長江經濟帶區域創新效率評價及空間相關性分析

廖倩　呂拉昌　黃茹

摘 要：知識經濟時代，區域的創新效率受到廣泛關注。運用超效率DEA方法對長江經濟帶區域創新效率進行評價，并對其投入產出效率狀況進行分析的同時，用全局空間莫蘭I指數（Global Moran'I）和局部空間莫蘭I指數（Local Moran'I）揭示長江經濟帶各省市創新效率的空間相關性。結果表明：長江經濟帶區域創新效率總體較高，但內部差異顯著，上海、浙江、江蘇、重慶創新效率較高；湖北、湖南、四川、貴州、云南五省純技術效率有效，創新效率主要受創新規模制約；安徽存在創新投入冗余、江西存在創新投入冗余和創新產出不足的情況。此外，長江經濟帶整體創新效率空間相關性不顯著，但內部部分區域之間存在一定的空間相關性。

關鍵詞：長江經濟帶；創新效率；空間相關性；數據包絡方法

中圖分類號：F061.5 文獻標識碼：A DOI：10.15913/j.cnki.kjycx.2016.18.001

改革開放的深入開展促使我國經濟取得跨越式發展，但地區間差異卻日益顯著，東部沿海地區與中西部之間的差距日益擴大。長江經濟帶作為國家的重大戰略，是構建以上海帶動全流域、以武漢帶動中游、以重慶帶動上游地區發展的沿海與中西部相互支撐、良性互動的新格局，對縮小我國東、中西部地區的發展差距，促進長江經濟帶的快速、穩定、高效發展，提高國家的綜合經濟實力，增強國家發展的動力引擎，國家高度重視創新的發展，將創新驅動戰略、創新型國家建設作為國家戰略。長江經濟帶如何實施創新發展，促進創新效率的提高，是備受關注的問題。

區域創新效率是區域經濟發展的重要問題，受到了眾多學者的關注。從區域創新效率測度的方法上來看，使用較多的是參數方法（比如隨機前沿方法）和非參數方法（比如指數法和數據包絡方法）。比如，李婧（2008）、李邃（2011）采用DEA方法對中國區域創新效率進行了實證分析，東（Dong，2014）運用DEA方法對中國31個省2002—2011年的面板數據對區域創新效率進行了測算；克魯茲·卡扎爾（Cruz Cázares，2013）采用兩階段分析方法，分別用DEA-Malmquist方法及GMM方法對西班牙制造業公司的創新效率進行了分析；李婧（2009）、石峰（2010）采用隨機前沿模型對中國區域創新效率進行了測度；曹（CAO，2015）運用隨機前沿模型，并結合投影尋蹤模型對中國2003—2011年區域研發創新效率進行了測算。與隨機前沿分析法相比，數據包絡方法無需估計生產函數，也無需考慮量綱歸一及指標權重的確定，保證了效率評價的客觀性，對多產出復雜生產系統有很好的適應性。因此，本文將選擇數據包絡方法測度長江經濟帶區域的創新效率。

從區域創新效率研究對象上來看，已有較多的學者對國家和大區域尺度的區域創新效率相關問題進行了研究，比如余泳澤（2013）對我國區域創新效率的空間外溢效應和價值鏈外溢效應進行了探討，趙增耀（2015）對區域協同創新效率的多維溢出效應進行了分析；白俊紅（2009）、王鵬（2012）、于明潔（2013）等探討了影響區域創新效率的因素；弗雷茲（Fritsch，2010）基于研發投入產出對區域創新效率進行了研究，并對其影響因素進行了探討；布魯克（Broekel，2013）運用面板數據對德國區域創新效率的影響進行了研究。但對經濟聯系密切的經濟帶尺度的創新效率及空間關系研究較少，對長江經濟帶的

創新效率也沒有文獻進行系統的分析。

基于此，本文運用超效率DEA方法對長江經濟帶區域創新效率進行評價，并采用全局空間相關指數（Global Moran'I）和局部空間相關指數（Local Moran'I）揭示長江經濟帶內各省市創新效率的空間相關性，以反映長江經濟帶創新效率的現狀和內部空間關系，對政府制訂相應的創新政策，促進長江經濟帶創新發展有重要的現實意義。

