产教融合下高校科技成果转化效率评价研究

刘 霞，赵宇萱，范小军

（1.常州信息职业技术学院现代服务学院，江苏常州 213164；2.上海大学管理学院，上海 200444）

为有效支撑地方经济转型升级，国家发展改革委等多部门先后发要求推进产教深度融合，要求广大高校在功能定位、管理理念和发展模式深度对接产业需求。作为科技成果走向市场的过程，科技成果转化不仅应作为高校科技活动的重要内容，更应成为判断高校服务地方产业、支撑地方经济发展水平高低的重要标准。随着我国先后出台的一系列科技创新政策和不断完成的科技创新环境影响，作为科研第一线的高校已成为我国科技创新的主力军，先后涌现出大量科技成果。据统计2018 年，我国高校获得授权发明专利79 961 件，约占2018 年所有授权发明专利数量的18%，仅次于企业获得的授权发明专利数量［1］。然而从实践来看，高校成果转化效率低、对地方经济支撑不足依旧普遍存在，具体反映在近年的科技成果转化率，我国高校仅有5%至10%，真正实现产业化的不足5%，这与欧美国家80%的科技成果转化率相去甚远［2］。

本研究利用了数据包络分析（Data Envelopment Analysis，简称DEA）技术以江苏省13 个地级市为例，开展了高校科技成果转化效率进行评价研究，期望能为高校科技成果转化效率诊断和提升提供参考，助力其解决当前产教衔接不畅、转化迟滞等难题，更有效服务于区域产业发展。

1 文献评述

关于科技成果转化效率的研究，国内外学者们从不同研究视角出发先后展开了多项研究并已取得了较丰富的成果。经对已有文献梳理来看，现有研究成果可大致作分为两类。一类是对科技成果转化效率测度方法研究，学者们已先后尝试采用回归分析［3-4］、元数据法［5］、ANP 方法［6］、模糊评价法［7］、AHP 法［8-9］、SFE［10］、DEA 法等多种研究方法［11-13］。第二类从不同主体出发的科技成果效率评价指标体系研究，如从转化条件、转化实力和转化效果三个维度构建高校科技成果转化指标体系［14-15］，从企业科技成果的转化来源、转化能力、转化效果等建立企业科技成果评价指标体系［16］，从政府视角出发的科技成果转化政策实施效果评价指标体系［17-18］。

综合已有研究成果可知：（1）学者们普遍认同高校科技成果的转化需要激励和引导，逐渐形成多主体自发、自觉合作，完全自发的成果转化往往会止于有限次数的合作；（2）尽管何种方式评价科技成果转化效率更科学尚未达成共识，但学者们大多认为该效率可通过横向、纵向比较分析得出；（3）虽然就科技成果转化效率具体如何计算尚未达成一致，但大多采用了“R&D 人员投入”“R&D 经费投入”“科技服务全时人员”等投入类指标和“出版物数量”“专利量”“成果转让收入”等产出类指标。

在总结和参考已有研究的基础上，本研究认为产教融合下高校科技成果转化效率可通过高校科技成果对于提升所在地区生产力水平的支撑作用、服务于地方经济增长的相对有效性中体现出来，可选择采用数据包络分析（Data Envelopment Analysis，简称DEA）以典型城市为代表展开该转化效率的评价研究。

2 研究设计

2.1 评价模型选取

DEA 是利用数学规划模型对同类型的多投入、多产出决策单元进行相对有效性评价的一种系统分析方法，常用的有传统的C2R 模型、C2W 模型、网络DEA、SBM-DEA 等等多种模型。由于传统DEA模型不能处理“松弛”问题易出现多个效率为1 的情况，导致了对决策单元技术效率和规模效率的高估，无法有效进行深入测度比较排序本研究选取了。既可避免以径向方式估计进而导致溢出现象、较好地解决了针对有效DMU 的排序问题，而且测度更加有效和准确的通过非径向的SBM-DEA 模型来构建本研究中的评价模型。近年来，该模型陆续被应用在能源、环境、金融和高技术产业等领域的效率评价问题，并被认为是一种较为完善的DEA 拓展模型。基于2014—2018 年江苏省13 个地级市高校科技成果转化数据，本研究选取使用SBM-DEA 模型。

假设高校科技成果转化中有n个决策单元，每个决策单元有m种类型的“输入”以及s种类型的“输出”。以Xij表示第j个决策单元对“输入”的投入量，以Yrj表示常州高校第j个决策单元“输出”的产出量，可构建如式（1）的效率评价模型。

