數(shù)字經(jīng)濟背景下高校創(chuàng)新效率測評及影響因素分析

李 毅,王 雨,羅 媞,易翠枝

(湖南理工學(xué)院 經(jīng)濟與管理學(xué)院,湖南 岳陽 414006)

0 引言

近年來,我國數(shù)字經(jīng)濟發(fā)展迅速、成就顯著,其作為宏觀經(jīng)濟的“加速器”和“穩(wěn)定器”,作用更加凸顯.大數(shù)據(jù)、云計算、區(qū)塊鏈等數(shù)字技術(shù)的應(yīng)用,為創(chuàng)新活動提供技術(shù)支持,賦能各創(chuàng)新主體,釋放創(chuàng)新紅利.高校是我國創(chuàng)新主體的重要組成部分,創(chuàng)新創(chuàng)業(yè)教育也越來越受到國家的高度重視.但是在國家和各級政府的支持和投入下,高校創(chuàng)新效率幾何？數(shù)字經(jīng)濟背景下,影響高校創(chuàng)新效率的因素有哪些？這些都是值得思考的問題.基于此,本文以中國30 個省市高校為研究對象,考察2015—2019 年各高校科技創(chuàng)新效率及影響因素,以期助力高校創(chuàng)新創(chuàng)業(yè)教育,為后續(xù)政府及相關(guān)部門政策的制定提供參考和建議.

1 文獻綜述

國外關(guān)于數(shù)字經(jīng)濟與創(chuàng)新創(chuàng)業(yè)的研究起步較早.Yoo 等[1]2010 年正式提出數(shù)字創(chuàng)新的概念.Srinivasan等[2]分析數(shù)字技術(shù)對創(chuàng)新創(chuàng)業(yè)的影響,認為數(shù)字技術(shù)可以推動商業(yè)模式創(chuàng)新,促進數(shù)字創(chuàng)業(yè)者的出現(xiàn).Nambisan 等[3]進一步比較了數(shù)字經(jīng)濟背景下的創(chuàng)新創(chuàng)業(yè)和傳統(tǒng)創(chuàng)新創(chuàng)業(yè)的差別,認為與追求利潤和專利數(shù)量最大化的傳統(tǒng)創(chuàng)新創(chuàng)業(yè)相比,數(shù)字創(chuàng)新創(chuàng)業(yè)更加強調(diào)數(shù)字化創(chuàng)新效率和組織績效的提升.鑒于數(shù)字技術(shù)對創(chuàng)新創(chuàng)業(yè)的影響,高等院校的創(chuàng)新創(chuàng)業(yè)教育也面臨挑戰(zhàn),必須改變傳統(tǒng)的教育模式以順應(yīng)技術(shù)革命的浪潮.國內(nèi)學(xué)者有關(guān)數(shù)字經(jīng)濟對創(chuàng)新創(chuàng)業(yè)影響的初期研究主要停留在理論層面,一部分學(xué)者認為數(shù)字技術(shù)促進了商業(yè)模式的創(chuàng)新[4]、數(shù)字技術(shù)挑戰(zhàn)了現(xiàn)有的創(chuàng)業(yè)理論[5]、數(shù)字經(jīng)濟改變了創(chuàng)新創(chuàng)業(yè)的研究范式[6]、數(shù)字經(jīng)濟通過促進技術(shù)創(chuàng)新實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展[7]等.后續(xù)也有部分學(xué)者對創(chuàng)新創(chuàng)業(yè)展開實證研究,例如胡玲等[8]運用層次分析法和灰色關(guān)聯(lián)法對高校創(chuàng)新創(chuàng)業(yè)教育效果的影響因素進行了定量分析.李智等[9]運用空間杜賓模型研究數(shù)字經(jīng)濟對創(chuàng)業(yè)活躍度的影響.劉翠花[10]利用面板回歸模型,研究數(shù)字經(jīng)濟對產(chǎn)業(yè)結(jié)構(gòu)和創(chuàng)業(yè)增長的影響.

綜上所述,以往研究多集中在理論層面對數(shù)字經(jīng)濟背景下創(chuàng)新創(chuàng)業(yè)的研究,且研究對象大都為企業(yè)、高校、科研機構(gòu)等綜合創(chuàng)新主體,難以看出單一主體的效率和不足.因此,本文選取中國30 個省市高校作為研究對象,進行創(chuàng)新效率測評和影響因素分析,以期助力各省市高校優(yōu)化資源配置,提升創(chuàng)新效率.

