基于知識發(fā)酵的科技創(chuàng)新效率測度模型

俞享 等

門玉英? 劉園園? 李芳

摘要：[目的/意義]針對科技創(chuàng)新效率的測度有助于深入了解湖北省城市科技創(chuàng)新的實(shí)際情況，為地方經(jīng)濟(jì)政策提供理論支持和實(shí)踐指導(dǎo)。[方法/過程]以湖北省12個城市為研究對象，運(yùn)用超效率SBM-Malmquist模型測算各城市2003—2019年的科技創(chuàng)新效率和全要素生產(chǎn)率，并結(jié)合OLS回歸探究其影響因素。基于知識發(fā)酵理論，將對外開放、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、信息化水平、人力資本等因素與之相結(jié)合，展示其如何共同影響湖北省科技創(chuàng)新效率的過程。[結(jié)果/結(jié)論]研究結(jié)果表明：2003—2019年，湖北省科技創(chuàng)新效率整體態(tài)勢向好發(fā)展；科技創(chuàng)新效率存在明顯地域差異；科技創(chuàng)新活動全要素生產(chǎn)率均處于上升狀態(tài)，主要源于科技進(jìn)步；對外開放、經(jīng)濟(jì)發(fā)展水平以及人力資本對湖北省科技創(chuàng)新效率的影響呈顯著正相關(guān)?；谘芯拷Y(jié)論，提出改善科技創(chuàng)新環(huán)境、加強(qiáng)人才引進(jìn)工作、提高開放水平等政策建議。

關(guān)鍵詞：科技創(chuàng)新；知識發(fā)酵；超效率SBM模型；OLS模型；影響因素

分類號：F204

引用格式：俞享， 門玉英， 劉園園， 等. 基于知識發(fā)酵的科技創(chuàng)新效率測度模型——以湖北省為例[J/OL]. 知識管理論壇， 2023， 8（6）： 540-553[引用日期]. http：//www.kmf.ac.cn/p/370/.

改革開放以來，我國政府不斷加強(qiáng)與完善創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，黨的二十大繼續(xù)將科技作為第一生產(chǎn)力，強(qiáng)調(diào)創(chuàng)新是第一動力，塑造中國經(jīng)濟(jì)發(fā)展新優(yōu)勢、新動能。為貫徹落實(shí)黨的創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，湖北省政府印發(fā)《湖北省科技創(chuàng)新“十四五”規(guī)劃》（以下簡稱《規(guī)劃》），《規(guī)劃》中指出，“十四五”時期，是湖北省全面提高科技創(chuàng)新能力，建設(shè)科學(xué)的科技創(chuàng)新體系的關(guān)鍵時期，要加快提升湖北省科技創(chuàng)新效率。區(qū)域科技創(chuàng)新效率反映了地區(qū)科學(xué)技術(shù)創(chuàng)新體系的運(yùn)行質(zhì)量，既取決于區(qū)域科技創(chuàng)新系統(tǒng)的內(nèi)部效率，又離不開各個子系統(tǒng)之間交流與合作所產(chǎn)生的外部效率[1]。城市科技創(chuàng)新效率的高低是衡量當(dāng)?shù)乜萍妓降囊粋€重要標(biāo)準(zhǔn)，全面、科學(xué)、客觀地測度湖北省區(qū)域科技創(chuàng)新效率不僅對湖北省整體科技能力提升具有重要意義，在全面科學(xué)測度的基礎(chǔ)上研究科技創(chuàng)新系統(tǒng)內(nèi)部的要素影響機(jī)制，更有利于推進(jìn)湖北省科技創(chuàng)新可持續(xù)發(fā)展。

1? 相關(guān)研究

常見的科技創(chuàng)新效率衡量方法包括主成分分析法、層次分析法、因子分析法、數(shù)據(jù)包絡(luò)分析法（data envelopment analysis， DEA）等，由于DEA在量綱處理、變量選擇及多指標(biāo)效率估計(jì)上具備顯著優(yōu)勢，因此在科技創(chuàng)新領(lǐng)域使用較多[2]。傳統(tǒng)DEA模型由A. Charnes等[3]于1978年提出，發(fā)展到今天被不斷運(yùn)用與改進(jìn)。CCR（Charnes Cooper Rhodes）模型是基于DEA理論的第一個模型，該模型常用于在規(guī)模報酬不變的前提下衡量固定規(guī)模效益[4-5]。R. D. Banker等[6]認(rèn)為CCR模型在使用過程中對條件要求過于嚴(yán)苛，于是對CCR模型進(jìn)行改進(jìn)，得到BBC（Banker Charnes Cooper）模型，自此CCR模型與BBC模型成為DEA的兩個基本模型。隨后，K. Tone[7]提出基于DEA理論的非角度、非徑向的SBM模型（slack based measure）。對于效率為1的決策單元，SBM模型無法有效區(qū)分，K. Tone[8]在一年后基于原有研究基礎(chǔ)提出超效率SBM模型，以對效率值進(jìn)行清晰排序。SBM模型主要從靜態(tài)角度測算技術(shù)效率，因此有學(xué)者將SBM模型與Malmquist指數(shù)相結(jié)合，分別從靜態(tài)與動態(tài)角度測度技術(shù)效率，如此獲得的結(jié)果更加準(zhǔn)確客觀。賴一飛等[9]使用超效率SBM‐Malmquist模型測度省市的科技創(chuàng)新效率，并將東西部的科技創(chuàng)新效率進(jìn)行對比，發(fā)現(xiàn)西部地區(qū)的科技創(chuàng)新效率普遍低于其他地區(qū)，，并且針對這種現(xiàn)象提出相應(yīng)建議。

科技創(chuàng)新效率中的影響因素本質(zhì)上為衡量科技創(chuàng)新能力的影響因素[10]。李健[11]使用系統(tǒng)動力學(xué)的方法探索影響京津冀科技創(chuàng)新實(shí)力的因素，將產(chǎn)業(yè)結(jié)構(gòu)與區(qū)域環(huán)境規(guī)制納入考量體系之中，得出京津冀地區(qū)創(chuàng)新機(jī)制的運(yùn)作機(jī)理，助力京津冀協(xié)同發(fā)展。在眾多的科技創(chuàng)新效率的影響因素研究中，學(xué)者使用最多的方法是將SBM模型與Tobit回歸相結(jié)合。李蕓等[12]使用SBM模型得出技術(shù)效率變化是科技創(chuàng)新整體全要素生產(chǎn)率變動的主要因素，并且使用Tobit回歸顯示出人力資本、產(chǎn)業(yè)結(jié)構(gòu)、政府支持等對科技創(chuàng)新生產(chǎn)率起到正向作用；王鵬等[13]用非期望超效率SBM與Tobit回歸相結(jié)合，研究發(fā)現(xiàn)珠三角地區(qū)科技創(chuàng)新研發(fā)與經(jīng)濟(jì)產(chǎn)出效率在空間上存在顯著異質(zhì)性并且科技創(chuàng)新兩階段效率與經(jīng)濟(jì)韌性存在雙向因果關(guān)系。但是在使用中，Tobit模型應(yīng)采用截?cái)鄶?shù)據(jù)，而OLS（Ordinary Least Squares）模型則不需要。

綜上，通過對現(xiàn)有文獻(xiàn)梳理，筆者發(fā)現(xiàn)：①目前對科技創(chuàng)新效率評價方法體系的研究已經(jīng)較為成熟，但是仍然存在一定的缺點(diǎn)，如不能同時兼顧決策單元效率與非期望產(chǎn)出同時大于1的情況；②目前針對科技創(chuàng)新效率值的測度以及影響因素的研究較多，但多是采用SBM模型進(jìn)行靜態(tài)研究，較少研究科技創(chuàng)新效率值的動態(tài)演化；③目前的研究范圍大多是全國省份、長江經(jīng)濟(jì)帶、京津冀經(jīng)濟(jì)帶等這些大區(qū)域，對于個體省份的研究較少?；诖?，筆者使用超效率SBM模型結(jié)合Malmquist動態(tài)指數(shù)分解，通過測度湖北省各個城市2003—2019年科技創(chuàng)新的規(guī)模效率值、純技術(shù)效率值、綜合效率值，對湖北省科技創(chuàng)新投入與產(chǎn)出效率做出客觀評價，結(jié)合知識發(fā)酵理論找出湖北省科技創(chuàng)新效率影響因素，并使用OLS模型進(jìn)行回歸分析，進(jìn)而提出提高湖北省科技創(chuàng)新能力的有效對策，促進(jìn)經(jīng)濟(jì)與科技發(fā)展之間的良性互動，助力湖北省經(jīng)濟(jì)實(shí)現(xiàn)綠色高質(zhì)量發(fā)展。

