中國科技資源配置效率的時空特征及動態(tài)演進

楊曉娟，李興緒

（1.云南財經(jīng)大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，云南 昆明 650221；2.海南經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，海南 ?？?571127）

一、引言

隨著中國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型的深入推進，科技創(chuàng)新已成為中國經(jīng)濟高質(zhì)量發(fā)展的重要驅(qū)動力。2021 年3 月6 日，《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要》 指出，科技創(chuàng)新在中國現(xiàn)代化建設(shè)中處于核心地位，并基于這一指導(dǎo)理念打出組建國家實驗室、拓展科研管理“綠色通道”、適度超前布局國家重大科技基礎(chǔ)設(shè)施等一套“組合拳”。對于科技創(chuàng)新而言，優(yōu)化科技資源配置、提高科技資源配置效率是關(guān)鍵環(huán)節(jié)[1]。然而，中國在長期發(fā)展過程中形成的“東強西弱”經(jīng)濟發(fā)展格局，致使科技資源在空間分布上并不均衡，制約國家科技創(chuàng)新戰(zhàn)略的深入實施[2]。此背景下，如何優(yōu)化區(qū)域間科技資源配置結(jié)構(gòu)、提高科技資源配置效率成為中國實現(xiàn)科技創(chuàng)新的關(guān)鍵。

針對中國科技資源配置效率的研究，學(xué)術(shù)界主要集中于效率測度、效率影響機制以及區(qū)域差異等方面[3-11]，較少關(guān)注全國科技資源配置效率的演進特征并預(yù)測其長期演進趨勢。為拓寬對中國科技資源配置效率的研究廣度，文章以中國31 個省份為研究對象，在測度中國科技資源配置效率水平的基礎(chǔ)上，刻畫其時空動態(tài)分布特征。在深入剖析科技資源配置效率轉(zhuǎn)移過程后，進一步預(yù)測2022 年與2025 年中國科技資源配置效率等級分布狀況。文章可能的創(chuàng)新貢獻在于：第一，在充分考慮指標松弛性問題的基礎(chǔ)上，運用超效率SBM模型測度中國科技資源配置效率值。第二，對中國三大區(qū)域科技資源配置效率的水平進行對比分析，全面考察全國范圍內(nèi)科技資源配置效率的時空演變特征。第三，《關(guān)于構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系的指導(dǎo)意見》 指出要在2022 年建成綠色技術(shù)創(chuàng)新體系，而《關(guān)于推進國家技術(shù)創(chuàng)新中心建設(shè)的總體方案（暫行）》 則強調(diào)，要在2025 年建設(shè)若干國家技術(shù)創(chuàng)新中心。基于以上時間節(jié)點，嘗試揭示2022 年與2025 年中國科技資源配置效率的等級演進情況，為未來科技創(chuàng)新發(fā)展提供理論依據(jù)。

二、研究設(shè)計

1. 研究方法

（1） 超效率SBM 模型

數(shù)據(jù)包絡(luò)分析法(DEA)主要用于評價多投入、多產(chǎn)出決策單元(DMU)之間相對有效性的一種非參數(shù)方法。DEA 可以在輸入或輸出變量方面等比例調(diào)整無效DMU，但一定程度忽略了對DMU 松弛部分的改進[12]。Tone 為彌補這一缺陷，提出非徑向SBM 模型[13]。該模型在目標函數(shù)中納入松弛變量，有效解決DEA 忽略松弛變量及非期望產(chǎn)出等問題，同時也有效避免評價結(jié)果的偏差[14]。然而，SBM模型在運用過程中會出現(xiàn)多個DMU有效分析，影響對有效DMU 的評價。為消除這一影響，學(xué)者們進一步構(gòu)建超效率SBM模型[15]。該模型在運行過程中會剔除被評價的DMU，使DMU 效率值大于1，以便進一步區(qū)分有效DMU。故文章以超效率SBM模型測算中國科技資源配置效率。

在超效率SBM 模型中，假定有m個被評價決策單元，記作DMUj(j=1，2，…，m)，每個DMU 中都包含n個投入與a種產(chǎn)出，第q個DMU 會包含xiq(i=1，2，…，n)個投入與yrq(r=1，2，…，a)種產(chǎn)出。超效率SBM模型如下：

