基于非径向SE-C 2R模型与谱系聚类的中国区域创新效率分析

2016-01-18王春枝,赵国杰

中国软科学 2015年11期

基于非径向SE-C2R模型与谱系聚类的中国区域创新效率分析

王春枝1,2,赵国杰1

(1.天津大学管理与经济学部，天津300072；2.内蒙古财经大学统计与数学学院，呼和浩特010070)

摘要：在构建区域创新效率评价指标体系的基础上，利用非径向SE-C`2R模型对2000-2013年中国内地30个省域创新效率进行了测算，并利用谱系聚类方法将其分为4个梯队。最后，利用面板单位根检验的LLC方法对区域创新效率的随机收敛性从五个层面进行了检验和分析。研究表明：中国创新效率总体较低，经济发达地区创新效率高于经济落后地区，东部地区创新效率存在随机收敛；西北地区、西南地区和黄河中游地区区域内创新效率不存在随机收敛。在此基础上，从创新资源投入、资源配置结构、制度性因素等方面分析了原因并提出了针对性的政策建议。

关键词：非径向SE-C`2R模型；谱系聚类；区域创新；效率；随机收敛

收稿日期：2015-08-26修回日期：2015-11-02

基金项目：内蒙古哲学社会科学基金项目(2013B027)；内蒙古自然科学基金项目(2014MS0701)。

作者简介：王春枝(1976-)，女，内蒙古巴彦淖尔市人，天津大学管理与经济学部博士生，内蒙古财经大学统计与数学学院副教授，研究方向：应用统计方法，技术经济及管理。

中图分类号：F127.6

文献标识码：A

文章编号：1002-9753(2015)11-0068-13

Abstract：By constructing the regional innovation efficiency index system，this paper evaluates the innovation efficiency of 30 provinces in China during 2000-2012，With the non-radial SE-C`2R Model.And then，the 30 provinces are divided into four echelons.Finally，the stochastic convergence of regional innovation efficiency are tested and analyzed from five aspects by using the LLC method for panel unit root test.Conclusions show that the innovation efficiencies are low overall the 30 provinces and are rising in fluctuation;the efficiency of innovation in developed regions is higher than that of the backward regions;the convergence of innovation efficiency exists in eastern regions,and it does not exist in the northwest,southwest and the middle reaches of the Yellow River regions.On this basis，the reasons of the problems are explained from the three aspects：the level of innovation resources input，the configuration structure and the institutional factors，thus,the paper puts forward targeted policy recommendations.

Analysis on China’s Regional Innovation Efficiency Based on Non-radial

SE-C2R Model and the Hierarchical Clusters Method

WANG Chun-zhi1,2ZHAO Guo-jie1

(1.DepartmentofManagementandEconomics,TianjinUniversity，Tianjin300072,China;

2.DepartmentofStatisticsandMathematics，InnerMongoliaFinanceandEconomicsUniversity，Hohhot010070,China)

Key words:non-radial SE-C2R model;hierarchical cluster method;regional innovation;efficiency;stochastic convergence

一、引言

创新对区域经济发展至关重要，经济增长的引擎越来越体现为创新驱动而非要素驱动已成为社会各界的共识。党的十八大报告也明确提出要实施创新驱动发展战略，强调“科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置”[1]。新世纪以来，中国R&D经费由2000年的895.66亿元增加到2014年的13312亿元，增长了13.86倍，年均增长率为21.26%，同期，R&D经费投入强度由0.90增加到2.09，增长了1.32倍，年均增速为6.20%。然而，创新是个复杂的系统工程，投入仅仅是必要条件，创新投入最终是否促进经济发展，关键在于效率。从区域发展的角度来说，创新效率低的区域，创新要素由于得不到充分利用和转化，就会流向创新效率高的区域，反之，创新效率高的区域会不断整合外部流入的要素，导致区域经济发展的差距不断扩大。因此，提升区域创新效率、优化创新能力是推动区域经济发展的必行之路，而深入评估区域创新效率及其动态变化趋势和收敛性，深层次挖掘导致创新效率地区差异的根本原因，对于改善区域创新活动的效率、促进区域经济发展模式转变、实现区域协调发展，是一个重大的全局性命题，这也是本文研究的重要意义。

20世纪90年代区域创新系统作为国家创新系统的重要组成部分被提出来后，引起了学术界和各国政府的高度重视，对其研究已涉及到区域创新系统概念、基本要素、结构模式、区域创新活动与区域生产力关系、区域创新能力的影响因素等多方面,其中创新系统的效率问题，尤其是投入产出效率，一直以来都是热点议题之一[2]。区域创新效率研究的基础是效率的可靠测算，纵览相关研究成果，随机前沿方法(SFA)和数据包络分析方法(DEA)是较为常见的测算方法，SFA属于参数方法，需要事先假定创新投入和创新产出变量之间的函数关系式，具有一定的主观性，并且当从时间变化角度评价区域创新效率时，SFA对变量的平稳性以及变量之间的协整关系要求较高，否则可能导致“伪回归”问题，造成效率测算的偏差。DEA属于非参数方法，不需要事先对变量之间的关系进行假定，相比其他方法具有较好的客观性，在测量多投入、多产出决策单元的效率方面具有明显优势，并且DEA方法测算效率时基于不同样本点与效率最优点进行比较的角度，是一种相对效率，这与Pareto有效性标准是等价的，因此被学者们广泛运用。

