京津冀科技創新效率評價實證研究

◎文/侯靜璇 雷懷英

一、引言

科技創新是社會生產力和綜合競爭力的重要戰略支撐，也是區域發展賴以生存的支柱和不竭動力。隨著《京津冀協同發展規劃綱要》的正式頒布實施，京津冀地區成為繼“珠三角”“長三角”之后，拉動我國經濟增長的第三大核心區域。然而，長期以來京津冀內部在科學、技術以及資源調動能力等方面存在著很大的差異， 嚴重影響了區域整體科技創新能力的提高。因此，厘清京津冀各地的發展現狀，探究如何提高京津冀地區的科技創新效率，對加強區域間的整體規劃和工業合作的縱向深化、推動區域協同化進程具有重要的實踐價值。

隨著區域一體化的發展， 國內學者對區域科技創新能力進行了深入研究。 如王宇運用 DEA 模型， 對2011—2015 年長江經濟帶11 個省科技創新的綜合效率進行了測算。 張榮天選擇專利授權量和科技論文發表量作為創新產出指標，構建Tobit 回歸模型，定量揭示了城市科技創新效率的影響因素。李旻暾、王莉采用了因子綜合評價法， 定量評價了廣東省科技創新的綜合實力。 李雯基于模糊評價模型，選取2010—2017 年河南省科技創新相關情況作為評估樣本， 對這8 年的科技創新政策實施效果進行評價研究。

縱觀以往的文獻， 國內外學者對區域科技創新能力的研究還處于探索階段， 目前仍沒有一個權威的評價指標體系。 本文在借鑒以往研究成果的基礎上， 結合京津冀區域科技投入與產出的實際情況， 科學地構建科技創新效率評價指標體系， 分別測度京津冀地區科技創新的相對效率和綜合效率， 并對結果進行分析，力求提出有針對性的對策建議。

二、研究方法

（一）DEA 相對效率測算模型

DEA 是應用數學規劃模型計算并比較決策單元之間相對效率的模型。 由于該模型能充分考慮到決策單元本身最優的投入產出方案， 因此更適用于復雜系統的有效性綜合評價問題。本文選用DEA 模型處理科技創新多投入多產出的復雜系統問題， 同時不需要確定指標之間相互作用的顯性表達式。

首先假設共有n 個決策單元， 且每一個決策單元都是輸入向量為 X=（x1，x2，…，xm）T，和輸出向量為 Y=（y1，y2，…，ys）T，對于其中任何一個決策單元DMUj，在凸性、錐形、無效性和最小性的公理假設里，其基本公式表示如下：

式 （1） 中：θ 表示評價決策單元的有效值；ε 表示為非阿基米德無窮小量表示產出虧空松弛變量表示投入剩余的松弛變量；X 為投入指標，而Y 為產出指標。

如果θ=1，且S+=S-=0，則說明這個決策單元DEA 有效；

如果 θ=1， 且 S+=S-≠0 則說明這個決策單元弱DEA 有效；

如果θ＜1， 則說明這個決策單元為DEA無效。

（二）Malmquist 指數模型

本文使用Malmquist 指數分析法，利用數學規劃模型構造各階段的生產最佳前沿面，同時把每個決策單元的生產率同最佳實踐的前沿面進行比較， 對其效率變化和技術進步進行相關測度。 分析不同時期各個決策單元效率的動態演化規律。

以在t 時期的Tt為參照標準， 從產出的角度分析，Malmquist 指數可以表示為：

同理，以 t+1 時期 Tt+1為參照，Malmquist指數又可以表示為：

為了避免時期選擇的隨意性導致可能產生的差異， 用上述兩式取幾何平均值的方法作為衡量t 時期到t+1 時期相關生產率變化的Malmquist 指數。

當Malmquist 指數的值大于1 時，表明在一定的時期內全要素生產率處于增長狀態。

同時，Malmquist 指數可以將生產率變化進一步分解成技術效率和前沿面的變化，共兩個部分：

另外， 技術效率變化的指數在一定條件下， 還能夠進一步分解成純技術效率指數（PC）和規模效率指數（SC）。

最終，Malmquist 指數的計算公式可以表示為：

第一項表示為規模的效率變化， 第二項表示為純技術效率的變化， 最后一項表示為技術的變化。

三、指標選取及樣本來源

（一）指標體系的構建

建立一套合理的科技創新效率指標，對科技創新綜合評價結果的準確性尤為重要。為了保證評價結果的準確性， 本文借鑒了曹賢忠的指標體系設計方法， 并進行了相應的完善和修正。最終，結合京津冀地區的科技投入與產出的實際情況，遵循科學性、可比性、可行性和可操作性的原則， 以現代科技統計理論為指導， 構建了較為合理的區域科技創新能力評價指標。

