高校科技成果转化绩效评价及影响因素

才启冉 赵 琦 温宏建

（诺信金融研究院，天津 300202）

目前，国内对于高校科技成果转化的研究主要集中在以下几个方面：高校科技成果转化的内涵、过程和转化机制；高校科技成果转化能力评价指标体系建立及评价方法的研究；分析影响高校科技成果转化的因素。例如，郭俊华等[1]运用因子分析和聚类分析，通过建立转化条件、转化实力、转化效果3个维度的评价指标，探究我国各地区高校科技成果转化能力差异的影响因素。罗茜等[2]运用DEA-Malmquist模型对江苏省高校科技成果转化效率进行了测度分析，并应用扎根理论对效率差异进行深层次研究。黄伟[3]运用回归分析方法，提出当前影响科技成果转化绩效的要素为科技资源投入、科技成果、区域经济环境。

这些研究大多数采用数据包络分析法探索高校科技成果转化能力，很少学者运用因子分析法对我国高校科技成果转化绩效进行综合评价。本文的研究则基于国内外已有研究成果，对2015年全国31个省份（除港澳台外）的高校科技成果转化绩效进行综合评价，分析各地区高校科技成果转化绩效的差异以及影响高校科技成果转化的主要因素。

1 高校科技成果转化绩效评价指标与数据来源

明确高校科技成果转化评价指标是进行成果转化评价的关键，通过阅读、整理多篇相关文献，本文对具有较高参考价值的相关文献评价指标进行梳理，梳理结果见表1。

由于受数据可得性的限制，本文依据相关文献梳理的评价指标体系选用22项指标对高校科技成果转化绩效进行分析，如表2所示。其中，转化条件包括科技活动人员、科技机构及科技经费，反映了高校科技活动转化的基础条件；转化实力主要科技项目、科技成果，反映了高校科技成果的产出情况，体现高校科技成果的转化实力；转化效果包括知识产权与专利、成果获奖及技术成果转让，反映了高校科技成果转化后实现的经济价值，即转化后的效果或情况。

本文使用的数据来源于教育部科技司发布的《2016年高等学校科技统计资料汇编》和国家统计局编辑的《2016年中国统计年鉴》①人均GDP和居民消费价格指数（CPI）指标数据来源于由国家统计局编辑的《2016年中国统计年鉴》；各地区高等学校科技活动的指标数据来源于《2016年中国高等科技统计资料汇编》。缺失数据以“0”代替。。由于受数据的可得性限制，本文选取除港澳台外的其他省、自治区、直辖市为研究对象，共有31组。本文采用SPSS 18.0软件进行分析。

2 因子分析的KMO检验与因子提取

因子分析结果显示，KMO的值为0.705，表明所选变量适合进行因子分析，且效果较好。巴特利特球度检验的近似卡方值为1315.584，对应的概率P值为0，小于显著性水平0.05，说明变量之间存在相关性，比较适合进行因子分析。

根据因子分析结果可以看出（表3），前3个公共因子的累计方差贡献率达到85.48%，包含了绝大部分指标具有的信息。因此，本文提取这3个因子分别作为第一公共因子（F1）、第二公共因子（F2）和第三公共因子（F3）。

表1 高校科技成果转化评价指标文献梳理

表2 转化条件指标体系

① 企业委托高校所做的科研项目收入指标主要用比值求法获得其预估数值。假设企业委托学校所做项目的投入一定会有相应的产出，则企业委托学校所做科研项目的收入=规模以上工业企业新产品销售收入×（企业委托学校所做科技项目投入经费/规模以上工业企业内部经费支出）（注：这里的规模以上工业企业的总产值占全国企业的90%以上，理论上可以代替全部的企业进行研究）。对于各地区，此因素无法找到相关数据，不予考虑。

② 高校科技企业收入（或利润）总额主要是指校办企业的科技成果转化所获得的收入（或利润）总额，因数据无法获得，实证研究方面不予考虑。

③ 市场化指数采用居民消费价格指数（CPI）表示。

表3 因子解释原有变量总方差情况

3 因子的命名、得分系数矩阵与得分排名

结合评价指标体系，表4表明，第一个公共因子F1在直接服务于科技成果转化的工作人员（X3）、用于科技成果转化经费支出（X7）、直接关涉可转化应用和服务项目数量（X9、X10）、高校科技成果转化直接表现专利相关统计因素（X14、X15、X16）以及技术转让合同（X19）上载荷较大。这个因子主要涉及两类：一是科技成果转化的直接影响因素，这些因素的提高可以直接提高科技成果转化率；二是技术转化的表征因素。因此，将F1命名为“直接表征因子”。

