西部典型城市创新效率测算及影响因素路径分析

牛秀红，刘海滨，周佳宁

(1.山东工商学院工商管理学院，山东 烟台 264005;2.中国矿业大学 (北京)管理学院,北京 100083)

0 引言

21世纪经济向全球化发展，知识经济崛起，创新成为国际竞争中的关键因素，决定着一个国家或地区的综合竞争能力[1]。城市聚集了国家创新资源中的主要部分，创新活动主要活跃在各个城市中。目前中国共有338个地级以上城市，城市可以贡献60%以上的经济总量和80%多的税收，占有了90%以上的大学和科研资源。城市综合能力决定了一个国家的综合能力，而创新又决定了一个城市的综合能力。要实现建设创新型国家的目标，前提是要拥有一大批创新型城市。不同城市在自然资源分布、社会经济基础和政策法规制定等方面各有不同，导致不同城市不但在技术创新投入方面差异明显，技术创新所带来的产出效应也存在很大区域差异。中国西部地区由于历史发展原因，城市分布稀疏，规模不大，很多城市依旧存在交通不便、信息不发达等问题，尚属于欠发达地区。大部分西部城市距离建设成为创新型城市的目标仍有很长一段路要走，西部城市创新水平与东部城市相比也有较大差距。虽然加大创新投入在一定程度上能够带动西部城市创新的发展，但随着知识经济的发展，投入型创新发展路线已经不适应新时代发展的要求，如何在与西部城市经济社会相适应的创新投入下生产尽可能多的创新成果，发展城市创新，如何提高创新效率成为更加关注的问题。因此，基于西部地区城市的特点和创新发展基础，选择西部典型城市为例研究西部城市的创新效率并探索如何提升创新效率成为本研究的核心。

西部典型城市选择以国家创新试点工作开展情况为依据。2008年国家发改委批准深圳成为首个国家创新型城市试点，建设国家创新型城市。2010年国家发改委扩大创建国家创新型城市试点范畴，原则同意东部16个城市开展创建国家创新型城市试点。科技部在2010—2011年分三批公布了42个城市为国家创新型试点城市，其中位于西部的国家创新试点城市有呼和浩特、包头、南宁、成都、贵阳、遵义、昆明、西安、宝鸡、兰州、银川、西宁、乌鲁木齐、昌吉、石河子以及重庆沙坪坝区共16个市(区)，因此本文研究对象选择成为创新型城市试点的城市。由于昌吉、石河子和重庆沙坪坝区创新数据难以统计，因此去除昌吉和石河子，以重庆市替代沙坪坝区，最终确定14个试点城市作为研究对象，简称西部典型城市。

1 创新效率测算

1.1 新型关联两阶段DEA (TSS-DEA)模型构建

(1)必要性。在效率评价中，学者们采用的方法主要有参数前沿法和非参数前沿法，前者的代表是随机前沿法(SFA)，后者的代表是数据包络分析方法(DEA)。在分析不同的领域和案例时，根据研究对象及数据特点应围绕解决问题的原则选择适合的方法。在研究创新效率时，更多的学者选择DEA的方法进行测算[2-5]，这是因为相对于SFA方法，DEA在测算时无需事先假定生产前沿函数，在一定程度上可以避免估计生产函数错误或者不准确而造成的测度误差，因此在多投入与多产出的情境下更具优势，而创新系统具有非常明显的多投入和多产出特点。

经典DEA在评价过程中将整个生产系统看作一个 “黑箱”，系统内部如何生产运行并不在考虑范围内，因此有时在效率测度上存在较大误差[6]。对此，Fare 等[7]关注系统内部结构，将生产过程分解为几个阶段后构建了网络DEA，计算各个阶段和整体效率；随后有学者[8-10]分别提出了串联型的两阶段网络DEA、子阶段效率加法模型的DEA和阶段效率几何平均的DEA模型。从研究成果来看，充分考虑内部结构的关联网络DEA能够更加准确测度系统效率，而现有文献在此方面的研究刚刚起步，运用关联DEA研究创新效率开始应用于产业、企业创新效率的测度，将其应用于区域创新效率测度的文献稀少。从研究成果来看，充分考虑内部结构的网络DEA能够更加准确测度系统绩效，城市创新可以看作创新主体通过创新活动联结的一种链式结构，采用关联两阶段网络DEA模型进行创新绩效的评价更加适合。

