朱 琦

（安徽三联学院 财会学院，合肥 230601）

区块链进入3.0时代，政产学研金交易系统主体由政府、企业、学校、研究、金融等机构组成。区块链融合政产学研金交易系统是区块链技术赋能教育领域和实体产业的探索。区块链技术的赋能将会重构政产学研金主体的合作逻辑和合作关系。在区块链网络中，传统的基于熟悉程度的信任关系合作，变成基于透明规则的开放式合作。区块链允许任何规模的政产学研金主体创造一个完全可信和被完整执行的规则体系，实现了合作主体的平等，凸显企业的主体地位。

1 理论基础和研究假设

Pazaitis等探讨了区块链技术价值体系中的潜力，描述了基于经济学的模型，认为基于区块链的去中心化可以在共享经济中创建面向公众的生态系统[1]。根据协同发展理论，本文将产学研平台拟解决的问题与区块链技术的应用优势对接，将区块链融合政产学研金生态圈划分为调控、过程、绩效、保障四个维度（详见表1），分析生态圈运行机理，提出关键指标，建立政产学研金协同发展合作运行机制，强调政产学研金合作的战略计划和提升绩效过程中的风险控制。

表1 区块链技术应用可行性评价

本文以COSO发布的风险控制框架为基础，梳理国内外理论界对各变量的维度划分，对国内外的有关区块链技术和产学研绩效的研究文献进行了梳理、归纳与总结，形成本文假设。

1.1 调控与过程

许多学者研究了合约管理与共识合作、信用评价、控制成本、平等互信的关系。Shala等研究了合约管理与共识合作的关系，强调机器通信终端用户的选择取决于信任，提出了一种优化的信任评估系统，用于确保用户之间的信任度，可实现防篡改数据并检测不信任的对象，在强调共识合作方面的局限性后，提出基于信任的共识合约[2]。Gresch等的研究表明，信任在供应链中有重要的地位，并对决策产生了深刻影响，区块链合作可以增加供应链各方之间的信任[3]。Yanez等引入了物联网概念，指出区块链的分布式加密账本能够保证数据安全性和完整性，实现链上数据分配的感知机制，指出数据分配机制可以提高网络使用率，减少能源消耗，降低成本[4]。以上研究分析了调控和过程维度之间的联系。

因此，本文提出假设1：调控对过程产生积极影响。

1.2 调控与保障

过程与保障的关系在许多研究中得以体现。文献[5]分析了区块链投票系统的安全性能，指出平等互信有利于完成管理工作以及在监管投票中的作用。Prashanth 等利用区块链不同共识算法预期区块链中数据的安全性和隐私性，提出区块链的安全性和支持性是区块链应用研究的重点问题[6]。Mao等对利益相关者主体之间的关系进行了研究，提出利益相关者之间的冲突是导致风险的主要原因，验证了通过区块链的智能合约手机信用评估文本，将交易者的信用结果作为监督和管理的参考，合约管理、信用评价和监管制度的关系逐渐清晰[7]。Fan等研究了电信网络通过对智能合约的反馈来实施用户监管，安全分析与性能的比较表明区块链方案在计算和成本上具有优势，可以满足机密性和数据完整性的安全要求，提高企业绩效[8]。以上研究反映了智能合约和监管的关系，表明应用区块链技术可以降低成本。

因此，本文提出假设2：调控对保障产生积极影响。

1.3 保障与过程

另一些学者研究了过程因素：保障和共识合作、信用评价、控制成本、平等互信的关系。在风险控制方面，Baliga 等讨论了通过物联网和区块链技术建立食品供应安全控制系统，利用区块链的可追溯性提高安全性[9]。Liu等分析了区块链技术在产业与教育合作中的应用，指出区块链的透明和不易篡改特征可以建立一个合作系统，使得高校和产业共享信息，实现信息对称[10]。Jerinas等研究了区块链在高等教育文凭管理中的应用，研究表明区块链能够实现文凭智能合约管理，有利于欺诈风险防控[11]。Novo评估了基于合约管理的平台扩展性，分析了风险控制机制[12]。Fu等以大型生产企业为对象，并将区块链应用于内生风险管理，发现由于信息的不对称，欺诈问题将在业务主体之间产生，借助区块链技术，可以解决业务主体的欺诈问题，防范风险[13]。

监督和管理方面：Olnes等认为区块链技术应用于政府治理会降低成本，提高收益，有利于监管[14]。Liu等提出产学研合作需要实现合作和监管的创新，应用区块链技术产学研体系可以形成大数据协同创新信任机制[10]。Zhao等研究将区块链技术应用于学生能力测评中，发现区块链数据的无损和追溯性，从而实现以监控为特征的评价系统[15]。以上研究表明保障和过程维度之间的联系。

