國家高新區(qū)創(chuàng)新效率評(píng)價(jià)和影響因素分析
——基于三階段DEA-Tobit模型

楊青生，楊圖南，沈志剛

（1.廣東財(cái)經(jīng)大學(xué)文化旅游與地理學(xué)院，廣東 廣州 510320；2.廣東財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，廣東 廣州 510320；3.江西科技師范大學(xué)經(jīng)濟(jì)管理與法學(xué)院，江西 南昌 330038）

0 引言

高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)（以下簡稱“高新區(qū)”），是創(chuàng)新驅(qū)動(dòng)發(fā)展的排頭兵和領(lǐng)頭羊，在我國技術(shù)創(chuàng)新和區(qū)域經(jīng)濟(jì)增長中扮演著重要角色。作為創(chuàng)新的重要戰(zhàn)略基地，國家高新區(qū)的創(chuàng)新發(fā)展受到國家的高度重視?！秶腋咝聟^(qū)創(chuàng)新能力評(píng)價(jià)報(bào)告2019》提到，高新區(qū)要著眼于建設(shè)有利于創(chuàng)新要素聚集的體制機(jī)制，并成為兼具經(jīng)濟(jì)和社會(huì)功能的復(fù)合功能區(qū)。為實(shí)現(xiàn)集約高效的發(fā)展，高新區(qū)不僅要在量和規(guī)模上有所增長，更要注重投入產(chǎn)出比，即創(chuàng)新效率的提升，讓創(chuàng)新效率成為高新區(qū)高質(zhì)量發(fā)展的有力支撐。

目前，國家高新區(qū)的發(fā)展存在著一些短板，如創(chuàng)新創(chuàng)業(yè)總體水平不高、創(chuàng)新投入產(chǎn)出轉(zhuǎn)化水平有待提高、資源環(huán)境約束大和園區(qū)創(chuàng)新資源與要素流動(dòng)比較緩慢等。高新區(qū)在生產(chǎn)過程中存在著不注重資源配置與技術(shù)擴(kuò)散導(dǎo)致引進(jìn)大量設(shè)備和技術(shù)、投入大量資源卻收效甚微的問題［1］。沙德春和胡鑫慧［2］運(yùn)用DEA 法，發(fā)現(xiàn)中部六省高新區(qū)整體創(chuàng)新效率偏低且發(fā)展不平衡；姚盛祺［3］基于DEA 模型評(píng)價(jià)江西省高新區(qū)的創(chuàng)新效率，認(rèn)為江西省高新區(qū)發(fā)展不平衡且資源利用效率有待提升。高新區(qū)創(chuàng)新效率不高已然成為制約高新區(qū)高質(zhì)量發(fā)展的重要因素。分析不同地區(qū)高新區(qū)創(chuàng)新效率差異特征和影響因素，對(duì)促進(jìn)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

1 文獻(xiàn)綜述

國內(nèi)已有文獻(xiàn)關(guān)于創(chuàng)新效率的測(cè)算方法以SFA 法、DEA 法和三階段DEA 法為主。SFA 法確定了生產(chǎn)函數(shù)的具體形式，確保了被估計(jì)的效率有效且一致［4］，因此很多學(xué)者在研究創(chuàng)新效率時(shí)都采用了這種方法。然而，在實(shí)踐過程中，這種方法中的截距很難通過最大似然函數(shù)估計(jì)，也未考慮“時(shí)間”變量，會(huì)使得測(cè)算結(jié)果產(chǎn)生較大的偏誤［5］。DEA 法由Banker 等［6］提出，他們?cè)谝?guī)模報(bào)酬不變的前提下，通過比率形式的最優(yōu)值，直接從數(shù)據(jù)中獲得技術(shù)效率，并在此基礎(chǔ)上確立了規(guī)模報(bào)酬可變的DEA-BCC 模型。DEA 法無須知道前沿生產(chǎn)函數(shù)的具體形式即可測(cè)算效率，同時(shí)也可規(guī)避參數(shù)方法的多種限制［7］。但是，這種方法無法剝離環(huán)境效應(yīng)和隨機(jī)誤差的影響，會(huì)使估計(jì)結(jié)果存在較大誤差［1］。而三階段DEA模型具有同時(shí)剔除環(huán)境差異性與統(tǒng)計(jì)噪聲差異性影響的優(yōu)勢(shì)，能夠反映真實(shí)的經(jīng)營管理效率［8］。余泳澤和劉大勇［9］基于三階段DEA 法，將創(chuàng)新過程分為知識(shí)創(chuàng)新、產(chǎn)品創(chuàng)新和研發(fā)創(chuàng)新等3個(gè)階段，分別計(jì)算出各個(gè)階段分地區(qū)的效率值和整體效率值；楊捷和秦遠(yuǎn)建［10］借助三階段DEA 模型，建立國家高新區(qū)的SOM 神經(jīng)網(wǎng)絡(luò)拓?fù)浞诸?，將國家高新區(qū)按創(chuàng)新效率分為5個(gè)梯隊(duì)進(jìn)行分析。但也有學(xué)者認(rèn)為，三階段DEA 法沒有考慮因變量，即投入松弛量的截?cái)鄦栴}，因此參數(shù)估計(jì)不一致［11］。

對(duì)于高新區(qū)創(chuàng)新效率的評(píng)價(jià)，已有研究大都是基于國家［1，4］、城市群［12-13］和經(jīng)濟(jì)區(qū)域［2，14］層面。對(duì)于創(chuàng)新投入指標(biāo)的選擇，則都是以財(cái)力投入和人力投入指標(biāo)為主。財(cái)力指標(biāo)如高新區(qū)R&D 經(jīng)費(fèi)內(nèi)部支出［15-16］和反映高新區(qū)資金投入強(qiáng)度的R&D 經(jīng)費(fèi)內(nèi)部支出占銷售收入的比重［17］；人力指標(biāo)如R&D 人員全時(shí)當(dāng)量［3，18］、科技人員投入量［19-20］和年末從業(yè)人員數(shù)［21］。此外，反映高新區(qū)規(guī)模的企業(yè)數(shù)［22-23］也是衡量創(chuàng)新投入的重要指標(biāo)；而創(chuàng)新產(chǎn)出度量指標(biāo)包括專利量［24-25］、產(chǎn)品銷售收入和技術(shù)性收入［26-27］、工業(yè)總產(chǎn)值［28］等。

