基于SBM-DEA模型的陜西科技資源配置效率評價及影響因素分析

趙立雨 楊可 婁俊婷

摘 要：研究基于投入產出角度建立科技資源配置效率評價指標體系，并從動態和靜態兩個方面對陜西省科技資源配置效率進行分析。分別采用超效率SBM-DEA模型和超效率DEA模型對陜西省科技資源配置效率的靜態效率進行了評價，并分析了政府教育投入力度、產業結構調整、對外開放程度、環境治理程度、經濟發展水平等因素對陜西省科技資源配置效率的影響。實驗結果表明，考慮環境約束下的科技資源配置效率的測度更為科學合理。政府教育投入力度、產業結構調整、環境治理程度與陜西省科技資源配置效率正相關，這3個因素的正向提高能夠促進陜西省科技資源配置效率的進步，對外開放程度與陜西省科技資源配置效率負相關，地區經濟發展水平對陜西省科技資源配置效率這個相對值并沒有顯著影響。為進一步提升科技資源配置效率，陜西需優化科技資源配置環境、提高教育資源配置效率、推動產業結構優化升級、加大環境污染治理投入。

關鍵詞：科技資源配置;效率評價;影響因素;陜西科技資源;DEA模型;環境約束

中圖分類號：

F 124.5?? 文獻標識碼：A?? 文章編號：1672-7312（2021）01-0045-11

Technology Resources Allocation Based on SBM-DEA Model

ZHAO Liyu，YANG Ke，LOU Junting

（School of Economics and Management，Xian University of Technology，Xian? 710054，China）

Abstract：This paper establishes an evaluation index system for the allocation efficiency of science and technology resources from the perspective of input and output，and analyzes the allocation efficiency of science and technology resources in Shaanxi Province from both dynamic and static aspects. The super-efficiency SBM-DEA model and the super-efficiency DEA model are used to evaluate the static efficiency of the allocation efficiency of scientific and technological resources in Shaanxi Province， and analyze the influence of government investment in education， adjustment of industrial structure， degree of opening to the outside world， degree of environmental governance and level of economic development on the allocation efficiency of scientific and technological resources in Shaanxi Province. The experimental results show that the measurement of the allocation efficiency of scientific and technological resources under environmental constraints is more scientific and reasonable. Government investment in education， industrial structure adjustment， and environmental governance are positively correlated with the efficiency of the allocation of scientific and technological resources in Shaanxi Province. The positive improvement of these three factors can promote the improvement of the efficiency of allocation of scientific and technological resources in Shaanxi Province， and the degree of openness is related to the allocation of scientific and technological resources in Shaanxi Province. Efficiency is negatively correlated， and the level of regional economic development has no significant impact on the relative value of the allocation efficiency of scientific and technological resources in Shaanxi Province. In order to further improve the efficiency of the allocation of scientific and technological resources， Shaanxi needs to optimize the environment for the allocation of scientific and technological resources， improve the efficiency of the allocation of educational resources， promote the optimization and upgrading of the industrial structure， and increase investment in environmental pollution control.

Key words：allocation of science and technology resources;efficiency evaluation;influence factors;Shaanxi science and technology resources;DEA model;environmental constraints

0 引言

伴隨知識經濟時代的到來，科技資源投入的數量與質量從根本上決定著這個國家的創新水平和創新績效。但科技資源的相對稀缺性以及較低的科技資源配置效率都在一定程度上制約科技創新能力的提高。陜西作為科教文化大省，科技和人才資源富集，優勢明顯，但豐厚的科技資源沒能有效地轉化為經濟發展成果，造成科技存量與經濟發展水平不相匹配的“陜西現象”，成為阻礙陜西省經濟社會全面發展的巨大難題。如何解決科技與經濟脫節的“兩張皮”現象，實現科技資源大省經濟發展水平的追趕和超越，唯一的實現路徑就是充分發揮科技創新的驅動作用，讓科技創新成為引領經濟發展的新引擎，而其中關鍵一環就是提高科技資源的配置效率。因此，研究陜西科技資源的配置效率及其影響因素有著重要的現實意義。

