王政翔

（招商银行股份有限公司郑州分行，河南 郑州 450000）

0 引言

党的十九届五中全会提出，坚持创新在现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑［1］，自此，科技创新上升至前所未有的历史新高度。近年来，中国科技创新投入与产出规模不断提升，研发投入、专利申请量、科技论文量等已居于世界前列，逐渐发展为国际公认的科技大国。但部分关键核心技术受制于人、高产出得益于高投入的局面尚未根本扭转，“大”而不“强”是目前中国科技发展的显著特征。为此，应着重提升科技创新效率水平，以促进不变投入标准下产生更高的科技产出以及科技成果的转移转化。黄河流域流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省份，随着“黄河流域生态保护和高质量发展”成为国家发展战略，其地理位置、资源禀赋等方面的优势不断凸显［2］，同时对科技创新这一动力因素的需求更高，如何提高科技创新效率成了亟待解决的现实难题。因此，对黄河流域沿线省区科技创新效率进行评价和演变分析，能够揭示黄河流域整体科技创新效率状况，有利于各省份正确认识自身创新现状与不足，对科学指导未来创新实践，具有一定的现实意义。

1 文献综述

科技创新已成为国际博弈主战场，如何提高科技创新效率是众多学者关注的焦点。目前，关于科技创新效率的已有研究主要集中在高校、农业和区域等方面。在高校科技创新效率研究方面，吴宏超和马聪颖采用DEA-Malmquist模型、面板Tobit模型分析“一带一路”沿线省份高校的科技创新效率和影响因素，提出“一带一路”沿线省份应采取提高高新技术产业占比、完善交通运输系统等措施来提高高校科技创新效率［3］；高擎等基于两阶段DEA模型测算了66所部属重点高校的科技创新效率，指出产学研协同创新背景下高校应注重管理社会声誉、加强基础研究［4］；高蕾等研究发现“一带一路”区域高校的科技创新效率在2012—2017年间呈“V”型变化，纯技术效率是限制科技创新效率提高的主要因素［5］；徐哲根等以62所教育部直属高校为样本，运用因子分析法、BCC模型分析其科研成果转化能力和效率，发现高校科研成果转化能力和效率存在不匹配的情况［6］；李文辉等从科技创新能力、效率及经济贡献三个维度对中国省域高校进行研究［7］。在农业科技创新效率研究方面，陈振等分析河南省18地市农业科技创新效率，指出河南省整体农业科技创新力不高、投入要素未得到充分利用［8］；邓灿辉等运用超效率DEA模型测算全国29个省区的农业科技创新效率，并构建Malmquist指数分析影响效率变动的因素［9］；郭翔宇等分别从动态和静态角度分析我国农业科技创新效率，提出未来应合理配置科技创新资源、提高科研人员职业技能等建议［10］；纪浩和魏建良基于超效率DEA和Malmquist指数模型，发现浙江省55个县域的农业科技创新资源的配置效率两极分化严重并提出相应的对策建议［11］；李勇辉和白利鹏研究发现云南省农业科技创新资源的配置效率整体处于较高水平［12］。在区域科技创新效率研究方面，陈聪聪和马向平采用两阶段DEA模型测算“一带一路”沿线省份的科技创新效率，发现多数省份DEA无效且规模无效是主要因素［13］；杜赛花等研究发现广东省20个地级以上城市创新孵化能力与效率不匹配［14］；王元亮运用DEA-Tobit模型对河南省18地市科技创新效率及影响因素进行研究［15］；李芸等对全国30个省份科技创新效率进行测算和分解，指出东、西部效率变动的影响因素不同，进一步通过Tobit回归发现政府支持、人力资本等与科技创新效率显著相关［16］；李向荣等基于PCA-SE-DEA组合模型分析长江经济带11个省市的科技创新效率，指出长江经济带科技创新效率目前未达到我国平均水平［17］。

