基于三阶段DEA模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析.pdf

海峡两岸沿海省份经济发展水平处于全国前列袁是中国综合技术水平最高的经济区袁在创新型国家创建中具有重要战略地位袁研究海峡两岸沿海省份科技创新要素差异袁优化资源配置袁打造区域优势袁对于提升沿海省份科技创新水平袁促进我国其他地区科技创新发展具有重要参考价值遥一尧已有主要研究回顾1978 年由 Charnes尧Cooper尧Rhodes 等学者以多投入与产出的决策单元变量为研究对象袁建立线性规划模型等价关系袁 首次提出以 DEA 分析相对效率的解决方案袁在这之后袁国内外学者对科技活动效率展开系列针对性研究遥RAY SC 用 DEA 和回归模型研究康涅狄格州公立学区相对效率袁以及效率与地区社会经济关系1遥 TONE K 提出非阿基米德无穷小量 DEA 模型袁较传统 DEA 更能准确地反映决策单元相对效率2遥在国内袁 许治等用 DEA 模型对科技投入效率分析认为增加科研经费投入能提高科技效率3遥 杜军等用阶梯式数据袁 基于二阶段 DEA 模型对我国不同区域的科技成果产出及再次投入进行测度分析4遥 杨宏进等首次运用三阶段 DEA 模型袁 选取高校截面数据对高校科技成果产出和转化能力进行对比分析5遥 周伟6尧杨凤鸣7尧吴道友8等对我国不同区域就科技投入产出尧科技资源配置及科技自主创新等方面进行差异分析袁提出对策遥 钟祖昌将 SBM 与三阶段 DEA 模型相结合袁对 OECD 中 30 个国家创新效率进行比对分析袁发现各国平均创新效率有所提高且韩日创新效率高于北美及欧洲9遥综上所述袁 借助 DEA 模型对科技创新效率研究分析从单一模型到三阶段复杂模型演进袁研究范畴主要围绕不同省市尧区域对比分析袁众多研究表明袁科技创新效率具有区域关联性遥 梳理发现袁对我国海峡两岸沿海省份科技创新效率时空差异研究寥寥无几遥 为此袁本文基于海峡两岸沿海省份科技创新投入与产出相关数据袁构建评价指标体系袁对海峡两岸沿海省份科技创新效率进行测评与空间特征分析遥基于三阶段 DEA 模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析吴会松1袁 方晓斌1袁 车志红2渊1.福建江夏学院 科研处袁 福建 福州 350108曰 2.福建江夏学院 外国语学院袁 福建 福州 350108冤摘要院以三阶段 DEA尧空间自相关模型袁对海峡两岸沿海省份的科技创新效率水平进行时空实证分析遥分析发现部分省份的科技创新效率不在有效前沿面袁不同省份科技创新效率存在差异袁海峡两岸沿海省份科技创新效率综合技术效率水平不高袁既受纯技术效率影响袁也受规模效率影响袁但规模效率影响更大袁经济发展尧教育发展尧政府政策等外部环境因素对海峡两岸沿海省份科技创新效率影响较显著遥 同时袁海峡两岸沿海省份科技创新效率具有较强正相关性袁存在较明显空间聚集性特征遥关键词院海峡两岸曰科技创新效率曰三阶段 DEA曰空间自相关中图分类号院G322文献标识码院 A文章编号院员远苑源原圆员园怨穴圆园23雪08原园064原园8收稿日期院2022-07-07基金项目院福建省社会科学规划项目渊2022JCZX009冤遥作者简介院吴会松渊1978-冤袁男袁汉族袁高级工程师袁主要从事科技创新管理尧教育信息化研究遥第 42 卷 第 8 期武夷学院学报灾燥造援42 晕燥援8圆园23 年 8 月允韵哉砸晕粤蕴 韵云 宰哉再陨 哉晕陨灾耘砸杂陨栽再Aug.圆园23二尧构建分析模型渊一冤广义面板三阶段 DEA 模型科技创新是一个多要素投入尧多变量产出的动态系统10袁其效率不仅与系统内部投入产出要素相关袁同时系统外部环境也对其有不可忽视的作用遥 为避免环境因素影响袁 构建基于三阶段 DEA 科技创新效率评价模型来分析海峡两岸沿海省份科技创新效率水平遥1.第一阶段院传统 DEA 模型科技创新效率是科技创新能力和动力的综合反映袁投入要素在不同时空阶段投入不同袁科技创新效率研究适合投入规模可变的 BBC-DEA 模型遥 将海峡两岸沿海省份作为决策单元袁 第 i 个决策单元投入导向模型的 BBC 模型如下院min咱兹-着渊e 赞TS-+eTS+冤暂s.t.ni=1移Xi姿1+S-=兹X0ni=1移Yi姿1-S+=Y0ni=1移姿1=1姿i逸0袁S-逸0,S+逸0扇墒设设设设设设设设设设设设设设缮设设设设设设设设设设设设设设渊1冤其中袁i=1,2,噎噎,n 表示 DMU 决策单元袁投入向量用 X 表示袁产出向量用 Y 表示袁投入目标值与原始目标值差额代表松弛变量袁S-代表投入松弛变量袁S+代表产出松弛变量遥 着 为非阿基米德无穷小量袁姿 为权重变量遥 在 BBC 模型中袁当 兹=1 时袁表明决策单元 DEA有效遥 BCC 模型得出效率值为综合技术效率渊TE冤袁可分解为规模效率渊SE冤和纯技术效率渊PTE冤袁即 TE=SE*PTE遥2.