郄海拓，高 雅，張志娟

（1.中國(guó)科學(xué)技術(shù)信息研究所，北京 100038；2.北京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 100124）

黨的十九大報(bào)告中提出，“從2020年到2035年，在全面建成小康社會(huì)的基礎(chǔ)上，再奮斗15年，基本實(shí)現(xiàn)社會(huì)主義現(xiàn)代化。到那時(shí)，我國(guó)經(jīng)濟(jì)實(shí)力、科技實(shí)力將大幅躍升，躋身創(chuàng)新型國(guó)家前列”[1]。城市建設(shè)是創(chuàng)新型國(guó)家建設(shè)的重要部分，因而城市創(chuàng)新發(fā)展研究極具必要性。在中國(guó)科學(xué)技術(shù)信息研究所發(fā)布的《國(guó)家創(chuàng)新型城市創(chuàng)新能力評(píng)價(jià)報(bào)告2019》中，提到78個(gè)創(chuàng)新型城市匯聚了全國(guó)78.5%的R&D經(jīng)費(fèi)投入和78.7%的地方財(cái)政科技投入，擁有全國(guó)85%以上的有效發(fā)明專利，成為建設(shè)創(chuàng)新型國(guó)家的關(guān)鍵節(jié)點(diǎn)[2]，國(guó)外學(xué)者Cooke[3]提出，相對(duì)于國(guó)家創(chuàng)新系統(tǒng)，區(qū)域創(chuàng)新在針對(duì)性發(fā)展優(yōu)勢(shì)產(chǎn)業(yè)方面更具優(yōu)勢(shì)，而且創(chuàng)新系統(tǒng)內(nèi)部要素流動(dòng)更便利[4]，因而研究區(qū)域創(chuàng)新更易得到客觀準(zhǔn)確和易于推廣的結(jié)論。另外，有學(xué)者提出，知識(shí)和技術(shù)等要素具備可復(fù)制性特征[5]，并且要素對(duì)臨近地區(qū)有一定溢出效應(yīng)[6]，區(qū)域創(chuàng)新也存在一定空間溢出效應(yīng)[7]，因而區(qū)域創(chuàng)新帶動(dòng)周邊更大范圍的創(chuàng)新是從區(qū)域創(chuàng)新推廣到國(guó)家創(chuàng)新的有效路徑，重視以城市為創(chuàng)新單元的“城市—國(guó)家”區(qū)域創(chuàng)新發(fā)展路徑是提高城市乃至國(guó)家創(chuàng)新能力的重要途徑。

城市創(chuàng)新建設(shè)以城市科技創(chuàng)新政策為指引，政策決定著城市創(chuàng)新建設(shè)的方向，因而基于區(qū)域?qū)嶋H的創(chuàng)新投入和產(chǎn)出情況來(lái)研究區(qū)域科技創(chuàng)新政策的績(jī)效及其影響因素，有助于客觀反映政策的真實(shí)效果，為城市創(chuàng)新建設(shè)路徑的選擇和區(qū)域科技創(chuàng)新政策立改廢提供決策借鑒。以典型城市為樣本研究區(qū)域科技創(chuàng)新政策的現(xiàn)狀、績(jī)效和改進(jìn)路徑，在理論和實(shí)踐上都有很重要的意義。

