科技投入超效率測度的偏DEA分析與資本驅(qū)動的區(qū)域協(xié)調(diào)

郭 露，戴志敏

(1. 江西財經(jīng)大學(xué) 統(tǒng)計學(xué)院，江西 南昌 330013；2.南昌大學(xué) 經(jīng)濟(jì)管理學(xué)院，江西 南昌 330025)

1 問題提出

從科技大國走向科技強(qiáng)國，科技競爭力成為驅(qū)動經(jīng)濟(jì)發(fā)展的核心能力。從長期看，科技服務(wù)業(yè)具備典型的生產(chǎn)性服務(wù)業(yè)特征[1]。2014年《國務(wù)院關(guān)于加快科技服務(wù)業(yè)發(fā)展的若干意見》(國發(fā)〔2014〕49號文)指出：“總體上，我國科技服務(wù)業(yè)仍處于發(fā)展初期，存在市場主體發(fā)育不健全、服務(wù)機(jī)構(gòu)專業(yè)化程度不高…等問題”，并提出“健全市場機(jī)制、強(qiáng)化基礎(chǔ)支撐、加大財稅支持、拓寬資金渠道”等措施。這些綱領(lǐng)性文件從科技服務(wù)業(yè)主體、發(fā)展所需的制度環(huán)境和資源約束等方面都提出明確要求，同時，也是科技服務(wù)業(yè)服務(wù)社會經(jīng)濟(jì)發(fā)展的重要制度指引。伴隨國家科技軟實(shí)力重要性的提升，科技活動將直接面向終端消費(fèi)者，使得科技活動日益成為獨(dú)立并可客觀衡量的效率來源[2]。僅僅關(guān)注科技活動的數(shù)量效益已無法滿足資源使用主體的利益訴求，更難以應(yīng)對技術(shù)大發(fā)展背景下促進(jìn)區(qū)域協(xié)同發(fā)展、縮小城鄉(xiāng)差異的國家宏觀調(diào)控目標(biāo)[3]。當(dāng)前，針對科技服務(wù)效率的研究多停留在簡單的投入產(chǎn)出分析、趨勢分析或定性分析上。這不僅無助于解決科技服務(wù)業(yè)發(fā)展過程中的問題，也無法為資源分配提供更科學(xué)的指導(dǎo)和政策觀點(diǎn)，特別是在我國區(qū)域發(fā)展存在落差的現(xiàn)實(shí)情況下，開展以效率為核心的研究更需謹(jǐn)慎和充分。

2 文獻(xiàn)綜述與評價

國外關(guān)于科技活動效率的研究起步較早，鑒于投入產(chǎn)出效應(yīng)、資源獲取能力、使用方式方法不同，不同學(xué)者針對科技活動效率的研究主要通過其在不同國民生產(chǎn)部門中的應(yīng)用價值予以體現(xiàn)。如在關(guān)于科技投入產(chǎn)出關(guān)系的研究中[4]，Griliches[5]認(rèn)為研發(fā)資本與人力資本投入創(chuàng)造了科研成果，并通過創(chuàng)建知識生產(chǎn)函數(shù)分解價值系數(shù)；Lichtenberg等[6]的研究證實(shí)了Griliches的說法，其研究結(jié)果顯示，各國生產(chǎn)力差異很多是由科學(xué)家、工程師人數(shù)及R&D支出不同造成的；Guellec[7]在對16個國家的面板數(shù)據(jù)進(jìn)行分析后指出，R&D 投入每增加 1%，生產(chǎn)率就增長 0.44%，公共研發(fā)投入每增加 1%，生產(chǎn)率就增長 0.17%，且在高等院校數(shù)量較多的國家，其生產(chǎn)率提升作用更顯著。還有學(xué)者從不同資本主體角度分析科技投入方式，如Demirel[8]認(rèn)為，企業(yè)R&D投入可以通過增加專利數(shù)提升企業(yè)經(jīng)濟(jì)效益和創(chuàng)新力；Winter[9]以政府為投入主體的研究發(fā)現(xiàn)，公共財政通過刺激科技創(chuàng)新力促進(jìn)區(qū)域創(chuàng)新發(fā)展；Mario Coccia & Rolfo[10]則認(rèn)為，公共財政的促進(jìn)作用是因?yàn)檎С鍪沟霉部蒲袉挝坏幕A(chǔ)研究與應(yīng)用研究呈現(xiàn)出極強(qiáng)外部性；Dominique&Bruno[11]認(rèn)為，政府科技投入也會對企業(yè)R&D投入產(chǎn)生一定影響。在R&D投入的作用時效上，Hall利用泊松模型估算R&D投入與專利數(shù)關(guān)系時發(fā)現(xiàn)，R&D對專利申請有滯后作用并呈“U”型分布；Lev等[12]在對高研發(fā)密度企業(yè)的實(shí)證分析中也指出，R&D投入與下一年的企業(yè)收入密切相關(guān)且有明顯的滯后效應(yīng)；Inonu[13]以人均GDP和學(xué)術(shù)出版物數(shù)量作為替代變量，分析經(jīng)濟(jì)發(fā)展水平對科研產(chǎn)出的影響；Rousseau等[14]通過構(gòu)建評價指標(biāo)體系，以GDP、科研人員與科研經(jīng)費(fèi)為投入變量、學(xué)術(shù)出版物與專利作為產(chǎn)出，對不同國家科研效率進(jìn)行評估。