综上可知，学者们已从不同角度对多元主体的创新效率进行了考察，但关于黄河流域创新效率状况的研究相对不足。黄河流域具备高水平科技创新效率是其高质量发展的题中应有之意。鉴于此，笔者综合运用数据包络分析（Data Envelopment Analysis，DEA）方法和Malmquist生产率指数法，分别从静态和动态角度分析2010—2018年黄河流域科技创新效率状况，探究黄河流域科技创新效率水平变化情况，以期为政府制定推动黄河流域高质量发展政策提供参考。

2 研究方法

2.1 DEA-BCC模型

1978年，Charnes等运筹学家以“相对效率”概念为基础创建了DEA［18］。该方法特别适用于多输入多输出的复杂系统，测算效率时不需要任何权重假设，且不必确定输入和输出之间的表达式，目前最为成熟的两个模型是规模报酬不变的CCR模型和规模报酬可变的BCC模型。由于黄河流域沿线省区的科技创新属于一个多投入多产出的复杂系统，且难以满足规模报酬不变的假定。因此，笔者选择DEA-BCC模型对黄河流域沿线省区2018年的科技创新效率进行研究。

假设有n个决策单元（DMU），每个决策单元有m种输入和s种输出，第j个决策单元的输入向量为xj=(x1j,x2j,…,xmj)T，输出向量为yj=(y1j,y2j,…,ysj)T，且xj,yj∈R+，λj为权重系数，s+为松弛变量，s-为剩余变量，以DMUj0的效率指数为目标，建立投入导向的BCC模型的对偶规划，如式（1）。

(DBC2)的最优解θ满足：0≤θ≤1，若θ=1，则称该决策单元为DEA有效，否则称该决策单元为非DEA有效。运用BCC模型得到的为决策单元的纯技术效率（vrste），其与CCR模型下得到的综合技术效率（crste）相除，可以得到决策单元的规模效率（scale），即：scale=crste/vrste。

2.2 Malmquist生产率指数法

Malmquist生产率指数法将技术进步对全要素生产率的贡献考虑在内，进一步将全要素生产率分解为技术进步指数和技术效率变化指数，可用于各个决策单元不同时期的动态效率分析。1994年，Rolf Färe等人将Malmquist指数与DEA相结合［19］，使得这一方法广泛应用于效率测算方面，其具体计算过程如下。t期技术条件下，基于产出角度的Malmquist指数为式（2）。

类似地，t+1期技术条件下，基于产出角度的Malmquist指数为式（3）。

t期到t+1期的生产率变化可以用式（2）和式（3）的几何平均值表示为式（4）。

该几何平均值表示的是决策单元t-t+1时期全要素生产率（Tfpch）的变化，当Tfpch＞1时，说明决策单元在t-t+1时期效率提高，反之则效率下降。全要素生产率可以进一步被分解为技术进步指数（Techch）和技术效率变化指数（Effch），其中技术效率变化指数又可以被分解为纯技术效率变化（Pech）和规模效率变化（Sech），它们之间的关系是：Tfpch=Techch×Effch=Techch×Pech×Sech。当Techch＞1时，说明生产技术进步促进效率提高，反之则抑制；当Pech＞1时，说明决策单元的管理正确，对投入资源能够有效利用，进而提高整体生产效率，反之则管理不当，影响效率提高；当Sech＞1时，说明实际规模与最优规模的差距在减小，反之则在扩大。

2.3 指标选取及数据来源

参考已有关于省域科技创新效率的研究，同时考虑指标的代表性、指标数据的可获取性、科学性，结合黄河流域沿线省区的实际情况，选取以下投入产出指标对黄河流域沿线省区科技创新效率进行研究，如表1所示。

表1 黄河流域沿线省区科技创新效率评价指标体系

2.3.1 投入指标。黄河流域科技创新投入主要分为人力投入和财力投入两方面。R&D人员全时当量是比较研发人力的国际通用指标，故用该指标衡量黄河流域沿线省区科技人力投入；财力投入用R&D经费投入和地方财政科学技术支出来衡量，R&D经费包含全社会实际用于R&D活动的全部资金，地方财政科学技术支出包含政府及其相关部门在科技活动方面的支出，代表地方政府对科技活动的支持程度。

