基于非徑向SE-C 2R模型與譜系聚類的中國區域創新效率分析

基于非徑向SE-C2R模型與譜系聚類的中國區域創新效率分析

王春枝1,2,趙國杰1

(1.天津大學管理與經濟學部，天津300072；2.內蒙古財經大學統計與數學學院，呼和浩特010070)

摘要：在構建區域創新效率評價指標體系的基礎上，利用非徑向SE-C`2R模型對2000-2013年中國內地30個省域創新效率進行了測算，并利用譜系聚類方法將其分為4個梯隊。最后，利用面板單位根檢驗的LLC方法對區域創新效率的隨機收斂性從五個層面進行了檢驗和分析。研究表明：中國創新效率總體較低，經濟發達地區創新效率高于經濟落后地區，東部地區創新效率存在隨機收斂；西北地區、西南地區和黃河中游地區區域內創新效率不存在隨機收斂。在此基礎上，從創新資源投入、資源配置結構、制度性因素等方面分析了原因并提出了針對性的政策建議。

關鍵詞：非徑向SE-C`2R模型；譜系聚類；區域創新；效率；隨機收斂

收稿日期：2015-08-26修回日期：2015-11-02

基金項目：內蒙古哲學社會科學基金項目(2013B027)；內蒙古自然科學基金項目(2014MS0701)。

作者簡介：王春枝(1976-)，女，內蒙古巴彥淖爾市人，天津大學管理與經濟學部博士生，內蒙古財經大學統計與數學學院副教授，研究方向：應用統計方法，技術經濟及管理。

中圖分類號：F127.6

文獻標識碼：A

文章編號：1002-9753(2015)11-0068-13

Abstract：By constructing the regional innovation efficiency index system，this paper evaluates the innovation efficiency of 30 provinces in China during 2000-2012，With the non-radial SE-C`2R Model.And then，the 30 provinces are divided into four echelons.Finally，the stochastic convergence of regional innovation efficiency are tested and analyzed from five aspects by using the LLC method for panel unit root test.Conclusions show that the innovation efficiencies are low overall the 30 provinces and are rising in fluctuation;the efficiency of innovation in developed regions is higher than that of the backward regions;the convergence of innovation efficiency exists in eastern regions,and it does not exist in the northwest,southwest and the middle reaches of the Yellow River regions.On this basis，the reasons of the problems are explained from the three aspects：the level of innovation resources input，the configuration structure and the institutional factors，thus,the paper puts forward targeted policy recommendations.

Analysis on China’s Regional Innovation Efficiency Based on Non-radial

SE-C2R Model and the Hierarchical Clusters Method

WANG Chun-zhi1,2ZHAO Guo-jie1

(1.DepartmentofManagementandEconomics,TianjinUniversity，Tianjin300072,China;

2.DepartmentofStatisticsandMathematics，InnerMongoliaFinanceandEconomicsUniversity，Hohhot010070,China)

Key words:non-radial SE-C2R model;hierarchical cluster method;regional innovation;efficiency;stochastic convergence

一、引言

創新對區域經濟發展至關重要，經濟增長的引擎越來越體現為創新驅動而非要素驅動已成為社會各界的共識。黨的十八大報告也明確提出要實施創新驅動發展戰略，強調“科技創新是提高社會生產力和綜合國力的戰略支撐，必須擺在國家發展全局的核心位置”[1]。新世紀以來，中國R&D經費由2000年的895.66億元增加到2014年的13312億元，增長了13.86倍，年均增長率為21.26%，同期，R&D經費投入強度由0.90增加到2.09，增長了1.32倍，年均增速為6.20%。然而，創新是個復雜的系統工程，投入僅僅是必要條件，創新投入最終是否促進經濟發展，關鍵在于效率。從區域發展的角度來說，創新效率低的區域，創新要素由于得不到充分利用和轉化，就會流向創新效率高的區域，反之，創新效率高的區域會不斷整合外部流入的要素，導致區域經濟發展的差距不斷擴大。因此，提升區域創新效率、優化創新能力是推動區域經濟發展的必行之路，而深入評估區域創新效率及其動態變化趨勢和收斂性，深層次挖掘導致創新效率地區差異的根本原因，對于改善區域創新活動的效率、促進區域經濟發展模式轉變、實現區域協調發展，是一個重大的全局性命題，這也是本文研究的重要意義。

20世紀90年代區域創新系統作為國家創新系統的重要組成部分被提出來后，引起了學術界和各國政府的高度重視，對其研究已涉及到區域創新系統概念、基本要素、結構模式、區域創新活動與區域生產力關系、區域創新能力的影響因素等多方面,其中創新系統的效率問題，尤其是投入產出效率，一直以來都是熱點議題之一[2]。區域創新效率研究的基礎是效率的可靠測算，縱覽相關研究成果，隨機前沿方法(SFA)和數據包絡分析方法(DEA)是較為常見的測算方法，SFA屬于參數方法，需要事先假定創新投入和創新產出變量之間的函數關系式，具有一定的主觀性，并且當從時間變化角度評價區域創新效率時，SFA對變量的平穩性以及變量之間的協整關系要求較高，否則可能導致“偽回歸”問題，造成效率測算的偏差。DEA屬于非參數方法，不需要事先對變量之間的關系進行假定，相比其他方法具有較好的客觀性，在測量多投入、多產出決策單元的效率方面具有明顯優勢，并且DEA方法測算效率時基于不同樣本點與效率最優點進行比較的角度，是一種相對效率，這與Pareto有效性標準是等價的，因此被學者們廣泛運用。