國內(nèi)的科技活動效率研究主要從影響因素和效率評價兩方面展開。如池仁勇等[15]認(rèn)為，規(guī)模不經(jīng)濟(jì)和成本能力低下是造成R&D活動非效率的主要原因；李偉紅等[16]利用DEA模型對中國研發(fā)投入效率進(jìn)行實(shí)證分析發(fā)現(xiàn)，技術(shù)衰退是導(dǎo)致中國研發(fā)投入效率降低的主要原因；李慧娟等[17]認(rèn)為，較高的教育投入水平和經(jīng)濟(jì)開放度可以為城市科技效率提供良好的發(fā)展環(huán)境；朱慧等[18]則指出，科技資源效率最大化有賴于企業(yè)主體的結(jié)構(gòu)性與流通性，環(huán)境因素作用不顯著；岳書敬等[19]在研究科技企業(yè)對外交流時發(fā)現(xiàn)，對外貿(mào)易及外商投資對研發(fā)效率有明顯溢出作用，人力資本提升和市場競爭均可強(qiáng)化這種溢出效應(yīng)；史欣向[20]則認(rèn)為，除經(jīng)費(fèi)投入外，企業(yè)間信任與市場規(guī)范也可以形成強(qiáng)大的社會資本，對企業(yè)研發(fā)產(chǎn)出產(chǎn)生顯著正向作用；衛(wèi)平等[21]對我國戰(zhàn)略性新興產(chǎn)業(yè)的實(shí)證研究結(jié)果顯示，企業(yè)實(shí)力強(qiáng)大會極大地促進(jìn)科技成果轉(zhuǎn)化，但盲目投入研發(fā)經(jīng)費(fèi)會造成資源浪費(fèi)，反而降低科技成果轉(zhuǎn)化效率；范秋芳等[22]認(rèn)為，只有提供充分的知識產(chǎn)權(quán)制度保障，才能最大化提升科技創(chuàng)新效率；夏業(yè)良等[23]采用2002-2006年中國工業(yè)企業(yè)數(shù)據(jù)，利用隨機(jī)前沿分析方法(SFA)系統(tǒng)考察外商直接投資(FDI)對中國工業(yè)企業(yè)技術(shù)效率的影響，認(rèn)為外國資本存在直接溢出效應(yīng)，但不存在間接溢出效應(yīng)，港、澳、臺資本既不存在直接溢出效應(yīng)也不存在間接溢出效應(yīng)?？萍夹侍嵘揽孔陨碣Y金和外資外，也離不開政府支持。付空[24]利用DEA模型對政府科技支出效率進(jìn)行實(shí)證分析，發(fā)現(xiàn)政府缺乏統(tǒng)一、有效的科技支出管理制度會極大弱化科技支出的經(jīng)濟(jì)效益；韓鳳芹等[25]應(yīng)用中國各地區(qū)的政府投入面板數(shù)據(jù)，對政府投入效率進(jìn)行測度和影響因素分析，研究結(jié)果表明，不同地區(qū)科技投入效率的差距逐漸縮小且呈階梯式分布，其中，東部地區(qū)高于中西部地區(qū)，且自2009年以來技術(shù)效率的正向貢獻(xiàn)逐步被技術(shù)進(jìn)步率的負(fù)向影響所抵消。

在效率測度方面，有研究者利用DEA模型對2008年不同行業(yè)轉(zhuǎn)制科研機(jī)構(gòu)的科研效率進(jìn)行分析，發(fā)現(xiàn)大多數(shù)行業(yè)的綜合效率偏低(雷彥斌，李徽，歐國立，2010)；還有學(xué)者通過計算非DEA有效產(chǎn)出不足和投入冗余量，探析中國高校科研投入效率(孫世敏，項(xiàng)華錄，蘭博，2007)；李盡法[26]在評價全國各省市財政科技效率的基礎(chǔ)上指出，技術(shù)進(jìn)步是導(dǎo)致財政科技效率變化的重要原因；為了解決DEA單一模型效率的穩(wěn)定性問題，俞立平等[27]將TOPSIS模型與非徑向DEA模型相結(jié)合，測度中國不同地區(qū)科技效率的組合效率，發(fā)現(xiàn)科技效率存在區(qū)域不平衡現(xiàn)象，呈現(xiàn)為東、中、西依次降低；劉繪珍[28]采用三階段DEA評價方法對河南省科技效率進(jìn)行分析，結(jié)果顯示，規(guī)模不經(jīng)濟(jì)造成河南整體上技術(shù)無效；顏偉[29]以煤炭行業(yè)上市公司為研究對象，通過建立鏈?zhǔn)紻EA模型，將科技創(chuàng)新進(jìn)一步劃分為科技研發(fā)與成果轉(zhuǎn)化兩個子過程，并進(jìn)行效率評價，研究發(fā)現(xiàn)，科技研發(fā)效率拉低了科技整體效率；雎黨臣、董玉迪[30]利用DEA-Malmquist指數(shù)對中國新絲綢之路經(jīng)濟(jì)帶的科技效率進(jìn)行測度，發(fā)現(xiàn)經(jīng)濟(jì)帶的科技效率整體有提升，但科技管理水平不高，限制了全要素生產(chǎn)率指數(shù)增長；余泳澤[31]運(yùn)用空間面板計量方法研究創(chuàng)新要素集聚、政府支持與科技創(chuàng)新效率的關(guān)系，實(shí)證研究結(jié)果表明，我國科技創(chuàng)新效率具有顯著的空間相關(guān)性，其中，創(chuàng)新要素集聚對科研機(jī)構(gòu)創(chuàng)新效率具有負(fù)向影響，對高校的影響不顯著，對企業(yè)的影響為正向，政府支持對科研機(jī)構(gòu)與高校創(chuàng)新效率的影響具有不確定性，而對于企業(yè)具有負(fù)向影響。

