产学研区域共生系统协同创新效率研究

段云龙，乐 念，王墨林,2

(1.云南财经大学国际工商学院，云南 昆明 650221；2.华东理工大学商学院，上海 200237)

0 前言

截至2016年，我国的研究与试验发展经费支出、人员投入分别达到15500亿元和375万人，呈逐年增长趋势，并且研究经费总量早在2013年超过日本，投入强度达到中等发达国家水平，居发展中国家前列。然而，科技产出的结果却不尽人意。《中国科技统计年鉴2016》的数据显示，西藏、新疆、贵州等经济欠发达的省份，政府、企业和高等院校等研究机构每年投入大量的人力、物力和财力，得到的科研产出却经常与投入不成正比。甚至像陕西这样的经济较为发达的地区，历年的科研投入强度均超国家平均水平线，但2015年的有效专利申请数却只有86053件，远远低于国家平均数140952件。因此，有必要对区域各创新主体科研创新效率进行深入分析，尤其是对共生系统下不同创新主体之间的耦合性进行研究。

目前国内外关于协同创新效率的研究主要集中于两个方面：相同创新主体之间和不同创新主体之间。相同主体之间的协同创新研究多集中在企业、高校和科研院所等机构，如Berchicci[1]、Kim和Park[2]、解学梅等[3]分别用不同的方法研究了内外部环境如市场环境、宏观环境、企业创新能力等对多个企业之间协同创新绩效的影响作用。有关高等院校之间的研究，李祖超和梁春晓[4]依次从其思想、利益分配方式和评价指标等方面，分析了高等院校内外部协同创新几种运行方式的优缺点。尹洁等[5]基于高等院校科研团队知识共享机制，通过对江苏省重点高等院校发放问卷的方式，分析了影响高等院校之间协同创新效率的因素。关于科研院所之间的协同创新，Dyer等[6]认为由于网络资源分配和知识整合过程存在异质性，导致协同创新网络中企业所属的研究机构创新绩效有明显差别。温珂[7]对我国101家公立研究院所进行实证研究，发现协同创新绩效较好的科研机构在内部知识转移、资源调配和战略协调等方面具有明确制度，这对于优化资源配置，提升协同创新能力十分关键。关于不同主体之间协同创新的研究，比较经典的研究是Herry Etzkowitz[8]的 “三螺旋”结构模型，该模型详细阐述了政府、产业、大学在共生系统中的协同创新作用。邓彦龙等[9]认为内、外部社会资本能显著提高工业企业的创新绩效，外部社会资本能显著提高研究机构的创新绩效，却阻碍高等院校创新绩效的提高。此外，Fuentes等[10]、Li[11]、范斐等[12]、叶斌等[13]均从不同角度对区域协同创新有所关注。

综上所述，国内外关于协同创新效率的研究已相对丰富，但还有以下几点值得深入思考：第一，研究对象选取过于单一。已有文献主要集中于单一或两个创新主体之间的协同创新效率，而在区域共生系统中往往存在三个或三个以上的创新主体。第二，缺乏对区域共生系统耦合机制的研究。学者在这方面的研究多数集中于个体之间的投入—产出—绩效，忽略了产学研之间的相互交流、协同共生的机制。第三，数据收集和方法选择存在不足。国内外学者在区域协同创新的研究中都倾向于使用调查问卷的方式，虽然该方法在一定程度上能够用来测度创新绩效，但主观性过于严重，缺乏客观数据的支撑。模型选择方面，大多数学者选择采用多元回归分析，方法过于简单，而协同创新效率是十分复杂的问题，该方法能否真正反映其中存在的问题还需考量。

本文从相关年鉴中选取2015—2016年各省创新主体的科研投入—产出数据，采用超效率网络数据包络分析模型，将研究机构、高等院校、企业有机结合起来，分析共生系统下三者之间的耦合性和协同创新效率，建立 “金字塔型共生演化”模型，对各地区的协同创新耦合度进行聚类分析。

