校企知識流動效率測度及影響因素分析
——基于空間面板Tobit模型的實證研究

王曉紅，張少鵬，張 奔

(1.哈爾濱工業大學 經濟與管理學院，黑龍江 哈爾濱 150001；2.哈爾濱理工大學，經濟與管理學院，黑龍江 哈爾濱 150080)

0 引言

十九大報告中明確提出要深化科技體制改革，建設以企業為主體、市場為導向、產學研深度融合的技術創新體系，強調了產學研協同創新在我國創新驅動發展戰略中的重要地位。全國各地積極響應中央政策，相繼建立了以地方政府支持為主導、以產學研協同創新為基礎的創新體系[1]。在產學研協同創新機制中，校企合作逐漸成為區域創新發展的關鍵力量，也受到社會各界尤其是學術界的關注?，F階段，國內外關于校企合作的研究多聚焦于高校或企業創新績效影響機理。如Huang & Chen[2]基于臺灣地區高校數據，發現在組織層次的產學合作體系中，有產學合作的高校創新績效會更高；王曉紅、張奔[3]研究發現,校企合作對高?？蒲锌冃Т嬖诘筓型影響，并且,高校類型發揮了負向調節效應；Soh & Subramanian[4]和解學梅[5]研究發現，校企合作能夠通過促進企業產品創新或專利申請提升企業創新績效。在校企合作中，校企協同創新是通過雙方參與知識流動過程實現高校和企業間知識互動與資源優勢互補，進而促進校企雙方創新績效。也就是說，提升校企知識流動效率對校企協同創新具有積極影響。但是，目前研究校企知識流動的文獻較少，而基于高校主體視角研究校企知識流動效率的更為少見。因此，對高校校企知識流動效率進行測度分析并研究其影響機制，不僅在理論層面具有重要意義，而且對我國產學研協同創新體系建設和創新驅動發展戰略實施具有積極推動作用。

知識流動是指知識通過相應媒介與路徑在不同知識主體之間發生運動的過程[6]，在校企知識流動過程中，主要可以分為知識研發階段和知識轉化階段。依據知識供應鏈管理二元性的定義，即同時開展創新活動(探索)和應用活動(利用)的能力[7-10]，結合校企知識流動中對知識研發階段和知識轉化階段的劃分，本文認為校企知識流動效率可以細化為知識研發效率和知識轉化效率。具體而言，校企知識研發效率是指高校提供人力資本、企業提供物質資本進行研發創新活動并獲得創新成果的效率，校企知識轉化效率是高?？蒲袆撔鲁晒D化為企業可以直接應用的技術工具或手段的效率。本文依據知識供應鏈二元性，將校企知識流動效率劃分為知識研發效率和知識轉化效率，分別測度兩種效率并分析其影響機制，研究結論可以為我國產學研協同創新體系建設提供借鑒。

1 文獻綜述

根據知識流動理論和價值網絡理論，知識流動的本質是知識在創新主體之間發生知識共享、轉移和使用，這個過程同時也會實現知識價值創造[11]。在校企協同創新體制中，高校為知識輸出端，企業為知識輸入端，通過知識流動過程將知識有效應用于企業創新活動各個環節從而提升企業績效[7,12]。既有研究中，有學者依據知識價值鏈理論將知識流動歸納為4個階段：知識獲取、知識整合、知識轉移與知識應用[8]；也有學者認為知識流動主要有4種形式：知識溢出、知識擴散、知識轉移以及知識共享[13]。不難看出，無論是知識流動的4個階段還是4種形式，均無法清晰地實現量化，但是，存在合并的可能性。供應鏈管理理論將供應鏈企業二元能力界定為同時開展創新活動(探索)和應用活動(利用)的能力[9-10]，將知識管理和供應鏈管理融合發展而來的知識供應鏈理論同樣具有二元性特征[7]。那么，校企協同創新下的知識流動也存在探索和應用過程，因此，基于知識供應鏈理論，將校企知識流動過程分為知識研發階段和知識轉化階段。

