浙江省科技创新效率演变及其影响因素

胡 伟 单 悦 夏 康 邓 芸

（浙江师范大学地理与环境科学学院，浙江 金华 321004）

0 引言

科技创新能力已成为决定一个国家和地区核心竞争力的关键要素，而效率则是科技创新的生命力。近年来，浙江出台《浙江省科技创新发展“十四五”规划》《推动高质量发展建设共同富裕示范区科技创新行动方案》《浙江省中长期科技创新战略规划》等一系列政策文件，加快浙江高水平创新型省份和科技强省建设。在此背景下，探究浙江科技创新效率及其影响因素，将为浙江科技创新效率的进一步提升提供科学依据。

国内外对于科技创新效率的研究主要集中于科技创新效率测度方法，国家、地区或行业科技创新效率评估和科技创新效率影响因素等方面。在科技创新效率测度方法上，BCC、CCR、SBM、Malmquist 指数等DEA 模型是最主要的创新效率测度手段［1-2］，而主成分分析法、熵权TOPSIS、随机前沿分析与DEA 模型的结合也使得科技创新效率的测度更加多样化［3-4］。在国家、地区或行业科技创新效率评估上，中国、美国、“一带一路”等国家和地区的科技创新效率备受关注，中国绿色创新效率空间差距总体上呈现先下降后上升又下降的趋势，“一带一路”沿线国家研发效率整体不存在收敛性［5-8］。长江经济带、京津冀、粤港澳大湾区、省域或市域的科技创新效率异质性是科技创新效率评估的热点［9-11］。中国创新效率总体呈“东—中—西”阶梯式递减，长江经济带科技创新效率呈两头高中间低的空间分布格局，长三角城市群创新效率的提升快于京津冀城市群［12-14］。农业、海洋产业、高端制造业、生物医药业、电子信息制造业等产业或产业集群的科技创新效率演变也受到较多关注［15-17］，纯技术效率滞后导致中国工业企业绿色技术创新整体效率偏低，地区之间海洋科技创新效率差异先缩小后扩大［18-19］。在科技创新效率影响因素上，经济发展水平、科技创新环境、税收政策、财政资金支持、区域开放水平、环境规制、政府监管力度等对科技创新效率具有不同程度的影响［20-22］，且不同的影响因素在不同地区的影响效应各异［23-24］。

浙江科技创新研究主要集中于城市创新网络、产业集群创新、金融创新、绿色创新效率等议题。浙江城市创新网络规模逐渐扩张，整体呈以杭州湾区为核心的“网络局部化、辐射中心化”特征［25］。影响产业集群创新与县域城镇化协调发展的驱动力具有明显的地域差异，其驱动力作用强度按经济基础、对外开放、市场力量、信息化、政府行为以及工业化依次递减［26］。浙江县域金融创新高增长区县域沿沪昆高速和杭州湾环线高速呈“Y”字形分布［27］。浙江省在中国绿色科技创新效率空间关联网络结构中处于中心位置［28］。这些研究有利于厘清浙江科技创新态势，但并没有总结浙江科技创新效率的时空演变规律，也没有厘清浙江科技创新效率的关键影响因子。因此，本研究以浙江省11 个城市为研究对象，运用DEA 模型分析浙江科技创新效率的时空格局演变，分析浙江科技创新效率的影响因素。

1 研究方法与数据来源

1.1 研究方法

1.1.1 BCC-DEA 模型。DEA 模型主要用于决策单元的效率分析。CCR 模型和BBC 模型是DEA模型中最经典的分析模型，其中BBC 模型相对于CCR 模型而言，增加了规模报酬可变的约束条件。由于在科技创新的投入产出过程中，基本是规模报酬可变的，利用规模报酬可变的BCC模型测度浙江科技创新效率更符合实际，本研究选择以投入为导向的BCC-DEA模型测度浙江科技创新效率。

拟定共有m 个决策单元DMU j（j=1，2，…，m），每个单元有n项投入（j=1，2，…，n）和s项产出（k=1，2，…，s），分别用Xj=（x1j，x2j，…，xmj）T，Yj=（x1j，x2j，…，xkj）T表示决策单元DMUj的投入向量和产出向量，评价决策单元DMUj效率的BCC 模型表示为式（1）和式（2）。

