基于知识发酵的科技创新效率测度模型

俞享 等

门玉英  劉园园  李芳

摘要：[目的/意义]针对科技创新效率的测度有助于深入了解湖北省城市科技创新的实际情况，为地方经济政策提供理论支持和实践指导。[方法/过程]以湖北省12个城市为研究对象，运用超效率SBM-Malmquist模型测算各城市2003—2019年的科技创新效率和全要素生产率，并结合OLS回归探究其影响因素。基于知识发酵理论，将对外开放、产业结构、经济发展水平、信息化水平、人力资本等因素与之相结合，展示其如何共同影响湖北省科技创新效率的过程。[结果/结论]研究结果表明：2003—2019年，湖北省科技创新效率整体态势向好发展；科技创新效率存在明显地域差异；科技创新活动全要素生产率均处于上升状态，主要源于科技进步；对外开放、经济发展水平以及人力资本对湖北省科技创新效率的影响呈显著正相关。基于研究结论，提出改善科技创新环境、加强人才引进工作、提高开放水平等政策建议。

关键词：科技创新；知识发酵；超效率SBM模型；OLS模型；影响因素

分类号：F204

引用格式：俞享， 门玉英， 刘园园， 等. 基于知识发酵的科技创新效率测度模型——以湖北省为例[J/OL]. 知识管理论坛， 2023， 8（6）： 540-553[引用日期]. http：//www.kmf.ac.cn/p/370/.

改革开放以来，我国政府不断加强与完善创新驱动发展战略，党的二十大继续将科技作为第一生产力，强调创新是第一动力，塑造中国经济发展新优势、新动能。为贯彻落实党的创新驱动发展战略，湖北省政府印发《湖北省科技创新“十四五”规划》（以下简称《规划》），《规划》中指出，“十四五”时期，是湖北省全面提高科技创新能力，建设科学的科技创新体系的关键时期，要加快提升湖北省科技创新效率。区域科技创新效率反映了地区科学技术创新体系的运行质量，既取决于区域科技创新系统的内部效率，又离不开各个子系统之间交流与合作所产生的外部效率[1]。城市科技创新效率的高低是衡量当地科技水平的一个重要标准，全面、科学、客观地测度湖北省区域科技创新效率不仅对湖北省整体科技能力提升具有重要意义，在全面科学测度的基础上研究科技创新系统内部的要素影响机制，更有利于推进湖北省科技创新可持续发展。

1  相关研究

常见的科技创新效率衡量方法包括主成分分析法、层次分析法、因子分析法、数据包络分析法（data envelopment analysis， DEA）等，由于DEA在量纲处理、变量选择及多指标效率估计上具备显著优势，因此在科技创新领域使用较多[2]。传统DEA模型由A. Charnes等[3]于1978年提出，发展到今天被不断运用与改进。CCR（Charnes Cooper Rhodes）模型是基于DEA理论的第一个模型，该模型常用于在规模报酬不变的前提下衡量固定规模效益[4-5]。R. D. Banker等[6]认为CCR模型在使用过程中对条件要求过于严苛，于是对CCR模型进行改进，得到BBC（Banker Charnes Cooper）模型，自此CCR模型与BBC模型成为DEA的两个基本模型。随后，K. Tone[7]提出基于DEA理论的非角度、非径向的SBM模型（slack based measure）。对于效率为1的决策单元，SBM模型无法有效区分，K. Tone[8]在一年后基于原有研究基础提出超效率SBM模型，以对效率值进行清晰排序。SBM模型主要从静态角度测算技术效率，因此有学者将SBM模型与Malmquist指数相结合，分别从静态与动态角度测度技术效率，如此获得的结果更加准确客观。赖一飞等[9]使用超效率SBM‐Malmquist模型测度省市的科技创新效率，并将东西部的科技创新效率进行对比，发现西部地区的科技创新效率普遍低于其他地区，，并且针对这种现象提出相应建议。

科技创新效率中的影响因素本质上为衡量科技创新能力的影响因素[10]。李健[11]使用系统动力学的方法探索影响京津冀科技创新实力的因素，将产业结构与区域环境规制纳入考量体系之中，得出京津冀地区创新机制的运作机理，助力京津冀协同发展。在众多的科技创新效率的影响因素研究中，学者使用最多的方法是将SBM模型与Tobit回归相结合。李芸等[12]使用SBM模型得出技术效率变化是科技创新整体全要素生产率变动的主要因素，并且使用Tobit回归显示出人力资本、产业结构、政府支持等对科技创新生产率起到正向作用；王鹏等[13]用非期望超效率SBM与Tobit回归相结合，研究发现珠三角地区科技创新研发与经济产出效率在空间上存在显著异质性并且科技创新两阶段效率与经济韧性存在双向因果关系。但是在使用中，Tobit模型应采用截断数据，而OLS（Ordinary Least Squares）模型则不需要。

综上，通过对现有文献梳理，笔者发现：①目前对科技创新效率评价方法体系的研究已经较为成熟，但是仍然存在一定的缺点，如不能同时兼顾决策单元效率与非期望产出同时大于1的情况；②目前针对科技创新效率值的测度以及影响因素的研究较多，但多是采用SBM模型进行静态研究，较少研究科技创新效率值的动态演化；③目前的研究范围大多是全国省份、长江经济带、京津冀经济带等这些大区域，对于个体省份的研究较少。基于此，笔者使用超效率SBM模型结合Malmquist动态指数分解，通过测度湖北省各个城市2003—2019年科技创新的规模效率值、纯技术效率值、综合效率值，对湖北省科技创新投入与产出效率做出客观评价，结合知识发酵理论找出湖北省科技创新效率影响因素，并使用OLS模型进行回归分析，进而提出提高湖北省科技创新能力的有效对策，促进经济与科技发展之间的良性互动，助力湖北省经济实现绿色高质量发展。

