知识基因视角下科技成果转化影响因素研究

贾永飞 郭玥

摘 要：为梳理科技成果转化具体环节，探索影响科技成果转化的关键因素，引用知识基因理论，类比知识基因遗传和表达，提出知识基因视角下科技成果转化需要的四大基本要素：科技DNA、科技RNA、酶和科技性状，并将科技成果转化过程划分为识别、转录、翻译、组合、扩散5个阶段，在此基础上构建科技成果转化评价指标体系，以2016-2020年中国内地30个省域面板数据为样本进行实证检验。通过灰色关联度计算和障碍因子识别发现：①2016-2020年各指标与科技性状表达的关联程度和障碍强度较为稳定；②各指标与显性科技性状表达的关联程度更紧密，翻译阶段与显性科技性状表达关联度最高，转录要素酶与隐性科技性状表达关联度最高；③不同省份之间影响科技性状表达的主要因素具有显著差异；④组合活动和翻译活动开展情况是制约我国科技成果转化的主要障碍因子。

关键词：知识基因；科技成果转化；影响因素；灰色关联分析；障碍度模型

DOI：10.6049/kjjbydc.2022050085

中图分类号：F204

文献标识码：A

文章编号：1001-7348（2023）10-0067-12

0 引言

面对复杂多变的世界环境和新冠肺炎疫情的持续性冲击，创新始终是各国经济发展的主要引擎，我国正处于“两个一百年”奋斗目标的历史交汇期，面对新的国内外形势和发展需求，必须坚定不移地实施创新驱动发展战略，充分发挥科技创新对产业转型升级与经济结构调整的支撑和引领作用。科技成果转化作为科技创新的重要环节，是推动科技成果转化为现实生产力的关键。为提高科技成果转化效率，2015年以来我国先后出台了科技成果转移转化“三部曲”。然而，《中国科技成果转化2020年度报告》显示，科技成果交易金额和科技成果转化奖励强度在2019年均有所下降，其中科技成果转化合同平均成交额较上年下降38.8%，研发与转化主要贡献人员获得的现金和股权奖励较上年下降26.2%^［1］，科技成果转化政策不均衡、金融支持体系不完善、科研工作者重论文轻转化等问题依然存在，提高科技成果转化效率需要新的破题之策。

我国现有科技成果转化研究主要集中在科技成果转化政策与评价^［2］、科技成果转化机制与路径^［3-4］、科技成果转化绩效、科技成果转化效率与影响因素^［5］4个方面。科技成果转化主体主要包括政府、高校、企业和科技中介组织4类行为主体，李海东等（2018）认为这4类行为主体的功能定位、互动关系和作用机制直接影响高校科技成果转化效率。然而，学者探讨科技成果转化影响因素时往往只考虑单一主体的作用，忽略了多个主体要素之间的联合效应^［6］。如Howells^［7］认为，技术转移中介组织对创新过程起重要作用；姚思宇等^［8］运用Ordered Logit模型证实科技中介机构转化服务能力对高校科技成果转化具有显著正向影响。科技成果转化政策是科技成果转化的最大变量^［9］，如何完善科技成果转化政策体系始终是学者们探究的重点。常旭华等（2019）认为，财政资助发明权属不清晰是影响我国科技成果转化的最后一道障碍；同时，多数学者表示只有扎根于社会文化，建立健全配套政策，灵活运用各种政策工具，满足各主体要素合法权益才能真正提高科技成果转化成效^［2］。

从市场角度出发，科技成果转化既是一个社会过程^［10］，也是一个复杂的技术创新过程^［11］，因此影响科技成果转化的因素不仅包括科技成果自身特点、转化意愿等内部因素，也包括社会制度文化、资金、社会需求、社会生产条件等外部因素^［12］。从这一角度分析国内现有科技成果转化影响因素研究仍不够全面和深入，且研究对象局限于高校，研究方法以定性分析和案例分析为主，对科技成果转化的系统性、过程性认识不足；另外，现有研究多以少数经济发达地区为研究对象，未充分考虑各省域创新资源差异对科技成果转化的影响。因此，为解决科技成果转化效率不高这一制约经济发展的痛点问题，应细化科技成果转化各环节，全面识别影响科技成果转化的各类因素。本文将知识基因理论引入科技成果转化研究，通过类比基因表达过程和条件，细分科技成果转化各个阶段，借助灰色关联度和障碍度模型，识别制约科技成果转化的主要环节和因素，旨在为科技成果转化研究提供理论支撑，并为进一步提高科技成果转化效率提供参考依据。