在校企知識流動過程中，高校作為知識輸出端，是創造知識價值的主體，也是知識研發階段的主要承擔者和創新者[7,14]。在知識研發階段，高校接受企業的資金投入作為研發經費來源，企業為高校研發人員的科研工作提供財力支持進而促進其實現知識創新[9]；在知識轉化階段，高校在與企業合作的過程中，一方面獲得企業對知識研發活動的資金支持，另一方面可以了解企業運營管理模式從而激發科研人員研發興趣和靈感，幫助企業更好地實現知識轉化[10,15]。知識網絡理論強調，實現高效知識流動的前提是在知識主體之間形成知識勢差，這主要體現為知識流動效率受到不同主體間知識距離的影響[12]。校企雙方在專業背景、管理模式和知識水平等方面具有較大差異，導致校企之間存在知識距離[14,16-17]，繼而形成較大知識勢差[18]，這為校企開展創新合作提供了動力支持。

目前來看，基于高校主體視角研究校企知識流動效率的文獻較少，主流研究仍然集中于高?？蒲行驶蚩蒲锌冃y度分析[3,19]，部分學者從組織層次角度出發研究科研團隊或企業之間知識流動績效[20]。結合前人研究成果與本文研究重點，在控制相關因素的基礎上，提出從高校個體特征和省域基本特征兩個層次出發，研究校企知識流動效率的影響機制。借鑒以往使用DEA模型進行效率評價的研究[21-22]，采用兩階段DEA模型對校企知識流動效率進行測度分析，綜合考察知識流動效率分布特征以及引發效率變化的關鍵因素。使用兩階段DEA模型測度的校企知識流動效率值介于0～1之間，如果使用普通OLS分析容易產生誤差，因此，對效率值進行回歸分析往往采用面板Tobit模型進行極大似然估計。但是，現實情況下，高校之間存在空間區位下的資源競爭和科研合作，尤其是位于同一省份的高校為了獲得更多政府支持和企業投入會發生一定程度競爭與合作的空間博弈行為?？紤]到普通面板Tobit模型無法納入空間效應，在測度校企知識流動效率的基礎上，為準確衡量各高校主體的空間相關性和異質性，決定采用Moran I指數法驗證校企知識流動效率的空間溢出效應，并且使用空間面板Tobit模型對校企知識流動效率的影響機制進行實證分析，這也是本文研究校企知識流動效率時的創新之處。

2 研究設計

2.1 數據說明

本文數據來源于教育部發布的《高等學校科技統計資料匯編》與國家統計局發布的《中國統計年鑒》，相關高校專利數據從國家專利局官網獲得。樣本期選擇為2008-2017年，其中，研究樣本主要選取我國104所省部共建或“211工程”高校，樣本遍布我國東部、西部、中部以及東北四大地區，包括內地30個省市自治區(簡稱省域，西藏由于數據不全，未納入統計)，共1 040個觀測樣本。

2.2 模型設定

2.2.1 兩階段DEA模型

一般而言，校企知識流動效率測算往往依賴于多個投入指標與產出指標，具體到知識研發效率和知識轉化效率均需使用多投入-多產出指標體系。使用2008-2017年我國104所高校面板數據，基于兩階段DEA模型測度校企知識流動效率，具體模型如下：

(1)

其中，η表示各高校的校企知識研發效率和知識轉化效率，ε表示非阿基米德無窮小量，m表示各高校知識投入種類數，s表示各高校知識產出種類數，n表示高校數量，Si-與Sr+均表示松弛變量，xij表示第j個高校的第i種投入，yrj表示第j個高校的第r種產出，λi表示權重向量；η<1代表校企知識流動無效率，η=1代表校企知識流動有效率。

2.2.2 空間自相關檢驗

空間自相關檢驗是指對一定空間范圍內集聚現象進行測度分析，這種集聚現象一般表現為一定空間區域范圍內，某因素在相關空間地域單元之間存在相互影響的特性，如高值區域與高值區域聚集、低值區域與低值區域聚集[23]。在空間聚類檢驗中，一般采用莫蘭指數Moran′s I法對空間集聚特征進行測度，具體測度標準為：Moran′s I取值范圍為[-1,1]，當Moran′s I值介于-1與0之間時，表明區域分布特征呈現負向空間相關性；反之，當Moran′s I值介于0與1之間時，表明區域分布特征呈現正向空間相關性；當Moran′s I值趨近于0時，表明區域分布特征不存在空間相關性。需要說明的是，Moran′s I值越大，表明區域分布特征的空間相關性越強[24]。莫蘭指數計算公式如下：

