创新政策与创新水平的时空演变及协调关系

俞立平，沈 洁

（1.浙江工商大学统计与数学学院；2.浙江工商大学统计数据工程技术与应用协同创新中心，浙江杭州 310018）

1 研究背景

自创新驱动发展战略实施以来，我国的科技事业取得了快速发展。据《中国高技术产业统计年鉴》数据，2012 年我国研究与试验发展（R&D）人员投入为324.68 万人，R&D 经费内部支出达10 298.41亿元，高技术产业新产品销售收入为25 571.04 亿元；到2019 年时，我国R&D 人员投入为480.08 万人，R&D 经费内部支出达22 143.58 亿元，高技术产业新产品销售收入达59 164.22 亿元，较2012 年，这3 项指标年平均增长速度分别为5.75%、11.56%、12.73%。虽然我国在创新投入与产出上都有了明显的进步，但与发达的创新型国家相比，我国在制度环境、人力资本、基础设施、创意产出水平等方面仍有较大差距。

创新水平与创新政策对我国经济发展具有重要意义。一方面，增强自主创新能力强调社会各界要重视创新，在实践中坚持创新，以实现在创新水平上的突破；另一方面，破除机制体制障碍着力于完善相关制度、政策以促进创新过程中各生产要素的自由流通，达到优化创新资源配置的目标。创新水平的提高与创新政策的优化是激发科技潜能的重要因素。

创新水平与创新政策的协调问题需要引起足够的重视。一方面，由于经济发展水平、资源禀赋上的差异，我国各地区之间的创新水平存在较大差距。另一方面，我国创新政策的制定存在较多问题：宏观上，政府政策缺乏战略布局，适应于不同创新水平的政策之间并未实现有效更替衔接；微观上，关键政策落实不到位，支持中小企业创新的相关政策不完善，导致多层次市场发展缓慢等，创新政策无益于创新水平的提高。加上我国的行政过程具有权威型配置资源的特征，这也加剧了创新政策与创新水平的不协调。

创新政策及创新水平与创新效率密切相关，规模效率代表创新政策水平，而纯技术效率反映创新水平。一方面，当创新政策不足时，市场的缺陷以及创新的不确定性导致厂商进行创新投入的积极性不高，此时，市场规模的持续扩大会带来更多的产出，处于规模收益递增的阶段；当创新政策制定得当，并发挥出政策应有的效果时，创新市场充满活力，市场规模达到最优状态，处于规模收益不变的阶段，实现规模有效；当创新政策多于实际所需时，又会使创新市场规模过大，出现规模收益递减的现象。因此，从宏观上分析创新投入产出效率时，规模效率代表创新政策。另一方面，创新水平不高时，一定投入下的产出不能达到生产前沿面，也就是未达到技术有效，随着创新水平不断提高，可以获得一定投入下的最大产出，从而实现技术有效，因此纯技术效率代表着创新水平。

研究创新政策与创新水平的协调具有重要意义。在理论上，这一研究为促进我国创新事业发展提供了新的研究角度；其次，可以预见技术创新会逐步取代资本、劳动等传统生产要素，成为推动区域经济增长和共同发展的核心要素，这一研究可以补充区域经济相关理论。在实践中，政府可以基于创新政策与创新水平协调这一要求制定创新政策，有利于创新政策实现“对症下药”，更易实现创新政策的政策目标；其次，创新政策与创新水平的协调有利于各地区培育当地的优势创新产业，充分激发创新活力，促进区域经济的发展；最后，由于创新政策适配于创新水平可以促进创新事业蓬勃发展，因此，二者的协调最终可以促进整体创新水平逐渐提高，缩小各地区之间的创新差距。

2 文献综述

我国不同地区之间的创新效率存在较大差距。王洁等［1］发现我国高技术产业的综合效率整体上缓慢上升，但由东至西呈现出效率递减的特征。罗颖等［2］发现长江经济带上中下游的创新效率可以分为3种类型，创新效率呈现先下降再上升的趋势。冯莎［3］通过超效率数据包络分析（DEA）模型构建说明我国整体创新效率有3 种不同的效率类型，各省份差距显著，大多数地区为低效率地区。乔元波等［4］发现我国东中西部之间的创新效率差距在进一步地拉大。

