李苗苗 李海波 周孟宣

1.青岛大学商学院，山东 青岛 266071

2.山东省科技发展战略研究所，山东 济南 250014

高校科技成果转化对于实施创新驱动发展战略、促进“大众创业、万众创新”、支撑经济转型升级和产业结构调整具有重要现实意义。为此，依据国务院办公厅印发了《促进科技成果转移转化行动方案》，教育部先后印发了《关于加强高等学校科技成果转移转化工作的若干意见》和《促进高等学校科技成果转移转化行动计划》，出台了多项举措促进高校科技成果的转移转化。教育部直属高校作为我国研究型大学的“领头羊”，在科技成果转移转化过程中被赋予了更高的期望。目前教育部直属高校科技成果转化效率处于什么水平，影响教育部直属高校科技成果转化效率的主要因素有哪些，引起了政界和学界的高度关注[1]。

学者对我国高校科技成果转移转化问题的研究主要集中在以下几个方面：一是，高校科技成果转化效率或绩效评价研究[2]；二是，高校科技成果转化障碍及其影响因素研究[3]。虽然对我国高校科技成果转化问题的研究较多，但是关于教育部直属高校科技成果转化效率的研究并不多见，能从定量分析入手判定教育部直属高校科技成果转化效率的高低及其关键影响因素的研究则更是少见。本文以2010—2017 年教育部直属高校为研究对象，试图采用数据包络分析法(DEA)结合含有个体的面板数据计量模型，探讨高校科技成果转化效率及其影响因素，以期对当前教育部直属高校的科技成果转化效率做出客观评价，并进一步挖掘影响高校科技成果转化效率的制约瓶颈和关键因素，从而给出针对性的政策建议。

1 文献综述

1.1 高校科技成果转化定义研究

国内外学者分别从不同角度对高校科技成果转化进行了界定，大部分将高校科技成果转化看作是一个过程。Amesse 和Cohendet[4]将高校技术转移定义为高校研发的技术转移到另一个明确的经济单位的过程。Buratti 和Penco[5]认为高校技术转移是企业通过合同、专利、许可协议等条件向高校获取新技术的过程。 李平[6]将高校科技成果转化定义为高校科技成果产业化的过程，其中科技成果是指在高校科学研究过程中产生的具有实用价值的成果。 蔡跃洲[7]认为科技成果转化是指高校院所通过各种形式将其在开展公共资助项目时所产生具有潜在市场应用价值的科研成果转化为市场价值和商业收益的过程。 胡罡等[8]认为高校科技成果转化是指科学研究与技术开发所产生的具有实用价值的成果从创造形成到转化为现实生产力的过程，按时间顺序大致可分为成果的创造、转移和实施3 个阶段。

综上，本文认为高校科技成果转化是指高校通过科学和技术研发获得具有应用价值的科技成果，并将其以特定形式实现产业化或创新创业实践的过程。具有以下几个内涵：(1) 科技成果是指高校通过科学和技术研发获得具有应用价值的成果，含新技术、新材料、新产品或服务等。(2) 高校科技成果转化具有多种形式包括自主、联合、合作、委托、销售、股权转让等形式。(3) 高校科技成果转化过程中应遵守法律法规、尊重市场规律。(4) 高校科技成果转化的结果是新技术的产业化、新产品及新材料的商业化等。

1.2 我国高校科技成果转化效率评价研究

学者们对我国高校科技成果转化效率评价问题的研究取得了丰硕成果。 如尹航[9]构建了包括科技成果水平、项目内部资源、外部支撑环境及项目商业化前景等指标的科技成果转化项目技术经济可行性的评价体系，并采用BP 神经网络分析方法进行了实践评价。 张平和黄贤涛[10]利用层次分析法对我国10所高校的专利技术转化进行了评价，结果表明我国高校专利体系存在专利转化体系不完善、政策扶持力度不够、利益分配不合理、专利申请和管理不够有效等问题。 何彬和范硕[11]采用Bootstrap—DEA 方法对我国24 所高校科技成果转化效率进行了评价，结果表明大学科技成果转化效率存在逐年提高的趋势，但分布在西部、中部和东部地区的高校科技成果转化效率存在显著的差异性。 杨秀华和俞培果[12]采用DEA方法对我国高校科技成果转化效率进行了评价，结果表明高校科技成果转化平均效率不高，人力和政府投入出现冗余。 郭俊华和徐倪妮[13]运用因子分析法和聚类分析法对我国31 个省市高校科技成果转化能力进行了评价，结果表明不同地区内高校科技成果转化能力存在显著的差异性，并且根据这种差异性可以将其分为6 种类型。