(2)

2.2.3 空間面板Tobit模型

在作空間計量分析之前，首先構建空間權重矩陣，衡量空間單元之間的關系，常用的空間權重矩陣有空間鄰接矩陣和空間地理距離矩陣[23]。鑒于104所高校分布較為分散且無法準確量化其空間區位距離，加之高校的競爭與合作行為主要發生在本省域內，因此，本文基于省域層面，依據高校主體是否在同一省域內的條件構建空間權重矩陣，若在同一省域內設為1，反之為0，其是一種特殊的空間鄰接矩陣。為保證空間計量分析結果穩健性，本文基于空間面板Tobit模型分別使用空間滯后模型(SLM)和空間誤差模型(SEM)進行實證研究，并通過LM檢驗和LM-Robust檢驗證明選擇空間誤差Tobit模型更為合理。空間計量模型設定如下：

Yit=a+ρW(Yjt)+βxit+ε

(3)

其中，Yit表示第i個高校在第t個時期的校企知識研發效率和知識轉化效率，xit表示各影響因素，α表示常數項，β表示回歸系數，ρ表示空間自回歸系數即空間溢出效應，W表示空間權重矩陣，ε表示隨機擾動項。

2.3 變量選擇

2.3.1 因變量

本文因變量是基于兩階段DEA模型測度得來的104所高校2008-2017年的校企知識流動效率，分別是知識研發效率(crs_re)和知識轉化效率(crs_te)。其中，參考既有文獻中關于高校創新投入和成果產出的指標選取方法[25-26]，測度校企知識研發效率的投入指標為高校研究與發展人員當時全量和企事業單位委托合作資金總額，產出指標是學術論文篇數和申請課題總數；測度校企知識轉化效率的投入指標為校企知識研發效率產出指標，即學術論文篇數和申請課題總數，產出指標為技術轉讓簽訂合同數和技術轉讓經費總額。校企知識流動效率評價指標體系見表1。

2.3.2 自變量

參考已有研究和相關文獻[15,27]，本文自變量主要從高?；咎卣骱褪∮蚧咎卣鲀蓚€層面選取，其中，高?；咎卣鞣謩e是高校創新能力(inno)、高校成立年限(schyear)、科研人員結構(highpro)以及政府科研支持(govern)；省域基本特征分別是省域創新集聚水平(gather)、地區經濟水平(gdp)和技術創新投入(rd)。

表1 校企知識流動效率評價指標體系

(1)高校創新能力。高校創新能力往往意味著創新資本積累，能夠體現高校主體知識創新基礎和成果轉化效率，雄厚的創新資本積累有利于高校在知識流動過程中更為游刃有余地實現知識資源優化配置[13]，從而提升知識研發效率和知識轉化效率。本文選取高校每年申請專利數量作為衡量高校創新能力的變量。

(2)政府科研支持。政府科研支持主要是指政府為高校提供的資金、政策、資源等支持，如高校獲得的政府科學基金支持等，本文選取政府資金占高?？蒲薪涃M總數的比例作為衡量政府科研支持的變量。

(3)高校成立年限。我國高等學校自成立起，就與知識創新、成果轉化不可分割，作為科技創新主體，承擔著大量產學合作項目，一般來說，高校科學研究存在明顯的創新累積優勢，隨著高校成立年限的增長，其知識流動效率可能受益于創新累積優勢而得以提升。本文使用樣本期當年與高校成立年份之差作為衡量高校成立年限的變量。

(4)科研人員結構。高?？蒲腥藛T是承擔產學合作項目的主力軍，在創新驅動發展戰略中是重要的人力資本，但是，如果一味追求人力資本積累而忽視人力資本結構，往往會導致后期乏力的結果。既有文獻也指出，通過吸收高素質科研工作者構建高效能科研團隊，理論上對高校知識研發和知識轉化存在正向作用[27]。本文使用高級職稱人員占高?？蒲腥藛T總數的比例衡量科研人員結構這一變量。

(5)技術創新投入。地方政府的技術創新投入是高校開展科學研究的前提，省域研發經費投入越多意味著對于高?？萍紕撔碌闹匾暥群完P注度越高。此外，充足的研發經費支持是保證高?？蒲腥藛T科學創造性的關鍵因素，作為科研資源的集合，高校是產出科研效益的主要平臺。省域研發經費投入越多，越有利于促進高校研發創新和成果應用[27]。本文采用省域研發投入R&D經費作為衡量技術創新投入的變量。

