产学研协同创新效率的时空演变及提升对策——基于空间杜宾模型的研究

易秋平，刘友金，贺 灵

（湖南科技大学，湖南 湘潭 411201）

产学研协同创新效率的时空演变及提升对策
——基于空间杜宾模型的研究

易秋平1，刘友金2，贺 灵3

（湖南科技大学，湖南 湘潭 411201）

采用超效率DEA法测度我国30个省区在2006-2015年期间的产学研协同创新效率，分析其时空演变特征，同时基于空间杜宾模型验证相关因素对产学研协同创新效率的直接效应和空间溢出效应，结果表明，全国的创新效率总体上趋于改善但并不理想，且东、中、西部地区存在明显的区域差异；全国及东部地区创新效率存在空间扩散效应，而中西部地区却存在空间集聚效应。借助空间杜宾模型并结合偏微分方程的研究表明，大学和科研院所参与合作及转移知识的能力、企业吸收及应用知识的能力、政府及金融机构的支持、产学研合作关系在全国层面及东中西部地区对样本省区的创新效率均存在显著正向直接影响，然而合作关系在各个空间层面的间接效应都不显著。地理区位条件、地区人力资本水平及地区经济的发展程度在西部地区存在明显的负向空间溢出效应。因此，各省区不仅要协调好本地区内的协同创新要素资源，还应从区域整体视角出发构建起省际协同创新体系。

产学研协同；创新效率；空间杜宾模型；空间溢出效应

一、引言

随着我国创新驱动发展战略的提出，产学研协同创新的重要意义在学术界和产业界已形成共识。特别自2012年以来教育部致力于实施“协同创新2011计划”，鼓励发展各类型的协同创新中心，有力地推动了协同创新进程。[1]在实践中各地区对域内产学研协同创新的效率水平应该有清晰的认知，因为这是开展创新管理工作的起点及重要依据。按照地理学第一定律，地区经济行为及结果常存在空间相关性，如Buzard K. & Carlino G A[2]研究发现美国的R&D活动存在明显的空间集聚特征，南加利福尼亚州和东北走廊是其典型的集聚区；Capello R& Lenzi C[3]研究表明欧盟境内的协同创新活动也存在明显的空间关联特征。故各地区的协同创新行为及结果也往往不是相互独立的，有可能存在空间关联。从理论上分析，协同创新进程中存在两种类型的空间交互作用：一是省际产学研协同创新的效率水平存在相互影响；二是影响创新效率的有关因素在省区间也存在空间交互作用，即某一因素不仅对某省区的创新效率产生直接的影响，而且还对其它省区的创新效率存在间接效应。然而，已有研究大多仅基于空间单元相互独立的假设，缺乏将创新效率的空间关联性纳入研究框架。肖丁丁、朱桂龙[4]对产学研合作效率进行了评价，且验证了样本地区范围内相关因素对合作效率的影响。陈光华、王建冬、杨国梁[5]也对影响产学研合作效率的因素进行了验证。总之，当前国内研究大多仅限于就样本地区的孤立分析而很少从空间关联的角度关注协同创新效率的时空演变特征及相关影响因素对其它地区的空间溢出效应，而基于空间单元相互独立的假设所得出的研究结论往往会与现实产生严重的偏差。

我国幅员辽阔，省级区域众多，省区间经济社会发展水平存在着较为明显的差异。既要调动省区内产学研各方的积极性优化配置创新资源，加强新知识的创造及在省区内的流动和共享，也要站在跨区域的高度对产学研创新进行统筹安排，消除协同创新过程中省区间的相互掣肘，构建省际协同联动机制。鉴于此，拟在测度全国30个省区的产学研协同创新效率基础上借助空间相关性检验方法探索效率的时空演变特征，进而验证相关因素对本省区协同创新效率的直接影响及对其它省区的空间溢出效应，旨在依据实证结果制定出既有利于省区内部产学研合作又能促进省际创新资源优化配置及提升协同创新效率的针对性对策及措施。

二、产学研协同创新效率的时空演变分析

（一）效率的测度与空间分布基本特征

省区产学研创新系统是一个社会经济系统，它存在着多种资源的投入与多种成果产出，采用数据包络分析法对这类系统的运营效率进行测度是比较合适的。[6]特别地，为了更明确地对所有决策单元的综合效率进行比较，本文采取一种对传统DEA方法改进后的超效率DEA方法来测度效率。式（1）展示了超效率数据包络分析法的基本数学式：

