基于PP 和Translog-SFA 組合模型的區(qū)域科技創(chuàng)新效率評(píng)價(jià)及外部環(huán)境影響因素分析
——以四川省為例

徐英祺 劉裕茵 劉 宇

（1.中國科學(xué)院成都文獻(xiàn)情報(bào)中心 四川成都 600041；2.電子科技大學(xué)經(jīng)濟(jì)與管理學(xué)院 四川成都 610054）

一、引言

科技創(chuàng)新是國家重點(diǎn)關(guān)注的方向之一，近三年的全國“兩會(huì)”對(duì)創(chuàng)新政策都有大量的頂層設(shè)計(jì)表述，要求加快建設(shè)創(chuàng)新型國家，加強(qiáng)國家創(chuàng)新體系建設(shè)，提升科技支撐能力，深入推進(jìn)“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”。為此，國家通過各類政策工具來促進(jìn)科技成果轉(zhuǎn)移轉(zhuǎn)化，以提升創(chuàng)新效率。

區(qū)域科技創(chuàng)新效率是檢驗(yàn)一個(gè)地區(qū)創(chuàng)新能力的重要指標(biāo)之一。目前的區(qū)域科技創(chuàng)新效率評(píng)價(jià)研究一般屬于技術(shù)效率（technical efficiency，TE）[1]評(píng)價(jià)研究的范疇。技術(shù)效率評(píng)價(jià)主要采用的方法包括數(shù)據(jù)包絡(luò)分析（DEA）[2]和隨機(jī)前沿分析（SFA）[3-4]。這兩種技術(shù)效率評(píng)價(jià)方法被國內(nèi)外學(xué)者廣泛應(yīng)用于區(qū)域科技創(chuàng)新效率評(píng)價(jià)研究[5-8]。相較DEA 方法，SFA 方法可以利用多種形式的生產(chǎn)函數(shù)來構(gòu)造生產(chǎn)前沿面，并引入技術(shù)無效率項(xiàng)，其結(jié)果受特殊樣本點(diǎn)的影響較小，一般不會(huì)出現(xiàn)技術(shù)效率值為1 的決策單元，模型分析的穩(wěn)定性、可靠性、可比性更好[9]。但是SFA 方法的應(yīng)用也有一定的局限性，即要求產(chǎn)出變量必須唯一，在處理多產(chǎn)出變量時(shí)不如DEA 法靈活。同時(shí)，SFA 法在投入指標(biāo)過多時(shí)，由于投入指標(biāo)間的多重共線性，也會(huì)對(duì)評(píng)價(jià)結(jié)果的可信度產(chǎn)生影響。

為了克服SFA 法的缺陷，使用SFA 進(jìn)行多產(chǎn)出的技術(shù)效率評(píng)價(jià)時(shí)，必須通過數(shù)據(jù)降維處理的方法，來減少產(chǎn)出指標(biāo)的數(shù)量，構(gòu)建唯一的綜合產(chǎn)出指標(biāo)。目前主流的數(shù)據(jù)降維處理方法有主成分分析（PCA）和投影尋蹤（PP），相比PCA，PP 不要求數(shù)據(jù)總體服從正態(tài)分布，處理數(shù)據(jù)的靈活性更高。PP-SFA 組合模型目前主要應(yīng)用于生態(tài)能源效率[10-11]、物流效率[12-13]和創(chuàng)新效率[14-16]的評(píng)價(jià)。潘娟等[14]研究了中國30 個(gè)省域的創(chuàng)新效率，分析了生產(chǎn)函數(shù)模型中不同R&D 經(jīng)費(fèi)投入變量對(duì)創(chuàng)新效率的影響，但未對(duì)具體的可能影響創(chuàng)新效率的外部環(huán)境因素進(jìn)行分析；李柏洲等[15]對(duì)中科院12 個(gè)分院的創(chuàng)新效率進(jìn)行了評(píng)價(jià)，并分析了應(yīng)用導(dǎo)向、跨學(xué)科研究等兩個(gè)外部環(huán)境因素對(duì)創(chuàng)新效率的影響；余芝霖[16]對(duì)27 個(gè)省市高校2008—2015 年的創(chuàng)新效率進(jìn)行了分析，并且研究了科技人員結(jié)構(gòu)、項(xiàng)目數(shù)、高?？萍蓟顒?dòng)交流、政府對(duì)高校創(chuàng)新活動(dòng)支持等外部環(huán)境因素對(duì)創(chuàng)新效率的影響。以上研究采用PP 方法，均只對(duì)產(chǎn)出變量進(jìn)行了降維處理，且SFA 所采用的生產(chǎn)函數(shù)的形式均為Cobb-Douglas 生產(chǎn)函數(shù)，即未考慮各生產(chǎn)函數(shù)中投入變量之間相互作用對(duì)產(chǎn)出變量的影響，而SFA 常用的另一種生產(chǎn)函數(shù)——超越對(duì)數(shù)（Translog）生產(chǎn)函數(shù)則考慮了這些影響。