綜上，在目前關(guān)于科技效率測度的研究中，大多數(shù)學(xué)者選擇以當(dāng)期科技投入和產(chǎn)出作為當(dāng)期科技效率的輸入與輸出，而現(xiàn)實(shí)生產(chǎn)中科技要素投入往往具有一定滯后性，但在效率測度時這種滯后效應(yīng)往往被忽略。同時，在評價科技效率時，研究對象的資本來源較籠統(tǒng)或者單一，并未就不同資本對科技效率的同時段影響進(jìn)行比較研究，在分析科技效率影響因素時也忽略了空間差異，導(dǎo)致對科技效率空間關(guān)聯(lián)溢出效應(yīng)分析不足。因此，本文嘗試從以上3個方面對中國科技投入效率演變及資本作用效應(yīng)進(jìn)行實(shí)證分析。

3 研究方法與步驟

3.1 偏DEA視窗分析法

minθ=C?Vid

其中，Vd為輸入輸出矩陣。該模型若存在最優(yōu)解θ趨近于1，則意味著約束條件中(1)和(2)存在空間意義上的平行關(guān)聯(lián)，即DEA有效；如果θ<1，則DEA無效。但該模型忽略了生產(chǎn)過程中要素的時間效應(yīng)。在實(shí)際生產(chǎn)過程中，當(dāng)期投入要素多存在滯后效應(yīng)并作用于后期的生產(chǎn)效率，同時，也會透支后期生產(chǎn)效益、增加當(dāng)期效率。

其中，資源投入和效率產(chǎn)出都實(shí)現(xiàn)了視窗意義上的動態(tài)調(diào)整，同時，衡量效率值的θjt因約束條件(6)實(shí)際突破了θ<1的束縛，因而除考慮效率約束條件的動態(tài)變化外，還從原有效率線性前沿角度進(jìn)行了時間單元上的點(diǎn)線連接。

3.2 指標(biāo)選擇與數(shù)據(jù)解釋

效率測度指標(biāo)通常涉及投入和產(chǎn)出兩個方面?？萍挤?wù)業(yè)作為知識密集型產(chǎn)業(yè)，是依托科學(xué)技術(shù)和其它專業(yè)知識，將技術(shù)開發(fā)并轉(zhuǎn)化為生產(chǎn)力的第三產(chǎn)業(yè)。知識與科技作為科技服務(wù)業(yè)的關(guān)鍵投入，具有顯著標(biāo)志性意義[35]。本文分別采用研究與實(shí)驗(yàn)發(fā)展(R&D)經(jīng)費(fèi)、研究與實(shí)驗(yàn)發(fā)展(R&D)人員表示科技服務(wù)業(yè)的資本投入和勞動力投入，知識創(chuàng)造或產(chǎn)出多依托于所在區(qū)域科研機(jī)構(gòu)，因此科研機(jī)構(gòu)數(shù)也是科技服務(wù)業(yè)的一個重要投入指標(biāo)；在產(chǎn)出方面，本文參考有關(guān)學(xué)者做法，從科研直接成果和科研成果轉(zhuǎn)化兩方面測度[30]。根據(jù)指標(biāo)數(shù)據(jù)的可得性及科學(xué)性原則，本文利用國外三大期刊檢索數(shù)和專利授權(quán)數(shù)作為科技服務(wù)業(yè)直接產(chǎn)出指標(biāo)，將新產(chǎn)品營業(yè)收入、技術(shù)合同額作為科技服務(wù)業(yè)科研成果轉(zhuǎn)化的間接產(chǎn)出指標(biāo)[36]。

考慮到數(shù)據(jù)可獲得性，本文選取2010-2019年中國內(nèi)地30個省、市、區(qū)(西藏自治區(qū)因數(shù)據(jù)缺失嚴(yán)重，未予以考慮)科技服務(wù)業(yè)數(shù)據(jù)為研究對象，展開分析。數(shù)據(jù)主要來源于《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》及各省市國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報。

4 實(shí)證過程與分析

本文按通行做法，將中國內(nèi)地劃分為華北、東北、華東、中南、西南、西北6個區(qū)域。具體為：①華北地區(qū)(北京、天津、河北、山西和內(nèi)蒙古)；②東北地區(qū)(黑龍江、吉林和遼寧)；③華東地區(qū)(上海、山東、江蘇、浙江、江西、安徽和福建)；④中南地區(qū)(湖北、湖南、河南、廣東、廣西和海南)；⑤西南地區(qū)(四川、貴州、云南和重慶)；⑥西北地區(qū)(陜西、甘肅、寧夏、新疆和青海)。

