基于三階段數據包絡分析的我國高新技術產業(yè)開發(fā)區(qū)績效評價

趙國宇，周申蓓

(河海大學商學院，江蘇南京 211106）

1 問題的提出

1988 年5 月，國務院批準成立北京市高新技術產業(yè)開發(fā)試驗區(qū)，它就是中關村科技園區(qū)的前身。1988 年8 月，我國實施火炬計劃，促進高技術、新技術研究成果商品化，推動我國高技術、新技術產業(yè)形成和發(fā)展。隨后，國內各地紛紛建立起高新技術產業(yè)開發(fā)區(qū)（以下簡稱“高新區(qū)”）以推進當地高新技術產業(yè)的發(fā)展。截至2019 年，我國國家級高新區(qū)已達169 家，共承載企業(yè)120 057 家。高新區(qū)是為了開發(fā)高新技術，促進科技、教育和生產相互結合，推動科技、經濟、社會發(fā)展，依托智力資源而建設的綜合性基地，也是為了加速高新技術產業(yè)發(fā)展的區(qū)域性政策［1］。結合實際背景，我國國家級高新區(qū)主要有兩個關鍵內涵：其一，是“高新技術”的基本內涵，相較于一般的產業(yè)開發(fā)區(qū)，高新區(qū)的最大特征在于高新技術；其二，是具有政府引導的特色內涵，不同于西方國家以市場為主導的發(fā)展經驗，我國國家級高新區(qū)建設的組織者和引導者主要是政府。因此，我國國家級高新區(qū)的功能定位具有多元化和發(fā)展性的特點，除了承擔國務院明確提出的開發(fā)、改革、社區(qū)、產業(yè)聚集、孵化、擴散和示范功能外，高新區(qū)的重點功能還隨之發(fā)展而不斷變化。

如今，建設高新區(qū)已經被認為是中國市場經濟最引人矚目的現象之一，國家級高新區(qū)也是國內各地區(qū)創(chuàng)新生產的前沿陣地［2］，因此高新區(qū)的創(chuàng)新績效評價一直是研究的熱點。但隨著我國高新區(qū)二次創(chuàng)業(yè)的完成和功能定位的不斷更新，對高新區(qū)的績效評價應當展開新的思考。首先，基于我國高新區(qū)“高新技術”和“政府引導”兩個關鍵內涵，高新區(qū)毫無疑問承擔著科技創(chuàng)新、科技成果轉化的功能，但是國家級高新區(qū)均為由國務院批準成立建設，管理模式也多為政府主導，政策對其未來發(fā)展的影響是非常明顯的，這決定了高新區(qū)的績效必定受到政策、經濟等環(huán)境因素的影響，那么，如何剔除環(huán)境和隨機因素的影響，客觀地衡量高新區(qū)的真實績效？其次，高新區(qū)作為一個具有開發(fā)、改革、社區(qū)、聚集、孵化、擴散和示范等多元化功能定位的組織，應當是多種效益產出的綜合體，績效評價也并非只有創(chuàng)新效率這一目標，所以高新區(qū)績效評價的目標應著重在哪些方面？最后，如何調整高新區(qū)資源配置狀態(tài)，實現績效水平的提高？以上是本研究主要研究的問題。

2 文獻回顧

國內關于高新區(qū)績效評價方面的研究，多集中于創(chuàng)新效率的研究。呂政等［3］在2006 年分析了我國高新區(qū)在二次創(chuàng)業(yè)階段中所面臨的產業(yè)主導向創(chuàng)新突破轉換的挑戰(zhàn)，并在創(chuàng)業(yè)過程各階段中為破解這些障礙提供了一系列思路。至此，學術界對高新區(qū)創(chuàng)新績效評價指標體系建立和影響因素分析進入了深度探討，如熊然等［4］基于貿易視角對高新區(qū)創(chuàng)新績效進行了研究，并將樣本按照城市的政治經濟屬性進行了分類，來分別研究貿易開放程度對高新區(qū)創(chuàng)新績效的影響效果。目前，關于高新區(qū)績效評價指標體系構建的研究已經相對完善，其中張愛萍［5］認為目前主流的評價指標設計主要圍繞高新區(qū)經濟、創(chuàng)新、國際競爭力、人才等方面，并強調了有關科技園的績效評價中不應忽視其經濟學屬性。