1 基于知识基因理论的科技成果转化

1.1 理论基础

英国学者Dawkins等^［13］根据基因理论提出思想基因的概念，认为思想可随时间和空间变化而移植、扩展，如同生物一样，有基本的遗传单位；Sen^［14］进一步提出情报基因的概念；李伯文（1985）认为知识基因是一个科学概念；之后，刘植惠^［15］细化知识基因的内涵，认为知识基因具有稳定性、遗传与变异性、统摄性以及定向控制知识走向的能力。知识基因决定知识进化与突变，在不同研究领域被称作知识元素、知识因子、知识节点等，现广泛应用于知识和技术识别、知识传播与扩散等领域。如Kuhn等^［16］、孙晓玲等（2017）利用知识基因发现算法识别出在科学技术进化和突变过程中起关键作用的科学知识基因和技术基因，拓展了知识基因在科技领域的应用。知识基因理论为知识产生、传播提供了新视角（逯万辉等，2019），因此研究知識基因游离和重组，有助于探索科技成果转化机理。

1.2 知识基因与科技成果类比分析

Blackmore 等^［17］在模因论的基础上，将知识基因描述为具有高保真复制、高繁殖力和强生命力的复制因子；刘则渊^［18］认为，知识基因是在特定知识领域构成的自组织知识系统，可展示知识产生、演化与重组、涌现、断层和变革、传播和应用等。《中华人民共和国促进科技成果转化法》将科技成果定义为通过科学研究与技术开发所产生的具有实用价值的成果。创新价值链理论将科技创新活动划分为创新产生、成果示范、科技成果产业化和科技成果推广4个环节。对比分析知识基因定义和科技成果定义可知，科技成果作为一种知识产品，本身是知识基因在科技创新领域的体现，而科技成果产生和转化过程对应知识基因表达过程。

1.3 知识基因表达与科技成果转化类比分析

知识具有共享性和积累性，而知识发展是一个动态流动过程，知识基因表达过程表现为知识遗传和变异。知识基因遗传表现为科技信息在不同主体间的传承，并在惯性作用下保持知识稳定性，以维持知识的固有价值；而变异是指随着创新环境和社会需求变化，知识不按原有发展路径进化，并产生内容创新（刘植惠，1999）。国内外现有研究尚未对科技成果转化概念形成统一阐述。科技成果转化作为科技管理领域的专有名词，从官方科技发展规划文件发展而来，国内学者对科技成果转化概念的界定主要分为广义和狭义两种。其中，广义科技成果转化包含从知识生产到最终形成生产力这一创新链条的各个环节；狭义科技成果转化是指应用技术成果向现实生产力转化（贺德方，2011），在国外相似概念被称为技术转移、技术转化或技术商业化。根据各学者对科技成果转化的界定，本文发现科技成果转化具有3个基本特征：一是通过科技成果转化产生经济效益或社会效益；二是科技成果转化的本质是知识流动和扩散；三是科技成果转化不是一个单独环节，而是包含一系列活动（靳瑞杰等，2019）。本研究认定，科技成果转化是指将具有市场应用价值的科研成果通过各种形式实现经济价值和社会价值的一系列活动。根据知识基因中隐性遗传和显性遗传的概念，本文将科技成果的直接应用视为科技基因的显性遗传表达，将科技成果的间接应用视为知识基因的隐性遗传表达。通过对比知识基因表达相关概念和科技成果转化，发现两者存在高度相似性，因此将知识基因理论引入科技成果转化过程。

2 基于知识基因理论的科技成果转化要素与过程

在生物学中，基因表达主要包括基因转录形成RNA和RNA翻译成蛋白质两个过程，以及DNA、RNA、酶和蛋白质四大主要物质。基于这一认知，知识基因理论下的科技成果转化需要以下4类要素参与：①基础性要素：携带科技成果信息的科技DNA。科技DNA片段作为科技成果的虚拟载体，蕴含着研发人员的显性知识和隐性知识，市场和评估机构往往通过对科技DNA的探索和识别寻找具有转化价值的科技成果；②科技RNA。在生物学上RNA作为DNA的转录产物，是传递遗传信息的信使，从知识基因视角出发，科技RNA是传递科技信息的中介产物，是实现科技成果转化的中间桥梁；③酶。在知识基因视角下，各级政府出台的各类科技政策扮演酶的角色，贯穿于科技成果转化各环节，起到正向或负向调节作用；④科技性状。科技性状是基因表达的最终产物，是实现产业化生产和销售的科技产品以及研发成熟后投入使用的科学技术。由于科技DNA蕴含的遗传信息不同，最终表达出的科技性状也具有不同特性和功能，承担不同功能的科技性状会因为市场需求不同而重新组合。

除上述4个要素外，参照知识基因表达过程，本文将科技成果转化整体过程划分为以下5个阶段：

（1）科技DNA识别。并非所有科技成果都能满足转化要求，如同基因表达一样，识别具有实用价值、满足市场需求的科技成果是科技成果转化的首要环节。国内现有科技成果评估活动主要由高校或科研机构自行组织专家委员进行，且多以定性评估为主，缺少统一量化标准（龚敏等，2021），这就导致买卖双方对科技成果的价值认知不一致，信任机制难以建立，从而影响科技成果转化。

