政府干預視角下長三角城市群科技創新資源配置效率及影響因素分析

楊 劍，程華東

（安徽大學管理學院，安徽合肥 230601）

0 引言

隨著創新驅動發展戰略和長三角一體化戰略的深入推進，長三角城市群作為我國重要的科技創新區域，在建設創新型國家的過程中發揮著重要的示范引領作用。科技創新資源的高效配置是支撐科技創新活動的基礎條件，政府在資源配置中扮演著重要的角色，通過政策的引導，維護科技活動的秩序并進一步釋放創新活力。因此，明確長三角各城市的科技創新資源配置效率差異，并從政府干預視角出發分析其影響因素，對于優化長三角城市群的科技創新資源整體布局，促進區域科技創新資源的高效配置，加速推進區域科技創新全面發展具有重要意義。

1 文獻回顧

目前，學界對科技創新資源配置的相關問題進行了諸多探討，主要集中于科技創新資源配置的效率及其影響因素等方面。

在科技創新資源配置效率方面，學者們大多使用數據包絡分析（DEA）方法對不同類型研究對象的科技創新資源配置效率進行評價。例如，鄭家喜等［1］運用DEA-Malmquist 方法測算1999—2013 年我國中西部地區農業科技運行的技術效率、技術進步和全要素生產率，探究區域農業科技創新資源配置效率存在的差異；楊林等［2］運用三階段DEA 模型對粵港澳大灣區2014—2016 年科技金融資源配置效率進行了測算與分析；張海波等［3］則對我國31個省份2015—2017 年高校科技創新資源配置效率進行了測算。

在科技創新資源配置效率影響因素方面，一是從研發主體的投入產出視角出發，認為科研機構發展水平、研發機構R&D 經費支出等因素對科技創新資源配置效率具有顯著影響作用［4］；二是從研發主體所處的環境視角出發，認為產業生產力發展水平、城市經濟發展水平和經濟開放程度、勞動力市場相關制度等因素都影響科技創新資源配置效率，相關觀點分別可見于吳國松［5］、梅姝娥等［6］、Elert 等［7］的研究；三是從研發主體行為視角出發，認為協同創新、資源協調在提升科技資源配置效率方面具有積極作用，如付麗莉［8］、Heil 等［9］的研究。

綜合來看，學者們對科技創新資源配置問題開展了充分的學理探討和現實分析，相關研究成果頗豐，然而較少從政府干預視角對科技創新資源配置效率展開深入研究，且缺乏關于長三角城市群科技創新資源配置效率的分析。地方政府在科技創新過程中發揮著不可或缺的作用［10］，對于科技資源的政策導向和干預作用能夠提高科技資源的有效分配和使用效率，進而實現經濟效益和社會效益的最大化［11］。因此，本研究從政府干預視角出發，運用超效率DEA 模型和DEA-Malmquist 模型對長三角城市群科技創新資源配置效率進行測算，并實證分析資源配置效率的影響因素。

2 評價指標構建與影響因素選擇

2.1 科技創新資源投入與產出指標

科學合理的評價指標體系是對科技創新資源配置效率評價的前提基礎和必然要求。根據科技創新資源配置的特點，借鑒趙立雨等［12］和游達明等［13］的相關研究成果，從科技創新資源投入和產出兩個維度構建長三角城市群科技創新資源配置效率評價指標體系（見表1）。

表1 長三角城市群科技創新資源配置效率評價指標體系

2.2 科技創新資源配置效率影響因素的選取

以政府干預為核心解釋變量，以經濟發展、產業結構、市場化進程、城市化水平以及區域開放程度作為控制變量，構建長三角城市群科技創新資源配置效率影響因素評價指標體系（見表2）。其中，參照白俊紅等［14］、潘雅茹等［15］以及樊綱等［16］的衡量方法，采用各城市的一般公共預算支出占地區生產總值（GDP）比重、科技固定資產投資額占固定資產投資額的比重以及市場化指數3 項指標來衡量政府的干預水平；借鑒劉玲利［17］的做法，用人均地區生產總值來衡量經濟發展水平；借鑒徐冰鑫等［18］的衡量方法，用第三產業產值占GDP 的比重來表征產業結構調整；參照秦國偉等［19］的衡量方法，用技術市場成交額占R&D 經費支出的比重來表征技術市場化程度；借鑒王星［20］的做法，將城鎮人口占總人口的比重來反映城市化水平；參照楊正軍等［21］的衡量方式，采用進出口總額占GDP 比重作為區域開放程度的指標。

