国家中心城市建设背景下郑州市科技创新效率研究

段宝娜

摘 要：本文以鄭州市科技创新效率为研究对象，构建科技创新效率投入产出评价指标体系，搜集整理相关指标的面板数据。首先，运用熵权-灰色关联模型对评价指标体系进行处理，然后借助软件DEAP2.1，运用数据包络分析（DEA）法对郑州市与其他国家中心城市的科技创新投入产出效率进行横纵向测算、比较，分析研究对象的综合技术效率、纯技术效率和规模效率的演化过程。结果表明，横向上，2019年，郑州市纯技术效率DEA有效，规模效率非DEA有效，综合技术效率非DEA有效，且与其他国家中心城市相比，效率值最低，科技创新率水平不高;纵向上，2011—2019年，郑州市的科技创新综合效率呈波动趋势，存在资源闲置和产出不足的现象。最后，根据测算结果和实际情况，提出完善政府政策、构建人才培养体系、统筹资金体系、促进科技中介服务体系建设等建议。

关键词：郑州市;熵权-灰色关联模型;DEA方法;科技创新效率

中图分类号：F224文献标识码：A文章编号：1003-5168（2021）06-0154-05

Research on the Efficiency of Scientific and Technological Innovation

in Zhengzhou under the Background of National Central City Construction

——Based on Entropy Weight-gray Correlation Model and DEA Method

DUAN Baona

（Zhengzhou Vocational College of Finance and Taxation，Zhengzhou Henan 450048）

Abstract： In this paper， Zhengzhou science and technology innovation efficiency was taken as the research object， and the input-output evaluation index system of science and technology innovation efficiency was constructed. Firstly， the entropy weight grey correlation model was used to deal with the evaluation index system. Then， with the help of DEAP2.1 software， the input-output efficiency of science and technology innovation of Zhengzhou and other national central cities was calculated and compared horizontally and vertically by using DEA method， and the evolution process of comprehensive technical efficiency， pure technical efficiency and scale efficiency of the research object was analyzed. The results show that horizontally， in 2019， Zhengzhou's pure technical efficiency was DEA effective， scale efficiency was not DEA effective， and comprehensive technical efficiency was not DEA effective. Compared with other national central cities， Zhengzhou's efficiency was the lowest， and the level of scientific and technological innovation rate was not high. Vertically， from 2011 to 2019， Zhengzhou's comprehensive efficiency of scientific and technological innovation showed a fluctuating trend， with idle resources and insufficient output. Finally， according to the calculation results and the actual situation， this paper put forward some suggestions， such as improving the government policy， constructing the talent training system， coordinating the fund system， and promoting the construction of science and technology intermediary service system.

Keywords： Zhengzhou;entropy weight grey correlation model;dea method;efficiency of scientific and technological innovation

科技创新的战略意义在“十四五”规划中被提升到了前所未有的高度，是“十四五”期间的核心政策主线。科技创新正在为经济社会发展增添新的动能和优势，已然成为区域经济社会高质量发展的重要引擎，在新发展阶段发挥着重要作用。因此，更要全面增强科技创新能力，培育发展新动能，提高科技创新效率，加速科技创新成果转化。

科技創新能力和科技创新效率两者是存在交叉但又不完全等同的概念。科技创新效率是衡量科技创新成效的重要标尺，其将科技创新投入和科技创新产出以比值的形式联系在一起，是科技创新能力的综合反映。对区域科技创新效率进行评价，不仅可以优化区域科技资源的配置，而且还能为区域科技创新资源的投入提供导向。因此，科技经费投入是否与科技人力资源相适应，科技创新投入产出是否有效等问题成为政府和学者关注的要点，有必要从投入产出角度对郑州市科技创新效率进行分析和比较，揭示郑州市的综合技术效率、资源配置效率、规模效率和规模收益，并总结其特征，为郑州市制定科技创新政策与相关发展战略和路径选择提供参考依据。

1 指标构建、数据来源及指标预处理

前面的阶段性成果《国家中心城市科技创新能力的监测评价——以郑州市为例》已有成果为：课题组成员遵循指标选取原则，结合已有研究成果，依据研究对象特点，从科技创新环境、科技创新投入、科技创新产出、科技促进经济社会发展四个方面构建了科技创新能力评价指标体系，在此，选择科技创新投入和科技创新产出这两个指标对科技创新效率进行实证研究（见表1）;已完成相关指标数据的搜集整理，并且基于收集的相关指标数据，分别从横向和纵向两个方面对郑州市科技创新能力进行分析，为郑州市科技创新效率评价的展开提供了依据;处理指标的熵权-灰色关联模型已构建完毕，具体操作步骤可参阅阶段性成果一文，本文采用阶段性成果中的熵权-灰色关联模型对7个投入指标和15个产出指标进行处理。