多数研究发现制约我国创新低效率地区综合效率提高的因素主要是规模效率，如陈伟等［5］、赵树宽等［6］研究发现，制约我国东北地区大中型企业、吉林省高技术企业创新效率提高的主要因素是规模效率低下；胡丽娜［7］认为投入要素结构不合理是制约创新效率提高的重要因素；李刘艳［8］发现我国高新技术企业的技术进步速度快于资源配置的提高速度；陈伟等［9］发现资源配置效率的低下制约了创新效率的提高，我国高新技术产业创新的规模效率较低，与技术效率不匹配。以上研究也在一定程度说明了纯技术效率与规模效率之间存在着不协调的问题。

现有研究发现创新政策确实对创新发展有重要影响，如Guan［10］等利用关系网络系统包络方法量化政策，认为系统化的创新体系能提高我国高新技术产业创新效率；Miguéis 等［11］发现对于同一政策，创新能力强的企业生产效率提升越多；Wang 等［12］研究得出政府创新政策应偏重于具有更高产出的产业的结论；赵晓华［13］认为完善的市场机制尚未建立，政府在创新资源配置中发挥着不容忽视的作用；杨筝［14］发现不确定的经济政策会导致创新资源的错误配置；吴仁水等［15］发现经济政策的外生冲击影响资本在部门间的配置，从而使全要素生产率产生波动；李苗等［16］发现政府补贴可以促进技术扩散、提高资源配置效率；肖建华等［17］发现多数地区的财政政策起着激励企业创新的作用。

从上述研究可以看出，我国的创新效率整体呈现逐年上升的态势，同时存在不同地区之间创新效率差距较大的问题，规模效率与纯技术效率之间存在不平衡，创新政策对创新发展具有重要意义。同时，这些研究也存在着一些不足：第一，大多侧重创新综合效率在空间上分布的差距，很少探究创新纯技术效率与规模效率各自在空间上的差距；第二，实证发现了我国创新的规模效率与纯技术效率之间不平衡的发展现状，但并未对这两者的协调关系进行进一步的探讨；第三，涉及创新政策的研究多为理论分析，较少见实证分析。

在现有研究基础上，本研究以高技术产业为例，通过DEA 模型测算2009—2019 年我国30 个省、自治区、直辖市的规模效率与纯技术效率，以反映各地的创新政策与创新水平；在此基础上，首先通过计算基尼系数衡量不同地区之间在创新政策与创新水平上的差距随时间变化的趋势，其次通过测度耦合度反映不同地区间政策水平与创新水平之间相互作用的强度，并进一步计算耦合协调度以说明两者发展水平的相对高低；最后，通过对规模效率与纯技术效率重心的计算，反映创新政策与创新水平在空间上的分布特征，并通过计算重心偏移一致性反映两者在空间分布上的一致性，从空间演化视角说明二者的协调关系。

3 理论基础与研究方法

3.1 理论基础

本研究的理论基础围绕创新政策与创新水平展开（见图1）。创新政策是政府为促进创新实践产生、传播和运用而制定的一系列公共政策组合［18］。创新政策包含政策的总体目标与实现总体目标采用的工具形式。根据创新政策的目标不同，可以将创新政策划分为供给政策、需求政策以及环境政策。其中，供给政策是为了提升创新主体的创新能力；需求政策是为了创造对创新产出的需求；环境政策则为有效连接创新供给与需求的政策。创新政策的有效制定与实施应灵活利用这3 种类型的政策，从而达到优化创新资源配置、提高规模效率的目的。

图1 创新水平与创新政策协调关系框架

创新水平反映创新主体开展创新活动、进行创新实践的能力，是将创新投入转化为创新产出的能力状况。根据Asheim 等［19］的观点，构成创新系统的主体包含两种类型，一类是主要进行创新的企业及其支撑产业，另一类是制度基础结构，包括科研机构、高等教育机构、技术扩散代理机构、行业协会等。结合我国创新实践的实际情况及提高创新水平的客观要求，与创新水平直接挂钩的主体包括企业、研究机构及高等教育机构，也就是“产学研”三个主体。其中，研究机构与高等教育机构更侧重于基础研究与关键技术的攻克，企业实际上是使创新投入转化为创新产出的更为主要的主体，因此，本研究以企业作为创新的主体。此外，本研究所指创新水平综合体现着技术创新、制度创新、管理创新等。

