论文部分内容阅读
摘 要： 高校科技创新是科教兴国战略、人才强国战略、创新驱动发展战略的重要内容。本文运用面板回归分析方法，对2011年—2015年各区域高校科技创新效率的收敛性做出科学的评价，研究结果认为，我国各区域高校科技创新效率不存在收敛性，差异不断扩大。本研究无疑对进一步缩小各区域高校科技创新效率的差距，更好地促进科技创新事业发展有着重要的启示意义。
关键词： 高等学校 科技创新 创新效率 区域收敛性
一、引言
高等学校已成为各区域科技创新体系的主力军和中坚力量。《中国普通高校创新能力监测报告2016》显示，我国高校科技创新能力在不断提升。在科技成果方面，高校以全国9.4%的研发人员，7%的研发经费，发表了全国80%以上的SCI论文，牵头承担了80%以上的国家自然科学基金项目和国家重大研发计划；在成果奖励方面，普通高校是获得国家三大奖的重要机构。2016年在国家自然科学奖一等奖空缺的情况下，全国高校获得二等奖28项，占授奖项目总数42项的66.7%；获得国家技术发明奖通用项目二等奖38项，占通用项目授奖总数47项的80.9%，专用项目一等奖2项，占全国的2/3；获得国家科学技术进步奖通用项目106项，占通用项目授奖总数的80.3%，其中高校为第一完成单位的获奖项目64项，占通用项目授奖总数的48.5%；在产学研建设方面，1762所普通高校累计与企业共建博士后流动站2200余个，共建研发机构1万余个，与企业联合承担科研项目8.8万项，项目合同金额303.6亿元，来自校企合作项目的发明专利申请2.4万项，授权1.2万项；在其他方面，全国依托高校建设的110多个各类科技园区已经成为创新创业和创客空间的主要聚集区。
然而，中国是一个大国，各地区经济和文化发展极不平衡，高校科技创新效率呈现非均衡状态，最终可能导致区域间教育资源的“马太效应”凸显。事实上，高校科技创新投入及效率直接关系到人们对高校作为创新生力军价值的认同程度。那么，作为科技创新的重要载体，我国各区域高校的科技创新效率是否存在收敛性，提升路径和优化措施是否应该更具有针对性？为此，鉴于上述问题的反思，本文运用面板回归分析方法对2011年—2015年各区域高校科技创新效率的收敛性做出科学的评价，并提出有关政策建议，这无疑能为进一步缩小各区域高校科技创新效率的差距、优化科技创新成果提供一定的理论支持和决策参考。
二、实证研究及启示
1.实证研究
自2006年2月《国家中长期科学和技术发展规划纲要（2006年—2020年）》颁布实施以来，引发了国内学者对科技创新问题的关注。著名经济学家刘诗白先生（2006）指出，面对世界科技创新的大潮，需要加强体制构建，完善经济机制，实现我国科学技术快速进步。姚永玲（2009）采用协整检验，研究创新效率与经济增长的关系，认为二者之间具有长期的协整关系，并剖析目前我国科技政策存在的主要问题。近年来，随着高校在我国科技创新事业发展中的作用日益凸显，学者们着力研究高校科技创新效率问题。王树乔等人（2015）分析了我国高校科技创新效率的影响因素，认为信息化水平、政府行为及研发机构数对高校科技创新效率具有明显的推动作用，区域经济发展水平对高校科技创新效率的增长作用不显著，而研发项目数的增长对高校科技创新效率产生反作用。李文辉等人（2018）構建两阶段效率评价指标体系，评价“一带一路”沿线省份高校科技创新效率，研究发现：知识创新产出方面，陕西、甘肃、广西、上海、广东、福建和海南等7个省份高校在技术和规模上实现DEA有效。
为了进一步检验我国四大区域（东部、中部、西部和东北）2011年—2015年高校科技创新效率的差距缩小或扩大的趋势，本文引进被称为β收敛的概念。β收敛是比较传统的收敛性检验方法，主要是考察某些衡量区域高校科技创新效率差异的指标在不同时段的变化趋势，从而得到不同区域高校科技创新效率是否有收敛现象发生。β收敛系数，也就是对各区域高校科技创新效率的离散程度，是研究中较为常用的指标。如果随着时间推移，β值（即离差）变小了，就说明发生了β收敛，区域高校科技创新效率差异成缩小趋势；若随着时间的推移，β值变大了，则说明发生了β趋异，区域高校科技创新效率的差异呈现扩大趋势。
此外，面板数据的模型通常有两种：一种是仅对样本自身进行分析的，可以使用固定效应模型；另一种是通过样本来推断总体的变化趋势的，可以使用随机效应模型。二者的主要区别在于不随时间变化的非观测效应所对应的因素与模型中可观测到的解释变量是否相关。若非观测效应对应的因素与解释变量相关，则为固定效应模型；反之，则为随机效应模型。本文选取我国各区域2011—2015年样本数据进行研究，并且非观测效应对应的因素与解释变量相关，故宜选择固定效应模型。
