基于科技资源配置效率的城市群联动效应研究

2016-12-20苑清敏申婷婷

统计与决策 2016年21期

关键词：珠三角资源配置城市群

苑清敏，申婷婷

（天津理工大学管理学院，天津 300384）

基于科技资源配置效率的城市群联动效应研究

苑清敏，申婷婷

（天津理工大学管理学院，天津 300384）

科技资源配置水平的高低直接关系到区域经济发展的动力和方向，决定着区域创新能力的强弱。文章采用DEA的传统CCR模型与交叉效率模型对我国三大城市群2013年科技资源配置效率状况进行了评价与分析。结果表明：我国三大城市群科技资源配置效率整体水平较高，区域分布状态为：珠三角>长三角>京津冀，但城市群内部差异明显，表现为：京津冀>长三角>珠三角；从资源配置交叉效率看，城市间友好型联动效应均大于对抗型联动效应；“京津冀”城市群内部联动效应明显好于外部联动效应，“长三角”城市群内外部联动效应差别不大，“珠三角”城市群的外部联动效应显著。

城市群；联动；科技资源；交叉效率

0 引言

在全球城市化、经济一体化背景下，作为具有功能互补和良好协调机制的城市共同体，城市群已成为中国经济发展的新增长极。而位于五大超级城市群第一阵营的京津冀、长三角和珠三角三大城市群，承载着我国绝大部分科技力量，因此在城市群创新驱动的发展过程中，如何结合各个城市的发展实际，优化配置科技资源，提升科技资源配置效率是我们必须关注的一个重要问题。

目前有关科技资源配置效率的研究大多基于国家层面和省域层面，少有具体化到城市层面去测算其科技资源配置效率，且缺少城市群联动视角下对城市群外部及内部联动状况的度量。传统的DEA方法既相对成熟，也存在一定的缺陷，本文针对传统“自评”结果的局限性进行改进，将传统的CCR模型与DEA交叉效率评价模型相结合，将CCR模型测算的“自评”效率值定义为科技资源配置效率，将交叉效率模型测算的“他评”效率值定义为联动效率，进一步比较分析城市群的外部联动与内部联动状况。

1 模型选择

数据包络分析（DEA）作为一种评价一组具有相同投入和产出特征的决策单元（DMA）相对有效性的数学规划方法。自著名运筹学家A.Charnes，W.W.Cooper在1978年提出第一个CCR模型以来，经过学者的不断发展与完善，已被社会各个领域普遍接受并广泛应用于决策单元的效率评价与排序。

假设有n个DMU，每个DMUi(i=1，2，...n)都含有m种投入指标和s种产出指标，向量和分别为第i个DMU的投入和产出向量，分别为第i个 DMU的投入和产出的权向量，且vÎEm和uÎEs。则DMUi的效率评价值为。基于此原理，提出了CCR模型，DMUi效率评价的分式规划模型：

通过Charnes-Cooper变换，将模型（1）转化为等价的线性规划问题：

为了解决上述问题，在CCR模型求解的基础上，Sextion等(1986)首次提出了交叉效率评价方法。该模型的主要思想是:用每一个DMUj的最佳权重ϖj和μj去计算其它DMUi的效率值，得交叉效率评价值，Eij越大对DMUi越有利，对DMUj越不利。将E的第 j列元素取平均值即得DMUi的交叉效率评价值。εi越大表示DMUi效率值越优，反之则越低。

但是，该方法还存在一个技术问题，即模型（2）的最佳权重ϖi和 μi可能不唯一，多组权重难以选择。对此，John Doyle和Rodney Green(1994)提出了两条准则：对抗和友好，前者要求DMUi在尽量抬高自己的前提下使其他DMUj的效率值尽可能小；后者要求DMUi在尽量抬高自己的前提下也让其他DMUj的效率值尽可能高。分别在CCR模型第一目标函数maxμTyi的基础之上引入第二目标函数得出第二阶段的对抗型和友好型交叉效率模型。

