賴(lài)一飛，謝潘佳，葉麗婷，馬昕睿

(武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072)

0 引言

科技創(chuàng)新包含知識(shí)創(chuàng)新、技術(shù)創(chuàng)新以及信息技術(shù)引領(lǐng)的管理創(chuàng)新三大子系統(tǒng)[1]，科技創(chuàng)新效率則是反映科技創(chuàng)新資源配置能力和運(yùn)營(yíng)能力的重要指標(biāo)。我國(guó)科技強(qiáng)國(guó)建設(shè)已經(jīng)步入關(guān)鍵期，科技創(chuàng)新成為決定地區(qū)核心競(jìng)爭(zhēng)力的關(guān)鍵，也是關(guān)系到我國(guó)發(fā)展全局的重要問(wèn)題。面對(duì)高質(zhì)量發(fā)展要求，需要全面釋放科技創(chuàng)新的驅(qū)動(dòng)力量，突破關(guān)鍵核心技術(shù)，以科技帶動(dòng)經(jīng)濟(jì)增長(zhǎng)，構(gòu)建具有中國(guó)特色的現(xiàn)代化科技創(chuàng)新體系，贏得全球科技競(jìng)爭(zhēng)主動(dòng)權(quán)。2020年《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二O三五年遠(yuǎn)景目標(biāo)的建議》將科技創(chuàng)新擺在前所未有的高度，強(qiáng)調(diào)堅(jiān)持創(chuàng)新在我國(guó)現(xiàn)代化建設(shè)全局中的核心地位，把科技自立自強(qiáng)作為國(guó)家發(fā)展的戰(zhàn)略支撐?；诖?，本文以中國(guó)內(nèi)地30個(gè)省市(西藏因數(shù)據(jù)不全，未納入統(tǒng)計(jì))為研究對(duì)象，考察2011—2019年全國(guó)各地區(qū)科技創(chuàng)新效率及其影響因素，以期助力創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略實(shí)施，為政府相關(guān)部門(mén)政策制定提供決策參考。

1 文獻(xiàn)綜述

目前關(guān)于我國(guó)科技創(chuàng)新效率綜合評(píng)價(jià)的研究較多，通過(guò)梳理相關(guān)文獻(xiàn)發(fā)現(xiàn)，大多數(shù)文獻(xiàn)主要從以下方面展開(kāi)研究：

(1)科技創(chuàng)新效率與經(jīng)濟(jì)社會(huì)發(fā)展的關(guān)系。焦繼文和郭寶潔[2]以北京、上海和廣東三大地區(qū)中心城市科技資源集聚度及各省GDP增長(zhǎng)率為變量，聚焦中心地區(qū)科技資源集聚與當(dāng)?shù)亟?jīng)濟(jì)及周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系；孫藝璇等[3]運(yùn)用固定效應(yīng)模型和隨機(jī)效應(yīng)模型進(jìn)行回歸分析，發(fā)現(xiàn)科技創(chuàng)新通過(guò)作用于生產(chǎn)力結(jié)構(gòu)改革和動(dòng)力機(jī)制轉(zhuǎn)換，促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展；賴(lài)一飛等[4]基于Cobb-Douglas生產(chǎn)函數(shù)和聯(lián)立方程模型，探究“中三角”地區(qū)創(chuàng)新資源配置與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，發(fā)現(xiàn)創(chuàng)新資源集聚能帶動(dòng)當(dāng)?shù)亟?jīng)濟(jì)長(zhǎng)遠(yuǎn)發(fā)展。

(2)科技創(chuàng)新效率評(píng)價(jià)。關(guān)于科技創(chuàng)新效率評(píng)價(jià)的研究最多，主要集中在科技資源配置效率方面，大體上可劃分為靜態(tài)和動(dòng)態(tài)兩類(lèi)。在靜態(tài)評(píng)價(jià)方面，唐五湘等[5]運(yùn)用主成分分析法構(gòu)建評(píng)價(jià)指標(biāo)體系，采用投入與產(chǎn)出綜合水平比的評(píng)價(jià)方法，計(jì)算得到我國(guó)30個(gè)省(市、自治區(qū))科技資源配置效率值；周偉和葉常林[6]依據(jù)因子分析法的基本思路，設(shè)計(jì)科技資源配置效率的因子分析模型，從人力資源、財(cái)力資源、物力資源和信息資源4個(gè)方面選擇指標(biāo)，對(duì)中部六省科技資源配置效率進(jìn)行比較分析。科技資源配置效率靜態(tài)評(píng)價(jià)中運(yùn)用較多的方法是DEA模型及相關(guān)改進(jìn)方法，如劉琦[7]運(yùn)用DEA方法對(duì)廣東省21個(gè)城市科技資源配置效率進(jìn)行分析，發(fā)現(xiàn)2012—2014年廣東省科技資源配置平均水平偏低，極端化現(xiàn)象突出，技術(shù)效率和規(guī)模效率呈下降趨勢(shì)，從而導(dǎo)致資源配置效率低下等問(wèn)題；劉釩和鄧明亮[8]基于PCA超效率DEA組合模型，對(duì)全國(guó)和長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率進(jìn)行測(cè)度，發(fā)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率略低于全國(guó)平均水平，且長(zhǎng)江上中下游省市科技創(chuàng)新效率地區(qū)差異呈逐步擴(kuò)大趨勢(shì)；康楠等[9]針對(duì)2007年我國(guó)內(nèi)地31個(gè)省(市、自治區(qū))科技投入產(chǎn)出情況，分別采用主成分分析法、熵權(quán)TOPSIS法、超效率DEA法3種評(píng)價(jià)方法對(duì)區(qū)域科技資源配置效率進(jìn)行排名，采用組合評(píng)價(jià)方法彌補(bǔ)了單一方法的不足，得到的評(píng)價(jià)結(jié)果更客觀合理。在動(dòng)態(tài)評(píng)價(jià)方面，較多學(xué)者結(jié)合DEA模型與Malmquist指數(shù)進(jìn)行研究。如賴(lài)一飛等[10]運(yùn)用DEA-Malmquist指數(shù)深入研究中部六省R&D活動(dòng)投入產(chǎn)出效率，發(fā)現(xiàn)湖北處于領(lǐng)先地位，河南、湖南和山西R&D活動(dòng)效率最低；王建民[11]基于技術(shù)進(jìn)步動(dòng)態(tài)條件，采用超越對(duì)數(shù)生產(chǎn)函數(shù)對(duì)2000—2017年長(zhǎng)三角地區(qū)技術(shù)創(chuàng)新要素及其配置效率進(jìn)行測(cè)量和分析，發(fā)現(xiàn)長(zhǎng)三角地區(qū)需要提高科技人員數(shù)量和素質(zhì)，進(jìn)一步優(yōu)化創(chuàng)新要素配置效率，提高技術(shù)創(chuàng)新績(jī)效，從而驅(qū)動(dòng)高質(zhì)量發(fā)展。

