数字经济背景下高校创新效率测评及影响因素分析

李 毅,王 雨,罗 媞,易翠枝

(湖南理工学院 经济与管理学院,湖南 岳阳 414006)

0 引言

近年来,我国数字经济发展迅速、成就显著,其作为宏观经济的“加速器”和“稳定器”,作用更加凸显.大数据、云计算、区块链等数字技术的应用,为创新活动提供技术支持,赋能各创新主体,释放创新红利.高校是我国创新主体的重要组成部分,创新创业教育也越来越受到国家的高度重视.但是在国家和各级政府的支持和投入下,高校创新效率几何？数字经济背景下,影响高校创新效率的因素有哪些？这些都是值得思考的问题.基于此,本文以中国30 个省市高校为研究对象,考察2015—2019 年各高校科技创新效率及影响因素,以期助力高校创新创业教育,为后续政府及相关部门政策的制定提供参考和建议.

1 文献综述

国外关于数字经济与创新创业的研究起步较早.Yoo 等[1]2010 年正式提出数字创新的概念.Srinivasan等[2]分析数字技术对创新创业的影响,认为数字技术可以推动商业模式创新,促进数字创业者的出现.Nambisan 等[3]进一步比较了数字经济背景下的创新创业和传统创新创业的差别,认为与追求利润和专利数量最大化的传统创新创业相比,数字创新创业更加强调数字化创新效率和组织绩效的提升.鉴于数字技术对创新创业的影响,高等院校的创新创业教育也面临挑战,必须改变传统的教育模式以顺应技术革命的浪潮.国内学者有关数字经济对创新创业影响的初期研究主要停留在理论层面,一部分学者认为数字技术促进了商业模式的创新[4]、数字技术挑战了现有的创业理论[5]、数字经济改变了创新创业的研究范式[6]、数字经济通过促进技术创新实现经济高质量发展[7]等.后续也有部分学者对创新创业展开实证研究,例如胡玲等[8]运用层次分析法和灰色关联法对高校创新创业教育效果的影响因素进行了定量分析.李智等[9]运用空间杜宾模型研究数字经济对创业活跃度的影响.刘翠花[10]利用面板回归模型,研究数字经济对产业结构和创业增长的影响.

综上所述,以往研究多集中在理论层面对数字经济背景下创新创业的研究,且研究对象大都为企业、高校、科研机构等综合创新主体,难以看出单一主体的效率和不足.因此,本文选取中国30 个省市高校作为研究对象,进行创新效率测评和影响因素分析,以期助力各省市高校优化资源配置,提升创新效率.

2 研究设计

2.1 模型与方法

本文选取SBM-Malmquist 模型静态与动态相结合的方法,全方位反映决策单元的效率变化情况.具体计算步骤参考文[11].影响因素分析方面,考虑到超效率SBM 模型估计出的效率值是截断的离散分布数据,若使用OLS 回归,则其参数可能会出现严重偏差,因此,采用因变量受限的截断Tobit 回归模型.

2.2 指标体系构建

2.2.1 高校创新效率综合评价指标体系

本文选择构建高校创新效率综合评价指标体系模型,综合考虑各地区数字经济发展水平、经费投入、资源禀赋等特点,评价高校创新投入与产出之间的效率关系.对于数字经济发展指数的衡量,已有的研究与测算较多且较为成熟,本文利用对中国省域数字经济发展水平的综合评价方法,最终构建出综合评价指标体系,见表1.

表1 高校创新效率综合评价指标体系

2.2.2 高校创新效率影响因素评价指标体系

高校之间因学科属性的特点,理工农医与人文社科类高校在人员组成、经费投入、研究类别、创新产出等方面存在差异,每一方面的差异都将影响最终的创新效率.基于上述原因,本文最终构建的影响因素指标体系见表2.

