马玉林 马运鹏

　　研究目的：科学测度中国各省域科技资源配置效率，深入分析东、中、西部三大区域科技资源配置效率的区域差异及动态演进趋势。研究方法：运用全局至强有效前沿最近距离模型测算科技资源配置效率，采用Dagum基尼系数、核密度估计方法分析科技资源配置效率的区域差异和分布动态，运用变异系数与静态面板模型检验其σ收敛和β收敛特征。研究发现：各省域科技资源配置效率存在明显差异，区域差异的主要来源是区域间差异，区域内差异和超变密度的贡献率较小且较为相近；中国科技资源配置效率的绝对差异经历了“上升-下降”的过程。具体来看，东部区域绝对差异经历了先降后升最后又微弱下降的态势，中部区域的绝对差异总体波动幅度较大，后期呈下降趋势，西部区域的绝对差异趋于缩小态势。样本考察期内，东中西部区域均未出现两极分化趋势；全国整体及东中西部区域不仅都存在σ收敛，也都存在绝对β收敛和条件β收敛。研究创新：构建了评价指标体系，运用全局至强有效前沿最近距离模型更科学的测算科技资源配置效率，进而研究其区域差异及空间收敛情况。研究价值：揭示科技资源配置效率差异及演变趋势，优化科技资源配置效率，为提高科技创新水平、加快创新驱动发展提供依据。

　　关键词科技资源 配置效率 核密度 收敛性

　　中图分类号F124.3 文献标识码A

引言

　　党的十九大报告指出：创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。习近平在科学家座谈会上的讲话中指出：当今世界正经历百年未有之大变局，我国发展面临的国内外环境发生深刻复杂变化，我国“十四五”时期以及更长时期的发展对加快科技创新提出了更为迫切的要求。科技创新已成为现代经济社会持续发展的重要力量，科学技术是第一生产力，科技进步和创新对推动社会的全面、协调和可持续发展具有举足轻重的作用。截至2020年我国科技进步的贡献率为59.6%，而创新型国家科技进步的贡献率普遍高达70%以上，美国和德国甚至高达80%。《2018年全国科技经费投入统计公报》数据显示2018年我国研究与试验发展（R&D）经费投入总量为19677.9亿元，比上年增加2071.8亿元，增长11.8%，连续3年保持了两位数增速，延续了“十三五” 以来较快的增长势头；R&D经费投入强度(R&D经费与GDP的比值)为2.19%，比上年提高0.04个百分点，连续5年超过2%，但与美国(2.79%)、日本(3.21%)等世界科技强国相比仍有较大差距，整体科技竞争力还相对较弱。

　　对科技创新来说，科技资源优化配置至关重要，提高科技资源配置效率的问题变得尤为关键。我国科技资源投入力度逐年增大，但区域间科技资源配置不均衡的问题越来越阻碍着区域间科技创新的协调发展。2019年（R&D）经费支出最多的地区北京、上海、江苏、浙江、山东和广东等省市经费支出过千亿元，而同时期青海、西藏等省市R&D经费支出不足百亿。因此，本文研究的核心问题是：如何科学准确地测度各省域科技资源配置效率？科技资源配置效率的区域差异及分布动态具有怎样的特征？差异演化是否具有收敛性？上述问题的研究可以促进更合理的分配有限的科技资源，提高科技资源配置效率，平衡地区之间的科技发展差异，真正实现经济转型升级，为建设创新型国家奠定良好基础。