式中：θ（0<θ≤1）为综合效率；ε 为非阿基米德无穷小量，即一个小于任何正数且大于零的值；S+、S-分别为产出松弛变量和投入松弛变量；λj为各决策单元权重。θ值越大，科技创新效率越高。当θ=1，且 S+=S-=0 时，则决策单元为 DEA 有效，决策单元的产出相对于投入而言达到了综合效率最优；当 θ=1，但S+、S-不全为0 时，则决策单元为弱DEA有效，决策单元的生产活动不是同时达到技术有效和规模有效；当θ＜1 时，则决策单元不是DEA 有效，决策单元的技术效率和规模效益都未达到最佳状态。

1.1.2 Malmquist 指数。传统DEA 方法无法将时间维度的影响纳入DEA 模型中，对面板数据的处理能力不强。Fare 等［29］利用距离函数构建的DEA-Malmquist 指数模型，可以实现对多决策单元的面板数据进行深度分析，其核心原理是利用本期至下期生产力的变动来计算Malmquist 的全要素生产率指数，进而对效率进行分解，识别效率各部分对全要素生产率的贡献。

假设第t 期、第t+1 期的投入产出分别为（xt，yt）、（xt+1，yt+1），D0t（xt，yt）、D0t+1（xt+1，yt+1）对应时期技术条件下的产出距离函数，则t 阶段至t+1 阶段的Malmquist指数可表示为式（3）。

在规模报酬不变的前提下，Malmquist 指数可分解为技术效率变化指数（EC）和技术进步指数（TC），表示为式（4）至式（6）。

其中，技术效率变化指数（EC）可再分解为纯技术效率指数（PE）和规模效率指数（SE），表示为式（7）至式（9）。

因此，Malmquist指数可分解为式（10）。

如M（xt+1，yt+1，xt，yt）>1，则表示t阶段至t+1 阶段的Malmquist全要素生产率有所上升；如M（xt+1，yt+1，xt，yt）=1，则表示 t 阶段至 t+1 阶段的 Malmquist 全要素生产率不变；如 M（xt+1，yt+1，xt，yt）<1，则表示 t 阶段至t+1阶段的Malmquist全要素生产率有所下降。

1.2 数据来源

科技创新的投入主要有人力、物力、财力投入，产出主要有经济效益和创新效益。科技活动人员数量和R＆D经费支出是人力投入和物力投入的直接反映。专利申请是创新产出的直接反映，新产品产值是创新经济效益的直接体现。由于物力投入缺乏数据，而R＆D 经费支出在很大程度上也是物力投入的反映［13］。因此，本研究用从事科技活动人员数量、R＆D 经费支出作为科技创新投入指标，用专利申请和新产品产值作为科技创新产出指标（见表1）。研究数据主要来源于《浙江省统计年鉴》、浙江各地市统计年鉴及其国民经济和社会发展统计公报，个别年份的缺失数据通过联系各市统计局数据咨询处获取。

表1 科技创新效率指标体系

2 浙江省科技创新效率演变

2.1 科技创新效率时序演变

本研究采用投入导向的DEA-BCC 模型，对浙江省各地级市科技创新效率进行测度，利用DEA2P.1 软件计算得到浙江省各地级市2011—2020 年科技创新效率值（见表2）。2011—2020 年，浙江科技创新效率态势较好，全省平均科技创新效率值均高于0.8，杭州、宁波、湖州、台州、丽水在多数年份处于最优效率或接近最优效率。然而，2011—2020 年，浙江科技创新效率平均值从0.902下降至0.863，科技创新效率不升反降，这说明浙江科技创新产出增长并没有跟上创新投入的增长，科技创新产出有待进一步提升。

