安徽省财政支持对科技创新效率影响与政策启示

方 亮

(黄山学院 经济管理学院，安徽 黄山 245041)

一、引言

习近平总书记指出，当今世界正经历百年未有之大变局，全球政治环境和经济环境正发生着深刻的变化。新的科技革命将进一步改变世界的发展格局，科学技术也将加快新时代的发展。国家明确提出科技强国战略，2021年全国两会提出要高度重视科技创新，培育经济发展新动能。政府出台了一系列财政支持政策，在很大程度上激励了科技企业的创新，创新成果也显著增加。但是在科技创新效率方面却表现出了区域差异明显、行业不均衡等问题，那么财政支持对科技创新效率是否发挥了积极的促进作用？

安徽省作为中东部地区的重要省份，也是国家技术创新工程试点省份。安徽省一直非常重视科技创新。近些年，安徽省积极响应国家发展科学技术的号召，实施创新驱动发展战略，完善科技创新环境，逐年加大对科技研发的支持力度，制定了一系列创新激励政策，创新成果也逐年增加。要进一步发挥科技创新对经济发展的驱动作用，还需要更加合理配置资源，提高科技创新效率，从而实现有效的投入带来最大的产出。

创新效率研究方法的研究：现在大多数文献对创新效率测算使用的是1978 年Charnes, Coopor 和 Rhodes提出的DEA分析法[1]，Fried等提出了三阶段DEA模型[2]，Tone 和 Tsutsui提出了EBM模型，该模型是以DEA模型为基础考察了变量的径向和非径向特征[3]，杨骞等利用此方法进行相关研究。1953年Malmquist提出了Malmquist指数法，Färe等提出了利用Malmquist法考察了效率的动态变化情况[4]。徐强等、韩素芬和王鑫斌、和晨阳等利用此方法进行了实际问题研究。Tone将DEA模型中松弛变量考虑了进去，并为了进一步解决决策单元有效时的排序评价，提出了Super-SBM模型[5]。方亮等[6]使用了Super-SBM模型对实际问题开展研究。刘素坤等使用了随机前沿分析(SFA)测度了创新效率。除此之外，李梓涵昕认为开放式创新和独占机制对创新效率产生不同影响，并按照创新漏斗的不同阶段对这种影响关系进行了分析[7]；郑威和陆远权认为政府制定的科技支持政策会对企业创新效率产生影响[8]；孙燕铭和谌思邈利用长三角的数据对创新效率做了测算，并分析了创新效率的时空演化情况[9]；李苏满[10]、黄明凤和姚栋梅[11]等分析了创新效率的溢出效应问题。

财政支持创新效率的研究：马海涛等用新产品产值与研发投入比值测算创新效率，并对财政支持与创新效率做影响效应分析[12]。较多研究人员用财政用于研发投入的资金占研发资金比例作为财政支持变量实证分析财政支持对科技创新效率的影响。曹艳杰等认为财政支持对战新产业上市公司的创新效率没有显著的促进作用[13]。罗传雪则得出政府对企业的税收优惠能够有效促进企业的创新效率，但是政府的财政补贴对战新产业上市公司的创新效率没有发挥有效的促进作用[14]。李敬则认为是否有利于创新效率的提高与企业规模和“年龄”具有很密切的关系[15]。

政府支持是科技创新的重要影响因素。有研究人员针对某一个产业或者某种类型的企业分析财政对科技创新效率的影响，针对于具体区域的研究相对较少；研究人员对创新效率的测算主要集中于上述几种方法，对科技创新度量指标也大同小异。另外，对创新效率测算时，大多研究人员忽略了创新投入和创新产出之间的时滞性，从而影响了科技创新效率测算的准确性。本研究立足于安徽省的科技创新实际，考虑科技创新投入和科技创新产出之间的时滞性和持续性，综合现有度量指标和测算方法进行实证分析，并探索安徽省财政支持与科技创新效率之间的影响关系。

二、科技创新效率指标构建与数据来源

效率一般指在现有资源条件下能够实现的产出情况，在资源最优配置下带来最大产出则为理想状态的效率。综合Afriat等提出的观点认为，科技创新效率是科技创新活动所产生的生产效率，是科技创新投入的转化情况，体现为科技资源和要素不同组合投入的条件下创造出的不同数量的科技产出。最优的效率则为科技资源和要素投入的条件下创造出的最大数量的科技产出。

综合现有研究人员的度量方法，本研究将科技创新分为科技创新投入和科技创新产出，并分别构建度量指标。具体度量指标如表1所示。研究使用R&D人员数、研发人员全时当量和研发经费为科技创新投入变量；科技创新的产出大多数研究人员使用专利数，考虑到变量的相关性和数据可得性，本研究综合了科技论文数、科技著作和专利授权数3个变量度量科技创新产出。

