广东区域科技创新效率测评研究
傅尔林 晏 琪
(中共广东省委党校经济学教研部，广州 510053)
摘 要: 纳入政府资金投入与非期望产出建立指标体系，运用DEA-Malquist方法对2015—2017年广东区域科技创新效率进行评价分析。结果表明：广东科技创新效率在2015—2016年的下降幅度大于2016—2017年的上升幅度，技术进步效率为幅度升少降多的关键因素；科技创新效率大于1的城市分为两类，分别为技术进步推动和各组成效率综合推动，大部分城市呈现技术进步趋势；科技创新效率小于1的城市分为三类，分别为技术衰退、规模不经济和管理与组织方式滞后，绝大部分城市呈现规模不经济趋势；科技创新效率存在区域联合技术进步与规模经济，经营管理与组织变革存在聚集效应，且为正溢出效应，但科技创新的动力不足。因此，广东需继续加大科技创新资源投入，注重绿色生产技术进步，加强基础与应用研究，引进与培养科研高端人才，打造广东区域一体化开放融合的科技创新生态体系。
关键词: 科技创新；DEA-Malquist指数；效率测评
0 引 言
我国经济发展正处于深化改革推进的新常态经济增长模式，党和国家政府对科技创新驱动发展高度重视。2018年5月28日在中国科学院第十九次院士大会、中国工程院第十四次院士大会上，习近平总书记强调中国坚持走中国特色自主创新道路，明确了我国科技创新主攻方向和突破口，主要科技创新指标需进入世界前列[1]。2019年《政府工作报告》同样指出，我国将深入实施创新驱动发展战略，创新能力和效率需进一步提升。因此，科技创新投入的增加与创新资源的合理配置，对于国家层级与地区层级科技创新能力的提高以及对经济的持续健康发展，都具有非常重要的现实意义，测度并进一步提高区域科技创新效率显得尤为重要。
总体来说，在水利工程的施工建设过程中，导致出现堤坝渗漏问题的直接因素与间接因素很多，虽然长期以来这些问题一直存在，但却需要我们慎重对待，不仅要对防渗漏问题予以高度的重视，而且还应加大力度改进加固技术。在施工过程中，还要注重结合工程具体情况，使其既能制定出具有针对性的解决方案，同时还能确保方案的有效落实与执行，务必在保证施工质量得以全面优化控制下，使水利工程堤坝防渗加固工作得以切实有效地开展。
广东不仅是中国经济发展的前沿地区，是改革开放的先行地，更是科技创新驱动发展的排头兵。在习近平总书记2018年10月对广东考察提出的四点要求中提到，广东需加快建立技术创新体系，激发科技创新活力，推动高质量发展。为此，本文从科技创新效率评价角度出发，对广东区域内各地区科技创新效率进行测度分析并提出建议，以期为广东区域科技创新体系建设、各地区科技创新效率提升提供理论借鉴。
1 文献回顾
现有关于科技创新效率研究，主要聚焦于科技创新效率与经济增长的关系、科技创新效率的研究方法以及科技创新效率的影响因素。对于科技创新效率与经济增长的关系，在较早期就已有学者对此进行过实证研究，Romer的内生经济增长模型强调技术进步，强调经济增长过程中资本积累促进技术进步，而技术进步又进一步促进经济增长[2]。同样，科技创新效率与经济增长两者之间存在固定不变的作用关系，科技创新效率确定为经济增长的Granger成因，且对经济增长有正向推动作用[3-4]。对于科技创新效率的研究方法，主要有空间面板计量[5]、灰色关联分析法[6]与数据包络分析(DEA)法[7-12]。从相关文献可知，大多数学者采用数据包络分析(DEA)模型及其衍生模型对科技创新的有效性进行实证研究，如以DEA模型为基础结合的DEA-Malmquist指数、随机前沿分析(SFA)、DEA-托宾(Tobit)模型、DEA-t检验等分析方法对科技创新效率进行评价研究。
