中国科技成果转化为何有米难为炊？——基于三阶段DEA 模型和三阶段Malmquist 模型

王成军，方 明，王肖肖

（安徽财经大学工商管理学院，安徽 蚌埠 233030）

一、问题的提出

十九大报告中提出坚持以创新引领经济社会发展，坚持把科技创新作为推动供给侧结构改革的重要动力。当前，加快建设创新型国家是新时代的内在要求：一方面，改革开放40 多年以来，中国已跃居世界第二大经济体，这一成就令世界瞩目；另一方面，中国经济发展正从高速增长阶段向高质量发展阶段转变，改变粗放型的经济增长方式已刻不容缓。2015 年《中华人民共和国促进科技成果转化法》修订实施，2016 年国务院为科技成果转化出台配套细则《促进科技成果转化法》，国办印发《促进科技成果转移转化行动方案》为科技成果转化部署具体任务，从修订法律、出台配套细则到部署具体任务，形成了促进我国科技成果转移转化的三部曲。在新时代进程中，科技创新是经济发展实现转型的强大动力，促进科技成果转化对于提升中国经济发展潜力，应对新时期经济发展主要矛盾的挑战具有重要意义。

近期，中美贸易战引发我们对于当前中国科技创新现状的反思与警示，在这一事件背后所隐藏的危机昭然若揭。只有基础研究才能产生更多原创专利，只有坚持自主创新才能掌握谈判主动权不受制于人。近年来，随着创新驱动发展战略的大力实施，一大批科技成果相继问世，但科技成果转化存在“有米难为炊”的现象。主要体现在三个方面：第一，科技成果存在造假，由于中国教育产业化导致科研人员在成果产出方面过度追求数量而忽视质量。第二，科技成果的供给上忽视有效需求，技术市场中的技术供大于求。第三，科技成果转化机制不健全，各利益参与方信息不对称，科技成果转化缺乏支撑，导致其转化“难作为”，即心有余而力不足。“有米难为炊”的另一表象是中国科技与经济发展脱轨，科技创新驱动对经济增长的动力不足。国内不同程度存在着论文多、产业小情势，以激光业为例，世界著名激光杂志1/4 的论文出自中国学者之手，而整个中国激光工业领域总产值却仅占全球销售总额的1%。更严重的在于，我国科技成果转化率仅为10%，远低于发达国家40%的水平，比美国80%转化率低70 个百分点[1]。

哪些因素制约了科技成果转化效率的改善？区域科技成果转化效率有何差异？如何科学、合理、高效地配置科技资源？如何坚持以市场需求为导向将“生米煮成熟饭”，使其成为推动经济社会发展的现实动力？以往学者基于这些问题的分析大多只是基于DEA 或Malmquist 的单一模型，虽然也有学者把DEA-Malmquist 模型作为分析方法，但采用三阶段DEA-Malmquist 模型的较少。为了解中国科技成果转化效率现状与问题，把握当前中国各地区技术效率差异及其动态变化趋势，深入分析科技成果转化效率的影响因素，这里把三阶段DEA 与三阶段Malmquist 这两个模型相结合进行研究。通过采用三阶段模型，对比剔除环境因素和随机因素前后各效率值的变化，更能客观真实地剖析效率影响因素、区域差异特征及生产力变化趋势。