从现有关于我国高校科技成果转化效率评价研究来看，首先，高校科技成果转化效率评价体系主要包括高校科技成果、科技成果转化服务体系、政府政策支持等内容。其次，现有文献使用的研究方法主要包括数据包络分析法、模糊综合评价法、神经网络分析法、层次分析法、因子分析法等，其中数据包络分析法被使用的频次最高。最后，现有国内文献主要关注于区域层面高校科技成果转化效率的评价，关于具体教育部直属54 所高校的科技成果转化效率评价较少。

1.3 高校科技成果转化障碍及影响因素研究

1.3.1 高校科技成果转化途径及障碍研究

如何减少高校与企业之间进行技术转移的壁垒是目前学者们研究的焦点[14]。 郝远(2004)认为官产学研联合、社会中介组织和大学科技园等是促进我国高校科技成果转化的有效途径。卓泽林和杨体荣(李平，2006)117分析了剑桥大学的科研成果转化过程，在肯定剑桥模式的同时，也指出目前影响剑桥大学科研成果转化的主要障碍是：政策上走向集权化、组织机构上呈现功能模糊、服务脱节等。聂常虹和武香婷[15]探讨了技术入股和创办企业的股权激励促进科技成果转化的问题，并通过采用案例分析法对中国科学院研究所的分析总结了股权激励在实践中存在的主要问题。Villani 等[16]主要探讨了大学孵化器、合作研究中心和技术转让办公室等中介组织如何在大学—产业企业协作中减少认知、地理、组织和社会的距离；通过对9 个意大利中介组织的研究表明与大学孵化器和合作研究中心相比，技术转让办公室更有可能通过雇佣具有混合复杂背景的人来缩短大学与产业企业之间的认知距离；通过简化官僚机构和侦查活动缩短大学与产业企业之间的组织距离；与技术转让办公室相比，大学孵化器和合作研究中心更有可能通过频繁的会议、开放性研讨会和特设的研究实验室来缩短大学与产业、企业间的地理距离；通过倡导和组织项目、研讨会等形式直接扩大社交网络，从而缩短大学与产业、企业之间的社会距离。 赵雨菡、魏江和吴伟[17]认为我国高校科技成果转化未达到预期效果的关键原因是高校科技成果转化的制度障碍没有完全消除。

1.3.2 高校科技成果转化的影响因素研究

大量文献采用了计量经济学模型[18]或案例分析方法[19]探讨了高校科技成果转化的影响因素。Chang 等[20]认为组织支持显著地影响知识转移活动的绩效。 高校科技成果特性、转化意愿、传授能力、关系信任、吸收能力、转化能力等内部因素和科技中介服务能力、政策与制度促进、社会文化塑造等外部因素是影响高校科技成果转化的关键因素。Hewitt—Dundas[21]采用K—均值聚类分析方法对英国高等教育企业和社区的年度调查数据分析表明政府政策对大学—企业间知识、技术转移活动具有显著地影响作用。 饶凯等[22]运用面板数据回归模型分析表明地方高校和当地企业的科技经费投入对大学专利技术转移活动的促进作用要比政府科技经费投入的作用要明显。Hsu 等[23]以台湾地区高校为研究对象，采用了模糊德尔菲法、描述性结构模型(ISM)和网络分析法(ANP)等识别出驱动高校技术转移绩效的关键要素：员工质量、技术转移办公室规模和经验、产业基金、激励政策等因素。Günsel[24]采用最小二乘法结构方程模型对土耳其33 家中小型企业填写的有效问卷105 份的调查数据进行研究表明，显性知识共享是技术转移的基础，而隐性知识共享对技术转移的影响并不显著。姚思宇和何海燕[25]通过构建一手资料的Ordered Logit 模型发现高校科技成果转化的关键因素是科技成果的中试阶段的经费投入、知识产权归属、教师评价机制和科技中介机构的转化服务能力等。

