产学研协同创新政策对创新绩效影响的仿真研究

（西安理工大学 经济与管理学院，陕西 西安 710048）

一、引言

产学研协同创新是指处于技术需求方的企业与技术提供方的高校，科研机构协同进行的技术创新活动，它们共同分享利益，承担风险，结合各自的长处，互利共赢，能够充分带动科技的发展和经济的持续增长。数据显示，我国2009—2019 年的规模以上工业企业新产品销售收入，从6.6 万亿元增长到了19.7 万亿元，增加了198%。企业能够取得如此显著的成绩，离不开国家政策的支持。党在近几次的全国人民代表大会曾多次指出了技术创新对于国家发展有重要的支撑作用。要加快实施创新驱动发展战略，提高国家自主创新实力，完成在2020 年之前把我国建设成为创新型国家的目标。因此，有必要从政策角度入手对产学研协同创新系统进行研究。

目前，学者们对产学研协同创新政策的研究多是政策解读，缺少定性研究。并且，鲜有从政策出发对产学研协同创新绩效进行探讨的文献。本文尝试利用系统动力学方法建立产学研协同创新政策影响创新绩效的模型，并结合陕西省产学研协同创新的具体情况进行实证分析。

二、理论回顾和机理分析

（一）产学研协同创新政策工具分类

政策文本主要是对政策的内涵和目标进行了简要描述，政策工具则明确了实现目标的方法和手段。政策目标的现实要依靠政策工具的支持及配合，所以要研究产学研协同创新政策对创新绩效的影响，必须先对政策工具予以分类。

有关科技创新政策工具分类的方法有很多，比如Morosini（2004）[1]的任务导向型和扩散导向型；Woolthuis 等（2005）[2]提出的信息型、权威性、组织型和财政型；Veronica 和Thomas（2007）[3]将其分为特定型和一般型；顾建光和吴明华（2007）[4]将其划分为管制性工具、激励类工具和信息传递类工具；Phaal等（2011）[5]将其划分为自愿型、强制型、混合型。Hoppmann 等（2013）[6]将其分为战略层、综合层及基本层；王守文和颜鹏（2014）[7]将其分为需求要素政策、代理政策、宏观架构政策、国际交流政策、培训政策；汪洁等（2015）[8]将其分为方向导向型政策、载体建设型政策、人才培养型政策。而最具代表性的则是Roy 和Walter（1981）[9]的分类，他们将政策工具分为供给政策、环境政策和需求政策三类。其中，供给政策工具以加大创新资源供给为主，需求政策工具以扩大自主创新需求为主，而环境政策工具则发挥着间接的润滑作用。张炜等（2016）[10]、武学超和徐雅婷（2018）[11]、王帮俊和朱荣（2019）[12]以及章文光和闫蓉（2019）[13]都基于此分类方法对创新政策进行了不同类型的研究。

本文认为产学研协同创新作为一个复杂的合作系统，政策对其发展可能具有推动、拉动和润滑作用，体现在政策工具上可以分为供给型、需求型和环境型政策工具。供给导向型创新政策指政府从各方面增加对企业等创新主体的创新资源供给，改善有关创新要素的供给状况，以提升产学研协同创新主体创新能力为目的；需求导向型创新政策是指政府采取相关保护性政策减少市场的风险，目的是增加产学研协同创新主体创新活动成功的机遇与可能性；环境型创新政策是指政府通过知识产权保护、税收优惠、金融比率等方面政策为产学研协同创新主体提供和谐有利的创新环境，间接促进创新活动的开展。

（二）产学研协同创新绩效体系的构建

Cummings 和Teng（2003）[14]认为衡量产学研合作效果的指标包括合作各方相互间的地理距离、彼此间的紧密性和信任度。Hussinger（2013）[15]将绩效的评价指标分为价格边际成本、劳动生产率和全要素生产率三个方面，并且指出参与产学合作的企业的生产率更高。Liu 等（2014）[16]指出产品创新绩效可以分为产品创新成果与产品创新效率。李雷鸣等（2014）[17]将产学研协同创新绩效分为投入、产出以及环境三个维度，其中环境包括技术环境、经济金融环境和教育环境。刘友金等（2017）[18]采用协同度模型将产学研协同创新系统分为4 个子系统，分别为高校链子系统、科研院所链子系统、交互链子系统、企业链子系统。叶英平（2017）[19]在研究分析产学研的协同创新绩效时从创新能力、经济效益、满意程度三个方面进行相关的测量。王永成和高晓杰（2017）[20]从投入、产出、环境、过程、结果这五个维度对产学研协同创新绩效进行了评价。牛秀红等（2019）[21]使用主成分分析法提取出了产学研协同创新绩效的主要影响因素，即创新环境、创新主体特征和创新交流。苏州（2018）[22]对产学研协同创新绩效的评价维度进行了多维度、多层次的刻画，将其分为环境、投入、产出、运行、效果这5 个维度，并对每个维度分别设置相应的评价指标。