2? 實(shí)驗(yàn)設(shè)計(jì)

2.1? 研究方法與工具選擇

筆者采用超效率SBM模型進(jìn)行湖北省科技創(chuàng)新效率的測度，由于SBM模型采用線性規(guī)劃方法，可以準(zhǔn)確測度多個輸入和輸出指標(biāo)，幫助揭示不同區(qū)域在科技創(chuàng)新方面的綜合表現(xiàn)，并且該模型考慮資源利用效率，通過比較實(shí)際產(chǎn)出與理論最大產(chǎn)出之間的差距評估創(chuàng)新過程中的資源利用效率水平。在使用超效率SBM模型進(jìn)行靜態(tài)測度后，結(jié)合Malmquist指數(shù)來分析湖北省科技創(chuàng)新效率的動態(tài)變化，融合知識發(fā)酵理論確定湖北省科技創(chuàng)新效率的影響變量，最后使用OLS回歸探究各個影響因素對湖北省科技創(chuàng)新效率的影響作用。

（1）超效率SBM模型。超效率SBM模型是在傳統(tǒng)DEA模型的基礎(chǔ)上發(fā)展演變而來。由于傳統(tǒng)的DEA模型存在著較為明顯的測量誤差，K. Tone[8]在2001年提出了基于松弛變量的SBM-DEA分析模型，它與傳統(tǒng)的DEA模型的差異在于SBM模型是非徑向和可無投入產(chǎn)出角度的模型。而超效率SBM則是在SBM模型中增加了排除機(jī)制，從生產(chǎn)可能性集中刪除被評定的有效決策單元（Decision Making Units，DMU），然后再度量DMU到生產(chǎn)可能性集的距離，可以根據(jù)距離來排列有效DMU，并且超效率大于等于1，因此解決了傳統(tǒng)SBM模型無法對有效DMU進(jìn)行區(qū)分和排序的問題，同時超效率SBM模型在計(jì)算效率時最大可能地考慮了松弛問題。具體公式如下：

在公式（1）到公式（3）中，p為科技創(chuàng)新效率測度值，若ρ≥1表示DMU有效；s-、s+分別為投入、產(chǎn)出的松弛變量值（投入冗余量，產(chǎn)出不足量），x為投入要素；y為產(chǎn)出要素；m、s分別為投入、產(chǎn)出指標(biāo)個數(shù)；λ為權(quán)重向量；k為生產(chǎn)時期。

（2）Malmquist指數(shù)。Malmquist指數(shù)是在數(shù)據(jù)包絡(luò)分析的基礎(chǔ)之上提出的，是對效率值的動態(tài)分析，其代表的是全要素生產(chǎn)率（Total Factor Producitivity，TFP）。全要素生產(chǎn)率建立在新古典經(jīng)濟(jì)增長模型基礎(chǔ)上，是指生產(chǎn)系統(tǒng)中各個要素之間作用的綜合效率，是在一個系統(tǒng)中總產(chǎn)出量與全部的生產(chǎn)要素之間的真實(shí)投入比值，它能測度增長潛力和宏觀效率，從而反映一個地區(qū)的增長動能。這里的“全”指的并不是所有生產(chǎn)要素所帶來的效率，而是全過程、全方位，表示決策單位生產(chǎn)率從t到t+1期的變化。全要素生產(chǎn)率一般來自于規(guī)模效應(yīng)、技術(shù)進(jìn)步與效率的改善這3個方面。其計(jì)算公式如下：

在公式（4）中，I為測算出的全要素生產(chǎn)率指數(shù)，Dt（xt， yt）為t時期技術(shù)水平下的t時期的投入產(chǎn)出向量的距離函數(shù)，Dt（xt+1， yt+1）為t時期技術(shù)水平下的t+1時期的投入產(chǎn)出向量的距離函數(shù)；同理Dt+1（xt， yt）、Dt+1（xt+1， yt+1）分別為t+1時期技術(shù)水平下的t、t+1時期的投入產(chǎn)出向量的距離函數(shù)。

（3）知識發(fā)酵理論。在探討知識如何演進(jìn)和轉(zhuǎn)化為生產(chǎn)力的研究中，2002年和金生提出知識發(fā)酵理論[14-15]。知識發(fā)酵理論是一種用于解釋和推動組織內(nèi)部知識創(chuàng)新和轉(zhuǎn)化的管理理論。它強(qiáng)調(diào)知識的傳遞、融合和創(chuàng)新過程，類比為發(fā)酵過程，借此來理解知識在組織內(nèi)部的變化和演進(jìn)。其包括知識菌株、知識母體、知識酶、知識工具與知識發(fā)酵吧這五大關(guān)鍵要素，將知識創(chuàng)新增長過程類比為生物發(fā)酵過程，強(qiáng)調(diào)知識在組織內(nèi)部的傳遞、轉(zhuǎn)化和創(chuàng)新過程，注重不同類型的知識轉(zhuǎn)化以及知識菌株、知識母體、知識酶和知識工具的作用。通過這一理論，組織可以更好地管理和促進(jìn)內(nèi)部知識創(chuàng)新，提高創(chuàng)新效率和競爭力。

（4）OLS模型。OLS模型（普通最小二乘法）是一種對殘差平方和的最小化來進(jìn)行估計(jì)的一種線性回歸模型，主要被用于線性回歸的參數(shù)估計(jì)。OLS模型計(jì)算簡單、使用廣泛，能夠有效得出條件變量與結(jié)果變量之間的關(guān)系。其計(jì)算公式如下：

在公式（5）中，Y為文章選取的被解釋變量，x為影響Y的解釋變量，β為待估參數(shù)，隨機(jī)誤差項(xiàng)用μt表示。

2.2? 超效率SBM變量選取

為保證指標(biāo)使用數(shù)據(jù)的有效性、科學(xué)性和準(zhǔn)確性，文章中的所有數(shù)據(jù)均來自于《中國城市統(tǒng)計(jì)年鑒》與《中國科技統(tǒng)計(jì)年鑒》，選取湖北省地級市進(jìn)行分析，將數(shù)據(jù)缺失的城市剔除，最后剩余12個有代表性的地級市。參考國內(nèi)外有關(guān)研究，考慮到指標(biāo)體系選取與構(gòu)建的科學(xué)性與客觀性，筆者選取6個指標(biāo)作為代表，構(gòu)建衡量科技創(chuàng)新效率的指標(biāo)體系，在區(qū)域科技創(chuàng)新生產(chǎn)過程中，包括投入要素、期望產(chǎn)出要素與非期望產(chǎn)出要素。具體指標(biāo)如表1所示：