一、文献综述

　　关于科技资源配置效率评价方法，多数论文普遍构建多维度的综合性评价指标体系，主要采用熵值法（叶晓倩和陈伟，2019）、主成分分析法（王志平，2010；党亚茹和彭丽娜，2012）、综合评价方法（苗玉宁和杨冬英，2020）、数据包络分析法（DEA）等测度资源配置效率。Charnes等(1978)提出的数据包络分析(DEA)方法无需事先假定函数模型，不必依赖样本的分布样式，近年来经过不断的发展与演化，被广泛应用于多个领域的效率测度中。如Gh.R.Zamanian等(2013)利用数据包络分析和随机前沿分析(SFA)方法测算了2007-2008年中东和北非国家农业部门的技术效率水平。Barros等(20I5)利用DEA方法对希腊和葡萄牙两个国家的港口效率进行了测算和比较。随着国内学者对DEA方法的运用与拓展，有关资源配置效率方面的研究也不断涌现。范斐等（2013）应用改进的DEA方法计算出各城市在不同时期的科技资源配置效率, 并通过对各城市科技资源配置效率的空间分布格局研究后发现，科技资源配置效率空间自相关显著。苑清敏和申婷婷（2016）通过CCR模型与交叉效率模型对我国三大城市群科技资源配置效率进行了测算，并对城市群联动效应做了进一步的研究。郭艳花等（2020）运用非期望产出SBM-DEA模型对2011-2015年吉林省限制开发区绿色发展效率进行测算，研究发现吉林省限制开发区绿色发展效率处于中等水平，在时间变化上呈现波动上升的趋势。韩兆洲和程学伟（2020）基于专利产出为创新产出的视角，运用DEA、SFA以及Bootstrap-DEA的面板模型测度我国2007-2016年省域创新效率，研究发现观测期内全国平均创新效率呈现“U”形过程，东部沿海地区的创新效率遥遥领先。

　　学者们对资源配置效率的空间分布格局的研究重点集中在区域差异的测度上，关于区域差异研究的分析方法归纳起来主要有：(1)变异系数法，采用变异系数从省际或区域层面揭示其空间差异性并探究其差异发展趋势，但并未对这种差异性来源做出分解（赵伟和马瑞永，2006；高沛星和王修华，2011）。(2)Theil指数法，可做指标分解，但只考虑子样本的差异而不反映子样本的具体分布情况，且该指数使用平均值做运算，导致样本间差异被平均化，从而降低了分析结果的准确性（潘文卿，2010；段玉婉和纪珽，2018；夏四友等，2018）。(3)Dagum基尼系数法。Dagum基尼系数（Dagum，1997）能更有效地测度区域差异性，它不仅能克服传统基尼系数与Theil指数的局限，还可有效解决样本数据间的交叉重叠问题、并揭示区域差异具体来源，但目前这种方法在区域资源配置效率差异研究方面应用较少，肖磊等（2020）运用Dagum基尼系数和空间计量模型对我国工业绿色水资源效率的区域差异进行研究，而更多地应用于地区经济发展差异（王谦和董艳玲，2018；汪侠和徐晓红，2020）、地区城镇化发展差异（赵磊和方成，2019）、地区工业绿色发展差异（王喜平和李艳梅，2020）、科技金融效率区域差异（马玉林等，2020）、品牌发展区域差异（郭美晨，2020）等领域。Dagum基尼系数虽然对地区差异进行了分解并揭示了其空间非均衡程度，但是并没有对其进行分布动态演进分析以进一步判断区域差异的演变规律，也没有进一步的对收敛机制进行研究。

　　综上所述，已有研究运用传统的DEA模型测算科技资源配置效率时，有些未考虑投入产出的松弛性问题，有些过度考虑变量的松弛性问题；在科技资源配置效率区域差异研究中，未充分重视区域差异的贡献来源及演进趋势；对于科技资源配置效率收敛机制缺乏针对性研究。因此，本文借鉴已有研究成果，结合中国科技创新和资源配置实际情况，构建科技资源配置效率评价指标体系，运用至强有效前沿最近距离（MinDS）模型测算2004-2017年中国30个省域科技资源配置效率；运用Dagum基尼系数分析我国科技资源配置效率的区域差异并揭示区域差异的构成及其来源；利用Kernel密度估计法考察我国科技资源配置效率的动态演进态势，继而利用变异系数与静态面板模型比较分析全国和东、中、西部区域科技资源配置效率的收敛性。

二、评价指标体系的构建与研究方法

　　1.中国科技资源配置效率评价指标体系

　　（1）评价指标体系的构建。科技资源配置是将区域内各种科技资源要素在科技活动的不同主体、学科、领域、行业、部门等系统内部进行分配与组合。区域科技资源配置效率反映了一个区域运用和整合科技资源的能力，代表着区域科技系统的整体功能和效率，在一定程度上决定着区域科技创新能力的优劣与强弱。本文基于“科技资源投入”和“科技资源产出”（或“创新成果产出”）质量视角构建评价指标体系。

