■ 章培軍 陳恒

西京學(xué)院理學(xué)院 西安 710123

0 引言

21世紀是信息化時代，科技與創(chuàng)新成為制約發(fā)展的主要因素，隨著國際競爭的日趨激烈，綜合國力的競爭逐漸集中于科技創(chuàng)新實力的競爭。黨的十八大報告[1]強調(diào)了科技創(chuàng)新的重要性，并指出必須將它擺在國家發(fā)展全局的核心位置。習(xí)近平總書記于2018年5月28日發(fā)表重要講話[2]并強調(diào)：瞄準世界科技前沿，引領(lǐng)科技發(fā)展方向，搶占先機迎難而上，建設(shè)世界科技強國。李克強總理于2019年3月5日在作國務(wù)院政府工作報告[3]時說，過去一年，深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，創(chuàng)新能力和效率進一步提升。

科技資源作為科技活動的第一資源，包括人力、物力、財力以及組織、管理、信息等軟硬件要素，也是科技創(chuàng)新活動的物質(zhì)基礎(chǔ)。其配置效率的高低不僅關(guān)系到區(qū)域經(jīng)濟發(fā)展的方向和動力，而且決定著區(qū)域創(chuàng)新能力的強弱。因此，深入分析配置效率變化及其原因，是采取相應(yīng)對策優(yōu)化科技資源配置的有效途徑。國內(nèi)外很多學(xué)者對科技資源配置效率進行了研究，所使用的方法有多元統(tǒng)計分析法（如主成分分析法[4]、因子分析法等[5-6]）、參數(shù)分析法（如隨機前沿分析法[7]）與非參數(shù)分析法[如數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)方法[8-12]]等。柳瑞禹等[8]利用中部6 省科技創(chuàng)新活動的投入、產(chǎn)出數(shù)據(jù)，運用BC2模型和Malmguist 指數(shù)分別測算了研究期內(nèi)各省的科技創(chuàng)新效率和全要素生產(chǎn)變化率，并利用Tobit模型分析了科技創(chuàng)新效率的影響因素。Sa‐limi 等[9]利用DEA 方法對荷蘭50 家高科技中小企業(yè)的研發(fā)績效進行了評價，并制定了有效的策略，以改善其企業(yè)的研發(fā)績效。李勇輝等[10]運用DEA 方法將2002～2016年的每個年份作為一個決策單元進行處理，對云南省農(nóng)業(yè)科技創(chuàng)新資源配置效率進行分析，得到云南省農(nóng)業(yè)科技創(chuàng)新資源在技術(shù)投入、人力資源和農(nóng)業(yè)資金投入逐年的增加使資源配置效率能夠保持在較高的水平，并在出現(xiàn)下降后迅速恢復(fù)。苗冠軍等[11]運用DEA-Tobit兩階段法，對寧夏的研發(fā)活動效率進行了測算，并分析了研發(fā)投入強度與配置結(jié)構(gòu)對研發(fā)活動效率的影響。楊林等[12]運用DEA 方法對粵港澳大灣區(qū)科技金融資源配置效率進行了測算，可以通過合理配置財政科技資源、提升規(guī)模效率等來提升大灣區(qū)的科技金融資源配置效率。

表1 科技創(chuàng)新資源配置效率指標體系

綜上所述，目前國內(nèi)外的研究對象主要集中在企業(yè)、產(chǎn)業(yè)和區(qū)域等層面，且多采用DEA 方法對其進行研究。我國各省市自治區(qū)對科技創(chuàng)新的重視程度和資金支持力度都在不斷提升，分析全國各地區(qū)科技資源配置效率及影響因素，對提升科技資源配置效率，實施創(chuàng)新驅(qū)動戰(zhàn)略具有重要意義。因此，本文利用DEA方法對我國各省科技資源配置效率進行測算，為完善后續(xù)的科技資源配置政策提供科學(xué)參考。