梳理学者们运用DEA方法对区域创新效率测算的相关成果，刘爱芹和张伟(2008)[3]、张慧颖和郝冲等(2010)[4]、池仁勇、虞晓芬和李正卫(2004)[5]、孙凯(2008)[2]、李南和谢忠秋(2010)[6]、颜莉(2012)[7]、吕晨和曾明彬(2014)[8]等学者分别对不同区域某一时点的创新效率进行了测算，总体得到的结论是省域以及东、中、西部之间的创新效率存在显著差异，东部地区领先优势比较明显，不过这些研究成果在应用DEA方法时，主要采用截面数据，而Umetsu等的研究结果表明，区域创新体系的过去在很大程度上影响着它的未来，在学术意义上讲，这种情形一般被称为“路径依赖”，因此，横向评价区域创新体系发展的有效性存在技术上的风险[9]。虞晓芬和李正卫等(2005)[10]、李婧、白俊红和谭清美(2008)[11-12]、李婧和管莉花(2014)[13]、王奇珍等(2014)[14]、赵峥和姜欣(2014)[15]、孙东和卜茂亮(2014)[16]等基于面板数据对省域层面的创新效率进行了测算，这些成果虽然考虑了时间的动态性，结合时间序列数据应用DEA方法进行创新效率的综合评价，但DEA模型的另一个缺陷仍然无法克服：DEA模型通常将决策单元分为有效和无效两类,当多个决策单元同时有效时，即效率值均为1时，则无法进一步区分各评价对象之间的效率差异。能够对同时有效单元进一步区分其效率水平的方法是DEA模型的拓展形式——超效率DEA模型(SE-DEA)，采用此模型，孙东(2014)[17]研究了2002-2012年、侯强和周雪(2015)[18]研究了2012年中国30个省域的创新效率，但模型本质上仍属于径向模型，是基于投入等比例缩减或者产出等比例扩大角度上(亦即径向角度)的度量方法，没有考虑到投入和产出的松弛量问题，当创新系统存在投入过度或者产出不足时，会产生高估评价对象效率的问题。

在利用DEA及其拓展模型测算区域创新效率的基础上，部分学者继续对区域创新效率差异的时空演变特征进行了分析，分析的角度主要是在分析省际之间差异的基础上，考察东、中、西部地区的差异，不过大多数学者采用的分析方法主要是基于效率均值比较，鲜有学者采用专门的收敛性检验方法。较有代表性的相关成果中，参考文献[12]采用绝对β收敛、条件β收敛检验，发现全国及东、中、西部地区均存在条件收敛，但东、中部地区不存在绝对收敛；参考文献[16]采用绝对β收敛检验方法，发现东部地区创新效率收敛性要好于中、西部地区。这两种收敛性检验方法主要考察区域创新效率的绝对差距，并没有考察相对差距及其动态变化过程。

学者们在这一领域的研究成果具有一定的借鉴意义，本文从以下方面继续进行改进性研究：首先，采用非径向超效率DEA模型(非径向SE-C2R)对中国省域2000-2013年的创新效率进行评价，解决超效率SE-DEA模型评价效率时无法考虑松弛量的问题；其次，利用谱系聚类方法对各省域创新效率进行客观分类，在基于东、中、西部地域认识我国创新效率特征的基础上，进一步从梯队层次角度拓展观察视角；最后，将考察绝对差距的σ收敛检验和考察相对差距的随机收敛检验方法相结合，从东中西部区域、八大区域以及梯队层次区域多角度把握我国区域创新效率的动态变化，审视导致区域创新效率落后的制约因素，以期为制定针对性创新政策、充分利用多样的创新资源提供政策启示。

二、中国区域创新系统发展的技术效率测算

(一)技术效率测算方法

(1)

C2R模型存在4个问题：1)θ是针对DMUk0所有输入变量的，也即存在一个假定：效率的改进是所有输入变量同比例减少的结果，这是不符合实际的；2)没有体现出由于输入变量的先验信息所造成的决策者对要素投入偏好差异的影响；3)没有考虑非径向松弛变量对DMUk0效率的影响；4)当多个单元同时有效时，效率值均为1，无法对这些单元做进一步的比较分析。

(2)

该模型将一些实际因素如要素输入的非同比例变化、决策者的偏好等考虑在内，同时其所测算的技术效率水平可以大于1，从而使多个地区具有相同效率水平的可能性大大降低，满足了我们对所有决策单元进行评价和排序的需要，合理性和适用性大大增强。