在全球生態環境逐漸惡化和氣候變暖的背景下，實現綠色增長已達成國際共識。過去積累的環境問題已經日益成為經濟和社會可持續均衡發展的威脅。依靠犧牲環境來促進經濟發展的粗放型道路已經走不通，資源的稀缺限制了經濟的快速發展，而科技力量卻是無限的，科學合理的配置科技資源、釋放科技創新活力顯得尤為重要。在綠色健康發展的大背景下，科技創新也不應該僅考慮經濟產出，而應該綜合經濟、社會、生態的均衡協調發展，因此，分析和研究環境約束下科技資源的配置效率對我國長遠健康發展具有重要意義。堅持生態平衡的自然法則以及可持續發展的科技資源配置目標，不再單純以科技資源的產出量衡量配置效率，而是結合生態經濟學思維全面評價科學技術資源的配置過程及其對生態環境的影響。目前國內外學術界逐漸關注科技資源配置及效率方面的研究，從科技資源配置方式、配置機制到配置效率提升等方面相關研究成果較為豐富，但是在地方科技資源配置效率方面的研究較為欠缺，因而論文擬以陜西省科技資源配置問題為研究對象，從投入和產出兩個方面構建評價指標體系，采用超效率SBM-DEA模型對陜西省科技資源配置效率進行評價，論文研究了陜西省科技資源的高消耗和對環境污染的情況，盤活科技資源存量，加快形成科技資源合理配置和生態環境保護協調發展的模式，有效促進陜西“科技”與“經濟”相結合，提升陜西經濟高質量發展。

1 指標選取與數據來源

科技創新對于經濟和社會發展起著舉足輕重的作用。而科技資源作為科研創新活動的基礎，被稱作是推動科技活動順利開展的“第一資源”，科技資源整體配置水平的高低直接關系創新能力的強弱和經濟發展的方向。因此，許多學者在進行科技創新能力研究時，越來越重視科技資源的配置效率問題。趙立雨等人（2014年）[1]在分析和評估陜西省科技投入產出績效時，投入指標包括兩個維度：資本投入和人力投入。產出指標分為3個維度：科技直接產出、經濟間接產出和生態效益產出。用科技論文數量和專利授權數量來衡量科技直接產出，技術市場交易額作為經濟效益產出。賀紅等人（2016年）[2]采用AHP法、DEA模型以及模糊綜合評價法評價政府的科技投入產出績效，選取6個指標衡量科技產出，主要包括論文發表數量、專利授權數量、技術市場成交額、高技術產業主營業務收入、重大科技成果以及國家獎勵。潘娟和張玉喜（2018年）[3]用DEA模型分析了金融投資的科技創新績效，選取新產品的銷售總額、高新技術產業主營業務收入以及技術合同交易額作為評價科技創新績效的產出指標。在對科技創新進行評價和研究時，熊曦等學者（2019年）[4]將投入指標分為科技人員投入和科技經費投入兩個維度，分別將專利授權數作為科技間接成果，將科技檢索論文數量作為衡量科技成果的最終產出指標。在張永安[5]等學者（2018年）建立的評價指標體系中，基于兩階段DEA模型評估區域創新績效，第一階段將技術市場交易金額、技術合同成交數量、科技專利授權數和申請數作為中間科技成果產出，第二階段將高新技術產業總產值、科技創新產品銷售收入作為最終科技成果進行衡量。