按照创新运营的基本逻辑，将指标体系划分为投入与产出两个大类，创新的投入大致分为人力、物力和财力三种，而产出的划分需要结合创新主体在协同创新中的目标来确定。从企业角度考察，新产品的销售收入是其关注的重点；从高校和科研院所角度考察，则科研论文和专利等成果是其在合作中追求的重要目标。综合各学者已有研究成果，[8]并结合本研究的特点，设置省区产学研协同创新效率评价指标体系，如表1所示。

表1 省区产学研协同创新效率评价指标

在空间范围上对除西藏以外的30个省区进行考察，指标所需数据来源于2007-2016年的《中国统计年鉴》《中国科技统计年鉴》《高等学校科技统计资料汇编》《中国区域创新能力报告》及相关省区科技统计年鉴、国家知识产权局专利检索数据库平台、中国科技统计网站、相关省区科技统计网站。综合运用DPS5.0最终求出各省在2006-2015年间产学研协同创新的超效率值，并将各省在整个考察期间的效率均值列示在表2中。从表2可以看出，考察期间有些省区的创新效率均值小于1，说明这些省区是缺乏效率的。其原因很多，其中最典型的就是产学研合作所投入的创新资源不够充分，或者虽然投入了一定量的设备、仪器、科研人员和资金，但未很好地盘活这些资源而导致其利用率低。

表2说明，产学研协同创新在全国范围内存在明显的地区差异性，效率的空间分布呈现出东中西梯度变化趋势。总体而言，可以将全国各地区分为3种效率类型，即相对高效率地区、中等效率地区及低效率地区。北京、上海、广东、江苏、天津、浙江等地拥有相对较高的协同创新效率水平，这些地区的创新意识、经济水平、科技人才储备、交通基础条件等是国内其它地区无法与之相比的。湖南、湖北、安徽、四川、重庆、陕西等地属于中等效率水平地区。新疆、青海、贵州、甘肃、广西、宁夏、云南等地则属于相对低效率地区，这些省区大多处于西部地区，其区内高校及科研院所的数量及质量有待提升，区内企业规模化发展不足且对新技术知识的吸收及应用能力缺乏。这些省区在经济发展及创新要素配置等方面要远落后于东部省区，产学研协同创新的活跃程度明显偏弱，尤其是协同创新文化尚未得到很好的培育，其创新意识弱于东部地区。

（二）效率的时空演变分析

1.基于全域Moran’s I指数分析

表2 各省区产学研协同创新效率均值（2006-2015年）

从理论角度分析，产学研协同创新不仅受到本地区内部创新资源积累、知识创造及域内流动的影响，同时还影响着其它地区的协同创新行为和产出结果。因产学研协同创新效率水平是相关地区经济行为所导致的结果，按照地理学第一定律，它在地区间很有可能存在空间关联性，存在相互之间的交互效应。基于空间统计学原理构建全域Moran’s I指数来分别检验全国范围及东中西部地区创新效率的空间自相关性。

式（2）中，Yi代表考察地区集合内第i个省区的产学研协同创新效率，n为地区集合内全体省区总数。选取rook一阶权值矩阵，Wij表示空间权重矩阵的相关元素，用来刻画省区间的邻接关系。借助式（3）将Moran’s I指数进行标准化处理，获得标准化的Z值。

通过比较检验统计量Z值与临界值可判断是否拒绝原假设（H0：产学研协同创新效率在地区集合内省区间不存在空间交互作用或自相关性）。如果经检验需拒绝原假设，则意味着协同创新效率在省区间存在着空间关联，彼此并非相互独立。具体地，借助ArcGis10.0软件中的空间数据分析模块来获得全国及东中西部地区创新效率的空间自相关性检验结果，见表3。

基于表3从空间关联的角度可看出，全国和东部地区在考察期的若干年份内省区间的产学研协同创新效率水平存在较为显著的正向空间自相关性，这说明省区间的协同创新效率存在空间扩散效应，且空间扩散效应随着时间的推移有逐步增强的趋势；特别是东部地区其空间扩散效应更为明显。然而，中部及西部地区其省区间的创新效率存在较为明显的负向空间自相关性。尤其是西部地区负的空间相关程度还呈现出较为明显的强化趋势，说明西部地区的协同创新效率空间极化（或集聚）现象更为明显；而中部地区的空间负相关程度先增强而后回落，说明空间极化效应有弱化的趋势，创新效率的空间扩散效应正在孕育和积累。

