孙涛等丨黄河流域国家高新区创新效率测算与比较研究——基于三阶段数据包络分析模型
黄河流域国家高新区创新效率测算与比较研究
——基于三阶段数据包络分析模型
作者简介
孙涛，山东大学经济研究院教授、博士生导师；周思思(通讯作者)，山东大学经济研究院博士生。
摘要
一、引言
国家高新技术产业开发区(以下简称国家高新区)是我国改革开放以来实行的一项重要的经济政策，也是一项重要的基于地点的政策(place-based policy，简称为地本政策)和制度安排。国家高新区是创新驱动发展示范区和高质量发展先行区，是促进区域经济增长、提升自主创新能力、提高产业发展现代化水平、培育发展新动能的重要动力(1)。2020年国务院印发《关于促进国家高新技术产业开发区高质量发展的若干意见》，指出国家高新区是实施创新驱动发展战略的重要载体，在转变发展方式、优化产业结构、增强国际竞争力等方面发挥了重要作用。国家高新区作为区域内的“经济特区”和“政策试验田”，是国家推动高新技术产业和地区经济发展的重要战略，驱动了经济发展，缩小了地区间经济发展差距(2)。
黄河是我国仅次于长江的第二大河，流经中国9个省区(3)。2021年10月8日，中共中央、国务院印发《黄河流域生态保护和高质量发展规划纲要》(下简称《纲要》)，《纲要》提出，构建形成黄河流域“一轴两区五极”的发展动力格局，促进地区间要素合理流动和高效集聚，并强调，以先进制造业为主导，以创新为主要动能的现代化经济廊道，是黄河流域参与全国及国际分工的主体。结合国家高新区的功能定位，可以认识到，在黄河流域生态保护和高质量发展进程中，亟需发挥国家高新区的增长极作用，使其产生增力赋能的极化效应。截至目前，沿黄河流域共设立45个国家高新区，东中西部地区分别有13个、16个、16个，空间分布较为均衡。从工业总产值来看，2020年，黄河流域9省区国家高新区实现工业总产值53446.49亿元，占国家高新区工业总产值的20.85%，比2015年增长21.35%，黄河流域国家高新区的地位不容小觑。随着黄河流域生态保护与高质量发展国家战略的出台，对黄河流域沿线国家高新区创新能力提出了更高要求。但国家高新区大多依靠优惠政策和政府支持，导致国家高新区的建设投入了大量的人力、财力和物力，这些投入在不同的高新区内发挥了怎样的效果，创新资源的投入是否有效地转化为产出，是否存在投入冗余或是产出不足的情况等，成为促进黄河流域国家高新区高质量发展、提高黄河流域国家高新区创新效率的重要问题。因此，有必要从具体的投入产出角度对黄河流域高新区的创新效率进行比较分析，以揭示高新区的综合技术效率、纯技术效率和规模效率，有利于准确把握黄河流域国家高新区运行状况，促进创新资源合理配置和高效利用，指明高新区合理建设方向。
有关科技园区创新效率的评价，学界主要围绕创新效率的测度指标和测度方法两部分展开研究。在测度指标方面，众多学者通过对创新能力的影响因素分析来构建创新能力评价指标体系，傅利平等从知识增量和存量两个维度构建反映区域创新产出的指标，从高技术产业集群的知识存量、基于人员流动的知识溢出、基于企业衍生的知识溢出这三个维度构建反映集群创新活动的指标(4)；李盛竹和马建龙认为企业R&D经费投入和R&D人员投入是科技创新能力提升的决定性因素，政府的知识产权保护是提升创新能力的重要手段，并从创新资源投入能力、政策驱动能力、创新产出三个方面构建了国家科技创新能力评价指标体系(5)；闫国庆等基于国内外有关开发区创新水平的研究成果，依据科学合理的指标体系设计原则和思路，从创新投入、创新服务、创新环境和创新绩效四个方面构建了国家高新区创新水平测度指标体系，为科学评价国家高新区的创新能力提供了有效的测评工具(6)。而有关测算创新效率的方法，以参数方法索洛余值核算法(SRA)、随机前沿生产函数分析法(SFA)和非参数方法数据包络分析法(以下简称DEA)最为常见。