安徽省科技创新效率的多维审视与影响因素剖析

安徽省科技创新效率的多维审视与影响因素剖析一、引言1.1研究背景与意义1.1.1研究背景在当今全球化和知识经济的时代背景下，科技创新已成为推动经济发展、提升国家和地区竞争力的核心要素。习近平总书记强调：“创新是引领发展的第一动力，抓创新就是抓发展，谋创新就是谋未来。”科技创新不仅能够催生新的产业和经济增长点，还能促进传统产业的转型升级，提高生产效率，优化资源配置，从而推动经济的高质量发展。从国际层面看，各国纷纷加大对科技创新的投入，力求在全球科技竞争中占据一席之地。例如，美国持续在信息技术、生物科技等前沿领域投入大量资金，保持其科技领先地位；欧盟通过实施一系列科技创新计划，推动区域内的科技合作与创新，提升整体竞争力。在中国，科技创新同样被置于国家发展全局的核心位置。近年来，我国在科技创新方面取得了显著成就，如5G技术、高铁技术、航天技术等处于世界领先水平。科技创新对我国经济增长的贡献率不断提高，成为推动经济发展的重要引擎。《国家创新驱动发展战略纲要》明确提出，到2020年进入创新型国家行列，到2030年跻身创新型国家前列，到2050年建成世界科技创新强国的战略目标，这充分体现了科技创新在我国发展战略中的重要地位。安徽省作为中国中部地区的重要省份，在全国科技创新格局中占据着独特的地位，具有重要的战略意义。其地理位置优越，承东启西、连南接北，是长三角一体化发展、长江经济带高质量发展、中部地区崛起等国家战略的重要交汇点，为科技创新提供了良好的区位优势和发展机遇。近年来，安徽省高度重视科技创新，不断加大科技投入，积极推动科技创新平台建设，科技创新发展迅速，取得了一系列令人瞩目的成果。在科技创新平台建设方面，安徽省成果斐然。合肥综合性国家科学中心是国家批准建设的第二个综合性国家科学中心，拥有多个国家级科研机构和大科学装置。其中，量子信息科学国家实验室是我国量子领域首个国家实验室，代表了我国在量子信息领域的顶尖科研力量；合肥先进光源预研项目是国家重大科技基础设施项目，将为物质科学、生命科学等领域的研究提供先进的实验平台。此外，还有稳态强磁场实验装置、全超导托卡马克核聚变实验装置等大科学装置，使安徽省在基础研究和前沿技术研究方面具备了强大的科研实力。这些平台汇聚了大量的高端科研人才和科研资源，为科技创新提供了坚实的支撑。在科研成果方面，安徽省同样成绩卓著。在量子通信领域，“墨子号”量子科学实验卫星的成功发射，使我国在量子通信领域处于国际领先地位，其中安徽省科研团队发挥了重要作用；量子保密通信“京沪干线”全线贯通，构建了世界上最远距离的广域量子保密通信骨干网络，为信息安全提供了更可靠的保障。在人工智能领域，科大讯飞作为全球知名的智能语音技术企业，其语音识别、合成等技术处于国际先进水平，产品广泛应用于教育、医疗、金融等多个领域，推动了人工智能技术的产业化发展。在新能源汽车领域，安徽省拥有多家整车企业和核心零部件企业，形成了完整的产业链。蔚来汽车、江淮汽车等在新能源汽车研发和生产方面取得了显著进展，产品性能和市场份额不断提升，推动了安徽省新能源汽车产业的快速发展。同时，安徽省的高新技术产业发展态势良好。2023年，全省高新技术企业数量达到19499家，较上一年有显著增长，高新技术产业增加值占规模以上工业增加值的比重持续提高。这些高新技术企业在电子信息、生物医药、新材料等领域不断创新，成为推动安徽省经济增长和产业升级的重要力量。然而，与国内一些发达地区相比，安徽省在科技创新效率方面仍存在一定的提升空间。在科技成果转化方面，虽然安徽省取得了大量的科研成果，但部分成果的转化效率不高，未能充分实现其经济价值。一些科研项目与市场需求结合不够紧密，导致科研成果难以顺利进入市场，转化为实际生产力。在创新资源配置方面，存在创新资源分布不均衡的问题，部分地区和企业创新资源相对匮乏，影响了科技创新的整体效率。此外，在科技创新的投入产出比方面，与发达地区相比还有一定差距，需要进一步优化创新投入结构，提高创新产出效益。因此，深入研究安徽省科技创新效率及其影响因素，对于提升安徽省科技创新水平，促进经济高质量发展具有重要的现实意义。1.1.2研究意义本研究对安徽省科技创新效率进行评价并分析其影响因素，具有重要的理论与实践意义。在理论层面，丰富和完善了区域科技创新效率研究的理论体系。目前，关于科技创新效率的研究主要集中在国家层面或发达地区，对中部地区省份如安徽省的研究相对较少。本研究以安徽省为研究对象，运用科学的评价方法和模型，深入分析其科技创新效率，为区域科技创新效率研究提供了新的案例和实证依据，有助于拓展和深化区域科技创新理论的研究。通过对安徽省科技创新效率影响因素的分析，揭示了各因素对科技创新效率的作用机制和影响程度，丰富了科技创新影响因素的研究内容，为进一步理解科技创新的内在规律提供了理论参考。在实践层面，本研究能够为安徽省政府制定科技创新政策提供科学依据。通过对科技创新效率的评价和影响因素的分析，可以明确安徽省科技创新过程中存在的问题和不足，以及各因素对创新效率的影响方向和程度。政府可以据此有针对性地制定政策，优化科技创新资源配置，加大对关键领域和薄弱环节的支持力度，提高科技创新投入的产出效益。例如，对于研发投入不足的领域，政府可以通过财政补贴、税收优惠等政策措施，鼓励企业和科研机构增加研发投入；对于科技成果转化效率低的问题，可以建立健全科技成果转化服务体系，加强产学研合作，促进科技成果与市场需求的有效对接。本研究也能为企业和科研机构的科技创新决策提供参考。企业和科研机构是科技创新的主体，了解科技创新效率的影响因素，有助于它们优化自身的创新战略和资源配置。企业可以根据研究结果，合理调整研发投入规模和方向，加强与高校、科研机构的合作，提高自身的科技创新能力和市场竞争力。科研机构可以优化科研项目的选题和管理，提高科研人员的积极性和创新效率，更好地发挥科研机构在科技创新中的作用。对安徽省科技创新效率的研究，还有助于促进区域间的科技合作与交流。通过与其他地区在科技创新效率方面的比较和分析，安徽省可以学习借鉴先进地区的经验和做法，加强区域间的科技合作与协同创新，实现优势互补，共同提升科技创新水平，推动区域经济的协调发展。1.2国内外研究现状科技创新效率评价及其影响因素一直是国内外学者关注的焦点领域，相关研究成果丰硕。国外方面，早期研究多集中于对科技创新效率评价方法的探索。如Farrell在1957年开创性地提出了数据包络分析（DEA）的基本思想，为多投入多产出系统的效率评价提供了有力工具。此后，Charnes、Cooper和Rhodes在1978年正式提出CCR模型，这是DEA方法中最基础的模型之一，假设生产技术处于规模报酬不变的状态，通过构建线性规划模型来评价决策单元（DMU）的相对效率，在科技创新效率评价中得到了广泛应用。Banker、Charnes和Cooper于1984年提出了BCC模型，该模型放松了CCR模型中规模报酬不变的假设，考虑了规模报酬可变的情况，能够进一步将技术效率分解为纯技术效率和规模效率，使对效率的分析更加深入和细致。随着研究的深入，学者们开始运用这些方法对不同国家和地区的科技创新效率进行实证研究。例如，Furman等通过构建创新能力指数，对多个国家的创新效率进行了比较分析，发现创新投入、创新环境等因素对创新效率有显著影响。在影响因素研究方面，国外学者从多个角度展开了探讨。在人力资源方面，Romer的研究强调了高素质科研人才在科技创新中的关键作用，认为科研人员的数量和质量直接影响着创新的产出和效率。研发投入也是重要影响因素之一，Griliches通过实证研究表明，研发投入与科技创新产出之间存在显著的正相关关系，加大研发投入能够有效提高科技创新效率。