经典DEA进行测算时存在的第二个问题是无法继续区分有效单元效率值。由于DEA是一种相对效率的评价方法，意味着效率得分是彼此比较得到的结果，DEA针对每个决策单元的投入和产出指标进行综合比较来构建前沿面。如果决策单元数量太少，意味着参考集内部的信息量不足，而投入产出指标过多的话，传统模型计算得到的效率值往往会出现多个决策单元同时位于前沿面上，即效率得分都等于1的情况，无法进一步区分DEA有效单元的效率排名。针对这个问题，国外P Anersen等学者提出了超效率DEA模型，对处于前沿面的决策单元进一步区分有效程度，超效率DEA在考察某个DMU的技术效率时，将其排除在参考集之外，对效率大于1的单元进行了重新排序，所以如果研究者希望得到各DMU的精确排名，应该选用超效率DEA方法。

基于以上分析，本文在进行西部典型城市创新效率问题研究时，既需要运用网络DEA方法又需要运用超效率DEA方法，然而，目前尚未有学者将两者结合应用。在此，本文创新性地将网络DEA与超效率DEA结合应用，构建关联两阶段超效率DEA(TSS-DEA)，更加准确地反映城市创新在各阶段和整体上的有效程度，为继续探究创新效率影响因素、寻找城市创新效率低下的原因做好铺垫。

(2)模型构建难点。本文的建模难点体现在：首先，超效率DEA属于包络形式模型的扩展，无法直接与典型DEA模型进行结合，因此需要在把握超效率DEA模型建模思想的基础上，建立乘数形式的超效率模型；其次，要充分考虑到网络DEA模型的阶段结构特点，才能够科学地将超效率思想嵌入进去，形成准确的评价模型。

(3)TSS-DEA模型优点。TSS-DEA模型综合了网络DEA与超效率DEA两种模型的特点，与传统DEA方法相比，具有以下优点：一是既能够测算出研究对象的整体效率，又可以将系统内部划分阶段计算各个阶段的效率，有利于掌握研究对象内部运行情况，发现薄弱环节，制定更具针对性的措施；二是在进行阶段和整体效率测算时均可以对处于有效前沿面的单位进行排序，避免出现有效单元过多而无法比较的问题，使效率研究结果更加明确，易于分析。

1.2 创新效率评价指标体系构建

(1)城市创新阶段划分。城市创新活动是一个知识生产和运用为主的投入产出过程，不同学者根据不同的角度和研究侧重点对创新过程划分也不同。本文将西部典型城市创新过程划分为技术研发阶段和经济转化阶段两大阶段。技术研发阶段是通过各方面的投入，主要是资金和人力，来进行创新知识和技术生产的过程，体现了研发资源投入和知识技术成果的转换效率；经济转化阶段是第一阶段的成果进行经济产品转化的过程，是创新知识和技术实现经济效益的过程。

(2)投入-产出指标体系构建。城市创新活动的各个阶段都可以看作投入产出的过程，进行城市创新效率评价时，选择各阶段合适的投入产出指标对创新效率评价结果的准确性至关重要。在第一阶段，主要是创新研发的投入和知识及技术成果的产出。创新投入通常分为两大类，资金方面的投入和人力资源方面的投入，可以采用R&D经费投入总额和R&D人员全时当量两个指标表示[11]。第一阶段产出主要是知识和技术方面的产出，科技论文是新知识成果的直接表现，能够反映出研发资源投入之后的知识创新结果，选取科技论文发表数量作为衡量知识产出的指标，而专利数据能够较全面地反映各地区在技术发明方面的成果产出[12]，因此本文选择科技论文发表数量和专利授权量衡量第一阶段知识和技术的产出。

城市创新的第二阶段是经济转化阶段，承接第一阶段的成果，因此要将科技研发阶段的产出指标，即科技论文发表数量、专利授权量作为第二阶段的投入指标。除此之外，企业引进及改造技术经费反映了对于引进技术和技术改造的投入状况，是经济转化阶段投入的一方面。产出方面，在经济转化阶段，一方面科技创新成果直接转化为地区经济效益，选取新产品产值和高技术产业产值作为成果转化产出指标；另一方面，技术创新带来了生产和能源效率的提高，选取劳动生产率及工业产值能耗指标衡量此方面的产出，为保证指标方向性一致，取工业产值能耗倒数即单位能耗工业产值作为最终指标。