综上，目前高校科技成果转化障碍及影响因素研究已取得丰硕成果，但大都以高校或地方高校为研究对象，以具体教育部直属高校为研究对象的文献较少；并且大都研究了高校科技成果转化的影响因素，关于高校科技成果转化效率影响因素的研究相对较少。

2 研究设计

在测算了教育部直属高校科技成果转化效率的基础上，采用面板数据计量回归模型识别出高校科技成果转化效率的关键影响因素。

2.1 研究方法的选择

首先，采用因子分析方法的降维功能对教育部高校科技成果转化投入指标进行简化。 为了综合考察高校在进行科技成果转化过程中所需的各方面的协同组合，选用R&D 成果的应用推广、科技服务、科技成果等10 个指标作为衡量高校科技成果转化投入指标，并采用因子分析方法进一步降维至3 个维度。其次，采用DEA 分析方法测算高校科技成果转化效率。由于DEA 分析法具有以下特点：一是决策单元的最优效率指标与投入、产出指标值的量纲选取无关，因此，建立模型前无须对数据进行无量纲化处理(也可处理)。二是无须任何权重假设，以决策单元的投入、产出的实际数据来求得最优权重。三是假定每个投入都关联到1 个或多个产出，并且投入、产出之间确实存在某种联系，但不必确定这种关系的显性表达式。四是DEA 效率为相对有效。 最后，采用现有文献经常使用的研究方法—面板数据回归模型识别出影响教育部直属高校科技成果转化效率的关键因素。

2.2 研究变量及数据来源

首先，高校科技成果转化投入的测量指标包括R&D 成果应用项目数(项)、研发成果应用当年投入人数(人年)等10 项指标。其次，在进行高校科技成果转化效率的测算中，高校科技成果转化投入变量包括因子分析结果获得的研发成果应用投入、科技服务投入和科技成果投入等指标；高校科技成果转化产出变量包括技术转让合同数量和合同金额，如表1 所示。最后，在构建的面板数据计量回归模型中，因变量为高校科技成果转化的DEA 效率(包括综合效率、纯技术效率和规模效率)；自变量分别为政府科技支持、高校科技服务水平、专利市场化水平、国际合作与交流、R&D 项目人员、R&D 项目应用与试验研究的投入情况等指标，如表2 所示。

文中所使用的原始数据均来源于2010—2017 年《高等学校科技统计资料汇编》。由于在研发成果应用投入、科技服务投入和科技成果投入等测量指标中，中国人民大学、中国传媒大学、中国政法大学、东北师范大学等14 所高校的数据缺失，因此，在教育部直属的64 所高校中，本文选用了50 所高校的科技成果转化相关数据作为本文研究对象。

表1 测算高校科技成果转化效率的研究变量

表2 影响高校科技成果转化效率的变量

3 实证分析结果

3.1 因子分析结果

在SPSS 软件中，采用因子分析方法对选取的高校科技成果转化投入的10 项指标进行降维处理，结果如表3 所示。2010—2017 年，KMO 值均不低于0.65，说明这10 项指标适合采用因子分析方法进行分析；方差累积贡献率均大于75%，说明3 个公共因子能够解释指标的变异量超过了75%。采用主成分分析方法提取公共因子并进行Kaiser 标准化正交旋转后高校科技成果转化投入指标分别提炼了3 个公共因子，分别命名为F1：研发成果应用投入(RDA)、F2：科技服务投入(STS)、F3：科技成果投入(STP)。最后，根据成分得分系数矩阵和原始指标的标准化数据计算各个公共因子的得分，为高校科技成果转化效率的测算提供数据支撑。

表3 因子分析结果

3.2 高校科技成果转化效率的测算

运用DEAP 2.1 软件对我国50 所教育部直属高校科技成果转化效率的测算结果如图1 和表4 所示。从整体来看，2010—2017 年我国50 所教育部直属高校科技成果转化技术效率相对较高、综合效率和规模效率普遍较低，且绝大部分高校处于规模递增阶段。不难发现，目前我国教育部直属高校科技成果转化效率普遍偏低的一个关键原因是大部分高校科技成果转化过程并未达到规模最优阶段，而是处于规模递增阶段。

