中國創新型產業集群投入產出效率動態演進及區域差異
——基于省際面板數據的分析

王 歡，張 玲

(1.山西財經大學 工商管理學院；2.山西財經大學 管理科學與工程學院，山西 太原 030006)

0 引言

創新型產業集群是以創新型企業和人才為主體，以知識或技術密集型產業為主導，由產業鏈關聯企業、科研與中介服務機構等在特定區域集聚形成的產業組織形態。作為突破傳統產業集群低端鎖定、促進產業升級的政策嘗試，創新型產業集群可為區域內高技術企業提供優良的生存基地，為研發機構產品提供重要應用市場，通過整合區域內各種創新要素，有力支撐區域創新體系[1]。近年來，我國科技創新能力不斷提升，從源頭創新到產業落地，加快培育創新型產業集群成為關鍵發力點。

自2013年科技部正式啟動創新型產業集群試點工作以來，各地高度重視集群建設工作，在政策指引和現實需求雙重推動下，集群建設取得顯著成效。截至2020年，設立創新型產業集群的省域已從最初的9個上升至28個，創新型產業集群從最初的10個試點單位增至109個試點與培育單位。然而，當前我國各地區創新型產業集群發展存在良莠不齊的現象，雖然少數集群已躋身全球創新集群百強行列，但大部分集群生產效率較低，有的甚至面臨生存問題。此外，隨著創新型產業集群規模逐漸壯大，不同地區創新型產業集群在要素投入數量和質量上存在較大差異，資源配置不均衡問題愈發阻礙區域間創新型產業集群協調發展。例如，2020年廣東省創新型產業集群擁有高新技術企業2 338家，科技活動人員241 004人，而云南省創新型產業集群擁有高新技術企業37家，科技活動人員2 361人，分別僅占廣東的1.6%和0.98%。上述問題不僅制約了中國創新型產業集群整體高質量發展，也阻礙了區域創新能力和產業競爭力提升。

無論對于國家整體還是各地區而言，客觀測度其創新型產業集群投入產出效率，有助于制定合理的集群升級政策，從而更高效地利用有限資源實現更多產出。這對于保障各地區優勢產業可持續發展、提升國際競爭力也具有重要實踐意義。當前，部分地區正加快創新型產業集群布局，期望搶占發展先機。然而，目前國內創新型產業集群投入產出效率的空間分布特征與時序演變規律尚不明晰，仍無法實現對其發展走向的精準把控。

為此，本研究基于2014—2019年中國內地28個省域創新型產業集群投入產出數據，運用三階段DEA方法測度中國創新型產業集群投入產出效率，分別運用變異系數與靜態面板模型檢驗其σ收斂和β收斂特征，進而揭示東部、中部、西部、東北地區創新型產業集群投入產出效率的動態演進趨勢及區域差異。本研究豐富了產業集群投入產出效率評價的文獻，實踐上有助于管理部門從整體上研判中國創新型產業集群投入產出效率基本狀況與發展態勢，識別區域間效率差異及其深層次原因，為下一步以整體效率提升為目標的政策制定提供參考。

1 文獻回顧

創新型產業集群投入產出效率是指集群各種投入與產出的比例關系，關注的是以人力、資金、配套設施等資源投入獲得的經濟效益、創新效益和社會效益等產出。國外較早關注創新型產業集群投入產出效率相關研究，研究方法主要包括以隨機前沿分析(SFA)為代表的參數估計法[2]、以數據包絡分析(DEA)為代表的非參數估計法[3-4]以及基于熵理論構建的耦合模型評價法[5]。相較于國外，我國創新型產業集群建設起步較晚，到2015年才有相關數據公開發布，因而國內關于創新型產業集群投入產出效率的研究較為有限，少有的研究也是偏向于單一年份截面數據的靜態分析，未能反映中國創新型產業集群投入產出效率的動態演進特征。

