基于PSR模型的區域高技術產業創新要素供給評價

戚 湧，張洪瑜

(1.南京理工大學 知識產權學院；2.南京理工大學 經濟管理學院，江蘇 南京 210094)

0 引言

黨的十九大報告明確指出，要深化供給側結構性改革，建設現代化經濟體系，把提高供給體系質量作為主攻方向，顯著增強我國經濟質量優勢。創新要素有效供給是我國供給體系中的重要一環，是建設創新型國家的重要保障，也是提升我國科技競爭力進而推動高技術產業高質量發展的重要戰略性資源。

高技術產業具有知識密集、技術先進、產品附加值高、產業關聯效應強等特征,尤其在創新驅動發展等國家戰略積極引導下,能夠規避我國傳統產業下滑危機,發揮自身優勢，實現經濟均衡穩定增長。但由于創新要素供需結構不匹配、低端要素規模投入、無效供給過多等引起的技術創新能力瓶頸和規模效應限制，導致我國區域高技術產業發展暴露出一些問題,如產業持續發展動力不足、企業創新意愿不強、高層次創新人才匱乏、知識產權運用能力不足等。因此，從要素供給這一產業發展動力源頭出發，客觀認識區域高技術產業發展中面臨的創新要素供給問題，因勢利導，加快完善創新要素供給體系，改善創新要素供給狀況，從而推動高技術產業發展。

鑒于創新要素供給的過程性特征，本文從系統性思維入手，引入PSR模型，關注創新要素供給的源動力和反饋過程，從要素供給原因、供給狀態和供給響應3個方面開展全鏈條區域高技術產業創新要素供給評價研究，結論對建立高質量創新要素供給體系具有重要學術價值和現實意義。

1 文獻綜述

要素供給最終體現在要素創新產出過程中，因此國內高技術產業創新要素供給評價研究大多從供給側結構性改革入手，通過分析要素投入產出效率間接評價要素供給有效性。張永安和魯明明[1]從要素供給與創新產出角度研究發現，高技術產業R&D人員等要素投入的創新產出效率不斷提升，表明要素供給結構日益優化；劉宇等[2]從耦合協調度出發，發現2005—2017年我國醫藥制造業創新要素投入產出耦合協調度不斷提升，要素投入逐步與要素需求相協調；趙玉林和高裕[3]研究發現，人力投入等構成的技術創新對于提升湖北省高技術產業在全球價值鏈中的分工地位具有重要作用；俞立平等[4]研究發現，研發經費、研發人員等要素投入規模與配置結構對高技術產業創新速度具有顯著門檻效應；戴魁早和劉友金[5]發現，我國要素市場扭曲程度在入世之后降低，要素市場扭曲對高技術產業發展的負向影響減弱；呂承超等[6]認為，我國大部分地區存在由資本錯配和勞動力錯配構成的要素資源錯配，且勞動力錯配顯著提高高技術產業上市公司的技術創新水平；李盛楠和范德成[7]對已有文獻編碼研究發現，創新要素質量通過高技術產業產出質量影響產業科技水平和技術創新效率；宣燁[8]測算后發現，我國各地區要素市場扭曲程度呈現不斷下降趨勢，東部地區相對于中西部地區而言，要素市場扭曲程度更低。綜合相關文獻發現，關于高技術產業創新要素供給的研究大都從創新投入產出角度出發，對高技術產業創新要素供給尚未形成系統完整的認識和研究，且在構建評價指標體系過程中沒有將環境要素考慮在內。

PSR模型即“壓力—狀態—響應”模型，由加拿大統計學家David Rapport等[9]提出，20世紀80年代末90年代初，OECD在進行環境指標研究時重新評價了模型的適用性和有效性,將其持續用于該組織環境評價工作中。PSR模型也被廣泛應用于生態系統健康評價、資源可持續利用等環境評價的各個領域[10-13]，是環境評價中的一種常用模型。如Hughey等[10]利用PSR模型分析環境政策實施的國民滿意程度；Mihyeon等[11]參考PSR模型評價交通系統對經濟、環境和一般社會福利的影響；Chaves等[12]通過PSR模型將影響流域水資源的社會、經濟和環境問題整合在一套指標體系中；Wolfslehner等[13]將可持續森林管理指標置于PSR模型框架中。PSR模型在國內被廣泛應用于環境效率評價的同時[14-16]，也逐漸被引入人文社科領域。如謝小青[17]運用PSR框架對武漢市創業環境進行評價；唐朝永[18]研究了山西省領軍型創業人才聚集機理；戴明輝[19]運用PSR模型對改革開放以來我國外貿可持續發展問題進行研究；章磊等[20]引用PSR模型對我國內地31個省域軍民融合發展水平進行評價研究；唐朝永等[21]運用PSR模型從國家、橫向對比和山西省自身等層面挖掘山西省新型研發組織培育的驅動力；卜繁鋼和王穎[22]運用PSR模型對新型城鎮化水平進行綜合評價量化分析。綜合來看，目前PSR模型的“壓力—狀態—響應”分析框架適用于環境評價，也可以被用于其它領域的客觀綜合評價。

