效率视角下云南省研发资源配置优化研究

张和平, 钟 翔, 汪元欣, 贺新华, 段江涛

(云南省科学技术情报研究院, 昆明 650051)

研发(R&D)投入水平是衡量一个国家和地区自主创新能力的重要指标,提高R&D投入水平已成为深入实施创新驱动发展战略的重要抓手[1]。R&D投入中的人财物等资源作为R&D活动的物质基础,其有效配置不仅能加速要素的流动和集聚,而且能够提升资源配置效率和R&D绩效,从而促进经济增长[2]。近年来,云南省不断加大R&D投入力度,引领产业结构优化升级,不断推动创新型云南建设迈上新台阶。然而受历史、区位等诸多因素制约,云南经济发展水平不高,R&D资源稀缺性矛盾突出,直接影响着R&D资源的配置规模、结构及效率,因此,探讨如何利用有限的资源实现最大的R&D产出,提升云南省R&D资源配置效率,对于制定相应的科技政策、寻求集约高效的创新发展路径具有重要的理论和现实意义。

1 文献综述

目前,学术界从效率视角探讨R&D资源配置优化的研究比较广泛,主要集中在两方面:第一、研究方法上,数据包络分析(data envelopment analysis,DEA)结合Malmquist、随机前沿分析(stochastic frontier analysis,SFA)及Tobit等模型应用较为普遍,如李俊龙和谭涛[3]运用DEA-Malmquist模型测度了31个省份研究与开发机构科技创新效率,从经费配置、体制机制及人才平台方面提出对策建议,吴鸣然[4]采用三阶段DEA模型测度30个省份的研发资源创新效率,建议促进区域间资源流动和统筹配置,张文钦[5]基于DEA-Malmquist-Tobit探讨了影响我国高校R&D资源配置效率的因素。第二、研究对象上,针对不同区域、产业及创新主体R&D资源配置效率关注较多。在区域层面涉及国际、省际及城际等空间尺度,如朱承亮[6]以包括中国在内的36个国家为决策单元测算了科技创新效率,发现我国科技创新效率稳中有升,但仍落后于美国、日本等国家,王谢勇和金光辉[7]研究了我国省域创新要素配置效率,杨力和魏奇锋[8]探讨了四大国家城市群的R&D效率;产业层面以知识和技术较为密集的高技术和高新技术产业为主,如王宏伟和陈多思[9]、杜宝贵和杨帮兴[10]从不同角度探讨了高技术产业创新资源配置,尹洁等[11]、白素霞和陈彤[12]分别探讨了高新技术产业创新效率;不同创新主体研究中,高校和企业相对较多,如吕雁琴等[13]实证分析了我国高校R&D资源配置水平,孙龙和雷良海[14]研究了中国工业企业创新资源配置效率,为创新政策制定实施提供新证据,姚梦琪[15]研究发现江苏制造业企业综合资源配置效率整体偏低,认为需政府、行业和企业三方合力采取措施,印芷水等[16]测度了宁波市高新技术企业创新效率,提出优化资源布局、建立机制等对策建议。

通过梳理以上文献发现,采用DEA等方法探讨R&D资源配置效率及优化相对成熟,研究对象也从宏观、中观到微观不断丰富和扩展,均为本文的研究提供了很好的借鉴和参考。同时,现有研究仍有可完善之处:即围绕省份整体R&D资源配置效率研究很多,但关于云南省的专题研究却鲜有报道,从横向省域比较分析视角探讨就相对更少。鉴于此,基于“十二五”以来云南省R&D投入产出数据,运用DEA-BCC-Malmquist指数模型测度R&D资源配置效率,结合临近省份比较分析,研究提出相应的对策建议,为科技管理决策提供参考。

2 模型构建与指标来源

2.1 模型建立

数据包络分析(DEA)结合Malmquist指数模型已广泛应用于包括科技创新等多行业多领域的投入产出效率测度分析,考虑到各决策单元规模不一,且更倾向于在既定投入上提高R&D产出,因此采用规模报酬可变(VRS)、产出导向(BCC)的模型更为合理。决策单元选取全国30个省(自治区、直辖市)(因数据缺失,未包含西藏地区和港澳台地区),采用DEA-BCC-Malmquist指数模型测算云南省R&D投入产出效率,模型原理和结构详见兰海等[17]的研究。

