我国产学研协同创新绩效评价及空间格局分析——基于两阶段DEA及Malmquist指数

周广亮，赵丛郁,陈 昱，苗倩倩

(郑州轻工业大学 经济与管理学院，河南 郑州 450002)

0 引言

习近平总书记在十九大报告中明确提出：“深化科技体制改革，要建立以企业为主体、市场为导向、产学研深度融合的技术创新体系，加强对中小企业创新的支持，促进科技成果转化”[1]。产学研深度融合，是深化科技体制改革的必由之路，它集现代科学技术的研究、开发、生产于一体，在我国宏观经济层面上，可有效促进经济结构增长方式从传统的生产要素方式驱动向自主创新方式驱动；在微观层面能解决当前“产”“学”“研”脱节问题，实现高校、科研机构与企业等产学研主体的有效融合，促进地区间创新绩效协同提升。随着科学技术创新复杂性不断加强、速度不断加快以及经济全球化不断发展，当代科技创新已突破传统线性与链式的模型体系，呈现出非线性、网络化、多角色、开放性特点，并逐步演变为以多元主体协同互动为基础的创新模式。因此，产学研协同创新已经成为创新型国家和地区提高自主创新能力、形成多主体共同创新的全新组织模式，对我国2035年步入“创新型国家前列”具有较强现实意义。

关于产学研合作教育的研究最早开始于20世纪初[2]，我国于1991年在上海成立全国产学研合作教育协会、1997年教育部开展产学研合作教育试点工作[3]。随着试点工作的不断展开，该教育模式创新绩效明显，受到了广泛关注。学者们多采用回归分析法[4]、因子分析法[5-6]、两阶段或三阶段DEA模型[7]，研究不同省份在创新绩效方面的差异、推动产学研协同发展的影响因素及产学研三主体协同创新绩效是否有效。但这些研究方法相对单一，且多对创新绩效进行静态分析，较少体现动态增速；对各区域及省份进行空间格局分析更为少见。

鉴于此，本文在吸收已有研究成果的基础上[8-9]，以我国四大经济区域共30个省份作为研究对象，采用两阶段DEA及Malmquist指数相结合的方法，分析我国产学研综合效率增速，体现协同创新的动态变化过程。同时，对两阶段综合效率空间格局进行可视化表达，直观展示各省份产学研协同创新绩效水平等级和动态转移格局，以期为提升区域协同创新绩效提供参考。

1 研究方法与指标选取

1.1 研究方法

1.1.1 数据包络分析

数据包络分析(Data Envelopment Analysis，DEA)最早是由美国运筹学家基于非参数型效率评估指标而提出的一种非参数型效率评估模型，主要采用线性规划法测算效率值，各评估指标不需要进行无量纲化处理和设置权重，在多指标投入和产出效率研究中具有广泛应用[10-11]。一般而言，产学研协同创新受产业发展、企业规模数量、高校资源和地区竞争等多重因素共同影响，很大程度上不能以最优规模和效果，因此选用科技成果产出和科技成果转化规模报酬可变的两阶段DEA-BCC模型，静态评价我国当前产学研协同创新绩效的总体情况。其中，第一阶段是投入导向，第二阶段是产出导向，公式如下：

(1)

1.1.2 Malmquist指数模型

Malmquist指数最初由瑞典经济学家，在分析不同时期的消费变化时发现并提出，FARE等学者将这一非参数线性规划方法与DEA模型结合，逐渐建立了测算两个相邻时期全要素生产率变化的DEA-Malmquist指数模型。按照Malmquist生产率指数方法，可将全要素生产率(TFP)分解为技术效率变化指数(EC)和技术进步变化指数(TC)，在规模报酬可变的情况下，还可将EC进一步分解为纯技术效率变化指数(PEC)和规模效率变化指数(SEC)，该指数基于动态数据，可明晰四大经济区域产学研创新绩效的动态演变和变化趋势，探析两阶段协同创新绩效增速速度，公式如下：

(2)

TFP=EC×TC=PEC×SEC×TC，

(3)