雖然目前高技術產業創新效率評價涉及到創新要素供給過程性特征研究，但大多將要素供給作為整個創新過程的一個子系統進行研究，而較少關注創新要素供給狀態和反饋過程。本文PSR模型“壓力—狀態—響應”可彌補現有創新要素供給評價研究的不足，將區域高技術產業創新要素供給的因果關系和改善措施融入到整體分析框架內，從一個全新角度闡釋目前我國高技術產業創新要素供需不匹配的原因。

2 研究設計

2.1 PSR模型

將PSR模型引入高技術產業創新要素有效供給，使高技術產業中企業和產業不同層面的創新要素供給壓力、狀態和響應3個子系統納入同一個動態分析框架。區域高技術產業創新要素有效供給是在區域社會環境下，以經濟社會發展需求為導向，通過區域內市場和政府雙重影響，將創新要素供給到高技術產業中產出高附加值的創新成果，并與產業發展需求對接，產出新產品，以滿足國內外生產消費需求，從而實現區域高技術產業創新要素供需匹配。在高技術產業要素供需匹配過程中，包含經濟社會發展過程中對要素供給的壓力，進而使產業創新要素供給狀態發生改變，如新產品產出等，面對高技術產業創新要素供給狀態，政府等通過加大研發經費投入等響應措施同時改變要素供給壓力與狀態，通過循環上升式調節，逐步達到壓力、狀態和響應狀態相協調，使得要素供給與產業需求相匹配，實現有效供給。具體實現路徑如圖1所示。

圖1包括兩個環路。一是由順時針箭頭組成外循環，區域創新要素供給壓力來自經濟社會發展需求、國際貿易的技術溢出和環境可持續發展等，這些因素對區域創新要素供給產生正向或負向壓力影響。創新要素在感受到壓力后表現出一定現實狀態，由于創新要素供給的最終目標在于生產并滿足需求，企業作為微觀經濟主體，創新要素供給狀態包括創新要素在企業和產業層面的投入與產出狀態，政府部門等作出響應，通過制定相應政策、出臺相關措施等，使創新要素供給有關環境要素向好的方向發展，進而影響整合創新要素供給數量和質量。二是由逆時針箭頭組成的內循環，同樣具有動態傳導機制特點，其以區域要素供給狀態為開端，反映創新要素供給壓力得不到釋放會抑制創新要素供給數量與質量提升，進而影響創新要素供需相匹配，而創新要素供給在感受到這種壓力后，又以響應形式反饋給政府部門和產業領域，從而形成一個有機動態循環。

基于上述區域高技術產業創新要素供給邏輯分析，將區域高技術產業創新視為“創新要素—高技術產業—產業發展環境”復合生態系統，從系統面臨的正負向壓力輸入、系統本身狀態變化和系統主體反饋3個方面出發，共同構建區域高技術產業創新要素供給評價研究框架。PSR模型能夠與區域高技術產業創新要素有效供給要求的供需匹配相融合，通過分析要素供給3個子系統的協調性，進而從創新要素供給綜合指數和子系統協調度兩個方面綜合評價創新要素在集聚到高技術產業后，能否轉化為現實生產力并滿足國內外生活消費需求的能力，實現對區域高技術產業創新要素有效供給的客觀評價。

2.2 評價指標體系構建

區域高技術產業創新要素有效供給評價指標體系構建的難點在于可行的評價指標體系和客觀的指標權重，本文基于科學性、全面性、可操作性和動態性原則，在現有研究基礎上，基于PSR模型構建高技術產業創新要素供給評價指標體系，包含壓力、狀態和響應3個方面。高技術產業創新要素有效供給評價指標選取情況如表1所示。

