京津冀科技创新效率评价实证研究

◎文/侯静璇 雷怀英

一、引言

科技创新是社会生产力和综合竞争力的重要战略支撑，也是区域发展赖以生存的支柱和不竭动力。随着《京津冀协同发展规划纲要》的正式颁布实施，京津冀地区成为继“珠三角”“长三角”之后，拉动我国经济增长的第三大核心区域。然而，长期以来京津冀内部在科学、技术以及资源调动能力等方面存在着很大的差异， 严重影响了区域整体科技创新能力的提高。因此，厘清京津冀各地的发展现状，探究如何提高京津冀地区的科技创新效率，对加强区域间的整体规划和工业合作的纵向深化、推动区域协同化进程具有重要的实践价值。

随着区域一体化的发展， 国内学者对区域科技创新能力进行了深入研究。 如王宇运用 DEA 模型， 对2011—2015 年长江经济带11 个省科技创新的综合效率进行了测算。 张荣天选择专利授权量和科技论文发表量作为创新产出指标，构建Tobit 回归模型，定量揭示了城市科技创新效率的影响因素。李旻暾、王莉采用了因子综合评价法， 定量评价了广东省科技创新的综合实力。 李雯基于模糊评价模型，选取2010—2017 年河南省科技创新相关情况作为评估样本， 对这8 年的科技创新政策实施效果进行评价研究。

纵观以往的文献， 国内外学者对区域科技创新能力的研究还处于探索阶段， 目前仍没有一个权威的评价指标体系。 本文在借鉴以往研究成果的基础上， 结合京津冀区域科技投入与产出的实际情况， 科学地构建科技创新效率评价指标体系， 分别测度京津冀地区科技创新的相对效率和综合效率， 并对结果进行分析，力求提出有针对性的对策建议。

二、研究方法

（一）DEA 相对效率测算模型

DEA 是应用数学规划模型计算并比较决策单元之间相对效率的模型。 由于该模型能充分考虑到决策单元本身最优的投入产出方案， 因此更适用于复杂系统的有效性综合评价问题。本文选用DEA 模型处理科技创新多投入多产出的复杂系统问题， 同时不需要确定指标之间相互作用的显性表达式。

首先假设共有n 个决策单元， 且每一个决策单元都是输入向量为 X=（x1，x2，…，xm）T，和输出向量为 Y=（y1，y2，…，ys）T，对于其中任何一个决策单元DMUj，在凸性、锥形、无效性和最小性的公理假设里，其基本公式表示如下：

式 （1） 中：θ 表示评价决策单元的有效值；ε 表示为非阿基米德无穷小量表示产出亏空松弛变量表示投入剩余的松弛变量；X 为投入指标，而Y 为产出指标。

如果θ=1，且S+=S-=0，则说明这个决策单元DEA 有效；

如果 θ=1， 且 S+=S-≠0 则说明这个决策单元弱DEA 有效；

如果θ＜1， 则说明这个决策单元为DEA无效。

（二）Malmquist 指数模型

本文使用Malmquist 指数分析法，利用数学规划模型构造各阶段的生产最佳前沿面，同时把每个决策单元的生产率同最佳实践的前沿面进行比较， 对其效率变化和技术进步进行相关测度。 分析不同时期各个决策单元效率的动态演化规律。

以在t 时期的Tt为参照标准， 从产出的角度分析，Malmquist 指数可以表示为：

同理，以 t+1 时期 Tt+1为参照，Malmquist指数又可以表示为：

为了避免时期选择的随意性导致可能产生的差异， 用上述两式取几何平均值的方法作为衡量t 时期到t+1 时期相关生产率变化的Malmquist 指数。

当Malmquist 指数的值大于1 时，表明在一定的时期内全要素生产率处于增长状态。

同时，Malmquist 指数可以将生产率变化进一步分解成技术效率和前沿面的变化，共两个部分：

另外， 技术效率变化的指数在一定条件下， 还能够进一步分解成纯技术效率指数（PC）和规模效率指数（SC）。

最终，Malmquist 指数的计算公式可以表示为：

第一项表示为规模的效率变化， 第二项表示为纯技术效率的变化， 最后一项表示为技术的变化。

三、指标选取及样本来源

（一）指标体系的构建

建立一套合理的科技创新效率指标，对科技创新综合评价结果的准确性尤为重要。为了保证评价结果的准确性， 本文借鉴了曹贤忠的指标体系设计方法， 并进行了相应的完善和修正。最终，结合京津冀地区的科技投入与产出的实际情况，遵循科学性、可比性、可行性和可操作性的原则， 以现代科技统计理论为指导， 构建了较为合理的区域科技创新能力评价指标。

