江蘇省高新技術(shù)產(chǎn)業(yè)園區(qū)科創(chuàng)效率及影響因素

張家峰,陶 吉,杜 蕓,楊 青

(南京工業(yè)大學(xué) 經(jīng)濟與管理學(xué)院,南京 211816)

2022年中央經(jīng)濟工作會議強調(diào),要全面落實黨的二十大精神,扎實推進中國現(xiàn)代化,著力推動高質(zhì)量發(fā)展?？萍紕?chuàng)新發(fā)展是我國經(jīng)濟高質(zhì)量發(fā)展的第一動力,也是創(chuàng)新型國家建設(shè)的必然要求。國家高新區(qū)是在國家科技與經(jīng)濟實力的幫助下,運用國內(nèi)外的技術(shù)、資金、管理等,將科技創(chuàng)新成果轉(zhuǎn)變?yōu)閷嶋H生產(chǎn)力而建立起來的一個智力集中區(qū)域,是科技創(chuàng)新的主陣地,也是經(jīng)濟高質(zhì)量發(fā)展的先行區(qū)[1]。長期以來,我國高度重視科技創(chuàng)新對國家發(fā)展的推動作用,大力支持高新區(qū)的發(fā)展建設(shè),從1988年國家科委的“火炬計劃”實施以來,國家高新區(qū)持續(xù)擴容,從最早的52家國家高新區(qū)的開發(fā),到2022年已到達(dá)173家。在國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的推動下,高新區(qū)企業(yè)對科技創(chuàng)新的重視程度與創(chuàng)新能力都在不斷提高,科技活動中各種要素的投入規(guī)模也隨之不斷提升。根據(jù)《中國火炬統(tǒng)計年鑒》數(shù)據(jù),“十三五”期間,國家高新區(qū)科技活動人員從338.6萬人增長到514.4萬人,年均增長達(dá)到10%;科技活動經(jīng)費內(nèi)部支出從0.85萬億元增長到1.73萬億元,5年間翻了一番。在此豐富的資源投入下,國家高新區(qū)取得了快速的發(fā)展,經(jīng)濟地位不斷提高,GDP和上繳稅費占全國比重也在持續(xù)上升,2020年GDP占比達(dá)到12.3%,上繳稅費占比12.1%。然而,高新區(qū)如此快速的發(fā)展也帶來了科技創(chuàng)新效率不高、協(xié)調(diào)性不足等問題[2]。在企業(yè)科技創(chuàng)新主體地位的戰(zhàn)略下,高新區(qū)科技投入的提升能否高效地轉(zhuǎn)化為科技成果,能否更好地優(yōu)化科技創(chuàng)新配置效率,仍是一個值得研究的問題。

目前已有諸多學(xué)者對國內(nèi)外的科技園區(qū)創(chuàng)新效率問題展開了深入分析,主要圍繞影響因素分析、指標(biāo)體系建構(gòu)、評價方法運用等方面展開研究。Amonpat等[3]從城市化、產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域文化、研究機構(gòu)、政府財政等區(qū)域環(huán)境因素方面,對泰國科技園區(qū)績效進行比較分析,發(fā)現(xiàn)不同的環(huán)境因素導(dǎo)致科技園區(qū)績效的差異。Liberati等[4]建立指標(biāo)體系,從4個角度綜合評價了意大利科技園區(qū)的主要特征以及對主辦企業(yè)的影響。Li和Zhao[5]運用熵值法對我國高新區(qū)的綜合效率進行測算,并研究了高技術(shù)產(chǎn)業(yè)發(fā)展的主要驅(qū)動力。王京雷等[6]采用數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA)和Malmquist指數(shù)測算國家高新區(qū)的靜態(tài)與動態(tài)創(chuàng)新效率,用逐步回歸方法研究了影響創(chuàng)新效率的城市環(huán)境因素。孫濤和周思思[7]基于三階段DEA,從空間分布及時間動態(tài)角度對黃河流域的國家高新區(qū)創(chuàng)新效率進行測算,并總結(jié)各高新區(qū)的比較優(yōu)勢和面臨的突出問題。張路娜等[8]采用超越對數(shù)生產(chǎn)函數(shù)的隨機前沿模型、K-R(全要素生產(chǎn)率區(qū)域差距成因)方差分解、面板數(shù)據(jù)固定效應(yīng)模型實證考察了國家高新區(qū)的科技創(chuàng)新效率增長的空間差異,提出了促進創(chuàng)新效率協(xié)同提升和均衡發(fā)展的對策。胡先杰等[9]分析了“一園多區(qū)”的發(fā)展模式對于國家高新區(qū)科創(chuàng)效率的潛在影響,以南京市為例進行實證分析,發(fā)現(xiàn)對分園區(qū)的優(yōu)化重組可以顯著影響實現(xiàn)“一園多區(qū)”發(fā)展模式的高新區(qū)創(chuàng)新效率。方大春和曾志彪[10]運用三階段DEA模型對長三角城市群國家高新區(qū)創(chuàng)新效率進行分析,并研究了經(jīng)濟發(fā)展水平、市場開放程度、勞動者素質(zhì)、科技創(chuàng)新潛力等4個影響國家高新區(qū)創(chuàng)新效率的因素。

