区域产学合作创新绩效空间演化及影响因素研究

朱婧祎 李北伟 季忠洋

1 (吉林大学管理学院, 长春 130022)

2 (吉林建筑大学经济与管理学院, 长春 130118)

引 言

随着《国家中长期科学和技术发展规划纲要(2006～2020）》、 《国家创新驱动发展战略纲要》、《“十三五” 国家科技创新规划》 等一系列纲要规划的发布， 产学研合作创新逐步提升到国家战略高度， 已成为我国优化科技资源配置、 促进科技与产业系统融合、 完善区域创新体系建设、 实现创新驱动发展战略的有力措施和重要途径， 受到了政府、 学术界和产业界的共同关注。

针对产学合作创新绩效这一问题， 国内外学者已经展开大量研究， 主要可以分为4 个方面： (1）分析主体特征对产学合作创新绩效的影响， 如高校研究方向［1］、 企业所有权性质［2］等； (2） 分析主体关系特征对产学合作创新绩效的影响， 如合作程度［3］、 合作模式［3］等； (3） 分析外部环境特征对产学合作创新绩效的影响， 如政府财政支持［4］、 技术市场水平［5］等； (4） 分析网络特征对产学合作创新绩效的影响， 如网络强度［6］、 网络惯例［7］等。 由此可见， 现有研究已取得丰硕的成果， 但是聚焦于省份内部产学合作创新绩效的研究较少， 缺乏对区域产学合作创新绩效的客观描述以及区域产学合作创新绩效影响因素的实证检验。 为了弥补现有研究的不足， 本研究尝试解决以下两个问题： 中国区域产学合作创新绩效具有怎样的空间演化特征？ 其影响因素是什么？

鉴于此， 本研究选取我国30 个省(市、 区）作为分析单元， 采用高校和企业联合申请并授权的发明专利数量衡量产学合作创新绩效， 试图揭示区域产学合作创新绩效的空间演化特征。 结合统计年鉴数据， 构建固定效应负二项回归模型， 从环境特征、 主体特征、 主体关系特征三方面选取7 个指标分析区域产学合作创新绩效的影响因素。 最后， 通过对主要结论的探讨， 提出针对性建议， 以期为政府制定政策以及配置相关资源提供参考。

1 区域产学合作创新绩效空间演化特征

1.1 数据来源

在分析区域产学合作创新绩效时， 本研究选择使用高校和企业联合申请并授权的发明专利数量进行衡量， 数据通过在国家知识产权局专利检索数据库中按条件检索获得。 专利检索日期是2019 年1 月， 考虑到统计年鉴中企业的统计口径在2011 年发生变化①， 以及发明专利从申请到授权一般需要1 ～4 年的时间， 本研究选取2011 ～2014 年作为分析时间阶段。 专利检索方式是在专利申请人一栏中输入“大学”、 “学校”、 “学院”和“公司”、 “厂” 的两两组合， 同时， 将专利申请日期限制在2011 年1 月1 日至2014 年12 月31日。 据此， 得到初步样本数据。

然后对初步样本数据进行人工清洗： (1） 将只有1 个申请人的数据删除； (2） 通过网络查询和专利注册信息查询两种方式分别统计产方和学方所属省份， 将国外及我国港澳台地区的专利数据剔除。 由于我国西藏地区个别年份年鉴数据有所缺失， 故不将其作为本文的研究对象， 因此将西藏的专利数据也删除； (3） 挑选出高校和企业同属1 个省份的专利数据， 共得到9411 条， 近万条的专利数据可以为实证结果的有效性和严谨性提供保障； (4） 将其整理为30 个省份4 年的平衡面板数据， 构成本研究的最终样本数据。

1.2 总体特征

从纵向时间维度来看， 2011 年我国省份内部高校和企业联合申请并授权的发明专利数量为1661 件， 2014 年为3009 件， 短短3 年的时间内增长将近1 倍， 年均涨幅约为22%。 由此可见，我国区域产学合作越来越活跃， 协同创新能力得到了迅速提高。

图1 2011～2014 年区域产学合作创新绩效的变化趋势

从横向空间维度来看， 北京、 江苏、 广东、上海、 浙江位列前5 名， 5 省专利总量为5807件， 占全国总量的61.7%。 吉林、 河北、 云南、江西、 甘肃、 黑龙江、 新疆、 内蒙古、 海南、 宁夏、 青海专利数量均不足100 件， 11 省专利总量为421 件， 占全国总量的4.5%。 由此可见， 我国区域产学合作创新绩效分布极不均衡， 两极分化严重。