通过对以上学者研究成果进行分析总结，可以得出依据产学研协同创新过程可以从纵向分为环境、投入、产出、运行、效果五个维度。而依据产学研协同创新各主体特征来看可以横向分为企业、高校、科研院所以及三者之间的互动交流。而系统动力学模型在研究非线性、多维度系统的运行方面具有突出优势，因此，结合以上学者的研究成果，本文将产学研协同创新绩效系统分为学研方绩效、企业绩效和系统运行绩效三个子系统，然后从投入、产出、环境、交流、效果这几个维度对其进行更详细的刻画。

（三）产学研协同创新政策对创新绩效的影响机理分析

由于产学研协同创新政策的扶持，学研方和企业在产学研上投入的资源也逐步提升，各方之间的交流越来越频繁，越来越密切。再加上政府对创新环境的改善，让大众创业，万众创新之气蔚然成风。伴随着学研方投入增长速率、企业投入增长速率、创新环境改善速率、创新交流强化速率的提升，产学研协同创新绩效得以提升。其影响机理如图1 所示。

图1 影响机理图

三、产学研协同创新政策对创新绩效影响的系统动力学建模

（一）明确系统边界

本文研究的对象是“产学研协同创新绩效”系统，重点是分析政策的结构、强度以及实施的不同阶段综合对子系统绩效产生影响，从而影响到产学研协同创新绩效。所以，研究中包含了学研方绩效、企业绩效和运行绩效三个子系统。三个子系统共同构成了产学研协同创新绩效大系统。同时三个子系统之间又相互关联，交互影响，共同促进大系统的发展。因此，构建出系统边界，如图2 所示。

图2 系统边界图

（二）因果关系图

学研方子系统的主要变量有：高校R&D 人员全时当量、高校R&D 经费内部支出、科研机构R&D人员全时当量、科研机构R&D 经费内部支出、高校R&D 课题数、高校发表科技论文数、高校有效发明专利数、科研机构R&D 课题数、科研机构发表科技论文数、科研机构有效发明专利数。其中，人员全时当量和经费支出分别表示学研方的人力投入和财力投入，课题数、论文数、专利数表示的是科技产出。课题数和论文数的增加符合学研方的自身定位，同时也会进一步吸引人才和吸收经费。

企业子系统的主要变量有：高新技术企业R&D人员全时当量、高新技术企业R&D 经费内部支出、规模以上工业企业R&D 人员全时当量、规模以上工业企业R&D 经费内部支出、高新技术企业有效发明专利数、高新技术企业新产品销售收入、高新技术企业新产品开发项目数、规模以上工业企业有效发明专利数、规模以上工业企业新产品销售收入、规模以上工业企业新产品开发项目数。其中，人员全时当量和经费支出分别表示企业的人力投入和财力投入，专利数、项目数、新产品销售收入表示科技产出。新产品销售收入的增加不仅满足企业的目标，也会使得人力和财力投入进一步提升。

运行绩效子系统主要变量有：地方财政科技支出、R&D 经费支出占地区生产总值比重、技术服务业产值占地区生产总值比重、地方财政支出、金融业生产总值、城镇化率、人均GDP、地方财政教育支出、万人在校大学生数、每百人公共图书馆藏书量、高校R&D 经费内部支出来自企业金额、科研机构R&D 经费内部支出来自企业金额、高新技术产品进出口总额、互联网普及率、技术市场成交额、高新技术产业产值、GDP 总额。地方财政科技支出的增加以及学研方和企业之间的频繁交流，会增强技术市场的活力，提升技术市场成交额。而技术市场成交额的提升又会使地方财政进一步提升科技支出。

通过上述分析得到整个产学研协同创新系统的因果关系图，如图3 所示。

图3 因果关系图

（三）系统动力学流图

根据产学研协同创新系统得因果回路图进行分析，得到产学研协同创新系统的动力学流图，如图4 所示。

图4 系统动力学流图

四、产学研协同创新政策对创新绩效影响的系统动力学仿真——以陕西省为例

（一）陕西省产学研协同创新概况

陕西省高等教育资源丰富，本科高校数量位居全国第三。因此近年来不断加大对产学研协同创新的政策倾斜和资源投入，引导企业、高校、科研机构协同合作，并且取得了丰厚的成果。主要数据如表1所示。