梳理學者們運用DEA方法對區域創新效率測算的相關成果，劉愛芹和張偉(2008)[3]、張慧穎和郝沖等(2010)[4]、池仁勇、虞曉芬和李正衛(2004)[5]、孫凱(2008)[2]、李南和謝忠秋(2010)[6]、顏莉(2012)[7]、呂晨和曾明彬(2014)[8]等學者分別對不同區域某一時點的創新效率進行了測算，總體得到的結論是省域以及東、中、西部之間的創新效率存在顯著差異，東部地區領先優勢比較明顯，不過這些研究成果在應用DEA方法時，主要采用截面數據，而Umetsu等的研究結果表明，區域創新體系的過去在很大程度上影響著它的未來，在學術意義上講，這種情形一般被稱為“路徑依賴”，因此，橫向評價區域創新體系發展的有效性存在技術上的風險[9]。虞曉芬和李正衛等(2005)[10]、李婧、白俊紅和譚清美(2008)[11-12]、李婧和管莉花(2014)[13]、王奇珍等(2014)[14]、趙崢和姜欣(2014)[15]、孫東和卜茂亮(2014)[16]等基于面板數據對省域層面的創新效率進行了測算，這些成果雖然考慮了時間的動態性，結合時間序列數據應用DEA方法進行創新效率的綜合評價，但DEA模型的另一個缺陷仍然無法克服：DEA模型通常將決策單元分為有效和無效兩類,當多個決策單元同時有效時，即效率值均為1時，則無法進一步區分各評價對象之間的效率差異。能夠對同時有效單元進一步區分其效率水平的方法是DEA模型的拓展形式——超效率DEA模型(SE-DEA)，采用此模型，孫東(2014)[17]研究了2002-2012年、侯強和周雪(2015)[18]研究了2012年中國30個省域的創新效率，但模型本質上仍屬于徑向模型，是基于投入等比例縮減或者產出等比例擴大角度上(亦即徑向角度)的度量方法，沒有考慮到投入和產出的松弛量問題，當創新系統存在投入過度或者產出不足時，會產生高估評價對象效率的問題。

在利用DEA及其拓展模型測算區域創新效率的基礎上，部分學者繼續對區域創新效率差異的時空演變特征進行了分析，分析的角度主要是在分析省際之間差異的基礎上，考察東、中、西部地區的差異，不過大多數學者采用的分析方法主要是基于效率均值比較，鮮有學者采用專門的收斂性檢驗方法。較有代表性的相關成果中，參考文獻[12]采用絕對β收斂、條件β收斂檢驗，發現全國及東、中、西部地區均存在條件收斂，但東、中部地區不存在絕對收斂；參考文獻[16]采用絕對β收斂檢驗方法，發現東部地區創新效率收斂性要好于中、西部地區。這兩種收斂性檢驗方法主要考察區域創新效率的絕對差距，并沒有考察相對差距及其動態變化過程。

學者們在這一領域的研究成果具有一定的借鑒意義，本文從以下方面繼續進行改進性研究：首先，采用非徑向超效率DEA模型(非徑向SE-C2R)對中國省域2000-2013年的創新效率進行評價，解決超效率SE-DEA模型評價效率時無法考慮松弛量的問題；其次，利用譜系聚類方法對各省域創新效率進行客觀分類，在基于東、中、西部地域認識我國創新效率特征的基礎上，進一步從梯隊層次角度拓展觀察視角；最后，將考察絕對差距的σ收斂檢驗和考察相對差距的隨機收斂檢驗方法相結合，從東中西部區域、八大區域以及梯隊層次區域多角度把握我國區域創新效率的動態變化，審視導致區域創新效率落后的制約因素，以期為制定針對性創新政策、充分利用多樣的創新資源提供政策啟示。

二、中國區域創新系統發展的技術效率測算

(一)技術效率測算方法

(1)

C2R模型存在4個問題：1)θ是針對DMUk0所有輸入變量的，也即存在一個假定：效率的改進是所有輸入變量同比例減少的結果，這是不符合實際的；2)沒有體現出由于輸入變量的先驗信息所造成的決策者對要素投入偏好差異的影響；3)沒有考慮非徑向松弛變量對DMUk0效率的影響；4)當多個單元同時有效時，效率值均為1，無法對這些單元做進一步的比較分析。

(2)

該模型將一些實際因素如要素輸入的非同比例變化、決策者的偏好等考慮在內，同時其所測算的技術效率水平可以大于1，從而使多個地區具有相同效率水平的可能性大大降低，滿足了我們對所有決策單元進行評價和排序的需要，合理性和適用性大大增強。