本研究采用PP 和Translog-SFA 的組合模型方法對(duì)四川省2014—2018 年的創(chuàng)新效率進(jìn)行評(píng)價(jià)，并對(duì)影響創(chuàng)新效率的外部環(huán)境因素進(jìn)行分析。本文對(duì)投入與產(chǎn)出變量均采取PP 進(jìn)行降維處理，以減小變量間的多重共線性及減少變量數(shù)量；采用Translog-SFA 計(jì)算創(chuàng)新效率，以考慮多種投入變量相互作用對(duì)產(chǎn)出的影響，并使計(jì)算過程更加包容與靈活[17]。

二、研究模型與方法

（一）模型使用的變量與基本分析流程

本模型使用的變量包括投入變量、產(chǎn)出變量和影響創(chuàng)新效率的外部環(huán)境因素變量，其中投入變量又可分為勞動(dòng)投入變量和資本投入變量兩類。變量指標(biāo)的設(shè)置主要參考四川省科技指標(biāo)數(shù)據(jù)庫，其中，衡量區(qū)域科技創(chuàng)新勞動(dòng)投入的變量包括科技活動(dòng)人員數(shù)量、R&D 人員數(shù)量和R&D 研究人員數(shù)量；衡量區(qū)域科技創(chuàng)新資本投入的變量包括R&D 經(jīng)費(fèi)支出、地方財(cái)政科技撥款額和市州本級(jí)財(cái)政科技撥款額；衡量區(qū)域科技創(chuàng)新產(chǎn)出的變量包括專利申請受理量、專利申請授權(quán)量、技術(shù)市場成交合同數(shù)和技術(shù)市場成交合同金額；衡量外部環(huán)境因素的變量包括地區(qū)生產(chǎn)總值、常住人口數(shù)量、公共財(cái)政支出、高校數(shù)量和研究機(jī)構(gòu)數(shù)量。如表1 所示。

表1 模型使用的變量及釋義

表1(續(xù))

研究所采用的各變量的數(shù)據(jù)來自“四川省主要科技指標(biāo)數(shù)據(jù)庫”、四川省統(tǒng)計(jì)局發(fā)布的2014—2018 年《四川統(tǒng)計(jì)年鑒》以及四川各市州發(fā)布的相應(yīng)年份的《國民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》。

研究采用PP 和Translog-SFA 的組合模型對(duì)上述變量數(shù)據(jù)進(jìn)行分析處理。模型評(píng)價(jià)流程如圖1 所示，分為兩步。首先，采用PP 方法對(duì)勞動(dòng)投入變量、資本投入變量、產(chǎn)出變量分別進(jìn)行降維處理，得到三者的最佳投影值。然后，通過Translog-SFA 方法分析處理三個(gè)投影值與外部環(huán)境變量，計(jì)算得到地區(qū)的創(chuàng)新效率并分析外部環(huán)境變量影響創(chuàng)新效率的情況。

