资源配置视域下新型研发机构创新发展研究——以江苏省为例

过文浩，李 文

（苏州科技大学商学院，江苏 苏州 215009）

0 引言

近年来，新型研发机构在我国蓬勃发展，是一种以研发需求市场化为目标，多投资主体、组建和运行模式灵活的专门从事研发及其相关活动的新型法人组织。2019年9月12日，科技部发布了《关于促进新型研发机构发展的指导意见》，提到“突出体制机制创新，强化政策引导保障，调动社会各方参与。进一步优化科研力量布局，促进科技成果转移转化，推动科技创新和经济社会发展深度融合。”这一指导意见肯定了新型研发机构在我国经济新常态下的积极作用。

目前，对于江苏省新型研发机构的研究多为定性分析，鲜有从创新资源尤其是创新资源配置角度分析新型研发机构的建设模式和运行效率。那么各市创新资源配置情况如何？其配置效率怎样？对于这些问题的回答有利于进一步把握江苏省区域新型研发机构创新发展的实际情况，发现新型研发机构创新资源配置效率中存在的差异以及差异存在的原因，进而寻找合理配置创新资源，推动地区新型研发机构建设和发展的方法。

1 相关文献回顾

新型研发机构作为研发和市场的黏合剂，受到了学术界的广泛关注。张光宇等［1］基于生态位理论研究认为，新型研发机构的核心竞争力与其地理区位具有较强的相关性。陈良华等［2］发现江苏省各类新型研发机构主要集中在新兴行业，功能上存在重合，产业技术创新发展较不平衡，在建设上呈现明显的区域差异。张凡［3］认为新型研发机构作为区域经济发展新时期产生的新事物，对区域创新效率的提升和经济增长起到了重要的推动作用。罗嘉文等［4］认为新型研发机构有助于创新资源的整合与发展，形成科研梯队。李庆明等［5］则认为新型研发机构在机构功能定位上区别于传统研发机构，不仅开展大量的基础研究和应用研究，还更加关注前沿研究及注重创新成果的产业化。杨诗炜等［6］对相关文献进行整理研究，发现目前关于新型研发机构的研究多以案例分析为主要方法进行定性内容的分析与现状总结，定量分析和实证分析较少。新型研发机构利用有限的创新资源来取得更高的产出，以便获得最大的经济效益和社会效益。在衡量创新资源配置水平上，孙夙鹏［7］认为创新资源配置的效率是实现核心问题的关键，一般也称为创新资源的利用效率，其实质反映了创新系统的投入产出效率。

2 实证分析

2.1 研究方法与理论模型

本文构建考虑规模报酬可变的BCC模型和超效率DEA模型。BCC模型是Banker等［8］提出的一个对固定规模效益模式的DEA分析的拓展，相比传统的CCR模型，它考虑到了可变规模收益，对数据的综合效率分析评价更加完善全面。同时，为了解决多个决策单元效率为1，利用超效率DEA模型对数据进行分析。超效率DEA模型如下：

2.2 数据来源

本文数据主要来自2017年江苏省科学研究与技术开发机构统计年报，部分数据来源于各级政府官方网站上相关文件以及通知，考虑到数据的可获取性，对其中的部分数据进行修正和选取，以确保数据的可靠性和科学性。

2.3 指标确立

新型研发机构创新资源配置效率评价是资源投入与产出综合进行评价的结果。其中，投入是指新型研发机构进行创新活动所需的各类创新资源，包括人力、财力和物力等。产出则考虑其自身所有的属性和特征。因此，通过参考相关文献研究，以及相关数据的可获得性，选取新型研发机构数量、R&D人员、R&D内部经费支出作为投入指标，专利申请授权数、技术服务量和成果转换数作为产出指标，从而来衡量新型研发机构创新资源的配置效率。

2.4 结果显示

利用Deap 2.1软件计算得到江苏省13个城市新型研发机构创新资源投入产出的综合效率、技术效率和规模效率。从综合效率来看，DEA有效的城市分别为南京、无锡、苏州、镇江、南通、扬州、连云港、宿迁等，8个城市的新型研发机构创新资源投入产出规模相对最优。在超效率值中，只有淮安、盐城、徐州3个城市效率值低于1（见表1）。

