王成军，李 辉，刘冬华

（安徽财经大学工商管理学院，安徽 蚌埠 233030）

一、问题提出

自2014 年李克强总理提出“双创”后，创新与创业就成了媒体、公众、学者等报道和研究的热点。从建设创新型国家到创新型城市再到创新型大学，高校已经成为国家创新体系的重要组成部分、科研成果产出与转化的重要基地，对国家创新体系建设和创新驱动战略实施具有巨大的推动作用[1]。Crawley 等也指出当今大学不仅承担着教育（Education）和研究（Research），催化创新（Catalyzing Innovation）已经成为大学的第三重任务[2]，前两者强调以基础研究为核心的科研成果产出，后者则要求高校加速科研成果转化，从研究型大学向创业型大学转变。

当前我国高校整体上仍然存在“重论文轻转化”的问题。2020 年国家统计局数据显示，我国高等学校R&D 经费支出近1900 亿元，发表科技论文数150.35 万篇，专利申请数34.04 万件，科研成果产出排名世界前列。但在U.S.News、THE、QS 和ARWU 四大世界大学排行榜前100 名单上，国内大学分别仅有2 所、6 所、6 所、7 所。近些年颁布的诺贝尔科学奖几乎都来自高校和科研院所，而来自国内高校的数量几乎为零。论文等“量”的高产并不能带来高校在基础研究和前沿创新领域内“质”的提升，“卡脑子”的问题仍然突出。2021 年中国专利调查报告统计显示我国专利转化率总体为44.6%，高校专利转化率仅为2.3%，而发达国家这一指标则在50%以上。国际上诸多高校都设有技术转移办公室和专业的技术经理人团队（如MIT），而国内在技术合作与转让的渠道与平台建设上仍不够成熟，技术转移在发展模式和战略定位等方面仍处于完善和探索阶段[3]。

2017 年开始的“双一流”高校建设旨在打造世界一流大学和世界一流学科以解决在基础研究领域内的短板，提升大学的影响力，助力研发成果转化。那么近些年来我国高校在科研创新成果产出和转化的效率如何？又有哪些因素影响到两阶段高校创新效率的提高？高校创新中政府、企业又扮演了什么样的作用？本文拟对上述问题进行深入回答。

二、概念界定及其相关理论

现有学者对高校的研究主要的理论基础有Griliches-Jaffe 知识生产函数[4]、三重螺旋理论[5]以及产学研协同创新理论[6-9]等。关于高校效率研究主要聚焦于静态与动态的科研创新效率[10-14]、科技创新效率[15-19]、科技创新资源配置效率[20]、产学研协同创新效率、技术创新国际化效率[21]以及科技效率动态演进分析[22-23]等。但目前国内学者对于产学研和三重螺旋理论的研究仍然存在概念和应用上的含糊与错用，同时对于科研与科技创新效率也存在着同样的问题。因此在研究之前有必要对这些概念进行定义和明晰。

（一）产学研与三重螺旋理论

产学研历史可以最早追溯到1992 年教育部等组织实施的“产学研联合开发工程”，旨在建立相关产业与高校、科研院所之间密切而稳定的合作关系。三重螺旋（TH,Triple Helix）最初专门指的是古巴比伦时代发明并长期使用的提水螺旋设施。1995 年美国的Etzkowitz 和荷兰的Leydesdorff第一次用三重螺旋模型来阐述了以知识为基础的创新体系中企业、大学和政府角色作用的转变，开启了三重螺旋在创新管理领域的研究先河。

王成军和王德应[24]对产学研和三重螺旋之间的联系与区别做了详细分析。其一，从词义上来看，产学研主体不明。国外常用University-Industry-Cooperation 表示产学合作，主要强调产业界和学术界的项目开发和科技转移问题，而产学研合作在英语中找不到相应的词语对应。其二，从发达国家的发展经验和三重螺旋的经典理论来看[25-26]，大学的任务不仅仅在于提供技能教学和简单劳力的培训和组织，“研究”以及“催化创新”也成为社会对高校的期望。其三，产学研合作通常忽略政府发挥的作用。政府作为制度创新的主体，通过制定政策法规提供制度保障，促进和引导其他主体的合作与行为[27]。大学－产业－政府（UIG）三重螺旋理论在其运行机制、价值功能上更加完善。

