高校双元创新与科技创新效率

高擎　何枫　吕泉

摘 要：经济发展方式的转变对高校的科技创新提出了更高的要求，如何协调双元创新行为成为学者关注的焦点。现有研究关于高校双元创新之间的关系没有形成统一认识，未能揭示二者关系的变化对高校科技创新效率的影响机制。本文以我国部属高校为研究对象，探讨并实证检验了科学研究和知识转移这对双元创新之间的关系，结果表明：第一，科学研究与知识转移效率呈倒U型关系;第二，高校双元创新之间存在动态关系，往期的知识转移效率对当期科学研究效率具有负向影响;第三，高校科学研究与知识转移的相对平衡会促进科技创新效率的提升。

关键词：科学研究;知识转移;双元创新;科技创新效率

中图分类号：G644文献标识码：A文章编号：1003-5192（2021）03-0076-07doi：10.11847/fj.40.3.76

Ambidextrous Innovation and S&T Innovation Efficiency in Chinese University

——Based on the Ambidextrous Innovation Theory

GAO Qing1， HE Feng1，2， LV Quan1

（1.School of Economics and Management， University of Science and Technology Beijing， Beijing 100083， China; 2.School of Economics and Management， Hubei Normal University， Huangshi 435002， China）

Abstract：The transformation of economic development pattern puts forward higher requirements for scientific and technological innovation in universities， how to coordinate the two pillars of ambidexterity in universities have aroused scholars great attention. In previous research， unified cognition has not been formed in the relationship between the two pillars， and the impact of this relationship on S&T innovation efficiency in universities has not been examined. Based on Chinese key universities， this research explores and tests the relationship between the two pillars of ambidexterity—research and knowledge transfer. The main findings are as follows： first， there is an “inverted U-type” relationship between research and knowledge transfer efficiency; second， the dynamic interlinkage between the two pillars of ambidexterity has been also examined， it indicates that past knowledge transfer efficiency has a negative impact on research efficiency. Third， the relative balance between research and knowledge transfer has a positive impact on S&T innovation efficiency in universities.Key words：research; knowledge transfer; ambidextrous innovation; S&T innovation efficiency

1 引言

科技創新尤其是前沿科技的发展是一个国家的核心竞争力，如今各国的科技投入在迅速增长，诸多国家在科技领域展开了激烈的竞争。随着我国政府财政科技投入的不断提高和实施的一系列科技发展计划，我国科技水平实现了较大发展。2015年全球R&D经费支出总和约为20000亿美元，美国以4960亿美元居于世界首位，约占全球总额的26%;中国以4080亿美元，位居世界第二，占全球总额的21%。虽然我国R&D经费投入在追赶美国，但在基础研究领域差距明显。2015年我国高校基础研究经费为104.01亿美元，而美国为377.08亿美元，这形成了鲜明对比。同时，在科技成果收益方面，我国高校的表现也不理想。从2012年到2016年，我国高校科技经费支出增长了1.36倍，而单个专利交易额不增反降，是5年前的69%。以科技创新推动经济高质量发展，不仅在于加大科技资源投入力度，更取决于提升科技创新效率。

双元性创新是指企业要同时兼顾探索式创新和利用式创新，“双元性”这一概念来源于组织学习的研究，后来被广泛应用于组织战略、创业和创新管理等领域[1]。在复杂多变的国际环境中，为了保持本国的科技竞争力，高校一方面需要进行科学研究，不断探索新的知识以跟进最新科技前沿，另一方面又需要进行知识转移，积极利用并转化已有理论成果以实现经济高质量发展，这些活动构成了高校的双元性创新。这两种创新行为往往互相竞争高校内部有限的资源，对组织管理具有不同的要求。高校的科学研究和知识转移是相互促进还是相互抑制，高校应该如何处理二者之间的复杂关系，这些引起了学术界的广泛关注。一些研究认为高校科学研究和知识转移是相互制约的[2，3]，另一些研究认为，知识转移和科学研究之间是相互促进的[4]，还有学者发现高校科学研究和技术转移效率之间可能存在非线性关系[5]。

