基于资源观的大学技术转移能力研究

张宁静,顾 新,曾 婷

(1.广东金融学院保险学院,广东 广州 510521;2.四川大学商学院,四川 成都 610064;3.四川省科技促进发展中心,四川 成都 610061)

一、理论分析及假设提出

在过去的十几年里，影响大学向企业进行技术转移的因素是研究焦点之一。这些研究揭示了地理临近、大学声誉及大学体制、企业偏好等是影响校企知识转移的重要影响因素。

国内研究中，原长弘等[1]对大学科技成果转化相关研究论文进行分类统计，归纳出制约大学科技成果转化的20类因素。周凤华和朱雪忠[2]以2000—2004年国内58所大学统计数据，探讨了技术转移资源对大学技术转移产出的影响。杨德林等[3]提出5种可能对中国研究型大学科技型衍生企业活动产生影响的因素：大学的科技实力、大学专业布局、科研经费总量及构成、大学的地理位置、大学与政府的关系，并通过对111 所大学统计数据的对比分析， 验证以上假设中的5种因素对大学企业衍生活动是否存在影响。徐国东等[4]从知识、人、距离三个方面建立了大学知识转移影响因素模型， 并在此基础上探讨了包括积极因素和消极因素在内的知识转移影响因素。原长弘等[5]对我国98所重点大学进行知识转移的研究发现，不同体制的大学知识转移数量存在较大的差异。究其原因在于不同的大学体制反映出大学拥有的资源数量与质量不同，而大学的技术转移能力取决于其拥有的技术资源以及技术推广能力。理工类大学的技术转移能力最强，农林和综合类大学次之，医药类大学技术转移能力最弱。现有的研究从多个方面揭示了影响我国大学知识、技术转移的影响因素主要在于出让方和受让方的距离(地理距离、知识距离)、能力和资源。

地理临近在校企合作关系形成中的影响作用也是学者们研究的重点。地理邻近性是指区域主体间各要素的运输、传播和共享需要面对的物理或空间距离。Mansfieldt和 Lee[6]开创性地研究了地理临近与其他因素相互作用对产学合作的影响，在对不同质量的大学进行研究时发现，较短的地理距离可以降低知识交流的成本，促使合作研发形成。Brown和Duguid[7]指出，地理临近在技术转移中有利于面对面交流、促使形成信任关系、增进相互理解，降低交易成本等作用。地理位置距离过大会产生较大的交流成本，同时不利于信任关系的建立。

但地理位置的过分邻近对学习和创新也存在负面影响。Malmberg和Maskell[8]指出:“强烈的本地创新环境，除了提高创新行为以外，还会导致‘锁定’，即本地结构变得狭窄地集中于特殊类型的经济活动(技术、组织、市场行为)以致不能转移到新的发展轨道”。Boschma[9]提出当一个区域变得过分邻近和内向，区域内主体的学习能力会减弱，逐渐失去创新能力，这种空间锁定容易出现在生产高度专业化的地区。李福刚和王学军[10]认为过多或过少的地理邻近对集体学习和区域创新都将是不利的。Albino等[11]提出地理邻近性是一个多维概念，它本身既不是交互学习与创新的必要条件也不是充分条件，而是在便于沟通交流的基础上通过强化其他形式邻近性作用来影响合作，即强调了地理邻近必须与其他维度组合才能对合作创新产生影响效应。由此可见，地理临近从某种程度上来讲是可以降低交易成本的，因此在技术产品等质量方面，企业将优先考虑向近距离的大学进行技术交易；但如果大学的成果是高质量的，且大学具备良好的声誉及技术外溢能力，将可以弥补地理距离上的不利状况，企业也将能跨区域技术交易。

一些研究发现大学所拥有的资源对技术转移具有正向影响。“资源观”来源于对企业的研究，但这一观点对大学的竞争力同样适用。Powers和Mcdougall[12]指出，“资源观”同样有助于大学技术转移能力的分析。在我国大学拥有的资源可以通过大学体制、专项建设工程和所处省份体现出来。我国对不同类型的大学资源投入存在差异，这种投入差距是大学技术创新差距进一步扩大的原因之一。我国理工类的大学在科研人员的数量、研究经费投入等都领先于其他类型的大学。国外有关学者的研究还表明，大学技术转移中心(TTO)的经验和投入对大学技术转移存在正的影响[13]。而在我国，拥有国家技术转移中心的大学一般为理工类。

我国大学和企业的分布在空间上呈现出非均衡性，如东部地区集中了全国51%的大学，中部地区占22.6%，西部地区占26.4%；在已公布的“双一流”大学中，位于北京34所，占总数约25%，东部地区78所，占总数的57%，西部地区16所，仅占总数的12%。大学是否处于较为有利的技术转移环境，如与产业集群临近，或者经济发达地区是否有利于降低技术交易成本，从而更易被企业选择进行技术交易？又或者具有较多资源的大学能克服远距离交易带来的高成本，具有更强的技术转移能力？这些对于研究地理临近与大学技术转移的能力特征对技术转移的影响无疑对我国的大学建设及发挥其在经济建设中的作用具有重要意义。