2.2 指标选取

借鉴已有研究[3-4,8,17-18],结合R&D活动的内涵和特征,选取R&D人员(人年)和R&D经费内部支出(亿元)作为投入指标来反映研发活动人力和财力投入,分别用X1、X2表示;被SCI(Science Citation Index,科学引文索引)、EI(Engineering Index,工程索引)、CPCI(Conference Proceedings Citation Index,会议录引文索引) 三大检索系统收录的科技论文数(篇)、发明专利申请量(件)和规模以上工业企业新产品销售收入(万元)为产出指标,反映研发活动的直接知识产出和间接经济效益,同时也反映了不同创新主体的研发绩效,分别用Y1、Y2、Y3表示。利用spss23.0对投入产出指标进行皮尔逊相关系数检验,均满足DEA同向性假定。

2.3 数据来源及处理

数据主要来自《中国科技统计年鉴》,由于R&D活动从投入到产出存在一定的时滞性,参考何燕子等[19]的研究方法,将时滞设为 1 年,即云南省每年的 R&D 投入产出效率值都是当年产出与上一年的投入,因此产出指标选取 2011—2021年数据,投入指标选取的是2010—2020 年数据,由于2021年被SCI、EI和CPCI三大检索系统收录的科技论文数暂未公布,因此参考赖一飞等[18]的方法基于历史数据采用线性拟合方法预测得出。软件采用DEAP 2.1,选择VRS(规模报酬可变)和产出导向。

3 云南省R&D资源配置效率实证分析

3.1 DEA模型静态分析

静态效率反映的是某一个时期技术和偏好等不变条件下的效率,通常用综合效率来衡量,综合效率是由纯技术效率和规模效率构成。

3.1.1 综合效率

综合效率反映决策单元(decision making units,DMU)中以当期资源的投入和产出是否达到了相对最优,是调整资源配置结构的重要依据。综合效率等于1,表明DMU相对有效;小于1,相对无效,综合效率越高,表示资源总体使用配置越有效率。根据表1可知,2011—2021年,云南省R&D投入产出综合效率偏低且呈整体下降趋势,综合效率为0.400～0.800,说明处于中度 DEA 无效[19];而同期全国综合效率值为0.700以上,呈现“稳中上升”态势,云南与全国差距进一步拉大;与临近省份相比,大多数年份综合效率也低于临近4省,反映云南省R&D活动投入产出可能存在结构性问题,即相对较多的投入并没有得到相应较多的产出,这与兰海等[17]、吴鸣然[4]的研究结果基本一致,说明R&D投入和产出之间可能出现“错位”,值得引起重视。那么到底是什么原因导致云南省R&D投入产出综合效率值低下需要从纯技术效率和规模效率方面进一步分解探讨。

表1 2011—2021年全国、云南及临近省份综合效率

3.1.2 纯技术效率

纯技术效率反映了最优规模下决策单元的要素组织管理、制度优化、创新环境营造、创新激励体制机制的合理性、知识培训有效性等方面,其值越高表示决策单元对投入的要素资源配置管理越有效率[3,20]。根据表2可知,2011—2021年,云南省纯技术效率与综合效率变化态势大体一致,整体出现下降态势,纯技术效率为0.400～0.800,相对较低,说明全省R&D投入产出综合效率偏低主要是由于纯技术效率相对无效所导致,同期全国和临近省份也是如此。大多数年份,云南省纯技术效率低于全国,且与全国呈反方向走势,差距进一步拉大,纯技术效率也低于临近4省。因此,云南省在加大R&D投入的同时更应该注重资源的配置和管理。

表2 2011—2021年全国、云南及临近省份纯技术效率

3.1.3 规模效率

规模效率指在技术和管理水平一定的前提下,现有规模和最优规模之间的差距[21]。规模效率越高,代表该决策单元产出能力越强,生产规模越适当,反之规模效率越低,该决策单元产出能力越弱,生产规模越需要改进。规模有效也就是规模投入产出相对合理;规模无效是指投入产出不合理,包括规模效益递增和递减。前者指增加R&D投入效益会以高于投入的速度增加;后者指效益的增加速度低于投入的增长[22]。根据表3可知,除2021年外,2011—2020年云南省规模效率等于或接近1,说明R&D资源配置规模接近最优状态,进一步反映出云南省R&D投入产出效率低主要是由研发资源管理配置不合理引起的。结合规模报酬状态看,云南省大多数年份规模报酬递增,说明加大R&D投入能明显提高效率,但也有少数年份规模报酬处于递减状态,说明可能存在资源浪费或相对产出不足,可通过调整投入结构比例加以改善。

