考虑产学研协同的高校创新效率测度及提升路径——地区差异的视角

刘东霞，赵泳琪

(山西财经大学管理科学与工程学院，山西太原 030006）

1 研究背景

科技创新是增强综合国力的决定性因素，我国“十四五”时期的发展对加快科技创新提出了更为迫切的要求。高校作为科技创新的主力军，其创新效率的高低不仅影响我国经济社会的发展速度与水平，而且关系到我国能否在国际科技竞争中占领制高点［1］。从价值链的角度看，高校创新活动包括知识创新和知识转化两个阶段［2］，其创新产出不仅涉及基础研究及理论创新成果，而且包括掌握知识和技术转化为现实生产力的方式。因此，高校创新效率的提升不仅需要高校科技创新活动聚焦前瞻性基础研究，提升知识创新效率，更需要紧密对接经济社会发展需求，凸显知识转化效率。

党的十九大报告明确提出我国要深化科技体制改革，建设以企业为主体、市场为导向、产学研深度融合的技术创新体系［3］，强调了产学研协同创新在我国创新驱动发展战略中的重要地位。2018 年我国高校R＆D 研发经费内部支出较2012 年增加了86%，专利授权总数增加了168%，而高校技术转让合同成交额却只增加了24%，高校科技成果转化效率较低。因此，在产学研协同创新背景下，如何对高校知识创新和知识转化效率进行科学地测度，探索影响高校创新效率的因素，对增加高校创新成果、夯实创新强国基础有重要的作用。

2 文献综述

现有文献多从区域中观和高校微观层面探讨区域高校创新效率与高校间相对效率的差异。沈能等［4］、王晓珍等［1］、蔡文伯等［5］、张海波等［6］学者运用DEA 以及扩展模型研究区域高校创新效率差异，得到我国高校创新效率整体呈非DEA 有效，东部、中部与西部地区（按2003 年国家统计局地区划分）高校创新效率存在显著差异；呈现东部最高、中部次之、西部最低的分布特征［7］，且不同省份高校创新效率的差距也较为明显［8］。闫平等［9］、李胜会等［10］、高擎等［11］、宗晓华等［12］以教育部直属高校为研究对象，得到2012 年之后高校整体创新效率有所提高，但速度较缓慢；东部地区高校创新效率增长稳定，中西部地区则波动较大。具体到“985工程”高校，林德明等［13］研究发现我国“985 工程”高校的技术转移平均效率不高，有高达60%的高校是非DEA 有效；王树乔等［14］得到我国“985 工程”高校科研效率水平不均衡，存在地域差异性，中部地区的“985 工程”高校科研综合技术效率水平较高。考虑到高校创新效率存在时间与空间差异性，学者们开始探讨高校创新效率的动态演化问题，主要的研究方法有DEA 视窗分析［15］，Malmquist 指数法［10］，以及核密度估计等［14］。由于环境因素与随机扰动项会对高校科技创新效率产生影响，学者们提出了用三阶段DEA 模型［16］，三阶段超效率DEA 模型等方法［17-18］。

学者们对高校创新效率的研究取得了丰硕的成果，但仍存在需要进一步探讨的地方：一是在研究对象上，学者们或者聚焦省域高校或者聚焦重点与教育部直属高校，我国东中西部地区在经济发展水平、制度环境建设以及文化意识等方面存在较大的差异，东部地区具有较高的开放程度，形成了公平竞争的环境［19］；而中西部地区封闭程度较高，政府过多干预市场。这可能造成不同地区影响高校创新效率的因素存在差异。二是在研究内容上，学者们将高校创新过程视为一个“黑匣子”，聚焦于高校创新的整体效率，忽视了高校创新活动的阶段性特征。按照价值链理论，高校创新过程包括知识创新与知识转化两个阶段，各个阶段的效率如何？是否存在区域差异？未有文献加以论证。三是在投入指标选择上，大部分研究分别从人员投入、资金投入与智力投入选择高校创新效率的投入指标。从高校知识转化过程来看，产学研协同创新直接推动高校知识创新成果转化为现实的生产力［20］，而研究者未能从这一层面选择相应的投入指标。

