楊 捷,秦遠(yuǎn)建
(1.武漢學(xué)院,湖北 武漢430212;2.武漢理工大學(xué),湖北 武漢430070)
2014年9月10日夏季達(dá)沃斯論壇開幕式上,李克強(qiáng)總理提出:從中國(guó)國(guó)情出發(fā),借改革創(chuàng)新的東風(fēng),推動(dòng)中國(guó)經(jīng)濟(jì)科學(xué)發(fā)展,把“大眾創(chuàng)業(yè)、萬(wàn)眾創(chuàng)新”打造成推動(dòng)中國(guó)經(jīng)濟(jì)繼續(xù)前行的“雙引擎”之一,由此,科技創(chuàng)新逐步成為我國(guó)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的重要驅(qū)動(dòng)力。自20世紀(jì)70年代以來(lái),“風(fēng)靡”全球的高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū),逐步成為高技術(shù)、高科技和“大眾創(chuàng)業(yè)萬(wàn)眾創(chuàng)新”的代名詞,也成為各地區(qū)發(fā)展高新技術(shù)的成功模式,是技術(shù)革新和經(jīng)濟(jì)持續(xù)發(fā)展的領(lǐng)頭羊和排頭兵,在新一輪產(chǎn)業(yè)轉(zhuǎn)型升級(jí)和經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)換中發(fā)揮著重要的作用。
截至2016 年底,我國(guó)共建設(shè)國(guó)家級(jí)高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)達(dá)146個(gè),這些高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)利用大中城市和沿海地區(qū)的技術(shù)密集、知識(shí)密集和開放環(huán)境的優(yōu)勢(shì),吸收和借鑒國(guó)外先進(jìn)科技資源、資金和管理手段,推動(dòng)中國(guó)高新技術(shù)產(chǎn)業(yè)不斷邁步前行,并在中國(guó)經(jīng)濟(jì)轉(zhuǎn)軌、迎接經(jīng)濟(jì)新常態(tài)和跨越中等收入陷阱等方面做出了巨大的貢獻(xiàn)。技術(shù)和管理不斷發(fā)展的同時(shí),我國(guó)各地區(qū)的高新區(qū)也出現(xiàn)了良莠不齊和過(guò)于龐雜的問(wèn)題,一些高新區(qū)前期投入巨大,但由于領(lǐng)導(dǎo)層對(duì)產(chǎn)品市場(chǎng)飽和度前景的認(rèn)識(shí)不足、資源配置機(jī)制不完善等原因,導(dǎo)致部分高新區(qū)投入大、產(chǎn)出低,長(zhǎng)期依賴地方或國(guó)家補(bǔ)貼經(jīng)營(yíng)。國(guó)家投入大量的科技資源和研發(fā)資金,國(guó)家級(jí)高新區(qū)的創(chuàng)新技術(shù)成效如何?科技投入與產(chǎn)出是否成正比?國(guó)家級(jí)高新區(qū)的創(chuàng)新效率呈現(xiàn)出怎樣的空間分布特點(diǎn)?這些問(wèn)題對(duì)于我國(guó)高新技術(shù)產(chǎn)業(yè)區(qū)認(rèn)清現(xiàn)實(shí)問(wèn)題、把握轉(zhuǎn)型方向和相互對(duì)比提高具有重要意義。
長(zhǎng)期以來(lái),測(cè)算創(chuàng)新效率的方法以參數(shù)方法索羅余值核算方法(SRA)、隨機(jī)前沿生產(chǎn)函數(shù)分析方法(Stochastic Frontier Approach,SFA)和非參數(shù)方法數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA)最為常見。從已有文獻(xiàn)來(lái)看,對(duì)于高新區(qū)創(chuàng)新效率的研究,部分學(xué)者從定性角度出發(fā),具有一定的主觀臆斷性;一些學(xué)者利用索羅余值這樣的參數(shù)性加權(quán)指標(biāo)模型計(jì)算,存在權(quán)重賦值上的不確定性;還有一些學(xué)者運(yùn)用簡(jiǎn)單的SFA模型或二階的DEA模型,無(wú)法避免隨機(jī)干擾項(xiàng)和政策、市場(chǎng)等環(huán)境變量對(duì)決策單元管理水平的影響,且大多數(shù)研究對(duì)于高新區(qū)創(chuàng)新效率的分析多關(guān)注于單一指標(biāo),較少?gòu)膭?chuàng)新效率出發(fā)對(duì)我國(guó)國(guó)家級(jí)高新區(qū)進(jìn)行對(duì)比分類。