基于三阶段SE-SBM模型的产学研协同创新效率演化研究

莫 姝 王 婷

(贵州大学管理学院，贵阳 550025)

0 引 言

在国家创新体系中，产学研合作是我国科技创新的重要来源，是推动我国成为创新型国家的重要保障。2020年，习近平总书记在给广大科技人员的回信中强调“希望全国科技工作者弘扬优良传统，坚定创新自信，着力攻克关键核心技术，促进产学研深度融合，勇于攀登科技高峰，为把我国建设成为世界科技强国作出新的更大的贡献”，这既指出了我国创新发展的路径方向，也标志着我国产学研合作迈向了新高度。

知识经济时代的到来带动知识密集型企业迅速崛起，更多企业寻求高校和科研机构合作以突破创新壁垒，实现共创共赢[1]。学研方在产学研合作中以企业提供的信息为导向，产出更符合社会和市场需求的科技成果，有效地解决企业科技创新中成果匮乏的问题，并减少科技创新的风险与成本。近年来我国大力投入资源助力更多主体参加产学研协同创新活动，然而多数地区依旧面临产出水平不足和协同创新程度低下的困境，因此运用科学准确的方法测算全国各地的产学研协同创新效率，找到影响效率值的关键因素，对我国产学研深度合作发展以及协同创新机制探索具有深远意义。

1 国内外研究综述

参与产学研合作的主体丰富多样。盛永祥等将产学研主体分为学研方和企业方，研究发现创新程度提高和成熟程度降低最能促进产学研合作[2]。Carayannis等提出五螺旋模型，展示大学、产业、政府、公共与公民社会以及自然环境间的相互作用关系[3]。

国内外学者从不同角度探索影响产学研协同创新的因素。姚潇颖、卫平、李健研究表明政府资助对产学研合作创新效率有显著抑制作用[4]。Petruzzelli研究发现之前有过合作经验的主体会受到更多其他主体青睐，大学与企业间的地理距离是降低合作绩效的重要因素[5]。

国内外学者多用计量方法研究产学研协同创新效率。Shi等应用两阶段双Bootstrap-DEA方法对中国71所高校的产学研合作效率进行评价[6]。Barra和Zotti通过随机前沿分析和知识生产函数研究意大利区域创新系统效率及其影响因素，以及外部环境变量对创新系统效率的影响[7]。

现有研究在产学研协同创新方面已有较为丰富的成果，但多数文献未考虑环境变量影响，导致实证结果有一定偏差。基于此，本文运用三阶段SE-SBM模型对我国产学研协同创新效率进行分析，在选取环境变量的过程中考虑政府和社会环境的作用，探究其对产学研协同创新效率的影响，最后运用剔除环境变量影响的效率值分析空间相关性，并根据研究结果提出对策建议，以期为今后我国产学研协同创新研究提供方法和理论借鉴。

2 研究理论与体系

2.1 三阶段DEA介绍

传统DEA模型并没有考虑环境变量对效率值的影响，三阶段DEA模型将随机前沿模型与数据包络分析相结合，通过随机前沿模型将环境因素、管理无效率项和随机干扰从DEA模型中分离出来，探究其对效率值的影响并进行剔除，从而使效率值较之前更为客观准确，步骤如下：

第一阶段将所有投入产出指标代入SE-SBM模型计算，得到第一阶段的效率值、Malmquist指数和投入变量松弛值；第二阶段以第一阶段所得投入指标的松弛值为因变量，所选择的环境指标为自变量代入随机前沿模型计算，对松弛变量进行分解；第三阶段将调整之后的指标体系再投入DEA模型计算，得到第三阶段的效率值和Malmquist指数。

2.2 研究体系设计

投入产出体系参考已有的较为成熟的指标研究设计[8-9]。关于影响产学研协同创新的环境变量，国内外相关论文极少，没有明确的指标体系。区别于投入变量，环境变量具有不可控性，但其间接对效率值产生影响。考虑到环境变量的特点，本文创新性地选择R&D经费中来源于政府部门的资金、地区GDP以及各地区进出口额作为环境变量。政府在产学研协同创新过程中起引导作用，政府经费对不同地区可能会产生不同效果。地区GDP代表地区经济发展情况，发达地区可能有更多资金和优秀人才投入产学研协同创新建设。各地区进出口额是衡量地区开放水平的指标，开放程度高的地区在吸引外资投入的同时，也能吸收国外先进技术进行科技创新。

