专业镇的创新效率与升级路径研究——基于广东省地级市数据

蔡建周韦文求梁永福肖智飞

(1.广东省生产力促进中心，广东 广州510070；2.广东工业大学 经济与贸易学院，广东广州510520；3.广东省技术经济研究发展中心，广东广州510070)

自《国务院关于深入推进新型城镇化建设的若干意见》(国发〔2016〕8号)提出加快培育特色小城镇后，住房城乡建设部、国家发展改革委、财政部于2016年7月联合发布了《关于开展特色小镇培育工作的通知》，提出在2020年前培育1000个特色鲜明、产业发展、绿色生态、美丽宜居的特色小镇。探索特色小镇建设发展之路，已成为促进经济转型升级，推动新型城镇化和新农村建设的重要内容。专业镇作为广东的特色区域产业集群发展载体，是广东省传统产业和特色优势产业的主要集聚地，是民营经济和小微企业孵化育成的载体。目前，专业镇的地区生产总值已超过广东省生产总值的三分之一，专业镇已成为广东经济社会发展的重要支柱。在当前国家大力推动经济特别是民营经济高质量发展的背景下，专业镇原有的独特资源禀赋、较低生产成本等比较优势逐渐消失；镇产业仍以劳动密集型产业为主、层次不高等问题日益突出；创新资源匮乏，各种创新要素整合、协同机制不健全；创新投入欠缺规模效应，导致专业镇经济创新效率不高、效益不强；专业镇的后续发展还面临着土地、环境、人力成本等多方面的严峻挑战。

实际上，近些年来，广东省委省政府也在加快推进专业镇产学研合作创新，引导创新资源下沉基层，推动各类创新主体在有效机制下互动对接，强化专业镇产业转型升级和高新技术产业发展。为更好掌握专业镇的创新效率情况，为区域产业集群转型升级提供理论基础，为政府如何优化产学研合作创新投入提供决策依据，本文基于广东各地级市的专业镇经济截面数据，运用非径向DEA-CCR和超效率模型，研究了广东省20个地级市(深圳市除外)专业镇协同创新效率的差异情况，并针对存在问题给出了改进建议。

1 文献回顾

随着全球经济发展方式的转变，创新效率问题成为学术界的研究热点。国外针对创新效率的研究多从区域创新效率和产业创新效率这两个维度展开。其中，区域创新效率研究的典型是“区域技术创新型理论”。该理论认为，区域创新技术效率主要由研发和经济的适应性两个方面决定，只有将各投入要素整合起来，并当成一个整体来看待，才能够充分发挥要素间的协同作用，进而提高区域创新能力[1]。在创新效率研究方面，Lee和Shim实证检验了美、日两国的高新技术产业创新效率，得出研发投入和企业长期绩效、市场份额存在长期稳定关系的结论[2]。Neelankavil和Alaganar通过格兰杰因果检验，同样认为高新技术产业的创新效率与产业、研究开发等存在密切关系[3]。Cowan和Zinovyeva研究高校对区域创新的影响时发现，高校与科研机构的协同合作能够提高区域创新效率，并促进当地企业专利申请数量不断上升[4]。在创新效率研究方面，国内学者则通过采用不同分析工具展开了研究。如：韩晶等运用四阶段空间计量DEA模型，分析了中国2010年各省的创新效率[5]；赵树宽等通过构建高新技术企业创新效率评价模型，研究了吉林省的企业创新效率和规模收益[6]；肖文和林高榜则采用随机前沿分析方法，实证检验了36个行业的技术创新效率，认为技术创新效率和政府支持、企业的研发管理等存在长期稳定关系[7]。

