科技创新、效率测度与政策检验：基于30个省（区、市）“双创”政策的评估实践

杨幸玉 周 巍

（新疆大学政治与公共管理学院，新疆 乌鲁木齐 830047）

0 引言

2014 年9 月，李克强总理在夏季达沃斯论坛上发表讲话，首次提出“大众创业、万众创新”概念。2018 年9 月，国务院颁布《关于推动创新创业高质量发展 打造“双创”升级版的意见》。此后，国家陆续颁布相关文件助力创新创业，旨在倡导简政放权，激发市场活力，形成万众创新的新势态。2021年习近平总书记着重强调“创新”在优化营商环境中的重要性，我国各地纷纷掀起创新创业浪潮。2022年党的二十大报告进一步强调，完善科技创新体系，坚持创新在我国现代化建设全局中的核心地位，提升国家创新体系整体效能，形成具有全球竞争力的开放创新生态，实施创新驱动发展战略。各地政府为响应中央号召，出台了一系列鼓励创新创业的配套政策，如给创业者发放无息贷款、对应届毕业生发放一次性就业补贴、简化企业注册的行政审批流程、实行减税降费等。

学者们关于创新创业政策的研究多集中在定性分析整体政策和定量评估政策两方面。定性分析整体政策方面，主要通过对政策工具与政策文本的分析，研究创新创业政策的变迁。施杨等［1］通过文本挖掘、内容分析等方法，提炼江苏6 个典型地区的政策工具，并评价各地的高层次创业人才政策。李鹏利等［2］运用政策文本内容分析法，系统性梳理2006—2020年国家发布的科技创业政策，并进行相关协调性研究。Alberto 等［3］运用文本挖掘技术、聚类分析和定性评估方法，分析1990—2016 年欧盟创业政策演变情况。陈伟等［4］在政策工具视角下建立三维分析框架，分析创新创业政策的相关热点词汇。张超等［5］从政策文本内容分析视角，对1978—2017 年的创新创业政策文件进行社会网络分析。

定量评估政策方面，着眼于政策评估指标体系、框架和模型的构建，对创新创业政策进行实证研究。孙勇等［6］运用TOPSIS-熵值法和耦合协调模型，对区域创新和创业发展水平及两者间的耦合协调度进行综合测评。吕爽等［7］运用函数型熵权、函数型方差和函数型泰尔指数方法，对我国创新创业活跃度的动态变迁和时空特征进行测度分析。高斌等［8］运用因子分析法对山东省17 市的创新创业环境进行科学评价。阎东彬［9］运用两阶段数据包络分析法，评估京津冀地区2012—2017 年科技创新政策的执行成效。Schot 等［10］构建了基于科学、技术和创新政策的三个框架，研究三个框架间差异及其与政策制定的关联，进而探索变革性创新政策的选择问题。Huggins 等［11］建立了企业家精神和经济发展的网络模型，运用网络模型催化创新驱动的企业家精神，进而寻求区域创新政策的发展方向。

综上所述，现有研究大多构建创新创业政策体系，对地区创新创业政策评估进行实证研究，较少从宏观层面将政府作为主要研究主体，评估创新创业政策的执行效果。然而，政府作为大力推动大众创业、万众创新的主力军，致力于扶持地区内部的创新型企业，加强创新创业政策的推广力度，进而促进经济发展。但是目前我国创新创业领域仍然面临着创新创业与经济社会发展难以融合、创新创业生态不够完善、科技成果转化机制尚不健全、大中小企业融通发展还不充分、创新创业国际合作不够深入等困境，难以实现其高质量发展。与此同时，部分创新创业政策执行并未达到预期效果。因此，对我国30 个省（区、市）的创新创业政策执行效果进行科学评估，深入了解当前创新创业发展现状并试图就优化政策执行提出建议，对推动创新创业高质量发展、优化产学研一体化的产业创新结构具有重要意义。

1 研究方法与指标选取

1.1 研究方法

三阶段数据包络分析是Fried 等［12］改进了传统方法的缺陷，通过剔除环境和管理无效因素，极大地减弱了随机误差影响，在学术界已得到广泛应用。因此，本研究采用三阶段DEA 模型评价我国创新创业政策执行效果，具体操作原理如下。