第二阶段院随机前沿 SFA 分析采用 SFA 模型袁剔除环境因素对科技创新效率影响袁将传统 DEA 得到的投入松弛变量为被解释变量袁教育发展尧经济发展水平和政府政策等为解释变量进行回归分析袁根据计算结果再对原始投入指标进行调整袁排除环境因素干扰袁SFA 分析是三阶段 DEA 模型最重要的阶段遥 模型如下院Sni=f渊Zi曰茁n冤+淄ni+滋ni曰i=1,2,噎,I曰n=1,2,噎N渊2冤其中袁Sni是第 i 个决策单元第项投入松弛变量值曰Zi代表对投入变量产生影响的外部环境变量袁茁n代表外部环境变量系数曰淄ni+滋ni代表相互独立的混合误差项袁淄ni表示随机干扰袁滋ni表示管理无效率遥在科技创新效率分析中袁环境变量对不同松弛变量有不同影响袁需估计 N 个单独的 SFA 回归袁以便将所有决策单元调整于相同外部环境中遥 故将模型调整公式如下院XAni=Xni+咱max渊f渊Zi曰茁赞n冤冤-f渊Zi曰茁赞n冤暂+咱max渊淄ni冤-淄ni暂曰i=1,2,噎,I曰n=1,2,噎,N渊3冤其中袁XAni是调整后的投入变量曰Xni是调整前的投入变量曰max渊f渊Zi曰茁赞n冤冤-f渊Zi曰茁赞n冤是对外部环境因素进行调整曰max渊淄ni冤-淄ni是对随机环境进行调整袁表示将所有决策单元处于相同环境尧水平或运气下遥3.第三阶段院调整投入产出 DEA 分析将调整后的科技创新投入尧产出变量再次利用传统 DEA 模型对科技创新各决策单元效率进行测算袁此时测算出来的效率已剔除环境因素和随机因素影响袁相对真实准确遥渊二冤空间特征分析模型1.全局空间自相关分析模型全局空间自相关分析用于度量空间对象及相应的某一属性观测值在空间上的聚集程度袁通过探索性空间数据进行探测分析袁以反映区域内单元空间分布特征遥 根据通常做法袁利用莫兰渊Moran爷s I冤指数分析海峡两岸沿海省份科技创新效率空间分布特征袁判断其科技创新空间异质情况遥 莫兰指数计算公式为院I=nS0伊ni=1移nj=1移Wij渊字i-字軃冤渊字j-字軃冤ni=1移渊字i-字軃冤2渊4冤其中袁n 表示研究单元个数袁字i尧字j分别表示海峡两岸沿海省份研究单元 i 和 j 的科技创新效率水平观测值袁字軃表示研究单元科技创新效率水平均值袁S0表示所有空间权重之和袁Wij表示空间权重矩阵遥2.局部空间自相关分析局部空间自相关指数用于反映某一空间单元属吴会松袁等院基于三阶段 DEA 模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析65窑窑叶武夷学院学报曳 圆园23 年第 8 期性观测值同其邻接空间单元上同一属性观测值的相关程度11遥 将海峡两岸沿海省份做为一个整体袁采用渊Getis-OrdGi*冤热点分析袁研究单元内不同省份科技创新效率水平空间关联特征袁 分析冷热点聚集程度遥计算公式为院G*i=ni=1移Wij字jnj=1移字j渊5冤Wij表示空间权重矩阵袁字j表示海峡两岸沿海省份的科技创新效率水平观测值遥 局部空间自相关分析局部与相邻研究单元之间存在的空间相关性袁主要表现为野高-高冶尧野低-低冶等聚集关系遥三尧选择指标与数据说明为避免新冠疫情的影响袁取 2015-2019 年截面数据为研究样本数据袁数据来源为叶中国科技统计年鉴曳叶高等学校科技统计资料汇编曳叶中国统计年鉴曳叶台湾科学技术统计要览曳叶中华民国教育统计曳及各省统计年鉴遥渊一冤科技创新投入指标在科技创新效率测度中袁人力和财力投入指标最能体现基础性核心资源要素本质12遥 研发人力是衡量科技创新实力重要指标之一袁人力投入指标选取 R&D人员全时当量渊RDFTE冤尧财力投入选取研究与发展经费内部支出渊RDF冤作为投入指标13袁不同货币单位研发经费以购买力平价为基准进行数据对比分析14遥渊二冤科技创新产出指标专利能否申请成功有严格流程与评判准则袁在三类专利中发明专利难度最大且最真实袁采用授权发明专利数渊IPT冤代表创新应用产出指标14遥选取各省发表国外论文数量渊IPRC冤代表研究产生新知识的产出指标15遥渊三冤外部环境变量根据吴道友8尧杨宏进16尧杨凤鸣17等的研究袁选取经济发展水平尧政府政策尧教育发展水平等作为外部环境变量进行回归分析袁分析环境因素对科技创新效率影响遥 