河北省高校科技成果转化能力与效率评价分析——基于因子分析法和数据包络分析的实证研究

李冠男，邢 志，张长文

中国人民警察大学 a.科研处; b.审计处，河北 廊坊 065000

0 引言

高校作为推动和实施科技成果转化活动的重要主体，其科技成果转化的能力强弱、效率高低直接影响我国科技创新能力水平[1-2]。如何优化高校科研投入产出等资源配置，提升科技成果转化能力、优化科技成果转化效率，是当前高校落实创新驱动发展战略，促进经济和社会发展，提升大学综合创新能力的关键问题。近年来，我国高校科技成果转化研究主要围绕制度机制、影响因素、评价指标体系、资源配置及投入产出效率等开展。2015年国家修订了《中华人民共和国促进科技成果转化法》[3]，明确提出高校持有的科技成果可以自主决定转让、许可或者作价投资，有力推动了高校科技成果转化领域方面的研究。姚思宇等[4]运用专家访谈、问卷调查等方法，对我国高校科技成果转化影响因素进行实证分析，基于Ordered Logit模型分析了制约我国高校科技成果转化的5个相关因素的影响程度。杨登才等[5]以2007—2017年期间我国28个省市科技成果转化面板数据为样本，选取影响因素指标，运用数据包络分析(Data Envelopment Analysis，简称DEA)、回归分析等方法测度了对应省市高校的科技成果转化效率，分析了其影响因素，并得出高校教师的价值追求、科技成果成熟程度、社会协作氛围是影响高校成果转化效率的重要因素。赵公民等[6]以2009—2017年“双一流”高校为研究对象，使用SBM-Malmqusit指数模型对其科技成果转化效率进行测度和分析，认为提高人才质量和经费质量、发展互联网、推动“互联网+”深度融合是提高我国“双一流”高校科技成果转化效率的有效途径。

综上可知，当前国内学者通过多种方法对我国高校的科技成果产生能力和科技成果转化效率分别开展了一定程度的研究工作，侧重各有不同。总体来看：以高校作为特定对象的科技成果转化研究仍然偏少，且对科技成果转化评价单元缺少深入分析讨论[7-8]；在成果转化影响因素指标的选择上，缺乏明确一致的标准[9-10]；大多研究针对的是我国不同地域之间高校整体科技成果转化效率测算分析，对同一地区高校科技成果转化能力、效率及影响因素研究较少[11]。此外，高校科技成果与经济社会建设结合不够、高校普遍科技成果转化能力效率偏低的情况依然存在，成果转化收益共享、分配机制以及知识产权保护配套措施等也有待进一步完善[12-14]。鉴于此，在相关研究基础上选取13类高校科技成果转化投入产出指标，通过因子分析法提取公因子，建立成果转化能力评价模型。以2018年河北省33所高校科技成果转化情况为研究样本，实证测度对应高校的科技成果转化能力，运用DEA-BCC模型测度对应高校的科技成果转化效率，并进行分类综合评价，为优化高校科技成果转化政策环境，提升成果转化能力效率提供针对性对策建议和参考数据。

1 数据来源和研究设计

1.1 数据采集与处理

查阅相关文献，结合我国高校科技成果转化特点[15]，选取《高校科技统计资料汇编》中相关院校的教学与科研人员数量、经费投入、承担科技课题数量等作为原始投入要素，选取学术专著数量、论文篇数、技术转让收入等指标作为原始投入产出要素，采集国家知识产权局专利检索及分析数据库中相关院校公告并取得的专利授权数量、国家发明专利授权数量等指标作为原始产出要素，构建高校科技成果转化投入产出原始变量指标体系，如表1所示。

1.2 因子分析法与工具

因子分析法指通过分析相关矩阵内部结构，根据相关性大小对变量进行分组，得到同组内变量相关性较高，不同组变量相关性较低或不相关的结果，从而找出少数几个可以有效控制原始变量的随机变量fi(i=1,2,…,k)，以此来描述各原始指标之间的联系[16]。运用因子分析法，可以对原始投入产出的变量指标进行计算归类，得到新的共同因子即公因子，实现多指标体系的降维，便于进行综合评价分析[17]。使用IBM SPSS Statistics 23软件，对高校科技成果转化投入产出原始变量进行因子分析，用以建立高校科技成果转化能力评价模型，同时衡量各高校科技成果转化能力强弱。

表1 高校科技成果转化投入产出原始变量指标

1.3 DEA-BCC分析与工具

DEA方法是一种在多个投入、多个产出情况下评价决策单元相对有效性的数学方法，广泛用于部门间绩效评估、全要素生产效率评估、能源效率评估、生产前沿面估计等实际问题。DEA方法不需要人为预先选择生产函数，避免了主观因素影响，具有很强的客观性。通过运用规模可变的DEA-BCC模型，将因子分析得到的高校科技成果转化指标公因子作为模型的投入产出指标数据，可以得到高校科技成果转化的综合效率、纯技术效率和规模效率，用以分析不同高校的科技成果转化效率情况。使用DEAP 2.1软件，选取2018年河北省33所高校科技成果转化情况为研究样本，实证测度分析转化效率。为避免争议，对高校及其分析结果采用编号代替。

