省域科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率研究

劉有升

（福州大學(xué) 經(jīng)濟與管理學(xué)院,福建 福州 350116）

一、研究背景

科技創(chuàng)新創(chuàng)業(yè)人才是國家發(fā)展的重要人力資源[1]。黨的十八大要求“實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”和“加大創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)支持力度”；十八屆三中全會強調(diào)“加快建設(shè)創(chuàng)新型國家”；十八屆五中全會以創(chuàng)新領(lǐng)銜五大發(fā)展理念，成為引領(lǐng)發(fā)展的第一動力。《國家創(chuàng)新指數(shù)報告2014》對全世界40個主要國家的情況進行了分析，其中我國列第19名；而《國家創(chuàng)新指數(shù)報告2015》表明，我國在這一排名中僅略微提升至第18名，這意味著建設(shè)創(chuàng)新型國家的形勢依然嚴(yán)峻。管中窺豹，從省域的角度來探究全國科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率，是一種有價值的研究視角。經(jīng)濟社會發(fā)展與科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)是有機共生系統(tǒng)，在大眾創(chuàng)業(yè)萬眾創(chuàng)新的背景下，科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)是創(chuàng)新型省份建設(shè)的重要突破口。近年來，全國不少省份科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)長足發(fā)展，但各省科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)如何提升效率？如何增進各主體的主觀能動性及驅(qū)動力，使創(chuàng)新創(chuàng)業(yè)成為經(jīng)濟增長新引擎，推動創(chuàng)新型省份建設(shè)？這些都是值得深入探究的問題。

回顧已有文獻，學(xué)者們對科技創(chuàng)新創(chuàng)業(yè)人才給予了廣泛關(guān)注。學(xué)界的研究主要聚焦于美國、德國、日本、印度等科技發(fā)達國家的經(jīng)驗梳理[2-5]和不安全感[6]、創(chuàng)業(yè)教育[7]、質(zhì)量把控[8]、聚集效應(yīng)[9]等有關(guān)的影響因素分析。此外，還包括培養(yǎng)機制[10]、激勵機制[11-12]、對策建議[5，13]等方面的探討。上述研究都具有一定的說服力，也皆有各自的經(jīng)驗材料支持，增進了人們對相關(guān)問題的理解和認識，但是仍然有較大的拓展空間。從理論上看，已有研究大多從單一維度考察，視角的多維性考察不足，理論框架的系統(tǒng)性尚待增強；從方法上看，多數(shù)研究停留于簡單的統(tǒng)計描述，量化研究總的來說較少。近年來，DEA-Malmquist指數(shù)模型已被廣泛地運用于相關(guān)產(chǎn)業(yè)效率[14-15]和全要素生產(chǎn)率[16-17]方面的評價，使用該方法分析科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率是較新的研究領(lǐng)域，具有可行性和新穎性。

二、研究方法及指標(biāo)、數(shù)據(jù)的獲取

（一）基于DEA的Malmquist指數(shù)理論

數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）以DUM偏離DEA前沿面的程度來衡量一組同類決策單元的相對有效性[18]。Malmquist指數(shù)是決策單元從時期t到時期t+1的距離函數(shù)比值[19]，定義時期t基于投入的距離函數(shù)為：

其中，xt∈Rm為投入向量，yt∈Rs為產(chǎn)出向量，St為前沿面技術(shù)，θ代表當(dāng)決策單元處于前沿面技術(shù)時所需減少投入要素的最大比率。所以，當(dāng)yt不變時，距離函數(shù)和投入向量xt最大縮小比值的倒數(shù)相等。因此，綜合效率可表示為：

定義在時期t、t+1的技術(shù)水平下，決策單元的Malmquist指數(shù)分別為：

由（3）式和（4）式可得全要素生產(chǎn)率（TFP）指數(shù)：

記M=M(xt+1,yt+1,xt,yt)，則M＞1表示生產(chǎn)率進步；M=1表示生產(chǎn)率不變；M＜1表示生產(chǎn)率退步[20]。Malmquist生產(chǎn)率指數(shù)變換形式為：

其中，TC、EC分別為：

TC代表決策單元在時期t和t+1內(nèi)的技術(shù)變動（Technical Change，TC），也稱前沿面移動效應(yīng)或增長效應(yīng)，表示生產(chǎn)技術(shù)創(chuàng)新情況。當(dāng)TC＞1時為技術(shù)進步，當(dāng)TC＜1時則為技術(shù)退步。EC代表決策單元目前投入與最小投入間的差距，即綜合效率變動（Efficiency Change，EC），也稱追趕效應(yīng)或水平效應(yīng)。當(dāng)EC＞1時意味著綜合效率上升，反之，當(dāng)EC＜1時表明綜合效率下降。

