中國科技成果轉化為何有米難為炊？
——基于三階段DEA 模型和三階段Malmquist 模型

王成軍，方 明，王肖肖

（安徽財經大學工商管理學院，安徽 蚌埠 233030）

一、問題的提出

十九大報告中提出堅持以創新引領經濟社會發展，堅持把科技創新作為推動供給側結構改革的重要動力。當前，加快建設創新型國家是新時代的內在要求：一方面，改革開放40 多年以來，中國已躍居世界第二大經濟體，這一成就令世界矚目；另一方面，中國經濟發展正從高速增長階段向高質量發展階段轉變，改變粗放型的經濟增長方式已刻不容緩。2015 年《中華人民共和國促進科技成果轉化法》修訂實施，2016 年國務院為科技成果轉化出臺配套細則《促進科技成果轉化法》，國辦印發《促進科技成果轉移轉化行動方案》為科技成果轉化部署具體任務，從修訂法律、出臺配套細則到部署具體任務，形成了促進我國科技成果轉移轉化的三部曲。在新時代進程中，科技創新是經濟發展實現轉型的強大動力，促進科技成果轉化對于提升中國經濟發展潛力，應對新時期經濟發展主要矛盾的挑戰具有重要意義。

近期，中美貿易戰引發我們對于當前中國科技創新現狀的反思與警示，在這一事件背后所隱藏的危機昭然若揭。只有基礎研究才能產生更多原創專利，只有堅持自主創新才能掌握談判主動權不受制于人。近年來，隨著創新驅動發展戰略的大力實施，一大批科技成果相繼問世，但科技成果轉化存在“有米難為炊”的現象。主要體現在三個方面：第一，科技成果存在造假，由于中國教育產業化導致科研人員在成果產出方面過度追求數量而忽視質量。第二，科技成果的供給上忽視有效需求，技術市場中的技術供大于求。第三，科技成果轉化機制不健全，各利益參與方信息不對稱，科技成果轉化缺乏支撐，導致其轉化“難作為”，即心有余而力不足。“有米難為炊”的另一表象是中國科技與經濟發展脫軌，科技創新驅動對經濟增長的動力不足。國內不同程度存在著論文多、產業小情勢，以激光業為例，世界著名激光雜志1/4 的論文出自中國學者之手，而整個中國激光工業領域總產值卻僅占全球銷售總額的1%。更嚴重的在于，我國科技成果轉化率僅為10%，遠低于發達國家40%的水平，比美國80%轉化率低70 個百分點[1]。

哪些因素制約了科技成果轉化效率的改善？區域科技成果轉化效率有何差異？如何科學、合理、高效地配置科技資源？如何堅持以市場需求為導向將“生米煮成熟飯”，使其成為推動經濟社會發展的現實動力？以往學者基于這些問題的分析大多只是基于DEA 或Malmquist 的單一模型，雖然也有學者把DEA-Malmquist 模型作為分析方法，但采用三階段DEA-Malmquist 模型的較少。為了解中國科技成果轉化效率現狀與問題，把握當前中國各地區技術效率差異及其動態變化趨勢，深入分析科技成果轉化效率的影響因素，這里把三階段DEA 與三階段Malmquist 這兩個模型相結合進行研究。通過采用三階段模型，對比剔除環境因素和隨機因素前后各效率值的變化，更能客觀真實地剖析效率影響因素、區域差異特征及生產力變化趨勢。