（2）科技RNA转录。在这一阶段，携带科技成果信息的科技DNA片段会转录为科技RNA片段，并在科技中介组织帮助下向市场移动。科技DNA转录作为科技成果转化中介机制，需要科技服务机构参与，与科技供给方交接技术合同，并通过众创空间、大学科技园等转录通道打通科学与市场边界，保障科技成果转化顺利开展。除此之外，科技RNA片段移动时间和速度受政府调节作用，政策干预可以加速或者抑制科技成果转化进程，尤其是军工、国防等敏感领域科技成果转化更需要政府全程监控。

（3）科技RNA片段翻译。携带科技信息的知识基因片段流向市场后，企业充当RNA的角色，携带资金、配套技术、原材料等资源形成初步科技产品。這一阶段运行的关键是保障企业携带的相关资源主动向科技RNA片段靠拢，对科技信息进行再开发，并为新产品、新技术的初步生产和应用提供稳定的资源支持。

（4）科技成果组合。经过科技RNA翻译形成初步科技性状，但不具备在市场竞争中赢得商业利益的能力，组合阶段既是对初级科技产品概念的验证，也是对生产的预演和探索^［19］，通过对产品和技术进行不断修正，使技术成熟度持续提高，并与其它科技产品组合，最终形成能够直接销售和使用的终端产品。

（5）科技性状扩散。经过基因表达的最终产物——各种功能蛋白质会被运输到各自位置，发挥各自作用。在科技成果转化中，通过中试检验的技术和产品会进入批量应用及产业化生产环节，科技产品只有在市场中推广并发挥其蕴含的经济价值和社会价值，才能真正实现科技成果转化。

3 研究设计

3.1 知识基因视角下科技成果转化评价指标体系

从知识基因角度出发，梳理科技成果转化过程不仅能够打破现有研究以创新主体为主的局限，还能有效解决科技成果转化具体路径不清晰、服务需求模糊、科技中介服务机构职责定位不明确等问题。根据知识基因视角下科技成果转化包含的4个主体要素和5个阶段，结合以往研究成果，秉持科学性与客观性、相关性与综合性、可测性与便捷性原则，本文构建知识基因视角下科技成果转化评价指标体系。

（1）在过程要素方面，对科技DNA的测量包括已有科技DNA数量和潜在科技DNA片段数量，已有科技DNA涉及科技论文和发明专利，潜在科技DNA片段是指处于开发阶段的科研项目。科技RNA作为知识基因视角下科技成果转化的中间产物，采用技术市场输出技术合同数测量科技RNA数量，采用科技服务机构从业人员和服务测量科技RNA生成能力。酶作为贯穿科技成果转化全过程的重要因素，可以调节科技成果转化速度和进程，本文利用政府质量和政府资金占R&D经费内部支出的比重测量酶对科技成果转化的影响。政府质量是指政府通过制度制定与实施履行政府职能所实现的效能，以及满足社会现实需要的程度。参考已有研究结果，本文选取樊纲编写的《中国市场化指数》中的知识产权保护指数、缩小政府规模指数、减少政府对企业干预指数、维护市场法制环境指数4个指标综合测量各级政府知识产权保护水平和维护市场正常运行的能力^［20-21］；同时，借鉴Francis等^［22］的做法，利用上述4个指标的平均值计算地方政府质量指数。指数越大，表示地方政府质量越高，即政府为创新主体提供的合作平台越多，降低企业融资成本的能力越强。

（2）结果要素主要是对科技基因表达性状进行度量，是科技成果转化效果的直接体现，因为知识基因分为隐性基因和显性基因，其表达性状也分为显性科技性状和隐性科技性状。其中，显性科技性状表达是对发明专利、新技术、新产品的应用和生产，本文选取高新技术产业新产品开发项目数、技术市场交易额、新产品销售收入度量；隐性科技性状表达是对科技论文、新思想、新理论、新方法等隐性知识的转化和应用，其转化效果无法用具体指标度量，本文通过计算各省市技术进步程度和高新技术产业区位熵度量科技成果转化带来的经济效益与社会效益。其中，技术进步程度用全要素生产率度量，反映科技创新、组织创新、生产创新等区域生产效率提升。参考谢超峰等^［23］的研究，本文选取各省GDP数值作为产出变量，三次产业从业人员数和全社会固定资产投资额作为投入变量，运用DEA-Malmquist计算各省市技术进步指数；高新技术产业区位熵反映地区高新技术产业技术水平，该指数越高，表明地区高新技术产业聚集程度越高，科技水平也就越高，具体计算公式如下：

其中，HTI_j、P_j分别表示j地区的高新技术产业总产值和各地区人口数，HTI、P分别表示全国高新技术产业总产值和全国人口数。

在科技DNA识别阶段，采用参与科技成果评价的科技服务人员数量和专业程度以及开展相关活动的经费支出测量各地区科技DNA识别能力并识别活动开展情况；在转录阶段，采用各地区基础信息设施度量各地区转录基础，采用各省众创空间和大学科技园区数量度量各省支持科技基因片段从学术界移动到市场界的转录通道数量，采用技术引进费用支出度量各省转录活动开展情况；在翻译阶段，采用各省市高新技术企业数量和市场资源向科技基因片段的聚集程度度量各省市翻译基础，采用新产品开发经费支出和购买技术经费支出度量翻译活动开展情况；在组合阶段，通过统计科技企业孵化器数量和试验阶段科技人员数量度量各省验证、包装组合科技成果的能力，采用技术改造和试验发展阶段的科技经费支出度量各省科技成果组织包装活动开展情况；在技术性状扩散阶段，采用就业人员受教育程度度量当地对新产品、新技术的接受能力，采用市场开放程度和学术交流活动举办情况度量当地新产品、新技术流入流出能力，采用每年高新技术产业产品出口货值度量该区域科技性状扩散速度。综上所述，具体指标体系如表1所示。