1 区域协同创新效率评价模型构建

1.1 评价方法的选取

数据包络分析 (DEA)最早是由Charnes等[14]创建的一种针对生产过程中分析投入—产出效率的方法，经过各国学者近40年的反复推演，DEA模型已经日趋成熟。经过改进的DEA模型可以针对复杂的投入—产出内部生产结构，如Matthews[15]构建了中国银行的风险管理组织、实践的相关指标，并利用网络DEA模型进行风险评估。韩松等[16]根据银行业的运营特点，对银行的运营过程进行分段处理，并采用复杂网络DEA模型评估中国商业银行的整体结构效率。杨立生等[17]为了研究相关工业企业的绿色持续创新效率，采用SBM-DEA模型和30个省份2011—2015年的面板数据构建企业绿色持续创新效率指标体系。Li[18]将生产可能性集分为独立型、关系型和合作型，并对各种类型依次做出了评价。当考虑系统内部结构时，相较于网络DEA模型，独立型和关系型对应的模型并不适合用来衡量网络系统内部相互合作的效率，但网络DEA模型也是由传统DEA模型演化而来，摆脱不了传统DEA模型不能对每个决策单元 (DMU)排序的缺点。超效率DEA模型的出现很好地解决了这一问题，例如，迟国泰等[19]对我国14个行政区进行分类之后，建立超效率DEA模型对这14个DMU进行完全排序。超效率DEA的核心思想是将除被评价决策单元之外的所有其他决策单元进行线性组合，这样就可以有效地提高该模型的辨识率，进而对各决策单元进行完全排序。基于此，本文采用超效率网络DEA模型评价研究机构、高等院校、企业三者之间的协同创新效率，将由传统DEA模型演化而来的网络DEA模型改进为超效率网络DEA模型 (SE-网络DEA)，旨在研究产学研各主体协同创新效率，对其进行全排序。

1.2 区域协同创新视角下SE-网络DEA模型简介

现有区域协同创新模式主要是产学研两者或者两者以上创新主体之间物质、信息、能源等要素的互换，并通过不同主体之间多方合作、优势互补，从而使协同创新共生系统具备一个良好的发展前景。那么，协同创新共生系统的核心思想如下：共生环境下各创新主体通过内部共生合作机制进行资源的频繁互换，实现更高的创新产出。本文的研究对象主要是我国各区域研究机构、高等院校、企业之间的协同创新效率，其共生活动流程见图1。

图1 共生环境下各创新主体共生活动流程

图1中各创新主体的投入—产出分为两个部分：一部分是各创新主体在共生系统下投入的如人力、财力、物力等资源和产出的如专利、论文、新产品收益等，即研究机构与共生系统的投入X1产出Y1、高等院校与共生系统的投入X2和产出Y2、企业单位与共生系统的投入X3和产出Y3。另外一部分是各创新主体在内部共生系统中相互之间的如资金、人才、技术转让等的 “投入—产出”，即研究机构与高等院校之间的投入产出 (Z1、Z4)、研究机构与企业单位的投入产出 (Z2、Z5)、高等院校与企业单位的投入产出 (Z3、Z6)。

为了将此模型一般化，假设我们的研究对象有N个决策单元，其对应的共生系统下的投入产出指标X1、X2、X3、Y1、Y2、Y3、Z1、Z2、Z3、Z4、Z5、Z6，分别有A、B、C、D、E、F、G、H、I、J、K、L12种，其对应的权重分别为a、b、c、d、e、f、g、h、i、j、k、l。在规模报酬不变的情况下，如果不考虑各创新主体在区域协同创新系统中的共生关系，可以得到如下第n个决策单元的创新效率评价DEA模型。

(1)

