巫 英,涂佳航
(1.上??萍颊哐芯克?,上海 201899;2.同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院,上海 200092)
區(qū)域創(chuàng)新系統(tǒng)是創(chuàng)新型國家建設(shè)的基礎(chǔ),是科技創(chuàng)新的基石,是經(jīng)濟(jì)發(fā)展的催化劑與助推器,對我國科技進(jìn)步和社會經(jīng)濟(jì)發(fā)展具有重要的促進(jìn)作用[1-3]。理論上,區(qū)域創(chuàng)新系統(tǒng)的運(yùn)行過程可以劃分為技術(shù)研發(fā)過程、成果產(chǎn)業(yè)化過程等多個階段,每個階段的效率受到創(chuàng)新投入、政策環(huán)境和區(qū)域產(chǎn)業(yè)基礎(chǔ)等多要素的非線性、綜合性影響,科學(xué)、高效地梳理出發(fā)展規(guī)律和影響機(jī)理是值得探討的問題。實(shí)踐中,長三角一體化戰(zhàn)略始終以科技創(chuàng)新一體化為發(fā)展重點(diǎn),持續(xù)推動科技創(chuàng)新共同體建設(shè),加快打造全球領(lǐng)先的世界級科創(chuàng)中心,長三角高質(zhì)量一體化創(chuàng)新格局初步形成[4],其中高科技園區(qū)起到舉足輕重的作用。近年來,部分理論研究發(fā)現(xiàn),地理位置[5]、區(qū)域產(chǎn)業(yè)基礎(chǔ)[6]、政府治理體系[7]等都是影響科技園區(qū)區(qū)域創(chuàng)新系統(tǒng)綜合效率的因素。全面了解和掌握科技園區(qū)各個階段的影響機(jī)理,有助于未來政府相關(guān)部門精準(zhǔn)施策,優(yōu)化政策措施,提升區(qū)域創(chuàng)新系統(tǒng)的運(yùn)行效率。
吳文杰和董正英(2015)[8]建立了從科技投入到技術(shù)成果轉(zhuǎn)讓效率的兩階段DEA 模型,基于2000—2013 年的數(shù)據(jù),對我國26 省市的總和創(chuàng)新能力進(jìn)行了排序與評價;傅春等(2021)[9]運(yùn)用DEA模型中的Super-SBM 模型,在考慮科技創(chuàng)新滯后效應(yīng)的前提下,對2009—2018 年中部地區(qū)6 省份的科技創(chuàng)新活動兩階段的效率分別進(jìn)行測度;王冰清和羅鄂湘(2021)[10]運(yùn)用DEA 方法對我國2009—2016年29 個省市的高技術(shù)產(chǎn)業(yè)兩階段創(chuàng)新效率進(jìn)行測算;陳羽潔等(2020)[11]基于2007—2018 年我國28個省份的面板數(shù)據(jù),采用共享投入DEA 模型測度創(chuàng)意產(chǎn)業(yè)的兩階段運(yùn)行效率;王延霖等(2020)[12]基于規(guī)模報酬可變條件的兩階段網(wǎng)絡(luò)DEA 模型,利用2014—2017 年資源型上市公司面板數(shù)據(jù)檢驗(yàn)高技術(shù)服務(wù)業(yè)與資源型產(chǎn)業(yè)融合對資源型企業(yè)兩階段效率的影響。
在上述研究的基礎(chǔ)上,本研究構(gòu)建了兩階段區(qū)域創(chuàng)新系統(tǒng)運(yùn)行效率評價模型,并基于上述研究對評價模型做了改進(jìn),如圖1 所示。本文構(gòu)建的區(qū)域創(chuàng)新系統(tǒng)模型描述的是從技術(shù)創(chuàng)新到科技成果產(chǎn)業(yè)化的全鏈條過程,更加強(qiáng)調(diào)對于整個創(chuàng)新鏈條過程中的創(chuàng)新效率測度,同時,更加強(qiáng)調(diào)創(chuàng)新投入產(chǎn)出過程最終產(chǎn)生的經(jīng)濟(jì)效益。一方面,在對區(qū)域創(chuàng)新系統(tǒng)運(yùn)行效率的測度中,勞動投入和資本投入是基本影響因素,兩者會直接影響創(chuàng)新產(chǎn)出,進(jìn)而間接影響經(jīng)濟(jì)產(chǎn)出,這一過程即為對區(qū)域創(chuàng)新系統(tǒng)中技術(shù)創(chuàng)新過程的刻畫。與此同時,勞動投入和資本投入也會直接影響經(jīng)濟(jì)產(chǎn)出。另一方面,在創(chuàng)新成果轉(zhuǎn)化階段,本研究主要關(guān)注的是創(chuàng)新成果產(chǎn)業(yè)化過程,即創(chuàng)新產(chǎn)出如何影響到經(jīng)濟(jì)產(chǎn)出。