（二）科技创新效率与科研创新效率

科技即科学技术，根据辞海的定义，其是指由自然科学、技术科学以及工程技术等融合而成的整体。科学与技术是不可分割的辩证统一体。科学强调发现而技术则是发现的应用。科研即科学研究，是利用科研方法和装备，为了认识客观事物的内在本质和运动规律而进行的调查研究、实验等一系列的活动。由此可见，科研是科技的基础，科研强调理论的发现，而科技包括科研以及科研后续成果的转化利用。

有学者指出高校科技创新是高校投入并有效利用各种创新资源，实现科技成果产出，并推动科技成果转化[15]。关于科研创新并未发现学者对其进行详细的说明和定义，这里我们认为科研创新是高校在基础研究上利用各种创新资源，实现论文、著作、专利以及相关理论等产出，其等同于科研创新成果产出。创新效率是指创新中投入产出资源之比。现有对于高校创新效率的研究主要从创新成果产出效率与创新成果转化效率两个方面研究[28]。本文研究对两者做出相应的区分，认为科技创新效率包括科研创新效率与后续成果转化效率，即将科技创新效率分为科研成果产出与科研成果转化两个阶段的创新效率。

三、文献述评

现有学者对于高校创新效率的研究主要分为两大类：第一类是从研究方法的不同上，现有的效率测度主要采用非参数法、参数法以及多种方法结合使用；第二类是在研究对象的选择上，可分为单一区域高校、不同地区的多个高校纵向与横向科技创新效率比较和动态演化。

非参数法以Charnes 等[29]提出的数据包络法（DEA）为代表，目前应用较多的主要包括径向CCR 和BCC 模型、非径向Super-SBM 模型、动态Malmquist 指数、两阶段、三阶段和Window-DEA模型。参数法以Aigner 等[30]和Meeusen 等[31]分别提出的随机前沿分析法（SFA）为代表。相关学者研究采用的模型如下表1 所示。

表1 高校创新效率研究方法统计表

（一）单一区域高校创新效率研究

Berbegal-Mirabent 等[34]将知识转移产出纳入大学的效率评价当中，采用传统DEA 分析法分析了西班牙44 所大学，发现在保持固定投入前提下，通过提高效率水平，大学产出可扩大12%。Loganathan &Subrahmanya[37]基于松弛变量的数据包络分析（DEA-SBM）比较了28 所印度大学在教学、研究以及创业支持三个方面的效率，研究发现仅有少数大学在三个方面效率处于最佳前沿面，效率低的大学在研究和创业支持上存在不足。Tavares 等[43]使用多阶段DEA（NDEA）对45 所巴西联邦大学创新效率，发现大部分大学在不同阶段的创新效率都较低。Wang 等[39]、Duan 等[40]均使用DEA-Malmquist 指数分别研究了新西兰8所大学的技术效率、澳大利亚35 所大学科研和教学生产率。Ho 等[45]将技术转让分为研究创新阶段和价值创造阶段，运用两阶段网络DEA 方法研究美国119 所大学的技术转让效率，发现处于研究创新阶段的高效大学比处于价值创造阶段的大学更为集中，资源规模在两阶段效率提升中尤为重要。Foltz 等[35]对美国92 所研究型大学的投入产出进行生产率和技术效率的分析时，也发现资金来源变化影响技术效率。闫平等[38]、姜彤彤和吴修国[33]重点对我国教育部直属高校科研创新和协同创新效率进行静态和动态评估，发现大部分高校均处于非DEA 有效状态，不同类型高校的创新效率存在异质性。高擎等[6]、李康和范跃进[14]在此基础上对影响高校创新效率的因素分别采用Tobit 模型和SFA 回归分析，发现校企联结强度和科研倾向等对高校科技创新效率存在不同程度的促进作用，而地区经济水平和居民受教育程度等对高校科技创新效率存在区域异质性。戚湧等[10]、李滋阳等[48]以江苏省高校为研究对象，分别采取CCR 和SFA 模型对高校科研和科技创新进行实证分析，发现高校创新效率普遍较高，省域高校整体创新效率呈逐年增长趋势。王晓红等[52]以137 所“双一流”建设高校为研究对象，实证发现政府支持对产业界与学术界的流动效率的影响呈倒U 型关系。

