APP下载

产学研协同创新效率的区域差异与动态演进研究

2020-01-14杨德玲刘战伟

中州大学学报 2019年6期
关键词:产学研省份协同

杨德玲,刘战伟

(1.许昌电气职业学院,河南 许昌 461000;2许昌学院 商学院,河南 许昌 461000)

一、研究背景及文献回顾

创新是引领国家经济发展的第一动力。大力推进产学研深度合作,是全面深入贯彻党的十九大精神,提升我国创新能力的必然途径。党的十八大以来,我国大力实施创新驱动发展战略,科技创新取得了整体性、全局性、历史性的重大成果,研发经费投入增速稳定在20%左右,位居世界第二位,研发人员总量达到320万,居世界首位。这些资源有力地支撑了我国自主创新的能力。但成绩的背后仍然面临着许多问题,我国科技成果转化率仅为10%左右,而发达国家则达到了70%,科技成果大量浪费,究其原因主要在于产学研协同创新效率不足,创新驱动乏力,造成科技成果转化难的结果。因此,积极推动新时代产学研深度融合,着力打造协同创新平台,建立新型产学研协同创新体系,提高协同创新效率,对推动中国经济提质增效,实现中华民族伟大复兴的中国梦具有重要的现实意义。

产学研协同创新作为一项复杂和系统的创新模式,是以企业和高校为核心主体,政府和中介服务机构参与的多元创新组织,其目的是为了实现资源共享与优势互补更为深入的创新活动。近年来,国内外学者十分关注产学研协同创新效率的研究,取得了一定的研究成果,从研究方法上来看,主要采用的是参数方法和非参数方法。从研究视角上看,主要包括:(1)区域层面的研究。姜彤彤[1]采用DEA模型,测算了2002/2003—2011/2012年我国30个省(区市)产学研协同创新效率及省际/区域差异;黄菁菁[2]采用两阶段链式关联网络 DEA 模型,分析了2010—2012 年辽宁省产学研协同创新效率及其影响因素;廖名岩、曹兴[3]应用DEA模型和四阶段DEA 模型实证研究了我国30个省级行政区2010—2012 年的产学研协同创新效率。(2)产业层面的研究。车维汉、张琳[4]采用数据包络分析(DEA)方法,实证分析了上海市13个主要制造业的产学研协同创新效率;刘营、李存金[5]采用DEA—Malmquist模型,以全国14个政府重点投入行业为研究对象,对行业的产学研协同创新效率进行了静态和动态两个方面的评价;刘兴凯、张靓媛[6]运用数据包络分析(DEA)方法实证测算了天津市制造业产学研协同创新效率。(3)高校层面的研究。孙世敏等[7]采用DEA方法评价了我国29个省(区市)的高校科研投入产出效率;赵晓阳、刘金兰[8]使用非参数的DEA和Malmquist指数方法,综合评价了37所“985高校”2006—2009年科研投入产出的静态效率和动态效率变化;姜彤彤、吴修国[9]以我国62所教育部直属高校为研究对象,采用DEA模型测算和分析了2005—2006、2008—2013年产学研协同创新效率。

综上所述,现有文献主要采用DEA方法从区域、产业和高校层面对产学研协同创新效率进行静态或者动态分析,但目前尚未有文献采用分布动态方法,基于区域层面对产学研协同创新效率的动态分布和演进进行研究。因此,本文采用Malmqusit指数法测算我国30个省份的产学研协同创新效率,在此基础上使用核密度估计和马尔可夫链方法,系统探讨我国产学研协同创新效率的区域差异及动态演进,以期为制定缩小各省份产学研协同创新效率水平的政策和建设创新型国家提供参考。

二、研究方法与数据

(一)研究方法

1.Malmquist生产率指数

Malmquist指数通常用于测量不同时期决策单元的效率演化,Caves等首先将该指数用于测算生产率变化。本文应用Malmquist指数来测量产学研协同创新效率。首先定义产出的距离函数,在时期s,技术效率可以表示为:

(1)

其中,最小化θ,意味着使y/θ最大化。这个距离函数衡量了给定投入下产出的最大值,因此,θ表示技术效率指数。同理,我们可以定义t时期的产出距离函数:

(2)

在此基础上,以时期s作为参考标准,从时期s到时期t的Malmquist生产率指数变化可以定义为:

(3)

同时,以时期t作为参考标准,Malmquist生产率指数变化为:

(4)

