基于知識發酵的科技創新效率測度模型

俞享 等

門玉英? 劉園園? 李芳

摘要：[目的/意義]針對科技創新效率的測度有助于深入了解湖北省城市科技創新的實際情況，為地方經濟政策提供理論支持和實踐指導。[方法/過程]以湖北省12個城市為研究對象，運用超效率SBM-Malmquist模型測算各城市2003—2019年的科技創新效率和全要素生產率，并結合OLS回歸探究其影響因素?；谥R發酵理論，將對外開放、產業結構、經濟發展水平、信息化水平、人力資本等因素與之相結合，展示其如何共同影響湖北省科技創新效率的過程。[結果/結論]研究結果表明：2003—2019年，湖北省科技創新效率整體態勢向好發展；科技創新效率存在明顯地域差異；科技創新活動全要素生產率均處于上升狀態，主要源于科技進步；對外開放、經濟發展水平以及人力資本對湖北省科技創新效率的影響呈顯著正相關?；谘芯拷Y論，提出改善科技創新環境、加強人才引進工作、提高開放水平等政策建議。

關鍵詞：科技創新；知識發酵；超效率SBM模型；OLS模型；影響因素

分類號：F204

引用格式：俞享， 門玉英， 劉園園， 等. 基于知識發酵的科技創新效率測度模型——以湖北省為例[J/OL]. 知識管理論壇， 2023， 8（6）： 540-553[引用日期]. http：//www.kmf.ac.cn/p/370/.

改革開放以來，我國政府不斷加強與完善創新驅動發展戰略，黨的二十大繼續將科技作為第一生產力，強調創新是第一動力，塑造中國經濟發展新優勢、新動能。為貫徹落實黨的創新驅動發展戰略，湖北省政府印發《湖北省科技創新“十四五”規劃》（以下簡稱《規劃》），《規劃》中指出，“十四五”時期，是湖北省全面提高科技創新能力，建設科學的科技創新體系的關鍵時期，要加快提升湖北省科技創新效率。區域科技創新效率反映了地區科學技術創新體系的運行質量，既取決于區域科技創新系統的內部效率，又離不開各個子系統之間交流與合作所產生的外部效率[1]。城市科技創新效率的高低是衡量當地科技水平的一個重要標準，全面、科學、客觀地測度湖北省區域科技創新效率不僅對湖北省整體科技能力提升具有重要意義，在全面科學測度的基礎上研究科技創新系統內部的要素影響機制，更有利于推進湖北省科技創新可持續發展。

1? 相關研究

常見的科技創新效率衡量方法包括主成分分析法、層次分析法、因子分析法、數據包絡分析法（data envelopment analysis， DEA）等，由于DEA在量綱處理、變量選擇及多指標效率估計上具備顯著優勢，因此在科技創新領域使用較多[2]。傳統DEA模型由A. Charnes等[3]于1978年提出，發展到今天被不斷運用與改進。CCR（Charnes Cooper Rhodes）模型是基于DEA理論的第一個模型，該模型常用于在規模報酬不變的前提下衡量固定規模效益[4-5]。R. D. Banker等[6]認為CCR模型在使用過程中對條件要求過于嚴苛，于是對CCR模型進行改進，得到BBC（Banker Charnes Cooper）模型，自此CCR模型與BBC模型成為DEA的兩個基本模型。隨后，K. Tone[7]提出基于DEA理論的非角度、非徑向的SBM模型（slack based measure）。對于效率為1的決策單元，SBM模型無法有效區分，K. Tone[8]在一年后基于原有研究基礎提出超效率SBM模型，以對效率值進行清晰排序。SBM模型主要從靜態角度測算技術效率，因此有學者將SBM模型與Malmquist指數相結合，分別從靜態與動態角度測度技術效率，如此獲得的結果更加準確客觀。賴一飛等[9]使用超效率SBM‐Malmquist模型測度省市的科技創新效率，并將東西部的科技創新效率進行對比，發現西部地區的科技創新效率普遍低于其他地區，，并且針對這種現象提出相應建議。

科技創新效率中的影響因素本質上為衡量科技創新能力的影響因素[10]。李健[11]使用系統動力學的方法探索影響京津冀科技創新實力的因素，將產業結構與區域環境規制納入考量體系之中，得出京津冀地區創新機制的運作機理，助力京津冀協同發展。在眾多的科技創新效率的影響因素研究中，學者使用最多的方法是將SBM模型與Tobit回歸相結合。李蕓等[12]使用SBM模型得出技術效率變化是科技創新整體全要素生產率變動的主要因素，并且使用Tobit回歸顯示出人力資本、產業結構、政府支持等對科技創新生產率起到正向作用；王鵬等[13]用非期望超效率SBM與Tobit回歸相結合，研究發現珠三角地區科技創新研發與經濟產出效率在空間上存在顯著異質性并且科技創新兩階段效率與經濟韌性存在雙向因果關系。但是在使用中，Tobit模型應采用截斷數據，而OLS（Ordinary Least Squares）模型則不需要。

綜上，通過對現有文獻梳理，筆者發現：①目前對科技創新效率評價方法體系的研究已經較為成熟，但是仍然存在一定的缺點，如不能同時兼顧決策單元效率與非期望產出同時大于1的情況；②目前針對科技創新效率值的測度以及影響因素的研究較多，但多是采用SBM模型進行靜態研究，較少研究科技創新效率值的動態演化；③目前的研究范圍大多是全國省份、長江經濟帶、京津冀經濟帶等這些大區域，對于個體省份的研究較少?；诖?，筆者使用超效率SBM模型結合Malmquist動態指數分解，通過測度湖北省各個城市2003—2019年科技創新的規模效率值、純技術效率值、綜合效率值，對湖北省科技創新投入與產出效率做出客觀評價，結合知識發酵理論找出湖北省科技創新效率影響因素，并使用OLS模型進行回歸分析，進而提出提高湖北省科技創新能力的有效對策，促進經濟與科技發展之間的良性互動，助力湖北省經濟實現綠色高質量發展。