经济发展水平选取人均国民生产总值渊PGDP冤为指标曰政府政策选取研究与发展内部经费支出占 GDP 比例渊FE冤来反映曰教育发展水平选取高等教育学校平均在校生渊PEDU冤袁以每十万人高等教育学校平均在校生表示遥 指标汇总见表 员遥表 员 科技创新效率指标Tab.1 Science and technology innovation efficient index四尧实证分析渊一冤第一阶段院传统 DEA 分析运用 DEAP2.1 逐年测算科技创新效率综合效率值渊TE冤尧纯技术效率值渊PTE冤尧规模效率值渊SE)以及规模收益状态遥 结果见表 2遥在传统 DEA 中袁 沿海省份科技创新效率水平总体情况是院 近五年 TE 均值为 0.770袁 未达到 DEA 有效曰PTE 均值为 0.824袁表明投入产出技术水平相对较高曰SE 均值为 0.944袁 表明规模效应较显著遥 从个体看袁辽宁尧上海尧广西和台湾五年都处于效率前沿面袁说明如不考虑经济发展水平等外部环境因素袁对经济一般的省份辽宁与广西袁也能达到 DEA 有效曰海南 2年处于效率前沿面袁江苏虽然 PTE 为 1袁但 SE 较低袁导致 TE 并不理想遥 浙江渊2018-2019 年冤尧广东渊2017-2019 年冤这几年投入资源的使用虽有效袁未能达到综合有效的根本原因是规模无效遥 福建在各项指标上均处于中下水平袁 表明其投入资源的科技创新效率较低遥从传统 DEA 结果分析来看袁PTE 小于 SE袁说明 TE不高主要受 PTE 影响遥投入指标RDFTE人力投入R&D 研发人员全时当量人/年RDF财力投入R&D 研发经费内部支出万元产出指标IPT专利发明专利授权数件IPRC科技论文水平国外科技论文收录数篇环境因素PGDP经济发展水平人均国民生产总值百万美元购买力平价FE政府政策研究与发展经费占国民生产总值的比例%PEDU教育发展水平十万人高等教育学校平均在校生人66窑窑渊二冤第二阶段院随机前沿 SFA 分析根据传统 DEA 分析得到结果袁分别计算人力尧财力投入指标松弛变量袁并将其为因变量袁将人均 GDP尧政府政策尧 教育发展水平等外部环境为解释变量袁将数据导入 Frontier4.1 中袁 估算对因变量产生的影响袁结果见表 3遥表 3 第二阶段 SFA 分析结果Tab.3 SFA analysis result in the second stage注院*袁*袁*分别表示在 1%袁5%袁10%下的显著水平袁括号内为 t 值遥从表 3 分析得出 LR 在 1%水平上显著袁模型设置合理遥 值介于 0.633耀0.827 之间袁表明除受管理无效率影响外袁 还较大程度受随机干扰等偶然性因素影响袁需调整投入变量袁使决策单元处于相同水平遥3 个环境变量影响分析如下院第一尧经济发展水平影响遥 人均GDP 的回归系数分别为-1.335 和 0.078袁 未通过 10%显著性检验袁 人均 GDP 对人力和财力投入冗余正向影响不够显著遥第二尧政府政策影响遥在人力投入指标松弛变量中政府政策回归系数为 30537.618袁在 1%水平上显著袁通过显著性检验袁政府政策对人力投入冗余有显著正向影响遥 在财力投入指标松弛变量中政府政策回归系数为-616.975袁 未通过 10%显著性检验袁政府政策对财力投入冗余正向影响不够显著遥 说明一些经济发达省份袁虽经济发展水平较高袁经济实力较强袁对研究与发展投入较大袁研发经费占 GDP 比例较大袁但在资源配置上不够科学合理袁导致科技创新效率水平不高遥第三尧教育发展水平影响遥教育发展水平对人力尧财力投入指标松弛变量影响回归系数均为负表 2 第一阶段 DEA 效率值Tab.2 Efficiency value of the first stage of DEA注院野irs冶表示规模收益递增袁野drs冶表示规模收益递减袁野-冶表示规模收益不变袁下表同遥天津0.550.5520.998irs0.5880.5970.985irs0.7740.7750.998irs河北0.4040.4060.996irs0.4250.4280.994irs0.440.440.999irs辽宁111-111-111-上海111-111-111-江苏0.64710.647drs0.65310.653drs0.70210.702drs浙江0.620.620.999-0.6190.6460.958drs0.7220.7550.956drs福建0.5180.520.998irs0.5130