许云华，李 辉，王成军

（安徽财经大学工商管理学院，安徽蚌埠 233030）

引 言

科学技术是第一生产力，创新是引领发展的第一动力。2022 年党的二十大报告指出当前我国需要加快实施创新驱动发展战略，实现高水平科技自立自强以及提高科技成果转化和产业化水平。《2022 年全球创新指数报告》显示中国申请专利数量连续10 年位居世界第1 位。2018 年起，我国SCI论文数量开始迅速超越美国，成为世界第一，但我国全球论文被引次数排名前1%的顶尖高质量论文数量仍然较大幅度落后于美国。《2021 年中国专利调查报告》显示我国有效专利产业化率为44.6%，而高校则不到5%。我国各主体在科研成果产出上存在明显优势，而在科技成果转化率与商业化率上仍低于均值在60%以上的发达国家[1-2]。

在我国科技成果转化问题突出以及创新创业带动高质量发展的双重背景叠加下，安徽省被赋予了重要的使命，不仅要为长三角地区提供发展要素保障，还要成为科技创新的策源地。近些年来，安徽省在量子信息、热核聚变、人工智能以及新能源开发等前沿领域取得了诸多创新成果，科技成果转化连续四年“进大于出”并建立了一系列科技成果转化平台提供资金、技术、人才等支持服务。然而，安徽省科技成果转化仍然存在市场需求和科技成果的匹配度不高、跨学科跨领域的人才队伍不足、产学研深度合作机制匮乏、初创企业和中小企业缺乏有效的资金支持等问题。因此，作为“中部崛起”和“长三角”一体化发展的重要省份，安徽省需要准确认识当前科技创新存在的实际问题，科学评价科技转化效率，识别出推进科技成果转化的关键路径。这不仅可以为实现安徽省跨越式发展提供理论支撑，也可以为中部和经济落后省份如何走创新驱动发展之路提供可借鉴性的价值和建议。

1 文献综述

1.1 科技成果转化研究

现有学者对于科技成果转化的研究主要从以下四个方面展开：科技成果转化的内涵与定义，科技成果转化模式，科技成果转化绩效和效率，科技成果转化影响因素。

（1）科技成果转化内涵与定义。我国科技成果转化法最早将科技成果转化定义为将具有使用价值的科技成果进行后续实验、开发、应用、推广直至形成新产品、新工艺、新材料、发展新产业等活动。但有学者认为该定义过于狭义，广义的科技成果转化应该包含创新链中各个环节的转化[3-4]。国外一般使用“技术转移”来代替，原北美大学技术经理人协会（AUTM）将技术转移定义为科研机构将科学研究产生的新发现和创新的使用和商业化权利正式转让给其他机构团体的过程。国内外的定义实际上反映了实现市场价值和获取商业利润的本质[5]。

（2）科技成果转化模式。李孔岳[6]系统地比较了美、德、英、日的科技成果转化模式，发现日本的“政产学研”模式与Etzkowitz 等[7]提出的三重螺旋协同创新模型类似，柳岸[8]也认为政府主导下政产学合作模式适用于我国科技成果转化，并以中国科学院为例加以论述。戚湧等[9]将科技成果分为基础公益类、共性技术类和专有技术类，分别对应不同的科技成果转化模式。程燕林等[10]提出了参与主体多元化、成果类型可编码、多向交叉知识流动、非正式合作以及考虑供给需求与环境的科技成果转化网络模型。除了从过程和成果视角进行分类与定义，有学者从科研人员行为动力视角将科技成果转化模式分为内驱、推动、牵引和鼓励模式[11]。

