基于三階段DEA-Malmquist指數分析的皖江城市帶創新效率研究

萬創勤 韓玉剛

（安徽師范大學，安徽 蕪湖 241002）

當前，科技進步與創新能力已成為促進一個國家或地區經濟快速發展的決定性因素[1][2][3]。2010年1月，國務院批復《皖江城市帶承接產業轉移示范區規劃》，皖江城市帶，其地跨長江、淮河兩大流域，是長三角區域的重要組成部分。安徽省2008年在省域層面全面啟動創新驅動戰略，從建立“合蕪蚌”自主創新綜合配套改革試驗區，到全國第二個創新型省份試點省，再到成為合肥綜合性國家科學中心，標志著安徽省總體在推動科技創新，促進經濟發展方式轉變方面，已經取得了一定的成效。但通過相關學者將安徽省同其他省份進行橫向比較，發現安徽省與中、東部其他省份間仍舊存在著較大差距，表現為產業科技含量較低，創新環境、科技創新驅動經濟發展的能力、整體創新效率等方面排名均比較靠后[5][6]。且皖江城市帶中除個別城市外，絕大部分城市的經濟增長，仍多依賴單純的生產要素投入，科技創新對經濟增長的貢獻度比較低。基于這一背景，深度剖析皖江城市帶各市創新效率水平、影響因素和變化趨向，針對性地提出提升皖江城市帶創新效率的對策，對于皖江城市帶更好的承接產業轉移、實現創新驅動發展，提升安徽省整體創新水平均具有重要的理論價值和現實意義。

一、文獻回顧

對于區域科技創新效率評價這一問題，是當前國內外學者的研究重點，其數據包絡系列方法是當前學術界運用較廣泛的創新績效測算方法，如學者們采用傳統DEA模型對我國各省市[4][5][6][7]、特定省份[8]、城市群[9][10]等不同尺度的技術創新效率和影響因素進行測算。在此基礎上，Li等[11]、馮志軍等[12]基于改進的兩階段DEA對我國各省及高新技術產業R&D過程進行研究。Guan[13]、Chen[14]、陳瑩文[15]分別運用關聯網絡和改進的兩階段數據包絡法對我國各省高新技術產業及區域創新系統進行了測算分析。自Fried等[16]于2002年提出三階段DEA方法后，近些年來，學者們利用三階段模型對我國高新技術開發區[17][18]、長江經濟帶[19]、京津冀地區[20]的創新效率及其影響因素進行測度與分析。另外，陳偉等[21]利用三階段模型探究上市公司網絡位置與研發效率的關系；金懷玉等[22]基于三階段DEA模型對我國內地30個省市的創新效率進行實證研究。

可以說，國內外學者為創新效率評價方法改進和實踐研究提供了很好的基礎，但是，在已有的采用三階段DEA進行創新效率評價中大多數只測算截面數據，很少與Malmquist指數進行結合分析，無法看出各地區效率隨時間的嬗變趨向。鑒于此，本文選取了皖江城市帶9個地級市2010-2019年10年間的面板數據，從創新鏈角度出發，將技術創新分為技術研發過程和技術轉化過程，運用三階段DEA與Malmquist指數相結合的方法，輔以ArcGIS空間分析，探究皖江城市帶各市的靜態創新效率和動態演變趨勢，剖析了提升創新效率的關鍵因素，為皖江城市帶科技創新發展提供更為精確的評判依據。

二、研究方法

（一）三階段DEA

Fried等[16]于2002年提出三階段DEA方法，將傳統的DEA方法與隨機前沿分析SFA方法進行結合，剔除環境因素和隨機誤差，改進傳統的DEA模型，只考慮管理無效率對各地區技術創新效率的影響，從而可以得到更為精準的測算結果。具體步驟如下：