本文利用DEA-Malmquist指數(shù)模型，以北京、上海、天津和重慶四個(gè)直轄市為例，從投入產(chǎn)出角度研究我國(guó)區(qū)域科技創(chuàng)新政策績(jī)效的變動(dòng)情況。選擇這幾個(gè)城市是因?yàn)橄鄬?duì)于其他城市而言，直轄市政策的獨(dú)立性更強(qiáng)，政策樣本易于統(tǒng)計(jì)和區(qū)分，對(duì)附近城市的帶動(dòng)和知識(shí)技術(shù)的外溢效應(yīng)更明顯，同時(shí)這幾個(gè)城市創(chuàng)新建設(shè)成果較優(yōu)，對(duì)其他城市建設(shè)的參考意義更強(qiáng)。本研究以全要素生產(chǎn)率變動(dòng)指數(shù)tfpch來(lái)衡量科技創(chuàng)新政策績(jī)效，實(shí)現(xiàn)政策績(jī)效變動(dòng)相應(yīng)指數(shù)的量化分析，并對(duì)變動(dòng)原因予以分解，明確區(qū)域科技創(chuàng)新政策績(jī)效變動(dòng)程度、方向及其原因，在理論層面上深化了對(duì)區(qū)域科技創(chuàng)新政策的研究，從創(chuàng)新投入產(chǎn)出角度實(shí)現(xiàn)了政策績(jī)效的客觀量化，在實(shí)踐層面上為城市創(chuàng)新建設(shè)相關(guān)工作的開(kāi)展和政策決策者對(duì)區(qū)域科技創(chuàng)新政策進(jìn)行立改廢提供參考。

1 研究方法

在現(xiàn)有研究中，區(qū)域創(chuàng)新能力以創(chuàng)新主體的創(chuàng)新投入產(chǎn)出水平表現(xiàn)出來(lái)[8]，投入產(chǎn)出是測(cè)算績(jī)效的有效方法，因而本研究也從投入產(chǎn)出角度來(lái)衡量區(qū)域創(chuàng)新的效果。劉鳳朝等[9]研究發(fā)現(xiàn)，政府R&D投入對(duì)企業(yè)R&D投入有顯著引致效應(yīng)而后者又對(duì)技術(shù)進(jìn)步有顯著引致效應(yīng)，因而以政府為起點(diǎn)引導(dǎo)R&D投入進(jìn)而促成技術(shù)進(jìn)步，最終影響經(jīng)濟(jì)和社會(huì)發(fā)展是城市發(fā)展的重要發(fā)展思路。劉會(huì)武等[10]認(rèn)為應(yīng)對(duì)由政策支持的創(chuàng)新活動(dòng)進(jìn)行效率、效果、效益等方面的評(píng)價(jià)。在創(chuàng)新投入變量的選擇方面，R&D相關(guān)的經(jīng)費(fèi)、人力、全時(shí)當(dāng)量等是常用變量[11,12]，在創(chuàng)新產(chǎn)出的變量選擇方面，專利授權(quán)數(shù)是常用的衡量指標(biāo)[13-18]。

政策數(shù)據(jù)的非結(jié)構(gòu)化特征使得科技創(chuàng)新政策績(jī)效評(píng)價(jià)成為政策研究的難點(diǎn)，以往研究中常用創(chuàng)新投入產(chǎn)出情況來(lái)衡量，如馮峰等[12]學(xué)者的研究以政策作用區(qū)域的投入產(chǎn)出情況測(cè)度政策績(jī)效，這種方法在理論上具備較強(qiáng)合理性，在應(yīng)用上方法的操作性和結(jié)論的可借鑒性較強(qiáng)，因而本文遵循投入產(chǎn)出思路進(jìn)行科技創(chuàng)新政策績(jī)效研究。DEAMalmquist指數(shù)模型法在研究全要素生產(chǎn)率變動(dòng)方面具備很大優(yōu)勢(shì)，可直接憑借投入產(chǎn)出要素確定全要素生產(chǎn)率變動(dòng)指數(shù)tfpch的變動(dòng)情況，并且可以將變動(dòng)原因進(jìn)行分解，具體體現(xiàn)為技術(shù)進(jìn)步指數(shù)techch、技術(shù)效率指數(shù)effch、純技術(shù)效率變動(dòng)指數(shù)pech與規(guī)模效率變動(dòng)指數(shù)sech的取值情況，因此本文選取這種方法測(cè)度區(qū)域科技創(chuàng)新政策績(jī)效。

