長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率及其影響因素

李堯華,段鑫星

摘要：基于長江經(jīng)濟(jì)帶2012—2020年11個省（市）的面板數(shù)據(jù)，借助超效率SBM模型和Malmquist指數(shù)模型，結(jié)合DEA窗口分析方法測度長江經(jīng)濟(jì)帶高校科研創(chuàng)新效率。結(jié)果顯示：長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率呈平穩(wěn)發(fā)展趨勢，各地區(qū)之間存在明顯差距；全要素生產(chǎn)率整體較高，上、中、下游效率依次呈“低—中—高”趨勢。通過Tobit模型分析發(fā)現(xiàn)，地區(qū)經(jīng)濟(jì)稟賦、科研人力資源與科研效率呈顯著正相關(guān)，地區(qū)政策環(huán)境、地區(qū)科研環(huán)境、對外交流程度與科研創(chuàng)新效率呈顯著負(fù)相關(guān)。長江經(jīng)濟(jì)帶高校應(yīng)提高創(chuàng)新資源管理水平，加強(qiáng)府際合作與政產(chǎn)學(xué)研用協(xié)同創(chuàng)新，促進(jìn)科研成果轉(zhuǎn)化。

關(guān)鍵詞：長江經(jīng)濟(jì)帶；高校科研創(chuàng)新效率；全要素生產(chǎn)率；Tobit模型

中圖分類號：G644號文獻(xiàn)標(biāo)識碼：ADOI：10.7535/j.issn.1671-1653.2024.01.011

Scientific Research Innovation Efficiency and Influencing Factors for?Universities in the Yangtze River Economic Belt

LI Yaohua， DUAN Xinxing

（School of Public Policy and Management， China University of Mining and Technology， Xuzhou 221116， China）

Abstract：Based on the panel data of 11 provinces（cities） in the Yangtze River Economic Belt from 2012 to 2020， the research and innovation efficiency of universities in the Yangtze River Economic Belt was analyzed in depth with the utilization of the DEA window analysis method and super-efficiency SBM-Malmquist model. The results show that although the research and innovation efficiency of universities in the Yangtze River Economic Belt presents a steady development trend， there is an obvious gap between different regions. The total factor productivity of colleges and universities in the Yangtze River Economic Belt is high. The total factor productivity in the upper， middle， and lower reaches shows a trend of "low-medium-high" successively. By using the Tobit model analysis， it is found that regional economic endowment and human resources have a significant positive correlation to the research efficiency of universities， while the regional policy environment， the regional scientific research environment， and the relationship between the degree of foreign exchange are negatively correlated. In the future， universities along the Yangtze River Economic Belt should improve the management level of scientific innovation resources， strengthen intergovernmental cooperation and government-enterprise-university-research institution and application， and promote the transformation of scientific research achievements.

Keywords：Yangtze River Economic Belt；scientific research and innovation efficiency for universities； the total factor productivity；Tobit model

創(chuàng)新是引領(lǐng)發(fā)展的第一動力，是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的重要支撐。習(xí)近平總書記在黨的二十大報告中指出，必須堅持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力，深入實施科教興國戰(zhàn)略、人才強(qiáng)國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，開辟發(fā)展新領(lǐng)域新賽道，不斷塑造發(fā)展新動能新優(yōu)勢[1]。高校作為我國創(chuàng)新體系的重要組成部分，是國家重大科技創(chuàng)新成果的主要源泉。2019年2月，中共中央、國務(wù)院印發(fā)的《中國教育現(xiàn)代化2035》明確提出，到2035年我國高等教育競爭力要獲得明顯提升，總體實現(xiàn)教育現(xiàn)代化，邁入教育強(qiáng)國行列[2]（P13-22）。為此，增速區(qū)域高等教育現(xiàn)代化，是加快建設(shè)教育強(qiáng)國和創(chuàng)新型國家的必經(jīng)之路[3]（P6-10）。

長江經(jīng)濟(jì)帶作為中國經(jīng)濟(jì)社會發(fā)展最具活力和潛力的區(qū)域，覆蓋九省二市，人口總數(shù)與經(jīng)濟(jì)總量占比超全國總量的40%，并且積累了若干全國領(lǐng)先的先行先試模式與經(jīng)驗[4]（P224-232），卻存在創(chuàng)新合作主體不均衡、科研創(chuàng)新要素分布不均和協(xié)同創(chuàng)新溢出不顯著等問題，一定程度上阻礙了長江經(jīng)濟(jì)帶科研創(chuàng)新活動的可持續(xù)發(fā)展。在此背景下，精準(zhǔn)找出阻塞科研創(chuàng)新活動發(fā)展的癥結(jié)所在，理清長江經(jīng)濟(jì)帶高校在科研創(chuàng)新實踐中的職責(zé)，才能針對性地解決發(fā)展中存在的問題。因此，本文重點分析長江經(jīng)濟(jì)帶高校的科研創(chuàng)新情況，運用DEA窗口分析方法，并設(shè)置三年滯后期，對2012—2020年長江經(jīng)濟(jì)帶高校的科研創(chuàng)新效率進(jìn)行實證分析。

一、文獻(xiàn)回顧與分析框架

（一）文獻(xiàn)回顧

高校作為培養(yǎng)創(chuàng)新型人才的“主戰(zhàn)場”，通過建設(shè)高水平科研平臺，完成高層次科研任務(wù)，從而產(chǎn)出高質(zhì)量科技創(chuàng)新成果。目前關(guān)于高?？蒲袆?chuàng)新效率的研究主要集中于測度對象選擇和影響因素探究兩方面。

