Configuration Analysis of Influencing Factors on Allocation Efficiency of Scientific and Technological Resources in Government Scientific Research Institutions

Sheng Ya，Feng Yuanyuan, Shi Yu

(School of Management,Zhejiang Gongshang University,Hangzhou 310018，China)

Abstract：With the increasingly fierce scientific and technological competition among countries, the status of scientific and technological resources has been continuously improved. Due to the scarcity of scientific and technological resources, while stepping up their own scientific and technological innovation activities, countries are also thinking about how to improve the allocation efficiency of scientific and technological resources to better serve their own scientific and technological innovation activities and enhance their international competitiveness. Under the guidance of the policy of strengthening China through science and technology, China's demand for science and technology resources is also increasing. However China used to emphasize applied research rather than basic research, so there is unreasonable allocation of scientific and technological resources. Government scientific research institutions, supported by government public resources, need more scientific and technological resources to support their scientific and technological innovation, and meanwhile the government need to strengthen rational scientific and technological resources allocation.

Taking government scientific research institutions as the research object, this paper selects 25 provincial and municipal government scientific research institutions in China as research cases. First, the super-efficiency SBM model is used to evaluate the allocation efficiency of scientific and technological resources in government scientific research institutions. Then, the fuzzy set qualitative comparative analysis (fsQCA) method is used to reveal how the six influencing factors including basic research intensity, applied research intensity, market allocation, planned allocation, industry-university-research cooperation and regional openness from the dimension of the structure, mode and environment of the allocation of scientific and technological resources in selected institutions interact to improve the efficiency of scientific and technological resources allocation.

Results show that a single factor is weak in explaining the efficiency of high-tech resources allocation, but the intensity of basic research plays a more universal role in improving the efficiency of scientific and technological resources allocation. There are five different configurations which influence high-tech resources allocation efficiency. They are basic research type dominated by basic research, scientific research type jointly by basic and applied research, basic research-environmental type jointly by basic research, government allocation and regional openness, basic research-balanced type jointly by basic research, market allocation, government allocation, level of industry-university-research cooperation and regional openness, and applied research - environment type jointly by applied research, industry-university-research cooperation level and regional openness. Among them, the basic research type and the basic research - balanced type play a more important role. There are obvious differences in the ways to improve the efficiency of the allocation of scientific and technological resources of government scientific research institutions. The improvement of the allocation efficiency of scientific and technological resources of government scientific research institutions in the western and northeast regions of China mainly depends on scientific research including the driving force of basic research and applied research. In the east of China, it mainly depends on the linkage of the configuration structure, configuration mode and configuration environment of scientific and technological resources or the coordination and concurrency of configuration structure and configuration environment.To study the allocation efficiency of scientific and technological resources, this study takes government scientific research institutions as the research object and use fsQCA. Different from previous studies, this study considers the influence of the interaction between factors on the allocation efficiency of scientific and technological resources, which to some extent makes up for the limitation of previous quantitative studies that consider the role of a single factor. This research also has instructive significance to practice. There are obvious differences in the factors influencing the allocation efficiency of scientific and technological resources of government scientific research institutions in different regions of China. The allocation efficiency of scientific and technological resources of government scientific research institutions in the western and northeastern regions of China mainly rely on scientific research which includes both basic research and applied research. In the east of China, it mainly depends on the joint adaptation of the configuration structure, configuration mode and configuration environment of scientific and technological resources or the coordination and concurrency of configuration structure and configuration environment. Therefore, we should take into account the differences of regional government scientific research institutions, and adopt matching paths and targeted measures according to local conditions in order to improve the efficiency of scientific and technological resources allocation effectively.

