省域范围内产学研协同创新效率评价及分析

姜彤彤

省域范围内产学研协同创新效率评价及分析

姜彤彤

采用DEA模型，对2002/2003-2011/2012年我国除西藏外30个省、市、自治区产学研协同创新效率、变动趋势及省际/区域差异进行测算、对比和分析。得出如下结论：整体上，省际产学研协同创新技术效率平均值为0.758，纯技术效率和规模效率平均值分别为0.829和0.908，大部分省份产学研活动距离生产前沿面有一定差距。浙江、海南、重庆、青海的产学研协同创新活动连续十年处于生产前沿面上和最佳规模报酬阶段。效率值对比看，规模效率整体上超过纯技术效率和技术效率。随着时间的推移，三大效率值的年度数据都逐渐缓慢上升。区域对比看，产学研协同创新效率在多数年份都是东部地区高于中西部地区。

产学研协同创新；评价；数据包络分析；技术效率；区域差异

一、产学研协同创新及相关文献概述

为在国际竞争中抢占有利地势并增强抵御风险的能力，实现经济增长方式由要素驱动到创新驱动的转变是大势所趋。协同创新是当今世界科技创新活动的必然趋势，是整合各类要素资源、提高创新效率的有效路径。产学研协同创新是创新型国家建设背景下产学研合作发展的最新阶段，指企业、高校、科研院所投入资金、设备或者智力资源并不断交流信息和技术，在政府、金融机构、科技服务中介等主体的共同支持下，进行科技攻关和技术开发等的协作性创新活动。传统的产学研合作形式较为单一，多数通过项目合作进行委托开发，时间短、资金量少、成果简单。而产学研协同创新强调企业、高校、科研机构三方主体的深度协作关系、知识和专业技术的共享及研发成果的创新性。党的十八大报告明确提出，注重协同创新，构建企业为主体、市场为导向、产学研相结合的技术创新体系；2014年度政府工作报告中强调，加快科技体制改革，鼓励企业牵头创建产学研协同创新联盟。在这样的背景下，加强产学研合作、实现协同创新、提高产学研合作创新效率是应对世界范围内科技革命挑战和建设创新型国家的必然选择。因此，有必要对我国省域范围内产学研协同创新效率相关问题进行研究和探索。

一直以来，国内外研究人员对协同创新、产学研合作、产学研协同创新等概念和内涵进行研究。协同创新最初源于赫尔曼·哈肯（Hermann Haken）提出的协同学理论，指系统内存在相互影响和合作的子系统。后来美国学者彼得·葛洛（Peter Gloor）从交流知识、信息的网络小组角度给出了协同创新的定义。日本的Aoki和Harayama（2002）[1]指出，产学研合作是大学、产业两个行为主体，通过合作发挥各自的潜力，进而互相影响产生协同效果。国内学者连燕华和马晓光（2001）[2]、韦钰（2001）[3]、刘力（2002）[4]等对产学研的概念和发展等问题进行初步探索，后来大量学者从多个角度深入探讨了产学研合作。随着协同创新理论在国内的兴起，张力（2011）[5]、饶燕婷（2012）[6]、何郁冰（2012）[7]和高霞（2014）[8]对产学研协同创新的概念、模式、理论框架等进行研究。而具体到产学研合作创新/协同创新效率，主要学者包括刘孟晋（2010）[9]、车维汉和张琳（2010）[10]、樊霞等（2012）[11]、肖丁丁和朱桂龙（2013）[12]、陈光华等（2014）[13]、张煊和孙跃（2014）[14]、金惠红等（2014）[15]，研究方法有数据包络分析（Data Envelopment Analysis，DEA）和随机前沿分析（Stochastic Frontier Analysis，SFA），研究对象有区域、产业和高校视角下的合作创新效率。

上述文献尚存在如下问题：（1）实证研究较少，相应指标体系没有突出合作三方的协同创新效果；（2）采用年度数据进行静态效率评价，结果有一定的偶然性，没有体现连续若干年创新效率的变动趋势和规律；（3）仅以不同省份产学研活动作为研究对象进行效率测算，没有涉及区域差异分析。为此，本文选择并建立产学研协同创新投入产出指标体系，基于数据包络分析方法并采用连续10年的截面数据，测度和评价省域范围内产学研协同创新效率及其省际/区域差异，在此基础上提出政策建议。