2 方法选取

数据包络分析法（Data Envelopment Analyses，DEA）是一种是一个对多投入、多产出的多个决策单元的效率评价方法。DEA分析法的本质是利用生产前沿面的方法，通过统计数据模型来研究技术进步状况，从而建立指标之间的最优模型，测算决策单元之间的相对效率值，对决策单元的有效性作出评价[1]。该方法常用模型有CCR模型和BCC模型。由于CCR模型对模型中的各决策单元都具有规模不变的要求，本文选用规模收益可变的BCC模型，该模型相比CCR模型更灵活，在DEA-CCR模型的基础上增加约束条件[j=1nλj=1]，得到DEA-BCC模型，基本形式如下：

[minθ-εe′s-+e′s+]                            （1）

[s.t.][j=1nxjλj+s-=θx0j=1nyjλj-s+=y0j=1nλj=1λj≥0，j=1，2，…，ns-≥0，s+≥0]                        （2）

其中，[xj=（x1j，x2j，…，xmj）′]，[yj=（y1j，y2j，…，ymj）′]，分别为[n]个决策单元对应的投入、产出数据;[λj]为投入产出指标的权重系数，[j=1，2，…，n];[θ]表示决策单元DMUj的产出相对于投入的有效利用程度，即效率指数;[ε]即非阿基米德无穷小量;[s-]和[s+]代表松弛变量，表示投入要素和产出要素待调整的量。

DEA模型的导向可以分为投入导向型和产出导向型，本文选择产出导向型的原因在于：一是投入导向型在理论上有一定的参考价值，但这种导向存在许多限制因素;二是投入导向型可以更好地控制决策单元，能很好地用于地区间的效率值比较。

由DEA模型及其性质[2]可知，要求模型投入产出指标数不超过决策单元数的1/2，否则DEA模型将不能准确区分各决策单元间的差异性[3]。因此，对郑州市科技创新效率进行实证分析前，需要先对科技创新投入与科技创新产出指标进行处理。本文先采用熵权-灰色关联模型分别求出科技创新人力投入、科技创新财力投入指标综合得分作为DEA分析的投入指标;然后以同样的方法求出科技创新产出指标综合得分作为DEA分析的产出指标;最终选出2个科技创新投入指标和1个科技创新产出指标作为DEA效率分析的投入-产出指标，计算结果如表2和表3所示。

3 实证研究

3.1 郑州市科技创新效率横向对比分析

3.1.1 模型测算结果。选择9个国家中心城市为决策单元，借助DEAP2.1软件，运用产出导向的、规模报酬可变BBC模型对2019年国家中心城市的科技创新投入产出效率进行测量，对各决策单元的相对效率进行横向比较。其中，BBC模型将综合技术效率（Technical Efficiency，TE）分解为纯技术效率（Pure Technical Efficiency，PTE）和规模效率（Scale Efficiency，SE），并计算各决策单元相应的投入冗余[s-]与产出不足[s+]，计算结果如表4和表5所示。

3.1.2 结果分析。下面从三个角度进行分析。

3.1.2.1 综合技术效率分析。由表4数据可知，2019年，9个国家中心城市的科技创新综合技术效率均值为0.900，整体效率值较高。北京市、天津市、郑州市的效率值相对较低，其他市的效率值都在均值之上。整体来看，各城市间效率值存在一定差距。其中，达到DEA有效的决策单元只有广州市，其他城市都是非DEA有效，占总体研究对象的88.9%。也就是说，只有广州市实现了科技创新投入产出的DEA完全有效，说明广州市在2019年的科技创新投入资源得到充分利用，有效转化为产出。北京市、重庆市、西安市、郑州市综合技术效率非DEA有效完全是由规模无效导致的，天津市、上海市、成都市、武汉市则是由纯技术无效和规模效率无效共同导致的综合技术效率非DEA有效，需要加强对科技创新的投入。

进一步对投入冗余[s-]和产出不足[s+]进行分析。由表5数据可知，综合技术效率DEA有效的广州在2019年投入冗余和产出不足，均为0。天津市、成都市、武汉市三市在科技创新人力投入上有投入冗余，分别是0.006、0.001、0.011，说明在非DEA有效的这三个决策单元上，人力投入未得到充分利用，因此，人力投入可分别减少0.006、0.001、0.011;而科技产出不足项分别为0.053、0.002、0.026，说明科技产出水平都较低，都有待进一步提高。上海市在科技创新财力投入有投入冗余，为0.012，说明在非DEA有效的上海市这一决策单元上，财力投入未得到充分利用，因此财力投入可以减少0.012。

