“十二五”以來中國創(chuàng)新政策效果評價與政策啟示

張靜雨，張繼彤

（南京師范大學(xué)商學(xué)院，江蘇南京 210023）

自《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要（2006—2020 年）》頒布以來，我國各級政府部門制定了大量創(chuàng)新政策，以提升我國的自主創(chuàng)新能力、推進(jìn)創(chuàng)新型國家建設(shè)。2020 年是《綱要》收官之年，也是編制“十四五”發(fā)展規(guī)劃的元年，在此承前啟后的關(guān)鍵時點，檢驗和重新審視“十二五”以來創(chuàng)新政策效果，發(fā)現(xiàn)既有政策的不足，可為制定“十四五”發(fā)展規(guī)劃提供借鑒。

1 文獻(xiàn)綜述

科技創(chuàng)新政策是政府為鼓勵科技研究發(fā)展而采取的公共措施［1］，主要依托財政投入的傾斜和人才引進(jìn)等激勵性工具刺激創(chuàng)新主體，調(diào)動其創(chuàng)新積極性，進(jìn)而實現(xiàn)創(chuàng)新能力的提升［2］。

目前主要通過兩個路徑來評價創(chuàng)新政策的有效性。一是過程導(dǎo)向，以政策工具為核心，通過構(gòu)建不同的指標(biāo)體系來判斷政策是否達(dá)到了預(yù)期目標(biāo)，其關(guān)鍵是把握政策從制定到實施的內(nèi)在邏輯。沿襲這一思路，Padilla-Pérez 等［3］以政策工具為核心評價中美洲6 國的創(chuàng)新政策；藺潔等［4］從政策主體、政策工具、政策目標(biāo)三方面構(gòu)建創(chuàng)新政策分析框架比較了江蘇和美國加州政府發(fā)布的創(chuàng)新政策；李政等［5］將質(zhì)性數(shù)據(jù)分析法引入中美政策的比較，發(fā)現(xiàn)政策的部際分布差異較大；李凡等［6］在政策目標(biāo)、工具和實施的三維視角下利用二元Logistic 回歸比較兩國科技創(chuàng)新政策，發(fā)現(xiàn)中國偏向企業(yè)供給和知識的垂直增加，而印度則偏向?qū)κ袌龅谋Ｗo(hù)和水平擴(kuò)散；肖美丹等［7］分別選擇河南96 份、廣東116 份創(chuàng)新政策，梳理出2005—2015 年兩省科技創(chuàng)新政策的側(cè)重方向和轉(zhuǎn)變路徑，對比分析不同時期、部門和內(nèi)容下的政策演進(jìn)脈絡(luò)。二是結(jié)果導(dǎo)向，依托創(chuàng)新的投入產(chǎn)出指標(biāo)，建立結(jié)果導(dǎo)向模型，通過創(chuàng)新效率間接反映創(chuàng)新政策的有效性。Edurne 等［8］通過評價創(chuàng)新政策效果，明確政策效益是檢驗政策有效性的重要標(biāo)準(zhǔn)之一；Rugee 等［9］研究科技創(chuàng)新政策實施效果的評估方法，并對歐美國家進(jìn)行了檢驗；Dye［10］計算所有目前和將來的政策目標(biāo)群體和非目標(biāo)群體成本和收益之間的差異來評估政策效果；王守文等［11］將產(chǎn)學(xué)研合作區(qū)域競爭政策劃分為五類，將政策有效性的推動力量形象化為飛機(jī)模型，建立了多層次模糊綜合模型，發(fā)現(xiàn)投入因素是政策有效性是最大源動力；藺鵬等［12］在復(fù)雜適應(yīng)理論基礎(chǔ)上引入超越對數(shù)生產(chǎn)函數(shù)，建立隨機(jī)前沿模型，運(yùn)用河北省60 家科技型中小企業(yè)數(shù)據(jù)實證測度R&D經(jīng)費(fèi)投入對技術(shù)創(chuàng)新效率的影響；閻東彬［13］應(yīng)用兩階段數(shù)據(jù)包絡(luò)分析法考察2012—2017 年京津冀地區(qū)科技創(chuàng)新政策的實施效果等。這些研究都采用了結(jié)果導(dǎo)向路徑，從創(chuàng)新效率出發(fā)，衡量科技創(chuàng)新政策的有效性。