创新效率受创新成果与市场需求契合程度的影响。创新成果涵盖专利、论文、高技术产业增加值和技术市场成交额等方面。创新成果与市场需求的高匹配能够有效刺激创新投入，促进创新成果产出，推动技术市场的高水平发展。如：刘东丽运用CCR模型与BCC模型，利用科技投入与产出指标的数据研究了北京的科技创新效率[8]；张小甫等构建了两阶段DEA模型，研究甘肃省区域科技创新效率及其与科技研发、成果转化的关系[9]；戴美想等基于江苏省高新技术企业相关统计数据，研究了创新投入与创新成果的关系，结果表明创新投入与创新成果成正相关[10]。在创新效率与市场需求关系研究上，董鹏刚和史耀波的研究表明，与市场需求高度匹配的创新过程能够得到资本市场的大力支持，从而有效保障创新投入和创新成果的市场交易，明显提升创新效率[11]。

随着产学研合作在科技创新中的作用日益凸显，国内学者开始以此为切入点对创新效率展开研究。白俊红和蒋伏心通过实证研究指出，政府科技资助、企业与高校的联结，以及企业与科研机构的联结，对区域创新绩效有显著的正向影响[12]。蒋伏心等基于中国省级面板数据，采用DEA和动态GMM(广义矩估计)方法进行实证研究，认为产学研协同创新对中国区域创新绩效短期内有显著的正向影响，但长期表现出不稳定特征[13]。与此相反，官建成和刘顺忠运用DEA方法，分析了我国各地区创新系统、创新机构资源配置状况对创新绩效的影响，发现区域创新能力和创新绩效间没有关系[14]。

由于产业集聚在区域经济发展中具有重要的推动作用，专业镇等集群发展载体也日益成为创新效率研究的对象。周霞和景保峰等运用DEA模型研究了广东专业镇科技资源的配置效率[15]；关皓元和梁勤儒等从区域创新的角度运用主成分分析方法研究了工业专业镇的创新绩效问题[16]；李牧南和周俊锋等基于2009—2012年广东专业镇科技投入与产出面板数据，采用DEA有效性分析，研究了影响专业镇创新效率的因素，认为广东专业镇整体的技术创新效率偏低，科技资源分配和投入方式较为粗放，科技资源存在一定程度的冗余和浪费现象[17]。

回顾以往文献可知，学者们对于专业镇转型升级的观点较为一致，即创新驱动背景下广东专业镇的转型升级必须加强产学研合作，注重人才队伍建设以及区域创新平台建设，广东专业镇的创新发展离不开产学研的协同合作[18-19]。但以往相关研究较少从产学研合作视角，对地级市层面的专业镇的创新效率进行实证研究。有鉴于此，本文在前人研究基础上，一方面试图在样本组织方面进行创新，将广东20个地级市的专业镇和非专业镇区分开来，从地级市层面直接考察各地级市专业镇的协同创新情况；另一方面，基于产学研合作视角，在以往典型投入因素基础上加入产学研协同的相关变量，以充分反映产学研合作创新的机制体制效率问题。

2 研究方法

2.1 研究指标和数据的选取

本文的相关统计数据，主要是根据2014年广东省科技统计信息中心的专业镇统计资料和广东省统计年鉴整理获得。颜莉认为，投入指标应包括人力资源、创新资源和创新环境等方面，产出指标则分为科技成果产出、经济效益产出、社会效益产出、环境绩效产出和区域竞争力产出等[20]。戴丽华和王世锋同样认为，资金和人员是最重要的投入产出指标，产出则可以概括为产业成果产出和科技成果产出[21]。在投入产出指标方面，笔者基于颜莉的做法，选用新兴产业规模以上企业产值、高新技术企业总产值、镇专利申请量、列入省级以上新产品产值作为产出指标[20]。与此同时，投入指标在借鉴已有研究成果的基础上，除了选用创新人员和创新资金两个基本指标外，笔者还将产学研纳入投入指标，重点考察产学研合作视角下专业镇的创新效率问题。具体投入指标为研究与开发人员、镇科技投入、镇固定资产投资总额、公共创新服务平台已完成投资，以及专业镇与大学、科研院所共建科技机构数。具体指标情况见表1。

