黄河流域九省区创新效率评价

沙德春，王茂林

（河南农业大学信息与管理科学学院，河南郑州 450002）

黄河是我国第二大河。按流经省区计，黄河流域人口数量占我国总人口的30.00%以上，地区生产总值（GDP）占全国（未含港澳台地区。下同）生产总值的26.00%左右［1］。黄河流域作为人类古文明和中华文明的重要发源地，黄河中下游地区在一个相当长的历史时期内一直是我国政治、经济、社会和文化发展的中心。黄河流域近些年经济社会发展已取得了突破性进展，但是仍存在流域整体创新水平较低和产业结构落后等问题。在创新投入方面，2018 年黄河流域研发经费总投入仅占我国总研发投入的20.58%，平均研发强度低于全国0.82 个百分点；在创新产出方面，黄河流域发明专利授权量仅占全国发明专利授权总量的15.82%［2］。党的十八大以来，黄河流域的生态保护和高质量发展解决方案成为我国生态文明建设和区域协调发展的战略方向。2019年9 月18 日，习近平总书记在郑州主持召开黄河流域生态保护和高质量发展座谈会并发表重要讲话，明确黄河流域生态保护和高质量发展是重大国家战略，立足于全流域提出共同抓好大保护，协同推进大治理，促进全流域高质量发展，为黄河流域创新能力和创新水平的提高提供有利机遇［3］。随着我国经济社会的不断发展和黄河流域发展不平衡不充分的问题日益凸显，在新的发展战略背景下，如何提升黄河流域创新效率水平，加速科技成果转化，对加快推进区域创新战略布局，实现高质量发展有着重要意义。

1 文献回顾

创新在目前竞争激烈的国际背景下逐渐成为世界各国关注的焦点，创新作为内在驱动力保障社会经济可持续发展。现阶段,在我国建设创新型国家发展战略推动下,创新效率成为学术研究的热点。参考以往文献，区域创新效率一直是国内外学者们研究的热点领域，主要基于经济带、区域性组织、城市群和城市为研究对象，运用效率分析方法测量创新效率并分析创新水平，如田红彬等［4］运用全局全要素生产率指数（GML）测算规模以上工业企业投入产出数据的绿色创新效率及其分解，分别分析绿色创新效率受到命令控制型、投资型和费用型环境规制下外商直接投入（FDI）流入的影响程度，研究结果表明2010—2017 年我国绿色创新效率平均增长5.20%，绿色创新技术进步是其增长的主要来源；刘锴等［5］运用超效率松弛变量（SBM）模型测度我国75 个创新城市的技术创新效率，并分析创新型城市的创新网络结构对科技创新效率的影响机制，研究发现网络结构在不同方面对科技创新效率的影响不同；徐夏静等［6］构建Super-SBM 模型对我国创新效率及区域差异进行测算，研究表明我国区域创新效率整体偏低，呈下降趋势，但区域异质性、集聚性特征显著；卢小兰等［7］采用三阶段DEA-windows和空间统计方法，测算长江经济带创新效率并分析其创新效率的时空特征，研究发现长江经济带各省市均未达到数据包络分析（DEA）有效且区域差距较大；许学国等［8］运用三阶段Malmquist 指数构建绿色创新效率测度模型，并结合概率神经网络对绿色创新效率进行智能诊断，根据诊断结果可以把所有的区域分为全部效率有效地区、纯技术无效地区和规模无效地区；郝新东等［9］构建了广深港澳科技创新走廊扩容前后的门槛模型并实证分析研发投入对科技创新效率的影响，研究发现扩容后各类创新主体可以做到少投入、高效率；文炳洲等［10］运用数据包络分析方法对区域创新效率进行测度并用Shapley 值分解方法分析不同因素对于区域创新效率影响权重，为我国建立创新型国家战略提供理论参考。