（3）科技成果绩效和效率评价。AUTM 最早建立了一套指标体系，英国高等教育统计局（HESA）、欧盟委员会也在此基础上构建了特色突出的指标体系，而国内科技成果转化指标主要由政府组织收集。沈健等[12]对比了中国、美国、欧盟以及英国科技成果转化指标体系，指出我国在基础研究投入强度和专利管理制度等方面具有改进空间。技术市场成交额[13]、高新技术产品或服务收入与科技成果产出的比值[14]、企业新产品销售收入[15]、新产品销售收入与专利总数量之比[16]等单一指标被广泛用作评价科技成果转化绩效的指标。柴国荣等[17]、刘家树等[18]则从多元视角构建指标体系综合评价科技成果转化绩效。由于绩效评价具有一定的主观性，较难反映真实客观的科技成果转化情况，Cruz-Cázares 等[19]认为效率评价是最有效的方式。不同的学者采用不同的方法评价我国科技成果转化效率。刘家树等[20]、曹幸如等[21]、艾时钟等[22]构建了针对不同主体的科技成果转化评价体系，分别采用径向DEA 模型、三阶段网络DEA 以及超效率SBM 模型进行效率评价。董洁等[23]和戚湧等[9]采用随机前沿分析法（SFA）分析评价我国各省和相关高校科技成果转化效率。张浩等[24]综合了上述研究，从战略上构建了经济、政治、民生、生态以及文化五个层面的科技成果转化评价体系。

（4）科技成果转化影响因素。科技成果转化是一个复杂的过程，受到多种因素的影响。学者们从宏观和微观视角对影响因素进行了研究和分析。从宏观视角出发，董洁等[23]的实证研究发现，政府支撑（主要是经济支持）对科技成果转化效率有关键作用，而政府政策的变迁与调整也可以提升科技成果转化效率[25-26]，如促进科技成果转化法的修订进一步激发了科技人员参与成果转化的热情。知识产权保护不力是制约科技成果转化的重要因素，会严重降低预期创新受益进而影响创新投入和技术研发[27]。从不同主体的微观视角出发，靳瑞杰等[28]发现技术转移办公室、研究质量以及个体认知等内部因素对高校科技成果转化存在很大影响，邓向荣等[16]则发现创新质量是影响企业科技成果转化效率的重要内部因素，晏文隽等[29]则认为数字技术可以显著提升企业科技成果转化效能。此外，各主体之间的交流互动，尤其是产学合作也是影响科技成果转化的重要因素[5]。

1.2 三重螺旋理论

1995 年，Etzkowitz 等[7]第一次用三重螺旋模型阐述知识经济背景下中政府、大学与企业的相互作用。从提出到现在，三重螺旋模型在国内外都得到了全面发展。在理论上，Leydesdorff[30]提出了基于香农信息熵理论的三重螺旋算法。Etzkowitz 等[31]提出了可持续发展的双三重螺旋模型，添加了另一种大学—公众—政府三重螺旋作为大学—产业—政府的补充。王成军等[32]系统地提出了三重螺旋模型的七种结构，并绘制了政产学协同模式谱系图。随着民主、共享以及环境等问题的突出，Carayannis 等[33]拓展了三重螺旋理论和应用，提出了公众参与的四重螺旋。Carayannis 等[34]和Cai 等[35]从理论、实践、优缺点等方面系统地比较了三重螺旋和四重螺旋。在应用上，Sun 等[36]、Park 等[37]采用三重螺旋算法衡量了日本和韩国创新体系中大学、工业和其他部门之间关系。许长青[38]系统梳理了我国三重螺旋理论在创新实践中存在的突出问题，从宏观到微观等六个方面提出了调整方案。王成军等[39]将纵向案例研究与三重螺旋理论结合，构建了合肥在建设过程中政产学主体的权变模型。Jovanovi＇c等[40]将三重螺旋与两阶段数据包络分析相结合，提出衡量创新系统效率的新方法。

1.3 三重螺旋视角下科技成果转化机制分析

科技成果转化是一项系统工程，影响科技成果转化的因素并不独立，它们之间会通过联动匹配产生不同的组合影响科技成果转化。三重螺旋理论强调知识经济背景下具有不同价值体系和职能的政府、大学和产业既相互独立，又相互协同，共同推动区域创新和社会发展。该理论的思想内涵也说明科技成果产出和转化不是由单一因素决定的，而是建立在三大主体及其协同的基础上。有学者也通过案例研究指出三重螺旋适用于我国科技成果转化研究[8]。因此，从理论上分析政府、产业、大学以及三者之间的协同关系与科技成果转化的内在作用机制具有重要意义。