（1）投入要素。①勞動投入。勞動要素的投入是科技創(chuàng)新生產(chǎn)過程中不可或缺的要素[16]?？萍紕?chuàng)新離不開技術(shù)研發(fā)，技術(shù)研發(fā)需要依賴科學(xué)技術(shù)人員。習(xí)近平總書記提出：“創(chuàng)新之道，唯在得人”，人才儲備是科技創(chuàng)新的關(guān)鍵驅(qū)動力。因此，筆者將從事科技活動人數(shù)作為指標(biāo)來衡量科技創(chuàng)新勞動投入。②財(cái)力投入?？萍紕?chuàng)新財(cái)力投入可以從政府對相關(guān)機(jī)構(gòu)從事試驗(yàn)與研究活動的經(jīng)費(fèi)支持中體現(xiàn)[17]。資本是社會主義市場經(jīng)濟(jì)中必不可少的生產(chǎn)要素，科技投入更是科技創(chuàng)新的物質(zhì)基礎(chǔ)。因此，筆者將政府科學(xué)投入作為科技創(chuàng)新財(cái)力投入的指標(biāo)。③能源投入。《新時代中國能源發(fā)展》白皮書中強(qiáng)調(diào)，要完善能源科技創(chuàng)新頂層設(shè)計(jì)，在科技創(chuàng)新領(lǐng)域，大力給予能源支持，首先要保證的就是科技創(chuàng)新領(lǐng)域的電量供給。因此，筆者用全年用電總量衡量政府對科技創(chuàng)新領(lǐng)域的能源投入。

（2）期望產(chǎn)出要素。①經(jīng)濟(jì)收益產(chǎn)出?？萍冀?jīng)濟(jì)效益是指使用、推廣科學(xué)技術(shù)帶來的經(jīng)濟(jì)成果，科技效益是地區(qū)生產(chǎn)總效益值的一部分。在其他要素不變的情況下，科學(xué)創(chuàng)新帶來的經(jīng)濟(jì)收益與地區(qū)生產(chǎn)總值成正比。因此，筆者將地區(qū)生產(chǎn)總值作為衡量科技創(chuàng)新帶來的經(jīng)濟(jì)收益產(chǎn)出指標(biāo)。②創(chuàng)新產(chǎn)出。創(chuàng)新產(chǎn)出以專著、科學(xué)論文、專利授權(quán)數(shù)、原理性模型等多種形式呈現(xiàn)[18]。鑒于專利化成果的商業(yè)化與數(shù)據(jù)化程度高，因此筆者使用專利授權(quán)數(shù)來衡量科技創(chuàng)新產(chǎn)出。

（3）非期望產(chǎn)出。在科學(xué)技術(shù)領(lǐng)域，隨著投入的不斷加大，非期望產(chǎn)出往往伴隨著產(chǎn)品應(yīng)運(yùn)而生[19]。尤其是在市場轉(zhuǎn)化階段，由科技創(chuàng)新得到的高新技術(shù)產(chǎn)品被大量投入到市場，但是由于新產(chǎn)品的大量投入使用，也會給環(huán)境帶來一定的壓力，包括環(huán)境污染這類的非期望產(chǎn)出。根據(jù)慣例，筆者使用工業(yè)廢水與工業(yè)二氧化硫的排放量來衡量科技創(chuàng)新過程中的非期望產(chǎn)出。

2.3? 融合知識發(fā)酵理論的影響因素變量選擇

筆者在科技創(chuàng)新影響因素分析中融合知識發(fā)酵理論，得到科技創(chuàng)新知識發(fā)酵理論模型（見圖1），其主要優(yōu)勢在于：①具體形象地揭示了科技創(chuàng)新效率各個要素間的作用機(jī)理?？萍紕?chuàng)新是一個循環(huán)再生的過程，將科技創(chuàng)新過程中的各個環(huán)節(jié)、要素與知識發(fā)酵的過程相結(jié)合，有利于明確各個要素對科技創(chuàng)新效率的不同影響作用。②能夠展現(xiàn)科技創(chuàng)新過程中的量變及要素循環(huán)演進(jìn)特性。將知識發(fā)酵理論應(yīng)用到科技創(chuàng)新過程中，發(fā)現(xiàn)區(qū)域科技創(chuàng)新效率隨著科技要素間的反復(fù)作用與發(fā)酵而逐漸提升。③重視經(jīng)濟(jì)社會發(fā)展水平對科技創(chuàng)新效率的催化作用。以往的科技創(chuàng)新效率主要重視信息技術(shù)的作用，忽視了外部環(huán)境對科技創(chuàng)新效率的催化作用，筆者將經(jīng)濟(jì)社會發(fā)展水平與知識發(fā)酵模型中的知識酶進(jìn)行類比，是科技創(chuàng)新效率提升的不可或缺的催化劑。從圖1中可以看到，科技創(chuàng)新知識發(fā)酵系統(tǒng)收到外部刺激，產(chǎn)生知識菌株（對外開放），這是本文科技創(chuàng)新的起點(diǎn)與觸發(fā)器；在知識工具（信息化水平）以及知識酶（經(jīng)濟(jì)發(fā)展水平）的作用下，知識菌株從知識母體中吸取所需要的知識，然后通過知識發(fā)酵吧進(jìn)行新的科技創(chuàng)新知識的創(chuàng)造及成果轉(zhuǎn)化，并且這一過程還受到知識環(huán)境（人力資本）的推進(jìn)，各個因素相輔相成，最終形成整個科技創(chuàng)新知識發(fā)酵模型。

具體的科技創(chuàng)新效率影響因素變量選擇見表2。

（1）對外開放。對外開放作為知識菌株強(qiáng)調(diào)了外部刺激對于組織內(nèi)部創(chuàng)新的重要性。如同在發(fā)酵過程中，添加合適的微生物菌株可以啟動化學(xué)反應(yīng)，促使物質(zhì)變化，對外開放可以引入新的觀念、技術(shù)和合作機(jī)會，從而刺激內(nèi)部創(chuàng)新活動。外部的知識、經(jīng)驗(yàn)和資源可以在

組織內(nèi)部發(fā)揮催化作用，促進(jìn)新的思想和想法的產(chǎn)生，從而促進(jìn)知識的傳遞、轉(zhuǎn)化和創(chuàng)新。采用實(shí)際使用外資金額與GDP的比值作為衡量對外開放的指標(biāo)是因?yàn)檫@種比值能夠反映一個地區(qū)或國家對外開放的程度和效果。具體來說，這個比值可以被視為一種經(jīng)濟(jì)開放度的指標(biāo)，它表示外部資本在國內(nèi)經(jīng)濟(jì)中所占比例。這個比值越高，意味著國家或地區(qū)更加依賴外部資本和外部市場，更加積極地吸引外部投資和技術(shù)，進(jìn)而促進(jìn)知識的引入和外部刺激。

（2）產(chǎn)業(yè)結(jié)構(gòu)。產(chǎn)業(yè)結(jié)構(gòu)作為知識母體強(qiáng)調(diào)了不同產(chǎn)業(yè)領(lǐng)域的專業(yè)知識和技術(shù)構(gòu)成組織內(nèi)部的知識資源。就像在發(fā)酵過程中，不同的原料和成分構(gòu)成發(fā)酵的營養(yǎng)物質(zhì)一樣，不同產(chǎn)業(yè)領(lǐng)域的知識背景和專業(yè)領(lǐng)域構(gòu)成組織的知識母體，為知識發(fā)酵提供豐富的原材料。因此，筆者將第二產(chǎn)業(yè)與第三產(chǎn)業(yè)的比值作為衡量產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)。

（3）經(jīng)濟(jì)發(fā)展水平。經(jīng)濟(jì)發(fā)展水平作為知識酶強(qiáng)調(diào)了它在促進(jìn)知識的傳遞、轉(zhuǎn)化和創(chuàng)新過程中的作用。知識發(fā)酵理論中，知識酶代表組織內(nèi)部的控制者和引導(dǎo)者，類似于在發(fā)酵過程中催化劑的作用，它可以通過計(jì)劃、協(xié)調(diào)、指導(dǎo)和控制的職能來加速知識的增長和傳播。因此，筆者選用人均生產(chǎn)總值作為指標(biāo)來衡量湖北省各個區(qū)域的經(jīng)濟(jì)發(fā)展水平。

（4）信息化水平。信息化水平作為知識工具強(qiáng)調(diào)了它在知識傳遞、共享和管理中的重要作用。知識發(fā)酵理論中，知識工具類似于在發(fā)酵過程中使用的設(shè)備和工具，它可以加速知識的傳遞和合作，提供技術(shù)支持和資源保障。因此，筆者采用國際互聯(lián)網(wǎng)用戶數(shù)作為湖北省各縣市的信息化水平衡量指標(biāo)。