Key Words:Government Scientific Research Institutions; Efficiency of S&T Resource Allocation; Super-Efficiency SBM; fsQCA;Basic Research

收稿日期：2021-07-21

修回日期：2021-10-17

基金项目：国家哲学社会科学基金项目(19BGL028)

作者简介：盛亚(1959-)，男，安徽合肥人，博士，浙江工商大学工商管理学院教授、博士生导师，研究方向为技术创新、利益相关者管理；冯媛媛(1994—)，女，安徽安庆人，浙江工商大学工商管理学院硕士研究生，研究方向为科技创新平台与科技资源配置；施宇(1992—)，女，安徽淮北人，浙江工商大学工商管理学院博士研究生，研究方向为科技创新平台动力与协调机制。本文通讯作者：施宇。

DOI：10.6049/kjjbydc.C202107360

开放科学(资源服务)标识码(OSID)：

中图分类号：G322.2

文献标识码：A

文章编号：1001-7348(2022)08-0001-09

0 引言

科技资源优化配置是提高自主创新能力、推动国家经济发展的重要举措[1]，政府科研机构作为我国科技资源的主要承载者(张义芳，2011)，对其开展科技资源配置效率研究对于优化我国科技资源配置具有重要意义。当前，我国存在基础研究活动投入常年偏低和试验发展活动投入过高的问题，科技资源配置不合理。“十四五”开局之年，政府降费减税政策的推行缩紧了国家财政支出，对我国科技资源优化配置提出了更高要求。政府科研机构是政府利用财政资源建立并进行管理的非大学政府属科研组织的总称(张义芳，2011)，主要受国家财政资金支持，在满足国家战略需求和社会需求等方面发挥着重要作用。《2019年全国科技经费投入统计公报》统计显示，政府科研机构科技经费远高于高校，成为我国仅次于企业的第二大科技经费执行主体，但政府科研机构科技资源配置效率不高以及各地区科技资源配置不均衡现象普遍存在[2]。因此，如何提升我国各地政府科研机构科技资源配置效率迫在眉睫。

围绕科技资源配置效率这一研究议题，在资源配置理论的指引下，相关学者从科技资源配置规模[3]、配置结构[4]、配置方式和配置环境[5]等不同视角进行了诸多尝试。其中，关于政府科研机构科技资源配置效率的研究大都聚焦于某一类型科研机构，通过对科技资源配置现状与问题进行分析，识别出科技资源配置影响因素，并给出相应优化建议[4]。但是，已有研究存在以下不足：首先，对于政府科研机构科技资源配置效率的研究多基于特定类型机构，缺乏对中国不同区域研究机构间的比较分析；其次，较多关注对单个影响因素的检验，忽略了不同要素间的整合。由于政府科研机构科技资源配置效率提升极具复杂性，采用多视角整合框架和多重因素互动关系解释政府科研机构科技资源配置效率尤为重要。

“组态视角”是理解互动关系的有效视角，为揭示不同省级政府科研机构科技资源配置效率影响机理，本文在各省级政府科研机构推进科技资源配置效率提升的实践场景下，采用模糊集定性比较分析法(FuzzySet Qualitative Comparative Analysis，简称fsQCA)，通过研究配置结构、配置方式和配置环境3个因素对政府科研机构科技资源配置效率的影响，识别出政府科研机构科技资源配置效率提升路径。本文重点解决以下问题：第一，中国各省级政府科研机构科技资源配置效率情况如何？第二，哪些条件对政府科研机构科技资源配置效率提升更重要？第三，推动政府科研机构科技资源配置效率提升的条件组态是什么？本文结合理论推演与科研机构的资源配置特点，构建配置结构—配置方式—配置环境研究框架，以中国内地25个省级政府科研机构为研究对象，通过fsQCA法分析导致政府科研机构科技资源配置效率差异的条件组态，揭示效率差异背后多重条件间的复杂互动关系，以弥补现有研究不足，并为优化各地区科技资源配置效率提供有效支撑。

1 文献综述与理论基础

公共科研机构主要包括由政府资助的高校科研机构和其它公共科研机构，其它公共科研机构又分为政府属和政府资助并委托给其它机构代管的公益性科研机构(樊立宏等，2007)。在我国创新系统中，高校和政府科研机构均是受政府支持的创新“国家队”。不同于高校培养人才与科学研究的战略目标，科研机构主要致力于满足国家战略需求与社会需求(程如烟等，2016)。其中，政府科研机构主要基于国民经济、社会发展对公共科研产品的需要，致力于研发创新，并对科技成果进行推广应用或提供科技服务。政府科研机构作为被政府稳定支持的创新主体，政府每年都会以直接资助或项目资助的方式向其投入大量科技资源，促进研发创新[6]。鉴于政府科研机构是我国科技资源的主要承载者(张义芳，2011)，本文重点探讨政府科研机构科技资源配置情况。

