高校科技成果转化效率测度研究综述

黄文睿, 裘铠丞

(1.同济大学 经济与管理学院, 上海 200092; 2.复旦大学 管理学院, 上海 200433)

高等院校是知识的宝库和创新的重要发源地,在这些汇聚智慧的学府中,科学家和研究人员不断进行前沿探索,突破科技的边界。科研上的创新和突破固然是研究与发展的重要一环,将研究创新成果转化为实际的产品、应用和解决方案也是同等重要的环节,可以说,高校科技成果转化是现代知识经济中至关重要的一步。高校科技成果转化涉及的主体和渠道是多元的,最终实现社会效益的过程是繁杂且不确定的,单一指标(如科技成果转化率)难以较为全面地衡量其转化效果,因此研究目光更多投向转化效率。

许多研究将科技成果转化包含在高校科技创新的范畴内进行研究,但后者的部分文章将论文、专著等过程指标和基础研究成果归为整体转化的最后产出。高校科技成果转化重心在于研究的商业化,转化最终产出包含这类中间成果有所不妥,因此这部分文献暂不纳入梳理。张明喜和郭戎[1]指出科技成果转化效率度量主要有宏观上衡量科技对经济的贡献率、微观上由机构或协会制定度量体系、间接度量法和典型项目案例法四大类方法。本文聚焦于方法二和方法三,旨在梳理以不同统计方法和通过不同指标建立评价体系的文献研究。

接下来将深入探讨高校科技成果转化效率的评价方法和评价指标体系,梳理现有文献的研究视角,分析已有研究所呈现的影响效率的因素,对我国高校科技成果转化效率的研究现状和研究结论进行总体的把握和推断,为后来学者进行相关研究提供一定的理论基础和方向指导。

1 高校科技成果转化效率测度方法

效率测度方法主要分为三大类,以数据包络分析(data envelopment analysis,DEA)为代表的非参数方法、以随机前沿分析(stochastic frontier analysis,SFA)为代表的参数方法,以及其他方法。

1.1 数据包络分析

由于高校科技成果转化是多投入多产出的问题,在早期就有学者使用DEA方法进行效率测度。典型研究有Anderson等[2]运用DEA方法对美国大学技术转移效率进行评估和排序, Thursby夫妇将美国大学的专利许可过程划分为三个阶段,通过DEA测算各阶段效率[3]。成果转化是一个动态演进的过程,于是逐渐有学者用动态的眼光评价转化效率,如陈琨等[4]、罗茜等[5]采用DEA-Malmquist方法,动态反应效率的变化情况。同时,由于成果转化存在研究、开发、生产等众多“黑箱”环节,深入探索转化过程内部结构后进行系统分析也十分必要。基于此,许多学者采取两阶段DEA模型,通常将过程划分为一阶段科技成果产出和二阶段科技成果转化,典型研究有Ho等[6]运用两阶段DEA模型研究了美国大学在技术转移过程中的优劣势,张运华等[7]、林青宁和毛世平[8]、田庆锋等[9]梳理转化活动全流程后采用两阶段DEA进行测度。三阶段DEA也是目前十分成熟的模型,典型研究有杨宏进和刘立群[10]、高擎等[11]、李文辉等[12]基于三阶段DEA模型进行科技成果产出效率评估,杨树旺等[13]通过三阶段DEA模型,同时结合核密度估计与Tobit模型,测度长江经济带“双一流”高校的成果转化效率。