由此可知，现有研究关于高校双元创新之间的关系没有形成统一认识，对其中的机理尚不明晰。与以往研究不同，本文将通过以下工作来尝试弥补相关研究缺口：首先，基于静态和动态两个层面，从效率的角度深入分析高校双元性创新的发展规律;其次，进一步探究双元创新之间的关系变化对高校科技创新效率的影响机制。研究结论期望有助于我国高校科學研究和知识转移的统筹规划以及科技创新的可持续发展。

2 理论基础与研究假设

在创新研究领域，企业创新可以分为探索式创新和利用式创新两种类型，二者之间往往是相互冲突的。探索式创新是指企业依靠新知识和新技术来开发新产品和服务，旨在迎合新市场和新客户，它对于企业长期发展至关重要;利用式创新是指企业通过深入挖掘已有知识，对现有技术、产品和服务进行强化和改进，旨在满足既有市场和顾客的需求，此类创新活动有利于企业短期的生存[6]。由于这两类创新活动是相互冲突的，对组织结构和组织能力具有不同的要求，需要企业进行权衡和选择。

高校创新同样具有上述相似的特性，有学者认为，科学研究和知识转移也具有竞争的关系，二者通过组合和共存的方式共同构成了高校的双元性创新[7]。高校探索式创新既是一种原始性创新也是一种突破性创新，它是指通过理论研究和科学实验探索事物本质规律，或者运用科学理论探索科技前沿、解决重大科技难题;高校探索式创新本质上是理论知识创造和积累的过程，旨在提高理论知识存量和质量，最终形成核心知识优势;这种创新方式具体表现为高校的基础研究和应用基础研究，即科学研究。高校利用式创新是指基于已有知识成果，通过引进、消化、吸收、再创新或集成创新的方式，进行知识聚合、知识重组和知识激活，从而实现理论知识向技术知识的转化;它本质上是知识形态和知识价值的进化，旨在将知识以有形和无形的方式（例如技术成果、实践理论和方法）进行存储和传递;这种创新方式具体表现为基于理论知识进行自主创新或基于已有应用研究进行跟踪模仿，从而实现技术的应用及推广，即知识转移。

高校双元创新之间存在一定的资源分配张力，二者之间的关系变化决定了高校科技创新效率。一味地强调科学研究会增加不确定性和创新成本，反而会降低创新稳定性，而一味地注重知识转移会使高校脱离研究前沿，压缩自由探索的空间，造成变革能力僵化，进而减弱创新柔性，高校热衷于任何一方都会陷入“能力陷阱”。

基于适应性地形分析思想[8]，高校双元创新与科技创新效率之间的关系可以用创新适应性地形来表示，分为平衡区和两侧的不平衡区。如果科学研究和知识转移以不规则的形态发展，则形成了滑坡地段，此时高校科技创新处于不稳定状态，效率会随着不规则幅度的加大而下降，此地段为不平衡区域;若二者调整为以规则的形态协调发展，则高校会从两侧地段跨入高峰地形，其科技创新效率会随着双元创新的有机组合而提升，此处为平衡区域。

2.1 高校探索式创新与利用式创新的静态关系

双元创新理论认为，探索式创新与利用式创新处于协调状态时，彼此活动的共性创造了信息交换的基础。在信息交换的过程中，资源配置过程变得平稳，二者获得了互补性的资源，来自探索式创新的知识可以激发利用式创新[9]。然而，这些条件成立的前提是协调程度要保持适度。研究者发现高校双元创新行为同样具有类似的关系，即高校科学研究可以促进知识转移效率的提升，但超过一定临界值时，彼此会相互制约[5]。这是因为，如同企业一样，高校的双元创新行为会竞争组织内部有限的资源，从而引发矛盾[7]。具体而言，当高校科学研究规模处于适当范围内时，一方面科学研究可以提供部分较为成熟的技术成果，另一方面，由于资源冲突较小，资源的合理分配可以加快高校科技成果的转化，进而提升知识转移效率。当科学研究规模较大时，越来越多的阶段性技术成果待于进一步开发和孵化，短期内无法满足企业需求。同时，科学研究占用的资源不断增加，相应资源的短缺会影响科技成果的推广和应用。因此，本文提出如下假设：

