高技术产业产学研合作创新效率及其影响因素研究——基于三螺旋视角

庄 涛 吴 洪 胡 春

(1.北京邮电大学，北京 100876； 2.山东经贸职业学院，山东 潍坊261011)

高技术产业产学研合作创新效率及其影响因素研究
——基于三螺旋视角

庄 涛1,2吴 洪1胡 春1

(1.北京邮电大学，北京 100876； 2.山东经贸职业学院，山东 潍坊261011)

利用中国高技术产业5大行业1998—2012年的面板数据，测度不同行业的产学研合作创新效率，并从三螺旋视角分析产学研合作创新效率的影响因素。研究发现：中国高技术产业产学研合作总体效率不高，但呈缓慢上升趋势，其中，计算机领域创新效率相对较高，而航空航天领域创新效率较低；企业技术吸收能力、大学—企业—政府三方合作紧密程度、大学参与程度对产学研合作效率有显著促进作用；政府R&D投入对规模效率存在显著促进作用，而对综合效率和纯技术效率存在显著抑制作用。

创新效率；产学研合作；三螺旋

一、引言与相关文献回顾

作为知识密集、技术密集的高技术产业已成为区域经济最富有活力的增长点，它表征着一个国家的综合国力和整体竞争力，其在市场上的竞争力很大程度上受技术创新的影响(封伟毅 等，2012)。产学研合作是高技术产业突破技术创新的一条重要途径。因此，高技术产业产学研合作在资金、人力、政策等方面的投入大幅度增加。然而，大规模的投入是否带来了相应产出？高技术产业产学研合作创新效率在时间和行业分布上有什么差异？影响创新效率的因素又是什么？

近几年，关于产学研合作创新效率的研究逐步受到国内外学者的关注。Petruzzelli(2011)分析了12个国家的33所大学与企业合作情况，从技术相关性、以前合作关系以及地理距离三个方面来衡量产学研合作的有效性。Brimble等(2007)研究了泰国4个行业的产学研合作创新效率，发现生物医药行业创新效率较高，纺织行业因较少得到政府资助而导致合作创新效率不高。熊婵等(2014)应用基本DEA模型和改进DEA交叉效率排序模型对高科技创业企业的运营效率进行了研究。曹勇和苏凤娇(2012)运用Pearson相关分析和逐步回归分析方法，就中国高技术产业整体及其5个典型行业科技创新投入对创新绩效的影响机理进行了分析。肖丁丁和朱桂龙(2013)运用超越对数随机前沿模型对广东省260家合作企业的创新效率进行了测评。樊霞等(2012)、陈光华等(2014)、张煊和孙跃(2014)等分别应用DEA-Tobit两步法对中国产学研合作创新效率及其影响因素进行了研究。

已有文献表明国内外学者对于产学研合作创新效率的研究不断深入，但学者们往往只考察企业与大学或科研机构两者之间的合作，对大学、企业、政府三方的合作关注较少。然而，随着国际间竞争的加剧和后危机时代运作的艰辛，企业需要政府施以援手，而市场经济条件下政府的职能需要调整，政府在产学研合作中的作用日益显著(庄涛、吴洪，2013)。三螺旋理论认为，政府、企业和大学的交迭是创新系统的核心，三方互动，使知识转化为生产力，推动创新螺旋不断上升。因此，本文运用三螺旋理论着重考查大学、企业、政府三者之间的合作创新效率及其影响因素。另外，国内已有文献多以各个省区为考察对象对合作创新效率进行横向比较，然而随着信息技术的发展，跨区域的技术交流与合作日益增多，产学研合作的区域化特征逐步弱化，行业特征日益凸显，因此，从行业层面剖析产学研合作创新效率具有更加重要的现实意义。

本文旨在探求中国高技术产业产学研合作创新效率的行业特征和发展态势，并找到影响创新效率的显著因素。应用高技术产业1998—2012年的行业面板数据，在合理选取投入产出指标的基础上，基于DEA方法测度不同行业的产学研合作创新效率，并运用Tobit回归方法，从三螺旋视角分析产学研合作创新效率的影响因素。