DEA-Malmquist指數(shù)模型法是研究和測(cè)度同質(zhì)決策單元的全要素生產(chǎn)率常用的定量方法[19]。Malmquist指數(shù)通過(guò)對(duì)目標(biāo)決策單元在一個(gè)時(shí)間間隔內(nèi)技術(shù)進(jìn)步效率與技術(shù)效率的分析得到目標(biāo)決策單元相對(duì)于經(jīng)濟(jì)效率動(dòng)態(tài)的變動(dòng)情況，其距離函數(shù)公式[20]如式（1）所示（符號(hào)結(jié)合本研究略有改動(dòng)）：

(xt,yt)和(xt+1,yt+1)代表時(shí)間間隔t和t+1內(nèi)的投入產(chǎn)出量，而Dt和Dt+1代表相應(yīng)時(shí)間間隔的距離函數(shù)，且距離函數(shù)小于1。

Malmquist指數(shù)表示為式（2）：

Malmquist指數(shù)全要素生產(chǎn)率變動(dòng)指數(shù)tfpch即決策單元在時(shí)間間隔t和t+1內(nèi)生產(chǎn)效率變動(dòng)情況，可分為技術(shù)進(jìn)步指數(shù)techch和技術(shù)效率指數(shù)effch，取值為兩者乘積[19，20]。

本研究采用DEAP2.1軟件測(cè)算四個(gè)城市的全要素生產(chǎn)率變動(dòng)指數(shù)tfpch及相應(yīng)的技術(shù)進(jìn)步指數(shù)techch、技術(shù)效率指數(shù)effch、純技術(shù)效率變動(dòng)指數(shù)pech和規(guī)模效率變動(dòng)指數(shù)sech的具體數(shù)值并詳細(xì)解釋具體含義，以判定四個(gè)直轄市的科技創(chuàng)新政策績(jī)效變化情況以及其原因。

對(duì)五個(gè)指標(biāo)具體的含義與關(guān)系進(jìn)行簡(jiǎn)要的介紹與說(shuō)明：tfpch是全要素生產(chǎn)率變動(dòng)指數(shù)，在本研究中代表的是特定城市科技創(chuàng)新政策績(jī)效的變動(dòng)情況，當(dāng)tfpch值大于1，代表所考察時(shí)間區(qū)間內(nèi)該城市的科技創(chuàng)新政策績(jī)效提升，反之則代表該科技創(chuàng)新政策績(jī)效下降。effch是技術(shù)效率指數(shù)，在研究中代表技術(shù)效率的變動(dòng)情況，與tfpch的判定方法類似，當(dāng)effch取值大于1，表示技術(shù)效率水平有所提升，反之則下降。techch是技術(shù)進(jìn)步指數(shù)，在研究中代表技術(shù)進(jìn)步的變動(dòng)情況，當(dāng)techch取值大于1，表示技術(shù)進(jìn)步水平處于提升狀態(tài)，反之則是下降狀態(tài)。三個(gè)指數(shù)的關(guān)系是全要素生產(chǎn)率變動(dòng)指數(shù)tfpch的數(shù)值是技術(shù)效率指數(shù)effch和技術(shù)進(jìn)步指數(shù)techch的乘積，這個(gè)關(guān)系使Malmquist指數(shù)分解變得清晰，易于分解全要素生產(chǎn)率變動(dòng)指數(shù)tfpch是由技術(shù)效率指數(shù)effch和技術(shù)進(jìn)步指數(shù)techch怎樣作用而產(chǎn)生的,以及具體的數(shù)值如何，在實(shí)證結(jié)果分析部分將進(jìn)一步說(shuō)明。與上述三個(gè)指數(shù)的關(guān)系類似，技術(shù)效率指數(shù)effch是由純技術(shù)效率變動(dòng)指數(shù)pech和規(guī)模效率變動(dòng)指數(shù)sech的乘積[19，20]得到的。純技術(shù)效率變動(dòng)指數(shù)pech代表的是純技術(shù)效率的變動(dòng)情況，依然是取值大于1代表純技術(shù)效率提升，反之純技術(shù)效率降低。類似的，規(guī)模效率變動(dòng)指數(shù)sech代表的是規(guī)模效率的變動(dòng)情況，取值大于1代表規(guī)模效率提升，反之下降。為更加直觀地體現(xiàn)五個(gè)指標(biāo)間的關(guān)系，以Malmquist指數(shù)分解圖進(jìn)行展示，如圖1所示。

