產學研協同創新效率研究

羅嘯瀟 王婷

摘?要：我國產學研正邁向協同創新合作模式，但各省、市及自治區發展程度不同，協同創新效率有著較大的差異。文中運用三階段Super-SBM模型和Malmquist指數測度了我國30個省、市及自治區2010—2016年的產學研協同創新效率，研究發現處于效率前沿面的較少，且呈現明顯的東部高于中西部的態勢。外界環境對不同地區造成的影響各異，環境變量的增加對效率值并沒有完全的正向促進作用，多數省市在剔除環境變量之后效率值有所下降，而西部地區受外部環境影響最為顯著，中部次之，東部最小。全國效率值總體有所上升，全要素生產率呈曲折上升的趨勢，且環境變量只影響全要素生產率的具體數值，不改變其大體變化趨勢，而科技創新能力是影響產學研協同創新的主要因素。結果表明：全國多數省市產學研協同創新效率值存在一定程度的高估，且整體效率值不高，仍有改進空間。

關鍵詞：科研管理;產學研;協同創新效率;三階段DEA;Super-SBM模型;Malmquist指數

中圖分類號：G 646

文獻標識碼：A?文章編號：1672-7312（2020）04-0336-08

Abstract：Chinas industry-university-research institute is moving towards a collaborative innovation cooperation model，but the development and the efficiency of collaborative innovation in provinces and cities is quite different.This paper uses the three-stage Super-SBM model and the Malmquist index to measure the efficiency of industry-university-institute collaborative innovation in 30 provinces and cities from 2010 to 2016 in China.The study found that among the provinces and cities，there are fewer provinces and cities that are on the frontier of efficiency，and the trend is obviously higher in the east than in the midwest;The impact of the external environment on different regions is different;The increase of environmental variables does not completely promote the efficiency value;Most provinces and cities have reduced the efficiency value after excluding environmental variables;The western region is most affected by the external environment.Followed by the middle and the smallest in the east;The national efficiency value has generally increased，and total factor productivity has shown a tortuous upward trend;Environmental variables only affect the specific value of total factor productivity，and do not change its general change trend;Science and technology innovation capacity is the main factor affecting collaborative innovation of industry，university，and research institutes.The results show that the efficiency value of collaborative innovation of industry-university-research in most provinces and cities in China is overestimated to a certain extent，and the overall efficiency value is not high，and there is still room for improvement.

Key words：research management;industry-university-research;collaborative innovation efficiency;three-stage DEA;super-SBM model;malmquist index

0?引言

科學技術的發展及其創新成果是衡量綜合國力的重要指標，努力建設知識產權強國，已成為我國知識產權戰略行動的新目標[1]，產學研協同創新是科學技術發展的重要途徑。近年來，知識、技術以及科技創新能力成為企業的核心競爭力，僅靠企業自身的創新已經無法滿足時代的發展，產學研合作因此成為備受矚目的一種合作模式。在該模式下，高校與科研機構提供創新成果，企業對成果進行轉化，有效地解決了企業創新能力不足的問題，并減少了科技創新的風險與成本，有助于其保持創新成果的先進性與實用性。與此同時，我國產學研合作得到了良好的發展，科研經費和人員的投入顯著提升，一系列政策的出臺也推進了產學研合作度。而資源投入的增加卻并未顯著提升創新成果的產出，我國產學研三大主體在協同合作中依舊面臨合作程度不高，協同創新效率低的情況[2]，研究各地區產學研合作效率對探索產學研協同創新的提升路徑尤為重要。國內外學者從不同的視角探討了產學研合作問題，Anderson[3]的研究表明，開發新的技術、集聚新的資源和轉換研究成果是產學研協同合作過程中的主要步驟，因此評價產學研的績效需要對各個方面進行綜合評價。Bonaccorsi[4]認為應從主觀和客觀2個方面的指標進行產學研合作效率評價。Mikel和Joost[5]發現高校和研究機構對歐洲區域創新有顯著影響。原長弘和張樹滿[6]分析了陜西省產學研協同創新存在的問題。張巍和華賢[7]運用演化博弈的方法研究了產學研協同創新的利益分配問題。李玲和封峰[8]分別從不同的子系統對產學研協同創新關系進行了檢驗。肖丁丁和朱桂龍[9]用SFA分析了廣東省企業的面板數據。葉佳等[10]基于DEA的方法對全國產學研主體合作效率進行了研究。陳光華等[11]基于DEA-Tobit兩步法進行不同行業的合作效率測度。董鋒等[12]對各省產學研協同創新效率運用DEA中的SBM超效率模型進行測度。陳懷超等[13]用Malmquist指數計算了我國中部地區省份的效率。李明和李鵬[14]用兩階段網絡DEA研究了創新與發展的關系。黃菁菁[15]結合鏈式網絡DEA和Tobit計算協同創新效率。

