四、中国科技资源配置效率的区域差异及来源分析

　　采用Dagum基尼系数法测度了中国及三大区域科技资源配置效率的区域差异及其贡献率。结果见表3。

　　1.科技资源配置效率的总体区域差异

　　从图2描述的差异来源的演变趋势来看，样本期内中国科技资源配置效率的区域差异非常明显且处于起伏状态中。具体从其演变过程来看，科技资源配置效率总体基尼系数演变趋势主要表现为：2010年之前，科技资源配置效率区域差异呈现波动上升态势。2010年科技资源配置效率的总体基尼系数为0.3599，为样本期内最大值，2011年骤降至0.2885，2012年升至0.3516，随后降至2013年的0.3338。2014年之后，我国科技资源配置效率区域差异呈现逐年下降趋势，至2017年降至样本期内最小值0.2486，年均递减率为9.32% 。中国科技资源配置效率省际间差异缩小的可能原因在于：一方面“十三五”规划中提出深化推进我国科技创新均衡化发展战略取得了一定成效，在一定程度上缩小了全国范围内地域间的差距；另一方面，随着中西部区域科技创新水平提升，其科技资源配置效率年均增长率显著高于东部区域，使得东部区域与中西部区域的科技资源配置效率区域间差异明显下降。

　　2.科技资源配置效率的区域内差异

　　从图3展示的样本观测期内东中西部三大区域科技资源配置效率区域内差异的演变趋势来看，东部区域呈现一定的扁平“Ｕ”形演变趋势，大致可划分为“急速下降—稳步上升”两个阶段，即2004-2007年表现为急剧下降态势，于2007年达到观测期内最小值，随后表现为显著递增态势且持续至2012年，此后至2017年间区域内差异稳定于0.21至0.23之间。观测期内，其基尼系数值总体也有所上升，上升了近0.0473，升幅约为27.58%。中部区域内差异波动较为剧烈，具体表现为：2004-2006年呈上升趋势，2006-2008年呈现趋缓下降态势，2009年出现急剧上扬势头，之后又表现为下降趋势，于2010年达到观测期内最低值，后转向低幅度增长态势持续上升至2015年,2016年急速下降至0.2087，此后2017年略有上升。其间，2017年基尼系数整体与2004年相比上升了近0.0013，升幅约为0.61%。西部区域演变趋势整体表现为波动的“M”型特征，即2005-2009年是上升阶段，2009-2011年是急速下降阶段，2011-2012年为飞速上升阶段，2012-2017年为趋稳下降阶段。其中，有所波动的年份主要发生在2007-2009年和2012-2016年，但波动幅度不大，并未影响整体演变趋势。观测期内，其基尼系数值总体上是下降的，由2004年的0.2939降至 2017年的0.2309，下降了近0.063，降幅约为21.44%，年均下降率约为1.65%。整体来看，东部内部差异在波动中呈扩大态势，西部表现出明显的缩小趋势，中部则呈微弱扩张态势。从数值大小来看，观测期内西部区域基尼系数值要分别依次大于东部和中部区域，均值分别为0.3493、0.1863和0.2280，这说明西部区域内部科技资源配置效率不均衡现象在三者当中最为突出，中部区域次之，东部区域最后。分析原因可能在于，依据不同区域内部各省市科技资源配置效率值不难发现，区域内部差距过于悬殊，尤其是西部区域，其中科技资源配置效率值相对较高的省市仅有重庆、四川等个别省市，陕西和云南两省市稍差些，其余省市供给水平远低于上述省市。中部区域各省市科技资源配置效率差距相对较小，表现相对更为均衡。东部区域内各省市大都位于沿海地区，事实上这些省市相对在教育普及、文化熏陶、外贸开放和高技术人才培育等方面具有更为完备的体系，整体科技资源配置水平明显偏高。追溯至更深层次的原因，这显然要取决于三大区域内部各省市的经济实力、人口密度、高校数量、国家政策扶持等多方面因素的综合影响。

