基于数据包络分析的环高校知识经济圈创新绩效评价

2023-06-02蔡三发张国强

同济大学学报（自然科学版） 2023年5期

蔡三发，张国强，汪万

（同济大学经济与管理学院，上海 200092）

随着全球进入知识经济时代，创新成为科技发展和经济多元化竞争的决定性因素，打造创新共同体成为提升城市乃至国家核心竞争力的重要途径。此背景下，环高校知识经济圈成为城市创新与产业一体发展的驱动引擎，主要依托高校，整合政府、高校、企业等优势资源，打造集知识创新、产业制造为一体的知识性综合性聚集地。而“环同济”正是其中的佼佼者。

经过多年发展，目前“环同济”成为国内最具影响力的设计产业基地，年产值达到数百亿元。然而，在外部冲击扰动和内部发展放缓的后疫情时期，如何有效评估环高校知识经济圈的创新发展水平，已成为保持城市可持续创新发展的突出现实问题。因此，在环高校知识经济圈规划发展过程中，需要科学且客观地评价环高校知识经济圈的创新发展水平，即对环高校知识经济圈创新绩效评价，可以反映创新系统内部资源配置的平衡度和效率性，对环高校知识经济圈的创新发展具有重要的现实意义。

回顾以往研究发现，国内学者普遍认为，环高校知识经济圈是高校及区域范围的企业、科研机构、服务机构等为了实现资源共享和规模经济，在政府的引导策动下，相互联合并共同致力于科学研究、成果转化、产业发展而形成的区域经济合作体。例如，陈强［1］和袁胜军［2］两位学者重点强调了政府行为在“环同济”知识经济圈形成过程中的策动作用。数据包络分析（DEA）方法在创新绩效评价领域已被广泛采用［3-7］。DEA广泛应用于多投入与多产出的场景中，是一种实用且经典的非参数数据分析方法。

本文将环高校知识经济圈的创新活动看作一个整体的投入产出过程，以“环同济”为实证研究对象，结合DEA方法，提出一种适用于环高校知识经济圈创新绩效的评价方法。

1 “环同济”发展现状

“环同济”从二十一世纪80年代初起步，经历萌芽起步期、快速成长期和创新发展期3 个阶段。多年来，“环同济”背靠同济大学，丰富的人才储备和技术资源促进了建筑与环境设计产业快速崛起，成为杨浦区乃至上海市标志性设计产业集聚区，创造了“市场驱动、学科支撑、企业主体、政府引导”的产业发展新模式。通过充分发挥同济大学优势学科和同济科学园对产业的引领和支撑作用，形成了以建筑与环境设计、产品设计为主导的产业集群。其发展模式具有区校共同推进、知识驱动创新、产城融合共生、集聚特征明显等特征，总产出从最初的10 亿元增至“十三五”期末的495亿元。

2 评价模型构建

2.1 DEA方法简介

数据包络分析（DEA），是一种基于相对效率的评价方法，对具有多项投入和产出的决策单元（DMU）进行效率评价，评估其是否处于投入产出均衡的状态，同时还可以评价效率的相对有效性［8］。

本文构建以产出为导向的DEA-BCC 模型，对“环同济”知识经济圈创新系统的创新综合效率（TE）进行测度。其中综合效率可以分解为纯技术效率（PTE）和规模效率（SE），且综合效率=纯技术效率×规模效率。具体模型计算如下：

2.2 建立指标体系

“环同济”知识经济圈各主体的创新活动涉及的投入和产出要素较为复杂，且无法通过单一的评价模式进行衡量。因此，本文从“环同济”知识经济圈的整体发展水平的角度出发，选取“环同济”相关经济指标，以及科技产出指标等作为创新产出。在创新投入指标的选取上，本文侧重政府的拉动作用，以及高校知识的影响。

根据对“环同济”发展特征的分析，结合国内外学者在区域创新绩效方面的研究［9-17］，梳理文献中的相关指标，以构建“环同济”知识经济圈的创新绩效评价指标体系，如表1所示。

