浙江省科技創新效率演變及其影響因素

胡 偉 單 悅 夏 康 鄧 蕓

（浙江師范大學地理與環境科學學院，浙江 金華 321004）

0 引言

科技創新能力已成為決定一個國家和地區核心競爭力的關鍵要素，而效率則是科技創新的生命力。近年來，浙江出臺《浙江省科技創新發展“十四五”規劃》《推動高質量發展建設共同富裕示范區科技創新行動方案》《浙江省中長期科技創新戰略規劃》等一系列政策文件，加快浙江高水平創新型省份和科技強省建設。在此背景下，探究浙江科技創新效率及其影響因素，將為浙江科技創新效率的進一步提升提供科學依據。

國內外對于科技創新效率的研究主要集中于科技創新效率測度方法，國家、地區或行業科技創新效率評估和科技創新效率影響因素等方面。在科技創新效率測度方法上，BCC、CCR、SBM、Malmquist 指數等DEA 模型是最主要的創新效率測度手段［1-2］，而主成分分析法、熵權TOPSIS、隨機前沿分析與DEA 模型的結合也使得科技創新效率的測度更加多樣化［3-4］。在國家、地區或行業科技創新效率評估上，中國、美國、“一帶一路”等國家和地區的科技創新效率備受關注，中國綠色創新效率空間差距總體上呈現先下降后上升又下降的趨勢，“一帶一路”沿線國家研發效率整體不存在收斂性［5-8］。長江經濟帶、京津冀、粵港澳大灣區、省域或市域的科技創新效率異質性是科技創新效率評估的熱點［9-11］。中國創新效率總體呈“東—中—西”階梯式遞減，長江經濟帶科技創新效率呈兩頭高中間低的空間分布格局，長三角城市群創新效率的提升快于京津冀城市群［12-14］。農業、海洋產業、高端制造業、生物醫藥業、電子信息制造業等產業或產業集群的科技創新效率演變也受到較多關注［15-17］，純技術效率滯后導致中國工業企業綠色技術創新整體效率偏低，地區之間海洋科技創新效率差異先縮小后擴大［18-19］。在科技創新效率影響因素上，經濟發展水平、科技創新環境、稅收政策、財政資金支持、區域開放水平、環境規制、政府監管力度等對科技創新效率具有不同程度的影響［20-22］，且不同的影響因素在不同地區的影響效應各異［23-24］。

浙江科技創新研究主要集中于城市創新網絡、產業集群創新、金融創新、綠色創新效率等議題。浙江城市創新網絡規模逐漸擴張，整體呈以杭州灣區為核心的“網絡局部化、輻射中心化”特征［25］。影響產業集群創新與縣域城鎮化協調發展的驅動力具有明顯的地域差異，其驅動力作用強度按經濟基礎、對外開放、市場力量、信息化、政府行為以及工業化依次遞減［26］。浙江縣域金融創新高增長區縣域沿滬昆高速和杭州灣環線高速呈“Y”字形分布［27］。浙江省在中國綠色科技創新效率空間關聯網絡結構中處于中心位置［28］。這些研究有利于厘清浙江科技創新態勢，但并沒有總結浙江科技創新效率的時空演變規律，也沒有厘清浙江科技創新效率的關鍵影響因子。因此，本研究以浙江省11 個城市為研究對象，運用DEA 模型分析浙江科技創新效率的時空格局演變，分析浙江科技創新效率的影響因素。

1 研究方法與數據來源

1.1 研究方法

1.1.1 BCC-DEA 模型。DEA 模型主要用于決策單元的效率分析。CCR 模型和BBC 模型是DEA模型中最經典的分析模型，其中BBC 模型相對于CCR 模型而言，增加了規模報酬可變的約束條件。由于在科技創新的投入產出過程中，基本是規模報酬可變的，利用規模報酬可變的BCC模型測度浙江科技創新效率更符合實際，本研究選擇以投入為導向的BCC-DEA模型測度浙江科技創新效率。

擬定共有m 個決策單元DMU j（j=1，2，…，m），每個單元有n項投入（j=1，2，…，n）和s項產出（k=1，2，…，s），分別用Xj=（x1j，x2j，…，xmj）T，Yj=（x1j，x2j，…，xkj）T表示決策單元DMUj的投入向量和產出向量，評價決策單元DMUj效率的BCC 模型表示為式（1）和式（2）。