圖1 PP 和Translog-SFA 組合模型評(píng)價(jià)流程框架

（二）投影尋蹤

投影尋蹤最早由Friedman 等[18]提出，是一種有效的對(duì)高維數(shù)據(jù)進(jìn)行降維處理的方法，用于尋找最能夠反映原始高維數(shù)據(jù)結(jié)構(gòu)與特征的投影值，適合于處理非正態(tài)和非線性的高維數(shù)據(jù)。由于區(qū)域科技創(chuàng)新的投入與產(chǎn)出的形式多樣，而SFA 要求產(chǎn)出變量唯一，因此需要通過投影尋蹤將多個(gè)產(chǎn)出變量投影成單一的產(chǎn)出變量。投影尋蹤也可以應(yīng)用至投入變量的處理，由于多投入變量之間存在多重共線性，因此可以通過投影尋蹤來減少投入變量之間的多重共線性，同時(shí)也能起到簡化投入指標(biāo)的目的。投影尋蹤的具體計(jì)算步驟如下：

第一步，構(gòu)造投影指標(biāo)函數(shù)，將k維數(shù)據(jù){xij|j=1,2,…,k}投影至低維度空間，得到投影方向的單位向量a={a1,a2,…,an}以及投影值z(i):

第二步，計(jì)算投影值z(i)的標(biāo)準(zhǔn)差Sz和局部密度Dz，兩者的乘積即為投影指標(biāo)函數(shù)Q(a)。其中R為局部密度的窗口半徑，rij表示z(i)與z(j)之間的距離，u(t)為單位階躍函數(shù)，當(dāng)t≥0 時(shí)，u(t)=1；當(dāng)t＜0 時(shí)，u(t)=0。

第三步，采用加速遺傳算法（RAGA）[19]求解投影指標(biāo)函數(shù)最大值maxQ(a)來估計(jì)最佳投影方向a＊，即：

第四步，將a＊代入公式（1）即可求得最佳投影值z*(i)，即降維后的綜合唯一的投入或產(chǎn)出變量。

（三）隨機(jī)前沿分析

隨機(jī)前沿分析最早由Aigner 等[3]以及Meeusen 等[4]分別提出，這種方法克服了確定前沿分析模型（DFA）的缺陷，對(duì)誤差項(xiàng)進(jìn)行了區(qū)別，提高了技術(shù)效率分析的精確性。經(jīng)過多年的發(fā)展，Battle 等[20]在初始SFA 的基礎(chǔ)上引入了其他環(huán)境影響變量，從而可以通過一步法直接獲得生產(chǎn)函數(shù)和技術(shù)效率影響因素的參數(shù)估計(jì)結(jié)果，比起最初的SFA 計(jì)算更加簡便。

目前，SFA 常用的生產(chǎn)函數(shù)有Cobb-Douglas 生產(chǎn)函數(shù)和Translog 生產(chǎn)函數(shù)[9]。公式（6）是Translog 生產(chǎn)函數(shù)的一般形式，當(dāng)β3=β4=β5=0 時(shí)，就轉(zhuǎn)化為Cobb-Douglas 生產(chǎn)函數(shù)。相比Cobb-Douglas 生產(chǎn)函數(shù)，Translog 生產(chǎn)函數(shù)計(jì)算技術(shù)效率的過程中考慮了資本投入和勞動(dòng)投入相互作用對(duì)于產(chǎn)出的影響，克服了Cobb-Douglas 生產(chǎn)函數(shù)替代彈性固定的缺陷。本研究所使用的Translog-SFA 方法模型如下所示。Y為產(chǎn)出變量，K為資本投入變量，L為勞動(dòng)投入變量，β0至β5為待估計(jì)的生產(chǎn)函數(shù)的參數(shù)。εit為誤差項(xiàng)，由隨機(jī)誤差項(xiàng)vit和非負(fù)技術(shù)無效率項(xiàng)uit兩部分組成，vit服從正態(tài)分布，uit服從非負(fù)斷尾正態(tài)分布。mit為無效率項(xiàng)分布函數(shù)的均值，GDP、POP、FIN、EDU 和RES 均為影響創(chuàng)新效率的外部環(huán)境因素變量，δ0至δ5為待估計(jì)的參數(shù)。TEit為t時(shí)間下i樣本的技術(shù)效率水平，γ 為待估計(jì)參數(shù)。