第一階段：原始數據的投入導向BCC模型。采用投入導向的BCC模型，使用DEAP2.1軟件對投入產出變量的原始數據進行初始效率分析，同時求得投入松弛變量。第二階段：類似SFA處理。使用類似SFA處理方法對第一階段求得的松弛變量進行分析，將環境和隨機誤差的因素剝離掉，得到完全由管理無效率所造成的投入松弛變量，把處于不同環境下決策單元的投入產出調整為處于相同環境下的投入產出。第三階段：調整數據的投入導向BCC模型。把經過第二階段調整的投入產出變量帶入BCC模型分析，重新計算決策單元的投入產出效率，此時的效率只考慮管理無效率的影響，可以更加真實的反映出各地區的技術創新效率。

（二）Malmquist指數

三階段DEA模型可以評價安徽省16個市每年的技術效率、純技術效率、規模效率等，但屬于靜態分析方法，為了更好地反映安徽省16個市創新效率動態發展態勢，故本文結合Malmquist指數模型進行分析。Malmquist指數模型是一種非參數估計方法，用于測度t期到t+1期全要素生產率變化（TFP），可以分解為技術效率變化指數（EFFCH）和技術進步變化指數（TECH）。

Malmquist指數模型構建如下：

當M＞1時，表示全要素生產率從t期到t+1期呈增長狀態；當M=1時，表明呈停滯狀態；當M＜1時，則表明呈下降狀態。

三、指標體系建立與數據處理

（一）指標體系建立

（1）輸入輸出指標

本文創新投入產出指標選取，參考吳傳清等[18][19]學者的指標體系。同時基于創新鏈視角，將技術創新分為創新研發過程和創新轉化過程，如表1所示：

表1皖江城市帶技術創新效率測度投入產出指標體系

技術研發測度方面選取R&D人員全時當量和R&D經費內部支出作為投入指標，專利申請量作為產出指標。技術轉化效率測度方面選取工業企業R&D人員當量和工業企業R&D經費內部支出作為投入指標，新產品銷售收入作為產出指標。

（2）環境指標

參考肖文等[23]成果，從城鎮化水平、政府支持力度、工業化水平、經濟發展水平、勞動力素質水平和對外開放力度六個方面來對影響創新效率的環境進行控制。分別為：（1）城鎮化水平，以郵政業務總量來衡量；（2）政府支持力度，以各地方科學技術政府資金占政府支出的比重衡量；（3）工業化水平，以各地級市全部規模以上工業總產值來衡量；（4）經濟發展水平，以各地級市人均生產總值衡量；（5）勞動力素質水平，以各地級市每十萬人中大專及以上教育水平人口數來衡量；（6）對外開放程度，以實際利用外商投資額占GDP比重來衡量。如表2所示：

表2皖江城市帶技術創新效率測度環境指標體系

（3）數據來源和處理

本文選取的2010-2019年皖江城市帶9市（合肥、滁州、六安、安慶、宣城、馬鞍山、銅陵、池州、蕪湖）的科技創新投入產出及環境變量數據來源于相應年度的《安徽統計年鑒》及《安徽科技統計年鑒》。并對指標數據進行如下處理：參考吳傳清等[19]對技術創新效率的研究，對R&D經費內部支出、工業企業R&D內部支出、新產品消費收入、各市全部規模以上工業總產值以各地級市2010年為基期的消費者物價指數進行平減。參考張鴻等[24]成果，對R&D經費內部支出、工業企業R&D經費內部支出采用國際上通用的永續盤存法進行存量轉化，資本存量的不變折扣率采用15%進行計算。

表3 2010-2017年安徽省技術創新效率環境影響系數表

四、實證分析

（一）第一階段結果分析

第一階段，運用DEAP2.1軟件，通過投入角度的BCC模型對皖江城市帶9市2010-2019年創新研發過程和創新轉化過程的技術效率（crste）、純技術效率（vrste）、規模技術效率（scale）進行分析結果。

皖江城市帶各市的技術轉化效率略高于技術研發效率，但技術研發效率或是技術轉化效率都沒有達到有效狀態。因此，皖江城市帶的9市效率都不高導致安徽省整體效率不高，在純技術效率和規模效率上還有很大的提升空間。

