長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率比較分析
——基于三階段DEA模型

方大春，曾志彪

(安徽工業(yè)大學(xué)商學(xué)院， 安徽 馬鞍山 243032)

國(guó)家高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)(以下簡(jiǎn)稱“國(guó)家高新區(qū)”)是各地區(qū)創(chuàng)新驅(qū)動(dòng)發(fā)展的排頭兵和領(lǐng)頭羊，其創(chuàng)新效率高低直接決定本地區(qū)創(chuàng)新水平[1].習(xí)近平總書記在科學(xué)家座談會(huì)上指出“創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力”，國(guó)家高新區(qū)要想實(shí)現(xiàn)高質(zhì)量發(fā)展，就必須走創(chuàng)新發(fā)展.自1988年國(guó)家火炬計(jì)劃實(shí)施起，我國(guó)開始建立國(guó)家高新區(qū)，到2019年年底國(guó)家高新區(qū)的數(shù)量已達(dá)到169個(gè)，其中長(zhǎng)三角城市群國(guó)家高新區(qū)占比為20.1%.2019年長(zhǎng)三角城市群國(guó)家高新區(qū)營(yíng)業(yè)收入為69 838.17億元，占全國(guó)國(guó)家高新區(qū)營(yíng)業(yè)收入18.1%；其工業(yè)總產(chǎn)值為64 952.97億元，占全國(guó)國(guó)家高新區(qū)工業(yè)總產(chǎn)值27%；其凈利潤(rùn)為7 024.96億元，占全國(guó)國(guó)家高新區(qū)凈利潤(rùn)26.9%；其出口總額為14 902.48億元，占全國(guó)國(guó)家高新區(qū)出口總額36%.與長(zhǎng)三角城市群人口占全國(guó)1/6、GDP占全國(guó)1/4而言，長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率顯著性不夠.長(zhǎng)三角區(qū)域內(nèi)部資源稟賦、經(jīng)濟(jì)發(fā)展環(huán)境等不同，長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新發(fā)展存在不平衡不充分.因此，需要考察長(zhǎng)三角城市群不同城市國(guó)家高新區(qū)創(chuàng)新效率特征，優(yōu)化創(chuàng)新資源配置結(jié)構(gòu)，促進(jìn)整體創(chuàng)新效率提高.

我國(guó)學(xué)者對(duì)國(guó)家高新區(qū)創(chuàng)新發(fā)展已經(jīng)做了大量理論與實(shí)證研究.理論分析主要從政策[2]、機(jī)制體制[3]、經(jīng)濟(jì)效應(yīng)[4]等方面探討國(guó)家高新區(qū)創(chuàng)新發(fā)展.實(shí)證分析主要集中在效率和影響因素兩個(gè)方面.在效率方面，許多學(xué)者采用DEA方法對(duì)全國(guó)層面國(guó)家高新區(qū)創(chuàng)新效率進(jìn)行實(shí)證研究[1，5-6]；部分學(xué)者采用DEA方法分別對(duì)西部地區(qū)和長(zhǎng)三角地區(qū)國(guó)家高新區(qū)的效率進(jìn)行實(shí)證研究[7-8]；一些學(xué)者采用DEA方法分別對(duì)山東省、福建省和湖北省國(guó)家高新區(qū)的效率進(jìn)行實(shí)證研究[9-11].在影響因素方面，主要運(yùn)用面板Tobit回歸分析方法[12]、廣義矩估計(jì)方法[13]等來(lái)研究國(guó)家高新區(qū)創(chuàng)新效率的影響因素.

從文獻(xiàn)分析來(lái)看，我國(guó)學(xué)者對(duì)國(guó)家高新區(qū)的研究已有不少，但在長(zhǎng)三角區(qū)域國(guó)家高新區(qū)方面鮮有研究，個(gè)別學(xué)者使用傳統(tǒng)DEA方法測(cè)算2011年—2015年長(zhǎng)三角地區(qū)國(guó)家級(jí)高新區(qū)運(yùn)行效率及變化趨勢(shì)[8].2016年后隨著長(zhǎng)三角一體化進(jìn)程加快，更需要考察長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率，優(yōu)化創(chuàng)新資源配置.由于長(zhǎng)三角區(qū)域內(nèi)部資源稟賦、宏觀環(huán)境存在著不同，必須消除環(huán)境因素影響，再比較真實(shí)創(chuàng)新效率.因此，文章采用能剔除環(huán)境因素的三階段DEA方法來(lái)研究長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率.