2  实验设计

2.1  研究方法与工具选择

笔者采用超效率SBM模型进行湖北省科技创新效率的测度，由于SBM模型采用线性规划方法，可以准确测度多个输入和输出指标，帮助揭示不同区域在科技创新方面的综合表现，并且该模型考虑资源利用效率，通过比较实际产出与理论最大产出之间的差距评估创新过程中的资源利用效率水平。在使用超效率SBM模型进行静态测度后，结合Malmquist指数来分析湖北省科技创新效率的动态变化，融合知识发酵理论确定湖北省科技创新效率的影响变量，最后使用OLS回归探究各个影响因素对湖北省科技创新效率的影响作用。

（1）超效率SBM模型。超效率SBM模型是在传统DEA模型的基础上发展演变而来。由于传统的DEA模型存在着较为明显的测量误差，K. Tone[8]在2001年提出了基于松弛变量的SBM-DEA分析模型，它与传统的DEA模型的差异在于SBM模型是非径向和可无投入产出角度的模型。而超效率SBM则是在SBM模型中增加了排除机制，从生产可能性集中删除被评定的有效决策单元（Decision Making Units，DMU），然后再度量DMU到生产可能性集的距离，可以根据距离来排列有效DMU，并且超效率大于等于1，因此解决了传统SBM模型无法对有效DMU进行区分和排序的问题，同时超效率SBM模型在计算效率时最大可能地考虑了松弛问题。具体公式如下：

在公式（1）到公式（3）中，p为科技创新效率测度值，若ρ≥1表示DMU有效；s-、s+分别为投入、产出的松弛变量值（投入冗余量，产出不足量），x为投入要素；y为产出要素；m、s分别为投入、产出指标个数；λ为权重向量；k为生产时期。

（2）Malmquist指数。Malmquist指数是在数据包络分析的基础之上提出的，是对效率值的动态分析，其代表的是全要素生产率（Total Factor Producitivity，TFP）。全要素生产率建立在新古典经济增长模型基础上，是指生产系统中各个要素之间作用的综合效率，是在一个系统中总产出量与全部的生产要素之间的真实投入比值，它能测度增长潜力和宏观效率，从而反映一个地区的增长动能。这里的“全”指的并不是所有生产要素所带来的效率，而是全过程、全方位，表示决策单位生产率从t到t+1期的变化。全要素生产率一般来自于规模效应、技术进步与效率的改善这3个方面。其计算公式如下：

在公式（4）中，I为测算出的全要素生产率指数，Dt（xt， yt）为t时期技术水平下的t时期的投入产出向量的距离函数，Dt（xt+1， yt+1）为t时期技术水平下的t+1时期的投入产出向量的距离函数；同理Dt+1（xt， yt）、Dt+1（xt+1， yt+1）分别为t+1时期技术水平下的t、t+1时期的投入产出向量的距离函数。

（3）知识发酵理论。在探讨知识如何演进和转化为生产力的研究中，2002年和金生提出知识发酵理论[14-15]。知识发酵理论是一种用于解释和推动组织内部知识创新和转化的管理理论。它强调知识的传递、融合和创新过程，类比为发酵过程，借此来理解知识在组织内部的变化和演进。其包括知识菌株、知识母体、知识酶、知识工具与知识发酵吧这五大关键要素，将知识创新增长过程类比为生物发酵过程，强调知识在组织内部的传递、转化和创新过程，注重不同类型的知识转化以及知识菌株、知识母体、知识酶和知识工具的作用。通过这一理论，组织可以更好地管理和促进内部知识创新，提高创新效率和竞争力。

（4）OLS模型。OLS模型（普通最小二乘法）是一种对残差平方和的最小化来进行估计的一种线性回归模型，主要被用于线性回归的参数估计。OLS模型计算简单、使用广泛，能够有效得出条件变量与结果变量之间的关系。其计算公式如下：

在公式（5）中，Y为文章选取的被解释变量，x为影响Y的解释变量，β为待估参数，随机误差项用μt表示。

2.2  超效率SBM变量选取

为保证指标使用数据的有效性、科学性和准确性，文章中的所有数据均来自于《中国城市统计年鉴》与《中国科技统计年鉴》，选取湖北省地级市进行分析，将数据缺失的城市剔除，最后剩余12个有代表性的地级市。参考国内外有关研究，考虑到指标体系选取与构建的科学性与客观性，笔者选取6个指标作为代表，构建衡量科技创新效率的指标体系，在区域科技创新生产过程中，包括投入要素、期望产出要素与非期望产出要素。具体指标如表1所示：

（1）投入要素。①劳动投入。劳动要素的投入是科技创新生产过程中不可或缺的要素[16]。科技创新离不开技术研发，技术研发需要依赖科学技术人员。习近平总书记提出：“创新之道，唯在得人”，人才储备是科技创新的关键驱动力。因此，笔者将从事科技活动人数作为指标来衡量科技创新劳动投入。②财力投入。科技创新财力投入可以从政府对相关机构从事试验与研究活动的经费支持中体现[17]。资本是社会主义市场经济中必不可少的生产要素，科技投入更是科技创新的物质基础。因此，笔者将政府科学投入作为科技创新财力投入的指标。③能源投入。《新时代中国能源发展》白皮书中强调，要完善能源科技创新顶层设计，在科技创新领域，大力给予能源支持，首先要保证的就是科技创新领域的电量供给。因此，筆者用全年用电总量衡量政府对科技创新领域的能源投入。