為了彌補(bǔ)當(dāng)前主流DEA模型存在的不足,避免單一指標(biāo)分析的片面性,本文以Jun-Yen Lee、喬元波等人提出的三階段DEA模型為基礎(chǔ),剝離地區(qū)外部因素和隨機(jī)干擾項(xiàng)對(duì)效率值的影響,建立創(chuàng)新效率投入產(chǎn)出指標(biāo)體系,客觀地評(píng)價(jià)我國(guó)國(guó)家級(jí)高新區(qū),并將DEA 模型與SOM 拓?fù)渚W(wǎng)絡(luò)分類相結(jié)合,對(duì)比分析不同等級(jí)梯隊(duì)的國(guó)家級(jí)高新區(qū)創(chuàng)新效率,使國(guó)家級(jí)高新區(qū)在創(chuàng)新效率評(píng)價(jià)和分類基礎(chǔ)上,診斷自身不足,明確未來(lái)轉(zhuǎn)型發(fā)展的合理方向。
數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis,DEA)是美國(guó)著名運(yùn)籌學(xué)家A.Charnes W.W.Cooper和E.Rhodes于1978年提出的一種效率測(cè)度法。它主要是用規(guī)劃原理,再將原始樣本數(shù)據(jù)劃分為輸入、輸出兩類指標(biāo),對(duì)決策單元DMU(Decision Making Units)進(jìn)行有效性評(píng)價(jià)。DEA 模型本身是無(wú)法避免隨機(jī)誤差與環(huán)境變量對(duì)測(cè)算結(jié)果的影響,本文選取三階段DEA 模型來(lái)彌補(bǔ)原DEA 模型的缺陷,測(cè)算出具有較強(qiáng)客觀性的國(guó)家級(jí)高新區(qū)的創(chuàng)新效率。三階段DEA 模型對(duì)決策單元的評(píng)價(jià)包括以下步驟:
(1)第一階段:BCC修正模型
第一階段采用的是BCC修正模型,BCC模型假定規(guī)模報(bào)酬可變,得到的純技術(shù)效率比傳統(tǒng)的CCR模型要更準(zhǔn)確,將規(guī)模效率進(jìn)一步分解為技術(shù)效率和純技術(shù)效率的乘積,表示為:
TE=SE×PTE
式中TE 表示投入一定產(chǎn)出最大或產(chǎn)出一定投入最小的國(guó)家級(jí)高新區(qū)生產(chǎn)領(lǐng)域的能力,SE表示規(guī)模經(jīng)濟(jì)性的發(fā)揮程度,PTE表示剔除規(guī)模因素的效率。BCC模型的不足在于其沒有考慮隨機(jī)誤差和環(huán)境變量的影響,但在計(jì)算決策單元的最小投入量上具有相對(duì)優(yōu)勢(shì),因而本文選取BCC修復(fù)模型計(jì)算決策單元的松弛變量之和。
(2)第二階段:調(diào)整的SFA模型
第二階段選用Fried 修正的SFA 模型,其目的主要是通過(guò)使用隨機(jī)前沿分析方法對(duì)第一階段BCC模型計(jì)算的投入松弛值再次分析,將環(huán)境變量等外部因素對(duì)松弛變量的影響估計(jì)出來(lái),把處于不同環(huán)境下決策單元的投入產(chǎn)出調(diào)整到相同環(huán)境下的投入產(chǎn)出,隨機(jī)干擾項(xiàng)也一并考慮進(jìn)來(lái),目的在于得到優(yōu)化的松弛變量和解決決策單元可節(jié)約投入量不同的現(xiàn)象。首先構(gòu)建以實(shí)際投入和目標(biāo)投入差額值為被解釋變量,以環(huán)境變量為解釋變量的修正SFA模型:
式中,Sij表示第i個(gè)決策單元的第j種投入的差額,f j表示與每種投入差額對(duì)應(yīng)的函數(shù)形式,zki表示可獲得的k個(gè)外生環(huán)境變量數(shù)值,βj是被估計(jì)的環(huán)境變量系數(shù),f j(zki,βj)則是確定可行的松弛前沿函數(shù),vij+uij則表示混合誤差,vij表示隨機(jī)誤差,uij表示管理無(wú)效率,服從半正態(tài)分布,兩者之間相互獨(dú)立。
隨后利用fronter 4.1,通過(guò)測(cè)算參數(shù)值的估計(jì)量,逐步求出管理無(wú)效率uij的條件估計(jì)量E(uij/uij+vij)和vij的估計(jì)E(vij/vij+uij),最后利用SFA 模型輸出結(jié)果,將處于相對(duì)有利經(jīng)營(yíng)環(huán)境的DMU值,帶入經(jīng)過(guò)矯正后的投入量公式:
式中,xni表示經(jīng)過(guò)SFA 模型調(diào)整后的投入指標(biāo)值,max(zi β)表示松弛值最大、效率最低的DMU,因而右邊第二項(xiàng)就表示在出現(xiàn)效率最低DMU 時(shí)需要增加的投入量,max(vij)表示出現(xiàn)的最大隨機(jī)誤差,因而右邊第三項(xiàng)表示在出現(xiàn)最大隨機(jī)誤差時(shí)需要增加的投入量。這一公式就假定并保證每一個(gè)DMU 處于同一環(huán)境中,排除掉隨機(jī)誤差和環(huán)境變量對(duì)創(chuàng)新效率的影響。
(3)第三階段:調(diào)整的DEA模型
將第二階段SFA模型測(cè)算的投入產(chǎn)出再次帶入BCC修正模型,計(jì)算新的DMU 效率值。這樣經(jīng)過(guò)三階段模型運(yùn)算,能夠利用投入松弛變量所包含的信息,在排除環(huán)境變量和隨機(jī)干擾項(xiàng)影響的前提下,反映出DMU 的經(jīng)營(yíng)管理實(shí)際效率值,也能夠說(shuō)明環(huán)境變量對(duì)DMU的效率影響程度。
(1)創(chuàng)新效率
綜合考慮國(guó)家級(jí)高新區(qū)發(fā)展的實(shí)際情況,同時(shí)參考現(xiàn)行的《國(guó)家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)考核標(biāo)準(zhǔn)》和《國(guó)家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)指標(biāo)體系》,本研究將科技活動(dòng)人員數(shù)、科技機(jī)構(gòu)個(gè)數(shù)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出、年末固定資產(chǎn)作為投入指標(biāo),選取工業(yè)總產(chǎn)值、技術(shù)性收入、專利申請(qǐng)數(shù)、新產(chǎn)品銷售利潤(rùn)作為產(chǎn)出指標(biāo)。
(2)環(huán)境變量
環(huán)境變量是指對(duì)國(guó)家級(jí)高新區(qū)創(chuàng)新效率研究起到冗余影響作用的外部因素,本文認(rèn)為環(huán)境變量可概括為經(jīng)濟(jì)背景實(shí)力、市場(chǎng)開放程度、政策支持力度、基礎(chǔ)設(shè)施完善程度四個(gè)方面。其中經(jīng)濟(jì)實(shí)力背景:以人均GDP來(lái)表示。市場(chǎng)開放程度:以外商直接投資占GDP的比重來(lái)表示。政策支持力度:以地區(qū)研究資金中政府財(cái)政支出的比重(滯后一期)來(lái)表示?;A(chǔ)設(shè)施完善程度:以貨物周轉(zhuǎn)量、郵電業(yè)務(wù)總量、本地電話和移動(dòng)電話年末用戶數(shù)、國(guó)際互聯(lián)網(wǎng)用戶數(shù)、城市道路面積的主成分分析綜合得分來(lái)表示。
表1 創(chuàng)新效率控制指標(biāo)體系
(3)數(shù)據(jù)來(lái)源
本文選取的146個(gè)國(guó)家級(jí)高新區(qū)涵蓋截止到2017年全部國(guó)家級(jí)高新區(qū),上述數(shù)據(jù)中創(chuàng)新效率目標(biāo)層數(shù)據(jù)均取自《中國(guó)火炬統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)高新技術(shù)統(tǒng)計(jì)年鑒》對(duì)相關(guān)指標(biāo)的記錄,因國(guó)家級(jí)高新區(qū)所受影響的環(huán)境變量很大程度上受到所在城市的直接影響,且高新區(qū)個(gè)體環(huán)境變量難以統(tǒng)計(jì),本文以國(guó)家級(jí)高新區(qū)所在城市各項(xiàng)指標(biāo)為基礎(chǔ)測(cè)算。