资源配置理论为理解政府科研机构科技资源配置提供了有益参考。在古典经济学中，亚当·斯密[7]强调“看不见的手”如何调节资源配置，即市场如何实现资源配置。他指出，当经济自由时，人们不会将资本投入某一途径，只有当发现通过某一途径投入的利润下降时才会将资本配置到最有利于社会发展的各个途径，让资本遵循符合社会关系的比例分配，进而实现资源优化。随后，马克思[8]在其《资本论》中指出，在社会分工大系统中，每个经济部门在满足他人需求和他人满足自己需求的过程中，在客观上就已经按照一定比例分配社会劳动，即资本会遵循一定比例合理分配。按照马克思的观点，遵循一定比例分配伴随着社会生产方式的变更，它只有可能改变表现形式，而不会突然消失。资源按照一定比例配置实现高效利用的观点引发了学者对资源配置结构影响配置效率的关注。

在资源配置理论的指引下，已有研究主要从配置规模、配置结构、配置方式和配置环境4个方面对科技资源配置效率进行探讨[9]。其中，配置规模主要是指科技资源投入数量。管燕等(2011)通过研究江苏省科技资源配置效率发现，苏南和苏北部分地区配置规模影响资源配置效率。配置结构研究主要强调资源在不同主体、不同方向上的配置比例。毛世平等[10]分别从人力资源配置结构和科技经费来源结构分析京津冀地区科技资源配置现状，指出科技经费投入结构需要进一步优化；朱慧等[11]研究发现，试验发展结构性因素没有应用研究结构性因素对安徽省科技资源配置效率的提升效果明显。配置方式研究主要关注配置方式选择问题[12]。配置环境研究主要探讨产学研合作水平和产业结构调整[13]、经济开放度[14]、经济发展水平和区域开放度[5]、政府支持[9]等对科技资源配置效率的影响。

综上所述，已有研究虽然对科技资源配置效率不同影响因素进行了探讨，但大多致力于挖掘影响因素的单一价值，仍存在如下不足：首先，科技资源配置效率提升是一个复杂过程，各影响因素间并非独立作用，而是通过互动关系共同影响科技资源配置效率提升，现有研究缺乏对多重因素间协同效应的系统探讨；其次，现有研究大多关注特定科研机构，对政府科研机构整体科技资源配置效率的考察较少；最后，DEA模型虽然广泛应用于科技资源配置效率研究，但只区分了有效和无效决策单元，未进一步区分有效决策单元科技资源配置效率差异，导致科技资源配置效率测度结果准确性较低。基于此，本文在已有研究的基础上，从多投入多产出角度构建政府科研机构科技资源配置效率评价指标体系，并采用超效率SBM模型对政府科研机构科技资源配置效率进行测算，识别2009—2019年不同省级政府科研机构科技资源配置效率存在的问题，借助fsQCA法探讨科技资源配置效率提升路径。

2 变量设计

2.1 政府科研机构科技资源配置效率测度体系

遵循数据可得性原则，本文选取的投入指标包括科技人力资源和科技财力资源，产出指标包括科研能力和创新能力[2]。本文分别以R&D人员全时当量作为政府科研机构人力投入测度指标，以R&D经费内部支出作为政府科研机构财力投入测度指标，以科技论文和科技著作产出作为政府科研机构科研能力测度指标，以专利申请数量和专利所有权转让数量作为政府科研机构创新能力测度指标(见表1)。

2.2 政府科研机构科技资源配置效率影响因素

本文结合文献推演和政府科研机构科技资源配置特点，构建配置结构—配置方式—配置环境研究框架，探寻科技资源配置效率提升路径。本文以基础研究强度和应用研究强度测量配置结构，以市场配置强度和政府计划配置强度测度配置方式，以产学研合作水平和区域开放度测量配置环境(见表2)。

(1)基础研究强度和应用研究强度。科技资源配置结构性因素是指科技资源在不同地区、产业、科研活动中的配置格局[11]。由于科技资源存在层次、质量和种类差异，因此在配置时需要考虑配置结构，配置结构优化对科技资源配置效率具有重要影响[4]。基础研究强度和应用研究强度基于资源在不同类型R&D活动中的配置而提出[11]。借鉴已有研究[11]，本文分别以基础研究投入强度、应用研究投入强度测量基础研究强度和应用研究强度。

