.png?20211108)
严 红
（中共四川省委党校 区域经济教研部 成都 610072）
[摘要]：文章运用灰靶模型对我国西部地区的科技创新效率进行了测算，并运用回归模型对我国西部地区科技创新效率的影响因素进行了分析。研究表明，我国西部省区的科技创新效率差异较大，创新环境、投入结构、企业结构和对外开放度等因素对我国西部地区的科技创新效率有显著影响。因此，优化创新环境、改善投入结构和企业结构、提高对外开放度是提高我国西部地区科技创新效率的重要举措。
[关键词]：西部地区；科技创新效率；灰靶模型；回归模型；对策建议
[中图分类号]：F124.3 [文献标识码]：A
Calculation of Science and Technology Innovation Efficiency in China’s Western Region and Analysis of Its Influencing Factors
Yan Hong
(Tuition and Research Department about the Regional Economics, the Sichuan Communist Party School, Chengdu 610072, China)
Abstract: The regional scientific and technological innovation efficiency(RSTIE) in China’s western region is measured by using the grey target model and the influencing factors of the RSTIE in China’s western region is analysed by using the regression model in the article. Research shows that the RSTIEs of China’s western provinces are very different and the factors of the innovation environment, the input structure, the enterprise structure and the economic openness had made a great impact on the RSTIE in China’s western region. So, optimizing the innovation environment, improving the input structure and the enterprise structure and raising the economic openness are the important measures to raise the RSTIE in China’s western region.
Key words: China’s western region; science and technology innovation efficiency; grey target model; regression model; countermeasures and suggestions
一、引言
西部大开发13年来，在国家资金和政策的大力支持下，西部地区的基础设施和投资环境得到了明显改善，但由于过分依赖外援而导致其内生增长能力严重不足，与东部地区的绝对差距还在继续拉大。实践证明，仅依靠外生增长已不能满足西部地区经济发展的需要，必须通过提高科技创新能力，以科技创新推动西部地区经济发展方式转变，才能真正提高西部地区的经济发展能力、缩小与东部地区的经济发展差距。区域科技创新效率是区域科技创新能力的直接反映。因此，测算西部地区的科技创新效率，分析影响科技创新效率的因素，并对如何提高各地区的科技创新效率提出对策建议，这对于提高西部地区的科技创新能力，推动西部地区经济发展方式转变，促进西部地区走内生增长之路具有非常重要的理论意义和现实意义。
近年来我国许多学者对区域科技创新效率进行了研究。池仁勇、唐根年（2004）运用DEA方法，对浙江地区科技创新效率进行了评价[1]；张宗益、周勇等（2006）运用SFA方法对我国31个省级单位的技术创新效率进行了实证研究[2]；张海燕、陈士俊等（2007）运用聚类分析法和数据包络分析法对我国各省市区高校2002年～2005年期间的科技创新效率进行了比较研究[3]；刘凤朝、潘雄峰（2007）运用Malmquist指数法分析了我国科技创新效率的变动趋势，把科技创新效率的增长归因于技术进步和资源配置效率变化两个因素[4]；吴二娇、刘璟（2009）运用协整理论和Granger因果检验方法，对广东省科技创新效率与经济增长的关系进行了实证研究[5]；徐小钦、黄馨等（2009）运用DEA与Malmquist指数法，对重庆市的科技创新效率进行了评价[6]；于成学（2010）运用DEA方法对我国15个副省级城市的科技创新效率进行了实证研究[7]；童纪新、陈继兴等（2011）运用了灰色关联分析方法对江苏省的各城市区域创新效率进行了评价[8]；曹振全、汪良兵等（2012）从区域科技创新的过程出发，采用超效率DEA模型测度了我国29个省区的科技创新效率，并借助协调度模型和单因子回归模型分析了区域科技创新效率的影响因素[9]。
已有学者对区域科技创新效率的研究主要侧重于国家层面，即使有对地区层面的研究也主要集中在发达地区，对我国欠发达地区的科技创新效率研究甚少。对于一个国家来说，往往正是因为欠发达地区的科技创新效率低下制约了整个国家创新能力的提高，因此研究我国西部地区的科技创新效率对于我国整体创新能力的提高具有重要的促进作用。另外，已有学者对区域创新效率的研究主要采用了主成分分析法、聚类分析法、因果检验法、DEA法等，这些方法要求较长的时间序列数据和巨大的信息量才能得到较好的分析结果，但我国西部地区科技创新效率的数据收集很难满足要求。本文采用具有最少信息原理的灰靶模型对西部地区的科技创新效率进行分析，能够克服西部地区科技创新效率研究利用其它方法信息收集不足的困难，能够客观地反映西部省区的科技创新效率差异。在此基础上，本文运用回归分析方法研究影响西部地区科技创新效率的因素，发现制约西部地区科技创新效率的关键所在，并提出提高西部地区科技创新效率的对策建议。
二、基于灰靶模型的我国西部地区科技创新效率测算
（一）指标体系的构建
区域科技创新效率反映的是区域科技投入向科技产出转化的程度，区域科技创新效率较高的地区是科技投入较少而科技产出较高的地区。因此本文选取科技投入和科技产出两方面的指标进行评价。科技投入包括科技财力投入和科技人力投入，科技产出包括专利申请和授权量、技术市场成交金额、科技论文数、新产品产值、高技术产业产值等指标。具体指标体系见表1，其中I1、I2、I3是科技创新投入指标，根据灰靶模型，对它们的极性要求是极小，即对于相同的科技产出，科技投入越小的区域则科技创新效率越高；I4、I5、I6、I7、I8、I9、I10、I11、I12是科技创新产出指标，根据灰靶模型，对它们的极性要求是极大，即对于相同的科技投入，科技产出越大的区域则科技创新效率越高。
| 表1 区域科技创新效率决定因素指标体系 | |||
| 序号代码 | 决定因素指标 | 指标说明 | 极性 |
| I1 | 每万人口R&D人员（人年/万人) | 反映科技活动中投入研发的人力资源的相对数量。 | 极小 |
| I2 | 人均R&D经费（元/人） | 反映科技活动中研发费用的相对数量。 | 极小 |
| I3 | 人均地方财政科技拨款（元/人） | 反映地方支持科技活动的相对水平。 | 极小 |
| I4 | 每万人口专利申请受理数（件/万人) | 反映科技成果的相对数量。 | 极大 |
| I5 | 每万人口发明专利申请受理数（件/万人) | 反映具有原始创新能力的科技成果的相对数量。 | 极大 |
| I6 | 每万人口专利申请授权数（件/万人) | 反映允许转化为生产力的科技成果的相对数量。 | 极大 |
| I7 | 每万人口发明专利申请授权数（件/万人) | 反映允许转化为生产力的具有原始创新能力的科技成果的相对数量。 | 极大 |
| I8 | 每万人口技术市场成交合同数（项/万人） | 反映科技成果转化为生产力的相对数量。 | 极大 |
| I9 | 每万人口技术市场成交合同金额（元/人） | 反映科技成果转化为生产力的相对经济规模。 | 极大 |
| I10 | 人均新产品产值（元/人） | 反映科技创新的相对经济效应。 | 极大 |
| I11 | 每万人口科技论文数（篇/万人） | 反映科技人员理论创新的相对数量。 | 极大 |
|
下一篇：城镇化进程的中国式路径选择
| |||
