青海省区域创新效率与创新环境耦合协调分析

丁生喜¹李冰²陈小焱²杨永春²赵艳平²

（1.青海大学，西宁810016；2.青海省科学技术信息研究所有限公司，西宁810007）

摘要：基于2003年~2019年青海省创新投入产出数据，运用数据包络分析法测算了青海省区域创新效率，并借助区域创新系统耦合协调度测度模型，对青海省区域创新效率与创新环境耦合协调度进行实证分析，提出加强政策引导，完善创新体制机制；推动经济增长，打造良好创新条件；重视创新环境建设，加强创新人才吸引和培养；选择重点创新区域，带动周边地区发展；加大科技投入，鼓励企业成为创新主体等改善青海省创新环境和提高区域创新效率的对策建议。

关键词：区域创新效率；区域创新环境；DEA分析法；耦合协调模型

中图分类号：F124.3 文献标识码：A

文章编号：1005-9393(2022)03-0017-08

作者简介：丁生喜（1971-），女，教授，硕导，主要研究方向:技术经济学、区域经济学。E-mail:ddssxx518518@163.com。

基金项目：青海省基础研究计划软科学项目“青海省创新能力标准化评估及新阶段对策研究”（项目编号:2020-ZJ-608）。

1 绪论

随着青海省区域经济的快速发展，区域创新效率也在不断提高，它是衡量各个区域发展竞争力的重要标志，区域创新环境作为其重要影响因素是本文研究的重点。

自十八大以来，国家发展需要创新，坚决把创新作为国家发展的重要任务，放在国家发展全局的核心地位，积极推动创新驱动发展战略的实施^[1]。习近平总书记强调，科技创新不断推动着社会生产力的发展和劳动生产率的提高，只有大力发展社会生产力经济社会才能实现不断的提高和发展^[2]。实现经济结构调整需要创新，“五位一体”总体布局的实现也需要创新作为关键动力^[3]。

区域创新环境的改变影响着区域创新效率的变化，区域创新效率对创新环境也具有一定的反作用，其影响着区域创新环境的建设。区域创新效率与创新环境相互作用，两者之间交互影响^[4]。

2 青海省区域创新效率与创新环境定量评价

2.1 建立指标体系

对青海省区域创新效率和创新环境进行评价分析，指标的选取与指标体系直接关系到研究结果分析的科学性、客观性与准确性。因此，指标的选取和指标体系的建立需要遵循科学性原则、可操作性原则、代表性原则、开放性原则和动态性原则。

2.2 青海省区域创新效率评价指标体系

根据参考的国内外相关文献，并结合青海省区域创新的特点，本文选择投入产出导向的DEACCR模型对青海省区域创新效率进行测量。本文结合文献的研究以及数据的可取性，选取R&D人员全时当量、R&D经费内部支出和新产品开发经费支出三项指标作为区域创新效率的投入指标。其中R&D人员全时当量是由参加R&D项目的全时人员数和非全时科研人员折合成全时人员数的总和；R&D经费内部支出是由参加R&D活动的所有实际支出表示；新产品的开发研究是实现科学技术市场化的典型代表，是科技投入中的重要组成部分。专利申请授权量、技术合同成交额和新产品销售收入是衡量产出向量的三个产出指标。以上两部分构成青海省区域创新效率的指标体系（表1）。

表1 区域创新效率评价指标体系

本文所使用的数据均来源于2004年～2020年《青海统计年鉴》《中国科技统计年鉴》以及2006年～2019年《工业企业科技活动统计年鉴》。

2.3 青海省区域创新环境评价指标体系

对青海省区域创新环境进行有效分析，找出创新环境存在的问题，对照问题改善和提高青海省区域创新环境，从而提高区域创新效率和创新能力。选取因子分析法对青海省区域创新环境进行研究分析。根据创新环境的内涵并结合青海省的实际情况，本文从创新环境的硬环境和软环境两方面构成青海省区域创新环境体系（表2）。硬环境包括人均GDP、大中型企业的个数、公路线路密度、邮电业务量、固定互联网用户和金融机构年末存款余额六项指标；区域创新环境系统的软环境包括教育支出、科学技术支出、全社会固定资产投资、普通高校毕业生人数和科技项目数共五项指标。

