高校智力资本与高校科技创新绩效：作用机理与实证研究

张运华，曹 河

（江苏科技大学 经济管理学院，江苏 镇江212003）

二十一世纪，信息技术快速发展，经济的劳动密集型和资源密集型时代特征正在淡化，知识密集型特征日渐明显。创新成为竞争力的本源，科技创新是一个国家实力与竞争力的体现，高校作为知识生产的主要基地，正在发挥着科技创新主力军作用。高校智力资本对高校科技创新绩效有直接影响。

有学者认为，智力资本理论更适合于事业单位、公共部门等非营利性组织，越来越多的学者尝试从新的视角对其进行研究［1］。不少学者通过理论和实证相结合的方法已经证明企业智力资本在一定程度上可促进企业绩效提升，但是高校智力资本是否同样能促进其科技创新绩效，已有的少量强关联研究并没有深入地从定量角度回答这一问题。

基于目前学者的研究成果，对智力资本的认识可以归纳为以下三个方面：一是知识和能力说，从知识和能力角度理解智力资本［2］；二是无形资产说，这种观点认为智力资本属于无形资产［3］；三是价值说，持这种观点的学者认为智力资本是超出公司账面价值的那一部分［4］。本文结合高校半公益非完全盈利特性，采用知识和能力说，认为高校智力资本是指高校自身所拥有的符合高校战略发展要求的，能够实现人才培养、科学研究和服务社会三大职能的知识，反映了高校的实力及其未来发展潜力。

根据研究内容和背景的不同，学者对智力资本的划分也有一定差异，最常见的是三分法，即将智力资本分三个维度进行研究。最早将智力资本分为三个维度的学者是Stewart，他提出了智力资本的“H-S-C”结构，即人力资本（human capital）、结构资本（structure capital）和顾客资本（customer capital）［5］。其次是二分法，即将智力资本划分为人力资源和结构资本两个维度［6］。最后一种是四分法，即在人力资本、结构资本和顾客资本三个维度上增加了创新资本［7］。

综合以上学者的看法可以发现，无论是何种划分都包含了人力资本和结构资本，可见这两个维度的重要性。Mayo［8］认为人力资本和结构资本属于内部资本，因此认为第三个维度是外部资本。Dzinkowski认为第三部分是企业的客户资本或社会资本等［9］。

本文采用大多数学者的分类法，将高校智力资本划分成人力资本、结构资本和关系资本三个维度来进行研究。其中，高校人力资本是指高校教师、学生和科研人员等所拥有的并能利用其创造价值的知识和技能；高校结构资本则是指存在于高校的数据库、专利、手册和系统流程中的且已被制度化的知识及已有的经验，以及硬件设施，包括基础设施、规章制度、校园文化、图书馆等所有高校资产；高校关系资本为依附于个体间及其关系网络中的知识，包括学术交流、对外合作和高校声誉等。

虽然对于高校智力资本的研究起步较晚，但现在引起了越来越多学者关注。Khalkhali Ali设计了一个能判断和管理伊朗教育系统智力资本模型，选取500名教育专家，通过填写调查问卷来确认教育系统智力资本的组成部分，最终分离出五个影响教育系统智力资本的关键因子，即综合素质策略的建立、以知识为基础的持续改进、标杆导师、自我评价的发展以及参与式发展［10］。Victor Bucheli通过分析哥伦比亚大学从1958到2008年的出版物，描述了知识生产增长趋势和智力资本积累两者之间的联系［11］。Lu Wenmin采用两阶段数据包络分析法评估了台湾公立大学的成本和教学科研效率，同时采用截断回归讨论了智力资本与大学效率之间的关系，回归分析表明，智力资本在影响教学和科研效率方面确实起到了重要作用［12］。蒋尹华分析了高校智力资本是如何对高校科研创新能力产生影响的，并运用趋势面分析对大学进行分类，提出了提升高校科技创新能力的对策［13］。