高?？蒲袆?chuàng)新效率的測度對象主要集中于以下三類：一是微觀層面上以不同類型高校為研究對象進(jìn)行科研創(chuàng)新效率評價，如王杜春等[5]（P63-70）、宗曉華等[6]（P26-35）、楊敏等[7]（P256-263）分別以我國29所農(nóng)林高校、“雙一流”建設(shè)高校和“一流大學(xué)”為研究對象，考察了高校科研創(chuàng)新現(xiàn)狀。二是中觀層面上針對特定功能區(qū)或某個省份高?？蒲袆?chuàng)新效率的考察，如吳穎等[8]（P104-117）、張蕾等[9]（P38-44）、李璐[10]（P44-53）分別研究了長三角41市、“一帶一路”沿線重點省區(qū)和京津冀地區(qū)的高校科研創(chuàng)新效率。三是宏觀層面上以全國不同省份高校為樣本進(jìn)行效率測度，如楊登才等[11]（P943-955）采用數(shù)據(jù)包絡(luò)分析法和回歸分析法，分析不同省份高校科技成果轉(zhuǎn)化效率及其影響因素。

高?？蒲袆?chuàng)新效率的影響因素探究主要聚焦于以下兩方面：一是影響因素的指標(biāo)選取。外部因素通常包括經(jīng)濟(jì)、政策和科研環(huán)境等，如蔡文伯等[12]（P62-70）探討了經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、政策環(huán)境等因素對我國高?？萍紕?chuàng)新效率的影響。內(nèi)部因素通?？紤]人力資源、對外交流程度等，如許曉東等[13]（P50-57，78）將高校中參與科研的研究生人數(shù)、高級職稱科研人員、舉辦學(xué)術(shù)會議次數(shù)等作為內(nèi)部因素進(jìn)行分析。二是考察影響因素的方法選擇。多數(shù)學(xué)者傾向于使用回歸模型考察高?？蒲袆?chuàng)新效率的影響因素，如王海燕等[14]（P37-43）選取我國30個省份2013—2019年的數(shù)據(jù)，研究高?？萍紕?chuàng)新與區(qū)域經(jīng)濟(jì)兩系統(tǒng)協(xié)調(diào)發(fā)展的影響因素。

比較相關(guān)研究發(fā)現(xiàn)：一方面，少有學(xué)者將“長江經(jīng)濟(jì)帶”作為研究對象，對其時空格局的相關(guān)分析有待進(jìn)一步加強(qiáng)；另一方面，相關(guān)研究大多基于DEA傳統(tǒng)模型展開研究，忽略了高校科研活動的時滯性。本研究以長江經(jīng)濟(jì)帶11個省（市）的高?？蒲谢顒訛閿?shù)據(jù)樣本，在2012—2020年長江經(jīng)濟(jì)帶高校科研創(chuàng)新效率綜合評價的基礎(chǔ)上，進(jìn)一步對全要素生產(chǎn)率及其分解進(jìn)行測算，同時探索其時空演化趨勢，并進(jìn)一步分析相關(guān)影響因素。

（二）分析框架

本研究基于地區(qū)經(jīng)濟(jì)稟賦、地區(qū)政策環(huán)境、地區(qū)科研環(huán)境、科研人力資源、對外交流程度等五方面因素，對長江經(jīng)濟(jì)帶高校科研創(chuàng)新效率的影響因素展開實證分析。首先，測度長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率及其全要素生產(chǎn)率。一是通過測度高?？蒲袆?chuàng)新效率，分析高?？蒲袆?chuàng)新效率現(xiàn)狀，并刻畫其時空演化趨勢。二是考察長江經(jīng)濟(jì)帶高?？蒲腥厣a(chǎn)率，明晰技術(shù)與管理因素對長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率產(chǎn)生的影響。其次，參照國內(nèi)外的測度方法，對高?？蒲袆?chuàng)新活動的影響因素進(jìn)行探究。

二、研究數(shù)據(jù)與研究方法

（一）研究數(shù)據(jù)

基于知識生產(chǎn)函數(shù)模型，總結(jié)現(xiàn)有文獻(xiàn)對高校科研創(chuàng)新效率研究的指標(biāo)選取情況，結(jié)合數(shù)據(jù)的可獲得性、科學(xué)性與合理性，從人、財、物三方面進(jìn)行考量，構(gòu)建由4個投入指標(biāo)、3個產(chǎn)出指標(biāo)組成的高?？蒲袆?chuàng)新效率評價體系（見表1）。全部數(shù)據(jù)來自2013—2021年《高等學(xué)?？萍冀y(tǒng)計資料匯編》。

為確保測量結(jié)果的準(zhǔn)確性，運用SPSS 21.0對選取的投入與產(chǎn)出變量進(jìn)行Pearson相關(guān)系數(shù)檢驗，結(jié)果見表2。結(jié)果表明投入產(chǎn)出指標(biāo)均通過了5%的顯著性檢驗，說明構(gòu)建的高?？蒲袆?chuàng)新效率指標(biāo)體系可信度較高。

（二）研究方法

1.DEA窗口分析方法。DEA窗口分析法利用窗口移動后的平均值考察各DMU的變動趨勢，將不同時期的DMU視為不同區(qū)間。因此，對于某一特定的DMU來說，橫向上可以與同一年份其他的DMU進(jìn)行比較，縱向上不同年份的DMU之間可以相互進(jìn)行比較。參考以往大多數(shù)研究的做法，設(shè)置窗口寬度W=3。由于樣本期T=9，DMU數(shù)量為J=11，可以得出窗口數(shù)量為T-W+1=7，DMU中樣本個數(shù)為N=W×J×（T-W+1）=231。由于篇幅限制，僅以上海市為例，高?？蒲袆?chuàng)新效率在時期T=9以內(nèi)的DEA窗口模型分析結(jié)果見表3。