1 研究方法

Fried提出能剔除環(huán)境和隨機(jī)因素的三階段DEA模型，其主要分為三個(gè)階段來(lái)評(píng)價(jià)每個(gè)決策單元的效率值.

1.1 第一階段：傳統(tǒng)的DEA模型

數(shù)據(jù)包絡(luò)分析方法(data envelopment analysis，DEA)是在1978年由查恩斯(Charens)和庫(kù)伯(Cooper)這兩位學(xué)者提出的一種模型，主要作用是評(píng)價(jià)相同部門有效性.最初其提出的是CCR模型，其規(guī)模報(bào)酬不變，后修整為規(guī)模報(bào)酬可變的BCC模型.具體做法是將CCR模型中的綜合技術(shù)效率(TE)細(xì)分為純技術(shù)效率(PTE)和規(guī)模效率(SE)，分解公式為：

TE=PTE×SE，

(1)

式中，TE衡量決策單元(DMU)的資源利用是否充分、資源配置是否合理；PTE表示將投入轉(zhuǎn)化為產(chǎn)出的技術(shù)水平；SE表示高新區(qū)是否在合適的規(guī)模下生產(chǎn).

DEA方法將一個(gè)“可以通過一系列決策，投入一定數(shù)量的生產(chǎn)要素，并產(chǎn)出一定數(shù)量的產(chǎn)品”的經(jīng)濟(jì)系統(tǒng)稱為決策單元(DMU)，在文章中將長(zhǎng)三角各高新區(qū)作為一個(gè)決策單元.第i個(gè)決策單元的BCC模型如下：

(2)

1.2 第二階段：隨機(jī)前沿分析(SFA模型)

將環(huán)境變量設(shè)定為解釋變量，將松弛變量(S-，S+)設(shè)定為被解釋變量，以此來(lái)剔除環(huán)境和隨機(jī)因素對(duì)第一階段效率值的影響.構(gòu)建SFA模型如下：

Sij=fj(zi，βj)+vij+μij，

i=1，2，…，N;j=1，2，…，P，

(3)

根據(jù)上面得到的參數(shù)值，依據(jù)羅登躍、陳巍巍等[15-16]使用的分離公式

式中，λ=σμ/σv，φ(x)為密度函數(shù)，φ(x)為累計(jì)分布函數(shù)，求出μij的估計(jì)值，然后再求出vij的估計(jì)值.最后根據(jù)SFA模型的估計(jì)結(jié)果，調(diào)整每個(gè)決策單元的原始投入值：

i=1，2，…，N；j=1，2，…，P，

(4)

1.3 第三階段：調(diào)整后的DEA模型

第三階段主要是將原始產(chǎn)出和第二階段調(diào)整后的投入一起導(dǎo)入到Deap 2.1中，得到新的效率值.在剝離環(huán)境和隨機(jī)因素對(duì)效率值的影響后，此時(shí)能得到真實(shí)反映現(xiàn)狀的效率值.

2 指標(biāo)選取與數(shù)據(jù)來(lái)源

2.1 投入與產(chǎn)出指標(biāo)選取

文章對(duì)長(zhǎng)三角城市群國(guó)家高新區(qū)進(jìn)行創(chuàng)新效率測(cè)算，國(guó)家高新區(qū)創(chuàng)新投入和產(chǎn)出涉及多項(xiàng)指標(biāo)，但沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn).考慮到國(guó)家高新區(qū)的經(jīng)濟(jì)效益重要性，參考相關(guān)文獻(xiàn)[1，17]，投入指標(biāo)選擇國(guó)家高新區(qū)的年末資產(chǎn)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出、科技活動(dòng)人員；產(chǎn)出指標(biāo)選擇國(guó)家高新區(qū)的工業(yè)總產(chǎn)值、凈利潤(rùn)、技術(shù)收入.

2.2 環(huán)境變量選取

受環(huán)境變量的影響，即使國(guó)家高新區(qū)所有投入指標(biāo)都一樣，在不同環(huán)境下所得到的效率值不相同，其產(chǎn)出量也不會(huì)相同[18].因此，環(huán)境變量應(yīng)選取那些對(duì)國(guó)家高新區(qū)效率產(chǎn)生影響但不在樣本主觀可控范圍內(nèi)的因素，即滿足所謂“分離假設(shè)”[1].考慮到國(guó)家高新區(qū)發(fā)展特點(diǎn)，參考相關(guān)文獻(xiàn)[1，7]，從經(jīng)濟(jì)發(fā)展水平、市場(chǎng)開放程度、勞動(dòng)者素質(zhì)、科技創(chuàng)新潛力四個(gè)方面來(lái)選取環(huán)境變量.用人均GDP來(lái)反映經(jīng)濟(jì)發(fā)展水平，用實(shí)際利用外資來(lái)代表地區(qū)市場(chǎng)開放程度，用大專以上學(xué)歷從業(yè)人員來(lái)表示勞動(dòng)者素質(zhì)水平，用地區(qū)普通高等學(xué)校在校大學(xué)生數(shù)來(lái)衡量科技創(chuàng)新潛力.具體評(píng)價(jià)指標(biāo)見表1.

