安徽省科技创新效率及路径优化研究

吴宏伟 ，朱智猛 ，金声琅

(1.淮北师范大学经济与管理学院，安徽 淮北 235000；2.黄山学院旅游学院，安徽 黄山 245000)

0 引 言

随着科学技术的纵深化发展，科技创新能力越来越成为一个国家提升自身国际竞争力的关键因素。党的十九大报告中明确指出，科技创新能力是一国综合国力和社会生产力的重要战略支撑。“十三五”以来，安徽省在创新型省份建设取得重大进展，科技创新实力显著增强，2020年安徽省科技创新综合能力位于全国第八位，连续九年位居全国第一方阵。随着长三角一体化的推进，安徽省积极抓住发展机会，不断发掘自身科技创新潜力，成立了国家级科技创新型试点，建立了“合芜蚌”自主创新综合配套改革试验区，并于2020年9月24日设立安徽自贸区，各项配套政策先后出台，为安徽省科技创新提供良好的政策导向和发展环境。目前学界从不同的层面对科技创新效率进行了大量的研究。在区域研究方面，李芸等[1]分析了全国2009一2017年科技创新效率，发现全要素生产率的变化主要是由于技术效率变动所造成的。吴宏超等[2]研究了“一带一路”沿线省份的科技创新发展情况，认为沿线省份科技创新效率存在空间差异且地区之间的差距在不断缩小。杜赛花等[3]研究了广东省20个地级市的创新孵化能力，发现各个地区发展差异较大。严佳等[4]研究了中关村“一区十六园”的科技创新效率发展情况，认为不同影响因素和不同时间阶段对科技创新效率影响程度不同。在产业研究层面，吴梵等[5]研究认为中国农业科技创新效率很大程度上依赖于农业生态效率。冯俊华等[6]以工业企业为研究对象,认为中国工业企业的生态效率普遍高于科技创新效率。在研究方法层面，李靖等[7]运用随机前沿模型对中国不同地区的科技创新效率进行了实证评价。童纪新等[8]采用灰色关联度分析了江苏省各地区的科技创新效率。韦颜秋等[9]运用DEA-Malmquist指数法测度了不同地区科技创新效率，并用两阶段法分析了影响科技创新的主要因素。范建平等[10]采用了改进三阶段EBM-Windows模型，准确的评价了中国不同区域的科技创新效率。

综上，学界对于科技创新效率的研究大多集中于全国层面和发达地区，对安徽省尤其市一级城市科技创新的研究较少，本文借鉴比较成熟的DEA方法测度安徽省16个地级市科技创新效率和全要素生产率，采用Tobit模型分析影响安徽省科技创新的因素，以期对安徽省科技创新效率提出优化建议。

1 理论模型与指标选取

1.1 BCC模型

假设共有n个DMUj(j=1,2,…,n)，每个DMU都有m种投入和s种产出，分别用xij(xij>0;i=1,2,…,n)代表第j个DMUj的第i种投入量，用yri(yri>0;r=1,2,…,n)代表第i个DMUj的第r种产出量，记Xj=(x1j,x2j,…,xmj)T,Yi=(y1j,y2j,…,ymj)T，引入非阿基米德无穷小量以及投入和产出松弛变量的BCC模型如下所示：

(1)

(2)

1.2 DEA-Malmquist全要素生产率指数法

为了更准确地评价决策单元的时间变化趋势、探求造成这种变化趋势的原因，可运用Malmquist生产率指数做进一步分析。设(Xt,Yt),(Xt+1,Yt+1)分别为t时刻与t+1时刻生产可能集中的投入产出点，则：

M0(xt+1,yt+1,xt,yt)=

(3)

1.3 Tobit模型

Tobit模型是由美国经济学家托宾1958年提出来的，根据归并数据的特征，又称为样本选择模型或受限变量模型，Tobit模型的标准形式如下：

(4)

(5)

其中：yi为潜在因变量向量；xi为自变量向量；β为系数向量；εi为误差项。

1.4 指标选取及数据来源

参考国内外学者指标体系构建的方法，综合考虑了数据的有效性和可获得性，借鉴文献[11-13]的做法，选取R&D经费支出和R&D人员折合全时当量作为投入指标，分别代表财力投入和人力投入。选取专利授权量和发表科技论文数作为产出指标，专利授权量具体反映各地区发明专利、使用新型专利和外观设计专利的授权量，发表科技论文则反映了科研活动的边际贡献。其中财力投入按照朱平芳[14]的方法以2009年为基期进行平减处理，R&D价格指数=(0.45×固定资产投资价格指数)+(0.55×消费价格指数)。具体指标说明如表1所示。