图2 2011～2014 年区域产学合作创新绩效的空间分布

以上数据直观地反映了我国区域产学合作创新绩效的非均衡性， 为进一步明晰非均衡程度和趋势， 采用基尼系数进行准确测算。 基尼系数的计算公式如下：

其中N 是区域的总数量， xi和xj表示i 和j省份的区域产学合作创新绩效， ¯x 是平均值。 基尼系数的数值范围在0 ～1 之间， 系数越大， 说明非均衡性越大； 系数越小， 说明非均衡性越小。按照《中国统计年鉴》 的划分标准， 将我国30个省份分为东部地区、 中部地区、 西部地区、 东北地区， 根据式(1）， 对各地区基尼系数进行测算， 结果如图3 所示。

图3 2011～2014 年区域产学合作创新绩效的基尼系数

由图3 可知， 2011～2014 年全国30 个省份的基尼系数比较平稳， 其中2013 年的基尼系数最大， 为0.64， 2014 年的基尼系数最小， 为0.61，4 年的均值为0.63， 这表明中国各省份的区域产学合作创新绩效存在较大差距， 发展极不均衡，且这种非均衡性保持稳定， 没有明显的收敛趋势，呈现出“强者恒强、 弱者恒弱” 的发展态势。 进一步比较东部、 中部、 西部、 东北地区的基尼系数， 其中西部地区的基尼系数最高， 东部地区次之， 两者均值都在0.5～0.6 之间， 具有较高的空间集聚特征。 相对而言， 中部地区和东北地区的基尼系数较低， 处于合理范围内。

1.3 空间演化特征

为了探究区域产学合作创新绩效的空间演化特征， 根据区域产学合作创新绩效占全国总绩效的比例， 以5%、 2%为分界点将30 个省份分为3个梯队， 结果如表1 所示。

表1 2011～2014 年区域产学合作创新绩效的空间演化

由表1 可知， 对于东部地区： 北京、 上海、江苏、 浙江、 广东一直处于第一梯队， 遥遥领先于其他省市， 拥有绝对优势； 山东一直处于第二梯队， 具备成为第一梯队的发展潜力； 福建于2013 年进入第二梯队， 于2014 年又退回至第三梯队， 发展并不稳定， 具有短期偶然性。 总体来看， 东部地区在全国处于领跑地位。 对于中部地区： 2014 年湖北成功跻身第一梯队， 发展势头强劲； 除湖南以外， 安徽、 广西、 河南、 山西、 江西五省均位于第三梯队。 由此可见， 中部地区发展差距逐渐扩大。 对于西部地区： 四川、 陕西一直处于第二梯队， 属于领先省份； 贵州于2014 年由第三梯队升至第二梯队， 并跃升至西部第一，位序提高明显； 重庆于2014 年由第二梯队退至第三梯队， 区域产学协同创新能力有下降的趋势；云南、 新疆、 甘肃、 内蒙古、 宁夏、 青海一直处于第三梯队。 西部地区大部分省份区域产学合作创新绩效在全国位于靠后位置， 产学合作状况亟待改善。 对于东北地区： 辽宁一直处于第二梯队，吉林和黑龙江一直处于第三梯队， 位序没有明显变化。 东北地区过度依赖于资源要素和投资驱动，创新发展动力不足， 产学协同创新能力有待提高。整体来看， 我国区域产学合作创新绩效基本上呈现“东中西” 递减格局。

2 区域产学合作创新绩效影响因素分析

前述分析表明， 我国各省份区域产学合作创新绩效差异明显， 那么是什么因素导致了差异？ 考虑到数据的可得性， 本研究选取地区科技市场发展水平、 地方政府科技财政支持、 高校研究方向、高校创新能力、 企业所有权性质、 企业创新能力、高校－企业合作程度7 个指标， 尝试从环境特征、主体特征、 主体关系特征三方面探究区域产学合作创新绩效的影响因素。