1 研究方法與研究結(jié)果

1.1 科技創(chuàng)新資源配置效率評價模型的建立

1.1.1 指標體系的構(gòu)建

科技創(chuàng)新資源配置效率評價體系包括資源投入和產(chǎn)出。研究與試驗發(fā)展（Research and Development,R&D）人員全時當(dāng)量不僅是科技創(chuàng)新活動的源泉，也是地區(qū)進行持續(xù)創(chuàng)新和發(fā)展的根本，反映一個地區(qū)對人才的吸引能力；R&D經(jīng)費支出反映一個地區(qū)對科技發(fā)展和創(chuàng)新的支持力度以及重視程度。故選取R&D 人員全時當(dāng)量和經(jīng)費分別代表人力和財力資源的投入水平。分別選取國外主要檢索工具（包括SCI、EI 和CPCI-S）收錄我國科技論文數(shù)和專利授權(quán)數(shù)作為科技創(chuàng)新資源在基礎(chǔ)研究方面和應(yīng)用研究、創(chuàng)新方面的輸出指標，反映科技活動的直接產(chǎn)出；分別選取高技術(shù)產(chǎn)業(yè)、規(guī)上工業(yè)企業(yè)新產(chǎn)品銷售收入和技術(shù)市場成交合同金額作為科技創(chuàng)新資源實現(xiàn)產(chǎn)業(yè)化、商品化和產(chǎn)出交易的輸出指標，反映科技活動的間接產(chǎn)出（表1）。

1.1.2 我國科技資源配置現(xiàn)狀

1.1.2.1 科技資源投入現(xiàn)狀

2010～2017年，我國R&D 人員全時當(dāng)量逐年上升，2017年達到403.36 萬人年，較2010年的255.38 萬人年，增加了近0.58 倍；R&D 經(jīng)費支出也呈逐漸上升趨勢，2017年達到17606.13億元，較2010年的7062.58億元，增加了近1.49倍（圖1）。

R&D 經(jīng)費投入強度由2010年的1.71%逐漸增加到2017年的2.15%，連續(xù)四年超過2%，創(chuàng)歷史新高（圖2）。自2013年R&D 經(jīng)費總量超過日本以來，中國該項經(jīng)費投入一直穩(wěn)居世界第2。2017年我國R&D 經(jīng)費投入強度超過2017年歐盟15國平均水平（2.13%），相當(dāng)于2017年經(jīng)濟合作與發(fā)展組織（OECD）35 個成員國中的第12位，正接近OECD平均水平（2.37%）。

1.1.2.2 科技資源產(chǎn)出現(xiàn)狀

2010-2017年國外主要檢索工具（包括SCI、EI和CP‐CI-S）收錄我國論文數(shù)呈現(xiàn)穩(wěn)步上升的態(tài)勢（圖3）。論文數(shù)由2010年的280158 篇，增加到2017年的628920篇，增幅達124.49%，其中EI收錄量連續(xù)8年位居全世界第1，SCI和CPCI-S收錄量連續(xù)8年位居全世界第2。

2014年我國專利授權(quán)數(shù)出現(xiàn)小幅下降，下降了1.55%，2012年和2015年增長較快，相對前一年分別增長了31.61%和32.05%，其它增速相對較緩（圖4）。

2010～2017年技術(shù)市場成交合同總額呈現(xiàn)急速上升的態(tài)勢（圖5）。合同總額由2010年的3906.58億元，增加到2017年的13424.22 億元，增加了將近2.44 倍，同比增長17.68%，保持中高速增長勢頭。

1.1.3 評價模型的建立

DEA 方法是由美國著名運籌學(xué)家CHARNES A 和COOPER W W等[13]提出，是衡量資源配置效率的有效分析方法。設(shè)有n個決策單元（Decision Making Units，DMU），每種決策單元有m種輸入和s種輸出

圖1 2010～2017年我國R&D人員全時當(dāng)量與R&D經(jīng)費支出

圖2 2010～2017年我國R&D經(jīng)費投入強度

其中，xij,ykj分別表示第j個決策單元對第i種輸入的投入量和對第k種輸出的產(chǎn)出量，且xij≥0,ykj≥0。設(shè)vi,uk分別表示第i種輸入和第k種輸出的一個權(quán)重。對應(yīng)于權(quán)系數(shù)

每個決策單元都有相應(yīng)的效率評價指數(shù)