運(yùn)用DEAP 軟件,以修正的BCC 模型對(duì)我國(guó)146 個(gè)國(guó)家級(jí)高新區(qū)的純技術(shù)效率、規(guī)模效率和技術(shù)效率進(jìn)行運(yùn)算,結(jié)果見表2。2015年146個(gè)國(guó)家級(jí)高新區(qū)的綜合效率平均為0.625,純技術(shù)效率平均為0.793,規(guī)模效率平均為0.773。從BCC模型計(jì)算結(jié)果來(lái)看,總體上規(guī)模效率要大于純技術(shù)效率,表明在國(guó)家級(jí)高新區(qū)的創(chuàng)新技術(shù)發(fā)展中規(guī)模因素起到了重要作用,技術(shù)因素處于次要位置。在第一階段,146個(gè)國(guó)家級(jí)高新區(qū)中,有超過(guò)一半的評(píng)價(jià)單元規(guī)模效率、純技術(shù)效率達(dá)不到平均值,這表明我國(guó)的國(guó)家級(jí)高新區(qū)創(chuàng)新效率總體水平還較低。值得注意的是,太原、廈門、深圳、蘇州、重慶5個(gè)國(guó)家級(jí)高新區(qū)綜合效率、技術(shù)效率、純技術(shù)效率均為1,表明這些地區(qū)的高新區(qū)對(duì)創(chuàng)新資源的分配和使用較為合理,能夠發(fā)揮較強(qiáng)的創(chuàng)新效能,創(chuàng)新技術(shù)和創(chuàng)新服務(wù)在全國(guó)也處于前沿地位。而北京、上海、天津、沈陽(yáng)、廣州、惠州、成都等14 個(gè)高新區(qū),純技術(shù)效率達(dá)到1,但因?yàn)橐?guī)模效率相對(duì)較低,導(dǎo)致整個(gè)綜合效率在全部國(guó)家級(jí)新區(qū)中并不突出。
以表2中環(huán)境變量各指標(biāo)作為解釋變量做回歸分析,旨在考察環(huán)境變量對(duì)投入項(xiàng)松弛變量的影響,若回歸系數(shù)為正,表示環(huán)境變量對(duì)投入項(xiàng)松弛變量有促進(jìn)作用,會(huì)造成資源浪費(fèi)的增加;若回歸系數(shù)為負(fù),表示環(huán)境變量的增加有利于減少投入項(xiàng)松弛變量,能夠降低投入的浪費(fèi)。結(jié)果見表3。
表3 SFA隨機(jī)前沿分析估計(jì)結(jié)果
人均GDP——人均GDP 與科技活動(dòng)人員數(shù)、科技機(jī)構(gòu)個(gè)數(shù)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出、年末固定資產(chǎn)四個(gè)投入項(xiàng)松弛變量的SFA模型回歸分析系數(shù)為正,表明人均GDP對(duì)于投入冗余有刺激作用,人均GDP 提高,科技活動(dòng)人員數(shù)、科技機(jī)構(gòu)個(gè)數(shù)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出、年末固定資產(chǎn)松弛變量也會(huì)隨之提高。它能解釋在我國(guó)一些發(fā)達(dá)城市(如北京、上海、天津),自身經(jīng)濟(jì)實(shí)力雄厚,創(chuàng)新資源豐富,對(duì)高新區(qū)的扶持和投入較大,但因?yàn)闆]有得到合理配置,導(dǎo)致創(chuàng)新技術(shù)綜合效率不高。
外商直接投資占GDP 的比重——外商直接投資占GDP 的比重與科技活動(dòng)人員數(shù)、科技機(jī)構(gòu)個(gè)數(shù)、年末固定資產(chǎn)三個(gè)投入項(xiàng)松弛變量的SFA模型回歸分析系數(shù)為正,而與科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的投入松弛變量的回歸分析系數(shù)為負(fù)值。這表明外商直接投資占GDP 的比重不斷增加,會(huì)引起科技活動(dòng)人員數(shù)、科技機(jī)構(gòu)個(gè)數(shù)、年末固定資產(chǎn)的投入冗余增加,造成資源與產(chǎn)業(yè)的浪費(fèi),也會(huì)影響技術(shù)效率的提高,而外商直接投資占GDP的比重與科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的回歸系數(shù)為負(fù),表明外商直接投資占GDP的比重與科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的松弛變量反向增長(zhǎng),能夠促進(jìn)科技活動(dòng)經(jīng)費(fèi)的使用。
地區(qū)研究資金中政府財(cái)政支出的比重——地區(qū)研究資金中政府財(cái)政支出的比重與科技機(jī)構(gòu)個(gè)數(shù)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的回歸系數(shù)為正,但與科技活動(dòng)人員數(shù)、年末固定資產(chǎn)的回歸系數(shù)為負(fù),這表明地區(qū)研究資金中政府財(cái)政支出的比重的增加,雖然會(huì)導(dǎo)致科技機(jī)構(gòu)個(gè)數(shù)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的冗余增加,但有利于遏制科技活動(dòng)人員和年末固定資產(chǎn)的浪費(fèi)。說(shuō)明地區(qū)研究資金的合理利用有利于促進(jìn)地區(qū)科技創(chuàng)新效率的提高,推動(dòng)區(qū)域創(chuàng)新活動(dòng)的發(fā)展。
