科技投入超效率測度的偏DEA分析與資本驅動的區域協調

郭 露，戴志敏

(1. 江西財經大學 統計學院，江西 南昌 330013；2.南昌大學 經濟管理學院，江西 南昌 330025)

1 問題提出

從科技大國走向科技強國，科技競爭力成為驅動經濟發展的核心能力。從長期看，科技服務業具備典型的生產性服務業特征[1]。2014年《國務院關于加快科技服務業發展的若干意見》(國發〔2014〕49號文)指出：“總體上，我國科技服務業仍處于發展初期，存在市場主體發育不健全、服務機構專業化程度不高…等問題”，并提出“健全市場機制、強化基礎支撐、加大財稅支持、拓寬資金渠道”等措施。這些綱領性文件從科技服務業主體、發展所需的制度環境和資源約束等方面都提出明確要求，同時，也是科技服務業服務社會經濟發展的重要制度指引。伴隨國家科技軟實力重要性的提升，科技活動將直接面向終端消費者，使得科技活動日益成為獨立并可客觀衡量的效率來源[2]。僅僅關注科技活動的數量效益已無法滿足資源使用主體的利益訴求，更難以應對技術大發展背景下促進區域協同發展、縮小城鄉差異的國家宏觀調控目標[3]。當前，針對科技服務效率的研究多停留在簡單的投入產出分析、趨勢分析或定性分析上。這不僅無助于解決科技服務業發展過程中的問題，也無法為資源分配提供更科學的指導和政策觀點，特別是在我國區域發展存在落差的現實情況下，開展以效率為核心的研究更需謹慎和充分。

2 文獻綜述與評價

國外關于科技活動效率的研究起步較早，鑒于投入產出效應、資源獲取能力、使用方式方法不同，不同學者針對科技活動效率的研究主要通過其在不同國民生產部門中的應用價值予以體現。如在關于科技投入產出關系的研究中[4]，Griliches[5]認為研發資本與人力資本投入創造了科研成果，并通過創建知識生產函數分解價值系數；Lichtenberg等[6]的研究證實了Griliches的說法，其研究結果顯示，各國生產力差異很多是由科學家、工程師人數及R&D支出不同造成的；Guellec[7]在對16個國家的面板數據進行分析后指出，R&D 投入每增加 1%，生產率就增長 0.44%，公共研發投入每增加 1%，生產率就增長 0.17%，且在高等院校數量較多的國家，其生產率提升作用更顯著。還有學者從不同資本主體角度分析科技投入方式，如Demirel[8]認為，企業R&D投入可以通過增加專利數提升企業經濟效益和創新力；Winter[9]以政府為投入主體的研究發現，公共財政通過刺激科技創新力促進區域創新發展；Mario Coccia & Rolfo[10]則認為，公共財政的促進作用是因為政府支出使得公共科研單位的基礎研究與應用研究呈現出極強外部性；Dominique&Bruno[11]認為，政府科技投入也會對企業R&D投入產生一定影響。在R&D投入的作用時效上，Hall利用泊松模型估算R&D投入與專利數關系時發現，R&D對專利申請有滯后作用并呈“U”型分布；Lev等[12]在對高研發密度企業的實證分析中也指出，R&D投入與下一年的企業收入密切相關且有明顯的滯后效應；Inonu[13]以人均GDP和學術出版物數量作為替代變量，分析經濟發展水平對科研產出的影響；Rousseau等[14]通過構建評價指標體系，以GDP、科研人員與科研經費為投入變量、學術出版物與專利作為產出，對不同國家科研效率進行評估。