（5）人力資本。人力資本作為知識環(huán)境強(qiáng)調(diào)了人才對知識傳遞、共享和創(chuàng)新的重要影響。知識發(fā)酵理論中，人力資本類似于知識環(huán)境中的人才資源，他們擁有豐富的知識和技能，可以促進(jìn)知識的創(chuàng)新和融合。因此，本研究的人才指標(biāo)采用普通高等學(xué)校在校學(xué)生數(shù)來衡量。

3? 實(shí)證分析

筆者首先使用MAXDEA 8.0軟件，導(dǎo)入湖北省各地級市有關(guān)科技創(chuàng)新的面板數(shù)據(jù)，并且采用非期望產(chǎn)出的全局參比來更全面地確定各地區(qū)科技創(chuàng)新水平的相對位置，得出科技創(chuàng)新效率測度結(jié)果；其次對科技創(chuàng)新全要素生產(chǎn)率進(jìn)行Malmquist指數(shù)分解，通過Malmquist指數(shù)測算湖北省地區(qū)科技創(chuàng)新全要素生產(chǎn)率變動指數(shù)來進(jìn)一步分析其科技創(chuàng)新效率的動態(tài)變化情況。通過對全要素生產(chǎn)率及其各項(xiàng)分解項(xiàng)指數(shù)的分析得出結(jié)論，若全要素生產(chǎn)率及其各項(xiàng)分解項(xiàng)指數(shù)大于1，則代表該地區(qū)的科技創(chuàng)新效率值是增長的、進(jìn)步的，若小于1則代表是弱化的和退步的。在效率測度的基礎(chǔ)上，結(jié)合知識發(fā)酵理論，構(gòu)建科技創(chuàng)新知識發(fā)酵模型，由科技創(chuàng)新知識發(fā)酵模型確定科技創(chuàng)新效率影響因素變量，結(jié)合OLS回歸具體探討各個變量的作用。

3.1? 科技創(chuàng)新效率測算

表3是使用湖北省各地級市有關(guān)科技創(chuàng)新的面板數(shù)據(jù)測度出的科技創(chuàng)新效率。按照科技創(chuàng)新效率將各個城市分為3個梯隊(duì)：第一梯隊(duì)為科技創(chuàng)新效率較高（大于1）的城市，分別是黃岡、十堰、隨州和武漢；第二梯隊(duì)為科技創(chuàng)新效率中等（0.8—1.0）的城市，分別是黃石、荊門、咸寧、孝感和宜昌；第三梯隊(duì)則是科技創(chuàng)新效率較低（小于0.8）的城市，包括鄂州、荊州和襄陽。

在第一梯隊(duì)中，武漢市的科技創(chuàng)新效率指數(shù)為最高，達(dá)到1.286。除了黃岡市在2017年和2018年未達(dá)到DEA有效外，其余各地區(qū)各年份均為有效狀態(tài)。這說明位于第一梯隊(duì)的這些城市對科技創(chuàng)新投入的十分充分，資源配置相對合理，科技經(jīng)費(fèi)投入貢獻(xiàn)度大，科研人員集聚程度較高，應(yīng)繼續(xù)保持其創(chuàng)新活躍度。

在第二梯隊(duì)中，咸寧市自2011年達(dá)到DEA有效后，就一直處于科技創(chuàng)新高效狀態(tài)，黃石、荊門和宜昌雖然在觀測區(qū)間內(nèi)偶有波動，但科技創(chuàng)新效率總體呈現(xiàn)上升趨勢，并均在2019年重新達(dá)到DEA有效水平，孝感市在2003—2014年間只有2011年未達(dá)到DEA有效，而在2015年后直到觀測區(qū)間結(jié)束也并未重新達(dá)到DEA有效，這反映出其科技創(chuàng)新的有效性存在一定問題，迫切需要調(diào)整科技創(chuàng)新策略，并進(jìn)一步優(yōu)化創(chuàng)新資源配置，以提高科技創(chuàng)新效率。

在第三梯隊(duì)中，鄂州、荊州和襄陽在觀測區(qū)間開始時都處于科技創(chuàng)新效率低下的狀態(tài)，鄂州和襄陽甚至分別低至0.300和0.304，而鄂州和荊州波動幅度較大，在2019年也均達(dá)到DEA有效水平。襄陽市位于第三梯隊(duì)，主要是受限于2003至2010年間科技創(chuàng)新效率測度值較低，隨著湖北區(qū)域創(chuàng)新發(fā)展戰(zhàn)略的實(shí)施，作為全省區(qū)域創(chuàng)新中心，近年來特別是2017年以來，有顯著提升。

綜合來看，武漢市科技創(chuàng)新效率最高，而宜昌和襄陽這兩個全省副中心城市情況如下：宜昌2003年以來科技創(chuàng)新效率整體比較平穩(wěn)，在2015—2017年期間出現(xiàn)滑落后，2018年以來穩(wěn)中有升，恢復(fù)到正常水平；襄陽屬于后起之秀，在經(jīng)歷了2011—2013年的波動性上升與2014—2016年的低谷后，2017年以來科技創(chuàng)新效率穩(wěn)步提升。兩地的科技創(chuàng)新效率波動與投入產(chǎn)出的周期性有關(guān)。而荊州、孝感近年來的科技創(chuàng)新效率低位趨勢，需要引起重視。

3.2? 基于Malmquist 指數(shù)模型的效率分解

基于時間跨度的科技創(chuàng)新全要素生產(chǎn)率及其各項(xiàng)分解項(xiàng)等情況見表4。。從其分解項(xiàng)來看，技術(shù)效率和技術(shù)進(jìn)步分別增長18.2%和12.6%，對技術(shù)效率變化進(jìn)行進(jìn)一步分解，湖北省科技創(chuàng)新純技術(shù)效率增長8.2%，同時規(guī)模效應(yīng)更是增長10.6%，由此可見，湖北省科技創(chuàng)新全要素生產(chǎn)率的增長主要是因?yàn)榧夹g(shù)效率進(jìn)一步提升，而技術(shù)效率提升則主要源于規(guī)模效應(yīng)的增加。不難看出，湖北省科技創(chuàng)新指標(biāo)雖在觀察周期內(nèi)偶有波動，但整體仍呈現(xiàn)上升態(tài)勢。

基于地域維度的湖北省科技創(chuàng)新全要素生產(chǎn)率及其各項(xiàng)分解項(xiàng)情況見表5。湖北省12個地級市全要素生產(chǎn)率均大于1，表明各個地級市均在大力推進(jìn)科技創(chuàng)新，并取得一定的成效。新一線城市中武漢市的全要素生產(chǎn)率為1.169，結(jié)合靜態(tài)分析可知，武漢市作為湖北省省會城市在科技創(chuàng)新領(lǐng)域基礎(chǔ)良好，起步更高，但也在一定程度上導(dǎo)致其動態(tài)增速稍顯緩慢。而在宜昌、襄陽、荊州和黃岡等三線城市中，襄陽的全要素生產(chǎn)率最高，達(dá)到1.256，其技術(shù)效率指標(biāo)也達(dá)到1.42，成為最高的城市。這表明襄陽市在現(xiàn)有技術(shù)和創(chuàng)新環(huán)境基礎(chǔ)條件下，實(shí)現(xiàn)了對現(xiàn)有科技創(chuàng)新資源和技術(shù)的充分有效利用，其在管理水平和生產(chǎn)經(jīng)驗(yàn)上在湖北省內(nèi)處于領(lǐng)先地位；全要素生產(chǎn)率最低的是黃岡市，為1.103，其純技術(shù)效率僅為0.999，這表明黃岡市科技創(chuàng)新活動的管理體系還不夠完善，但綜合技術(shù)效率仍呈現(xiàn)遞增趨勢，原因在于其科技創(chuàng)新活動的規(guī)模化效益起到帶動作用。在其余四線城市中鄂州的全要素生產(chǎn)率最高，達(dá)到1.289，結(jié)合靜態(tài)分析指數(shù)發(fā)現(xiàn)，鄂州是一個傳統(tǒng)的工業(yè)城市，科技創(chuàng)新基礎(chǔ)十分薄弱，但近年來大力實(shí)施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略使其在科技創(chuàng)新領(lǐng)域動態(tài)增速較高，同時鄂州市的技術(shù)進(jìn)步指標(biāo)為1.268，也為樣本中最高，其實(shí)際的技術(shù)引進(jìn)和技術(shù)創(chuàng)新使得生產(chǎn)可能性曲線向外移動，從而提高了全要素生產(chǎn)率；全要素生產(chǎn)率最低的是孝感市，其全要素生產(chǎn)率是1.016，孝感市在純技術(shù)效率和規(guī)模效應(yīng)上均低于1，其綜合技術(shù)效率呈現(xiàn)退步狀態(tài)。這說明孝感市既受到規(guī)模發(fā)展的阻礙，也受到地方管理水平的限制。對比各城市的技術(shù)效率和技術(shù)進(jìn)步指標(biāo)可以發(fā)現(xiàn)，幾乎所有的技術(shù)進(jìn)步指標(biāo)都大于技術(shù)效率指標(biāo)，這說明各城市相比于在管理水平等科技軟實(shí)力上發(fā)力，更側(cè)重于進(jìn)行實(shí)際的技術(shù)引進(jìn)以及技術(shù)創(chuàng)新。