（2）期望产出要素。①经济收益产出。科技经济效益是指使用、推广科学技术带来的经济成果，科技效益是地区生产总效益值的一部分。在其他要素不变的情况下，科学创新带来的经济收益与地区生产总值成正比。因此，笔者将地区生产总值作为衡量科技创新带来的经济收益产出指标。②创新产出。创新产出以专著、科学论文、专利授权数、原理性模型等多种形式呈现[18]。鉴于专利化成果的商业化与数据化程度高，因此笔者使用专利授权数来衡量科技创新产出。

（3）非期望产出。在科学技术领域，随着投入的不断加大，非期望产出往往伴随着产品应运而生[19]。尤其是在市场转化阶段，由科技创新得到的高新技术产品被大量投入到市场，但是由于新产品的大量投入使用，也会给环境带来一定的压力，包括环境污染这类的非期望产出。根据惯例，笔者使用工业废水与工业二氧化硫的排放量来衡量科技创新过程中的非期望产出。

2.3  融合知识发酵理论的影响因素变量选择

笔者在科技创新影响因素分析中融合知识发酵理论，得到科技创新知识发酵理论模型（见图1），其主要优势在于：①具体形象地揭示了科技创新效率各个要素间的作用机理。科技创新是一个循环再生的过程，将科技创新过程中的各个环节、要素与知识发酵的过程相结合，有利于明确各个要素对科技创新效率的不同影响作用。②能够展现科技创新过程中的量变及要素循环演进特性。将知识发酵理论应用到科技创新过程中，发现区域科技创新效率随着科技要素间的反复作用与发酵而逐渐提升。③重视经济社会发展水平对科技创新效率的催化作用。以往的科技创新效率主要重视信息技术的作用，忽视了外部环境对科技创新效率的催化作用，笔者将经济社会发展水平与知识发酵模型中的知识酶进行类比，是科技创新效率提升的不可或缺的催化剂。从图1中可以看到，科技创新知识发酵系统收到外部刺激，产生知识菌株（对外开放），这是本文科技创新的起点与触发器；在知识工具（信息化水平）以及知识酶（经济发展水平）的作用下，知识菌株从知识母体中吸取所需要的知识，然后通过知识发酵吧进行新的科技创新知识的创造及成果转化，并且这一过程还受到知识环境（人力资本）的推進，各个因素相辅相成，最终形成整个科技创新知识发酵模型。

具体的科技创新效率影响因素变量选择见表2。

（1）对外开放。对外开放作为知识菌株强调了外部刺激对于组织内部创新的重要性。如同在发酵过程中，添加合适的微生物菌株可以启动化学反应，促使物质变化，对外开放可以引入新的观念、技术和合作机会，从而刺激内部创新活动。外部的知识、经验和资源可以在

组织内部发挥催化作用，促进新的思想和想法的产生，从而促进知识的传递、转化和创新。采用实际使用外资金额与GDP的比值作为衡量对外开放的指标是因为这种比值能够反映一个地区或国家对外开放的程度和效果。具体来说，这个比值可以被视为一种经济开放度的指标，它表示外部资本在国内经济中所占比例。这个比值越高，意味着国家或地区更加依赖外部资本和外部市场，更加积极地吸引外部投资和技术，进而促进知识的引入和外部刺激。

（2）产业结构。产业结构作为知识母体强调了不同产业领域的专业知识和技术构成组织内部的知识资源。就像在发酵过程中，不同的原料和成分构成发酵的营养物质一样，不同产业领域的知识背景和专业领域构成组织的知识母体，为知识发酵提供丰富的原材料。因此，笔者将第二产业与第三产业的比值作为衡量产业结构的指标。

（3）经济发展水平。经济发展水平作为知识酶强调了它在促进知识的传递、转化和创新过程中的作用。知识发酵理论中，知识酶代表组织内部的控制者和引导者，类似于在发酵过程中催化剂的作用，它可以通过计划、协调、指导和控制的职能来加速知识的增长和传播。因此，笔者选用人均生产总值作为指标来衡量湖北省各个区域的经济发展水平。

（4）信息化水平。信息化水平作为知识工具强调了它在知识传递、共享和管理中的重要作用。知识发酵理论中，知识工具类似于在发酵过程中使用的设备和工具，它可以加速知识的传递和合作，提供技术支持和资源保障。因此，笔者采用国际互联网用户数作为湖北省各县市的信息化水平衡量指标。

（5）人力资本。人力资本作为知识环境强调了人才对知识传递、共享和创新的重要影响。知识发酵理论中，人力资本类似于知识环境中的人才资源，他们拥有丰富的知识和技能，可以促进知识的创新和融合。因此，本研究的人才指标采用普通高等学校在校学生数来衡量。

3  实证分析

笔者首先使用MAXDEA 8.0软件，导入湖北省各地级市有关科技创新的面板数据，并且采用非期望产出的全局参比来更全面地确定各地区科技创新水平的相对位置，得出科技创新效率测度结果；其次对科技创新全要素生产率进行Malmquist指数分解，通过Malmquist指数测算湖北省地区科技创新全要素生产率变动指数来进一步分析其科技创新效率的动态变化情况。通过对全要素生产率及其各项分解项指数的分析得出结论，若全要素生产率及其各项分解项指数大于1，则代表该地区的科技创新效率值是增长的、进步的，若小于1则代表是弱化的和退步的。在效率测度的基础上，结合知识发酵理论，构建科技创新知识发酵模型，由科技创新知识发酵模型确定科技创新效率影响因素变量，结合OLS回归具体探讨各个变量的作用。