在構(gòu)建的模型中，η 代表效率值，當η≥1，表明被評價的決策單元有效；γ 代表權(quán)重向量；分別表示剩余變量與松弛變量。

（2） Kernel 密度估計法

文章將以連續(xù)的密度函數(shù)曲線描述中國科技資源配置效率的分布動態(tài)演進，進而直觀展示出科技資源配置效率演進過程中的分布位置、形態(tài)以及延展性。作為求解隨機變量概率密度函數(shù)的非參數(shù)方法，Kernel 密度估計具有模型依賴性弱、結(jié)果穩(wěn)健性強等特征[16]?；跍y度樣本分布的整體形態(tài)，Kernel 密度估計能夠反映樣本分布的動態(tài)演變特征，其原理是通過計算某一周圍點的個數(shù)，對數(shù)據(jù)x1，x2，…，xn進行測度，Kernel 密度估計的表達式為：

其中，中國科技資源配置效率水平的密度函數(shù)以f(x)進行表示，n表征省份個數(shù)，h表征帶寬，K(·)表征函數(shù)Kernel，需滿足對稱性，且∫K(x)dx=1。

（3） 馬爾科夫鏈

文章參考韓增林等(2019)[17]的研究方法，以馬爾科夫鏈方法研究中國科技資源配置效率的動態(tài)演進過程。首先以馬爾科夫轉(zhuǎn)移矩陣方式將科技資源配置效率水平指數(shù)劃分為K 種等級類型，進而計算特定時間下某一區(qū)域的科技資源配置效率向高水平或低水平轉(zhuǎn)移的概率，用以刻畫科技資源配置效率的動態(tài)演進趨勢。詳細而言，在初始年份，各等級類型狀態(tài)用La表示，變換為Lb需要通過c步，且這一概率記作Pab，則：Pab=nab/na。其中，nab表示La向Lb轉(zhuǎn)換的頻數(shù)，na表示處于La的總頻數(shù)。

綜上，馬爾科夫狀態(tài)轉(zhuǎn)移概率矩陣為：

當某一事件的初始狀態(tài)為π(0)時，可以通過遞推公式求出該事件在經(jīng)過d次轉(zhuǎn)移后處于其他可能狀態(tài)的概率，記作π(d)，以此預(yù)測這一事件在第d時刻的狀態(tài)概率。

2. 指標體系構(gòu)建

考慮到指標數(shù)據(jù)可得性，基于多維度、多層次原則構(gòu)建科技資源配置效率的評價指標體系，具體如表1 所示。其中，結(jié)合羅珊與孫熹寰(2021)[18]、夏清華和樂毅(2020)[19]等學(xué)者研究結(jié)果，選取R＆D 人員全時當量、研究與開發(fā)機構(gòu)R＆D 人員、R＆D 經(jīng)費支出占GDP 比重、國際互聯(lián)網(wǎng)用戶數(shù)以及郵電業(yè)務(wù)總量作為投入指標，分別反映科技資源配置中的人力資源投入、財力資源投入與信息資源投入。選取國內(nèi)專利申請受理量、研究與開發(fā)機構(gòu)發(fā)表科技論文數(shù)、技術(shù)市場成交額以及高新技術(shù)產(chǎn)業(yè)新產(chǎn)品銷售收入作為產(chǎn)出指標，分別反映科技資源配置中的科技成果產(chǎn)出與科技成果轉(zhuǎn)化。其中，投入指標共有5 個，產(chǎn)出指標共有4 個，決策單元（省份） 為31 個，且決策單元數(shù)量高于投入產(chǎn)出指標總數(shù)的三倍，符合效率測算規(guī)則。

表1 中國科技資源配置效率評價指標體系

3. 數(shù)據(jù)來源

基于數(shù)據(jù)一致性與可得性考慮，文章選取2011—2020 年中國除港澳臺地區(qū)外31 個省份的科技資源配置效率面板數(shù)據(jù)作為研究樣本。所有樣本指標數(shù)據(jù)均源自歷年《中國統(tǒng)計年鑒》 《中國科技統(tǒng)計年鑒》 《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》以及國家統(tǒng)計局官網(wǎng)。同時，參照《中國統(tǒng)計年鑒》將中國31 個省份劃分為東部地區(qū)、中部地區(qū)、西部地區(qū)三大區(qū)域。利用SPSS 軟件，對采集的數(shù)據(jù)進行預(yù)處理。此外，通過相鄰年份估算法對個別缺失值進行補充，而對于涉及到的數(shù)值型貨幣指標數(shù)據(jù)，學(xué)者們大多使用永續(xù)盤存法進行計算（葉云等，2020；郭晗等，2019）[20，21]。同時，考慮到折舊率等問題，文章將以2010 年作為基期，利用相應(yīng)價格對數(shù)值型貨幣指標進行平減處理，以降低價格波動對實證結(jié)果的影響。