表2 创新环境评价指标体系

2.4 基于DEA法的青海省创新效率评价

利用DEA的C2R模型，借助Deap2.1软件计算，求得青海省2003年～2018年各年区域创新的效率评价结果（表3）。

表3 效率评价结果

2.4.1 DEA效率值分析

根据数据包络分析法（DEA）效率值的判断要求可知，当θ^*=1时，决策单元j₀为DEA有效；当θ^*﹤1时，决策单元j₀为非DEA有效。

由表3可知，在2003年～2018年16年中青海省区域创新效率仅有5年是处于DEA有效，有11年的区域创新效率处于非DEA有效。2003年～2005年青海省区域创新效率处于非DEA有效；2006年～2008年青海省区域创新效率达到较稳定的状态，在3年中处于DEA有效；2009年～2015年，青海省区域创新效率出现了较长的非有效性；2016年和2018年青海省区域创新效率又回归DEA有效。整体上，青海省区域创新效率不具有稳定性，处于非DEA有效性的时间较长，但其整体呈现出趋向于DEA有效阶段。

2.4.2 投入冗余分析

根据数据包络分析法（DEA）投入指标的判断要求可知，当S^*-=0时，此时的投入得到合理充分有效的利用，该投入是有效的；当S^*->0时，此时的投入没有得到充分利用，投入要素存在冗余。

S^1-是投入指标R&D人员全时当量，2003年～2008年青海省R&D人员全时当量得到了充分的利用，研究与开发人员研究积极性高，时间利用充分；2009年～2013年R&D人员全时当量存在投入冗余的问题，其中2009年～2011年冗余最为严重；2014年～2018年R&D人员全时当量投入合理。S^2-是投入指标R&D经费内部支出，2003年～2008年R&D经费内部支出得到了充分的利用，使用效率较高；2009年～2018年中，2009年和2011年的R&D经费内部支出略有冗余，2017年R&D经费内部支出冗余量突出，其余年份青海省R&D经费内部支出创新效率的投入得到了充分有效的利用。S^3-是投入指标新产品开发经费支出，由表3可知，仅有2004年、2014年和2015年存在投入冗余，其他年份的投入均得到相应的产出。整体上，青海省区域创新效率的投入指标冗余少，趋于充分合理利用的趋势。

2.4.3 产出不足分析

根据数据包络分析法（DEA）产出指标的判断要求可知，当S^* =0时，表示该产出在原投入的基础上是合理的；当S^* >0时，表示在当前的投入水平上存在产出不足的现象。

S¹ 是产出指标中的专利申请授权量，2003年～2008年中，青海省专利申请授权量只有2004年存在产出不足，其余年份在既定的投入上产出达到合理有效；2009年～2015年中，有6年存在专利授权量产出不足的现象；2016年～2018中，2017年专利授权量存在产出不足。S² 是指产出指标中的技术合同成交额，在2003年～2018年中仅有2009年技术合同成交额没有达到产出的标准。S³ 是产出指标中的新产品销售收入，2003年～2009年中只有2004年新产品销售收入存在较为严重的产出不足，其他年份在既定投入指标的基础上新产品销售收入达到有效的产出；2010年～2015年出现严重的产出不足和资源浪费现象，没有在相对投入上达到相应的产出；2016年～2018年新产品销售收入达到合理产出。整体上，青海省的产出趋于合理趋势，但对于新产品销售收入这一产出指标仍需大力扶持。

研究结果表明，虽然青海省达到DEA有效的年份相对较少，但青海省区域创新效率DEA效率值是趋于不断上升和完善的，这主要是由于青海省的区域创新环境整体基础相对薄弱，中大型企业的创新产出偏低，高科技人才较为缺乏，区域创新效率会因为经济建设的发展和变化产生一定的波动，从而青海省区域创新效率DEA的有效性也有一定的波动。受益于西部大开发战略，青海省的创新水平不断提高，投入指标的有效利用率也不断增强，使投入产出趋于合理，在目前的投入情况下，创新资源得到了合理有效的利用。

2.5 基于因子分析法的青海省区域创新环境评价

2.5.1 数据标准化

因子分析法可以消除区域创新环境中各变量潜在的相关关系，用较少的且具有代表性的综合指标来反映整个大环境的状况。运用因子分析法时，首先要对原始数据进行数据标准化（表4）。