表2 長三角城市群科技創新資源配置效率影響因素評價指標體系

3 數據來源與研究方法

3.1 數據來源

2010 年國務院正式批準實施《長江三角洲地區區域規劃》，明確了長三角發展的戰略定位，同時基于數據的可得性等，因此以2011—2020 年長三角城市群的26 個城市（以下簡稱“樣本城市”）為研究對象，數據來源于2012—2021 年的《中國城市統計年鑒》《安徽省統計年鑒》《江蘇省統計年鑒》《浙江省統計年鑒》《上海市統計年鑒》以及樣本城市的地方性統計年鑒、統計公報和科技局網站等。相關數據特征如表3 所示。

表3 變量描述性統計結果

3.2 研究方法

3.2.1 超效率DEA 模型

超效率DEA 模型克服了傳統DEA 模型無法對多個有效決策單元之間效率差異進行區分的缺點，能夠對所有決策單元效率進行比較，提高了決策單元效率值測算的準確程度。其具體表達形式如下：

式（1）中：s+和s-表示松弛變量；θ表示模型測算出的決策單元投入相對產出的有效值，即效率值；ε為非阿基米德無窮小數；λj為模型的最優解；n表示決策單元（DMU）。

3.2.2 DEA-Malmquist 指數

DEA-Malmquist 指數模型將Malmquist 指數與DEA 理論相結合，實現了DEA 模型對面板數據的動態分析。Malmquist 指數通常用來測量全要素生產率，模型的表達形式如下：

式（2）～（4）中：xt,yt分別表示第t時期的投入和產出向量；表示在t時期的技術水平下，決策單元DMU0 分別在t時期和t+1 時期與前沿面技術相比較所得到的距離函數值；表示在t+1 時期的技術水平下，決策單元DMU0分別在t時期和t+1 時期與前沿面技術相比較所得到的距離函數值；Effch 為技術效率變化指數；Techch 為技術變化指數；Pech 為純技術效率指數；Sech 規模效率指數。

3.2.3 Tobit 模型

Tobit 模型是實證分析研究對象影響因素時較為常用的一種分析方法，其特點是因變量滿足某種約束條件下進行取值，符合本研究目的，因此結合托賓（Tobit）回歸模型的基本原理構建如下回歸模型：

式（5）中：i表示城市，i=1,2,…,26；t表示年份；為i城市在t年的超效率值；為截距項；為隨機干擾項；變量governit包括govern_budgetit、govern_investit以及govern_miit。

4 實證分析

4.1 長三角城市群科技創新資源配置效率靜態評價

借助MaxDEA 8.0 軟件，采用投入導向的超效率DEA 模型測算出長三角城市群科技創新資源配置效率，如表4 所示。可見，大部分城市科技創新資源配置效率呈現逐年上升的趨勢，說明長三角城市群總體上科技創新資源配置處于不斷優化之中，反映出近年來長三角城市群科技體制機制和科技創新資源管理制度改革取得了一定成效。從各城市的均值來看，安徽的合肥、滁州，江蘇的南京、無錫、蘇州、南通、鎮江，浙江的杭州、寧波、嘉興、湖州、紹興、金華，以及上海這14 個城市的科技創新資源配置效率均值在研究期間都超過1，表明這些城市科技創新資源配置屬于DEA 有效，資源配置有效的城市比例達到53.85%；另外12 個城市的科技創新資源配置效率均值低于1，說明其在科技創新資源配置活動中存在著資源閑置浪費、資源分散、效率低下等問題，尤其是舟山、馬鞍山等的地的科技創新資源配置效率遠落后于其他城市，亟需進一步優化以提升城市的科技創新資源配置水平。