1992年，F(xiàn)are將DEA模型的輸入輸出指標(biāo)與Malmquist生產(chǎn)率指數(shù)相結(jié)合[21]。設(shè)時期t=1,2,…,T，有y=1,2,…,n個DMU，則t期第j個DMU的第i項投入為xijt，t期第j個DMU的第r項產(chǎn)出為yrjt；λ是滿足公式成立的常數(shù)，代表各決策單位的權(quán)重，時期t的前沿面技術(shù)表示為：

Malmquist生產(chǎn)率指數(shù)的距離函數(shù)Dt(xt,yt)、Dt+1(xt,yt)、Dt+1(xt+1,yt+1)和Dt(xt+1,yt+1)均可由DEA模型求解。求解Dt(xt,yt)的基于投入的CCR模型為：

式中為模型的松弛變量表示超量投入表示虧量產(chǎn)出。求解 Dt+1(xt+1,yt+1)與（8）式類似，只需將t替換為t+1。若再增加約束條件可將EC以純技術(shù)變動 （PTEC）與規(guī)模效率變動（SEC）的乘積表示，其中：

CRS代表固定規(guī)模報酬的假設(shè)條件，VRS代表變動規(guī)模報酬的假設(shè)條件。Malmquist指數(shù)還可進一步分解為：

上式中，SEC＞1表示規(guī)模效率提升，SEC＜1表示規(guī)模效率降低。

（二）研究指標(biāo)及樣本的選擇

按指標(biāo)體系綜合性、可行性、可比性的原則，同時考慮數(shù)據(jù)資料取得的操作性、權(quán)威性（直接或間接來源于政府統(tǒng)計部門發(fā)布的數(shù)據(jù)資料），并借鑒已有研究成果[22-23]，本研究建立表1所示的指標(biāo)體系，對省域科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率情況進行動態(tài)考量。

表1 省域科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)的投入-產(chǎn)出指標(biāo)體系

在樣本選擇上，根據(jù)國家統(tǒng)計局網(wǎng)站 《國家數(shù)據(jù)》（National Data），共選擇30個省級行政區(qū)2012—2014年的數(shù)據(jù)（西藏數(shù)據(jù)不全，本次統(tǒng)計未含）。

三、研究結(jié)果及數(shù)據(jù)分析

（一）全國科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率情況

本研究使用DEAP2.1軟件分析30個樣本2012—2014年間的Malmquist指數(shù)和它的分解指數(shù)趨勢。由于Malmquist指數(shù)評價的是當(dāng)年相較于前一年的動態(tài)變化，因此輸出的結(jié)果只含2013年和2014年共2年的指標(biāo)，具體結(jié)果如表2和表3所示。

表2 2013年整體樣本Malmquist指數(shù)及其分解

從表2可知，2013年有21個樣本省級行政區(qū)的Malmquist指數(shù)大于等于1，各樣本Malmquist指數(shù)平均值達1.067，總體上說明全國各省域科技創(chuàng)新創(chuàng)業(yè)人才效率在2012—2013年有一定提高。技術(shù)變動指數(shù)除北京、陜西、黑龍江以外，其余省級行政區(qū)均小于1，平均值僅0.853，表明大部分省級行政區(qū)在2012—2013年的技術(shù)變動情況并不顯著，這在一定程度上阻礙了綜合效率的提高。純技術(shù)變動指數(shù)除福建和吉林以外的其余28個省級行政區(qū)的值均大于等于1，平均值亦達1.105，意味著在全國總體層面上，省級行政區(qū)的純技術(shù)變動狀況驅(qū)動了綜合效率的提高。規(guī)模效率變動指數(shù)平均值為1.146，僅7個省級行政區(qū)的規(guī)模效率變動指數(shù)值小于1，表明大部分省級行政區(qū)科技創(chuàng)新創(chuàng)業(yè)規(guī)模效率在2012—2013年有所提高。

從表3可以看出，2014年有15個樣本省級行政區(qū)Malmquist指數(shù)大于1，各樣本Malmquist指數(shù)平均值為1.061，說明全國一半以上省域科技創(chuàng)新創(chuàng)業(yè)人才效率在2013—2014年有一定幅度提高，尤其是新疆和吉林的Malmquist指數(shù)分別高達2.246和2.107，依次位居全國第一和第二。技術(shù)變動指數(shù)中所有省級行政區(qū)均大于1，平均值達1.198，表明各省級行政區(qū)在2013—2014年的技術(shù)變動增長成為綜合效率提高的重要動因。純技術(shù)變動指數(shù)平均值僅有0.989，意味著全國各省域的純技術(shù)變動狀況一定程度上制約了綜合效率的提高。規(guī)模效率變動指數(shù)平均值是0.891，僅有4個省級行政區(qū)的規(guī)模效率變動指數(shù)值大于或等于1，可見全國大部分地區(qū)科技創(chuàng)新創(chuàng)業(yè)規(guī)模效率在2013—2014年有所降低。

