综合测度及影响因素研究
孙振清，李欢欢，刘保留
(天津科技大学经济与管理学院，天津300222)
收稿日期:2020-10-11 修回日期:2020-10-29
基金项目：国家社会科学基金重点项目(16A G L 002)；教育部哲学社会科学研究重大课题攻关项目(16J Z D 014)；天津市高等学校创新团队培养计划项目(T D 13-5012/5045
)作者简介：孙振清(1966-)
，男，河北雄县人，博士，天津科技大学经济与管理学院教授㊁博士生导师，研究方向为能源与应对气候变化战略及政策㊁低碳经济；李欢欢(1995-)
，女，河北保定人，天津科技大学经济与管理学院硕士研究生，研究方向为区域协同创新发展；刘保
留(1993-)
，男，河南南阳人，天津科技大学经济与管理学院硕士研究生，研究方向为能源环境与可持续发展
㊂摘 要：中国东部沿海城市作为国家经济增长的核心战略区和新型城镇化的重要组成部分，促进其协同创新效率提升对实现经济高质量发展具有重要现实意义㊂基于2005 2018年地级市数据,
以京津冀㊁山东半岛㊁长三角和珠三角城市为研究对象，采用三阶段D E A 方法测算四大城市协同创新效率并分析其时空特征，利用T o b i t 回归模型分析不同城市协同创新效率的主要影响因素，结果表明:①剔除外部环境与随机因素的影响，除山东半岛城市外，其它三大城市的平均综合效率值均较第一阶段下降;②外部环境因素对协同创新效率具有显著影响，区域经济水平和政府财政支持力度与协同创新效率负相关，研发支持力度㊁产业结构和对外开放水平与协同创新效率正相关;③协同创新效率总体呈上升趋势，但内部城市等级存在空间不平衡性;④不同城市协同创新效率的主要影响因素也存在差异㊂基于上述结果，提出促进不同城市协同创新发展的相关建议㊂
关键词：东部沿海城市；协同创新效率；区域经济；三阶段D E A
D O I :10.6049/k j j b y
d c .2020080149 开放科学(资源服务)标识码(O S I D )：中图分类号:F 290 文献标识码:A 文
章编号:1001-7348(2021)02-0047-09
R e s e a r c h o n C o m p r e h e n s i v e M e a s u r e m e n t a n d I n f l u e n c i n g F a c t o r s o f C o l l a b o r a t i v e I n n o v a t i o n E f f i c i e n c y o
f C h i n a 's F o u r U r b a n C l u s t e r s S u n Z h e n q i n g
,L i H u a n h u a n ,L i u B a o l i u (S c h o o l o f E c o n o m i c s a n d M a n a g e m e n t ,T i a n j i n U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y ,T i a n j i n 300222,C h i n a )A b s t r a c t :A s t h e c e n t r a l s t r a t e g i c a r e a o f t h e c o u n t r y 's e c o n o m i c g r o w t h a n d a n i m p o r t a n t p
a r t o f t h e n e w u r
b a n i z a t i o n ,t h e
c o a s t a l u r b a n a g g l o m e r a t i o n s i n e a s t e r n C h i n a h a v e i m p o r t a n t p r a c t i c a l s i g n i f i c a n c e f o r a c h i e v i n g h i g h -q u a l i t y e
c o n o m i c
d
e -v e l o p m e n t .B a s e d o n t h e 2005-2017p r e
f e c t u r e -l e v e l c i t y d a t a ,t a k i n
g t
h e B e
i
j i n g -T i a n j i n -H e b e i ,S h a n d o n g P