综合已有研究，多数学者主要关注的是高校智力资本的内涵、结构以及影响因素，并探讨了提升高校智力资本和管理高校智力资本的有效对策，但将高校智力资本和高校创新能力结合进行的实证研究还比较少。事实上，正确回答智力资本对科技创新的作用关系的前提是要明确智力资本三个维度之间的关系，而现有研究偏偏忽视了这一点，即便有，也多为定性分析，定量分析还有所欠缺。因此，本文期望通过实证分析，探讨高校智力资本三个组成部分之间的关系及其与高校科技创新绩效的内在作用关系。

一、理论分析与研究假设

（一）高校智力资本三要素之间的关系

智力资本三个要素之间的作用关系一直是研究的热点。单独智力资本要素的存在是毫无意义的，其价值来自三者的相互作用［14］。通过实证研究表明，人力资本、关系资本和结构资本之间能相互影响［15-16］。Knight认为智力资本各要素间是相互促进、相互作用的关系，并将其形象地描述为“螺旋上升”关系。可见三者之间的关系是相互促进，密不可分的［17］。

1.人力资本和结构资本

高校各类人员的知识和态度聚集在一起就是一所高校的校园文化，它镶嵌在高校教学和科研各项流程中，产生着潜移默化的影响。人力资本作用的发挥依附于结构资本，结构资本是高校科技创新的重要基础。当员工按规定履行职能并执行内部流程时，不仅是在对外体现企业的服务质量，更是展示了一种企业形象，员工工作表现的好坏直接影响着企业内部流程及其服务质量。研究发现，高满意度的员工有助于组织内的信息交流，进而帮助组织建立更加有效的运作流程［18］。结合以上学者的研究，笔者认为高校人力资本与结构资本间存在正向关系，提出如下假设：

H1：高校人力资本正向影响结构资本。

2.人力资本和关系资本

关系资本是个体间及其在关系网络中相互作用产生的知识，这种知识或者资本的获取需要人力资本的配合和支持。高水平的员工素质和社交能力（高水平的人力资本）能够为组织引进和保留更多的外部资本（关系资本），为组织创造更和谐的合作关系。高校亦如此，高素质的师生和科研人员会有更多机会参与各类学术交流和对外合作，也会提高高校声誉，扩大生源等。不论哪种行业，组织中员工的工作能力越强，他们越能了解客户的需求，越能掌握市场的动态；有创意的员工，是产品和服务不断进步和人性化的根本源泉，他们可以为顾客创造更多利益，能有效发展客户资本并维持客户忠诚度［16］。鉴于以上分析，笔者认为高校人力资本与关系资本存在正向关系，提出如下假设：

H2：高校人力资本正向影响关系资本。

3.结构资本和关系资本

关系资本的创造与维持，需要结构资本透过社会化的技术与组织文化来促进。高校的结构资本是高校固有的科技工作流程、氛围以及物质资源等。高校的学术氛围浓厚、学习资源丰富、教学设施齐全（高水平的结构资本），这些都有助于学校形成良好的声誉，扩大交流网络，提高高校的关系资本。Bontis等［16］指出，组织进行大量投资时，组织的运作流程和内部的规章制度都会得到完善，最终作用于终端，为顾客带去最理想的服务感受。高校的建设体现在对高校固有资本的完善和丰富，丰富的结构资本对外部资源有更强吸引力，能有助于高校关系资本的增长。鉴于以上分析，笔者认为高校结构资本与关系资本存在正向关系，并提出如下假设：