综合现有的研究成果，本文遵循高校创新从知识创新到知识转化的研究逻辑，运用三阶段超效率EBM-Windows 模型测算不同地区高校知识创新与知识转化的效率，探讨不同地区影响高校创新效率的因素，探索提升高校创新效率的途径与措施。

3 研究设计

3.1 研究方法

通过梳理现有文献发现，测算高校创新效率的主流方法主要有随机前沿分析(SFA)，如李滋阳等［21］、苏涛永等［22］与数据包络分析(DEA)如Colin 等［23］、宋维玮等［24］。随机前沿分析具有以经济学理论为支撑，可以使用生产函数对投入产出关系进行定量分析的优点，但存在一旦理论模型设定错误，便会出现分析结果偏差大、分析结论没有实际意义等缺陷。而数据包络分析无需事先设定投入产出的具体函数形式，特别适用于评价无固定生产函数的决策单元效率。但经典DEA 分析不仅没有考虑松弛变量与决策系统之外环境因素对决策单元效率的影响，也不能反映决策单元效率的动态变化特征。

在松弛变量方面，传统SBM 模型虽然考虑了径向松弛变量与非径向松弛变量，但未能体现投入产出变量的实现值与目标值之间的比例关系，Tone等［25］提出的混合距离函数EBM 模型可以满足这一要求。在环境因素方面，Fried 等［26］将随机前沿分析法(SFA)纳入到DEA 分析中，提出了三阶段DEA模型，剔除了环境因素与随机扰动项对决策单元效率的影响。在动态变化方面，Charnes 等［27］提出了DEA-Windows 方法，可以使用面板数据对决策单元效率进行时间序列上的对比。

基于以上分析，本文选择三阶段非径向超效率EBM-Windows 模型测算高校知识创新与知识转化效率，以期能够更加客观地反映高校的创新效率及其动态变化特征。

3.2 指标选取与研究模型

3.2.1 指标选取

根据创新价值链视角［28］，高校创新活动可以分为知识创新与知识转化两个阶段，在知识创新阶段，所需要的投入主要为人力与资金投入，其对应的成果产出主要表现为学术效益；在知识转化阶段，高校与企业对接将论文、专利、专有技术等知识创新成果产品化，该阶段的投入便表现为知识创新阶段的产出，其对应的成果产出主要表现为经济效益。

基于以上分析并借鉴吴卫红等［29］、王晓红等［30］、李彦华等［31］的研究成果，选取R＆D 人员全时当量与R＆D 经费内部支出作为高校知识创新阶段的投入指标。其中，R＆D 人员全时当量可以衡量高校在某一年度R＆D 人员的实际投入水平；R＆D 经费内部支出可以衡量高校单位在某一年度开展R＆D 活动的内部实际支出，能够更加客观地反映高校内部开展科研活动的资金投入情况。为了能够兼顾研究型与应用研究型高校在知识创新阶段学术产出的差异性，知识创新阶段的产出指标分别选取了学术论文数和授权专利总数。其中，学术论文数是衡量一所高校学科科研实力的重要指标［32］；授权专利总数包含了实用新型、外观设计以及发明专利的数量，能够更加全面地反映高校的创新能力［33］。知识转化阶段的投入指标基本与知识创新阶段的产出指标一致，另外考虑到高校与企业的协同创新程度显著地影响高校知识转化的效率，借鉴王晓红等［34］、姜文宁等［35］的研究，将企事业单位委托合作资金金额作为测度高校协同创新程度的指标，引入高校知识转化阶段。知识转化阶段的产出指标为技术转让签订合同数、技术转让经费总额以及专利出售总金额，分别从数量与质量两个层面反映知识转化成果的经济价值。

为了能够更加客观地反映高校的创新效率，运用三阶段非径向超效率EBM-Windows 模型。在进行第二阶段SFA 分析时，需要引入环境变量，以期在第三阶段得到调整投入值剔除环境变量的影响。环境变量的选取要求满足“分离假设”，即环境变量影响高校创新效率，但作为创新主体的高校是无法通过主观控制改变这种影响［10］。相关研究显示：政府资金［36］，社会经济环境［37］，政府支持［38］，地区资源禀赋［7］，市场化水平都会显著影响高校的创新效率［39］。结合本文的研究重点，选择人均地区生产总值（GDP）与第三产业增加值占GDP 比重表征社会经济环境发展状况；选择政府资金投入占当年拨入科技经费的比重衡量政府的支持力度；高校创新活动所需要的资源表现为科研人员的质量与潜在的科研人员数量，选择R＆D 人员中博士的比重与每10 万人口中高校的在校生人数作为测度地区资源禀赋的指标［40］。

