中國省際科普全要素生產率差異及收斂性研究

于善波 張軍濤

摘 要：全要素生產率是推動高質量發展的動力源泉，對于提高資源配置效率和優化體制機制建設具有重要作用。利用2008—2017年我國科普投入產出的面板數據，基于DEA-Malmquist模型測算我國省際科普全要素生產率的時空差異，分析科普全要素生產率的收斂性。得出如下主要結論：在樣本期內，我國科普全要素生產率非有效，波動性大，且規模效應是推動科普全要素生產率提高的主要原因，純技術效率相對較弱。在地區差異上，我國省際科普全要素生產率呈現由東至西遞減的趨勢，差異明顯。經濟越發達的地區，科普全要素生產率相對較高。且我國科普全要素生產率并不存在顯著的α收斂，但是存在絕對β收斂和相對β收斂，科普全要素生產率低的省份存在向科普全要素生產率高的省份“追趕效應”。根據以上研究發現，有助于厘清我國科普工作的內在規律，更加清晰省際科普投入產出效率之間的差距，對于更合理配置科普資源，提高資源利用效具有借鑒意義和指導價值。

關鍵詞：科普全要素生產率;收斂性;路徑

基金項目：國家自然科學基金面上項目“新型城鎮化的空間效應與區域政策工具組合創新”（41571121）;國家社會科學基金項目“赫哲-那乃跨界民族文化變遷比較與產業融合發展研究”（18BMZ056）。

[中圖分類號] F223 [文章編號] 1673-0186（2020）011-0074-014

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2020.011.007

一、引言

科學普及工作對于提升公民科學文化素質，增強國家綜合競爭實力具有重要作用，特別是對于當前新型冠狀肺炎疫情的防控工作十分必要。一直以來，科學技術普及工作受到了黨和國家的高度關注。習近平總書記更是在2016年“科技三會”和2018年世界公眾科學素質促進大會上，兩次強調科學技術普及工作對于實現創新發展和提升公民科學素質的重要性，并明確要求將科普工作放在與科技創新同等重要的位置。中華人民共和國成立70年以來，特別是改革開放40年以來，我國科普工作經歷了從無到有，從弱到強的轉變過程。科普人才隊伍不斷健全、科普場館設施逐漸完善、科普經費投入逐年遞增、科普活動質量顯著提升，科普工作的積極作用不斷顯現。但是，我國科普工作與發達國家科普工作之間仍有較大的差距。科普資源的稀缺，將是我國科普事業發展需要長期面對的現實性問題[1]。那么，在科普投入既定的條件下，科普資源配置越合理，利用效率越高，獲得的產出也將越多[2]。回到現實意義上講，我國各級政府每年投入了大量的科普資源，是否在有限投入的前提下實現了最大化的產出？各地區之間的差異有多大？這一系列問題值得關注。對科普工作投入產出效率進行研究，不僅有助于把握我國科普工作的內在規律，更有助于各省份發現自身的差距并反思不足。

經濟學中關于價值的判斷標準有很多，“效率”就是其中一個。由于資源永遠是稀缺的，而如何利用有限資源實現最大產出，實現資源的配置最優化，是任何生產過程都需要追求的目標。由此衍生出關于投入產出的效率問題討論，查恩斯（Charnes）等在1978年最早提出了用于評價具有相同類型投入和產出的若干生產和非生產部門的相對效率模型，即數據包絡分析模型（DEA模型）[3]。法爾（Rolf Fare）等通過計算OECD國家的Malmquist指數，將效率又進一步分解為技術變化和效率變化[4]。魏權齡在國內較早引入數據包絡分析模型[5]，隨后，該方法被應用于農業[6]、林業[7]、文化產業[8]、高新技術產業[9]等多個領域，成為有效評價投入產出效率的工具。而現代生產經濟學認為，投入增長和生產率增長是經濟增長的源泉，生產率增長是經濟可持續增長的唯一源泉，由此可見效率（生產率）的重要性[10]。