二、模型构建及数据来源

（一）数据包络分析概述

产学研协同创新活动是个多投入多产出的系统，最适合的评价方法是数据包络分析即DEA。DEA作为一种线性规划方法，不需要知道生产函数的具体形式，也不用对投入产出原始数据进行标准化等预处理，软件自动赋予指标权重并直接得出效率测算结果。这种方法因其普适性和实用性在区域经济、行业/企业、高校等非营利组织效率测度等领域得到广泛应用。DEA方法常用模型，有规模收益不变的C2R模型和规模收益可变的BC2模型，分别用来考察技术效率（TE）、纯技术效率（PTE），简单对比后可测算规模效率（SE）。上述三个效率值都介于0和1之间，越接近1说明越有效[16][17]。

（二）投入产出指标选择和数据来源

产学研协同创新是典型的多投入多产出活动，包括人力和经费投入、知识产权和经济成果产出，但需重点考虑产学研三方的协同/合作投入及效果，借鉴国内外相关文献设计如表1所示的指标体系。具体解释如下：投入指标X1、X2反映区域范围内产学研三方协作投入的总体规模和水平，指标X1指实际用于R&D活动的科研经费，指标X2是参与R&D的全时人员和非全时人员折合后的结果；X3和X4分别从科研机构和高校角度反映其与企业合作时获取的资金总量。产出指标Y1指区域范围内产学研三方申请并获得授权的专利数，这是公认的创新产出规模性指标；Y2指技术市场上各类成果转让签订的正式合同金额，此指标强调专利、非专利技术等各类创新成果通过转让/出售获取的收益，反映各类知识产权实际转化为产品和技术的能力；Y3指工业企业通过合作等活动开发新产品获取的销售收入。在统计年鉴中，此指标的统计口径2011年前采用“大中型工业企业”，之后采用“规模以上工业企业”，但分析发现变动并不明显，对结果影响可忽略不计。

表1 产学研协同创新效率评价投入/产出指标体系设计

本文的研究对象为省域范围内的产学研协同创新，所有原始数据来自于《中国科技统计年鉴》，因西藏自治区部分关键性数据缺失，因此决策单元为我国的其他30个省、市、自治区。考虑产学研三方协同创新投入需要一段时间才能形成各种产出，借鉴相关文献确定时滞期为1年。研究时间范围为2002/2003-2011/2012年，即2002年的投入对应2003年的产出，依此类推，一共10个年度。为结果描述的简单化，测算得出的数据以产出年度表示，即2012年效率测算结果指2011年投入-2012年产出对应结果。数据处理软件是DEAP2.1，采用面向产出的方式计算。

三、实证结果与分析

传统的效率评价都基于一年的数据进行测算，但无法避免年度数据的偶然性。显然，决策单元多年皆处于生产前沿面和个别年份处于生产前沿面，还是有很大差距的。此处为了全面分析问题并找到规律，将2002/2003-2011/2012年度的截面数据分别代入以产出为导向的DEA模型，测算出连续十年的产学研协同创新效率。将每年度效率值进行加权平均，如表2所示。

表2 中国30省、市、自治区产学研协同创新效率及其分解（2003-2012）

分析如下：（1）我国省际产学研协同创新技术效率平均值为0.758，纯技术效率平均值0.829，规模效率平均值0.908，说明大部分省份产学研合作效率距离生产前沿面有一定差距，存在24%以上的提升潜力。（2）技术效率等于纯技术效率和规模效率的乘积，表中技术效率为1说明连续10年间其三个效率值皆为1，该省份产学研协同创新活动一直位于生产前沿面上，这样的省份有浙江、海南、重庆、青海。同时这些省份的产学研合作活动连续处于最佳规模报酬阶段，不需要刻意改变产学研合作的规模。因为效率值是产出与投入的综合对比，所以与投入产出的规模无直接关系，更与当地经济发展水平不直接相关，产学研合作规模小的省份并不一定效率低，反之亦然。（3）年度平均技术效率值低于0.6的省份有山西、辽宁、安徽、江西、河南、湖北、四川、陕西，这些省份与生产前沿面的距离较远。（4）北京、天津、上海、山东、广东5个省市10年间产学研合作活动纯技术效率平均值为1，但规模效率和技术效率不为1。说明这些省份产学研合作在技术和管理上都较为理想，但合作规模尚有一定的调整空间，应根据所处的规模报酬阶段进行调整。