综上，构建的西部典型城市创新效率评价指标体系,见表1。

1.3 数据来源与描述

本文研究对象为西部地区被确立为创新试点的14个西部典型城市，试点工作开始时间均在2010年，且2009年开始创新数据的统计方式与之前统计口径发生较大变化，因此选取2009—2015年的数据进行评价分析。考虑创新投入及产出的滞后效应，每个阶段的滞后期均设定为1年，因此第一阶段投入指标的时间范围是2009—2013年，第一阶段产出与第二阶段投入指标的时间范围是2010—2014年，第二阶段产出指标的时间范围是2011—2015年，计算出的效率值时间范围为2011—2015年。在收集西部典型城市数据过程中，查阅了包括国家层面、省级层面和市级层面的大量统计资料，还有部分数据通过向当地统计局及科技局咨询收集得到。由于地级市统计资料较难收集、数据统计资料公布较少，同时城市与城市之间存在统计口径不一致等问题，仍然出现部分数据缺失现象，对此类数据运用插值法、推算法等方式补充完整。

表1 城市创新效率评价指标体系

1.4 西部典型城市创新效率测算及结果分析

(1)传统DEA模型效率测算。首先选取第一阶段和第二阶段3个投入指标和最终4个产出指标构建评价体系，利用MATLAB工具根据传统DEA规划公式编程运算得到西部典型城市2011—2015年创新综合技术效率得分，见表2。

表2 西部典型城市创新效率计算结果

从结果可以看出，西安、兰州、包头、重庆创新综合效率较高，遵义、宝鸡、银川和呼和浩特创新综合效率值较低，其他城市处于中间水平。从计算结果虽然能够看出城市创新效率的综合比较，但是城市创新技术研发阶段和经济转化阶段的效率分别如何无法判断。另外，70个结果中出现了14个效率为1的值，给城市创新效率时间序列变化分析造成不便，如西安市5年创新效率值中有4年为1，无法对西安创新发展进行判断分析。综上分析，传统DEA在城市创新效率测算时存在的不足使得研究分析受到较大限制，因此需要利用新的DEA方法进行再次测算。

(2)TSS-DEA模型效率测算。利用MATLAB工具，根据关联两阶段超效率DEA (TSS-DEA)规划公式编程运算，得到西部典型城市2011—2015年创新综合效率得分，见表3；创新阶段效率得分见表4。

表3 西部典型城市创新综合效率计算结果

表4 西部典型城市创新阶段效率计算结果

针对西部典型城市创新效率整体发展情况，绘制2011—2015年创新效率变化趋势图,见图1。

对西部典型城市2011—2015年创新综合效率及分阶段效率取平均值进行分析，结果见图2。

图1 2011—2015年西部典型城市平均效率变化趋势

图2 2011—2015年西部典型城市创新效率情况

从时间序列上看，西部典型城市2011—2015年综合创新效率均值分别为0.5329、0.5130、0.5685、0.5825、0.6850，2012年创新效率最低，2012年之后西部典型城市创新效率呈现上升趋势。技术研发阶段效率平均值分别为0.470、0.482、0.578、0.585、0.671，可以看出第一阶段的效率值保持增长趋势，效率越来越高；经济转化阶段效率值为0.585、0.576、0.523、0.512、0.620，与第一阶段的增长趋势相反，2011—2014年效率一直下降，直到2015年上升达到0.62并超过之前年份。可以看出，5年间西部典型城市整体在技术研发阶段创新效率有了较大提升，而第二阶段经济转化效率未能同样增加，导致创新综合效率出现下降情况或者增长缓慢，但到2015年，两阶段的效率均有了较大增长，经济转化效率转为增加趋势，因此创新效率上升明显，发展趋势良好。

根据城市综合效率排序可以看出，成都综合效率位于西部14个创新典型城市第一位，5年综合效率平均值为0.9015，重庆和乌鲁木齐分居2、3位，呼和浩特、西宁、包头排在最后三位，包头创新综合效率平均值仅为0.2826。根据排序和综合效率值可以将西部创新典型城市分为三类，第一类包括包头、呼和浩特、西宁、兰州、银川、南宁，属于综合效率较低的城市，综合效率值处于0.1～0.5之间；第二类包含西安、遵义、昆明、宝鸡，综合效率值处于0.5～0.7之间，属于综合效率一般的城市；第三类包含贵阳、乌鲁木齐、重庆、成都，综合效率值大于0.7，为综合效率较高的城市。

