基于DEA-Malmquist模型的江西省縣域科技創新績效評價研究

摘 要：【目的】了解江西省各縣（市、區）科技創新競爭力，以及各縣（市、區）科技創新投入是否達到預期產出成果，是否造成科技資源的浪費。【方法】通過構建江西省縣域科技創新績效評價指標體系，收集2019—2022年100個縣（市、區）科技創新數據，使用DEA-Malmquist指數模型進行績效評價，計算出100個縣（市、區）4年的科技創新績效變化情況，以及各設區市、各主體功能區的科技創新績效變化情況。【結果】①2019—2022年江西省縣域科技創新績效平穩提升，73%的縣（市、區）平均科技創新績效大于1；②技術進步效率逐年上升是縣域科技創新績效提升的主要原因；③農產品主產區平均科技創新效率最高。【結論】對江西省縣域科技創新發展提出了優化資源配置、強化企業創新主體地位、構建完善的“引育用留”人才制度體系等建議。

關鍵詞：DEA-Malmquist模型；縣域科技創新；績效評價

中圖分類號：F124.3;F224 " 文獻標志碼：A " 文章編號：1003-5168（2025）06-0140-08

DOI：10.19968/j.cnki.hnkj.1003-5168.2025.06.026

A Study on the Scientific and Technological Innovation Performance Evaluation of County-level Regions in Jiangxi Province Based on

DEA-Malmquist Model

CHEN Ying

（Jiangxi Institute of Science and Technology Information， Nanchang 330000， China）

Abstract： [Purposes] This paper aims to understand the competitiveness of scientific and technological innovation in counties （cities， districts ） of Jiangxi Province， and whether the investment in scientific and technological innovation in counties （cities， districts） has achieved the expected output results， and whether it has caused waste of scientific and technological resources. [Methods] By constructing a performance evaluation index system for county-level innovation in Jiangxi Province， this paper collected innovation data for 100 counties （cities and districts） from 2019 to 2022 and used the DEA-Malmquist index model to evaluate the performance. This paper calculated the change in innovation performance of the 100 counties （cities and districts） over the past four years， as well as the change in innovation performance of each prefecture-level city and each functional area.[Findings]①The county-level innovation performance in Jiangxi Province has steadily improved from 2019 to 2022， with 73% of counties （cities and districts） having an average innovation performance of more than 1. ②The efficiency of technological progress has increased year by year， which is the main reason for the improvement of county-level innovation performance. ③The average innovation efficiency of agricultural product main production areas is the highest. [Conclusions] The study suggests the following suggestions for the development of county-level innovation in Jiangxi Province： optimizing the structure of resource allocation， strengthening the status of enterprises as the main innovation subject， and building a complete \"attraction， cultivation， use， and retention\" talent system.

Keywords： DEA-Malmquist index model; county-level scientific and technological innovation; performance evaluation

0 引言

縣域連接著城市與鄉村，是我國經濟發展的基本單元，也是城鄉融合發展的關鍵載體。黨的二十大報告明確提出，要加快實施創新驅動發展戰略，加快實現高水平科技自立自強。國務院辦公廳《關于縣域創新驅動發展的若干意見》指出，實施創新驅動發展戰略，難點在縣域［1］。縣域科技創新對縣域經濟的可持續發展具有重要意義，不僅能夠推動經濟增長，還能對優化產業結構、提升就業質量、增強區域競爭力等多方面產生積極影響。新形勢下，支持縣域開展以科技創新為核心的全面創新，推動大眾創業、萬眾創新，加快實現創新驅動發展，是打造發展新引擎、培育發展新動能的重要舉措。

與城市相比，縣域科技創新存在投入不足、基礎薄弱、人才缺乏等短板，制約了自身整體創新能力的提升［2］。近年來，為了提升縣域科技創新水平，江西省各縣域不斷加大科技創新資源的投入，100個縣（市、區）創新能力的差距進一步縮小，多層次、各具特色的縣域創新體系更加完善，有力支撐了江西省創新型省份建設。開展江西省縣域科技創新績效評價，不僅可以科學測度江西省各縣域的科技創新績效變化，動態掌握近年來各縣域的科技創新績效水平，還可以了解各縣域科技創新投入是否達到預期效果，是否造成科技資源的浪費［3］。本研究深入分析江西省縣域科技創新績效結果，提出針對性的科技創新改進措施和建議，以合理配置科技創新資源，對支撐江西省創新型省份建設具有重要意義。