圖1 理論框架
本研究基于已有文獻(xiàn)結(jié)合現(xiàn)實(shí)數(shù)據(jù)進(jìn)行變量設(shè)定:
(1)投入變量。在創(chuàng)新效率的指標(biāo)選取方面,過往關(guān)于區(qū)域創(chuàng)新系統(tǒng)及其子系統(tǒng)的研究通常使用資本(經(jīng)費(fèi))和勞動(人力)兩類要素作為投入變量。在二級指標(biāo)選取方面,考慮到本研究數(shù)據(jù)主要來源于長三角區(qū)域的高科技園區(qū),且多篇測度科技園區(qū)、產(chǎn)業(yè)園區(qū)兩階段效率的研究考慮到產(chǎn)業(yè)鏈前后關(guān)聯(lián)和技術(shù)外溢。例如嚴(yán)佳等(2020)[13]利用DEAMalmquist 指數(shù)和系統(tǒng)GMM 模型對中關(guān)村“一區(qū)十六園”創(chuàng)新效率進(jìn)行測度及其影響因素分析,并選取園區(qū)規(guī)模作為外部環(huán)境變量,鄭旭輝等(2020)[14]運(yùn)用共享投入關(guān)聯(lián)兩階段DEA 測量創(chuàng)新效率,并采用Meta-frontier 模型對比分析福建省7 個國家高新區(qū)與國內(nèi)9 個先進(jìn)高新區(qū),在投入指標(biāo)中額外增加了研發(fā)機(jī)構(gòu)數(shù)、企業(yè)數(shù)兩個指標(biāo)。因此本研究使用從業(yè)人員和高新技術(shù)企業(yè)的數(shù)量測度勞動投入,使用高新技術(shù)企業(yè)數(shù)量和實(shí)際用地面積測度資本投入。
(2)產(chǎn)出變量。在創(chuàng)新領(lǐng)域,專利是衡量創(chuàng)新產(chǎn)出的普遍性指標(biāo)。陳偉等(2010)[15]將技術(shù)合同成交額視為成果轉(zhuǎn)化領(lǐng)域重要的產(chǎn)出指標(biāo)。因此,本研究使用發(fā)明專利授權(quán)數(shù)量和技術(shù)合同成交額測度創(chuàng)新產(chǎn)出。在科技成果向經(jīng)濟(jì)轉(zhuǎn)化階段,陳志宗(2016)[16]認(rèn)為產(chǎn)出指標(biāo)的設(shè)定更側(cè)重于反映技術(shù)與經(jīng)濟(jì)的結(jié)合程度,因此使用營業(yè)收入測度經(jīng)濟(jì)產(chǎn)出。
本文選取長三角區(qū)域內(nèi)具有代表性的22 個科技園區(qū)(A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12、A13、A14、A15、A16、A17、A18、A19、A20、A21、A22)為研究對象,基于數(shù)據(jù)的可得性和科學(xué)性,選取22 個園區(qū)從2014—2019 年的創(chuàng)新投入、創(chuàng)新產(chǎn)出與經(jīng)濟(jì)產(chǎn)出等數(shù)據(jù)進(jìn)行實(shí)證分析和研究。
本研究選取的變量及其統(tǒng)計性質(zhì)如表1 所示。從業(yè)人員的平均值為9.84 萬人,標(biāo)準(zhǔn)差為0.77 萬人,表明各個園區(qū)從業(yè)人數(shù)波動較小;高新技術(shù)企業(yè)數(shù)量的平均值為186.49 家,標(biāo)準(zhǔn)差為17.919 家,表明各園區(qū)之間高新技術(shù)企業(yè)分布波動性較大;新增發(fā)明專利數(shù)量的標(biāo)準(zhǔn)差為68.92 件,營業(yè)收入標(biāo)準(zhǔn)差為195.38 億元,這兩個變量均體現(xiàn)出較大的波動性。這表明不同園區(qū)之間在創(chuàng)新產(chǎn)出和經(jīng)濟(jì)產(chǎn)出兩個方面差異巨大。各變量之間的相關(guān)系數(shù)矩陣如表2 所示,可知高新技術(shù)企業(yè)數(shù)量和從業(yè)人員、新增發(fā)明專利數(shù)量相關(guān)性較高,同時從業(yè)人員數(shù)量與新增發(fā)明專利數(shù)量相關(guān)性較高。