目前，学者们对黄河流域的研究主要集中在水资源利用和生态保护等方面，也有部分学者从其他方面对黄河流域展开研究，如封思洁等［11］运用SBM-Undesirable 模型和Malmquist 指数模型对各城市绿色发展效率进行测算和分解，从时空维度和动静结合角度对黄河流域城市绿色发展进行分析；罗巍等［12］通过构建集中度与极化度模型分析黄河流域科技创新极化效应演化过程，并识别省际间的虹吸效应与涓滴效应；张国兴等［13］运用熵值法对黄河流域中心城市2013—2017 年发展水平进行测度，研究发现黄河流域城市高质量发展水平稳步上升，但上中下游城市发展水平存在较大差异；石涛［14］运用黄河流域9 省区10 年的面板数据探究其经济高质量发展的影响因素。黄河流域生态保护和高质量发展已经逐渐成为研究的热点重点问题，但是从黄河流域高质量发展角度出发的定性与定量相结合的研究比较缺乏，对于黄河流域创新效率的研究还不充分，将黄河流域作为研究对象并结合黄河流域实际情况，通过测度创新效率去探究其创新水平的研究较少。

因此，本研究运用DEA 和Malmquist 指数模型，综合测算2008—2019 年黄河流域9 省区创新效率并对其进行分解，分别从静态和动态两个角度对各省区创新发展的不同阶段进行分析，探究黄河流域创新发展水平的变化并提出相关发展建议，以期为推动区域创新战略布局和黄河流域高质量发展提供参考。

2 数据来源与研究方法

2.1 指标选取与数据来源

完善的指标体系是评价创新效率的关键，指标的选取将影响创新效率评价结果。借鉴已有相关研究，结合黄河流域各省区创新实际情况，选取R&D人员全时当量作为劳动力投入要素、R&D 经费支出和规模以上工业企业新产品开发经费作为资本投入要素，产出用规模以上工业企业产品销售收入、技术市场成交额和国内3 种专利授权数来衡量，以此构建黄河流域创新效率指标体系（见表1）。由于2008 年之前规模以上工业企业新产品开发经费、规模以上工业企业新产品销售收入等指标未纳入相关统计年鉴，且香港、澳门、台湾相关数据也未纳入统计年鉴，为保证测算结果的科学性与严谨性，综合考虑数据可获得性、简洁性和可行性等原则，选取我国31 个省、自治区、直辖市2008—2019 年的面板数据为分析基础，数据来源于2008—2019 年《中国统计年鉴》和《科技统计年鉴》。

表1 黄河流域创新效率评价指标体系

2.2 研究方法

2.2.1 DEA 方法

DEA 方法由美国著名运筹学家Charnes 等［15］在1978 年提出，该方法通过测算决策单元与相对有效生产前沿面的偏离程度来确定相对有效性，常用的模型为规模报酬不变的CCR 模型和规模报酬可变的BCC 模型。DEA 方法在测量效率时，不要求所有的决策单元必须是同一生产函数，也无需对指标计算权重和量纲化处理，所以有较强的客观性，且满足多元最优化的原则。由于黄河流域各省区的规模报酬难以实现不变，且以少投入得到优产出为目标，因此，选取BCC 模型对黄河流域各省区创新效率进行研究。假设有k个决策单元，每个决策单元有m种投入和n种产出，投入向量为产出向量为为权重系数，为参数，为松弛变量，构建BCC 模型如下：

式（1）中：若v=1，决策单元DEA 有效；反之则无效。

同时，BCC 模型的综合效率可分解为纯技术效率和规模效率，即综合效率=纯技术效率×规模效率。

2.2.2 Malmquist 指数模型

瑞典经济学家Malmquist［16］于1953 年首次提出Malmquist指数，之后Fare等［17］将其与DEA方法结合，成为有效测算全要素生产率变化的方法。同样假设有k个决策单元，每个决策单元有m种投入和n种产出，在测算期间t期的投入向量为产出向量为t期的生产技术和产出距离函数为：