以所有的決策單元的效率評價指數(shù)小于等于1為約束條件，以第j0個決策單元的效率評價指數(shù)取得最大值為目標，構(gòu)造如下的C2R模型：

圖3 2010～2017年國外主要檢索工具收錄我國論文數(shù)

圖4 2010～2017年我國專利授權(quán)數(shù)

由于模型（1）是一個分式優(yōu)化模型，經(jīng)Charnes—Cooper 變換，得到其線性規(guī)劃的對偶問題，再引入松弛變量Si-(i= 1,2,…,m)、剩余變量Sk+(k= 1,2,…,s)和非阿基米德無窮小量ε，建立了具有非阿基米德無窮小量的C2R模型：

模型（2）的經(jīng)濟含義為：若θ= 1 且S+=S-= 0，決策單元為DEA 有效；若θ= 1 且S+＞0 或S-＞0，在原投入xj0不變的情況下可以將產(chǎn)出提高S+，或可減少S-而保持原產(chǎn)出yj0不變，此時決策單元稱為弱DEA 有效；若θ＜1，可通過n個決策單元的線性組合，將投入降至原投入xj0的θ比例，而保持原產(chǎn)出不變，此時決策單元為非DEA有效。令σ＞1,σ＜1,σ= 1分別表示該決策單元規(guī)模收益遞減、遞增和不變。

圖5 2010～2017年我國技術(shù)市場成交合同總額

1.2 我國科技創(chuàng)新資源配置效率研究

本文從2018年《中國科技統(tǒng)計年鑒》中摘錄2017年31個省市自治區(qū)（不包括港澳臺地區(qū)）的相關(guān)數(shù)據(jù)，根據(jù)DEA 方法的非阿基米德無窮小量C2R 模型，運用MAT‐LAB軟件，計算出我國31個省市自治區(qū)的科技創(chuàng)新資源配置的有效性和規(guī)模收益變化情況（表2）。

從表2可以得到：DEA 有效的省市自治區(qū)中，北京、浙江和廣東等是投入多、產(chǎn)出多；而黑龍江、西藏和新疆等是投入少、產(chǎn)出少；非DEA有效的省市自治區(qū)中，內(nèi)蒙古、河北、云南、山西的配置效率較低。規(guī)模收益不變的有北京、吉林等9個省市自治區(qū)；規(guī)模收益遞增的有江西省和廣西省，可以通過增加投入提高產(chǎn)出的優(yōu)勢，其中效果最好的是廣西??；其他省市自治區(qū)都是規(guī)模收益遞減的，投入等量的科技創(chuàng)新資源，得到的產(chǎn)出增加的幅度將變小，最為嚴重的是山西省。

各個省市自治區(qū)安排的R&D 人員得到了有效利用，沒有出現(xiàn)冗余現(xiàn)象，該項投入的利用效果較好。在R&D經(jīng)費上，浪費最嚴重的地區(qū)為山東，上海次之，接下來依次為湖北、遼寧、內(nèi)蒙古、寧夏、四川、青海，其它地區(qū)表現(xiàn)良好?？傮w來看，我國在科技創(chuàng)新的人力和物力投資方面充足。

國外主要檢索工具（包括SCI、EI 和CPCI-S）收錄我國科技論文數(shù)產(chǎn)出嚴重不足的地區(qū)是河南，在專利授權(quán)數(shù)上也存在嚴重不足，說明該省對基礎(chǔ)理論和知識產(chǎn)權(quán)上的重視不夠，應(yīng)加強對此的重視程度，鼓勵創(chuàng)新，以產(chǎn)出更多的論文和專利。接下來依次為貴州和寧夏，但這兩個地區(qū)的專利產(chǎn)出比較有效，說明這兩個地區(qū)比較重視應(yīng)用創(chuàng)新和研究。專利產(chǎn)出嚴重不足的地區(qū)是山東和湖南，接下來依次為內(nèi)蒙古、陜西、河南、青海和海南，這些地區(qū)的國外主要檢索工具收錄我國科技論文數(shù)都已足夠，說明在現(xiàn)有條件下，應(yīng)加強對基礎(chǔ)研究的重視。31 個省市自治區(qū)中僅福建省在高技術(shù)產(chǎn)業(yè)和規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入上表現(xiàn)較差，技術(shù)市場成交合同金額產(chǎn)出不足的依次為江蘇、河南、福建、四川、湖南、上海、遼寧、安徽、廣西、江西，說明福建的科技創(chuàng)新資源實現(xiàn)產(chǎn)業(yè)化、商品化、產(chǎn)出交易的效果欠佳。

