長三角地區創新資源配置效率差異研究

孫夙鵬（江蘇大學 財經學院，江蘇 鎮江 212013）

長三角地區創新資源配置效率差異研究

孫夙鵬
（江蘇大學 財經學院，江蘇 鎮江 212013）

文章針對長三角地區因創新資源配置不合理而出現的阻礙創新的問題，建立DEA模型，對長三角地區16個城市的創新資源配置效率進行測度，并對投入冗余、產出不足和投入資源利用率等進行了分析。結果顯示，長三角地區有近一半的城市創新資源沒有得到有效配置，配置效率與經濟發展水平沒有明顯正向關系，城市之間創新資源配置差異較大，部分城市大量創新投入沒有得到充分利用。未來長三角地區要加強區域內創新資源協調配置，注重創新資源結構優化調整。

創新資源；配置效率；數據包絡分析；長三角地區

0 引言

長三角地區位于長江下游和東海之濱，包括上海市、江蘇省東南部和浙江省東北部，是目前中國經濟發展速度最迅猛、經濟總量規模最巨大、最具有經濟發展潛力的區域性經濟板塊。當前，得天獨厚的創新環境和豐富的創新資源為長三角地區的經濟發展提供了有力保障，但在創新資源投入不斷增加的同時，資源本身具有的稀缺性及資源配置的低效性等特征日漸突顯出，上述問題日益成為長三角地區進一步發展的“潛在阻礙”。因此，只有在解決創新資源配置效率問題的前提下，增加創新資源投入，才能避免創新資源的浪費，區域創新能力才能夠得到有效率的提升。那么，長三角地區創新資源配置的情況如何？其配置效率又是怎樣？對于上述問題的回答有利于本文深度把握眼下長三角地區創新發展的實際情況，發現該區域創新資源配置效率中存在的差異及引起差異的原因，找尋合理提高資源配置效率，優化資源配置結構的方法。

本文選取了創新資源投入、產出指標，建立DEA模型測度長三角地區創新資源配置效率，揭示長三角地區各城市在創新資源配置方面存在的差異及原因，為長三角地區創新資源優化配置尋找有效途徑并為相關部門制定政策提供決策參考。

1 創新資源配置效率相關概念

創新資源是開展創新活動所投入的人力、物力、財力、知識等全部資源的總和。根據資源的屬性，創新資源是一種不受時空限制的“再生資源”，可以同時被許多人反復利用，但在一定的時空條件下，創新資源總量是有限的、稀缺的，也導致了區域內創新資源的競爭，加之創新資源分布的不均衡性，共同決定了創新資源的流動性，從而體現出創新資源配置的重要性和必要性。創新資源決定了一個國家或地區創新能力的重要基礎。

創新資源配置就是對相對稀缺的創新資源在各種創新活動和各個創新主體之間進行的選擇、安排、分配和組合的過程。創新資源配置追求的最終目標是實現效益最大化，是以較少的創新資源實現較高的產出量，并實現較多的收益，同時調整創新資源的投入組合結構，最終建立起適應科技創新與經濟社會發展的創新資源配置體系。創新資源的配置關系到一個國家或地區創新能力和競爭能力的提高，是國家經濟運行和發展的核心問題，而創新資源配置的效率則是實現上述核心問題的關鍵。效率是指資源的有效使用與有效配置。創新資源配置效率是指在一定的時間和空間內，選擇、安排、分配和使用有限的創新資源所能實現的最大的社會需求滿足程度，一般也稱為創新資源的利用效率，其實質反映了創新系統的投入產出效率。

2 長三角地區創新資源配置效率的測度

2．1 測度模型

1978年，著名運籌學家Charnes、Cooper和Rhodes提出了第一個DEA模型——C2R模型，此模型被用來評價決策單元間的相對有效性。DEA方法是一種以相對效率概念為基礎，用于評價具有相同類型的多投入、多產出的決策單元（DMU）是否技術有效的一種非參數統計方法。

C2R模型中每個決策單元DMUj(j=1，2，...，n) 都有m種非負投入 Xj=(x1j，x2j，…，xmj)以及k種非負產出Yj=(y1j，y2j，…，ykj)，決策單元DMUj利用投入Xj得到產出Yj。對于任意決策單元DMUj基于凸性、錐性、無效性和有效性的公理假設，由生產可能性集：

可以得到如下DEA模型C2R：

其中，θ表示決策單元DMUj的創新資源投入相對于產出的有效利用程度（有效值），Xij0、Yrj0分別為DMUj0的投入和產出要素；λj表示相對于DMUj重新構造一個有效DMU組合時，其中第j個決策單元的組合比例；S-、S+為松弛變量；ε是阿基米德無窮小量。