(2)市场配置强度。科技资源市场化配置是指以市场为导向、企业为主体，对科技资源进行整合、共享、配置以实现低投入和高产出的过程(戚湧等，2015)。市场作为资源配置的基本手段，既是科技资源配置渠道也为科技资源配置提供保障[15]。市场化过程的推进为知识和技术共享提供了流通、生产和交易渠道[16]，使资源配置更加高效优化[17]，配置效率得以明显提升[18]。参考已有研究[9]，本文以R&D经费内部总支出(除政府支出部分)与R&D经费内部总支出之比作为市场配置强度的测度指标。

(3)计划配置强度。计划配置主要通过政府行政指令执行，一般包括政府计划和宏观调控[12]。政府是我国科技资源配置的引导者，对公共科技资源配置起重要作用[16]。一方面，政府支持科学研究能够促进全要素生产率增长[19]；另一方面，政府对科研活动的支持能够避免市场失灵[9]，并对科技资源配置效率产生重要影响[5]。参考已有研究[9，20]，本文以政府科技投入占政府财政支出的比例测算计划配置强度。

(4)产学研合作水平。产学研合作是促进高校和科研院所科技成果转化的有效途径[21]。已有研究表明，科研机构、高校、企业协同创新对技术转让许可[22]和研发效率提升[23]具有显著促进作用。一方面，产学研合作是企业、高校和科研院所三大创新主体从自身比较优势出发，通过相互协作进行的合作创新活动[24]，表现为企业对高校和科研院所投入R&D经费(卫平等，2013)；另一方面，由于政府科研机构主要从事知识创新活动，因此高校、科研机构R&D经费中的企业R&D投入占比是测量知识创新阶段产学研合作水平的有效指标[20]。按照已有研究惯例[20，24]，遵循数据可得性原则，本文以高校和科研机构中的企业R&D经费投入占总R&D经费投入的比值衡量产学研合作水平。

(5)区域开放度。区域是一个开放性系统，区域开放度是指经济要素在区域之间流动的程度[25]。区域对外开放使得竞争更加激烈，促进区域科技资源优化配置，区域开放度程度较高地区一般资源配置效率也高[21]。借鉴已有研究[5,21]，本文以区域进出口总额占区域GDP的比值衡量区域开放度。

综上所述，本文构建研究框架，如图1所示。

3 研究方法与数据来源

3.1 研究方法

3.1.1 超效率SBM模型

DEA模型在效率评价研究中应用较为广泛，该方法适用于评价多投入、多产出决策单元的相对有效性。传统DEA模型测算的效率结果只能区分有效决策单元和无效决策单元，即当决策单元有效时，其效率值为1；而当决策单元无效时，其效率值小于1。传统DEA模型未对有效决策单元效率值进行区分，导致测算结果精确度偏低。超效率SBM模型弥补了传统DEA模型未对有效决策单元进行区分的缺陷，能够保证有效决策单元效率值大于1。因此，本文以超效率SBM模型对政府科研机构科技资源配置效率进行测算。

3.1.2 模糊集定性比较分析法

fsQCA是一种基于集合的方法，适合探讨各种因素之间的复杂关系或互补关系[26-27]，能够弥补一般计量模型未考虑因素之间联动匹配并将主体外部环境和内部属性看作相互独立的线性变量关系的不足[27]。fsQCA主要用以分析结果变量或条件变量为连续值的问题，更能匹配本文研究。基于此，本文借助fsQCA法分析影响政府科研机构科技资源配置效率的组态效应。

3.2 数据来源

本文以2009—2019年中国内地25个省级行政区域政府科研机构为研究样本(由于江西、海南、西藏、青海、内蒙古和宁夏6个省份数据缺失严重，故未纳入统计)，探讨科技资源配置效率。本文数据主要来源于2010-2020年《中国科技统计年鉴》、2019年《中国统计年鉴》及国家统计局相关网站。此外，借助fsQCA法探究科技资源配置效率提升路径需要考虑影响配置效率的前因条件可能存在一定滞后期，因此本文采用2019年数据对政府科研机构科技资源配置效率进行测量，其它前因变量均以2018年数据为准。