在關于高新區(qū)績效測量的具體方法上，國內外研究多以數據包絡分析（DEA）模型為代表的非參數法來測度，所研究的內容主要集中在創(chuàng)新效率的評價。DEA 方法由運籌學家Charnes 等［6］提出。Adner 等［7］運用數據包絡分析評價了歐洲187 個地區(qū)的科技創(chuàng)新效率；孫國峰等［8］運用DEA 模型對我國大中型國有控股企業(yè)、內資企業(yè)、港澳臺資企業(yè)和外資企業(yè)進行創(chuàng)新效率測度，結果表明港澳臺資企業(yè)和外資企業(yè)整體創(chuàng)新效率高于國有控股企業(yè)和內資企業(yè)；趙樹寬等［9］運用DEA 模型對吉林省151 家高技術企業(yè)的創(chuàng)新效率進行測度，研究表明創(chuàng)新綜合效率偏低，不同類型企業(yè)之間的創(chuàng)新效率差異較大，并分析了造成效率過低的主要影響因素是規(guī)模效率的低下。

近年來DEA 模型得到不斷擴充和改進，DEAMalmquist、兩階段DEA、三階段DEA 模型逐漸被廣泛運用。DEA-Malmquist 模型主要運用于同一主體的動態(tài)分析，如張立杰等［10］、張月明等［11］運用該模型對我國絲綢之路經濟帶沿線?。▍^(qū)、市）高技術產業(yè)的創(chuàng)新效率進行了研究，結果顯示這些省份高新區(qū)創(chuàng)新效率呈現“N”型的回調震蕩形態(tài)。兩階段（又稱“雙階段”）DEA 模型是將一個生產過程拆分成兩個連續(xù)的過程并分別進行測度［12］，如魏巍等［13］將湖南省高技術產業(yè)創(chuàng)新過程分成技術研究階段和經濟產出階段，并根據測度結果將高技術產業(yè)分成了4 種產業(yè)模式?？紤]環(huán)境因素對研究主體績效的干擾影響，三階段DEA 可以更好地避免隨機誤差和環(huán)境因素的影響，更加真實地反映組織實際的管理水平，如劉滿鳳等［2］運用三階段DEA 對2012 年我國高新技術開發(fā)區(qū)創(chuàng)新效率進行了研究，并且分析了環(huán)境因素對高新區(qū)發(fā)展的制約程度，研究結果表明中西部地區(qū)高新區(qū)的創(chuàng)新效率受環(huán)境影響較大，并根據研究結果提出了改善宏觀環(huán)境、優(yōu)化產業(yè)結構等解決思路。三階段DEA 在投入產出效率的研究上有其獨特的優(yōu)勢，如劉颯等［14］對我國中小型高新技術企業(yè)創(chuàng)新投入效率進行了研究，運用三階段DEA 模型，剔除環(huán)境和隨機干擾因素的影響，使三階段DEA 與傳統(tǒng)DEA 結果進行比對，提出促進中小型高新技術企業(yè)創(chuàng)新效率提高的方法是適當擴大產業(yè)規(guī)模，并對4 個環(huán)境變量對中小型高新技術企業(yè)優(yōu)化內部資源配置產生的影響進行了分析。