2 研究設(shè)計

2.1 模型與方法

本文選取SBM-Malmquist 模型靜態(tài)與動態(tài)相結(jié)合的方法,全方位反映決策單元的效率變化情況.具體計算步驟參考文[11].影響因素分析方面,考慮到超效率SBM 模型估計出的效率值是截斷的離散分布數(shù)據(jù),若使用OLS 回歸,則其參數(shù)可能會出現(xiàn)嚴重偏差,因此,采用因變量受限的截斷Tobit 回歸模型.

2.2 指標(biāo)體系構(gòu)建

2.2.1 高校創(chuàng)新效率綜合評價指標(biāo)體系

本文選擇構(gòu)建高校創(chuàng)新效率綜合評價指標(biāo)體系模型,綜合考慮各地區(qū)數(shù)字經(jīng)濟發(fā)展水平、經(jīng)費投入、資源稟賦等特點,評價高校創(chuàng)新投入與產(chǎn)出之間的效率關(guān)系.對于數(shù)字經(jīng)濟發(fā)展指數(shù)的衡量,已有的研究與測算較多且較為成熟,本文利用對中國省域數(shù)字經(jīng)濟發(fā)展水平的綜合評價方法,最終構(gòu)建出綜合評價指標(biāo)體系,見表1.

表1 高校創(chuàng)新效率綜合評價指標(biāo)體系

2.2.2 高校創(chuàng)新效率影響因素評價指標(biāo)體系

高校之間因?qū)W科屬性的特點,理工農(nóng)醫(yī)與人文社科類高校在人員組成、經(jīng)費投入、研究類別、創(chuàng)新產(chǎn)出等方面存在差異,每一方面的差異都將影響最終的創(chuàng)新效率.基于上述原因,本文最終構(gòu)建的影響因素指標(biāo)體系見表2.

表2 高校創(chuàng)新效率影響因素變量

2.3 數(shù)據(jù)來源與處理

基于數(shù)據(jù)的可獲得性,本文選取2015—2019 年中國30 個省市(西藏因數(shù)據(jù)不全,未納入統(tǒng)計)高?？萍紕?chuàng)新相關(guān)因素的面板數(shù)據(jù),數(shù)據(jù)主要來源于2016—2020 年《中國科技統(tǒng)計年鑒》及各省市統(tǒng)計局網(wǎng)站.

3 實證結(jié)果分析

3.1 高校創(chuàng)新效率綜合評價

3.1.1 超效率SBM 模型分析結(jié)果

采用Matlab 軟件對2015—2019 年我國30 個省市高校創(chuàng)新效率進行逐年測算,結(jié)果見表3.

表3 2015—2019 年各省市高校創(chuàng)新效率測度結(jié)果

從全國來看,2015—2019 年我國高校創(chuàng)新效率呈逐年上升趨勢,2019 年創(chuàng)新效率首次突破1,達到有效狀態(tài),一定程度上也反映出近年來我國高校整體創(chuàng)新能力的不斷提升.分地區(qū)從均值來看,整體呈現(xiàn)西部地區(qū)>東北地區(qū)>東部地區(qū)>全國>中部地區(qū).從省市表現(xiàn)來看,近年來綜合效率技術(shù)水平達到前沿的省市較多,基本上維持在86.7%以上,即30 個省市中至少有26 個省市能達到有效狀態(tài).根據(jù)表3 中各省市創(chuàng)新效率均值分布情況,可將其劃分為四個梯隊: 第一梯隊呈高效狀態(tài)(大于1.1),包括內(nèi)蒙古、河南、海南、青海;第二梯隊呈有效狀態(tài)(大于1.0),包括北京、天津、山西、遼寧、上海、江蘇、浙江、湖北、廣東、廣西、四川、貴州、陜西、甘肅、寧夏和新疆;第三梯隊呈現(xiàn)弱有效狀態(tài)(0.9～1.0),包括吉林、黑龍江、福建、江西、山東、重慶和云南;第四梯隊創(chuàng)新效率值偏低(小于0.9),包括河北、安徽、湖南.

3.1.2 Malmquist 生產(chǎn)指數(shù)分析結(jié)果

基于投入導(dǎo)向和規(guī)模報酬可變的DEA-Malmquist 模型,計算得出2015—2019 年全國及各省市高?？萍紕?chuàng)新動態(tài)效率指數(shù)及分解量,見表4 和表5.