饶光明等运用SRA的方法对长江上游四省市科技创新效率进行考察，发现对区域科技创新的内外共生循环性的忽视是区域科技创新效率呈逐年下降趋势的主要原因(7)。而关于高新技术产业技术效率测度方面，学者们多使用SFA和DEA的分析方法，朱有为和徐康宁利用SFA方法测算了中国高技术产业的研发效率，并考察企业规模、市场结构和所有权结构等因素对研发效率的影响(8)；刘志迎等根据生产率与效率理论，采用随机前沿分析方法，分析了中国高技术产业发展过程中技术效率和总量增长模式(9)；寇小萱和孙艳丽采用DEA模型中的规模报酬不变模型测算了京津冀、长三角和珠三角地区国家高新区的创新效率(10)；杨清可和段学军、刘志迎和叶蓁则运用DEA-Malmquist方法测度了高新技术产业的技术效率(11)；白雪洁等使用SBM模型测算了我国国家高新区的经营效率和创新效率(12)。由于索洛余值核算方法存在参数设定上的不确定性，SFA模型以及二阶段DEA模型无法避免管理无效率、随机干扰项和环境变量的影响，故现有学者为弥补这一缺陷，开始使用剥离环境变量影响后的三阶段DEA模型，建立科学合理的投入产出指标体系，客观评价国家高新区的创新效率，以明确未来高新区转型发展的合理方向(13)。
通过对已有文献的梳理发现，对国家高新区的既有研究数量不少，但对黄河流域国家高新区创新能力等方面的整体和比较研究相对缺乏，另外，个别文献在涉及特定区域范围内国家高新区创新效率研究时，较少从时间动态以及空间分布角度对国家高新区进行动态演化分析。基于此，本文试图作以下三方面的研究拓展和边际贡献：第一，选取新的研究样本，以更好服务于黄河流域生态保护和高质量发展的重大国家战略为目标，将目前学者较少涉及的黄河流域国家高新区作为研究对象；第二，在研究方法上，利用Fried等(14)提出的三阶段DEA方法，剥离管理无效率、外部环境因素和随机干扰项对效率值的影响，构建较为合理的创新效率投入产出指标体系，更好地测算黄河流域国家高新区的创新效率水平；第三，选取2015—2019年45个(15)国家高新区的面板数据，从时间动态以及空间分布角度刻画黄河流域国家高新区近五年创新效率的演变情况，并对各高新区的投入冗余与产出不足情况作具体分析，找出各高新区的比较优势和面临的突出问题，为后续的改进和提升给出政策建议。
二、研究方法
目前有关创新效率的测度方面，多采用DEA方法，其作为一种非参数估计方法，无需建立变量之间的严格显示性函数关系，避免了由于模型设定偏误引起的计量结果不准确等问题。但传统DEA模型没有考虑管理无效率、环境因素和随机干扰项对决策单元效率评价的影响，使传统DEA方法在处理环境影响因素上有很大的局限性。事实上，各高新区所处的区域环境条件不同确实会影响到其创新效率水平。为了能够更好地剥离管理无效率、环境因素和随机干扰对不同地区高新区创新效率的影响，本文选择采用三阶段DEA方法研究黄河流域国家高新区的创新效率。Fried等指出三阶段DEA方法在传统DEA模型的基础上调整了原有的投入和产出，调整后的决策单元处于相同的环境中，从而能客观真实地反映各单元的效率水平(16)。具体包括以下三个阶段。
第一阶段：传统DEA模型分析初始效率。传统的DEA方法是由Charnes、Cooper与Rhodes三位学者最早提出的一种效率测度方法，该方法基于相对效率的概念，对同类型决策单元的效率水平进行评价，是一种非参数技术效率分析方法，可分为规模报酬不变(CCR)和规模报酬可变(BCC)两种类型(17)。本文选择投入导向型的BCC模型作为三阶段DEA测评中第一阶段的基础模型，模型表示为：
(1)