二、國內外相關研究綜述

（一）科技成果轉化效率的影響因素研究

Winerbrake 與Gathon 和Perelman 認為制度環境能夠影響科技成果轉化效率，兩者之間存在相關性[2-3]。Stephen 認為在科技成果轉化過程中各利益相關者的參與和配合對轉化效率具有積極影響[4]。Nikolaos 考察外部操作環境因素是否能夠解釋來自DEA 模型和SFA 模型的技術效率差異，并認為DEA-SFA 效率差異的一部分是由環境因素引起的，決策者在努力確定最優的資源分配時，應該注意到所有權、區域、運營年限和規模等環境因素對效率分析的影響[5]。劉家樹和菅利榮通過實證研究發現政府支持、產品開發資金投入、科技服務和區位差異對效率的改善和提升具有明顯影響[6]。戚湧等把科技成果按社會功能不同進行分類，對比不同類別轉化模式對效率的影響，提出依托中介服務機構能夠有效促進成果轉化[7]。葉建木和熊壯基于湖北省“科技十條”政策分析了科技成果轉化政策效果的影響因素[8]。邵青青對中國高校科研效率進行分析，發現高校科技成果轉化效率較低且忽視了市場的有效需求，從內部因素（包括高校定位、管理體制及評價機制）及外部因素（社會需求、積極性、宏觀環境）分析導致高校科技成果轉化效率較低的原因[9]。徐帥和石隆偉對中國高校科技成果轉化效率較低的成因進行分析發現轉化機制、資源配置、研發人員積極性等因素影響效率改善[10]。文劍英認為科技成果的轉化依賴于知識與人才的流動[11]。孫龍和雷良海基于扎根理論的多案例研究對促進科技成果轉化的財政政策功能實現的影響因素進行了分析，揭示出合理的財政資源配置有利于促進科技成果轉化[12]。

（二）科技成果轉化效率的評價方法

Albertn 利用DEA 模型對區域科技成果轉化效率進行分析并對其區域差異性進行解釋[13]。Anderson,Daim 和Lavoie 借助DEA 模型對高校科研效率進行評價[14]。Mei 等利用兩階段DEA 模型比較成果研究和產業化兩個階段的效率差異，實證發現研究階段側重于將不同的資源投入轉化為技術，而商業化階段則強調技術的實現[15]。與以往的研究不同，此研究沒有直接研究投入和產出之間的關系，而是進一步考慮不同科技成果轉化階段之間的聯系。劉大為等用DEA 方法對中國30 個高新區的技術效率進行研究，認為大部分的高新區的技術效率和規模效率都是有效的，對于非DEA 有效高新區（約三分之一）進行投影分析并提出效率改善的方向[16]。董潔和黃付杰通過因子分析法和隨機前沿分析法對技術效率進行測度，并對制約效率改善的環境因素進行闡述。經研究認為：中國科技成果投入與產出比較低、各省市間效率水平參差不齊[17]。王珍珍和黃茂興借助DEA-Malmquist 模型對2002—2010 年中國省域技術效率的制約因素、區域特點進行了闡述[18]。李文亮運用三階段DEA 模型對比第一階段與第三階段結果進而分析了經濟環境、創新環境、政府支持力度對科技成果轉化的影響[19]。林芳芳和趙輝運用DEA 對中國技術效率進行分析并提出政策因素對于技術效率具有顯著影響[20]。羅茜等借助DEA 模型對江蘇省高校科技成果轉化效率進行測度并基于扎根理論對其影響因素進行了分析[21]。鐘衛和陳寶明借助Bootstrap-DEA 方法對2010—2012 年高校科研效率情況進行分析并指出不同特征高校的效率差異[22]。

綜上，以往學者的研究為本文的研究提供了重要參考。但同時也發現以往學者的研究多關注于科技成果轉化效率本身的測度，對其所反映的現實問題及成因缺乏針對性的研究。在科技成果轉化效率影響因素的分析中，大多數學者從宏觀因素進行闡述。在對科技成果轉化效率進行分析的方法選擇上比較多樣，評價指標體系的建立也并沒有形成統一的標準。大多數學者采用DEA 模型進行研究，對效率的評價也多側重于靜態分析。近幾年，學者對于科技成果轉化效率的評價開始趨向采用三階段DEA 模型，也有學者借助DEA-Malmquist 模型對科技成果轉化效率進行動態分析，但是采用多階段DEA 模型將靜態分析與動態分析相結合的研究還較少。

三、研究方法

（一）三階段DEA 模型

傳統的DEA 模型是在1978 年由Charnes 和Cooper 提出的。Fried 等對傳統DEA 模型進行改進，將傳統的DEA 模型與SFA 模型相結合，在進行效率評價時考慮環境因素和隨機噪聲的影響，構建出三階段DEA 模型[23]。通過采用三階段模型，對比剔除環境因素和隨機因素前后各效率值的變化，更能客觀真實地剖析效率影響因素。