因此，本文提出假设3：保障对过程产生积极影响。

1.4 过程与绩效

Scott等证实区块链技术会给金融业带来更大的安全性、透明度、可审核性和货币交易效率[16]。Alammary等认为区块链技术在教育领域应用的优势包括高安全性、低成本，可以更好地控制数据访问，加强问责和透明度、身份认证，增强信任；降低无抵押交易的风险，可确保交易的可靠性；使用区块链签名记录和验证轨迹，大大降低了传统基于云的存储的成本[17]。Auer等认为区块链可以进行嵌入式管理，分布式分类账技术（DLT）在金融中的普及可能有助于提高效率，促进低成本监管，为大小企业提供公平的竞争环境[18]。Feng分析了区块链在供应链绩效中的地位，发现中介变量信息共享和信任的重要作用，信任的中介作用强于信息共享[19]。以上研究发现，过程和绩效之间的关系在金融、教育、供应链研究领域都有体现，以产学研关系链为研究背景的影响效应分析并不多见。

因此，本文提出假设4：过程与绩效产生积极影响。

1.5 保障与绩效

区块链目前应用场景有限，因此绩效评价研究不多。Ismail等提出了不同区块链开发平台的分类和共识协议，评估了大规模区块链部保障的可行性[20]。Digital等评估了基于学生、培训人员和雇主的区块链教育共识评估模型，研究结果证明该模型是有效的[21]。从文献研究可以看出，区块链应用于产学研的可行性和绩效评估模型已有研究。Li等研究了区块链技术的安全增强解决方案对企业绩效的影响[22]。

因此，本文提出假设5：保障对绩效产生积极影响。

1.6 调控与绩效

Maesa等证实将智能合约部署在区块链上，利用区块链技术的不变性和透明性，可以执行控制策略管理和信用评估[23]。Gräther等研究了教育区块链平台，分析平台应基于智能合约，探讨了区块链证书与产业环境效率的关系[24]。Liu等评估了基于区块链的物联网应用程序的合约机制，发现设备的数量以及算法与运营效率的关系[25]。从学者们的研究可以看出调控和绩效维度中存在过程和保障维度的中介效应，如信用评价、控制成本、平等互信、监督和管理等变量，但影响机理和过程并不明确。

因此，本文提出假设6：调控对绩效产生积极影响。

2 研究设计

2.1 样本选择和数据收集

为进一步探讨应用区块链技术对产学研绩效的影响，本文选取了安徽省应用型本科高校联盟高校、企业和研究所进行调研。通过互联网收集数据，向调查对象发放了220份员工调查问卷，收回216份，其中210份为有效问卷。样本组中高校109份，占52 %；企业85份，占40 %；研究所16份，占8 %。

2.2 测量工具和步骤

根据前文对文献的整理，我们将调控、过程、保障、绩效作为潜变量，设计研究变量的操作型定义，归纳出含有32个问题的观测变量（详见表2）。采用自编问卷的李克特(Likert scale) 5分量表计分。由于区块链评价尚未形成标准的调查量表，本文调查量表中的内容均来自区块链相关研究文献。对调控维度采用“智能合约”观测变量进行测量；对过程维度采用“共识合作”“信用评价”“控制成本”“平等互信”4个观测变量进行测量；对保障维度采用“风险控制”“监督管理”2个观测变量进行测量；对绩效维度采用“绩效评价”进行测量。

表2 问题量表

表2（续）

采用SPSS26.0对调查量表的信度和效度进行测量，整体 Cronbach's a值为0.984。从信度分析结果来看，本研究调研整体信度良好，调控维度的a值为0.892，过程维度的a值为0.972，保障维度的a值为0.959，绩效维度的a值为0.932。且删除了任一题项后，Cronbach's a值并无显著提高。因此，本研究所用量表均具有较好的信度，可以进行下一步的研究。

效度检验一般从内容效度和结构效度两个方面进行[26]。内容效度主要关注问卷内容是否被准确表达，是否符合研究目的的要求。本研究在进行问卷设计时不仅考虑到以往学者的研究经验，还征求了被调查者的建议。因此，可以认为本研究的内容效度良好。

结构效度的检验大多采用因子分析，因此，本研究也采用因子分析的方法。采用SPSS26.0进行因子分析来判断研究模型的测量一致性。样本数量210个，问卷测量题项32个，满足样本数据量为问卷测量题项的5～10倍的条件。量表的KMO值和Cronbach's a值如表3。

表3 量表的KMO值和Cronbach's a值

结果显示，4个变量的KMO值均大于0.8，且Bartlett显著性均为0.000，各变量间具有相关性，满足进行因子分析的要求。故利用SPSS26.0进行探索性因子分析，从结果中发现，调控维度4个题项的因子载荷值均在0.7以上，总方差累计解释量为75.878 %；过程维度16个题项的因子载荷值均在0.7以上，总方差累计解释量为77.213 %；保障维度8个题项的因子载荷值均在0.8以上，总方差累计解释量为78.030 %；绩效维度 4个题项的因子载荷值均在0.8以上，总方差累计解释量为83.231 %，表明整个量表的结构效度良好。

