图1 网络DEA投入与产出指标
摘 要：根据2011-2014年科技部《国家重点科技基础条件资源调查表》以及国家统计年鉴数据，首先，使用赫芬达尔指数定量描述了利用国家重点科技资源进行创新活动的非均衡性。其次，使用网络DEA方法，实证分析了2012-2014年中国(内地)各省份国家重点科技资源对区域创新发展的支撑作用。研究表明，国家重点科技资源对区域创新发展的支撑作用不仅取决于资源创新生产阶段，而且受制于重点科技资源支持下的区域创新发展阶段。重点科技资源的支撑作用还有较大提升空间，70%的省份创新成果转化能力有待提高，且大部分省份的国家重点科技资源未实现优化配置。此外，全国及东部、中部和西部国家重点科技资源对区域创新发展的支撑效率不存在绝对收敛趋势。
关键词：国家重点科技资源；区域创新；网络DEA；支撑效率；空间差异
根据世界银行增长与发展委员会的统计数据，二战后连续25年以上保持7%以上高速增长的经济体只有13个，排除小经济体外的其它10个大经济体都从第3个10年开始减速，第4个10年能保持7%以上增速的只有中国台湾，其余经济体的增速都基本掉到了4%以下。近30年来，成功跨越中等收入陷阱且人口超过2 000万的国家只有韩国和波兰。根据国家统计局数据，1978-2012年中国国内生产总值年均增长9.8%，同期世界经济年均增速只有2.8%。2015、2016年中国GDP增速放缓，分别为6.9%、6.7%，仍为世界经济增长的火车头。全球新一轮科技革命、产业变革正加速演进，创新成为改变国家间力量对比的重要手段。中国面临赶超跨越的机会和挑战，而且很多产业在全球产业链中处于中、低端，支撑产业升级的科学技术储备有待加强。同时，在资源、环境压力日益增大、传统发展动力不足的情况下，中国经济由要素驱动、投资驱动转向创新驱动迫在眉睫，创新是保持国家经济持续增长的重要驱动力。
随着中国对创新日趋重视以及创新投资增加，关于区域创新的研究日渐增多。这些研究主要分为以下两类：①区域创新评价体系构建、区域创新效率测算。如史修松等[1]、王春枝与赵国杰[2]、苏屹等、彭雪蓉与刘洋[3]以中国(内地)各省市为研究对象，测算了区域创新效率，并给出相应的对策建议。上述研究通过区域创新投入和创新产出评价区域创新效率，并未详细分析区域创新主体的作用；②从空间关联角度研究区域创新。如白俊红与蒋伏心[4]、刘乃全等[5]。上述研究考虑了创新空间关联效应、创新主体关联关系对区域创新的影响，但以上研究在涉及创新主体时不够细化，没有详细给出某一创新主体对区域创新的作用。
区域创新不是单一链式创新，而是具有多阶段、网络化特点，因此需要使用相应模型评估这种复杂系统的效率[6]。早期DEA的研究将生产过程视为“黑箱”，忽略中间生产过程，投入经过“黑箱”后变为产出。但现实生产中，整体效率受到中间生产过程的影响，Färe与Grosskopf[7]通过分解复杂生产过程，在改进传统DEA后首次提出了网络DEA，并认为“黑箱”是由一系列子单元构成的，子单元之间不断进行投入-产出的生产活动，并且这些生产活动影响整体生产效率，因而网络DEA能够考察每个子系统对整体效率的影响。随后Färe与Grosskopf[8]对网络DEA进行了一系列研究，形成了较完整的网络DEA理论体系：中间投入和产出模型、Malmquist指数模型、资源分配模型。目前使用较多的是两阶段生产过程网络DEA模型，该模型分为资源约束型和序列型。资源约束型是指总投入是第一阶段和第二阶段的投入。序列型是指第一阶段的投入只被第一阶段使用，第一阶段的产出是第二阶段的投入。这些网络化模型仅仅是对传统DEA的简单叠加，不能够考察子系统之间的联系以及子系统与整体系统的联系。网络系统主要有串行、并行、复杂结构系统，各个阶段效率构成了系统总体效率。本文使用复杂结构网络系统，同时包含串行结构系统和并行结构系统。
本文建立两阶段三系统网络DEA模型，如图1所示，模型包含一个串联模型和一个并联模型。阶段Ⅰ包含了并联模型1和模型2，模型1是使用国家重点科技资源的创新生产过程，其创新资源投入为X1、X2，产出为Z1和Z2。模型2是虚拟生产过程，此过程并没有实际产出，其投入是X3和 X4。阶段Ⅱ由模型3构成，其投
入是模型1的创新产出Z1和 Z2以及模型2的投入X3和 X4，产出是Y1和Y2。
图1 网络DEA投入与产出指标
假设有n个DMU，则产出导向的DMUM的效率可以表示为：
εj,νr,ωi≥γ k=1,2...n
(1)
式 (1)的对偶模型为：
maxθm
αk,βk≥γ k=1,2…n
(2)
阶段Ⅰ和阶段Ⅱ的效率可以用式(3)、(4)计算：
(3)
(4)
通过上式分别求出两个阶段的技术效率。
Chen[9]认为，无效DMU在网络DEA中不能映射在前沿生产面上，两个阶段的投入并不匹配，因而需要使用最佳中间投入解决这个问题。因此，本文引入最优中间产出变量集