结合每年度的创新效率可进一步分析省域差异（限于篇幅不再逐一列示），陕西、安徽、山西等省份协同创新效率较低，几乎每一年的效率值都远远低于1。这些省份产学研合作管理部门应该根据本省具体情况综合判断，从政策导向、金融支持、创新环境、成果转化、人才引进、制度激励、管理流程优化、规模调整、合作平台构建、公共服务信息系统搭建等方面采取有力措施，最终提升技术效率。而浙江、海南等省份产学研合作的效率每年都是1，表明它们的产学研协同活动连续若干年都处在生产前沿面上，是其他省份产学研三方学习的标杆。

图1 2003-2012年产学研协同创新（技术）效率及其分解指标变动趋势

图1是每年度产学研协同创新技术效率及其分解指标的变动趋势，可以非常明确地展示各年度的效率值及其变化。可以看出，规模效率整体上超过纯技术效率和技术效率，有一定的距离但差异并不明显。随着时间的推移，三大效率值的年度数据都逐渐缓慢上升，技术效率从2003年的0.647上升到2012年的0.896，纯技术效率和规模效率分别从0.809和0.800上升到0.906和0.987，上升幅度分别为0.249、0.097和0.187，技术效率的上升幅度最大，纯技术效率最小。技术效率和规模效率变动的幅度和趋势较为一致，都在2005年急剧上升后快速下降，其他年份变动也大致相同，后期变动趋势上升但缓慢。

表3 产学研协同创新（技术）效率的区域差异分析（2003-2012）

根据表3：（1）时间趋势上，东部、西部和中部地区产学研协同创新效率都是不断增加的，分别从0.739、0.748和0.454增长到0.955、0.858和0.865，和整体技术效率的变动趋势基本一致。但增长程度是中部地区＞东部地区＞西部地区。（2）三个区域对比看，产学研协同创新效率在多数年份都是东部地区＞西部地区＞中部地区，包括2004-2011年的8年间，只有2003年是西部地区＞东部地区＞中部地区，2012年是东部地区＞中部地区＞西部地区。可以说整体上东部地区产学研协同创新效率是最高的，主要原因在于：东部地区由于地理位置和历史发展，大多属于经济发达的省份，产学研三方都容易吸引高水平科研人员和各种高水准的技术装备，高校和科研机构更易于和企业签订合作协议共同开发新技术和产品，因此比中西部地区的产学研协同创新效率更高一些。

四、结论及对策建议

21世纪以来，我国的产学研合作活动广泛开展，通过突破合作三方创新主体间的壁垒/界限，实现技术、信息、人才等的交流、共享和互动。但前几年其合作形式相对简单，缺乏优势互补、明确分工、成果共享、风险共担的开放式研发技术联盟、一体化经济实体等高层次的合作。2011年以来，随着协同创新概念的兴起，产学研协同创新成为一种趋势和发展方向。在这样的背景下，本文基于DEA模型，对2002/2003-2011/2012年来我国除西藏外30个省、市、自治区产学研协同创新效率、变动趋势及省际/区域差异进行测算、对比和分析。得出如下结论：整体上，我国省际产学研协同创新技术效率平均值为0.758，纯技术效率平均值0.829，规模效率平均值0.908，说明大部分省份产学研协同创新距离生产前沿面有一定差距，存在24%以上的提升潜力。浙江、海南、重庆、青海的产学研合作活动连续十年处于生产前沿面上和最佳规模报酬阶段。北京、天津、上海、山东、广东5个省市十年间产学研纯技术效率平均值为1，但规模效率和技术效率不为1。可通过调整投入产出规模实现整体技术有效。效率值对比看，规模效率整体上超过纯技术效率和技术效率，有一定的距离但差异并不明显。技术效率和规模效率变动的幅度和趋势较为一致。随着时间的推移，三大效率值的年度数据都逐渐缓慢上升。从区域对比看，产学研协同创新效率在多数年份都是东部地区＞西部地区＞中部地区。