科技創新效率評價指標由“科技創新投入”和“科技創新產出”兩部分聚合而成，科技投入下設人力資源投入、 資金支持兩個二級指標， 科技產出指標下設科技成果產出及經濟效益兩個二級指標， 四個二級指標又由下級的8 個具體指標構成。 各個模塊既相互獨立又相互聯系， 各自形成不同的指標種類， 但同時又緊密相關、 相互制衡，共同組成多維度、寬領域的京津冀科技創新效率評價指標體系。 科技創新效率評價指標具體見表1。

（二）數據來源

文章使用的所有數據均來自 《中國科技統計年鑒》《中國高技術產業統計年鑒》 和中國國家統計局官方網站。 數據來源具有一定的可靠性，為后續的評價結果提供了保障。由于科技研發的周期較長， 當期投入不一定能夠轉變為當期產出，投入產出具有滯后性，因此在DEA 模型中引入滯后變量，在投入產出研究中，一些學者也使用了滯后變量，其中，肖仁橋將滯后期設置為2 年，王宇、趙文平等將滯后期設置為1 年。參照前人的研究成果，以及考慮數據的可獲得性， 本文選擇1 年的滯后期，即科技投入變量采用2010—2016 年數據，科技產出變量采用2011—2017 年數據進行測算京津冀各地區的科技創新效率的變動趨勢。

四、實證評價

（一）京津冀科技投入產出相對效率的測算與評價

基于產出導向角度，應用C2R 模型，借助于DEAP 2.1 軟件分別對北京、天津和河北三個地區科技創新的投入產出進行效率值分析，結果如表2 所示。

表2 京津冀科技創新效率評價結果（2011—2017 年）

其中，綜合效率=純技術效率值×規模效率值，當決策單元的綜合效率值為1，地區達到DEA 有效。 反之，綜合效率值小于1，為非DEA 有效。

純技術效率是指管理和技術等因素對創新效率的影響， 其結果衡量的是投入生產的優化是否存在一定的冗余性。 在純技術效率為1 的情況下， 該區域的總體管理水平是有效的，并且能夠獲得最大的投入效率。

而規模效率是由于企業規模因素影響的生產效率，衡量的是投入與產出的增加狀態，即如果增加投入，產出將會如何變化。一般來說， 被考察單元只有同時達到技術有效和規模有效時，才能稱之為綜合有效。

表 2 結果表明， 北京在 2011 年、2013年、2014 年、2016 年、2017 年， 天津在 2011年、2017 年， 河北在 2011 年、2012 年、2016年、2017 年的科技創新綜合效率、 技術效率和規模效率都是1， 達到DEA 有效狀態，且技術有效與規模有效并存， 這說明在這些時間內科技投入和產出之間已經達到了最優狀態，不存在產量冗余和生產不足的情況。而其余不同年份的樣本單元綜合效率小于1，均為DEA 非有效狀態。

從純技術效率來看， 京津冀三地在2011—2017 年間均出現了純技術效率不足的情況。 如在2015 年，北京地區的純技術效率為0.979，表明在現有的規模下，該區域管理制度方面仍然有2.1%的提升空間，數據直接反映出北京地區在區域管理、 技術轉化能力方面還存在一定的欠缺， 因而需要不斷更新完善科技創新體系，實現長期健康發展。

從規模效率來看， 多數年份規模效率是影響綜合效率的主要因素。如2014 年河北地區的規模效率只有0.981，屬于規模報酬的遞增階段，這表明在現有的規模下，該區域在投入產出方面還有1.9%的提升空間。

從京津冀三地變動趨勢來看，2011—2017 年間，北京、天津科技創新綜合效率出現“下降—上升—下降—上升”的趨勢；河北科技創新綜合效率出現 “下降—上升” 的趨勢。除北京外，天津和河北的科技創新綜合效率波動都比較劇烈。從綜合效率來看，京津冀三地的科技創新效率存在不同程度的差異，基本上三個地區都需要不同程度的調整。

雖然模型的解釋僅限于模型運用的機理， 但一定程度上反映出京津冀地區整體的科技創新效率在多數年份還存在著區域性差異。 現實中只有針對產生差異的原因進行具體分析，對科技投入量做到穩中有升，保證資源在區域內進行合理地流動， 生產的各個方面有序協調， 才能實現京津冀地區科技創新效率的不斷提高。