随着研究的推进,越来越多的学者不断扩展和创新整合模型,以弥补传统模型的局限性。罗茜等[14]采用两阶段DEA模型并连续应用Malmquist指数进行测度;何彬和范硕[15]使用Bootstrap-DEA方法和面板Tobit模型,有效避免样本极值的影响;周荣等[16]提出加权交叉效率DEA模型计算大学科技园的成果转化效率;王赵琛等[17]、刘霞等[18]使用SBM-DEA模型,考虑其能更好地处理松弛变量,测度更为精确且有助于对有效决策单元进行比较分析;赵公民等[19]综合考虑成果转化的阶段性、变化趋势及径向和松弛性问题,采用网络SBM-Malmquist模型;杨登才等[20]、王晓红等[21]采用超效率DEA模型并结合面板Tobit模型实现效率测度;初旭新和马昱[22]采用超效率SBM模型,结合核密度估计法刻画了效率动态演化过程;何悦等[23]采用网络DEA模型,基于成果创造何转化价值链的视角进行模型搭建;罗彪和卢蓉[24]构建分阶段链式网络DEA方法,考察基础研究和应用研究对整体效率的影响;覃雄合等[25]构建链式网络SBM模型,将转化过程划分为知识获取、技术创新、价值转化三个阶段并进行测度;王楚君等[26]融合了社会网络分析,采用网络DEA模型进行效率评价;王晓珍和蒋子浩[27]采用DF-DEA模型从乐观和悲观双前沿面对高校创新效率进行评价,并利用非参数核密度估计法进行进一步考察,同时考虑了经济价值视角外的社会价值层面的产出;刘东霞和赵泳琪[28]采用三阶段非径向超效率EBM-Windows模型,反应动态变化特征;李影和张鹏[29]将DEA与合作博弈方法结合,采用Shapley值分配合作收益,进行系统效率测算。

1.2 随机前沿分析

随机前沿分析是一种参数方法,用基础SFA模型进行效率测度的经典研究有Siegel等[30]采取SFA方法对比英美两国高校技术转移效率,苏永涛和高琦[31]、廖述梅和徐升华[32]、洪峰等[33]采用SFA方法对高校技术转移效率进行评估,原长弘等[34]、原长弘和孙会娟[35]采用SFA方法测算技术转移效率,进而研究政府支持和市场需求对效率的影响。当然也有学者对于分别使用DEA和SFA方法进行效率评价研究,如Chapple等[36]评价了欧美等国家和地区大学科技成果转化效率以及影响因素。

1.3 其他方法

早期研究中,多指标综合评价是较为常用的科技成果转化绩效评价方法,如层次分析法(AHP)、灰色关联法、熵值法、排序法、模糊分析法等。 这些方法主要是通过建立成果转化相关要素的指标体系实现,因此可能忽略投入产出关系和影响的综合考量,难以准确反映投入产出效率。因此,越来越多的学者选择使用DEA和SFA两类效率评价模型,进行更为准确的评估。

除了这两种主要的模型,也有少量研究使用其他的方法。例如,乔为国和詹文杰[37]搭建了“经费支出-专利产出-预期收益-实现收益”三步骤分析框架,在此基础上进行数据测算;苏世彬和李苹[38]在要素价格扭曲对科技成果转化效率影响时,用技术市场成交额与R&D研发经费的内部支出的比值来简要衡量效率水平;杨栩和于渤[39]采用熵值法搭建了效率评价指标体系。

2 高校科技成果转化效率测度指标

高校科技成果转化是一项多投入多产出的复杂系统,梳理已有效率研究在指标上的选择,通常考虑资金、人力、专著、论文与国际会议、项目及获奖、专利、技术转让及其他要素,如表1所示,不同研究选择的变量取值方法有所差异,且指标类型也不尽相同。

表1 高校科技成果转化效率测度指标

对于指标的选取,以及过程性指标究竟应被视为成果转化的投入还是产出,或是否应当纳入考虑,文献意见尚不一致。当前部分研究将论文、专著和项目等指标视为投入或中间产出,而王赵琛等[17]认为,由于基础研究的特性,若将这类过程性指标和基础研究情况纳入模型,可能会造成评估主体界限模糊和因高校学科结构差异导致的可信度降低的问题,谢静雨和王占军[45]也指出这类指标也由于存在时空不确定性难以分时段统计。同时王赵琛等[17]还提出不应各类过程指标、计数指标、不同阶段指标联用,易弱化测度精确性。