1.1.1 第一阶段：DEA—BCC 模型。规模报酬是用来计算产出不变时如何使投入达到最优的，在实际应用中容易受外界影响而改变。第一阶段选取投入导向型DEA—BCC 模型对决策单元的效率值进行测算，公式如下：

其中，j=1，2，…，n表示决策单元，X，Y分别是投入、产出向量。

若θ= 1，S+=S-= 0，则决策单元DEA有效；

若θ= 1，S+≠0，或S-≠0，则决策单元弱DEA有效；

若θ＜1，则决策单元非DEA有效。

BCC 模型计算出来的效率值为综合技术效率（TE），可以进一步分解为规模效率（SE）和纯技术效率（PTE），TE=SE×PTE。

1.1.2 第二阶段：随机前沿分析（SFA）模型。松弛变量可以反映初始的低效率，所以第二阶段主要将第一阶段的松弛变量分解成环境因素、管理无效率和统计噪声3种效应，必须借助于SFA回归进行计算。在SFA 回归中，第一阶段的松弛变量对环境变量和混合误差项进行回归。生产函数F（x）表示在给定投入x情况下的最大产出，但通常生产商很难达到最大产出前沿，因此假设生产商i的产量为式（1）。

式中：β为待估参数；ξi为生产商i的生产水平，满足0 ＜ξi≤1。

如果ξi= 1，则生产商i处于效率前沿，此时还需考虑随机扰动对生产函数的影响，因此修改式（1）为式（2）。

式中：evt＞0代表随机扰动，方程（2）意味着生产函数的前沿是随机的，故此类模型称为“随机前沿模型”。使用随机前沿模型的前提是无效率项存在，此假定可以通过检验“H0∶0”来判断是否成立，使用单边的广义似然比检验。

1.1.3 第三阶段：调整后的DEA 测算。剔除随机扰动项及无效率项影响后得出新的投入数据，将新数据再代入第一阶段运算中，即可得到三阶段DEA剔除环境和随机扰动因素后的真实效率值。

1.1.4 Tobit 回归：影响因素分析。在测算政策执行效果时，综合技术效率结果有多个DMU 处于DEA 的效率边界，其综合技术效率数值处在0～1 之间，如果使用普通最小二乘法（OLS）对整体样本进行线性回归，其非线性扰动项将被纳入扰动项中，造成参数估计存在偏差。为了减少回归过程中的偏差，美国经济学家Tobin［13］在分析家庭耐用品支出时对Probit 回归进行推广，提出归并回归模型（Censored Regression Model），也称Tobit 模型，见式（3）。

式(3)中，yi*是潜在因变量，大于0时被观察到，取值为yi，小于等于0 时在0 处截尾；xi是自变量；β是系数；εi是残差，独立且服从正态分布。

1.2 指标体系建立及环境变量选取

1.2.1 创新创业政策执行效果评价指标体系。效率指标不仅要具有描述、分析和评价功能，还应紧密联系创新创业与经济发展，选择与政策执行效果密切相关并可以量化的统计数据作为客观的投入和产出指标。因此，本研究一方面参考政策评估领域内专家学者的研究成果，另一方面结合我国创新创业政策的执行现状，遵循数据可获取性和系统完整性原则，构建了我国创新创业政策执行效果评估指标体系（见表1）。

表1 创新创业政策执行效果评估指标体系

1.2.2 环境变量选取。环境变量应选择主观因素难以控制，但能对其效率产生影响的外部变量，因此本研究的环境变量选择政策宣传力度和对外开放水平。政策宣传力度通过政府对创新创业政策的发文数量得出。对外开放水平通过外商企业的投资总额得出。所有指标均为客观指标，不包含任何主观指标。

1.2.3 影响因素选取。参考政策评估和科技创新领域内学者们的研究，本研究分别从地区经济发展水平、政策宣传力度、科技创新支撑能力和对外开放水平四方面选取4 个影响因素进行分析，具体的衡量指标见表2，并提出本研究的4个假设。

