知识图谱视角下区域创新效率研究态势与热点分析

张笑一, 关 欣

(1.中国科学院大学 中丹学院，北京 101408； 2.中国科学院大学 公共政策与管理学院，北京 100049)

当今世界新一轮科技革命和产业变革突飞猛进，科技创新在建设社会主义强国和实现中华民族伟大复兴道路上发挥着举足轻重的作用。党的十八大指出科技创新在发展全局中处于核心地位。党的十九大提出到2035年跻身创新型国家前列的战略目标。党的十九届五中全会首次指出科技自立自强是国家发展的战略支撑，随后这一重要论断被写入《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》。由此可见，科技创新是现阶段社会现代化建设进程中的重要任务。

近年来，中国科技创新取得了许多重要成果，但是在基础前沿领域还面临着部分发达国家的技术封锁等问题。科技兴则国家兴，创新强则国家强，科技创新成为现阶段提升综合国力的重要支点。攻坚克难，突破“卡脖子”的核心技术问题成为未来科技创新发展的重要落脚点之一。

“十四五”规划对科学基地和科创中心的建设做出了重要部署，打造以京津冀、长三角、粤港澳大湾区为突出代表的协同创新中心是未来区域发展的重要任务之一。区域科技创新中心成为科技创新的一种重要发展模式，依托中心城市的科技创新带动周边地区的发展，推动产业聚集形成规模化效应，形成“产学研”一体化发展新格局。区域创新效率也随之成为学界研究的热点问题，围绕着创新效率的测算、创新效率的影响因素等主题展开了一系列的研究。本文依托CiteSpace 软件对以区域创新效率为主题的文献进行可视化分析，以研究中国区域创新效率研究的热点，并对其发展趋向进行探索。

1 数据来源与研究方法

1.1 数据来源

样本文献检索方式见表1，样本文献来自中国知网(CNKI)数据库，检索日期和采集日期均为2021年11月20日。在中国知网中采取高级检索的方式，检索主题关键词为“区域创新效率”，文献的期刊来源选择“CSSCI”，初步检索出454条记录。经过人工阅读筛查，未发现与主题不相关的非学术文献，删除一篇重复收录的文献，最终得到了时间跨度为2003—2021年的453条文献的信息数据。在分析前，将数据信息转为 Refworks 格式后导出。

表1 样本文献检索方式

1.2 研究方法

CiteSpace是由陈超美教授及其研究团队应用Java语言开发的一款信息可视化软件，它能够对特定领域文献进行计量并绘制出可视化图谱[1]。研究借助CiteSpace 5.8.R2(64-bit)版本区域创新效率的相关文献进行定量分析。其中，时间跨度选择2003—2021年，时间切片为1，绘制出研究热点图谱，对高频关键词、关键词聚类、关键词时区分布等进行可视化分析。

2 区域创新效率文献统计与分析

2.1 发文量分析

图1展示了2003—2021年CSSCI数据库收录的关于区域创新效率研究发文量情况。发文量在一定程度上可以反映该领域研究不同时期的研究情况，直观地展示该研究领域热度变化，从而为分析该领域研究热点及未来趋向奠定扎实基础。