利用視窗分析法思維，將同地區(qū)同年份科技活動數(shù)據(jù)放入不同窗口進(jìn)行比較，應(yīng)用MyDEA4.0軟件，得出超效率DEA模型下不同時間段效率值的比較結(jié)果。通過不同時間段的多次比較，可以避免將科技服務(wù)業(yè)作為生產(chǎn)性服務(wù)業(yè)而引發(fā)的時間滯后影響，并可從區(qū)域差異、效率變動趨勢等角度充分反映我國科技服務(wù)業(yè)效率水平。考慮到分省數(shù)據(jù)結(jié)果較多，將30個省(市)劃分為六大區(qū)域進(jìn)行考察。

4.1 六大區(qū)域DEA視窗效率分析

在利用超效率DEA視窗法進(jìn)行測度過程中，視窗寬度w的確定方法為：w=(t+1)/2±1/2。其中，t為總時間長度，視窗寬度w取5，可分為6個視窗。視窗1：w1(2010-2014)；視窗2：w2(2011-2015)；視窗3：w3(2012-2016)；視窗4：w4(2013-2017)；視窗5：w5(2014-2018)；視窗6：w6(2015-2019)。各視窗下的測度結(jié)果如表1所示。

表1 六大區(qū)域科技投入效率視窗分析結(jié)果Tab.1 Window analysis results of science and technology investment efficiency in six regions

由表1可以看出：

(1)華北地區(qū)。從橫向分析，在w1視窗下，科技投入效率整體呈現(xiàn)出V型螺旋式上升趨勢； 在w2視窗下的5年間，科技投入效率出現(xiàn)上下波動；w3視窗與w1視窗情況類似，起始點(diǎn)效率值較高，在經(jīng)歷2個下降點(diǎn)后出現(xiàn)反彈，呈W型螺旋式上升；w4和w5兩個視窗的科技投入效率均是在穩(wěn)步提升中出現(xiàn)1個下降點(diǎn)；w6視窗下的科技投入效率值一直處于上升態(tài)勢。即10年間華北地區(qū)的科技投入效率呈現(xiàn)出早期波動上升、后期趨緩的整體上升態(tài)勢。從縱向分析，同地區(qū)在相同年份、不同視窗下的效率值不同，這是由于不同視窗下相同年份的效率參考值不同，如2014年的效率值在視窗w1中為0.711，在w2中下降為0.682，說明2011-2015年的科技投入效率相對2010—2014年整體有緩慢提升。2014年6個視窗下的效率值呈上下波動并最終趨于下降，2014年之前各視窗下的科技投入效率呈上升態(tài)勢，2014年后出現(xiàn)下降態(tài)勢，再次印證了華北地區(qū)總體上并不具備完全效率，但是呈現(xiàn)出先螺旋式上升后下降再緩慢上升的趨勢。

(2)東北地區(qū)。從橫向分析，前5個視窗中的科技投入效率值在0.76～0.91之間出現(xiàn)大幅波動，3個視窗期的末效率值低于初效率值，2個視窗期的末效率值高于初效率值，視窗w6中除2016年有下降外，其它時期呈現(xiàn)出加速上升狀態(tài)，且最后效率值為1.002，說明科技投入表現(xiàn)出較高效率。從縱向分析，考察期前期相同年份、不同視窗下的效率值逐步上升，中期呈波動狀態(tài)，后期則下降明顯，說明10年間東北地區(qū)的科技投入效率初始呈大幅波動，后期隨著科技產(chǎn)業(yè)逐步完善，科技投入效率逐步穩(wěn)定提升，2019年科技投入已具備完全效率的發(fā)展態(tài)勢，呈現(xiàn)出螺旋式上升的高效率值。

(3)華東地區(qū)。從橫向分析，前5個視窗中的科技投入效率值在0.71～0.91之間小幅波動，w1至w6視窗期的末效率值均高于初效率值。該地區(qū)在2014年前不同視窗下的效率值均有明顯下降， 2014年后絕大多數(shù)視窗下的效率值有顯著上升，總體呈現(xiàn)先下降、后上升的往復(fù)發(fā)展態(tài)勢，說明該地區(qū)科技投入效率在考察期間顯著受到多種因素的作用，特別是隨著國際科技活動逐步內(nèi)移以及國內(nèi)科技活動逐漸轉(zhuǎn)向內(nèi)陸地區(qū)，導(dǎo)致科技服務(wù)投入效率處于脆弱的不平衡發(fā)展態(tài)勢中。

(4)中南地區(qū)。從橫向分析，前5個視窗中的科技投入效率值在0.61～0.82之間小幅波動，其中，4個視窗期的末效率值高于初效率值，2個視窗期的末效率值低于初效率值。整個地區(qū)效率值在2014年以前的不同視窗下均有顯著上升， 2014年以后除極少數(shù)年份的效率值在不同視窗下有下降外，大多數(shù)視窗下的效率值均保持顯著上升，總體呈現(xiàn)為“下降—上升”的類L型發(fā)展趨勢，說明該地區(qū)科技投入效率值在考察期內(nèi)從早期的不平衡逐步過渡到2015年后穩(wěn)定發(fā)展。

(5)西南地區(qū)與西北地區(qū)。從橫向分析，兩大區(qū)域各視窗中的科技投入效率值分別在0.65～0.85和0.59～0.81間小幅波動，除西北地區(qū)的w2和w3視窗外，其它視窗期的末效率值均高于初效率值。兩地區(qū)效率值在2014年前的不同視窗下均有顯著上升(西南地區(qū))或下降(西北地區(qū))， 2014年后在不同視窗下均呈顯著上升。其中，西南地區(qū)效率值總體呈現(xiàn) “下降—上升—下降—上升”的W型發(fā)展態(tài)勢，西北地區(qū)總體呈現(xiàn) “上升—下降—上升—下降—上升”的之字型發(fā)展態(tài)勢，說明考察期間兩地區(qū)科技投入效率變化呈穩(wěn)定向好態(tài)勢，其中，西北地區(qū)提升的穩(wěn)定性稍弱。