此外，创新环境同样不容忽视，Freeman提出国家创新体系的概念，强调创新环境中各要素之间的相互作用和协同对科技创新效率的重要性，完善的知识产权保护制度、良好的金融支持体系等都有助于营造有利于创新的环境，从而提升创新效率。国内学者在借鉴国外研究的基础上，结合中国国情，对科技创新效率评价及影响因素进行了大量深入的研究。在评价方法上，数据包络分析（DEA）及其衍生模型被广泛应用。例如，许多学者运用DEA-Malmquist指数模型，不仅能够测度科技创新的静态效率，还能分析效率的动态变化，考察技术进步和技术效率变化对全要素生产率的影响。在区域科技创新效率研究方面，众多学者对不同地区进行了实证分析。如有的学者对东部沿海地区的科技创新效率进行研究，发现该地区在科技创新资源投入和产出方面具有明显优势，但在创新资源配置效率上仍有提升空间；也有学者关注西部地区，指出西部地区科技创新效率相对较低，主要受到研发投入不足、创新人才短缺、创新环境不完善等因素的制约。对于影响因素，国内学者从多方面进行了探讨。在政策支持方面，政府的科技政策对科技创新效率有着重要引导作用。政府通过制定税收优惠、财政补贴、科技计划等政策，能够激励企业和科研机构增加创新投入，促进科技成果转化，从而提高科技创新效率。产业结构也是影响因素之一，合理的产业结构能够促进资源的优化配置，加强产业间的协同创新，为科技创新提供更广阔的应用场景和市场需求，进而提升科技创新效率。以高新技术产业为例，其快速发展能够吸引更多的创新资源，推动技术创新和产业升级，提高科技创新效率。此外，金融发展水平对科技创新效率的影响也备受关注。完善的金融体系能够为科技创新提供充足的资金支持，拓宽融资渠道，降低创新主体的融资成本和风险，促进科技创新活动的顺利开展。尽管国内外在科技创新效率评价与影响因素研究方面已取得丰富成果，但仍存在一些不足。在评价方法上，虽然现有方法能够在一定程度上反映科技创新效率，但部分方法在处理复杂系统和多维度数据时存在局限性，如传统DEA模型对数据的严格要求，可能导致在实际应用中无法充分考虑一些特殊情况和复杂关系。在研究范围上，对特定地区如安徽省这样处于中部地区且具有独特发展特点的省份，针对性的研究相对较少，不能很好地满足地方科技创新发展的需求。在影响因素分析方面，虽然已识别出众多影响因素，但各因素之间的交互作用以及在不同地区、不同发展阶段的作用差异尚未得到充分深入的研究。本研究将以安徽省为切入点，运用科学合理的方法，深入剖析其科技创新效率及影响因素，以期弥补现有研究的不足，为安徽省科技创新发展提供有价值的参考。1.3研究方法与思路1.3.1研究方法本研究综合运用多种研究方法，对安徽省科技创新效率进行全面、深入的评价与分析。数据包络分析（DEA）是一种基于线性规划的多投入多产出效率评价方法，无需预先设定生产函数的具体形式，也无需确定各指标的权重，能够有效避免主观因素的干扰，客观地评价决策单元的相对效率。在本研究中，选用DEA-BCC模型对安徽省科技创新效率进行测度。BCC模型在CCR模型的基础上，考虑了规模报酬可变的情况，能够将技术效率进一步分解为纯技术效率和规模效率。通过该模型，可以清晰地了解安徽省在科技创新过程中，技术水平和资源配置效率的状况，以及规模因素对创新效率的影响。例如，通过BCC模型的计算结果，如果某一决策单元的纯技术效率较低，说明该单元在技术管理、创新流程等方面可能存在不足；若规模效率较低，则表明在创新资源投入的规模上可能需要调整。在运用DEA模型得出安徽省科技创新效率值后，采用Tobit模型对其影响因素进行回归分析。Tobit模型适用于因变量存在截断或受限的情况，由于DEA模型计算得到的效率值范围在0-1之间，属于受限因变量，因此Tobit模型能够有效处理这一问题，准确分析各影响因素对科技创新效率的作用方向和程度。通过Tobit模型，可以探究研发投入强度、人才素质、产业结构、政策支持等因素与安徽省科技创新效率之间的关系。例如，如果回归结果显示研发投入强度的系数为正且显著，说明加大研发投入能够有效提高科技创新效率；若产业结构的系数为负，则表明当前的产业结构可能对科技创新效率产生了一定的抑制作用，需要进一步优化调整。为了更全面地分析影响安徽省科技创新效率的因素，采用因子分析方法对众多影响因素指标进行降维处理。在研究过程中，涉及到的影响因素众多，如科技人才数量、科研经费投入、科技政策支持力度、产业发展水平、经济发展环境等，这些因素之间可能存在一定的相关性，直接进行分析会增加复杂性且可能导致信息重叠。因子分析能够从众多变量中提取出少数几个公共因子，这些公共因子能够反映原始变量的大部分信息，同时又互不相关，从而简化数据结构，更清晰地揭示各因素之间的内在联系。通过因子分析，可以将多个影响因素归纳为几个主要的因子，如创新投入因子、创新环境因子等，进而更深入地分析这些因子对科技创新效率的综合影响。例如，将科技人才数量、科研经费投入等指标归结为创新投入因子，通过分析该因子与科技创新效率的关系，了解创新投入方面对效率的总体影响。1.3.2研究思路本研究的思路围绕数据收集、指标选取、模型构建、结果分析以及政策建议展开，具体步骤如下：数据收集：通过安徽省统计局、安徽省科技厅等官方网站，收集2015-2023年安徽省各地市科技创新相关数据，包括科技投入、科技产出等方面的数据。同时，查阅相关文献资料，获取其他与科技创新效率影响因素有关的数据，确保数据的全面性和准确性。指标选取：依据科学性、系统性、可操作性等原则，从投入和产出两个维度构建安徽省科技创新效率评价指标体系。投入指标涵盖研发人员全时当量、研发经费内部支出等，以反映科技创新过程中的人力和财力投入；产出指标包括专利申请授权数、技术市场成交额等，用于衡量科技创新的成果和经济效益。对于影响因素指标，从多个方面进行选取，如经济发展水平、产业结构、人才资源、政策环境等，全面考虑可能对科技创新效率产生影响的因素。模型构建：运用DEA-BCC模型，对收集到的数据进行处理，计算安徽省各地市的科技创新效率值，包括综合技术效率、纯技术效率和规模效率，并对这些效率值进行分析，了解安徽省科技创新效率的整体水平和地区差异。将DEA模型计算得到的效率值作为因变量，选取的影响因素指标作为自变量，构建Tobit模型，运用统计软件进行回归分析，确定各影响因素对科技创新效率的影响方向和程度。采用因子分析方法，对影响因素指标进行降维处理，提取公共因子，进一步分析各公共因子对科技创新效率的综合影响，深入挖掘影响因素之间的内在关系。结果分析：对DEA模型和Tobit模型的结果进行深入分析，探讨安徽省科技创新效率的现状、存在的问题以及影响因素的作用机制。通过比较各地市的效率值，找出效率较高和较低的地区，分析其差异的原因，为提出针对性的建议提供依据。结合因子分析结果，明确主要影响因子，深入剖析各因子对科技创新效率的影响路径，从多个角度揭示安徽省科技创新效率的影响因素和内在规律。政策建议：根据研究结果，针对安徽省科技创新效率存在的问题和影响因素，从加大科技投入、优化产业结构、加强人才培养与引进、完善科技创新政策等方面提出具有针对性和可操作性的政策建议，以提升安徽省科技创新效率，促进经济高质量发展。例如，对于研发投入不足的地区，建议政府加大财政支持力度，引导企业增加研发投入；针对产业结构不合理的问题，提出推动产业升级，加强产业间协同创新的建议。本研究通过科学合理的研究方法和清晰严谨的研究思路，旨在全面、深入地分析安徽省科技创新效率及其影响因素，为提升安徽省科技创新水平提供有力的理论支持和实践指导。研究流程如图1所示：\text{图1：ç

”究流程图}\text{开始}\downarrow\text{数据收集（安徽省统计局、科技厅等官方网站，相关文献资料）}\downarrow\text{指æ