图1 2003—2021年区域创新效率研究发文量

从图1可以看出，区域创新效率研究发文量整体呈上升趋势，2016—2020年增长速度较快，并在2019年达到高峰(57篇)。区域创新效率研究热度的上升与近年来创新驱动发展战略的实施有着紧密联系。国务院在2015年印发了《中共中央 国务院关于深化体制机制改革加快实施创新驱动发展战略的若干意见》。《中华人民共和国国民经济和社会发展第十三个五年规划纲要》(以下简称“十三五”规划)于2016年审议通过，指出要坚持实施创新驱动发展战略，并对打造区域创新高地做出了重要部署。随着“一带一路”倡议、京津冀协同发展、长江经济带建设的明确，区域创新进入高速发展阶段。这就解释了为什么从2016年开始区域创新效率的发文量增长迅速。2015年4月30日，《京津冀协同发展规划纲要》的出台标志着京津冀协同发展迎来实质发展期。随着京津冀协同发展战略的实施，学界开始了对京津冀区域创新展开研究。在CSSCI数据库中检索主题为“京津冀”+“创新效率”发现，相关文献最早发布于2016年，随后呈现逐渐递增后趋向平稳趋势。2014年的政府工作报告将长江经济带建设确定为国家战略，并在随后的发展中确立了 “一轴、两翼、三极、多点”的新发展格局。在CSSCI数据库中检索主题为“长江经济带”+“创新效率”发现，相关文献最早发布于2016年。在CSSCI数据库中检索主题为“长三角”+“创新效率”发现，相关文献最早发布于2007年，并且在2018年后相关研究呈现快速增长的趋势。可以看出，关于长江三角洲区域创新效率的研究开始得较早，在明确长江经济带发展国家战略后，学术界对于此区域创新效率的研究关注度大大增加，并且研究热度保持至今。粤港澳大湾区于2015年在“一带一路”倡议中首次被正式提出，随后纳入国家“十三五”规划纲要。在CSSCI数据库中检索主题为“粤港澳”+“创新效率”发现，相关文献最早发布于2018年，虽然目前粤港澳大湾区区域创新效率研究相对较少，但是伴随着粤港澳大湾区建设不断推进，学界对于其区域创新效率研究关注度有所提高。

2.2 研究热点聚类分析

关键词往往最能代表一篇文献研究的核心内容。通过对于关键词的出现频次研究，可以获取该领域出现频率较高的关键词，从而帮助捕捉该领域研究热点。表2为2003—2021年区域创新效率相关文献中的高频关键词和高中心性关键词。从表2中可以看出，样本文献中频次和中心性较高的关键词大体上具有一致性，这说明区域创新以及创新效率始终是研究热点的中心。围绕着热点中心，大多数研究基于数据包括分析(data envelopment analysis, DEA)及其演进优化方法来测度技术创新效率，区域创新过程中存在的区域差异问题也是研究关心的热点话题。随着对于生态环境保护重视程度的提高，绿色创新作为新的创新发展思路也受到了广大学者的关注。

表2 2003—2021年样本文献中高频关键词和高中心性关键词

CiteSpace软件可以对样本文献处理生成关键词聚类视图，通过聚类结构特征、关键节点及其连接情况等分析研究中心主题词及其相互关系。CiteSpace提供了两个指标来评判图谱绘制效果，它们分别是模块值( ModularityQ,Q值) 和平均轮廓值(Mean Silhouette,S值)。模块值一般用来衡量聚类网络结构的显著性，当Q值>0.3时，认定聚类结构显著；平均轮廓值一般用来衡量聚类内部节点的相似程度，当S值>0.7时，认定聚类的效率和可信度很高[1]。运用CiteSpace软件中对数似然比算法(Log Likelihood Ratio, LLR)对样本文献进行关键词聚类分析，生成关键词聚类网络，如图2所示。其中，Q值为0.54>0.3，表明关键词聚类网络结构显著；S值为0.85>0.7，表明聚类效率高，可信度较高。可以看到一共生成了10个聚类：#0为区域创新效率，#1为创新效率，#2为三阶段DEA，#3为区域创新，#4为技术创新效率，#5为随机前沿分析，#6为技术创新，#7为数据包络分析，#8为区域差异，#9为SFA。这些聚类显示了2003—2021年区域创新效率的研究热点。首先发现不同聚类之间联系非常紧密，紧紧围绕着区域创新效率这一主题词展开。中心主题词可以拆分为区域创新和创新效率两个分主题词，研究通过测算创新效率来分析区域创新的现状及存在的问题，最终落脚到提出促进区域创新发展的政策建议。创新效率的测算方式主要分为以随机前沿分析(stochastic frontier approach, SFA)为代表参数法和非参数方法以数据包络分析方法为代表的非参数法。SFA一般适用于单一产出情形下的创新效率测算，DEA一般适用于多重产出情形下的创新效率测算。根据区域创新效率研究主题的不同侧重点，学界对于传统DEA模型进行了优化改造，从而衍生出多种DEA复合研究模型。研究发现，区域内个体间创新效率大多存在着较大的差异，这是多方面因素共同作用的结果。针对区域差异，相关研究通过选取不同的数据变量和分析框架模式，实证分析影响区域创新效率差距较大的主导性因素。