其中，i=1,2,…I表示决策单元，x,y分别是投入、产出向量，s-，s+分别代表投入和产出的松弛变量；当θ=1时，决策单元DEA有效；当θ<1，决策单元非DEA有效。BCC模型将综合技术效率(TE)进一步分解为纯技术效率(PTE)和规模效率(SE)，即TE=PTE*SE。Fried等认为，决策单元的效率水平受到管理无效率、环境因素和随机干扰的影响，因此有必要分离这三种因素。
第二阶段：主要关注松弛变量，松弛变量由环境因素、管理无效率和随机干扰构成，可以反映初始的低效率。在该阶段，借助SFA回归，将第一阶段的松弛变量对环境变量和混合误差项进行回归。因此，根据Fried等人的想法，构造以下SFA回归函数：
(2)
其中，sni是第i个决策单元第n项投入的松弛值；zi是环境变量，βn是环境变量的系数；vni+μni是混合误差项，vni表示随机干扰，μni表示管理无效率，两者相互独立。其中
借鉴罗登跃(18)、陈巍巍等人(19)的分离公式
(3)
其中，
第三阶段：对调整后的投入产出变量再进行DEA效率分析。在该阶段，剔除掉影响地区异质性的管理无效率、环境因素和随机干扰因素，运用调整后的投入产出变量重新测算各决策单元的效率值，得出客观真实的效率水平。
三、变量选取及数据来源
四、国家高新区的创新效率测算和评价
(一)传统DEA模型计算结果分析
在未剔除管理无效率、环境因素和随机冲击等其他影响因素的条件下，运用传统DEA模型中的投入导向型BCC模型，计算出2015—2019年黄河流域国家高新区的创新效率，主要包括综合技术效率(TE)、纯技术效率(PTE)、规模效率(SE)，限于篇幅，此处未列示第一阶段回归结果，如有兴趣可向作者索取。
从总体来看，2015—2019年间，黄河流域国家高新区的综合技术效率均值为0.52，处于DEA无效状态；纯技术效率为 0.75，表明总体上黄河流域国家高新区的投入产出转化技术水平相对较高；规模效率为 0.73，说明黄河流域国家高新区存在较显著的规模效应。具体来看，黄河流域45个国家高新区中只有安康国家高新区的创新效率是DEA有效的，且五年均处于效率前沿面；黄河三角洲和临沂国家高新区有四年处于效率前沿面，德阳国家高新区有三年处于效率前沿面，莱芜、枣庄、榆林、内江国家高新区有二年处于效率前沿面，新乡、攀枝花国家高新区有一年处于效率前沿面；淄博、潍坊、济宁、西安、成都等国家高新区纯技术效率为1，但规模效率较低，导致综合技术效率在整体国家高新区中并不突出。从该部分实证结果来看，黄河流域国家高新区纯技术效率均值大于规模效率均值，说明黄河流域国家高新区的综合技术效率不高主要原因是规模效率较低。
(二)基于SFA的随机前沿分析
在该阶段，以各高新区的投入冗余为被解释变量，将经济发展水平、市场开放程度、人力资本水平、科技创新潜力等环境变量作为解释变量，运用SFA模型考察环境因素对投入松弛变量的影响，基于此对原始投入进行调整。表1报告了SFA的估计结果，限于篇幅，在此仅列出2015年、2019年第二阶段的SFA分析结果。
从表1来看，大专以上学历从业人员对年末资产和科技活动人员的松弛变量始终有显著的负向影响，而对科技活动经费内部支出松弛变量的影响由正向逐渐变成负向，其原因可能是，黄河流域国家高新区前期为提高自身创新能力不断加大对科研的财政支持力度，但投入转换成科技成果存在时滞效应，导致前期人力资本水平的提高无法有效减少经费的投入冗余，随着财力投入的有效转换，人力资本的提高逐渐提升高技术产业对经费的利用效率，从而减少投入冗余。普通高等学校在校生数对松弛变量的影响基本保持不变，五年间的回归系数绝大部分为正，增加了投入冗余，表明普通高等学校在校生数越多，越不利于黄河流域高新区创新效率的提升，在校生人数越多越需要大量的人、财、物的投入，虽然普通高等学校在校生数越多意味着创新潜力越强，但如果毕业生没有留在域内或者没有合理配置到相应的技术领域，会在一定程度上造成资源的错配，从而在这一环节和这一角度造成资源投入的低效。