(3)科技創(chuàng)新效率影響因素。李健和魯亞洲[12]采用系統(tǒng)動(dòng)力學(xué)方法，建立京津冀科技創(chuàng)新能力體系仿真模型，以專(zhuān)利授權(quán)量為表征對(duì)象，探索京津冀科技創(chuàng)新實(shí)力及其影響因素；朱林和朱學(xué)義[13]采用灰色關(guān)聯(lián)度分析法，研究2004—2018年中國(guó)工業(yè)企業(yè)科技創(chuàng)新績(jī)效的影響因素，發(fā)現(xiàn)R&D人員全時(shí)當(dāng)量、R&D經(jīng)費(fèi)支出、新產(chǎn)品開(kāi)發(fā)項(xiàng)目經(jīng)費(fèi)支出和有效發(fā)明專(zhuān)利數(shù)是工業(yè)企業(yè)科技創(chuàng)新績(jī)效的四大主要影響因素；林德珊和呂建秋[14]采用決策實(shí)驗(yàn)室法，分析高?？萍紕?chuàng)新能力的影響因素，指出人才資源是影響高?？萍紕?chuàng)新能力關(guān)鍵因素；李蕓等[15]針對(duì)我國(guó)多個(gè)省市面板數(shù)據(jù)，采用Tobit模型分析發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展水平、政府支持、對(duì)外開(kāi)放程度、產(chǎn)業(yè)結(jié)構(gòu)、人力資源水平等多個(gè)因素對(duì)科技創(chuàng)新綜合效率存在顯著正向影響。

與已有文獻(xiàn)相比，本文的貢獻(xiàn)在于：首先，已有研究主要通過(guò)DEA模型對(duì)科技資源配置效率進(jìn)行單一測(cè)度，本文采用超效率SBM模型和Malmquist指數(shù)模型，對(duì)2011—2019年中國(guó)內(nèi)地30個(gè)省市科技創(chuàng)新效率進(jìn)行靜態(tài)和動(dòng)態(tài)的全方位測(cè)度，超效率SBM模型結(jié)合了超效率DEA與SBM模型的優(yōu)點(diǎn)，使得效率測(cè)度更加精準(zhǔn)；其次，本文進(jìn)一步從廣義社會(huì)環(huán)境角度探討全國(guó)各省市科技創(chuàng)新效率的主要影響因素，并構(gòu)建Tobit模型分析各影響因素的作用機(jī)理，為各省市在有限的資源財(cái)力約束下，優(yōu)化資源配置、提升科技投入產(chǎn)出效率助力。

2 研究設(shè)計(jì)

2.1 研究工具與方法

由于DEA模型不需要預(yù)先設(shè)定指標(biāo)之間的函數(shù)關(guān)系，可避免主觀因素對(duì)模型構(gòu)建的影響，因此在靜態(tài)效率評(píng)價(jià)方面使用較為廣泛。Caves[16]將DEA模型與Malmquist指數(shù)相結(jié)合測(cè)算生產(chǎn)部門(mén)全要素生產(chǎn)率。由此形成DEA-Malmquist靜態(tài)與動(dòng)態(tài)相結(jié)合的效率評(píng)價(jià)分析方法，并被逐漸應(yīng)用于醫(yī)療、金融、工業(yè)等領(lǐng)域多投入、多產(chǎn)出條件下的全要素生產(chǎn)率測(cè)算。目前，我國(guó)大多數(shù)學(xué)者在科技資源配置效率的測(cè)度評(píng)價(jià)上，一般采用DEA-Malmquist指數(shù)方法。然而，在傳統(tǒng)DEA模型中，對(duì)無(wú)效率程度的測(cè)量只包含所有投入(產(chǎn)出)等比例縮減(增加)的比例，忽視了變量松弛性問(wèn)題和徑向問(wèn)題帶來(lái)的測(cè)量誤差，導(dǎo)致測(cè)量結(jié)果不準(zhǔn)確。為改進(jìn)這一問(wèn)題，更客觀反映各要素實(shí)際情況，Tone[17]提出基于松弛變量的非徑向、非導(dǎo)向型SBM模型(Slacks Based Measure，SBM)。然而，該模型與傳統(tǒng)DEA模型一樣，難以衡量多個(gè)有效決策單元之間的效率高低。

綜合上述因素，本文選取超效率SBM模型并結(jié)合Malmquist指數(shù)模型，對(duì)2011—2019年中國(guó)內(nèi)地30個(gè)省市科技創(chuàng)新投入產(chǎn)出面板數(shù)據(jù)進(jìn)行分析，使得科技資源靜態(tài)配置效率測(cè)度結(jié)果更為精準(zhǔn)，同時(shí)彌補(bǔ)了超效率SBM模型在時(shí)間序列數(shù)據(jù)動(dòng)態(tài)效率分析方面的不足。在科技創(chuàng)新效率研究中，通過(guò)超效率SBM模型計(jì)算得到我國(guó)30個(gè)省市科技創(chuàng)新效率后，進(jìn)一步分析科技創(chuàng)新效率影響因素的影響方向與程度，對(duì)于有計(jì)劃調(diào)整資源配置有著重要理論研究?jī)r(jià)值和現(xiàn)實(shí)指導(dǎo)意義?；貧w分析是研究影響因素作用機(jī)理的常用工具，考慮到超效率SBM模型估計(jì)出的效率值是截?cái)嗟碾x散分布數(shù)據(jù)，若運(yùn)用最小二乘法，其參數(shù)估計(jì)會(huì)有嚴(yán)重偏差，因此本文選用Tobit回歸模型。