從綠色和低碳的角度考慮科技資源的產出，范斐等人（2016年）[6]在分析省域科技資源配置效率時空差異性時引入環境因素的異質性，比較不考慮環境因素和考慮環境因素下科技資源配置效率的不同，發現引入環境因素的測量結果更具有科學性。梁林等人[7]（2019年）基于環境視角，采用SBM-Undesirable模型測算省域科技資源配置效率，用Tobit回歸模型分析環境因素對科技資源配置效率的影響程度，發現工業二氧化硫排放量顯著影響配置效率的高低，工業廢水排放量影響次之，工業粉（煙）塵排放量對效率的影響程度最小。論文采用的數據主要來源于2019年的《中國科技統計年鑒》及《陜西統計年鑒》。

研究借鑒上述學者在科技投入績效指標劃分方法，考慮到科技資源配置能力與創新效率呈現高度相關性，在《中國創新發展報告》[8]的基礎上，參考其中科技指標構建體系，從投入和產出的角度來考慮科學技術資源的配置效率。鑒于科技資源主要是指科技人力資源、財力資源、科技物質資源、科技信息資源4個方面，且4個要素在科學技術資源的分配中充當不同的角色，因此本文將其作為研究對象。其中用R&D人員全時當量反映區域人才吸引能力，衡量科學技術人力資源的總體情況;用區域內政府R&D經費支出反映政府對科學技術活動的支持力度，衡量科技活動所需要的財力資源，并細分為3個不同的研究層次，詳細分析政府科研經費對基礎研究、應用研究和實驗發展研究領域的支持程度;其中政府為科技創新活動的發展投入的固定資產反映了地區科學技術物力資源的豐富程度;用區域互聯網使用數量反映科技信息資源要素的流動性。

鑒于以上分析，將科技資源的產出分為兩個方面：期望產出和非期望產出。期望產出中將國家科技成果專利授權數和3種主要的科研論文檢索數兩項知識形式的產出作為科技投入的科研成果產出，而將新產品銷售收入、高技術產業主營業務收入和技術市場成交額作為科技投入的經濟產出。非期望產出中，由于資源環境條件影響了資源要素的集聚方式，通常豐富的自然資源、環境良好的地區聚集了大量人力資本、知識信息等先進的生產要素，并常常成為新技術、新產業的起源地，而低水平的生產要素或環境污染物往往向其他區域轉移，環境因素的制約在區域經濟發展過程中成為影響科技配置資源效率的重要因素。因此本文將選取工業廢水、工業二氧化硫排放量（粉）、工業煙塵排放量作為非期望產出的評價指標，從而在綠色低碳產出背景下綜合衡量科學技術資源的配置效率，見表1。

2 模型構建

2.1 超效率SBM模型構建

數據包絡分析（Data Envelopment Analysis，簡稱DEA）是一種效率評估方法，用于多個輸入和輸出來評估對象的相對有效性。最初是由美國運籌學科學家Charnes基于相對有效性的概念開發的評價方法。基于Farrell效率測度的CCR模式和BCC模式的傳統DEA方法屬于徑向和線性分段的測量理論，由于沒有對松弛量的影響考慮在內，可能會導致最終的效率測度產生一定的偏差。而且經典的DEA方法沒有考慮每個對象的外部環境和隨機誤差可能產生的影響，獲得的效率值可能會低于或高于實際效率水平。Fukuyama H 和Weber W.A通過將投入和產出松弛變量引入目標函數中，提出了一種非徑向的基于松弛變量的（Slack-Based Measure，SBM）效率評估模型。Tone在環境生產技術條件下構建了包含非期望產出的SBM模型，與經典DEA模型不同之處在于目標函數中包含了松弛變量，不但解決了傳統DEA模型中存在非零松弛變量的問題，同時也解決了評價過程中所包含的非期望產出問題。作為DEA的擴展模型，SBM模型的優點是無需在效率解決方案中設置生產函數，不受指標維度的影響，并考慮了多個投入產出指標的權重問題。其中包含非期望產出的SBM模型解決了徑向DEA模型在效率為零的測量中不包含松弛變量的問題，即可以減少（增加）相應松弛變量的比率來對無效率結果進行具體因素分析。在非期望產出SBM模型的基礎上采用超效率對同期數據包絡前沿的決策單元（效率值均為1）進行進一步比較，以實現更準確的測量。