2? 實驗設計

2.1? 研究方法與工具選擇

筆者采用超效率SBM模型進行湖北省科技創新效率的測度，由于SBM模型采用線性規劃方法，可以準確測度多個輸入和輸出指標，幫助揭示不同區域在科技創新方面的綜合表現，并且該模型考慮資源利用效率，通過比較實際產出與理論最大產出之間的差距評估創新過程中的資源利用效率水平。在使用超效率SBM模型進行靜態測度后，結合Malmquist指數來分析湖北省科技創新效率的動態變化，融合知識發酵理論確定湖北省科技創新效率的影響變量，最后使用OLS回歸探究各個影響因素對湖北省科技創新效率的影響作用。

（1）超效率SBM模型。超效率SBM模型是在傳統DEA模型的基礎上發展演變而來。由于傳統的DEA模型存在著較為明顯的測量誤差，K. Tone[8]在2001年提出了基于松弛變量的SBM-DEA分析模型，它與傳統的DEA模型的差異在于SBM模型是非徑向和可無投入產出角度的模型。而超效率SBM則是在SBM模型中增加了排除機制，從生產可能性集中刪除被評定的有效決策單元（Decision Making Units，DMU），然后再度量DMU到生產可能性集的距離，可以根據距離來排列有效DMU，并且超效率大于等于1，因此解決了傳統SBM模型無法對有效DMU進行區分和排序的問題，同時超效率SBM模型在計算效率時最大可能地考慮了松弛問題。具體公式如下：

在公式（1）到公式（3）中，p為科技創新效率測度值，若ρ≥1表示DMU有效；s-、s+分別為投入、產出的松弛變量值（投入冗余量，產出不足量），x為投入要素；y為產出要素；m、s分別為投入、產出指標個數；λ為權重向量；k為生產時期。

（2）Malmquist指數。Malmquist指數是在數據包絡分析的基礎之上提出的，是對效率值的動態分析，其代表的是全要素生產率（Total Factor Producitivity，TFP）。全要素生產率建立在新古典經濟增長模型基礎上，是指生產系統中各個要素之間作用的綜合效率，是在一個系統中總產出量與全部的生產要素之間的真實投入比值，它能測度增長潛力和宏觀效率，從而反映一個地區的增長動能。這里的“全”指的并不是所有生產要素所帶來的效率，而是全過程、全方位，表示決策單位生產率從t到t+1期的變化。全要素生產率一般來自于規模效應、技術進步與效率的改善這3個方面。其計算公式如下：

在公式（4）中，I為測算出的全要素生產率指數，Dt（xt， yt）為t時期技術水平下的t時期的投入產出向量的距離函數，Dt（xt+1， yt+1）為t時期技術水平下的t+1時期的投入產出向量的距離函數；同理Dt+1（xt， yt）、Dt+1（xt+1， yt+1）分別為t+1時期技術水平下的t、t+1時期的投入產出向量的距離函數。

（3）知識發酵理論。在探討知識如何演進和轉化為生產力的研究中，2002年和金生提出知識發酵理論[14-15]。知識發酵理論是一種用于解釋和推動組織內部知識創新和轉化的管理理論。它強調知識的傳遞、融合和創新過程，類比為發酵過程，借此來理解知識在組織內部的變化和演進。其包括知識菌株、知識母體、知識酶、知識工具與知識發酵吧這五大關鍵要素，將知識創新增長過程類比為生物發酵過程，強調知識在組織內部的傳遞、轉化和創新過程，注重不同類型的知識轉化以及知識菌株、知識母體、知識酶和知識工具的作用。通過這一理論，組織可以更好地管理和促進內部知識創新，提高創新效率和競爭力。

（4）OLS模型。OLS模型（普通最小二乘法）是一種對殘差平方和的最小化來進行估計的一種線性回歸模型，主要被用于線性回歸的參數估計。OLS模型計算簡單、使用廣泛，能夠有效得出條件變量與結果變量之間的關系。其計算公式如下：

在公式（5）中，Y為文章選取的被解釋變量，x為影響Y的解釋變量，β為待估參數，隨機誤差項用μt表示。

2.2? 超效率SBM變量選取

為保證指標使用數據的有效性、科學性和準確性，文章中的所有數據均來自于《中國城市統計年鑒》與《中國科技統計年鑒》，選取湖北省地級市進行分析，將數據缺失的城市剔除，最后剩余12個有代表性的地級市。參考國內外有關研究，考慮到指標體系選取與構建的科學性與客觀性，筆者選取6個指標作為代表，構建衡量科技創新效率的指標體系，在區域科技創新生產過程中，包括投入要素、期望產出要素與非期望產出要素。具體指標如表1所示：

（1）投入要素。①勞動投入。勞動要素的投入是科技創新生產過程中不可或缺的要素[16]?？萍紕撔码x不開技術研發，技術研發需要依賴科學技術人員。習近平總書記提出：“創新之道，唯在得人”，人才儲備是科技創新的關鍵驅動力。因此，筆者將從事科技活動人數作為指標來衡量科技創新勞動投入。②財力投入?？萍紕撔仑斄ν度肟梢詮恼畬ο嚓P機構從事試驗與研究活動的經費支持中體現[17]。資本是社會主義市場經濟中必不可少的生產要素，科技投入更是科技創新的物質基礎。因此，筆者將政府科學投入作為科技創新財力投入的指標。③能源投入?！缎聲r代中國能源發展》白皮書中強調，要完善能源科技創新頂層設計，在科技創新領域，大力給予能源支持，首先要保證的就是科技創新領域的電量供給。因此，筆者用全年用電總量衡量政府對科技創新領域的能源投入。

