广东科技创新效率的格局演变与动力机制

吴国栋，温展杰

（1.广东省技术经济研究发展中心，广东广州 510070；2.广东金融学院，广东广州 510521）

科技创新是我国经济发展的重要引擎，也是高质量发展的重要保障。广东作为我国改革开放的前沿阵地，既是我国经济最发达的省份，同时也是科技创新最活跃的地区之一。2006 年以来，广东的科技创新投入逐年提高，R&D 占广东省生产总值(GDP)比重从2006 年的2.2%提高到2019 年的2.8% 。至2020 年，尽管广东省的科技创新能力已连续4 年居全国首位［1］，但仍存在知识原始创造能力短板、区域科技创新高度极化以及地区失衡等问题［2］。高质量经济发展需要高质量科技创新的驱动和引领。创新效率作为衡量科技创新质量的重要指标，可兼顾科技创新投入和科技创新产出［3］。因此，建立一套符合广东省情的科技创新效率定量评估体系，深入研究广东省科技创新发展效率以及时空演变特征与动力机制，同时针对广东省科技创新发展难题提出有针对性的策略，对在当前创新发展格局下进一步保障广东省科技创新质量、协调区域创新发展具有重要的理论价值和现实意义。

1 文献综述

国内外已有学者尝试通过建立数学模型来综合评价科技创新效率。在科技创新效率的时空演化方面，徐维祥等［4］运用TOPSIS 熵权法、空间自相关、趋势面、空间引力模型分析农业科技创新的时空演进特征；李影等［5］利用地理信息系统（GIS）技术探究科技创新效率的空间演变规律。在科技创新效率的动力机制方面，鲁亚运等［6］运用随机前沿模型测算2011—2016 年我国沿海省份海洋科技创新投入产出效率并引入时滞效应分析创新效率的驱动因素；吴淑娟等［7］运用DEA-Malmquist 模型和固定效应回归分析法测量广深科技创新走廊的智能效率并实证其智能效率的来源和影响因素。目前针对广东省科技创新效率的研究，主要集中于科技创新效率的评价以及提升措施，如倪志敏等［8］运用SE-DEA模型对2018 年广东省21 个地市的科技创新效率进行评价，并得出各地市科技创新效率排名，张文龙等［9］分别采用随机前沿生产函数法和核密度估计法评估广东省中医药科技创新的静态效率和动态效率，但是，对广东省科技创新效率的时空演变特征以及与之对应的动力机制缺乏系统性的研究。本研究使用超效率数据包络分析（DEA）模型测度广东省2006—2019 年科技创新效率，并刻画其跨期动态变化特征，在此基础上分析广东省科技创新效率的时空演化发展阶段、发展类型及动力机制，以及测算广东省整体及其各城市科技创新效率。

2 研究方法与数据来源

2.1 研究方法与模型选择

数据包络分析法适用于解决投入与产出相对有效性综合评价的问题［10］。本研究主要采用DEA 模型中的C2R 模型以及超效率DEA 模型。

（1）C2R 模型。对于n个决策单元，每个决策单元有m个输入和s个输出，针对第j0个决策单元进行效率评价的DEA-C2R 模型如式（1）所示：

（2）超效率DEA 模型。在计算效率值时，C2R模型常会出现多个决策单元相对有效的情况，从而无法对有效决策单元进行比较分析。为对多个有效决策单元进行排序，Andersen［11］提出将被测单元排除在参考集之外，使得有效DMU 的效率值可以大于1，而非DEA 有效的决策单元效率值将与C2R 模型的评价结果保持一致，以达到区分有效决策单元的目的，这就是超效率的概念。超效率DEA 模型如式（2）所示：

2.2 指标选取与数据来源

从经济学的角度讲，投入产出效率是成本与收益之间的关系，当成本既定收益大，或成本小时，才实现了投入产出有效。为了测度科技创新效率，须选择相应的投入产出指标及其数据。在投入指标方面，本研究设定资源、劳动力和资本作为3 个基本的投入要素。参考李俊霞等［12］、张鹏等［13］的研究，资源投入指标选取R&D 活动的企业数、地方财政在科学技术支出占财政一般预算支出的比重；劳动力投入指标选取R&D 项目(课题)参加人员折合全时当量（人年）；资本投入指标选取R&D 项目(课题)经费内部支出（万元）和研究与试验发展(RD)经费投入强度。科技创新是指从一种新思想的产生到研究、发展、试制、生产制造直至首次商业化的过程，其中任何一个阶段的产出指标都可作为科技创新产出，主要包含直接产出和间接产出。参考尹洁等［14］、傅春等［15］的研究，采用科技论文发表篇数、有效发明专利数直接衡量科技创新的产出，采用高新技术产品产值和城市技术创新指数间接体现科技创新的产出。

