國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置效率研究

張?jiān)谛瘢?邵慶美， 喇蕊芳

（中國(guó)石油大學(xué)（華東）經(jīng)濟(jì)管理學(xué)院，山東青島 266580）

國(guó)家自主創(chuàng)新示范區(qū)作為發(fā)展我國(guó)高新技術(shù)的橋頭堡和聚集地，如何提高其技術(shù)創(chuàng)新資源配置效率，實(shí)現(xiàn)資源利用最大化，成本費(fèi)用最小化，避免資源浪費(fèi)等問題的出現(xiàn)，精確分析技術(shù)創(chuàng)新資源配置效率的影響因素，對(duì)區(qū)域技術(shù)創(chuàng)新以及科技創(chuàng)新能力研究具有重要的實(shí)踐意義和理論意義［1］.

當(dāng)前大多數(shù)學(xué)者注重研究技術(shù)創(chuàng)新效率與資源配置效率的測(cè)算，研究重點(diǎn)集中在指標(biāo)體系的選取、測(cè)算方法以及影響因素三方面，忽略了技術(shù)創(chuàng)新效率與資源配置效率的內(nèi)涵. 目前技術(shù)創(chuàng)新效率研究對(duì)象主要分為區(qū)域、行業(yè)以及企業(yè)三大層面. 在區(qū)域?qū)用妫瑒⒙S（2019）通過(guò)構(gòu)建多層線性模型，并利用超效率DEA模型測(cè)度中部六省技術(shù)創(chuàng)新效率，進(jìn)一步確定技術(shù)創(chuàng)新效率影響因素［2］；劉滿鳳（2016）利用DEA模型對(duì)我國(guó)2012 年高新區(qū)創(chuàng)新效率進(jìn)行測(cè)度，提出影響高新區(qū)創(chuàng)新效率的環(huán)境因素［3］；吳傳清（2017）選取2008—2014年長(zhǎng)江經(jīng)濟(jì)帶11省為研究對(duì)象，建立DEA-Malmquist 指數(shù)模型，對(duì)長(zhǎng)江經(jīng)濟(jì)帶技術(shù)創(chuàng)新效率進(jìn)行測(cè)度與評(píng)價(jià)［4］. 在行業(yè)層面，Chen S（2017）選取2009—2014年中國(guó)31個(gè)省級(jí)區(qū)域的高新技術(shù)產(chǎn)業(yè)為研究對(duì)象，運(yùn)用DEA方法對(duì)高新技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新效率進(jìn)行實(shí)證研究［5］；張峰（2019）利用隨機(jī)前沿函數(shù)構(gòu)建技術(shù)創(chuàng)新三階段效率測(cè)度模型，對(duì)全國(guó)30個(gè)省市的先進(jìn)制造業(yè)技術(shù)創(chuàng)新效率進(jìn)行測(cè)度［6］；孟維站（2019）利用三階段DEA模型對(duì)我國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率進(jìn)行測(cè)度與分析［7］. 在企業(yè)層面，Wang Y（2019）從投入導(dǎo)向角度分析技術(shù)創(chuàng)新效率，基于BCC-Malmquist指數(shù)模型測(cè)算石油企業(yè)的技術(shù)創(chuàng)新效率，并進(jìn)行靜態(tài)和動(dòng)態(tài)評(píng)價(jià)［8］；Yang X（2018）運(yùn)用DEA方法測(cè)度了5家中國(guó)高鐵企業(yè)的技術(shù)創(chuàng)新效率，確定影響企業(yè)技術(shù)創(chuàng)新效率的主要影響因素［9］；陳元志（2018）以不同所有制企業(yè)為研究對(duì)象，利用不同模型測(cè)算各種所有制企業(yè)的技術(shù)創(chuàng)新效率，比較影響技術(shù)創(chuàng)新效率的因素［10］.