在高新區(qū)創(chuàng)新效率的研究中，根據(jù)影響因素的不可控性和可控性，可將其分為外部影響因素和內(nèi)部影響因素。現(xiàn)有文獻(xiàn)關(guān)注的外部影響因素中，政府支持［29］、基礎(chǔ)設(shè)施投入［30-31］、教育水平、技術(shù)市場(chǎng)［32］和第二產(chǎn)業(yè)占GDP 比重［33］等對(duì)高新區(qū)創(chuàng)新效率提升有促進(jìn)作用，而地區(qū)經(jīng)濟(jì)發(fā)展水平對(duì)高新區(qū)創(chuàng)新效率的影響則由促進(jìn)轉(zhuǎn)變?yōu)榻档停?2］。另外，有學(xué)者研究發(fā)現(xiàn)，政府研發(fā)活動(dòng)稅收激勵(lì)和高新技術(shù)企業(yè)直接稅收減免對(duì)高新區(qū)創(chuàng)新效率的影響分別表現(xiàn)為負(fù)相關(guān)性和無直接相關(guān)性［27］。內(nèi)部影響因素中除了人力和資本投入外，高新區(qū)開放程度［34］、衡量高新區(qū)規(guī)模的園區(qū)企業(yè)數(shù)［35］和人口比重［30］、勞動(dòng)者素質(zhì)［36］、工業(yè)總產(chǎn)值［28］和利潤規(guī)模［13］等也對(duì)創(chuàng)新效率具有不同影響。還有學(xué)者認(rèn)為，產(chǎn)業(yè)集群通過專業(yè)化分工、組織學(xué)習(xí)和知識(shí)溢出等途徑促進(jìn)了高新區(qū)創(chuàng)新效率的提升［37］；而謝子遠(yuǎn)和鞠芳輝［38］研究發(fā)現(xiàn)，產(chǎn)業(yè)集群會(huì)導(dǎo)致高新區(qū)內(nèi)部企業(yè)間因產(chǎn)品和技術(shù)雷同而出現(xiàn)過度競(jìng)爭，進(jìn)而降低了高新區(qū)的研發(fā)效率。

對(duì)上述文獻(xiàn)進(jìn)行歸納整理可以發(fā)現(xiàn)：國內(nèi)學(xué)者在對(duì)國家高新區(qū)創(chuàng)新效率進(jìn)行研究時(shí)，很少考慮剔除環(huán)境因素前后效率的變化；也少有文獻(xiàn)在分析創(chuàng)新效率的影響因素時(shí)將外部因素和內(nèi)部因素區(qū)分開來；同時(shí)，對(duì)于高新區(qū)創(chuàng)新效率的評(píng)價(jià)，多數(shù)文獻(xiàn)都基于全國視角，而很少有文獻(xiàn)針對(duì)東中西和東北地區(qū)分析創(chuàng)新效率的區(qū)域分布差異情況。本文的貢獻(xiàn)在于：第一，運(yùn)用三階段DEATobit 模型對(duì)我國國家高新區(qū)創(chuàng)新效率進(jìn)行評(píng)價(jià)，反映了剔除環(huán)境因素前后高新區(qū)創(chuàng)新效率的變化和高新區(qū)真實(shí)的經(jīng)營管理水平，對(duì)于改善地區(qū)創(chuàng)新環(huán)境、促進(jìn)不同地區(qū)高新區(qū)高質(zhì)量發(fā)展具有重要意義。第二，在分析影響因素時(shí)，考慮了各經(jīng)濟(jì)區(qū)域創(chuàng)新效率分布的地區(qū)差異性和外部環(huán)境因素的影響，同時(shí)相比于以往文獻(xiàn)進(jìn)行Tobit回歸時(shí)通常采用隨機(jī)效應(yīng)模型，本文采用固定效應(yīng)的Tobit模型控制個(gè)體效應(yīng)來分析各影響因素，且在分析影響因素時(shí)采用政府支持和高新區(qū)規(guī)模兩個(gè)指標(biāo)，豐富了區(qū)域創(chuàng)新系統(tǒng)和產(chǎn)業(yè)集群理論。第三，本文將綜合效率分解為純技術(shù)效率和規(guī)模效率來考察創(chuàng)新效率的影響因素，為研究高新區(qū)創(chuàng)新效率的提升提供了一條新的分析思路。

2 研究方法

2.1 三階段DEA模型

2.1.1 第一階段：傳統(tǒng)DEA模型

傳統(tǒng)DEA 模型即建立在可變規(guī)模報(bào)酬上的DEA-BCC 模型，具體做法是將技術(shù)效率（TE）分解為純技術(shù)效率（PTE）和規(guī)模效率（SE）的乘積。文中將各國家高新區(qū)作為一個(gè)決策單元（簡稱DMU），則第k個(gè)決策單元的投入導(dǎo)向型BCC模型如式（1）所示。

式中：n為決策單元個(gè)數(shù)；m和s代表每個(gè)決策單元的投入量和產(chǎn)出量；si-和sj+分別為投入和產(chǎn)出松弛變量；xik和yjk分別為投入和產(chǎn)出變量；ε一般取值10-6；θ表示決策單元的效率值；表明模型規(guī)模報(bào)酬可變。當(dāng)θ=1和θ< 1 時(shí)，該決策單元分別處于DEA 有效和無效狀態(tài)，且θ越趨于0，說明創(chuàng)新效率越低。

2.1.2 第二階段：SFA模型

第二階段將傳統(tǒng)DEA 模型求得的投入松弛變量作為被解釋變量，以環(huán)境變量作為解釋變量，并對(duì)每種投入松弛變量分別進(jìn)行回歸，構(gòu)建SFA模型如式（2）所示。

其中，sij表示第i個(gè)決策單元下第j項(xiàng)投入的松弛變量，fj(zi，βj)表示在環(huán)境因素影響下松弛變量的函數(shù)形式，βj為關(guān)于環(huán)境變量的待估函數(shù)系數(shù)。定義ε=νij+μij為混合誤差項(xiàng)，其中νij為隨機(jī)誤差項(xiàng)，而μij表示管理無效率項(xiàng)。推導(dǎo)出μij的估計(jì)值ij和νij的估計(jì)值ij后，根據(jù)SFA 模型回歸結(jié)果將各個(gè)決策單元的投入變量按照式（3）進(jìn)行調(diào)整，保證每個(gè)決策單元都處于相同的外部環(huán)境和隨機(jī)因素沖擊中。