2.超效率SBM模型。傳統(tǒng)的DEA基本模型有C2R和BC2模型，該方法能夠充分考慮決策單元的最佳投入產(chǎn)出比，但在此模型中未體現(xiàn)出松弛改進(jìn)部分[15]（P23）?；诖耍琓one Kaoru提出了超效率SBM模型[16]（P498-509）。

參考初旭新等[17]（P119-123）的做法，假設(shè)有m種投入指標(biāo)，q種產(chǎn)出指標(biāo)，建立模型如下：

E=Minθ=1+1m∑mi=1s-i/xik1+1q∑qr=1s+i/yrk，

s.t.∑nj=1，≠kλjxij-s-i≤xik，

∑nj=1，≠kλjyrj+s+r≥yrk，

λ，s+，s-≥0，

i=1，2，…，m;r=1，2，…，q;

j=1，2，…，n，j≠k，（1）

其中，E表示整體效率，即高校科研創(chuàng)新效率；s-i和s+r分別表示投入松弛與產(chǎn)出松弛，xik為第k個DMU的第i個投入變量，yrk為第k個DMU的第r個產(chǎn)出變量，λ為各要素的權(quán)重。

3.Malmquist指數(shù)方法。利用Malmquist指數(shù)分析法，可以考慮技術(shù)維度產(chǎn)生的影響。Malmquist指數(shù)公式如下：

MIt+1t=θt（xt+10，yt+10）θt+1（xt+10，yt+10）×θt（xt0，yt0）θt+1（xt0，yt0）12×

θt+1（xt+10，yt+10）θt（xt0，yt0），（2）

其中，θt（xt0，yt0），θt（xt+10，yt+10）分別為t時段和t+1時段投入與產(chǎn)出在t時段的效率值。

設(shè)定滯后期數(shù)為W＝3，采用規(guī)模報酬可變假設(shè)，對傳統(tǒng)Malmquist指數(shù)公式進(jìn)行分解，具體公式如下所示：

MI′（a，b）=θ′bwbθ′awa×θ′awbθ′bwa×θ′awbθ′bwa12=EC×TC，（3）

其中，W表示窗口寬度，a、b表示時期數(shù)。

三、高?？蒲袆?chuàng)新效率現(xiàn)狀

（一）高?？蒲袆?chuàng)新效率測算結(jié)果

為保證實驗可信度和效率測度穩(wěn)定性之間的平衡，設(shè)定窗口為W=3，借助MAXDEA8.0軟件，導(dǎo)入指標(biāo)數(shù)據(jù)，得出各?。ㄊ校└咝？蒲袆?chuàng)新效率值（見表4），再將結(jié)果進(jìn)一步處理，整理出變化趨勢如圖1所示。

長江經(jīng)濟(jì)帶主要劃分為以下3個區(qū)域：下游地區(qū)（上海、江蘇、浙江、安徽）、中游地區(qū)（江西、湖北、湖南）、上游地區(qū)（重慶、四川、貴州、云南）。表4結(jié)果顯示：2012—2020年長江經(jīng)濟(jì)帶上游高?？蒲袆?chuàng)新效率值為0.984，中游效率值為0.864，下游效率值為0.856，上游地區(qū)明顯高于其他區(qū)域。

從圖1可以看出，純技術(shù)效率與長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率發(fā)展趨勢基本相同。除2019年有明顯下降之外，其余時間呈平穩(wěn)發(fā)展?fàn)顟B(tài)，說明長江經(jīng)濟(jì)帶高校科研創(chuàng)新效率變動主要由純技術(shù)效率引起。具體到各地區(qū)而言，長江經(jīng)濟(jì)帶各?。ㄊ校┬手翟谌珖瞪舷虏▌?，2012—2020年上游地區(qū)純技術(shù)效率值高于其他地區(qū)，說明上游地區(qū)的高?？蒲屑夹g(shù)與管理在提升創(chuàng)新效率方面發(fā)揮了巨大作用。高校科研創(chuàng)新規(guī)模效率呈平穩(wěn)發(fā)展趨勢，但整體效率值較低，說明了我國長江經(jīng)濟(jì)帶高校創(chuàng)新投入不能完全適應(yīng)科技發(fā)展需要，應(yīng)增加創(chuàng)新資源投入，優(yōu)化高校創(chuàng)新資源配置，并且合理控制成本[18]（P102-110）。

由表4可知，2019年長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率呈明顯下降趨勢，效率值達(dá)有效狀態(tài)的僅四川省。為進(jìn)一步探究其余10個省（市）效率值波動的原因，借助MAXDEA8.0軟件，將投入的松弛除以對應(yīng)的投入指標(biāo)量，可得出投入冗余率；將產(chǎn)出的松弛除以對應(yīng)的產(chǎn)出指標(biāo)量，可得出產(chǎn)出不足率，具體結(jié)果見表5。由于選取了窗口分析法，每個決策單元都產(chǎn)生了2個產(chǎn)出冗余效率，故取其最大最小值作為效率的上下界。