表2 创新创业政策执行效果影响因素评价指标

假设1：经济发展水平较好的地区投入更多人力、物力、财力支持地区创新创业，所以创新创业政策执行效果较好。

假设2：政府对政策的重视程度对政策执行具有积极的导向作用，所以政策宣传力度越大，创新创业政策执行效果越好。

假设3：科技创新能力是创新创业政策执行的内驱动力，所以对创新创业政策执行具有正向的促进作用。

假设4：对外开放水平越高，与外界进行资源置换的力度越大、能力越强，所以政策执行效果越好。

2 实证结果与分析

2.1 数据来源

投入和产出指标数据均来自科技部火炬中心2016—2020 年30 个省、自治区、直辖市（不包括西藏、香港、澳门和台湾）众创空间主要经济指标的综合数据。环境指标中政策宣传指标数据通过各省份人力资源和社会保障厅官网搜索“创新创业”统计政府发文数量获取，剔除与创新创业政策无关或关系较小的政策，保留相关性强的政策发文。外商投资企业投资总额来自国家统计局2016—2020 年30个省（区、市）对外经济贸易中外商投资企业进出口总额的年度数据。

2.2 基于DEA—BCC 模型的政策执行效率值测算

运用DEAP 2.1 软件对我国30 个省（区、市）创新创业政策2016—2020 年的5 组投入产出截面数据进行分析，测算得出我国30 个省（区、市）创新创业政策执行效率值。总体来看，2016—2020 年达到综合有效（即同时达到技术有效和规模有效）的省份呈起伏状态。2016—2018 年逐年递减，2018—2019 年保持平稳，2019—2020 年迅速上升，表明创新创业政策的执行效率也逐年变化，政策落实效果整体较差，多数省份仍处于综合无效状态，政策执行仍有较大的提升空间。整体上，5 年内大多数省份创新创业政策执行效率不高，政策执行效果较差，综合来看，尚未达到技术有效和规模有效。

2.3 基于SFA模型的随机前沿测算

将环境变量作为自变量，投入指标的松弛变量依次作为因变量，逐次运用Front 4.1 软件进行随机前沿测算，测算后的SFA 回归结果见表3。表3 中各变量的γ 值高度显著，表明管理无效性是导致投入松弛的主要原因。从自变量对因变量的估计系数来看，政府发文量对创新创业政策执行具有正向的促进作用，创新创业政策的宣传力度反映政府的重视程度，政策宣传力度越大，政府对创新型企业的技术支持、教育支持和创新支持也会相应增加，进而产生投入冗余。外商企业投资总额对创新创业政策的松弛变量值较小，表明增加外商企业投资总额也会在一定程度上增加创新创业政策执行成本的投入冗余，因此需要适度减少政府的政策宣传与外商投资，降低投入冗余，从而提升创新创业政策的执行成效。

表3 创新创业政策执行效果的随机前沿测算结果

2.4 剔除误差后的政策执行效果分析

2.4.1 运算结果分析。通过第二阶段的SFA测算，得出剔除环境变量和随机干扰项后2016—2020 年各省份创新创业政策优化后的投入调整数据，再次运用DEAP 2.1 软件测算创新创业政策执行效率值，测算结果如图1至图5所示。

图1 2016年创新创业政策执行效果分解指数

图2 2017年创新创业政策执行效果分解指数

图3 2018年创新创业政策执行效果分解指数

图4 2019年创新创业政策执行效果分解指数

图5 2020年创新创业政策执行效果分解指数

从图1 至图5 可知，剔除管理无效率项和随机干扰因素后各省份在各个时期的效率值发生变化，进一步证明了DEA 测算剔除随机前沿变量的必要性。综上，在第三阶段5 年内30 个省（区、市）的综合效率值处于起伏状态，2016—2017年达到综合有效的省份数量处于递减状态，2017—2018年处于递增状态，2018—2019 年又回归递减状态，2019—2020年又保持递增状态。与第一阶段效率值相比，综合效率水平处于下降状态，技术效率提高，规模效率降低，表明创新创业政策执行效果有待提高，政策执行仍有较大的提升空间，可从扩大规模入手来达到规模有效，进而达到综合有效。与第一阶段相比，剔除环境变量的影响后，综合效率、纯技术效率和规模效率值，以及达到综合有效、技术有效和规模有效的省份数量都发生变化，表明环境变量对效率值的测算产生较大影响。