其中，r=1,2。
对于DMUm：
分别将
作为产出和投入，则式(2)可以变为：
maxθm
αk,βk≥γ k=1,2…n
(5)
式(5)将子系统影响纳入考虑范围，可测算整个系统效率和最优中间产出。
本文选取2011-2014年中国(内地)30个省、市、自治区(西藏因数据缺失不计入)创新资源投入和产出数据，样本数据来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国高技术产业统计年鉴》，国家重点科技资源数据来源于科技部、财政部联合开展的科技资源调查《国家重点科技基础条件资源调查表》中的分区汇总数据。其中，国家重点科技资源是指国务院和各地区有关单位所属的科研院所、高等学校，以及中央企业所属科研机构中原值在50万元以上的大型科研仪器和上述机构中的科技活动人员。
本文选取《国家重点科技基础条件资源调查表》中原值在50万元以上大型科研仪器的原值(X1)、科技活动人员(X2)作为模型1的投入指标，产出指标是调查表中统计的专利申请授权量(Z1)和主持或参加制订、修订的已发布标准(简称“技术标准”)(Z2)。模型3的投入是模型1的产出和两项追加投入：各省市资本存量(X3)、各省市就业人员减去科技基础条件资源调查表中的科技活动人员(X4)，产出指标是技术市场合同成交额(Y1)、高技术产业主营业务收入(Y2)。
大型科研仪器和科技活动人员作为国家重点科技资源，是创新活动必不可少的基础，大型科研仪器为科研工作者进行试验、攻克重大科技难题提供了技术保障，科技活动人员则是创新主体。专利是衡量创新成果的指标，各地区专利申请、审查、授权的制度法规在一国范围内基本一致。因此，不同地区的专利数具有可比性[5]。高技术产业主营业务收入和技术市场成交额也是衡量区域创新发展的经济指标。
(1)各省资本存量测算。本文使用张军与章元[10]的公式：
Kt=Kt-1(1-ϑ)+It
(6)
式(6)中，Kt表示第t年固定资本存量，ϑ是固定资产折旧率，ϑ=9.6%。本文折旧率使用吴延瑞[11]研究成果中的分省折旧率，It表示第t年固定资产投资。张军与章元测算2001年全国固定资本存量为81 413.15亿元，使用每个省份固定资产投资占比估计地区资本存量，计算出2001年各地区资本存量后，笔者使用上述公式计算出2011-2015年各省份资本存量。
(2)为了消除物价影响，本文对涉及价格的指标：大型科研仪器原值(X1)、技术市场合同成交额(Y1)和高技术产业主营业务收入(Y2)均采用GDP平减指数进行折算，基期为2010年。
(3)投入-产出滞后-选择。首先，科技资源从投入到产出的生产过程需要时间，大部分学者测算投入-产出效率时都选择了一年滞后期，如庞瑞芝等[12]、陈庆江[13]。其次，受数据可得性的限制，本文对重点科技资源调查始于2010年，由于指标相关数据缺失和调查的时滞性，目前可得数据是2011-2014年的数据。因此，本文选择滞后期为1年。Y1和Y2为t年的产出，X1和X2是t-1年的数据，其它指标均使用t年的数据。
(4)使用Matlab编程计算网络DEA的两阶段效率值以及总体效率值。
表1 投入产出指标变量描述性统计
指标观测值均值标准差最大值最小值单位X1(2011-2013)9022．4434．40213．101．11亿元投入X2(2011-2013)9036．5025．36122．016．20千人X3(2012-2014)9056991．9537369．60176876．145986．10亿元X4(2012-2014)901061．14768．154074．78108．35万人Z1(2012-2014)903124．573595．4815134．0043．00项产出Z2(2012-2014)90302．23817．085740．008．00项Y1(2012-2014)90177．03405．222331．760．45亿元Y2(2012-2014)902649．264500．0820172．7212．14亿元
近年来，中国创新产出的增长得益于创新资源投入的大幅增加，但国家重点科技资源投入和创新产出具有非均衡性。
本文使用赫芬达尔指数，衡量国家重点科技资源支持下创新活动的非均衡程度。赫芬达尔指数是测量产业集中度的指标，本文借鉴Fisher的研究，测度创新活动在各省市集聚程度，如式(7)所示。
HI=1+
(7)
式(7)中，si为i省创新投入(产出)占全国创新投入的比重。n=30，即省市数量。赫芬达尔指数介于0～1之间，该指数越高，说明各省市创新投入(产出)越不均衡。HI=1说明创新活动高度集中，全国创新活动集聚在一个省市。HI=0说明各省市创新活动分布均等[6]。