表3 2014年整體樣本Malmquist指數(shù)及其分解

（二）全國分地區(qū)科技創(chuàng)新創(chuàng)業(yè)人才效率情況

東部、中部、西部地區(qū)的數(shù)據(jù)是分別對三個地區(qū)內(nèi)相關(guān)省份的數(shù)據(jù)進行算術(shù)平均而得，如表4所示。

表4 各地區(qū)Malmquist指數(shù)及其分解

從該表可知，2013年西部地區(qū)Malmquist指數(shù)最高，三個地區(qū)數(shù)值都超過1，表明2012—2013年各地區(qū)科技創(chuàng)新效率均有一定提高。技術(shù)變動指數(shù)方面，三個地區(qū)值均小于1，說明技術(shù)創(chuàng)新仍為制約各地區(qū)發(fā)展的主要因素。純技術(shù)效率指數(shù)方面，西部依舊最高，但三個地區(qū)指數(shù)值均超過1，說明不同地區(qū)在2012—2013年間純技術(shù)效率方面均有一定提升。規(guī)模效率變動方面，東部排名第一，指數(shù)1.196優(yōu)勢較明顯，說明東部地區(qū)在科技創(chuàng)新方面有規(guī)模優(yōu)勢，而西部地區(qū)并未形成良好的規(guī)模效應(yīng)。2014年情況有所變化，中部地區(qū)Malmquist指數(shù)最高，東部地區(qū)數(shù)值小于1，表明2013—2014年東部地區(qū)科技創(chuàng)新力度不足。技術(shù)變動指數(shù)方面，三個地區(qū)數(shù)值均大于1，表明不同地區(qū)在2013—2014年間技術(shù)效率方面均有一定提升。純技術(shù)效率變動方面，僅中部地區(qū)數(shù)值大于1，意味著中部地區(qū)連續(xù)兩年在純技術(shù)效率提升上效果良好。規(guī)模效率變動方面，三個地區(qū)數(shù)值均小于1，說明它們在2013—2014年均出現(xiàn)規(guī)模增長短板，阻礙了綜合效率增長。

四、結(jié)論及建議

本研究基于DEA的Malmquist指數(shù)理論，分析2012—2014年我國省域科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率，主要得出以下結(jié)論：一是全國省域科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率不斷提高；二是全國分地區(qū)科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率不平衡；三是科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)是一個系統(tǒng)工程，需要政策鏈、產(chǎn)業(yè)鏈、人才鏈、創(chuàng)新鏈互相交織和支撐。綜合實證分析及專家訪談意見，提升科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)效率應(yīng)促進政策鏈、產(chǎn)業(yè)鏈、人才鏈、創(chuàng)新鏈融合，打造科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)生態(tài)系統(tǒng)，為此提出四點建議。

（一）優(yōu)化頂層設(shè)計，加強政策鏈引領(lǐng)

一是要樹立系統(tǒng)思維。推進科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)要借鑒系統(tǒng)論，增進政策的系統(tǒng)性、前瞻性和操作性，既要考慮經(jīng)濟方面的因素，也應(yīng)兼顧制度、組織、社會、政治、生態(tài)等方面的影響。二是要激發(fā)協(xié)同效應(yīng)。針對目前政策較為分散、整體合力缺乏、導(dǎo)向機制不明等問題，有針對性地打好“組合拳”，增進政策的多元化協(xié)同，即強化省域、市域、縣域之間政策的協(xié)同；推動各個產(chǎn)業(yè)間政策的協(xié)同；深化科技創(chuàng)新創(chuàng)業(yè)人才主體間政策的協(xié)同。三是要持續(xù)動態(tài)優(yōu)化。一方面及時應(yīng)對不斷發(fā)展的形勢，以此檢驗科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)政策的時效性及實效性；另一方面深度契合相關(guān)主體的合理需求，以科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)政策的人性化、動態(tài)化來增強科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)的生命力。