表1 陕西省产学研主要数据表

（二）系统动力学仿真

本文使用Vensim 软件进行模型构建以及仿真实验。模型中所有指标采集自陕西省统计年鉴、中国科技统计年鉴、中国高技术产业统计年鉴。指标权重则是通过专家打分法计算得出。涉及到的速率变量则是利用指标权重和统计年鉴历史数据计算得出近5 年平均增长率，如表2 所示。

表2 速率变量表

1.系统动力学模型检验。所有的系统动力学模型构建后都需要经过检验，才能确保其有效性。本文用到了多种检验方法，确保其检验可靠性。

（1）系统边界检验。本文在确定系统边界之前，查阅了众多国内外产学研协同创新方面的文献和资料，筛选了不同维度的评价指标，从而初步确定了模型边界，并构建系统动力学模型。并且通过对产学研协同创新绩效相关研究的指标进行对比，确定文中选择的变量是产学研协同创新系统的重要变量。此外，该系统模型影响路径阐述明晰，说明模型的边界没必要进一步扩大，本文界定的模型边界合理。

（2）量纲一致性及积分误差检验。本文利用软件Vensim PLE 提供的检验模型量纲一致性的功能，对所构建模型中的37 个变量的量纲进行检验，经过修改和调整，最终出现“Model is OK”的字样，表明量纲一致。模型中步长间隔的长短对于模拟曲线的显示十分重要，间隔太长或者太短都会使模拟曲线产生异常，而积分误差检验目的就在于分析模型中步长间隔设置是否合理。本文所构建得SD 模型中将时间跨度设置为2014—2030 年，共计16 年，时间间隔设置为1 年，结果如图5 所示，模拟曲线较为平滑，不需要对模型的时间间隔进行修改。

图5 产学研协同创新绩效模拟仿真

（3）极端情况检验。极端情况检验方法一般是随机选取某个速率变量，分别取两次极值0 和1，观察曲线的变化情况，如果变化明显，且变化趋势和实际情况偏差较小，则说明模型有效。本文验证结果如图6 所示，图形特点符合上述要求，说明本文构建SD 模型有效，能够在任意情况下做出反映。

图6 极值变化情况

（4）历史性检验。历史性检验是指将模型运行得到的仿真数值与实际数值进行比较，分析偏差度。其是最具可靠性的检验，通过运行模型得到的模拟值和搜集到的实际值如表3 所示。本文采用相关度检验方法，相关度在0.7～0.9 之间代表高相关，在0.91～1 之间代表极高相关。计算得出，学研方绩效、企业绩效以及运行绩效实际值与模型仿真值的相关均大于0.7，其中学研方绩效和运行绩效的相关度都大于0.9，说明本文构建的SD 模型拟合效果较好，模型有效。

表3 模型检验表

2.系统动力学模型仿真分析。本文的控制变量为供给政策力度（S）、需求政策力度（D）和环境政策力度（E）。本文以2014 为起始年进行模拟，因此在模型初始时，将三个控制变量S、D 以及E 的值都设置为1。其次，通过分析政策比例结构、政策内容选取三组控制变量的取值。本文用于系统验证的速率变量为学研方投入增速、企业投入增速、创新环境改善速率、创新交流强化速率。

从前文研究可知，S、D、E 可以通过影响速率变量间接作用于学研方绩效子系统，企业绩效子系统以及运行绩效子系统。因此，本文通过控制变量S、D、E 取值的变化，进行灵敏度分析。本文所选取的政策文本是2014—2018 年中央政府各部委公开发布的正式政策文件，使用“产学研”“协同创新”“双创”等关键词，从北大法宝、维普数据库、万方数据库等相关网站检索已公开的政策文本，通过筛选得到52 部相关的政策。其中环境相关政策有26 部，占比50%；供给相关政策有20 部，占比38.5%；需求相关政策6 部，占比11.5%。因此，对S、D 和E 取值时，E 的取值比S 稍大，S 的取值比D 大。另外，根据目前政策比例和颁布情况看，E 值变化最快，其次是S 值，D 值变化最慢。考虑到系统动力学方法的内在原理以及敏感度分析的特点，为了保证研究结果不会产生较大偏差，控制变量的取值既不能太大也不能太小。所以，在控制变量的取值方面，通过文献参考和仿真模拟，确定控制变量的最合理取值范围应该介于1 和2 之间。结合本文研究内容，本文共设置了4 组控制变量，分别为：