基礎(chǔ)設(shè)施綜合得分——基礎(chǔ)設(shè)施綜合得分與科技活動(dòng)人員數(shù)、年末固定資產(chǎn)、科技機(jī)構(gòu)個(gè)數(shù)的回歸系數(shù)為正,而與科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出的回歸系數(shù)為負(fù)值??梢越忉尀?,地區(qū)基礎(chǔ)設(shè)施建設(shè)的不斷投入能夠吸引科技人才的集聚、促進(jìn)科研機(jī)構(gòu)的建設(shè),也有利于地區(qū)經(jīng)濟(jì)和固定資產(chǎn)的增加,但若不合理地配置地區(qū)基礎(chǔ)設(shè)施資源將會(huì)造成科技活動(dòng)人員、年末固定資產(chǎn)
創(chuàng)新綜合效率分析——經(jīng)三階段DEA 模型調(diào)整的我國(guó)146 個(gè)國(guó)家級(jí)高新區(qū)的平均綜合效率有所提高,達(dá)到0.643,表明環(huán)境變量和隨機(jī)干和科技機(jī)構(gòu)的冗余增加,造成資源浪費(fèi),最終將對(duì)創(chuàng)新效率產(chǎn)生反向作用。
圖1 三階段DEA調(diào)整后國(guó)家級(jí)高新區(qū)創(chuàng)新效率
將去除環(huán)境變量和隨機(jī)干擾項(xiàng)影響后的投入產(chǎn)出數(shù)據(jù),輸入原修正的BCC 模型,利用DEAP 軟件重新計(jì)算各個(gè)國(guó)家級(jí)高新區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率,結(jié)果如下圖所示(受篇幅限制,僅顯示各指標(biāo)排名前15 位國(guó)家級(jí)高新區(qū))。擾項(xiàng)的影響對(duì)我國(guó)國(guó)家級(jí)高新區(qū)真實(shí)的綜合效率會(huì)起到一定的抑制作用。綜合效率排名首位的由原來(lái)的太原、廈門、深圳、蘇州、重慶拓展為太原、廈門、深圳、蘇州、重慶、北京、天津、上海張江、南京、廣州等10個(gè)國(guó)家級(jí)高新區(qū),其中北京、天津、上海張江在第一階段的綜合效率并不突出,驗(yàn)證了環(huán)境變量和隨機(jī)干擾對(duì)這三個(gè)國(guó)家級(jí)高新區(qū)的綜合效率產(chǎn)生影響。從國(guó)家級(jí)高新區(qū)的效率變化來(lái)看,綜合效率提升最明顯的是發(fā)達(dá)地區(qū)國(guó)家級(jí)高新區(qū),例如揚(yáng)州調(diào)整前綜合效率達(dá)0.892,調(diào)整后達(dá)0.931,福州也從0.798 提升到0.912,而中西部地區(qū)尤其是西部地區(qū)出現(xiàn)了劇烈的下降,例如南寧綜合效率從0.823降至0.672,銀川從0.561 降至0.509,這表明中西部地區(qū)的綜合創(chuàng)新效率受外部環(huán)境因素影響出現(xiàn)虛高,在剔除環(huán)境變量后,才顯現(xiàn)符合實(shí)際的創(chuàng)新效率。
創(chuàng)新純技術(shù)效率分析——國(guó)家級(jí)高新區(qū)創(chuàng)新純技術(shù)效率原平均值為0.793,調(diào)整后達(dá)到0.858,且有近1/3 的國(guó)家級(jí)高新區(qū)純技術(shù)效率達(dá)到1,這表明我國(guó)國(guó)家級(jí)高新區(qū)實(shí)際的創(chuàng)新純技術(shù)效率是值得肯定的,創(chuàng)新技術(shù)發(fā)展取得了良好成果。尤其值得注意的是如宜昌、延吉、長(zhǎng)治等中小城市,在環(huán)境變量和隨機(jī)干擾項(xiàng)的影響下,純技術(shù)效率被低估,而在調(diào)整后純技術(shù)效率轉(zhuǎn)而提高。