第二个因子F2涵盖高校科学研究的基础因素，在教学科研人员的数量（X1、X2）、研究机构数量（X4）、基础研发经费数量（X5）、国家级项目验收（X13）、省部级获奖数量（X18）等指标上载荷较大。F2也包括了两类因素：一是科学研究和技术发展的基础因素，可转化的技术就是在这些因素基础上发展的；二基础科研成果的表征因素。因此，F2可命名为“基础表征因子”。

第三个因子F3是本研究中的创新点，在高校科技成果转化绩效评估指标体系中加入区域经济发展和市场化因素。结果表明，区域经济环境因素作为主要公共因子凸显出来，可见，地方经济发展水平（X21）和居民消费水平CPI（X22）对高校科技成果转化起到重要的作用，F3可以命名为“区域经济因子”。

利用因子分析法得出2015年我国高校科技成果转化的因子得分系数矩阵（表5），由此可以得出3个公共因子的计算模型，分别为：

表4 旋转后的因子载荷矩阵

表5 因子得分系数矩阵

综合得分排名如下：

第一公共因子（F1）的方差贡献率比例α1= 41.714%/85.480% =48.80%，

第二公共因子（F2）的方差贡献率比例α2= 31.270%/85.480% =36.58%，

第三公共因子（F3）的方差贡献率比例α3= 12.496%/85.480% =14.62%。

以提取3个公共因子的方差贡献率比例作为权重，结合各因子得分，可以建立各地区高校科技成果转化绩效的综合评价模型：F=α1×F1+α2×F2+α3×F3。根据3个公共因子的得分和综合评价模型，计算出各地区综合得分，对我国各地区高校科技成果转化绩效进行综合评价并进行排名，具体见表6①表6中各地区高校科技成果转化绩效因子得分和综合得分有很多为负，并不代表地区的高校科技成果转化绩效为负。经过对原始数据进行标准化处理，表6中显示的结果是高校科技成果转化绩效的相对值。。

对比各地区的因子得分和综合得分排名，发现大多数地区的综合排名与3个公共因子的排名并不完全一致，这说明各公共因子对各地区高校科技成果转化影响不同，进而影响了高校科技成果转化绩效的综合排名。根据综合得分排名显示，高校科技成果转化绩效位于前三的是江苏省、北京市和上海市，说明这3个地区在高校科技成果转化方面比较好。

4 聚类分析

以SPSS软件做出聚类树状图（图1），将全国31省份的高校分为7类（表7），实际上代表7种不同科技成果转化模式，其中北京市、上海市和江苏省3个孤立的省份各自显现出独立模式。另外4个模式具有群组特性，各有不同典型特征。

（1）第一组为3个孤立省市：北京市、上海市和江苏省。

北京模式和上海模式：作为经济和文化中心，北京市和上海市都具有区域经济发展水平高、高校集中、基础科研实力强的共同点，在F2和F3均表现强劲，但是北京市的F1（直接表征因子）仅为0.048，说明科技成果转化的直接因素非常弱。上海市的3个指标相对均衡。

江苏模式：江苏省得分最高。但是，其基础科研能力F2并不高，主要表现在F1得分高，说明具有强有力的科技成果转化直接能力，并且有良好的成果表征。同时所在区域经济发展水平高。江苏模式与北京模式相比，形成明显反差。江苏省科技成果转化的直接表征因素得分较高，这个数据极其独特，其原因还有待深入地进行专题研究。

（2）第二组可分为4个模式：每一个模式都聚集了特征相似的数个省区市。

中东部模式：这个群组包括湖北省、陕西省、广东省、山东省、浙江省、四川省、湖南省、安徽省、河南省、河北省和山西省11个地区，是综合得分排在前半部分的地区。以中东部的地区为主体，可以称为“中东部模式”。这部分地区的科技成果转化因子分布也不相同，其中湖北省、陕西省、浙江省、广东省和山东省为一个子群组，F1和F2得分较高，F3得分离散度高，这些区域或是高校较集中、或是企业较发达，高校科技成果转化需求旺盛，存在丰厚土壤。群组中其他地区，也普遍具有较强的高校实力，基础表征因素F2强劲，但是F1和F3在同组中普遍较低。

表6 各地区高校科技成果转化绩效因子得分与综合得分

东北模式：黑龙江省、吉林省和辽宁省为一组，从区域上可称为“东北模式”。这一组特点是F1和F3得分都低，符合区域特点。这个区域是传统的发达地区，高校集中，实力较强，但是近年来经济发展失势，科技成果转化空间自然受限，因此，影响了总体科技成果转化水平。