1 研究綜述

目前，國內外對科技創新績效的研究有很多，張樹果等［4］以2011—2020年河南省18個地級市為研究對象，運用超效率SBM-Mamquist模型對其科技創新投入產出效率進行測度分析，并進一步運用Tobit回歸對影響科技創新績效的因素進行分析。都康飛［5］以浙江省26個“加快發展縣”為研究對象，構建了包含19個三級指標的評價體系，然后通過主成分分析法和灰色關聯分析法篩選出合適的投入、產出指標，最后用數據包絡分析法構建DEA模型，對26縣5年的面板數據進行了DEA有效性分析，發現26縣總體科技創新績效不高，而且縣域間差異較大。范藝美［6］采用熵值法與灰色關聯度法對河南省區域科技創新投入產出能力進行分析，然后使用拉開檔次組合評價法對熵值法和灰色關聯度法這兩種客觀評價方法所得到的處理結果進行集結，得到最終的河南省區域科技創新投入產出能力。

基于以上科技創新績效相關的文獻研究，本研究采用DEA-Malmquist指數模型，收集了2019—2022年的數據，對江西省100個縣（市、區）的科技創新績效動態變化情況進行研究，并對科技績效進行分解，分析影響100個縣（市、區）科技創新績效變化的因素，最后根據研究結果提出相關建議，為江西省創新型省份建設提供參考。

2 DEA-Malmquist模型及其指數含義

2.1 DEA-Malmquist指數的分解

Malmquist指數即全要素生產率的增長率，是繼效率評價之后，體現效率動態變化的指標，因此本研究使用Malmquist指數計算年均科技創新效率（tfpch）。Malmquist指數可以被分解為技術進步指數（techch）和綜合技術效率指數（effch）。技術進步指數是對技術進步和科技創新能力的衡量與評價，綜合技術效率指數是對決策單元的技術規模、綜合環境、資源配置和使用效率等多方面能力的綜合衡量與評價。綜合技術效率指數又可以進一步分解為純技術效率指數（pech）和規模效率指數（sech）的乘積。純技術效率指數衡量的是由管理和技術等因素影響的生產效率，規模效率衡量的是由規模因素影響的生產效率［7］。

2.2 DEA-Malmquist指數及分解指數的意義

當年均科技創新效率（tfpch）等于1時，說明科技創新績效從基期到報告期沒有變化；當該指數大于1時，說明科技創新績效從基期到報告期呈上升趨勢，效率提高；當該指數小于1時，說明科技創新績效從基期到報告期呈下降趨勢，效率降低［8］。

當技術進步指數（techch）大于1時，說明技術進步和科技創新能力的提升使得科技創新績效得到了提高；小于1時，則說明二者沒有提升；等于1時，說明科技創新績效沒有發生變化［9］。

當綜合技術效率指數（effch）大于1時，說明技術規模、綜合環境、資源配置和使用效率等方面得到了提高；小于1時，則說明其沒有得到提高。綜合技術效率指數可以分解為純技術效率指數（pech）和規模效率指數（sech）的乘積。純技術效率指數（pech）大于1時，說明縣域的管理水平和技術水平有所提高；小于1時，說明其沒有提高。規模效率指數（sech）大于1時，說明科技創新規模得到了提高，小于1說明其沒有提高［10］。