综上，本文构建产学研协同创新指标体系(见表1)，将滞后期定为1年，数据来源于2012—2020年《中国科技统计年鉴》和《中国统计年鉴》(不含西藏及港澳台)。

表1 产学研协同创新指标及描述性统计

3 实证研究

3.1 随机前沿分析

以第一阶段计算所得的投入指标的松弛变量为因变量，环境变量为自变量做SFA分析，得到回归系数和t值(见表2)。所有方程在1%的水平下显著拒绝原假设，即环境变量对投入变量松弛值产生显著影响。人员投入和合作投入松弛方程的γ值接近1，说明管理无效率项是影响人员与合作投入的主要因素，而随机误差的影响几乎可以忽略。研发投入松弛方程的γ值接近1，说明存在少量随机误差和噪声干扰。

表2 第二阶段SFA模型回归结果

地区发展对各投入指标松弛变量在1%的水平上显著为正，表明区域经济发展水平越高，则会投入更多人力和财力进行科技创新，但增加投入资源的同时也造成资源冗余，由于资源配置不合理，产出并没有同等程度增加，从而降低效率值。我国R&D三种经费与人员投入比例失衡问题由来已久，提高产学研协同创新效率，不仅要增加投入，更要注意均衡投入资源。

政府资助对人员投入和合作投入松弛在1%的水平上有显著正向影响，研发投入松弛回归系数在5%的显著水平上为正，说明政府资助的提高同样会增加投入变量的松弛和冗余，从而降低产学研协同创新效率。政府的政策引导和资助经费通常致力于解决社会发展的重点问题，这些难题在研究初期会出现技术成熟度不够和成果产出不足的情况，而到研究后期问题已解决时，政府不会再继续投入过多的资金。政府干预过多会使产出成果偏离市场需求，从而降低成果应用率。对于中部和西部地区来说，由于经济发展不及东部地区，基础设施和人员素质等与东部地区存在差距，政府经费投入会更大程度上用于人员工资与实验器材等方面，这些投入在短时间内难以实现产出回报，并且中部和西部地区的科研水平也与东部地区不同，所以相同投入不一定能得到同等程度产出。

对外开放对各投入指标松弛变量的系数均为负，但仅有合作投入松弛变量系数通过1%显著水平下检验，说明各地区产学研与外资有一定合作但未深入到研发环节，各地区进出口总额的增加能减少投入指标松弛变量的冗余，从而提高产出并提升效率。地区对外开放水平越高，创新资源的优化配置和自由流动程度也越高。各地区加快科技创新速度，吸引更多外资投入，外资投入将引起地区间创新活动的竞争，调动各地区产学研协同创新的积极性，从而提高协同创新效率。

3.2 调整后数值分析

剔除环境因素、管理无效率项和随机扰动后再计算，得到第三阶段各地区产学研协同创新效率值(见表3)，全国效率均值较第一阶段有所降低，说明环境变量、管理无效率和随机干扰的存在使我国产学研协同创新效率在一定程度上被高估。各地区中，除东部地区效率值较第一阶段有所增加外，其余地区均低于第一阶段的数值，其中西部地区下降最多，表明西部地区受环境因素影响最大。东部地区效率值呈U型曲线变化，当前处于上升阶段，中部地区效率值稳步上升且幅度较大，西部地区效率值呈曲折上升态势。

调整过后只有北京每年实现DEA有效。效率均值大于1的有北京、江苏、浙江，都属于东部地区。北京、上海、江苏、浙江、山东、广东、湖北、湖南、陕西的效率均值较第一阶段实现增长。此外，北京的效率平均值最高，为1.993；海南的效率平均值最低，仅为0.057。北京的高效率得益于中关村示范园在科技研发过程中的带头引领，同时还受到环境变量中高对外开发水平的影响，形成北京与国际相互促进创新的新发展格局。2012—2019年，有22个城市的效率值上升，8个城市的效率值下降，超过三分之二的城市产学研协同创新效率值增加。效率值上升最多的是河南，近年来河南将开发前沿技术作为重点政策，并加强协同创新研究的科研环境建设和进程管理，同时从数据上看河南拥有众多的专利产出，新产品销售额甚至超过北京。效率值下降最多的是北京，由于北京为加快构建高精尖经济结构，正在进行产业疏解，对津冀等地的溢出效应逐渐显现。上海的效率值未处于前列且有所下降，是因为近年来专利产出相对不足。