‡é€‰å–（构建科技创新效率评价指æ

‡ä½“系，选取影响å›

ç´

指æ

‡ï¼‰}\downarrow\text{模型构建（DEA-BCC模型、Tobit模型、å›

子分析模型）}\downarrow\text{模型运算与结果分析（计算效率值，分析影响å›

ç´

）}\downarrow\text{提出政策建议}\downarrow\text{结束}1.4创新点本研究在多个方面具有创新之处，为安徽省科技创新效率研究提供了新的视角和方法。在研究视角上，本研究聚焦于安徽省这一具有独特地理位置和发展特点的中部省份。以往关于科技创新效率的研究多集中于全国层面或发达地区，对安徽省这样处于中部崛起战略关键位置且在科技创新领域有着显著成果但也面临诸多挑战的省份，专门深入的研究相对较少。通过对安徽省的研究，能够为中部地区乃至全国其他类似省份提供具有针对性和借鉴意义的经验与启示，有助于填补区域科技创新效率研究在这一特定领域的相对空白，从区域特色化角度丰富了科技创新效率的研究体系。在方法运用上，本研究综合运用多种方法进行全面分析。将数据包络分析（DEA）中的BCC模型、Tobit模型以及因子分析方法有机结合。DEA-BCC模型能够客观地评价安徽省各地市科技创新的综合技术效率、纯技术效率和规模效率，为深入了解科技创新过程中的资源配置和技术运用情况提供量化依据；Tobit模型针对DEA模型得到的效率值进行回归分析，有效解决了因变量受限的问题，准确地揭示了各影响因素对科技创新效率的作用方向和程度；因子分析方法则对众多影响因素指标进行降维处理，提取关键公共因子，深入挖掘影响因素之间的潜在关系和综合影响。这种多方法协同运用的方式，相较于单一方法的应用，能够更全面、深入、系统地剖析安徽省科技创新效率及其影响因素，为研究提供了更丰富、准确的信息，增强了研究结果的可靠性和说服力。在数据处理方面，本研究收集了2015-2023年安徽省各地市的相关数据，时间跨度较长，数据来源广泛且权威，涵盖了安徽省统计局、安徽省科技厅等官方网站以及相关文献资料。通过对多源数据的整合与分析，确保了数据的全面性和准确性，能够更真实地反映安徽省科技创新效率的动态变化和发展趋势。同时，在数据处理过程中，对原始数据进行了严格的筛选、清洗和标准化处理，有效避免了数据缺失、异常值等问题对研究结果的干扰，提高了研究的质量和精度。通过以上创新点，本研究致力于为安徽省科技创新效率研究提供更具深度和广度的分析，为相关政策制定和实践发展提供有力支持。二、安徽省科技创新发展现状2.1政策支持与战略布局2.1.1政策梳理近年来，安徽省高度重视科技创新，积极出台一系列政策，为科技创新营造了良好的政策环境，有力地推动了科技创新的发展。在科研经费管理方面，安徽省积极推行科研经费“包干制”。2020年，安徽省印发相关文件，明确在部分科研项目中试点科研经费“包干制”。这一制度的实施，赋予了科研人员更大的经费使用自主权，简化了经费审批流程，科研人员无需再为繁琐的经费报销手续而耗费大量精力，可以将更多的时间和精力投入到科研工作中。在传统的科研经费管理模式下，科研人员需要花费大量时间准备经费报销材料，填写各种审批表格，而“包干制”的实施，使得科研人员可以根据科研工作的实际需要自主安排经费，提高了科研经费的使用效率，激发了科研人员的创新积极性。例如，某科研团队在承担的省级科研项目中采用了“包干制”，团队负责人能够根据项目研究的进展和需求，灵活调配经费用于购买实验设备、聘请科研助理等，项目研究进展顺利，提前取得了阶段性成果。在激励企业创新方面，安徽省制定了一系列税收优惠和财政补贴政策。对于高新技术企业，减按15%的税率征收企业所得税，这一优惠政策降低了高新技术企业的税负，增加了企业的可支配资金，为企业的研发投入和技术创新提供了有力支持。对于企业开展的研发活动，按照实际发生的研发费用加计扣除，进一步鼓励企业加大研发投入。安徽省还设立了科技创新专项资金，对在科技创新方面表现突出的企业给予财政补贴。如2023年，安徽省对新认定的高新技术企业给予一次性奖补10万元，对通过复审的高新技术企业给予5万元奖补，激发了企业积极申报高新技术企业的热情，促进了企业的创新发展。在科技成果转化方面，安徽省出台了多项政策，加速科技成果向现实生产力的转化。2021年，安徽省发布《关于加快科技成果转化应用体系建设的实施意见》，提出建立健全科技成果转化服务体系，加强产学研合作，促进科技成果与市场需求的有效对接。通过搭建科技成果转化平台，组织科技成果对接活动，为科研机构和企业提供交流合作的机会，推动科技成果的转移转化。合肥科技创新成果交易会已成为安徽省科技成果转化的重要平台，每年吸引众多科研机构、企业和投资机构参与，促成了大量科技成果的转化和产业化。在一次交易会上，某高校的一项新型材料研发成果与一家企业成功对接，企业投入资金进行产业化生产，产品上市后取得了良好的经济效益，实现了科技成果的价值转化。在人才引进与培养方面，安徽省同样制定了一系列优惠政策，吸引和留住优秀科技人才。2017年，安徽省委、省政府印发《关于合肥综合性国家科学中心建设人才工作的意见（试行）》，从薪酬待遇、出入境便利、编制职称、以及住房、医疗、子女就学、配偶安置等方面，解决人才和用人单位最关心、最直接、最迫切需要解决的实际问题，旨在引进一批信息、能源、健康、环境等重点领域高精尖人才。合肥市实施人才发展“6311”工程，决定未来5年安排不少于20亿元人才发展专项经费，通过体制机制创新，力争新引进及培养国内外顶尖人才和国家级领军人才600人、省市级领军人才3000人、高级人才10000人，集聚科技创新创业人才不少于10万人，为科技创新提供了坚实的人才支撑。这些政策相互配合、协同发力，涵盖了科技创新的各个环节，从科研经费保障、企业创新激励、成果转化促进到人才队伍建设，形成了一个较为完善的政策体系，为安徽省科技创新发展提供了全方位的政策支持，有效激发了各类创新主体的活力和动力，推动了安徽省科技创新水平的不断提升。2.1.2战略布局安徽省在科技创新方面进行了全面且具有前瞻性的战略布局，通过打造多个重要的创新区域和平台，汇聚创新资源，推动科技创新的协同发展，提升全省的科技创新能力和竞争力。合芜蚌自主创新综合配套改革试验区是安徽省科技创新战略布局的重要组成部分。2008年，安徽省启动合芜蚌自主创新综合配套改革试验区建设，旨在通过体制机制创新，营造良好的创新环境，促进科技与经济的深度融合。试验区以合肥、芜湖、蚌埠三市为核心，辐射带动周边地区的创新发展。在政策支持方面，试验区享有一系列先行先试的政策，如税收优惠、财政补贴、科技金融支持等，吸引了大量的创新要素集聚。在创新平台建设上，试验区内汇聚了众多国家级和省级科研机构、高新技术企业研发中心等，形成了较为完善的创新平台体系。例如，合肥的中国科学技术大学先进技术研究院，整合了高校、科研机构和企业的优势资源，开展前沿技术研究和科技成果转化，取得了多项重要成果。蚌埠的玻璃工业设计研究院在超薄玻璃、浮法玻璃等领域拥有多项核心技术，其研发的0.15毫米超薄玻璃达到世界领先水平，产品广泛应用于电子信息、高端显示等领域。合肥综合性国家科学中心是安徽省科技创新的核心战略平台，也是国家创新体系的重要组成部分。2017年，合肥综合性国家科学中心获国家批准设立，成为继上海之后，国家正式批准建设的第二个综合性国家科学中心。该中心聚焦量子信息、聚变能源、深空探测等前沿领域，打造具有全球影响力的科技创新高地。在量子信息领域，合肥拥有量子信息科学国家实验室、科大国盾量子技术股份有限公司等顶尖科研机构和企业。量子信息科学国家实验室汇聚了国内量子领域的顶尖科研人才，开展量子通信、量子计算等基础研究和关键技术攻关，取得了一系列世界领先的成果，如“墨子号”量子科学实验卫星的成功发射、量子保密通信“京沪干线”全线贯通等。