值得注意的是，对于科技创新效率的影响因素，研究的主流方向是以DEA-Malmquist模型为基础来评价分析综合技术效率变化、技术进步或技术变化、纯技术效率变化以及规模效率变化对全要素生产率变化的影响。如刘凤朝、潘雄锋(2007)，徐小钦、黄馨、梁彭勇(2009)，李瑛、高燕楠(2011)等在前些年通过DEA-Malmquist指数法实证研究发现全要素生产率的变化主要是受到技术进步或技术变化的影响，因此可通过调整科技创新的管理与制度和增强人力资本等方面来提高科技创新效率[13-15]；朱鹏颐、刘东华、黄新焕(2017)基于超效率DEA视窗模型除了依旧认同技术进步或技术变化是全要素生产的制约因素外，并研究发现综合技术效率变化主要受规模效率变化的影响而不是纯技术效率变化的影响[16]。区域差异在科技创新效率中的存在性毋庸置疑，韩先锋、师萍、卫伟(2010)，陈铭、陈俊(2012)，王珍珍、黄茂兴(2013)，晏蒙、孟令杰(2015)等对科技创新效率的区域差异进行实证研究，他们均认为整体不均衡是我国区域科技创新效率的主要特征，东部地区或南部沿海经济区的科技创新效率要高于中西部地区[17-20]。这些研究表明，科技创新的综合技术效率主要受到技术进步与规模效率的综合影响，区域差异为科技创新效率差异的主要特征之一。
2015—2017年，科技创新的Malmquist生产率指数小于1的城市有广州、珠海、佛山、河源、梅州、惠州、汕尾、茂名、肇庆、云浮，表明上述城市TFP分别下降了2.8%、24.5%、2.8%、2.6%、1.7%、0.2%、3.6%、5.5%、41.8%、1.6%；其类别可分为三类，一类为技术衰退(河源、汕尾、茂名)，一类为规模不经济(广州、珠海、佛山、梅州、惠州)，一类为管理、组织方式滞后与规模不经济(韶关、肇庆)。
2 研究方法
本文采用DEA-malmquist指数方法对科技创新全要素生产率进行测度，该方法使用定向输出法或定向输入法定义距离函数，描述多个投入和多个产出全要素生产率。本文使用定向输出法定义产出导向距离函数测量TFP-Malmquist指数，距离函数如式(1)：
D i (x ,y )=inf {θ :(x ,y /θ )
P(x )}
(1)
在式(1)中，x 为投入变量矩阵，y 为产出变量矩阵，θ 为Fare定向产出效率目标，P(x )为产出可能性。TFP-Malmquist指数计算如式(2)：
(2)
在式(2)中，(x t+1 ,y t+1 )和(x t ,y t )分别表示t +1时期与t 时期的输入、输出变量。
表示t +1时期技术T t+1 参照t 时期的产出距离函数。在规模报酬可变的条件假设下，TFP-Malmquist生产率指数可进一步分解为技术进步变化(TC)、纯技术效率变化(PC)和规模效率变化(SC)。DEA测算模型选用C2R模型，其基本假设为规模报酬不变，而BC2模型的基本假设为规模报酬可变，DEA结果更为有效。
3 指标体系构建与实证分析
3.1 数据来源与指标说明
从表3可知,2015—2017年，科技创新的Malmquist生产率指数大于1的城市有深圳、韶关、东莞、中山、东莞、中山、江门、阳江、湛江、清远、潮州、揭阳，表明上述城市TFP分别上升了9.5%、0.2%、21.0%、10.2%、7.8%、10.0%、42.6%、25.9%、20.3%、22.6%;其类别可划分为两类，一类为技术进步推动(深圳、韶关、东莞、中山、东莞、中山、江门、阳江、潮州、揭阳)，一类为技术进步、规模效率、纯技术效率综合推动(湛江、清远)，技术进步在广东各地级市科技创新发展承担重要支撑作用。
