科技人才投入、市场化与区域创新效率研究_张昭俊.pdf

2023 年 1 期总第 441 期前 沿Forward PositionNo.1 2023Sum No.441科技人才投入、市场化与区域创新效率研究张昭俊 何丽 王秀丽（内蒙古工业大学 经济管理学院，内蒙古 呼和浩特 010010）摘要 区域创新效率不仅受到科技人才投入的影响，还受到市场化程度的制约。本文以高校、科研机构和企业科技人才作为投入变量，将市场化细分为人才市场化和技术市场化，基于科技研发和成果转化两阶段分析区域创新效率，以20092020年中国30个省（自治区、直辖市）的面板数据为研究对象，运用SFA模型研究科技人才投入和市场化对区域创新效率的影响。实证结果表明：（1）中国30个省（自治区、直辖市）的创新效率总体处于上升状态，并且近几年，科技研发效率超过成果转化效率；（2）并非各类科技人才投入都会促进创新效率提升，高校、科研机构以及企业人才的投入表现出不同的区域特征；（3）科技人才市场化程度提升显著影响类地区创新效率，但其影响程度存在阈值，表现为该区域企业科技人才投入与成果转化效率呈倒U型关系。建议从区分科技人才类型、合理配置科技人才投入、科学把握市场化进程等方面提升区域创新效率。关键词 区域创新效率；科技人才投入；人才市场化；技术市场化中图分类号 C964.2；F124.3；F249.2 文献标识码 A 文章编号 1009-8267（2023）01-0049-10区域创新是一个地区取得竞争优势、促进经济增长最为重要的动力源泉，而科技人才是创新能否获得优势的关键所在。为提升区域创新能力与效率，各地区投入大量的研发经费，人才争夺也愈演愈烈。中国创新投入的规模和增速已进入世界领先行列，成为仅次于美国的世界第二大研发经费投入国家，R&D人员全时当量居世界第一。然而，快速增长的科技投入并未带来与之匹配的创新效率，主要表现为科研成果转化率低下。其原因之一是中国科技人才主要集中在事业单位，远离市场。为此，近几年国家有关部门多次下发文件，支持和鼓励事业单位专业技术人员创新创业，旨在通过提高科技人才市场化水平，从而促进创新效率提升。显然，现实中科技人才投入与市场化已经成为影响我国区域创新最为关键的两个因素，各地区都在加大科技人才投入力度，鼓励企业提高科技人才的市场化水平。但是我国各类组织，诸如高校、科研机构、企业的科技人才分布不均衡，各地区创新氛围与市场环境各异，不区分人才类型而一味加大投入力度可能会造成人才资源的损失与浪费，过高的市场化水平可能会导致基础研究不足，基金项目 内蒙古自治区自然科学基金项目“基于产权交易的科技人力资本迁移动力机制研究”（2021MS07006）。作者简介 张昭俊，博士，内蒙古工业大学经济管理学院教授，研究方向：产业经济、公共管理等；何丽，内蒙古工业大学经济管理学院硕士研究生，研究方向：公共管理、人力资源管理。通讯作者 王秀丽，博士，内蒙古工业大学人力资源研究所所长，教授，研究方向：人力资本价值、人力资源管理等。49DOI:10.14129/ki.forwordposition.20230324.003从而影响科技持续创新与经济长足发展。因此，面对当前科技创新效率不高、科技人才投入不合理的情形，需要准确把握创新效率变化趋势以及地区特征，科学区分人才类型和创新阶段，研究人才投入创新效率的区域差异，进而为各地政府政策制定提供帮助。一、文献回顾创新效率是指一定环境和资源配置下的单位创新投入的产出1，创新投入包括最基础的科技人力和财力投入2。马歇尔3 211、郭国峰等4认为科技人才投入对创新效率具有显著的正向作用，Cinnirella 和 Streb5、马茹等6认为人力资本是创新产出的核心要素，远高于R&D经费投入对科技创新的影响。中国的区域创新效率呈现出差异化发展特征，赵凯旭等7、丁刚等8认为我国区域创新效率明显偏低，呈现出“东部中部西部”的分布特征，出现差异化分布的主要原因是地区人才聚集度以及人才分布差异化。芮雪琴等主要研究了科技人才聚集规模、强度和均衡度对区域创新效率的影响9，修国义等指出经济发达地区科技人才集聚过度，欠发达地区人才集聚不足10。徐彬和罗文指出，科技人才作为科技创新的主体，是区域创新系统的重要投入，其分布状况潜在影响着各地区的创新效率。11事实上，科技人才投入并不像我们所期望的那样有效，创新效率的提高必须依赖市场对科技人力、财力投入要素的引导。