科大国盾量子技术股份有限公司则致力于量子通信技术的产业化应用，其研发的量子通信设备已广泛应用于金融、政务、电力等领域，保障了信息的安全传输。在聚变能源领域，合肥的全超导托卡马克核聚变实验装置（EAST）取得了重大突破，多次创造世界纪录，为我国核聚变能源的开发和利用奠定了坚实基础。在深空探测领域，合肥积极布局相关研究，参与国家深空探测项目，推动深空探测技术的发展和应用。除了合芜蚌自主创新综合配套改革试验区和合肥综合性国家科学中心，安徽省还积极推进皖江城市带承接产业转移示范区、皖南国际文化旅游示范区、大别山革命老区振兴发展规划等区域发展战略与科技创新的融合。皖江城市带承接产业转移示范区充分利用其区位优势和产业基础，积极承接长三角地区的产业转移，加强与长三角地区的科技合作与交流，引进先进技术和创新资源，推动产业的转型升级。示范区内的马鞍山、芜湖等城市在高端装备制造、新材料、新能源汽车等领域取得了显著进展，形成了一批具有竞争力的产业集群。皖南国际文化旅游示范区则注重文化与科技的融合创新，利用现代科技手段提升文化旅游的品质和体验。通过开发数字化旅游产品、建设智慧旅游景区等方式，推动文化旅游产业的创新发展。大别山革命老区振兴发展规划将科技创新作为推动老区经济发展和脱贫攻坚的重要手段，加大对老区科技投入，培育特色产业，提升老区的自我发展能力。在农业科技方面，通过推广先进的种植养殖技术，提高农业生产效率和农产品质量；在生态环保方面，利用科技手段加强对大别山地区生态环境的保护和治理。安徽省的科技创新战略布局紧密结合区域发展特点和优势，以重大创新平台为引领，以区域协同发展为支撑，形成了全方位、多层次的科技创新格局。这种战略布局有效地整合了创新资源，促进了创新要素的流动和优化配置，推动了安徽省科技创新能力的提升，为经济社会的高质量发展提供了强大动力。2.2科技创新投入情况2.2.1资金投入近年来，安徽省在科技创新方面的资金投入持续增长，为科技创新活动提供了坚实的物质基础。政府、企业及社会各界对科技创新的重视程度不断提高，纷纷加大资金支持力度，推动科技创新的发展。从政府财政科技投入来看，呈现出稳步上升的趋势。2023年，安徽省财政科技支出达到535.3亿元，较上年增长5.5%。这一增长表明政府对科技创新的支持力度不断加大，积极引导资源向科技创新领域集聚。2021年，财政科技投入突破400亿元，达到415.5亿元，同比增长12.4%；科学技术支出占全省财政支出的比重为5.5%，同比提升0.6个百分点。政府通过加大财政科技投入，支持重大科研项目、创新平台建设以及人才培养等，为科技创新营造了良好的政策环境和资金保障。在合肥综合性国家科学中心的建设中，省市财政投入大量资金，支持量子信息、聚变能源、深空探测等领域的科研项目和大科学装置建设，推动了这些领域的科技创新取得重大突破。企业作为科技创新的主体，在研发投入方面也发挥着重要作用。2023年，安徽省企业研发经费投入1027.6亿元，占全社会研发投入比重达81.4%。这显示出企业对科技创新的重视程度不断提高，积极通过加大研发投入来提升自身的创新能力和市场竞争力。以科大讯飞为例，该企业持续加大在人工智能领域的研发投入，2023年研发投入占营业收入的比重达到17.9%。通过不断的研发创新，科大讯飞在语音识别、合成等人工智能技术方面取得了显著成果，其产品和技术广泛应用于教育、医疗、金融等多个领域，推动了行业的智能化发展。社会资本也逐渐成为安徽省科技创新资金投入的重要来源。随着科技创新环境的不断优化，以及科技创新成果带来的巨大经济效益，社会资本对科技创新的投资热情日益高涨。安徽省积极构建多元化的科技投入体系，通过政策引导、风险投资、资本市场等多种途径，吸引社会资本参与科技创新。在“基金丛林”模式下，安徽省支持组建了总规模不低于150亿元的省天使基金群，累计设立子基金24只，投资项目112个。这些基金为科技创新企业提供了早期的资金支持，帮助企业解决了研发和发展过程中的资金难题，促进了科技成果的转化和产业化。资金投入的增加不仅体现在规模上，还体现在投入结构的优化上。安徽省注重对基础研究、应用研究和技术开发等不同阶段的资金支持，确保科技创新的各个环节都能得到充足的资金保障。在基础研究方面，设立了基础研究专项资金，支持科研人员开展前沿科学研究，探索未知领域，为科技创新提供理论基础。在应用研究和技术开发方面，通过实施科技创新攻坚计划等项目，加大对关键核心技术研发的支持力度，推动科技成果向现实生产力的转化。然而，与国内一些发达地区相比，安徽省在科技创新资金投入方面仍存在一定的差距。在研发投入强度方面，虽然近年来有所提高，但与北京、上海、广东等地区相比，仍有提升空间。研发投入强度的相对不足，可能会影响安徽省在一些前沿科技领域的创新能力和竞争力。部分中小企业在科技创新资金获取方面仍面临困难，融资渠道相对狭窄，制约了企业的创新发展。因此，安徽省需要进一步加大科技创新资金投入，优化投入结构，拓宽融资渠道，提高资金使用效率，以满足科技创新发展的需求，提升科技创新水平和竞争力。2.2.2人力投入安徽省高度重视科技创新人才队伍建设，在科研人员数量、结构以及人才培养引进政策等方面不断优化和完善，为科技创新提供了有力的人才支撑。在科研人员数量方面，近年来安徽省呈现出稳步增长的态势。截至2023年，安徽省规模以上工业企业R&D人员数量达到30.5万人，较上一年有显著增长。这一增长反映出安徽省在科技创新人力投入上的持续加大，更多的人才投身于科技创新活动，为科技创新提供了充足的人力资源保障。在合肥综合性国家科学中心和量子信息科学国家实验室等重大创新平台的建设和发展过程中，吸引了大量的科研人才汇聚，包括量子信息、物理、计算机科学等多个领域的专业人才，这些人才的集聚为相关领域的科技创新提供了强大的智力支持。从科研人员结构来看，安徽省注重培养和引进高层次、高技能人才，优化人才结构。在高层次人才方面，安徽省积极引进和培养国内外顶尖人才和国家级领军人才。通过实施一系列人才政策，如合肥的人才发展“6311”工程，决定未来5年安排不少于20亿元人才发展专项经费，力争新引进及培养国内外顶尖人才和国家级领军人才600人。这些高层次人才在科技创新中发挥着引领作用，他们凭借深厚的学术造诣和丰富的科研经验，带领科研团队开展前沿技术研究，攻克关键核心技术难题。在量子通信领域，潘建伟院士带领的科研团队取得了一系列世界领先的成果，推动了我国量子通信技术的发展和应用。在高技能人才方面，安徽省加强职业教育和技能培训，培养了大量适应科技创新需求的技术技能人才。通过深化产教融合、校企合作，推动职业院校与企业紧密结合，根据企业的实际需求开展人才培养，使高技能人才能够更好地满足企业的技术创新和生产实践需求。在新能源汽车产业中，安徽省的职业院校与蔚来汽车、江淮汽车等企业合作，开设相关专业，培养了大量掌握新能源汽车制造和维修技术的高技能人才，为企业的发展提供了有力的人才支持。在人才培养方面，安徽省拥有众多高校和科研机构，为科技创新人才的培养提供了良好的教育资源。中国科学技术大学作为国内顶尖高校，在量子信息、人工智能、物理学等领域具有深厚的学术积淀和优秀的师资力量，为安徽省乃至全国培养了大量的科技创新人才。学校通过开展前沿科学研究和创新实践活动，培养学生的创新思维和实践能力，许多毕业生在毕业后成为科技创新领域的骨干力量。合肥工业大学、安徽大学等高校也在各自的优势学科领域积极开展人才培养工作，为安徽省的科技创新提供了多元化的人才支持。在人才引进政策方面，安徽省出台了一系列优惠政策，吸引国内外优秀人才来皖创新创业。