（2）期望產出要素。①經濟收益產出?？萍冀洕б媸侵甘褂?、推廣科學技術帶來的經濟成果，科技效益是地區生產總效益值的一部分。在其他要素不變的情況下，科學創新帶來的經濟收益與地區生產總值成正比。因此，筆者將地區生產總值作為衡量科技創新帶來的經濟收益產出指標。②創新產出。創新產出以專著、科學論文、專利授權數、原理性模型等多種形式呈現[18]。鑒于專利化成果的商業化與數據化程度高，因此筆者使用專利授權數來衡量科技創新產出。

（3）非期望產出。在科學技術領域，隨著投入的不斷加大，非期望產出往往伴隨著產品應運而生[19]。尤其是在市場轉化階段，由科技創新得到的高新技術產品被大量投入到市場，但是由于新產品的大量投入使用，也會給環境帶來一定的壓力，包括環境污染這類的非期望產出。根據慣例，筆者使用工業廢水與工業二氧化硫的排放量來衡量科技創新過程中的非期望產出。

2.3? 融合知識發酵理論的影響因素變量選擇

筆者在科技創新影響因素分析中融合知識發酵理論，得到科技創新知識發酵理論模型（見圖1），其主要優勢在于：①具體形象地揭示了科技創新效率各個要素間的作用機理?？萍紕撔率且粋€循環再生的過程，將科技創新過程中的各個環節、要素與知識發酵的過程相結合，有利于明確各個要素對科技創新效率的不同影響作用。②能夠展現科技創新過程中的量變及要素循環演進特性。將知識發酵理論應用到科技創新過程中，發現區域科技創新效率隨著科技要素間的反復作用與發酵而逐漸提升。③重視經濟社會發展水平對科技創新效率的催化作用。以往的科技創新效率主要重視信息技術的作用，忽視了外部環境對科技創新效率的催化作用，筆者將經濟社會發展水平與知識發酵模型中的知識酶進行類比，是科技創新效率提升的不可或缺的催化劑。從圖1中可以看到，科技創新知識發酵系統收到外部刺激，產生知識菌株（對外開放），這是本文科技創新的起點與觸發器；在知識工具（信息化水平）以及知識酶（經濟發展水平）的作用下，知識菌株從知識母體中吸取所需要的知識，然后通過知識發酵吧進行新的科技創新知識的創造及成果轉化，并且這一過程還受到知識環境（人力資本）的推進，各個因素相輔相成，最終形成整個科技創新知識發酵模型。

具體的科技創新效率影響因素變量選擇見表2。

（1）對外開放。對外開放作為知識菌株強調了外部刺激對于組織內部創新的重要性。如同在發酵過程中，添加合適的微生物菌株可以啟動化學反應，促使物質變化，對外開放可以引入新的觀念、技術和合作機會，從而刺激內部創新活動。外部的知識、經驗和資源可以在

組織內部發揮催化作用，促進新的思想和想法的產生，從而促進知識的傳遞、轉化和創新。采用實際使用外資金額與GDP的比值作為衡量對外開放的指標是因為這種比值能夠反映一個地區或國家對外開放的程度和效果。具體來說，這個比值可以被視為一種經濟開放度的指標，它表示外部資本在國內經濟中所占比例。這個比值越高，意味著國家或地區更加依賴外部資本和外部市場，更加積極地吸引外部投資和技術，進而促進知識的引入和外部刺激。

（2）產業結構。產業結構作為知識母體強調了不同產業領域的專業知識和技術構成組織內部的知識資源。就像在發酵過程中，不同的原料和成分構成發酵的營養物質一樣，不同產業領域的知識背景和專業領域構成組織的知識母體，為知識發酵提供豐富的原材料。因此，筆者將第二產業與第三產業的比值作為衡量產業結構的指標。

（3）經濟發展水平。經濟發展水平作為知識酶強調了它在促進知識的傳遞、轉化和創新過程中的作用。知識發酵理論中，知識酶代表組織內部的控制者和引導者，類似于在發酵過程中催化劑的作用，它可以通過計劃、協調、指導和控制的職能來加速知識的增長和傳播。因此，筆者選用人均生產總值作為指標來衡量湖北省各個區域的經濟發展水平。

（4）信息化水平。信息化水平作為知識工具強調了它在知識傳遞、共享和管理中的重要作用。知識發酵理論中，知識工具類似于在發酵過程中使用的設備和工具，它可以加速知識的傳遞和合作，提供技術支持和資源保障。因此，筆者采用國際互聯網用戶數作為湖北省各縣市的信息化水平衡量指標。

（5）人力資本。人力資本作為知識環境強調了人才對知識傳遞、共享和創新的重要影響。知識發酵理論中，人力資本類似于知識環境中的人才資源，他們擁有豐富的知識和技能，可以促進知識的創新和融合。因此，本研究的人才指標采用普通高等學校在校學生數來衡量。

3? 實證分析

筆者首先使用MAXDEA 8.0軟件，導入湖北省各地級市有關科技創新的面板數據，并且采用非期望產出的全局參比來更全面地確定各地區科技創新水平的相對位置，得出科技創新效率測度結果；其次對科技創新全要素生產率進行Malmquist指數分解，通過Malmquist指數測算湖北省地區科技創新全要素生產率變動指數來進一步分析其科技創新效率的動態變化情況。通過對全要素生產率及其各項分解項指數的分析得出結論，若全要素生產率及其各項分解項指數大于1，則代表該地區的科技創新效率值是增長的、進步的，若小于1則代表是弱化的和退步的。在效率測度的基礎上，結合知識發酵理論，構建科技創新知識發酵模型，由科技創新知識發酵模型確定科技創新效率影響因素變量，結合OLS回歸具體探討各個變量的作用。