现阶段中国科技人才在政府、事业单位、企业不均衡分布的状况与市场配置资源的原则相悖，市场化对于区域创新的推动作用已经得到多数学者的认可。“熊彼特假说”提出，市场集中程度越高，技术创新效率就越有效。12杨柏等论证了政府科技投入抑制了总体创新效率和东、中、西部各区域的创新效率。13宋来胜等探究了政府和企业投入对创新效率的影响，结果表明政府研发资助对企业研发投入具有挤出效应。14对此，付一夫等提出创新发展的关键在于加快市场化进程15，良好的市场环境是开展创新活动的驱动力，使创新主体能够通过市场渠道快速获得所需资源。孙晓阳和詹祥通过实证研究发现，市场化对东部地区和中、西部地区的创新能力都有显著的正向影响。16党文娟等认为进一步深化市场经济改革才是提高区域创新能力的关键。17刘伟等认为市场化对企业技术创新具有调节作用，市场化水平越高，其调节作用越明显。18综上所述，目前学者们在区域创新效率研究方面取得了不少有价值的研究成果，如：创新效率存在着东强西弱或经济发达地区优于欠发达地区的分布特征，人力资本和科技人才分布、聚集度对创新效率有显著影响，市场化水平提高有利于区域创新效率的提升，等等。然而，也存在以下不足之处：（1）以东、中、西部或经济发展程度划分区域的方式并不能准确反映创新效率的区域特征；（2）市场化只能反映地区综合性的市场发展程度，而科技创新活动的特殊性使得作为要素资源的人才的市场化更为重要；（3）学者们较少对比研究高校、科研机构、企业三类科技人才对创新效率的影响。因此，本文以人才市场化和技术市场化代表科技市场化程度，基于科技研发和成果转化两阶段分析区域创新，通过聚类方法分析创新效率的区域差异，运用 SFA 模型实证研究高校、科研机构、企业的科技人才投入效率和市场化对创新效率的影响，以期为中国各区域均衡配置科技人才、合理规划人才流动方向、提升区域创新效率提供政策建议。二、模型设定与变量说明（一）模型设定效率测算分为参数法和非参数法。非参数法即数据包络分析（DEA），其优势在于可以测算多投入、多产出式效率，但忽略随机因素对效率的影响，降低了效率测度的准确性与稳定性。随机前沿生产函数模型（SFA）是参数法之一，排除了测量误差和统计干扰，在事先构造生产函数的基础上完成对观测单元效率的计算，同时提供相应的统计检验值。50根 据 需 要，本 文 选 取 随 机 前 沿 生 产 函 数（SFA）分析中国 30 个省（自治区、直辖市）的创新效率。其基本表达式如下：yit=f(xit；)exp(vit-uit)（1）其中，i表示省份，t为时间；yit为产出效率，xit为投入要素组合，f（xit）为生产函数；为待估参数。vit-uit为混合误差项，vit为随 机 变 量，uit为 技 术 非 效 率 项，并 假 定vitN(0，it2)，并与uit相互独立。为更加精准地测算效率，模型进一步考虑投入要素交叉项和二次项对效率的影响，其具体形式可以写成：lnYit=0+jlnXit+12jmjmln(Xit)ln(Xit)+vit-uit（2）uit=0+zit+wit（3）其中，zit为影响技术非效率的因素；为各影响因素的系数，0 说明技术非效率项对效率有负向影响，反之，若0，说明技术非效率项对效率有正向影响；wit是技术无效率方程的随机扰动项。（二）数据来源与变量选取1.数据来源。数据主要来源于各年度中国科技统计年鉴中国统计年鉴中国金融年鉴 及地方统计年鉴。由于港澳台、西藏地区数据缺失，最新数据可以查找到2020年，且2008年之前个别指标统计口径发生变化，考虑到专利申请授权的时滞性，本文投入指标为 2009-2019 年，产出指标为2010-2020 年，其余部分指标数据由计算得出。2.被 解 释 变 量，即 区 域 创 新 效 率（INN）。地区创新指数、新产品增加值、新产品销售收入、专利申请授权量是普遍代表区域创新效率的方式。本文从科技研发和成果转化两个阶段分别选取投入和产出指标来衡量区域创新效率，指标体系具体见表1。科技研发（SE）阶段成果主要体现为科技论文、专著和专利申请数量，由于随机前沿产出指标的单一性，相比于科技论文和专著，专利申请授权量更能直观代表区域创新效率在科研方面的产出。科技资金投入和科技人才投入是创新活动的必要基础和先决条件。科技资金投入以 R&D 资本存量为表征，本文参照李颖的做法对科研经费进行处理19，采用永续盘存法按 20.6%进行折旧。科技人才投入分别选取高校、科研机构和企业的R&D人员全时当量来表示。