基于DEA-Malmquist的中国高校技术转移效率动态评价——以“双一流”建设高校为例

李 源

(河南工学院，河南 新乡 453003)

0 引言

高校是科技创新的主阵地，是国家科技创新体系的重要组成部分，高校技术转移一直以来是高校科技管理者关注的重要理论与实践问题。“双一流”建设高校作为我国的重点大学和研究性大学，是我国科技创新的生力军，在实施技术转移和创新战略过程中，面临的关键问题是如何提高高校技术转移效率。在提高高校技术转移效率问题上，对高校技术转移效率测度则成为国内外学者关注的内容。Wendy Chapple[1]等利用数据包络分析(DEA)和随机前沿估计(SFE)对英国大学技术转移办公室绩效进行了评估，发现英国大学技术转移办公室(TTO)技术效率处于较低水平，规模效率也在下降，其大学技术转移办公室(TTO)需要重新配置为更小的单元。廖述梅[2]等采用SFE方法测算了我国27个省市区高校从2000-2006年对企业的技术转移效率，发现我国总体校企技术转移效率比较低，各省市区差异较大。为洞察高校技术转移的内在运行结构、运行机理及其效率，Mei Ho[3]等将技术转移划分为研究创新和价值创造两个阶段，并采用两阶段DEA方法测度高校技术转移不同阶段的效率。结果发现，在两个技术转移阶段实现效率需要不同的创新能力，大部分高效率的大学只在这两个阶段中的一个有效。覃雄合[4]等则基于价值链视角将高校技术转移过程划分为知识获取、技术创新和价值转化三个阶段，采用网络SBM模型测算2004-2014年中国省际高校技术转移各阶段的效率。发现中国高校的知识获取效率和价值转化效率逐年降低，而技术创新效率大幅度提升。东部沿海地区省份的技术创新效率较高、知识获取效率较低，西部地区与之相反。为进一步探索制约高校技术转移效率的影响因素，Donald S Siegel[5]等采用随机前沿估计(SFE)对113所高校技术转移效率进行评估，发现高校科研奖励制度、职称评价制度、高校技术转移人员配置以及高校管理者对校企之间组织文化障碍的重视程度是高校技术转移效率的主要影响因素。Claudia Curi[6]等对法国高校的技术转移效率及其主要影响因素进行了评估。发现高校技术转移效率主要受高校类型、制度和环境特征影响，技术转移机构的时限和高校的规模对技术转移都有正向的影响。原长弘[7]等利用中国75 所“211 工程”大学 1998-2002年的面板数据，采用随机前沿方法(SFA)对高校技术转移效率影响因素进行了实证分析，发现地方政府支持对高校技术转移效率具有正向影响，区域市场需求规模不确定性对高校技术转移效率具有负面影响。何彬[8]等利用Bootstrap—DEA方法测算2004-2014年我国省际高校科研成果各阶段转化效率及综合效率，考察了高校科研成果转化效率的影响因素，发现地区禀赋、研发人才质量对高校科研成果转化效率有显著的正向影响，金融发展程度对高校科研成果转化效率影响不显著。范柏乃[9]等采用DEA方法测度我国31个省市区2005-2011年高校技术转移效率，并利用面板Tobit模型对高校技术转移效率的影响因素进行检验，发现高校自身的推动、企业与高校的关系、地区GDP对高校技术转移效率有显著的正向影响。此外，林德明[10]、万莉[11]、罗茜[12]、郑元元[13]、逄红梅[14]等对高校技术转移效率问题进行探讨。

综上所述，国内外学者对高校技术转移效率问题的探索为本文研究提供了重要参考，尤其是测度方法方面，学者多采用以数据包络分析(DEA)为代表的非参数方法和以随机前沿估计(SFE)为代表的非参数方法。然而，以随机前沿估计(SFE)的方法，SFE模型基本假设较为复杂，会因为生产函数、技术无效率项分布的具体形式，容易出现偏度问题[15]，而DEA法不用考虑函数的具体形式问题。此外，在运用DEA法对高校技术转移效率进行测算，鲜有学者探寻全要素生产率(TFP)改进或者倒退的主要成因。鉴于此，为规避函数形式设定错误而出现的偏度问题，进一步探寻高校技术转移效率改进或倒退的主要成因，本文运用DEA-Malmquist方法对中国高校技术转移效率进行测度评价，并提出相应的对策建议，以期为政府制定相关政策和高校建设提供参考。

1 研究分析模型

1.1 数据包络分析法(DEA)

