逄红梅 邱爱莲

[摘 要] 科技成果转化是高校科技活动的重要内容，其转化效率反映科技投入资源配置情况。鉴于此，以沈阳市部分普通高校为例进行实证分析，结果表明：科技成果转化效率低下，规模效率高于纯技术效率，且学科不同导致了转化效率的差异性，医学类院校强于偏文类、工农类院校;投入冗余度上教授数量相对不足，研发人员和经费投入出现冗余，且医学类表现最好，偏文类、工农类院校冗余度依次偏高。结合实证研究，政府和高校应着重从分类管理、制度设计、创新平台等方面予以完善进而提升技术效率水平和科技成果转化能力。

[关键词] 普通高校;科技成果转化;技术效率;投入冗余

[中图分类号] G644    [文献标识码]  A  [文章编号] 1005-5843（2019）01-0047-08

[DOI] 10.13980/j.cnki.xdjykx.2019.01.008

2016年，教育部与科技部联合发布的《关于加强高等学校科技成果转移转化工作的若干意见》中指出，科技成果转化是高校科技活动的重要内容，是社会发展和经济转型升级的有效源泉，因此高校不仅承载人才培养的要务，更是知识转化为实际生产力的驱动者。高校作为创新成果的重要来源地，为地方经济社会发展提供创新后盾是当前各地方高校应当深入思考和探索的重要课题。据统计，我国高校每年有6 000多项科技成果，但是转化为实际产品的不足10%，对于地方高校来说，这个比例可能还要低很多，因此各大高校的科技成果转化率低是此类问题的普遍现象。如何使科技成果实现有效转化，需要对高校科技成果转化效率进行科学评价。笔者以沈阳市普通高等院校为研究对象，运用DEA数据包络法探索科技成果转化效率问题，通过研究达到服务沈阳新一轮全面振兴，服务沈阳高校内涵发展的目的，为政府制订政策提供科学参考。

一、高校科技成果转化效率研究的文献综述

近年来利用非参数方法或参数方法对高校科技成果转化效率研究的关注度不断提升。何彬等利用Bootstrap-DEA方法对中国24所大学的科技成果转化效率进行分析，表明东部、中部和西部高校转化效率存在差异＼[1＼]。宋慧勇利用数据包络分析法对全国 31个地区高校的科技成果转化效率研究和聚类分析显示规模效率偏低，西部地区科技投入不足＼[2＼]。林德明等以我国“985工程”高校的技术转移效率为研究对象，研究显示60%高校非DEA有效，需要通过相互学习提高投入产出结构＼[3＼]。林芳芳等利用数据包络分析法（DEA），对我国 2004—2013 年的科技成果转化效率进行测算＼[4＼]。类似的研究尚有较多，但这些研究更多集中于全国部分区域和高水平大学层面，以地方高校为研究对象较为鲜见。鉴于此，本文在以下几方面进行了拓展：首先，运用 DEA 模型对沈阳市19所①普通高等院校的科技成果转化进行效率分析，并提出非 DEA有效的改进方案;其次，分析投入指标数据冗余度、高校技术效率的分布与聚类，以便给出有针对性的建议。

二、DEA研究方法概述

DEA方法是对同类型决策单元（DMU）的多指标投入和多指标产出综合评价，形成一个有效处理多输入多输出的复杂系统。而高校科技活动恰恰涉及到人力、资金、知识转化等基础因素，运用DEA能较好体现高校科技成果转化的多投入与多产出特点。

针对后文实证分析的需要，这里采用DEA模型——CCR模型，CCR模型假设有N个具有可比性的决策单元（DMU），每个DMU有M种类型投入和S种类型产出，其投入产出组合可用xj和yj表示＼[5]： 输入向量为xj= x1j，x2j，…，xMj T，输出向量为yj= y1j，y2j，…，ySj T，j=1，…，N

虽然线性规划问题可以求解每个决策单元的投入产出比，但是规模报酬不变下会出现多个解。为此，引入约束条件，将其转化成对偶规划问题：

minθ，λ θ

θxj-Xλ≥0subjectto-yj+Yλ≥0λ≥0  （1）

λ是N×1常数向量，X是M×N投入矩阵，Y是S×N产出矩阵，θ（0<θ1）是第j个决策单元DMU的效率值，θ=1说明该决策单元为完全有效率，θ<1说明该决策单元非完全有效率，θ值越小越远离效率前沿面。