過程導(dǎo)向從政策形成的理論框架、政策主體、中介工具和預(yù)期目標(biāo)等方面評價政策的有效性，不強(qiáng)調(diào)對執(zhí)行效果的考察；而結(jié)果導(dǎo)向則主要考慮創(chuàng)新政策帶來的創(chuàng)新效率，二者各有自己的研究重點，也有自己的盲區(qū)，合理的研究閉環(huán)應(yīng)該兼顧政策目標(biāo)與政策效果，即將過程導(dǎo)向與結(jié)果導(dǎo)向結(jié)合起來，綜合評價創(chuàng)新政策有效性。曲婉等［14］和康婕等［15］學(xué)者在這方面做了努力，提出從準(zhǔn)備實施、執(zhí)行過程和效率全過程的創(chuàng)新政策評價體系，但現(xiàn)有的研究僅僅停留在理論層面。本文引入因子分析、TOPSIS 法、灰色關(guān)聯(lián)和三階段DEA 的實證方法，將過程與結(jié)果導(dǎo)向兩個路徑結(jié)合起來，通過構(gòu)建雙向評價體系創(chuàng)建創(chuàng)新政策全過程評價體系，并用該方案對我國“十二五”以來的科技創(chuàng)新政策的有效性做實證檢驗。

2 科技創(chuàng)新政策評價體系構(gòu)建

2.1 過程導(dǎo)向的因子理想關(guān)聯(lián)評價模型

2.1.1 方法介紹與指標(biāo)選擇

政策評估的目的是確定政策預(yù)期效果的實際落地情況，因此指標(biāo)體系應(yīng)根據(jù)評估對象確定，注意政策導(dǎo)向性和簡單易操作性。目前對科技創(chuàng)新政策的過程評估一般從執(zhí)行準(zhǔn)備、成果和環(huán)境等方面確定二級指標(biāo)。本文創(chuàng)新采用因子分析和TOPSIS 與灰色關(guān)聯(lián)分析相結(jié)合的方法，在衡量政策有效性的二級指標(biāo)與代表政策分類單元的一級公因子指標(biāo)之間建立起緊密聯(lián)系，形成覆蓋政策全鏈條的過程評價模型來解釋科技創(chuàng)新政策的有效性。

科技部按照科技政策目標(biāo)，將國家科技政策分為企業(yè)進(jìn)步與高新技術(shù)產(chǎn)業(yè)化、科技人才、科技中介服務(wù)、科技獎勵、科研機(jī)構(gòu)改革、科技計劃管理、科學(xué)技術(shù)普及、科研經(jīng)費(fèi)與財務(wù)、科技金融與稅收、基礎(chǔ)研究與科研基地、國際科技合作、農(nóng)村科技與社會發(fā)展、科技條件與標(biāo)準(zhǔn)、科技成果與知識產(chǎn)權(quán)14 個類別，每個分類單元的政策預(yù)期目標(biāo)保持顯著差異。

依照基于政策目標(biāo)確定二級指標(biāo)的標(biāo)準(zhǔn)，本文選擇如表1 所示指標(biāo)體系來評價創(chuàng)新政策效果。

表1 指標(biāo)說明

2.1.2 計算過程

構(gòu)建評價對象為31 個省份，評價指標(biāo)為13 個，評價時間維度為9 年的因子分析模型，評價對象集為Nti（i=1,2,3,…,31）,指 標(biāo) 集Mtj（j=1,2,…,13），t ∈［2010，2018］，對Nti的橫截面數(shù)據(jù)進(jìn)行檢驗，論證因子分析的可行性，計算系數(shù)相關(guān)矩陣R，對R 進(jìn)行主成分分析并依據(jù)累計方差貢獻(xiàn)率確定相應(yīng)特征根λ。求m 個公因子的載荷矩陣A，并計算綜合因子得分，再將的4 個因子綜合得分指標(biāo)標(biāo)準(zhǔn)化：

利用處理后的數(shù)據(jù)得到矩陣中各列的最大、最小值分別構(gòu)造矩陣最優(yōu)向量X+=（Xmax，1，Xmax，2,...，Xmax,m）和最劣向量X－=(Xmin,1,Xmin,2,...，Xmin,m)，同時構(gòu)成參考序列Y0