在資源配置和影響因素方面，楊鳳鳴（2014）利用三階段DEA模型對(duì)中國(guó)省際科技資源配置效率進(jìn)行測(cè)度與分析［11］；梅姝娥（2015）構(gòu)建鏈?zhǔn)骄W(wǎng)絡(luò)DEA模型，以副省級(jí)城市為研究對(duì)象，測(cè)度其科技資源配置效率，并運(yùn)用Tobit模型分析外在因素對(duì)配置效率的影響［12］；Zhang J（2017）構(gòu)建資源評(píng)價(jià)指標(biāo)體系，對(duì)30個(gè)少數(shù)民族自治州的資源配置效率進(jìn)行測(cè)度，并提出資源配置優(yōu)化路徑［13］；李俊霞（2019）選取2009—2016年27個(gè)省區(qū)的科技金融為研究對(duì)象，通過(guò)構(gòu)建評(píng)價(jià)指標(biāo)體系對(duì)27個(gè)省區(qū)的科技資源配置效率進(jìn)行測(cè)算并探究影響因素［14］；趙連明（2018）運(yùn)用層次分析和模糊綜合評(píng)價(jià)方法測(cè)算重慶市農(nóng)業(yè)科技資源配置效率并分析其影響因素［15］.

通過(guò)以上文獻(xiàn)梳理，整理出本文主要貢獻(xiàn)：一是目前以高新區(qū)為樣本的研究較多，以國(guó)家自主創(chuàng)新示范區(qū)為樣本的研究較少，而且大多集中在示范區(qū)創(chuàng)新能力評(píng)價(jià)，只針對(duì)單個(gè)示范區(qū)進(jìn)行實(shí)證分析，沒有對(duì)目前全國(guó)的自主創(chuàng)新示范區(qū)進(jìn)行實(shí)證分析與研究，本文選取到2018年12月31日國(guó)務(wù)院已批準(zhǔn)成立的全國(guó)19家國(guó)家自主創(chuàng)新示范區(qū)為研究對(duì)象；二是對(duì)技術(shù)創(chuàng)新效率的測(cè)算分為研發(fā)階段和轉(zhuǎn)化階段，認(rèn)為技術(shù)創(chuàng)新的最終目的是達(dá)到實(shí)現(xiàn)經(jīng)濟(jì)效益和社會(huì)效益的雙重目的，本文運(yùn)用兩階段模型測(cè)算示范區(qū)技術(shù)創(chuàng)新資源配置效率，得出精確結(jié)果，給示范區(qū)體制建設(shè)下一步發(fā)展方向提供數(shù)據(jù)支持；三是運(yùn)用DEA模型測(cè)算效率，避免了尋找生產(chǎn)函數(shù)或分布假設(shè)，能更迅速便捷的測(cè)算出示范區(qū)的技術(shù)創(chuàng)新資源配置效率，提升測(cè)算的可靠性.

綜上所述，本文對(duì)相關(guān)文獻(xiàn)綜述進(jìn)行了系統(tǒng)歸納和綜合分析，充分考慮技術(shù)創(chuàng)新效率和科技資源配置效率的內(nèi)涵，構(gòu)建包含兩方面的評(píng)價(jià)指標(biāo)體系，基于實(shí)際數(shù)據(jù)，運(yùn)用DEA模型對(duì)19家國(guó)家自主創(chuàng)新示范區(qū)的技術(shù)創(chuàng)新資源配置效率測(cè)算并進(jìn)行整體和階段分析，并運(yùn)用Tobit模型確定示范區(qū)技術(shù)創(chuàng)新資源配置效率的影響因素，進(jìn)而彌補(bǔ)測(cè)算的研究不足.

1 研究方法

1.1 改進(jìn)的兩階段超效率DEA模型

最初的兩階段DEA模型，大多將兩階段獨(dú)立，各個(gè)階段的行為互不影響；后來(lái)又發(fā)現(xiàn)了兩階段關(guān)聯(lián)DEA模型，即第一階段的產(chǎn)出作為第二階段輸入，雖然增加了兩階段的關(guān)聯(lián)性，但第二階段特有的一些指標(biāo)難以反映. 故基于傳統(tǒng)的兩階段關(guān)聯(lián)DEA 模型，在第二階段的投入變量選擇上，不僅有第一階段的輸出，還有反映第二階段的指標(biāo)，使整個(gè)指標(biāo)體系更加科學(xué)合理，改進(jìn)的兩階段關(guān)聯(lián)DEA模型如圖1.

圖1 改進(jìn)的兩階段關(guān)聯(lián)DEA模型Fig.1 Improved two-stage associated DEA model

傳統(tǒng)DEA 模型主要包括基于規(guī)模報(bào)酬不變（CRS）的CCR 模型和基于規(guī)模報(bào)酬可變（VRS）的BCC模型；CCR模型用于評(píng)價(jià)決策單元的技術(shù)效率，BCC模型是在CCR模型的基礎(chǔ)上發(fā)展起來(lái)的，主要評(píng)價(jià)決策單元的純技術(shù)效率，即技術(shù)效率和規(guī)模效率的比值. 本文選用BCC-DEA模型，但傳統(tǒng)DEA模型只能測(cè)算出相對(duì)有效企業(yè)，無(wú)法對(duì)有效企業(yè)進(jìn)行排序，為進(jìn)一步找出高新區(qū)之間的實(shí)際差距，本文選用由Andersen和Petersen改進(jìn)的DEA模型——超效率DEA模型.