.5170.993drs0.5790.5850.991drs山东0.3590.3590.999-0.4040.4070.993irs0.4320.4340.996irs广东0.4920.4930.998drs0.4820.5280.912drs0.61710.617drs广西111-111-111-海南0.95610.956irs0.83310.833irs0.87810.878irs台湾111-111-111-均值0.7120.7460.9660.7100.7600.9430.7620.8320.928天津0.860.861-0.8450.8460.999drs天津0.7230.7260.996河北0.4690.470.998irs0.4890.4960.988drs河北0.4450.4480.995辽宁111-111-辽宁111上海111-111-上海111江苏0.73710.737drs0.74810.748drs江苏0.69710.697浙江0.75310.753drs0.99610.996drs浙江0.7420.8040.932福建0.5760.6660.866drs0.6020.6230.966drs福建0.5580.5820.963山东0.580.6240.93drs0.7380.7650.964drs山东0.5030.5180.976广东0.65910.659drs0.95710.957drs广东0.6410.8040.829广西111-111-广西111海南111-111-海南0.93310.933台湾111-111-台湾111均值0.8030.8850.9120.8650.8940.968均值0.7700.8240.944常数项102201.6*渊99661.593冤3324.3952*渊30.220824冤经济发展水平-1.3347799(-0.88779672)0.077869878(1.0539253)政府政策30537.618*(26023.91)-616.97586(-0.88940417)教育发展水平-53.373444*(-4.6891446)-1.8609752*(-2.239972)滓27318754900*(7318754900)67844520*(67808534)酌0.63392079*(8.2698596)0.8270478*(24.431791)LR 单边检验21.67908539.70643吴会松袁等院基于三阶段 DEA 模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析67窑窑叶武夷学院学报曳 圆园23 年第 8 期图 1 调整前后 TE 对比Fig.1 TE comparison before and after adjustment天津0.5650.9190.615irs0.6080.9430.645irs0.7760.9250.839irs河北0.3990.950.42irs0.4430.9210.481irs0.4550.9270.491irs辽宁0.90710.907irs0.93910.939irs0.98310.983irs上海111-111-111-江苏0.76910.769drs0.79710.797drs0.8610.86drs浙江0.7040.8270.852irs0.7480.8410.889irs0.840.910.923irs福建0.5120.9070.564irs0.5340.8970.595irs0.60.9290.646irs山东0.5820.8550.681irs0.6460.8720.741irs0.6870.8870.774irs广东0.6760.7860.861irs0.7430.8150.911irs0.71810.718drs广西0.37110.371irs0.47110.471irs0.44110.441irs海南0.08610.086irs0.110.1irs0.11210.112irs台湾111-111-111-均值0.6310.9370.6770.6690.9410.7140.7060.9650.732天津0.8370.9440.887irs0.7940.9460.839irs天津0.7160.9350.765河北0.490.9540.514irs0.50.930.538irs河北0.4570.9360.489辽宁111-111-辽宁0.96610.966上海111-111-上海111江苏0.