在考虑区域协同创新共生关系的前提下构建模型需满足以下两个条件：第一，权重保持一致，即无论作为投入产出指标还是哪个创新子过程，其权重必须保持一致；第二，投入大于产出，无论是在创新子过程还是在三大主体协同创新过程中累积产出不能大于累积投入，即需符合生产前沿面的条件。在满足上述条件的前提下创建如下考虑共生关系的第n个决策单元的协同创新效率评价DEA模型。

(2)

在得到不考虑共生关系和考虑共生关系的第n个决策单元创新效率之后，可以利用如下公式评价该区域各创新主体在共生系统下的耦合性：

(3)

为了更好地评价各决策单元以及对其全排序，模型 (1)和模型 (2)均采用超效率DEA的计算方法进行测度。

2 区域协同创新效率评价数据来源和指标选取

2.1 样本选择和数据来源

由于台湾地区、香港特别行政区、澳门特别行政区、西藏的相关数据缺失，本文将除去这四个地区以外的30个省级行政单位列为研究对象，共计30个决策单元。投入指标数据来源于 《2015年中国科技统计年鉴》和 《2015年中国统计年鉴》，产出指标数据来源于 《2016中国科技统计年鉴》和 《2016年中国统计年鉴》。

2.2 评价指标的选取

产学研协同创新是各主体部门多方联动的过程，本文在整合研究机构、高等院校、企业单位等各方面数据资源的同时，对这三个主体的投入—产出协同创新过程进行研究，采用文献综述的方法对各创新主体的指标进行筛选，并对最终选取的指标进行描述性统计和相关性分析。

关于产学研协同创新指标选取方面，Buesa等[20]在研究欧洲区域创新决定性因素时将三大主体的科研人员和经费作为影响科研创新投入的主要因素，而将各主体的每年申请专利数作为测量科研产出的工具。Graf等[21]、Cowan等[22]、Fritsch等[23]分别研究了科研机构、高等院校和企业单位三大主体在区域协同创新中发挥的作用，他们分别将科研人力投入、科研经费支出、各主体之间协作合同成交额等指标作为投入变量，将申请专利数、发表论文数、企业新产品收入等指标作为产出变量。彭诚等[24]在采用两阶段DEA模型评价科技投入效率时，将科研投入—产出指标分为科技投入、科技应用投入、科技成果产出和产业产出四个一级指标，并在此基础上进行了细分。齐亚伟[25]同样采用科研人员全时当量和科研经费内部支出作为投入指标，将专利申请数、技术合同成交额、新产品销售收入等变量作为产出指标来测度三大主体的创新效率。毛金祥等[26]在研究长三角区域创新影响因素时的创新指标投入指标有专利授权量、核准注册商标量和新产品销售收入，并加入一组控制变量：经济发展水平、金融发展水平、教育水平、对外开放度、市场化水平等。基于以往国内外学者的研究，由于不同主体在区域协同创新过程中行使职能的差异性导致各创新主体产出形式的多样化以及科研 “投入—产出”过程的滞后性，本文选取的具体评价指标见表1，并利用SPSS20.0软件对依据各指标收集的数据进行描述性统计。

在DEA模型中投入—产出指标的筛选十分关键，SE-网络DEA也不例外。鉴于此，为检验选取指标的可靠性，本文利用SPSS20.0软件对区域创新系统中的三大创新子过程的投入—产出指标进行相关性分析。分析结果显示三大创新子系统各指标之间呈高度正相关关系，且大部分指标之间的相关性系数均超过0.5，说明本文选取的区域创新系统中的指标存在一定的合理性。由于篇幅所限，表格不再列出。