创新政策与创新水平的协调可以从4 个层次进行解读：

一是创新政策与创新水平的区域协调。理论来源于实践，并指导实践的进一步发展，创新政策来源于各地区的创新实践，并用于指导当地的创新实践，所以不同创新水平的地区应施行不一样的创新政策。创新水平本身受制于各地区产业环境、历史发展，并呈现出当地的特点，可分为低、中、高3类地区，创新政策水平作为显性可控的因素，不同创新水平的地区在制定创新政策时应有不同的侧重点。创新水平低的地区创新能力弱，创新政策应侧重于生产工艺这类不需要强大资金支撑的创新，这类创新对产业链完整度要求低，属于个体的创新，政策应鼓励引导企业、政府、高级院校等创新主体作为个体进行创新；创新水平中等的地区创新能力一般，创新政策可侧重于鼓励发明专利的创新、协同创新，与低水平地区相比，这些地区的创新政策要求创新个体之间的联系加强，对创新主体用于创新的投入有更高的要求；创新水平高的地区创新能力强，创新政策要针对重点领域，鼓励重大创新，实现颠覆式的创新。创新政策与创新水平之间的相互协调、适应可以使各地的创新得到更充分的发展。

二是创新政策与创新水平的强度协调。政策的制定及实施需要耗费人力、物力及财力，考虑到机会成本的存在及社会资源的有限性，如何合理分配这些资源显得尤为重要。在技术创新中，根据创新所需投入及创新所需时间长短，可大致分为3 个部分：第一部分为较简单的技术创新，如对原有技术的改进或与提高生产效率无关的、仅改变产品形态制式的创新，此类创新的投入较少、研发周期较短，所需的政策强度也应较小，只需给予适当的引导鼓励；第二部分为生产技术上的创新，是可大大提高生产效率的创新，它所需资金与研发周期在企业较能接受的范围、收益也是可以预期的，企业自发投入的可能性会较大，因此针对这类创新的政策强度要稍大于第一类，更多地侧重对中小企业的引导与扶持，使其可以注重这类创新；第三部分则是重点领域、基础研究的技术攻克，这类创新所需的研发周期长、投入也较多，这也导致一些企业因无雄厚财力支撑会放弃此类创新，但此类技术一旦实现创新，将给企业和社会都带来巨大收益，因此所需的政策强度较大，需要给予企业足够的资金支持，如税收优惠与专项补贴等，这类政策更多地侧重对大型企业的支持。创新政策对不同强度的技术创新应“对症施药”，才能有效提高政策效率。

三是创新政策与创新水平的产业协调，是指对于专门作用于某一特定产业的创新政策，应与该产业的创新水平相协调。对于产能过剩的、需要转型升级的传统产业，如钢铁产业、纺织产业等，原有的技术已经相对成熟，只有基础研究的突破才能给这类产业带来新的创新活力，而基础研究多为各类高校及研究机构的重点方向，因此，创新政策应侧重于对创新环境的改善，加快构建产学研深度融合的创新体系；而对于朝阳产业、新兴产业，如清洁能源相关产业、信息技术产业等，市场竞争激烈，但这些产业本身就具有技术创新的活力，既是对创新要素需求最高的产业，也是我国在国际竞争中有望取得优势的产业，因此政府的创新政策应加大力度，鼓励、引导、支持相关企业从事创新活动，更好地服务于企业创新、促进产业发展。

四是创新政策与创新水平在中央与地方上的协调。创新政策的制定主体包括中央政府与地方政府，在创新政策的制定中应协调两个主体的合作。中央政府要着力于国家重点战略领域的创新，重点支持、引导具有基础性、前瞻性、公益性的科技创新，着眼于整体布局与创新的可持续发展；地方政府则要着力于扶持区域创新特色产业，加快构建区域创新的服务平台，加强引导产学研的深入融合等，地方政府的政策应着眼于可切实提升区域创新能力的措施上，增加创新产出。虽二者在侧重点上各有不同，但最后政策效果是双方共同作用的结果，因此，本研究测度的创新政策效率是中央政策与地方政策的共同作用效果。

3.2 研究方法

3.2.1 DEA 方法

数据包络分析方法是由Charnes 等［20］于1978年提出，可用于解决多输入多输出的评价决策单元间相对有效性的问题。DEA 模型不受量纲影响，可以衡量评价决策单元的相对有效性，还可以分析导致其无效的原因［21］。DEA 方法最为常用的模型是CCR 模型和BCC 模型。其中，CCR 模型研究规模报酬不变时评价单元的相对有效性；而BCC 模型研究规模报酬可变时评价单元的技术有效性。本研究结合CCR 与BCC 两种模型，将创新的综合效率（TE）划分为纯技术效率（PTE）和规模效率（SE），利用CCR 模型测度综合效率以反映投入的创新要素能否达到最大的经济和社会效益；利用BCC 模型计算纯技术效率以反映创新水平；规模效率通过优化创新资源配置影响产出，反映创新政策，根据综合效率=规模效率X 纯技术效率即可得到规模效率。