　　3.科技资源配置效率的区域间差异

　　图4呈现了样本观测期内东中西部三大区域科技资源配置效率区域间差异的演变趋势。可以看出，东-中部区域间差异主要表现为“微弱上扬-急速陡增-急剧下降-小幅上升-趋缓下降”的五个阶段变化趋势特征，其中2004-2009年呈微弱上扬趋势，2009-2010年出现陡增趋势，之后2011年急剧下降至最低值，2011-2013年呈现较为快速增长的趋势，2013年后基本保持趋缓下降态势，不过2015-2017年放缓态势较为凸显，而2013-2015年下降态势较为平缓。观测期内，其基尼系数值总体是下降的，由2004年的0.2483降至2017年的0.2350，下降了0.0133，降幅约为5.36%，年均下降率达到0.41%。东—西部区域间差异在波动中总体表现为下降态势，尽管在2004、2011和2013年分别出现了三次一定幅度上扬态势，但对整体下降趋势并未产生较大影响。观测期内，其区域间基尼系数由2004年的0.3132降至了2017年的0.2930，下降了近0.02，降幅约为6.45%，年均下降率为0.50%。中-西部区域间差异大体呈“波动上升-趋稳下降”的两阶段变化趋势，具体表现为：2004-2009年持续呈稳步上升的趋势，2012年出现下降态势，之后2013年下降趋势明显放缓，2009-2012年虽然有一定范围的波动，但不影响整体趋势。观测期内，其基尼系数值由2004年的0.2649降至2017年的0.2497，下降了近0.0152，降幅约为6.09%，年均下降率约为0.47%。从数值差异大小来看，观测期内科技资源配置效率区域间差异数值由大到小依次排序为东-西部、中-西部和东-中部，东-西部差异显然远高于东-中部和中-西部差异，中-西部差异稍高于东-中部差异，两者相对较为接近。呈现这一状态的可能原因是：东部沿海区域不仅具有优越的地理位置，而且在其发展进程中经济发展水平、政府投入力度、对外开放程度、高等院校数量、高新技术企业发展状况等有利条件均为东部区域奠定了优渥的科研环境，如此也就为区域科技资源配置效率提升提供了全方位支持，而深居内陆的中西部区域尽管拥有资源禀赋优势，但与东部区域相比，科技创新体系较为薄弱，由此导致中西部区域发展相对落后，进而使得这两大区域科技资源配置效率相对较低。

　　4.科技资源配置效率区域差异的贡献率

　　由图2看出，区域间差异的贡献率总体呈不规则的波动态势，2004年区域间差异的贡献率为38.51%，之后经历了“急剧上升-相对平稳-明显下降-反弹回升-大幅下跌-急剧上扬-小幅下降-趋缓上升-急速下降”的变化过程，2005年达到样本期内最大值，2017年其贡献率达到了37.61%，相较于2004年整体有所下降，减少了0.90%，降幅约2.34%，观测期内年均下降率为0.18%。区域内差异的贡献率在波动中总体呈轻微上升态势，2004年其贡献率为28.80%，随后大体上经历了“趋缓下降-小幅上扬-小幅下降-反弹回升-微弱下降-逆势上扬-轻微下降”的波动变化过程，2017年其贡献率达到30.29%，相比于2004年整体略有上升，增加了1.49%，增幅约为5.17%，观测期内年均增长率达到0.40%。超变密度反映的是不同区域间的交叉重叠对总体空间差异的贡献率，观测期内其贡献率整体呈现与区域内差异相似的波动变化态势，2004年其贡献率为32.69%，2017年其贡献率相比于2004年下降了近0.59%，降幅约为1.80%，年均下降率为0.14%。从差异来源的贡献率大小来看，观测期内区域间差异一直是我国科技资源配置效率区域差异的主要来源，区域内差异和超变密度的贡献率相对较为相近，区域内差异贡献的演变趋势相较超变密度而言更为平缓，它们相比于区域间差异的贡献率均明显较低。三者贡献率的均值分别为52.97%、25.69%和21.34%。由此可见，科技资源配置效率总体空间差异形成的第二来源是区域内差异，第三来源是超变密度，后两个来源对总体差异的贡献相对较小。

