中國科技服務業全要素生產率的測度與時空演化研究

黎定軍，文曉雨，宋 聞

(湖南工商大學，湖南 長沙 410205)

一、引言

雖然我國科技服務業相較于國外起步較晚，但近年來一系列政策的頒布使其得到了快速發展。2015年國家統計局發布《國家科技服務業統計分類(2015)》，首次確定了科技服務業分類的基本結構框架，并于2018年對其分類進行了修訂，使科技服務業的范圍進一步明確；2020年習近平總書記提出，“面向世界科技前沿”，堅持創新在我國現代化建設全局中的核心地位，以科技創新引領高質量發展。國內國際雙循環的提出也為科技服務業的發展帶來了機遇。要形成以國內大循環為主體、國內國際雙循環相互促進的新發展格局，就要堅持創新發展，加快有助于效率提升的制度變革。隨著產業結構由“工業經濟”主導向“服務經濟”主導轉變，科技創新進入了空前密集活躍的時期。科技服務業通過聚集知識、人才、技術，將最前沿的資源進行跨行協調匹配，投入科技產品的研發、生產與應用中，促進了技術創新與成果轉化。

在經濟高質量發展以及區域協調發展的背景下，科技服務業的高附加值屬性和對區域經濟發展的輻射帶動作用越來越受到重視。2019年1月至11月，規模以上科技服務業營業收入同比增長12.0%，且連續四年均保持在10%以上的增長速度。國外經驗表明，一個國家的科技服務業越發達，科技服務體系越完善，其科技實力與經濟實力也會越強大，科技服務業已成為許多發達國家的支柱產業。我國目前科技服務業仍處于初級階段，高速發展容易導致對效率的重視程度不足，因此對科技服務業全要素生產率進行研究顯得非常重要。通過測算科技服務業的全要素生產率，系統研究其發展效率，有利于了解科技服務業在發展過程中的問題以及時空演變規律，對科技服務業向高質量方向發展以及提升其對區域經濟的帶動作用具有重要意義。

二、文獻綜述

國外科技服務業的發展起步較早，相關研究成果也比較豐富。但由于世界各國科技發展水平不同，對于科技服務業的內涵還沒有一個統一的明確劃分。相較于對科技服務業進行單獨研究，國外學者更集中于對知識密集型商業服務業(Knowledge-intensive Business Service,KIBS)進行研究，其研究內容更加精細化、具體化，致力于尋求其內在機理與作用機制。Ciriaci等(2015)[1]通過對歐洲四個國家的實證調查，研究了KIBS是否使制造業更具創新性的問題，結果表明KIBS通過多種渠道促進了制造業經濟業績的改善，但其對制造業的創新作用還值得進一步分析；Pina和Tether(2016)[2]采用定性與定量結合的方法，通過應用一種概念性的知識庫分類來研究KIBS的內部多樣性及行為差異；Zhou和Wang(2020)[3]通過建立一個全新、全面的框架研究KIBS在技術商業化中的作用。

國內對于科技服務業的研究主要有三個方面，一是對地區或全國的科技服務業發展水平及對策進行研究。大多數學者采用構建科技服務業指標評價體系和相關方法來進行評價。陳春明和薛富宏(2014)[4]從科技服務業規模、投入、產出、發展環境四個方面構建綜合指標評價體系，衡量了我國科技服務業的創新水平、發展現狀、相互關系以及所處環境；朱相宇和嚴海麗(2017)[5]運用因子分析法，將北京市與新加坡、巴黎科技服務業的相關指標進行對比分析，研究了北京市科技服務業發展水平并提出了發展路徑；張鵬等(2019)[6]構建了四個維度的指標評價體系，運用改進CRITIC賦權法測算了我國30個省份2007—2016年的發展水平指數，并從時間和空間維度對結果進行了比較分析；張劍波等(2018)[7]運用主成分法、因子分析法等構建指標體系，研究了上海市科技服務業的發展現狀。研究表明，我國科技服務業發展整體呈上升趨勢，但仍存在發展水平不高、區域發展不均等問題。

二是對我國科技服務業發展模式的研究。張前榮(2014)[8]通過對美國、日本、德國科技服務業發展模式的研究，提出我國應借鑒國外發達國家的經驗，構建切實可行的科技服務業發展模式；周柯和靳欣(2019)[9]通過對科技服務業鏈式化與生態化耦合發展內在機理的研究，發現其產業鏈和產業生態系統之間耦合發展程度較低，存在企業規模較小、產業鏈結構不合理、生態要素供給不足等一系列問題；李文川和胡雅文(2017)[10]在總結現有科技服務業發展模式的基礎上，通過研究科技服務系統的結構，提出了科技服務業“細分業態互動-重點產業耦合-外部環境支撐”的多維協同發展模式。雖然我國科技服務業發展迅速，但是對于發展模式的研究還有待加強，需要借鑒國外先進經驗，深入對內在機理的探索，構建符合我國國情的發展模式。