圖1 Malmquist指數(shù)分解圖

2 實(shí)證研究

研究先統(tǒng)計(jì)了四個(gè)直轄市的區(qū)域科技創(chuàng)新政策情況，選取北大法寶數(shù)據(jù)庫(kù)對(duì)區(qū)域科技創(chuàng)新政策數(shù)據(jù)進(jìn)行統(tǒng)計(jì)?，F(xiàn)有很多政策相關(guān)研究的政策樣本均來(lái)源于北大法寶數(shù)據(jù)庫(kù)[21-25]，因而本文選擇北大法寶作為政策樣本的來(lái)源較為合理?？紤]到滯后期的影響，時(shí)間選擇2011—2019年，分別對(duì)四個(gè)直轄市和中央以“科技創(chuàng)新”為篩選條件進(jìn)行篩選，結(jié)果如表1和圖2所示。

從數(shù)量走勢(shì)來(lái)看，中央和直轄市總體的科技創(chuàng)新政策發(fā)布趨勢(shì)相同，如2014年中央發(fā)布的科技創(chuàng)新政策最少，直轄市總體也在2014年發(fā)布較少的區(qū)域科技創(chuàng)新政策，說(shuō)明區(qū)域政策是以中央發(fā)布的政策為指引的，而2015—2018年則是科技創(chuàng)新政策數(shù)量較多的四年。從政策數(shù)量的統(tǒng)計(jì)結(jié)果來(lái)看，雖然有些城市存在一定的滯后，但總體來(lái)說(shuō)區(qū)域科技創(chuàng)政策的制定與中央科技創(chuàng)新政策有很強(qiáng)的相關(guān)性，因而中央能夠依靠科技創(chuàng)新政策來(lái)引導(dǎo)區(qū)域科技創(chuàng)新政策的制定與實(shí)施，進(jìn)而影響區(qū)域創(chuàng)新活動(dòng)，國(guó)家要充分利用政策的這一引導(dǎo)作用。從城市來(lái)看，上?？萍紕?chuàng)新政策數(shù)量最多，隨后是北京、重慶，最后是天津。

2.1 變量選擇

研究中選取了兩類變量，即投入變量和產(chǎn)出變量。為充分考慮各類創(chuàng)新活動(dòng)及相關(guān)支持，本研究選擇與研發(fā)相關(guān)的變量和地方公共財(cái)政支出中科學(xué)技術(shù)支出的部分作為政策投入變量，即（1）規(guī)模以上工業(yè)企業(yè)：R&D經(jīng)費(fèi)（萬(wàn)元）；（2）規(guī)模以上工業(yè)企業(yè)：R&D項(xiàng)目數(shù)（項(xiàng)）；（3）規(guī)模以上工業(yè)企業(yè)：R&D人員全時(shí)當(dāng)量（人年）；（4）當(dāng)年地方公共財(cái)政支出：科學(xué)技術(shù)（萬(wàn)元）共四個(gè)變量作為投入變量，并將投入變量提前一期處理。產(chǎn)出變量采用專利授權(quán)數(shù)（項(xiàng)）來(lái)衡量。專利授權(quán)數(shù)和專利申請(qǐng)數(shù)均為衡量創(chuàng)新產(chǎn)出最常用的變量，但是相對(duì)于專利申請(qǐng)數(shù)，專利授權(quán)數(shù)能更加直觀地體現(xiàn)創(chuàng)新產(chǎn)出的“結(jié)果”，因而本文選擇專利授權(quán)數(shù)作為衡量創(chuàng)新產(chǎn)出的變量，變量匯總表如表2所示。

