山东省地区高等教育产学研绩效评价及影响因素分析*①

刘 涛

(山东政法学院，山东 济南，250014)



山东省地区高等教育产学研绩效评价及影响因素分析*①

刘 涛

(山东政法学院，山东 济南，250014)

产学研合作发展方式最早出现于美国硅谷。在国内，山东省最早提出了产学研合作战略，也是最早开展产学研合作活动的省份之一。30多年来，山东省一直在“科教兴鲁”战略的指导下，开展产学研合作活动，取得了丰硕的成果，科学技术整体水平得到显著提高，科技、教育实力显著增强，有力地促进了山东省经济的全面快速发展。与此同时，全省各地区产学研合作还存在着地区间发展不平衡等突出问题。本研究借助曼奎斯特(malmquist)指数的研究方法分析了山东省各地区高新技术产学研合作绩效的动态发展过程，并运用面板数据处理方法分析了省内各地区产学研合作绩效的影响因素。

高新技术；产学研合作；效率评价；影响因素

国际数字对象唯一标识符(DOI)：10.16456/j.cnki.1001-5973.2017.03.010

一、山东省高新技术产学研合作的发展

20世纪80年代中期，山东省开始着力发展高新技术产业。30余年来，高新技术产业优势逐步显现，开始成为经济增长的重要推动力。高新技术产业的快速发展不仅要靠市场作为导向，还必须以国家和地区科学技术水平的提高作为动力。高等院校、科研机构作为科学知识、科技人才的聚集地，对地区高新技术产业的发展起着举足轻重的作用。20世纪中叶，美国硅谷的发展充分发挥了大学、科研机构和高新技术企业的合作机制，实现了科学技术到生产力的快速转化。自此，世界各国对产学研合作机制逐步加以研究、运用。2006年，党中央国务院在制定新的中长期科技发展规划纲要时指出：在今后一个时期产学研合作在国家创新体系中将居于中心地位。山东省作为经济大省，极其重视高新技术产业在经济建设中发挥的作用。同时，山东省作为“圣人故乡”历来具有重视教育、崇尚知识的优良传统。

20世纪80年代，山东省委省政府就已充分认识到，山东未来的经济发展之路必须实现由粗放经济向集约经济、由量到质的转变，并且在全国最早提出了“产学研”结合的战略。在此基础上，1987年山东省委的四届十次会议正式提出了“科教兴鲁”战略。自1987年至今的30年中，山东省着力发展科技教育事业，成果非凡。科学技术整体水平得到显著提高，科技、教育实力显著增强，有力地促进了山东省经济的全面、快速发展。目前，省内科学技术创新体系完善，科研成果数量每年都以较大幅度增加，高新技术产业正逐步形成规模，初步实现了依靠科技、文化带动经济发展的增长方式转变。山东省的产学研合作起步较早，20世纪90年代初期就已开始开展官方组织的产学研合作活动，并成立了由省政府直接领导、14职能部门组成的产学研协调领导小组。此后，山东省各级政府对产学研合作活动给予了更大力度的扶持。高新技术产业开发区的建设是产学研合作得到发展的重要体现。到2014年，山东省在各地市共建立国家级高性能技术产业开发区、省级高新技术产业开发区119个。一个个高新区的建成，为越来越多的大学毕业生提供了实习机会和就业岗位，也为高等院校和科研机构提供了实验和科研成果转化基地。然而，就全省各地区高新区建设情况看，仍存在地区间高新区数量的差距和地区间高新区建设速度的差异。截止2014年，山东省内建设高新区数量最多的城市为济宁，共建成高新技术产业开发区14处；建设高新区数量最少的城市为日照和莱芜，两市仅有两处高新技术产业开发区。2014年，山东省内拥有高新技术企业最多的城市为青岛，共有高新技术企业11988家；其次为济南，拥有高新技术企业8945家；拥有高新技术企业最少的城市为东营，共有高新技术企业1335家。这在一定程度上反映了各地区产学研合作效率的差异。基于以上观察，本研究以数据包络分析理论为基础，借助曼奎斯特(malmquist)方法分析山东省各地区高新技术产学研合作绩效的动态发展过程，并运用面板数据处理方法分析省内各地区产学研合作绩效的影响因素。