表1 創(chuàng)新效率評(píng)價(jià)指標(biāo)體系Tab.1 Innovation efficiency evaluation index system

2.3 研究范圍與對(duì)象

2014年9月，國(guó)務(wù)院印發(fā)《關(guān)于依托黃金水道推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展的指導(dǎo)意見》，首次明確安徽作為長(zhǎng)江三角洲城市群的一部分.2019年12月，《長(zhǎng)江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》中明確規(guī)劃范圍為蘇、浙、皖、滬四省市全部區(qū)域.因此，研究范圍為長(zhǎng)三角城市群的所有國(guó)家高新區(qū).2015年長(zhǎng)三角有上海紫竹、上海張江、南京、無(wú)錫、江陰、徐州、常州、武進(jìn)、蘇州、昆山、常熟、南通、連云港、鹽城、揚(yáng)州、鎮(zhèn)江、泰州、杭州、蕭山臨江、寧波、溫州、嘉興、莫干山、紹興、衢州、合肥、蕪湖、蚌埠、馬鞍山慈湖等29個(gè)國(guó)家高新區(qū)，2017年新增淮安、宿遷和銅陵獅子山三個(gè)國(guó)家高新區(qū)，2018年新增蘇州工業(yè)園和淮南兩個(gè)國(guó)家高新區(qū).由于同一個(gè)城市的國(guó)家高新區(qū)所處環(huán)境相同、政策相似，相互間聯(lián)系密切，需要作為一個(gè)總體來(lái)考慮.因此，如果一個(gè)城市有兩個(gè)以上的國(guó)家高新區(qū)，就將它們的數(shù)值相加起來(lái)成為一個(gè)國(guó)家高新區(qū)，在對(duì)國(guó)家高新區(qū)的稱呼上也以其所在城市命名，如上海張江和上海紫竹合并，統(tǒng)稱為上海國(guó)家高新區(qū)，無(wú)錫和江陰合并，常州和武進(jìn)合并，蘇州、昆山、蘇州工業(yè)園和常熟合并，杭州和蕭山臨江合并，最終研究對(duì)象為27座城市國(guó)家高新區(qū).

2.4 數(shù)據(jù)來(lái)源與處理

使用數(shù)據(jù)均來(lái)自2016年—2020年的《中國(guó)火炬統(tǒng)計(jì)年鑒》和各個(gè)國(guó)家高新區(qū)所在城市的《統(tǒng)計(jì)年鑒》.為此，研究時(shí)間選擇為2015年—2019年.對(duì)于2019年淮安國(guó)家高新區(qū)的凈利潤(rùn)產(chǎn)出指標(biāo)為負(fù)值，文章借鑒相關(guān)學(xué)者做法，將負(fù)產(chǎn)出變?yōu)橐粋€(gè)足夠小的數(shù)值0.001[19-20]，該方法不改變其他決策單元的效率值，僅影響該決策單元的效率值.以2015年為基期，對(duì)人均GDP、實(shí)際利用外資進(jìn)行價(jià)格指數(shù)平減，以此來(lái)消除物價(jià)對(duì)上述指標(biāo)的影響.

3 長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率實(shí)證分析

3.1 第一階段：傳統(tǒng)DEA模型分析

利用Deap 2.1軟件計(jì)算出2015年—2019年長(zhǎng)三角城市群國(guó)家高新區(qū)的綜合技術(shù)效率(TE)、純技術(shù)效率(PTE)、規(guī)模效率(SE)、規(guī)模收益狀態(tài)，囿于篇幅，在此僅給出2015年和2019年第一階段的分析結(jié)果，其他年份省略，結(jié)果如表2所示.

