我国区域科技创新能力及其效率评价研究

赵清军， 周毕芬 (福建农林大学 公共管理学院，福建 福州 350002)

一、引言与文献综述

党的十八大提出实施创新驱动发展战略，强调科技创新是提高社会生产力和综合国力的战略支撑，必须把科技创新摆在国家发展全局的核心位置，并将创新作为引领发展的第一动力，体现出国家重大战略和经济社会发展对科技创新提出的迫切需求[1]。各地区为促进区域产业结构调整和优化升级、推动区域经济可持续发展，纷纷加强科技创新的顶层规划和制度安排，以提升自主创新能力[2]。科学地、客观地评价区域科技创新能力，对于该区域科学地定位和合理地制定战略，提升自身科技竞争实力，以获取经济和社会方面的效益具有非常重要的意义[3]。

复杂的区域科技创新能力系统，受到多个方面的影响和作用，其测度需要建立一个多指标的综合评价体系。赵黎明和刘猛[4]构建了基于熵权TOPSIS法的区域科技创新能力综合评价模型，对2011年我国31个省市和六大经济区的科技创新能力进行评价；常涛等[5]运用因子分析法从科技创新投入、科技创新基础、科技创新产出和科技创新效益四个方面对山西省科技创新能力进行了实证分析；李柏洲和苏屹[6]应用结构方程、粗糙集理论和数值转换方法，构建了基于改进突变级数的区域科技创新能力评价模型，对指标体系的合理性进行了验证；王亚伟和韩珂[7]利用改进的模糊综合评价模型对河南省的区域科技创新能力进行综合评价；姜文仙[8]基于灰色关联度评价理论，对2000—2013年广东省区域科技创新能力进行了综合分析；李哲[1]从企业技术创新、科研体系和科技成果转化、科技人才、科技创新治理、科技金融等角度分析了科技政策的热点领域，并对科技创新政策进一步深入的思考；陈套和冯锋[2]构建了中国区域科技创新系统治理能力的“四力”评价指标体系，实证研究了2009—2013年我国31个区域创新治理能力的动态演化情况。但是，这些研究主要关注区域科技创新能力的评价，少有文献对科技创新效率做出探讨。因此，本文构建我国区域科技创新能力及效率评价体系，综合运用主成分分析法和DEA模型，以2014年全国31个省(区市)的数据为基础进行实证分析，揭示各地科技创新发展中面临的主要问题，并进一步提出了政策建议，以期为我国区域科技创新发展提供参考。

二、研究方法及数据

(一)研究方法

1.主成分分析法

主成分分析法是指通过研究多个指标之间的内部依赖关系，利用少数的几个综合指标(即主成分)来解释原始资料中大部分指标的信息，且所包含的信息互不重复[9]。一般数学模型如下：

(1)

简写为Fi=ap1X1+ap2X2+…+apmXm，i=1,2,…,p，且满足：

m≤p；Fi与Fj(i≠j;i,j=1,2,… ,p)不相关；E(X)=0，d(X)=Im。

2.DEA模型

DEA模型由著名的运筹学家A.Charnes、W.W.Cooper及E.Rhodes提出，用于评价相同部门间的相对有效性[10]。本文采用DEA模型中的BCC模型进行分析，即假定在生产规模报酬可变的情况下，对区域科技创新效率进行分析，其模型可表示为

(2)

式中，j=1，2，…，n表示决策单元，x、y分别是投入、产出向量。

若θ=1，S+=S-=0，则决策单元为DEA有效；若θ=1，S+>0或S->0，则决策单元为弱DEA有效；若θ<1，则决策单元为非DEA有效。

(二)数据来源

本文针对我国区域科技创新能力和效率进行评价，以全国31个省区市(港澳台除外)为样本，利用2015年《中国统计年鉴》、《中国科技统计年鉴》、《中国火炬统计年鉴》、《中国高技术统计年鉴》以及各省(区市)统计年鉴，整理获得表1对应的21个二级指标在2014年的数据资料。

三、实证分析

(一)基于主成分分析法的区域科技创新能力评价

1.评价指标体系构建

参考已有的文献，并按照指标选取的科学性、系统性、全面性、可比较性和可操作性等原则，本文基于区域科技创新能力的基本特征，建立了科技创新环境、科技创新投入、企业科技创新、科技创新产出和科技创新绩效5个一级指标和21个二级指标，具体见表1。

