皖江示范区区域创新投入与产出研究

王小伟 徐如群

（安徽财经大学， 安徽 蚌埠 233030）

近年来，皖江城市带承接产业转移示范区（以下简称“皖江示范区”）积极提升承接产业创新，培育发展创新型企业，构建创新平台，促进创新要素对接，优化创新环境。2012年，皖江九市高新技术产业总产值和增加值分别达到8872.7亿元、2246.3亿元，分别占全省的86.52%、85.60%；专利申请总量55208件，占全省专利申请总量73.72%，发明专利申请量占比为25.79%。然而，在这些创新产出的背后，区域创新的投入是多少？这些投入与产出之间的关系是什么？是不是有效的？解答这一连串的问题具有重大的学术与实践意义。文献检索显示，目前对皖江示范区的研究并不多，对皖江示范区区域创新投入与产出研究更少，并且研究方法不一和研究数据较为陈旧。马溪骏，高袁袁（2010）[1]使用2009年数据，利用主成分分析法对示范区各城市自主创新能力进行了比较分析。傅为忠等（2012）[2]通过构建科学合理的评价指标体系，分别采用主成分分析法和雷达图分析法对皖江城市带自主创新能力进行了评价，并将其与国内典型区域的自主创新能力进行了比较分析。解新为（2013）[3]选取了2011年皖江各城市截面数据，基于数据包络分析法对皖江城市带区域创新绩效进行了评价。本文正是在研读现有文献的基础上，首先采用历史的纵向比较和横向比较研究对皖江示范区区域创新从投入和产出两方面进行评价，接着选取了2012年皖江各城市的统计数据，利用数据包络分析法评价其创新投入与产出效率，最后给出了一些启示与建议。需要说明的一点是，考虑到各决策单元的同质性和数据的易得性，本文研究的皖江示范区包括合肥、滁州、马鞍山、芜湖、宣城、铜陵、池州、安庆和六安共九个地级市。

一、皖江示范区区域创新投入和产出比较

鉴于数据的可得性，对皖江示范区区域创新能力从投入和产出两方面进行评价，采用历史的纵向比较和安徽省内其它地区的横向比较研究，考察的主要指标包括R&D经费、科技活动人员、R&D活动人员、高新技术产业增加值、专利申请量等。

1.R&D经费投入

皖江示范区R&D经费无论是投入数量还是投入强度，整体呈现出增长趋势，表1反映了2009~2012年R&D经费投入走势。近几年皖江九市整体R&D经费投入数量不断增长，R&D经费占GDP的比重也逐年提高，特别是与皖北六市相比，增长趋势更加明显。皖江九市R&D经费由2009年的102.21亿元增长到2012年的233.88亿元，皖江九市R&D经费占GDP的比重由2009年的1.43%增长到2012年的1.90%，2009~2012年的投入强度均高于全省平均水平。虽然如此，但2012年安徽省16市R&D经费投入数量排名中宣城市、安庆市、六安市和池州市分别居第9位、第10位、第11位和第14位，更不用说其投入数量与长三角地区的差距很大了。

2.人才投入

科技研发人才是区域创新的重要要素。表2显示了2012年皖江九市创新人才投入情况，可以发现：2012年皖江九市科技活动人员总人数为23.62万人，占全省科技活动人数的77.39%，而合肥市与芜湖市分别占36.82%、13.55%；就2012年科技活动人员数量较2011年增长率而言，除合肥市、芜湖市和铜陵市外，其他六市均高于全省平均水平；皖江九市从事R&D活动人员折合全时人员75461人年，滁州市、马鞍山市、池州市从事R&D活动人员折合全时人员相比2011年有了较大的投入，增长速度高达63.78%、67.75%、97.28%，但六安市却减少了4.79%；从每万就业人口中从事R&D活动人员和每万人口中从事R&D活动人员这两个指标来看，合肥市、马鞍山市、淮南芜湖市和铜陵市在全省平均水平之上，而滁州市、宣城市、池州市、安庆市和六安市却在全省平均水平之下。很显然，皖江示范区各地市人才投入呈现不均衡的态势。

表1 2009~2012年安徽省部分市R&D经费投入情况 （单位：亿元、%）

表2 2012年皖江九市创新人才投入情况

3．高新技术产业

从高新技术产业产出情况看（表3），2012年皖江九市高新技术产业总产值和增加值分别达到8872.7亿元、2246.3亿元，分别占全省的86.52%、85.60%，特别是合肥市和芜湖市总比重都很大，其他皖江市比重却很小；除合肥市、滁州市、芜湖市和铜陵市外，其他皖江市的高新技术产业增加值占GDP比重均低于全省水平；2012年皖江九市共认定高新技术企业388家，但除了合肥市、马鞍山市、芜湖市和铜陵市外其他皖江市高新技术企业数占规上工业企业数比重均低于全省水平，特别是安庆市比重仅为3.5%。总之，高新技术产业除合肥市、芜湖市和铜陵市较强，宣城市、池州市、安庆市和六安市都不占优势。