第一階段：使用投入變量與產出變量的原始數據計算初級結果。本文選擇投入導向的BCC模型，以投入為導向的對偶形式的BCC 模型可表示為：

其中，j＝1，2，…，n 表示DMU（決策單元），X，Y 分別是投入、產出向量。

若θ＝1，S+＝S-＝0，則DMU 是DEA 有效；

若θ＝1，S+≠0，或S-＝0，則DMU 為弱DEA有效；

若θ≤1，則DMU 為非DEA 有效。

原譯：During the Yongzheng reign,the nine-peaches design was commonly seen on the famille-rose ware such as globular vases,olive-shaped vases and plates are decorated with branches that extend from the outside into the bowl.

第二階段：似SFA 回歸剔除環境因素和統計噪聲。計算原始投入值與目標投入值的差值得到投入松弛變量。通過借助SFA 模型，剔除環境因素和隨機因素對第一階段的松弛變量的影響。似SFA 回歸函數（以投入導向為例）：

其中，Sni是第i個決策單元第n項投入的原始投入值與目標投入的差值；Zi表示環境變量，βn是環境變量的系數；νni＋μni是復合殘差項，νni表示隨機誤差，μni表示管理無效率。其中ν～N（0）是隨機誤差項，表示隨機干擾因素對投入松弛變量的影響；μ 是管理無效率，表示管理因素對投入松弛變量的影響，服從半正態分布，即μ～N（+0）。

SFA 模型的結果輸出后，需要對各決策單元的投入量進行調整，公式如下：

（2）區域Malmquist 指數變化趨勢分析。由表5 知，2012—2013 年及2013—2014 年間M 指數呈現東部＞中部＞西部，2014—2015 年間M 指數西部＞中部＞東部，2015—2016 年間M 指數西部＞中部＞東部，2016—2017 年間M 指數東部＞中部＞西部，2017—2018 年間M 指數東部＞西部＞中部。可見中西部地區也漸漸表現出較強的發展潛力，但是其Malmquist 指數變化起伏較大，增長不穩定。

Malmquist 指數變化模型將生產率變化分為效率變化（Effch）和技術改進（TEch）。其中，效率變化（Effch）是純技術效率變化（PEch）和規模效率變化（SEch）兩者的乘積。Tfpch 表示全要素生產率變動，可表示為Tfpch＝Effch*Tech；也可表示為Tfpch＝Pech*Sech*Tech。

（二）三階段Malmquist 模型

三階段Malmquist 模型與上述三階段DEA模型類似，都在剔除環境因素和隨機噪聲基礎上對傳統模型進行改進。

丹參多酚酸鹽聯合地爾硫卓治療不穩定型心絞痛的療效及對血清基質蛋白酶-9和髓過氧化物酶水平的影響……………………… 魏曉娟 常榮 李衛 等（4）442

Malmquist 生產率指數的計算公式：

知識融合的運行過程（見圖1）包括：（1）根據用戶請求，從知識源中獲取知識，包括對外部來源（專家、數據庫等）進行知識搜索以及對內部來源（本地知識庫）進行知識選擇。（2）發現并派生現有知識，生成新的知識。（3）知識內化：通過保留已被獲取、選擇和生成的知識來更新系統知識。（4）知識外化：通過系統輸出將知識釋放到相應的環境中去。（5）知識融合管理：對整個操作流程的規劃、協調和控制形成了知識融合的管理過程。

第三階段：將調整后的投入與原始產出再次運用Deap2.1 軟件對其效率進行分析。

產業結構。產業結構與R&D 經費支出松弛變量和R&D 人員投入松弛變量的回歸系數為負值。這是由于中國正處在粗放型經濟向集約型經濟過渡時期，第三產業的發展有效推進我國的工業化和現代化，是拉動國民經濟增長的重要力量和吸收勞動就業的主體，這也為科學技術的發展提供重要支撐。