1.2 超效率DEA模型

假設(shè)有n 個(gè)決策單元 DMU ，每個(gè)決策單元DMUj(j=1,2,…,n)包括m 種輸入和r 種輸出，綜合考慮，選取投入導(dǎo)向超效率DEA模型：

式中：θ 表示決策單元(DMU)的相對(duì)效率值；xij表示j 個(gè)決策單元的第i 項(xiàng)輸入值；yrj表示第j 個(gè)決策單元的第r 項(xiàng)輸出值；λj表示規(guī)劃決策變量.

通過(guò)求解方程式（1），得出各示范區(qū)的技術(shù)創(chuàng)新資源配置效率. 當(dāng)θ ＞1 時(shí)，表示配置效率超過(guò)最優(yōu)值；當(dāng)θ=1時(shí)，表示配置效率剛好達(dá)到最優(yōu)值；當(dāng)θ ＜1時(shí)，表示配置效率沒有達(dá)到最優(yōu)值.

1.3 Tobit模型

在運(yùn)用超效率DEA模型測(cè)算出國(guó)家自主示范區(qū)技術(shù)創(chuàng)新資源配置效率后，清楚了影響因變量的內(nèi)部因素的變化情況，需要進(jìn)一步分析各外在影響因素對(duì)因變量的影響情況. 故本文從政府視角采用基于最小二乘法的Tobit模型對(duì)影響示范區(qū)技術(shù)創(chuàng)新源配置新效率的外在因素進(jìn)行回歸分析，便于加強(qiáng)示范區(qū)科技創(chuàng)新體制建設(shè)，提高示范區(qū)技術(shù)資源配置能力水平. 以技術(shù)創(chuàng)新資源配置效率測(cè)算結(jié)果作為被解釋變量，影響因素作為解釋變量，模型如下：

其中：Yi為因變量，即被解釋變量；Xi為自變量，即解釋變量的影響因素；β 為回歸參數(shù)向量，μi為服從正態(tài)分布N(0,σ2)的隨機(jī)誤差向量.

2 變量選取與數(shù)據(jù)處理

技術(shù)創(chuàng)新資源配置效率表示在區(qū)域內(nèi)部按照一定比例協(xié)調(diào)、整合和分配資源，使配置后的創(chuàng)新要素實(shí)現(xiàn)最優(yōu)組合，發(fā)揮出最大的效益［16］. 區(qū)域技術(shù)創(chuàng)新活動(dòng)是一項(xiàng)需要不斷探索的系統(tǒng)工程，在相關(guān)研究過(guò)程中，主要從以下兩個(gè)角度分析：一是分析整體綜合效率；二是基于創(chuàng)新價(jià)值鏈理論將其劃分創(chuàng)新研發(fā)階段和創(chuàng)新轉(zhuǎn)化階段. 科學(xué)合理地選擇投入、產(chǎn)出以及影響因素變量是實(shí)現(xiàn)精準(zhǔn)測(cè)算技術(shù)創(chuàng)新資源配置效率和確定影響因素的關(guān)鍵.

2.1 創(chuàng)新研發(fā)階段投入產(chǎn)出變量

創(chuàng)新研發(fā)階段是示范區(qū)進(jìn)行技術(shù)創(chuàng)新活動(dòng)的第一步，當(dāng)前學(xué)者及科研人員在對(duì)創(chuàng)新研發(fā)階段進(jìn)行評(píng)價(jià)時(shí)，主要包括人力和資金兩方面. 充分考慮創(chuàng)新研發(fā)階段的基礎(chǔ)投入要素并結(jié)合示范區(qū)的特殊性，投入指標(biāo)選取R&D人員全時(shí)當(dāng)量（X1）、R&D經(jīng)費(fèi)內(nèi)部支出（X2）和高技術(shù)企業(yè)數(shù)（X3）3個(gè)變量［17］；當(dāng)前國(guó)內(nèi)外通常選用專利數(shù)作為創(chuàng)新產(chǎn)出指標(biāo)，考慮到各種專利落實(shí)的復(fù)雜情況，為了更全面地反映創(chuàng)新開發(fā)情況，產(chǎn)出指標(biāo)選取發(fā)明專利申請(qǐng)量（X4）和專利申請(qǐng)量（X5）兩個(gè)變量［12］. 其中，資金投入變量R&D經(jīng)費(fèi)內(nèi)部支出采用資本存量形式，并使用永續(xù)盤存法（PIM）進(jìn)行存量估算，基本公式如下：