2.基于局域Moran’s I指数分析

就全国层面而言，由于全域Moran’s I指数只能体现创新效率在全国总体上的空间相关性特征，而不能反映各样本点即内部各省区对全域自相关的贡献程度。假如存在局部空间正相关和局部空间自相关，但由于正负效应相互抵消可能导致全国层面全域自相关指数为零，此时通过全域自相关指数很难体现局部特征。鉴于全域Moran’s I指数的局限性，故有必要借助局域Moran’s I指数来进一步分析。计算局域Moran’s I指数并分别绘制出2006年和2015年的Moran散点图，如下图所示。

表3 全国及东中西部地区协同创新效率空间自相关性检验

图 1：2006年年全国产学研协同创新效率的Moran散点图

图2：2015年全国产学研协同创新效率的Moran散点图

在2006年全国30个省区中有上海、江苏、浙江、天津、北京等8个省区位于第一象限，新疆、山西、云南、贵州、广西、甘肃、青海等10个省区位于第三象限，说明大部分省区的协同创新效率存在正的空间自相关性。所不同的是第一象限表现为高协同创新效率-高空间滞后（H-H）的集群模式，即高效率的省区被其它高效率的邻接省区包围；第三象限表现为低协同创新效率-低空间滞后（L-L）的集群模式，即低效率的省区被其它低效率的邻接省区包围。处在第二、四象限的有12个省区，属于负的空间自相关。江西处于第二象限，表现为低协同创新效率-高空间滞后（L-H）的负自相关集群模式；广东省处于第四象限，表现为高协同创新效率-低空间滞后（H-L）的负自相关集群，即高效率的该省被其它低效率的邻接省区包围。2015年有15个省区位于第一象限，有8个省区位于第三象限，处于第二、四象限的减少为7个省区。这说明负的空间相关性正在慢慢弱化，造成这一结果的原因可能是全国各省区的经济社会发展虽然还存在一定的差距，但随着时间的推移，各类创新资源在省区间的流动得到加强，协同创新效率的省际差异呈现出逐渐缩小的态势。

三、协同创新效率影响因素的理论分析及指标设定

在对产学研协同创新效率时空演变分析的基础上，如何提升其协同效率是关键。为此，我们必须先清楚地了解有哪些因素影响协同创新效率。按照三螺旋理论，企业—大学（科研院所）—政府三者有机构成了区域创新系统中最为关键的创新主体。因此，我们首先基于理论分析层面从主体、关系、环境三方面来探讨影响产学研协同创新效率的若干因素及机理。具体地，从大学及科研院所转移知识的能力、企业吸收及应用知识的能力、政府及金融机构的支持来考察创新主体的状态，并探讨企业—大学—科研院所间的合作关系，从地理区位条件、地区人力资本及经济发展水平来考察创新环境状况。

（一）大学及科研院所转移知识的能力

大学及科研院所是产学研合作中知识创新的关键主体，它们拥有科研资源和人才优势。理论上，大学及科研院所只有创造出质量可靠的科研成果，技术知识向企业的转移才会成为可能。另外，需具备向企业转移的顺畅通道才能将新技术知识导入生产系统进而转化为现实的经济效益。

（二）企业吸收及应用知识的能力

企业在协同创新过程中对高校及科研院所新技术知识的消化吸收及综合利用能力是企业参与合作能力的重要体现。Mirjam K &Deniz U[9]以科技企业为例研究了知识吸收和企业绩效间的关系，研究认为企业的R&D经费支出强度可以体现其技术能力的强弱。故以企业R&D经费支出占产品销售收入比重来体现企业参与合作中吸收与应用新知识的能力。

（三）政府及金融机构的支持程度

政府是产学研协同创新中关键的间接主体。政府的引导及所提供的公共服务能降低产学研合作的交易成本。张在群[10]指出政府对产学研协同创新的支持方式是多方面的，然而最直接的方式是R&D经费资助，而金融机构的支持主要是其给予创新的贷款融资。以地区研发资金中政府资金所占比重加上地区研发资金中金融机构资金所占比重来近似体现政府及金融机构对产学研合作创新的支持力度。