綜上，目前的研究方法未能同時考慮DEA有效決策單元的效率具體數值、松弛變量的影響以及環境因素的干擾，從而無法得出更符合實際情況的效率值。基于此，文中結合三階段的超效率DEA和SBM（Slack Based Measure）模型以及三階段的Malmquist指數對各省、市及自治區產學研協同創新效率的差異進行測算分析，以期找到影響產學研協同創新效率的因素及作用機制，為我國產學研合作路徑的提升提供理論依據和研究方法。

1?模型及研究方法

1.1?Super-SBM模型

傳統DEA對效率值大于1 的決策單元不能計算具體數值，也就無法給出準確排名。超效率DEA解決了這個問題，對于有效的決策單元，按照投入變量增加的比例提升效率值。超效率DEA模型分為徑向和非徑向，現實情況中投入和產出并非同比例變動，徑向模型在測量效率值會有偏差，非徑向DEA則考慮了松弛變量，計算的效率值更精準合理。文中選擇Tone[16]提出的規模報酬可變的Super-SBM模型，模型的數學式如下

1.2?Malmquist指數模型

Malmquist.S提出了Malmquist指數，Caves等[17]學者基于此提出了Malmquist生產率指數，Fare[18]將其應用于DEA中，模型如下

模型中Tfpch為全要素生產率變化，Effch，Pech，Sech，Techch分別為技術效率、純技術效率、規模效率、技術進步變化對全要素生產率的影響。

1.3?隨機前沿模型

Fried等[19-20]學者提出了隨機前沿模型，在三階段DEA中用于分離環境因素、管理無效率和隨機擾動項，以剔除它們對決策單元的影響，其數學公式如下

1.4?研究方法

第1階段，基于Super-SBM模型計算各省、市及自治區的效率值及其Malmquist指數，得到未經調整的各省、市及自治區產學研協同創新效率。第2階段，以第1階段投入變量冗余為因變量，環境影響、管理無效率項和隨機擾動項為自變量做相似SFA回歸，以將各省、市及自治區置于相同外部環境中。第3階段，將第2階段調整后的值替換第1階段的值再進行效率值與Malmquist指數的計算，在剔除了環境影響和隨機擾動項的干擾后所得到的值與實際情況更為相符。

2?指標選取與來源

2.1?投入指標

指標的選取需要判斷其是否能準確地反映產學研合作力度，以及指標的權威性和可獲得性，學者們常以人力和財力作為衡量地區產學研科技投入的指標[12，21-22]。人力資源投入代表了從事相關活動的群體規模大小，大部分學者在身兼教學職位的同時也投身于科研事業，所以R&D人員全時當量能精確地反映科研人員的數量。經費的投入強度更能反映一個地區對科研資金投入的重視程度，投入經費的具體數值則用R&D外部經費對產學研主體的支出來衡量，其包含了三大主體間相互委托和合作所支出的經費，體現了產學研的合作關系。

2.2?產出指標

鑒于產學研協同創新的特殊性，學者們認為應從科技產出和經濟產出2個方面考慮產出水平[23-24]。

授權專利能體現研究成果所轉化成的實際產出，所以用專利授權數來度量一個區域發明創新技術與方案的能力。產學研合作研發的新技術和新知識最終要轉換為實際收入才能體現其最終的經濟價值，于是選取技術市場成交額來體現技術合同和知識產權所帶來的經濟收益。我國在國外主要檢索工具上發表的論文能在一定程度上代表我國進行高水平科研活動的能力，較為客觀地反映了地區科研成果的產出情況。

2.3?環境指標

在環境指標的選取上目前國內相關的論文不多，沒有明確的指標體系。環境變量是影響產學研協同創新效率的因素，但區別于傳統的投入變量，環境變量是不可控的，或者在短時間內沒有辦法做較大的變動。根據環境變量的特點，文中創新性地選擇普通高校、科研機構數量和規模以上工業企業總資產作為環境變量。科研活動大都是在高校或者科研機構內進行，或者需要這兩者提供所需的客觀條件，而高校和科研機構數量能代表一個區域內從事科技研究與創新能力單位的規模，且各地區的發展水平也能通過這2個指標有所體現。企業有多少能力能夠參與產學研的合作創新，一定程度上取決于企業的組織規模和運營狀況，經營良好又有規模的企業可能投入更多的資金進行合作，并以此提高企業新技術和新知識的產出，因此規上工業企業的總資產能整體反映這一情況。