（二）不同区域高校创新效率研究

Agasisti 等[51]采用随机前沿法（SFA）研究了意大利不同地区大学创新效率大小，并通过Sys-GMM 模型评估了大学创新效率与区域经济发展之间的关系，发现高校通过知识溢出促进区域经济发展，且高效率大学的促进作用更显著。Lehmann 等[44]采用两阶段DEA 比较了意大利和德国大学在公共资金利用效率，发现意大利大学在产出最大化方面的表现明显优于德国大学。Parteka 等[41]运用DEA-Malmquist 对欧洲7 国266所公立高校的科研效率进行研究，结果表明国家间的科研效率差异很大，德国、意大利和瑞士的高校科研效率比其他国家的科研效率要高。随着区域一体化的不断发展，国内学者也开始注重对省域高校进行横向和纵向实证分析。王辉和陈敏[15]从科技成果产出、科技成果转化两个方面考察省域科技创新效率，通过横向比较发现大多数省份存在“此高彼低”的现象，技术效率成为提升综合效率的关键。马宝林等[16]研究发现高等学校创新效率存在显著的区域异质性，纯技术效率是影响文理科创新效率的关键因素。初旭新和马昱[28]的实证研究结果显示中国高校科技创新各阶段效率及总体效率偏低，创新效率高的省份与效率低的省份差距愈来愈大，并对各经济区三个阶段的创新效率进行比较。但张惠琴和尚甜甜[11]研究结果表明我国高校科技创新效率平均增长为9.7%，而规模效率是造成区域高校科研效率差异的主要原因。杨博和曹辉[21]从七大地理区域视角探讨了高校技术创新国际化水平，指出东北三省效率值始终处于较低水平，而华东、华中、华北则处于较高水平。沈能和宫为天[18]、齐亚伟[36]分别通过三阶段DEA 模型和超效率模型实证测定了省域和三大创新主体的科技创新效率，并对影响因素进行计量分析，发现高校科技创新水平较低，产业基础、政策扶持、创新文化对效率存在一定促进作用，而企业参与强度、市场化进程和对外开放程度对高校科技创新效率具有负向影响。

（三）高校创新效率动态演化研究

近年来，国内外学者在高校创新效率测度的基础上，逐渐开始关注高校科技创新效率的动态演化分析。吴颖和崔玉平[19]、蔡文伯和杨丽雪[1]通过Malmquist 指数发现长三角和全国高校的全要素生产率呈逐渐上升水平，在此基础上应用ESDA和收敛检验法发现全国东、中、西部均存在σ 收敛和绝对β 收敛，高校科技创新效率正朝着一体化方向发展。王晓珍等[23]采用核密度法对高校科技创新效率敛散性进行分析，实证研究发现高校科技创新技术效率两极聚集（“双峰”）、规模效率具有省域异质性（“单峰”）、纯技术效率存在显著波动。

综上所述，现有文献对高校创新效率的问题研究较为成熟，但也存在许多需要解决的问题。其一，现有学者大多侧重于对高校科研或科技创新效率的实证测量，而缺乏相应的理论阐释。其二，在非参数DEA 模型应用方面，部分学者对创新效率采取静态比较，但实际上由于各年份数据具有异质性的前沿面，各DMU 之间的效率大小比较是无意义的。其三，现有部分研究将高校科研创新效率等同于科技创新效率，分析时存在概念误用。

基于上述研究中存在的问题，本文进行了如下创新性的研究：一是从词义、国内外研究比较以及主体三个角度对两个概念做了辨析，同时也对高校科研创新效率与科技创新效率做了区分，提出高校科技创新效率分为两个阶段：第一阶段为科研成果产出，这一阶段创新要素投入产出效率是科研创新效率；第二阶段为科研成果转化阶段，是高校将科研成果应用及商业化的过程中创新投入产出效率。二是在分析影响因素时与三重螺旋理论相互结合，重点探讨了政府以及企业支持力度对于高校科研成果产出与科研成果转化创新效率的影响。三是从三重螺旋视角系统提出建设创业型大学、服务型政府以及提升校企合作质量水平针对性意见。