中國創新型產業集群大多以高新區為建設載體，二者有諸多相似特點。因此，對創新型產業集群的效率評價可以參照成果更為豐富的高新區、高技術產業或區域創新效率的研究思路及方法。如余珮和程陽[6]基于創新價值鏈理論，采用因子分析定權法測算中國115個國家高新區創新效率；劉滿風和李圣宏[7]運用三階段DEA模型對2012年中國高新區創新效率進行分析；吳傳清等[8]基于長江經濟帶11個省市的面板數據，運用 DEA-Malmquist 指數法測度長江經濟帶高技術產業發展效率及其隨時間演化的規律；孫振清等[9]采用三階DEA方法，測算2005—2018年中國東部沿海四大城市群協同創新效率并分析其時空演變特征；葉堂林等[10]基于超效率 BCC模型, 對2010—2018年京津冀、長三角和珠三角三大城市群各城市及城市群整體創新效率進行測度；呂承超等[11]采用非徑向SBM-DEA 模型，基于1995—2015年中國內地30個省域面板數據，測度各省域綠色創新效率，并分析全國以及東、中、西部地區綠色創新效率的時空演進規律。上述成果為本文創新型產業集群投入產出效率測度提供了啟示。

投入產出效率差距分析是經濟規律研究的一個重要議題。學者們在關注投入產出效率測算的基礎上，還重點研究效率差異的空間分布格局，以明確效率演化的均衡性特征。目前關于效率差距的研究一般通過收斂性檢驗實現，主要方法有σ收斂法和β收斂法[12]。σ收斂用于檢驗各單元效率的離散程度是否隨時間變化不斷降低，一般用σ系數、標準差和變異系數衡量[13]；β收斂則用于檢驗各單元效率收斂于相同水平或各自穩態的趨勢[14]。例如，葉堂林等[10]在測算城市群創新的基礎上，進一步利用變異系數考察城市群內部創新效率差距；范德成和李盛楠[15]通過計算σ系數考察中國各區域高技術產業技術創新效率差異特征；馬玉林和馬運鵬[16]運用變異系數與靜態面板模型分別檢驗中國省域科技資源配置效率的σ收斂和β收斂特征，揭示中國科技資源配置效率差異的演變趨勢；滕澤偉等[17]對中國服務業碳生產率進行收斂性檢驗后發現，中國服務業碳生產率并未表現出顯著的α收斂，但β收斂模型表明中國服務業分行業間的碳生產率總體差異正在逐步縮小。然而，在現有文獻中，尚未發現基于創新型產業集群收斂性的研究。

從現有文獻看，目前國內外關于創新型產業集群投入產出效率的研究存在幾點不足：一是測度與評價方法過于單一；二是未深入分析效率的區域差異及其原因；三是未對效率差異的收斂性機制進行研究。與以往研究相比，本文可能的貢獻在于：首先，運用三階段DEA方法，采用面板數據，將環境效應和隨機干擾因素納入評價模型，在科學測度中國創新型產業集群投入產出效率的基礎上，揭示其在時間維度上的變化特征；其次，從全國、區域及省域等多個層面剖析中國創新型產業集群投入產出效率演化趨勢，并深入分析造成區域差異的原因；最后，論證全國及各區域創新型產業集群投入產出效率差異的α收斂和β收斂特性，揭示效率差異的演變規律，為進一步研究奠定基礎。

2 評價指標體系構建與研究方法

2.1 中國創新型產業集群投入產出效率評價指標體系

2.1.1 投入產出指標選取

創新型產業集群是一個多要素投入、多產出的動態復雜系統，構建科學的評價指標體系是準確評價投入產出效率的前提。本研究在遵循系統性和科學性的前提下，既結合現有研究成果，也充分考慮我國創新型產業集群發展實際情況及數據可得性，構建中國創新型產業集群投入產出效率評價指標體系。

在投入指標方面，參照余珮等[6]對國家高新區創新效率的測算，選取人力資源投入、資金投入和物質設施投入作為投入指標。人力資源是指創新型產業集群生產運營過程中的各類人員投入，采用創新型產業集群從業人員數衡量。創新型產業集群資金投入的核算較為復雜，考慮到科技創新是集群的主要活動，以各省創新型產業集群科技活動經費支出作為資金投入的衡量指標。鑒于2014—2017年科技活動經費支出數據缺失，本文用地區研發強度近似代替集群研發強度，以集群營業收入乘以地區研發強度計算得出的研發投入作為集群科技活動經費支出的替代指標，結合科技創新的連續性特征，采用永續盤存法對科技活動經費支出進行存量化處理[18]。創新型產業集群發展離不開物質設施投入的支撐，考慮到創新型產業集群是由產業鏈關聯企業和各類機構在特定區域集聚而成，研發和服務等機構是驅動產業集群高效率運轉的重要保證，本文以集群區域內機構數作為物質設施投入的衡量指標[6]。