通过阶段创新效率值，技术研发阶段效率值较高的城市有成都、西宁、重庆、西安等市，经济转化阶段效率值较高的有贵阳、乌鲁木齐、成都、重庆等市。根据两阶段效率值计算西部典型城市两阶段创新效率平均值为0.5571和0.5634，以此为界限将14个西部创新典型城市分为四类，二维分布如图3所示。

图3 西部典型城市阶段效率二维矩阵分布

第一象限城市有包头、南宁、呼和浩特、银川、兰州，为低研发低转化型，技术创新阶段和经济转化阶段效率值均处于较低水平。这些城市综合效率值属于效率较低的城市，需要从源头开始提高技术创新阶段的效率，同时提高知识和技术转化效率，同时提高两阶段创新效率；第二象限包括遵义、西安、西宁和昆明，为高研发低转化型，这一类型城市第一阶段的效率明显强于第二阶段的效率，经济转化效率是导致创新综合效率落后的主要原因；第三象限包括贵阳、乌鲁木齐和宝鸡，为低研发高转化型，第二阶段的效率相对第一阶段的效率较好，说明这部分城市相对于经济转化效率，技术研发阶段效率不高，应着重提高技术研发能力；第四象限有重庆和成都，为高研发高转化型，这两个城市两阶段创新效率都较高，综合创新效率也位于西部创新典型城市前列，说明创新两阶段发展良好且较为平衡。

2 创新效率影响因素路径分析

2.1 创新效率影响因素

城市创新不同阶段均是创新主体在一定创新环境下利用创新资源，开展创新活动，产出创新成果的过程，同时结合已有研究，本文从创新主体特征、创新环境和创新主体之间的联结关系即创新交流三个维度对西部试点城市创新绩效影响因素进行梳理。

(1)创新主体。创新主体是指在创新活动中处于主导地位、具有自主行和能动性的创新活动发动者和参与者，要包括企业、政府、高等院校、科研机构等[13]，这些组织既具有创新需求，也具备创新能力，二者缺一不可。仅参加创新活动而没有创新需求的组织和具有创新需求却不参与创新的组织均不能称为创新主体。

(2)创新环境。城市创新环境是指城市内部各行为主体和周围事物相互作用而形成的相对稳定的网络系统。欧洲创新研讨小组 (GREMI)将创新环境定义为 “在一定的地理区域内，创新主体通过彼此的互动过程，构建的能够促进区域创新发展的非正式的一种复杂社会关系”[14]。城市创新环境与城市创新发展具有相互影响、相互作用的关系。一方面，城市的环境特点会对创新主体发起和参与的创新活动产生影响，良好的创新环境对创新活动能够产生有利影响；另一方面，城市创新活动的进行又会对城市环境产生作用，通常创新活动的繁荣会促进环境的提升。城市创新环境是一个复杂的系统，从总体上看，城市创新环境可以分为硬环境和软环境两类：硬环境主要指城市提供创新活动的硬件设施和资源，包括综合经济实力、基础设施、信息设施、生态环境等；软件环境主要指城市创新活动的介质环境和调控环境，介质环境指文化水平、价值观念等，调控环境指城市的科技政策、创新制度等，但由于西部城市中涉及政策种类较多，城市之间难以统一量化，政策方面的因素归类于政府创新主体特征变量中进行衡量。鉴于西部试点城市创新实际情况和指标数据可获得性，主要从经济环境、基础设施环境、文化环境和生态环境四个方面进行分析。

(3)创新交流。在当前知识经济背景下，城市创新活动不仅需要各个主体发挥自身优势开展创新活动，同时还需要主体之间的良性互动。从20世纪开始已有学者强调创新主体之间的合作关系，Rothwell等[15]将高校和科研机构作为同等于企业地位的创新主体进行研究，认为创新活动需要创新主体的动态整合；Fritsch[16]认为企业与高校之间的合作能够促进产业结构升级，提高区域创新能力；连燕华等[17]认为产学研紧密结合对于推动科技和经济的结合具有重要作用；2006年国务院颁布的 《国家中长期科技发展规划纲要(2006—2020年)》中把建设 “以企业为主体、产学研结合的技术创新体系”作为全面推进国家创新体系建设的突破口，产学研合作就此被提升到了国家战略层面。亨利·埃兹科维茨等基于政产学研三重螺旋体模型指出，创新模型由政府、产业和高校与科研机构分别代表的行政链、生产链和科学链缠绕构成，三方相互作用、密切合作形成一个有机整体，同时又保持相互独立[18]。