表1 “环同济”知识经济圈的创新绩效评价指标体系Tab.1 Innovation performance evaluation indexes

2.3 计算指标权重

在选取了投入和产出指标后，为了避免对指标权重的主观性判断，运用熵值法计算相应的指标权重，其能够根据指标包含的信息量客观地确定指标权重，以达到对数据进行信息量的提取和降维的效果，从而满足DEA方法对数据的要求，如表2所示。

表2 指标权重结果Tab.2 Index weighting results

3 实证分析

3.1 数据来源与模型应用

本文以2011—2020 年“环同济”知识经济圈的创新活动指标为样本进行研究，相关数据分别来自于杨浦区统计局、《杨浦统计年鉴》、《中国科技统计年鉴》、《高等学校科技统计资料汇编》等官方统计资料，其中个别缺失数据在考虑实际情况后采用线性插值法进行补全。

在模型应用过程，首先将数据进行标准化，根据各二级指标的权重，计算出对应一级指标的得分，应用DEA-BCC 模型，计算得出“环同济”知识经济圈的创新绩效，并加以分析评价。

3.2 DEA效率分解

采用DEA 方法对“环同济”知识经济圈2011—2020 年的创新绩效进行测度，具体包括综合技术效率、纯技术效率、规模效率，相关结果见表3 所示。根据表3的结果可知：

表3 “环同济”创新绩效状况Tab.3 Innovation performance of "Around Tongji"

（1） “环同济”创新绩效的综合效率值均在0.75以上，且平均水平为0.915，这表明“环同济”的总体创新绩效较为优秀，各项创新资源配置都能得到有效均衡的利用，政府和高校的科研创新活动能得到及时的转化和直接的经济效益。

（2） “环同济”整体的纯技术效率值均处于较高水平，代表系统的创新投入要素得到了有效利用。但在2014-2019 年间，“环同济”创新的纯技术效率大幅下降后又逐渐恢复到有效状态，说明创新系统有主动的调控和适应能力，在发生内部或外部环境变化时能够有效调整。

（3）三个效率指标中规模效率的水平最高，这表明了“环同济”的创新资源投入规模一直保持着接近最优的状态，因此，政府与高校应积极推动系统转型升级以获得更大的规模效益［18］。

3.3 规模报酬分析

规模报酬分析的是创新系统的活动是否属于最优的开展规模，由模型计算得到“环同济”2011—2020年的规模报酬系数见表4所示。2011—2020年间，“环同济”的规模效益大多处于规模报酬递增的状态，这说明应该继续加大“环同济”创新要素的投入力度和创新活动的开展规模，以获取更大的创新效益，拓宽“环同济”的发展路径和辐射范围。一方面，这是由于“环同济”的规模扩张与地区高质量发展同频共振，使得创新系统的资源投入能够始终获得相应的规模效益［19］。另一方面，政府和高校对于“环同济”的主动规划和策动，为创新系统演化提供了稳定可靠的环境，使得创新资源的投入都能得到有效的利用，从而不断扩大规模效益。

表4 规模报酬分析Tab.4 Return to scale analysis

3.4 投入冗余和产出不足分析

通过投入冗余和产出不足情况，分析影响“环同济”知识经济圈创新绩效的主要因素，找出推动“环同济”发展的主要动力和关键发力点。计算结果见表5所示。

表5 投入冗余和产出不足分析Tab.5 Analysis of input redundancy and output insufficiency

“环同济”的投入冗余情况主要由政策支持因素导致，其平均投入冗余率是7.2%。这是由于对“环同济”知识经济圈来说，政府政策支持的投入和影响是长远且难以量化的。从“环同济”创新效率的分析中也可以看出，每当系统的创新效率达到瓶颈时，政策发力是促使“环同济”资源配置和规模扩张的有效手段。虽然充分的政府投入会导致短期冗余率的上升，但对于整个系统的发展来说，政府的策动作用是必不可少的。相对于短期效益，政府应当更加关注政策和资金投入带来的长期增长。

“环同济”的产出不足情况主要发生在创新效益上，其平均产出不足率为22.1%。由于地区经济发展水平较高，政府的政策投入和高校的知识溢出可以顺利地获取规模经济收益，使得规模产出可以达到相应水平。而创新成果转化效益受多方面的影响会有一定的时滞性，因此，政府和高校应当积极引导“环同济”创新系统升级转型，加快新旧动能转化，拓展科技成果转化新场景。