2.2 變量確定

2.2.1 綜合效率評(píng)價(jià)指標(biāo)設(shè)計(jì)

科技創(chuàng)新活動(dòng)是一個(gè)多主體參與、多要素互動(dòng)的復(fù)雜過(guò)程[18]。鑒于此，本文在科技創(chuàng)新效率評(píng)價(jià)中，綜合考慮全國(guó)各地區(qū)經(jīng)濟(jì)發(fā)展水平、技術(shù)水平、資源稟賦以及科技創(chuàng)新要素投入來(lái)源與用途等特點(diǎn)，主要評(píng)價(jià)反映一般創(chuàng)新能力的投入與產(chǎn)出關(guān)系。本文沿用已有研究的成熟做法，將科技創(chuàng)新投入分為R&D人力和R&D資金投入兩類(lèi)，選取R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)支出作為投入指標(biāo)。為側(cè)重考察政府和企業(yè)科技創(chuàng)新投入，再分別選擇地方政府和企業(yè)研究與實(shí)驗(yàn)發(fā)展經(jīng)費(fèi)內(nèi)部支出，構(gòu)成創(chuàng)新要素投入指標(biāo)。在科技創(chuàng)新產(chǎn)出方面，為反映科技成果產(chǎn)出，同時(shí)體現(xiàn)經(jīng)濟(jì)效益的創(chuàng)新產(chǎn)出情況，選擇專(zhuān)利申請(qǐng)數(shù)、有效專(zhuān)利數(shù)、高等學(xué)校R&D課題數(shù)和技術(shù)市場(chǎng)應(yīng)用，構(gòu)成創(chuàng)新產(chǎn)出指標(biāo)。其中，專(zhuān)利蘊(yùn)含技術(shù)發(fā)明、創(chuàng)造等直觀信息；高等學(xué)校是我國(guó)科學(xué)技術(shù)活動(dòng)的重要力量，尤其在基礎(chǔ)研究活動(dòng)中占有重要地位，高等學(xué)校R&D課題數(shù)能反映地區(qū)科技活動(dòng)發(fā)展規(guī)模、資源配置和變化情況，對(duì)促進(jìn)科學(xué)技術(shù)事業(yè)發(fā)展和自主創(chuàng)新具有重要意義；技術(shù)市場(chǎng)應(yīng)用以地區(qū)技術(shù)市場(chǎng)成交額與地區(qū)生產(chǎn)總值的比值表征，能夠更好地反映創(chuàng)新成果商業(yè)化水平，衡量產(chǎn)業(yè)經(jīng)濟(jì)效益。最終構(gòu)建如表1所示的評(píng)價(jià)指標(biāo)體系。

表1 我國(guó)各省市科技創(chuàng)新效率綜合評(píng)價(jià)指標(biāo)體系

2.2.2 影響因子確定

科技創(chuàng)新行為是在一定社會(huì)環(huán)境下進(jìn)行的，社會(huì)環(huán)境包括政治、經(jīng)濟(jì)、環(huán)境和文化等方面。本文從廣義社會(huì)環(huán)境角度出發(fā)，通過(guò)梳理相關(guān)文獻(xiàn)，確定影響科技創(chuàng)新效率的因素包括政府對(duì)科技創(chuàng)新的支持、經(jīng)濟(jì)發(fā)展水平、科技基礎(chǔ)設(shè)施投入和科技認(rèn)知程度4個(gè)方面。

區(qū)域創(chuàng)新活動(dòng)對(duì)政府力量具有內(nèi)在依賴(lài)性，政府是創(chuàng)新系統(tǒng)頂層設(shè)計(jì)的主體，是引領(lǐng)創(chuàng)新戰(zhàn)略與方向、塑造創(chuàng)新環(huán)境的根本力量。本文采用政府科技投入占政府財(cái)政支出比重量化政府對(duì)科技創(chuàng)新的支持程度。科技創(chuàng)新是影響社會(huì)經(jīng)濟(jì)水平的外生因素，同時(shí)經(jīng)濟(jì)發(fā)展也是引領(lǐng)科技創(chuàng)新的主要?jiǎng)恿?。?jīng)濟(jì)發(fā)展與經(jīng)濟(jì)實(shí)力、經(jīng)濟(jì)增長(zhǎng)及產(chǎn)業(yè)結(jié)構(gòu)等相關(guān)，本文采用人均GDP衡量經(jīng)濟(jì)發(fā)展水平?？萍蓟A(chǔ)設(shè)施是指與科技活動(dòng)有關(guān)的公共產(chǎn)品，是技術(shù)創(chuàng)新的物質(zhì)基礎(chǔ)和信息保障。李蘭冰(2008)研究表明，科技基礎(chǔ)設(shè)施對(duì)科技創(chuàng)新能力的影響存在區(qū)域異質(zhì)性。本文選取信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)投資額作為衡量科技基礎(chǔ)設(shè)施投入的指標(biāo)。文化環(huán)境是指社會(huì)對(duì)事物的看法、理解或偏好，關(guān)于文化環(huán)境對(duì)科技創(chuàng)新影響的研究已經(jīng)較為豐富，但大多從定性角度進(jìn)行分析，目前仍未形成統(tǒng)一量化指標(biāo)。鑒于此，本文將文化環(huán)境聚焦于社會(huì)在多大程度上能了解科技創(chuàng)新現(xiàn)狀與發(fā)展情況，即不管人們的認(rèn)知是否正確，只考慮科技創(chuàng)新信息在地區(qū)的傳播能力和范圍，本文將該影響因子定義為科技認(rèn)知程度。數(shù)字時(shí)代，互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的最主要途徑，地區(qū)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r能有效衡量信息獲取途徑的便利性，地區(qū)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r參考《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，選擇互聯(lián)網(wǎng)普及率衡量。影響區(qū)域創(chuàng)新要素市場(chǎng)化配置效率的因素及其量化指標(biāo)如表2所示。