表4 2011—2020 年樣本城市科技創新資源配置超效率DEA 值年度分布

從具體城市來看，上海市的科技創新資源配置效率處在領先地位，最高值為2016 年的7.321、最低值為2020 年的1.389，均大于1，但波動較大，需要保持穩定；江蘇省9 個城市的科技創新資源配置效率整體相對較高，蘇州、南京、無錫的歷年均值分別排在樣本城市中的第3、5、6 位，其中蘇州和南京這兩個江蘇省經濟最強城市不僅科技創新資源豐富，而且構建了較為完善的引導創新資源配置的政策體系，在研究期間的創新資源配置效率都超過了1，而蘇中和蘇北地區科技創新資源配置效率相對較低，尤其是蘇北地區的鹽城，由于地理區位的原因，科技人才、科技創新投入等創新資源較為缺乏，科技創新管理能力不足，其科技創新資源配置效率均值排在樣本城市的末位；浙江省的8 個城市除金華外，科技創新資源配置效率基本呈現出逐年上升的總體趨勢，從均值來看，除了舟山和臺州，其他6 個城市科技創新資源配置效率均超過1，且波動較小；安徽省的8 個城市除了合肥和滁州外，其他城市科技創新資源配置效率均值均未超過1，其中作為國家科技創新型試點城市和國家四大綜合性科學中心之一的合肥，在2013 年明確提出“大湖名城，創新高地”的城市發展定位，作為彰顯自身特色、提升城市核心競爭力和綜合影響力的基本戰略，持續推進科技力量體系建設，優化科技資源投入結構，加速實現科技成果轉化，在提升科技資源配置效率等方面取得了突出的成效，因而在2014 年實現了由科技創新資源配置效率無效向有效的轉變，并在此后的2015 年至2020 年保持有效，而滁州、蕪湖、銅陵三地科技創新資源配置效率均值處在樣本城市的中游位置，馬鞍山、安慶、池州以及宣城的科技創新資源配置效率均值則相對較低。

4.2 長三角城市群科技創新資源配置效率動態評價

考慮到科技創新資源配置是一個長期動態變化的活動過程，利用DEA-Malmquist 指數模型對樣本城市的科技創新資源配置效率進行動態分析。如表5 所示，樣本城市科技創新資源的全要素生產率（Tfpch）基本都大于1，年均增長率達到了10.5%，說明近年來長三角城市群科技創新資源配置處于不斷優化之中，其中全要素生產率的提升主要是因為技術效率指數和技術變化指數的交替增加而引起的，而全要素生產效率指數的降低主要是由規模效率指數下降造成的；技術效率指數和純技術效率指數值在1 上下波動，而技術變化指數則有明顯的增長，說明長三角城市群的技術進步在提升科技創新資源配置效率方面發揮出較大作用，技術的更新迭代為科技創新資源的優化配置提供了條件。

表5 樣本城市整體科技創新資源配置效率變動情況

由表6 可知，絕大部分樣本城市的全要素生產率指數大于1，其中上海最高；平均全要素生產率指數增長率為8.5%，反映出長三角城市群科技創新資源配置效率整體上都得到了改善和優化。具體來看，上海的全要素生產率指數增長率增幅高達30.2%，充分體現了上海的科技創新實力；滁州、揚州、紹興、金華、舟山的全要素生產率指數的增長主要是由于技術效率指數的增加，說明這些城市近年來技術效率水平增長勢頭強勁；銅陵、宣城、鹽城、鎮江、杭州、寧波、臺州的全要素生產率指數增長主要是由純技術效率和規模效率雙重作用推動的；合肥、蕪湖、南京、無錫、泰州主要是由于技術進步推動全要素生產效率指數水平提高；而常州、蘇州、嘉興的全要素生產效率指數的增長主要得益于純技術效率的提高。就全要素生產效率指數下降的城市而言，馬鞍山和池州主要是由于技術進步指數較低導致的，說明兩地技術發展相對滯后；安慶和南通主要是由于技術效率指數下降較多；嘉興則是由于受到規模效率指數降低的制約。

