科技成果转化过程不确定性测度与行业比较——基于高技术产业18个子行业数据

冯 锋，邱莹莹，张雷勇

(1.中国科学技术大学 管理学院，安徽 合肥 230026;2.中国科学技术大学 博士后科研流动站，安徽 合肥 230026；3.合肥兴泰金融控股(集团)有限公司 博士后科研工作站，安徽 合肥 230071)

一、 引 言

党的十九大报告中提出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”技术进步和创新是当代社会经济发展的持续动力和稳定源泉，科学技术的新成果、新进展通常也是繁荣经济形势的触发器[1]。由此可见，科技创新成果和创新效率对国家经济发展有着举足轻重的作用。当前，我国经济发展进入新常态，想要保持中高速的经济增长水平，并进一步向中高端水平迈进，必须依靠高技术产业的创新支撑。近年来，我国高度重视科技研发投入，意图在提升自身科技实力的同时进一步提升国家竞争力。根据《2017—2018年全球竞争力报告》[2]数据显示，我国经济发展水平连续处于世界高位，稳居世界第2位；科技创新能力也处于较好水平，为第17位；但技术应用水平不尽如人意，远远落后于前两者，一直徘徊在71～105名之间。这种高经济发展水平与科技创新能力和技术应用水平之间的持续不平衡现象，说明我国在科技创新的初始投入和科技成果的最终产出上存在明显的脱节现象。

科技成果转化是一个把高端科技知识、学术成果与前沿专利技术转变为现实生产力的过程，是实现技术与知识的商业价值的基本方法和重要路径。促进科技成果的成功转化无论是对产业、区域或者是对国家来说，都有着举足轻重的战略意义。企业能否实现科技成果的成功转化是其能否在复杂多变的市场环境中存活下来的关键。因此，如何促进科技成果有效转化实现其商业化和产业化进程，是相关研究的重中之重，受到了多个领域国内外众多学者的重点关注。

部分学者对于科技成果转化的研究侧重于对其过程效率的测量及绩效的评价。Robert[3]通过追踪科技成果转化过程中知识转化的效果对科技成果转化效果进行评价和计量；Sohn[4]等利用数据包络分析模型，建立评价科技成果转化效率的方法；阎为民等[5]建立了基于模糊评价法的科技成果转化绩效评价体系。目前，国内外对于科技成果转化绩效或者效率的评价体系研究较多，其中既包含定量研究，也包含定性研究，使用的研究方法也比较广泛，如数据包络分析法、主成分分析法、模糊综合评价法、层次分析法和系统聚类分析法等[6-11]。

测量科技成果转化效率与评价转化绩效固然重要，但仍须更聚焦于我国科技成果转化能力本身，研究我国科技成果转化长期低迷的原因。现有研究显示，科技成果转化是一个分阶段过程[12-15]，从研究开发、技术改造直至最后技术商品化是一个环环相扣的过程，这一过程中存在大量的影响因素，如研究开发投入、税收优惠、研究主体和政府资助等[16-19]。多因素、多维度的影响，使得科技成果转化过程常常存在各种阻碍，也使得科技成果能否成功转化充满不确定性[20-22]。仅仅从外部的影响因素入手无法完全剖析科技成果转化过程，因此,还须对科技成果转化各个阶段内部的不确定性进行深入研究。

参照现有研究，本文将科技成果转化分割为技术生产阶段与技术改造与应用阶段[23]，对科技成果转化全过程及其子阶段的不确定性进行深入研究。其中，由于技术生产阶段主要涉及新技术的研究开发，其不确定性多表现为技术不确定性；而技术改造与应用阶段主要涉及新技术的改造及商品化阶段，需要精准把握市场定位及市场需求，其不确定性多为市场不确定性。

