基于Malmquist指数的“一带一路”沿线省市高校科技创新效率研究

高蕾 龙慧 罗晓娜 杨晚婷 袁媛 阮红伟

[摘 要] 基于PCA-DEA模型和Malmquist指数对“一带一路”区域18省市高校2012-2017年的科技创新效率进行了测度分析。研究结果表明：2012-2017年间，“一带一路”区域高校科技创新效率波动变化，呈“V”趋势;“一带一路”区域高校科技创新效率提升的主要限制因素为纯技术效率;“21世纪海上丝绸之路”地区高校综合技术效率较高，而“丝绸之路经济带”地区高校综合技术效率普遍偏低。因此，建议通过实施差异化战略、注重人力资本积累、优化物质资本投入效率、加强产学研协同、扩大高校国际科技交流合作研究等措施实现“一带一路”区域高校科技创新效率的提升。

[关键词] 一带一路;科技创新效率;PCA-DEA组合模型;Malmquist指数

[中图分类号] F720[文献标识码] A[文章编号] 1009-6043（2020）04-0181-04

Abstract： The technological innovation efficiency of 18 provinces and cities in the Belt and Road region from 2012 to 2017 is measured in terms of PCA-DEA and Malmquist index. The result shows that from 2012 to 2017， the technological innovation efficiency of colleges and universities in the region fluctuated in a "V" trend， the main restriction factor was pure technical efficiency， and that the comprehensive technical efficiency of colleges and universities in the 21st century maritime Silk Road area was relatively high. However， the comprehensive technical efficiency of colleges and universities in the Silk Road Economic Belt area was generally low. Therefore， it is suggested to take differentiation stragtegy， attach importance on human resource capital accumulation， improve physical capital investment efficiency， strengthen industry-university-research cooperation， and expand the international scientific and technological exchange and research cooperation， so as to promote the technological innovation efficiency in the Belt and Road region.

Key words： Belt and Road， technological innovation effeciency， PCA-DEA combined model， Malmquist index

一、引言

科技创新目前已成为引领全球经济发展和社会进步的核心力量。“一带一路”涵盖我国中西部省份和沿海发达地区，承担着促进改革，加大科技创新力度，形成参与和引领国际合作竞争新优势的重大使命和责任。高校在我国科教兴国、人才强国和创新驱动发展战略中扮演着参与者和执行者的角色，在推进“一带一路”向高质量发展转变历程中，具有一定的话语权。通过对“一带一路”区域高校科技创新效率进行评价，找寻其影响因素并探寻提升科技创新效率的有效路径，具有理论与实践相统一的双重价值。

国外学者的研究多以针对高校科研创新绩效测度和创新成果的转化为主，且重视研究方法和研究工具的选用。例如，Johnes（1993）、Worthington（2008）、Abramo（2009）等使用DEA方法分别对英国、澳大利亚和意大利等高校科研效率进行了评价。Jerry G Thursby（2002）等利用回归分析方法，研究出高校科技创新成果的影响因素，归纳出校企合作程度与科研水平两个主要影响变量。[1]Rahal AD（2006）通过对高校科技创新成果的转让效率进行评价，归纳出了一些对高校科技创新转化效率影响程度较大的因素。[2]

国内关于高校科技创新的研究主要着力点在构建高校科技创新能力评价指标体系及评价方法。冯光娣（2012）等，运用DEA方法和Malmquist指数对2000-2009我国30个省高校科研效率的整体发展状况进行分析评价;[3]李清贤（2013）等基于malmquist指数对教育部直属高校的科技创新效率进行了动态分析;[4]王惠（2015）等采用數据包络分析（DEA）中BCC模型和Malmquist生产率指数对江苏省高校科研静态效率和动态效率进行测算。[5]

基于国内外学者的研究，本文构建了“一带一路”区域高校科技创新效率指标评价体系，运用PCA-DEA组合模型和Malmquist指数分析方法对“一带一路”区域18省市高校2012-2017年科技创新效率进行测度，分析影响“一带一路”区域高校科技创新能力和效率提升的因素。基于此，为政府的相关政策提供针对性的建议。

二、研究方法

（一）基于主成分分析的数据包络分析评价法（PCA-DEA）

为了避免进行DEA分析时，由于多指标集的存在可能会因数据之间的相关性而干扰分析结果、失去分析意义，从而进行主成分提取对数据集降维。[6]采用PCA-DEA组合模型，指标间的相关性可以降低，同时有效削弱统计随机波动对DEA的影响。

（二）Malmquist指数分析法

基于DEA模型的方法提出的Malmquist指数是通过距离函数的比率来计算投入产出效率的一种方法。与传统DEA模型相比，Malmquist指数在分析面板数据方面占优势，可以纵向反映各高校的相对效率的动态变化，同时还可以把各高校的全要素生产率变化（Tfpch）分解为技术效率变化指数（Effch）和技术进步指数（Techch），而技术效率变化指数又是纯技术效率指数（Pech）和规模效率指数（Sech）之积[7]。即Tfpch=Effch×Techch=Pech×Sech×Techch。