表1 2011—2019年北大法寶科技創(chuàng)新政策數(shù)量統(tǒng)計(jì)表（單位：項(xiàng)）

圖2 2011—2019年北大法寶科技創(chuàng)新政策數(shù)量統(tǒng)計(jì)圖

2.2 數(shù)據(jù)來(lái)源

本研究選取2012—2019年北京、上海、天津和重慶四個(gè)直轄市的創(chuàng)新投入產(chǎn)出數(shù)據(jù)作為樣本數(shù)據(jù)（投入變量提前一期處理），對(duì)科技創(chuàng)新政策績(jī)效進(jìn)行比較研究，相關(guān)數(shù)據(jù)來(lái)源于wind數(shù)據(jù)庫(kù)，數(shù)據(jù)取自然對(duì)數(shù)處理。

表2 變量匯總表

2.3 實(shí)證結(jié)果分析

表3 ～表6和圖3 ～圖6分別是四個(gè)直轄市的科技創(chuàng)新政策績(jī)效Malmquist指數(shù)及其分解情況的匯總表與示意圖。2012年是基年，因而指數(shù)結(jié)果從2013年開(kāi)始。

表3和圖3是北京市科技創(chuàng)新政策績(jī)效的Malmquist指數(shù)結(jié)果。

圖3比表3更加直觀，可以看到全要素生產(chǎn)率變動(dòng)指數(shù)tfpch在2013—2019年出現(xiàn)了波動(dòng)，其中在2014年降到最低，對(duì)應(yīng)表3可以看出2014年的tfpch值為0.927，而技術(shù)進(jìn)步指數(shù)techch的走勢(shì)與tfpch走勢(shì)相似性較高，可以初步判斷全要素生產(chǎn)率變動(dòng)主要源于技術(shù)進(jìn)步指數(shù)的變動(dòng)，而表3中的數(shù)值也印證了這一判斷。結(jié)合表3與圖3發(fā)現(xiàn)，技術(shù)效率指數(shù)effch與規(guī)模效率變動(dòng)指數(shù)sech重合，且純技術(shù)效率變動(dòng)指數(shù)pech值始終為1，因而純技術(shù)效率保持不變，技術(shù)效率指數(shù)effch的波動(dòng)主要源于規(guī)模效率的變動(dòng)，在2015—2017有下降，其他年份均有所提升。因而可以判斷，北京市科技創(chuàng)新政策績(jī)效雖有所波動(dòng)，但總體來(lái)說(shuō)提升多于下降（提升五年，下降兩年），且2013、2017、2018的績(jī)效提升程度較高，績(jī)效變動(dòng)主要源于技術(shù)進(jìn)步指數(shù)techch的變動(dòng)，而技術(shù)效率指數(shù)effch的變動(dòng)主要源于規(guī)模效率變動(dòng)指數(shù)sech。

表3 2013—2019年北京市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖3 2013—2019年北京市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

隨后分析上海市科技創(chuàng)新政策績(jī)效的情況（見(jiàn)表4和圖4），同樣可以看到，全要素生產(chǎn)率變動(dòng)指數(shù)tfpch在2013—2019年出現(xiàn)了波動(dòng)，并于2014年降到最低，與北京類似，而技術(shù)進(jìn)步指數(shù)techch的走勢(shì)與tfpch高度相關(guān)，因而全要素生產(chǎn)率變動(dòng)主要源于技術(shù)進(jìn)步指數(shù)techch的變動(dòng)。另外三個(gè)指數(shù)相對(duì)比較平穩(wěn)，略有起伏。2018年全要素生產(chǎn)率變動(dòng)指數(shù)tfpch為1.048，說(shuō)明當(dāng)年上海市科技創(chuàng)新政策績(jī)效有所提升，而提升主要源自技術(shù)效率指數(shù)effch的貢獻(xiàn)，少部分來(lái)自技術(shù)進(jìn)步指數(shù)techch的貢獻(xiàn)；而技術(shù)效率指數(shù)effch的提升主要源于規(guī)模效率變動(dòng)指數(shù)sech的提升。