(6)區域創新資源集聚程度。高校擁有豐富的創新資源，是區域創新系統的重要組成部分。作為創新資源投入的多重復合系統工程，區域創新要求創新資源合理配置，在創新資源有限的條件下，創新資源集聚有利于提升區域整體創新能力[28]。因此，創新資源集聚程度越高，區域創新資源集聚水平越高，對高校產學知識流動雙元效率的提升作用越強。本文選取地區高?？蒲腥藛T數量占全國高校科研人員總數的比例作為衡量省域創新集聚水平的變量。

(7)地區經濟水平。一方面，高校從事科學研究離不開資金支持，經濟發達地區高校獲得科研經費的渠道相對較多，故而高?？蒲薪涃M總量一般較高；另一方面，經濟發達地區企業對于高技能人才和研發技術的需求力度較大，與當地高校的合作廣度和深度更高[29]。因此，地區經濟越發達，越有利于促進校企協同創新發展，對校企知識流動效率的提升可能存在正向影響。本文使用地區生產總值GDP作為衡量地區經濟發展水平的變量。

為縮小異方差造成的測量誤差，對數值較大的變量如高校創新能力、政府科研支持、高校成立年限、技術創新投入以及地區經濟水平作對數化處理。相關變量描述性分析結果見表2。

表2 變量定義、說明及描述性分析結果

3 結果分析

3.1 校企知識流動效率測度結果

鑒于本文樣本量較大，受篇幅限制，故而以高校所在地區為單位分析校企知識流動效率測度結果。全國范圍以及四大地區樣本高校2008-2017年校企知識研發效率均值與校企知識轉化效率均值，如表3所示。

就知識研發效率而言，從表3結果中可以看出，中部地區高校知識研發技術效率均值(綜合效率)最高，東北地區高校知識研發技術效率均值最低，并且西部地區和東北地區高校技術效率均值低于全國均值。橫向對比純技術效率(考慮規模效益時的技術效率)以及規模效率(考慮規模收益時的規模效率)可以發現，除中部地區外，無論全國范圍還是其它三大地區，高校知識研發純技術效率均值均低于知識研發規模效率均值，說明影響校企知識研發非效率的因素主要是校企合作過程中的科研運營效率較低。具體來看，中部地區高校知識研發技術效率均值高于東部地區的主要原因是其純技術效率最高，盡管東部地區規模效率高于中部地區。這可能是因為，東部地區產業最為發達，高校與企業建立合作關系的競爭較為激烈，高校之間的競爭行為在一定程度上阻礙了其科研效率提升。西部地區和東北地區3種效率均值均低于中部地區和東部地區，并且東北地區知識研發效率最低。這與西部地區和東北地區經濟發展水平、創新能力較低有一定關系，無論是校企合作規模還是高校開展科研活動的技術創新能力均處于較低水平[22,25-26]。

就知識轉化效率而言，東部地區高校知識轉化技術效率均值最高，東北地區高校知識轉化技術效率均值最低，并且中部地區和東北地區技術效率均值均低于全國均值。與知識研發效率類似，無論是全國范圍還是四大地區，高校知識轉化純技術效率均值均低于規模效率均值，說明校企知識轉化的非效率主要是校企合作過程中高校知識成果轉化運營效率低下所致。具體來看，東部地區3種效率均值均最高，其次是西部地區，中部地區技術效率均值和純技術效率均值均高于東北地區，但是，規模效率均值低于東北地區。

綜合來看，在全國范圍內和四大地區內部，高校知識研發技術效率均值和純技術效率均值均高于知識轉化效率，表明2008-2017年我國校企知識流動過程中，校企知識轉化相比知識研發仍存在效率低下問題，高校知識轉化的實踐表現不佳。具體來看，對比四大地區高校的校企知識轉化效率和知識研發效率排名可以發現，當一地區研究型高校數量較多且產業較為發達時，該地區高校為獲得企業財力支持會發生較為激烈的競爭行為進而對其科研效率產生抑制作用[3]，同時，高校也會盡可能提升成果轉化效率從而吸引企業合作[29]。這一規律在東部地區體現得尤為明顯，東部地區高校規模和企業規模均處于較高水平，知識研發效率相較知識轉化效率的優勢不明顯。