上述两个指数在一种产出和投入的情况下是相同的,但是在多种投入和可变规模收益的情况下则是不同的,为了避免这种不一致性,Färe等[10]根据上面两种指数的几何平均值推导出产出导向的生产率指数的变化:

(5)

(6)

(7)

当Malmquist>l时,表示产学研协同创新效率(TFP)的增长;当技术变化指数和技术效率指数大于1时,表示其是产学研协同创新效率增长的主要源泉,反之,则是导致其下降的原因。

2.Kernel密度估计

核密度估计属于一种非参数估计方法,主要用于对随机变量的概率密度进行估计。与直方图相比,它多了一个用于平滑数据的核函数,可以较好地弥补直方图非连续性的缺陷。假设随机变量X的密度函数为f(x),则其密度函数可以表示为:

(8)

核函数根据分组数据的密度程度,可以分为高斯核、Epanechnikov核、三角核、四次核等类型,本文选取常用的高斯核函数对产学研协同创新效率的动态演进进行估计,其表达式如下:

(9)

由于非参数估计无确定的函数表达式,一般采用图形对比的方式考察其分布变化。通过估计结果可以从变量分布的位置、形态和延展性3个方面进行分析。

3.马尔可夫链

本文通过构建马尔科夫转移矩阵并计算平稳分布,分析区域产学研协同创新效率增长的内部流动性,从而刻画其增长的动态演进。该过程将各省份产学研协同创新效率序列离散化为具有“无后效性”的马尔可夫链序列{X0,X1,X2,X3,…},则表明各省份产学研协同创新效率“现有状态”条件下,其“未来状态”的条件概率分布与其“过去状态”无关。假设Xt为离散时间马尔可夫链,对于任意状态i0,i1,i2,…,it,i,j和对任何时间t≥0,则有

P{X(t+1)=j|X0=i0,…,Xt-1=it-1,Xt=it}=P{Xt+1=j|Xt=i}

(10)

(二)变量选取和数据来源

鉴于数据的可获性,同时参照吴和成等[11]学者的研究,选取的投入指标主要包括人力、财力、物力3个方面,产出指标则主要包括企业新产品销售收入、专利申请授权数、技术市场成交额,具体指标如表1所示:

表1 产学研协同创新效率投入产出指标体系

投入指标中R&D人员全时当量体现了区域产学研协同创新投入的人力资本,R&D经费支出则体现了区域产学研协同创新的广度,R&D机构数体现了区域产学研协同创新的深度。产出指标中专利申请授权数表示区域内专利申请获得授权的总量,企业新产品销售收入说明了区域产学研协同创新的直接经济成果,技术市场成交额强调了专利技术转化为实际经济收益的能力。

本文选取中国大陆30个省份(西藏除外)的面板数据,分析产学研协同创新效率的区域差异与动态演进。由于区域产学研协同创新活动从投入到获得产出需要一定的时间,本文选择大部分学者的做法,将其滞后期设置为1年,投入指标数据来源于2000—2005年,产出指标数据为2001—2006年,以此类推,相关数据均来自相关年份的统计年鉴,包括《中国统计年鉴》《中国科技统计年鉴》及相关省份科技统计年鉴,同时根据《中国统计年鉴》中对区域的划分方法,将我国划分为东部、中部和西部三大区域。