2.1 理论背景与假设

2.1.1 环境特征与区域产学合作创新绩效

地区科技市场能够实现科技资源的市场化配置， 通过连接技术供求两端、 传递技术供求信息，为高校和企业的技术交易提供平台， 从而促进科技与经济相结合。 当地区科技市场发展水平较高时， 高校和企业的研究领域、 技术实力、 合作经验等信息更加透明， 信息对称程度提高， 能够帮助高校和企业尽快找到适宜的合作伙伴， 达成合作意向［8］。 技术交易实质上是将附在技术上的知识产权进行转移， 因此一个地区的科技市场发展水平可以在一定程度上反映该地区的知识产权保护水平［9］。 而良好的知识产权保护环境， 可以通过减少研发溢出损失、 避免机会主义现象来激发产学合作热情。 庄子银等［10］通过构建广义矩估计模型， 发现地区技术市场对创新有显著的正向促进作用， 且对发明专利的影响弹性最大。 盛彦文等［5］利用耦合协调度模型和灰色关联分析法， 发现技术市场会影响区域产学研创新系统耦合协调发展水平。 根据以上分析， 本文提出如下假设：

假设H1： 地区科技市场发展水平显著正向影响区域产学合作创新绩效。

政府作为一种非市场的力量， 可以充当促进者、 协调者和管理者的角色， 对“市场失灵” 进行弥补， 为产学合作创造更好的环境条件［11，12］。政府可以通过制定政策法规、 加强监管力度， 减少协同创新过程中的机会主义和“搭便车” 现象［13］，也可以通过搭建产学平台、 完善服务体系， 降低协同创新的时间成本和交易费用， 从而提高高校和企业进行产学合作的积极性。 企业在产学合作中往往是主要的资金投入者， 这给“资源约束型”的中小企业带来压力， 同时对于一些前瞻技术和共性技术的研发， 由于其具有极大的风险性和外部性， 企业在出资过程中会所有顾虑［14］。 此时，政府的资金支持不仅可以缓解资金紧缺的局面，也可以向企业传递利好信息， 进一步鼓励企业的创新投入。 此外， 政府的积极鼓励政策和资金支持力度， 促进了当地浓厚的技术创新氛围的形成［12］，进而有助于激发高校和企业的合作动机。 白俊红等［13］通过建立计量经济模型， 发现政府科技支持对产学研协同创新具有显著的正向促进作用。 肖丁丁等［15］应用超越对数随机前沿模型， 证实政府资助对产学研合作效率有显著的正向影响， 且影响效果具有长效性。 根据以上分析， 本文提出如下假设：

假设H2： 地方政府科技财政支持显著正向影响区域产学合作创新绩效。

2.1.2 主体特征与区域产学合作创新绩效

基础研究是应用研究的先决条件， 是技术创新的根本动力， 往往可以通过改变原有技术路线获得突破式创新［16］， 大幅提升创新的经济和社会收益， 因此基础研究对创新有巨大贡献潜力。 但是基础研究活动的投入大、 风险高、 周期长， 企业作为经济利益追逐者， 进行基础研究的积极性不高。 而且基础研究成果具有公共物品属性、 存在知识溢出效应， 因此企业无法获得其全部收益， 这进一步削弱了企业独立进行基础研究的积极性［17］。目前， 高校仍然是我国基础研究的主要承担者，企业可以通过与高校进行合作， 获取和利用其已有的基础研究成果， 这样既可以有效降低成本、规避风险， 也可以发挥基础研究对技术创新的支撑作用， 从而成为企业产学合作的重要动力。 卫平等［16］采用中国30 个省市的面板数据， 发现企业通过产学合作能更加有效理解和利用高校的基础研究成果， 进而有助于发明专利的产出。 张艺等［18］通过分析中国高铁领域的产学研合作案例，发现学研机构的强大基础研究能力是推动高铁产业实现突破式创新的重要因素。 根据以上分析，本文提出如下假设：

假设H3： 高校研究方向显著正向影响区域产学合作创新绩效。

高校的创新能力不同， 给企业传递知识的广度、 深度也会有较大区别。 当高校创新能力较强时， 意味着其拥有高端的研究人员和尖端的研究成果， 可以更好的满足企业知识和技术的需求，因此对企业的吸引力更强。 同时， 创新能力较强的高校凭借丰富的知识储备， 以及对知识的充分理解与掌握， 可以准确的发现与企业的知识差距，选择合适的编码、 表达等交流方式， 有助于消除沟通障碍、 促进知识转移， 从而提升产学合作创新绩效。 Laursen 等［19］研究发现， 当企业与低层次大学相邻时， 因为合作预期收益大于合作交易成本， 企业在当地进行产学合作的意愿不强， 更愿意突破地理维度界限， 寻找远距离的高质量大学进行合作， 而当企业与高质量大学相邻时， 会促进地方产学合作的产生。 同时， Hewitt－Dundas［20］基于英国创新调查的数据研究也发现， 地方高校的研究质量显著影响企业合作伙伴的选择， 如果企业与研究质量较高的高校邻近， 那么产学合作倾向于本地化。 由此可见， 当区域高校的创新能力较强时， 产学合作活动更加活跃。 根据以上分析， 本文提出如下假设：