其中：RDEi,t與RDEi,t-1分別表示第i 個(gè)示范區(qū)在第t 年和第t-1年的R&D經(jīng)費(fèi)內(nèi)部支出存量；Ei,t表示第i 個(gè)示范區(qū)在第t 年R&D經(jīng)費(fèi)內(nèi)部支出；δ 為折舊率，本文取δ=15% .

基期R&D經(jīng)費(fèi)內(nèi)部支出存量的公式如下：

其中：RDEi,t表示基期價(jià)格不變的R&D 經(jīng)費(fèi)內(nèi)部支出；δ 為折舊率；g 為研究時(shí)段內(nèi)R&D 經(jīng)費(fèi)內(nèi)部支出的年增長(zhǎng)率.

2.2 創(chuàng)新轉(zhuǎn)化階段投入產(chǎn)出變量

在轉(zhuǎn)化階段，為使研發(fā)成果得到充分應(yīng)用，并產(chǎn)生規(guī)模效益，需要投入大量資金進(jìn)行成果轉(zhuǎn)化，即非研發(fā)經(jīng)費(fèi)支出（包括技術(shù)消化吸收費(fèi)用支出、技術(shù)引進(jìn)費(fèi)用支出、購(gòu)買國(guó)內(nèi)技術(shù)費(fèi)用支出以及技術(shù)改造費(fèi)用支出）. 考慮多方面因素及數(shù)據(jù)的可獲得性，轉(zhuǎn)化階段的投入變量選取發(fā)明專利申請(qǐng)量（X4）、專利申請(qǐng)量（X5）、年末從業(yè)人員（X6）和年末資產(chǎn)（X7）指標(biāo)［18］；當(dāng)前國(guó)家越來(lái)越重視創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，實(shí)現(xiàn)高新技術(shù)發(fā)展，本文充分考慮能反映創(chuàng)新活動(dòng)的經(jīng)濟(jì)效益和社會(huì)效益指標(biāo)，反映高新區(qū)高技術(shù)產(chǎn)業(yè)發(fā)展規(guī)模和科技創(chuàng)新能力，產(chǎn)出指標(biāo)選取工業(yè)總產(chǎn)值（X8）、凈利潤(rùn)（X9）和技術(shù)收入（X10）變量［19］.

2.3 影響因素

本文從政府視角分析影響示范區(qū)技術(shù)創(chuàng)新效率的影響因素，根據(jù)歷史文獻(xiàn)和數(shù)據(jù)可獲得性，考慮投入強(qiáng)度、創(chuàng)新服務(wù)、人才規(guī)模和政府支持4個(gè)方面選取代表性變量為影響示范區(qū)技術(shù)創(chuàng)新資源配置效率的關(guān)鍵因素［21］，各變量含義及計(jì)算公式如表1.

表1 影響技術(shù)創(chuàng)新資源配置效率的變量Tab.1 Variables that affect the allocation efficiency of technological innovation resources

2.4 數(shù)據(jù)來(lái)源及說(shuō)明

國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置過(guò)程具有特殊性和復(fù)雜性，且某些示范區(qū)成立時(shí)間較短沒有統(tǒng)計(jì)數(shù)據(jù)，考慮到指標(biāo)數(shù)據(jù)的可獲得性和創(chuàng)新活動(dòng)的滯后性，采用數(shù)據(jù)選自2018年《中國(guó)火炬統(tǒng)計(jì)年鑒》、2018年《中國(guó)統(tǒng)計(jì)年鑒》、各城市專利統(tǒng)計(jì)公報(bào)及各省統(tǒng)計(jì)年鑒，基準(zhǔn)年為2017年. 研究對(duì)象為建設(shè)國(guó)家自主創(chuàng)新示范區(qū)的高新區(qū)，國(guó)家自2009年3月成立第一個(gè)示范區(qū)——中關(guān)村國(guó)家自主創(chuàng)新示范區(qū)，至2019年先后共成立19個(gè)國(guó)家自主創(chuàng)新示范區(qū)，共涵蓋53個(gè)國(guó)家高新區(qū).