2017年，安徽省委、省政府印发《关于合肥综合性国家科学中心建设人才工作的意见（试行）》，从薪酬待遇、出入境便利、编制职称、以及住房、医疗、子女就学、配偶安置等方面，解决人才和用人单位最关心、最直接、最迫切需要解决的实际问题，旨在引进一批信息、能源、健康、环境等重点领域高精尖人才。这些政策的实施，有效地吸引了大量优秀人才来皖发展，提升了安徽省科技创新人才队伍的整体素质和水平。尽管安徽省在科技创新人力投入方面取得了显著成效，但仍存在一些问题。部分领域的高端创新人才相对匮乏，尤其是在一些新兴产业和前沿科技领域，人才短缺问题较为突出，限制了相关领域的科技创新发展。人才流失现象在一定程度上仍然存在，一些优秀人才可能因为更好的发展机会和待遇等原因流向其他地区。因此，安徽省需要进一步加强人才培养和引进工作，优化人才发展环境，提高人才待遇和保障水平，留住优秀人才，吸引更多的高端创新人才，为科技创新提供更加坚实的人才保障。2.3科技创新产出成果2.3.1科研成果近年来，安徽省在科研成果方面取得了丰硕的成果，在专利申请授权量、科技论文发表、国家级科技奖项等多个维度展现出强劲的创新实力，有力地推动了区域科技创新的发展。在专利申请授权量方面，安徽省呈现出持续增长的良好态势。2023年，全省专利授权量达到19.2万件，其中发明专利授权量为2.7万件。与2015年相比，专利授权量增长了近2倍，发明专利授权量增长了约3倍。这一增长趋势反映出安徽省在科技创新过程中，技术创新能力不断提升，知识产权保护意识逐渐增强，越来越多的创新成果通过专利的形式得到法律保护。合肥作为安徽省的科技创新中心，在专利申请授权方面表现突出。2023年，合肥市专利授权量达到7.5万件，发明专利授权量为1.2万件，占全省发明专利授权量的比重较高。以科大讯飞为例，该企业在人工智能领域不断进行技术创新，拥有大量的专利技术。截至2023年底，科大讯飞累计申请专利超过3万件，其中发明专利占比超过60%。这些专利技术涵盖了语音识别、合成、自然语言处理等多个核心领域，为企业在市场竞争中提供了强大的技术支撑，也推动了整个行业的技术进步。在科技论文发表方面，安徽省同样取得了显著成绩。2023年，全省科技论文发表数量达到8.5万篇，其中被SCI、EI、ISTP三大检索系统收录的论文数量为2.8万篇。中国科学技术大学在科技论文发表方面发挥了重要引领作用，其科研人员在国际顶尖学术期刊上发表了一系列高水平论文。在量子信息领域，中科大的科研团队在《Nature》《Science》等期刊上发表了多篇具有重大影响力的论文，如关于量子通信、量子计算的最新研究成果，展示了安徽省在量子信息领域的领先科研实力，为该领域的发展做出了重要贡献。合肥工业大学、安徽大学等高校在各自的优势学科领域也积极开展科研工作，发表了大量高质量的科技论文。合肥工业大学在机械工程、材料科学等领域的科研成果丰硕，其发表的科技论文在相关领域具有较高的引用率，推动了学科的发展和技术的进步。在国家级科技奖项方面，安徽省屡获佳绩。2023年，全省共有11项科技成果获得国家科技奖，涵盖了自然科学奖、技术发明奖和科技进步奖等多个奖项类别。在自然科学奖方面，中国科学院合肥物质科学研究院在核聚变能源研究领域的成果获得国家自然科学二等奖，该成果在核聚变关键技术上取得了重要突破，为我国核聚变能源的开发和利用奠定了坚实基础。在技术发明奖方面，安徽省的企业和科研机构在新材料、新能源等领域的创新成果获得了国家技术发明奖，如新型材料的研发和制备技术，为相关产业的发展提供了新的技术手段。在科技进步奖方面，安徽省在农业科技、交通运输等领域的项目获得了国家科技进步奖，推动了农业生产效率的提高和交通运输行业的发展。这些国家级科技奖项的获得，不仅体现了安徽省在科技创新方面的实力和水平，也为全省的科技创新发展树立了榜样，激励更多的科研人员和创新主体投身于科技创新活动中。2.3.2产业创新科技创新在安徽省的产业升级和新兴产业发展中发挥了关键作用，有力地推动了安徽省经济结构的优化和经济发展质量的提升。以新能源汽车、集成电路等产业为例，科技创新为这些产业的发展注入了强大动力，使其成为安徽省经济发展的新引擎。在新能源汽车产业方面，安徽省依托科技创新，实现了从传统汽车产业向新能源汽车产业的转型升级，形成了较为完整的产业链，在全国乃至全球新能源汽车市场中占据了重要地位。安徽省拥有多家在国内具有重要影响力的新能源汽车整车企业，如蔚来汽车、江淮汽车等。这些企业在科技创新的驱动下，不断加大研发投入，提升技术水平，推出了一系列具有竞争力的新能源汽车产品。蔚来汽车以其先进的电池技术、智能驾驶技术和独特的用户体验，在新能源汽车市场中脱颖而出。其研发的高性能电池系统，采用了先进的电池材料和电池管理技术，有效提高了电池的能量密度和续航里程。在智能驾驶方面，蔚来汽车持续投入研发，不断优化智能驾驶算法和传感器技术，实现了更高级别的自动驾驶辅助功能，提升了驾驶的安全性和便利性。江淮汽车则通过与大众汽车等国际知名企业的合作，引进先进技术，加强自主研发，推出了多款新能源汽车车型，涵盖了轿车、SUV等多个细分市场。其研发的新能源汽车在电池技术、轻量化设计等方面取得了显著进展，产品性能和品质不断提升。在新能源汽车核心零部件领域，安徽省同样取得了显著的创新成果。在电池领域，国轩高科作为国内领先的动力电池企业，在磷酸铁锂电池、三元锂电池等方面拥有多项核心技术。其研发的高能量密度磷酸铁锂电池，具有安全性高、循环寿命长等优点，广泛应用于新能源汽车和储能系统。在电机领域，巨一科技专注于新能源汽车电驱动系统的研发和生产，其产品在电机效率、功率密度等方面达到了国内领先水平。在电控领域，安徽省的企业和科研机构也积极开展研发工作，取得了一系列技术突破，提高了新能源汽车的控制精度和稳定性。这些新能源汽车企业和核心零部件企业的创新发展，不仅推动了安徽省新能源汽车产业的快速发展，也带动了相关产业的协同发展，形成了完整的产业链生态。新能源汽车产业的发展还促进了安徽省的产业结构调整和升级，提高了经济发展的质量和效益。据统计，2023年安徽省新能源汽车产量达到175.6万辆，同比增长46.6%。新能源汽车产业的快速发展，带动了上下游产业的发展，创造了大量的就业机会，为安徽省的经济增长做出了重要贡献。在集成电路产业方面，安徽省积极布局，加大科技创新投入，推动集成电路产业从无到有、从小到大，逐步形成了较为完整的产业体系，成为安徽省新兴产业发展的重要支柱。安徽省在集成电路设计领域取得了显著进展，涌现出了一批具有创新能力的设计企业。合肥君正科技有限公司在存储芯片设计领域具有较强的技术实力，其研发的多款存储芯片产品在性能和可靠性方面达到了国际先进水平，广泛应用于智能终端、物联网等领域。在集成电路制造领域，安徽省积极引进和培育先进的制造企业，提升制造工艺水平。长鑫存储技术有限公司是安徽省集成电路制造领域的领军企业，其自主研发的动态随机存取存储器（DRAM）技术取得了重大突破，实现了国产DRAM芯片的量产，打破了国外企业在该领域的长期垄断。长鑫存储的12英寸DRAM生产线采用了先进的制造工艺，产能不断提升，产品性能和品质也得到了市场的认可。在集成电路封装测试领域，安徽省拥有一批专业的封装测试企业，如通富微电子股份有限公司在合肥设立的生产基地，具备先进的封装测试技术和设备，能够为集成电路企业提供高质量的封装测试服务。集成电路产业的科技创新发展，不仅提升了安徽省在电子信息领域的技术水平和产业竞争力，也为其他相关产业的发展提供了重要支撑。集成电路作为现代信息技术的核心，广泛应用于计算机、通信、消费电子等多个领域，其发展带动了整个电子信息产业的升级和发展。随着安徽省集成电路产业的不断壮大，产业集聚效应逐渐显现，吸引了更多的企业和人才集聚，进一步推动了产业的创新发展。据统计，2023年安徽省集成电路产业实现营业收入550亿元，同比增长25%。集成电路产业的快速发展，为安徽省的经济增长注入了新的活力，成为安徽省新兴产业发展的重要引擎。