2 高校科技成果转化能力评价分析

2.1 KMO和巴特利特检验

对选取的2018年河北省33所高校13类科技成果转化投入产出原始变量进行因子分析，并对选取数据进行有效性检验，结果见表2。表中，检验统计量(KMO)数值为0.714，卡方值为748.230，自由度为78，P值显著性概率为0.000，小于0.05，表明高校科技成果转化投入产出原始变量数据之间有共同因子存在，适合采用因子分析。

表2 KMO和巴特利特检验结果

2.2 因子载荷分析

采用主成分分析法提取公因子，得到相关矩阵特征值和特征向量。其中3个因子特征值大于1，如表3所示。设定提取公因子分别为F1、F2、F3，采用方差最大化法对F1、F2、F3进行旋转，得到3个公因子主成分方差贡献率分别为44.624%，28.301%，16.172%，累计贡献率89.097%，较好地覆盖了因变量部分信息，分析效果良好。为了使各项指标更具有解释性，使用因子旋转的方式提高F1、F2、F3因子载荷，结果见表4。

表3 特征值和累计贡献率

表4 因子旋转后成分矩阵

如表4所示：F1在X3、X4、X5、X6、X10、X11指标上载荷均在0.8以上，主要解释了高校科技成果转化工作中投入的科研活动经费、科技课题和专利，以及高校经费的使用；F2在X1、X2、X8指标上载荷均在0.8以上，主要解释了高校科技成果转化工作中投入的科研人力，因此将F1、F2定义为高校科技成果转化投入因子。F3在X12、X13指标上载荷达到了0.9以上，集中反映了高校科技成果转化数量及技术转让取得的收入情况，因此将F3定义为科技成果转化产出因子。

2.3 高校科技成果转化能力评价模型

利用得分系数矩阵，计算得到3个公因子的线性表达式，并建立高校科技成果转化能力综合评价模型如下：

G=H1·F1+H2·F2+H3·F3

(1)

式中，G、H、F分别表示因子总得分、公因子方差贡献率、公因子。H越大表明对应公因子越能反映高校科技成果转化能力水平，G越大表示高校科技成果转化能力越强。根据公因子得分和权重，计算出高校科技成果转化投入产出因子和高校科技成果转化能力，结果见表5。

如表5所示，公因子F1、F2得分排名前五的高校编号分别为24、2、6、9、1和10、11、12、5、26，说明以上高校在科研方面投入较多。公因子F3得分排名前五名的高校编号分别为24、2、9、1、6，说明以上高校科技成果转化产出较多。因子总得分排名前五的高校编号为24、2、6、9、1，说明以上高校科研综合实力较强，投入科研的人力、经费多，承担科研项目能力较强，科技成果转化能力突出，如排名第一的24号高校，因子总得分G最高达到6 312.556，且对应的公因子指标均为最高，而最低的高校仅为29.805，表明各高校间科技成果转化能力差距较大。需要说明的是，表5中个别因子对应计算得分为负数并不表示该校科技成果转化投入产出量为负，而是软件对数据进行标准化处理所致，不影响对计算结果的分析。

表5 2018年河北省33所高等院校科技成果转化因子得分和排名表

3 高校科技成果转化效率评价分析

将公因子F1、F2作为投入变量，公因子F3作为产出变量进行DEA-BCC分析。采用功效系数法对数值为负数的公因子对应的所有数据按同一标准进行正向化处理，使用DEAP 2.1软件对2018年河北省33所高校科技成果转化效率进行测算，从综合效率(Crste)、纯技术效率(Vrste)、规模效率(Scale)等方面对高校科技成果转化效率进行评价，计算结果见表6。

如表6所示，从综合效率角度分析：33所高校平均得分0.302，整体处于中等偏低水平。2所高校实现科技成果转化投入产出有效，即综合效率为1，占比6.06%。综合效率最低高校仅为0.003，反映出河北省高校科技成果转化发展极不平衡。从纯技术效率角度分析：33所高校纯技术效率平均得分0.952，整体处于较高水平。7所高校科技成果转化投入产出达到技术有效，即纯技术效率为1，占比21.21%，其中5所高校综合效率、规模效率均未达到1，规模报酬处于递增状态。以上情况说明对应高校在当前的投入下其科技成果转化已获得了最大化产出，但其规模效率较低，有必要通过配置资源，增加或减小生产规模，从而实现DEA有效。其余2所高校综合效率、规模效率均为1，表明这2所高校科技成果转化投入产出结构合理，能够实现最大效益。从规模效率角度分析：33所高校规模效率平均值为0.324，整体处于偏低水平。2所高校科技成果转化规模效率、综合效率、纯技术效率均达到1，规模报酬不变，达到最大产出规模，占比6.06%。其余31所高校科技成果转化规模效率均小于1，规模报酬递增，占比93.94%。表明所选取的河北省高校中大部分科技成果转化处于非规模有效状态，分析原因主要是科技成果资源利用未达到最大化，对应成果转化的产业结构未能达到最优状态，有必要调整规模，提升成果转化技术及管理水平。此外，成果转化产出比例的增加大于投入比例的增加，说明有必要加大投入，实现科技成果转化的最优。