(二)譜系聚類方法

(三)指標體系構建與數據預處理

1.指標體系構建

區域創新系統的投入應該反映區域通過自身生產或者購買系統外部技術等方式改善技術的能力， 由于通過自主創新或者購買域外技術都需要人力和財力資源作為投入，因此學者們在研究創新活動時，考察的投入要素主要包括財力與人力投入要素兩類。本文根據科學性與數據可獲得性的原則，選擇R&D經費投入(x1)、科技經費投入(x2)、地方財政科技經費撥款(x3)、地方財政科技經費撥款占地方財政支出的比例(x4)、R&D經費投入強度(x5)作為區域創新系統財力資源投入的度量變量；選取R&D人員數(x6)、R&D人員全時當量(x7)、科技活動人員數(x8)作為創新系統人力資源投入的度量變量。

創新的最終目的是技術的商業化應用和創新產品的市場成功，因此，創新系統的產出應該反映兩個方面: 創新主體素質的“科技成果產出”和經濟效益的“產業成果產出”[22]。實踐中，因為專利較接近創新的商業應用并且能夠較全面地反映各地區發明和創新信息，因此常用專利作為衡量創新系統“科技成果產出”的指標；此外，科技論文是一個地區創新主體素質的體現和新知識產生的體現，而高新技術產業產值、新產品銷售收入等指標則反映創新對經濟運行質量和效益的促進，反映出一個地區的創新成果商業化應用和創新產品的市場成功。基于此，本文選擇專利申請量(y1)、專利授權量(y2)、發明專利數量(y3)、技術合同簽訂數量(y4)、成交技術合同金額(y5)、EI、SCI、ISTP收錄的科技論文數量(y6)、科技成果數量(y7)、獲國家科技成果獎數量(y8)作為“科技成果產出”的度量變量，選取高新技術產業產值(y9)、高新技術企業數量(y10)、新產品銷售收入(y11)作為“產業成果產出”的度量變量。考慮到從創新投入到專利授權、論文發表都需要一定時間，即投入與產出之間存在滯后效應，本文對專利授權量、科技論文數量采用了1年滯后變量。

本文采用的數據來源于《中國科技統計年鑒》、《中國統計年鑒》、科技部網站及各省域統計年鑒。

2.數據預處理

f1=0.142x1+0.154x2+0.238x3+0.255x4+0.312x5+0.364x6+0.284x7+0.261x8

f2=0.739x1+0.671x2+0.892x3+0.763x4+0.578x5+0.774x6+0.628x7+0.611x8

將原始數據的標準化值代入f1和f2，即可得到主成分變量值。按照同樣的方法對創新產出指標體系進行主成分分析，提取前4個主成分，累積方差貢獻率可以達到94.37%，分別記為z1、z2z3、z4。

(四)中國區域創新系統效率實證結果分析

將f1、f2作為投入指標，將z1、z2、z3、z4作為產出指標，利用非徑向SE-C2R模型對2000—2013年中國內地30個省域(西藏缺失數據較多，不予研究)創新系統效率進行測算，結果如表1所示。

由表1可見，自2000年以來，創新效率均值大于1的省域只有9個，其中只有北京、黑龍江、山東、上海、浙江歷年創新效率值都大于1，始終處于有效狀態；重慶和廣東創新效率值表現出上升的趨勢，而安徽和海南表現出明顯的下降趨勢。中國總體創新效率低下，創新效率有效省域數量最多的是2007年，也只有12個，此外2003-2006年均有11個省域創新效率有效。

從東、中、西三大區域來看，東部地區整體創新效率最高，2001年以來區域創新效率的均值均大于1，并且表現出先上升后下降的趨勢，其創新效率均值由2000年的0.988上升至2005年的最高值1.243之后在波動中緩慢下降，2013年為1.006，仍處于有效狀態。從截面看，上海、北京、山東、廣東、海南、浙江是東部區域創新效率領先的省域。中部地區的創新效率從總體上看表現出上升趨勢，其創新效率均值由2000年的0.682上升至2013年的0.805，提升了18.04%，不過始終處于無效狀態。黑龍江和安徽省是該區域創新效率領先的省域，黑龍江創新效率自2000年以來始終有效，而安徽的創新效率自2008年以來處于無效狀態，并表現出下降趨勢。西部地區的創新效率總體上表現出較為明顯的上升特征，其創新效率均值由2000年的0.523上升至2013年的0.717，提升了37.09%，提升幅度較大，但始終處于無效狀態，并且創新效率值整體上低于東部和中部地區。西部地區的重慶和甘肅創新效率最高，并且重慶自2005年以來始終有效。

圖1顯示的是2000-2013年中國各省域創新效率的譜系聚類結果。總體來看，中國30個省域的創新效率可以分為4個梯隊：

第一梯隊包括上海、北京、黑龍江、廣東、海南、浙江、山東，這7個省域均為創新效率有效省域。2000年以來的創新效率最高是上海市1.829，上海一直是中國創新效率的領跑者。海南、上海、北京、廣東、浙江、山東均屬于中國東部地區，經濟較為發達，黑龍江為中部地區。第一的梯隊中沒有西部省域，表明中國省域創新效率在區域間存在較大差異。