H1 高校科学研究与知识转移效率存在倒“U”型关系。

2.2 高校探索式创新与利用式创新的动态关系

在当下一系列科技成果转化政策的驱动下，我国高校致力于加快科技成果转化，努力提高知识转移效率。然而，这些过度的激励可能会导致许多高校的科学研究偏离传统学术研究方向，科研人员会将更多精力转向技术的商业化[10]。具体而言，高校科研人员会同时受到来自学术的“弱激励”和来自成果转化的“强激励”，在理性的驱使下，他们会在满足高校基本考核的前提下尽可能多地投入到应用开发性研究中，实现自身商业化收益的最大化。这样的行为会导致当前的创新和未来的创新都充满风险[10]。根据路径依赖理论，由于规模经济、学习效应、协调效应以及适应性预期等因素的存在，组织的利用式创新行为将沿着既定的方向不断自我强化[8]。不仅是企业，高校的创新活动同样具有路径依赖性[7]。高校对阶段性技术成果进行改进和提升，有利于其短期绩效的稳定增加，这样会导致其以后的行为也会习惯于甚至热衷于知识转移活动，进而排斥学术研究，这样会不利于高校科学研究效率的提升。因此，本文提出如下假设：

H2 高校往期的知识转移效率对其当期的科学研究效率具有抑制作用。

2.3 高校双元创新与科技创新效率的关系

正如上述所说，高校的科学研究和知识转移都会受到路径依赖的影响，二者都具有自我重复和自我强化的性质。科学研究是对新知识和新技术的探索，具有长期的社会经济价值。高校专注于科学研究尤其是基础研究，可以推进知识前沿，引领技术变革，为科技创新提供稳定的支撑。但是，学术研究更加着眼于未来，不确定性较高。过于强调学术研究可能会出现“探索失败引发更多的尝试，进而出现更多的失败”的局面，从而导致高校进入“创新陷阱”[11]，这样会消耗大量的资源，阻碍高校科技创新效率的提升。作为科技创新的末端环节，高校知识转移可以促进技术成果的推广和应用，实现一定的经济效益。如果过多地强调利用式创新、热衷于知识转移和技术转移，会不利于形成高质量的学术成果，导致科技创新缺乏持续动力，使得高校进入一种短期的次优状态。总而言之，高校知识转移关注当下的经济效益，科学研究注重长远发展，这两种行为会竞争高校有限的资源。同时保证二者之间的同步性和独立性会有利于高校科技创新的高质量发展。因此，本文提出如下假设：

H3 科学研究和知识转移之间的平衡会促进高校科技创新效率的提升。

综合以上分析，本文的理论模型如图1所示。

3 研究设计

3.1 样本选择与数据来源

本文以2002～2016年为研究区间，以我国重点高校为研究對象，对以上假设进行实证检验。科技创新的投入与产出具有时滞性，根据相关文献的做法[12，13]，本文采用5年数据的平均值来计算效率。沿用Sengupta和Ray[7]的做法，本文将5年作为一个周期对所有变量的数据进行均值处理，分别将2002～2006年、2007～2011年以及2012～2016年的平均值作为三期面板数据。因其他一些省属的双一流高校数据无法获得，故本文最终选取我国教育部和工信部直属的66所重点高校作为研究样本，指标数据来源于《高等学校科技统计资料汇编》。

3.2 变量测量

变量测量和指标选取均来源于被相关研究广泛使用的研究方法，以确保研究数据的有效性。

3.2.1 高校科技创新效率

本文所探讨的科技创新涵盖了从研发到技术转化的多个过程，依据相关文献的研究[7，13～15]，这一过程可以划分为科学研究和知识转移两个阶段，相应的投入产出指标也遵循已有研究的做法进行选取。如图2所示本文选取的投入产出指标如下：

在科学研究阶段，需要投入大量的科研人员和资金进行研发从而创造理论知识，科研投入通常选取研究与发展经费和研究与发展全时人员两种投入指标（X1）[16，17];对于这一阶段的产出而言，论文被认为是学术研究成果的突出体现[7，14，18]，因此选取国外论文（Y1）作为该阶段的直接产出。专利则是阶段性技术成果的主要形式，依据相关文献，选取专利申请数和专利授权数（Z）作为该阶段的间接产出和下一阶段的中间投入[13，16，19]。