表1 广东20个各地级市专业镇创新效率测度指标体系

2.2 模型的建立及理论依据

数据包络分析是由美国著名运筹学家德克萨斯大学教授Charnes、Cooper和Rhodes于1978年在“相对效率评价”概念的基础上，运用线性规划构建观察数据的生产前沿面，并根据此来计算所选定决策单元相对效率的一种方法[22]。在假设投入与产出规模报酬不变的前提下，Charnes等人创立了第一个投入导向的DEA-CCR模型，主要用于评价部门之间的相对有效性[22-26]。由于未考虑投入与产出的规模报酬变化，该模型只能计算出决策单元的综合效率。为了正确测算“有效的生产前沿面”，1985年Banker、Charnes和Cooper在CCR模型的基础上进一步提出假设规模报酬可变的DEA-BCC模型，以此来评价决策单元的纯技术效率[22，27-28]。本文以广东省20个地级市的专业镇为决策单元，用DMUi(i=1，2，…，n)表示；每一个地级市，即第i个地级市的专业镇创新活动分别有m种投入要素和s种产出要素，分别 用Xi=(xi1，xi2， …，xim)t和Yi=(yi1，yi2，…，yis)s来表示。结合相关测度指标，则第i个地级市专业镇创新效率的CCR模型为：

其中，λi为20个地级市专业镇经济在某指标上的权重变量，ε是一个非阿基米德无穷小量，e1=(1，1，…，1)T∈Em，e2=(1，1，…，1)T∈Es，θ表示DEA模型测算出来的广东20个地级市专业镇创新的综合效率值，θ*的值越接近1，表示该市的专业镇创新效率越高，反之则越低；S-和S+为松弛变量，eT1和eT2为权重系数，S+表示投入的冗余度，S-则表示产出的不足率。那么，θ、S-和S+可以作为判断地级市专业镇创新是否是DEA有效的标准，根据魏权龄[29]，有如下的结论。

①若θ*=1且S*-=S*+=0，则决策单元DMUi为DEA有效，表示第i个地级市的专业镇创新活动同时达到纯技术效率最佳和规模收益不变。

②若θ*=1且S*-≠ 0，S*+≠ 0，则决策单元DMUi为DEA有效，此时，该决策单元不能同时达到规模收益有效和纯技术效率有效。

③若θ*＜1，则决策单元DMUi为DEA无效，表示第i个地级市的专业镇创新活动的纯技术效率和规模收益均无效。

对于θ*＜1的无效DMUi，可以通过该决策单元在相对有效平面上的投影来改进。设X0和Y0分别表示第i0个地级市的专业镇创新活动的投入要素向量和产出要素向量，则改进后达到DEA有效的投入要素的投影值，为改进后达到DEA有效的产出要素的投影值。

对于非DEA有效的决策单元，可以进一步分析其投入冗余率和产出不足率。投入冗余率是决策单元DMUi中各非0分量与X0对应分量的比值，用于表示该要素资源投入量可以节省的比例。而产出不足率是决策单元DMUi中S*+中各非0分量与Y0对应分量的比值，表示各项产出指标可以提高的比例。

运用传统的DEA-CCR模型测度效率时，对于效率值都是1的决策单元无法进一步比较效率的差异。针对这种情况，Andersen和Petersen提出了超效率评价DEA模型(简称SE-DEA)[30]。SE-DEA模型能够对DEA有效单元进行排序和比较，其评价模型如下：

本文将利用超效率DEA模型对广东20个地级市专业镇的创新效率进行超效率测度和排序。设 A、B、C、D、E 是 5个有效的决策单元，传统的CCR模型无法区分效率值都为1的决策单元的效率差异。 若 A、B、C、D、E 5个决策单元构成了生产前沿面，将C点的生产前沿面排除在模型之外，则有效的生产前沿面就变成了A、B、D、E。设CC*表示决策单元C的效率值可以扩张的程度，则C的超效率值将会大于1。同理可以得出其他的决策单元的超效率值。对于无效的决策单元，因为没有改变生产前沿面，因此与传统的CCR模型计算出的效率值相同。