表3 2008-2017年各地區校企知識流動效率測度結果 單位：%

3.2 莫蘭指數分析

為判斷我國高校校企知識流動效率的空間相關性，本文使用Stata15軟件對校企知識研發效率和知識轉化效率分別測算莫蘭指數Moran′s I。從表4可以看到，2008-2017年知識研發效率和知識轉化效率均存在正向空間相關性，且都通過了顯著性統計水平檢驗，即我國高校的校企知識流動效率存在空間溢出效應，在研究其影響機制時應考慮高校之間的空間溢出效應。

表4 2008-2017年我國高校校企知識流動效率的莫蘭指數分析結果

3.3 回歸結果分析

基于基準回歸和空間Tobit模型，本文采用空間計量分析方法研究校企知識研發效率和校企知識轉化效率的影響機制。其中，模型1為知識研發效率的空間計量分析結果，模型2為知識轉化效率的空間計量分析結果。所有模型的回歸結果見表5。

觀察表5的模型分析結果，首先可以發現兩個模型的空間相關性系數均顯著，表明研究校企知識研發效率和校企知識轉化效率的影響機制應考慮空間溢出效應的存在，即使用空間Tobit模型是合適的，可以進一步分析模型1和模型2回歸結果。

在模型1中，高校創新能力對校企知識研發效率的影響在1%的統計水平上顯著為正，表明高校創新能力對知識研發效率存在促進效應，高校提高創新能力有利于提升其校企知識研發效率；政府科研支持和技術創新投入均在10%的顯著性水平下對校企知識研發效率呈正向影響，表明政府對高校科研創新和省域技術創新的財政投入越大，越有利于提升高校知識研發效率；省域創新集聚水平與經濟發展水平均在5%統計水平上對校企知識研發效率呈顯著正向影響，表明創新集聚水平較高或經濟發達的省域，高校的校企研發效率顯著高于創新集聚水平較低或經濟相對落后省域的高校。為探究各自變量對因變量的相對重要性，即自變量對因變量方差變化(或擬合優度)的解釋力度，對校企知識研發效率的影響因素進行貢獻率分解和比較。結果顯示，在通過顯著性檢驗的影響因素中，高校創新能力是最重要的因素(貢獻率為0.038 3)，其次是政府科研支持(0.024 5)和技術創新投入(0.021 4)，最后是省域創新集聚水平(0.018 4)和經濟發展水平(0.012 9)。這一結果表明，提升校企知識研發效率最為重要的除高校自身科研創新能力外，政府對高校的財政支持以及地區研發投入也是關鍵路徑。

在模型2中，高校創新能力與校企知識轉化效率的關系為顯著負相關且顯著性水平為5%，即高校創新能力對知識轉化效率存在抑制效應，這可能是因為高校創新能力和企業創新能力存在較大差距且關注重點不同，在校企合作中產生較大知識勢差，不利于將高校知識創新成果轉化為企業可以直接應用的技術手段；科研人員結構與政府科研支持對校企知識轉化效率的影響顯著為正，表明高校優化科技人力資源配置、政府加大對高校科技創新的財政支持力度有利于提升知識轉化效率；省域創新集聚水平與經濟發展水平均在5%顯著性水平下對校企知識轉化效率呈正相關影響，表明省域創新集聚水平越高、經濟越發達，對本地區高校知識轉化效率的促進作用越顯著。對各自變量對校企知識轉化效率的影響情況進行相對重要性分析(Dominance Analysis)發現，在通過顯著性檢驗的影響因素中，政府科研支持是最重要的因素(貢獻率為0.032 9)，其次是省域創新集聚水平(0.020 2)和高校創新能力(0.018 2)，最后是科研人員結構(0.014 6)和經濟發展水平(0.011 4)。這一結果表明，政府對高?？蒲匈Y金支持對提升校企知識轉化效率的貢獻度最高，此外，省域創新資源集聚程度和高校自身創新能力也是影響校企知識轉化效率的重要因素，只是前者呈正向影響而后者為負向影響。