96210.962drs0.93410.934drs江苏0.86410.864浙江111-111-浙江0.8580.9160.933福建0.6990.9520.735irs0.6670.8740.763irs福建0.6020.9120.661山东0.7670.9120.841irs0.8580.9090.944irs山东0.7080.8870.796广东0.97210.972drs111-广东0.8220.9200.892广西0.54210.542irs0.50910.509irs广西0.46710.467海南0.14110.141irs0.17110.171irs海南0.12210.122台湾111-111-台湾111均值0.7840.980.7990.7860.9720.808均值0.7150.9590.746数袁分别通过 10%与 5%显著性检验袁教育发展水平越高袁越有利于促进科技创新水平及效率的提升遥渊三冤第三阶段院投入要素调整后的 DEA 模型分析SFA 分析得到调整后的投入要素袁与原始产出数据再一次进行 DEA 分析袁 再次测算各决策单元科技创新效率袁得到结果将剔除环境因素影响遥结果如表 4所示遥表 4 第三阶段 DEA 效率值Tab.4 Efficiency value of the third stage of DEA前后对比可知袁 科技创新效率 TE 均值从第一阶段 0.770 降至 0.715袁PTE 均值由 0.824 提升至 0.959袁SE 均值由 0.944 降至 0.746袁 说明经济发展尧 政府政策尧高等教育水平等对科技创新效率影响较大遥 为更直观分析调整前后创新效率变化袁 下文将逐年分析TE尧PTE 及 SE遥1.综合技术效率渊TE冤分析如图 1 所示袁 大部分省份的 TE 近五年处于逐年上升趋势袁2015 年仅有上海和台湾处于有效前沿面袁整体上综合技术效率不足遥海南尧广西尧辽宁则由 DEA68窑窑有效调整为 DEA 无效遥 TE 小幅提升省份有天津尧江苏尧浙江尧山东及广东袁下降省份有河北尧辽宁尧福建尧广西及海南遥 其中海南与广西降幅巨大袁海南的综合技术效率由 0.933 将至 0.086袁降幅达 10 愈倍曰广西由1 降至 0.371袁到 2019 年海南 TE 也仅有 0.171袁广西仅有 0.509袁 表明环境因素对科技创新造成效率造成严重虚高现象遥横向比较调整后科技创新效率发现袁所有省份调整后的 TE 逐年提高袁由此可见袁我国海峡两岸沿海省份科技创新活力较强袁都具备较强创新能力遥2.纯技术效率渊PTE冤分析如图 2 所示袁 调整后 PTE 值总体上较调整前高袁PTE 处于上升趋势遥 2015 年调整后 PTE 处于有效前沿面是辽宁尧上海尧江苏尧广西尧海南及台湾 6 省曰2017年增加广东袁2019 年增加浙江遥天津尧河北尧福建尧山东4 省 PTE 则为无效袁5 年间虽有小幅上下波动袁但趋势向上遥 通过对比调整前后的 PTE 发现袁如未排除环境因素影响袁部分省份 PTE 值被低估遥图 2 调整前后 PTE 对比Fig.2 PTE comparison before and after adjustment图 3 调整前后 SE 对比Fig.3 SE comparison before and after adjustment3.规模效率渊SE冤分析如图 3 所示袁上海尧台湾与调整前后 SE 均在有效前沿面遥 2018 年增加辽宁和浙江袁2019 年再增加广东袁其他省逐年上升遥从规模收益情况看袁2015 年规模收益递增省份增多袁规模收益递减省份减少袁说明环境因素和随机干扰对规模效率真实情况影响较大袁影响综合评价效果遥 海南变化最大袁SE 值由 0.956 降至0.086曰其次为广西袁由 1 降至 0.371袁它们的规模效率被明显高估袁 未来需大幅提高其科技资源配置规模遥天津尧河北尧辽宁尧浙江尧福建尧山东尧广东 SE 值均有不同程度提升且规模收益处于递增阶段袁持续扩大要素投入可促使高创新效率提升曰 江苏 SE 值则由 0.647上升为 0.769袁规模收益处于规模递减阶段袁扩大要素投入难以有效促进创新效率提升袁建议通过合理配置与使用创新资源来达到提升科技创新效率目的遥渊四冤科技创新效率空间相关性分析应用 GeoDa 进行全局空间自相关分析袁测算其科技创新效率 Moran爷s I 指数遥 结果表明渊表 5冤院全局Moran爷s I 指数大于 0.4袁Z 值大于 1.96袁p 值均为0.001 且小于 0.01袁通过 