（四）企业—大学—科研院所间的合作关系

企业与大学（或科研院所）合作中所表现出来的相互间信任程度、主体间关系的紧密程度往往被认为对合作成功与否有很大的影响。合作关系体现在两个层次中，一是主体组织间的正式关系，二是个体间的非正式关系。Roland W S[11]在研究大学与企业的合作时对彼此的冲突和协同给予了重点关注。吴俊[12]研究发现产学研合作间的交互效应对新兴产业中的微观企业创新效率存在明显的正向影响。庄涛等[13]认为可以用大学—企业—政府联合申请的专利数来体现官产学合作的关系。借鉴已有研究，我们以产学研三方或其中两方联合申请的专利数占专利总数比重来体现产学研间的合作关系紧密或融洽程度。

（五）创新环境因素

有学者认为地区经济的发展可从消费和投资两个角度影响产学研合作。合作创新的新产品最终要接受市场检验和消费者的认可才能实现其商业价值，而地区经济的发展可提高当地的消费能力。另一方面，产学研合作需要各类资源的投入，资源投入要以相应的经济实力作保障，而地区经济的发展恰能为域内的协同创新提供物质基础和资源支持。本文以地区人均GDP来体现地区的经济发展程度。另外，鉴于人力资本因素一直被认为是创新活动中活跃的生产要素，而以交通基础设施完善程度为集中体现的地理区位条件是考察创新效率空间差异性的重要依据，故研究中将地区人力资本水平和地理区位条件也作为创新环境中的重要因素来分析。

表4 协同创新效率待验证解释变量及其度量指标的选择

四、空间面板计量模型的选择与实证分析

从上面表3中的检验结果可以看出，省区间的协同创新效率水平不是彼此独立的而是存在不容忽视的空间相关性。如果仅基于空间单元相互独立的假设而不将空间关联性纳入研究框架，则得出的研究结论会与现实产生严重的偏差。故在对可能影响协同创新效率的因素进行实证分析的过程中有必要采用空间计量模型。

（一）基于空间杜宾模型的计量分析

从Fisher提出空间计量经济学的相关理论之后，该学科得到了深入的发展。随着研究的深入，有的学者甚至认为空间回归模型的一般起点就是空间杜宾模型。[14]空间面板杜宾模型的一般形式如式（4）所示：

在式（4）中，Yt为被解释变量向量，Xt为解释变量向量，W为空间权重矩阵，αt为截距项。p、β和θ属于待估计参数，Xtβ体现了本地区解释变量对本地区被解释变量的影响，pWYt体现了其它地区被解释变量对本地区被解释变量的空间影响，WXtθ体现其它地区的解释变量对本地区被解释变量的空间影响。具体地，本文要验证表4中七个变量对产学研协同创新效率的影响，尤其是解析相关变量对创新效率的直接效应及空间溢出效应。结合本文的研究，先构建空间面板杜宾模型，再来验证该模型可否简化为空间滞后模型或空间误差模型，如果不能简化则说明采用空间杜宾模型是合适的。另外，利用Hausman检验法可以在固定效应和随机效应间进行选择，但选取的区域被视为固定抽样，故采取固定效应更适宜。本文预先构建的空间和时间双固定效应空间杜宾模型的一般形式如式（5）所示，其中Sie表示产学研协同创新效率。

先采用极大似然法（ML）试估计空间杜宾模型，利用Wald检验和LR检验发现应该拒绝原假设，从而说明采用空间杜宾模型是合适的，无需将模型简化为空间滞后或空间误差模型。基于空间杜宾模型对全国、东中西部地区的样本数据进行拟合，拟合结果如表5所示。它从考察期（2006-2015年）整体角度反映了产学研协同创新效率的空间关联特征，能够考察创新效率水平在全国及东中西部地区是否具有空间扩散或极化趋势。