本文整体测算了大型科研仪器和科技活动人员的非均衡程度，如图1所示。由图1可以看出，2011-2014年大型科研仪器的赫芬达尔指数是下降的，基本维持在0.35左右，非均衡程度下降。科技活动人员的非均衡程度较低，在0.1左右，但近年来有上升趋势。这从侧面说明大型科研仪器较少的省市开始重视创新投入，而科技活动人员则呈现在个别省市集聚趋势，差异扩大。
图2 国家重点科技资源创新投入的赫芬达尔指数
图3是2011-2014年《国家重点科技基础条件资源调查表》中专利申请授权量和统计年鉴中各省市技术市场成交额以及高技术产业主营业务收入的赫芬达尔指数。由图3可以看出，区域创新产出的赫芬达尔指数均在0.2以上，其中专利授权量差异程度有明显下降趋势，专利授权量反映了科研机构和高校以及央企研发成果。省际技术市场成交额区域差异化程度较高，赫芬达尔指数基本稳定在0.5左右。省际高技术产业主营业务收入的差异化程度较大，但有逐渐收敛趋势。这说明中国创新落后区域对领先地区的追赶主要体现在省际高技术产业的主营业务收入方面。
(1)实证研究表明，国家重点科技资源对区域创新发展的支撑效率主要受第二阶段即创新成果转化为经济效益的制约。考察期内，阶段Ⅰ效率均值为0.886，阶段Ⅱ效率均值为0.448，前者明显高于后者，说明各省市国家重点科技资源创新效率较高，但创新成果转化能力较弱。总体效率不高的原因主要是因为阶段Ⅱ效率较低。因此，提高创新成果转化能力，能够加强国家重点科技资源对区域创新发展的支撑作用。
图3 创新产出的赫芬达尔指数
(2)各省市之间阶段Ⅱ效率差异明显，即各省市国家重点科技资源的成果转化能力差异显著。根据各省市效率值差异分析，可以把30个省市分成3类，第一类是国家重点科技资源对区域创新发展强支撑型，即两阶段效率值均较高的省市：北京、广东、江苏、上海、天津、陕西、湖北。这些省市经济比较发达，科研院所和高校以及高技术企业的科研能力较强，其科研成果转化能力也较强。第二类是科研成果转化制约型，第一阶段效率显著高于第二阶段，这一类型省市最多，有21个，占总数的70%，包括山东、江西、四川、青海、福建、河南、重庆、辽宁、浙江、吉林、湖南、安徽、黑龙江、广西、山西、河北、云南、贵州、海南、宁夏回族自治区、新疆维吾尔族自治区。两阶段效率差的平均值达到了0.644，说明两个阶段效率差异很大，区域创新发展普遍受制于科研院所和高校的成果转化能力。第三类区域创新效率高但科研成果转化能力较低。即阶段Ⅱ效率高，阶段Ⅰ效率低，这类省市较少，只有内蒙古自治区和甘肃。内蒙古自治区两阶段效率差异达到0.356，甘肃是0.190，这两个地区的中间产出明显不足。以2014年为例，内蒙古自治区科研院所和高校的专利授权量为238项，而保证区域创新发展效率最有效的规模是512项，两者相差274项；内蒙古自治区科研院所和高校的技术标准为16项，保证区域创新发展最有效的规模是28项，两者相差22项。甘肃省科研院所和高校的专利授权量是957项，而保证区域创新发展最有效的专利授权量是2 844项，两者相差1 887项；技术标准是81项，保证区域创新发展最有效的规模是311项，两者相差230项。
表2 各省市国家重点科技资源对区域创新发展的支撑效率及两阶段效率值
地区阶段Ⅰ阶段Ⅱ总体效率地区阶段Ⅰ阶段Ⅱ总体效率北京1．0001．0001．000浙江1．0000．2580．258广东1．0001．0001．000甘肃0．4180．6070．243江苏1．0000．9680．968吉林0．9920．2390．237上海1．0000．9620．962湖南0．9580．2450．232天津1．0000．9540．954安徽0．8860．2630．223陕西0．9200．8870．812黑龙江0．8880．2360．207山东0．9890．5200．514广西0．9880．1830．181湖北0．7000．6950．485山西0．7610．2310．179江西1．0000．4020．402河北0．8960．1820．163四川0．9770．4090．400云南0．7680．1820．140内蒙古0．4710．8270．387贵州0．7770．1460．115青海0．8620．4520．354海南1．0000．0740．074福建0．9920．3370．334宁夏0．7960．0510．033河南0．9850．3320．327新疆0．8600．0240．020重庆0．9170．3470．308全国0．8860．4480．397辽宁0．7660．4180．293
图4 中国省际国家重点科技资源支撑区域创新发展两阶段效率值
(3)中部、东部、西部地区两个阶段效率差异显著不同。根据2012-2014年中国3大地区阶段Ⅰ和阶段Ⅱ的效率，采用R语言进行非参数多组秩和检验(Kruskal-Wallis)，以此说明两阶段中部、东部、西部区域效率差异。检验结果如表3所示，在阶段Ⅰ，研发效率在东部、中部、西部地区间存在较为显著差异(P值为0.027，在5%的水平下显著)。在阶段Ⅱ，研发效率在东部、中部、西部显示差异不显著(P值为0.066)。