初始组：S0=1，D0=1，E0=1；

参照组一：S1=1.3，D1=1.1，E1=1.5；

参照组二：S2=1.5，D2=1.2，E2=1.7；

参照组三：S3=1.7，D3=1.3，E3=1.9。

（1）学研方投入模拟情况。如图7 所示，学研方绩效在2026 年之后增长速度迅速提升，这说明初期学研方和产学研协同创新系统的其他主体协同配合经验不够，科技成果转化率偏低。而后期，随着合作次数的增加，经验的积累，厚积薄发开始迅速增长。对其进行灵敏度分析，使用第一组变量，其绩效提升了4.6%；使用第二组数据，其绩效提升了7.4%；使用第三组数据，其绩效提升了10.2%。可见，按照现有的政策结构，继续加大政策力度，学研方绩效不会产生较大的变化。这是因为，产学研协同创新是以企业为主体，以市场为导向，高校和科研机构作为技术提供方，其规模有限，难以像企业一样可以充分地扩大规模。

图7 学研方投入模拟变化情况

（2）企业投入模拟情况。如图8 所示，企业绩效的提升也是在2026 年有所加快，这说明企业和学研方之间的合作经验越来越多，其对于学研方所提供技术的吸收能力也越来越强。对其进行灵敏度分析，使用第一组变量，其绩效提升了15.4%；使用第二组数据，其绩效提升了23.7%；使用第三组数据，其绩效提升了32.5%。可见，按照现有的政策结构，继续加大政策力度，企业绩效刚开始会明显提升，但是继续加大政策力度，其提升速度明显降低。说明现有的政策结构对其企业绩效的提升还是强有力的，但是随着时间的推移，企业可能对现有政策的敏感程度会降低。

图8 企业投入模拟变化情况

（3）创新环境模拟情况。如图9 所示，创新环境的改善在2024 年之前对运行绩效几乎没有影响，但之后则是越来越重要。因为改善环境不会立竿见影，它是一个逐渐改变的过程，当其到达一定程度就会发挥作用。对其进行灵敏度分析，使用第一组变量，其绩效提升了27.6%；使用第二组数据，其绩效提升了43.9%；使用第三组数据，其绩效提升了66%。可见，创新环境的改善对运行绩效的提升影响极大。因为现有政策中，一半的政策都和改善环境相关，这也与国家“放管服”的改革趋势相匹配。企业是主体，市场是导向，要更大程度地激发市场活力，首先便要给企业的发展营造一个良好的环境。

图9 创新环境改善模拟变化情况

（4）创新交流模拟情况。如图10 所示，创新交流和创新环境一样，在前期对运行绩效的影响都很小。但是随着交流频率和交流深度的强化，其对运行绩效的影响逐渐加强。对其进行灵敏度分析，使用第一组变量，其绩效提升了13%；使用第二组数据，其绩效提升了24.5%；使用第三组数据，其绩效提升了33.9%。可见，创新交流程度的加强对运行绩效的提升影响显著。产学研协同创新是一个系统，不仅需要学研方和企业资源的大量投入，还需要相互进行充分有效的沟通交流，如此才能体现协同的作用。

图10 创新交流强化模拟变化情况

（5）产学研协同创新绩效模拟情况。如图11 所示，随着产学研协同创新系统内成员之间合作程度的不断加深，经验的不断积累，科技成果转化率和知识吸收能力的提升，产学研协同创新绩效在2026年后开始迅速增长。灵敏度分析显示，使用第一组变量，其绩效提升了10.7%；使用第二组数据，其绩效提升了17.2%；使用第三组数据，其绩效提升了24.2%。可见，按照现有政策结构，继续加大政策力度，未来产学研协同创新绩效会有明显提升，但是提升速度会很快降低。结合以上子系统的灵敏度分析，环境型政策效果突出，供给型政策比较乏力，需求型政策数量太少。2020 年的两会提出实施扩大内需战略，推动经济发展方式加快转变。因此未来需要加强对需求型政策的重视。

图11 产学研协同创新绩效模拟变化情况

五、结论

本文在产学研协同创新政策对创新绩效的影响时，采用了系统动力学方法，以文献研究为基础，进行影响机理分析，绘制因果关系图和系统流图，建立表明变量间关系的系统动力学SD 模型，利用Vensim PLE 实现了产学研协同创新政策对创新绩效的影响仿真模拟。

实证研究结果表明，本文所建立的产学研协同创新政策对创新绩效影响的系统动力学SD 模型具有较高的相关度，能够对产学研协同创新政策和创新绩效之间的关系进行分析预测，并通过调整控制变量，分析不同政策强度产学研协同创新绩效以及各个子系统绩效的变化趋势，为产学研协同创新发展和政府决策提供有力支持，同时从系统动力学角度研究产学研协同创新绩效与各种变量之间的相关性。然而，产学研协同创新是一个复杂的合作系统工程，其发展过程中影响绩效的因素很多并且许多指标难以收集整理，因此，本文变量的选取遵从收集困难小、相关性较高等原则。如果能够更广泛地收集变量数据，然后进行灵敏度分析，模拟不同情境下的绩效变化，那么仿真结果与现实的差距可能会缩小。