表5 校企知識流動效率的空間面板Tobit分析結果

4 穩健性檢驗與異質性分析

4.1 穩健性檢驗結果分析

為保證主回歸結果的穩健性，本文通過加入校企知識流動效率的滯后一期項，構成動態空間面板Tobit模型進行實證結果再檢驗。其中，模型3為知識研發效率的穩健性檢驗結果，模型4為知識轉化效率的穩健性檢驗結果。具體回歸結果見表6。

由表6可知，首先，兩個動態空間面板Tobit模型的空間相關性系數均通過了5%顯著性檢驗，證明校企知識研發效率和校企知識轉化效率均存在正向空間溢出效應，即相近(相鄰)高校之間的校企知識流動效率具有較強的正相關性。其次，觀察知識研發效率和知識轉化效率各自的滯后一期項在模型中的回歸結果可以發現，滯后項均表現為顯著正向影響，表明高校校企知識流動效率存在明顯的“時間慣性”，即校企協同創新機制可以通過創新積累實現知識研發和知識轉化的創新接力[3]。最后，比較穩健性檢驗中其它自變量結果與主回歸結果的異同，發現高校層面和省域層面的變量回歸結果均與主回歸結果大體一致。綜合上述結果來看，上文中主回歸結果的穩健性得到驗證。

表6 動態空間面板Tobit模型穩健性檢驗結果

4.2 異質性研究結果分析

4.2.1 基于四大地區的異質性分析

我國東部、中部、西部以及東北四大地區的地區經濟發展水平和空間分布特征均有較大差異[30]。因此，在全國層面的實證分析之外，在考慮空間異質性的基礎上，基于四大地區層面研究校企知識流動效率的異質性影響機制。上文中基于四大地區分析的校企知識研發效率和知識轉化效率均存在差異，也說明了空間異質性研究的必要性。鑒于此，本文基于四大地區建立各自的高?？臻g鄰接矩陣，以此進行空間面板Tobit模型異質性分析，其中，模型5-模型6為東部地區估計結果、模型7-模型8為中部地區估計結果、模型9-模型10為西部地區估計結果、模型11-模型12為東北地區估計結果。異質性研究結果見表7。

由表7回歸結果可知，基于東部、中部、西部以及東北四大地區的空間異質性回歸結果與主回歸結果大體一致，表明校企知識流動效率的影響機制在全國范圍內適用性較高。但是，地區層面的分組回歸結果仍然存在一定異質性，主要表現為基于四大地區的空間面板Tobit模型的空間溢出效應有所差異，西部地區和東北地區空間自回歸系數的顯著性弱于東部地區和中部地區。此外，各自變量對四大地區校企知識流動效率的影響情況各有不同，其中較為明顯的是，高校基本特征中科研人員結構對東部地區校企知識研發和轉化效率均呈顯著正相關關系，對中部地區和東北地區校企知識轉化效率具有顯著積極影響，對西部地區沒有顯著影響；省域基本特征中技術創新投入只對東部和西部地區校企知識研發效率存在顯著促進作用，對中部地區校企知識研發和轉化效率均具有顯著正向影響，但是，對東北地區校企知識流動效率的影響不顯著。

4.2.2 基于高校類型的異質性分析

主回歸是基于全樣本研究高校校企知識流動效率的影響機制，但是，對于不同高校來講，知識研發效率和知識轉化效率的影響情況也可能存在異質性，故本文依據高校不同類型，將樣本高校分為研究型大學和非研究型大學。參照既有研究中關于研究型大學的劃分方式，將樣本高校中的“985工程高校”定義為研究型大學，其它高校定義為非研究型大學。因此，基于兩種高校類型建立相應高?？臻g鄰接矩陣進行空間異質性分析，其中，模型13-模型14為研究型大學估計結果，模型15-模型16為非研究型大學估計結果。異質性研究結果見表8。

由表8回歸結果可知，基于高校類型的異質性回歸結果與主回歸結果基本一致，表明校企知識流動效率的影響機制在研究型高校和非研究型大學的適用性均較高。兩種高校類型下分組回歸結果雖然在顯著性和系數方面的差異較小，但是，仍然無法確定分組回歸結果不存在異質性。因此，基于似無相關模型，采用組間系數差異檢驗方式，對模型13與模型15、模型14與模型16的顯著自變量結果分別進行SUR估計。結果發現，在校企知識研發效率回歸結果中，兩組模型中的高校創新能力和技術創新投入均通過顯著性檢驗，表明研究型大學和非研究型大學的高校創新能力與地區研發投入對各自校企知識研發效率的影響效力存在顯著差異；由校企知識轉化效率回歸結果可知，兩組模型中的高校創新能力和政府科研支持均通過顯著性檢驗，表明研究型大學和非研究型大學的高校創新能力與獲得的政府資金支持對各自校企知識轉化效率的影響效力存在顯著差異。