（1）政府与科技成果转化。政府在科技成果转化中有着诸多作用，例如：制定适合科技成果转化的知识产权激励制度[27]；提供金融资金支持、财政补贴和税收优惠[16]；完善政策与法律规范保护创新主体合法权益[41]等。杜宝贵等[1]将政府政策总结为税收优惠、公共采购和专利政策等九个方面，系统详细地研究了政府科技成果转化政策“多重并发因果关系”。因此，政府在科技成果转化中主要扮演的是政策制定者和制度保障者[42]，通过营造良好的环境，提供金融、财政等资金支持，引导企业和高校协同发展，进而促进科技成果产出和转化。

（2）产业与科技成果转化。产业集聚理论表明大量专业化的企业在一定地域范围内由于共性和互补性的特征而进行柔性集聚，并结成密集的合作网络，通过溢出效应使得创新产出、信息、人才等资源快速共享和集聚从而达到规模经济效益，实现产业群竞争力提升，例如美国硅谷、日本筑波科学城、北京中关村的产业集群均实现了高水平创新和成果转化。此外，内生经济增长理论认为技术进步是保证经济持续增长的决定因素，而技术进步的本质则是来源于创新。在市场经济下，企业是技术创新的主体，其创新能力的大小将直接或间接影响前端基础研究、中端应用研究以及后端成果转化和商业化的过程。高创新水平不仅能带来基础研究领域的突破，也能将这些突破进行商业化，形成产品或服务以推动经济发展。

（3）高校、研究机构与科技成果转化。当今大学不仅承担着教育和研究的一般任务，促进技术创新应用与经济发展也成为社会对大学新的期待[43]。从斯坦福、麻省理工学院等高校的技术转移办公室（TTO）发展来看，类似的科技中介机构和科技成果转化平台在知识产权规划和管理以及科技成果转化方面发挥了巨大作用。在科技成果转化过程中，由于高校和研究机构与企业、企业与市场之间存在着信息不对称问题，信息反馈的时效性、准确度直接影响各主体之间科技成果的有效配置和转化。科技中介机构和科技成果转化平台在市场环境下也扮演了鼓励科技创新成果披露、连接生产方与需求方以及解决不同主体之间利益冲突的重要角色。

（4）产学合作与科技成果转化。企业与高校、科研机构开展的产学合作一方面可以使学术界获得产业界的经费、课题和研究设备的支持，提高学术生产力和科技成果转化绩效[44]；另一方面产业界可以获得学术界人才与知识的支持，加快企业科研进度，提升企业竞争力。但由于企业与大学、研究机构是不同系统的合作，双方作为利益不同的主体存在客观的矛盾，产学合作需建立在政府的政策、法规等措施的基础之上，通过政府的合理规制降低双方的交易成本，实现科技成果商业化，达到双赢。

综上所述，三重螺旋中政产学主体及其协同可以有效促进科技成果转化。然而不同城市中政产学三大主体所扮演的角色也不尽相同，采用组态视角和QCA 等方法可以探究多主体协同视角下促进科技成果转化提升的多元化路径和影响机制，为不同城市如何更好地提升科技成果转化效率提供理论支持。本文的理论模型如图1 所示。

2 模型设定与数据采集

2.1 科技成果转化指标评价体系构建

关于如何科学评价科技成果转化水平的问题，现有研究主要采用单一指标法、综合指标评定法、数据包络分析法（DEA）、随机前沿分析法（SFA）等方法评价。单一指标存在以偏概全、难以准确反映的问题。综合指标法中专家打分法、层次分析法以及Delphi 法等又带有较强的主观性。DEA 相较于SFA 是一种非参数分析方法，可以直接处理多产出的情况，得到的效率值相较于单一指标法与综合指标法更加客观合理，因而被广泛使用。DEA 方法的核心在于构建科学合理的指标评价体系，考虑到系统性原则、科学性原则、独立性原则以及可操作原则[45]，参考刘家树等[18，20]、杜宝贵等[1]、曹幸如等[21]的研究，本文构建了如表1 所示的指标体系。

表1 科技成果转化效率评价指标体系

传统的DEA 径向模型要求在评价效率时投入产出同比例变动，但存在投入或产出的松弛变量时，会导致评估决策单元的效率值失真。采用基于松弛变量的效率测度方法即SBM 模型可以很好解决上述问题。因此本文构建了DEA 非导向规模报酬可变条件下的SBM 模型对安徽省各地级市的科技成果转化效率进行分析测度，其模型如下：