以往學(xué)者對科技園區(qū)創(chuàng)新效率的研究已經(jīng)取得了豐富的成果。而對于我國高新技術(shù)企業(yè)園區(qū)而言,近些年的研究大多集中在整個國家或大區(qū)域?qū)用娓咝聟^(qū)的發(fā)展,結(jié)合地方發(fā)展的研究相對薄弱。而江蘇作為經(jīng)濟大省,積極響應(yīng)國家大力發(fā)展科技創(chuàng)新的號召,出臺諸多政策措施助力支持科技企業(yè)的發(fā)展,是全國創(chuàng)新資源十分密集、各種創(chuàng)新活動較為活躍與創(chuàng)新成果豐碩的地區(qū),其擁有的18家國家級高新區(qū)數(shù)量居于全國第一。因此,評價和分析江蘇省國家高新區(qū)的創(chuàng)新效率,具有一定的研究價值和現(xiàn)實意義?，F(xiàn)將2016—2020年江蘇省國家高新區(qū)科技創(chuàng)新體系作為研究對象,在前人研究成果的基礎(chǔ)之上,選取2項科技創(chuàng)新投入指標(biāo)和4項科技創(chuàng)新產(chǎn)出指標(biāo),并選取6項影響因素,應(yīng)用DEA-Malmquist指數(shù)與Tobit模型,對江蘇省國家高新區(qū)的科技創(chuàng)新效率進行分析,并研究影響效率的內(nèi)在原因。

1 研究方法及指標(biāo)體系

1.1 研究方法介紹

數(shù)據(jù)包絡(luò)分析(DEA)是一種評價投入產(chǎn)出效率的方法,其表達(dá)式為

(1)

式中：I為決策單元的數(shù)量;m為輸入指標(biāo)的數(shù)量;n為輸出指標(biāo)的數(shù)量;θ為決策單元有效值;λ為權(quán)重系數(shù);ε為非阿基米德無窮小;s+、s-為松弛變量;x、y分別為投入要素和產(chǎn)出要素。若θ、s+、s-同時為0,則決策單元為DEA有效;若θ小于1,決策單元為 DEA無效;若θ為1,且s+不為0或s-不為0,決策單元為弱DEA有效。效率相對有效為1,相對無效則小于1。

Malmquist指數(shù)可測算不同時間段的效率變化,其表達(dá)式為

(2)

(3)

(4)

Tfpch=Effch×Tech=(Pech×Sech)×Tech

(5)

式中：xt、yt分別為t時期的投入和產(chǎn)出變量;D為距離函數(shù);t為時期;Tfpch為全要素生產(chǎn)率指數(shù);Effch為技術(shù)效率;Tech為技術(shù)進步;Pech為純技術(shù)效率;Sech為規(guī)模效率。若M大于1表示效率上升,M小于1則表示效率下降。

1.2 指標(biāo)體系與數(shù)據(jù)來源

選取合適的評價指標(biāo)是高新區(qū)創(chuàng)新效率評價的關(guān)鍵。借鑒現(xiàn)有研究高新區(qū)科技創(chuàng)新效率的相關(guān)文獻,參考夏慧良[11]、鄭旭輝等[12]、楊捷和秦遠(yuǎn)建[13]的指標(biāo)構(gòu)建方法,同時考慮數(shù)據(jù)的可獲得性等情況,建立高新區(qū)創(chuàng)新效率投入產(chǎn)出評價指標(biāo)體系(表1)。