從投入冗余效率結(jié)果看，2019年10個?。ㄊ校┑耐度胫笜?biāo)均出現(xiàn)不同程度的冗余，導(dǎo)致2019年長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率呈明顯下降趨勢。其中出現(xiàn)投入冗余現(xiàn)象較為嚴(yán)重的指標(biāo)是X1和X2，說明高校R&D人才投入過剩，需要進(jìn)一步調(diào)整人力資源投入。從產(chǎn)出不足效率結(jié)果來看，出現(xiàn)產(chǎn)出不足現(xiàn)象較為嚴(yán)重的指標(biāo)是Y2和Y3。尤其是安徽、貴州和云南三省的當(dāng)年轉(zhuǎn)讓實際收入較預(yù)期差距較大，說明這三省高校的科研產(chǎn)出與市場的實際需求之間可能出現(xiàn)“錯位”現(xiàn)象。2020年，各省（市）相應(yīng)調(diào)整了各項指標(biāo)投入數(shù)量，以投入冗余較為嚴(yán)重的上海市為例，研究與發(fā)展全時人員投入較2019年下降45.29%，R&D成果應(yīng)用及科技服務(wù)人員投入較2019年下降47.07%，固定資產(chǎn)費用投入較2019年下降19.11%。

（二）高校科研創(chuàng)新效率的時空演化分析

將長江經(jīng)濟(jì)帶11個?。ㄊ校┮暈椴煌臎Q策單元，等距選取2012年、2016年、2020年的高?？蒲袆?chuàng)新效率值，采取自然斷裂法，將各?。ㄊ校┑目蒲袆?chuàng)新效率現(xiàn)狀歸結(jié)為四類：高水平創(chuàng)新區(qū)域、中高水平創(chuàng)新區(qū)域、中低水平創(chuàng)新區(qū)域、低水平創(chuàng)新區(qū)域。借助ArcGIS10.4軟件，繪制長江經(jīng)濟(jì)帶11個省市科研創(chuàng)新效率值分布圖，顏色越深代表效率值越高，如圖2所示。

浙江、江蘇、上海等下游?。ㄊ校┑母咝？蒲袆?chuàng)新效率值始終處于較高水平，安徽省高?？蒲袆?chuàng)新效率發(fā)展卻不盡人意，且整個長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率增速有所放緩。江浙滬地區(qū)作為高等教育發(fā)達(dá)地區(qū)，研發(fā)人員、資金投入等較為充裕，但由于基礎(chǔ)優(yōu)良、各項基數(shù)較大，且近年來我國為促進(jìn)區(qū)域平衡發(fā)展出臺了多項政策，各地也紛紛加強(qiáng)了對高等教育資源的投入力度，一定程度上導(dǎo)致長江三角洲地區(qū)的高校科研創(chuàng)新效率增速減緩[19]（P1-10）。除江西省呈下降趨勢外，湖北省、湖南省等中游地區(qū)的高?？蒲袆?chuàng)新效率雖然呈相對有效狀態(tài)，但增速較為緩慢。湖南、湖北、江西等省作為我國的農(nóng)業(yè)大省，產(chǎn)業(yè)結(jié)構(gòu)亟待優(yōu)化，對于高等教育投入尚有不足。此外，由于國家政策著力發(fā)展東西部地區(qū)教育，政策邊緣化導(dǎo)致長江經(jīng)濟(jì)帶中游地區(qū)的高等教育處于較為不利的地位[20]（P1-9）。重慶市、云南省的高校科研創(chuàng)新效率值呈波動下降趨勢，四川、貴州兩省高?？蒲袆?chuàng)新效率值處于相對有效狀態(tài)。尤其是貴州省，近年來一直處于高水平相對有效狀態(tài)，其可能原因是近些年貴州省積極推行高等教育突破工程，出臺系列政策[21]（P67-74），加大科研經(jīng)費投入力度，同時將目光聚焦于科研成果轉(zhuǎn)化工作。

（三）全要素生產(chǎn)率測算結(jié)果

由于DEA窗口分析法默認(rèn)每個窗口內(nèi)都不產(chǎn)生技術(shù)變化，為探究長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率的驅(qū)動機(jī)制，運用MAXDEA 8.0軟件，測算長江經(jīng)濟(jì)帶高校全要素生產(chǎn)率，并對其進(jìn)一步分解。全要素生產(chǎn)率（MI）可以分解為綜合技術(shù)變化指數(shù)（TEC）和技術(shù)進(jìn)步指數(shù)（TC）。其中，TEC表示綜合技術(shù)變化指數(shù)，當(dāng)該指數(shù)值大于1時，表明技術(shù)效率有所提高，在本研究中可反映科研資源管理效率；TC表示技術(shù)進(jìn)步指數(shù)，當(dāng)該指數(shù)值大于1時，表明該決策單元技術(shù)創(chuàng)新效率處于有效狀態(tài)，在本研究中可反映科研人員創(chuàng)新能力高低和科研設(shè)施變化[22]（P9-16）。由于篇幅限制，僅展示部分年份區(qū)間的高校全要素生產(chǎn)率及其分解，具體結(jié)果見表6。

整體來看，4個年份區(qū)間內(nèi)長江經(jīng)濟(jì)帶高校全要素生產(chǎn)率處于平穩(wěn)上升趨勢，全要素生產(chǎn)率均值從1.063增長到1.643。具體來看，2013—2014年，上海、江蘇、安徽、江西、湖北、重慶、云南等7個省（市）高校全要素生產(chǎn)率增幅明顯，湖南省則出現(xiàn)較大的下滑趨勢。2015—2016年，上海、浙江、湖北等3個?。ㄊ校┬手翟鏊佥^快，增長幅度分別為24.2%，38.5%，18.8%。2017—2018年，上海、湖南、云南等3個省（市）的全要素生產(chǎn)率增長較快，其余省份則有不同程度的下降。2019—2020年，長江經(jīng)濟(jì)帶11個省（市）的高校全要素生產(chǎn)率均呈上升狀態(tài)，表明各省份高校科研創(chuàng)新資源投入產(chǎn)出效率獲得了較大的提升，加強(qiáng)了對高校科研創(chuàng)新活動的重視。