本文试图探究大学拥有的资源对其跨省技术转移能力的影响：对地理临近性在跨省技术转移中所起作用进行验证；探寻大学拥有的其他资源是否能克服技术交易双方的地理遥远性。为此，笔者提出如下假设：

H1：大学体制类型对跨省技术转移的影响不显著。

H2：大学综合得分高低对技术转移的影响不显著。

H3：国家专项建设工程大学对技术转移的影响不显著。

二、研究设计

(一)样本选取

专利交易是技术转移的重要存在形式，本文选取2015—2016年全国以大学为让与人的专利交易数据为样本，共6 087项。[注]数据来源：中华人民共和国知识产权局统计资料。采用Stata11统计软件对在跨省交易中与交易达成的影响因素：让与人的体制、所处地区、是否入选专项建设工程，对让与人和受让人的跨省专利交易影响因素进行分析。

(二)变量含义及测度

1.相关变量含义

本文试图通过将大学跨省技术转移能力和大学体制、声誉、是否入选专项建设工程等资源特征相联系，对大学所处经济区域进行控制，以验证技术转移的地理临近理论。

大学技术转移能力定义为交易双方地理距离；自变量为大学体制、声誉、是否获得建设专项支持。大学体制以综合性、理工类、农林医药类和研究性大学进行划分；控制变量为大学所处经济区域，以东、中、西部进行划分。变量的含义如表1所示。

表1 变量含义

2.变量统计特征描述

技术交易跨省转移的描述性统计如表2所示。

表2 技术交易类型统计

总体上看，跨省交易占总交易量92%，具有绝对优势。从大学体制方面看，研究类大学跨省交易占94%，综合类大学占92%，农林医药类大学占90%。在跨省交易中，理工、综合、研究型和农林医药的占比为4.64∶2.84∶3.19∶1；理工类大学最多，农林医药类大学最少。省内交易中，理工、综合、研究型和农林医药的占比为3.68∶2.04∶1.75∶1。可见，理工类大学无论在省内还是跨省交易上都具有比较优势。

跨省交易数量综合得分高、中、低的占比为1∶3.65∶4.85；省内交易数量的高、中、低的占比为1∶6.5∶6.4。综合得分高者相对中低得分并无技术转移优势。

“双一流”大学跨省交易占92.87%，非“双一流”大学跨省交易占91.70%；非“双一流”大学跨省交易更多，非“双一流”与“双一流”大学技术转移数量之比为1∶1.25。省内交易两者占比为1∶1.47。非211大学在跨省或省内交易中均具有一定优势。

东部地区大学无论在跨省或是省内交易绝对数量上占优势。省内交易中，东部、中部和西部地区大学占比为24.11∶1.22∶1，东部省内交易数量是西部的24倍多； 跨省交易中，东部、中部和西部占比为4.78∶1.24∶1 东部跨省交易是西部的4.78倍。东部跨省交易占比为89.80%，中部为97.83%，西部为98.76%，东部跨省交易最低，西部跨省交易占比比较高。

同时结合地域和大学体制及声誉，东部地区跨省交易有突出优势的是得分较低的研究所，其次是中等得分的理工类大学，农林医药类不具备优势；中部地区得分较低的研究所和理工类大学也有类似的优势；但在西部地区，除得分较低的研究所外，综合类大学也具有一定的优势。

(2)技术交易临近性分析

技术转移数量随距离分布呈现先上升后下降的趋势，呈现“钟形”，峰值出现在2 000—3 000千米的范围，5 000千米以上占比小。技术转移数量和距离关系如图1所示。

1.1 产品优势 烟台市位于山东半岛东部，毗邻渤海，全年气候稳定、日光充足。作为我国大樱桃的产地，福山独特的山地砾质土壤以及140年的樱桃栽培历史使大樱桃有着得天独厚的生长种植优势，素来被誉为“北方春果第一枝”。具有独特的地理优势，当地可以生产出质量优越的樱桃。

图1 技术交易数量按距离分布

从高校体制看，研究所等大学交易平均距离比较大，为1 448千米，辐射范围半径最大达到6 625千米；农林医药类平均距离最小，为1 244.86千米，辐射范围也最小；非“双一流”较“双一流”大学技术转移平均距离大，辐射范围(交易最远距离)也更大；综合得分较低的大学交易距离较大，辐射范围也更大。

从地区看，西部地区交易平均距离最大，为1 856.67千米，交易辐射范围大；东部地区交易平均距离最小，为1 208.84千米，交易辐射范围也最小；中部地区介于两者之间。