数据包络分析(Data Envelopment Analysis,DEA)是一种非参数技术效率分析方法，由美国的Charnes、Cooper、Rhodes[16]于1978年首次提出。DEA基础模型包括CCR模型和BCC模型，其中CCR模型考虑规模收益不变，其技术效率含有规模效率成分，而BCC模型考虑规模收益可变，其技术效率是指纯技术效率。高校技术转移活动具有显著的知识经济特征，会对传统生产要素的边际收益递减产生扰动，造成科技活动或技术转移收益的不确定性。因此，本文选用BCC模型对我国高校技术转移效率进行评价。DEA基础模型原理比较成熟，在此不再赘述。

1.2 Malmquist指数模型

Malmquist指数是Sten Malmquist于1953年最早提出。Caves等[17](1982)引入距离函数，将其应用到生产分析中，测度生产决策单元与生产前沿面的距离以反映全要素生产率变化，并将其命名为Malmquist生产率指数(此后统称为Malmquist指数)。Fare R等(1992)采用Caves等(1982)计算Malmquist指数的方法，采用两个时期Malmquist指数的几何平均值来计算Malmquist指数。即从t到t+1期Malmquist指数可表示为：

MI=EC*TC

而 EC=Et+1(xt+1,yt+1)/Et(xt,yt)

TC=[Et(xt+1,yt+1)Et(xt,yt)/Et+1(xt+1,yt+1)Et+1(xt,yt)]1/2

其中，xt,yt分别表示t期的投入与产出，xt+1,yt+1分别表示t+1期的投入与产出,EC表示两个时期的效率变化，TC表示两个时期的技术变化，MI表示Malmquist指数可以分解为效率变化和技术变化两部分。

该指数反映了在固定规模报酬下，每个决策单位从时期t到t+1，全要素生产率的改进情况。如果M>1，表明生产率呈现上升趋势；反之则表明生产率呈现衰退趋势[17]。

2 指标选取及数据处理

2.1 投入产出指标

选择合适的投入产出指标是数据包络分析的重要环节。结合高校技术转移的特点和数据的可得性，在参考廖述梅、逄红梅、范柏乃、段 婕、何 彬等文献的基础上，鉴于高校技术转移转化成果形式不同，本文选取高校R&D人员和高校R&D经费两指标作为投入变量，选取高校科技著作数、高校科技论文数、高校专利技术转让合同数、高校专利技术转让实际收入4项指标作为产出变量(见表1)。

(1)R&D全时当量人员。根据《中国高等学校科技资料统计汇编》附录部分指标说明，R&D人员包括“全时R&D人员”与“非全时R&D人员”，全时R&D人员是指从事R&D工作时间在90%以上的。R&D全时当量人员是指将从事研发的非全时人员折合为全时人员，本文参考范柏乃等采用R&D全时当量人员作为投入指标。

(2)高校科技经费当年内部支出。根据《中国高等学校科技资料统计汇编》，科技经费投入包括政府资金投入、企事业单位委托资金投入、其他资金投入、科技经费当年内部支出。因科技经费当年内部支出表示当年科技经费的实际支出，本文采用该指标作为高校科技经费投入的重要指标。

(3)科技著作数量。科技著作是高校研发人员智力物化的直接产物，代表着“双一流”高校的科技成果，其数量体现了高校科技成果的产出水平[13]。

(4)学术论文数量。学术论文是高校研发人员智力物化的直接产物，学术论文数量体现了高校技术成果产出的学术价值。

(5)技术转让签订合同数与技术转让当年实际收入。技术转让使高校的科技成果转化为社会经济效益，技术转让签订合同数和技术转让当年实际收入是高校科技成果转化的重要标志[13]。

表1 投入产出评价指标体系

2.2 数据来源及处理

2.3 描述性统计

表2对37所中国“双一流”建设高校2014-2018年投入产出变量的数据特征进行简单描述。从时间变化序列来看，一方面，随着时间的推移，“双一流”建设高校都有很大的发展，研发投入总体都有稳步提高，科技著作、科技论文、高校专利技术转让实际收入等总体产出成效明显；另一方面，“双一流”建设高校之间研发投入差异随着时间的推移逐渐增大，高校之间的专利技术转让合同数差异随着时间的推移逐渐减小，高校之间的科技论文、高校专利技术转让实际收入产出差异随着时间的推移逐渐增大。

表2 37所中国“双一流”建设高校(2014-2018年)技术投入与产出变量描述性统计

3 实证分析

3.1 技术转移效率及其分解

应用MaxDEA8.0软件，选取CRS、VRS模型对37所“双一流”建设高校技术转移的综合技术效率(TE)、纯技术效率(PTE)和规模效率(SE)进行测算(见表3)。