圖1 高技術產業創新要素有效供給PSR(壓力—狀態—響應)模型框架

表1 高技術產業創新要素有效供給評價指標體系

(1)壓力層。對于高技術產業而言，區域產學研合作、科技創新能力、基礎設施建設都影響著人才、資本、技術等創新要素的供給質量和供給能力。要素供給的外在推力主要包括綠色發展需求、城鎮化進程、產業發展動態等，推力與拉力共同作用形成區域高技術產業創新要素供給方向與合力。中國經濟增長前沿課題組[23]研究發現，城鎮居民收入提高促使需求升級，消費結構中高端項目激發新知識部門產生，新知識部門產生過程中需要知識等新要素供給，對區域高技術產業創新要素供給產生一定影響；趙黎明[24]研究發現，我國產業發展面臨傳統產業改造升級和戰略性新興產業培育發展雙重任務，實現二者融合發展是必然選擇。借鑒以往研究，本文直接采用固定資產凈值年平均余額作為資本投入基礎數據。高校和研發機構作為人才培育和科研活動的主要載體，為高技術產業要素供給提供有力支撐，本文選用普通高校數量和研發機構數量反映要素供給環境。楊浩昌等(2016)認為，外商直接投資通過示范模仿效應、競爭效應、聯系效應和培訓效應等方式對東道國企業產生技術溢出，從而影響高技術產業技術創新；萬莉(2008)認為，外商直接投資能夠促進區域創新中各主體要素的合作緊密度，使各主體要素發揮積極作用，密切配合創新。因此，本文選擇外商直接投資反映國際貿易壓力。借鑒張治河[25]的研究，采用工業廢水排放量、工業煙(粉)塵排放量、工業二氧化硫排放量三者經過無量綱化處理的總和表示環境污染物排放量。

(2)狀態層。創新要素供給狀態是指要素在不同區域高技術產業之間、高技術產業內部各部門之間以及企業之間流動與集聚，人才、資金等要素從勢能低的區域向勢能高的區域集聚。影響要素集聚的因素主要有經濟實力、城市等級、要素發展環境等，城市等級越高，高技術產業發展越好，集聚要素磁場越強，即經濟基礎越優渥、制度建設越完善、發展空間越廣闊，越能吸引創新要素和企業集聚，從而使區域高技術產業內的創新要素集聚效應不斷放大。本文將創新要素分為要素投入狀態和要素產出狀態兩個部分，以表征高技術產業創新要素供給狀態變化。羅雨澤等[26]認為，人才、資金等資源的獲取有助于提升高新技術產業TFP；武咸云等(2017)發現，增加企業研發投入可以提高企業財務績效和企業價值。本文資金投入以R&D內部經費和新產品開發經費表示，采用R&D人員折合全時當量表示創新人才投入水平。創新要素產出狀態能夠體現高技術產業創新活動產出。專利是國際上通用的技術創新產出衡量指標，周文泳等(2017)研究發現，提升有效發明專利數是落后地區改進高技術產業知識供應鏈效率的重要著力點之一；新產品開發項目作為一個創新范圍更廣的增量指標，可以較好地反映高技術產業創新要素投入結果。本文在梳理以往文獻基礎上，采用專利申請數和新產品開發項目數作為產出狀態的一個方面。此外，企業作為要素聚集平臺，運用各種生產要素向市場提供商品或服務，本文將高技術企業數作為要素直接產出狀態的評價指標。

