高技术产业科技创新资源配置效率的测度研究

王淑锐

（济南大学，山东 济南 250000）

引言

随着新一轮科技革命和产业变革的深入发展，高技术产业凭借知识密集性、高附加值等优势，逐渐成为各国科技竞争的主要阵地。为促进高技术产业发展，抢占科技创新的先机与主动权，我国对高技术产业的研发投入持续增加。至2020年，高技术产业的经费投入总量达到4649.1亿元，是2000年的40多倍。然而，与大量的资源投入相比，我国高技术产业的创新成果及其带来的经济效益相对不足，自主创新能力并未得到显著提升。因此，高技术产业的发展不仅要重视科技创新资源的投入规模，更要注重科技创新资源投入的配置效率。

目前有关资源配置效率的测度，使用最广泛的为数据包络分析法（DEA）。范斐（2013）等人[1]利用改进的DEA的模型对我国各级城市的科技资源配置效率进行测度，发现各城市资源配置效率较低且区域差距逐年扩大。梅姝娥和陈文军（2015）[2]运用链式网络DEA模型衡量我国副省级城市的科技资源配置效率，并详细分析了经济发展水平等环境因素对资源配置的影响。夏清华和乐毅（2020）[3]运用SBM模型和Global Malmquist指数法对我国31个省份的科技资源配置效率进行测度，研究发现效率非有效省份存在R&D冗余、销售收入不足等现状。

以上文献为本文研究奠定了基础，但传统DEA模型并未消除环境因素以及随机误差对效率的影响作用，导致效率的测度存在误差[4]。因此本文基于三阶段DEA模型，对我国高技术产业的科技创新资源配置效率进行测度，并分析配置效率的变化趋势及区域差异，以期为促进高技术产业发展，提高科技创新资源利用效率提供理论参考。

1 研究方法及变量的选取

1.1 研究方法

本文借鉴Fried（2002）[5]提出的三阶段DEA方法，通过剔除环境因素、随机误差对投入松弛变量的影响，以期获得更为真实、准确的科技创新资源配置效率，具体过程如下：阶段一，利用投入导向且规模报酬可变的DEA模型测度配置效率值；阶段二，构建以投入松弛为因变量，环境因素为自变量的SFA模型，计算管理无效率所导致的投入冗余；阶段三，采用调整后的投入变量再次进行效率评估。

1.2 变量的选取

本文选取R&D人员全时当量、R&D经费内部支出、新产品开发经费作为科技创新的投入指标，并运用永续盘存法将两种财力资源转化为相应的存量指标。选取专利申请数、新产品开发项目数、新产品销售收入作为产出指标，并对新产品销售收入进行平减处理。

本文选取的环境因素包括：经济发展水平，以人均生产总值作为代理指标；劳动教育素质，以就业人员中本科及以上学历所占比例作为代理指标；基础设施建设，以人均邮电业务总量作为代理指标；政府支持力度，以R&D经费中来自政府的资金作为代理指标。此外，为了消除不同指标之间的不可公度性，本文对环境变量进行无量纲化处理。

本章数据来源为2011—2021年的《中国高技术产业统计年鉴》《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》，以及各省统计年鉴与统计公报。同时考虑数据的完整性，选取除西藏、港澳台以外的30个省市作为研究对象，将其划分为东部、中部、西部三大区域。

2 效率的测算

2.1 第一阶段传统DEA的结果与分析

本文利用DEAP2.1软件，选取BCC模型进行第一阶段传统DEA分析，结果发现西部地区的广西、青海、宁夏、新疆等经济发展相对落后的省份，配置效率值远超东部地区的上海、江苏、浙江、福建等经济发达地区，而且多次实现效率有效。这表明传统的DEA测算结果存在偏误，高技术产业科技创新资源配置效率与经济发展水平并不吻合。为进一步提高效率结果的可靠性，需要考虑我国各地区的环境差异，剥离环境因素以及随机误差对效率测度的影响。

2.2 第二阶段SFA回归结果及分析

将第一阶段DEA得到的各松弛变量作为被解释变量，以经济发展水平、劳动教育素质、基础设施建设、政府支持力度四个环境因素作为解释变量，利用Frontier4.1来实现SFA模型的回归，回归结果如表1所示。

表1 第二阶段SFA回归结果

从表1可以看出，回归模型的LR值以及、均通过了1%的显著性检验，说明环境因素是影响效率值的主导因素，利用SFA模型对投入变量进行调整较为合理。同时，环境变量对投入指标的松弛变量都有一定的影响，但强度略有差异，大部分数据都能通过显著性检验，且4个环境变量对R&D经费内部支出以及新产品开发经费松弛值的影响十分显著，达到了1%的显著性水平。这说明环境因素对于各省份的创新资源投入冗余存在着显著的影响，通过SFA剔除环境因素的影响十分必要。