國內的科技活動效率研究主要從影響因素和效率評價兩方面展開。如池仁勇等[15]認為，規模不經濟和成本能力低下是造成R&D活動非效率的主要原因；李偉紅等[16]利用DEA模型對中國研發投入效率進行實證分析發現，技術衰退是導致中國研發投入效率降低的主要原因；李慧娟等[17]認為，較高的教育投入水平和經濟開放度可以為城市科技效率提供良好的發展環境；朱慧等[18]則指出，科技資源效率最大化有賴于企業主體的結構性與流通性，環境因素作用不顯著；岳書敬等[19]在研究科技企業對外交流時發現，對外貿易及外商投資對研發效率有明顯溢出作用，人力資本提升和市場競爭均可強化這種溢出效應；史欣向[20]則認為，除經費投入外，企業間信任與市場規范也可以形成強大的社會資本，對企業研發產出產生顯著正向作用；衛平等[21]對我國戰略性新興產業的實證研究結果顯示，企業實力強大會極大地促進科技成果轉化，但盲目投入研發經費會造成資源浪費，反而降低科技成果轉化效率；范秋芳等[22]認為，只有提供充分的知識產權制度保障，才能最大化提升科技創新效率；夏業良等[23]采用2002-2006年中國工業企業數據，利用隨機前沿分析方法(SFA)系統考察外商直接投資(FDI)對中國工業企業技術效率的影響，認為外國資本存在直接溢出效應，但不存在間接溢出效應，港、澳、臺資本既不存在直接溢出效應也不存在間接溢出效應。科技效率提升除依靠自身資金和外資外，也離不開政府支持。付空[24]利用DEA模型對政府科技支出效率進行實證分析，發現政府缺乏統一、有效的科技支出管理制度會極大弱化科技支出的經濟效益；韓鳳芹等[25]應用中國各地區的政府投入面板數據，對政府投入效率進行測度和影響因素分析，研究結果表明，不同地區科技投入效率的差距逐漸縮小且呈階梯式分布，其中，東部地區高于中西部地區，且自2009年以來技術效率的正向貢獻逐步被技術進步率的負向影響所抵消。

在效率測度方面，有研究者利用DEA模型對2008年不同行業轉制科研機構的科研效率進行分析，發現大多數行業的綜合效率偏低(雷彥斌，李徽，歐國立，2010)；還有學者通過計算非DEA有效產出不足和投入冗余量，探析中國高校科研投入效率(孫世敏，項華錄，蘭博，2007)；李盡法[26]在評價全國各省市財政科技效率的基礎上指出，技術進步是導致財政科技效率變化的重要原因；為了解決DEA單一模型效率的穩定性問題，俞立平等[27]將TOPSIS模型與非徑向DEA模型相結合，測度中國不同地區科技效率的組合效率，發現科技效率存在區域不平衡現象，呈現為東、中、西依次降低；劉繪珍[28]采用三階段DEA評價方法對河南省科技效率進行分析，結果顯示，規模不經濟造成河南整體上技術無效；顏偉[29]以煤炭行業上市公司為研究對象，通過建立鏈式DEA模型，將科技創新進一步劃分為科技研發與成果轉化兩個子過程，并進行效率評價，研究發現，科技研發效率拉低了科技整體效率；雎黨臣、董玉迪[30]利用DEA-Malmquist指數對中國新絲綢之路經濟帶的科技效率進行測度，發現經濟帶的科技效率整體有提升，但科技管理水平不高，限制了全要素生產率指數增長；余泳澤[31]運用空間面板計量方法研究創新要素集聚、政府支持與科技創新效率的關系，實證研究結果表明，我國科技創新效率具有顯著的空間相關性，其中，創新要素集聚對科研機構創新效率具有負向影響，對高校的影響不顯著，對企業的影響為正向，政府支持對科研機構與高校創新效率的影響具有不確定性，而對于企業具有負向影響。

綜上，在目前關于科技效率測度的研究中，大多數學者選擇以當期科技投入和產出作為當期科技效率的輸入與輸出，而現實生產中科技要素投入往往具有一定滯后性，但在效率測度時這種滯后效應往往被忽略。同時，在評價科技效率時，研究對象的資本來源較籠統或者單一，并未就不同資本對科技效率的同時段影響進行比較研究，在分析科技效率影響因素時也忽略了空間差異，導致對科技效率空間關聯溢出效應分析不足。因此，本文嘗試從以上3個方面對中國科技投入效率演變及資本作用效應進行實證分析。