H3：高校结构资本正向影响关系资本。

（二）高校智力资本和高校科技创新绩效之间的关系

智力资本要素中的很大一部分都对企业绩效有着一种明显的因果作用关系［16］，国内外还有许多学者也得到类似结论，证明智力资本与企业绩效之间存在因果关系。高校的科技创新绩效是指高校通过不断变更完善管理体制，充分调动高校科技资源，组织开展创新活动，从而产出一系列高水平科研成果。可见高校科技创新绩效的提升在于高校科技资源的整合和分配，而智力资本作为一种新的资源理念被提出，表明在资源整合和分配方面其有效性和可操作性得到了广泛认可。从系统理论角度看，高校的智力资本各要素可看作输入，在系统输入一定的前提下，高校的创新绩效表现，就是在各种资源投入情况下经过高校这个系统处理器而获得科技成果。因此，高校智力资本和高校科技创新绩效之间必然存在某种因果关系。

1.人力资本与高校科技创新绩效

人力资本是最活跃的资本，具有创造性和创新性，它是智力资本的核心，是价值实现和价值增值的基础。Bontis通过问卷调查，研究了智力资本对马来西亚两个行业——非服务行业和服务行业中公司绩效的影响，其实证结果表明，不论行业类型，人力资本都是重要的［15］，人力资本是决定企业绩效的关键因素［19］。人力资本同样是高校科技创新的重要源泉。高校的人力资本越丰富，拥有的杰出专家和教授就越多，高校的科技创新力就越强，高校的科技创新绩效就越好。鉴于以上分析，笔者认为人力资本与高校科技创新绩效之间存在正向关系，提出如下假设：

H4：人力资本正向影响高校科技创新绩效。

2.结构资本与高校科技创新绩效

结构资本是组织的基础框架，它是组织运行和创造价值的流程。相关实证研究结果表明，与结构资本有关的变量对企业总资产报酬率有显著影响，基于时间序列角度，结构资本与企业绩效之间存在着显著相关关系［20］。一个组织的结构资本的确定也即是确定了该组织的绩效水平，结构资本正向影响组织绩效［21］。高校的结构资本包括基础设施、校园文化、信息平台、图书馆和数据库等。高校的结构资本是高校科技创新的基础，高校的结构资本越丰富，高校的创新平台基础就越好，科技创新绩效也会随之提升。因此，笔者认为结构资本与高校科技创新绩效之间存在正向关系，提出如下假设：

H5：结构资本正向影响高校科技创新绩效。

3.关系资本与高校科技创新绩效

关系资本强调的是组织与外部利益相关者之间的联系。任何一个组织的行为都根植于巨大的社会网络中，组织只是网络中的一个节点。组织的发展受其外部资源获取能力高低的影响，而获取外部资源的能力又受到外部关系网制约，因而组织的关系资本对组织的生存和发展有重大影响。对台湾制造型企业进行实证研究发现，公司的价值可以通过与公司外部环境所有其他参与者的良好关系而产生，如客户、供应商和其他团体，并证实了关系资本对公司绩效有正面影响［18］。高校作为一个社会组织也有其社会关系网络，高校的关系资本包括关系网络、对外合作、学校荣誉、生源等。高校拥有的社会资本越多，信息收集所需的时间也就越少，知识交换与信息交流的机会与效率也就越高。鉴于以上分析，笔者认为关系资本与高校科技创新绩效之间存在正向关系，提出如下假设：

H6：关系资本正向影响高校科技创新绩效。

二、指标的选取与数据来源

（一）指标的选取

1.高校智力资本指标构建

笔者参考了目前专家学者的研究，结合智力资本的三分法，并参照教育部《高等教育统计报告》《高等学校科技统计资料汇编》等资料，依照可获得性和可量化性原则，分别从智力资本的三个维度共选取了13个高校智力资本评价指标，具体如表1所示。