3.1? 科技創新效率測算

表3是使用湖北省各地級市有關科技創新的面板數據測度出的科技創新效率。按照科技創新效率將各個城市分為3個梯隊：第一梯隊為科技創新效率較高（大于1）的城市，分別是黃岡、十堰、隨州和武漢；第二梯隊為科技創新效率中等（0.8—1.0）的城市，分別是黃石、荊門、咸寧、孝感和宜昌；第三梯隊則是科技創新效率較低（小于0.8）的城市，包括鄂州、荊州和襄陽。

在第一梯隊中，武漢市的科技創新效率指數為最高，達到1.286。除了黃岡市在2017年和2018年未達到DEA有效外，其余各地區各年份均為有效狀態。這說明位于第一梯隊的這些城市對科技創新投入的十分充分，資源配置相對合理，科技經費投入貢獻度大，科研人員集聚程度較高，應繼續保持其創新活躍度。

在第二梯隊中，咸寧市自2011年達到DEA有效后，就一直處于科技創新高效狀態，黃石、荊門和宜昌雖然在觀測區間內偶有波動，但科技創新效率總體呈現上升趨勢，并均在2019年重新達到DEA有效水平，孝感市在2003—2014年間只有2011年未達到DEA有效，而在2015年后直到觀測區間結束也并未重新達到DEA有效，這反映出其科技創新的有效性存在一定問題，迫切需要調整科技創新策略，并進一步優化創新資源配置，以提高科技創新效率。

在第三梯隊中，鄂州、荊州和襄陽在觀測區間開始時都處于科技創新效率低下的狀態，鄂州和襄陽甚至分別低至0.300和0.304，而鄂州和荊州波動幅度較大，在2019年也均達到DEA有效水平。襄陽市位于第三梯隊，主要是受限于2003至2010年間科技創新效率測度值較低，隨著湖北區域創新發展戰略的實施，作為全省區域創新中心，近年來特別是2017年以來，有顯著提升。

綜合來看，武漢市科技創新效率最高，而宜昌和襄陽這兩個全省副中心城市情況如下：宜昌2003年以來科技創新效率整體比較平穩，在2015—2017年期間出現滑落后，2018年以來穩中有升，恢復到正常水平；襄陽屬于后起之秀，在經歷了2011—2013年的波動性上升與2014—2016年的低谷后，2017年以來科技創新效率穩步提升。兩地的科技創新效率波動與投入產出的周期性有關。而荊州、孝感近年來的科技創新效率低位趨勢，需要引起重視。

3.2? 基于Malmquist 指數模型的效率分解

基于時間跨度的科技創新全要素生產率及其各項分解項等情況見表4。。從其分解項來看，技術效率和技術進步分別增長18.2%和12.6%，對技術效率變化進行進一步分解，湖北省科技創新純技術效率增長8.2%，同時規模效應更是增長10.6%，由此可見，湖北省科技創新全要素生產率的增長主要是因為技術效率進一步提升，而技術效率提升則主要源于規模效應的增加。不難看出，湖北省科技創新指標雖在觀察周期內偶有波動，但整體仍呈現上升態勢。

基于地域維度的湖北省科技創新全要素生產率及其各項分解項情況見表5。湖北省12個地級市全要素生產率均大于1，表明各個地級市均在大力推進科技創新，并取得一定的成效。新一線城市中武漢市的全要素生產率為1.169，結合靜態分析可知，武漢市作為湖北省省會城市在科技創新領域基礎良好，起步更高，但也在一定程度上導致其動態增速稍顯緩慢。而在宜昌、襄陽、荊州和黃岡等三線城市中，襄陽的全要素生產率最高，達到1.256，其技術效率指標也達到1.42，成為最高的城市。這表明襄陽市在現有技術和創新環境基礎條件下，實現了對現有科技創新資源和技術的充分有效利用，其在管理水平和生產經驗上在湖北省內處于領先地位；全要素生產率最低的是黃岡市，為1.103，其純技術效率僅為0.999，這表明黃岡市科技創新活動的管理體系還不夠完善，但綜合技術效率仍呈現遞增趨勢，原因在于其科技創新活動的規?；б嫫鸬綆幼饔?。在其余四線城市中鄂州的全要素生產率最高，達到1.289，結合靜態分析指數發現，鄂州是一個傳統的工業城市，科技創新基礎十分薄弱，但近年來大力實施創新驅動發展戰略使其在科技創新領域動態增速較高，同時鄂州市的技術進步指標為1.268，也為樣本中最高，其實際的技術引進和技術創新使得生產可能性曲線向外移動，從而提高了全要素生產率；全要素生產率最低的是孝感市，其全要素生產率是1.016，孝感市在純技術效率和規模效應上均低于1，其綜合技術效率呈現退步狀態。這說明孝感市既受到規模發展的阻礙，也受到地方管理水平的限制。對比各城市的技術效率和技術進步指標可以發現，幾乎所有的技術進步指標都大于技術效率指標，這說明各城市相比于在管理水平等科技軟實力上發力，更側重于進行實際的技術引進以及技術創新。

