高技术产业产学研协同创新效率研究

张曼 菅利荣

[摘 要]高技术产业产学研协同创新活动是一个复杂动态的过程，从创新价值链视角将其更细致地划分为技术研发阶段和成果转化阶段。构建了两阶段高技术产业产学研协同创新效率评价指标体系，更注重了中间投入产出的指标，并使用共享投入关联DEA模型对中国高技术产业5大类15个细分子行业的面板数据进行创新效率测算，针对测算结果进行动态效率分析。结果表明：高技术产业各行业间产学研协同创新效率无论是整体还是两个子阶段都存在很大差异，4个评价期内的变化也各有不同。在此基础上，提出相应的行业发展建议，为高技术产业各行业提高产学研创新效率提供借鉴和参考。

[关键词]高技术产业;产学研协同创新;两阶段共享投入DEA;动态效率分析

[中图分类号]F124.3[文献标识码]A[文章编号]1673-0461（2021）03-0025-09

一、引 言

高技术产业作为知识、技术及创新要素密集的战略性新兴产业，已经成为增强国家经济核心竞争力新的增长点，而技术创新是保证其稳定、持续发展的关键要素。技术创新的高风险性、不确定性等特点使得产学研协同创新成为其实现的首要选择。

产学研协同创新是以实现技术创新为目的，由高校、科研机构、企业等创新主体形成资源共享、风险共担、协同合作的创新模式。近几年，中国各大城市相继成立了高新技术产业园等创新型产业集群来发展高技术产业，这些产业园的主要任务就是进行产学研协同创新。随着国家对产业园培育和发展的重视，园区协同创新能力逐渐增强，高技术产业发展迅速，在2019年，全球竞争力指数中国排名第28名，为金砖国家之首，其中创新能力排名第24位[1]，然而，中国高技术产业仍然存在行业发展失衡的现象，各行业产学研协同创新效率还依然存在很大的上升空间。

产学研协同创新开始于Schumpter提出的创新理论，之后许多学者相继追随，创新研究的内涵不断完善，20世纪80年代，随着新兴产业的大量兴起，加强产学研结合，提高高技术产业创新效率成为学者们研究的焦点。学者们证实了协同创新可以提高创新效率，但根据产业特征的不同，会呈现出不同的影响程度[2]，因此，不同行业进行协同创新提高创新效率需要不同的政策引导和管理机制，本文将基于行业的差异性，通过面板数据来测度高技术产业的产学研协同创新效率并进行分析，进而得到提高各行业产学研协同创新效率的政策建议。

随机前沿生产函数（SFA）和数据包络分析（DEA）是目前学术界进行高技术产业创新效率测度最广泛的方法。DEA模型在多投入多产出指标效率测算上具有明显优势，更适合于研究技术创新这样的多投入多产出的复杂过程，更多的学者选择Charnes等（1978）提出的非参数评价相对效率的DEA方法来测度技术创新效率[3]。之后，学者们在此基础上根据实际应用中的不同视角对DEA模型进行了扩展，相继提出了两阶段DEA[4]、网络DEA模型[5]、三阶段DEA[6]、交叉效率DEA[7]、共享投入关联两阶段DEA[8-9]、资源约束两阶段DEA[10]、共享回馈两阶段DEA[11]等。随着对DEA模型的优化改进，学者们对高技术产业创新效率的实证研究热度不减，他们不再将高技术产业创新过程看作一个整体分析其投入产出，而是更偏向于将其划分为两个阶段（技术研发阶段和成果转化阶段）来应用DEA分析[2，8]，以便能更细致地掌握各个阶段中间的指标信息，更深入地探寻高技术产业资源投入不均、转化率低等问题的影响因素。叶锐等（2012）使用了Kao & Hwang（2008）[4]以及陈凯华和官建成（2011）[9]提出的共享投入关联两阶段DEA模型测算了省际高技术产业创新效率，也得到了初始投入配置和两阶段间的转化信息[12]。冯志军和陈伟（2014）在考虑了两个阶段关联关系的同时又考虑了初始投入配置，构建出了两阶段资源约束型DEA模型，测算了高技术产业所有行业的效率[10]。之后，随着创新网络型模式的提出，学者们将关注点聚焦在了两阶段间转化信息的实际处理，马建峰和何枫（2014）加入了自由中间产出的考量[13]，陈莹文等（2018）综合共享投入、自由中间产出、中间投入等因素改进了两阶段DEA，测算了省际高技术产业创新效率[14]。范德成和李盛楠（2019）兼顾初始投入的分配和第二阶段的再次投入（如：产品开发费用）构建了共享投入关联DEA，测度了30个省份的高技术产业创新绩效[15]。朱钰等（2020）充分考虑了第二阶段的产出按一定的概率回馈给两阶段的变量信息，提出了共享回馈两阶段DEA模型，并使用该模型测算了省际间高技术产业创新效率[11]。学者们都从测度的效率分析得到了更有针对性的管理措施。