1.2 指标选取

参考已有研究成果[12-13]，考虑数据的可获取性、连续性和科学性，构建两阶段DEA模型投入产出指标。

第一阶段为科技成果产出阶段，该阶段创新主体由高校和科研机构共同组成，在投入指标设置上，从科技创新投入的人力和财力出发，选取高校/科研机构R&D人员全时当量和高校/科研机构R&D经费内部支出两个主体的4个指标。在产出指标设置上，从发明专利申请数和科技论文发表数入手，选取高校/科研机构发明专利申请数和高校/科研机构发表科技论文数4个指标。

第二阶段为科技成果转化阶段，该阶段将第一阶段所取得的科技成果产出继续运用到产品生产制造过程中，得到开发形成创新产品，继而进入消费者市场，并以此获取收益。进入第二阶段，高校、科研机构和企业三大主体全部参与其中，投入指标的设置以第一阶段产出为基础，再加上企业在人力和财力两方面的投入，即企业R&D人员全时当量和R&D经费内部支出两个指标。在产出指标设置上，综合考虑企业创新能力和创新型经济效益转化效率，选取企业发明专利数、企业新产品开发项目数、企业型产品销售收入/主营业务收入、技术市场成交合同数4个指标作为衡量区域创新绩效的指标。DEA模型如图1所示。

图1 产学研协同创新两阶段DEA模型Fig. 1 Two stage DEA model of industry-university- research collaborative innovation

1.3 数据来源

选取四大经济区域所含30个省份(港澳台和西藏由于数据获取困难，缺失量大，予以剔除)作为研究对象，静态评价2019年不同地区创新绩效差异，动态分析2015-2019年四大地区创新绩效协同演进。所需数据来源于《中国科技统计年鉴》《中国统计年鉴》《高等学校科技统计资料汇编》、EPS数据库等，全部数据经过逐一筛选，去除异常值，部分缺失数据采用插值法进行补齐。

2 实证分析

2.1 基于DEA模型的产学研协同创新绩效静态评价

2.1.1 科技成果产出阶段静态评价

构建DEA-BCC模型，分两阶段(科技成果产出和科技成果转化阶段)对我国2019年四大经济区域内30个省份的产学研协同创新绩效进行测算，测算结果如表1所示，由此可知：

第一，在科技成果产出阶段，30个省份的产学研协同创新绩效综合效率、纯技术效率、规模效率的均值分别为0.946、0.976、0.970，未能实现DEA有效，即产出-投入比未达到最优，在资源未得以充分利用的条件下，导致产出效率较低。分经济区域来看，综合效率和纯技术效率均值排名均为中部地区>东北地区>西部地区>东部地区，而规模效率均值排名后两位与此相反。这说明在第一阶段综合效率受纯技术效率影响更大。其中，东部地区福建省仅0.774的综合效率主要是因为该地区科技人才队伍总量偏小，高层次技术人才短缺，在省属科研机构中，硕士以上学位人员占比8.2%，低于全国10.3%的水平，较低的纯技术效率导致产出阶段整体效率偏低[14]。

表1 我国30个省份科技成果产出与 科技成果转化阶段绩效评价Tab. 1 Performance evaluation of the output and transformation stage of scientific and technological achievements of 30 provinces in China

第二，在科技成果产出阶段，共有19个省份实现了综合效率有效，占比63%。表明绝大多数地区投入产出综合有效，即同时技术有效和规模有效，科技成果产出较为丰硕。值得一提的是，中部地区6省中除了湖北省均实现了综合效率有效，而湖北省未能达到综合有效的根本原因在于其规模无效，科技创新要素分布于下辖13个市区，但创新主体却大多集中于“一主两副”(武汉市、襄阳市和宜昌市)地区，未来改革重点在于如何更好地发挥其规模效益。

2.1.2 科技成果转化阶段静态评价

运用DEA-BCC模型，依据第二阶段“投入-产出”指标，对2019年四大经济区域内30个省份产学研协同创新绩效进行计算，结果如表1所示，由此可知：

第一，在科技成果转化阶段，30个省份的产学研协同创新绩效综合效率、纯技术效率、规模效率的均值分别为0.913、0.945、0.966，未能实现DEA有效。分经济区域来看，综合效率和纯技术效率均值排名都为东部地区>西部地区>东北地区>中部地区，而规模效率均值排名第一和第三与此相反。这说明在第二阶段综合效率同样受纯技术效率影响更大。