正因為如此，近年來，有關科普投入產出效率的研究也逐漸增多，學者越來越關注在其他因素不變的前提下，如何測算科普人員、科普場地和科普經費等資源的投入所能得到的科普活動和科普傳媒等產出的多少[1-2，11-15]，無論是從國家層面，還是從省級層面，探討科普投入產出效率，以及影響投入產出效率的因素[16]，并認為評價科普資源配置和利用效率，能夠更加清晰人、財、物等科普資源投入是否得到了充分有效的利用。在研究方法的選擇上，涉及主成分分析法[11]、熵權—GEM方法[12]、分形模型[13]、數據包絡分析（DEA）[14-16]等。學者們普遍認為我國科普資源配置和利用綜合技術效率并不穩定，投入產出效率呈現波動式變化，且各省科普能力水平存在明顯差異。但是，這種區域間的差異水平有多大，科普投入產出效率是否具有收斂性等問題，并沒有給出具體測算。

2013年以來，我國經濟發展進入“新常態”，經濟發達的驅動力也不再是資本、土地和勞動力為主的投入驅動型增長模式，而是轉變為以創新為主導因素的高質量發展階段。創新能否成功，將直接決定生產力是否得到全面釋放，其中全要素生產率是創新驅動發展的核心因素。全要素生產率作為衡量生產過程中利用全部要素投入獲得產出的能力水平的重要指標[17]，本質仍是生產率，用于衡量經濟單元的生產效率[18]，提高全要素生產率是提高勞動生產率的根本途徑[19]。毫無疑問，提高科普全要素生產率便成為科普事業發展提質增效的關鍵環節。全要素生產率不僅在學術界備受關注，近年來，政府也開始高度重視全要素生產率問題。黨的十九大報告已明確指出，我國經濟已由高速增長階段轉向高質量發展階段，并提出了全要素生產率。這個經濟概念首次出現在了政府文件中，可見其對于政府的重要性。所謂科普全要素生產率，是指在科普活動中，各種科普要素投入既定的條件下，所能夠達到的額外生產效率，即科普活動所帶來的產出大于投入的差值[20]。在科普現有發展條件下，測算全國及各省科普全要素生產率，既有助于合理配置科普投入資源，又能更加關注科普的產出效率，進而有效監管科普工作，提高資源利用效能。

基于此，本文的邊際貢獻在于，在考慮科普作用的無邊界性以及科普對科技創新的支撐作用的前提下，基于DEA-Malmquist模型測算了全國層面、地區層面和省級層面的科普全要素生產率，并分析了其是否存在α收斂、絕對β收斂和條件β收斂，進一步探索了科普工作的內在機制，明確了各省科普投入產出效率的差距。研究結論能夠更加有助于揭示我國科普工作的內在規律，更加客觀反映我國科普事業發展現狀，對于今后科普工作制定更具針對性的政策建議提供必要參考。

二、研究方法與數據來源

本文將基于DEA-Malmquist模型對我國科普全要素生產率進行測算，并通過α收斂、絕對β收斂和條件β收斂對其進行收斂性分析，以期更加客觀反映我國當前科普發展現狀，探尋更加有針對性的政策建議。

（一）研究方法

目前學界比較認可的全要素生產率測算方法有增長核算法、生產函數法、隨機前沿方法和數據包絡分析法（DEA）[21]。但是，由于很難確定科普投入與科普產出之間是否具有明確的函數關系，也為了更好地消除量綱對運算的影響，本文采用數據包絡分析方法。該方法是典型的非參數方法，用于評估具有同質投入產出的決策單元的相對有效性。由于DEA方法無需事先確定生產函數的形式、允許無效率存在以及便于分解等諸多優勢，得到了越來越廣泛的應用[22]。

