科技资源作为重要的稀缺资源,是推动国家和地区科学技术发展的基础要素。经过改革开放40多年发展,我国逐渐成为世界第二大经济体,发展动力转向创新驱动。创新能力既是衡量一国竞争力的重要指标,也是抢占科技制高点的核心驱动力。当前,以大数据、人工智能、区块链等技术为代表的新技术革命加剧了世界各国之间的科技竞争。谁能抢占科技制高点,谁便能够获取高质量发展优先权、技术进步主动权。为迎接这一挑战,积极打造世界科技前沿高地,我国早在2016年就对科技发展进行了整体谋划。《国家创新驱动发展战略纲要》提出“三步走战略”:到2020年进入创新型国家行列,到2030年跻身创新型国家前列,到2050年建成世界科技强国。然而,打造世界科技前沿高地,不仅需要发挥创新的引领作用,更需要强化科技资源利用效率。纵观世界科技强国,无一不是创新能力和科技资源配置效率位居前列的国家。科技资源优化配置对于合理分配科技资源、盘活科技资源存量、实现国民经济创新驱动和转型发展具有重要意义[1]。中国能否继续发展、跨越中等收入陷阱、解决新时代发展不平衡不充分的主要矛盾,掌握高精尖技术并拥有高端人才是关键[2]。如何对人才、资金等科技发展基础要素进行优化组合,实现科技资源高效配置,已成为国家和地区经济高质量发展的关键。未来15年,世界整体处于百年未有之大变局的关键时期,我国面临经济高质量发展、抢占科技前沿和攻坚化解内外部高风险的重大机遇与挑战,高端资源要素配置已成为影响我国经济社会发展的决定性因素[3]。因此,我国要实现跨越式发展、跻身创新型国家前列,就要充分利用科技资源,提高科技资源配置效率。然而,现有研究多集中于分析单一因素对科技资源配置效率的影响,未厘清科技资源配置效率有效提升的多重因果逻辑关系。
一般来说,科技资源配置是各类科技资源在不同科技活动主体、过程、领域、空间、时间的分配和作用[4]。国内外学者对科技资源配置进行了大量研究,但具体哪些要素影响科技资源配置效率,学界并未达成共识。当前,学者针对科技资源配置效率影响因素的研究主要集中在3个方面:第一,配置结构特征影响配置效率。科技资源配置结构包括内部结构和外部结构。其中,前者是指在科技活动过程中, 各种科技资源在不同方向上的分配和使用比例;后者是指科技资源在整个社会资源中的分配和使用比例[5]。杨传喜等[6]认为,结构是影响科技资源配置效率的重要因素[6]。第二,配置环境影响配置效率。一般认为,科技资源配置环境主要包括区域政府科技投入水平、产学研水平、区域开放度、科研机构发展水平4个方面。既有研究认为,政府财政科技投入对科技资源配置效率具有重要影响。Guellec等[7]通过分析17个经合组织国家数据发现,政府补贴行为对企业科技研发具有积极影响;梅姝娥等[8]通过量化分析我国15个副省级城市科技资源配置效率及其影响因素后发现,区域经济开放水平对科技资源配置效率具有正向影响;Hansen[9]、Lee[10]认为,产学研结合能够促进科技资源配置效率提升;但孟卫东等[11]研究发现,产学研结合水平对科技资源配置效率提升无显著影响;刘玲利[12]认为,区域科研机构发展水平是影响科技资源配置效率的重要环境因素。第三,配置方式影响配置效率。市场和政府是资源配置的两种方式,随着我国改革程度的加深,市场配置方式将发挥越来越重要的作用。市场化水平越高意味着要素市场和产品市场发育程度越成熟[13]。唐五湘等(2007)的研究表明,市场化程度越深, 越有利于科技资源优化配置。
综上所述,现有研究集中分析单一因素对科技资源配置效率的影响,在研究方法上也大多运用回归思想探求不同变量间的线性关系。然而,科技资源配置是一个复杂过程,较高的科技资源配置效率是多种因素共同作用的结果。事实上,不同地区具有不同的环境特征及要素分布;同时,各要素和环境结构之间并非简单的线性关系,而是多重因素交织的结果。当前学者虽然对科技资源配置效率进行深入分析且取得了丰硕的研究成果,但未提出有效提升科技资源配置效率的具体路径。基于此,本文以科技资源配置效率为结果变量,从配置结构、配置环境、配置方式维度选择8个前因条件变量,运用fsQCA法进行组态分析,以此探析不同前因条件变量间的相互作用和组合关系,挖掘科技资源配置效率有效提升的具体路径,可为不同地区提升科技资源配置效率提供理论依据。