1 研究方法

1.1 長江經濟帶區域創新效率測算方法

傳統的DEA模型是評價多投入、多產出模式下決策單元相對有效性的方法，其缺陷是對多個有效單元（即效率值均為1）的情況難以比較。安德森和彼特森（Andersen & Petersen，1993）提出的超效率模型，有效地解決了決策單元效率值大于1時的對比問題。超效率模型包含投入導向和產出導向，本文采用基于投入導向的超效率DEA模型，其表達式如下：

測值，即本文中該地區的創新效率值；Wij為空間權重，當第i個地區與第j個地區相鄰時，Wij=1，當第i個地區與第j個地區不相鄰時，則Wij=0.

Moran'I指數的取值范圍在（-1，1）之間。當Moran'I大于0時，表示地區間呈現正空間相關性；當Moran'I小于0時，表示地區間呈現負空間相關性；當Moran'I等于0時，表示地區間不存在空間相關性。Moran'I指數的顯著性檢驗主要采用服從標準正態分布的Z統計量來進行。

1.2.2 局部空間相關指數

局部空間相關性研究的是一個區域單元上的某種地理現象，或者某一屬性值與鄰近區域單元上同一現象或者屬性值的相關程度，探測空間異質性，其計算公式如下：

2 指標與數據

2.1 指標選取

基于投入產出導向的超效率區域創新效率的評價，其投入產出指標的選取是決定區域創新效率評價是否合理的重要因素。資本投入和勞動力的投入是研究投入產出效率的常用方法。本文綜合前人的研究，在投入變量方面，選取R&D經費內部支出和R&D人員全時當量兩項指標。其中，R&D經費內部支出是指為開展R&D活動實際用于本單位內的全部支出；R&D人員全時當量是指全時人員數加非全時人員按工作量折算為全時人員數的總和。相比R&D人員，R&D人員全時當量更能準確地反映創新投入力度。在產出變量方面，選取專利授權量、科技論文和高技術產業新產品銷售收入三項指標。其中，專利授權量是直接創新行為，是衡量創新活動的可靠指標；科技論文反映一個地區基礎研究等方面的成果，本文主要選取SCI、EI、ISTP三大檢索工具收錄的科技論文數作為一項產出指標；高科技產業是創新產出的主力軍，其新產品銷售收入是創新產出的集中體現。

2.2 數據來源

本文數據來源于2007—2013年《中國科技統計年鑒》、2007—2013年《中國高技術產業統計年鑒》。大多數學者認為，從投入到產出具有一定的滯后期，官建成（2005）將投出產出滯后時期設為4年，肖仁橋（2012）將滯后期設為2年，史修松（2009）、余永澤（2014）、趙文平（2015）等將滯后期設為1年。考慮前人的研究及數據的可取得性，本文將投入產出滯后期設為1年。

3 實證結果與分析

3.1 長江經濟帶區域創新效率測算

運用EMS1.3軟件，采用投入導向的超效率DEA模型對長江經濟帶創新效率進行測算，得到長江經濟帶區域創新效率值，如表1所示。

從區域創新效率值可以看出，2007—2012年長江經濟帶總體創新效率值較高，大致形成三大梯度。屬于第一梯度的有上海、浙江、江蘇、重慶和湖北。其中，上海和浙江歷年創新效率值均超過1；江蘇、重慶和湖北部分年份創新效率值略低于1，但其歷年創新效率平均值大于1.屬于第二梯度的有湖南、四川和安徽，其創新效率值接近于1.屬于第三梯度的有云南、貴州和江西，其創新效率值顯著低于第一、二梯度，與其所處的經濟發展階段、創新活動的投入等因素密切相關。

為進一步探究影響長江經濟帶區域創新效率的因素，運用DEAP2.1軟件，基于投入導向對長江經濟帶內各省市2012年的投入產出冗余情況進行分析，得到其技術效率值和分解情況，如表2所示。其中，綜合技術效率指輸入一定的條件下，實現最大的輸出或者輸出一定的條件下實現輸入最小；純技術效率是指受管理和技術等因素影響的效率；規模效率是指受規模影響的效率。它們的值都介于0～1之間。“0”表示缺乏效率，“1”表示具有效率規模報酬是指各種生產要素按相同比例變化時所帶來的產量變化，一般有三種情況，即規模報酬遞增、遞減、不變。

