“一帶一路”沿線科技創(chuàng)新效率區(qū)域差異及影響因素分析

陳升 扶雪琴

摘要：科技創(chuàng)新和“一帶一路”倡議聯(lián)系緊密并日益影響著現(xiàn)代化經(jīng)濟(jì)體系的高質(zhì)量和持續(xù)發(fā)展。然而，“一帶一路”沿線區(qū)域仍面臨著創(chuàng)新資源分配不均、創(chuàng)新成果轉(zhuǎn)化不足、創(chuàng)新生態(tài)系統(tǒng)構(gòu)建不完善和創(chuàng)新體制機(jī)制不夠優(yōu)化等發(fā)展困境，這制約著區(qū)域科技創(chuàng)新效率的總體提升，也在一定程度上影響“一帶一路”倡議的深化發(fā)展。面對(duì)創(chuàng)新驅(qū)動(dòng)戰(zhàn)略的不斷深入推進(jìn)和“一帶一路”持續(xù)向高質(zhì)量發(fā)展，明確我國(guó)“一帶一路”沿線省份科技創(chuàng)新整體的投入產(chǎn)出效率，探究影響“一帶一路”沿線省份科技創(chuàng)新效率的環(huán)境因素，以及如何提升“一帶一路”沿線省份科技創(chuàng)新效率，這些問題的分析與解決引起了實(shí)務(wù)界和學(xué)術(shù)界的廣泛關(guān)注。對(duì)此，文章基于三階段數(shù)據(jù)包絡(luò)（DEA）模型，根據(jù)2012—2016面板數(shù)據(jù)，在充分考慮了創(chuàng)新成果轉(zhuǎn)化的時(shí)滯效應(yīng)條件下，探究了剔除外部環(huán)境影響后我國(guó)“一帶一路”沿線17個(gè)省份的真實(shí)科技創(chuàng)新效率，同時(shí)利用Tobit模型檢驗(yàn)了科技創(chuàng)新主體（高技術(shù)企業(yè)、政府）、勞動(dòng)者素質(zhì)、金融支持和創(chuàng)業(yè)水平、科技創(chuàng)新政策等因素對(duì)“一帶一路”沿線省份科技創(chuàng)新效率的影響。研究結(jié)果表明，“一帶一路”沿線省份的科技創(chuàng)新效率既具有有效性的一面，又存在不充分、不均衡和不穩(wěn)定的一面。首先，“一帶一路”沿線省份的科技創(chuàng)新綜合效率具有空間差異性，東南、東北、西南和西北四大板塊科技創(chuàng)新綜合效率差異明顯，整體上呈東高西低。其次，“一帶一路”沿線省份的科技創(chuàng)新綜合效率具有時(shí)間動(dòng)態(tài)變化性，五年間綜合效率總體上呈上升趨勢(shì)，且四大板塊之間綜合效率的差距逐年減小。最后，經(jīng)過Tobit回歸模型對(duì)科技創(chuàng)新綜合效率的影響分析表明，政府支持力度、勞動(dòng)者素質(zhì)和金融環(huán)境對(duì)科技創(chuàng)新效率具有正向影響，科研經(jīng)費(fèi)支出強(qiáng)度、“一帶一路”倡議政策和創(chuàng)業(yè)水平對(duì)科技創(chuàng)新效率具有負(fù)向影響。據(jù)此，認(rèn)為今后可以從合理調(diào)配科技創(chuàng)新資源、培育高質(zhì)量創(chuàng)新生態(tài)系統(tǒng)、優(yōu)化創(chuàng)新體制機(jī)制和完善科技創(chuàng)新政策體系等方面進(jìn)一步完善和改進(jìn)，從而有效提高“一帶一路”沿線省市的科技創(chuàng)新效率。

關(guān)鍵詞：“一帶一路”;科技創(chuàng)新效率;影響因素;三階段DEA;Tobit模型

中圖分類號(hào)：F273.1;F124.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-5831（2022）01-0154-16

黨的十九大報(bào)告強(qiáng)調(diào)了科技創(chuàng)新在國(guó)家創(chuàng)新體系建設(shè)中的戰(zhàn)略支撐地位和在發(fā)展全局中的引領(lǐng)作用。近年來，中國(guó)在基礎(chǔ)研究、重大科技工程和民生科技等領(lǐng)域碩果累累，在世界知識(shí)產(chǎn)權(quán)組織機(jī)構(gòu)等發(fā)布的《全球創(chuàng)新指數(shù)報(bào)告》中的排名連年攀升，2018年首次躋身全球“最具創(chuàng)新力經(jīng)濟(jì)體”前20強(qiáng)，2019年排名升至第14位，標(biāo)志著我國(guó)創(chuàng)新能力的不斷提升，正式跨入世界科技創(chuàng)新型國(guó)家行列?？梢妱?chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略實(shí)施下科技創(chuàng)新成果豐碩。科技創(chuàng)新是“一帶一路”高質(zhì)量發(fā)展的重要?jiǎng)恿?，這將有助于“一帶一路”沿線省市構(gòu)建創(chuàng)新型經(jīng)濟(jì)形態(tài)。

習(xí)近平總書記2013年提出“一帶一路”倡議，2017年提出啟動(dòng)“一帶一路”科技創(chuàng)新行動(dòng)計(jì)劃，自此以來，“一帶一路”科技創(chuàng)新建設(shè)由點(diǎn)擴(kuò)散到面，沿線省市廣泛尋求合作，蓬勃發(fā)展態(tài)勢(shì)強(qiáng)勁。例如，福建抓住位于21世紀(jì)海上絲綢之路核心區(qū)優(yōu)勢(shì)，加大與東盟、歐盟、俄羅斯、中亞、南亞等國(guó)家和地區(qū)的科技交流與合作，“引進(jìn)來”和“走出去”相結(jié)合，合作取得持續(xù)深入進(jìn)展;廣西以中國(guó)—東盟合作為主切入點(diǎn)，強(qiáng)化中國(guó)—東盟博覽會(huì)和商務(wù)投資峰會(huì)的平臺(tái)作用與泛北部灣合作機(jī)制，促進(jìn)多層次科技合作機(jī)制建設(shè)。“一帶一路”是創(chuàng)新之路，為沿線區(qū)域科技創(chuàng)新發(fā)展創(chuàng)造了新的機(jī)遇和平臺(tái)。

由此可見，“一帶一路”倡議與創(chuàng)新驅(qū)動(dòng)戰(zhàn)略融合發(fā)展為區(qū)域科技創(chuàng)新發(fā)展帶來重大契機(jī)。但是，我們也要清楚認(rèn)識(shí)到目前中國(guó)的科技水平與發(fā)達(dá)國(guó)家相比仍然有很大差距，尤其是在高端制造業(yè)、芯片、移動(dòng)終端等關(guān)鍵領(lǐng)域，缺乏核心技術(shù)，原始創(chuàng)新能力不足。不可否認(rèn)，在“一帶一路”倡議深化發(fā)展的背景下，沿線區(qū)域仍面臨著創(chuàng)新資源分配不均、創(chuàng)新成果轉(zhuǎn)化不足、創(chuàng)新生態(tài)系統(tǒng)構(gòu)建不完善和創(chuàng)新體制機(jī)制不夠優(yōu)化等發(fā)展困境，這制約著區(qū)域科技創(chuàng)新效率的總體提升，也在一定程度上影響“一帶一路”倡議的深化發(fā)展。我國(guó)“一帶一路”沿線省份科技創(chuàng)新整體的投入產(chǎn)出效率如何？受到哪些環(huán)境因素的影響？如何提升“一帶一路”沿線省份科技創(chuàng)新效率？這些問題的分析與解決，一方面為深入貫徹“一帶一路”倡議、實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略與建設(shè)創(chuàng)新型國(guó)家提供理論依據(jù);另一方面對(duì)完善區(qū)域科技創(chuàng)新機(jī)制和縮小區(qū)域差距具有現(xiàn)實(shí)意義。