五、全国及三大区域科技资源配置效率演变的分布动态

　　本文运用Kernel核密度方法考察科技资源配置效率分布的位置、形态和延展性等特征，并对中国科技资源配置效率绝对差异演进趋势做进一步分析。

　　1.基于全国层面的Kernel核密度估计

　　图5描述了全国30个省市科技资源配置效率在样本观测期内的分布动态演进趋势。我们可以看出，在样本考察期内，中国科技资源配置效率的区域差异经历了 “上升-下降”的过程。具体而言，2007年 Kernel 密度估计曲线峰值相比2004年微弱下降，密度函数中心轻微向左移动，宽度拉大，这一方面说明我国科技资源配置效率整体呈下降态势；另一方面也表明区域差异有一定程度扩大趋势。2010年核密度估计曲线存在一定幅度的右拖现象，其分布延展性呈现一定程度的拓宽趋势，这意味着全国范围内科技资源配置效率高的省市与平均水平差距持续拉大。与2010年相比，2017年峰值显著提高且密度函数中心明显向右移动，宽度变窄，这说明此阶段科技资源配置效率的区域差异呈下降态势，部分省市增速可能存在明显加快现象。可能的原因是，中国科技创新水平随着近年来经济社会的快速发展取得了明显提升，中国科技资源配置效率较低的省市通过财政支持，政策倾斜等方式快速追赶科技资源配置效率较高的省市，两者之间的差距保持一定时期的持续缩小趋势。

　　2.基于三大区域层面的Kernel核密度估计

　　图6描述了东部区域科技资源配置效率的分布演进特征。从整体上看，东部区域分布曲线在观测期内总体表现为主峰高度“大幅上升-明显下降-微弱上升”的态势，其主峰宽度则经历了“小幅收窄—显著拓宽”的变化趋势，这意味着东部区域科技资源配置效率经历了先降后升最后有微弱下降的态势。还有，密度函数中心经历了 “先右移后左移”的过程，这说明东部区域科技资源配置效率区域差异呈 “先加大后下降”趋势。此外，2004年东部区域科技资源配置效率的密度函数曲线存在明显拖尾现象，主要源于北京、天津等省市科技资源配置效率明显高于其余各省市，表明各省市资源配置效率存在显著的梯度差异。

　　图7描述了中部区域科技资源配置效率的分布演进特征。从整体来看，在本文样本考察期内密度函数宽度经历了“先缩小后扩大”的过程，峰值较大幅度波动且密度函数中心显著发生变化，首先，从分布位置来看，中部区域分布曲线中心以及变化区间呈现先左移后向右移动趋势，说明中部区域科技资源配置效率在2010年后期总体上呈上升态势。其次，从分布形态来看，中部区域分布曲线在观测期内总体表现为峰值高度先上升再下降后略有上升以及曲线宽度先小后大的态势，这意味着中部区域的绝对差异总体波动幅度较大，与2010年相比，2014年密度函数峰值显著下降，这说明此阶段中部区域差异明显扩大，2017年与2014年相比峰值略有提高，宽度无显著变化，表明中部科技资源配置效率地区差异在样本考察期后期呈下降趋势。最后，从分布延展性来看，中部区域不存在拖尾现象，这也意味着样本观测期内，中部区域内不存在显著的梯度差异趋势。