見表2可發(fā)現(xiàn)，在未剔除環(huán)境變量和隨機(jī)干擾項(xiàng)之前，長(zhǎng)三角城市群國(guó)家高新區(qū)的創(chuàng)新效率總體上存在以下特征：綜合技術(shù)效率總平均值為0.732，沒有達(dá)到DEA有效；純技術(shù)效率總平均值為0.874，說(shuō)明長(zhǎng)三角城市群國(guó)家高新區(qū)的投入產(chǎn)出轉(zhuǎn)化技術(shù)水平相對(duì)較高；規(guī)模效率總平均值為0.840，說(shuō)明長(zhǎng)三角城市群國(guó)家高新區(qū)存在較顯著的規(guī)模效應(yīng).泰州國(guó)家高新區(qū)有五年處于效率前沿面，常州、南通、杭州等國(guó)家高新區(qū)有4年處于效率前沿面，徐州、鹽城、合肥、馬鞍山等國(guó)家高新區(qū)有3年處于效率前沿面，連云港、揚(yáng)州、寧波、嘉興、紹興、銅陵等國(guó)家高新區(qū)有1年處于效率前沿面.上海、無(wú)錫、蘇州等國(guó)家高新區(qū)純技術(shù)效率為1，但規(guī)模效率較低，導(dǎo)致綜合技術(shù)效率在整體國(guó)家高新區(qū)中并不突出.從第一階段的實(shí)證結(jié)果來(lái)看，長(zhǎng)三角城市群國(guó)家高新區(qū)純技術(shù)效率均值大于規(guī)模效率均值，說(shuō)明長(zhǎng)三角城市群國(guó)家高新區(qū)的綜合技術(shù)效率不高主要原因是規(guī)模效率不高.

表2 長(zhǎng)三角城市群國(guó)家高新區(qū)第一階段效率值Tab.2 Efficiency value of the first stage of national high-tech zones in the Yangtze River Delta urban agglomerations

3.2 第二階段：SFA分析

在第二階段中，將第一階段得到的年末資產(chǎn)、科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出和科技活動(dòng)人員松弛變量作為被解釋變量，將環(huán)境變量作為解釋變量，導(dǎo)入到Frontier 4.1中，得到SFA的回歸結(jié)果.囿于篇幅，在此僅列出2015年、2019年第二階段的SFA分析結(jié)果(其他年份省略)，結(jié)果如表3所示.當(dāng)回歸系數(shù)為正，說(shuō)明環(huán)境變量會(huì)增加投入松弛量，造成資源浪費(fèi)增加；當(dāng)回歸系數(shù)為負(fù)，說(shuō)明環(huán)境變量會(huì)促使資源利用率上升，致使資源浪費(fèi)減少.

表3 2015年和2019年長(zhǎng)三角城市群國(guó)家高新區(qū)SFA分析結(jié)果Tab.3 SFA analysis results of national high-tech zones in the Yangtze River Delta urban agglomerations in 2015 and 2019

在表3基礎(chǔ)上，結(jié)合其他年份的SFA分析結(jié)果發(fā)現(xiàn)：一是人均GDP對(duì)松弛變量的影響逐漸由減少冗余變成增加冗余，這也解釋了一些發(fā)達(dá)城市(如上海、南京)自身所處環(huán)境優(yōu)越，經(jīng)濟(jì)實(shí)力雄厚，創(chuàng)新資源較多，對(duì)國(guó)家高新區(qū)的投入也較多，但因?yàn)闆]有合理配置資源，導(dǎo)致創(chuàng)新效率不高；二是實(shí)際利用外資對(duì)松弛變量的影響由減少冗余變成增加冗余，表明國(guó)家高新區(qū)的市場(chǎng)開放程度越高，就越會(huì)吸引高科技人才進(jìn)入國(guó)家高新區(qū)，同時(shí)使得科技活動(dòng)經(jīng)費(fèi)投入增加，猶如城市虹吸效應(yīng)致使資源堆積浪費(fèi)，不利于創(chuàng)新效率的提高；三是大專以上學(xué)歷從業(yè)人員對(duì)松弛變量的影響保持不變，五年間與松弛變量的回歸系數(shù)絕大部分為負(fù)，減少投入冗余，說(shuō)明國(guó)家高新區(qū)的勞動(dòng)者素質(zhì)越高，科技資源的利用程度就越高，科技資源的浪費(fèi)就越少；四是在校大學(xué)生人數(shù)對(duì)松弛變量的影響由增加冗余變成減少冗余，這從側(cè)面反映了未來(lái)國(guó)家高新區(qū)從業(yè)人員能力水平將逐日提高，科技資源將得到合理的利用.考慮到環(huán)境變量對(duì)不同地區(qū)國(guó)家高新區(qū)的影響不同，一些城市的國(guó)家高新區(qū)由于面臨較好的外部環(huán)境優(yōu)勢(shì)而比其它城市國(guó)家高新區(qū)呈現(xiàn)出更高的效率值，所以必須調(diào)整原始投入，使所有國(guó)家高新區(qū)處在相同外部環(huán)境進(jìn)行測(cè)算，這樣才能得到真實(shí)的創(chuàng)新效率水平.