人均地区生产总值对年末资产以及科技活动人员的投入松弛大部分有显著的负向影响，而对科技活动经费内部支出松弛变量的影响由负向逐渐变成正向，这可能是由于GDP水平越高的地区，经济越发达，各项配套设施较完善，在一定程度上减少了高技术产业发展所需要的人力和物力，但由于偏向型的财政政策影响，越发达地区财力的支持力度越大，不当的财力倾斜会导致要素松弛变量的增加，进而使科技活动经费内部支出冗余越严重。当年实际使用外资额对各投入松弛有显著的负向影响，这表明高新区的对外开放程度越高，市场竞争越强，就越能提高投入要素使用率以此提升自身竞争实力，从而促进高新区的创新活动，减少投入冗余。
表1 黄河流域国家高新区SFA分析结果
注：括号内为t统计值，*、**、***分别表示显著性水平为0.1、0.05、0.01。
(三)调整后的DEA模型结果分析
由前述分析可知，环境因素对投入松弛变量的影响程度不同导致每个高新区发展的初始条件不同。因此，有必要剔除这些环境因素，使各个高新区的初始条件相同。调整后DEA模型的估计结果如表2所示。
表2 调整投入后的DEA模型估计结果
注：表中“规模收益”列中，“drs”表示“规模收益递减”，“irs”表示“递增”，“-”表示“不变”，NA表示值不存在。
对比调整前后的结果，本文发现在剔除管理无效率、环境变量和随机干扰项后，综合技术效率均值增加到0.65，纯技术效率均值增加到0.85，规模效率均值增加到0.77，这说明管理无效率、环境因素和随机干扰因素掩盖了国家高新区的真实效率值。在剔除管理无效率、环境因素和随机干扰项后，没有任何一个国家高新区五年均处于DEA有效边界，有郑州和西安两个国家高新区有四年处于DEA有效状态，济宁、太原、济南、青岛高新区有三年处于效率前沿面，榆林和淄博高新区有两年处于DEA有效状态，枣庄、潍坊、临沂、渭南、安康、成都、德阳、白银、黄河三角洲、新乡等国家高新区有一年处于效率前沿面。总体来看，调整后国家高新区处于效率前沿面的数量多于调整前处于效率前沿面的数量，其中，莱芜、内江、攀枝花由有效变为无效，济南、青岛、郑州、太原、渭南、白银由无效变为有效。从均值来看，黄河流域国家高新区纯技术效率大于规模效率，进一步说明规模效率较低是黄河流域国家高新区综合技术效率不高的主要原因。为了从不同角度观察调整后创新效率的变化，本文从空间分布和时间动态两个角度展开具体分析。
1.空间分布状态分析
为了进一步分析不同地域环境和不同经济发展水平的高新区创新效率分布情况，本文从东部地区、中部地区、西部地区分别进行讨论，表3给出了调整前后各区域创新效率均值的变化情况。
表3 按空间分布的国家高新区创新效率均值
由表3看到，由于受管理无效率、环境因素和随机干扰项的影响，调整之前，各区域综合技术效率分布呈现东中高、西部低的规律，调整之后反映了真实的分布情况，综合技术效率呈现东部高于中部、中部高于西部的阶梯状分布，这与我国三大地区的经济发展水平相一致。东部地区经济发达，综合技术效率、纯技术效率最高，规模效率略低于中部地区。东部地区优越的地理位置和良好的经济社会条件使其在发展高技术产业、提升核心竞争力方面具有相对优势，从而为地区经济高速发展奠定了坚实的基础。中部地区大多为资源型城市，近些年，依靠优惠政策和政府的财力支持得到快速发展，生产规模逐渐扩大，规模效率赶超东部地区。中部地区国家高新区在促进地方产业转型升级和技术创新方面也承担了重要角色，故其创新效率也相对较好。西部地区的综合技术效率、纯技术效率和规模效率最差，规模效率较低是导致这一现象的主要原因，该地区长期面临创新资源不足等问题，有关部门应该继续加大对该地区国家高新区的创新资源投入，合理配置资源投入结构，提高该地区技术创新的主动性和能动性。虽然东部地区和中部地区的综合技术效率高于总体均值，创新效率相对较高，但仍处于创新无效率状态，具体来看，东、中、西部地区纯技术效率分别为0.89、0.84、0.82，规模效率分别为0.76、0.79、0.72。可以看出，黄河流域国家高新区纯技术效率均值大于规模效率均值，相较于纯技术效率，规模效率较低是制约黄河流域国家高新区创新效率整体提升的主要因素。
