北京与其他省（区、市）R&D人员投入产出效率比较

李灵艳 王健

摘  要：R&D人员作为国家科技人力资源中开展创新活动的核心人才，受到世界各国的高度关注。文章通过分析北京R&D人员发展现状，并基于DEA分析方法对北京及其他省（区、市）R&D人员投入产出效率进行了实证研究，发现北京R&D人员投入产出综合效率未达到最优且规模效率呈现递减趋势。基于此，文章提出加强研发人才引育、建强创新平台载体和完善人才评价体系等建议。

关键词：R&D人员；投入产出；DEA；效率

中图分类号：F124.3 文献标识码：A DOI：10.19881/j.cnki.1006-3676.2023.07.06

党的二十大报告首次将教育、科技、人才工作一体推进统筹部署，指出教育、科技、人才是全面建設社会主义现代化国家的基础性、战略性支撑，必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，再次鲜明地阐述了“创新之道，唯在得人”的人才培养观。科技人力资源是国家实施创新驱动发展战略、提升科技创新整体效能的重要战略资源，而研究与试验发展（Research and Development，R&D）人员作为科技人力资源中最具创新性的组成部分，其数量规模和创新动能直接影响到科技事业的发展和高水平科技自立自强的实现。[1]因此，R&D人员作为国家科技人力资源中开展创新活动的核心人才，受到世界各国的高度关注。[2]笔者从R&D人员规模与结构、科研与技术产出等角度，基于DEA方法对北京及其他省（区、市）（未包含港、澳、台地区）R&D人员投入产出效率进行比较分析，并针对北京R&D人员发展中发现的问题提出对策建议。由于统计数据相对滞后，笔者使用2017—2021年全国31个省（区、市）（未包含港、澳、台地区）数据，数据来源为历年《中国统计年鉴》《中国科技统计年鉴》和《北京统计年鉴》。

一、北京R&D人员发展现状

近年来，北京加强国际科技创新中心建设，依托国家实验室、新型研发机构、产业示范区等创新驱动的主平台主阵地，打造高水平人才高地，集聚了大量科技人才，促进了科技事业引领式发展。

（一）R&D人员规模位居全国第五

衡量一个国家或地区科技实力的强弱，除了取决于R&D人员的创新能力水平，还需要关注“蓄力池”的大小，也就是R&D人员的规模。2021年，北京地区R&D人员数量约为33.83万人年（见图1），低于广东、江苏、浙江和山东4个省份，位居全国第五。2017—2021年，北京R&D人员年均增速为5.82％，低于全国平均增速3.29个百分点，特别是2019年以来增长态势趋于平缓。

（二）R&D人员投入强度领跑全国

R&D人员投入强度的高低反映了一个国家或地区有多少人才愿意并且能够投入到研发活动之中。随着北京国际科技创新中心建设深入推进，全球影响力初步形成，相较于其他省（区、市）而言，人才粘性比较优势凸显。2021年，北京每万名就业人员中R&D人数约为292.14人年（见图2），与我国R&D人员聚集密度最高的上海、江苏、浙江、广东等东部地区省份相比，分别是其人员数量的1.69倍、1.88倍、1.98倍和2.33倍，居全国最高水平。特别是近年来集全市之力推动建设的“三城一区”1创新主平台主阵地蓬勃发展，为科技创新提供了更加广阔的空间，对科技人才的吸引力不断加大，2017—2021年北京R&D人员投入强度年均增长6.56％，投入力度明显增强。

（三）R&D人员中从事试验发展活动人员比例较高

从R&D活动研究性质类型分布来看，2021年，北京地区R&D人员中从事基础研究、应用研究和试验发展活动的人员数量分别约为7.55万人年、9.72万人年和16.56万人年（见图3），占北京R&D人员总量的比重分别为22.32％、28.73％和48.95％，从事试验发展活动人员体量最大。2017年以来，北京聚焦高精尖产业需求，不断深化原创性、引领性科技攻关，对基础领域支撑力度加大，从而使基础研究和应用研究人员投入密度增加，R&D人员逐步转移到创新链前端。

（四）企业R&D人员占比较高

高等学校、科研机构和企业作为国家战略科技力量的不同组成部分，在优化配置创新资源，开展科技创新活动中承担的作用各不相同。从R&D活动执行部门类型分布来看，2021年，北京高等学校、科研机构、企业的R&D人员分别约为7.38万人年、11.98万人年、13.71万人年，占北京R&D人员的比重分别为21.81％、35.41％和40.53％（见图4）。由于企业更了解市场需求动态，从全国范围内来看，企业对R&D人员的聚集效应最为明显，北京也不例外。近年来，北京创新产业集群示范区不断提升能级，科技企业已成为技术创新活动的主体，主导着全市技术创新全过程，逐渐成为R&D人员集中的主要部门。