3 實(shí)證分析

3.1 示范區(qū)技術(shù)創(chuàng)新資源配置效率分析

通過(guò)構(gòu)建BCC和超效率DEA模型，借助MaxDEA軟件測(cè)得2017—2018年我國(guó)19個(gè)國(guó)家自主創(chuàng)新示范區(qū)所屬的53個(gè)國(guó)家級(jí)高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)的技術(shù)創(chuàng)新資源配置效率、創(chuàng)新研發(fā)效率和創(chuàng)新轉(zhuǎn)化效率（表2，圖2）.

表2 2017—2018年示范區(qū)技術(shù)創(chuàng)新資源配置效率結(jié)果Tab.2 2017-2018 demonstration zone technology innovation resource allocation efficiency results

圖2 2017—2018年示范區(qū)技術(shù)創(chuàng)新資源配置效率Fig.2 2017-2018 technology innovation demonstration zone efficiency of resource allocation

表3 創(chuàng)新研發(fā)階段效率測(cè)算結(jié)果Tab.3 Results of efficiency measurement in the stage of innovation R&D

由表4可知，在創(chuàng)新轉(zhuǎn)化階段，我國(guó)示范區(qū)創(chuàng)新轉(zhuǎn)化階段技術(shù)效率值為0.889，其中純技術(shù)效率和規(guī)模效率值為0.935和0.951，均處于上游水平，反映我國(guó)示范區(qū)在成果轉(zhuǎn)化方面創(chuàng)新環(huán)境和政策支持以及體制均已比較成熟. 在轉(zhuǎn)化階段效率大多處于上游水平的情況下，天津示范區(qū)轉(zhuǎn)化效率值不足0.5，為低效率區(qū). 在規(guī)模效率普遍大于技術(shù)效率的背景下，寧溫和沈大示范區(qū)規(guī)模效率低于技術(shù)效率，規(guī)模效率嚴(yán)重滯后，制約著創(chuàng)新成果實(shí)現(xiàn)效益.圖3和圖4反映了示范區(qū)創(chuàng)新研發(fā)階段和創(chuàng)新轉(zhuǎn)化階段的技術(shù)效率和規(guī)模效率比較情況. 在技術(shù)效率方面，轉(zhuǎn)化階段普遍高于研發(fā)階段，但天津、沈大、寧溫和成都示范區(qū)的創(chuàng)新轉(zhuǎn)化效率低于創(chuàng)新研發(fā)效率，這4個(gè)示范區(qū)后期建設(shè)不足，制約創(chuàng)新成果轉(zhuǎn)化成實(shí)際效益. 西安、合蕪蚌和山東半島創(chuàng)新研發(fā)和創(chuàng)新轉(zhuǎn)化階段嚴(yán)重脫節(jié)，合蕪蚌示范區(qū)創(chuàng)新研發(fā)階段技術(shù)效率僅0.164，但轉(zhuǎn)化效率值為1，造成資源浪費(fèi)，研發(fā)效率低嚴(yán)重制約著當(dāng)?shù)馗咝录夹g(shù)產(chǎn)業(yè)的發(fā)展. 在規(guī)模效率方面，80%的示范區(qū)研發(fā)階段和轉(zhuǎn)化階段的規(guī)模效率均處于高效率區(qū)，但蘇南、中關(guān)村和山東半島示范區(qū)在研發(fā)階段規(guī)模效率均低于0.6，處于低效率區(qū)，即使創(chuàng)新研發(fā)效率較高，但規(guī)模效率滯后，造成實(shí)現(xiàn)的經(jīng)濟(jì)價(jià)值有限.

表4 創(chuàng)新轉(zhuǎn)化階段效率測(cè)算結(jié)果Tab.4 Results of efficiency measurement in the stage of innovation transformation

圖3 創(chuàng)新研發(fā)和創(chuàng)新轉(zhuǎn)化階段技術(shù)效率雷達(dá)圖Fig.3 Radar chart of technological efficiency in the stage of innovation R&D and innovation transformation

圖4 創(chuàng)新研發(fā)和創(chuàng)新轉(zhuǎn)化階段規(guī)模效率雷達(dá)圖Fig.4 Radar chart of scale efficiency in the stage of innovation R&D and innovation transformation

3.2 國(guó)家自主創(chuàng)新示范區(qū)影響因素分析

3.2.1 示范區(qū)影響因素整體分析 本文從政府視角分析國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置效率的影響因素，建立基于截面數(shù)據(jù)的線性回歸方程，技術(shù)創(chuàng)新資源配置效率影響因素分析模型如下：

式中：ER表示示范區(qū)技術(shù)創(chuàng)新資源配置效率；C表示常數(shù)項(xiàng)；βi表示回歸系數(shù)；ε 為隨機(jī)誤差. 回歸結(jié)果見表5、表6和表7.