從全國情況看，各區(qū)域科技投入效率值在2016年前波動較大， 2016年后趨于穩(wěn)定提升。其中，西北地區(qū)2016年后的科技投入效率值變化幅度最大；東北及西南地區(qū)的科技投入效率值基本具備完全效率；中南地區(qū)雖然在2019年的效率值低于1，但自2012年始科技投入效率上升勢頭強(qiáng)勁，說明潛力較大；華北和中南地區(qū)在2014年后的效率值有提升，但提升幅度不大，2019年效率值仍小于1，尚不具備完全效率。相比而言，東北地區(qū)科技投入效率較高，西南地區(qū)效率最低，西北地區(qū)效率上升趨勢明顯，其它3個地區(qū)的效率變化幅度不大，但整體都呈上升態(tài)勢。此外，多數(shù)區(qū)域的效率同化趨勢開始顯現(xiàn)。

4.2 區(qū)域各省(市)視窗效率分析

運(yùn)用超效率測度的DEA視窗法分析，得到考察期各省(市)科技投入效率視窗分析數(shù)據(jù)，如表2所示。

可以發(fā)現(xiàn)：

(1)華北地區(qū)。北京市科技投入效率值在2014年前呈上升態(tài)勢，此后呈下降趨勢，但科技效率值始終大于1；天津市科技投入效率值存在2010-2014年與2015-2019年相對獨(dú)立的兩個下降區(qū)間；河北省呈波動變化態(tài)勢，后期效率值低于前期效率值；山西省和內(nèi)蒙古自治區(qū)的科技效率值也處于波動狀態(tài)，但后期效率值大于前期效率值，整體數(shù)值仍偏低。

(2)東北地區(qū)。遼寧省2012年前的科技投入效率值稍有增長，此后不斷下降，均值為0.680，整體效率不高；吉林省科技效率值在0.9～1之間窄幅波動，整體接近于1；黑龍江省除2016年后稍有下降外，此前一直處于效率上升態(tài)勢。

(3)華東地區(qū)。上海市科技投入效率值在2014年以前大于1，具有完全效率，此后一直下降，整體效率均值小于1，極差和標(biāo)準(zhǔn)差相對較大；江蘇省科技投入效率值一直處于提升狀態(tài)，2017年后雖有下降，但幅度較小；浙江省科技投入效率值一直處于高位增長態(tài)勢，已具備完全效率；安徽省科技投入效率值一直在0.7上下波動，波幅較小，標(biāo)準(zhǔn)差為0.009，穩(wěn)定在效率偏低水平；福建省科技投入效率值呈下降態(tài)勢；江西省科技投入效率值逐年上升，效率均值為0.484，仍處于效率低水平狀態(tài)；山東省科技效率值呈波動變化，整體偏低，均值為0.489。

(4)中南地區(qū)。河南省科技投入效率值逐步提升，漲幅較大，但整體效率仍處于偏低水平；湖北省科技投入效率值一直處于下降態(tài)勢，下降幅度較大，整體效率變化大；湖南與湖北類似，一直處于下降態(tài)勢但幅度較?。粡V東省科技投入效率值除在第二視窗下為0.982外，其余均大于1，整體效率較高；廣西壯族自治區(qū)科技投入效率值整體偏低，2014年以前呈波動變化，此后逐年上升；海南省科技投入效率均值為0.606，處于偏低水平且波動較大， 2015年后效率均值有所降低。

(5)西南地區(qū)。重慶市科技投入效率呈螺旋式上升態(tài)勢，整體效率值在高位運(yùn)行；四川省科技投入效率不斷提升，2017年后稍有下降，但是仍處于較高水平；貴州省和云南省效率值呈螺旋式上升，科技投入效率均值為0.673和0.623，處于偏低狀態(tài)。

(6)西北地區(qū)。陜西省科技投入效率值自2013年后有下降，此前一直處于上升態(tài)勢并接近1；甘肅省科技效率值一直在0.96～1之間波動，整體均值為0.977；青海省科技投入效率值在0.6～0.8之間波動，整體效率偏低；寧夏回族自治區(qū)科技投入效率值呈下降態(tài)勢，整體效率值較低；新疆維吾爾自治區(qū)科技投入效率均值為0.572，與1有較大差距，屬V型變化趨勢，且2019年比2010年略有下降。

表2 2010-2019年各省(市)科技投入效率視窗數(shù)據(jù)分析結(jié)果Tab.2 Window data analysis results of science and technology investment efficiency of all provinces (cities) from 2010 to 2019

5 資本投入對科技服務(wù)效率作用的面板模型分析

多數(shù)國家都通過對基礎(chǔ)研究、應(yīng)用研究的直接投入以及對企業(yè)產(chǎn)品研發(fā)的間接投入，為科技活動提供支持。同時，在開放條件下外國資本流入往往也伴隨國外先進(jìn)技術(shù)與生產(chǎn)設(shè)備的引進(jìn)，這也是重要的資本來源。由于資本來源及利用效率不同，因此有必要分析不同資本來源對科技活動投入效率的影響。