式（3）中：i= 1，2，…，n；j= 1，2，…，m；和xij分別表示原始投入量和調(diào)整后的投入量；第一個(gè)和第二個(gè)中括號(hào)分別表示在最差的環(huán)境標(biāo)準(zhǔn)和最大的隨機(jī)干擾下需要增加的投入量。

2.1.3 第三階段：調(diào)整后的DEA模型

經(jīng)過第二階段調(diào)整后，決策單元原始投入數(shù)據(jù)被調(diào)整后的數(shù)據(jù)替換，產(chǎn)出數(shù)據(jù)維持不變，再次代入DEA-BCC 模型進(jìn)行效率評(píng)估，得到不受環(huán)境和隨機(jī)因素影響的且反映真實(shí)經(jīng)營管理水平的效率值。

2.2 Tobit回歸模型

Tobit 模型是研究創(chuàng)新效率的影響因素時(shí)常用的一種方法，又被稱為截尾回歸模型。其特點(diǎn)是因變量表現(xiàn)為截?cái)嗵卣鳌１疚臏y(cè)算出的效率取值范圍為［0，1］。在該模型中，創(chuàng)新效率屬于受限因變量，且回歸的變量屬于面板數(shù)據(jù)，所以采用面板數(shù)據(jù)形式的Tobit模型，如式（4）所示。

3 指標(biāo)選取及數(shù)據(jù)來源

3.1 創(chuàng)新效率測(cè)算指標(biāo)選取

3.1.1 投入產(chǎn)出指標(biāo)選取

測(cè)算高新區(qū)創(chuàng)新效率時(shí)涉及多投入多產(chǎn)出指標(biāo)選取。結(jié)合已有文獻(xiàn)的研究成果，考慮到高新區(qū)層面上數(shù)據(jù)的可得性和完整性，本文從人力投入和資本投入兩個(gè)方面建立二級(jí)指標(biāo)。人力投入指標(biāo)選取科技活動(dòng)人員數(shù)量和年末從業(yè)人員數(shù)量；資本投入指標(biāo)選取R&D 經(jīng)費(fèi)內(nèi)部支出。從指標(biāo)的適用性上看：專利量作為高新區(qū)創(chuàng)新的直接產(chǎn)出，能直接反映其技術(shù)發(fā)明和知識(shí)創(chuàng)新能力；而新產(chǎn)品銷售收入可反映其在科技成果轉(zhuǎn)化過程中獲得的經(jīng)濟(jì)效益。這兩個(gè)指標(biāo)最能衡量高新區(qū)創(chuàng)新活動(dòng)產(chǎn)出。但是，一方面，完整地獲取專利量和新產(chǎn)品銷售收入兩個(gè)指標(biāo)較為困難；另一方面，技術(shù)收入衡量了高新區(qū)研發(fā)產(chǎn)出，反映了高新區(qū)企業(yè)從事技術(shù)活動(dòng)獲得的收入，而產(chǎn)品銷售收入是指高新區(qū)內(nèi)企業(yè)銷售全部產(chǎn)成品和自制半成品以及提供勞務(wù)等所取得的收入，代表了高新區(qū)科技成果的應(yīng)用和轉(zhuǎn)換能力。因此，本文選取次優(yōu)指標(biāo)——技術(shù)收入和產(chǎn)品銷售收入來衡量技術(shù)產(chǎn)出和經(jīng)濟(jì)產(chǎn)出兩個(gè)二級(jí)指標(biāo)。另外，由于工業(yè)總產(chǎn)值能夠反映高新區(qū)總體發(fā)展情況，本文經(jīng)濟(jì)產(chǎn)出用產(chǎn)品銷售收入和工業(yè)總產(chǎn)值兩個(gè)三級(jí)指標(biāo)來衡量。

3.1.2 外生環(huán)境變量指標(biāo)選取

環(huán)境變量選取應(yīng)在觀察樣本之外，不受所選取的樣本控制，且能夠?qū)?chuàng)新效率產(chǎn)生影響?？紤]到高新區(qū)的發(fā)展特點(diǎn)，結(jié)合前人的研究和數(shù)據(jù)的可得性，本文從高新區(qū)所在地區(qū)的經(jīng)濟(jì)發(fā)展水平、市場(chǎng)開放程度、文化教育水平、政府支持和基礎(chǔ)設(shè)施環(huán)境等5 個(gè)方面出發(fā)，選取地區(qū)人均生產(chǎn)總值、實(shí)際利用外資額、普通高等學(xué)校在校大學(xué)生數(shù)、政府財(cái)政支出中科學(xué)技術(shù)支出和郵電業(yè)務(wù)收入占當(dāng)?shù)厣a(chǎn)總值比重等5個(gè)指標(biāo)來衡量外部不可控因素。

投入產(chǎn)出指標(biāo)和環(huán)境變量指標(biāo)選取見表1。

表1 54個(gè)高新區(qū)投入產(chǎn)出和環(huán)境變量指標(biāo)選取結(jié)果

3.2 影響因素指標(biāo)選取

在對(duì)高新區(qū)創(chuàng)新效率影響因素的分析中發(fā)現(xiàn)，除了外部不可控的環(huán)境因素外，還有自身可以調(diào)整和控制的內(nèi)部因素這一非環(huán)境因素直接對(duì)創(chuàng)新效率產(chǎn)生影響。其中，高新區(qū)企業(yè)能夠通過自身管理舉措或相應(yīng)的戰(zhàn)略對(duì)內(nèi)部因素的影響程度進(jìn)行改變。本文結(jié)合已有數(shù)據(jù)并借鑒其他學(xué)者的研究成果，從投入角度以及自身環(huán)境因素方面來選取影響因素指標(biāo)。其中，高新區(qū)規(guī)模、人力投入質(zhì)量、資本投入強(qiáng)度表示投入因素，高新區(qū)開放程度和盈利能力表示自身環(huán)境因素。各指標(biāo)選取及說明見表2。

表2 國家高新區(qū)創(chuàng)新效率影響因素指標(biāo)選取結(jié)果

3.2.1 人力投入質(zhì)量

國家高新區(qū)是高新技術(shù)產(chǎn)業(yè)密集區(qū)，而高新區(qū)創(chuàng)新活動(dòng)屬于知識(shí)密集型活動(dòng)。在創(chuàng)新活動(dòng)中，具有較高技能水平或者受教育水平的勞動(dòng)者，利用自身的經(jīng)驗(yàn)和技能把創(chuàng)新要素變?yōu)橹苯拥纳a(chǎn)力來增加企業(yè)效益，可見勞動(dòng)者的受教育程度能夠很好地體現(xiàn)高新區(qū)在人力方面的投入。本文考察人力投入因素時(shí)注重人力投入質(zhì)量，因此采用大專以上學(xué)歷人員占年末從業(yè)人員的比重這個(gè)相對(duì)指標(biāo)來衡量。