1.2.1 结果变量
本文以数据包络分析(DEA)计算得出的科技资源配置效率作为结果变量。数据包络分析要求具备多个投入和产出变量,因此在苗玉宁等[14]、史安娜等(2015)研究的基础上,本文构建科技资源配置效率测度体系,并以此测度科技资源配置效率。其中,投入变量选取R&D人员全时当量、研究与开发机构R&D人员数量作为科技人力投入。选取R&D经费内部支出、R&D经费投入强度作为科技财力投入;选取互联网宽带接入端口、移动电话普及率作为信息资源投入;产出变量选取国内3种专利申请授权数、研究开发机构论文数作为知识成果产出;技术市场成交金额、高技术产业新产品销售收入作为经济成果产出,具体如表1所示。
表1 科技资源配置效率测度体系
维度测度指标二级指标投入指标科技人力资源投入R&D人员全时当量(人年)研究与开发机构R&D人员(人)科技财力资源投入R&D经费内部支出(万元)R&D经费投入强度科技信息资源投入互联网宽带接入端口(万个)移动电话普及率产出指标科技知识成果产出国内3种专利申请授权数(件)研究开发机构论文数(篇)科技经济成果转化技术市场成交额(万元)高技术产业新产品销售收入(万元)
1.2.2 条件变量
通过系统文献回顾发现,有关科技资源配置效率影响因素的研究主要集中在配置结构、配置环境、配置方式3个方面。在配置结构上选取科技活动主体R&D投入作为测度指标;在配置环境上选取区域开放度、产业结构调整水平、政府科技支持水平、区域科研机构发展水平作为测度指标;在配置方式上选取市场配置强度作为测度指标,具体前因条件变量体系如表2所示。
表2 科技资源配置效率影响因素
维度测度指标二级指标配置结构科技活动主体R&D资源投入规模以上工业企业R&D经费内部支出(万元)研究与开发机构R&D经费内部支出(万元)高等学校R&D经费内部支出(万元)配置环境区域开放度进出口总额占GDP的比值(%)产业结构调整第三产业增加值占GDP的比值(%)政府科技支持水平政府科技投入占政府财政支出的比例(%)科研机构发展水平科学与研发机构数量配置方式市场配置强度R&D经费内部支出(剔除政府支出部分)与R&D经费内部支出之比
(1)科技活动主体R&D投入。科技活动主体是影响科技资源结构配置的重要因素。科技活动主体主要包括企业、科研机构、高等院校,三者对科技资源的使用和投入就是科技资源的使用结构比例[5]。现有研究大都将企业、高校、科研机构R&D投入作为衡量科技活动主体科技资源配置强度的指标。因此,本研究选取企业、高校、科研机构R&D经费内部支出作为衡量科技资源配置的主体结构因素。
(2)区域开放度。区域开放度是指区域要素自由流动程度与区域对开放支撑平台高度和广度的综合[15]。对外开放不仅对经济发展存在积极影响,还能够增加创收、促进竞争和引进新技术[16]。竞争程度加剧必将促进区域科技资源要素最优化配置。一般将区域进出口总额占GDP的比值作为衡量区域开放程度的指标[2,11],也有学者将区域实际利用外商投资额占GDP的比值作为衡量指标[8]。因此,本文参照多数学者的做法,采用区域进出口总额占区域GDP的比值作为衡量区域开放程度的测度指标。
(3)产业结构调整。产业结构调整对区域经济发展具有重要影响,产业结构高级化是经济波动的一个重要来源,产业结构合理化有助于抑制经济波动[17]。产业结构调整不仅对区域经济发展具有重要影响,同时还对区域科技创新资源配置效率存在显著影响[2]。原因在于,产业结构变动能够促进资源在各产业部门之间再配置,使资源在不同部门之间合理流动[18]。因此,产业结构调整能够促进科技资源配置效率提升。本研究借鉴刘玲利[12]的研究,将第三产业占GDP的比例作为衡量区域产业结构调整的指标。
(4)政府科技支持水平。政府科技支持水平对国家或地区科技发展具有重要影响。科研活动具备较强的正外部性、高成本和高风险特质,使得科研创新活动难以规避市场失灵,这就需要政府介入[19]。一般将地方政府科技投入与地方政府财政支出之比作为衡量区域政府科技发展支持力度的指标[11]。本文也采用这一测度指标。