科技研发表达式如下：lnYSE=0+1lnlab1+2lnlab2+3lnlab3+4lncap1+1/25(lnlab1)2+1/26(lnlab2)2+1/27(lnlab3)2+1/28(lncap1)2+9lnlab1lnlab2+10lnlab1lnlab3+11lnlab1lncap1+12lnlab2lnlab3+13lab2lncap1+14lnlab3lncap1 （4）成果转化（TE）阶段的产出指标用新产品销售收入表示。企业是科技成果转化的第一主体，无论是引进先进技术还是自主研发，核心技术发展都离不开企业 R&D 人员的投入。R&D 资金投入贯穿创新活动的所有环表1区域创新效率指标体系指标区域创新效率INN科技研发(SE)阶段成果转化(TE)阶段投入指标高校科技人才(Lab1)科研机构科技人才(Lab2)企业科技人才(Lab3)R&D资本存量(Cap1)企业科技人才(Lab3)R&D资本存量(Cap1)专利申请授权量(Pat1)产出指标专利申请授权量(Pat1)新产品销售收入(Rev1)51节，因此成果转化阶段依然选取R&D资本存量作为投入指标。除此之外，将上一阶段的专利产出作为成果转化的投入指标。成果转化表达式如下：lnYTE=0+1lnlab3+2lncap1+3lnpat1+1/24(lnlab3)2+1/25(lncap1)2+1/26(lnpat1)2+7lnlab3lncap1+8lnlab3lnpat1+9lncap1lnpat1 （5）3.环境变量。科技市场化程度由科技人才市场化（MAR1）和技术市场化（MAR2）两个指标衡量。科技市场发展能促进创新资源自由流动，是市场经济体制下创新发展最原始、最直接的动力。20完善的科技市场体现在人才、资本、数据以及研发成果等科技要素以市场机制为导向进行合理配置。本研究认为，企业科技人才市场化和技术市场化是创新发展中关键的环境变量，因而选取这两个指标代表科技市场化。科技人才是技术进步的载体，企业科技人才是吸收转化科技研发成果、促进创新效率提升的关键因素之一。企业科技人才占所有科技人才的比例反映了科技人才市场化程度（MAR1）。技术市场化是科技成果与科技资源流通的过程，通过打通研发和转化之间的通道，使得以知识创新为主的科研机构与以技术创新为主的工业企业资源互补，以达到创新效率最大化。完善的技术市场有利于减少创新活动中的信息不对称现象，还可以反映创新主体的创新效率。技术市场化（MAR2）反映了科技研发到成果转化的难易程度，通过技术市场成交额与地区 GDP 之比测度。214.其他控制变量。根据以往的研究，除科技人才市场化和技术市场化两个环境变量外，区 域 创 新 效 率 还 受 到 信 息 化 水 平（INF）、对外开放程度（FDI）、政府支持（GOV）、经济发展程度（GDP）、金融发展（FIN）5 个控制变量的影响，具体如表 2 所示，表达式如下：uit=0+1mar1it+2mar2it+3infit+4fdiit+5govit+6gdpit+7finit（6）信息化水平反映信息传递的速度、深度和广度，信息传递越快，受众群体越多，越有利于促进科技信息交流。本文选取互联网接入人数占常住人口比重作为衡量信息化水平的指标。22对外开放反映地区对外交流的密切程度，地区开放程度越高，生产要素流动速度越快。本文选取外商直接投资额与 GDP 之比衡量地区开放程度。23政府支持反映政府对创新活动的支持程度，政府通过加大科技创新投入力度促进创新效率提高。本文选用地方科学技术财政支出占GDP比重衡量政府支持力度。24科技创新离不开地区经济发展的支撑，只有经济持续发展才能保障科技创新所需的巨大而持续的要素投入。本文选取GDP 表示表2变量选择及计算方法变量性质被解释变量环境变量控制变量变量名称INNMAR1MAR2INFFDIGOVGDPFIN变量含义区域创新效率科技人才市场化技术市场化信息化水平对外开放政府支持经济发展水平金融发展计算方法科技研发效率(SE)成果转化效率(TE)企业科技人员/科技人才总量技术市场成交额/GDP互联网接入人数/常住人口数外商直接投资额/GDP科学技术的财政支出/GDPGDP金融机构贷款余额/GDP 52经济发展水平。25金融发展通过增加资本供给、风险管理、缓解信贷约束等方式提高创新效率。本文选取金融机构贷款余额占 GDP 比重衡量金融发展程度。