安徽省科技創新效率評價及對策研究
——基于DEA-Tobit模型

荀守奎，程若靜，蘭國輝，李瓏瑩，張梅芳

(安徽理工大學 a.經濟與管理學院;b.金融科技研究所，安徽 淮南 232001)

一、文獻綜述

2019年制定的《長江三角洲區域一體化發展規劃綱要》將長三角地區定義為我國又一個高發展、高開放、高創新的地區，明確其在我國經濟社會發展建設過程中有著戰略性的地位。而安徽省作為長三角地區的重要一環，始終立足創新優勢，堅持科創興皖。安徽省不僅提出要構建長三角地區科技創新共同體，還承擔起了帶領三省一市編制科技創新共同體規劃的重任，旨在全力將長三角區域建設成為全國的創新發展先行地區，并希望以此促進國家的全面綜合發展。可見，安徽省科技創新在長三角地區乃至全國范圍內的作用與地位越來越突出。因此，很有必要對安徽省科技創新問題展開研究。

目前，有關科技創新效率評價的研究有很多。比如陳振等人(2018)運用DEA法測算了2015年河南省各地市的農業科技創新效率[1]；Lin Shoufu等人(2019)采用DEA法對2006—2015年我國七類工業企業的技術創新效率進行了評價[2]；康旺霖等人(2020)運用DEA法對我國2006—2015年海洋科技創新總體效率、科研效率、技術轉化效率及教育效率進行了測度[3]；陳娜等人(2020)將DEA法與SFA法相結合，對我國西部地區高技術產業的創新效率進行評價，并對其影響展開研究[4]；張峰等人(2020)利用SFA法，對2008—2017年全國內地28省市的高技術產業綠色技術創新效率進行了測度[5]；魏廈(2019)利用PCA法對2016年全國各省科技創新競爭力進行測算，再基于此對河北省科技競爭力展開深入研究[6]。

此外，劉釩等人(2017)將PCA法、DEA法和回歸分析中的Tobit模型相結合構建組合模型，對2004—2015年全國和長江經濟帶科技創新效率進行測度及影響因素分析[7]；張璇等人(2018)運用DEA-Tobit模型測算了中國30個省份2004至2014年多種類型的環保投資效率，并深入探討了財政分權對環保投資效率的影響[8]；田紅宇等人(2019)基于政府與市場耦合角度，運用DEA-Tobit模型對1997—2016年中國各省份的科技創新效率進行測度及影響因素分析[9]；王義新等人(2019)同樣運用該模型對中國36個工業細分行業的科技創新效率展開研究，發現不同行業科技創新效率差距顯著，且并非科技創新投入越多效率越高，關鍵在于投入與行業特點要匹配[10]。

綜合上述文獻研究發現，從研究方法來看，主要包括數據包絡分析法(簡稱DEA法)、隨機前沿分析法(簡稱SFA法)、主成分分析法(簡稱PCA法)、DEA-Tobit模型(將DEA模型與Tobit模型相結合)，并且最后一種方法可以對科技創新效率問題進行更全面、深入的研究。從研究對象來看，大多是對中國各省不同領域的科技創新效率值進行測算及對比，僅以安徽省為研究對象，并對其科技創新效率和影響因素同時進行研究的文獻較少。因此，采用DEA-Tobit模型對安徽省科技創新效率及其影響因素進行分析，并基于此提出客觀且具有針對性的對策建議，為提高安徽省科技創新效率提供借鑒意義。

二、安徽省科技創新效率評價實證分析

(一)指標體系的構建及指標的選取

1.指標體系的構建

雖然有關區域科技創新效率的研究眾多，但迄今為止并沒有一套固定的評價指標體系。基于區域科技創新相關理論，借鑒前人研究的成果，根據系統性、動態性、有效性和數據可得性原則，對安徽省科技創新效率評價指標體系進行選取及優化。將科技創新活動分為研發和成果轉化兩個階段，并且分別從投入和產出兩方面選取指標。由于勞動力和資金是投入產出系統中兩大最基本的投入要素，因此，主要基于這兩大要素選取投入指標。產出指標基于科技創新成果數量和科技創新帶來的經濟效益進行選取。最終構建的安徽省科技創新效率評價指標體系包括4個一級指標(2個投入指標和2個產出指標)，13個二級指標(見表1)。

2.指標的選取

以安徽省及其16個地市作為研究對象，根據《安徽省統計年鑒2018—2019》和《安徽省科技統計年鑒2018—2019》，結合上述科技創新效率評價指標體系，選取安徽省及其16個地市的相關數據。但考慮到科技創新活動具有一定的時滯性，因此決定投入指標選取2017年的數據，產出指標選取2018年的數據。