纵观大量文献可以得到，共享投入關联两阶段DEA模型更符合高技术产业技术创新过程，更适合于分析高技术产业创新效率研究，已有文献中用此方法研究创新效率的文章较多，但基于产学研协同创新的视角测度创新效率的文献较少;已有文献中分析省域的样本较多，但分析行业的研究较少。本文通过建立一套较为系统的两阶段高技术产业产学研协同创新效率评价体系，综合考虑初始投入的配置、中间投入产出等因素，构建改进后的共享投入关联两阶段DEA模型，并对中国高技术产业5大类15个子行业的2013—2016年产学研协同创新效率进行测度和动态分析，为高技术产业不同行业的平衡发展提供了提升协同创新效率的管理启示。

二、研究设计与方法

（一）研究变量与测度

通过查阅大量文献，在前人对产学研效率评价和高技术产业创新效率研究的基础上[16-27]，考虑数据的可获性和易得性，归纳得出了我国高技术产业产学研协同创新效率评价的指标体系（见表1）。

产学研协同创新的整个过程从创新价值链视角划分为技术研发阶段和成果转化阶段。在针对产学研协同创新效率评价指标上，近几年才开始使用两阶段DEA方法研究，初始投入主要包括R&D活动的人员和经费，中间产出多是专利和论文，最终产出以经济利益为主;而针对高技术产业产学研协同创新效率评价指标采用两阶段DEA方法考虑中间指标的研究还处于空白，本文将一定程度上弥补高技术产业产学研协同创新效率现有研究的不足。目前的《中国科技统计年鉴》和《中国高技术统计年鉴》提供的科研活动数据来说，高等学校和研发机构的R&D数据多是按照学科和地区进行分组的，高技术产业的R&D数据多是按照行业和地区进行分组的，因此高技术产业、高校和研发机构之间的R&D数据是割裂开的。为了解决这一数据割裂的缺陷，本文借鉴了魏守华等的做法[24]，将高校和研发机构按学科划分的数据分类整理进高技术产业的各类行业及其子行业，构建与高技术产业各子行业相对应的R&D数据，从而解决数据割裂问题。在指标的确定上，本文考虑数据的可获得性和学者们的已有研究，从产学研协同创新的视角，初步构建了高技术产业产学研协同创新效率评价指标体系（见表1），各个指标的含义如下。

第一，产学研协作能力。在该指标下共有6个二级指标，分别是从企业、高校和研发机构3个主体考虑的。本文在参考相关文献后，认为在企业方面，企业R&D经费支出（包括R&D经费内部和外部支出）和R&D人员投入（用R&D人员全时当量来测量）在一定程度上可以代表企业参与产学研协同创新的能力和水平。