二、产学研合作效率影响因素的理论分析

三螺旋理论认为，大学、企业、政府三个领域重叠而成的三螺旋结构成为区域、国家及跨国创新系统的核心(而非外围)(埃茨科威兹，2009)。因此，本文从合作主体的角度来研究创新绩效的影响因素，选择企业技术吸收能力、大学参与程度、政府R&D投入和大学—企业—政府三方合作紧密程度作为影响产学研合作创新效率的因素。

(一)企业技术吸收能力对合作创新效率的影响

企业技术吸收能力是指企业识别、获取、转化和应用外部新知识的能力。企业能否有效利用大学、科研机构、政府等提供的科技资源，实现与企业内部研发的有效结合，主要依赖于企业的技术吸收能力。Kodama(2008)证明企业的技术吸收能力越强，越有利于增强合作研发或外部技术获取的有效性，进而提高科技合作创新的绩效。樊霞等(2012)通过对中国企业的研究也发现企业吸收能力对产学研合作创新绩效的提升有促进作用。据此，本文采用企业科技人员占从业人员的比例来表示企业技术吸收能力，提出假设：

H1：企业技术吸收能力与产学研合作创新效率正相关。

(二)大学参与程度对合作创新效率的影响

知识经济时代，大学拥有科技与人才优势，是新知识、新技术的来源地，在创新中扮演了突出的角色。在将知识转化为生产力的过程中需要大学与企业的合作来实现科技成果转化。Salomon 和 Jin(2008)发现大学与企业的合作促进了科技成果转化。肖丁丁和朱桂龙(2013)认为大学与企业的合作关系影响协同创新网络的构建与发展，实证研究证明企业对大学的技术依存度对合作创新效率有显著的促进作用。因此，大学在科技合作中参与的程度越高，意味着大学和企业的合作关系越紧密，产学研合作创新效率越高。本文以大学参与的发明专利数量占发明专利总数的比例来表示大学参与程度，提出假设：

H2：大学参与程度与产学研合作创新效率正相关。

(三)政府R&D投入对合作创新效率的影响

由于R&D活动具有公共产品属性，企业的R&D活动存在市场失灵，而政府作为一种非市场力量，在企业的R&D活动中有着重要的作用，可以对“市场失灵”进行弥补，对企业技术创新加以引导(樊霞 等，2012)。政府不仅可以通过出台相应政策来支持和引导企业与大学及科研院所进行合作，还可以从资金与税收政策方面对产学研合作进行直接的推动。陈光华等(2014)发现，政府资助对科技创新效率有较为显著的促进作用，政府通过杠杆效应以较少的资金和政策投入，撬动了企业和社会的大量投入，取得了良好的效益。本文以府政对行业R&D的资金投入占行业R&D总投入的比重来测度政府R&D投入，提出假设：

H3：政府R&D投入与产学研合作的创新效率正相关。

(四)大学—企业—政府三方合作紧密程度对合作创新效率的影响

三螺旋理论的核心意义在于将具有不同价值体系和功能的大学、企业和政府融为一体，实现知识领域、产业领域和行政领域的三力合一，通过增强三者之间的有效互动来推动创新系统的提升，从而促进经济社会的可持续发展。邹波等(2013)认为，各创新主体通过相互间的资源融合与利益共享来推动协同创新的开展, 为创新效率的提高奠定了组织基础。因此，三者之间的互动关系越紧密越有益于创新活动的产生以及创新绩效的提高。本文以大学、企业、政府中两方或三方合作申请的专利数占专利总量的比例来表示合作紧密程度，提出假设：

H4：大学—企业—政府三方合作紧密程度与产学研合作创新效率正相关。

三、研究方法与变量选择

(一)DEA-Tobit两步法

产学研合作是一种典型的多投入、多产出的科技创新活动。作为投入产出相对效率的一种非参数评价方法，数据包络分析方法(DEA)具有综合解决决策单元(DMU)多投入、多产出问题的优势，为产学研合作创新效率评价提供了良好的方法支撑。由于产学研合作具有可变规模报酬特点，因此，采用投入导向规模报酬可变的VRS模型对产学研合作投入产出的效率值进行测算。

将综合技术效率(technical efficiency，TE)分解为纯技术效率(pure technical efficiency，PTE)与规模效率(scale efficiency，SE)，表示造成技术无效率的原因包括来自生产技术上的无效率，以及DMU未处于最优规模的无效率(罗彦如 等，2010)。假定有n个决策单元(DMU)，每个DMU有m种投入和s种产出，其数学模型可表示如下：