縱觀已有研究可以看出，我國高新區(qū)績效評價的研究多集中于創(chuàng)新效率的測度，內容較為單一，多集中于創(chuàng)新效率的評價，且對“創(chuàng)新效率”概念交代得比較模糊。另外，選擇三階段DEA 方法從投入產出的角度對我國高新區(qū)績效評價是較為必要的，原因有三：其一，使用DEA 對高新技術企業(yè)進行創(chuàng)新效率的分析是較為主流的研究方法，因為DEA 模型可以針對組織投入產出效率進行測度，但傳統(tǒng)的DEA 模型未考慮環(huán)境因素和隨機干擾因素的影響，兩階段DEA 對組織投入產出過程需要人為地分階段考慮，主觀因素過高，而三階段DEA 可以很好地避免上述缺點，并且能夠分析環(huán)境因素對研究對象效率提高的制約程度。其二，大多文獻對高新技術產業(yè)、高新技術產業(yè)開發(fā)區(qū)、中小型創(chuàng)新企業(yè)等組織的績效評價研究多集中于創(chuàng)新功能，而我國高新技術產業(yè)開發(fā)區(qū)的運營模式多是以政府主導，其功能定位具有綜合性和發(fā)展性的特點，因此對高新區(qū)績效評價也應該是多方面的，而不應該集中于創(chuàng)新效率一點。其三，組織績效是組織生產任務完成的效率和效果，核心在于強調內容或者目標的達成程度，可以用來解釋組織投入與產出的關系?；谏鲜?，以下本研究從投入產出角度，運用三階段DEA 模型對我國高新區(qū)的績效評價進行研究。

3 指標選取與數據來源

3.1 指標選擇

3.1.1 投入產出指標

國內學者對于高新區(qū)績效評價指標的選擇目前還沒有統(tǒng)一認識，但絕大部分學者都選擇了科技活動經費支出、R&D 經費支出、R&D 活動人員數量、年末從業(yè)人員、科技機構數、企業(yè)個數等作為投入指標。依據柯布-道格拉斯生產函數，本研究認為影響高新區(qū)發(fā)展的主要投入要素是研發(fā)人員、科技資金和固定資產，綜合其他學者的研究成果和指標的可獲取性，結合有關統(tǒng)計年鑒的統(tǒng)計口徑，選擇科技活動經費內部支出、年末從業(yè)人員、年末資產作為投入指標。關于產出指標的選擇，本研究認為高新區(qū)在產出方面主要圍繞經濟效益、科技效益和社會效益3 個方面，結合前人研究經驗以及指標數據的可獲取性，選擇凈利潤、工業(yè)總產值、技術收入、出口總額和上繳稅費作為產出指標，分別衡量高新區(qū)的經濟效益、科技效益和社會效益。

3.1.2 環(huán)境變量

環(huán)境變量的選擇應該滿足既對高新區(qū)績效產生影響，又不在樣本主觀可控范圍內，即滿足“分離假設”［2］。借鑒其他文獻研究和高新區(qū)發(fā)展實際情況，考慮從宏觀經濟環(huán)境、政策支持、產業(yè)結構、市場開放程度4個方面提出影響高新區(qū)績效的環(huán)境變量。

（1）宏觀經濟環(huán)境。市場的經濟水平是高新區(qū)發(fā)展的土壤，因此地區(qū)經濟發(fā)展情況會影響高新區(qū)投入決策，選擇人均地區(qū)生產總值（GDP）作為衡量經濟發(fā)展水平的指標［14］。

（2）政策支持。我國高新區(qū)具有政府主導運營的特色內涵，所以政策支持對高新區(qū)的發(fā)展起著至關重要的作用，因此選擇地方一般公共預算支出代表政府對高新區(qū)的政策支持。

（3）產業(yè)結構。企業(yè)在空間上適度集中會逐漸展現產業(yè)集聚效應，然而在空間上過度的集中可能會引起惡性競爭、資源搶占等惡性行為，影響高新區(qū)進一步發(fā)展，因此選擇工業(yè)企業(yè)數來衡量各地區(qū)的產業(yè)結構［2］。

（4）市場開放程度。隨著經濟的全球化，地區(qū)的開放程度對區(qū)域經濟的影響越來越明顯，所以選擇當年實際外商投資金額作為地區(qū)開放程度的評價指標［2］。