再分析天津市科技創(chuàng)新政策績(jī)效的情況（見(jiàn)表5和圖5），同樣可以看到，全要素生產(chǎn)率變動(dòng)指數(shù)tfpch在2013—2019年和技術(shù)進(jìn)步指數(shù)techch保持很高程度的相關(guān)走勢(shì)，并于2014年達(dá)到最低點(diǎn)?？傮w來(lái)看，天津市科技創(chuàng)新政策績(jī)效提升多于下降，2017年科技創(chuàng)新政策績(jī)效提升程度最大，且主要源于技術(shù)進(jìn)步指數(shù)techch的提升，同時(shí)技術(shù)效率指數(shù)effch也對(duì)政策績(jī)效的提升有所貢獻(xiàn)，而其變動(dòng)主要源自規(guī)模效率變動(dòng)指數(shù)sech，少部分源自純技術(shù)效率變動(dòng)指數(shù)pech的貢獻(xiàn)。

最后分析重慶市的情況（見(jiàn)表6和圖6），可以看到全要素生產(chǎn)率變動(dòng)指數(shù)tfpch與技術(shù)進(jìn)步指數(shù)techch在2013—2019年出現(xiàn)了幾乎完全一致的波動(dòng)，僅在2019年存在極小差異，這說(shuō)明重慶市科技創(chuàng)新政策績(jī)效主要受到技術(shù)進(jìn)步指數(shù)techch的影響，全要素生產(chǎn)率變動(dòng)指數(shù)tfpch同樣在2014年達(dá)到最低值。重慶的結(jié)果與上述三個(gè)城市差異很大，從另外三個(gè)指標(biāo)來(lái)看，只有最后一年有小幅下降，其他時(shí)間均保持不變。2019年除技術(shù)進(jìn)步指數(shù)techch外的指數(shù)均有所降低，共同導(dǎo)致了科技創(chuàng)新政策績(jī)效的下降?？傮w來(lái)看，重慶市科技創(chuàng)新政策績(jī)效提升多于下降，績(jī)效波動(dòng)主要源于技術(shù)進(jìn)步指數(shù)techch，其他指數(shù)高度穩(wěn)定。

表4 2013—2019年上海市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖4 2013—2019年上海市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

表5 2013—2019年天津市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖5 2013—2019年天津市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

表7是2013—2019年分年度四個(gè)直轄市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況，對(duì)應(yīng)圖7，從全樣本來(lái)看，七個(gè)時(shí)間區(qū)間內(nèi)有四個(gè)科技創(chuàng)新政策績(jī)效提升，兩個(gè)下降，一個(gè)保持不變。全要素生產(chǎn)率變動(dòng)指數(shù)tfpch走勢(shì)與技術(shù)進(jìn)步指數(shù)techch高度相關(guān)，說(shuō)明以北京、上海、天津和重慶為例，區(qū)域科技創(chuàng)新政策績(jī)效主要受技術(shù)進(jìn)步指數(shù)的影響，另外三項(xiàng)指數(shù)的變動(dòng)程度較低。從表7均值行的結(jié)果可見(jiàn)，純技術(shù)效率變動(dòng)指數(shù)pech導(dǎo)致技術(shù)效率指數(shù)effch小幅下降并最終使得科技創(chuàng)新政策績(jī)效出現(xiàn)小幅降低，政策效果總體不佳。而從年度tfpch來(lái)看，主要原因是2014和2016年技術(shù)進(jìn)步指數(shù)techch銳降導(dǎo)致全要素生產(chǎn)率tfpch的大幅降低，說(shuō)明這兩個(gè)年份技術(shù)進(jìn)步水平提升不利。從總體趨勢(shì)來(lái)看，不論政策績(jī)效提升還是下降，其主要原因都是技術(shù)進(jìn)步水平的變化，可見(jiàn)保持技術(shù)持續(xù)進(jìn)步的重要性。

表6 2013—2019年重慶市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖6 2013—2019年重慶市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