如果TEit=1，即uit=0，γ=0，說明此時(shí)處于技術(shù)有效狀態(tài)，產(chǎn)出不受預(yù)設(shè)外部環(huán)境因素變量的影響，只與投入因素和隨機(jī)因素有關(guān)，此時(shí)分析投入產(chǎn)出效率不需要使用SFA 模型，只需要使用普通最小二乘法（OLS）即可，這種情況現(xiàn)實(shí)中比較少見。絕大多數(shù)情況下TEit介于0 到1 之間，即uit＞0，0＜γ＜1，γ 值越接近1，說明越適合使用SFA 來進(jìn)行分析。

三、實(shí)證研究

（一）數(shù)據(jù)的處理

本研究采集了2014 年—2018 年四川省21 個(gè)市州的相關(guān)變量面板數(shù)據(jù)①。由于各變量之間的單位和數(shù)量級(jí)不同，因此首先需要對(duì)全部變量進(jìn)行標(biāo)準(zhǔn)化處理[19]。然后利用PP 分別對(duì)標(biāo)準(zhǔn)化處理之后的勞動(dòng)投入變量、資本投入變量、產(chǎn)出變量進(jìn)行降維處理，得到如表2 至表4 所示的最佳投影值。

表2 勞動(dòng)投入變量的投影值

表3 資本投入變量的投影值

表3(續(xù))

表4 產(chǎn)出變量的投影值

將得到的3 個(gè)投影值代入公式（6），同時(shí)將5 個(gè)外部環(huán)境變量代入公式（8），利用Frontier4.1 軟件實(shí)現(xiàn)Translog-SFA 的計(jì)算，得到的估計(jì)參數(shù)如表5 所示，其中γ 值為0.99，且在0.01 水平下顯著，說明采用Translog-SFA 進(jìn)行分析是合適的，結(jié)合δ1至δ5的估計(jì)值與t 檢驗(yàn)值，可以發(fā)現(xiàn)預(yù)設(shè)外部環(huán)境因素變量對(duì)創(chuàng)新效率的影響是強(qiáng)烈而顯著的。

表5 隨機(jī)前沿分析的估計(jì)結(jié)果

從生產(chǎn)函數(shù)的各項(xiàng)系數(shù)的正負(fù)值可以判斷勞動(dòng)投入與資本投入對(duì)區(qū)域科技創(chuàng)新效率影響的短期與長期、互補(bǔ)與替代關(guān)系。表5 顯示，勞動(dòng)投入的一次項(xiàng)系數(shù)β1為正且顯著，說明短期的勞動(dòng)投入提高對(duì)于區(qū)域科技創(chuàng)新具有積極促進(jìn)作用；勞動(dòng)投入的二次項(xiàng)系數(shù)β3不顯著，說明長期的勞動(dòng)投入變化對(duì)于區(qū)域科技創(chuàng)新的影響并不明顯。從表5 可以看出，資本投入的一次項(xiàng)系數(shù)β2為正且顯著，二次項(xiàng)系數(shù)β4為負(fù)且顯著，說明短期的資本投入提高對(duì)于區(qū)域科技創(chuàng)新起積極促進(jìn)作用，但從長期來看，提高資本投入反而會(huì)導(dǎo)致創(chuàng)新效率下降。表5 還顯示，勞動(dòng)投入與資本投入交叉項(xiàng)的系數(shù)β5為正，說明兩者為互補(bǔ)關(guān)系，在提高勞動(dòng)投入的同時(shí)提高資本投入可提高區(qū)域的創(chuàng)新效率，不過這個(gè)影響并不是十分顯著。

由于使用的生產(chǎn)函數(shù)為超越對(duì)數(shù)形式，因此生產(chǎn)函數(shù)各項(xiàng)的系數(shù)并不能直接反應(yīng)勞動(dòng)投入、資本投入與產(chǎn)出之間的強(qiáng)弱關(guān)系，需要通過求偏導(dǎo)數(shù)的方法來計(jì)算彈性。對(duì)勞動(dòng)投入變量的產(chǎn)出彈性EL進(jìn)行計(jì)算的公式見公式（11），對(duì)資本投入變量的產(chǎn)出彈性EK進(jìn)行計(jì)算的公式見公式（12）。