根据检验需要，本文构建如下面板数据模型（见公式1）：
α=c βμ γ（1）
上式中，α为μ的标准差，μ为各区域高校科技创新效率（采用四大区域的2011—2015年CRS和VAR的平均值①），c为截距项，t为时间趋势项，γ为随机扰动项。其基本含义是：如果β小于零并统计显著，则表明区域高校科技创新效率的差异在逐年缩小，存在收敛；如果β大于零并统计显著，则表明区域高校科技创新效率的差异在逐年扩大，存在科技创新效率差异的水平发散；如果β等于零，则表明区域高校科技创新效率趋向同一个值。显然，在高等教育发展过程中，只可能出现前两种情况。
首先，利用eview6.0的软件，对四大区域的高校科技创新CRS效率进行收性检验，得出以下面板回归分析结果（见公式2）：
α=0.143264 0.015085μ（2）
R=0.8070304 D.W.=1.612332 F=8.030707
其次，对四大区域的高校科技创新VRS效率进行收性检验，得出以下面板回归分析结果（见公式3）： α=0.146250 0.007620μ（3）
R=0.800524 D.W.= 1.530540 F=8.009428
（1）从各区域CRS效率值面板数据回归结果看，各项的t统计量都显著通过检验，说明各参数的估计值都是显著的；从方程的总体拟合效果看，拟合优度为R2等于0.8070304，F统计量的值为8.030707，D.W值为1.612332，说明回归方程拟合得较好。从β系数值看，为0.015085大于零，说明了各区域高校科技创新CRS效率的差异在逐年扩大，不存在收敛性。
（2）从各区域VRS效率值面板数据回归结果看，各项的t统计量都显著通过检验，说明各参数的估计值都是显著的；从方程的总体拟和效果看，拟合优度为R2等于0.800524，F统计量的值为8.009428，D.W值为1.530540，说明回归方程拟合得较好。从β系数值看，为0.007620大于零，也说明了各区域高校科技创新VRS效率的差异在逐年扩大，不存在收敛性。
2.有关启示
根据上述实证研究结果可以看出，无论是各区域高等教育资源配置CRS效率的差异，还是各区域高等教育资源配置VRS效率的差异，都在不断扩大，说明各区域高校科技创新效率不存在收敛性。事实上，从2014年我国各区域高校科技产出情况看，各区域的科技成果差距也是明显的。在发表科技论文数方面，北京、江苏和上海位居前三位，而海南、青海和西藏是倒数后三位；专利申请数方面，江苏、浙江和北京位居前三位，而宁夏、青海和西藏是倒数后三位；有效发明专利数方面，北京、江苏和上海位居前三位，而宁夏、青海和西藏是倒数后三位；形成国家或行业标准数方面，江苏、北京、重庆位居前三位，而天津、吉林、上海、江西、贵州、云南、西藏、宁夏和新疆等地是0；专利所有权转让与许可数方面，江苏、北京、四川位居前三位，而内蒙古、海南、西藏、青海、宁夏等地是0；专利所有权转让与许可收入方面，北京、江苏和上海位居前三位，而内蒙古、海南、西藏、青海、宁夏等地是0。以上述分析可知，我国高校科技创新产出主要集中在东部发达省份，中部、西部和东北地区的高校科技创新产出相对较少。
因此，为了促进各区域高校科技创新事业的均衡发展，为各地区经济发展提供成果支持和智力支撑，可以从以下三个方面着手：一是加大欠发达地区高校科技创新投入力度，尤其是资金和人才的支持力度。二是加快低效率地区高校科技创新平台建设，科技部在重点实验室、研究中心可以适度倾斜。三是积极推动地方高校和教育部直属高校之间的大型科学仪器设备、基础性科技数据库和资源库的开放和共享。
注释：
①由于篇幅有限，这里不罗列各区域高校科技创新效率的CRS和VAR數值，如有需要的读者，请直接与作者联系。
参考文献：
[1]教育部.中国普通高校创新能力监测报告2016[M].北京：科学技术文献出版社，2016.
[2]刘诗白.推进我国科技进步体制和机制创新[J].经济学家，2006（1）.
[3]姚永玲.从创新效率与经济增长关系看科技政策[J].管理世界，2009（12）.
[4]王树乔，王惠，尹洁.基于空间异质性的我国高校科技创新效率研究[J].教育评论，2015（4）.
[5]李文辉.“一带一路”沿线省份高校科技创新效率研究[J].科技与经济，2018（1）.