第二梯隊包括天津、重慶、甘肅、安徽、遼寧、陜西、江蘇、7個省域。2000年以來的創新效率平均值最最高是重慶市1.056。福建、天津、江蘇、遼寧屬于東部地區，陜西、甘肅屬于西部地區。此外，安徽和重慶2000年以來的創新效率平均值均大于1，屬于創新效率有效省域，重慶自2005年以來創新效率持續有效，保持著穩定的發展勢頭，而安徽省的創新效率則表現出顯著的下降特征。

表1　2000-2013年中國各省域創新效率測算值

圖1　2000-2013年省域創新效率譜系聚類圖

第三梯隊包括四川、新疆、福建、云南、湖北、吉林、湖南，2000年以來的創新效率平均值最低是云南省0.787，最高是湖南0.914。該梯隊中主要為中西部省域，四川、湖北、吉林、湖南均表現出明顯的上升態勢，新疆和福建先上升后下降的趨勢明顯，云南則在波動中保持了相對穩定。

其余9個省域屬于第四梯隊，創新效率整體較低，并且均為中西部省域。

總體來看，中國省域創新效率存在明顯的由東向西遞減的區域差異特征，這與中國地區經濟差距的總體狀況是一致的。改革開放以來，中國地區經濟差距總體呈現擴大趨勢，那么地區創新效率是否也具有同樣的發展趨勢？接下來，本文將利用隨機收斂分析方法對此加以檢驗。

三、 中國區域創新效率隨機收斂性分析

(一)隨機收斂性檢驗方法

對區域創新效率的收斂特征進行分析，可以反映區域內技術溢出的效果。收斂性分析按其分析方法和研究假設的不同，可分為σ收斂、β收斂、俱樂部收斂和隨機性收斂。σ收斂認為不同經濟體間的差距會隨時間推移而不斷縮小，反映了區域偏離整體平均水平的差異及其不平衡的動態過程[23]；β收斂包括條件β收斂和絕對β收斂，條件β收斂認為不同經濟體會收斂于各自的穩態水平，經濟體與其穩態水平之間的距離決定了其經濟增長的速度，而絕對β收斂認為全體經濟體都將收斂于同一穩態水平；俱樂部收斂認為初始水平且結構特征相近的經濟體將在長期中互相趨同，即同等發展水平下的絕對β趨同[24]。

隨機性收斂將關注的重點從增長率的絕對差異轉向經濟體之間的差距是否保持一個相對平穩的變化路徑，如果經濟體之間的差距服從平穩的隨機過程，則存在隨機收斂，這就意味著對某個經濟體的外生沖擊是暫時的，不會產生累積效應，所有經濟體將向共同的均衡水平移動。如果經濟體之間的差距存在固定趨勢，表明任何微小的外生沖擊都會造成差距的持續擴大，則不存在隨機收斂。隨機收斂性檢驗思路如下：

對于n個地區的變量yt如果存在收斂，當且僅當共同趨勢pt和參數μ1、 μ2、…、 μn存在，使得(3)式成立。對(3)式取平均可得(4)式，其中pt是無法觀測的，故利用(3)式減去(4)式，得到(5)式。

(3)

(4)

(5)

(二)實證檢驗結果分析

根據LLC檢驗方法，對中國區域創新效率的隨機收斂性進行檢驗，檢驗分五個層面進行：(1)全國層面；(2)東、中、西區域層面；(3)按照國務院發展研究中心發展戰略和區域經濟研究部劃分的八大區域層面；(4)按照前文譜系聚類結果的4個梯隊層面；(5)按照當前國家三大區域發展戰略“京津冀”、“長江經濟帶”、“一帶一路”3個層面。本文采用Eviews軟件進行檢驗，結果如表2所示。出于穩健性的考慮，本文進一步考察2000年以來各省域創新效率的標準差即同時進行σ收斂檢驗，結果如表3所示。

從表2可以看到，在95%的置信度下，全國創新效率所構成的面板數據平穩性檢驗的Prob.值小于0.05，這意味著2000年以來，全國層面創新效率存在隨機收斂，各省域創新效率的標準差由2000年的0.464下降到2013年的0.338，省域之間的差異隨著時間推移逐漸縮小。

表2　面板單位根檢驗

在三區域劃分標準下，西部地區的創新效率不存在隨機收斂，即長期內西部地區創新效率的差異均隨時間推移而擴大，區域內創新效率標準差由2000年的0.147上升到2013年的0.26，其中2011年達到最高值為0.372，這說明現有的先進技術并沒有在這段時間得到很好的擴散和推廣，各省域之間的差異隨著時間推移呈現明顯的發散態勢。經濟相對西部地區較為發達的東部和中部地區創新效率均存在隨機收斂，隨著時間推移表現為逐漸縮小的特征，這與中國經濟總體的變化趨勢是一致的。其中東部區域內創新效率的標準差由2000年的0.622下降到2013年的0.417，下降幅度較大，創新技術在該區域的推廣和擴散效果明顯。中部區域內創新效率的標準差雖然總體上由2000年的0.367下降到2013年的0.243，但總體處于動態震蕩中，區域內創新技術的推廣和擴散狀態不穩定，未來走勢有待進一步觀察。