3.2 数据来源

本文从成果转化过程要素、结果要素、阶段性评价3个维度设置35个度量标准。其中，统计指标数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国宏观经济统计年鉴》《中国教育数据库》，政府质量计算相关指数参考《中国市场化指数》2021年报告。由于多数省份创新平台建设以及科技信息相关统计缺少较早年份数据，所以选取2016-2020年中国内地30个省市数据（由于西藏地区数据不全，故未纳入统计）。

其中，2018年、2019年、2020 年全社会固定资产投资额在2016年和2017年数据的基礎上计算得出，市场开放程度在各地区进出口商品总额和各地区生产总值的基础上计算得出，学术交流活动在各地区学术交流会议出席人次、论文汇报次数、特邀报告次数、主办国际学术交流会议次数的基础上计算得出。

3.3 熵值法指标权重确定

3.3.1 数据标准化

为消除量纲分析的不良影响，采用极差法对原始数据进行标准化处理，对标准化后数值进行平移。由于收集的数据多为面板数据，其中数据年度跨度d=5，省份数量m=30，衡量指标个数n=35，因此选取某一指标所有年度各省份的最值，标准化公式如下：

其中，r_θij表示初始数值，θ 表示收集数据的年份，i表示统计的各个省域，j表示参评指标，x_θij表示对原始数据归一后的标准化数值。

3.3.2 比重计算

计算第θ年省份i的第j个指标值在第j个指标下的占比。

3.3.3 信息熵计算

计算第j个指标对应的信息熵。

3.3.4 权重计算

计算第j个指标的权重

3.4 研究方法

灰色关联分析可根据各评价序列构成的曲线族与参考序列构成的序列曲线几何的相似程度，反映各指标之间的关联强度^［24］。本文构建的评价指标体系，每个二级指标和一级指标都是一个复杂的子系统，在建立衡量标准、收集数据时难以全面覆盖，仍存在许多灰色信息，因此采用灰色关联度分析判断各指标与科技性状表达的关联程度。灰色关联度越高，说明该影响因素对科技性状表达的影响越显著。指标障碍度是指各指标对总目标的影响程度，指标越大说明该指标对科技成果转化产生的阻碍效应越大，两者结合可以定量识别阻碍科技成果转化的瓶颈因素。

3.4.1 灰色关联分析法

首先，设定参考序列，即反映科技性状表达成效的数据序列，将知识基因视角下显性科技性状表达和隐性科技性状表达设为参考序列，将科技成果转化过程要素和科技成果转化阶段影响因素设为比较序列。在数据标准化的基础上，根據熵权法计算标准权重，对衡量标准进行归一化处理，算出影响因素二级指标加权标准化数值，如DNA片段数量（B₁）处理后的数值为：

其次，运用公式（7）和公式（8）计算影响因素指标与显、隐科技性状表达灰色关联系数，分辨系数一般取值为0.5，表示参与计算的二级指标；在此基础上，对中国内地30个省域的灰色关联系数求平均，算出影响因素指标与显、隐科技性状表达的整体关联度。

进一步，为分析各省域影响因素指标和科技性状表达结果指标之间的关联关系，结合熵权法求出的指标权重，计算二级指标权重v_k，综合计算各省域影响因素与显、隐科技性状表达之间的关联关系。

3.4.2 障碍度评价模型

为找出我国各省市科技成果转化薄弱环节，借用鲁春阳等^［25］的方法，采用障碍度模型对我国各省市影响科技成果转化的障碍因子进行测算，计算公式如下：

其中，x_ijk为原始数据归一化后的标准值，v_k为熵值法指标权重，ε_k为计算出的指标障碍度，所有指标的障碍度之和为1。

4 基于知识基因理论的科技成果转化影响因素

4.1 灰色关联度分析

4.1.1 显性科技性状表达影响因素关联分析

2016—2020年，知识基因视角下科技成果表达过程和要素与显性科技性状表达关联度如表2所示。从时间看，仅有识别能力一个指标的灰色关联系数波动大于0.1，该指标在2016与显性科技性状表达的灰色关联度为0.912 9，之后逐渐下降，到2020年仅为0.784 9；此外，潜在DNA片段数量、酶的质量两个指标系数波动大于0.05，其它影响因素指标和显性科技性状表达灰色关联度保持稳定，无明显波动。