三、实证结果与分析

(一)产学研协同创新效率的区域差异分析

依据Malmquist生产率指数法,测算区域产学研协同创新效率,从而分析其增长变化情况,表2列示出了中国各省份及三大区域的测算结果。

表2 中国各省份平均产学研协同创新效率变化及分解

从表2可以看出,一方面,中国产学研协同创新效率考察期内整体呈现上升趋势,年均增长5.3%,说明了近年来我国产学研协同创新能力不断提高,这与国家不断出台一系列政策措施激励产学研合作是密不可分的。从增长动力来源看,技术进步指数年均增长4.3%,技术效率指数年均增长0.9%,出现了技术进步和技术效率共同驱动产学研协同创新效率增长的现象,属于一种典型的“双驱动”增长模式,但技术进步增长的速度远远大于技术效率增长的速度,说明产学研协同创新效率增长主要来源于技术进步的增长。另一方面,中国产学研协同创新效率存在较大的区域差异性。东部地区产学研协同创新效率水平最高,中部地区次之,西部地区最低。从增长动力来源看,三大区域间也存在一定的差异性,东部地区产学研协同创新效率主要由技术进步驱动,而技术效率存在恶化现象,是一种“单驱动”增长模式;中西部地区则都是由技术进步和技术效率共同驱动,属于 “双驱动”增长模式。同时各省份之间也存在较大的差异性,本文根据差异性将其划分为三种类型:第一类是“持续下降型”,主要指产学研协同创新效率值小于1的省份,包括内蒙古、福建、海南、宁夏、新疆等5个省份;第二类是“缓慢增长型”,主要指产学研协同创新效率值介于1.000—1.100之间的省份,包括天津、河北、山西、辽宁、吉林、黑龙江、上海、江西、山东、河南、湖北、湖南、广东、广西、重庆、贵州、云南、甘肃等18个省份;其余的北京、江苏、浙江、安徽、四川、陕西、青海等7个省份为“高速增长型”,这些省份的产学研协同创新效率值都大于1.100。由此可见,各个省份之间的产学研协同创新效率水平存在显著的差异,可能的原因是各省份的创新意识、经济发展水平、科技人才储备和管理制度等方面存在不同,造成了产学研协同创新效率水平的差异性。从增长动力来源看,除湖南、广西和海南3省区外,其余的省份的技术进步指数均大于1,而技术效率指数大部分省份大于1。

(二)产学研协同创新效率的区域差异的动态分布

为了进一步考察产学研协同创新效率的地区差异,本文借鉴Hall和Jones[12]应着重考察不同经济主体生产率水平相对差异的思想,首先度量中国各省份产学研协同创新相对效率。其中,第h个(h=1,2,…,30)省份在t年的累积产学研协同创新相对效率CMLh为:

(11)

利用公式(11)可以计算出历年的累积产学研协同创新相对效率,在此基础上,本文以2006、2010和2015年作为考察年份,采用Kernel密度估计法做出相关年份的密度分布,全国及东部、中部和西部地区产学研协同创新效率的核密度估计结果如图1所示。

(1)全国产学研协同创新效率的核密度估计。整体上来看,核密度曲线呈现向右移动的特征,说明考察期内我国产学研协同创新效率处于不断增长的态势,与2006年相比,2015年核密度中心明显增大,再次证明了这一结论。从波峰来看,主峰高度呈现小幅下降趋势,说明各省份产学研协同创新效率差距正逐步减小。从形状来看,2006年我国产学研协同创新效率表现出“分散式单峰”分布,到2015年则转化为“双峰”分布,说明这一时期各省份产学研协同创新效率之间的差距从多极化趋势逐渐演变为两极化趋势。

(2)东部地区产学研协同创新效率的核密度估计。从演变趋势看,与2006年相比,2010年核密度曲线峰值显著下降,变化宽度小幅减小,“双峰”分布趋势显著,说明该阶段东部地区产学研协同创新效率区域内差异逐渐演变成了两极分化的格局。2015年与2010年相比,核密度曲线峰值持续下降,但变化宽度加大,反映出区域差异在不断加大,核密度中心右移,波峰则显示出从“双峰”分布逐渐转变为“单峰”分布,说明该阶段东部地区产学研协同创新效率不断提高,区域内效率有从原来的两极化趋势向均衡化方向发展的趋势。

(3)中部地区产学研协同创新效率的核密度估计。从演变趋势看,与2006年相比,2010年核密度曲线中心轻微右移,峰值显著下降,“双峰”分布明显,说明该阶段产学研协同创新效率区域内差距在加大。2015年与2010年相比,核密度中心明显右移,峰值高度在降低,波峰则从“双峰”分布演变为“单峰”分布,说明该阶段中部地区产学研协同创新效率持续增长,正从两极化向均衡发展转变。

(4)西部地区产学研协同创新效率的核密度估计。从演变趋势看,与2006年相比,2010年核密度曲线中心左移,峰值减小且“单峰”分布明显,变化宽度增大,说明该阶段产学研协同创新效率增长的省份数量减少,地区差距有一定程度的降低。2015年与2010年相比,峰值持续下降,但波峰则从“单峰”分布演变为“双峰”分布,说明该阶段区域内效率差异明显并逐渐演变成两极分化趋势。