表6 2011—2020 年樣本城市科技創新資源配置效率Malmquist 指數均值及其分解

4.3 政府干預視角下科技創新資源配置影響因素分析

運用Tobit 模型對2011—2020 年長三角城市群科技創新資源配置效率的影響因素進行實證分析，結果如表7 所示，政府干預、經濟發展水平、產業結構調整、城市化水平對長三角科技創新資源配置效率的影響顯著，而市場化水平和區域開放程度沒有通過顯著性檢驗。政府干預的3 項指標均通過了顯著性檢驗，且回歸系數皆為正數，說明政府干預與科技創新資源配置效率呈顯著正相關，政府對科技創新資源配置的適當干預能夠提高配置效率。其中，一般公共預算支出占地區生產總值比重均在1%的水平上顯著，且該比重每提高1%將促進科技創新資源配置效率增加約1.5%；科技固定資產投資額占固定資產投資額比重均顯著為正，說明科技類固定資產投資的增加對提高科技創新資源配置效率具有重要作用；市場化指數均顯著，但系數估計值相對較小，說明市場化有助于促進各類科技創新資源要素在市場上自由流動，在價格機制和經濟收益的驅動下科技創新資源配置效率得到提高。

表7 樣本城市科技創新資源配置影響因素的Tobit 模型回歸結果

此外，第三產業產值占GDP 的比重對科技創新資源配置效率的影響顯著為正，說明產業結構的優化升級是科技創新資源配置效率提升的重要動力，為科技創新資源的合理分配和高效利用提供了強有力支撐。城市化水平的提升對科技創新資源配置效率的提升也具有積極作用。城市化的發展加速了人才、知識、信息、資金等技術創新要素的空間集聚，對科技創新資源的有效配置產生較強的正效應。經濟發展水平與科技創新資源配置效率之間存在負向關系，原因可能是經濟發達的城市擁有充足的科技人才、資金以及基礎設施條件等資源，但是科技人才資源與科技發展不匹配、科技人才結構不合理、管理制度不完善等問題造成科技創新資源未得到充分利用，導致科技產出水平落后于科技投入強度，而大量的科技資源投入放大了資源未能充分有效配置的問題。

5 結論與對策建議

綜合來看，長三角城市群綜合效率值整體呈現波動式上升的態勢，其中上海、寧波、蘇州、杭州、南京排在前5 位，而鹽城、舟山、馬鞍山、常州、池州等地處于較低水平。在對科技創新資源配置效率影響因素的分析中發現，政府對科技創新資源配置發揮著積極的引導作用，可以為提高科技創新資源配置效率營造出良好的環境，促進科技創新資源合理規劃和流動，產業結構調整和城市化水平對科技創新資源配置效率的提升也具有顯著作用。

因此，長三角各地政府應積極為科技創新資源的優化配置和有效整合提供制度保障和政策指引，通過強化頂層設計和制度化體系來對科技創新資源配置加以引導。對科技創新資源投入至產出的各個環節制定相關法律法規，將諸如“通知”“意見”“辦法”等行之有效的規范性文件按照法律法規程序上升為法律法規，以增強科技創新資源配置相關工作的權威性和穩定性，進一步規范科技創新資源配置方式，準確把握科技創新資源配置規律，彌補在科技創新資源配置過程中的市場失靈，維護技術市場秩序，營造出公平、競爭的市場環境以提高科技創新資源的使用效率。另外，針對長三角城市群科技創新資源配置效率差異懸殊的問題，應加強城市之間的交流與合作：一是破除區域行政壁壘的制約，繼續深入探索跨行政區域的合作體制機制，推動相關科技部門采取整體性、跨區域、跨部門的方式加強合作，注意城市之間各項法律法規以及相關科技政策之間的銜接性和協調性，從而建立長三角地區長效合作發展機制；二是立足于地方優勢資源和特色產業，引導科技創新資源向基礎研究和應用研究領域流動與重組，搭建更多的區域科技創新合作平臺，為促進長三角城市群科技創新資源的優勢互補和開放共享奠定基礎，從而促進科技創新資源在長三角城市群的合理配置。