表2 我國(guó)各省市科技創(chuàng)新效率影響因素及量化指標(biāo)

2.3 數(shù)據(jù)來(lái)源與處理

考慮到樣本容量的充分性和數(shù)據(jù)可獲得性，本文選取2011—2019年中國(guó)內(nèi)地30個(gè)省市(西藏因數(shù)據(jù)不全，未納入統(tǒng)計(jì))面板數(shù)據(jù)，計(jì)算超效率SBM-Malmquist指數(shù)模型和Tobit模型?？紤]產(chǎn)出具有滯后性，實(shí)際測(cè)評(píng)的是2011—2018年科技創(chuàng)新投入指標(biāo)和2012—2019年科技創(chuàng)新產(chǎn)出指標(biāo)。數(shù)據(jù)主要來(lái)源于2011—2019年《中國(guó)科技統(tǒng)計(jì)年鑒》及中國(guó)統(tǒng)計(jì)局等網(wǎng)站，其中，2019年高等學(xué)校R&D課題數(shù)、互聯(lián)網(wǎng)普及率等指標(biāo)數(shù)據(jù)暫未更新，本文基于該指標(biāo)往年數(shù)據(jù)，采用線(xiàn)性擬合方法預(yù)測(cè)得出。

3 實(shí)證結(jié)果分析

3.1 科技創(chuàng)新效率綜合評(píng)價(jià)

3.1.1 超效率SBM模型分析結(jié)果

本文基于超效率SBM模型，采用DEA-Solver-LV8軟件對(duì)2011—2018年我國(guó)內(nèi)地30個(gè)省域科技創(chuàng)新效率進(jìn)行逐年測(cè)算，結(jié)果如表3、4所示。

表3 2011—2018年各省市科技創(chuàng)新要素配置有效區(qū)域及比重

從整體看，2011—2018年我國(guó)科技創(chuàng)新效率呈波動(dòng)上升趨勢(shì)，一定程度上表明我國(guó)自2012年底提出堅(jiān)持走中國(guó)特色自主創(chuàng)新道路、實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略取得積極成效。由于各地區(qū)經(jīng)濟(jì)和技術(shù)基礎(chǔ)差異較大，導(dǎo)致同一時(shí)期各省市科技創(chuàng)新效率差異顯著，表現(xiàn)為東部地區(qū)>西部地區(qū)>中部地區(qū)。每年綜合效率技術(shù)水平達(dá)到前沿的省市較少，基本穩(wěn)定在36.67%，即30個(gè)省市中有11個(gè)省市能達(dá)到有效狀態(tài)。其中，2011年僅有7個(gè)省市科技創(chuàng)新效率達(dá)到有效狀態(tài)。根據(jù)表4中各省市科技創(chuàng)新效率均值，可將其劃分為4個(gè)梯隊(duì)：第一梯隊(duì)科技創(chuàng)新效率較高(大于0.9)，包括北京、青海、海南、廣東、浙江、貴州、安徽和新疆；第二梯隊(duì)效率值中等偏上(0.8～0.9)，包括陜西、四川、江西、湖北；第三梯隊(duì)效率值中等(0.6～0.8)，包括甘肅、天津、江蘇、湖南、重慶、福建、廣西、云南、上海和吉林；第四梯隊(duì)效率值偏低(低于0.6)，包括寧夏、遼寧、黑龍江、山西、山東、河北、河南和內(nèi)蒙古。

表4 2011-2018年各省市科技創(chuàng)新效率測(cè)度結(jié)果

第一梯隊(duì)中，除新疆在2011年未達(dá)到有效狀態(tài)外，其余年份各省市均為有效狀態(tài)，說(shuō)明該梯隊(duì)省市創(chuàng)新要素投入產(chǎn)出結(jié)構(gòu)較為合理，科技經(jīng)費(fèi)和人員管理水平較高，資源在技術(shù)研發(fā)和成果轉(zhuǎn)化過(guò)程中均得到較為充分的利用，需要繼續(xù)保持其資源配置的高效性。

第二梯隊(duì)中，陜西、四川和湖北科技創(chuàng)新效率均呈波動(dòng)遞減趨勢(shì)。其中，2015—2018年湖北科技創(chuàng)新效率遞減較為顯著，主要原因是投入產(chǎn)出結(jié)構(gòu)失衡日漸嚴(yán)重，R&D經(jīng)費(fèi)尤其是企業(yè)R&D經(jīng)費(fèi)存在較多冗余，而在專(zhuān)利產(chǎn)出數(shù)量上缺口逐漸增大。2011—2018年江西科技創(chuàng)新效率波動(dòng)遞增，且2011—2013年其科技創(chuàng)新效率均在0.6以下。為破解科研與產(chǎn)業(yè)“兩張皮”問(wèn)題，人才、技術(shù)相對(duì)落后的江西從2013年開(kāi)始探索建立產(chǎn)學(xué)研用緊密結(jié)合的協(xié)同創(chuàng)新模式，2013年江西采用全國(guó)首創(chuàng)的科技協(xié)同創(chuàng)新體模式，自2014年起，江西科技創(chuàng)新效率上升迅速，2015—2018年江西達(dá)到綜合效率技術(shù)水平前沿。

第三梯隊(duì)中，甘肅、江蘇、湖南、重慶、福建、云南和上海科技創(chuàng)新效率值呈波動(dòng)下降趨勢(shì)。其中，2015—2018年重慶創(chuàng)新效率急速下降，2018年效率值僅0.109，究其原因主要是2015—2018年重慶R&D經(jīng)費(fèi)投入冗余嚴(yán)重，而有效專(zhuān)利和技術(shù)市場(chǎng)應(yīng)用產(chǎn)出嚴(yán)重不足，未來(lái)仍需在破除制約科技成果轉(zhuǎn)化的瓶頸上采取積極措施。作為經(jīng)濟(jì)大市的上海，創(chuàng)新效率一直處于中游，且2013年以后效率下降較快，主要是因?yàn)槠浯笠?guī)?？萍紕?chuàng)新投入的邊際產(chǎn)出較少，從而導(dǎo)致創(chuàng)新效率低下。天津、廣西和吉林科技創(chuàng)新效率總體呈波動(dòng)遞增趨勢(shì)，且增長(zhǎng)幅度較大。其中，廣西、吉林分別在2015年和2017年以后效率值達(dá)到有效狀態(tài)。

