摘要：我国适时提出了创新驱动发展战略，科技创新将取代人口红利成为新的经济增长源泉。当前我国“科技经济两张皮”问题严重，难以充分发挥创新引领经济增长的作用，亟需找出掣肘创新效率提高的因素。将创新效率分为科技成果产出效率和转换效率，采用数据包络分析方法测算26个制造业两阶段创新效率，比较两阶段高效率产业的重合度，分析科技政策取向对创新效率的影响。实证分析结果显示，科技成果产出效率大于转换效率，科技政策取向仅能渗透到科技创新的第一阶段，科技成果产出阶段与转化阶段脱钩现象严重。提出了将专利所有权赋予个人，提高科研成果转换效率；与市场动向紧密结合，解决中国制造业长期处于全球价值链低端的政策建议。
关键词：科技政策取向；科技成果产出；科技成果转换；数据包络分析
中图分类号：F120.4； F124.3
文献标识码：A DOI：10.3963/j.issn.1671-6477.2018.01.014
一、问题的提出及文献综述
我国在第十二个五年计划期间就指出，科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置，坚持走中国特色自主创新道路、实施创新驱动发展战略。这一战略的提出，极大地激励了万众创新的热情，2012年以来，有效发明专利数年增幅达到30%以上。大量科技成果涌现的同时，我国企业供给的产品难以充分满足市场需求，在钢铁、水泥和电解铝等行业产能过剩现象严重，无法完成市场出清，在全球价值链内中国企业长期处于中低端环节，单位产品附加值偏低。专利、发明集中产生的领域与市场实际需求之间存在偏差，导致科技成果向经济产出转化效率低下，阻碍了创新驱动发展战略的顺利实施。科技政策取向历来是专利、发明产生领域的指挥棒，为了使发明、专利满足市场需求，提高我国科技成果向经济效益转化的效率，国内外学者围绕科技政策取向对创新效率的影响展开了深入研究。
对于创新效率的边界和范畴，学术界有了新的认识。冯志军、朱建新[1]指出从科技投入到经济产出之间包括两个阶段，第一阶段投入研发人员、资金，产出专利发明、学术论文；第二阶段为科技成果商业化向经济产出转换的过程，两阶段的转换效率共同决定了创新效率的高低。所以创新的目的不只是为了发表高水平的论文，更是为了提高经济产出，驱动发展[2]。董洁[3]基于随机前沿函数，分析了影响中国创新效率的因素，在市场化支撑、人力支撑、经费支撑和科技政策支撑等众多因素中，科技政策支撑起着最为关键的作用。科技政策取向与市场需求结合得好，能极大提高创新效率。美国1980年颁布杜邦法案，科研人员能够拥有政府资助项目的科研成果所有权，科研人员为了使手中的专利最大化地转化为经济产出，会充分满足市场需求。这一法案的提出，激励了科技政策取向与市场需求的紧密结合，使美国成为全球科研成果商业化效率最高的国家。反之，当科技政策取向脱离市场需求后，容易形成“科技与经济两张皮”的局面。我国每年取得科技成果三万多项，但转化为现实生产力的只有6%～8%，创新效率远低于发达国家[4]。可见，科技政策取向与市场需求的契合程度是决定创新效率高低的关键因素，现有研究成果普遍集中于区域和省市创新效率评价体系的设计和测算，难以直接作用于创新效率的改善[5-6]。本文将创新效率的研究维度从区域转向产业，以第一阶段各产业科研人员、资金投入与科研成果产出效率反映科技政策取向，以第二阶段科研成果到经济产出的转化效率体现市场实际需求，比较两阶段两种创新效率的产业重合度来判断中国科技政策取向与市场实际需求的契合程度，揭示了我国科技政策取向对科技创新效率的影响。并结合具体数据的实证分析，测算了中国26个制造业科技成果产出效率和经济产出转化效率，提出了提高创新效率的政策建议。
二、评价方法、指标选取和数据来源
（一）评价方法
用于评价效率的常用方法有投入产出分析（IO法）、随机前沿分析（SFA）和数据包络分析（DEA）。里昂惕夫开创了投入产出分析，建立了如式（1）所示的以直接消耗系数和完全消耗系数为核心的效率评价体系，其中，Xij为i产业投入到j产业的中间产品，Xj为j产业的总产出，Aij为直接消耗系数，B为完全消耗系数矩阵，矩阵的元素为完全消耗系数。这一评价方法能准确反映单投入单产出模型的转换效率，在贸易、环境等领域广泛使用。创新效率的评价体系为多投入多产出模型，投入产出分析不适合做这类模型的效率评价。
DEA分析于1978年由Charnes和Cooper提出[10]，用于解决群决策中多投入多产出的效率评价问题。评价创新效率时，DEA分析依据投入产出数据提供的信息，采用线性优化方法刻画出最具创新效率的决策单元组成的生产前沿面，其他决策单元与生产前沿面的距离越远，则创新效率越低。如公式（3）所示，Xj为各种创新投入要素向量，Yj为各种创新产出要素向量，反映每种创新投入和产出要素的数量，u和v为权重向量，反映每种创新和投入要素的重要程度。
hj为第i个产业的创新效率。采取DEA分析方法评价创新效率充分利用了线性规划的特性，无须建立方程式与具体函数，简便易行；赋权时依据客观输出数据，不使用专家打分方法，避免了主观因素的干扰；其相对效率的指导思想使输出结果清晰呈现出更具创新效率的决策单元，体现出各决策单元创新效率的差距，有利于找出非有效单元改进的方向。鑒于以上优点，本文使用DEA分析方法测算创新效率。
（二）指标选取和数据来源
两阶段创新效率评价的原始投入为科技创新资源投入，创新需要大量的资金投入，科研经费是投入要素不可或缺的部分。除去科研经费的投入外，人力资源作为知识的重要载体，也属于创新投入的关键要素之一，本文选取R&D人员全时当量、R&D经费和新产品开发经费支出作为创新效率评价第一阶段的投入指标。专利、论文和项目等科技创新的中间产品，既是第一阶段的投入，又是第二阶段的投入，在创新效率的评价体系中起着承上启下的作用。文中计划利用26个产业细分产业的科技成果产出体现国家的科技政策取向，需要搜集各细分产业的专利、论文和项目数量。现有的论文统计口径是按学科作为划分标准，无法顺利转化为产业维度，文中仅将有效发明专利数和新产品开发项目数纳入表1所示的两阶段多产业创新效率评价指标体系。经济产出是科技创新的最终产品，本文同时考虑了直接经济产出新产品销售收入和创新的间接影响人均GDP。最后参考Griliches[11]， Ahuja[12]和刘顺忠[13]等人对创新效率的评价体系，完成本文指标体系的构建。