国家知识资本区域配置水平、效率与均等化指数测量

摘要：效率与公平一直是国家资源配置的基本原则，而知识资本配置的效率和公平关系到区域统筹与协调发展。在系统分析国家知识资本区域配置水平、效率、均等化及其相互关系的基础上，构建综合测量模型，并通过2010-2014年中国大陆30个省市的面板数据进行实证分析。研究发现：各省市知识资本配置水平相对较低但平稳增长，在空间布局上与经济发展水平大致趋同；区域知识资本配置效率具有较高水平，但在空间布局上与配置水平差异显著；知识资本浪费情况普遍严重，不利于区域间协调发展，部分欠发达省市可能会陷入“贫困陷阱”；区域知识资本配置均等化指数偏低，知识资本的空间配置表现不均衡。最后，基于研究结论，提出了优化国家知识资本区域配置的建议。

关键词：国家知识资本；区域配置；配置水平；效率；均等化指数

0 引言

在科学技术迅速发展的今天，知识与劳动力、资金、土地等生产要素共同成为不可或缺的重要投入性资源。因此，知识具备了资本的特征，成就了知识资本的内涵。在创新型国家建设战略目标下，科学合理与高效公平地配置知识资本，提高其利用效率和投资回报率，是我国知识经济可持续均衡发展并具备整体竞争力的保障。统筹协调我国各区域之间的知识资本配置与流转利用，对于我国东西部地区经济均衡发展与社会稳定具有重要作用。

目前积累了大量关于科技资源配置的研究成果，通过对国内文献资料进行检索与回顾发现：①区域间科技资源、知识资本配置相关研究具有现实背景与知识基础，近10年来我国学者在这方面有较多关注与积累；②虽然科技资源配置研究已取得较多成果，但在知识资源与知识资本配置方面还需结合更科学合理的评价指标体系和模型；③以实证分析方法为指引，学者们在配置水平评价、效率评价与公平(均等化)评价等方面均有所思考，但目前尚未建立起统一、连贯的评价模型对其进行系统测量。因此，从管理决策和政策建议体系化视角，构建配置水平、效率与均等化指数综合测量模型，能为政策制定者提供多维、立体的数据资料，从而更好地作出判断与决策，具有重要意义。

本文在分析国家知识资本区域配置内涵与功能的基础上，系统考量了区域知识资本配置水平、效率与均等化指数，构建评价指标体系与测量模型，并以2010-2014年中国大陆(除西藏外)30个省市为样本数据来源进行实证分析，以期为我国各区域的知识资本高效、均衡配置提供决策依据。

1 理论分析

关于知识资本的内涵，目前尚未形成统一意见：经济学视角下，知识资本是指在知识环境因素下作为投入要素重新参与知识创新与利用，满足社会与个人知识需求的知识资产；管理学视角下，知识资本是一种将投入到生产经营过程中的人力、物力、财力等要素进行配置、整合与协同利用的能力，是一种将传统经济模式改造为高效知识经济的工具；评价学视角下，狭义的知识资本是指由员工、专利、数据库等载体资源反映出的个人知识与组织知识资源的总和，通常采用多指标综合评价方法测量。广义的知识资本是指在组织绩效实现过程中，传统生产要素无法解释的所有价值资源，通常采用以财务数据和市场交易数据为基础的市场价值间接反映。目前，已经形成了知识资本的单要素[1]、双要素[2]、三要素[3]、四要素[4]和五要素[5]等理论，而将知识资本分为人力资本、创新资本、市场资本、结构资本等4种要素的观点被广泛接受。

1.2 国家知识资本

2010年，在北京科学技术研究院和北京科学研究中心召开的首届世界城市全球论坛上，世界新经济研究院院长陈瑜明确指出，随着国民经济知识化程度提高，知识和知识成果对国民经济发展的作用日益凸显，国家与地区要高度重视知识和知识创新的作用[6]。由此，国家层面的竞争进入到知识资本与能力竞争范畴，这为国家知识资本的内涵界定与测量赋予了深层次的时代价值。