二、国内外相关研究综述

（一）科技成果转化效率的影响因素研究

Winerbrake 与Gathon 和Perelman 认为制度环境能够影响科技成果转化效率，两者之间存在相关性[2-3]。Stephen 认为在科技成果转化过程中各利益相关者的参与和配合对转化效率具有积极影响[4]。Nikolaos 考察外部操作环境因素是否能够解释来自DEA 模型和SFA 模型的技术效率差异，并认为DEA-SFA 效率差异的一部分是由环境因素引起的，决策者在努力确定最优的资源分配时，应该注意到所有权、区域、运营年限和规模等环境因素对效率分析的影响[5]。刘家树和菅利荣通过实证研究发现政府支持、产品开发资金投入、科技服务和区位差异对效率的改善和提升具有明显影响[6]。戚湧等把科技成果按社会功能不同进行分类，对比不同类别转化模式对效率的影响，提出依托中介服务机构能够有效促进成果转化[7]。叶建木和熊壮基于湖北省“科技十条”政策分析了科技成果转化政策效果的影响因素[8]。邵青青对中国高校科研效率进行分析，发现高校科技成果转化效率较低且忽视了市场的有效需求，从内部因素（包括高校定位、管理体制及评价机制）及外部因素（社会需求、积极性、宏观环境）分析导致高校科技成果转化效率较低的原因[9]。徐帅和石隆伟对中国高校科技成果转化效率较低的成因进行分析发现转化机制、资源配置、研发人员积极性等因素影响效率改善[10]。文剑英认为科技成果的转化依赖于知识与人才的流动[11]。孙龙和雷良海基于扎根理论的多案例研究对促进科技成果转化的财政政策功能实现的影响因素进行了分析，揭示出合理的财政资源配置有利于促进科技成果转化[12]。

（二）科技成果转化效率的评价方法

Albertn 利用DEA 模型对区域科技成果转化效率进行分析并对其区域差异性进行解释[13]。Anderson,Daim 和Lavoie 借助DEA 模型对高校科研效率进行评价[14]。Mei 等利用两阶段DEA 模型比较成果研究和产业化两个阶段的效率差异，实证发现研究阶段侧重于将不同的资源投入转化为技术，而商业化阶段则强调技术的实现[15]。与以往的研究不同，此研究没有直接研究投入和产出之间的关系，而是进一步考虑不同科技成果转化阶段之间的联系。刘大为等用DEA 方法对中国30 个高新区的技术效率进行研究，认为大部分的高新区的技术效率和规模效率都是有效的，对于非DEA 有效高新区（约三分之一）进行投影分析并提出效率改善的方向[16]。董洁和黄付杰通过因子分析法和随机前沿分析法对技术效率进行测度，并对制约效率改善的环境因素进行阐述。经研究认为：中国科技成果投入与产出比较低、各省市间效率水平参差不齐[17]。王珍珍和黄茂兴借助DEA-Malmquist 模型对2002—2010 年中国省域技术效率的制约因素、区域特点进行了阐述[18]。李文亮运用三阶段DEA 模型对比第一阶段与第三阶段结果进而分析了经济环境、创新环境、政府支持力度对科技成果转化的影响[19]。林芳芳和赵辉运用DEA 对中国技术效率进行分析并提出政策因素对于技术效率具有显著影响[20]。罗茜等借助DEA 模型对江苏省高校科技成果转化效率进行测度并基于扎根理论对其影响因素进行了分析[21]。钟卫和陈宝明借助Bootstrap-DEA 方法对2010—2012 年高校科研效率情况进行分析并指出不同特征高校的效率差异[22]。

综上，以往学者的研究为本文的研究提供了重要参考。但同时也发现以往学者的研究多关注于科技成果转化效率本身的测度，对其所反映的现实问题及成因缺乏针对性的研究。在科技成果转化效率影响因素的分析中，大多数学者从宏观因素进行阐述。在对科技成果转化效率进行分析的方法选择上比较多样，评价指标体系的建立也并没有形成统一的标准。大多数学者采用DEA 模型进行研究，对效率的评价也多侧重于静态分析。近几年，学者对于科技成果转化效率的评价开始趋向采用三阶段DEA 模型，也有学者借助DEA-Malmquist 模型对科技成果转化效率进行动态分析，但是采用多阶段DEA 模型将静态分析与动态分析相结合的研究还较少。

三、研究方法

（一）三阶段DEA 模型

传统的DEA 模型是在1978 年由Charnes 和Cooper 提出的。Fried 等对传统DEA 模型进行改进，将传统的DEA 模型与SFA 模型相结合，在进行效率评价时考虑环境因素和随机噪声的影响，构建出三阶段DEA 模型[23]。通过采用三阶段模型，对比剔除环境因素和随机因素前后各效率值的变化，更能客观真实地剖析效率影响因素。