3.2.2 資本投入強(qiáng)度

資本投入強(qiáng)度不僅反映了人均資本投入情況，還反映了資本和人力兩種生產(chǎn)要素的投入比例。根據(jù)新古典增長模型的邊際報(bào)酬遞減規(guī)律，在各部門之間存在一個(gè)效率最高的資金和人力投入比例，偏離這一最優(yōu)比例即發(fā)生資源錯(cuò)配，從而阻礙創(chuàng)新。因此，資本投入強(qiáng)度對(duì)于創(chuàng)新效率的影響是不確定的。本文選取科技活動(dòng)人員人均R&D經(jīng)費(fèi)內(nèi)部支出來表征資本投入強(qiáng)度。

3.2.3 高新區(qū)規(guī)模

根據(jù)規(guī)模經(jīng)濟(jì)理論，高新區(qū)內(nèi)企業(yè)數(shù)量越多，產(chǎn)業(yè)集聚效應(yīng)就會(huì)越明顯，企業(yè)之間通過分工合作和技術(shù)外溢的方式來提升創(chuàng)新效率。本文選取高新區(qū)入統(tǒng)企業(yè)數(shù)來表示高新區(qū)規(guī)模。

3.2.4 高新區(qū)開放程度

國家高新區(qū)在對(duì)外貿(mào)易中通過技術(shù)轉(zhuǎn)移和技術(shù)市場(chǎng)前沿交流，不斷擴(kuò)大產(chǎn)品市場(chǎng)、引進(jìn)先進(jìn)技術(shù)、加強(qiáng)信息交流，有效發(fā)揮技術(shù)溢出效應(yīng)和學(xué)習(xí)效應(yīng)，實(shí)現(xiàn)技術(shù)改進(jìn)，提升資源配置效率［34］。出口總額能夠體現(xiàn)高新區(qū)出口產(chǎn)品技術(shù)溢出效應(yīng)。企業(yè)通過加強(qiáng)對(duì)外交流合作，不斷提升出口產(chǎn)品的技術(shù)水平，從而促進(jìn)技術(shù)創(chuàng)新，提高企業(yè)創(chuàng)新效率。本文選用高新區(qū)出口總額來衡量其開放程度。

3.2.5 盈利能力

高新區(qū)盈利能力反映了高新區(qū)企業(yè)的償債能力。盈利能力越強(qiáng)，企業(yè)越有資本進(jìn)行研發(fā)創(chuàng)新活動(dòng)。本文選用高新區(qū)企業(yè)凈利潤與高新區(qū)企業(yè)總收入的比值來衡量其盈利能力。

3.3 數(shù)據(jù)說明

為保證所獲得統(tǒng)計(jì)數(shù)據(jù)的口徑統(tǒng)一性和測(cè)算結(jié)果的可靠性，本文所選取的高新區(qū)投入產(chǎn)出和影響因素指標(biāo)均來源于《中國火炬統(tǒng)計(jì)年鑒2012—2020》，環(huán)境變量來源于《中國城市統(tǒng)計(jì)年鑒2012—2020》，并用各個(gè)城市統(tǒng)計(jì)年鑒和統(tǒng)計(jì)公報(bào)的數(shù)據(jù)進(jìn)行補(bǔ)充，對(duì)于仍然缺失的數(shù)據(jù)則使用插值法進(jìn)行處理。截至目前所成立的169家國家高新區(qū)，大多數(shù)都在2009 年及以后批復(fù)成立。這些高新區(qū)屬于新升級(jí)高新區(qū)，部分?jǐn)?shù)據(jù)存在缺失，評(píng)價(jià)該部分高新區(qū)的創(chuàng)新效率存在困難?？紤]到數(shù)據(jù)的穩(wěn)定性和完整性，本文的研究對(duì)象為2009年以前成立的處于穩(wěn)定期的國家高新區(qū)和納入園區(qū)建設(shè)的蘇州工業(yè)園區(qū)，其中楊凌高新區(qū)由于地域歸屬難以界定，因此將其從樣本中剔除。

4 實(shí)證結(jié)果分析

4.1 第一階段國家高新區(qū)創(chuàng)新效率測(cè)算結(jié)果分析

第一階段運(yùn)用Deap 2.1 軟件，根據(jù)2011—2019 年54 個(gè)高新區(qū)的投入產(chǎn)出數(shù)據(jù)測(cè)度國家高新區(qū)的創(chuàng)新效率，分別得出每一年各高新區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率，并整理得到各高新區(qū)綜合效率和分解效率均值，如表3 所示。從第一階段效率測(cè)算結(jié)果來看，2011—2019 年國家高新區(qū)平均綜合效率為0.722，距創(chuàng)新生產(chǎn)前沿還有27.8%的改進(jìn)空間。平均規(guī)模效率為0.907，平均純技術(shù)效率為0.797，表明高新區(qū)規(guī)模效率更接近有效水平。只有長春的綜合效率為1.000，投入轉(zhuǎn)化水平發(fā)揮到極致；綜合效率達(dá)到0.900 以上的有北京中關(guān)村、杭州、蘭州、烏魯木齊、沈陽和大慶，其接近生產(chǎn)前沿；綜合效率處于0.600～0.900 的33 家高新區(qū)占比61.1%；綜合效率處于0.600以下的14家高新區(qū)占比25.9%，低于全國平均水平。

4.2 第二階段SFA回歸結(jié)果分析

為反映高新區(qū)真實(shí)的經(jīng)營管理效率，需要進(jìn)行SFA 回歸來剔除外部環(huán)境和隨機(jī)因素的干擾。運(yùn)用Frontier 4.1軟件來估計(jì)所構(gòu)建的SFA函數(shù)中的未知系數(shù)，以此考察環(huán)境變量對(duì)于投入松弛變量的影響，回歸結(jié)果見表4。

表4 第二階段投入松弛變量與環(huán)境變量的SFA回歸結(jié)果

表4 中結(jié)果顯示，各環(huán)境變量對(duì)投入松弛變量的影響系數(shù)大部分都通過了顯著性檢驗(yàn)，且LR單邊檢驗(yàn)也在1%的水平下顯著，說明使用SFA模型進(jìn)行回歸是合理的，環(huán)境變量確實(shí)對(duì)高新區(qū)創(chuàng)新效率存在顯著影響。環(huán)境變量對(duì)投入冗余的影響分析結(jié)果如下。