三、指标选取与数据来源

（一）指标选取

评价高校科技创新效率需要建立一套科学、合理、可操作的评价指标体系。应遵循系统性原则、科学性原则、导向性原则、可操作性原则、可比性原则等构建原则，本文参考国内外进行相关研究的理论文献，结合“一带一路”区域高校的具体情况，选取11个投入指标（X1-X11）和6个产出指标（Y1-Y6）作为“一带一路”区域高校科技创新效率评价指标体系。

科技创新投入指标，用教学与科研人员、研究与发展人员两二级指标来反映各省市高校对科技创新的支持力度，选取科技经费和科技课题拨入数和支出数代表各省市高校对科技创新的重视程度。

科技创新产出指标，从科技成果及技术转让角度衡量高校科技活动创新能力。专著数量和学术论文是科技产出成果的直接指标，选取鉴定成果数和技术转让指标反映创新环境的发展状况。相关投入、产出指标汇总如表1所示。

（二）样本选择及数据来源

本文以“一帶一路”倡议敲定的18个省市高校作为研究对象，将按照“一带”与“一路”2个板块进行分析。数据主要来自2012-2017年《高等学校科技统计资料汇编》、《中国统计年鉴》和国家统计局网站。

经KMO检验与Bartlett球形度检验，各变量相关性较强且彼此独立，可以进行主成分分析。

在进行主成分分析前，本文运用SPSS20.0对原始数据进行标准化处理，选取特征值大于或约等于1的主分量。从表2可以看出，投入指标集符合条件的有2个，产出指标集符合条件的有2个，它们的累计贡献率分别为97.431%和88.828%，可以较好的替代原始指标集，所以可以以这4个主分量的得分矩阵代替上文建立的高校科技效率评价指标体系进行效率分析。

考虑到对高校科技创新效率进行分析时投入和产出变量数据的非负性要求，需要对提取的各主分量评分进行标准化处理。设定A为第i个单元标准化前的主分量得分，A′为标准化后的指标，则具体的标准化过程为：A′=0.1+0.9（A-minA）/（maxA-minA）。

四、“一带一路”区域高校科技创新效率评价及区域差异

（一）“一带一路”区域高校科技创新效率评价

1.“一带一路”区域高校科技创新效率静态技术效率分析

运用DEAP2.1软件的BCC模型，得出2012-2017年“一带一路”区域高校科技创新效率及其分解效率，结果见表3

表3表示的是2012-2017年“一带一路”区域高校科技创新效率及分解项目。可以看出，从“一带一路”区域高校平均技术效率来看，2017年的0.749比2012年的0.878有下降。其中，“一带”与“一路”地区高校平均综合技术效率差异明显，“一带”地区高校波动较大，波动幅度为0.228，而“一路”地区变动较小，波动幅度为0.053。

从省市高校个体维度看，“一带一路”区域18省市中有占三分之一的6省市高校在2017年处于规模收益递减阶段，其中5省市位于“一带”地区。这产生了显著的冗余投入，各省市高校要素投入量已经超过了与其技术水平相适应的最优规模的阈值，这与“一带一路”倡议实施以来政府大力支持并给予高校较多的资源投人有直接关系。科技创新资源投入的增加若未能被有效“消化、吸收”并转化为科技创新产出，则将有可能导致高校科技创新效率低下。[9]

2.“一带一路”区域高校科技创新效率动态变化分析

2012年至2017年的统计数据，运用PCA-DEA-Malm

quist指数分析方法，进一步分析得出年度平均的高校科技投入产出全要素生产率（表4和图1）。

从表4的数据可以看出，2012-2017年间，反映“一带一路”区域高校科技创新效率变化的M指数呈“V”型趋势，全要素生产率平均降低3.9%，其中只有规模效率指数上升0.5%，技术进步指数接近1，而纯技术效率指数下降4.3%，由此可见，“一带一路”区域高校科技创新全要素生产率的下降主要源于纯技术效率的降低。从“一带”“一路”分地区高校看，2012-2017年间，“一带”地区高校全要素生产率下降了5.4%，而“一路”地区高校全要素生产率上升4.9%。“一带”地区高校科技创新效率拖了整体后腿。

（二）“一带一路”区域高校科技创新效率的空间差异分析

从全要素生产率变化来看，图2给出了“一带一路”区域高校2012-2017年全要素生产率变动情况，由TFP指数是否大于1进行划分，“一带”地区高校除陕西、西藏和宁夏高校外，余下10省市高校TFP指数小于1;而“一路”地区高校尽管平均全要素生产率指数为1.001，但除上海和广东外，浙江、福建和海南高校TFP指数小于1，说明这些省市高校在2012-2017年全要素生产率呈现下降趋势，科技创新效率有待提高。