Min θk

为进一步研究产学研合作创新效率的影响因素，以产学研合作创新效率值作为因变量，以合作创新效率的影响因素作为自变量建立回归模型。由于DEA模型测算出来的效率值都处于0和1之间，如果直接采用普通最小二乘法，会给参数估计带来严重的有偏和不一致(涂俊、吴贵生，2006)。作为因变量受限模型的一种，因变量为切割值或片段值时采用Tobit模型，具体如下：

(2)

其中：Yi为因变量，表示第i个行业产学研合作创新效率值；Xi为自变量，表示产学研合作创新效率的影响因素；β表示相关系数；εi表示误差项且εi～N(0,σ)。

为深入探讨影响产学研合作创新效率的因素, 分别就综合效率、纯技术效率和规模效率建立3个多元线性回归模型：

crs=α0+α1indit+α2uniit+α3govit+α4cooit+εi

(3)

vrs=β0+β1indit+β2uniit+β3govit+β4cooit+εi

(4)

sca=γ0+γ1indit+γ2uniit+γ3govit+γ4cooit+εi

(5)

其中，crs、vrs、sca分别表示产学研合作创新的综合效率、纯技术效率和规模效率值，indit、uniit、govit、cooit分别表示第i个行业第t年的企业技术吸收能力、大学参与程度、政府R&D投入和三方合作紧密程度。

(二)指标体系

本文参考了关于科技创新指标体系构建的相关文献(车维汉、张琳，2010；樊霞 等，2012)，选择了能够反映产学研合作创新效率的指标，投入方面主要包括创新经费投入与人力资源投入,本文具体选择R&D人员全时当量、R&D经费内部支出和新产品开发经费支出三个指标来衡量产学研创新投入。

表1 产学研合作投入产出指标

产出指标需满足各参与方的需求。企业主要追求经济成果产出，选择代表企业创新能力与创新成果转化能力的新产品销售收入指标较为合适；大学和科研机构主要追求科技成果产出，专利信息包含着新思想和新技术的标准化信息，是社会技术进步和创新活动的重要输出指标，具体含义是一个区域乃至一个国家创新能力的标志。因此，将三类专利申请量和发明专利申请量作为产出指标。具体指标见表1。

(三)数据来源

本文搜集了1998—2012年间中国高技术产业5大行业的面板数据，数据来自于《中国科技统计年鉴》、《中国高技术产业统计年鉴》、《中国国家知识产权局专利检索数据库》。因投入指标与产出指标有一定的时滞，本文设定时滞为2年。

四、实证结果与讨论

(一)DEA模型结果分析

将上述统计数据代入前文中的DEA模型，应用DEAP 2.1 软件进行求解，得到1998—2012年高技术产业5大行业的产学研合作创新效率，并着重考察三种效率值在时间维度上的变化趋势以及综合技术效率值的行业差异。

图1描述了中国高技术产业1998—2012年产学研合作3种效率值的变化趋势。产学研合作平均综合技术效率整体偏低，为0.527，平均纯技术效率为0.774，平均规模效率为0.677。从发展趋势来看，三种技术效率值总体上呈缓慢上升趋势，说明近几年高技术产业科技投入产出配置趋于合理，其中，纯技术效率上升较快，这反映出在产学研合作创新规模不变的前提下管理和技术水平有了较快提升。2010年综合技术效率和纯技术效率都有一定幅度的下降，主要是由于受到国际金融危机影响，企业业绩下滑，科技投入没能有效地转化为效益。

图1 1998—2012年中国高技术产业产学研创新效率

从各个行业来看(见图2)：计算机领域效率值最高，平均综合技术效率值达到0.911，说明这一行业技术发展迅速，产品生命周期短，附加值高，科技投入能够在较短的时间内转化为产出，为企业带来效益。医疗设备领域效率值较高，但各年份间差异较大；航空航天领域创新效率值最低，一直保持在0.2上下，但近三年来有缓慢上升的趋势。

图2 1998—2012年中国高技术产业各行业

(二)Tobit模型结果分析

DEA模型能够有效地衡量投入产出的配置效率，但不能看出是哪些因素影响了配置效率的高低。通过DEA模型得到的效率值，除了受投入、产出指标影响外，还受到其他环境因素的影响。Tobit模型可以有效弥补DEA模型在影响效率外在原因分析方面的不足。将DEA模型计算出的1998—2012年高技术产业各行业产学研合作的综合技术效率、纯技术效率、规模效率分别作为因变量，运用随机效应面板Tobit模型进行影响因素的回归分析，采用Stata 11.0进行计算，结果如表2所示。