表1 變量描述性統(tǒng)計
表2 變量相關(guān)系數(shù)矩陣
綜上所述,本研究基于圖1 中的理論框架和現(xiàn)實(shí)數(shù)據(jù)建立兩階段區(qū)域創(chuàng)新系統(tǒng)結(jié)構(gòu)方程模型。
本研究使用結(jié)構(gòu)方程模型對圖1 所示的因果關(guān)系進(jìn)行回歸分析,回歸結(jié)果如表3 所示??傮w來說,大部分變量的正向影響在預(yù)計范圍內(nèi)。首先,從業(yè)人員對營業(yè)收入的正向影響最為明顯,其次,科技園區(qū)使用面積對營業(yè)收入的正向影響較為明顯。從業(yè)人員也對新增發(fā)明專利數(shù)量正向作用較為明顯,技術(shù)合同金額對營業(yè)收入影響較為一般,但高于高新企業(yè)數(shù)量對營業(yè)收入的正向影響。
表3 回歸結(jié)果
但也有部分關(guān)鍵變量為負(fù),降低了長三角區(qū)域創(chuàng)新系統(tǒng)的運(yùn)行效率,如科技園區(qū)使用面積對專利產(chǎn)出的作用不顯著,盡管作為創(chuàng)新產(chǎn)出的技術(shù)合同金額對營業(yè)收入產(chǎn)生正向作用,但新增發(fā)明專利對營業(yè)收入產(chǎn)生負(fù)向作用。由此可見,長三角區(qū)域基于技術(shù)驅(qū)動的經(jīng)濟(jì)增長模式整體的運(yùn)行效率較高,但技術(shù)對于經(jīng)濟(jì)發(fā)展的推動作用未能充分發(fā)揮出來,仍然存在進(jìn)一步提升空間。
為了更加直觀地展示區(qū)域創(chuàng)新系統(tǒng)的運(yùn)行效率,本研究根據(jù)圖1 所示的理論框架把彈性計算結(jié)果分成了兩個階段,其中,第一階段和第二階段分別包含了6 組和5 組彈性系數(shù),本研究分別按照園區(qū)將這兩個階段的彈性系數(shù)進(jìn)行加總,進(jìn)而可以得到反映每個階段運(yùn)行效率的指標(biāo),計算結(jié)果如表4所示。
表4 各園區(qū)第一階段和第二階段創(chuàng)新系統(tǒng)創(chuàng)新效率排名
對兩階段創(chuàng)新系統(tǒng)的創(chuàng)新效率計算結(jié)果進(jìn)行排序并分析,發(fā)現(xiàn)在第一階段(創(chuàng)新過程)中,A1、A2、A7、A14 和A9 排名較高,且頭部尾部園區(qū)相差接近50 倍;在第二階段(成果轉(zhuǎn)化過程),A1、A2 和A7依舊保持了高排名,同時在前一階段排名中等的A19后來居上,成果轉(zhuǎn)化效率排名第二,頭部尾部園區(qū)相差16 倍。這說明:(1)創(chuàng)新效率與成果轉(zhuǎn)化效率高度相關(guān),創(chuàng)新效率較高的園區(qū)往往意味著較高的成果轉(zhuǎn)化效率;(2)同時也存在“彎道超車”現(xiàn)象,創(chuàng)新效率不高的園區(qū)也可以通過其他途徑實(shí)現(xiàn)較高水平的成果轉(zhuǎn)化效率;(3)各園區(qū)的創(chuàng)新效率差距顯著高于成果轉(zhuǎn)化效率,且頭部園區(qū)和尾部園區(qū)效率差距大,區(qū)域創(chuàng)新系統(tǒng)呈現(xiàn)明顯的兩極分化現(xiàn)象。