国家知识资本是一个宏观概念。Robert Huggins Associates[7]将国家知识竞争力定义为，创造新的想法、思想、程序和产品，并将其转化为具有经济价值的财富的能力，包括提出新创意的能力与开发知识资源经济价值的能力。喻登科等[8]将国民知识财富定义为，一国在一定时期内以资产或资本形式表现的能为国家当前或未来带来实际经济收入的知识存量与结构的总和。在具体构成上，Bontis[9]基于Skandia 导航者模型，将国家知识资本分为流程资本、顾客资本、更新与发展资本、人力资本；侯经川等[10]将国家知识资本分为知识经济产出、人力资本、创新资本、知识产权和知识基础设施等要素；喻登科等[11]将国家知识资本分为知识基础设施、人力资本、创新资本、金融资本和知识经济效益等5个组成部分。本文将国家知识资本定义为：在知识经济时代背景下，一国为赢得国际竞争优势而投入到知识成果创造与知识产品经营中的知识资源总和，包括人力资本、结构资本、创新资本、市场资本等4种核心要素。

1.3 国家知识资本区域配置

配置取配备布置之义，包括两个层面的内涵：①配备，即给予主体需求的资源；②布置，即从全局视角对不同主体的资源拥有量与结构进行协调，以提高资源协同使用效率。科技资源配置是指科技资源在全部科技活动中的不同主体、学科领域、时空维度的分配与组合。区域层面的科技资源优化配置一直是区域经济学的研究重点，而科技资源优化配置问题的讨论一直围绕着两个核心维度进行：效率与公平。如何在保证科技资源使用效率的基础上，兼顾区域间的资源分配公平，是空间经济学中知识溢出问题研究者的主题。

国家知识资本的区域配置，动态层面是指整个国家拥有的各种知识资本要素在区域间的创新、吸收、存储、流转、利用等活动过程；静态层面可以理解为各区域拥有的知识资本在数量与结构上的相对变化程度。在我国学者的通常理解中，“配置”是一个带有行政指令色彩的名词。在知识资本区域配置实践中，中央政府的干预、地方政府的经营行为也确实起到了宏观调节作用[12]。因此，国家知识资本的区域配置可理解为中央与地方两级政府在市场自由竞争的基础上，对知识资本流转的一种宏观调控。

1.4 水平、效率与均等化

国家知识资本的区域配置水平，从国家层面看，是指中央政府对各区域拥有和能够支配使用的知识资源配备与布局能力；从区域立场出发，是指各区域在某一时间节点所拥有和能够支配使用的知识资本存量。区域知识资本配置水平是对知识资本存量的一种静态反映，是区域对知识资源要素的投入能力。国家知识资本的区域配置效率是指各区域通过知识资本要素投入带来知识经济产出的能力。效率测度的不仅是知识资本本身，还包括知识资本投入结果。知识资本配置的均等化是指在不同地区、不同行业、不同群体中配置“均等”的知识资本资源，使每个公民都享有使用知识资源的权利，保障机会公平。区域层面的国家知识资本配置均等化是指在满足各地区知识资本需求、获得知识资本供求均衡效率的基础上，为保证各地区人民平等地享有知识资本的机会与权力，对我国各地区知识资本进行均衡分配。

水平、效率与均等化是考察国家知识资本区域配置的3个维度，它们之间存在着系统关联：①效率是基于水平的考量，水平测量重点考察各区域知识资本存量，而效率测量是在存量基础上进一步考察自我增长实现能力与利用产出能力的设计；②均等化是在效率基础上反过来对存量水平及其结构的观察，如果区域知识资本配置效率低下、分布不均等，就意味着区域知识资本配置水平出现了问题，有待优化。根据庇古[13]的观点，均等化不是一味追求数量上的绝对相等，而是在考虑效率损失与资源约束的前提下，实现的边际效应相等原则下均等。在这种均等化处理下，知识资本配置符合“帕累托最优”原则。