創(chuàng)新規(guī)模效率——國(guó)家級(jí)高新區(qū)規(guī)模效率平均值由0.773下降至0.737。就具體國(guó)家級(jí)高新區(qū)而言,在去除隨機(jī)干擾和環(huán)境變量影響后,全國(guó)146個(gè)國(guó)家級(jí)高新區(qū)中有58 個(gè)規(guī)模效率上升,其中最為明顯的是北京(0.771 上升至1)、沈陽(yáng)(0.508上升至0.934)、上海張江(0.508上升至1),這不僅表明環(huán)境變量和隨機(jī)干擾項(xiàng)掩蓋了國(guó)家級(jí)高新區(qū)的實(shí)際規(guī)模效率,同時(shí)也說(shuō)明規(guī)模效率的大小影響著國(guó)家級(jí)高新區(qū)的規(guī)模收益拓展(調(diào)整后的收益遞增數(shù)由19 位上升至32 位)。未來(lái),國(guó)家級(jí)高新區(qū)可走規(guī)模擴(kuò)展提升創(chuàng)新綜合效率的道路,繼續(xù)提高規(guī)模要素投入,提升創(chuàng)新實(shí)力和能力,但對(duì)于北京中關(guān)村、上海張江高新區(qū)、天津?yàn)I海高新區(qū)等部分發(fā)展水平較高的國(guó)家級(jí)高新區(qū),應(yīng)重點(diǎn)加強(qiáng)創(chuàng)新資源的合理有效配置和創(chuàng)新投入冗余的弱小化,通過(guò)開源節(jié)流的方式提升創(chuàng)新綜合技術(shù)效率的水平和質(zhì)量。
在以往的研究中,對(duì)于三階段的DEA模型結(jié)果,多數(shù)學(xué)者是采用降序分類、地區(qū)分類或聚類分析的方法來(lái)深入探討分析,而本文擬引入神經(jīng)學(xué)網(wǎng)絡(luò)拓?fù)涓拍睿碨OM模型(自組織特征映射神經(jīng)網(wǎng)絡(luò))來(lái)對(duì)我國(guó)國(guó)家級(jí)高新區(qū)創(chuàng)新效率進(jìn)行梯度等級(jí)分析。SOM是由芬蘭學(xué)者KOHO-NENT根據(jù)人腦的自組織特性所提出來(lái)的一種無(wú)監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型,一個(gè)神經(jīng)網(wǎng)絡(luò)接收外界輸入模式時(shí),會(huì)將其分成不同的對(duì)應(yīng)區(qū)域,各區(qū)域?qū)斎肽J骄哂胁煌捻憫?yīng)特征,這個(gè)過(guò)程是一種無(wú)監(jiān)督的分類方法,可以避免傳統(tǒng)聚類分析所難以克服的一些問(wèn)題,并利用其強(qiáng)大的學(xué)習(xí)功能和良好的自組織性為非線性分類研究提供信息處理方法。本文將三階段DEA 模型所得,置于MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱中,利用SOM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型對(duì)我國(guó)146個(gè)國(guó)家級(jí)高新區(qū)的創(chuàng)新綜合效率進(jìn)行分類。在MATLAB 的神經(jīng)網(wǎng)絡(luò)工具箱中,設(shè)置網(wǎng)絡(luò)訓(xùn)練每50 步為一次,迭代最大次數(shù)為1000 次,初始學(xué)習(xí)率為0.5,經(jīng)過(guò)計(jì)算將全部國(guó)家級(jí)高新區(qū)按創(chuàng)新綜合效率分類,并聯(lián)系國(guó)家級(jí)高新區(qū)所屬的地區(qū)得出如下表格。
表4 146家國(guó)家級(jí)高新區(qū)創(chuàng)新效率值SOM神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分類
從上述結(jié)果來(lái)看,國(guó)家級(jí)高新區(qū)按SOM分類可分為五個(gè)梯隊(duì),又可綜合分為四種類型:
領(lǐng)先型創(chuàng)新效率國(guó)家級(jí)高新區(qū)——即上述分類中第一梯隊(duì)國(guó)家級(jí)高新區(qū),這類國(guó)家級(jí)高新區(qū)以北京、上海、深圳、廣州等東部地區(qū)的發(fā)達(dá)城市國(guó)家級(jí)高新區(qū)為代表,他們?cè)谌繃?guó)家級(jí)高新區(qū)中綜合效率、純技術(shù)效率、規(guī)模效率排位均相對(duì)靠前,在經(jīng)濟(jì)實(shí)力、科研實(shí)力和出口創(chuàng)匯上均與其他高新區(qū)有較大差別。其創(chuàng)新效率處在第一類的原因是:①這類國(guó)家級(jí)高新區(qū)所在地區(qū)科研機(jī)構(gòu)和高校密集,具有良好的創(chuàng)新創(chuàng)業(yè)人才基礎(chǔ);②基礎(chǔ)設(shè)施完善,與國(guó)內(nèi)外的空間聯(lián)系便捷,便于展開高水平的技術(shù)、知識(shí)交流和產(chǎn)品輸出;③經(jīng)濟(jì)實(shí)力雄厚,地方政府有能力扶持國(guó)家級(jí)高新區(qū)的前期發(fā)展,同時(shí)科技研發(fā)上的利好政策也推動(dòng)國(guó)家級(jí)高新區(qū)創(chuàng)新效率不斷發(fā)展。