C2R模型所表達的經濟含義為：（1）當θ＝1且Sj-＝S+＝0時，DMU為DEA有效，說明創新資源配置在投入Xj時所獲得的產出Yj已經達到最優；（2）當θ＝1且Sj-≠0或Sj+≠0時，DMUj為DEA弱有效，說明把投入Xj減少Sj-仍可保持原產出Yj不變，或在投入Xj不變的情況下可將產出Yj提高到Sj+；（3）當θ＜1時，DMUj為DEA無效，說明可將創新投入降至原投入Xj的θ比例而使原產出Yj不減少。

用DEA方法測度效率，事先無需假定投入和產出的具體函數關系，同時DEA不要求所有的DMU采用同一種生產函數形式，故它滿足“多元最優化準則”，每一個DMU皆可以通過調整自己的生產結構來達到效率最大化。另外，DEA通過該線性規劃模型得出的是相對有效，這個相對有效比絕對有效更有實際意義，因為對一定系統，大量管理運籌學的實際研究已經表明，任何生產效率都不可能達到最優，實際的生產只能追求適合本系統中的生產狀況的滿意的效率。DEA則提供了這種滿意解，給出了適合系統發展方向、相對系統現有發展水平可能達到的效率改進目標。

2．2 測度指標及數據

2.2.1 測度指標的選擇

DEA模型一般要求決策單元DMUj具有相同的投入、產出指標，并且在樣本數是投入產出指標之和兩倍以上的情況下，DEA模型運用效果較好。本文從創新資源配置的特點出發，遵循統計指標選取的基本原則，兼顧統計數據的可得性，共選取了7個投入、產出指標用于測度長三角地區16個城市的創新資源配置效率。

創新資源投入主要體現在人員、經費和知識的投入，本文選取了科技活動人員（X1）、R&D經費內部支出（X2）、購買國內技術經費支出（X3）三個指標。科技活動人員和R&D人員全時當量是描述創新人員投入常用的兩個指標，前者反映從事創新活動的人員規模，后者更多地用于描述創新人員投入強度和質量。本文研究的創新資源配置主要從總量上探討投入產出的比率關系，故選取科技活動人員反映創新人力資源的投入更適合。科技活動經費支出和R&D經費內部支出是學術界公認的衡量創新的財力指標，由于統計制度的改革，后者相對前者統計口徑更加統一、數據更易獲取，也更加精準地反映了創新經費的投入規模。購買國內技術經費支出是指企業購買國內其他單位科技成果（包括產品設計、工藝流程、圖紙、配方等）的經費支出，該指標在學術研究中用得較少，本文認為在知識經濟時代，先進的知識和技術是尤為重要、更加直接的一類創新資源，故選取該指標以反映各區域創新活動中知識資源的投入。

創新活動產出可分為直接產出和潛在產出，本文選取了專利申請量（Y1）、新產品產值（Y2）、高新技術產業產值（Y3）和技術合同成à額（Y4）四個指標。專利技術是創新活動一個重要產出成果，相較于專利授權量易受到專利審查機構、人員等主觀因素的影響，專利申請量能更加客觀地反映創新活動的產出規模。創新活動最直接的產出往往表現為新產品的問世，新產品產值就反映了創新投入后的一種市場績效型的產出。此外，創新促進了技術的更新換代和新技術產業的發展，高新技術產業產值用于反映創新形成的產業規模。由于技術特點，技術貿易都以合同的方式進行，技術合同成à額是指簽訂的各類技術貿易合同中標定的價款總額，該指標數值大小可以反映創新活動的活躍性和創新產出的規模。

2.2.2 數據來源及說明

文中數據均來自于2013年《中國城市統計年鑒》和長三角各城市2013年《統計年鑒》，由于不同城市《統計年鑒》的編寫有所不同，造成部分數據殘缺，本文采用了根據增長率來推算其缺失值的方法進行估計，從而最大程度保全了數據的可靠性和科學性。如表1所示。

表1 2012年長三角地區創新資源配置投入產出數據匯總

2．3 實證結果及分析

2.3.1 創新資源配置效率值測度

基于表1投入產出各指標的數據，本文采用DEAP2.1數據包進行DEA數值的測度，測度結果見表2所示。

表2 2012年長三角地區創新資源配置效率值

從數值上看，長三角地區創新資源配置效率總體較高，所有城市的DMU的效率值都在0.7以上。常州、蘇州、揚州、鎮江、泰州、杭州、湖州、紹興、舟山9個城市的DMU效率值為1，表明創新資源配置相對有效，這部分城市占樣本城市總數的56.25%，其中江蘇的城市占了一半以上；上海、寧波、嘉興、臺州4個城市的效率值處于0.9～1.0區間內且相當接近，創新資源配置效率也較高；其他3個城市南通、無錫、南京的配置效率處于0.7～0.8區間內，相對其他城市配置效率較低，實際這3個城市的創新資源投入、產出指標的數值都較高，其DMU效率值不高的原因，主要在于DEA方法是一種相對有效的分析技術，考察的是投入和產出之間的前沿生產函數與相對有效之間的投影面積，在技術上出現此種情況是可以接受的，而且這一結果與前人研究結論一致，在馬強（2010）的研究成果中，這3個城市的創新資源配置效率（南通0.129、無錫0.752、南京0.402）也處于長三角地區倒數的位置。

