福建省创新驱动发展效率测度分析

林昭永

(黎明职业大学 商学院,福建 泉州 362000)

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》指出,质量效益明显提升是实现经济持续健康发展的基础,坚持创新驱动发展的同时实现发展新优势的有效塑造[1].社会经济进入高质量发展阶段背景下,创新驱动发展评价拥有了显著的现实意义,将为经济发展行稳致远提供重要的辅助评估作用.创新驱动发展评价现有研究述评如下:(1)科技创新对经济发展驱动作用的研究[2-3],但普遍缺乏两者融合机理的分析.(2)创新水平评价体系和方法的研究[4-6]等,成果评价了不同范围或者领域的创新驱动水平,具有方法参考价值.(3)创新驱动经济的效率与效益研究.从范围角度看,国家层面的技术创新效率测度[7-9]和省域经济创新效率问题分析[10-12]都是重要的研究领域,这些成果提供了从宏观经济视角研究区域创新驱动效率的指标体系构建思路和数据选取口径参考,但是既有成果往往局限在对区域经济发展静态效率的简单测度,缺乏对效率动态演变特征的监控.从研究方法角度看,数据包络分析方法[13-15]、生产率指数模型[16-17]、熵权法[11]、双重差分方法[7]和Tobit分析法[12]等量化分析方法都被证实可以用于创新效率测度和影响因素测评,这些模型的实现主要应用截面数据、时序数据和面板数据等,但是既有研究的关注点往往停留在效率值的计算和影响因素的分析,普遍缺乏对效率差异引致区域发展分化现状的描述.本文将聚焦在福建省区域经济创新发展效率,运用数据包络分析方法——BCC(Banker-Charnes-Cooper)模型测度福建省在不同发展阶段的创新发展静态效率,在此基础上,运用生产率指数模型(Malmquist模型)研究福建省创新发展效率动态演进情况.作为对效率影响分析的重要补充,本文运用聚类分析模型对福建省不同设区市的创新发展分异规律进行总结.

1 评价方法和指标体系

1.1 BCC模型和Malmquist模型

BCC模型是一类数据包络分析模型,本文采用产出导向型的BCC模型对区域经济创新发展效率进行测度,重点考察投入固定时对投入的控制和调节.BCC模型的数学表达式可以表示为

其中:θ表示决策单元的效率计算值,当θ=1时决策单元处于DEA有效状态,资源的投入可以认为发挥了最佳效率的产出.决策单元的效率可以被分解为综合效率、纯技术效率和规模效率3个组成部分.综合效率是纯技术效率和规模效率的乘积,全面表示决策单元的总体效率;纯技术效率主要考察产出的最大化情况;规模效率主要考察投入与产出的同步变动情况.

Malmquist模型是一种动态效率分解模型,在加入时间变量基础上实现了对决策单元效率演进特征的动态测度,是对BCC模型等静态效率分析模型的重要补充.

1.2 聚类分析模型

聚类分析模型可以按照某种可变量化分析尺度对决策单元进行分类,本文选用系统聚类模型对福建省不同设区市的创新发展情况进行系统分类,系统聚类法[18]可表示为:

1.3 指标体系

区域创新驱动发展的投入资源主要涵盖人力、物力和财力等要素,产出主要涵盖经济收益、技术进步和社会成长等指标.立足于对省域创新要素的集约体现和产出要素的较全面展示,在结合相关经济社会创新效率研究成果基础上,兼顾数据可获得性原则,参考文[14-17]的做法,采用全社会就业人口数(万人)、R&D经费(亿元)和高新技术企业数(家)为投入指标,采用规上工业企业利润总额(亿元)、专利授权数(件)和高技术制造业占规上工业增加值比重(%)为产出指标,构建投入产出指标体系如表1所示.其中,聚类分析将投入与产出指标融合作为参考指标.

表1 福建省创新驱动发展效率评价指标体系表

2 福建省创新驱动发展效率测度

2.1 福建省创新驱动发展静态效率测度

将表1指标数据代入数据包络分析中的BCC模型,采用产出导向方式,运用DEAP 2.1软件进行计算,得到如表2所示的福建省创新驱动发展静态效率情况.总体而言,2013-2021年间,福建省内设区市的创新发展效率得到显著提升,综合效率达到DEA有效的城市从2013年的4个提升到2021年的6个,且各个年份的平均综合效率呈现上升态势.这个现象表明,福建省各设区市综合利用创新技术和创新资源的能力显著提升,创新资源配置的有效应性明显增强.从规模发展的效应来看,2013年福建省内有5个城市处于规模收益递增阶段,2021年该数值降低到了3.福建省内城市建设正在逐步从规模发展阶段过渡到高质量发展阶段.随着越多城市步入规模收益不变的行列,福建省创新发展态势将全面步入质量效益阶段.部分城市如泉州、厦门和宁德的年度综合效率均为1,出现这个现象的原因在于所用模型将综合效率的最高值设定为1.