各指标显性科技性状表达关联系数整体介于0.55～1区间，处于中度以上水平。对不同指标显性科技性状表达灰色关联系数进行对比分析，关联度均值在0.9以上的指标有翻译基础、翻译活动和扩散能力，说明这3个指标与显性科技性状表达之间存在较强的关联性，能够显著影响科技成果转化。因此，为提高科技成果转化率，除从高校和科研机构入手外，也要从价格制定、资源配置、风险化解等方面建立科技成果转化市场机制。除此之外，转录活动、科技中介RNA服务能力和活跃程度、组合基础、扩散能力、对科技DNA的识别能力和识别活动开展情况也有较高关联度。显性科技性状表达关联度在0.7以下的指标有酶的质量、酶的加速作用和科技性状接受能力，说明政府财政支持、知识产权保护政策能够为科技成果转化提供保障，但对于推动科技成果转化的作用效果不显著；同时，公众和就业人员受教育程度与科技成果转化的关联性不强，间接反映我国科技成果转化活动主要在科研和学术领域展开。

从图2各省市整体灰色关联度看，各省市显性科技性状表达情况没有明显改变，但值得注意的是，北京、上海、江苏等创新能力较强省市整体灰色关联系数反而最低。这些省市虽然在科技成果转化过程要素、科技成果转化阶段、科技成果转化结果要素3个阶段都有较好的表现，但就收集的数据看，结果要素阶段优势小于其它两个阶段，因此这些省市影响因素序列和科技性状表达参考序列贴近程度较低，导致整体关联系数较低。进一步分析发现，翻译阶段各项指标显性科技性状表达关联度较高，而要素酶相关指标关联度较低。除此之外，各省份影响显性科技性状表达的主要因素也存在显著差异，其中河北、山西、内蒙古与显性科技性状表达关联度最高的指标来自科技RNA阶段；辽宁、湖南、海南、云南转录活动开展情况与显性科技性状表达关联度最高；山东、河南、广西、新疆关联度最高的指标为科技性状扩散能力和扩散速度。

4.1.2 隐性科技性状表达影响因素关联分析

各指标隐性科技性状表达的灰色关联系数如表3所示。对比发现，各影响因素隐性科技性状表达关联程度低于显性科技性状关联程度。2016-2020年各指标隐性科技性状表达平均关联度介于0.55～0.8之间，处于中度关联和较强关联的取值区间，未与隐性科技性状表达产生强关联。从时间分析看，5年间各指标隐性科技性状表达关联系数波动较小，同样只有识别能力关联系数波动幅度大于0.1，该指标在2018年下降为0.575 5后于2020年回升至0.688 7，大于以往的最大值。除此之外，DNA片段、科技中介RNA服务能力等多个指标灰色关联系数在2016-2019年呈轻微下降趋势，并于2020年有所回升。

根据计算结果，平均关联系数在0.65以上关联度较高的影响因素有：酶的质量、转录基础、潜在DNA片段、科技性状接受能力、转录通道和DNA片段，其中政府和公众以及就业人员受教育程度对隐性科技性状表达的影响作用大于对显性科技性状表达的影响作用。同时，这6个有较强关联度的影响因素指标能够打通学术科研与市场通道，建立高效运行信息平台，促进各创新主体之间沟通交流，实现知识扩散和传播。其余影响因素关联度均介于0.55～0.65之间，表明这些指标已经与隐性科技性状表达建立关联，但关联性较弱。

值得注意的是，虽然转录基础和转录通道与隐性科技性状表达关联密切，但转录活动开展情况平均关联度仅为0.565 0，表明我国推动科技成果从科学向市场转移的措施以基础设施和平台建设为主，各创新主体为推动科技成果转移举办的相关活动较少；同样，酶的质量和酶的加速作用也出现相似情况，酶的质量在多数省份与隐性科技性状关联度最高，酶的加速作用却普遍关联度较低，表明加大科研经费支出对隐性科技性状表达的作用有限。

从图3各省市隐性科技性状表达灰色关联度变化看，2016—2020年各省市指标隐性科技性状表达整体关联度变化幅度较大，其中安徽、福建、湖南、四川、海南、重庆、贵州、甘肃等多数省市整体关联度呈明显下降趋势。这是因为：这些省份隐性科技性状表达指标得分上升幅度低于影响因素指标上升幅度，即科技成果数量提升和转化环境改善未能充分提高科技成果转化效率；而北京、上海、浙江、青海等省市灰色关联系数保持稳定，少数省市如吉林、黑龙江、江苏、广东关联度呈上升趋势。进一步对比发现，不同省域影响隐性科技性状表达的主要因素不同，如河北、山西、安徽、江西、广东、广西、新疆隐性科技性状表达关联性最高的影响因素为转录基础，而北京、天津、上海等省市这一指标关联度多次低于0.5，关联度较低；北京、河北等多数省市隐性科技性状扩散速度关联度最低，但河南这一指标平均灰色关联度高达0.932 6，关联性极强。4.2 科技成果转化障碍因子识别