1.數據包絡分析

數據包絡分析方法的最初提出者是班克（Banker）、查恩斯（Charnes）和庫珀（Cooper），他們認為該模型能夠很好地評價具有多個輸入和輸出的決策單元之間的相對有效性，而判斷決策單元是否位于生產可能集的“前沿面”上，在經濟學分析中具有深刻的內涵[23]。其中，CCR模型和BCC模型應用最為廣泛。

CCR模型假設有n個決策單元，每個決策單元都有m種類型的“輸入”以及s種類型的“輸出”，各單元的輸入和輸出數據可以表示為：

xij為第j個決策單元對第i種輸入的投入量，xij>0;

yrj為第j個決策單元對第r種輸入的投入量，yij>0;

vi為對第i種輸入的一種度量;ur為對第r種輸入的一種度量。

則所構建的CCR模型為：

為方便計算對上述規劃分別引入松弛變量s-和剩余變量s+，則

1984年，班克等又提出了不考慮生產可能集滿足錐性的DEA模型，即BCC模型，該模型可以評價部門間的相對技術有效性。假設個n決策單元對應的輸入數據和輸出數據分別為：

由于CCR模型相對于BCC模型而言，不需要對數據進行無量綱化處理，更適合研究多投入指標和多投入指標的關系，能夠盡可能地保證原始信息的完整性。科普全要素生產率是包含多種科普投入指標和多種科普產出指標的指標，因此，本文認為采用CCR模型更加合適。

2.Malmquist指數

1953年，瑞典經濟學家馬姆奎斯特（S.Malmquist）首次提出Malmquist指數[24]，其在測算全要素生產率過程中不依賴于具體的生產函數形式，因而能夠有效地避免因模型設定的隨意性而導致的測算偏差，進而可以得到較為穩健的測算結果[25]。Malmquist指數從t期到t+1期的TFP變化可以表示為：

若M>0，表示評估的決策單元從t期到t+1期的生產率是增長的;若M<0，表示評估的決策單元從t期到t+1期的生產率是衰退的;若M=0，表示評估的決策單元從t期到t+1期的生產率沒有變化。

Malmquist指數在規模報酬不變的條件下可以分解為技術效率變化指數（Effch）和技術進步指數（Techch），用公示可以表示為：

若Techch>1，表示技術在進步;若Techch<1，表示技術在退步;若Techch=1，表示技術不變。若Effch>1，表示技術效率在提高;若Effch<1，表示技術效率損失;若Effch=1，表示技術效率不變。

技術效率變化指數還可以進一步分解為純技術效率變化指數（Pech）和規模效率變化指數（Sech），用公式可以表示為：

若Pech>1，表示純技術效率進步;若Pech<1，表示純技術效率退步;若Pech=1，表示純技術效率不變。若Sech>1，表示第t+1期相對于第t期而言，越來越接近固定規模報酬，或逐漸向長期最佳規模逼近;若Sech<1，表示第t+1期相對于第t期而言，距離規模報酬越來越遠。

（二）指標選取與數據來源

指標選取方面，鑒于科普數據的易獲取性及可比性等原則，投入產出指標借鑒了相關研究[1-2，14-16，26]，其中，科普投入指標共涵蓋4個變量，分別是科普人員（科普專職人員與科普兼職人員）、科普經費（年度科普經費籌集額）、科普場館（科技館、科學技術類博物館、青少年科技館）和科普場所[城市社區科普（技）專用活動室、農村科普（技）活動場地]。科普產出指標主要涵蓋3個變量，分別是科普傳媒（科普圖書、科普期刊、音像制品）、科普活動[科普（技）講座、科普（技）展覽、科普（技）競賽]、科普國際交流（科普國際交流）。根據DEA模型的指標選取原則，要求DMU的數量大于投入指標與產出指標總和的2倍[3]。以此來看，本文所研究的對象為31省（自治區、直轄市），DMU的數量大于投入指標與產出指標之和（7個）的2倍，符合DEA模型要求。