2.2 数据来源

本研究相关数据主要来源于教育部科技司编制的《高等学校科技统计资料汇编》、江苏省市统计年鉴数据、江苏省知识产权局月度专利统计数据等。

2.3 变量确定

运用SBM-DEA 模型测定成果转化效率中指标选择的科学性直接关系到效率测算的准确性，因此高校科技成果的投入指标、产出指标的正确选取至关重要。

产教融合下的高校科技成果转化效率是指各类高等院校对其自身科研中所产生的专利、科技项目、论文论著等科技成果进行商业化应用和产业化活动中的效率水平。综合考虑高校主要科技活动实践以及数据的可获取性，本研究中高校科技成果转的主要围绕高校专利、科技项目、论文论著的转化，主要的科技成果转让形式为以科研合同的方式转移或授权出让。

鉴于在科技成果转化中，要进行转化，首先必须要有成果的投入，通过创新链前端的研究产生专利、专著以及科技论文、科研项目等成果，因此本研究以全时当量研发人（X1）员、科技经费（X2）、科技课题项数（X3）、论文论著（X4）、专利授权数（X5）五项指标作为模型的投入指标，分别从人员投入、经费投入、成果投入3 个角度来反映各城市高校科技成果转化的投入状况。高校科技成果转化最终是要使科技成果转移到产业中去成为现实生产力，因此选取技术转让签订合同数（Y1）、技术转让收入（Y2）和地区GDP（Y3）作为模型的输出，分别从不同的角度描述高校科技成果转化状况。

3 实证分析

通过SBM-DEA 模型对各决策单元计算，利用MaxDEA 6.2 软件对综合技术效率、纯技术效率和规模效率分别进行测算。决策单元 DMU 个数为13，投入指标个数均为 5，产出指标个数为3，输入2014—2018 年样本数据，技术结果如图 1 所示。

图1 2014—2018 年江苏13 市高校科技成果转化效率

3.1 综合效率分析

如表1 所示，2014—2018 年江苏省各城市高校科技成果转化综合效率均值为0.583 5，最大值为1，最小为0.218 5，标准差0.268 9。5 年间均值呈逐年波动下降态势，整体水平偏低。分城市来看，宿迁、泰州和扬州的高校科技成果转化效率值等于1，远高于其他城市，为SBM-DEA 相对有效，效率较高，处于区域领先水平。连云港的综合效率均值为 0.712，位列第4，其中 2015—2017 年达到DEA 有效，说明该市高校科技成果转化效率相比而言处于区域较高水平；盐城、淮安5 年来综合效率值从有效逐渐降为非有效状态，目前仍高于全省平均水平；常州、无锡、苏州、南京、南通处于低于均值且呈效率下降趋势；镇江市高校科技成果转化效率始终处于区域最低水平。

表1 2014—2018 年江苏高校科技成果转化综合效率

表1 （续）

就综合效率而言，2014—2018 期间江苏13 个城市的高校成果转化活动中的总体效率水平不理想且呈下降趋势。除3 个城市实现了综合效率有效外，其余均存在冗余或不足，未达到生产前沿面，仍有较大的改进空间。各城市间差异较大，分布不稳定，呈现出比较明显的高、中、低的阶梯现象。与其地方经济发展水平、反差巨大的是，拥有高校数量较多、科技成果产出量巨大的南京、苏州、无锡等城市的高校科技成果转化效率显著低于其他城市。由此表明，这些城市的高校、高校的科技成果产出虽多，但真正实现转化的较少。这也侧面印证了当前这些城市的高校科技成果对地方经济发展的支撑显著不足。

3.2 纯技术效率分析

如表2 所示，2014—2018 年五年间高校科技成果转化的纯技术效率均值为0.867 2，最高为1，最低为0.238 1，标准差0.211 9。分城市而言，南京、南通、苏州等8 个城市始终保持纯技术效率有效，大部分表现为较理想；常州、徐州、盐城五年间出现由纯技术效率有效下滑为无效态势；镇江高校科技成果转化的纯技术效率始终保持区域低位水平。

