胡 偉 單 悅 夏 康 鄧 蕓

（浙江師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，浙江 金華 321004）

0 引言

科技創(chuàng)新能力已成為決定一個國家和地區(qū)核心競爭力的關(guān)鍵要素，而效率則是科技創(chuàng)新的生命力。近年來，浙江出臺《浙江省科技創(chuàng)新發(fā)展“十四五”規(guī)劃》《推動高質(zhì)量發(fā)展建設(shè)共同富裕示范區(qū)科技創(chuàng)新行動方案》《浙江省中長期科技創(chuàng)新戰(zhàn)略規(guī)劃》等一系列政策文件，加快浙江高水平創(chuàng)新型省份和科技強省建設(shè)。在此背景下，探究浙江科技創(chuàng)新效率及其影響因素，將為浙江科技創(chuàng)新效率的進一步提升提供科學(xué)依據(jù)。

國內(nèi)外對于科技創(chuàng)新效率的研究主要集中于科技創(chuàng)新效率測度方法，國家、地區(qū)或行業(yè)科技創(chuàng)新效率評估和科技創(chuàng)新效率影響因素等方面。在科技創(chuàng)新效率測度方法上，BCC、CCR、SBM、Malmquist 指數(shù)等DEA 模型是最主要的創(chuàng)新效率測度手段［1-2］，而主成分分析法、熵權(quán)TOPSIS、隨機前沿分析與DEA 模型的結(jié)合也使得科技創(chuàng)新效率的測度更加多樣化［3-4］。在國家、地區(qū)或行業(yè)科技創(chuàng)新效率評估上，中國、美國、“一帶一路”等國家和地區(qū)的科技創(chuàng)新效率備受關(guān)注，中國綠色創(chuàng)新效率空間差距總體上呈現(xiàn)先下降后上升又下降的趨勢，“一帶一路”沿線國家研發(fā)效率整體不存在收斂性［5-8］。長江經(jīng)濟帶、京津冀、粵港澳大灣區(qū)、省域或市域的科技創(chuàng)新效率異質(zhì)性是科技創(chuàng)新效率評估的熱點［9-11］。中國創(chuàng)新效率總體呈“東—中—西”階梯式遞減，長江經(jīng)濟帶科技創(chuàng)新效率呈兩頭高中間低的空間分布格局，長三角城市群創(chuàng)新效率的提升快于京津冀城市群［12-14］。農(nóng)業(yè)、海洋產(chǎn)業(yè)、高端制造業(yè)、生物醫(yī)藥業(yè)、電子信息制造業(yè)等產(chǎn)業(yè)或產(chǎn)業(yè)集群的科技創(chuàng)新效率演變也受到較多關(guān)注［15-17］，純技術(shù)效率滯后導(dǎo)致中國工業(yè)企業(yè)綠色技術(shù)創(chuàng)新整體效率偏低，地區(qū)之間海洋科技創(chuàng)新效率差異先縮小后擴大［18-19］。在科技創(chuàng)新效率影響因素上，經(jīng)濟發(fā)展水平、科技創(chuàng)新環(huán)境、稅收政策、財政資金支持、區(qū)域開放水平、環(huán)境規(guī)制、政府監(jiān)管力度等對科技創(chuàng)新效率具有不同程度的影響［20-22］，且不同的影響因素在不同地區(qū)的影響效應(yīng)各異［23-24］。