为促进我国产学研合作的机制体制改革，提升产学研协同创新效率，提出如下对策建议：（1）政府、高等学校、科研机构三方都要重视产学研合作，成立“科技成果转化中心”“科技服务中心”“科技孵化中心”等相关机构，制定产学研协同创新发展规划和纲要、实施各种扶助产学研合作的优惠政策，对产学研合作效果良好的单位给予支持和奖励。（2）探索创新型资产融资、无担保融资等科技金融产品，引导各类社会资金对接产学研投资领域；地方政府和企业通过科技招标、科技攻关等项目，提供与高校和科研机构联合研发的机会，推动产学研三方的有效对接。成立高层次的研发基地或者技术联盟，有效整合产学研三方的各类资源。（3）优化政府和产学研三方的科技创新基地设施，建立和完善产学研合作公共服务平台，通过科学、合理的科技资源管理模式、资源共享机制，加快各类科技资源面向社会公众和企业开放。通过技术服务中介给产学研三方“牵线搭桥”，促成创新主体之间的交流、互动、沟通和合作。（4）人才是创新的根本，产学研协同创新迫切需要具有专业知识和技能、复合应用型的科技人才。高校和科研院所是高学历人员的聚居地，但真正的创新领军人物必须经过长时间的培育，需建立健全高水平创新人才科学评价体系和自由流动机制，以创新成果和市场选择为导向，充分激发相关人员的创新活力和能动性。

[1]Aoki M.,Harayama Y.Industry-University Cooperation to Take On[J].Research Institute of Economy,Trade and Industry,2002,（4）.

[2]连燕华，马晓光.我国产学研合作发展态势评价[J].中国软科学，2001，（1）.

[3]韦钰.高校功能的扩展与产学研结合[J].求是，2001，（2）.

[4]刘力.产学研合作的历史考察及本质探讨[J].浙江大学学报（人文社会科学版），2002，（3）.

[5]张力.产学研协同创新的战略意义和政策走向[J].教育研究，2011，（7）.

[6]饶燕婷.“产学研”协同创新的内涵、要求与政策构想[J].高教探索，2012，（4）.

[7]何郁冰.产学研协同创新的理论模式[J].科学学研究，2012，（2）.

[8]高霞.我国产学研协同创新的研究脉络与现状评述[J].科学管理研究，2014，（5）.

[9]刘孟晋.基于网络DEA的产学研联盟效率评价研究[D].中国科学技术大学，2010.

[10]车维汉，张琳.上海市产学研合作效率评价——基于分行业数据的DEA分析[J].科技进步与对策，2010，（3）.

[11]樊霞，赵丹萍，何悦.企业产学研合作的创新效率及其影响因素研究[J].科研管理，2012，（2）.

[12]肖丁丁，朱桂龙.产学研合作创新效率及其影响因素的实证研究[J].科研管理，2013，（1）.

[13]陈光华，王建冬，杨国梁.产学研合作创新效率分析及其影响因素研究[J].科学管理研究，2014，（2）.

[14]张煊，孙跃.产学研合作网络的创新效率研究——来自中国省域产学研合作的数据证明[J].山西财经大学学报，2014，（6）.

[15]金惠红，薛希鹏，雷文瑜.教育部直属高校产学研合作效率测度——基于非参数DEA-Malmquist指数的实证分析[J].浙江工业大学学报（社会科学版），2014，（3）.

[16]Charnes A.,Cooper W.W.Preface to Topics in Data Envelopment Analysis[J].Annals of Operations Research,1984,（1）.

[17]Banker R.D.,Charnes A.,CooperW.W.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science,1984,（9）.

[责任编辑：陈梅云]

姜彤彤，山东师范大学经济学院副教授，管理学博士，山东济南250014

G311；644

A

1004-4434(2015)03-0168-05

济南市软科学研究计划项目“协同创新视角下济南市产学研合作模式、运行机制及发展对策研究”（201401416）；教育部人文社科研究青年基金项目“中国高校人文社科科研效率评价及影响因素研究”（13YJCZH 064）；教育部人文社科研究青年基金项目“协同创新视角下产学研合作效率评价及提升路径研究”（14YJCZH 164）