第四梯隊(duì)中，寧夏科技創(chuàng)新效率波動(dòng)幅度較大，總體呈W型趨勢(shì)，且2017—2018年效率增長(zhǎng)較快。由于地理位置不利或經(jīng)濟(jì)技術(shù)基礎(chǔ)較弱，其余各省市創(chuàng)新效率始終較低，效率值基本穩(wěn)定在0.52以下，均未達(dá)到綜合效率技術(shù)水平前沿。

3.1.2 Malmquist生產(chǎn)指數(shù)分析結(jié)果

借助DEAP2.1軟件，采用基于投入導(dǎo)向和規(guī)模報(bào)酬可變的DEA-Malmquist模型，計(jì)算得到2011—2018年我國(guó)科技創(chuàng)新效率Malmquist指數(shù)各分解量，詳見(jiàn)表5、圖1和表6。

表5 2011-2018年我國(guó)科技創(chuàng)新效率分年度變動(dòng)指數(shù)及其分解指數(shù)

表6 2011-2018年我國(guó)各省市科技創(chuàng)新效率整體變動(dòng)指數(shù)及其分解指數(shù)

從整體看，2011—2018年我國(guó)科技創(chuàng)新全要素生產(chǎn)率呈波動(dòng)態(tài)勢(shì)，但基本保持增長(zhǎng)趨勢(shì)，平均值為1.028，年平均增長(zhǎng)率為2.8%，說(shuō)明這期間我國(guó)科技創(chuàng)新發(fā)展總體態(tài)勢(shì)良好。從指數(shù)構(gòu)成看，2011—2018年技術(shù)效率變動(dòng)指數(shù)和技術(shù)進(jìn)步指數(shù)波動(dòng)較大，年度變化不夠穩(wěn)定，平均增長(zhǎng)率分別為1.5%和1.3%，全要素生產(chǎn)率增長(zhǎng)主要來(lái)自?xún)烧叩慕徊孀饔?。根?jù)圖1可知，全要素生產(chǎn)率年度變化與技術(shù)進(jìn)步指數(shù)年度變化呈現(xiàn)同步波動(dòng)趨勢(shì)，說(shuō)明科技創(chuàng)新全要素生產(chǎn)率受技術(shù)進(jìn)步影響更大。2017—2018年全要素生產(chǎn)率和技術(shù)進(jìn)步頹勢(shì)初顯，需要進(jìn)一步穩(wěn)定發(fā)展，加強(qiáng)新技術(shù)研發(fā)、引進(jìn)和轉(zhuǎn)化吸收仍然是未來(lái)主攻方向之一。

圖1 2011-2018年我國(guó)科技創(chuàng)新效率變動(dòng)指數(shù)及其分解指數(shù)變化趨勢(shì)

進(jìn)一步分解技術(shù)效率變動(dòng)指數(shù)發(fā)現(xiàn)，除2013—2014年、2014—2015年技術(shù)效率主要受規(guī)模效率變動(dòng)影響外，其余年份技術(shù)效率受純技術(shù)效率和規(guī)模效率共同作用的影響。技術(shù)效率提升大體依賴(lài)于純技術(shù)效率和規(guī)模效率平穩(wěn)增長(zhǎng)，2011—2018年兩者平均增長(zhǎng)率均為0.7%。

分省市看，2011—2018年22個(gè)省市全要素生產(chǎn)率大于1，占比高達(dá)73.33%，說(shuō)明我國(guó)科技創(chuàng)新情況整體趨勢(shì)向好。上海全要素生產(chǎn)率最高，年均增長(zhǎng)率達(dá)10.2%，重慶全要素生產(chǎn)率最低，呈年均2.9%的衰退趨勢(shì)。從區(qū)域排名看，上海、遼寧、天津、新疆和廣東全要素生產(chǎn)率增長(zhǎng)均在7%以上，且除上海外，其余省市各項(xiàng)效率值增長(zhǎng)較為全面，說(shuō)明近年來(lái)上述區(qū)域在科技創(chuàng)新投入產(chǎn)出結(jié)構(gòu)與體制機(jī)制改革上取得積極成效。上海憑借優(yōu)越的經(jīng)濟(jì)和地理位置，吸收大量外資并引進(jìn)先進(jìn)技術(shù)，技術(shù)進(jìn)步抵消了技術(shù)效率衰退的影響，未來(lái)，上海應(yīng)著重提升純技術(shù)效率。湖南、重慶和云南技術(shù)效率的負(fù)向影響超過(guò)技術(shù)進(jìn)步的增長(zhǎng)作用，說(shuō)明3個(gè)省市科技創(chuàng)新管理效率和制度安排上存在較大問(wèn)題，仍有較大改進(jìn)空間。內(nèi)蒙古、寧夏等5個(gè)省市技術(shù)進(jìn)步拉動(dòng)效應(yīng)較弱，需要技術(shù)更先進(jìn)、功能更豐富的科技成果拉動(dòng)區(qū)域科技創(chuàng)新效率，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與優(yōu)化升級(jí)。

從分解因素看，北京、天津等絕大多數(shù)省市技術(shù)效率處于增長(zhǎng)態(tài)勢(shì)，主要受到純技術(shù)效率和規(guī)模效率的雙重影響，這與前述年份維度統(tǒng)計(jì)結(jié)果一致。上海、江蘇等6省市技術(shù)效率變動(dòng)指數(shù)呈遞減趨勢(shì)，其中上海、江蘇、云南和甘肅主要受純技術(shù)效率的負(fù)向影響，湖南主要受規(guī)模效率影響，重慶在純技術(shù)效率和規(guī)模效率兩方面均較低。