（五）R&D人员主要从事科学研究和技术服务业

北京R&D人员从业领域主要集聚于科学研究和技术服务业，制造业，教育业以及信息传输、软件和信息技术服务业四大行业，这四大行业集中了北京90％以上的R&D人员。2021年，北京科学研究和技术服务业R&D人员数量约为14.55万人年，占北京R&D人员总量的43.01％，而制造业，教育业及信息传输、软件和信息技术服务业R&D人员数量分别约为3.97万人年、7.38万人年和6.74万人年，分别占北京R&D人员总量的11.74％、21.81％和19.92％（见图5），科学研究和技术服务业R&D人员数量最多，这进一步为北京加快建设成为世界主要科学中心和创新高地，有力支撑科技强国和中国式现代化奠定了基础。

二、DEA模型设计

结合对北京R&D人员发展现状分析，为更好综合评价北京R&D人员投入产出综合效率，笔者采用数据包络分析（Data envelopment analysis，DEA），选取2021年截面数据作为样本，对北京与全国其他省（区、市）（未包含港、澳、台地区）R&D人员投入产出效率进行比较分析。

（一）模型概述

数据包络分析是由美国著名运筹学家A.Charnes和W.W.Cooper等学者提出的用于比较评价多投入多产出的同类决策单元（Decision Making Units，DMU）之间相对有效性的方法。由于该方法直接采用投入、产出数据构建非参数的DEA模型，比较决策单元投入、产出的相对效率，其在处理投入产出问题时无须事先确定函数形式以及投入、产出指标的权重等，对投入产出效率分解较为客观，可以相对精准地找到效率无效的来源[3-5]，基于这一优势，笔者采用数据包络分析评价模型进行评估。当综合效率值等于1时，表示决策单元有效，说明投入要素已经在当前技术条件下发挥出最大价值；当效率值小于1时则表示无效，说明投入要素没有得到合理运用并发挥出最大价值，需要对投入要素进行科学规划。

（二）样本选择和数据来源

研究将全国31个省（区、市）（未包含港、澳、台地区）作为样本决策单元，以2022年《中国统计年鉴》《中国科技统计年鉴》和《北京统计年鉴》作为数据来源开展样本统计分析，保证了数据来源的正确性和完整性。

（三）指标体系设计

R&D人员活动是一项多投入和多产出的复杂系统，对其作出全面、系统、客观的评价是一个多准则的综合评价问题。首先根据R&D人员活动的特点确定决策单元相同的投入、产出指标，并遵循决策单元的样本数至少为投入、产出项数之和的两倍以上的标准，再通过一个综合性的指标体系对决策单元创新活动投入、产出的效果进行评价。[6-7]考虑到R&D人员活动具有多种投入、多重产出这一特点，对R&D人员投入产出效率评估应综合考虑投入和产出的数量和质量，指标体系应全面简洁反映R&D人员活动投入和产出的不同层面。研究设计R&D人员投入产出指标见表1。

三、北京与其他省（区、市）R&D人员投入产出效率实证分析

通过对R&D人员投入产出项做相关性分析，结果表明各投入产出项均具有正相关关系，符合研究条件要求。最后采用DEA方法的BCC模型对2021年北京及其他省（区、市）科技投入产出效率（包括综合效率、纯技术效率、规模效率、规模收益）数据进行处理，结果分析见表2。

根据DEA测算结果分析，2021年各省（区、市）R&D人员投入产出综合效率均值为0.523，纯技术效率均值为0.878，规模效率均值为0.586。测算结果可分为以下几种情况：

1.DEA有效：江苏、广东、四川、陕西4個省份的DEA有效，综合效率值为1且规模收益不变，这些省份当年R&D人员投入产出效率达到理想状态。

2.综合效率高于均值：除DEA有效的4个省份以外，湖北、山东、北京、黑龙江、辽宁、浙江、湖南、吉林、上海、河南、安徽11个省（市）的综合效率高于均值。这些省（市）的主要特征是各效率值均较高，除北京呈现规模收益递减外，其他均呈现规模收益递增趋势。

3.纯技术效率较高：除DEA有效的4个省份以外，北京、黑龙江、浙江、吉林、广西、海南、西藏7个省（区、市）的纯技术效率值均为1，达到投入产出最佳状态，因规模效率小于1导致DEA无效。

4.DEA相对低效：河北、甘肃、广西、云南、重庆、山西、新疆、福建、贵州、天津、江西、内蒙古、海南、青海、宁夏、西藏16个省（区、市）的综合效率低于均值。虽然这些省（区、市）综合效率值偏低，但规模收益均呈递增趋势。

综合上述计算结果，得出以下结论：

其一，北京R&D人员投入产出的综合效率，具有较大提升空间。2021年北京R&D人员DEA综合效率值为0.860，投入产出效率偏低，没有达到效率最优的理想状态，与经济发达的江苏、广东等省份相比仍存在一定差距，有待进一步优化。

其二，北京R&D人员投入呈现规模报酬递减状态。2021年北京R&D人员纯技术效率为1，规模效率值为0.860，即R&D人员投入规模与科研和技术产出不成比例增加，不具有规模效率，而其他省（区、市）却恰好相反，普遍呈现规模收益不变或递增趋势，规模效率因素是造成北京R&D人员投入产出效率非有效的主要原因。[8]