(二)谱系聚类方法

(三)指标体系构建与数据预处理

1.指标体系构建

区域创新系统的投入应该反映区域通过自身生产或者购买系统外部技术等方式改善技术的能力，由于通过自主创新或者购买域外技术都需要人力和财力资源作为投入，因此学者们在研究创新活动时，考察的投入要素主要包括财力与人力投入要素两类。本文根据科学性与数据可获得性的原则，选择R&D经费投入(x1)、科技经费投入(x2)、地方财政科技经费拨款(x3)、地方财政科技经费拨款占地方财政支出的比例(x4)、R&D经费投入强度(x5)作为区域创新系统财力资源投入的度量变量；选取R&D人员数(x6)、R&D人员全时当量(x7)、科技活动人员数(x8)作为创新系统人力资源投入的度量变量。

创新的最终目的是技术的商业化应用和创新产品的市场成功，因此，创新系统的产出应该反映两个方面: 创新主体素质的“科技成果产出”和经济效益的“产业成果产出”[22]。实践中，因为专利较接近创新的商业应用并且能够较全面地反映各地区发明和创新信息，因此常用专利作为衡量创新系统“科技成果产出”的指标；此外，科技论文是一个地区创新主体素质的体现和新知识产生的体现，而高新技术产业产值、新产品销售收入等指标则反映创新对经济运行质量和效益的促进，反映出一个地区的创新成果商业化应用和创新产品的市场成功。基于此，本文选择专利申请量(y1)、专利授权量(y2)、发明专利数量(y3)、技术合同签订数量(y4)、成交技术合同金额(y5)、EI、SCI、ISTP收录的科技论文数量(y6)、科技成果数量(y7)、获国家科技成果奖数量(y8)作为“科技成果产出”的度量变量，选取高新技术产业产值(y9)、高新技术企业数量(y10)、新产品销售收入(y11)作为“产业成果产出”的度量变量。考虑到从创新投入到专利授权、论文发表都需要一定时间，即投入与产出之间存在滞后效应，本文对专利授权量、科技论文数量采用了1年滞后变量。

本文采用的数据来源于《中国科技统计年鉴》、《中国统计年鉴》、科技部网站及各省域统计年鉴。

2.数据预处理

f1=0.142x1+0.154x2+0.238x3+0.255x4+0.312x5+0.364x6+0.284x7+0.261x8

f2=0.739x1+0.671x2+0.892x3+0.763x4+0.578x5+0.774x6+0.628x7+0.611x8

将原始数据的标准化值代入f1和f2，即可得到主成分变量值。按照同样的方法对创新产出指标体系进行主成分分析，提取前4个主成分，累积方差贡献率可以达到94.37%，分别记为z1、z2z3、z4。

(四)中国区域创新系统效率实证结果分析

将f1、f2作为投入指标，将z1、z2、z3、z4作为产出指标，利用非径向SE-C2R模型对2000—2013年中国内地30个省域(西藏缺失数据较多，不予研究)创新系统效率进行测算，结果如表1所示。

由表1可见，自2000年以来，创新效率均值大于1的省域只有9个，其中只有北京、黑龙江、山东、上海、浙江历年创新效率值都大于1，始终处于有效状态；重庆和广东创新效率值表现出上升的趋势，而安徽和海南表现出明显的下降趋势。中国总体创新效率低下，创新效率有效省域数量最多的是2007年，也只有12个，此外2003-2006年均有11个省域创新效率有效。

从东、中、西三大区域来看，东部地区整体创新效率最高，2001年以来区域创新效率的均值均大于1，并且表现出先上升后下降的趋势，其创新效率均值由2000年的0.988上升至2005年的最高值1.243之后在波动中缓慢下降，2013年为1.006，仍处于有效状态。从截面看，上海、北京、山东、广东、海南、浙江是东部区域创新效率领先的省域。中部地区的创新效率从总体上看表现出上升趋势，其创新效率均值由2000年的0.682上升至2013年的0.805，提升了18.04%，不过始终处于无效状态。黑龙江和安徽省是该区域创新效率领先的省域，黑龙江创新效率自2000年以来始终有效，而安徽的创新效率自2008年以来处于无效状态，并表现出下降趋势。西部地区的创新效率总体上表现出较为明显的上升特征，其创新效率均值由2000年的0.523上升至2013年的0.717，提升了37.09%，提升幅度较大，但始终处于无效状态，并且创新效率值整体上低于东部和中部地区。西部地区的重庆和甘肃创新效率最高，并且重庆自2005年以来始终有效。

图1显示的是2000-2013年中国各省域创新效率的谱系聚类结果。总体来看，中国30个省域的创新效率可以分为4个梯队：

第一梯队包括上海、北京、黑龙江、广东、海南、浙江、山东，这7个省域均为创新效率有效省域。2000年以来的创新效率最高是上海市1.829，上海一直是中国创新效率的领跑者。海南、上海、北京、广东、浙江、山东均属于中国东部地区，经济较为发达，黑龙江为中部地区。第一的梯队中没有西部省域，表明中国省域创新效率在区域间存在较大差异。