3 结构方程模型分析

3.1 变量相关和模型拟合优度检验

为初步判断是否可以进行下一步的结构方程分析，利用SPSS26.0进行相关性分析，结果见表3。由表3可知调控、过程、保障、绩效之间的相关系数均在P<0.01上呈现显著正相关，初步验证了假设1～假设6。为进一步明确并验证上述变量之间的关系，本研究拟采用SEM结构方程进行分析。对该模型检验，得到区块链技术对产学研绩效影响的SEM模型的卡方值为1 154.717（P<0.001），自由度为458，卡方自由度的比值为2.52，小于建议值3，达到显著水平，卡方检验效果通过。CFI的值为0.993，大于建议值0.9，TLI的值为0.926，大于建议值0.9，RMSEA的值为0.031，小于建议值0.08。因此，该模型的整体拟合度较高[27]。详情见表4。

表4 收敛与区别效度表

3.2 模型路径检验

利用AMOS24.0软件采用极大似然法（ML）进行拟合与参数估计，对本研究提出的假设进行检验分析，得到了如图1 所示的运行结果。

图1 区块链技术对产学研绩效的 SEM 模型

从SEM模型可以看出，所有测量项和残值都为正数且显著。通过模型拟合结果可以发现，所有因子载荷的P值都小于0.001（***），说明4个潜在变量（控制、过程、保障和绩效）对测量变量（量表数据）的解释都是有意义的。选择bootstrap方法检测过程的中介效应，具体如表5。

表5 SEM 模型拟合结果

由图1和表5的路径以及路径参数可知，除了调控→绩效路径，其他潜变量之间的路径参数达到了显著水平，且均为正向。调控→过程、调控→保障、保障→过程、过程→绩效、保障→绩效在P＜0.001上显著，调控→绩效在P＜0.05上不显著。说明假设6不成立，调控对绩效不产生直接积极影响[28]。

3.3 假设检验

本研究采用模型的整体拟合度较好（卡方自由度比2.52＜3）， 所以本文的研究假设可以通过各潜变量之间的系数进行验证[29]。基于显著性（ P＜0.001）为前提对各假设的路径进行分析，具体分析如下：

假设1成立，说明智能合约对共识合作、信用评价、控制成本和平等互信存在直接显著的正向影响。

假设2成立，说明智能合约对风险控制和监督管理存在直接显著的正向影响。

假设3成立，说明风险控制、监督管理对共识合作、信用评价、控制成本和平等互信存在直接显著的正向影响。

假设4成立，说明共识合作、信用评价、控制成本和平等互信对绩效评价存在直接显著的正向影响。

假设5成立，说明风险控制、监督管理对绩效评价存在直接显著的正向影响。

假设6不成立，说明智能合约对绩效评价不存在直接显著的正向影响。

4 结论与启示

本文利用结构方程模型（SEM）建立了区块链赋能政产学研金合作机制的综合分析框架，检验了区块链作用于政产学研金的4个维度（调控、过程、保障和绩效）之间的直接和间接作用路径以及具体效应，得出以下结论。

①调控维度间接提高产学研的绩效水平。实证结果发现，虽然调控对绩效的直接影响效应不显著[30]，但是，调控通过过程和保障对产学研绩效的间接影响效应为0.874。这说明，智能合约对产学研绩效的积极影响必须通过产学研合作过程——共识合作、信用评价、控制成本、平等互信和保障过程——风险控制、监督管理来实现。

②过程维度和保障维度能直接提高产学研的绩效水平。研究结果发现，保障对产学研绩效的直接效应0.915大于过程对产学研绩效的直接效应0.172。这说明在产学研合作机制中风险控制、监督管理的作用大于产学研具体实施过程。

③保障维度直接积极影响产学研实施过程。研究结果表明，保障对产学研实施过程的直接效应为0.513。这说明风险控制、监督管理对区块链技术在产学研研究中的共识合作、信用评价、控制成本、平等互信等合作过程中的效率有重要影响。本文研究结论对区块链技术在政产学研金合作机制中的应用探索具有一定的借鉴意义和应用价值[31]。一方面，区块链的优势如智能合约、共识合作、信用评价、控制成本、平等互信、风险控制、监督管理都能通过直接和间接影响，显著提高产学研合作中的绩效水平，但从实际情况来看，区块链技术在产学研中的应用尚在探索阶段。产学研主体明晰自身在区块链应用中的权利、责任和合作途径，有利于提升产学研绩效。

本研究表明除了调控、过程、保障对绩效的影响之外，调控、过程、保障三因素之间的影响也是不容忽视的。智能合约对产学研合作过程，智能合约对保障措施以及保障措施对产学研合作过程都产生了积极的影响[32]。

总之，从学术与产业应用领域结合来看，区块链技术在产学研领域解决了信任机制、成本机制、保障机制等多方面的问题。短期内，区块链技术及配套解决方案，可以赋能产学研合作机制，并提升其运营效率；从长期看，区块链将对产学研产业链的信用与认证体系带来更加颠覆性的变革[33]。因此，针对政产学研金合作机制的配套方案和应用体系有待进一步检验。