就綜合技術(shù)變化指數(shù)而言，4個年份區(qū)間內(nèi)長江經(jīng)濟(jì)帶高校綜合技術(shù)變化效率總體處于上升狀態(tài)，TEC均值從0.993增長到1.511，說明各?。ㄊ校└咝τ诳蒲匈Y源的利用效率正不斷提高，管理水平不斷提升，且各省份全要素生產(chǎn)率的變化主要由綜合技術(shù)變化指數(shù)引起。就技術(shù)進(jìn)步指數(shù)而言，4個年份區(qū)間內(nèi)長江經(jīng)濟(jì)帶高校技術(shù)進(jìn)步指數(shù)均值都大于1，整體處于平穩(wěn)發(fā)展?fàn)顟B(tài)，且觀測期間內(nèi)僅有4個觀測值小于1，說明各省（市）高?？蒲腥藛T的科研能力不斷提升，科研設(shè)施亦不斷完善。

（四）全要素生產(chǎn)率的時空演化分析

基于全要素生產(chǎn)率的分析結(jié)果，借助ArcGIS 10.4軟件進(jìn)行可視化處理，采取自然斷裂法，按數(shù)值高低將各?。ㄊ校└咝５娜厣a(chǎn)率分為4類，顏色越深代表效率值越高，并繪制成空間分布圖，如圖3所示。為顯示數(shù)據(jù)的明顯變化，增強(qiáng)研究的對比性，本研究選擇2013—2014年、2019—2020年首尾兩個年份區(qū)間進(jìn)行分析。

整體而言，長江經(jīng)濟(jì)帶高校全要素生產(chǎn)率的空間聚集趨勢較為明顯，上、中、下游的全要素生產(chǎn)率依次呈“低—中—高”趨勢，高效率地區(qū)逐漸向長三角地區(qū)聚集，并產(chǎn)生省份間的“連帶效應(yīng)”。具體而言，各?。ㄊ校└咝Ｈ厣a(chǎn)率發(fā)生了明顯變化，部分省份全要素生產(chǎn)率有所提高，如浙江、安徽、貴州、湖北、湖南等；也有部分?。ㄊ校┤厣a(chǎn)率有所下降，如江西、重慶、四川、云南等。

四、高?？蒲袆?chuàng)新效率影響因素探究

上述實證結(jié)果表明，長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率存在地區(qū)間的差異?；谝延袛?shù)據(jù)，借鑒前人已有研究，從外部環(huán)境和內(nèi)部環(huán)境兩方面著手，探究顯著影響科研創(chuàng)新效率的因素。

（一）Tobit模型

Tobit模型屬于受限因變量回歸的一種，標(biāo)準(zhǔn)的Tobit模型如下：

Yit=βTXit+εit，

0，otherwise，（4）

其中，Yit為截斷因變量；β為回歸系數(shù)；Xit為解釋變量；εit為誤差項。

（二）影響指標(biāo)選取

根據(jù)已有文獻(xiàn)普遍采取的變量進(jìn)行影響因素研究，從地區(qū)經(jīng)濟(jì)稟賦、地區(qū)政策環(huán)境、地區(qū)科研環(huán)境、科研人力資源、對外交流程度等5個維度，選取地區(qū)人均生產(chǎn)總值（gdp）、當(dāng)年科技經(jīng)費中政府資金（gov）、科研與發(fā)展機(jī)構(gòu)數(shù)（inst）、科研項目投入研究生人數(shù)（hr）、交流論文與特邀報告之和（comm）等作為自變量，具體定義見表7。數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》《高等學(xué)?？萍冀y(tǒng)計資料匯編》。

由于上文測算出的高?？蒲袆?chuàng)新效率值為0～2，效率值受到限制，因此采用Tobit模型對影響高?？蒲袆?chuàng)新效率的因素進(jìn)行回歸分析，其表達(dá)式如式（5）。

Yit=γ0+γ1gdpit+γ2govit+γ3instit+

γ4hrit+γ5commit。（5）

（三）高?？蒲袆?chuàng)新效率影響因素分析

借助Stata17.0軟件，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后，進(jìn)行回歸分析，實證結(jié)果見表8。

由表8可知，模型的Prob>chi2的結(jié)果小于0.05，擬合優(yōu)度較好，下面就長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率的影響因素進(jìn)行討論。

1．地區(qū)人均生產(chǎn)總值與各地區(qū)高?？蒲袆?chuàng)新效率在5%水平上呈顯著正相關(guān)。地區(qū)經(jīng)濟(jì)稟賦與高校科研創(chuàng)新效率有顯著正相關(guān)性，符合前文的基本假設(shè)。地區(qū)經(jīng)濟(jì)發(fā)展離不開科技創(chuàng)新，同時地區(qū)經(jīng)濟(jì)發(fā)展水平反作用于科技創(chuàng)新[5]（P63-70）。對于長江經(jīng)濟(jì)帶沿線?。ㄊ校﹣碚f，經(jīng)濟(jì)發(fā)展水平越高的省（市），越能吸收引進(jìn)高新技術(shù)和高科技人才，為高校提供充裕的科研資金支持和一流的科研環(huán)境，也就越有利于當(dāng)?shù)馗咝５目蒲袆?chuàng)新發(fā)展，從而推動高校科研創(chuàng)新效率的提升。