3 实证结果

3.1 效率分析

本文采用DEA-CCR模型和SE-DEA模型对广东20个地级市专业镇的相关投入产出数据进行求解，整理结果见表2。①从综合效率来看，广东20个地级市专业镇的创新效率均值为0.714。广州市、珠海市、汕头市、佛山市、惠州市、中山市、阳江市、潮州市8个地级市的专业镇创新活动是DEA有效；其他的地级市均是DEA无效。韶关市、梅州市、河源市、汕尾市、湛江市、茂名市、揭阳市、云浮市8个地级市的专业镇创新综合效率值均低于全省均值，综合效率值最低的是河源市，仅为0.115。②从纯技术效率来看，广东20个地级市的专业镇创新效率均值为0.926，平均技术效率水平较高，仅有梅州市、江门市等5个地级市的专业镇创新活动没能达到纯技术效率最优。这些数据表明，广东省大部分地级市的专业镇的创新产出已经实现最大化，创新效率相对较高，暂时不存在投入过剩和产出不足的问题。在纯技术效率有效地级市中，东莞、湛江、肇庆、清远、韶关、河源和汕尾7个市的专业镇没有达到综合效率下的DEA有效。③从规模效率来看，在广东20个地级市的专业镇中，综合效率为1的8个决策单元的规模效率同为1，处于规模报酬不变的阶段，这说明广东大部分地级市的专业镇创新规模已经达到一定水平。其中，在纯技术效率有效的地级市当中，处于规模报酬递减的只有东莞，处于规模报酬递增的有韶关市、河源市、汕尾市、湛江市、肇庆市、清远市等11个地级市。这些地级市专业镇经济的相关投入产出数据绝对值较小，规模水平不高，但是在当前技术水平下，收益增长率高于规模增长率。

值得注意的是，作为少数市直管镇的典型代表之一，2014年，东莞市专业镇的研究与开发人员达85 660人，科技投入总额为953 548万元，公共创新服务平台已完成投资58 633万元，与大学、科研院所共建科技机构数为117个，其产学研创新投入力度相当大。然而，现阶段东莞市专业镇的创新活动却出现规模递减的情况。究其原因，笔者认为主要包括两个方面。一是东莞市专业镇创新资源投入规模相对偏大，一定规模的投入对创新发展相当必要，但是东莞市专业镇可能存在政府为完成相关考核指标而盲目扩张创新投入规模的问题，从而忽视了地区科技创新的实际承接和消化能力。二是东莞市专业镇原有产业基础主要为“三来一补”类加工企业，在企业转型过渡的关键时期，过多的创新投入并没能马上提升企业的自主创新能力，企业反而出现了创新投入饱和的瓶颈现象，这导致东莞市专业镇处于规模收益递减阶段。

与之相反，在研究与开发人员、固定资产投资、科技经费投入以及产学研合作机构数量等方面均位于广东省靠后位置的河源市，其专业镇的纯技术效率有效且处于规模报酬递增阶段。2014年河源市专业镇的GDP占所在市GDP的24.1%，专业镇经济的规模相对较小。因此，增加基础设施、科研人员和产学研合作等创新投入势必会显著提高专业镇的创新效率，从而提高河源市的企业产品增加值。同时，表2中的阳江市既达到了纯技术有效，又达到了规模效率有效，处于规模收益不变的阶段。阳江市的研发人员投入、资金投入以及产学研投入在广东省20个地级市专业镇中处于下游水平，但是，近几年阳江市专业镇的产学研创新活动发展相对稳定，基本实现了投入与产出的有效配置。

为了进一步探讨影响广东省地级市专业镇创新发展的非技术有效因素，笔者对非技术有效的地级市进行了横向对比，并按照纯技术效率的大小进行排名，依次为：梅州市(0.794)、江门市(0.892)、茂名市(0.746)、揭阳市(0.630)、云浮市(0.459)。由于非技术有效的地级市专业镇的综合效率必定是无效的，因而上述地级市的规模效率也是无效的。从表2数据可知，相对于技术效率有效的地级市而言，上述6个地级市的产学研合作创新程度不高，从而带来创新技术水平偏低、规模效率偏低的“双低”问题。这类地级市专业镇在加大产学研创新投入规模的同时，必须要注重企业技术吸纳能力的提升。