科技创新效率评价指标由“科技创新投入”和“科技创新产出”两部分聚合而成，科技投入下设人力资源投入、 资金支持两个二级指标， 科技产出指标下设科技成果产出及经济效益两个二级指标， 四个二级指标又由下级的8 个具体指标构成。 各个模块既相互独立又相互联系， 各自形成不同的指标种类， 但同时又紧密相关、 相互制衡，共同组成多维度、宽领域的京津冀科技创新效率评价指标体系。 科技创新效率评价指标具体见表1。

（二）数据来源

文章使用的所有数据均来自 《中国科技统计年鉴》《中国高技术产业统计年鉴》 和中国国家统计局官方网站。 数据来源具有一定的可靠性，为后续的评价结果提供了保障。由于科技研发的周期较长， 当期投入不一定能够转变为当期产出，投入产出具有滞后性，因此在DEA 模型中引入滞后变量，在投入产出研究中，一些学者也使用了滞后变量，其中，肖仁桥将滞后期设置为2 年，王宇、赵文平等将滞后期设置为1 年。参照前人的研究成果，以及考虑数据的可获得性， 本文选择1 年的滞后期，即科技投入变量采用2010—2016 年数据，科技产出变量采用2011—2017 年数据进行测算京津冀各地区的科技创新效率的变动趋势。

四、实证评价

（一）京津冀科技投入产出相对效率的测算与评价

基于产出导向角度，应用C2R 模型，借助于DEAP 2.1 软件分别对北京、天津和河北三个地区科技创新的投入产出进行效率值分析，结果如表2 所示。

表2 京津冀科技创新效率评价结果（2011—2017 年）

其中，综合效率=纯技术效率值×规模效率值，当决策单元的综合效率值为1，地区达到DEA 有效。 反之，综合效率值小于1，为非DEA 有效。

纯技术效率是指管理和技术等因素对创新效率的影响， 其结果衡量的是投入生产的优化是否存在一定的冗余性。 在纯技术效率为1 的情况下， 该区域的总体管理水平是有效的，并且能够获得最大的投入效率。

而规模效率是由于企业规模因素影响的生产效率，衡量的是投入与产出的增加状态，即如果增加投入，产出将会如何变化。一般来说， 被考察单元只有同时达到技术有效和规模有效时，才能称之为综合有效。

表 2 结果表明， 北京在 2011 年、2013年、2014 年、2016 年、2017 年， 天津在 2011年、2017 年， 河北在 2011 年、2012 年、2016年、2017 年的科技创新综合效率、 技术效率和规模效率都是1， 达到DEA 有效状态，且技术有效与规模有效并存， 这说明在这些时间内科技投入和产出之间已经达到了最优状态，不存在产量冗余和生产不足的情况。而其余不同年份的样本单元综合效率小于1，均为DEA 非有效状态。

从纯技术效率来看， 京津冀三地在2011—2017 年间均出现了纯技术效率不足的情况。 如在2015 年，北京地区的纯技术效率为0.979，表明在现有的规模下，该区域管理制度方面仍然有2.1%的提升空间，数据直接反映出北京地区在区域管理、 技术转化能力方面还存在一定的欠缺， 因而需要不断更新完善科技创新体系，实现长期健康发展。

从规模效率来看， 多数年份规模效率是影响综合效率的主要因素。如2014 年河北地区的规模效率只有0.981，属于规模报酬的递增阶段，这表明在现有的规模下，该区域在投入产出方面还有1.9%的提升空间。

从京津冀三地变动趋势来看，2011—2017 年间，北京、天津科技创新综合效率出现“下降—上升—下降—上升”的趋势；河北科技创新综合效率出现 “下降—上升” 的趋势。除北京外，天津和河北的科技创新综合效率波动都比较剧烈。从综合效率来看，京津冀三地的科技创新效率存在不同程度的差异，基本上三个地区都需要不同程度的调整。

虽然模型的解释仅限于模型运用的机理， 但一定程度上反映出京津冀地区整体的科技创新效率在多数年份还存在着区域性差异。 现实中只有针对产生差异的原因进行具体分析，对科技投入量做到稳中有升，保证资源在区域内进行合理地流动， 生产的各个方面有序协调， 才能实现京津冀地区科技创新效率的不断提高。