表3 2012年皖江九市高新技术产业产出情况（单位：亿元、%）

4.专利申请量

表4显示了2011~2013年皖江九市专利申请情况，由此可以得出：2011年、2012年、2013年皖江九市专利申请总量分别为38174件、55208件、69333件，占全省专利申请总量78.62%、73.72%、74.30%；发明专利申请量占专利申请总量比重分别为21.82%、25.79%、36.42%；2012年、2013年专利申请总量增长率分别为44.62%、25.59%。总之，皖江示范区专利申请总量不仅在数量上有增长，还在相对数量上有提高，特别是发明专利比重渐渐增大。滁州市、马鞍山市、宣城市、安庆市、六安市在专利申请总量上都有较大增长，特别是近三年增长速度较大。

二、皖江示范区区域创新投入与产出效率评价

区域创新是一个复杂的多投入与多产出的过程，因此，本文采用数据包络分析法 (Data Envelopment Analysis，DEA)对2012年皖江示范区区域创新投入与产出效率进行评价。在满足DEA方法投入产出指标选择的原则下，选取R&D活动人员折合全时当量、R&D内部经费两个投入指标和高新技术产业增加值、国内专利申请受理量两个产出指标。具体如下：R&D活动人员折合全时当量体现了从事创新活动的人力规模，R&D内部经费反映了一个地区科学研究投入的财力，高新技术产业增加值显示了创新的经济效益，专利申请说明了其自主创新的能力。

表4 2011~2013年皖江九市专利申请情况 （单位：件、%）

为使DEA模型运算结果更加可靠和贴近经济发展现状，所有指标统一采用2012年度经济数据。本文利用Deap 2.1软件包，选择输入导向型和多阶段内部算法，分别采用规模收益不变模型[4]和规模收益可变模型[5]来计算皖江九市区域创新综合效率、技术效率和规模效率，具体结果见表5。

表5 2012年皖江示范区区域创新投入与产出效率及其分解

第一，皖江示范区创新综合效率较高。皖江整体平均综合效率值为0.770，高于安徽省平均综合效率值0.673。然而，在皖江九市中，只有马鞍山市和六安市同时达到技术有效和规模有效，其综合效率值为1。其他皖江地市都处在DEA非有效状态，特别是合肥市和铜陵市的综合效率值均低于安徽省平均水平。

第二，从规模效率和规模收益来看，皖江示范区平均规模效率值为0.832，略低于全省平均水平，但总体规模效率较高。综合效率是技术效率与规模效率的乘积，合肥市、芜湖市和池州市的技术效率值均为1，那么，其综合效率值没有达到1主要是因为其规模效率没有达到最优，合肥市和芜湖市应该减小其投入规模，而池州市应该增加其投入规模。

第三，皖江示范区创新技术效率较高。皖江示范区平均技术效率值为0.931，远远高于安徽省平均水平。皖江九市中有五市达到技术效率有效，这与整个皖江示范区较好的工业基础的分不开的。滁州市、宣城市、铜陵市和安庆市为技术效率无效，结合规模效率分析，滁州市、宣城市、铜陵市应减小投入产出效率低行业的过多投入，加大效率高行业的招商引资力度。只有安庆市的技术效率值低于全省平均水平，这与其经济发展水平不高有关。

第四，皖江示范区存在投入冗余和产出不足现象。皖江示范区平均有383.831人年R&D人员投入冗余，其中滁州市、宣城市和安庆市均存在R&D人员投入冗余，投入冗余率分别为26.09%、28.58%、26.24%。皖江示范区平均有4.19亿元高新技术产业增加值和411.767件专利申请量不足。其中宣城市应该增加37.709亿元增加值，产出不足率为28.83%。滁州市、铜陵市和安庆市均有专利申请量不足，其中铜陵市的产出不足率最高，为45.62%。

三、启示与建议

皖江示范区区域创新无论是投入还是产出，其规模不断扩大，但示范区内部各城市投入与产出呈现不平衡现象。这就要求科技资源较为优势的地市发挥其辐射和带动效应，科技资源较弱的地市不断寻求新的创新增长点，以促进示范区内更好地协调发展。

皖江示范区创新综合效率较高，但只有马鞍山市和六安市同时达到技术有效和规模有效。在现有不变的产出水平下，皖江示范区R&D活动人员投入有冗余的，一定程度上反映了创新人员的积极性不足，应该继续推进创新改革，突出人才激励政策的创新性和配套性，鼓励企业以设立技术股、创业股和企业股权与激励分红等方式，形成有效的激励机制来激发人才的积极性与创新性。创新投入与产出效率较低的地市主要是由于规模不经济和资源配置不够优化，这可以通过调整区域创新资源的投入结构，促使其能得到充分使用，具体办法如采用加强产学研联系和建立技术创新联盟等方式达到预期效果。

[1]马溪骏,高袁袁.皖江城市带九城市自主创新能力评价及对策分析[J].安徽大学学报(哲学社会科学版),2010，（6）:138-144.

[2]傅为忠,刘登峰,韩成艳.皖江城市带区域自主创新能力评价及对策研究[J].科技进步与对策,2012，（3）:121-127.

[3]解新为.基于DEA的皖江城市带区域创新绩效评价[J].中国管理信息化,2013，5（16）:38-39.

[4]Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978，2（6）：429-444.

[5]Banker,R.D,Charnes A,Cooper W W.Some Model for Estimating technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984，30（9）：1078-1092.