3 縣域科技創新績效評價研究

3.1 科技創新績效評價指標體系

影響縣域科技創新績效的因素是復雜多樣的，需從不同維度和不同角度來構建指標體系［11］。指標的設計和選取遵循全面性、科學性、可操作性、系統性的原則。根據DEA模型原理，可將縣域科技創新績效評價指標體系分為三級指標層次：一級指標包括科技創新投入、科技創新產出；二級指標為一級指標的分解，科技創新投入指標可分為科技人力投入、科技財力投入、科技企業投入，科技創新產出指標可分為科技成果產出、科技成果轉化、經濟社會發展；三級指標為二級指標的分解，科技人力投入包括規模以上工業企業萬人Ramp;D人員全時當量、規模以上工業企業萬人Ramp;D人員占從業人員比重，科技財力投入包括規模以上工業企業Ramp;D經費支出總量、規模以上工業企業Ramp;D經費支出與GDP之比、規模以上工業企業Ramp;D經費支出占營業收入比重，科技企業投入包括規模以上企業數、高新技術企業數、科技型中小企業數，科技成果產出包括有效發明專利擁有量，科技成果轉化包括技術合同成交額、規模以上工業企業新產品銷售收入占營業收入比重、高新技術產業增加值占規模以上工業增加值比重，經濟社會發展包括人均GDP、居民人均可支配收入（見表1）。本研究收集了江西省100個縣（市、區）2019—2022年的投入產出數據。數據均來源于省直有關單位和各設區市科技局，保證了數據獲取的規范性和指標設置的科學性。

3.2 縣域科技創新績效整體變化情況

本研究采用DEARUN軟件計算出了江西省100個縣（市、區）2019—2022年科技創新績效的整體變化情況。從表2可以看出，在2019—2022年的4年間，江西省100個縣（市、區）的科技創新績效平均增長率為8.8%，其中綜合技術效率年均增長4.6%，技術進步指數年均增長4.0%。綜合技術效率可以分解為純技術效率和規模效率，從表2中可以看出，江西省100個縣（市、區）4年來純技術效率年均增長3.1%，規模效率年均增長1.5%。

從圖1江西省縣域科技創新績效指數及其分解指數變化趨勢折線圖可以看出，江西省2019—2022年科技創新績效水平整體呈上升趨勢，各分解指數均大于1.000。其中，技術進步指數（techch）和年均科技創新效率（tfpch）都呈逐年增長趨勢，而綜合技術效率指數（effch）雖然大于1.000，但呈逐年下降趨勢。說明2019年后，江西省縣域在科技創新環境、創新資源配置、技術規模等方面沒有較大的提升，科技創新績效的提升主要是由于各縣域的科技進步和創新。

江西省2019—2022年縣域科技創新績效情況按年均科技創新效率（tfpch）大小可以分為6類，如表3所示。第1類：年均科技創新效率（tfpch）≥1.300，共有6個縣（市、區），占比6.00%；第2類：1.300gt;年均科技創新效率（tfpch）≥1.200，共有14個縣（市、區），占比14.00%；第3類：1.200gt;年均科技創新效率（tfpch）≥1.100，共有15個縣（市、區），占比15.00%；第4類：1.100gt;年均科技創新效率值（tfpch）≥1.000，共有38個縣（市、區），占比15.00%；第5類：年均科技創新效率（tfpch）=1.000，共有17個縣（市、區），占比17.00%；第6類：年均科技創新效率（tfpch）lt;1.000，共有10個縣（市、區），占比10.00%。

江西省2019—2022年縣域年均科技創新績效大于1.000的共有73個縣（市、區），占比73.00%，說明這73個縣（市、區）4年間的科技創新效率均得到了提升；年均科技創新績效等于1.000的共有17個縣（市、區），說明這17個縣（市、區）4年間的科技創新效率沒有得到提升；年均科技創新績效小于1.000的共有10個縣（市、區），說明這10個縣（市、區）4年間的科技創新效率有所倒退。

3.3 "各設區市科技創新績效情況

從表4可以看出，江西省11個設區市2019—2022年的平均科技創新績效均大于1.000，說明這4年各設區市科技創新績效都有所增長。萍鄉、贛州、上饒、宜春、鷹潭、景德鎮、吉安等7個設區市的科技創新績效提高是因為技術進步和綜合技術效率的雙重提高。新余市科技創新績效的提高僅因為綜合技術效率的提高，其中包括純技術效率和規模效率的雙重提升，說明該市在科技創新資源、環境、技術規模等方面得到改進，但科學技術水平沒有得到提升［12］。九江、南昌、撫州等3個設區市科技創新績效的提高僅因為技術進步指數的提高，說明這3個設區市的技術創新能力有所提升，但綜合創新環境、規模沒有提升。