由于水庫碾壓混凝土澆筑量較大，因此以自卸汽車入倉方式為佳。在本項目中，所有的碾壓混凝土均通過自卸汽車的方式完成入倉。在入倉前，為保持澆筑面清潔，避免雜質干擾，應對汽車表面進行充分的清潔，配備長達100m的脫水路段，此外還應建有路面排水溝，防止污水流入倉內。

《國家中長期教育改革和發展規劃綱要（2010-2020 年）》（以下簡稱《綱要》）指出，高等學校的“教師要把教學作為首要任務，不斷提高教育教學水平”。其實，早在1993年頒布的《中華人民共和國教師法》就明確規定，“教師是履行教育教學職責的專業人員”，高校教師自然不得例外。但《綱要》這次專門針對高校教師，絕不是無的放矢，實在是到了非說不可的時候。這是國家對當前高校教師角色定位理論爭議的鮮明表態，對高校辦學實踐中心動搖的糾偏扶正，對高校教師專業發展的方向引領。

四、指標體系和數據說明

（一）投入產出指標選取

目前，我國關于科技成果轉化效率評價指標的選擇并沒有達成統一的標準，在以往的研究中，學者們多從投入與產出兩個方面建立科技成果轉化效率的評價指標。這里在借鑒劉家樹和菅利榮[6]、賀京同和馮堯[24]、李文亮等[19]、羅茜等[21]多位學者的評價指標基礎上，建立科技成果轉化效率的評價指標。

（二）環境變量選取

本文選取宏觀經濟環境、政府支持、外貿依存度、產業結構作為環境變量。宏觀經濟環境狀況：用人均GDP 表示。政府支持：用科學技術支出占財政支出比重作為地區對科技創新支持力度的指標。外貿依存度：用進出口總額占地區生產總值的比重作為地區外貿依存度的指標。產業結構：第三產業產值占地區生產總值比重反映產業結構對科技成果轉化的影響。

表1 投入產出指標

（三）數據來源

本文選取中國30 個省份數據（西藏數據缺失嚴重，將其剔除，且數據中不包括港澳臺地區），指標數據均來自中國科技統計年鑒及中國統計年鑒。由于科技成果轉化具有滯后性，本文借鑒張明喜和郭戎的做法[25]，假設其轉化周期為2 年。本文的產出數據使用的是效率評價目標年份的數據，把擬評價年份往后倒退兩年，取其這兩年平均投入值作為投入數據。例如，2018 年的產出是由2016 年與2017 年平均投入產生的。

五、實證分析結果

（一）三階段DEA 模型的靜態分析

第一階段：運用Deap2.1 軟件，選擇以投入為導向的BCC 模型對2018 年中國30 個省市的科技成果轉化效率進行了分析，實證結果如表2 所示。就整體而言，中國2018 年綜合技術效率、純技術效率、規模效率的均值分別為0.791，0.834，0.949。北京、浙江、江西、湖北、貴州、青海這六個地區的各效率值均達到了1，說明這六個省市居于綜合效率的前沿面上，其資源配置和技術管理相對于其他地區是有效的。內蒙古、黑龍江、云南的純技術效率遠低于規模效率，說明總效率水平的主要制約因素是純技術效率較低。有6 個省市的規模效率小于純技術效率，對于規模效率小于純技術效率的地區而言，兩個效率值之間的差異不大。事實上，中國地區發展不平衡，外部環境存在差異性。第一階段并沒有剔除環境因素和隨機變量，因此可能導致第一階段結果與實際情況存在一定的偏差。

表2 2018 年30 個省市第一階段結果與第三階段結果對比

第二階段：SFA 模型。運用SFA 模型將第一階段得到的各投入變量的松弛變量作為被解釋變量，把宏觀經濟環境、政府支持、外貿依存度、產業結構四個環境變量作為解釋變量進行回歸，采用Frontier4.1 得出SFA 回歸結果，見表3。

（2）區域分析，本文將30 個省劃分為東中西部三個區域，第一階段綜合技術效率中部＞東部＞西部，第三階段綜合技術效率東部＞中部＞西部，說明剔除環境變量影響進行第三階段的分析是有必要的，第三階段結果更能反映客觀效率。大部分省份在規模效應方面有待加強，應擴大投入規模使其達到最優水平，其中西部地區的規模效率與東部和中部地區相差很大，對于西部地區的投入規模應加以側重。