2012年長江經濟帶各省市中，綜合技術效率DEA有效的有4個，分別是上海、江蘇、浙江、重慶；其他7個省市表現為綜合技術效率DEA非有效，其中，江西和貴州兩省的綜合技術效率顯著偏低。這與各地區的經濟發展情況密切相關——經濟發展水平較高的地區其綜合效率普遍較高，比如上海、江蘇、浙江；而經濟發展水平較低的地區，綜合效率值則偏低，比如江西、貴州。

將綜合技術效率分解為純技術效率和規模效率可以看出，非DEA有效的7個市中，湖北、湖南、四川、貴州、云南五省的純技術效率已達到DEA有效，說明已達到目前投入組合的最大產出，其主要的制約因素為規模效率，尤其以貴州省表現最為突出，改進幅度達36.5%，需要進一步擴大創新活動的規模。湖北、湖南、四川、云南四省的改進幅度分別為11.4%，6.8%，1.7%和8%，通過適當的擴大創新活動的規模即可達到DEA有效。

安徽、江西兩省在純技術效率和規模效率上都存在一定的改進空間，通過對其投入產出冗余情況進行分析發現：安徽省在創新投入上存在冗余情況，其中，R&D經費內部支出冗余248 950萬元，R&D人員冗余12 036人。江西省既存在投入冗余的情況，又存在產出不足的情況，其中，R&D經費內部支出冗余154 734萬元，R&D人員冗余6 000人，專利產出不足量5 590件，如表3所示。從創新投入角度看，同時存在創新投入冗余的安徽和江西應適當減少創新投入，充分配置資源，從而使創新效率達到最大。從創新產出角度看，江西在創新投入冗余的情況下還存在著部分創新產出不足的情況，說明其創新投入配置和創新成果轉化上存在問題，應當調整創新資源的配置，并提升創新成果產出量及創新成果轉化率，以實現創新投入產出達到最優組合狀態。

3.2 空間相關性分析

3.2.1 全局空間相關性分析

Global Moran'I是揭示全局空間相關性的常用指數。運用Open Geoda軟件對長江經濟帶各省市創新效率的Global Moran'I進行測算，以揭示長江經濟帶整個區域是否具有空間同質性。結果顯示：從Global Moran'I指數值來看，2007—2011年長江經濟帶地區呈正的空間相關性，2012年呈現負的空間相關性。但根據Z值檢驗結果，2007—2012年長江經濟帶創新效率Global Moran'I指數值均未通過檢驗（Z>1.96或Z<-1.96表示通過檢驗，Z值介于（-1.96，1.96）之間表示空間自相關性不明顯），如表4所示，表明長江經濟帶各省創新效率不存在顯著的空間自相關特征。

3.2.2 局部空間相關性分析

局部空間相關性用局部空間相關指數（Local Moran'I）進行衡量。Local Moran'I高值表示有相似變量值的面積單元集聚，Local Moran'I低值表示有不相似變量值的面積單元在空間集聚。2007—2012年長江經濟帶中，江蘇、上海、浙江是高值區，其創新效率與周邊地區相似；安徽、湖北、湖南、江西、四川、重慶、貴州、云南是中低值區，與周邊地區創新效率差異較大。其中，江西和貴州兩省的Local Moran'I指數值歷年偏低，表明兩省與周邊地區一直存在較大差異。而江蘇省則表現為創新效率日益提高，與周邊地區呈現高度相似狀態，如表5所示。

Local Moran'I的散點圖中，高高（HH）象限是熱點區域，表示區域自身和周邊地區的創新效率均較高，存在較強的空間正相關；高低（HL）象限是異質性突出區域，表示區域自身創新效率較高，周邊地區較低，存在較強的空間負相關；低低（LL）象限是盲點區，表示區域自身和周邊地區的創新效率較低，存在較強的空間正相關；低高（LH）象限是異質性突出區域，表示區域自身創新效率較低，周邊地區較高，存在較強的空間負相關。