高技术产业具有较强的创新性和较高的附加值等特征，是推动我国科技成果顺利转化为现实生产力的重要组成部分，而我国高技术产业科技成果转化过程中不确定性的降低是推动科技成果转化过程的关键因素。事实上，我国高技术产业科技成果转化过程的不确定性受到诸多因素的制约[24-25]。如何有效地促进高技术产业科技成果的转化也是当前研究的热点问题。从现有研究看，学者们多从影响因素的视角出发[26]，探究提升我国高技术产业科技成果转化能力及效率的方法和建议，得到的结论既存在很多共识，又存在多方面差异。对我国高技术产业科技成果转化过程中的不确定性进行深入识别与分析，对于制定我国高技术产业科技成果成功转化的可能性相关策略具有针对性意义，同时对提高我国科技成果转化能力，切实贯彻创新驱动发展战略具有重要的理论意义与实践价值，然而，目前这方面的研究较少。本文利用图示评审技术(graphic evaluation and review technique，GERT)构建科技成果转化过程的不确定系数测量模型，实现对于科技成果转化过程中各阶段不确定性的定量测度，并结合我国高技术产业除信息化学品制造业外的5大类18个子行业年鉴数据进行实证研究，评价分析我国高技术产业18个子行业科技成果转化全过程及各阶段的不确定性，最后提出相关分析结论与政策启示。

二、研究方法及模型

(一)科技成果转化过程不确定性理论模型

图1 科技成果转化过程及其子阶段

研究表明，科技成果转化过程从技术研究到成果改进及应用，实现相应的产品产出是一个明显的链式结构[27]。科技成果转化是一个充满不确定性的复杂过程，科技创新的相关人力、物力和财力等资源投入能否转化为现实生产力，取决于科技成果转化的整体过程及其各个阶段转化成功的可能性。本文结合国内外学者的研究基础，将科技成果转化过程分为两个子阶段，分别是技术生产阶段和技术改造与应用阶段，如图1所示，并进一步探究科技成果转化全过程和两个子阶段的不确定性。

如图1所示，科技成果转化从科技创新投入到产业产出要经过技术生产阶段和技术改造与应用阶段。在技术生产阶段，企业相关研发部门通过投入大量科技创新资源，形成专利、学术论文等科技创新成果。由于企业层面主要从事应用型技术的研究开发，其科技成果产出主要是专利；在技术改造与应用阶段，企业通过再投入科技改造资源，进一步实现企业自主研发的科技成果的产业产出以及外部引进的科技成果的产业产出。

科技成果转化过程受到多方面因素的影响，如地区资源禀赋、产业结构、金融发展程度等，这也使得科技成果转化过程并不是一帆风顺的，其转化过程是一个充满不确定性的复杂过程[28-29]。对此，不同的学者给出了不同的见解。李妹等[30]、Zhou等[31]认为技术不确定性与市场不确定性会严重影响到企业的技术创新能力；王永贵等[32]将技术创新过程中的不确定性分为需求不确定性与技术不确定性；梅姝娥等[33]认为科技成果转化过程中存在多种类型的不确定性，如技术不确定性、市场不确定性、决策者行为的不确定性及企业间缺乏交流而带来的不确定性。

结合图1，参照现有研究，本文将科技成果转化过程中的不确定性分为技术生产阶段的技术不确定性和技术改造与应用阶段的市场不确定性，如图2所示。

图2 科技成果转化过程不确定性

(二)科技成果转化过程不确定性建模分析

目前，对于科技成果转化过程中不确定性的研究多侧重于科技成果转化的单一或部分阶段，并提出相关的研究方法与评价建议，使用的相关研究方法也多种多样，如通过建立实证模型进行假设检验[34-35]、多层次分析方法[36]和问卷调查法[37]等。从最开始的新技术的研究开发，直到科技成果成功转化实现商业价值，这一科技成果转化过程是复杂的网络问题，冯允成等[38]和蒋子涵等[ 39]提出的GERT网络模型是一个较为合适的研究方法。GERT网络模型法认为参与活动过程的各个参数之间的相互影响具有随机性，该方法会按照活动发生的概率，相应地反映出各个节点及支线可能发生的概率，符合科技成果转化过程的特性。GERT网络模型法现在被广泛应用于科研管理、质量控制、可靠性分析、交通运输和灾害演化等多个领域。