图2 样本文献的关键词聚类网络

2.3 研究热点演进分析

为考察区域创新效率研究热点主题的演进过程，利用CiteSpace提供的关键词共现的Time Zone View功能绘制出关键词时区图谱，结果如图3所示。时区图谱展示了关键词首次出现的年份以及关键词间的共现关系。节点的大小代表了关键词出现的频次。节点越大，表明该关键词在所选时间范围内累加出现的频次越大。从图3可以看出，“区域创新效率”“创新效率”“区域创新”“数据包络分析”“区域差异”“高技术产业”“绿色创新效率”是节点较大的关键词。

值得注意的是，2009年研究热点由技术创新转变为科技创新。技术创新最早由经济学家熊彼特提出，随后中国接受并引入了熊彼特经济思想。他认为技术创新是由企业这一主体为了获取更高的利润而进行的经济行为。《现代汉语词典》中对于科技的定义是科学技术。科技创新既包括了科学探索也包括了技术进步。科技创新的主体更加多元化，相较于传统创新主体局限于企业来说，政府、科研院所等研究机构以及公众会参与到科技创新活动中来。科技创新的目标更加多元化，相较于传统技术创新仅仅为了追求利润来说，对于科学知识的探索也成为创新的原动力和目标。同时，随着全球化的日渐深入以及“工业4.0”时代的到来，我们深刻认识到科学技术对综合国力的影响。科技创新在潜移默化中深深影响着人类的生活，在给人类带来便捷的同时，也推动人们进行科学技术的探索创新。从技术创新转变为科技创新，不仅仅是简单的用词替换，这背后体现了科技创新主体多元化发展的趋势，社会公众对于科技创新的关注度以及参与度大大提高，政府加大了对于科技创新工作的重视程度。

当前，绿色创新成为符合时代发展需求的新发展方式，绿色创新效率也成为学界的研究热点。这说明，研究和政策具有相对同步性，政策的出台会吸引学界对于相关地区及领域的深入研究，剖析地区创新发展的既有问题，基于现有政策提出未来可以重点关注以及改进的方面。

图3 样本文献的关键词共现时区图谱

从图3可以看出，“区域差异”这一关键词在2012年开始出现，并逐渐发展成为一个重要研究问题。学界较早就关注到地区间创新发展不平衡不充分的问题，区域差异是由地区间发展不平衡的现状所决定的。伴随着研究的深入，学界开始思考缩小区域差异的对策，区域协同创新成为学界又一关注热点。这说明，研究可以发挥先导性作用，通过发掘现存发展问题，推动相关政策的制定。

通过对关键词时区演进的分析可以发现，区域创新效率研究与相关政策存在着相互作用关系。一方面，文献中热点关键词大多是伴随着时政热点出现的，研究主题热点和相关政策的同步度较高。当国家出台创新发展相关的重大战略及政策时，区域创新以及创新发展路径就会成为研究热点；另一方面，研究可以先于政策提出问题，发掘出区域创新的新思路和新路径，为政策的出台提供理论和研究支撑。

2.4 研究前沿探测分析

CiteSpace中突现词(burst term)功能的使用有利于分析研究热点的演变以及探测研究前沿。图4展示了2003—2021年区域创新效率突现词的变化。从图中可以看出，2007—2011年首先集中发表以数据包络分析、区域创新系统、区域创新为主题的文献；2012—2017年，研究主题集中于区域差异；2017—2021年，绿色创新效率和区域创新效率成为较为集中的研究热点。