表1 高新區(qū)創(chuàng)新效率投入產(chǎn)出評價指標(biāo)體系

1)科技創(chuàng)新投入有人力和財力兩方面的投入,本文的投入指標(biāo)為科技活動人員數(shù)和R&D經(jīng)費內(nèi)部支出,以衡量人才與資金要素的投入。

2)科技成果的產(chǎn)出以工業(yè)總產(chǎn)值、技術(shù)收入、凈利潤與上繳稅費為指標(biāo),以評估科技成果的轉(zhuǎn)化水平和經(jīng)濟發(fā)展的影響力。

截至2020年底,江蘇省共有18家國家級高新區(qū),其中淮安、宿遷兩個高新區(qū)于2017年成立,蘇州工業(yè)園區(qū)于2018年納入國家高新區(qū)?？紤]到蘇州工業(yè)園區(qū)于2006年就開始參加國家高新區(qū)創(chuàng)新活動,其各項數(shù)據(jù)齊全,而不同階段成立的高新區(qū)技術(shù)創(chuàng)新力不同[14],故選取除淮安、宿遷在內(nèi)的16個江蘇省國家級高新區(qū)進行研究。而同一個城市的高新區(qū)所處環(huán)境、政策相同,相互聯(lián)系密切,高新區(qū)的環(huán)境變量也在很大程度上受到所在城市的直接影響,因此參考方大春和曾志彪[10]、楊婕和秦遠(yuǎn)建[13]的方法,如一個城市有兩個及以上高新區(qū),就將它們的各項指標(biāo)合并成為一個高新區(qū)進行研究。最終確定研究對象為江蘇省11家國家級高新區(qū),測算這11家高新區(qū)2016—2020年共5年內(nèi)的科技創(chuàng)新效率。數(shù)據(jù)來源于2017—2021年的《中國火炬統(tǒng)計年鑒》。

2 創(chuàng)新效率實證研究

2.1 DEA分析

將高新區(qū)投入與產(chǎn)出數(shù)據(jù)代入BCC(Banker-Charness- Cooper)模型,使用DEAP2.1軟件,采用投入導(dǎo)向(Input-Oriented)可變規(guī)模報酬,測算11家高新區(qū)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率。按照2016—2020年綜合技術(shù)效率的均值降序排列,整理結(jié)果見表2。其中,綜合技術(shù)效率表示科技創(chuàng)新的投入產(chǎn)出率,表明了高新區(qū)的資源配置情況。純技術(shù)效率是假定規(guī)模不變的情況下,高新區(qū)通過提升自身的管理水平來影響科創(chuàng)效率。規(guī)模效率則是指高新區(qū)企業(yè)的規(guī)模發(fā)展對科創(chuàng)效率所產(chǎn)生的影響。2016—2020年均處于效率前沿面上的高新區(qū)為常州、南通、泰州,其綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率值均達(dá)到了1 ,能在一定程度上說明這些地區(qū)對創(chuàng)新投入的轉(zhuǎn)化能力較強,其技術(shù)管理與資源配置相對有效,綜合效率較低的高新區(qū)主要集中在除常州外的蘇南區(qū)域。在11個國家級高新區(qū)中,無錫、蘇州、鎮(zhèn)江、揚州的規(guī)模效率較低,可能是由于地區(qū)經(jīng)濟發(fā)達(dá),創(chuàng)新資源較多,容易形成創(chuàng)新資源的冗余。此外,鹽城、無錫、蘇州的純技術(shù)效率處于前沿面上,說明這3家高新區(qū)的技術(shù)管理相對有效。整體來看,江蘇省高新區(qū)的純技術(shù)效率較高,可能與江蘇省的地區(qū)產(chǎn)業(yè)結(jié)構(gòu)有關(guān),技術(shù)含量較高;而規(guī)模效率整體較低,說明規(guī)模效率是制約江蘇省高新區(qū)企業(yè)科創(chuàng)效率的關(guān)鍵因素,江蘇省高新區(qū)需要進一步提升規(guī)模效率。