表7 2013—2019年分年度四個(gè)直轄市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖7 2013—2019年分年度四個(gè)直轄市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

接下來(lái)以全樣本分城市對(duì)Malmquist指數(shù)進(jìn)行分解（見(jiàn)表8和圖8），從全要素生產(chǎn)率變動(dòng)指數(shù)tfpch來(lái)看，只有北京處于提升狀態(tài)，說(shuō)明在一期滯后的前提下北京的科技創(chuàng)新政策已有一定效果，且原因主要是規(guī)模效率變動(dòng)指數(shù)sech的提升。上海、天津和重慶科技創(chuàng)新政策績(jī)效均有小幅降低。均值和表7相同，因而不再贅述，接下來(lái)在城市間進(jìn)行對(duì)比分析。

從全要素生產(chǎn)率變動(dòng)指數(shù)tfpch看，北京的科技創(chuàng)新政策績(jī)效有所提升，上海、天津和重慶均出現(xiàn)小幅下降。北京政策績(jī)效提升原因是技術(shù)效率指數(shù)effch和技術(shù)進(jìn)步指數(shù)techch均有所提升，前者的提升是主要原因，而其提升又是源自于規(guī)模效率變動(dòng)指數(shù)sech的提升。上海市政策績(jī)效的小幅降低源于純技術(shù)效率變動(dòng)指數(shù)pech和規(guī)模效率變動(dòng)指數(shù)sech的下降，天津科技創(chuàng)新政策績(jī)效的降低則是由于技術(shù)進(jìn)步指數(shù)techch和規(guī)模效率變動(dòng)指數(shù)sech的下降，而重慶則是各指標(biāo)均有下降，并以純技術(shù)效率變動(dòng)指數(shù)pech下降程度最大。

3 研究結(jié)論與啟示

本文基于北京、上海、天津和重慶四個(gè)直轄市的數(shù)據(jù)，采用DEA-Malmquist指數(shù)模型，運(yùn)用DEAP 2.1軟件測(cè)算研究科技創(chuàng)新政策績(jī)效的變動(dòng)情況。

表8 2013—2019年分城市四個(gè)直轄市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況表

圖8 2013—2019年分城市四個(gè)直轄市科技創(chuàng)新政策績(jī)效Malmquist指數(shù)與分解情況圖

研究結(jié)果顯示，在一期滯后的前提下，科技創(chuàng)新政策績(jī)效總體提升效果不顯著，除北京小幅提升外，上海、天津和重慶均有小幅降低。但這并不代表這三個(gè)城市科技創(chuàng)新政策無(wú)效，而可能是源于不同的滯后效應(yīng)，這也為本研究提供了更廣闊的研究思路，即選擇不同滯后期進(jìn)行政策績(jī)效的測(cè)算會(huì)出現(xiàn)何種結(jié)果，每個(gè)城市最優(yōu)的滯后期又是多少，反應(yīng)了城市的何種特點(diǎn)，這些都是下一步研究的方向。

從本研究來(lái)看，總體來(lái)說(shuō)除城市分類有小幅差異外，全要素生產(chǎn)率變動(dòng)指數(shù)tfpch走勢(shì)與技術(shù)進(jìn)步指數(shù)techch相關(guān)性最高，說(shuō)明我國(guó)城市的科技創(chuàng)新政策績(jī)效變動(dòng)主要源于技術(shù)進(jìn)步相關(guān)因素，要進(jìn)一步提升政策績(jī)效，需從技術(shù)進(jìn)步相關(guān)要素方面改進(jìn)，例如從政策角度支持充足的研發(fā)經(jīng)費(fèi)投入、引進(jìn)高水平技術(shù)人才、搭建技術(shù)開(kāi)發(fā)和交流的平臺(tái)、打通國(guó)內(nèi)外技術(shù)交流通道，最終提升技術(shù)水平。另外，北京市是四個(gè)調(diào)研樣本中唯一的科技創(chuàng)新政策績(jī)效有所提升的直轄市，其原因是技術(shù)進(jìn)步指數(shù)techch以及規(guī)模效率變動(dòng)指數(shù)sech的提升，如技術(shù)水平提升、創(chuàng)新激勵(lì)機(jī)制的不斷健全，資源的合理配置等。而上海、天津和重慶的政策績(jī)效均有小幅降低，政策效果不佳，原因在上述結(jié)果中有過(guò)簡(jiǎn)要說(shuō)明，此處不贅述。