e n i n s u l a ,Y a n g t z e R i v e r D e l t a a n d P e a r l R i v e r D e l t a u r b a n a g g l o m e r a t i o n s a s t h e r e s e a r c h o b j e c t s ,t h e t h r e e -s t a g
e D E A m e t h o d i s u s e d t o m e a s u r e t h e e
f f i c i e n c y o f c o l l a b o r a t i v e i n n o v a t i o n o f t h e f o u r u r b a n a
g g l o m e r a t i o n s a n d a n a l y z e t
h e
i r t e m p o r a l a n d s p a t i a l c h a r a c t e r i s t i c s ,u s i n g T o b i t T h e r e g r e s s i o n m o d e l a n a l y z e s t h e m a i n f a c t o r s t h a t a f f e c t t h e e f f i c i e n c y o
f c o l l a b o r a t i v e i n n o v a t i o n i n d i f f e r e n t u r b a n a
g g l o m e r a t i o n s ,a n d t
h e r e s u l t s s h o w t h a t :①e x c l u d
i n g
t h e i n f l u e n c e o f e x t e r n a l e n v i r o n m e n t a n d r a n d o m f a c t o r s ,t h e a v e r a g e c o m p r e h e n s i v e e f f i c i e n c y o f t h e o t h e r t h r e e u r b a n a g g l o m e r a t i o n s i s h i g
h e r t h a n t h a t o f t h e f i r s t s t a g e D e c r e a s e ;②e x t e r n a l e n v i r o n m e n t a l f a c t o r s h a v e a s i g n i f i c a n t i m p a c t o n t h e e f f i c i e n c y o
f c o l l a b o r a t i v e i n n o v a -t i o n .R e
g i o n a l e c o n o m i c l e v e l s a n d g o v e r n m e n t f i n a n c i a l s u p p o r t a r e n e g a t i v e l y r e l a t e d t o t
h e e f f
i c i e n c y o
f c o l l a b o r a t i v e i n -n o v a t i o n ;R&D s u p p o r t ,i n d u s t r i a l s t r u c t u r e ,a n d o p e n i n
g t o t
h e o u t s
i d e w o r l d a r e p o s i t i v e l y r e l a t e d t o t h e e f f i c i e n c y o
f c o l l a b o r a t i v e i n n o v a t i o n ;③t h e e f f i c i e n c y o f c o l l a b o r a t i v e i n n o v a t i o n i s
g e n e r a l l y o n t
h e r
i s e ,b u t t h e r e i s a s p
a t i a l i m
b a l a n
c e i n t h e i n t e r n a l c i t y h i e r a r c h y ;④t h e r e a r e a l s o
d i f f
e r e n c e s i n t h e m a i n
f a c t o r s t h a t a f f e c t t h e e f f i c i e n c y o