式（1）中，n 表示评价单元个数。i 表示投入变量个数，其取值范围为1 到m；k 表示产出变量个数，其取值范围为1 到s。six为投入的松弛变量，表示投入冗余；sky为产出的松弛变量，表示产出不足。xio、yko表示第o 个评价单元的投入和产出。xj、yj分别表示投入变量和产出变量，λ 表示评价单元的参变量，θ 表示评价单元的效率值。

2.2 组合效应的前因条件

各城市的科技成果转化效率作为结果变量，前因变量的选择基于上述的理论分析，从政产学主体和产学协同视角加以确定。在小样本研究中（10~40个案例），为了避免研究结果复杂化的问题，前因条件的数量控制在3~8 个为宜。本文选取的样本为安徽省16 个地级市，共选择前因条件5 个，分别如下：

（1）政——政府投入。选取各市政府在科技上的经费投入指标加以衡量。

（2）产——产业集聚水平和创新能力。参考刘家树等[20]的研究选择高技术产业的增加值占GDP比重来测算高新技术产业的集聚水平；选取各市具有研发活动的企业个数来衡量各城市产业的创新能力。

（3）学——研发能力。选取各市省级以上的研究与发展平台个数衡量高校和研发机构的研发能力。

（4）产学协同——产学合作能力。选取各市企业在高校和科研机构中的外部经费支出衡量产学合作水平。

2.3 数据来源与校准

本文用于评价科技成果转化效率的指标、影响因素（前因变量）以及相关数据来自2014—2021 年《安徽省统计年鉴》《安徽省科技统计公报》以及各地级市的统计年鉴。采用各地级市消费者价格指数对R&D 内部经费支出、技术市场成交额、科技经费投入与产学合作水平进行平减处理，采用商品零售价格指数对新产品销售收入进行平减处理，进而消除价格因素对本研究的影响。对缺失数据采取历年数据差值法处理。

在进行fsQCA 分析之前，需要对前因条件和结果变量进行校准。结合已有的理论和本文数据及结果的类型，运用直接校准法将数据转化为模糊集隶属分数。参考杜运周等[46]的校准标准，将前因条件和结果的样本描述性统计的0.9 分位点、0.5 分位点、0.1 分位点分别设定为完全隶属、交叉点、完全不隶属的锚点，各条件的和结果的校准信息如表2所示。

表2 条件和结果的校准

3 实证结果与数据分析

3.1 效率分析

采用MATLAB 软件，将前文构建的指标体系面板数据代入DEA-SBM 模型，计算结果见表3 所示。合肥、芜湖、铜陵等城市科技成果转化效率较高。合肥和芜湖在安徽省属于引领发展的定位，拥有全省较大的资源倾斜，如何走出了这样一种高投入高产出的道路？也即政产学三大主体在实现高科技成果转化效率中扮演了什么样的角色？铜陵相较于合肥和芜湖，在资源投入上显然较少，但又如何走出了一条高科技成果转化效率之路？反观淮南、六安、马鞍山以及宣城科技成果转化效率普遍偏低，进一步对投入冗余和产出不足的分析发现，这些城市在R&D 人员和专利授权上存在投入冗余，在新成品销售收入上存在产出不足。这表明在低效率的城市中高校的科研成果存在转化难的困境，产业方面也难以将科技成果转化到实际的生产力上。如何实现低效率城市向高效率城市转变是亟需解决的问题。

表3 安徽省各地级市各年科技成果转化效率评价

3.2 必要性分析

单一的前因条件在结果变量的产生中是否都存在，如果存在即为必要条件。在必要性检验中，目前有两种方法可以验证：一种是采用QCA 分析中的一致性水平来反映，当一致性大于0.9 时，则该条件就是结果的必要条件[47]，但QCA 主要侧重充分性和组态分析；另外一种是采用R 语言来分析必要性，即NCA 方法，该方法提供了蒙特卡洛仿真置换检验分析其显著性，当单个条件的效应量（d）大于0.1，且P 值检验显示效应量显著时，该条件是结果的一个必要条件[48]，通过提供的上限回归（ceiling regression，CR）和上限包络分析（ceiling envelopment，CE）两种估计方法可分别处理连续型变量和离散型变量[46]。