表2 高校创新效率影响因素变量

2.3 数据来源与处理

基于数据的可获得性,本文选取2015—2019 年中国30 个省市(西藏因数据不全,未纳入统计)高校科技创新相关因素的面板数据,数据主要来源于2016—2020 年《中国科技统计年鉴》及各省市统计局网站.

3 实证结果分析

3.1 高校创新效率综合评价

3.1.1 超效率SBM 模型分析结果

采用Matlab 软件对2015—2019 年我国30 个省市高校创新效率进行逐年测算,结果见表3.

表3 2015—2019 年各省市高校创新效率测度结果

从全国来看,2015—2019 年我国高校创新效率呈逐年上升趋势,2019 年创新效率首次突破1,达到有效状态,一定程度上也反映出近年来我国高校整体创新能力的不断提升.分地区从均值来看,整体呈现西部地区>东北地区>东部地区>全国>中部地区.从省市表现来看,近年来综合效率技术水平达到前沿的省市较多,基本上维持在86.7%以上,即30 个省市中至少有26 个省市能达到有效状态.根据表3 中各省市创新效率均值分布情况,可将其划分为四个梯队: 第一梯队呈高效状态(大于1.1),包括内蒙古、河南、海南、青海;第二梯队呈有效状态(大于1.0),包括北京、天津、山西、辽宁、上海、江苏、浙江、湖北、广东、广西、四川、贵州、陕西、甘肃、宁夏和新疆;第三梯队呈现弱有效状态(0.9～1.0),包括吉林、黑龙江、福建、江西、山东、重庆和云南;第四梯队创新效率值偏低(小于0.9),包括河北、安徽、湖南.

3.1.2 Malmquist 生产指数分析结果

基于投入导向和规模报酬可变的DEA-Malmquist 模型,计算得出2015—2019 年全国及各省市高校科技创新动态效率指数及分解量,见表4 和表5.

表4 2015—2019 年全国高校创新效率分年度指数变动及分解

表5 2015—2019 年各省市高校创新效率整体变动指数及分解

从全国来看,2015—2019 年全国高校创新效率增长呈“M”形波动,平均值为1.252,年平均增长率为25.2%,说明这期间全国高校创新发展总体情况良好,处于增长态势.从指数分解的结果看,技术效率均值为1.154,即由于资源配置和管理改进等原因导致生产效率年均增幅为15.4%.其中,纯技术效率的贡献逐年增多,规模效率增长速度较慢,说明规模增加的边际收益红利还没有真正释放.年均技术进步的均值为1.107,即每年由于知识创新和应用水平提高所导致的生产率提高为10.7%,远低于管理改进等对创新效率提升的贡献度.这说明高校对原有知识创新和成果产出的改进不够,推进创新效率前沿面扩展较慢.其中,推进技术进步的主要因素是纯技术变化,规模技术变化呈现负增长状态.

分省市来看,2015—2019 年间共有22 个省市全要素生产率平均值大于1,占比高达73.33%,说明各省市高校创新情况整体趋势向好.山东全要素生产率最高,年均增长率达28.5%,四川全要素生产率最低,以年均6.6%的速度衰退.从区域排名看,山东、安徽、吉林和浙江全要素生产率增长均在20%以上,河北、黑龙江、云南、上海全要素生产率增长在10%以上,反映出近年来上述区域高校在科技创新、投入产出结构与体制改革上取得了积极成效.上海、北京、江西技术效率的负向增长影响了整体全要素生产率的提升,说明这3 个省市高校在创新管理效率和制度安排上还存在较大问题,在管理提升和规模控制等方面仍有改进空间.重庆、青海、湖南、内蒙古、新疆、贵州、广东等7 个省市技术进步对全要素生产率的拉动力较弱,需要加大技术创新和知识学习,以更先进的技术成果促进高校创新效率的提高.宁夏、陕西、广西等8 个省市的全要素增长率负向增长,且在技术效率和技术进步两方面指数都较低,需要提高警惕.

