留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

区域科技创新资源配置效率测度——以珠三角为例

罗珊 孙熹寰

罗珊, 孙熹寰. 区域科技创新资源配置效率测度——以珠三角为例[J]. 华南师范大学学报(自然科学版), 2021, 53(4): 76-83. doi: 10.6054/j.jscnun.2021061
引用本文: 罗珊, 孙熹寰. 区域科技创新资源配置效率测度——以珠三角为例[J]. 华南师范大学学报(自然科学版), 2021, 53(4): 76-83. doi: 10.6054/j.jscnun.2021061
LUO Shan, SUN Xihuan. Measuring the Efficiency of Regional Scientific and Technological Innovation Resources Allocation: A Case Study of the Pearl River Delta[J]. Journal of South China normal University (Natural Science Edition), 2021, 53(4): 76-83. doi: 10.6054/j.jscnun.2021061
Citation: LUO Shan, SUN Xihuan. Measuring the Efficiency of Regional Scientific and Technological Innovation Resources Allocation: A Case Study of the Pearl River Delta[J]. Journal of South China normal University (Natural Science Edition), 2021, 53(4): 76-83. doi: 10.6054/j.jscnun.2021061

区域科技创新资源配置效率测度——以珠三角为例

doi: 10.6054/j.jscnun.2021061
基金项目: 

广东省科技厅软科学重大课题 2017B070704004

详细信息
    通讯作者:

    罗珊,Email: scnuluoshan@126.com

  • 中图分类号: F129.9; F207

Measuring the Efficiency of Regional Scientific and Technological Innovation Resources Allocation: A Case Study of the Pearl River Delta

  • 摘要: 为提高珠三角科技创新资源配置效率,推动粤港澳大湾区创新协同发展,采用非期望产出的超效率SBM模型,对珠三角9市2014—2018年的科技创新资源配置效率进行测度,运用Malmquist指数进一步评估效率的动态变化,并就资源整合提出建议. 结果表明:(1)科技创新资源主要集中在广州、深圳、佛山等经济发展水平较高的城市;(2)工业污染对科技创新资源配置效率的提高具有一定的抑制作用;(3)珠三角科技创新资源配置效率总体较高, 其中深圳市领跑,江门、肇庆市居后;(4)由Malmquist指数分解来看,技术进步是决定科技创新资源配置效率差异的重要因素.
  • 图  1  超效率SBM模型测算结果

    Figure  1.  The results of calculation with the super-SBM model

    表  1  科技创新资源配置效率测度指标体系

    Table  1.   The performance index system of science and technology innovation resources allocation

    指标类型 指标说明 具体指标
    投入指标 科技人力资源 R&D活动人员(X1/人)
    科技物力资源 省级工程技术开发中心(X2/个)
    科技财力资源 R&D经费内部支出(X3/亿元)
    科技信息资源 公共图书馆藏量(X4/万册)
    产出指标 经济产出 高新技术产品产值(Y1/亿元)
    非经济产出 专利申请量(Y2/件)
    非期望产出 工业废水排放量(B1/亿t)
    工业废气排放总量(B2/亿m3)
    工业固体废物产生量(B3/万t)
    下载: 导出CSV

    表  2  珠三角的科技创新资源配置综合效率值(2014—2018年)

    Table  2.   The efficiency of science and technology innovation resources allocation in the Pearl River Delta from 2014 to 2018

    城市 不考虑非期望产出 考虑非期望产出 均值
    2014 2015 2016 2017 2018 2014 2015 2016 2017 2018
    广州市 0.468 0.514 1.045 1.044 1.111 0.447 1.000 1.040 1.045 1.079 0.922
    深圳市 1.606 2.021 1.604 1.413 1.513 1.416 1.469 1.447 1.487 1.515 1.467
    珠海市 0.515 0.506 1.008 1.038 1.112 0.434 0.393 1.006 1.028 1.067 0.786
    佛山市 0.534 1.014 0.724 1.016 1.005 1.056 1.098 1.041 1.110 1.180 1.097
    惠州市 1.530 1.415 1.412 1.271 1.119 1.234 1.213 1.160 1.127 1.049 1.157
    东莞市 0.551 0.658 1.026 1.174 1.371 0.446 0.567 1.011 1.090 1.178 0.858
    中山市 1.140 1.120 1.130 1.202 1.087 1.131 1.103 1.069 1.102 1.083 1.097
    江门市 0.378 0.385 0.435 0.650 0.483 0.314 0.295 0.377 0.524 0.378 0.377
    肇庆市 1.002 1.021 0.337 0.413 0.401 1.002 1.016 0.322 0.341 0.278 0.592
    均值 0.858 0.962 0.969 1.024 1.022 0.831 0.906 0.941 0.984 0.978
    下载: 导出CSV