A1 排名第一主要原因是園區(qū)內(nèi)多個主導(dǎo)產(chǎn)業(yè)的創(chuàng)新能力均較為突出。例如,A1 園區(qū)第一主導(dǎo)產(chǎn)業(yè)無論從頂層設(shè)計到研發(fā)基地建設(shè)均有卓越成效,目前已經(jīng)實(shí)現(xiàn)全球前10 家頭部企業(yè)中7 家區(qū)域總部和研發(fā)中心落戶,僅2019 年就引進(jìn)1 億元以上項(xiàng)目23 個;A1 園區(qū)第二主導(dǎo)產(chǎn)業(yè)在2020 年實(shí)現(xiàn)營收規(guī)模超過1 200 億元,已集聚產(chǎn)業(yè)鏈上近200 家國內(nèi)外頭部企業(yè),研發(fā)實(shí)力雄厚,同時園區(qū)充分發(fā)揮公共研發(fā)平臺作用,推動科技成果應(yīng)用與轉(zhuǎn)化。而在第一階段排名第二,在第二階段排名第三的A2 在電子信息、新材料等產(chǎn)業(yè)皆有著較為明顯的規(guī)模優(yōu)勢,并且擁有包括科技創(chuàng)業(yè)苗圃、大學(xué)生創(chuàng)業(yè)創(chuàng)新園、留學(xué)生創(chuàng)業(yè)園、孵化器、加速器在內(nèi)的接力式孵化鏈和全方位創(chuàng)新創(chuàng)業(yè)孵化體系。
相比A1、A2 兩個園區(qū),A19 在第一階段的優(yōu)勢并不明顯,但是A19 在第二階段排名升至第二。一方面可能是因?yàn)閳@區(qū)首先將產(chǎn)業(yè)化、商業(yè)化作為發(fā)展重點(diǎn),并由此集聚了一批主導(dǎo)產(chǎn)業(yè)內(nèi)的頭部企業(yè),引導(dǎo)各類產(chǎn)業(yè)內(nèi)創(chuàng)新要素不斷聚集,推動多項(xiàng)產(chǎn)業(yè)項(xiàng)目和產(chǎn)業(yè)線落地;另一方面可能是因?yàn)閳@區(qū)持續(xù)優(yōu)化區(qū)域創(chuàng)新環(huán)境,不僅制定了相應(yīng)評估和獎勵辦法,聚焦服務(wù)建設(shè)、品牌發(fā)展和雙創(chuàng)載體,推動園區(qū)服務(wù)能級提升,還搭建“產(chǎn)業(yè)+服務(wù)+交易”區(qū)域創(chuàng)新服務(wù)平臺,構(gòu)建科技大市場,提升科技成果轉(zhuǎn)化效率。
曾有相關(guān)研究對長三角各科技園區(qū)綜合實(shí)力進(jìn)行排名,A1 同樣位居第一,這表明本研究對長三角各科技園區(qū)創(chuàng)新效率的排名與過往研究在一定程度上是一致的。但是本研究結(jié)果與過往研究也存在部分差異。例如,A3 在過往研究排名中以較強(qiáng)的綜合實(shí)力位居第二,而在本研究的創(chuàng)新效率排名中,A3 的位置并不十分靠前。這表明A3 盡管綜合實(shí)力領(lǐng)先于其他科技園,但創(chuàng)新效率并不高。因此,在同樣的創(chuàng)新投入水平情況下,A3 的創(chuàng)新產(chǎn)出及其科技成果轉(zhuǎn)化水平可能低于其他科技園。由此可見,對于部分綜合實(shí)力排名靠前的科技園來說,其創(chuàng)新效率有較大的提升空間,如果通過提升技術(shù)水平不斷改進(jìn)科技園的創(chuàng)新效率,則可能進(jìn)一步提升科技園的創(chuàng)新效率。
通過對比綜合實(shí)力和創(chuàng)新效率排名榜單,本研究還發(fā)現(xiàn)部分科技園創(chuàng)新效率排名較為靠前,但在綜合實(shí)力排名靠后,例如A19。對于這些科技園來說,其技術(shù)創(chuàng)新方面的綜合潛力未能得到有效發(fā)揮,在這些科技園加大資金投入可能會帶來更多的新產(chǎn)品產(chǎn)出。造成上述結(jié)果的原因有兩個方面。一方面可能是由于長三角各科技園在技術(shù)資源稟賦方面存在先天性差距。例如,早在20 世紀(jì)90 年代成立的A1 經(jīng)過20 多年的開發(fā),目前已匯聚2 萬余家企業(yè),初步形成了以信息技術(shù)、生物醫(yī)藥等為重點(diǎn)的產(chǎn)業(yè)集群。另一方面也是由于長三角區(qū)域各科技園功能性產(chǎn)業(yè)融合程度不同,如生產(chǎn)性、生活性服務(wù)業(yè)與工業(yè)制造、產(chǎn)業(yè)創(chuàng)新融合性存在差異,從而在不同程度上激發(fā)出科技園創(chuàng)新潛力造成的。從上述角度考量,位于長三角重點(diǎn)城市核心區(qū)域的科技園區(qū)普遍優(yōu)于非重點(diǎn)城市郊區(qū)及地理位置相對偏遠(yuǎn)的科技園區(qū)。