第二梯队包括天津、重庆、甘肃、安徽、辽宁、陕西、江苏、7个省域。2000年以来的创新效率平均值最最高是重庆市1.056。福建、天津、江苏、辽宁属于东部地区，陕西、甘肃属于西部地区。此外，安徽和重庆2000年以来的创新效率平均值均大于1，属于创新效率有效省域，重庆自2005年以来创新效率持续有效，保持着稳定的发展势头，而安徽省的创新效率则表现出显著的下降特征。

表1　2000-2013年中国各省域创新效率测算值

图1　2000-2013年省域创新效率谱系聚类图

第三梯队包括四川、新疆、福建、云南、湖北、吉林、湖南，2000年以来的创新效率平均值最低是云南省0.787，最高是湖南0.914。该梯队中主要为中西部省域，四川、湖北、吉林、湖南均表现出明显的上升态势，新疆和福建先上升后下降的趋势明显，云南则在波动中保持了相对稳定。

其余9个省域属于第四梯队，创新效率整体较低，并且均为中西部省域。

总体来看，中国省域创新效率存在明显的由东向西递减的区域差异特征，这与中国地区经济差距的总体状况是一致的。改革开放以来，中国地区经济差距总体呈现扩大趋势，那么地区创新效率是否也具有同样的发展趋势？接下来，本文将利用随机收敛分析方法对此加以检验。

三、中国区域创新效率随机收敛性分析

(一)随机收敛性检验方法

对区域创新效率的收敛特征进行分析，可以反映区域内技术溢出的效果。收敛性分析按其分析方法和研究假设的不同，可分为σ收敛、β收敛、俱乐部收敛和随机性收敛。σ收敛认为不同经济体间的差距会随时间推移而不断缩小，反映了区域偏离整体平均水平的差异及其不平衡的动态过程[23]；β收敛包括条件β收敛和绝对β收敛，条件β收敛认为不同经济体会收敛于各自的稳态水平，经济体与其稳态水平之间的距离决定了其经济增长的速度，而绝对β收敛认为全体经济体都将收敛于同一稳态水平；俱乐部收敛认为初始水平且结构特征相近的经济体将在长期中互相趋同，即同等发展水平下的绝对β趋同[24]。

随机性收敛将关注的重点从增长率的绝对差异转向经济体之间的差距是否保持一个相对平稳的变化路径，如果经济体之间的差距服从平稳的随机过程，则存在随机收敛，这就意味着对某个经济体的外生冲击是暂时的，不会产生累积效应，所有经济体将向共同的均衡水平移动。如果经济体之间的差距存在固定趋势，表明任何微小的外生冲击都会造成差距的持续扩大，则不存在随机收敛。随机收敛性检验思路如下：

对于n个地区的变量yt如果存在收敛，当且仅当共同趋势pt和参数μ1、 μ2、…、 μn存在，使得(3)式成立。对(3)式取平均可得(4)式，其中pt是无法观测的，故利用(3)式减去(4)式，得到(5)式。

(3)

(4)

(5)

(二)实证检验结果分析

根据LLC检验方法，对中国区域创新效率的随机收敛性进行检验，检验分五个层面进行：(1)全国层面；(2)东、中、西区域层面；(3)按照国务院发展研究中心发展战略和区域经济研究部划分的八大区域层面；(4)按照前文谱系聚类结果的4个梯队层面；(5)按照当前国家三大区域发展战略“京津冀”、“长江经济带”、“一带一路”3个层面。本文采用Eviews软件进行检验，结果如表2所示。出于稳健性的考虑，本文进一步考察2000年以来各省域创新效率的标准差即同时进行σ收敛检验，结果如表3所示。

从表2可以看到，在95%的置信度下，全国创新效率所构成的面板数据平稳性检验的Prob.值小于0.05，这意味着2000年以来，全国层面创新效率存在随机收敛，各省域创新效率的标准差由2000年的0.464下降到2013年的0.338，省域之间的差异随着时间推移逐渐缩小。

表2　面板单位根检验

在三区域划分标准下，西部地区的创新效率不存在随机收敛，即长期内西部地区创新效率的差异均随时间推移而扩大，区域内创新效率标准差由2000年的0.147上升到2013年的0.26，其中2011年达到最高值为0.372，这说明现有的先进技术并没有在这段时间得到很好的扩散和推广，各省域之间的差异随着时间推移呈现明显的发散态势。经济相对西部地区较为发达的东部和中部地区创新效率均存在随机收敛，随着时间推移表现为逐渐缩小的特征，这与中国经济总体的变化趋势是一致的。其中东部区域内创新效率的标准差由2000年的0.622下降到2013年的0.417，下降幅度较大，创新技术在该区域的推广和扩散效果明显。中部区域内创新效率的标准差虽然总体上由2000年的0.367下降到2013年的0.243，但总体处于动态震荡中，区域内创新技术的推广和扩散状态不稳定，未来走势有待进一步观察。