3.2 科技創(chuàng)新能力影響因素分析

上文利用超效率SBM模型和Malmquist指數(shù)模型，從微觀層面有效測(cè)度了全國(guó)各省市科技創(chuàng)新效率，還需從宏觀層面進(jìn)一步探討各省市創(chuàng)新效率的影響因素及各因素的作用機(jī)理。本文基于面板數(shù)據(jù)對(duì)全國(guó)總體情況進(jìn)行分析，解析各省市科技創(chuàng)新效率影響因素作用方向與程度的內(nèi)在原因，運(yùn)用Stata15.0軟件計(jì)算Tobit回歸模型。

圖2顯示了全國(guó)各省市政府支持對(duì)科技創(chuàng)新效率影響的回歸結(jié)果。從全國(guó)總體情況看，政府支持對(duì)科技創(chuàng)新效率具有顯著正向作用，說(shuō)明政府對(duì)科技創(chuàng)新的支持程度越高，越有利于我國(guó)科技進(jìn)步。

從各省市情況看，陜西、寧夏、海南和山東4個(gè)省市政府支持對(duì)科技創(chuàng)新效率具有顯著正向作用。以上省市政府科技投入呈穩(wěn)定增長(zhǎng)趨勢(shì)，但在全國(guó)排名偏低，因此建議加大政府科技投入，充分發(fā)揮政府支持對(duì)本地區(qū)科技創(chuàng)新效率的促進(jìn)作用。北京、湖北等11個(gè)省市政府支持對(duì)科技創(chuàng)新效率的正向作用不顯著。結(jié)合地區(qū)實(shí)際情況發(fā)現(xiàn)，部分省市政府科技資金投入大部分流向研究機(jī)構(gòu)、高等院校的基礎(chǔ)研究和應(yīng)用研究領(lǐng)域，此類(lèi)研究難以在短時(shí)間內(nèi)產(chǎn)生效益，政府科技投入增加帶來(lái)的影響無(wú)法立刻顯現(xiàn)。此外，一些省市政府投資對(duì)創(chuàng)新的拉動(dòng)作用基本達(dá)到飽和，應(yīng)當(dāng)積極尋求其它方式驅(qū)動(dòng)區(qū)域科技創(chuàng)新。河北、廣西和黑龍江3個(gè)省市政府支持對(duì)科技創(chuàng)新效率具有顯著負(fù)向作用。數(shù)據(jù)顯示，上述省市政府科技投入占政府財(cái)政支出比重低于全國(guó)平均水平，而且比重不增反降，說(shuō)明政府應(yīng)當(dāng)提高對(duì)當(dāng)?shù)乜萍紕?chuàng)新的重視程度。河南、福建等12個(gè)省市政府支持對(duì)科技創(chuàng)新效率的負(fù)向作用不顯著。其中，安徽、福建等省市政府科技投入占比較高，也側(cè)面反映我國(guó)存在政府創(chuàng)新激勵(lì)扭曲、科技投入冗余、產(chǎn)出虧空等問(wèn)題。

圖3顯示了全國(guó)各省市經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率影響的回歸結(jié)果。從全國(guó)總體情況看，我國(guó)經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率具有負(fù)向作用，影響系數(shù)接近于0，說(shuō)明作用效果不佳。當(dāng)前我國(guó)國(guó)內(nèi)生產(chǎn)總值穩(wěn)居世界第二，經(jīng)濟(jì)發(fā)展速度較快，結(jié)合有關(guān)研究發(fā)現(xiàn)，當(dāng)區(qū)域經(jīng)濟(jì)發(fā)展水平較高時(shí)，容易出現(xiàn)尋租行為，使得原本應(yīng)該用于科技研發(fā)的資金流向其它領(lǐng)域[20-22]。此外，我國(guó)民間資本投資科技領(lǐng)域的積極性較低也是造成經(jīng)濟(jì)因素影響不大的原因。

從各省市情況看，海南和河南經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率具有顯著正向作用。調(diào)查發(fā)現(xiàn)，兩省民間資本投資科技領(lǐng)域的積極性較高，如近年來(lái)河南企業(yè)加大創(chuàng)新投入，高新技術(shù)產(chǎn)業(yè)化水平居中部地區(qū)首位。北京、浙江等8個(gè)省市經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率的正向作用不顯著，減少尋租行為、激發(fā)民間資本投資科技領(lǐng)域的積極性，是上述地區(qū)增強(qiáng)經(jīng)濟(jì)優(yōu)勢(shì)對(duì)科技創(chuàng)新促進(jìn)作用的根本方法。江蘇、湖南等9個(gè)省市經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率具有顯著負(fù)向作用；湖北、上海等11個(gè)省市經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率的負(fù)向作用不顯著。進(jìn)一步分析發(fā)現(xiàn)，上述經(jīng)濟(jì)發(fā)展水平較高的部分省市并不缺乏科技投資，但普遍存在創(chuàng)新資源冗余、創(chuàng)新資源錯(cuò)配等問(wèn)題。

圖2 政府支持對(duì)科技創(chuàng)新效率影響的回歸結(jié)果 圖3 經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率影響的回歸結(jié)果

注：β為影響系數(shù)，P<0.05表示在5%的水平下顯著，下同

圖4顯示了全國(guó)各省市科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率影響的回歸結(jié)果。從全國(guó)總體情況看，科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率的正向作用不顯著，影響系數(shù)接近于0，說(shuō)明作用效果不顯著。隨著我國(guó)大部分地區(qū)科技基礎(chǔ)設(shè)施建設(shè)逐漸完善，自2017年起，全國(guó)大多數(shù)省市科技基礎(chǔ)設(shè)施投資呈遞減趨勢(shì)，但已建成基礎(chǔ)設(shè)施仍在發(fā)揮促進(jìn)作用，這是導(dǎo)致科技基礎(chǔ)設(shè)施投入影響不顯著的主要原因。結(jié)合有關(guān)研究發(fā)現(xiàn)，我國(guó)科技基礎(chǔ)設(shè)施建設(shè)存在規(guī)劃不合理、利用率低的現(xiàn)象，重復(fù)建設(shè)、閑置等情況導(dǎo)致每年我國(guó)在科技基礎(chǔ)設(shè)施上的投資巨大，但投資效果不盡如人意。