本文建立了技術(shù)創(chuàng)新過程和科技成果轉(zhuǎn)移轉(zhuǎn)化過程的兩階段創(chuàng)新系統(tǒng)運(yùn)行效率模型,并基于該模型對長三角22 個高科技園區(qū)的創(chuàng)新效率進(jìn)行了計算和排名。實(shí)證結(jié)果顯示,長三角區(qū)域創(chuàng)新系統(tǒng)運(yùn)行效率較好,各類投入對創(chuàng)新產(chǎn)出產(chǎn)生了較好的正向作用,但也有部分變量不顯著乃至呈現(xiàn)負(fù)向作用,例如部分園區(qū),尤其是郊區(qū)科技園存在創(chuàng)新投入對創(chuàng)新產(chǎn)出的帶動作用有限、創(chuàng)新產(chǎn)出對區(qū)域經(jīng)濟(jì)貢獻(xiàn)度不高、科技園區(qū)面積對創(chuàng)新產(chǎn)出作用不顯著等問題,本質(zhì)上是部分高科技園區(qū)可能存在資源錯配的現(xiàn)象。
基于上述結(jié)論,本文提出以下政策建議:
第一,積極推進(jìn)創(chuàng)新政策體系改革,通過要素市場化豐富創(chuàng)新生態(tài)要素,推進(jìn)各類創(chuàng)新要素和生產(chǎn)要素自由流動。加大吸引更多高質(zhì)量投資機(jī)構(gòu)、金融服務(wù)機(jī)構(gòu)、大企業(yè)平臺、科研院所、大學(xué)、第三方專業(yè)化服務(wù)機(jī)構(gòu)、媒體資源等要素融入,完善服務(wù)生態(tài)。鼓勵科技園區(qū)加強(qiáng)與專業(yè)化機(jī)構(gòu)的合作,加強(qiáng)與研發(fā)設(shè)計、科技中介、科技金融、成果交易等公共服務(wù)平臺深度合作,為入駐團(tuán)隊(duì)及初創(chuàng)企業(yè)提供專業(yè)化服務(wù),培育特色服務(wù)內(nèi)容。深入分析創(chuàng)新體系運(yùn)行的體制機(jī)制障礙,挖掘限制長三角區(qū)域創(chuàng)新系統(tǒng)運(yùn)行效率提升的關(guān)鍵制度性因素。
第二,強(qiáng)化政府創(chuàng)新投入職能,以市場為導(dǎo)向,發(fā)揮政府財政投融資的引導(dǎo)作用。借助市場力量,進(jìn)一步吸引區(qū)域外部資金和技術(shù)流入,為當(dāng)前區(qū)域創(chuàng)新系統(tǒng)的良性運(yùn)行提供支持。政府部門加大引導(dǎo)和支持科技園區(qū)建立重點(diǎn)產(chǎn)業(yè)方向領(lǐng)域內(nèi)的專業(yè)化服務(wù)平臺。
第三,樹立企業(yè)在長三角區(qū)域創(chuàng)新系統(tǒng)中的創(chuàng)新主體地位。以企業(yè)實(shí)際技術(shù)需求為科技創(chuàng)新努力的方向,不斷激發(fā)企業(yè)、高校和科研院所開展科技創(chuàng)新的積極性,真正實(shí)現(xiàn)創(chuàng)新與經(jīng)濟(jì)和產(chǎn)業(yè)發(fā)展、與市場需求的緊密結(jié)合。
第四,培育支持創(chuàng)新的制度環(huán)境。有效保護(hù)知識產(chǎn)權(quán),支持和鼓勵各機(jī)構(gòu)之間開展知識產(chǎn)權(quán)轉(zhuǎn)讓活動,為勇于創(chuàng)新的科技人員和企業(yè)管理人員提供可靠的制度保障和政策激勵。
第五,加強(qiáng)長三角聯(lián)動發(fā)展。探索形成長三角科技園區(qū)聯(lián)盟協(xié)會,通過活動組織、相互考察、座談交流、網(wǎng)絡(luò)年會等方式,搭建平臺、整合資源、共享信息,將聯(lián)盟內(nèi)所有成員的資源、信息向長三角所有會員開放,推動科技園區(qū)與長三角各類科技園區(qū)的溝通交流、深度合作。