南京市科技创新投入规模与技术吸收能力对科技创新效率的影响研究

殷子意

(中国人民大学，北京 100872)

0 引言

我国正处于经济发展的创新驱动阶段，各地政府不断加大科技创新的投入，但投入规模扩大并不意味着创新效率的提高。因此，如何界定投入规模、合理配置资源与要素以获得更高的科技创新效率成为各界关注的热点问题。2021年，江苏省政府提出《江苏省“十四五”科技创新规划》，进一步强调了科技创新的重要性，提出建设科技强省、提高创新链整体效能的远景目标。南京市作为江苏省的省会，科技创新效率排名靠前，但相对于苏州、无锡、南通仍有提升空间。本文拟以南京为样本，从科技创新投入规模与技术吸收能力两个维度探讨科技创新效率提升的路径，这对实现城市的可持续发展具有重要的现实意义。

1 文献综述

对科技创新效率的研究始于20世纪50年代，关于其含义取得的共识是将其看作科技创新资源从投入转化为产出的程度[1]。但由于科技创新活动涉及多元变量，科技创新效率的测算方式至今也无统一标准。测度方法主要有以下几种：Liberatore[2]使用的综合评价法和王伟光[3]使用的指数法，在选择衡量指标与分配其权重方面主观自由度较大，客观性不足。胡恩华等[4]使用生产函数法评价了完全竞争市场的科技创新效率，但在评价单期数据等方面存在局限性。Hawdon[5]使用了非参数法，其中数据包络分析法在总体上具有明显优势，被广泛应用于科技效率创新的研究之中。

除了探讨测度效率的方法，Cohen等[6]认为技术吸收能力是企业对新的、外部的技术信息价值的识别、吸收并将其商业化的能力，这一能力在一般情况下对科技创新效率有着正向影响。而刘常勇等[7]认为在吸收外部新知识的同时，还应考虑新知识在企业内部的使用、传播与二次创新。

从研究样本来看，目前关于创新效率的相关研究主要从国家、区域或省级层面出发，且主要集中在分析科技创新的投入规模与产出效率的关系。比如Nasicrowski等[8]比较了45国的创新效率；翟玉鹏等[9]研究了江苏省13个地级市“十一五”至“十二五”期间的科技创新效率；刘汉初等[10]发现中国的科技创新效率总体上由东向西呈递减趋势。基于市级层面的具体研究较少，同时关注科技创新规模与技术吸收能力对科技创新效率影响的研究也尚缺乏。因此本文选取南京市2011—2020年的相关数据，分析科技创新投入规模与技术吸收能力对科技创新效率的影响，为科技创新投入规模的界定提供参考。

2 建模分析

2.1 模型构建

目前,关于评价科技创新效率的研究较广泛使用数据包络分析(DEA)，该分析方法适用于评价多指标投入与多指标产出的情况，本文也将使用DEA法衡量科技创新效率。

DEA将原先评价单一的投入产出工程效率扩展为多投入多产出的决策单元效率方式。DEA有两种模型，其中，CCR模型假设决策单元的规模收益不变，用以计算各决策单元的综合效率。但现实情况中存在的不平等竞争会使某些决策单元不能以最佳规模运行，而通过去除CCR模型的锥性假设得到的新模型BCC，适用于决策单元不以最佳规模运行的情况。DEA法中测算出的综合效率(TE)可分解为两个细分效率：纯技术效率(PE)与规模效率(SE)。纯技术效率是剔除了决策单元规模影响的技术效率，规模效率可衡量决策单元的生产规模是否达到最优。鉴于BCC模型更适用于目前南京规模收益可变的实际情况，本文选择使用BCC模型测算科技创新效率。

假设存在n个决策单元、m种投入变量、p种产出变量，模型为：

约束条件：

λj≥0,j=1,2,…,n；s-≥0,s+≥0

其中：θ为决策单元的有效值；λj为权重系数，∑λj=1；ε为极小正数；x,y为投入产出向量；s-为松弛变量；s+为剩余变量。当规模效率值为1时，决策单元的规模收益不变，即有规模效率；当规模效率值小于1时，决策单元规模无效，但此时不能判断情况为规模报酬递增还是规模报酬递减。假设k为规模收益值：当k=1时，决策单元处于最优规模；当k<1时，规模收益递增；k越小，规模递增趋势越大。