第一阶段：使用投入变量与产出变量的原始数据计算初级结果。本文选择投入导向的BCC模型，以投入为导向的对偶形式的BCC 模型可表示为：

其中，j＝1，2，…，n 表示DMU（决策单元），X，Y 分别是投入、产出向量。

若θ＝1，S+＝S-＝0，则DMU 是DEA 有效；

若θ＝1，S+≠0，或S-＝0，则DMU 为弱DEA有效；

若θ≤1，则DMU 为非DEA 有效。

原译：During the Yongzheng reign,the nine-peaches design was commonly seen on the famille-rose ware such as globular vases,olive-shaped vases and plates are decorated with branches that extend from the outside into the bowl.

第二阶段：似SFA 回归剔除环境因素和统计噪声。计算原始投入值与目标投入值的差值得到投入松弛变量。通过借助SFA 模型，剔除环境因素和随机因素对第一阶段的松弛变量的影响。似SFA 回归函数（以投入导向为例）：

其中，Sni是第i个决策单元第n项投入的原始投入值与目标投入的差值；Zi表示环境变量，βn是环境变量的系数；νni＋μni是复合残差项，νni表示随机误差，μni表示管理无效率。其中ν～N（0）是随机误差项，表示随机干扰因素对投入松弛变量的影响；μ 是管理无效率，表示管理因素对投入松弛变量的影响，服从半正态分布，即μ～N（+0）。

SFA 模型的结果输出后，需要对各决策单元的投入量进行调整，公式如下：

（2）区域Malmquist 指数变化趋势分析。由表5 知，2012—2013 年及2013—2014 年间M 指数呈现东部＞中部＞西部，2014—2015 年间M 指数西部＞中部＞东部，2015—2016 年间M 指数西部＞中部＞东部，2016—2017 年间M 指数东部＞中部＞西部，2017—2018 年间M 指数东部＞西部＞中部。可见中西部地区也渐渐表现出较强的发展潜力，但是其Malmquist 指数变化起伏较大，增长不稳定。

Malmquist 指数变化模型将生产率变化分为效率变化（Effch）和技术改进（TEch）。其中，效率变化（Effch）是纯技术效率变化（PEch）和规模效率变化（SEch）两者的乘积。Tfpch 表示全要素生产率变动，可表示为Tfpch＝Effch*Tech；也可表示为Tfpch＝Pech*Sech*Tech。

（二）三阶段Malmquist 模型

三阶段Malmquist 模型与上述三阶段DEA模型类似，都在剔除环境因素和随机噪声基础上对传统模型进行改进。

丹参多酚酸盐联合地尔硫卓治疗不稳定型心绞痛的疗效及对血清基质蛋白酶-9和髓过氧化物酶水平的影响……………………… 魏晓娟 常荣 李卫 等（4）442

Malmquist 生产率指数的计算公式：

知识融合的运行过程（见图1）包括：（1）根据用户请求，从知识源中获取知识，包括对外部来源（专家、数据库等）进行知识搜索以及对内部来源（本地知识库）进行知识选择。（2）发现并派生现有知识，生成新的知识。（3）知识内化：通过保留已被获取、选择和生成的知识来更新系统知识。（4）知识外化：通过系统输出将知识释放到相应的环境中去。（5）知识融合管理：对整个操作流程的规划、协调和控制形成了知识融合的管理过程。

第三阶段：将调整后的投入与原始产出再次运用Deap2.1 软件对其效率进行分析。

产业结构。产业结构与R&D 经费支出松弛变量和R&D 人员投入松弛变量的回归系数为负值。这是由于中国正处在粗放型经济向集约型经济过渡时期，第三产业的发展有效推进我国的工业化和现代化，是拉动国民经济增长的重要力量和吸收劳动就业的主体，这也为科学技术的发展提供重要支撑。