科技创新投入产出是一个多要素投入与多要素产出的复杂系统，其投入方面主要涉及人员与资金，本文主要选取R&D人员全时当量(万人/年)、全社会R&D经费支出(亿元)以及地方财政科技拨款(亿元)作为投入要素指标，这三项指标较为全面地反映了科技创新的人员投入、社会投入与政府投入情况。在产出方面主要涉及知识类产出、经济类产出和社会综合效益类产出，科技论文和专利通常作为科技创新体系的知识类产出，由于广东科技论文大多是由高校与科研机构产出，而高校与科研机构集中分布在经济较发达的城市，以至于科技论文数据缺失，因此，本文选取专利授权数(件)作为知识类产出指标；经济类产出是指科技创新成果应用于生产所带来的工业产品价值，本文选取工业企业新产品产值(万元)作为经济类产出指标；科技创新的社会综合效益类指标主要反映科技创新带来的社会生产效率与生态效益[21]，基于广东能源利用与工业污染排放数据，本文选取单位GDP能耗(吨标准煤/万元)作为社会生产效率指标，选取单位GDP工业废水量(吨/万元)、单位GDP工业废气量(立方米/万元)、单位GDP工业烟粉尘量(kg/万元)和单位GDP工业固体产生量(kg/万元)四项指标作为生态效益产出指标，由于产出要求是正向指标，故采取对工业污染负向指标对数化处理为正向指标。科技创新投入与产出指标说明见表1。
从技术进步效率上看，大部分城市呈现技术进步趋势，少数城市呈现技术衰退，技术衰退类城市在承接经济发达地区转移产业时，应汲取经验，发挥优势提升绿色生产技术水平。而从规模效率上看，绝大多数城市呈现规模不经济趋势，各城市应着力加大科技创新资源投入，提高技术效率，合理优化科技创新资源配置，同时城市之间加强科技交流，推进协同创新，发挥规模效应。
表1 科技创新投入与产出指标说明
3.2 科技创新效率评价与分析
从表2可知，2015—2016年，广东科技创新的Malmquist生产率指数为0.797，表明2016年广东科技创新的TFP比2015年下降了20.3%，这主要由于2016年广东经济发展进入转型阶段，产业结构面临调整，科技创新受到较大影响，技术进步与规模效率分别降低19.0%、2.7%，纯技术效率上升1.1%，技术衰退为科技创新效率下降的主要成因。
现如今，计算机网络已经得到普及，互联网已经与时代的发展相契合。我们正处于一个大安全时代。网络安全已经不仅是网络本身的安全，更是国家安全、社会安全、基础设施安全、城市安全、人身安全等更广泛意义上的安全。为了安全使用计算机网络，国家、社会和个人都一定要做好充分相应的防范措施，高度重视计算机网络安全防范工作，提高安全防范意识，使民众能够放心地享受计算机网络给生活带来的便利，促进计算机网络的发展。
从表4可知，2015—2017年，珠三角、粤东、粤西Malquist生产率指数均大于1.000，TFP分别上升了4.3%、9.6%、28.1%，而粤北生产率指数小于1，TFP下降3.0%。值得注意的是，四大区域的纯技术效率与规模效率均为1.000，较表3分析所得绝大多数城市呈现规模不经济趋势可知，科技创新效率存在区域联合技术进步与规模经济，经营管理与组织变革也有所提升，表明其存在聚集效应，且为正溢出效应[9]。
表2 2015—2017年广东整体科技创新效率变化及其分解
依据上文建立的投入与产出指标体系，借助DEAP2.1软件对广东区域内科技创新效率逐年进行测算。依据测算结果，广东区域整体、各地级市以及四大区域2015—2017年科技创新效率变化及分解效率变化情况见表2、表3、表4。
2016—2017年，广东科技创新的Malmquist生产率指数为1.024，表明2017年广东科技创新的TFP比2016年上升2.4%，纯技术效率与规模效率分别下降0.6%、7.0%，技术进步上升10.7%，技术进步在科技创新效率提升中起到主要推动作用，这主要由于2017年广东的技术自给率达72.5%，科技进步贡献率达58%，但未在相应程度上提升科技创新资源配置效率与经营管理水平。
2015—2016年与2016—2017年MI指数及其分解效率对比发现，2016—2017年较2015—2016年TFP升少降多，纯技术效率与规模效率不升反降，表明广东整体上应继续优化科技创新资源配置，提升经营管理水平，实施组织变革和加大科技创新资源投入，扩大科技创新规模，同时应继续鼓励绿色技术进步。