2.2 指标选取

科技创新的投入产出效率反映了研发资源的投入与科技创新成果产出之间的关系，可以作为科技资源配置效率与科技创新产出绩效评价的重要参考指标。本文在市级层面绩效分析中从财力与人力两个主要方面选取了投入指标：全市地方财政科技支出在财政支出中的占比(FEs/FE，%)，R&D人员在从业人员中的占比(HR&D/H，%)。从相关产值与科研成果两个方向选取产出指标：高新技术产业产值(全口径)(YHi-tech，亿元)，发明专利授权(P，件)。

技术吸收能力是一个综合性多维变量，本文从人力资源基础、研发领域的投入程度、产业结构优化程度、研发转化产出能力、技术活动经费分配占比变化等方面选取了指标：R&D人员在从业人员中的占比(HR&D/H，%)，研究与开发机构(R，个)，有R&D活动规模以上工业企业数(ER&D，个)，规模以上工业企业R&D经费占主营业务收入的比例(ER&D/OI，%)，技术合同交易金额(ATC，万元)，高新技术产业产值在规模以上工业总产值中的占比(YHi-tech/YGI，%)，技术改造经费支出(ETT，万元)，消化吸收经费支出(EDA，万元)，购买境内技术经费支出(EPDT，万元)，引进境外技术经费支出(EIFT，万元)。

2.3 南京市科技创新投入规模对科技创新效率的影响

本文使用DEA法测算科技创新效率，以年份作为决策单元建立BCC模型，使用DEAP软件进行分析计算。表1中分别用“irs”“—”“drs”表示规模报酬递增、不变与递减。

表1 南京市2011—2020年科技创新效率值

2018与2020年TE,PE,SE都达到1，DEA有效，这两年的科技创新投入规模可作为最优投入产出的参考,如表1所示。

2011年，2016年，2017年与2019年虽然TE未达到DEA有效，但其PE达到1，表明这些年份在当时的技术水平上科技创新投入的资源效用已得到较好发挥，不需要通过减少其中某项投入以调整投入要素规模间的比例，但科技创新投入的整体规模水平仍需调整。其中，2011年，2016年，2017年的表现为规模报酬递增，表明增加科技创新的财力与人力要素整体投入规模可以提高效率；而2019年的表现为规模报酬递减，则相反。

2012—2015年的TE未达到DEA有效性指标，且PE与SE也都小于1。s-代表投入冗余值，s+代表产出不足值，由表2可知，都存在投入冗余与产出不足的情况，说明这些年份不仅在当时的技术水平上科技创新投入未发挥到最大效用，投入规模比例也并不合理。假设对2012—2015年间的投入规模比例进行调整，则可达到DEA有效，具体调整指标与数值见表2，该数据也可作为今后年份南京市的科技创新投入规模比例参考。

表2 DEA有效科技创新投入产出调整

经DEA有效年份及调整后的数据测算，要保持科技创新效率处于高效水平，南京市地方FEs/FE增速需保持在5%左右，HR&D/H增速需保持在8%左右，地方FEs/FE与HR&D/H之间的比例需保持在1.65～2，需注意的是，该比例呈逐年下降趋势。

从以上数据可以看出，科技创新规模主要受财力与人力两方面影响，因此可以从这两个方面的投入量与相互间比例进行调整。鉴于等量投入在不同环节和领域可以带来不同产出结果[11]，合理引导科研人员的流动、整合人才资源可以提升对区域科技创新效率的作用[12]。因此，在调整投入规模与比例时，可以增加对企业基础技术与关键技术方面的财力投入，给予攻坚关键技术环节的财政补贴，完善人才政策与科研人员的流动管理制度，促进区域科技人才流动的协调发展。