[6]宋艳菊.中国区域经济增长差异的收敛性分析[D]，西安：西北大学，2006.
基金项目：本文是江西省“十三五”教育规划项目《我国高校科技创新效率的区域差异及其收敛性研究》（项目编号：17YB025）的阶段性成果。
关键词： 高等学校 科技创新 创新效率 区域收敛性
一、引言
高等学校已成为各区域科技创新体系的主力军和中坚力量。《中国普通高校创新能力监测报告2016》显示，我国高校科技创新能力在不断提升。在科技成果方面，高校以全国9.4%的研发人员，7%的研发经费，发表了全国80%以上的SCI论文，牵头承担了80%以上的国家自然科学基金项目和国家重大研发计划；在成果奖励方面，普通高校是获得国家三大奖的重要机构。2016年在国家自然科学奖一等奖空缺的情况下，全国高校获得二等奖28项，占授奖项目总数42项的66.7%；获得国家技术发明奖通用项目二等奖38项，占通用项目授奖总数47项的80.9%，专用项目一等奖2项，占全国的2/3；获得国家科学技术进步奖通用项目106项，占通用项目授奖总数的80.3%，其中高校为第一完成单位的获奖项目64项，占通用项目授奖总数的48.5%；在产学研建设方面，1762所普通高校累计与企业共建博士后流动站2200余个，共建研发机构1万余个，与企业联合承担科研项目8.8万项，项目合同金额303.6亿元，来自校企合作项目的发明专利申请2.4万项，授权1.2万项；在其他方面，全国依托高校建设的110多个各类科技园区已经成为创新创业和创客空间的主要聚集区。
然而，中国是一个大国，各地区经济和文化发展极不平衡，高校科技创新效率呈现非均衡状态，最终可能导致区域间教育资源的“马太效应”凸显。事实上，高校科技创新投入及效率直接关系到人们对高校作为创新生力军价值的认同程度。那么，作为科技创新的重要载体，我国各区域高校的科技创新效率是否存在收敛性，提升路径和优化措施是否应该更具有针对性？为此，鉴于上述问题的反思，本文运用面板回归分析方法对2011年—2015年各区域高校科技创新效率的收敛性做出科学的评价，并提出有关政策建议，这无疑能为进一步缩小各区域高校科技创新效率的差距、优化科技创新成果提供一定的理论支持和决策参考。
二、实证研究及启示
1.实证研究
自2006年2月《国家中长期科学和技术发展规划纲要（2006年—2020年）》颁布实施以来，引发了国内学者对科技创新问题的关注。著名经济学家刘诗白先生（2006）指出，面对世界科技创新的大潮，需要加强体制构建，完善经济机制，实现我国科学技术快速进步。姚永玲（2009）采用协整检验，研究创新效率与经济增长的关系，认为二者之间具有长期的协整关系，并剖析目前我国科技政策存在的主要问题。近年来，随着高校在我国科技创新事业发展中的作用日益凸显，学者们着力研究高校科技创新效率问题。王树乔等人（2015）分析了我国高校科技创新效率的影响因素，认为信息化水平、政府行为及研发机构数对高校科技创新效率具有明显的推动作用，区域经济发展水平对高校科技创新效率的增长作用不显著，而研发项目数的增长对高校科技创新效率产生反作用。李文辉等人（2018）構建两阶段效率评价指标体系，评价“一带一路”沿线省份高校科技创新效率，研究发现：知识创新产出方面，陕西、甘肃、广西、上海、广东、福建和海南等7个省份高校在技术和规模上实现DEA有效。
为了进一步检验我国四大区域（东部、中部、西部和东北）2011年—2015年高校科技创新效率的差距缩小或扩大的趋势，本文引进被称为β收敛的概念。β收敛是比较传统的收敛性检验方法，主要是考察某些衡量区域高校科技创新效率差异的指标在不同时段的变化趋势，从而得到不同区域高校科技创新效率是否有收敛现象发生。β收敛系数，也就是对各区域高校科技创新效率的离散程度，是研究中较为常用的指标。如果随着时间推移，β值（即离差）变小了，就说明发生了β收敛，区域高校科技创新效率差异成缩小趋势；若随着时间的推移，β值变大了，则说明发生了β趋异，区域高校科技创新效率的差异呈现扩大趋势。
此外，面板数据的模型通常有两种：一种是仅对样本自身进行分析的，可以使用固定效应模型；另一种是通过样本来推断总体的变化趋势的，可以使用随机效应模型。二者的主要区别在于不随时间变化的非观测效应所对应的因素与模型中可观测到的解释变量是否相关。若非观测效应对应的因素与解释变量相关，则为固定效应模型；反之，则为随机效应模型。本文选取我国各区域2011—2015年样本数据进行研究，并且非观测效应对应的因素与解释变量相关，故宜选择固定效应模型。