3 研究方法與步驟

3.1 偏DEA視窗分析法

minθ=C?Vid

其中，Vd為輸入輸出矩陣。該模型若存在最優解θ趨近于1，則意味著約束條件中(1)和(2)存在空間意義上的平行關聯，即DEA有效；如果θ<1，則DEA無效。但該模型忽略了生產過程中要素的時間效應。在實際生產過程中，當期投入要素多存在滯后效應并作用于后期的生產效率，同時，也會透支后期生產效益、增加當期效率。

其中，資源投入和效率產出都實現了視窗意義上的動態調整，同時，衡量效率值的θjt因約束條件(6)實際突破了θ<1的束縛，因而除考慮效率約束條件的動態變化外，還從原有效率線性前沿角度進行了時間單元上的點線連接。

3.2 指標選擇與數據解釋

效率測度指標通常涉及投入和產出兩個方面。科技服務業作為知識密集型產業，是依托科學技術和其它專業知識，將技術開發并轉化為生產力的第三產業。知識與科技作為科技服務業的關鍵投入，具有顯著標志性意義[35]。本文分別采用研究與實驗發展(R&D)經費、研究與實驗發展(R&D)人員表示科技服務業的資本投入和勞動力投入，知識創造或產出多依托于所在區域科研機構，因此科研機構數也是科技服務業的一個重要投入指標；在產出方面，本文參考有關學者做法，從科研直接成果和科研成果轉化兩方面測度[30]。根據指標數據的可得性及科學性原則，本文利用國外三大期刊檢索數和專利授權數作為科技服務業直接產出指標，將新產品營業收入、技術合同額作為科技服務業科研成果轉化的間接產出指標[36]。

考慮到數據可獲得性，本文選取2010-2019年中國內地30個省、市、區(西藏自治區因數據缺失嚴重，未予以考慮)科技服務業數據為研究對象，展開分析。數據主要來源于《中國科技統計年鑒》《中國統計年鑒》及各省市國民經濟和社會發展統計公報。

4 實證過程與分析

本文按通行做法，將中國內地劃分為華北、東北、華東、中南、西南、西北6個區域。具體為：①華北地區(北京、天津、河北、山西和內蒙古)；②東北地區(黑龍江、吉林和遼寧)；③華東地區(上海、山東、江蘇、浙江、江西、安徽和福建)；④中南地區(湖北、湖南、河南、廣東、廣西和海南)；⑤西南地區(四川、貴州、云南和重慶)；⑥西北地區(陜西、甘肅、寧夏、新疆和青海)。

利用視窗分析法思維，將同地區同年份科技活動數據放入不同窗口進行比較，應用MyDEA4.0軟件，得出超效率DEA模型下不同時間段效率值的比較結果。通過不同時間段的多次比較，可以避免將科技服務業作為生產性服務業而引發的時間滯后影響，并可從區域差異、效率變動趨勢等角度充分反映我國科技服務業效率水平。考慮到分省數據結果較多，將30個省(市)劃分為六大區域進行考察。

4.1 六大區域DEA視窗效率分析

在利用超效率DEA視窗法進行測度過程中，視窗寬度w的確定方法為：w=(t+1)/2±1/2。其中，t為總時間長度，視窗寬度w取5，可分為6個視窗。視窗1：w1(2010-2014)；視窗2：w2(2011-2015)；視窗3：w3(2012-2016)；視窗4：w4(2013-2017)；視窗5：w5(2014-2018)；視窗6：w6(2015-2019)。各視窗下的測度結果如表1所示。

表1 六大區域科技投入效率視窗分析結果Tab.1 Window analysis results of science and technology investment efficiency in six regions