2.4 技术吸收能力对科技创新效率影响的分析

由以上分析可知，南京市2011—2020年科技创新效率部分年份仍处于相对无效率状态，可进一步考察其技术吸收能力对科技创新效率的影响。

首先，使用SPSS软件对技术吸收能力的各项指标与表1得出的综合效率值进行相关性分析，得出皮尔逊相关系数，并进行了双尾检验，结果如表3所示。可以发现，本文所选取的10个技术吸收能力指标除了消化吸收经费支出与购买境内技术经费支出这两个指标与科技创新效率的相关性系数分别为-0.597与-0.393为弱相关，其他指标与科技创新效率的相关系数绝对值均大于0.7，且显著性系数小于0.05，为显著相关。若对显著相关的指标之间进行回归分析，科技创新效率为因变量，其他技术吸收能力指标为自变量，分别进行回归，并进行F检验，结果如表3所示。

表3 相关性分析与线性回归分析结果

从相关性分析结果来看，HR&D/H,R,ER&D,ER&D/OI,ATC,YHi-tech/YGI6个指标均与科技创新效率呈显著正相关，这6个指标分别从人力资源基础、研发机构与企业数量基础、企业研发投入资金规模、企业技术转化为产出的能力以及本地产业结构优化程度几个方面衡量了本地当时的技术吸收能力，技术吸收能力在这些方面的提高与科技创新效率的提升成正比。

结合回归模型，R2都不小于0.586，均可在一定程度上解释科技创新效率，从回归模型系数来看，HR&D/H的因素对效率影响最大，每增加1%，效率增加20.50%；其次是YHi-tech/YGI，每提高1%，效率提升0.80%；ER&D/OI每增加1%，效率可提高0.53%。

而ETT,EIFT,EDA与EPDT与科技创新效率呈负相关，这4个指标是从技术活动经费分配的角度衡量技术吸收能力的。南京市2011—2020年用于消化吸收与技术改造的经费支出总体是购买与引进技术支出的6.9倍，说明技术吸收能力较强[13]。前期学者的研究结果显示消化吸收与技术改造方面的经费与技术吸收能力为正向关系[6]。本文研究结果与其结果的差异原因可进一步通过对相关指标与数据进行分析而获得。

通过进一步分析可发现，鉴于在技术吸收能力的评价指标中，HR&D/H，R、ER&D，ER&D/OI，ATC，YHi-tech/YGI这6个指标都对科技创新效率有明显的正向影响，而降低消化吸收、技术改造、购买引进技术的经费支出才对科技创新效率产生正向影响。本文选取的是2011—2020年的数据，且南京市的人力资源与研发机构数量基础、企业研发投入资金规模、技术转化能力及产业结构优化程度仍在不断提高。虽然引进、吸收外来技术上的活动资金整体相对减少，却未对科技创新效率产生负面影响，且分配于消化吸收、技术改造的经费支出与购买、引进技术支出的比例仍处于高技术吸收水平的分配比例范围内，说明南京市在该时段内技术活动资金与人力的投入和分配是相对合理的。该情况很有可能是由于南京市在2011—2020年间对外来技术的依赖性在减少，而对自主研发的科技创新活动更加关注、成果更加依赖所导致的。

3 结论与建议

综上所述，科技创新效率的提升需要综合考虑科技创新投入规模与技术吸收能力。

科技支出在财政支出中的占比、研发人员在从业人员中的占比增速与两者之间的比例需控制在最优范围内。南京市可利用在长三角的区位优势，完善人才政策与科技人才管理制度，增强区域间科技人才交流，合理调整关键技术攻坚与基础技术投入的比例，提升区域科技创新效率。

从模型结果来看，研发人员在从业人员中的占比、研究与开发机构个数、有研发活动规模以上工业企业数等因素会影响区域内的技术吸收能力。南京市应该结合其高校资源丰富的优势，推进政府与高校间的专项合作，培养更多的研发人员；同时在税收与财政转移支付方面重点向高新技术企业与研发机构倾斜，企业与市场结合推进科技成果转化，由市场实现资源的有效配置。