在產出指標方面，從經濟收益、創新成果和社會產出3個方面進行考察。經濟收益反映集群將科技創新成果轉化為經濟價值的能力，選取凈利潤作為集群經濟收益的測度指標[19]；創新成果是集群創新能力的直接體現，專利是國際上通用的創新成果測量指標，考慮專利申請并不一定全部通過審查，因而以發明專利授權量測度集群創新產出[18]；社會產出反映創新型產業集群建設對所在區域社會各方面的積極影響，參考劉志春[20]的研究，以集群上繳稅費額測度。

2.1.2 外部環境指標選取

環境變量的選取應滿足“分離假設”[21]，即環境變量是指對集群效率產生影響但不在樣本主觀可控制范圍內的因素。考慮到創新型產業集群的發展特點，結合已有文獻[7]，本文主要從以下4個方面提出影響各地區創新型產業集群效率的環境變量：

(1)地區經濟發展水平(ECO)。 良好的經濟發展環境能夠為創新型產業集群建設提供雄厚的資金支持和豐富的物質設備投入，從而有利于集群創新活動的有效開展。此外，地區經濟發展水平正向促進科技人才集聚，經濟越發達的地區，越有利于吸引高水平人才入駐集群，促進產業集群從要素驅動向創新驅動轉變。基于此，本文選取各地區人均GDP對地區經濟發展水平加以控制，并按照人均GDP平減指數將其平減為2014年不變價。

(2)地區對外開放水平(FOR)。地區開放程度越高，越有利于外部先進技術向本地溢出，幫助本地集群企業吸引更多外部R&D投資。此外，高度開放的環境可以促進創新型產業集群內各種生產要素自由流動和優化配置，從而提高集群運營績效。因此，本文選取外商投資企業注冊資本衡量地區對外開放水平[16]，在實際運算過程中，利用當年實際匯率換算成人民幣。

(3)地區基礎設施建設水平(INF)。良好的基礎設施可以為創新型產業集群提供完善的配套服務，有效促進信息與技術共享，降低創新主體的生產和交易成本，從而有利于集群創新活動的開展。創新型產業集群往往需要進行大量信息和知識交流，這對支撐信息和知識傳輸的通訊基礎設施提出了較高要求。鑒于此，本文采用各地區通訊基礎設施中的長途光纜線路長度衡量地區基礎設施建設水平[18]。

(4)地區科技支持強度(GOV)?？萍夹椭行∑髽I是我國創新型產業集群的主力軍，而科技創新具有外部性強、投資大、風險高等特征，導致大量科技型中小企業面臨較為嚴重的融資約束。政府對科技創新的資金支持，可以緩解中小企業融資約束，激發集群企業創新活力，促進集群創新產出?；诖耍疚牟捎酶鞯貐^R&D經費內部支出中政府資金占比作為表征政府對科技支持程度的替代指標[22]。

2.1.3 數據來源

科技部火炬高技術產業開發中心自2015年開始對中國創新型產業集群相關數據進行統計，并通過《中國火炬統計年鑒》向社會發布。本文創新型產業集群投入產出指標數據均來源于《中國火炬統計年鑒》(2015—2020年)，環境變量中的人均GDP、外商投資企業注冊資本和長途光纜線路長度數據來源于《中國統計年鑒》(2015—2020年)，各地區R&D經費內部支出數據來源于《中國科技統計年鑒》(2015—2020年)。