數據來源方面，本文選取了2008—2017年我國31個省（自治區、直轄市，香港、澳門、臺灣除外）科普投入與產出的跨期面板數據，數據均來源于《中國科普統計》。

三、我國科普全要素生產率差異分析

在DEA-Malmquist模型基礎上，基于相關數據，運用DEAP2.1軟件，可以測算得到我國科普全要素生產率的時空變化。

（一）我國科普全要素生產率時序變化

運用DEAP 2.1軟件，測算得到我國科普全要素生產率的時序變化（表1）。結果顯示，2008—2017年我國科普全要素生產率的均值為0.956，全國平均綜合效率在0.85～0.98區間波動。總體來看，并不穩定，且波動較大，科普全要素生產率有效的省份僅有兩年，而絕大部分年份科普全要素生產率并非有效。具體來看，根據全國科普投入純技術效率和規模效率的情況，可以得出影響綜合效率水平的主要因素。表1數據顯示，2008年以來，純技術效率變化和規模效率變化基本在0.90～1.05區間波動，但是，規模效率變化的波動要相對大于純技術效率變化，且其對綜合效率的影響更大。由此表明，規模效率波動是導致綜合效率波動的主要原因。即近十年來，我國科普全要素生產效率并不是高效，雖然科普資源的規模有所提高，但是科普的純技術效率并不高，效率產出不強。

（二）我國科普全要素生產率省際差異

由于受到社會經濟的影響，我國科普工作的投入和產出各方面都存在著較大的省際差異。經濟越發達的地區，科普工作開展的頻次和效果要優于經濟欠發達地區。表2數據顯示，2008年以來，我國省際科普全要素生產率表現出了較為明顯的地區差異。具體而言，科普綜合效率高的省份集中在東部地區，而綜合效率相對較差的省份集中在西部地區，東部地區科普全要素生產率有效或接近有效的省份明顯多于中部和西部地區①。科普全要素生產率最優的省份為廣東省，比最差的四川省的綜合效率高出了21.99%。以科普全要素生產率有效的省份個數來看，東部地區有北京市、上海市、浙江省和廣東省4個省（市）達到了有效，而中部和西部地區則沒有有效省份。東部各省的綜合生產效率基本在0.95～1.05區間波動，而中部地區各省的綜合生產效率則在0.93～0.97區間波動，西部地區各省的綜合生產效率基本在0.89～0.93區間。由此可見，東部地區科普投入產出效率要依次優于中部和西部地區，表現為由東至西遞減趨勢。

從地區來看，無論是規模效率變化指數，還是純技效率變化指數，東部地區都要高于中部和西部地區（圖1）。雖然各區域科普全要素生產率都沒有達到有效，但是東部地區更接近于有效水平。2008年以來，東部地區科普全要素生產率均值為0.991，中部地區為0.956，而西部地區為0.926。具體分因素來看，規模效率變化是推動全要素生產率變化的主要原因。

四、我國科普全要素生產率收斂性分析

新古典增長模型認為由于資本的邊際產出呈現遞減趨勢，經濟的發展最終將趨于穩定狀態，即經濟增長存在收斂[27]。也就是說，經濟發展水平較低的地區會比經濟發展水平較高的地區增長速度快。因此，經濟水平較低地區和經濟水平較高地區會逐漸接近。前文已經證實，我國科普全要素生產率存在明顯的地區差異與波動，但是這種差距是否會伴隨著時間的變化而變化，是否存在收斂的趨勢？為了更加清晰科普工作發展的區域間對比，判定省際科普全要素生產率之間的差距。需要對科普全要素生產率進行收斂性分析。目前，學術界對收斂性的分析根據考察收斂性的角度不同，一般有三種類型：α收斂、絕對β收斂和條件β收斂[28-29]，本文將從這三個角度分析各區域間科普全要素生產率的收斂性。

（一）α收斂性檢驗

α收斂主要是反映離散程度的指標，用于說明省際或區域之間全要素生產率隨時間推移的水平趨勢。如果指標隨時間變化而出現下降趨勢，則表明存在收斂狀態，反之則存在發散狀態。本文借鑒趙磊[30]的思路，利用標準差進行驗證。同時，為了克服規模的影響，本文又采用變異系數法進行驗證。