表4 2015—2019 年全國高校創(chuàng)新效率分年度指數(shù)變動及分解

表5 2015—2019 年各省市高校創(chuàng)新效率整體變動指數(shù)及分解

從全國來看,2015—2019 年全國高校創(chuàng)新效率增長呈“M”形波動,平均值為1.252,年平均增長率為25.2%,說明這期間全國高校創(chuàng)新發(fā)展總體情況良好,處于增長態(tài)勢.從指數(shù)分解的結(jié)果看,技術(shù)效率均值為1.154,即由于資源配置和管理改進等原因?qū)е律a(chǎn)效率年均增幅為15.4%.其中,純技術(shù)效率的貢獻逐年增多,規(guī)模效率增長速度較慢,說明規(guī)模增加的邊際收益紅利還沒有真正釋放.年均技術(shù)進步的均值為1.107,即每年由于知識創(chuàng)新和應(yīng)用水平提高所導(dǎo)致的生產(chǎn)率提高為10.7%,遠低于管理改進等對創(chuàng)新效率提升的貢獻度.這說明高校對原有知識創(chuàng)新和成果產(chǎn)出的改進不夠,推進創(chuàng)新效率前沿面擴展較慢.其中,推進技術(shù)進步的主要因素是純技術(shù)變化,規(guī)模技術(shù)變化呈現(xiàn)負增長狀態(tài).

分省市來看,2015—2019 年間共有22 個省市全要素生產(chǎn)率平均值大于1,占比高達73.33%,說明各省市高校創(chuàng)新情況整體趨勢向好.山東全要素生產(chǎn)率最高,年均增長率達28.5%,四川全要素生產(chǎn)率最低,以年均6.6%的速度衰退.從區(qū)域排名看,山東、安徽、吉林和浙江全要素生產(chǎn)率增長均在20%以上,河北、黑龍江、云南、上海全要素生產(chǎn)率增長在10%以上,反映出近年來上述區(qū)域高校在科技創(chuàng)新、投入產(chǎn)出結(jié)構(gòu)與體制改革上取得了積極成效.上海、北京、江西技術(shù)效率的負向增長影響了整體全要素生產(chǎn)率的提升,說明這3 個省市高校在創(chuàng)新管理效率和制度安排上還存在較大問題,在管理提升和規(guī)?？刂频确矫嫒杂懈倪M空間.重慶、青海、湖南、內(nèi)蒙古、新疆、貴州、廣東等7 個省市技術(shù)進步對全要素生產(chǎn)率的拉動力較弱,需要加大技術(shù)創(chuàng)新和知識學(xué)習(xí),以更先進的技術(shù)成果促進高校創(chuàng)新效率的提高.寧夏、陜西、廣西等8 個省市的全要素增長率負向增長,且在技術(shù)效率和技術(shù)進步兩方面指數(shù)都較低,需要提高警惕.

3.2 高校創(chuàng)新效率影響因素分析

進一步探討各省市高校創(chuàng)新效率的影響因素及作用機理.回歸開始前,對高校基礎(chǔ)研究人員人均經(jīng)費進行取對數(shù)處理,旨在消去指標(biāo)量綱的影響,使結(jié)果具有更好的穩(wěn)定性.回歸結(jié)果見表6.

表6 高校創(chuàng)新效率影響因素Tobit 回歸分析結(jié)果

R&D 經(jīng)費投入強度與高校創(chuàng)新效率在0.5%的顯著性水平下顯著負相關(guān).一般來講,經(jīng)費投入強度越高,越有利于創(chuàng)新產(chǎn)出.這里考慮兩個方面,一是政府投入資金可能只有部分流向高校,二是一些省市政府投入對高校創(chuàng)新的拉動作用達到飽和,甚至出現(xiàn)投入冗余等問題.高校基礎(chǔ)研究人均經(jīng)費與創(chuàng)新效率也呈現(xiàn)顯著的負相關(guān),這可能是因為基礎(chǔ)研究的困難性和復(fù)雜性,若長期的投入在短時間內(nèi)無法見到成效,反而不利于創(chuàng)新效率的提高.理工農(nóng)醫(yī)類高校R&D 人員占比與創(chuàng)新效率成反比,通過顯著性檢驗,一般認為理工類高校在創(chuàng)新產(chǎn)出方面相對容易,有利于創(chuàng)新效率的提高.這里參考宗曉華等[12]關(guān)于“雙一流”建設(shè)高校研究效率及其變化的觀點,一是理工類學(xué)科結(jié)構(gòu)的偏狹可能制約其整體效率的提高,較為單一的學(xué)科結(jié)構(gòu)越來越難以滿足集成創(chuàng)新和協(xié)調(diào)創(chuàng)新的需求,二是理工類高校投入巨大,科研產(chǎn)出具有不確定性,科研貢獻也難以精確測度,在效率評價中可能處于劣勢.城鎮(zhèn)化水平與創(chuàng)新效率呈現(xiàn)顯著正相關(guān),說明城市經(jīng)濟的發(fā)展和現(xiàn)代化技術(shù)的更新,有利于高校開展創(chuàng)新活動.