　　图8描述了西部区域科技资源配置效率的分布演进特征。就从演变过程来看，较之 2004年，2010年密度函数中心向左移动，宽度减小，这充分说明西部区域科技资源配置效率总体呈下降态势。随后到2017年，密度函数中心缓慢向右移动，这意味着随着时间推移，西部区域科技资源配置效率出现明显上升的趋势。从分布形态来看，西部区域分布曲线在观测期内总体表现为主峰高度波动上升以及曲线宽度微弱变窄的态势，这意味着西部区域的绝对差异趋于缩小态势。从分布延展性看，观察期内均未出现拖尾现象，主要源于西部省市科技资源配置效率普遍较低，并无显著的阶梯差异及两极分化的趋势。

六、中国科技资源配置效率收敛性分析

　　中国科技资源配置效率在东中西区域之间和省域之间存在较明显的差异，效率差异是否具有收敛性,能否趋于平衡,是值得探究的问题。本文运用变异系数法研究中国科技资源配置效率的σ收敛性，分析科技资源配置效率时空格局的演变趋势，进一步揭示其空间收敛特征。

　　1.科技资源配置效率σ收敛检验与结果分析

　　图9呈现了考察期内科技资源配置效率变异系数的动态变化趋势。从演变趋势来看，全国层面总体表现为“稳步下降-小幅上升-趋缓下降-波动上升-平缓下降-微弱反弹”的变化过程，样本期内，其变异系数总体呈现一定波动的下降态势，2017年其变异系数相比于2004年下降了近0.1197，下降幅度达到27.87%，年均下降率为2.14%。具体到三大区域层面，东中西部三大区域变异系数演变趋势表现各异。其中，东部区域大体呈“稳步上升-急剧下降-反弹上升-相对稳定-平缓上升”的变化趋势，稳步上升阶段主要发生在2004-2007年间，随后2009年同样表现出了小范围反弹回升态势，与全国的演变态势相近，之后2011年随即明显下降后趋于稳定的态势，不过2016年又略微有所上升，上扬幅度相对较小，观测期内其未表现出明显下降趋势，2017年其变异系数相比于2004年上升了0.0196，升幅约为11.54%，年均上升率为0.8876%。中部区域大体上呈“急速下降-小幅回升-明显下降-相对平稳-反弹回升-趋稳下降-趋缓上扬”的变化过程，急速下降阶段发生在2004-2005年时间段，之后出现了反弹上升趋势，次年随即明显下降后趋于稳定，且这一态势持续至2012年，再之后趋缓下降态势渐趋显现，并持续至2016年，尽管近两年中部区域变异系数有所提升，不过观测期内整体还是以下降为主，2017年相比于2004年下降0.071，降幅为13.81%，年均下降率为1.06%。西部区域在观测期内总体表现为 “急剧下降-反弹回升-相对稳定-明显下降-反弹上扬-趋缓下降-先升后降”的变化过程，波动上扬的时间段主要发生在2005-2007年，这一阶段内变化幅度较大，其后2011和2016年出现小幅上升，次年均呈现明显下降态势，西部区域变异系数总体呈持续下降的变化趋势，2017年其变异系数相比于2004年下降了近0.3938，降幅非常显著，降幅达到49.41%，年均下降率为3.80%。由此可见,全国及中、西部区域σ收敛系数在样本期内均表现出逐年下降趋势,东部区域科技资源配置效率地区差异的演变趋势未出现显著收敛现象，而且西部区域收敛速度显然要高于中部区域，存在明显的 “追赶”态势。