由2007—2012年長江經濟帶Local Moran'I散點圖可知：①長江經濟帶中，上海、江蘇、浙江三省基本一直位于高高象限，具有較高的創新效率，與周邊地區存在較強的空間正相關，是長江經濟帶中創新的熱點區。其中，2012年江蘇省的創新效率增長迅速，而相鄰的上海則呈現出平穩的發展態勢，促使上海由高高象限轉變為低高象限，江蘇由高高象限轉變為高低象限。②安徽、江西兩省位于低高象限，與鄰近地區異質性突出，并未受到鄰近地區的影響呈現快速的發展趨勢。③四川、云南、貴州主要位于低低象限區，區域自身與周邊地區的創新效率均較低，而三省在空間上正好是空間位置鄰近的關系，是長江經濟帶中的盲點區。④湖北、湖南、重慶主要位于高低象限，鄰近地區的創新效率較低，呈現負的空間相關性，異質性突出。其中，重慶從低低象限變為高低象限，表明近年來重慶的創新效率與鄰近地區相比取得了較快的發展。圖1為長江經濟帶各省市Local Moran'I散點圖。

4 結論及政策啟示

長江經濟帶作為我國重要的戰略經濟帶，其總體創新效率較高，但內部差異十分顯著。上海、浙江、江蘇、重慶以較高的創新效率領先于其他地區；湖北、湖南、四川、貴州、云南五省純技術效率有效，創新效率主要受創新規模制約；安徽省在創新投入上存在冗余情況，江西省既存在投入冗余的情況，又存在產出不足的情況。

要使長江經濟帶整個區域的創新效率得到提升，創新效率較高的上海、浙江、江蘇、重慶在保證自身投入產出模式進一步優化的情況下，充分發揮對周邊地區的正向溢出效應，促進周邊省份的創新投入模式改進以及科技成果轉化。純技術效率有效

的湖北、湖南、四川、貴州、云南應當擴大創新活動規模，適當加大創新投入，引進高素質人才，積極承接相關創新項目，促進創新效率的提高。存在投入冗余的安徽，應當適當削減創新投入，降低資源的浪費率；存在創新投入冗余且部分創新產出不足的江西既要適當減少創新投入，同時要進一步調整創新投入的配置，彌補部分產出不足的情況。此外，引進高素質人才促進研發能力及成果轉化能力的提升是提高創新效率的有效途徑。

長江經濟帶整個區域的創新效率并不具有明顯的空間相關性，創新效率高的地區對創新效率低的地區的輻射帶動作用不明顯。長江經濟帶作為一個整體區域，其內部各組成部分之間的相互關系對整體的創新效率有重要影響，長江經濟帶自規劃以來歷時較短，針對整個區域的相關創新政策較少，區內的相互協作意識較為淡薄，行政因素對區域創新溢處有重要的影響。

長江經濟帶需要加強整體的創新發展規劃，制訂有效的利于創新資源流動的政策；政府之間要加強協作，打破行政邊界的限制，加強創新資源、人才等的流動，促使創新資源充分、合理使用，促進創新成果高效轉化。

長江經濟帶整體創新效率空間相關性雖然不顯著，但小區域之間存在一定的關聯性。大致可分為上、中、下游三個小區域，上游地區包括貴州、云南、四川和重慶，其創新效率普遍偏低，即盲點區；中游地區包括湖北、湖南和江西，創新效率處于中等水平；下游地區包括安徽、江蘇、上海和浙江，普遍具有較高的創新效率，即熱點區。

長江經濟帶小區域之間創新效率差異顯著，因此，針對上中下游不同的地域應當實施差異化的創新政策以縮小地區差異，強化整體經濟帶創新效率。此外，長江經濟帶作為一個整體經濟帶，加強管理制度創新，實施跨組織管理，促使人才、資源等創新要素在經濟帶內流動，以便形成一個內部各組成部分充分聯系的實際經濟帶十分必要。

參考文獻

[1]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.

[2]李邃，江可申，鄭兵云.基于鏈式關聯網絡的區域創新效率研究——以江蘇為研究對象[J].科學學與科學技術管理，2011（11）：131-137.