Banker， Charnes和Cooper在CCR模型基础上提出了规模效益可变（Variable Return to Scale）情况下的BCC模型，该模型能将技术效率进一步分解为规模效率和纯技术效率。BCC模型在CCR模型基础上加入凸性约束条件，具体表示为：

minθ，λ θ

θxj-Xλ≥0subjectto-yj+Yλ≥N1′λ=1λ≥0 （2）

N1是N×1維单位向量，规模报酬可变的假定通过施加约束条件N1′λ=1得以满足。

运用式（1）和（2）可计算出技术效率、纯技术效率和规模效率，技术效率等于纯技术效率与规模效率的乘积。

对公式（2）加入松弛变量S-（Slacks）、S+（Surplus），变为：

minθ，λ θ

θxj-Xλ-S-=0subjectto-yj+Yλ-S+=0N1′λ=1λ≥0  （3）

公式（3）中，S-和S+表示决策单元相对有效前沿面的投入冗余和产出不足。若θ=1，s-i=0，s+k=0，说明实际生产过程中已达到最优投入产出比，若θ<1， s-i≠0，s+k≠0，则决策单元为非DEA有效，可将目标值与其对比并加以改进达到DEA有效;若θ=1，s-i≠0，s+k≠0，则决策单元DMU为弱DEA有效，说明仍可以通过调整投入产出比例达到DEA有效[6]。

三、各高校科技成果转化效率的实证分析

（一）变量选取与数据来源

根据已有研究和文献综合，文中采用研究与发展人员、研究与发展人员中的教授（以下简称教授）、当年拨入科技经费作为投入指标，技术转让当年实际收入与学术论文数作为产出指标来进行科技成果转化效率的测度。

本文数据结合辽宁省教育厅网站提供的沈阳市普通高等学校名单和《高等学校科技统计资料汇编》中罗列的沈阳市高校科技数据，选取符合分析的决策单元和科技活动数据。具体来源于汇编中“高等学校科技活动概况”的科技活动数据，包括沈阳市“211”以上及省部共建学校、其他普通高等学校（表1）。

从表1中的投入产出数据平均值来看，东北大学和四所高职院校的指标数据相对较为极端或奇异，对结果分析会产生一定影响，后文据此进行针对性的分析。

（二）实证结果分析

1.技术效率测算结果

应用DEAP2.1软件对2014—2016年沈阳市普通高等院校科技成果转化的技术效率（crste）、纯技术效率（vrste）和规模效率（scale）进行测算，其中crste=vrste×scale，具体整理结果（表2）。

（1）涵盖奇异值的实证结果

从表 2 可以看出：一是东北大學，沈阳工程学院、沈阳理工大学、辽宁城建、辽宁交通、辽宁林业在不同年度的科技成果转化为 DEA 有效，其科技成果转化技术效率、纯技术效率及规模效率均为 1，规模报酬不变。从实际情况看，东北大学和高职院校是不同层次学校，同时达到最有效率存在情况是不可能的，说明投入产出指标的极端或奇异影响分析结果。二是其余高校在不同年度内的技术效率小于1，规模报酬递减并小于1，这说明这些高校都没有达到规模效率最有效状态。今后需要加大科研投入力度以提升规模效率及技术效率，但是规模报酬递减会使一味增加投入规模，造成转化效率低下、运行障碍等，因此需要相应体制建设，改善管理模式，使投入获得最大转化。三是沈阳中医药大学、沈阳药科、沈阳医学院、沈阳医科大学的纯技术效率等于1，说明在现有投入规模下已实现科技成果的有效转化，但这些高校的规模效率也小于1，说明规模相对不足，医疗行业应加大投入规模，并做好内部体制建设。

从图1沈阳市高校科技成果转化效率均值中可以看出，技术效率整体偏下，2016年仅仅是0.483，比生产前沿面之间相差50多个百分点，说明科技成果转化效率水平还有较大的提升空间。纯技术效率相对技术效率和规模效率高出较多，说明沈阳市高校科技成果转化不强，多数是由于高校投入和规模不足、或者高校运营体系不完善造成的。这部分内容是包含投入数据奇异值的分析，与后文的分析会存在差异性，鉴于实证结果的实际性，以不含奇异值的分析为主。