　2.科技资源配置效率的β收敛检验与结果分析

    表4列举了样本观测期内全国和东中西三大区域科技资源配置效率的绝对β收敛和条件β收敛检验结果。

　　（1）绝对β收敛分析。全国以及东中西部三大区域的β系数均小于0，且都通过了1%的显著性水平检验，这表明全国整体以及东中西部三大区域科技资源配置效率均存在绝对β收敛现象，也就是说各区域在经济发展水平、区域开放程度、金融业发展程度、财政教育支持强度、高技术产业发展水平等影响因素相似情形下，各省市科技资源配置效率变化发展随着时间推移最终会收敛至同一稳态水平，与科技资源配置效率较高的省市相比，科技资源配置效率较低的省市具有更快地增长速度，区域差距逐渐呈现减小的态势。从三大区域的收敛速度来看，东中西部三大区域收敛速度分别为0.1165、0.1077、0.065，东部区域的收敛速度最快，其次是中部区域，最后是西部区域，由此表明科技资源配置效率最高的东部区域同样具有较快的收敛速度，而西部区域收敛速度则相对较慢。尤为注意的是，上述对于绝对β收敛的考察均是在各省市经济发展水平、区域开放程度和金融业发展程度等因素相似情形下所做出的估计和判断，但实际中不同区域在这些因素方面具有较大异质性，因此就需要对其收敛性进行进一步检验，即所谓的条件β收敛检验。

　　（2）条件β收敛分析。根据估计结果显示，全国及东中西部三大区域收敛系数β均显示为负，且都通过了1%的显著性水平检验，进一步表明，无论是否考虑了除初始值以外的其他异质性影响因素，全国及东、中、西部区域科技资源配置效率均存在条件收敛。这也意味着全国各省市以及三大区域内各省市的科技资源配置效率都是朝着各自稳态水平变化发展。东、中、西部条件β收敛速度依次为0.1878、0.1934、0.0754，其中部区域收敛速度最快，东部区域次之，西部区域收敛速度最慢，这说明在考虑了各区域自身的区域经济发展水平、区域开放程度和金融业发展程度等因素之后，收敛速度也随之发生了改变。从控制变量的回归结果显示，全国以及三大区域中各个控制变量的系数和显著性水平各不相同。其中，金融业发展水平回归系数在全国和东部区域均显著为负，而在中部和西部区域虽然为正但并不显著，这表明区域金融业水平发展有助于全国及东部区域科技资源配置效率空间收敛，有助于区域间差异的缩小，但对于中部和西部区域是否存在抑制作用，无法做出明确判断。区域经济发展水平回归系数在全国及西部区域均显著为负，在东部和中部区域分别为负、正，但均不显著，由此说明在全国范围及西部区域内，提高区域经济发展水平不仅能为地区科技创新提供物资支持，而且有助于缩小区域差距，但在东部和中部区域有何种效果则需要进一步探究。区域开放程度回归系数仅在西部区域显著为正外，在全国、东部和中部区域分别为正、负、正，但均不显著。表明区域对外开放程度的不断加深有助于促进西部区域科技资源配置效率的提升，但对缩小区域内部差距则具有抑制作用，而对全国层面及东、中部区域均难以做出判断。科技创新水平回归系数在全国整体范围及东、西部区域均显著为正，而在中部区域同样为正但不显著，说明科技创新水平的提高对全国及东、西部科技资源配置效率的提升有促进作用，但对区域差异缩小有抑制作用，在中部区域是否同样具有效果则无法做出判断。财政教育支持强度回归系数在全国及东、中、西部区域分别为正、负、正、负，均不显著，表明财政教育支持强度的大小对科技资源配置效率和区域差异的影响，在全国及东、中、西部区域无法做出明确判断，需要进一步研究。高技术产业发展水平回归系数仅在全国层面显著为正，由此表明高技术产业水平的提高在全国范围内对科技资源配置效率的提高有促进作用，在东、中、西部区域范围内是具有促进还是抑制作用，均难以做出明确判断。

七、结论与启示

　　本文基于2004-2017年中国30个省域的科技资源配置相关数据，运用全局至强有效前沿最近距离模型（MinDS模型）计算各省域的科技资源配置效率，并从区域比较视角全面刻画科技资源配置效率的空间格局，采用Dagum基尼系数及分解方法对各省域科技资源配置效率的区域差异进行科学测算与分解，运用Kernel密度估计方法分析了全国层面与三大区域层面科技资源配置效率的分布动态与特征，最后利用变异系数法分析了科技资源配置效率差异演变的σ收敛特征，同时构建了静态面板收敛模型实证检验其是否存在绝对β收敛和条件β收敛特征。主要结论如下：