發(fā)展型創(chuàng)新效率國(guó)家級(jí)高新區(qū)——即以成都、長(zhǎng)春等為代表的第二梯隊(duì)國(guó)家級(jí)高新區(qū),這類國(guó)家級(jí)高新區(qū)的創(chuàng)新效率在全部排位相對(duì)靠前,目前處于快速發(fā)展階段。從地緣上看,第二梯隊(duì)高新區(qū)與第一梯隊(duì)相同,都是以東部中小城市的國(guó)家級(jí)高新區(qū)為主導(dǎo)力量,而西部和東北部地區(qū)的高新區(qū)在其中占據(jù)較少比例。其主要原因是:①東部沿海的中小城市在地緣上與第一梯隊(duì)相對(duì)靠近,在技術(shù)轉(zhuǎn)移和經(jīng)驗(yàn)借鑒上更具優(yōu)勢(shì),能夠?qū)崿F(xiàn)創(chuàng)新效率和科研實(shí)力的快速發(fā)展,同時(shí)地處東部沿海地區(qū),具有較強(qiáng)的出口創(chuàng)匯能力;②受國(guó)家戰(zhàn)略決策的引導(dǎo),這類東部沿海中小城市均納入長(zhǎng)三角、珠三角、海西經(jīng)濟(jì)區(qū)、環(huán)渤海經(jīng)濟(jì)圈等大型城市圈或城市發(fā)展群組,經(jīng)濟(jì)實(shí)力和人才吸引力強(qiáng)于中西部地區(qū),工業(yè)基礎(chǔ)也較為優(yōu)良,在創(chuàng)新效率的提升上具有先天優(yōu)勢(shì)。
趕超型創(chuàng)新效率國(guó)家級(jí)高新區(qū)——即是指以長(zhǎng)沙、武漢、鄭州為代表的第三、四梯隊(duì)國(guó)家級(jí)高新區(qū)。從地區(qū)分布上來(lái)看,趕超型國(guó)家級(jí)高新區(qū)主要分布于中部地區(qū)和東北地區(qū),且多位于省會(huì)城市或區(qū)域性次級(jí)中心,政策資源、基礎(chǔ)設(shè)施、文化教育等方面發(fā)展較為良好,并且隨著國(guó)家優(yōu)惠政策的扶持力度不斷加大,這些地區(qū)的國(guó)家級(jí)高新區(qū)發(fā)展環(huán)境逐步改善,也將發(fā)展視野投向生物醫(yī)藥、新能源、新材料等前沿科技領(lǐng)域,但由于地理位置居于內(nèi)陸,僅依靠航空港、水運(yùn)港和保稅區(qū)等有限手段來(lái)開展對(duì)外貿(mào)易,使其出口創(chuàng)匯和國(guó)際影響力較差,對(duì)創(chuàng)新效率起到了一定的抑制作用。但隨著綜合交通運(yùn)輸和國(guó)際交通大串聯(lián)的快速發(fā)展,這類國(guó)家級(jí)高新區(qū)的創(chuàng)新效率將不斷提高,管理經(jīng)驗(yàn)不斷豐富。
落后型創(chuàng)新效率國(guó)家級(jí)高新區(qū)——主要指包括大部分西部地區(qū)國(guó)家級(jí)高新區(qū)在內(nèi)的第五梯隊(duì),這類國(guó)家級(jí)高新區(qū)在創(chuàng)新效率上表現(xiàn)最弱,在產(chǎn)業(yè)選擇上仍然是以傳統(tǒng)的第二產(chǎn)業(yè)為主,高新技術(shù)產(chǎn)業(yè)發(fā)展較為落后,以攀枝花、齊齊哈爾、白銀為代表的部分城市還是建國(guó)后國(guó)家重點(diǎn)支持的重工業(yè)城市。但由于這些城市的發(fā)展模式未實(shí)現(xiàn)成功轉(zhuǎn)型;科研機(jī)構(gòu)、高等院所較少,對(duì)人才的吸引力較差;深居內(nèi)陸,交通相對(duì)閉塞,與外界的技術(shù)交流較為困難。使得這些國(guó)家級(jí)高新區(qū)在創(chuàng)新效率發(fā)展上處于劣勢(shì)。應(yīng)由地府政府牽頭,以財(cái)政轉(zhuǎn)移支付為主加大對(duì)國(guó)家級(jí)高新區(qū)創(chuàng)新技術(shù)的扶持力度,改善當(dāng)?shù)氐膭?chuàng)新環(huán)境,同時(shí)要不斷提高國(guó)家級(jí)高新區(qū)經(jīng)營(yíng)管理水平,降低資源要素的冗余,提高創(chuàng)新效率。