表3 第三阶段产学研协同创新效率值

表4为调整之后的Malmquist指数，全国全要素生产率为1.052，平均每年上升5.2%。技术效率和规模效率指数较调整前有增加，技术进步和纯技术效率指数较调整前有所降低。纯技术效率处于逐年递减状态，表明纯技术效率是影响全要素生产率上升的主要原因，即存在技术应用和管理问题影响全要素增长率。除中部地区各分解指标都大于1外，其余地区均存在问题，东部和西部地区的纯技术效率不足，但原因不同。东部地区已经拥有较为先进完善的技术水平，突破原有技术较困难；而西部地区的平均技术水平落后于东部和中部地区，实现科技进步较容易，贵州、甘肃、青海、宁夏等欠发达地区的效率值有大幅增长，同样造成西部地区全要素生产率增加。中部地区的产学研协同创新正处于快速发展期，各指标均增长。

表4 第三阶段产学研协同创新Malmquist指数

3.3 Moran’s I指数分析

探索性空间数据分析可以用来考察所观测的数据在空间上是否具有相关性，对此运用基于地理距离的空间权重系数进行全局和局部相关性分析。从图1可知，各年的Moran’s I指数均大于0，总体呈上升走势。2013—2015年，Moran’s I指数在10%的水平上显著，2016—2019年至少在5%的水平上显著，说明我国各地区产学研协同创新效率值具有明显的正相关性，并且这种正相关性在逐渐增加。

图1 产学研协同创新效率值Moran’s I指数及Z值

局部相关是指本地区与周围邻近地区观测数据的相关性，探究的是局部空间格局的集聚和离散程度，具体可分为高-高(H-H)、低-高(L-H)、高-低(H-L)、低-低(L-L)相关。图2为局部空间自相关分析结果，2012—2019年，L-L型数量减少，H-H型数量增多，H-L型和L-H型数据波动较小，说明我国产学研协同创新效率从初期的低水平同质化集聚，逐渐发展成高水平同质化集聚，各地区产学研协同创新效率及其正相关性显著提高。

图2 不同空间集聚类型数量

4 结论与建议

4.1 研究结论

基于2012—2020年统计年鉴公布的数据，以四螺旋理论为基础，运用三阶段SE-SBM模型测算我国30个省区市的产学研协同创新效率，并探究其空间相关程度，得到如下结论。

地区发展、政府资助、对外开放对投入变量的松弛值均有影响，投入变量存在管理无效率的因素。地区发展和政府资助的提高会显著增加松弛值，从而负向影响产学研协同创新效率值，对外开放对投入变量的松弛值有负向影响，与效率值呈正相关，但不完全显著。

调整后我国产学研协同创新平均效率值呈上升的状态，中部和西部地区效率值上升且中部上升最多，东部地区效率值略有降低。北京每年效率值都大于1，效率值上升幅度最大的是河南。全国全要素生产率平均每年上升5.2%，分解指标中只有纯技术效率低于1，表明对资源的管理不当和技术使用的成熟度不够是影响全要素生产率的主要原因。只有中部地区的所有指标都大于1，东部和西部地区的纯技术效率不足。

全国产学研协同创新效率的Moran’s I指数及Z值总体呈上升状态，意味着我国产学研协同创新效率在空间上呈正相关，各地区产学研耦合协调发展对周围地区有显著影响，并且这种相关性有逐渐增强的趋势。局部空间相关分析表明，我国产学研协同创新效率从低水平同质化集聚向高水平同质化集聚演进。

4.2 对策建议

根据研究结论，对我国产学研协同创新从不同角度提出以下建议。

政府发挥引导和中介作用，推进“放管服”改革。对效率值高和技术水平高的城市，政府应引导产学研主体解决关键问题和重点问题。针对经济欠发达和低效率地区，政府应加强政策和资金扶持，助力科技人员建设西部和东北地区，深入实施西部大开发和东北振兴战略。同时，政府应加强合作监管，完善相关法律法规，确保知识产权和利益分配机制得当；提供合作平台，帮助参与主体寻找技术匹配的合作伙伴；扶持中小型企业，促进更多主体参与合作。

合理加大投入力度，优化资源配置结构。我国目前投入经费比例与发达国家相比仍有差距，但不能只追求投入经费的数量，还应根据不同地区实际情况，宏观调控各类型人员与经费的投入比例，优化资金分配布局和人力资源结构，力求有限的资源能得到最大化产出，以促进纯技术效率的进步。

加强区域间协同创新，提高对外开放水平。吸引国外资本参与产学研协同创新，促进地区资源与国外资源的融合，学习国外先进技术，促进高新技术企业发展，提高创新产出。效率值低的城市可借鉴高效率城市的产学研协同创新经验，或实现跨区域合作引进创新科技。地区内也要加强合作，以高效率城市为中心带动所属地区低效率城市开展形式多样的产学研协同创新活动，充分利用地理邻近性，减少沟通交流的空间距离，节约合作成本，实现各地区均衡发展，推动效率值的整体提升。