　　第一，从典型化事实来看，观测期内，全国以及东中西部三大区域科技资源配置效率增长速度有所不同，且存在明显空间差异。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，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赶超趋势。第二，从相对差异来看，样本期内中国科技资源配置效率的总体区域差异非常明显且处于时有起伏状态，2014年之后，我国科技资源配置效率区域差异呈现逐年下降趋势。分区域来看，东部内部差异在波动中呈扩大态势，西部表现出明显的缩小趋势，中部则呈微弱扩张态势。从数值大小来看，观测期内西部区域基尼系数值要分别依次大于东部和中部区域。就地区差异来源及其贡献而言，区域间差异一直是我国科技资源配置效率区域差异的主要来源，第二来源是区域内差异，第三来源是超变密度，后两大来源对总体差异的贡献相对较小。第三，从绝对差异来看，在样本考察期内，中国科技资源配置效率的区域差异经历了 “上升-下降”的过程。2017年峰值显著提高且密度函数中心明显向右移动，宽度变窄，部分省市增速可能存在明显加快现象。具体来看，东部区域科技资源配置效率区域差异呈 “先加大后下降”趋势，2004年东部区域科技资源配置效率的密度函数曲线存在明显拖尾现象，各省市资源配置效率存在显著的梯度差异。中部区域科技资源配置效率在2010年后期总体上呈上升态势，绝对差异总体波动幅度较大，区域差异在样本考察期后期呈下降趋势，样本考察期内不存在显著的梯度差异趋势。西部区域科技资源配置效率总体呈下降态势，2017年出现明显上升的趋势，观察期内绝对差异趋于缩小态势，并无显著的阶梯差异及两极分化的趋势。从收敛特征来看，其一，就收敛特征而言，全国及中、西部区域收敛系数在样本期内均表现出逐年下降趋势,东部区域科技资源配置效率地区差异的演变趋势未出现显著收敛现象，而且西部区域收敛速度显然要高于中部区域，存在明显的 “追赶”态势。其二，就绝对β收敛特征来讲，全国整体以及东中西部三大区域科技资源配置效率均存在绝对β收敛现象，东部区域的收敛速度 最快，其次是中部区域，最后是西部区域。其三，就条件β收敛特征来说，全国及东、中、西部区域科技资源配置效率均存在条件收敛，中部区域收敛速度最快，东部区域次之，西部区域收敛速度最慢。从控制变量的回归结果显示，全国以及三大区域中各个控制变量的系数和显著性水平各不相同。