高校与科研机构主要从事基础性和应用性研究，为企业提供所需的基础知识，而企业与市场直接接触，其研发活动主要集中在应用与开发领域。高校与研究机构能为企业提供接近共性技术和新兴技术的窗口，为企业的技术创新提供一种科学技术平台，促使企业新产品开发取得突破性创新成果[19]，高校和科研机构进行基础产生新的发现，企业认识到其实用价值与高校或科研机构进行合作，同时企业对于高校及科研机构在经费方面的直接资助，创新咨询活动以及科研人才的交流也很重要。政府作为城市创新的另一大主体，一方面通过宏观政策的引导、促进创新法律法规的实施、基础设施等措施为高校和企业营造良好的创新环境；另一方面通过财政科技支出、税收减免和政府采购等方式对创新活动进行直接资助作用于高校和企业的创新研发。三大主体之间的联结关系越紧密，创新信息、资源的传递越迅速，合作效率越高。本文选择高校科研经费中企业资金所占比重、企业研发经费中政府资金所占比重、技术市场交易金额占GDP比重对主体创新交流进行衡量，见表5。

2.2 创新效率影响因素因子分析

收集2009—2015年西部典型城市面板数据进行实证分析(数据来源同表2)，部分指标数据如 “科研机构从业人员” “高校与科研机构研发投入比重”在部分西部典型城市中未进行过统计，无法获取，此种情况下统计所在省同一指标数据后根据一定比例计算获得，比例数值参考当年城市研发经费投入与所在省区研发经费投入的比例值确定。为避免时间序列趋势对于结果的影响，采用三项移动平均法处理各市数据，始端和末端数据使用插值法补齐。

从所选择的影响因素可以看出，三部分的影响因素之间相互关联、相互影响，为避免影响因素指标选取出现重复性，利用统计工具SPSS对西部典型城市创新效率影响因素指标消除时间趋势后的数据进行全局因子分析，使各指标关系更加明确，提取更加合理的影响因素指标。

在进行因子分析之前，需要对KMO值和Bartlett球体检验的值进行计算，西部典型城市创新效率影响因素指标数据首轮检验显示相关矩阵呈现非正定性，通过相关性分析剔除 “研发经费投入企业资金比重”和 “工业企业增加值占GDP比重”两个指标。剩余20个指标再次检验，结果显示KMO值分别为0.670,大于0.6，Bartlett显著度P为0，表明样本数据适合进行因子分析。将20个指标利用主成分分析法抽取主成分，表7的分析结果中各部分分别代表成分、初始特征值和提取平方和载入，根据结果西部典型城市数据总共提取6个主要成分，这6个成分可以解释总变异的72.892%；变量解释贡献率和旋转成分矩阵如表6和表7所示。命名提取的公因子为F1、F2、F3、F4、F5、F6，在SPSS中另存为新的变量。

表5 西部典型城市创新绩效影响因素指标

表6 创新影响因素因子变量解释贡献率

表7 旋转成分矩阵

注：旋转方法为具有Kaiser标准化的正交旋转法；旋转在6次迭代后收敛。

继续利用SPSS工具分析公因子与上文计算得到的效率值的相关性，最终剔除相关性较小的F3、F5和F6，保留具有良好相关度的F1、F2和F4。根据表7因子旋转成分矩阵，F1可以看成是由 “万人在校大学生数” “教育支出占公共预算支出比重” “人均GDP” “城镇化率” “人均城市道路面积” “每百人公共图书藏书量”所刻画的反映城市创新环境的综合指标；F2可以看成是由 “科研机构从业人员占总就业人员比重” “规模以上工业企业有研发活动的企业比重” “企业研发经费内部支出中政府资金比重” “科技支出占公共预算支出比重” “研发经费中政府资金比重”反映创新主体特征的综合指标；F4可以看成是由 “进出口贸易总额占GDP比重” “互联网普及率” “高校与科研机构研发经费中企业资金比重” “技术合同成交金额占GDP比重”所刻画的反映城市创新交流的综合指标。通过以上分析最终保留15个影响因素进行后续分析，如图4所示。