3.2.2 基尼系数

基尼系数是用以衡量收入不平等的指标，早期用于收入分配领域，现在已经广泛应用到经济、社会等诸多需要测度差距的领域。

3.2.3 耦合度及耦合协调度

“耦合”这一概念来源于物理学，用以描述两个或两个以上系统间的相互作用。耦合度可用于衡量多个系统之间耦合的程度。耦合的程度将决定系统达到临界点时走向何种序。耦合度模型的表达式为：

通过计算耦合协调度可以反映两系统之间的平衡性、协调性。具体计算公式为：

式（2）（3）中：T为耦合协调度，D为协调度；ω1、ω2分别为为待定参数，通常都取0.5。

3.2.4 重心模型及重心偏移一致性

“重心”这一概念同样来自物理学，基于这一概念构建的重心模型可以更为直观、准确地揭示研究指标在空间上的分布规律及演化特征。重心模型的计算公式为：

通过计算重心偏移距离可以反映效率值在地理上的移动距离，说明效率值在空间分布上的稳定性。重心偏移距离的计算公式为：

式（6）中：P为区域中心的空间偏移距离；t为年份；111.111 为将经纬坐标转移为平面距离的常数。

通过测定纯技术效率与规模效率之间的偏移一致性可以反映两者在空间上的演化是否协调。偏移一致性通过计算两者重心偏移角度差的余弦值来测度。

3.3 数据来源

本研究以高技术产业为研究对象。第一步，确定评价决策单元（DMU），由于西藏和港澳台地区缺失数据较多，评价决策单元确定为我国30 个省、自治区、直辖市；第二步，确定评价指标体系，根据经典的投入产出模型，选取与创新直接相关的劳动与资本投入，即R&D 人员全时当量、R&D 经费内部支出作为投入指标，产出指标确定为高技术产业新产品销售收入。DEA 方法的经验法则要求DMU的个数需超过投入产出指标之和的3 倍，本研究选取的DMU 数量大于投入与产出指标乘积的3 倍，因此具有可行性。数据来源于2010 年至2020 年的《中国科技统计年鉴》。

4 我国创新技术水平与创新政策水平现状

2009—2019 年30 个决策单元创新的纯技术效率、规模效率平均值如图2 所示：第一，规模效率呈现出逐年上升的趋势，纯技术效率略有波动，但总体呈现上升趋势，我国创新技术水平与创新政策有所改善；第二，虽然规模效率与纯技术效率均表现为上升的趋势，但上升趋势都较为平缓，我国创新技术水平与创新政策效果提高速度较为缓慢；第三，规模效率处于高效率的等级，而纯技术效率处于低效率的层次，创新技术水平落后是制约创新综合效率提高的主要因素。

图2 我国30 个省份创新规模效率和纯技术效率的时序演变

创新技术水平与创新政策在空间分布上的差异程度可以通过基尼系数来衡量。基尼系数用于衡量收入分布差距时，人口分布的中间阶层占据60%、两端各占约20%的“橄榄球”结构是较为合理的结构，因此选择0.3～0.4 为创新差距基尼系数的合意值区间。如图3 所示为样本决策单元纯技术效率、规模效率的基尼系数随时间演变的结果：第一，纯技术效率与规模效率的基尼系数都较小，地区差异在合理范围内，各地创新技术水平与创新政策差距并不大；第二，纯技术效率基尼系数和规模效率基尼系数在2010 年有所上升之后开始呈现下降趋势，这种差距的缩小带来的是纯技术效率、规模效率的提高，也就是说创新技术水平的差距与创新政策差距的缩小对各自的发展是有积极作用的；第三，2009年至2019 年，规模效率的基尼系数均小于纯技术效率的基尼系数，说明各地创新政策之间的差距小于创新技术水平之间的差距。

图3 我国30 个省份创新纯技术效率和规模效率基尼系数的时序演变

5 创新技术水平和创新政策水平协调分析

5.1 耦合度及耦合协调度

通过计算纯技术效率与规模效率之间的耦合度可以反映创新技术水平与创新政策之间耦合作用的强度，样本决策单元二者耦合度的平均值按时间顺序如图4 所示：第一，纯技术效率和规模效率的耦合度从2012 年起稳定呈现为上升的趋势，在2019年有略微下降，说明创新技术水平与创新政策水平之间相互作用有所加强，两系统之间的相互作用向有序的方向发展；第二，虽然总体上耦合度呈上升态势，但两系统相互作用的强度并不高，还未达到良性共振耦合的状态，说明创新技术水平和创新政策之间相互作用的有序性还有待进一步发展。