从t期到t+1 期生产效率的动态变化模型如下：

Malmquist 指数可以被进一步分解成技术进步变化（Techch）和技术效率变化（Effch）。其中，技术效率变化包含纯技术效率变化（Pech）和规模效率变化（Sech），它们之间的关系为：生产率指数（Tfpch）=Techch×Pech×Sech，Effch=Pech×Sech。当Tfpch＞1 时，说明t到t+1 期整体生产率提高，反之则下降；当Techch＞1 时，说明技术创新和进步对投入产出效率有着明显贡献，反之则抑制；当Effch＞1 时，说明技术效率有所改善，反之则退化；当Pech＞1 时，说明由于宏观调控能力等的提高促进了效率提升，反之则降低；当Sech＞1 时，说明决策单元向最优规模靠近，反之则远离。

3 黄河流域各地区创新效率分析

3.1 基于DEA 方法的静态分析

为了使测算结果更加准确，同时便于把黄河流域9 省区与我国31 个省区市整体进行比较，基于DEA 中的BBC 模型，选取投入导向型规模报酬可变模型，运用DEAP2.1 软件对2018 和2019 年我国31个省区市的创新效率进行测算。

如表2、表3 所示，从平均值来看，黄河流域9 省区仅有规模效率的平均值与我国31 个省区市持平，综合效率和纯技术效率的平均值均低于31 个省区市的平均值，说明黄河流域创新效率较低，在全国中处于滞后水平，且主要是由于技术效率低下导致的总体效率偏低。从黄河流域9 省区创新效率来看，2018 年仅有青海达到DEA 有效，其余省区均未达到DEA 有效状态；9 省区综合效率呈现出“W”型分布，其中青海、宁夏、内蒙古、山西和河南的综合效率高于9 省区平均综合效率，四川、甘肃、陕西和山东的综合效率低于9 省区平均综合效率。从平均综合效率分解值情况看，黄河流域纯技术效率平均值与我国31 个省区市纯技术效率平均值相比较低，主要原因是创新投入不足或创新投入资源浪费，创新投入资源浪费和创新产出未达到相应规模都会影响创新效率，因此黄河流域各省区应当避免投入过量资源，在加大创新力度的同时根据各地区实际情况扩大或缩减规模。

表2 2018 年我国区域创新效率测算结果

表3 2018 年黄河流域创新效率测算结果

根据综合效率的分解值，导致地区非DEA 有效的原因分为两类。一类是由于纯技术效率较低导致，如四川、内蒙古、陕西和山西的纯技术效率低于规模效率，说明这些地区的创新投入资源并未充分利用，无法匹配地区创新产出规模，因此造成DEA 无效，尤其是陕西的纯技术效率与规模效率相差较大，已经超过0.300，可见陕西尽管存在产出规模不足的情况，但创新投入资源严重浪费对其创新综合效率影响更大。另一类是由于规模效率较低导致，如甘肃、宁夏、河南和山东的规模效率低于纯技术效率，说明这4 个地区的创新资源投入较为合理，但创新产出的规模并不理想，未达到相应的产出规模，因此造成DEA 无效的情况，因此，这类地区应拓宽产出渠道、扩大产出规模，提升生产能力。其中，河南的规模效率明显低于纯技术效率，表明河南更应重视创新产出规模，不能只关注创新技术水平的提升和创新资源的投入；宁夏的纯技术效率有效而规模效率无效，说明宁夏有合理的创新投入资源配置，但是创新产出未达到一定规模，从而造成综合效率DEA 无效，因此宁夏应该保持创新资源投入、扩大创新产出规模，使创新投入资源与创新产出规模相匹配，最终实现综合效率DEA 有效。总体上看，2018 年黄河流域只有青海处于DEA 有效状态，宁夏处于单效率有效状态，其余地区均处于DEA 无效状态；从规模收益变化来看，除青海外的8 个地区均为规模收益递减，说明这些地区应当缩减投入规模，过多的投入可能会造成浪费。