二、国内外关于产学研合作问题研究述评

目前，国内外学者关于产学研合作绩效评价的研究大体可以分为三个角度，即绩效影响因素、绩效综合评价方法和绩效评价实证研究。

(一)合作绩效综合评价方法

Edwin Mansfield研究了学术研究对企业创新的重要性，结论为学术研究对整个社会的投资回报率大约是28%。Robert Cooper(1987)从财务绩效、市场份额和机会窗口三个角度对产学研合作的绩效水平进行了综合评价。Santoro(2000)则运用了专利数量、论文数量等指标对产学研合作绩效进行评价。George(2002)则在考虑Santoro提出的评价因素基础上增加了净利润率对产学研合作绩效进行综合评价。

张坚(2007)基于熵理论建立了企业技术联盟整体绩效评价指标体系。*张坚：《企业技术联盟绩效激励机制的构建》，《科学学与科学技术管理》2007年第7期。金芙蓉、罗守贵(2009)基于投入产出原理对产学研合作绩效进行评价，并对合作投入与合作产出的范围进行了界定。*金芙蓉、 罗守贵：《产学研合作绩效评价指标体系研究》，《科学管理研究》2009年第9期。邓颖翔、朱贵龙(2009)认为，对产学研合作绩效的评价要从知识的创造与共享及合作的附加价值两方面进行测量。*邓颖翔、 朱桂龙：《吸收能力在创新过程中的中介作用研究——来自珠三角企业的经验证据》，《科学学与科学技术管理》2009年第10期。霍妍(2009)基于产学研合作的投入、过程、产出三环节的角度建立产学研合作绩效评价的指标体系。李泽民(2011)从政府、企业、科研机构三个主体出发建立了产学研合作绩效的评价体系。*李泽民：《我国省部产学研合作评价指标体系构建》，《中国西部科技》2011年第6期。

(二)合作绩效评价实证研究

Bonaccorsi(1994)最早提出了产学研绩效评价模型，并通过实证研究证明了产学研合作是建立在企业对合作的期望之上。Giuliani(2009)利用智利和意大利两个葡萄酒产业集群实证分析得出结论：企业的知识基础是产学研合作的重要动因。Petruzzrlli(2011)拓展了已有的研究框架，通过对12个国家33所大学769项专利进行测试得出结论：合作伙伴的技术关联与创新价值呈倒U型关系。

张坚(2007)运用所建立的指标体系对T公司液化气轻烃上产技术联盟的整体绩效进行了评价。车维汉、张琳(2010)利用上海制造业的数据对其研发活动进行了实证研究，从投入产出角度构建了指标体系，然后运用数据包络分析方法分析了其技术和规模的有效性。*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》，《科技进步与对策》2010年第2期。同时运用数据包络分析方法进行产学研绩效评价的还有魏宝兰(2010)、赵爱军(2011)、彭爱兵(2011)等学者。

(三)合作绩效的影响因素

Robert Cooper(1987)研究了产学研合作的影响因素，并将影响因素指标划分为三个维度，即财务绩效、市场份额和机会窗口。Santoro(2000)认为，影响产学研合作绩效的最重要因素是产学研合作关系的密切程度，密切程度与科研成果的产出水平成正比。Mora Valentin(2001)历时5年对西班牙数百家企业进行研究，研究结果认为，影响产学研合作的主要因素是企业、承诺、信任、对目标和冲突的定位、过去的联系。Arvanitis(2008)研究认为影响高校和科研机构参与产学研合作的重要因素是高校的应用研究导向和教学任务难易程度。P.Craig Boardman(2009)研究认为，影响产学研绩效的重要因素是大学研究中心的性质，产业研究中心有利于科研人员对私人企业展开互动研究，政府赞助的中心有利于提高产业的参与水平。

黄泽霞(2007)认为，产学研合作过程中合作科研、合作教育科研成果转化三方面的协调是重要的影响因素。叶飞(2009)认为，企业学习能力、科研机构的合作经验、企业在合作过程中的排斥性等均为影响产学研合作的重要因素。燕超(2010)把影响产学研合作的因素归纳为产品定位性、联盟兼容性、联盟稳定性、联盟投入度四个方面。彭爱兵(2011)认为，影响因素是合作创新主体投入、合作创新机制、合作创新环境和合作创新产出四个方面。