在八大区域划分标准下，西北地区、西南地区和黄河中游地区创新效率不拒绝存在单位根的假

表3　2000-2013年省域创新效率标准差

设，这3个地区的创新效率不存在随机收敛，区域内创新效率的差异随时间推移而扩大。这三个区域中除黄河中游地区的山西、河南属于中部地区外，其余省域均属于西部地区。另外5个区域南部沿海、东部沿海、北部沿海、东北地区、长江中游地区均拒绝了原假设，区域内创新效率均不存在随机收敛，各省域之间的创新效率差异会随时间推移而趋于稳态水平。南部沿海地区创新效率的标准差在波动中快速下降，由2000年的0.893下降到2013年的0.273，该区域内海南的创新效率测算值由2000年的2.06下降到0.872，而广东省由0.481迅速提升为1.326，福建省由0.547上升到0.836，促进了该区域内创新效率差异的大幅度缩小。

在四梯队划分标准下，第一梯队创新效率存在随机收敛，梯队内各省的创新效率标准差由2000年的0.551在波动中快速下降，但相比其他3个梯队，各省之间的标准差仍维持在较高的水平上，梯队内创新效率差异较大；第二梯队创新效率存在随机收敛，梯队内各省的创新效率标准差2000年为0.312逐渐下降到2013年的0.098；第三梯队创新效率不存在随机收敛，2000年以来梯队内差异不断扩大，由2000年的0.092上升到2013年的0.113；第四梯队创新效率不存在随机收敛，即梯队内差异表现出随着时间推移而逐渐扩大的特征，不过其标准差下降并不明显，2000年为0.093，2005年上升至0.187之后，逐渐下降至2013年下降至0.079。

京津冀创新效率不存在随机收敛，其效率标准差由2000年以来的0.459上升至2005年的0.933后下降至2013年的0.606，三省域之间的创新效率总体呈在振荡中扩大的趋势。长江经济带横跨东中西11个省域，创新效率在4个层次中均有省域分布，不过2000年以来创新效率存在随机收敛，省域之间的效率标准差由0.401下降至0.341。“一路一带”圈定的18个省域之间的创新效率也存在收敛，省域之间创效效率的标准差由0.466下降至0.292。

四、创新效率区域差异的原因探析

区域创新是多主体参与和多要素互动的复杂系统产出，造成创新效率差异的原因是多方面的，本文基于投入与产出指标测算创新效率，通过追溯原始指标，造成区域效率总体偏低并且不平衡的原因可归结为：

(一)创新资源投入不足且创新活动比经济活动更加趋向集聚

以核心指标R&D经费和R&D人员为例，我国R&D经费支出逐年攀升，2014年为13312亿元，占GDP比重(R&D强度)为2.09%，而目前公认的创新型国家R&D强度大多都超过2.5，韩国在2012年就达到了4.36。可见我国致力于创新与研发的经费投入力度仍需进一步加强。从省域层面看，2013年我国R&D经费投入强度首次突破2，达到2.08，而当年31个省域中超过2的只有8个，分别是北京6.08，上海3.6，天津2.98，江苏2.51，广东2.32，浙江2.18，山东2.15，陕西2.14，这意味着有23个省域R&D经费投入强度是落后于全国平均水平的。从人力资源投入角度看，2013年我国R&D人员总数为501.82万人，每万人R&D人员数为65人，而2012年日本、韩国该数字分别为133人、160人。R&D人员总数中，占比最大的依次是广东13%、江苏12.5%、浙江8.3%、北京6.7%、上海4.5%，5省域集中了全国45%的R&D人员。经费投入和人力投入的两大核心指标均反映出我国区域创新的底蕴尚较薄弱，且区域分布极不平衡的特征。

从产出角度看，以专利申请数、专利授权数、高技术企业数、新产品销售收入、科技论文数5项产出指标为例，2013年分别有72.42%、73.62%、72.49%、81.93%、64.63%集中于东部地区，与东部地区GDP占比55.45%相比，我国创新活动比经济活动更加趋向集聚。需要特别说明的是海南省和江苏省，从梯队层次看，海南省属于创新效率最高的第一梯队，但其2013年R&D经费投入强度仅为0.47，R&D经费和R&D人员占全国的比重分别为0.13%和0.23%，究其原因，可能在于效率是一个相对值，主要考察投入产出能力，海南省创新投入和产出的基数均较小，二者在低水平上的耦合反而得到了较高的效率值；江苏省2013年R&D经费投入强度为2.51，R&D经费和R&D人员占全国的比重分别为12.56%和12.49%，但创新效率值并不高，处于第二梯队，可能的原因是其较高规模的投入在一定程度上出现了边际产出递减等规模不经济的问题。