26三、结果与分析首先，对模型的适用性进行检验，运用Frontier4.1 软件估算可知，各区域科技研发和成果转化效率生产函数模型的值均大于在1%显著性水平下的混合卡方值，即模型存在技术无效率项，可以使用随机前沿模型进行参数估计。其次，本文对全国的创新效率进行估算，并分析出时空分异特征。为进一步分析两阶段的区域创新差异，采用聚类分析方法将我国 30 个省（自治区、直辖市）划分为高研发高转化型、低研发高转化型和低研发低转化型三类。最后，根据聚类结果，利用超越对数随机前沿生产函数模型对三类地区进行估计，对比分析科技人才投入和市场化对区域创新效率的影响。（一）创新效率的时空分异特征1.时间变化特征。根据超越对数随机前沿生产函数模型估计结果，中国 30 个省（自治区、直辖市）的科技研发和成果转化效率值如图 1 所示。近十年来，中国 30 个省（自治区、直辖市）的创新效率整体上处于上升状态。通过分析原因发现，为促进我国科学技术的创新发展，2006 年国务院出台了 国家中长期科学和技术发展规划纲要（20062020年），提出要增强基础科学研究，重视前沿技术研发，政策的实施极大地推动了创新效率提升。如图1所示，科技研发效率呈现逐年上升趋势，由 2010 年的 0.453 9 上升至 2020 年的0.878 6，提高了约 93.6%，说明中国科技研发投入产出比较高，发展势头良好。成果转化效率呈波动上升趋势，2008 年金融危机对创新活动的开展产生短暂冲击，R&D资本投入受限导致成果转化效率较低。此后，成果转化效率缓慢上升，2016 年略微下降后逐渐回升并持续上涨，2020年增长到0.679 2。近十年的科技研发效率整体增速大于成果转化效率。2010 年，成果转化效率较科技研发效率高出0.034，20102014年成果转化效率高于科技研发效率，2015 年之后科技研发效率反超。总体来看，近几年科技政策取向激发大量专利产生，但低效研发未能有效支持产业发展，技术仍停留在研发阶段。科技研发效率平均值显著大于转化效率，说明我国创新仍停留在专利、论文层面，市场化进程缓慢。2.空间差异特征。根据科技研发和成果转化效率的输出结果做出雷达图，如图 2 所示，可以发现创新效率具有两个明显的空间特征。第一，中国科技研发和成果转化效率呈现出明显的地区差异，两极分化严重。2020年，科技研发阶段创新效率处于0.300.91之间，成果转化效率在0.140.818 5之间。其中，北京、上海、江苏、浙江、山东、广东研发效率都高达 0.8 以上，而内蒙古、山西、陕西、甘肃低于0.5。广东、江苏、浙江成果转化效率在0.7以上，青海、甘肃、贵州低于0.4。第二，区域创新效率并不完全按照地理区域划分呈现出东强西弱的特征，区域内部分化比较严重。如属于东部地区的辽宁、福建、海南、河北等省份创新效率远低于同属于东部区的上海、江苏、浙江、山东、广东等地，而属于西部地区的重庆、广西等地创新效率高于中部地区。同时，部分地区科技研发和成果转化效率严重脱节，如甘肃、黑龙江、贵州等地研发成果没有得到有效转化。00.10.20.30.40.50.60.70.80.92010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020科技研发成果转化图12010-2020年中国科技研发与成果转化效率 53（二）区域创新效率聚类分析鉴于创新效率并不完全按照地理区域划分呈现出特征，为进一步分析创新效率的地区差异以及科技人才投入、市场化对其产生的影响，本文对各地区的科技研发和成果转化平均效率进行综合聚类分析。避免传统东中西部区域划分的主观性和任意性，将类似区域划分在一起归纳同类地区的特征和规律。本文利用SPSS19软件的系统聚类分析法，将我国30个省（自治区、直辖市）两阶段区域创新效率划分为高研发高转化型、低研发高转化型和低研发低转化型三类，结果如表3所示。第类为高研发高转化型，主要包括北京、上海、江苏、浙江、广东、山东，科技研发平均效率为 0.858 9，成果转化效率为0.669 7，基本处于中国区域创新效率的前沿地带。第类为低研发高转化型，主要包括天津、重庆、安徽、湖南、广西、河南、河北、湖北、江西、宁夏、吉林，科技研发平均效率为 0.534 2，成果转化效率为 0.666 8，这类地区的典型特点是成果转化能力强，但科技研发水平相对较低。第类为低研发低转化型，主要包括甘肃、山西、陕西、内蒙古、黑龙江、青海、贵州、云南、海南、福建、辽宁、四川、新疆，科技研发平均效率为0.546 1，成果转化效率为0.355 7，该类地区两阶段创新效率相对较低。