表1 高校智力资本测量指标

高校的人力资本，从测量的可获得性出发，主要由三个方面构成，即学生、师资和科研人员。本研究中的学生指参与科研的在校研究生，包括参与科研的博士生和硕士生；师资指高校的专任教师数量；科研人员指标主要指在校从事项目申请和研发工作的研发人员数量。高校的结构资本在一定程度上指的是高校运作的硬件设施，其中藏书可为高校科技创新提供数据知识，藏书量是科技创新基础条件之一。学校硕士点数量反映高校办学水平和办学规模，国家重点学科数量体现了高校学科建设实力，国家重点实验室数量直接关系到该所大学的科研创新活动，该指标越高，说明高校的核心竞争力越强。高校关系资本主要指高校与外界利益联系。科研经费总额高低是对一所高校科研水平和数量的衡量，课题总数指标主要是为了体现外部单位对于高校科研能力的认可程度，通过课题支出经费可以了解高校在课题申请与后期科研过程中，对计划执行的程度，同时课题支出经费的高低在一定程度上也能反映课题调研的重要性。举办国际会议次数反映了高校学术交流的广度与深度，高校举办国际会议能吸引大批国外专家，让学校与外部更好地进行信息交流，同时提高学校乃至国家的国际威望。

2.高校科技创新绩效指标构建

广义的科技创新绩效包括创新投入、创新环境和创新结果，狭义的科技创新绩效是基于投入产出的视角直接研究创新结果［15］。笔者主要研究高校智力资本对科技创新绩效的影响，因而将高校智力资本作为科技投入，将科技创新绩效作为产出进行研究。由高校科技创新绩效概念可知，测量高校科技创新绩效的指标项目不仅由高校科研人员经过科技创新活动得到科研产物，还必须同时给学校和社会带来效益。因此，笔者提出了六个具体指标来反映高校科技创新绩效，如表2所示。

表2 高校科技创新绩效测量指标

（二）数据来源

选定教育部所属64所高校作为分析对象，其原因在于，这些高校科研实力相对较强，是高校科研创新的主力军，同时在科技创新方面亦得到了国家政策和社会多方面支持。为确保数据的准确性，本文选取了《高等学校科技统计资料汇编》中数据完整呈现的64所高校，除去了中央戏剧学院等艺术类非综合性大学，采用2009—2013年的面板数据进行后续数据分析。数据釆集主要通过两个途径：第一，历年的《高等学校科技统计资料汇编》；第二，在各大高校的官方网站上获取校园简介、科研队伍、学科建设等方面对外公布的相关数据。

三、模型的检验

针对原始数据的正态性检验发现，数据服从正态分布的假设被拒绝，同时考虑到样本量较少，因此在估计方法上选择了基于偏最小二乘（PLS）算法的结构方程模型。这一技术特点之一就是对数据分布没有要求，且尤其适用于小样本分析。笔者选用SmartPLS2.0软件，并且利用bootstrap再抽样技术，抽取200次，对估计的稳定性进行相应检验。

（一）测量模型

对测量的评价主要包含个别项目信度、组合信度、收敛效度和区分效度。具体分析结果见表3和表4。

个别项目信度：对个别项目信度的判断主要依据因子载荷。被大部分学者接受的载荷标准为0.7。表3显示，除了Y2、Y5和Y6以外，其余因子载荷均大于0.7。事实上，有学者认为，载荷大于0.3就可认为是显著的，大于0.4意味着更重要，达到0.5则非常重要［22］。从这个意义来看，因子载荷为0.346、0.587和0.673是可以接受的。

组合信度：组合信度的目的为了保证测量变量在测量同一潜变量时的内部一致性。本文组合信度均大于0.8，根据Fornell［23］的研究，表明构建的指标具有很强的一致性。

收敛效度：收敛效度在于确保测量变量确实能测量潜在变量，而评估收敛效度必须分析平均变异抽取量（AVE），并且 AVE应该大于0.5［23］。由表3可知，所有潜变量的AVE均大于0.5。

表3 测量模型

区分效度：区分效度体现的是不同潜变量之间能否很好的区分开。最常见的检测方法是将AVE的平方根与潜变量之间的相关系数作比较，当AVE的平方根大于潜变量之间的相关系数时，说明具备良好的区分效度。由表4可知，AVE的平方根均大于潜变量之间的相关系数，表明具有很好的区分效度。