綜上，所有指標都圍繞產學研三大主體之間的協同創新進行選取，較為科學地反映了產學研的協同創新效率，見表1，指標與數據選自2010—2018年的《中國科技統計年鑒》和《中國第三產業統計年鑒》。2011年以前“規模以上工業企業”的統計名稱為“大中型工業企業”，但對實證分析的影響可忽略不計[24]，因此文中采用相同處理方式，參考其他文獻規定時滯期為一年[25-26]。

3?實證分析

3.1?第一階段

第1階段借助DEA-SOLVER pro 5.0軟件計算效率值，DEA P 2.1軟件計算Malmquist指數，分析了全國30個省份（西藏地區數據缺失）的數據，得到了各個省份的綜合結果見表2。效率方面，從表中可以看出，在未剔除環境因素和噪聲干擾的前提下，北京市的每年的綜合效率排在第1位，效率均值最低的為山西省，效率均值極差為1.45。2010—2016年間每年達到效率前沿面的省、市及自治區數量平均約為12.86，而綜合效率均值大于1的省市只有9個，數量不及所有省、市及自治區的三分之一。所有年份均處于效率前沿面的省市有北京、江蘇、黑龍江、陜西。分地區看，除了2014年西部地區的效率均值大于中部地區外，其余年份的效率值均為東部>中部>西部的狀態，且東部地區每年的效率值都高于全國平均值，中部地區在2013和2014年的效率值低于全國效率值，而西部地區的效率值一直低于全國水平。Malmquist指數方面，全國全要素生產率的各項子指標的值均大于1，總體呈上升趨勢。東部地區的技術效率和純技術效率有略微降低，中部地區的技術進步尚有改進空間，西部地區的不足則在純技術效率方面。

3.2 ?第二階段

運用Frontier 4.1軟件做相似SFA的相關回歸，見表3，3個投入變量分別對應3個方程。隨機前沿分析的模型是否設置正確主要看單邊廣義似然比檢驗是否通過，從結果來看，所有方程的LR統計量均至少在α=0.01時拒絕原假設，表明使用隨機前沿模型是有必要的，即模型設置正確。方程的γ值均接近于1，說明管理無效率項存在，并且是導致效率低下的主要原因，而隨機擾動項對于效率基本無影響。所有環境變量對R&D人員全時當量投入冗余的回歸系數為正，說明環境變量增加，R&D人員全時當量投入的冗余值越大。規上企業資產總計和研究機構與開發數的增加會導致R&D經費投入強度冗余的減少和R&D外部經費對產學研主體支出冗余的增加。而普通高等學校數的增加則與其相反，會增加R&D經費投入強度冗余和減少R&D外部經費對產學研主體支出冗余。通過上述分析，根據相似SFA的結果對投入變量進行調整，以消除外部環境因素和隨機擾動項的影響，讓各省、市及自治區處于相同的外部環境中進行分析，從而得到更加切合實際情況的產學研協同創新效率。

3.3?第三階段

根據上一階段求得的結果，在排除環境變量和隨機擾動項的影響后，重新調整投入變量的數值，再次計算綜合效率和Malmquist指數，得到第3階段的綜合數據。從表4結果來看，各省、市及自治區的效率值較第1階段都有所不同，說明產學研的協同創新效率的確受到了環境因素的影響，且各省、市及自治區受到的影響具有顯著性差異。大部分省、市及自治區的產學研協同創新效率較未剔除環境變量之前有所下降，全國均值從0.842下降到了0.712。效率較第1階段有所上升的省、市及自治區數量平均每年為5個。效率均值最高的依舊是北京，最低為寧夏，極差為1.848，差距進一步擴大。分地區看，在調整投入變量之后，各年份效率值都呈現東部>中部>西部的態勢，對各地區的效率值進行分析，西部地區的效率值與第1階段相比下降最多，說明環境變量對西部地區造成的影響最大，其次是中部地區，對東部地區的影響最小，且只有西部地區效率的平均值低于全國平均值。從各省、市及自治區來看，與第1階段相比北京市每年的效率值都有上升，所有年份效率值均大于1的省市有北京、江蘇和陜西。效率值大于1的省、市及自治區平均每年為9個，效率均值大于1的省市有6個，分別為北京、上海、江蘇、浙江、湖北、陜西。這些省市中，除浙江省外，其余省份為擁有“985工程”高校和“211工程”高校數量最多的5個省市，除江蘇和湖北的高等學校數量處于前十，其余均排在10～20名之間，說明提升高等學校的質量才能帶來產學研協同創新效率的同步提高。在一些經濟發展較好的省、市及自治區中，浙江省有著處于前列的專利授權數和國外主要檢索工具中科技論文數，而天津和福建的效率值較為落后。通過分析發現，天津市有全國第3的R&D經費投入強度，專利授權數和國外主要檢索工具中科技論文數卻不及全國平均水平，福建省則是技術市場成交合同金額和國外主要檢索工具中科技論文數遠低于全國平均值。環境變量對各省、市及自治區中影響最大的是青海，平均效率值從0.854下降到了0.129，廣東省受到的影響最小。