2．當(dāng)年科技經(jīng)費中政府資金與各地區(qū)高?？蒲袆?chuàng)新效率在5%水平上呈顯著負(fù)相關(guān)。與其他經(jīng)費來源相比，政府科技經(jīng)費投入的規(guī)模和穩(wěn)定性都更具優(yōu)勢。近年來，政府對于“雙一流”高校的重視程度不斷增強(qiáng)，而該類高校多集中于北京、上海、江蘇等發(fā)達(dá)地區(qū)，科研經(jīng)費投入自然也遠(yuǎn)超其他地區(qū)，但政府經(jīng)費的過度投入可能會導(dǎo)致高校產(chǎn)生對資源的過度依賴，出現(xiàn)科研經(jīng)費投入、支出的“擠出效應(yīng)”[23]（P107-118）。同時，為保證經(jīng)費投入效果，政府可能會設(shè)置更多標(biāo)準(zhǔn)來考核相關(guān)高校，導(dǎo)致高校科研自主權(quán)被削弱，投入的科研經(jīng)費未得到合理利用，妨礙大學(xué)自主創(chuàng)新能力提升，導(dǎo)致創(chuàng)新效率低下。

3．科研與發(fā)展機(jī)構(gòu)數(shù)與各地區(qū)高校科研創(chuàng)新效率在5%水平上呈顯著負(fù)相關(guān)。黨的十八大以來，各地區(qū)科研與發(fā)展機(jī)構(gòu)數(shù)增長迅速，但是機(jī)構(gòu)數(shù)量的增長并未帶來科研成果的顯著增加。如上文研究：上海等長江經(jīng)濟(jì)帶下游地區(qū)每年機(jī)構(gòu)增長幅度較大，但其高?？蒲袆?chuàng)新效率增幅卻并不明顯，而地處長江經(jīng)濟(jì)帶上游的貴州等地區(qū)，雖然科研與發(fā)展機(jī)構(gòu)數(shù)量較少且增幅緩慢，但是其高?？蒲袆?chuàng)新效率值始終維持有效狀態(tài)。究其原因，可能是由于下游地區(qū)高水平大學(xué)聚集，政府投入經(jīng)費充裕，導(dǎo)致研究與發(fā)展機(jī)構(gòu)存在“虛設(shè)”、“濫設(shè)”問題，“虛設(shè)”科研機(jī)構(gòu)以占用科研經(jīng)費，致使經(jīng)費未落實于具體科研創(chuàng)新活動，導(dǎo)致產(chǎn)出質(zhì)量降低?！盀E設(shè)”科研機(jī)構(gòu)會致使產(chǎn)出的重復(fù)性，使得科研院所的重復(fù)設(shè)置和經(jīng)費的重復(fù)使用。此外，過多的科研機(jī)構(gòu)也會令管理者無暇顧及發(fā)展質(zhì)量，從而產(chǎn)生“僵尸”科研機(jī)構(gòu)。

4．科研項目投入研究生人數(shù)與各地區(qū)高?？蒲袆?chuàng)新效率在5%水平上呈顯著正相關(guān)。這說明科研項目投入研究生人數(shù)是推動我國高?？蒲袆?chuàng)新發(fā)展的主要因素，發(fā)揮著重要的促進(jìn)作用。以往多數(shù)研究表明，我國高?？蒲袆?chuàng)新活動普遍存在“人才稀缺”但物質(zhì)資本較為充裕的情況，本文亦證明了這一觀點。這說明科研項目投入研究生人數(shù)越多，一定程度上有助于高校科研創(chuàng)新效率的提高。例如，長三角地區(qū)擁有眾多世界一流大學(xué)與研究中心，吸引了大批國內(nèi)外頂尖學(xué)者，形成高水平人才聚集的“生態(tài)圈”，并為其提供卓越的教育資源和創(chuàng)新環(huán)境，為人才高地建設(shè)做支撐?；诖耍枰浞旨ぐl(fā)科研人才的積極性、主動性、創(chuàng)造性，釋放創(chuàng)新活力，盡可能提升高?？蒲型度氘a(chǎn)出效率。

5.對外交流程度與各地區(qū)高?？蒲袆?chuàng)新效率在10%水平上呈顯著負(fù)相關(guān)。這說明進(jìn)一步推進(jìn)對外交流并不能提升高?？蒲袆?chuàng)新效率。一方面，對外交流學(xué)習(xí)是一個長期過程，短期內(nèi)效果可能并不明顯，難以真正融入國外教學(xué)體系。另一方面，相較于2019年，2020年各?。ㄊ校ν饨涣鞒潭瘸拭黠@下降趨勢，究其原因，可能是中國人均經(jīng)濟(jì)水平總體較低，人口基數(shù)較大，且對外交流的機(jī)會集中于“985工程”“211工程”和“雙一流”建設(shè)高校等高水平大學(xué)，從而使得多數(shù)高校國際交流合作人數(shù)總體較少，無法通過推進(jìn)對外交流來改善高?？蒲袆?chuàng)新活動質(zhì)量[24]（P1641-1652）。因此，長江經(jīng)濟(jì)帶上、中游地區(qū)受地理位置、經(jīng)濟(jì)環(huán)境等因素影響，應(yīng)該更加注重相關(guān)政策傾斜。

五、研究結(jié)論與對策建議

（一）研究結(jié)論

基于長江經(jīng)濟(jì)帶11省（市）2012—2020年的數(shù)據(jù)，利用超效率SBM模型、Malmquist指數(shù)模型，分別測算高?？蒲袆?chuàng)新效率和全要素生產(chǎn)率，最后借助Tobit模型分析影響效率的因素。