表2 2016—2020年江蘇省國家高新區(qū)科創(chuàng)效率平均值

由表2 可知,5年間江蘇省11家高新區(qū)綜合技術(shù)效率的均值為0.73,純技術(shù)效率的均值為0.93 ,規(guī)模效率的均值為0.78。純技術(shù)效率大于規(guī)模效率,說明其對綜合技術(shù)效率的作用稍強,技術(shù)因素起主要作用,技術(shù)因素對于江蘇省高新區(qū)創(chuàng)新效率的作用強于規(guī)模因素。11家高新區(qū)的綜合技術(shù)效率均值為0.73,有6家的綜合技術(shù)效率低于0.7,2家的綜合技術(shù)效率處于0.7～0.8,僅有3家的綜合技術(shù)效率值大于0.8。從規(guī)模效率均值來看,規(guī)模效率低于0.8的高新區(qū)數(shù)量為7家,占比為63%;從純技術(shù)效率均值來看,有6家高新區(qū)的純技術(shù)效率為1,10家高于0.8;從效率均值來看,11家高新區(qū)的科創(chuàng)效率處于中等水平。

2.2 Malmquist指數(shù)分析

前文采用DEA-BCC模型對江蘇省11家高新區(qū)的科創(chuàng)效率進行了靜態(tài)分析。為了從動態(tài)的角度了解2016—2020年江蘇省高新區(qū)的科創(chuàng)效率變化及其原因,采用DEA模型的Malmquist指數(shù),使用DEAP2.1軟件對江蘇省11個國家級高新區(qū)數(shù)據(jù)進行分析,結(jié)果見表3。

表3 2016—2020年江蘇省國家高新區(qū)科創(chuàng)效率變動值

全要素生產(chǎn)率表示高新區(qū)企業(yè)技術(shù)、管理和生產(chǎn)力水平的變化情況,若其值大于1,說明高新區(qū)處于進步狀態(tài),反之則為退步狀態(tài)。從表3來看,江蘇省11個國家級高新區(qū)在2016—2020年技術(shù)效率變化前4年相較于上一年呈現(xiàn)下降趨勢,2019—2020年出現(xiàn)增長,且幅度較大;全要素生產(chǎn)率的5年間的動態(tài)變化平均值為1,表示2020年較2016年城市全要素生產(chǎn)率不變。江蘇省高新區(qū)全要素生產(chǎn)率在2016—2017年、2018—2019年均低于1,呈現(xiàn)出下降趨勢,其主要原因是2016—2017年綜合技術(shù)效率下滑的影響大于技術(shù)進步的促進影響。2018—2019年相比上個年度技術(shù)進步指數(shù)有很大的下滑,引起全要素生產(chǎn)效率的下降。從全要素生產(chǎn)率均值結(jié)果的分解來看,技術(shù)變化對全要素生產(chǎn)率的變動起到了促進作用,在5年間動態(tài)變化平均值為1.048,提升了4.8%;效率變化動態(tài)平均值降低了4.7%,分解來看,純技術(shù)效率變化動態(tài)平均值降低1.9%,規(guī)模效率動態(tài)平均約降低2.8%,說明江蘇省高新區(qū)全要素生產(chǎn)率總體的穩(wěn)定主要原因是技術(shù)的改進。

江蘇省各國家級高新區(qū)科技創(chuàng)新效率的Malmquist指數(shù)及其分解具體見表4。

表4 2016—2020江蘇省11家高新區(qū)創(chuàng)新效率的Malmquist指數(shù)及分解

從表4可以看出,2016—2020年江蘇省11家國家級高新區(qū)的平均變化指數(shù)為1,總體呈穩(wěn)定趨勢。技術(shù)進步指數(shù)均值為1.048,說明技術(shù)進步能夠促進全要素生產(chǎn)率指數(shù)的提高。綜合技術(shù)效率、純技術(shù)效率指數(shù)和規(guī)模效率指數(shù)的均值都未達(dá)到1,均對全要素生產(chǎn)率產(chǎn)生下降影響,但從幅度上來看,其影響力小于技術(shù)進步指數(shù)對全要素生產(chǎn)率指數(shù)的影響。綜合技術(shù)效率變動均值為0.953,顯然未落于科技創(chuàng)新的生產(chǎn)前沿面,純技術(shù)效率變化指數(shù)與規(guī)模效率變化指數(shù)分別為0.981與0.972,表明純技術(shù)效率與規(guī)模效率都對于綜合技術(shù)效率有抑制作用,并且規(guī)模效率變動對于綜合技術(shù)效率的變化影響更大。綜上可以得出,江蘇省國家高新區(qū)5年間科技創(chuàng)新全要素生產(chǎn)率主要受到技術(shù)進步的影響。