在八大區域劃分標準下，西北地區、西南地區和黃河中游地區創新效率不拒絕存在單位根的假

表3　2000-2013年省域創新效率標準差

設，這3個地區的創新效率不存在隨機收斂，區域內創新效率的差異隨時間推移而擴大。這三個區域中除黃河中游地區的山西、河南屬于中部地區外，其余省域均屬于西部地區。另外5個區域南部沿海、東部沿海、北部沿海、東北地區、長江中游地區均拒絕了原假設，區域內創新效率均不存在隨機收斂，各省域之間的創新效率差異會隨時間推移而趨于穩態水平。南部沿海地區創新效率的標準差在波動中快速下降，由2000年的0.893下降到2013年的0.273，該區域內海南的創新效率測算值由2000年的2.06下降到0.872，而廣東省由0.481迅速提升為1.326，福建省由0.547上升到0.836，促進了該區域內創新效率差異的大幅度縮小。

在四梯隊劃分標準下，第一梯隊創新效率存在隨機收斂，梯隊內各省的創新效率標準差由2000年的0.551在波動中快速下降，但相比其他3個梯隊，各省之間的標準差仍維持在較高的水平上，梯隊內創新效率差異較大；第二梯隊創新效率存在隨機收斂，梯隊內各省的創新效率標準差2000年為0.312逐漸下降到2013年的0.098；第三梯隊創新效率不存在隨機收斂，2000年以來梯隊內差異不斷擴大，由2000年的0.092上升到2013年的0.113；第四梯隊創新效率不存在隨機收斂，即梯隊內差異表現出隨著時間推移而逐漸擴大的特征，不過其標準差下降并不明顯，2000年為0.093，2005年上升至0.187之后，逐漸下降至2013年下降至0.079。

京津冀創新效率不存在隨機收斂，其效率標準差由2000年以來的0.459上升至2005年的0.933后下降至2013年的0.606，三省域之間的創新效率總體呈在振蕩中擴大的趨勢。長江經濟帶橫跨東中西11個省域，創新效率在4個層次中均有省域分布，不過2000年以來創新效率存在隨機收斂，省域之間的效率標準差由0.401下降至0.341。“一路一帶”圈定的18個省域之間的創新效率也存在收斂，省域之間創效效率的標準差由0.466下降至0.292。

四、創新效率區域差異的原因探析

區域創新是多主體參與和多要素互動的復雜系統產出，造成創新效率差異的原因是多方面的，本文基于投入與產出指標測算創新效率，通過追溯原始指標，造成區域效率總體偏低并且不平衡的原因可歸結為：

(一)創新資源投入不足且創新活動比經濟活動更加趨向集聚

以核心指標R&D經費和R&D人員為例，我國R&D經費支出逐年攀升，2014年為13312億元，占GDP比重(R&D強度)為2.09%，而目前公認的創新型國家R&D強度大多都超過2.5，韓國在2012年就達到了4.36。可見我國致力于創新與研發的經費投入力度仍需進一步加強。從省域層面看，2013年我國R&D經費投入強度首次突破2，達到2.08，而當年31個省域中超過2的只有8個，分別是北京6.08，上海3.6，天津2.98，江蘇2.51，廣東2.32，浙江2.18，山東2.15，陜西2.14，這意味著有23個省域R&D經費投入強度是落后于全國平均水平的。從人力資源投入角度看，2013年我國R&D人員總數為501.82萬人，每萬人R&D人員數為65人，而2012年日本、韓國該數字分別為133人、160人。R&D人員總數中，占比最大的依次是廣東13%、江蘇12.5%、浙江8.3%、北京6.7%、上海4.5%，5省域集中了全國45%的R&D人員。經費投入和人力投入的兩大核心指標均反映出我國區域創新的底蘊尚較薄弱，且區域分布極不平衡的特征。

從產出角度看，以專利申請數、專利授權數、高技術企業數、新產品銷售收入、科技論文數5項產出指標為例，2013年分別有72.42%、73.62%、72.49%、81.93%、64.63%集中于東部地區，與東部地區GDP占比55.45%相比，我國創新活動比經濟活動更加趨向集聚。需要特別說明的是海南省和江蘇省，從梯隊層次看，海南省屬于創新效率最高的第一梯隊，但其2013年R&D經費投入強度僅為0.47，R&D經費和R&D人員占全國的比重分別為0.13%和0.23%，究其原因，可能在于效率是一個相對值，主要考察投入產出能力，海南省創新投入和產出的基數均較小，二者在低水平上的耦合反而得到了較高的效率值；江蘇省2013年R&D經費投入強度為2.51，R&D經費和R&D人員占全國的比重分別為12.56%和12.49%，但創新效率值并不高，處于第二梯隊，可能的原因是其較高規模的投入在一定程度上出現了邊際產出遞減等規模不經濟的問題。