事實上，各地級市在基礎設施水平、經濟水平、產業水平等方面差異顯著。該階段將所有對效率值的影響全部歸結為管理無效，忽視了外部環境和隨機因素的作用，故此結果不再以表格表示，在此不做過多的解釋，接下來進入第二階段分析。

（二）第二階段結果分析

將第一階段測算出的創新研發與創新轉化過程的四個投入變量的松弛變量作為函數的被解釋變量，城鎮化水平、政府支持力度、工業化水平、經濟發展水平、地方勞動力素質水平、對外開放程度作為解釋變量，采用Frontier4.1軟件考察6個環境變量對4個投入松弛變量的影響。若回歸系數為正值時，表示增加該解釋變量將會增加投入松弛量；相反，當回歸系數為負值時，該解釋變量將會減少投入松弛量。計算結果如表3所示。

1.城鎮化水平。回歸結果說明隨著城鎮化水平提高，導致前三項投入冗余，會減少技術轉化過程中的支出松弛。反映在安徽省有些相對基礎設施較好的城市，資源不能得到合理配置，會使科技人員和經費支出冗余增加，這需要進一步使科技資源結構合理化，也有可能是城鎮化水平的改善對區域創新效率的提高具有一定的延遲。

2.政府支持力度。回歸結果為負，說明財政支出對科技創新的支持力度越大，越有利于這4項投入冗余的減少，單靠高校和企業不能達到創新投入最優，政府支持能夠對“市場失靈”起到彌補作用，對創新行為加以合理引導，充分調動創新資源。

3.工業化水平。回歸結果說明工業化水平提高有利于減少研發過程的人員及轉化過程的人員、經費投入的冗余，促進效率改善。工業企業是開展科技創新活動的重要主體，為提高自身競爭力會積極參與技術床下，努力提高投入產出效率，實現利潤最大化，區域工業實力增強會促進技術進步和經濟增長的良性循環。

4.經濟發展水平。回歸結果說明經濟發展水平有利于經費支出冗余的減少，不利于人員投入冗余的減少。說明有些經濟發展水平好的地方產業集聚程度高，資源豐富但沒有得到很好的配置利用，造成浪費。

5.勞動力素質水平。回歸結果說明創新研發過程中，高學歷水平的人員在教育中存在應試情況，沒有充分投入到研究創新中，而高研究技術水平人員通過指導更多的技術轉化工作，創造出新的應用技術。

6.對外開放程度。回歸結果說明地方對外開放程度導致這4項投入冗余。說明安徽省經濟發展落后，政府企業的資金有限，而外商投資雖然帶來了資金但主要以勞動密集型產業為主，對創新效率并沒有提升作用。

（三）第三階段結果分析

在DEA分析的第三階段，通過運用DEAP2.1軟件，采用和第一階段相同的處理方法，利用調整后的投入數據和原產出數據，重新計算。結果如表4、5，結合圖1-4可以更直觀的看出安徽省16市的創新效率的空間特征。

綜合表4、5和圖1-4，可以得出：整體來看，在剔除環境因素和隨機干擾后，多個市的創新效率發生了較大變動，大多數市第一階段沒有剔除外部因素的影響下的技術效率及規模效率出現了虛高的情況，說明環境因素和隨機干擾對皖江城市帶各市創新效率影響很大，需要對投入變量進行調整，剔除外部因素后的效率才能更加客觀地反映皖江城市帶的創新情況。創新轉化效率低于創新研發效率，這主要源于皖江城市帶的技術產業市場化薄弱，交易市場不夠健全，市場環境活躍度不夠。皖江城市帶整體創新效率都不高，只有合肥、滁州、蕪湖兩個過程的創新效率相對較高，基本實現效用最大化，創新效率提升空間還很大。