(二)创新资源配置结构不合理

R&D经费和人员的高投入毋庸置疑是创新的基础，而这些资源的合理配置则是创新效率的根本保证。从R&D经费支出类型的结构看，2013年我国基础研究、应用研究和试验发展构成比重分别为4.68∶10.72∶84.60，2012年美国为16.5∶19.2∶64.3，2011年韩国、日本则分别为18.1∶20.3∶61.7和12.9∶22.0∶65.1，我国试验发展投入比例较高，基础研究和应用研究的投入比例太低而且呈下降趋势，“重应用、轻基础；重研究、轻转化”，追求短期效应的特征非常明显。基础研究占比较高的省域依次是甘肃13.41%、青海11.62%、北京11.58%、贵州11.42%，云南10.29%，与经费投入的区域分布几乎恰恰相反，广东、浙江、山东、江苏等省域在基础研究方面的投入比例仅为2%左右。基础研究难以产生直接经济效益，在反映创新经济效益的“产业成果产出”方面，西部地区省域处于明显的劣势，创新效率也相应受到制约。基础研究与原始创新能力直接相关，是创新型国家建设的基础，基础研究投入强度过低显然是一个严重的结构性问题。这一点也可以从R&D经费的执行主体方面看到，作为基础研究主力的高校，其R&D经费支出所占的比重由2000年的8.56%上升到2004年的10.22%后直线下降至2013年的7.23%，研究与开发机构所占比重由28.8%快速下降至15.04%，而企业所占的比重则由59.96%上升至76.61%，企业已经成为我国R&D经费投入的主体，达到了发达国家的水平，但是2013年我国规模以上工业企业中，有R&D活动的只占14.83%，研发投入占主营业务收入之比仅为0.8%，R&D经费投入成为主体的企业尚未真正成为我国技术创新的主体，这只能说明政府过早地让渡了R&D活动中本应承担的主导地位。从R&D经费支出的用途看，2013年，我国日常性支出和资产性支出所占的比例分别为85.88%和14.12%，各省域情况与此基本一致，日常性支出所占的比例除青海、西藏、四川低于80%外，其余省域基本都在85%左右，最高的辽宁甚至达到了91.06%，各执行主体R&D经费支出用途也具有较高的相似性，均以日常性支出为主，资源的利用效率不高。

(三)体制与机制性因素的约束作用凸显

近年来，体制与机制性因素对创新效率的约束作用凸显，表现在高校和研究院所科研绩效的评价机制以及激励机制方面。目前的科研绩效评价过程中存在重学术贡献轻实际应用的现象，论文与基金的数量、级别成为了这个“圈子”的GDP，研究者并不十分关注成果的转化，“闷头想题目，闭门搞研究，成果束高阁”的象牙塔内部自我封闭循环的研究模式日益强化，导致基础研究无法与国际前沿看齐，应用研究无法服务于市场需求。即使研究人员与企业合作，也主要是项目形式，停留在合作开发、委托开发或者技术转让等初级层次上，项目完成，合作终止，并且主要是研究人员开发的新技术转让给企业，在一定程度上属于研究人员与企业之间的私人行为。长期以来，缺乏有效地将知识的创造和知识向生产力转化的上下游斜街接起来的机制，导致创新效率低下。

研究人员面向市场开展研发和转化科技成果的动力不足，关键是激励机制不到位。中国目前的基础研究投人领域中，过于强调基础研究中的资产投入，科技人员的正当报酬支出严禁在经费的使用、在报销范围列支，对于一些更多依靠研究人员脑力劳动和创意智慧的成果，无法获得合理的报酬，在一定程度上抑制了研究人员的积极性，还会造成多次、重复、不必要购买研究设备，最终降低了知识创新效率。

科研人员流动制度方面也存在约束。目前，我国企业、高校、科研院所的科技人才几乎很难走进彼此，“鸡犬之声相闻，民至老死不相往来”的现象制约了科技与产业的结合。近期实施的“大众创业，万众创新”政策号召和鼓励科技人员离岗创业，可是，2015年7月来自内蒙古2652位科技工作者的问卷调查数据显示，分别有37.4%和45.3%的被调查者明确表示不想创业和持观望态度，导致科技工作者创业顾虑的因素排在前三位的依次为“待遇降低了”、“岗位没有了”、“影响职务、职称晋升”。如何解决科技人员流动中的种种顾虑、如何破除“双轨制”，让人才有效地流动起来，是各级政府在制度安排中必须考虑的问题。

(四)“行政区划”模式制约了创新效率的提升

此外，近些年我国科技系统在很大程度上也存在明显的“行政区划”模式，各省域、各部门自我发展，主要依靠自己“找米下锅”，着眼于自身的科技力量进行研发，造成科技资源分散、重复、封闭的“碎片化”现象以及在投资奖励、人才引进等方面的“政策比拼”现象严重，创新资源配置与利用受到严重影响。

五、提升我国区域创新效率的政策建议

(一)积极对接国家发展战略

我国区域之间创新效率不平衡的现状决定了统筹区域之间的创新协同发展成为必然选择，而首当其冲的则是要集聚和整合各地区的创新资源，促进技术溢出效应。当前，京津冀协调一体化、长江经济带与“一路一带”已成为新时期国家三大战略，涵盖了内地28个省域，各省域应主动结合国家战略，发挥比较优势，找准应用技术创新成果的突破口，实现协同创新。