5.1 指標(biāo)與面板數(shù)據(jù)模型選擇

本文以研究與實(shí)驗(yàn)發(fā)展(R&D)內(nèi)部經(jīng)費(fèi)中的政府資金、企業(yè)資本、外來資本作為3種資本的替代變量，相關(guān)指標(biāo)及作用解釋如下：①政府資金(GVF)：科技投入是政府履行公共職能的重要手段。洪銀興[37]認(rèn)為，在科技服務(wù)業(yè)初級發(fā)展階段無疑以政府財政資金投入為主；程華等[38]構(gòu)建了R&D投入產(chǎn)出計量模型，并利用五大高技術(shù)產(chǎn)業(yè)面板數(shù)據(jù)，就科技活動外部資本(包括政府資本和金融機(jī)構(gòu)融資)對研發(fā)產(chǎn)出的影響進(jìn)行實(shí)證分析，得出政府資本對企業(yè)研發(fā)效應(yīng)具有典型促進(jìn)作用；②企業(yè)資本(EPF)：郭研等[39]在考察中關(guān)村92家企業(yè)后發(fā)現(xiàn)，企業(yè)研發(fā)投入對高科技企業(yè)績效有重大影響；李平等[40]結(jié)合資本投入產(chǎn)出彈性分析得出，提高自主創(chuàng)新效率主要依靠企業(yè)研發(fā)投入；③外來資本(FRF)：榮巖[41]利用修正的經(jīng)濟(jì)增長分析框架，同時考察FDI對經(jīng)濟(jì)增長的直接資本效應(yīng)和間接溢出效應(yīng)，對中國1983-2007年數(shù)據(jù)進(jìn)行實(shí)證分析，探究GDP與其它多個經(jīng)濟(jì)變量之間的長期和短期均衡關(guān)系，并且對FDI的兩種效應(yīng)進(jìn)行比較分析，發(fā)現(xiàn)FDI的資本效應(yīng)顯著，而溢出效應(yīng)比較弱。

在開放經(jīng)濟(jì)環(huán)境下，各地區(qū)科技活動交流頻繁，本地區(qū)科技能力提升也會帶動相鄰地區(qū)科技活動效率提升及相關(guān)科技產(chǎn)業(yè)發(fā)展，所以存在一定的空間聯(lián)動性。因此，實(shí)證研究中有必要考慮空間因素的影響。常用的空間計量模型有空間滯后模型、空間誤差模型和空間杜賓模型。由于空間杜賓模型是對前兩種模型的融合，能同時考察空間滯后和誤差兩種因素，因此應(yīng)用較廣泛。在本階段實(shí)證研究中，通過構(gòu)建空間杜賓模型研究3種資本對科技投入效率的影響[42]。空間杜賓模型基本形式如下：

Y=ρWY+Xβ+γWX+εit

式中，Y為因變量，X為自變量，W為空間權(quán)重矩陣，ρ為空間滯后系數(shù)，β表示自變量對因變量的直接影響效應(yīng)，γ表示自變量對因變量的空間溢出效應(yīng)。

5.2 模型實(shí)證分析

本文中因變量為各地區(qū)六大視窗下科技服務(wù)業(yè)的平均效率值，自變量為三大資本項(xiàng)，即GVF、EPF和FRF?？臻g權(quán)重W采用地理鄰接權(quán)重法，即結(jié)合變量在地理空間上的相鄰情況設(shè)置空間權(quán)重，其中，地理相鄰賦值為1，否則為0。具體形式如下所示：

lnYit=ρWlnYit+β1lnGVFit+β2lnEPFit+β3lnFRFit+γ1WlnGVFit+γ2WlnEPFit+γ3WlnFRFit+εit

結(jié)合不同模型特點(diǎn)，選用時間和空間雙固定模型，具體見表3。

從表3回歸結(jié)果看出，R2為0.866 4，較接近于1；似然比檢驗(yàn)值較大，除外來資本及其滯后項(xiàng)對科技投入效率影響不顯著外，政府資本及其滯后項(xiàng)均對科技投入效率產(chǎn)生顯著影響，說明模型擬合效果較好；科技投入效率的空間滯后項(xiàng)系數(shù)為-0.1421，且通過了5%的顯著性水平檢驗(yàn)，說明中國科技投入效率的確存在空間溢出效應(yīng)。為了克服空間杜賓模型回歸系數(shù)不能完全反映自變量影響因變量的弊端，進(jìn)一步將3個資本項(xiàng)對科技投入效率的空間溢出效應(yīng)分為直接效應(yīng)和間接效應(yīng)，并計算總效應(yīng)，結(jié)果見表4。

表3 雙固定模型回歸結(jié)果Tab.3 Regression results of double fixed model

直接效應(yīng)反映自變量對本地區(qū)因變量的直接影響，間接效應(yīng)為自變量對本地區(qū)相鄰區(qū)域因變量的影響，即空間溢出效應(yīng)。表4顯示，政府資金、企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)向效應(yīng)，同時，對相鄰地區(qū)產(chǎn)生顯著正向空間溢出效應(yīng)，且這種正向溢出效應(yīng)大于對本地區(qū)科技投入效率的負(fù)向影響效應(yīng)，使得政府資金與企業(yè)資金對科技投入效率的總效應(yīng)為正。這說明，整體來看， 2010-2019年我國政府與企業(yè)對本地區(qū)的科技投入過于盲目，資源配置不合理，資金投入效率出現(xiàn)明顯冗余，導(dǎo)致我國科技投入效率值下降，但科技投入產(chǎn)出總量增加，這種總量提升主要源自雙邊或多邊貿(mào)易往來帶動周邊地區(qū)科技服務(wù)業(yè)發(fā)展，使周邊科技服務(wù)業(yè)的科技投入效率得到極大提升，而外來資本對科技投入效率的影響不顯著。