表3數據顯示，我國科普全要素生產率的標準差在時間推移上并未顯示出一致性擴大或者一致性縮小的趨勢，且呈現出“M”型變化結構，表現出不穩定的時變波動，也就說明我國科普全要素生產率并不存在顯著的α收斂。并且2008年以來的變異系數指標也顯示出，并沒有伴隨著時間的變化而趨于穩定的態勢。也在客觀上驗證了通過標準差判定我國科普全要素生產率并不存在α收斂的事實，這主要是因為我國科普全要素生產率在不同時間和不同區域內并不具有延續性。

而從我國三大地區的橫向對比來看，我國三大地區科普全要素生產率也并不存在α收斂（圖2）。東部地區標準差波動較小，且較為平穩，說明東部地區各省之間的科普發展水平比較穩定。但是，2015年起，東部地區的標準差波動增加，表明東部地區各省之間的科普發展水平有差距增大的趨勢。而西部地區標準差波動最大，表明西部地區各省之間的科普發展水平差異最大。

（二）絕對β收斂

絕對β收斂假設不同區域具有相同的發展基礎，在這些區域內某變量將達到相同的穩態增長速度和增長水平。這里的絕對β收斂用于驗證科普全要素生產率是否向同一穩態均衡水平收斂趨同，即科普全要素生產率是否存在由較低省份向較高省份趨同的“追趕效應”[31]。在這種情況下，科普全要素生產率較低的省份增長速度要高于科普全要素生產率較高的省份，并最終趨同于相同的穩態均衡水平。本文借鑒巴羅（Barro）和馬丁（Sala-Martin）[32]的思路對科普全要素生產率進行絕對β收斂分析，并利用經典的回歸方程進行驗證，其檢驗模型如下：

■ln（■）=α+βlnTFPi，0+ε

其中，TFPi，0和TFPi，t分別代表i省份基期和末期的科普TFP，T代表觀察期的時間跨度，α為常數項，β為收斂系數，ε為隨機誤差項，絕對β收斂速度λ=-ln（1+β）/t，穩態值γ=α（1-β），收斂的半生命周期τ=ln（2）λ，用于表示落后地區追趕上發達地區所需要的時間[27]。如果β<0，則說明存在絕對β收斂。如果存在絕對β收斂，則說明科普全要素生產率較低的省份對科普全要素生產率較高的省份具有“追趕效應”，最終將趨同于相同的穩態均衡水平。

全國來看，科普全要素生產率的β值小于0，且達到了1%的顯著性水平，這說明全國范圍內各省的科普全要素生產率存在絕對β收斂，也就是說，各省之間的增長差距在不斷縮小（表4）。而從三大區域來看，東部、中部和西部地區的β值都小于0，即也存在絕對β收斂。其中，中部地區和西部地區達到了1%的顯著性水平。也就是說，存在科普全要素生產率由較低省份向較高省份趨同的“追趕效應”。從穩態值來看，中部地區的穩態值最高，而東部地區的穩態值最低。從收斂速度和半生命周期數值來看，全國科普全要素生產率的絕對收斂速度為0.065%，半生命周期為10.65年。而東部地區、中部地區和西部地區的絕對收斂速度分別為0.078%、0.057%和0.032%，半生命周期分別為8.91年、12.11年和21.40年。根據收斂速度來看，東部地區的追趕速度要低于中部、西部地區。但是半生命周期指標顯示，西部地區的絕對收斂趨勢較弱，而東部地區的絕對收斂趨勢最強。