依據(jù)歐式距離計算第i 個評價對象與最優(yōu)、最劣方案的接近程度和，計算第i 個評價對象的接近程度Ci；

再測算關(guān)聯(lián)系數(shù)：求第i 個評價單元在第m 個公因子的最優(yōu)指標(biāo)上的關(guān)聯(lián)系數(shù)：

ρ是分辨系數(shù)，它的意義在于削弱參考數(shù)列對失真的影響。一般來說，ρ的取值在0 到1之間，ρ越小，則分辨力越大。通常情況下，ρ取值為0.5。

根據(jù)關(guān)聯(lián)系數(shù)矩陣，計算出關(guān)聯(lián)度R：

2.2 結(jié)果導(dǎo)向的效率評價模型

2.2.1 方法介紹與指標(biāo)選擇

DEA 數(shù)據(jù)包絡(luò)法側(cè)重判斷樣本是否位于有效生產(chǎn)前沿面上，可以從投入和產(chǎn)出兩方面考察創(chuàng)新效率，因此本文選擇數(shù)據(jù)包絡(luò)法計算各省技術(shù)創(chuàng)新效率。

本文參考Jaffe［16］生產(chǎn)函數(shù)建立投入產(chǎn)出指標(biāo)體系，以研發(fā)資源和勞動資本投入表征科技創(chuàng)新的投入［17］。

由于R&D 經(jīng)費(fèi)內(nèi)部支出是流量，本文利用永續(xù)盤存法固定資本存量，參考Hu 等［18］、吳延兵［19］與白俊紅等［20］的計算方法，設(shè)定計算公式：

在產(chǎn)出指標(biāo)方面，主要用新產(chǎn)品銷售收入、專利授權(quán)和申請數(shù)以及技術(shù)市場成交額來表征［21-23］?？紤]到專利申請存在時滯效應(yīng)，最終選擇專利授權(quán)數(shù)和技術(shù)市場成交額作為產(chǎn)出指標(biāo)，并對三類專利按創(chuàng)新程度、技術(shù)創(chuàng)造價值和效益進(jìn)行0.5（發(fā)明專利）：0.3（實用新型）：0.2（外觀設(shè)計）的賦值［24］。為確保投入產(chǎn)出指標(biāo)選擇的可靠性，進(jìn)行了相關(guān)性檢驗，結(jié)果顯示通過1%水平下的相關(guān)性檢驗（表2、表3）。

表2 投入產(chǎn)出變量指標(biāo)一覽表

表3 Person 相關(guān)性檢驗

2.2.2 計算過程

在第一階段，帶入投入產(chǎn)出指標(biāo)對各決策單元的初始效率進(jìn)行評價：

在第三階段，將調(diào)整后的投入指標(biāo)代替初始投入值，重新計算出剔除環(huán)境與隨機(jī)擾動干擾的效率值。

3 實證分析

本文最終選取13 個指標(biāo)，對31 個省份的科技創(chuàng)新政策有效性進(jìn)行過程評價，選擇4 個投入產(chǎn)出指標(biāo)對301）個省份的創(chuàng)新效率進(jìn)行結(jié)果評價，各數(shù)據(jù)來自2011—2019 年《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》、各省市統(tǒng)計年鑒和筆者搜集計算整理。

3.1 因子分析

使用 SPSS 23.0 對 2010—2018 年我國科技創(chuàng)新政策評價指標(biāo)體系的截面數(shù)據(jù)分別進(jìn)行因子分析2）。KMO 統(tǒng)計量大于 0.85，Bartlett 球度檢驗Sig.值為0.000，表示相關(guān)系數(shù)矩陣和單位矩陣之間有顯著性差異，適合進(jìn)行因子分析，如表4 所示。

表4 KMO 和巴特利特檢驗檢驗結(jié)果

對 2010—2018 年各年截面數(shù)據(jù)初始因子載荷矩陣進(jìn)行凱撒正態(tài)化最大方差法旋轉(zhuǎn)，盡管每年各指標(biāo)的載荷值不同，但是每年載荷量的不同并不影響各公因子的具體分類和解釋3）。X1、X2、X5、X6、X8、X9、X11 和X13 在F1 上具有較大載荷，因子多為科技政策的成果，因此命名為執(zhí)行成果因子；X3、X4 和X7 在F2 上具有較大載荷，因子多為基礎(chǔ)性支持，因此命名為基礎(chǔ)環(huán)境因子；X10 和X12 反映對從事科技創(chuàng)新人才的激勵情況，在F3 上具有較大載荷，因此命名為人才支撐因子（表5）。提取的3 個公因子形成了邏輯閉環(huán)，即政策的執(zhí)行主體在執(zhí)行環(huán)境中取得執(zhí)行成果。