表2 福建省创新驱动发展静态效率

2015年和2017年分别有2个和1个城市的规模收益呈现递减状态,但是这些城市很快回复到规模收益递增或者不变状态,表明部分年份里部分城市的创新产出规模低于创新投入规模.福州市近年来因为“强省会”战略的推行,获得了较大幅度的资源投入增加,但是相应产出滞后等原因造成效率较低现象.不过,自2017年以来福州市规模收益递增,说明该城市正处于产出快速增长之中,综合效率的大幅度提升很快可以实现.

将表1中2013-2021年各城市的年度效率均值导入Excel 2016进行福建省各设区市创新发展效率综合绘图,得到图1.从图中可以发现,福建省内不同设区市的创新发展效率呈现显著的“沿海高、山区低”的不均衡发展特征.表2中所有设区市综合效率标准差呈现出来的递减变动态势又表明,福建省内各个设区市的创新发展效率虽然存在不均衡情况,但是不均性总体上正在减缓.

图1 2013-2021年福建省各设区市创新发展效率总体情况

2.2 福建省创新驱动发展动态效率测度

运用数据包络分析方法中的Malmquist模型测度福建省各设区市2013-2021年间技术创新效率变动情况,得到如表3所示的创新发展技术创新效率动态情况.表3表明,2013-2015年和2017-2019年福建省整体上技术创新效率处于较高水平,其他2个时间跨度内的技术创新效率则相对降低,可见技术创新效率的变动具有一定程度的波动性.从地域看,沿海城市的技术创新效率普遍大于1,而山区城市的数值则明显偏低.为了进一步分析该现象的成因,将各设区市创新发展技术创新效率分解为技术效率和技术进步两个组成要素,得到如表4所示的技术创新效率分解表.技术效率主要刻画现阶段技术运用效率情况,技术进步则聚焦创新效率提升潜力.由表4可见,2013-2015年间,拉动福建省技术创新效率提升的主要因素是技术进步;2017-2019年间,拉动因素则主要是技术效率;其他年间2个要素的数值则较为相近.福建省2013-2021年间,技术进步和技术效率的提升共同促进了全省技术创新效率的整体提升,但是出现了技术进步和技术效率2大要素交替产生主要作用的现象,说明均衡发展、全面发展还有提升空间.

表3 福建省各设区市创新发展技术创新效率动态分析

表4中各个城市技术效率与技术进步数值的差异性显示,部分城市如福州、厦门和泉州主要由技术进步驱动整体技术创新效率的提升,而南平、龙岩和三明等城市则主要依赖于技术效率来拉动技术创新整体效率.这些现象的产生和区域产业布局有着较大关系,沿海设区市往往是高技术产业的主要聚集地,相比之下,山区设区市则明显对传统劳动密集型产业依赖更大.

2.3 福建省创新驱动发展聚类分析

以福建省2021年创新驱动发展数据为基础,进行系统聚类分析,得到如表5所示的福建省各设区市创新驱动发展分类情况.由表5可以发现,总体上看,福建省内各设区市的创新驱动发展状态可以分成2个大类,分别是福州、厦门和泉州为一类的质量效益先进类和其他城市为一类的质量效益发展类.

表5 福建省各设区市创新驱动发展分类情况

3 结论和建议

3.1 结论

(1)福建省内不同设区市的创新发展效率呈现显著的不均衡发展特征,各设区市创新驱动发展综合效率的标准差均值达到0.115.经过各设区市在质量效益提升的努力,全省创新发展效率不均性总体上出现了减缓态势.

(2)在不同发展阶段,不同设区市的技术进步水平和技术效率水平存在一定差异,部分内陆城市更依赖技术效率来拉动技术创新整体效率,表明不同设区市之间高技术产业的拉动作用存在差异.

(3)福建省内不同设区市的创新发展效率可以被明显地分为2个不同类型,表明福建省不同设区市的创新发展质量效益发展水平呈现一定分化性.

3.2 建议

(1)均衡创新资源配置,提高创新资源利用效率.通过产业布局重构等手段,引导创新要素在不同设区市高效流动,提升创新资源配置的均衡性;坚持市场和政策两点协同发力,提高资源使用的综合效率.

(2)优化区域产业布局,提升技术进步能力.进行广泛的产业布局协作,提高设区市间协同发展能力,优化全省技术创新活动组织结构,降低创新要素低水平重复建设等浪费环节,减少组织规模运行资源冗余现象,在较大范围内优势互补,提升整体上的技术进步能力.

(3)营造充分协作的创新环境,提升整体技术效率.积极进行科技创新和产教融合,通过创新驱动环境的营造、创新人才的培养和创新业态的培育推动福建省技术创新效率提升.加强创新人才培养、培训投入,构建完善有效的创新人才培养体系,打造复合型创新性研发人才和技术技能人才高地,提升整体技术效率.