3.2 數據來源及說明

從《中國火炬年鑒2019》《中國城市統(tǒng)計年鑒2019》《中國科技統(tǒng)計年鑒2019》中隨機抽取40 個國家級高新區(qū)作為樣本［15-17］。其中，由于長春高新技術產業(yè)開發(fā)區(qū)、哈爾濱高新技術產業(yè)開發(fā)區(qū)數據缺失，昆山高新技術產業(yè)開發(fā)區(qū)行政區(qū)域難以界定，因此剔除3 個樣本，最終選擇37 個高新區(qū)為樣本1）。由于環(huán)境因素的相關數據難以查閱獲得，故而采用高新區(qū)所在城市環(huán)境因素的相關數據來表征。

4 實證結果及分析

4.1 第一階段：傳統(tǒng)DEA 模型

在三階段DEA 的第一階段中，通過構建BCC模型對樣本高新區(qū)的綜合效率、純技術效率、規(guī)模效率及規(guī)模報酬進行分析，使用Deap.2.1 運行程序協助運算，結果如表1 所示。在沒有剝離環(huán)境因素和隨機誤差的影響下，2019 年樣本高新區(qū)的綜合效率、純技術效率和規(guī)模效率平均值分別為0.89、0.93、0.95，反映出高新區(qū)的規(guī)模效率總體高于純技術效率，說明在綜合效率中規(guī)模效率起主要作用。而在不考慮環(huán)境因素和隨機誤差的干擾下，天津、呼和浩特、沈陽、鞍山、無錫、常州等16 個高新區(qū)的績效位于生產前沿面上，即純技術效率和規(guī)模效率均為1，技術管理和資源配置相對有效；太原、鄭州、長沙、汕頭4 個高新區(qū)的綜合效率不到0.7，處于績效低下的狀態(tài)，值得注意的是，這4 個高新區(qū)是由于純技術效率低下而導致綜合效率較低，而純技術效率低下反映了技術管理存在一定的問題；多數高新區(qū)（17 個）的綜合效率處于0.70～0.99 之間，其中有7 個高新區(qū)的綜合效率在0.90 以上。綜合來看，2019 年樣本高新區(qū)整體的情況是較好的。

表1 2019 年樣本高新區(qū)效率值

4.2 第二階段：隨機前沿分析（SFA）

在第二階段中，由于第一階段計算得出的投入松弛變量會受到外部環(huán)境因素和隨機干擾的影響，所以采用SFA 模型對第一階段計算的投入松弛變量進行回歸分析，用來剔除環(huán)境因素和隨機干擾對高新區(qū)績效投入的影響。以環(huán)境變量人均GDP、地方一般公共預算支出、工業(yè)企業(yè)數、當年實際外商投資金額為解釋變量，以第一階段計算得出的科技活動經費內部支出、年末從業(yè)人員、年末資產的投入松弛變量為被解釋變量，使用Frontier4.1 程序進行運算，結果如表2 所示。可以看出，環(huán)境變量的SFA 回歸系數大多都能通過1%的顯著性水平檢驗，LR 值均大于檢驗的標準值，且gamma 值均通過了1%水平下的顯著性檢驗，說明投入松弛變量受環(huán)境變量的影響較大。另外，當回歸系數為正時，表示增加該解釋變量將會增加投入松弛變量，從而產生更多冗余；當回歸系數為負值時，該解釋變量的增加則有利于投入松弛變量的減少，從而減少浪費、提高效率。具體分析結果如下：

表2 變量第二階段模型回歸結果

（1）當年實際外商投資金額對科技活動經費內部支出、年末資產、年末從業(yè)人員投入影響為正向，且對年末從業(yè)人員通過1%的顯著性水平檢驗，說明隨著外商投資金額的增加，樣本高新區(qū)在人員、資金、物產上的投入并不能轉化為有效產出，尤其是在人員上的投入會造成更大的浪費。

（2）工業(yè)企業(yè)數與科技活動經費內部支出的松弛變量回歸系數為正，與年末資產和年末從業(yè)人員的松弛變量回歸系數為負，說明工業(yè)企業(yè)數的增加會減少高新區(qū)在年末資產和從業(yè)人員上的浪費，促使資源更有效地利用；但如果按照現階段資金投入的程度繼續(xù)增加，則會造成科技活動經費的浪費。這從一定程度上反映了產業(yè)集群效應，當高新區(qū)內工業(yè)企業(yè)數增加，大部分的人力和物力會得到更加充分的利用。