表5 公因子提取與命名

觀測公因子貢獻(xiàn)率的變化情況可以發(fā)現(xiàn)三大公因子與科技創(chuàng)新政策有效性是高度相關(guān)的：橫向看，F(xiàn)1 執(zhí)行成果是影響政策效果的最大因素，近年來一直保持61%的貢獻(xiàn)率，變化不大；F2 的貢獻(xiàn)率先上升，后微小幅度下降，表明基礎(chǔ)環(huán)境的政策一經(jīng)推行即刻有效，但在環(huán)境建設(shè)完備后貢獻(xiàn)會變?。籉3 波動上升，說明政策加大了對科技軟實力的偏向，人才是一國科技創(chuàng)新源源不斷的內(nèi)生動力。整體來看，3 個方面對科技創(chuàng)新政策有效性的解釋高達(dá)90%，表明從執(zhí)行成果、基礎(chǔ)環(huán)境和人才支撐三方面出發(fā)可以解釋科技創(chuàng)新政策效果。

3.2 TOPSIS 與灰色關(guān)聯(lián)評價模型

按公式計算各年份綜合因子4）和公因子得分5），將值作為 TOPSIS 和灰色關(guān)聯(lián)度模型的變量代入計算過程，利用Matlab2016a 得出各省科技創(chuàng)新政策有效性的相對貼近度，理想距離與貼進(jìn)度結(jié)論基本一致，佐證測算結(jié)果，貼近度越大表示政策有效性越強(qiáng)，根據(jù)表6的測算結(jié)果，選擇0.3為TOPSIS的Ci有效性點。

表6 關(guān)聯(lián)度與有效性計算結(jié)果一覽表

表6 （續(xù)）

從有效性看，F(xiàn)1 波動性最大且有效性最低，表明31 個省份在科技創(chuàng)新政策的執(zhí)行成果方面有效性差距較大，發(fā)展不平衡和政策無效性問題突出；較其他因子而言，多個城市在F1 和F2 上Ci 得分接近于臨近線0.3，由于研發(fā)基礎(chǔ)投入較大，目前的科技創(chuàng)新政策的制定還是政府牽頭，雖然創(chuàng)新成果穩(wěn)步向好，但地區(qū)間存在的絕對差最大達(dá)到了0.4 左右。基礎(chǔ)環(huán)境因子與綜合影響呈現(xiàn)同步變化，人才支撐因子整體位于較高水平，表明我國各省市在科技創(chuàng)新的人才支撐方面落實度較高；

從過程有效性整體（圖1）看東部地區(qū)整體高于其他地區(qū)，中西部地區(qū)整體落后于其他地區(qū)，中部和東部（圖3）的F3 關(guān)聯(lián)度明顯高于其他因素。根據(jù)關(guān)聯(lián)性得分可知：31 個省份的關(guān)聯(lián)度四個測度方面均呈不規(guī)則變化，其中北京、上海、江蘇、廣東和西藏是突出級，關(guān)聯(lián)度較大且創(chuàng)新成果高位領(lǐng)先，進(jìn)一步證實北京、上海、江蘇、廣東是全國科技創(chuàng)新的領(lǐng)軍者，而西藏的情況是由于缺乏科技創(chuàng)新基礎(chǔ)，幾乎完全依賴國家科技創(chuàng)新政策的傾斜；從三大公因子的有效性和關(guān)聯(lián)度看（圖2），三大公因子中，基礎(chǔ)研究投入有效性明顯不足，科技創(chuàng)新的基礎(chǔ)環(huán)境亟待改善。