2.去除奇异值的实证结果

表2中因为东北大学和4所高职院校存在奇异值，造成实证结果与类似文献的研究存在较大差异，且与实际发展和学校层次存在无法解释的现象。比如有的高校的技术效率值太小，为此本部分将东北大学及4所高校去掉后进行实证分析（表3）。去掉奇异值的表3比表2变化较大，结果也接近于类似文献研究，所以后文所有研究以本样本数据做进一步分析。

从表 3 可以看出：一是沈阳中医药大学、沈阳药科大学、沈阳医学院在不同年度的科技成果转化为 DEA 有效，其科技成果转化技术效率、纯技术效率及规模效率均为 1，规模报酬不变。2016年中国医科大学也表现出上述特征，这些医学类高校的成果转化效率明显高于其他类高校，说明这类高校的成果转化为临床和提升医疗水平具有较好对接性，产学研一体化表现比较充分。二是沈阳大学、沈阳工程学院、沈阳理工大学、沈阳师范大学在部分年度的纯技术效率为1，规模报酬递增，说明这类学校科技成果得到有效转化，技术效率低下是由规模造成，因此这类学校要扩大科研投入力度和开发水平。三是其余高校在不同年度内的技术效率小于1，规模报酬多数属于递减状态并小于1，这说明这些高校都没有达到规模效率有效状态，今后需要加大科研投入力度以提升规模效率及技术效率，但是规模报酬递减会使得一味增加投入规模，造成转化效率低下、运行障碍等，因此需要相应体制建设，改善管理模式，使投入获得最大转化;规模递增的高校可以适当加速提升科研投入规模。四是类似于沈阳化工大学情况，存在规模效率较高，但是纯技术效率低下，最终造成技术效率也较为低下，因此这类学校应该制订促进科技成果转化的体制建设，推动成果转化为生产力。

从图2中可以看出，沈阳市高校科技成果转化效率均值整体上技术效率整体偏下，比生产前沿之间相差30多个百分点，说明科技成果转化效率水平还有较大的提升空间。规模效率相对技术效率和纯技术效率高出较多，说明沈阳市高校科研投入对科技成果转化效率起推动作用，而技术水平对其起阻碍作用，从图2中看出整体技术效率水平是通过规模效率提升而提高的。因此沈阳市高校应加大科研转化，摒弃为科研而科研的研发状态，高度重视产学研的科研路径。

3.高校分布与聚类

将表3得到的技术效率均值与各高校的2014—2016年技术效率均值进行比较，划分出每个高校对沈阳市高校科技成果转化的贡献，最终将14所院校分成两大类，横轴之上为高于平均值的高校，横轴之下为低于平均值的高校，具体如图3所示②。从图3整体来看，不仅能区分偏离均值的高校，还能判断其偏离程度。图3 沈阳市普通高等院校科技成果转化技术效率与均值的比较图

从图中可以看出，有7所高校处于横轴之上，7所高校处于横轴之下。辽中医、药科、医学院高出均值30个百分点，沈航低于均值35.2个百分点，其他高校分布在这个区间内，这说明不同高校对科技成果转化程度不一。医学类院校转化效果较好，工农类转化较差，因此各高校应根据自身学校特点和层次，有针对性的制订转化策略，促使投入产出最大化。