表3 东部、中部、西部两阶段效率差异性
东部效率值中部效率值西部效率值P值阶段Ⅰ0．9680．8960．7960．027阶段Ⅱ0．4550．3300．3740．066
使用配对样本T检验对东部与西部、东部与中部、西部与中部之间的阶段Ⅰ效率差异进行检验，结果显示，阶段Ⅰ效率的整体差异来源于东部与中部(P值为0.014)、东部与西部(P值为0.0211)，中部与西部差异不显著(P值为0.065)。结合图5可以看到，东部地区创新效率(0.937、0.995、0.970)显著高于西部地区(0.847、0.809、0.729)，但东部与中部(0.912、0.877、0.901)的差异比较小，中部地区与西部地区的差异逐年拉大。阶段Ⅱ的整体效率差异来源于东部(0.605、0.592、0.623)与西部(0.315、0.400、0.407)(P值为0.008)，以及东部与中部(0.249、0.330、0.411)(P值为0.011)的差异，中部与西部可认为无差异(P值为0.897)。从图5可以看到，中部与西部的效率值相差较小，而东部与中部、西部效率值相差较大。可见，中部与西部差异小，东部与其它区域差异大。原因可能是国家重点科技资源主要集中在东部，且东部地区的科技活动人员素质较高，创新产出也较多，而且技术市场中介服务机构较完善，因而科研成果转化能力比中部、西部强。西部地区和中部地区的重点科技资源较少，且技术市场不够完善，因而科研成果转化能力较弱。
图5 2012-2014年东部、中部、西部地区第一阶段创新效率值
图6 2012-2014年东部、中部、西部地区第二阶段创新效率值
(1)国家重点科技资源对区域创新发展的支撑效率总体偏低。2012-2014国家重点科技资源对区域创新发展的支撑效率平均值为0.397，支撑效率较低。可见，在区域创新发展过程中，国家重点科技资源发挥的作用有待加强。由表3可见，2012-2014年国家重点科技资源对区域创新发展的支撑效率均值为0.397，2012-2014年间整体效率均值在0.362～0.431之间，一直处于0.5以下。
表4 国家重点科技资源支撑区域创新发展总体效率
地区20122014平均值地区20122014平均值北京1．0001．0001．000甘肃0．1940．2770．243广东1．0001．0001．000吉林0．1910．2800．237江苏1．0000．9560．968湖南0．1780．2820．232上海0．9670．9580．962安徽0．1760．2890．223天津0．8631．0000．954黑龙江0．1920．2380．207陕西0．6340．9250．812广西0．1290．2280．181山东0．4350．5970．514山西0．1250．2480．179湖北0．3180．6480．485河北0．1430．1920．163江西0．3630．5100．402云南0．1490．1550．140四川0．3470．4260．400贵州0．0910．1640．115内蒙古0．6270．2350．387海南0．0840．0700．074青海0．2530．4790．354宁夏0．0290．0430．033福建0．2860．3540．334新疆0．0260．0190．020河南0．2520．3930．327西部地区0．2460．3030．272重庆0．2320．3810．308东部地区0．5770．6100．593辽宁0．3480．3100．293中部地区0．2240．3610．287浙江0．2260．2760．258全国0．3620．4310．397
注：平均值是2012、2013、2014年的总体效率均值，受篇幅限制，未列出2013年的总体效率值；表格根据总体效率平均值排序
(2)各省市国家重点科技资源对区域创新发展的支撑效率差异显著。在考察期内，北京、广东、江苏、上海、天津地区始终保持较高的总体效率，上述省市高校、科研院所的数量、质量在全国名列前茅，其专利和技术标准数量等相关指标水平远高于全国平均水平，而且上述地区经济发达，市场体系比较完善，高校、科研机构的创新成果在很大程度上能够转化为经济效益，对区域创新发展的支撑作用较大。位于全国均值以上的有10个省市：北京、广东、江苏、上海、天津、陕西、山东、湖北、江西、四川。