三是對科技服務業的集聚及集聚效應的研究。張清正和李國平(2015)[11]運用基尼系數等方法考察了我國科技服務業的空間集聚態勢，并進一步分析了影響因素；李曉龍等(2017)[12]運用空間杜賓模型實證檢驗了科技服務業空間集聚對企業創新效率的空間溢出效應；姚戰琪(2020)[13]運用中介效應檢驗方法，研究了科技服務業集聚對產業升級的影響；鄭蘇江和吳忠(2020)[14]從五個維度分析了上海市2003—2017年科技服務業與制造業的相關數據，實證研究了上海市科技服務業與制造業的發展關系；王智毓和馮華(2020)[15]使用空間杜賓模型考察了科技服務業集聚對區域創新各階段的影響。研究結果表明我國科技服務業集聚程度并不太高，目前科技服務業的空間集聚有利于促進周邊地區創新效率的提升，并發揮輻射作用，但同時集聚效應也存在差異，而且有“西部高東部低”的發展態勢。

綜合相關研究來看，科技服務業在自身迅速發展的同時，也通過發揮技術創新效應和產業轉型升級效應促進了地區經濟增長，雖然在這一過程中，相關研究在逐步完善，研究成果也不斷豐富，但針對科技服務業全要素生產率的研究卻比較少，難以跟上科技服務業的發展速度，這可能導致很多科技型企業在快速擴大發展規模的同時忽略了投入與產出的效率問題，從而造成資源浪費。本文采用Super-SBM模型研究分析了我國30個省份科技服務業2009—2018年的全要素生產率，并通過對 Malmquist 指數的分解評價其效率動態變化的來源，對了解科技服務業的生產效率及促進其高效發展有一定的借鑒意義。

三、研究方法與數據來源

(一)研究方法

1.Super-SBM模型

DEA模型(Data Envelopment Analysis)最初是由Charnes等(1978)[16]提出的，是一種基于被評價對象間相對比較的非參數技術效率分析方法，具有適用范圍廣、原理相對簡單的特點，尤其在分析情況時具有特殊優勢。但由于在傳統的DEA模型分析結果中得出的效率值最大為1，而通常多個DMU會被評價為有效，就會出現有效DMU效率值相同的情況。為了解決這一問題,學者們提出了“超效率”模型(Super Efficiency Model)。基于此，Tone(2001)[17]在提出一種基于松弛變量測度的非徑向、非角度的DEA模型后，在次年進一步提出了Super-SBM模型，通過非射線方式,以優化松弛變量為目標函數，解決了投入和產出變量單位不一致的效率評價問題，并同時考慮投入項與產出項的差額來評估效率值。Super-SBM模型在SBM模型的基礎上,在評價某一生產單元的時候將其自身排除在參考集之外，從而使計算出來的效率值可以大于1，有效解決了相對有效單元的排序問題。考慮松弛變量的Super-SBM模型具體見公式(1)：

在公式中，ρ表示目標效率值，即生態效率值；X、yg和yb分別表示投入、期望產出和非期望產出；m、s1和s2分別表示投入、期望產出指標和非期望產出指標個數；向量S-、Sg和Sb分別表示投入松弛量、期望產出的松弛量和非期望產出的松弛量；λ為權重向量。當ρ≥1時，被評價的決策單元相對有效；當ρ<1時，被評價的決策單元相對無效。

2.Malmquist 指數

DEA模型計算出來的每個DMU的相對效率值是針對每個時間點進行計算的，是一個靜態的數值，但對于一組面板數據來說，需要參考不同的時間點來計算每個效率值的變動情況，Malmquist全要素生產率指數就是用于生產率的變化研究、在進行效率評價之后可以體現效率動態變化的一種指標。Malmquist指數最初是由Malmquist(1953)[18]提出的，Fare等(1997)[19]將其與DEA理論結合，此后該指數被廣泛應用于各領域的生產率測算。第i個DMU在t到t+1時期的Malmquist指數可表示為:

(2)