f c o l l a b o r a t i v e i n n o -v a t i o n i n d i f f e r e n t u r b a n a
g g l o m e r a t i o n s .B a s e d o n t
h e a b o v e r e s u l t s ,
i t a i m s t o p u t f o r w a r d s u g g
e s t i o n s t o p r o m o t e t h e c o l l a b o r a t i v e i n n o v a t i o n d e v e l o p m e n t o
f d i f f e r e n t u r b a n a
g g l o m e r a t i o n s .K e y W
o r d s :E a s t e r n C o a s t a l C i t y C l u s t e r ;E f f i c i e n c y o f C o l l a b o r a t i v e I n n o v a t i o n ;R e g i o n a l E c o n o m i c ;T h r e e -S t a g e D e a
0引言
城市作为国家实现新型城镇化和工业化发展中较高形式的产物，逐渐取代中国传统省域经济发展格局，成为未来地区经济发展的重要趋势[1]㊂在政策指引和现实需求的双重推动下，城市经济发展呈现经济增速快㊁覆盖面广和区域联动性强等特征[2]，发展不均衡问题仍然存在㊂其中，东部沿海城市
因资源禀赋㊁创新能力和区位优势，成为中国对外开放程度和经济发展水平较高的典型城市，经济发展也呈现区域化特征㊂单个主体或者城市的技术创新能力可能无法有效应对瞬息万变的竞争环境，城市间的协同创新则是实现区域一体化的关键，有助于资源在城市间各生产环节协同整合[3]，促进各城市优势互补㊂因此，提升东部沿海城市协同创新能力，促进区域间技术和知识流动，实现创新资源整合，强化协同创新多维溢出效应，对于提升技术创新水平和经济发展潜力有着至关重要的作用㊂另外，在中国创新资源紧缺的情况下，如何有效解决效率问题，优化创新要素配置，对于推动国民经济发展具有重要现实意义㊂为此，本文立足于协同发展角度，对东部沿海城市(京津冀㊁山东半岛㊁长三角和珠三角)区域协同创新效率进行测度，并分析其内在机理和影响因素，既符合国家发展的战略需求，也为其它城市实现区域经济和资源协同发展提供借鉴㊂
1文献综述
查阅相关文献发现，针对协同创新的研究主要集中在协同创新效率测度以及影响因素识别㊁作用等方面，具体来说，主要对协同创新内涵㊁动因㊁模式以及作用机制进行探讨㊂协同创新内涵方面，吴钊阳等[4]认为，协同创新是企业㊁政府和知识研究机构等为实现重大科技创新而开展的大跨度创新组织模式㊂动因方面，学者们从外部资源获取㊁企业绩效提高和风险共担等角度进行探讨，发现企业采用协同创新模式可以进行信息流和知识传递㊁分享等多维互动，加速企业技术创新能力和绩效提升[5]㊂模式方面，学者们主要从研发协同㊁专利转让以及技术创新等层面展开分析，如何郁冰[6]提出 战略
知识 组织 三重互动的产学研协同模式，为实现产学研协同创新奠定了理论基础;B j e r-r e g a a r d[7]认为，研发协同有利于外部知识和技术整合利用，降低成本和风险，促进科研合作和信息共享，从而实现企业协同创新发展㊂作用机制方面，杨晓昕等[8]通过探讨一些地区推进的 创新驿站 发现，新型区域协同创新机制需要构建集研究型大学㊁中介机构和企业以及政府 四位一体 的区域协同创新体系㊂协同创新效率测度以及影响因素方面，主要从相同创新主体和不同创新主体两个角度加以分析：相同创新主体角度侧重于高校㊁企业和科研院所等机构，如尹洁
等[9]采用问卷调查方式，分析高校科研创新团队知识共享机制下创新团队内部知识共享绩效影响因素;K i m 等[10]以韩国中小型企业为案例研究对象，采用多元回归方法证实，中小型企业开放式创新活动对其创新产出的影响存在差异性；温珂等[11]以中国101家公立研究院所为样本，发现协同创新能力与绩效之间存在正向促进关系㊂不同创新主体角度侧重于模型建立和度量，如段云龙等[12]运用超效率D E A模型和网络D E A 模型测算各省市产学研之间的协同创新效率，发现区域共生系统下各主体创新效率呈现不均衡状态；蔡翔等[13]通过构建三螺旋强度模型，实证分析大学 企业 政府协同创新效率及影响因素㊂此外,F u e n t e s 等[14]㊁L i等[15]㊁叶斌等[16]从不同角度对区域协同创新进行了研究㊂