（三）模型估计结果分析为更加深入研究上述三类区域科技人才投入、市场化对两阶段创新效率的影响，运用超越对数随机前沿生产函数，利用 20092020年中国30个省（自治区、直辖市）相关数据，对各区域两阶段创新效率进行分析，结果如表4所示。0.000.200.400.600.801.00北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西海南重庆四川贵州云南陕西甘肃青海宁夏新疆科技研发成果转化图2科技研发和成果转化效率空间差异表3中国区域创新效率聚类划分类型第类第类第类特点高研发高转化低研发高转化低研发低转化地区北京、江苏、浙江、上海、广东、山东天津、重庆、安徽、湖南、广西、河南、河北、湖北、江西、宁夏、吉林甘肃、山西、陕西、内蒙古、黑龙江、青海、贵州、云南、海南、福建、辽宁、四川、新疆科技研发平均效率0.858 90.534 20.546 1成果转化平均效率0.669 70.666 80.355 7 541.科技人才投入与区域创新效率分析。根据模型估计结果，科技人才投入整体上有助于创新效率的提升，但不同类型的人才在创新的两阶段表现出不同的区域特征。第类地区，在科技研发阶段，科研机构、企业科技人才投入正向影响研发效率，高校科技人才负向影响研发效率。模型拟合结果显示：高校、科研机构、企业科技人才待估参数分别为-160.068、47.676、24.342，且通过 1%水平的显著性检验。意味着北京、江苏、浙江、上海、广东、山东等地加大高校人才投入虽能增加科技研发成果，但无益于研发效率的提升；而增加科研机构、企业的科技人才投入量则可以提升研发效率。在成果转化阶段，企业科技人才弹性系数为0.16，平方项系数为-0.0001，在1%的显著性水平下通过卡方检验，说明在企业科技人才投入与成果转化效率呈倒U型关系。因此，企业科研人才投入要适度，否则会影响成果转化效率。第类地区，在科技研发阶段，高校、科研机构、企业三类科技人才投入对研发效率的影响效果并不显著，R&D资本投入与研发效率呈正相关关系，但企业科技人才与高表4区域创新效率超越对数随机前沿生产函数拟合结果科技研发变量constantlnlab1lnlab2lnlab3lncap11/2(lnlab1)21/2(lnlab2)21/2(lnlab3)21/2(lncap1)2lnlab1*lnlab2lnlab1*lnlab3lnlab1*lncap1lnlab2*lnlab3lnlab2*lncap1lnlab3*lncap1constantMAR1MAR2INFFDIGOVGDPFIN2LR第类系数425.621*-160.068*47.676*24.342*-0.84434.563*3.142*0.3820.026-10.933*-4.471*-1.9591.0341.5070.5120.646-1.666*8.7870.418-16.980*4.118-0.0000001-0.902*0.0265*0.5893*57.422第类-19.554*-1.0811.2642.0013.147*0.255-0.999-0.196-2.181*-0.647*0.574*-0.154-0.697*2.071*0.1712.643*1.506*-0.516*2.360*-1.808*-3.054*-0.000001*-2.19*0.069*0.9999*89第类6.997*1.244*-0.3880.872*-0.08-0.5520.597-1.063*-0.811*-0.0511.072*-0.624-0.778*0.3620.980*2.629*0.955*0.994-0.6944.558*-2.572*-0.000001*-0.906*0.119*0.9999*92.4626成果转化变量constantlnlab3lncap1lnpat11/2(lnlab3)21/2(lncap1)21/2(lnpat1)2lnlab3*lncap1lnlab3*lnpat1lncap1*lnpat1constantMAR1MAR2INFFDIGOVGDPFIN2LR第类系数-208.82*0.16*40.01*-0.261-0.0001*-4.372*-0.744*0.012*0.002*0.786*3.143*-1.526*13.154*-3.596*2.599*-0.045-0.000001*-0.110