Malmquist指數可以被分解為技術進步指數(TC)和技術效率指數(EC)，分別反映了技術進步和技術效率對科技服務業生產效率發展的貢獻。

ML(xt+1,yt+1,bt+1,xt,yt,bt)

(3)

(4)

MLTC=

(5)

當ML>1時，表示該DMU從t到t+1期的生產效率提高；當ML<1時，表示該DMU從t到t+1期的生產效率下降；當ML=1時，表示該DMU從t到t+1期的生產效率維持不變。當TC>1時，表示當期該DMU的技術水平比上一期有所提高；當TC<1時，表示當期該DMU的技術水平有所下降；當TC=1時，表示當期技術水平保持不變。當EC>1時，表示當期該DMU相比上一期更接近生產前沿，技術效率提高；當EC<1時，表示當期該DMU的技術水平比上一期有所下降，正遠離生產前沿；當EC=1時，表示當期技術效率相比上一期保持不變。

(二)指標選取與數據來源

1.指標選取

科技服務業的全要素生產率主要反映投入與生產的匹配關系，一級指標可分為投入與產出兩大類。對于二級指標的選取應該遵循以下三個原則：一是指標能夠真實反映生產過程，能較好地反映科技服務業生產率的各個維度，具有實用性；二是指標間要相互獨立，避免重疊影響分析；三是指標數據具有可獲得性，且來源真實可靠。通過對相關文獻的查閱，結合學者們評價科技服務業發展水平最常用的指標體系，本文參照徐宏毅等(2018)[20]采取的方法，將投入指標分為勞動力投入與資本投入兩個層面，選取了科技服務業固定資產投資額、研究與試驗發展(R&D)人員數、研究與試驗發展(R&D)內部經費支出三個指標，在產出層面選取了技術市場成交額、我國專利授權數兩個指標，如表1所示。

表1 科技服務業生產率指標體系

2.數據來源與處理

本文測算了我國30個省(市、自治區)科技服務業2009—2018年的全要素生產率指數，數據統計口徑主要來源于第三產業中的科學研究與技術統計，考慮到西藏自治區的統計數據存在諸多缺失，故本文未對其進行研究。同時由于研究需要，本文將30個省(市、自治區)劃分為東部、中部、西部三大區域。相關數據主要來源于《中國統計年鑒》 《中國科技統計年鑒》 《第三產業統計年鑒》及各個省份的統計年鑒，具有較強的可靠性。同時考慮到效率值是通過投入產出原始數據來表示的，而本文研究了2009—2018年十年的面板數據，所以為了保證數據在計算過程中具有可比性，對固定資產投資額采取了永續盤存法處理(李曉峰等，2020)[21]，對內部發展經費支出和技術市場成交額以2009年不變價格為基準，采用CPI指數進行折算。

四、實證結果及分析

(一)我國科技服務業全要素生產率靜態分析

基于2009—2018年中國30個省(市、自治區，除西藏自治區外)的數據，利用中國科技服務業發展質量評價指標體系，采用Super-SBM模型，運用MaxDEA Ultra 6.0軟件，對全國30個省份的科技服務業效率值進行測算，以衡量其科技服務業發展質量，結果見表2。

表2 中國30個省市科技服務業全要素生產效率值

續表

1.全國發展特征

如圖1所示，2009—2018年我國科技服務業全要素生產率呈現出先上升再下降、然后趨于平穩、轉而快速上升的趨勢。效率值最低的年份為2014年，僅0.35，效率值最高的年份為2018年，達到0.47，但是整體的效率水平仍很低，這十年的效率均值僅0.39。這一時序發展特征完全符合當前我國科技服務業發展的現狀，表明我國科技服務業正處于一個初步發展的階段，生產效率不高且沒有形成有效的產業價值鏈。

2009—2010年我國科技服務業生產效率略微提升，體現出我國科技服務業發展初期行業整體的投入資源較少。2012年科技部提出了有關科技服務業的發展重心以及重要的支撐工程，我國逐漸將科技服務業擺到重要位置，不斷加大對科技服務業的投入力度。2014年國務院發布了關于加快科技服務業發展的若干意見，首次對科技服務業做了全面部署，對如何發展科技服務業給出了具體的指導性做法(張寒旭和鄧媚，2018)[22]。國家及各級政府也更加關注科技型中小企業的發展，給中小型科技企業上市融資提供重要的服務平臺和政策支持(華勇謀和趙庶吏，2018)[23]。因此，2016—2020年(“十三五”時期)，我國科技服務業無論是在資本和人員的投入還是行業的整體產出水平上都有很大增長。