從具體數(shù)值來看,南京、蘇州等5家高新區(qū)全要素生產(chǎn)率高于均值,其中南通的科技創(chuàng)新生產(chǎn)率提升最多,5年間增幅達(dá)到11.4%,無錫、徐州等5家高新區(qū)全要素生產(chǎn)率低于均值,說明其綜合技術(shù)效率和規(guī)模效率仍有改善的空間。從Malmquist指數(shù)的角度分解,可以將11個高新區(qū)分成以下幾類：①南通、泰州的技術(shù)效率均為1,說明技術(shù)效率對創(chuàng)新效率不起作用,技術(shù)進步是科技創(chuàng)新生產(chǎn)率提升的原因;②鎮(zhèn)江的綜合技術(shù)效率下降小于技術(shù)進步的上升的幅度,表明鎮(zhèn)江的全要素生產(chǎn)率的上升原因是技術(shù)進步的促進作用大于技術(shù)效率的抑制作用;③常州的技術(shù)效率為1,技術(shù)進步的下降導(dǎo)致了全要素生產(chǎn)率的下降;④徐州、連云港的技術(shù)進步均有提升,但其純技術(shù)效率與規(guī)模效率的下降導(dǎo)致了全要素生產(chǎn)效率的下降,純技術(shù)效率的下降的抑制作用大于規(guī)模效率;⑤南京、蘇州的全要素生產(chǎn)效率提升的原因是技術(shù)效率與技術(shù)進步起到了促進作用,其中規(guī)模效率起到主要作用;⑥無錫、鹽城、揚州的情況則相反,盡管技術(shù)進步指數(shù)上漲,但規(guī)模效率的下降抑制了全要素生產(chǎn)效率的提升。

綜上,江蘇省國家高新區(qū)科技創(chuàng)新效率的變化幅度和變化原因存在差異,受到技術(shù)進步和規(guī)模效率影響較多,大部分高新區(qū)的技術(shù)進步指數(shù)提升,但規(guī)模效率下降。江蘇省高新區(qū)需要從優(yōu)化資源配置、提升管理效率等層面提高科技創(chuàng)新效率。

3 創(chuàng)新效率影響因素分析

通過前文的分析可知,江蘇省各國家高新區(qū)之間的科技創(chuàng)新效率表現(xiàn)出一定差異。高新區(qū)的科技創(chuàng)新效率是多種因素共同作用的結(jié)果,其發(fā)展既離不開高新區(qū)企業(yè)自身對于資金、人才等各種要素的配置,也離不開所在城市各方面條件的支持和保障。在DEA模型測算的基礎(chǔ)上構(gòu)建面板Tobit模型,以DEA測算的綜合效率為因變量,影響因素為自變量,進一步分析影響江蘇省國家高新區(qū)科技創(chuàng)新效率差異的因素。

3.1 解釋變量的選取

在以往學(xué)者研究的基礎(chǔ)上[15-17],將江蘇省高新區(qū)科技創(chuàng)新效率的影響因素分為高新區(qū)企業(yè)內(nèi)部與外部環(huán)境兩個角度。企業(yè)內(nèi)部方面,影響因素分為勞動者素質(zhì)、研發(fā)經(jīng)費投入規(guī)模和企業(yè)規(guī)模;外部環(huán)境角度,影響因素分為經(jīng)濟發(fā)展水平、地區(qū)開放程度和政府支持力度。

1)勞動者素質(zhì)。高新區(qū)的各種科技活動需要大批水平層次較高的人才,人才的數(shù)量和質(zhì)量決定著企業(yè)的科技水平高低。一般來說企業(yè)中勞動者素質(zhì)越高,其掌握的知識和技能就越豐富,從而對高新區(qū)企業(yè)的創(chuàng)新效率產(chǎn)生影響。因此企業(yè)中高素質(zhì)人才的比例較高,對于高新科技創(chuàng)新活動的發(fā)展是有利的。因此采用各高新區(qū)年末從業(yè)人數(shù)中大專以上人員的比例來反映勞動者素質(zhì)。