圖4 科技基礎(chǔ)設(shè)施對(duì)科技創(chuàng)新效率影響的回歸結(jié)果 圖5 科技認(rèn)知程度對(duì)科技創(chuàng)新效率影響的回歸結(jié)果

從各省市情況看，河北、青海等5個(gè)省市科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率具有顯著正向作用。投資數(shù)據(jù)顯示，2011—2018年，以上省市科技基礎(chǔ)設(shè)施投資均保持較為穩(wěn)定的增長(zhǎng)態(tài)勢(shì)，科技創(chuàng)新效率也呈現(xiàn)平穩(wěn)遞增趨勢(shì)。北京、上海等11個(gè)省市科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率的正向作用不顯著。大部分省市前期科技基礎(chǔ)投資較多，隨著科技基礎(chǔ)設(shè)施逐步完善，投資呈現(xiàn)緩慢下降趨勢(shì)，但其對(duì)科技創(chuàng)新的影響仍在持續(xù)，因此影響不顯著。甘肅和陜西科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率具有顯著負(fù)向作用；湖北、湖南等12個(gè)省市科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新效率的負(fù)向作用不顯著。對(duì)于科技基礎(chǔ)設(shè)施投入較多但效果不佳的地區(qū)，改進(jìn)其科技基礎(chǔ)設(shè)施中存在的規(guī)劃不合理、使用率低等問(wèn)題是扭轉(zhuǎn)負(fù)面影響的唯一方法；對(duì)于科技基礎(chǔ)設(shè)施建設(shè)較為落后的地區(qū)，雖然近幾年投入有所增加，但基礎(chǔ)設(shè)施的作用效果存在滯后性，尚未表現(xiàn)出顯著影響，因此妥善安排后續(xù)科技基礎(chǔ)設(shè)施投入尤為重要。

圖5顯示了全國(guó)各省市科技認(rèn)知程度對(duì)科技創(chuàng)新效率影響的回歸結(jié)果。從全國(guó)總體情況看，科技認(rèn)知程度對(duì)科技創(chuàng)新效率具有顯著正向作用。良好的科技創(chuàng)新生態(tài)是激發(fā)創(chuàng)新活力最有效的方法，一般來(lái)說(shuō)，科技認(rèn)知程度較高的地區(qū)更容易吸引科技要素聚集，促進(jìn)高新技術(shù)產(chǎn)業(yè)集聚，從而帶動(dòng)地區(qū)科技發(fā)展。

從各省市情況看，河北、青海等6個(gè)省市科技認(rèn)知程度對(duì)科技創(chuàng)新效率具有顯著正向作用。近10年來(lái)，上述省市互聯(lián)網(wǎng)普及率均有顯著提升，地區(qū)科技認(rèn)知程度顯著提高。廣東、湖北等13個(gè)省市科技認(rèn)知程度對(duì)科技創(chuàng)新效率的正向作用不顯著。其中，部分省市由于邊際影響力減弱，科技認(rèn)知范圍擴(kuò)大，對(duì)科技創(chuàng)新效率提升難以產(chǎn)生影響；另一部分地區(qū)由于互聯(lián)網(wǎng)普及率較低，對(duì)科技創(chuàng)新的促進(jìn)作用不明顯。海南、河南和北京科技認(rèn)知程度對(duì)科技創(chuàng)新效率具有顯著負(fù)向作用。其中，河南互聯(lián)網(wǎng)普及率呈現(xiàn)緩慢遞增趨勢(shì)，但總體水平較低，對(duì)科技創(chuàng)新效率未產(chǎn)生促進(jìn)作用；海南科技認(rèn)知程度處于全國(guó)中等水平，科技人才引育機(jī)制不完善、科技人才流失嚴(yán)重等在一定程度上導(dǎo)致其對(duì)科技創(chuàng)新的促進(jìn)作用不顯著。上海、浙江等8個(gè)省市科技認(rèn)知程度對(duì)科技創(chuàng)新效率的負(fù)向作用不顯著。上述省市互聯(lián)網(wǎng)普及率呈現(xiàn)穩(wěn)定上升趨勢(shì)，但科技創(chuàng)新效率波動(dòng)較大，因此應(yīng)該采取相應(yīng)措施提高互聯(lián)網(wǎng)的創(chuàng)新溢出效應(yīng)。

4 結(jié)論與啟示

4.1 結(jié)論

本文考察了2011—2019年中國(guó)內(nèi)地30個(gè)省市科技創(chuàng)新綜合發(fā)展水平及其影響因素，依據(jù)超效率SBM-Malmquist模型對(duì)中國(guó)省域科技創(chuàng)新效率進(jìn)行綜合評(píng)價(jià)，并從廣義社會(huì)環(huán)境角度出發(fā)，構(gòu)建科技創(chuàng)新效率影響因素Tobit模型，實(shí)證研究科技創(chuàng)新驅(qū)動(dòng)因素。本文得出以下主要結(jié)論：科技創(chuàng)新效率呈波動(dòng)上升趨勢(shì)，受地區(qū)經(jīng)濟(jì)和技術(shù)基礎(chǔ)影響，全國(guó)各省市科技創(chuàng)新效率差異較大，東部地區(qū)最高，西部地區(qū)次之，中部地區(qū)最低；科技創(chuàng)新全要素生產(chǎn)率受技術(shù)效率變動(dòng)指數(shù)與技術(shù)進(jìn)步指數(shù)的交叉影響，技術(shù)進(jìn)步指數(shù)的影響更大，整體上呈波動(dòng)遞增趨勢(shì)，全國(guó)有77.33%的省市全要素生產(chǎn)率大于1，科技創(chuàng)新發(fā)展整體態(tài)勢(shì)較好。