表1 我国区域科技创新能力评价指标体系

2.区域科技创新能力分析

本文采用SPSS19.0对数据进行统计分析，由于各评价指标的单位量纲不同。首先，需要对每个指标数据进行无量纲化处理，其公式为：

(3)

表2 特征值及其累积贡献率

F1=0.382X1+0.88X2+0.781X3+

0.667X4+0.974X5-0.53X6+0.974X7-

0.605X8+0.938X9+0.782X10+0.718X11+0.848X12+0.795X13+0.919X14+0.377X15+

0.895X16+0.953X17+0.793X18+0.911X19+

0.445X20+0.556X21

(4)

F2=0.875X1-0.02X2-0.395X3+0.665X4+

0.048X5-0.22X6-0.134X7-0.147X8-0.263X9-

0.319X10+0.42X11-0.269X12+0.328X13+

0.022X14+0.655X15-0.279X16-0.226X17-

0.192X18-0.34X19+0.701X20+0.281X21

(5)

F3=0.15X1+0.119X2-0.036X3-0.109X4+0.194X5+0.545X6+0.097X7+0.464X8-0.015X9-0.077X10-0.305X11-0.072X12+0.359X13+0.238X14+0.546X15+0.129X16-0.03X17+0.126X18+0.084X19-0.263X20-0.495X21

(6)

F4=-0.048X1+0.126X2-0.25X3+0.235X4-

0.06X5+0.536X6-0.035X7-0.153X8+0.045X9-

0.118X10+0.398X11+0.082X12-0.298X13-

0.074X14-0.268X15+0.128X16+0.081X17+

0.219X18+0.071X19+0.419X20-0.516X21

(7)

主成分分析法选取了4个主成分从不同方面反映了我国区域科技创新能力的总体情况，但仍不能进行综合评价。因此，本文以公共因子的方差贡献率作为权数，对我国区域科技创新能力的综合得分进行计算，具体公式如下：

F=0.671F1+0.175F2+0.083F3+0.071F4

(8)

表3 2014年我国区域科技创新能力综合得分与排名

由表3可以看出，2014年我国区域科技创新能力综合得分的均值为7.39E-07，只有12个省(区市)超过该值，分别是：江苏、广东、浙江、北京、山东、上海、天津、福建、河南、辽宁和安徽。其中，江苏省科技创新能力综合得分最高，为26.202；西藏综合得分最低为-11.390。按照四大经济区域对全国31个(区市)科技创新能力综合得分进行排名，东北地区：辽宁、吉林、黑龙江；东部地区：江苏、广东、浙江、北京、山东、上海、天津、福建、河北、海南；中部地区：湖北、河南、安徽、湖南、山西、江西；西部地区：四川、重庆、陕西、内蒙古、广西、宁夏甘肃、云南、贵州、新疆、青海、西藏。总体来看，我国各省(区市)的科技创新能力差异较为明显，地区之间差距较大。呈现出东部地区发展快速，中西部地区科技创新发展相对滞后的态势。

根据聚类分析结果(见图1)和主成分分析的综合得分，按照区域科技创新能力的强弱，可将全国31个省(区市)分为五个类别。第一类：江苏、广东分别为我国的教育大省和经济强省，拥有全国最为丰富的科技创新资源，无论是科技创新投入，还是在产出方面都居于全国前列。江苏省科技创新能力和科技创新投入均为全国第一位，在科技创新产出方面也位于全国第三位。广东省在科技创新能力方面仅次于江苏省，在科技创新投入和产出方面分别为第二、四位。第二类：浙江作为文化大省，其科技创新能力位居全国第三名，在科技创新投入方面同样排在第三位。山东省科技创新能力综合得分为第五名，在R&D经费内部支出方面排在全国第三位。两省在科技创新环境和产出方面，与江苏和广东还有一定的差距，所以位列第二类。第三类：北京、上海、天津均为直辖市，拥有较强的经济和科技实力，三市的科技创新能力排名分别为第四、六和七位，在科技创新环境和企业科技创新方面，均排在全国前列。第四类：福建、河南、湖北、安徽、辽宁、湖南、四川、河北、重庆、陕西十省，在科技创新投入因子中得分分别位于第八到十七名；在四大主成分因子得分中，这10个省(市)均有负值；而在综合得分中，只有福建、湖北、河南、辽宁和安徽四省高于全国均值。第五类：西藏、内蒙古、黑龙江、吉林、山西、宁夏、海南、新疆、青海、广西、江西、贵州、甘肃和云南14个省(市区)，在科技创新能力综合得分和投入方面得分均为负值，都未达到全国平均水平；但是在科技创新产出方面，仅有山西、内蒙古、吉林、广西、海南、宁夏六省(区)得分为负值，其余均为正值且高于全国平均水平。