圖1 2009—2018年全國及區域科技服務業全要素生產率

2.區域發展特征

從區域的整體效率來看，東部地區的平均生產效率值為0.51，遠高于中部地區和西部地區，西部地區的平均生產效率值為0.3，而中部地區的平均生產效率值僅0.23。

東部地區科技服務業全要素生產率值從2009年的0.53上升到2011年的0.58，達到峰值，這主要得益于東部地區良好的經濟基礎和科技型人才資源豐富。而隨著科技服務行業越來越受到國家的重視和支持，“十二五”期間東部地區各省份加大了對科技服務業的投入力度，而產出的增長并未同步跟上投入的增加，這在一定程度上導致了行業生產效率的下降，從2011年的0.58下降到2014年的0.44。2015—2018年為東部地區科技服務業的快速發展時期，其生產率值從0.44上漲到0.55。以廣東省為例，其2009—2016年科技服務業平均生產率值為0.34，而2017年、2018年科技服務業全要素生產率值均超過1，這體現出廣東省產業鏈結構逐漸優化，科技服務業價值創造能力顯著提升。東部地區如北京市、浙江省、上海市，科技服務業生產效率值較高，2009—2018年的平均效率值在0.7以上，其中北京市的平均效率值達到了1.49，浙江省的平均效率值也達到了1.31，說明這些地區擁有較好的產業基礎和發展環境。

西部地區的科技服務業生產效率從2009—2018年一直保持波動上漲，從0.2上漲到了0.46，累計漲幅達到130%。這主要是因為西部地區的省份經濟基礎比較落后，無論是投入還是產出的基數都普遍較小。例如青海省，其科技服務業固定資產投資、R&D人員數等投入指標均排在全國末尾，但技術市場成交額等產出量相對較高，因此平均生產率達到了0.6，僅次于北京、浙江、上海三個省市。但在國家政策的引導、扶持下，各省份也在大力發展科技服務業，例如陜西省、四川省以及重慶市，它們的技術市場成交額及專利授權數等全國排名均靠前，因此總體的生產效率值相對較高。

中部地區的科技服務業全要素生產率值從2009—2015年幾乎保持在0.2左右小幅波動，說明這一時期中部各省份科技服務業的生產要素投入量保持著較高水平的增長，而生產要素的產出依舊維持低水平運行，但二者之間的變化幅度大致相當。例如湖南省、河南省、江西省等，它們的整體科技服務業發展水平并不低，但是呈現出高投入、低產出的不平衡發展態勢。因此，如何提升科技服務業的價值創造能力和成果轉化率是中部各省份應該重點關注的問題。

(二)我國科技服務業全要素生產率動態分析

上文通過Super-SBM模型測算得到科技服務業的靜態生產效率，下面還利用Malmquist生產率指數對科技服務業進行動態的效率分析，表3列示了通過MaxDEA Ultra6.9計算得出的2009—2018年我國總體科技服務業生產效率值(ML)、技術效率指數(EC)和技術進步指數(TC)。

表3 2009—2018年我國科技服務業效率Malmquist生產率指數結果及分解

續表1

續表2

1.全國Malmquist全要素生產率指數分析

如圖2所示，我國總體科技服務業生產效率的ML值在2009—2018年期間基本保持在1以上，且呈現出波動上漲的趨勢，2009—2010年的效率值為1.20,最高值出現在2017—2018年期間，為1.48，最低值為2013—2014年的0.99。

從分解值可以看出，2009—2018年科技服務業生產效率的波動變化主要是由技術進步指數TC的波動變化引起的，二者的變動曲線幾乎處于貼合的狀態，而技術效率指數EC則維持在1左右小幅波動，這說明這段時期科技服務業生產效率的波動主要受到技術進步因素的影響，而受技術效率的影響并不顯著。技術進步指數的變化與我國科技創新、實施創新驅動發展戰略等息息相關。2009—2012年，技術進步指數從1.15上漲到1.34，而2012年以來，國家對科技服務業有了更清晰的發展定位，逐步加大了科技研發的投入力度，科研的方向也逐漸轉變為“高精尖”模式，因而科研成果落地周期變長，對前期投入要求變高，轉化為生產力的時效性滯后(趙丹等，2019)[24]，技術進步指數在2012—2016年這一段時期呈現出波動下降的趨勢，但整體仍保持在1以上的水平，這說明雖然技術效率增速變緩，但科技創新、技術升級等對科技服務行業發展提供的驅動力是持續有效的。2009—2018年技術效率指數相對保持平穩，且2010—2014年期間低于1，這說明我國科技服務業仍未形成較好的產業集聚和規模優勢，這段時期還是處于較為粗放的發展模式。