最后本文以经典的Griliches-Jaffe 知识生产函数与三重螺旋理论，采用两阶段非径向DEASBM 模型和Malmquist 指数对高校科研创新成果产出与转化静态和动态效率进行测算，并对影响两阶段科技创新效率大小的内、外部因素采用面板Tobit 模型进行回归分析。本文从经典理论出发，进一步将知识生产函数和三重螺旋理论拓展到高校创新效率研究领域，扩大了理论的适用范围，具有一定的理论意义；同时应用数理模型实证研究考察高校创新效率及其影响因素，为高校优化资源配置、政府打造良好创新环境、企业提升产学合作质量提供了理论依据，也具有一定的现实指导意义。

四、研究设计

（一）模型设定

1.静态DEA-SBM 模型

传统的CCR 和BCC 模型均为径向模型，要求在评价效率时投入产出同比例变动，且存在投入或产出的松弛变量时，径向DEA 会错误评估决策单元的效率值。为了解决上述问题，Tone[53]提出了一种基于松弛变量的效率测度方法即SBM 模型。由于投入导向和产出导向的SBM 模型存在假定投入或产出不变的情况下计算效率，必然忽视投入或产出中的一个方面，从而对效率值产生一定影响。因此本文采用非导向规模报酬可变条件下SBM 模型对我国省域高校的静态效率进行分析。其基本表达式如下：

式（1）中，n 表示评价单元个数，xj，yj分别表示投入变量和产出变量，sx，sy分别表示投入冗余变量和产出松弛变量，λ表示评价单元的参变量，θ 表示评价单元的效率值。

2.动态DEA-Malmquist 指数

Malmquist 指数通常用于测量决策单元的全要素生产率。该指数一般运用如下距离函数计算：

式（2）中，D（x，y）为距离函数。对于K 个待决策单元，每个决策单元在每个时段t 里有M 项投入指标，S 项产出指标。Farrell 技术效率指标可将上述距离函数转化为针对相同时段和不同时段的线性规划问题加以求解。

（1）针对相同时段求得的效率值：

（2）针对不同时段求得的效率值：

若要进一步检验规模效率的变化，则在式（3）、式（4）中增加限制条件，即可将Malmquist 指数分解成技术变化、纯效率变化和规模效率变化。

3.因变量受限Tobit 回归模型

DEA 计算的创新效率值取值区间为0～1，属截断式[54]分布，采用传统的OLS 估计会产生有偏结果。因此本文采用以最大似然估计法为基础的空间Tobit 模型对影响高校创新效率的影响因素进行进一步分析。其基本形式如下：

（二）指标体系构建

目前学术界对于高校创新效率投入产出指标体系的构建各不相同，现有文献对于指标的选取一般遵循系统性、适用性以及数据易得性的原则。依据该原则，本文构建的高校创新效率指标体系如图1 所示。

图1 高校两阶段创新指标评价体系

根据Griliches-Jaffe 知识生产函数，投入变量包括研发经费投入和人力资源投入[55]。在产出指标的选择上，现有研究主要选择R&D 课题数、科技论文数、科技著作数以及专利数。因此本文参考现有文献的做法，将上述指标作为第一阶段科研成果产出的评价指标，其中R＆D 经费内部支出本文认为在第一阶段中选择基础研究经费更加合理。

王辉和陈敏认为第二阶段投入中除了一阶段的产出以外，还有非高校R&D 经费支出和非高校人员投入；高擎等认为第二阶段的投入是研发应用以及科技服务全时人员和经费支出。根据上述学者的观点以及一阶段的投入，本文选择R&D成果应用与科技服务全时人员当量与R＆D 经费内部支出（应用研究与试验发展）以及一阶段产出中的科技论文、专著以及有效发明专利数为第二阶段投入指标。第二阶段的产出为区域创新能力，同时也是高校科研成果转化，本文将新产品销售收入、技术市场成交额作为代表高校对区域整体的贡献。

（三）回归变量定义

本文从三大创新主体的视角考察高校两阶段创新效率的影响因素，从三重螺旋理论视角下重点考察校企业支持力度和政府支持力度对创新效率的影响。其中被解释变量为第一阶段和第二阶段创新效率的综合值大小。