2.3.2 产出指标。黄河流域科技创新产出主要分为知识收益和经济收益两方面。专利申请量包括发明专利、实用新型专利、外观设计专利申请量，代表着一个地区技术活跃的程度；科技创新不仅能带来技术上的进步，同时，对经济收益也有显著的促进作用，经济收益用技术市场合同成交额和高技术产品出口额来衡量，技术市场合同成交额包括技术开发、技术转让等合同的金额总和，高技术产品出口额一定程度上反映该地区尖端技术的发展状况。

笔者选取黄河流域沿线9个省区为决策单元，分别为青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东。基于以上指标选定与研究内容，所用原始数据皆来自2011—2019年的《中国统计年鉴》《中国科技统计年鉴》，以及国家知识产权局年度统计公报和全国技术市场统计年度报告。

3 黄河流域沿线省区科技创新效率研究

3.1 基于DEA-BCC模型的静态分析

运用DEAP2.1软件，采用投入导向的规模报酬可变的DEA-BCC模型对2018年黄河流域沿线9省区的科技创新投入产出效率进行测算及分解，如表2所示。

表2 2018黄河流域沿线9省区科技创新投入产出效率

从表2可以看出，2018年黄河流域科技创新的综合效率平均值为0.905，整体综合效率较高，得益于纯技术效率和规模效率均较高。其中，青海、四川、甘肃、陕西和河南5地的综合效率为1.000，达到DEA有效，说明这些地区投入规模合理，管理人员采取措施得当，能够产生现行规模下的最佳效益。宁夏、内蒙古、山西和山东4地的综合效率小于1.000，为非DEA有效，尤其是综合效率值排在末三位的内蒙古、宁夏和山西3个地区，内蒙古是由纯技术效率和规模效率均较低导致，宁夏主要由纯技术效率较低导致，山西省的纯技术效率和规模效率虽然较高，但也都小于1.000，导致综合效率较低，三者的规模收益均处于递增状态，说明这些地区应进一步加大科技创新投入，同时提高管理人员水平以优化资源配置效率，山东省主要由规模效率较低导致，且规模收益处于递减状态，说明应减少投入。从全局来看，达到DEA有效的省份占到一半以上，黄河流域整体纯技术效率和规模效率均较高，但仍存在发展不均衡的问题，内蒙古的综合科技创新效率及其分解指标都很低，可能会影响黄河流域整体高质量发展。

3.2 基于Malmquist指数的动态分析

运用DEAP2.1软件对2010—2018年黄河流域的Malmquist指数进行测算和分解，得到黄河流域科技创新效率的动态变化情况，如表3所示。

表3 2010—2018年黄河流域的Malmquist指数及其分解

从整体来看，2010—2018年黄河流域的全要素生产率呈上升趋势，技术进步是促进效率上升的主要因素，纯技术效率和规模效率对效率上升的贡献较小，说明2010—2018年黄河流域的科技创新成绩显著，而现阶段管理水平未使投入资源得到充分利用，存在管理不当的问题，且实际规模与最优规模仍有一定距离。技术进步率呈波动下降的趋势，2010—2011年技术进步率最高为26.5%，逐步下降至2013—2014年的0.8%，之后呈“上升-下降-上升-下降”的趋势，到2017—2018年甚至变为负增长；技术效率呈波动变化，整体上对黄河流域科技创新效率有正的贡献，说明应该提升科技创新规模效率。分年度来看，除2013—2014年外，黄河流域全要素生产率变动指数均大于1，科技创新效率有所提升。其中，2010—2013、2014—2015、2016—2017年技术进步是主要影响因素，2015—2016年纯技术效率变动值最大，2017—2018年主要是由规模效率较高导致的，说明2010—2018年间技术进步方面贡献最大。纯技术效率变动、规模效率变动大于1的年份占总年份的62.5%，达到一半以上，技术进步变动大于1的年份占总年份的87.5%，说明黄河流域在重视技术发展的同时，也要注重提高管理水平和优化规模效率。

