李俊龙，谭 涛

（1.陆军军医大学西南医院，重庆 400038；
2.重庆医科大学科研处，重庆 400016）

党的十八大报告提出，科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。党的十九届五中全会强调，要坚持创新在我国现代化建设全局的核心地位，把科技自立自强作为国家发展的战略支撑。科研机构是国家战略科技力量的重要组成部分，担负着履行高水平科技自立自强的使命和担当，深入分析我国科研机构的科技创新效率现状，找出短板和不足，并进行有针对性地改进，对加快建设科技强国的进程、尽快实现高水平科技自立自强具有重大的战略意义和现实意义。

梳理现有相关文献发现，科技创新效率评价是科技创新领域的研究热点，但国内学者对高校、企业的科技创新效率研究较多，而对科研机构的研究相对较少。现有关于科研机构科技创新效率的研究主要集中在以下两个方面：第一，以我国各地区科研机构为研究对象进行创新效率测算与分析。如，范旭等［1］运用超效率数据包络分析（DEA）方法对2009—2017 年我国31 个省区市科研机构的基础科研创新效率进行了评价，并结合高斯混合模型（GMM）探究了人力资本、经济发展、对外开放、产业创新等对科研机构创新效率的影响，提出了完善创新资源投入方式、优化人才资本结构、扩大对外开放交流等建议；
魏晓雪等［2］采用DEA 交叉评价模型对2006—2013 年我国高校、科研机构、企业的R&D投入产出效率进行了评价，并与主要发达国家进行了比较，提出应通过增加对高校及科研机构的R&D投入、企业部门组建高素质科技研发人才队伍等方式来提高R&D 效率；
卢方元等［3］根据我国30 个省区市研发机构2008—2012 年的R&D 投入产出数据，应用DEA-BCC 和超效率DEA 模型对其创新效率进行评价研究发现，处于DEA 有效的省份有17 个，其中北京、山东、福建、海南等地区的研发机构创新效率始终处于前列，内蒙古与辽宁的研发机构创新效率相对较低；
秦天如等［4］选取我国30 个省区市2006—2014 年的面板数据，采用随机前沿分析法（SFM）对高校、企业、研究机构3 类创新主体的研发创新效率及影响因素进行实证研究发现，创新无效率现象普遍存在，创新失衡问题突出，从而提出政府应从加快构建区域创新网络体系、完善区域协作机制、提高全民教育水平等方面提高区域研发创新效率。

第二，选取单个省份或单个行业领域科研机构进行科技创新效率测算与分析。如，王晓夕等［5］采用DEA-Malmquist 方法对2011—2018 年河北省农业科研机构的创新效率进行静态和动态测算发现，其在全国居中下游水平，并从加快构建农业科研机构创新体系、加快农业领域创新人才培养、调整农业科研机构投入模式等方面提出了建议；
陈耀等［6］基于创新成果类型异质性角度，采用随机前沿分析方法对2009—2016 年我国31 个省区市农业科研机构创新投入产出效率进行测算和分析发现，整体效率较低，区域发展不均衡问题突出，人员素质结构、基础设施对农业科研机构产出具有促进作用；
王维薇等［7］以2004—2014 年我国31 个省区市的农业机械化系统的科研机构为研究对象，采用DEA 方法对其科技创新效率进行评价发现创新效率较低，其中华北、东北和西北地区的技术无效程度最高，且技术无效年份更多受纯技术效率无效应影响，从而提出了加快农业供给侧结构性改革、优化农机化研发资源配置、加强创新成果产权保护等对策；
过文浩等［8］利用DEA 方法对江苏省新型研发机构的资源配置效率及影响因素进行研究发现，创新资源配置效率总体较好，但存在显著的地区差异，研发人员数量、研发内部经费支出、技术服务量和成果转化数量差异是主要原因；
韩东林等［9］运用DEA 模型测算我国高技术服务业研发机构的科技创新效率发现，科技创新效率总体良好，但细分行业的差异较大，并从优化投入产出结构、促进科技成果转化、建立高层次人才培养使用机制等方面提出促进我国高技术服务业发展的对策建议。

综上所述，国内学者对科研机构科技创新效率评价研究已有一些成果，但仍存在一些不足。一是针对全国范围科研机构科技创新效率分析时，主要考虑了静态的科技创新效率，缺乏对不同年度间的效率水平进行对比分析，难以掌握各地区科研机构科技创新效率的动态变化情况。二是在对科研机构科技创新效率从静态和动态进行分析时，侧重于单个省份或单个行业领域，对大范围内其他地区科研机构的科技创新效率提升指导意义有限。三是有关研究数据主要来源于“十三五”时期以前，而使用近5 年研究数据的研究成果较少，研究结论的时效性相对较差。鉴于此，本研究选取我国31 个省区市（未含港澳台地区，下同）的研究与开发（R&D）机构为研究对象，对其科技创新效率进行静态评价，并深入分析其科技创新效率变化情况，以摸清我国各区域R&D 机构的科技创新效率发展现状，明确影响科技创新效率提升的重要因素。