2 模型与方法

2.1 综合模型构建思路与步骤

根据上述对水平、效率与均等化三者间关系的陈述，本文拟通过以下3个步骤构建国家知识资本区域配置水平、效率与均等化指数的综合评价模型。

(1)从国家知识资本的内涵与构成出发，构建区域知识资本配置水平评价指标体系，选择科学合理的评价方法对区域知识资本配置水平进行测量。

(2)从系统论视角出发，发现和采选知识资本为区域带来产出的标识性指标，将其视为输出，将知识资本配置水平视为输入，构建区域知识资本配置效率评价模型。

(3)在考虑知识资本配置效率的基础上，测算各区域对知识资本的有效利用或浪费等情况，并以此构建区域知识资本配置均等化指数测量模型。

2.2 区域配置水平评价模型

为了保证评价结果的客观性，选用熵权法对区域知识资本配置水平评价指标进行赋权。各区域知识资本配置的高效与公平是相对的，因而对其进行考察的重点在于给出各区域知识资本存量的相对位势。TOPSIS作为一种基于双重基准的相对距离测量方法，在区域知识资本配置水平测量时具有3个方面的优势：①采用相对距离进行测量，能够避免因评价标准选择不当而造成测量结果受到质疑的困扰；②采用虚拟的正理想与负理想双重基准，比单基准相对评价方法(如灰色关联分析等)更为科学；③区域知识资本配置水平测量具有评价对象多、指标多的特点，TOPSIS的矩阵算法在处理类似问题时更具优势。因此，本文建立熵权&TOPSIS模型，用以测量区域知识资本配置水平，主要步骤如下：

(1)指标数据无量纲化处理。为降低极值影响，选用极值处理法进行无量纲化处理[14]。

式(1)中，xij和

分别为原始数据和无量纲化处理后数据。xij为第i个对象第j个指标的数据；Max和Min分别表示取最大值和最小值。

(2)熵权计算。熵权法是一种通过对象在指标上的差异程度确定指标权重的方法，具有指标赋权客观且评价结果分辨能力较好的优点[15]。

式(2)中，wj表示第j项指标的权重

(3)运用TOPSIS方法计算相对接近度，对区域知识资本配置水平进行测量[16]。

式(3)中，Ci为第i个对象的相对接近度，即区域i知识资本配置水平的评价结果；

和

分别为正理想方案和负理想方案，用加权规范矩阵V=[vij]中对应指标的最大值和最小值表征。

2.3 区域配置效率评价模型

当前，效率评价最常用的方法是数据包络分析(DEA)方法。本文为了从技术和规模两个方面考察各区域知识资本利用情况，选用最为经典的产出导向CCR模型进行区域知识资本配置效率评价。将区域知识资本配置水平测量结果Ci视为输入，在系统理论分析与文献证据的基础上找到具有表征意义的输出指标Yij(j=1,2,…,s，s为输出指标的数量)，构建DEA模型如下：

S.t.

≤1 i=1,2，…，3

式(5)中，h为对应区域的知识资本配置效率值；v和u分别为对应指标的权重[17]。

2.4 区域配置均等化指数测量模型

在CCR模型的效率评价基础上，可从两个方面测量知识资本浪费(用符号R表征)情况：①技术无效带来的知识资本浪费；②规模无效带来的知识资本投入冗余[18]。显然有：

式(6)中

为第i个区域知识资本投入的剩余变量。

参考“收入均等化”理论及其测量方法，将洛伦兹曲线和基尼系数引入区域知识资本配置均等化指数测量模型[19]。此时，区域知识资本配置均等化可重新定义为对知识资本浪费量的分布性测量。各区域知识资本浪费量差异越大，非均等化程度越明显；知识资本浪费量越趋于一致，均等化水平越高。由此，区域知识资本配置均等化指数的测量步骤可设计如下：

(1)对各区域的知识资本浪费量R进行升序排列后计算累计值，进而计算累计值占全国知识资本总浪费量的比率。

(2)参考洛伦兹曲线的绘制方法，绘制区域知识资本浪费量的洛伦兹曲线。

(3)参考基尼系数的计算方法，测算中国知识资本区域配置的均等化指数F。

式(7)中，B为洛伦兹曲线中知识资本浪费量累计比率曲线以下的面积；A为知识资本浪费量累计比率曲线与平等浪费量累计比率曲线之间的面积。与基尼系数不同，此处均等化指数F越大，表示分配越均等。

参考基尼系数0.4的红线标准，本文认为只有当均等化指数F超过0.6时，国家知识资本区域配置才达到相对满意的均等化水平。

3 指标体系与数据来源

3.1 区域知识资本配置水平评价指标体系

国内外较多机构和学者都开展过关于国家或城市知识资本(或知识竞争力)的研究[20-21]。本文在国家知识资本“四要素”论的基础上，参考前人提出的评价指标，结合《中国统计年鉴》、《中国科技统计年鉴》的统计指标与口径，建立区域知识资本配置水平的评价指标体系如表1所示。