图1 2010—2017 年教育部直属高校科技成果转化效率

(1)从年均科技成果转化的综合效率来看，清华大学、南开大学和复旦大学的科技成果转化综合效率相对高，其次是东北林业大学、山东大学、复旦大学、长安大学和四川大学等。科技成果转化综合效率相对低的大学分别为西南交通大学、西安电子科技大学、北京交通大学和中国海洋大学等。(2)从年均科技成果转化的技术效率来看：清华大学、南开大学和中国药科大学的科技成果转化技术效率高，其次是陕西师范大学、东北林业大学和中国石油大学（北京）等。科技成果转化技术效率相对低的大学分别为浙江大学、华中科技大学和武汉大学等。(3)从年均科技成果转化的规模效率来看清华大学和南开大学的科技成果转化的规模效率相对高，其次分别是山东大学、浙江大学、四川大学和东南大学等。科技成果转化的规模效率相对低的大学分别是西南交通大学、北京交通大学和中国石油大学（华东）。(4) 现阶段在我国教育部直属高校中，科技成果转化效率相对高的是清华大学，其次是南开大学。2010 年，清华大学科技成果转化技术效率有效，并且处于规模递减阶段；在2011—2017 年，清华大学的科技成果转化效率相对DEA 有效。南开大学的科技成果转化效率除了在2015 年非DEA 有效外，在2010—2017 年的其他年份都是DEA 有效的。南开大学2015 年的科技成果转化效率非DEA 有效的主要原因是和其他年份相比，科技成果转化投入指标相对稳定，但是科技成果转化产出较少(科技成果转让合同数量仅为17 项)。

表4 2010—2017 年教育部直属高校科技成果转化综合效率

续表

3.3 影响高校科技成果转化效率的实证分析

3.3.1 计量模型的选择

由于选用的面板数据具有时间跨度远小于截面个数的特征，因此，借鉴已有较成熟的做法，本文选用含有个体的面板数据变截距模型。假定高校科技成果转化效率(包括综合效率、纯技术效率和规模效率)是关于政府科技支持、高校科技服务水平、专利市场化水平、国际合作与交流、R&D 项目人员、R&D 项目应用与试验研究的投入情况等影响因素的函数，具体形式如下。

其中：i（i=1，2，…，50）为第i个教育部直属高校；t（t=2010，…，2017）为第t年；αi、αi’、αi’’、αi’’’为第i个教育部直属高校的常数项；λ、λ’、λ’’、η、βk、βk’、βk’’、βk’’’（k=1，2，…，8）分别为自变量对因变量的影响系数；Rit为第t年第i个教育部直属高校的科技成果转化效率，分别指综合效率（Crsteit）、技术效率（Vrsteit）和规模效率（Scaleit）；Xitk为第t年第i个教育部直属高校科技成果转化效率的影响因素，包括政府科技支持（Govit）、高校科技服务水平（Stsit）、专利市场化水平（Proit、Saleit）、国际合作与交流（Icppit、Corit)、R&D 项目人员（Rdeit）、R&D 项目应用与试验研究的投入情况（Rdatit）等；εi、μi、μi’、μi’’是对应的随机误差项。

以2010—2017 年50 所教育部直属高校面板数据作为研究对象，采用Hausman 检验方法来确定是建立含有个体的面板数据随机效应模型还是固定效应模型，检验结果如表5 所示。从Hausman 检验结果来看不难发现模型I-模型IV-C 都在5%的信度条件下，接受建立含有个体的面板数据随机效应模型的原假设。因此，本文在构建面板数据模型时，均选用了含有个体的面板数据随机效应模型。

表5 Hausman 检验结果

3.3.2 变量的稳定性检验

采用面板数据的单位根检验方法，运用软件Eviews8.0 对研究变量进行检验，如表6 所示。在原始序列检验中，除了政府支持变量(gov)之外，其他序列经过各种方法的经验后，统计量值都通过了5%置信水平的检验，这充分表明零阶序列是平稳的。因此，下一步可直接进行回归分析。