3 高校科技成果转化效率的研究视角

3.1 区域差异

研究高校科技成果转化效率的空间差异,即区域内的高校是否存在共同特征,是否具有一定的效率差异。相当一部分文章的研究对象为全国高校,并以省份或地域为划分依据进行科技成果转化效率测度,研究区域效率差异[25,40],发现各省份科技成果转化阶段效率差异较大,且在转化两阶段中具有各自的优势和瓶颈[24],在规模效率方面,东、中部地区明显高于西部地区,在纯技术效率方面,三地区比较接近[44]。东部地区高校科技成果转化效率显著高于中西部地区,空间集聚效应有减弱趋势,导致中西部高校科技成果转化效率无追赶东部地区的趋势[8]。东部沿海地区省份的技术创新效率较高、知识获取效率较低,西部地区与之相反[25]。

部分文章将研究区域细化,研究某一省份的高校[5,14,46],大多存在省际高校间效率差异大的情况[47],且经济发达且科教资源密集区域高校成果转化效率相对较高[14]。或是经济区域中的高校,如长江经济带的高校[13],发现科技成果转化效率从上游-中游-下游逐渐增高,长江经济带下游区域高校的效率较中上游地区高校存在更明显的两级或多级分化态势[13]。基于此,也有文章研究效率的空间溢出效应[41],即某一区域主体的效率变化会对其他区域产生影响,研究发现高校之间科技创新整体效率的空间溢出效应较弱,而成果转化效率具有明显的空间溢出效应,且高校知识创新效率尚未对成果转化效率产生明显的空间溢出效应[41]。也有研究[4]进行中外高校的技术转化效率比较研究。

3.2 类型差异

国内对于高校的分类研究通常有以下几种。“双一流”大学[19,21,48]:“双一流” 高校科技成果转化效率虽然整体呈现上升趋势,但学校间明显存在差异,区域环境影响高校的效率;且高校个体与群体之间均存在明显差距[48];存在部分高校科研能力强但商业化能力弱,说明其理论性成果向应用型成果的转化机制不顺畅[13]。“985”高校[26,43]:研究发现,这类高校的技术转移平均效率不高, 有高达60%的高校是非DEA有效的[43],效率差异较大,且具有明显的“长尾效应”,即有大量低效率大学,但效率强项来看,每所大学都有自身的特点[26]。教育部直属高校[15,17]:发现大部分高校在科技成果转化效率方面存在不足,以及“211”高校[34]等。或是依据研究主题自行限定高校类型,如田庆锋等[9]的研究主体为军民融合型高校,发现军民融合型高校的科技成果转化效率大大低于产出效率,高校之间科技成果转化效率的差异较为明显;何悦等[23]的研究主体为研究型大学,发现总体效率取得一定进步,但科技价值产生阶段效率严重偏低,且存在下降的趋势。

3.3 时间差异

研究效率的时间差异,不同时点下高校技术转移效率是否存在差别,即效率的动态演变过程,绝大部分研究因采用面板数据,时间演变的思想贯穿全文。典型研究有何彬和范硕[15]基于Bootstrap-DEA方法研究24所教育部直属重点大学的效率演变,研究发现科技成果转化效率呈现一个不断提高的演化趋势,且各年度效率的差距并没有呈现降低的趋势;覃雄合等[25]研究科技成果转化效率的时空变化,发现效率总体较低但呈逐年上升趋势,从分阶段效率来看,知识获取效率和价值转化效率随着时间的推移而逐年降低,而技术创新效率在此期间呈现大幅度提升。也有研究聚焦于特定时期进行效率测度,如吴杨等[49]对“十二五”至“十三五”期间高校成果转化情况进行评价。