范德成、唐晓旭(2009)从投入产出的角度，归纳了评价产学研合作绩效的指标体系。投入指标主要侧重于高校活动经费，产出指标主要涉及高校和科研机构的课题数、企业发明专利数、新产品开发项目数，但未涉及人员投入。段晶晶(2011)运用结构方程方法进行了更加复杂的分析，将影响产学研合作的评价指标分为有形指标和无形指标。有形指标包括市场占有率、盈利能力、财务绩效、新产品利润等，无形指标则包括企业竞争力、社会效益、协作水平、企业满足顾客需求的能力。戴勇、肖丁丁(2010)以创新绩效的测度指标如创新产品数量、占有率、专利数作为因变量，用政府资金、企业资金、社会资金、企业规模、出口创汇额、科研人员数作为自变量进行了回归分析。*戴勇、肖丁丁：《研发投入、企业家精神与产学研绩效的关系研究——以广东省部产学研合作企业为例》，《科学学与科学技术管理》2010年第11期。刘和东(2010)运用随机前沿的方法，产出变量选用专利数和销售收入，投入变量选用R&D人员和R&D经费，并考虑政府资助、金融、企业、产学研合作机制、外商直接投资作为效率影响因素进行分析。肖丁丁、朱桂龙(2013)运用随机前沿的方法，将企业R&D人员数作为投入变量，以新产品开发项目数、销售收入作为产出变量结合考虑主体特征、联结关系、外在环境作为效率影响因素，对产学研合作创新效率进行了研究。*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》，《科研管理》2013年第1期。王进富、刘魁(2011)构建了创新绩效评价指标体系，以高校和科研机构的科技活动人员、活动经费等6个指标作为投入要素，以销售收入科研课题数、专利数等8个指标作为产出要素，运用因子分析方法评价了陕西省产学研创新效率。*王进富、刘魁：《陕西省产学研结合技术创新绩效评价研究》，《工业技术经济》2011年第12期。范德成、唐晓旭(2009)在评价产学研绩效时也运用了因子分析方法。王秀丽、王利剑(2009)选用科技活动人员数、R&D经费支出等4指标作为投入指标，选择专利授权量、技术市场成交额、销售收入等4指标作为产出指标运用DEA方法对30个省市产学研创新效率进行了评价。闫青、张超豪(2013)将产学研合作过程分为要素投入、合作过程、产出效益三阶段，选择经费、人员、合作机构运转情况作为投入要素，选择经济效益、科研人员、人才培养等指标衡量产出效益，考虑资源利用、管理效率等影响因素，提出了基于模糊数学、区间数学的模糊综合绩效评价的方法。*张超豪：《高校科研经费模糊综合绩效评价研究》，《会计之友》2013年第10期。车维汉、张琳(2009)选用投入指标为科技人员占比、R&D经费支出等5种指标，产出指标为专利授权量、销售收入占比、新产品产值占比3种指标，构建数据包络分析(DEA)模型评价了上海产学研合作效率。

金芙蓉、罗守贵(2009)对产学研合作的指标体系专门做了研究，将一级指标定为准则层，分为基础设施、人力资源、经费投入、人才培养与学术活动、科技活动与奖励、经济绩效等6项，二级指标为指标层，选择实验室数量、R&D投入、学术会议数量等13项指标，运用德尔菲法进行赋权构建了指标体系。

综合以上学者研究的成果，大体存在以下问题：首先，各个学者建立的指标体系基于不同的角度，缺少统一的评价标准。其次，评价指标体系均是基于投入产出和产学研合作主体角度建立的，缺少对产学研合作本质、机制等深层次角度构建的指标体系。再次，从以往学者对地方产学研合作绩效研究的成果看，仅有武海峰、牛勇平(2011)运用灰色关联分析的方法分析了产学研合作绩效影响因素。对山东省内产学研合作进行绩效评价所需要什么样的指标体系、选用何种评价方法尚未有学者进行深入研究。

三、研究方法概述

本文借助所获得山东17地市面板数据，运用曼奎斯特(malmquist)指数来测度山东省各市高等教育产学研绩效变化。曼奎斯特(malmquist)指数以数据包络分析(DEA)方法为基础，并考虑到时间变化对技术效率带来的影响，将面板数据与数据包络分析(DEA)方法相结合。数据包络分析(DEA)方法是一种线性规划模型，其模型形式为投入产出比，通过对多种投入要素和多种产品量化指标运用线性规划方法构造相对指标，用以比较多个服务或生产单位之间的效率，是一种静态分析方法。