表3 第二階段SFA 回歸模型結果

從表3 可知，SFA 回歸結果中均γ 趨近于1，且相關變量均在1%的水平上顯著，表明在各決策單元中管理無效率項的變動解釋了模型中大部分的變動，說明運用SFA 模型是合理的。當被解釋變量的系數為負數時，即說明增大相應的環境變量會減少投入的松弛量，也就是說能夠利于減少投入或者說增大產出；同理，當系數為正值時，表示增加該解釋變量將會增加投入松弛量，也就是說該環境變量會導致投入浪費，不利于產出的增加。

宏觀經濟環境。該環境變量與R&D 經費支出的松弛變量和R&D 人員全時當量的松弛變量的回歸系數為正值，說明人均GDP 的增加會導致R&D 經費支出與R&D 人員投入冗余。說明中國一些發達地區的科技創新資源雖然較充裕，但是科技創新資源沒有得到合理的配置，造成技術創新效率低。

政府支持。政府支持與R&D 經費支出和R&D 人員投入的松弛變量的回歸系數為負數，說明政府的支持有利于盤活科技創新資源，減少投入的浪費。

外貿依存度。外貿依存度與R&D 經費支出松弛變量與R&D 人員投入松弛變量的回歸系數為正值。說明外貿依存程度越高，越不利于R&D經費和R&D 人員的利用。改革開放之初，為了快速填補生產技術在國民經濟發展中的缺失，經歷了一條“拿來主義”路徑。但是，這種方式顯然已經不適合中國現今經濟發展的要求。如果一味從國外引進技術或進口技術產品而自身不進行創新吸收，那么中國科技創新投入冗余、成果閑置狀況會加劇，從而導致科技成果轉化效率低下。

各牧草品種CP產量年際變化顯著(P<0.05)，月變化顯著(P<0.05)。2年平均以星星草CP產量最高，為69.73 g/m2，其次為同德老芒麥(65.79 g/m2)、垂穗披堿草(60.71 g/m2)、中華羊茅(51.00 g/m2)、青海早熟禾(41.49 g/m2)。同德老芒麥和垂穗披堿草CP產量在8月達到最高值，顯著高于7月和9月，青海草地早熟禾、星星草和青海中華羊茅CP產量2年的變化沒有規律。2014年CP產量在9月達到最高值，2015年在8月達到最高值(圖 6)。

第三階段：將調整后的投入變量與原始產出值輸入Deap2.1 軟件重復第一階段步驟，得到第三階段效率值，如表2。

（1）首先從全國范圍看，對比表2 的第一階段結果與第三階段結果發現，調整前后效率值均發生變化。綜合效率均值由0.791 下降為0.565，純技術效率均值有所提高，而規模效率由0.949下降為0.615，大部分省市的科技成果轉化均處于規模報酬遞增狀態，對于這些省市應繼續加大投入規模。

(3) 與Boulanger推薦的用于砂土液化確定性分析的曲線相比，本文Logistic回歸得到的表達式更為簡單，結果也有所不同；具體而言，在qc1Ncs小于90時，Boulanger推薦的曲線要高于本文得到的液化概率50%的曲線；當qc1Ncs介于90到170之間時，該曲線介于本文得到的液化概率50%和30%曲線之間；本文得到的曲線簡潔、可靠，工程應用中可根據工程要求選用合適的概率曲線。

（3）各省域分析，將綜合技術效率（X）、純技術效率（Y）和規模效率（Z）分別以平均值0.565、0.911、0.615 為臨界值，按照綜合技術效率、純技術效率和規模效率進行劃分，引入三維坐標系可將中國的各個省區的科技成果轉化效率在各象限進行表示。第一象限（+X，+Y，+Z），第二象限（-X，+Y，+Z），第三象限（-X，-Y，+Z），第四象限（＋X，-Y，+Z），第五象限（+X，+Y，-Z），第六象限（-X，+Y，-Z），第七象限（-X，-Y，-Z），第八象限（+X，-Y，-Z）。+號表示地區效率水平在全國平均水平及以上，－號表示地區效率水平沒有達到全國平均水平。由于純技術效率和規模效率是由綜合技術效率分解得到的，所以不存在綜合效率值沒有達到臨界值而純技術效率和規模效率均達到臨界值（第二象限）或綜合效率值達到臨界值，而純技術效率和規模效率均低于臨界值（第八象限）的情況。所以，將中國各地區技術效率狀況劃分為六種類型（表4）。