2.4.2 政策执行效率值描述统计分析。2016—2020 年各省份创新创业政策执行效率值描述统计分析如图6所示。

图6 2016—2020年各省份创新创业政策执行效率值描述统计分析

由图6 可知，2016—2020 年各省份创新创业政策执行的综合效率均值较低，效率值两极分化严重。5 年内各省份综合效率值的标准差分布在0.1至0.3之间，离散程度较大，纯技术效率最大值与最小值差距较小，规模效率值差距较大，平均值均分布在中值以上。图6 中规模效率值低于均值，拉低了整体综合效率值，表明各省份创新创业政策执行综合无效主要是由规模无效造成的，且各地区呈现出较大的规模差距，降低了地区的整体水平。

2.4.3 创新创业政策执行效果区域发展分析。基于第三阶段综合技术效率的运算结果，本研究将2016—2020 年30 个省（区、市）的截面数据运用Arcgis10.8 软件进行可视化分析，结果如下。根据国家统计局对我国东部、西部、中部和东北地区的划分方法，整体上我国创新创业政策执行效果呈东中西阶梯式递减的空间分布格局。

从区域分布上看，我国30 个省（区、市）创新创业政策执行效果较好的区域集中成片分布，主要分布于东部和中部地区。这两个地区地理位置优越，区位优势明显，政策宣传力度与外商投资总额都优于西部和东北地区，且当地政府提供较多的人力、物力、财力和智力支持，为创新创业政策的宣传和落实提供了良好的内外部环境，所以东部和中部地区创新创业政策执行的综合效率较高，政策落实情况较好。西部和东北地区受到历史因素和地理位置的影响，恶劣的自然条件导致交通不便，限制了经济发展，当地政府提供的财政投入和人力支持有限，政策宣传力度也较小，所以创新创业政策在这两个地区的综合效率较低，政策执行效果较差。真正推动创新创业政策落地既需要当地“走出去”寻找机会发展经济，又需要“引进来”发达地区的资本、技术和人才援助，同时需要国家的政策扶持和产业倾斜，共同为地区发展助力。

从省域层面分析，北京、上海、江苏、浙江、广东、山东等省（区、市）2016—2020 年创新创业政策执行的综合效率都保持在较高水平，创新创业政策在这些省份得到良好贯彻落实，主要得益于地区经济高速增长，为创新创业政策执行提供充足的财政支持。长江三角洲城市群和珠江三角洲城市群高新技术产业集群，高科技人才聚集，经济实力和科技水平位于全国前列，技术优势显著，能辐射带动周边城市发展，并为全国输送技术和人才，达到互利共赢的目的。此外，陕西、重庆和湖北近几年挖掘地区特色，通过打造网红城市特色品牌大力发展第三产业，实现地区经济的较快发展，为创新创业政策执行营造了良好的环境，政策落实效果逐年提升。同时，当地积极引进发达地区的高技术产业和高科技人才，通过技术研发和成果转化发展产业经济，是中西部地区新的经济增长点，为中西部其他城市转型发展提供借鉴。

2.4.4 创新创业政策执行效果有效性分析。2016—2020 年创新创业政策执行效果有效性分析结果见表4。

表4 2016—2020年创新创业政策执行效果有效性分析

由表4 可知，2016—2020 年我国30 个省（区、市）DEA 有效水平不断反向变化，表明我国创新创业政策执行效果总体处于起伏状态，达到弱DEA有效的省份比重缓慢上升后又于2018 年起逐年下降。每年非DEA 有效的省份数占比过半，表明我国创新创业政策执行效果总体处于较低水平，投入产出处于不合理状态，政策落实效果较差，创新创业政策执行仍有较大的提升空间。2016 年和2020年达到DEA 有效的省份中，东部地区省份占比50%，中部地区省份占比33%，西部地区省份占比17%；2017 年东部地区占比75%，西部地区占比25%；2018 年东部地区占比66%，西部和东北地区各占比17%；2019 年达到DEA 有效的省份全部位于东部地区。5 年内达到DEA 有效的省份中位于东部地区的省份占比均过半，中西部和东北地区省份占比较小，表明我国创新创业政策执行效果区域差异较大，东中西部和东北部地区发展不均衡，政策落实情况整体上东部地区优于中西部和东北地区。