考虑到科技创新投入产出指标数据的可获得性，选取2006—2019 年广东省科技创新的面板数据，数据来源于历年的《中国科技统计年鉴》《广东统计年鉴》《中国城市统计年鉴》《中国高新技术产业统计年鉴》和北京大学企业大数据研究中心编制的城市创新指数。

在科技创新投入转化为产出的过程中存在着滞后效应,即科技创新投入需要一定时间的积累才能转化为科技创新成果，这种滞后效应对于评价科技创新效率的准确性影响较大。为了提高评价的准确性,引入阿尔蒙多项式法，确定广东省科技创新效率中的投入变量与产出变量之间的滞后期大约为1 年，因此对投入与产出数据的对应年份进行处理，当计算第t年的科技创新效率值时，以第t＋1 年的产出为第t年的产出。

3 实证研究

3.1 广东省科技创新效率时空格局演化分析

3.1.1 科技创新效率时间动态演化特征

运用MATLAB 计算得到2006—2019 年广东省科技创新效率，具体结果如表1 所示，可以看出2006—2019 年广东省科技创新效率具有整体性、阶段性、周期性的特征。从整体上看，2006—2019年广东省科技创新效率水平呈现先下降后平稳上升的态势，效率的峰值出现在2008 年，为1.732；效率的谷值出现在2011 年，为0.473。分阶段来看，“十一五”期间属于粗放型发展阶段，呈现倒“V”型变化特征，2007—2008 年科技创新效率值上升了0.605，2008—2009 年科技创新效率值下降了1.181；“十二五”期间属于转型升级阶段，呈现稳步提升的特征，效率值先是从2011 年的0.473 上升到2015年的0.608；“十三五”时期属于可持续发展阶段，呈现波浪式上升的特征，在盘旋中行稳致远；“十三五”期间，效率值从2005 年的0.602 持续增长到2018 年的0.857，2019 年有所回落，为0.667。总体上，2006—2019 年广东省科技创新发展的效率值曲线呈现出曲折性和前进性的统一，体现了一种整体性向前、阶段性波折、峰谷值交替的周期性运动。

表1 广东省科技创新效率

3.1.2 广东省科技创新效率空间格局演化特征

结合2006—2019 年广东省各个城市科技创新效率值，分析“十一五”“十二五”“十三五”期间广东省21 个城市的科技创新效率空间格局分布情况，具体结果如表2 所示。广东省21 个城市的科技创新效率空间格局，“十一五”期间总体呈现珠三角区域表现强劲，效率值沿粤东西北部递减的布局，排名前6 位的城市均属珠三角区域，分别为广州、深圳、东莞、佛山、珠海、江门，粤西地区阳江表现较好，效率值为1.51、排名第7 位，粤东地区潮州表现较好，效率值为1.38、排名第8 位，粤北地区河源表现较好，效率值为1.16、排名11位；“十二五”期间，出现珠三角区域科技创新实力进一步增强，与粤东西北区域差距进一步拉大的景象，广州、深圳、东莞、佛山、珠海依旧保持良好的增长势头，中山、汕头、惠州异军突起；“十三五”期间，湛江、汕尾、阳江异军突起，除了云浮、河源、清远、梅州，其余地区都是呈增长态势，其中广州、深圳、东莞、佛山、珠海依然保持强劲的增长势头，特别是深圳在科技创新方面赶超广州，综合排名第1 位。

表2 2006—2019 年广东省各市科技创新效率空间分布

探寻深圳科技创新高效发展的密码，深圳科技创新实力雄厚，高新技术产业门类齐全，国家级科技创新发展示范区等政策叠加优势明显，这些对于区域内传统产业转型升级和战略性新兴产业发展是千载难逢的绝佳发展机遇。深圳全力打造科技产业矩阵，科技产业结构日趋优化，战略性新兴产业不断壮大，科技创新成为当地经济发展新的增长极。