在知识转移阶段，需要对阶段性成果进行应用及推广，从而实现价值增值和转化，在这一过程中，会伴有研究与发展应用活动和科技服务活动，这些活动的目的是解决在成果转化中遇到的问题并提供相关服务与支持，遵循相关文献的做法，该阶段的投入指标选取研究与发展应用以及科技服务全时人员和经费支出两种投入（X2）[14，20]。高校知识转移具有多种形式，包括技术转移、咨询、人员交流、孵化器服务等，限于相关数据的统计缺失，本文同样遵循大多文献的做法，选取技术转让合同数和实际收入作为第二阶段的两种产出（Y2）[14，16，17，21]。

本文在Wu等[22]提出的两阶段DEA模型的基础之上对高校科技创新效率（EF）、科学研究效率（RE）和知识转移效率（TE）进行测算。假设有n个决策单元DMUj，第一阶段有m1个投入X1，t1个产出Y1，h个中间产出Z。第二阶段包括m2个投入X2，h个中间投入Z，t2个产出Y2。那么决策单元d的两阶段科技创新效率（EF）计算如下

EF=max∑t1r=1φ1rdy1rd+∑t2r=1φ2rdy2rd

s.t.∑t1r=1φ1rdy1rj+∑t2r=1φ2rdy2rj-∑m1i=11idx1ij-∑m2i=12idx2ij0

∑t1r=1φ1rdy1rj+∑o1q=1ψqdzqj-∑m1i=11idx1ij0

∑t2r=1φ2rdy2rj-∑m2i=12idx2ij-

∑o1q=1ψqdzqj0

∑m1i=11idx1id+∑m2i=12idx2id=1

∑m1i=11idx1id=α（1+∑o1q=1ψqdzqd），α∈（0，1）

1id，2id，φ1rd，φ2rd，ψqd0， j=1，…，n（1）

在满足（1）式的前提下，科学研究效率（RE）计算如下

RE=max∑t1r=1φ1rdy1rd+∑o1q=1ψqdzqd

s.t.∑t1r=1φ1rdy1rj+∑o1q=1ψqdzqj-∑m1i=11idx1ij0

∑m1i=11idx1id=α（1+∑o1q=1ψqdzqd）

1id，φ1rd，ψqd0， j=1，…，n（2）

在满足（1）式的前提下，知识转移效率（TE）计算如下

TE=max∑t2r=1φ2rdy2rd

s.t.∑t2r=1φ2rdy2rj-∑m2i=12idx2ij-

∑o1q=1ψqdzqj0

∑m2i=12idx2id=1-α（1+∑o1q=1ψqdzqd）

2id，φ2rd，ψqd0， j=1，…，n（3）

3.2.2 高校双元创新

高校双元创新可分为科学研究（探索式创新）和知识转移（利用式创新）两种创新行为。学术成果是科学研究中的直接产出和主要成果，学者通常选取科技论文作为科学研究产出的替代指标。这是因为，虽然不能完全以论文来评价和衡量一所高校的科研水平，但科技论文较好地体现了高校在基础研究和应用研究中取得的成果以及高校的科研能力，因此，依据已有文献的做法，本文中的科学研究产出（SR）由科技论文来衡量[7，14]。同时，由上述模型可知，科学研究效率（RE）由（2）式计算，知识转移效率（TE）由（3）式计算。在高校双元创新平衡程度（BL）的测度方面，以两种创新行为强度的比值来衡量，即科技论文数与专利授权数的比值。

3.2.3 控制变量

（1）高校规模（Staff）：由参与高校科技活动的教师人数来衡量。（2）研究生规模（Gra）：由参与科技活动的研究生人数来衡量。（3）经费规模（Fund）：由高校所得科技经费拨款数额来衡量。（4）高校声誉（Prj）：该变量为虚拟变量，参照Sengupta和Ray[7]的做法，本文将高校是否为“985”高校来表示其声誉，若是则为1，否则为0。（5）建校历史（Age）：高校成立的时间。

3.3 模型设计

本文将构建3个实证模型分别对上述3个假设进行验证。该组模型中的被解释变量均为受限变量，同时，限于数据的可得性，模型共包含了66个样本和三期面板数据，采用Tobit模型进行实证分析。为消除模型中的异方差并减轻时间序列趋势，本文对相关的解释变量和控制变量取自然对数。本文的实证模型形式如下