区域创新作为研究的中心问题以及最终目标，是强度最大的突现词。效率作为测度区域创新能力以及区域创新发展水平的核心指标，自然成为研究区域创新的热点问题。立足于创新效率的测度，如何使测算出来的数据更加贴近现实，成为学界关注的另一热点问题。研究文献一般通过改变指标体系和研究方法模型来提升创新效率测度的真实性和科学性。从图4可以看出，数据包络分析从2007年开始成为突现词，作为测算创新效率的主要研究工具，经过不断创新衍生出多种模型用于测度不同侧面的效率值。2011年之前，研究的中心落在区域创新系统，创新系统的范式以及国外创新发展的经验成为文献的研究热点。2017年开始，随着经济发展质量的提升，绿色创新进入研究者视野，如何在提升创新效率的基础上做到更加绿色环保成为研究热点。这与中国经济由粗放式发展转为集约型发展相对应。随着国家区域发展重大战略的深化实施，区域创新效率成为强度仅次于效率的突现词。粤港澳大湾区的建设作为国家重大发展战略之一，也推动了学者对于该区域创新效率的研究。绿色创新效率与区域创新效率两个突现词延续到2021年，说明在未来的研究中，该突现词仍将是研究热点。

图4 2003—2021年前7位突现关键词

3 区域创新效率的测度方法

参数法和非参数法是现阶段测算创新效率的主要研究方法。随机前沿分析(stochastic frontier analysis, SFA)、自由分布(distribution free approach, DFA)和厚边界分析(thick frontier analysis, TFA)是参数法主要的分析工具。非参数法主要包括数据包络分析(data envelopment analysis,DEA)和自由处置法(free disposal hull, FDH)两种分析技术[2]。现阶段区域创新相关研究多选用随机前沿分析和数据包络分析作为研究方法。

3.1 随机前沿分析

随机前沿分析的理论最初由Aigner、Lover、Schmidt[3]以及Meeusen、Van den Broeck[4]提出。Nishinizu和Page[5]首次提出将全要素生产率的增长分解成前沿技术变化和相对前沿技术效率的变化。随后，此方法在全要素生产率的测算研究中得到广泛应用[6]。在知网中选取使用该方法测算创新效率的5篇高被引文献进行分析，选取的文献见表3。

表3 使用SFA模型的高被引文献

白俊红、江可申和李婧[7]运用超越对数随机前沿模型测算了1998—2008年中国30个省、市、自治区的基于发明专利授权量为产出的区域研发创新效率。研究发现，区域内主体间联结关系较弱导致了区域创新效率较低。李习保[8]基于1998—2006年样本数据，运用随机前沿模型分别测算了中国30个省、市、自治区基于发明专利授权量和基于职务发明专利的创新产出绩效，并实证分析了环境因素对于区域创新效率的影响。研究发现，滞后期设置产生的影响不大，职务发明专利投入产出效率更高，教育投入和政府重视程度是影响区域创新效率的主要因素。史修松、赵曙东和吴福象[9]运用随机前沿模型，分别以专利受理数和以新产品销售收入作为衡量创新产出的指标，测算了1996—2005年中国31个省、市、自治区的区域创新效率。研究发现，研发经费投入比人力资本更能推动区域创新效率的提升，专利的产出效率比新产品更高，从而找到了提升中国区域创新效率的两大抓手。李习保[10]运用随机前沿模型测算了1998—2005年中国30个省、市、自治区基于职务发明专利为产出的创新效率，并实证分析了区域创新效率差异较大的影响因素。研究发现，区域创新系统的组织架构会对其效率值产生显著影响，创新效率在一定程度上反映了区域创新能力。张宗益、周勇、钱灿和赖德林[11]在国内首次将随机前沿模型引入区域创新效率测算领域，对1998—2003年中国31个省、市、自治区的区域技术创新效率进行了测算。研究发现，中国区域技术创新效率呈上升趋势，但整体水平较低；区域间技术创新效率差异较大，这是中国区域创新起步较晚、自主创新能力薄弱、对外开放程度不高、产业结构失调、体制改革尚未完全成型和人力资本投资不足等多方面因素共同作用的结果。