圖1 全國因子關(guān)聯(lián)度分布散點圖

圖2 全國公因子有效性與關(guān)聯(lián)度雷達(dá)圖

圖3 東部和中部地區(qū)組合關(guān)聯(lián)度散點圖

分地區(qū)看：（1）中部地區(qū)的公因子關(guān)聯(lián)度測算結(jié)果有鮮明特征，高位關(guān)聯(lián)度集聚在人才支撐因子上，F(xiàn)3 關(guān)聯(lián)度高度覆蓋其他因子，說明中部地區(qū)在人才支撐上的有效性落實得最好，同時也說明其關(guān)聯(lián)性最強(qiáng)，加強(qiáng)人才引入類型的科技創(chuàng)新政策成為中部地區(qū)當(dāng)前和今后的政策重點。

（2）中部和西部省份的F1、F2 和綜合表現(xiàn)幾乎呈現(xiàn)相同關(guān)聯(lián)度趨勢，西部地區(qū)的F1、F2、F3 和F 均呈現(xiàn)相同變化趨勢且關(guān)聯(lián)度相近，西部12 個省份的基礎(chǔ)環(huán)境因子接近評分的無效，缺乏成果轉(zhuǎn)化平臺，基礎(chǔ)環(huán)境與服務(wù)政策難推進(jìn)；西藏、四川和陜西的RF 關(guān)聯(lián)度情況相對較好，反映了西部地區(qū)政策依賴性極強(qiáng)，政策支撐作用也不斷增強(qiáng)，尤其是“一帶一路”深入推進(jìn)，給予西南的四川和西北的陜西縱深發(fā)展的機(jī)會，利用地緣優(yōu)勢，構(gòu)成彼此相連的地帶，追趕勢頭迅猛。

（3）遼寧和黑龍江F2 的評價得分在整體評分中缺乏源動力，資源內(nèi)耗嚴(yán)重，缺乏培育的吸引力，F(xiàn)1成為遼寧省的一大掣肘，在促進(jìn)創(chuàng)新成果本地轉(zhuǎn)化方面亟待加強(qiáng)，但欣喜的是基礎(chǔ)投入表現(xiàn)的問題已經(jīng)浮出水面，存在相對變好的時機(jī)；東北部和中部地區(qū)一樣，人才支撐F3 因子也是關(guān)聯(lián)度較大的因素。

3.3 三階段DEA 效率評價模型

根據(jù)因子理想關(guān)聯(lián)評價模型的結(jié)果，在科技創(chuàng)新政策的過程表現(xiàn)中，執(zhí)行成果是最大影響單元，為進(jìn)一步考察科技創(chuàng)新政策的實施效果，應(yīng)用三階段DEA 評價模型，并建立同時考察過程與結(jié)果相關(guān)性的SFA。本文使用 DEAP2.1 測算 2010—2018 年各省科技創(chuàng)新績效，創(chuàng)新效率結(jié)果與理想距離和貼進(jìn)度結(jié)論基本一致6）。三大公因子在不同程度上影響著政策的有效性，因此在評價科技創(chuàng)新政策的結(jié)果時，本文在DEA 模型中引入人力資源水平、基礎(chǔ)設(shè)施建設(shè)水平、產(chǎn)業(yè)升級水平、城市化水平和經(jīng)濟(jì)發(fā)展水平5 個環(huán)境變量7），使用FRONT41-xp1 進(jìn)行SFA，進(jìn)一步解釋三大公因子作為環(huán)境變量的影響程度，其中地區(qū)人力資源水平近似解釋人才支撐因子，地區(qū)基礎(chǔ)設(shè)施建設(shè)水平和城市化水平近似解釋基礎(chǔ)環(huán)境因子，產(chǎn)業(yè)升級水平和經(jīng)濟(jì)發(fā)展水平近似解釋執(zhí)行成果因子，試圖以此剔除環(huán)境和隨機(jī)噪聲的沖擊，更好探究政策的創(chuàng)新效率［26-27］，回歸結(jié)果（表7、表8）顯示適宜進(jìn)行第二階段回歸。