3.2.2 研究模型

以创新价值链理论为依据划分高校创新活动的阶段，将协同创新引入高校知识转化过程，结合本文所选定的研究方法与指标，构建了测度高校知识创新与知识转化的三阶段超效率EBM-Windows 模型，如图1 所示。

图1 高校知识创新与知识转化效率测度模型

模型的纵向逻辑为：高校的创新活动历经了知识创新与知识转化两个过程，通过将知识创新产出成果应用于知识转化过程，并与企事业单位对接与合作，最终将知识创新成果转化为现实的经济效益。模型的横向逻辑为：第一阶段运用非径向超效率EBM-Windows 测度包含环境影响的知识创新或知识转化效率；第二阶段引入环境变量运用SFA 分析方法调整知识创新或知识转化投入，以剔除环境对高校知识创新与知识转化效率的影响；第三阶段运用非径向超效率EBM-Windows 测度剔除环境影响的高校知识创新或知识转化效率，特别地将协同创新引入高校知识转化过程，以反映协同创新程度对高校知识转化效率的影响。

3.3 数据来源与处理

本文以我国29 个省、自治区、直辖市（未含青海、西藏和港澳台地区）为研究样本。区位优势对高校创新的经济价值效率有较大影响，东部地区的社会环境更加有利于高校创新经济价值效率的优化［1］；但经济增长缓慢、人口流失、老龄化等问题使东北三省的经济社会发展环境发生变化，严重影响了该地区高校的创新效率。如果将东北三省合并到东部地区来分析，东部地区其他省份良好的经济社会环境因素会掩盖真正影响东北三省高校创新效率的因素。因此，本文将我国29 个省份划分为东、中、西与东北4 个地区（考虑到东北地区经济社会环境的差异性，范建平等［41］也做过类似的处理），分别探讨高校知识创新、知识转化效率以及影响因素的地区差异。

2007 年党的十七大报告中强调我国要促进产学研用相结合，进一步明确了高校成果转化的重要性。因此，本文将研究周期设定为2007—2018 年，以反映政策引导下高校知识创新与知识转化效率的变化。研究数据来源于2008—2019 年《高等学校科技统计资料汇编》《中国科技统计年鉴》和《中国统计年鉴》，其中部分省份的个别数据存在为零的情况，为保证评价结果的准确性，借鉴王晓红等［42］的做法，在评价过程中将此个别数据赋值为相应指标的极小值。

在高校知识创新与知识转化过程中，创新或转化投入到成果产出的实现需要一定的时间，即投入到产出存在时滞性。本文参照大多数学者的做法，将知识创新与知识转化产出的滞后期设置为1 年［22］，即知识创新产出比知识创新投入晚1 年，知识转化产出比知识转化投入晚1 年。

4 实证分析结果

4.1 高校知识创新效率的地区差异

4.1.1 第一阶段：EBM-Windows 结果

运用MaxDEA 软件选择非导向超效率EBMWindows 模型，窗口宽度设为3，计算2008—2017年我国29 个省份高校的知识创新效率（数据备索），汇总计算得到东部、中部、西部及东北地区的高校知识创新效率，其变化趋势见图2 所示。

图2 调整前分区域样本高校知识创新效率

从图2 可以看出，2008—2017 年样本高校知识创新效率呈现波动式上升趋势，10 年间的均值来为0.706，呈现“东部＞中部＞西部＞东北”的效率空间格局。从动态变化来看，不同地区又呈现不同的变化特征：（1）东部地区高校知识创新效率呈现缓慢上升态势，年均增长率为1.7%；10 年间其效率值均高于全样本平均水平，2015 年达到最高点，效率值为0.832。其中，江苏、海南与浙江的高校知识创新效率均值居东部地区的前三位。（2）西部地区高校知识创新效率呈现逐年上升态势，是效率提升最快的地区，年均增长率为2.9%；自2013 年其效率值超过全样本平均水平，并于2016 年达到最高值，为0.825。其中，新疆、宁夏与陕西的高校知识创新效率均值居西部地区的前三位。（3）2008—2016 年，中部地区高校知识创新效率值均低于东部地区；除2008 年与2009 年之外，其余各年其效率值也低于西部地区。2017 年其效率值达到了0.868，超过了东部与西部地区；10 年间的年均增速为2.4%。其中，河南、湖北与湖南的高校知识创新效率均值居中部地区的前三位。（4）东北地区高校知识创新效率呈现缓慢上升态势，年均增长率为1.8%；10 年间其效率值均低于全样本平均水平，2017 年达到最高点，效率值为0.616。