[3]Dong Sun，Mao Liang Bo.The differences of efficiency and analysis of convergence of Chinas regional innovation system——based on DEA of 2002—2011provincial panel data. Industrial Economic Review，2014（1）：4.

[4]Cruz Cázares C，Bayona Sáez C，García Marco T.You cant manage right what you cant measure well：Technological innovation efficiency.Research Policy，2013，42（6）：1239-1250.

[5]李婧，譚清美，白俊紅，等.中國區域創新效率的隨機前沿模型分析[J].系統工程，2009（08）：44-50.

[6]石峰.基于省際面板數據及DEA的區域創新效率研究[J].技術經濟，2010（05）：42-47.

[7]CAO X，YU J.Research on Regional R&D Innovation Efficiency in Chinese Provinces with the Perspective of Innovation Driven：Based on Projection Pursuit and Stochastic Frontier Analysis Model. Science of Science and Management of S.&T，2015（4）：13.

[8]趙文平，徐勁松.絲綢之路經濟帶區域創新效率評價[J].經濟與管理研究，2015（11）：25-32.

[9]余泳澤，劉大勇.我國區域創新效率的空間外溢效應與價值鏈外溢效應——創新價值鏈視角下的多維空間面板模型研究[J].管理世界，2013（07）：6-20，70，187.

[10]趙增耀，章小波，沈能.區域協同創新效率的多維溢出效應[J].中國工業經濟，2015（01）：32-44.

[11]白俊紅，江可申，李婧，等.區域創新效率的環境影響因素分析——基于DEATobit兩步法的實證檢驗[J].研究與發展管理，2009（02）：96-102.

[12]王鵬，陸浩然.區域創新效率的空間差異及其影響因素研究——以廣佛肇經濟圈為例[J].科技管理研究，2012（22）：82-86，97.

[13]于明潔，郭鵬，張果.區域創新網絡結構對區域創新效率的影響研究[J].科學學與科學技術管理，2013（08）：56-63.

[14]Fritsch M，Slavtchev V.How does industry specialization affect the efficiency of regional innovation systems？[J].The Annals of Regional Science，2010，45（1）：87-108.

[15]Broekel T.Do cooperative research and development（R&D）subsidies stimulate regional innovation efficiency？Evidence from Germany.Regional Studies，2013（ahead-of-print）：1-24.

[16]Chames，C Rhode. Measuring the Efficiency of Decision Making Units.European Journal of Operations Research，2001（6）：429-44.

[17]Andersen P，Petersen N C.A procedure for ranking efficient units in data envelopment analysis. Management Science，1993，39（10）：1261-1264.

[18]劉文君，陳遠文，鄒樹梁.基于超效率DEA和Malmquist指數的湖南省農業全要素生產效率分析[J].南華大學學報（社會科學版），2015（05）：52-57.

[19]潘竟虎，張佳龍，張勇.甘肅省區域經濟空間差異的ESDA-GIS分析[J].西北師范大學學報：自然科學版，2006，44（6）：45-50.

[20]史修松，趙曙東，吳福象.中國區域創新效率及其空間差異研究[J].數量經濟技術經濟研究，2009（03）：45-55.

[21]Acs Z J，Lnc A，Attila V.Patents and innovation counts as measures of regional production of new knowledge.Research Policy，2002，31（7）：1069-1085.

[22]官建成，何穎.基于DEA方法的區域創新系統的評價[J].科學學研究，2005（02）：265-272.

[23]肖仁橋，錢麗，陳忠衛.中國高技術產業創新效率及其影響因素研究[J].管理科學，2012（05）：85-98.

[24]胡宗義，魯耀純，劉春霞.我國城市基礎設施建設投融資績效評價——基于三階段DEA模型的實證分析[J].華東經濟管理，2014，28（1）：85-91.

[25]Feng J J，Zhang H G，Hu X J.The Scale Dependence of the Local Morans I.Statistical and Application，2015，4（03）：162.

[26]孫三百.基于空間分析法的四川省區域經濟差異[J].西南金融，2009（08）：43-45.

〔編輯：劉曉芳〕