第二，在科技成果转化阶段，共有15个省份实现了综合效率有效，占比50%。表明我国只有一半地区的产学研投入产出综合有效，且综合效率值介于0.588～1之间，低于科技成果产出阶段综合效率值0.741～1的水平，表明我国高校、科研机构和企业成果转化能力不及产出能力，部分科技成果产出未能及时转化为经济效益。在综合效率值最低的河南省，规模效率为0.985，纯技术效率只达到0.596，说明河南省在科技资源利用方面发挥了规模效益，但管理和技术水平低下却严重限制了科技成果转化效率。未来应注重对科技成果转化阶段技术水平的攻坚克难。

一般说来，科技成果产出效率较高，表明该地区高校和科研机构创新能力较强，对科技成果顺利转化具有保障和促进作用。但通过上述研究可知，在我国2019年产学研综合创新绩效排名中，中部地区在第一阶段产学研创新绩效遥遥领先，可到了成果转化的第二阶段却居于最后；反而是在第一阶段表现不佳的东部地区在成果转化阶段却效益良好，两阶段综合效率完全独立。究其原因，第一阶段只有高校和科研机构两个主体，中部地区以此为抓手，依赖现有资源水平，积极促进产学研科技创新成果产出。第二阶段在此基础上，又加入企业创新创造主体，中部地区由于高校、科研机构与企业融合程度不高，且受限于企业自身科技创新能力等原因，未能实现科技成果的有效转化。其中，中部6省中的河南省表现最为明显。产学研综合效率由第一阶段的1在第二阶段降至0.588的水平，在第二阶段，企业高新技术产业“趋同”现象明显、产学研资源“兼容”度不高、产学研合作“信息通道”不畅等阻碍了科技成果转化。而东部地区无论从创新企业数量还是创新企业技术水平方面都优势明显，纯技术效率作用得以发挥，尤其是天津和上海，均实现了由第一阶段无效(0.801和0.894)到第二阶段有效(均为1)的跨越。在企业高新技术水平引领下，带动高校和科研机构对创新产品的成果转化效率，将更多创新要素通过企业创造活力，带入消费者市场，使综合效率由弱转强。所以，促进各地区产学研协同创新整体效率的提升，需要高校、科研机构和企业各主体在创新数量和创新质量两方面均发挥有效作用，为三者联合创造、协同创新提供基础与保障[15]。

2.2 基于Malmquist指数的产学研协同创新绩效动态分析

2.2.1 科技成果产出阶段创新绩效Malmquist指数分解

2015-2019年科技成果产出阶段，四大经济区域产学研协同创新全要素生产率变化指数如表2和表3所示。

表2 2015-2019年科技成果产出阶段

表3 我国四大经济区域科技成果产出阶段

在科技成果产出阶段，只有2015-2016年TFP大于1，实现了产学研协同创新绩效增长，各地区科研人员和科技经费的投入可有效转化为产出。其余年份TFP均小于1，各主体投入产出比失衡，导致产学研创新绩效出现下降。由于TC指数下滑，致使TFP均值为0.97，年均下降3%，即技术进步水平的降低导致科技投入要素未能得到有效产出。从四大经济区域来看，只有西部地区TFP小于1，其余地区均大于1，表明我国产学研创新绩效在该阶段科技成果产出能力整体得到了提升。西部地区由于TC指数的下降，导致创新绩效未实现增速，说明西部地区仍然存在技术短板，未来应增设相关技术人员，提高技术人员的业务能力，促进科技成果产出。

2.2.2 科技成果转化阶段创新绩效Malmquist指数分解

在2015-2019年的科技成果转化阶段，我国四大经济区域产学研协同创新全要素生产率变化指数如表4和表5所示。在科技成果转化阶段，各个年份的TFP均大于1，实现了产学研协同创新绩效增长。尤其是2015-2016年，技术进步使得TFP增长了4倍多，表明各主体技术创新优势明显，对产学研协同创新发挥了重要作用。同时，各年份SEC均大于1，表明各主体投入产出比相对合理，在科技成果转化阶段发挥了规模效应。从四大经济区域来看，TFP值均大于1，且均高于科技成果产出阶段，表明该阶段创新成果转换能力更突出。将EC进一步分解为PEC和SEC可知，PEC均值为1.001，SEC均值为1.006，表明在该阶段SEC提高发挥了主要作用。从TEC来看，我国四大经济区域TEC均大于1，表明在科技成果转化阶段处于增速状态。