一、相關(guān)文獻(xiàn)綜述

國(guó)內(nèi)外專家學(xué)者針對(duì)“區(qū)域創(chuàng)新效率”已展開大量研究。其研究重點(diǎn)主要集中在區(qū)域創(chuàng)新效率測(cè)量方法、區(qū)域創(chuàng)新效率評(píng)價(jià)、區(qū)域創(chuàng)新階段研究和區(qū)域創(chuàng)新效率影響因素等方面。

從區(qū)域創(chuàng)新效率測(cè)算方法看，早前的研究多采用數(shù)據(jù)包絡(luò)分析方法（DEA）[1-2]，越來越多研究對(duì)傳統(tǒng)的單純DEA模型加以改進(jìn)，結(jié)合使用隨機(jī)前沿分析（SFA）[3-4]、Malmquist指數(shù)法[5-6]、熵權(quán)TOPSIS方法[7]、主成分分析法[8]和因子分析法[9]等從不同角度對(duì)創(chuàng)新效率進(jìn)行測(cè)量和評(píng)價(jià)。從區(qū)域創(chuàng)新效率評(píng)價(jià)看，郭淑芬和張俊從人力、資金和技術(shù)三個(gè)層面構(gòu)建了區(qū)域科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系，并分類比較了2009—2013年間31個(gè)區(qū)域科技創(chuàng)新效率的投入冗余情況[10];喬元波和王硯羽剔除外部環(huán)境和隨機(jī)因素干擾，在考慮時(shí)間演進(jìn)情況下考察了東中西部創(chuàng)新效率變化[11];Zhong等使用2004年首次中國(guó)經(jīng)濟(jì)普查數(shù)據(jù)評(píng)估了30個(gè)省市的R&D投資效率[12]。從基于創(chuàng)新價(jià)值鏈視角對(duì)區(qū)域創(chuàng)新效率的階段研究來看，劉樹峰等將創(chuàng)新過程分為知識(shí)凝結(jié)和市場(chǎng)轉(zhuǎn)化兩個(gè)階段，分析了這兩階段創(chuàng)新效率的動(dòng)態(tài)演化過程及其成因[13];余泳澤和劉大勇從知識(shí)、研發(fā)和生產(chǎn)將創(chuàng)新過程分為三個(gè)階段，根據(jù)知識(shí)—研發(fā)二維矩陣分類評(píng)價(jià)了30個(gè)省份各階段的創(chuàng)新效率[14];Chen等從研發(fā)和商業(yè)化過程兩個(gè)創(chuàng)新活動(dòng)階段評(píng)估了省級(jí)高技術(shù)產(chǎn)業(yè)創(chuàng)新績(jī)效[15]。從區(qū)域創(chuàng)新效率影響因素綜合研究來看，肖仁橋等探析了影響創(chuàng)新效率的因素，研究發(fā)現(xiàn)政府支持、金融環(huán)境等對(duì)整體創(chuàng)新效率影響顯著[16];胡艷和周玲玉分析了長(zhǎng)江經(jīng)濟(jì)帶11省市高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率的影響因素，研究發(fā)現(xiàn)企業(yè)自主創(chuàng)新和政府支持對(duì)提高創(chuàng)新效率產(chǎn)生最重要影響[17];Fritsch和Slavtchev討論了區(qū)域創(chuàng)新系統(tǒng)效率的可能影響因素，結(jié)果表明，私營(yíng)部門內(nèi)以及公共研究機(jī)構(gòu)與私營(yíng)部門之間發(fā)生的知識(shí)溢出對(duì)私營(yíng)部門創(chuàng)新活動(dòng)具有積極影響，人口密度對(duì)創(chuàng)新績(jī)效具有積極影響[18]。

通過以上文獻(xiàn)梳理發(fā)現(xiàn)，對(duì)于科技創(chuàng)新效率的研究已經(jīng)取得豐富的成果，而目前關(guān)于“一帶一路”沿線區(qū)域創(chuàng)新效率針對(duì)性研究較少，探究影響因素的研究就更少。從“一帶一路”區(qū)域創(chuàng)新系統(tǒng)研究來看，孫亞靜等從科技創(chuàng)新投入、產(chǎn)出和可持續(xù)發(fā)展三個(gè)層面構(gòu)建了15個(gè)指標(biāo)，通過提取主成分和聚類分析評(píng)價(jià)了“一帶一路”沿線重點(diǎn)省份的科技創(chuàng)新競(jìng)爭(zhēng)力[19];張小勇和馬永騰借鑒英、美、德、日等發(fā)達(dá)國(guó)家先進(jìn)經(jīng)驗(yàn)，從宏觀微觀多維度為西北民族地區(qū)產(chǎn)業(yè)科技創(chuàng)新提供發(fā)展路徑[20];張娜和吳福象基于莫蘭指數(shù)分析了“一帶一路”沿線城市的創(chuàng)新差異及其影響因素，研究發(fā)現(xiàn)經(jīng)濟(jì)、人才和基礎(chǔ)設(shè)施等對(duì)城市創(chuàng)新差異有顯著促進(jìn)作用[21]。從“一帶一路”區(qū)域創(chuàng)新效率研究來看，夏彩云和羅圳基于DEA-Malmquist指數(shù)法測(cè)度了沿線區(qū)域科技創(chuàng)新效率[22];郝金磊和尹萌基于DEA-Malmquist-Tobit模型，研究了硬件、經(jīng)濟(jì)、市場(chǎng)、人文和創(chuàng)業(yè)環(huán)境因素對(duì)絲綢之路經(jīng)濟(jì)帶沿線地區(qū)創(chuàng)新效率的影響[23];蘇日古嘎和馬占新利用廣義DEA模型，評(píng)價(jià)了科技創(chuàng)新效率，對(duì)比“一帶”“一路”沿線省份科技創(chuàng)新效率發(fā)現(xiàn)后者平均科技創(chuàng)新效率高于前者[24]。

本文結(jié)合現(xiàn)有研究，進(jìn)一步考慮到創(chuàng)新成果轉(zhuǎn)化的時(shí)滯效應(yīng)，運(yùn)用三階段DEA+Tobit模型，測(cè)算“一帶一路”沿線省份的真實(shí)科技創(chuàng)新綜合效率，并分析了剔除外部環(huán)境影響后“一帶一路”沿線省份科技創(chuàng)新效率的影響因素，考察“一帶一路”沿線省份創(chuàng)新環(huán)境、產(chǎn)業(yè)化發(fā)展和科技創(chuàng)新政策等對(duì)科技創(chuàng)新效率的影響。

二、研究方法、指標(biāo)選取與數(shù)據(jù)來源

（一）研究方法

數(shù)據(jù)包絡(luò)分析模型（DEA）最初由Charnes等[25]在1978年提出——C2R模型。后來，Banker等在可變規(guī)模收益假設(shè)下進(jìn)一步改良出第二個(gè)模型——BCC模型。本研究采用Fried等[26]提出的三階段DEA模型，排除統(tǒng)計(jì)噪聲和環(huán)境因素的影響，從而評(píng)估“一帶一路”沿線省份的科技創(chuàng)新效率。在此基礎(chǔ)上，使用Tobit模型分析環(huán)境因素對(duì)沿線省份科技創(chuàng)新效率的影響。理論框架如圖1所示。第一階段，通過面向投入的BCC模型測(cè)量了沿線省份在外部環(huán)境因素和統(tǒng)計(jì)噪聲影響下的科技創(chuàng)新效率，即綜合科技創(chuàng)新效率。第二階段，每個(gè)決策單元（DMU）的投入松弛項(xiàng)被分解為統(tǒng)計(jì)噪聲、管理無效率和環(huán)境因素三個(gè)部分，通過Tobit模型來排除統(tǒng)計(jì)噪聲和環(huán)境因素的影響，對(duì)投入變量加以調(diào)整。第三階段，將第二階段調(diào)整過的投入變量和原來的產(chǎn)出變量帶入DEA-BCC模型中，得到排除外部環(huán)境因素和統(tǒng)計(jì)噪聲影響的各省份實(shí)際科技創(chuàng)新效率。