（二）京津冀科技投入产出综合效率的测算及分析

本文借助于DEAP 2.1 软件，基于产出型导向，对北京、天津和河北三个地区2011—2017 年的科技创新效率的Malmquist 指数进行测算。Malmquist 指数是在与上一年数据进行比较的基础上得出的结果，当效率增长时，其指数结果大于1，反之效率衰减时，指数结果小于1。 最终得到京津冀科技创新的全要素生产率及其分解的结果，如表3 所示。

由表 3 可知， 从总体上看，2011—2017年间的京津冀科技创新效率的Malmquist 指数围绕1 上下波动，出现了两涨两落的趋势，这反映出科技创新效率稳定性较差， 没有出现稳步提升的状态， 而是呈现出周期性的波动。同时，全要素生产率的波动与技术进步效率产生的波动保持一致， 这说明在2011—2017 年京津冀科技创新效率的变化主要依赖于技术进步。

表3 京津冀科技创新效率的Malmquist 指数及其分解结果

从各年度的变化来看，在2016 年之前全要素生产率的波动幅度较大，其中2013 年达到了峰值，全要素生产率大幅上升12.5%，在2014 年达到了最低值，全要素生产率下降了17.1%， 产生这样的原因是2013 年我国大力发展知识产权战略， 于是该年全国的专利申请量实现了同比高度增长， 尤其是北京的专利申请量和授权量再创新高， 实现每万人发明专利拥有量居全国之首，由此造成了2013和2014 年京津冀全要素生产率的大幅变动。而2016 年后全要素生产率趋于稳定，小幅提升4.8%和3.8%， 这说明京津冀科技创新的综合效率呈现出上升趋势， 但是上升幅度还有待提高。

综上所述， 京津冀科技创新的综合效率呈现出上升趋势，主要得益于技术进步，但是上升幅度还有待提高， 同时稳定性较差。 因此， 京津冀区域的科技创新总体上还有着巨大的发展空间和潜力。

五、结论与建议

（一）结论

本文以京津冀区域2011—2017 年的数据为样本， 运用DEA 模型和Malmquist 指数模型， 分别对京津冀区域科技创新的相对效率和综合效率进行了实证研究， 得出了以下结论：

1.京津冀区域内部科技创新效率存在差距，不利于区域总体发展战略的有效实施

从DEA 模型的评价结果中可以看出，在京津冀经济带中，北京在多数年份处于DEA有效， 即科技投入和产出之间已经达到了最优状态，而除去创新效率较优的北京来说，河北和天津在研究阶段内存在着规模效率发展不足或纯技术效率发展不足造成综合效率较低的问题。科技创新效率的不均衡，会使得科技资源向效率较高的区域流动， 不利于区域总体规划战略的实施。

2.科技创新效率总体呈上升趋势，但上升幅度还有待提高

从Malmquist 指数的分析来看， 京津冀地区科技创新效率总体呈现上升状态， 但是上升幅度不高， 同时综合效率出现了两涨两落的趋势， 这说明京津冀区域的科技创新总体上还有着巨大的发展空间。

3.科技创新效率的稳定性较差

随着时间的变迁，无论是三个地区各自的创新效率，还是京津冀区域内的综合效率均没有表现出稳步提升的状态，持续增长的趋势并不明显， 而是呈现出周期性的波动，这反映出三地科技创新的稳定性还有待加强。

（二）建议

基于京津冀地区内部科技创新效率存在差异、科技创新效率总体有待提高，且稳定性差的情况，并结合当前推动区域协同化进程的诉求，京津冀三地在未来应该加强区域间整体规划， 具体来说应该做好以下两点。

1.调整创新资源配置，提高自主创新能力

基于京津冀内部科技创新效率存在差异的现状， 未来应做好区域的整体规划，调整三地的创新资源配置，即在既定的资源投入下，京津冀经济带应该打破行政区域的划分，从全局的角度促进资源在整个区域的合理流动。 发展较好的北京地区应该加强其科技创新效率正向溢出效应，加强跨区域之间的合作。 而天津和河北地区应该利用京津冀一体化的优势，不断提高自主创新和科技应用的能力， 加快产业的技术改造和创新升级。

2.完善创新管理机制，形成区域创新合力

京津冀总体的科技创新效率有待提高且稳定性较差， 说明京津冀的科技创新体制还存在着一定的问题， 没有实现良好的区域创新发展模式。为了解决这样的问题，京津冀应不断完善科技创新管理体制， 力求在有限的资源投入下， 实现整个产业的精益布局。 同时，京津冀也应该充分挖掘和利用各高校、科研院所的技术优势， 构建强有力的产学研合作发展平台，以实现资源的多级高效利用，最终以区域创新合力推动整体创新能力的提高。