表1 科技创新投入—产出指标选取

2 实证研究

2.1 技术效率的测算

运用DEAP2.1软件测算出安徽省16个地级市2010-2019年技术创新效率，具体指标如表2所示。

表2 2010-2019安徽省技术创新效率值

从测算结果表2可以看出安徽省科技创新存在着较为明显的地区差异。安徽省2010-2019科技创新效率平均值为0.703，自2010年以后呈现出震荡上升状态，16个地级市的科技创新效率的平均值均小于1，其中一半的地级市科技创新效率超过了平均水平，6个地级市技术效率较高(大于等于0.8)。安徽省大部分地级市处于长三角战略规划区域中，能够凭借充足的科技资源、优良的科技创新氛围等区位因素达到较高的技术效率，说明技术效率与现有技术的应用、经济发展水平、人力资源的投入等因素呈现出正向相关关系。合肥市、滁州市、芜湖市等地区处于规模报酬递减状态，合肥市在样本期间最后两年呈现出规模报酬不变状态，这在一定程度上反映了这些地区的科技资源相对充足，在经历了一个发展周期后呈现出饱和状态；淮北市、亳州市、黄山市等地区一直处于规模报酬递增状态，说明这些地区科技创新起步较晚，前期投入少，科技创新规模较小，整体上处于一个规模报酬递增的状态，能够用较小的资源投入获得较大的产出。

2.2 全要素生产率的测算

本文选取了DEA-Malmquist指数进一步研究安徽省各地级市的科技创新的全要素生产率的变动，将全要素生产率变动率tfpch分解为技术效率变动率effch、技术变化变动率techch、纯技术变动率pech和规模效率变动率sech，具体结果见表3和表4。

表3 2010—2019安徽省各年份Malmquist指数分解

从时间维度来看，如表3所示：第一，全要素生产率变动率在2010—2019年的均值为1.046，这说明安徽省科技创新活动的全要素生产率呈小幅增长趋势，10年间增长了4.6%，从分解指数来看，技术效率变动率降低了1.2%，技术进步变动率增长了5.9%，规模效率变动率降低了0.1%，安徽省科技创新活动全要素生产率的变动主要由技术进步引起的。第二，从全要素生产率变动率的趋势来看，一直处在震荡状态，规律不明显。这与科技活动资源投入，资源利用效率和样本期间的经济环境有着具体的联系，在科技活动发展到一定的阶段需要对现有的技术进行完善和突破，这就需要大量的人力物力财力等科技资源的投入，但是资源的投入并不意味着同等规模的产出，往往会出现投入冗余和产出不足的现象，这就会导致在某一特定时期出现全要素生产率变动率的下降。

从空间维度来看，如表4所示：铜陵市、池州市的全要素生产率变动率在样本期间的平均值是小于1 的，分别为0.9和0.907，这主要是由于投入冗余产生的规模效率变动率的下降，从而造成技术转化效率的低下，技术效率和技术进步普遍低于其他城市。在全要素生产率变动率大于1的城市中，亳州市的增幅较大，达到了16.9%，其中技术进步贡献的程度最大，说明亳州市全要素生产率的改善是由于技术进步造成的。除了芜湖市和宣城市的全要素生产率变动率的提升主要是由技术效率贡献的，其他城市主要是由技术进步推动的。大部分城市还处于科技创新活动高速发展阶段，在一定程度上呈现出规模报酬递增的趋势，科研活动需要的物质资源能够得到较为充足的利用，保证了在样本期间全要素生产率变动率的增长。

表4 2010—2019安徽省各地区Malmquist指数分解

2.3 影响因素的研究

一个地区的科技创新效率不仅受到投入产出指标的影响，同时还会受到其他环境的影响，为进一步探讨安徽省科技创新效率的影响因素，本文建立Tobit模型对相关影响因素进行分析。

2.3.1 影响因素指标构建

一般而言，科技创新活动的顺利开展，离不开合理的产业结构、充足的金融资源、先进的技术手段、稳定的政府支持和高质量的城镇化水平。本文在参考相关文献和有关学者的指标构建体系后，选取了工业化水平、金融市场发展水平、外资利用水平、政府支持程度和城镇化水平等指标来分析其对安徽省科技创新的影响程度，指标构建见表5。