由表4 可以看出，QCA 分析不同主体对科技转化效率的影响中，单个条件的必要性一致性水平均小于0.9，不存在影响高科技成果转化效率和非高科技成果转化效率的必要条件。表5 报告了NCA 对单个条件的必要性分析结果，包括使用CR和CE 两种不同估计方法分别得到的效应量和P值等。NCA 分析结果显示，政府投入、产业创新水平、研发水平以及产学合作水平的必要性效应均不显著（P>0.05），不构成影响科技成果转化效率的必要条件。产业集聚水平在上限回归中符合必要性条件，但是在上限包络分析中效应值较小且P 值不显著，因此也不构成影响科技成果转化效率的必要条件。表6 报告了瓶颈水平分析结果。结果显示要达到较高科技成果转化效率（90%以上），产业主体需要达到最低的集聚水平值为32.9%，产业创新水平最低值为7.4%，高校和研究机构的研发水平值最低为8.3%。

表4 QCA 对单个条件的必要性分析

表6 NCA 对单个条件必要性瓶颈水平（%）的分析

3.3 组态分析

考虑到非对称性因果关系，本文采用fsQCA 方法分别分析了产生高科技成果转化效率和非高科技成果转化效率的政产学主体影响因素组态。结合组态分析中的高和非高科技成果转化的典型城市对安徽省科技成果转化进行深入分析，以探索适合不同城市的成果转化之路。同时本文对发现的不同主体影响因素组态进行定性分析和命名，以深化组态理论。

考虑到安徽省城市案例个数（16 个地级市样本）以及计算出的科技成果产出效率值大小，在进行组态充分性分析时，本文将案例频数阈值设定为1，原始一致性阈值设定为0.8。为了避免同时性子集关系，将PRI 一致性阈值设置为0.65 以上[49]。进行fsQCA3.0 按上述步骤计算后，得出三种不同的解：简约解、中间解、以及复杂解。由于简约解和中间解均纳入了逻辑余项与反事实假设，相较于复杂解更具代表性和启示性，同时通过中间解与简约解的嵌套关系对比，区分了每个解的核心和边缘条件[50]。如表7 所示，本文发现两种能够产生高科技成果转化效率的组合路径、三种产生非高科技成果转化效率的组合路径。本文从三重螺旋视角出发，以“简洁地表达”“捕捉整体”和“唤起组态的本质”的原则[51]对上述组态进行命名。

表7 实现高/非高科技成果转化效率的组态

QCA 作为一种集合论方法，轻微改变操作（调整校准阈值、变动PRI 一致性门槛值、增加其他条件、补充或剔除案例）产生的结果不会改变研究发现的实质解释时，即视为稳健性较好。调整校准锚点，将完全隶属、完全不隶属锚点调整为第0.85 分位数和0.15 分位数，交叉点保持不变，得到的组态与现有组态基本一致，表明本研究结果的稳健性较好。

3.3.1 造成城市高科技成果转化效率的主体因素

（1）产学技术驱动型。组态S1 中产业集聚水平和产学合作水平为核心存在条件，而产业创新能力、高校和科研机构的研发能力为边缘缺失条件。产业集聚说明区域高新技术企业已经形成了初步的规模效应，从而加速了技术驱动创新成果转化。从缺失条件来看，这一发展路径下，产业是促进科技创新成果转化的核心主体，产学合作也是通过企业进一步带动，典型城市（前因条件和结果隶属度均高于0.5）为铜陵市。铜陵市是一座以铜、化工为主导产业的资源型城市，近些年来创新成果转化产出在省内排名较高，投入产出角度看效率较高。虽然铜陵市高校和科研机构数量较少，但是依靠强有力的工业企业带动产学合作提高创新产出。不过当前铜陵仍然面临产业结构单一、转型升级困难、增长率缓慢的问题，未来实现高效率发展的路径显示，铜陵仍然要坚持发展高新技术企业，提升集聚水平，走产学密切合作的发展道路。