表4 各省市效率值按均值劃分類型

第一象限內各效率值均達到臨界值，所需改進較少。第三象限綜合技術效率未達到臨界值主要受純技術效率影響。位于第四象限的省市雖然綜合技術效率達到臨界值，但是其綜合技術效率被純技術效率拉低。所以第三、第四象限的省市要注重加強科技成果轉化效率的技術管理水平。與處于第三、第四象限的省市不同的是第六象限內省市綜合效率較低主要受規模效率影響，所以這些地區的改進方向是在科技創新規模上著重改進，積極擴大科技創新規模，實現科技創新資源的集中配置和管理。第七象限的省市各效率值均未達到臨界值，所以這一部分的省區既要注重技術管理水平的提升，同時也要注意擴大規模效應。

（二）基于三階段Malmquist 模型的動態分析

從表7 反映的2012—2018 年專利申請授權數，可以發現2012—2018 年中國30 個省（市、自治區）專利申請授權數大體呈上升趨勢。但結合上文對科技成果轉化效率的分析發現，雖然各地區專利申請授權數大體呈穩步上升趨勢，但科技成果轉化效率并不理想，一定程度上也反映了現階段科技成果轉化求量不求質。另一方面，專利申請授權數地區差異明顯，中西部地區與東部地區存在較大差異。

（1）全國Malmquist 指數變化趨勢分析。由表5 可知，2012—2018 年間全要素生產率水平呈波浪形變化。2014—2015 年與2015—2016 年的全國Malmquist 指數均值大于1，且在此期間大部分省市Malmquist 指數都大于1。究其原因，黨的十八大以來，黨中央高度重視科技創新，圍繞全面深化改革總目標和創新驅動發展的戰略要求，做出一系列重大決策部署，推動科技改革發展進入新的階段。但2016—2017 年的兩年間全國Malmquist指數均值小于1，且Malmquist 指數大于1 的城市僅有8 個，說明30 個省份的科技成果轉化效率不是持續增長的，Malmquist 指數起伏較大。

本案例從變量分析入手引導學生進行層層實驗探究，領悟實驗設計的過程和方法；以問題串方式引導學生層層深入分析思考，掌握實驗設計原則和方法，學會確定變量、控制變量，從而有效提高學生的生物實驗設計能力，培養其自主探究能力，提高生物學學科核心素養。

事實上，探討中國貨幣政策盯住目標選擇的研究文獻已經大量存在。這些研究分別基于中國現實經濟的某一特征剖析貨幣政策盯住目標選擇，[8][9][10][11][12]所得到的結論均表明，如果貨幣政策以盯住經濟增長為目標，其所帶來的整體效應將相對較為糟糕：這一政策機制引起更高的通脹和更大的社會福利損失。不過，這些研究均忽略了我國經濟的一個重要特征：隨著我國居民收入的提高，耐用品消費在我國居民消費中所占的比重在不斷上升。[13][14][15][16]這意味著，在分析我國貨幣政策動態效應時，考慮耐用品部門與非耐用品部門可能更加合理。

表5 30 個省市區科技成果轉化效率M 指數：2012—2018 年

（3）Malmquist 指數的分解評價分析。由于2014—2015 年、2016—2017 年Malmquist 指數變動異常，必須深入思考其成因，所以我們對其M值進行分解，M 值分解情況如表6 所示。2014—2015 年間大部分地區的M 指數是大于1 的，主要得益于大部分省市的技術效率及技術進步是有效的。2016—2017 年間全要素生產效率水平的下降主要由于規模效率的降低，其中西部地區規模效率降低幅度比較大。