2.2 研究方法

2.2.1 創新型產業集群投入產出效率測度方法

本文旨在研究中國創新型產業集群投入產出效率問題，由于中國創新型產業集群主要設立在地級市，為便于研究，本文參照田穎[1]的做法，將地級市層面的創新型產業集群加總到省級層面。也就是說，本文決策單元是中國內地28個省域(海南、西藏、寧夏尚未設立創新型產業集群)。匯總每個省域創新型產業集群投入產出指標，最終構建28個決策單元(DMU)的平衡面板數據，在實證方法上，采用混合DEA分析得到每個省域創新型產業集群投入產出效率值，從而使各省域效率值能夠在時間維度上進行縱向比較分析[23]。DMU效率不僅受內生因素影響，而且也會受外生因素影響，而傳統DEA模型并沒有將自身不可控因素對效率的影響考慮在內，導致測算結果有所偏差[24]。為剝離環境等不可控因素對生產效率的影響，Fried等[25]提出三階段DEA方法，其特點是將各DMU的外部環境調整為相同水平后再進行效率測度，從而更加準確、真實地反映DMU效率水平。為得到更為準確的效率值，本文采用三階段DEA模型進行效率測算。根據經驗法則，在使用DEA模型時，DMU的數量至少是投入與產出指標數量之和的兩倍，本文投入與產出指標數量之和是6，符合 DEA模型對指標數量的要求。

第一階段：傳統DEA分析?？紤]到創新型產業集群投入產出系統的特點，投入變量比較容易控制，而對產出變量的把控較為困難。因此，本文選用投入導向的BCC模型測算各DMU相對有效生產前沿面的初始效率水平，該模型可以將每個DMU的投入產出效率(TE)分解為純技術效率(PE)和規模效率(SE)。TE反映DMU在既定投入下實現最大產出的能力，PE反映DMU在管理水平和技術水平影響下的生產效率，SE反映決策單元在生產規模經濟性影響下的生產效率，三者之間的關系為TE=PE· SE[7]。假設有n個DMU，且每個DMU有m種類型的輸入和s種類型的輸出,用xmj表示第j個DMU的第m項輸入，ysj表示第j個DMU的第s項輸出，則所有DMU的輸入、輸出向量可以表示為：

(1)

根據Charnes&Cooper[26]的研究，構造投入產出效率測度模型。

Min[θ-ε(e-TS-+e+TS+)]=VD

(2)

第二階段：SFA分析。借鑒Fried等[25]的研究，以環境變量作為解釋變量，以第一階段投入松弛值為被解釋變量，構建SFA回歸方程，對投入松弛變量進行分解。

Sti=f(Zi;βt)+vti+μti(i=1,2,…,m;t=1,2,…,n)

(3)

利用Fronter 4.1軟件計算出βt、σ2v、σ2u的估計值，再根據Jondrow等[27]提出的方法對vti、μti進行估計，最后，根據估計結果對所有DMU的投入變量進行調整。

(4)

第三階段：調整后的DEA分析。將初始產出數據和調整后的投入數據再次帶入第一階段DEA分析中的BCC模型，重新計算各DMU的效率值。此時的效率即為過濾掉外部因素影響的效率值。

2.2.2 時空收斂性研究方法

基于經濟收斂理論，本文主要從σ收斂和β收斂兩個層面檢驗中國創新型產業集群投入產出效率的收斂性。

(1)σ收斂檢驗方法。σ收斂是對收斂概念的直觀解讀，可理解為不同區域創新型產業集群投入產出效率的離散程度隨時間推移呈現持續下降的過程。參照滕澤偉[17]的做法，本文采用變異系數檢驗σ收斂特征。

(5)

(2)β收斂檢驗方法。β收斂描述的是隨著時間推移，不同期初效率水平的地區終將形成共同穩態水平。也就是說，創新型產業集群投入產出效率落后地區通過較快的增速會逐步趕上發達地區，達到與發達地區相近的效率水平。由于應用前提條件不同，β收斂分為絕對β 收斂和條件β收斂。其中，絕對β收斂是指不考慮各地區資源稟賦條件差異的影響，地區間創新型產業集群投入產出效率發展變化呈收斂趨勢；條件β收斂則是考慮對收斂有影響的地區因素后，地區間也呈現收斂現象。借鑒馬玉林[16]的研究，構建絕對β收斂計量模型。

ln(Ei,t+1/Eit)=α+βlnEit+μi+?i+εit

(6)

其中，i表示地區，t表示時期，Ei,t+1表示i地區在t+1時期的創新型產業集群投入產出效率，Eit表示i地區在t時期的創新型產業集群投入產出效率；ln(Ei,t+1/Eit)表示i地區在t～t+1時期的年增長率，α為常數項。β為待估計系數，若β<0且通過顯著性水平檢驗，則表明創新型產業集群投入產出效率初始值與其增長率之間呈負相關關系，即存在收斂現象，收斂速度可以表示為v=ln(1+β)/T，T表示時期數，反之，則表明存在發散現象。μi、?i分別表示地區效應與時間效應，εit為隨機擾動項。