2.1 指标体系构建

（1）构建指标体系。科技创新效率表示科技投入与科技产出之间的相互关系，反映了科技创新的能力和水平。通过梳理文献发现，目前有关研究在确定科研机构投入指标时基本上是从人力和财力两方面着手，且确定支出指标时基本上是基于科研活动产出的成果类型。借鉴范旭等［1］、陈耀等［6］的研究，选取如表1 所示的产出指标。

表1 研究与开发机构科技创新投入与产出评价指标体系

（2）投入产出指标相关性分析。为确保科技创新投入与产出指标选取的合理性，对各指标进行了皮尔逊（Pearson）非参数相关系数检验。结果显示（见表2），科技创新投入要素与产出要素之间呈显著正相关，因此对指标不再进行滞后性处理。

表2 研究与开发机构科技创新投入与产出的相关性检验结果

2.2 研究对象与数据来源

（1）研究对象。将纳入《中国科技统计年鉴》统计范围的我国31 个省区市的研究与开发机构作为研究对象，统计口径为地级及以上独立核算的政府属科学研究与技术开发机构、科学技术信息和文献机构。2015—2019 年31 个省区市的研究与开发机构数量为3 466 家。

（2）数据来源。研究数据来源于《中国科技统计年鉴》公布的研究与开发机构的统计数据。由于2021 年统计口径变化，无法获得2020 年各地区研究与开发机构的投入产出数据，因此最终仅选取了2015—2019 年的科技创新投入与产出指标数据进行分析。各省区市所在区域以国家统计局公布的经济区域划分标准进行划分，其中东部包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；
中部包括山西、安徽、江西、河南、湖北和湖南；
西部包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；
东北地区包括辽宁、吉林和黑龙江。

2.3 研究方法

（1）数据包络分析法。在科学计量学领域，关于科技创新效率的测度方法大多都是基于生产前沿分析，包括以随机前沿分析为代表的参数法和以数据包络分析为代表的非参数法，其中参数法多适用于多投入单产出，非参数法可以应用于多投入多产出场景，因此以数据包络分析法为代表的非参数法应用更加广泛［10］。数据包络分析法由美国学者Charnes 等［11］于1978 年提出，可以通过比较各决策单元与前沿标准的偏离程度来衡量效率是否有效，同时在数据处理上不需要考虑数据的权重或标准化，被广泛运用于运筹学、管理学、经济学等领域。考虑到R&D 机构科技创新活动是多投入多产出活动，且规模收益可变，因此选择DEA-BCC 模型来测算R&D 机构的静态科技创新效率。

（2）Malmquist 指数。Malmquist 指数由瑞典学者Malmquist［12］最早提出，通过定义构建投入距离函数和产出距离函数的比率可以动态测算加入时间因素后决策单元效率指数的变化情况。Malmquist 指数也叫全要素生产率，反映了生产活动在一定时间内的效率：全要素生产率大于1，则当期生产效率相比前一时期提高；
全要素生产率等于1，则当期生产效率与前一时期保持持平；
全要素生产率小于1，则当期生产效率比前一时期降低。全要素生产率可以细分为技术效率和技术进步效率，其中技术效率可以进一步分解为规模效率和纯技术效率。技术进步效率反映了决策单元技术创新进步或衰退情况，纯技术效率反映了决策单元组织管理水平，规模效率反映了决策单元规模的合理程度。Malmquist 指数可以用于测算不同时期科技创新效率动态变化值，因此常被用于分析时间序列的动态效率。

为全面掌握全国各地区R&D 机构的科技创新效率，既需获得同一年度不同地区R&D 机构的科技创新效率情况，还需获得同一地区R&D 机构在不同年度的科技创新效率情况，而通过DEA 模型可以测算R&D 机构静态科技创新效率，Malmquist 指数可以用于分析R&D 机构动态科技创新效率，因此结合采用这两种模型进行分析可以从静态、动态2 个维度深入掌握R&D 机构的科技创新效率。