第二，产学研联系能力。在该指标下共有4个二级指标，用来衡量企业分别于高校、研发机构在人员和项目上的交流程度。高技术产业产学研协同创新是各参与主体共同合作实现创新的过程，需要各个主体的相互合作和交流。就一项产学研协同创新活动而言，知识扩散、成果转化与技术研发同等重要。高校、研发机构等主要的创新主体提供的科研成果仍然需要企业参与来实现科研成果的经济和社会效益。因此本文借鉴了魏守华等的处理方式来表示企业与高校、研发机构的项目交互作用和人员交流作用[24]来衡量产学研联系能力。

第三，中间产出、专有投入和最终产出。对于产学研的中间产出，国内外学者偏重于专利、论文等相关指标，对于最终产出，多是以经济效益为主。本文对产学研的中间产出也是从产学研三方考虑的，限于数据收集的难度，在企业方面，以专利申请数和新产品开发项目数作为技术研发阶段的产出;高校、研发机构方面，以R&D项目数作为双方技术研发阶段产出。此外，对于高技术产业的成果转化阶段，即科技创新成果向经济产出转化的阶段，新产品的开发还需要专门的投入，故而引入了新产品开发支出作为成果转化阶段的专有投入。

（二）研究方法与模型

1.两阶段创新效率测度分析框架

结合表1的指标体系，改进高技术产业产学研协同创新两阶段创新效率测度的分析框架[2]，如图1所示。

2.共享投入关联DEA模型

传统的DEA模型将产学研活动视作一个黑箱系统，没有考虑产学研协作创新活动的阶段性和初

始投入资源共享性的特征，从而无法准确得到产学研协作创新中各个子系统对整个创新系统的影响，从而不能较为准确地判断效率损失的原因。

本文采用在陈凯华和官建华提出共享投入关联模型的基础上改进的DEA模型，对我国高技术产业产学研协同创新效率进行评价[8]。由于考虑到现实情况下，规模效率不变的状态是难以实现的，即如果采用CCR模型的话，会与实际情况产生差异，因此采用了假定规模报酬可变的VRS模型。

模型测算的效率值和文中所说的创新效率均为纯技术效率，即生产活动中的投入要素在使用上的效率。此外，本文中的阶段效率，即模型中测算的技术研发效率值和成果转化效率值。本文测算的效率值都在[0，1]区间之中，当效率值为1时，DMU有效;否则，DMU无效。其中技术无效值用“1-效率值”测算，效率值越高，无效值越低，存在的资源浪费也就越多。

则技术研发阶段的投入和产出分别为：

由公式（4）可测算出创新效率，对于初始投入在两个阶段分配比例的确定，部分学者采用的方法为：针对研究对象的实际情况，给出一个分配比例的取值范围，然后在给定αi初始值的前提下，以一定步长对分配比例进行遍历，并记下效率最优的分配比例，而后采用逐步迭代的方式，直到最后几轮所得的分配比例差距最小时，结束迭代，得到最终的数值。然而该方法存在一定的局限性：分配比例的取值范围取决于研究者的主观想法。因而本文采用了简介求解的方式：由于π1i=V1iαi，π2i=V2iαi，故而可在使用MATLAB编程求解出πi和Vi之后，得到αi。然而根据公式（5）和（6）计算出两阶段的阶段效率值。

三、实证分析

（一）数据收集及处理

本文原始数据来源于《中国科技统计年鉴》《中国高技术产业统计年鉴》，相关统计分析基于MATLAB（R2018b）软件编程对所选2013—2016年的数据进行连续4期的协同创新效率进行测算。

由于投入和产出存在滞后性，首先进行滞后期的选择。张煊、孙跃认为科技创新活动从投入到產出一般要经过1—4年的滞后期[18]，姜彤彤、吴修国在参考相关文献设定滞后期为1年[26]，宇文晶等人通过采用格兰杰因果检验方法得出创新活动两阶段分别滞后1年，整体滞后2年[27]。综合已有文献和问卷调查，本文滞后期设置为研发和转化阶段1年，整体为2年。因此，2011—2014年为投入指标的数据，2012—2015年为中间产出的数据，最终产出的数据为2013—2016年，则得到4个评价期：2011—2013年为第一期、2012—2014年为第二期、2013—2015年为第三期以及2014—2016年为第四期。