4.2.1 地區(qū)人均生產(chǎn)總值

該變量對(duì)所有投入冗余量均呈現(xiàn)顯著的正向影響，說明地區(qū)經(jīng)濟(jì)發(fā)展水平的提高不利于創(chuàng)新效率的提升。這主要體現(xiàn)在我國經(jīng)濟(jì)較為發(fā)達(dá)的城市，如北京、上海、廣州和深圳等。這些城市經(jīng)濟(jì)實(shí)力雄厚且創(chuàng)新資源十分豐富，但是如果較多的創(chuàng)新資源沒有得到合理配置，就會(huì)出現(xiàn)創(chuàng)新效率不高的問題。

4.2.2 實(shí)際利用外資額

實(shí)際利用外資額對(duì)年末從業(yè)人員數(shù)量和科技活動(dòng)人員數(shù)量的投入冗余具有正向影響但不顯著，而對(duì)R&D 活動(dòng)經(jīng)費(fèi)內(nèi)部支出的投入冗余具有顯著負(fù)向影響。這表明實(shí)際利用外資額會(huì)增加人力投入的冗余，但會(huì)減少R&D 活動(dòng)經(jīng)費(fèi)內(nèi)部支出冗余。實(shí)際利用外資額代表了當(dāng)?shù)氐氖袌?chǎng)開放程度，市場(chǎng)開放程度越高，進(jìn)入園區(qū)的創(chuàng)新資源就越多，但大量的創(chuàng)新資源堆積有可能造成其無法得到高效配置。

4.2.3 在校大學(xué)生數(shù)

回歸結(jié)果表明，在校大學(xué)生數(shù)對(duì)投入冗余具有顯著的正向影響。在校大學(xué)生越多，越需要投入更多的人力、財(cái)力和物力。雖然在校大學(xué)生數(shù)一定程度上反映了當(dāng)?shù)氐奈幕逃?，但是如果大學(xué)生畢業(yè)后沒有留在域內(nèi)或者沒有被合理配置到相應(yīng)的技術(shù)領(lǐng)域，就會(huì)產(chǎn)生資源的錯(cuò)配和浪費(fèi)，因此造成投入的低效。

4.2.4 政府財(cái)政支出中科學(xué)技術(shù)支出

政府增加科技支出會(huì)使得人力投入的冗余減少，但會(huì)導(dǎo)致資本投入的冗余增加。政府支持高新區(qū)創(chuàng)新有利于提高人力資源的利用率，但若科技資源未得到合理配置就會(huì)使研發(fā)經(jīng)費(fèi)浪費(fèi)。

4.2.5 郵電業(yè)務(wù)收入占當(dāng)?shù)厣a(chǎn)總值的比重

該變量與年末從業(yè)人員數(shù)量冗余量的回歸系數(shù)為正，而與科技活動(dòng)人員數(shù)量和R&D 活動(dòng)經(jīng)費(fèi)內(nèi)部支出冗余量的回歸系數(shù)為負(fù)且顯著。這說明隨著基礎(chǔ)設(shè)施的逐步改善，高新區(qū)年末從業(yè)人員冗余增加，但是科技活動(dòng)人員和資本的投入冗余減少?；A(chǔ)設(shè)施越完善，創(chuàng)新平臺(tái)水平就越高，高新區(qū)就能減少交易成本，促進(jìn)創(chuàng)新效率的提升。

4.3 投入調(diào)整前后國家高新區(qū)創(chuàng)新效率對(duì)比分析

第三階段將剔除環(huán)境變量后的投入值和原始產(chǎn)出值代入DEAP 2.1軟件，得到2011—2019年54個(gè)高新區(qū)調(diào)整后的綜合效率、純技術(shù)效率及規(guī)模效率，并繪制出投入調(diào)整前后高新區(qū)綜合效率和分解效率變化情況圖（見圖1）?？芍?，第一階段高新區(qū)綜合效率、純技術(shù)效率和規(guī)模效率都呈現(xiàn)“W”形的變化特征且趨勢(shì)一致，純技術(shù)效率不高制約著綜合效率提升；第三階段國家高新區(qū)綜合效率和規(guī)模效率變化趨勢(shì)一致，呈現(xiàn)“W”形變化特征，每一年的純技術(shù)效率均大于規(guī)模效率，規(guī)模效率不高制約著高新區(qū)綜合效率提升。

圖1 投入調(diào)整前后2011—2019年國家高新區(qū)綜合效率和分解效率變化圖

分析54個(gè)高新區(qū)創(chuàng)新效率在投入調(diào)整前后的變化情況，各高新區(qū)年均綜合效率及分解效率的變化值見表3。通過對(duì)比發(fā)現(xiàn)，剔除環(huán)境因素的影響后，我國54個(gè)高新區(qū)綜合效率及分解效率值變化明顯，大部分高新區(qū)綜合效率和規(guī)模效率出現(xiàn)下降，而純技術(shù)效率則有所提升。就全國層面而言，國家高新區(qū)的平均綜合效率和規(guī)模效率均有所下降，分別由第一階段的0.722 和0.907 下降為0.604 和0.621，調(diào)整之前被高估了0.118 和0.286，平均純技術(shù)效率則在調(diào)整后上升了0.177，規(guī)模效率的降低直接導(dǎo)致了綜合效率的下降。就各高新區(qū)而言，沈陽、福州、杭州、石家莊和濟(jì)南等37個(gè)高新區(qū)的綜合效率在調(diào)整前后出現(xiàn)了不同程度的降低，占比達(dá)到68.5%，其中降幅最大的是烏魯木齊高新區(qū)，下降了0.726，說明環(huán)境因素的存在導(dǎo)致這些高新區(qū)創(chuàng)新效率虛高。純技術(shù)效率除了北京中關(guān)村、海南、上海張江、長春、西安和烏魯木齊這6家調(diào)整前后都為1.000，其余均有所上升；規(guī)模效率除了北京中關(guān)村、深圳、上海張江、武漢東湖和西安高新區(qū)有所提升，長春高新區(qū)保持不變外，其余均出現(xiàn)下降，這說明絕大部分高新區(qū)創(chuàng)新要素投入規(guī)模不合理，需要改變過往的粗放型發(fā)展模式，調(diào)整園區(qū)規(guī)模來提升創(chuàng)新效率。