通过进一步考察模型的回归系数，可以看出劳动教育素质对三个松弛变量的回归系数均为负，说明劳动教育素质的提高可以降低创新资源的冗余。这可能是因为高技术产业是以知识密集、技术密集为特点的，因而其发展一般选择在高等教育发达的地区，使得劳动教育素质越高的地区，对科技创新资源的需求也就越多。基础设施建设对三个投入变量松弛变量的均有显著的负向影响，说明基础设施建设越完善，越有利于减少创新要素的浪费，这可能是由于基础设施建设加深了区域之间的开放程度，打破了创新活动的地理分割，实现科技创新资源的快速流通整合。从回归系数来看，经济发展水平的提高，并不利于减少科技创新资源的冗余，这可能是因为地区经济发展水平提高，研发经费的投入会随之加大，过多的资金并未得到合理的利用从而造成资本浪费。同时经济发展水平也是影响劳动力流动的重要因素，大量人才在经济发达地区的集聚，也会造成人力资源的冗余。政府支持力度提高会导致创新资源的投入过剩，说明政府的支持并没有发挥应有的作用，这可能是由于政府的资金支持会使企业自身的研发投入减少，产生挤出效应，而政府支持过程中的信息不对称与考核机制的不完善，也会导致企业产生寻租行为。

2.3 调整后的DEA结果及分析

基于SFA模型结果对高技术产业的投入值进行调整，剥离环境因素的影响，从而得到新的配效率值。从全国层面来看，2010—2020年，高技术产业科技创新资源配置效率整体呈现上升趋势，具体见图1，效率均值由2010年的0.52增长到0.69，但与效率前沿面仍有较大差距，具有一定的提升空间。同时，配置效率与规模效率的变化基本趋于一致，且远低于纯技术效率，说明规模效率低下是科技创新资源配置效率低下的主要原因。

图1 科技资源配置效率变动趋势

如下页图2所示，从区域层面来看，2010年我国东部地区的高技术产业科技创新资源配置效率均值达到0.768远高于中部地区的0.440和中部地区的0.282，三大地区间的区域差异显著。随着时间变化，各地区配置效率均呈上升趋势：东部地区配置效率的上升趋势较为缓慢，但已稳定在0.85左右；中部地区的配置效率增长迅速，个别年份甚至达到0.804，与东部地区的差距逐年缩小。西部地区的配置效率虽有增长，但仍在0.5以下，与东部地区的差距略有缩小，与中部地区的差距却在逐年扩大。

图2 各区域配置效率变动趋势

具体到省域，东部地区的江苏、浙江、广东等发达省份利用其技术和经济优势，实现了高技术产业的率先发展。中部地区的安徽、江西、河南等地在周边发达地区的辐射带动下，逐渐实现效率有效。西部地区的四川、重庆也不甘落后，在西部大开发等政策的支持下，达到较高的配置效率。然而，仍有14个省份并没有达到全国配置效率均值，如东部地区海南省的效率均值仅为0.278，西部地区的青海、新疆效率均值不及0.1，说明这些省份高技术产业不发达，科技创新水平十分落后。见图3。

图3 各省份科技创资源配置效率

3 结论与对策建议

3.1 结论

本文以我国高技术产业为研究对象，通过构建三阶段DEA模型，测度其科技创新资源配置效率，分析其空间分布格局及演变规律。结果表明：劳动教育素质、基础设施建设等环境因素都会对投入冗余产生影响。科技创新资源配置效率整体呈现上升趋势，但是整体效率水平不高，仍存在很大的提升空间；科技创新资源配置效率的地区间差异较大，西部地区的配置效率远低于东中部地区。

3.2 对策建议

1）降低资源投入冗余，提高资源利用效率。对于科技财力资源，要建立有效的科研经费监管机制，提升科研经费使用效率。一方面，对科研项目进行事前评估，确保项目的创新性、立项的必要性，提高资金投入的精准性和科学性。另一方面，强化科研项目的事中和事后监管，对项目的产出成果、经济效益进行评估，为下一阶段的经费调整提供依据。

2）提高劳动教育素质，引导人才合理有序流动。一方面加大中央及地方政府的教育经费投入力度，强化中、西部地区高等教育振兴的财政支持政策，实现教育、创新资源的精准扶持。另一方面深化户籍体制改革，建立健全城市落户制度，为流动人口提供子女教育、医疗卫生、社会保险、住房保障等基本公共服务，鼓励人才跨区域就业。

3）完善基础设施建设，提升科技创新承载力。一是完善交通基础设施建设，降低货物运输成本及人员流动成本，加速区域间要素流动，促进区域间产业合作创新。二是加强信息基础设施建设，推动新一代信息技术与传统产业的融合发展，促进传统产业的结构优化与升级。同时，利用互联网的传播优势，打破信息壁垒，促进知识溢出与资源共享，提高国民科技素养。