三、實證分析

1. 科技資源配置效率分析

根模型(1)~(2)，以Maxdea3.2 軟件進行測算，得到各省科技資源配置效率值（見表2），并進一步刻畫出全國及東、中、西部三大地區(qū)科技資源配置效率變化狀況（見圖1）?？梢缘贸觯?/p>

圖1 2011—2020 年全國及三大地區(qū)科技資源配置效率值變化圖

表2 2011—2020 年31 個省份科技資源配置效率值

整體來看，2011—2020 年，全國科技資源配置效率均值為0.674，總體配置效率水平較低。其中北京、河北年均效率值分別為0.962、0.961，位居全國前兩位；寧夏與青海年均效率值為0.140、0.128，位于全國后兩位。就2020 年而言，31 個DMU 中僅有3 個效率值達到1，占比為9.67%，證明現(xiàn)階段中國科技資源配置效率仍有較大的提升空間?？赡艿脑蛟谟?，現(xiàn)階段中國科技資源配置渠道較為封閉，傳統(tǒng)的科技資源配置通常以發(fā)揮局部科技優(yōu)勢為主，重點在于整合區(qū)域或部門內(nèi)部科技資源。在此模式下，科技投入大多來源于政府財政或企業(yè)研發(fā)費用，而科研項目大多由高校、研發(fā)機構(gòu)組織研發(fā)。然而，這種配置模式僅能保障區(qū)域內(nèi)部科技的研發(fā)與創(chuàng)新，無法在更大范圍內(nèi)進行科技資源的整合與配置。

從省域?qū)用鎭砜?，不同省份之間科技資源配置效率具有較為明顯的差異。以2020 年為例，科技資源配置效率排名前五的省份如北京、河北、廣東、上海、遼寧主要集中于東部地區(qū)；中部地區(qū)僅有湖南排名較前，位于第六；西部地區(qū)僅四川排名相對較高，位于第九。究其原因，這些省份大多為高投入、高產(chǎn)出地區(qū)，擁有較為完善的高新技術(shù)產(chǎn)業(yè)體系與穩(wěn)定的技術(shù)市場，在科技成果轉(zhuǎn)化以及科技創(chuàng)新等各方面的體制機制都較為成熟。而其余省份則存在科技成果轉(zhuǎn)化率低、高新技術(shù)產(chǎn)業(yè)體系尚未形成、資源配置欠公平等問題，致使當?shù)乜萍假Y源配置效率水平偏低。

東、中、西部地區(qū)旅游效率均值分別為0.809、0.731、0.481，分列第一、第二和第三位。從變化趨勢來看，三大地區(qū)科技資源配置效率變化趨勢與全國基本保持一致，地區(qū)間差異并未表現(xiàn)出明顯縮小趨勢。進一步分析發(fā)現(xiàn)，東部地區(qū)內(nèi)部差異較大，排名前五的省份均值都在0.9 以上，其中，北京科技資源配置效率最高，為0.962；海南科技資源配置效率值排名最后，為0.358，可見區(qū)域內(nèi)各省份的科技資源配置效率存在明顯差距。究其原因，北京、深圳等經(jīng)濟發(fā)展較好地區(qū)積極開展優(yōu)化科技基礎(chǔ)設(shè)施建設(shè)，完善創(chuàng)新成果轉(zhuǎn)化機制，提升科技資源配置效率，而海南等地區(qū)科技創(chuàng)新力量則較為薄弱，導(dǎo)致東部地區(qū)內(nèi)部差異較為顯著。中部地區(qū)內(nèi)部差異較小，但變化不穩(wěn)定，一直處于波動變化中，且總體平均效率從2011 年的0.679 增長到2020 年的0.808，在三大區(qū)域中變化最小，說明中部地區(qū)科技資源配置長期維持低效增長態(tài)勢。西部地區(qū)變化不大，總體平均效率從2011 年的0.368 增長到2020 年的0.567，表明西部科技資源配置效率有一定的改觀?？赡艿脑蛟谟?，西部大開發(fā)戰(zhàn)略帶動大量科技資源向西部地區(qū)流動，促使西部各省科技資源配置效率穩(wěn)步上升。