進(jìn)一步，分別構(gòu)建六大區(qū)域三大資本來源的自變量與因變量空間杜賓模型，并將科技投入效率的空間溢出總效應(yīng)分為直接效應(yīng)和間接效應(yīng)，具體計算結(jié)果見表5。

表4 我國科技投入效率的直接效應(yīng)、間接效應(yīng)與總效應(yīng)Tab.4 Direct effect, indirect effect and total effect of science and technology investment efficiency in China

從表5可以看出：華北地區(qū)、中南地區(qū)和西南地區(qū)的政府資金與企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)向影響效應(yīng)，但對相鄰地區(qū)產(chǎn)生較顯著的正向空間溢出效應(yīng)，且這種正向溢出效應(yīng)一般大于對本地區(qū)科技投入效率產(chǎn)生的負(fù)向影響效應(yīng)，同時，政府資金和企業(yè)資金對科技投入效率產(chǎn)生的總效應(yīng)為正。這說明2010-2019年3個地區(qū)的政府和企業(yè)對本地科技服務(wù)業(yè)的資本投入接近飽和，資源配置不太合理，資金投入已出現(xiàn)明顯冗余。

東北地區(qū)的政府資金和企業(yè)資金均對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)向影響效應(yīng)，但對相鄰地區(qū)科技投入效率造成的正向空間溢出效應(yīng)不同，其中，政府資金對科技投入效率產(chǎn)生正向總效應(yīng)，企業(yè)資金對科技投入效率產(chǎn)生負(fù)向總效應(yīng)，說明東北地區(qū)的政府資本投入接近飽和，而企業(yè)資金投入還有較大空間；華東地區(qū)的政府資金和企業(yè)資金對本地區(qū)的科技投入效率產(chǎn)生顯著負(fù)向影響效應(yīng)，對相鄰地區(qū)產(chǎn)生顯著正向空間溢出效應(yīng)，其中，政府資金對科技投入效率產(chǎn)生顯著正向總效應(yīng)，企業(yè)資金對科技投入效率產(chǎn)生顯著負(fù)向總效應(yīng)，說明華東地區(qū)的政府資本投入接近飽和，企業(yè)因轉(zhuǎn)型存在巨大資金投入空間；西北地區(qū)的政府資金和企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)向影響效應(yīng)，對相鄰地區(qū)產(chǎn)生顯著正向空間溢出效應(yīng)，其中，政府資金對科技投入效率產(chǎn)生顯著正向總效應(yīng)，企業(yè)資金也對科技投入效率產(chǎn)生正向總效應(yīng)，說明西北地區(qū)的政府資本投入接近飽和，企業(yè)資金投入還有很大空間。

表5 六大區(qū)域科技投入效率的直接效應(yīng)、間接效應(yīng)與總效應(yīng)Tab.5 Direct effect, indirect effect and total effect of science and technology investment efficiency in six regions

6 結(jié)論與建議

本文通過對中國科技活動投入效率進(jìn)行DEA視窗法下的超效率分析，應(yīng)用2010-2019年全國內(nèi)地和省級時間序列與面板數(shù)據(jù)得到六大區(qū)域科技活動投入效率值，同時，針對影響科技投入效率的資本效應(yīng)進(jìn)行直接效應(yīng)、間接效應(yīng)和總效應(yīng)分析，最后對科技投入效率轉(zhuǎn)移與空間集聚的省域關(guān)聯(lián)性進(jìn)行Moran′s I指數(shù)分析，得到研究結(jié)論如下：

(1)中國科技投入效率在超效率DEA視窗法分析下整體呈現(xiàn) “初始快速上升—上升趨勢減緩—近年明顯下降”的發(fā)展態(tài)勢。其中，東北地區(qū)總體效率已趨于飽和，資本投資冗余特征顯著；華北地區(qū)總體效率偏低，高效率省(市)的帶動能力顯著；華東和中南地區(qū)的總體效率呈螺旋式上升態(tài)勢，區(qū)域內(nèi)省(市)組團(tuán)差異明顯；西北地區(qū)與西南地區(qū)總體效率偏高，但省(市)分化落差明顯。同時，六大區(qū)域科技投入效率趨同性增強(qiáng)，區(qū)域間差距明顯。