式中：θ（0<θ≤1）為綜合效率；ε 為非阿基米德無窮小量，即一個小于任何正數且大于零的值；S+、S-分別為產出松弛變量和投入松弛變量；λj為各決策單元權重。θ值越大，科技創新效率越高。當θ=1，且 S+=S-=0 時，則決策單元為 DEA 有效，決策單元的產出相對于投入而言達到了綜合效率最優；當 θ=1，但S+、S-不全為0 時，則決策單元為弱DEA有效，決策單元的生產活動不是同時達到技術有效和規模有效；當θ＜1 時，則決策單元不是DEA 有效，決策單元的技術效率和規模效益都未達到最佳狀態。

1.1.2 Malmquist 指數。傳統DEA 方法無法將時間維度的影響納入DEA 模型中，對面板數據的處理能力不強。Fare 等［29］利用距離函數構建的DEA-Malmquist 指數模型，可以實現對多決策單元的面板數據進行深度分析，其核心原理是利用本期至下期生產力的變動來計算Malmquist 的全要素生產率指數，進而對效率進行分解，識別效率各部分對全要素生產率的貢獻。

假設第t 期、第t+1 期的投入產出分別為（xt，yt）、（xt+1，yt+1），D0t（xt，yt）、D0t+1（xt+1，yt+1）對應時期技術條件下的產出距離函數，則t 階段至t+1 階段的Malmquist指數可表示為式（3）。

在規模報酬不變的前提下，Malmquist 指數可分解為技術效率變化指數（EC）和技術進步指數（TC），表示為式（4）至式（6）。

其中，技術效率變化指數（EC）可再分解為純技術效率指數（PE）和規模效率指數（SE），表示為式（7）至式（9）。

因此，Malmquist指數可分解為式（10）。

如M（xt+1，yt+1，xt，yt）>1，則表示t階段至t+1 階段的Malmquist全要素生產率有所上升；如M（xt+1，yt+1，xt，yt）=1，則表示 t 階段至 t+1 階段的 Malmquist 全要素生產率不變；如 M（xt+1，yt+1，xt，yt）<1，則表示 t 階段至t+1階段的Malmquist全要素生產率有所下降。

1.2 數據來源

科技創新的投入主要有人力、物力、財力投入，產出主要有經濟效益和創新效益。科技活動人員數量和R＆D經費支出是人力投入和物力投入的直接反映。專利申請是創新產出的直接反映，新產品產值是創新經濟效益的直接體現。由于物力投入缺乏數據，而R＆D 經費支出在很大程度上也是物力投入的反映［13］。因此，本研究用從事科技活動人員數量、R＆D 經費支出作為科技創新投入指標，用專利申請和新產品產值作為科技創新產出指標（見表1）。研究數據主要來源于《浙江省統計年鑒》、浙江各地市統計年鑒及其國民經濟和社會發展統計公報，個別年份的缺失數據通過聯系各市統計局數據咨詢處獲取。

表1 科技創新效率指標體系

2 浙江省科技創新效率演變

2.1 科技創新效率時序演變

本研究采用投入導向的DEA-BCC 模型，對浙江省各地級市科技創新效率進行測度，利用DEA2P.1 軟件計算得到浙江省各地級市2011—2020 年科技創新效率值（見表2）。2011—2020 年，浙江科技創新效率態勢較好，全省平均科技創新效率值均高于0.8，杭州、寧波、湖州、臺州、麗水在多數年份處于最優效率或接近最優效率。然而，2011—2020 年，浙江科技創新效率平均值從0.902下降至0.863，科技創新效率不升反降，這說明浙江科技創新產出增長并沒有跟上創新投入的增長，科技創新產出有待進一步提升。