3.1 静态分析

2019 年我国31 个省区市R&D 机构的科技创新效率如表3 所示，具体分析如下：

表3 2019 年31 个省份研究与开发机构的科技创新效率及分析结果

表3 （续）

（1）综合效率。从31 个省份R&D 机构的综合效率均值来看，科技创新效率总体不高，R&D 机构分区域的效率梯度分布由高到低依次是东北、东部、西部、中部。广东、宁夏、新疆3 个省份R&D 机构的效率处于DEA 有效状态，综合效率、纯技术效率、规模效率均为1，说明这3 个省份R&D 机构的科技创新资源配置较为合理、科技创新投入规模适中，不存在投入冗余或产出不足的情况；
其他28 个省份R&D 机构的科技创新综合效率小于1，处于非DEA有效状态，其中东部省份有9 个、东北地区省份有3 个、西部省份有10 个、中部省份有6 个。

（2）纯技术效率。R&D 机构纯技术效率等于1的省份有11 个，其中处于DEA 有效状态的有3 个、非有效状态的则有8 个。R&D 机构非有效状态的为北京、辽宁、浙江、山东、广西、海南、云南和西藏，管理和技术因素对科技创新效率影响较小，说明其资源组织调配和管理相对合理，因此影响科技创新效率提升主要是规模问题。R&D 机构纯技术效率小于1 的省份有20 个，包括19 个规模效益递减省份和1 个规模效益递增省份，全部处于非DEA 有效状态，表明管理和技术因素以及投入规模对其科技创新效率影响较大。可见影响R&D 机构科技创新效率的既有组织和管理问题，也有科技创新投入规模问题。

（3）规模效率。R&D 机构规模效率等于1 的只有广东、宁夏、新疆3 个省份，占比仅为9.677%。规模效率小于1 的省份有28 个，占比超九成，说明大部分省份R&D 机构的科技创新投入规模存在问题。进一步分析可知，在R&D 机构规模效率小于1的28 个省份中，只有青海、西藏处于规模效应递增状态，科技创新投入过少，需要加大科技创新投入；
其余26 个省份都处于规模效应递减状态，科技创新投入冗余，需要适度合理减少科技创新投入。

3.2 变化趋势分析

通过DEA-BCC 模型只能获得R&D 机构的科技创新静态效率，无法获得其变化趋势，因此利用DEA-Malmquist 指数计算了2015—2019 年31 个省份R&D 机构科技创新的全生产要素变化，并对全生产要素进行了分解。根据表4 可知，我国R&D 机构的科技创新效率有一定程度提升，但技术进步指数小于1，表明技术创新水平有所降低。进一步分析发现，规模效率的年均增长率为4.2%，对科技创新效率提升发挥了重要作用。从历年数据来看，只有2015—2016 年和2018—2019 年的全要素生产率指数大于1，2016—2018 年全要素生产率指数以及技术进步指数同步出现了明显回落，原因主要在于技术创新水平大幅下滑。因此，提高技术创新水平是提高R&D 机构科技创新效率的一个重要方向。

表4 31 个省份研究与开发机构科技创新活动全要素生产率及其分解指数的年度趋势

根据表5 可知，R&D 机构全要素生产率指数均值大于1 的省份有17 个，占比超五成，其中分布在东部、西部、东北地区和中部的分别有8、4、3、2个，表明这些省份R&D 机构的科技创新效率有所提高；
全要素生产率指数小于1 的省份有14 个，其中分布在东部、中部和东北地区的分别有8、4、2 个，这些省份的R&D 机构的科技创新效率处于下降状态。分区域来看，东部R&D 机构的全要素生产指数均值为1.056，技术效率变动指数均值为1.010，技术进步指数均值为1.045，全要素生产率指数年均增幅为5.6%，主要归功于技术创新水平的进步；
东北地区R&D 机构的全要素生产率指数均值为1.104，技术效率变动指数均值为1.104，技术进步指数均值为1.002，全要素生产指数年均增幅10.4%，主要归功于组织管理水平的提高；
中部R&D 机构的全要素生产率指数均值为0.991，技术效率变动指数均值为1.037，技术进步指数均值为0.956，全要素生产率指数下降，主要是技术创新水平衰退所致；
西部R&D机构的全要素生产率指数均值为0.962，技术效率变动指数均值为1.053，技术进步指数均值为0.915，全要素生产率指数下降的原因也是技术创新水平衰退导致。可见，推动或阻碍R&D 机构科技创新效率提升的因素具有明显的区域差异性。

表5 2015—2019 年各省份研究与开发机构科技创新活动全要素生产率及其分解指数值

本研究得到主要结论如下：第一，2019 年我国31 个省份的研究与开发机构的科技创新效率整体不高，其中有28 个省份处于非DEA 有效状态。从区域来看，R&D 机构科技创新效率由高到低的区域依次是东北、东部、西部、中部。从影响因素来看，R&D 机构科技创新效率受投入规模因素影响的省份有8 个，同时受组织与管理水平和投入规模因素影响的省份有20 个；
受投入规模因素影响的省份中，有26 个省份R&D 机构的科技创新投入冗余、2 个省份R&D 机构的科技创新投入不足。第二，2015—2019 年间31 个省份研究与开发机构的科技创新效率有升有降，呈现“M”型波动，技术创新水平提升或衰退是主要的影响因素。从区域来看，所有区域R&D 机构的科技创新组织和管理水平均有所改善，但在技术创新水平方面区域分化严重，其中东部和东北地区以技术创新进步为主，中部和西部以技术创新衰退为主。