从综合技术效率看，在2014-2018年，37所中国“双一流”建设高校技术转移水平总体不高，并呈缓慢上升的演化趋势，廖述梅[2]、原长弘[7]等持类似研究结论。主要表现在中国“双一流”建设高校技术转移综合技术效率平均值，从2014年的0.676逐渐增长至2018年的0.695。从各个高校的综合技术效率平均值来看，东北大学、清华大学、中国海洋大学5年的综合技术效率平均值为1，均达到DEA有效，表示这几所高校的投入产出水平最高。而湖南大学、吉林大学、同济大学、中国科学技术大学、中山大学等综合技术效率平均值低于0.5，表示这几所高校的技术转移提升空间较大。此外，兰州大学、四川大学、西北工业大学、西北农林科技大学等技术转移综合技术效率得以显著提升。

表3 37所中国“双一流”建设高校(2014-2018年)技术转移效率

从纯技术效率看，在2014-2018年，37所中国“双一流”建设高校技术转移纯技术效率总体基本良好，并呈小幅波动。具体表现在：2014-2018年，中国“双一流”建设高校技术转移纯技术效率平均值分别为0.790、0.805、0.803、0.820、0.795。从各个高校纯技术效率平均值来看，东北大学、兰州大学、南开大学、清华大学、上海交通大学、郑州大学、中国海洋大学等7所高校纯技术效率平均值为1，表示在现有的技术和管理水平下，这7所高校技术转移能达到最优的状态。而吉林大学、中国科学技术大学等纯技术效率平均值小于0.5，表示需要通过技术创新、管理等手段来提高高校的技术转移效率。

从规模效率看，2014-2018年，中国“双一流”建设高校技术转移规模效率总体处于较高水平，呈迅速上升的态势。具体表现在：2014年规模效率平均值为0.851，而2018年迅速上升为0.911，增加6个百分点。说明中国“双一流”建设高校整体投入产出结构、资源配置合理，整体生产规模持续优化。

3.2 区域差异特征

为探索“双一流”建设高校技术转移效率的区域差异，将37所“双一流”建设高校划分为东部地区高校、中部地区高校、西部地区高校进行分析。其中，东部地区高校(北京大学、北京航空航天大学、北京理工大学、北京师范大学、清华大学、中国农业大学、南开大学、天津大学、大连理工大学、东北大学、浙江大学、东南大学、复旦大学、华东师范大学、上海交通大学、同济大学、华南理工大学、南京大学、山东大学、中国海洋大学、厦门大学、中山大学)；中部地区高校(华中科技大学、中国科学技术大学、武汉大学、湖南大学、郑州大学、中南大学、吉林大学、哈尔滨工业大学)；西部地区高校(四川大学、电子科技大学、西安交通大学、西北工业大学、西北农林科技大学、兰州大学、重庆大学)。

表4 2014-2018年东、中、西部高校技术转移效率

根据表4，西部地区高校2014年的技术效率值为0.386，远落后于东部地区高校0.761、中部地区高校0.686，2015年、2016年西部地区高校的技术效率值分别为0.947、0.836，则领先中部地区高校并逼近东部地区高校的技术效率，2017年、2018年西部地区高校的技术效率值分别为0.930、0.928，则显著领先于东部地区高校、中部地区高校，这说明西部地区高校技术转移效率增长快于东部、中部地区高校技术转移效率，这与万莉等[18]的研究结论相符;东部地区高校2014-2018年的技术效率值总体变化幅度不大，且始终领先于中部地区高校，这与范柏乃等[9]的研究结论一致；中部地区高校2014年的技术效率值0.686，低于东部地区高校而高于西部地区高校，2015-2018年中部地区高校的技术效率值则低于东部地区高校、西部地区高校(见图1)。就规模效率而言，西部地区高校2014年的规模效率值为0.755，明显低于东部地区高校0.854、中部地区高校0.939，至2015年则超过东部地区高校、中部地区高校的规模效率值；东部地区高校2014-2018年的规模效率值小幅波动，并呈上扬的态势；中部地区高校2014年的规模效率值为0.939，领先于东部地区高校、西部地区高校，2015年、2017年则落后于东部地区高校、西部地区高校的规模效率值，2018年则回升至0.914，与东部地区高校、西部地区高校的规模效率值相近。

根据东、中、西部地区“双一流”建设高校技术转移效率的样本标准差，就综合技术效率而言，2014-2018年中部地区高校技术转移效率不均衡程度严重，东部地区高校技术转移效率均衡的程度次之，而西部地区高校的技术转移效率相对均衡;就纯技术效率而言，2014-2016年，东、中、西部地区高校的资源配置、管理能力差距按大小排列依次是中部地区高校、西部地区高校、东部地区高校。2017-2018年，该大小排序则变化为中部地区高校、东部地区高校、西部地区高校;就规模效率而言，2014年西部地区高校规模差距大，其次是东部地区高校，中部地区高校规模差距小，2015-2016年，东、中、西部地区高校的规模差距按大小排列依次为东部地区高校、中部地区高校、西部地区高校。2017-2018年，该大小排序则变化为为中部地区高校、东部地区高校、西部地区高校。