1.解释变量

（1）企业支持力度（Ind）与政府支持力度（Gnd）：高校科研经费主要来源于政府和企业，两大创新主体对于推动科技创新有着重要作用，因此本文选择科研经费中的企业经费支出和政府经费支出作为衡量指标。（2）产业结构（Is）：Thursby等[56]研究指出，产业结构与高科技吸引力成正向变动，产业结构的转型升级也会间接带来高校创新成果的转化。本文以第三产业产值占三大产业的比重来衡量。（3）经济环境（Eco）：反映高校所在区域的经济发展水平，采用各省份人均GDP 衡量。（4）制度环境（Sys）：参考王晓珍等的研究，本文选择人均公共教育经费作为制度环境的表征指标。（5）区位环境（Loc）：该变量为虚拟变量，按照区域经济发展水平划分，1 表示区位环境优势较强，0 表示区位环境优势较弱。

2.控制变量

控制变量的选择主要是影响两阶段创新效率的内部要素，即高校内生因素，本文选择如下变量作为控制变量。（1）学术交流（Ae）：跨区域与学科的交流合作，能促进知识的流动。国际学术会议交流论文数与国际学术会议特邀报告数能很好衡量高校学术交流。（2）研究生培养（Gra）：参考方超和罗英姿[57]的研究，本文选择参与科技活动的研究生人数作为衡量指标。（3）科研倾向（Rp）：反映高校侧重基础研究还是应用研究，参考高擎等的研究，采用基础研究支出经费占应用研究支出经费的比值衡量。

（四）数据来源与预处理

本研究选取我国30 个省份（西藏、香港等地区由于部分数据缺失，予以剔除）作为研究对象。投入产出数据与影响因素数据来源于2009—2019年《高等学校科技统计资料汇编》、《中国科技统计年鉴》以及《中国统计年鉴》。

DEA 是一种非参数测定方法，不需要对数据进行标准化处理，但是要求数据均为正数。沈江建和龙文[58]针对DEA 模型中数据存在非正的问题，实证检验了无量纲化、将负产出转化成最小正数法、初等行变换和数据平移四种方法处理对效率值测度的影响，结果表明初等行变换具有普遍适用性，但取最小正数法同样也可求解出正确的效率值。本文对相应的投入产出指标中存在的非正值采取最小正数取代。

现有学者为了得到更加真实的效率值，对与物价变动相关的指标进行平减或贴现处理。参考陈怀超等的研究，“R＆D 科技经费内部支出”选取固定资产投资价格指数的45%和消费物价指数的55%做平减处理，其他均采取消费物价指数进行平减处理。关于创新产出滞后的分析，本文参考胡振华和刘笃池[59]的研究，将科研创新投入至科研成果产出再到科研成果转化实现创新经济效益的滞后年限均设置1 年。

五、实证分析

（一）高校科技创新分阶段效率评价

1.静态效率评价

本研究运用MATLAB 软件，将两阶段投入产出面板数据分别代入DEA-SBM 模型，分阶段评价省域高校科研创新效率及科研成果产出对区域创新绩效的影响，分别获得科研成果产出阶段和科研成果转化阶段的各年综合效率值静态大小，结果如见表2、3。

在科研成果产出阶段，仅有北京、内蒙古、江苏、浙江、河南和湖北六个省份的综合效率值为1，说明这六个省份的高校科研创新成果产出效率处于生产前沿面上。福建、海南以及陕西三个省份的综合效率值在0.9 以上，而天津、山西、吉林、黑龙江、安徽、广西、宁夏、新疆八个省份的综合效率值均低于0.5。在科研成果转化阶段，仅有北京、广东、青海、宁夏四个省份的综合效率值为1，说明这四个省份在成果转化阶段到达了DEA 有效。仅有天津、山东两个省份的综合效率值在0.9 以上，大多数省份的科研成果转化效率都较低。结合表1，表2 来看，北京在科研成果产出与科研成果转化阶段的效率值均为1，处于全国领先地位，其余大部分省份高校的科研产出效率都大于科研成果转化效率。