表4 AVE平方根与潜变量相关系数的比较

（二）结构模型

1.模型的预测能力与拟合评估

模型的预测能力可以由R2和内部冗余（Redundancy）来判断。R2指的是内生潜变量的总变异被解释程度，取值在0和1之间，一般认为R2大于等于0.5方可接受。由表5和图1可知，本文内部结构模型的R2均大于0.5，其中高校科技创新绩效的R2为0.834 1，说明构建的理论模型解释了其83.41%的变异，预测能力相当满意。

表5 结构模型

2.假设检验

高校智力资本三个维度之间，高校人力资本对高校结构资本有积极的正面影响。首先，人力资本素质的提高使得个人的知识更容易转化为高校的知识，从而提升高校的结构资本。其次，高校人力资本对高校关系资本的正面影响也十分显著，人力资本的素质越高，越有能力促进高校与外部环境进行频繁的互动，使之获得更多的学术交流和资助机会。分析结果也表明，高校结构资本对高校关系资本的路径系数为0.163，且在1%的水平上具有统计学意义，因此高校结构资本对高校关系资本有显著的正面影响。

高校智力资本是进行科技创新的知识基础，对科技创新有积极的正面影响。其中，高校智力资本中的人力资本和关系资本对科技创新绩效都有显著的正面影响，高校的人力资本和关系资本越丰富，拥有的杰出专家和教授就越多，拥有的社会资本也越多，信息收集所需的时间也就越少，知识交换与信息交流的机会与效率也就越高，高校的创新力就越强，相应的高校科技创新绩效就越好。

图1 研究模型框架及分析结果

结构资本对于科技创新绩效的直接正向影响并未得到验证。为了检验结构资本对于科技创新绩效的总体效应，笔者检验其间接效果，即中介效应的检验。Sobel检验是中介效应检验的常用方法，但存在一个缺陷，即它要求间接效果对应的统计量服从正态分布［24］，所以本研究使用Mackinnon的方法［25］进行了检验。根据表6显示，以关系资本为中介，结构资本到科技创新绩效Macki-nnon中介检验95%置信区间数值不含零，分别为0.024 5与0.188 2，依上述结果得知，本研究之结构资本对科技创新绩效具有完全的中介效果。表6同时也表明，从人力资本到关系资本再到科技创新绩效也存在部分中介效果，但人力资本通过结构资本对科技创新绩效并没有相应的中介效应。

表6 Mackinnon中介检验

四、结语

尽管对大学创新绩效的研究已经有不少积累，但从定量角度而言的，大多使用数据包络分析与随机前沿分析技术，而且将智力资本与高校绩效相结合的研究相对较少，且基本处于定性研究状态，定量研究较少。笔者基于PLS的结构方程模型，从定量角度对高校智力资本的三个主要构成部分的相互关系进行探讨，并在此基础上分析其对高校创新绩效的影响。

研究表明，高校人力资本对结构资本和关系资本都有明显的促进作用。同时，高校结构资本对关系资本也表现出显著的促进作用，可见高校人力资本的提高对于促进高校智力资本的提升十分关键。研究同时发现，高校人力资本和关系资本对高校科技创新绩效的直接正向影响显著，同时高校结构资本对高校科技创新绩效也具有完全的中介效果。因此，总体而言，高校智力资本对其创新绩效存在显著影响。

基于以上结论和分析，可以得到以下几点启示。首先，创新型人才的培养和储备是提升高校科技创新绩效的关键因素。高校应采用自主培育和全方位引进相结合方式建设更贴近社会和市场的创新型团队。其次，要注重人力资本与关系资本的协调发展，注重学科的交叉和信息的交流，这更有利于知识创新。高校不但需要关注学校固有的人力资本，还应广泛引进和接受外部的人力和信息，在最大程度上将本土资本与外部关系资本有机结合。第三，应促进结构资本的优化与加强。结构资本是高校科技创新的重要物质基础，高校经过一系列复杂探索、研究和创新，最终作用于结构资本的提升，结构资本的提升有助于关系资本的提升，并形成一个良性循环。

［1］姜文杰，张玉荣.关系资本对集群制造企业技术创新绩效、人力资本和结构资本的影响［J］.中国科技论坛，2011（11）：61-67.