为了更加有效地进行比较分析，结合表2和表3，可以认为创新效率高于总体均值的地区为效率高的地区，而低于总体均值的地区为效率低的地区。从地区内部来看，东部地区，济南、青岛、淄博、潍坊、济宁、威海和临沂国家高新区综合技术效率较高，其中，淄博、潍坊、济宁和临沂的纯技术效率达到最优状态，规模效率仍是DEA无效的，临沂国家高新区的综合技术效率最高，大约是综合技术效率最低的泰安国家高新区的两倍，地区内部创新效率差距较大；中部地区，郑州、安阳、新乡、西安、宝鸡、咸阳、渭南、榆林、安康国家高新区综合技术效率较高，其中，西安和安康纯技术效率处于DEA有效状态，规模效率仍处于DEA无效状态，安康国家高新区综合技术效率最高，大约是综合技术效率最低的长治国家高新区的三倍，地区内部创新效率差距比东部地区更大；西部地区，呼和浩特、成都、攀枝花、泸州、德阳和白银国家高新区综合技术效率较高，其中，成都和德阳的纯技术效率达到最优状态，德阳国家高新区的综合技术效率最高，几乎是综合技术效率最低的石嘴山高新区的四倍，地区内部创新效率差距最大。由于西部地区地理跨度较广，地区之间不仅经济发展差距较大，而且地形和气候环境等条件差异巨大，从而使一些国家高新区不能合理有效地利用资源投入，导致西部地区内部国家高新区之间创新效率差距加大。总体上，黄河流域沿线国家高新区的创新效率空间分布差异较大，区域间以及区域内创新效率不均衡。近年来，大部分地区创新效率虽有所提高，但仍处于创新无效状态，实现黄河流域生态保护与高质量发展，仍需加强各地区资源协同配置与合理发展。
2.时间动态分析
2015—2019年间，黄河流域国家高新区综合技术效率均值呈波动下降趋势，2015年综合技术效率为0.67，2019年综合技术效率为0.63，下降了6%；纯技术效率始终高于综合技术效率，也呈波动下降趋势，由2015年的0.84下降到2019年的0.83，下降了1.2%，于2017年达到最高点0.90；规模效率高于综合技术效率，但低于纯技术效率，且呈逐年下降趋势，2015年规模效率为0.79，2019年规模效率为0.76，下降了3.8%，2017年规模效率达到最低点0.70。之所以产生该现象，可能是由于国家高新区大多是依靠政府税收优惠、信贷支持等优惠政策设立发展起来的，各类生产要素在国家高新区内盲目集聚，过度集聚不利于创新效率的提高。另外，黄河流域国家高新区与其他发达地区国家高新区相比区位条件和制度环境较差，存在管理体制落后、创新经验不足等问题。资源错配、区位条件、政府干预等各种因素的影响使得黄河流域国家高新区未能充分利用自身优势提高创新效率。
为了进一步分析各个高新区创新效率时间动态演变情况，本文列示了2015、2017、2019年调整前后各高新区的创新效率变化情况，图1—3分别给出了调整前后各区域综合技术效率、纯技术效率以及规模效率的变化情况。
由图1可知，在2015年经过调整后，有8个国家高新区的综合技术效率位于有效前沿面，其中枣庄、临沂、安康、德阳保持不变，潍坊、渭南、成都、白银由DEA无效调整为DEA有效，莱芜则由DEA有效调整为DEA无效，且从1降至0.89。黄河三角洲、烟台、莱芜、焦作、平顶山、攀枝花6个国家高新区综合技术效率出现小幅度的下降，济南、郑州、西安、呼和浩特等33个国家高新区综合技术效率呈现大幅度提高。2017年经过调整后，淄博、济宁、新乡、太原、榆林、成都6个国家高新区处于有效前沿面，黄河三角洲、新乡、安康、内江4个国家高新区则由DEA有效调整为DEA无效。枣庄、焦作、青海等13个国家高新区综合技术效率降低，其余国家高新区综合技术效率均呈小幅度上升。2019 年经过调整后，济宁、临沂、榆林、安康、德阳5个国家高新区处于有效前沿面，其中临沂、榆林、安康、德阳保持不变，黄河三角洲和攀枝花国家高新区则由DEA有效调整为DEA无效。石嘴山、青海、内江、攀枝花、焦作、黄河三角洲6个国家高新区综合技术效率出现小幅度的下降，济南、郑州、西安、呼和浩特等34个国家高新区综合技术效率呈现大幅度提高。根据表2和图1，与2015年相比，2019年枣庄国家高新区综合技术效率下降幅度最大，黄河三角洲国家高新区综合技术效率上升幅度最大。