假设H4： 高校创新能力显著正向影响区域产学合作创新绩效。

国有企业在行业中一般处于垄断地位， 与其他类型企业相比， 其凭借与政府天然的联系在政策支持和资源获取等方面更具优势， 这带给国有企业“寻租” 的机会， 使其缺乏技术创新的动力［21］。国有企业所有者缺位， 存在严重的委托代理问题，国有企业管理人员作为理性的“经济人”， 更倾向于追求短期利益［22］。 而产学合作是一项长期、复杂的活动， 需要企业资金、 人员的持续性投入，具有短期利益甚微、 长期利益高度不确定的特点，所以国有企业参与产学合作的愿望并不强烈。 而非国有企业在激烈的市场竞争中， 只有通过创新才能维持生存发展、 获得竞争优势， 因此其技术创新激励更强， 而且非国有企业的企业家往往更具风险意识、 冒险精神和创新才能。 此外， 国有企业组织僵化， 在产学合作中信息沟通效率较低，存在较高的交易成本［2］。 刁丽琳等［23］基于省际面板数据， 发现区域国有企业比重越大， 产学研创新活动越不活跃。 张秀峰等［2］以广东省省部产学研合作项目为研究对象， 发现在科研创新阶段和产品创新阶段， 相较于其他类型企业， 国有企业的产学研合作创新绩效更低。 根据以上分析， 本文提出如下假设：

假设H5： 企业所有权性质显著负向影响区域产学合作创新绩效。

当技术的复杂性较低时， 企业可以通过内部研发实现技术创新， 但随着技术复杂性的提高，企业受到创新资源和技术能力的限制， 仅仅依靠自身力量难以实现技术创新， 因此产学合作的需求更加强烈［24］。 当企业的创新能力较强时， 更有可能从事高端技术研发， 因而更需要借助高校的前沿科学成果和专业技术支持， 所以更愿意与高校合作进行联合攻关。 而且， 创新能力较强的企业在技术创新中积累了大量的知识， 因此一般拥有良好的吸收能力， 在产学合作中能够有效识别、消化、 利用来自于高校的外部知识， 进而放大产学合作的边际产出。 原毅军等［25］通过数理模型研究和实证检验， 发现当企业的技术能力(创新能力和吸收能力） 较强时， 产学合作和内部研发呈现互补性， 互相促进、 相得益彰， 从而进一步增强企业参与产学合作的激励， 形成了良性循环。当企业的创新能力较弱时， 由于缺少前期的技术积累， 往往关注复杂程度较低的技术研发， 对于产学合作缺乏内在的需求和动力。 而且， 由于技术水平和知识水平与高校的差距过大， 导致企业对高校知识吸收困难， 降低了产学合作的创新效率和边际收益。 根据以上分析， 本文提出如下假设：

假设H6： 企业创新能力显著正向影响区域产学合作创新绩效。

2.1.3 主体关系特征与区域产学合作创新绩效

随着合作程度的深入， 高校和企业建立起紧密而稳定的合作关系， 而这种强关系有助于增强信任机制和互惠预期， 使高校和企业更加专注于创新活动本身， 而不是创新风险的控制和创新关系的维护， 因此有利于提升知识共享的意愿和知识交流的效率， 为创新绩效的产生奠定了组织基础。 另外， 高校与企业的深度合作意味着互动更加频繁， 高校和企业相关人员专用化程度提高，有助于形成共同的技术范式和组织惯例。 而在这种范式和惯例下， 能帮助企业建立伙伴专有吸收能力， 更加高效的消化来自于高校的外部知识，进而通过知识整合实现技术创新。 同时， 高度信任和频繁互动都促进了高校和企业之间隐性知识的转移。 刘和东等［3］以高新技术企业为研究对象，发现产学合作程度对合作行为有正向影响， 而积极的合作行为又有助于提升合作绩效。 相反， 当高校和企业处于较低的合作程度时， 由于缺乏信任， 导致双方不愿意共享核心知识， 无法支撑创新的产生。 根据以上分析， 本文提出如下假设：