3.2 数据包络分析

数据包络分析方法是测度同类型决策单元(decision making unit, DMU) 相对效率最为常用的方法之一[12]。通过数学规划模型的使用，DEA多用来评价多重投入和产出间DMU的相对有效性。

3.2.1 DEA-CCR模型

著名运筹学家Chames、Cooper和Rhode[13]于1978年首先提出了DEA的第一个模型——CCR模型。DEA的CCR模型可以评价规模和技术有效性。CCR模型作为较为基础的传统模型，限制了规模报酬不可变，其在区域创新效率研究方面涉及相对较少。

3.2.2 DEA-BCC模型

Banker、Charnes和Cooper[14]放宽了固定规模报酬的假设, 在原CCR模型中增加了一个约束条件，推出了可变规模报酬下的BCC模型。BCC模型可从投入角度和产出角度两个方面测度分析相对效率[15]。在知网中选取使用该方法测算创新效率的3篇高被引文献进行分析，选取的文献见表4。

表4 使用DEA-BCC模型的高被引文献

何亚琼、秦沛和苏竣[16]分别运用CCR模型与BCC模型测算了中国31个省、市、自治区域创新能力增长效率，并对这两种模型的适用性进行了比较。研究发现，BCC模型能够克服CCR模型在计算简单增长率时的缺陷，更加适合用来测算区域创新能力增长效率。崔志新和陈耀[17]运用BCC模型测算了2006—2016年京津冀和长三角这两个区域的技术协同创新静态效率。研究发现，国家区域发展和创新发展战略对区域协同创新发展起到了促进作用;区域差异是制约京津冀和长三角区域创新静态效率的主要因素;长三技术协同创新效率高于京津冀地区，二者之间的差距在逐步缩小。徐小阳和赵喜仓[15]运用BCC模型测算了中国31个省、市、自治区的创新效率。研究发现，区域创新效率呈东中西部递减趋势，区域创新效率与经济发展水平之间无明显的正向关系。

参考知网检索结果，单独使用DEA-BCC方法的研究文献相对较少，DEA-BCC方法常和DEA-Malmquist方法搭配使用，以综合分析区域创新静态和动态效率变化情况。

3.2.3 DEA-Malmquist

Malmquist模型可以用来展示不同阶段DMU效率演化情况。通过对Malmquist生产率指数的分解得出DMU不同侧面效率值的变化，常见分解方式的有：①技术效率和技术进步的变化；②技术效率和资源配置效率的变化；③纯技术效率、规模效率和技术进步的变化。在知网中选取使用该方法测算创新效率的5篇高被引文献进行分析，选取的文献见表5。

表5 使用DEA-Malmquist模型的高被引文献

孙伍琴和朱顺林[18]将Malmquist指数分解为技术效率和技术进步率指数，测算了2001—2004年中国23个省、市、自治区金融体系对技术创新的促进效率变动趋势。研究发现，金融体系对于技术创新的促进作用呈现出逐年增强的趋势。徐小钦、黄馨和梁彭勇[19]将Malmquist分解为资源配置率和技术变化率指数，对2003—2007年重庆市大中型企业、科研院所和高校的区域创新效率变动趋势进行了测算。研究发现，大中型企业、科研院所和高校的全要素生产率均呈现出上升趋势，技术进步是导致重庆市区域创新效率提高的主要因素，从而给出了应首要进行制度和管理创新的政策建议。叶丹和黄庆华[20]将Malmquist指数分解为技术进步变化指数和技术效率变化指数，测算了2005—2014年中国28个省、市、自治区高技术产业的创新效率。研究发现，中国高技术产业创新效率存在区域差距较大的问题，中、西部区域创新效率呈阶段性增长，而东部地区创新效率有所下降。袁鹏、陈圻和胡荣[21]将Malmquist指数分解为技术效率、技术进步、纯技术效率和规模效率指数，测算了1998—2002年中国30个省、市、自治区的区域创新效率动态变化情况。研究发现，中国区域创新效率在不断改善，东部地区的创新效率高于中、西部地区，但差距在逐渐缩小。纯技术效率的提升带动了技术进步，使得区域创新效率大幅提升。李培哲、菅利荣和刘勇[22]将Malmquist指数分解为技术效率、技术进步、纯技术效率和规模效率指数，测算了2009—2016年中国28个省、市、自治区高技术产业的创新效率动态变化情况。研究发现，中国高技术产业创新效率逐步提升，增幅由中部向西部和东部递减。全要素生产率的变动主要是由技术效率所主导的。