其它20个省市效率值均在全国均值以下，这充分说明了省际间国家重点科技资源对区域创新发展的支撑效率差异很大，均值在0.1以下的有3个省(自治区)：海南(0.074)、宁夏回族自治区(0.033)、新疆维吾尔自治区(0.02)，这也与现实相符，海南、宁夏回族自治区、新疆维吾尔族自治区的大型科研仪器原值的均值仅2.68亿元，而全国平均水平是22.4亿元；科技活动人员均值是9.79千人，全国平均水平是36.76千人；中间产出的专利和技术标准分别为50.97项和55.22项，远低于全国平均水平的3 154.70项和304.25项，说明上述3个省(自治区)依托国家重点科技资源的创新发展相对落后。上述3个省(自治区)技术市场成交额均值为219亿元，略高于全国平均水平，但高技术产业主营业务收入仅为全国平均水平的2.59%。由此可见，地区高技术产业发展水平较低，国家重点科技资源对区域创新发展的支撑作用不显著的主要原因是前者对高技术产业发展的支撑作用较小，因此应该加强产学研结合。
(3)国家重点科技资源对区域创新发展的支撑效率有显著区域差异。从图1可以看到，东部地区(0.593)显然高于西部地区(0.272)和中部地区(0.287)。
差异主要存在于东部地区与西部、中部地区，而且东部地区在高校和科研院所数量、质量、技术成果、创新成果转化制度、产学研结合程度、市场环境等方面比西部和中部地区更优越。2012-2013年，中部地区总体效率低于西部地区，2014年中部地区总体效率超过西部地区，说明在3年中，中部地区高校和科研院所对区域创新发展的支撑效率大于西部地区。主要原因可能是我国重点科技资源的配置不合理，资源配置方式仍以计划为主导，市场对科技资源配置的基础性作用难以充分发挥。东部地区拥有大量先进科研仪器以及高素质科研人才，中部、西部地区的重点科技资源偏少，科技人员的工资待遇较低，科研环境和创新氛围较差，科技人力资源特别是高端科技人才缺乏，科技人员的科研水平较低。
图7 2012-2014年3大地区国家重点科技资源对区域创新发展的支撑效率值
本文使用Matlab编程计算最优中间产出，结果如表5所示。
(1)大部分省市(自治区)的专利授权量和技术标准明显不足，只有少数省市的中间产出过度(负值代表产出过度，正值代表产出不足)。根据专利授权量最优化配置比的平均值，只有6个省市(占比20%：黑龙江、上海、江苏、浙江、江西、陕西)的平均值为负，这6个省市在考察期内的专利授权量产出过度。其中，2014年黑龙江、上海、江苏、浙江的专利授权量比最优专利授权量分别多出1 073、4 063、5 976、4 462项。在上述省市中，上海、江苏、浙江是因为创新资源投入过多而导致产出过度；黑龙江、江西、陕西则是相较于有限的创新投入资源，其创新产出较多。从平均值看，23个省市专利授权量明显不足。根据技术标准优化配置比的平均值，只有4个省(自治区)表现出产出过剩(海南、青海、新疆维吾尔族自治区、宁夏回族自治区)，相较于较少的创新投入资源，上述4个省(自治区)的技术标准产出较多。从平均值看，25个省市的技术标准产出不足。根据以上分析可知，大部分省市(自治区)国家重点科技资源的创新产出不足，主要原因在于创新投入资源较少，或者在创新活动中有资源浪费、利用率不高的现象，从而导致产出不足。
表5 2012-2014年各省市(自治区)最优中间产出优化配置比 (单位：%)
地区专利申请授权量优化配置比201220132014平均值技术标准优化配置比201220132014平均值北京0．000．000．000．000．000．000．000．00天津35．037．043．7315．2717．4344．734．1822．12河北137．40148．2017．61101．077．90123．8491．0874．27山西173．67278．0296．58182．7613．85211．29-59．5955．18内蒙古441．94360．51115．31305．92158．61540．4577．66258．90辽宁28．5982．5656．8255．99272．48343．84113．32243．21吉林96．7932．7012．3547．28-22．0873．34219．1490．13黑龙江-40．462．56-20．45-19．45110．45248．97173．30177．57上海市-48．24-55．42-47．90-50．52-50．8517．7638．061．66江苏0．00-52．58-40．89-31．160．00-2．7376．5124．59浙江-22．76-58．93-47．54-43．0823．2297．6366．7962．55安徽132．0058．4641．3777．28112．96296．19129．75179．63福建152．8672．2250．3491．8029．6562．89300．64131．06江西20．43-35．680．00-5．08-55．09137．530．0027．48山东87．8052．15-10．8543．03-20．2174．4655．3536．53河南104．