將表3 和表4 的相關(guān)勞動(dòng)投入、產(chǎn)出投入數(shù)值分別代入公式（11）與公式（12）并計(jì)算算數(shù)平均值，可以得到勞動(dòng)投入的產(chǎn)出彈性為1.07，資本投入的產(chǎn)出彈性為0.55，這說明從四川全省層面來看，勞動(dòng)投入提升對(duì)創(chuàng)新產(chǎn)出的促進(jìn)作用比資本投入提升對(duì)創(chuàng)新產(chǎn)出的促進(jìn)作用更強(qiáng)。

（二）結(jié)果分析

本研究顯示，從四川全省角度看，不論是創(chuàng)新的勞動(dòng)投入、資本投入還是創(chuàng)新的產(chǎn)出，均呈現(xiàn)逐年遞增趨勢，但各市州和經(jīng)濟(jì)區(qū)在創(chuàng)新的投入產(chǎn)出等方面存在較大的差異。成都在各方面均處于絕對(duì)優(yōu)勢地位，綿陽作為科技城在各方面均排名第二，其他市州在創(chuàng)新的勞動(dòng)與資本投入方面與成都、綿陽相比均存在數(shù)量級(jí)上的差距，在創(chuàng)新的產(chǎn)出方面，與成都相比亦存在數(shù)量級(jí)上的差距。從經(jīng)濟(jì)區(qū)角度看，成都平原經(jīng)濟(jì)區(qū)的投入產(chǎn)出處于絕對(duì)優(yōu)勢地位，與其他四個(gè)經(jīng)濟(jì)區(qū)相比，亦存在數(shù)量級(jí)上的差距。其他四個(gè)經(jīng)濟(jì)區(qū)的投入產(chǎn)出水平依次為川南經(jīng)濟(jì)區(qū)＞攀西經(jīng)濟(jì)區(qū)＞川東北經(jīng)濟(jì)區(qū)＞川西北生態(tài)經(jīng)濟(jì)區(qū)。

在創(chuàng)新效率方面，四川省2014 年—2018 年全省的平均創(chuàng)新效率為0.62，且呈逐年遞增趨勢，詳見表6。表6 還顯示，各市州及經(jīng)濟(jì)區(qū)的創(chuàng)新效率存在顯著的差異。其中，成都的創(chuàng)新效率最高，5 年的均值超過了0.9。遂寧、自貢、瀘州的5 年平均創(chuàng)新效率超過0.8。德陽、樂山、眉山、南充、廣安、涼山州、阿壩州、甘孜州的創(chuàng)新效率逐年提升，其中德陽、眉山、廣安在2018 年的創(chuàng)新效率甚至突破了0.9。值得注意的是，綿陽歷年的創(chuàng)新效率值均不高，這與本模型所采用的產(chǎn)出指標(biāo)全部為公開創(chuàng)新成果指標(biāo)有關(guān)，據(jù)此計(jì)算得到的是反映區(qū)域公開創(chuàng)新的創(chuàng)新效率，而綿陽的創(chuàng)新投入大量應(yīng)用在非公開創(chuàng)新方面，因此公開創(chuàng)新的創(chuàng)新效率并不高。經(jīng)濟(jì)區(qū)創(chuàng)新效率方面，川南經(jīng)濟(jì)區(qū)的5 年創(chuàng)新效率均值超過了成都平原經(jīng)濟(jì)區(qū)，川東北經(jīng)濟(jì)區(qū)的創(chuàng)新效率與全省平均水平相當(dāng)，攀西和川西北生態(tài)經(jīng)濟(jì)區(qū)由于經(jīng)濟(jì)和發(fā)展定位等因素的影響，其創(chuàng)新效率低于全省平均水平。

