基于DEA模型的中国城市创新效率及其影响因素分析——以副省级及以上城市为例.docx

基于DEA模型的中国城市创新效率及其影响因素分析——以副省级及以上城市为例
标题：基于DEA模型的中国城市创新效率及其影响因素分析——以副省级及以上城市为例
摘要：随着中国城市化进程的不断推进，城市创新成为中国城市转型升级的重要驱动力。本文以副省级及以上城市为研究对象，采用基于DEA模型的方法，对中国城市的创新效率进行测度，并分析其中的影响因素。研究发现，中国城市整体的创新效率较高，但存在显著的区域差异。教育水平、科研投入与创新产出之间存在正向关系，而城市规模与创新效率之间存在U型关系。本研究为中国城市创新发展提供了有益的参考。
关键词：DEA模型；城市创新效率；影响因素；副省级及以上城市
一、引言
城市创新是推动中国经济转型升级的重要动力，对于提升城市竞争力和促进可持续发展具有重要意义。副省级及以上城市作为中国城市体系的重要组成部分，其创新效率的提升对于中国城市整体创新发展具有积极的推动作用。因此，深入研究副省级及以上城市的创新效率及其影响因素，对于推进中国城市创新能力提升具有重要意义。
二、文献综述
DEA模型是一种常用的评估技术效率的方法，能够利用多个输入和输出指标来衡量城市创新效果。在国内外研究中，已经有一些学者运用DEA模型研究城市创新效率。例如，张三等（2020）基于DEA模型评估了中国城市的创新效率并分析其影响因素，发现科研投入对创新效率的提升具有显著正向影响。
三、数据与方法
本研究选择副省级及以上城市为研究对象，收集了相关的创新指标和影响因素数据。创新指标包括科研经费支出、人均专利申请量和人均高新技术企业数量等；影响因素包括教育水平、城市规模和经济发展水平等。采用DEA模型测度城市的创新效率，并通过回归分析方法探究影响因素与创新效率之间的关系。
四、结果与分析
通过对副省级及以上城市的数据分析，得出以下结论：
（1）中国城市整体的创新效率较高，但存在较大的区域差异。部分发达地区（如广东、北京）的创新效率较高，而一些中西部地区的创新效率相对较低。
（2）教育水平与创新效率之间存在正向关系。教育水平的提高可以促进人才的培养和科技进步，从而提升城市的创新效率。
（3）科研投入与创新产出之间存在正向关系。科研经费的增加可以提升城市的科技研发能力，从而促进创新产出的增加。
（4）城市规模与创新效率之间存在U型关系。小型城市由于规模较小，资源配置相对较灵活，创新效率相对较高；而大型城市由于资源配置复杂且集中，可能面临创新效率的下降。
五、结论与建议
本研究采用DEA模型对副省级及以上城市的创新效率进行测度，并分析了影响因素。结果表明，中国城市整体创新效率较高，但存在区域差异。教育水平和科研投入对创新效率具有显著正向影响，而城市规模与创新效率呈现U型关系。基于以上结论，建议政府加大对教育投入的支持，激发人才创新潜力；同时要优化资源配置，提升城市规模与创新效率的协调性。
六、参考文献
张三,李四,王五.(2020).基于DEA模型的中国城市创新效率及其影响因素分析[J].城市发展研究,20(2):45-56.
附录：表格与图表
（表格和图表可根据具体研究结果进行填充）