随着空间经济学的兴起和发展，学者们开始关注区域协同创新外溢问题㊂如赵增耀[17]㊁白俊红[18]㊁刘军[19]和孙大明等[20]从空间维度厘清区域协同创新空间外溢效应和机制，重点考察其对区域创新绩
效㊁产业集聚和升级的影响，但基于城市视角的研究较少㊂以往学者往往以省际(区域)尺度为研究对象，忽略了不同地区发展内质的不均匀性㊂本文以城市为研究对象，更能突出不同城市间的内在关联性㊂与以往研究相比，本文可能的创新贡献在于:
(1)在研究内容方面，将京津冀㊁山东半岛㊁长三角和珠三角地区统一纳入分析框架，重点考察不同地区协同创新效率变化趋势，弥补了传统研究未考虑城市发展对区域协同创新效率影响的不足㊂
(2)在变量测度方面，采用三阶段D E A模型测算2005 2018年中国四大城市协同创新效率，对处于生产前沿的决策单元进行分析㊂
(3)在影响因素方面，本文采用面板T o b i t回归模型实证分析不同城市协同创新效率的主要影响因素，以期为地区因地制宜采取相关政策，实现协同发展提供依据和思路㊂
2研究方法与数据说明
2.1研究方法
立春早安祝福图片2.1.1三阶段D E A模型
传统D E A模型未考虑环境因素和随机噪声对决策单元效率评价的影响，导致测算结果有所偏差，而三阶段D E A在测算过程中能够消除自身不可控因素对效率的影响㊂
第一阶段：传统D E A模型㊂C h a r n e s等[21]最早提出被称为数据包络分析的方法，用于评价相同部门间的相对有效性，因而被称为D E A有效，该模型即C C R 模型㊂从生产函数角度看，这一模型是用来研究具有多个投入，特别是具有多个产出 生产部门 的理想且卓有成效的方法㊂D E A模型分为投入导向和产出导
超级演说家陈铭㊃84㊃科技进步与对策2021年
向;B a n k e r等[22]提出B C C模型，测度规模报酬及可变条件下决策单元有效性问题，将综合技术效率(c r s t e)分解为规模效率(s c a l)和纯技术效率(v r s t e)，具体关系为c r s t e=s c a lˑv r s t e㊂本文选择B C C模型对研究区域内X个城市的初始投入与产出进行测算㊂
m i nθ,λ=[θ-(e t s-+e t s+)]
ðn k=1λi y r k-s+=y0k ðn k=1λi x i k+s-=θx0k ðn k=1λk=1
λkȡ0;s+ȡ0;s-ȡ0(1)
其中,i=1,2,...,m;r=1,2,...,s㊂k=1, 2,...,n为决策单元数,m㊁s分别代表投入指标和产出指标个数,x i k(i=1,2,...,m)为第k个决策单元第i个投入要素,y i k(r=1,2,...,s)为第k个测算单元第r个产出要素,θ为决策单元有效值㊂若θ=1且s+=s-=0，则决策单元D E A有效；若θ=1且s+ʂ0或s-ʂ0，则决策单元弱D E A有
效；若θ<1，则决策单元非D E A有效㊂
第二阶段：利用相似S F A回归剔除环境因素和统计噪声㊂第一阶段的D E A模型无法消除不可控因素对效率值的影响，因此，第二阶段通过引进S F A模型，将第一阶段的松弛变量分解成包含环境因子㊁随机因素和管理无效率的3个自变量函数㊂以投入导向为基础构建类似S F A回归函数㊂
S n i=f(Z i;βn)+v n i+μn i;i=1,2,...,N;n=1, 2,...,N(2)其中,S n i是第i个决策单元第n项投入的松弛值; Z i是环境变量,βn是环境变量的系数;v n i+μn i是混合误差项,v n i表示随机干扰项,μn i表示管理无效率项㊂其中v~N(0,σ2v)是随机误差项，表示随机干扰因素对投入松弛变量的影响;μ是管理无效率，表示管理因素对投入松弛变量的影响，假设其服从零点截断的正态分布，即μ~N(0,σ2μ)㊂γ=σ2u i/(σ2u i+σ2v i)表示技术无效率方差占总方差的比重，当γ趋近于1时，管理因素的影响占主要地位，当γ趋近于0时，随机误差的影响较大㊂
为剔除环境因素和随机因素对效率测度的影响，将所有决策单元调置于相同的外部环境下，基于最有效预测单元，以投入量为基础对上述公式进行如下调整: X A n i=X n i+[m a x(f(Z i;βɡn))-f(Z i;βɡn)]+ [m a x(νn i)-νn i]i=1,2, ,I;n=1,2, ,N(3)其中,X A n i是调整后的投入,X n i是调整前的投入, [m a x(f(Z i;β^n))-f(Z i;β^n)]表示外部环境因素调整,[m a x(v n i)-v i]将所有决策单元置于相同外部环境下㊂
第三阶段：调整后的D E A模型㊂将调整后的投入产出变量再次带入第一阶段的传统D E A模型，测算