（二）發(fā)揮市場導(dǎo)向，凸顯產(chǎn)業(yè)鏈拉動

第一要做強產(chǎn)業(yè)集群。推進戰(zhàn)略性新興產(chǎn)業(yè)、“互聯(lián)網(wǎng)+”和大數(shù)據(jù)重大工程等的發(fā)展，使它們與經(jīng)濟社會更加融合；深入實施《中國制造2025》，推動傳統(tǒng)產(chǎn)業(yè)改造，切實提升“中國制造”的品質(zhì)以及“中國創(chuàng)造”的影響力，增強“造血”功能。第二要推進成果轉(zhuǎn)化。緊扣我國深化供給側(cè)結(jié)構(gòu)性改革的背景，正視實驗室里科技成果不夠“接地氣”、難以轉(zhuǎn)化等現(xiàn)實，打通“最前一公里”和“最后一公里”，暢通創(chuàng)新成果轉(zhuǎn)化鏈。第三要增進資金供給。構(gòu)建多層次、多渠道的資金配置平臺，搭建財政對科技投入的穩(wěn)定增長機制，完善穩(wěn)定性支持、引導(dǎo)性支持、獎勵和后補助等支持方式，以項目為載體、資本為紐帶、效益為準(zhǔn)繩作為實施原則，如廣東省應(yīng)發(fā)揮地處僑鄉(xiāng)、經(jīng)濟較為活躍、民間資本較為發(fā)達等優(yōu)勢，建立創(chuàng)業(yè)投資專項引導(dǎo)基金，提升資金的使用效益，為科技創(chuàng)新創(chuàng)業(yè)人才的發(fā)展提供資金扶助。

（三）夯實平臺建設(shè)，強化人才鏈引擎

一是要注重區(qū)域化。許多國家產(chǎn)生了一些具有代表性的高新技術(shù)研發(fā)應(yīng)用策源地，如美國硅谷、法國格勒諾布、日本筑波和我國中關(guān)村等，這也為科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)提供了有益借鑒。比如福建省應(yīng)重點打造福廈泉國家自主創(chuàng)新示范區(qū)，加快福州新區(qū)、濱海新城的建設(shè)，優(yōu)化區(qū)域創(chuàng)新布局，打造區(qū)域經(jīng)濟增長極，凸顯集聚功能。二是促進基地化。遴選較為成熟的地區(qū)，新建一批雙創(chuàng)示范基地、專業(yè)化眾創(chuàng)空間，加強國家大學(xué)科技園的陣地作用，增進規(guī)模效應(yīng)及輻射效應(yīng)。三是強化龍頭效應(yīng)。一方面要搭建平臺，不斷改革人才培養(yǎng)模式，完善高端創(chuàng)新人才和產(chǎn)業(yè)技能人才“二元支撐”的人才培養(yǎng)體系，尤其是理工科高校應(yīng)在這方面發(fā)揮表率作用，為科技創(chuàng)新創(chuàng)業(yè)人才隊伍建設(shè)拓寬渠道。另一方面要培育高端人才，創(chuàng)新鏈要有效嵌入產(chǎn)業(yè)鏈需要人力資本做支撐，應(yīng)著重培養(yǎng)領(lǐng)軍科技創(chuàng)新創(chuàng)業(yè)人才，加強團隊引進和梯隊建設(shè)。

（四）營造文化氛圍，增進創(chuàng)新鏈實力

第一，改進環(huán)境。深刻認識科研試錯的探索意義，營造鼓勵創(chuàng)新、寬容失敗的氛圍；改進科研經(jīng)費管理辦法，深化知識產(chǎn)權(quán)保護，構(gòu)建創(chuàng)新政策協(xié)調(diào)審查制度，進而以良好的環(huán)境助力科技創(chuàng)新創(chuàng)業(yè)人才隊伍的建設(shè)。第二，凸顯激勵。突出創(chuàng)新導(dǎo)向，建立彈性的科研業(yè)績考核機制，加大股權(quán)激勵，推動技術(shù)要素參與分配；擴大科研機構(gòu)、高校的收入分配自主權(quán)，增進對知識價值和智力勞動的尊重。浙江省在這方面的先行先試提供了一個典范，該省對引進“千人計劃”“萬人計劃”等高層次人才的單位，取消工資總額、崗位總量、崗位等級、結(jié)構(gòu)比例的限制；企業(yè)引進高層次人才的，相關(guān)費用可在所得稅前扣除。第三，豐富載體。舉辦科技創(chuàng)新創(chuàng)業(yè)人才論壇，增進交流，進行智慧碰撞，產(chǎn)生思想火花；樹立榜樣，加強宣傳，增進核心知識的凝練和核心技術(shù)的提升；對研究機構(gòu)進行多樣化的分類管理，為各級各類科技創(chuàng)新創(chuàng)業(yè)人才的建功立業(yè)減負。

[1]ISYAKU S.Mediating effect of uncertainty avoidance on the relationship between entrepreneurial talent and SMEs performance in nigeria:A conceptual analysis[J].International Journal of Academic Research in Business&Social Sciences,2014(6):368-383.