（二）高技术产业产学研协同创新效率的DEA分析

1.整体分析

依据共享投入关联DEA模型计算出我国高技术产业产学研创新效率较高，均值为0.81，高技术产业5类行业和15个子行业在4个评价期内子阶段和整体协同创新效率均值，如表2所示。

由表2可知，整体协同创新效率最高的子行业是：化学药品制造、中成药制造、航天器制造、办公设备制造以及电子计算机整机制造的效率值均为1。飞机制造及修理和仪器仪表制造分别为0.64和0.72，效率值最低，这两个行业在协同创新效率上与其他行业有较大差距。电子器件制造、电子元件制造、仪器仪表制造和雷达及配套设备制造，这4个子行业技术研发阶段效率值大于成果转化阶段效率值，其他行业均是成果转化阶段效率值大于技术研发阶段效率值。整体上来看，产学研协同创新的效率在技术含量较高的行业较低，以突破关键技术及核心技术为目的的协同创新应进一步加强和深化。

2.创新效率的发展变化

为了更好地分析高技术产业的发展变化情况，将协同创新效率值依据取值范围分为（0，0.8]、（0.8，0.9]、（0.9，1）、1共4个区间段，据此对高技术产业子行业评价期内协同创新效率值的分析进行整理（如表3所示）。

依据表3中高技术产业各子行业在各个区间的分布数量可以得出高技术产业15个子行业在4个区间内的分布比例图（见图2）。显而易见，15个子行业在评价期内的产学研协同创新效率值并无较大差异。

第一期中，效率值為1的有6个子行业，在区间（0，0.8]和（0.9，1]中各有4个子行业，高技术产业产学研协同创新效率值相对集中于1。

第二期中，效率值为1的有8个子行业，在区间（0，0.8]中有4个子行业，在（0.9，1]中有两个子行业，高技术产业产学研协同创新效率值相对集中于1。

第三期中，效率值为1的有8个子行业，在区间（0，0.8]中有4个子行业，在（0.8，0.9]中有两个子行业，高技术产业产学研协同创新效率值相对集中于1。

第四期中，效率值为1的有8个子行业，在区间（0，0.8]中有4个子行业，在（0.9，1）中有两个子行业，高技术产业产学研协同创新效率值相对集中于1。

综上，效率值为1的子行业数在各期中均占有较大比重;效率值为（0，0.8]的子行业数在各期中均为4，所占比重较为稳定;而效率值为（0.9，1）的子行业在各期中占比变化较大，第一期最高，第三期最低;效率值为（0.8，0.9]的子行业数在各期占比较低，在第三期占比相对较高。由此可以看出我国高技术产业大部分子行业的产学研协同创新活动为有效，而效率值低于0.8的子行业约占27%，且较为稳定。

3.阶段效率发展变化

4个时期两个阶段的效率均值、效率值为1的子行业个数、阶段效率值与均值之间的关系具体如表4所示，技术开发阶段的效率整体趋势为下降状态，而成果转化的效率呈现上升趋势，且达到高于均值和技术开发阶段效率值的态势。

对于5大类行业而言，两个阶段在4个评价期的效率值如表5所示。

由表5可知：

就医药制造业（MPPI）来看，创新效率和两阶段效率在评价期内多低于整体均值0.81（整体均值为本节整体分析中得到的我国高技术产业产学研创新效率），且成果转化效率在4个评价期内多低于技术开发效率，成果转化效率是该类行业创新效率的缺陷，一直没有明显的上升趋势，技术研发效率还呈现下降趋势。如图3所示。

就航空航天制造业（AAMI）来看，创新效率和两阶段的效率显著低于整体均值0.81，且技术研发效率在4个评价期内远低于成果转化效率，技术研发成为该行业协同创新的短板，如图4所示。