3.4 各主體功能區科技創新績效情況

江西省共有100個縣（市、區），其中縣61個，縣級市12個，區27個。為了能更加客觀清楚地了解江西省各縣域4年間的科技創新績效變化趨勢，本研究按照《江西省人民政府關于印發江西省主體功能區規劃的通知》文件和產業發展情況及江西省委、省政府關于印發《江西省高質量發展考核評價實施意見》的通知，將江西省所有的縣（市、區）分為3類：重點開發區（35個）、農產品主產區（33個）、重點生態區（32個）。通過比較研究，計算出100個縣（市、區）在2019—2022年的科技創新績效平均值及其分解指數。

3.4.1 重點開發區科技創新績效情況。江西省重點開發區35個縣2019—2022年的科技創新績效指數平均增長6.9%，低于重點生態區2.4個百分點，低于農產品主產區3.3個百分點。按年均科技創新效率（tfpch）可以將重點開發區分為6類，如表5所示：年均科技創新效率（tfpch）大于1.000的共有20個縣（市、區），占比57.14%；年均科技創新效率（tfpch）等于1.000的共有10個縣（市、區），占比28.57%；年均科技創新效率（tfpch）小于1.000的共有5個縣（市、區），占比14.29%。

其中，安源區、濂溪區、臨川區、新建區、袁州區等5個縣（市、區）4年的年均科技創新績效均小于1.000，主要原因是其綜合技術效率指數小于1.000，表明這5個縣（市、區）雖然技術效率有所增長，但是在科技創新資源、環境、技術規模等方面沒有得到改進，從而導致科技創新績效沒有得到提升［13］。

廣豐區年均科技效率增長最快，高達32.2%，包括綜合技術效率和技術進步效率的雙重提升；青山湖區、湖口縣、湘東區等3個縣（市、區）年均科技創新績效增長均在20%以上，其績效的提升來源于技術進步效率的提升，而非綜合技術效率的提升，說明這3個縣（市、區）4年來通過技術進步和創新帶來了顯著的科技創新績效增加。

3.4.2 農產品主產區科技創新績效情況。江西省農產品主產區33個縣2019—2022年的科技創新績效指數平均增長10.2%，高于重點開發區3.3個百分點，高于農產品主產區0.9個百分點。如表6所示，按年均科技創新效率（tfpch）可以將農產品主產區分為6類：年均科技創新效率（tfpch）大于1.000的共有28個縣（市、區），占比84.85%；年均科技創新效率（tfpch）等于1.000的共有2個縣（市、區），占比6.06%；年均科技創新效率（tfpch）小于1.000的共有3個縣（市、區），占比9.09%。

其中，崇仁縣、樂安縣、永豐縣等3個縣（市、區）4年的年均科技創新績效小于1.000。崇仁縣和永豐縣是因為技術進步效率小于1.000，科技創新技術水平沒有得到提升，造成了總體效率的落后；樂安縣則是技術進步效率和綜合技術效率都小于1.000，不僅科技創新水平沒有提升，科技創新資源、環境、技術規模等方面也沒有得到改進。

寧都縣、會昌縣、鉛山縣、上栗縣等4個縣（市、區）4年的年均科技創新績效增長最快，年均科技創新績效增長均在30%以上，包括技術進步和綜合技術效率的雙重提升，但綜合技術效率提升得更明顯；寧都縣、鉛山縣、上栗縣等3個縣（市、區）純技術效率和規模效率均大于1.000，說明這3個縣（市、區）在科技創新管理決策水平、科技創新規模方面均有很大提升，但是會昌縣只有純技術效率大于1.000，規模效率等于1.000，其效率提升僅來源于科技創新管理決策水平，而不是科技創新規模的提升。

3.4.3 重點生態功能區科技創新績效情況。江西省重點生態功能區32個縣（市、區）2019—2022年的科技創新績效指數平均增長9.4%，高于重點開發區2.4個百分點，低于農產品主產區0.9個百分點。如表7所示，按年均科技創新效率（tfpch）可以將重點生態功能區分為6類：年均科技創新效率（tfpch）大于1.000的共有25個縣（市、區），占比78.13%；年均科技創新效率（tfpch）等于1.000的共有5個縣（市、區），占比15.63%；年均科技創新效率（tfpch）小于1.000的共有2個縣（市、區），占比6.25%。