包含非期望產出的SBM模型是在假設現有K個決策單位（Decision Making Units，DMU）基礎上分析每個決策單位中包含的N種投入、M種期望產出、I種非期望產出，模型的具體表達式為

式中，ρ為科技資源配置效率值;N、M、I分別為科技投入、期望產出、非期望產出的個數;

sxn，xym，sbi為投入產出的松弛向量;xtkn，xtkm，btki為第K個地區在t時期的科技投入產出值，zkk表示每個決策單元的權重。目標函數ρ關于sxn，sym，sbs嚴格單調遞減，且0<ρ≤1;當ρ=1時，表明科技資源配置效率完全有效;當ρ<1時，表明科技資源配置效率存在一定的損失，可以通過調整投入量、期望產出及非期望產出量來進一步改善科技資源配置效率。

在非期望產出SBM模型的基礎上采用超效率，針對科技資源配置有效的省份進行更準確的測算，包含非期望產出的超效率SBM模型如下

在測量科技資源配置效率時考慮了環境的異質性，運用包含非期望產出的SBM模型進行科學技術資源配置效率評價。該模型考慮了松弛變量引發的問題以及效率以外的因素對評價結果的影響，解決了資源配置效率在綠色環境影響下的測量，即在現有科技資源有效產出的基礎上，消除科技資源配置對區域環境造成的負面影響后的最終分配結果，是對科技資源配置綜合效率的客觀全面評估，不僅測量了區域科技資源配置與生態環境之間的協調性，還進一步準確衡量了科技資源配置的科學性和合理性。

2.2 Malmquist 指數法模型的建立

Malmquist指數分析法由Malmquist于1953年提出，并在1982年之后被學者用來衡量生產率的變化。但是長期以來關于Malmquist指數理論的實證研究非常少。Fare等人將Malmquist指數與數據包絡分析結合（DEA-Malmquist指數方法）進行效率研究后，該理論才被廣泛關注和使用。現在，Malmquist指數分析法已廣泛用作衡量衛生、教育、金融和其他部門全要素生產率（TFP）變化的特殊指標。其中，在規模收益不變（CRS）的假設下，TFP可以分解為技術效率（EFFCH）與技術進步（TECH）。在規模收益可變（VRS）的假設下，技術效率變化可分解為規模效率變化（SECH）和純技術效率變化（PECH）。即全要素生產率可以分解為規模效率變化、純技術效率變化和技術進步。具體而言，根據Fare提出的DEA-Malmquist指數方法，從t到周期t+1的Malmquist指數公式可以表示為

（3）

在公式（3）中，第一項指的是技術效率指數（EFFCH），第二項指的是技術進步指數（TECH），di指的是投入導向的距離函數。當mi<1時，說明生產效率下降了;當mi=1時，說明生產效率不變;當mi>1時，則表示生產效率提高了。公式（3）又可以進一步轉化為

在公式（4）中，第一項指的是規模效率變化（SECH），第二項指的是純技術效率變化（PECH），最后一項指的是技術進步（TECH），即TFP=SECHPECHTECH。

3 兩種科技資源配置效率的測度

建立固定規模報酬下產出導向的非期望產出超效率SBM模型，使用MaxDEA 8.3軟件分別對2008—2017年30個DMU的科技資源配置效率值ρ*進行評價（西藏數據缺失較為嚴重，故剔除西藏地區），并與不考慮非期望產出條件下測算的省域科技資源配置效率ρ進行對比分析，通過橫向和縱向比較科技資源配置效率。根據考慮非預期的產出來比較科技資源的分配效率。兩種科技資源的分配效率反映了在考慮非預期產出和不考慮非預期產出兩種情況下的相對效應，表明了科技資源配置的相對效率。對測算結果進行整理得到2008年至2017年陜西省科技資源配置效率，見表2。