3.3 数据校准

本文采用直接法进行变量校准[27]。参考已有研究[26]，将6个条件变量与1个结果变量的完全隶属、交叉和完全不隶属3个校准点分别设定为案例样本描述性统计的上四分位数(75%)、中位数与下四分位数(25%)。此外，由于在fsQCA分析中条件值为0.5的会被自动删除，因此本文以0.501替换校准后为0.5的条件值[28]。各变量校准及描述性统计结果见表3。

4 结果分析

4.1 政府科研机构科技资源配置效率评价结果

本文基于超效率SBM模型，采用DEA-Solver pro5.0软件计算2009—2019年我国内地25个省级行政区政府科研机构科技资源配置效率，结果见表4。由表4可知，2009—2019年各省域政府科研机构科技资源配置效率均值均小于1，表明整体科技资源配置效率未达到有效，需进一步调整和改进。从各省份科技资源配置效率均值看，有28%的省域政府科研机构效率有效，72%配置无效。其中，配置有效的政府科研机构主要分布在东部地区北京、浙江、福建、山东、广东以及西部地区贵州和新疆。可见，政府科研机构科技资源配置效率整体未达到最优且区域配置效率不均衡。

具体而言，2009—2019年北京政府科研机构科技资源配置效率值排名第一且远高于其它省份。这主要源于北京的首都效应，其作为中国最具创新力的城市，集聚和吸引了大量优质科技资源。此外，2014年以来北京大力推进科技创新中心建设工作，有效促进了科研机构创新活动。在《中国城市创新指数》排名中，北京常年稳居全国第一，为政府科研机构创新发展培育了良好的创新环境。截至2019年，在北京383家政府科研机构中，有110家隶属中国科学院及其分院。中科院作为国有研究机构，其创新能力和创新成果在国内外形成一定竞争力[29]，创新产出显著强于其它省份[30]，这也是北京政府科研机构科技资源配置效率远高于其它省份的重要原因。此外，2009—2019年北京政府科研机构科技论文产出、专利所有权转让和许可数稳居全国第一并实现大幅增长，其中科技论文产出增长了45.4%，专利所有权转让和许可数增长了9倍。可见，北京科技资源和创新环境优势对政府科研机构科技资源配置效率提升发挥了重要促进作用。

政府科研机构科技资源配置效率值演变总体呈上升趋势，仅部分年份出现小幅波动。从政府科研机构区域效率值看，东部效率值最高，其次是西部、东北和中部地区。这是因为，东部科技资源丰富，能够为政府科研机构提供充足的资源供给，而西部地区虽然资源匮乏，但资源有效利用率较高，中部和东北地区政府科研机构资源配置效率则比较均衡。

4.2 模糊集定性比较分析

4.2.1 单个条件必要性分析

在进行条件组态分析前，本文首先对各个条件(包括非集)进行必要性(Necessity)检验。由表5可知，所有条件的一致性水平均低于0.9的必要条件标准值[26,31]，说明6个条件不存在产生高/低配置效率的必要条件。因此，需要进一步考察各条件组态对政府科研机构科技资源配置效率的影响。

4.2.2 条件组态充分性分析

本文参考Schneider等[31]、杜运周等[32]的研究，设置一致性阈值和频数阈值既要保证真值表中结果为0和1的数量大致相等，也要避免某一真值同时是高配置效率和低配置效率的充分组态。最终，本文将一致性阈值设为0.8，频数阈值设为1。此外，由于现有研究关于6个条件与高/低配置效率的关系未给出一致性结论[31]，难以进行明确的反事实分析，因此针对6个条件在哪种状态下会引致高/低科技资源配置效率这一问题，本文将其设定为“存在或缺失”。

表6为政府科研机构高/低科技资源配置效率组态分析结果。从中可见，在高配置效率组态中，本文将具有相同核心条件的组态(1a和1b、2a和2b)归为一类。本文解的一致性为0.9，表明在所有满足这5类条件的组态中，有90%的省域政府科研机构配置效率较高。本文解的覆盖度为0.6，表明5类条件组态可以解释60%的高配置效率政府科研机构案例。解的一致性和覆盖度均高于临界值，表明本文分析结果有效。基于组态结果，本文进一步分析配置结构、配置方式和配置环境对政府科研机构配置效率提升的差异化影响。