（2）政产学资源联动型。组态S2 中政府投入、产业集聚水平、产业创新能力、高校和科研机构研发能力和产学合作水平五个条件均存在，产业创新能力和产学合作水平是核心存在条件。该路径表明了要达到高科技成果转化效率，政产学三方主体的参与是必要的，尤其要以产业创新能力的提升以及产业与高校和科研机构的合作为核心，典型城市是合肥与芜湖。合肥是安徽省省会，拥有着得天独厚的资源和区位优势，被誉为“大湖名城，创新高地”。近些年来，“合肥现象”“最牛风投城市”引发了各界关注，合肥更是跃居2021 年GDP 百强城市的第19名。合肥市政府通过投资京东方、长鑫半导体以及蔚来汽车等以及出台相应的培育高技术企业发展计划，目前形成了“芯屏汽合”“集中生智”等产业集群，在新型显示器件、集成电路以及人工智能领域取得了千亿产值，创新能力大大增强。与此同时，以中科大和中国科学院为主的高校和科研机构也积极参与其中，中科大与京东方、国盾量子等企业开展产学合作，中科院在合肥成立医学研究院，共同加速合肥创新与成果转化。有学者总结了合肥发展的两条不同路径，一种是政（政府）→产（企业）→学（高校）→创新型城市发展，另一种是政（政府）→学（高校）→产（企业）→创新型城市发展[39]。

芜湖的城市名片是“长江明珠，创新之城”，也因一句“芜湖，起飞”成为知名的网红城市。作为皖南区域中心城市，芜湖市政府近些年来加快汽车及零部件、材料、电子电器、电线电缆四大支柱产业转型升级，加速迈向中高端领域，在机器人及智能装备、新能源及智能网联汽车、航空航天等十个战略性新兴产业“无中生有”、快速集聚。省级以上研发机构总数达475 家，市重点研发创新平台55 个，基本实现十大新兴产业全覆盖。“紫云英人才计划”、组建全省首个人才发展集团，从“不断完善人才政策”走向“全面优化人才生态”。芜湖全市高职院校已与1 451 家企业建立合作关系，校外实习实训基地990 个，携手诸多企业打造各类二级学院，如：芜湖职业技术学院与菲迪大学合作成立的腾讯云国际互联网学院等，着力培养实战型技能人才。从合肥与芜湖的发展过程来看，政府在其中起到了重要的引导和政策支持作用，产业构成科技成果产出和转化的主战场，产学合作成为了推动技术转化、实现资源共享的重要平台，政产学三大主体之间密切联动，实现了高效率互动，推动创新进而带动经济发展。

3.3.2 造成城市低科技成果转化效率的主体因素

（1）产学孤立型。组态NS1 中政府投入为核心存在条件，产业创新能力和研发能力为边缘存在条件，产学合作水平为核心缺失条件。该路径说明缺乏产业集聚和良好的产学沟通是难以实现高科技成果转化效率，这一方面使得学术界成果难以适应市场化的产业需求，另一方面产业界的研究发展缺乏高校和研发机构的人才支持使得创新成果转化的周期变长，典型城市是宣城、蚌埠和安庆。以宣城市为例，最近的产业调研显示在新能源等技术水平较高的产业上，集聚度不高，企业协同性不够，上下游配套齐全、功能完备、分工合作的产业链尚未形成。市政府在“十三五”新型工业化发展规划中虽然有相关的政策支持，例如设立市产业引导基金6.4 亿元，聚焦新兴产业，但仍然存在力不从心的现象。全市仅有一所宣城市职业技术学院和合肥工业大学宣城分校，在全省范围内高校和研发机构数量上排位靠后，产学合作的低水平也是导致其很难实现高科技成果转化效率的又一原因。

（2）政产学技术创新缺失型。组态NS2 中产学合作水平是核心存在条件，产业集聚水平为核心缺失条件，政府投入、产业创新投入和研发水平为边缘缺失条件。高新技术产业的缺乏使得产业集聚形成的规模效应很难产生，加之政府扶持水平和高校与研究机构研发能力较低，仅仅依靠产学合作的双边互动很难在实质上产生高科技成果转化效率，典型城市是淮南市。淮南市拥有高等院校6 所，数量居全省第4 位，拥有国家科研平台8 家，数量居全省第5 位，产学合作水平排名全省第3 位。作为老工业城市，上世纪八、九十年代，安徽造纸厂、淮南纺织厂等一批企业，在市场上也曾叱咤风云。由于没有抓住机遇，多数企业已衰落，产业水平薄弱的问题凸显，高新技术企业与创新能力缺乏，发展后劲不足导致创新成果转化能力较低。这几年来，淮南市政府致力于发展十大新兴产业，明确产业发展重点，聚焦新一代信息技术、新材料、新能源汽车及零部件、高端装备制造、生命健康、绿色食品六大产业，同时在人工智能、新能源和节能环保、智能家电、数字创意等领域加快新兴产业布局以期形成强有力的产业集群。