表2 广东20个地级市专业镇创新效率评估表

3.2 DEA的超效率与效率改进分析

DEA-CCR模型最大的缺点是无法对效率值都为1的决策单元进行比较，1993年，Andersen和Petersen提出的DEA超效率模型解决了这一问题。笔者对广东省20个地级市的专业镇经济进行超效率分析，结果如表3所示。结合前文DEACCR模型分析结果可知，在综合效率有效的地级市中，共有8个地级市的专业镇创新超效率值大于1。此外，惠州市高居超效率值榜首，河源市排在最后，20个地级市专业镇创新效率分化为两大阵型。个别地级市如东莞市，虽然在专业镇发展中不惜成本地投入人员、资金和设施，然而并没有产生最优的生产效率，超效率值仅在全省排名第11。DEA效率理论表明，DEA-CCR模型中有效的决策单元必定既是纯技术效率有效又是规模效率有效，而DEA-BBC模型得出的有效决策单元仅是纯技术有效。由于纯技术效率有效而不是综合效率有效的决策单元，其规模系数可以表示为θ=ηj(CCR)/ηj(BCC)，因此，对于不是弱 DEACCR有效的决策单元，可以通过在其生产前沿面上进行投影，使其变成DEA-CCR有效的决策单元。

表3 广东20个地级市专业镇Super-CCR模型综合效率得分以及排名

笔者以东莞市的专业镇为例，分析其DEA效率改进情况，具体数值见表4。从表4的投入产出效率值来看，东莞市的专业镇在研究与开发人员投入、科技投入、镇固定资产投资总额、公共创新服务平台已完成投资以及与大学、科研院所共建科技机构数5个投入指标方面均存在着明显的投入冗余问题，不符合投入相对最优比例，研究与开发人员投入这项需要改进的幅度更是超过50%。实际上，“十二五”期间，东莞市为推进“科技东莞”工程每年拿出20亿元，集中投向优势产业链上的龙头企业和发展势头较好的新兴企业，吸引了大量创新资源涌入东莞市。然而由于东莞市原有产业基础偏向加工制造业，产业的转型升级程度仍然未能满足吸纳消化创新资源的需要，致使相关投入出现冗余问题。因此，切实提高企业自主创新能力和内生动力成为东莞市成功推动创新的必要条件。

表4 东莞市专业镇DEA效率改进表

3.3 广东地级市专业镇的创新发展路径分析

为进一步探讨广东地级市专业镇经济的创新发展路径，笔者在前文超效率分析的基础上，从专业镇GDP占所在市GDP比重和创新超效率两个维度(高低分界线分别为专业镇GDP占所在市GDP的比重和协同创新超效率的中位)，将广东省20个地级市专业镇划分为4个类别：①高效率、高占比，②低效率、高占比，③低效率、低占比和，④高效率、低占比，具体见图1所示。其中，阳江市、江门市、潮州市、中山市、汕头市、佛山市这6个地级市的专业镇属于“高效率、高占比”类别，该类地级市的专业镇不仅创新效率高，对当地经济发展贡献也非常大。与此相反，韶关市、清远市、湛江市、茂名市、河源市、揭阳市的专业镇属于“低效率、低占比”类别，该类地级市主要集中在粤东西北地区。该类地级市的专业镇不但创新效率有待提升，其发展规模也具备较大提升空间。