4.3? OLS影響因素回歸分析

筆者利用Stata17軟件進(jìn)行OLS回歸分析，回歸結(jié)果見表7。

分析結(jié)果表明：①對外開放這一因素對全要素生產(chǎn)率的影響在5%的水平上通過了顯著性檢驗(yàn)，系數(shù)為0.081 5，為所有系數(shù)中最高。這表示對外開放每提高1%，全要素生產(chǎn)率則提高0.08%。通過SBM模型進(jìn)行靜態(tài)分析可知，湖北省整體科技創(chuàng)新效率并不高，但在對外開放過程中，開放地區(qū)會產(chǎn)生技術(shù)引進(jìn)的“協(xié)同效應(yīng)”，即地區(qū)本身創(chuàng)新能力不足，通過強(qiáng)化對外開放，并側(cè)重于引進(jìn)不具有自主知識產(chǎn)權(quán)的技術(shù)，以“邊干邊學(xué)”的方式逐步提高本地區(qū)的自我研發(fā)能力，從而進(jìn)一步促進(jìn)TFP指數(shù)增長。②產(chǎn)業(yè)結(jié)構(gòu)這一要素的回歸系數(shù)未通過10%顯著性水平下的檢驗(yàn)，說明產(chǎn)業(yè)結(jié)構(gòu)對科技創(chuàng)新效率的作用影響不大，經(jīng)初步分析其主要原因是湖北省各個地級市產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化力度不夠，區(qū)域生產(chǎn)要素?zé)o法從低效率生產(chǎn)部門向高效率生產(chǎn)部門轉(zhuǎn)移，導(dǎo)致區(qū)域無法實(shí)現(xiàn)創(chuàng)新資源的空間重置。③經(jīng)濟(jì)發(fā)展水平之一要素對全要素生產(chǎn)率的影響在5%水平上通過了顯著性檢驗(yàn)，系數(shù)為0.053 5，這意味著經(jīng)濟(jì)每增長1%，全要素生產(chǎn)率相應(yīng)提高0.05%。這表示科學(xué)技術(shù)創(chuàng)新需要有充足的資金支持，經(jīng)濟(jì)發(fā)展水平能夠?yàn)榭萍紕?chuàng)新活動提供強(qiáng)有力的經(jīng)濟(jì)保障與支撐。④信息化水平對TFP的影響在5%水平上通過了顯著性檢驗(yàn)，系數(shù)為-0.027，這表明信息化水平這一要素對全要素生產(chǎn)率產(chǎn)生了負(fù)面的影響，初步分析是由于信息化水平高的區(qū)域，在未予以政策引導(dǎo)的前提下，未能有效發(fā)揮信息流在資金流、人才流、技術(shù)流和物資流等資源要素流動方面的正向作用。相反，網(wǎng)絡(luò)經(jīng)濟(jì)的進(jìn)一步推進(jìn)分散了科技創(chuàng)新資源，降低了科技創(chuàng)新的有效性。數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合亟待推進(jìn)。⑤人力資本這一要素對全要素生產(chǎn)率的影響則在5%的水平上通過了顯著性檢驗(yàn)，系數(shù)為0.022 4，表明人力資本每提高1%，全要素生產(chǎn)率也相應(yīng)提高0.02%。人才是第一資源，科技創(chuàng)新活動離不開人才支撐，人才不僅是科技創(chuàng)新活動的主體，也是成果產(chǎn)業(yè)化和科學(xué)技術(shù)傳播的主體。因此，區(qū)域高素質(zhì)人才越集中，其科技創(chuàng)新能力越強(qiáng)。

4? 結(jié)論

筆者首先使用超效率SBM模型對湖北省12個地級市2003—2019年科技創(chuàng)新效率進(jìn)行靜態(tài)衡量和分析，再運(yùn)用Malmquist生產(chǎn)率指數(shù)測算其全要素生產(chǎn)率及其各項(xiàng)分解項(xiàng)指標(biāo)，并將科技創(chuàng)新效率與全要素生產(chǎn)率動態(tài)變化進(jìn)行比較分析，最后使用OLS模型對科技創(chuàng)新活動的全要素生產(chǎn)率的影響因素進(jìn)行分析，得到如下結(jié)論：

（1）本測度區(qū)間內(nèi)，湖北省內(nèi)科技創(chuàng)新效率有效的有黃岡、十堰、隨州和武漢4座城市，在這4座城市中，武漢市的科技創(chuàng)新效率最高。湖北省整體科技創(chuàng)新效率仍有較大提升空間，襄陽、宜昌等地科技創(chuàng)新效率趨勢向好。

（2）湖北省地區(qū)科技創(chuàng)新活動全要素生產(chǎn)率呈整體上升趨勢，主要源于技術(shù)進(jìn)步。省內(nèi)全要素生產(chǎn)率最高的城市為鄂州市。幾乎所有的技術(shù)進(jìn)步指標(biāo)都大于技術(shù)效率指標(biāo)，這說明各個城市提高科技創(chuàng)新水平主要依靠實(shí)際的技術(shù)引進(jìn)與技術(shù)創(chuàng)新。

（3）對外開放、經(jīng)濟(jì)發(fā)展水平以及人力資本對該地區(qū)的科技創(chuàng)新效率呈顯著正相關(guān)，對外開放作為知識菌株，為湖北省帶來外部技術(shù)、知識和合作機(jī)會，激發(fā)了內(nèi)部創(chuàng)新活動。外部刺激在知識發(fā)酵中起到重要的營養(yǎng)作用，促進(jìn)了新知識的生成和轉(zhuǎn)化。此外，對外開放促進(jìn)了知識的跨界融合，激發(fā)出更多創(chuàng)新的可能性，提高了科技創(chuàng)新效率。在知識發(fā)酵理論中，對外開放類似于引入新的營養(yǎng)源，刺激了知識菌株的生長與繁殖。

經(jīng)濟(jì)發(fā)展水平?jīng)Q定了知識酶的資源支持和影響力，進(jìn)而影響科技創(chuàng)新效率。高經(jīng)濟(jì)發(fā)展水平意味著更多的資金投入、更完善的研究設(shè)施以及更廣泛的合作機(jī)會，這些都促進(jìn)了科技創(chuàng)新的進(jìn)行。在知識發(fā)酵理論中，經(jīng)濟(jì)發(fā)展水平可類比為知識酶提供了更多的營養(yǎng)和能量，使其能夠更好地催化知識的合成和轉(zhuǎn)化，從而提高了科技創(chuàng)新效率。