1.第一階段：DEA-BCC模型

考慮到投入和產(chǎn)出之間的關(guān)系，DEA模型可以分為兩類，即面向投入和面向產(chǎn)出的DEA方法。由于投入變量通常意味著戰(zhàn)略制定者的決策，相比產(chǎn)出更加可控，而且BCC模型可以測(cè)量C2R模型無法獲得的每個(gè)DMU的純技術(shù)效率和規(guī)模效率，因此本文使用面向投入的DEA方法來測(cè)量省域科技創(chuàng)新效率，方程式[27]如下：

式（1）中，θ為DMUj0的效率值，xj為投入變量，yj為產(chǎn)出變量，s+、s-分別為投入、產(chǎn)出松弛變量，λj為輸入輸出指標(biāo)值的權(quán)系數(shù)。假設(shè)BCC模型的最優(yōu)解為θ*、λ*、s*+、s*-。若θ*=1，且s*+=0、s*-=0，則DMUj0為DEA有效;若θ*=1，s*+=0、s*-=0中任有一個(gè)條件不成立，則DMUj0為DEA無效。

2.第二階段：Tobit模型

第一階段之后可以獲得DMU的省域綜合科技創(chuàng)新效率，同時(shí)計(jì)算出了所有投入變量的松弛項(xiàng)，投入松弛表明正式投入和目標(biāo)投入之間的差距，投入松弛是由統(tǒng)計(jì)噪聲、管理無效率和環(huán)境因素造成的[26]。以投入松弛為因變量，環(huán)境因素為自變量，Tobit模型定義如下：

要對(duì)投入變量進(jìn)行調(diào)整，就要將所有DUM置于相同的環(huán)境，考慮統(tǒng)計(jì)噪聲的影響。使用Jondrow等[28]提出的混合誤差分解方法，如式（3）所示：

表示回歸系數(shù)，v^km表示對(duì)隨機(jī)因素的估計(jì)。等式右側(cè)第二項(xiàng)表示所有DUM處于最不利的外部環(huán)境中，第三項(xiàng)表示將所有DUM置于一個(gè)共同的自然狀態(tài)，也是最不幸的狀態(tài)。經(jīng)過以上調(diào)整，就讓所有DUM處于相同的外部環(huán)境，從而排除管理無效率和統(tǒng)計(jì)噪聲對(duì)技術(shù)效率的影響。

3.第三階段：調(diào)整后的DEA-BCC模型

將第二階段調(diào)整后的投入和原始產(chǎn)出代入投入導(dǎo)向的BCC模型，計(jì)算出“一帶一路”沿線17個(gè)省份的科技創(chuàng)新效率水平，得到排除環(huán)境因素和統(tǒng)計(jì)噪聲影響的真實(shí)科技創(chuàng)新效率。

（二）變量選取與數(shù)據(jù)來源

1.投入產(chǎn)出變量選取

本研究遵循指標(biāo)選取的可比性、可得性、科學(xué)性原則和DEA所有指標(biāo)數(shù)不能超過被評(píng)價(jià)單元總和三分之一使用原則確定投入產(chǎn)出指標(biāo)。指標(biāo)匯總?cè)绫?所示。

（1）投入指標(biāo)，包括R&D人員和R&D經(jīng)費(fèi)。在區(qū)域創(chuàng)新系統(tǒng)中，研發(fā)人員和研發(fā)經(jīng)費(fèi)是衡量創(chuàng)新效率投入的兩個(gè)重要方面[29]。R&D人員是高校、企業(yè)和科研機(jī)構(gòu)等創(chuàng)新主體的合力，反映科技創(chuàng)新人力的投入規(guī)模和強(qiáng)度，選取R&D人員全時(shí)當(dāng)量（X1）代表創(chuàng)新人員投入[4，30]。R&D經(jīng)費(fèi)是反映國(guó)家或地區(qū)科技投入水平的核心指標(biāo)，選取R&D經(jīng)費(fèi)內(nèi)部支出（X2）代表核心創(chuàng)新資金支出[11，31]?？萍紕?chuàng)新活動(dòng)對(duì)知識(shí)產(chǎn)出的影響具有持續(xù)性[30，32-33]，在測(cè)算科技創(chuàng)新效率時(shí)，使用永續(xù)盤存法核算R&D資本存量①。

（2）產(chǎn)出指標(biāo)，包括專利、科技論文發(fā)表數(shù)和新產(chǎn)品銷售收入。專利是鼓勵(lì)技術(shù)創(chuàng)新的制度手段，在三種專利中，發(fā)明專利的水平最高，它體現(xiàn)著專利質(zhì)量，是反映市場(chǎng)價(jià)值和研發(fā)成果的競(jìng)爭(zhēng)力的關(guān)鍵指標(biāo)[36]，故選取發(fā)明專利授權(quán)數(shù)（Y1）作為科技創(chuàng)新產(chǎn)出的重要指標(biāo)[37]?？萍颊撐陌l(fā)表數(shù)反

①永續(xù)盤存法的計(jì)算公式為Kit=（1-δ）Ki（t-1）+Eit ，式中Kit、Ki（t-1）分別表示第i個(gè)地區(qū)t和t-1期的資本存量，δ代表折舊率，參照Griliches[30]、馮宗憲等[33]、Hu等[34]的研究，δ取15%，Eit表示第i地區(qū)第t期的實(shí)際R&D經(jīng)費(fèi)支出，其值參照朱平芳和徐偉民[35]的做法，消費(fèi)物價(jià)指數(shù)賦權(quán)0.55，固定資產(chǎn)投資價(jià)格指數(shù)賦權(quán)0.45，兩者加權(quán)相加得到。在此以2010年為基期，對(duì)R&D經(jīng)費(fèi)支出進(jìn)行平減。通常假定R&D資本存量的平均增長(zhǎng)率和R&D經(jīng)費(fèi)的增長(zhǎng)率是相等的[32]，則基期資本存量的估算公式為Ki0=Ei0/（g+δ），式中，Ki0為基期資本存量，Ei0為基期實(shí)際R&D經(jīng)費(fèi)支出，g為2010—2014年實(shí)際R&D經(jīng)費(fèi)支出的平均增長(zhǎng)率，δ為折舊率。據(jù)此，可計(jì)算出各期各地區(qū)的R&D資本存量。

映一個(gè)地區(qū)科學(xué)研究的直接產(chǎn)出[38]，選取國(guó)外科技論文發(fā)表數(shù)（SCI、EI、CPCI-S收錄）（Y2）作為科技創(chuàng)新產(chǎn)出指標(biāo)[10]。新產(chǎn)品銷售收入是區(qū)域創(chuàng)新產(chǎn)出的重要代表，反映企業(yè)創(chuàng)新技術(shù)成功轉(zhuǎn)化、推向市場(chǎng)并產(chǎn)生社會(huì)經(jīng)濟(jì)效益的情況[39]，選取高技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入（Y3）作為第三個(gè)產(chǎn)出指標(biāo)[40-41]。以上3個(gè)指標(biāo)從知識(shí)創(chuàng)新成果和科技成果商業(yè)化等方面衡量科技創(chuàng)新效率。