4.1.2 第二阶段：SFA 回归结果

考虑到高校知识创新效率会受到外生环境变量的影响，第一阶段的测算结果不能准确反映高校的知识创新效率。因此，以第一阶段高校知识创新阶段的两个投入指标的松弛变量作为被解释变量，将6个环境因素作为解释变量，建立面板SFA回归方程。回归分析发现整体SFA 方程未通过单边t 检验，需要调整所选定的环境变量；删除市场化水平这一环境变量后，整体SFA 回归方程通过了1%的显著性检验，具体结果见表1 的模型K1 所示。

我国在教育、文化等社会事业的软硬环境存在较大的地区差距，东部地区的高校数量众多、建设水平较高，创新氛围浓厚；而中西部地区高等教育资源特别是优质高等教育资源相对匮乏，创新意识不足；东北地区高校高水平人才严重短缺、现有人才流失严重。因此，环境因素对不同地区的高校知识创新效率的影响可能存在差异［43］。为检验各环境因素对东部与中西部及东北地区高校知识创新效率的影响差异，分别构建了5 个SFA 回归模型，即在SFA 回归模型K1的基础上，依次引入“人均GDP×地区” “第三产业增加值占GDP 的比重×地区”“政府支持力度×地区”“R＆D 人员中博士的比重×地区”与“每10 万人口中高校在校生数量×地区”等交互项，其中，“地区”为虚拟变量，如果所属省份在东部地区记为1，在中西部及东北地区记为0。模型K2 至K6 的回归方程均通过了1%的显著性检验，结果见表1。

表2 样本高校知识创新阶段面板SFA 回归结果（二）

（1）环境因素对高校知识创新效率的影响分析。由表1 可得，模型K1 中部分环境因素的回归系数通过了显著性检验，即环境因素对高校知识创新阶段的两个投入指标的松弛变量有显著影响，进而影响高校的知识创新效率。本文选取的被解释变量为高校知识创新阶段投入指标的松弛变量，若回归系数为负表示环境变量越大，投入冗余越少，即在产出不变的情况下，仅需要较少的投入，高校知识创新效率越高；系数为正则相反。

具体的影响情况为：1）从社会经济环境因素来看，人均GDP 仅与R＆D 人员全时当量松弛变量的回归系数显著为负，即人均GDP 增加，R＆D 人员的冗余会显著减少；第三产业增加值占GDP 的比重仅与R＆D 经费内部支出的松弛变量显著负相关，即第三产业增加值占GDP 的比重越大，R＆D 经费支出的冗余越少。2）政府支持力度与R＆D 人员全时当量松弛变量、R＆D 经费内部支出的松弛变量的回归系数均为负，但未通过显著性检验，即政府支持力度与R＆D 人员、R＆D 经费内部支出的冗余程度不具有统计上的显著性。3）从资源禀赋因素来看，R＆D人员中博士的比重仅与R＆D 经费内部支出松弛变量显著正相关，即R＆D 人员中博士的比重越高，R＆D经费支出的冗余则越多；每10 万人口中高校在校生数量与R＆D 人员全时当量松弛变量显著正相关，与R＆D 经费内部支出松弛变量显著负相关，即每10万人口中高校在校生数量越多，R＆D 人员的冗余越多，R＆D 经费支出的冗余则越少。