四、提升北京R&D人员投入产出效率的建议

为加快建设国际科技创新中心，打造世界重要人才中心和创新高地，建成世界一流人才之都，发挥北京在服务国家科技创新战略中的重要作用，针对R&D人员投入产出效率偏低等问题，提出如下3个方面的建议：

（一）种好创新人才引育的“梧桐树”

北京加快建设国际科技创新中心，以科技创新推动高质量发展，应坚持以习近平总书记关于做好新时代科技工作和人才工作的重要论述为指导，创新人才引育机制，激发人才创新活力，建设首都人才高地。优化财政科技投入，加强基础研究和应用研究的财政经费支持力度，提升财政科技专项经费中研发人员经费比例，充分调动原始原创领域人才的积极性和创造性。加大科技管理改革，进一步解绑科研人员选择技术路线和支配科研经费的体制束缚，进一步发挥用人主体在人才培养、引进和使用中的积极作用，倾力打造聚才造才的良好环境，营造爱才敬才的浓厚氛围。瞄准国际科技前沿，以“不求所有，但求所用”的开放心态，筑巢引凤，加大对国家和首都发展“卡脖子”技术领域、尖端和重点领域、重要基础研究领域人才的引进、培养，着力引进海内外高层次创新领军人才、拔尖人才和创新型紧缺人才，做好配套扶持工作，为国际一流人才集聚、创新保驾护航。

（二）建好创新人才集聚的平台载体

进一步发挥中关村先行先试优势，围绕国家重点领域、重点产业，依托世界领先科技园区建设，强化在基础前沿创新领域布局，探索新的项目组织方式，积极承接下一轮人才发展体制机制改革试点和国家中长期科技发展规划的政策试点，完善适应全球竞争新态势和国家战略任务新需求的创新治理体系。不断提升创新产业集群示范区能级，强化企业科技创新主体地位，支持企业发挥目标导向，与高校和科研院所共建产教融合基地、特色研究院、交叉学科实验室等，提高科技成果转化和产业化水平，打造高质量发展战略支撑。依托国家级创新基地、新型研发机构等激发创新创造活力，完善高层次人才平台载体搭建激励政策，加快战略科研人才引进，增强创新人才聚集力，实现精准搭台。

（三）抓好新时代人才评价体系改革完善

充分发挥科技评价在创新资源配置中的指挥棒作用，加快建立以创新价值、能力、贡献为导向的人才评价体系，改革科技奖励制度，精简数量、提高质量，注重科技评价过程中对原创水平、应用价值、科学贡献的统筹考虑，构筑集聚全球优秀人才的科研创新高地，造就一批具有世界影响力的国际一流科技领军顶尖人才和创新团队。[9]尊重科研工作规律，认同学科差异、人才差异，根据基础研究、应用研究和试验发展活动的不同类别、不同方向、不同人员特征等细化研发人员分类评价体系，破除“五唯”、构建“新标”，让评价体系与科技人员的实际贡献、成长规律相一致，实现客观评价体系与被评价主体认同相统一。

注释：

1. 中关村科学城、怀柔科学城、未来科学城、创新型产业集群示范区。

参考文献：

[1] 曹琴，玄兆辉.中国与世界主要科技强国研发人员投入产出的比较[J].科技導报，2020（13）：96-103.

[2] 姜柏彤，蒋玉宏.我国科技人才区域分布特征与变化趋势—基于R&D人员数据分析[J].中国科技人才，2021（05）：22-30.

[3] 张文钦.基于DEA-Malmquist指数及Tobit回归模型我国高校R&D资源配置效率研究[D].南昌：江西财经大学，2022.

[4] 王娟，尹祥佳.基于DEA模型的全国高校R&D活动效率关系研究[J].大众投资指南，2021（16）：52-53.

[5] 廖帅，葛梅，苏雪晨，等.我国不同区域高校科研效率评价研究—基于分类DEA模型的实证分析[J].中国高校科技，2021（Z1）：38-42.

[6] 周代数，朱明亮.R&D投入强度、R&D人员规模对创新绩效的影响[J].技术经济与管理研究，2017（05）：19-23.

[7] 张越，倪家栖，廖婷.地方“十三五”科技创新规划研发经费投入目标完成成效研究[J].科技智囊，2022（08）：38-43.

[8] 张光进，张士菊.R&D人员绩效特征实证研究[J].科学学与科学技术管理，2014（05）：164-171.

[9] 梁淑红.新时代高校科技人才评价的趋向与优化路径[J].科技智囊，2022（10）：14-21.

Abstract：R&D personnel，as the core talents to carry out innovation activities in the national science and technology human resources，have been highly concerned by countries around the world. Based on the analysis of the development status of R&D personnel in Beijing and the empirical research on the input-output efficiency of R&D personnel in Beijing and other provinces（autonomous regions and cities）based on DEA analysis method，the article finds that the comprehensive input-output efficiency of R&D personnel in Beijing is not optimal and the scale efficiency shows a decreasing trend. Based on this，the article puts forward some suggestions such as strengthening the introduction of R&D talents，strengthening the innovation platform carrier and improving the talent evaluation system.

Key words：R&D personnel；Input-output；DEA；Efficiency