3.2 区域知识资本配置效率评价指标体系

国内外学者从不同视角论证了知识资本投资对国家或区域的影响，主要贡献包括：①知识资本作为科技创新的核心要素，以知识增长和创新的方式促进科技进步[22]；②通过科技经济系统的传导机制，在促进科技进步的基础上进一步推动经济增长[23]；③知识资本积累本身是一个持续循环的过程，在知识积累与传承的同时，教育水平也不断提高[24]；④依靠科技进步和经济增长，人民的物质生活和精神生活持续得到改善和富足[25-26]。本文从科技进步、经济增长、教育发展和生活改善等4个维度提出知识资本投入的产出指标。同时，考虑到效率评价的DEA模型不适合对大规模指标体系进行测评，因而从各维度选出一个最具标识性的指标进行代表性测量。模型中，输入指标为前一阶段区域知识资本配置水平的评价结果。区域知识资本配置效率的评价指标体系如表2所示。

为了更好地观察时间序列上各区域知识资本配置水平、效率与均等化指数的演变情况，以实现它们在时间、空间两个维度上的综合比较，本文拟以2010-2014年中国大陆30省市(由于西藏在很多指标上数据不全，故西藏不纳入评价对象范围)为样本，获取面板数据，进行实证评价。本文数据主要来源于2011-2015年《中国统计年鉴》和《中国科技统计年鉴》，对于货币形式表示的指标数据，统一采用2010年基期价格指数进行调整。限于篇幅，原始数据和无量纲化预处理数据省略。

4 实证分析

4.1 区域知识资本配置水平评价

为了使得跨期的区域知识资本配置水平具有可比性，在数据无量纲化处理与熵权计算时，对5年期间的指标数据进行统一处理。在无量纲化处理数据的基础上，运用熵权法计算得到区域知识资本配置水平评价指标体系中的各二级指标权重，结果如表3所示。

根据式(3)和式(4)，利用TOPSIS方法进行2010-2014年中国大陆30个省市(西藏因数据缺失未纳入统计范畴)的知识资本配置水平评价，结果如表4所示。

从表中各区域知识资本配置水平的评价结果中可以得出以下4点结论：

(1)总体而言，区域知识资本配置水平相对较低，各区域均具有较大提升空间。从空间布局上看，区域知识资本配置水平与区域经济发展水平呈现出类似的分布趋势：经济发达的东部地区，如江苏、广东、北京、山东、浙江、上海等省市知识资本配置水平相对较高；西部欠发达地区，如青海、宁夏、甘肃、新疆、云南等省份的知识资本配置水平相对较低。该趋势一方面表明，区域知识资本配置水平确实会影响该区域经济发展；另一方面，反过来说明本文构建的区域知识资本配置水平评价指标体系与模型具有科学性，评价结果具有较高的可信度。

(2)2010-2014的5年间，各区域知识资本配置水平及其排名基本变化不大，很少有区域能够大幅度进位赶超，也很少有区域会突然被其它省市拉大差距。这说明区域知识资本配置与发展水平具有稳定性与历史依赖性。可以预期的是，在这种发展规律下，未来我国各省市在科技、经济与社会等各方面的发展格局不会发生太大变化。

(3)从2010-2014年中国大陆30个省市知识资本配置水平的平均值看，从2010年的0.188增长到2014年的0.197，虽然增幅不大，但呈现出较为显著的持续增长趋势，表明我国在创新型国家战略的引导下，各区域技术创新能力正在提升，知识资本在不断地更新与积累，而这种积累将在经济发展中体现出来，成为我国各区域经济可持续发展的动力。另外，在这种知识资本持续增长的态势下，我国在未来将迎来新的以知识资本为驱动力的经济增长点，并爆发出新一轮的快速经济增长。

(4)虽然大部分省市在区域知识资本配置水平及排序上保持稳定，但还是能发现：部分省市在配置水平与排位上有明显进步，如广西、四川、贵州、陕西等；而另外一些省市无论是配置水平还是排位上均有明显落后，如内蒙古、吉林、福建等。这表明，全国各区域之间还是存在着知识资本创新与积累的竞争关系，在知识资本配置及其引发的经济增长上，“逆水行舟、不进则退”的规律依然有效。

4.2 区域知识资本配置效率评价

将区域知识资本配置水平的评价结果与效率评价模型中输出指标之间进行相关性检验(相关系数矩阵如表5所示)，发现区域知识资本配置水平与4个输出型指标之间均表现出非常高的相关关系，区域知识资本配置水平对这些输出型指标具有解释力。因此，区域知识资本配置效率的评价指标体系基本可以认为是科学的，适合于区域知识资本配置效率的评价。