2.創(chuàng)新環(huán)境指標(biāo)選取及說明

在創(chuàng)新投入一定的情況下，區(qū)域創(chuàng)新環(huán)境與科技創(chuàng)新效率密切相關(guān)。區(qū)域創(chuàng)新環(huán)境是指支撐創(chuàng)新效率提高的外部經(jīng)濟(jì)、市場(chǎng)、知識(shí)流動(dòng)、設(shè)施等硬件軟件條件[42-43]，現(xiàn)有研究也多從這些方面選取指標(biāo)。第一階段DEA 模型測(cè)算出的創(chuàng)新效率受外部環(huán)境的影響，剔除了環(huán)境影響才能更好地分析科技創(chuàng)新效率影響因素?；跀?shù)據(jù)的可得性和張瑩和張宗益[43]、李林漢等[44]、樊華和周德群[45]的研究，本文選取科研氛圍（E1）、對(duì)外開放度（E2）、經(jīng)濟(jì)發(fā)展水平（E3）、市場(chǎng)環(huán)境（E4）和基礎(chǔ)設(shè)施（E5）5個(gè)指標(biāo)來反映影響區(qū)域科技創(chuàng)新效率的環(huán)境因素。其中，科研氛圍用科研機(jī)構(gòu)數(shù)占全國(guó)比例來表示;對(duì)外開放度用外商直接投資占GDP的比重來表示;經(jīng)濟(jì)發(fā)展水平以人均地區(qū)生產(chǎn)總值來反映;市場(chǎng)環(huán)境用每萬名科技活動(dòng)人員技術(shù)市場(chǎng)成交額來表示;基礎(chǔ)設(shè)施以萬人互聯(lián)網(wǎng)上網(wǎng)人數(shù)反映。指標(biāo)匯總詳見表1。

3.數(shù)據(jù)來源及說明

本研究分析了2012—2016年“一帶一路”沿線17個(gè)省份（由于西藏地區(qū)數(shù)據(jù)缺失，本文不作研究）的科技創(chuàng)新效率。本文所涉及的指標(biāo)數(shù)據(jù)來源于《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》?？紤]到科技創(chuàng)新全過程（包括研發(fā)、生產(chǎn)、銷售）存在時(shí)滯效應(yīng)，張充和湯石雨[46]、白云飛和潘忠志[47]等人研究發(fā)現(xiàn)，R&D經(jīng)費(fèi)投入2年后產(chǎn)生的正向效益最大，故本文考慮2年時(shí)滯影響，即研究2012—2016年創(chuàng)新效率，投入變量使用2010—2014年數(shù)據(jù)，產(chǎn)出變量使用2012—2016年數(shù)據(jù)，據(jù)此測(cè)算得出相應(yīng)結(jié)果。

三、三階段結(jié)果與分析

運(yùn)用DEA方法進(jìn)行測(cè)量需要確保投入產(chǎn)出變量具有同向性，采用Stata13.1軟件分析得出樣本數(shù)據(jù)的Pearson相關(guān)系數(shù)，結(jié)果如表2所示，投入和產(chǎn)出變量之間存在顯著的正相關(guān)關(guān)系，符合模型的同向性要求。

（一）第一階段DEA分析

利用DEAP2.1軟件測(cè)算得出2012—2016年“一帶一路”沿線17個(gè)省份科技創(chuàng)新的綜合效率，既得到了同一地區(qū)科技創(chuàng)新效率的歷時(shí)變化情況，也得到了同一時(shí)間段科技創(chuàng)新效率的空間變化情況，17個(gè)省份按地區(qū)劃分為東南、東北、西南和西北四個(gè)板塊，如表3所示。

從表3看，采用傳統(tǒng)DEA模型進(jìn)行計(jì)算，上海、廣東、陜西和甘肅的科技創(chuàng)新效率一直為1，海南、重慶和黑龍江大部分年份的創(chuàng)新效率為接近1，無法體現(xiàn)出5年間效率的變化情況。而且無論是從時(shí)間上還是從空間上看，沿線17個(gè)省份5年間的科技創(chuàng)新效率都保持在一個(gè)較高的水平，總平均值達(dá)到0.80。浙江、遼寧的創(chuàng)新效率均值分別為0.78、0.77，均低于平均值，這與我們既有的東部沿海創(chuàng)新能力高的印象不一致。這很可能是由本文選取的新產(chǎn)品銷售收入這一創(chuàng)新成果商業(yè)化轉(zhuǎn)化指標(biāo)造成的，它對(duì)市場(chǎng)和面積更大的省份更具優(yōu)勢(shì)。

圖2進(jìn)一步展現(xiàn)了“一帶一路”沿線四大板塊科技創(chuàng)新效率的演變規(guī)律。從圖2可以看出，西北板塊與其他三大板塊的科技創(chuàng)新效率存在顯著差異，平均效率最低，為0.64，除了陜西、甘肅之外，西北板塊的科技創(chuàng)新效率都低于平均值，但總體上呈平穩(wěn)上升趨勢(shì)。東南、東北和西南板塊的平均效率分別為0.89、0.88和0.89，三大板塊之間的平均效率沒有顯著差異，無法明顯體現(xiàn)出區(qū)域之間的差距?？梢钥闯鲭S著時(shí)間的推移，這種差距在不斷縮小，從2014年開始，東南板塊的科技創(chuàng)新效率就逐漸被東北和西南板塊超越。這與“一帶一路”倡議的政策導(dǎo)向密不可分，東北板塊和西南板塊各省份在“一帶一路”倡議帶來的政策紅利下，科技創(chuàng)新效率得到顯著提升。但是這與現(xiàn)實(shí)情況有出入，在很大程度上是由于各省份的科技創(chuàng)新效率受到外部經(jīng)濟(jì)、市場(chǎng)、知識(shí)流動(dòng)、基礎(chǔ)設(shè)施等硬件軟件條件的影響，從而導(dǎo)致綜合效率評(píng)價(jià)結(jié)果出現(xiàn)偏差。

（二）第二階段截?cái)嗷貧w分析

以第一階段得出的投入松弛變量為因變量，包括R&D人員全時(shí)當(dāng)量和R&D資本存量。以5個(gè)環(huán)境變量為自變量，分別是科研機(jī)構(gòu)數(shù)占全國(guó)比例、外商直接投資占GDP的比重、人均地區(qū)生產(chǎn)總值、萬名科技活動(dòng)人員技術(shù)市場(chǎng)成交額和萬人互聯(lián)網(wǎng)上網(wǎng)人數(shù)。通過本文數(shù)據(jù)得到的投入松弛變量大多為0，不符合SFA模型的設(shè)定，運(yùn)用Tobit模型更為合理。喬元波和王硯羽[11]、羅彥如等[48]也運(yùn)用Tobit模型來處理創(chuàng)新效率中的截?cái)鄶?shù)據(jù)問題。運(yùn)用Stata13.1軟件測(cè)算得到的回歸結(jié)果見表4。

1.科研氛圍

從表4可以看出，該變量對(duì)R&D人員投入松弛變量和R&D資本存量投入松弛變量均具有正向影響，表明科研氛圍會(huì)增加R&D人員和R&D經(jīng)費(fèi)內(nèi)部支出投入冗余。可能是因?yàn)榭蒲袡C(jī)構(gòu)數(shù)越多，科創(chuàng)人員和經(jīng)費(fèi)投入就會(huì)越多，科技創(chuàng)新資源分布較分散，沒有合理地配置科技創(chuàng)新資源，從而難以形成集聚效應(yīng)，導(dǎo)致科技創(chuàng)新效率較低。