表2 2009—2019 年我国30 个省（自治区、直辖市）科研成果产出阶段综合效率评价

续上表

表3 2009—2019 年我国30 个省（自治区、直辖市）科研成果转化阶段综合效率评价

续上表

2.动态效率评价

通过DEAP2.1 软件，采用Malmquist 指数从时间维度和区域维度评价2009—2019 年我国省域高校科研成果产出创新效率与科研成果转化阶段创新效率变化。

（1）时间维度视角。从表4、5 结果可知，第一阶段科研成果产出全要素生产率年均小于1（均值为0.983），第二阶段科研成果转化全要素生产率年均大于1（均值为1.001），表明2009—2019 年我国科研创新全要素生产率整体呈现小幅下降趋势，年均减少1.7%，而科研成果转化创新全要素生产率几乎保持不变。第一阶段和第二阶段全要素生产率在2010—2016 年呈现不断上升趋势，之后则呈下降趋势。进一步分析我国各省份高校两阶段创新效率变动的方向和原因，可见技术进步效率呈先增后减的趋势，而纯技术效率的变化则呈先减后增的趋势，规模效率的变化则相对比较稳定。

表4 2009—2019 年我国30 个省（自治区、直辖市）科研成果产出阶段动态评价

由具体指标分解可见，第一阶段全要素生产率年均减少1.7%，主要源于技术进步效率年均减少3.2%，但规模效率和纯技术效率年均增加1.2%与0.4%阻止了全要素生产率的进一步降低，但整体上并没有呈上升趋势，说明科研创新效率的提升中技术进步效率是亟须考虑不断提高。第二阶段全要素生产率年均增长缓慢，技术进步效率仍然偏低。技术效率及其分解指标纯技术效率和规模效率也仅有小幅增加，表明2009—2019 年我国各省高校的科技创新两阶段效率中创新管理水平、资源配置水平有所提升，但在技术水平以及投入产出规模匹配程度上有所降低。上述分析表明提高高校科研水平，促进技术进步是未来的主攻方向，而科研创新管理、资源配置等后续还需不断优化调整。

表5 2009—2019 年我国30 个省（自治区、直辖市）科研成果转化阶段动态评价

（2）区域维度视角。为进一步讨论不同地区高校两阶段创新效率的异质性，首先需对我国区域进行划分。王晓珍等认为现有的东、中、西区域划分方法并不适合当前经济发展的需要，应采取国务院发展研究中心提出的八大综合经济区划分法。八大经济区两阶段动态评价测算结果见表6、7。

表6、7 结果表明，在第一阶段高校科研成果产出效率变化中，仅有北部、东部沿海经济区以及东北综合经济区的全要素生产率大于1。这些区域几乎都属于东部经济强省，在科研经费、基础设施和创新人才的投入充足，绩效评价方式、内部管理体制、创新资源配置等方面虽然存在问题，但整体的全要素生产率大于1。其余经济区全要素生产率小于1。第二阶段科研成果转化效率变化中，仅有南部沿海经济区域与大西北综合经济区全要素生产率小于1，表明2009 年以来我国各经济区的科研成果转化都有所增加，高校研究成果不再被束之高阁，而对区域经济增长起到了一定的推动作用。

表6 2009—2019 年我国八大经济区科研成果产出阶段动态评价

进一步分析影响各经济区全要素生产率的主要因素，发现技术进步效率的降低是关键。虽然西部大开发、中部崛起、中西部高等教育振兴计划使得中、西部都获得更多的人财物支持，内部管理与绩效评价更加合理，全要素生产率有所提高，但是由于在最前沿的研究和科研成果转化多以模仿为主，缺乏自主创新，关键技术被“卡脖子”，这些使得技术进步逐渐成为困扰科研成果产出与转化的关键环节。

表7 2009—2019 年我国八大经济区科研成果转化阶段动态评价

（二）影响因素分析

现有学者对于影响高校创新效率大小的环境变量主要聚焦于外部宏观环境变量和内部微观环境变量。前者主要受制于政府，后者主要受制于高校本身。外部宏观环境变量具体包括经济环境、产业环境、制度环境以及文化环境；内部微观环境变量可以包括高校科技人员构成、国际交流状况、获得成果奖励以及高技术产业发展状况。