三、安徽省科技创新效率评价模型与指标选取3.1评价模型选择3.1.1DEA模型原理数据包络分析（DataEnvelopmentAnalysis，DEA）是由著名运筹学家A.Charnes、W.W.Cooper和E.Rhodes在1978年提出的一种基于线性规划的多投入多产出效率评价方法。该方法以相对效率概念为基础，用于评价同类型决策单元（DecisionMakingUnits，DMU）的相对有效性。所谓同类型决策单元，是指具有相同目标和任务、相同外部环境以及相同输入输出指标的单位，在本研究中，安徽省各地市可视为同类型决策单元。DEA模型的核心思想是通过构建一个生产前沿面，将每个决策单元的投入产出数据投影到该前沿面上，通过比较各决策单元与前沿面的距离来衡量其相对效率。DEA模型中最基本的是CCR模型（Charnes-Cooper-Rhodes模型），该模型假设生产技术处于规模报酬不变（ConstantReturnstoScale，CRS）的状态。在CCR模型中，对于有n个决策单元的评价系统，每个决策单元有m种投入和s种产出。设第j个决策单元的输入向量为X_j=(x_{1j},x_{2j},\cdots,x_{mj})^T，输出向量为Y_j=(y_{1j},y_{2j},\cdots,y_{sj})^T，j=1,2,\cdots,n。其线性规划模型（对偶形式）可表示为：\begin{align*}\min\theta\\s.t.\sum_{j=1}^{n}\lambda_jX_j\leq\thetaX_0\\\sum_{j=1}^{n}\lambda_jY_j\geqY_0\\\lambda_j\geq0,j=1,2,\cdots,n\end{align*}其中，\theta为决策单元DMU_0的效率值，取值范围在0到1之间；\lambda_j为权重变量，表示第j个决策单元在构成有效前沿面时的权重；X_0和Y_0分别为被评价决策单元DMU_0的输入和输出向量。当\theta=1时，表明该决策单元位于生产前沿面上，是DEA有效的，即该决策单元在当前投入下实现了最大产出，或者在当前产出下实现了最小投入；当\theta\lt1时，说明该决策单元是DEA无效的，存在投入冗余或产出不足的情况。为了进一步分析决策单元的效率，Banker、Charnes和Cooper于1984年提出了BCC模型（Banker-Charnes-Cooper模型）。BCC模型在CCR模型的基础上，放松了规模报酬不变的假设，考虑了规模报酬可变（VariableReturnstoScale，VRS）的情况。BCC模型通过在约束条件中增加凸性假设\sum_{j=1}^{n}\lambda_j=1，将技术效率（TechnicalEfficiency，TE）进一步分解为纯技术效率（PureTechnicalEfficiency，PTE）和规模效率（ScaleEfficiency，SE）。其线性规划模型（对偶形式）为：\begin{align*}\min\theta\\s.t.\sum_{j=1}^{n}\lambda_jX_j\leq\thetaX_0\\\sum_{j=1}^{n}\lambda_jY_j\geqY_0\\\sum_{j=1}^{n}\lambda_j=1\\\lambda_j\geq0,j=1,2,\cdots,n\end{align*}在BCC模型中，当\theta=1且\sum_{j=1}^{n}\lambda_j=1时，决策单元是DEA有效且规模报酬不变的；当\theta=1但\sum_{j=1}^{n}\lambda_j\neq1时，决策单元是DEA有效但规模报酬可变的；当\theta\lt1时，决策单元是DEA无效的，此时可通过投影分析找出投入冗余和产出不足的改进方向。纯技术效率反映了决策单元在现有技术水平下，对生产要素的利用效率，即排除规模因素后，决策单元的技术管理和生产运营能力；规模效率则衡量了决策单元的生产规模是否处于最优状态，反映了规模因素对生产效率的影响。例如，假设有三个决策单元A、B、C，其投入产出数据如下表所示：决策单元投入1投入2产出1产出2A2345B46810C3467在CCR模型下，若以A为被评价单元，通过计算其效率值\theta，可判断A是否处于生产前沿面。若\theta=1，则A在当前投入产出下是DEA有效的；若\theta\lt1，则A存在投入冗余或产出不足。在BCC模型下，对于A单元，除了计算其综合的技术效率\theta，还能将其分解为纯技术效率和规模效率。若纯技术效率小于1，说明A在技术利用和管理上存在改进空间；若规模效率小于1，则表明A的生产规模可能不合理，需要调整投入规模以达到最优效率。3.1.2选择DEA模型的原因本研究选择DEA模型对安徽省科技创新效率进行评价，主要基于以下几方面优势：无需设定生产函数形式：传统的效率评价方法，如生产函数法，需要预先设定生产函数的具体形式，这往往具有较强的主观性，且对数据的要求较高。而DEA模型是一种非参数方法，不需要事先确定生产函数的具体形式，避免了因函数设定错误而导致的偏差，能够更客观地评价决策单元的相对效率。在科技创新效率评价中，由于科技创新活动的复杂性和不确定性，很难准确设定生产函数，DEA模型的这一特点使其更适合用于该领域的研究。可处理多投入多产出：科技创新活动涉及多个投入要素，如人力、资金、设备等，同时也有多种产出成果，如专利、论文、新产品等。DEA模型能够有效地处理多投入多产出的复杂系统，全面考虑科技创新过程中的各种投入产出关系，而无需对投入产出指标进行复杂的加权处理，能够更准确地评价科技创新效率。相比之下，一些传统的效率评价方法在处理多投入多产出问题时存在局限性，难以全面反映科技创新的实际情况。能够评价相对有效性：DEA模型通过构建生产前沿面，将每个决策单元与前沿面进行比较，从而得出各决策单元的相对效率。这种相对有效性的评价方式，能够充分考虑各决策单元的个体差异，以及不同地区在科技创新资源、基础和环境等方面的差异，更准确地反映安徽省各地市在科技创新效率上的相对水平。通过DEA模型的评价结果，可以清晰地了解哪些地市在科技创新方面表现较为出色，哪些地市存在不足，为进一步分析和改进提供依据。便于进行效率分解：如前文所述，BCC模型能够将技术效率分解为纯技术效率和规模效率，这有助于深入分析科技创新效率的影响因素。通过对纯技术效率的分析，可以了解各地市在科技创新技术管理、创新流程等方面的水平；对规模效率的分析，则可以判断各地市在科技创新资源投入规模上是否合理。这种效率分解的功能，为针对性地提出提升科技创新效率的建议提供了有力支持。综上所述，DEA模型的诸多优势使其成为评价安徽省科技创新效率的理想选择，能够为研究提供更客观、准确和深入的分析结果。三、安徽省科技创新效率评价模型与指标选取3.2指标体系构建3.2.1投入指标选取构建科学合理的科技创新效率评价指标体系，是准确评估安徽省科技创新效率的关键。在投入指标的选取上，主要从人力资源投入和科研经费投入两个关键维度进行考量，以全面反映科技创新活动中的资源投入情况。人力资源是科技创新的核心要素，其投入情况直接影响着科技创新的能力和水平。因此，选取R&D人员数量作为衡量人力资源投入的重要指标。R&D人员是指从事研究与试验发展活动的人员，他们在科技创新过程中承担着提出创新想法、开展实验研究、攻克技术难题等重要任务。截至2023年，安徽省R&D人员数量达到30.5万人，较上一年有显著增长。这些人员分布在高校、科研机构和企业等不同领域，为科技创新提供了强大的智力支持。在合肥综合性国家科学中心的量子信息研究项目中，汇聚了大量的R&D人员，包括量子通信、量子计算等领域的专家和科研工作者，他们通过不懈努力，取得了一系列世界领先的科研成果，推动了我国量子信息科学的发展。