表5 安徽省科技创新影响因素表

2.3.2 Tobit回归分析

在进行Tobit回归时，为了使结果更符合实际情况，加入地区和时间虚拟变量作为控制变量到模型中，本文运用Stata15.0软件进行，回归结果如下表所示。

表6 回归结果

2.3.3 Tobit模型回归结果

工业化水平 (X1)对科技创新产生正向显著影响，与预期假设相符。回归结果中，工业化水平对科技创新的影响系数为0.1855，这表明区域工业化进程中离不开大量的科研活动，工业企业是实现科技创新成果的主要场所，也是科研活动开展的主要载体。从产业经济学的理论出发，产业结构会朝着多元化、高级化、合理化发展。安徽省工业化水平影响着产业结构的协调发展，进而影响着科技创新效率。

金融市场发展水平(X2)对科技创新产生正向显著影响，与预期假设相符。金融市场发展水平的提高，为科技创新活动提供了许多便利的条件，有效防范了科研活动由于某一阶段的失败而造成的资金链断开的风险，能够有效的配置科技创新资源，在一定程度上金融市场的资金能够加大对科研活动的投入力度，提高了科技创新效率。

外资利用水平(X3)对科技创新效率产生负向显著影响，与预期假设相符。在短期内，利用外资包括资金、技术、人才、设备等会提高科技创新效率，而且一些技术短板确实需要发达国家的先进技术来弥补；从长期看，如果一味的利用外资或者直接购买专利而不进行自主研发，容易产生对外资的依赖性而降低科技创新效率，不利于科技创新活动的长期发展。

政府支持程度(X4)对科技创新效率产生负向显著影响，与预期假设相反。回归结果中，政府支持程度的影响系数为-0.150 6，这表明加大政府支持程度并不会提高科技创新效率，安徽省科技创新的政策导向并未起到应有的作用，政府资金投入的不平衡导致的挤出效应使得除科研院校之外的其他科技创新主体未能发挥出最优效率。政府资金投入结构不合理，重复投入会导致投入冗余而产出效率低下。

城镇化水平(X5)对科技创新效率产生不显著的正向影响。这主要是由于城镇化水平在影响科技创新的因素中不占主导地位造成的，从系数来看，城镇化水平每提高0.952 5%，科技创新效率会提高1%。

3 结论与政策建议

3.1 结论

从科技创新效率指数的测算来看，安徽省2010—2019年的科技创新效率平均值为0.703，科技创新发展潜力巨大，同时存在着较大的地区差异。全要素生产率变动率均值为1.046，在样本期间处于震荡上升趋势，各地区之间的全要素生产增长有着不同的驱动因素。从全要素生产率变动率及其分解来看，安徽省各地区之间也存在着较大的差异。在所选取的指标中，工业化水平、金融市场发展水平、外资利用水平和政府支持程度产生了显著的影响，城镇化水平影响不显著。

3.2 政策建议

第一，大力培养高素质人才，激发人才创新活力。科学技术是第一生产力，而人才又是生产力中最具有决定性的因素。实施更加开放的人才政策，各级决策单位应积极培养和引进各个领域的高素质、高学历人才。支持本地高校和科研院所的建设，加强基础研究人才培养，减少对外资利用的依赖性，积极开展自主研发活动，在整体上提升科技创效率，提高科技创新能力和创新产出。

第二，加强对科技研究活动的监督管理。加大对科技创新成果的奖励力度，完善失信惩戒机制，对于在科技创新过程中弄虚作假的行为要严厉处罚，肃清科研领域的不正之风。落实国家相关文件的精神，为安徽省科技创新提供有力的保障，优化的科技创新环境必然会加快科学技术进步与发展。

第三，强化企业创新的主体地位。建立政府主导、市场驱动、企业投入为主体，多元化、多渠道、高效率的科技创新体系，加大科技投入和融资力度。积极建设国家级、省级的企业创新中心，为科技创新活动的顺利展开提供良好的平台条件。建立科技企业创新主体机制，各地区、企业、高校、科研院所等机构之间协同创新，提高科技创新效率，加快科技成果的转化。

第四，积极融入长三角一体化进程，充分利用地区间科技创新资源。随着安徽省自贸试验区的建立，为安徽省科技创新提供了新的策源地。“合芜蚌”片区充分利用本地资源在重点领域进行科技创新，打造本地优势科技产业。安徽自贸区积极对接江浙沪自贸试验区，实现地区间自贸区协同发展，推动长三角区域一体化高质量发展。