从综合技术效率变化来看，根据图2，西藏、陕西、宁夏、上海和广东的综合技术效率指数大于等于1，其余13省市高校综合技术效率指数均小于1。降幅最大的是吉林和黑龙江。在构成综合技术效率变化的二要素中，“一带”地区几乎所有省市高校纯技术效率指数低于规模效率指数，而“一路”地区高校则相反，表明通过提高“一带”地区高校纯技术效率，可以更有效的提高综合技术效率进而提高全要素生产率。

从技术进步变化来看，由图2可知，“一带一路”区域18省市高校中8个省市高校技术进步指数大于1，同时其余省市高校接近于1，说明2012-2017年间，“一带一路”区域高校在技术创新和进步方面表现平稳和较好，没有出现较大下滑现象。

五、结论与建议

（一）研究结论

1.总体来看，2012-2017年间，“一带一路”区域高校科技创新效率整体水平有波动，呈“V”型趋势;“一带”地区高校变动幅度较大，而“一路”地区高校变动较小;纯技术效率是限制高效科技创新效率提升的主要因素。

2.从静态技术角度对“一带一路”区域高效科技创新的分析结果来看，2017年“一带一路”区域三分之一省市高校处于规模报酬递减阶段，冗余投入明显，使得受管理和技术等因素影响的纯技术效率降低，从而滞后了“一带一路”高校科技创新能力的提高。

3.从动态变化角度对“一带一路“区域高效科技创新效率的分析来看”，2012-2017年间“一带一路”区域高效平均全要素生产效率为0.961，但呈“V”型变化走势。这6年间，纯技术效率下降的4.3%和规模效率增长的0.5%共同作用导致了综合技术效率下降的3.7%，而综合技术效率的下降又和技术进步下降0.2%共同导致了“一带一路”区域全体高效平均全要素生产效率下降3.9%，技术进步效率还有待提升。

4.从空间差异角度对“一带一路”区域高效科技创新效率的分析来看，“一路”地区高校综合技术效率高于“一带”地区高校;“一带”地区高校纯技术效率较低是重要原因，因此，在加大科研力量的同时，增强科研管理水平，提升技术进步能力，是提高综合技术效率进而提高全要素生产率的关键所在。

（二）政策建议

针对上述研究结果，提出以下政策建议：

1.“一带一路”区域高校科技创新效率相差较大，提高“一带”地区高校与“一路”地区高校科技创新效率应采用更有针对性的、能够促进区域间协调的科技创新个性化、差异化发展战略;利用“一带一路”倡议互联互通的优势，由“一路”地区高校带动“一带”地区高校科技创新共同进步。

2.注重“以人為本”。加强科研创新人才引进与培养计划，注重人在高校科技创新中的核心地位，不断提升高校科技创新型人力资本的累积水平。

3.提升纯技术效率，优化规模效率。改变盲目追求物质资本投入的发展模式，优化高校科技创新物质资本投入的结构和比例，采取“一带”和“一路”地区高校相对均衡的科技经费分配模式，注重对各类资源要素投入的动态评价，强化科技创新管理，提高科技创新效率。

[参考文献]

[1]Jerry G Thursby，Sukanya Kemp. Growth and productive efficiency of university intellectual property licensing [J]. Research Policy，2002，31（1）.

[2]Assessment Framework for the Evaluation and Prioritization of University Inventions for Licensing and Commercialization[J]. Ahmad D. Rahal，Luis C. Rabelo.  Engineering Management Journal，2006 （4）.

[3]冯光娣，陈佩佩，田金方.Research on Provincial High Education Scientific Research， Efficiency Based on the DEA-Malmquist Indexes Method： Empirical Research on the Panel Data from Thirty-one Provinces%基于DEA-Malmquist方法的中国高校科研效率分析——来自30个省际面板数据的经验研究[J].现代财经：天津财经大学学报，2012（9）：63-75.

[4]李清贤，曲绍卫，齐书宇.教育部直属高校教师科技创新效率研究——基于2007～2011年Malmquist指数法的动态分析%On the Technological Innovation Efficiency for Teachers in Subordinate Universities of Ministry of Education[J].高等工程教育研究，2014（3）：167-171.

[5]王惠，王树乔，李小聪.基于DEA方法的江苏省高校科研效率评价研究[J].科技管理研究，2015，35（7）：92-96.

[6]李忠斌，肖博华.基于PCA-DEA组合模型和Malmquist指数的我国各省区文化产业效率研究（2008-2012年）

[7]中南民族大学学报（自然科学版），2015，34（2）：137-142.

[8]阮红伟，赵西.基于PCA/DEA模型的科技创新效率评价——以山东高校为例[J].东方论坛，2019（3）：94-106.

[9]汪彦，陈悦，曹贤忠，付全胜.上海高校科研创新效率与影响因素实证研究——基于DEA-Tobit模型[J].科技管理研究，2018，38（8）：100-109.

[责任编辑：潘洪志]