人力資本構(gòu)成豐富的知識環(huán)境，為知識發(fā)酵提供了重要的基礎(chǔ)。高素質(zhì)人才擁有創(chuàng)新能力和多樣性的知識背景，促進(jìn)了知識的創(chuàng)新和融合。在知識發(fā)酵理論中，人力資本可以類比為知識環(huán)境，為知識菌株提供了更多的種子和營養(yǎng)，使得知識菌株在更豐富的環(huán)境中生長，從而加速科技創(chuàng)新效率的提升。

（4）產(chǎn)業(yè)結(jié)構(gòu)對科技創(chuàng)新的作用影響不大。從知識發(fā)酵的角度來看，產(chǎn)業(yè)結(jié)構(gòu)對科技創(chuàng)新的影響可能不是決定性的。雖然產(chǎn)業(yè)結(jié)構(gòu)可以提供不同領(lǐng)域的知識資源，但它本身并不是知識發(fā)酵的主要觸發(fā)因素。產(chǎn)業(yè)結(jié)構(gòu)作為一種組織和分工的安排方式，影響著組織內(nèi)部的知識多樣性。不同產(chǎn)業(yè)領(lǐng)域的專業(yè)知識構(gòu)成了知識母體的一部分，但知識發(fā)酵更強(qiáng)調(diào)不同知識領(lǐng)域之間的交互和融合。即使產(chǎn)業(yè)結(jié)構(gòu)豐富多樣，如果知識在不同領(lǐng)域之間無法有效傳遞和轉(zhuǎn)化，產(chǎn)業(yè)結(jié)構(gòu)的影響也可能受限。此外，知識發(fā)酵還強(qiáng)調(diào)外部知識菌株的引入，以刺激內(nèi)部創(chuàng)新活動。雖然產(chǎn)業(yè)結(jié)構(gòu)可能為知識的引入提供一些機(jī)會，但更關(guān)鍵的是知識酶的協(xié)調(diào)和推動。即使存在多樣的產(chǎn)業(yè)結(jié)構(gòu)，如果缺乏有效的知識酶，外部知識的引入可能無法在組織內(nèi)部引發(fā)創(chuàng)新的反應(yīng)。因此，盡管產(chǎn)業(yè)結(jié)構(gòu)在某種程度上可以為知識發(fā)酵提供一些條件，但知識發(fā)酵的成功還需要更多的因素的支持，如知識酶的引導(dǎo)、知識工具的運(yùn)用、人力資本的質(zhì)量等。產(chǎn)業(yè)結(jié)構(gòu)可以被視為知識發(fā)酵過程的一個組成部分，但并不是唯一影響科技創(chuàng)新的關(guān)鍵因素。

（5）信息化水平對科技創(chuàng)新起到了反作用。信息化水平可能對知識菌株的引入和外部刺激產(chǎn)生一些反作用。雖然高信息化水平可以促進(jìn)知識的傳遞和共享，但在某些情況下，信息的過多流通可能會導(dǎo)致知識的同質(zhì)性增加，從而減少外部知識菌株的多樣性。這可能會限制組織接觸和吸收新領(lǐng)域的知識，影響創(chuàng)新的多樣性和新穎性。再者，信息化水平較高的組織可能更容易受到過多信息的干擾，導(dǎo)致難以篩選和識別有價值的知識創(chuàng)新機(jī)會，從而產(chǎn)生信息過載的問題。最后，信息技術(shù)雖然可以支持知識的管理和協(xié)調(diào)，但過分依賴技術(shù)工具可能會削弱人與人之間的交流與互動。人們需要在知識傳遞的過程中引導(dǎo)和激發(fā)創(chuàng)新思維。如果信息化水平過高，可能會導(dǎo)致人們更多地依賴技術(shù)工具，而忽視人際關(guān)系和領(lǐng)導(dǎo)力的重要性。

5? 政策建議

基于以上結(jié)論，圍繞提高湖北省域的科技創(chuàng)新能力和效率，筆者提出如下建議：

（1）改善科技創(chuàng)新環(huán)境。科技創(chuàng)新活動離不開好的經(jīng)濟(jì)環(huán)境和政策環(huán)境，提高經(jīng)濟(jì)發(fā)展水平，加大政策引導(dǎo)力度，強(qiáng)化科技創(chuàng)新平臺和資源整合，強(qiáng)化科技創(chuàng)新服務(wù)綜合能力，能更好地為科技創(chuàng)新活動保駕護(hù)航，推動科技創(chuàng)新與成果轉(zhuǎn)化。湖北省需進(jìn)一步加大戰(zhàn)略科技力量培育，建好高水平科技創(chuàng)新平臺。深入推進(jìn)科技體制改革，優(yōu)化科技創(chuàng)新生態(tài)，持續(xù)營造崇尚創(chuàng)新、尊重科學(xué)、尊重知識、尊重人才的社會氛圍。

（2）加強(qiáng)人才引進(jìn)工作。加快集聚海內(nèi)外高端科技人才，開展“離岸引才”行動，進(jìn)一步為海外高技術(shù)人才簽證居留提供便利。同時，如何留住人才也不可忽視，武漢市大學(xué)生人數(shù)位列全國第一，卻難以吸引大學(xué)生們留在武漢市，原因在于就業(yè)機(jī)會的缺失，應(yīng)當(dāng)促進(jìn)創(chuàng)新型和高科技產(chǎn)業(yè)發(fā)展，吸引更多高素質(zhì)人才就業(yè)。政府可以提供優(yōu)惠政策和支持，鼓勵創(chuàng)新創(chuàng)業(yè)，培育高新技術(shù)企業(yè)，創(chuàng)造更多就業(yè)機(jī)會。加強(qiáng)與企業(yè)的合作，建立產(chǎn)學(xué)研結(jié)合的平臺，提供實(shí)習(xí)和實(shí)踐機(jī)會，增加學(xué)生與企業(yè)的接觸和就業(yè)渠道。鼓勵和支持創(chuàng)業(yè)，提供創(chuàng)業(yè)指導(dǎo)和創(chuàng)業(yè)資金，激發(fā)大學(xué)生創(chuàng)新創(chuàng)業(yè)的熱情，幫助他們實(shí)現(xiàn)個人事業(yè)發(fā)展，為社會創(chuàng)造更多價值。

（3）提高貿(mào)易開放水平。湖北省要加強(qiáng)與其他地區(qū)之間的科技創(chuàng)新合作，建立區(qū)域科技創(chuàng)新合作機(jī)制。推進(jìn)區(qū)域科技創(chuàng)新資源共享與科技成果本地轉(zhuǎn)化，主動對接國家區(qū)域發(fā)展戰(zhàn)略，積極與北京、上海、成渝地區(qū)和粵港澳國際科技創(chuàng)新中心等地開展科技交流合作。推進(jìn)建立科技合作交流長效機(jī)制，聚焦優(yōu)勢湖北領(lǐng)域和創(chuàng)新發(fā)展需求，建立完善與“一帶一路”沿線國家和世界主要創(chuàng)新型國家科技合作機(jī)制，全面加強(qiáng)對外科技合作交流。

（4）提高科技創(chuàng)新管理水平。在引進(jìn)高新技術(shù)等增強(qiáng)科技創(chuàng)新硬實(shí)力的同時，還需進(jìn)一步提高科技創(chuàng)新治理能力以及完善相關(guān)政策和制度等來增強(qiáng)科技軟實(shí)力。加快政府科技管理與創(chuàng)新服務(wù)職能轉(zhuǎn)變，推動有效市場和有為政府相結(jié)合，在科技創(chuàng)新領(lǐng)域做到軟硬并重，著力提高湖北省科技創(chuàng)新體系整體效能。