综合表4 和表5 可知，2019 年黄河流域9 省区创新综合平均效率、平均纯技术效率和平均规模效率均低于我国31 个省区市的平均值，差值分别为0.065、0.070 和0.007，说明2019 年黄河流域创新效率在全国仍处于较落后的水平，创新技术投入并未得到充分利用，生产规模仍然不能达到目标水平，由于纯技术效率普遍不高导致平均综合效率较低。黄河流域9 省区的创新效率均未达到综合效率DEA有效，其中甘肃、内蒙古、陕西、山西和山东的综合效率高于9 省区的平均值，河南的综合效率最低，仅为0.492；从区域分布来看，与2018 年的“W”型分布相反，在空间上呈“M”型分布；从平均综合效率的分解值来看，两个平均值都有所下降，其中纯技术效率平均值与2018 年相比下降0.053，规模效率平均值与2018 年相比下降0.163，规模效率的平均值下降幅度较大。说明在区域发展过程中，尽管加大创新投入并提升创新能力，但是创新投入资源过多，产出规模未能很好地跟进创新发展，使得黄河流域整体创新效率低下，并且创新综合效率低下受产出规模不足的影响程度更大。

表4 2019 年我国区域创新效率测算结果

表5 2019 年黄河流域创新效率测算结果

根据综合效率的分解值，四川、内蒙古和陕西的纯技术效率低于规模效率，属于纯技术效率较低导致的DEA 无效，这3 个地区纯技术效率都处于较低水平，说明创新资源投入有较多浪费，冗余的资源投入使纯技术效率较低，造成DEA 无效，这些地区应合理控制投入资源与产出规模的比例，避免投入资源过多的现象，对资源配置合理地进行调整；青海、甘肃、宁夏、山西、河南和山东的规模效率低于纯技术效率，属于规模效率较低导致的DEA 无效，说明这6 个地区的规模效率较低是导致综合效率低下的主要原因，创新资源投入有少量浪费，但是产出规模没有达到理想情况，创新产出规模处于较低水平。从规模收益变化来看，黄河流域9 省区的规模收益均为递减，说明各地区应该根据自身发展情况缩减创新投入资源、重新合理配置资源，避免因过量资源导致的资源浪费。

综合2018、2019 年来看，黄河流域创新效率有小幅下降，整体创新效率仍然偏低。同2018 年相比，2019 年仅有陕西的创新效率有所增长，其余8 个地区的创新效率均呈下降趋势，导致整体平均创新效率降低，可见黄河流域创新发展仍然任重道远。解决流域内创新效率低下这个问题，就必须各地区共同努力，根据各自实际情况合理调整创新投入与创新产出规模，避免出现资源冗余或创新产出不足等情况。2018、2019 年在黄河流域9 省区中，山西和内蒙古的创新效率都处在较高的水平，这两个地区位于黄河流域中游，经济发展相对落后，但是创新资源能够较好地投入使用，没有多余的资源浪费，产出也能达到相应规模，因此创新效率较高；四川和陕西的创新效率水平相对落后，尽管这两个地区的经济发展水平相对较高，但创新资源过量投入，投入的资源没有完全利用，创新产出规模不匹配创新资源投入，因此创新效率较低，四川和陕西应该充分发挥自身优势，扩大创新产出规模，从而提升创新效率。

黄河流域2018 年、2019 年的创新效率以及创新效率的分解效率变化，如图1～图3 所示。

图1 黄河流域创新综合效率变化趋势

图2 黄河流域创新纯技术效率变化趋势

图3 黄河流域创新规模效率变化趋势

3.2 基于Malmquist 指数模型的动态分析

为进一步研究黄河流域创新发展的动态特征，运用DEAP2.1 软件对2008—2017 年我国31 个省区市以及黄河流域9 省区投入产出数据进行Malmquist指数测算和分解，得到31 个省区市创新效率的动态变化情况及黄河流域各地区创新效率具体变化情况。

如表6 所示，2008—2017 年我国31 个省区市创新效率整体呈上升趋势，年均提高3.20%，其中2014—2015 年提高幅度最大，达到17.4%，2008—2009 年、2010—2011 年、2013—2014 年 和2015—2016 年呈下降趋势，分别下降0.10%、11.00%、0.60%和0.80%。从指数分解角度分析，仅有技术进步变动指数的平均值小于1，说明总体上技术发展进步是制约创新效率提升的关键因素，因此应当加大对创新技术研究的投入力度，加快创新人才引进，改善现有较落后技术，学习引进先进技术并不断提高创新能力，从而提升创新效率；技术效率变动指数涨幅最明显，为年均3.40%，说明黄河流域在发展过程中资源投入水平随着创新能力的提高而提高，配置更加合理，投入资源浪费情况有所好转，但改善程度还不明显。纵观这10 年的创新发展，我国为创新投入的资源越来越多，但创新产出规模并未随之增长，且创新投入资源也存在浪费现象，创新资源并未得到合理利用。