3.研究方法

數據包絡分析法(Data Envelopment Analysis,DEA)是一種用來測量決策單元生產效率的方法，具有以下優勢：①適用投入、產出變量都包含多個指標的模型效率評價問題；②投入、產出值的量綱選取對效率值不會產生影響，無須對數據進行無量綱化處理；③模型可以通過實際數據求得最優權重，無須提前設立權重，避免許多主觀因素影響；④模型假定各種投入和產出變量之間確實存在某種聯系，但不需要給出明確的函數表達式，有效簡化了整個模型，并且使結果更客觀。 文章采用DEA-BCC模型對安徽省科技創新效率進行評價。

表1 科技創新效率評價指標體系

DEA-BCC模型基本形式：

(二)實證分析

運用DEAP2.1軟件對2018年安徽省各個市的科技創新效率進行測算并對其結果進行分析(見表2和圖1)。

(三)結論

通過上述研究可以看出，2018年安徽省及其16個地市的科技創新活動大多屬于高研發—高轉化或者高研發—低轉化狀態，科技創新研發效率平均在0.96左右，科技創新成果轉化效率平均在0.77左右，說明安徽省科技創新總體效率較好。

具體來看：(1)安徽省科技創新研發效率較高，全省總體和12個地市的科技創新研發活動都達到效率最佳狀態，只有4個地市沒有達到效率最佳狀態，但綜合效率值都在0.78及以上。這說明安徽省近年來加大科技研發投入力度、完善科技平臺建設等措施成效顯著。(2)安徽省科技創新成果轉化效率不強，只有6個地市科技成果轉化達到了效率最佳狀態，其余10個地市效率值并不高，其中淮南市的科技成果轉化綜合效率值只有0.138。這說明安徽省科技成果轉化方面具有很大的提升空間。因此，安徽省需要不斷加大力度促進科技創新成果的轉化。

表2 2018年安徽省及其16個地市科技創新投入、產出效率結果

圖1 安徽省及其16個地市兩階段創新效率矩陣

三、安徽省科技創新效率影響因素實證分析

(一)選取指標

從投入角度對科技創新效率的影響因素進行研究，分別選取安徽省科技創新研發階段和成果轉化階段的各投入變量作為解釋變量，選取DEA評價結果的綜合技術效率作為被解釋變量。

(二)提出假設

針對模型，提出相關假設(見表3)。

(三)構建模型

采用Tobit模型對安徽省科技創新效率的影響因素進行分析。主要是因為經過DEA分析得到的效率值具有截斷性，即值均在0到1之間，此時如果用普通的最小二乘法進行回歸分析，會出現偏差或估計量不一致的現象，而運用Tobit模型進行分析，可以有效避免上述問題。

表3 回歸分析的基本假設

Tobit模型最初是James Tobin在分析家庭耐用品的支出情況時提出的一種計量經濟學模型，它的標準回歸模型如下：

(1)

y*=yi,若y*>0

(2)

y*=0,若y*≤0

(3)

基于上述指標體系，建立安徽省科技創新效率影響因素分析的Tobit回歸模型如下。

科技創新研發階段：

Y1=β0+β1X1+β2X2+β3X3+β4X4+β5X5+ε

(4)

科技成果轉化階段：

Y2=β0+β6X6+β7X7+β8X8+β9X9+ε

(5)

Y1和Y2分別為兩個階段的綜合技術效率，X1至X9分別為兩個階段的投入指標，ε為誤差項，β0為常數項。

(四)回歸分析

首先對科技創新研發階段和科技成果轉化階段的投入指標數據運用歸一法進行無量綱化處理，再運用Stata15軟件對安徽省科技創新研發和科技成果轉化兩個階段進行回歸分析。根據回歸分析結果(見表4)，可以得到如下模型。

科技創新研發階段：

Y1=1.43+14.14X1-4.25X2+11.97X3-
2.72X4-5.32X5

(4)

科技成果轉化階段：

Y2=0.95-0.91X6+3.35X7-3.35X8+0.27X9

(5)

(五)結論

科技創新研發階段：R&D人員折合全時當量(X1)、儀器設備購買費用(X3)與科技創新研發效率成正比，說明R&D人員折合全時當量和儀器設備購買費用的投入增多，可以使得科技創新研發的效率提高，這表明假設H1、H3成立；R&D經費內部支出(X2)、技術購買及引進費用(X4)、R&D研發機構數(X5)與科技創新研發效率成反比，即隨著R&D經費內部支出、技術購買及引進費用和R&D研發機構數的投入增多，科技創新研發效率反而下降，這表明假設H2、H4、H5不成立，說明這些指標存在投入冗余現象，可能是因為經費投入主體單一使得經費沒有得到充分合理應用、安徽省科研人員水平較低無法有效使用購買和引進的技術、研發機構管理體制不合理等。

表4 Tobit模型實證分析結果

科技成果轉化階段：專利申請數(X7)、出版科技著作(X9)與科技成果轉化成正比，即專利申請數、出版科技著作投入增多，科技成果轉化效率提高,這表明假設H7、H9成立；技術吸收及改造費用(X6)、發表科技論文數(X8)與科技成果轉化成反比，即隨著技術吸收及改造費用和發表科技論文數增多，科技成果轉化效率反而降低，這表明假設H6、H8不成立，說明技術吸收和改造費用運用不合理，論文數量過多質量卻不高，難以轉化為實際生產、生活所使用。