对中国内地30个省份数据取平均值，进一步识别每年影响科技成果转化的障碍因子，障碍度计算结果和排序如图4所示。从时间分析看，2016—2020年多数影响因子科技成果转化障碍度保持稳定。从障碍强度看，科技RNA翻译活动与新产品、新技术组合验证活动障碍度接近，均大于10%，是阻碍各省科技成果转化的主要因素；同时，翻译阶段和组合阶段的翻译基础及组合基础也有较高障碍度，说明这两个阶段是阻碍2016—2020各省市科技成果转化的主要环节；从省份看，除山东和广东外，其余省份在这两个阶段都有较高的障碍度。可见，创新平台设施匮乏、市场资源流通不畅是阻碍我国多个省份科技成果转化的主要原因。除此之外，识别活动和转录活动开展情况也存在较高的障碍度。整体而言，相关活动开展情况障碍度普遍高于各阶段平台、基础设施建设。因此，为提高各省市科技成果转化效率，应深化科技创新体制机制改革，细化科研经费使用环节，激励高校、科研机构、企业、中介组织等创新主体主动寻求合作，积极开展推动科技成果转化的科技成果评估、科技成果信息发布会、科技成果交易会、科技成果概念验证等科技成果转移转化活动。

4.3 灰色关联度与障碍度综合分析

根据显、隐性科技性状表达在科技成果转化中所占比重，计算各影响因素指标科技成果转化综合关联度，并与障碍度进行对比分析。由图5可知，所有影响因素指标包括3类：第一类是低障碍度低关联度指标，位于图5左下区域，这类指标对科技成果转化的提升作用有限；第二类是高关联度高阻碍度指标，位于右上区域，这类指标与科技成果转化存在密切联系，但现阶段却阻碍了科技成果转化，是提高科技成果转化效率的主要突破口；第三类为高关联度低阻碍度指标，位于右下区域，这类指标形成我国科技成果转化的核心支撑力。由图5可知，多数影响因素指标处于高关联高阻碍分区，说明我国科技成果转化仍存在很多问题，现阶段各省市推动科技成果转化的实现路径是在保持人才引进、科研经费投入的基础上，加强中试基地、市场与学术界信息沟通平台建设，鼓励创新主体积极开展学术交流、科技成果介绍交易、新产品中试验证、新产品推介等活动。

5 结论与建议

5.1 研究結论

本文引用知识基因理论对科技成果转化过程要素和阶段进行梳理，构建科技成果转化影响因素指标体系，运用灰色关联理论和障碍因子识别对2016—2020年中国内地30个省域面板数据进行计算，得出如下研究结论：

（1）各影响因素指标显、隐性科技性状表达关联程度存在差异。整体看，各指标显性科技性状表达关联度大于隐性科技性状表达关联度，表明现阶段各省市科技成果转化带来的经济效益大于社会效益。

（2）2016—2020年，各指标科技性状表达关联度数值波动较小，维持在相对稳定状态；但影响各省市科技性状表达的主要因素各不相同，其中北京、上海、江苏、广东等创新基础较好省市科技性状表达的影响程度低于其它省市。

（3）与科技性状表达关联度较高的影响因素多源自市场层面，其中与显性科技性状表达关联度最大的是翻译阶段，即市场对引进的科技成果吸收、再开发和尝试生产阶段；与隐性科技性状表达关联度最高的为转录阶段。因此，要促进隐性科技性状表达，需要打破科研学术领域和市场边界，通过建立科技中介机构带动科技信息流动。

（4）科技RNA翻译基础建设和翻译活动开展情况、新产品新技术中试平台建设和中试活动开展情况、科技DNA识别评估活动开展情况以及新成果的推广能力是现阶段影响和制约我国科技成果转化的主要因素。

5.2 对策建议

（1）建立第三方科技评估机构，开展科技成果评估活动，提高科技成果识别能力。科技DNA识别活动开展情况是阻碍科技成果转化的主要因素之一，科技DNA与科技性状表达关联度相对较弱说明我国科技成果数量虽多，但创造的社会价值和经济价值较低，反映出科研成果与产业需求相脱节。为解决这一问题，首先需要科研机构改革科研考核体制机制，破除科研领域中“唯论文”、忽视市场情况和企业需求的惯习；同时，完善第三方评估机构，解决科研系统和产业系统科技成果评价标准不一等问题。政府应厘清第三方评估机构的职责定位，解决“谁来评”“评什么”“怎么评”“评价结果怎么用”等一系列问题，并通过授权保证第三方评估机构的独立性、权威性、规范性、合法性，通过完善科研成果评价体系，破除制约科技成果转化的障碍。

（2）打破场域边界，推动市场资源向科技成果转化聚集。研究发现，与显性科技性状表达关联度最高的影响因子来自翻译阶段，与隐性科技性状表达关联度最高的影响因子来自转录阶段，同时翻译基础和翻译活动开展是制约科技成果转化的最大障碍因子。可见，科技成果转化的关键在于市场，要推动科技成果转化首先需要打破科学与市场边界，实现双方深度融合，通过组织形式多样、周期固定的产学研对接会，鼓励科研人员到企业挂职；另外，实现市场资源向科技成果聚集，满足科技RNA翻译活动需求。倡导科研人员开展以市场为导向的科技成果研究，使科技成果满足市场需求，加大高新技术企业培育力度，激发企业参与科技成果转化的热情，引导市场资源向具有转化价值的科技成果聚集，发挥企业在新技术吸收、开发、再创新过程中的资源配置作用。