图4 我国30 个省份创新技术水平与创新政策耦合度的时序演变

进一步计算耦合协调度来反映创新技术水平和创新政策两者发展水平的相对高低，以衡量二者的协调情况，30 省份的耦合度协调度平均水平如图5所示，一方面，耦合协调度呈现稳步上升的趋势，但上升幅度较小，说明我国创新技术水平与创新政策之间的协调程度具有缓慢上升的趋势；另一方面，纯技术效率和规模效率耦合协调度在整体上处于高级协调耦合的层次，说明我国创新技术水平与创新政策之间的协调程度总体较好，制约协调程度进一步提高的主要因素是创新技术水平的低下。

图5 我国30 个省份创新技术水平与创新政策耦合协调度的时序演变

进一步分析具体各省份的耦合协调度等级，将结果依据耦合协调度的分类标准进行划分，整理所得见表1。第一，大部分省份的纯技术效率与规模效率处于中级协调耦合和高级协调耦合的层次，说明各省分内部创新技术水平与创新政策之间的协调程度较好。第二，由于协调耦合度反映两系统之间发展水平的相对高低，所以可以结合各省份具体的DEA 结果进行分析：处于初级协调耦合水平的省份为经济发展水平较低的地区，这些地区的创新技术水平和创新政策都处于一个相对较低的水平，但具体分析发现，青海、新疆协调度不高的原因是纯技术效率远高于规模效率，说明这些地方创新效率提高的主要制约因素是创新政策的缺失，进一步完善创新政策的制定与落实在这些地方可以发挥较大的作用；处于中级、高级、优秀协调耦合水平的省份中，除海南省以外的所有省份规模效率均大于纯技术效率，这些地区耦合协调度提高的方向则在于纯技术效率的提高，即加强创新技术水平的提高。

表1 2009—2019 年我国30 个省份创新技术水平与创新政策耦合协调度水平

进一步对处于不同协调水平等级的地区的耦合协调度随时间发展情况进行研究，将其整理如图6所示：处于初级耦合协调水平的省份的耦合协调水平呈现明显的上升趋势，上升幅度较大，近年来已经处于中级协调水平；中高级耦合协调水平的地区协调水平呈现较为缓慢的上升趋势；而处于优秀耦合协调水平的地区的协调水平反而有下降的趋势。

图6 我国30 个省份创新技术水平与创新政策不同协调水平等级地区的耦合协调度时序演变

计算不同耦合水平地区的创新综合效率，结果为：初级协调耦合地区的平均创新综合效率为0.055，中级协调耦合地区的平均创新综合效率为0.089，高级协调耦合地区的平均创新综合效率为0.258，优秀协调耦合地区的平均创新综合效率为0.570。这可以在一定程度上说明创新技术水平和创新政策之间协调度的提高可以促进地区创新效率的提高。

5.2 重心一致性分析

纯技术效率和规模效率在空间上迁移方向的一致性可以反映创新水平和创新政策在空间上的协调程度，样本决策单元纯技术效率和规模效率的重心变化如图7 所示：第一，纯技术效率重心由西南方向往东北方向移动，但重心变化并不大，基本在湖北省境内；规模效率重心由西北方向往东南方向移动，同样重心变化不大，基本处于河南省内；第二，纯技术效率的重心位置与规模效率的重心位置的偏移方向反映了东北地区的创新技术水平提高较快，而东南地区的创新政策所起的作用较大。纯技术效率和规模效率的重心变化都有在东部发展更好的特征，但南北之间发展的侧重点有所不同，南方的创新技术水平较高，北方的政策水平较高，但从其移动方向来看，南北方都在逐渐补足自己的短板，整体的协调水平在提高。

图7 2009—2019 年我国30 个省份创新纯技术效率和规模效率重心的演变

纯技术效率和规模效率重心经纬度的演变仅能分别说明创新技术水平和创新政策在空间上的变化特征，进一步可以计算重心偏移一致性和重心距离以反映二者在空间演变上的协调水平。重心距离可以从绝对水平上反映创新技术水平与创新政策在空间上的协调度，由图8 可以发现，样本决策单元创新的纯技术效率与规模效率重心偏移距离在10 km到40 km 左右，近两年两者的重心偏移距离都有扩大的趋势，说明创新技术水平和创新政策在空间上的分布偏移较大，两者的协调度有所降低。