2.對(duì)外開放度

從表4可以看出，該變量對(duì)R&D人員投入松弛變量和R&D資本存量投入松弛變量均具有負(fù)向影響，表明政府支持會(huì)減少R&D人員和R&D經(jīng)費(fèi)內(nèi)部支出投入冗余。表示一個(gè)地區(qū)的對(duì)外開放程度越高，吸納的資金就越多，投入科技創(chuàng)新的人員就越多，推動(dòng)創(chuàng)新資源和創(chuàng)新成果流轉(zhuǎn)，確?？萍紕?chuàng)新效率提高。

3.經(jīng)濟(jì)發(fā)展水平

由表4所示，人均GDP對(duì)R&D人員投入松弛變量具有正向影響，對(duì)R&D資本存量投入松弛變量具有負(fù)向影響。說明“一帶一路”沿線經(jīng)濟(jì)發(fā)展水平高地區(qū)R&D人員投入產(chǎn)生冗余，主要是由于地區(qū)經(jīng)濟(jì)發(fā)展水平高的地區(qū)，用于研發(fā)的人員也多，過多的人員投入并沒有轉(zhuǎn)化成科技創(chuàng)新成果，導(dǎo)致科技創(chuàng)新效率不高，如浙江、福建等地。

4.市場(chǎng)環(huán)境

由表4所示，該變量對(duì)科研人員投入松弛產(chǎn)生正向影響，對(duì)R&D資本存量投入松弛產(chǎn)生負(fù)向影響，表明市場(chǎng)環(huán)境會(huì)增加R&D人員投入冗余和減少R&D經(jīng)費(fèi)內(nèi)部支出投入冗余。這可能是因?yàn)橹R(shí)流轉(zhuǎn)程度高的地方，有效刺激了區(qū)域科技創(chuàng)新人員的流動(dòng)，吸引來的大量科研人員導(dǎo)致科技經(jīng)費(fèi)投入冗余。

5.基礎(chǔ)設(shè)施

根據(jù)表4，萬人互聯(lián)網(wǎng)上網(wǎng)人數(shù)對(duì)R&D人員投入松弛變量具有負(fù)向影響，對(duì)R&D資本存量投入松弛變量具有正向影響。表明基礎(chǔ)設(shè)施建設(shè)較好的區(qū)域會(huì)增加R&D資本存量投入冗余。這說明基礎(chǔ)設(shè)施健全的區(qū)域，科研經(jīng)費(fèi)支出的配置結(jié)構(gòu)還是存在不合理之處，導(dǎo)致科技創(chuàng)新效率難以提升。

（三）第三階段調(diào)整后的DEA分析

將第二階段Tobit回歸調(diào)整后的投入和原始產(chǎn)出帶入第一階段模型加以測(cè)算，得到排除環(huán)境因素和統(tǒng)計(jì)噪聲影響的真實(shí)效率，將調(diào)整后綜合效率按分區(qū)列出，結(jié)果如表3所示。通過表3發(fā)現(xiàn)，環(huán)境因素和統(tǒng)計(jì)噪聲對(duì)區(qū)域科技創(chuàng)新效率產(chǎn)生較大影響。調(diào)整之后發(fā)現(xiàn)，東南板塊中，上海和廣東創(chuàng)新效率始終保持在效率前沿面，福建、海南的綜合效率降低，浙江的科技創(chuàng)新效率在一定程度上得到提高;東北板塊3個(gè)省份的綜合效率整體得到提升;西南板塊綜合效率整體出現(xiàn)下降;西北板塊除了陜西保持在創(chuàng)新效率前沿面，其他省份科技創(chuàng)新效率都出現(xiàn)較大幅度下降。這表明，傳統(tǒng)DEA由于未考慮環(huán)境因素和統(tǒng)計(jì)噪聲的影響，使“一帶一路”沿線部分經(jīng)濟(jì)、基礎(chǔ)設(shè)施等環(huán)境較差的西部省份科技創(chuàng)新效率測(cè)量出現(xiàn)虛高，低估了部分東部基礎(chǔ)環(huán)境較好省份的創(chuàng)新效率，未能反映各地區(qū)真實(shí)的科技效率水平。

圖3進(jìn)一步展現(xiàn)了“一帶一路”沿線17個(gè)省份調(diào)整前后科技創(chuàng)新效率的演變規(guī)律。從圖3可以看出，調(diào)整后的科技創(chuàng)新效率均值總體上小于未經(jīng)調(diào)整的結(jié)果，這說明剔除環(huán)境因素和統(tǒng)計(jì)噪聲的影響之后，科技創(chuàng)新效率前沿面地區(qū)與非前沿面地區(qū)的差距得以顯現(xiàn)。調(diào)整后，上海、廣東、陜西仍舊處于科技創(chuàng)新前沿面，部分東部發(fā)展水平較高省份的科技創(chuàng)新效率出現(xiàn)上升，西部欠發(fā)展地區(qū)科技創(chuàng)新效率出現(xiàn)大幅度下降。由此可見，環(huán)境因素對(duì)西部欠發(fā)展地區(qū)的科技創(chuàng)新效率影響較大，調(diào)整后的綜合效率更能真實(shí)反映各省份的科技創(chuàng)新效率。

四、科技創(chuàng)新效率影響因素分析

（一）影響因素指標(biāo)選取及說明

區(qū)域科技創(chuàng)新系統(tǒng)高質(zhì)量發(fā)展是多種因素共同作用的結(jié)果。已有文獻(xiàn)中科技創(chuàng)新效率影響因素主要集中在經(jīng)濟(jì)、市場(chǎng)、勞動(dòng)者素質(zhì)、金融環(huán)境、對(duì)外貿(mào)易水平等方面[41，49-51]。本文從科技創(chuàng)新主體（高技術(shù)企業(yè)、政府）、勞動(dòng)者素質(zhì)、金融支持和創(chuàng)業(yè)水平、科技創(chuàng)新政策等方面選取影響因素指標(biāo)，進(jìn)一步分析“一帶一路”沿線省份科技創(chuàng)新效率的影響因素，為完善區(qū)域科技創(chuàng)新體制和縮小區(qū)域科技創(chuàng)新差距提供理論依據(jù)。指標(biāo)匯總?cè)绫?所示。

（1）科研經(jīng)費(fèi)支出（Z1）。高技術(shù)企業(yè)新產(chǎn)品開發(fā)是企業(yè)科技創(chuàng)新最集中的體現(xiàn)，本文選取高技術(shù)企業(yè)科研經(jīng)費(fèi)支出占地區(qū)生產(chǎn)總值的比例來反映科研經(jīng)費(fèi)支出程度。

（2）政府支持力度（Z2）。政府機(jī)關(guān)是各地區(qū)提升科技創(chuàng)新效率的重要推動(dòng)者。由于企業(yè)承擔(dān)著巨大的風(fēng)險(xiǎn)和產(chǎn)品商業(yè)化轉(zhuǎn)化的周期長(zhǎng)，僅僅依靠金融機(jī)構(gòu)貸款難以為繼，因此政府的財(cái)政支持就顯得尤為重要。根據(jù)李漢林等[44]的研究，本文選取科學(xué)技術(shù)支出占地方財(cái)政支出的比例來表示政府支持力度。

（3）“一帶一路”倡議政策（Z3）。本文采用李彥龍[52]的做法，用研發(fā)補(bǔ)貼政策虛擬變量進(jìn)行衡量。與采用具體指標(biāo)衡量研發(fā)補(bǔ)貼相比，此方法存在一定不足，但該方法可以有效消減具體指標(biāo)造成的統(tǒng)計(jì)誤差。“一帶一路”倡議于2013年底提出，本文設(shè)定研發(fā)補(bǔ)貼政策變量在2014年之前取值為0，在2014年及以后取值為1。

（4）勞動(dòng)者素質(zhì)（Z4）。高素質(zhì)勞動(dòng)者有利于提高區(qū)域科技創(chuàng)新效率，本文選取每十萬人在校大學(xué)生人數(shù)表示勞動(dòng)者素質(zhì)。