曼奎斯特(malmquist)指数则是在数据包络分析(DEA)的基础上，加入时间因素对多个生产单位不同时间上的投入产出情况进行效率比较，其基本形式为相异时期距离函数的比率，两期的距离函数分别定义为：

Dt(xt+1,yt+1)=max{θ:(xt+1/θ,yt+1)∈St}

Dt+1(xt,yt)=max{θ:(xt/θ,yt+1)∈St}

在此基础上，可构造基于投入参照系数的曼奎斯特(malmquist)指数：

(1)

式中两个分式的几何平均即被定义为全要素生产率，其表达式为：

(2)

技术效率还可以二次分解为纯技术效率PECH和规模效率SECH。其中

M(xt+1,yt+1,xt,yt)=TECHCH×PECH×SECH

四、实证分析

(一)产学研合作效率评价

根据以往学者理论研究的结论，并充分考虑山东省统计数据的可得性，本文选取了7个投入产出变量来构建山东省各地市产学研合作的曼奎斯特(malmquist)指数。其中，各地市高等学校数量、高等学校教师数量、各市科研经费总量、各市科技人员数量为投入变量，各市高等学校在校生人数、各市市级以上科研成果数量、各市专利授权量为产出变量。

表1 山东省产学研合作效率曼奎斯特(malmquist)指数

数据来源：根据所选取变量计算产生

表2 山东省各地区技术进步率

数据来源：根据曼奎斯特(malmquist)指数分解而得

表3 山东省各地区技术效率

数据来源：根据曼奎斯特(malmquist)指数分解而得

从表1曼奎斯特(malmquist)指数分析结果可以看出，全省各地市2009年至2014年平均曼奎斯特(malmquist)指数值为0.98，并未达到效率前沿。这意味着从总体水平看，山东省在所观察的六年内产学研效率并未达到生产前沿。按照年份平均的曼奎斯特(malmquist)指数看，省内产学研合作效率比较高的年份有两年，分别为2009-2010年间和2013-2014年间，指数分别达到了1.01和1.05。按照地区平均的曼奎斯特(malmquist)指数可以看出，平均曼奎斯特(malmquist)指数超过1的地区有7个，分别是滨州、菏泽、莱芜、聊城、泰安、潍坊、烟台；德州、东营、济南、济宁、临沂、青岛、日照、威海、枣庄、淄博等10个城市的平均曼奎斯特(malmquist)指数低于1。

表2反映了全省及省内各地市产学研合作技术变化情况。从表中可见，2009-2014年间全省产学研合作的平均技术进步率约为0.98，总体上未超过1。各地市平均技术进步率超过1的年份有两个，分别是2009-2010年和2013-2014年，技术进步率分别为1.02和1.03。按照年份平均的技术进步率超过1的城市有6个，分别是滨州、菏泽、莱芜、聊城、烟台、淄博；德州、东营、济南、济宁、临沂、青岛、日照、泰安、威海、潍坊、枣庄等11个城市的平均技术进步率未超过1。

表3反映了山东省及各地市2009-2014年高等教育产学研合作的技术效率发展变化过程。表中显示在这几年中全省总平均技术效率为1.001，且平均技术效率超过1的年份有三个，分别在2010-2011年、2011-2012年、2013-2014年，技术效率分别为1.004、1.001、1.018。按照年份平均的技术效率超过1的城市有13个，分别是滨州、菏泽、济南、济宁、莱芜、聊城、临沂、青岛、日照、泰安、潍坊、烟台、枣庄；仅有四个城市的技术效率低于1，分别为德州、东营、威海、淄博。

以上三个表格反映的内容可以看出山东省全省2009至2014年间的产学研合作效率未达到前沿水平。2009至2010年度以及2013至2014年度两个年份的产学研合作平均效率达到了前沿水平，同时其对应的技术进步率也达到了前沿水平。其余年份产学研合作平均效率与技术进步率的变化高度相关。从地域分布上看，山东省产学研合作效率较高的地区主要集中在滨州、菏泽、聊城等省内中西部城市，而这些城市对应的技术进步率除了泰安和潍坊未达到前沿水平外其余地区均达到了前沿水平。无论从地区差异的角度看还是从时间变化的角度看，山东省产学研合作总效率与技术进步率变化都基本一致，说明全省产学研合作的效率主要受技术进步影响。