图1 2014年我国31个省区市科技创新效率聚类结果

(二)基于DEA模型的区域科技创新效率评价

1.评价指标体系构建

在区域科技创新效率评价指标选取过程中，本文遵循科学性、有效性和可比较性的原则，并在咨询专家意见的基础上，从区域科技创新能力评价指标中分别选取了3个投入指标和3个产出指标(具体见表4)。

表4 我国区域科技创新效率评价指标体系

2.区域科技创新效率分析

运用DEAP2.1软件计算出2014年我国区域科技创新效率情况(见表5)。模型结果显示，我国区域科技创新综合效率平均值为0.748，区域差异较为明显，呈现出东部地区>中部地区>东北地区>西部地区的格局；而纯技术效率的平均值达到0.848，规模效率的平均值为0.857，总体情况较好。具体而言，2014年,我国有北京、上海、江苏、浙江、安徽、山东、湖南、广西、重庆9个省市的科技创新的综合效率、纯技术效率以及规模效率值均为1，达到了DEA有效；天津、福建、海南、西藏、青海五省(区市)的科技创新纯技术效率值为1，而由于规模效率值小于1，未能达到DEA最优，需要调整科技创新的投入和产出规模；而广东省的规模效率值为1，其纯技术效率值却小于1，同样造成非DEA有效，需要调整科技创新的投入产出结构，集中以技术进步来实现资源的优化配置，推动区域科技创新的发展。除了上述9个省市以及广东省的规模收益类型不变以外，其他21个省(区市)的科技创新规模收益类型均处在递增阶段，需要扩大科技创新投入规模，加大人力、物力和财力的投入，并合理调整科技创新投入产出结构，以提高区域科技创新效率的水平，实现资源的优化配置。

从综合效率来看，2014年全国有9个省市的效率值达到了1，而河北、山西、内蒙古等15个省(区市)的效率值低于全国均值；其中，西藏地区的综合效率值最低，仅为0.197，远低于其他地区；西部地区和东北地区综合效率值低于全国均值。从纯技术效率来看，全国均值相对较高，但是仍有13个省(区市)的效率值低于全国均值，内蒙古地区的效率值最低，为0.614；只有东部地区的纯技术效率值高于全国均值，且远高于其他3个区域。从规模效率来看，只有海南、云南、西藏等10个省(区市)的效率值低于全国均值，大部分的地区都高于全国均值；除西部地区以外，其他三大经济区域均高于全国均值。

表5 2014年我国31个省区市和四大经济区域科技创新效率值

对2014年我国31个省(区市)科技创新效率的投入、产出指标松弛变量进行测算(见表6)，结果显示：除了北京、上海、江苏、浙江、安徽、山东、湖南、广西、重庆9个省市科技创新的综合效率达到DEA有效，不存在投入、产出松弛以外，其他22个省(区市)均存在不同程度的投入冗余或产出不足的情况。从科技创新投入的角度来看，仅有辽宁、江西和四川3个省在“R&D人员全时当量”指标上存在投入冗余，冗余量分别为13.842人年、1.794人年和35.42人年；在“R&D研究人员占R&D人员比重”和“R&D经费内部支出”两项指标上分别有15和17个地区出现了投入浪费现象。从科技创新产出的角度来看，在“新产品销售收入”指标上，只有黑龙江、贵州、陕西和青海四省存在产出不足情况。相较于科技创新投入而言，在产出指标上的松弛现象相对较好。另外，天津市和广东省均不存在投入的冗余，仅需在“发明专利申请数”指标上分别增加5 101.937件和33 410.672件，即可达到DEA有效；相反的是，四川省不存在产出不足的情况，只需要在“R&D人员全时当量”指标上增加35.42人年，便能达到综合效率DEA最优。