（2）环境因素对高校知识创新效率影响的地区差异。由表1 分析模型K2～K6 的回归结果，可以得到各环境因素影响高校知识创新效率的地区差异。具体的差异情况为：1）从社会经济环境因素来看，模型K2 中的交互项“人均GDP×地区”与R＆D 人员全时当量松弛变量、R＆D 经费内部支出松弛变量的回归系数均不显著，即人均GDP 对R＆D 人员全时当量松弛变量、R＆D 经费内部支出松弛变量的影响无显著的地区差异。模型K3 中的交互项“第三产业增加值占GDP 的比重×地区”与R＆D 人员全时当量松弛变量的回归系数显著为正，即相较于中西部及东北地区，第三产业增加值占GDP 的比重越大，东部地区R＆D 人员投入的冗余越多；交互项“第三产业增加值占GDP 的比重×地区”与R＆D 经费内部支出松弛变量的回归系数不显著，即第三产业增加值占GDP 的比重对R＆D 经费内部支出松弛变量的影响无显著的地区差异。2）模型K4 中的交互项“政府支持力度×地区”与R＆D 人员全时当量松弛变量的回归系数显著为正，即相较于中西部及东北地区，政府支持力度越大，东部地区R＆D 人员投入的冗余越多；交互项“政府支持力度×地区”与R＆D 经费内部支出松弛变量的回归系数不显著，即政府支持力度对R＆D 经费内部支出松弛变量的影响无显著的地区差异。3）从资源禀赋因素来看，模型K5 中的交互项“R＆D 人员中博士的比重×地区”与R＆D 人员全时当量松弛变量的回归系数显著为正，即相较于中西部及东北地区，R＆D 人员中博士的比重越大，东部地区R＆D 人员投入的冗余越多；交互项“R＆D 人员中博士的比重×地区”与R＆D经费内部支出松弛变量的回归系数显著为负，即相较于中西部及东北地区，R＆D 人员中博士的比重越大，东部地区R＆D 经费内部支出的冗余越少。模型K6 中的交互项“每10 万人口中高校在校生数量×地区”与R＆D 人员全时当量松弛变量的回归系数不显著，即每10 万人口中高校在校生数量对R＆D 人员投入松弛变量的影响无显著的地区差异；交互项“每10 万人口中高校在校生数量×地区”与R＆D 经费内部支出的松弛变量的回归系数显著为负，即相较于中西部及东北地区，每10 万人口中高校在校生数量越多，东部地区R＆D 经费内部支出的冗余越少。

4.1.3 第三阶段：调整后EBM-Windows 结果

将窗口宽度设为3，采取非导向EBM-Windows模型再次计算第二阶段调整后的投入产出，计算2008—2017 年样本高校调整后的知识创新效率，汇总计算得到东部、中部、西部及东北地区高校调整后的知识创新效率，其变化趋势见图3 所示。

图3 调整后分区域样本高校知识创新效率

由图3 可见，对照第一阶段的计算结果，可以发现：（1）剔除环境因素影响之后，2008—2017 年全国高校知识创新效率均值下降为0.675；每年均有小幅度的下降，其中2010—2013 年的下降幅度最大。

（2）剔除环境因素影响之后，2011—2017 年东部地区高校知识创新效率值均有所下降，表明近年来东部地区高校知识创新效率较高与其拥有的环境优势密切相关。特别地，海南省高校知识创新效率降幅达到92.56%，说明环境因素对海南省高校知识效率的贡献程度较高。

（3）剔除环境因素影响之后，2008—2017 年中部地区高校知识创新效率均值上升为0.761。特别地，安徽、湖南与山西的高校知识创新效率均值增幅居中部地区前三位。从动态变化趋势来看，除2011 与2013 年之外，其余各年中部地区高校知识创新效率值明显高于调整之前的效率值，表明环境因素制约了中部地区高校的知识创新效率。

（4）剔除环境因素影响之后，2008—2017 年西部地区高校知识创新效率均值下降为0.575，下降幅度为18.90%，特别地，宁夏、新疆与内蒙古为西部地区高校知识创新效率均值降幅最大三个自治区。2008—2017 年西部地区高校知识创新效率值均低于调整前的效率值，表明西部地区高校知识创新效率对环境的依赖程度较高。

（5）剔除环境因素影响之后，2008—2017 年东北地区高校知识创新效率均值上升为0.717,上升幅度为35.03%；各年度调整后的效率值均明显高于调整之前的效率值，表明发展环境较差制约了东北地区高校的知识创新效率。