综合以DEA-Malmquist为研究方法的创新效率动态研究，技术进步是推动中国科技创新效率提升的主导因素，创新效率呈阶段性增长态势。中国技术进步和资源配置效率大多情况下难以实现同步增长，在技术进步促进创新效率的同时，资源配置的下降会对创新效率产生不利影响。

3.2.4 DEA-Tobit两步法

为了解决DEA模型中最小二乘法回归模型下参数估计值偏向于0的问题，引入Tobit模型回归分析各种影响因素对效率值的影响程度[23]。DEA-Tobit两步法是在DEA测算的创新效率值的基础上引入Tobit模型回归分析区域创新效率的影响因素。在知网中选取使用该方法测算创新效率的5篇高被引文献进行分析，选取的文献见表6。

表6 使用DEA-Tobit两步法的高被引文献

白俊红、江可申、李婧和李佳[24]运用DEA-Tobit方法分析环境要素对于中国30个省、市、自治区区域创新效率的影响。研究发现，提高劳动者素质有利于区域创新效率的进步，其中教育投资力度发挥着重要作用，人均受教育年限的影响不显著；创新水平与区域创新效率呈负相关关系，其中民营科技企业增长率对区域创新效率有显著负向影响，高技术企业增长率的影响不显著；基础设施、市场环境、金融环境在一定程度会制约区域创新效率的提升。孟卫东和王清[23]运用DEA-Tobit方法分析环境要素对于中国30个省、市、自治区科技资源配置效率的影响。研究发现，区域开放程度、高技术产业发展和科技机构在人力投入上的增加和企业对科技创新的支持力度对于区域科技资源配置效率有显著的正向影响，区域科技资源配置效率与区域科技资源配置效率呈显著的负向关系，产学研结合水平、政府科技投入水平以及科技机构数目这2个要素对区域科技资源配置效率的影响不显著。于晓宇和谢富纪[25]运用DEA-Tobit方法分析环境要素对于上海市区域创新系统内资源配置效率的影响方向和影响程度。研究发现，GDP、常住人口数和文盲率这3个环境因素对规模效率值的影响不显著，常住人口数量与GDP这两个环境因素与技术效率值呈显著负相关关系。常住人口数量和GDP对资源配置效率的影响视具体情况而定。根据新技术的开发与商业化存在规模效益递减的规律，基础研究的发展水平是制约区域创新系统效率的主导性因素。关祥勇和王正斌[26]运用DEA-Tobit方法分析创新环境对于中国30个省、市、自治区区域创新效率的影响。研究发现，劳动者素质、创业水平对于区域创新起到显著促进作用，金融环境与区域创新效率呈显著的负相关关系，基础设施、市场环境对区域创新效率的影响不显著。芮雪琴、李亚男和牛冲槐[27]运用DEA-Tobit方法分析科技人才聚集的区域演化对于中国30个省、市、自治区区域创新效率值的影响。研究发现，中国区域创新效率整体水平不高，科技人才聚集强度与聚集均衡度对区域创新效率具有显著的积极影响，目前中国科技人才聚集规模与区域创新效率呈负相关关系。