结合所在地区和得分可知：西部地区大学交易距离具有优势，其中低得分综合类大学优势明显，其次是研究所大学，农林医药类大学交易平均距离最小；中部地区高得分的理工类大学交易距离最大，其次是中得分的农林医药类大学，低得分大学交易距离比较平均；东部地区无论高中低得分，交易平均距离较为平均。

(三)模型设定与估计方法选取

由于本研究因变量为离散型、非正态分布的特征，故采用广义线性模型(Generalized Linear Model，GLM)进行估计。GLM是经典回归模型的普遍化，可以处理诸如因变量为连续(或者准连续)、接近正态分布、方差不是均值的函数等经典线性模型所不能处理的数据情况。GLM的重要构成是分布族函数(Family Function)和联结函数(Link Function)，分布族函数是因变量的分布类，GLM模型可以处理因变量为二项分布、负二项分布、泊松分布、高斯分布、伽马分布、韦伯分布等，可写为c(y)exp[θy-b(θ)dμ(y)]形式的指数型分布；联结函数是将因变量分布的参数表示为均值函数的表达式，通过GLM可以将非线性模型用线性形式进行表达和分析。

1.Logistic回归模型

2.伽马分布模型

因变量为是否跨省交易，因变量为0—1分布，跨省交易取值1，省内交易取值0，自变量为：大学所在经济区域,分为东、中、西部地区；大学体制分为综合、理工、农林医药及研究所；是否“双一流”大学，是取1，否取0；综合得分分为低、中、高三个等级。

本文采用Stata14统计软件通过广义线性模型对大学技术转移的省级溢出进行回归分析。在进行GLM回归时自动剔除线性相关变量，由于存在少数对均值产生较大影响的异常值，在此运用稳健回归方法，消除这些异常值的影响。

三、回归结果及分析

(一)大学技术转移特征分析

不论从地区、大学体制、是否211大学及综合得分，跨省技术交易总体较省内交易占比大。从大学所处地区来看，东部地区省内交易占比(10.2%)相对中部(2.17%)和西部(1.24%)高，西部地区的跨省交易占比最高(98.7%)，地区卡方检验P<0.05，具有统计显著性；农林医药类大学省内交易占比最高为10.41%，研究所跨省交易优势明显，达到94%，大学体制卡方检验P<0.05，具有统计显著性；211大学省外交易占比(92.87%)较非211大学占比(91.7%)高，卡方检验P<0.10，具有统计显著性；综合得分较高的大学省外转移占比相对得分较低大学高，省内转移占比较高的是综合得分居中的大学，卡方检验P<0.05，具有统计显著性。

对大学体制、是否入选211建设工程、综合得分及所处地区进行分析，得到这些因素都具有显著的影响性。这些因素与跨省交易总体联系需要进一步运用统计模型进行分析。

(二)跨省转移影响因素分析

首先采用跨省交易的Logistic模型进行回归，模型(1)中包含了大学体制、是否加入211工程、地域和声誉自变量。其中，统计显著性p值小于0.10的有8项。模型(2)用向前法排除掉模型(1)中p值大于0.10的自变量，进行回归后得到各自变量优势比系数如表3所示。

注：*表示p<0.1；**表示p<0.05；***表示p<0.01，下同。

从大学所处地区来看，西部地区大学跨省转移概率较中部地区大学高；东部地区大学在跨省转移上不具有统计显著性；从大学体制来看，理工类、研究型大学总体相对农林医药类大学更具有跨省转移优势，且具有统计显著性p<0.01；总体来看，综合类大学虽然较农林医药类大学跨省转移概率高，但不具统计显著性；重点建设大学跨省转移的优势并不明显；将地区因素加入之后，西部地区研究型大学、综合类、理工类大学相对中东部地区大学跨省转移概率小；综合得分低的大学更有跨省转移优势，在东部地区这一特点更加明显。

(三)技术转移距离影响因素分析

表4 技术转移距离影响因素回归结果

表4的回归结果显示，综合类、理工类大学相对农林医药类和研究型大学在转移距离上具有劣势，综合类、理工类大学平均转移距离较农林医药类大学分别低12.49%和14.58%。回归结果不支持H1。

综合得分较高的大学技术转移辐射能力较强，西部低得分大学技术转移辐射能力弱，东部低、中得分大学技术转移辐射能力较强。综合得分高的大学转移辐射能力总体较强。但在东部地区，中低得分等级的大学较高等级大学具有更强的技术辐射能力。回归结果也不支持H2。