2. 中國科技資源配置效率時空動態(tài)分布

（1） 中國科技資源配置效率時間動態(tài)分布

為更直觀地分析中國科技資源配置效率的時間演化趨勢與空間分布特征，基于上述2011—2020 年科技資源配置效率值的測算結(jié)果，運用Kernel 密度估計法對中國科技資源配置效率的整體動態(tài)演變特征進行分析。首先通過Eviews8 軟件估計科技資源配置效率的Kernel 值。其次選取代表性年份2011 年、2014 年、2017 年、2020 年的相關(guān)數(shù)據(jù)繪制Kernel 密度曲線（見圖2）。最終通過對不同時期曲線進行比較分析，總結(jié)出中國科技資源配置效率時間動態(tài)變化特征。

圖2 2011—2020 年中國科技資源配置效率Kernel 密度分布

就曲線位置而言，圖中4 個年份的密度函數(shù)中心位置出現(xiàn)了較為明顯的右移，這表明中國科技資源配置效率水平呈逐年提升態(tài)勢。就變化幅度而言，圖中4 個年份的曲線形狀大致相同，變動不顯著，但在整體上跨度較大，這表明中國各省份之間科技發(fā)展水平差距較大。就峰值而言，2011—2020 年間Kernel 密度曲線峰值呈現(xiàn)明顯升高態(tài)勢，表明中國科技資源配置效率的絕對差距正在逐步縮小。相較于2011 年，2014 年的Kernel 密度函數(shù)中心雖然出現(xiàn)右移，但最高峰值有所下降，說明此時中國科技資源配置效率雖然有所提高，但省域間差異仍保持擴大態(tài)勢。就峰寬而言，2014 年主峰寬度較2011 年出現(xiàn)顯著拓寬的變化趨勢，這意味著該時段內(nèi)全國范圍內(nèi)科技資源配置效率較高省份平均水平差距有所拉大。相較于前3 個年份，2020 年的Kernel 密度曲線寬度顯著收窄，且峰頂密度為歷年最高，這表示區(qū)域內(nèi)部的科技資源配置效率水平差異逐漸縮小，集中度有所提高。就峰的數(shù)量而言，2011 年、2014 年、2017 年與2020 年，中國科技資源配置效率核密度分布均為單峰，說明國內(nèi)科技資源配置效率發(fā)展相對協(xié)調(diào)，未出現(xiàn)多極化發(fā)展趨勢。

（2） 中國科技資源配置效率空間動態(tài)分布

在明晰中國科技資源配置效率的時間動態(tài)分布狀況下，進一步利用AreGIS10.5 軟件分析中國科技資源配置效率水平的空間分布（圖略）。采用自然斷裂法將2011—2020 年中國科技資源配置效率水平劃分為高水平、較高水平、中等水平、較低水平以及低水平五個等級進行空間分析，最終總結(jié)出地理空間上的特征規(guī)律（見表3）。整體而言，中國科技資源配置效率差異顯著，未表現(xiàn)出明顯的集聚趨勢。2011 年高水平科技資源配置效率分布單位較為分散，包括上海、北京、吉林、山東、江蘇、湖北、四川等11 個省份，約占樣本總量的35.4%；較高水平科技資源配置效率的地區(qū)個數(shù)較少，僅有安徽與重慶兩個；中等水平科技資源配置效率的分布單位多集中在浙江、黑龍江、天津、江西、福建、河南、甘肅、陜西8 個省份，占樣本總量的25.8%；較低水平科技資源配置效率的分布單位多集中于貴州、新疆、山西、云南等8 個省份，約占樣本總量的25.8%；低水平科技資源配置效率的分布單位僅有青海與寧夏2個省份。2014 年高水平科技資源配置效率的分布單位總數(shù)未出現(xiàn)變化，其中吉林與湖北出現(xiàn)下降，天津、陜西實現(xiàn)從中等水平到高水平的躍遷。故高水平科技資源配置效率省份仍為11個；較高水平科技資源配置效率較2011 年增加2 個，其中湖北由高水平降至較高水平，河南則由中等水平上升至較高水平；吉林科技資源配置效率由高水平降至中等水平，山西、云南、貴州、廣西等則由較低水平上升為中等水平，故中等水平科技資源配置效率的省份共有10 個，約占樣本總量的32.3%；較低水平科技資源配置效率省份較2011 年減少5 個，僅剩內(nèi)蒙古、新疆與海南3 個省份；由于西藏由較低水平降至低水平，故低水平科技資源配置效率省份最終為3 個。2017 年高水平科技資源配置效率省份達到14 個，約占樣本總量的45.1%；較高水平省份在總量上相較于2014 年增加2 個；中等水平科技資源配置效率省份顯著減少，剩余5 個，其中，天津由高水平回落至中等水平；較低水平與低水平科技資源配置效率省份相較于2014 年并無變化。2020 年高等水平省份數(shù)量并未出現(xiàn)變化，但黑龍江與吉林表現(xiàn)出下降趨勢，河南、重慶有所上升；較高水平科技資源配置效率省份最終為7 個，其中，云南與貴州為新增省份；中等水平科技資源配置效率省份相較于2017 年減少1 個；較低水平與低水平科技資源配置效率省份仍未發(fā)生變化。