图1 2015年、2017年和2019年调整前后综合技术效率对比
图2 2015年、2017年和2019年调整前后纯技术效率对比
由图2可知，在2015年经过调整后，有19个国家高新区的纯技术效率处于有效前沿面上。在其它国家高新区中，莱芜、洛阳由有效调整为无效，杨凌、咸阳、渭南、兰州、青海由无效调整为有效，调整后大部分国家高新区纯技术效率呈提高态势，说明在没有剔除管理无效率、环境因素和随机因素的前提下，一些城市国家高新区的纯技术效率值被低估。2017年经过调整后，有17个国家高新区纯技术效率处于有效前沿面上，在其它国家高新区中，威海、宝鸡、攀枝花由有效调整为无效，太原、咸阳、呼和浩特、银川由无效调整为有效，调整后大部分国家高新区纯技术效率呈上升趋势。2019年调整后，有17个国家高新区纯技术效率处于有效前沿面上，在其它国家高新区中，威海由有效调整为无效，莱芜由无效调整为有效，调整后大部分国家高新区纯技术效率呈上升趋势。根据表2和图2，在剔除管理无效率、环境因素和随机干扰项的情况下，淄博、黄河三角洲、潍坊、济宁、临沂、新乡、西安、安康、成都8个国家高新区纯技术效率在样本期间内均处于DEA有效状态。
由图3可知，在2015年经过调整后，有10个国家高新区规模效率处于有效前沿面，其中枣庄、临沂、安康、德阳保持不变，济南、潍坊、威海、渭南、成都、白银由DEA无效调整为DEA有效，其中潍坊调整幅度最大，从0.43上升到1，莱芜、咸阳、呼和浩特由DEA有效调整为DEA无效，其中呼和浩特调整幅度最大，从1下降到0.72，此外泰安、南阳、青海等16个国家高新区调整后规模效率降低，青岛、郑州、包头等25个国家高新区规模效率提高。在2017年经过调整后，青岛、湽博、济宁、新乡、太原、榆林、成都7个国家高新区规模效率处于有效前沿面，新乡保持不变，其余6个高新区由规模效率无效调整为有效状态，大部分国家高新区规模效率降低。2019年经过调整后，济宁、临沂、安阳、榆林、安康、泸州、德阳7个国家高新区规模效率处于有效前沿面，临沂、榆林、安康、德阳保持不变，黄河三角洲、攀枝花由DEA有效调整为DEA无效，济宁、安阳、泸州由DEA无效调整为DEA有效，大部分国家高新区规模效率呈下降趋势。
图3 2015年、2017年和2019年调整前后规模效率对比
从调整后的结果来看，2015—2019年间，黄河流域45个国家高新区中，大部分高新区的综合技术效率、纯技术效率呈上升趋势，而规模效率处于波动下降趋势，规模效率较低是大多数国家高新区综合技术效率无效的主要原因。结合各地区规模报酬情况可知，除临沂、安康、德阳等少数高新区规模报酬不变，以及部分高新区规模报酬递减外，其余多数高新区均显出规模报酬递增的特征，这也说明，为了提高国家高新区的创新效率，应进一步扩大生产规模。
(四)投入冗余和产出不足结果分析
为了进一步分析各决策单元的投入冗余和产出不足的具体情况，本文对2019年黄河流域45个国家高新区调整后的创新效率展开进一步研究，具体结果见表4。限于篇幅此处未列示各个国家高新区的具体结果，如有兴趣可向作者索取。其中，S1+为产出1的松弛变量，表示工业总产值的不足量；S2+为产出2的松弛变量，表示净利润的不足量；S3+为产出3的松弛变量，表示技术收入的不足量；S1-为投入1的松弛变量，表示年末资产的冗余量；S2-为投入2的松弛变量，表示科技活动人员投入的冗余量；S3-为投入3的松弛变量，表示科技活动经费内部支出的冗余量。