［2］BONTIS N.Assessing knowledge assets：a review of the models used to measure intellectual capital［J］.International Journal of Management Reviews，2001（1）：41-60.

［3］MASON C.Venture capital［J］.International Encyclopedia of Human Geography，2009（2）：131-137.

［4］REICH B H，KAARST-BROWN M L.Creating social and intellectual capital through IT career transitions［J］.The Journal of Strategic Information Systems，2003（2）：91-109.

［5］STEWART T A.Your company′s most valuable asset：intellectual capital［J］.Fortune，1994（7）：68-73.

［6］EDVINSSON L，SULLIVAN P.Developing a model for managing intellectual capital［J］.European Management Journal，1997（4）：356-364.

［7］VAN BUREN M E.A yardstick for knowledge management［J］.Training and Development，1999（3）：71-77.

［8］MAYO A.The role of employee development in the growth of intellectual capital［J］.Personal Review，2000（4）：521-533.

［9］DZINKOWSKI R.The measurement and management of intellectual capital：an introduction ［J］.Management Accounting，2000（2）：32-35.

［10］ALI K，ZOHREH S，KHODADOOST R.Designing a model to recognize and manage intellectual capital in education system ［J］.Procedia-Social and Behavioral Sciences，2012，46：992-997.

［11］BUCHELI V，DIAZ A，CALDERON J P，et al.Growth of scientific production in Colombian universities：an intellectual capital-based approach［J］.Scientometrics，2012（2）：369-382.

［12］LU W M.Intellectual capital and university performance in Taiwan［J］.Economic Modelling，2012（4）：1081-1089.

［13］蒋尹华，王学军.基于智力资本的高校科技创新能力趋势面分析［J］.科技进步与对策，2012（24）：177-181.

［14］李冬琴，黄晓春.智力资本：概念、结构和计量述评［J］.科学学研究，2003（S1）：210-214.

［15］BONTIS N.Intellectual capital：an exploratory study that develops measures and models ［J］.Management Decision，1998（2）：63-67.

［16］BONTIS N，CHUA W，RICHARDSON S.Intellectual capital and the nature of business in Malaysia［J］.Joumal of Intellectual Capital，2001（1）：85-100.

［17］KNIGHT D J.Performance measures for increasing intellectual capital［J］.Strategy and Leadship，1999（2）：22-27.

［18］TSENG C Y，JAMES GOO Y J.Intellectual capital and corporate value in an emerging economy：empirical study of Taiwanese manufacturers ［J］.R&D Management，2005（2）：187-201.

［19］朱杏珍.人力资本与企业绩效［J］.广西社会科学，2003（1）：75-77.

［20］邸强，唐元虎.组织资本与企业绩效关系的实证研究［J］.哈尔滨商业大学学报（自然科学版），2005（3）：374-377.

［21］HSU L C，WANG C H.Clarifying the effect of intellectual capital on performance：the mediating role of dynamic capability ［J］.British Journal of Management，2012（2）：179-205.

［22］IGBARIA M，ZINATELLI N，CRAGG P，et al.Personal computing acceptance factors in small firms：a structural equation model［J］.MIS Quarterly，1997（3）：279-305.

［23］FORNELL C，LARCKER D F.Evaluating structural equation models with unobservable variables and measurement error［J］.Journal of Marketing Research，1981（1）：39-50.

［24］HAYES A F，BARON B.Statistical mediation analysis in the new millennium ［J］.Communication Monographs，2009（4）：408-420.

［25］MACKINNON D P.Introduction to statistical mediation analysis［M］.New York：Routledge，2008：96-97.