    表  3  珠三角科技创新资源配置效率变动情况(2014—2018年)

    Table  3.   The changes in the efficiency of science and technology innovation resources allocation in the Pearl River Delta from 2014 to 2018

    年份 技术效率变动指数 技术进步变动指数 纯技术效率变动指数 规模效率变动指数 全要素生产率
    2014—2015 1.009 1.046 0.976 1.034 1.055
    2015—2016 1.066 1.065 1.038 1.026 1.134
    2016—2017 1.000 1.008 1.017 0.984 1.008
    2017—2018 0.936 0.959 0.976 0.960 0.898
    均值 1.002 1.018 1.001 1.001 1.020
    下载: 导出CSV

    表  4  珠三角9市科技创新资源配置的Malmquist指数及其分解(2014—2018年)

    Table  4.   The Malmquist index and decomposition of the science and technology innovation resources allocation of 9 cities in the Pearl River Delta from 2014 to 2018

    地级市 技术效率变动指数 技术进步变动指数 纯技术效率变动指数 规模效率变动指数 全要素生产率
    广州市 1.076 1.150 1.000 1.076 1.238
    深圳市 1.000 0.941 1.000 1.000 0.941
    珠海市 1.038 1.044 1.038 1.000 1.084
    佛山市 1.011 0.955 1.000 1.011 0.966
    惠州市 1.000 0.885 1.000 1.000 0.885
    东莞市 1.054 1.048 1.000 1.054 1.104
    中山市 1.000 1.028 1.000 1.000 1.028
    江门市 0.987 1.121 0.974 1.014 1.107
    肇庆市 0.864 1.022 1.000 0.864 0.883
    均值 1.002 1.018 1.001 1.001 1.020
    下载: 导出CSV

    表  5  非DEA有效地区投入、产出指标的松弛变量测算值(2014—2018年)

    Table  5.   The measurement of slack variables of input and output in non-DEA efficiency areas from 2014 to 2018

    城市 年份 R&D活动人员/人 R&D经费内部支出/亿元 省级工程技术开发中心/个 公共图书馆藏量/万册 专利申请量/件 高新技术产品产值/亿元 工业废水排放量/亿t 工业废气排放总量/亿m3 工业固体废物产生量/万t
    广州市 2014 23 483.600 42.328 141.368 1 801.959 0.000 328.844 0.182 0.000 265.227
    2015 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2017 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2018 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    珠海市 2014 5 083.901 4.767 46.595 140.365 1 548.841 0.000 0.002 770.614 230.554
    2015 6 879.760 7.106 48.889 245.082 999.661 0.000 0.095 1 492.404 249.696
    2016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2017 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2018 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    东莞市 2014 24 333.000 18.041 15.604 835.599 0.000 709.577 1.524 687.482 403.649
    2015 21 667.320 11.574 0.000 654.473 0.000 1 071.859 0.554 458.316 359.489
    2016 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2017 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2018 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    江门市 2014 7 447.367 7.960 36.073 154.096 0.000 568.372 1.339 752.758 208.312
    2015 10 297.950 13.703 40.950 127.493 0.000 286.407 0.595 744.257 195.102
    2016 5 111.864 8.179 62.766 167.575 0.000 802.813 0.593 393.354 164.302
    2017 2 406.796 8.551 75.643 68.554 0.000 0.000 0.537 769.591 122.147
    2018 7 913.628 15.597 174.385 228.643 0.000 303.510 0.597 1 150.432 151.470
    肇庆市 2014 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2015 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000
    2016 4 049.134 0.929 40.710 153.336 4 419.792 0.000 0.516 1 032.580 166.756
    2017 3 235.715 4.264 51.414 164.955 2 386.096 0.000 0.485 1 206.238 172.720
    2018 5 610.490 10.268 90.534 163.840 0.000 31.936 0.453 1 684.637 142.491
    下载: 导出CSV
  • [1] 罗珊, 安宁. "泛珠三角"区域科技资源配置的现状、问题及对策[J]. 科研管理, 2007, 28(1): 181-187;64. https://www.cnki.com.cn/Article/CJFDTOTAL-KYGL200701029.htm