　　科技资源投入。包括科技人力资源、科技财力资源和科技信息资源投入。科技人力资源投入是科技创新活动的源泉和地区进行持续创新与发展的根本，用R&D人员全时当量衡量；科技财力资源代表区域对科技活动的财力支持力度，用R&D经费支出占GDP的比重衡量科技活动经费的实际使用程度和实际投入力度；在信息化社会，科技信息资源的重要性也日趋显现，科技信息资源开发渐成重点，信息技术对传统产业的改造力度不断加强，信息化将重构经济社会的发展方式，因此把科技信息资源也作为科技资源投入的重要指标，用国际互联网用户数和邮电业务总量能较好地反映出区域科技信息资源的投入发展程度。

　　科技资源产出。包括科技直接产出（知识）和科技间接产出（经济）。科技直接产出中原始科技创新以国外主要检索工具收录论文数衡量，技术创新以国内专利申请受理量衡量，主要是因为专利数量和研发投入之间存在强的相关性，企业自主创新的过程也是专利能力形成和培育过程（唐恒、张垒、李军，2011）。科技间接产出指科技创新的市场转化，主要以技术市场合同成交额和高新技术产业新产品销售收入表示。具体指标如表1所示。

　　（2）数据来源。本文选取全国30个省、市、自治区(港澳台、西藏除外)2004-2017年科技资源配置的面板数据为样本，依照中国统计年鉴划分标准，把中国分为东部、中部和西部三大区域[2]。其中，国际互联网用户数（户）和邮电业务总量（亿元）来自《中国统计年鉴》，其他均来自《中国科技统计年鉴》。鉴于科技资源投入和科技资源产出间具有一定时间的滞后性，滞后变量通常选择1-3期。针对我国科技投入和科技资源产出数据，本文将科技资源产出数据滞后期定为1年，即将原投入产出数据组修改为带入模型中进行计算。文中涉及的数值型货币指标均利用相应价格指数对其进行平减处理来降低价格波动可能给实证结果造成的影响。

　　2.研究方法

　　（1）科技资源配置效率测度方法。运用Aparicio等设计的规模报酬可变的至强有效前沿最近距离（MinDS）模型测度科技资源配置效率，使得决策单元（DMU）能以最小的代价达到最有效率的前沿面，能够在一定程度上纠正部分DEA模型未考虑的投入产出松弛性及过度考虑变量松弛现象问题。模型如下：

　　（2）区域差异研究方法。利用Dagum基尼系数深入分析中国东、中、西3个区域科技资源配置效率的区域差异及来源。Dagum（1997）提出了按子群对基尼系数进行分解的方法，有效地解决了样本间交叉重叠且无法揭示总体差异来源的问题，弥补了传统基尼系数和Theil指数的缺陷。定义如下：

　　金融业发展水平，金融资本作为影响区域创新的重要要素，在科技产品的研发、成果转化和产业化等各个阶段都发挥着重大作用，良好的金融业发展环境对于构建创新型地区和提高科技资源配置效率具有重要的推动作用，选用金融业增加值衡量地区金融业发展程度。

　　经济发展水平，为反映一定时期内国内生产总值变动趋势和程度，选用地区生产总值来表示。

　　开放程度，科技创新离不开资本市场，发达的资本市场为科技创新提供了良好的外部条件，选用外商投资企业注册资本来衡量。

　　科技创新水平，由于区域科技发展环境、科技资源转化能力和地方企业体制机制存在空间异质性,进而也会影响区域科技资源配置效率，文采用国内专利申请受理量度量科技创新水平。

　　财政教育支持强度，政府的财政教育支持强度一方面和科研院所对科研人员的需求有密切联系，另一方面也会反映在社会中企业科研从业人员的数量上，其中，必然也会对区域科技资源配置效率产生影响，本文通过国家财政性教育经费这一指标对其进行衡量。

　　高技术产业发展水平，主要是因为较高的高新技术产业发展水平意味着城市已经具备完善的科技创新制度和组织体系，反映区域科技创新能力，其中也必然会对区域科技资源配置效率产生不同程度的驱动作用，选用高技术产业主营业务收入来表示。