表6 四川省各區(qū)域的創(chuàng)新效率值

在創(chuàng)新效率影響因素方面，根據(jù)表5 中δ1至δ5的正負(fù)符號(hào)可以判斷各影響因素與創(chuàng)新效率的相關(guān)性，當(dāng)δ值為負(fù)時(shí)，說明對(duì)應(yīng)的外部環(huán)境因素與創(chuàng)新效率是正相關(guān)關(guān)系，δ 值為正則為負(fù)相關(guān)關(guān)系。δ絕對(duì)值的大小反應(yīng)相關(guān)程度的高低，絕對(duì)值越大說明相關(guān)性越強(qiáng)。由于δ1至δ5在0.1 程度或更高程度上顯著，故對(duì)各外部環(huán)境變量與創(chuàng)新效率的相關(guān)性判斷是可靠的。本研究顯示，地區(qū)生產(chǎn)總值、常住人口數(shù)量和高校數(shù)量與創(chuàng)新效率之間均為正相關(guān)關(guān)系，說明經(jīng)濟(jì)更發(fā)達(dá)、人口更加聚集、高校更多的地區(qū)創(chuàng)新效率相對(duì)更高。本研究還顯示，公共財(cái)政支出與創(chuàng)新效率之間是負(fù)相關(guān)關(guān)系，這是因?yàn)楣藏?cái)政支出的增大必定會(huì)導(dǎo)致科學(xué)技術(shù)財(cái)政撥款的增加，即創(chuàng)新資本投入成本的提高，而創(chuàng)新投入產(chǎn)出不是一個(gè)完全效率的過程，因此創(chuàng)新效率會(huì)相對(duì)減小。此外，研究機(jī)構(gòu)數(shù)量與創(chuàng)新效率之間是負(fù)相關(guān)關(guān)系，研究機(jī)構(gòu)數(shù)量對(duì)創(chuàng)新效率的影響與高校數(shù)量對(duì)創(chuàng)新效率的影響相反，說明研究機(jī)構(gòu)數(shù)量對(duì)于四川省的科技創(chuàng)新已趨于飽和，增加研究機(jī)構(gòu)數(shù)量反而會(huì)因增加了冗余的創(chuàng)新投入而導(dǎo)致創(chuàng)新效率的降低，但四川省目前依然可以通過合理地新增高校來提升創(chuàng)新效率。

四、結(jié)論與建議

本文采用PP 和Translog-SFA 組合模型的方法對(duì)四川省2014 年—2018 年與創(chuàng)新相關(guān)的投入產(chǎn)出數(shù)據(jù)進(jìn)行了分析。首先，本文通過PP 成功對(duì)投入及產(chǎn)出變量分別進(jìn)行了降維處理，在減小相似變量間多重共線性的同時(shí)對(duì)變量進(jìn)行了整合、簡化，以方便后續(xù)隨機(jī)前沿模型的計(jì)算。其次，本文采用Translog-SFA 計(jì)算了不同年份四川省各市州和經(jīng)濟(jì)區(qū)的創(chuàng)新效率，研究了創(chuàng)新效率在時(shí)間與空間方面的差異及演化規(guī)律，并分析了影響創(chuàng)新效率的外部環(huán)境因素，包括地區(qū)生產(chǎn)總值、常住人口數(shù)量、公共財(cái)政支出、高校數(shù)量和研究機(jī)構(gòu)數(shù)量等。