數(shù)字經(jīng)濟發(fā)展指數(shù)與創(chuàng)新效率成正比,但沒有通過顯著性檢驗.現(xiàn)今的普遍共識是數(shù)字經(jīng)濟的發(fā)展,有利于提高區(qū)域創(chuàng)新能力.這說明,在2015—2019 年期間,高校對于數(shù)字技術(shù)的運用不夠,沒有發(fā)揮數(shù)字經(jīng)濟對高校創(chuàng)新效率的拉動作用.

4 結(jié)束語

本文得出以下主要結(jié)論:

(1)創(chuàng)新效率方面,近年來我國高校創(chuàng)新效率不斷提高,2019 年創(chuàng)新效率首次突破1 達到有效狀態(tài).分地區(qū)從均值來看,整體呈現(xiàn)西部地區(qū)>東北地區(qū)>東部地區(qū)>中部地區(qū).

(2)創(chuàng)新效率增長方面,2015—2019 年全國高校創(chuàng)新效率增長速度呈“M”形波動,平均值為1.252,年平均增長率為25.2%.各地區(qū)相較于2015—2016 年的增長速度都有所放緩.其中,東部地區(qū)和東北地區(qū)創(chuàng)新效率年平均增長速度較快,分別為27.2%和23%,中部地區(qū)為9.9%,西部地區(qū)則表現(xiàn)為負增長.

(3)具體到各省市來看,近年來SBM 效率技術(shù)水平均值達到前沿的省市較多,基本上維持在86.7%以上,即30 個省市中至少有26 個省市能達到有效狀態(tài).動態(tài)效率方面,年均增長率保持在1 以上的共有22個省市,占比高達73.33%,說明全國各省市高校創(chuàng)新情況整體趨勢向好.需要注意的是,安徽、河北雖然增長率較高,但整體創(chuàng)新效率仍處于較低狀態(tài);重慶、江西、湖南雖然有所增長,但效率均值也未達到1;寧夏、陜西、廣西、山西、甘肅、四川、福建雖然效率均值略微超過1,但仍處于負增長狀態(tài).

(4)城鎮(zhèn)化水平對高校創(chuàng)新效率有顯著的促進作用,R&D 經(jīng)費投入強度、高?；A(chǔ)研究人均經(jīng)費、理工農(nóng)醫(yī)類高校R&D 人員占比對高校創(chuàng)新效率呈現(xiàn)抑制作用.數(shù)字經(jīng)濟發(fā)展指數(shù)與創(chuàng)新效率成正比,但沒有通過顯著性檢驗,說明數(shù)字經(jīng)濟帶來的諸多紅利還沒有應(yīng)用到高校創(chuàng)新活動之中.

根據(jù)上述模型結(jié)果和研究結(jié)論,本文提出如下建議: 一是增加高校在資源分配和使用上的話語權(quán),推動高校進行科研創(chuàng)新體制改革,提高管理效率.二是對于不同地區(qū)、不同類型和處于不同效率階段的高校,采取差異化的支持政策.三是堅定不移加大對基礎(chǔ)研究的投入和攻關(guān),發(fā)揮高校在基礎(chǔ)研究領(lǐng)域的優(yōu)勢,推進企業(yè)與高校聯(lián)手合作,解決資金問題,促進成果轉(zhuǎn)化.四是采取多學(xué)科協(xié)同合作,規(guī)避學(xué)科劣勢,推進集成創(chuàng)新和協(xié)調(diào)創(chuàng)新.五是以數(shù)字經(jīng)濟發(fā)展為背景,積極運用數(shù)字技術(shù)開展創(chuàng)新創(chuàng)業(yè)教育,賦能高校提高科研創(chuàng)新效率.