3.1.2.2 纯技术效率分析。纯技术效率值为1的区域在技术上纯粹是有效的，不需要削减投资来维持现有的创新产出。从表4可以发现，北京市、重庆市、西安市、郑州市的纯技术效率为1，且表5数据显示没有投入冗余和产出不足，但规模效率值小于1，意味着这4个城市的科技创新投入产出DEA无效是由单纯的规模无效引起的，也即规模和投入产出资源配置不够合理所致，只有对规模进行优化，方可提高综合技术效率。天津市、上海市、成都市、武汉市科技创新投入产出属于技术无效，这些城市的科技创新投入未能实现充分利用，相关部门需要对科技创新投入要素进行整合，優化资源结构配置来提高纯技术效率。

3.1.2.3 规模效率和规模收益。由表4可知，2019年，广州市的规模效率有效，规模收益不变，意味着科技创新产出以投入增长的比例同步增加。其他城市科技创新的规模效率小于1，即规模效率非DEA有效，其规模收益可能递增，也可能递减[4]。大多数城市处于规模收益递增阶段，也有城市处于规模收益递减。具体来看，北京市和上海市的规模效益递减，意味着投入要素增加一定比例，获得的产出小于该比例，此时的生产是低效率的，如果不改变产出结构，一味地增加要素投入，势必会造成资源浪费。天津市、重庆市、成都市、武汉市、西安市、郑州市的规模效益递增，意味着这些城市的产出是高效率的，此时产出增加的比例高于投入增长的比例，但规模效率值偏小，意味着这些城市的科技创新投入产出规模不合理，通过扩大科技创新投入规模，以实现规模效率提升完全有效。

3.2 郑州市科技创新效率纵向评价

3.2.1 模型测算结果。以上是以国家中心城市2019年数据为依据，分析9地市的科技创新效率，再以郑州市2011—2019年9年间的数据为依据，对其科技创新投入产出效率进行纵向比较分析，并计算相应的投入冗余与产出不足[s-]、[s+]，结果如表6和表7所示。

3.2.2 结果分析。下面从三个角度进行分析。

3.2.2.1 综合技术效率分析。整体来看，在9个决策单元中，有2个决策单元的综合技术效率值为1.000，达到DEA有效，说明郑州市在2015年和2019年的科技创新投入得到充分利用，其规模和结构都是最佳的;其余年份的综合技术效率值小于1.000，非DEA有效，占整体的77.8%。

从具体年份来看，9年间效率水平呈降、升的波动趋势。2011—2012年效率水平下降，之后逐渐上升，直到2015年才达到DEA有效，随后又逐渐下降，并最终于2019年再次达到DEA有效。产生这种趋势的原因可能在于，随着国家中心城市的建设，相关人员逐渐认识到科技创新在推动省会发展上的强劲动力，不断加大科技创新投入力度，但与之相应的科技创新产出相对滞后，导致2012年科技创新效率水平较低，之后科技创新产出水平不断增加，效率水平也随之增长，2015年达到最优。相关统计数据显示，2015年，在科技创新财力指标上的投入较少，进而导致从2016年开始几年内的科技创新产出水平降低，效率也随之降低。之后，随着郑州市科技发展规划的深入执行，科技产出水平得以提升，2019年再次达到科技创新DEA有效。

3.2.2.2 纯技术效率、规模效率分析和规模收益。从表6可以看出，2015年和2019年这两年的纯技术效率和规模收益都为1.000，技术效率和规模效率均DEA有效，意味着这两年的科技创新投入和科技创新产出已经达到最大规模配置状态，而规模收益不变，说明即便继续增加科技创新投入，产出也只能与投入同比例增加;2011年和2014年的纯技术效率为1.000，说明这两年的综合技术效率水平主要受规模的影响;其余年份的纯技术效率和规模效率都小于1.000，说明这些年不仅科技创新投入未得到充分利用，而且科技创新投入的强度也不高，进而导致投入产出的综合技术效率低下。

2015年和2019年的规模收益不变，意味着科技创新投入产出已达到最佳配置状态;2011—2014年、2018年的规模收益递增，意味着这几年的科技创新投入没有发挥最大效用，科技创新投入强度不足，若继续加大科技创新投入，科技创新产出将会以高于投入的比例增加，直至投入产出达到最优状态[5];2016年和2017年的规模收益递减，意味着这两年科技创新产出虽然增加，但产出增加的比例小于投入增长的比例，进而导致科技投入存在冗余或产出不足。

3.2.2.3 松弛因子分析。根据DEA模型理论，DEA有效决策单元的[s-]、[s+]值均为0.000。2015年和2019年是DEA有效的，由表7数据可知，对应的投入冗余和产出不足，均为0.000。综合技术效率非DEA有效的2011年和2014年的松弛变量为0.000，而纯技术效率为1.000，规模效率小于1.000，这两年对纯技术而言没有科技创新投入需要减少，也没有科技创新支出需要增加，而需要对规模进行调整;2012年、2013年和2018年均存在产出不足，收益规模不断扩大，因此，有必要适当增加科技创新投入规模来提高效率;2016年和2017年既有投入冗余又存在产出不足，规模报酬递减，因此，在提高纯技术效率的同时，还要缩小投入规模，逐步实现DEA有效。整体来看，郑州市科技创新投入规模有待提高，投入冗余不多，但利用率较低，导致科技创新产出不足。