结合图1中科技成果转化的两个子阶段和图2中科技成果转化各阶段存在的不确定性，构建科技成果转化过程中的GERT网络模型，如图3所示。从新技术的研究开发，到产业产出并实现其商业价值，这一过程包含以下4个关键节点，节点1是技术生产，若技术生产阶段成功，则产出科技成果，进而进入下一阶段；否则重新进行研究开发回到技术生产阶段。节点2是科技成果，和节点3技术改造一起组成并联结构。这一并联结构的结果有两个，当新投入的科技改造资源将上一阶段产出的科技成果成功改造与应用，则成功到达节点4实现科技成果的产业产出，实现其商业价值；反之，则可以将技术改造与应用阶段的不成功，分为技术改造阶段不成功和技术应用阶段不成功。根据GERT网络模型的性质，定义模型中Pij为各节点的决策概率，Wij为相连两节点间的传递函数。

图3 科技成果转化过程的GERT网络模型

根据GERT网络模型的性质，图3中各节点的决策概率Pij代表各节点事件成功或者不成功的概率。从技术研究到最后的产业产出过程中各个阶段的资源投入，都与各节点决策概率Pij的大小直接相关，影响科技成果转化各阶段和全过程的不确定性，从而进一步影响科技成果能否成果转化的可能性。采用科技创新投入、科技改造投入和科技成果投入分别作为技术生产阶段、技术改造阶段和技术应用阶段的资源投入，用来作为各节点决策概率Pij的衡量因素。根据现有研究，可以知道技术创新服从泊松分布，新产品成功研发所需的时间服从负指数分布，与研发投入呈正相关关系[40-42]。

从前面分析可知，在技术生产阶段，科技创新投入会影响技术生产阶段成功的概率。假设y1是科技创新投入，则技术生产阶段成功的概率为：

P12=1-e-y1

(1)

当y1>0，00，0

同理可得，技术改造阶段成功的概率与科技改造投入y2相关，技术应用阶段成功的概率与科技成果投入y3相关：

P23=1-e-y2

(2)

P32=1-P23=e-y2，且当y2>0，0

(3)

P24=1-e-y3

(4)

P22=1-P24=e-y3，且当y3>0，0

(5)

根据GERT网络模型的特性和矩母函数的性质，可以推算出科技成果转化过程各阶段的矩母函数Mij(s)，进而得出科技成果转化过程的活动说明与GERT网络模型的参数表，如表1所示。

表1 科技成果转化过程的活动说明与GERT网络模型的参数表

参考概率论和统计学中离散系数的概念，运用梅森公式和矩母函数的性质，并结合刘家树等[43]对于技术创新不确定性的衡量，得出衡量科技成果转化全过程不确定系数U的表达式是一个关于y1,y2,y3的函数，科技成果转化系数越大，不确定性越高，科技成果转化成功的可能性越低：

(6)

其中，σ和E(X)分别是网络的标准差和期望；X可以是网络过程所需要的时间、费用和成本等变量。

同理，当仅考虑技术生产过程时，GERT网络图如图4所示，按照上述求解科技成果转化全过程不确定系数的方法，可以得出技术不确定系数U1是一个关于y1的函数。

U1=f(y1)

(7)

图4 技术生产过程中的GERT网络图

当仅考虑技术改造与应用过程，GERT网络图如图5所示，可以得出的市场不确定系数U2是一个关于y2和y3的函数。

U2=f(y2,y3)

(8)