(二)創新資源配置結構不合理

R&D經費和人員的高投入毋庸置疑是創新的基礎，而這些資源的合理配置則是創新效率的根本保證。從R&D經費支出類型的結構看，2013年我國基礎研究、應用研究和試驗發展構成比重分別為4.68∶10.72∶84.60，2012年美國為16.5∶19.2∶64.3，2011年韓國、日本則分別為18.1∶20.3∶61.7和12.9∶22.0∶65.1，我國試驗發展投入比例較高，基礎研究和應用研究的投入比例太低而且呈下降趨勢，“重應用、輕基礎；重研究、輕轉化”，追求短期效應的特征非常明顯。基礎研究占比較高的省域依次是甘肅13.41%、青海11.62%、北京11.58%、貴州11.42%，云南10.29%，與經費投入的區域分布幾乎恰恰相反，廣東、浙江、山東、江蘇等省域在基礎研究方面的投入比例僅為2%左右。基礎研究難以產生直接經濟效益，在反映創新經濟效益的“產業成果產出”方面，西部地區省域處于明顯的劣勢，創新效率也相應受到制約。基礎研究與原始創新能力直接相關，是創新型國家建設的基礎，基礎研究投入強度過低顯然是一個嚴重的結構性問題。這一點也可以從R&D經費的執行主體方面看到，作為基礎研究主力的高校，其R&D經費支出所占的比重由2000年的8.56%上升到2004年的10.22%后直線下降至2013年的7.23%，研究與開發機構所占比重由28.8%快速下降至15.04%，而企業所占的比重則由59.96%上升至76.61%，企業已經成為我國R&D經費投入的主體，達到了發達國家的水平，但是2013年我國規模以上工業企業中，有R&D活動的只占14.83%，研發投入占主營業務收入之比僅為0.8%，R&D經費投入成為主體的企業尚未真正成為我國技術創新的主體，這只能說明政府過早地讓渡了R&D活動中本應承擔的主導地位。從R&D經費支出的用途看，2013年，我國日常性支出和資產性支出所占的比例分別為85.88%和14.12%，各省域情況與此基本一致，日常性支出所占的比例除青海、西藏、四川低于80%外，其余省域基本都在85%左右，最高的遼寧甚至達到了91.06%，各執行主體R&D經費支出用途也具有較高的相似性，均以日常性支出為主，資源的利用效率不高。

(三)體制與機制性因素的約束作用凸顯

近年來，體制與機制性因素對創新效率的約束作用凸顯，表現在高校和研究院所科研績效的評價機制以及激勵機制方面。目前的科研績效評價過程中存在重學術貢獻輕實際應用的現象，論文與基金的數量、級別成為了這個“圈子”的GDP，研究者并不十分關注成果的轉化，“悶頭想題目，閉門搞研究，成果束高閣”的象牙塔內部自我封閉循環的研究模式日益強化，導致基礎研究無法與國際前沿看齊，應用研究無法服務于市場需求。即使研究人員與企業合作，也主要是項目形式，停留在合作開發、委托開發或者技術轉讓等初級層次上，項目完成，合作終止，并且主要是研究人員開發的新技術轉讓給企業，在一定程度上屬于研究人員與企業之間的私人行為。長期以來，缺乏有效地將知識的創造和知識向生產力轉化的上下游斜街接起來的機制，導致創新效率低下。

研究人員面向市場開展研發和轉化科技成果的動力不足，關鍵是激勵機制不到位。中國目前的基礎研究投人領域中，過于強調基礎研究中的資產投入，科技人員的正當報酬支出嚴禁在經費的使用、在報銷范圍列支，對于一些更多依靠研究人員腦力勞動和創意智慧的成果，無法獲得合理的報酬，在一定程度上抑制了研究人員的積極性，還會造成多次、重復、不必要購買研究設備，最終降低了知識創新效率。

科研人員流動制度方面也存在約束。目前，我國企業、高校、科研院所的科技人才幾乎很難走進彼此，“雞犬之聲相聞，民至老死不相往來”的現象制約了科技與產業的結合。近期實施的“大眾創業，萬眾創新”政策號召和鼓勵科技人員離崗創業，可是，2015年7月來自內蒙古2652位科技工作者的問卷調查數據顯示，分別有37.4%和45.3%的被調查者明確表示不想創業和持觀望態度，導致科技工作者創業顧慮的因素排在前三位的依次為“待遇降低了”、“崗位沒有了”、“影響職務、職稱晉升”。如何解決科技人員流動中的種種顧慮、如何破除“雙軌制”，讓人才有效地流動起來，是各級政府在制度安排中必須考慮的問題。

(四)“行政區劃”模式制約了創新效率的提升

此外，近些年我國科技系統在很大程度上也存在明顯的“行政區劃”模式，各省域、各部門自我發展，主要依靠自己“找米下鍋”，著眼于自身的科技力量進行研發，造成科技資源分散、重復、封閉的“碎片化”現象以及在投資獎勵、人才引進等方面的“政策比拼”現象嚴重，創新資源配置與利用受到嚴重影響。

五、提升我國區域創新效率的政策建議

(一)積極對接國家發展戰略

我國區域之間創新效率不平衡的現狀決定了統籌區域之間的創新協同發展成為必然選擇，而首當其沖的則是要集聚和整合各地區的創新資源，促進技術溢出效應。當前，京津冀協調一體化、長江經濟帶與“一路一帶”已成為新時期國家三大戰略，涵蓋了內地28個省域，各省域應主動結合國家戰略，發揮比較優勢，找準應用技術創新成果的突破口，實現協同創新。