表3 广东各地级市2015—2017年科技创新效率及其分解
由于数据可获得性与完整性，本文选用广东区域内21个地级市2015—2017年科技创新数据，数据来源于《广东统计年鉴》《广东科技统计年鉴》以及广东省科技厅。
综上可知，诸多研究从科技创新效率与经济增长的关系、科技效率的研究方法、科技创新效率的影响因素视角对科技创新效率进行研究。而关于广东科技创新效率研究仍存在以下不足：一是由于数据的可得性，对近几年广东区域内科技创新效率研究极少；二是科技创新投入产出指标不够完善，鲜有研究考虑政府资金投入与非期望产出。为此，本文采用DEA-Malquist指数方法与广东区域内2015—2017年科技创新数据，选用人员投入、社会投入、政府投入为投入指标，期望与非期望产出指标对广东区域内科技创新效率进行测评。
天葬是云浮对神明的献祭，是最圣洁的事情，自己为了满足私欲，竟用这种龌龊的方式，来为神明祭献一具并无信仰的外族尸体。天葬刀将在自己的手中受到玷污，神明兴许会因愤怒而降下灾祸。而之后祈神时的异象，更加地证明了，云浮确实要有不祥的事情发生。
疗效评价[4]：采用RECIST评价标准，至少持续4周病灶完全消失为完全缓解；至少持续4周基线病灶最大径总和缩小≥30%为部分缓解；介于完全缓解和部分缓解为稳定；病灶最大径之和增加≥20%或出现新病灶为进展。总有效率=[(完全缓解例数+部分缓解例数)/总病例数]×100%。
表4 广东四大区域2015—2017年科技效率及其分解
DR-1型干眼仪对泪膜脂质层光干涉图像的观察结果显示戴镜后1个月较戴镜前比较泪膜脂质层分级出现下降，差异有统计学意义（P＜0.001），3个月和6个月时趋于稳定，与戴镜前比较差异无统计学意义。见表1。
2015—2017年，发达区域与城市Malquist生产率指数增幅均较小，表明科技创新的动力不足，应合理配置科技创新资源，加强基础与应用研究，提升自主创新能力。2017年广东基础研究经费投入占比4.66%低于全国平均水平(5.5%)，与北京(14.22%)、上海(7.4%)差距明显，与美国、日本等发达国家15%的占比差距更大。值得注意的是，广东90%的R&D经费来自企业，但其中只有16.7%的基础研究经费来自企业，企业自身基础研究经费投入也仅占企业R&D经费投入总量的0.79%，远低于全省水平，广东每万人R&D人员全时当量只有46.2人年，不足北京1/2，约为江苏、上海的2/3。为此，广东应着力加大广东基础研究经费投入，企业基础研究投入为重要“抓手”，引进与培养高端科研人才。
4 研究结论与政策建议
从上述分析结果可以得出以下结论：
第一，从广东整体看,2015—2016年广东科技创新效率下降20.3%，技术衰退为科技创新效率下降的主要成因，而在2016—2017年，在技术进步为主要推动力下，广东科技创新效率只上升2.4%，广东整体上在加大科技创新资源投入，提升技术进步效率的同时，也应着力优化科技创新资源配置，提升经营管理水平，实施组织变革。
第二，从广东各地级市看，科技创新效率大于1的城市可划分为两类，分别为技术进步推动和各组成效率综合推动，技术进步在广东各地级市科技创新效率提升中承担重要支撑作用。科技创新效率小于1的城市划分为三类，分别为技术衰退、规模不经济与管理、组织方式滞后，大部分城市呈现规模不经济趋势,城市之间应加强科技交流，推进协同创新，发挥规模效应。