表2 2011—2020年浙江省各市科技创新效率

从时序演变来看，浙江各市科技创新效率大致呈“三阶梯”分布（见图1）。杭州、宁波、嘉兴、台州、金华的科技创新效率均值大于0.95，处于第一级阶梯；温州和丽水的科技创新效率均值在0.90~0.95，处于第二级阶梯；舟山、湖州、衢州、绍兴科技创新效率均值低于0.9，处于第三级阶梯。第一级阶梯的杭州、宁波、嘉兴、台州、金华在2011—2020 年间的平均科技生态技术创新效率为0.96，远高于其他城市。杭州、宁波在多数年份是全省科技创新效率最高的两市，而嘉兴、台州、金华三市的科技创新效率多在0.95上下徘徊，科技创新效率态势良好。第二级阶梯的温州、丽水历年科技创新效率波动起伏较大，温州科技创新效率先上升后下降再上升，丽水科技创新效率先下降后上升再下降。第三级阶梯的舟山、湖州、衢州、绍兴平均科技创新效率位于全省末尾，各市绝大多数年份的科技创新效率离最优效率均有一定距离，效率提升空间较大。值得注意的是，受新冠肺炎疫情带来的新产品产值下降影响，湖州、衢州、绍兴的科技创新效率在2019—2020年出现断崖式下跌。

图1 浙江省各市科技创新效率演变趋势

2.2 科技创新效率格局演变

根据2011—2020 年的区域创新效率指数，利用自然间断点分级法将11 个市划分为低效率、较低效率、较高效率和高效率4 种类型（见图2）。从空间格局来看，浙江各市科技创新效率格局复杂多变。以浙江四大都市圈核心城市为例，杭州在2011年、2014 年、2017 年、2020 年分别为高效率、较高效率、较低效率、高效率，宁波在 2011 年、2014 年、2017 年、2020 年分别为较高效率、较低效率、较高效率、高效率，温州在 2011 年、2014 年、2017 年、2020年分别为较低效率、较高效率、较低效率、高效率，金华在2011年、2014年、2017年、2020年分别为较低效率、较低效率、较高效率、高效率，四市在各年变化均较大。更重要的是，2011—2020 年，各市的科技创新效率都发生了变化。这说明浙江科技创新效率格局稳定性差。从科技创新效率类型演变来看，浙江科技创新效率类型由高效率主导。2011年、2014年、2017年、2020年，高效率和较高效率城市分别为6个、6个、6个、9个，高效率和较高效率地区始终超过一半。这进一步说明浙江科技创新效率整体态势良好。从空间溢出效应来看，2011—2020年，浙江省各市科技创新效率大多高低相间分布，高效率和较高效率周围多是较低效率和低效率地区，没有形成大范围连片的高效率和较高效率地区，浙江科技创新效率没有显著的空间溢出效应。

图2 浙江省科技创新效率空间格局演变

2.3 Malmquist指数分解演变

Malmquist 指数分解能够揭示不同时期技术进步、纯技术效率、规模效率变化及其科技创新效率的影响。运用Malmquist指数对浙江省各市2011—2020年的科技创新效率进行分解，发现浙江省科技创新全要素生产率在2011—2012 年、2014—2015年、2015—2016 年和 2019—2020 年 4 个时期大于1，其他时期小于1，全要素生产率下降时期较多而上升时期较少，全要素生产率主要呈下降趋势（见表3）。技术进步有3 个时期大于1，6 个时期小于1。纯技术效率有4 个时期大于1，5 个时期小于1。规模效率变化有4 个时期上升，5 个时期下降。值得注意的是，在全要素生产率大于1 的时期，技术进步在多数时期大于1，而纯技术效率变化和规模效率变化在多数时期都小于1。在全要素生产率小于1 的时期，技术进步均小于1，而纯技术效率和规模效率变化在多数时期大于1，这说明技术进步是影响浙江科技创新全要素生产率下降最主要的原因。2011—2020 年，纯技术效率变化平均值大于1，规模效率变化平均值等于1，而技术进步小于1，这说明技术进步的滞后导致了浙江科技创新全要素生产率的滞后，技术进步是浙江科技创新全要素生产率变化的主要原因。

表3 浙江省科技创新效率Malmquist指数及其分解

为揭示浙江各市技术进步、纯技术效率、规模效率变化的演化，对各市全要素生产率变化进行分解（见表4）。嘉兴、金华、台州的全要素生产率基本上保持不变，杭州、温州、衢州、舟山的全要素生产率增长显著，宁波、绍兴、湖州、丽水的全要素生产率下降明显。2011—2020 年，杭州、温州、衢州、舟山的全要素生产率分别增长了4.6%、2.7%、2.2%、2.1%，其中杭州、温州的全要素生产率增长主要源于规模效率增长，衢州的全要素生产率增长主要源于纯技术效率增长，舟山的全要素生产率增长主要源于技术进步的增长。宁波、绍兴、湖州、丽水四市全要素生产率分别下降了3.3%、3.1%、4.0%、3.2%，其中宁波全要素生产率下降源于技术进步、规模效率的下降，绍兴全要素生产率下降源于技术进步、纯技术效率的下降，湖州全要素生产率下降受到技术进步下降的影响最大，丽水全要素生产率下降源于技术进步的下降。不难发现，不同地区全要素生产率增长的原因较为多样化，但浙江各市全要素生产率的下降主要源于技术进步的下降。