图4 西部典型城市创新效率影响因素

2.3 创新效率影响因素路径分析

(1)PLS-SEM模型构建与假设。有关创新效率影响因素的分析方法主要有随机前沿方法、因子分析法、回归模型及结构方程等。

传统方法大多分析因素与效率值的直接影响关系，不考虑因素之间的相互影响作用。影响城市创新效率的因素中包含多个因素，且因素之间和因素影响结果之间也属于多种影响关系，为了能够探讨影响因素之间的作用关系、影响因素对创新效率的作用机理，需要采用更加适合的结构方程模型方法进行影响因素的分析。国内外常用的结构方程模型一种是基于协方差方法的结构方程模型(CB-SEM)，另一种是基于偏最小二乘法的结构方程模型(PLS-SEM)[20]，考虑到模型研究主要用于探索西部典型城市创新效率关键影响因素，要求通过测量变量对潜变量预测，而不是验证参数估计的大小，且研究选择样本为西部14个创新典型城市5年样本，有效样本量低于100，变量数据分析无法全部满足正态分布要求，因此更适宜采用能够满足数据要求量的PLS-SEM方法。

基于前文对西部典型城市创新效率的计算及效率影响因素变量提取及分类，潜在变量有创新环境、创新主体特征、创新交流以及创新效率，各自对应的因子即为测量变量，可构建测量模型。结构模型主要界定潜在变量之间的假设关系，根据影响因素分析理论基础，构建西部典型城市创新效率影响PLS-SEM结构模型，并提出相应假设：H1：创新环境水平对创新主体特征有直接正向影响；H2：创新环境水平对创新交流有直接正向影响；H3：创新主体能力和结构对技术研发效率有直接正向影响；H4：创新交流程度对技术研发效率有直接正向影响；H5：创新主体能力和结构对经济转化效率有直接正向影响；H6：创新交流程度对经济转化效率有直接正向影响；H7：技术研发效率对创新综合效率有直接正向影响；H8：经济转化效率对创新综合效率有直接正向影响。最终构建西部典型城市创新效率影响因素结构方程模型，如图5所示。

图5 创新效率影响因素结构方程模型

(2)PLS-SEM模型检验。①Bootstrapping 检验。根据模型假设及标准化处理后的数据，运用SmartPLS3.0对西部典型城市创新影响因素路径模型进行绘图，采用SmartPLS中的Bootstrap程序对18个指标进行检验，考察观察变量对潜变量的反映程度，Resample 数字设定为 500。检验结果显示除了X34其余变量t检验结果在0.05水平上均显著，表明指标反映程度良好，剔除X34指标，剩余17个变量可以进行SEM-PLS分析。②PLS检验。采用SmartPLS中的PLS Algorithm程序进行迭代运算，创新环境、创新主体特征的Cronbach’s Alpha值均大于0.7，创新交流接近0.7，但其合成信度大于0.7，考虑到合成信度判定指标优于Cronbach’s Alpha系数，因此可以认为模型信度指标符合要求。潜变量 AVE 值均大于0.5，表明模型的聚合效度指标符合要求；拟合优度R2均大于Falk等[21]推荐的10%基准，模型具有一定的解释力。