研究結果表明，2008—2017年間陜西省科技資源配置效率，在不考慮非期望產出得到的超效率值明顯高于考慮非期望產出的超效率值，2017年下降幅度為0.435，2016年下降幅度為0.354，說明環境污染對陜西省科技資源配置效率的提高具有一定的制約作用，2017年環境污染對科技資源配置效率的制約程度要大于2016年，環境因素阻礙陜西科技資源配置效率提升的作用逐漸明顯，因此，不斷壓縮經濟發展的環境成本，將科技創新活動與環境綠色發展緊密結合，對于促進經濟、社會、環境的協調可持續發展非常重要。

縱向來看，陜西省2008年的科技資源配置的綜合效率小于1，資源配置效率不高。除了2008年，2009—2017年陜西省科技資源配置綜合效率都大于1，綜合效率有效，2012年綜合效率值最大，達到1.924，說明2012年陜西省技術條件和生產規模與其他各年相比位于生產前沿面，科技投入資源轉化為科技產出的能力最好，科技資源配置較為合理，資源浪費情況相對較少。橫向來看，根據2008年至2017年測算的全國各省的科技資源配置綜合效率，計算得到近十年30個省份的科技資源配置綜合效率平均值，見表3。

由表3可知，2008—2017年陜西省科技資源配置綜合效率在兩種測算方式下的平均值均在30個省中排列第9位，總體處于中上水平。將陜西省各年科技資源配置綜合效率與全國各年綜合效率的平均值對比，由圖1可知，考慮非期望產出的綜合效率值要低于傳統方式測算的綜合效率值，也就是說考慮環境污染的情況下，測算出的科技資源的配置效率值明顯降低。在研究期間，考慮非期望產出的陜西省科技資源配置效率除2008年較低只有0.260，其余年份保持相對平穩，2008—2017年間考慮非期望產出的陜西省科技資源配置效率均值為1.058，普遍高于全國平均水平0.897;不考慮非期望產出的陜西省科技資源配置效率在一定范圍內的波動，2008年達到最低值0.404，遠遠低于全國平均水平1.351，2009—2017年普遍高于全國平均水平，在2012年達到最高值1.924，略高于全國平均水平1.382。2008年到2017年，除西藏地區外全國科技資源配置的綜合效率均值為1419，陜西省近10年科技資源配置綜合效率均值為1.501，略高于全國平均水平。從整體來看，2008—2017年期間，陜西省科技資源配置的綜合效率水平處于中等偏上，但與北京、江蘇、上海等地還有較大的差距，陜西省技術條件優化和改善的空間還很大。

在運用超效率SBM模型進行靜態分析基礎上，進一步使用Malmquist模型測量陜西省2008—2017年科技資源配置效率動態變化情況，并進行分解找出引起變動的可能原因。使用MaxDEA 83得到Malmquist全要素生產率指數變化并將其分解，分析全要素生產率指數變化及其分解的動態變化情況，整理結果見表4。

由表4可知，陜西科技資源Malmquist指數在兩個階段內小于1，表明在2008—2009年、2009—2010年全要素生產率水平發生降低的情況;除此之外2010—2017年每一階段的全要素生產率指數均大于1，說明生產率水平始終保持上升。為進一步分析影響生產率指數變動的具體原因，根據式（3）將全要素生產率分解為技術效率變化和技術進步。

由表4中可以看出2008—2009年、2009—2010年、2013—2014年、2015—2016年技術效率變化小于1，說明技術效率在不斷降低，即在科技投入要素保持相對恒定的條件下，實際獲得的科技產出在不斷減少，被評價單元在這4個時間段內獲取最大產出的能力存在下降趨勢。其余5個時間段內，技術效率變化大于1，說明技術效率在不斷增加，即在科技投入要素保持相對恒定的條件下，實際獲得的科技產出在不斷提高，被評價單元在這5個時間段內獲取最大產出的能力在不斷上升。陜西省2008—2017年技術效率變化的平均值為1.011 9，總體來說陜西省科技資源配置技術效率在不斷提升。2008—2012年、2014—2015年的技術進步值小于1，表明這幾個時間段內不存在技術進步，其余4個階段存在技術進步，研究期間技術進步均值為0.999 2，表明在研究期內陜西科技資源配置過程中總體上存在技術退步。

