广东省科技创新资源配置时空变异测度

张祥宇

（广东省技术经济研究发展中心，广东广州 510070）

科技资源作为科技活动的基础，是创造科技成果、推动经济和社会发展的重要要素集合［1］。科技资源目前已成为区域经济发展的重大战略资源之一［2］。数据显示，到2021 年，广东研发经费投入强度从2015 年的 2.47%提高到 3.14%，全社会R&D投入达3 800 亿元，区域创新能力已连续5 年位居全国首位［3］。《广东省科技创新“十四五”规划》提出，到2025 年广东全社会创新R&D 经费投入年均增长达10%，研发经费投入强度提升到达3.5%左右。面对日益剧增的科技创新资源投入，如何实现资源的合理化配置，确保资源投入能够促进科技产出正向提升显得尤为重要，而因情施策的前提是掌握区域科技资源配置［4］，了解创新资源在时间和空间上分配的变异特征和规律，探究区域科技发展和创新特征［5］。当前，学者们研究创新资源配置效率主要从静态和动态两类方式测度，静态分析方法有如主成分分析法、因子分析法等，以及较多学者使用的由Charnes 等［6］提出的数据包络分析（DEA）模型；为了解决跨期效率动态变化分析的问题，越来越多的学者使用Fare 等［7］提出的 Malmquist 指数方法，如朱丽霞等［8］和郭淑芬等［9］使用该方法分别解析了我国长江中游城市群和31 个省份科技创新资源配置效率及其时空演化特征。广东作为国内创新大省，其科技创新配置状况素来是学者研究的重要内容之一，如宁仕鹏［10］发现在加大对科技创新扶持力度的背景下，广东仍存在科技资源稀缺、配置低效的情况。为了对新时代背景下广东科技创新高质量发展提出可参考建议，摸清“十二五”“十三五”期间广东创新资源在时间和空间上分配的变异特征和规律显得极为重要。因此，本研究采用DEA-Malmquist 模型、空间可视化方法，从静态和动态两个视角剖析广东科技创新资源配置现状、发现问题，并给出有针对性的对策建议。

1 研究方法

1.1 指标选取和数据来源

本研究以R&D 人员全时当量和R&D 经费投入作为科技创新资源投入指标。参考冯海波等［11］做法，以现有专利分类中科技含量最高的发明专利的授权量作为科技知识性产出指标，以技术市场成交额作为科技成果转化产出指标；同时，借鉴范黎波等［12］和周忠民［13］的研究，考虑到政府R&D 投入与产出存在时滞效应，将滞后期定为1 年，即将投入指标时限定为2010—2019 年，产出指标时限定为2011—2020 年。选定并分析“十二五”“十三五”时期广东省内各地市创新投入和产出数据，所有指标数据均来源于广东科技统计网。运用SPSS 26.0 软件对有关指标进行相关性检验，结果表明2011—2020 年广东的R&D 人员、R&D 经费、发明专利授权量和技术市场成交合同金额存在显著相关性（见表1），符合DEA 模型分析要求。

表1 广东省科技创新投入-产出指标相关性分析结果

1.2 模型构建

DEA 模型能够在不提前预设具体生产函数和估计参数的前提下，运用线性规划、运筹学等方法，对具有多个投入和产出指标的决策单元进行相对效率的测算［14］。本研究中，使用DEA 模型计算得出的效率值反映了某一年广东科技创新资源配置效率的相对大小。鉴于广东科技创新水平处于高速发展期，规模不断扩张，科技创新资源配置效率更加遵循规模收益可变，因此采用假定规模报酬可变的BCC 模型来测度静态创新资源配置效率。基本线性规划模型如下：

式（1）中：n为决策单元数量；θ表示不同决策单元的效率值；投入变量向量X=（x1,x2,…,xn）T；产出指标向量Y=（y1,y2,…,yn）T；s-为投入松弛量，s+为产出松弛量。

基本线性规划模型从投入的角度度量各个决策单元的效率，目标函数表示从最小化投入角度的综合效率。综合效率的计算公式如下：

Malmquist 指数模型能够测算各决策单元两个年份之间效率的相对变化，弥补DEA 模型无法直接比较各年的效率变化的不足。另外，Malmquist 指数模型还能对创新资源全要素生产效率的变化量进行分解，来反映创新资源利用效率及其变化的原因［15］。全要素生产效率的计算公式如下：