4.投入冗余结果分析

根据DEA2.1软件计算出的2014—2016年沈阳市14所普通高等院校的目标投入量③与实际投入量平均值，以及两者的差值比较（如表4所示）。结果表明沈阳市普通高等院校在产出既定的情况下存在投入不足和投入冗余。沈阳市普通高等院校的目标投入量与实际投入量间也存在较大差异如表4所示。表中估算结果可作为各高校适量调整投入资源比例的参考。表中沈阳大学、沈阳工程学院、沈阳理工大学、沈阳药科大学、沈阳医学院、沈阳医科大学6所学校不需调整投入量，差值比均为0，这些行业表现一个共同特征是纯技术效率值均为1，也就是说这些学校能在现有技术条件下，充分利用投入要素，达到最优的投入产出比例。沈阳中医药大学需要加大研发人员数量和教授比例，因为这所学校在现有科技经费投入冗余情况下，表现出研发人员不足和教授比例偏低问题，应着重引进高素质人才和科研人员，有效利用经费投入，已达到最大产出比。辽宁大学、沈阳建筑大学、沈阳师范大学存在微量调整，投入要素组合基本上能使产出最大化。沈阳工业大学、沈阳航空航天大学、沈阳化工大学、沈阳农业大学4所高校的研发人员投入、教授数量，科技经费投入差值比较大，尤其是沈阳航空航天大学，说明这些高校提高技术效率要调整要素投入比例，要充分发挥在现有技术条件下的最优投入产出比例，不能无限制追求规模增长，忽略质量建设。

通过对各高校科技成果转化技术效率和投入冗余分析后，发现医学领域的大学表现最好，技術效率较高，冗余度较低，甚至出现投入不足现象。偏文系列大学表现次之，如辽宁大学，沈阳师范大学的冗余度较低;而偏工科类大学的技术效率和冗余度表现不尽如人意，多数表现出以规模换质量，这与当前教育改革大势表现不协调。所以类似高校应着重从分类管理、制度设计、创新平台等方面加大投入和体制建设完善，进而提升技术效率水平和科技成果转化能力。

四、结论与启示

本文运用DEA方法对2014—2016年沈阳市普通高等院校科技成果转化效率进行实证分析，得出以下结论：第一，体量差异较大的学校需分类评价。东北大学和4所高职院校投入指标数据相对极端或奇异，造成实证结果与类似文献的研究存在较大差异，技术效率值存在无法解释的现象，因此高校科技成果转化应考虑学校层次分类评价，教育管理部门需充分考虑学校和政策的差异性。第二，科技成果转化技术效率整体偏下。从均值来看，科技成果转化效率水平还有较大的提升空间，而效率提升是通过规模效率提升而提高的，因此沈阳市高校应在规模扩容时，考虑投入所能产生的实质增效，摒弃为科研而科研的研发状态，高度重视产学研的科研路径，加大科研转化力度。第三，学科不同导致科技成果转化的差异性。从高校效率分布看，不同高校对科技成果转化程度不一，医学类院校转化效果较好，工农类转化较差，因此各高校和政府部门应根据自身学校特点和层次，有针对性制订转化策略，促使投入产出最大化。第四，各高校的投入冗余存在较大差异。相对教授投入而言，冗余度基本都存在于研发人员和科技经费投入指标上，说明沈阳市高校研发人员中教授指标相对不足，高校应从职称评定、教授名额分配、考核评价等方面加大力度促进研发人员梯队建设。从整体冗余度来看，医学领域的大学表现最好，技术效率较高，冗余度较低，甚至出现投入不足现象;偏文系列大学表现次之，而偏工科类大学的技术效率和冗余度表现不尽如人意，多数表现出以规模换质量。