3.2 高校创新效率影响因素分析

进一步探讨各省市高校创新效率的影响因素及作用机理.回归开始前,对高校基础研究人员人均经费进行取对数处理,旨在消去指标量纲的影响,使结果具有更好的稳定性.回归结果见表6.

表6 高校创新效率影响因素Tobit 回归分析结果

R&D 经费投入强度与高校创新效率在0.5%的显著性水平下显著负相关.一般来讲,经费投入强度越高,越有利于创新产出.这里考虑两个方面,一是政府投入资金可能只有部分流向高校,二是一些省市政府投入对高校创新的拉动作用达到饱和,甚至出现投入冗余等问题.高校基础研究人均经费与创新效率也呈现显著的负相关,这可能是因为基础研究的困难性和复杂性,若长期的投入在短时间内无法见到成效,反而不利于创新效率的提高.理工农医类高校R&D 人员占比与创新效率成反比,通过显著性检验,一般认为理工类高校在创新产出方面相对容易,有利于创新效率的提高.这里参考宗晓华等[12]关于“双一流”建设高校研究效率及其变化的观点,一是理工类学科结构的偏狭可能制约其整体效率的提高,较为单一的学科结构越来越难以满足集成创新和协调创新的需求,二是理工类高校投入巨大,科研产出具有不确定性,科研贡献也难以精确测度,在效率评价中可能处于劣势.城镇化水平与创新效率呈现显著正相关,说明城市经济的发展和现代化技术的更新,有利于高校开展创新活动.

数字经济发展指数与创新效率成正比,但没有通过显著性检验.现今的普遍共识是数字经济的发展,有利于提高区域创新能力.这说明,在2015—2019 年期间,高校对于数字技术的运用不够,没有发挥数字经济对高校创新效率的拉动作用.

4 结束语

本文得出以下主要结论:

(1)创新效率方面,近年来我国高校创新效率不断提高,2019 年创新效率首次突破1 达到有效状态.分地区从均值来看,整体呈现西部地区>东北地区>东部地区>中部地区.

(2)创新效率增长方面,2015—2019 年全国高校创新效率增长速度呈“M”形波动,平均值为1.252,年平均增长率为25.2%.各地区相较于2015—2016 年的增长速度都有所放缓.其中,东部地区和东北地区创新效率年平均增长速度较快,分别为27.2%和23%,中部地区为9.9%,西部地区则表现为负增长.

(3)具体到各省市来看,近年来SBM 效率技术水平均值达到前沿的省市较多,基本上维持在86.7%以上,即30 个省市中至少有26 个省市能达到有效状态.动态效率方面,年均增长率保持在1 以上的共有22个省市,占比高达73.33%,说明全国各省市高校创新情况整体趋势向好.需要注意的是,安徽、河北虽然增长率较高,但整体创新效率仍处于较低状态;重庆、江西、湖南虽然有所增长,但效率均值也未达到1;宁夏、陕西、广西、山西、甘肃、四川、福建虽然效率均值略微超过1,但仍处于负增长状态.

(4)城镇化水平对高校创新效率有显著的促进作用,R&D 经费投入强度、高校基础研究人均经费、理工农医类高校R&D 人员占比对高校创新效率呈现抑制作用.数字经济发展指数与创新效率成正比,但没有通过显著性检验,说明数字经济带来的诸多红利还没有应用到高校创新活动之中.

根据上述模型结果和研究结论,本文提出如下建议: 一是增加高校在资源分配和使用上的话语权,推动高校进行科研创新体制改革,提高管理效率.二是对于不同地区、不同类型和处于不同效率阶段的高校,采取差异化的支持政策.三是坚定不移加大对基础研究的投入和攻关,发挥高校在基础研究领域的优势,推进企业与高校联手合作,解决资金问题,促进成果转化.四是采取多学科协同合作,规避学科劣势,推进集成创新和协调创新.五是以数字经济发展为背景,积极运用数字技术开展创新创业教育,赋能高校提高科研创新效率.