表4 2010-2019年皖江城市帶第三階段技術創新研發效率

表5 2010-2019年皖江城市帶第三階段技術創新轉化效率

圖1皖江城市帶9市技術研發過程前期（2010-2014年）創新效率均值

圖2皖江城市帶市技術研發過程后期（2015-2019年）創新效率均值

圖3皖江城市帶16市技術轉化過程前期（2010-2014年）創新效率均值

圖4皖江城市帶16市技術轉化過程后期（2015-2019年）創新效率均值

從創新研發過程來看，除了蕪湖基本一直處于有效狀態，各市后期的技術效率和規模效率要明顯高于前期，各市純技術效率都相對高于規模效率。說明技術水平和管理水平都很高，技術研發工作得到重視并穩步推進。2019年合肥、滁州規模效率處于高位水平，說明技術研發過程中資源得到了較充分的利用，需要繼續提高資源配置的有效性。其它市的規模效率都沒有達到有效狀態，但在發展過程中，通過優化資源配置，規模效率得到了提升，投入產出結構不斷合理。技術效率最低的三個地級市（安慶、宣城、銅陵）都出現在皖南一帶，說明皖南一帶地區還沒有開始重視技術研發對于提高區域經濟的重要性，再加上技術研發過程中存在一些阻礙，如沒有找到創新著力點、未能發揮自身研發優勢、創新技術發展起步較晚、創新投入少且投入的創新資源浪費嚴重等問題，需要政府和企業共同努力提高研發效率，帶動經濟發展。

從創新轉化過程來看，馬鞍山的創新效率出現了下降，下降的主要原因是規模效率的下降所致，說明滁州臨近南京，雖然經濟較活躍，具有良好的技術創新環境，但隨著創新資源的投入加大，在后期存在了資源浪費和閑置現象，可以抓住合作發展機遇，引進先進技術，加強產業投入，只是技術消化吸收到轉化需要一個過程；而蕪湖的純技術效率有所下降，說明存在和合肥、六安一樣的問題，要抓住政府政策和市場機遇，穩步提高市場化水平。其他地級市轉化效率都有著不同程度的提升，說明各市的技術創新市場在不斷完善。大部分城市的規模效率低于純技術效率，普遍存在創新資源配置不合理，在增加投入的同時要優化投入要素，避免投入冗余。

（四）Malmquist指數及其分解

上述的三階段DEA模型，對皖江城市帶創新效率的研究，基本處于靜態的比較，為了進一步研究創新效率的動態變化，本文引入Malmquist指數，深入分析全要素生產率的變動是由技術進步還是由技術效率的變動引起的。利用DEAP2.1軟件將剔除了外部因素的各投入變量和初始產出變量代入Malmquist模型進行計算，測算的結果更加符合實際情況。

2010-2019年皖江城市帶9市創新研發過程、轉化過程的全要素生產率指數分別為1.165、1.162，年均增長都超過百分之十五，創新研發過程主要是由技術效率主導的，創新轉化過程主要由技術進步效率主導的，兩過程的技術效率變化指數均值分別為1.147和1.071，技術進步變化指數均值分別為1.027、1.085，說明皖江城市群創新能力都在增強。但是，通過觀察可以看出皖江城市群技術研發過程的全要素生產率指數在波動下滑，2015-2016年、2018-2019年下滑至小于1的水平；同樣，技術轉化過程各年的全要素生產率指數忽高忽低、上下波動。意味著總體上皖江城市帶技術創新處于增長態勢，但是未能持續發力和穩步提升。另外各市的創新發展水平不平衡，存在一定的地域差異。

從創新研發過程來看，前期的全要素生產率指數明顯高于后期。其中池州、六安的增長幅度最大，這與它們的創新效率低有著直接關系，處于低位水平的地區提升空間就很大，只要適當增加創新要素投入就可以很大程度上提高創新效率。從創新轉化過程來看，2010-2012年為增速最快時期，2012年后，增速明顯減緩，但到了2016年，全要素生產率指數又開始變大。這些都說明皖江城市帶的創新驅動發展在政府的引導下，取得了一定進步，但沒有持續發力，未能一直保持良好的增長態勢，增速忽高忽低。且創新研發過程的純技術效率變化指數均值小于1，說明整體純技術效率處于下滑趨勢，技術研發存在一定障礙，創新環境尚需進一步改善。