.418*0.9999*106.66第类-7.226*0.022*4.527*-0.867-0.00002*-1.803*-1.44*-0.003*0.005*1.457*5.728*1.5591.636-29.9*0.399-0.335-0.00000030.5652.184*0.9999*187.038第类-4.632*-0.03*0.1083.199*0.00003*1.833*1.762*0.005*-0.003-1.95*6.995*1.99*5.73-16.455*2.494-0.117*-0.000003*-0.6883.07*0.996*98.656*表示P0.01，*表示P0.05，*表示P0.1；LR为似然比，服从混合卡方分布 55校科技人才交叉项系数、科研机构人才与R&D 资本投入交叉项系数均为正，均通过1%水平的显著性检验，说明第类地区校企联合、科研机构科技人才在资金支持下都对科技研发产生了积极影响。进一步得出结论：第类地区科技研发不能单纯依赖某一类人才，校企合作型创新网络构建能有效提升科技研发效率。在成果转化阶段，企业科技人才投入与类地区情况一致，即与成果转化呈倒 U 型关系，成果转化效率随科技人才投入量的增加而提高，但发展到一定程度后，科技人才投入成为制约因素。第类地区，在科技研发阶段，高校和企业科技人才对研发效率有显著的促进作用。模型拟合结果显示：高校、企业科技人才待估参数分别为 1.244、0.872，通过 10%水平的显著性检验。在成果转化阶段，企业科技人才投入对成果转化效率的影响效果并不显著，科技研发成果的多寡成为影响成果转化效率的主要因素。综上，近年来、类地区高校凭借经济与地缘优势吸引了大量科技人才，提升了区域创新能力，但过量投入造成创新效率损失，尤其是类地区非常显著。第类地区对高校科技人才吸引力不足，人才大量流失，高校科技人才引进将会提升区域创新效率。2市场化与区域创新效率分析。对于第类地区，科技人才市场化程度提升显著影响类地区科技研发效率和成果转化效率，但市场化程度提升影响成果转化效率时存在阈值，表现在第类地区企业科技人才投入与成果转化效率呈倒 U 型关系。模型估计结果显示：第类地区科技人才市场化在两阶段的弹性系数分别为-1.666 和-1.526，说明其与区域创新效率呈正相关关系。企业科技人才每多投入一单位，成果转化效率增加0.16；当投入量达到一定峰值时，再追加投入一单位的企业科技人才，将削弱 0.0001 单位的成果转化效率。而第类地区技术市场化对科技研发的影响系数未通过检验，但在成果转化阶段弹性系数为 13.154，且通过检验，说明该地区当前技术市场的不完善阻碍了成果转化。第类地区科技研发和成果转化的科技人才市场化系数为正，表明科技人才市场化负向影响区域创新效率，提高科技人才的市场化并不能促进创新效率的提升。通过对比科研资本投入系数发现，科研资本投入系数为正，表明第类地区可以依托科研资本投入促进两阶段创新效率的提升。技术市场化正向影响创新效率而负向影响成果转化效率，但影响成果转化效率不显著。第类地区科技研发和成果转化的科技人才市场化弹性系数分别为0.955和1.99，系数为正且通过检验，表明人才市场化提升抑制两阶段创新效率。技术市场化系数为正，非技术效率项中政府支持的参数为-0.117，说明该地区技术市场化本身发展不充分，影响力微弱，创新发展主要依赖政府支持。综上，科技人才市场化对于创新效率的提升呈现出明显的区域特征。第类地区属于我国经济、文化与创新的重点省市，凭借大规模的人才集聚与成熟的市场环境，人才市场化有利于科研效率与成果转化效率的提升。第类地区大多数属于我国中部地区，人才市场化对于科研效率与成果转化效率的影响不明显。而对于第类地区，科技研发多受政府主导，人才市场化对于科研效率与成果转化效率有抑制作用。对于技术市场化而言，中国当前技术市场化并未有效促进创新资源自由流动，研发创新正在向市场导向型发展，其对创新效率的影响微弱，无明显规律。四、结论与建议本文运用超越对数随机前沿生产函数，对中国 30 个省（自治区、直辖市）20092020年的创新效率进行估计，研究结果表明：（1）中国 30 个省（自治区、直辖市）创新效率总体处于上升趋势，且最近几年科技研发效率提升速度更快，2015 年开始科技研发效率超过成果转化效率。（2）并非所有类型的科技人才投入都会提升创新效率，高校、科 56研机构以及企业的人才投入表现出不同的区域特征。