表2 2014—2018 年江苏高校科技成果转化纯技术效率（PTE）

就纯技术效率而言，2014—2018 期间，江苏13个城市中有8 个城市达到了纯技术效率有效，说明大部分城市充分利用了各类高校科技成果转化资源，科技成果转化的投入要素达到了最佳的组合。与此同时，镇江、淮安等5 个城市纯技术效率不足，表明这些城市的高校科技成果转化过程中发生了要素拥挤、投入冗余的现象。需要关注的是，这5 个城市虽然5 年的纯技术效率均值独被判定为无效，但各自还存在显著差异。连云港仅2014 年出现了无效，后4 年均为纯技术有效，呈向好态势；徐州在5 年间呈现先将后回升的态势；常州、淮安属于前期有效逐步变为无效，五年间效率值呈逐步下降趋势；而镇江五年来的纯技术效率值一直在0.2～0.3 徘徊，纯技术效率始终远远落后于其他城市的态势。

3.3 规模效率计算

如表3 所示，就规模效率而言，五年规模效率均值为0.687，最高为1，最低为0.265 4，标准差0.267 8。

表3 2014—2018 年江苏高校科技成果转化纯技术效率（SE）

就规模效率而言，各市高校科技成果转化情况差异较大，仅扬州、泰州、宿迁达到了有效。无锡、苏州、南京、南通4 个综合效率非有效的城市的纯技术效率值等于1，规模效率值小于1，说明其非有效是由规模非有效导致的，说明其已经出现了投入冗余，增加投入所带来的收益不会增加，反而会下降。

3.4 松弛变量计算

通过对纯技术效率无效的城市投影计算可得，VRS 下各城市均出现了不同程度的投入冗余和产出不足。

表4 2018 部分城市高校科技成果转化效率松弛变量

从投入端看，在当前的产出水平下，几个纯技术效率无效的城市中徐州的投入冗余十分凸出，其各项投入要素的冗余量均显著高于其他城市。镇江在“研发人员投入”“科技经费”“专著论文”“专利授权数”等用于转化的这些科技成果投入上冗余明显。

从产出端看，“技术转让合同签订数”“GDP”不需要优化，后期优化重点应聚集于“技术转让收入”这一产出不足的改进。在当前的投入水平下，徐州无产出不足；常州、淮安、徐州、镇江等四城市的产出不足主要体现在 “技术转让收入”不足，其中镇江市在此产出指标上的不足尤为突出。

4 结论与建议

4.1 结论

本研究选用SBM-DEA 模型对2014—2018 年间江苏高校科技成果转化效率进行测度，得到结论如下：

（1）江苏高校成果转化活动中的综合效率水平不理想且呈下降趋势。各城市间差异较大，分布不稳定，呈现出比较明显的高、中、低的阶梯现象，与其地方经济发展水平反差巨大，印证了当前高校科技成果转化率低、对地方经济发展支撑显著不足。

（2）大部分城市能充分利用成果转化资源，实现了纯技术有效但规模效率不佳，已经出现了投入冗余或产出不足，增加投入所带来的收益不会增加反而会下降。

（3）松弛变量的测算表明，纯技术效率无效的城市优化空间较大，主要优化方向为减少投入冗余，产出指标中需关注“技术转化收入”的不足。

4.2 高校科技成果转化效率提升建议

（1）完善顶层设计，营造鼓励高校专利成果转化的大环境，引导高校应用性研究向围绕产业发展的市场需求导向转变。建议政府分类统计高校每年的新签订科技成果就地转化合同项数、就地转化合同总金额、当年到账金额等指标量并以之作为相关高校划拨财政款项或配套奖励的依据，引导高校管理层的重视科技成果转化，真正将技术价值和经济价值、社会价值融合到科研成果中，提升高校科学研究与当地经济社会发展的匹配度和贡献度。

（2）构建立体化高校科技成果转移转化体系。整合各高校科技成果转化服务机构，搭建一个以区域产业需求为导向、市场化运作的科技创新集成服务体系。通过该体系建立产教供需交流信息机制，促进高校与产业界之间开展高频、深度交流与合作，深度服务区域企业转型升级。此外，应鼓励成立多样化的社会中介服务机构，鼓励其充分发挥专业功能，顺畅各类企业和高校的沟通，促进产教融合合作创新、加速高校科技成果转化。

（3）建议调整高校科研奖励重心，将奖励更多集中到成果转化阶段，建立与成果转化情况挂钩的收益分配体系。高校应改变原有的激励机制，将与成果转化相关的指标纳入到其教绩效考评、科研项目成果验收评价指标和职称晋升评价体系中，将奖励重心由原先集中于“成果产出阶段”调整至“成果转化阶段”从经济角度引导高校科研人员朝着成果转化的方面努力。