調整后的Malmquist指數方面，分解指標中技術效率和規模效率值大于1，與第1階段相比有所上升，而技術進步和純技術效率則有所下降，且數值都小于1，表明創新知識和技能的產出以及技術成熟度略有不足，且存在一定程度的高估，全國全要素生產率下降了0.001，但總的來說在2010—2016年期間全國產學研協同創新效率還是實現了增長。分地區看，只有西部地區全要素生產率大于1，東部地區和西部地區的問題主要出現在技術進步和純技術效率方面，中部地區則是技術進步影響了全要素生產率，并且從表5的數據來看，技術進步與全要素生產率的變化趨勢基本相似，說明技術進步是影響全要素生產率的主要原因。全國共有17個省、市及自治區的全要素生產率大于1，超過全部數量的一半，大部分技術效率、規模效率和純技術效率有所下降，而技術進步有較大的提升，說明科技創新與進步是導致產學研協同創新效率提升的關鍵因素。分析全要素生產率的變化情況，發現無論調節前后都是呈曲折上升的走向，說明環境變量只是改變了全要素生產率的數值，并未影響大致發展趨勢。

4?結語

運用三階段的Super-SBM模型和Malmquist指數對全國30個省、市及自治區進行測度后，對比排除環境因素和噪聲干擾前后2個階段的數據發現，我國產學研協同創新效率值總體呈上升趨勢，但處于DEA有效的省、市及自治區較少，依舊有較大的改善空間。調整投入變量之后多數省、市及自治區效率值有所下降，說明大多數省、市及自治區調整前的產學研協同創新效率值存在一定程度的高估，各地區間的差異進一步擴大，呈現明顯的東部>中部>西部的格局，相同地區省、市及自治區間的效率值也有顯著差異，說明區域發展極為不平衡。西部地區在調整前后變化最大，即環境因素對西部地區造成了較大的影響，說明西部地區的發展很大程度上受經濟水平和資源分配的制約。全要素生產率總體有所增加，技術進步是影響產學研協同創新效率的主要因素。

1）強化區域合作共享機制，建全產學研協同創新體系。中西部高校可向東部高校借鑒產學研合作創新的經驗和模式，規劃一條符合地區特有情況的產學研協同創新路徑，而各地區協同效果好的省、市及自治區需帶動周圍城市發展。東部地區可向中西部地區提供對口援助，共享技術資源，確保知識傳遞有效及時，為企業培養更多的高技術人才。高校和科研機構的考核主要以高質量論文和研究課題完成情況為主，而科研成果需轉化為經濟收益才能為企業帶來實際價值，將產學研協同創新成果納入考核體系，以激勵產學研主體間積極展開合作，提高科研成果產出效率。

2）以企業和市場為主要研究目標，確保產出豐富有效的科研成果。企業需向高校和科研機構提供資金及市場前沿資訊，為高校和科研機構的研究方向規劃路線。有效利用政策，加大對科技活動的資金投入力度，同時調整各項科研經費投入比例。高校和科研機構要以市場需求為導向，以企業需求為目的，將研究重點放在能最大化收益的關鍵技術上，以增加技術市場合同成交額。尋求集成創新與技術突破，發明新型實用的專利，增加與企業和行業現狀相關的論文產出數量，提高科技成果轉化率。合作方式從短期合作向長期深層次合作轉變，充分發揮不同高校和科研機構的學科優勢，與多個高校建立合作關系，提供定向就業和實習崗位，避免高技術人才流失。

3）充分發揮政府宏觀調控作用，推進協同創新平臺建設。政府需對合作方的誠信進行監督，確保信息流動高效暢通，確保資金充分有效地利用，確保嚴格遵守條例規定，堅決打擊學術不端和技術抄襲行為。完善政策，為西部地區科研人員提供補貼，吸引一部分人才向西部地區遷移;嚴格管控高校與研究機構數量，避免盲目提高數量而降低整體質量;對市場需求大的高新技術提供研究補助，引導各方攻克技術難關，提高科技創新能力，促進技術進步。搭建合作平臺，推進產學研中介機構的建設，為合作參與方提供信息傳遞服務和合同保障。建立產學研協同創新基地和合作園區，吸引協同方積極參與，精確了解各方技術特點和需求，建立溝通合作橋梁，按照不同技術類型成立相應研究組，分門別類地進行高效率精細化合作，同時為跨技術行業提供了便捷可靠的合作路徑，幫助產學研活動在多方合作中建立新型協同創新機制。

參考文獻：

[1] 深入實施國家知識產權戰略行動計劃（2014—2020年）[N].中國知識產權報，2015-01-07（3）.