将效率评价指标数据输入DEA-Solver-LV软件，选择输出导向的CCR模型，计算得到我国30个省市在2010-2014年的区域知识资本配置效率评价结果如表6所示。特别值得一提的是，为了使得区域知识资本配置效率的跨期比较具有意义，能从中发现各区域的技术进步与效率增长情况，在计算2011-2014年的效率值时，均以2010年的权重数据作为基准，而不是每年都重新求解DEA模型和测算新的权重向量。这种改进模式一定程度上借鉴了Malmquist指数的求解思想。经过改进后，2011-2014年部分省市的知识资本配置效率值可能会出现大于1的情况，这意味着这些省市在知识资本配置上存在着技术效率的进步，知识资本配置效率有所提升。

从表中区域知识资本配置效率评价结果，可以得出以下结论：

(1)比较来看，区域知识资本配置效率与水平在排序上反映出非常大的差异：天津、内蒙古、安徽、广东、湖南、海南等省市具有相对较高的知识资本配置效率，而其中唯有广东省在知识资本配置水平上也表现不俗；北京、黑龙江、四川、贵州、云南等省市在知识资本配置效率上排名相对靠后，而北京在知识资本配置水平评价结果中名列前茅。总体而言，大部分西部地区和部分中部地区还处于区域知识资本配置效率较低的状态，水平与效率“双低”，知识资本无法有效参与生产并形成经济附加值，这也许是这些区域经济发展一直欠发达的原因之一。

(2)从跨期比较看，5年间大部分省市在知识资本配置效率上都有显著提升，例如，天津、上海、内蒙古、江苏、安徽、广东等地，在2014年知识资本配置效率都超过了1.7的水平，尤其是安徽与广东两地，知识资本配置效率超过了2.0。当然，也有少部分省市知识资本配置效率徘徊不前或增长缓慢，包括北京、黑龙江、江西、广西、四川、贵州、云南等。知识资本配置效率在基数与增长率上有着趋同反应——越是知识资本配置效率低下的省市，其知识配置效率的增长率也越趋低下。在这种恶性循环规律下，知识资本配置效率的差距将不断拉大，而由知识资本驱动的科技、经济与社会等各方面的差距也将进一步拉大，国家“区域协调发展”战略目标的实现将受到极大挑战。

(3)从2010-2014年的知识资本配置效率均值看，从2010年的0.711上涨到了2014年的1.165，上升幅度高达64%，技术效率年均增长率为16%，属于一个较高的增长水平。这意味着我国不仅在知识资本的创新与积累方面有较好的成绩，而且在知识资本产出方面也呈迅猛发展态势。如果这种势头能继续保持，那么可以预见的是，在知识资本驱动力下，未来我国在经济、科技、教育、民生等各方面都将有突破式发展。

(4)与区域知识资本配置水平不同的是，各区域在知识资本配置效率的排序上有更大幅度的波动。这意味着各区域从提升知识资本配置效率的角度寻求进位赶超的机会，要比从提升知识资本配置水平方面的策略要容易且有效得多。各区域应该注重立足现有知识资源，专注于知识成果向生产力与经济效益的转化，让它们更好地在经济、社会、教育与民生等各方面作出贡献。

4.3 区域知识资本配置均等化指数测量

在区域知识资本配置效率测量的基础上，结合DEA模型输出结果，根据式(6)进一步计算得到30省市2010-2014年知识资本浪费量(见表7)。需要特别说明的是，与区域知识资本配置效率测量时不同，不能以2010年为基期权重计算效率，而应该每年都重新建立DEA模型求解计算，以得到各年度的效率值及其输入型指标的剩余变量数值。

从表中各区域知识资本浪费量的测量结果，可以得出以下结论：

(1)总体而言，绝大部分省市都存在知识资本浪费，说明各区域在知识资本利用时技术水平与能力存在差异，使得知识资本的边际效益不同；经济相对发达的省市，其浪费的知识资本量要比经济欠发达省市更多，在长期发展的情势下，这为国家总体上实现“区域协调发展”留下了机会。当然，从提高知识资本利用效率上看，各区域都应把好知识资本投入关，做好知识资本结构优化配置与参与生产经营监督工作，让知识资本实实在在地发挥出应有作用，推动国家综合实力提升。