浙江科技創(chuàng)新研究主要集中于城市創(chuàng)新網(wǎng)絡(luò)、產(chǎn)業(yè)集群創(chuàng)新、金融創(chuàng)新、綠色創(chuàng)新效率等議題。浙江城市創(chuàng)新網(wǎng)絡(luò)規(guī)模逐漸擴張，整體呈以杭州灣區(qū)為核心的“網(wǎng)絡(luò)局部化、輻射中心化”特征［25］。影響產(chǎn)業(yè)集群創(chuàng)新與縣域城鎮(zhèn)化協(xié)調(diào)發(fā)展的驅(qū)動力具有明顯的地域差異，其驅(qū)動力作用強度按經(jīng)濟基礎(chǔ)、對外開放、市場力量、信息化、政府行為以及工業(yè)化依次遞減［26］。浙江縣域金融創(chuàng)新高增長區(qū)縣域沿滬昆高速和杭州灣環(huán)線高速呈“Y”字形分布［27］。浙江省在中國綠色科技創(chuàng)新效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)中處于中心位置［28］。這些研究有利于厘清浙江科技創(chuàng)新態(tài)勢，但并沒有總結(jié)浙江科技創(chuàng)新效率的時空演變規(guī)律，也沒有厘清浙江科技創(chuàng)新效率的關(guān)鍵影響因子。因此，本研究以浙江省11 個城市為研究對象，運用DEA 模型分析浙江科技創(chuàng)新效率的時空格局演變，分析浙江科技創(chuàng)新效率的影響因素。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 BCC-DEA 模型。DEA 模型主要用于決策單元的效率分析。CCR 模型和BBC 模型是DEA模型中最經(jīng)典的分析模型，其中BBC 模型相對于CCR 模型而言，增加了規(guī)模報酬可變的約束條件。由于在科技創(chuàng)新的投入產(chǎn)出過程中，基本是規(guī)模報酬可變的，利用規(guī)模報酬可變的BCC模型測度浙江科技創(chuàng)新效率更符合實際，本研究選擇以投入為導(dǎo)向的BCC-DEA模型測度浙江科技創(chuàng)新效率。

擬定共有m 個決策單元DMU j（j=1，2，…，m），每個單元有n項投入（j=1，2，…，n）和s項產(chǎn)出（k=1，2，…，s），分別用Xj=（x1j，x2j，…，xmj）T，Yj=（x1j，x2j，…，xkj）T表示決策單元DMUj的投入向量和產(chǎn)出向量，評價決策單元DMUj效率的BCC 模型表示為式（1）和式（2）。

式中：θ（0<θ≤1）為綜合效率；ε 為非阿基米德無窮小量，即一個小于任何正數(shù)且大于零的值；S+、S-分別為產(chǎn)出松弛變量和投入松弛變量；λj為各決策單元權(quán)重。θ值越大，科技創(chuàng)新效率越高。當(dāng)θ=1，且 S+=S-=0 時，則決策單元為 DEA 有效，決策單元的產(chǎn)出相對于投入而言達到了綜合效率最優(yōu)；當(dāng) θ=1，但S+、S-不全為0 時，則決策單元為弱DEA有效，決策單元的生產(chǎn)活動不是同時達到技術(shù)有效和規(guī)模有效；當(dāng)θ＜1 時，則決策單元不是DEA 有效，決策單元的技術(shù)效率和規(guī)模效益都未達到最佳狀態(tài)。

1.1.2 Malmquist 指數(shù)。傳統(tǒng)DEA 方法無法將時間維度的影響納入DEA 模型中，對面板數(shù)據(jù)的處理能力不強。Fare 等［29］利用距離函數(shù)構(gòu)建的DEA-Malmquist 指數(shù)模型，可以實現(xiàn)對多決策單元的面板數(shù)據(jù)進行深度分析，其核心原理是利用本期至下期生產(chǎn)力的變動來計算Malmquist 的全要素生產(chǎn)率指數(shù)，進而對效率進行分解，識別效率各部分對全要素生產(chǎn)率的貢獻。

假設(shè)第t 期、第t+1 期的投入產(chǎn)出分別為（xt，yt）、（xt+1，yt+1），D0t（xt，yt）、D0t+1（xt+1，yt+1）對應(yīng)時期技術(shù)條件下的產(chǎn)出距離函數(shù)，則t 階段至t+1 階段的Malmquist指數(shù)可表示為式（3）。

在規(guī)模報酬不變的前提下，Malmquist 指數(shù)可分解為技術(shù)效率變化指數(shù)（EC）和技術(shù)進步指數(shù)（TC），表示為式（4）至式（6）。