1.3 C2R模型的投影分析

對于非DEA 有效的決策單元，可借助“投影”分析，將其變成DEA有效的決策單元，為今后提高資源配置效率提供參考。

根據(jù)以上原理，對我國22 個非DEA 有效的省市自治區(qū)進行了投影分析（表3）。

由表3可知，對于這22 個地區(qū)，可以將投入減少，并保持原產(chǎn)出不變。也說明這些地區(qū)生產(chǎn)水平較低，還有提高的潛力。所以可通過加強管理，增強活力來提高生產(chǎn)水平。

2 結(jié)語

本文運用DEA 方法，從效率、有效性、規(guī)模收益3 個方面，對我國31個省市自治區(qū)的科技創(chuàng)新資源配置進行了分析。結(jié)果表明：DEA 有效的是北京、浙江、廣東、吉林、黑龍江、重慶、西藏、甘肅和新疆9 個地區(qū)，且都是規(guī)模收益不變。北京、浙江和廣東等地區(qū)屬于投入多、產(chǎn)出多；而黑龍江、西藏和新疆等地區(qū)屬于投入少、產(chǎn)出少。在非DEA 有效的地區(qū)中，內(nèi)蒙古、河北、云南、山西的配置效率較低。規(guī)模收益增幅最大的地區(qū)是廣西，可以通過增加投入來提高產(chǎn)出，效果最好；規(guī)模收益減幅最大的地區(qū)是山西，投入等量的科技創(chuàng)新資源，得到的產(chǎn)出增加的幅度最小。最后，借助“投影”分析，對22 個非DEA有效的省市自治區(qū)進行了投影目標分析，分析表明：可以通過加強管理，增強活力來提高生產(chǎn)水平。我國在改進科技創(chuàng)新資源配置效率時，可從以下3 方面著手：

表2 科技創(chuàng)新資源配置效率計算結(jié)果

（1）東部沿海地區(qū)的科技創(chuàng)新資源比中、西部豐富，但投入冗余現(xiàn)象較嚴重，造成科技創(chuàng)新資源配置效率降低。因此，各地區(qū)在增加科技創(chuàng)新活動的投入時，既要避免投入冗余而浪費資源，也要防止投入不足而導(dǎo)致產(chǎn)出不足，對科技創(chuàng)新的投入結(jié)構(gòu)和規(guī)模要有科學(xué)規(guī)劃，不能只注重高新技術(shù)和規(guī)上企業(yè)的投入而忽視基礎(chǔ)研發(fā)，造成科技創(chuàng)新結(jié)構(gòu)失衡。

表3 非DEA有效的決策單元“投影”結(jié)果

（2）位于西部邊遠地區(qū)的科技創(chuàng)新資源配置效率相比某些東、中地區(qū)的效率要高，但投入資源的不足導(dǎo)致產(chǎn)出較少。因為教育是技術(shù)進步的基石，所以加強智力資本的投入是加強西部邊遠地區(qū)科技進步的關(guān)鍵。

（3）中部內(nèi)陸地區(qū)的科技創(chuàng)新水平比較均衡，并且科技創(chuàng)新資源也不匱乏。在市場經(jīng)濟中，企業(yè)已成為科技創(chuàng)新和技術(shù)進步的主要載體，可以通過轉(zhuǎn)型升級調(diào)整結(jié)構(gòu)，以政府為主導(dǎo)、企業(yè)為主體，結(jié)合地區(qū)特有優(yōu)勢推動中部內(nèi)陸地區(qū)的科技創(chuàng)新。從而促進地區(qū)經(jīng)濟健康發(fā)展，為實現(xiàn)我國經(jīng)濟發(fā)展做出應(yīng)有的貢獻。