图5 技术改造与应用过程中的GERT网络图

三、科技成果转化过程中的不确定性研究

(一)指标选取

能够衡量科技创新投入、科技改造投入和科技成果投入的指标众多[44-46]。技术生产阶段需要投入大量的人力和资金进行研究开发，学者们多用科学研究与试验发展(research and development，R & D)经费投入、人员投入和资本存量作为这一阶段的衡量指标。技术改造阶段须有进一步的资金投入来吸收外来新技术，并对现有技术进行改造和市场匹配，多采用技术改造经费支出和新产品开发经费等指标进行衡量。技术应用阶段需要有科技成果作为支撑，多采用专利申请书、国内外期刊论文发表数和学术著作数等来衡量[34, 47]。为了使各个指标具有可操作性，参照国内外现有的相关研究[23, 48]，结合本文的实际研究情况及思路，将科技成果转化各个阶段的测量指标细化选取如下，形成可测量的指标体系。

1.科技创新投入

科技创新投入是科技成果转化过程的初始投入，是开展技术创新的基础，常常从人力投入和资金投入方面进行衡量。本文选取以下两个指标：R & D人员当量(人年)和R & D经费内部经费(万元)。

2.科技改造投入

科技改造投入促进了新技术、新成果的商业化以及产业化过程，这一阶段的二次投入资金为企业提供良好的技术改造、技术引进以及消化吸收和购买技术的能力，为科技成果的产业产出奠定基础。本文选取以下5个指标：技术改造经费(万元)、引进技术经费(万元)、消化技术经费(万元)、购买国内技术经费(万元)和新产品开发经费(万元)。

3.科技成果投入

专利是一个经常被用来衡量科技成果的指标，本文选取专利申请数(项)作为衡量科技成果投入的指标。

按照本文选取的科技成果转化过程各阶段投入情况的测量指标，得到整个科技成果转化过程投入链式结构模型，如图6所示。

图6 科技成果转化过程投入链式结构模型

(二)数据来源

一项新技术从研究开发到成功转化，直至产业产出过程不是一蹴而就的，需要经过长期的积累，所以各阶段数据之间存在时滞性[49- 50]。考虑到以上因素，本文在选取数据时，科技创新投入采用第t年数据，科技改造投入和科技成果投入采用第t+1年数据，以确保实证结果的时效性和有效性。具体而言，科技创新投入采用2013—2015年数据，科技改造投入和科技成果投入相应采用2014—2016年数据。本文选取我国高技术产业除信息化学品制造业外(1)由于信息化学品制造业为行业划分变更后的新增行业，部分数据缺失，遂剔除。的5大类18个子行业2013—2016年的面板数据，对高技术企业科技成果转化过程的不确定性进行研究，原始数据来源于《中国科技统计年鉴》和《中国高级技术产业统计年鉴》。

四、实证结果与分析

(一)数据处理及实证结果

本文收集的年鉴数据单位及各维度的量纲差异较大，为了得到更准确的结果，首先，需要对原始数据进行无量纲处理，即进行归一化处理；其次，对多个细化指标衡量同一个参数的情况取相同权重，得到处理后18个子行业的科技创新投入(y1)、科技改造投入(y2)、科技成果投入(y3)；最后，利用MATLAB软件代入相应年鉴数据计算式(6)-式(8)，得到我国高技术产业18个子行业不同时间段的科技成果转化全过程及各阶段的不确定系数，结果如表2所示。

表2 分时间段高技术产业各子行业科技成果转化过程不确定系数

续上表

总体来看，在2013—2016年间，我国高技术产业科技成果转化过程表现出较高的不确定性，平均不确定系数均高于70。多数高技术产业子行业的科技成果转化的可能性处于前沿面之下，仅仅依靠短期内大量的科技研发资源投入不能充分解决，还须对这一问题进行深入彻底地分析。