4.2 高校知识转化效率的地区差异

4.2.1 第一阶段：EBM-Windows 结果

运用MaxDEA 软件选择非导向超效率EBMWindows 模型，窗口宽度设为3，计算2009—2018年样本高校的知识转化效率，汇总计算得到东部、中部、西部及东北地区的高校知识转化效率，其变化趋势见图4 所示。

图4 调整前分区域样本高校知识转化效率

由图4 可以看出，2009—2018 年样本高校知识转化效率呈现下降趋势，计算得到10 年间的效率均值为0.433，远低于高校知识创新效率均值0.706。从空间格局来看，也呈现“东部＞中部＞西部＞东北”的特征。（1）2009—2018 年东部地区的高校知识转化效率值均高于全样本平均水平，并在0.44～0.70的区间内呈现波浪式变化特征。（2）除2013 年与2015 年，中部地区其余年份的高校知识转化效率值均低于全样本平均水平，呈现先增后降的变化特征。（3）西部地区的高校知识转化效率值仅在2009 年超过了全样本平均水平，呈现逐年下降特征。自2011 年，西部地区的高校知识转化效率值始终徘徊在0.20～0.30 左右，效率值较低。（4）2009—2018 年东北地区的高校知识转化效率值均低于全样本平均水平，始终徘徊在0.12～0.34 之间。

4.2.2 第二阶段：SFA 回归结果

环境变量会影响高校的知识转化效率，以第一阶段高校知识转化阶段的3 个投入指标的松弛变量作为被解释变量，将6 个环境因素作为解释变量，建立面板SFA 回归方程。回归结果显示，整体SFA回归方程通过了1%的显著性检验（具体结果见表1的模型T1）。

从成果转化的角度来看，东部地区具有较高的开放程度与市场化水平，更有利于高校的知识创新成果转化为现实的产品或服务；而中西部及东北地区封闭程度较高，高校为企业提供研发服务的意识不足，可能造成不同地区环境因素对高校知识转化效率的影响有差异。因此，为检验东部与中西部及东北地区各环境因素对高校知识转化效率的影响差异，与本文3.1.2 的分析方法相似，在SFA 回归模型T1 的基础上，依次引入6 个环境因素与虚拟变量“地区”的交互项，构建了6 个SFA 回归模型。模型T2～T7 的回归方程均通过了1%的显著性检验，结果见表2。

表3 样本高校知识转化阶段面板SFA 回归结果（一）

表4 样本高校知识转化阶段面板SFA 回归结果

表4（续）

（1）环境因素对高校知识转化效率的影响分析。由表2 可得，模型T1 中部分环境因素的回归系数通过了显著性检验，即环境因素对高校知识创新阶段的两个投入指标的松弛变量有显著影响，进而影响高校的知识转化效率。

具体的影响情况为：1）从社会经济环境因素来看，人均GDP 仅与授权专利总数松弛变量的回归系数显著为负，即人均GDP 增加，授权专利总数的冗余会显著减少；第三产业增加值占GDP 的比重与授权专利总数松弛变量、企事业单位委托合作资金总额松弛变量的回归系数均显著为正，即第三产业增加值占GDP 的比重越大，授权专利总数以及企事业单位委托合作资金总额的冗余度会越高。2）政府支持力度与学术论文数松弛变量的回归系数显著为负，与企事业单位委托合作资金总额松弛变量的回归系数显著为正，即政府支持力度越大，学术论文数的冗余越少，企事业单位委托合作资金总额的冗余则越多。3）从资源禀赋因素来看，R＆D 人员中博士的比重仅与企事业单位委托合作资金总额松弛变量显著负相关，即R＆D 人员中博士的比重越高，企事业单位委托合作资金总额的冗余越少；每10 万人口中高校在校生数量与授权专利总数松弛变量显著正相关，即每10 万人口中高校在校生数量越多，授权专利总数的冗余度越高；市场化水平与授权专利总数松弛变量显著负相关，即市场化水平越高，授权专利总数的冗余度越低。