(2)区域知识资本配置水平较高的省市，由于基数较大的缘故，通常倾向于产生更大的知识资本浪费量。例如，东部沿海经济发达区域(包括北京、江苏、上海、山东、浙江等地)在知识资本浪费量指标考量上整体排名相对靠前。还有另一些省市由于知识资本配置效率低下，也产生了较大的知识资本浪费量，如四川、重庆、湖北等。对于这两类区域，应该采取完全不同的知识资本配置优化策略：对于前者，应以优化知识资本投入结构、促进知识资本分流与利用为主，通过将静态知识资本向动态知识资本转化，提高知识资本的流动性并在流动与利用中实现知识资本价值；对于后者，应该充分发挥知识资本在社会、经济与科技等各方面的驱动作用，让知识资本真正具有资本特性，从而提高其产出效能。事实上，大部分中部与西部地区省市，在知识资本配置水平与效率上同时处于低下水平，导致其浪费了本来就不充裕的知识资源。对于这些省市，应在优化知识资本规模与质量、促进知识资本运营与应用两个方面下功夫，只有这样才能摆脱“贫困陷阱”，抓住“进位赶超”的机会。

(3)从跨期比较看，由于知识资本配置水平基数的增长，大部分省市的知识资本浪费量是在增大的，从浪费量平均水平上也可以印证这一结论。但由于知识资本配置效率提升的幅度较大，使得相对于知识资本配置水平的增幅，知识资本浪费量的增幅要小得多。这表明知识资本的创造与开发是值得的，通过知识资本的增长与积累来谋求知识经济的突破式发展也是可行的。

(4)大部分省市知识资本浪费量的跨期波动相对稳定。这是否意味着这些省市尚未意识到知识资本配置存在问题，或者是它们即使发现了问题也无法快速实现调整而解决问题？如果这个问题是肯定的，则说明在知识资本的配置与利用上，可能存在着“刚性”，而要打破这种“刚性”限制，唯有进行较大程度的战略调整与产业转型才能完成。

在知识资本浪费量测量的基础上，可进一步绘制知识资本浪费量累积分布的洛伦兹曲线(如图1所示)，并采用面积积分方法计算得到国家知识资本配置均等化指数。

对国家知识资本区域配置的均等化指数进行分析，得到以下结论：

(1)2010-2014年，我国各区域在知识资本利用的边际效益和浪费量上存在较大差异，这使得国家知识资本配置出现较为严重的非均等化现象，具体到参数上的表现就是，均等化指数均未达到较为满意的0.60的水平。如果折算成基尼系数来观察，就意味着国家知识资本配置出现了严重不公平，已经突破了红色底线，处于预警状态。

(2)2010-2014年，随着知识资本配置效率的提升，知识资本配置的均等化水平呈持续、显著的改善状态：均等化指数由2010年的0.399，上升到了2014年的0.495。

(3)经过对均等化指数增长趋势逐渐放缓的观察，再由SPSS软件拟合增长趋势发现，国家知识资本配置的均等化指数变化能非常显著地拟合对数曲线，显著性水平高达98%。根据对数曲线的增长规律发现，要到2035年，国家知识资本配置均等化指数才能达到较为满意的0.60水平。

5 结语

知识资本是一国经济与社会发展的重要因素，知识资本的科学合理配置是各区域协调发展的一种调控机制[27]。区域知识资本配置水平与效率的差异能为各区域经济发展的差距提供一种合理解释。本文在阐释知识资本、国家知识资本内涵与构成的基础上，明晰了国家知识资本区域配置的内容，并对其配置水平、效率、均等化及其关系进行了系统分析，进而构建了国家知识资本区域配置水平、效率与均等化指数综合测量模型：在科学构建区域知识资本配置水平评价指标体系的基础上，采用熵权&TOPSIS方法构建水平评价模型；以区域知识资本配置水平评价结果为输入，以各区域经济、科技、教育和民生等四方面的标识性指标为输出，构建区域知识资本配置效率评价的DEA模型；以效率评价模型为基础，测量各区域知识资本的浪费量，引入洛伦兹曲线和基尼系数的测量方法，构建区域知识资本配置均等化指数测量模型。基于2010-2014年中国大陆30个省市的面板数据的实证分析表明，本文构建的国家知识资本区域配置水平、效率与均等化指数综合测量模型具有科学性与可行性，能够分析得出大量具有政策启示价值的结论。

