基于三阶段DEA-Malmquist指数分析的皖江城市带创新效率研究

万创勤 韩玉刚

（安徽师范大学，安徽 芜湖 241002）

当前，科技进步与创新能力已成为促进一个国家或地区经济快速发展的决定性因素[1][2][3]。2010年1月，国务院批复《皖江城市带承接产业转移示范区规划》，皖江城市带，其地跨长江、淮河两大流域，是长三角区域的重要组成部分。安徽省2008年在省域层面全面启动创新驱动战略，从建立“合芜蚌”自主创新综合配套改革试验区，到全国第二个创新型省份试点省，再到成为合肥综合性国家科学中心，标志着安徽省总体在推动科技创新，促进经济发展方式转变方面，已经取得了一定的成效。但通过相关学者将安徽省同其他省份进行横向比较，发现安徽省与中、东部其他省份间仍旧存在着较大差距，表现为产业科技含量较低，创新环境、科技创新驱动经济发展的能力、整体创新效率等方面排名均比较靠后[5][6]。且皖江城市带中除个别城市外，绝大部分城市的经济增长，仍多依赖单纯的生产要素投入，科技创新对经济增长的贡献度比较低。基于这一背景，深度剖析皖江城市带各市创新效率水平、影响因素和变化趋向，针对性地提出提升皖江城市带创新效率的对策，对于皖江城市带更好的承接产业转移、实现创新驱动发展，提升安徽省整体创新水平均具有重要的理论价值和现实意义。

一、文献回顾

对于区域科技创新效率评价这一问题，是当前国内外学者的研究重点，其数据包络系列方法是当前学术界运用较广泛的创新绩效测算方法，如学者们采用传统DEA模型对我国各省市[4][5][6][7]、特定省份[8]、城市群[9][10]等不同尺度的技术创新效率和影响因素进行测算。在此基础上，Li等[11]、冯志军等[12]基于改进的两阶段DEA对我国各省及高新技术产业R&D过程进行研究。Guan[13]、Chen[14]、陈莹文[15]分别运用关联网络和改进的两阶段数据包络法对我国各省高新技术产业及区域创新系统进行了测算分析。自Fried等[16]于2002年提出三阶段DEA方法后，近些年来，学者们利用三阶段模型对我国高新技术开发区[17][18]、长江经济带[19]、京津冀地区[20]的创新效率及其影响因素进行测度与分析。另外，陈伟等[21]利用三阶段模型探究上市公司网络位置与研发效率的关系；金怀玉等[22]基于三阶段DEA模型对我国内地30个省市的创新效率进行实证研究。

可以说，国内外学者为创新效率评价方法改进和实践研究提供了很好的基础，但是，在已有的采用三阶段DEA进行创新效率评价中大多数只测算截面数据，很少与Malmquist指数进行结合分析，无法看出各地区效率随时间的嬗变趋向。鉴于此，本文选取了皖江城市带9个地级市2010-2019年10年间的面板数据，从创新链角度出发，将技术创新分为技术研发过程和技术转化过程，运用三阶段DEA与Malmquist指数相结合的方法，辅以ArcGIS空间分析，探究皖江城市带各市的静态创新效率和动态演变趋势，剖析了提升创新效率的关键因素，为皖江城市带科技创新发展提供更为精确的评判依据。

二、研究方法

（一）三阶段DEA

Fried等[16]于2002年提出三阶段DEA方法，将传统的DEA方法与随机前沿分析SFA方法进行结合，剔除环境因素和随机误差，改进传统的DEA模型，只考虑管理无效率对各地区技术创新效率的影响，从而可以得到更为精准的测算结果。具体步骤如下：

第一阶段：原始数据的投入导向BCC模型。采用投入导向的BCC模型，使用DEAP2.1软件对投入产出变量的原始数据进行初始效率分析，同时求得投入松弛变量。第二阶段：类似SFA处理。使用类似SFA处理方法对第一阶段求得的松弛变量进行分析，将环境和随机误差的因素剥离掉，得到完全由管理无效率所造成的投入松弛变量，把处于不同环境下决策单元的投入产出调整为处于相同环境下的投入产出。第三阶段：调整数据的投入导向BCC模型。把经过第二阶段调整的投入产出变量带入BCC模型分析，重新计算决策单元的投入产出效率，此时的效率只考虑管理无效率的影响，可以更加真实的反映出各地区的技术创新效率。

（二）Malmquist指数

三阶段DEA模型可以评价安徽省16个市每年的技术效率、纯技术效率、规模效率等，但属于静态分析方法，为了更好地反映安徽省16个市创新效率动态发展态势，故本文结合Malmquist指数模型进行分析。Malmquist指数模型是一种非参数估计方法，用于测度t期到t+1期全要素生产率变化（TFP），可以分解为技术效率变化指数（EFFCH）和技术进步变化指数（TECH）。