各决策单元第三阶段的协同创新效率㊂此时，效率已经剔除环境因素和随机因素的影响，得到的效率值是相对真实准确的㊂
2.1.2 T o b i t回归模型
T o b i t回归模型是基于极大似然估计法建立的，可以较好地规避参数不一致㊁有偏性等问题㊂因此，采用因变量受限的截断T o b i t回归模型对不同城市协同创新效率影响因素进行分析，具体模型形式设定如下:ρi*=∂0+ðl j=1∂j x i j+εi
ρi=ρi*,0ɤρi*ɤ1
ρi=0,ρi*<0
ρi=1,ρi*>1
(4)
其中,ρ*i表示潜变量,ρi表示实际被解释变量; x i j表示解释变量,∂0表示常数项,∂j表示相关系数向量,εi服从εi~N(0,σ2)㊂
2.2指标选取与说明
从经济学角度而言，从事某项生产活动的基本要素是劳动和资本，协同创新活动亦是如此㊂基于协同创新效率的基本概念以及现有研究成果，考虑协同创新主体之间的关系，本文从投入和产出两个层面出发，选择投入产出指标如下:
投入指标方面，考虑到区域协同创新主体构成主要是高校㊁科研机构㊁企业和政府，从资本和人力劳动两个方面进行考量，在人力劳动方面参考廖名岩等[23]的做法，采用地区总R&D人员减去企业独立R&D人员㊁高校应用研究R&D人员和科研机构应用研究R&D人员的值衡量㊂对于资本投入，参考谢子远等[24]的研究，选取高校科技活动中来自企业的经费与科研机构科技活动中来自企业的经费之和作为协同创新效率投入要素指标㊂对于项目要素投入，由于企业是协同创新主体，在协同创新活动中占据主导地位[25]㊂因此，协同创新项目要素投入指标为企业R&D项目总数减去企业R&D独立项目数㊂
产出指标方面，协同创新活动的目的是为获得知识产出或者具有市场前景的新产品或者创新技术㊂因此，本文主要从经济收益和创新成果两个方面对产出指标进行考量㊂经济收益方面，选取科技创新研发的新产品销售收入；创新成果方面选取科技创新活动的成果展示专利数，由于所申请的专利并不一定全部通过审查，选择专利授权数量更能反映出一个地区的创新水平㊂因此，选取新产品销售收入和专利授权数作为区域协同创新产出指标㊂
第二阶段主要计算对沿海四大城市协同创新效率产生显著影响㊁但样本无法主观控制和改变的要素，
即外部环境变量，主要包括研发支持力度㊁产业结构㊁区域经济发展水平㊁对外开放程度及政府财政支持力
㊃94㊃
第2期孙振清，李欢欢，刘保留：中国东部沿海四大城市协同创新效率综合测度及影响因素研究
度㊂具体来说，研发支持力度对区域创新水平有极大
的支持作用，以研究和试验发展为主的资金支持是重
要方式，因而选择研究和试验发展(R&D)经费投资强度衡量；区域第三产业占比往往更能体现一个区域的
产业升级水平，本文以第三产业与第二产业占比即产
业结构高级化测度；区域经济环境采取人均G D P衡量，反映区域经济发展水平；对外开放可以引进国外先进知识与创新技术，提升科技创新水平㊁促进要素流动，进而有利于协同创新发展水平提升，本文采取城市进出口额占城市G D P的比重衡量；政府作为区域协同创新主体之一，其制定的相关政策以及提供的创新资金会对区域协同创新效率产生影响，因而选取财政科技支出占财政总支出的比重衡量政府财政支持力度㊂具体指标见表1㊂
2.3研究区域与数据来源
本文借鉴中国城市现有研究成果[2]，选取京津
冀城市㊁山东半岛城市㊁长江三角洲城市和珠江三角洲城市4个沿海城市为研究对象，包含8个省份30个城市，如表2所示㊂
鉴于数据可得性与准确性，样本时间跨度为2005 2018年，数据来源于‘中国统计年鉴“‘中国环境统计年鉴“‘中国科技统计年鉴“‘中国城市统计年鉴“以及相关地市国民经济和社会发展公告㊂针对缺失数据，根据实际情况采取外延法和均值法计算得出㊂
3结果分析
3.1第一阶段传统D E A测算结果
第一阶段运用B C C模型，采用D E A P2.1软件包对2005 2018年我国东部沿海城市30个城市协同创新效率进行测度，分别得到综合效率㊁纯技术效率和规模效率，表3为各项效率的平均值㊂
表1区域协同创新效率测算相关指标
指标指标类别单位指标名称指标表示
投入指标劳动投入万人地区总R&D人员 企业独立研究人员 高校应用研究人员 科研机构应用
研究人员
X1
资本投入万元高校科研经费中企业投资额+科研机构科研经费中企业投资额X2
项目投入个企业R&D项目总数-企业R&D独立项目数X3产出指标经济收益万元新产品销售收入Y1创新成果件专利授权数量Y2环境变量研发支持力度%R&D经费投资强度R D 产业结构%产业结构高级化S U
区域经济发展水平万元人均G D P P G D P
对外开放程度%进出口额占G D P的比重F L
政府财政支持力度%财政科技支出占财政总支出的比重G I
表2东部沿海城市范围及选取依据
城市包含城市名称选择依据