    LUO S, AN L. Current status of configuration of scientific and technological resource in pan-pearl river delta and the countermeasure[J]. Science Research Management, 2007, 28(1): 181-187;64. https://www.cnki.com.cn/Article/CJFDTOTAL-KYGL200701029.htm
    [2] VARES H, PARVANDI Y, GHASEMI R, et al. Transition from an efficiency-driven economy to innovation-driven: a secondary analysis of countries global competitiveness[J]. European Journal of Economics Finance & Administrative Sciences, 2011(31): 123-130. http://www.researchgate.net/publication/289662814_Transition_from_an_efficiency-driven_economy_to_innovation-driven_A_secondary_analysis_of_countries_global_competitiveness
    [3] BLAZEK J, ZIZALOVA P, RUMPEL P, et al. Emerging regional innovation strategies in Central Europe: institutions and regional leadership in generating strategic outcomes[J]. European Urban & Regional Studies, 2013, 20(2): 275-294. http://www.ingentaconnect.com/content/sageus/09697764/2013/00000020/00000002/art00008
    [4] CASPER S. The spill-over theory reversed: the impact of regional economies on the commercialization of university science[J]. Research Policy, 2013, 42(8): 1313-1324. doi: 10.1016/j.respol.2013.04.005
    [5] TAVASSOLI S, CARBONARA N. The role of knowledge variety and intensity for regional innovation[J]. Small Business Economics, 2014, 43(2): 493-509. doi: 10.1007/s11187-014-9547-7
    [6] FURMAN J L, HAYES R. Catching up or standing still?National innovative productivity among 'follower' countries, 1978-1999[J]. Research Policy, 2004, 33(9): 1329-1354. doi: 10.1016/j.respol.2004.09.006
    [7] 陈春晖, 曾德明. 我国自主创新投入产出实证研究[J]. 研究与发展管理, 2009, 21(1): 18-23. https://www.cnki.com.cn/Article/CJFDTOTAL-YJYF200901005.htm

    CHEN C H, ZENG D M. Empirical research on input and output of independent innovation in China[J]. R&D Mana-gement, 2009, 21(1): 18-23. https://www.cnki.com.cn/Article/CJFDTOTAL-YJYF200901005.htm
    [8] 洪银兴. 论创新驱动经济发展战略[J]. 经济学家, 2013(1): 5-11. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201301003.htm

    HONG Y X. On the innovation-driven economic development[J]. Economist, 2013(1): 5-11. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXJ201301003.htm
    [9] 王萌萌, 马超群, 姚铮. 创新资源集聚水平对高技术产业创新绩效影响的实证研究[J]. 科技管理研究, 2015, 35(9): 13-19;26. https://www.cnki.com.cn/Article/CJFDTOTAL-KJGL201509003.htm

    WANG M M, MA C Q, YAO Z. The effect of innovative resource gathering level on high - tech industry innovation performance[J]. Science and Technology Management Research, 2015, 35(9): 13-19;26. https://www.cnki.com.cn/Article/CJFDTOTAL-KJGL201509003.htm
    [10] SLEUWAEGEN L, BOIARDI P. Creativity and regional innovation: evidence from EU regions[J]. Research Policy, 2014, 43(9): 1508-1522. doi: 10.1016/j.respol.2014.03.014
    [11] CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444. doi: 10.1016/0377-2217(78)90138-8
    [12] ANDERSON D. Energy efficiency and the economists: the case for a policy based on economic principles[J]. Annual Review of Energy & the Environment, 1995, 20(1): 495-511. doi: 10.1146/annurev.eg.20.110195.002431
    [13] ABREU M, GRINEVICH V, KITSON M, et al. Policies to enhance the 'hidden innovation' in services: evidence and lessons from the UK[J]. Service Industries Journal, 2010, 30(1/2): 99-118. doi: 10.1080/02642060802236160
    [14] TONE K. A slack-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Ope-rational Research, 2002, 143(3): 32-41.
    [15] 范斐, 张建清, 杨刚强, 等. 环境约束下区域科技资源配置效率的空间溢出效应研究[J]. 中国软科学, 2016(4): 71-80. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRK201604007.htm

    FAN F, ZHANG J Q, YANG G Q, et al. Research on spatial spillover effect of regional science and technology resource allocation efficiency under the environmental constraints[J]. China Soft Science, 2016(4): 71-80. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRK201604007.htm
    [16] FARE R, GROSSKOPF S, ZHANG N Z. Productivity growth, technical progress, and efficiency change in industrialized countries[J]. American Economic Review, 1994, 84(1): 66-83. http://econpapers.repec.org/article/aeaaecrev/v_3a87_3ay_3a1997_3ai_3a5_3ap_3a1033-39.htm
  • 加载中
图(1) / 表(5)
计量
  • 文章访问数:  48
  • HTML全文浏览量:  17
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-11
  • 网络出版日期:  2021-09-03
  • 刊出日期:  2021-08-25

目录

    /

    返回文章
    返回