(3)響應層。響應針對的是創新要素供給壓力和狀態，產業、政府等采取有效措施優化區域制度環境，實現要素供給經濟價值，構建區域高技術產業創新要素供給閉環，實現要素供給螺旋式上升。本文從政策和產業響應兩個角度進行評價。在政策響應方面，高技術產業培育往往需要較長時間，政府補貼是推動其快速成長的一個重要手段，如伍健等(2018)從信號傳遞視角分析政府補貼通過發揮資源和信號屬性雙重作用帶動創新。本文用高技術產業政府研發經費支出、政府教育支出和科學技術支出反映高技術產業政府資金支持狀況。在區域創新要素供給研究中，朱苑秋等[27]認為，基礎設施是區域創新要素構成的間接要素之一，固定寬帶用戶數不斷擴大，表明我國互聯網基礎設施進一步完善；謝小青等[17]認為，互聯網普及使得人才尤其是技術要素供給平臺更加廣闊，對進一步促進創新要素有效供給產生積極影響。在產業響應方面，高技術產業創新要素供給評價的最終目的在于提供更高質量的創新要素，促進高技術產業發展，因此在梳理相關文獻的基礎上，本文用高技術產業產值占工業總產值的比重表示高技術產業發展水平。何向武等[28]認為，高技術產業研發創新的最終目的是在經濟活動中獲取經濟收益；周文泳等(2017)認為，新產品銷售收入有助于提高高技術產業知識供應鏈效率；官建成等[29]為從商業上直觀體現高技術創新成果價值，將新產品銷售收入和新產品出口收入作為創新活動的經濟成果產出指標。因此，本文以新產品銷售收入和新產品出口交貨值作為產業響應指標。

2.3 模型與方法

2.3.1 創新要素供給綜合評價模型

本文建立創新要素評價的全局熵值法動態評價模型，將立體時序數據表各時刻子表按照時間順序從上到下排列，然后對指標進行縱向和橫向分析。指標權重計算步驟如下：

如果對T年內m個地區的n個變量進行評價，可以通過數據得到T張截面數據表XT=(xij)mn，引入全局思想，將這T張表格按照時間順序排列成一張表，構成一個300×21階矩陣，記為：

X=(X1,X2,…,XT)mT×n=(xij)mT×n

(1)

由于指標量綱不一，不能直接進行計算分析，必須對數據進行標準化處理。若xij為正向指標，則：

(2)

若xij為逆向指標，則：

(3)

第j個指標下第i個地區在該指標中所占比重為：

(4)

第j個指標的信息熵為：

(5)

第j個指標的信息熵冗余度為：

gj=1-ej

(6)

各指標權重為：

(7)

綜合評價值為：

(8)

2.3.2 障礙度模型

區域高技術產業創新要素供給評價既是對高技術產業供給水平的客觀評判，更重要的是理清影響創新要素供給水平的障礙因子，以便針對性地對創新要素供給壓力層和響應層進行調整，因此需進一步對創新要素供給評價障礙因素進行診斷。障礙因素計算采用因子貢獻度(Vj)、指標偏離度(xij)和障礙度(Yi，yi)3個指標進行分析診斷。因子貢獻度(Vj)以單因素對總目標的權重表示單項因素對總目標的影響程度；指標偏離度(xij)為單項指標與創新要素供給評價有效供給目標之間的差距，用單項指標標準化值與100%之差表示；障礙度(Yi，yi)分別表示第i年分類指標和單項指標對高技術產業創新要素供給的影響，是進行創新要素有效供給障礙診斷的目標和結果，計算公式如下：

xij=1-X'ij

(9)

(10)

Yi=∑yi

(11)

3 實證分析

3.1 創新要素供給評價與分析

本文所有數據均來自《中國統計年鑒》、《中國工業經濟統計年鑒》、《中國高技術產業統計年鑒》、《中國科技統計年鑒》以及各省市統計年鑒等，缺失數值均用插值法補齊。運用SPSS 19.0軟件對全局熵法進行編程計算，得到我國內地30個省域(西藏因數據不全未納入統計)2009—2018年高技術產業創新要素供給綜合指數及排名，如表2所示。

表2 2009—2018年我國區域高技術產業創新要素供給綜合指數及排名

由表2可知，我國內地30個省域高技術產業創新要素供給綜合指數平均值為13.58，與最高的廣東省相比，各省域要素供給綜合值仍有較大提升空間。橫向比較發現，僅北京、上海、江蘇、浙江、廣東、山東和四川7個省市綜合指數超過全國平均值，除四川外，全部集中在東部地區。從地區縱向比較看，居于首位的廣東創新要素供給綜合指數均值為65.41，比最低值青海省高出62。

從區域劃分看，中西部創新要素供給綜合指數明顯低于東部地區。東中西部地區創新要素供給平均值分別為23.55、9.37、6.68，呈現階梯型發展狀態。中西部地區差異較小，均處于低增速要素供給階段。從時間維度看，2009—2018年10年間我國省域間創新要素供給水平差距逐漸擴大。