京津冀北京㊁天津㊁廊坊㊁保定㊁沧州㊁唐山㊁秦皇岛‘京津冀协同发展规划纲要“
山东半岛青岛㊁烟台㊁威海㊁滨州㊁东营㊁潍坊‘山东半岛蓝经济区域发展规划“
长三角南京㊁苏州㊁无锡㊁南通㊁常州㊁扬州㊁杭州㊁镇江㊁上海‘长江三角洲区域一体化发展规划纲要“
珠三角广州㊁珠海㊁佛山㊁惠州㊁东莞㊁中山㊁江门㊁肇庆‘珠江三角洲地区改革发展规划纲要“(2008 2020年)
表3第一阶段2005—2018年四大城市协同创新效率平均值
地区城市综合纯规模地区城市综合纯规模京津冀北京1.0001.0001.000长三角南京0.7150.8400.852天津0.8270.9050.913苏州1.0001.0001.000
廊坊0.7500.8620.870无锡0.8480.9140.929
保定0.8060.8950.902南通0.8260.9020.917
沧州1.0001.0001.000常州0.8390.9120.920
唐山0.7880.8840.891扬州0.8210.9020.910
秦皇岛0.7530.8650.871杭州0.6860.8230.835山东半岛青岛0.8060.8950.901镇江0.6880.8230.836烟台1.0001.0001.000上海1.0001.0001.000
威海0.7430.8590.865珠三角广州1.0001.0001.000
滨州0.7120.8410.847珠海0.6860.8220.835
东营0.7600.8690.875佛山0.8640.9230.937
李威床照潍坊0.7730.8760.882惠州0.7910.8830.896京津冀均值0.8460.9160.921东莞0.8760.9280.944山东半岛均值0.7990.8900.895中山1.0001.0001.000长三角均值0.8250.9020.911江门0.8440.9110.927珠三角均值0.8610.9210.932肇庆0.8250.9030.914总体均值0.8330.9070.915
㊃05㊃科技进步与对策2021年
在不考虑外部环境与随机误差影响的条件下，东部沿海四大城市30个城市中有7个城市在14年中处于随机前沿面，分别为北京㊁沧州㊁烟台㊁苏州㊁上海㊁
广州和中山，其它城市的综合效率与最优值之间仍存在差距㊂总体来看，珠三角地区协同创新的综合效率值最高，京津冀和长三角地区次之，山东半岛的综合效率值最低，说明珠三角和京津冀地区将资源投入转化为协同效益的能力较强㊂纯技术效率呈现出与综合效率相同的变化趋势，表明珠三角和京津冀地区的投入
要素配置合理且利用效率高㊂如表4所示，从时间变化上看，四大城市的综合效率和纯技术效率呈现波动上升趋势，且在研究区间内有显著变化差异㊂其中，长三角和珠三角地区的综合效率呈现先下降后上升的
V 型演变格局，在2008年分别达到最低值0.787和
0.820后稳步上升㊂截至2018年，两个地区的上升幅度分别为7.8%和8.4%，说明二者资源配置逐渐趋于合理㊂四大城市的规模效率一直比较平稳，说明东部沿海四大城市协同创新发展集聚水平较高㊂
表4 第一阶段四大城市协同创新效率时序变化
地区协同创新效率2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
京津冀
综合效率0.785
0.790
0.837
0.817
0.821
0.821
0.848
0.862
0.839
0.911
0.893
0.878
0.877
0.872
纯技术效率0.866
0.859
0.934
0.898
0.908
0.893
0.904
0.900
0.876
0.983
0.930
0.926
0.967
0.959
规模效率
0.900
0.914
0.893
0.905
0.900
0.914
0.935
0.955
0.955
0.926
0.959
0.946
0.905
0.908
山东半岛
综合效率0.728
0.734
0.787
0.764
0.770
0.769
0.800
0.816
0.789
0.870
0.850
0.834
0.832
0.844纯技术效率0.832
0.824
0.909
0.868
0.880
0.863
0.875
0.871
0.843
0.965
0.905
0.901
0.948
0.955
规模效率
0.870
0.886
0.862
0.877
0.871
0.887
0.911
0.934
0.933
0.901
0.938
0.924
0.877
0.882
张轩睿selina
长三角综合效率0.816
0.822
0.808
0.787
0.792
0.791
0.820
0.835
0.810
吴昕恋情曝光0.844
0.868