（3）科技人才市场化程度提升显著影响类区域创新效率，但其影响程度存在阈值，表现为该区域企业科技人才投入与成果转化效率呈倒U型关系。通过对科技人才投入、市场化和区域创新效率的实证研究，本文提出如下建议。首先，合理配置科技人才投入，提高科技创新效率。对第类地区而言，高校科研人才投入并不能带来科技研发效率的提升，甚至产生冗余，更需要增加科研机构与企业人才的投入。针对第类地区，作为成果转化主体的企业应通过校企合作等方式充分利用高校和科研机构的智力资源，继续推进产学研合作，增强自身研发水平。对于第类低研发低转化地区，应积极引进人才，激励高校与企业科技人才充分发挥科技研发作用，促进研发效率与成果转化效率的提高。其次，科学把握人才市场化进程，加大市场化改革力度。第类人才富集区应打破科学行政化，消除科技人才迁移的制度障碍，鼓励高校、科研机构科技人才以兼职、创业、技术入股等形式进入企业，发挥人才市场化的引领作用。对第、类地区来说，一方面要科学把握人才市场化进程，避免基础研发人才不足而影响研发效率；另一方面，要重视此类地区的人才政策，充分发挥市场机制吸引人才，增加地区科技人才存量，提高创新效率。最后，密切关注科技研发效率，避免无效研发。近十几年来，国家及地方政府多次出台鼓励研发创新政策，提升了区域创新能力。科技研发效率超过成果转化效率，一方面是科技人才、资本的持续投入提高了研发效率，另一方面也是过度追求专利、论文数量的结果。因此，需要防止无效甚至虚假的专利、论文，严格控制研发成果认证过程，减少专利发明盲目申报的行为，避免重复低效投入带来的科技研发低水平陷阱。参考文献1 于惊涛，杨大力.政府投入、经济自由度与创新效率：来自 24 个领先国家的实证经验J.中国软科学，2018（7）：181-192.2 苏屹，安晓丽，王心焕，等.人力资本投入对区域创新绩效的影响研究基于知识产权保护制度门限回归 J.科学学研究，2017（5）：771-781.3 马歇尔.经济学原理：上卷 M.朱志泰，译.北京：商务印书馆，1987.4 郭国峰，温军伟，孙保营.技术创新能力的影响因素分析基于中部六省面板数据的实证研究 J.数量经济技术经济研究，2007（9）：134-143.5 CINNIRELLA F，STREB J.The Role of Human Capital and Innovation in Economic Development：Evidence form Post-Malthusian PrussiaJ.Journal of Economic Growth，2017（2）：193-227.6 马茹，张静，王宏伟.科技人才促进中国经济高质量发展了吗？基于科技人才对全要素生产率增长效应的实证检验 J.经济与管理研究，2019（5）：3-12.7 赵凯旭，杨永春，李恩龙，等.中国区域创新效率时空演变及其影响因素研究 J.西北大学学报（自然科学版），2019（3）：437-448.8 丁刚，罗暖.省域创新型科技人才队伍建设的投入产出效率评价及其空间关联格局分析基于DEA模型和LISA方法 J.西北人口，2012（4）：13-17+22.9 芮雪琴，李亚男，牛冲槐.科技人才聚集的区域演化对区域创新效率的影响 J.中国科技论坛，2015（12）：126-131.10 修国义，韩佳璇，陈晓华.科技人才集聚对中国区域科技创新效率的影响基于超越对数随机前沿距离函数模型 J.科技进步与对策，2017（19）：36-40.11 徐斌，罗文.价值链视角下科技人才分布对区域创新系统效率的影响 J.科技进步与对策，2020（3）：52-61.12 胡德勤.企业规模、市场结构与创新绩效基于中国制造业四位数行业的熊彼特假说的实证检验 J.上海经济，2018（3）：5-17.13 杨柏，陈银忠，李爱国，等.政府科技投入、区域内产学研协同与创新效率 J.科学学研究，2021（7）：1335-1344.14 宋来胜，苏楠.政府研发资助、企业研发投入与技术创新效率 J.经济与管理，2017（6）：45-51.15 付一夫，马茹，曲直.创新发展的关键在于加快市场化进程对“斯密定理”的拓展与思考 J.现代管理科学，2017（6）：58-60.16 孙晓阳，詹祥.知识流动视角下市场化程度对区域创新能力的影响及其地区差异 J.技术经济，2016（1）：36-42.17 党文娟，康继军，徐磊.我国市场化发育程度对区域创新能力的影响力研究基于不均衡发展视角 J.