表4 原始数据标准化

2.5.2 KMO检验

KMO检验和Bartlett球形度检验是用于检验评价指标数据是否能进行因子分析法，其主要作用是检测变量之间是否具有相关性。当KMO≥0.9时，表示非常适合因子分析；当0.8≤KMO﹤0.9时，表示很适合因子分析；当0.7≤KMO﹤0.8时，表示适合因子分析；当0.6≤KMO﹤0.7时，表示可进行因子分析；当0.5≤KMO﹤0.6时，表示进行因子分析法不太适合；当KMO﹤0.5时，表示不应该使用因子分析。经检验，由表5可知该指标体系变量的KMO值为0.757，处于0.7～0.8之间，表示可以适合因子分析法。

2.5.3 提取公因子

一般选取特征值大于1的因子或选取累计贡献率≥0.85时的因子作为公因子。根据表6的分析结果显示，虽然第一个特征值>1，但因其第一个成分的累计贡献率没有达到85%，所以选择提取两个公因子。从第二个因子开始，因子数之间的特征值差异与前两个因子数相比较小，这也符合选取公因子的标准，因此该指标体系应选取两个公因子。综上所述，提取前两个因子可以解释区域创新环境指标体系中的数据变化，提取的两个因子为F₁和F₂。

表5 KMO和Bartlett检验

表6 总方差解释

2.5.4 主因子解释

每个公共因子的载荷分配是通过旋转后的成分矩阵所体现的^[5]，通过旋转对矩阵行简化，方便对因子的观察从而对因子给予命名和解释。

根据旋转后的成分载荷矩阵（表7），对两个公因子进行命名：

表7 旋转后的成分载荷矩阵

第一个公因子F₁包含的指标为邮电业务量X₄、普通高校毕业生人数X₁₀、全社会固定资产投资X₉、科技项目数X₁₁、教育支出X₇、人均GDPX₁、金融机构年末存款余额X₆、公路线路密度X₃和科学技术支出X₈九个指标，主要反映了创新的基础环境建设和教育的状况，因此将该因子命名为创新基础因子。

第二个公因子F₂包含的指标为大中型工业企业个数X₂和固定互联网用户X₅两个指标，主要反映了青海省区域创新科技情况，因此将该因子命名为创新科技因子。

2.5.5 因子得分计算

计算两个公因子的评价得分，并以作为每个公因子Fi权重的计算公式。计算青海省创新环境的各年综合得分F=F₁×w₁ F₂×w₂。

表8 公因子权重

由上可得青海省各年区域创新环境综合得分为：F=F₁×0.675 F₂×0.325

表9 青海省区域创新环境综合得分与排名

由表9可知，青海省由于资金和人才相对短缺，创新系统对资金和人才的使用率相对较高，青海省区域创新环境各因子得分和综合得分都在不断升高，其中创新科技因子的上升幅度最快，对青海省区域创新环境影响大。虽然创新基础因子也处于不断上升中，但对青海省创新环境的影响较小。近年来青海省一直在不断加强创新环境建设，提高了人民的生活水平，也促进了经济和科技的发展。因此，在往后的政策制定中，青海省应加强创新系统内各创新主体之间信息资源的流动，加强人力资源投入，着重吸引创新型人才，把培养创新型人才和高素质的劳动者作为促进科学技术创新和经济增长的基础，加强与国内外市场的联系，促使区域经济适应国内外市场变化，提高财政投入，完善基础设施建设，从而推动经济的持续快速发展。

3 青海省区域创新效率与创新环境耦合协调度分析

3.1 计算耦合协调度

对青海省区域创新效率与创新环境进行耦合协调度分析，首先采取极差法对区域创新效率DEA有效值（θ）和创新环境综合得分（F）进行无量纲标准化处理（表10），继而再进行耦合协调度的讨论，并根据计算公式和数据得出青海省区域创新效率与创新环境耦合协调度综合评价值，对青海省区域创新效率与创新环境耦合协调度进行评价。

表10 数据标准化处理

表11 耦合协调度评价表

图1 耦合协调评价指数

3.2 结果讨论

由表11可知，根据耦合度四个阶段和耦合协调度十个层次，我们将青海省2003年～2019年的耦合协调进行分析。

3.2.1 关于耦合度计算结果讨论

青海省的耦合度主要分为了三个阶段：2003年，青海省区域创新效率与创新环境处于低水平耦合阶段，耦合度低；2004年～2011年，青海省的耦合度得到了一定程度的提高，处于拮抗阶段；2012年～2019年，青海省的耦合度不断提升，处于由拮据阶段向磨合阶段改变的趋势，随着国家政策扶持不断加大以及经济的不断发展，青海省区域创新效率和创新环境也得到了一定的提高。