其中，技術(shù)效率變化指數(shù)（EC）可再分解為純技術(shù)效率指數(shù)（PE）和規(guī)模效率指數(shù)（SE），表示為式（7）至式（9）。

因此，Malmquist指數(shù)可分解為式（10）。

如M（xt+1，yt+1，xt，yt）>1，則表示t階段至t+1 階段的Malmquist全要素生產(chǎn)率有所上升；如M（xt+1，yt+1，xt，yt）=1，則表示 t 階段至 t+1 階段的 Malmquist 全要素生產(chǎn)率不變；如 M（xt+1，yt+1，xt，yt）<1，則表示 t 階段至t+1階段的Malmquist全要素生產(chǎn)率有所下降。

1.2 數(shù)據(jù)來源

科技創(chuàng)新的投入主要有人力、物力、財力投入，產(chǎn)出主要有經(jīng)濟效益和創(chuàng)新效益?？萍蓟顒尤藛T數(shù)量和R＆D經(jīng)費支出是人力投入和物力投入的直接反映。專利申請是創(chuàng)新產(chǎn)出的直接反映，新產(chǎn)品產(chǎn)值是創(chuàng)新經(jīng)濟效益的直接體現(xiàn)。由于物力投入缺乏數(shù)據(jù)，而R＆D 經(jīng)費支出在很大程度上也是物力投入的反映［13］。因此，本研究用從事科技活動人員數(shù)量、R＆D 經(jīng)費支出作為科技創(chuàng)新投入指標，用專利申請和新產(chǎn)品產(chǎn)值作為科技創(chuàng)新產(chǎn)出指標（見表1）。研究數(shù)據(jù)主要來源于《浙江省統(tǒng)計年鑒》、浙江各地市統(tǒng)計年鑒及其國民經(jīng)濟和社會發(fā)展統(tǒng)計公報，個別年份的缺失數(shù)據(jù)通過聯(lián)系各市統(tǒng)計局數(shù)據(jù)咨詢處獲取。

表1 科技創(chuàng)新效率指標體系

2 浙江省科技創(chuàng)新效率演變

2.1 科技創(chuàng)新效率時序演變

本研究采用投入導(dǎo)向的DEA-BCC 模型，對浙江省各地級市科技創(chuàng)新效率進行測度，利用DEA2P.1 軟件計算得到浙江省各地級市2011—2020 年科技創(chuàng)新效率值（見表2）。2011—2020 年，浙江科技創(chuàng)新效率態(tài)勢較好，全省平均科技創(chuàng)新效率值均高于0.8，杭州、寧波、湖州、臺州、麗水在多數(shù)年份處于最優(yōu)效率或接近最優(yōu)效率。然而，2011—2020 年，浙江科技創(chuàng)新效率平均值從0.902下降至0.863，科技創(chuàng)新效率不升反降，這說明浙江科技創(chuàng)新產(chǎn)出增長并沒有跟上創(chuàng)新投入的增長，科技創(chuàng)新產(chǎn)出有待進一步提升。

表2 2011—2020年浙江省各市科技創(chuàng)新效率

從時序演變來看，浙江各市科技創(chuàng)新效率大致呈“三階梯”分布（見圖1）。杭州、寧波、嘉興、臺州、金華的科技創(chuàng)新效率均值大于0.95，處于第一級階梯；溫州和麗水的科技創(chuàng)新效率均值在0.90~0.95，處于第二級階梯；舟山、湖州、衢州、紹興科技創(chuàng)新效率均值低于0.9，處于第三級階梯。第一級階梯的杭州、寧波、嘉興、臺州、金華在2011—2020 年間的平均科技生態(tài)技術(shù)創(chuàng)新效率為0.96，遠高于其他城市。杭州、寧波在多數(shù)年份是全省科技創(chuàng)新效率最高的兩市，而嘉興、臺州、金華三市的科技創(chuàng)新效率多在0.95上下徘徊，科技創(chuàng)新效率態(tài)勢良好。第二級階梯的溫州、麗水歷年科技創(chuàng)新效率波動起伏較大，溫州科技創(chuàng)新效率先上升后下降再上升，麗水科技創(chuàng)新效率先下降后上升再下降。第三級階梯的舟山、湖州、衢州、紹興平均科技創(chuàng)新效率位于全省末尾，各市絕大多數(shù)年份的科技創(chuàng)新效率離最優(yōu)效率均有一定距離，效率提升空間較大。值得注意的是，受新冠肺炎疫情帶來的新產(chǎn)品產(chǎn)值下降影響，湖州、衢州、紹興的科技創(chuàng)新效率在2019—2020年出現(xiàn)斷崖式下跌。