假设H7： 高校－企业合作程度显著正向影响区域产学合作创新绩效。

2.2 实证模型与数据

2.2.1 变量测量

(1） 因变量

本研究的因变量为区域产学合作创新绩效，用“高校和企业联合申请并授权的发明专利数量”进行衡量， 具体方法如前文所述。

(2） 自变量

环境特征变量： 地区技术市场发展水平， 用“技术市场成交额” 进行衡量， 因为数值较大， 在具体计算时进行对数处理； 地方政府科技财政支持， 用“科学技术支出占地区一般公共预算总支出的比例” 进行衡量。

主体特征变量： 高校研究方向， 用“高等学校基础研究支出占R＆D 经费内部总支出的比例”进行衡量； 高校创新能力， 用“高等学校发明专利申请数量” 进行衡量； 企业所有权性质， 用“国有控股企业资产占规模以上工业企业总资产的比例” 进行衡量； 企业创新能力， 用“规模以上工业企业发明专利申请数量” 进行衡量。

主体关系特征变量： 高校－企业合作程度，用“高等学校R＆D 经费内部支出中来自于企业的资金” 进行衡量， 因为数值较大， 在具体计算时进行取对数处理。

以上指标数据均来源于2012 ～2015 年《中国统计年鉴》 《中国科技统计年鉴》 《中国工业统计年鉴》。

2.2.2 模型选择

由于本研究的因变量是任意非负整数， 不服从正态分布， 故而采用计数模型比线性模型更加合适。 而且数据过度离散， 无法满足泊松回归模型的前提假设条件， 因此只能选择负二项回归模型。 根据数据模型的基本原理， 当样本中的个体是所研究总体的所有单位时， 应该选择固定效应模型。 本研究以30 个省份作为研究对象， 基本代表了总体。 因此， 最终采用固定效应负二项回归模型作为实证模型对数据进行估计。

2.3 实证结果与分析

2.3.1 描述性统计分析

为了准确把握数据的基本特征， 对变量进行了描述性统计和相关性分析， 如表2 和表3 所示。由表3 可知， 地区技术市场发展水平和高校－企业合作程度相关系数为0.84， 相关程度较高。 但是通过计算VIF 值， 发现多重共线性并不严重，因此可以同时投入到模型中。 其余自变量间相关系数均小于0.8， 不存在高度相关。

表2 变量描述性统计（N=120）

表3 变量相关性分析

2.3.2 回归统计分析

本文使用STATA 软件对面板数据进行建模和固定效应负二项回归分析， 具体结果见表4。 各模型的Wald Chi2 统计量均通过了1%的显著性检验， 证明模型和数据拟合度较好， 选取的影响因素对区域产学合作创新绩效的解释力较强。

表4 固定效应负二项回归结果

续 表

对于环境特征变量， 在模型1 ～7 中， 地区技术市场发展水平的系数均为正数， 且都通过了1%的显著性检验， 表明地区技术市场发展水平显著正向影响区域产学合作创新绩效， 假设H1 成立。在模型2～7 中， 地方政府科技财政支持的系数均为正数， 但是仅在模型4 中通过了10%的显著性检验， 表明地方政府科技财政支持正向促进区域产学合作创新绩效， 但是显著性不强， 假设H2未通过检验。

对于主体特征变量， 在模型3 ～7 中， 高校研究方向的系数均未通过10%的显著性检验， 表明高校研究方向对区域产学合作创新绩效的影响并不显著， 假设H3 未通过检验。 在模型4 ～7 中，高校创新能力的系数均为正数， 且都通过了显著性检验， 说明创新能力显著正向影响区域产学合作创新绩效， 假设H4 成立。 在模型5 ～7 中， 企业所有权性质的系数均为负数， 且都通过了1%的显著性检验， 表明相较于国有企业， 其他类型企业的区域产学合作创新绩效更好， 假设H5 成立。 在模型6～7 中， 企业创新能力的系数均为正数， 且通过了1%的显著性检验， 说明企业创新能力显著正向影响区域产学合作创新绩效， 假设H6 成立。

对于主体关系特征变量， 在模型7 中， 高校－企业合作程度的系数为正， 且通过了1%的显著性检验， 表明区域高校与企业合作程度越深入，越有助于提升产学合作创新绩效， 假设H7 成立。