显然，第一象限“双高”系列的地级市专业镇是最理想的创新发展形态，第三象限“双低”系列最差，第二和四象限的稍好但存在提升空间。对于第二象限“低效率、高占比”的地级市专业镇来说，应大力提升创新效率，当前需要根据创新投入的最佳组合来配置资源，而非继续提升规模。对第四象限的“高效率、低占比”系列地级市专业镇而言，当前创新效率较高，但GDP占所在市GDP比重较低，规模增长潜力较大，因而按照最佳创新投入组合，全面提升投入规模将是此类专业镇的应对之策。此外，对于“双低”的第三象限系列来说，其提升路径存在三种操作方式：先提升效率再提升规模；先提升规模再提升效率；同时提升规模与效率。基于前文关于创新效率与投入优化组合的分析结果可知，创新投入规模过快增长并不必然带来最优生产效率，因此，韶关市、清远市、湛江市等可考虑通过优化配置创新投入组合，将创新效率提高至一定程度后再谋求专业镇经济发展规模，或者考虑同时提升专业镇经济发展规模与创新效率。

图1 广东20个地级市专业镇创新发展路径图

4 结论与建议

本文基于DEA-CCR模型和SE-DEA模型，从产学研合作投入的视角对广东省20个地级市专业镇创新效率进行评估，并深入探讨了相关投入产出的优化方案，主要结论如下。

第一，广东省专业镇创新效率整体较高，珠三角与粤东西北区域之间的专业镇创新效率差距明显。20个地级市专业镇中，将近一半的专业镇创新综合效率DEA有效，其中惠州市的超效率值位居榜首；广东省创新技术效率水平较高，超过75%的专业镇已经步入规模报酬不变阶段，创新规模收益良好。然而，韶关市、梅州市、河源市、汕尾市、湛江市、茂名市、揭阳市、云浮市等粤东西北区域地级市专业镇创新效率值均低于广东省均值。

第二，市场需求会对创新效率和创新投入产生重要影响。当市场需求较低，且处于城市开展创新发展初期时，在创新投入剧增的背景下，势必造成创新效率低下或者创新投入冗余。粤东西北地区受传统产业限制，城市创新要素及成果转移转化支撑平台较少，创新成果市场需求较低且转化受限。因此，广东省创新的产学研合作投入冗余主要集中在该地区，该地区专业镇甚至出现技术与规模效率“双低”现象。如：韶关市、河源市、梅州市、茂名市、清远市和云浮市等地级市专业镇存在此类投入冗余，未能达到DEA相对有效，这可能因其财政实力较弱未能带来较高的社会科技投入和固定资产投资；梅州市、茂名市、云浮市等地级市专业镇还出现创新技术水平偏低、规模效率偏低的“双低”问题。

第三，地级市专业镇的创新投入力度不能反映其创新效率的高低。无论是研究与开发人员、社会科技投入、固定资产投资抑或公共创新服务平台建设，东莞等部分地级市的专业镇的创新投入力度都相当高，甚至位居广东省前列，然而其创新综合效率并非DEA有效，投入冗余使得企业的生产效率无法达到最佳。

第四，地级市专业镇的创新效率和发展规模不一，需要分类指导推进提升。对于“低效率、高占比”的地级市专业镇来说，应优先考虑创新投入的优化配置问题；对于“高效率、低占比”的，应按最佳创新投入组合全面提升投入规模；对于“双低”系列地级市的专业镇，则应通过优化配置创新投入组合，将创新效率提高至一定程度后再谋求发展规模，也可考虑同时提升规模与效率。

上述研究结论蕴含丰富的政策内涵。首先，广东省专业镇发展需要考虑珠三角与粤东西北发展不均衡问题，政府应清醒认识落后地区创新投入冗余的现实，利用省级财政资源扶持这些地级市做好科技人才引进、科技投入和配套设施投资建设等工作。其次，针对珠三角地区部分地级市专业镇创新投入与创新效率脱节或不匹配的问题，政府应切实推动原有技术创新能力不强的企业和产业转型升级，不断提高企业对创新资源的吸纳和消化能力，并优化创新投入资源组合，杜绝“无节制、一窝蜂、无效率”的盲目创新投入。再次，鉴于广东省地级市专业镇发展的具体情况不一，政府对专业镇的发展应实施分类指导，推动其按最优发展路径升级发展。尤其是对“双低”系列地级市专业镇来说，更应谨慎对待并权衡发展规模与创新效率之间的关系。