總體來說，樣本期內(nèi)高水平科技資源配置效率省份所占比重整體表現(xiàn)出上升趨勢，高水平區(qū)域數(shù)量分別為11 個、11 個、14 個、14 個，高水平省份數(shù)量始終最多，且集中于東部地區(qū)；較高水平科技資源配置效率省份數(shù)量同樣表現(xiàn)出持續(xù)上升態(tài)勢，分別為2 個、4 個、6 個、7 個；中等水平科技資源配置效率省份數(shù)量出現(xiàn)大幅降低，分別為8 個、10 個、5 個、4 個，較高水平與中等水平的省份大多集中于中部地區(qū)；較低與低水平科技資源配置效率省份相對穩(wěn)定，且多集中于西部地區(qū)。綜上，科技資源配置效率在空間分布上表現(xiàn)為東部地區(qū)最高、中部地區(qū)次之、西部地區(qū)最低的特征，與“東高西低”的經(jīng)濟發(fā)展空間分布相一致。

3. 中國科技資源配置效率演進趨勢及預(yù)測

（1） 中國科技資源配置效率動態(tài)演進趨勢

盡管上述分析很好地刻畫出中國科技資源配置效率時空動態(tài)分布特征，但難以揭示科技資源配置高低轉(zhuǎn)化的概率以及長期趨勢。由此進一步通過馬爾科夫轉(zhuǎn)移概率矩陣解決上述問題（見表4）。首先根據(jù)中國科技資源旅游配置效率水平的高低將某一省份相鄰地區(qū)劃分為5 種不同類型：即低于科技資源配置效率全國平均水平20%的省份為低水平，20%~40%之間的省份為較低水平，40%~60%之間的省份為中等水平，60%~80%之間的省份為較高水平，高于80%的省份為高水平。再通過計算各省份在不同等級下的轉(zhuǎn)移概率，以此進一步分析2011—2020年以來科技資源配置效率等級的轉(zhuǎn)移變動情況。

表4 2011—2020 年中國科技資源配置效率的轉(zhuǎn)移概率矩陣

表4中，ti表示初始狀態(tài)，ti+1則表示下一年等級轉(zhuǎn)移后的概率。對角線元素表示初始狀態(tài)的省份在下一年不出現(xiàn)轉(zhuǎn)移的概率，而非對角線元素則表示初始狀態(tài)的省份在下一年出現(xiàn)變化的概率。矩陣上的對角線數(shù)值越趨近1，表示科技資源配置效率在該等級上的概率越大。列(N)表示樣本期內(nèi)各省份在不同等級狀態(tài)下的總數(shù)，第3~7 列則表示從初始狀態(tài)變化到對應(yīng)狀態(tài)的總次數(shù)。

整體來看，矩陣中非對角線概率均小于對角線概率，這說明中國科技資源配置效率發(fā)生轉(zhuǎn)移的可能性較小。究其原因，科技資源配置效率在發(fā)展過程中存在一定慣性，大多數(shù)的轉(zhuǎn)移會發(fā)生在相鄰等級之間，且向下轉(zhuǎn)移趨勢較大，較難實現(xiàn)跨等級轉(zhuǎn)移。除此之外，高等與較高水平在對角線上概率最高，證明中國科技資源配置效率在這兩個等級上的變動較為平穩(wěn)，且具備較強的持續(xù)性；中等與較低水平對角線概率較低，非對角線概率較大，這表明中國科技資源配置效率具備較大的等級變動波動。