用曼奎斯特(malmquist)指数方法研究技术效率可以分析影响山东省产学研合作效率的内部因素。从以往文献中可以看出，影响产学研合作的还有很多外部因素。接下来将利用回归分析建立面板数据模型研究影响山东省产学研合作效率的外部因素。

(二)产学研合作效率的外部影响因素分析

1.面板数据模型研究框架

面板数据模型与截面数据和时间序列数据相比具有更大的样本容量，在进行参数估计及相关的检验时可以获得更多的自由度，并且可以更加有效地避免多重共线性问题，因而是近几年来学者们进行实证研究时常选的数据类型。面板数据根据时间跨度的长短及所涉及个体的多少可以分为长面板与短面板，根据建立模型的结构又可分为静态面板模型和动态面板模型。本研究所用的数据为山东省17地市2009年至2014年的数据，属于短面板类型。由于时间跨度较短，选择模型时不宜选择动态面板模型，而选择静态面板模型进行回归。

面板数据模型存在时间变化，因此对于时间跨度较长(一般为30年以上)的数据在进行模型估计之前应当先分析变量的平稳性及变量间的协整关系。由于本研究所涉及的数据只有2009至2014年6年的跨度，因此不需要对变量的平稳性及变量间的协整性进行检验。

2.变量选择与数据来源

根据以往学者研究的结论可以看出，一个地区产学研合作效率会受到该地区发达程度的影响。一个地区的发达程度由主要包括城市规模及城市基础设施建设、地区的经济发展水平、政府对科技发展的态度、地区科技发展环境等。因此本文着重研究城市化、对外开放程度、政府支持力度、经济发展状况、科技发展潜力和地区科技发展倾向等六因素对产学研合作效率的影响。参照以往文献所选择的变量兼顾山东省统计数据的可得性，选择城市化程度即每地区城镇人口占该地区总人口的比重作为反映城市化的变量，选择外商直接投资作为反映地区对外开放程度的变量，地方政府对科学技术行业的财政支出作为反映政府支持力度的变量，地区生产总值作为反映地区经济发展状况的变量，选择地区科研、技术服务等行业的每年新增就业人员数作为反映地区科技发展潜力的变量，选择地区科技行业平均工资作为反映地区科技发展倾向的变量。其中，各地市总人口及城镇人口、外商直接投资、各地市GDP、各地市科技行业财政支出等数据来自山东统计年鉴，各地科技行业新增就业人员数、科技行业平均工资等数据来自各市统计年鉴。

考虑到以上因素对产学研合作效率的影响可能存在滞后效应，因此同时建立无滞后效应和带有滞后效应的两类模型进行估计和比较。同时将平均曼奎斯特(malmquist)指数超过1的城市与其他城市区别考虑分别建立模型，研究各因素对此两类地区的影响。所建立的模型基本形式为：

malit=β0+β1CITYit+β2FDIit+β3EXPit+β4GDPit+β5PEOit+β6WAGEit+μit

(3)

malit=β0+β1CITYit-1+β2FDIit-1+β3EXPit-1+β4GDPit-1+β5PEOit-1+β6WAGEit-1+μit

(4)

其中(3)式为无滞后模型，(4)式为滞后模型。两式中malit为各地区的曼奎斯特(malmquist)指数值表示各地区的产学研合作效率。变量CITY、FDI、EXP、GDP、PEO、WAGE分别表示各地区城市化程度、外商直接投资、地方政府对科学技术行业的财政支出、地区生产总值、地区科技服务等行业的每年新增就业人员数、选择地区科技行业平均工资。在进行模型估计之前，先检验两类模型是否存在个体效应，如果存在个体效应则进一步检验个体效应为固定效应还是随机效应。检验结果见表4。

表4 两种模型的个体效应检验

表4结果显示了用F检验和χ2检验两种方法检测无滞后模型和滞后模型两种模型是否存在个体效应的结果。检验结果显示无滞后模型两种检验的P值分别为0.85和0.68，滞后模型两种检验的P值分别为0.71和0.49，说明两类模型均无法在10%的显著性水平下拒绝“无个体效应”的原假设。根据此检验结果在后面对模型进行估计时，不考虑带有个体固定效应和个体随机效应的模型形式。对两类模型估计结果见表5。