(二)时间纵向差异性比较

由表2可以看出，在本文选取的时间段内，同一行业、不同年份的科技成果转化全过程及各阶段不确定系数基本保持在相似水平上，但综观各年份科技成果转化各阶段及全过程的不确定系数数据，可以看出其随时间增长呈现一定程度的上升趋势。随着社会进步与科技发展，国际化竞争也变得越来越激烈。在这个技术千变万化、日新月异的时代,高技术企业所面临的不确定性也表现出越来越大的趋势[51]。我国正处于经济转型的重要时期，我国高技术企业所面临的技术不确定性和市场不确定性将更加巨大，本文同时也证实了这一实际现象。随着科技发展的进步，新产品与新技术不断涌现，造成了技术与产品的生命周期逐渐缩短的现象，这种高度变化的不稳定的市场环境对企业的技术研究开发及改造应用的要求越来越高，同时增大了高技术企业科技成果转化的难度。在面临逐渐增大的技术不确定性和市场不确定性时，如何研发出具有竞争性的技术并定位市场，需要高技术企业更加精准地把握。

(三)行业横向差异性比较

为了保证后续分析的可操作性，且文中18个高技术产业的子行业科技成果转化全过程及两个子阶段是平稳逐渐上升的趋势，数据较为集中，将表2中各行业不同时间求得的数据取平均数，得2013—2016年科技成果转化全过程及各阶段平均不确定系数，如表3所示。

表3 高技术产业各子行业科技成果转化过程平均不确定系数

续上表

为了使数据结果更加直观，依据表3绘制相应折线图，考虑到数据结果差异性较大，为了使数据更加平稳，加强绘图的直观性，对表中结果取对数(lgU)进行归一化处理后再进行绘图。得到关于科技成果转化全过程与各阶段平均不确定系数图，如图7所示。

图7 科技成果转化全过程及各阶段平均不确定性系数折线图

由表3和图7可以看出，我国高技术产业18个子行业科技成果转化全过程以及两阶段不确定性整体较高，科技成果转化全过程平均不确定系数达到87.60，技术生产阶段和技术改造与应用阶段的科技成果转化平均不确定系数约为10。其中，技术生产阶段不确定性最低的是通信设备制造和电子器件制造行业，平均分别为2.91和4.61，位于前沿面上，最高的办公设备制造和雷达及配套设备制造则高达21.06和17.27；技术应用改造阶段中不确定性最低的仍然是通信设备制造和电子器件制造行业，分别为1.80和3.12，而最高的为办公设备制造和航天器制造，分别为20.15和25.17。由上述数据可以看出，我国高技术产业各行业之间科技成果转化全过程及各阶段不确定性存在较大差异，这也进一步表明我国高技术产业不同行业之间协调发展能力较差，各子行业的技术生产和技术改造与应用阶段存在短板，科技成果转化全过程存在脱节现象。如何衔接不同子行业间的协调性，也是一个亟待解决的问题。

为了进一步研究各子行业之间的关联关系，运用系统聚类分析法，选用欧氏距离[52]，针对表3中数据进行分类，得到如表4所示的4个类别。

表4 聚类分析各系列平均不确定系数

第一类是科技成果成功转化可能性高行业。这类行业在技术生产和技术改造与应用阶段都有着较低的不确定性，能够有效地利用各阶段的投入资源将其转化为现实生产力，并成功将技术产业化，产出实际商品。其中包含通信设备制造、电子器件制造、电子元件制造、仪器仪表制造、化学药品制造、视听设备制造、计算机整机制造、飞机制造行业。具体来看，这8个子行业中通信设备制造、电子器件制造、化学药品制造和视听设备制造的技术不确定性高于市场不确定性，也验证了这4个行业市场需求较大，产业化过程中影响因素较小，相对来说研发过程更容易受到阻碍；另外4个行业则是市场不确定性高于技术不确定性，这些行业则须更加关注科技成果转化中的技术改造与应用阶段。