由于水库碾压混凝土浇筑量较大，因此以自卸汽车入仓方式为佳。在本项目中，所有的碾压混凝土均通过自卸汽车的方式完成入仓。在入仓前，为保持浇筑面清洁，避免杂质干扰，应对汽车表面进行充分的清洁，配备长达100m的脱水路段，此外还应建有路面排水沟，防止污水流入仓内。

《国家中长期教育改革和发展规划纲要（2010-2020 年）》（以下简称《纲要》）指出，高等学校的“教师要把教学作为首要任务，不断提高教育教学水平”。其实，早在1993年颁布的《中华人民共和国教师法》就明确规定，“教师是履行教育教学职责的专业人员”，高校教师自然不得例外。但《纲要》这次专门针对高校教师，绝不是无的放矢，实在是到了非说不可的时候。这是国家对当前高校教师角色定位理论争议的鲜明表态，对高校办学实践中心动摇的纠偏扶正，对高校教师专业发展的方向引领。

四、指标体系和数据说明

（一）投入产出指标选取

目前，我国关于科技成果转化效率评价指标的选择并没有达成统一的标准，在以往的研究中，学者们多从投入与产出两个方面建立科技成果转化效率的评价指标。这里在借鉴刘家树和菅利荣[6]、贺京同和冯尧[24]、李文亮等[19]、罗茜等[21]多位学者的评价指标基础上，建立科技成果转化效率的评价指标。

（二）环境变量选取

本文选取宏观经济环境、政府支持、外贸依存度、产业结构作为环境变量。宏观经济环境状况：用人均GDP 表示。政府支持：用科学技术支出占财政支出比重作为地区对科技创新支持力度的指标。外贸依存度：用进出口总额占地区生产总值的比重作为地区外贸依存度的指标。产业结构：第三产业产值占地区生产总值比重反映产业结构对科技成果转化的影响。

表1 投入产出指标

（三）数据来源

本文选取中国30 个省份数据（西藏数据缺失严重，将其剔除，且数据中不包括港澳台地区），指标数据均来自中国科技统计年鉴及中国统计年鉴。由于科技成果转化具有滞后性，本文借鉴张明喜和郭戎的做法[25]，假设其转化周期为2 年。本文的产出数据使用的是效率评价目标年份的数据，把拟评价年份往后倒退两年，取其这两年平均投入值作为投入数据。例如，2018 年的产出是由2016 年与2017 年平均投入产生的。

五、实证分析结果

（一）三阶段DEA 模型的静态分析

第一阶段：运用Deap2.1 软件，选择以投入为导向的BCC 模型对2018 年中国30 个省市的科技成果转化效率进行了分析，实证结果如表2 所示。就整体而言，中国2018 年综合技术效率、纯技术效率、规模效率的均值分别为0.791，0.834，0.949。北京、浙江、江西、湖北、贵州、青海这六个地区的各效率值均达到了1，说明这六个省市居于综合效率的前沿面上，其资源配置和技术管理相对于其他地区是有效的。内蒙古、黑龙江、云南的纯技术效率远低于规模效率，说明总效率水平的主要制约因素是纯技术效率较低。有6 个省市的规模效率小于纯技术效率，对于规模效率小于纯技术效率的地区而言，两个效率值之间的差异不大。事实上，中国地区发展不平衡，外部环境存在差异性。第一阶段并没有剔除环境因素和随机变量，因此可能导致第一阶段结果与实际情况存在一定的偏差。

表2 2018 年30 个省市第一阶段结果与第三阶段结果对比

第二阶段：SFA 模型。运用SFA 模型将第一阶段得到的各投入变量的松弛变量作为被解释变量，把宏观经济环境、政府支持、外贸依存度、产业结构四个环境变量作为解释变量进行回归，采用Frontier4.1 得出SFA 回归结果，见表3。

（2）区域分析，本文将30 个省划分为东中西部三个区域，第一阶段综合技术效率中部＞东部＞西部，第三阶段综合技术效率东部＞中部＞西部，说明剔除环境变量影响进行第三阶段的分析是有必要的，第三阶段结果更能反映客观效率。大部分省份在规模效应方面有待加强，应扩大投入规模使其达到最优水平，其中西部地区的规模效率与东部和中部地区相差很大，对于西部地区的投入规模应加以侧重。