3 实证结果及分析

3.1 区域创新系统下各地区三大创新子过程效率分析

首先，利用Matlab2017b软件进行编程，将在协同创新共生系统下的三大主体分离出来，对其创新子过程进行分析，得到的效率见表2。将研究机构的科研创新效率值作为X轴，高等院校的科研创新效率值作为Y轴，企业单位的科研创新效率值作为Z轴，绘制出三大创新主体的三维散点图，见图2。若以1为效率值临界点，三维散点图可以分为以下三个部分：①决策单元的三大创新主体效率值均大于1的城市，这类地区不仅在科研创新投入转化为技术成果的过程中，而且在技术成果转化为创新性收入方面的效率都相对较高，其中有北京、上海、重庆等地区；②研究机构、高等院校、企业单位这三大创新主体中只有1～2个处于高效率状态，其中有天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、江苏、浙江、安徽、江西、山东、河南、湖北、湖南、广东、广西、海南、四川、贵州、新疆等地区，这些地区在创新资源投入利用率方面或在成果转化效率方面存在不足。当处于前者的状况时，政府等部门应根据自身情况制定激励政策刺激科研人员工作积极性，并且要适当改善经费管理制度，严格控制科研经费的使用情况。当处于后者状况时，企业单位可以组建市场调查小组，对所在地区的消费者进行充分调研，摸清地区市场状况，在与研究机构和高等院校加强交流的同时，对科技成果进行适当改进，满足消费者的消费需求，从而提高科研成果转化率。③各决策单元的三大创新主体效率值均小于1的城市，其中有福建、云南、陕西、甘肃、青海、宁夏等地区，表明这类地区在资源投入转化为成果的过程中和技术成果转化为经济收益等方面的效率都相对较低。这类地区应当首先从提高科研产出的数量和质量入手，改善科研创新资源的利用率，然后再逐步提升科研成果的转化率，从根本上解决区域创新三重低效的问题。

图2 区域创新系统下三大创新子过程效率三维散点图

表1 区域协同创新主体评价指标

表2 区域创新系统下三大创新子过程效率得分

3.2 区域创新共生系统下各地区耦合度分析

根据上述模型，分别将区域创新共生系统看作一个整体和分割的三个子系统，利用Matlab2017b软件进行编程，计算出不考虑共生关系和考虑共生关系下的区域创新共生系统的效率，计算出各决策单元的耦合性得分，见表3。从表中可以看到，不考虑共生关系时的创新效率得分要大于考虑共生关系时的效率得分，说明当从整体的角度计算区域创新共生系统效率得分时，忽略了共生系统内部各子系统之间的协作互动关系，从而高估了区域创新系统的效率得分。

在不考虑共生关系时，北京、天津、辽宁、吉林、黑龙江、上海、江苏等16个城市的创新效率得分大于1，说明这些地区的区域协同创新生产活动均位于生产前沿面，其生产活动相对有效。而山西、内蒙古、海南3个地区的创新效率相对较低，还有很大的提升空间。在考虑共生关系时，位于生产前沿面的城市由16个减少到了5个，分别为北京、上海、江西、山东、重庆，而相对效率较低的城市则由3个增加到了12个。为检验两种情况下创新效率得分是否显著，本文采用Wilcoxon符号秩的方法对两者的显著性进行检验，结果显示：两者之间的显著性得分为0.000，差异显著，这也再次说明了在不考虑共生关系时得出的创新效率得分有偏误。从各决策单元区域创新共生系统的耦合度得分情况来看，北京、天津、河北、上海、浙江、重庆6个城市为代表的地区得分偏高，而内蒙古、江西、河南、广东、广西、海南、云南、陕西、青海、宁夏、新疆11个城市为代表的地区得分偏低。可以看出那些得分偏高的地区大多为经济较为发达的地区，这些地区一般创新资源丰富、政府鼓励政策多样化、部门之间科技创新交流频繁，导致该地区各创新主体之间耦合度较高，而那些得分较低的地区情况却恰恰相反。为了更细致对各决策单元耦合度得分进行分类，接下来利用聚类分析的方法对上述结果进行细分。