表4 2015-2019年科技成果转化阶段

表5 我国四大经济区域科技成果转化阶段

2.3 我国产学研协同创新绩效空间分布

参考已有学者研究成果[16-17]，利用ArcGIS自然断点法，将两阶段综合效率等级划分为5级：(0,0.75)为低效率；[0.75,0.85)为较低效率；[0.85,0.95)为中等效率；[0.95,1)为较高效率；1为高效率，并运用ArcGIS软件对研究期首尾年份综合效率值进行可视化表达(图2、图3)。

2.3.1 科技成果产出阶段空间分布

由图2可知，2015年科技成果产出阶段综合效率中有14个省份位于高效率区，即效率值为1，实现了DEA有效，占比47%。到了2019年， 19个省份实现DEA有效，占比63%。两个年份对比，有12个省(市、区)始终保持DEA有效，包括东部地区的北京市、江苏省、浙江省、海南省等，中部地区的江西、河南和湖南3省以及西部地区的广西壮族自治区、陕西省、青海省、宁夏回族自治区、新疆维吾尔自治区。有7个省份仅在2019年实现DEA有效，包括东部地区的山东和广东2省，中部地区的山西和安徽2省，西部地区的贵州省以及东北地区的辽宁和黑龙江2省。还有2个省(市、区)到2019年DEA不再有效，为西部地区的内蒙古和重庆。由此可知，在科技成果产出阶段，西部地区综合效率有效性表现最不稳定，东北地区2个省份快速实现了综合效率有效发挥，东部和中部地区综合效率有效性在有序推进，这与我国四大经济区域发展战略紧密相关。西部地区经济基础薄弱、科技创新开发速度和质量还不稳定；东北有工业基础作保障，高校和科研机构的创新产出效率得以再次振兴；中部和东部在崛起和率先发展中助推高校和科研机构的投入—产出效率，保证创新绩效的有序发展。

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改，下同

2015年我国有6个省(市、区)产学研协同创新处于低效率区，分别是东部地区的天津市和上海市，中部地区的山西省，西部地区的四川、云南2省以及东北地区的吉林省。到了2019年，只有中部地区的四川省依然位于低效率区，其余省(市、区)均已实现更高效率的产学研协同创新。通过对综合效率进行分解可知，四川省产学研协同创新的纯技术效率和规模效率均处于较低水平，说明对创新资源的吸纳和利用能力都较弱。从创新主体来说，主要是受限于科研机构创新实力。例如，2019年四川省发明专利申请数为39 539件，其中科研机构只有3 625件，占比不足10%，未来四川省应从提高技术水平和发挥规模效益两个方面入手，重点促进科研机构创新活力。

2.3.2 科技成果转化阶段空间分布

由图3可知，2015年科技成果转化阶段综合效率中只有9个省份位于高效率区，实现了DEA有效，占比30%。到了2019年，扩展为15个省(市、区)份实现了DEA有效，占比50%。两个年份对比，共有7个省(市)始终保持DEA有效，包括东部地区的北京市、浙江省、广东省和海南省等，中部地区的安徽省以及西部地区的青海和宁夏2省。有8个省份仅在2019年实现了DEA有效，包括东部地区的天津市和上海市，中部地区的江西和海南2省，西部地区的内蒙古自治区、陕西省、新疆维吾尔自治区以及东北地区的吉林省。还有2个省(市)到2019年DEA不再有效，分别是位于东部地区的江苏省和西部地区的重庆。由此可知，在科技成果转化阶段，东部和西部地区综合效率有效性表现不稳定，东北地区实现了综合效率有效的零突破，中部地区综合效率有效性在有序推进，与同时期科技成果产出阶段高效率区的空间转移方向大致相同。

2015年共有13个省(市、区)位于产学研协同创新低效率区，分别是东部地区的河北和福建2省，中部地区的山西、河南、湖北3省，西部地区的内蒙古自治区、四川省、陕西省、甘肃省、新疆维吾尔自治区以及东北3省。到了2019年，只有中部地区的山西和河南2个省份依然位于低效率区，其余省份均已实现更高效率的产学研协同创新。这两个省份无论是高等教育资源还是经济发展水平，都处于中等发展水平。通过对两省份综合效率进行分解可知，均是纯技术效率水平过低导致，说明在当前教育资源和经济发展背景下，要通过补齐技术短板，提高技术创新来拉动产学研协同创新的科技成果转化。