实证分析充分反映了我国各区域在知识资本配置方面的信息与问题，主要研究结论包括：①区域知识资本配置水平相对较低，在空间布局上与经济发展水平呈大致趋同态势，在时间序列上呈平稳增长趋势，各区域之间的排名基本稳定；②区域知识资本配置效率与知识资本配置水平在空间布局上呈现出非常大的差异，但总体而言，知识资本配置效率较高，且呈现出持续快速上升的良好势头；③大部分省都出现了知识资本浪费的情况，而且浪费量的改善情况并不显著，具有“刚性”特征。同时，总体上知识资本浪费量的变化有利于实现“区域协调发展”，但不排除部分欠发达省市可能会掉入“贫困陷阱”；④区域知识资本配置的均等化水平非常低，远远不到基准水平，即使遵循现有增长规律，也要到2035年才能达到0.60的满意值。

(1)区域知识资本配置水平与经济发展水平的趋同规律表明，作为知识经济生产中的核心要素之一，知识资本与经济效益之间存在相互促进关系。经济发达的省市能够利用其良好的经济基础与产业形势，在知识资本方面加大投入，从而建立起知识资本与经济发展之间的良性循环，为区域系统内经济、科技、教育、民生等各方面都带来可持续发展机会。经济欠发达省市应在统筹设计与合理规划的基础上，寻找知识密集型产业发展的突破点，然后以政府补贴、财税支持等各种政策支持的形式，力图建立起知识资本投入与知识经济发展的良性循环路径，为区域“进位赶超”创造突破机会。

(2)研究发现相对于趋于稳固的知识资本配置水平而言，区域知识资本配置效率的提升更具可行性与高效性。经济发达的省市能够通过寻求知识资本配置效率的提升快速拉动经济、科技与社会发展；经济欠发达的省市则可以利用经济发达省市存在知识资本配置效率相对低下的时机，忽视自身在知识资本配置水平上的短板制约，通过转型实现知识资本配置效率的提升，进而创造机会实现“进位赶超”。在知识资本配置水平已经确定的条件下，经济欠发达省市应该加速知识成果转化，提高知识资本的扩散与应用效能，让有限的知识资本在社会、经济与科技等各方面提供高效的服务。

(3)如何跳出知识资本浪费的“刚性”陷阱，是大多数省市在寻求依赖知识资本驱动经济突破式发展时必须解决的问题。这意味着无论是从区域经济发展的战略高度，还是产业结构调整的中观维度，甚至具体到区域经济系统内的基本单元——企业组织的经营模式，都需要全面转型升级。对于大多数省市而言，可通过逐步推进战略转移与产业转型，有策略、有重点地将经济与社会发展重心引至知识资本驱动模式上来，然后通过高效利用自身知识资本资源，由微小的量变积累促成质变，最终将区域经济发展模式转变为知识型经济，谋求经济发展的可持续竞争优势。

(4)国家要早日实现知识资本配置均等化，就必须打破目前的对数增长规律，加快知识资本均等化水平改善速度。首先，通过知识资本在区域间的转移与溢出促进各省市知识资本配置水平的均衡；其次，通过成果转化、产业转型与技术进步寻求各省市间的知识资本配置效率的均衡；再次，通过政策引导让各省市在知识资本配置水平与知识资本配置效率上实现高、低错落搭配。此外，因为知识资本配置水平、知识资本配置效率与经济发展之间是一个相互促进又相互制约的系统，国家知识资本的优化配置需要从更宏观、更系统的高度进行统筹思考和战略安排。

[1] ULRICH D. A new mandate for human resources[J]. Harvard Business Review, 1998(76): 124-135.

[2] HEALY T, ISTANCE D, HEALY T, et al. Human capital investment: an international comparison[J]. OECD, 1998, 243(100):80-84.

[3] THOMAS A，STEWART. Intellectual capital:the new wealth of organization[J]. Performance Improvement, 1998(37):56-59.

[4] JARADAAT N, AL-SALEH A R. Measuring intellectual capital in corporations[J]. Interdisciplinary Journal of Contemporary Research in Business, 2010,4(2):42.

[5] MCKENZIE J, WINKELEN C V. It's about time! how conceptualisations of time affect intellectual capital (IC) and knowledge work[C]. ICICKM, 2014.

[6] 陈瑜. 知识资本量化研究[J]. 今日中国论坛,2009(10):63-65.

[7] ROBERT HUGGINS ASSOCIATES. The world knowledge competitiveness index 2004[R]. London:Robert Huggins Associates, 2004.

[8] 喻登科, 陈华, 苏屹. 国民知识财富指数的测量模型[J]. 情报科学,2014(9):147-151.