4.3? OLS影響因素回歸分析

筆者利用Stata17軟件進行OLS回歸分析，回歸結果見表7。

分析結果表明：①對外開放這一因素對全要素生產率的影響在5%的水平上通過了顯著性檢驗，系數為0.081 5，為所有系數中最高。這表示對外開放每提高1%，全要素生產率則提高0.08%。通過SBM模型進行靜態分析可知，湖北省整體科技創新效率并不高，但在對外開放過程中，開放地區會產生技術引進的“協同效應”，即地區本身創新能力不足，通過強化對外開放，并側重于引進不具有自主知識產權的技術，以“邊干邊學”的方式逐步提高本地區的自我研發能力，從而進一步促進TFP指數增長。②產業結構這一要素的回歸系數未通過10%顯著性水平下的檢驗，說明產業結構對科技創新效率的作用影響不大，經初步分析其主要原因是湖北省各個地級市產業結構優化力度不夠，區域生產要素無法從低效率生產部門向高效率生產部門轉移，導致區域無法實現創新資源的空間重置。③經濟發展水平之一要素對全要素生產率的影響在5%水平上通過了顯著性檢驗，系數為0.053 5，這意味著經濟每增長1%，全要素生產率相應提高0.05%。這表示科學技術創新需要有充足的資金支持，經濟發展水平能夠為科技創新活動提供強有力的經濟保障與支撐。④信息化水平對TFP的影響在5%水平上通過了顯著性檢驗，系數為-0.027，這表明信息化水平這一要素對全要素生產率產生了負面的影響，初步分析是由于信息化水平高的區域，在未予以政策引導的前提下，未能有效發揮信息流在資金流、人才流、技術流和物資流等資源要素流動方面的正向作用。相反，網絡經濟的進一步推進分散了科技創新資源，降低了科技創新的有效性。數字經濟與實體經濟融合亟待推進。⑤人力資本這一要素對全要素生產率的影響則在5%的水平上通過了顯著性檢驗，系數為0.022 4，表明人力資本每提高1%，全要素生產率也相應提高0.02%。人才是第一資源，科技創新活動離不開人才支撐，人才不僅是科技創新活動的主體，也是成果產業化和科學技術傳播的主體。因此，區域高素質人才越集中，其科技創新能力越強。

4? 結論

筆者首先使用超效率SBM模型對湖北省12個地級市2003—2019年科技創新效率進行靜態衡量和分析，再運用Malmquist生產率指數測算其全要素生產率及其各項分解項指標，并將科技創新效率與全要素生產率動態變化進行比較分析，最后使用OLS模型對科技創新活動的全要素生產率的影響因素進行分析，得到如下結論：

（1）本測度區間內，湖北省內科技創新效率有效的有黃岡、十堰、隨州和武漢4座城市，在這4座城市中，武漢市的科技創新效率最高。湖北省整體科技創新效率仍有較大提升空間，襄陽、宜昌等地科技創新效率趨勢向好。

（2）湖北省地區科技創新活動全要素生產率呈整體上升趨勢，主要源于技術進步。省內全要素生產率最高的城市為鄂州市。幾乎所有的技術進步指標都大于技術效率指標，這說明各個城市提高科技創新水平主要依靠實際的技術引進與技術創新。

（3）對外開放、經濟發展水平以及人力資本對該地區的科技創新效率呈顯著正相關，對外開放作為知識菌株，為湖北省帶來外部技術、知識和合作機會，激發了內部創新活動。外部刺激在知識發酵中起到重要的營養作用，促進了新知識的生成和轉化。此外，對外開放促進了知識的跨界融合，激發出更多創新的可能性，提高了科技創新效率。在知識發酵理論中，對外開放類似于引入新的營養源，刺激了知識菌株的生長與繁殖。

經濟發展水平決定了知識酶的資源支持和影響力，進而影響科技創新效率。高經濟發展水平意味著更多的資金投入、更完善的研究設施以及更廣泛的合作機會，這些都促進了科技創新的進行。在知識發酵理論中，經濟發展水平可類比為知識酶提供了更多的營養和能量，使其能夠更好地催化知識的合成和轉化，從而提高了科技創新效率。

人力資本構成豐富的知識環境，為知識發酵提供了重要的基礎。高素質人才擁有創新能力和多樣性的知識背景，促進了知識的創新和融合。在知識發酵理論中，人力資本可以類比為知識環境，為知識菌株提供了更多的種子和營養，使得知識菌株在更豐富的環境中生長，從而加速科技創新效率的提升。

（4）產業結構對科技創新的作用影響不大。從知識發酵的角度來看，產業結構對科技創新的影響可能不是決定性的。雖然產業結構可以提供不同領域的知識資源，但它本身并不是知識發酵的主要觸發因素。產業結構作為一種組織和分工的安排方式，影響著組織內部的知識多樣性。不同產業領域的專業知識構成了知識母體的一部分，但知識發酵更強調不同知識領域之間的交互和融合。即使產業結構豐富多樣，如果知識在不同領域之間無法有效傳遞和轉化，產業結構的影響也可能受限。此外，知識發酵還強調外部知識菌株的引入，以刺激內部創新活動。雖然產業結構可能為知識的引入提供一些機會，但更關鍵的是知識酶的協調和推動。即使存在多樣的產業結構，如果缺乏有效的知識酶，外部知識的引入可能無法在組織內部引發創新的反應。因此，盡管產業結構在某種程度上可以為知識發酵提供一些條件，但知識發酵的成功還需要更多的因素的支持，如知識酶的引導、知識工具的運用、人力資本的質量等。產業結構可以被視為知識發酵過程的一個組成部分，但并不是唯一影響科技創新的關鍵因素。