京津冀以及长江经济带可以考虑创建跨省市的一体化协调机制，打破区域壁垒与利益界限，对各自利益进行重塑，在政府间建立由国务院主管部门领导、各省域首长组成的科技合作联席会议制度，成立推进组织，联合编制区域科技协同发展规划和制定区域科技合作政策，推动区域内创新创业政策的普适化，营造良好的创新生态系统；同时也要建立合理的协同创新利益分配机制，促进各创新主体的努力水平、成本、贡献与利益有效耦合，通过共享发展红利，逐步建立健全有利于创新要素自由流动的政策法规体系与市场体系，从根本上实现区位经济向城市群一体化经济、引进型经济向内生辐射型经济的转变，使创新效率落后的区域更好地接受增长极的辐射，激发周边区域互动活力，推动区域创新效率的整体提升。“一带一路”沿线的18省域涉及东、中、西部，地理空间跨度较大，各省域在关注与沿线国家与地区交流的同时，通过建立省际间的发展路径联动机制，可以考虑按照地理毗邻、功能互补的原则，鼓励各级地方政府之间以产业集群为依托，通过双边或多边协议建立信息流动的定向溢出扩散的技术转移合作联盟，充分发挥区域协同创新的溢出效应。例如，黄河中游区域可以加强与北部沿海区域的联系合作，加强技术研发和技术消化吸收的经验学习；创新效率总体较高东部沿海和南部沿海地区可以面向长江中游区域和西南区域进行跨省区的区域合作，以技术转移形式为创新要素交流的依托路径，消弭区域间的效率梯度差异的同时，实现创新能量的不断生成与放大；创新效率较低的省域，可以有针对性地承接发达地区的产业与技术转移。

(二)加强政府创新驱动的主导作用

创新驱动是我国经济发展进入新常态后的重大发展战略，而创新活动具有溢出效应，具有公共产品的属性，这就决定了政府必须介入创新活动，当然，需要把握好目标与导向问题。政府在创新中发挥主导作用，主要是做好决策体制的顶层设计，发挥服务导向的作用，致力于维护科学技术活动的正常秩序，将各种创新要素有机结合，提升创新效率。首先需要做的就是深化科技体制改革，消除不利于创业创新发展的各种制度束缚和桎梏，激发科技战线新的生机和活力。其次，政府还需要同步推进经济社会领域的各项改革，在管理、投融资、激励、市场、法律、对外开放等各方面，创造有利于创新活动的制度环境。

(三)加强产学研协同创新

确立以政府为主导、企业为主体、研发机构和科研人员为创新源、中介机构积极参与的创新主体系统，首先，应在纵向环节上深入挖掘三大创新主体的合作与联动潜能，必要时打破行政区划的限制，政府协作并引导有创新自主性和偏好性的“产学研”主体黏合在一起，完善科技服务市场，面向企业需求开展有针对性研发活动。一方面，积极探索、推动科技成果处置权下放，强化对研究人员的收益激励；另一方面，引导实力雄厚的行业领先企业对与其关系紧密的基础研究增加投入，充分发挥知识创新以及“产”向“研学”溢出效应中的作用，从而促使基础研究领域的突破能够很快投入应用，增强原始创新能力。其次，进一步聚集政、产、学、研、金、介、贸等优势资源，鼓励和加强以“科技孵化器”为主的中介服务机构与大学和科研院所等创新源头的合作，拓宽孵化器服务内容，缩短创新知识商业化过程中的路径，促进创新资源产出效率的提升。

(四)进一步加大政府R&D投入

中国目前尚处于对发达国家的赶超阶段，政府不应过早地让渡R&D投入主体的地位给企业，而是要继续加大研发经费以及人员的投入强度，同时鼓励和引导社会资本进入研发领域，以增强调动全社会科技资源配置的能力，使研发投入的规模效益进一步发挥，提升我国整体的创新效率。

针对创新效率梯度分布情况，应加大对中、西部地区弱势省区科技创新的扶持力度，这些地区创新活动的发展的阻碍因素主要是规模效率，一缺资金，二缺人才，经费与人力资源投入的增加是提升效率的基础。因此，在重大项目规划布局、审批核准、资金安排等方面给予适当的专项支持，还可以通过特定创新产业规划和实施，形成专门人才的集聚，特别是在当前“大众创业，万众创新”的时代背景下，鼓励人才到欠发达地区创新创业，不仅有利于创新效率提升，也有利于中西部省域通过创新助力经济发展。