[9] BONTIS N. National intellectual capital index[J].Journal of Intellectual Capital, 2004, 5(1):17-50.

[10] 侯经川, 姚毅. 中国的知识竞争力状况分析[J]. 图书情报知识,2006(4):5-11.

[11] 喻登科, 周荣, 刘希宋. 国家知识竞争力格局演变的实证[J]. 科学学研究,2010(1):77-85.

[12] 王海兰. 政府与市场在区域要素流动中的功能定位研究[D]. 昆明：云南财经大学, 2015.

[13] 庇古,金镝. 福利经济学[M]. 北京:华夏出版社, 2007.

[14] 郭亚军. 综合评价理论、方法及应用[M]. 北京:科学出版社, 2007.

[15] 程启月. 评测指标权重确定的结构熵权法[J]. 系统工程理论与实践, 2010, 30(7):1225-1228.

[16] BORAN F E, GEN S, KURT M, et al. A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method[J]. Expert Systems with Applications, 2009, 36(8):11363-11368.

[17] COOPER W W, TONE K, SEIFORD L M. Data envelopment analysis: a comprehensive text with models, applications references, and DEA-Solver software with cdrom[J]. Journal of the Operational Research Society, 2007, 52(12):145-156.

[18] 成刚. 数据包络分析方法与MaxDEA软件[M]. 北京:知识产权出版社, 2014.

[19] 喻登科, 陈华, 郎益夫. 基尼系数和熵在公平指数测量中的比较[J]. 统计与决策, 2012(3):95-96.

[20] BOUNFOUR A. The management of intangibles: the organisation's most valuable assets[M]. New York: Routledge, 2002.

[21] ROY S. Managing intellectual capital: the work with the navigator in the Skandia group[J]. Journal of Human Resource Costing & Accounting, 1999, 4(1):59-67.

[22] 王哲. 知识资本扩张与区域知识创新网络构建研究——兼以安徽省会经济圈为例[J]. 未来与发展, 2009, 30(4):78-81.

[23] 刘思嘉, 赵金楼. 区域知识资本对经济发展促进作用的特性分析[J]. 图书馆学研究, 2009(10):86-91.

[24] HANUSHEK E A, WOESSMANN L. The knowledge capital of nations : education and the economics of growth[M]. Cambridge: MIT Press, 2015.

[25] 张劲松. 论知识资本参与社会收入分配的制度建设[J]. 湖北社会科学, 2002(1):58-60.

[26] 甘绍宁. 依法严格保护知识产权为积累知识资本创造良好社会环境[J]. 今日中国论坛, 2009(10): 62-62.

[27] 胡鞍钢, 熊义志. 我国知识发展的地区差距分析: 特点、成因及对策[J]. 管理世界, 2000(3): 5-17.

Measuring the Regional Allocation Level, Efficiency and Equalization Index of National Knowledge Capital

Abstract：Consideration given to both efficiency and fairness is the basic principle for national resource allocation. To allocate knowledge capital concerns overall and harmonious development among regions. Base on a systematical analysis of the regional allocation level, efficiency and equalization as well as their relationships, a comprehensive model was built to measure them and an empirical study by taking 30 provinces as a sample with the panel data from 2010 to 2014 was done. This study showed that: the allocation level of most provinces which changed like their economy growth was low, though it raised stably; the allocation efficiency of most provinces which changed differently from the allocation level was relatively high; the waste of knowledge capital was universally serious and would not be beneficial to the harmonious development and might lead some undeveloped regions to poverty trap; the equalization index was low too. Finally, several suggestions for improving national knowledge capital allocation were raised on the basis of the research conclusions.

Key Words：National Knowledge Capital; Regional Allocation; Allocation Level; Efficiency; Equalization Index

收稿日期：2016-12-02 基金项目：国家自然科学基金项目(71563027)；江西省教育科学“十三五”规划重点项目(16ZD003)

作者简介：喻登科(1985-)，男，江西宜春人，博士，南昌大学管理学院副教授、硕士生导师，研究方向为知识管理；彭静(1992-)，女，湖南湘潭人，南昌大学管理学院硕士研究生，研究方向为知识管理；肖欢(1994-)，女，江西吉安人，南昌大学管理学院硕士研究生，研究方向为知识管理；刘美君(1991-)，女，陕西西安人，南昌大学管理学院硕士研究生，研究方向为知识管理；姜睿清(1985-)，女，江苏南京人，博士，南昌大学管理学院讲师，研究方向为知识管理。