[2]陳建武,張向前.適應(yīng)創(chuàng)新驅(qū)動的中美科技人才發(fā)展協(xié)同機制研究[J].科技進步與對策,2015(19):148-152.

[3]方陽春,黃太鋼,薛希鵬,等.國際創(chuàng)新型企業(yè)科技人才系統(tǒng)培養(yǎng)經(jīng)驗借鑒——基于美國、德國、韓國的研究[J].科研管理,2013(S1):230-235.

[4]張豪,張向前.日本適應(yīng)驅(qū)動創(chuàng)新科技人才發(fā)展機制分析[J].現(xiàn)代日本經(jīng)濟,2016(1):76-85.

[5]李娜.印度高校科技創(chuàng)新創(chuàng)業(yè)人才培養(yǎng)策略探析[J].復(fù)旦教育論壇,2013(4):75-79.

[6]朱樸義,胡蓓.科技人才工作不安全感對創(chuàng)新行為影響研究[J].科學(xué)學(xué)研究,2014(9):1360-1368.

[7]FULGENCE K.Assessing the status of entrepreneurship education courses in higher learning institutions[J].Education&Training,2015(2):239-258.

[8]牟蕾,惠嘉,劉西林.科技人才創(chuàng)新實踐能力培養(yǎng)質(zhì)量關(guān)鍵因素的實證研究[J].科技管理研究,2016(4):113-120.

[9]王暉.科技人才聚集效應(yīng)與科技創(chuàng)新產(chǎn)出的關(guān)系研究[J].湘潭大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2014(4):28-32.

[10]高樹昱,鄒曉東.工程科技人才創(chuàng)業(yè)能力培養(yǎng)機制的實證研究[J].高等工程教育研究,2015(1):130-134.

[11]孔德議,張向前.我國“十三五”期間適應(yīng)創(chuàng)新驅(qū)動的科技人才激勵機制研究[J].科技管理研究,2015(11):45-49.

[12]JOO B K,MCLEAN G N,YANG B.Creativity and human resource development:An integrative literature review and a conceptual framework for future research[J].Human Resource Development Review,2013(4):390-421.

[13]王劍程,朱永躍.創(chuàng)新驅(qū)動背景下企業(yè)科技人才成長環(huán)境評價研究[J].科技進步與對策,2015(24):120-124.

[14]劉佳,陸菊,劉寧.基于DEA-Malmquist模型的中國沿海地區(qū)旅游產(chǎn)業(yè)效率時空演化、影響因素與形成機理[J].資源科學(xué),2015(12):2381-2393.

[15]藍虹,穆爭社.我國農(nóng)村信用社改革績效評價——基于三階段DEA模型Malmquist指數(shù)分析法[J].金融研究,2016(6):159-175.

[16]季凱文.中國生物農(nóng)業(yè)全要素生產(chǎn)率增長特征及行業(yè)差異[J].科研管理,2016(7):145-153.

[17]王藝明,陳晨,高思航.中國城市全要素生產(chǎn)率估算與分析:2000-2013[J].經(jīng)濟問題,2016(8):1-8.

[18]CHARNES A,CLARK C T,COOPER W W,et al.A developmental study of data envelopment analysis in measuring the efficiency of maintenance units in the U.S.Air Force[J].Annals of Operations Research,2001(1):14-17.

[19]楊新甫.基于DEA及Malmquist指數(shù)法的R&D效率評估研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.

[20]NISHIMIZU M,PAGE J M.Total factor productivity growth,technological progress and technical efficiency change:Dimensions of productivity change in yugoslavia,1965-78[J].Economic Journal,1982(368):920-936.

[21]F?RE R,GROSSKOPF S,LINDGREN B,et al.Productivity changes in Swedish pharamacies 1980—1989:A nonparametric Malmquist approach[J].Journal of Productivity Analysis,1992(1):85-101.

[22]丁剛,羅暖.省域創(chuàng)新型科技人才隊伍建設(shè)的投入產(chǎn)出效率評價及其空間關(guān)聯(lián)格局分析——基于DEA模型和LISA方法[J].西北人口,2012(4):13-17.

[23]李永周,陽靜寧,田雪楓.科技創(chuàng)業(yè)人才的孵化網(wǎng)絡(luò)嵌入、創(chuàng)業(yè)效能感與創(chuàng)業(yè)績效關(guān)系研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2016,37(9):169-180.