在全国和东部地带的省际产学研协同创新效率存在明显的空间扩散效应，其系数估计值分别为0.1696和0.1701。对全国范围而言，其它省区的创新效率平均提高1个百分点，样本省区的创新效率将提高0.1696个百分点。对东部地带而言，域内其它省区的创新效率平均提高1个百分点，样本省区的创新效率将提高0.1701个百分点。由于东部地带是我国经济社会发展水平最高和创新资源要素最充裕的地区，该区域内各省区的产学研创新活动相对最为活跃，创新要素的投入与产出效率在全国处于领先水平，且该区域的创新人才、资本、技术存在向全国其它地区溢出的趋势，因此使得全国层面上的创新效率呈现出空间扩散趋势。然而，从表5可看出中部和西部地带的省际创新效率却存在一定程度的极化效应，即其它省区的创新效率平均下降1个百分点，样本省区的创新效率将分别提高0.1187和0.1446个百分点。中西部地区尤其是西部地区整体上经济社会发展水平较为落后，且各省间的经济发展和创新活跃程度存在更为明显的空间差异。一部分经济发展水平相对高的地区对协同创新资源产生吸聚效应，从而导致各省之间协同创新效率呈现出“强者恒强，弱者恒弱”的极化效应。

表5 双向固定效应空间面板杜宾模型估计结果

（二）空间效应分解

空间杜宾模型的回归系数不能直接用来衡量自变量对因变量的影响，而需要借助偏微分方程来实现这一目标。故本文结合偏微分方程来考察相关解释变量对协同创新效率的直接影响及空间溢出效应。具体地，先将式（4）转化为如式（6）所示的一般形式。

那么，被解释变量关于第K个解释变量的偏微分方程矩阵可以表达如下：

在式（7）中，对角线元素的平均值体现了直接效应，也就是本地区解释变量对本地区被解释变量的直接影响；非对角线元素的平均值则体现了间接效应，也就是其他地区的解释变量对本地区被解释变量的影响。在空间杜宾模型基础上结合偏微分方程获得各因素对协同创新效率影响的分解，见表6。相关因素对协同创新效率的总效应等于直接效应与间接效应之和。直接效应体现在以下两条作用路径中：一是本省区内的相关因素（如政府和金融机构支持）对本省区产学研协同创新效率的影响；二是本省区的相关因素先对其它省区协同创新效率产生影响进而通过空间交互作用又影响到本省区的创新效率。间接效应体现在以下两条作用路径中：一是其它省区内的相关因素，如企业-大学（院所）合作关系，对本省区产学研协同创新效率的影响；二是其它省区的相关因素先对该省区协同创新效率产生影响进而通过空间交互作用又影响到本省区的创新效率。

表6 协同创新效率影响因素空间效应分解

1.直接效应解析

从全国范围来看，大学及科研院所参与合作及转移知识的能力、企业吸收及应用知识的能力、政府及金融机构的资金或政策支持力度对产学研协同创新效率具有显著的积极作用，其影响系数分别为0.3213、0.2414、0.4301。意味着在这些影响因素方面每改善1%，平均而言会促使产学研协同创新效率分别提升0.3213%、0.2414%、0.4301%。然而，企业—大学—科研院所合作关系的影响系数却相对较小，仅为0.0876且在10%的水平下才显著。这说明直接创新主体间没有充分地协调配合，主体间1+1＞2的协同效应未能得到应有的彰显。研究表明，创新的间接主体即政府及金融机构联合支持的作用力相对最大，其值为0.4301。这与现阶段我国的社会经济实践情况是相符合的，政府在搭建协同创新平台乃至给予创新直接资助方面一直扮演着关键性的角色。然而，从长远来看区域产学研创新始终要以市场为基础来配置创新资源，应当妥善处理好政府与市场的关系。地理区位条件、地区人力资本和经济发展对样本省区协同创新效率的影响在5%水平上显著，这与预期的作用方向一致。

从东中西三大区域来看，东部地区各解释变量对创新效率的影响方向与全国层面的情况基本一致。但大学及科研院所参与合作及转移知识的能力、企业吸收及应用知识的能力、产学研合作关系的影响强度在东部地区要大一些。而在中西部地区，以上三因素对创新效率的直接影响强度要弱于全国层面中的相应强度，尤其是西部地区更明显。在西部地区，以上三因素的直接影响强度分别是0.2502、0.1771、0.0551。这与西部地区的经济社会实际情况是相符合的，西部地区的高校科研院所数量、规模、质量总体上都明显弱于东部地区乃至全国平均水平，企业研发投入力度相对较小从而吸收外来新技术知识的能力较弱。由于创新主体自身的建设不理想，产学研合作关系的提升与改善更是存在很大空间。不仅如此，地理区位条件、地区人力资本和经济发展程度在西部地区对样本省区协同创新效率的直接影响甚至在10%的水平上都不显著。这说明西部地区省份在交通基础设施的完备性、人力资本开发与储备及经济发展水平方面尚有很大提升空间，要尽快改善这些因素从而使其对产学研协同创新产生足够的正面影响。