表3 第二阶段SFA 回归模型结果

从表3 可知，SFA 回归结果中均γ 趋近于1，且相关变量均在1%的水平上显著，表明在各决策单元中管理无效率项的变动解释了模型中大部分的变动，说明运用SFA 模型是合理的。当被解释变量的系数为负数时，即说明增大相应的环境变量会减少投入的松弛量，也就是说能够利于减少投入或者说增大产出；同理，当系数为正值时，表示增加该解释变量将会增加投入松弛量，也就是说该环境变量会导致投入浪费，不利于产出的增加。

宏观经济环境。该环境变量与R&D 经费支出的松弛变量和R&D 人员全时当量的松弛变量的回归系数为正值，说明人均GDP 的增加会导致R&D 经费支出与R&D 人员投入冗余。说明中国一些发达地区的科技创新资源虽然较充裕，但是科技创新资源没有得到合理的配置，造成技术创新效率低。

政府支持。政府支持与R&D 经费支出和R&D 人员投入的松弛变量的回归系数为负数，说明政府的支持有利于盘活科技创新资源，减少投入的浪费。

外贸依存度。外贸依存度与R&D 经费支出松弛变量与R&D 人员投入松弛变量的回归系数为正值。说明外贸依存程度越高，越不利于R&D经费和R&D 人员的利用。改革开放之初，为了快速填补生产技术在国民经济发展中的缺失，经历了一条“拿来主义”路径。但是，这种方式显然已经不适合中国现今经济发展的要求。如果一味从国外引进技术或进口技术产品而自身不进行创新吸收，那么中国科技创新投入冗余、成果闲置状况会加剧，从而导致科技成果转化效率低下。

各牧草品种CP产量年际变化显著(P<0.05)，月变化显著(P<0.05)。2年平均以星星草CP产量最高，为69.73 g/m2，其次为同德老芒麦(65.79 g/m2)、垂穗披碱草(60.71 g/m2)、中华羊茅(51.00 g/m2)、青海早熟禾(41.49 g/m2)。同德老芒麦和垂穗披碱草CP产量在8月达到最高值，显著高于7月和9月，青海草地早熟禾、星星草和青海中华羊茅CP产量2年的变化没有规律。2014年CP产量在9月达到最高值，2015年在8月达到最高值(图 6)。

第三阶段：将调整后的投入变量与原始产出值输入Deap2.1 软件重复第一阶段步骤，得到第三阶段效率值，如表2。

（1）首先从全国范围看，对比表2 的第一阶段结果与第三阶段结果发现，调整前后效率值均发生变化。综合效率均值由0.791 下降为0.565，纯技术效率均值有所提高，而规模效率由0.949下降为0.615，大部分省市的科技成果转化均处于规模报酬递增状态，对于这些省市应继续加大投入规模。

(3) 与Boulanger推荐的用于砂土液化确定性分析的曲线相比，本文Logistic回归得到的表达式更为简单，结果也有所不同；具体而言，在qc1Ncs小于90时，Boulanger推荐的曲线要高于本文得到的液化概率50%的曲线；当qc1Ncs介于90到170之间时，该曲线介于本文得到的液化概率50%和30%曲线之间；本文得到的曲线简洁、可靠，工程应用中可根据工程要求选用合适的概率曲线。