[2]樊?霞，趙丹萍，何?悅.企業產學研合作的創新效率及其影響因素研究[J].科研管理，2012，33（02）：33-39.

[3]Anderson T，Daim T，Lavoie F.Measuring the efficiency of university technology transfer[J].Technovation，2007，27（05）：306-318.

[4] Bonnaccorsi A.A theoretical framework for the evaluation of university-industry relationships[J].Management R&D，1994，24（03）：18.

[5]Mikel Buesaa，Joost Heijs.The determinants of regional innovation in Europe：a combined factorial and regression knowledge production function approach[J].Research Policy，2010，39（06）：722-735.

[6]原長弘，張樹滿.陜西省產學研協同創新的現狀、問題及對策[J].技術與創新管理，2018，39（01）：4-9+39.

[7]張?巍，華?賢.產學研協同創新主體間利益協調問題研究[J].技術與創新管理，2017，38（05）：455-460.

[8]李?玲，封?峰.陜西省產學研科技創新系統協同發展實證研究[J].技術與創新管理，2016，37（02）：124-128.

[9]肖丁丁，朱桂龍.產學研合作創新效率及其影響因素的實證研究[J].科研管理，2013，34（01）：11-18.

[10]葉?佳，徐福緣，李?佳.產學研合作效率評價研究——基于DEA分析方法[J].技術經濟與管理研究，2013（02）：21-24

[11] 陳光華，王建冬，楊國梁.產學研合作創新效率分析及其影響因素研究[J].科學管理研究，2014，32（02）：9-12.

[12]董?鋒，樹?琳，李靖云，等.產學研協同創新效率及提升路徑研究[J].運籌與管理，2018，27（10）：185-192.

[13]陳懷超，張?晶，費玉婷，等.中部六省產學研創新效率對省域創新的影響——基于Malmquist指數與灰色關聯度的分析[J].科技進步與對策，2018，35（20）：137-143.

[14] 李?明，李?鵬.產學研融合下的科技創新與經濟發展[J].財經問題研究，2017（01）：41-47.

[15]黃菁菁.產學研協同創新效率及其影響因素研究[J].軟科學，2017，31（05）：38-42.

[16] Tone K.A slacks-based measure of efficiency in data envelopment analysis[J].European Journal of Operational Research，2001，130（03）：498-509.

[17]Caves D W，Christensen L R，Diewert W E.The economic theory of index numbers and the measurement of input，output，and productivity[J].Econometrica，1982，50（06）：1393-1414.

[18] Fare R，Grosskopf S，Lindgren B，et al.Productivity changes in Swedish pharmacies 1980—1989：a non-parametric malmquist approach[J].Journal of Productivity Analysis，1992，3（01-02）：85-101.

[19]Fried H O，Schmidt S S，Yaisawarng S.Incorporating the operating environment into a nonparametric measure of technical efficiency[J].Journal of Productivity Analysis，1999，12（03）：249-267.

[20]Fried H O，Lovell C K，Schmidt S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis，2002，17（01）：157-174.

[21] Buesa M，Heijs J，Baumert T.The determinants of regional innovation in Europe：a combined factorial and regression knowledge production function approach[J].Research Policy，2010，39（06）：722-735.

[22] 何郁冰，伍?靜.中國省域基礎研究效率的空間分布及其影響因素——基于空間面板數據模型的實證研究[J].研究與發展管理，2019，31（06）：126-138.

[23]王天擎，李?琪.基于RS-DEA的產學研合作效率評價模型[J].系統科學學報，2018，26（02）：126-130.

[24] 姜彤彤.省域范圍內產學研協同創新效率評價及分析[J].學術論壇，2015，38（03）：168-172.

[25] Cruzcazares C，Bayona-Saez Cgarcia-Marcot.You cant manage right what you cant measure well：technological innovation efficiency[J].Research Policy，2013，42（06-07）：1239-1250.

[26] 仇冬芳，胡正平.我國省域產學研合作效率及效率持續性——基于省域面板數據和DEA-Malmquist生產率指數法[J].技術經濟，2013，32（12）：82-89.

（責任編輯：王?強）