表5 技術(shù)創(chuàng)新資源配置效率影響因素的Tobit回歸結(jié)果Tab.5 Tobit regression results of influencing factors of technological innovation resource allocation efficiency

由表5可知，在國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置整個(gè)過(guò)程中，投入強(qiáng)度、創(chuàng)新服務(wù)和政府支持變量均通過(guò)了顯著性檢驗(yàn)，但人才規(guī)模沒有通過(guò)顯著性檢驗(yàn)，說(shuō)明在整個(gè)技術(shù)創(chuàng)新資源配置過(guò)程中，示范區(qū)人才規(guī)模與資源配置效率無(wú)關(guān). 其中，投入強(qiáng)度和創(chuàng)新服務(wù)變量與技術(shù)創(chuàng)新資源配置效率呈正顯著相關(guān)，說(shuō)明科技活動(dòng)支出強(qiáng)度和技術(shù)創(chuàng)新服務(wù)對(duì)技術(shù)創(chuàng)新資源配置起到促進(jìn)作用；人才規(guī)模和政府支持對(duì)技術(shù)創(chuàng)新資源配置效率呈負(fù)相關(guān)關(guān)系，其中政府支持力度呈顯著負(fù)相關(guān)關(guān)系，說(shuō)明目前政府支持力度不夠，政府支持抑制了示范區(qū)技術(shù)創(chuàng)新資源配置，可能是源于政府以資金的形式介入示范區(qū)內(nèi)的高新技術(shù)企業(yè)的技術(shù)研發(fā)創(chuàng)新與轉(zhuǎn)化活動(dòng)，極可能造成了擠出效應(yīng)，各高新區(qū)對(duì)資金缺乏精細(xì)管理，造成示范區(qū)技術(shù)創(chuàng)新資源配置效率低下.

3.2.2 示范區(qū)研發(fā)階段影響因素分析 由表6可知，在創(chuàng)新研發(fā)階段，投入強(qiáng)度和政府支持變量均通過(guò)了顯著性檢驗(yàn)，但創(chuàng)新服務(wù)和人才規(guī)模變量沒有通過(guò)顯著性檢驗(yàn)，說(shuō)明在創(chuàng)新研發(fā)階段中，創(chuàng)新服務(wù)和人才規(guī)模與創(chuàng)新研發(fā)效率無(wú)關(guān). 其中，投入強(qiáng)度與創(chuàng)新研發(fā)效率呈正顯著相關(guān)，通過(guò)了5%的顯著性水平檢驗(yàn)，說(shuō)明科技活動(dòng)支出強(qiáng)度對(duì)示范創(chuàng)新研發(fā)效率起到促進(jìn)作用，原因是科技活動(dòng)支出越多，技術(shù)研發(fā)資金越充足，進(jìn)而有利于提高創(chuàng)新研發(fā)效率；政府支持與技術(shù)創(chuàng)新資源配置效率呈負(fù)相關(guān)關(guān)系，通過(guò)了10%的顯著性水平檢驗(yàn)，說(shuō)明目前政府支持力度不夠，政府支持抑制了示范區(qū)技術(shù)創(chuàng)新資源配置水平，原因與技術(shù)創(chuàng)新資源配置整體效率分析相同.

表6 創(chuàng)新研發(fā)階段技術(shù)創(chuàng)新資源配置效率影響因素的Tobit回歸結(jié)果Tab.6 Tobit regression results of influencing factors of resource allocation efficiency of technological innovation in the innovation research and development stage