从城市间科技创新效率演化类型来看，如表3所示，可分为平稳型、上升型和波动型3 种类型。平稳型地区包括韶关、梅州，这两个城市的科技创新效率保持相对平稳状态，波动幅度较小；上升型地区主要是深圳、广州、东莞、佛山、珠海、惠州、湛江、汕尾、肇庆、茂名、揭阳，这些城市一直保持强劲的增长势头；波动型地区包括江门、阳江、汕头、潮州、清远、河源、云浮，其中汕头和潮州地区的波动幅度较大。

表3 2006—2019 年广东省科技创新效率演化类型

表3 （续）

3.2 科技创新效率演化动力机制分析

3.2.1 托宾回归模型

科技创新效率的驱动因素错综复杂，其中投入是驱动产出的首要因素。同时，根据傅春等［15］的研究，政府干预程度和当地的技术水平亦是影响科技创新产出的关键外部因素。因此，本研究以科技创新效率作为因变量，选择劳力投入、资本投入、政府干预程度和技术水平作为自变量（见表4）。托宾（Tobit）回归模型是专门处理因变量受限的模型，模型形式如下：

式（3）中：yit表示测算出来的广东省第i个城市在时间t的科技创新超效率值，i=1,2,...,21，t=2006,2012,...,2019；表示常数项，表示各驱动因素的回归系数；为误差项。

运用Stata 15 软件对广东省2006—2019 年的科技创新效率进行Tobit 回归，结果如表5 所示。在总体上，劳力投入对广东省科技创新效率有负向影响但不显著，资本投入、政府干预程度、技术水平对广东省科技创新效率均有显著的正向影响。分阶段来看，“十一五”期间，劳力投入、资本投入、技术水平对广东省科技创新效率有显著的正向影响，其中资本投入的影响系数为7.75，远大于其他两者；“十二五”期间，劳力投入、资本投入、政府干预程度对广东省科技创新效率有影响但不显著，技术水平对广东省科技创新效率有显著的正向影响，影响系数为11.99；“十三五”期间，劳力投入、资本投入对广东省科技创新效率有影响但不显著，政府干预程度、技术水平对广东省科技创新效率有显著的正向影响，影响系数分别为0.39、0.248。可见，劳力投入、资本投入、政府干预程度、技术水平均对广东省科技创新效率有影响，但影响的方向、影响的程度因阶段而异。

表5 2006—2019 年广东省科技创新效率影响因素的回归结果

3.2.2 科技创新效率演化动力机制分析

Tobit 模型回归结果表明，在不同时期，广东省科技创新效率有不同的驱动因素，且驱动力的大小和方向有所差异。结合2006—2019 年广东省科技发展的时代背景及出台的相关政策，构建广东省科技创新效率演化动力机制，如图1 所示。

图1 广东省科技创新效率演化动力机制

（1）资源型驱动，即资源依赖型的科技发展模式。“十一五”期间，广东省科技进入到快速发展的时期，21 个城市投入大量的人力物力发展科技。2006—2008 年，广东省科技创新效率值持续上升，但这个时期的科技发展对资源禀赋的依赖性较强，粗放型的科技发展模式面临着资源枯竭、环境容量有限、自主创新能力不足等瓶颈的制约，因此2008—2009 年科技创新效率呈现下降的情况。随着可持续发展理念逐步深入人心，2009—2010 年，广东省科技创新效率有了新的转机，劳力投入和资本投入均对科技创新效率有显著的正向影响，可见，影响这一阶段广东省科技创新效率变化的主导因素为资源的利用和投入，但转型升级是资源依赖型地区或产业可持续发展的必然要求。

（2）技术型驱动，即技术驱动型的科技发展模式。罗默［16］的内生增长理论指出，知识、技术和创新是经济增长动力。“十二五”期间，广东省的劳力投入、资本投入、政府干预程度对科技创新效率的影响不显著，但技术水平对科技创新效率有显著的影响，可见，驱动“十二五”时期广东省科技创新效率变化的主导因素为技术水平的发展情况。“十二五”期间，广东省提出了要力争实现创新型广东建设取得重大突破，自主创新能力居全国前列，建成自主创新示范省，初步建成亚太地区重要区域创新中心，走出广东特色的创新驱动发展路子的目标任务，并取得了一些重大的技术突破和重点成果。