西部模式：这一组包括重庆市、福建省、江西省、广西壮族自治区、云南省、内蒙古自治区、甘肃省、贵州省，海南省和宁夏回族自治区。除福建省、江西省外，本组主要以西部地区为主，因此可称为“西部模式”。与其他地区相比，该区域高校教育资源贫乏，且经济基础较弱，可转化的资源和环境影响了转化能力。实证结果也表明3个公共因子得分普遍偏低，即基础表征因素F2和区域经济因素F3都弱，而直接表征因子F1自然偏弱。

少数民族地区模式：这一组中包括天津市、青海省、西藏自治区和新疆维吾尔自治区。除天津市之外，这3个省区均位于西部地区，但处于少数民族聚居区，因此，可以称为“少数民族地区模式”。由于地缘环境与历史进程的原因，西藏自治区等边疆地区的基础教育起步晚、发展速度慢，虽然随着科教兴国战略的深入实施有所改善，但与其他地区的差距仍较为明显。实证结果也表现出相同的情况，基础表征因子F2很低，直接表征因子F1是全国最低的，说明科技成果转化能力很弱。天津市作为教育和经济水平较高的省市也被归到这一模式中，较为特殊，其原因有待深入研究。

图1 各地区高校科技成果转化绩效聚类树状图

表7 各地区高校科技成果转化绩效聚类结果

转化条件线性回归结果如表8所示。结果显示，当显著性水平α=0.05时，的系数的P

5 回归分析

剔除了区域经济环境因素，将原始数据标准化后进行线性回归分析。

（1）转化条件的影响值均接近为0，因此在显著性水平0.05下，回归结果均通过F检验和t检验，而且系数均为正值。回归结果表明，相对研究与发展人员和经费，R&D成果应用及科技服务人员和经费对提高高校科技成果转化能力有较大的正向影响。

（2）转化实力的影响

转化实力线性回归结果如表9所示。结果显示，在显著性水平为0.05的情况下，回归方程通过F检验和t检验，且系数均为正值。回归结果表明，相对于研究与发展项目数和科技服务项目数，R&D成果应用项目数量的增多更有助于高校科技成果转化能力的提高；在科技成果方面，科技著作和学术论文对高校科技成果转化绩效的正向影响较大。

（3）转化效果的影响

转化效果线性回归结果如表10所示。结果显示，从统计检验来看，在显著性水平为0.05的条件下，回归方程通过了F检验和t检验。结果表明，高校科技成果转化绩效值与知识产权与专利、国家级奖项和技术转让合同数呈现正相关关系，且系数值无显著差异。因此，知识产权与专利、国家级奖项和技术转让合同这3个因素的增加能够有效地提高高校科技成果转化能力。

6 结论与建议

表8 转化条件线性回归结果① 转化条件线性回归结果在线性回归过程中剔除了教学与科研人员数量（X1）这个因素。

表9 转化实力线性回归结果② 转化实力线性回归结果在线性回归过程中剔除了国家级项目验收（X13）一个因素。

表10 转化效果线性回归结果③ 转化效果线性回归结果在线性回归过程中剔除了省部级奖项（X18）和技术转让收入（X20）这两个因素。

通过文献研究，综合可获取数据，建立了以转化条件、转化实力、转化效果和区域经济环境4个方面为框架的高校科技成果评价指标体系。在此基础上，首先通过因子分析，对全国31个省份（除港澳台外）的高校科技成果转化绩效进行评估，并进行了聚类分析，区分出不同转化类型，分别为江苏模式、北京模式、上海模式、中东部模式、西部模式、东北模式和少数民族地区模式。因子分析表明，区域经济发展对高校科技成果转化有重大影响，但是影响的具体原因和作用机制不清，有待进一步研究。此外，政策、法规和外部因素对高校科技成果转化的影响，本文尚未涉及，还有待进一步探讨。

现对提高高校科技成果转化能力提出以下几点建议。

（1）加强高校科技成果转化政策落实和投入，对于提高科技成果转化效果具有直接的加速效果。高校科技成果转化是政策敏感度很高的一项活动，这一点在因子分析结果中已经论证。

（2）科技成果转化存在着创新推动和需求拉动的两个动力源。目前分析中显现的高校科技成果转化存在区域差异，应该主要是不同区域中企业对科技成果需求差异造成的。因此，加强科技成果转移创新推动，在政策制定和落实上占有重要地位。同时，加强高校实力较强区域（如东北和中西部一些省区）跨区域合作，是推动科技成果转化短期有效的方式。

（3）合理分配政府资金投入比例。本文研究提取的基础表征因子F2说明，提高高校科研能力对高校科技成果转化有持久的长期效应。同时，以往研究也表明，科技成果转化对高校科研教学均有正相关性。因此，高校科技成果转化机构建设与高校科研能力之间存在着相互促进作用，这一结果意味着，在合理的范围内，不扩大总投入，仅在科研费用与转移费用之间重新分配比例，就可以促进双方共同发展。