綜合上述分析結論，本文接下來將對安徽省科技創新效率穩定增長的制約因素進行深入剖析，并提出針對性的對策建議，為提高安徽省科技創新成果轉化以及整體科技創新效率提供借鑒。

四、制約因素與對策建議

(一)制約因素

1.科研成果轉化能力較低

安徽省近年來不斷加大科技創新投入，科技創新平臺建設成效顯著，大多地區科技創新研發活動已經達到效率最佳狀態，但是其科技成果轉化效率并不高，效率值僅有0.57。這可能是因為安徽省近年來投入建設的研發平臺多是從事基礎研究、理論研究的高校和科研院所，這些機構大多將論文專著或科研項目作為研究成果的主要判斷標準，沒有充分重視科研成果的產業化、市場化，并且這些科研機構的研究很少與企業研發、生產活動相結合，最終導致安徽省科技創新成果轉化能力不強。

2.科技創新人才結構不合理

研究發現，相對于其他因素而言，R&D人員數量對科技創新效率有很強的正面影響，可見創新型人才是科技創新發展的一大關鍵要素。雖然安徽省科研人員的數量越來越多，但是，高水平人才增長趨勢緩慢，占比仍較低，導致科技創新缺乏人才動力。因此，人才結構不合理可能是安徽省科技創新研發效率高但科技成果轉化效率低的一大原因。

3.科技投入主體單一

研究發現，安徽省R&D經費內部支出與科技創新存在負相關關系，這與“投入越大產出越大”的一般規律不同。可能是因為安徽省科技發展的經費來源主要是國家和地方政府的財政撥款，企業和社會資金都沒有被充分地吸納，導致安徽省科技創新投入主體單一、結構不合理，最終資金沒有得到有效利用。

4.區域間科技創新效率差距較大

安徽省各地市的科技創新效率分布不均，有些地市科技創新研發和科技成果轉化效率已經達到最佳狀態，比如淮北、蕪湖、宣城、銅陵、池州。但是大部分地市的科技創新效率一般，少部分地市科技創新效率很低，比如淮南市科技成果轉化效率僅有0.138。此外，合肥作為安徽省省會城市，其科技創新投入最多，但科技成果轉化效率并不高，投入冗余現象嚴重。因此，安徽省還需要重點關注科技創新投入在區域間的統籌協調問題。

(二)對策建議

1.不斷提高科技成果轉化效率

安徽省科技創新能力不強的一大障礙就是科技成果轉化效率不高，因此，科技成果轉化問題亟待解決。首先，繼續完善科技創新基地的建設，為科技成果轉化提供支撐平臺。其次，不斷調整優化相關的法律制度，明確科技成果的評判標準、處置權力，以及收益分配等問題，激發科研機構、企業等主體進行科技成果轉化的動力，促進科研機構研發活動和企業研發生產活動相結合，進而有效推動科技研發成果的轉化。

2.構建完善的創新型人才培養體系

任何活動的主體是人，最關鍵的影響因素和根本的動力是高層次的人才。科技創新活動也不例外，其關鍵在于創新型人才的培養。首先，安徽省應繼續完善重點高校和科研機構的建設，為科技創新提供一個良好的人才基礎；其次，加大對學生創新意識的培養，在提高專業技能的基礎上，培養實踐能力、思維發散能力等；最后，制定合理的選拔機制、激勵機制、晉升機制、培訓機制等，在留住內部高水平人才的同時，不斷引進外部創新型人才，建立完善的創新型人才培養體系。

3.不斷建立多元化科技資金投入體系

安徽省應當堅持由政府引導投資方向并投入財政支持資金，在此基礎之上，大力吸引外商投資和社會投資作為科技資金投入的主要來源。同時，不斷加大創新經費的投入，優化經費投入結構，為科技創新提供良好的資金條件；不斷探索不同主體共同出資和運營管理的組織新機制。例如，中央與地方共同出資、不同區域政府共同出資、政府與企業共同出資等多種出資模式、出資比例和運營管理的組織新機制。

4.加強區域間科技創新能力的協調統籌發展

根據各地市科技創新發展現狀以及自身特點，給予不同的科技創新發展定位，并實施相應的措施，以增強其科技創新效率，進而提高安徽省整體科技創新發展能力。對于科技創新效率較高的地市，如蕪湖市，應該繼續執行以往的政策，持續加大投入；對于科技創新效率不足且科技創新投入規模報酬遞增的地市，比如淮南市，應該不斷加大投入，激發其科技創新潛在的效能；對于科技創新效率不強但科技創新投入呈規模報酬遞減的地市，比如合肥市，應該及時對其科技創新發展模式進行調整，尤其要注重對這些地區投入結構和規模進行調整，避免盲目投入，造成資源浪費。