表1 科技创新效率度量指标构建

本研究数据来源于安徽省统计年鉴和安徽省科技统计公报。为了降低价格波动的影响，货币度量的指标用价格指数进行平减。

三、科技创新效率分析

(一)非径向超效率Super-SBM方法

考虑到DEA分析无法对多个效率有效决策单元进行排序和评估，超效率Super-SBM模型将松弛变量考虑进去，能够有效地识别多个效率有效决策单元之间的差异。本研究使用非径向超效率Super-SBM模型测算科技创新效率。具体如下：

式中，x′为投入的松弛向量；yd为期望产出的松弛向量；yu为非期望产出的松弛向量；γ为权重向量。

考虑到科技创新投入与科技创新产出之间具有一定的时滞性，根据当前科技创新投入和科技创新产出之间的平均时间间隔，本研究将科技创新投入与产出之间时间间隔1年进行分析求创新效率值。

(二)综合效率比较

利用安徽省科技创新投入和产出数据进行测算，科技创新综合效率值如表2所示。综合效率考察不同地区科技创新投入产出的总体有效情况，反映了科技创新资源的配置情况以及资源的使用效率。综合效率值越高则表示地区科技创新资源的配置越高效。从时间变化特征上看，2012—2019年间，安徽省科技创新综合效率均值由0.503变化到0.548，整体上表现出小幅的增加趋势。2012—2013年间、2014—2015年间合肥、宿州、阜阳和六安四个地级市综合效率有效；2013—2014年间，合肥、宿州、阜阳、六安和池州五个地级市综合效率有效；2015—2016年间，合肥、亳州、宿州、阜阳和六安综合效率有效；2016—2017年间，合肥、阜阳、六安和池州综合效率有效；2017—2018年间，合肥、阜阳综合效率有效；2018—2019年间，合肥、亳州、阜阳综合效率有效。由此可知，只有合肥和阜阳两个地级市表现出全部有效，其他地级市科技创新效率则离效率有效还存在一定的差距。

表2 安徽省科技创新综合效率值

(三)纯技术效率比较

纯技术效率衡量了既定条件下进一步提高产出的能力，其反映了不同地区科技创新主体的管理水平的差异。如表3所示。首先，从各地区纯技术效率地区均值上看。2012年安徽省各地区纯技术效率均值为0.832，到2019年为0.844，各年度均值变化相对平稳，各年度纯技术效率都没有达到有效。其次，从各地区效率值分布情况来看。合肥、亳州、宿州、阜阳和芜湖保持了2012—2019年度纯技术效率全部有效，淮南、滁州、六安、池州、黄山、宣城和安庆实现了部分年度的纯技术效率有效，其他各地区2012—2019年间全部纯技术效率无效。

表3 安徽省各地区纯技术效率值

(四)规模效率比较

安徽省各地区规模效率值如表4所示。首先，从各地区规模效率地区均值上看。2012年安徽省各地区规模效率均值为0.707，到2019年规模效率均值为0.785，各年度规模效率均值表现出小幅度上升趋势，说明安徽省各地区整体上科技创新规模效率表现出逐年小幅增大。其次，从各地区效率值分布情况来看。淮北、淮南、宣城、铜陵、安庆五个地区在2012—2019年间规模效率有部分年度有效，而其他地区2012—2019年间全部规模效率无效。

表4 安徽省各地区规模效率值

四、安徽省财政支持对科技创新效率的影响

为了进一步探究安徽省财政支持对科技创新效率的影响关系，本研究以财政支持对科技创新效率做回归分析。人才是科技创新的关键要素，也是科技创新活动实施的主体，其他资源也要通过人才要素得以发挥作用；科技创新主要体现以工业领域为主，工业化水平在一定程度上直接影响了科技创新的基础与成效；在经济发展的新时期，任何科技创新都是在全球化的竞争环境下进行，开放的市场环境更有利于资源共享和信息流动，从而更有利于促进科技创新；合理的产业结构有利于进一步优化资源配置，从而促使创新资源流向高效率的产业与领域，也有利于创新效率的提升；好的经济环境往往伴随着高效的要素流动和旺盛的市场需求，从而为科技创新带来强大的需求拉动；城镇化则为科技创新提供了人才、区位以及外溢效应的条件。基于此考虑，在财政支持对科技创新效率的影响效应分析中将人才结构、工业化水平、市场开放程度、产业结构、经济环境、城镇化作为控制变量。具体度量指标如表5所示。

表5 回归分析度量指标构建

构建模型如下：Y=α+βX+γX′+ε。其中，X为控制变量；X′为主解释变量。本研究依据安徽省16个地级市2012—2019年的数据，使用双向固定效应模型进行分析。财政支持用价格指数平减，所有变量取对数处理，将各变量带入上述模型得到：lnCXXLit=α+β1lnRCJGit+β2lnGYHit+β3lnSCKFit+β4lnCYJGit+β5lnJJHJit+β6lnCZHit+γlnCZZCit+δi+θt+εit。其中，α为共同截距；β为控制变量影响系数；γ为主解释变量(财政支持)的影响系数；δ为不同个体的截距；θ为不同时间点的截距；ε为随机误差。回归结果如表6所示。