2.间接效应解析

从全国范围来看，大学及科研院所参与合作及转移知识的能力对协同创新效率存在显著的正向间接效应，其影响系数为0.1307。这说明周边省区来自大学院所的技术成果成交越是活跃，对样本省区越是具有知识外溢的积极影响，从而提升样本省区产学研协同创新活动的活跃度；同时，周边其它省区高校院所在其区内的知识转移行为对样本省区也具有较强的示范效应。其它省区企业吸收及应用知识的能力仅对该省区协同创新效率的改善具有积极影响，而对样本省区产生的溢出效应并不显著。

政府及金融机构的资金或政策支持力度也存在明显的间接效应，其影响系数为0.1086，说明现阶段我国的产学研合作中政府起到了相当重要的推动作用。事实上政府不仅在资金方面给予支持且在创新政策供给方面也是有所作为的。比如通过制定有利于创新产品营销的政府采购倾斜政策能够减少产学研协同创新所面临的市场风险，推动其创新产品商业价值的实现。周边省区内政府和金融机构给产学研创新的支持对样本省区也具有较强的示范效应，样本省区的政府及金融机构通过仿效其做法，使得样本省区的创新效率得以改善。产学研的合作关系的间接效应不显著。在实践中产学研合作没有充分发挥出多边协调配合的功能，该变量对周边省区自身创新效率的改善作用本来就较小，对样本省区的空间溢出效应更是微乎其微。

地理区位条件对创新效率存在较明显的负的间接效应，其影响系数为-0.0745。如果周边其它省区自身的交通基础设施完善、区位条件有优势，那么这种良好的条件和优势对吸聚创新资源是十分有利的，因此对自身的创新效率改善具有积极作用。然而这也成为了争夺样本省区创新资源的重要原因，导致创新资源往优势省区汇集，这显然对样本省区创新资源的积累是不利的。地区经济发展水平和人力资本都存在不同程度的正的间接效应。如果周边其它地区经济发展水平较高，不仅可往样本省区溢出各类创新要素，同时也为样本省区的协同创新产品在这些省区拓展市场提供有力的条件。另外，样本省区可通过引进周边省区各类创新人才来提高自身的人力资本存量，利用其参与本省区协同创新活动，这对创新效率的改善无疑有积极作用。

就三大区域而言，东部地区各影响因素的间接效应在作用方向和强度方面与全国层面基本一致。但是在东部地区地理区位条件不存在明显的间接效应，这说明东部地区各省区交通基础设施都比较完善，不存在某一省区因为交通条件优势而对其它省区的创新资源产生明显吸聚效应进而对其协同创新产生负面影响的现象。在中部地区，地理区位条件对创新效率的负向间接效应也不显著，这说明在中部地区各省的交通条件并没有很大的差异性，也未出现因某省交通基础设施相对其它省区发达而对其创新要素产生吸聚效应的现象。然而，西部地区省区间在交通基础设施的完善程度方面存在较大差异，某些省区（如陕西省）相对于其它周边省区而言其交通条件具有优势，导致地理区位条件对创新效率的间接效应比较明显。与全国范围及东部地区明显不一样的是，中西部地区的地区经济发展水平和人力资本变量存在明显的负向间接效应。这说明在这些区域内某些省区因在一些大型城市经济增长极（如成都、重庆、西安等）的推动下，其省域经济的发展相对其它省份更具优势，这些省区往往能够吸引到更多的优秀创新人才，形成相对强势的人才储备，其它省区的创新要素资源容易被这些相对发达省区所吸聚。这种负向的空间溢出效应便是导致中西部地区内部省区间创新效率的差异化超过东部及全国层面的重要原因。

五、结论及对策建议

（一）结论

首先，产学研协同创新效率地区间差异较明显，且创新效率水平呈现明显的空间相关性。研究表明，创新效率的空间分布呈现出东中西梯度变化趋势，东部沿海地区的创新效率表现最佳、中部地区次之、西部地区创新活跃程度及效率最低。另外，产学研协同创新效率存在着空间相关性，各省区效率水平并非相互独立。全国和东部地区省际协同创新效率存在比较明显的空间扩散效应，而中西部地区尤其是西部地区的省际创新效率却呈现出显著的空间极化效应。东部地区各省间经济社会发挥比较均衡，创新资源在省区间的流动比较充分，从而使得协同创新效率水平在区域间呈现出均衡化的发展趋势。