(1)组态1a是由基础研究构成的基础研究型组态。表6结果表明，政府科研机构基础研究强度发挥核心作用。因此，在区域开放度、计划配置强度、产学研合作水平较低及市场配置强度不高的省份，可通过加大基础研究投入提升政府科研机构科技资源配置效率，如东北和西部地区吉林、云南、甘肃、新疆。组态1b是由基础研究和应用研究构成的科学研究型组态。在组态1b中，基础研究发挥核心作用，应用研究发挥辅助作用。因此，在计划配置强度与产学研合作水平较低及市场配置强度不高的省份，可通过强化基础研究与应用研究投入提升科技资源配置效率。此外，中国西部地区虽然资源匮乏，但政府科研机构科技资源总体配置情况好于东北和中部地区，表明西部政府科研机构资源利用率较高，如西部地区的广西和新疆。

(2)组态1a和1b解释的5个省份主要分布在东北地区和西部地区，包含东北地区1个和西部地区4个省域政府科研机构。以新疆政府科研机构为例，2020年《中国科技统计年鉴》显示，新疆政府科研机构基础研究投入占比为39.4%，在3类研发活动中占比最高，相较于其它省份，新疆政府科研机构基础研究投入强度排名第一，应用研究占比为32.1%，仅次于基础研究占比。新疆地处西部地区，经济发展水平与市场化水平较低，虽然政府实施西部大开发战略对西部地区促进作用显著，但新疆受政府科技支持的程度比其它省份低。可见，新疆政府科研机构主要凭借高研发投入强度促进科技资源配置效率提升。

(3)组态2a是由基础研究、计划配置和区域开放度构成的基础研究—环境型组态。表6结果表明，在产学研合作水平与应用研发投入偏低省份，凭借较高的政府科技支持程度与区域开放优势，持续强化基础研究投入，可有效提升政府科研机构科技资源配置效率，如北京。以北京市政府科研机构为例，北京作为我国的首都，是科研机构、高校与企业的集聚地，具备显著的科技创新潜力和势能。自“一带一路”倡议实施以来，北京对外开放水平不断提升，国家服务业扩大开放综合示范区及中国自由贸易试验区、证券交易所的组建促使北京对外开放日益扩大。此外，2020年《中国科技统计年鉴》显示，北京对外开放程度与政府计划配置强度居全国领先水平。由此可见，以北京为代表的省级行政区域在高计划配置强度与对外开放程度的助力下，依托高基础研究投入促进政府科研机构科技资源配置效率提升，这类地区政府科研机构符合基础研究—环境型组态解的典型特征。

(4)组态2b是由基础研究、市场配置、计划配置、产学研合作水平和区域开放度构成的基础研究—平衡型组态。这条路径需要配置结构、配置方式和配置环境发挥协同作用。表6结果表明，在区域开放度、计划配置强度、产学研合作水平与市场配置强度较高省份，如果能够将更多资源用于基础研发，将有助于政府科研机构科技资源配置效率提升，如东部地区山东和广东。以广东省政府科研机构为例，广东省处于地理位置优越的东部沿海地区，整体科技资源配置水平较高[9]。2020年《中国科技统计年鉴》显示，广东政府科研机构基础研究强度、市场配置强度、区域开放度和产学研合作水平居全国领先水平，政府计划配置强度位列全国第一。自“十三五”规划实施以来，广东省基础研究经费大幅增长，陆续启动了七批9个重点领域省级R&D计划和两批省级基础研究重大项目。因此，以广东为代表的政府科研机构几乎没有短板，主要以基础研究、政府支持和区域开放度为核心动力，依托产学研合作驱动科技资源配置效率不断提升，符合基础研究—平衡型组态解的典型特征。

(5)组态3是由应用研究、产学研合作水平和区域开放度构成的应用研究—环境型组态。表6结果表明，在计划配置强度、市场配置强度和基础研发投入偏低省份，依赖高区域开放度与产学研合作优势，可通过开展应用研究提升政府科研机构科技资源配置效率，如东北地区辽宁。以辽宁省政府科研机构为例，辽宁省作为我国的教育和科技大省，具有产学研合作的良好基础。辽宁尤其关注区域对外开放，“十三五”期间，辽宁货物贸易总量年均增长1.86%，进出口额33 791.9亿元，出口214个国家和地区。另外，“一带一路”倡议为辽宁对外开放创造了有利条件，使其成为我国向北开放的重要窗口以及东北亚经贸合作中心枢纽。2020年《中国科技统计年鉴》显示，辽宁省政府科研机构在应用研究强度与产学研合作水平上居全国前列。因此，以辽宁为代表的省域政府科研机构在高区域开放度和产学研合作的助力下，依托应用研究实现科技资源高效配置，符合应用研究—环境型组态解的典型特征。