Malmquist 指数表示如下：

2 广东省的实证分析

2.1 创新资源配置效率的时空变化

从图1 可知，2011—2020 年间广东科技创新资源配置效率以2014 年为关键转折点，呈先降后升的趋势。其中，由2011 年的0.99 逐年降低至2014 年的0.68；随后，2014 年开始逐年攀升至1.00，虽然在2019 年小幅下降至0.97，2020 年回升至1.00。整体上，2011—2020 年广东科技创新综合效率、纯技术效率和规模效率的平均值分别为0.912、0.932 和0.975，规模效率相对处于较高水平，综合效率变化主要依赖纯技术效率。因此，如何优化创新资源的利用能力和整体管理水平，成为广东科技创新资源配置效率提升的关键。

图1 广东省科技创新资源配置效率年度分布

从2014 年开始，广东连续出台深化科技体制改革、实施创新驱动发挥战略的一系列政策，部署实施了系列具体举措，加大科技创新支持力度。随着政策和改革优化举措的落地实施，广东科技创新资源配置和管理能力不断优化，技术能力提升，创新效率提升，并在2018 年和2020 年达到创新综合效率、纯技术效率和规模效率的相对最优状态。因此，必须坚持深化科技体制改革，科学配置科技资源，最大限度地发挥充足资金和资源的作用，促进全省科技创新发展。

基于综合效率，利用自然间断点分级法将广东省内21 个地市划分为低、中低、中、中高、高5 个等级，可视化呈现各市在2011、2016 和2020 年3个时间截面的科技创新资源配置效率（见图2）。可见科技创新资源配置效率高值地市数量呈递增态势，逐步形成“一核两翼”多极协同的创新发展格局。其中，珠三角区域作为全省创新核心发挥引领作用，粤东、粤西城市协同发展构建省内创新发展两翼，基本与广东构建“一核一带一区”区域发展新格局，推动珠三角核心区优化发展，把粤东、粤西打造成新增长极的战略谋划相符。全省在上述3个时间截面的科技创新综合效率为1。其中，深圳市2020 年规模效率有所下降，综合效率也略微降低；珠海市综合效率在2011 年处于中高等级，在2016年和2020 年达到高值状态；佛山市、东莞市、清远市三地的综合效率一直保持中等状态；而汕头市作为粤东中心城市的经济龙头作用不再明显，发展活力逐渐衰退，对生产要素的吸引力逐渐弱化［16］，2011、2016 年的综合效率相对较高，但在2020 年降至中低级；梅州市、汕尾市科技创新资源配置效率改善逐步凸显；云浮市综合效率提升较为明显，呈现逐步提升态势，成为粤西地区科技创新综合效率较高的城市。

图2 广东省各地市科技创新资源配置效率时空变异分布

2.2 科技创新资源配置的效率变动

2011—2020 年间，广东科技创新资源配置效率的全要素生产率变化指数呈上升趋势，年平均涨幅为8.1%，表明科技创新资源配置在不断优化。具体来看，各指数呈每年波动上涨态势。其中，技术效率指数、技术进步指数的年平均涨幅分为2.9%和5.0%，表明技术进步是影响广东科技创新资源配置效率的主要因素。从各年份情况来看，2011、2012、2018 年全省的技术进步效率指数分别下降了5.3%、25.8%和27.0%，技术效率指数分别提升15.0%、15.2%和23.0%，但各阶段的全要素生产效率指数均有显著提升；2015、2016、2017 和2019 年的技术效率指数均呈下滑态势，但技术进步指数得到了不同程度的提升，因此各阶段全要素生产效率指数仍呈上涨趋势，仅在2013 年出现下降，主要原因在于技术效率指数下滑。如图3 所示，技术效率指数与规模效率指数同变化趋势的情况更多，可见广东的科技创新技术效率变化主要受规模效率影响。

图3 广东省科技创新资源配置效率的年度分布

2.3 基于效率指数的资源配置分类

借鉴赵倩石等［17］对耕地利用率类型的划分原则，将科技创新资源配置区域分为4 类，包括全要素生产效率指数小于1 的综合下降型以及全要素生产效率大于1 的综合提高型（技术效率和技术进步均提升）、技术提高型（技术进步提高但技术效率下降）、技术效率提高型（技术效率提升但技术进步下降）。广东省包含综合提高型、技术进步提高型和综合下降型3 种区域（见图4）。