第二类是科技成果转化可能性较高行业。这类行业相对于第一类来说，不确定性较高，但总体不确定性低于平均水平，属于能将投入的资源较好地转化为产品的行业。属于此列的有其他电子设备制造、中成药生产、医疗仪器设备及器械制造3类行业。具体来看，其中中成药生产、医疗仪器设备及器械制造行业的技术不确定性较高，若想进一步提高行业的科技成果转化的可能性和产业产出能力，需要在技术生产阶段有更多的发力；而其他电子设备制造行业则是市场不确定性较高，该行业须更加关注于自身技术改造应用阶段投入资源的使用情况。

第三类是科技成果转化可能性较低行业。这类行业的科技成果转化不确定性基本低于平均水平，处于中等或中下水平，说明其可能存在科研经费投入短缺或者技术改造与应用能力不足的情况。这一类别包含广播电视设备制造、生物药品制造、计算机外围设备制造、计算机零部件制造行业。其中，广播电视设备制造行业技术不确定性较高，须对其弱点重点发力；其他3个行业则是市场不确定性较高，如何降低技术改造与应用过程中的不确定性，促进科技成果的有效转化，值得重点关注。

第四类是科技成果转化可能性低行业，这包括雷达及配套设备制造、航天器制造、办公设备制造。这类行业技术不确定性与市场不确定性都远远高于平均水平，须双管齐下，同时重视科技成果转化过程的两个阶段。

综上分析，可以发现，虽然我国高精尖科技成果层出不穷，高技术产业发展速度逐年增大，高端技术研发规模越来越大，但是科技成果转化过程中仍然存在大量不确定性，从而导致我国科技成果转化能力远远落后于欧美许多发达国家。不论是科技成果转化的全过程，还是技术生产或技术改造与应用阶段，我国高技术产业多数子行业之间，科技资源投入转化为产业产出的能力还存在较大的差异和不平衡性，降低科技成果转化过程中的不确定性还有很大的空间。

五、结论和建议

本文应用GERT网络模型方法，基于我国高技术产业5大类18个子行业2013—2016年数据，对科技成果转化全过程及其子阶段不确定性进行测度研究，有如下发现：第一，我国高技术产业技术生产及研发创新能力虽有很大的提高，但科技成果转化过程仍存在大量不确定性，平均科技成果转化不确定系数较大，多数子行业处于科技成果转化成功可能性前沿面下，有较大提升空间。第二,我国高技术产业科技成果转化过程不确定性具有逐年缓慢上升的趋势，市场形势日新月异，如何精准把握市场动态和市场需求，提高新技术走向商品化产业化的可能性，还须高技术产业各行业深入思考和研究。第三，我国高技术产业的各子行业之间科技成果转化不确定性差异较大，且呈现出显著的不平衡性。通信设备制造和电子器件制造行业科技成果转化全过程及各子阶段不确定性较低；而办公设备制造、雷达及配套设备制造和航天器制造行业科技成果转化全过程及各子阶段不确定性远远高于平均水平。

对此，提出以下建议，针对我国高技术产业不同子行业科技成果转化不确定性的特点，须给予不同的解决措施进行改进。对于位于第一类别的通信设备制造、电子器件制造等8个行业，其科技成果转化全过程及两阶段不确定性相对最小，可以建立研发战略联盟，不仅有助于自身技术水平的提高，还可以使联盟产业受益。对于位于第二和第三类别的其他电子设备制造和广播电视设备制造等7个行业，须更加重视科技成果转化过程中的相对薄弱阶段。对于技术生产阶段不确定性较高的行业需要通过保护知识产权、人员激励、创新激励等措施，激发企业自主研发的意愿；对于技术改造与应用阶段不确定性较高的行业，不仅要重视企业的研发工作，而且要重视技术的商业化，积极响应市场需求，以需求带动技术成果的产业化进程。对于第四类别的雷达及配套设备制造等3个子行业，其科技成果转化全过程及两阶段不确定性都远高于其他几类，须制订激励研究开发与促进产业产出的综合性措施。