（3）各省域分析，将综合技术效率（X）、纯技术效率（Y）和规模效率（Z）分别以平均值0.565、0.911、0.615 为临界值，按照综合技术效率、纯技术效率和规模效率进行划分，引入三维坐标系可将中国的各个省区的科技成果转化效率在各象限进行表示。第一象限（+X，+Y，+Z），第二象限（-X，+Y，+Z），第三象限（-X，-Y，+Z），第四象限（＋X，-Y，+Z），第五象限（+X，+Y，-Z），第六象限（-X，+Y，-Z），第七象限（-X，-Y，-Z），第八象限（+X，-Y，-Z）。+号表示地区效率水平在全国平均水平及以上，－号表示地区效率水平没有达到全国平均水平。由于纯技术效率和规模效率是由综合技术效率分解得到的，所以不存在综合效率值没有达到临界值而纯技术效率和规模效率均达到临界值（第二象限）或综合效率值达到临界值，而纯技术效率和规模效率均低于临界值（第八象限）的情况。所以，将中国各地区技术效率状况划分为六种类型（表4）。

表4 各省市效率值按均值划分类型

第一象限内各效率值均达到临界值，所需改进较少。第三象限综合技术效率未达到临界值主要受纯技术效率影响。位于第四象限的省市虽然综合技术效率达到临界值，但是其综合技术效率被纯技术效率拉低。所以第三、第四象限的省市要注重加强科技成果转化效率的技术管理水平。与处于第三、第四象限的省市不同的是第六象限内省市综合效率较低主要受规模效率影响，所以这些地区的改进方向是在科技创新规模上着重改进，积极扩大科技创新规模，实现科技创新资源的集中配置和管理。第七象限的省市各效率值均未达到临界值，所以这一部分的省区既要注重技术管理水平的提升，同时也要注意扩大规模效应。

（二）基于三阶段Malmquist 模型的动态分析

从表7 反映的2012—2018 年专利申请授权数，可以发现2012—2018 年中国30 个省（市、自治区）专利申请授权数大体呈上升趋势。但结合上文对科技成果转化效率的分析发现，虽然各地区专利申请授权数大体呈稳步上升趋势，但科技成果转化效率并不理想，一定程度上也反映了现阶段科技成果转化求量不求质。另一方面，专利申请授权数地区差异明显，中西部地区与东部地区存在较大差异。

（1）全国Malmquist 指数变化趋势分析。由表5 可知，2012—2018 年间全要素生产率水平呈波浪形变化。2014—2015 年与2015—2016 年的全国Malmquist 指数均值大于1，且在此期间大部分省市Malmquist 指数都大于1。究其原因，党的十八大以来，党中央高度重视科技创新，围绕全面深化改革总目标和创新驱动发展的战略要求，做出一系列重大决策部署，推动科技改革发展进入新的阶段。但2016—2017 年的两年间全国Malmquist指数均值小于1，且Malmquist 指数大于1 的城市仅有8 个，说明30 个省份的科技成果转化效率不是持续增长的，Malmquist 指数起伏较大。

本案例从变量分析入手引导学生进行层层实验探究，领悟实验设计的过程和方法；以问题串方式引导学生层层深入分析思考，掌握实验设计原则和方法，学会确定变量、控制变量，从而有效提高学生的生物实验设计能力，培养其自主探究能力，提高生物学学科核心素养。

事实上，探讨中国货币政策盯住目标选择的研究文献已经大量存在。这些研究分别基于中国现实经济的某一特征剖析货币政策盯住目标选择，[8][9][10][11][12]所得到的结论均表明，如果货币政策以盯住经济增长为目标，其所带来的整体效应将相对较为糟糕：这一政策机制引起更高的通胀和更大的社会福利损失。不过，这些研究均忽略了我国经济的一个重要特征：随着我国居民收入的提高，耐用品消费在我国居民消费中所占的比重在不断上升。[13][14][15][16]这意味着，在分析我国货币政策动态效应时，考虑耐用品部门与非耐用品部门可能更加合理。

表5 30 个省市区科技成果转化效率M 指数：2012—2018 年

（3）Malmquist 指数的分解评价分析。由于2014—2015 年、2016—2017 年Malmquist 指数变动异常，必须深入思考其成因，所以我们对其M值进行分解，M 值分解情况如表6 所示。2014—2015 年间大部分地区的M 指数是大于1 的，主要得益于大部分省市的技术效率及技术进步是有效的。2016—2017 年间全要素生产效率水平的下降主要由于规模效率的降低，其中西部地区规模效率降低幅度比较大。