本文分別對2009—2018年我國內地30個省域創新要素供給評價體系中的壓力(P)、狀態(S)和響應(R)指數變化情況進行分析，目的在于更深入探析影響地區創新要素供給水平的作用機制。

(1)壓力(P)指數。如圖2所示，壓力(P)指數反映的是人類各項經濟活動對創新要素供給產生的影響。2009—2018年我國各省域創新要素供給壓力(P)指數呈逐年上升趨勢。從區域劃分看，東中西部差異明顯，壓力(P)指數變化斜率最大的6個省份全部分布在東部地區，說明壓力指標對創新要素供給的影響力度大幅度增加，中西部地區壓力(P)指數有所增加，但10年間始終處在低于5的低水平狀態。同時，東部地區區域內部壓力指數差異大于中西部地區，內部創新要素競爭動力強于合作意愿。從時間序列看，不同省域壓力(P)指標發生變化的時間和程度不盡相同，江蘇、廣東兩省壓力指數變化最快。2012—2014年江蘇省壓力(P)指數變化斜率最大，使江蘇省從較低的狀態發展到較高的壓力水平，壓力層(P)變化使得狀態層(S)和響應層(R)作出相應反應，從而對創新要素供給的影響力度大幅提升。

(2)狀態(S)指數。如圖3所示，我國內地30個省域創新要素供給狀態整體有所提升，除廣東、江蘇、浙江、山東、上海、北京外，其余省域狀態(S)指數上升不顯著。分區域看，2009—2018年狀態(S)指標整體斜率變化最大的6個省市(廣東、江蘇、北京、浙江、山東和上海)全部在東部地區。中西部地區創新要素供給狀態指數平均值較小，分別為2.19和1.69，與東部地區(8.21)相比還有較大提升空間。值得注意的是，中西部地區雖然整體水平較低，但安徽、湖北、四川、陜西等中西部省域要素供給狀態(S)逐年改善。從時間序列分析看，東部地區部分省域雖然在2014年后要素供給狀態(S)指數增長緩慢，進入平臺期，但總體仍保持在較高水平，而中西部地區大部分省域創新要素供給狀態(S)處于逐年上升過程中，僅甘肅等少數省域維持在低速率的低水平狀態。

(3)響應(R)指數。如圖4所示，我國內地30個省域創新要素供給響應(R)指標總體呈上升趨勢。分區域看，響應(R)指數總體變化斜率最大的3個省市(廣東、江蘇和上海)全部位于東部地區，同時區域內部亦出現較大差異。陜西、四川、河南和湖北等中西部省份依托自身政策，帶動高技術產業創新要素快速集聚，到2018年，響應(R)指數已經達到東部一些發達省份水平。從時間序列看，2011—2014年，為響應國家政策，各地區大力發展高技術產業，政府政策相繼出臺，創新要素響應(R)指數斜率變大。隨著國家高技術產業政策和相應配套設施不斷完善，從2016年開始，大部分省域響應(R)指數曲線相比之前更加陡峭，并在2018年達到峰值。

人在30多歲時，天賦已經定型，這時應當談的是努力。天賦好比發射出去的子彈，射多遠取決于它的能量，但總有下降的時候。

圖2 我國區域創新要素供給壓力(P)指數

圖3 我國區域創新要素供給狀態(S)指數

圖4 我國區域創新要素供給響應(R)指數

(4)協調度分析。協調度系數(C)越接近1.732，說明創新要素供給內部3個子系統協調性越好。對2009-2018年我國區域協調度系數均值進行聚類分析，結合高珊等[14]的研究，將30個省域協調值劃分為4個等級，如表3所示。要素供給達到協調的包括北京、天津、江蘇、浙江、安徽等10個省域，全部集中在東、中部地區，基本協調的有廣東、遼寧、上海、重慶、四川等9個省域，吉林、山西、廣西、云南、甘肅等7個省域創新要素供給協調度較低，青海、寧夏、內蒙古和海南處于極不協調狀態。東、中部地區要素協調度明顯優于西部地區。如圖5所示，比較2017與2018年協調度系數發現，區域內部發展不平衡，省域間協調狀態存在較大差異，除海南處于極不協調狀態外，東部地區其余省域已經實現要素供給協調。從時間序列看，2018年大部分省域協調度系數低于2017年，這是由于壓力(P)子系統增長較快，不能與狀態(S)和響應(R)子系統協調發展。