3.3 第三階段：調(diào)整后的DEA模型分析

通過Deap 2.1軟件，憑借原始產(chǎn)出值和調(diào)整后的投入值，得到新的效率值.此時(shí)得到的效率值是剔除環(huán)境和隨機(jī)因素后的真實(shí)效率值，囿于篇幅，在此僅給出2015年、2017年、2019年第三階段的分析結(jié)果(其他年份省略)，結(jié)果如表4所示.

表4 長(zhǎng)三角城市群國(guó)家高新區(qū)第三階段效率值Tab.4 Efficiency value of the third stage of national high-tech zones in the Yangtze River Delta urban agglomerations

將第一、三階段的結(jié)果進(jìn)行對(duì)比分析，發(fā)現(xiàn)在剔除環(huán)境變量和隨機(jī)干擾項(xiàng)后，綜合技術(shù)效率總均值增加到0.743，純技術(shù)效率總均值增加到0.907，規(guī)模效率總均值降低到0.826，這說(shuō)明環(huán)境因素和隨機(jī)干擾因素確實(shí)掩蓋國(guó)家高新區(qū)的真實(shí)效率值.總體來(lái)看，有三個(gè)國(guó)家高新區(qū)(常州、南通、泰州)在五年內(nèi)處于DEA有效，較之未剔除環(huán)境變量和隨機(jī)干擾項(xiàng)前，增加兩個(gè)；純技術(shù)效率有效的高新區(qū)數(shù)量雖然保持不變，但徐州的純技術(shù)效率均值由有效變?yōu)闊o(wú)效，合肥由無(wú)效變?yōu)橛行?；?guī)模效率均值有效的國(guó)家高新區(qū)由未調(diào)整前的1個(gè)(泰州)增加到3個(gè)(常州、南通、泰州).為了更直觀的觀察調(diào)整前后創(chuàng)新效率的變化，取2015年、2017年和2019年為對(duì)照組(見圖1)，來(lái)具體分析綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率.

3.3.1 綜合技術(shù)效率分析 由圖1可知，在2015年經(jīng)過調(diào)整后，有11個(gè)國(guó)家高新區(qū)的綜合技術(shù)效率處于有效前沿面，其中常州、鹽城、泰州、杭州、寧波、合肥保持不變，上海、無(wú)錫、蘇州、南通、連云港由DEA無(wú)效調(diào)整為DEA有效，說(shuō)明由于環(huán)境因素的存在，導(dǎo)致其創(chuàng)新效率被低估，揚(yáng)州則由DEA有效調(diào)整為DEA無(wú)效，且從1降到至0.773，說(shuō)明環(huán)境因素和隨機(jī)因素使揚(yáng)州的創(chuàng)新效率出現(xiàn)虛高的現(xiàn)象.南京、蕪湖、蚌埠、馬鞍山等國(guó)家高新區(qū)創(chuàng)新效率呈現(xiàn)大幅度提高，徐州、湖州、紹興等國(guó)家高新區(qū)創(chuàng)新效率出現(xiàn)小幅度的下降.2017年經(jīng)過調(diào)整后，徐州、常州、南通、鹽城、泰州、杭州、紹興、合肥、馬鞍山等國(guó)家高新區(qū)處于有效前沿面，其中常州由0.927增加到1.連云港、淮安、宿遷、徐州、衢州、銅陵等國(guó)家高新區(qū)創(chuàng)新效率降低，說(shuō)明環(huán)境因素和隨機(jī)因素使得這些地方性中心城市國(guó)家高新區(qū)創(chuàng)新效率出現(xiàn)虛高的現(xiàn)象.其余國(guó)家高新區(qū)創(chuàng)新效率均呈小幅度上升.2019年經(jīng)過調(diào)整后，徐州、常州、南通、泰州、合肥、馬鞍山、銅陵等為處于效率前沿面的國(guó)家高新區(qū)，上海、南京、無(wú)錫、蘇州、揚(yáng)州、鎮(zhèn)江、杭州、紹興、衢州、蕪湖等國(guó)家高新區(qū)創(chuàng)新效率出現(xiàn)小幅度的上升，連云港和淮南國(guó)家高新區(qū)創(chuàng)新效率出現(xiàn)一定幅度的下降.