Malmquist指数模型构建如下：

当M＞1时，表示全要素生产率从t期到t+1期呈增长状态；当M=1时，表明呈停滞状态；当M＜1时，则表明呈下降状态。

三、指标体系建立与数据处理

（一）指标体系建立

（1）输入输出指标

本文创新投入产出指标选取，参考吴传清等[18][19]学者的指标体系。同时基于创新链视角，将技术创新分为创新研发过程和创新转化过程，如表1所示：

表1皖江城市带技术创新效率测度投入产出指标体系

技术研发测度方面选取R&D人员全时当量和R&D经费内部支出作为投入指标，专利申请量作为产出指标。技术转化效率测度方面选取工业企业R&D人员当量和工业企业R&D经费内部支出作为投入指标，新产品销售收入作为产出指标。

（2）环境指标

参考肖文等[23]成果，从城镇化水平、政府支持力度、工业化水平、经济发展水平、劳动力素质水平和对外开放力度六个方面来对影响创新效率的环境进行控制。分别为：（1）城镇化水平，以邮政业务总量来衡量；（2）政府支持力度，以各地方科学技术政府资金占政府支出的比重衡量；（3）工业化水平，以各地级市全部规模以上工业总产值来衡量；（4）经济发展水平，以各地级市人均生产总值衡量；（5）劳动力素质水平，以各地级市每十万人中大专及以上教育水平人口数来衡量；（6）对外开放程度，以实际利用外商投资额占GDP比重来衡量。如表2所示：

表2皖江城市带技术创新效率测度环境指标体系

（3）数据来源和处理

本文选取的2010-2019年皖江城市带9市（合肥、滁州、六安、安庆、宣城、马鞍山、铜陵、池州、芜湖）的科技创新投入产出及环境变量数据来源于相应年度的《安徽统计年鉴》及《安徽科技统计年鉴》。并对指标数据进行如下处理：参考吴传清等[19]对技术创新效率的研究，对R&D经费内部支出、工业企业R&D内部支出、新产品消费收入、各市全部规模以上工业总产值以各地级市2010年为基期的消费者物价指数进行平减。参考张鸿等[24]成果，对R&D经费内部支出、工业企业R&D经费内部支出采用国际上通用的永续盘存法进行存量转化，资本存量的不变折扣率采用15%进行计算。

表3 2010-2017年安徽省技术创新效率环境影响系数表

四、实证分析

（一）第一阶段结果分析

第一阶段，运用DEAP2.1软件，通过投入角度的BCC模型对皖江城市带9市2010-2019年创新研发过程和创新转化过程的技术效率（crste）、纯技术效率（vrste）、规模技术效率（scale）进行分析结果。

皖江城市带各市的技术转化效率略高于技术研发效率，但技术研发效率或是技术转化效率都没有达到有效状态。因此，皖江城市带的9市效率都不高导致安徽省整体效率不高，在纯技术效率和规模效率上还有很大的提升空间。

事实上，各地级市在基础设施水平、经济水平、产业水平等方面差异显著。该阶段将所有对效率值的影响全部归结为管理无效，忽视了外部环境和随机因素的作用，故此结果不再以表格表示，在此不做过多的解释，接下来进入第二阶段分析。

（二）第二阶段结果分析

将第一阶段测算出的创新研发与创新转化过程的四个投入变量的松弛变量作为函数的被解释变量，城镇化水平、政府支持力度、工业化水平、经济发展水平、地方劳动力素质水平、对外开放程度作为解释变量，采用Frontier4.1软件考察6个环境变量对4个投入松弛变量的影响。若回归系数为正值时，表示增加该解释变量将会增加投入松弛量；相反，当回归系数为负值时，该解释变量将会减少投入松弛量。计算结果如表3所示。

1.城镇化水平。回归结果说明随着城镇化水平提高，导致前三项投入冗余，会减少技术转化过程中的支出松弛。反映在安徽省有些相对基础设施较好的城市，资源不能得到合理配置，会使科技人员和经费支出冗余增加，这需要进一步使科技资源结构合理化，也有可能是城镇化水平的改善对区域创新效率的提高具有一定的延迟。

2.政府支持力度。回归结果为负，说明财政支出对科技创新的支持力度越大，越有利于这4项投入冗余的减少，单靠高校和企业不能达到创新投入最优，政府支持能够对“市场失灵”起到弥补作用，对创新行为加以合理引导，充分调动创新资源。

3.工业化水平。回归结果说明工业化水平提高有利于减少研发过程的人员及转化过程的人员、经费投入的冗余，促进效率改善。工业企业是开展科技创新活动的重要主体，为提高自身竞争力会积极参与技术床下，努力提高投入产出效率，实现利润最大化，区域工业实力增强会促进技术进步和经济增长的良性循环。