98254．7032．01130．56-8．7423．4434．9516．55湖北-12．1665．5555．1936．19159．79176．8398．14144．92湖南79．43142．3054．7892．17-4．8446．61-25．345．48广东1．864．241．242．4423．5442．2530．8832．22广西289．60130．2329．71149．85-64．7969．4610．565．08海南193．0174．7189．64119．12-62．37-19．951．58-26．92重庆市95．1416．6947．9353．25-23．91120．71141．3479．38四川131．8832．2219．9861．3639．2886．06106．4677．26贵州109．07159．8923．3997．45105．03134．12-14．0375．04云南19．4684．5037．8447．2624．9619．4646．0630．16陕西-42．55-20．061．79-20．27100．93250．5257．76136．40甘肃227．82233．46197．24219．51142．23738．61284．22388．35青海263．89598．95164．36342．40-37．74-62．85-34．49-45．03宁夏1237．91577．691289．001034．877．08-35．8727．29-0．50新疆37．86290．21165．42164．50-21．18-56．14-53．11-43．48
(2)构建开放型交易体系、加强高校和科研机构间交流合作以及资源共享是提高区域创新能力的关键。除北京以外，其它省市(自治区)国家重点科技资源的创新成果或不足或过多，它们的高校和科研机构之间应加强交流，提高大型科研仪器方面对外共享率，加强科技活动人员尤其R&D人员之间的合作，从而将低区域创新资源分布不平衡的影响。因此，应构建创新成果协作体系，提升高校和科研机构的创新效率，同时促进区域创新发展。
在创新发展过程中，绝对收敛和相对收敛在整体趋异、局部趋同情形下不再适用。Barro 与 Salai-Martin(1991)给出了俱乐部收敛概念，他们认为俱乐部收敛是指在经济增长的初始条件和结构特征等方面相似的区域之间发生的相互收敛。为了检验是否存在俱乐部收敛效应，笔者采用探索性空间数据方法分析事物或空间关联性和聚集性，研究变量是否存在空间关联性和聚集性。
探索性空间数据分析(Exploratory Spatial Data Analysis，ESDA)可以发现研究变量的空间关联性和聚集性。全局空间自相关用来描述整个研究区域内空间相邻单元的整体相似程度。测度全局空间自相关性，计算公式为：
Moran'sI=
(8)
其中，n为研究区域的总数目，即上文中的30个省市(自治区)，yi和yj是区域i和区域j的总体效率值，wij为行标准化空间权重矩阵，空间权重矩阵中只有相邻或不相邻，相邻是1，不相邻是
是y在n个区域全部观测值的平均值。
Moran′s I的值一般在[-1，1]。Moran′s I>0，表示国家重点科技资源对区域创新发展的支撑效率较高的区域在空间上显著聚集，Moran′s I越接近于1，表明空间上差异越小；Moran′s I<0表明空间负相关，区域与周边地区有着显著差异，Moran′s I越接近-1，区域间差异越大；Moran′s I=0表示空间不相关，即区域间相互独立，在空间上随机分布。
使用标准化统计量Z检验n个区域是否存在空间自相关关系，如式(9)所示：
Z=
(9)
其中，E(I)为Moran′s I的期望值，σ(I)为所有观测值的Moran′s I的标准差。
零假设是指区域间不具有空间自相关性，而是随机分布的。正态分布下，Z介于-1.96～1.96之间，即符合零假设，区域间不存在显著自相关性。当Z为正且显著时，说明存在正的空间自相关，相似的观测值趋向于空间集聚，高值区域与高值区域邻接，低值区域与低值区域邻接。当Z为负且显著时，说明存在负的空间自相关，相似的观测值趋向于分散分布，高值区域与低值区域相邻接，低值区域与高值区域相邻接，计算结果如表6所示。
表6 2012-2014年Moran′s I值
年份Moran′I标准差期望值Z值p值2012-0．025080．111686-0．034480．0841790．466520130．0054160．112172-0．034480．355690．36120140．0073260．112792-0．034480．370670．3554
Moran′s I统计量都在0附近且均不显著，说明2012-2014年国家重点科技资源支撑区域创新发展的空间分布特征不明显。2012年有负的空间自相关性趋势，2013年和2014年基本在空间上呈随机分布。分析表明，国家重点科技资源对区域创新发展的支撑效率不存在溢出效应，即国家重点科技资源对区域创新发展的支撑效率无集聚倾向。