進(jìn)一步分析投入調(diào)整前后我國四大地區(qū)創(chuàng)新效率變化情況，結(jié)果如圖2所示。對(duì)比發(fā)現(xiàn)，剔除環(huán)境因素后，四大地區(qū)國家高新區(qū)綜合效率均有明顯下降，下降幅度排序依次為東部地區(qū)（0.033）、中部地區(qū)（0.047）、西部地區(qū)（0.252）和東北地區(qū)（0.299），西部和東北高新區(qū)下降幅度明顯高于東部和中部，說明環(huán)境因素對(duì)這兩個(gè)地區(qū)的影響較大，同時(shí)也反映出西部和東北高新區(qū)的園區(qū)管理和建設(shè)水平亟待提升。在純技術(shù)效率和規(guī)模效率方面，四大地區(qū)分別出現(xiàn)10%以上不同程度的提升和20%以上不同程度的下降。四大地區(qū)在調(diào)整后規(guī)模效率不高，這制約著各地區(qū)國家高新區(qū)創(chuàng)新效率的提升。

圖2 投入調(diào)整前后我國四大地區(qū)國家高新區(qū)綜合效率和分解效率值對(duì)比

4.4 第三階段國家高新區(qū)創(chuàng)新效率區(qū)域差異性分析

為了反映各地區(qū)國家高新區(qū)之間和高新區(qū)內(nèi)部創(chuàng)新效率變化趨勢(shì)的差異性，本文根據(jù)2011—2019年各高新區(qū)創(chuàng)新效率測(cè)算結(jié)果繪制出圖3和圖4。

圖3 2011—2019年四大地區(qū)國家高新區(qū)創(chuàng)新效率變化趨勢(shì)對(duì)比圖

圖4 2011—2019年四大地區(qū)國家高新區(qū)創(chuàng)新效率變異系數(shù)變化趨勢(shì)對(duì)比圖

由圖3 可知：東部高新區(qū)綜合效率變化趨勢(shì)呈現(xiàn)“W”形，在2012—2013 年間下降幅度最大，在2016—2019 年間一直上升；中部高新區(qū)總體上呈現(xiàn)上升趨勢(shì)，效率值在2019 年達(dá)到最高；西部高新區(qū)總體上變化較為平穩(wěn)，2011—2015 年間在四大地區(qū)中效率都是最低的，但在2016—2019 年間呈現(xiàn)上升的態(tài)勢(shì)并超過東北地區(qū)；東北高新區(qū)呈現(xiàn)逐年下降的趨勢(shì)，在四大地區(qū)中效率降低趨勢(shì)最為明顯；中部和東部的效率差距呈現(xiàn)“減小—增大—減小”的特征，而東北和東部的差距一直在變大，西部與東部的差距則保持穩(wěn)定。

就各地區(qū)高新區(qū)創(chuàng)新效率內(nèi)部差異變化情況而言，東部和西部高新區(qū)的變異系數(shù)在2011—2019 年間整體上呈現(xiàn)先上升后下降的趨勢(shì)，創(chuàng)新效率內(nèi)部差距呈現(xiàn)了先擴(kuò)大后縮小的變化特征。東部高新區(qū)變化較為平穩(wěn)，一直在0.300～0.400的范圍內(nèi)浮動(dòng)，西部高新區(qū)變異系數(shù)呈現(xiàn)較大幅度的縮小態(tài)勢(shì)。中部高新區(qū)變異系數(shù)在波動(dòng)中變化且總體呈現(xiàn)下降趨勢(shì)。東北高新區(qū)內(nèi)部差距則呈現(xiàn)擴(kuò)大的趨勢(shì)，變異系數(shù)除了在2017—2018年間有小幅降低外，其他年份均在變大。這說明，對(duì)于東北地區(qū)來說，高新區(qū)內(nèi)部均衡水平下降是阻礙其創(chuàng)新效率提升的重要原因。

根據(jù)表5 中四大地區(qū)綜合效率和分解效率值，可對(duì)各地區(qū)創(chuàng)新效率進(jìn)行比較分析。四大地區(qū)綜合效率水平均不高，呈現(xiàn)東部、中部、東北和西部依次遞減的梯狀特征。東部高新區(qū)綜合效率及分解效率最大值排名均為第一，綜合效率均值排名第一是由純技術(shù)效率和規(guī)模效率均值都較高引起的，表明東部高新區(qū)在資源配置和要素投入方面都較為合理；中部高新區(qū)規(guī)模效率均值排名第一，且變異系數(shù)最小，說明中部高新區(qū)要素投入規(guī)模最為合理且創(chuàng)新效率內(nèi)部差異??；西部高新區(qū)各效率均值都排在末位，且綜合效率變異系數(shù)最大，說明西部高新區(qū)各創(chuàng)新效率水平和均衡水平表現(xiàn)不佳；東北高新區(qū)綜合效率也不盡如人意，且高新區(qū)規(guī)模不合理，應(yīng)當(dāng)發(fā)揮規(guī)模擴(kuò)張帶來的外部性效應(yīng)，重視規(guī)模效率的提升。

表5 分地區(qū)國家高新區(qū)綜合效率及分解效率統(tǒng)計(jì)指標(biāo)

4.5 影響因素分析

4.5.1 模型構(gòu)建

本文選取經(jīng)過三階段DEA 模型測(cè)算得到的54 個(gè)高新區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率作為被解釋變量，5 個(gè)影響因素指標(biāo)作為解釋變量，以此建立高新區(qū)創(chuàng)新效率與影響因素的線性回歸方程，考察高新區(qū)內(nèi)部因素對(duì)于創(chuàng)新效率的影響。模型設(shè)定如下：

為了消除量綱的影響，本文對(duì)部分解釋變量進(jìn)行對(duì)數(shù)化處理。根據(jù)因變量所代表的含義不同，Yit在回歸時(shí)可分別表示2011—2019 年第i家高新區(qū)第t年的綜合效率、純技術(shù)效率和規(guī)模效率；X1it—X5it代表第i家高新區(qū)第t年的人力投入質(zhì)量、資本投入強(qiáng)度、開放程度、規(guī)模和盈利能力；C為常數(shù)項(xiàng)；εit為隨機(jī)擾動(dòng)項(xiàng)。

4.5.2 變量描述性統(tǒng)計(jì)

選用2011—2019 年54 個(gè)高新區(qū)的數(shù)據(jù)，運(yùn)行Stata 15.0軟件得到如表6所示的各變量描述性統(tǒng)計(jì)結(jié)果（變量crste、vrste和scale分別表示綜合效率、純技術(shù)效率和規(guī)模效率）。