5 結論與啟示

5.1 研究結論

本文首先依據知識供應鏈二元性理論，將知識流動效率分為知識研發效率和知識轉化效率，然后運用兩階段DEA模型測度高校的校企知識研發效率和知識轉化效率，最后，基于空間面板Tobit模型研究校企知識流動效率的影響機制。研究結論如下：①總體來看，全國范圍內高校的校企知識研發效率高于校企知識轉化效率，但是，知識研發效率和知識轉化效率均存在空間地理區位差異，不同地區的分布特征不同。此外，空間自相關檢驗也驗證了兩種效率均存在正向空間溢出效應；②在高校層面，高校創新能力對知識研發效率存在促進效應，但是，對知識轉化效率存在抑制效應，科研人員結構只對知識轉化效率存在促進效應，政府科研支持對知識研發效率和知識轉化效率均具有促進作用；③在省域層面，省域創新集聚水平與地區經濟水平對知識研發效率和知識轉化效率均具有顯著正向影響，技術創新投入只對知識研發效率存在正向影響；④基于四大地區和高校類型進行分組回歸發現，校企知識流動效率的影響機制在不同地區和不同類型高校之間存在明顯的異質性。

表8 基于高校類型的異質性研究結果

5.2 政策啟示

5.2.1 提升科研成果整體轉化效率，推動地區創新均衡發展

當前我國校企協同創新機制應更加注重知識成果轉化進程，在保障知識研發活動順利開展的前提下，積極促進高校知識創新成果有效轉化為企業可以應用的技術手段或工具。一方面，政府應繼續加大對高?？蒲袆撔鹿ぷ鞯呢斦С至Χ?，配合企業對高校的經費投資，為科研成果轉化提供資金支持；另一方面，高校應持續優化科研人員結構，加強科技人力資源培養，為校企知識流動提供科研力量支持，尤其要注重科研成果轉化，不能單純追求知識創新數量。與此同時，政府應積極推動校企協同創新機制在地區層面的均衡發展，發揮地區聯動作用和知識溢出效應，協調各地區在校企知識流動方面的研發創新與成果轉化活動，幫助知識流動雙方提升創新績效。尤其是要立足于我國不同地區的經濟與創新發展現狀，對不同地區給予針對性政策支持，協調各地區創新要素投入與使用，最大限度發揮創新財力投入的有效性。

5.2.2 加強高?？蒲袆撔履芰Γl揮政府宏觀調控作用

對高校主體而言：①在提升自身科研創新能力的基礎上，積極與企業開展交流互動，不能一味埋頭科研而不注重實際成果轉化；②合理配置科研資源，優先引進青年科研人才，激勵提升青年教師科研效率；③有效運用政府給予的科研支持，積極開展知識研發活動和知識轉化活動，實現校企協同創新機制中知識流動效率最大化。

對地方政府而言：①把握地理優勢，積極促進高校和企業之間開展交流互動，協調區域創新資源要素集聚；②將政府財政預算向校企協同創新機制建設傾斜，其中，高校作為知識創新主體更應獲得政府財政支持；③加大對地區技術創新力量的財政投入，營造良好的區域創新氛圍，提升區域創新能力。在此基礎上，地方政府對于研究型大學和非研究型大學提供的科研支持方式與力度應有所區別，通過創新財政支持方式，對不同創新能力的高校突出績效導向，發揮激勵機制的作用。

5.3 研究不足與展望

本文在測度校企知識流動效率時建立的指標體系較為簡單，未來研究可以進一步對指標進行細化，比如針對高校發表的學術論文可以依據普通期刊、核心期刊以及國際期刊區分不同水平層次。此外，本文在使用空間面板Tobit模型分析校企知識流動效率的影響機制時主要采用鄰接距離矩陣，未來研究可以建立其它類型的空間權重矩陣，比如基于創新能力構建創新距離矩陣。