表6 我国区域创新效率Malmquist 指数分解结果

从时间维度测算我国31 个省区市2008—2017年创新效率变动及分解指标变动情况，如表7 所示。从总体情况来看，黄河流域9 省区的创新效率年均增长4.90%，与31 个省区市创新效率年均增长相比超出1.70%，黄河流域内各地区的创新效率均有所提高，尤其是甘肃、宁夏、陕西和山西的创新效率提升幅度最大，年均超过5.00%；四川的提升幅度最小，年均增长1.20%。从创新效率指数分解来看，黄河流域9 省区平均技术效率变动指数、平均纯技术效率变动指数和平均规模效率变动指数均高于我国31 个省区市，仅有平均技术进步变动指数低于31 个省区市，说明黄河流域9 省区的技术水平在全国处于落后状态，在未来发展中黄河流域各地区应重视创新技术的发展，积极引进创新技术人才，弥补创新发展能力不足的短板。

表7 2008—2017 年黄河流域年均创新效率Malmquist 指数分解结果

从图4 来看，黄河流域技术效率变动指数和纯技术效率变动指数中，分别均有8 个地区超过1，说明创新效率提升的主要原因是创新技术提高，各地区对创新技术发展越来越重视，创新资源的投入力度加大，配置的资源在创新发展过程中得到较为充分的利用；规模效率变动指数中，河南未超过1，同时有6 个地区接近1，表明黄河流域的创新产出规模虽然没有阻碍创新发展，但创新产出规模并没有随着创新投入资源的增加同比增加，创新产出规模相较于创新资源投入还较为滞后，因此拓宽创新产出渠道、加大创新产出规模是今后提升区域创新效率的重要途径；技术进步变动指数中，仅有青海、四川、陕西和山东超过1，结合平均技术进步变动效率可见，创新技术进步进程缓慢是黄河流域长期存在的问题，创新技术的发展是提升创新能力的关键一步，解决技术发展的瓶颈是实现黄河流域创新效率增长的突破口。从区域层面来看，青海、陕西和山东的4 个变动指数都不低于1，说明这3 个地区在创新发展的过程中全面发展，在创新技术发展的同时兼顾资源配置与产出规模，因此创新效率提升幅度较大；四川技术效率变动指数和纯技术效率变动指数均低于1，说明未能充分利用创新投入资源，造成资源浪费与资源配置不合理现象；山西、河南两地技术进步变动指数和规模效率变动指数均不高于1，由此可见这两个地区对创新技术发展有一定重视，但是管理和产出都存在一定问题，今后应更加重视创新资源的合理配置与促进创新产出。

图4 黄河流域创新效率及分解效率变动指数

4 结论与启示

黄河流域是我国重要的生态屏障和重要的经济地带，提高创新能力、创新水平和创新效率对黄河流域的生态和经济有着重要作用。本研究运用DEA方法和Malmquist 指数模型，从静态和动态两个角度对黄河流域2008—2019 年创新效率进行测算分析，并与我国31 个省区市的创新效率进行比较，得到以下结论和启示：