由表1可以看出：

(1)華北地區。從橫向分析，在w1視窗下，科技投入效率整體呈現出V型螺旋式上升趨勢； 在w2視窗下的5年間，科技投入效率出現上下波動；w3視窗與w1視窗情況類似，起始點效率值較高，在經歷2個下降點后出現反彈，呈W型螺旋式上升；w4和w5兩個視窗的科技投入效率均是在穩步提升中出現1個下降點；w6視窗下的科技投入效率值一直處于上升態勢。即10年間華北地區的科技投入效率呈現出早期波動上升、后期趨緩的整體上升態勢。從縱向分析，同地區在相同年份、不同視窗下的效率值不同，這是由于不同視窗下相同年份的效率參考值不同，如2014年的效率值在視窗w1中為0.711，在w2中下降為0.682，說明2011-2015年的科技投入效率相對2010—2014年整體有緩慢提升。2014年6個視窗下的效率值呈上下波動并最終趨于下降，2014年之前各視窗下的科技投入效率呈上升態勢，2014年后出現下降態勢，再次印證了華北地區總體上并不具備完全效率，但是呈現出先螺旋式上升后下降再緩慢上升的趨勢。

(2)東北地區。從橫向分析，前5個視窗中的科技投入效率值在0.76～0.91之間出現大幅波動，3個視窗期的末效率值低于初效率值，2個視窗期的末效率值高于初效率值，視窗w6中除2016年有下降外，其它時期呈現出加速上升狀態，且最后效率值為1.002，說明科技投入表現出較高效率。從縱向分析，考察期前期相同年份、不同視窗下的效率值逐步上升，中期呈波動狀態，后期則下降明顯，說明10年間東北地區的科技投入效率初始呈大幅波動，后期隨著科技產業逐步完善，科技投入效率逐步穩定提升，2019年科技投入已具備完全效率的發展態勢，呈現出螺旋式上升的高效率值。

(3)華東地區。從橫向分析，前5個視窗中的科技投入效率值在0.71～0.91之間小幅波動，w1至w6視窗期的末效率值均高于初效率值。該地區在2014年前不同視窗下的效率值均有明顯下降， 2014年后絕大多數視窗下的效率值有顯著上升，總體呈現先下降、后上升的往復發展態勢，說明該地區科技投入效率在考察期間顯著受到多種因素的作用，特別是隨著國際科技活動逐步內移以及國內科技活動逐漸轉向內陸地區，導致科技服務投入效率處于脆弱的不平衡發展態勢中。

(4)中南地區。從橫向分析，前5個視窗中的科技投入效率值在0.61～0.82之間小幅波動，其中，4個視窗期的末效率值高于初效率值，2個視窗期的末效率值低于初效率值。整個地區效率值在2014年以前的不同視窗下均有顯著上升， 2014年以后除極少數年份的效率值在不同視窗下有下降外，大多數視窗下的效率值均保持顯著上升，總體呈現為“下降—上升”的類L型發展趨勢，說明該地區科技投入效率值在考察期內從早期的不平衡逐步過渡到2015年后穩定發展。

(5)西南地區與西北地區。從橫向分析，兩大區域各視窗中的科技投入效率值分別在0.65～0.85和0.59～0.81間小幅波動，除西北地區的w2和w3視窗外，其它視窗期的末效率值均高于初效率值。兩地區效率值在2014年前的不同視窗下均有顯著上升(西南地區)或下降(西北地區)， 2014年后在不同視窗下均呈顯著上升。其中，西南地區效率值總體呈現 “下降—上升—下降—上升”的W型發展態勢，西北地區總體呈現 “上升—下降—上升—下降—上升”的之字型發展態勢，說明考察期間兩地區科技投入效率變化呈穩定向好態勢，其中，西北地區提升的穩定性稍弱。