TEi，t=β0+β1lnSRi，t+β2（lnSRi，t）2+∑jβjZj，i，t+εi，t（4）

REi，t=α0+α1TEi，t-1+∑jαjZj，i，t+εi，t（5）

EFi，t=δ0+δ1BLi，t+δ2（BLi，t）2+∑jδjZj，i，t+εi，t（6）

其中i，t分别代表高校和时期，TE为由（3）式计算出的高校知识转移效率，SR为高校科学研究产出，RE为由（2）式计算出的高校科学研究效率，TEt-1为知识转移效率的一阶滞后项，EF为由（1）式计算出的高校科技创新效率，BL为高校双元创新平衡程度，Zj为控制变量，εit为扰动项。

4 实证分析

4.1 描述性统计与相关性检验

描述性统计结果显示，科学研究效率和知识转移效率均值分别为0.262和0.063，表明高校在探索式创新和利用式创新之间的表现具有较大差异，由此可见，考察高校双元创新行为之间的动态关系是有意义的。同时，在相关性检验中，科学研究产出和知识转移效率没有显著的关联关系（-0.057，p>0.1），知识转移效率与科学研究效率也没有显著的关联关系（-0.027，p>0.1），这表明这些变量之间可能存在更加复杂的关系，为本文中的假设提供了初步的证据，可以进行进一步的回归分析。

4.2 假设检验结果分析

在实证分析之前，本文对相关变量进行了多重共线性检验，在所有变量的方差膨胀因子（VIF）中，最大值为4.39，其余变量的VIF都小于2，这意味着模型中不存在多重共线性的问题。

本文利用软件Stata14.0对前文构造的计量模型进行估计，模型1、模型2和模型3分别对应本文中的3个假设，具体的回归结果见表1。模型1结果显示，科学研究产出的二次项系数显著为负（β=-0.007，p<0.1），表明高校科学研究与知识转移效率具有显著的倒“U”型关系，假设H1得到验证。这表明当科学研究规模较小时，高校科学研究对知识转移效率具有正向影响，但超过一定范围时，科学研究活动对资源的需求大幅增加，从而抑制了知识转移效率的提升。模型2的估计结果显示，前一期的知识转移效率对科学研究效率具有显著的负向影响（β=-0.147，p<0.1），假设H2得到验证。这表明积极进行知识转移会使得高校顺着利用式创新的路径一直延续，这将不利于高校未来科学研究效率的提升。模型3的结果显示，双元创新平衡度的一次项系数显著为正（β=0.062，p<0.01），其二次项系数显著为负（β=-0.004，p<0.05），这说明科学研究和知识转移的平衡程度与高校科技创新效率具有倒“U”型关系。倒“U”型曲线的顶端附近为平衡区，此时高校双元创新达到相对平衡的状态，其科技创新效率处于较高水平;若高校偏离这一状态则会步入不平衡区域，其科技创新效率开始下降。这表明高校科学研究和知识转移的相对平衡会促进科技创新效率的提升，回归结果支持了假设H3。

4.3 稳健性分析

为了提高结论的稳健性，本文采用替换变量衡量指标的方法进行稳健性检验，结果如表1中的模型4到模型7所示。在模型4中，本文采用基本的DEA-CCR模型对知识转移效率（TE）进行测量，所得回归结果与模型1的结果相似，知识转移效率的二次项系数仍然显著为负（β=-0.022，p<0.1），假设H1得到验证。为了进一步验证假设H2，本文在模型5和模型6中使用两个新指标来衡量科学研究效率（RE）。第一个指标（ER）：采用基本的DEA-CCR模型，投入包括人力和经费，产出为论文数，用来衡量高校学术研究效率;第二个指标（EP）：仍然采用基本的DEA-CCR模型，投入同上，产出为专利，用来衡量高校应用研究效率。可以看到，模型5中前一期的知识转移效率对学术研究效率具有显著的负向关系（β=-0.345，p<0.05），说明提高高校知识转移效率会降低未来学术研究效率。同时，由模型6可知，前一期的知识转移效率对应用研究效率的影响不显著（β=-0.097，p>0.1），这表明注重知识转移不会对高校的应用研究效率产生明显的影响。由此可见模型5和模型6的回归结果同样支持假设H2。在模型7中，本文用学术研究效率（ER）与应用研究效率（EP）的比值衡量高校双元创新的平衡程度（BL），回归结果显示双元创新平衡度的一次项系数显著为正（β=0.213，p<0.01），其二次项系数显著为负（β=-0.097，p<0.01），变量之间的关系性质并未发生根本性变化，同样支持假设H3。总之，以上检验分析结果与前文模型的估计结果基本相同，说明研究结论具有较强的稳健性。