表6 全要素生产效率变动异常年份的M 指数分解

（三）专利申请授权数变化趋势

通过对中国2012—2018 年30 个省份科技成果转化的Malmquist 指数进行测算，得到这些地区全要素生产率变化、技术进步变化与技术效率变化的结果，为了使得测出的结果更加符合实际情况剔除了环境因素和随机因素并对投入变量进行调整得到第三阶段Malmquist 指数。

表7 2012—2018 年专利申请授权数

六、结语与讨论

本文运用以投入为导向的三阶段DEA 模型对中国30 个省市2018 年的科技成果转化效率进行静态分析，并通过三阶段Malmquist 模型对其2012—2018 年间效率变化特征进行动态分析。以期揭示科技成果转化效率的区域差异及其“有米难为炊”的影响因素，得出以下结论：

（1）区域宏观经济环境、政府支持、外贸依存度、产业结构等环境因素对科技成果转化有显著影响。其中，中国当前的宏观经济环境、外贸依存度会导致投入冗余，对于改善技术效率不利。通过对比剔除环境因素和随机因素前后各效率值变化发现，多数省份的综合技术效率和规模效率都降低了，调整前分别有6 个省份位于技术效率前沿面，调整后有3 个省份位于技术效率前沿面。综合技术效率地区差异较大，可见中国区域科技创新资源配置不合理使中国整体科技成果转化效率较低。

（2）各投入要素潜力未被充分挖掘，大部分地区规模投入没有达到最优，规模报酬仍处于递增状态。中西部大部分地区的纯技术效率低于全国平均水平，技术管理水平也是制约其效率改善的重要因素。科技成果转化效率的提高并不连续，Malmquist 指数起伏较大，TFP 生产率变动呈波浪形。虽然中国科技成果转化效率地区差异明显，但是从TFP 生产率变化上看，东中西部地区差异不是很大，中部地区及西部地区也渐渐呈现较强的发展潜力。

自动选型输出设备明细表（类型，数量，特征），将其结果写入预设的系统描述xml文件中。系统描述文件是基于空调系统中环路的类型来逐一填写，见图5。环路类型包括冷冻水环路、冷却水环路、热水环路、家用热水路等。每一种环路中包含八种信息，分别为环路名称、环路特征描述、流体特征、温度压力设定点、动力单元、能源单元、输送单元与控制单元。前四种信息由系统选择得出，后四种信息由自动选型结果得出。最终生成完整描述空调系统的xml文件。

（3）科技成果转化存在“有米难为炊”现象，主要体现在三个方面：求量不求质（产量大不好吃）、供给忽略需求（不对口味）、信息不对称（不知道有米）。借助上述实证分析，不难发现多年痼疾“科技（科研）—产业（企业）两张皮”或者“科学研究—经济发展严重脱节”依然突出。至于其内在原因，一些学者提出“产学研”应对之策，然而仍不得要领，未能切中肯綮。为此，王成军和王沛民[26]、李德宏和付祥云[27]、王成军等[28-29]给出了大学—产业—政府三者合作伙伴关系的三重螺旋创新模型、战略工具以积极应对。

鉴于以上结论，这里给出以下几点实践启示或针对性建议：

谈到和老师之间的关系时，46.96%的学生认为他们和老师之间就如鱼和水一样不可分离；32.66%的学生则认为和老师之间的关系就像母鸡和小鸡一样，充满了爱，照顾和温暖，意指两者关系相处融洽。而10.34%、10.03%的学生分别认为他们和老师之间的关系就如猫和老鼠、警察和小偷，皆有害怕的意义。

（1）从环境变量角度看，要重视宏观经济环境、政府支持、外贸依存度、产业结构等环境要素对科技成果转化效率的影响。在配置科技创新资源时，要充分考虑上述环境因素的影响以提高资源的利用效率。经济落后地区科技创新资源先天不足，因此应合理配置科技创新资源。政府的支持有利于盘活科技创新资源，减少投入的浪费。政府应对成果供需双方及中间媒介实行宏观调控，完善科技成果相关法律法规，加强知识产权建设，为科技成果创造良好的支撑环境。中国应减少技术产品的外贸依存度，充分利用科技资源投入，增强自主创新能力。中国应加快促进产业结构的优化与调整，坚持以市场需求为导向促进科技成果商品化、产业化，使科技与经济相结合。