（3）地方一般公共預算支出對科技活動經費內部支出、年末資產的松弛變量回歸系數為正，對年末從業(yè)人員的松弛變量回歸系數為負，說明地方一般公共預算支出的增加會導致高新區(qū)科技活動經費內部支出和年末資產的冗余，但可以使從業(yè)人員被有效的利用，表明政府在政策或者財力上對高新區(qū)發(fā)展的支持力度較大，過多的投入會產生更多的浪費，阻礙資源的整體盤活，同時有利的資金支持會優(yōu)化現有科研資源，從而減少人力的浪費。

（4）人均GDP 對科技活動經費內部支出、年末資產、年末從業(yè)人員的松弛變量回歸系數均為正，說明人均GDP 的增加會導致這3 項投入冗余增加，反映了部分發(fā)達地區(qū)的資源投入雖然充足，但卻沒有合理優(yōu)化資源配置，造成了整體效率的低下、績效水平相對落后。

4.3 第三階段：調整投入后DEA 實證結果

在第三階段中，將調整后的投入數據和原產出數據代入傳統(tǒng)的DEA-BCC 模型，利用DEAP2.1 進行運算分析，重新計算樣本高新區(qū)的綜合效率、純技術效率、規(guī)模效率和規(guī)模收益的情況，結果如表1 所示。在剔除環(huán)境和隨機干擾因素的影響后，有18 個決策單元綜合效率有效為1，分別是北京、天津、石家莊、太原、長治、沈陽、鞍山、常州、南昌、武漢、深圳、南寧、重慶、成都、昆明和西安高新區(qū)，表明這些高新區(qū)資源配置合理，各種投入充分發(fā)揮了效用，園區(qū)內企業(yè)技術水平和管理水平處在領先地位，績效水平較高。

4.3.1 綜合效率分析

在剔除環(huán)境和隨機干擾因素的影響后，高新區(qū)綜合效率平均值由0.89 上升至0.90，表明大部分高新區(qū)的綜合效率均有提高，但從數據來看，有8 個高新區(qū)的綜合效率在調整后出現了下降，具體如圖1 所示，說明在沒有考慮環(huán)境因素影響的情況下，使用傳統(tǒng)DEA 模型會使某些環(huán)境因素較差的高新區(qū)出現綜合效率水平虛高的情況，不能反映高新區(qū)真實的績效水平。其中，綜合效率處在前沿面上的高新區(qū)有16 個，分別是天津、沈陽、鞍山、常州、南昌、武漢、南寧、重慶、成都、昆明、西安高新區(qū)，還有5 個高新區(qū)經調整后實現了綜合效率有效，分別是北京、石家莊、太原、長治和深圳高新區(qū)；上海、南京、杭州、福州、青島、鄭州、長沙、廣州、珠海、汕頭和貴陽高新區(qū)的綜合效率都有了明顯提升，其中鄭州和長沙高新區(qū)效率值分別提高0.26 和0.23；而呼和浩特、無錫、蘇州、合肥和海口高新區(qū)經調整后綜合效率從有效（效率值為1）變?yōu)闊o效（效率值小于1），另外，唐山、大連、本溪、寧波和濟南高新區(qū)綜合效率值也出現不同程度下降，其中本溪高新區(qū)的綜合效率值下降最多，從0.90 下降至0.35。

圖1 2019 年樣本高新區(qū)綜合效率調整前后變化對比

4.3.2 純技術效率分析

在剔除環(huán)境因素和隨機誤差的影響后，樣本高新區(qū)的純技術效率平均值由0.93 提高至0.96，77.7%的高新區(qū)純技術效率值為1，處在有效前沿面上，總體水平有所提高，具體如圖2 所示。調整后，有28 個高新區(qū)的純技術效率值為1，其中20 個高新區(qū)的純技術效率值不變，石家莊、唐山、太原、長治、杭州、福州、青島和長沙8 個高新區(qū)處于有效前沿面上，實現了純技術效率有效。值得注意的是，太原高新區(qū)調整前的純技術效率僅為0.65，長沙高新區(qū)調整前的純技術效率也僅為0.75，兩地的高新區(qū)發(fā)展受環(huán)境等因素影響較大。其余高新區(qū)中，鄭州和汕頭高新區(qū)的純技術效率值分別增加0.26 和0.11，調整后也接近有效前沿面，另外7 個高新區(qū)的純技術效率值有較少下降，其中蘇州、寧波、合肥、?？诟咝聟^(qū)的純技術效率從有效變?yōu)闊o效。