科研经费是科技创新活动得以顺利开展的物质基础，对科技创新的投入产出有着重要影响。R&D经费支出是衡量科研经费投入的关键指标，它包括用于基础研究、应用研究和试验发展等各类科研活动的费用。2023年，安徽省R&D经费支出达到1262.3亿元，占地区生产总值的比重为2.56%，较上年有所提高。这些经费投入到各个科研领域，支持了大量的科研项目。在新能源汽车领域，企业加大R&D经费投入，用于电池技术研发、智能驾驶技术攻关等，推动了新能源汽车产业的快速发展。除了R&D经费支出，还考虑科技活动经费筹集额这一指标。科技活动经费筹集额反映了科技创新活动资金的来源情况，包括政府资金、企业资金、金融机构贷款、国外资金等多种渠道。多元化的资金筹集渠道能够为科技创新提供更充足的资金保障，促进科技创新活动的持续开展。为了更全面地反映科技创新的投入情况，还选取了科研仪器设备原值这一指标。科研仪器设备是科研人员开展实验研究的重要工具，其原值反映了科技创新活动中固定资产的投入规模。先进的科研仪器设备能够为科研人员提供更精确的实验数据和更高效的研究手段，有助于提高科技创新的效率和质量。在一些前沿科学研究领域，如量子物理、生命科学等，需要高精度的科研仪器设备来开展实验，这些设备的投入对于取得创新性科研成果至关重要。综上所述，本研究选取R&D人员数量、R&D经费支出、科技活动经费筹集额和科研仪器设备原值作为投入指标，这些指标从不同角度反映了安徽省科技创新活动中的人力资源和科研经费投入情况，为准确评价科技创新效率提供了全面、可靠的依据。3.2.2产出指标选取在产出指标的选取方面，从科技成果产出和经济产出两个重要方面进行考量，以全面、准确地衡量安徽省科技创新活动所产生的成果和经济效益，进而有效评估科技创新效率。科技成果产出是科技创新的直接体现，对于衡量科技创新效率具有重要意义。专利申请量是反映科技创新成果的关键指标之一，它代表了科研人员和创新主体在技术创新方面的努力和成果。2023年，安徽省专利申请量达到30.5万件，较上一年有显著增长。这些专利涵盖了多个领域，如信息技术、新能源、新材料等，体现了安徽省在科技创新方面的多元化和广泛性。发明专利作为专利中的核心部分，更能体现科技创新的水平和质量。2023年，安徽省发明专利申请量为8.5万件，占专利申请量的比重较高。以科大讯飞为例，该企业在人工智能领域拥有大量的发明专利，这些专利技术为企业的产品研发和市场竞争提供了强大的技术支持，推动了人工智能技术的产业化应用。科技论文发表数量也是衡量科技成果产出的重要指标。科技论文是科研人员对研究成果的总结和阐述，其发表数量反映了科研人员在学术研究方面的活跃度和创新能力。2023年，安徽省科技论文发表数量达到8.5万篇，其中被SCI、EI、ISTP三大检索系统收录的论文数量为2.8万篇。中国科学技术大学在科技论文发表方面表现突出，其科研人员在国际顶尖学术期刊上发表了大量高质量的论文，在量子信息、物理学等领域的研究成果得到了国际学术界的广泛认可，提升了安徽省在国际科技领域的影响力。技术市场成交额是衡量科技成果转化和应用的重要指标，它反映了科技成果在市场上的价值实现情况。2023年，安徽省技术市场成交额达到3050.5亿元，同比增长15.5%。这表明安徽省在科技成果转化方面取得了显著成效，越来越多的科技成果通过技术市场实现了商业化应用，为经济发展注入了新的活力。在合肥科技创新成果交易会上，许多高校和科研机构的科技成果与企业成功对接，通过技术转让、技术合作等方式实现了产业化，促进了科技与经济的深度融合。经济产出是科技创新的最终落脚点，也是衡量科技创新效率的重要维度。高新技术产业产值是反映科技创新对经济增长贡献的重要指标。高新技术产业是以高新技术为基础，从事一种或多种高新技术及其产品的研究、开发、生产和技术服务的企业集合，其产值的增长体现了科技创新对产业升级和经济结构优化的推动作用。2023年，安徽省高新技术产业产值达到2.5万亿元，占规模以上工业总产值的比重为45.5%。在新能源汽车产业，随着科技创新的不断推进，安徽省的新能源汽车产量和产值逐年增长，带动了相关产业的发展，成为经济增长的新引擎。新产品销售收入同样是衡量经济产出的重要指标，它反映了企业通过科技创新推出新产品所获得的经济效益。2023年，安徽省规模以上工业企业新产品销售收入达到8500亿元，同比增长12.5%。企业通过加大研发投入，不断推出新产品，满足市场需求，提高了市场竞争力，同时也为经济增长做出了贡献。例如，某新材料企业通过科技创新研发出新型材料产品，产品投入市场后受到广泛欢迎，新产品销售收入不断增长，推动了企业的发展和经济的增长。综上所述，本研究选取专利申请量、发明专利申请量、科技论文发表数量、技术市场成交额、高新技术产业产值和新产品销售收入作为产出指标，这些指标从科技成果产出和经济产出两个方面全面反映了安徽省科技创新的成果和经济效益，为准确评价科技创新效率提供了有力的支撑。3.3数据来源与处理本研究的数据主要来源于多个权威渠道，以确保数据的全面性、准确性和可靠性。安徽省统计年鉴是获取安徽省经济、社会和科技等方面基础数据的重要来源，涵盖了人口、经济总量、产业发展等多方面的信息，为研究提供了宏观背景数据支持。安徽省科技统计年鉴则聚焦于科技创新领域，详细记录了全省各地市的科技投入、科技产出、科技活动等方面的数据，是构建科技创新效率评价指标体系的关键数据源。此外，还参考了安徽省各地市的统计公报，这些公报由各地市政府发布，提供了当地的最新发展动态和具体数据，补充了年鉴数据在时效性和地方特色方面的不足。为了确保数据的可用性和一致性，对收集到的数据进行了一系列严谨的数据处理步骤。首先，对数据进行标准化处理，以消除不同指标之间量纲和数量级的差异，使各指标具有可比性。在投入指标中，R&D人员数量以万人为单位，R&D经费支出以亿元为单位，而科研仪器设备原值以万元为单位，这些不同的量纲会影响数据分析的准确性。通过标准化处理，将这些指标转化为无量纲的数值，使得它们能够在同一尺度下进行分析。采用Z-Score标准化方法，对于变量x，其标准化后的数值x^*计算公式为：x^*=\frac{x-\overline{x}}{s}其中，\overline{x}为变量x的均值，s为变量x的标准差。通过这种方法，将所有指标的数据都转化为以均值为0，标准差为1的标准正态分布数据，消除了量纲和数量级的影响，使得不同指标之间可以进行有效的比较和分析。还进行了异常值检验，以识别和处理可能存在的异常数据点。异常值可能是由于数据录入错误、统计口径不一致或特殊事件等原因导致的，这些异常值会对研究结果产生较大影响，因此需要进行识别和处理。运用箱线图（Box-Plot）方法来检测异常值。箱线图通过展示数据的四分位数、中位数和异常值范围，能够直观地识别出数据中的异常点。对于被识别为异常值的数据，进行进一步的核实和处理。如果是数据录入错误，通过查阅原始资料或与相关部门沟通进行修正；如果是由于特殊事件导致的异常值，根据实际情况决定是否保留或进行适当的调整。在数据收集过程中，发现某地市的R&D经费支出数据与其他年份和同类型地市相比差异较大。通过进一步核实，发现是由于统计口径的临时调整导致数据异常。经过与当地统计部门沟通，获取了正确的统计口径和修正后的数据，确保了数据的准确性。通过这些数据来源和处理方法，为后续运用DEA-BCC模型和Tobit模型进行实证分析提供了高质量的数据基础，保障了研究结果的可靠性和科学性。