回归结果也不支持H3。“双一流”大学总体具有较强的技术转移辐射能力，“双一流”大学中的理工类较农林医药类平均转移距离远约130.48千米，综合类大学不具有统计显著性。西部地区较中部地区“双一流”大学技术转移距离近395.54千米。“双一流”与非211大学在跨省交易上及技术转移辐射距离上有显著不同，综合类、理工类211大学更倾向于省外交易；且在跨省交易中，不同体制的“双一流”大学及处于不同经济区的“双一流”大学技术转移辐射能力不同，综合类“双一流”大学技术转移辐射距离较理工和农林医药类近，中部“双一流”大学技术转移辐射距离较东西部远。

西部地区大学相对于中部地区大学，其跨省转移概率更高，西部地区综合类、理工类、研究所具有较强的辐射能力，相对农林医药类大学的平均转移距离更大，分别高13.11%、24.10%和19.46%；但西部地区“双一流”大学转移优势未能体现。东部地区大学跨省转移概率低于中部地区大学，更倾向于省内交易，其中，综合类、理工类、研究所相对农林医药类大学也有技术转移辐射能力上的优势。总体来讲，西部地区大学相对中部地区大学的技术转移辐射距离更大，平均高29.42%，东部地区较中部地区低40%。

图2中，技术转移距离占比在大学所处地区、体制、是否加入“双一流”建设工程及大学综合得分方面都显示出由近到远先上升后下降的特点，转移距离比较集中在3 000千米之内，特别是2 000—3 000千米范围集中了40%—50%的交易量。技术转移距离占比呈现不对称的“钟形”，“钟形”的左半部也就是技术转移距离在3 000千米以内占到交易总量的79.22%，而转移距离在3 000千米以上的仅占1/5。按照体制、是否“双一流”工程大学和综合得分进行统计，呈现出类似的特点：按地区的统计中，近80%的交易发生在3 000千米以内的距离内，和东、西部地区不同的是，中部地区交易在1 000—2 000千米范围内占比最大，为38.68%，而东、西部地区的最大值在2 000—3 000千米范围内，分别占比44.38%和54.51%。

图2 总体技术转移距离

地区变量无论对跨省交易及技术转移距离的影响都是显著的，Pearson卡方检验p值为0；不同的大学体制对跨省交易及技术转移距离具有明显不同，Pearson卡方检验p值均小于0.05；同样，大学综合得分高低等级也显示出与跨省交易和技术转移距离有显著相关性，p值小于0.05;是否“双一流”大学在跨省转移上作用显著，但对技术转移距离作用不具统计显著性。

四、结 论

大学所拥有的体制、声誉和专项建设资源对其技术辐射能力具有一定的影响。处于不同经济区域的大学由于其拥有的资源及环境不同，在技术转移能力方面表现出不同的特点：

西部地区大学相对于中部地区大学，其跨省转移概率更高；反之，东部地区大学跨省转移概率低于中部地区大学，更倾向于省内交易。

从体制看，理工类、研究型大学总体相对农林医药类大学更具有跨省转移优势；综合类、理工类大学相对农林医药类大学和研究型大学在转移距离上具有劣势。将地区因素加入之后，西部地区研究型大学、综合类、理工类大学相对中东部地区大学跨省转移概率小；综合类得分低的大学更有跨省转移优势，在东部地区这一特点更加明显。

声誉方面，总体看高得分大学技术转移辐射能力较强，特别在西部地区，高得分大学技术转移辐射能力更强；但这一情况在东部地区却有所不同，低、中得分大学技术转移辐射能力较强。

获得专项建设支持的“双一流”大学与“非双一流”大学在跨省交易上及技术转移辐射距离上具有显著不同的特点。“双一流”大学跨省较省内转移的优势并不明显，但在跨省交易中显示出更大的技术转移辐射半径，其中的理工类较农林医药类“双一流”大学优势明显。另外，考虑体制因素，综合类、理工类“双一流”大学更倾向于省外交易，综合类“双一流”大学技术转移辐射距离较理工类和农林医药类短；考虑地区因素，西部地区较中部地区“双一流”大学技术转移辐射半径更短，中部地区“双一流”大学技术转移辐射距离较东西部地区远。

从技术转移距离看，主要集中在距离为2 000—3 000千米的距离范围内。这说明技术转移有一个“适当”的地理距离，过多或过少都是不合适的；同时技术转移距离呈现“钟形”，也说明技术转移距离是多因素影响共同作用的结果。

由此，欲更好地发挥大学在国家建设中的技术创新作用，需对不同地区实施差异化促进技术转移措施。对东部地区大学，要发挥占数量众多的综合类大学、研究所的技术辐射作用，促进跨地区技术转移。对西部地区，需要在大学建设中投入更多的资源，在西部各省合理的进行大学布局，使得企业和大学处于合理的距离范围内，将有助于克服地理阻隔，促进大学技术向企业转移。

在技术转移中还需要考虑受让人的能力、企业性质等特点，将受让人的特征纳入模型中，以期能揭示更加清晰的校企技术转移特点，这是下一步研究的方向。