3.2.3 示范區(qū)轉(zhuǎn)化階段影響因素分析 由表7可知，在創(chuàng)新轉(zhuǎn)化階段，投入強(qiáng)度和政府支持變量通過(guò)了顯著性檢驗(yàn)，但創(chuàng)新服務(wù)和人才規(guī)模變量沒有通過(guò)顯著性檢驗(yàn)，說(shuō)明在創(chuàng)新轉(zhuǎn)化階段，創(chuàng)新服務(wù)和人才規(guī)模與創(chuàng)新轉(zhuǎn)化效率無(wú)關(guān). 其中，投入強(qiáng)度與技術(shù)創(chuàng)新轉(zhuǎn)化效率呈負(fù)顯著相關(guān)，通過(guò)了1%的顯著性水平檢驗(yàn)，說(shuō)明科技活動(dòng)支出強(qiáng)度對(duì)國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新轉(zhuǎn)化起到抑制作用，原因是科技活動(dòng)支出越多，占據(jù)了技術(shù)轉(zhuǎn)化的資源，忽視了技術(shù)創(chuàng)新成果的轉(zhuǎn)化；政府支持與技術(shù)創(chuàng)新資源配置效率呈正相關(guān)關(guān)系，通過(guò)了1%的顯著性水平檢驗(yàn)，說(shuō)明目前政府支持力度對(duì)技術(shù)創(chuàng)新轉(zhuǎn)化效率起到促進(jìn)作用，原因是政府提供支持力度越大，越有利于創(chuàng)新成果的轉(zhuǎn)化，提高自主示范區(qū)創(chuàng)新資源創(chuàng)新轉(zhuǎn)化效率.

表7 創(chuàng)新轉(zhuǎn)化階段技術(shù)創(chuàng)新資源配置效率影響因素的Tobit回歸結(jié)果Tab.7 Tobit regression results of influencing factors of resource allocation efficiency of technological innovation in innovation transformation stage

4 結(jié)論

在國(guó)內(nèi)外學(xué)者對(duì)高新區(qū)技術(shù)創(chuàng)新效率、產(chǎn)業(yè)創(chuàng)新資源配置效率及影響因素研究的基礎(chǔ)上，利用兩階段模型分別對(duì)國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置整體效率、創(chuàng)新研發(fā)階段和創(chuàng)新轉(zhuǎn)化階段的效率進(jìn)行測(cè)度，并運(yùn)用Tobit回歸模型分析影響國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置效率的關(guān)鍵因素，得出主要結(jié)論：

1）我國(guó)國(guó)家自主創(chuàng)新示范區(qū)技術(shù)創(chuàng)新資源配置過(guò)程中，整體配置效率處于中等水平，但仍存在資源投入浪費(fèi)、資源分配不合理等現(xiàn)象，有較大提升空間.

2）示范區(qū)創(chuàng)新研發(fā)階段效率低于創(chuàng)新轉(zhuǎn)化階段效率，創(chuàng)新研發(fā)階段是進(jìn)行創(chuàng)新轉(zhuǎn)化階段的基礎(chǔ)，創(chuàng)新研發(fā)階段效率低下嚴(yán)重制約著創(chuàng)新成果的轉(zhuǎn)化，難以實(shí)現(xiàn)經(jīng)濟(jì)與社會(huì)效益最大化，因此提高示范區(qū)技術(shù)創(chuàng)新資源配置效率的關(guān)鍵是對(duì)創(chuàng)新研發(fā)階段的資源配置機(jī)制進(jìn)行優(yōu)化，提高投入產(chǎn)出比，進(jìn)而提高創(chuàng)新研發(fā)效率.

3）區(qū)域技術(shù)創(chuàng)新發(fā)展不平衡，在創(chuàng)新資源配置整體效率處于前五的分別是深圳、寧溫、烏昌石、沈大和福廈泉等國(guó)家自主創(chuàng)新示范區(qū)，其中只有烏昌石國(guó)家自主創(chuàng)新示范區(qū)處于西部地區(qū)，結(jié)論顯示東部沿海技術(shù)創(chuàng)新水平高于中西部地區(qū).

4）部分示范區(qū)創(chuàng)新研發(fā)和創(chuàng)新轉(zhuǎn)化階段嚴(yán)重脫節(jié)，創(chuàng)新研發(fā)效率低下嚴(yán)重制約著示范區(qū)整體的創(chuàng)新資源配置情況，這與國(guó)家政策及當(dāng)?shù)卣闹С至Χ?、?jīng)濟(jì)文化息息相關(guān).