根据检验需要，本文构建如下面板数据模型（见公式1）：
α=c βμ γ（1）
上式中，α为μ的标准差，μ为各区域高校科技创新效率（采用四大区域的2011—2015年CRS和VAR的平均值①），c为截距项，t为时间趋势项，γ为随机扰动项。其基本含义是：如果β小于零并统计显著，则表明区域高校科技创新效率的差异在逐年缩小，存在收敛；如果β大于零并统计显著，则表明区域高校科技创新效率的差异在逐年扩大，存在科技创新效率差异的水平发散；如果β等于零，则表明区域高校科技创新效率趋向同一个值。显然，在高等教育发展过程中，只可能出现前两种情况。
首先，利用eview6.0的软件，对四大区域的高校科技创新CRS效率进行收性检验，得出以下面板回归分析结果（见公式2）：
α=0.143264 0.015085μ（2）
R=0.8070304 D.W.=1.612332 F=8.030707
其次，对四大区域的高校科技创新VRS效率进行收性检验，得出以下面板回归分析结果（见公式3）： α=0.146250 0.007620μ（3）
R=0.800524 D.W.= 1.530540 F=8.009428
（1）从各区域CRS效率值面板数据回归结果看，各项的t统计量都显著通过检验，说明各参数的估计值都是显著的；从方程的总体拟合效果看，拟合优度为R2等于0.8070304，F统计量的值为8.030707，D.W值为1.612332，说明回归方程拟合得较好。从β系数值看，为0.015085大于零，说明了各区域高校科技创新CRS效率的差异在逐年扩大，不存在收敛性。
（2）从各区域VRS效率值面板数据回归结果看，各项的t统计量都显著通过检验，说明各参数的估计值都是显著的；从方程的总体拟和效果看，拟合优度为R2等于0.800524，F统计量的值为8.009428，D.W值为1.530540，说明回归方程拟合得较好。从β系数值看，为0.007620大于零，也说明了各区域高校科技创新VRS效率的差异在逐年扩大，不存在收敛性。
2.有关启示
根据上述实证研究结果可以看出，无论是各区域高等教育资源配置CRS效率的差异，还是各区域高等教育资源配置VRS效率的差异，都在不断扩大，说明各区域高校科技创新效率不存在收敛性。事实上，从2014年我国各区域高校科技产出情况看，各区域的科技成果差距也是明显的。在发表科技论文数方面，北京、江苏和上海位居前三位，而海南、青海和西藏是倒数后三位；专利申请数方面，江苏、浙江和北京位居前三位，而宁夏、青海和西藏是倒数后三位；有效发明专利数方面，北京、江苏和上海位居前三位，而宁夏、青海和西藏是倒数后三位；形成国家或行业标准数方面，江苏、北京、重庆位居前三位，而天津、吉林、上海、江西、贵州、云南、西藏、宁夏和新疆等地是0；专利所有权转让与许可数方面，江苏、北京、四川位居前三位，而内蒙古、海南、西藏、青海、宁夏等地是0；专利所有权转让与许可收入方面，北京、江苏和上海位居前三位，而内蒙古、海南、西藏、青海、宁夏等地是0。以上述分析可知，我国高校科技创新产出主要集中在东部发达省份，中部、西部和东北地区的高校科技创新产出相对较少。
因此，为了促进各区域高校科技创新事业的均衡发展，为各地区经济发展提供成果支持和智力支撑，可以从以下三个方面着手：一是加大欠发达地区高校科技创新投入力度，尤其是资金和人才的支持力度。二是加快低效率地区高校科技创新平台建设，科技部在重点实验室、研究中心可以适度倾斜。三是积极推动地方高校和教育部直属高校之间的大型科学仪器设备、基础性科技数据库和资源库的开放和共享。
注释：
①由于篇幅有限，这里不罗列各区域高校科技创新效率的CRS和VAR數值，如有需要的读者，请直接与作者联系。
参考文献：
[1]教育部.中国普通高校创新能力监测报告2016[M].北京：科学技术文献出版社，2016.
[2]刘诗白.推进我国科技进步体制和机制创新[J].经济学家，2006（1）.
[3]姚永玲.从创新效率与经济增长关系看科技政策[J].管理世界，2009（12）.
[4]王树乔，王惠，尹洁.基于空间异质性的我国高校科技创新效率研究[J].教育评论，2015（4）.
[5]李文辉.“一带一路”沿线省份高校科技创新效率研究[J].科技与经济，2018（1）.
[6]宋艳菊.中国区域经济增长差异的收敛性分析[D]，西安：西北大学，2006.
基金项目：本文是江西省“十三五”教育规划项目《我国高校科技创新效率的区域差异及其收敛性研究》（项目编号：17YB025）的阶段性成果。