图1 东、中、西部地区“双一流”建设高校技术转移效率趋势

3.3 动态变化特征

本文利用MaxDEA8.0软件进行计算，采用Malmquist指数,对37所中国“双一流”建设高校 2014-2018年的技术转移动态效率进行分析(见表5)。

从表5列出的Malmquist综合指数及其分解数据可以看出，37所中国“双一流”建设高校技术转移技术效率由负增长转为正增长，再由负增长转为正增长，技术进步由正增长转为负增长再转为正增长，而全要素生产率Malmquist综合指数始终处于正增长，但是增长幅度逐渐降低，由231.00%连续降低至25.70%。其中，37所中国“双一流”建设高校技术转移技术进步效率平均增长率为49.90%，保持了较高的增长趋势，同期技术效率平均增长率为250.60%，亦保持了更高的增长趋势。由此导致了2014-2018年37所中国“双一流”建设高校技术转移全要素生产率Malmquist综合指数平均增长率为103.00%的高增长水平。这说明技术效率变化是推动37所中国“双一流”建设高校技术转移全要素生产率增长的主要力量。

表5 37所中国“双一流”建设高校(2014-2018年)Malmquist指数及其分解

4 结论与启示

4.1 结论

通过运用数据包络分析(DEA)对中国“双一流”建设高校技术转移效率进行测度，并运用Malmquist指数法对“双一流”建设高校技术转移效率的动态趋势进行分析，得出以下结论：

(1)“双一流”建设高校技术转移效率总体不高，呈缓慢上升的演化趋势。湖南大学、吉林大学、同济大学、中国科学技术大学、中山大学等少数高校的综合技术效率处于较低水平，兰州大学、四川大学、西北工业大学、西北农林科技大学等高校技术转移效率由低向高得以快速提升；中国“双一流”建设高校技术转移纯技术效率总体基本良好，并呈小幅波动。吉林大学、中国科学技术大学等高校应通过技术创新、管理等手段来提高高校的技术转移效率；中国“双一流”建设高校整体投入产出结构、资源配置合理，整体生产规模持续优化。

(2)东、中、西部地区“双一流”建设高校技术转移效率区域差异明显。从区域“双一流”建设高校技术转移效率均值看，2014年，西部地区高校技术转移效率远落后于东部、中部地区高校，2015年、2016年，东部地区高校技术转移效率最高、西部地区高校则次之、中部地区高校最低。2017年、2018年，西部地区高校的技术转移效率则显著领先，东部地区高校次之，中部地区高校最低。从区域“双一流”建设高校技术转移效率样本标准差看，2014-2018年，中部地区高校技术转移效率不均衡程度最严重，东部地区高校技术转移效率均衡程度次之，而西部地区高校技术转移效率相对均衡。

(3)中国“双一流”建设高校技术转移全要素生产率Malmquist综合指数呈正增长，但增长幅度逐渐降低。技术效率变化和技术进步变化共同作用导致Malmquist综合指数波动，且技术效率变化是造成Malmquist综合指数波动的主要原因。

4.2 启示

基于以上结论，得出以下几点启示：

(1)进一步提升“双一流”建设高校技术转移水平，广泛开展产学研合作。高校学科建设、科研发展与地方支柱产业紧密结合。优化推动科技成果转化的激励机制，激发高校教师科研积极性[19]，具体应改变高校考评体系，改变以论文、专利和奖项为主体指标的高校考评标准，引入高校社会服务、科技成果转化等考核指标，鼓励高校科研人员开展研发和技术转移转化活动。鼓励有条件的高校成立技术成果及知识产权交易的专门机构[20]，协调高校专利等知识产权成果联合转化及授权事宜，提高高校专利等知识产权成果转化率。

(2)缩小区域“双一流”建设高校技术转移水平差距，加大对中、西部地区高校的资金及政策支持力度。加强东、中、西部地区经济科技交流与合作，为跨区域科研院所技术转移牵线搭桥，积极引导地方企业转型升级。通过政策支持或基金引导，鼓励中、西部地区“双一流”高校设立国家高校技术转移中心，或设置高校科技成果转化办公室，开展以市场为导向的技术转移活动[2]。

本文研究的局限在于2019年《高等学校科技统计资料汇编》未详细统计地方高校科技投入产出数据，未能对2019年37所“双一流”建设高校技术转移效率进行分析。另外，本文仅对中国“双一流”建设高校的技术转移效率进行了测评，未能进一步对中国“双一流”建设高校技术转移投入产出冗余进行分析，从而为每所“双一流”建设高校建设投入指明改进的方向。此外，高校技术转移是一个从投入到产出的连续的、多阶段的复杂过程[7]，多阶段的高校技术转移效率评价及其影响因素研究将是进一步研究的方向。