针对上述研究结论，就提升我国R&D 机构的科技创新效率提出以下建议：

（1）优化科研经费配置，提高科研经费使用效率。鉴于大部分省份的R&D 机构存在投入冗余现象，引发了边际递减效应，科研经费使用效率不高，需要调整科研经费投入规模，优化科研经费配置结构，因此建议相关地区一方面要组织开展R&D 机构科研绩效评价，对R&D 机构的资金使用、产出成效等方面进行定期评估，对于资金使用进度合理、科研产出高的个人或团队要加大投入，对于资金使用进度滞后、科研产出较少的个人或团队要采取暂停或减少经费投入，提高资金使用效率；
另一方面要优化R&D 机构的科技经费投入的方式，坚持稳定性经费投入和竞争性经费投入并重，其中竞争性经费要重点支持面向世界科技前沿、经济主战场、国家重大需求、人民生命健康的科学研究。

（2）持续深化“放管服”改革，充分激发科技创新活力。针对研究发现的我国约有2/3 的省份在科技创新活动组织与管理方面存在问题，导致科研人员创新活力不强、科研成果产出水平不高的问题，需要持续深化科研管理领域的“放管服”改革，优化科技创新生态，充分激发广大科研人员的创新活力。一方面要及时做好R&D 机构科研项目和经费管理方面的简政放权，充分赋予研究与开发机构和科研人员项目技术路线调整以及经费使用方面的自主权；
另一方面要做好R&D 机构的科研评价改革和强化激励引导，建立与岗位、研究领域相适应的分类绩效评价标准，全面推行以增加知识价值为导向的分配政策，鼓励、引导科研人员多出成果、快出成果、出好成果。

（3）完善科研人才引育体系，夯实科技创新人才根基。我国R&D 机构的科技创新效率之所以呈现“M”型波动，技术创新水平提升或衰退是主要的影响因素，而影响技术创新水平的一个关键因素就是人才，因此各地区需要加强科技人才队伍特别是高层次科技人才队伍建设。一方面R&D 机构要围绕科研人才的“引、育、留、用”全生命周期布局人才政策，完善人才分类认定、平台建设、创新激励、人才评价、安居保障等政策体系，并积极通过全职引进、柔性引进等方式面向全球招揽优秀人才；
另外一方面也要大力支持中青年本土科技人才的发展，给予稳定的培育经费，积极支持其牵头大项目、建设大平台、领导大团队，帮助R&D 机构的中青年科技人才快速成长成才。

（4）打造高水平科研平台，夯实科技创新基础条件。我国R&D 机构的科技创新效率受技术创新水平影响较大，而技术创新水平的进步或衰退除与人才自身水平相关外，也受到研究所需的基础条件影响，因此建议各地区要大力支持R&D 机构建设高水平科研平台，既要聚焦优势领域、特色领域、新兴交叉领域布局建设专业化科研平台，也要加快公共服务平台建设，促进科研平台对外开放共享，为科学研究提供专业化的技术服务。此外，R&D 机构要进一步建立健全科研平台建设保障体系，加大科研平台建设和运行资金投入，优化科研仪器设备配置；
同时，建立科学合理的实验技术人员评价制度，加快培养和建设一支稳定的专业技术服务队伍。

猜你喜欢科研机构省份要素掌握这6点要素，让肥水更高效当代水产(2020年4期)2020-06-16谁说小龙虾不赚钱？跨越四省份，暴走万里路，只为寻找最会养虾的您当代水产(2019年11期)2019-12-23观赏植物的色彩要素在家居设计中的应用现代园艺(2017年22期)2018-01-19论美术中“七大要素”的辩证关系河北书画研究(2017年1期)2017-08-22也谈做人的要素山东青年(2016年2期)2016-02-28科研机构科技成果规模化转化模式研究管理现代化(2016年3期)2016-02-06企业-科研机构合作创新的演化博弈分析财经界(学术版)(2015年17期)2015-12-22因地制宜地稳妥推进留地安置——基于对10余省份留地安置的调研中国土地科学(2014年4期)2014-03-01优势互补,共同发展 德基机械与多家知名科研机构展开技术合作筑路机械与施工机械化(2014年5期)2014-03-01霍尼韦尔新型制冷剂获欧盟科研机构认可化工生产与技术(2014年2期)2014-02-27