具體來看，相較于ti期，ti+1期中國科技資源配置效率水平高的地區(qū)仍有66%的概率處于高水平階段，同時向較高水平轉(zhuǎn)移的概率有27%，向中等水平轉(zhuǎn)移的概率有7%。較高科技資源配置效率水平的地區(qū)仍有50%的概率處于較高階段，其向高水平轉(zhuǎn)移的概率有15%，向中等水平轉(zhuǎn)移的概率有35%。中等科技資源配置效率水平的地區(qū)有52%的概率處于中等階段，向較高水平轉(zhuǎn)移的概率有13%，向高水平轉(zhuǎn)移的概率僅有9%。較低科技資源配置效率水平的地區(qū)有40%的概率處于較低階段，向中等水平轉(zhuǎn)移的概率有23%，向較高水平轉(zhuǎn)移的概率有11%。低科技資源配置效率水平的地區(qū)有63%的概率處于低水平階段，向較低水平轉(zhuǎn)移的概率有37%。通過測算可知，科技資源配置效率在原等級上停留的概率最大，且向下轉(zhuǎn)移的概率大于向上轉(zhuǎn)移的概率。

（2） 中國科技資源配置效率等級分布概率預(yù)測

在明晰中國科技資源配置效率動態(tài)演進趨勢的基礎(chǔ)上，進一步分析其長期演化趨勢。2019 年，國家發(fā)改委與科技部印發(fā)《關(guān)于構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系的指導(dǎo)意見》，其中明確提出到2022 年基本建成以市場為導(dǎo)向的綠色技術(shù)創(chuàng)新體系。2020 年《關(guān)于推進國家技術(shù)創(chuàng)新中心建設(shè)的總體方案（暫行）》同樣指出，到2025 年布局建設(shè)若干國家技術(shù)創(chuàng)新中心，以突破關(guān)鍵技術(shù)瓶頸。以上述兩大政策目標所選時間節(jié)點為導(dǎo)向，依據(jù)馬爾科夫鏈的原理及遞推公式，將2020 年作為基期，預(yù)測2022 年和2025 年中國科技資源配置效率各等級數(shù)量占總體數(shù)量的概率（見表5）。

表5 2022 年和2025 年中國科技資源配置效率水平等級分布概率

由表5 等級數(shù)量分布概率結(jié)果可知，3 個樣本年份中高水平與較高水平地區(qū)占比較大，低水平地區(qū)占比較小。詳細分析各等級比重變化，高水平、較高水平與中等水平均實現(xiàn)不同程度的上漲，而較低水平與低水平均呈下降趨勢。這表明中國科技資源配置效率有向高水平逐漸集中的趨勢，但這一轉(zhuǎn)移趨向速度較慢，未表現(xiàn)出顯著特征。2020—2022 年，中國科技資源配置效率在5 個等級上的增減狀況分別為2.9%、2%、7%、-11.3%、-10.6%；截至2025 年，中國科技資源配置效率在5個等級上的增減狀況分別為12.5%、4.3%、10.8%、-19.7%、-22.6%。整體來看，前3 年與后3 年的增長速度均呈現(xiàn)先上升后下降的“橄欖式”分布狀態(tài)。前3 年變化幅度相對較大，而后3 年變動較為平緩。由此可見，中國科技資源配置效率未來一段時間內(nèi)有望將向上轉(zhuǎn)移。

四、結(jié)論與建議

文章選取2011—2020 年中國31 個省份面板數(shù)據(jù)，基于省級數(shù)據(jù)構(gòu)建科技資源配置效率評價指標體系，運用超效率SBM模型測度了科技資源配置效率，并結(jié)合Kernel 密度估計法以及馬爾科夫鏈分析中國科技資源配置效率的時空動態(tài)分布及演進趨勢。得出以下結(jié)論：

一是考察期內(nèi)，中國科技資源配置效率總體水平不高，表明現(xiàn)階段中國科技資源配置效率具有較大提升空間，且省份之間、區(qū)域內(nèi)部省份之間以及三大區(qū)域間均表現(xiàn)出明顯的發(fā)展差異；