圖1 浙江省各市科技創(chuàng)新效率演變趨勢

2.2 科技創(chuàng)新效率格局演變

根據(jù)2011—2020 年的區(qū)域創(chuàng)新效率指數(shù)，利用自然間斷點分級法將11 個市劃分為低效率、較低效率、較高效率和高效率4 種類型（見圖2）。從空間格局來看，浙江各市科技創(chuàng)新效率格局復(fù)雜多變。以浙江四大都市圈核心城市為例，杭州在2011年、2014 年、2017 年、2020 年分別為高效率、較高效率、較低效率、高效率，寧波在 2011 年、2014 年、2017 年、2020 年分別為較高效率、較低效率、較高效率、高效率，溫州在 2011 年、2014 年、2017 年、2020年分別為較低效率、較高效率、較低效率、高效率，金華在2011年、2014年、2017年、2020年分別為較低效率、較低效率、較高效率、高效率，四市在各年變化均較大。更重要的是，2011—2020 年，各市的科技創(chuàng)新效率都發(fā)生了變化。這說明浙江科技創(chuàng)新效率格局穩(wěn)定性差。從科技創(chuàng)新效率類型演變來看，浙江科技創(chuàng)新效率類型由高效率主導(dǎo)。2011年、2014年、2017年、2020年，高效率和較高效率城市分別為6個、6個、6個、9個，高效率和較高效率地區(qū)始終超過一半。這進一步說明浙江科技創(chuàng)新效率整體態(tài)勢良好。從空間溢出效應(yīng)來看，2011—2020年，浙江省各市科技創(chuàng)新效率大多高低相間分布，高效率和較高效率周圍多是較低效率和低效率地區(qū)，沒有形成大范圍連片的高效率和較高效率地區(qū)，浙江科技創(chuàng)新效率沒有顯著的空間溢出效應(yīng)。

圖2 浙江省科技創(chuàng)新效率空間格局演變

2.3 Malmquist指數(shù)分解演變

Malmquist 指數(shù)分解能夠揭示不同時期技術(shù)進步、純技術(shù)效率、規(guī)模效率變化及其科技創(chuàng)新效率的影響。運用Malmquist指數(shù)對浙江省各市2011—2020年的科技創(chuàng)新效率進行分解，發(fā)現(xiàn)浙江省科技創(chuàng)新全要素生產(chǎn)率在2011—2012 年、2014—2015年、2015—2016 年和 2019—2020 年 4 個時期大于1，其他時期小于1，全要素生產(chǎn)率下降時期較多而上升時期較少，全要素生產(chǎn)率主要呈下降趨勢（見表3）。技術(shù)進步有3 個時期大于1，6 個時期小于1。純技術(shù)效率有4 個時期大于1，5 個時期小于1。規(guī)模效率變化有4 個時期上升，5 個時期下降。值得注意的是，在全要素生產(chǎn)率大于1 的時期，技術(shù)進步在多數(shù)時期大于1，而純技術(shù)效率變化和規(guī)模效率變化在多數(shù)時期都小于1。在全要素生產(chǎn)率小于1 的時期，技術(shù)進步均小于1，而純技術(shù)效率和規(guī)模效率變化在多數(shù)時期大于1，這說明技術(shù)進步是影響浙江科技創(chuàng)新全要素生產(chǎn)率下降最主要的原因。2011—2020 年，純技術(shù)效率變化平均值大于1，規(guī)模效率變化平均值等于1，而技術(shù)進步小于1，這說明技術(shù)進步的滯后導(dǎo)致了浙江科技創(chuàng)新全要素生產(chǎn)率的滯后，技術(shù)進步是浙江科技創(chuàng)新全要素生產(chǎn)率變化的主要原因。