為提高創新型產業集群投入產出效率區域差異演變趨勢預測的精確性，構建條件β收斂模型，即在絕對β收斂模型中加入一些對收斂有較大影響的控制變量，包括區域經濟發展水平、地區開放程度、基礎設施建設水平和政府科技支持。

(7)

其中，Control表示控制變量，j表示第j個控制變量，γ為控制變量的待估參數，n為控制變量個數，其它變量含義與式(6)相同。

3 中國創新型產業集群投入產出效率測度及時序演變特征分析

選取2014—2019年中國內地28個省域投入產出數據構建最佳生產前沿，采用三階段數據包絡分析法測算各省域創新型產業集群投入產出的靜態常規效率值。為方便比較，本文將整理后的第一和第三階段6年效率均值置于表1。

由表1可知，與第一階段相比，第三階段投入產出效率均值由0.734下降至0.700，純技術效率由0.836上升至0.848，規模效率由0.880下降至0.816。與第一階段的規模效率起主導作用不同，第三階段凸顯出技術因素對創新型產業集群效率的貢獻更大。這表明在剔除外部環境和隨機誤差因素的影響后，各地創新型產業集群主要是在管理與技術要素驅動下實現發展，而并非簡單依賴規模經濟模式，這也符合中國培育創新型產業集群的預期目標。

由兩階段的年均投入產出效率曲線(見圖1)可知，第一階段效率均值普遍高于第三階段，說明環境因素影響下的效率值偏高。為更真切地表征研究對象的真實效率水平，有必要采用三階段DEA方法，計算第三階段效率值，分別從全國及區域層面對中國創新型產業集群投入產出效率的時序演變特征進行分析。

表1 第一階段與第三階段效率測算結果Tab.1 Efficiency measurement results of the first and the third stage

圖1 全樣本年均投入產出效率趨勢Fig.1 Evolution trend of annual average input-output efficiency of the whole sample

3.1 全國層面分析

2014—2019年，中國創新型產業集群投入產出效率由0.62上升至0.72，其中，純技術效率與規模效率分別在0.78～0.89、0.79～0.85之間波動。繪制中國創新型產業集群投入產出效率均值演變趨勢圖(見圖2)。整體看，2014—2019年中國創新型產業集群投入產出效率、純技術效率和規模效率均呈波動上升趨勢，且大多數年份的純技術效率值大于規模效率值，說明技術要素在我國創新型產業集群投入產出效率提升中起主要支撐作用，是創新型產業集群發展的核心力量。

繪制2014—2019年中國創新型產業集群投入產出效率水平占比圖(見圖3)。可以發現，投入產出效率在0.6以上的省域占比由2014年的46.43%上升至2019年的64.28%，更重要地，DEA有效省域占比也由2014年的28.57%提高至2019年的35.71 %。可見，中國創新型產業集群整體發展態勢較好，更多省域向高效率演進。盡管如此，在考察期內，全國僅32.14%的省域實現DEA有效，表明國內創新型產業集群投入產出效率還有較大提升空間。