科技成果转化是高校科技活动的重要内容，提升转化效率需在体制机制完善下寻求投入质量和数量平衡，使其投入产出比最大化，为高校服务地方经济建设提供有力保障。第一，教育部门推行分类管理，突出高校特色发展。理工科、医学、农林、文科等类型院校对师资队伍、经费投入、社会衔接度的表现特征存在差异，科研体系和成果转化系统也各异，因此教育部门应该根据高校主流学科领域定位，进行类型分化管理。当前辽宁省教育厅已设立工业高等教育处、农林医药高等教育处等部门分类管理，与本文研究结果较为符合。分类管理能促进高校更加理性的定位发展目标，突出发展特色，避免盲目建设和投入带来的资源浪费，影响科技成果转化率。分类管理能促进高校管理专业化，教育部门能聚类分析和研究不同高校的差异，颁布特色化政策，提高管理水平，因此需尽快构建分类指标体系，与省级绩效考核充分结合，引导高校发展方向和质量标准。第二，强化制度设计，真正激发创新活力。首先，出台提升科技创新能力、建立健全高校科技成果转化机构，指导推进高校深化科技体制机制改革，完善科研体系，增强原始创新供给能力。其次，将科技成果使用权、收益权和处置权下放至高校，提高高校科技人员的成果转化收益比例，将转化成果纳入高校教师职称评审科研业绩考核范围，鼓励高校科技人员按规定在岗或离岗创新创业。辽宁省虽对制度设计提出较多办法，但是能否实现政策落地，需要省级部门和高校共同推进。比如《辽宁省科技成果转化成绩优异人员专业技术资格评定暂行办法》专门为科技成果转化工作优异者开辟“绿色通道”，突出市场和企业评价，打破唯学历和论文局面，但是高校执行层面尚未有效推行，滞后了科技成果转化效率。第三，推进以企业为主导的研发平台，加大产学研力度。引导高校与企业、科研院所协同创建共生性创新平台，支持高校科研人员面向企业开展技术服务、咨询与培训。如由东北大学与辽宁华信钢铁共性技术创新科技有限公司共建的辽宁钢铁共性技术创新中心，可将东北大学钢铁行业关键共性工艺和科技成果进行转化，逐渐形成年产10万吨优特钢生产能力。沈阳市其他高校也要结合自身定位，对接企业或科研院所，充分发挥高校优势，形成良性科技成果转化循环圈。此外，高校科研人员除了要积极承担国家级、省级等各类科研计划项目外，还要积极参与创新体系建设，为地方发展提供技术支撑。

注释：

①因有个别高校投入产出指标存在较大差异，影响整体效率值，所以实际测算效率时，分两种测算结果，一种是19所院校的结果。一种是14所院校的结果，其中14所院校中不包含东北大学和4所高职院校。根据测算结果以14院校的分析为主。

②图3横轴方向表示不同学校的顺序，没有特殊解释含义，而纵轴方向表示不同高校偏离技术效率平均值的程度，离横轴越远越说明偏离技术效率平均值的绝对值越大。

③目标投入量是通过投入项的径量（Radial Movement）和差额（Slack Movement ）的调整量与实际投入量共同计算出来的数据。

参考文献：

[1]何彬，范硕.中国大学科技成果转化效率演变与影响因素——基于Bootstrap-DEA方法和面板Tobit模型的分析[J].科学学与科学技术管理，2013，34（10）：85-94.

[2]宋慧勇.基于DEA的地方高校科技成果转化效率实证分析[J].江苏科技信息，2015（15）：1-4.

[3]林德明，贾艳.基于DEA的“985工程”高校技术转移效率研究[J].现代教育管理，2016（12）：23-28.

[4]林芳芳，赵辉.政策视角下的我国科技成果转化效率研究[J].情报杂志，2016，35（10）：86-90.

[5]逄红梅.我国装备制造业技术效率测算与空间分布研究[J].财经问题研究，2014（01）：34-41.

[6]逄红梅，朱伟.新常态视角下装备制造业技术效率研究[J].沈阳工业大学学报（社会科学版），2015，8（05）：414-419.

Study on the Conversion Efficiency of Scientific and Technological Achievements in Ordinary Colleges and Universities Based on DEA

——Taking Shenyang City as an Example

PANG Hongmei，QIU Ailian

（Shenyang University of Technology， Shenyang， Liaoning 110870， China）

Abstract：  The transformation of scientific and technological achievements is an important content of scientific and technological activities in universities， and its conversion efficiency reflects the allocation of scientific and technological resources. In view of this， taking Shenyang University as an example， the empirical analysis shows that： the conversion efficiency of scientific and technological achievements is low， the scale efficiency is higher than pure technology efficiency， and the differences in conversion efficiency are caused by different disciplines， Medical Colleges are stronger than Industrial Colleges and Agricultural Colleges; the number of professors on the degree of investment redundancy is relatively insufficient， and R&D personnel and funding are redundant， the medical performs best， the redundancy of Industrial Colleges and Agricultural Colleges are high in order. In the combination with empirical research， government and universities should focus on the classification management， system design， innovation platform and other aspects to improve the level of technical efficiency and the transform ability of scientific and technological achievements.

Key words：   Ordinary Colleges and Universities; transformation of scientific and technological achievements;technical efficiency; inputs redundancy