研究得出以下結(jié)論：第一，除2019年有明顯下降之外，長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率呈平穩(wěn)發(fā)展?fàn)顟B(tài)，但整體效率值較低，且純技術(shù)效率值對之影響較大，規(guī)模效率值有待提升。第二，各?。ㄊ校┲g的高?？蒲袆?chuàng)新效率存在明顯的地區(qū)差異，部分?。ㄊ校└咝？蒲袆?chuàng)新發(fā)展仍然處于落后狀態(tài)，且觀測期間內(nèi)差距并未顯著縮小，區(qū)域之間的創(chuàng)新發(fā)展鴻溝制約了創(chuàng)新效率的進(jìn)一步提升。第三，從時間維度上來看，全要素生產(chǎn)率雖反復(fù)波動，但總體處于平穩(wěn)上升趨勢，且全要素生產(chǎn)率發(fā)展主要由綜合技術(shù)指數(shù)變化引起。第四，從空間聚集維度上來看，2012—2020年間長江經(jīng)濟(jì)帶全要素生產(chǎn)率空間集聚特征明顯，上、中、下游的全要素生產(chǎn)率依次呈“低—中—高”趨勢。第五，影響長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率的內(nèi)外部因素中，地區(qū)經(jīng)濟(jì)稟賦、科研人力資源與科研效率呈顯著正相關(guān)，地區(qū)政策環(huán)境、地區(qū)科研環(huán)境、對外交流程度與科研創(chuàng)新效率呈顯著負(fù)相關(guān)。

（二）對策建議

1.提高科研創(chuàng)新管理水平，完善資源管理制度。為突破規(guī)模效率限制，效率值較低的省份應(yīng)提升創(chuàng)新資源管理水平，并結(jié)合現(xiàn)狀，按自身所需優(yōu)化校內(nèi)外資源配置。優(yōu)化高校外部資源配置主要從管理模式、評價機(jī)制、資源投入三方面著手。首先，高校的簡政放權(quán)主體不應(yīng)局限于行政部門。因此，需要擴(kuò)大簡政放權(quán)主體，出臺權(quán)力清單、負(fù)面清單，減少對財務(wù)部門、人事部門等不必要的行政干預(yù)。其次，建立第三方評價機(jī)制，引入高水平教育評價機(jī)構(gòu)，確保專業(yè)、高效的評價。優(yōu)化內(nèi)部資源配置應(yīng)明確學(xué)院辦學(xué)主體地位，人、財、物等資源應(yīng)更多向?qū)W院層次傾斜，形成學(xué)校層次宏觀決策、學(xué)院層次協(xié)調(diào)配合的整體運行機(jī)制。

2.優(yōu)化科研機(jī)構(gòu)布局，減少低效機(jī)構(gòu)設(shè)置，提升創(chuàng)新體系整體效能。前文研究發(fā)現(xiàn)，科研與發(fā)展機(jī)構(gòu)數(shù)對長江經(jīng)濟(jì)帶各地區(qū)高?？蒲行示哂酗@著負(fù)向作用，因此需要淘汰“僵尸”機(jī)構(gòu)，聚焦于提升科研機(jī)構(gòu)的“質(zhì)”而非“量”，建立常態(tài)化校級科研機(jī)構(gòu)監(jiān)管部門，考核更注重機(jī)構(gòu)的內(nèi)涵發(fā)展、高質(zhì)量發(fā)展。此外，在清理“僵尸”機(jī)構(gòu)的同時，更應(yīng)扶持具有發(fā)展?jié)摿Φ目蒲袡C(jī)構(gòu)，突出農(nóng)林、地礦等高校的學(xué)科專業(yè)特色和服務(wù)行業(yè)發(fā)展能力，建設(shè)一批功能集約、資源共享、運行高效的專業(yè)類或跨專業(yè)類實驗教學(xué)平臺，加強(qiáng)各行各業(yè)學(xué)科交叉人才培養(yǎng)。

3.完善長江經(jīng)濟(jì)帶府際合作機(jī)制，開創(chuàng)高等教育對外交流合作新格局。長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新效率有較強(qiáng)的地理空間聚集態(tài)勢，但省份間差異較大，高效率省份向發(fā)達(dá)地區(qū)聚集，易出現(xiàn)地區(qū)間的“馬太效應(yīng)”。因此，長三角地區(qū)在釋放“人才虹吸”效應(yīng)的同時，也要對相鄰省份進(jìn)行“反哺”，上海等中心城市應(yīng)當(dāng)“朝西看”，目光不僅要聚集在長三角地區(qū)，更要輻射到整個長江經(jīng)濟(jì)帶，打破區(qū)域間壁壘，讓更多的“智造力”變成“生產(chǎn)力”，增強(qiáng)地區(qū)間的科技創(chuàng)新活動交流。上、中游地區(qū)應(yīng)破除人才落地之“藩籬”，營造良好的政策環(huán)境，推進(jìn)人才引進(jìn)政策進(jìn)一步落實，防止人才流失。此外，高校要加強(qiáng)聯(lián)合辦學(xué)，著力打造國際教學(xué)聯(lián)合體，保障對外交流學(xué)習(xí)質(zhì)量，推動跨國教育長效機(jī)制有效銜接，堅持制度化、規(guī)范化，提升國際教育合作的質(zhì)量。