表1 新型研发机构资源配置效率结果

2.5 结果分析

由表1可知，13个城市的综合效率平均值为0.928，纯技术效率平均值为0.951，规模效率平均值为0.975，DEA有效城市为8个，说明这8个城市新型研发机构资源投入得到充分利用，达到相对最佳产出值。从技术效率来看，5个非DEA有效城市中，纯技术有效的2个，其综合非有效主要是由于规模非有效导致的，说明这2个城市新型研发机构创新资源配置效率的提高应该侧重规模的调整。其中，常州处在规模报酬递减阶段，说明该市创新资源规模相对于其他地市偏大，应该适当减少创新资源规模。而泰州处于规模报酬递增阶段，应进一步增加其创新资源投入规模。在超效率模型下，只有淮安、盐城和徐州的超效率值低于1，由于常州和泰州的技术有效，使得在超效率模型下，综合效率高于1，可见这两座城市的受规模效率影响较小，在可变规模效益下可以达到DEA有效。

2.6 非DEA有效城市投入冗余和产出不足分析

非DEA有效并且技术效率和规模效率均小于1的城市为淮安、盐城和徐州，这3个城市的非DEA有效是由于技术非有效和规模非有效共同导致的。因此，除了依据规模阶段对科研投入规模作相应调整，还要提高技术效率。由表2可见，3个城市在专利申请授权数均没有产出不足的情况，可见各市的新型研发机构在专利产出上十分重视。从数值上不难发现，3个城市在R&D内部经费支出上都存在相对较大的冗余情况，部分经费的投入并没有得到相应的产出，而在R&D人员上，盐城的冗余量最高，可见R&D人员的能力水平参差不齐，这就体现在了技术服务量上存在严重不足。综上可见，江苏省各市之间的创新水平有着一定的差距，应避免基础建设的重复和固定资产投资的过于盲目，同时能够实现不同城市、不同地区产业优势的互补，更能够在区域范围内实现生产资源的优化配置和深度整合［9］。

表2 投入冗余量和产出不足量结果

3 结论和建议

本文构建DEA模型，对江苏省13个地级市新型研发机构的创新资源配置效率进行测度和分析，研究结果不仅有助于深入研究江苏省新型研发机构的发展现状，也对优质、高效地建设新型研发机构具有参考价值和指导意义。

（1）江苏省新型研发机构创新资源配置效率总体较高，平均效率值均超过了0.9，但从区域发展上看，苏南地区整体效率最高，从现实来看，苏南地区整体在区域经济发展上也处于领先位置，说明区域经济发展水平对于新型研发机构的创新资源配置效率有着一定的提升作用。对于苏南地区的城市应避免区域内部的资源浪费，可以与资源相对匮乏的地市进行战略合作，将自身的特色产业输出，而经济发达欠缺的地市因积极出台相关优惠政策，加大引进新型研发机构的力度，优化创新资源配置。

（2）在投入冗余上，R&D内部经费支出冗余的均值较大，这说明新型研发机构在经费支出上有一定的多余使用。不难发现，在创新投入中，资金的投入方式和来源是最为简便的，而对于创新效率的提升却是不显著的。因此，将创新资源投入具有高创新能力的新型研发机构，有利于加强自我造血能力，缓解机构前期受制于政府扶持的窘境，通过收入来反哺新型研发机构的创新投入，促使地区创新资源配置效率不断提高，进一步推动创新驱动发展战略。

（3）在3个DEA无效的城市中，产出指标与目标改进值相差较大，表明产出不足对创新资源配置效率影响较大，其中技术服务量与成果转换数均存在较大不足。而在专利申请授权数上，均不存在产出不足的情况，说明各市在对于专利、知识产权上是比较重视的，但提供技术服务的数量严重不足。因此，在建设新型研发机构时应增加企业的投资比例，提高科研人员在应用研究领域的比例，加强转换高水平基础研究到应用研究的大学和研究机构，扩大技术服务收入，增加孵化企业数量。