2.3.2 各城市創新資源配置無效原因分析

（1）投入、產出指標松弛變量測算值

松弛變量的計算，為改善效率提供了直觀的理論目標值和改進的潛力值。投入指標的松弛變量S-常常被視為一種浪費或者冗余，產出指標的松弛變量S+表示現有創新資源配置下產出不足的量或優化配置之后可增加的產出量。松弛變量的測算值見表3所示。

表3 各DMU投入、產出指標的松弛變量測算值

由表3可知，各項投入指標冗余的均值比較小，但各投入指標均存在不同程度的浪費或者說沒有切實發揮效用。具體來看，各城市科技活動人員X1的浪費和冗余情況不容樂觀，南京、無錫及杭州都存在相對效率低下的情況，無錫尤為嚴重；此外，R&D經費內部支出X2閑置情況較為明顯，平均出現12.4億元R&D經費的浪費情況，其中上海市研發經費浪費最嚴重；購買國內技術經費支出X3的低效情況相對樂觀，平均浪費0.417億元，上海購買國內技術經費的浪費仍然最多。長三角地區創新活動活躍、創新資源緊缺，出現這么多創新資源的浪費實在可惜，這也充分說明加大創新資源投入的同時，優化創新資源配置的結構、提高配置效率更加重要。

由表3可知，各城市產出指標的不足額或目標改進值的均值較大。具體而言，專利申請量Y1平均還可以再增加約3785件，新產品產值Y2平均還可以增加302億元左右，高新技術產業產值Y3平均可以增加542億元，技術合同成à額Y4平均可以增加33.965億元。雖然這些只是理論值，但是可以為提出優化資源策略提供一些參考。

從專利申請量指標來看，上海、杭州以及嘉興均存在相對有效而言的產出不足，其中上海市專利申請量產出不足的數值最高，這說明雖然上海專利申請量較高（2012年全國排名第5），但如果創新資源配置更加合理，現有的創新投入還可以創造出更多的專利申請。從新產品產值指標來看，南京、無錫、杭州、寧波和臺州5個城市該指標的松弛變量不為0，該項產出能力未得到充分發揮，尤其是寧波，其新產品產值不足的量（3172億元）是均值（302億元）的10倍多，新產品產值有待提高的空間最大。從高新技術產業產值和技術合同成à額兩個指標來看，大部分城市處于相對有效的情況。

（2）創新資源投入利用率測算值

DEA模型一個重要價值在于可以測算投入利用率。根據計算得到θ、S-、S+，而由ΔXj=(1 -θ) Xj+S-計算得到ΔXj，這里ΔXj為第j個決策單元基于現有產出的投入剩余量向量；根據公式計算得到第j個決策單元第i個投入指標的利用率，如表4所示。

表4 各DMU創新資源投入利用率 （單位：%）

分析創新資源投入的利用率可知，平均來看長三角地區創新資源投入的利用率從低到高依次為科技活動人員（84.43%）、R&D經費內部支出（90.59%）和購買國內技術經費（92.78%）。而分城市看，各城市之間差異較大，南京市科技活動人員和經費雖然投入量很大，但利用率較低，分別為11.45%和30.11%，大量的資源沒有切實發揮效用；無錫市科技活動人員的利用率（14.71%）也較低，僅次于南京；此外，杭州市科技人員活動效率為69.18%，低于浙江省平均值92.34%，處于浙江省較低水平。分省份區域看，江蘇省、上海市和浙江省三地DMU平均值分別為85.04%、79.67%和95.47%，相對而言，浙江省7個城市創新資源利用率普遍較高，科技活動人員、R&D經費內部支出、購買國內技術經費支出DMU平均值分別達到92.34%、97.91%和96.15%，超過整個長三角地區平均水平分別達7.91、7.32和3.37個百分點，其中湖州市、紹興市和舟山市三項利用率均達到100%，體現出明顯的區域性。

3 結論與建議

本文基于DAE模型，對長三角地區城市間創新資源配置效率進行測算和分析，研究結論有助于了解長三角地區創新資源配置的基本情況。

（1）長三角地區創新資源配置效率總體較高，與經濟發展水平沒有明顯正向關系。所有城市的DMU的效率值都在0.7以上，其中浙江省7個城市的效率值平均為0.979，創新資源配置效率最高；江蘇省8個城市的效率值平均為0.924，與上海市的效率值0.920差不多。上海、南京、無錫等地區創新資源豐富，且經濟發展水平相對較高，但這3個城市創新資源配置效率偏低，高投入沒有帶來高效率，這與前人研究結論基本一致。