續(xù)表4

根據(jù)表4和圖1，對(duì)比可以發(fā)現(xiàn)，2019年調(diào)整后上海、南京、無(wú)錫、蘇州、連云港、淮安、鹽城、揚(yáng)州、杭州、寧波、溫州、蕪湖、蚌埠等國(guó)家高新區(qū)創(chuàng)新效率呈下降趨勢(shì)，徐州、鎮(zhèn)江、宿遷、嘉興、湖州、紹興、衢州、合肥、馬鞍山、銅陵等國(guó)家高新區(qū)創(chuàng)新效率呈上升趨勢(shì)，其中馬鞍山和銅陵上升幅度最為明顯，馬鞍山由2015年的0.461升到2019年的1，銅陵由2017年的0.223升到2019年的1，常州、南通、泰州保持不變.根據(jù)表4和圖1，與2015年相比，2019年上海國(guó)家高新區(qū)創(chuàng)新效率下降20.7%，江蘇國(guó)家高新區(qū)創(chuàng)新效率均值下降14.2%，浙江國(guó)家高新區(qū)創(chuàng)新效率均值上升8.6%，安徽國(guó)家高新區(qū)創(chuàng)新效率均值上升4.1%.由此可見，上海國(guó)家高新區(qū)和江蘇的多數(shù)國(guó)家高新區(qū)投入要素冗余，造成創(chuàng)新效率下降，而浙江和安徽的大部分國(guó)家高新區(qū)較為年輕，活力較強(qiáng)，更具創(chuàng)新能力.

圖1 2015年、2017年和2019年調(diào)整前后綜合技術(shù)效率對(duì)比Fig.1 Comparison of technical efficiency before and after adjustment in 2015， 2017 and 2019

3.3.2 純技術(shù)效率分析 由圖2可知，在2015年經(jīng)過調(diào)整后，超過一半的國(guó)家高新區(qū)純技術(shù)效率處于有效前沿面上.在其它國(guó)家高新區(qū)中，南京、無(wú)錫由有效調(diào)整為無(wú)效，連云港、溫州、湖州由無(wú)效調(diào)整為有效，蚌埠、馬鞍山國(guó)家高新區(qū)純技術(shù)效率呈小幅度的提高，說(shuō)明在沒有剔除環(huán)境因素和隨機(jī)因素的前提下，一些中小城市國(guó)家高新區(qū)的純技術(shù)效率值被低估.2017年和2019年調(diào)整后，近一半的國(guó)家高新區(qū)創(chuàng)新效率為1，大部分國(guó)家高新區(qū)純技術(shù)效率呈上升趨勢(shì).根據(jù)表4和圖2，對(duì)比可以發(fā)現(xiàn)，上海國(guó)家高新區(qū)純技術(shù)效率一直為1，江蘇國(guó)家高新區(qū)純技術(shù)效率均值為0.938，明顯高于浙江國(guó)家高新區(qū)的純技術(shù)效率均值(0.863)和安徽國(guó)家高新區(qū)的純技術(shù)效率均值(0.870).

圖2 2015年、2017年和2019年調(diào)整前后純技術(shù)效率對(duì)比Fig.2 Comparison of pure technical efficiency before and after adjustment in 2015， 2017 and 2019

3.3.3 規(guī)模效率分析 由圖3可知，在2015年經(jīng)過調(diào)整后，有10個(gè)國(guó)家高新區(qū)規(guī)模效率處于有效前沿面，即常州、鹽城、泰州、杭州、寧波保持不變，上海、無(wú)錫、蘇州、南通、連云港由DEA無(wú)效調(diào)整為DEA有效，其中無(wú)錫調(diào)整幅度最大，從0.526上升到1，此外南京、徐州、蕪湖、蚌埠分別上升到0.877、0.954、0.835、0.863，揚(yáng)州從1降至0.797，溫州、嘉興、湖州、紹興、衢州、馬鞍山均有小幅度的降低.從規(guī)模收益狀態(tài)來(lái)看，調(diào)整后，處于規(guī)模收益遞增的國(guó)家高新區(qū)由7個(gè)上升到10個(gè)，處于規(guī)模收益遞減的國(guó)家高新區(qū)由10個(gè)減少到3個(gè)，所以環(huán)境和隨機(jī)因素嚴(yán)重掩蓋了這些國(guó)家高新區(qū)規(guī)模效率的真實(shí)情況，最終影響對(duì)其綜合效率的評(píng)價(jià).在2017年經(jīng)過調(diào)整后，淮安、宿遷、銅陵這三個(gè)國(guó)家高新區(qū)屬于剛成立，因此，受環(huán)境和隨機(jī)因素影響，其規(guī)模效率被明顯高估，其他多數(shù)國(guó)家高新區(qū)規(guī)模效率增加，但都變化不大.在2019年經(jīng)過調(diào)整后，大多數(shù)國(guó)家高新區(qū)的規(guī)模效率呈上升趨勢(shì)，且紹興、衢州、蕪湖等國(guó)家高新區(qū)規(guī)模效率大幅度上升，只有鹽城國(guó)家高新區(qū)規(guī)模效率出現(xiàn)明顯小幅度降低.