（5）金融環(huán)境（Z5）。區(qū)域科技創(chuàng)新活動(dòng)離不開銀行等金融機(jī)構(gòu)的支持，本文選取人均金融機(jī)構(gòu)年末貸款來表示區(qū)域金融環(huán)境。

（6）創(chuàng)業(yè)水平（Z6）。高技術(shù)企業(yè)是知識(shí)、技術(shù)密集的經(jīng)濟(jì)實(shí)體，是一個(gè)地區(qū)最高技術(shù)水平的表現(xiàn)。本文選取高技術(shù)企業(yè)占規(guī)模以上工業(yè)企業(yè)比例來衡量區(qū)域創(chuàng)業(yè)水平[53]。

（二）測(cè)算結(jié)果分析

為了進(jìn)一步分析“一帶一路”沿線省份科技創(chuàng)新效率的影響因素，在第三階段DEA模型測(cè)算的基礎(chǔ)上使用Tobit模型，以DEA模型測(cè)算出的真實(shí)科技創(chuàng)新效率為因變量，影響因素為自變量。由于DEA模型計(jì)算出的效率值被限制在區(qū)間[0，1]，具有截?cái)鄶?shù)據(jù)特點(diǎn)，使用OLS進(jìn)行回歸會(huì)產(chǎn)生有偏性和不一致性[54]。因此，本研究再次使用Tobit模型進(jìn)行回歸分析。構(gòu)建如下Tobit模型，運(yùn)用Stata13.1軟件進(jìn)行回歸計(jì)算，回歸結(jié)果如表6所示。

式（4）中，TEit為第i省t期的綜合效率，α0為常數(shù)項(xiàng)，α為估計(jì)系數(shù)，ε為隨機(jī)誤差。Z1it為i省t期的科研經(jīng)費(fèi)支出，Z2it為i省t期的政府支持力度，Z3it為i省t期的“一帶一路”倡議政策，Z4it為i省t期的勞動(dòng)者素質(zhì)，Z5it為i省t期的金融環(huán)境，Z6it為i省t期的創(chuàng)業(yè)水平。

東中西部各省份之間在經(jīng)濟(jì)、市場(chǎng)、知識(shí)流動(dòng)、設(shè)施等硬件軟件條件方面的差異一直存在，這不可避免地對(duì)區(qū)域科技創(chuàng)新效率產(chǎn)生影響?，F(xiàn)將各省份置于相同的軟硬件外部環(huán)境下，探究影響“一帶一路”沿線省份科技創(chuàng)新效率的重要因素。分析如下。

（1）科研經(jīng)費(fèi)支出的影響?？蒲薪?jīng)費(fèi)支出強(qiáng)度與綜合效率呈顯著負(fù)相關(guān)，表明當(dāng)科技經(jīng)費(fèi)支出占地區(qū)生產(chǎn)總值每提高1個(gè)單位，科技創(chuàng)新綜合效率減少0.474。說明單純?cè)黾涌蒲薪?jīng)費(fèi)的投入并不能顯著促進(jìn)企業(yè)科技創(chuàng)新效率的提升。

（2）政府支持力度的影響。政府支持力度與綜合效率呈正相關(guān)，表明當(dāng)科技經(jīng)費(fèi)支出占地區(qū)生產(chǎn)總值每提高1個(gè)單位，科技創(chuàng)新綜合效率增加0.021。政府的科技財(cái)政支持是創(chuàng)新經(jīng)費(fèi)重要的資金來源，政府對(duì)科技創(chuàng)新的扶持是提升科技創(chuàng)新效率的一個(gè)重要因素。

（3）“一帶一路”倡議政策的影響。研發(fā)補(bǔ)貼政策與綜合效率呈負(fù)相關(guān)，表明當(dāng)研發(fā)補(bǔ)貼政策的影響每提升1個(gè)單位，科技創(chuàng)新綜合效率減少0.021。這與預(yù)期的結(jié)果不一致，可能是由于政策出臺(tái)、落實(shí)和成效顯現(xiàn)需要一個(gè)相當(dāng)長(zhǎng)的時(shí)間周期，本文研究的是5年間的變化，政策覆蓋時(shí)間也只有3年，政策實(shí)施產(chǎn)生效果需要一個(gè)累積的過程。

（4）勞動(dòng)者素質(zhì)的影響。每十萬人在校大學(xué)生人數(shù)與綜合效率呈顯著正相關(guān)，表明當(dāng)每十萬人在校大學(xué)生人數(shù)每提高1個(gè)單位，科技創(chuàng)新綜合效率增加0.521?？赡苁怯捎诘貐^(qū)教育投資強(qiáng)度的增加，形成人才培養(yǎng)的良好土壤，在校大學(xué)生是潛在的科技創(chuàng)新型人才，高素質(zhì)科研人員為科技創(chuàng)新產(chǎn)業(yè)的發(fā)展提供強(qiáng)大內(nèi)在動(dòng)力，有利于區(qū)域科技創(chuàng)新效率的提升。

（5）金融環(huán)境的影響。人均金融機(jī)構(gòu)年末貸款與綜合效率呈顯著正相關(guān)，表明當(dāng)人均金融機(jī)構(gòu)年末貸款提高1個(gè)單位時(shí)，科技創(chuàng)新綜合效率增加0.152。這與肖仁橋等人的研究結(jié)論不一致，可能是由于科技創(chuàng)新活動(dòng)的主體主要是企業(yè)，金融機(jī)構(gòu)貸款對(duì)于創(chuàng)新企業(yè)發(fā)展的全過程起著強(qiáng)大的支撐作用。

（6）創(chuàng)業(yè)水平的影響。高技術(shù)企業(yè)占規(guī)模以上工業(yè)企業(yè)比重與綜合效率呈負(fù)相關(guān)，表明當(dāng)高技術(shù)企業(yè)占規(guī)模以上工業(yè)企業(yè)比重每提高1個(gè)單位，科技創(chuàng)新綜合效率減少0.117。可能是由于企業(yè)的區(qū)域規(guī)模經(jīng)濟(jì)效益沒有實(shí)現(xiàn)科技成果的商業(yè)轉(zhuǎn)化，沒能對(duì)科技創(chuàng)新效率產(chǎn)生顯著影響。

五、結(jié)論與建議

（一）主要結(jié)論

本文基于三階段DEA和Tobit模型，對(duì)“一帶一路”沿線17個(gè)省份2012—2016年間的科技創(chuàng)新效率及其影響因素加以分析，研究得出以下結(jié)論。

第一，“一帶一路”沿線省份的科技創(chuàng)新綜合效率具有空間差異性。東南、東北、西南和西北四大板塊科技創(chuàng)新綜合效率差異明顯，整體上呈東高西低。經(jīng)過投入調(diào)整之后，東南、東北板塊綜合效率比較穩(wěn)定，調(diào)整前后整體變動(dòng)不是很大;西南、西北板塊，調(diào)整后綜合效率下降明顯，尤其是西北板塊出現(xiàn)大幅下降，東西板塊之間綜合效率差距進(jìn)一步加大。說明環(huán)境因素對(duì)區(qū)域科技創(chuàng)新效率產(chǎn)生顯著影響。

第二，“一帶一路”沿線省市的科技創(chuàng)新效率具有時(shí)間動(dòng)態(tài)變化性。東部板塊科技創(chuàng)新效率整體偏高，西部板塊綜合效率整體偏低。但從截面數(shù)據(jù)看，“一帶一路”沿線省份2012—2016年間的綜合效率總體上呈上升趨勢(shì)，且四大板塊之間綜合效率的差距有逐年減小趨勢(shì)。