由表4可知，从整体均值来看，若使各项指标均与其投影面吻合，即综合技术效率达到1，则需要增加112.02亿元工业总产值、137.84亿元净利润以及117.71亿元的技术收入，并减少4267.78亿元年末资产投入、3.42千人科技活动人员投入以及72.64亿元科技活动经费内部支出。从空间分布来看，东部地区的投入和产出情况最好，若使综合技术效率达到1，需要增加28.95亿元工业总产值、70.11亿元净利润以及45.99亿元的技术收入，并减少2197.50亿元年末资产投入、2.05千人科技活动人员投入以及59.41亿元科技活动经费内部支出；中部地区产出情况较好，但投入冗余最多，若使各项指标均与其投影面吻合，需要增加99.92亿元工业总产值、161.69亿元净利润以及141.31亿元的技术收入，并减少5230.34亿元年末资产投入、5.02千人科技活动人员投入以及93.86亿元科技活动经费内部支出；西部地区的产出不足情况最为严重，投入冗余情况稍优于中部地区，若使综合技术效率达到1，需要增加197.56亿元工业总产值、171.77亿元净利润以及155.40亿元的技术收入，并减少5056.57亿元年末资产投入、2.94千人科技活动人员投入以及61.68亿元科技活动经费内部支出。
表4 2019年黄河流域国家高新区创新能力评价
具体来看，2019年，济南、淄博、黄河三角洲、潍坊、济宁、莱芜、临沂、新乡、西安、宝鸡、榆林、安康、成都、攀枝花、德阳、内江、青海17个国家高新区的纯技术效率为1，位于最优生产前沿面，松弛变量S+和S-均为0，实际投入和产出值与其投影面吻合。其中，济宁、临沂、榆林、安康、德阳这5个国家高新区的综合技术效率、纯技术效率、规模效率均为1，而济南、淄博等其余12个国家高新区的规模效率处于无效状态，导致其综合技术效率没有位于最优生产前沿面。因此，对于这12个国家高新区来说，规模效率较低是制约其发展的主要原因，黄河三角洲、莱芜、攀枝花、内江、青海这5个国家高新区规模报酬处于递增状态，说明这些国家高新区应扩大生产规模，加大资源的投入与产出，但济南、成都等其余国家高新区大多处于规模报酬递减状态，说明这些高新区的投入生产规模过大，出现资源过度堆积现象，资源配置不尽合理和有效，对于这一部分高新区来说，不应再盲目扩大要素投入规模，而应加强资源的合理配置和有效利用。
总体来看，黄河流域各个国家高新区存在不同程度的投入冗余与产出不足的情况，东部地区虽然也存在投入和产出未能有效配置的现象，但投入产出比例相对较为合理，创新效率最高，中部地区的投入最多，但投入产出比例较低，西部地区投入产出均处于较低水平，导致其在创新效率等方面表现较差。因此，实现黄河流域生态保护与高质量发展，需要根据各地区实际情况调整资源配置政策，加强各地区国家高新区资源协同配置与合理发展，合理利用各类创新资源，增强创新实力。
五、结论与讨论
本文使用2015—2019年黄河流域45个国家高新区的面板数据，采用剔除管理无效率、环境因素和随机干扰因素后的三阶段DEA方法测算各高新区的创新效率，从综合技术效率、纯技术效率、规模效率三个方面分析测度各高新区的创新投入转换情况，得出以下五点结论：第一，环境变量对国家高新区创新效率的影响具有差异性，人力资本水平、市场开放程度对松弛变量产生负向影响，说明其有利于促进国家高新区的创新发展，提高国家高新区创新效率；地区经济发展水平对年末资产以及科技活动人员的投入松弛大部分有显著的负向影响，而对科技活动经费内部支出松弛变量的影响由负向逐渐变成正向；科技创新潜力增加了投入冗余，主要是因为高素质人员没有合理配置到相应的技术领域，造成资源错配，从而造成资源投入的浪费。