胡宇鹏，郭丕斌，焦德坤

(中北大学 经济与管理学院，山西 太原 030051)

中部崛起战略实施以来，我国发布了2006年《中共中央、国务院关于促进中部地区崛起的若干意见》、2009年《促进中部地区据诶规划(2009-2015)》、2012年《国务院关于大力实施促进中部地区崛起战略的若干意见》、2016年《促进中部地区崛起“十三五”规划》等一系列重要文件。2019年全国两会上，中部地区战略崛起再次被提及，同年习近平总书记于江西考察，在推动中部地区崛起工作座谈会上，又提出了八点意见，为推进中部地区持续高质量发展指引了方向。创新因素对于推动中部经济高质量发展显得尤为重要，推进创新驱动必须牢牢立足高新区这块引领创新的前沿阵地，以高新区的资源优势、高技术创新打破发展不可持续的瓶颈。[1]值得注意的是，高新区的投入产出效率需要与区域经济发展水平相适应。高新区是政府的重点扶持对象，在人力、物力、政策等方面得到了大力支持。然而，这些投入是否发挥了应有的作用，我们有必要从投入产出的角度对高新区效率进行研究，深度挖掘高新区的潜力。

1 研究综述

中部地区在国民经济发展格局中占有重要地位。从长远来看，中部地区国家级高新区(以下简称“高新区”)是促进中部地区经济发展和提高我国综合经济实力的重要支撑，也是东西部一体化、南北联通以及区域经济发展的客观需要，其作用日益显著。就中部地区局部各省高新区发展而言，甘小文[2]等人结合AHP层次分析法和灰色关联法，对江西省国家级工业园区的产城融合度进行了评价。陈妤凡[3]等人测算了武汉东湖高新区2003年-2015年产业综合系统的耦合关联度和协调度。蔡姝莎[4]等人构建了生态质量评价体系，评价了湖北省高新区的创新体系生态质量。另外，就区域经济高新区发展而言，马淑燕[5]等以京津冀、长三角和珠三角城市群的28家国家高新区为研究对象,运用熵值法和随机前沿生产模型测算高新区的创新效率,并对其影响因素进行分析。王飞航[6]等人利用三阶段数据包络模型对我国西部地区高新区的创新效率进行了评价。王丽[7]等以2010年9月和11月成立的27家国家高新区为研究对象,运用DEA方法分别对2011年、2014年和2017年国家高新区的运行效率及其分解指数进行深入研究。张冀新[8]等以国家高新技术企业为比较对象,运用三阶段DEA模型,研究企业类型差异对国家高新区技术效率的影响。屈文建[9]分析了高新技术产业政策基于时空的分类和演进关系。

以上研究为我国高新区的发展提供了很好的借鉴意义。基于学界对高新区的研究只限于局部各省单方面的研究，本文基于中部地区独特的区位特征、资源以及经济发展现状，运用三阶段DEA方法，针对中部地区布局的32个国家级高新区创新效率进行评价。

2 研究方法

三阶段DEA模型弥补了传统DEA模型的不足以及SFA模型参数估计的误差。目前，学界应用三阶段DEA模型的研究很多，如：Habibollah Rahimi[10]等人利用三阶段DEA模型对伊朗农村交通警察的效率进行了评价。FengDong[11]等人利用三阶段DEA模型对我国碳排放效率进行了评价。Jiangxue[12]等人对我国30个省市的工业生态效率进行了评价。

2.1 传统DEA-BCC模型

DEA模型属于线性规划问题，用于评价同类别具有多投入和多产出的组织和或部门技术效率是否有效的一种方法。基于C2R模型，Banker等人提出了规模报酬可变的BC2模型，该模型中综合技术效率分解为规模效率和纯技术效率的乘积。

2.2 SFA回归分析

影响投入松弛变量的因素除了效率之外，还有各决策单元周边环境和随机干扰的影响，基于此，以松弛变量为因变量，环境变量为自变量，构建SFA回归模型：

Snk=fn(αk,βn)+vnk+unk；n=1,2,…,N；

k=1,2,…,K

E[vnk|vnk+unk]=Snk-σkβn-E[unk|vnk+unk]，

n=1,2,…,N；k=1,2,…,K，

借鉴罗登跃的管理无效率公式：

考虑环境因素和随机误差因素后，将所有决策单元至于相同的条件水平下，调整公式为：

n=1,2,…,N；k=1,2,…,K.