(5)科研机构发展水平。科研机构是从事研发活动的场所,科研机构和科技体制改革对科技发展发挥重要作用(曾国屏等,2013)。区域科研机构发展水平在很大程度上反映了地区科研实力和科研水平。区域内科研机构发展水平特别是基础研究发展水平对区域技术效率提升具有显著促进作用[20]。本文借鉴孟卫东等[11]的做法,选取科研机构数量作为衡量区域科研机构发展水平的测度指标。
(6)市场配置强度。理论和实践早已证明,市场是促进资源高效配置的最优方式[21-22]。通过促进要素市场化配置,充分发挥市场机制的作用,能够推动资源配置效率不断提升[23]。科技资源作为一种要素资源,在市场化程度较高地区更能得到优化配置。因此,为测量市场科技资源配置强度,本文选取各地区R&D经费内部总支出(剔除政府支出部分)与R&D经费内部支出之比作为测度指标。
(1)数据包络分析。数据包络分析法(DEA)由Charnes&Cooper[24]于20世纪70年代提出。数据包络分析(DEA)可以测度多项投入与产出的相对有效性,是效率分析和研究常用的方法。数据包络分析基本假设如下[25]:假如有n个决策单元DMU,每个DMUj(j=1,2,…,n)可以用m种输入xij(i=1,2,…,m)得到s种输出yrj(r=1,2,…,s),那么这一决策单元的效率可由下式表示。
(1)
其中,vi(i=1,2,…,m)和ur(r=1,2,…,s)是分别加在m种输入和s种输出上的权重,权重由下式确定。
s.t.hj≤1,j=1,2,…,n
(2)
v1,ur≥0
式(2)中,代表对某一决策单元DMUo总输入与总输出之间的比率,o的取值范围为{1,…,n}。Xio、yro分析代表DMUo第i个输入和第r个输出。通过o在{1,…,n}区间的变化可以获得DEA值及n组最优权重。DEA值越大,决策单元效率越高。DEA值为1时,则称DMUj相对有效。上述公式可以转化为线性规划问题,具体见公式(3)。
(3)
其中,和为线性规划问题的人工变量。在上述问题中,如果则DMUo为弱有效;如果则DMUo为有效。
(2)模糊定性比较分析。定性比较分析(QCA)问世于20世纪80年代,最早由Ragin教授提出。由于传统定性与定量分析法不能解决复杂因果组合问题,综合两种方法优势的定性比较分析应运而生。定性比较分析法超越了定性与定量之间的界限,通过将案例视为条件组态,用条件组态取代自变量、组态思想代替净效益思想、集合关系代替相关关系,整合定性与定量分析优势,使社会学研究从线性分析步入集合分析时代[26]。定性比较法分析能够分析不同条件组合与结果之间的复杂因果关系。事实上,结果的产生往往受多个条件组合的影响,而并非仅由单一因素所致。定性比较分析法(QCA)包括清晰集定性比较分析法(csQCA)、多值集定性比较分析法(mvQCA)、模糊集定性比较分析法(fsQCA)3种。其中,模糊集定性比较分析法主要用来分析条件变量或结果变量中不属于二分类变量的问题,将条件变量和结果变量转化为0~1之间的模糊隶属关系[27]。由本研究所选择的条件变量和结果变量均不属于二分类变量,因此采用模糊集定性比较分析法(fsQCA)更加适宜。同时,基于案例分析的fsQCA能够分析不同条件组态产生的结果路径,以使理论构建更具有适应力[28]。所以,本文以中国内地30个省市数据为研究对象,基于组态分析探究影响科技资源配置效率的前因条件组合路径。
考虑到数据可获取性和可比性,本文以2019年中国内地30个省级行政区域(因数据缺失,故西藏未纳入统计)为研究样本,所有变量测度指标数据均来源于《中国统计年鉴》(2020 年)、《中国统计年鉴》(2020 年)。其中,区域开放度通过计算该地区当年进出口总额除以年末生产总值所得;产业结构调整通过计算该地区当年第三产业增加值除以年末生产总值所得;政府科技支持水平通过计算该地区政府财政科技支出除以财政总支出所得;市场配置强度通过计算该地区当年R&D经费内部支出与R&D经费源于政府部分之差除以R&D经费内部支出所得。