3.2.5 三阶段DEA模型

为了剔除环境因素及其他随机因素(除了规模、技术和管理因素以外的其他一切因素)对生产效率的影响,Fried等[28]提出了一种新的效率评价模型——三阶段DEA模型。该方法最大的特点就是通过利用传统的DEA模型松弛变量所包含的信息,对投入(或产出)进行调整,把所有的DMU (决策单元)都调整到假定的同等外部环境,再使用传统的DEA模型,重新计算各DMU的技术效率值,以剔除外部环境因素的影响,从而更加真实地反映各决策单元的效率情况[29]。在知网中选取使用该方法测算创新效率的5篇高被引文献进行分析，选取的文献见表7。

表7 使用三阶段DEA模型的高被引文献

白俊红和蒋伏心[30]运用三阶段DEA方法测算了2009年中国30个省、市、自治区的区域创新效率。研究发现，中国区域创新效率发展主要受制于规模效率。余泳泽和刘大勇[31]基于创新价值链的视角将区域创新划分为知识创新阶段、研发创新阶段和产品创新阶段，并运用三阶段DEA方法测算了2008—2011年中国30个省、市、自治区在这3个阶段的区域创新效率。研究发现，中国知识创新和产品创新效率处于较高水平，研发创新效率相对较低。从地域上看，东部地区的区域创新效率明显高于中西部，特别是在研发效率上远超其他区域。罗彦如、冉茂盛、黄凌云[32]将三阶段DEA模型首次引入到区域技术创新效率的实证研究中来，测算了2007年中国30个省、市、自治区的区域技术创新效率。研究发现，中国整体技术创新效率处于较低水平，规模效率较低制约了区域创新效率的提升。区域创新过程中资金和人员投入冗余问题较为突出。刘伟和李星星[33]运用三阶段DEA模型和Bootstrap相结合的方法测算了2009年中国30个省、市、自治区高新技术产业技术创新效率。研究发现，纯技术效率主导制约了中国高新技术产业的创新效率；中国高新技术产业技术创新效率的省际差异较大；创新环境会对于高新技术产业区域创新效率产生显著影响。金怀玉和菅利荣[34]运用三阶段DEA方法，在考虑滞后期的基础上测算了中国30个省、市、自治区的区域创新效率。研究发现，中国科技创新水平整体不高且呈现出区域差异较大的特点；规模收益呈现上升趋势，扩大投入规模最能推动区域创新效率的提高。

3.2.6 DEA-SBM模型

为了解决传统DEA模型存在的投入要素松弛问题，Tone[35]提出了基于松弛变量测度的非角度、非径向的SBM模型。在知网中选取使用该方法测算创新效率的4篇高被引文献进行分析，选取的文献见表8。

表8 使用DEA-SBM模型的高被引文献

官建成和陈凯华[36]将创新产出滞后期设置为2年，运用SBM模型测算了中国高技术产业2001—2004年技术创新效率。研究发现，中国高技术产业整体技术创新效率水平较低，制约其发展的主要因素是不健全的创新管理体制。关键核心技术和自主创新能力在提升区域创新效率中发挥着举足轻重的作用。王惠、王树乔、苗壮和李小聪[37]运用考虑非期望产出的SBM模型测算了2006—2012年中国30个省、市、自治区高技术产业的绿色创新效率，并将其划分为八大经济区来实证分析区域绿色创新效率。冯志军[38]将创新产出滞后期设置为1年,运用考虑非期望产出的SBM模型测算了中国30个省、市、自治区规模以上工业企业的绿色创新效率，并将其划分为八大经济区实证分析区域绿色创新效率。研究发现，中国八大经济区规模以上工业的绿色创新效率平均水平较低，区域差异很大，沿海地区最高，黄河流域最低。区域工业企业绿色创新效率与经济发展水平有一定的正向联系。对于经济发达地区，政府应注重完善绿色创新发展的政策体系。对于经济欠发达地区，政府要加强对绿色创新产业的资金支持。黄永春和石秋平[39]运用包含研发投入的SBM模型测算了2000—2012年中国30个省、市、自治区的区域环境效率和环境全要素生产率。研究发现，影响环境全要素生产率的主导要素存在区域差异。技术进步是东部地区环境创新增长的主要推动力，效率改善是影响中西部地区环境效率的主导因素。创新要素的利用率存在区域差异。企业在东部地区环境创新发挥重要作用，而中西部环境创新仍需政府引导支持。

