高技術產業科技創新資源配置效率的測度研究

王淑銳

（濟南大學，山東 濟南 250000）

引言

隨著新一輪科技革命和產業變革的深入發展，高技術產業憑借知識密集性、高附加值等優勢，逐漸成為各國科技競爭的主要陣地。為促進高技術產業發展，搶占科技創新的先機與主動權，我國對高技術產業的研發投入持續增加。至2020年，高技術產業的經費投入總量達到4649.1億元，是2000年的40多倍。然而，與大量的資源投入相比，我國高技術產業的創新成果及其帶來的經濟效益相對不足，自主創新能力并未得到顯著提升。因此，高技術產業的發展不僅要重視科技創新資源的投入規模，更要注重科技創新資源投入的配置效率。

目前有關資源配置效率的測度，使用最廣泛的為數據包絡分析法（DEA）。范斐（2013）等人[1]利用改進的DEA的模型對我國各級城市的科技資源配置效率進行測度，發現各城市資源配置效率較低且區域差距逐年擴大。梅姝娥和陳文軍（2015）[2]運用鏈式網絡DEA模型衡量我國副省級城市的科技資源配置效率，并詳細分析了經濟發展水平等環境因素對資源配置的影響。夏清華和樂毅（2020）[3]運用SBM模型和Global Malmquist指數法對我國31個省份的科技資源配置效率進行測度，研究發現效率非有效省份存在R&D冗余、銷售收入不足等現狀。

以上文獻為本文研究奠定了基礎，但傳統DEA模型并未消除環境因素以及隨機誤差對效率的影響作用，導致效率的測度存在誤差[4]。因此本文基于三階段DEA模型，對我國高技術產業的科技創新資源配置效率進行測度，并分析配置效率的變化趨勢及區域差異，以期為促進高技術產業發展，提高科技創新資源利用效率提供理論參考。

1 研究方法及變量的選取

1.1 研究方法

本文借鑒Fried（2002）[5]提出的三階段DEA方法，通過剔除環境因素、隨機誤差對投入松弛變量的影響，以期獲得更為真實、準確的科技創新資源配置效率，具體過程如下：階段一，利用投入導向且規模報酬可變的DEA模型測度配置效率值；階段二，構建以投入松弛為因變量，環境因素為自變量的SFA模型，計算管理無效率所導致的投入冗余；階段三，采用調整后的投入變量再次進行效率評估。

1.2 變量的選取

本文選取R&D人員全時當量、R&D經費內部支出、新產品開發經費作為科技創新的投入指標，并運用永續盤存法將兩種財力資源轉化為相應的存量指標。選取專利申請數、新產品開發項目數、新產品銷售收入作為產出指標，并對新產品銷售收入進行平減處理。

本文選取的環境因素包括：經濟發展水平，以人均生產總值作為代理指標；勞動教育素質，以就業人員中本科及以上學歷所占比例作為代理指標；基礎設施建設，以人均郵電業務總量作為代理指標；政府支持力度，以R&D經費中來自政府的資金作為代理指標。此外，為了消除不同指標之間的不可公度性，本文對環境變量進行無量綱化處理。

本章數據來源為2011—2021年的《中國高技術產業統計年鑒》《中國統計年鑒》《中國科技統計年鑒》《中國勞動統計年鑒》，以及各省統計年鑒與統計公報。同時考慮數據的完整性，選取除西藏、港澳臺以外的30個省市作為研究對象，將其劃分為東部、中部、西部三大區域。

2 效率的測算

2.1 第一階段傳統DEA的結果與分析

本文利用DEAP2.1軟件，選取BCC模型進行第一階段傳統DEA分析，結果發現西部地區的廣西、青海、寧夏、新疆等經濟發展相對落后的省份，配置效率值遠超東部地區的上海、江蘇、浙江、福建等經濟發達地區，而且多次實現效率有效。這表明傳統的DEA測算結果存在偏誤，高技術產業科技創新資源配置效率與經濟發展水平并不吻合。為進一步提高效率結果的可靠性，需要考慮我國各地區的環境差異，剝離環境因素以及隨機誤差對效率測度的影響。

2.2 第二階段SFA回歸結果及分析

將第一階段DEA得到的各松弛變量作為被解釋變量，以經濟發展水平、勞動教育素質、基礎設施建設、政府支持力度四個環境因素作為解釋變量，利用Frontier4.1來實現SFA模型的回歸，回歸結果如表1所示。

表1 第二階段SFA回歸結果

從表1可以看出，回歸模型的LR值以及、均通過了1%的顯著性檢驗，說明環境因素是影響效率值的主導因素，利用SFA模型對投入變量進行調整較為合理。同時，環境變量對投入指標的松弛變量都有一定的影響，但強度略有差異，大部分數據都能通過顯著性檢驗，且4個環境變量對R&D經費內部支出以及新產品開發經費松弛值的影響十分顯著，達到了1%的顯著性水平。這說明環境因素對于各省份的創新資源投入冗余存在著顯著的影響，通過SFA剔除環境因素的影響十分必要。