图4 广东省各地市科技创新资源配置水平分布

总体上看，全省有13 个地市科技创新资源配置的各项效率得到较为全面的提升，说明这些地市在“十二五”“十三五”期间的科技创新投入产出结构和体制机制改革成效显著，尤其是云浮市和汕尾市，全要素生产效率分别提升了35.0%和26.5%（见表2）。其中，云浮市的纯技术效率提升最大（17.8%）；汕尾市的规模效率提升最大（15.5%）。

表2 2011—2020 年广东省科技创新资源配置的Malmquist指数及其分解结果

技术进步提高型的4 个地市分别是广州市、深圳市、清远市和茂名市，其全要素生产效率提升主要依赖技术进步。其中，广州市的技术进步指数提升了14.9%，其他指数为1，表明广州市在创新资源投入规模、科技管理等方面经验丰富，已达到合理状态，需要通过创新技术发展提高全要素生产效率；深圳市的科技创新资源投入规模可进一步提升；清远市和茂名市的纯技术效率下降导致技术效率下滑，科技管理水平未能与逐步加大的创新资源投入规模有效配合。

综合下降型的4 个地市分别是汕头市、江门市、湛江市和揭阳市，这些地市科技创新资源配置全要素生产效率降低的根源在于纯技术效率较低，技术进步未能有效消除纯技术效率下滑带来的不利影响。这如同雷彦斌［18］、谭晓东［19］的研究结论，说明在既定的投入或产出水平下，这4 个城市管理水平低下导致其未能很好地实现对现有技术的充分利用。

3 结论与讨论

3.1 研究结论

本研究对广东“十二五”“十三五”期间的科技创新资源在时间和空间上的分配状况进行分析，得到主要结论如下：

（1）静态分析结果显示，广东的科技创新资源配置效率以2014 年为转折点，呈现先降后升的趋势，综合效率变化主要依赖纯技术效率。广东的科技创新体制改革效果显著，随着大量财力、人力等创新资源投入到科技创新活动，同时创新资源利用能力和整体管理水平不断优化，已形成珠三角领衔、粤东西部地区协同发展的“一核两翼”创新发展格局。

（2）从动态视角看，“十二五”“十三五”期间广东的科技创新资源配置效率不断提升，年平均涨幅为8.1%，技术进步、纯技术效率和规模效率的提升均起到正向推动作用，其中技术进步影响更为显著。2011—2020 年，广东省有17 个地市科技创新资源配置效率提升，其中，创新投入产出结构优化和体制机制改革合力推动的综合提高型有13 个，云浮的纯技术效率提升最大（17.8%）、汕尾的规模效率提升最大；以技术进步为主要驱动的技术进步提高型城市包括广州、深圳、清远和茂名；而因纯技术效率负增长导致的综合下降型城市包括汕头、江门、湛江和揭阳。

3.2 讨论与建议

在新时期、新背景下，为保证广东的科技创新发展优势不断扩大，区域创新能力持续提升，广东应坚持深化科技体制改革，持续加大科技创新资源投入规模，同时不断优化创新资源利用水平和管理能力，科学配置科技资源，最大限度地发挥资金资源的作用，促进全省科技创新发展稳步提升。具体建议如下。

（1）完善科技投入机制。坚持人才是第一资源，切实做好人才的“引、育、管、用、服”，培养造就一批具有国际水平的战略科技人才、科技领军人才和创新团队；构建科技资金多元化投入体系，确保科技财政投入稳定、持续，加大全社会基础研究投入力度，强化重点领域关键核心技术攻关，促进科技金融深度融合，高质量推进全链条创新创业孵化育成体系建设，健全科技成果转移转化体系。

（2）加强战略研判，因地制宜，科学统筹区域创新资源配置。强化区域科技资源顶层规划和宏观调控，推进实现区域内科技创新资源自由流动和深度融合，推进各领域创新互促共进。各地市应抓住机遇、应对挑战，注重补短板与锻长板协调统一，如，广州市应保持人才和经费的稳定支持以及管理水平和投入规模的合理，促进科技创新产出和技术水平提升；深圳市则应进一步发挥政策优势，强化政策支持，加大创新资源投入，推动创新资源集聚，盘活和优化配置科技创新资源；汕头市、江门市、湛江市和揭阳市等应努力完善现有管理方法、理念及制度，着手提高科技管理水平，促进科技创新资源合理配置，从而全面提升科技创新资源配置效率。