（5）加強(qiáng)信息化建設(shè)。首先，要建立有效的信息過濾和篩選機(jī)制，幫助組織從海量信息中識別出有價值的知識創(chuàng)新機(jī)會，引入人工智能和大數(shù)據(jù)分析等技術(shù)，輔助判斷信息的可信度和實(shí)用性，以減輕信息過載問題。。其次，提倡在科技創(chuàng)新過程中注重人際交流和合作，強(qiáng)化團(tuán)隊(duì)合作和跨部門合作，培養(yǎng)員工與外部合作伙伴之間的良好溝通能力，通過面對面交流和互動，促進(jìn)創(chuàng)新思維的產(chǎn)生和共享。再次，建立鼓勵創(chuàng)新的組織文化，培養(yǎng)員工的創(chuàng)新意識和創(chuàng)造力。強(qiáng)調(diào)領(lǐng)導(dǎo)者的角色，引導(dǎo)員工在創(chuàng)新過程中思考問題，勇于打破常規(guī)并為他們提供支持和激勵。在信息化過程中，需要保持信息技術(shù)與人才之間的平衡應(yīng)用。鼓勵員工學(xué)習(xí)和使用信息技術(shù)工具，但也強(qiáng)調(diào)培養(yǎng)員工的人際溝通和領(lǐng)導(dǎo)力能力，確保技術(shù)工具與人的作用相互補(bǔ)充。最后，定期進(jìn)行知識管理和總結(jié)，建立定期的知識管理機(jī)制，對外部知識引入的效果進(jìn)行總結(jié)和評估，了解哪些外部知識菌株對創(chuàng)新產(chǎn)生了積極影響，哪些對創(chuàng)新效率產(chǎn)生了負(fù)面影響，并據(jù)此調(diào)整創(chuàng)新策略。

參考文獻(xiàn)：

[1] 劉釩， 鄧明亮.基于改進(jìn)超效率DEA模型的長江經(jīng)濟(jì)帶科技創(chuàng)新效率研究[J]. 科技進(jìn)步與對策， 2017， 34（23）： 48-53. （LIU F， DENG M L. Research on scientific and technological innovation efficiency of Yangtze River Economic Belt based on improved superefficiency DEA model [J]. Science and technology progress and countermeasures， 2017， 34（23）： 48-53.）

[2] 朱鵬頤， 劉東華， 黃新煥.動態(tài)視角下城市科技創(chuàng)新效率評價研究——以福建九地級市為例[J]. 科研管理， 2017， 38（6）： 43-50. （ZHU P Y， LIU D H， HUANG X H. Evaluation on efficiency of urban science and technology innovation from a dynamic perspective： a case study of nine prefecture-level cities in Fujian Province [J]. Science research management， 2017， 38（6）： 43-50.）

[3] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision-making umits[J]. European journal of operational research， 1978， 2（6）： 429-444.

[4] 李曉梅， 白雪飛.基于超效率CCR-DEA的國有物流企業(yè)績效實(shí)證分析——基于16家上市物流企業(yè)的樣本數(shù)據(jù)[J]. 中國流通經(jīng)濟(jì)， 2016， 30（4）： 26-32. （LI X M， BAI X F. Empirical analysis of performance of state-owned logistics enterprises based on super-efficiency CCR-DEA： based on sample data of 16 listed logistics enterprises [J]. China circulation economy， 2016， 30（4）： 26-32.）

[5] 王珍珍.我國制造業(yè)與物流業(yè)聯(lián)動發(fā)展效率評價——基于超效率CCR-DEA模型[J]. 中國流通經(jīng)濟(jì)， 2017， 31（2）： 20-30. （WANG Z Z. Evaluation of joint development efficiency of manufacturing industry and logistics industry in China： based on super-efficiency CCR-DEA model [J]. China circulation economy， 2017， 31（2）： 20-30.）

[6] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management science， 1984（9）： 1078-1092.

[7] TONE K.A slacks‐based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）： 498‐509.

[8] TONE K.A Slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）： 32-41.

[9] 賴一飛， 謝潘佳， 葉麗婷， 等.我國區(qū)域科技創(chuàng)新效率測評及影響因素研究——基于超效率SBM-Malmquist-Tobit模型[J]. 科技進(jìn)步與對策， 2021， 38（13）： 37-45. （LAI Y F， XIE P J， YE L T， et al. Evaluation and influencing factors of regional science and technology innovation efficiency in China： based on super-efficiency SBM-Malmquist-Tobit model [J]. Science and technology progress and countermeasures， 2019， 38（13）： 37-45.）

[10] UNGKYU H， METTE A， MARTIN K. Regional R&D efficiency in Korea from static and dynamic perspectives[J]. Regional studies， 2014， 50（7）： 1170-1184.

[11] 李健， 魯亞洲. 京津冀創(chuàng)新能力預(yù)測與影響因素研究[J]. 科技進(jìn)步與對策， 2019， 36（12）： 37-45. （LI J， LU Y Z. Prediction and influencing factors of innovation capability in Beijing-Tianjin-Hebei [J]. Science and technology progress and countermeasures， 2019， 36（12）： 37-45.）

[12] 李蕓， 雷宏振， 張小筠.基于SBM模型的科技創(chuàng)新效率及影響因素研究[J]. 技術(shù)經(jīng)濟(jì)， 2020， 39（5）： 1-8. （LI Y， LEI H Z， ZHANG X J. Research on S&T innovation efficiency and Influencing factors based on SBM model [J]. Journal of technical economics， 2019， 39（5）： 1-8.）

[13] 王鵬， 鐘譽(yù)華， 顏悅.科技創(chuàng)新效率與區(qū)域經(jīng)濟(jì)韌性交互分析——基于珠三角地區(qū)的實(shí)證[J]. 科技進(jìn)步與對策， 2022， 39（8）： 48-58. （WANG P， ZHONG Y H， YAN Y. Interaction analysis of scientific and technological innovation efficiency and regional economic resilience： an empirical study of the Pearl River Delta region [J]. Science and technology progress and countermeasures， 2002， 39（8）： 48-58.）

[14] 和金生.知識管理與知識發(fā)酵[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2002（3）： 63-66. （HE J S. Knowledge management and knowledge fermentation [J]. Science of science and science and technology management， 2002（3）： 63-66.）

[15] 劉洪偉， 和金生， 馬麗麗. 知識發(fā)酵——知識管理的仿生學(xué)理論初探[J]. 科學(xué)學(xué)研究， 2003（5）： 514-518. （LIU H W， HE J S， MA LL. Knowledge fermentation， the bionics theory of knowledge management study [J]. Studies in science of science， 2003（5）： 514-518.）

[16] 李影， 張鵬， 曾永泉.粵港澳大灣區(qū)工業(yè)科技創(chuàng)新效率及其時空演變研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2020， 39（8）： 21-27. （LI Y， ZHANG P， ZENG Y Q. Study on the efficiency of industrial science and technology innovation and its spatio-temporal evolution in Guangdong-Hong Kong-Macao Greater Bay Area [J]. Industrial technical economics， 2019， 39（8）： 21-27.）

[17] 舒天楚， 聶小琴， 郭含文， 等.京津冀城市群科技資源配置效率分析——基于DEA-Malmquist指數(shù)模型[J]. 科技管理研究， 2021， 41（4）： 89-96. （SHU T C， NIE X Q， GUO H W， et al. Efficiency analysis of science and technology resource allocation in Beijing-Tianjin-Hebei City cluster： based on DEA-Malmquist index model [J]. Science and technology management research， 2021， 41（4）： 89-96）

[18] 喬為國， 詹文杰. 中國產(chǎn)學(xué)研三大部門技術(shù)創(chuàng)新經(jīng)費(fèi)投入產(chǎn)出效率評估研究[J]. 科技進(jìn)步與對策， 2022， 39（22）： 113-121. （QIAO W G， ZHAN W J. Evaluation of input-output efficiency of technological innovation funds in three departments of industry， university and research in China [J]. Science and technology progress and countermeasures， 2022， 39（22）： 113-121）