（三）條件β收斂

條件β收斂主要針對不同地區的不同特性而言，分析是否收斂于各自的穩定水平。由于各省受到經濟發展水平、公眾科學認知等因素影響，導致科普發展過程中存在差異化特征。這里的條件β收斂主要用于反映不同地區的科普全要素生產率是否收斂于各自的穩態水平。因此，本文借鑒米勒（Miller）和阿帕德海耶（Upadhyay）[33]的思路，對全國科普全要素生產率進行條件β收斂分析，并采用面板數據固定效應模型進行驗證，其檢驗模型如下：

其中，TFPi，t和TFPi，t-1分別代表i省份在第t期和第t-1期的科普TFP，α為常數項，β為收斂系數，ε為隨機誤差項。如果β<0，則表示存在條件β收斂，表明各省TFP有各自的穩定水平，并且都將收斂于各自的穩定狀態。

2008年以來，無論是從全國層面，還是東部、中部或者西部地區，β的數值都小于0，即全國和各區域的科普全要素生產率都存在條件β收斂，并達到了1%的顯著性水平（表5）。由此表明，各省科普全要素生產率有各自的穩定水平，且都在向各自穩定狀態趨近。

五、結論與政策啟示

本文通過選取用于測評科普投入產出效率的指標，基于DEA-Malmquist模型，測算了2008—2017年我國及各省（自治區、直轄市）的科普全要素生產率，并分析了我國科普全要素生產率的變動及收斂性，得出以下研究成果，并提出了有針對性的對策建議。

第一，在樣本期內，我國科普全要素生產率非有效，且波動大、不穩定。2008年以來，我國科普全要素生產率有效的年份僅為2011年和2014年，其余年份均表現出低效率。分因素來看，我國科普全要素生產率主要得益于規模效應，而不是技術效率的改善。由經濟增長理論和內生增長理論可知，效率改善和技術進步才是推動經濟持續改善的重要因素，也是核心競爭力。近年來各級政府積極推動科普事業發展，無論是科普場館的建設、科普經費的投入，還是科普人員的配備，都較之前有了很大進步。實證結果也表明，規模效率是目前階段推進科普全要素生產率提高的主因。但是，科普的產出效率不高，今后科普工作應該在繼續保持一定的科普投入資源的基礎上，更加關注技術效率的改善，不僅要依靠科普投入資源的“廣度”，更要提高科普資源利用的“深度”。在現有基礎上，把創新驅動置于發展的核心位置，開展科普資源綜合利用，提高資源利用效率，不斷增強科普產出效能，使科普投入物盡其用，發揮最大功效。科普產出效率的提高，有別于工業企業，能夠立即轉化為生產力，科普資源的投入與產出有一定的時滯性，產出效率也將在很大程度上依賴于前期科普投入的力度。提高科普產出效率，就是要通過政策鼓勵或技術創新，提高資金使用效率和科技轉化成效，進而走出科普產出效率低的現實困境。

第二，我國科普全要素生產率呈現明顯的地區差異，東部地區明顯優于中部地區和西部地區，表現出由東至西遞減趨勢。且經濟越發達地區，科普投入產出效率相對較高。這主要是因為目前階段，我國經濟社會發展不平衡，造成科普資源投入不均衡。今后科普工作的開展，不能搞“一刀切”的政策。各省應該根據各自財政能力和科普現狀，確定自身的科普需求，通過精準發力，實現精準科普，提高科普投入資源的使用效率。東部地區要繼續保持較高的科普投入產出效率，擴大對外交流，提高我國科普的國際影響力，不斷增強科普國際話語權，也要不斷總結發展經驗，加以推廣宣傳。在科普全要素生產率的提升上，要明確技術進步是推進科普產出效率持續發展的根本要素。要在部分發達省份、發達地區，形成可具復制和推廣價值的科普典型示范區，在東部乃至全國形成較大影響力，發揮帶動效應和示范作用。而中部地區，特別是西部地區不能照搬照抄東部發達地區的做法，應該因地制宜制定科普發展政策，因城施策，加快政府職能轉變，減少管理權限，最大程度釋放改革紅利。在保持科普資源有效投入的基礎上，重點放在科學配置科普資源上，避免科普資源的浪費。受限于西部地區財政壓力的影響，在科普全要素生產率的提升上，要注重開展具有地區特色、民族特色的科普活動，提升科普產出效率，將有限的科普投入發揮最大科普產出。同時，由于我國科普工作存在著“碎片化”和“孤島”等現象，科普各領域之間、各地區之間的聯系不強，普遍存在“各自為政”的局面，且科普產業尚未形成，存在散、小、弱等特點，并不能形成集聚效應。這樣就需要加強不同地區、不同省份間的科普溝通，通過建立科普工作聯席會議制度，促進各地區之間的交流，實現信息、技術等共享。