從全國情況看，各區域科技投入效率值在2016年前波動較大， 2016年后趨于穩定提升。其中，西北地區2016年后的科技投入效率值變化幅度最大；東北及西南地區的科技投入效率值基本具備完全效率；中南地區雖然在2019年的效率值低于1，但自2012年始科技投入效率上升勢頭強勁，說明潛力較大；華北和中南地區在2014年后的效率值有提升，但提升幅度不大，2019年效率值仍小于1，尚不具備完全效率。相比而言，東北地區科技投入效率較高，西南地區效率最低，西北地區效率上升趨勢明顯，其它3個地區的效率變化幅度不大，但整體都呈上升態勢。此外，多數區域的效率同化趨勢開始顯現。

4.2 區域各省(市)視窗效率分析

運用超效率測度的DEA視窗法分析，得到考察期各省(市)科技投入效率視窗分析數據，如表2所示。

可以發現：

(1)華北地區。北京市科技投入效率值在2014年前呈上升態勢，此后呈下降趨勢，但科技效率值始終大于1；天津市科技投入效率值存在2010-2014年與2015-2019年相對獨立的兩個下降區間；河北省呈波動變化態勢，后期效率值低于前期效率值；山西省和內蒙古自治區的科技效率值也處于波動狀態，但后期效率值大于前期效率值，整體數值仍偏低。

(2)東北地區。遼寧省2012年前的科技投入效率值稍有增長，此后不斷下降，均值為0.680，整體效率不高；吉林省科技效率值在0.9～1之間窄幅波動，整體接近于1；黑龍江省除2016年后稍有下降外，此前一直處于效率上升態勢。

(3)華東地區。上海市科技投入效率值在2014年以前大于1，具有完全效率，此后一直下降，整體效率均值小于1，極差和標準差相對較大；江蘇省科技投入效率值一直處于提升狀態，2017年后雖有下降，但幅度較小；浙江省科技投入效率值一直處于高位增長態勢，已具備完全效率；安徽省科技投入效率值一直在0.7上下波動，波幅較小，標準差為0.009，穩定在效率偏低水平；福建省科技投入效率值呈下降態勢；江西省科技投入效率值逐年上升，效率均值為0.484，仍處于效率低水平狀態；山東省科技效率值呈波動變化，整體偏低，均值為0.489。

(4)中南地區。河南省科技投入效率值逐步提升，漲幅較大，但整體效率仍處于偏低水平；湖北省科技投入效率值一直處于下降態勢，下降幅度較大，整體效率變化大；湖南與湖北類似，一直處于下降態勢但幅度較小；廣東省科技投入效率值除在第二視窗下為0.982外，其余均大于1，整體效率較高；廣西壯族自治區科技投入效率值整體偏低，2014年以前呈波動變化，此后逐年上升；海南省科技投入效率均值為0.606，處于偏低水平且波動較大， 2015年后效率均值有所降低。

(5)西南地區。重慶市科技投入效率呈螺旋式上升態勢，整體效率值在高位運行；四川省科技投入效率不斷提升，2017年后稍有下降，但是仍處于較高水平；貴州省和云南省效率值呈螺旋式上升，科技投入效率均值為0.673和0.623，處于偏低狀態。

(6)西北地區。陜西省科技投入效率值自2013年后有下降，此前一直處于上升態勢并接近1；甘肅省科技效率值一直在0.96～1之間波動，整體均值為0.977；青海省科技投入效率值在0.6～0.8之間波動，整體效率偏低；寧夏回族自治區科技投入效率值呈下降態勢，整體效率值較低；新疆維吾爾自治區科技投入效率均值為0.572，與1有較大差距，屬V型變化趨勢，且2019年比2010年略有下降。

表2 2010-2019年各省(市)科技投入效率視窗數據分析結果Tab.2 Window data analysis results of science and technology investment efficiency of all provinces (cities) from 2010 to 2019