圖2 2019 年樣本高新區(qū)純技術效率調整前后變化對比

4.3.3 規(guī)模效率分析

樣本高新區(qū)規(guī)模效率平均值經過調整后，由原來的0.95 降低為0.93，整體水平下降，有13 個規(guī)模效率值有效的高新區(qū)依然處在前沿面上，有11 個高新區(qū)規(guī)模效率值有所增加，有13 個高新區(qū)規(guī)模效率值有所下降，具體如圖3 所示。其中，5 個高新區(qū)規(guī)模效率有較大幅度的下降，本溪高新區(qū)由0.90下降為0.35，?？诟咝聟^(qū)由1 下降至0.93，唐山高新區(qū)由0.85 下降至0.64，汕頭高新區(qū)由0.90 下降至0.72；在規(guī)模效率有所上升的11 個高新區(qū)中，僅有較發(fā)達地區(qū)的北京、南京和廣州高新區(qū)增幅較大，分別從0.72、0.85、0.74 增長至1.00、0.95、0.86，其余石家莊、長治、上海、青島、長沙、深圳和珠海8 個高新區(qū)的規(guī)模效率增幅均在10%以下。當決策單元規(guī)模效率小于1 時，如果規(guī)模報酬遞增，說明投入與產出成正比，則應當提高投入；如果規(guī)模報酬遞減，說明投入與產出成反比，則應當減少投入。在數據調整前，20 個規(guī)模效率無效的決策單元中有13 個高新區(qū)的規(guī)模報酬呈遞增狀態(tài)，7 個呈遞減狀態(tài)；調整后規(guī)模報酬遞增和遞減決策單元比例不變，但有9 個決策單元的規(guī)模報酬狀態(tài)發(fā)生變化：呼和浩特和海口高新區(qū)規(guī)模報酬變?yōu)檫f減，無錫、蘇州、鄭州高新區(qū)規(guī)模報酬變?yōu)檫f增，北京、石家莊、長治和深圳高新區(qū)規(guī)模效率由無效變?yōu)橛行?，所以這些高新區(qū)的投入產出成等比例變化。

圖3 2019 年樣本高新區(qū)規(guī)模效率調整前后變化對比

5 研究結論及對策建議

本研究以2019 年我國37 家國家高新區(qū)統(tǒng)計數據作為研究樣本，運用三階段DEA 模型對其剔除環(huán)境和隨機誤差前后的綜合效率、純技術效率、規(guī)模效率以及規(guī)模報酬進行了測算，以求得到更接近真實的高新區(qū)績效。根據測算結果，可以得出以下結論：

（1）環(huán)境因素和隨機誤差影響會造成大部分高新區(qū)綜合效率被低估估、規(guī)模報酬與實際情況不符的現象，說明環(huán)境因素和隨機誤差確實干擾了高新區(qū)績效評價的真實結果，也更進一步說明了三階段DEA 模型相較于傳統(tǒng)DEA 模型的優(yōu)越性。剔除環(huán)境因素和隨機誤差影響后，大部分高新區(qū)的綜合效率和純技術效率均有提高，但規(guī)模效率有所下降，表明在不考慮環(huán)境因素和隨機誤差的影響下，各高新區(qū)的純技術效率會被低估、規(guī)模效率會被高估，且被低估程度大于被高估程度，最終導致綜合效率的低估。對比第一和第三階段規(guī)模報酬的變化情況，規(guī)模報酬遞增和遞減的總體比例保持不變，但有24%的高新區(qū)規(guī)模報酬情況發(fā)生變化。由此可見，如果以第一階段的結果對高新區(qū)的管理、技術、資源配置情況進行評估并作出決策，則可能進一步拉低高新區(qū)的整體績效水平。