2.5 基于Tobit回归模型的影响因素分析

本研究以影响因素为自变量，DEA 模型测算的我国30 个省（区、市）创新创业政策的综合技术效率为因变量，建立Tobit 回归模型，通过自变量的系数判断各类影响因素对创新创业政策执行效果的影响方向及程度。本研究运用Stata16.0 软件对我国创新创业政策执行效果的影响因素进行实证分析，实证结果见表5。

表5 创新创业政策执行效果影响因素的Tobit回归结果

基于表中Tobit的回归结果，可得出以下结论。

假设1 成立，地区经济发展水平对创新创业政策执行效果影响显著。研究样本分布于我国30 个省（区、市），所在地区的经济发展水平为创新创业政策执行提供财政支持，进而营造有利于政策执行的外部环境。经济发展水平较高、经济势态良好的城市具备更多吸引人才、产业集聚和资源倾斜的优势，当地政府也更加重视政策执行成效，投入充足的人力、财力、物力资源大力支持创新创业，进而为经济增长助力，以期形成“政策有效执行—创新创业高质量发展—经济持续增长”三者间的正向循环。因此，各省份经济发展的差异会影响创新创业政策的执行效果，政策落实成效较差的地区需解决根本原因，大力发展地区经济，只有经济持续向好才会为创新创业政策执行提供充足的资金支持。

假设2 成立，政策宣传力度显著影响创新创业政策执行效果。普遍认为，政策宣传力度越大，政策执行效果越好。政府向高新技术人员和创业群体宣传“大众创业，万众创新”的无息贷款额度、税收优惠和相关法律法规，使其熟知创新创业政策条文，不仅可以提高政策普及程度，还会吸引更多群体积极参与创新创业，形成竞争有序的市场环境，减少政策执行中的偏差。但若政策宣传力度过大，吸引了过多的创业者进入创新创业市场，而当地的资源承载度不足以支撑时则会对政策执行产生一定程度的负面影响。

假设3 成立，科技创新支撑能力与创新创业政策的落实成效存在明显的正相关关系。科技创新支撑能力较强的地区通过建立高水平的技术人才队伍，持续增加知识产权数量，尤其是发明专利数量，促进“产学研”一体化；通过建立众创空间、科技企业孵化器和火炬软件产业基地，形成创新型产业集群，营造良好的创新创业环境。一方面可以吸引更多高科技企业入驻，不断提高当地科技创新水平；另一方面也可以促进科技成果的转化应用，可以直观显现出创新创业政策执行的良好成效。因此，地区的科技创新支撑能力直接并显著影响创新创业政策的执行效果。

假设4 不成立，对外开放水平与创新创业政策执行效果的关系不显著。对外开放程度在较小范围上影响创新创业政策执行效果，但对外开放的质量和水平是真正影响政策执行成效的因素。沿海地区和边境城市地理位置优越，比内陆地区在对外开放方面更具优势，其大力拓展海外市场，积极与外界进行资源置换。但内陆省份可以通过高质量的对外开放来弥补缺陷，引进别国先进的高科技设施和高新技术人才，学习外界先进经验的同时有针对性地应用于当地创新创业高质量发展，进而对高新技术产业产值增长、当地经济发展及政策执行效果发挥正向的促进作用。

3 结论与政策建议

3.1 研究结论

从创新创业政策落实情况可知，整体来看政策落实情况较差，5 年内较少省份创新创业政策执行可以达到综合有效，当前各省份创新创业政策执行效果参差不齐。在综合无效省份中，大多数省份处于技术有效但规模无效状态，说明该省份创新创业政策目前在技术水平上投入资源的使用处于有效状态，但其现有规模与最优规模之间存在差异，可以从调整创新创业政策的规模来优化政策执行效果。整体规模无效是由于各省份创新创业政策投入规模较大，导致相互间难以有效协调，从而效率较低，表明政策执行仍有较大提升空间。