图3 我国各地区科技成果转化阶段综合效率空间分布Fig. 3 Spatial distribution of comprehensive efficiency in achievement transformation stage in China

3 结论与建议

3.1 研究结论

通过构建两阶段DEA-BCC模型、Malmquist指数模型对四大经济区域内30个省份科技成果产出和科技成果转化阶段产学研协同创新绩效进行综合评价，结论如下：

(1)由静态DEA-BCC模型分析可知，两阶段综合效率是完全独立的。具体说来，我国2019年四大经济区域第一阶段综合效率排名为中部地区>东北地区>西部地区>东部地区；第二阶段综合效率排名与之完全相反，为东部地区>西部地区>东北地区>中部地区。

(2)由动态Malmquist指数分解模型可知，科技成果转化阶段创新绩效增速要快于科技成果产出阶段，这在2016-2019年表现尤为明显。在科技成果转化阶段，各年份、各地区全要素生产率均大于1，我国产学研创新绩效连年增长；但在科技成果产出阶段，只有2015-2016年产学研创新绩效表现为增长态势，2016-2018年高校和科研院所新增创新要素却未得以充分利用，导致创新绩效的下降，又经过3年积淀，在2019年才得以一定程度的提升。

(3)从空间分布来看，西部地区综合效率有效性表现最不稳定，东北地区实现了综合效率有效的零突破，中部地区综合效率有效性在有序推进。具体说来，在科技成果产出阶段，实现DEA有效的区域包括东部地区的北京市、江苏省、浙江省、海南省等，中部地区的江西、河南和湖南3省以及西部地区的广西壮族自治区、陕西省、青海省、宁夏回族自治区、新疆维吾尔自治区当。而中部地区的四川省始终位于DEA低效率区域；在科技成果转化阶段，实现DEA有效的区域包括东部地区的北京市、浙江省、广东省和海南省等，中部地区的安徽省以及西部地区的青海省和宁夏回族自治区。而中部地区的山西和河南2个省份始终位于DEA低效率区域。

3.2 对策建议

(1)优化东部地区科技要素资源配置，提升科技成果产出效率。东部地区经济发展基础好，率先步入以科技创新为主导的新阶段，产学研各主体都较为重视对科研人员和科研经费的投入，但同时也造成规模效率不佳，科技成果产出效率低下的问题。未来应更加注重对投入资源的有效配置和管理，根据区域实际协调投入要素比例，提高对创新资源的使用效率，增加产出，避免投入产出比失衡和资源浪费现象的发生。高校、科研机构和企业各主体应制定符合实际的科研发展规划，建设良好科研环境，实施科学有效的科研管理办法和晋升机制，提升科技成果产出效率。

(2)加强东北地区产学研合作，提升科技成果转化效率。东北地区作为我国老牌重工业基地，面临升级改造代价高、转型难等问题，科研人员和科研经费运用效率不高，科技成果转化效率低下。一方面，要将高校、科研机构的研究与企业的市场需求相结合。在重工业产业发展优势基础上，向先进装备制造业和高技术产业迈进，加强对信息化、智能化时代产品供给，做大做强大型成套装备制造业和电子信息产业。另一方面，要鼓励科技创新。把创新作为东北地区内生发展动力的主要生成点，提升各创新主体的创新能力和技术效率，发挥投入要素的规模效益，多方面促进东北地区产学研科技成果效率的转化。

(3)打造跨区域间合作创新，促进创新绩效协同发展。鉴于两阶段综合效率值存在一定的空间差异，东部地区是科技成果转化效率的示范区，中部地区是科技成果产出效率的引领区，而西部和东北部地区则受科研资源和科技水平的限制，产学研创新绩效处于落后状态。为此，应全面整合创新要素，发挥各地优势，弥补自身不足，利用现有互联网技术搭建区域间信息交流平台，构建产学研跨区域合作联盟。通过加强不同省份三大主体间的联系和沟通，将东部地区的创新投入冗余和高水平科学技术向西部和东北部地区进行转移，提高创新资源利用效率和创新水平的提升。将中部地区的人才引进和产业升级经验向西部和东北部地区进行传播，实现资源要素区域间自由流动和合理配置，全面提升我国产学研协同创新绩效。