3.2 區域層面分析

為分析各區域創新型產業集群投入產出效率的時序變化特征，繪制四大區域投入產出效率均值演變趨勢圖(見圖4)和省域分布圖(見圖5)。由圖可知，東部地區投入產出效率明顯高于全國及其它三大區域，表現出波動上升趨勢，大部分省域的6年效率均值高于全國平均水平，北京、上海和廣東實現了6年DEA有效，山東、福建和浙江的效率均值也都在0.8以上。從投入產出效率分解結果看，東部地區純技術效率略高于全國平均水平，與中西部差異不大，其規模效率領先于其它區域，尤其是與西部的差距較為明顯，并且這種差距沒有縮小的趨勢。整體而言，東部地區創新型產業集群發展在全國處于領先水平。中部地區投入產出效率曲線在全國平均線上下浮動，與東部地區有一定差距。除江西外，其它省域的6年投入產出效率值都在全國平均水平之上，但沒有省域達到6年DEA有效，僅山西、湖北和湖南實現個別年份DEA有效。從投入產出效率分解結果看，中部地區純技術效率和規模效率基本與全國平均水平持平。整體上，中部地區創新型產業集群發展在全國處于一般水平。東北地區投入產出效率上升幅度較大(由2014年的0.35上升至2019年的0.82)，但整體效率水平仍不高，直到2019年才首次超過全國平均水平，東北三省的6年效率均值都在全國平均水平以下。從投入產出效率分解結果看，東北地區純技術效率波動較大(由2014年的0.49上升至2019年的0.84)，雖然上升趨勢較為明顯，但歷年純技術效率仍低于全國平均水平，其規模效率波動相對較小，且與全國平均水平差距不大。因此，較低的技術效率是制約東北地區創新型產業集群投入產出效率提升的主因。西部地區投入產出效率遠低于全國平均水平，其效率值波動幅度不大，且近年來呈明顯下降趨勢，大部分省域的6年效率均值低于全國平均水平，甚至出現一些效率非常低的省域，如貴州、甘肅、新疆的6年效率均值都在0.3以下。從投入產出效率分解結果看，西部地區純技術效率與東、中部差距不大，但其規模效率較低，且顯著低于全國平均水平。這表明較低的規模效率成為制約西部地區創新型產業集群投入產出效率提升的主因。

圖2 創新型產業集群效率演變趨勢 圖3 創新型產業集群投入產出效率水平占比Fig.2 Evolution trend of the efficiency of Fig.3 Proportion of input-output innovative industrial clusters efficiency level of innovative industrial clusters

基于以上分析，可以發現，中國創新型產業集群投入產出效率存在顯著的區域差異，整體表現出東部>中部(與全國平均水平相當)>東北>西部的發展格局，在空間上呈現出由東向西遞減的梯度分布特征。

圖4 區域創新型產業集群投入產出效率、純技術效率與規模效率演變趨勢Fig.4 Evolution trend of input-output efficiency, pure technical efficiency and scale efficiency of regional innovative industrial clusters

圖5 省域創新型產業集群投入產出效率均值分布Fig.5 Mean distribution of input-output efficiency of provincial innovative industrial clusters

進一步分析中國創新型產業集群投入產出效率呈現上述時序特征可能的原因。首先，依托區位優勢，東部地區較早形成了產業集聚區，積累了豐富的集群發展經驗，具備較強的集群管理和集群資源配置能力。同時，優越的政策環境使東部地區在創新型產業集群建設中吸引了大批科技人才和科技型企業，提高了集群要素投入質量和科技成果轉化能力。因此，東部地區創新型產業集群在純技術效率和規模效率方面領先，確保其投入產出效率始終保持在較高水平。近年來，中部地區雖然不斷完善創新平臺和創新環境，但在政策體系方面缺少有效的激勵措施，對先進技術、高水平人才等高質量創新要素的吸引力不強，導致其在創新型產業集群建設過程中的要素投入數量和質量落后于東部地區，造成中部地區創新型產業集群效率表現一般，難以突破發展瓶頸。東北地區創新型產業集群發展主要受制于技術因素，雖然在“十三五”時期，東北地區發力調整產業結構，技術能力得到一定程度提升，但創新發展動力尚未完全得到激發，技術創新的主動性和能動性依然不夠。西部地區經濟實力落后，高技術產業基礎薄弱，再加上市場資源及國家政策資源投入不足，支撐創新型產業集群發展的技術、人才、配套設施等要素資源極度匱乏，導致難以實現規?；l展。

4 中國創新型產業集群投入產出效率差異分析

前文分析表明，中國創新型產業集群投入產出效率在區域間、省域間存在明顯差異。但要動態、全面反映效率差異的演進軌跡及趨勢特征，還需要進一步揭示其空間收斂特征。為此，本文基于經濟收斂理論，運用變異系數和靜態面板數據分別檢驗中國創新型產業集群投入產出效率的σ收斂性和β收斂性。