表7 2010 年和2018 年投入1 松弛變量SFA 回歸結(jié)果

表8 2010 年和2018 年投入2 松弛變量SFA 回歸結(jié)果

根據(jù)效率回歸結(jié)果（表9）可以發(fā)現(xiàn)黑龍江、內(nèi)蒙古的創(chuàng)新效率基本不受環(huán)境因素影響，政策的輻射難以落地，創(chuàng)新環(huán)境不佳；而北京和江蘇受環(huán)境因素的影響程度在逐步減弱。北京和江蘇高校集中，成為多數(shù)創(chuàng)新政策的試驗田，大量的科研院所帶來良好的創(chuàng)新氛圍，始終保持創(chuàng)新強(qiáng)省地位，但缺乏科技轉(zhuǎn)化的政策支持，在資本和人才等創(chuàng)新高級要素集聚時,易造成膨脹和浪費(fèi)，資源利用率反而較低，創(chuàng)新成果部分外流。云南和青海也受到環(huán)境因素的影響，表明其創(chuàng)新效率的提升主要依靠政策的傾斜，中部地區(qū)各省受到環(huán)境變量的影響相對較小，基礎(chǔ)設(shè)施建設(shè)和人力資本對創(chuàng)新效率有顯著影響，成高度相關(guān)關(guān)系。資本受環(huán)境的影響高于勞動，表明經(jīng)費(fèi)投入強(qiáng)于研發(fā)人員投入，政策應(yīng)給予相應(yīng)支持。

表9 2018 年和2010 年DEA 創(chuàng)新績效結(jié)果一覽表

中部地區(qū)中，湖北省表現(xiàn)相對亮眼，但除了安徽、江西和湖北外，其他省份的創(chuàng)新績效徘徊在0.6 附近，雖然人才培育和環(huán)境建設(shè)穩(wěn)步向好，但缺少實現(xiàn)轉(zhuǎn)化的創(chuàng)新環(huán)境。北京和浙江的創(chuàng)新效率在2010—2018 年間始終保持為1，創(chuàng)新投入穩(wěn)定在最優(yōu)水平，而山西的執(zhí)行成果始終較低，需要加大在執(zhí)行成果轉(zhuǎn)化上的基礎(chǔ)投入，除了極端地區(qū)之外，青海、新疆、福建和廣東等地近年來效率值也曾達(dá)到過最優(yōu)值 1，且表現(xiàn)趨于穩(wěn)定，這與我國西部開發(fā)戰(zhàn)略的實施密不可分，表明創(chuàng)新政策落地效果良好，應(yīng)該繼續(xù)保持穩(wěn)定的投入水平?！笆濉币詠恚|寧的效率從0.2 左右增長到0.6 左右，黑龍江從0.3 的創(chuàng)新效率爬升到趨于0.9，可見，雖然轉(zhuǎn)型發(fā)展壓力較大，但創(chuàng)新仍有光明前景，缺乏人才的東北科技振興依然需要人才政策的傾斜。

4 主要結(jié)論與政策建議

本文提出一個因子分析理想灰色關(guān)聯(lián)的過程導(dǎo)向模型，從貼進(jìn)度和關(guān)聯(lián)度出發(fā)，對各省政策制定過程的有效性與關(guān)聯(lián)度進(jìn)行評價，隨后建立三階段DEA 結(jié)果導(dǎo)向的效率評價模型，并引入5 個環(huán)境變量進(jìn)一步探究過程導(dǎo)向中的公因子和創(chuàng)新效率的相關(guān)性和有效性。本文的重要發(fā)現(xiàn)是：

（1）執(zhí)行成果、基礎(chǔ)環(huán)境和人才支撐三大公因子與科技創(chuàng)新政策有效性是高度相關(guān)的，公因子聚類結(jié)果表明科技創(chuàng)新政策的有效性是指人才在基礎(chǔ)環(huán)境中的績效完成度，明確了科技創(chuàng)新政策系統(tǒng)制定、形成與落地的邏輯架構(gòu)。

（2）從有效性得分差和創(chuàng)新效率結(jié)果看，有效性的綜合評分均高于0.3 的有效性得分，且保持穩(wěn)定增長，表明2010—2018 年科技創(chuàng)新政策整體是有效的。東西地區(qū)的差距在縮小，南北的差距在拉大，尤其是東北地區(qū)的落后明顯，創(chuàng)新效率呈現(xiàn)中心城市領(lǐng)跑，經(jīng)濟(jì)圈輻射聯(lián)動，其他地區(qū)發(fā)展波動的特點，科技創(chuàng)新政策的不平衡對之后政策的協(xié)調(diào)發(fā)展和因地施策提出了更高要求。