2)研發(fā)經(jīng)費投入規(guī)模。高新區(qū)企業(yè)需要進行不斷的研發(fā)才能尋求企業(yè)的發(fā)展,不斷通過研發(fā)改進生產(chǎn)工藝,向市場投入更多新產(chǎn)品,擴展市場份額,形成競爭優(yōu)勢。一般來說,企業(yè)投入的研發(fā)經(jīng)費規(guī)模越大,其獲得實質(zhì)性改進技術(shù)和產(chǎn)品的機會也越多。因此采用R&D經(jīng)費內(nèi)部支出與工業(yè)總產(chǎn)值的比重來反映研發(fā)經(jīng)費投入規(guī)模。

3)企業(yè)規(guī)模。高新技術(shù)的創(chuàng)新活動開展需要依賴企業(yè)自身的發(fā)展,隨著企業(yè)業(yè)務(wù)的擴大,企業(yè)經(jīng)營的產(chǎn)品、渠道、利潤點增多,企業(yè)規(guī)模的大小在一定程度上會為科技創(chuàng)新帶來影響。因此采用各高新區(qū)工業(yè)總產(chǎn)值與入統(tǒng)企業(yè)數(shù)量的比值來反映企業(yè)規(guī)模。

4)經(jīng)濟發(fā)展水平。通常來說經(jīng)濟較為發(fā)達(dá)的地區(qū)具有更好的發(fā)展機會,吸引更多的人口前來就業(yè),從業(yè)者素質(zhì)水平高,勞動力充足,同時經(jīng)濟發(fā)達(dá)地區(qū)交通便利,更容易吸引高端人才聚集和各類企業(yè)投資聚集,使得城市的高新技術(shù)企業(yè)更為發(fā)達(dá)。因此采用地區(qū)人均GDP反映城市經(jīng)濟發(fā)展水平。

5)地區(qū)開放程度。地區(qū)的開放程度代表了該地區(qū)與外部經(jīng)濟聯(lián)系的密切程度。高新區(qū)可依靠城市對外開放來吸引外資、國際人才等各種高端創(chuàng)新資源,增強外資利用能力,從而提高自身的創(chuàng)新效率。因此采用地區(qū)人均實際使用外資反映地區(qū)開放程度。

6)政府支持力度。政府可以通過出臺政策和資金支持來為高新區(qū)的科技創(chuàng)新提供各種便利。政府對科技投入的重視可以形成地區(qū)良好的科技創(chuàng)新氛圍,提高高新區(qū)企業(yè)的創(chuàng)新積極性。因此采用政府科技支出占地區(qū)財政總支出的比重來反映政府支持力度。

江蘇省高新區(qū)科創(chuàng)效率變量定義見表5,相關(guān)數(shù)據(jù)來源于《中國火炬統(tǒng)計年鑒》和江蘇各市統(tǒng)計年鑒。

表5 變量定義

3.2 Tobit模型構(gòu)建

Tobit回歸模型可用于因變量受某種條件約束時的模型回歸,其表達(dá)式為

(6)

從DEA測算結(jié)果來看,高新區(qū)綜合效率為0～1,因而選擇最大似然法的Tobit模型估計回歸系數(shù),更能提高估計精準(zhǔn)度。構(gòu)建Tobit回歸模型為

Effit=α0+β1X1it+β2X2it+β3X3it+
β4X4it+β5X5it+β6X6it+μit

(7)

式中：Effit為第i市t期的綜合效率;α0為常數(shù)項;X1～X6為解釋變量,表示影響創(chuàng)新效率的各影響因素;β1～β6為各解釋變量的估計系數(shù);μ為隨機誤差。

3.3 測算結(jié)果分析

運用Stata17軟件計算得出以上影響因素的回歸結(jié)果,見表6。

表6 江蘇省高新區(qū)創(chuàng)新效率影響因素回歸結(jié)果

通過表6分析可知：

1)勞動者素質(zhì)與綜合效率呈不顯著的正相關(guān)。內(nèi)生增長理論認(rèn)為高水平的勞動者素質(zhì)可對科技創(chuàng)新水平產(chǎn)生顯著影響,高新區(qū)的各種科技活動需要大批人才,而勞動者的素質(zhì)水平越高,其學(xué)習(xí)新知識和新技術(shù)的能力就越強,從而適應(yīng)高新企業(yè)的各種創(chuàng)新活動,有利于高新區(qū)的科技創(chuàng)新效率提升。勞動者素質(zhì)不顯著的原因可能在于江蘇省高新區(qū)整體對人才的有效應(yīng)用不足。