对抗性交叉效率评价模型为：

友好型交叉效率评价模型为：

2 数据统计和变量选取

2.1 数据统计

本文选取京津冀、长三角和珠三角三个城市群35个城市作为研究对象。三大城市群的具体范围为：“京津冀”城市群是按照国家“十一五”规划中一个重要的区域规划制定的“2+8”模式，涵盖北京、天津两个直辖市和河北省的石家庄、秦皇岛、唐山、廊坊、保定、沧州、张家口和承德等8个地市；“长三角”城市群以1996年“长三角城市经济协调会”第四次会议界定的“15+1”的模式进行划分，包括上海市、江苏省的南京、苏州、无锡、镇江、常州、南通、扬州、泰州以及浙江省的杭州、嘉兴、宁波、绍兴、湖州、台州和舟山；“珠三角”城市群概念首次正式提出是在1994年广东省委七届三次全会上，以广东省的广州、深圳、珠海、佛山、江门、东莞、中山、惠州和肇庆市为主体。相关指标数据来源于《北京统计年鉴2014》、《天津统计年鉴2014》、《河北统计年鉴2014》、《上海统计年鉴2014》、《江苏统计年鉴2014》、《浙江统计年鉴2014》、《广东统计年鉴2014》以及相关城市2014年统计年鉴。所选样本投入产出数据的描述性统计见表1所示。

表1 三大城市群各变量统计说明

2.2 变量选取

科技资源是指科技活动过程中所需要的各种投入要素，即科技财力资源、科技人力资源、科技信息资源、科技物力资源和科技组织资源等要素的总称，它们都是科技资源投入产出过程中不可缺失的要素。本文在研究我国三大城市群的科技资源配置效率时，主要关注核心资源要素。

投入变量：本文科技资源投入主要从科技人力和科技财力两方面考虑。科技人力资源投入指标选取科技活动人员和R&D活动人员，引入这两个指标能更全面地刻画人力资源变量；科技财力资源投入指标选取财政科技拨款和R&D经费内部支出总额，反映了政府等对科技活动的支持力度。

产出变量：科技产出指标主要从科技成果的知识产出和科技成果转化之后的经济效益产出指标两方面进行选取。本文选取专利申请授权量作为知识产出指标，专利授权量反映了一个城市当年的科技创新产出结果，可以较为直观地表现一个城市当年的科技创新水平；选取新产品销售收入作为经济产出指标，它反映了以市场需求为基础的产品创新，比较客观地揭示了新技术的市场价值。

3 我国三大城市群科技资源配置效率测算

本文选取2013年我国三大城市群35个城市为研究对象，运用DEAP 2.1软件求解模型（2）测算科技资源配置效率值，应用MATLAB R2012a软件编程，求解模型（3）和模型（4）测得35个城市科技资源配置交叉效率及联动效果；为进一步测定城市群内部联动情况，分别对三大城市群求解模型（3）和模型（4），测定城市群内部联动效果，结果如表2所示。

表2 三大城市群科技资源配置效率评价结果

3.1 三大城市群科技资源配置效率特征

由表2可以看出，我国三大城市群科技资源配置效率整体水平较高，效率平均值为0.683，但仍有31.7%的改善空间，且城市群外部以及同城市群内部存在较大差异。城市群间科技资源配置效率分布为珠三角>长三角>京津冀，其相应的效率平均值为：0.770、0.662和0.637。这主要是因为“珠三角”城市群同属一省管辖，科技资源整合协调能力突出；“长三角”城市群作为中国城市化程度最高、城镇分布最密集、经济发展水平最高的地区，其科技资源配置效率紧随其后；而“京津冀”城市群由于城市间差异悬殊，因而区域科技资源配置效率整体水平表现不高。