京津冀以及長江經濟帶可以考慮創建跨省市的一體化協調機制，打破區域壁壘與利益界限，對各自利益進行重塑，在政府間建立由國務院主管部門領導、各省域首長組成的科技合作聯席會議制度，成立推進組織，聯合編制區域科技協同發展規劃和制定區域科技合作政策，推動區域內創新創業政策的普適化，營造良好的創新生態系統；同時也要建立合理的協同創新利益分配機制，促進各創新主體的努力水平、成本、貢獻與利益有效耦合，通過共享發展紅利，逐步建立健全有利于創新要素自由流動的政策法規體系與市場體系，從根本上實現區位經濟向城市群一體化經濟、引進型經濟向內生輻射型經濟的轉變，使創新效率落后的區域更好地接受增長極的輻射，激發周邊區域互動活力， 推動區域創新效率的整體提升。“一帶一路”沿線的18省域涉及東、中、西部，地理空間跨度較大，各省域在關注與沿線國家與地區交流的同時，通過建立省際間的發展路徑聯動機制，可以考慮按照地理毗鄰、功能互補的原則，鼓勵各級地方政府之間以產業集群為依托，通過雙邊或多邊協議建立信息流動的定向溢出擴散的技術轉移合作聯盟，充分發揮區域協同創新的溢出效應。例如，黃河中游區域可以加強與北部沿海區域的聯系合作，加強技術研發和技術消化吸收的經驗學習；創新效率總體較高東部沿海和南部沿海地區可以面向長江中游區域和西南區域進行跨省區的區域合作，以技術轉移形式為創新要素交流的依托路徑，消弭區域間的效率梯度差異的同時，實現創新能量的不斷生成與放大；創新效率較低的省域，可以有針對性地承接發達地區的產業與技術轉移。

(二)加強政府創新驅動的主導作用

創新驅動是我國經濟發展進入新常態后的重大發展戰略，而創新活動具有溢出效應，具有公共產品的屬性，這就決定了政府必須介入創新活動，當然，需要把握好目標與導向問題。政府在創新中發揮主導作用，主要是做好決策體制的頂層設計，發揮服務導向的作用，致力于維護科學技術活動的正常秩序，將各種創新要素有機結合，提升創新效率。首先需要做的就是深化科技體制改革，消除不利于創業創新發展的各種制度束縛和桎梏，激發科技戰線新的生機和活力。其次，政府還需要同步推進經濟社會領域的各項改革，在管理、投融資、激勵、市場、法律、對外開放等各方面，創造有利于創新活動的制度環境。

(三)加強產學研協同創新

確立以政府為主導、企業為主體、研發機構和科研人員為創新源、中介機構積極參與的創新主體系統，首先，應在縱向環節上深入挖掘三大創新主體的合作與聯動潛能，必要時打破行政區劃的限制，政府協作并引導有創新自主性和偏好性的“產學研”主體黏合在一起，完善科技服務市場，面向企業需求開展有針對性研發活動。一方面，積極探索、推動科技成果處置權下放，強化對研究人員的收益激勵；另一方面，引導實力雄厚的行業領先企業對與其關系緊密的基礎研究增加投入，充分發揮知識創新以及“產”向“研學”溢出效應中的作用，從而促使基礎研究領域的突破能夠很快投入應用，增強原始創新能力。其次，進一步聚集政、產、學、研、金、介、貿等優勢資源，鼓勵和加強以“科技孵化器”為主的中介服務機構與大學和科研院所等創新源頭的合作，拓寬孵化器服務內容，縮短創新知識商業化過程中的路徑，促進創新資源產出效率的提升。

(四)進一步加大政府R&D投入

中國目前尚處于對發達國家的趕超階段，政府不應過早地讓渡R&D投入主體的地位給企業，而是要繼續加大研發經費以及人員的投入強度，同時鼓勵和引導社會資本進入研發領域，以增強調動全社會科技資源配置的能力，使研發投入的規模效益進一步發揮，提升我國整體的創新效率。

針對創新效率梯度分布情況，應加大對中、西部地區弱勢省區科技創新的扶持力度，這些地區創新活動的發展的阻礙因素主要是規模效率，一缺資金，二缺人才，經費與人力資源投入的增加是提升效率的基礎。因此，在重大項目規劃布局、審批核準、資金安排等方面給予適當的專項支持，還可以通過特定創新產業規劃和實施，形成專門人才的集聚，特別是在當前“大眾創業，萬眾創新”的時代背景下，鼓勵人才到欠發達地區創新創業，不僅有利于創新效率提升，也有利于中西部省域通過創新助力經濟發展。

(五)實施差異化區域創新戰略

地方政府應結合本地區具體情況確定研發效率提升策略。創新效率及經濟發展水平處于領先水平的北京、上海、江蘇、廣東、浙江等省域，集聚了國內一流的創新科技資源，要在未來的發展中基于全球視野、國際意識謀劃創新發展的格局，在基礎前沿、高技術研究等方面取得突破性成果，并且立足于高新技術企業的發展，開發和拓展新技術、新產品、新業態、新模式，加速推進由模仿創新向自主創新轉變，在創新的方向與進程方面起到引領全國的作用。此外，要鼓勵和支持有條件的科技領軍企業“走出去”，在海外設立研發中心，開發具有自主知識產權的適合當地需求的新技術、新產品，吸納利用當地科技創新資源為我所用。