云南财经大学学报，2013（4）：93-99.5718 刘伟，陈多思，王宏伟.政治关联与企业技术创新绩效基于研发投入的中介效应和市场化程度的调节效应 J.财经问题研究，2020（10）：30-37.19 李颖.中国省域R&D资本存量的测算及空间特征研究 J.软科学，2019（7）：21-26+33.20 张墨，林艳，张忠昊.研发投入、研发产出对技术市场活跃度的影响基于省级面板数据的实证分析 J.科技进步与对策，2015（20）：27-31.21 叶祥松，刘敬.政府支持与市场化程度对制造业科技进步的影响 J.经济研究，2020（5）：83-98.22 韩先锋，惠宁，宋文飞.信息化能提高中国工业部门技术创新效率吗 J.中国工业经济，2014（12）：70-82.23 李杨，邱亮亮.中国FDI就业影响的产业结构差异研究基于25个省份数据的实证分析 J.内蒙古社会科学（汉文版），2017（2）：148-153.24 李政，杨思莹，路京京.政府参与能否提升区域创新效率？J.经济评论，2018（6）：3-14+27.25 李博，李启航.经济发展、所有制结构与技术创新效率 J.中国科技论坛，2012（3）：29-35.26 贠菲菲，王元地，潘雄锋.金融发展对区域创新效率的溢出效应研究基于空间杜宾模型的实证分析 J.技术经济，2019（10）：82-87.Research on Scientific and Technological Talent Input,Marketization,and Regional Innovation EfficiencyZHANG Zhao-jun，HE Li，WANG Xiu-li（School of Economics and Management,Inner Mongolia University of Technology,Hohhot 010010,China）Abstract:Regional innovation efficiency is not only influenced by the input of scientific and technological talents,but also constrained by the degree of marketization.The panel data of 30 Chinese provincial areas from 2009 to 2020 are used as the input variables for this analysis of regional innovation efficiency,which divides marketization into talent marketization and technology marketization.The SFA model is then applied to examine the effects of marketization and scientific and technological talent input on regional innovation efficiency.The empirical results show that(1)the innovation efficiency of 30 Chinese provincial areas is generally on the rise,and the efficiency of scientific and technological R&D exceeds the efficiency of achievement transformation in recent years.(2)Not all types of scientific and technological talent inputs promote innovation efficiency,and the inputs of talents from universities,research institutions,and enterprises show different regional characteristics.(3)The increase of marketization of scientific and technological talents signific