第三，Tobit回歸分析表明，政府支持力度、勞動(dòng)者素質(zhì)和金融環(huán)境對(duì)科技創(chuàng)新效率具有正向影響，科研經(jīng)費(fèi)支出強(qiáng)度、“一帶一路”倡議政策和創(chuàng)業(yè)水平對(duì)科技創(chuàng)新效率具有負(fù)向影響。其中政府支持力度、勞動(dòng)者素質(zhì)和金融環(huán)境對(duì)綜合效率的影響比較顯著，科研經(jīng)費(fèi)支出強(qiáng)度、“一帶一路”倡議政策和創(chuàng)業(yè)水平的影響不顯著。

（二）對(duì)策建議

通過對(duì)研究結(jié)論的分析，“一帶一路”沿線省份的科技創(chuàng)新效率既具有有效性的一面，又存在不充分、不均衡和不穩(wěn)定的一面，在今后有必要進(jìn)一步加以完善和改進(jìn)，建議從以下幾方面進(jìn)一步提高“一帶一路”沿線省份的科技創(chuàng)新效率。

其一，科學(xué)合理地利用和調(diào)配科技創(chuàng)新資源，縮小“一帶一路”沿線東、西四大板塊科技創(chuàng)新效率的差距。科技創(chuàng)新綜合效率高的省份，要在保持適當(dāng)科技創(chuàng)新投入的基礎(chǔ)上減少投入冗余;科技創(chuàng)新綜合效率低的省份，要不斷提高科技創(chuàng)新投入，加強(qiáng)科技企業(yè)、科研機(jī)構(gòu)、高端人才等創(chuàng)新主體培育。人才是科技創(chuàng)新最寶貴的資源，注重引進(jìn)和培養(yǎng)具有創(chuàng)新能力的人才，打造技術(shù)創(chuàng)新平臺(tái)，加強(qiáng)科技創(chuàng)新交流，提升科技創(chuàng)新綜合效率。

其二，培育高質(zhì)量創(chuàng)新生態(tài)系統(tǒng)。創(chuàng)新生態(tài)系統(tǒng)對(duì)“一帶一路”沿線東西四大板塊的科技創(chuàng)新效率具有明顯影響。西南、西北板塊在科技創(chuàng)新綜合效率方面尚有巨大提升空間，為不斷縮小與東南、東北板塊創(chuàng)新效率差距，依然要加強(qiáng)R&D投入強(qiáng)度、提升科技創(chuàng)新能力和建設(shè)創(chuàng)新平臺(tái)。對(duì)于創(chuàng)新資源集聚、創(chuàng)新生態(tài)良好的東部地區(qū)，需在市場(chǎng)、法治和科技創(chuàng)新政策之間加強(qiáng)集中聯(lián)結(jié)配合，構(gòu)建一流的創(chuàng)新創(chuàng)業(yè)生態(tài)系統(tǒng)，實(shí)現(xiàn)創(chuàng)新生態(tài)化助力整體科技創(chuàng)新效率提升。

其三，優(yōu)化科技創(chuàng)新體制機(jī)制。推動(dòng)創(chuàng)新成果生產(chǎn)力轉(zhuǎn)化的政策創(chuàng)新，加強(qiáng)技術(shù)研發(fā)和創(chuàng)新成果之間的銜接，嘗試讓投資者、發(fā)明專利的人和將專利權(quán)轉(zhuǎn)化為生產(chǎn)力的人各司其職、分類推進(jìn)，將發(fā)明創(chuàng)造者從生產(chǎn)力轉(zhuǎn)化的負(fù)擔(dān)中解放出來;圍繞主導(dǎo)產(chǎn)業(yè)制定引育頂尖、領(lǐng)軍、高端、青年等專項(xiàng)實(shí)用人才政策機(jī)制，力爭(zhēng)對(duì)各類別、層次人才全覆蓋。

其四，建立系統(tǒng)的科技創(chuàng)新政策體系。技術(shù)創(chuàng)新、平臺(tái)建設(shè)、人才引進(jìn)和科創(chuàng)成果轉(zhuǎn)化等是科創(chuàng)政策體系不可或缺的組成部分，沿線省份應(yīng)緊緊圍繞這些方面出臺(tái)系統(tǒng)完善的政策;制定科學(xué)的科技金融政策，為提升區(qū)域科技創(chuàng)新效率提供良好科技金融政策支持。同時(shí)，結(jié)合區(qū)域特色制定相應(yīng)扶持政策，國(guó)家要給西部板塊更多支持和發(fā)展自由，鼓勵(lì)東部綜合效率高的企業(yè)加強(qiáng)科技創(chuàng)新基礎(chǔ)研究，通過科技創(chuàng)新和技術(shù)轉(zhuǎn)移反哺西部，增加互動(dòng)合作;西部省份也要充分利用“一帶一路”科技政策優(yōu)勢(shì)，提升“一帶一路”沿線省份整體科技創(chuàng)新綜合效率。

參考文獻(xiàn)：

[1]ROUSSEAU S，ROUSSEAU R.Data envelopment analysis as a tool for constructing scientometric indicators[J].Scientometrics，1997，40（1）：45-56.

[2]官建成，何穎.基于DEA方法的區(qū)域創(chuàng)新系統(tǒng)的評(píng)價(jià)[J].科學(xué)學(xué)研究，2005（2）：265-272.

[3]WANG E C.R&D efficiency and economic performance：A cross-country analysis using the stochastic frontier approach[J].Journal of Policy Modeling，2007，29（2）：345-360.

[4]李婧，譚清美，白俊紅.中國(guó)區(qū)域創(chuàng)新效率及其影響因素[J].中國(guó)人口·資源與環(huán)境，2009（6）：142-147.

[5]HASHIMOTO A，HANEDA S.Measuring the change in R&D efficiency of the Japanese pharmaceutical industry[J].Research Policy，2008，37（10）：1829-1836.

[6]劉鳳朝，潘雄鋒.基于Malmquist指數(shù)法的我國(guó)科技創(chuàng)新效率評(píng)價(jià)[J].科學(xué)學(xué)研究，2007（5）：986-990.

[7]陳艷華.基于熵權(quán)TOPSIS的區(qū)域科技創(chuàng)新能力實(shí)證研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017（5）：46-51.

[8]吳忠濤，張瑯，張?jiān)ＨA.經(jīng)濟(jì)轉(zhuǎn)型時(shí)期的科技型企業(yè)創(chuàng)新效率比較研究[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2018（3）：57-65，126.

[9]任勝鋼，彭建華.基于因子分析法的中國(guó)區(qū)域創(chuàng)新能力的評(píng)價(jià)及比較[J].系統(tǒng)工程，2007（2）：87-92.

[10]郭淑芬，張俊.中國(guó)31個(gè)省市科技創(chuàng)新效率及投入冗余比較[J].科研管理，2018（4）：55-63.

[11]喬元波，王硯羽.基于三階段DEA-Windows分析的中國(guó)省域創(chuàng)新效率評(píng)價(jià)[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017（1）：88-97.

[12]ZHONG W，YUAN W，LI S X，et al.The performance evaluation of regional R&D investments in China：An application of DEA based on the first official China economic census data[J].Omega，2011，39（4）：447-455.

[13]劉樹峰，杜德斌，覃雄合，等.基于創(chuàng)新價(jià)值鏈視角下中國(guó)創(chuàng)新效率時(shí)空格局與影響因素分析[J].地理科學(xué)，2019（2）：173-182.

[14]余泳澤，劉大勇.創(chuàng)新價(jià)值鏈視角下的我國(guó)區(qū)域創(chuàng)新效率提升路徑研究[J].科研管理，2014（5）：27-37.

[15]CHEN X F，LIU Z Y，ZHU Q Y.Performance evaluation of China’s high-tech innovation process：Analysis based on the innovation value chain[J].Technovation，2018，74/75：42-53.