研究表明，2014—2018 年，勞動(dòng)投入提升對(duì)四川省創(chuàng)新產(chǎn)出的促進(jìn)作用比資本投入的促進(jìn)作用更強(qiáng)且更顯著。從短期視角來看，不論是勞動(dòng)投入還是資本投入對(duì)于四川全省的科技創(chuàng)新產(chǎn)出都是正向促進(jìn)作用；但從長期視角來看，勞動(dòng)投入對(duì)于創(chuàng)新產(chǎn)出的影響并不顯著，過多的資本投入反而會(huì)使科技創(chuàng)新效率下降。勞動(dòng)投入和資本投入兩者的綜合作用會(huì)對(duì)創(chuàng)新產(chǎn)出帶來正面影響，但影響并不顯著。四川省五大經(jīng)濟(jì)區(qū)中，川南經(jīng)濟(jì)區(qū)的平均科技創(chuàng)新效率（0.74）最高，略高于成都平原經(jīng)濟(jì)區(qū)的0.71，攀西經(jīng)濟(jì)區(qū)和川西北生態(tài)經(jīng)濟(jì)區(qū)的平均創(chuàng)新效率較低。五大經(jīng)濟(jì)區(qū)內(nèi)部各市州的平均創(chuàng)新效率也存在不平衡，如綿陽、涼山州、宜賓的平均創(chuàng)新效率明顯低于各自所屬經(jīng)濟(jì)區(qū)中的其他城市，原因包括非公開創(chuàng)新、經(jīng)濟(jì)因素等方面。部分城市科技創(chuàng)新效率較高，如成都、遂寧、自貢和瀘州，其5 年平均創(chuàng)新效率均超過了0.8。多個(gè)市州科技創(chuàng)新效率呈現(xiàn)逐年遞增趨勢，德陽、眉山、廣安的創(chuàng)新效率甚至在2018 年超過了0.9。從全省角度來看，地區(qū)生產(chǎn)總值、常住人口數(shù)量和高校數(shù)量與創(chuàng)新效率呈現(xiàn)正相關(guān)關(guān)系，表明經(jīng)濟(jì)發(fā)達(dá)、常住人口多、高校聚集的地區(qū)科技創(chuàng)新效率更高，而地區(qū)公共財(cái)政支出總額、研究機(jī)構(gòu)數(shù)量與科技創(chuàng)新效率之間為負(fù)相關(guān)關(guān)系。

基于上述分析，本文對(duì)四川省的科技創(chuàng)新提出以下建議：

（1）重視人才引進(jìn)及人、財(cái)投入的協(xié)調(diào)。由于短期內(nèi)勞動(dòng)投入對(duì)創(chuàng)新產(chǎn)出的影響較資本投入對(duì)創(chuàng)新產(chǎn)出的影響更強(qiáng)且更顯著，四川省應(yīng)當(dāng)更加重視科技創(chuàng)新人才的引進(jìn)工作，以在短期內(nèi)取得更多的創(chuàng)新產(chǎn)出成果。然而從長期視角看，單獨(dú)的勞動(dòng)投入或資本投入都無法有效提升四川省的科技創(chuàng)新產(chǎn)出，但基于勞動(dòng)投入和資本投入之間的互補(bǔ)關(guān)系，通過提升兩者的綜合作用以促進(jìn)四川省科技創(chuàng)新產(chǎn)出是可行的。但本研究顯示，目前四川省的這種綜合作用的影響并不顯著，因此，未來應(yīng)就如何協(xié)調(diào)科技創(chuàng)新勞動(dòng)投入與資本投入之間的關(guān)系進(jìn)行深入研究，提出有效措施和具體路徑以提升兩者綜合作用的影響水平，進(jìn)而解決四川省科技創(chuàng)新效率提升的長期問題。

（2）優(yōu)化財(cái)政支出結(jié)構(gòu)，提高對(duì)科技創(chuàng)新的投入比例。基于公共財(cái)政水平對(duì)創(chuàng)新效率影響的分析表明，以現(xiàn)有的地方財(cái)政科技撥款額與公共財(cái)政支出的比例，盲目增加整體公共財(cái)政支出的投入會(huì)對(duì)創(chuàng)新效率造成負(fù)面影響。因此，應(yīng)當(dāng)優(yōu)化公共財(cái)政支出的結(jié)構(gòu)，如提高科技撥款在公共財(cái)政支出中的比例。同時(shí)，公共財(cái)政科技撥款的用途應(yīng)當(dāng)更具有針對(duì)性，充分發(fā)揮財(cái)政資金的“引智”作用，如通過對(duì)更多科技創(chuàng)新項(xiàng)目提供更多的資金支持，吸引省外科技創(chuàng)新人才入川，實(shí)現(xiàn)科研成果在四川的落地轉(zhuǎn)化；優(yōu)化財(cái)政資金資助對(duì)象的結(jié)構(gòu)，提高對(duì)高等院?？萍紕?chuàng)新力量的財(cái)政資助比例。