1%显著性水平检验袁科技创新效率具有较强正相关性袁存在较明显空间聚集性特征遥吴会松袁等院基于三阶段 DEA 模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析69窑窑叶武夷学院学报曳 圆园23 年第 8 期表 5 空间自相关全局 Morans爷s I 指数Tab.5 Spatial auto-correlation global Moran爷s I index应用局部空间自相关模型分析科技创新效率水平局部空间特征关系袁结果表明渊表 6冤院研究单元内主要表现为空间正相关袁长三角经济圈中江浙沪一带区域效应明显袁以上海为中心袁逐年扩大辐射周边省份袁形成野高-高冶聚集效应遥 福建东北与浙江省毗邻尧西南与广东省相连尧东南隔台湾海峡与台湾相望袁海南以琼州海峡与广东相邻尧东濒南海与台湾对望袁处于不显著区域袁应有区域优势未得到真正发挥遥 如何加强区域之间合作袁同频共振袁提升区域协同效应袁共同融合发展袁促进科技水平提升袁值得持续不断深入探讨研究遥表 6 局部空间自相关分析Tab.6 Local spatial auto-correlation analysis五尧结论结果表明院1)如以传统 DEA 模型对科技创新效率进行评估并作出决策袁纯技术效率被低估袁规模效率被高估袁结果与真实情况存在偏差袁可能进一步拉低科技创新整体水平遥 规模报酬递增省份袁结合省情进一步扩大投入规模袁提高效率水平袁规模报酬递减省份袁适当调整资源配置策略袁以免资源过度浪费遥 2冤科技创新效率综合技术效率水平不高袁既受纯技术效率影响袁也受规模效率影响袁但规模效率不足影响更大遥其中浙江尧福建综合技术效率不高主要受纯技术效率影响袁天津尧河北尧辽宁尧江苏尧山东尧广东尧广西及海南综合技术效率不高主要受规模效率影响遥 表明科技创新发展主要依赖技术要素与政府政策袁并非简单凭借规模经济遥 3冤政府政策对人力投入松弛影响为正值尧经济发展水平对财力投入松弛影响为正值袁说明资源配置未处于最佳状态袁财力投入存在冗余浪费曰经济发展尧 教育发展水平对人力投入松弛影响为负值尧政府政策尧 教育发展说对财力投入松弛影响为负值袁说明经济发展尧教育发展水平越高袁越有利于科技创新发展遥 4冤海峡两岸沿海省份科技创新效率具有较强正相关性袁存在较明显空间聚集性特征袁加强区域合作袁能提升海峡两岸沿海省份科技创新效率总体水平遥参考文献:1RAY S C.Resource-use efficiency in public schools:A study ofconnecticut dataJ.Management Science,1991,12(37):1620-1628.2TONE K.An epsilon-free dea and a new measure of efficien鄄cyJ.Journal of the Operations Research Society of Japan,1993,3(36):167-174.3许治,师萍.基于 DEA 方法的我国科技投入相对效率评价J.科学学研究,2005,23(4):481-484.4杜军,朱建新,冯志军.基于二阶段 DEA 模型的区域科技创新效率的实证分析J.学术交流,2009(11):96-98.5杨宏进,刘立群.基于三阶段 DEA 的高校科技创新绩效研究J.科技管理研究,2011,31(9):104-107.6周伟.基于三阶段 DEA 模型的中部六省科技投入产出效率研究J.中国集体经济,2013(22):13-14.7杨凤鸣,陈国生,彭文武.基于三阶段 DEA 模型的省域科技资源配置效率差异分析J.湖南社会科学,2014(6):193-197.8吴道友,夏雨,毕利娜.基于三阶段 DEA 模型的中国东部省市科技自主创新效率研究J.绍兴文理学院学报(人文社会科学),2021,41(1):96-105.9钟祖昌.研发创新 SBM 效率的国际比较研究:基于 OECD国家和中国的实证分析J.财经研究,2011,37(9):80-90.10刘满凤,李圣宏.基于三阶段 DEA 模型的我国高新技术开发区创新效率研究J.