2.3 典型病例 患者男，68 岁，因“头部外伤1 个月、头部胀痛 1 周加重伴左侧肢体无力 3 d”入院。体格检查主要为左侧肢体肌力 4 级，术前头颅 CT 示双侧慢性硬膜下血肿，右侧为重（图1A）。急诊行右侧硬膜下血肿钻孔引流术，术后即刻复查头颅 CT 提示血肿引流充分（图1B），患者左侧肢体无力症状完全消失，肌力恢复至5 级。术后一直口服阿托伐他汀钙；术后第 2 天复查头颅 CT 示脑膨复良好（图1C），予以拔除引流管，术后第 4 天出院。1 个月后头痛症状完全消失，复查头颅 CT 提示双侧血肿较前明显吸收（图1D）；3 个月后复查头颅 CT 提示双侧血肿完全消失（图1E）并停药。
对于搜救机器人的研究开始于20世纪80年代，经过了1995年的日本神户大地震和美国俄克拉荷马州爆炸案后，人们逐渐开始重视并将如何把搜救机器人作为机器人学在人道主义上的应用作为专门课题进行研究。如今由美国、日本、澳大利亚等多个国家研制的搜救机器人已陆续加入到实际灾害救援行动当中。iRobot机器人就是其中表现较为出色的一种，已被大量应用于战场、地震灾害等现场，主要应用在排险、侦查等用途，iRobot 510 Packbot便是广泛应用在军用领域的机器人如图1所示。
第三，从广东四大区域看，科技创新效率存在区域联合技术进步与规模经济，经营管理与组织变革也有所提升，区域之间存在聚集效应，且为正溢出效应，发达区域与城市科技创新效率增幅均较小，科技创新的动力不足，应加强基础与应用研究，企业基础研究投入为重要“抓手”，提升自主创新能力。
因此，为实现广东整体科技创新效率提升，政府应着力加大资源投入，提升绿色技术效率，合理配置科技创新资源，加强基础与应用研究，政策引导企业与高校构建协同创新研究平台,注重知识产权立法保护，提高自主创新能力。加大R&D人力资源建设力度，尤其是制定高端科研人才引进与培养政策，可将高端人才的引进与培养纳入地方政府考核指标。同时河源、汕尾、茂名等城市以技术进步为重点，广州、珠海、佛山、梅州、惠州等城市以规模经济为重点，韶关、肇庆等城市以管理、组织方式改革与规模经济为重点，其余城市以加大科技创新资源投入为重点，提高科技创新效率。在整个科技创新过程中，政府应加大破除行政垄断力度，以科技创新效率提高为导向，鼓励效率较高地区向效率较低地区进行技术输出与政策指导，并以此提升效率较低地区技术管理水平与科技创新效率，同时落后地区承接经济发达地区的转移产业时，应发挥优势以提升绿色生产技术水平。面对四大区域的聚集效应与扩散效应，要求在新的形势下，打造广东区域一体化的开放融合的科技创新生态体系，促进广东区域科技协同创新、多方共同发展。
参考文献
[1] 习近平.在中国科学院第十九次院士大会、中国工程院第十四次院士大会上的讲话[N].人民日报，2018-05-29(002).
[2] RIVERA-BATIZ L,ROMER P.Economic integration and endogenous growth [J].Quarterly Journal of Economics,1990，CVI(425)：531-555.
[3] 吴二娇，刘璟.广东省科技创新效率与经济增长的实证研究 [J].科技管理研究，2009，29 (7) :215-217 .
[4] 刘红，姚永玲.中国科技创新效率与经济增长的实证研究 [J].统计与决策,2008 (13) :101-104.
[5] 余泳泽.创新要素集聚、政府支持与科技创新效率——基于省域数据的空间面板计量分析[J].经济评论,2011 (2) :93-101.
[6] 童纪新,陈继兴,蔡元成.基于灰色关联分析的区域科技创新效率评价研究——以江苏省为例 [J].科技进步与对策,2011,28 (10) :108-110.
[7] 张赛飞,车晓惠.基于DEA的广州市科技创新效率及其影响因素研究[J].科技管理研究,2011,31 (24):20-23.
[8] 沈能,宫为天.我国省区高校科技创新效率评价实证分析——基于三阶段DEA模型[J].科研管理,2013,34 (S1):125-132.