從圖2可以看出，從2008—2017年陜西科技資源配置的技術效率變化與全要素生產率的變化趨勢基本保持一致，2009—2013年、2014—2015年引起全要素生產率變化的主要原因是技術效率的變化。為進一步分析引起技術效率變化的原因，如式（4）所示，將技術效率變化進行分解為純技術效率變化和規模效率變化，通過分析這兩部分效率變化值來反映技術效率的變化情況。

純技術效率能夠在一定程度上反映在既定條件下科技創新的產出水平。由表4可知，2008—2010年、2013—2014年、2015—2016年純技術效率變化小于1，說明在此期間技術創新水平在降低;其余時間段內純技術效率變化大于1，說明在此階段內技術運用水平逐漸提高。陜西省近10年科技資源配置的純技術效率變化均值為1.007 9，說明陜西省科技資源技術運用水平上升。

規模效率從更深層次反映了科技資源的整體管理水平。從表4中可以看到，在2011—2012年期間科技資源配置的規模效率小于1，則說明在此期間科技資源存在一定的規模縮小;剩余時間段內科技資源配置的規模效率均大于1，則說明在此階段科技資源存在規模優化趨勢。總體來看，陜西近十年科技資源配置的規模效率變化值在1附近上下波動，表明陜西省科技資源管理水平近年總體保持在相對穩定的狀態。

從2008—2017年整個時間段來看，陜西科技資源配置的全要素生產率表現為較快增長幅度，整個時間段內全要素生產率的增長受到技術進步和技術效率改善兩方面綜合疊加影響，而且其中技術效率擴散所引起的配置效率提升作用要明顯比技術進步增加所引起的科技資源配置效率改善的效果更好。

4 陜西科技資源配置效率的影響因素分析

基于上一節關于科技資源配置效率的影響因素理論分析，并考慮了數據的可獲得性和結果的實用性，選取了影響科技資源配置效率的關鍵性因素，重點分析政府教育投入力度、產業結構調整、對外開放程度、環境治理程度和經濟發展水平5個因素對于陜西科技資源配置效率的影響，將這5個變量作為回歸分析的解釋變量，分別用EDU、SC、FDI、ENV、GDP表示政府教育投入力度、產業結構調整、對外開放程度、環境治理程度和經濟發展水平，使用回歸模型檢驗變量對科技資源配置效率的影響假設是否成立。具體變量的含義以及文獻數據來源見表5。

建立多元線性回歸模型如下

模型一：

InSBMi=β0+β1lnEDUi+β2lnSCi+

β3lnFDII+β4lnENVI+β5lnGDPi+μ

（5）

模型二：

InDEAi=β0+β1lnEDUi+β2lnSCi+

β3lnFDII+β4lnENVI+β5lnGDPi+μ

（6）

式中：SBMi為陜西省i年考慮非期望產出科技資源配置效率;DEAi為陜西省i年不考慮非期望產出科技資源配置效率;β0為回歸式的常數項;β1～β5為5個解釋變量對應的回歸系數;μ為誤差項;i=2008，…，2017。

基于2008—2017年陜西省科技資源配置效率值以及相關數據，采用普通最小二乘法（OLS）對模型進行回歸分析。在回歸之前對時間序列數據進行多重共線性檢驗，經檢驗發現時間序列不存在自相關和異方差，滿足OLS 線性回歸的基本條件，可以進行線性回歸。基于此，研究對方程（5）和（6）所示的模型對考慮非期望產出和不考慮非期望產出的陜西省科技資源配置效率的影響因素進行估計。為了更好地分析各個因素對效率的影響程度，采用逐步回歸分析考察上述5種因素對被解釋變量的影響。在STATA15.0中得到回歸結果見表6和表7。