表4 浙江省各市科技创新效率Malmquist指数及其分解

3 浙江省科技创新效率的影响因素分析

全要素生产率分解可以识别效率组成部分的贡献，但不能厘清各影响因素对浙江科技创新效率的影响。因此，本研究结合数据可获得性，参考相关研究［13-14］，选择区域经济发展水平、对外开放程度、互联网普及率、社会保障水平、潜在科研人员规模、政府支持作为浙江科技创新效率的影响因素，进行多元回归分析。区域经济发展水平用人均GDP 衡量，对外开放程度用实际使用外资金额衡量，互联网普及率用广播或电视节目综合覆盖率衡量，社会保障水平用基本养老保险参保人数衡量,潜在科研人员规模用在校大学生数量衡量，政府支持用县级以上政府部门属研究与开发机构的政府拨款衡量。由于互联网普及率和社会保障水平未通过相关性检验，本研究仅分析区域经济发展水平、对外开放程度、劳动者素质、政府支持对浙江科技创新效率的影响，具体回归结果见表5。

表5 浙江省各市科技创新效率影响因素的多元回归结果

从正负向影响效应来看，区域经济发展水平、对外开放程度和潜在科研人员规模对多数地区科技创新效率影响为负向，政府支持对多数地区科技创效率影响为正向，这说明政府支持力度的加大能提升科技创新效率。从影响因素的影响程度来看，各影响因素对浙江各市科技创新效率的影响的回归系数较小，各影响因素对浙江科技创新效率影响程度有限。从各影响因素的地区影响来看，各影响因素对浙江各市科技创新效率影响的异质性显著。杭州、舟山的科技创新效率受区域经济发展水平和潜在科研人员规模影响较大，宁波的科技创新效率受区域经济发展水平影响最大，温州、衢州、台州的科技创新效率受潜在科研人员规模和政府支持影响较大，绍兴、湖州、嘉兴、丽水的科技创新效率受区域经济发展水平和政府支持影响较大，金华的科技创新效率受对外开放程度和政府支持影响较大。

4 结论与建议

本研究分析了浙江科技创新效率的时空演变和全要素生产率演变，剖析了各影响因素对浙江科技创新效率的影响。研究结果发现，2011—2020年，浙江科技创新效率态势较好，各市科技创新效率大致呈“三阶梯”分布。浙江各市科技创新效率格局复杂多变，科技创新效率类型由高效率主导，科技创新效率没有形成显著的空间溢出效应。浙江科技创新全要素生产率主要呈下降趋势，技术进步下降是导致浙江科技创新全要素生产率下降最主要的原因。区域经济发展水平、对外开放程度、劳动者素质、政府支持对浙江各市科技创新效率影响的异质性显著。

为进一步提升浙江省科技创新效率，浙江应当采取如下措施。第一，加快推进技术进步。技术进步是浙江科技创新全要素生产率下降最主要的原因。浙江应当通过开展关键核心技术攻坚、加强科技创新基地和平台建设培育、加快完善技术创新中心体系等措施推动科技创新的技术进步。第二，加大政府支持力度。政府支持对浙江科技创新效率的提升尤为关键。各级政府应当积极引导土地、资金、人才等资源要素向科技创新领域倾斜，加大政府对科技创新的政策支持力度。第三，在加大对科技创新的支持力度的同时，政府要通过优化科技资源配置方向、完善科技资源配置模式、提升科技资源利用效率等推动浙江科技创新效率的提升。第四，注重科技创新区域协同联动发展。区域科技创新发展不平衡导致浙江各市科技创新效率大致呈“三阶梯”分布。浙江应该加强科技创新区域协作，发挥杭州、宁波等科创高地的辐射带动效应，加快科创共同体建设，缩小区域间的科技创新效率差距。