5 資本投入對科技服務效率作用的面板模型分析

多數國家都通過對基礎研究、應用研究的直接投入以及對企業產品研發的間接投入，為科技活動提供支持。同時，在開放條件下外國資本流入往往也伴隨國外先進技術與生產設備的引進，這也是重要的資本來源。由于資本來源及利用效率不同，因此有必要分析不同資本來源對科技活動投入效率的影響。

5.1 指標與面板數據模型選擇

本文以研究與實驗發展(R&D)內部經費中的政府資金、企業資本、外來資本作為3種資本的替代變量，相關指標及作用解釋如下：①政府資金(GVF)：科技投入是政府履行公共職能的重要手段。洪銀興[37]認為，在科技服務業初級發展階段無疑以政府財政資金投入為主；程華等[38]構建了R&D投入產出計量模型，并利用五大高技術產業面板數據，就科技活動外部資本(包括政府資本和金融機構融資)對研發產出的影響進行實證分析，得出政府資本對企業研發效應具有典型促進作用；②企業資本(EPF)：郭研等[39]在考察中關村92家企業后發現，企業研發投入對高科技企業績效有重大影響；李平等[40]結合資本投入產出彈性分析得出，提高自主創新效率主要依靠企業研發投入；③外來資本(FRF)：榮巖[41]利用修正的經濟增長分析框架，同時考察FDI對經濟增長的直接資本效應和間接溢出效應，對中國1983-2007年數據進行實證分析，探究GDP與其它多個經濟變量之間的長期和短期均衡關系，并且對FDI的兩種效應進行比較分析，發現FDI的資本效應顯著，而溢出效應比較弱。

在開放經濟環境下，各地區科技活動交流頻繁，本地區科技能力提升也會帶動相鄰地區科技活動效率提升及相關科技產業發展，所以存在一定的空間聯動性。因此，實證研究中有必要考慮空間因素的影響。常用的空間計量模型有空間滯后模型、空間誤差模型和空間杜賓模型。由于空間杜賓模型是對前兩種模型的融合，能同時考察空間滯后和誤差兩種因素，因此應用較廣泛。在本階段實證研究中，通過構建空間杜賓模型研究3種資本對科技投入效率的影響[42]。空間杜賓模型基本形式如下：

Y=ρWY+Xβ+γWX+εit

式中，Y為因變量，X為自變量，W為空間權重矩陣，ρ為空間滯后系數，β表示自變量對因變量的直接影響效應，γ表示自變量對因變量的空間溢出效應。

5.2 模型實證分析

本文中因變量為各地區六大視窗下科技服務業的平均效率值，自變量為三大資本項，即GVF、EPF和FRF。空間權重W采用地理鄰接權重法，即結合變量在地理空間上的相鄰情況設置空間權重，其中，地理相鄰賦值為1，否則為0。具體形式如下所示：

lnYit=ρWlnYit+β1lnGVFit+β2lnEPFit+β3lnFRFit+γ1WlnGVFit+γ2WlnEPFit+γ3WlnFRFit+εit

結合不同模型特點，選用時間和空間雙固定模型，具體見表3。

從表3回歸結果看出，R2為0.866 4，較接近于1；似然比檢驗值較大，除外來資本及其滯后項對科技投入效率影響不顯著外，政府資本及其滯后項均對科技投入效率產生顯著影響，說明模型擬合效果較好；科技投入效率的空間滯后項系數為-0.1421，且通過了5%的顯著性水平檢驗，說明中國科技投入效率的確存在空間溢出效應。為了克服空間杜賓模型回歸系數不能完全反映自變量影響因變量的弊端，進一步將3個資本項對科技投入效率的空間溢出效應分為直接效應和間接效應，并計算總效應，結果見表4。