[19] 于樹江， 王云勝， 曾建麗， 等. 創(chuàng)新價值鏈下京津冀高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率及驅(qū)動要素研究[J]. 科學(xué)決策， 2021（7）： 77-90. （YU S J， WANG Y S， ZENG J L， et al. Research on technological innovation efficiency and driving factors of Beijing-Tianjin-Hebei high-tech Industry under Innovation value chain [J]. Science decision， 2021（7）： 77-90.）

[20] 和雪瀅. 外商投資、產(chǎn)業(yè)集聚對綠色創(chuàng)新效率的影響[D]. 杭州：浙江財(cái)經(jīng)大學(xué)， 2023. （HE X Y. Foreign investment and industrial agglomeration effect on the efficiency of the green innovation [D]. Hangzhou： Zhejiang University of Finance and Economics， 2023.）

[21] 李騰覺. 基于系統(tǒng)GMM模型的區(qū)域一體化對城市創(chuàng)新能力的影響研究[D]. 武漢：華中科技大學(xué)， 2023. （LI T J. Research on the impact of regional integration on urban innovation capability based on system GMM model [D]. Wuhan： Huazhong University of Science and Technology， 2023.）

[22] 湛泳， 李珊. 智慧城市建設(shè)、創(chuàng)業(yè)活力與經(jīng)濟(jì)高質(zhì)量發(fā)展——基于綠色全要素生產(chǎn)率視角的分析[J]. 財(cái)經(jīng)研究， 2022， 48（1）： 4-18. （ZHAN Y， LI S. Smart city construction， entrepreneurial vitality and high-quality economic development： an analysis from the perspective of green total factor productivity [J]. Study of finance and economics， 2022， 48（1）： 4-18.）

[23] 藺鵬， 孟娜娜.綠色全要素生產(chǎn)率增長的時空分異與動態(tài)收斂[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2021， 38（8）： 104-124. （LIN P， MENG N N. Green total factor productivity growth differentiation of space and time and the dynamic convergence [J]. Journal of quantitative technical economics， 2021， 38 （8）： 104-124.）

[24] 郭淑芬， 張俊.中國31個省市科技創(chuàng)新效率及投入冗余比較[J]. 科研管理， 2018， 39（4）： 55-63. （GUO S F， ZHANG J. Input of science and technology innovation and efficiency in China's 31 provinces redundant comparison [J]. Journal of scientific research management， 2018， 33（4）： 55-63.）

[25] 宋美喆， 柒江藝. 政府行政權(quán)力調(diào)整對城市綠色全要素生產(chǎn)率的影響——來自“撤縣設(shè)區(qū)”和“省直管縣”改革的經(jīng)驗(yàn)證據(jù)[J]. 中國環(huán)境管理， 2023， 15（4）： 140-150. （SONG M Z， QI J Y. The impact of government administrative power adjustment on urban green total factor productivity： empirical evidence from the reform of "setting up districts by eliminating counties" and "province directly administering counties" [J]. China's environmental management， 2023， 15（4）： 140-150.）

[26] 李瑞雪， 司孟慧， 張漢飛. 金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響研究——基于長三角地區(qū)的實(shí)證[J]. 華東經(jīng)濟(jì)管理， 2022， 36（5）： 34-47. （LI R X， SI M H， ZHANG H F. The impact of financial agglomeration on industrial green total factor productivity： an empirical study in the Yangtze River Delta [J]. East China economic management， 2022， 36 （5）： 34-47.）

[27] 曾億武， 孫文策， 李麗莉， 等. 數(shù)字鴻溝新坐標(biāo)：智慧城市建設(shè)對城鄉(xiāng)收入差距的影響[J]. 中國農(nóng)村觀察， 2022（3）： 165-184. （ZENG Y W， SUN W C， LI L L， et al. New coordinates of digital divide： the impact of smart city construction on Urban-Rural income gap [J]. China rural observation， 2022（3）： 165-184）

[28] 謝霜， 向慧芳. 產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對污染減排影響的實(shí)證分析——基于中國省際面板數(shù)據(jù)[J]. 經(jīng)濟(jì)視角， 2016（1）： 62-69. （XIE S， XIANG H F. An empirical analysis of the impact of industrial structure adjustment on pollution reduction： based on China's provincial panel data [J]. Economic perspective， 2016（1）： 62-69.）

[29] 何興強(qiáng)， 歐燕， 陳平. 上下游供求潛力與FDI在我國的區(qū)位選擇——基于地區(qū)投入產(chǎn)出表和空間效應(yīng)的分析[J]. 學(xué)術(shù)研究， 2014（6）： 72-78， 89. （HE X Q， OU Y， CHEN P. Upstream and downstream supply and demand potential and FDI location choice in China： based on regional input-output table and spatial effect analysis [J]. Academic research， 2014（6）： 72-78， 89.）

[30] 賈棟. 陜西省城市科技創(chuàng)新能力與創(chuàng)新效率評價研究[D]. 西安： 西安科技大學(xué)， 2018. （JIA D. Research on evaluation of urban science and technology innovation ability and innovation Efficiency in Shaanxi province [D]. Xi 'an： Xi 'an University of Science and Technology， 2018.）

[31] 彭剛， 張文鋮， 李光武. 國際貿(mào)易對地區(qū)經(jīng)濟(jì)增長率的影響——基于我國地級市數(shù)據(jù)的實(shí)證分析[J]. 經(jīng)濟(jì)問題探索， 2020（10）： 158-169. （PENG G， ZHANG W C， LI G W. The impact of international trade on regional economic growth： an empirical analysis based on the data of prefecture-level cities in China [J]. Exploration of economic issues， 2020（10）： 158-169.）

作者貢獻(xiàn)說明：

俞? 享：數(shù)據(jù)處理及論文撰寫；

門玉英：論文修改；

劉園園：論文撰寫；

李? 芳：論文修改。

A Model for Measuring the Efficiency of Technological Innovation Based on Knowledge Fermentation——Take Hubei Province as an example

Yu Xiang1? Men Yuying1，2? Liu Yuanyuan1? Li Fang2

1School of Information Management， Central China Normal University， Wuhan 430079

2Hubei Institute of Science and Technology Information， Wuhan 430071

Abstract： [Objective/Significance] The measurement of science and technology innovation efficiency is helpful to understand the actual situation of urban science and technology innovation in Hubei Province， and provide theoretical support and practical guidance for local economic policies. [Method/Process] Taking 12 cities in Hubei Province as research objects， the super-efficiency SBM-Malmquist model was used to estimate the technological innovation efficiency and total factor productivity of each city from 2003 to 2019， and the influencing factors were explored with OLS regression. Based on the theory of knowledge fermentation， factors such as opening to the outside world， industrial structure， economic development level， informatization level and human capital were combined to show how they jointly affect the efficiency of science and technology innovation in Hubei Province. [Result/Conclusion] The results showed that： from 2003 to 2019， the overall trend of science and technology innovation efficiency in Hubei Province was developing well; There are obvious regional differences in the efficiency of scientific and technological innovation. The total factor productivity of scientific and technological innovation activities is on the rise， which mainly originates from scientific and progress. The influence of opening to the outside world， the level of economic development and human capital on the efficiency of science and technology innovation in Hubei Province is significantly positively correlated. Based on the research conclusions， the paper puts forward some policy suggestions such as improving the environment for scientific and technological innovation， strengthening the introduction of talents， and improving the level of opening up.

Keywords： scientific and technological innovation? ? theory of knowledge fermentation? ? ultra-efficient SBM model? ? OLS model? ? influencing factors

基金項(xiàng)目：本文系湖北省軟科學(xué)研究項(xiàng)目“湖北省科技服務(wù)綜合體建設(shè)研究”（項(xiàng)目編號：2022EDA021）研究成果之一。

作者簡介：俞享，碩士研究生；門玉英，教授，博士，碩士生導(dǎo)師；劉園園，碩士研究生，通信作者，E-mail： liu5211314yuan2021@163.com；李芳，助理研究員，碩士。

收稿日期：2023-08-20? ? ? ? 發(fā)表日期：2023-12-27? ? ? ? 本文責(zé)任編輯：劉遠(yuǎn)穎