5 结论与展望

5.1 研究结论

本文基于66所重点高校的面板数据，从效率角度探究了高校科学研究和知识转移这一对双元创新行为之间的关系，以及这一关系对高校科技创新效率的影响。研究发现：（1）高校科学研究与知识转移效率具有倒“U”型关系。这是因为，当科学研究规模处于适当范围内时，科学研究为知识转移提供了稳定的理论支撑，二者之间的交互为彼此创造了信息交换的基础，使得二者处于较为协调的状态，资源配置过程变得平稳，此时科学研究对知识转移效率具有正向作用。然而，原始性创新和前沿探索需要庞大的科技资源作为支撑，当科学研究超过一定界限时，高校会将更多的资源和精力用于前瞻性基础研究，从而打破了原先平稳的状态，使得知识转移效率降低。（2）强调提升当前知识转移效率将会损害高校未来的科学研究效率。知识转移效率的提升會使得高校在利用式创新中不断地自我强化，形成路径依赖，同时，商业化激励的影响也会打击高校科研人员对学术研究的积极性。在未来的研究中，他们会将更多精力用于技术的开发和推广，这样会不利于高校科学研究效率的提升。（3）保持高校双元创新的相对平衡才能有利于提升科技创新效率。这表明不管是科学研究还是知识转移，过度偏向于任何一方都会降低高校的科技创新效率。在非平衡区域，过于强调科学研究会增加不确定性，过于强调知识转移会束缚高校的创新视野，造成变革能力僵化，这两种发展方式会使得高校创新步入滑坡地段，此时，科技创新效率处于下降的态势;在平衡区域，科学研究和知识转移以规则的形态协调发展，推动高校创新步入高峰地形，此时，科技创新进入最优状态。

5.2 理论贡献

本文根据企业双元创新理论，揭示了高校科学研究和知识转移之间关系变化的内在机制，发现了一些与国外研究不同的结果，进一步丰富了该领域的研究。本研究具有一定的理论意义：（1）既有研究初步探究了高校科学研究和知识转移的“静态”关系，本文在此基础之上对这一关系的研究进行了扩展和补充。高校的科学研究和知识转移的关系取决于它们能否避免对高校资源的过度竞争。若不能，则表现为冲突关系，若能，则形成互补关系。（2）高校科学研究和知识转移之间也不是单纯的“数量”关系，而是表现为复杂的互动和转化关系。与既有文献不同，本研究从效率的角度深入剖析了二者的动态关系，进一步深化了中国情境下高校双元创新的研究。（3）以往相关文献忽略了双元创新的平衡状态与非平衡状态对高校科技创新效率的影响，本文弥补了这一不足。研究发现，若要提高高校科技创新效率，需要在科学研究和知识转移之间寻找一段平衡区间，高于或低于这一区间都会损害效率。

5.3 管理启示

本文的研究结论也具有良好的实践意义。过度推进知识转移可能会抑制高校学术研究功能，进而不利于高校科技创新的高质量发展。应当减少事务性活动和商业性活动对科研人员学术研究的干扰。与此同时，要大幅提高科研人员的收入水平，增加对基础研究的经费投入，设置科学的考核制度，确保教师将主要精力投入到科研中。在设计成果转化政策时，应当注重商业化激励和学术激励之间的相对平衡，强化高校双元创新之间的互补效应。这就要求技术转让收益要在高校和科研人員之间进行合理分配，在提高科研人员成果转化积极性的同时，充分发挥转化收入对学术研究的反哺作用。