4 提高郑州市科技创新效率的政策性建议

为促进郑州市科技创新效率的提升，优化科技创新环境，根据以上实证分析结果，结合郑州市科技创新建设的实际情况，提出相应的对策建议。

4.1 完善政府政策支持体系

一是健全法律法规，优化政策环境，保证政策的公开性和稳定性，使管理者公平执行相关政策，保证政策的协调性和连续性，从根本上保障科技创新工作的顺利进行。政府让渡部分职能给第三方组织，使第三方组织独立行使某些职能的权利，同时加强第三方组织监督管理与质量控制的相关法律法规的配套建设，确保第三方组织有法可依、依法行事。二是在掌握科技创新客观规律的基础上，根据郑州市特点，因地制宜地出台相应的协同创新的政策措施和实施细则，完善科技协同创新的法律法规，促进政策与科技创新主体的契合，从而推动区域科技创新的发展。三是加强企业政策意识。政策制定之后，加强执行和监督，相关部门加大宣传力度并制定培训管理方案，督促企业充分掌握政策，并用好用足支持企业协同创新的政策[6]。

4.2 构建科技创新人才政策体系

创新之道，唯在得人。人才是科技创新的关键因素，首先，建立多元化、多层次、多类型的人才政策体系。一是要重视海外人才的引进，并更加重视本土人才的合理使用;二是大力支持高端人才的同时，稳定支持中端科技人才;三是基础研究人才与科技成果转化人才并用。其次，改善人才评价机制，建立多维度的人才评价标准;构建社会化、多元化人才评价体系;人才梯度培养与科学评价相结合。除此之外，还要制定科技创新人才激励机制。既要重视对领军人才、关键核心人才的个体激励，又要加强对整个团队的激励，维护团队活力和稳定性。

4.3 统筹科技创新资金体系

基于前面的实证结果，科技创新人力投入和财力投入是影响科技创新效率的关键因素，人力投入是影响科技创新效率的主观能动性因素，财力投入则是保证科技创新活动顺利进行的物质前提和基础。一方面政府要提高科技创新资金投入，给予一定的技术引导资金，使科技创新的物质基础与硬件得以保障;另一方面，广辟筹资来源，建立多元化的科技创新资金投入机制，借助金融市场直接或间接融资，支持符合条件的创新型企业通过股权融资、发行债券或运用私募资金等手段从资本市场抑或是通过银行贷款获得资金。除此之外，为保障合理配置资金资源，还要综合考虑科技创新活动的规模效益、现有资源以及发展空间，加强管理资金投入方向。

4.4 促进科技中介服务体系建设

科技中介服务机构是新型科技创新体系的重要组成部分，是科技成果转化以及科技创新活动的催化剂，在科技创新过程中具有不可替代的作用。从郑州市的实际情况出发，积极建设以生产力促进中心、科技企业孵化器、科技资讯和评估机构、大学科技园、工程技术服务中心等为主要形式的科技中介服务体系，逐步建立完善、系统的科技中介法律法规体系，营造支持科技中介机构发展所需的宽松社会环境和市场环境，发挥政府对科技中介服务体系建设的指导作用。要开展多渠道宣传，使各级管理部门充分认识到科技中介服务体系是促进科技成果转化、降低创新风险的重要环节。除此之外，还应加强各种形式科技中介服务机构的内部合作，建立内部信息交流与共享机制，推动建立区域内创新绩效的最优实现形式[7]。

参考文献：

[1]李苏敏.“一带一路”倡议区财政科技投入产出效率评价：基于DEA-BCC模型分析[D].南昌：华东交通大学，2017：1-55.

[2]科埃利.效率与生产率分析引论[M].北京：中国人民大学出版社，2008：86-92.

[3]刘展，屈聪.基于因子分析和DEA模型的科技创新投入产出效率研究：以河南省为例[J].河南科学，2014（10）：2132-2137.

[4]裴玲玲.江蘇省政府科技投入绩效评价研究[D].南京：南京航空航天大学，2011：20.

[5]赵怡，司文晴.基于DEA的工业企业科技投入与创新绩效研究：以山西省为例[J].高等财经教育研究，2013（3）：88-94.

[6]刘志华.区域科技协同创新绩效的评价及提升途径研究[D].长沙：湖南大学，2013：16-17.

[7]彭佑元.科技创新绩效评价理论与实证研究：基于山西省的经验数据[M].北京：经济管理出版社，2017：25.