4.经济发展水平。回归结果说明经济发展水平有利于经费支出冗余的减少，不利于人员投入冗余的减少。说明有些经济发展水平好的地方产业集聚程度高，资源丰富但没有得到很好的配置利用，造成浪费。

5.劳动力素质水平。回归结果说明创新研发过程中，高学历水平的人员在教育中存在应试情况，没有充分投入到研究创新中，而高研究技术水平人员通过指导更多的技术转化工作，创造出新的应用技术。

6.对外开放程度。回归结果说明地方对外开放程度导致这4项投入冗余。说明安徽省经济发展落后，政府企业的资金有限，而外商投资虽然带来了资金但主要以劳动密集型产业为主，对创新效率并没有提升作用。

（三）第三阶段结果分析

在DEA分析的第三阶段，通过运用DEAP2.1软件，采用和第一阶段相同的处理方法，利用调整后的投入数据和原产出数据，重新计算。结果如表4、5，结合图1-4可以更直观的看出安徽省16市的创新效率的空间特征。

综合表4、5和图1-4，可以得出：整体来看，在剔除环境因素和随机干扰后，多个市的创新效率发生了较大变动，大多数市第一阶段没有剔除外部因素的影响下的技术效率及规模效率出现了虚高的情况，说明环境因素和随机干扰对皖江城市带各市创新效率影响很大，需要对投入变量进行调整，剔除外部因素后的效率才能更加客观地反映皖江城市带的创新情况。创新转化效率低于创新研发效率，这主要源于皖江城市带的技术产业市场化薄弱，交易市场不够健全，市场环境活跃度不够。皖江城市带整体创新效率都不高，只有合肥、滁州、芜湖两个过程的创新效率相对较高，基本实现效用最大化，创新效率提升空间还很大。

表4 2010-2019年皖江城市带第三阶段技术创新研发效率

表5 2010-2019年皖江城市带第三阶段技术创新转化效率

图1皖江城市带9市技术研发过程前期（2010-2014年）创新效率均值

图2皖江城市带市技术研发过程后期（2015-2019年）创新效率均值

图3皖江城市带16市技术转化过程前期（2010-2014年）创新效率均值

图4皖江城市带16市技术转化过程后期（2015-2019年）创新效率均值

从创新研发过程来看，除了芜湖基本一直处于有效状态，各市后期的技术效率和规模效率要明显高于前期，各市纯技术效率都相对高于规模效率。说明技术水平和管理水平都很高，技术研发工作得到重视并稳步推进。2019年合肥、滁州规模效率处于高位水平，说明技术研发过程中资源得到了较充分的利用，需要继续提高资源配置的有效性。其它市的规模效率都没有达到有效状态，但在发展过程中，通过优化资源配置，规模效率得到了提升，投入产出结构不断合理。技术效率最低的三个地级市（安庆、宣城、铜陵）都出现在皖南一带，说明皖南一带地区还没有开始重视技术研发对于提高区域经济的重要性，再加上技术研发过程中存在一些阻碍，如没有找到创新着力点、未能发挥自身研发优势、创新技术发展起步较晚、创新投入少且投入的创新资源浪费严重等问题，需要政府和企业共同努力提高研发效率，带动经济发展。

从创新转化过程来看，马鞍山的创新效率出现了下降，下降的主要原因是规模效率的下降所致，说明滁州临近南京，虽然经济较活跃，具有良好的技术创新环境，但随着创新资源的投入加大，在后期存在了资源浪费和闲置现象，可以抓住合作发展机遇，引进先进技术，加强产业投入，只是技术消化吸收到转化需要一个过程；而芜湖的纯技术效率有所下降，说明存在和合肥、六安一样的问题，要抓住政府政策和市场机遇，稳步提高市场化水平。其他地级市转化效率都有着不同程度的提升，说明各市的技术创新市场在不断完善。大部分城市的规模效率低于纯技术效率，普遍存在创新资源配置不合理，在增加投入的同时要优化投入要素，避免投入冗余。

（四）Malmquist指数及其分解

上述的三阶段DEA模型，对皖江城市带创新效率的研究，基本处于静态的比较，为了进一步研究创新效率的动态变化，本文引入Malmquist指数，深入分析全要素生产率的变动是由技术进步还是由技术效率的变动引起的。利用DEAP2.1软件将剔除了外部因素的各投入变量和初始产出变量代入Malmquist模型进行计算，测算的结果更加符合实际情况。