（3）政策-技术双驱动双升级，即“双驱动-双升级”的科技发展模式。党的十八届三中全会作出了全面深化改革的重大决定，而党的十八届四中全会将法治建设作为主题，作出全面依法治国的重大决定，由此，改革与法治双轮驱动的新局面展现在历史的舞台。科技发展方面，广东省坚持改革与法治双轮驱动，开创政策法规工作新局面，劳力投入、资本投入对科技创新效率的影响不显著，但政府干预程度、技术水平对科技创新效率有显著的影响，由此可见，“十三五”期间以科技发展政策的革新和法制化为主、技术创新升级为辅的双驱动因素影响着广东省科技创新效率的变化。2017 年广东省印发了《广东省战略性新兴产业发展“十三五”规划》，指出战略性新兴产业代表新一轮科技革命和产业变革的方向，是培育发展新动能，获取未来竞争新优势的关键领域，此后，广东省的科技政策逐步升级，科技发展再上新台阶。

4 研究结论和政策建议

4.1 研究结论

本研究使用超效率DEA 模型测度广东省2006—2019 年科技创新效率，在此基础上对广东省科技创新效率时空演化的特征、阶段、发展类型及动力机制进行了分析，主要结论如下：

（1）从时间序列演化的角度来看，2006—2019年广东省科技创新发展的效率值曲线呈现出曲折性和前进性的统一，体现了一种整体性向前、阶段性波折、峰谷值交替的周期性运动变化规律，可划分为粗放型发展（“十一五”期间）、转型升级（“十二五”期间）、可持续发展（“十三五”期间）3 个阶段。

（2）从空间格局演变的角度来看，整体上区域科技创新发展效率不协调，珠三角区域一枝独秀，粤东西北地区长期处于科技创新发展效率不佳的行列；同时，探寻发现深圳科技创新高速发展主要得益于政策红利叠加释放，打造了比较完整的科技产业矩阵，可供国内其他地区参考借鉴。

（3）从演化类型来看，可将2006—2019 年广东省21 个城市科技创新效率的演变类型划分为3 种，平稳型为韶关、梅州，上升型为深圳、广州、东莞、佛山、珠海、惠州、湛江、汕尾、肇庆、茂名、揭阳，波动型为江门、阳江、汕头、潮州、清远、河源、云浮。

（4）从演化机制来看，可将2006—2019 年广东省科技创新效率演变的动力机制划分为3 种来源：资源驱动（“十一五”期间）、技术驱动（“十二五”期间）、政策和技术双驱动双升级（“十三五”期间）3 种动力机制。

4.2 政策建议

（1）布局城市群科技创新生态圈，缓解极化和失衡问题。区域科技创新高度极化和地区失衡现象是一个协调发展问题，创新高度极化地区会带来房价持续上涨和城市交通拥堵等问题，还会导致劳动者分层问题，即高素质人才倾向于从创新相对落后区向创新相对先进区流动和聚集，最终加剧区域发展的不协调程度。在协调区域科技创新发展上，广东省应该摒弃先极化后扩散的发展思路，通过协同干预、布局以城市群落为核心的科技创新生态圈，圈内竞合互补共赢，来扭转科技创新效率的地区失衡问题，以抵消创新高度极化所带来的消极影响。科技创新效率相对平稳的城市应集中力量，重点扶持一批发展前景好、创新能力强的企业，通过专项财政扶持做好高层次人才的引进、培育、留存，研发经费、人员的精准投入等工作，来催生一波科技创新“杀手锏”的诞生。科技创新效率波动型的城市应先识别影响波动的关键因素，对于阻碍因素予以排除，对于动力因素予以强化。

（2）以多维驱动构建区域科技创新治理体系。政策支持是广东省科技创新发展的重要驱动力，面向“十四五”时期的动力机制，可着手搭建技术、政策、产业、资金多维驱动创新格局，进一步对省级科技计划管理体系进行战略性改革调整，形成科技机构、平台、项目、人才、企业、成果等全方位、多元化的省级科技计划支撑体系，进一步解决科技创新资源分散、重复、低效等问题，提高科技投入效能。通过加快新一轮改革，将省级科技管理部门工作重点由项目管理转到政策研究、规划布局、统筹协调和监督管理上来，实现从科技管理向创新治理，从研发管理向创新服务，从项目管理向协调联动的根本性转变，力争在科技管理体制改革上走在全国前列。发挥两种制度优势，以技术创新链条拉动、金融创新渠道输送，构建立足本省，服务大湾区，辐射南海，放眼全球的区域科技创新治理体系。