4.推動高校政產(chǎn)學(xué)研用協(xié)同創(chuàng)新，拓寬科研經(jīng)費籌資渠道，擺脫對政府資源的過度依賴。依上文所述，政府科研經(jīng)費的過度投入會導(dǎo)致高校產(chǎn)生資源依賴，削弱高校的自主創(chuàng)新能力。我國高校擁有著得天獨厚的科研優(yōu)勢，但科研成果如何轉(zhuǎn)化為生產(chǎn)力還有待深究。首先，應(yīng)構(gòu)建“政府—學(xué)校—企業(yè)”溝通橋梁，避免高?？蒲挟a(chǎn)出與市場需求出現(xiàn)“錯位”現(xiàn)象。其次，技術(shù)進(jìn)步是推動長江經(jīng)濟(jì)帶高?？蒲袆?chuàng)新發(fā)展的關(guān)鍵，各省份應(yīng)更加注重投入資源的“質(zhì)”而非“量”。最后，建立高?？萍汲晒D(zhuǎn)化評價體系，引入第三方評價機(jī)制，并將評估結(jié)果作為世界一流大學(xué)和一流學(xué)科建設(shè)考核的重要依據(jù)之一。

參考文獻(xiàn)：

[1]習(xí)近平.高舉中國特色社會主義偉大旗幟為全面建設(shè)社會主義現(xiàn)代化國家而團(tuán)結(jié)奮斗[N].人民日報，2022-10-26（01）.

[2]袁利平，李君筱.面向2035的中國高等教育現(xiàn)代化發(fā)展圖景及其實現(xiàn)[J].大學(xué)教育科學(xué)，2021（3）.

[3]張發(fā)旺.區(qū)域高等教育協(xié)調(diào)發(fā)展：多維目標(biāo)選擇與戰(zhàn)略統(tǒng)籌機(jī)制[J].中國高教研究，2020（8）.

[4]陸菊春，王新怡.長江經(jīng)濟(jì)帶城市綠色創(chuàng)新效率的時空特征及影響因素[J].科技管理研究，2021（20）.

[5]王杜春，時玉坤.鄉(xiāng)村振興背景下我國農(nóng)林高校的科研效率及影響因素[J].科技管理研究，2022（10）.

[6]宗曉華，付呈祥.我國研究型大學(xué)科研績效及其影響因素——基于教育部直屬高校相關(guān)數(shù)據(jù)的實證分析[J].高校教育管理，2019（5）.

[7]楊敏，費錫玥，魏宇琪，等.基于資源共享與子系統(tǒng)交互的兩階段DEA評價方法——兼對我國“一流大學(xué)”科研績效的評價[J].中國管理科學(xué)，2022（2）.

[8]吳穎，崔玉平.長三角高校科技創(chuàng)新效率及其時空演化——基于滬、蘇、浙、皖41市的實證分析[J].重慶高教研究，2022（3）.

[9]張蕾，馬占新.基于Malmquist指數(shù)的“一帶一路”省區(qū)高校技術(shù)轉(zhuǎn)移效率研究[J].科學(xué)管理研究，2021（1）.

[10]李璐.京津冀高?？萍紕?chuàng)新效率的實證研究——基于DEA分析的SBM模型和Malmquist生產(chǎn)率指數(shù)[J].教育學(xué)術(shù)月刊，2019（2）.

[11]楊登才，劉暢，朱相宇.中國高?？萍汲晒D(zhuǎn)化效率及影響因素研究[J].科技促進(jìn)發(fā)展，2019（9）.

[12]蔡文伯，楊麗雪.中國高?？萍紕?chuàng)新效率的區(qū)域差異及其收斂性分析——基于2000—2016年面板數(shù)據(jù)[J].現(xiàn)代教育管理，2020（2）.

[13]許曉東，智耀徵.雙一流背景下高?？蒲行实膮^(qū)域差異與影響因素研究[J].科學(xué)管理研究，2021（4）.

[14]王海燕，蘇博謙.高校科技創(chuàng)新與區(qū)域經(jīng)濟(jì)耦合協(xié)調(diào)及影響因素研究——基于2013—2019年我國30省份相關(guān)數(shù)據(jù)[J].中國高?？萍?，2023（6）.

[15]成剛.數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M].北京：知識產(chǎn)權(quán)出版社，2014.

[16]TONE K. A Slacks-based Measure of Efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2001（3）.

[17]初旭新，馬昱.創(chuàng)新價值鏈視角下中國高?？萍紕?chuàng)新效率評價[J].科技管理研究，2020（22）.

[18]柯亮，姚聰莉.“雙一流”建設(shè)高?？萍紕?chuàng)新效率及時空分布特征研究[J].自然辯證法通訊，2021（5）.

[19]王新鳳，羅啟軒，鐘秉林.長三角地區(qū)高等教育協(xié)同發(fā)展的歷史進(jìn)程與發(fā)展態(tài)勢[J].江蘇高教，2021（9）.

[20]張德祥，賈梟.我國高等教育布局結(jié)構(gòu)的優(yōu)化路徑——基于資源、能力、公平的視角[J].現(xiàn)代教育管理，2022（5）.

[21]閃樂，李露.長江經(jīng)濟(jì)帶高等院校資源配置績效評估[J].黑龍江高教研究，2022（4）.

[22]查道林，陳思，楊茜.“雙一流”建設(shè)高校科研效率及影響因素實證研究——基于超效率SBM-Malmquist-Tobit模型[J].教育與經(jīng)濟(jì)，2022（3）.

[23]蘇薈，劉奧運.“雙一流”建設(shè)背景下我國省際高?？蒲行始坝绊懸蛩匮芯俊贒EA-Tobit模型[J].重慶大學(xué)學(xué)報（社會科學(xué)版），2020（1）.

[24]覃雄合，杜德斌，劉樹峰，等.中國省際高?？蒲谐晒D(zhuǎn)化效率時空格局與影響因素——基于網(wǎng)絡(luò)SBM模型的評價[J].地理研究，2017（9）.