模糊集定性比较分析(fsQCA)的结果是集合关系而非变量,因此需要结合实际情况对变量进行校准,并将样本从变量维度转化为集合维度[29]。基于已有研究[30-31],采用四分位法直接对数据进行校准,即对8个前因条件和一个结果变量样本数据取其下四分位数(25%)、中位数(50%)、上四分位数(75%)作为完全不隶属、交叉点和完全隶属的3个校准点,各变量校准点及描述性统计结果如表3所示。
表3 数据校准与描述性统计结果
集合模糊校准点完全隶属交叉点完全不隶属描述性分析均值标准差最小值最大值规模以上上工业企业R&D经费投入59127492977170.5861370465684758251349371223148566研发机构R&D经费投入99929642587318220010262711896451314109942383高校R&D经费投入703694444812162002598570630017244282808088进出口总额占GDP的比重0.2970.1370.0970.2360.2300.0130.893第三产业增加值占GDP的比值0.5380.5150.5020.5360.0770.4530.835政府科技投入0.0330.0190.0110.0240.0170.0060.068科研机构数量118.25102.575.5106.63367.48418383市场配置强度0.8740.7850.6400.7540.1400.4220.918科技资源配置效率10.9650.7760.8920.1280.6271
注:数据来源于研究者实际测算,下同
本文运用DEAP2.1软件,采用投入导向方式对2019年中国内地30个省市科技资源投入和产出变量数据进行分析,得出2019年各省市科技资源配置效率。从结果看,北京、天津、吉林、湖北、浙江、山东、广东、海南、贵州、甘肃、宁夏、新疆等省市科技资源配置效率处于较高水平,河南、辽宁、内蒙古、湖南、重庆等地科技资源配置效率处于末端水平,具体测算结果如表4所示。
表4 各省市科技资源配置效率结果
省市配置效率省市配置效率北京1河南0.694天津1湖北1河北0.796湖南0.627山西0.747广东1内蒙古0.699广西0.994辽宁0.675海南1吉林1重庆0.698黑龙江0.902四川0.839上海0.864贵州1江苏0.786云南0.881浙江1陕西0.989安徽0.721甘肃1福建0.956青海0.974江西0.903宁夏1山东1新疆1
在进行模糊集定性比较分析(fsQCA)时,首先需要进行单个条件必要性分析,以此判定某个条件是否是结果出现的必要条件。在进行必要性分析时可以得到两个指标,一个为一致性,另一个为覆盖度。一般而言,当单个条件的一致性大于0.9时,便认为这个条件为结果出现的必要条件。本文通过必要条件分析发现,单个条件的一致性均低于0.9,因此在所有前因条件变量中不存在产生较高科技资源配置效率的必要条件,具体结果如表5所示。
表5 单个条件必要性分析结果
条件变量一致性覆盖度规模以上工业企业R&D经费投入0.4118020.442759~规模以上工业企业R&D经费投入0.6709430.674839研发机构R&D经费投入0.5041690.549650~研发机构R&D经费投入0.5747270.570701高校R&D经费投入0.5214880.540918~高校R&D经费投入0.5606160.583834进出口总额占GDP的比重0.5529190.598611~进出口总额占GDP的比重0.5304680.530128第三产业增加值占GDP的比值0.5894800.600261~第三产业增加值占GDP的比值0.4804360.509871政府科技投入0.5516360.591879~政府科技投入0.5169980.521008科技机构数量0.5048110.511039~科技机构数量0.5785760.617808市场配置强度0.4470820.441419~市场化配置0.6247590.685433