就电子计算机及办公设备制造业（ECOEI）来看，在4个评价期内创新效率和两阶段的效率显著高于整体均值0.81，且技术研发效率略低于成果转化效率，如图5所示，技术研发是该行业提升协同创新效率的重要改进方向。

就医疗设备及仪器仪表制造业（MTIMI）来看，在4个评价期内技术研发效率多高于整体均值0.81，成果转化效率则多低于整体均值0.81，且技术研发效率在4个评价期内均高于成果转化效率，如图6所示，成果转化阶段是该类行业的不足之处。

四、研究结论与启示

本文设计了一套两阶段高技术产业产学研协同创新效率评价体系，对中国高技术产业进行分行业测算，得到各行业4个评价期技术研发阶段、成果转化阶段、整体的协同创新效率值，结合结果分析，得到如下研究结论与管理启示。

第一，医药制造业（MPPI）产学研协同创新效率整体处于稳定状态，其中成果转化效率多低于技术研发效率，且多年来没有明显的增长趋势，提高成果转化效率是提高医药制造业创新效率的关键。

除了加强产学研协同创新和提高协同创新的能力，应将改善医药制造业的支撑环境作为提高创新效率的重点，如改善、健全科技中介、科技金融服务体系，出台相关的政策和优惠措施，这些将重点提高医药制造业的成果转化能力，从而提高整体的协同创新绩效。

第二，航空航天器制造业（AAMI）产学研协同创新效率4期期间均低于平均水平，技术研发效率比成果转化效率明显低很多，多年来没有改善，这也是由该行业技术开发难度大、市场相对稳定决定的。

该行业应在技术研发阶段更注重产学研协同创新，一方面对管理层进行开放式创新的培训，提高思想认识，加强协同创新下管理方式、机制的系统学习;另一方面对于协同创新各主体利益的协调与激励完善相应的规章制度，从而促进产学研协同研发，提高技术研发效率。

第三，电子计算机及办公设备制造业（ECOEI）和电子及通信设备制造业（ECEI）产学研协同创新效率相对较高并保持稳定。技术研发效率和成果转化效率也明显较高，在近几年已经达到很高的效率。从事这两个行业的企业大多为中小型，要寻求发展，产学研协同创新是它们的首要选择，管理机制灵活、开发技术难度不大、产品更新换代较快、足够的协同创新内驱力是这两个行业协同创新保持较高效率值的行业属性。

对于这两类行业，应从大环境给予产学研协同创新活动以保护，使其稳定、持续的发展，完善各区域高技术产业园区健康有序的管理，加强技术转移管理人才的培养，为两个行业产学研协同创新提供良好的技术研发和成果转化的软硬件环境。

第四，医疗设备及仪器仪表制造业（MTIMI）产学研创新效率整体稳定，技术研发效率明显高于成果转化效率。政府的大力支持、逐渐增多的研发投入、相对完善的激励制度、广阔的市场前景、激烈的行业内竞争等都促进了该行业的技术研发效率，但由于其研发成果的精准性、创新性不足等因素导致其成果转化效率较低。

该行业应优化投入资源，聚焦市场需求。以企业需求为导向进行研发活动，提高研发成果的质量，加强知识产权保护，为成果转化创造一切条件，从而提高成果转化效率。

高技术产业各大行业由于行业特性和发展环境的不同，行业之间存在很大的差异性，基于两阶段共享投入DEA方法分别对5大行业进行效率分析、并提出提高产学研协同创新效率的建议。5大行业中15个小行业之间也存在差异性，以后将对细分小行业的产学研创新效率做进一步研究和探索。

[参考文献]

[1]世界经济论坛（2019）.世界经济论坛《全球竞争力报告》发布[EB/OL].https：//www.weforum.org/reports/global-competitiveness-report-2019.

[2]LEE J，KIM C，CHOI G.The effect of external R&D on the innovation efficiency：an empirical study of manufacturing industries in Korea[J].Journal of society of Korea industrial and systems engineering，2016，39（4）：125-136.