表3 区域创新共生系统效率得分

3.3 区域创新共生系统下各地区耦合度聚类分析

Jensen等[27]和Boons等[28]都认为，地理的集聚是产业共生发生的必要条件，并从产业角度分别讨论了工业共生和技术—经济共生模式的利弊。生延超[29]在研究技术联盟和区域创新体系的形成过程中意识到两者具有融合共生的趋势，将共生模式分为了重叠共生模式、交叉融合共生模式和包含融合共生模式，分析了各模式独有的特征。胡浩[30]等人从区域创新主体相互协作的角度出发，在中观层面提出了区域多创新极共生演化模型。王珍珍[31]从共生演化理论出发，认为区域制造业与物流业将由非对称互惠共生向对称互惠共生模式转化。基于以上研究，本文将共生演化理论模型和我国当前各地区创新共生系统下耦合度相结合，提出 “点、线、面、一体化”的共生模式，利用系统聚类分析法中的欧式距离计算各地区之间的距离，距离越近的省份，其耦合度越具有相似性，然后根据各地区耦合度的相似性进行逐步合并，将具有较高相似性的地区聚类在一起，并建立 “金字塔型共生演化”模型，以期对我国各地区目前的协作创新状况进行分析。

根据聚类分析的结果，构造 “金字塔型共生演化”模型，见图3。其中内蒙古、赣、豫、粤、桂、琼、滇、陕、青、宁、新11个城市聚类在一起，由于这些地区各创新主体之间耦合度较低，将其归入点共生模式。点共生模式一般出现在市场形成的初始阶段，这时候市场中的企业管理、技术研发和合作交流等机制完善度不高，再加上市场前景的模糊性，导致各创新主体之间的合作交流具有随机性和不稳定性，所以这种模式的最主要特征就是协同创新的周期短、频率低。线共生模式也是我国各地区当前普遍存在的模式，其中主要有晋、辽、吉、黑、苏、皖、闽、鲁、鄂、湘、川、贵、甘13个城市。这种模式下，各地区市场的相关制度已经较为完善，各创新主体之间内部和外部的交流频繁，为了寻求利益最大化，各部门之间要素资源不断融合，呈现出相对稳定的态势。相较于前两种模式，面共生模式多发于京津冀和长江三角洲等经济发达地区，其中主要有京、津、冀、沪、浙、渝6个城市，在这种模式中的地区各创新主体之间多表现为合作长期且范围广、交流频繁且密切、各部门运行稳定且高效等特征。在一体化共生模式下，各参与协同共生的主体之间的人力、资金、物质、信息等资源都处在内部循环的状态，各部门之间多边交流畅通无阻，相互补充共同协作，并且关系稳定，具有较强的互惠互利性。但从聚类分析的结果来看，由于各地区域协同创新耦合度没有达到1，所以本文认为区域共生模式中暂时还不存在一体化共生模式。

图3 金字塔型共生演化模型

3.4 实证结果分析

第一，区域创新系统下我国各地区的研究机构、高等院校、企业单位三大创新主体的效率极其不均衡，只有北京、上海、重庆3个城市的科研创新效率值大于1，位于生产前沿面上；其余大部分城市如天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、江苏、浙江、安徽、江西、山东、河南、湖北、湖南、广东、广西、海南、四川、贵州、新疆等地区存在1～2个主体科研创新效率较低，剩下的地区如福建、云南、陕西、甘肃、青海、宁夏等地区三大创新主体的效率值均小于1，科研创新效率均未达到生产前沿面，从中可以看出大部分城市是属于西北较为贫困的地区。

第二，在采用Wilcoxon符号秩的方法对考虑共生关系和不考虑共生关系时计算得出的科研创新效率得分进行差异性检验时，发现两者确实存在显著性差异，并且各决策单元在不考虑共生关系时得出的科研创新效率得分比考虑共生关系时得出的结果都偏高，这也表明不考虑共生关系时得出的结果是存在偏误的。而从区域创新共生系统下各地区耦合度得分的结果来看，目前只有北京、天津、河北、上海、浙江、重庆6个城市得分偏高，这些地区都处在经济发达和科研水平较高的地区，而内蒙古、江西、河南、广东、广西、海南、云南、陕西、青海、宁夏、新疆11个城市的耦合度得分偏低，大部分城市位于西北偏远地区，创新投入资源较为匮乏。