2)研發(fā)經(jīng)費投入力度與綜合效率呈負(fù)相關(guān),且在5%的水平上通過了顯著性檢驗。說明單純地加大研發(fā)經(jīng)費投入力度可能會造成投入要素的冗余或是產(chǎn)出不足的問題,高新區(qū)企業(yè)科技創(chuàng)新投入規(guī)模較大,存在資源浪費的情況,從而抑制了高新區(qū)科技企業(yè)創(chuàng)新效率的改善,江蘇省高新區(qū)需要從優(yōu)化資源配置方面提升科創(chuàng)效率。

3)企業(yè)規(guī)模與綜合效率呈不顯著的正相關(guān)。可能的原因是隨著高新區(qū)企業(yè)的規(guī)模擴大,其對人才、技術(shù)等要素的吸引力也隨之上升,與其他企業(yè)的交流和合作機會也越來越多,更有利于企業(yè)的經(jīng)營與發(fā)展,帶來科創(chuàng)效率的改善。不顯著的原因可能是規(guī)模較大的企業(yè)對于人員和資金缺乏有效的管理。

4)經(jīng)濟發(fā)展水平與綜合效率在1%的水平上顯著且負(fù)相關(guān)?？赡芙陙黼S著我國大力推進經(jīng)濟的發(fā)展,過程中可能盲目追求速度而犧牲質(zhì)量,從而造成資源浪費的情況。經(jīng)濟發(fā)展水平對科技創(chuàng)新效率提高有利的部分的影響小于不利部分的影響,并沒有對高新區(qū)的創(chuàng)新效率起到促進作用。這與楊圖南等[18]的研究成果一致,經(jīng)濟發(fā)展水平抑制了創(chuàng)新效率的提升。

5)地區(qū)開放程度對綜合效率在1%的水平上顯著且產(chǎn)生正向影響。高新區(qū)創(chuàng)新效率受到城市對外開放水平的影響較大,可能是城市更加開放的環(huán)境更能夠吸引外來投資,從而引進外來技術(shù)和經(jīng)驗,聚集的高端要素能夠提高企業(yè)自身的研究開發(fā)水平,帶來創(chuàng)新效率的改善。這與王京雷等[6]的研究結(jié)論一致,地區(qū)開放程度對高新區(qū)科技創(chuàng)新效率有積極的正向作用。

6)政府支持力度與綜合效率呈不顯著的正相關(guān)。政府的財政支持也是高新區(qū)創(chuàng)新經(jīng)費的重要資金來源,政府的支持力度也是提升創(chuàng)新效率的一個重要因素。不顯著的原因可能在于政府科技投入沒有得到有效利用,政府對于高新區(qū)企業(yè)的導(dǎo)向作用沒有得到充分的發(fā)揮。

4 結(jié)論和建議

4.1 研究結(jié)論

以江蘇省11個國家級高新區(qū)2016—2020年的科技創(chuàng)新投入產(chǎn)出為指標(biāo),運用DEA與Malmquist指數(shù)衡量創(chuàng)新效率,并基于面板Tobit模型,對影響科創(chuàng)效率的因素進行了實證分析,結(jié)論如下：

1)對創(chuàng)新效率進行測度發(fā)現(xiàn),江蘇省11家高新區(qū)整體科創(chuàng)效率水平不高,處于效率前沿面的高新區(qū)不多,江蘇省高新區(qū)整體規(guī)模效率較低,技術(shù)因素的影響強于規(guī)模因素;2016—2020年江蘇省11家國家級高新區(qū)的平均變化指數(shù)為1,總體呈穩(wěn)定趨勢,高新區(qū)科技創(chuàng)新效率的變化幅度和原因存在一些差異,受到技術(shù)進步和規(guī)模效率影響較多,大部分高新區(qū)的技術(shù)進步指數(shù)提升但規(guī)模效率下降,其科技投入產(chǎn)出資源配置水平有待提高。