（5）信息化水平對科技創新起到了反作用。信息化水平可能對知識菌株的引入和外部刺激產生一些反作用。雖然高信息化水平可以促進知識的傳遞和共享，但在某些情況下，信息的過多流通可能會導致知識的同質性增加，從而減少外部知識菌株的多樣性。這可能會限制組織接觸和吸收新領域的知識，影響創新的多樣性和新穎性。再者，信息化水平較高的組織可能更容易受到過多信息的干擾，導致難以篩選和識別有價值的知識創新機會，從而產生信息過載的問題。最后，信息技術雖然可以支持知識的管理和協調，但過分依賴技術工具可能會削弱人與人之間的交流與互動。人們需要在知識傳遞的過程中引導和激發創新思維。如果信息化水平過高，可能會導致人們更多地依賴技術工具，而忽視人際關系和領導力的重要性。

5? 政策建議

基于以上結論，圍繞提高湖北省域的科技創新能力和效率，筆者提出如下建議：

（1）改善科技創新環境?？萍紕撔禄顒与x不開好的經濟環境和政策環境，提高經濟發展水平，加大政策引導力度，強化科技創新平臺和資源整合，強化科技創新服務綜合能力，能更好地為科技創新活動保駕護航，推動科技創新與成果轉化。湖北省需進一步加大戰略科技力量培育，建好高水平科技創新平臺。深入推進科技體制改革，優化科技創新生態，持續營造崇尚創新、尊重科學、尊重知識、尊重人才的社會氛圍。

（2）加強人才引進工作。加快集聚海內外高端科技人才，開展“離岸引才”行動，進一步為海外高技術人才簽證居留提供便利。同時，如何留住人才也不可忽視，武漢市大學生人數位列全國第一，卻難以吸引大學生們留在武漢市，原因在于就業機會的缺失，應當促進創新型和高科技產業發展，吸引更多高素質人才就業。政府可以提供優惠政策和支持，鼓勵創新創業，培育高新技術企業，創造更多就業機會。加強與企業的合作，建立產學研結合的平臺，提供實習和實踐機會，增加學生與企業的接觸和就業渠道。鼓勵和支持創業，提供創業指導和創業資金，激發大學生創新創業的熱情，幫助他們實現個人事業發展，為社會創造更多價值。

（3）提高貿易開放水平。湖北省要加強與其他地區之間的科技創新合作，建立區域科技創新合作機制。推進區域科技創新資源共享與科技成果本地轉化，主動對接國家區域發展戰略，積極與北京、上海、成渝地區和粵港澳國際科技創新中心等地開展科技交流合作。推進建立科技合作交流長效機制，聚焦優勢湖北領域和創新發展需求，建立完善與“一帶一路”沿線國家和世界主要創新型國家科技合作機制，全面加強對外科技合作交流。

（4）提高科技創新管理水平。在引進高新技術等增強科技創新硬實力的同時，還需進一步提高科技創新治理能力以及完善相關政策和制度等來增強科技軟實力。加快政府科技管理與創新服務職能轉變，推動有效市場和有為政府相結合，在科技創新領域做到軟硬并重，著力提高湖北省科技創新體系整體效能。

（5）加強信息化建設。首先，要建立有效的信息過濾和篩選機制，幫助組織從海量信息中識別出有價值的知識創新機會，引入人工智能和大數據分析等技術，輔助判斷信息的可信度和實用性，以減輕信息過載問題。。其次，提倡在科技創新過程中注重人際交流和合作，強化團隊合作和跨部門合作，培養員工與外部合作伙伴之間的良好溝通能力，通過面對面交流和互動，促進創新思維的產生和共享。再次，建立鼓勵創新的組織文化，培養員工的創新意識和創造力。強調領導者的角色，引導員工在創新過程中思考問題，勇于打破常規并為他們提供支持和激勵。在信息化過程中，需要保持信息技術與人才之間的平衡應用。鼓勵員工學習和使用信息技術工具，但也強調培養員工的人際溝通和領導力能力，確保技術工具與人的作用相互補充。最后，定期進行知識管理和總結，建立定期的知識管理機制，對外部知識引入的效果進行總結和評估，了解哪些外部知識菌株對創新產生了積極影響，哪些對創新效率產生了負面影響，并據此調整創新策略。

參考文獻：

[1] 劉釩， 鄧明亮.基于改進超效率DEA模型的長江經濟帶科技創新效率研究[J]. 科技進步與對策， 2017， 34（23）： 48-53. （LIU F， DENG M L. Research on scientific and technological innovation efficiency of Yangtze River Economic Belt based on improved superefficiency DEA model [J]. Science and technology progress and countermeasures， 2017， 34（23）： 48-53.）

[2] 朱鵬頤， 劉東華， 黃新煥.動態視角下城市科技創新效率評價研究——以福建九地級市為例[J]. 科研管理， 2017， 38（6）： 43-50. （ZHU P Y， LIU D H， HUANG X H. Evaluation on efficiency of urban science and technology innovation from a dynamic perspective： a case study of nine prefecture-level cities in Fujian Province [J]. Science research management， 2017， 38（6）： 43-50.）

[3] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision-making umits[J]. European journal of operational research， 1978， 2（6）： 429-444.

[4] 李曉梅， 白雪飛.基于超效率CCR-DEA的國有物流企業績效實證分析——基于16家上市物流企業的樣本數據[J]. 中國流通經濟， 2016， 30（4）： 26-32. （LI X M， BAI X F. Empirical analysis of performance of state-owned logistics enterprises based on super-efficiency CCR-DEA： based on sample data of 16 listed logistics enterprises [J]. China circulation economy， 2016， 30（4）： 26-32.）

[5] 王珍珍.我國制造業與物流業聯動發展效率評價——基于超效率CCR-DEA模型[J]. 中國流通經濟， 2017， 31（2）： 20-30. （WANG Z Z. Evaluation of joint development efficiency of manufacturing industry and logistics industry in China： based on super-efficiency CCR-DEA model [J]. China circulation economy， 2017， 31（2）： 20-30.）

[6] BANKER R D， CHARNES A， COOPER W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis[J]. Management science， 1984（9）： 1078-1092.