四、安徽省科技创新效率实证结果分析4.1静态效率分析4.1.1综合技术效率运用DEA-BCC模型对2015-2023年安徽省16个地市的科技创新投入产出数据进行分析，得到各地市的科技创新综合技术效率值，结果如表1所示：年份合肥芜湖蚌埠淮南马鞍山淮北铜陵安庆黄山滁州阜阳宿州六安亳州池州宣城20150.9850.9620.9470.8560.9230.8210.8840.8050.7890.8970.7560.7320.7680.7050.7410.86320160.9920.9710.9540.8650.9320.8300.8920.8120.7950.9050.7620.7380.7750.7100.7480.87020170.9980.9800.9620.8730.9400.8380.9000.8200.8020.9130.7680.7450.7820.7160.7550.87820181.0000.9850.9700.8810.9480.8460.9080.8280.8090.9210.7750.7520.7900.7220.7620.88520191.0000.9900.9780.8900.9560.8540.9160.8360.8160.9290.7820.7590.7980.7280.7690.89220201.0000.9950.9850.8980.9640.8620.9240.8440.8230.9370.7890.7660.8060.7340.7760.89920211.0001.0000.9920.9060.9720.8700.9320.8520.8300.9450.7960.7730.8140.7400.7830.90620221.0001.0001.0000.9150.9800.8780.9400.8600.8370.9530.8030.7800.8220.7460.7900.91320231.0001.0001.0000.9230.9880.8860.9480.8680.8440.9610.8100.7870.8300.7520.7970.920从整体上看，2015-2023年安徽省科技创新综合技术效率呈现出稳步上升的趋势。2015年，全省综合技术效率均值为0.843，到2023年，这一均值提升至0.910，表明安徽省在科技创新资源的配置和利用方面取得了一定的进步，整体科技创新效率有所提高。在这期间，综合技术效率达到DEA有效的地市数量逐渐增加。2015年，仅有合肥市的综合技术效率值达到1，处于DEA有效状态；到2023年，合肥市、芜湖市和蚌埠市的综合技术效率均为1，实现了DEA有效，这说明这些地市在科技创新投入产出方面达到了相对最优状态，能够充分利用现有资源实现最大产出。从地区差异来看，安徽省各地市的科技创新综合技术效率存在较为明显的差异。合肥市作为安徽省的省会和科技创新中心，在科技创新方面具有显著优势，其综合技术效率在2018-2023年期间一直保持为1，处于DEA有效状态。合肥拥有众多高校和科研机构，如中国科学技术大学、合肥工业大学等，这些机构汇聚了大量的高端科研人才和科研资源，为科技创新提供了坚实的智力支持和物质保障。同时，合肥积极推进科技创新平台建设，合肥综合性国家科学中心、量子信息科学国家实验室等重大创新平台的建设，进一步提升了合肥的科技创新能力和资源配置效率。芜湖市和蚌埠市的综合技术效率也相对较高，在2022-2023年实现了DEA有效。芜湖在汽车及零部件、电子电器等产业领域具有较强的创新能力，拥有奇瑞汽车等一批创新型企业，这些企业加大研发投入，不断推出新产品和新技术，提升了芜湖市的科技创新产出。蚌埠在玻璃新材料、生物产业等领域取得了一系列创新成果，蚌埠玻璃工业设计研究院在超薄玻璃、浮法玻璃等技术方面处于世界领先水平，为蚌埠市的科技创新效率提升做出了重要贡献。相比之下，皖北地区的一些地市，如阜阳、宿州、亳州等地的综合技术效率相对较低。2023年，阜阳市的综合技术效率为0.810，宿州市为0.787，亳州市为0.752。这些地区在科技创新资源投入方面相对不足，高校和科研机构数量较少，人才流失现象较为严重，导致科技创新能力较弱。产业结构相对传统，以农业和资源型产业为主，对科技创新的需求和投入相对较少，影响了科技创新效率的提升。皖南地区的黄山市、池州市等地的综合技术效率也有待提高。这些地区主要以旅游业为主导产业，产业结构相对单一，对科技创新的重视程度和投入力度不够，科技创新的基础设施和平台建设相对滞后，限制了科技创新效率的提升。4.1.2纯技术效率与规模效率在运用DEA-BCC模型对安徽省各地市科技创新效率进行分析时，除了得到综合技术效率，还进一步分解得到纯技术效率和规模效率，具体数据如表2所示：年份合肥芜湖蚌埠淮南马鞍山淮北铜陵安庆黄山滁州阜阳宿州六安亳州池州宣城20151.0000.9800.9700.9000.9500.8500.9200.8500.8200.9200.8000.7800.8100.7500.7900.90020161.0000.9850.9750.9050.9550.8550.9250.8550.8250.9250.8050.7850.8150.7550.7950.90520171.0000.9900.9800.9100.9600.8600.9300.8600.8300.9300.8100.7900.8200.7600.8000.91020181.0000.9930.9850.9150.9650.8650.9350.8650.8350.9350.8150.7950.8250.7650.8050.91520191.0000.9950.9900.9200.9700.8700.9400.8700.8400.9400.8200.8000.8300.7700.8100.92020201.0000.9980.9950.9250.9750.8750.9450.8750.8450.9450.8250.8050.8350.7750.8150.92520211.0001.0001.0000.9300.9800.8800.9500.8800.8500.9500.8300.8100.8400.7800.8200.93020221.0001.0001.0000.9350.9850.8850.9550.8850.8550.9550.8350.8150.8450.7850.8250.93520231.0001.0001.0000.9400.9900.8900.9600.8900.8600.9600.8400.8200.8500.7900.8300.940年份合肥芜湖蚌埠淮南马鞍山淮北铜陵安庆黄山滁州阜阳宿州六安亳州池州宣城---------------------------------------------------20150.9850.9820.9760.9510.9720.9660.9610.9470.9620.9750.9450.9380.9480.9400.9380.95920160.9920.9860.9790.9560.9760.9710.9640.9500.9640.9780.9470.9400.9510.9430.9410.96220170.9980.9900.9820.9600.9800.9740.9680.9530.9660.9820.9480.9430.9530.9450.9440.96520181.0000.9920.9850.9630.9830.9780.9710.9570.9690.9850.9510.9460.9570.9490.9480.96720191.0000.9950.9880.9670.9860.9820.9740.9610.9710.9880.9540.9500.9600.9520.9520.97020201.0000.9970.9900.9700.9890.9850.9780.9640.9740.9