综上所述，北京、天津及河北相邻，北京虽然有很多高校研究所，但是河北没有985高校。上海只与江苏及浙江相邻。广东是教育不发达地区，因而不能形成集聚效应。从国家重点科技资源支撑区域创新发展的总体效率值看，北京、天津综合效率值都是1，河北是0.163，北京、天津几乎没有溢出给河北省。同理，广东1，海南为0.074。福建为0.3，浙江为0.258，江苏为1，上海为1。上述相邻省市中，发达省市对欠发达省市溢出很少，因此不存在集聚效应。
Moran′s I 统计量检验表明，中国国家重点科技资源对区域创新发展的支撑效率不存在明显空间相关特征，因而不需要将空间效应纳入收敛模型。本文使用区域创新的总体效率代替Barro与Sala-I-Martin[15]提出的人均国内生产总值，得到区域创新绝对β收敛的检验方程：
(10)
式中，yi,t是第i个地区t年的创新能力，T为样本时间范围。α是常数项，β为收敛系数，εt为随机误差。当β估计值小于0且显著时，说明区域创新能力存在绝对β收敛。
从表7可以看出，无论在全国范围内，还是在东部、中部、西部地区，β均为负值且未通过显著性检验，说明全国、东部、中部和西部地区国家重点科技资源对区域创新发展的支撑效率不存在绝对收敛趋势。
表7 β估计值
分类全国东部中部西部β估计值-0．04176-0．01095-0．03330-0．03219P值0．2320．7350．7420．677R20．050590．013350．019410．02012F值1．4920．12180．11870．1848
本文构建了基于最优中间产出的网络DEA模型，将国家重点科技资源对区域创新发展系统分解成国家重点科技资源的创新生产阶段、创新生产支持下的区域创新发展阶段以及国家重点科技资源优化配置阶段，并实证考察了2012-2014年国家重点科技资源对区域创新发展的支撑作用。主要结论如下：
(1)样本期内，全国各省市(自治区)国家重点科技资源对区域创新发展的支撑作用普遍较小。2012-2014年全国总体效率只有0.397，在考察期内，均低于0.5。区域间存在较大差异：东部地区(0.593)效率最高，中部地区(0.287)次之，西部地区(0.272)效率最低。省际间差异较大，如北京、广州地区总体效率为1，而宁夏回族自治区为0.033、新疆维吾尔族自治区为0.02，均低于0.1。
(2)区域创新发展主要受到阶段Ⅱ的限制，测算结果表明，阶段Ⅰ的全国平均效率为0.886，阶段Ⅱ的全国平均效率只有0.448，且在阶段Ⅱ，省际差异很大。这充分说明高校和科研机构的创新成果转化受到了制约。科技成果转化能力提高是关键，政府应根据行业、产业特色形成多层次、精细化的职称评聘标准，由科研人员选择参评，改变单一的职称评定办法，营造大众创业、万众创新的社会氛围。科技主管部门在转变管理职能，深化科技计划、项目和经费改革进程中，对科研项目进行顶层设计，应以企业需求为主导，以推进科技成果转移转化为核心。科研院所和高校主管部门可以通过建立考核机制，引导科研院所和高校瞄准国内外市场需求开展应用科学研究。
(3)大部分省市(自治区)国家重点科技资源的创新资源未实现优化配置。23个省市(自治区)国家重点科技资源的专利授权量低于最优规模，其中差距在100%以上的省市有10个。25个省市(自治区)国家重点科技资源的技术标准低于最优规模，差距在100%以上的省市有8个。
(4) Moran's I 统计量检验表明，中国国家重点科技资源对区域创新发展的支撑效率不存在明显空间相关特征，β均为负值且均未通过显著性检验，说明全国、东部、中部和西部地区国家重点科技资源对区域创新发展的支撑效率不存在绝对收敛趋势。
由此可见，问题解决的关键在于优化科技资源配置。在高校和科研院所层面，构建开放型技术交易体系、加强高校和科研机构之间的交流合作以及资源共享是区域创新发展的关键。研究表明，6个省市(自治区)的专利授权量和4个省市(自治区)技术标准产出有“冗余”，可以通过高校和科研机构的资源共享、创新成果协作体系构建实现规模最优，从而促进区域创新发展。在区域层面，应以科技资源共建共享为核心，加强科技基础条件平台建设，健全和完善科技基础条件平台共享机制，建立区域创新知识、成果共享体系。
参考文献:
[1] 史修松,赵曙东,吴福象.中国区域创新效率及其空间差异研究[J].数量经济技术经济研究,2009(3):45-55.
[2] 王春枝,赵国杰.基于非径向SE-C2R模型与谱系聚类的中国区域创新效率分析[J].中国软科学,2015(11):68-80.
[3] 彭雪蓉,刘洋.我国创新评价研究综述:回顾与展望[J].科研管理,2016,37(S1):247-256.