表6 面板数据单位根检验

3.3.3 模型检验结果

(1) 对高校科技成果转化效率影响的结果

依据上述公式(1)，本文分别构建了模型I—模型III，如表7 所示。结果显示：一是，政府科技支持(gov)对教育部直属高校科技成果转化的规模效率和综合效率的积极影响均在5%水平统计显著，弹性系数分别约为0.285 和0.279；但是，它对纯技术效率的影响统计不显著。 在依据公式(2)、(3)构建的模型IV-A、模型IV-B 中，政府科技支持也具有同样的影响效果。目前，政府、企业投向我国高校科技经费的比例分别约为2:1，政府对高校科技经费年均在6.37 亿元/所，表明我国教育部直属高校的科技经费来源结构过多的依赖于政府科技拨款，有利于规模的扩张，从而实现规模效率的提升。

二是，高校科技服务水平(Sts)对高校科技成果转化的规模效率、纯技术效率和综合效率的消极影响均在1%水平统计显著，且弹性系数分别为-0.086、-0.068和-0.148。在依据公式(2)、公式(3)构建的模型IV-A、模型IV-B 中高校科技服务水平也具有同样的影响效果。这表明目前教育部直属高校科技服务水平不利于高校科技成果转化效率的提高。主要原因可能是由于大学孵化器和合作研究中心（Villan E. Rasmussen E. Grimaldi R.，2017）86、高校技术转移办公室[26]等科技服务机构对高校科技成果转化效率具有重要的作用；与此同时，高校科技成果转化是进行后续试验、开发与应用、推广直到产生新产品、新工艺、新材料的复杂过程[27]，需要大量的科技服务经费和人员的投入和引导。然而，目前大多数教育部直属高校并没有设立诸如科技成果转化办公室、科技成果转化中心等专门从事高校科技成果转化的组织机构，导致了高校科技成果转化的服务经费和服务人员投入比例偏低，科技服务支出经费平均约6283.98 万元/项。因此，高校科技服务水平对科技成果转化效率的影响并不显著甚至产生了不利的影响。

三是，专利市场化水平(包括Pro和变量Sale)对高校科技成果转化的规模效率和综合效率的积极影响均在1%水平统计显著，弹性系数分别约为0.320、0.293 和0.116、0.158；但是他们对纯技术效率的影响存在差异性，变量Pro对纯技术效率的消极影响在1%水平统计显著，弹性系数约为-0.030，而变量Sale对纯技术效率的积极影响在5%水平统计显著，弹性系数约为0.044。 这表明整体而言，目前高校专利市场水平有利于提升高校科技成果转化效率。事实上，随着我国知识产权保护体系的不断完善和健全，目前高校专利市场化水平直接决定高校科学研究成果的商业价值和潜力，而这是高校科技成果转化的关键动力来源之一。

表7 科技成果转化效率的影响因素

四是，国际合作与交流(包括Icpp和Cor) 对高校科技成果转化效率的影响存在显著差异性。尽管变量Icpp对高校科技成果转化的规模效率、纯技术效率和综合效率的弹性系数均为负数，但是它对规模效率的影响统计不显著、对纯技术效率和综合效率的影响均在5%水平统计显著。表明当前以国际学术会议出席人员为核心的国际学术交流活动并不利于提升高校科技成果转化效率。事实上，国际学术会议是一种主要围绕科学前沿等基础性的科学研究而展开的知识共享形式，而高校科技成果转化中的科技成果大多是具有商业价值的应用性成果。过多的参与基础性成果的探讨，可能忽略了应用性成果的共享，因此，这种形式的国际交流活动不利于高校科技成果转化效率的提升。尽管变量Cor对高校科技成果转化的规模效率、纯技术效率和综合效率的弹性系数均为正数，但是它对纯技术效率的影响统计不显著、而对规模效率和综合效率的影响分别在10%和5%水平统计显著。这表明当前以科研人员积极参与高校间国际合作的形式有利于提升我国高校科技成果转化效率。事实上，通过广泛的国际合作和科研人员暂时互换，高校不仅可以将自身的科技成果进行宣传和推广，而且还可以获得大量的关于科技成果转化的相关信息，进而可以加速高校科技成果的转化。