在运用fsQCA3.0软件进行组态分析时,需要根据研究需要设置相关参数。参照Wagemann等[32]的建议,将原始一致性阈值设置为0.75,将PRI一致性阈值设置为0.7,将案例频数阈值设定为1。模糊集定性比较分析(fsQCA)会给出3个解:复杂解、简单解和中间解。通常将中间解和简单解进行嵌套对比来识别条件,即将既出现在简单解也出现在中间解中的解视为核心条件,将只出现在中间解中的解视为边缘条件,结果如表6所示。其中,产生较高科技资源配置效率的条件组态路径有6条,分别代表有效提升科技资源配置效率的不同路径。
表6 较高科技资源配置效率路径组态
条件路径R1路径R2路径R3路径R4路径R5路径R6规模以上工业企业R&D经费投入研发机构R&D经费投入●●●高校R&D经费投入 区域开放度 第三产业增加值占GDP的比重 ● ● ●政府科技支持水平科研机构发展水平 ●●●●市场配置强度 ●原始覆盖度0.2020.1910.1000.0820.0710.148唯一覆盖度0.1110.0720.0450.0080.0370.132总体一致性0.873总体覆盖度0.550
注:•为边缘条件存在;●为核心条件存在;为边缘条件缺失;⊗为核心条件缺失
(1)开拓型。在组态R1路径中,以高校R&D经费投入非高、区域开放度非高、第三产业增加值占GDP的比重非高、科研机构发展水平非高、市场配置强度非高为核心条件,以互补规模以上工业企业R&D经费投入非高、研发机构R&D经费投入非高为边缘条件可以产生较高的科技资源配置效率。本文发现,组态R1呈现明显的开拓型特征,即在区域开放程度较低且高校R&D经费投入、科研机构发展水平、市场配置强度均存在不足的省份,可通过利用有限资源提升科技资源配置效率。这类省份是锐意进取、开拓创新的典型代表,如贵州和宁夏。相关统计资料显示,贵州和宁夏科技资源配置效率很高,但两个省份在其它条件方面并不具有优势。以宁夏为例,截至2019年底,该省规模以上工业企业R&D经费投入、研发机构R&D经费投入、科研机构发展水平、市场配置强度均处于全国后50%水平,但是科技资源配置效率却位居全国前列。这在一定程度上反映出该省在科技资源优化配置方面表现很强,能够在有限资源条件下,充分利用已有资源提升科技资源配置效率。同时,也说明这类省份科技资源配置效率提升路径符合开拓型组态解的典型特征。
(2)产业升级助推型。在组态R2路径中,以第三产业增加值占GDP的比重高、高校R&D经费投入非高、科研机构发展水平非高、市场配置强度非高为核心条件,互补规模以上工业企业R&D经费投入非高、研发机构R&D经费投入非高、政府科技支持水平非高为边缘条件可以产生较高的科技资源配置效率。本文发现,组态R2呈现明显的产业升级助推特征,即较高的科技资源配置效率主要源于产业升级的推动。组态R2表明,在市场配置强度较低且高校R&D经费投入、科研机构发展水平均存在不足的省份,产业结构调整升级对科技资源配置效率提升发挥积极作用,具有这类典型特征的省份包括海南、甘肃、新疆。这些省份以产业结构调整为核心动力,产生了较高的科技资源配置效率。相关统计资料显示,海南、甘肃、新疆科技资源配置效率较高,第三产业增加值占GDP的比重位列全国前50%,但是这3个省份在其它方面表现一般。以海南为例,截至2019年底,该省第三产业增加值占GDP的比重居全国领先水平,但科研机构发展水平、高校R&D经费投入均处于全国末端水平。这表明,以海南为典型代表的省份主要依靠较强的产业升级优势促进科技资源配置效率提升,符合产业升级助推型组态解的典型特征。
(3)科研机构驱动型。在组态R3路径中,以科研机构发展水平高、市场配置强度非高、第三产业增加值占GDP的比重非高、高校R&D经费投入非高为核心条件,以互补高区域开放度、政府科技支持水平非高、研发机构R&D经费投入非高、规模以上工业企业R&D经费投入非高为边缘条件可以产生较高的科技资源配置效率。本文发现,组态R3呈现出明显的科研机构驱动特征,即较高的科研机构发展水平对科技资源配置效率提升具有积极作用。组态R3表明,在市场配置强度较低且高校R&D经费投入、政府科技支持水平、规模以上工业企业R&D经费投入均存在不足的省份,主要依靠较高的科研机构发展水平和区域开放度促进科技资源配置效率不断提升,广西便是这类省份的典型代表。相关统计资料显示,截至2019年底,广西壮族自治区科研机构拥有量位列全国前50%,区域开放程度也位居全国前列。但是,以广西为代表的省份在高校R&D经费投入、政府科技支持水平、规模以上工业企业R&D经费投入方面均处于全国后50%水平。这表明,以广西为代表的省份在高区域开放度的助力下,依托较高的科研机构发展水平促进科技资源配置效率提升,也反映出这类省份符合科研机构驱动型组态解的典型特征。