3.1  科技创新效率测算

表3是使用湖北省各地级市有关科技创新的面板数据测度出的科技创新效率。按照科技创新效率将各个城市分为3个梯队：第一梯队为科技创新效率较高（大于1）的城市，分别是黄冈、十堰、随州和武汉；第二梯队为科技创新效率中等（0.8—1.0）的城市，分别是黄石、荆门、咸宁、孝感和宜昌；第三梯队则是科技创新效率较低（小于0.8）的城市，包括鄂州、荆州和襄阳。

在第一梯队中，武汉市的科技创新效率指数为最高，达到1.286。除了黄冈市在2017年和2018年未达到DEA有效外，其余各地区各年份均为有效状态。这说明位于第一梯队的这些城市对科技创新投入的十分充分，资源配置相对合理，科技经费投入贡献度大，科研人员集聚程度较高，应继续保持其创新活跃度。

在第二梯队中，咸宁市自2011年达到DEA有效后，就一直处于科技创新高效状态，黄石、荆门和宜昌虽然在观测区间内偶有波动，但科技创新效率总体呈现上升趋势，并均在2019年重新达到DEA有效水平，孝感市在2003—2014年间只有2011年未达到DEA有效，而在2015年后直到观测区间结束也并未重新达到DEA有效，这反映出其科技创新的有效性存在一定问题，迫切需要调整科技创新策略，并进一步优化创新资源配置，以提高科技创新效率。

在第三梯队中，鄂州、荆州和襄阳在观测区间开始时都处于科技创新效率低下的状态，鄂州和襄阳甚至分别低至0.300和0.304，而鄂州和荆州波动幅度较大，在2019年也均达到DEA有效水平。襄阳市位于第三梯队，主要是受限于2003至2010年间科技创新效率测度值较低，随着湖北区域创新发展战略的实施，作为全省区域创新中心，近年来特别是2017年以来，有显著提升。

综合来看，武汉市科技创新效率最高，而宜昌和襄阳这两个全省副中心城市情况如下：宜昌2003年以来科技创新效率整体比较平稳，在2015—2017年期间出现滑落后，2018年以来稳中有升，恢复到正常水平；襄阳属于后起之秀，在经历了2011—2013年的波动性上升与2014—2016年的低谷后，2017年以来科技创新效率稳步提升。两地的科技创新效率波动与投入产出的周期性有关。而荆州、孝感近年来的科技创新效率低位趋势，需要引起重视。

3.2  基于Malmquist 指数模型的效率分解

基于时间跨度的科技创新全要素生产率及其各项分解项等情况见表4。。从其分解项来看，技术效率和技术进步分别增长18.2%和12.6%，对技术效率变化进行进一步分解，湖北省科技创新纯技术效率增长8.2%，同时规模效应更是增长10.6%，由此可见，湖北省科技创新全要素生产率的增长主要是因为技术效率进一步提升，而技术效率提升则主要源于规模效应的增加。不难看出，湖北省科技创新指标虽在观察周期内偶有波动，但整体仍呈现上升态势。

基于地域维度的湖北省科技创新全要素生產率及其各项分解项情况见表5。湖北省12个地级市全要素生产率均大于1，表明各个地级市均在大力推进科技创新，并取得一定的成效。新一线城市中武汉市的全要素生产率为1.169，结合静态分析可知，武汉市作为湖北省省会城市在科技创新领域基础良好，起步更高，但也在一定程度上导致其动态增速稍显缓慢。而在宜昌、襄阳、荆州和黄冈等三线城市中，襄阳的全要素生产率最高，达到1.256，其技术效率指标也达到1.42，成为最高的城市。这表明襄阳市在现有技术和创新环境基础条件下，实现了对现有科技创新资源和技术的充分有效利用，其在管理水平和生产经验上在湖北省内处于领先地位；全要素生产率最低的是黄冈市，为1.103，其纯技术效率仅为0.999，这表明黄冈市科技创新活动的管理体系还不够完善，但综合技术效率仍呈现递增趋势，原因在于其科技创新活动的规模化效益起到带动作用。在其余四线城市中鄂州的全要素生产率最高，达到1.289，结合静态分析指数发现，鄂州是一个传统的工业城市，科技创新基础十分薄弱，但近年来大力实施创新驱动发展战略使其在科技创新领域动态增速较高，同时鄂州市的技术进步指标为1.268，也为样本中最高，其实际的技术引进和技术创新使得生产可能性曲线向外移动，从而提高了全要素生产率；全要素生产率最低的是孝感市，其全要素生产率是1.016，孝感市在纯技术效率和规模效应上均低于1，其综合技术效率呈现退步状态。这说明孝感市既受到规模发展的阻碍，也受到地方管理水平的限制。对比各城市的技术效率和技术进步指标可以发现，几乎所有的技术进步指标都大于技术效率指标，这说明各城市相比于在管理水平等科技软实力上发力，更侧重于进行实际的技术引进以及技术创新。