對(duì)科技創(chuàng)新效率影響因素及其影響機(jī)理的研究結(jié)論如下：①?gòu)娜珖?guó)整體情況看，政府支持和社會(huì)科技認(rèn)知程度對(duì)科技創(chuàng)新效率具有顯著正向作用，經(jīng)濟(jì)發(fā)展水平對(duì)科技創(chuàng)新效率具有顯著負(fù)向作用，科技基礎(chǔ)設(shè)施投入對(duì)科技創(chuàng)新的正向作用不顯著；②分省市看，各影響因素的作用效果并未表現(xiàn)出顯著地域分布特征；③分析各因素對(duì)科技創(chuàng)新的作用機(jī)理發(fā)現(xiàn)，政府支持通過(guò)調(diào)整財(cái)政科技資金投入金額、方向以及對(duì)社會(huì)資本的吸引效應(yīng)，作用于科技創(chuàng)新效率，政府支持對(duì)科技創(chuàng)新效率的影響程度也與政府支持效應(yīng)是否達(dá)到飽和有關(guān)；④地區(qū)經(jīng)濟(jì)發(fā)展水平對(duì)當(dāng)?shù)孛耖g資本投資積極性、投資戰(zhàn)略和投資風(fēng)險(xiǎn)偏好程度均會(huì)產(chǎn)生影響，從而影響科技創(chuàng)新效率，經(jīng)濟(jì)發(fā)展水平較高地區(qū)的民間資本對(duì)科技領(lǐng)域重視程度更高，地方大型企業(yè)愿意投資高風(fēng)險(xiǎn)的科技領(lǐng)域，但同時(shí)也容易出現(xiàn)尋租、資源冗余等問(wèn)題；⑤地區(qū)科技基礎(chǔ)設(shè)施越完善，越有利于科技創(chuàng)新，但由于科技基礎(chǔ)設(shè)施建設(shè)需要一定周期，其對(duì)地區(qū)創(chuàng)新效率的影響具有滯后性，基礎(chǔ)設(shè)施建設(shè)規(guī)劃與布局也會(huì)影響科技基礎(chǔ)設(shè)施對(duì)科技創(chuàng)新效率的作用；⑥科技認(rèn)知程度提高能夠增進(jìn)人們對(duì)科技發(fā)展的了解，增強(qiáng)人們對(duì)科技創(chuàng)新的興趣，助力營(yíng)造良好的創(chuàng)新氛圍，從而影響科技創(chuàng)新效率，但科技認(rèn)知程度的影響作用也與地區(qū)人才引導(dǎo)、激勵(lì)機(jī)制等有關(guān)，引導(dǎo)與激勵(lì)機(jī)制不健全的地區(qū)，人們對(duì)科技創(chuàng)新的認(rèn)知較為片面，無(wú)法對(duì)科技創(chuàng)新效率起到顯著增進(jìn)作用。

4.2 政策啟示

首先，發(fā)展新型融資模式，激發(fā)民間資本投資積極性。隨著我國(guó)科技事業(yè)的發(fā)展和創(chuàng)新能力的提高，許多地區(qū)依靠政府投資拉動(dòng)科技創(chuàng)新效率增長(zhǎng)的模式逐漸顯現(xiàn)頹勢(shì)，應(yīng)及時(shí)切換政府與企業(yè)投資主體角色切換，推動(dòng)政府支持由直接投資向間接投資轉(zhuǎn)變，如開(kāi)設(shè)科技貸款綠色通道、增加專(zhuān)項(xiàng)信貸額度、支持有條件的地方政府建立風(fēng)險(xiǎn)補(bǔ)償資金池等。其次，營(yíng)造良好的科技創(chuàng)新氛圍，增強(qiáng)科技創(chuàng)新人才凝聚能力。健全科技人才引育制度，完善落戶(hù)居留、醫(yī)療保健、出入境服務(wù)等保障措施，培養(yǎng)一批核心技術(shù)人才、海外高層次人才、產(chǎn)業(yè)領(lǐng)軍人才。同時(shí)，積極改進(jìn)現(xiàn)有人才管理機(jī)制，營(yíng)造科技人才良性競(jìng)爭(zhēng)氛圍。再次，加強(qiáng)科技成果產(chǎn)權(quán)保護(hù)，打通科技成果轉(zhuǎn)化鏈條，推動(dòng)技術(shù)成果與產(chǎn)業(yè)發(fā)展深度融合。設(shè)立知識(shí)產(chǎn)權(quán)法院，做好知識(shí)產(chǎn)權(quán)維權(quán)援助工作；探索基于互聯(lián)網(wǎng)技術(shù)的一體化科技市場(chǎng)，建立涵蓋科技咨詢(xún)、創(chuàng)新資源集聚、技術(shù)轉(zhuǎn)移等功能的綜合服務(wù)平臺(tái)；發(fā)揮財(cái)政科技項(xiàng)目在成果供給中的引導(dǎo)作用，面向地方產(chǎn)業(yè)發(fā)展需求，設(shè)置科技計(jì)劃專(zhuān)項(xiàng)，重點(diǎn)支持地方優(yōu)勢(shì)產(chǎn)業(yè)關(guān)鍵核心技術(shù)攻關(guān)。最后，通過(guò)政策調(diào)適，引導(dǎo)構(gòu)建科技監(jiān)管體系。健全獎(jiǎng)懲機(jī)制，減少科研項(xiàng)目申報(bào)中的尋租與腐敗行為；前瞻布局科技基礎(chǔ)設(shè)施建設(shè)，引導(dǎo)企業(yè)參與科技基礎(chǔ)設(shè)施建設(shè)，規(guī)范我國(guó)科技基礎(chǔ)設(shè)施建設(shè)管理制度。

4.3 研究不足與展望

本文還存在以下不足與局限性：首先，本文選取的科技創(chuàng)新效率測(cè)度指標(biāo)及影響因素指標(biāo)可能存在遺漏，未來(lái)研究可進(jìn)一步細(xì)化，拓寬指標(biāo)口徑，減少因投入與產(chǎn)出指標(biāo)潛在對(duì)應(yīng)性導(dǎo)致的誤差；其次，本文雖然對(duì)科技創(chuàng)新效率影響因素的相關(guān)性進(jìn)行了分析，但未對(duì)具體指標(biāo)與科技創(chuàng)新效率的耦合性進(jìn)行深入探究，有待在未來(lái)研究中進(jìn)一步完善。