图8 我国30 个省份创新纯技术效率和规模效率重心偏移距离的演变

计算纯技术效率与规模效率间重心距离的变化可以更为直观地反映二者在空间上协调性的变化，如图9 所示，可以明显地看到样本决策单元二者重心逐年靠近，协调水平显著提高。

图9 我国30 个省份创新纯技术效率与规模效率间重心距离的变化

重心偏移一致性可以从相对水平角度反映二者在空间演变上的协调水平，计算样本决策单元两者重心偏移角度差的余弦值以反映重心偏移一致性，如图10 所示：第一，纯技术效率与规模效率的重心偏移一致性的波动较大，说明创新技术水平与创新政策较好的地区并不能一直保持其相对较高的水平，稍微落后的地区有追上甚至赶超的机会；第二，重心偏移方向一致的年份有6 年，偏移方向不一致的有4 年，而且在近几年较为一致，协调水平有变好的趋势。创新技术水平与创新政策在空间演变上越来越趋同的现象，从一定程度上说明创新能力相对落后的西部地区在创新能力上提升的速度慢于东部地区，创新技术水平与创新政策在空间上协调性的提高对于较为落后的地区来说或许是不利的。

图10 我国30 个省份创新纯技术效率与规模效率重心偏移一致性的演变

6 结论

本研究对2009—2019 年间我国30 个省份的创新技术水平与创新政策的发展和协调状况进行分析，得到结论如下：

（1）创新技术水平低下是制约创新效率提高的关键因素。样本决策单元纯技术效率和规模效率及综合技术效率在总体上呈现上升趋势，这说明我国创新技术水平与创新政策有较好的发展势头；但纯技术效率远远小于规模效率，这说明创新技术水平的落后是制约创新效率提高的关键因素。

（2）创新技术水平和创新政策水平差距逐渐缩小。样本决策单元纯技术效率和规模效率基尼系数均呈现下降趋势，不同地区在创新技术水平上的差距和在创新政策上的差距都逐渐缩小，而且各地创新政策之间的差距小于创新技术水平之间的差距。

（3）创新技术水平与创新政策之间的有序性有待发展。样本决策单元纯技术效率和规模效率的耦合度从2012 年起呈现为稳定上升的趋势，两系统向有序的方向发展但相互作用的强度并不高，未达到良性共振耦合的状态，说明创新技术水平和创新政策之间相互作用的有序性还有待进一步发展。

（4）创新技术水平与创新政策的协调度总体较好但地区差异大。首先，样本决策单元的创新技术水平与创新政策之间的耦合协调度呈现稳步上升的趋势，但上升幅度较小；其次，30 省份纯技术效率和规模效率耦合协调度处于高级协调耦合的层次，说明我国创新技术水平与创新政策之间的协调程度总体较好，制约其进一步发展的主要原因是30 省份平均创新水平的低下；最后，大部分省份纯技术效率与规模效率均处于中级协调耦合和高级协调耦合的层次，说明我国创新技术水平与创新政策之间协调度较好，但不同省份的二者不协调因素有所不同，有各自提升的空间。

（5）创新技术水平与创新政策之间协调度的提高可促进创新效率的提高。样本决策单元处于初级耦合协调水平的省份中，海南、青海、新疆的协调度不高的原因是其纯技术效率远高于规模效率，说明这些地区创新效率提高的主要制约因素是创新技术水平的低下，而甘肃、广西、河北、黑龙江、内蒙古的创新效率提高则受制于创新政策未发挥作用；处于中级协调耦合水平的省份耦合协调度进一步提高的主要着力点则在于纯技术效率的提高。这在一定程度上说明创新技术水平和创新政策之间协调度的提高可以促进地区创新效率的提高。

（6）创新技术水平和创新政策在空间上的协调度呈提高趋势。一方面，样本决策单元两者的重心偏移距离都有缩小的趋势，说明创新技术水平和创新政策在空间上的分布有趋于稳定的倾向；另一方面，二者重心之间的距离逐年缩小，两者的协调度有所提高。其中，重心偏移方向一致的年份有6 年，偏移方向不一致的有4 年，而且在近几年较为一致，协调程度有提高的趋势；但二者在空间上的协调性提高也说明了在创新效率上较为落后的地区与较为领先的地区之间的差距有拉大的趋势。