表2 2011—2020年浙江省各市科技創新效率

從時序演變來看，浙江各市科技創新效率大致呈“三階梯”分布（見圖1）。杭州、寧波、嘉興、臺州、金華的科技創新效率均值大于0.95，處于第一級階梯；溫州和麗水的科技創新效率均值在0.90~0.95，處于第二級階梯；舟山、湖州、衢州、紹興科技創新效率均值低于0.9，處于第三級階梯。第一級階梯的杭州、寧波、嘉興、臺州、金華在2011—2020 年間的平均科技生態技術創新效率為0.96，遠高于其他城市。杭州、寧波在多數年份是全省科技創新效率最高的兩市，而嘉興、臺州、金華三市的科技創新效率多在0.95上下徘徊，科技創新效率態勢良好。第二級階梯的溫州、麗水歷年科技創新效率波動起伏較大，溫州科技創新效率先上升后下降再上升，麗水科技創新效率先下降后上升再下降。第三級階梯的舟山、湖州、衢州、紹興平均科技創新效率位于全省末尾，各市絕大多數年份的科技創新效率離最優效率均有一定距離，效率提升空間較大。值得注意的是，受新冠肺炎疫情帶來的新產品產值下降影響，湖州、衢州、紹興的科技創新效率在2019—2020年出現斷崖式下跌。

圖1 浙江省各市科技創新效率演變趨勢

2.2 科技創新效率格局演變

根據2011—2020 年的區域創新效率指數，利用自然間斷點分級法將11 個市劃分為低效率、較低效率、較高效率和高效率4 種類型（見圖2）。從空間格局來看，浙江各市科技創新效率格局復雜多變。以浙江四大都市圈核心城市為例，杭州在2011年、2014 年、2017 年、2020 年分別為高效率、較高效率、較低效率、高效率，寧波在 2011 年、2014 年、2017 年、2020 年分別為較高效率、較低效率、較高效率、高效率，溫州在 2011 年、2014 年、2017 年、2020年分別為較低效率、較高效率、較低效率、高效率，金華在2011年、2014年、2017年、2020年分別為較低效率、較低效率、較高效率、高效率，四市在各年變化均較大。更重要的是，2011—2020 年，各市的科技創新效率都發生了變化。這說明浙江科技創新效率格局穩定性差。從科技創新效率類型演變來看，浙江科技創新效率類型由高效率主導。2011年、2014年、2017年、2020年，高效率和較高效率城市分別為6個、6個、6個、9個，高效率和較高效率地區始終超過一半。這進一步說明浙江科技創新效率整體態勢良好。從空間溢出效應來看，2011—2020年，浙江省各市科技創新效率大多高低相間分布，高效率和較高效率周圍多是較低效率和低效率地區，沒有形成大范圍連片的高效率和較高效率地區，浙江科技創新效率沒有顯著的空間溢出效應。

圖2 浙江省科技創新效率空間格局演變

2.3 Malmquist指數分解演變

Malmquist 指數分解能夠揭示不同時期技術進步、純技術效率、規模效率變化及其科技創新效率的影響。運用Malmquist指數對浙江省各市2011—2020年的科技創新效率進行分解，發現浙江省科技創新全要素生產率在2011—2012 年、2014—2015年、2015—2016 年和 2019—2020 年 4 個時期大于1，其他時期小于1，全要素生產率下降時期較多而上升時期較少，全要素生產率主要呈下降趨勢（見表3）。技術進步有3 個時期大于1，6 個時期小于1。純技術效率有4 個時期大于1，5 個時期小于1。規模效率變化有4 個時期上升，5 個時期下降。值得注意的是，在全要素生產率大于1 的時期，技術進步在多數時期大于1，而純技術效率變化和規模效率變化在多數時期都小于1。在全要素生產率小于1 的時期，技術進步均小于1，而純技術效率和規模效率變化在多數時期大于1，這說明技術進步是影響浙江科技創新全要素生產率下降最主要的原因。2011—2020 年，純技術效率變化平均值大于1，規模效率變化平均值等于1，而技術進步小于1，這說明技術進步的滯后導致了浙江科技創新全要素生產率的滯后，技術進步是浙江科技創新全要素生產率變化的主要原因。

表3 浙江省科技創新效率Malmquist指數及其分解

為揭示浙江各市技術進步、純技術效率、規模效率變化的演化，對各市全要素生產率變化進行分解（見表4）。嘉興、金華、臺州的全要素生產率基本上保持不變，杭州、溫州、衢州、舟山的全要素生產率增長顯著，寧波、紹興、湖州、麗水的全要素生產率下降明顯。2011—2020 年，杭州、溫州、衢州、舟山的全要素生產率分別增長了4.6%、2.7%、2.2%、2.1%，其中杭州、溫州的全要素生產率增長主要源于規模效率增長，衢州的全要素生產率增長主要源于純技術效率增長，舟山的全要素生產率增長主要源于技術進步的增長。寧波、紹興、湖州、麗水四市全要素生產率分別下降了3.3%、3.1%、4.0%、3.2%，其中寧波全要素生產率下降源于技術進步、規模效率的下降，紹興全要素生產率下降源于技術進步、純技術效率的下降，湖州全要素生產率下降受到技術進步下降的影響最大，麗水全要素生產率下降源于技術進步的下降。不難發現，不同地區全要素生產率增長的原因較為多樣化，但浙江各市全要素生產率的下降主要源于技術進步的下降。