表6 解釋變量和被解釋變量描述性統(tǒng)計(jì)

4.5.3 回歸結(jié)果分析

本文利用Stata 15.0 軟件進(jìn)行Tobit 測(cè)算。關(guān)于靜態(tài)面板數(shù)據(jù)的Tobit 回歸主要有混合效應(yīng)模型、隨機(jī)效應(yīng)模型和固定效應(yīng)模型。經(jīng)過似然比檢驗(yàn)（Likelihood Ratio Test）和拉格朗日乘數(shù)檢驗(yàn)（LM），發(fā)現(xiàn)3 個(gè)模型存在顯著的個(gè)體隨機(jī)效應(yīng)，應(yīng)拒絕面板Tobit混合效應(yīng)模型假設(shè)，即可考慮選擇具有隨機(jī)效應(yīng)的Tobit 模型來進(jìn)行回歸分析。同時(shí)，F(xiàn) 檢驗(yàn)可發(fā)現(xiàn)面板數(shù)據(jù)的固定效應(yīng)顯著，說明不應(yīng)使用面板Tobit 混合效應(yīng)模型；而經(jīng)過Tobit模型的豪斯曼檢驗(yàn)（Hausman），3個(gè)模型P值均小于0.05，通過了5%的顯著性水平檢驗(yàn)，應(yīng)拒絕隨機(jī)效應(yīng)和固定效應(yīng)無差異的假設(shè)，表明3 個(gè)模型都應(yīng)選擇固定效應(yīng)進(jìn)行Tobit 回歸。因變量為綜合效率、純技術(shù)效率和規(guī)模效率的模型（1）、（2）和（3）的豪斯曼檢驗(yàn)與回歸結(jié)果見表7。

表7 Tobit回歸結(jié)果匯總

由表7 可知，人力投入質(zhì)量、資本投入強(qiáng)度、開放程度、規(guī)模以及盈利能力均對(duì)綜合效率有顯著的促進(jìn)作用。由于綜合效率可以分解為純技術(shù)效率和規(guī)模效率，因此可以分別就各個(gè)因素對(duì)分解效率的影響來分析其影響方式。

人力投入質(zhì)量對(duì)純技術(shù)效率和規(guī)模效率均有促進(jìn)作用，但對(duì)純技術(shù)效率的促進(jìn)作用不顯著。人力投入質(zhì)量對(duì)純技術(shù)效率的促進(jìn)作用不顯著可以解釋為：高新區(qū)創(chuàng)新作為智力密集型生產(chǎn)活動(dòng)，需要從業(yè)人員有較高的知識(shí)素養(yǎng)，而研究生學(xué)歷更能反映一定的知識(shí)和科研素養(yǎng)［35］；因此，我國國家高新區(qū)研究生學(xué)歷從業(yè)人員占比較低［13］，可能引致人力投入質(zhì)量對(duì)于純技術(shù)效率的促進(jìn)作用不顯著這一情況。

資本投入強(qiáng)度、開放程度和規(guī)模都能顯著促進(jìn)高新區(qū)規(guī)模效率的提升，但對(duì)純技術(shù)效率的影響都表現(xiàn)為抑制作用，因此三者對(duì)綜合效率的促進(jìn)作用是通過影響規(guī)模效率來實(shí)現(xiàn)的。資本投入強(qiáng)度對(duì)于純技術(shù)效率的抑制作用反映出高新區(qū)創(chuàng)新資金投入使用效率低的信號(hào)：當(dāng)資本和人力投入的比例不合理時(shí)，R&D 經(jīng)費(fèi)內(nèi)部支出和科技活動(dòng)人員的投入無法支持園區(qū)企業(yè)技術(shù)創(chuàng)新，研發(fā)資源未得到合理配置而造成浪費(fèi)。高新區(qū)開放程度對(duì)純技術(shù)效率的負(fù)向影響可以解釋為：第一，高新區(qū)開放程度的提升依靠技術(shù)引進(jìn)，而技術(shù)引進(jìn)費(fèi)用支出可能會(huì)占用創(chuàng)新過程中的部分資金投入，從而降低創(chuàng)新效率；第二，開放導(dǎo)致高新區(qū)市場(chǎng)競(jìng)爭更激烈，抑制高新區(qū)部分產(chǎn)業(yè)創(chuàng)新成果的轉(zhuǎn)化，進(jìn)而降低創(chuàng)新效率。高新區(qū)規(guī)模對(duì)規(guī)模效率的正向影響可以解釋為：高新區(qū)的研發(fā)活動(dòng)需要知識(shí)、人才和其他資源要素作為支撐，只有具備一定規(guī)模的企業(yè)才能引進(jìn)高技能人才并且支撐龐大的資源投入［7］，更好地發(fā)揮高新區(qū)規(guī)模效應(yīng)。而高新區(qū)規(guī)模對(duì)純技術(shù)效率的抑制作用反映出高新區(qū)產(chǎn)業(yè)集聚水平不高，企業(yè)協(xié)同創(chuàng)新水平有待進(jìn)一步提升。

盈利能力對(duì)綜合效率和分解效率的影響均顯著為正，且對(duì)高新區(qū)綜合效率的正向影響來源于對(duì)純技術(shù)效率和規(guī)模效率的共同影響。一方面，高新區(qū)企業(yè)盈利能力越強(qiáng)，就越有能力進(jìn)行研發(fā)創(chuàng)新，利潤的增加也為創(chuàng)新軟環(huán)境的優(yōu)化奠定了基礎(chǔ)；另一方面，高新區(qū)創(chuàng)新需要資金的支撐，企業(yè)盈利能力的減弱會(huì)削弱資金的支撐力度，從而制約高新區(qū)創(chuàng)新研發(fā)活動(dòng)的開展。

5 結(jié)論與建議

5.1 結(jié)論

本文基于我國54 個(gè)國家級(jí)高新區(qū)2011—2019 年的投入產(chǎn)出數(shù)據(jù)和環(huán)境變量，運(yùn)用三階段DEA-Tobit 模型對(duì)國家級(jí)高新區(qū)創(chuàng)新效率和影響因素進(jìn)行分析，得出以下結(jié)論。

第一，從三階段DEA 分析結(jié)果來看，傳統(tǒng)DEA 模型高估了國家級(jí)高新區(qū)的綜合效率和規(guī)模效率，低估了純技術(shù)效率，規(guī)模效率的下降直接導(dǎo)致了綜合效率的下降。環(huán)境因素對(duì)西部和東北地區(qū)的創(chuàng)新效率影響較大，規(guī)模效率不高成為限制四大地區(qū)創(chuàng)新效率提升的關(guān)鍵因素。