从城市规模角度出发，直辖市和省会城市这些大型城市的科技资源配置效率和联动效率排名都相对靠后。（1）从科技资源配置效率来看，出现这种低效配置状态主要是因为存在投入要素的冗余和科技产出成果的不足的问题。在科技活动人员投入方面，北京、天津和上海都存在一定量的冗余，其中上海的冗余科技人员较多；在R&D人员投入量上，存在冗余的有石家庄和广州，且广州在所有城市中资源浪费较为严重；在财政科技拨款投入方面，所有大型城市都存在财政资金投入浪费情况，其中上海投入冗余量较大；在R&D经费内部支出方面，除杭州之外，其余6个大型城市的经费支出都没有得到充分有效利用；在新产品销售收入产出方面，杭州存在产出不足的问题，且情况较为突出。（2）从联动效率来看，这些大型城市与其他城市联动不足，政府部门应该借助充裕的科技资源，与其他小型城市达成资源共享模式，既充分提高了自身的科技资源配置效率，又能对小型城市起到带动作用。

表3列出了2013年三大城市群科技资源配置效率表现最高的10个城市和表现最低的10个城市。在效率最高的10个城市中，有3个属于“京津冀”城市群，4个属于“长三角”城市群，3个属于“珠三角”城市群；在效率最低的10个城市中，有4个属于“京津冀”城市群，5个属于“长三角”城市群，1个属于“珠三角”城市群。虽然长三角在科技资源配置效率最高和最低的城市数量中占据最高比重，但由于京津冀内部包含的城市基数小，可见“京津冀”城市群在三者之中的内部科技资源配置效率差异最大，长三角其次，珠三角最小。

表3 2013年三大城市群科技资源配置效率最高和最低的城市

3.2 科技资源配置效率视角下的城市群联动评价

（1）科技资源配置效率“自评”与“他评”比较

同样以35个城市作为决策单元的主体，由CCR模型测得的“自评”科技资源配置效率值与交叉效率模型测得的“他评”外部联动效率值比较可知，两者结果存在一致性，城市群外部联动效率值的区域分布也为：珠三角>长三角>京津冀；且后者结果明显小于前者结果。通过CCR模型测得的综合效率值出现了8个城市均达到了DEA有效状态，但基于该模型的局限性，无法区分这8个城市的相对优劣状态。DEA交叉效率模型的评价结果则很好地解决了这一问题。从城市群外部联动的两组交叉效率模型的评价结果中可以看出，这8个城市在两种交叉评价方法下均未达到1，表明这些城市的科技要素投入产出并未达到完全有效状态，仍存在一定的进步空间，这也验证了选择交叉效率模型的合理性。一些在CCR模型的综合效率评价中达到DEA有效的城市，其交叉效率评价结果并不好，如唐山、廊坊和中山，两组交叉效率评价值均低于0.45；反之，一些在CCR模型的综合效率评价中未达到DEA有效的城市，其交叉效率评价值却很高，如珠海。由此可见：“自评”无法反映出35个城市科技资源配置上的劣势在“他评”结果中得到了体现，DEA交叉效率值更符合各个城市科技资源配置效率的实际水平，具有一定的可信度。

（2）城市群联动效应分析

从表2中内外部联动效率结果可以看出，35个城市的内外部友好型联动效应均好于对抗型联动效应，表明城市间采取友好联动的方式有助于改善三大城市群的科技资源配置协同状况。进一步分析三大城市群内外部友好型联动效应可知，“京津冀”城市群（内部0.719，外部0.308）和“珠三角”城市群（内部0.669，外部0.442）的内部友好型联动效应明显好于外部友好型联动效应，表明这两个城市群内部协同联动程度高于与其他城市群的外部联动，城市群内部资源配置联动体制机制比较完善，积极做到统筹、合作发展；“长三角”城市群的内外部友好型联动效应差异不大（内部0.483，外部0.416），说明“长三角”城市群不局限在本地域内的协同联动，与其他城市群的科技资源配置协同效率已经积累到一定的程度。