4.3  OLS影响因素回归分析

笔者利用Stata17软件进行OLS回归分析，回归结果见表7。

分析结果表明：①对外开放这一因素对全要素生产率的影响在5%的水平上通过了显著性检验，系数为0.081 5，为所有系数中最高。这表示对外开放每提高1%，全要素生产率则提高0.08%。通过SBM模型进行静态分析可知，湖北省整体科技创新效率并不高，但在对外开放过程中，开放地区会产生技术引进的“协同效应”，即地区本身创新能力不足，通过强化对外开放，并侧重于引进不具有自主知识产权的技术，以“边干边学”的方式逐步提高本地区的自我研发能力，从而进一步促进TFP指数增长。②产业结构这一要素的回归系数未通过10%显著性水平下的检验，说明产业结构对科技创新效率的作用影响不大，经初步分析其主要原因是湖北省各个地级市产业结构优化力度不够，区域生产要素无法从低效率生产部门向高效率生产部门转移，导致区域无法实现创新资源的空间重置。③经济发展水平之一要素对全要素生产率的影响在5%水平上通过了显著性检验，系数为0.053 5，这意味着经济每增长1%，全要素生产率相应提高0.05%。这表示科学技术创新需要有充足的资金支持，经济发展水平能够为科技创新活动提供强有力的经济保障与支撑。④信息化水平对TFP的影响在5%水平上通过了显著性检验，系数为-0.027，这表明信息化水平这一要素对全要素生产率产生了负面的影响，初步分析是由于信息化水平高的区域，在未予以政策引导的前提下，未能有效发挥信息流在资金流、人才流、技术流和物资流等资源要素流动方面的正向作用。相反，网络经济的进一步推进分散了科技创新资源，降低了科技创新的有效性。数字经济与实体经济融合亟待推进。⑤人力资本这一要素对全要素生产率的影响则在5%的水平上通过了显著性检验，系数为0.022 4，表明人力资本每提高1%，全要素生产率也相应提高0.02%。人才是第一资源，科技创新活动离不开人才支撑，人才不仅是科技创新活动的主体，也是成果产业化和科学技术传播的主体。因此，区域高素质人才越集中，其科技创新能力越强。

4  结论

笔者首先使用超效率SBM模型对湖北省12个地级市2003—2019年科技创新效率进行静态衡量和分析，再运用Malmquist生产率指数测算其全要素生产率及其各项分解项指标，并将科技创新效率与全要素生产率动态变化进行比较分析，最后使用OLS模型对科技创新活动的全要素生产率的影响因素进行分析，得到如下结论：

（1）本测度区间内，湖北省内科技创新效率有效的有黄冈、十堰、随州和武汉4座城市，在这4座城市中，武汉市的科技创新效率最高。湖北省整体科技创新效率仍有较大提升空间，襄阳、宜昌等地科技创新效率趋势向好。

（2）湖北省地区科技创新活动全要素生产率呈整体上升趋势，主要源于技术进步。省内全要素生产率最高的城市为鄂州市。几乎所有的技术进步指标都大于技术效率指标，这说明各个城市提高科技创新水平主要依靠实际的技术引进与技术创新。

（3）对外开放、经济发展水平以及人力资本对该地区的科技创新效率呈显著正相关，对外开放作为知识菌株，为湖北省带来外部技术、知识和合作机会，激发了内部创新活动。外部刺激在知识发酵中起到重要的营养作用，促进了新知识的生成和转化。此外，对外开放促进了知识的跨界融合，激发出更多创新的可能性，提高了科技创新效率。在知识发酵理论中，对外开放类似于引入新的营养源，刺激了知识菌株的生长与繁殖。

经济发展水平决定了知识酶的资源支持和影响力，进而影响科技创新效率。高经济发展水平意味着更多的资金投入、更完善的研究设施以及更广泛的合作机会，这些都促进了科技创新的进行。在知识发酵理论中，经济发展水平可类比为知识酶提供了更多的营养和能量，使其能够更好地催化知识的合成和转化，从而提高了科技创新效率。

人力资本构成丰富的知识环境，为知识发酵提供了重要的基础。高素质人才拥有创新能力和多样性的知识背景，促进了知识的创新和融合。在知识发酵理论中，人力资本可以类比为知识环境，为知识菌株提供了更多的种子和营养，使得知识菌株在更丰富的环境中生长，从而加速科技创新效率的提升。

（4）产业结构对科技创新的作用影响不大。从知识发酵的角度来看，产业结构对科技创新的影响可能不是决定性的。虽然产业结构可以提供不同领域的知识资源，但它本身并不是知识发酵的主要触发因素。产业结构作为一种组织和分工的安排方式，影响着组织内部的知识多样性。不同产业领域的专业知识构成了知识母体的一部分，但知识发酵更强调不同知识领域之间的交互和融合。即使产业结构丰富多样，如果知识在不同领域之间无法有效传递和转化，产业结构的影响也可能受限。此外，知识发酵还强调外部知识菌株的引入，以刺激内部创新活动。虽然产业结构可能为知识的引入提供一些机会，但更关键的是知识酶的协调和推动。即使存在多样的产业结构，如果缺乏有效的知识酶，外部知识的引入可能无法在组织内部引发创新的反应。因此，尽管产业结构在某种程度上可以为知识发酵提供一些条件，但知识发酵的成功还需要更多的因素的支持，如知识酶的引导、知识工具的运用、人力资本的质量等。产业结构可以被视为知识发酵过程的一个组成部分，但并不是唯一影响科技创新的关键因素。

（5）信息化水平对科技创新起到了反作用。信息化水平可能对知识菌株的引入和外部刺激产生一些反作用。虽然高信息化水平可以促进知识的传递和共享，但在某些情况下，信息的过多流通可能会导致知识的同质性增加，从而减少外部知识菌株的多样性。这可能会限制组织接触和吸收新领域的知识，影响创新的多样性和新颖性。再者，信息化水平较高的组织可能更容易受到过多信息的干扰，导致难以筛选和识别有价值的知识创新机会，从而产生信息过载的问题。最后，信息技术虽然可以支持知识的管理和协调，但过分依赖技术工具可能会削弱人与人之间的交流与互动。人们需要在知识传递的过程中引导和激发创新思维。如果信息化水平过高，可能会导致人们更多地依赖技术工具，而忽视人际关系和领导力的重要性。