第二，SFA回歸發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展水平和文化教育水平的提升不利于高新區(qū)創(chuàng)新效率的提高，說明高新區(qū)所在地區(qū)的科技創(chuàng)新體制和市場(chǎng)化機(jī)制有待改善。

第三，各地區(qū)年均綜合效率呈現(xiàn)東部、中部、東北和西部依次遞減的梯狀特征，東北、西部地區(qū)與東部、中部地區(qū)效率差距明顯。西部高新區(qū)各項(xiàng)效率都排在末位；東北高新區(qū)綜合效率不盡如人意，且其高新區(qū)規(guī)模不合理，應(yīng)重視規(guī)模調(diào)整。東部和中部高新區(qū)創(chuàng)新效率較高得益于較高的均衡水平，而東北地區(qū)創(chuàng)新效率較低是其均衡水平不斷下降引起的。

第四，固定效應(yīng)Tobit 面板數(shù)據(jù)模型回歸發(fā)現(xiàn)，對(duì)于高新區(qū)創(chuàng)新效率的促進(jìn)作用，人力投入質(zhì)量和盈利能力通過對(duì)規(guī)模效率和純技術(shù)效率的共同影響來實(shí)現(xiàn)；資本投入強(qiáng)度、開放程度和規(guī)模則是通過影響規(guī)模效率來實(shí)現(xiàn)的。

5.2 建議

5.2.1 因地制宜，互相借鑒

不同類型的高新區(qū)應(yīng)因地制宜，互相借鑒，取長補(bǔ)短。各高新區(qū)之間應(yīng)該結(jié)合自身效率損失的原因采取不同的措施，尤其是要明確效率低下是由純技術(shù)效率低下引起的，還是由規(guī)模效率低下引起的，抑或是兩者兼有。西部高新區(qū)效率均值都排在末位，且內(nèi)部發(fā)展差距最大，應(yīng)擴(kuò)大人才、資金等科技要素投入，重視資源配置水平和規(guī)模水平的提升。東北高新區(qū)純技術(shù)效率最高，但規(guī)模不合理，應(yīng)重視規(guī)模效率的提升。同時(shí)，對(duì)于西部和東北地區(qū)的高新區(qū)，政府部門也應(yīng)給予政策扶持，改善其發(fā)展環(huán)境。

5.2.2 加大金融支持力度，拓展高新區(qū)融資渠道

我國高新區(qū)內(nèi)企業(yè)以中小企業(yè)為主。受制于資金、政策、競(jìng)爭和壟斷等因素的影響，中小企業(yè)利潤規(guī)模小、盈利能力弱、承擔(dān)風(fēng)險(xiǎn)的損失大，嚴(yán)重影響了高新區(qū)內(nèi)中小企業(yè)的創(chuàng)新投入水平，因而企業(yè)將經(jīng)營重點(diǎn)放在生產(chǎn)和銷售上，創(chuàng)新活動(dòng)難以持續(xù)推進(jìn)。要深化金融體制改革，推進(jìn)利率市場(chǎng)化改革；完善金融體系，調(diào)整金融結(jié)構(gòu)，擴(kuò)大金融業(yè)對(duì)內(nèi)對(duì)外開放，放寬銀行業(yè)市場(chǎng)準(zhǔn)入限制等；大力發(fā)展股票、債券等直接融資渠道，探索新型融資方式，提高企業(yè)信貸比例和授信額度；鼓勵(lì)商業(yè)銀行在高新區(qū)內(nèi)設(shè)立科技支行，支持開展知識(shí)產(chǎn)權(quán)質(zhì)押融資，支持符合條件的國家高新區(qū)開發(fā)建設(shè)主體上市融資。

5.2.3 壯大高新區(qū)規(guī)模，發(fā)揮優(yōu)勢(shì)產(chǎn)業(yè)集群效應(yīng)

近年來，高新區(qū)通過擴(kuò)容提效在創(chuàng)新產(chǎn)出方面取得了豐碩的成果，大部分高新區(qū)的規(guī)模效益通過擴(kuò)大生產(chǎn)經(jīng)營規(guī)模而有所提升。要發(fā)展壯大高新區(qū)規(guī)模，充分發(fā)揮規(guī)模擴(kuò)張帶來的產(chǎn)業(yè)集聚效應(yīng)。各地政府應(yīng)積極扶持高新區(qū)中小企業(yè)發(fā)展，鼓勵(lì)中小企業(yè)做大做強(qiáng)，提高企業(yè)的規(guī)模效益，提升企業(yè)的研發(fā)效率和轉(zhuǎn)化能力。各高新區(qū)應(yīng)當(dāng)利用政府金融機(jī)構(gòu)寬松的信貸政策吸引高技術(shù)產(chǎn)業(yè)入駐，利用高技術(shù)產(chǎn)業(yè)帶來的知識(shí)和技術(shù)溢出效應(yīng)來促進(jìn)企業(yè)的協(xié)同發(fā)展，發(fā)揮優(yōu)勢(shì)產(chǎn)業(yè)集群效應(yīng)。

5.2.4 引導(dǎo)創(chuàng)新資源合理流動(dòng)，促進(jìn)高新區(qū)協(xié)同發(fā)展

受經(jīng)濟(jì)發(fā)展水平和技術(shù)水平的影響，我國高新區(qū)在東部、中部、西部和東北地區(qū)發(fā)展極不協(xié)調(diào)。東部高新區(qū)創(chuàng)新投入和創(chuàng)新效率一直處于遙遙領(lǐng)先的水平，而西部和東北地區(qū)在人力和資金投入方面均處于劣勢(shì)，人才流失嚴(yán)重，區(qū)域內(nèi)部發(fā)展也相對(duì)不平衡。為此，要破除體制機(jī)制的束縛，引導(dǎo)資源的自由流動(dòng)和有序配置。高新區(qū)之間應(yīng)加強(qiáng)合作與交流，打破空間壁壘，通過要素間自由流動(dòng)來實(shí)現(xiàn)知識(shí)和技術(shù)溢出；各高新區(qū)應(yīng)大力發(fā)展特色產(chǎn)業(yè)，集聚創(chuàng)新要素，協(xié)同推進(jìn)東部、中部、西部和東北高新區(qū)創(chuàng)新效率的提升。