2.3 调整后的DEA模型

三阶段DEA模型将各决策单元的原始投入数据替换为第二阶段的调整投入数据，并利用BC2模型结合原始产出数据对决策单元的效率进行评价。三阶段DEA模型的优点是将松弛变量简化为外部因素，通过剔除外部因素得到决策单元管理水平的效率值。同时，透过第二阶段的回归分析，了解环境变量对输入松弛变量的影响，并作出调整。

3 指标选取

3.1 投入和产出指标选取

高新区创新是一个复杂的动态系统，对于高新区效率研究的投入产出指标选取并没有一致认识。本文基于高新区效率研究相关文献梳理，借鉴刘满凤[13]、王飞航[6]的投入产出指标，投入指标主要涉及人力资源、高新区规模和科研经费支持力度。产出指标主要涉及高新区新产品研发、技术转化和总体收入情况。其中，选择高新区内高新技术企业的科研人员、年末固定资产和科技活动内部经费支出为投入指标，产出指标为工业总产值、营业性收入和技术性收入。

3.2 环境变量

应用三阶段DEA模型的基本思想是使决策单元在相对一致的条件下，对其投入产出效率进行评价。基于此，选取的环境变量必须对决策单元具有一定程度的影响，但又不是主观可控制的因素。考虑到中部地区高新区的发展特点，本文选取的环境因素如下：

1) 宏观经济发展水平。宏观经济发展水平对高新区自身科研经费的供给以及政府对高新区科研发展的财力支持有很大程度的影响，是影响高新区创新效率水平的重要因素。本文以地区人均GDP来表示当地的宏观经济发展水平。

2) 科学教育水平。科技源于教育，教育水平的提高是科研进步的基础，高层次的人才是高新区创新效率水平的重要影响因素。本文用当地普通高校在校大学生表示当地的教育发展水平。

3) 产业结构。产业结构调整、当地企业的发展方向对科学技术的创新起到引领作用，产业结构对高新区不同技术领域的发展具有重要的影响作用。本文用工业企业个数表示当地的产业结构。

4) 劳动者素质。高素质人才不论学历、不论能力，最重要的是看在某一领域、某一特定位置是否最合适，高素质人才对高新区的发展具有重要的支撑作用。本文用大专以上学历劳动者占比表示当地的劳动者素质。

5) 地区开放程度。除了自身拥有的资源以及政府的支持，外资以及合作引进的先进技术是高新区发展不可或缺的资源优势。当地的开放程度对高新区引进外资和先进技术有重要的影响，成为其创新效率不可忽略的影响因素。

6) 政策支持。当地优惠政策对于引进人才、吸引高技术产业扮演着极其重要的角色。另外，财政支持是高新区科研经费投入的重要组成部分。政府从多方面影响着高新区的创新水平，本文用财政支出中科学技术的支出比例来表示政策支持。

3.3 数据来源

本文关于高新区投入产出的数据均来自《2019中国统计年鉴》，环境变量取自《2019中国城市统计年鉴》，其中湖北仙桃高新区数据缺失，不在本文研究范围内。

4 实证分析

DEA第一阶段，运用DEAP2.1软件对32个高新区的技术创新效率进行评价，结果如表 1 所示。

由表 1 相关数据可知，综合技术创新效率均值为 0.643，纯技术效率均值为 0.856，规模效率为 0.744。整体而言，我国中部地区高新区创新效率较高。其中，新余、鹰潭、赣州、吉安、武汉、湘潭和益阳7个高新区的综合技术效率值、纯技术效率值和规模效率值都达到了1。这说明7个高新区处于生产前沿面上，其管理机制相对完善和资源的利用效率较高。值得我们注意的是，平顶山、安阳、襄阳、孝感4个高新区的纯技术效率为1，规模效率较高接近于1，整体上接近于生产前沿面； 太原、南昌、郑州、新乡、长沙高新区因规模效率较低，导致整体综合效率较低； 长沙、随州和郴州 3个高新区则是因为纯技术效率值较低，从而拉低了综合效率值。一阶段DEA的结果是在未考虑环境因素和随机影响因素的基础上进行的，所以效率值存在低估或高估的可能，还需进一步测试。

通过对第一阶段和第三阶段得到的结果进行对比(详见表 1)可知，效率值变化很大，去除外部环境影响因素后，各高新区的综合创新效率值整体上得到提升(见图 1)，仍处于生产效率前沿面的有：鹰潭、武汉、襄阳和湘潭高新区； 值得注意的是，原先处于生产效率前沿面的新余、赣州、吉安和益阳高新区均因为规模效率降低，导致综合效率降低，而襄阳高新区则是规模效率提高，使其达到生产效率前沿面。焦作、南阳和宜昌高新区纯技术效率值达到了1。此外，规模效率整体提升，多数变为规模报酬递增的状态。这表明，环境因素和随机因素对各高新区具有显著的影响。

表 1 我国中部地区国家级高新区的效率值

图 1 调整前后我国中部地区32个国家级高新区综合效率对比

DEA第二阶段，由第一阶段的结果得到投入松弛变量作为因变量，环境变量作为自变量，通过Front 4.1软件进行作随机前沿回归分析, 考察环境因素对松弛变量的影响。结果如表 2 所示。

表 2 第二阶段SFA回归结果

由表 2 可知，LR值均大于临界值16.074，说明在1%的显著水平下适合做SFA回归分析。投入松弛变量是指各高新区创新效率水平达到生产效率前沿面时多付出的投入，即通过提升管理水平可以节省的机会成本。如果自变量系数为正，表明其不利于投入量的减少； 反之，则该自变量利于投入量的减少。因此，可得出如下结论：