管理评论,2016,28(1):42-52,155.20150.6064.91120160.4394.719720170.4804.884720180.4995.322920190.6045.22132015辽宁 江苏 上海台湾广西天津 河北 浙江福建 山东 广东海南2016辽宁 江苏 上海浙江 台湾 广东河北天津 福建 山东广西 海南2017辽宁 天津 江苏上海 浙江 台湾广东广西山东河北 福建 海南2018辽宁 江苏 上海浙江 台湾 广东河北山东天津 福建 广西海南2019辽宁 天津 山东江苏 上海 浙江台湾 广东河北福建 广西 海南70窑窑Efficiency Measurement and Spatial Pattern Analysis of Scientificand Technological Innovation in Coastal Provinces ofTaiwan Strait Based on Three-stage DEA ModelWU Huisong1,FANG Xiaobin1,CHE Zhihong2(1.Office of Academic Research,Fujian Jiangxia University,Fuzhou,Fujian 350108;2.School of Foreign languages,Fujian Jiangxia University,Fuzhou,Fujian 350108)Abstract:Based on the three-stage DEA and spatial auto-correlation model,this paper makes a space-time empirical analysis on theefficiency of scientific and technological innovation in coastal provinces on both sides of Taiwan Strait.It shows that the efficiency of scien鄄tific and technological innovation in some provinces is not in the effective frontier,and the comprehensive level of scientific and techno鄄logical innovation efficiency in coastal provinces is mainly affected by scale efficiency.External environmental factors such as educationdevelopment have a significant impact on the efficiency of scientific and technological innovation in coastal provinces.At the same time,the efficiency of scientific and technological innovation in coastal provinces has a strong positive correlation,and there are obvious spatialaggregation characteristics.Key words:both sides of the Taiwan Strait;the efficiency of scientific and technological innovation;three-stage DEA;spatial auto-correlation11赵俊伟,尹昌斌,牛敏杰.中国农业生态文明发展水平的时空差异与变动趋势J.财贸研究,2017,28(6):47-57.12王雪原,王宏起.我国科技创新资源配置效率的 DEA 分析J.统计与决策,2008(8):108-110.13白俊红,卞元超.要素市场扭曲与中国创新生产的效率损失J.中国工业经济,2016(11):39-55.14余芳东.购买力平价和汇率方法的差异程度及其原因分析J.统计研究,2003,20(8):3-7.15刘凤朝,潘雄锋.基于 Malmquist 指数法的我国科技创新效率评价J.科学学研究,2007,25(5):986-990.16杨宏进,刘立群.基于三阶段 DEA 的高校科技创新绩效研究J.科技管理研究,2011,31(9):104-107.17杨凤鸣,陈国生,彭文武.基于三阶段 DEA 模型的省域科技资源配置效率差异分析J.湖南社会科学,2014(6):193-197.渊责任编辑院曾丽红冤吴会松袁等院基于三阶段 DEA 模型的海峡两岸沿海省份科技创新效率测度及空间格局特征分析71窑窑