表6 2014年我国区域科技创新投入、产出指标的松弛变量情况

四、结论与建议

(一)结论

本文构建了我国区域科技创新能力和效率评价指标体系，运用主成分分析法和DEA模型，对2014年我国31个省(区市)的科技创新能力及其效率进行评价，得出以下结论：(1)我国区域科技创新能力发展水平极不均衡，呈现经济发达地区科技创新能力强，经济落后地区科技创新能力弱的态势，并且大多数地区科技创新能力低于全国平均水平；经济发展居中的区域，科技创新能力没有明显的规律性变化；江苏、广东、浙江、北京、山东、上海、天津等省市科技创新能力远远超过其他区域，西藏、青海、海南、贵州、云南、新疆等科技创新能力综合得分处于全国的尾段。(2)北京、上海、江苏、浙江、安徽、山东、湖南、广西、重庆9个省市科技创新的综合效率、纯技术效率和规模效率均达到了DEA有效，其他21个省(区市)均处于科技创新规模收益递增阶段，需要加大科技创新投入力度，调整投入产出结构，实现规模效益最优。(3)全国31个省(区市)除了综合效率达到DEA最优的9个省市以外，其他地区都存在不同程度的投入浪费或产出不足的情况；其中，天津、广东两地仅在“发明专利申请数”这一项指标上存在产出不足，而四川省只在“R&D人员全时当量”指标上出现投入冗余；出现投入浪费或产出不足现象最严重的是青海和江西，两省均存在两项指标投入冗余和两项指标产出不足的情况。

(二)建议

(1)注重我国区域科技创新发展水平的均衡问题。各地区政府应结合实际情况，充分发挥自身优势资源，走特色科技创新发展之路；国家应加强科技创新制度的顶层设计，在资金和政策上向落后的地区进行倾斜，扶持该区域的科技创新发展，从而提高其科技创新的能力和水平。(2)加大科技创新投入力度，提高科技创新产出水平。各地方政府要加强人才队伍建设，并进一步加大高层次人才引进力度，增加科技创新的资金支持，在财政上逐步增加科技和教育的支出比重，激发企业科技创新的动力和活力，提高科技创新投入转化率[11]。(3)加快推进高新技术产业化，提升自主创新能力。引导科技创新和高新技术产业的健康持续发展，加大对于科技型中小企业的扶持力度，培育高新技术产业化的主力军[5]。

参考文献：

[1]李哲.科技创新政策的热点及思考[J].科学学研究,2017(2):177-182,229.

[2]陈套,冯锋.中国区域科技创新系统治理能力动态评价与提升路径[J].大连理工大学学报:社会科学版,2016(1):44-50.

[3]李倩,师萍,赵立雨.基于灰色关联分析的我国区域科技创新能力评价研究[J].科技管理研究,2010(2):43-44+50.

[4]赵黎明,刘猛.基于熵权TOPSIS的区域科技创新能力评价模型及实证研究[J].天津大学学报:社会科学版,2014(5):385-390.

[5]常涛,李志强,韩牛牛,等.基于资源型经济转型的区域科技创新能力评价研究——以山西省为例[J].科技管理研究,2015(16):62-67.

[6]李柏洲,苏屹.基于改进突变级数的区域科技创新能力评价研究[J].中国软科学,2012(6):90-101.

[7]王亚伟,韩珂.基于改进模糊综合评价模型的区域科技创新能力评估——以河南省为例[J].科技进步与对策,2012(13):119-124.

[8]姜文仙.广东省区域科技创新能力评价研究[J].科技管理研究,2016(8):75-79,86.

[9]朱建平.应用多元统计分析[M].北京:科学出版社,2006:109-110.

[10]魏权龄.数据包络分析[M].北京:科学出版社,2004.

[11]林萍,聂春霞,黄润,等.新疆科技创新能力评价[J].科技管理研究,2014(7):44-48.