處于第一、第二梯隊的東部以及中部省域，創新效率穩定且相對較高，可以在整合其良好的地緣、新產品、新人才、經濟實力等資源的比較優勢的基礎上，加大對外開放程度和技術引進力度，積極承接發達地區的高新技術產業轉移，注意引進技術的消化吸收和再創新，加強基礎研究和應用研究，增強區域自身的自主創新能力，不斷推進創新驅動的深度。

處于第三、第四梯隊的省域，創新資源有限而創新效率相對較低，不過各省域之間各有特色，在積極應對、做好承接發達地區產業轉移的同時，提升創新效率的路徑也各不相同。河北省可以充分利用北京的輻射效應，借力于京津冀協同發展的國家戰略；遼寧、陜西、內蒙古、四川、重慶等省域經濟基礎相對較好，一方面要在增加創新投入方面有所作為，另一方面要積極推進特色優勢產業集聚發展，因地制宜建立有特色的科技產業園區，加大科技成果的引進力度和轉化力度，引領區域經濟發展。經濟基礎落后的省域應加強基礎設施建設，加大科技教育投入，改造傳統產業，圍繞產業升級，增強發展和創新效率。

參考文獻：

[1]高曉霞，芮雪琴，宋燕.中國省市區域創新能力動態研究——基于2001-2010年面板數據[J].科技管理研究，2014(2):15.

[2]孫凱.基于DEA的區域創新系統創新效率評價研究[J].科技管理研究，2008(03):139.

[3]劉愛芹，張偉.區域技術創新效率的測度與評價——基于山東省的實證研究[J].山東財政學院學報2008(6):51-55.

[4]張慧穎，郝沖，李云.地方政府對區縣創新投人效率評價研究——以天津市為例[J].中國軟科學，2010(09):219-226.

[5]池仁勇，虞曉芬，李正衛.我國東西部地區技術創新效率差異及其原因分析[J].中國軟科學,2004(08)：128-132.

[6]李南，謝忠秋.中國區域創新系統創新效率測評——基于DEA方法的實證分析[J].工業技術經濟，2010(8)：122-126.

[7]顏莉.我國區域創新效率評價指標體系實證研究[J].管理世界，2012(5):174-175.

[8]呂晨，曾明彬.基于DEA的中國區域科技投入產出相對效率研究[J].科學管理研究，2014(04)：101-104.

[9]Umetsu C，Lekprichakul T，Chakravory U.Efficiency and te-chnical change in the Philippine rice sector：A Malmquist total factor productivity analysis [J].American Journal of Agricultural Economy，2003(4)：943-963.

[10]虞曉芬，李正衛，等.我國區域技術創新效率:現狀與原因[J].科學學研究,2005(02):258-264.

[11]李婧，白俊紅，譚清美.中國區域創新效率的實證分析——基于省際面板數據及DEA方法[J].系統工程,2008(12):1-7.

[12]白俊紅，江可申，李婧.中國區域創新效率的收斂性分析[J].財貿經濟,2008(9):119-123.

[13]李婧，管莉花.區域創新效率的空間集聚及其地區差異——來自中國的實證[J].管理評論，2014(8):127-134.

[14]王奇珍，朱英明，楊連盛.基于DEA的區域技術創新效率研究——以東部十省市為例[J].南京理工大學學報(社會科學版)，2014(03):19-26.

[15]趙崢，姜欣.中國省際創新效率及其影響因素的實證研究[J].北京理工大學學報(社會科學版)，2014(04):61-66.

[16]孫東，卜茂亮.我國區域創新系統效率差異及收斂性分析——基于2002-2011年省際面板數據[J].產經評論,2014(1):36-45.

[17]孫東.我國科技創新效率測算及影響因素研究——基于超效率DEA-TOBIT 兩步法分析[J].稅收經濟研究,2014(2):76-84.

[18]侯強，周雪.基于超效率DEA 模型的區域技術創新效率研究[J].沈陽工業大學學報(社會科學版)，2015(6):242-247.

[19]趙宇哲，周晶淼，匡海波.歐盟ETS下航空運輸企業的能源效率評價研究——基于時間窗的非徑向DEA 模型[J].管理評論，2015(5)：39.

[20]周忠寶，孫亮，等.存在保證域的模糊非徑向偏好DEA模型——基于中科院24個研究所的實證分析[J].中國管理科學，2014,22(2):75.

[21]孟曉，孔群喜，汪麗娟.新型工業化視角下“雙三角”都市圈的工業能源效率差異——基于超效率DEA方法的實證研究[J].資源科學，2013，35(6)：1203.

[22]于曉宇，謝富紀.基于DEA-Tobit的區域創新系統資源配置優化策略研究[J].研究與發展,2011(1):2.

[23]趙楠，王辛睿，朱文娟.中國省際能源利用效率收斂性研究[J].統計研究，2015(3):32.

[24]趙金樓，李根，等.我國能源效率地區差異及收斂性分析[J].中國管理科學，2013(04):177.

(本文責編：辛城)