（2）从效率构成要素角度看，科技成果转化应关注“木桶效应”，即应注重各效率构成要素的同步提高。在持续进行技术投入的同时，更应关注管理技术的投入。实施开放式创新，促进人才、知识、技术、信息等创新要素的跨区域流动，通过大手拉小手、东中西部结对子帮扶以及各省市内部的发达地区对口引领或互补支援等措施和办法使资源配置更加合理。科技成果转化应考虑配置效率问题，既要防止某些科技创新资源配置过多产生冗余导致规模不经济，也要防止由资源配置不足引致的效率低下问题。

第二，清晰地认识农村群众在文化教育方面的弱点，将先进的科学种植、科学经营管理方式带进农村，不仅让农民实际获利，还要让农民看到其实践的结果，逐步地破除封建迷信思想；增强社会主义核心价值观教育，可以开展多种文化形式、使用多种媒介使社会主义核心价值观深入群众之中；加强中华民族传统美德教育等道德教育，从而促进农民群众的综合素质全面发展。

（3）针对科技成果转化现阶段存在的求量不求质，政府应在制定可行的目标规划和明确的专利所有权及保护制度的基础上，整合各种知识资源，增强顶层设计的科学性，充分发挥市场在资源配置中的决定性作用。各级大学和科研机构要有针对性地引进科研人才，通过引进具有优势互补的高水平科研人才，可以组成结构合理的科研队伍。中国应建立具有国际定位的科技成果多类型、多层次的评价体系，为科研成果创造公平、公正、开放的环境，严格控制参与绩效评估和人才项目申请的低水平成果数量。任何类型的研究的最终目的都是提高社会福利和人们的生活水平。在科学研究中，应遵守科学道德，在法律和道德范围内进行科学研究，并应将关注的重点放在高层次科学研究成果上。

（4）当前，中国科技成果转化存在供给忽略需求问题。中国基础研究投入比例低，投资结构不合理，导致中国与其他发达国家在核心技术上存在差距。基础研究是应用研究的前提和催化剂，也是技术创新的根本动力。因此，有必要在政府和市场的协同作用下整合双边优势资源，共同加强行业驱动的基础研究。企业、大学和科研机构应密切关注市场和产业发展的方向以及技术和产品发展的趋势，要建立创新主体对科学技术及产品需求的协作机制。政府应始终以市场为导向，促进企业之间的自由竞争，充分发挥市场在资源配置中的决定性作用，努力创造有利于创新和创业的环境。通过引导企业积极参与市场竞争，鼓励企业增加研发投入，增强创新活力，不断提高企业创新能力和履行社会责任的能力。科研人员应了解企业的需求和企业家的创业思想，根据企业的需求进行技术突破，才能促进科研成果的有效供给。

（5）针对科技成果转化过程中的信息不对称问题，我们必须更好地发挥政府在引导工业发展、为科技创新提供服务、创造信息环境、保护知识产权、融入全球创新网络以及组织重大创新活动中的作用。科技成果转化的利益相关者之间应建立有效的信息平台，加强科技成果与市场需求之间的联系，加强科技成果转化的平台建设，促进研发信息和市场需求信息的自由流通，使企业需求与高校研究信息对称，使科技成果供给以市场需求为导向。政府应进一步增加资金投入，完成相关配套支持，进一步鼓励研究人员追求以需求为导向的创新。另外，科技成果转化的关键是要促进知识产权保护，弄清知识产权转化成果的所有权，从制度和利益的角度保证创新成果的孵化。

生态红线区：根据北京城市副中心城乡建设用地指标总量与城市发展与生态因素，确立各镇规划集体建设用地指标分配。