圖5 我國區域高技術產業創新要素供給體系協調度

表3 創新要素供給協調度等級劃分

在協調度劃分基礎上，借鑒顧偉男等(2017)的研究，將創新要素供給綜合得分與協調度水平排序相差不大(理論上≤4)的省域稱作高水平創新要素有效供給型，協調度排名明顯優于要素供給綜合得分的省域稱為協調領先型，反之稱為要素供給領先型。分析可知，分區域看，東部地區創新要素供給協調度明顯優于西部地區，呈現出梯度格局。其中，第一梯度為北京、江蘇、浙江、天津、山東、福建，創新要素供給綜合指數和協調度系數都處于領先地位，實現了較高水平的創新要素有效供給；第二梯度為廣東、上海、遼寧、四川、陜西，創新要素供給綜合指數排序明顯高于要素協調度系數，屬于要素供給領先型；第三梯度為吉林、黑龍江、河南、湖北、重慶，創新要素供給綜合指數和協調度系數排名相差不大，但兩者發展速度較慢，在全國處于中等水平，屬于中等水平的創新要素有效供給；第四梯度為河北、安徽、湖南、江西、貴州，要素協調度系數明顯優于創新要素供給綜合指數，屬于協調度領先型；第五梯度為山西、內蒙古、云南、甘肅、廣西、青海、寧夏、新疆、海南，屬于低水平的創新要素供給型。

3.2 分梯度障礙因素診斷

3.2.1 指標層障礙因子

根據障礙因素診斷計算方法，對2009—2018年5個梯度各省域高技術產業創新要素供給障礙度進行計算。由于創新要素供給評價體系包含多項具體指標，按照障礙度大小，本文列出障礙度排名前7位的因子，如表4～8所示。2009年阻礙第一梯度省域高技術產業創新要素高水平有效供給的障礙因素主要集中在壓力和響應子系統，包括高技術產業發展水平、環境污染物排放、科技活動經費中政府資金、出口交貨值、高校數、產業發展水平和外商直接投資等；2018年主要集中在響應子系統和狀態子系統，包括技術市場成交額、新產品開發經費支出、專利申請數、出口交貨值、R&D經費內部支出、新產品銷售收入和R&D活動人員等指標。從單指標變化趨勢看，2009—2018年環境污染物排放、城鎮居民人均可支配收入、產業發展水平、地方財政科技支出等指標障礙度下降幅度最大，技術市場成交額障礙度上升，說明第一梯度省域在基礎設施建設、環境保護等方面取得較大進展，但知識產權保護等制度創新力度不夠。

廣東、上海等第二梯度省域障礙因素由2009年主要集中在壓力和響應子系統(產業發展水平、城鎮居民人均可支配收入、R&D機構數、技術市場成交額、新產品銷售收入以及出口交貨值等)變化為2018年集中在狀態子系統(新產品開發經費支出、R&D活動人員數、專利申請數、技術市場成交額等)，這也是造成廣東等地協調度偏低的主要原因。2009—2018年障礙度下降較大的指標分別為環境污染物排放量、電力消耗量、城鎮居民人均可支配收入、產業發展水平、政府科技支出、產業發展水平等，這極大增強了區域創新要素供給推力和拉力，擴大了要素需求，間接促進了創新要素供給增長。

吉林、河南等第三梯度省域2009年障礙度較大的指標集中在壓力和響應子系統，包括環境污染物排放、出口交貨值、外商直接投資額、地方財政教育支出等指標；2018年主要障礙度指標為技術市場成交額、新產品開發項目數、專利申請數、R&D經費內部支出以及新產品開發經費等，集中在狀態子系統。與前兩個梯度不同，就單指標而言，第三梯度省域部分指標障礙度逐年上升，如R&D機構數、新產品開發經費支出、專利申請數、技術市場成交額、新產品銷售收入等，且主要集中在狀態和響應子系統。可見，第三梯度省域高技術產業創新要素集聚需要在狀態和響應子系統建設完善中持續優化。