(4)产业升级与科研机构发展双轮驱动型。在组态R4路径中,以科研机构发展水平高、第三产业增加值占GDP比重高、研发机构R&D经费投入高、市场配置强度非高、区域开放度非高、高校R&D经费投入非高为核心条件,以互补政府科技支持水平非高、规模以上工业企业R&D经费投入非高为边缘条件可以产生较高的科技资源配置效率。本文发现,组态R4呈现出明显的双轮驱动型特征,即产业结构升级与较高的科研机构发展水平对促进科技资源配置效率提升具有积极作用。组态R4表明,在市场配置水平较低、区域开放程度不高、高校R&D经费投入不足省份,主要依靠产业结构调整和较高的科研机构发展水平促进科技资源配置效率不断提升。吉林便是这类省份的典型代表,与其它省份相比,吉林在很多方面均存在不小差距。相关统计资料显示,截至2019年年底,吉林第三产业增加值占GDP比重、研发机构R&D经费投入、科研机构数量均位列全国前50%,但在区域开放度、高校R&D经费投入、政府科技支持水平方面则处于全国后50%。吉林政府科技支持水平位列全国倒数第七。可以说,以吉林为代表的省份主要依靠产业升级和较高的科研机构发展水平共同促进科技资源配置效率提升,这一路径符合产业升级与科研机构发展双轮驱动型组态解的典型特征。
(5)科研机构主导逻辑下的高校驱动型。在组态R5路径中,以科研机构发展水平高、研发机构R&D经费投入高、第三产业增加值占GDP比重非高、区域开放度非高、市场配置强度非高为核心条件,以互补高校R&D经费投入高、政府科技支持水平非高、规模以上工业企业R&D经费投入非高为边缘条件可以产生较高的科技资源配置效率。组态R5表明,在市场化水平较低且政府科技投入、规模以上工业企业R&D经费投入、区域对外开放程度、第三产业发展均存在不足的省份,主要依托高校和科研机构促进科技资源配置效率提升。陕西便是这类省份的典型代表,它在很多方面并不占优。相关统计资料显示,截至2019年年底,陕西省规模以上工业企业R&D经费投入、政府科技支持水平、区域对外开放程度均处于全国后50%,但在科研机构数量、研发机构R&D经费投入、高校R&D经费投入方面均位列全国前50%。陕西省科研机构R&D经费投入在全国排名第四。这说明,以陕西为代表的省份在高等院校的助力下,依托科研机构对科技资源进行高效配置,也说明以陕西为代表的省份符合科研机构主导逻辑下高校驱动型组态解的典型特征。
(6)市场和研发机构双元主导逻辑下的多元主体合力驱动型。在组态R6路径中,以市场配置强度高、科研机构发展水平高、第三产业增加值占GDP比重高、研发机构R&D经费高投入为核心条件,以互补政府科技投入高、区域开放度高、高校R&D经费投入高、规模以上工业企业R&D经费投入高为边缘条件可以产生较高的科技资源配置效率。本文发现,组态R6呈现出明显的多元驱动特征,即在市场和研发机构双元主导逻辑下,依托多元主体合力驱动科技资源配置效率不断提升,广东和山东是这类城市的典型代表。相关统计资料显示,山东和广东科技资源配置很高,同时这两个省份在其它方面表现也很抢眼。以广东为例,截至2019年底,其市场配置强度、科研机构发展水平、第三产业增加值占GDP比重、研发机构R&D经费投入、政府科技投入、区域开放度、高校R&D经费投入、规模以上工业企业R&D经费投入均位于全国领先水平,其中规模以上工业企业R&D经费投入、政府科技投入位列全国第一。因此,以广东为代表的省份在各个方面几乎没有短板,主要以市场和研发机构为核心动力并依托多元主体合力驱动科技资源配置效率不断提升。这表明,以广东为代表的省份符合市场和研发机构双元主导逻辑下多元主体合力驱动型组态解的典型特征。