第三，我國科普全要素生產率并不存在顯著的α收斂，但是存在絕對β收斂和條件β收斂。即科普全要素生產率在時間序列上并不具有延續性，存在科普全要素生產率低的省份向科普全要素生產率高的省份“追趕效應”，并將最終以相同的穩態趨于均衡。也就是說，現階段我國科普全要素生產率的增長尚未找到自身合適的條件收斂路徑。這主要由于我國科普事業起步晚，科普工作開展初期也缺乏相應的部門或機構管理，加之中部或西部地區財政實力有限，對科普事業的經費支持不夠，形成的歷史欠賬過重，導致現在的科普工作盡管得到了黨和國家的高度關注，但是效果與預期、與發達國家相比仍有較大差距。這就需要在今后的工作中，加強政府引導力度，鼓勵市場參與相關科普工作，不斷拓寬科普資源投入融資渠道，以增強科普資源投入力量，且通過開展針對性強、實用性好的科普活動，提高民眾參與科普工作的積極性。黨的十八屆三中全會已經明確指出，要使市場在資源配置中起決定性作用，更好地發揮政府作用。市場配置資源是市場經濟的一般規律，要充分尊重市場，盡管科普具有部分的公益性質，但是在某些領域，可以嘗試引入市場機制，讓市場更好地發揮作用。這也是面對經濟下行壓力大的國內形勢作出的必然選擇，特別是在2020年，全球遭受了新型冠狀肺炎疫情的影響，世界各國及我國經濟發展受到重創，在這種經濟下行壓力持續下降的形勢下，科普工作更應該發揮其應有的作用，市場也更應該在推動科普工作中扮演重要角色。科普的本質在于文化的推廣，在于科學知識的普及。疫情之下，各級政府應該借助更為先進的大數據技術、物聯網技術等新媒體、新平臺，強化對科學知識的傳播，全面提升人民群眾對疫情防控知識的知曉率，有效增加科學知識普及供給，加強疫情防控科普與科研工作聯動。引導人民群眾理性對待疫情，避免產生恐慌和焦慮情緒，增強戰勝疫情的信心，堅決打贏疫情防控阻擊戰。

參考文獻

[1]? 劉廣斌，李建坤. 基于三階段DEA模型的我國科普投入產出效率研究[J].中國軟科學，2017（5）：139-148.

[2]? 劉廣斌，李建坤. 基于DEA方法的地區科普資源配置及利用效率評價[J].科普研究，2017（6）：69-76.

[3]? CHARNES A， COOPER W. W， RHODES E. Measuring the efficiency of decision-making units[J]. European Journal of Operational Research，1978，2（6）：429-444.

[4]? ROLF F， SHAWNA G， MARY N， ect. Productivity growth， technical progress， and efficiency change in industrialized countries[J]. The American Economic Review， 1994，84（1）：66-83.

[5]? 魏權齡.評價相對有效性的DEA模型[C]. 安徽省歙縣：中國系統工程學會第五屆學術年會，中國系統工程學會，1987：411-418.

[6]? 毛招斌，牟馭瀾.提高物質投入效率是促進我國糧食增長的關鍵[J].中國農村經濟，1990（8）：22-25.

[7]? 田淑英，許文立.基于DEA模型的中國林業投入產出效率評價[J].資源科學，2012（10）：1944-1950.