从不同区域发展差异可知，我国创新创业政策落实的区域差异较大，综合效率从高到低依次为东部、中部、西部和东北部。在综合效率有效的地区中，绝大多数省份位于东部地区，位于中西部和东北地区的省份较少，说明东部地区的政策落实情况总体较好，中部地区次之，西部地区和东北部地区政策落实情况不太乐观。东部地区由于经济发展水平较高，政府财政支持力度较大，且在人力、物力、资源、政策宣传等方面投入较多，所以规模化发展水平较高，创新创业政策执行的效果较好，政策得以高效落实。

从创新效率有效性及规模收益情况可知，我国各省份创新创业政策执行水平较低，未将国家创新创业政策融入当地经济高质量发展中，大多数省份创新创业的投入产出情况未达到合理状态。创新创业政策落实情况较差的原因为规模化水平较低造成的规模无效，以及投入资源过多产生的投入冗余现象。从规模收益情况来看，绝大部分省份处于规模收益递减阶段，表明各省份创新创业政策需要调整其规模，通过缩小规模，提高规模转化率，增加规模报酬，提高规模发展水平，进而提升政策执行水平。

在考虑政策宣传与外商投资对创新创业政策执行效果影响的过程中，研究发现各省份政策支持力度与外商投资水平在很大程度上影响创新创业政策的落实效果。政策宣传力度较强，政府对创新创业政策的支持力度较大，对创新创业的人力、物力和财力投入也较大，进而产生投入冗余。外商企业投资总额越多，对创新创业政策支持的经济力度越大，因此需要增加创新创业政策执行成本的投入冗余。政策宣传力度较大，外商投资总额较多的地区创新创业政策的执行空间也较大。

3.2 政策建议

3.2.1 完善创新政策体系，搭建创业政策平台。纵向上政府要完善创新政策体系，夯实顶层设计，创新政策要层层递进，并有序推进落实。建立由上至下高效的政策执行体系，在中央层面提出创新创业的宏观规划与长远布局，并在政府体制内部由高层向低层逐级落实，在政策出台后倡导各层级政府学习政策文件，领会中央精神。横向间政策系统内部各子系统要相互配合，协调有序，搭建良好的政策平台，共同推进政策的落实。营造良好的政策环境，因地制宜制定出符合当地实际的创新创业政策法规，从而推动政策高效落地。

3.2.2 调整地区产业规模，提高创新规模效益。规模效率较低的省份需要调整规模状态来提高规模效率，可通过扩大创新创业政策规模来增加规模收益。创新创业政策执行出现投入冗余的省份可通过缩减规模来降低投入冗余，通过提高规模转化率来增加规模报酬。政府通过减少地区创新创业政策的财政支持总额，缩减创业导师人数，减少举办教育培训与创新创业活动次数，可以优化地区的政策落实规模。创新创业政策执行需要各部门相互配合，政府需要协调部门间关系，提高资源配置效率，进而促进创新创业政策的高效执行。

3.2.3 平衡区域创新发展，东中西部地区协调并进。中央在落实政策时，要明确东中西部地区一盘棋，减小地区差异，促进东中西部地区协调并进，共同推动创新创业政策的高效落实。创新创业政策执行要平衡区域发展情况，政策环境较好、基础较强的东部地区可以向中西部和东北地区提供人才、技术、创新等资源支持，带动中西部地区夯实政策基础，营造创新创业政策环境。中西部和东北地区在政策执行方面可以学习东部地区的管理理念与资源配置方式，总结在政策推进过程中的经验教训，取其精华，提高规模化发展水平，提升创新创业政策的协同度。

3.2.4 夯实创新制度基础，完善政策激励机制。要提高创新创业政策的执行效果，政府必须建立健全创新创业法律法规，在法律层面明确创新型知识产权，尤其是专利保护，保护合法创新行为与创业条件，形成高效循环的创新创业生态系统，提升地区创新创业的积极性，进而提高资源配置效率。创新创业政策与地区政治、经济、文化等相互协调融合，必须建立有效衔接不同政策的激励机制。政府可通过提供财政金融支持、加大税收优惠力度、建立创新性平台等政策手段来提高地区创新创业的积极性，鼓励地区企业形成创新创业的良性竞争，进而提高其制度效率。