表6 2018年河北省33所高等院校科技成果转化效率评价结果

综上所述，2018年河北省33所高校的科技成果转化综合效率平均在0.302，纯技术效率平均在0.952，规模效率平均在0.324，规模报酬普遍处于递增状态。同时，以上数据表明2018年33所河北省高校中大部分高校科技成果转化未达到最佳状态，存在效率不足问题。其中仅2所高校达到科技成果转化的最佳状态，即综合效率、纯技术效率、规模效率均达到1，规模报酬不变，占比6.06%。5所高校科技成果转化效率达到技术有效状态，即纯技术效率达到1，综合效率和规模效率未达到1，规模报酬递增，占比15.15%，这部分高校有必要优化科技成果转化资源配置，加大科研投入，提升科技成果转化效率。

4 高校科技成果转化综合评价

根据高校科技成果转化能力评价模型和DEA-BCC分析，得到2018年33所河北省高校科技成果转化因子总得分和高校科技成果转化综合效率，以此绘制科技成果转化综合评价中轴散点图，见图1。

图1 2018年河北省33所高校科技成果转化综合评价图

如图1所示，横轴为高校科技成果转化综合效率，纵轴为高校科技成果转化综合能力。处在第一象限的高校科技成果转化效率高、转化能力强，共有2所高校，对应编号2、24，占比6.06%，表明2018年河北省33所高校中仅有个别高校科技成果转化成熟稳定。处在第二象限的高校科技成果转化效率低、转化能力强，该象限内没有对应高校。处在第三象限的高校科技成果转化效率低、转化能力弱，共有24所并集中分布在第三象限边缘位置，对应高校编号分别是4、7、8、9、10、11、12、14、15、16、17、18、19、20、21、22、25、26、28、29、30、31、32、33，占比72.73%，说明以上河北省高校普遍存在科技成果转化不到位的情况。处在第四象限的高校科技成果转化效率高、转化能力弱，共有7所，对应高校编号分别是1、3、5、6、13、23、27，占比21.21%，说明少数高校初步达到了相对可观的科技成果转化效率，但成果转化能力与对应转化效率并不匹配，有必要通过加大科研成果转化投入力度，优化投入配置等举措提升成果转化能力。

5 结论与建议

本文选取2018年高校科技成果转化投入产出数据，运用因子分析法和DEA-BCC模型，实证测度了河北省33所高校科技成果转化能力及效率，并进行了综合评价分析，研究表明：(1)在河北省33所高校中，2所高校科技成果转化能力较强，24所高校科技成果转化能力较弱，不同高校间科技成果转化能力差距较大。(2)2所高校科技成果转化综合效率达到最高，处于规模不变状态，即科技成果转化投入产出资源利用率最高，不存在投入冗余情况；31所高校科技成果转化效率处于规模收益递增阶段，即科技成果转化的产出比例大于投入比例，需要通过加大科研经费、人力等投入提升转化效率，达到转化效率最佳状态。(3)2所高校科技成果转化能力强，转化效率达到最佳，7所高校科技成果转化能力和转化效率不匹配，存在转化能力弱但转化效率高的失衡现象；24所高校科技成果转化能力弱，转化效率低，且测度数据集中在边缘位置，即科技成果转化处于同省高校中的较低水平。

根据上述分析和结论，可以得到以下提升高校科技成果转化能力及效率的建议：(1)对于科技成果转化效率较高、成果转化能力较弱的高校，应加强对科技创新工作的投入力度，加大科技创新人才引进力度，增加科研经费投入，完善优化科技创新管理机制，提升承担科研课题的数量和质量，产出高质量论文、著作，加强“政产学研用”协同创新，在合作攻关、联合培养、共建平台等方面加大政策支持力度，补齐科研经费和人力投入短板。(2)对于科技成果转化效率较低、成果转化能力较弱的高校，应着重提升高校科研软硬实力，在顶层设计层面，构建符合国家、省市、行业最新科技创新政策，切合高校发展实际情况的科研管理体制机制。要切实把科技创新及科技成果转化当作一项重要任务，通过完善科技创新激励制度、建立符合国家科技成果转化方针政策的职称评价体系等，激发科研人员从事科研活动的积极性。持续加大科技创新人才引进力度和科研设备投入力度，在职称评审、考核奖励等方面优化科研数质量和科技成果转化方面导向，更加重视对“三技服务”等科技成果转化方面有关指标的运用，实现科研数质量、科技成果转化效益、科研管理服务水平的“三提升”，进而增强科技成果转化能力效率。