表3 浙江省科技創(chuàng)新效率Malmquist指數(shù)及其分解

為揭示浙江各市技術(shù)進步、純技術(shù)效率、規(guī)模效率變化的演化，對各市全要素生產(chǎn)率變化進行分解（見表4）。嘉興、金華、臺州的全要素生產(chǎn)率基本上保持不變，杭州、溫州、衢州、舟山的全要素生產(chǎn)率增長顯著，寧波、紹興、湖州、麗水的全要素生產(chǎn)率下降明顯。2011—2020 年，杭州、溫州、衢州、舟山的全要素生產(chǎn)率分別增長了4.6%、2.7%、2.2%、2.1%，其中杭州、溫州的全要素生產(chǎn)率增長主要源于規(guī)模效率增長，衢州的全要素生產(chǎn)率增長主要源于純技術(shù)效率增長，舟山的全要素生產(chǎn)率增長主要源于技術(shù)進步的增長。寧波、紹興、湖州、麗水四市全要素生產(chǎn)率分別下降了3.3%、3.1%、4.0%、3.2%，其中寧波全要素生產(chǎn)率下降源于技術(shù)進步、規(guī)模效率的下降，紹興全要素生產(chǎn)率下降源于技術(shù)進步、純技術(shù)效率的下降，湖州全要素生產(chǎn)率下降受到技術(shù)進步下降的影響最大，麗水全要素生產(chǎn)率下降源于技術(shù)進步的下降。不難發(fā)現(xiàn)，不同地區(qū)全要素生產(chǎn)率增長的原因較為多樣化，但浙江各市全要素生產(chǎn)率的下降主要源于技術(shù)進步的下降。

表4 浙江省各市科技創(chuàng)新效率Malmquist指數(shù)及其分解

3 浙江省科技創(chuàng)新效率的影響因素分析

全要素生產(chǎn)率分解可以識別效率組成部分的貢獻，但不能厘清各影響因素對浙江科技創(chuàng)新效率的影響。因此，本研究結(jié)合數(shù)據(jù)可獲得性，參考相關(guān)研究［13-14］，選擇區(qū)域經(jīng)濟發(fā)展水平、對外開放程度、互聯(lián)網(wǎng)普及率、社會保障水平、潛在科研人員規(guī)模、政府支持作為浙江科技創(chuàng)新效率的影響因素，進行多元回歸分析。區(qū)域經(jīng)濟發(fā)展水平用人均GDP 衡量，對外開放程度用實際使用外資金額衡量，互聯(lián)網(wǎng)普及率用廣播或電視節(jié)目綜合覆蓋率衡量，社會保障水平用基本養(yǎng)老保險參保人數(shù)衡量,潛在科研人員規(guī)模用在校大學(xué)生數(shù)量衡量，政府支持用縣級以上政府部門屬研究與開發(fā)機構(gòu)的政府撥款衡量。由于互聯(lián)網(wǎng)普及率和社會保障水平未通過相關(guān)性檢驗，本研究僅分析區(qū)域經(jīng)濟發(fā)展水平、對外開放程度、勞動者素質(zhì)、政府支持對浙江科技創(chuàng)新效率的影響，具體回歸結(jié)果見表5。