通过DEAP2.1软件还可以得到黄河流域沿线省区2010—2018年的综合Malmquist指数及其分解，如表4所示。

表4 2010—2018年黄河流域沿线省区的Malmquist指数及其分解

2010—2018年，黄河流域的全要素生产率上升12.8%，对其贡献最大的技术进步平均上升11.4%，纯技术效率和规模效率分别上升0.5%和0.7%，影响甚微。分地区来看，四川和山东两省的全要素生产率分别为7.3%、2.3%，相比于其他地区较小，且山东省需要进一步提高规模效率。黄河流域沿线9省区的技术进步变动均大于1，但四川、宁夏、山西、河南和山东五地的技术进步指数低于黄河流域平均值。内蒙古、山东两地的技术效率小于1，且皆由规模效率较低导致，纯技术效率小于1的仅有宁夏一地，规模效率较低的为内蒙古、山东和山西三地。此外，各个省份的分解指标或多或少都存在低于黄河流域平均值的情况，技术进步变动、纯技术效率变动和规模效率变动低于平均值的省份分别占总省份的55.6%、77.8%和88.9%，说明黄河流域沿线地区发展不均衡，多数地区存在管理不当的问题，科技创新投入资源未能得到充分利用。

4 结论与建议

4.1 结论

笔者采用DEA-BCC模型和Malmquist生产率指数法分别从静态、动态角度对黄河流域科技创新效率进行分析，主要得出两点结论。①从静态角度看，2018年黄河流域沿线各省区一半以上达到DEA有效，综合效率平均值较高，得益于纯技术效率和规模效率的平均值均较高，但同时存在综合效率值过低的区域，地区之间科技创新效率差异明显。从非DEA有效地区综合效率的分解来看，发现这些地区均存在不同程度的纯技术效率不足或规模效率不足，说明这些地区科技资源投入规模与结构相对不合理，且现有资源利用不够充分，管理者资源配置水平有待提升。②从动态角度看，2010—2018年黄河流域科技创新的全要素生产率呈上升趋势，技术进步对其贡献最大，纯技术效率和规模效率的贡献相对较低，但技术进步变动正呈波动下降的趋势。黄河流域沿线各省区的全要素生产率均大于1，且多数有技术进步推动，仅宁夏纯技术效率无效，内蒙古、山西和山东三地规模效率无效，这些地区需要进一步对资源配置结构或投入规模进行调整。

4.2 对策建议

基于研究发现，为优化黄河流域科技创新资源配置，提高科技创新效率，提出三点对策建议。

4.2.1 加强资源分配管理，提高资源的使用效益。科技创新投入资源的充分利用与否关系到能否带来高效的科技创新成果，若资源浪费造成的机会损失是巨大的。因此，要把创新资源用到实处，对创新产出进行评估，根据评估结果进行资源分配，同时，还要提高管理人员水平，避免出现盲目扩大规模，企图通过高投入换来高产出的情况，提高资源的使用效益。

4.2.2 重视核心技术创新，以技术带动发展。优化配置结构、调整投入规模对于区域长远发展的影响并不明显，技术进步才是区域发展保持强大动力的力量源泉。因此，黄河流域各省区面对技术进步波动下降的局面，要及时找出问题所在，建立强有力的合作机制，着力突破关键核心技术。

4.2.3 注重协调发展，尊重个体差异。黄河流域高质量发展的前提是其构成区域的高质量发展，政府应发挥宏观调控作用，减少区域间科技创新效率的差异，但同时也应考虑到某些地区的自身特点，对科技创新资源丰富、能力强的地区加大支持力度，形成创新示范区，进而带动科技创新能力弱的地区。