[9] 黄寰,王玮,曾智.基于DEA-Malmquist指数的四川创新科技效率评价分析[J].软科学,2015,29 (10) :131-135.
[10] 许楠.基于SFA与DEA模型的创新型城市科技创新效率实证研究[J].数学的实践与认识,2011,41 (18)：112-117.
[11] 孙东.我国科技创新效率测算及影响因素研究——基于超效率DEA-TOBIT两步法分析[J].税收经济研究,2014,19 (2):76-84.
[12] 李鸿禧,迟国泰.基于DEA-t检验的以企业为主体的科技创新效率评价[J].中国管理科学,2016,24 (11) : 109-119.
[13] 刘凤朝,潘雄锋.基于Malmquist指数法的我国科技创新效率评价[J].科学学研究,2007 (5) :986-990.
[14] 徐小钦,黄馨,梁彭勇.基于DEA与Malmquist指数法的区域科技创新效率评价——以重庆市为例[J].数理统计与管理,2009,28 (6) : 974-985.
[15] 李瑛,高燕楠.我国高校科技创新效率的实证研究[J].求索,2011(1) :177-179.
[16] 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.
[17] 韩先锋,师萍,卫伟.我国区域科技创新效率、模式与收敛性分析[J].统计与决策,2010 (16) : 57-60.
[18] 陈铭,陈俊.基于DEA的Malmquist指数对我国科技创新效率的研究[J].湖北文理学院学报,2012,33 (8)：23-26.
[19] 王珍珍,黄茂兴.我国科技创新效率的实证研究——基于DEA-Malmquist模型和中国省际面板数据[J].技术经济,2013,32(10):55-61.
[20] 晏蒙,孟令杰.基于DEA方法的中国工业科技创新效率分析[J].中国管理科学,2015,23(S1):77-82.
[21] 屈玉阁.工业企业研发创新效率与全要素生产率研究——基于绿色增长视角[J].科技管理研究,2015(3):48-53.
Research on the Evaluation of Regional Scientific and Technological Innovation Efficiency in Guangdong
FU Er -lin YAN Qi
(Department of Economics, Party School of Guangdong Provincial Committee of C.P.C, Guangzhou 510053,China)
Abstract : This paper incorporated government capital input and unexpected output to establish an index system, and evaluated and analyzed the efficiency of regional scientific and technological innovation of Guangdong from 2015 to 2017 by using DEA-Malquist method. The results show that: The decline range of the efficiency of scientific and technological innovation of Guangdong in 2015—2016 is greater than the rising range in 2016—2017, and the progress of the efficiency of technological is the key factor for it; cities of which the efficiency of scientific and technological innovation is greater than 1 can be divided into two categories: technological progress promotion and comprehensive promotion of the efficiency of components. Most cities show the trend of technological progress. Cities of the efficiency of which scientific and technological innovation is less than 1 can be divided into three categories: technological decline, scale inefficiency and lagging of management and organization. Most cities show the trend of scale inefficiency; the efficiency of scientific and technological innovation has regional joint technological progress and economies of scale. The management and organizational change has aggregation effect and positive spillover effect, but the motive force of scientific and technological innovation is insufficient. Therefore, Guangdong should continue to increase investment in the resources of scientific and technological innovation, pay attention to technological progress of green production, strengthen basic and applied research, introduce and train high-end scientific research talents, and build an open and integrated ecological system of scientific and technological innovation in Guangdong.
Key words : scientific and technological innovation; DEA-Malquist index; efficiency evaluation
基金项目: 中共广东省委党校校院课题——“广东省区域科技创新效率测评”(项目编号：XYYB201910；项目负责人：傅尔林)成果之一。
作者简介: 傅尔林，管理学博士，中共广东省委党校经济学部教授，硕士生导师，研究方向：区域经济可持续发展、环境科学与资源利用；晏琪，中共广东省委党校经济学部硕士研究生，研究方向：区域经济、生态经济与可持续发展。
(收稿日期： 2019 -05 -06)