其中，安義縣、武寧縣2個縣（市、區）4年的年均科技創新績效小于1.000。安義縣是因為技術進步效率小于1.000，科技創新技術水平沒有得到提升，造成了總體效率的落后；武寧縣則是綜合技術效率小于1.000，包括純技術效率和規模效率都小于1.000，表明該縣在科技創新方面的管理決策水平和科技創新規模都沒有提升。

安遠縣4年的年均科技創新績效增長最快，年均科技創新績效增長高達32.1%，技術進步和綜合技術效率均有所提升，但綜合技術效率提升的更明顯。大余縣、井岡山市、靖安縣、蓮花縣、蘆溪縣、全南縣等6個縣（市、區）年均科技創新績效增長均在20%以上，蓮花縣是因為技術進步效率提升，綜合效率并沒有提升，其年均科技創新效率的提升源自技術進步和創新；其他5個縣技術進步效率和綜合技術效率均有所提升，說明這5個縣（市、區）在科技創新管理決策水平、科技創新規模和技術創新能力等方面均有很大提升。

4 縣域科技創新績效評價總結

4.1 縣域科技創新效率呈逐年上升趨勢

對江西省100個縣（市、區）2019—2022年的科技創新績效動態變化評價研究后可知，江西省縣域科技創新績效整體呈平穩上升趨勢，不僅來源于科技進步，也源自科技創新資源、環境和規模的提高。但從整體來看，縣域科技創新的技術進步效率逐年上升，綜合技術效率卻逐年下降。從數據來看，絕大部分縣（市、區）科技創新效率都在提升：2019—2022年平均科技創新效率大于1.000的縣（市、區）共73個，占比73.00%；平均科技創新效率小于1.000的縣（市、區）共10個，占比10.00%；平均科技創新效率等于1.000的縣（市、區）共17個，占比17.00%。

4.2 技術進步是提升縣域科技創新績效的主要原因

綜合江西省科技環境來看，2020年江西省綜合科技創新水平指數排在全國第16位，比2019年前進2位，此后均保持全國第16位；江西省研發投入總量2019—2023年均排在全國第18位，但與上一位天津的差距由2019年的78.66億元，縮小至2023年的10億元。由此可見，江西省科技創新水平在2019年后有了很大的提升，并不斷投入科技創新資源，擴大創新規模，但受經濟體量和政府科技管理水平的限制，綜合技術效率的增加帶來的科技創新績效提升并不明顯，而技術進步帶來的科技創新績效的提升更加明顯［14］。

4.3 農產品主產區科技創新績效提升最快

近年來，江西省聚焦農業高質量發展，農業的科技支撐作用顯著增強。從各個主體功能區2019—2022年的平均科技創新效率來看，農產品主產區平均科技創新效率最高，其次是重點生態功能區，最后是重點開發區。農產品功能區和重點生態功能區技術進步效率和綜合技術效率均大于1.000，純技術效率和規模效率也均大于1.000，說明這兩個功能區的科技創新績效處于先進水平，近年來不僅技術創新能力有所提高，在科技創新資源、環境、規模等方面也實現了顯著提升。重點開發區平均科技創新效率提升較慢，主要是因為綜合技術效率中的規模效率小于1.000，隨著經濟的快速發展，科技創新腳步加快，政府在科技創新規模上沒有及時調整，導致重點開發區平均科技創新效率提升緩慢。

5 提升縣域科技創新績效水平的建議

本研究對江西省100個縣（市、區）2019—2022年的科技創新績效動態變化情況進行了深入分析，并基于縣域科技創新績效評價的相關結論，建議應針對不同類型的縣（市、區）制定相應的政策，以提升其科技創新績效水平。

科技創新績效大于1.000，處于績效先進水平的73個縣（市、區）中70%以上屬于農產品主產區和重點生態功能區。隨著科技創新與農業、生態不斷結合，這些縣域的科技進步非常迅速，這也是其科技創新效率不斷增長的主要原因。因此，在今后的縣域創新發展中，要繼續注重科技創新，保持合理的科技投入，引導科技資金投入向技術創新傾斜，盡量避免科技資源浪費，使規模效率保持在最優水平。