表5中分别列出了6个模型的估计结果，其中模型(1)、(2)为用十七地市数据估计的无滞后模型和滞后模型，模型(3)、(4)为用滨州、菏泽、莱芜、聊城、泰安、潍坊、烟台七个平均产学研合作效率达到前沿水平的城市数据估计的两类模型结果，模型(5)、(6)为用德州、东营、济南、济宁、临沂、青岛、日照、威海、枣庄、淄博等十个均产学研合作效率未达到前沿水平的城市的数据估计两类模型的结果。

表5 山东省产学研合作效率的外部影响因素回归估计结果

注：表中“*”，“**”分别表示在5%和1%显著性水平下通过检验

模型(1)、(2)估计的结果显示，两个模型的变量FDI均不能通过显著性检验，模型(2)的变量WAGE也未能通过显著性检验。总体上看，两个模型均能通过方程的显著性检验，模型(1)的拟合优度略高于模型(2)，因此模型(1)的估计结果要好于模型(2)。两个模型均显示，对山东省所有地区而言，变量CITY对被解释变量有显著的正向影响，变量EXP对被解释变量有显著负向影响，变量GDP对被解释变量有显著的正向影响，变量PEO对被解释变量有显著的负向影响，变量WAGE对被解释变量有正向影响但其滞后项对被解释变量没有显著影响。变量CITY、EXP、GDP、PEO对被解释变量存在显著的滞后效应。

模型(3)、(4)估计结果显示，对七个产学研合作效率较高的城市而言，变量CITY对被解释变量有显著的正向影响，变量EXP对被解释变量有显著负向影响且其滞后项的作用更加显著，变量GDP对被解释变量作用不显著，但其滞后项对被解释变量存在显著正向影响，变量WAGE对被解释变量有显著的正向影响，但其滞后项作用不显著。变量FDI、PEO、对被解释变量作用均不显著。两个模型均可通过防尘的显著性检验，模型(3)的拟合优度明显高于模型(4)，因此模型(3)的估计结果要好于模型(4)。

模型(5)、(6)估计结果显示，对十个产学研合作效率较低的城市而言，变量CITY对被解释变量有显著的正向影响，变量EXP、GDP、PEO对被解释变量均存在显著影响，其中EXP、PEO存在负向影响，变量GDP对被解释变量存在显著正向影响。变量FDI对被解释变量不存在显著影响，变量WAGE对被解释变量有显著正向影响，但其滞后项对被解释变量作用不显著。两个模型均可以通过方程的显著性检验，模型(6)拟合优度略高于模型(5)，说明模型(6)的估计结果要好于模型(5)。

应当说明的是，有的参数估计值的绝对值很小并不意味着该变量影响作用很小，因为模型估计过程中未作无量纲化处理，估计值绝对数小主要是由于变量量纲导致的。

五、结论与启示

基于山东省产学研合作效率的曼奎斯特(malmquist)指数分析及影响产学研合作效率的回归分析结果，可以得到以下结论：

山东省产学研合作效率主要有以下特征：首先是整体水平不高，2009至2014年间全省产学研合作效率未达到前沿水平。其次是产学研合作地区发展不平衡，产学研合作效率分布具有一定的地域特征。达到前沿水平的城市主要集中于山东省中西部地区。七个达到前沿水平的城市中有五个分布在省会济南周边，另外两个则与另一副省级城市青岛接壤。然而，两个较发达的城市济南和青岛产学研合作效率都不高。济南的曼奎斯特(malmquist)指数仅达到0.93，青岛达到0.99。这一现象可以理解为科技行业发展过程中的产能过剩和技术外溢。一方面青岛和济南是省内教育资源最丰富的城市，无论从驻地高校数量、在职教师人数还是科研经费投入量上都远超过其他城市。以驻地高校数量为例，到2014年驻济南高校数量达到42所，驻青岛高校数量达到23所。与此相比，高校数量较少的莱芜仅有2所，滨州仅有3所。驻济南、青岛两市高校数量总数为后两者总数的13倍。然而就科研成果来看，2014年济南、青岛产生的科研成果合计984项，莱芜、滨州两市的科研成果总数为368项，前者不到后者的3倍。由此反映出济南青岛的科技成果转化率远低于莱芜和滨州。再次，产学研合作的主要内部影响因素是技术进步率。对曼奎斯特(malmquist)指数何由其分解出的技术进步率和技术效率进行相关分析可以看到，产学研合作效率与技术进步之间的相关系数达到0.97，而与技术效率的相关系数达到0.58。技术进步率也主要体现在科技成果转化能力上。像济南、青岛这样相对发达的城市技术进步率却比较低，青岛为0.995，而济南仅为0.927，均未达到前沿水平，这就限制了两个城市产学研合作的效率。