（2）各城市產出指標的不足或目標改進值的均值較大。計算各產出冗余均值與各產出指標均值的比值（具體結果為括號內數值）可知，由于產出不足對創新資源配置效率影響，從高到低排序依次為技術合同成à額（22.41%）、新產品產值（16.20%）、高新技術產業產值（14.37%）和專利申請受理量（8.76%）。江蘇省8個城市在產出Y1上都達到了最優，這也是近年來江蘇重視知識產權戰略實施取得的重要成就；上海市產出Y2達到了最優，說明上海更加重視創新知識成果轉化為新產品；浙江7個城市大多在產出Y1和Y2達到了最優，相對而言在Y3和Y4上產出不足的情況較嚴重，說明浙江也比較重視專利的申請和轉化，在高新技術產業發展和技術à易方面有待進一步加強。

（3）各項投入指標冗余的均值較小，但各投入指標均存在不同程度的浪費。創新資源投入利用率從低到高依次為科技活動人員（84.43%）、科技活動經費（90.59%）和購買國內技術經費（92.78%）。創新資源配置非有效的城市在資源配置上各有其長處和不足，如上海雖然投入X2和X3存在較大冗余，但投入X1冗余為0；杭州、寧波投入X1和X3存在冗余現象，但投入X2冗余為0；南京、無錫投入X1和X2存在較大冗余，但在投入X3上冗余為0，綜合影響了創新資源的有效配置。

綜上所述，長三角地區創新資源豐富、創新資源投入較大，但其資源投入的空間分布密度和結構不盡合理，且投入與產出之間不匹配的現象明顯，從而導致該地區各城市創新資源配置效率存在一定差異。因此，根據長三角地區目前所處的發展階段，為了縮小地區間的差異、優化創新資源配置結構、提高資源配置效率，本文借鑒發達國家發展經驗，提出以下三點建議：

（1）長三角地區要加強區域內創新資源à流與合作，減少區域內部的資源消耗，協調共進。各城市在創新資源的配置上各有優缺點，應積極加強相互學習和合作，突出自身優勢和特色產業，合理產業布局，共享創新資源和創新成果，形成既有分工又有合作的創新發展模式。

（2）長三角地區內部在加大創新資源投入的同時，要注重優化創新資源結構。各城市尤其是創新資源配置非有效的城市，要提高創新意識，充分利用投入的創新資源，加大專利申請力度并促進專利轉化為新產品、形成高新技術產業，加強區域間技術貿易活躍程度，促使長三角區域各城市的創新資源配置效率達到最優，進一步推動創新驅動戰略的實施。

（3）長三角地區要進一步配合實施科教興國和人才強國戰略，不斷夯實科技人才培養和à流。加強各地各級高等院校之間的經驗à流和培養模式創新，在政府宏觀調控下，充分調動企業、科研機構等部門的積極性，實現產、學、研協作，加快人才培養速度，組建一支高學歷、高素質的創新人才隊伍服務于長三角地區經濟發展。

[1]鄭珊珊,樊一陽,劉華珍.基于DEA模型的高科技產業技術創新資源配置效率分析[J].科學管理研究,2010,(3).

[2]王雪原,王宏起.我國科技創新資源配置效率的DEA分析[J].統計與決策,2008,(8).

[3]谷紹輝,王筱萍.黃河經濟帶科技創新水平測度研究[J].技術經濟, 2011,(1).

[4]丘磐,劉艷.珠三角地區制造業創新資源的配置效率研究[J].經濟論壇,2010,(2).

[5]董明濤.我國農業科技創新資源的配置效率及影響因素研究[J].華東經濟管理,2014,(2).

[6]華海嶺,吳和成.地域大中型工業企業創新資源配置效率研究[J].中國科技論壇,2011,(6).

[7]馬強.長三角城市創新資源配置效率研究[J].南京航空航天大學學報（社會科學版）,2010,(3).

[8]陳雄輝,譚春華.基于區域科技創新聯盟的創新資源耦合模式研究[J].科技管理研究,2013,(13).

[9]厲以寧.經濟學的倫理問題[M].北京:三聯書店,1995.

[10]魏權齡.數據包絡分析[M].北京:科學出版社,2004.

（責任編輯/浩 天）

F062.4

A

1002-6487（2016）24-0112-04

江蘇省2014年度普通高校研究生科研創新計劃項目（KYZZ_0295）

孫夙鵬（1985—），男，江蘇鎮江人，博士研究生，研究方向：經濟系統分析與創新管理。