2017—2018年我國科技服務業ML值大幅度增長，從1.09增長到1.48，漲幅達到35.78%，主要原因是因為技術效率的提高，這一時期技術效率指數從1上漲到1.29，漲幅為29%。技術效率指數的顯著增長說明我國科技服務業的發展已經形成了一定的規模效應，產業集聚的發展優勢逐漸顯現，這也得益于各地方政府積極建立高技術產業園、科技企業孵化園等助推措施。

圖2 2009—2018年各年科技服務業Malmquist生產率指數及分解指數曲線圖

整體來看，我國科技服務業技術創新與技術效率這兩個推動行業發展的驅動因素并未得到充分融合，2009—2018年科技服務業的發展主要由技術進步驅動，但近年來有從技術驅動轉為效率驅動的趨勢，因此，如何使二者達到均衡狀態、共同推動科技服務業實現高質量發展是接下來的研究重點。

2.區域Malmquist全要素生產率指數分析

如圖3(a-i)，基于對2009—2018年全國各省份科技服務業Malmquist生產率值及分解指數的分析，可以得出以下結論：

圖3 2009—2018年各省份科技服務業Malmquist生產率指數及分解指數圖

(1)各省份科技服務業的發展呈現階段性特征。2009—2013年，我國大部分省份科技服務業ML值呈波動下降，2013—2014年，各區域科技服務業生產率指數水平整體上低于其他時期，尤其是東部地區的省份，近一半省份ML值小于1，生產率處于下行階段。這很大程度上是由于2012年之后我國經濟開始步入新常態，經濟增速放緩，轉而更加注重發展質量，科技服務業的發展也因此受到宏觀經濟環境的影響。2015—2016年除了吉林、廣西等省份的科技服務業全要素生產率顯著提升，其他省份普遍增速放緩或者保持平穩。2017—2018年，全國的科技服務業生產要素水平出現明顯的集體式提升，除新疆以外，其余省份ML值都高于1，說明國家對科技服務行業的全面指導初見成效，技術創新能力不斷進步，產業規模效益逐漸提高。

(2)在樣本期間，超過2/3的省份科技服務業Malmquist生產率值呈波動上升的趨勢，北京、上海、廣東、黑龍江、內蒙古、廣西、貴州、陜西、新疆等九個省份有所下降，而這九個省份均處于我國東部以及西部地區。東部地區部分省份科技服務業ML值下降主要是由于產業發展已經達到一定的規模和水準，相比其他地區來說，提升規模效益以及獲得集聚優勢的難度較高，此外，科技創新對整體效率值提升的效用變弱。而西部地區部分省份科技服務業ML值下降則主要是由于產業粗放式擴張，但未形成良好的規模效應，這需要地方政府采取有效措施來整合資源，促使科技服務業的高效發展。

(3)科技服務業Malmquist生產率值高增速地區逐漸由東部向中部、西部地區擴散。2009—2010年，科技服務業ML值較大的有江蘇、浙江、海南、貴州、新疆等省份，它們主要位于東部和西部地區。而ML值排名靠后的有河南、湖南、青海、寧夏等省份，它們的科技服務業全要素生產率有所下降，這些省份主要位于中部以及西部地區。2011年以來，科技服務業全要素生產率的空間分布發生變化，東部地區的生產率變動逐漸趨于平穩，并且高增速地區逐漸向中、西部地區擴散，如中部地區的河南、山西等省份以及西部地區的重慶、廣西等省份科技服務業ML值明顯增大，這說明中、西部地區省份一方面吸收了東部地區部分省份發展科技服務業的成功經驗，另一方面加大了對科技服務業的投入力度，逐步走上了因地制宜的發展道路。

五、結論與建議

(一)結論

本文通過采用Super-SBM模型以及ML指數動態效率分解測度我國30個省份2009—2018年科技服務業的全要素生產率，全面分析了我國科技服務業發展效率的時空演變與區域間的差異，得到以下結論:

(1)我國科技服務業的整體發展水平很低，年均效率值為0.39，依舊處于初步發展階段。根據加入松弛變量的Super-SBM模型計算得出的2009—2018年各省份及全國整體的科技服務業全要素生產效率值，可以看出大部分的省份生產效率值低于0.5，僅北京、上海、浙江三個省市生產率值較高，但是整體的生產效率是逐年遞增的，尤其是在“十三五”期間，國家對科技服務業的發展實施了更加全面的計劃，行業生產效率開始提速。這說明我國科技服務業靜態生產效率的時序發展與宏觀經濟、政策因素等息息相關。