2010-2019年皖江城市带9市创新研发过程、转化过程的全要素生产率指数分别为1.165、1.162，年均增长都超过百分之十五，创新研发过程主要是由技术效率主导的，创新转化过程主要由技术进步效率主导的，两过程的技术效率变化指数均值分别为1.147和1.071，技术进步变化指数均值分别为1.027、1.085，说明皖江城市群创新能力都在增强。但是，通过观察可以看出皖江城市群技术研发过程的全要素生产率指数在波动下滑，2015-2016年、2018-2019年下滑至小于1的水平；同样，技术转化过程各年的全要素生产率指数忽高忽低、上下波动。意味着总体上皖江城市带技术创新处于增长态势，但是未能持续发力和稳步提升。另外各市的创新发展水平不平衡，存在一定的地域差异。

从创新研发过程来看，前期的全要素生产率指数明显高于后期。其中池州、六安的增长幅度最大，这与它们的创新效率低有着直接关系，处于低位水平的地区提升空间就很大，只要适当增加创新要素投入就可以很大程度上提高创新效率。从创新转化过程来看，2010-2012年为增速最快时期，2012年后，增速明显减缓，但到了2016年，全要素生产率指数又开始变大。这些都说明皖江城市带的创新驱动发展在政府的引导下，取得了一定进步，但没有持续发力，未能一直保持良好的增长态势，增速忽高忽低。且创新研发过程的纯技术效率变化指数均值小于1，说明整体纯技术效率处于下滑趋势，技术研发存在一定障碍，创新环境尚需进一步改善。

五、结论和启示

（一）结论

本文基于创新链视角，将技术创新分为创新研发和创新转化过程，合理选取投入产出指标，利用三阶段DEA和Malmquist指数相结合的方法，从静态、动态两个方面深入分析皖江城市带9个地级市的创新效率并进行对比评价。主要贡献如下：相较于全国层面的研究，更具有针对性；将创新过程分为创新研发过程和创新转化过程，分别测度其效率进行比较分析，更加细化；从静态和动态两个层面探讨各地级市的创新效率及其演变特征，更加全面；剔除环境变量影响再进行创新效率测量，更加精准。结果显示：

其一，皖江城市带整体创新效率不高，创新转化效率低于创新研发效率，技术创新成果转化不足，创新效率发展不均衡，其中只有合肥、滁州、芜湖的两个过程的创新效率一直处于较高水平，基本实现效用最大化。

其二，2010-2019年安徽省技术创新效率整体水平是上升的，技术效率和技术进步是全要素生产率提高的关键。而且创新提升有着明显的地域差异和时间分段，六安、池州的全要素生产率指数较高，前期的全要素生产率指数高于后期。

其三，在第二阶段实证分析中发现，不同因素对创新过程的影响是不同的，政府支持力度、工业化水平、经济发展水平能够提高利于减少研发投入冗余，能够促进创新研发效率；政府支持力度、工业化水平、劳动力素质有利于减少转化投入，能够促进创新转化效率；而现阶段的城市化水平和对外开放程度不利于整体创新效率的提升。

（二）启示

基于以上实证分析的结论，为了能够提高安徽省创新效率，实现皖江城市带创新发展、促进产业转移目标，从以下几个发面提出实践性建议：

首先，加速高质量基础平台建设，充分引导区域技术创新因素有效流动。研究结果显示：皖江城市带各地级市的创新效率虽然都处于上升趋势，但效率水平低下且差异显著，区域创新因素不平衡不充分问题突出，区域创新要素实现高效流动是解决这种突出问题的突破口。政府发挥好导向作用，围绕创新驱动发展战略，抓住中部崛起计划、皖江城市带建设这一机遇，与企业、高校要加强合作，尤其是安徽的皖南一带地区更要重视科技创新对经济发展的推动作用。持续加强科技投入同时要提高配置效率，避免创新资源闲置和浪费。

其次，针对性制定效率提升策略，最大限度地发挥创新资源效用。各地区可以因地制宜，制定切实可行的战略，稳步提升创新效率。创新效率较低的地区可以弥补短板，根据各因素影响效果的差异性，寻找突破路径，充分发挥创新资源的边际效用。例如，皖南一带各地区继续加大研发投入，提高纯技术创新效率；优化投入产出结构，提升自身规模效率；改善自身的创新环境，吸引更多的高技术龙头企业，缩小与合肥、芜湖等城市的差距。创新效率较高的地区可以精益求精，促进高技术产业均衡发展。例如，滁州、芜湖等可以深化产学研结合，加强与其它地区合作交流，确保高技术产业创新发展的稳定性；合肥可以出台相关政策，加快完善高技术产业市场体系，从而提高技术转化效率。

最后，加快高技术创新成果转化，促进皖江城市带各地创新协调高质量发展。各市政府应进一步健全技术转化保障机制，建立技术转移机构，促进技术研发和市场需求互动与对接；激发企业主体创新意识，充分发挥其积极性和主动性，加强产学研机构合作，实现技术研发和技术转化协同发展。加强技术创新市场监管，充分利用市场化的力量提升区域技术水平和协同创新效率，推动技术创新成果转化，探索多主体知识产权共赢机制。