　　基于上述研究结论，本文得出以下几点启示。第一，要清晰认识我国促进区域科技资源配置效率水平均衡发展的重要性和紧迫性，并充分重视我国“十四五”时期以及更长时期的发展对加快科技创新迫切的要求。在此基础上，深入探究造成区域间科技资源配置效率空间非均衡分布的深层次原因，如本文所涉及的金融业发展水平、区域经济发展水平、区域开放程度、科技创新水平、财政教育支持强度、高技术产业发展水平等关键性因素。进而，为了加快促进区域均衡发展，各省域需坚持需求导向和问题导向，积极采取措施整合优化科技资源配置，狠抓创新体系建设、强化自身优势来推动区域科技资源配置效率的提升。第二，由于区域间差异一直是我国科技资源配置效率区域差异的主要来源，而区域间差异东-西部差异显然远高于东-中部和中-西部差异，基于这一现象，中央政府在统筹制定“十四五”时期推动科技创新和发展等政策方针时，依然有必要加大对中部和西部落后区域基础研究投入，在财政、金融、税收等方面给予必要政策支持，创造有利于基础研究的良好科研生态，建立健全科学评价体系、激励机制，持续不断坚持下去，以促使中西部区域科技资源配置效率的快速提升。不仅限于此，更主要的是，要加强创新人才教育培养，把教育摆在更加重要位置，全面提高教育质量，注重培养学生创新意识和创新能力。要依靠改革激发科技创新活力，通过深化科技体制改革把巨大创新潜能有效释放出来，加强承接发达区域技术转移措施相结合，在开放合作中提升自身科技创新能力，力图从根本上逐步缩小区域间差距。第三，在着力推进科技资源配置效率均衡化发展战略实施的过程中，同样需要注重科技资源配置效率水平的收敛趋势。既要持续坚持以缩小区域间、省域间科技资源配置效率差距为主导，同时也要兼顾区域间科技资源配置效率提升速度的协调。尤其是针对科技资源配置效率水平相对落后的中、西部区域而言，虽然政策支持、发达区域的技术转移等有利措施具有积极促进作用，但这并非提高其科技资源配置效率水平的关键性因素，只有全力改善科技创新生态，激发创新创造活力，持之以恒加强基础研究，加大基础研究投入，加强创新人才教育培养等这些根本性支撑条件才是提升区域科技资源配置效率水平，推动科技创新成果转化为现实生产力的决定性要素。

　　参 考 文 献

　　[1]Aparicio J.，Ruiz J. L.，Sirvent I.，2007，Closest targets and minimum distance to the Pareto-efficient frontier in DEA[J]，Journal of Productivity Analysis，28(3): 209~218.

　　[2]Barros C. P.，Athanassiou M.，2015，Efficiency in European seaports with DEA: evidence from Greece and Portugal [M]，Port Management: Palgrave Macmillan UK.

　　[3]Charnes A.，Cooper W. W.，Rhodes E.，1978，Measuring the efficiency of decision making units [J]，European journal of operational research，2 (6)，429~444.

　　[4]Dagum C.，1997，A new approach to the decomposition of the income inequality ratio[J]，Empirical Economics，22(4)，515~531.

　　[5]Zamanian G. R.，Shahabinejad V.，Yaghoubi M.，2013，Application of DEA and SFA on the Measurement of Agricultural Technical Efficiency in MENA Countries [J]，International Journal of Applied Operational Research，3 (2),43~51.