表2 产学研合作创新效率影响因素Tobit回归结果

结果显示，企业技术吸收能力对产学研合作创新综合技术效率、纯技术效率、规模效率都有显著的正向影响，验证了H1。说明企业技术吸收能力不仅体现了企业通过合作创新所能获取外部知识的广度与深度，也决定着合作创新的投入产出效率。大学参与程度与合作创新纯技术效率有显著的正相关关系。说明大学的参与促进了合作创新效率的提高，特别是在基础领域研究、重大课题研究方面需要发挥大学的技术与人才优势来提高科技创新效率。政府R&D投入对产学研合作规模效率的影响显著为正，而对综合技术效率和纯技术效率的影响显著为负。究其原因，可能在于：政府R&D投入通常会倾向于具有一定知识积累和创新能力较强的企业，具有信号作用，在研发初期带来了一定的规模效率。然而，随着政府投入和行政干预的增加，可能会产生挤出效应，引起企业方、研究方的投入被挤出，而由于是政府投入而非自有资金，资金的运用效率和科研经费管理水平都欠佳，导致了技术效率的降低。大学、企业、政府三方合作紧密程度对产学研合作综合效率、纯技术效率和规模效率的影响都显著为正，验证了H4。说明三方关系越紧密，越有益于创新效率的提升，这也进一步验证了三螺旋理论适合中国国情。

五、结论与政策建议

本文运用DEA-Tobit两步法，对中国高技术产业不同行业的产学研合作创新效率及其影响因素进行了实证研究。结果发现：中国高技术产业产学研合作综合技术效率总体不高，呈缓慢上升趋势，仍有较大的提升空间。计算机领域创新效率相对更高，而航空航天领域创新效率最低。企业技术吸收能力、大学—企业—政府三方合作紧密程度对产学研合作三种效率值都有显著促进作用，大学参与程度仅对纯技术效率有促进作用。政府R&D投入与规模效率存在正相关关系，而与综合效率和纯技术效率存在负相关关系。根据以上结论，为了切实提高中国高技术产业产学研合作创新效率，从企业、大学、政府三方面提出以下政策建议：

(1)强化企业在科技创新中的主体地位。企业的科技投入对于提升科技成果产出具有重要作用。企业应建立完善的学习机制，通过吸引高科技人才、增加R&D资金投入等方式来增强企业在产学研合作中获取、转化和创造新技术和新知识的吸收能力。同时，企业应加强与大学和政府的合作，充分利用大学的人才优势和政府的政策优势，实现科学研究与技术创新的有效融合，提高科技创新效率。

(2)转变大学评价机制，鼓励大学与企业开展深层次的合作。在对大学的科技评价中，应弱化对论文发表数量和申请项目资金的量化指标，并将技术转移合同金额、资金利用效率、为企业创造的经济效益等方面结合起来，进行多方位的考查，从而提高大学的科技成果转化率。

(3)转变政府对产学研合作的投入形式。政府对产学研合作的投入可由对合作项目的直接资金投入转为对完善产学研联盟及平台建设、优化创新要素环境、降低合作成本、完善机制体制建设等方面的持续投入，通过较少的资金，带动企业和社会大量的科技投入，这些措施对企业技术吸收能力的提升也可起到促进作用。随着市场经济的不断完善，政府应逐步让位于市场，发挥市场的自适应性，充分利用“看不见的手”来促进产学研合作创新。政府的作用应定位于制度创新、平衡和政策保障，通过财政和税收等手段鼓励企业、大学和政府开展科技合作，逐步建立以企业为研发主体、政府承担公益研究和平台建设、大学从事基础研究的协调发展的三螺旋形态。

埃茨科威兹. 2009. 创业型大学与创新的三螺旋模型[J]. 王平聚，李平，译. 新华文摘(12): 146-149.

曹勇，苏凤娇. 2012. 高技术产业技术创新投入对创新绩效影响的实证研究：基于全产业及其下属五大行业面板数据的比较分析[J]. 科研管理(9): 22-31.