1) 宏观经济环境。人均GDP的增加会导致科研人员和科技活动经费内部支出的投入冗余，反映有些地区创新资源充裕，但粗放式的经济发展方式造成技术创新效率低下，比如太原、郑州和长沙。然而，人均GDP的增加有利于减少年末固定资产的投入冗余，促进该资源的有效利用。

2) 科学教育水平。随着科学教育水平的提高，将会导致年末固定资产和科技活动的投入冗余，但是有利于减少人力资本的投入冗余，促进科研人员的有效利用。

3) 产业结构。工业企业数目的增加会促进高新区内部科研活动经费的利用效率，但是会导致科研人员和年末固定资产的投入冗余，这反应了高新区内的产业集群效应，高新区内聚集的企业数量少，大部分创新资源未能得到有效地利用。

4) 劳动者素质。劳动力素质越高，高新区的资本投入会降低。另外，可能因为高新区规模增长速度与科研人员数量的增长不相匹配，导致高新区内出现科研人员数量冗余，造成资源浪费。

5) 地区开放程度。外资的利用会相应地减少高新区人力和资本的投入松弛变量，可能是因为资金的引用伴随着外国先进技术的引进，减少了人员和一定程度资本的投入。另外，外资的引用导致高新区内经费溢出，这可能是因为高新区规模小，导致经费投入浪费。

6) 政策支持。科学技术财政支出的增加会导致科研人员和年末资产投入冗余，可能是因为高新区资本投入一定程度上代替了人力资本投入，造成了资本投入溢出。然而，政策的扶持有利于减少科技活动内部经费支出的投入冗余，促进该资源的有效利用。

第三阶段，通过剔除环境变量，即管理无效率和随机误差因素，获得调整后的投入值，用其和原始产出值重新测算得到各高新区调整后的创新效率值。

5 进一步讨论

本文通过参照Tapio脱钩弹性模型，构建高新区投入效率与经济增长脱钩分析模型和高新区产出效率与经济增长的挂钩分析模型，进一步探讨我国中部地区高新区资源利用与经济增长存在的趋势。本文选取科技活动内部经费支出变化百分比和工业总产值变化百分比分别代表高新区资源投入和产出效率，具体模型如下：

高新区资源投入的GDP弹性(Ecc)=科技活动内部经费支出变化的百分比(Δcc)/GDP变化的百分比(ΔGDP)

高新区产出效率的GDP弹性(Ece)=工业总产值变化的百分比(Δce)/GDP变化的百分比(ΔGDP)

判断原则为：Ecc和Ece均大于1为绝对挂钩，Ecc和Ece均等于1，为绝对挂钩与相对挂钩的临界点，Ecc和Ece在0和1之间为相对脱钩，Ecc和Ece均小于0为绝对脱钩。具体脱钩分析结果见表 3。

表 3 我国中部地区国家级高新区资源投入及产出效率与经济增长脱钩分析

2018年-2019年，我国中部地区有2/3高新区资源投入和产出效率与经济增长呈现相对脱钩状态, 相对脱钩比例较大。其主要原因在于我国中部地区的产业结构还没有过多地倚重于高生产率和高技术复杂度的行业以及粗放式的经济发展方式造成资源严重浪费。

另外，我国中部地区有1/3高新区资源投入和产出效率与经济增长呈现绝对挂钩的状态，以山西省和安徽省为主。其主要原因在于发达地区为了继续保持发展态势，欠发达地区为了追赶经济发达地区，导致资源投入力度与经济发展绝对挂钩。

6 结论与建议

本文运用三阶段DEA模型对我国中部地区的技术创新效率进行了测度。研究发现：一阶段DEA效率评价显示中部地区32个高新的技术创新效率较低； 二阶段随机前沿回归发现，宏观经济、教育水平、产业结构以及劳动者素质对高新区技术创新效率具有显著的影响； 三阶段DEA效率在去除环境变量影响的情况下，中部地区高新区的技术创新效率整体上升。另外，我国中部地区2/3高新区资源投入和产出效率与经济增长呈现相对脱钩状态,相对脱钩比例较大。基于上述结论，笔者给予以下建议：

1) 高新区技术创新效率受环境因素和随机因素的影响较大，在排除环境因素和随机因素后，各高新区的规模效率得到了很大程度的提高，且呈规模递增状态，表明各高新区的规模效益被低估且显著。基于此，各高新区积极采取措施，吸引高水平人才和高新技术企业进驻园区，进一步扩大自身规模，从而提高自身的创新效率。

2) 政府给于入驻高新区优惠政策，提供技术引导资金和积极引进外资，降低高新区企业向金融机构融资贷款的门槛。致力于改善高新区的环境要素，通过提高科学教育水平、提高劳动者素质和扩大利用外资水平等方面，提高我国中部地区高新区的创新效率。

3) 基于我国中部地区高新区资源投入和产出效率与经济增长整体呈现相对脱钩状态，各地区应从自身入手，改变原有的粗放式经济发展，合理控制资源消耗，积极推动产业结构调整，承接东部产业，吸纳技术，发展东部企业的子公司，特别是高生产率和高技术复杂度的行业。