4 高校科技成果转化效率的影响因素

部分研究效率影响因素时,将该内容作为实证中的一节进行验证,采用的方法大多为面板回归,考量的影响因素指标有所不同。主要有以下几类:①区域经济环境:包括经济水平、金融发展水平、市场需求、技术市场等[25,27,40],地区禀赋具有重要的正相关影响作用,成果转化依赖于经济环境,但部分研究表面金融发展程度对科技成果转化支持极小,甚至可能呈现负相关关系;②对外开放程度[15,25]:研究指出其影响显著为正,高开放程度意味着高校需通过持续有效的创新活动维持国际竞争力;③政府与政策扶持力度:地方政府支持程度、扶持力度、科技政策、专利保护政策等[14,27],政府资助程度对高校科技创新发展的影响存在两面性,发展模式应从投资驱动型转向创新驱动型[42];④产业结构[15,25]:产业结构越合理,科研成果转化越有利,但该影响不一定不显著;⑤教育水平:人均教育支出、教育重视程度等[13,15],多项实验证实人均教育支出对科技成果转化有明显相关性;⑥科技投入水平:人均科学事业费支出、学科评价、科技服务、研发基础、国际合作等[14,25,27],有实验表明,科技成果转化是系统性的科技活动,仅考虑如科技经费等的一个环节所产生的结果可能是不显著的;⑦高校自身科技创新能力:科研人员素质、高校自身推动能力、科研项目等[8,25,40],高校自身的推动以及高校的人才质量等都具有显著的正向作用;⑧企业发展水平及参与度:企业资金投入、企业与高校的合作关系、企业创新氛围、企业的吸收能力等[8,40,42],存在显著的正向影响,企业与高校要素资源流动越频繁、交流合作密切,高校成果转化效率越高;⑨组织行为因素:高校的价值体系、优势学科与历史沿革等属性与文化因素都会影响其成果转化,因此内部评价与激励制度应有针对性,基础学科与应用学科各有侧重[15]。

还有部分研究将高校科技成果转化效率作为其中的一环,对其他问题机制也进行重点分析,旨在探索二者产生的影响和作用机制。①政府投入层面,考虑政府支持[21]、政府支持与市场需求规模[34]等;②创新环境层面,考虑创新生态系统[45]、区域环境与科研投入要素[11]等;③政策制度层面,考虑科技成果赋权、收益分配激励[5]、科技创新政策[50]等;④主体合作层面,考虑政产学研用[35]、产学研[28]、产教融合[18]等;⑤高校自身投入层面,考虑高校科技投入[7]、高校双元创新、高校扩招[51]、高校人力投入[52]等;⑥社会发展环境层面,考虑“双一流”高校建设背景[53]、互联网发展水平[19]等。

5 总结

高校科技成果转化效率测度方法以DEA和SFA两种最为普遍,然而由于传统方法的局限性和转化过程的复杂性,越来越多的研究者们通过引入新的因素或整合其他模型方法的策略,更全面、有效地评估效率。因此,在未来的研究上,研究者可以进一步探索适合研究主题特性的新整合模型和方法。

投入和产出的指标是效率测度的关键,好的指标选取无疑会实现更高的测度精度。当前研究大都选择资金、人力作为投入,技术转让收入作为产出,但变量取值方法和细化上有所差异。而转化中涉及的重要成果,如论文、专著、专利、授奖等过程性指标,在不同的模型和不同的研究中存在较大差异,包括指标类型的差异,以及是否应该纳入模型的考量,关于这一问题还存在较大的口径不统一。梳理发现有研究关注除经济效益以外的转化成果,即把社会效益也纳入度量。在后续研究中,研究者应当依据选定的方法模型和研究主题,搭建更贴切的指标体系,选择更优的变量取值方式,考量不同类型指标的联用效果。同时也可以考虑除经济效益之外的其他转化成果效益。

已有研究通常从区域、高校分类、时间三方面进行分类比较,或是研究细化。由于大部分研究通常使用面板数据,省域、地域和时间的划分思想通常贯穿于其中。在后续研究中,研究者可以针对研究的主题和目标,针对性地对主体和时间的范围进行控制,选择更具有代表性的高校群体,或是更具有社会性和时代意义某一时段来评估。

梳理高校科技成果转化效率的影响因素,大多考虑政府、企业、高校自身等创新生态主体的行为,以及创新生态环境中要素,如政策、经济水平、对外开放、教育程度、科技投入程度等带来的作用和影响。后续研究可以在此基础上,结合研究热点或前沿,探讨更多具有当下时代特性的影响要素,或是探索融合问题下的影响机制。