表3 2011—2021年全国、云南及临近省份规模效率和规模报酬

3.1.4 投入产出调整分析

原始值与目标值之间存在的差值就是投入或产出改进的方向。表4列出了2011—2021年云南省R&D投入产出原始值和目标值。可以看出,2011—2021年,云南省出现了不同程度的R&D投入冗余和产出不足,但更多的是产出不足。具体来看,2011年、2012年、2013年、2016年、2020年和2021年出现了R&D人员投入冗余,说明科研人员作用发挥不足;所有年份R&D经费使用配置效率均相对较高,未出现冗余;2011—2021年,科技论文、发明专利以及规模以上工业企业新产品销售收入均存在严重不足。因此,未来需要从科研成果和经济产出方面进行改进,鼓励发表高水平论文,提升企业技术创新知识产权意识,提高成果转化能力。

表4 2011—2021年云南省R&D投入产出原始值和目标值

3.2 Malmquist指数动态分析

DEA-BCC模型从静态层面对云南省R&D投入产出效率进行了测算分析,为研究云南省R&D资源配置效率在不同时期内的动态变化,引入Malmquist指数,也叫全要素生产率指数,其值等于1,说明当期生产效率较前期保持不变,大于1表示较前期提升,反之下降。表5展示了云南、全国及临近省份的全要素生产率变化情况。可以看出,2011—2021年,云南省全要素生产率指数平均值小于1,为0.960,即平均每年下降4.0%,而同期全国上升3.1%,四川和广西分别上升2.6%和5.5%,贵州和重庆略微下降;从历年数据看,云南省仅有2012—2013、2013—2014、2014—2015 3个时间段全要素生产率指数大于1,而全国有8个,贵州、四川、重庆和广西分别为5、6、4、6个,说明云南大多数年份科技创新领域的生产力水平处于下降状态。

表5 2011—2021年全国、云南及临近省份全要素生产率

进一步分析云南省全要素生产率下降的原因。全要素生产率可分解为技术效率和技术进步效率,其中技术效率可以进一步分解为规模效率和纯技术效率。技术进步效率反映了决策单元技术创新进步或衰退情况,纯技术效率反映了决策单元组织管理水平,规模效率反映了决策单元规模的合理程度[3]。表6显示,从云南省全要素生产率分解指数看,2011—2021年,技术进步指数平均值大于1,说明云南省及时革新技术、应用新技术的力度较大,从而引起生产前沿面移动;而技术效率指数平均值小于1,进一步分解可以看出规模效率指数轻微下降,下降了1.7%,纯技术效率指数下降了3.9%,说明全要素生产率指数下降主要是由纯技术效率指数下降引起,还有少部分原因是规模效率指数下降导致,这与静态分析的结果基本一致。因此,未来在提升决策单元组织管理水平同时,也要注重投入要素的结构优化。

表6 2011—2021年云南省全要素生产率分解指数

4 结论与对策

4.1 结论

基于云南省“十二五”以来R&D投入产出数据,通过DEA-BCC-Malmquist指数模型测度分析,主要得出以下结论。

1)从静态评价结果看,R&D资源投入规模不断扩大,但R&D资源配置综合效率整体偏低,纯技术效率是主要制约因素;投影分析发现,R&D活动产出不足是导致云南省R&D资源配置效率DEA无效的主要原因,也是未来加以调整改进的方向。

2)从动态评价结果看,云南省R&D资源配置效率年份间变化基本平稳,但平均值略有下降,主要受技术效率指数影响,未来需不断提升组织管理水平,优化投入结构,强化科研成果产出。针对以上结论,就不断优化云南省R&D资源配置、提升资源配置效率提出以下对策建议。

4.2 对策

1)正确看待云南省R&D投入产出现状特征。云南省R&D活动的基本现状是R&D投入水平不断提升,但仍位居全国中下游水平;产出规模不断扩大,但人均产出数量偏低,这对于布局全省R&D活动具有重要意义。具体来看,R&D基础相对薄弱,R&D经费投入强度不足全国一半、万名就业人数中R&D人员不足全国的1/3,国家重点实验室等重要研发平台数量较少的现实仍没有改变,也因此导致了研发产出相对不足;其次,云南尚处于转变发展动力的关键期,产业发展方式仍粗放,制造业产业层次偏低,工业中以原材料、初加工、重化工等传统行业为主,企业多数依托劳动力、原材料及能源价格优势,依靠销售原料或初级产品获取相应效益,更多关注生产规模与产能的扩大,对R&D创新重视不够,企业R&D内生动力不足;最后,传统优势产业和新兴产业R&D实力差异较大,如烟草制品等规模较大的传统行业R&D投入强度仍偏低,而新兴产业中R&D投入强度较高的行业,经济规模又相对较小,说明云南工业化仍处在传统行业转型升级、新兴行业加速崛起的关键期,因此,未来在加大R&D投入的同时,更要强化对R&D产出的关注,逐步走出一条集约高效的创新发展之路。