(2)考慮不同資本投入對科技投入效率的區(qū)域影響后發(fā)現(xiàn)，華北地區(qū)、中南地區(qū)以及西南地區(qū)的政府資金與企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)向影響效應(yīng)，且有顯著的正向溢出效應(yīng)，政府資金和企業(yè)資金對科技投入效率產(chǎn)生正向總效應(yīng)；東北地區(qū)政府資金和企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)效應(yīng)，但對相鄰地區(qū)的正向空間溢出效應(yīng)不同，說明東北地區(qū)政府資本投入接近飽和，而企業(yè)資金投入還有較大空間；華東地區(qū)的政府資金和企業(yè)資金對本地區(qū)科技投入效率均產(chǎn)生顯著負(fù)效應(yīng)，同時，對相鄰地區(qū)產(chǎn)生正向空間溢出效應(yīng)，說明華東地區(qū)的政府資本投入接近飽和，企業(yè)因轉(zhuǎn)型存在較大資金投入空間；西北地區(qū)的政府資金和企業(yè)資金對本地區(qū)科技投入效率產(chǎn)生顯著負(fù)效應(yīng)，并對相鄰地區(qū)產(chǎn)生顯著的正向空間溢出效應(yīng)，對科技投入效率產(chǎn)生較顯著的正向總效應(yīng)。

(3)從科技投入效率轉(zhuǎn)移與空間集聚效應(yīng)的關(guān)聯(lián)性看，考察期間30個省(市)科技投入效率轉(zhuǎn)移與空間集聚的空間關(guān)聯(lián)度逐漸增強(qiáng)，省際間的空間關(guān)聯(lián)度相似，且絕大多數(shù)省(市)的科技投入效率還處于資本追逐的利益獲取階段，空間溢出效應(yīng)不太明顯，未進(jìn)入資本驅(qū)動的價值發(fā)現(xiàn)階段。具體表現(xiàn)為：上海市處于穩(wěn)定的“高集聚—高轉(zhuǎn)移”空間關(guān)聯(lián)狀態(tài)；廣東省處于穩(wěn)定的“高集聚—低轉(zhuǎn)移”空間關(guān)聯(lián)狀態(tài)；重慶市從“高集聚—高轉(zhuǎn)移”的空間關(guān)聯(lián)狀態(tài)過渡到無關(guān)聯(lián)；北京市則未表現(xiàn)出明顯的空間關(guān)聯(lián)。

針對以上基本結(jié)論，本文提出建議如下：

第一，近年我國科技活動投入效率明顯下降，這不僅是因?yàn)榻?jīng)濟(jì)下行帶來的以政府資金為代表的資金投入緊張，更源于長期經(jīng)濟(jì)發(fā)展結(jié)構(gòu)不合理帶來的邊際效應(yīng)遞減，是對科技資源投入 “撒胡椒面”式科技工作慣性的懲罰，同時，也是對現(xiàn)有科技資源使用類型和結(jié)構(gòu)進(jìn)行調(diào)整的重要時間段。因此，各級科技活動主管部門和資金使用單位要集中有限資源，投向更具基礎(chǔ)性且具有重要突破內(nèi)涵的科技項(xiàng)目，在認(rèn)清科技發(fā)展現(xiàn)狀的基礎(chǔ)上，集合長期科技規(guī)劃目標(biāo)制定細(xì)致的資源使用步驟。具體到六大區(qū)域來看，要放緩對東北地區(qū)“輸血型”的科技資源投入政策，提升其現(xiàn)有科技資源內(nèi)在“造血”能力；加大華北地區(qū)科技活動協(xié)同，提高北京、天津等地區(qū)對周邊省域的科技服務(wù)水平；華東地區(qū)和中南地區(qū)的組團(tuán)式發(fā)展要做好科技活動互補(bǔ)工作，提升科技集聚區(qū)域的“多中心”效能；西北地區(qū)和西南地區(qū)通過促進(jìn)科技服務(wù)業(yè)“強(qiáng)本固基”，力爭在現(xiàn)有規(guī)模上更快、更好、更省地實(shí)現(xiàn)科技服務(wù)高效率。

第二，各區(qū)域要深刻認(rèn)識政府投入、企業(yè)投入和社會投入影響的異質(zhì)性。目前多數(shù)區(qū)域的政府資金投入對本地區(qū)科技服務(wù)效率產(chǎn)生顯著負(fù)效應(yīng)，同時，對周邊區(qū)域的溢出效應(yīng)也不同，因此政府資金的投入與使用要注意“量和質(zhì)”的問題；一些地區(qū)的企業(yè)資金還有很大投入空間，如何更好地引導(dǎo)企業(yè)資金投向科研活動是一個重要問題；外來資金對本地區(qū)科技服務(wù)效率基本無顯著影響，說明傳統(tǒng)的招商活動有較大弊端，應(yīng)盡快從制度上大力優(yōu)化，同時，拋棄那種“兩頭在外”的“不為我所有，只為我所用”的經(jīng)濟(jì)利益導(dǎo)向思維，盡快培育本土具有自主科技能力的企業(yè)群和產(chǎn)業(yè)集群。

第三，從總量上看，仍然要加大各種科技資源投入，切實(shí)履行好服務(wù)型政府職能。科技投入效率的提升不會以人的意志為轉(zhuǎn)移，各省(市)要清楚認(rèn)識到科技發(fā)展的主流趨勢，以追蹤科技前沿的決心布局科技資源分配；要加大與群眾生活密切相關(guān)的各類科技投入，促進(jìn)一批新的、具有時代科技感的技術(shù)項(xiàng)目“落地”。如上海、廣東等科技活動效率轉(zhuǎn)移與空間集聚關(guān)聯(lián)度表現(xiàn)較好的地區(qū)要發(fā)揮輻射作用，通過輸出各種科技資源，積極打造與周邊區(qū)域的科技生態(tài)共同體，共促經(jīng)濟(jì)社會良性發(fā)展。