3.2.2 关于耦合协调度计算结果讨论

青海省区域创新效率与创新环境的耦合协调度可以分为三个阶段：2003年～2009年，青海省的耦合协调度得到了明显的提升，达到协调阶段，由中度失调向勉强协调转变；2009年～2012年，青海省的耦合协调度有所下降，由勉强协调转变为严重失调；2012年～2019年，青海省的耦合协调度迅速提升，实现了由严重失调向中级协调的跨越式转变。整体上，青海省区域创新效率与创新环境耦合度和协调度都在保持持续增长的状态，并且耦合度保持在拮抗阶段，耦合协调度向中级协调阶段不断发展。

自党的十九大加强科技创新、深入实施创新驱动发展战略以来^[6]，青海省的创新环境和创新能力大幅提高，创新驱动发展成效显著，促进了区域创新效率和创新环境的协调发展。

4 青海省区域创新效率与创新环境协调发展的对策建议

为了推动青海省创新系统的不断发展，根据上文的分析，具体可以从以下几个方面改善青海省的创新效率和创新环境。

加强政策引导，完善创新体制机制。完善与创新相关的制度建设，与企业和公众形成一条监管机制，共同监督政策的落实；简化与创新技术有关的申报程序，有效合理利用金融市场，加大对创新主体创新效益的保护力度，加强对知识产权的保护，保障并激励创新主体的创新活动。

推动经济增长，打造良好创新条件。加快推进青海省经济结构的调整，转变经济增长方式，支持和引导民营企业的发展，开辟新的具有青海特色的创新方式。

重视创新环境建设，加强创新人才吸引和培养。加大教育支出是青海省吸引人才和培养人才的重要措施，完善人才引进机制，吸引优秀的创新人才，加大对创新人才的奖励机制，为其创造良好的发展平台。

选择重点创新区域，带动周边地区发展。加强对西宁等具有较强发展潜力的城市或地区的政策资金投入，以提高西宁等地区的科技创新实力，从而带动提高周边城镇的科技创新能力。

加大科技投入，鼓励企业成为创新主体。着重发展科技园区，加大对科技园的创新投入，鼓励支持中小企业的自主创新机制，加大创新科技投入，为中小企业的发展提供资金支持；通过对投入产出的分析，为提高青海省的创新产出水平，政府应继续加大对科学技术产出的投入支持，重视大中型企业的创新活动，让企业成为真正的推动青海省区域创新的创新主体。

参考文献:

[1]中共中央文献研究室.习近平关于科技创新论述摘编[M].北京:中央文献出版社,2016.

[2]李盛平.十六大以来中国共产党科技思想及其实践研究[D].江西农业大学,2017.

[3]袁勃,崔东.论五大发展理论[DB/OL].http://politics.people.com.cn/n/2015/1105/c1001-27781531.html.2015-11-05.

[4]宋成舜,谈兵,黄莉敏,等.城市土地集约利用效益耦合协调度分析——以咸宁市为例[J].土壤,2013,45(4):746-751.

[5]李强.基于因子分析和DEA的区域创新环境对企业创新绩效影响的实证研究[D].中国科学技术大学,2011.

[6]高卉杰,李正风,任莎莎,等.科技人才聚集与区域科技创新的耦合协调度研究[J].数学的实践与认识,2018,48(12):109-118.

Coupling Coordination Analysis of Regional Innovation Efficiency and Innovation Environment in Qinghai Province

Ding Shengxi¹, Li Bing², Chen Xiaoyan², Yang Yongchun², Zhao Yanping²

（1.Qinghai University,Xining 810016；2. Qinghai Institute of Science and Technology Information Co. LTD,Xining 810007）

Abstract: Based on the innovation input-output data of Qinghai Province from 2003 to 2019, the DataEnvelopment Analysis method is used to measure the regional innovation efficiency of Qinghai Province. This paperuses the measurement model of the coupling coordination degree of regional innovation system to make an empiricalanalysis on the coupling coordination degree of regional innovation efficiency and innovation environment in QinghaiProvince, and puts forward countermeasures and suggestions to improve the innovation environment and the regionalinnovation efficiency of Qinghai Province.

Key words: regional innovation efficiency; regional innovation environment; DEA method; couplingcoordination model

（文章内所有图片受版权保护 违者必究）