表3 雙固定模型回歸結果Tab.3 Regression results of double fixed model

直接效應反映自變量對本地區因變量的直接影響，間接效應為自變量對本地區相鄰區域因變量的影響，即空間溢出效應。表4顯示，政府資金、企業資金對本地區科技投入效率產生顯著負向效應，同時，對相鄰地區產生顯著正向空間溢出效應，且這種正向溢出效應大于對本地區科技投入效率的負向影響效應，使得政府資金與企業資金對科技投入效率的總效應為正。這說明，整體來看， 2010-2019年我國政府與企業對本地區的科技投入過于盲目，資源配置不合理，資金投入效率出現明顯冗余，導致我國科技投入效率值下降，但科技投入產出總量增加，這種總量提升主要源自雙邊或多邊貿易往來帶動周邊地區科技服務業發展，使周邊科技服務業的科技投入效率得到極大提升，而外來資本對科技投入效率的影響不顯著。

進一步，分別構建六大區域三大資本來源的自變量與因變量空間杜賓模型，并將科技投入效率的空間溢出總效應分為直接效應和間接效應，具體計算結果見表5。

表4 我國科技投入效率的直接效應、間接效應與總效應Tab.4 Direct effect, indirect effect and total effect of science and technology investment efficiency in China

從表5可以看出：華北地區、中南地區和西南地區的政府資金與企業資金對本地區科技投入效率產生顯著負向影響效應，但對相鄰地區產生較顯著的正向空間溢出效應，且這種正向溢出效應一般大于對本地區科技投入效率產生的負向影響效應，同時，政府資金和企業資金對科技投入效率產生的總效應為正。這說明2010-2019年3個地區的政府和企業對本地科技服務業的資本投入接近飽和，資源配置不太合理，資金投入已出現明顯冗余。

東北地區的政府資金和企業資金均對本地區科技投入效率產生顯著負向影響效應，但對相鄰地區科技投入效率造成的正向空間溢出效應不同，其中，政府資金對科技投入效率產生正向總效應，企業資金對科技投入效率產生負向總效應，說明東北地區的政府資本投入接近飽和，而企業資金投入還有較大空間；華東地區的政府資金和企業資金對本地區的科技投入效率產生顯著負向影響效應，對相鄰地區產生顯著正向空間溢出效應，其中，政府資金對科技投入效率產生顯著正向總效應，企業資金對科技投入效率產生顯著負向總效應，說明華東地區的政府資本投入接近飽和，企業因轉型存在巨大資金投入空間；西北地區的政府資金和企業資金對本地區科技投入效率產生顯著負向影響效應，對相鄰地區產生顯著正向空間溢出效應，其中，政府資金對科技投入效率產生顯著正向總效應，企業資金也對科技投入效率產生正向總效應，說明西北地區的政府資本投入接近飽和，企業資金投入還有很大空間。

表5 六大區域科技投入效率的直接效應、間接效應與總效應Tab.5 Direct effect, indirect effect and total effect of science and technology investment efficiency in six regions

6 結論與建議

本文通過對中國科技活動投入效率進行DEA視窗法下的超效率分析，應用2010-2019年全國內地和省級時間序列與面板數據得到六大區域科技活動投入效率值，同時，針對影響科技投入效率的資本效應進行直接效應、間接效應和總效應分析，最后對科技投入效率轉移與空間集聚的省域關聯性進行Moran′s I指數分析，得到研究結論如下：

(1)中國科技投入效率在超效率DEA視窗法分析下整體呈現 “初始快速上升—上升趨勢減緩—近年明顯下降”的發展態勢。其中，東北地區總體效率已趨于飽和，資本投資冗余特征顯著；華北地區總體效率偏低，高效率省(市)的帶動能力顯著；華東和中南地區的總體效率呈螺旋式上升態勢，區域內省(市)組團差異明顯；西北地區與西南地區總體效率偏高，但省(市)分化落差明顯。同時，六大區域科技投入效率趨同性增強，區域間差距明顯。