表6 回归结果

由此可见，模型1控制变量中经济环境通过了显著性检验，说明好的经济环境有利于地区科技创新活动的开展和效率的提升。工业化水平影响系数为正，但未通过显著性检验，这表明安徽省工业化水平虽然已经发挥了正向的促进作用，但是工业化水平不高，对科技创新效率的促进作用还有待于进一步加强。其他控制变量影响系数为负，表明这些指标对科技创新效率的提高有一定的抑制作用。分析原因认为人才结构、市场开放度、市场开放度和城镇化水平各地区差异较大，或者水平较低，整体上尚未发挥积极的促进作用。模型2为主影响效应模型，政府的财政支持对安徽省科技创新效率的影响系数为0.888，通过了0.01水平的显著性检验，说明安徽省财政支持对科技创新效率的提高具有显著的促进作用，通过提高财政对科技创新的支持力度有助于进一步提高科技创新的效率。城镇化的影响系数为负值，且通过了显著性检验，表明安徽省城镇化对科技创新效率有显著的抑制作用。究其原因认为安徽省城镇化整体水平有待提高，不同地区的城镇化水平差异明显，而科技创新效率更多体现为科技创新资源的配置合理性和投入资源的利用率，高城镇化率的地区也并未充分展示出对科技创新效率提升的促进作用，像阜阳、六安等城镇化水平较低的地区，反而表现出较高的科技创新效率。模型3～模型6为稳健性检验，通过加入不同控制变量可以看出，模型3～模型6的影响系数与模型2的影响系数相差不大，说明安徽省财政支持对科技创新效率的正向影响显著，回归结果稳健。

五、政策启示

(一)政府应加强合理配置科技创新资源投入与产出的制度设计

创新投入的科学设计是提高科技创新效率的有效手段，安徽省各个地方政府部门要加强对地方科技创新部门的管理，建立科学的创新管理和评价方法，引导科技创新主体建立科学的投入与产出计划，杜绝盲目的研发投入，依据研发活动需求设计科技创新投入与支出。尽量减少科技资源分散、科技资源重复投入等现象。

(二)寻求最佳财政支持规模

地方政府在加大对科技创新的财政支持时要统筹考虑，寻找财政支持与科技创新效率之间的最优组合，积极探索研发投入的最优比例与最佳区间，合理设置不同类型创新研发的比例，制定最佳的财政支持规模，加强财政支持经费的管理，优化不同研发阶段的支出规模，提高财政支持经费的使用效率。

(三)避免财政支持的抑制效应

政府在对科技创新投入支持经费时，应该尽可能避免由于经费投入而产生的“财政支持挤占研发投入”的现象和“创新惰性”现象。同时，要加强评估和监督，减少因为“税收优惠”“创新补贴”“支持政策”等引发的企业争夺政府补贴现象，杜绝企业弄虚作假等恶性竞争现象，减少不必要的掠夺、竞争与内耗。

(四)制定科学的研发管理制度

安徽省不同地区的地方政府在制定相关的管理方案与措施时，应加强区域的宏观调控与引导，创造科研条件，营造创新氛围，为研发机构和科研人员破除束缚，简化管理流程与审批手续，解除僵化的管理模式。同时，地方政府应加强对科技创新主体的服务，积极建立研发服务平台，为创新主体提供决策咨询、市场调研、项目评估、资源配置、成果转化、市场对接等服务，减少对科技创新活动的干预与限制。

(五)完善财政支持政策与制度

制定科学合理的财政补贴方案，多举措支持科技创新与研发活动，优化政策落实机制，强化政策的激励机制，精准施策，助力创新研发有序推进。适度加大财政对科技创新的支持力度，明确财政支持方向，尤其是对于市场前景好、创新性强、具有引领作用的项目要重点扶持。安徽省不同地区其优势产业和特色产业有所差异，科技创新研发项目也会不同，各个地区在加大科技创新扶持的同时，还要根据地方创新研发的特征，重点扶持产业特色明显、产业关联性强，能够带动相关产业发展的研发项目。

(六)引导企业优化科技创新投入结构

地方政府部门应主动与企业建立沟通机制，为企业“把脉问诊”，充分了解每一个企业现状和存在的问题，在科技创新中为企业提供正确的方向和指引，优化创新投入，突出企业在科技创新中的突出地位，引导企业加大投入技术含量高、有价值、有前景的创新项目，加强企业核心技术的提升，发挥有限资金的最大效益，提升企业创新效率，实现技术创新驱动发展。