（3）完善中试环节，放大中试环节对新产品产业化生产的催化作用。研究发现，组合活动和组合基础属于高关联高障碍影响因素指标，说明我国现有创新体系中试环节薄弱且中试资金匮乏，科研系统与产业系统价值追求不同。以高校、科研院所为主的科研场域以技术攻坚和基础性研发为己任，而以企业为主的产业场域以在市场竞争中获取经济利益为目标，导致中间概念验证和中试量产阶段被忽视。为解决这一问题，政府除加大技术开发后期资助力度、优化科研经费配置结构、缓解创新早期资金耗费外，还需要完善风险投资机制，吸引社会资本进入产品组合阶段，参与科技成果转化风险投资。在降低基金准入门槛、完善信贷体系的同时，建立风险资金退出机制，通过股权转让方式引导社会资本依法退出。

（4）加大新产品推广力度，推动科技成果扩散。研究发现，扩散阶段是制约科技成果转化的主要障碍因子。科技成果转化的终点不是实现生产，而是通过新技术应用和新产品销售带来经济效益和社会效益提升。因此，为推动科技性状扩散，需要从政府和市场两方面发力。政府要在全国范围内建设科技成果转移转化示范区，以点带面推动科技性状扩散，同时通过扩大首购、订购等措施加快推进装备首台套、材料首批次、软件首版次示范应用；企业要做好产品定位与包装，在原有科技成果的基础上打造科技产品新形象，探索多元销售渠道，将新产品优势和特点传递给客户，提升消费者对新产品、新技术的信赖度和满意度。

参考文献：

［1］刘垠.《中国科技成果转化2020年度报告》出炉［J］.中国科技奖励，2021，28（4）：10-11.

［2］方齐，谢洪明.科技成果转化政策供给与政策协调的组态效应［J/OL］.科学学研究：1-16［2022-05-03］.DOI：10.16192/j.cnki.1003-2053.20211026.001.

［3］杨红斌，马雄德. 基于产权激励的高校科技成果转化实施路径［J］. 中国高校科技， 2021， 27（7）： 82-86.

［4］许可，张亚峰，肖冰. 科学与市场间的边界组织：科技成果转化机构的理论拓展与实践创新［J］. 中国软科学， 2021， 36（6）： 64-73.

［5］郭颖，廉翔鹏，席笑文. 中科院产研合作对其科技成果转化影响研究［J］. 科研管理， 2021， 42（10）： 97-103.

［6］GOOD M， KNOCKAERT M， SOPPE B， et al. The technology transfer ecosystem in academia： an organizational design perspective［J］. Technovation， 2019， 82（4） ： 35-50.

［7］HOWELLS J. Intermediation and the role of intermediaries in innovation［J］. Research Policy， 2006， 35（5）： 715-728.

［8］姚思宇，何海燕. 高校科技成果转化影响因素研究——基于Ordered Logit模型实证分析［J］. 教育发展研究， 2017， 37（9）： 45-52.

［9］劉永千. 多主体参与的区域科技成果转化影响因素［J］. 同济大学学报（自然科学版）， 2020， 48（12）： 1828-1835.

［10］METZ B， DAVIDSON O R， TURKSON J K， et al. Methodological and technological issues in technology transfer： a special report of the intergovernmental panel on climate change［M］. Cambridge：Cambridge University Press， 2000.

［11］BARLETTA F， YOGUEL G， PEREIRA M， et al. Exploring scientific productivity and transfer activities： evidence from argentinean ICT research groups［J］. Research Policy， 2017， 46（8）： 1361-1369.

［12］郭强，夏向阳，赵莉.高校科技成果转化影响因素及对策研究［J］.科技进步与对策，2012，29（6）：151-153.

［13］DAWKINS R， DAVIS N. The selfish gene［M］. London：Macat Library， 2017.

［14］SEN S K. A note on the idea gene and its relevance to information science［J］. ALIS， 1981， 28（1/4）： 97-102.

［15］刘植惠. 知识基因探索（一）［J］. 情报理论与实践， 1998， 19（1）： 63-65.

［16］KUHN T， PERC M， HELBING D. Inheritance patterns in citation networks reveal scientific memes［J］. Physical Review X， 2014， 4（4）： 41036.

［17］BLACKMORE S， BLACKMORE S J. The meme machine［M］. Oxford：Oxford Paperbacks， 2000.

［18］刘则渊. 知识基因论视野下的 “新兴研究领域识别计量” 著作——《 新兴研究领域识别计量》序言［M］. 北京： 科学出版社，2017.

［19］宗倩倩.高校科技成果轉化现实障碍及其破解机制［J］.科技进步与对策，2023，40（4）：106-113.