[3]CHARNES A，COOPER W W，RHODES E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（6）：429-444.

[4]KAO C，HWANG S N.Efficiency decomposition in two-stage data development analysis：an application to non-life insurance ompanies in Taiwan[J].European journal of operational research，2008（185）：418-429.

[5]YU M M，LIN E T.Efficiency and effectiveness in railway performance using a multi-activity network DEA model[J].Omega，2008（36）：1005-1017.

[6]李洪偉，任娜，陶敏，等.基于三阶段DEA的我国高新技术产业投入产出效率分析[J].中国管理科学，2012，20（S1）：126-131.

[7]梁樑，吴杰.数据包络分析（DEA）的交叉效率研究进展与展望[J].中国科学技术大学学报，2013，43（11）：941-947.

[8]GUAN J，CHEN K.Measuring the innovation production process：a cross-region empirical study of China's high-tech innovations[J].Technovation，2010，30（5-6）：348-358.

[9]陈凯华，官建成.共享投入型关联两阶段生产系统的网络DEA效率测度与分解[J].系统工程理论与实践，2011，31（7）：1211-1221.

[10]冯志军，陈伟.中国高技术产业研发创新效率研究——基于资源约束型两阶段DEA模型的新视角[J].系统工程理论与实践，2014，34（5）：1202-1212.

[11]朱钰，杨锋，江利景，等.基于共享回馈DEA模型的中国省际高技术产业创新效率研究[J].控制与决策，2020，35（8）：1997-2005.

[12]叶锐，杨建飞，常云昆.中国省际高技术产业效率测度与分解——基于共享投入关联DEA模型[J].数量经济技术经济研究，2012，29（7）：3-17，91.

[13]马建峰，何枫.包含共享投入与自由中间产出的技术创新两阶段DEA效率评价[J].系统工程，2014，32（1）：1-9.

[14]陈莹文，王美强，陈银银，等.基于改进两阶段DEA的中国高技术产业研发创新效率研究[J].软科学，2018，32（9）：14-18.

[15]范德成，李盛楠.区域高技术产业技术创新效率测度与提升路径研究——基于共享投入关联型两阶段DEA模型[J].运筹与管理，2019，28（5）：156-165.

[16]SUH Y，KIM M S.Effects of SME collaboration on R&D in the service sector in open innovation[J].Innovation：management，policy and practice，2012，14（3）：349-362.

[17]樊霞，赵丹萍，何悦.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，2012（2）：33-39.

[18]张煊，孙跃.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，2014（6）：59-66.

[19]陈光华，王建冬，杨国梁.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，2014，32（2）：9-12.

[20]庄涛，吴洪，胡春.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[J].财贸研究，2015（1）：55-60.

[21]GUAN J，ZUO K，CHEN K，et al.Does country-level R&D efficiency benefit from the collaboration network structure？[J].Research policy，2016，45（4）：770-784.

[22]黄菁菁.产学研协同创新效率及其影响因素研究[J].软科学，2017（5）：38-42.

[23]钟鸣长.基于两阶段共同边界DEA的产学研协同创新效率研究[J].江南大学学报（人文社会科学版），2018（1）：93-100.

[24]魏守华，王英茹，汤丹宁.产学研合作对中国高技术产业创新绩效的影响[J].经济管理，2013（5）：19-30.

[25]封伟毅，张肃.产学研合作对高技术企业创新绩效的影响——基于中国2006～2015年数据的实证分析[J].工业技术经济，2017（7）：150-155.

[26]姜彤彤，吴修国.产学研协同创新效率评价及影响因素分析[J].统计与决策，2017（14）：72-75.

[27]宇文晶，马丽华，李海霞.基于两阶段串联DEA的区域高技术产业创新效率及影响因素研究[J].研究与发展管理，2015（3）：137-146.

（责任编辑：李 萌）