五、結論和啟示

（一）結論

本文基于創新鏈視角，將技術創新分為創新研發和創新轉化過程，合理選取投入產出指標，利用三階段DEA和Malmquist指數相結合的方法，從靜態、動態兩個方面深入分析皖江城市帶9個地級市的創新效率并進行對比評價。主要貢獻如下：相較于全國層面的研究，更具有針對性；將創新過程分為創新研發過程和創新轉化過程，分別測度其效率進行比較分析，更加細化；從靜態和動態兩個層面探討各地級市的創新效率及其演變特征，更加全面；剔除環境變量影響再進行創新效率測量，更加精準。結果顯示：

其一，皖江城市帶整體創新效率不高，創新轉化效率低于創新研發效率，技術創新成果轉化不足，創新效率發展不均衡，其中只有合肥、滁州、蕪湖的兩個過程的創新效率一直處于較高水平，基本實現效用最大化。

其二，2010-2019年安徽省技術創新效率整體水平是上升的，技術效率和技術進步是全要素生產率提高的關鍵。而且創新提升有著明顯的地域差異和時間分段，六安、池州的全要素生產率指數較高，前期的全要素生產率指數高于后期。

其三，在第二階段實證分析中發現，不同因素對創新過程的影響是不同的，政府支持力度、工業化水平、經濟發展水平能夠提高利于減少研發投入冗余，能夠促進創新研發效率；政府支持力度、工業化水平、勞動力素質有利于減少轉化投入，能夠促進創新轉化效率；而現階段的城市化水平和對外開放程度不利于整體創新效率的提升。

（二）啟示

基于以上實證分析的結論，為了能夠提高安徽省創新效率，實現皖江城市帶創新發展、促進產業轉移目標，從以下幾個發面提出實踐性建議：

首先，加速高質量基礎平臺建設，充分引導區域技術創新因素有效流動。研究結果顯示：皖江城市帶各地級市的創新效率雖然都處于上升趨勢，但效率水平低下且差異顯著，區域創新因素不平衡不充分問題突出，區域創新要素實現高效流動是解決這種突出問題的突破口。政府發揮好導向作用，圍繞創新驅動發展戰略，抓住中部崛起計劃、皖江城市帶建設這一機遇，與企業、高校要加強合作，尤其是安徽的皖南一帶地區更要重視科技創新對經濟發展的推動作用。持續加強科技投入同時要提高配置效率，避免創新資源閑置和浪費。

其次，針對性制定效率提升策略，最大限度地發揮創新資源效用。各地區可以因地制宜，制定切實可行的戰略，穩步提升創新效率。創新效率較低的地區可以彌補短板，根據各因素影響效果的差異性，尋找突破路徑，充分發揮創新資源的邊際效用。例如，皖南一帶各地區繼續加大研發投入，提高純技術創新效率；優化投入產出結構，提升自身規模效率；改善自身的創新環境，吸引更多的高技術龍頭企業，縮小與合肥、蕪湖等城市的差距。創新效率較高的地區可以精益求精，促進高技術產業均衡發展。例如，滁州、蕪湖等可以深化產學研結合，加強與其它地區合作交流，確保高技術產業創新發展的穩定性；合肥可以出臺相關政策，加快完善高技術產業市場體系，從而提高技術轉化效率。

最后，加快高技術創新成果轉化，促進皖江城市帶各地創新協調高質量發展。各市政府應進一步健全技術轉化保障機制，建立技術轉移機構，促進技術研發和市場需求互動與對接；激發企業主體創新意識，充分發揮其積極性和主動性，加強產學研機構合作，實現技術研發和技術轉化協同發展。加強技術創新市場監管，充分利用市場化的力量提升區域技術水平和協同創新效率，推動技術創新成果轉化，探索多主體知識產權共贏機制。