表5 浙江省各市科技創(chuàng)新效率影響因素的多元回歸結(jié)果

從正負向影響效應(yīng)來看，區(qū)域經(jīng)濟發(fā)展水平、對外開放程度和潛在科研人員規(guī)模對多數(shù)地區(qū)科技創(chuàng)新效率影響為負向，政府支持對多數(shù)地區(qū)科技創(chuàng)效率影響為正向，這說明政府支持力度的加大能提升科技創(chuàng)新效率。從影響因素的影響程度來看，各影響因素對浙江各市科技創(chuàng)新效率的影響的回歸系數(shù)較小，各影響因素對浙江科技創(chuàng)新效率影響程度有限。從各影響因素的地區(qū)影響來看，各影響因素對浙江各市科技創(chuàng)新效率影響的異質(zhì)性顯著。杭州、舟山的科技創(chuàng)新效率受區(qū)域經(jīng)濟發(fā)展水平和潛在科研人員規(guī)模影響較大，寧波的科技創(chuàng)新效率受區(qū)域經(jīng)濟發(fā)展水平影響最大，溫州、衢州、臺州的科技創(chuàng)新效率受潛在科研人員規(guī)模和政府支持影響較大，紹興、湖州、嘉興、麗水的科技創(chuàng)新效率受區(qū)域經(jīng)濟發(fā)展水平和政府支持影響較大，金華的科技創(chuàng)新效率受對外開放程度和政府支持影響較大。

4 結(jié)論與建議

本研究分析了浙江科技創(chuàng)新效率的時空演變和全要素生產(chǎn)率演變，剖析了各影響因素對浙江科技創(chuàng)新效率的影響。研究結(jié)果發(fā)現(xiàn)，2011—2020年，浙江科技創(chuàng)新效率態(tài)勢較好，各市科技創(chuàng)新效率大致呈“三階梯”分布。浙江各市科技創(chuàng)新效率格局復(fù)雜多變，科技創(chuàng)新效率類型由高效率主導(dǎo)，科技創(chuàng)新效率沒有形成顯著的空間溢出效應(yīng)。浙江科技創(chuàng)新全要素生產(chǎn)率主要呈下降趨勢，技術(shù)進步下降是導(dǎo)致浙江科技創(chuàng)新全要素生產(chǎn)率下降最主要的原因。區(qū)域經(jīng)濟發(fā)展水平、對外開放程度、勞動者素質(zhì)、政府支持對浙江各市科技創(chuàng)新效率影響的異質(zhì)性顯著。

為進一步提升浙江省科技創(chuàng)新效率，浙江應(yīng)當(dāng)采取如下措施。第一，加快推進技術(shù)進步。技術(shù)進步是浙江科技創(chuàng)新全要素生產(chǎn)率下降最主要的原因。浙江應(yīng)當(dāng)通過開展關(guān)鍵核心技術(shù)攻堅、加強科技創(chuàng)新基地和平臺建設(shè)培育、加快完善技術(shù)創(chuàng)新中心體系等措施推動科技創(chuàng)新的技術(shù)進步。第二，加大政府支持力度。政府支持對浙江科技創(chuàng)新效率的提升尤為關(guān)鍵。各級政府應(yīng)當(dāng)積極引導(dǎo)土地、資金、人才等資源要素向科技創(chuàng)新領(lǐng)域傾斜，加大政府對科技創(chuàng)新的政策支持力度。第三，在加大對科技創(chuàng)新的支持力度的同時，政府要通過優(yōu)化科技資源配置方向、完善科技資源配置模式、提升科技資源利用效率等推動浙江科技創(chuàng)新效率的提升。第四，注重科技創(chuàng)新區(qū)域協(xié)同聯(lián)動發(fā)展。區(qū)域科技創(chuàng)新發(fā)展不平衡導(dǎo)致浙江各市科技創(chuàng)新效率大致呈“三階梯”分布。浙江應(yīng)該加強科技創(chuàng)新區(qū)域協(xié)作，發(fā)揮杭州、寧波等科創(chuàng)高地的輻射帶動效應(yīng)，加快科創(chuàng)共同體建設(shè)，縮小區(qū)域間的科技創(chuàng)新效率差距。