表4 浙江省各市科技創新效率Malmquist指數及其分解

3 浙江省科技創新效率的影響因素分析

全要素生產率分解可以識別效率組成部分的貢獻，但不能厘清各影響因素對浙江科技創新效率的影響。因此，本研究結合數據可獲得性，參考相關研究［13-14］，選擇區域經濟發展水平、對外開放程度、互聯網普及率、社會保障水平、潛在科研人員規模、政府支持作為浙江科技創新效率的影響因素，進行多元回歸分析。區域經濟發展水平用人均GDP 衡量，對外開放程度用實際使用外資金額衡量，互聯網普及率用廣播或電視節目綜合覆蓋率衡量，社會保障水平用基本養老保險參保人數衡量,潛在科研人員規模用在校大學生數量衡量，政府支持用縣級以上政府部門屬研究與開發機構的政府撥款衡量。由于互聯網普及率和社會保障水平未通過相關性檢驗，本研究僅分析區域經濟發展水平、對外開放程度、勞動者素質、政府支持對浙江科技創新效率的影響，具體回歸結果見表5。

表5 浙江省各市科技創新效率影響因素的多元回歸結果

從正負向影響效應來看，區域經濟發展水平、對外開放程度和潛在科研人員規模對多數地區科技創新效率影響為負向，政府支持對多數地區科技創效率影響為正向，這說明政府支持力度的加大能提升科技創新效率。從影響因素的影響程度來看，各影響因素對浙江各市科技創新效率的影響的回歸系數較小，各影響因素對浙江科技創新效率影響程度有限。從各影響因素的地區影響來看，各影響因素對浙江各市科技創新效率影響的異質性顯著。杭州、舟山的科技創新效率受區域經濟發展水平和潛在科研人員規模影響較大，寧波的科技創新效率受區域經濟發展水平影響最大，溫州、衢州、臺州的科技創新效率受潛在科研人員規模和政府支持影響較大，紹興、湖州、嘉興、麗水的科技創新效率受區域經濟發展水平和政府支持影響較大，金華的科技創新效率受對外開放程度和政府支持影響較大。

4 結論與建議

本研究分析了浙江科技創新效率的時空演變和全要素生產率演變，剖析了各影響因素對浙江科技創新效率的影響。研究結果發現，2011—2020年，浙江科技創新效率態勢較好，各市科技創新效率大致呈“三階梯”分布。浙江各市科技創新效率格局復雜多變，科技創新效率類型由高效率主導，科技創新效率沒有形成顯著的空間溢出效應。浙江科技創新全要素生產率主要呈下降趨勢，技術進步下降是導致浙江科技創新全要素生產率下降最主要的原因。區域經濟發展水平、對外開放程度、勞動者素質、政府支持對浙江各市科技創新效率影響的異質性顯著。

為進一步提升浙江省科技創新效率，浙江應當采取如下措施。第一，加快推進技術進步。技術進步是浙江科技創新全要素生產率下降最主要的原因。浙江應當通過開展關鍵核心技術攻堅、加強科技創新基地和平臺建設培育、加快完善技術創新中心體系等措施推動科技創新的技術進步。第二，加大政府支持力度。政府支持對浙江科技創新效率的提升尤為關鍵。各級政府應當積極引導土地、資金、人才等資源要素向科技創新領域傾斜，加大政府對科技創新的政策支持力度。第三，在加大對科技創新的支持力度的同時，政府要通過優化科技資源配置方向、完善科技資源配置模式、提升科技資源利用效率等推動浙江科技創新效率的提升。第四，注重科技創新區域協同聯動發展。區域科技創新發展不平衡導致浙江各市科技創新效率大致呈“三階梯”分布。浙江應該加強科技創新區域協作，發揮杭州、寧波等科創高地的輻射帶動效應，加快科創共同體建設，縮小區域間的科技創新效率差距。