2)科技要素的投入和創(chuàng)新效率并不是呈正相關(guān)變動,即便在投入資源充足的情況下,也會存在投入冗余或者產(chǎn)出不足的問題,存在資源浪費的情況,這一問題在經(jīng)濟較為發(fā)達(dá)的城市表現(xiàn)更為嚴(yán)重。從經(jīng)濟發(fā)達(dá)程度上來說,南京、蘇州、無錫等地區(qū)處于江蘇省前列,但科技創(chuàng)新效率反而較低,同時Tobit回歸結(jié)果也表明,經(jīng)濟發(fā)展水平并沒有對江蘇省的高新區(qū)創(chuàng)新效率起到促進作用。

3)在影響因素中,勞動者素質(zhì)、企業(yè)規(guī)模、地區(qū)開放程度、政府支持力度對江蘇省高新區(qū)科技創(chuàng)新效率具有正向影響,研發(fā)經(jīng)費投入力度、經(jīng)濟發(fā)展水平對創(chuàng)新效率有負(fù)向影響。其中地區(qū)開放程度、研發(fā)經(jīng)費投入力度、經(jīng)濟發(fā)展水平的影響較為顯著,勞動者素質(zhì)、企業(yè)規(guī)模、政府支持力度的影響不顯著。

4.2 政策建議

基于上述結(jié)論,提出以下建議：

1)根據(jù)自身發(fā)展情況提升創(chuàng)新資源利用效率。影響江蘇省高新區(qū)科創(chuàng)效率不高的首要原因是規(guī)模效率較低,其次為純技術(shù)效率較低。所以江蘇省各高新區(qū)應(yīng)結(jié)合自身實際情況制定相應(yīng)發(fā)展戰(zhàn)略。對于規(guī)模效率高的高新區(qū)則應(yīng)該繼續(xù)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),促進產(chǎn)業(yè)集聚,保持企業(yè)的良好發(fā)展;對規(guī)模效率不高的高新區(qū)而言,要根據(jù)自己所處的規(guī)模收益的狀態(tài),擴大或減少生產(chǎn),進而提高規(guī)模效率。對純技術(shù)效率不高的高新區(qū),應(yīng)增加研發(fā)投入,發(fā)揮各自的優(yōu)勢,吸引各類高新技術(shù)企業(yè)的入駐,以提高全要素生產(chǎn)率水平。

2)進一步提高對外開放水平。對外開放水平對于高新區(qū)科創(chuàng)效率有顯著的正向影響,提高對外開放水平將給高新區(qū)企業(yè)提供更多的交流與進步機會。企業(yè)可以擴大引進國外高水平技術(shù)和管理人才的渠道,促進高科技創(chuàng)新企業(yè)的成長。城市可采取更為放開的措施,助力高新區(qū)創(chuàng)新資源聚集。同時也要完善高新區(qū)基礎(chǔ)設(shè)施建設(shè),提高園區(qū)的服務(wù)功能。政府可為高新區(qū)提供引入資源的平臺,增進國際技術(shù)交流和合作,促進創(chuàng)新要素流通。增強高新區(qū)企業(yè)在全球范圍競爭力,鼓勵高新區(qū)企業(yè)走向世界,加入全球高科技企業(yè)的合作與競爭,增強國際影響力。

3)優(yōu)化江蘇省國家高新區(qū)資源配置。研發(fā)經(jīng)費投入規(guī)模對于科創(chuàng)效率有顯著的負(fù)面影響,高新區(qū)企業(yè)不應(yīng)盲目擴大要素投入規(guī)模,可基于其資源和環(huán)境條件,合理分配各類創(chuàng)新資源,增強創(chuàng)新實力。政府可以制定地方特色產(chǎn)業(yè)發(fā)展戰(zhàn)略引導(dǎo)國家高新區(qū)有關(guān)企業(yè)調(diào)整完善,進一步優(yōu)化科技創(chuàng)新的生態(tài)和要素保障,加速高科技產(chǎn)品的迭代更新,突破核心技術(shù);同時發(fā)現(xiàn)自身短板,不要盲目求快、求量,避免資源投入過多導(dǎo)致的浪費,發(fā)揮企業(yè)科技創(chuàng)新主體地位,提高創(chuàng)新資源利用效率,增強決策管理能力,增強自身競爭力。