(三)产学研协同创新效率区域差异的长期演化趋势

为了详细刻画产学研协同创新效率各省份的动态转移特征及长期演化趋势,本文采用马尔可夫转移概率矩阵进行分析。按照四分位数方法把测算出的效率值离散为四种类型,分别为低、中低、中和高效率水平。为了更好地对比不同时期的产学研协同创新效率水平,分别构建了“十一五”(2005—2010年)、“十二五”(2010—2015年)和2005—2015年的马尔可夫转移概率矩阵及稳态分布,如表3所示。

表3 马尔可夫转移概率矩阵及稳态分布

表3结果显示,无论是“十一五”时期、“十二五”时期,还是2005—2015年,马尔可夫转移概率矩阵对角线的概率均大于非对角线的概率,说明各省份产学研协同创新效率水平相对稳定,向其他水平类型转移的概率比较低。尤其是高水平省份处于高效率水平的概率为82.4%,向中等效率水平转移的概率仅为17.6%,说明高水平省份产学研协同创新效率增长存在趋同趋势,反映了产学研协同创新效率水平增长的持续性。中等水平省份向高水平转移的概率为16.5%,高于向中低水平转移的概率;中低水平省份向中等水平转移的概率为4.7%,小于向低水平转移的概率,说明中等水平省份和中低水平省份产学研协同创新效率水平双向变化的可能性较大。低水平省份向中低水平转移的概率为13.8%,远远小于维持在低水平的概率86.2%,说明低水平省份产学研协同创新效率水平很难实现跨越式增长。从稳态分布来看,无论是产学研协同创新效率水平初始处于何种状态,经过长时间的发展,产学研协同创新效率处于高效率水平、中效率水平、中低效率水平和低效率水平的概率分别为32.6%、25.5%、26.3%和15.6%。与初始分布相比,高效率水平的省份比例增加,中等和中低效率水平的省份比例变化不大,而低效率水平的省份则出现了减少,这种变化说明未来高效率省份的引领作用会明显提高,产学研协同创新效率水平极大可能实现持续增长的发展趋势。

四、结论与启示

本文采用Malmquist生产率指数法,测算了30个省份的产学研协同创新效率,在此基础上,运用核密度估计和马尔科夫转移概率矩阵方法对我国产学研协同创新效率的动态演进特征进行了分析,得出以下结论:(1)我国产学研协同创新效率考察期内整体呈现上升趋势,属于典型的“双驱动”增长模式,其增长动力主要来源于技术进步。各省份效率水平差异明显,呈现东部>中部>西部地区的空间格局,各省份之间也存在较大的差异性,根据差异性将其划分为“持续下降型”“缓慢增长型”“高速增长型”三类。(2)核密度估计表明,考察期内我国产学研协同创新效率差距整体处于扩大的态势,但东部、中部和西部地区之间有所差异。东部地区差距经历了从两极化趋势向均衡化方向发展的过程;中部地区差距经历了从“双峰”分布演变为“单峰”分布,说明地区差距从迅速增大到逐渐缩小的过程;西部地区差距则经历了先缩小后扩大的过程,表现为向两极化趋势演变。(3)马尔科夫转移概率矩阵表明产学研协同创新效率水平相对稳定,难以实现跨越式提升,未来高效率省份的引领作用会明显提高,产学研协同创新效率水平极大可能实现持续增长的发展趋势。

根据以上研究结论,提出如下政策建议。一是针对地区效率的差异性,各省份应因地制宜,结合本省的实际情况,建立完善的产学研合作服务平台,通过合理的资源配置,才能发挥最大效应,实现区域间的良好互动和优势互补。二是产学研协同创新效率水平较低的省份,主要是因为技术进步水平低和技术效率退步导致的,这些省份应加强政府引导作用,加大资金投入,优先支持产学研合作项目,进一步深化提升重大科技成果转化项目,为推进科技创新和产学研发展提供政策保障。三是加强合作与交流。各省份之间应打破产学研合作壁垒,促进创新要素的合理流动,实现企业、高校和科研机构跨省份的协作与分工,共同推动区域间人才、技术、知识的交互与对接,从而促进整体创新效率水平的提升,缩小地区差距,形成协同创新与开放共享的格局。

猜你喜欢

产学研省份协同
精益求精产学研 继往开来朝阳人
输入受限下多无人机三维协同路径跟踪控制
家校社协同育人 共赢美好未来
推行产学研一体化基地建设
基于“产学研”协同创新的针织专业人才培养模式改革探索
“四化”协同才有出路
16省份上半年GDP超万亿元
京津冀协同发展
22个省
产学研协同创新伙伴关系模糊综合评价模型