第三，在前人研究基础上，本文提出 “点、线、面、一体化”的区域创新主体协同共生模式，并根据当前各地区创新共生系统下耦合度得分的具体情况，采用聚类分析的方法将各地区对号入座，分析指出目前区域共生模式中暂时还不存在一体化共生模式，并且大部分城市都处在点、线共生模式中，处于较高水平的面共生模式中的城市较少且大部分处于京津冀和长江三角洲等地区。最后，通过对各地区耦合度得分及其当前所处共生模式的观察，提出目前区域创新共生系统下各地区会沿着点、线、面、一体化的 “正金字塔型”方向转化，并最终发展成为 “倒金字塔型”的格局，但这一演化过程并不是一帆风顺的，而是要经过多方共同协作才能促成。

4 结语

第一，针对区域共生系统下各地区创新主体出现科研创新效率不均衡的情况，各地区应根据自身的实际情况做出相关改善措施。如研究机构或高等院校科研创新效率偏低时，各部门应出台相关政策严格控制科研经费的使用，对科研人员的个人素质能力进行严格把关，从生产源头解决科研创新的低效率问题；当企业单位科研创新效率偏低时，应当在注重市场需求情况的同时，改善产品各方面属性，从而提高技术成果转化率。

第二，综合区域创新子系统和共生系统得出的科研效率得分来看，其中有一个共同特点：创新效率较高的城市皆发生在经济和科研处于前列的地区，而科研创新效率较低的城市大都发生在西部偏远地区，这也能在一定程度上说明目前的政策倾向。虽然我国每年也在这类地区投入大量的人力和物力，但成效并不明显。本文认为当务之急并不是盲目增加投入，而是应该以市场为主，优化共生系统内部各创新主体，并为其培育一个良好的产学研协同创新共生环境。

第三，根据要实现 “正金字塔型”向 “倒金字塔型”转化的思路来看，需要区域共生系统中各主体做的努力还有很多。首先，加强本文所关注的三大创新主体即产学研之间的合作交流，促进技术知识的创新和扩散，并通过相互协调、专业分工、优势互补等方式，实现三者之间的人力、财力、信息等资源共享，风险共担，从而在各省市、各区域和各创新主体之间建立一个良好的创新文化氛围，最终促进协同创新共生系统的形成；其次，作为调节主体引入政府和中介机构等共生介质，在各区域协同创新模式向更高层次的演化过程中，政府应在以市场为主导的基础上，通过引导产学研之间的有效交流提高创新合作的广度和深度，最终实现研发创新、成果转化的有效链接，促进区域共生系统向一体化模式发展；此外，政府还可以根据区域内外的共生主体数量、共生模式所处层次和共生环境状况等具体条件，不断延伸区域创新网络的产业链以增加网络中各主体之间的异质性，不断引入外部创新资源以维持系统的动态平衡，并通过产业基地 (园区)聚集各类创新主体以形成功能完善、分工协作的协同创新网络，从而降低创新风险与不确定性，加速区域共生系统中各创新主体沿着点、线、面、一体化模式转变，提升系统耦合度，进而提升协同创新效率。

本文的研究对象是区域共生系统视角下产学研的协同创新效率，但有时政府也会参与到创新网络之中，形成 “官产学研”协同创新的格局。但是，本文在数据收集的过程中发现政府对外公布的有关科技创新方面的数据不够全面，达不到本文构建四个创新主体协同创新的网络模型要求，这是本文的局限所在。今后的研究重点是在对四大创新主体进行深入调研，在获得较为完备的数据基础下对模型进行重新构建，评价多个子系统之间的协同创新效率。