表6為考慮非期望產出的陜西省科技資源配置效率影響因素回歸結果。由回歸（1）～（5）可知，政府教育投入力度、產業結構調整以及環境治理程度正向促進陜西省科技資源配置效率的提升，對外開放程度在一定程度上阻礙了陜西省科技資源的有效配置，經濟發展水平并沒有對陜西省科技資源配置效率產生顯著影響。其中產業結構調整和教育投入力度對陜西省科技資源配置效率的影響程度較大。

表7為不考慮非期望產出的陜西省科技資源配置效率影響因素回歸結果。由回歸（1）～（5）可知，政府教育投入力度、產業結構調整以及環境治理程度正向促進陜西省科技資源配置效率的提升，對外開放程度在一定程度上阻礙了陜西省科技資源的有效配置，經濟發展水平并沒有對陜西省科技資源配置效率產生顯著影響。其中產業結構調整和教育投入力度對陜西省科技資源配置效率的影響程度較大。

依據考慮非期望產出的陜西省科技資源配置效率回歸結果和不考慮非期望產出的陜西省科技資源配置效率回歸結果，作如下分析：政府教育投入力度對陜西省科技資源配置效率的影響在考慮非期望產出和不考慮非期望產出的情況下，分別通過了1%和5%水平的顯著性檢驗，且均呈顯著的正向關系，系數分別為2.242和2.397，提升政府對教育投入力度能夠促進科技資源配置效率水平的提高。提高政府教育資金投入力度能夠有效推動陜西科技資源配置效率。保持較高的教育資金能夠促進高等院校和科研院所培育更多高素質的科研人才，而且較高的政府財政教育支持強度在提升大眾基本素質的同時，也促進當地社會文化程度的提升，對于培養良好消費市場的形成起到間接的促進作用，能夠幫助大眾接受市場中的新產品和新服務，加快企業獲得技術創新產品帶來的經濟利潤，因而會在一定程度上促進科技成果轉化，而且科技人才規模的擴大和人才質量的進一步提高，也為科研院所和科技型企業提供更加匹配的人才隊伍，實現科技人才資源的有效配置。

第三產業產值占GDP比重對陜西省科技資源配置效率的影響，無論是否考慮非期望產出，均呈現1%的水平上顯著的正向關系，系數分別為5350和4.710，這說明產業結構調整與陜西省科技資源配置效率呈正相關，通過促進產業結構調整可以提升陜西科技資源配置效率。加快產業結構調整是推動科技資源優化配置的有效途徑。相較于未考慮非期望產出的模型結果，考慮了非期望產出之后，第三產業產值占GDP比重對陜西省科技資源配置效率的影響程度有所提高，這可能是由于第三產業屬于高產出的行業，在陜西省經濟發展中占據重要地位，若將非期望產出考慮在內，陜西省科技資源配置效率將有所提高，直接體現于式（5）中SC變量的系數有所提高。由于陜西省第三產業，如金融保險、信息科技等第三產業發展相對較快，生產型服務業長期占據主導地位，第三產業就業人群層次較高，技術含量較高、創新能力較強。第三產業所占的比例越高，越有利于科技資源的充分利用，以及科技創新能力的提高，使企業較快地將科技成果轉化為經濟產出。