（3）产学研发创新主导型。组态NS3 中产业集聚水平为核心缺失条件，政府投入为边缘缺失条件，产学合作水平为核心存在条件，而产业创新能力与高校和科研机构的研发能力为边缘存在条件。即便产业界与学术界的创新能力以及双边合作都存在，但是当地政府如果不重视科技创新而是抱守高资源消耗产业，不及时调整产业结构，也无法达到高科技成果转化效率。该组态对应的唯一覆盖度为0，说明没有单独的案例支撑这个组态，但是有案例同时支撑它和其他组态，例如阜阳市（前因条件隶属度为0.53，结果隶属度为0.38）。阜阳市由于地理位置、气候条件优越，农业发达、人口众多，是安徽省的农业大市，但在其他产业上相对薄弱，产业集聚效应几乎没有。“十四五”时期，阜阳市政府将加快由农业大市向农业强市转变，重点发展粮食、畜牧、水禽、蔬果、高油酸花生等优势产业。阜阳有6 所高校，产学合作在安徽省也处于中上游水平，政府在推动高技术产业发展和产学合作方面发挥了重要作用，如：聚焦“554”产业技术需求，瞄准“卡链”“断链”产品和技术，依托各类高校、研发平台、龙头企业等协同解决，但是仍然存在力度不足的问题。

4 结论、启示与不足

4.1 研究结论

城市科技成果转化效率的提升一直是研究的热点问题之一。本文以安徽省各地级市为研究对象，采用实证研究方法对16 个地级市的科技成果转化效率进行了定量测量，并从三重螺旋的政产学主体视角对影响科技成果转化效率的因素进行组态分析，结合数据包络分析、必要性条件分析以及模糊定性比较分析探索了引致高/低科技成果转化效率的多元路径。

首先，安徽省大部分城市的科技成果转化效率并未达到最佳水平，仅有合肥、铜陵和池州的效率水平处于最优前沿面。通过对低效率城市投入产出的松弛变量分析发现，这些城市在R&D 人员和专利授权上存在投入冗余，在新成品销售收入上存在产出不足。其次，在三重螺旋理论视角下构建的前因条件变量中，不存在引致高/低科技成果转化效率的必要条件。再次，本文发现两种实现高科技成果转化效率的模式，分别为产学技术驱动型和多主体资源联动型。前者的典型城市是铜陵市，主要通过产业集聚的规模效应和产学合作带来的技术、人才优势来实现创新成果的有效转化；后者的典型城市是合肥市和芜湖市，政府在政策和资金上支持、产业聚焦于高新技术、高校和科研机构不断提升科研能力以及开展密切的产学合作使得各主体分工明确又相互协同，加速资源和技术流动，实现创新成果的转化。最后，对影响低科技成果转化效率的主体因素进行了探讨，发现存在产学孤立型、政产学技术创新缺失型、产学研发创新主导型三种模式，三种模式对应的典型城市在产学合作或产业集聚上存在显著不足，后两种模式表明部分城市政府在科技成果转化政策和经费支持上仍然存在心有余而力不足的现象。

4.2 理论贡献

科技成果转化是涉及政产学三重螺旋等多主体的参与和合作，这意味着主体因素会对科技成果转化产生联动效应，需要采用组态分析的方法对多因素影响进行分析论证，进而探讨多主体因素对科技成果转化的组态形式。因此本文主要的理论启示有：

（1）采用多方法结合的形式对安徽省科技成果转化效率与多主体因素对科技成果转化的“多重并发”效应进行了分析测度。具体而言，对科技成果转化效率采用DEA-SBM 分析，采用NCA 和fsQCA方法研究了政产学主体以及产学协同与科技成果转化效率的关系。多指标的效率分析能够摆脱单一指标评价的局限性，QCA 与NCA 方法的结合有助于研究多主体因素与科技成果转化效率的必要和充分条件。