4 结论与展望

运用 CiteSpace 文献计量软件主要对CSSCI数据库中2003—2021年关于区域创新效率研究的文献进行了可视化分析，绘制了区域创新效率研究热点的聚类图谱及热点演进趋势图谱，得到主要研究结论如下：

1)从研究文献年份分布来看，区域创新效率研究发文量整体呈上升趋势，其中2016—2020年增长速度较快。鉴于检索文献时2021年尚未结束，根据研究文献分布图所示的发展趋势，可以推测出2021年有可能仍处于高发文量年。随着区域创新战略的深入实施，区域创新效率的研究热度也在逐步提升。

2)从关键词的聚类分析来看，中国区域创新效率研究的高频关键词和高中心度关键词呈现高度吻合性，高度聚焦于区域创新、创新效率及区域差异。根据聚类知识图谱，关键词间联系十分紧密，这说明区域创新效率相关研究文献聚焦性强。

3)从关键词的时区演化分析来看，区域创新效率研究与相关政策相互联结、相互促进。一方面，宏观战略性政策会催化衍生出一系列相关主题研究；另一方面，研究有时会发挥先导性作用，发掘现有发展问题，提出可行性方案，从而为区域创新政策的制定提供理论支撑，推动相关政策的出台。中国区域创新研究经历了从传统省域间创新效率的研究向跨省区域创新集群的效率研究的延伸，随着区域发展战略的出台实施，跨省联动创新集群的创新效率成为研究热点之一。与此同时，随着区域创新效率研究的深入，区域创新发展的潜在问题会被发现，从而为后续区域创新发展政策的出台提供了依据。

4)从关键词的突现分析来看，绿色创新效率很有可能持续成为未来研究的热点问题。随着中国经济发展方式的转变，绿色集约型发展成为主流，绿色创新将持续成为区域创新效率研究的热点话题。

5)从研究方法角度来看，研究初期更多选用单产出的随机前沿分析方法来测算区域创新效率，多选用专利数量作为衡量创新产出的唯一指标。然而，在研究不足中也会探讨创新产出衡量指标选择的科学性。随着研究的深入和多元化发展，学界逐渐更多使用数据包络分析方法来测算多重创新产出情形下的区域创新效率。相关研究认为创新产出不仅体现在科技成果产出上，还体现在科技成果转化带来的资金收入。在创新产出衡量指标选择上，基于以专利数量为代表的科技产出基础上，采用数据包络分析方法的相关研究增加了资金产出方面的指标来综合衡量创新产出。学界通过选取不同的测度指标以及优化数据包络分析的模型，来减少数据处理的片面性，提高效率测度的准确性。由于CCR模型假设规模不变，其在区域创新效率的研究中较少使用。文献研究通常使用BCC模型测算区域创新静态效率，使用Malmquist模型测算区域创新动态效率。Tobit模型常被用来测算影响区域创新效率的影响因素。三阶段DEA模型可以去除环境变量带来的随机影响，其测算结果相对更加真实。

6)从高被引文献研究分析来看，中国区域创新效率处于较低水平，呈现显著的阶段性和区域差异性。然而，被引频次较高文献年份相对较早，无法准确反映现阶段中国区域创新效率发展水平。参考最新研究文献，中国区域创新效率一直在稳步提升，特别是在十八大增势显著，但是区域差异这一问题长期存在。