由于被解释变量取值介于0～1，属于典型的受限因变量，采用普通的最小二乘法会导致参数估计错误，而采用最大似然估计法的Tobit 模型获得的参数更加准确。对于面板数据，固定效应Tobit模型由于找不到个体异质性的充分统计量，因而无法像固定效应的logit 或计数模型进行条件最大似然估计[60]。由于本文研究对象是11 年30 个省份，属于短面板数据，各个省份之间存在差异，适合选取随机效应Tobit 模型。为了消除异方差的影响，对相应的变量取对数处理。同时为了更加明确政府、企业对高校创新效率的影响关系，模型加入了企业支持力度和政府支持力度的二次项。具体研究模型如下：

式（6）中，EFFit表示式（1）中得到的各年各省份一阶段和二阶段综合创新效率值；β 表示回归参数；Zj表示控制变量；εit表示随机误差项。回归分析的结果如表8 所示。

表8 高校两阶段创新效率影响因素回归分析结果

模型1～4 为高校一阶段科技成果产出创新效率的层级回归结果，模型5～模型8 为高校二阶段科技成果转化创新效率的层级回归结果。模型1 中企业支持力度的一次项与二次项对科研成果产出创新效率有一定的负向影响但不显著，而模型2 中政府对高校支持的一次项为负，二次项为正且在1%的水平上显著，表明政府支持对高校科研成果产出创新效率具有U 型影响。模型3 为基本的回归模型，企业支持力度为正但不显著，政府对高校支持在1%的显著水平上为负，表明当前阶段我国政府对高校投入存在与产出资源不匹配的现象，存在边际收益递减的趋势。地区经济环境、制度环境以及区位优势对科研成果产出创新效率的影响为正但不显著。模型4 中加入了企业支持力度与政府支持力度的二次项，结果表明企业支持力度一次项为正，二次项为负，而政府支持力度一次项为负，二次项为正，企业支持力度和政府支持力度均在不同水平上显著，产业结构为负且显著，其他环境变量均不显著。因此从上述分析结果来看，第一阶段中政府支持力度对高校科研产出创新效率呈U 型影响，而企业支持力度在第一阶段中对高校科研产出创新效率呈倒U 型影响。

二阶段高校科研成果转化创新效率中，模型5 中企业支持力度的一次项为负，二次项为正，表明企业支持力度对科研成果转化创新效率也呈倒U 型影响。模型7 中政府支持力度为负且在10%的水平下显著，表明在科研成果转化阶段，政府资金支持并不能发挥很好的作用，科研成果还需要经受市场的检验。模型6、7、8 的结果显示，产业结构、经济环境、制度环境系数为正但不显著，表明这些环境变量对于高校科研成果转化创新效率影响较小。区位环境系数显著为正，说明在科研成果应用上经济发达地区相较于经济落后地区的应用更快，对于区域科研成果产出创新效率的提高作用更为显著。

六、结语与讨论

本文运用静态DEA-SBM 模型和动态DEAMalmquist 指数测算2009—2019 年各省份高校科研成果产出创新效率和科研成果转化创新效率。并进一步以技术效率综合值为被解释变量，重点研究了政府、企业支持力度的影响，同时对产业结构、经济环境等外部因素采用随机效应的面板Tobit 模型进行回归分析，主要得出以下结论。

（一）研究结论

1.从静态模型分析来看：科研成果产出阶段仅有北京、内蒙古、江苏、浙江、河南和湖北的创新效率处于生产前沿面上，八个省份的综合效率值低于0.5；科研成果转化阶段仅有北京、广东、青海和宁夏创新效率值为1，大多数省份的转化效率较低。北京在两阶段的创新效率值都为1，在高校创新资源以及创新成果转化方面处于领先地位。科研成果产出阶段的效率值普遍大于科研成果转化阶段效率值。

2.从动态模型的时间维度和区域维度来看：首先科研产出阶段的全要素生产率略低于1，有小幅下降的趋势；科研成果转化阶段全要素生产率几乎保持不变。其次八大区域中北部沿海、东部沿海以及东北综合经济区两阶段创新效率显著高于其他区域，而南部沿海、大西南与大西北综合经济区两阶段创新全要素生产率虽然有所增加但增长缓慢。具体分析发现技术进步效率是对两阶段创新效率影响程度最大的。