（3）因地制宜，通過多種途徑有針對(duì)性地減小市州間的科技創(chuàng)新效率差異。四川省部分市州的創(chuàng)新效率在其所屬的經(jīng)濟(jì)區(qū)中明顯落后于其他市州，產(chǎn)生這種現(xiàn)象的原因比較復(fù)雜，應(yīng)根據(jù)各市州自身情況采取相應(yīng)的措施。例如綿陽市，其創(chuàng)新投入顯著高于經(jīng)濟(jì)區(qū)內(nèi)其他城市，造成其創(chuàng)新效率較低的原因是其大量創(chuàng)新成果屬于非公開創(chuàng)新，因此通過公開創(chuàng)新成果測算的該市科技創(chuàng)新效率處于較低水平。為此，綿陽市應(yīng)高度重視在軍民融合尤其是軍轉(zhuǎn)民方面的廣闊發(fā)展空間，同時(shí)，政府可出臺(tái)相應(yīng)的政策措施來鼓勵(lì)合適的軍工技術(shù)民用化，進(jìn)一步提升該市的科技創(chuàng)新效率。而涼山州，其創(chuàng)新效率低下更多地和經(jīng)濟(jì)發(fā)展水平有關(guān)（本文的研究也顯示，地區(qū)生產(chǎn)總值與地區(qū)科技創(chuàng)新效率之間呈現(xiàn)正相關(guān)關(guān)系），因此對(duì)于涼山州而言，提升本地科技創(chuàng)新效率的首要方式是提升地區(qū)整體的經(jīng)濟(jì)實(shí)力。

（4）合理新增省內(nèi)高校并優(yōu)化高校布局。本研究發(fā)現(xiàn)，高校數(shù)量對(duì)于地區(qū)創(chuàng)新效率的提升起到了積極的正向作用。部分地區(qū)如宜賓，其創(chuàng)新效率較低并不是因?yàn)榉枪_創(chuàng)新或地區(qū)經(jīng)濟(jì)相對(duì)落后等原因，可以通過強(qiáng)化與優(yōu)化高校建設(shè)來嘗試提升區(qū)域的創(chuàng)新效率。由于目前國家和地方對(duì)于高校異地辦學(xué)持保守態(tài)度，這就要求高校在進(jìn)行地區(qū)布局時(shí)要更加謹(jǐn)慎。此外，新建高校的選址應(yīng)充分考慮國家和地方戰(zhàn)略對(duì)地區(qū)發(fā)展的定位、當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展的重點(diǎn)方向、區(qū)域及產(chǎn)業(yè)行業(yè)人才需求和高等教育保障能力等諸多方面。就宜賓而言，可以通過四川省優(yōu)質(zhì)高校的省內(nèi)異地辦學(xué)如宜賓大學(xué)城，來提升區(qū)域的科技創(chuàng)新效率。此外，四川省在發(fā)展高等教育時(shí)，要合理采用高校新建、分立和資源整合等方式，避免由于盲目設(shè)置高校、重復(fù)投入、同質(zhì)發(fā)展而出現(xiàn)布局冗余，最終對(duì)地區(qū)科技創(chuàng)新效率產(chǎn)生負(fù)面影響。

注釋：

①由于受數(shù)據(jù)庫的限制，創(chuàng)新投入和產(chǎn)出的指標(biāo)信息僅更新至2018 年，且2013 年之前的部分市州的指標(biāo)信息存在缺失，本研究嘗試從其他渠道獲取了部分?jǐn)?shù)據(jù)庫中缺失的數(shù)據(jù)，但仍無法完整地補(bǔ)全相關(guān)信息，也未能完整獲取2019 年和2020 年的全部指標(biāo)數(shù)據(jù)，故研究最后僅選取了2014—2018 年的相關(guān)數(shù)據(jù)。