(2)2009—2018年Malmquist生產率指數整體變化不穩定，但以年均18%左右的速度增長。2011 年以及 2014 年前后均出現波動，2015 年之后逐漸趨于穩定。其中平均技術進步變化和技術效率變化均大于 1，年均增長率分別為15%和2%。從2009年到2016年ML生產率值呈現波動下降的趨勢，主要是受到技術進步變化的影響。而2017—2018年科技服務業技術效率的變化是ML生產率值快速增長的源動力。此外，在研究時段內，30個省份Malmquist全要素生產率值均值大于1，表現出上升態勢，說明科技服務業投入與產出不斷改善，產業結構不斷優化，但我國科技服務業的發展并未有效兼顧技術創新能力與規模效應的同步提升。

(3)東部地區的科技服務業整體發展水平遠高于中部地區及西部地區。2009—2018年，東部地區科技服務業年均靜態全要素生產效率值為0.51，中部地區為0.23，西部地區為0.3。此外，無論是在科技服務業的投入還是產出方面東部地區都大幅度領先其他兩大地區，這充分說明科技服務業的發展受到地區經濟基礎、科研水平及開放性程度等因素的影響(王曉珍，2012)[25]。

(4)當前我國科技服務業區域間差距仍然較大，但有縮小的趨勢，體現在科技服務業Malmquist生產率值高增速地區逐漸由東部向中部、西部地區擴散。尤其是2011年以來，東部地區的生產率變動逐漸趨于平穩，而中部地區如河南、山西等省份以及西部地區如重慶、廣西等省份科技服務業ML值明顯增大。東部地區的科技服務業發展已經達到一定的規模和水準，相比其他地區來說，提升規模效益以及獲得集聚優勢的難度較高，此外，科技創新對整體效率值提升的效用變弱。中、西部地區雖仍處于較為粗放的發展模式，但隨著政府的有效引導，以及資源整合、投入水平的顯著提高，科技服務業的發展環境正得到有效改善。

(二)建議

(1)完善制度環境，強化對科技服務業的重視程度。我國科技服務業起步比較晚，相關的法律法規還有待完善(吳芹和蔣伏心，2020)[26]。通過完善相關政策制度，適當鼓勵、引導科技服務業發展，強化科技創新的重視程度，可以為科技服務業吸引到更多的優勢資源，營造一個良好的發展環境。

(2)加大科技研發投入，鼓勵自主創新，著力攻克技術難題。科技服務業的核心在于通過科技創新來服務社會，而科技創新無疑需要大量的資金、勞動力等投入。面對復雜難測的市場環境，只有加大科技服務業的投入，才會有越來越多的企業敢于自主創新，研發屬于我們自己的核心技術，技術“卡脖子”的難題才能一步一步解決，科技服務業才能為社會帶來越來越專業化、高端化的優質服務(劉東，2015)[27]。

(3)協調區域發展，因地制宜，縮小區域差異。由于地理位置與經濟水平的原始差異，不同地區的科技服務業可以采取不同的發展模式，鼓勵差異化戰略。中西部地區雖然在投入方面存在弱勢，但可以加強投入與產出的效率管理，減少冗雜投入。東部地區則可以利用其地理、人才、經濟資源優勢，加大注重技術創新能力的提升。東、中、西部地區做好產業銜接，發揮各自優勢，逐步實現協調發展(刁伍鈞等，2015)[28]。

(4)適度強化空間聚集，合理利用科技服務業的輻射帶動作用。科技服務業通過不同水平、不同層次的集聚，有利于創新資源的空間外溢，發揮規模效應、產業關聯效應以及知識或技術的溢出效應(祖明和朱建濤，2020)[29]，提升周邊地區的創新效率，促進相鄰地區各類企業的協同發展，促進產業結構升級，有利于地區經濟向高質量方向發展(崔敏和趙增耀，2020)[30]。

(5)通過市場化建設，打通精準服務渠道，提升科技服務業服務客體的能力。科技服務業發展前期需要政府的大力支持，但在形成一定規模后需要離開政府這個“避風港”，以市場選擇為導向，自力更生，培養響應市場多種需求的能力，主動融入市場、服務市場。同時，通過對創新技術的運用、精準客戶群體定位，詳細了解客戶需求水平，提供更加精細化、專業化的服務。