[7] TONE K.A slacks‐based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）： 498‐509.

[8] TONE K.A Slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）： 32-41.

[9] 賴一飛， 謝潘佳， 葉麗婷， 等.我國區域科技創新效率測評及影響因素研究——基于超效率SBM-Malmquist-Tobit模型[J]. 科技進步與對策， 2021， 38（13）： 37-45. （LAI Y F， XIE P J， YE L T， et al. Evaluation and influencing factors of regional science and technology innovation efficiency in China： based on super-efficiency SBM-Malmquist-Tobit model [J]. Science and technology progress and countermeasures， 2019， 38（13）： 37-45.）

[10] UNGKYU H， METTE A， MARTIN K. Regional R&D efficiency in Korea from static and dynamic perspectives[J]. Regional studies， 2014， 50（7）： 1170-1184.

[11] 李健， 魯亞洲. 京津冀創新能力預測與影響因素研究[J]. 科技進步與對策， 2019， 36（12）： 37-45. （LI J， LU Y Z. Prediction and influencing factors of innovation capability in Beijing-Tianjin-Hebei [J]. Science and technology progress and countermeasures， 2019， 36（12）： 37-45.）

[12] 李蕓， 雷宏振， 張小筠.基于SBM模型的科技創新效率及影響因素研究[J]. 技術經濟， 2020， 39（5）： 1-8. （LI Y， LEI H Z， ZHANG X J. Research on S&T innovation efficiency and Influencing factors based on SBM model [J]. Journal of technical economics， 2019， 39（5）： 1-8.）

[13] 王鵬， 鐘譽華， 顏悅.科技創新效率與區域經濟韌性交互分析——基于珠三角地區的實證[J]. 科技進步與對策， 2022， 39（8）： 48-58. （WANG P， ZHONG Y H， YAN Y. Interaction analysis of scientific and technological innovation efficiency and regional economic resilience： an empirical study of the Pearl River Delta region [J]. Science and technology progress and countermeasures， 2002， 39（8）： 48-58.）

[14] 和金生.知識管理與知識發酵[J]. 科學學與科學技術管理， 2002（3）： 63-66. （HE J S. Knowledge management and knowledge fermentation [J]. Science of science and science and technology management， 2002（3）： 63-66.）

[15] 劉洪偉， 和金生， 馬麗麗. 知識發酵——知識管理的仿生學理論初探[J]. 科學學研究， 2003（5）： 514-518. （LIU H W， HE J S， MA LL. Knowledge fermentation， the bionics theory of knowledge management study [J]. Studies in science of science， 2003（5）： 514-518.）

[16] 李影， 張鵬， 曾永泉.粵港澳大灣區工業科技創新效率及其時空演變研究[J]. 工業技術經濟， 2020， 39（8）： 21-27. （LI Y， ZHANG P， ZENG Y Q. Study on the efficiency of industrial science and technology innovation and its spatio-temporal evolution in Guangdong-Hong Kong-Macao Greater Bay Area [J]. Industrial technical economics， 2019， 39（8）： 21-27.）

[17] 舒天楚， 聶小琴， 郭含文， 等.京津冀城市群科技資源配置效率分析——基于DEA-Malmquist指數模型[J]. 科技管理研究， 2021， 41（4）： 89-96. （SHU T C， NIE X Q， GUO H W， et al. Efficiency analysis of science and technology resource allocation in Beijing-Tianjin-Hebei City cluster： based on DEA-Malmquist index model [J]. Science and technology management research， 2021， 41（4）： 89-96）

[18] 喬為國， 詹文杰. 中國產學研三大部門技術創新經費投入產出效率評估研究[J]. 科技進步與對策， 2022， 39（22）： 113-121. （QIAO W G， ZHAN W J. Evaluation of input-output efficiency of technological innovation funds in three departments of industry， university and research in China [J]. Science and technology progress and countermeasures， 2022， 39（22）： 113-121）

[19] 于樹江， 王云勝， 曾建麗， 等. 創新價值鏈下京津冀高技術產業技術創新效率及驅動要素研究[J]. 科學決策， 2021（7）： 77-90. （YU S J， WANG Y S， ZENG J L， et al. Research on technological innovation efficiency and driving factors of Beijing-Tianjin-Hebei high-tech Industry under Innovation value chain [J]. Science decision， 2021（7）： 77-90.）

[20] 和雪瀅. 外商投資、產業集聚對綠色創新效率的影響[D]. 杭州：浙江財經大學， 2023. （HE X Y. Foreign investment and industrial agglomeration effect on the efficiency of the green innovation [D]. Hangzhou： Zhejiang University of Finance and Economics， 2023.）

[21] 李騰覺. 基于系統GMM模型的區域一體化對城市創新能力的影響研究[D]. 武漢：華中科技大學， 2023. （LI T J. Research on the impact of regional integration on urban innovation capability based on system GMM model [D]. Wuhan： Huazhong University of Science and Technology， 2023.）

[22] 湛泳， 李珊. 智慧城市建設、創業活力與經濟高質量發展——基于綠色全要素生產率視角的分析[J]. 財經研究， 2022， 48（1）： 4-18. （ZHAN Y， LI S. Smart city construction， entrepreneurial vitality and high-quality economic development： an analysis from the perspective of green total factor productivity [J]. Study of finance and economics， 2022， 48（1）： 4-18.）

[23] 藺鵬， 孟娜娜.綠色全要素生產率增長的時空分異與動態收斂[J]. 數量經濟技術經濟研究， 2021， 38（8）： 104-124. （LIN P， MENG N N. Green total factor productivity growth differentiation of space and time and the dynamic convergence [J]. Journal of quantitative technical economics， 2021， 38 （8）： 104-124.）