對外開放水平對陜西省科技資源配置效率的影響，無論是否考慮非期望產出，均呈現在5%的水平上顯著的負向關系，系數分別為-0.621 2和-0.715 9，這說明陜西省對外開放水平在一定程度上阻礙了本地科技資源配置效率。外商直接投資額占地區GDP的比值能夠評估一個地區的經濟開放程度。陜西省處在西部內陸地區，受到自然地理因素的限制，相比于沿海發達地區而言，對于外商的投資引進沒有完成從引進設備和中間產品轉向對科學技術本身的吸收，對技術的轉讓以及對技術的消化吸收和再創新不夠重視，企業對引進的先進技術存在技術消化吸收難、應用范圍小等問題，逐漸對技術引進產生高度依賴性，在一定程度上影響了當地科技人力、財力、物力、信息資源的充分利用，從而導致科技資源配置效率下降。

[7]梁林，李青，劉兵.環境約束下省域科技資源配置效率：時空格局、演變機理及影響因素[J].中國科技論壇，2019（06）：125-135，146.

[8]陳勁.國家創新藍皮書.中國創新發展報告（2017—2018）[R].社會科學文獻出版社，2018.

[9]KHOSHNEVIS P，TEIRLINCK P.Performance evaluation of R&D active firms[J].Socio-economic Planning Sciences，2018：16-28.JEONG B，KWON C，ZHANG Y S，et al.Evaluating the research performance of a R&D program：An application of DEA[J].Lecture Notes in Engineering and Computer Science，2010，2182（1）：2108-2230.

[10]解學梅，戴智華，劉絲雨.高新技術企業科技研發投入與新產品創新績效——基于面板數據的比較研究[J].工業工程與管理，2013，18（03）：92-96.

[11]THOMAS V J，SHARMA S，JAIN S.Using patents and publications to assess R&D efficiency in the states of the USA[J].World Patent Information，2011，33：4-10.

[12]GRILICHES Z.R&D and productivity：the econometric evidence[M].Lllinois：University of Chicago Press，1998.

[13]蘇屹，安曉麗，王心煥，等.人力資本投入對區域創新績效的影響研究——基于知識產權保護制度門限回歸[J].科學學研究，2017，35（05）：771-781.

[14]薛瀾，汝鵬，舒全峰，等.中國科研人力資本補償：問題、成因與對策[J].科學學研究，2014，32（09）：1347-1351，1430.

[15]陳昭，林濤.國際技術溢出、研發投入門檻與技術創新——基于中國高技術產業行業異質性的實證研究[J].上海經濟研究，2018（04）：118-128.

[16]柴瑋，申萬，毛亞林.基于DEA的我國資源型企業科技創新績效評價研究[J].科研管理，2015，36（10）：28-34.

[17]PORTER M E，DER LINDE C V.Toward a new conception of the environment-competitiveness relationship[J].Journal of Economic Perspectives，1995，9（04）：97-118.

[18]郭兵，袁菲，謝智敏.基于DEA方法的上海市財政科技投入績效評價研究[J].中國管理科學，2012，20（S1）：32-35.

[19]張鵬，陳培安.山東省科技創新資源空間分布與經濟發展水平協同分析[J].技術與創新管理，2016，37（03）：256-262.

[20]XIMEI L.Evaluating the input/output efficiency between science-technology and finance via analytic hierarchy process[C].International Conference on Measuring Technology and Mechatronics Automation，2015：462-465.

[21]曹霞，于娟.綠色低碳視角下中國區域創新效率研究[J].中國人口·資源與環境，2015，25（05）：10-19.

[22]齊亞偉，陶長琪.環境約束下要素集聚對區域創新能力的影響——基于GWR模型的實證分析[J].科研管理，2014，35（09）：17-24.

[23]李泓欣，周燕.基于空間計量的區域科技創新信息要素資源配置影響因素研究[J].情報科學，2017，35（12）：96-101.

[24]賈鋼濤，楊勇.基于主成分分析的陜西科技資源配置效率研究[J].技術與創新管理，2013，34（03）：216-219，224.

[25]宋結焱，施炳展.出口貿易是否降低了中國行業內資源錯配？[J].世界經濟研究，2014（10）：53-60，88-89.

（責任編輯：王 強）