[8]? 蔣萍，王勇. 全口徑中國文化產業投入產出效率研究——基于三階段DEA模型和超效率DEA模型的分析[J].數量經濟技術經濟研究，2011（12）：69-81.

[9]? 方福前，張平.我國高技術產業的投入產出效率分析[J].中國軟科學，2009（7）：48-55.

[10]? 李雙杰，高巖.銀行效率實證研究的投入產出指標選擇[J].數量經濟技術經濟研究，2014（4）：130-144.

[11]? 李婷. 地區科普能力指標體系的構建及評價研究[J].中國科技論壇，2011（7）：12-17.

[12]? 任嶸嶸，鄭念，趙萌.我國地區科普能力評價——基于熵權法-GEM[J].技術經濟，2013（2）：59-64.

[13]? 張立軍，張瀟，陳菲菲.基于分形模型的區域科普能力評價與分析[J].科技管理研究，2015（2）：44-48.

[14]? 王賓，李群. 基于DEA分析的中國科普投入產出效率評價研究[J].數學的實踐與認識，2015（15）： 214-220.

[15]? 劉廣斌，劉璐，任偉宏.基于DEA的中國科普投入產出效率初步分析[J].重慶大學學報（社會科學版），2016（1）：118-126.

[16]? 于潔，佟賀豐，黃東流，等.基于三階段DEA的我國區域科普投入產出效率研究[J].科技管理研究，2018（6）：40-47.

[17]? 王奇，王會，陳海丹.中國農業綠色全要素生產率變化研究：1992-2010年[J].經濟評論，2012（5）：24-33.

[18]? 蔡躍洲，付一夫.全要素生產率增長中的技術效應與結構效應——基于中國宏觀和產業數據的測算及分解[J].經濟研究，2017（1）：72-88.

[19]? 蔡昉.中國經濟增長如何轉向全要素生產率驅動型[J].中國社會科學，2013（1）：56-71.

[20]? 李江輝，王賓.京津冀科普全要素生產率測算與分析[J].中國科技論壇，2019（5）：116-122.

[21]? 章祥蓀，貴斌威.中國全要素生產率分析：Malmquist指數法評述與應用[J].數量經濟技術經濟研究，2008（6）：111-122.

[22]? 楊錦英，韓曉娜，方行明.中國糧食生產效率實證研究[J].經濟學動態，2013（6）：47-53.

[23]? 馬占新. 廣義數據包絡分析[M].北京：科學出版社，2012：212.

[24]? S.Malmquist. Index number and indifference surfaces [J].Trabajos De Estadistica， 1953， 4（2）：209-242.

[25]? 毛其淋，盛斌.對外經濟開放、區域市場整合與全要素生產率[J].經濟學（季刊），2012（1）：181-210.

[26]? 董全超，胡峰，馬宗文.基于典型相關分析方法的中國科普投入產出研究[J].科普研究，2019（2）：61-67.

[27]? 潘文卿.中國區域經濟差異與收斂[J].中國社會科學，2010（1）：72-84.

[28]? BARRO R， MANKIW N. SALA M X. Capital mobility in neoclassical models of growth[J]. The American Economic Review，1995，85（1）：103-115.

[29]? BARRO R， MARTIN X. Technological diffusion， convergence， and growth[J]. Journal of Economic Growth，1997，2（1）：1-26.

[30]? 趙磊.中國旅游全要素生產率差異與收斂實證研究[J].旅游學刊，2013（11）：12-23.

[31]? 韓海彬，趙麗芬. 環境約束下中國農業全要素生產率增長及收斂分析[J].中國人口·資源與環境，2013（3）：70-76.

[32]? BARRO R， SALA-MARTIN X. Convergence [J]. The Journal of Political Economy， 1992，100：223-251.

[33]? MILLER S M， UPADHYAY M. Total factor productivity and the convergence hypothesis [J]. Journal of Macroeconomics，2002，24（2）：267-286.