表6 全要素生產效率變動異常年份的M 指數分解

（三）專利申請授權數變化趨勢

通過對中國2012—2018 年30 個省份科技成果轉化的Malmquist 指數進行測算，得到這些地區全要素生產率變化、技術進步變化與技術效率變化的結果，為了使得測出的結果更加符合實際情況剔除了環境因素和隨機因素并對投入變量進行調整得到第三階段Malmquist 指數。

表7 2012—2018 年專利申請授權數

六、結語與討論

本文運用以投入為導向的三階段DEA 模型對中國30 個省市2018 年的科技成果轉化效率進行靜態分析，并通過三階段Malmquist 模型對其2012—2018 年間效率變化特征進行動態分析。以期揭示科技成果轉化效率的區域差異及其“有米難為炊”的影響因素，得出以下結論：

（1）區域宏觀經濟環境、政府支持、外貿依存度、產業結構等環境因素對科技成果轉化有顯著影響。其中，中國當前的宏觀經濟環境、外貿依存度會導致投入冗余，對于改善技術效率不利。通過對比剔除環境因素和隨機因素前后各效率值變化發現，多數省份的綜合技術效率和規模效率都降低了，調整前分別有6 個省份位于技術效率前沿面，調整后有3 個省份位于技術效率前沿面。綜合技術效率地區差異較大，可見中國區域科技創新資源配置不合理使中國整體科技成果轉化效率較低。

（2）各投入要素潛力未被充分挖掘，大部分地區規模投入沒有達到最優，規模報酬仍處于遞增狀態。中西部大部分地區的純技術效率低于全國平均水平，技術管理水平也是制約其效率改善的重要因素。科技成果轉化效率的提高并不連續，Malmquist 指數起伏較大，TFP 生產率變動呈波浪形。雖然中國科技成果轉化效率地區差異明顯，但是從TFP 生產率變化上看，東中西部地區差異不是很大，中部地區及西部地區也漸漸呈現較強的發展潛力。

自動選型輸出設備明細表（類型，數量，特征），將其結果寫入預設的系統描述xml文件中。系統描述文件是基于空調系統中環路的類型來逐一填寫，見圖5。環路類型包括冷凍水環路、冷卻水環路、熱水環路、家用熱水路等。每一種環路中包含八種信息，分別為環路名稱、環路特征描述、流體特征、溫度壓力設定點、動力單元、能源單元、輸送單元與控制單元。前四種信息由系統選擇得出，后四種信息由自動選型結果得出。最終生成完整描述空調系統的xml文件。

（3）科技成果轉化存在“有米難為炊”現象，主要體現在三個方面：求量不求質（產量大不好吃）、供給忽略需求（不對口味）、信息不對稱（不知道有米）。借助上述實證分析，不難發現多年痼疾“科技（科研）—產業（企業）兩張皮”或者“科學研究—經濟發展嚴重脫節”依然突出。至于其內在原因，一些學者提出“產學研”應對之策，然而仍不得要領，未能切中肯綮。為此，王成軍和王沛民[26]、李德宏和付祥云[27]、王成軍等[28-29]給出了大學—產業—政府三者合作伙伴關系的三重螺旋創新模型、戰略工具以積極應對。

鑒于以上結論，這里給出以下幾點實踐啟示或針對性建議：

談到和老師之間的關系時，46.96%的學生認為他們和老師之間就如魚和水一樣不可分離；32.66%的學生則認為和老師之間的關系就像母雞和小雞一樣，充滿了愛，照顧和溫暖，意指兩者關系相處融洽。而10.34%、10.03%的學生分別認為他們和老師之間的關系就如貓和老鼠、警察和小偷，皆有害怕的意義。

（1）從環境變量角度看，要重視宏觀經濟環境、政府支持、外貿依存度、產業結構等環境要素對科技成果轉化效率的影響。在配置科技創新資源時，要充分考慮上述環境因素的影響以提高資源的利用效率。經濟落后地區科技創新資源先天不足，因此應合理配置科技創新資源。政府的支持有利于盤活科技創新資源，減少投入的浪費。政府應對成果供需雙方及中間媒介實行宏觀調控，完善科技成果相關法律法規，加強知識產權建設，為科技成果創造良好的支撐環境。中國應減少技術產品的外貿依存度，充分利用科技資源投入，增強自主創新能力。中國應加快促進產業結構的優化與調整，堅持以市場需求為導向促進科技成果商品化、產業化，使科技與經濟相結合。