科技創新績效等于1.000，處于績效平穩水平的17個縣（市、區）中近60%屬于重點開發區。這些縣域科技創新水平較高，但處于瓶頸期，科技創新難以有大幅度的提升。對于這些縣域，要持續加大科技資金投入，力爭解決技術攻關難題，加強以企業為主體的縣域科技創新體系的建設，使企業創新主體地位更加突出，促進企業真正成為研究開發投入的主體、科技創新活動的主體、科技創新成果應用的主體。

科技創新績效小于1.000，處于績效落后水平的10個縣（市、區）中50%屬于重點開發區。這些縣（市、區）絕大部分綜合技術效率低，包括純技術效率和規模效率低。因此，對于這些縣域，要著力提高綜合技術效率，就要充分發揮市場配置資源的決定性作用，完善科技成果轉移轉化政策環境，強化技術、資本、人才、服務等創新資源的深度融合與優化配置，建立符合科技創新規律和市場經濟規律的科技成果轉移轉化體系，促進科技成果資本化、產業化，形成經濟持續穩定增長新動力。

縣域科技創新是推動縣域經濟高質量發展的重要舉措。從整體來看，促進縣域科技創新績效水平提升，一是要優化資源配置結構，充分發揮好地方財政科學技術支出的杠桿作用，建立健全多元投入機制，促進縣域科技供給要素聚集；二是強化企業創新主體地位，培育壯大高新技術企業和科技型中小企業，引導企業提高核心技術創新能力，加強與高校、科研院所合作，促進成果轉化，提升科技創新效率；三是構建完善的“引育用留”人才制度體系，結合本地產業特色，深化產才融合，以產業基地為重點，加強領軍人才、技能人才、研發設計人才培養，特別重視管理人才隊伍建設，提升縣域人才引聚質量，帶動更多資源要素向縣域集聚［15］。

參考文獻：

［1］國務院辦公廳關于縣域創新驅動發展的若干意見［EB/OL］.（2017-05-24）［2024-08-25］.https：//www.gov.cn/zhengce/zhengceku/2017-05/24/content_5196268.htm.

［2］盛明科，孟佳.基于DEA-Malmquist模型的中國省域科技創新績效評價研究［J］.公共管理與政策評論，2018，7（2）：46-55.

［3］蔡征超，張藝，鄭林昌.京津冀地區科技創新投入產出效率評價［J］.統計與管理，2017（9）：65-68.

［4］張樹果，張聰果.基于超效率SBM-Malmquist-Tobit模型的市域科技創新效率評價及影響因素研究［J］.內蒙古科技與經濟，2023（14）：19-24，28.

［5］都康飛.基于DEA模型的縣域科技創新績效評價［D］.杭州：浙江工商大學，2021.

［6］范藝美.河南省區域科技創新投入產出績效評價研究［D］.鄭州：鄭州大學，2020.

［7］葉萍.以科技創新支撐創新型縣域建設［J］.當代縣域經濟，2024（1）：9-11.

［8］陳珊.基于DEA及Malmquist指數的我國新能源發電效率評價研究［D］.成都：成都理工大學，2017.

［9］盧夢雨，楊怡軒.京津冀地區創新效率評價研究：基于DEA-Malmquist指數模型分析［J］.商業經濟，2024（6）：47-49，69.

［10］梁雪穎，類驍，謝媛媛.基于Global Malmquist-Luenberger（GML）指數模型的物流業綠色全要素生產率測算分析：以2010—2020年京津冀13個城市為例［J］.物流科技，2024，47（9）：5-9.

［11］吳敏.推動縣域經濟高質量發展研究：以安徽省宿松縣為例［J］.西部學刊，2023，（23）：154-157，172.

［12］童金杰，高燕，李濤.江西省縣域創新發展水平測度方法及其評價結果的穩定性：基于專家賦權與熵值賦權的比較分析［J］.科技管理研究，2023，43（18）：70-78.

［13］趙磊，李鵬.縣域創新促進制造業高質量發展的實證研究：以濟寧市為例［J］.科技和產業，2023，23（16）：160-165.

［14］張亞明，趙科，宋雯婕，等.中國省域科技成果轉化效率評價研究：基于長短期視角［J］.技術經濟與管理研究，2024（2）：18-24.

［15］林靜.數字政府背景下中國地方財政預算治理效率評價研究：基于DEA-Malmquist模型［J］.哈爾濱工業大學學報（社會科學版），2024，26（4）：152-160.