三、中国各省域科技资源配置效率的测度及分析

　　选取全国30个省域2004-2017年投入产出数据构建最佳生产前沿，在全局参比下测算各省域科技资源配置的静态常规效率值，部分结果见表2。

　　从省级层面看，不同省市间科技资源配置效率差异较大。以2017年为例，科技资源配置效率相对较高的省市如北京、天津、江苏、广东、江西、重庆、山东、安徽等，这些省市大都位于东部区域，中部区域仅有安徽和湖北两个省市，西部区域仅有重庆效率相对较高。这些地区是典型的高投入、高产出区域，高新技术产业体系完善、技术市场稳定，科技成果可以较快市场化，技术转化与科技创新的各方面环境与体制机制日臻成熟。迅猛的经济发展速度与充足的物质条件为科技资源的高投入提供了有力支撑，为科技研究人员提供了良好的生活条件和优越的科技创新环境，便于吸引科技人才集聚。与此同时，这些地区也都是我国传统的教育大省，高校与科研单位集中，有利于科技意识的培养，为科技创新与知识溢出提供了良好的发展环境，科技资源产出相对较高。另一方面，观测期内各区域内部省市之间也存在较大差异，以2017年东部区域科技资源配置效率为例，科技资源配置效率值为1的省市是北京、天津、江苏和广东，这四个省市分别处于京津冀经济圈、长三角经济圈和珠三角经济圈的核心地位，他们的经济发展水平、对外开放程度、科技创新水平、高等院校数量等均位于全国前列。东部区域内排名后三位省市的科技资源配置效率与其存在较大差距，其中河北、辽宁和海南2017年科技资源配效率值依次为0.4415、0.4764和0.1853，也表明区域内部各省市科技资源配置效率水平存在明显差距。

　　图1为2004-2017年全国及三大区域科技资源配置效率均值的演变趋势图。可以看出，观测期内东部区域科技资源配置效率均值高于全国以及中部和西部区域，除2011和2012年中部区域科技资源配置效率均值高于全国外，其余年份中部和西部区域科技资源配置效率均值均低于全国水平，且中部区域科技资源配置效率均值高于西部区域，究其原因，主要与区域科技创新环境、经济整体发展水平、对外开放程度等内外因素有着密切联系。从其变化过程来看，全国科技资源配置效率的整体走势呈现出先下降后趋稳递增态势，2004年为最高的0.6574，2011年后趋于稳定，效率值在0.67-0.74范围内波动；西部的总体走势与全国较为相似；中部区域总体呈现“下降-平稳-下降-上升-下降-上升”波动态势，2009-2012年科技资源配置效率波动幅度较大，2009-2010年中部区域科技资源配置效率下降39.62%,2010-2012年年均增长率达到46.85%；东部区域科技资源配置效率在2011年之前处于起伏中呈下降态势，之后呈现出趋稳递增态势。东部区域的科技资源配置效率远远大于同期全国平均水平，中部区域与全国平均水平最为接近，而西部区域则远小于全国平均水平。从中不难发现，西部与东部区域间差异最大且呈先扩大后缩小的演变态势。东部区域科技资源配置效率呈现较为稳定的波动态势，而中部与西部区域凸显出一定的上升趋势。主要原因是近年来中国逐步腾飞的经济实力与相对稳定的经济社会大环境，以及国家为提升区域科技资源配置效率推进区域科技创新均衡发展而出台的系列政策和举措，同时中部和西部区域又受益于“中部崛起”“西部大开发”等战略的实施和推进，享受到更多的政策扶持、物质补贴等有利条件，带动了区域科技资源配置效率的快速提升。

图1 全国及三大区域科技资源配置效率变化趋势

　　由表2可得2003年和2017年中国各省域科技资源配置效率的空间分布状况，可以看出，中国科技资源配置效率的空间分布具有明显的空间非均衡特征。2004年东部区域科技资源配置效率整体显著高于中、西部区域，其中京津冀经济带、长三角经济带和珠三角经济带科技资源配置效率的集聚程度较高。与2004年相比，2017年区域总体格局变化不大，区域科技资源配置效率依然大体呈现东、中、西地带性分布，总体而言，我国科技资源配置效率在空间分布上呈现出东部整体较高中西部整体略低的显著空间非均衡特征。