5  政策建议

基于以上结论，围绕提高湖北省域的科技创新能力和效率，笔者提出如下建议：

（1）改善科技创新环境。科技创新活动离不开好的经济环境和政策环境，提高经济发展水平，加大政策引导力度，强化科技创新平台和资源整合，强化科技创新服务综合能力，能更好地为科技创新活动保驾护航，推动科技创新与成果轉化。湖北省需进一步加大战略科技力量培育，建好高水平科技创新平台。深入推进科技体制改革，优化科技创新生态，持续营造崇尚创新、尊重科学、尊重知识、尊重人才的社会氛围。

（2）加强人才引进工作。加快集聚海内外高端科技人才，开展“离岸引才”行动，进一步为海外高技术人才签证居留提供便利。同时，如何留住人才也不可忽视，武汉市大学生人数位列全国第一，却难以吸引大学生们留在武汉市，原因在于就业机会的缺失，应当促进创新型和高科技产业发展，吸引更多高素质人才就业。政府可以提供优惠政策和支持，鼓励创新创业，培育高新技术企业，创造更多就业机会。加强与企业的合作，建立产学研结合的平台，提供实习和实践机会，增加学生与企业的接触和就业渠道。鼓励和支持创业，提供创业指导和创业资金，激发大学生创新创业的热情，帮助他们实现个人事业发展，为社会创造更多价值。

（3）提高贸易开放水平。湖北省要加强与其他地区之间的科技创新合作，建立区域科技创新合作机制。推进区域科技创新资源共享与科技成果本地转化，主动对接国家区域发展战略，积极与北京、上海、成渝地区和粤港澳国际科技创新中心等地开展科技交流合作。推进建立科技合作交流长效机制，聚焦优势湖北领域和创新发展需求，建立完善与“一带一路”沿线国家和世界主要创新型国家科技合作机制，全面加强对外科技合作交流。

（4）提高科技创新管理水平。在引进高新技术等增强科技创新硬实力的同时，还需进一步提高科技创新治理能力以及完善相关政策和制度等来增强科技软实力。加快政府科技管理与创新服务职能转变，推动有效市场和有为政府相结合，在科技创新领域做到软硬并重，着力提高湖北省科技创新体系整体效能。

（5）加强信息化建设。首先，要建立有效的信息过滤和筛选机制，帮助组织从海量信息中识别出有价值的知识创新机会，引入人工智能和大数据分析等技术，辅助判断信息的可信度和实用性，以减轻信息过载问题。。其次，提倡在科技创新过程中注重人际交流和合作，强化团队合作和跨部门合作，培养员工与外部合作伙伴之间的良好沟通能力，通过面对面交流和互动，促进创新思维的产生和共享。再次，建立鼓励创新的组织文化，培养员工的创新意识和创造力。强调领导者的角色，引导员工在创新过程中思考问题，勇于打破常规并为他们提供支持和激励。在信息化过程中，需要保持信息技术与人才之间的平衡应用。鼓励员工学习和使用信息技术工具，但也强调培养员工的人际沟通和领导力能力，确保技术工具与人的作用相互补充。最后，定期进行知识管理和总结，建立定期的知识管理机制，对外部知识引入的效果进行总结和评估，了解哪些外部知识菌株对创新产生了积极影响，哪些对创新效率产生了负面影响，并据此调整创新策略。

参考文献：

[1] 刘钒， 邓明亮.基于改进超效率DEA模型的长江经济带科技创新效率研究[J]. 科技进步与对策， 2017， 34（23）： 48-53. （LIU F， DENG M L. Research on scientific and technological innovation efficiency of Yangtze River Economic Belt based on improved superefficiency DEA model [J]. Science and technology progress and countermeasures， 2017， 34（23）： 48-53.）

[2] 朱鹏颐， 刘东华， 黄新焕.动态视角下城市科技创新效率评价研究——以福建九地级市为例[J]. 科研管理， 2017， 38（6）： 43-50. （ZHU P Y， LIU D H， HUANG X H. Evaluation on efficiency of urban science and technology innovation from a dynamic perspective： a case study of nine prefecture-level cities in Fujian Province [J]. Science research management， 2017， 38（6）： 43-50.）

[3] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision-making umits[J]. European journal of operational research， 1978， 2（6）： 429-444.

[4] 李晓梅， 白雪飞.基于超效率CCR-DEA的国有物流企业绩效实证分析——基于16家上市物流企业的样本数据[J]. 中国流通经济， 2016， 30（4）： 26-32. （LI X M， BAI X F. Empirical analysis of performance of state-owned logistics enterprises based on super-efficiency CCR-DEA： based on sample data of 16 listed logistics enterprises [J]. China circulation economy， 2016， 30（4）： 26-32.）

[5] 王珍珍.我國制造业与物流业联动发展效率评价——基于超效率CCR-DEA模型[J]. 中国流通经济， 2017， 31（2）： 20-30. （WANG Z Z. Evaluation of joint development efficiency of manufacturing industry and logistics industry in China： based on super-efficiency CCR-DEA model [J]. China circulation economy， 2017， 31（2）： 20-30.）

[6] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management science， 1984（9）： 1078-1092.

[7] TONE K.A slacks‐based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）： 498‐509.