在三大城市群中，“京津冀”城市群的内部两组交叉效率均值分别为0.410和0.719，外部两组交叉效率均值分别为0.244和0.308，内部联动效应明显高于外部联动效应，说明京津冀是一个相对封闭的城市群；“长三角”城市群的内部两组交叉效率均值分别为0.373和0.483，外部两组交叉效率均值分别为0.346和0.416，内外部联动效应差别不大，说明长三角是一个开放程度很高的城市群；珠三角城市群的内部两组交叉效率均值分别为0.473和0.669，外部两组交叉效率均值分别为0.354和0.442，外部联动效应显著，表明“珠三角”是一个相对开放的城市群。

4 结论

本文采用传统的CCR模型和DEA交叉效率模型，基于2013年我国三大城市群科技资源配置效率和联动效率测算对城市群联动效应进行评价，研究发现:

（1）我国三大城市群科技资源配置效率整体水平较高，但城市群外部以及城市群内部存在较大差异。城市群间科技资源配置效率分布为珠三角>长三角>京津冀；“京津冀”城市群内部的科技资源配置效率差异最大，“长三角”次之，“珠三角”最小；直辖市及省会城市的自身科技资源配置效率不高，且与其他城市的联动不足。

（2）DEA交叉评价方法有效地弥补了传统CCR方法在科技资源配置效率评价中的不足；采取对抗型交叉效率模型测得的效率值明显低于采取友好型交叉效率模型得到的效率值，即城市群内外部友好型联动效应均大于对抗型联动效应。

（3）在三大城市群中，“京津冀”城市群的内部联动效应明显高于外部联动效应，说明京津冀是一个相对封闭的城市群；“长三角”城市群的内外部联动效应差别不大，说明长三角是一个开放程度很高的城市群；“珠三角”城市群的外部联动效应显著，说明珠三角是一个相对开放的城市群。

联动发展是整体实力升级的前提。从区域联动上看，三大城市群的一体化进程尚处于“浅表合作阶段”。珠三角城市群由于隶属于同一行政区，区域联动发展比较容易实现，而“京津冀”城市群、“长三角”城市群相对就比较难。正确认识城市间的竞争不是封闭的竞争，而是开放的竞争，只有实现城市群内部联动与外部联动的有效对接，才能使城市群整体科技资源配置能力得到升级，从而推动城市群整体的健康协调发展。

[1]陈国生，杨凤鸣，陈晓亮，赵晓军.基于Bootstrap-DEA方法的中国科技资源配置效率空间差异研究[J].经济地理，2014，34(11).

[2]徐巧玲.区域科技资源配置效率的实证分析[J].统计与决策，2014，(17).

[3]孟卫东，王清.区域创新体系科技资源配置效率影响因素实证分析[J].统计与决策，2013，(4).

[4]喻登科，周荣，陈华.江西省战略性新兴产业科技资源配置效率的DEA交叉评价[J].情报杂志，2012，31(9).

[5]沈赤，章丹，王华锋.基于数据包络分析VRS模型的我国政府科技资源配置效率评价[J].企业经济，2011，(12).

[6]孙绪华，陈诗波，程国强.基于Malmquist指数的国有科技资源配置效率监测及其影响因素分析[J].中国科技论坛，2011，(3).

[7]管燕，吴和成，黄舜.基于改进DEA的江苏省科技资源配置效率研究[J].科研管理，2011，32(2).

[8]孙钰，王坤岩，姚晓东.基于DEA交叉效率模型的城市公共基础设施经济效益评价[J].中国软科学，2015，(1).

[9]郭磊，刘志迎，周志翔.基于DEA交叉效率模型的区域技术创新效率评价研究[J].科学学与科学技术管理，2011，32(11).

[10]范斐，杜德斌，李恒.区域科技资源配置效率及比较优势分析[J].科学学研究，2012，30(8).

[11]黄海霞，张治河.基于DEA模型的我国战略性新兴产业科技资源配置效率研究[J].中国软科学，2015，(1).

（责任编辑/浩天）