（3）目前，創(chuàng)新政策仍然以國家戰(zhàn)略、政策為基礎(chǔ)和依托，但基礎(chǔ)研究投入有效性明顯不足，缺乏市場競爭，對科技成果轉(zhuǎn)化有影響；科技創(chuàng)新政策在一定程度上通過促進(jìn)產(chǎn)業(yè)升級和城市化建設(shè)展開，當(dāng)?shù)貐^(qū)經(jīng)濟(jì)和相關(guān)產(chǎn)業(yè)發(fā)展表現(xiàn)出正向態(tài)勢時，將間接促進(jìn)決策單元的創(chuàng)新表現(xiàn)，因此產(chǎn)業(yè)政策和地區(qū)全面發(fā)展政策的出臺也是科技創(chuàng)新政策落地的必要準(zhǔn)備。

（4）人才是影響中西部地區(qū)科技創(chuàng)新政策的最大因素，也是中西部提升創(chuàng)新實力的關(guān)鍵；執(zhí)行成果轉(zhuǎn)化政策將成為東北地區(qū)提升政策有效性的突破口，東部地區(qū)的人才支撐型科技創(chuàng)新政策全面開花，在全國范圍內(nèi)具有借鑒意義。

“十四五”即將到來，各級政府正在緊鑼密鼓制定“十四五”發(fā)展規(guī)劃。本文的實證結(jié)果為制定“十四五”科技發(fā)展規(guī)劃提供重點方向和經(jīng)驗支持：

（1）制定科技創(chuàng)新政策要堅決解決不平衡問題，發(fā)揮科技創(chuàng)新政策集聚效應(yīng)和輻射效應(yīng)的聯(lián)動作用，推進(jìn)區(qū)域中心協(xié)同機(jī)制建設(shè)，強(qiáng)化政策落實。

（2）科技創(chuàng)新轉(zhuǎn)化政策要進(jìn)一步激發(fā)市場機(jī)制的作用，可適度向產(chǎn)學(xué)研合作機(jī)制傾斜，優(yōu)化創(chuàng)新環(huán)境，促進(jìn)市場競爭。

（3）加強(qiáng)科技創(chuàng)新政策與產(chǎn)業(yè)升級政策、區(qū)域發(fā)展政策之間的聯(lián)系，將創(chuàng)新政策、產(chǎn)業(yè)政策和區(qū)域發(fā)展政策協(xié)同起來，發(fā)揮政策合力。

（4）不同地區(qū)推行各有側(cè)重的創(chuàng)新政策。東部地區(qū)要形成科技人才與平臺的雙向反哺；西部地區(qū)差異化明顯，政策制定必須抓重點、補(bǔ)短板、強(qiáng)弱項，因地制宜；中西部地區(qū)都需加強(qiáng)人才支持力度和偏移度。

注釋：

1）由于西藏地區(qū)投入產(chǎn)出數(shù)據(jù)大部分缺失，DEA 計算時刪除西藏地區(qū)；

2）為排除數(shù)據(jù)統(tǒng)計的單位影響，首先對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，由于X7 和X8 在最新更新的《2019 中國科技統(tǒng)計年鑒》中尚未公開，暫以2017 年數(shù)據(jù)替代，數(shù)據(jù)缺失值以平均數(shù)法替換；

3）旋轉(zhuǎn)后的成分矩陣采用凱撒正態(tài)化最大方差法,在旋轉(zhuǎn)在 4 次迭代后已收斂；

4）根據(jù)2010—2018 年運(yùn)行結(jié)果，按提取載荷平方得出綜合因子得分=55.748F1+14.450F2+10.610F3;

5）2018 年F1 公因子解釋力度極高，得分出現(xiàn)F1-1 與F1-2，得分取兩者平均值；

6）限于篇幅，關(guān)聯(lián)度、有效性、DEA-BBC 和SFA 的分解數(shù)據(jù)和報告結(jié)果并未詳細(xì)展開，其他年份結(jié)果如需要可向作者索??；

7）地區(qū)基礎(chǔ)設(shè)施水平以人均鐵路營業(yè)里程代表，地區(qū)人力資源素質(zhì)水平以平均受教育年限代表，地區(qū)經(jīng)濟(jì)發(fā)展水平以人均地區(qū)生產(chǎn)值代表，地區(qū)產(chǎn)業(yè)升級水平以第二產(chǎn)業(yè)與第三產(chǎn)業(yè)比值代表，地區(qū)城市化水平用年末城鎮(zhèn)人口與總?cè)丝谥葋矸从场?/p>