综上所述，我国西部和东北地区政府科研机构科技资源配置效率提升主要依赖科学研究，如受基础研究与应用研究的驱动。而东部地区则主要凭借科技资源配置结构、配置方式、配置环境3重条件的联动适配，抑或受配置结构、配置环境的协同并发驱动。

4.2.3 稳健性检验

本文将一致性水平从0.8提高至0.85进行稳健性检验，结果与上文分析基本一致，表明本文研究结论具有一定的稳健性(见表7)。

5 研究结论与政策建议

5.1 研究结论

本文以中国内地25个省域政府科研机构为样本，运用fsQCA法探讨科技资源配置结构、配置方式和配置环境对政府科研机构科技资源配置效率的组态效应，得出如下结论：

(1)任意单一条件均无法单独构成政府科研机构高与非高科技资源配置效率的必要条件。配置结构、配置方式和配置环境多重条件相互组合才是促进政府科研机构科技资源配置效率提升的有效路径。另外，存在5条促进政府科研机构科技资源配置效率提升的路径：由基础研究构成的基础研究型组态；由基础研究和应用研究构成的科学研究型组态；由基础研究、计划配置和区域开放度构成的基础研究—环境型组态；由基础研究、市场配置、计划配置、产学研合作水平和区域开放度构成的基础研究—平衡型组态；由应用研究、产学研合作水平和区域开放度构成的应用研究—环境型组态。其中，基础研究型与基础研究—平衡型对提升科技资源配置效率发挥更重要的促进作用。

(2)基础研究强度和区域开放度在促进政府科研机构科技资源配置效率提升上发挥普遍作用。基础研究强度存在于4条促进科技资源配置效率提升的路径中，表明其是影响政府科研机构科技资源配置效率提升的关键因素。虽然基础研究投入不构成政府科研机构科技资源配置效率提升的必要条件，但正如李克强总理于2021年7月19日在主持国家自然科学基金委员会座谈会中所提出的“我们到了要大声疾呼加强基础研究的关键时刻”一样，将基础研究摆在关键地位，持续加大基础研究投入。另外，区域开放度存在于3条促进政府科研机构科技资源配置效率提升的路径中，且存在于5条抑制政府科研机构科技配置效率提升的路径中，表明其是影响政府科研机构科技资源配置效率提升的重要因素。

(3)我国各地区经济发展水平和资源禀赋不同，东部、西部和东北地区政府科研机构科技资源配置效率提升路径也不同。东部地区政府科研机构适合采用基础研究—环境型和基础研究—平衡型两条路径，西部地区政府科研机构适合采用基础研究型和科学研究型两条路径，东北地区政府科研机构适合采用基础研究型和应用研究—环境型两条路径。虽然各地区政府科研机构科技资源配置效率提升路径存在显著差异，但都朝着基础研究方向发力，表明基础研究具有重要性和普适性。

5.2 政策建议

根据上述研究结论，本文对提升政府科研机构科技资源配置效率提出以下3方面的政策建议：

(1)政府科研机构应强化配置结构、配置方式和配置环境的协同整合效应，而不能只考虑单一因素的影响作用，即应从整体视角探讨配置结构、配置方式和配置环境多重条件间的适配，并制定差异化匹配路径和发展战略。

(2)即使配置方式和配置环境严重受限，持续加大科学研究投入，尤其是基础研究投入，也可有效提升政府科研机构科技资源配置效率。

(3)各地区政府科研机构要依据自身资源禀赋与地区特征，选择适宜的路径提高科技资源配置效率，促进我国东部、西部和东北地区政府科研机构均衡发展，实现政府科研机构科技资源配置效率的全面提升。

参考文献:

[1] 范建平，赵园园，吴美琴.基于改进交叉效率的中国科技创新资源配置研究[J].中国科技论坛，2017，33(12)：32-40.