通過進一步考察模型的回歸系數，可以看出勞動教育素質對三個松弛變量的回歸系數均為負，說明勞動教育素質的提高可以降低創新資源的冗余。這可能是因為高技術產業是以知識密集、技術密集為特點的，因而其發展一般選擇在高等教育發達的地區，使得勞動教育素質越高的地區，對科技創新資源的需求也就越多。基礎設施建設對三個投入變量松弛變量的均有顯著的負向影響，說明基礎設施建設越完善，越有利于減少創新要素的浪費，這可能是由于基礎設施建設加深了區域之間的開放程度，打破了創新活動的地理分割，實現科技創新資源的快速流通整合。從回歸系數來看，經濟發展水平的提高，并不利于減少科技創新資源的冗余，這可能是因為地區經濟發展水平提高，研發經費的投入會隨之加大，過多的資金并未得到合理的利用從而造成資本浪費。同時經濟發展水平也是影響勞動力流動的重要因素，大量人才在經濟發達地區的集聚，也會造成人力資源的冗余。政府支持力度提高會導致創新資源的投入過剩，說明政府的支持并沒有發揮應有的作用，這可能是由于政府的資金支持會使企業自身的研發投入減少，產生擠出效應，而政府支持過程中的信息不對稱與考核機制的不完善，也會導致企業產生尋租行為。

2.3 調整后的DEA結果及分析

基于SFA模型結果對高技術產業的投入值進行調整，剝離環境因素的影響，從而得到新的配效率值。從全國層面來看，2010—2020年，高技術產業科技創新資源配置效率整體呈現上升趨勢，具體見圖1，效率均值由2010年的0.52增長到0.69，但與效率前沿面仍有較大差距，具有一定的提升空間。同時，配置效率與規模效率的變化基本趨于一致，且遠低于純技術效率，說明規模效率低下是科技創新資源配置效率低下的主要原因。

圖1 科技資源配置效率變動趨勢

如下頁圖2所示，從區域層面來看，2010年我國東部地區的高技術產業科技創新資源配置效率均值達到0.768遠高于中部地區的0.440和中部地區的0.282，三大地區間的區域差異顯著。隨著時間變化，各地區配置效率均呈上升趨勢：東部地區配置效率的上升趨勢較為緩慢，但已穩定在0.85左右；中部地區的配置效率增長迅速，個別年份甚至達到0.804，與東部地區的差距逐年縮小。西部地區的配置效率雖有增長，但仍在0.5以下，與東部地區的差距略有縮小，與中部地區的差距卻在逐年擴大。

圖2 各區域配置效率變動趨勢

具體到省域，東部地區的江蘇、浙江、廣東等發達省份利用其技術和經濟優勢，實現了高技術產業的率先發展。中部地區的安徽、江西、河南等地在周邊發達地區的輻射帶動下，逐漸實現效率有效。西部地區的四川、重慶也不甘落后，在西部大開發等政策的支持下，達到較高的配置效率。然而，仍有14個省份并沒有達到全國配置效率均值，如東部地區海南省的效率均值僅為0.278，西部地區的青海、新疆效率均值不及0.1，說明這些省份高技術產業不發達，科技創新水平十分落后。見圖3。

圖3 各省份科技創資源配置效率

3 結論與對策建議

3.1 結論

本文以我國高技術產業為研究對象，通過構建三階段DEA模型，測度其科技創新資源配置效率，分析其空間分布格局及演變規律。結果表明：勞動教育素質、基礎設施建設等環境因素都會對投入冗余產生影響。科技創新資源配置效率整體呈現上升趨勢，但是整體效率水平不高，仍存在很大的提升空間；科技創新資源配置效率的地區間差異較大，西部地區的配置效率遠低于東中部地區。

3.2 對策建議

1）降低資源投入冗余，提高資源利用效率。對于科技財力資源，要建立有效的科研經費監管機制，提升科研經費使用效率。一方面，對科研項目進行事前評估，確保項目的創新性、立項的必要性，提高資金投入的精準性和科學性。另一方面，強化科研項目的事中和事后監管，對項目的產出成果、經濟效益進行評估，為下一階段的經費調整提供依據。

2）提高勞動教育素質，引導人才合理有序流動。一方面加大中央及地方政府的教育經費投入力度，強化中、西部地區高等教育振興的財政支持政策，實現教育、創新資源的精準扶持。另一方面深化戶籍體制改革，建立健全城市落戶制度，為流動人口提供子女教育、醫療衛生、社會保險、住房保障等基本公共服務，鼓勵人才跨區域就業。

3）完善基礎設施建設，提升科技創新承載力。一是完善交通基礎設施建設，降低貨物運輸成本及人員流動成本，加速區域間要素流動，促進區域間產業合作創新。二是加強信息基礎設施建設，推動新一代信息技術與傳統產業的融合發展，促進傳統產業的結構優化與升級。同時，利用互聯網的傳播優勢，打破信息壁壘，促進知識溢出與資源共享，提高國民科技素養。