稳健性检验有4种常用方式,包括调高案例一致性阈值、提升PRI一致性、增加或删除案例、新增其它条件[33],通常在4种稳健型检验方法中任选一种进行稳健型检验即可。本文选用提升案例一致性阈值,将案例一致性阈值由0.75提升至0.80。稳健性检验结果表明,新组态与上述分析结果一致,表明分析结果具有良好的稳健性,具体结果如表7所示。
表7 提升案例一致性阈值产生的组态
条件路径R1路径R2路径R3路径R4路径R5路径R6规模以上工业企业R&D经费投入研发机构R&D经费投入●●●高校R&D经费投入 区域开放度 第三产业增加值占GDP的比重 ●●●政府科技支持水平 科研机构发展水平 ●●●●市场配置强度 ●原始覆盖度0.2020.1910.1000.0820.0710.148唯一覆盖度0.1110.0720.0450.0080.0370.132总体一致性0.873总体覆盖度0.550
科技资源作为重要的稀缺性资源,是推动国家和地区科学技术发展的基础要素。本文以我国内地30个省市为研究对象,从整体性视角分析影响科技资源配置效率的条件组态因素,得出如下结论:
(1)单个条件并非科技资源配置效率提升的阻碍因素。因此,配置结构、配置环境、配置方式等条件要素体系中不存在科技资源配置效率提升的必要条件,多个条件的复杂组合才是科技资源配置效率提升的有效路径。这也从侧面说明单个条件要素难以成为制约科技资源配置效率提升的关键因素,因而提升科技资源配置效率存在多种实现方式。
(2)科研机构发展水平、产业结构调整、研发机构R&D经费支出在促进科技资源配置效率提升方面发挥较为普遍的作用。在促进科技资源配置效率提升的多条路径中,几乎都包含科研机构发展水平、产业结构调整、研发机构R&D经费支出条件,因此它们是科技资源配置效率提升的重要条件因素。虽然这3个条件因素并不构成科技资源配置效率提升的必要条件,但是有效利用和改善这3个客观条件,对科技资源配置效率提升能够起到事半功倍的作用。
(3)6条关键路径可以产生较高的科技资源配置效率,包括开拓型、产业升级助推型、科研机构驱动型、产业升级与科研机构发展双轮驱动型、科研机构主导逻辑下的高校驱动型、市场和研发机构双元主导逻辑下的多元主体合力驱动型。6条关键路径整体覆盖度已经达到55%,所以基本包含实现较高科技资源配置效率的大部分案例。这6条路径既包括各类条件均缺乏的类型,也存在多种条件要素表现均较好的路径。因此,各地区应该根据实际情况,选择适合自身的具体提升路径。
根据上述研究结论,本文提出如下启示:
(1)各地区虽然在市场化、政府科技投入、对外开放、产业结构调整、高校R&D投入等方面各不相同,但并不阻碍各省市通过优化条件组合提升科技资源配置效率。各省市政策制定者可根据自身资源禀赋和条件因素,对比实现较高科技资源配置效率的6条路径,选择与自身发展相适应的路径,不断优化资源要素组合以提升科技资源配效率。
(2)各级政府应加强政策配套措施供给。科技资源高效配置涉及配置方式、配置结构、配置环境等多方要素整合。因此,需要加强配套政策支持,构建完善的政策保障体系。只有科技资源配置结构、配置方式、配置环境得到综合改善,才能促进科技资源配置效率不断提升。
(3)各级政府应强化政策干预,不断提升科技资源配置效率。一直以来,多投入必然带来多产出的思想存在于各地区科技资源配置活动中。虽然科学研究需要投入大量资源,但是投入过多资源不一定能够带来有效产出,而避免资源浪费是一种有效利用资源的方式。各级政府加强政策干预可以有效破解科技资源难以高效利用的难题,实现科技资源优化配置,进而促使科技资源要素充分流动。特别是对于资源短缺地区而言,加强政策干预不但可以有效提升科技资源利用率,也可以有效增加该地区科技成果产出。
[1] 范斐,杜德斌,李恒,等.中国地级以上城市科技资源配置效率的时空格局[J].地理学报,2013,68(10):1331-1343.
[2] 张子珍,杜甜,于佳伟.科技资源配置效率影响因素测度及其优化分析[J].经济问题,2020,42(8):20-27.
[3] 康乃馨.科技助力提升资源配置的预测力、优配力、化险力[J].中国科技论坛,2020,36(12):8-10.
[4] 丁厚德.科技资源配置的战略地位[J].哈尔滨工业大学学报(社会科学版),2001,3(1):35-41.