[8] TONE K.A Slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）： 32-41.

[9] 赖一飞， 谢潘佳， 叶丽婷， 等.我国区域科技创新效率测评及影响因素研究——基于超效率SBM-Malmquist-Tobit模型[J]. 科技进步与对策， 2021， 38（13）： 37-45. （LAI Y F， XIE P J， YE L T， et al. Evaluation and influencing factors of regional science and technology innovation efficiency in China： based on super-efficiency SBM-Malmquist-Tobit model [J]. Science and technology progress and countermeasures， 2019， 38（13）： 37-45.）

[10] UNGKYU H， METTE A， MARTIN K. Regional R&D efficiency in Korea from static and dynamic perspectives[J]. Regional studies， 2014， 50（7）： 1170-1184.

[11] 李健， 鲁亚洲. 京津冀创新能力预测与影响因素研究[J]. 科技进步与对策， 2019， 36（12）： 37-45. （LI J， LU Y Z. Prediction and influencing factors of innovation capability in Beijing-Tianjin-Hebei [J]. Science and technology progress and countermeasures， 2019， 36（12）： 37-45.）

[12] 李芸， 雷宏振， 张小筠.基于SBM模型的科技创新效率及影响因素研究[J]. 技术经济， 2020， 39（5）： 1-8. （LI Y， LEI H Z， ZHANG X J. Research on S&T innovation efficiency and Influencing factors based on SBM model [J]. Journal of technical economics， 2019， 39（5）： 1-8.）

[13] 王鹏， 钟誉华， 颜悦.科技创新效率与区域经济韧性交互分析——基于珠三角地区的实证[J]. 科技进步与对策， 2022， 39（8）： 48-58. （WANG P， ZHONG Y H， YAN Y. Interaction analysis of scientific and technological innovation efficiency and regional economic resilience： an empirical study of the Pearl River Delta region [J]. Science and technology progress and countermeasures， 2002， 39（8）： 48-58.）

[14] 和金生.知识管理与知识发酵[J]. 科学学与科学技术管理， 2002（3）： 63-66. （HE J S. Knowledge management and knowledge fermentation [J]. Science of science and science and technology management， 2002（3）： 63-66.）

[15] 刘洪伟， 和金生， 马丽丽. 知识发酵——知识管理的仿生学理论初探[J]. 科学学研究， 2003（5）： 514-518. （LIU H W， HE J S， MA LL. Knowledge fermentation， the bionics theory of knowledge management study [J]. Studies in science of science， 2003（5）： 514-518.）

[16] 李影， 张鹏， 曾永泉.粤港澳大湾区工业科技创新效率及其时空演变研究[J]. 工业技术经济， 2020， 39（8）： 21-27. （LI Y， ZHANG P， ZENG Y Q. Study on the efficiency of industrial science and technology innovation and its spatio-temporal evolution in Guangdong-Hong Kong-Macao Greater Bay Area [J]. Industrial technical economics， 2019， 39（8）： 21-27.）

[17] 舒天楚， 聂小琴， 郭含文， 等.京津冀城市群科技资源配置效率分析——基于DEA-Malmquist指数模型[J]. 科技管理研究， 2021， 41（4）： 89-96. （SHU T C， NIE X Q， GUO H W， et al. Efficiency analysis of science and technology resource allocation in Beijing-Tianjin-Hebei City cluster： based on DEA-Malmquist index model [J]. Science and technology management research， 2021， 41（4）： 89-96）

[18] 乔为国， 詹文杰. 中国产学研三大部门技术创新经费投入产出效率评估研究[J]. 科技进步与对策， 2022， 39（22）： 113-121. （QIAO W G， ZHAN W J. Evaluation of input-output efficiency of technological innovation funds in three departments of industry， university and research in China [J]. Science and technology progress and countermeasures， 2022， 39（22）： 113-121）

[19] 于樹江， 王云胜， 曾建丽， 等. 创新价值链下京津冀高技术产业技术创新效率及驱动要素研究[J]. 科学决策， 2021（7）： 77-90. （YU S J， WANG Y S， ZENG J L， et al. Research on technological innovation efficiency and driving factors of Beijing-Tianjin-Hebei high-tech Industry under Innovation value chain [J]. Science decision， 2021（7）： 77-90.）

[20] 和雪滢. 外商投资、产业集聚对绿色创新效率的影响[D]. 杭州：浙江财经大学， 2023. （HE X Y. Foreign investment and industrial agglomeration effect on the efficiency of the green innovation [D]. Hangzhou： Zhejiang University of Finance and Economics， 2023.）

[21] 李腾觉. 基于系统GMM模型的区域一体化对城市创新能力的影响研究[D]. 武汉：华中科技大学， 2023. （LI T J. Research on the impact of regional integration on urban innovation capability based on system GMM model [D]. Wuhan： Huazhong University of Science and Technology， 2023.）

[22] 湛泳， 李珊. 智慧城市建设、创业活力与经济高质量发展——基于绿色全要素生产率视角的分析[J]. 财经研究， 2022， 48（1）： 4-18. （ZHAN Y， LI S. Smart city construction， entrepreneurial vitality and high-quality economic development： an analysis from the perspective of green total factor productivity [J]. Study of finance and economics， 2022， 48（1）： 4-18.）

[23] 蔺鹏， 孟娜娜.绿色全要素生产率增长的时空分异与动态收敛[J]. 数量经济技术经济研究， 2021， 38（8）： 104-124. （LIN P， MENG N N. Green total factor productivity growth differentiation of space and time and the dynamic convergence [J]. Journal of quantitative technical economics， 2021， 38 （8）： 104-124.）