4.1 創新型產業集群投入產出效率的σ收斂檢驗與結果分析

圖6為考察期內創新型產業集群投入產出效率變異系數的動態變化趨勢?？梢园l現，全國層面的變異系數呈現出一定波動下降態勢，2019年相較于2014年下降了0.11，下降幅度為21.6%，年均下降率為4.3%。具體到四大區域層面，各區域變異系數演變趨勢表現各異。其中，東部地區變異系數由2014的0.34下降到2019的0.22，下降幅度達37%，年均下降率為7.4%，大體呈“降—升—降”的變化趨勢，雖然個別年份出現短暫上升，但整體呈下降趨勢。中部地區變異系數由2014的0.51下降到2019的0.35，下降幅度為30.3%，年均下降率為6.1%，其中2014—2018年降幅較大，盡管2019年有所回升，但考察期內整體還是以下降為主。東北地區變異系數大體呈現“升—將—升”的變化過程，其中2016—2019年穩步上升，考察期內未表現出明顯下降趨勢。西部地區同樣未出現隨時間推移呈現顯著下降的趨勢，而是表現為有升有降的震蕩過程，近年來還出現逐漸發散的趨勢。由此可見，全國及東、中部地區創新型產業集群投入產出效率存在σ收斂，而東北和西部地區并未出現顯著的σ收斂。

圖6 創新型產業集群投入產出效率變異系數變化趨勢Fig.6 Evolution trend of the coefficient variation of the input-output efficiency of innovative industrial clusters

4.2 創新型產業集群投入產出效率的β收斂檢驗與結果分析

表2、表3分別列舉了考察期內全國及四大區域創新型產業集群投入產出效率的絕對β收斂和條件β收斂檢驗結果。

4.2.1 絕對β收斂分析

全國及東部、東北和西部地區的β系數均小于0，且都在統計意義上顯著。表明上述區域創新型產業集群投入產出效率均存在絕對β收斂現象，也就是說，在資源稟賦相似的情形下，區域內各省域創新型產業集群投入產出效率隨時間推移最終會收斂至同一穩態水平，與投入產出效率較高的省域相比，投入產出效率較低的省域增速更快，省域間差距呈逐漸縮小態勢。從三大區域的收斂速度看，東部、東北和西部地區收斂速度分別為0.127 6、0.183 6、0.117 4，東北地區收斂速度最快，其次是東部地區，最后是西部地區。雖然中部地區的β系數為負，但沒有通過顯著性檢驗，說明在沒有經濟環境等外部因素干預的情況下，中部地區創新型產業集群投入產出效率不能收斂至穩態水平。

表2 全國及四大區域創新型產業集群投入產出效率絕對β收斂檢驗結果Tab.2 Results of absolute β convergence test on input-output efficiency of innovative industrial clusters in China and its four regions

表3 全國及四大區域創新型產業集群投入產出效率條件β收斂檢驗結果Tab.3 Results of conditional β convergence test on input-output efficiency of innovative industrial clusters in China and its four regions

4.2.2 條件β收斂分析

估計結果顯示，全國及四大區域的條件β收斂系數均為負值，且都通過1%的顯著性水平檢驗。表明在異質性影響下，全國整體及四大區域創新型產業集群投入產出效率存在各自的穩態水平，并向其穩態水平收斂。東部、東北、中部和西部地區的條件β收斂速度分別為0.134 4、0.173 1、0.146 6、0.120 2，東北地區的條件收斂速度最快，中部地區次之，然后是東部地區，西部地區的條件收斂速度最慢。從控制變量看，全國及四大區域的估計結果中，各控制變量的系數和顯著性水平各不相同。從全國看，經濟發展水平和政府科技支持的回歸系數均顯著為負，表明區域經濟發展和政府科技支持有助于全國創新型產業集群投入產出效率的空間收斂；區域開放水平的回歸系數顯著為正，表明不斷提高區域對外開放程度可以促進全國創新型產業集群投入產出效率提升，但對于收斂至穩態水平具有抑制作用。東部和東北地區的估計結果中，控制變量均不顯著，表明無論是否考慮除初始值外的其它異質性影響因素，東部和東北地區均能收斂至穩態水平。中部地區的估計結果中，經濟發展水平、對外開放程度和政府科技支持的回歸系數均顯著為負，說明對于不存在絕對β收斂的中部地區而言，需要經濟發展、對外開放和政府科技支持等外部環境的助力，才能縮小創新型產業集群投入產出效率的空間差異，進而實現穩態。對于西部地區而言，經濟發展水平的回歸系數顯著為負，區域開放水平的回歸系數顯著為正，說明經濟發展有助于西部地區創新型產業集群投入產出效率的空間收斂，而對外開放擴大了區域內部效率差異。