[5] 李石柱.区域科技资源配置效率、影响要素的实证分析与政府调控研究[C].第四届中国软科学学术年会论文集,2003:42-55.
[6] 杨传喜,徐顽强.湖北农业科研机构科技资源结构与配置效率研究[J].科研管理,2015,36(S1):377-384.
[7] GUELLECD,VAN POTTELSBERGHE DE LA POTTERIE B.The impact of public R&D expenditure on business R&D[J].Economics of Innovation and New Technology,2003,12(3):225-243.
[8] 梅姝娥,陈文军.我国副省级城市科技资源配置效率及影响因素分析[J].科技管理研究,2015,35(6):64-68.
[9] RAHM D,HANSEN V.Technology policy 2000:university to industry transfer[J].International Journal of Public Administration,1999,22(8):1189-1211.
[10] LEE Y S.Thesustainability of university-industry research collaboration:an empirical assessment[J].The Journal of Technology Transfer,2000,25(2):111-133.
[11] 孟卫东,王清.区域创新体系科技资源配置效率影响因素实证分析[J].统计与决策,2013,29(4):96-99.
[12] 刘玲利.中国科技资源配置效率变化及其影响因素分析:1998—2005年[J].科学学与科学技术管理,2008,29(7):13-19.
[13] 戴魁早,刘友金.行业市场化进程与创新绩效:中国高技术产业的经验分析[J].数量经济技术经济研究,2013,30(9):37-54.
[14] 苗玉宁,杨冬英.基于综合评价方法的中部地区科技资源配置效率分析[J].中国软科学,2020,35(3):134-149.
[15] 申小林,张玉杰.中国区域开放度指标体系的构建与测算[J].统计与决策,2012,28(8):119-123.
[16] HAMILTON CB,WINTERS L A.Opening up international trade with Eastern Europe[J].Economic Policy,1992,7(14):77-116.
[17] 干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011,46(5):4-16,31.
[18] 何德旭,姚战琪.中国产业结构调整的效应、优化升级目标和政策措施[J].中国工业经济,2008,25(5):46-56.
[19] 吴非,杜金岷,李华民.财政科技投入、地方政府行为与区域创新异质性[J].财政研究,2017,38(11):60-74.
[20] 张德茗,吴浩.高校和科研机构的R&D对TFP的溢出效应研究[J].科学学研究,2016,34(4):548-557.
[21] HSIEH C T,KLENOW P J.Misallocation and manufacturing tfp in China and India[J].The Quarterly Journal of Economics,2009,124(4):1403-1448.
[22] JEFFERSON GH,RAWSKI T G,ZHENG Y X.Growth,efficiency,and convergence in China's state and collective industry[J].Economic Development and Cultural Change,1992,40(2):239-266.
[23] 刘志成.要素市场化配置的主要障碍与改革对策[J].经济纵横,2019(3):93-101.
[24] CHARNESA,COOPER W W,RHODES E.Measuring the efficiency of decision making units[J].European Journal of Operational Research,1978,2(6):429-444.
[25] 杨开忠,谢燮.中国城市投入产出有效性的数据包络分析[J].地理学与国土研究,2002,18(3):45-47.
[26] 伯努瓦·里豪克斯,查尔斯 C 拉金.QCA设计原理与应用:超越定性与定量研究的新方法[M].北京:机械工业出版社,2017.
[27] ABBOTT A,RAGIN C C.Fuzzy-set social science[J].Contemporary Sociology,2001,30(4):330.
[28] WOODSIDE AG,KO E,HUAN T C T C.The new logic in building isomorphic theory of management decision realities[J].Management Decision,2012,50(5):765-777.
[29] 彭永涛,侯彦超.区域创新能力提升条件组态路径研究:基于中国内地29个省市的QCA分析[J].科技进步与对策,2020,37(23):54-62.
[30] FISS P C.Buildingbetter causal theories:a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2):393-420.
[31] GRECKHAMER T.CEO compensation in relation to worker compensation across countries: the configurational impact of country-level institutions[J].Strategic Management Journal,2016,37(4):793-815.
[32] SCHNEIDER C Q, WAGEMANN C.Set-theoretic methods for the social sciences[M].Cambridge:Cambridge University Press,2012.
[33] 张明,杜运周.组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报,2019,16(9):1312-1323.