根據(jù)表4和圖3，相比于2015年，2019年上海國(guó)家高新區(qū)規(guī)模效率下降20.7%，且處于規(guī)模收益遞減狀態(tài)，江蘇的國(guó)家高新區(qū)規(guī)模效率均值下降6%，且部分國(guó)家高新區(qū)處于規(guī)模收益遞減狀態(tài)，說(shuō)明上海、南京、無(wú)錫、蘇州等發(fā)達(dá)城市的國(guó)家高新區(qū)應(yīng)通過合理配置與使用創(chuàng)新資源來(lái)提高創(chuàng)新效率，而不是通過擴(kuò)大要素投入來(lái)提高創(chuàng)新效率.浙江的國(guó)家高新區(qū)規(guī)模效率均值上升17.3%，安徽的國(guó)家高新區(qū)規(guī)模效率均值上升0.5%，且兩省國(guó)家高新區(qū)普遍處于規(guī)模收益遞增狀態(tài)，說(shuō)明可以通過擴(kuò)大要素投入來(lái)提高創(chuàng)新效率.

圖3 2015年、2017年和2019年調(diào)整前后規(guī)模效率對(duì)比Fig.3 Comparison of scale efficiency before and after adjustment in 2015， 2017 and 2019

從圖1、圖2和圖3可以發(fā)現(xiàn)，上海國(guó)家高新區(qū)和江蘇的多數(shù)國(guó)家高新區(qū)綜合技術(shù)效率沒有處于有效前沿面主要是規(guī)模效率低所導(dǎo)致，安徽和浙江的多數(shù)國(guó)家高新區(qū)綜合技術(shù)效率沒有處于有效前沿面主要是純技術(shù)效率不高所導(dǎo)致.

此外，對(duì)比2015年、2017年和2019年的三種效率圖可以發(fā)現(xiàn)，調(diào)整前后各國(guó)家高新區(qū)效率變化幅度逐漸變小，說(shuō)明環(huán)境和隨機(jī)因素對(duì)國(guó)家高新區(qū)的影響逐漸減弱.

4 結(jié)論與建議

4.1 結(jié)論

文章運(yùn)用三階段DEA方法對(duì)長(zhǎng)三角城市群國(guó)家高新區(qū)2015年—2019年的綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率進(jìn)行分析測(cè)度，得出以下結(jié)論.

1) 長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率水平較低.長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率水平較低主要是純技術(shù)效率和規(guī)模效率不高共同導(dǎo)致，且規(guī)模效率影響更大.上海國(guó)家高新區(qū)和江蘇多數(shù)國(guó)家高新區(qū)創(chuàng)新效率低是規(guī)模效率低所導(dǎo)致，安徽和浙江的多數(shù)國(guó)家高新區(qū)創(chuàng)新效率低是純技術(shù)效率低所導(dǎo)致.

2) 長(zhǎng)三角城市群國(guó)家高新區(qū)效率存在地區(qū)差異.在創(chuàng)新效率方面，上海國(guó)家高新區(qū)投入相對(duì)較多，但利用程度低致使創(chuàng)新效率降低，江蘇大部分國(guó)家高新區(qū)投入要素冗余，創(chuàng)新效率減少，而浙江和安徽的大部分國(guó)家高新區(qū)較為年輕，活力較強(qiáng)，更具創(chuàng)新能力.在純技術(shù)效率方面，上海和江蘇的國(guó)家高新區(qū)純技術(shù)效率明顯高于浙江和安徽的國(guó)家高新區(qū).在規(guī)模效率方面，上海國(guó)家高新區(qū)和江蘇的多數(shù)國(guó)家高新區(qū)規(guī)模效率呈下降趨勢(shì)，且逐漸處于規(guī)模收益遞減狀態(tài)，而浙江省和安徽省的多數(shù)國(guó)家高新區(qū)規(guī)模效率基本呈上升趨勢(shì)，且普遍處于規(guī)模收益遞增狀態(tài).