［20］王小鲁，胡李鹏，樊纲. 中国分省份市场化指数报告（2021）［M］. 北京：社会科学文献出版社， 2021.

［21］LA PORTA R， LOPEZ-DE-SILANES F， SHLEIFER A， et al. The quality of government［J］. The Journal of Law， Economics， and Organization， 1999， 15（1）： 222-279.

［22］FRANCIS J， LAFOND R， OLSSON P M， et al. Costs of equity and earnings attributes［J］. The Accounting Review， 2004， 79（4）： 967-1010.

［23］谢超峰，孔蕊. 金融集聚、技术进步与产业结构升级关系研究——基于中部地区样本数据的实证分析［J］. 价格理论与实践， 2021， 41（10）： 177-180.

［24］邓聚龙. 灰色系统理论教程［M］. 武汉：华中理工大学出版社， 1990.

［25］鲁春阳，文枫，杨庆媛，等. 基于改进TOPSIS法的城市土地利用绩效评价及障碍因子诊断——以重庆市为例［J］. 资源科学， 2011， 33（3）： 535-541.

（责任编辑：王敬敏）

Influencing Factors of Scientific and Technological Achievements Transformation

from the Perspective of Knowledge Genes

Jia Yongfei^1，2，Guo Yue¹

（1.Qilu University of Technology （Shandong Academy of Sciences）；

2.Shandong Institute of Science and Technology Development Strategy， Jinan 250014， China）

Abstract：The transformation of scientific and technological advancements， as an essential component of innovation， is the key to the transformation from technological advancement into actual productivity in the complex and ever-changing global environment. However， there is a general lack of corresponding business knowledge among researchers in various research institutes and universities worldwide. The problem of low efficiency in the transformation of scientific and technological achievements persists， and the effect of the transformation intermediaries is not obvious. When assessing the influencing variables of the transformation of science and technology achievement， scholars typically use a single subject as the research object and disregard the linkage effect among other subjects. However， in reality， the transformation of scientific and technological achievements is a complex social process that involves numerous links and demands because of the participation of numerous subjects.

The knowledge gene theory is thus introduced into the study of the transformation of scientific and technological achievements in order to refine the various aspects of the transformation of scientific and technological achievements， comprehensively identify the influencing factors， and provide countermeasure suggestions for each region to improve the efficiency of the transformation of scientific and technological achievements in a targeted manner. Knowledge gene theory is widely employed in the study of intelligence because it offers interpretable viewpoints and descriptions of knowledge expressions in the processes of knowledge formation， dissemination， organization， and evolution. It is helpful for the exploration of the mechanism of transformation and mutual promotion among science and technology by studying the dissociation and recombination of knowledge genes. This is because scientific and technological achievements are transformed in a way that corresponds to the expression of knowledge genes， making it a special manifestation of knowledge genes. The existing research on the transformation of scientific and technological achievements is not theoretical， systematic， and process-oriented， and these shortcomings are made up by the citation of knowledge gene theory. By analogy with knowledge of gene inheritance and expression， the study considers the four basic elements required for the transformation of scientific and technological achievements： technological DNA， technological RNA， enzymes and technological traits. It also divides the transformation process into five stages： recognition， transcription， translation， combination and diffusion. Then it draws on the panel data from 30 Chinese provinces from 2016 to 2020 as the samples to perform empirical analysis using gray correlation analysis and obstacle degree model. This is done by applying the entropy weight approach to determine the index weights.

It is found that， firstly， the extent to which most influencing factors correlate with the expression of dominant technological and scientific traits is higher than that with the expression of recessive technological and scientific traits， indicating that the economic benefits brought by the transformation of technological and scientific achievements in each province at this stage outweigh the social benefits. Secondly， the degrees of association and obstacle strength of each indicator with the expression of scientific and technological traits are relatively stable from 2016 to 2020 in terms of spatial and temporal effects， but there are regional variations in the main factors influencing the expression of scientific and technological traits. Beijing， Shanghai， Jiangsu， Zhejiang， and Guangdong have lower correlation degrees for most indicators

with scientific and technological trait expression than other provinces， while Shanxi， Gansu， Yunnan， and Xinjiang often have greater gray correlation coefficients for indicators. Thirdly， the main factor identification reveals that the translation stage has the highest correlation with the expression of dominant scientific and technological traits， while transcription element enzymes have the highest correlation with the expression of recessive scientific and technological traits.

The main obstacle factor limiting the transformation of science and technology is the development of combinational and translational activities. Therefore， the regions should first develop reliable institutions for scientific and technological evaluation to enhance the identification of scientific and technological DNA in order to improve the transformation efficiency of scientific and technological achievements. Second， it is important to encourage the application of commercial resources to advances in science and technology， enhance the creation of pilot test links， perform well in terms of quantitative application and concept validation， and conduct pre-commissioning trial production. Last but not least， the government and innovation subjects should step up the promotion of new technologies and goods so that their economic and social values can be realized.

Key Words：Knowledge Gene; Transformation of Scientific and Technological Achievements; Influencing Factors; Grey Correlation Analysis; Obstacle Degree Model