（2）從效率構成要素角度看，科技成果轉化應關注“木桶效應”，即應注重各效率構成要素的同步提高。在持續進行技術投入的同時，更應關注管理技術的投入。實施開放式創新，促進人才、知識、技術、信息等創新要素的跨區域流動，通過大手拉小手、東中西部結對子幫扶以及各省市內部的發達地區對口引領或互補支援等措施和辦法使資源配置更加合理。科技成果轉化應考慮配置效率問題，既要防止某些科技創新資源配置過多產生冗余導致規模不經濟，也要防止由資源配置不足引致的效率低下問題。

第二，清晰地認識農村群眾在文化教育方面的弱點，將先進的科學種植、科學經營管理方式帶進農村，不僅讓農民實際獲利，還要讓農民看到其實踐的結果，逐步地破除封建迷信思想；增強社會主義核心價值觀教育，可以開展多種文化形式、使用多種媒介使社會主義核心價值觀深入群眾之中；加強中華民族傳統美德教育等道德教育，從而促進農民群眾的綜合素質全面發展。

（3）針對科技成果轉化現階段存在的求量不求質，政府應在制定可行的目標規劃和明確的專利所有權及保護制度的基礎上，整合各種知識資源，增強頂層設計的科學性，充分發揮市場在資源配置中的決定性作用。各級大學和科研機構要有針對性地引進科研人才，通過引進具有優勢互補的高水平科研人才，可以組成結構合理的科研隊伍。中國應建立具有國際定位的科技成果多類型、多層次的評價體系，為科研成果創造公平、公正、開放的環境，嚴格控制參與績效評估和人才項目申請的低水平成果數量。任何類型的研究的最終目的都是提高社會福利和人們的生活水平。在科學研究中，應遵守科學道德，在法律和道德范圍內進行科學研究，并應將關注的重點放在高層次科學研究成果上。

（4）當前，中國科技成果轉化存在供給忽略需求問題。中國基礎研究投入比例低，投資結構不合理，導致中國與其他發達國家在核心技術上存在差距。基礎研究是應用研究的前提和催化劑，也是技術創新的根本動力。因此，有必要在政府和市場的協同作用下整合雙邊優勢資源，共同加強行業驅動的基礎研究。企業、大學和科研機構應密切關注市場和產業發展的方向以及技術和產品發展的趨勢，要建立創新主體對科學技術及產品需求的協作機制。政府應始終以市場為導向，促進企業之間的自由競爭，充分發揮市場在資源配置中的決定性作用，努力創造有利于創新和創業的環境。通過引導企業積極參與市場競爭，鼓勵企業增加研發投入，增強創新活力，不斷提高企業創新能力和履行社會責任的能力。科研人員應了解企業的需求和企業家的創業思想，根據企業的需求進行技術突破，才能促進科研成果的有效供給。

（5）針對科技成果轉化過程中的信息不對稱問題，我們必須更好地發揮政府在引導工業發展、為科技創新提供服務、創造信息環境、保護知識產權、融入全球創新網絡以及組織重大創新活動中的作用。科技成果轉化的利益相關者之間應建立有效的信息平臺，加強科技成果與市場需求之間的聯系，加強科技成果轉化的平臺建設，促進研發信息和市場需求信息的自由流通，使企業需求與高校研究信息對稱，使科技成果供給以市場需求為導向。政府應進一步增加資金投入，完成相關配套支持，進一步鼓勵研究人員追求以需求為導向的創新。另外，科技成果轉化的關鍵是要促進知識產權保護，弄清知識產權轉化成果的所有權，從制度和利益的角度保證創新成果的孵化。

生態紅線區：根據北京城市副中心城鄉建設用地指標總量與城市發展與生態因素，確立各鎮規劃集體建設用地指標分配。