸效应［19］，而研发投入强度、产业结构特征及研发人员质量正是学术研究产出效率的显著影响因素，从而造成广深以外珠三角地区的产出效率低于粤东西北地区。经济越发达创新研发产出效率越高，但是，观察图1 得出，广深以外珠三角地区的效率反而最高，这可能是因为广州、深圳的经费投入过多反而造成浪费现象，阻碍了创新研发的产出；而且，研发效率对周围相邻区域具有溢出效应［19］。

3 结论

本文通过DEA、因子载荷分析和Tobit 模型探讨了广州、深圳、广深以外珠三角、粤东西北的广东省重点实验室在人才队伍、学术研究、创新研发、成果转化4 个评估体系的投入产出效率的差异，得出以下研究结论：

（1）广东省重点实验室人才队伍、学术研究、创新研发、成果转化整体效率并不高，不同地区在不同效率评估体系下呈现了较大效率差异，广深以外珠三角地区的人才队伍、学术研究投入产出效率在各地区垫底，但是创新研发纯技术效率和规模效率相对较好，主要是因为该地区重点实验室以企业发展为核心，虽然人才培养少、学术论文产出不高、人才流失较严重，但是经费投入规模配置较好、科研人员效率较高、人才创新研发积极性较好。广深地区人才队伍、学术研究效率高，主要是因为经济较发达，使得人才聚集度高、人才培养多、学术论文产出高，但是经费、科技人员过于集中于学术研究，创新研发投入规模配置不佳，经费和人才使用效率低，使得创新研发效率和成果效率低。

（2）产业结构配置合理性和产业协同发展是促进学术研究、创新研发和成果转化的关键，粤东西北远离珠三角地区，依托当地高校和龙头企业建设广东省重点实验室，在地区人才队伍建设中受其他地区虹吸作用的影响小。随着广东省加快构建“一核一带一区”区域发展布局，支持东西两翼大力发展实体经济，打造广东经济新的增长极，与珠三角城市“串珠成链”建设沿海经济带。粤东西北要把握发展机遇，在学术研究、创新研发和成果转化中紧贴产业实际，做出地方特色、产业特色，在创新研发和成果转化中粤东西北要与珠三角地区密切合作，积极吸引广深地区创新创业人才来粤东西北发展，积极推动广深地区的学术研究成果来粤东西北产业落地。

（3）在广东省重点实验室运行管理实践中，围绕“一核一带一区”区域发展新格局促进全省区域协调发展，推动各区域优势互补、差异协调发展，以区域协同、创新合作、知识转移为切入，建立多阶段、多维度的广东省重点实验室投入产出效率分析和评估体系，结合地方特色、产业实际，有目的、有层次地开展广东省重点实验室运行管理考核评估和方向引导，提升广东省重点实验室在产业促进、区域发展中的关键能力。