3) 長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率受環(huán)境變量的影響具有差異.經(jīng)濟(jì)發(fā)展水平對(duì)松弛變量的影響由減少冗余演變?yōu)樵黾尤哂?，造成資源浪費(fèi)，不利于國(guó)家高新區(qū)創(chuàng)新效率的增長(zhǎng)；市場(chǎng)開放程度對(duì)松弛變量的影響由減少冗余變成增加冗余，說(shuō)明市場(chǎng)開放程度越高，就越會(huì)吸引高科技人才進(jìn)入國(guó)家高新區(qū)，同時(shí)使得科技活動(dòng)經(jīng)費(fèi)投入增加，猶如城市虹吸效應(yīng)致使資源堆積浪費(fèi)，不利于創(chuàng)新效率的提高；勞動(dòng)者素質(zhì)有利于促進(jìn)國(guó)家高新區(qū)的創(chuàng)新發(fā)展，使其創(chuàng)新基礎(chǔ)設(shè)施充分利用，提高國(guó)家高新區(qū)創(chuàng)新效率；科技創(chuàng)新潛力對(duì)松弛變量的影響由增加冗余變成減少冗余，說(shuō)明國(guó)家高新區(qū)未來(lái)從業(yè)人員能力上升，科技資源將得到合理的利用.通過對(duì)比2015年、2017年和2019年的三種效率圖可以發(fā)現(xiàn)環(huán)境因素和隨機(jī)因素對(duì)國(guó)家高新區(qū)的影響逐漸減弱.

4.2 建議

根據(jù)以上幾點(diǎn)結(jié)論，提出以下幾點(diǎn)建議.

1) 在提高規(guī)模效率基礎(chǔ)上提高純技術(shù)效率.長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率較低主要由于純技術(shù)效率和規(guī)模效率不高所導(dǎo)致，且規(guī)模效率影響更大.因此，要立足于提高投入規(guī)模的基礎(chǔ)上推進(jìn)技術(shù)進(jìn)步.長(zhǎng)三角城市群國(guó)家高新區(qū)不應(yīng)只追求速度上越快越好和數(shù)量上越多越好，應(yīng)結(jié)合自身實(shí)際情況來(lái)制定相應(yīng)的發(fā)展戰(zhàn)略.對(duì)于純技術(shù)效率低的國(guó)家高新區(qū)來(lái)說(shuō)，加大研發(fā)投入，利用各自比較優(yōu)勢(shì)吸引不同類型高新技術(shù)企業(yè)落戶.對(duì)于規(guī)模效率低國(guó)家高新區(qū)來(lái)說(shuō)，應(yīng)按照各自所處規(guī)模收益狀態(tài)，擴(kuò)大或者縮小生產(chǎn)規(guī)模，提升規(guī)模效率.

2) 加強(qiáng)長(zhǎng)三角城市群國(guó)家高新區(qū)交流合作.長(zhǎng)三角城市群國(guó)家高新區(qū)效率存在地區(qū)差異，同時(shí)隨著長(zhǎng)三角一體化戰(zhàn)略的實(shí)施，長(zhǎng)三角三省一市之間的交流越來(lái)越多，各城市國(guó)家高新區(qū)應(yīng)加強(qiáng)交流與合作.浙江和安徽國(guó)家高新區(qū)應(yīng)向創(chuàng)新效率高的上海國(guó)家高新區(qū)和江蘇國(guó)家高新區(qū)學(xué)習(xí)與合作，一方面選擇學(xué)習(xí)適合自己的內(nèi)容，有針對(duì)性的解決自身的問題，補(bǔ)全自身的短板，制定具有地方特色的產(chǎn)業(yè)發(fā)展戰(zhàn)略；另一方面加大推進(jìn)與其他國(guó)家高新區(qū)的合作，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)、協(xié)同發(fā)展，共同提升長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率.

3) 優(yōu)化長(zhǎng)三角城市群國(guó)家高新區(qū)資源配置.不同環(huán)境變量對(duì)長(zhǎng)三角城市群國(guó)家高新區(qū)創(chuàng)新效率影響具有差異，各國(guó)家高新區(qū)應(yīng)優(yōu)化自身的資源配置，減少投入冗余.立足自身的資源稟賦、經(jīng)濟(jì)發(fā)展水平和市場(chǎng)開放程度，制定相應(yīng)的發(fā)展戰(zhàn)略，指導(dǎo)國(guó)家高新區(qū)內(nèi)相關(guān)企業(yè)進(jìn)行調(diào)整和改善，加快所生產(chǎn)產(chǎn)品的更新?lián)Q代，提高自身的競(jìng)爭(zhēng)力；要引進(jìn)高質(zhì)量外資企業(yè)，限制一般外資進(jìn)入數(shù)量，制定相關(guān)的政策，防止資源進(jìn)入過多造成浪費(fèi).