（1）黄河流域当前整体创新效率仍然较低，创新水平未达到我国31 个省区市的平均水平，急需加强央地合作，强化多方联动，优化资源配置，齐力提高区域创新水平。研究结果表明，2008—2019 年黄河流域9 省区创新效率平均值明显低于我国31 个省区市的创新效率平均值，且多数地区处于DEA 无效状态，2018 年、2019 年黄河流域分别有8 个和9个地区处于DEA 无效状态，2018 年分别由规模效率低下和纯技术效率低下导致DEA 无效的地区各占50.00%，2019 年由规模效率低下导致DEA 无效的地区占比为67.00%，大多数地区由于规模效率水平较低导致DEA 无效，说明黄河流域大部分地区的产出规模不理想。从规模收益来看，黄河流域多数地区的规模收益递减，说明黄河流域大部分地区既有的有限创新资源尚未得到合理配置，产出与投入匹配程度不高。因而，黄河流域各地区应从两个层面协同并进，一是要利用好国家黄河流域生态保护和高质量发展战略布局，争取更多国家优质创新资源，夯实资源存量，拓展资源增量，提高黄河流域在全国创新版图中的地位；二是要勇于自我革新，苦练内功，破除陈规旧习，创新体制机制，激活现有创新资源活力，有效提高创新资源产出效益和规模收益。

（2）黄河流域整体创新效率呈上升趋势，应充分发挥黄河流域生态保护和高质量发展国家战略布局优势，乘势追赶，缩小与国内其他地区创新水平的差距。分析结果显示，2008—2017 年黄河流域技术效率变动指数、纯技术效率变动指数、规模效率变动指数均已超过我国31 个省区市的平均增长速度，整体创新效率变动指数也超过我国31 个省区市的平均创新效率变动指数，创新效率年均增速同样高于我国31 个省区市的平均值，总体上创新效率呈上升趋势，技术效率随着经济发展水平提高而提升；各地区在黄河流域整体创新效率提高中均有贡献，其中甘肃、宁夏、陕西和山西的作用更为显著。黄河流域整体创新效率持续上升与我国近年来制定实施一系列创新战略举措及相关政策密切相关，是国家支持科技创新大环境优化带来的结果，然而，由于创新基础和经济发展水平的制约，黄河流域创新效率提升尚有较大空间。黄河流域生态保护和高质量发展是国家重大战略，该发展战略的实施为黄河流域创新发展带来新的历史机遇，同时对黄河流域创新质量提升提出新的要求，因而，黄河流域各地区应充分释放国家战略驱动流域发展的强大势能，主动担当，积极凝聚各方有利创新资源，保持区域创新效率高位增长。

（3）黄河流域各地区创新效率存在一定差异，但总体上较为均衡，尚未出现明显的空间失衡，未来仍需建立相应协同机制，巩固、优化区域创新格局，促进各地区协同向上，实现区域内创新高水平均衡。从创新效率空间分布上看，黄河流域各地区创新效率略有差距，总体上2018 年和2019 年的创新效率分别呈“W”型和“M”型分布，其中山西和内蒙古两地保持较高的创新效率。黄河流域是一个有机整体，在提升全域创新质量过程中，需要各地区协同共进，防止部分地区成为创新低地，避免出现木桶效应。黄河流域各地区应当跳出自身局限，合力探索协同创新促进路径，构建重大创新决策协商机制、重要创新工程协同联动机制、关键创新资源共享流动机制，努力实现创新资源在各地区间合理配置与有效流动，形成相对均衡、运行高效的区域创新空间格局。

（4）技术进步迟缓及规模效率较低是影响黄河流域创新效率水平提升的主要因素，需多措并施，引进优质创新资源，加大创新成果产出，加速创新成果转化。动态变化分析结果显示，黄河流域有5个地区的技术进步变动指数低于1，且黄河流域平均技术进步变动指数也低于1，可见技术进步迟缓是阻碍黄河流域创新效率水平提升的一个关键影响因素。对于技术进步变动指数低于1 的地区，应加快创新人才引进，改善创新环境，活跃创新氛围，有效提升创新能力和创新水平，提高全域整体创新效率。从静态角度来看，黄河流域多数地区存在规模效率或纯技术效率较低的问题。一方面，在全国创新高速发展的背景下，科技创新成果转化速度过慢或创新产出数量过少均会导致规模效率较低，从而抑制区域整体创新效率和创新规模效率的提高，造成创新效率水平较低；另一方面，创新资源投入与配置不合理，不足或过量的创新资源影响同样会制约区域整体纯技术效率的提高。因而，要提升创新效率水平，应当从规模和技术两方面综合考虑，扩大创新成果产出，加速创新成果转化。