[2] 李柏洲，董恒敏.协同创新视角下科研院所科技资源配置能力研究[J].中国软科学，2018，33(1)：53-6.

[3] 刘汉初，樊杰，周侃.中国科技创新发展格局与类型划分——基于投入规模和创新效率的分析[J].地理研究，2018，37(5)：910-924.

[4] 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.

[5] 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.

[6] 代涛，阿儒涵，李晓轩.国立科研机构预算拨款配置机制研究[J].科学学研究，2015，33(9)：1365-1371,1404.

[7] 亚当·斯密.国民财富的性质和原因的研究[M].北京：商务印书馆，1972.

[8] 马克思.资本论.第一卷[M].北京：人民出版社，1975.

[9] 段忠贤，吴鹏.科技资源配置效率影响因素组态与路径研究——基于中国内地30个省市的QCA分析[J].科技进步与对策，2021,38(22)：11-18.

[10] 毛世平，王晓君，林青宁.京津冀地区农业科研机构科技资源结构与配置效率研究[J].农业经济与管理，2019，10(3)：42-50.

[11] 朱慧，傅为忠，刘彦华.安徽省科技资源配置效率及其影响因素研究[J].合肥工业大学学报(社会科学版)，2013，27(4)：13-19.

[12] 高培勇，杜创，刘霞辉，等.高质量发展背景下的现代化经济体系建设：一个逻辑框架[J].经济研究，2019，54(4)：4-17.

[13] 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.

[14] 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.

[15] 吴家喜，彭洁.科技资源配置能力内涵及驱动因素分析[J].工业技术经济，2010，29(12)：103-107.

[16] 周琼琼，华青松.政府及市场行为对科技资源配置与技术创新能力影响的实证研究[J].科技进步与对策，2015，32(15)：14-19.

[17] KLENOW H P J.Misallocation and manufacturing TFP in China and India[J].Quarterly Journal of Economics，2009,124(4):1403-1448.

[18] 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，2019，35(3)：93-101.

[19] 叶祥松，刘敬.异质性研发、政府支持与中国科技创新困境[J].经济研究，2018，53(9)：116-132.

[20] 赵增耀，章小波，沈能.区域协同创新效率的多维溢出效应[J].中国工业经济，2015,32(1)：32-44.

[21] 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，2013，39(4)：96-99.

[22] SON H，CHUNG Y，HWANG H，et al.Do technology entrepreneurship and external relationships always promote technology transfer？evidence from Korean public research organizations[J].Technovation，2019，82-83：1-15.

[23] 林青宁，温焜，毛世平.创新模式对农业科研院所研发效率的影响[J].科技进步与对策，2018，35(12)：64-68.

[24] 原毅军，黄菁菁.FDI、产学研合作与区域创新产出——基于互补性检验的实证研究[J].研究与发展管理，2016，28(6)：38-47.

[25] 曾海鹰，任登鸿.区域开放度指标体系研究及测算[J].经济问题探索，2007，28(9)：15-19.

[26] FISS P C.Building better causal theories：a fuzzy set approach to typologies in organization research[J].Academy of Management Journal，2011，54(2)：393-420.

[27] RAGIN C C.Redesigning social inquiry：fuzzy sets and beyond[M].Chicago：University of Chicago Press，2008.

[28] RAGINCC，DRASSKA，DAVEYS.Fuzzy-set/qualitative comparative analysis 2.0.Tucson：Department of Sociology[M].Arizona:University of Arizona，2006.

[29] 王淑强，青秀玲，王晶，等.基于文献计量方法的国际地理科学研究机构竞争力分析[J].地理学报，2017，72(9)：1702-1716.

[30] ZHANG D Q，BANKER R D，Li X X，et al.Performance impact of research policy at the Chinese Academy of Sciences[J].Research Policy，2011，40(6)：875-885.

[31] SCHNEIDER CQ，WAGEMANNC.Set-theoretic methods for the social sciences：aguide to qualitative comparative analysis[M].Cambridge：Cambridge University Press，2012.

[32] 杜运周，贾良定.组态视角与定性比较分析(QCA)：管理学研究的一条新道路[J].管理世界，2017，33(6)：155-167.

(责任编辑：王敬敏)