[24] 郭淑芬， 張俊.中國31個省市科技創新效率及投入冗余比較[J]. 科研管理， 2018， 39（4）： 55-63. （GUO S F， ZHANG J. Input of science and technology innovation and efficiency in China's 31 provinces redundant comparison [J]. Journal of scientific research management， 2018， 33（4）： 55-63.）

[25] 宋美喆， 柒江藝. 政府行政權力調整對城市綠色全要素生產率的影響——來自“撤縣設區”和“省直管縣”改革的經驗證據[J]. 中國環境管理， 2023， 15（4）： 140-150. （SONG M Z， QI J Y. The impact of government administrative power adjustment on urban green total factor productivity： empirical evidence from the reform of "setting up districts by eliminating counties" and "province directly administering counties" [J]. China's environmental management， 2023， 15（4）： 140-150.）

[26] 李瑞雪， 司孟慧， 張漢飛. 金融集聚對工業綠色全要素生產率的影響研究——基于長三角地區的實證[J]. 華東經濟管理， 2022， 36（5）： 34-47. （LI R X， SI M H， ZHANG H F. The impact of financial agglomeration on industrial green total factor productivity： an empirical study in the Yangtze River Delta [J]. East China economic management， 2022， 36 （5）： 34-47.）

[27] 曾億武， 孫文策， 李麗莉， 等. 數字鴻溝新坐標：智慧城市建設對城鄉收入差距的影響[J]. 中國農村觀察， 2022（3）： 165-184. （ZENG Y W， SUN W C， LI L L， et al. New coordinates of digital divide： the impact of smart city construction on Urban-Rural income gap [J]. China rural observation， 2022（3）： 165-184）

[28] 謝霜， 向慧芳. 產業結構調整對污染減排影響的實證分析——基于中國省際面板數據[J]. 經濟視角， 2016（1）： 62-69. （XIE S， XIANG H F. An empirical analysis of the impact of industrial structure adjustment on pollution reduction： based on China's provincial panel data [J]. Economic perspective， 2016（1）： 62-69.）

[29] 何興強， 歐燕， 陳平. 上下游供求潛力與FDI在我國的區位選擇——基于地區投入產出表和空間效應的分析[J]. 學術研究， 2014（6）： 72-78， 89. （HE X Q， OU Y， CHEN P. Upstream and downstream supply and demand potential and FDI location choice in China： based on regional input-output table and spatial effect analysis [J]. Academic research， 2014（6）： 72-78， 89.）

[30] 賈棟. 陜西省城市科技創新能力與創新效率評價研究[D]. 西安： 西安科技大學， 2018. （JIA D. Research on evaluation of urban science and technology innovation ability and innovation Efficiency in Shaanxi province [D]. Xi 'an： Xi 'an University of Science and Technology， 2018.）

[31] 彭剛， 張文鋮， 李光武. 國際貿易對地區經濟增長率的影響——基于我國地級市數據的實證分析[J]. 經濟問題探索， 2020（10）： 158-169. （PENG G， ZHANG W C， LI G W. The impact of international trade on regional economic growth： an empirical analysis based on the data of prefecture-level cities in China [J]. Exploration of economic issues， 2020（10）： 158-169.）

作者貢獻說明：

俞? 享：數據處理及論文撰寫；

門玉英：論文修改；

劉園園：論文撰寫；

李? 芳：論文修改。

A Model for Measuring the Efficiency of Technological Innovation Based on Knowledge Fermentation——Take Hubei Province as an example

Yu Xiang1? Men Yuying1，2? Liu Yuanyuan1? Li Fang2

1School of Information Management， Central China Normal University， Wuhan 430079

2Hubei Institute of Science and Technology Information， Wuhan 430071

Abstract： [Objective/Significance] The measurement of science and technology innovation efficiency is helpful to understand the actual situation of urban science and technology innovation in Hubei Province， and provide theoretical support and practical guidance for local economic policies. [Method/Process] Taking 12 cities in Hubei Province as research objects， the super-efficiency SBM-Malmquist model was used to estimate the technological innovation efficiency and total factor productivity of each city from 2003 to 2019， and the influencing factors were explored with OLS regression. Based on the theory of knowledge fermentation， factors such as opening to the outside world， industrial structure， economic development level， informatization level and human capital were combined to show how they jointly affect the efficiency of science and technology innovation in Hubei Province. [Result/Conclusion] The results showed that： from 2003 to 2019， the overall trend of science and technology innovation efficiency in Hubei Province was developing well; There are obvious regional differences in the efficiency of scientific and technological innovation. The total factor productivity of scientific and technological innovation activities is on the rise， which mainly originates from scientific and progress. The influence of opening to the outside world， the level of economic development and human capital on the efficiency of science and technology innovation in Hubei Province is significantly positively correlated. Based on the research conclusions， the paper puts forward some policy suggestions such as improving the environment for scientific and technological innovation， strengthening the introduction of talents， and improving the level of opening up.

Keywords： scientific and technological innovation? ? theory of knowledge fermentation? ? ultra-efficient SBM model? ? OLS model? ? influencing factors

基金項目：本文系湖北省軟科學研究項目“湖北省科技服務綜合體建設研究”（項目編號：2022EDA021）研究成果之一。

作者簡介：俞享，碩士研究生；門玉英，教授，博士，碩士生導師；劉園園，碩士研究生，通信作者，E-mail： liu5211314yuan2021@163.com；李芳，助理研究員，碩士。

收稿日期：2023-08-20? ? ? ? 發表日期：2023-12-27? ? ? ? 本文責任編輯：劉遠穎