影响产学研合作效率的外部因素主要有城市化程度、政府支持、经济发展水平、科技发展倾向。城市化程度对山东产学研合作效率有显著的正向影响，说明高新技术发展、产学研合作需要一定的城市规模及相应完善的基础设施。政府财政支持对产学研合作效率有显著的负影响。其主要原因不见得归结为政府财政支持的效率太低，因为政府扶持的项目很大程度上是那些规模较大、科技成果转化较慢、投放市场较晚的项目。而私人资本投入高新技术产业则主要选择科技成果转化快，利润回报丰厚的项目。因此，呈现出产学研合作效率与政府财政支持呈负相关的结果。科技发展倾向对产学研合作效率有显著的正向影响。科技发展倾向反映了一个城市对高新技术产业的接纳程度，可以通过该城市科技行业人员平均工资来体现。科技行业人员工资对产学研合作效率有正向影响，意味着更注重发展高新技术产业的城市必然会选择走产学研合作的发展方式。经济总量对山东省整体产学研合作效率有正向影响，但对产学研合作效率达到前沿水平的地区作用不显著。产学研合作效率较高的七个城市GDP均不是很高，但是经济总量的滞后项对“高水平”地区的产学研合作效率有一定的作用。说明总体上产学研合作要依赖于经济实力的支持。科技行业就业人员数量对产学研合作效率有负向影响，但在“高水平”地区作用不显著。这说明高新技术产业的产学研合作不像传统产业主要依靠人力资本投入来获得发展。外资对山东省产学研合作影响不显著。外资本来是产学研合作可以利用的重要资源之一，但分析结果显示山东省2009至2014年期间产学研合作效率并未受到外资的显著影响，也说明省内高新技术产学研合作利用外资效率不高。

山东省作为经济大省，虽然早已开始发展高新技术产业，但产学研合作效率还有待提高。提高产学研合作效率首先要注重技术进步，注重科技成果转化。在注重政府扶持的前提下也应进一步引导民间资本的进入以促进高新技术产业更快发展。同时，政府除了财政扶持以外还应积极引导提高科技行业及科研人员待遇，这将有利于产学研合作效率的提高，对产学研合作的推进乃至高新技术产业的发展有一定的促进作用。

责任编辑：寇金玲

Analysis on Industry-University-Research Cooperation Performance of Higher Education in Shandong Province and Its Influencing Factors

Liu Tao

(Shandong University of Political Science and Law, Jinan Shandong，250014)

The development mode of industry-university-research cooperation first appeared in Silicon Valley, USA, while in China, Shandong Province was the first to propose the cooperation strategy, and is also one of the earliest provinces to carry out research activities. For more than three decades Shandong province, under the guidance of the “Strategy of Reinvigorating Shandong through Science and Education”, has carried on research cooperation activities, and achieved fruitful results: the overall level of science and technology significantly raised, the strength of science and education significantly enhanced, and the all-round and rapid economic development in Shandong province greatly promoted. However, at the same time, there are still some problems in the development of industry-university-research cooperation in the different districts of the province. This study uses Malmquist method to analyze the dynamic development process of high-tech cooperation performance in the various districts of Shandong Province, and analyzes the factors affecting the cooperation performance in the different districts by using the panel data processing method.

high technology; industry-university-research cooperation; efficiency evaluation; influencing factors

2017-01-15

刘涛(1980— )，男，山东济宁人,山东政法学院副教授，博士。

本文为作者主持研究的山东省软科学研究计划项目“山东省高新技术产学研合作绩效动态评价研究”(2015RKB01273)、山东政法学院科研计划项目 “高新技术产学研合作绩效影响因素研究 ”(2015Q20B)的阶段性成果。

G40-05

A

1001-5973(2017)03-0106-11