(五)实施差异化区域创新战略

地方政府应结合本地区具体情况确定研发效率提升策略。创新效率及经济发展水平处于领先水平的北京、上海、江苏、广东、浙江等省域，集聚了国内一流的创新科技资源，要在未来的发展中基于全球视野、国际意识谋划创新发展的格局，在基础前沿、高技术研究等方面取得突破性成果，并且立足于高新技术企业的发展，开发和拓展新技术、新产品、新业态、新模式，加速推进由模仿创新向自主创新转变，在创新的方向与进程方面起到引领全国的作用。此外，要鼓励和支持有条件的科技领军企业“走出去”，在海外设立研发中心，开发具有自主知识产权的适合当地需求的新技术、新产品，吸纳利用当地科技创新资源为我所用。

处于第一、第二梯队的东部以及中部省域，创新效率稳定且相对较高，可以在整合其良好的地缘、新产品、新人才、经济实力等资源的比较优势的基础上，加大对外开放程度和技术引进力度，积极承接发达地区的高新技术产业转移，注意引进技术的消化吸收和再创新，加强基础研究和应用研究，增强区域自身的自主创新能力，不断推进创新驱动的深度。

处于第三、第四梯队的省域，创新资源有限而创新效率相对较低，不过各省域之间各有特色，在积极应对、做好承接发达地区产业转移的同时，提升创新效率的路径也各不相同。河北省可以充分利用北京的辐射效应，借力于京津冀协同发展的国家战略；辽宁、陕西、内蒙古、四川、重庆等省域经济基础相对较好，一方面要在增加创新投入方面有所作为，另一方面要积极推进特色优势产业集聚发展，因地制宜建立有特色的科技产业园区，加大科技成果的引进力度和转化力度，引领区域经济发展。经济基础落后的省域应加强基础设施建设，加大科技教育投入，改造传统产业，围绕产业升级，增强发展和创新效率。

参考文献：

[1]高晓霞，芮雪琴，宋燕.中国省市区域创新能力动态研究——基于2001-2010年面板数据[J].科技管理研究，2014(2):15.

[2]孙凯.基于DEA的区域创新系统创新效率评价研究[J].科技管理研究，2008(03):139.

[3]刘爱芹，张伟.区域技术创新效率的测度与评价——基于山东省的实证研究[J].山东财政学院学报2008(6):51-55.

[4]张慧颖，郝冲，李云.地方政府对区县创新投人效率评价研究——以天津市为例[J].中国软科学，2010(09):219-226.

[5]池仁勇，虞晓芬，李正卫.我国东西部地区技术创新效率差异及其原因分析[J].中国软科学,2004(08)：128-132.

[6]李南，谢忠秋.中国区域创新系统创新效率测评——基于DEA方法的实证分析[J].工业技术经济，2010(8)：122-126.

[7]颜莉.我国区域创新效率评价指标体系实证研究[J].管理世界，2012(5):174-175.

[8]吕晨，曾明彬.基于DEA的中国区域科技投入产出相对效率研究[J].科学管理研究，2014(04)：101-104.

[9]Umetsu C，Lekprichakul T，Chakravory U.Efficiency and te-chnical change in the Philippine rice sector：A Malmquist total factor productivity analysis [J].American Journal of Agricultural Economy，2003(4)：943-963.

[10]虞晓芬，李正卫，等.我国区域技术创新效率:现状与原因[J].科学学研究,2005(02):258-264.

[11]李婧，白俊红，谭清美.中国区域创新效率的实证分析——基于省际面板数据及DEA方法[J].系统工程,2008(12):1-7.

[12]白俊红，江可申，李婧.中国区域创新效率的收敛性分析[J].财贸经济,2008(9):119-123.

[13]李婧，管莉花.区域创新效率的空间集聚及其地区差异——来自中国的实证[J].管理评论，2014(8):127-134.

[14]王奇珍，朱英明，杨连盛.基于DEA的区域技术创新效率研究——以东部十省市为例[J].南京理工大学学报(社会科学版)，2014(03):19-26.

[15]赵峥，姜欣.中国省际创新效率及其影响因素的实证研究[J].北京理工大学学报(社会科学版)，2014(04):61-66.

[16]孙东，卜茂亮.我国区域创新系统效率差异及收敛性分析——基于2002-2011年省际面板数据[J].产经评论,2014(1):36-45.

[17]孙东.我国科技创新效率测算及影响因素研究——基于超效率DEA-TOBIT 两步法分析[J].税收经济研究,2014(2):76-84.

[18]侯强，周雪.基于超效率DEA 模型的区域技术创新效率研究[J].沈阳工业大学学报(社会科学版)，2015(6):242-247.

[19]赵宇哲，周晶淼，匡海波.欧盟ETS下航空运输企业的能源效率评价研究——基于时间窗的非径向DEA 模型[J].管理评论，2015(5)：39.

[20]周忠宝，孙亮，等.存在保证域的模糊非径向偏好DEA模型——基于中科院24个研究所的实证分析[J].中国管理科学，2014,22(2):75.

[21]孟晓，孔群喜，汪丽娟.新型工业化视角下“双三角”都市圈的工业能源效率差异——基于超效率DEA方法的实证研究[J].资源科学，2013，35(6)：1203.