5 建議

基于以上結(jié)論，為了優(yōu)化國(guó)家自主示范區(qū)技術(shù)創(chuàng)新資源配置機(jī)制，提高資源配置效率，本文提出如下建議：

1）完善人才引進(jìn)機(jī)制，引進(jìn)高新科技領(lǐng)軍人才. 技術(shù)創(chuàng)新研發(fā)是進(jìn)行一切技術(shù)創(chuàng)新活動(dòng)的基礎(chǔ)，而科技人才是創(chuàng)新研發(fā)活動(dòng)的關(guān)鍵. 目前各高新區(qū)高新技術(shù)企業(yè)缺少領(lǐng)軍人才，需要建立創(chuàng)新領(lǐng)軍高科技人才的引進(jìn)和培養(yǎng)機(jī)制，強(qiáng)化科技團(tuán)隊(duì)的建設(shè)和培養(yǎng)，優(yōu)化創(chuàng)新研發(fā)隊(duì)伍的年齡結(jié)構(gòu)、層次結(jié)構(gòu)和組織結(jié)構(gòu). 為保持企業(yè)的持續(xù)創(chuàng)新能力，需要重點(diǎn)培養(yǎng)中青年科技人才、提高青年人才在研發(fā)隊(duì)伍核心地位的比例；通過(guò)政府柔性政策和人才引進(jìn)政策，引進(jìn)高校及科學(xué)院所管理及技術(shù)專家；通過(guò)優(yōu)化組織管理、創(chuàng)新層次機(jī)構(gòu)，打造技術(shù)人才晉升渠道，提高研發(fā)人員工作積極性.

2）重視資源配置效率，創(chuàng)新優(yōu)化資源配置模式. 目前政府與企業(yè)重視研發(fā)人力與資金的投入，忽視了相關(guān)資源的分配情況，導(dǎo)致示范區(qū)在技術(shù)創(chuàng)新領(lǐng)域整體配置效率偏低，因此園區(qū)及企業(yè)負(fù)責(zé)人應(yīng)重視研發(fā)資源的分配，創(chuàng)新優(yōu)化資源配置新模式，重視資源分配機(jī)制，實(shí)現(xiàn)研發(fā)成果最大化. 政府和園區(qū)應(yīng)成立專門部門負(fù)責(zé)資源分配，創(chuàng)新探索資源分配機(jī)制，達(dá)到物盡其用、人盡其才，實(shí)現(xiàn)資源利用最大化、成本最小化、經(jīng)濟(jì)社會(huì)效益最大化.

3）保護(hù)知識(shí)產(chǎn)權(quán)成果，建立完善科技服務(wù)機(jī)構(gòu). 保護(hù)專利知識(shí)產(chǎn)權(quán)，應(yīng)成為政府部門重點(diǎn)研究發(fā)展對(duì)象. 為了更好地保護(hù)知識(shí)產(chǎn)權(quán)成果，應(yīng)在科技園區(qū)打造尊重知識(shí)、尊重產(chǎn)權(quán)的氛圍和環(huán)境；政府在制定政策時(shí)，應(yīng)堅(jiān)持尊重知識(shí)產(chǎn)權(quán)、嚴(yán)厲打擊盜用別人知識(shí)產(chǎn)權(quán)，并建立相關(guān)獎(jiǎng)勵(lì)及懲罰制度，政府及園區(qū)通過(guò)建立科技服務(wù)機(jī)構(gòu)，完善科技服務(wù)支撐體系，提供技術(shù)轉(zhuǎn)移及成果轉(zhuǎn)化服務(wù)，提高技術(shù)創(chuàng)新成果轉(zhuǎn)化效率，讓研發(fā)人員有更多的精力與動(dòng)力進(jìn)行技術(shù)創(chuàng)新研發(fā)活動(dòng).

4）完善政府支持政策，建立創(chuàng)新活動(dòng)保障機(jī)制. 技術(shù)創(chuàng)新研發(fā)是一項(xiàng)需要投入大量人力與資金的科研活動(dòng)，對(duì)于大多數(shù)中小企業(yè)來(lái)說(shuō)，卓越的科技人才和充足的研發(fā)資金正是企業(yè)所缺乏的，因此政府部門需要提供政策支持與資金保障，并建立長(zhǎng)效保障機(jī)制，促進(jìn)中小企業(yè)進(jìn)行創(chuàng)新研發(fā)活動(dòng)，提高技術(shù)創(chuàng)新研發(fā)效率.政府應(yīng)通過(guò)建立稅收優(yōu)惠及創(chuàng)新成果獎(jiǎng)勵(lì)政策，通過(guò)降低研發(fā)成本刺激企業(yè)積極主動(dòng)開展創(chuàng)新研發(fā)活動(dòng).