其次，若干影响因素既对周边省区自身的协同创新效率存在直接效应，又对样本省区产生空间溢出效应。就全国范围来看，周边省区新技术知识的交易与转移及政府的扶持政策在省区间具有示范效应，创新人才及人力资本存在跨省区跨部门的流动，周边省区经济的发展促进了其创新要素的外溢并为样本省区的创新产品拓展了消费市场。这些因素成为了促进协同创新效率在区域间均衡化发展的关键性助推力量。在全国范围特别是西部地区，地理区位条件对其它省区协同创新存在明显的负向外溢效应。这说明交通基础设施的完善程度在全国尤其在西部地区省区间尚存在较大的差异性，这已成为了扩大协同创新效率地区差异的重要原因，应当引起重视。另外，企业吸收及应用知识的能力、三方合作关系的间接效应基本上都不显著。这恰好说明，当前没有真正确立起企业在创新中的主导地位，反而政府在协同创新中的作用更加突出。

另外，产学研合作关系不强便会导致创新资源整合和协同能力较为薄弱。在以后的产学研合作中企业的主导地位和三方的合作关系必须得到进一步强化，否则将严重制约产学研协同创新的深入推进。

（二）对策建议

由于若干影响因素既对本省区产学研协同创新产生直接影响，同时存在空间外溢效应，故本文依据对直接效应和间接效应的检验并借鉴已有研究成果提出旨在改善样本省区产学研协同创新以及促进省际间合作交流的对策。

对创新直接主体而言，一要构建高效的研发组织体系，二要增强企业的创新能力。要以推动世界一流大学和一流学科建设为契机，全面提升高校在人才培养、学科建设、技术研发及服务社会方面的能力，并且要认真贯彻协同创新“2011计划”，通过协同创新中心的建设有效地整合高校、科研院所及企业的各类创新要素，进一步优化高校的学科建设和人才培养。省域及省区间的高校应该加强科研和学术交流，实现科研资源的开放和共享，以市场需求为导向持续开展研发活动。另外，高校还应当完善人才培养模式，探索研究生培养产教结合、科教协同的新模式，努力培育出具有较强创新意识和实践能力的创新型人才。高校和科研院所应该积极探索针对科技人才的考核激励机制，建立健全科技人才分类考核的办法，对从事基础研究的科研人员应该适当延长考核周期，对从事应用性技术开发的人员应该注重市场检验和用户的评价，对科研辅助人员主要考核其服务水平及支持能力。各省区应该进一步强化企业的创新主体地位，突显企业在协同创新中的主导作用，确立以企业为核心的省内与省际企业-大学（科研院所）协同创新体系。企业自身要加大技术革新力度，改善内部管理流程，主动吸引各类创新要素集聚以持续增强其创新能力。通过培育出创新型领军企业，增强企业牵头域内及跨区间产学研创新项目的能力，同时领军企业不仅能更好地吸收来自域内外高校和院所的溢出知识，而且能够凭借自身较强的创新能力开展前沿技术攻关，从而推动企业迈向产业链的高端，提升其综合竞争力。另外，要创新组织管理及制度。在今后的产学研合作中要更加注重对产学研合作伙伴的评估和选择，协同创新模式的优化，加强对创新项目的监管，持续完善产学研协同的合作机制、信任机制、利益分配机制和激励机制，从而做到更有效地整合省内外创新资源，增强协同效应。

对创新的间接主体而言，政府应明确角色定位，强化自身在政策制定、公共服务和创新环境营造等方面的职能，对于产学研创新的具体任务实施和项目推进则应该充分发挥直接主体的作用。在政策制定方面，关键要完善支持创新的普惠性政策体系，比如产学研合作中研发费用加计扣除、固定资产加速折旧、新产品消费补贴等政策要切实加以落实。政府还要建立起符合国际规则的采购政策，利用首台套订购等政策手段帮助产学研创新产品拓展市场空间，降低产学研协同创新所面临的市场风险，从而提高各方创新的积极性。另外，政府要消除阻碍人才合理流动的障碍。各地区政府有关部门应该积极研究高校和科研院所的科研人员离岗创业的具体措施；同时，为了促进高校与企业的合作交流，应允许高校设置一些流动岗位吸引优秀的企业家和关键技术骨干来兼职。总之，政府部门应该为创新人才实现跨地区、跨部门、跨体制的流动创造良好的政策条件，尤其要出台优惠的政策措施吸引更多的优秀创新人才到中西部地区开展产学研创新工作，通过推动知识和人才的省际流动提升创新要素的空间溢出效应，促进产学研协同创新在区域间的均衡发展从而缩小地区间的差异。