　　[6]段玉婉、纪珽：《中国地区间收入差异变化的影响因素探究——基于国内价值链视角的分析》[J]，《管理科学学报》2018年第12期。

　　[7]党亚茹、彭丽娜：《省区科技资源配置效率的发展评价分析》[J]，《科技管理研究》2012年第20期。

　　[8]范斐、杜德斌、李恒、游小珺：《中国地级以上城市科技资源配置效率的时空格局》[J]，《地理学报》2013年第10期。

　　[9]郭美晨：《中国品牌发展的区域差异及动态演进》[J]，《数量经济技术经济研究》2020年第4期。

　　[10]郭艳花、梅林、佟连军：《产业集聚对绿色发展效率的影响机制——以吉林省限制开发区为例》[J]，《地理科学》2020年第10期。

　　[11]高沛星、王修华：《我国农村金融排斥的区域差异与影响因素——基于省际数据的实证分析》[J]，《农业技术经济》2011年第4期。

　　[12]韩兆洲、程学伟：《中国省域R&D投入及创新效率测度分析》[J]，《数量经济技术经济研究》2020年第5期。

　　[13]马玉林、马运鹏、彭文博：《中国科技金融效率的区域差异及动态演进分析》[J]，《宏观经济研究》2020年第7期。

　　[14]苗玉宁、杨冬英：《基于综合评价方法的中部地区科技资源配置效率分析》[J]，《中国软科学》2020第3期。

　　[15]潘文卿：《中国区域经济差异与收敛》[J]，《中国社会科学》2010年第1期。

　　[16]唐恒、张垒、李军：《基于面板数据的专利与科技进步关联性研究》[J]，《科研管理》2011年第1期。

　　[17]王志平：《生产效率的区域特征与生产率增长的分解——基于主成分分析与随机前沿超越对数生产函数的方法》[J]，《数量经济技术经济研究》2010年第1期。

　　[18]王谦、董艳玲：《中国实体经济发展的地区差异及分布动态演进》 [J]，《数量经济技术经济研究》2018年第5期。

　　[19]王喜平、李艳梅：《可持续发展视角下工业绿色发展测度及其差异演化》[J]，《工业技术经济》2020年第7期。

　　[20]汪侠、徐晓红：《长江经济带经济高质量发展的时空演变与区域差距》 [J]，《经济地理》2020年第3期。

　　[21]苑清敏、申婷婷：《基于科技资源配置效率的城市群联动效应研究》[J]，《统计与决策》2016年第21期。

　　[22]肖磊、李云、陈佳蕊：《中国工业绿色水资源效率的区域差异与收敛性研究》[J]，《数量经济研究》2020年第2期。

　　[23]夏四友、赵媛、许昕、文琦、孙琪、王璐玮：《江苏省粮食生产时空格局及其驱动因素》[J]，《经济地理》2018年第12期。

　　[24]叶晓倩、陈伟：《我国城市对科技创新人才的综合吸引力研究——基于舒适物理论的评价指标体系构建与实证》[J]，《科学学研究》2019年第8期。

　　[25]赵磊、方成：《中国省际新型城镇化发展水平地区差异及驱动机制》[J]，《数量经济技术经济研究》2019年第5期。

　　[26]赵伟、马瑞永：《中国区域金融增长的差异——基于泰尔指数的测度》[J]，《经济地理》2006年第1期。

　　StudyonRegionalDifferencesandConvergence ofthe Allocation Efficiency of Scientific and Technological Resourcesin China

　　MaYulinMaYunpeng

　　(School of Mathematic and Quantitative Economics,Shandong University of Finance and Economics)

　　Abstract:Research Objectives：Accurately measure the allocation efficiency of science and technology resources in various provinces in China, and deeply analyze the regional differences and dynamic evolution trend of the allocation efficiency of science and technology resources in various provinces in China. Research Methods：The global strongest efficient frontier nearest distance (MinDS) model is used to measure the efficiency of science and technology resource allocation. Dagum Gini coefficient and kernel density estimation methods are used to analyze the regional differences and dynamics of science and technology resource allocation efficiency. The coefficient of variation and static panel model are used to test the characteristics of σ convergence and β convergence. Research Findings：There are obvious differences in the allocation efficiency of science and technology resources in different provinces, and the main source of regional differences is inter-regional differences, and the contribution rates of intra-regional differences and over variable density are relatively similar. The absolute difference in the allocation efficiency of science and technology resources in China has experienced a "rising-falling" process. Specifically, the absolute difference in the eastern region has experienced a trend of first falling, then rising and then slightly decreasing. The overall fluctuation range of the absolute difference in the central region is relatively large, and it shows a downward trend in the later stage, while the absolute difference in the western region tends to narrow. During the sample study period, there is no polarization trend in the eastern, central and western regions, and there is not only σ convergence in the whole country and the eastern, central and western regions, but also absolute β convergence and conditional β convergence. Research Innovations：This paper constructs the evaluation index system, uses the global strong effective frontier nearest distance model to measure the allocation efficiency of science and technology resources more scientifically, and then studies its regional differences and spatial convergence. Research Value：Reveal the differences and evolution trend of the allocation efficiency of scientific and technological resources, and optimize the allocation efficiency of scientific and technological resources, so as to provide a basis for improving the level of scientific and technological innovation and accelerating innovation-driven development.

　　Key words：Science and Technology Resources；Allocative Efficiency；Kernel Density；Convergence Property

　　JEL Classification：

      作者单文：山东财经大学数学与数量经济学院