3.目前我国政府对高校科研支持力度与高校科研产出创新效率呈U 型关系，企业支持力度在科研成果产出和科研成果转化两阶段均呈倒U型关系。在其他影响因素方面，产业结构对科研创新成果有显著负向影响。区位环境对于高校成果转化创新效率的提升有显著正向影响。制度环境、经济环境对两阶段创新效率提升并没有显著影响。

（二）对策建议

结合上述结论，根据目前“双一流”高校建设，本文从三重螺旋视角下重点分析政府、企业与高校如何更好地发挥好自己本身的职能，同时搭建良好的合作关系以提升高校两阶段创新效率。第一条建议对应结论一，指出高校应从重视科研产出的研究型大学向重视产出与转化的创业型大学的转变；第二条建议对应结论二，为高校如何缩小区域差异，完善创新系统提出了相应建议；第三、四条建议对应结论三，回答了高校和政府以及高校和企业应如何高效合作、提升效率。

1.从研究型大学向创业型大学转变，注重创新成果产出与创新成果转化。当前我国高校普遍重视成果产出效率，而忽视成果转化，建设创业型大学势在必行。创业型大学首先由Etzkowitz 于1983 年提出，随后美国教育学者Clark 探索了欧洲创业型大学的建设路径。Crawley E 等也提出从教育、研究以及催化创新三个角度提出增强大学对于区域创新贡献的具体做法：（1）教育应该实施跨学科交叉课程；让学生主动参与到体验式的和数字化的学习中；在课程中为学生提供领导力、管理和企业家精神的选修课程。（2）研究也要以研究人员兴趣或解决当下问题为出发点；在跨学科合作研究时，应不断寻找具有高影响力的跨学科发现和理论。（3）大学为了更好地服务和催化创新，应该促进与合作伙伴的对话和正式协商；同时开设创新创业课程与尝试创建真实的企业。

2.完善区域创新体系，缩小区域差距。实证研究表明我国高校创新效率存在显著的地理差异，东部沿海、北部沿海以及东北综合经济区相较于南部沿海、大西南与大西北综合经济区在创新成果产出和创新成果转化阶段效率要高，这主要受制于知识存量和技术代际。处于创新效率高值地区的高校应以完善内部治理、加快成果转化平台建设、致力于引领国际前沿研究为主；创新效率低值地区的高校应建立并完善科研人才吸引和培养机制，鼓励高水平科研人才流动，利用现有大数据、互联网等技术，搭建区域之间的交流平台，实现优势互补，促进创新资源的高效流动。政府在打破区域差异中起到了重要作用，要充分发挥宏观调控的功能，制定符合各个地区的高效创新政策体系。

3.从指导型政府向服务型政府过渡。目前我国科研主要是政府主导型，政府投资经费占据总投资经费一半以上，而实证研究表明政府支持力度与一阶段创新效率目前呈U 型关系。高投入－高产出的资源扩张模式在内生经济增长下并不会持续促进高校创新效率持续提升。如果政府投入在原有基础上减少，从理论角度上科研产出的创新效率会有所增加，但实际上由于资金的减少，人才以及相关基础设施的供应会受到约束，对科研成果的持续产出甚至可能起到负面作用。而接着增加投入，势必会带来更多的冗余，因此界定好政府在创新中的作用至关重要。服务型政府的职责在于优化资源分配结构，从宏观上引导科研以服务于国家社会，从微观上给予其他创新主体更多的自主权。

4.注重校企合作力度，实现互利共赢。在推进校企协同创新的过程中，要控制好校企合作力度。现有研究表明，当企业支持力度适当时，跨组织人员、知识流动会促进高校与企业获得互补性资源，进而提升创新意愿、加快创新产出、降低创新风险；而超过一定临界值时，高校需要花费大量的时间精力和资源来维持校企合作，高校的自主权受限，创新效率就会有所下降[61]。因此一方面高校要以企业需求为前提，建立长期互利共赢的合作关系，发挥高校在基础研究、学科建设的优势，服务企业技术创新；积极搭建校企联合创新共享平台，将科研成果转化为企业所需，提高成果转化效率；另一方面要防止校企过度联结对于学术研究的影响，在提升校企合作创新稳定性的同时，保证研究者的时间和精力主要投入在学术研究和教育。