[24] 郭淑芬， 张俊.中国31个省市科技创新效率及投入冗余比较[J]. 科研管理， 2018， 39（4）： 55-63. （GUO S F， ZHANG J. Input of science and technology innovation and efficiency in China's 31 provinces redundant comparison [J]. Journal of scientific research management， 2018， 33（4）： 55-63.）

[25] 宋美喆， 柒江艺. 政府行政权力调整对城市绿色全要素生产率的影响——来自“撤县设区”和“省直管县”改革的经验证据[J]. 中国环境管理， 2023， 15（4）： 140-150. （SONG M Z， QI J Y. The impact of government administrative power adjustment on urban green total factor productivity： empirical evidence from the reform of "setting up districts by eliminating counties" and "province directly administering counties" [J]. China's environmental management， 2023， 15（4）： 140-150.）

[26] 李瑞雪， 司孟慧， 张汉飞. 金融集聚对工业绿色全要素生产率的影响研究——基于长三角地区的实证[J]. 华东经济管理， 2022， 36（5）： 34-47. （LI R X， SI M H， ZHANG H F. The impact of financial agglomeration on industrial green total factor productivity： an empirical study in the Yangtze River Delta [J]. East China economic management， 2022， 36 （5）： 34-47.）

[27] 曾亿武， 孙文策， 李丽莉， 等. 数字鸿沟新坐标：智慧城市建设对城乡收入差距的影响[J]. 中国农村观察， 2022（3）： 165-184. （ZENG Y W， SUN W C， LI L L， et al. New coordinates of digital divide： the impact of smart city construction on Urban-Rural income gap [J]. China rural observation， 2022（3）： 165-184）

[28] 謝霜， 向慧芳. 产业结构调整对污染减排影响的实证分析——基于中国省际面板数据[J]. 经济视角， 2016（1）： 62-69. （XIE S， XIANG H F. An empirical analysis of the impact of industrial structure adjustment on pollution reduction： based on China's provincial panel data [J]. Economic perspective， 2016（1）： 62-69.）

[29] 何兴强， 欧燕， 陈平. 上下游供求潜力与FDI在我国的区位选择——基于地区投入产出表和空间效应的分析[J]. 学术研究， 2014（6）： 72-78， 89. （HE X Q， OU Y， CHEN P. Upstream and downstream supply and demand potential and FDI location choice in China： based on regional input-output table and spatial effect analysis [J]. Academic research， 2014（6）： 72-78， 89.）

[30] 贾栋. 陕西省城市科技创新能力与创新效率评价研究[D]. 西安： 西安科技大学， 2018. （JIA D. Research on evaluation of urban science and technology innovation ability and innovation Efficiency in Shaanxi province [D]. Xi 'an： Xi 'an University of Science and Technology， 2018.）

[31] 彭刚， 张文铖， 李光武. 国际贸易对地区经济增长率的影响——基于我国地级市数据的实证分析[J]. 经济问题探索， 2020（10）： 158-169. （PENG G， ZHANG W C， LI G W. The impact of international trade on regional economic growth： an empirical analysis based on the data of prefecture-level cities in China [J]. Exploration of economic issues， 2020（10）： 158-169.）

作者贡献说明：

俞  享：数据处理及论文撰写；

门玉英：论文修改；

刘园园：论文撰写；

李  芳：论文修改。

A Model for Measuring the Efficiency of Technological Innovation Based on Knowledge Fermentation——Take Hubei Province as an example

Yu Xiang1  Men Yuying1，2  Liu Yuanyuan1  Li Fang2

1School of Information Management， Central China Normal University， Wuhan 430079

2Hubei Institute of Science and Technology Information， Wuhan 430071

Abstract： [Objective/Significance] The measurement of science and technology innovation efficiency is helpful to understand the actual situation of urban science and technology innovation in Hubei Province， and provide theoretical support and practical guidance for local economic policies. [Method/Process] Taking 12 cities in Hubei Province as research objects， the super-efficiency SBM-Malmquist model was used to estimate the technological innovation efficiency and total factor productivity of each city from 2003 to 2019， and the influencing factors were explored with OLS regression. Based on the theory of knowledge fermentation， factors such as opening to the outside world， industrial structure， economic development level， informatization level and human capital were combined to show how they jointly affect the efficiency of science and technology innovation in Hubei Province. [Result/Conclusion] The results showed that： from 2003 to 2019， the overall trend of science and technology innovation efficiency in Hubei Province was developing well; There are obvious regional differences in the efficiency of scientific and technological innovation. The total factor productivity of scientific and technological innovation activities is on the rise， which mainly originates from scientific and progress. The influence of opening to the outside world， the level of economic development and human capital on the efficiency of science and technology innovation in Hubei Province is significantly positively correlated. Based on the research conclusions， the paper puts forward some policy suggestions such as improving the environment for scientific and technological innovation， strengthening the introduction of talents， and improving the level of opening up.

Keywords： scientific and technological innovation    theory of knowledge fermentation    ultra-efficient SBM model    OLS model    influencing factors

基金項目：本文系湖北省软科学研究项目“湖北省科技服务综合体建设研究”（项目编号：2022EDA021）研究成果之一。

作者简介：俞享，硕士研究生；门玉英，教授，博士，硕士生导师；刘园园，硕士研究生，通信作者，E-mail： liu5211314yuan2021@163.com；李芳，助理研究员，硕士。

收稿日期：2023-08-20        发表日期：2023-12-27        本文责任编辑：刘远颖