另外從表1和圖2來(lái)看，中央政策對(duì)區(qū)域政策有很強(qiáng)的引導(dǎo)作用，國(guó)家政策決策應(yīng)充分考慮這一特點(diǎn)，制定合理強(qiáng)度的政策，區(qū)域也應(yīng)結(jié)合實(shí)際情況和中央的政策引導(dǎo)傾向，充分發(fā)揮政策對(duì)區(qū)域創(chuàng)新的引導(dǎo)作用。

由于篇幅所限，僅從年度全要素生產(chǎn)率變動(dòng)指數(shù)tfpch結(jié)果來(lái)分析年度科技創(chuàng)新政策績(jī)效變化情況。從分年度的結(jié)果來(lái)看（見(jiàn)表7和圖7），政策績(jī)效在2014年達(dá)到了波動(dòng)的最低點(diǎn)，對(duì)比圖1可以發(fā)現(xiàn)，2014年也是科技創(chuàng)新政策數(shù)量最少的一年，因而這一年政策績(jī)效低的原因很可能是受制于政策數(shù)量，城市創(chuàng)新建設(shè)工作來(lái)自政策的激勵(lì)、指引和支持不足。另一方面，2013年科技創(chuàng)新政策績(jī)效變動(dòng)指數(shù)tfpch為1.036，同樣是較高水平，為2014年政策績(jī)效的變動(dòng)設(shè)定了較高的基準(zhǔn)水平，因而2014年政策績(jī)效提升較難。隨后的2015年科技創(chuàng)新政策績(jī)效提升明顯，一方面源于當(dāng)年政策數(shù)量的明顯提升，另一方面也是由于2014年政策績(jī)效偏低，政策支持相對(duì)不足，2015年的政策支持起到了“及時(shí)雨”的作用，促使政策績(jī)效顯著提升。而次低點(diǎn)出現(xiàn)在2016年，當(dāng)年政策數(shù)量最大，但仍出現(xiàn)了政策績(jī)效的低點(diǎn)，原因可能是2015年政策績(jī)效的顯著提升限制了2016年政策績(jī)效進(jìn)一步提升的程度，因而出現(xiàn)顯著降低。雖然2014和2016年政策績(jī)效都出現(xiàn)了低點(diǎn)，但原因卻不盡相同，在政策立改廢決策時(shí)要充分分析這些原因，避免主觀歸因。2017年科技創(chuàng)新政策績(jī)效達(dá)到頂點(diǎn)，其原因一方面可能是政策數(shù)量較大，為城市創(chuàng)新建設(shè)提供了充足的支持；另一方面是2016年政策績(jī)效已經(jīng)達(dá)到了最低點(diǎn)，在此基礎(chǔ)上提升政策績(jī)效相對(duì)更容易。從結(jié)果來(lái)看，應(yīng)客觀評(píng)價(jià)和分析區(qū)域科技創(chuàng)新政策的變動(dòng)情況，而不能單一依結(jié)果判斷政策績(jī)效變動(dòng)的“優(yōu)劣”，還要充分考慮前后年份的具體情況才能更為客觀地分析政策變動(dòng)的原因及合理性，并據(jù)此做出政策立改廢決策。

研究對(duì)于我國(guó)的城市建設(shè)有一定借鑒意義，也為現(xiàn)有城市建設(shè)改進(jìn)方案設(shè)計(jì)和區(qū)域科技創(chuàng)新政策立改廢提供了可操作的方法和清晰的思路。