（2）高新區(qū)綜合效率無效的原因主要來源于規(guī)模效率無效，在19 個規(guī)模效率無效的高新區(qū)中，有一半以上的高新區(qū)規(guī)模報酬處于遞增階段。樣本高新區(qū)中，北京中關村國家自主創(chuàng)新示范區(qū)是最大的高新區(qū)，進駐企業(yè)有24 892 家，其次是上海張江高新技術產業(yè)開發(fā)區(qū)，進駐企業(yè)有8 180 家，但僅為北京中關村的33%；有13 個高新區(qū)的企業(yè)進駐數不足千家，這些高新區(qū)通常多集中于偏遠地區(qū)，其中呼和浩特高新區(qū)僅有26 家企業(yè)。可見大多數高新區(qū)的規(guī)模仍然偏小，特別是經濟較為落后的西北部和東北部地區(qū)，多數高新區(qū)的進駐企業(yè)不足百家，所以這些地區(qū)的高新區(qū)整體規(guī)模效率相對落后，這也是制約這些地區(qū)高新區(qū)發(fā)展的最主要原因之一。

（3）市場開放程度、宏觀經濟情況對科技活動經費內部支出、年末資產和年末從業(yè)人員3 項投入松弛的影響均為正值，說明高新區(qū)的資源配置沒有處于最優(yōu)的狀態(tài)，會造成更多的浪費；產業(yè)結構對年末資產、年末從業(yè)人員投入松弛的影響為負值，政策支持對年末從業(yè)人員投入松弛的影響亦為負值，說明在此環(huán)境下高新區(qū)能夠減少相應投入的浪費，屬于優(yōu)勢環(huán)境因素。

為進一步優(yōu)化我國高新區(qū)的資源配置，提升運營效率，提高績效水平，基于上述結論，提出以下對策建議：

（1）政府、高新區(qū)管委會等管理部門應當重視把握本地經濟、政策、產業(yè)結構、市場開放程度等環(huán)境因素的實際情況，科學論證高新區(qū)發(fā)展定位，改進管理手段，提高管理水平。研究表明以上環(huán)境因素均對高新區(qū)績效水平有一定影響，因此各地政府應明確環(huán)境的重要作用，營造良好的經營環(huán)境，為高新區(qū)管理發(fā)展提供指導意見。對技術效率較低的高新區(qū)，政府應當加強管理制度的設計和機制創(chuàng)新，優(yōu)化高新區(qū)管委會工作效率，提高內部管理水平。

（2）政府應結合實際統(tǒng)籌規(guī)劃高新區(qū)資源投入規(guī)模。對于處于規(guī)模報酬遞增的高新區(qū)，應在結合當地實際情況下進一步擴大高新區(qū)規(guī)模，提高績效水平；對于處在規(guī)模報酬遞減的高新區(qū)，應適當調整資源配置結構，保守發(fā)展，避免過度浪費。每個高新區(qū)有自己的發(fā)展特點，每個地區(qū)的環(huán)境水平也各不相同，所以高新區(qū)的科學發(fā)展應當是“量身定制”，而不是盲目擴大規(guī)模、過度投入，遵循可持續(xù)發(fā)展經營理念才能有效提高創(chuàng)新轉化率，提高高新區(qū)績效水平。

（3）政府應發(fā)揮政策的協調和導向作用，合理引流。我國高新區(qū)整體績效水平較好，但進一步提高運行效率還需調整投入要素結構，優(yōu)化人力、資金和各類資源的配置，充分調動現有資源，發(fā)揮政策導向和協調作用。另外，推動各地區(qū)高新區(qū)開放合作，引導創(chuàng)新資源合理流動，彌補自身發(fā)展缺陷，縮小各地區(qū)之間環(huán)境差距，形成金融、人才、科技、信息等資源共享的機制。

注釋：

1）樣本高新區(qū)名稱分別用其所在城市來簡稱。