因此， 通过上述分析， 本研究提出的H1、H4、 H5、 H6、 H7 通过了验证， 而H2、 H3 未通过。

3 研究结论与建议

本研究根据2011～2014 年发明专利数据和统计年鉴数据， 初步明晰了区域产学合作创新绩效的空间演化特征， 并且通过构建固定效应负二项回归模型， 对影响区域产学合作创新绩效的关键因素进行了探讨与检验。

3.1 主要结论

本文得到主要结论如下：

(1） 2011～2014 年我国区域产学合作创新绩效大幅提升， 呈现快速增长的发展态势。 但是区域之间差距明显， 在空间上呈现出“东强西弱”的格局。 东部地区的北京、 江苏、 广东、 上海、浙江5 省， 遥遥领先于其他省份， 专利数量占全国总量的比重超过60%。 而对于西部地区， 大部分省份处于全国靠后位置， 其中云南、 甘肃、 新疆、 内蒙古、 宁夏、 青海专利数量不足百件， 产学协同创新能力亟待提高。 进一步通过计算各个地区的基尼系数， 发现区域之间非均衡现象没有明显收敛趋势， 表明区域产学合作创新绩效将继续保持“强恒强、 弱恒弱” 的发展态势。

(2） 在环境特征变量中， 地区技术市场发展水平显著正向影响区域产学合作创新绩效， 而地方政府科技财政支持的作用效果偏弱， 有很大的提升空间。 在主体特征变量中， 高校创新能力、企业创新能力显著正向影响区域产学合作创新绩效； 企业所有权性质显著负向影响区域产学合作创新绩效， 表明相较于国有企业， 其他类型企业与高校的协同创新能力更强； 高校研究方向对区域产学合作创新绩效的影响并不显著， 可能的原因是， 一部分企业重视基础研究， 希望通过产学合作明晰技术背后的复杂科学原理， 为获取长期竞争优势丰富知识储备， 而另一部分企业受短期利润的驱使， 更倾向于通过利用高校应用研究成果获得即时技术进步， 两种动力同时存在导致高校研究方向的整体作用效果并不显著。 在关系特征变量中， 高校－企业合作程度正向促进区域产学合作创新绩效的提高。

3.2 管理启示

根据以上结论， 得到管理启示如下：

(1） 我国各个省份产学合作创新绩效差距明显， 并且没有显著的收敛趋势。 为了降低空间差异， 实现区域均衡发展， 中央政府应该进行宏观统筹协调， 加快人才、 资金等创新资源的跨区域流动， 并且在政策制定上向产学协同创新能力偏弱的地区倾斜， 最终实现整体提高。 同时， 地方政府也应该结合本省实际情况， 制定差异化的创新发展策略。 东部地区应该完善产学平台建设，促进高校和企业展开深度合作， 实现科技系统和产业系统耦合发展。 中部地区应该重视两级分化现象， 合理配置创新资源， 均衡区域内部发展差异。 西部地区应该通过政策倾斜， 吸引科技人才流入和创新资金投入， 提升高校和企业的创新水平， 同时， 也应该完善科技市场， 为产学合作营造良好的外部环境。 东北地区的产业发展长期以来过度依赖于资源要素， 导致企业创新能力相对薄弱， 未能有效吸收高校的前沿知识和技术， 因此应该促进产业结构转型升级， 引导企业由“要素驱动” 向“创新驱动” 转变， 激发企业创新意愿， 提高企业创新能力， 发挥企业在产学合作中的主导作用。

(2） 地方政府科技财政支持并未取得预期效果， 应该进一步优化引导和扶持方式。 地方政府对产学合作的支持方式尽量避免一次性资助， 因为政府和企业信息高度不对称， 导致企业骗取补贴的现象屡见不鲜， 造成了资金的大量浪费。 地方政府应该遵循市场运作模式， 通过搭建平台、提供服务等方式完善产学合作的外部环境， 进而激发高校和企业的合作意愿。 在对产学合作进行必要资助时， 要充分考察企业和高校的研究实力，确保资助的合理性和有效性。 同时， 创新补贴应该侧重于基础领域的研发， 鼓励企业和高校对共性技术、 前沿技术的复杂科学原理进行联合攻关，使区域获取长期持续竞争优势。 此外， 地方政府在政策制定上应该注意公平， 不能过度的向国有企业倾斜。

注释：

①从2011 年起， 规模以上工业企业的统计范围从年主营业务收入为500 万元及以上的法人工业企业调整为年主营业务收入为2000 万元及以上的法人工业企业。