二是隨著中國科技資源配置效率水平逐年增長，科技資源配置效率絕對差距呈現(xiàn)縮小趨勢，但相對差距仍在不斷擴大；

三是科技資源配置效率水平表現(xiàn)出“東高西低”的空間分布特征。高科技資源配置效率省份始終最多，且所占比重整體呈上升趨勢，主要集中于東部地區(qū)；較高科技資源配置效率省份數(shù)量同樣呈直線上升態(tài)勢，主要分布在中部地區(qū)；中等水平科技資源配置效率省份數(shù)量出現(xiàn)大幅降低，分布區(qū)域較為分散；較低與低水平科技資源配置效率省份相對穩(wěn)定，多集中于西部地區(qū)；

四是科技資源配置效率水平存在慣性，大多數(shù)的轉(zhuǎn)移會發(fā)生在相鄰等級之間，且向下轉(zhuǎn)移趨勢較大，難以實現(xiàn)跨等級轉(zhuǎn)移；

五是中國科技資源配置效率未來一段時間內(nèi)有望向上轉(zhuǎn)移。

基于上述實證結(jié)論，提出以下幾點建議：

第一，重點向中部與西部地區(qū)投入資源。實證結(jié)果表明，中國科技資源配置效率區(qū)域間差距重點體現(xiàn)在東部地區(qū)與西部地區(qū)的差距上。究其原因，中部與西部地區(qū)在科技創(chuàng)新過程中大多充當了原材料供應(yīng)方，科技創(chuàng)新中下游產(chǎn)業(yè)嚴重缺失，使得科技資源配置效率低下，科技創(chuàng)新能力較弱?；诖?，政府在制定相關(guān)政策方針時，需在財政、稅收等方面向中部與西部地區(qū)進行適當傾斜，為其營造一個利于基礎(chǔ)科技研究的生態(tài)環(huán)境，促使中部與西部地區(qū)科技資源配置效率的快速提升，進而提高中高端生產(chǎn)供給能力。除此之外，政府還可以通過教育釋放科技體制改革的創(chuàng)新潛能，在培養(yǎng)科技人才的過程中強化科技創(chuàng)新能力，從本源縮小區(qū)域差距。

第二，推動區(qū)域間均衡發(fā)展。根據(jù)研究結(jié)論可以發(fā)現(xiàn)，區(qū)域之間科技資源配置效率差距仍在不斷擴大，且呈現(xiàn)東部地區(qū)“領(lǐng)跑”其他區(qū)域態(tài)勢，故需大力推進中部地區(qū)崛起、西部大開發(fā)等戰(zhàn)略。其中，中部地區(qū)需重點提高較低水平省份的科技資源配置效率，著重強化其科技創(chuàng)新能力與成果轉(zhuǎn)化能力。西部地區(qū)則需基于“西部大開發(fā)戰(zhàn)略”，將內(nèi)蒙古與西藏地區(qū)的科技基礎(chǔ)設(shè)施建設(shè)作為發(fā)展重點，提高科技資源配置效率。東部地區(qū)則需進一步整合優(yōu)化科技資源，強化對科技人才的引進力度，創(chuàng)新科技人才體制機制?？傮w而言，各省份均需積極貫徹落實“十四五”規(guī)劃要求，大力推進重大產(chǎn)業(yè)科技攻關(guān)，提高科技成果轉(zhuǎn)化率，加強培育科技型企業(yè)，推動科技資源向基層流動。

第三，加快科技創(chuàng)新成果轉(zhuǎn)化。由于企業(yè)、科研機構(gòu)與高校是科技創(chuàng)新成果轉(zhuǎn)化的重要途徑，因此政府應(yīng)大力推進產(chǎn)學(xué)研結(jié)合，充分統(tǒng)籌協(xié)調(diào)三者之間的合作關(guān)系。主要體現(xiàn)在兩個方面：一方面，依據(jù)科研輸出機構(gòu)的實際需求，為其配備充足的人力、物力及財力資源，并著力完善科研資源管理機制，避免浪費科研資源；另一方面，在企業(yè)中推廣北京的“三城一區(qū)”（三個科學(xué)城、一個經(jīng)濟技術(shù)開發(fā)區(qū)） 科技創(chuàng)新平臺，促使企業(yè)整合科技資源，提高科技項目研發(fā)生產(chǎn)效率。