对空间区域而言，一方面要构建各具特色的地区创新发展格局，另一方面要跨区整合各类创新资源，实现创新的区域协调发展。具体地，应该致力于培育东部省区的原始创新能力，加快创新驱动发展步伐，充分发挥其在各类创新资源方面对中西部地区的外溢与辐射功能。中西部省区则应该走跨越式、差异化及特色化道路，充分发挥特色资源优势，通过搭建合作平台主动引进东部发达省区的人才、知识等创新资源，加快适用性技术的应用与扩散，培育壮大地区内特色产业，从而实现对发达地区的赶超。为了实现产学研创新在区域间的协同发展，有必要构建起跨区域的创新网络，推动创新要素在区域间的互联互通，实现重大技术难题在区域间的联合攻关。另外，应当加大对西部欠发达省区的差别化支持，鼓励欠发达省区结合自身需求探索具有特色的创新驱动发展模式。尤其要以中部崛起战略、西部大开发战略及长江经济带发展战略的实施为契机，大力完善中西部地区的交通基础设施建设，降低中西部省区在协同创新过程中的交通运输成本，增强交通可达性。交通条件的改善能够有力地促进创新要素资源在区域间的流动，有利于产学研创新所需资源的扩散与集聚，从而提高创新资源的配置效率与产出水平。

[1]张钦朋.产学研协同创新政府引导机制研究：基于“2011计划”实施背景[J].科技进步与对策，2014（5）：96.

[2]Buzard K，Carlino G A. The Geography of Research and Development Activity in the U.S.[R]. FRB of Philadelphia Working Paper，2009：9-16.

[3] Capello R，Lenzi C. Spatial Heterogeneity in Knowledge，Innovation，and Economic Growth Nexus：Conceptual Reflections and Empirical Evidence [J].Journal of Regional Science，2014（2）：186-214.

[4]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）：11-18.

[5]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） ： 9- 12.

[6]张满银，温世辉，韩大海.基于官产学研合作的区域创新系统效率评价[J].科技进步与对策，2011（11）：130-133.

[7]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）：59-66.

[8]白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015（7）：174-187.

[9] Mirjam K， Deniz U， Mike W. The Relationship between knowledge transfer，top management team composition，and performance： the case of science-based entrepreneurial firms[J].Theory and Practice， 2011 （4）：777-803.

[10]张在群.政府引导下的产学研协同创新机制研究[D].大连：大连理工大学，2013.

[11] Roland W S. Conflict or synergy： university- industry research relations[J]. Accountability in research， 1997 （ 4 ） ：251 - 254.

[12] 吴俊，张家峰.产学研合作对战略性新兴产业创新绩效影响研究：来自江苏省企业层面的证据[J].当代财经，2016（9）：99-109.

[13]庄涛，吴洪，胡春.高技术产业产学研合作创新效率及其影响因素研究：基于三螺旋视角[J].财贸研究，2015（1）： 55-60.

[14]Elhorst J P. Spatial Econometrics： From Cross-Sectional Data to Spatial Panels [M]. New York： Springer， 2014.

责任编辑：詹花秀

F2

A

1004-3160（2017）05-0091-11

2017-05-31

国家自然科学青年基金项目“嵌入新国际分工网络体系的集群企业跨区域协同创新动力机制与激励模式研究”（项目编号：41301114）；国家自然科学基金项目“基于地域产业承载系统适配性的产业集群式转移时空演替机理与调控模式研究”（项目编号：41271139）。

1.易秋平，女，湖南攸县人，湖南科技大学商学院博士生，主要研究方向：技术创新和区域经济；2.刘友金，男，湖南浏阳人，湖南科技大学教授、博士生导师，主要研究方向：技术创新和区域经济；3.贺灵，男，湖南平江人，湖南科技大学商学院讲师，主要研究方向：绩效评价与科技创新管理。