车维汉，张琳. 2010. 上海市产学研合作效率评价：基于分行业数据的DEA分析[J]. 科技进步与对策(3): 20-25.

陈光华，杨国梁，王建冬. 2014. 产学研合作创新效率分析及其影响因素研究[J]. 科学管理研究(2): 9-12.

樊霞，赵丹萍，何悦. 2012. 企业产学研合作的创新效率及其影响因素研究[J]. 科研管理(2): 33-39.

封伟毅，李建华，赵树宽. 2012. 技术创新对高技术产业竞争力的影响：基于中国1995—2010年数据的实证分析[J]. 中国软科学(9): 154-164.

罗彦如，冉茂盛，黄凌云. 2010. 中国区域技术创新效率实证研究：三阶段DEA模型的应用[J]. 科技进步与对策(14): 20-24.

涂俊，吴贵生. 2006. 基于DEA-Tobit两步法的区域农业创新系统评价及分析[J]. 数量经济技术经济研究(4): 136-145.

肖丁丁，朱桂龙. 2013. 产学研合作创新效率及其影响因素的实证研究[J]. 科研管理(1): 11-18.

熊婵，买忆媛，何晓斌，等. 2014. 基于DEA方法的中国高科技创业企业运营效率研究[J]. 管理科学(2): 26-37.

张煊，孙跃. 2014. 产学研合作网络的创新效率研究：来自中国省域产学研合作的数据证明[J]. 山西财经大学学报(6): 59-66.

庄涛，吴洪. 2013. 基于专利数据的我国官产学研三螺旋测度研究：兼论政府在产学研合作中的作用[J]. 管理世界(8): 175-176.

邹波，郭峰，王晓红，等. 2013. 三螺旋协同创新的机制与路径[J]. 自然辩证法研究(7): 49-54.

BRIMBLE P, DONER R F. 2007. University-industry linkages and economic development: the case of Thailand [J]. World Development, 35(6): 1021-1036.

KODAMA T. 2008. The role of intermediation and absorptive capacity in facilitating university-industry linkages: an empirical study of TAMA in Japan [J]. Research Policy, 37(8): 1224-1240.

PETRUZZELLI A M. 2011. The impact of technological relatedness, prior ties, and geographical distance on university-industry collaborations: a joint-patent analysis [J]. Technovation, 31(7): 309-319.

SALOMON R, JIN B. 2008. Does knowledge spill to leaders or laggards? Exploring industry heterogeneity in learning by exporting [J]. Journal of International Business Studies, 39(1): 132-150.

(责任编辑 刘志炜)

Innovation Efficiency and Impact Factors of High-tech Industries′University-Industry Collaboration :Perspective of Triple Helix

ZHUANG Tao1,2WU Hong1HU Chun1

(1. Beijing University of Posts and Telecommunications, Beijing 100876;2. Shandong Vocational College of Economics and Business, Weifang 261011)

According to Chinese high-tech five big industries panel data from 1998-2012, this paper measures the innovation efficiency of university-industry collaboration of different industries based on DEA method. Using Tobit regression method, the influence factors of cooperative innovation efficiency is analyzed from the Triple Helix Perspective. The study demonstrates that the innovation efficiency of Chinese high-tech industry is overall not high, and has an upward trend slowly. The innovation efficiency of computers is relatively high, but the aeronautics and astronautics filed is low. Technology absorption capacity of enterprise, close degree of university-industry-government and the influence of the university participation have a significant positive role for the efficiency of cooperative innovation. The impact of government R&D investment on scale efficiency is significant positive, but on comprehensive efficiency and technical efficiency is significantly negative.

innovation efficiency; university-industry collaboration; triple helix

2014-04-30

庄 涛(1980--)，男，山东潍坊人，北京邮电大学经济管理学院博士生，山东经贸职业学院讲师。

吴 洪(1956--)，女，北京人，北京邮电大学经济管理学院教授，博士生导师。

胡 春(1965--)，女，安徽六安人，博士，北京邮电大学经济管理学院教授。

教育部哲学社会科学研究后期资助项目“资源整合机制下的产学研协同创新”(13JHQ041)；山东省教育科学“十二五”规划项目“高职院校产学研合作人才培养研究”(2013GG122)。

财贸研究 2015.1

F403

A

1001-6260(2015)01-0055-06