2)完善人才激励机制,激发科研人员内生动力。人才是引领创新发展的第一动力,人才资源短缺也是云南实施创新驱动发展战略的主要瓶颈和短板,再结合DEA投影分析看,有6个年份R&D人员投入存在冗余,反映了科研人员作用发挥不足,因此,如何调动科研人员积极性、创造性,不断提升科研产出成果数量和质量值得引起重视。一是完善收入分配和物质激励机制。遵循人才发展规律,多元化提高科研人员待遇,将收入分配制度向一线R&D人员和高技能人才倾斜[23];多措并举提高青年科研人员待遇,让其安心工作;鼓励技术激励、知识产权激励、股权激励、绩效激励等多元化的激励方式,把握好团队激励与个人激励的平衡。二是完善科技评价和考核机制。推行人才分类评价制度,完善以实际业绩贡献为主要导向的科研人员评价机制,构建适合不同岗位、工作性质的科研人员及不同活动类型的科学评价体系;充分运用日常绩效激励手段,激发科研人员干事创业的活力。三是完善不同层次类型的科研项目激励机制。既要运用好“揭榜挂帅”等开放激励手段,又要实施好青年人才培养的稳定项目机制,支持不同层次人才尽其所能,提高整体效能。

3)优化科研管理机制,强化科研成果产出。当下大多科研政策关注点更多聚焦在R&D投入上,而对于R&D成果产出关注较少,再加之R&D活动本身的特征属性,如允许失败、投入产出存在滞后性、成果可量化的指标有限等,或多或少出现“重投入、轻产出”现象,导致R&D投入产出效率较低,因此,未来需进一步优化科研管理机制,提高科研成果产出。一是建立长期系统的R&D宏观管理机制。尊重科研及科研单位运行自身规律,坚持宏观管理为主与落实单位自主权相结合的原则,在政府引导下,有序开展R&D活动更有利于提升创新主体的科研效率;明显区别于行政管理工作,营造公平公正、相对宽松、自由的氛围,鼓励大胆创新,想方设法激活创新主体的主观能动性,促进创新绩效产出。二是引导树立正确的R&D成果产出导向。针对云南省基础研究占比较高的特点,持续鼓励发表高质量高水平论文,申请高价值发明专利,树立正确的破“四维”导向,谨防陷入谈论文色变的理解误区;引导在滇科研院所围绕区域特色优势产业链开展科学研究,适度降低纯基础研究比例,明确高校和科研院所的功能定位,瞄准产业需求开展应用基础研究,避免重复研究浪费资源,鼓励重点产业龙头企业加大R&D投入,开展以底层技术为核心的技术创新和成果转化。

4)完善科技创新体系建设,加快推动产学研协同创新。高校和院所是科技创新的主要策源地,也是人才、知识等要素聚集地,企业是科研成果转化的主要场所,云南省企业自主研发能力相对薄弱,与高校和科研院所协同创新更有利于形成高效互补的科技创新运行机制。一是发挥政府主导作用,推动构建以产业链发展为导向的科研创新体系。鼓励企业、高校和科研院所建立联合体,围绕云南特色优势产业,打造利益捆绑模式,逐步形成企业加大R&D投入、高校院所提供R&D供给的良性互动模式。二是发挥各类R&D平台优势,促进产学研深度融合。充分发挥云南实验室等重点平台的聚集效应,瞄准产业共性关键技术,吸引企业、高校和院所形成合力,打通从R&D活动到成果转化应用的创新链条,促进投入到产出的有效贯通,为科研成果转化为现实生产力奠定基础;优化新型R&D机构运行机制,真正瞄准区域产业技术需求,企业技术难点、堵点开展科研攻关,聚集创新要素支撑地方产业链双向延长;持续加大企业设立R&D机构支持力度,增强企业主动参与或吸引创新的意识,提升造血能力,促进科技和产业的融合。