表4 2009、2018年第一梯度創新要素有效供給障礙度因素排序

表5 2009、2018年第二梯度創新要素有效供給障礙度因素排序

表6 2009、2018年第三梯度創新要素有效供給障礙度因素排序

表7 2009、2018年第四梯度創新要素有效供給障礙度因素排序

第五梯度省域絕大部分位于西部地區，2009年創新要素供給障礙度因子最大的指標集中在壓力和狀態子系統，主要為R&D機構數、R&D經費內部支出、R&D活動人員、新產品開發經費支出、外商直接投資等；2018年障礙度因子最大的指標為技術市場成交額、R&D人員數、新產品開發經費支出、R&D機構數、新產品銷售收入、出口交貨值等，主要分布在創新要素供給的3個子系統中。第五梯度單個要素指標變化中，14個指標均有所上升，只有8個指標障礙度下降，除環境污染物排放量和電力消耗量兩個指標障礙度下降較快外，其它6個指標下降速度緩慢。可見，第五梯度高技術產業創新要素有效供給的實現，需要從3個子系統同時著手，共同推進區域創新要素有效供給的實現。

表8 2009、2018年第五梯度創新要素有效供給障礙度因素排序

3.2.2 準則層障礙度分析

依據評價結果，對5個梯度區域分別進行準則層障礙度分析，以明確市場和政府在建設創新要素供給體系中的角色。由圖6可知，從整體看，各省域創新要素供給3個子系統障礙度呈下降趨勢，但下降速度不一，壓力子系統障礙度下降最快，是影響區域高技術產業創新要素有效供給的首要因素。從各梯度數值看，第一梯度省域2009年壓力系統障礙度最大，其次是響應子系統、狀態子系統；2010年之后依次變為狀態、響應、壓力子系統。其中，壓力子系統障礙度下降幅度最大(年均6.2%)，狀態和響應子系統以1.2%和3.3%的速度遞減。第二梯度省域2010年之前障礙度從大到小依次為壓力、狀態和響應子系統，2010年之后狀態子系統障礙度最大，壓力、狀態、響應3個子系統下降速度依次為6.03%、3.14%、3.55%。第三、四、五梯度省域創新要素供給3個子系統中，壓力子系統障礙度下降速度相對更快，狀態和響應子系統下降緩慢，對區域創新要素集聚和配置作用相對較小。

圖6 2009—2018年我國5個梯度高技術產業創新要素供給各準則層障礙度

4 結論與對策建議

4.1 結論

本研究得出以下結論：①我國各省域創新要素供給水平發展速度存在差異，從2009年到2018年，大部分省域均實現了供給綜合指數翻番，但仍有部分中西部省域要素供給綜合指數增長速度較慢，尚未達到全國平均水平；②創新要素供給橫向差距不斷擴大，分區域看，東部地區明顯優于中西部地區，且極值由2009年接近38擴大至2018年接近85，證實了要素集聚效應的存在，更說明我國目前各地區經濟高質量發展所需的創新要素供給極不均衡；③從單個指標看，目前影響我國大部分省域創新要素供給的指標為狀態層的技術市場交易額、專利申請數、R&D資金和人才投入等科技創新資源以及響應層的高技術產業發展水平、新產品銷售收入、出口交貨值等經濟資源。

4.2 對策建議

基于上述研究結論，針對現階段主要障礙因素，提出以下對策建議：

(1)已經實現較高水平創新要素有效供給的區域，應大力培育高技術產業創新鏈中具有核心技術的領軍型企業、科研機構等優勢種群，實現深度產學研合作，使創新要素的多樣性、豐富性與優勢種群協調發展，激發區域高技術產業創新生態的活力和韌性。

(2)要素供給領先型地區要注重創新要素供給協調，補鏈與強鏈相結合。在發揮市場配置資源基礎性作用前提下，豐富高技術產業創新要素供給效率評價體系，及時對創新資源的部門需求、利用程度、產出情況和協調情況進行評價和監控，有效提升創新資源供給效率、配置效率和利用效率。

(3)吉林、黑龍江等中等水平創新要素供給地區，要同時推進創新要素在本地區集聚，更要注重要素供給各子系統之間的協調，構建區域創新要素供給系統。培育區域高技術產業集群，主動調整產業結構和空間布局，使之與區域內部資源稟賦和創新內生動力相匹配，增強創新要素集聚動力和吸引力。

(4)低水平創新要素供給地區在發揮“強政府”作用的基礎上，更好地發揮市場機制功能，正確處理政府與市場的關系。在政策導向上，避免特惠型政策抑制市場優勝劣汰的選擇機制，注重優化創新創業環境，破除行業壟斷，合理配置創新要素，優化創新要素供給系統，加速要素流入。