本文選用三階段DEA模型測(cè)度我國(guó)146個(gè)國(guó)家級(jí)高新區(qū)的創(chuàng)新效率,并以SOM網(wǎng)絡(luò)拓?fù)淠P蛯⑽覈?guó)國(guó)家級(jí)高新區(qū)按創(chuàng)新效率分為5個(gè)梯隊(duì)。結(jié)果表明,在排除環(huán)境變量和隨機(jī)干擾項(xiàng)的影響后,國(guó)家級(jí)高新區(qū)的創(chuàng)新綜合效率明顯增長(zhǎng),純技術(shù)效率顯著提高,規(guī)模效率有所下降。也說(shuō)明我國(guó)國(guó)家級(jí)高新區(qū)在外部環(huán)境因素的影響下,出現(xiàn)了發(fā)達(dá)地區(qū)綜合效率被低估,欠發(fā)達(dá)地區(qū)規(guī)模效率和綜合效率被高估的問(wèn)題,SOM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)分類結(jié)果表明我國(guó)高新區(qū)的創(chuàng)新效率存在地域梯隊(duì)差異,創(chuàng)新效率較高的高新區(qū)多分布于東部地區(qū),而中西部地區(qū)的創(chuàng)新效率較為落后,資源配置現(xiàn)狀不佳。為進(jìn)一步提升我國(guó)國(guó)家級(jí)高新區(qū)創(chuàng)新效率,合理利用各類創(chuàng)新資源,增強(qiáng)創(chuàng)新實(shí)力,本文基于以上研究提出三點(diǎn)建議。
(1)進(jìn)一步提升我國(guó)高新區(qū)創(chuàng)新效率仍然是當(dāng)下國(guó)家級(jí)高新區(qū)創(chuàng)新發(fā)展的重點(diǎn),各地區(qū)的國(guó)家級(jí)高新區(qū)應(yīng)采取強(qiáng)有力的人才引進(jìn)政策,吸引優(yōu)質(zhì)人才資源進(jìn)入國(guó)家級(jí)高新區(qū),同時(shí)地方政府、管委會(huì)可通過(guò)金融扶持、財(cái)政補(bǔ)貼、土地優(yōu)惠、稅收減免等政策吸引高水平、高技術(shù)的企業(yè)入駐,提升各地區(qū)國(guó)家級(jí)高新區(qū)的創(chuàng)新實(shí)力和創(chuàng)新效率。
(2)我國(guó)國(guó)家級(jí)高新區(qū)創(chuàng)新效率西高東低,高創(chuàng)新效率的國(guó)家級(jí)高新區(qū)多集中于東部沿海省、市。中部和西部地區(qū)應(yīng)積極引進(jìn)高新技術(shù)人才,在當(dāng)?shù)刭Y源優(yōu)勢(shì)的基礎(chǔ)上發(fā)展高新技術(shù)特色產(chǎn)業(yè),打造創(chuàng)新效率亮點(diǎn);中部、西部和東北地區(qū)應(yīng)加快國(guó)家級(jí)高新區(qū)的產(chǎn)業(yè)轉(zhuǎn)型升級(jí),積極承接?xùn)|部高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)移;東部地區(qū)要加強(qiáng)創(chuàng)新技術(shù)輻射能力,積極開展技術(shù)交流與合作活動(dòng),點(diǎn)對(duì)點(diǎn)展開國(guó)家級(jí)高新區(qū)間的技術(shù)項(xiàng)目對(duì)接與交流,構(gòu)建跨區(qū)域的產(chǎn)業(yè)發(fā)展協(xié)同機(jī)制,實(shí)現(xiàn)國(guó)家級(jí)高新區(qū)創(chuàng)新實(shí)力的共同進(jìn)步和創(chuàng)新效率的互利共贏。
(3)調(diào)整后的創(chuàng)新綜合效率反映部分國(guó)家級(jí)高新區(qū)處于低創(chuàng)新效率的狀態(tài),說(shuō)明我國(guó)一部分國(guó)家級(jí)高新區(qū)仍然處于要素增長(zhǎng)階段,因此要不斷提高國(guó)家級(jí)高新區(qū)的管理水平,優(yōu)化資源配置,把要素增長(zhǎng)的創(chuàng)新模式轉(zhuǎn)變?yōu)橐约夹g(shù)投入為主的創(chuàng)新模式,不斷提高應(yīng)對(duì)技術(shù)新環(huán)境和經(jīng)濟(jì)新常態(tài)的能力,提升創(chuàng)新資源的利用效率和決策管理能力。
技術(shù)經(jīng)濟(jì)與管理研究2020年5期