[4] 白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015(7):174-187.
[5] 刘乃全,吴友,赵国振.专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J].经济问题探索,2016(2):89-96.
[6] FISCHER M M.Innovation,networks,and knowledge spillovers[M].Springer Berlin Heidelberg,2006.
[7] F
RE R,GROSSKOPF S.Intertemporal production frontiers: with dynamic DEA[M].Amstel dam: Kluwer Academic Publishers，1996.
[8] FRE R,GROSSKOPF S.Network DEA[J].Socio-Economic Planning Sciences,2000(34)：35-49.
[9] YAO CHEN,WADE D.COOK,JOE ZHU.Deriving the DEA frontier for two-stage processes[J].European Journal of Operational Research,2010(202):138-142.
[10] 张军,章元.对中国资本存量K的再估计[J].经济研究,2003(7):35-43.
[11] 吴延瑞.生产率对中国经济增长的贡献:新的估计[J].经济学,2008,7(3):827-842.
[12] 庞瑞芝,范玉,李扬.中国科技创新支撑经济发展了吗[J].数量经济技术经济研究,2014(10).
[13] 陈庆江.政府科技投入能否提高企业技术创新效率[J].经济管理,2017,39(2):6-19.
[14] 黄德森,杨朝峰.基于空间效应的区域创新能力收敛性分析[J].软科学,2017,31(1):44-48.
[15] BARRO R J,SALA-I-MARTIN X.Convergence[J].Journal of Political Economy,1992,100(2):223-251.
Abstract：According to the survey of "National Key Science and Technology Resource Survey" and the National Statistical Yearbook from 2011-2014,this paper first describes the Herfindal Index of non-equilibrium of innovation activities of national key scientific and technological resources.Secondly,we use the network DEA to analyze the supporting role of national key scientific and technological resources in regional innovation in China from 2012 to 2014.The result shows that the supporting role of national key scientific and technological resources in regional innovation is generally low,70% of the provinces' innovation achievements transformation ability have yet to be improved.Further calculation of Moran′s I index indicates there is no convergence of supportive efficiency.
Key Words:National Key Scientific and Technological Resources; Regional Innovation; Network DEA; Supportive Efficiency; Spatial Difference
DOI：10.6049/kjjbydc.2017080358
中图分类号：F204
文献标识码：A
文章编号：1001-7348(2017)24-0033-09
收稿日期：2017-10-26
(责任编辑：张 悦)