（二）京津冀科技投入產出綜合效率的測算及分析

本文借助于DEAP 2.1 軟件，基于產出型導向，對北京、天津和河北三個地區2011—2017 年的科技創新效率的Malmquist 指數進行測算。Malmquist 指數是在與上一年數據進行比較的基礎上得出的結果，當效率增長時，其指數結果大于1，反之效率衰減時，指數結果小于1。 最終得到京津冀科技創新的全要素生產率及其分解的結果，如表3 所示。

由表 3 可知， 從總體上看，2011—2017年間的京津冀科技創新效率的Malmquist 指數圍繞1 上下波動，出現了兩漲兩落的趨勢，這反映出科技創新效率穩定性較差， 沒有出現穩步提升的狀態， 而是呈現出周期性的波動。同時，全要素生產率的波動與技術進步效率產生的波動保持一致， 這說明在2011—2017 年京津冀科技創新效率的變化主要依賴于技術進步。

表3 京津冀科技創新效率的Malmquist 指數及其分解結果

從各年度的變化來看，在2016 年之前全要素生產率的波動幅度較大，其中2013 年達到了峰值，全要素生產率大幅上升12.5%，在2014 年達到了最低值，全要素生產率下降了17.1%， 產生這樣的原因是2013 年我國大力發展知識產權戰略， 于是該年全國的專利申請量實現了同比高度增長， 尤其是北京的專利申請量和授權量再創新高， 實現每萬人發明專利擁有量居全國之首，由此造成了2013和2014 年京津冀全要素生產率的大幅變動。而2016 年后全要素生產率趨于穩定，小幅提升4.8%和3.8%， 這說明京津冀科技創新的綜合效率呈現出上升趨勢， 但是上升幅度還有待提高。

綜上所述， 京津冀科技創新的綜合效率呈現出上升趨勢，主要得益于技術進步，但是上升幅度還有待提高， 同時穩定性較差。 因此， 京津冀區域的科技創新總體上還有著巨大的發展空間和潛力。

五、結論與建議

（一）結論

本文以京津冀區域2011—2017 年的數據為樣本， 運用DEA 模型和Malmquist 指數模型， 分別對京津冀區域科技創新的相對效率和綜合效率進行了實證研究， 得出了以下結論：

1.京津冀區域內部科技創新效率存在差距，不利于區域總體發展戰略的有效實施

從DEA 模型的評價結果中可以看出，在京津冀經濟帶中，北京在多數年份處于DEA有效， 即科技投入和產出之間已經達到了最優狀態，而除去創新效率較優的北京來說，河北和天津在研究階段內存在著規模效率發展不足或純技術效率發展不足造成綜合效率較低的問題。科技創新效率的不均衡，會使得科技資源向效率較高的區域流動， 不利于區域總體規劃戰略的實施。

2.科技創新效率總體呈上升趨勢，但上升幅度還有待提高

從Malmquist 指數的分析來看， 京津冀地區科技創新效率總體呈現上升狀態， 但是上升幅度不高， 同時綜合效率出現了兩漲兩落的趨勢， 這說明京津冀區域的科技創新總體上還有著巨大的發展空間。

3.科技創新效率的穩定性較差

隨著時間的變遷，無論是三個地區各自的創新效率，還是京津冀區域內的綜合效率均沒有表現出穩步提升的狀態，持續增長的趨勢并不明顯， 而是呈現出周期性的波動，這反映出三地科技創新的穩定性還有待加強。

（二）建議

基于京津冀地區內部科技創新效率存在差異、科技創新效率總體有待提高，且穩定性差的情況，并結合當前推動區域協同化進程的訴求，京津冀三地在未來應該加強區域間整體規劃， 具體來說應該做好以下兩點。

1.調整創新資源配置，提高自主創新能力

基于京津冀內部科技創新效率存在差異的現狀， 未來應做好區域的整體規劃，調整三地的創新資源配置，即在既定的資源投入下，京津冀經濟帶應該打破行政區域的劃分，從全局的角度促進資源在整個區域的合理流動。 發展較好的北京地區應該加強其科技創新效率正向溢出效應，加強跨區域之間的合作。 而天津和河北地區應該利用京津冀一體化的優勢，不斷提高自主創新和科技應用的能力， 加快產業的技術改造和創新升級。

2.完善創新管理機制，形成區域創新合力

京津冀總體的科技創新效率有待提高且穩定性較差， 說明京津冀的科技創新體制還存在著一定的問題， 沒有實現良好的區域創新發展模式。為了解決這樣的問題，京津冀應不斷完善科技創新管理體制， 力求在有限的資源投入下， 實現整個產業的精益布局。 同時，京津冀也應該充分挖掘和利用各高校、科研院所的技術優勢， 構建強有力的產學研合作發展平臺，以實現資源的多級高效利用，最終以區域創新合力推動整體創新能力的提高。