（2）基于三重螺旋理论，阐述了政产学主体和产学协同与科技成果转化的内在机制，并基于此构建了影响科技成果转化的前因条件变量，通过组态分析确定了造成不同城市高/低科技成果转化效率的路径和复杂因果关系。研究将三重螺旋理论与区域科技成果转化实践结合，既丰富了理论内涵，也为区域科技成果转化效率的评价和提升奠定了理论基础。

4.3 实践启示

根据研究结果，本文发现不存在单一必要条件影响安徽省城市科技成果转化效率。不同城市由于区位、资源禀赋和技术水平等方面的不同，科技成果转化存在不同的差异化路径，基于各城市政产学具体情况，提出了针对不同城市提升科技成果转化效率的发展路径。

（1）资源联动型城市发展战略。该路径下有两种实现高科技成果转化的具体方式，一种是集聚人财物等多种资源的联动发展型，这一类城市有合肥、芜湖；另一种是依靠产业资源引导型，该类城市有铜陵、马鞍山与淮北。前一种主要是由安徽省战略定位所决定，合肥与芜湖作为安徽省经济发展的中坚力量与主要推动力，在资源上相较于其他地级市更具有优势，这时应该重视产业创新能力的建设，同时要发挥出产学两大主体在创新上的联合作用，可以开展广泛的校企联盟实现长期的战略合作，搭建技术交流和资源共享平台，实现“1+1>2”的作用。另一种依靠过去积累的产业基础，以其为核心带动产学合作，进而提升科技成果转化的效率。铜陵、马鞍山与淮北作为安徽省重要的工业基地，先前积累的产业基础使得城市有一定的资源优势，但是随着清洁能源、环境政策与保护意识的增强，过去的产业结构亟需调整，这时需要发挥产学研的力量，加强研发的同时也要把握市场需求，审时度势发展高技术产业，形成新的产业集群，走新型产业资源带动的发展道路。

（2）特色产业型城市发展战略。该类城市中基本都不存在核心且有竞争力的产业集群，在科技成果转化上很难展开丰富的产学合作。特色产业型主要适用于皖南（黄山与池州）和皖北城市（阜阳）。黄山与池州在科技创新的投入和产出方面都处于安徽省较为靠后的位置，但是存在丰富的旅游资源，通过聚焦旅游产业，打造别样的“诗和远方”以及将技术资源应用于旅游开发等措施才可能进一步提升产业创新能力。阜阳作为皖北的中心城市，地理位置优越人口众多，尤其在农业上存在显著的产业优势，而工业基础较为薄弱，需要依靠农业建立起相对应的产业，实现资源优势利用。产学合作可以通过共建实体模式开展，高校依赖地区资源重点发展特色学科，从而与当地发展融为一体，实现深度的产学合作，进一步加快科技成果转化。

（3）功能服务型城市发展战略。采用功能服务型战略的主要原因是地理位置。未来安徽将会形成以合肥为核心、皖北中心城市群（以阜阳为核心）和皖南中心城市群（以芜湖为核心）的发展格局。六安未来定位于承接合肥产业转移的重要任务，亳州市也可作为阜阳发展重要的支撑力量，宣城可在战略上协同芜湖共同发展，同时马鞍山和滁州由于地理位置上与南京接近，可以较为深入地融入长三角地区的发展中。通过采取区域协同的发展战略才能实现在落后城市产业上的不断转型、技术上的逐渐追赶，最后实现经济的不断发展。由于安徽省独特的地理位置和产业发展水平，不同城市需要定位清晰，明确重点发展方向。

4.4 研究不足

本文也存在一些局限，值得未来进一步研究。首先，受限于理论和样本选择的问题，本文仅从三重螺旋视角对影响科技成果转化效率的主体因素进行了组态分析，未来研究者可以采取其他理论从不同视角对不同样本开展创新性研究。其次，本文在定量分析的基础上，结合城市发展现状又进行了定性分析，但是限于篇幅原因，并未对所有城市展开详细分析，未来研究者可以针对某一城市或地区做更深入的案例研究。最后，本文在指标体系构建、科技成果转化水平评价、前因条件变量选取方面有一定主观性，未来学者们可以从多维度构建更科学合理的评价指标。