5.4 研究展望

本研究仍具有一些不足，主要体现在以下在三方面：（1）深化校企合作的目的是对接企业需求，加强高校的创新支撑作用，未来将探究企业需求对高校双元创新行为的作用机理，深化高校双元创新理论。（2）高校知识转移（利用式创新）包含多种形式，除了技术转移，还有咨询、合作研究等，限于数据的可得性，未能全面分析高校双元创新行为，未来可以将相关变量纳入模型中，开展进一步的研究。（3）本研究选取了66所具有代表性的高校作为研究对象，未来研究可以将样本扩展到更广阔的范围，准确把握多种计量模型，展开更加细致的数据分析，以验证本研究结论的普适性。

参 考 文 献：

[1]张峰，邱玮.探索式和开发式市场创新的作用机理及其平衡[J].管理科学，2013，26（1）：1-13.

[2]Deste P， Patel P. University-industry linkages in the UK： what are the factors underlying the variety of interactions with industry[J]. Research Policy， 2007， 36（9）： 1295-1313.

[3]Perkmann M， Tartari V， Mckelvey M， et al.. Academic engagement and commercialisation： a review of the literature on university-industry relations[J]. Research Policy， 2013， 42（2）： 423-442.

[4]Crespi G， Deste P， Fontana R， et al.. The impact of academic patenting on university research and its transfer[J]. Research Policy， 2011， 40（1）： 55-68.

[5]Deglinnocenti M， Matousek R， Tzeremes N G. The interconnections of academic research and universities“third mission”： evidence from the UK[J]. Research Policy， 2019， 48（9）： 1037-1093.

[6]李忆，司有和.探索式创新、利用式创新与绩效：战略和环境的影响[J].南开管理评论，2008，（5）：4-12.

[7]Sengupta A， Ray A S. University research and knowledge transfer： a dynamic view of ambidexterity in British universities[J]. Research Policy， 2017， 46（5）： 881-897.

[8]王凤彬，陈建勋，杨阳.探索式与利用式技术创新及其平衡的效应分析[J].管理世界，2012，（3）：96-112.

[9]岑杰，陈力田.二元创新节奏、内部协时与企业绩效[J].管理评论，2019，31（1）：101-112.

[10]许春.基于91所重点高校学术研究与应用研究关系的实证分析[J].研究与发展管理，2013，25（3）：106-116.

[11]Gupta A K， Smith K G， Shalley C E. The interplay between exploration and exploitation[J]. Academy of Management Journal， 2006， 49（4）： 693-706.

[12]Anderson T R， Daim T U， Lavoie F F. Measuring the efficiency of university technology transfer[J]. Technovation， 2007， 27（5）： 306-318.

[13]Mei H C H， Liu J S， Lu W M， et al.. A new perspective to explore the technology transfer efficiencies in US universities[J]. Journal of Technology Transfer， 2014， 39（2）： 247-275.

[14]Yang G， Fukuyama H， Song Y. Measuring the inefficiency of Chinese research universities based on a two-stage network DEA model[J]. Journal of Informetrics， 2018， 12（1）： 10-30.

[15]胡国平，陈卓，秦鑫.高校教师参与产学研合作的两阶段模型及实证研究[J].研究与发展管理，2016，28（1）：112-120.

[16]余元春，顾新，陈一君.产学研技术转移“黑箱”解构及效率评价[J].科研管理，2017，38（4）：28-37.

[17]范柏乃，余钧.高校技术转移效率区域差异及影响因素研究[J].科學学研究，2015，33（12）：1805-1812.

[18]原长弘，孙会娟.政产学研用协同与高校知识创新链效率[J].科研管理，2013，34（4）：60-67.

[19]索玮岚，陆桂昌，陈锐.高校科技资源配置效率测度研究——基于共享投入关联网络DEA模型[J].科研管理，2015，36（11）：155-161.

[20]张惠琴，尚甜甜.高校科研创新效率对比分析——基于全国30个省份的面板数据[J].科研管理，2015，36（S1）：181-186.

[21]Gao Q， He F， Moosa A， et al.. The efficiency of technology transfer in Chinese key universities[J]. Journal of Scientific and Industrial Research， 2019，78： 582-585.

[22]Wu J， Yin P， Sun J， et al.. Evaluating the environmental efficiency of a two-stage system with undesired outputs by a DEA approach： an interest preference perspective[J]. European Journal of Operational Research， 2016， 254（3）： 1047-1062.