[16]肖仁橋，錢麗，陳忠衛(wèi).中國(guó)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J].管理科學(xué)，2012（5）：85-98.

[17]胡艷，周玲玉.長(zhǎng)江經(jīng)濟(jì)帶高新技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018（6）：71-77.

[18]FRITSCH M，SLAVTCHEV V.Determinants of the efficiency of regional innovation systems[J].Regional Studies，2011，45（7）：905-918.

[19]孫亞靜，韓爽，楊柳.基于“一帶一路”的吉林省科技創(chuàng)新競(jìng)爭(zhēng)力研究[J].稅務(wù)與經(jīng)濟(jì)，2019（4）：106-112.

[20]張小勇，馬永騰. “一帶一路”倡議與西部民族地區(qū)產(chǎn)業(yè)科技創(chuàng)新協(xié)同發(fā)展研究[J].科學(xué)管理研究，2019（3）：92-96.

[21]張娜，吳福象. “一帶一路”國(guó)內(nèi)段節(jié)點(diǎn)城市創(chuàng)新空間差異及溢出效應(yīng)[J].統(tǒng)計(jì)與決策，2019（18）：143-146.

[22]夏彩云，羅圳. “一帶一路”沿線省域高技術(shù)產(chǎn)業(yè)R&D效率提升研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017（10）：31-37.

[23]郝金磊，尹萌.絲綢之路經(jīng)濟(jì)帶沿線地區(qū)創(chuàng)新效率評(píng)價(jià)及影響因素研究：基于BCC和Malmquist指數(shù)法的DEA-Tobit模型[J].科技管理研究，2018（5）：69-76.

[24]蘇日古嘎，馬占新. “一帶一路”重點(diǎn)省區(qū)企業(yè)科技創(chuàng)新效率評(píng)價(jià)：基于廣義DEA模型的實(shí)證分析[J].科學(xué)管理研究，2018（6）：90-93.

[25]CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429-444.

[26]FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis，2002，17（1/2）：157-174.

[27]魏權(quán)齡.數(shù)據(jù)包絡(luò)分析[M].北京：科學(xué)出版社，2004：102-106.

[28]JONDROW J，KNOX LOVELL C A，MATEROV I S，et al.On the estimation of technical inefficiency in the stochastic frontier production function model[J].Journal of Econometrics，1982，19（2/3）：233-238.

[29]CRUZ-CZARES C，BAYONA-SEZ C，GARCA-MARCO T.You can’t manage right what You can’t measure well：Technological innovation efficiency[J].Research Policy，2013，42（6/7）：1239-1250.

[30]GRILICHES Z.R&D and the productivity slowdown[R].National Bureau of Economic Research，1980.

[31]HALL B H，GRILICHES Z，HAUSMAN J A.Patents and R and D：Is there a lag？[J].International Economic Review，1986，27（2）：265.

[32]吳延兵. R&D存量、知識(shí)函數(shù)與生產(chǎn)效率[J].經(jīng)濟(jì)學(xué)（季刊），2006（3）：1129-1156.

[33]馮宗憲，王青，侯曉輝.政府投入、市場(chǎng)化程度與中國(guó)工業(yè)企業(yè)的技術(shù)創(chuàng)新效率[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011（4）：3-17，33.

[34]HU A G Z，JEFFERSON G H，QIAN J C.R&D and technology transfer：Firm-level evidence from Chinese industry[J].Review of Economics and Statistics，2005，87（4）：780-786.

[35]朱平芳，徐偉民.政府的科技激勵(lì)政策對(duì)大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響：上海市的實(shí)證研究[J].經(jīng)濟(jì)研究，2003（6）：45-53，94.

[36]COHEN W M，LEVINTHAL D A.Absorptive capacity：A new perspective on learning and innovation[J].Administrative Science Quarterly，1990，35（1）：128-152.

[37]王圣云，林玉娟，羅玉婷.長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率變化的指數(shù)分解及聚類分析[J].華東經(jīng)濟(jì)管理，2018（9）：66-72.

[38]王珍珍，黃茂興.我國(guó)科技創(chuàng)新效率的實(shí)證研究：基于DEA-Malmquist模型和中國(guó)省際面板數(shù)據(jù)[J].技術(shù)經(jīng)濟(jì)，2013（10）：55-61.

[39]許福志，徐藹婷.中國(guó)創(chuàng)新兩階段效率及影響因素：基于社會(huì)資本理論視角[J].經(jīng)濟(jì)學(xué)家，2019（4）：71-79.

[40]嚴(yán)翔，成長(zhǎng)春.長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率與生態(tài)環(huán)境非均衡發(fā)展研究：基于雙門檻面板模型[J].軟科學(xué)，2018（2）：11-15.

[41]劉釩，鄧明亮.基于改進(jìn)超效率DEA模型的長(zhǎng)江經(jīng)濟(jì)帶科技創(chuàng)新效率研究[J].科技進(jìn)步與對(duì)策，2017（23）：48-53.

[42]岳鵠，張宗益.R&D投入、創(chuàng)新環(huán)境與區(qū)域創(chuàng)新能力關(guān)系研究：1997—2006[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2008（6）：110-116，126.

[43]張瑩，張宗益.區(qū)域創(chuàng)新環(huán)境對(duì)創(chuàng)新績(jī)效影響的實(shí)證研究：以重慶市為例[J].科技管理研究，2009（2）：104-106.

[44]李林漢，王宏艷，田衛(wèi)民.基于三階段DEA-Tobit模型的省際科技金融效率及其影響因素研究[J].科技管理研究，2018（2）：231-238.

[45]樊華，周德群.中國(guó)省域科技創(chuàng)新效率演化及其影響因素研究[J].科研管理，2012（1）：10-18，26.

[46]張充，湯石雨.R&D公共投資與自主創(chuàng)新能力的協(xié)整分析：以吉林省為例[J].科技進(jìn)步與對(duì)策，2009（8）：46-48.

[47]白云飛，潘忠志.我國(guó)R&D投入對(duì)于科技創(chuàng)新的時(shí)滯效應(yīng)研究[J].科技管理研究，2015（4）：1-5.

[48]羅彥如，冉茂盛，黃凌云.中國(guó)區(qū)域技術(shù)創(chuàng)新效率實(shí)證研究：三階段DEA模型的應(yīng)用[J].科技進(jìn)步與對(duì)策，2010（14）：20-24.

[49]習(xí)明明.長(zhǎng)江經(jīng)濟(jì)帶創(chuàng)新環(huán)境對(duì)科技創(chuàng)新效率影響的實(shí)證研究[J].江西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2019（3）：19-29.

[50]程廣斌，張雅琴.絲綢之路經(jīng)濟(jì)帶沿線省份科技創(chuàng)新效率及其影響因素[J].地域研究與開發(fā)，2017（2）：17-23.

[51]關(guān)祥勇，王正斌.區(qū)域創(chuàng)新環(huán)境對(duì)區(qū)域創(chuàng)新效率影響的實(shí)證研究[J].科技管理研究，2011（21）：16-19，23.

[52]李彥龍.稅收優(yōu)惠政策與高技術(shù)產(chǎn)業(yè)創(chuàng)新效率[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2018（1）：60-76.

[53]中國(guó)科技發(fā)展戰(zhàn)略研究小組，中國(guó)科學(xué)院大學(xué)中國(guó)創(chuàng)新創(chuàng)業(yè)管理研究中心.中國(guó)區(qū)域創(chuàng)新能力評(píng)價(jià)報(bào)告2016[R].北京：科學(xué)技術(shù)文獻(xiàn)出版社，2016：227.

[54]GREENE W H.On the asymptotic bias of the ordinary least squares estimator of the Tobit model[J].Econometrica，1981，49（2）：505-513.

（責(zé)任編輯 傅旭東）

3517500338262