五是，高校R&D 项目投入情况（包括变量Rde和Rdat）对高校科技成果转化效率的影响。R&D 项目人员投入(Rde)和R&D 项目应用研究与实验研究的经费投入(Rdat)对高校科技成果转化的规模效率、纯技术效率和综合效率的影响统计均不显著。主要原因可能是以基础研究项目为主的我国高校R&D 项目人员投入不足、应用研究项目和实验研究项目得不到重视等。事实上，应用研究项目和实验研究项目大多具有巨大的潜在商业价值，由于忽略了这方面的研究导致具有商业价值的研究成果不多，进而直接导致高校和企业之间合作存在较大的代沟，不利于高校科技成果转化效率的提升。

（2）部分调节作用

依据上述公式(2)和(3)，本文构建了模型IV-A 和模型IV-B，如表7 所示。 结果显示，采用模型IV-A、模型IV-B 的检验结果与模型III 的检验结果基本一致。在模型IV-A 中，规模效率(Scal)对综合效率(Crste)积极的影响系数约为0.033，并且在1%水平统计显著，拟合优度约为0.783。在此基础上加入规模效率(Scal)和技术效率(Vrste)的交叉项，结果在模型IV-B 发现，规模效率(Scal)对综合效率(Crste)的积极影响系数约为0.018，且在1%水平统计显著，交叉项Scal*Vrste的影响系数在1%水平统计显著，拟合优度显著提升为0.826。因此，高校科技成果转化的纯技术效率对规模效率与综合效率之间的关系具有部分调节作用。

4 结论

本文以2010—2017 年我国教育部直属高校为研究对象，在测算了教育部直属高校科技成果转化效率的基础上，采用含有个体的面板数据变截距模型探讨了教育部直属高校科技成果转化效率的影响因素。主要研究结论如下。

（1）采用DEA 分析方法对50 所教育部直属高校科技成果转化效率的测算结果进行分析。首先高校科技成果转化的技术效率高，其次是规模效率，最后是综合效率，并且大都处于规模递增阶段。①从年均科技成果转化的综合效率来看。清华大学、南开大学和东南大学的科技成果转化的综合效率相对高，其次是东北林业大学、山东大学、复旦大学、长安大学和四川大学等。 ②从年均科技成果转化的技术效率来看。清华大学、南开大学和中国药科大学的科技成果转化技术效率高，其次是陕西师范大学、东北林业大学和中国石油大学（北京）等。③从年均科技成果转化的规模效率来看。清华大学和南开大学的科技成果转化的规模效率相对高，其次分别是山东大学、浙江大学、四川大学和东南大学等。

（2）采用面板数据变截距随机模型的分析结果表明。首先，政府科技支持有利于提升高校科技成果转化的规模效率和综合效率，但是对纯技术效率的影响并不显著。其次，高校专利市场化水平有利于提升高校科技成果转化效率。第三，当前高校科技服务水平不利于高校科技成果转化效率的提高。由于当前我国高校科技服务水平并没有设立诸如科技成果转化办公室、科技成果转化中心等专门从事高校科技成果转化的组织机构，导致了高校科技服务水平整体偏低，从而不利于高校科技成果转化效率的提升。第四，当前我国高校的国际合作与交流，以及高校R&D 项目的投入情况对高校科技成果转化效率的影响统计并不显著。当前高校R&D 项目以基础研究项目为主的研究重点，直接减少了具有较大商业价值高校科技成果的产出，从而不利于提升高校科技成果转化效率。第五，纯技术效率对规模效率和综合效率间关系具有部分调节作用。

依据上述的实证研究结果，本文针对如何提高教育部直属高校科技成果转化效率的问题，给出以下几点建议策略。一是，地方政府应继续加大对高校科技成果转化活动的经费、人员投入，进一步细化和深化政府相关支持政策。二是，应增设专门负责科技成果转化办公室或中心、增加研发成果应用及科技服务人员在科技活动人员中的比重，来不断提高自身的科技服务水平。三是，进一步加快促进高校的国际化交流与合作。高校应设立促进国际化交流与合作的专门基金，用来激励各学院、研究所积极主办或联合承办国际会议、国际研讨会，积极搭建各类国际合作交流平台，鼓励教师走出去、积极参与国际性学术会议或研讨会。