(2)考慮不同資本投入對科技投入效率的區域影響后發現，華北地區、中南地區以及西南地區的政府資金與企業資金對本地區科技投入效率產生顯著負向影響效應，且有顯著的正向溢出效應，政府資金和企業資金對科技投入效率產生正向總效應；東北地區政府資金和企業資金對本地區科技投入效率產生顯著負效應，但對相鄰地區的正向空間溢出效應不同，說明東北地區政府資本投入接近飽和，而企業資金投入還有較大空間；華東地區的政府資金和企業資金對本地區科技投入效率均產生顯著負效應，同時，對相鄰地區產生正向空間溢出效應，說明華東地區的政府資本投入接近飽和，企業因轉型存在較大資金投入空間；西北地區的政府資金和企業資金對本地區科技投入效率產生顯著負效應，并對相鄰地區產生顯著的正向空間溢出效應，對科技投入效率產生較顯著的正向總效應。

(3)從科技投入效率轉移與空間集聚效應的關聯性看，考察期間30個省(市)科技投入效率轉移與空間集聚的空間關聯度逐漸增強，省際間的空間關聯度相似，且絕大多數省(市)的科技投入效率還處于資本追逐的利益獲取階段，空間溢出效應不太明顯，未進入資本驅動的價值發現階段。具體表現為：上海市處于穩定的“高集聚—高轉移”空間關聯狀態；廣東省處于穩定的“高集聚—低轉移”空間關聯狀態；重慶市從“高集聚—高轉移”的空間關聯狀態過渡到無關聯；北京市則未表現出明顯的空間關聯。

針對以上基本結論，本文提出建議如下：

第一，近年我國科技活動投入效率明顯下降，這不僅是因為經濟下行帶來的以政府資金為代表的資金投入緊張，更源于長期經濟發展結構不合理帶來的邊際效應遞減，是對科技資源投入 “撒胡椒面”式科技工作慣性的懲罰，同時，也是對現有科技資源使用類型和結構進行調整的重要時間段。因此，各級科技活動主管部門和資金使用單位要集中有限資源，投向更具基礎性且具有重要突破內涵的科技項目，在認清科技發展現狀的基礎上，集合長期科技規劃目標制定細致的資源使用步驟。具體到六大區域來看，要放緩對東北地區“輸血型”的科技資源投入政策，提升其現有科技資源內在“造血”能力；加大華北地區科技活動協同，提高北京、天津等地區對周邊省域的科技服務水平；華東地區和中南地區的組團式發展要做好科技活動互補工作，提升科技集聚區域的“多中心”效能；西北地區和西南地區通過促進科技服務業“強本固基”，力爭在現有規模上更快、更好、更省地實現科技服務高效率。

第二，各區域要深刻認識政府投入、企業投入和社會投入影響的異質性。目前多數區域的政府資金投入對本地區科技服務效率產生顯著負效應，同時，對周邊區域的溢出效應也不同，因此政府資金的投入與使用要注意“量和質”的問題；一些地區的企業資金還有很大投入空間，如何更好地引導企業資金投向科研活動是一個重要問題；外來資金對本地區科技服務效率基本無顯著影響，說明傳統的招商活動有較大弊端，應盡快從制度上大力優化，同時，拋棄那種“兩頭在外”的“不為我所有，只為我所用”的經濟利益導向思維，盡快培育本土具有自主科技能力的企業群和產業集群。

第三，從總量上看，仍然要加大各種科技資源投入，切實履行好服務型政府職能。科技投入效率的提升不會以人的意志為轉移，各省(市)要清楚認識到科技發展的主流趨勢，以追蹤科技前沿的決心布局科技資源分配；要加大與群眾生活密切相關的各類科技投入，促進一批新的、具有時代科技感的技術項目“落地”。如上海、廣東等科技活動效率轉移與空間集聚關聯度表現較好的地區要發揮輻射作用，通過輸出各種科技資源，積極打造與周邊區域的科技生態共同體，共促經濟社會良性發展。