(3)PLS-SEM模型运行结果与分析。运行得到西部典型城市创新效率影响因素路径，如图6所示。

图6 创新效率影响路径模型

根据路径分析图可知，创新主体特征和创新交流因素是西部典型城市创新效率的主要直接影响因素，创新环境通过创新主体特征和创新交流对创新效率有间接影响作用。创新环境对创新主体特征和创新交流的路径系数分别为0.467和0.520，假设H1和H2得到支持。从创新环境测量指标中可知创新环境中主要包含教育人才方面、经济方面、城市建设和文化方面的城市环境，这些方面的提升对于创新交流和创新主体指标代表的特征强度有正向影响。创新主体特征对技术创新效率的路径系数为0.219，假设H3创新主体特征对于技术创新效率有直接正相关影响得到验证。而对经济转化效率的路径系数为-0.278，与假设H5相悖。从指标上看，反映创新主体特征五个指标中仅有一个反映企业创新机构建设情况，一个反映科研机构建设情况，其余三个指标均反映了政府在创新投入中所发挥的作用，路径系数为负反映出政府投入占比对第二阶段的创新效率为负相关作用，初步可以推断在西部典型城市中以政府为主导的创新不利于经济转化效率的提升。创新交流对技术创新效率和经济转化效率的路径系数分别为0.160和0.359，假设H4和H6得到支持。创新交流包含反映城市开放程度、城市信息交流水平和产学研合作水平的三个指标，说明创新主体之间、创新主体和外部之间的合作交流对于创新效率的提升有正相关影响。从路径系数可以看出，创新交流对经济转化效率有更大的影响作用，技术创新效率受到创新主体特征的较大影响。从测量模型的路径系数结果可以看到，保留的测量变量对于潜变量的路径系数均大于0.5，各组变量对潜变量有较好的解释能力。创新环境中保留6个影响因子，其中城镇化率路径系数最高，为0.892；创新主体特征的测量变量5个关键影响因子同样全部保留，研发经费中政府资金比例变量路径系数为0.861，是其中最大的路径系数；创新交流的测量变量在模型检验过程中删除技术合同成交金额占GDP比重，通过原始数据分析，可能原因是技术成交额在各市每年变动跳跃性较大，规律性不强导致。保留的3个变量中互联网普及率的影响路径系数最高，达到0.854。

3 结论与建议

西部典型城市综合创新效率由技术创新效率和经济转化效率共同决定，两阶段的效率受到创新环境、创新主体特征和创新交流的共同影响，三组变量中共确定了不同意义的14个关键因子，这些方面的发展不同是城市创新效率差距的主要原因，提高西部城市创新效率可以从三个维度中包含的因素为导向制定政策和措施。

(1)强化企业创新主体地位。推进构建促进企业技术创新的激励机制和约束机制，引导企业建立与自身发展相适应的技术研究开发机构。通过税收等政策调控措施，引导加大创新投入，使企业逐步成为城市创新投入的主体。加强行业技术开发机构建设，按新的管理体制和运行机制，改造和组建一批行业技术开发中心，为企业提供技术保障和前沿技术创新成果。培育创新型企业，通过实施重点科技创新项目，开创企业试点，提升创新能力，发挥辐射带动效应。

(2)重视高校与研究机构建设，推进 “产学研”一体化进程。加强高校在特色研究领域的建设，加大对已受到国家认定的工程研究中心，重点实验室、企业技术中心等重要创新信息平台的支持，充分发挥并利用这些平台的带动能力，促进地区的科技创新发展。以国家级检测中心培养为依托，不断加强技术机构的建立，创设西部地区检测高地。优化科技创新平台，完善创业孵化服务。以发展内容多样化，投资方面多元化，管理经营信息化为整体着手点，建设出具备专业性和完整性的科技企业孵化器。加强科技创新创业服务中心的支撑作用，提升服务效能，助力提高创业成功几率、实现孵化功能的新突破。支持研究主体，如高校和科研机构等，创立科技创新孵化器，加强产学研相互合作与共同发展。

(3)优化城市创新环境，实施绿色发展创新。①经济环境。西部城市资源性产业优势突出，资源较为丰富且生态环境的特点要求城市创新的主战场应该立足城市优势资源，积极研发和利用高新技术，培育一批优势特色产业，推动创新发展；②基础设施环境。一方面加强城市交通、信息网络等硬件设施建设，保证创新资源整合的顺畅；另一方面西部城市应积极争取在当地建设国家工程技术研究中心及其他高层次研究机构和高等学校的建设，强化高校和科研机构在自主创新中的源头作用，积极发挥高校、科研机构在创新过程中的基础性研发和科技成果转化的双重作用；③政策环境。根据城市发展的实际情况，加快研究制定城市创新体系的总体战略和重大政策，包括科技、经济、产业、财政、税收、教育、知识产权保护等相关的政策，引导和规范创新主体的行为，合理利用创新资源，资金统筹管理，形成良好创新政策环境，提高城市创新效率。④生态环境。环境优美、生态宜居的城市更能吸引创新人才的集聚，更适合高科技企业的发展。西部城市适宜从城市特色入手，加强生态文明建设，营造城市宜居宜业的环境，以此推动城市创新发展。