0.853
0.851
0.849
纯技术效率0.883
0.875
0.919
0.880
0.891
0.898
0.887
0.883
0.857
0.922
0.915
0.911
0.955
0.949
规模效率
0.921
0.936
0.875
0.888
0.883
0.876
0.921
0.942
0.942
0.911
0.946
0.933
0.888
0.892
珠三角综合效率0.878
0.884
0.841
0.820
0.825
0.824
0.854
0.869
0.844
0.858
0.902
0.886
0.883
0.883
纯技术效率0.917
0.909
0.938
0.899
0.910
0.917
0.906
0.902
0.876
0.920
0.933
0.930
0.971
0.971
规模效率
0.955
0.971
0.894
0.907
0.902
0.895
0.939
0.961
0.960
朴有天被捕0.930
0.964
0.951
0.907
0.908
3.2 第二阶段：相似S F A 分析
第一阶段利用D e a p
2.1软件测算效率值可以得到各城市投入要素的松弛变量，投入松弛变量会受外部环境因素㊁随机干扰项和内部管理无效率等方面影响㊂本阶段以投入松弛变量为被解释变量，以5个环境变量为解释变量，采用相似S F A 回归模型，运用F r o n -
t i e r 4.1分别估算2005 2018年环境变量对理想投入
与实际投入差额的影响㊂受篇幅受限，选取2018年的回归结果进行分析，如表5所示㊂
表5 第二阶段S F A 回归结果
项目劳动投入资本投入项目投入R D -7.261***
(-19.45
)-14.568***
(-22.89
)-4.897**
(-2.59
)S U -5.233***
(-11.58)-20.485*
(-1.75
)-18.425**(-2.53
)P G D P 9.261
(0.85
)12.486
***
(15.79
)8.532
**
(2.75
)F L -2.892***
(-6.28)-9.728*
(-1.89)-5.588***
(4.21
)G I
3.023***
(2.97
)3.598***
(3.15
)9.488***
(5.12
)s i g m a -s q u a r e d 20.15535.41838.156g a mm a 0.894
0.926
0.957
C o n
_42.754
***
(18.42)46.782
***
(14.52)50.123***
(18.01
)
注:*㊁**㊁***
分别表示10%㊁5%㊁1%显著性水平,
括号内为t 值表5回归分析中，环境变量的S F A 回归系数大多
通过了1%的显著性水平检验且γ值趋近于1，说明在混合误差项中，管理无效率项对投入松弛变量的影响比随机因素的影响更大，进一步表明模型设定具有一定的可靠性，外部环境因素对城市协同创新投入效
率存在影响㊂因此，对原始投入值作出调整是合理且必要的，具体结果分析如下:
研发支持力度对劳动㊁资本㊁项目投入松弛变量的影响为负且通过1%的显著性水平检验，说明随着研发支持力度加强，各城市在科技人员㊁研究经费及项目上的投入可以有效转化为专利和财政收入㊂目前，国家不断加大新产品研发和科技创新支持力度，致力于推动龙头企业技术进步，扩大科研专项资金规模，使得城市创新水平不断提升㊂随着区域协同发展政策深入推进，创新要素在城市间充分流动所产生的协同效应使相同的要素投入获取更多的创新产出，因此研发力度增大可以减少劳动力与资金投入冗余㊂
产业结构对资本㊁项目投入松弛变量的影响回归系数为负，说明产业结构高级化水平越高，劳动力㊁
资本及项目投入冗余越少，越有利于提高城市协同创新效率㊂我国正处于产业结构转型的关键期，以科学技术创新为主的新型第三产业正在崛起㊂第三产业比重增加会减少劳动力㊁资本及项目投入冗余量，避免浪费现象发生㊂同一相关关系下，产业结构与资本㊁项目投入松弛变量的回归系数大于前者与劳动力投入松弛变量的回归系数，充分说明资本和项目利用效率受第三产业比重影响更大，与我国发展阶段相符，第三产业增加会带来协同创新效率提升㊂
区域经济水平与劳动㊁资本和项目投入松弛变量正相关，表明城市人均G D P 对劳动力投入松弛变量的影响不显著，而人均G D P 提高会导致资本和项目投入冗余增加，从而降低城市协同创新效率㊂究其原因在于人均G D P 增加对资本利用效率的作用存在门槛效
应[26]
，只有达到门槛值时，人均G D P 增加才会促进资
㊃
15㊃
第2期 孙振清，李欢欢，刘保留：中国东部沿海四大城市协同创新效率综合测度及影响因素研究
发布评论