第二，虽然剔除管理无效率、环境因素和随机干扰项以后，黄河流域国家高新区创新效率有所提高，但黄河流域国家高新区创新效率水平不高，仍处于创新无效率状态。之所以出现这一现象，主要是纯技术效率和规模效率不高共同导致，但规模效率较低是主要原因。第三，从空间分布上来看，综合技术效率和纯技术效率呈现东部高于中部，中部高于西部的阶梯状分布，而规模效率则呈现中部高于东部，东部又高于西部的分布情况。总体上，黄河流域沿线国家高新区的创新效率空间分布差异较大，区域间以及区域内创新效率不均衡。第四，从时间动态上来看，2015—2019年间，黄河流域国家高新区中大多数高新区的综合技术效率、纯技术效率呈上升趋势，而规模效率处于下降趋势，规模效率不高是大多数国家高新区综合技术效率无效的主要原因。第五，从投入冗余和产出不足的具体分析结果来看，黄河流域各个国家高新区存在不同程度的投入冗余与产出不足的情况，东部地区虽然存在投入和产出未能有效配置的现象，但投入产出比例相对较为合理，中部地区的投入最多，但投入产出比例较低，西部地区投入产出均处于较低水平，导致其在创新效率等方面表现较差。
实现黄河流域生态保护与高质量发展，需要加强各国家高新区资源有效配置与协同发展，基于上述研究提出五点建议：
1.引育高层次创新人才，提升国家高新区创新效率，包括规模效率和纯技术效率。提高规模效率，应发挥国家高新区在集聚资金和人才等方面的优势，利用政策红利和各种渠道引进多元化人才，进行集中、大规模的科技研发，从而获取规模经济效益，降低研究开发的分摊成本；提高纯技术效率，应积极学习先进地区管理经验，充分利用人才流动带来的知识外溢效应提高自身的技术水平，同时，优化人才引进和激励政策，吸引各类创新人才充实国家高新区的人才资源库，对域内的创新人才做好在岗的培训培养工作。
2.通过扩大生产规模提高规模效率。扩大生产规模既可以降低生产成本以此获得规模经济收益，又可以加强企业在市场中的竞争能力。国家高新区可以通过吸引投资、延伸品牌(包括飞地经济、飞地园区)、集中管理等方式实现规模的扩大，从而实现规模经济，提高创新效率。吸引投资方面，应综合考虑园区发展需要和整体产业布局，合理引资；延伸品牌方面，通过利用已有核心品牌发展新产品、进入新领域、拓展新空间，从而扩大企业规模，使企业获得更大利润；集中管理方面，依据整体规划进行专业化分工，并在分工基础上实施集中化管理，把独立的经营活动组合成整体的规模经营，从而实现规模效益，提高规模效率。
3.优化黄河流域国家高新区资源配置。各高新区应结合实际，根据自身的规模收益情况，加强资源的合理配置和有效利用，切忌盲目扩大要素投入规模和粗放式发展，立足自身的资源禀赋和环境条件，合理配置资源，提高自身的竞争力。同时，制定具有地方特色的产业发展战略，找出自身短板，不盲目追求速度和数量，防止资源进入过多造成浪费，减少投入冗余。
4.加大促进高新区高质量发展的制度创新和政策供给，优化工作机制。各级政府需采取税收优惠、财政补贴等优惠政策吸引高质量企业入驻，为各地区国家高新区提供政策支持和制度保障，以此提升各高新区的创新实力，实现黄河流域的生态保护和高质量发展。
5.建立跨地区协调机制，改善国家高新区的区域发展不平衡现状。黄河流域国家高新区创新效率东部最高西部最低，因此，中部和西部地区应积极引进高新技术，充分利用当地资源优势，积极承接发达地区产业转移，发展高新技术特色产业，打造创新效率亮点，东部地区需充分发挥技术领头作用，加强对周边地区的辐射带动，积极开展与发达地区的交流与合作。优化黄河流域国家高新区资源配置，构建跨省区合作发展的协同机制，实现黄河流域国家高新区创新效率的共同提升。
本文系山东大学齐鲁青年学者项目之阶段性研究成果。
排版：靳品侠
审核：傅 强
说明：为方便阅读，原文略有删节，参考文献省略。
往期推荐
点击“阅读原文”阅读更多精彩内容~