5 研究結論與政策建議

5.1 研究結論

本文基于2014—2019年中國內地28個省域的創新型產業集群數據，運用三階段DEA方法測度創新型產業集群投入產出效率，并利用變異系數分析投入產出效率差異演變的σ收斂特征，同時構建靜態面板收斂模型，實證檢驗其是否存在絕對β收斂和條件β收斂特征，進而全面揭示中國創新型產業集群投入產出效率在時間維度的變化特征。本文主要結論如下：首先，2014—2019年中國創新型產業集群投入產出效率由0.62提高至0.72，越來越多省域向高效率演進，創新型產業集群整體發展態勢較好。然而，全國僅32.14%的省域創新型產業集群實現DEA有效，未達到生產前沿面的省域仍占大多數。其次，中國創新型產業集群投入產出效率存在明顯的區域差異，整體表現為東部>中部(與全國平均水平相當)>東北和西部的發展格局，在空間上呈現出由東向西遞減的梯度分布特征。從投入產出效率分解結果看，較低的技術效率和規模效率分別是制約東北和西部地區效率提升的主要因素。最后，從收斂特征看，全國整體及東部、中部地區創新產業集群投入產出效率差異存在σ收斂，而東北、西部地區未出現顯著的σ收斂現象。全國整體及東部、東北、西部地區不僅存在絕對β收斂，還存在條件β收斂，而中部地區僅存在條件β收斂，且不同區域條件β收斂的影響因素不盡相同。

5.2 政策建議

基于上述研究結論，本文提出以下政策建議：

首先，中國創新型產業集群投入產出效率還有較大提升空間，各地要清晰認識到促進創新型產業集群投入產出效率提升的重要性和緊迫性。作為知識密集型產業組織形式，創新型產業集群投入產出效率提升的關鍵在于創新要素投入與產出質量。各區域要打破創新要素和創新成果流動壁壘，引導技術、R&D人員、R&D資本等創新要素和信息資源在區域內暢通流動與共享，加快區域集群成員間的知識溢出和技術交流。各地在創新型產業集群建設過程中還應加大科技型中小企業、高新技術企業培育力度，提高生產力促進中心、企業孵化器等科技服務機構服務集群企業的質量與規模，集聚更多科技資源，助力集群高技術成果創造與轉化能力提升。同時，推動創新型產業集群與區塊鏈、大數據、人工智能等新技術深度融合，在新產品研發、生產制造等環節滲透高新技術，實現創新成果提質增效。

其次，在國家層面統籌創新型產業集群發展，依據各地集群投入產出實際情況，采取差異化、有針對性的政策措施，促進區域均衡發展。政府要加快推動功能性產業政策的實施，加大市場監管力度，為創新型產業集群發展提供優良的營商環境。對于集群規模效益和技術能力領先的東部地區，應大力開展引進消化吸收再創新以及集成創新，力爭培育更多集群進入全球創新集群百強行列；對于表現一般的中部地區，要加大激勵力度，引導高質量技術、人才等創新要素融入集群建設，突破發展瓶頸；對于技術水平受限的東北地區，要通過加大稅收優惠力度等措施，鼓勵東、中部向東北地區轉移符合其集群功能定位的先進技術，幫助東北地區實現技術追趕；對于規模效率嚴重受限的西部地區，中央政府有必要加大技術、資本和人才等創新要素的有效供給，在財政、金融、稅收等方面給予必要政策支持，運用政策性優勢推動集群實現規模效益。

最后，在著力推進創新型產業集群投入產出效率均衡化發展戰略的過程中，需要注重效率水平的收斂趨勢。深入探究造成區域間創新型產業集群投入產出效率空間非均衡分布的深層次原因，如本文涉及的區域經濟發展水平、開放程度、政府科技支持等關鍵性因素。在此基礎上，既要持續堅持以縮小區域間、省域間創新型產業集群投入產出效率差距為主導，同時也要兼顧區域間效率提升速度的協調。