（2）环境因素对高校知识转化效率影响的地区差异。由表2 分析模型T2～T7 的回归结果，可以得到各环境因素对高校知识转化效率影响的地区差异。

具体的差异情况为：1）从社会经济环境因素来看，模型T2 中的交互项“人均GDP×地区”与学术论文数松弛变量、授权专利总数松弛变量的回归系数均显著为负，即相较于中西部及东北地区，人均GDP 越高，东部地区的学术论文数、授权专利总数的冗余度越少；交互项“人均GDP×地区”与企事业单位委托合作资金总额松弛变量的回归系数不显著，即人均GDP 对企事业单位委托合作资金总额松弛变量的影响无显著的地区差异。模型T3 中的交互项“第三产业增加值占GDP 的比重×地区”与学术论文数松弛变量的回归系数显著为负，即相较于中西部及东北地区，第三产业增加值占GDP 的比重越大，东部地区学术论文的冗余越少；交互项“第三产业增加值占GDP 的比重×地区”与授权专利总数松弛变量、企事业单位委托合作资金总额松弛变量的回归系数均不显著，即第三产业增加值占GDP 的比重对授权专利总数与企事业单位委托合作资金总额的松弛变量的影响无显著的地区差异。2）模型T4 中的交互项“政府支持力度×地区”与学术论文数松弛变量、授权专利总数松弛变量的回归系数均显著为正，即相较于中西部及东北地区，政府支持力度越大，东部地区的学术论文与授权专利总数的冗余越多；交互项“政府支持力度×地区”与企事业单位委托合作资金总额松弛变量的回归系数不显著，即政府支持力度对企事业单位委托合作资金总额松弛变量的影响无显著的地区差异。3）从资源禀赋因素来看，模型T5 中的交互项“R＆D 人员中博士的比重×地区”与学术论文数松弛变量的回归系数显著为负，即相较于中西部及东北地区，R＆D 人员中博士的比重越大，东部地区学术论文的冗余越少；交互项“R＆D 人员中博士的比重×地区”与授权专利总数松弛变量的回归系数显著为正，即相较于中西部及东北地区，R＆D 人员中博士的比重越大，东部地区授权专利总数的冗余越多；交互项“R＆D 人员中博士的比重×地区”与企事业单位委托合作资金总额松弛变量的回归系数不显著，即R＆D 人员中博士的比重对企事业单位委托合作资金总额的松弛变量的影响无显著的地区差异。模型T6中的交互项“每10 万人口中高校在校生数量×地区”与学术论文数松弛变量、授权专利总数松弛变量以及企事业单位委托合作资金总额松弛变量的回归系数均不显著，即每10 万人口中高校在校生数量对学术论文数量、授权专利总数与企事业单位委托合作资金总额的松弛变量的影响无显著的地区差异。模型T7 中的交互项“市场化水平×地区”与学术论文数松弛变量、授权专利总数松弛变量的回归系数均不显著，即市场化水平对学术论文数、授权专利总数的松弛变量的影响无显著的地区差异；交互项“市场化水平×地区”与企事业单位委托合作资金总额松弛变量的回归系数显著为正，即相较于中西部及东北地区，市场化水平越高，东部地区的企事业单位委托合作资金总额的冗余越多。

4.2.3 第三阶段：调整后EBM-Windows 结果

将窗口宽度设为3，采取非导向EBM-Windows模型再次计算第二阶段调整后的投入产出，计算2009—2018 年样本高校调整后的知识转化效率，汇总计算得到东部、中部、西部地区高校调整后的知识转化效率，其变化趋势见图5 所示。

图5 调整后分区域样本高校知识转化效率

由图5 对照第一阶段的计算结果，可以发现：（1）剔除环境因素影响之后，2009—2018 年样本高校知识转化效率均值上升为0.543，整体呈现先上升后下降的趋势，2014年的效率最大，为0.654。分地区来看，高校知识转化效率呈现“东＞中＞西＞东北”的区域特征。

（2）剔除环境因素影响之后，2009—2018 年东部地区高校知识转化效率均值上升为0.700，其中，上海、山东与广东的高校知识转化效率均值增幅居东部地区的前三位。从动态变化来看，2009—2011年东部地区调整后的效率值低于调整前的效率值，而2012 年之后则高于调整前的效率值，表明2012年之后东部地区高校在知识转化方面的管理水平有所提升。

（3）剔除环境因素影响之后，2009—2018 年中部地区高校知识转化效率值均有大幅度的上升，表明中部地区的经济发展水平、政府重视创新的程度以及资源禀赋水平等环境因素限制了高校的知识转化效率。特别地，湖北、江西与河南的高校知识转化效率均值增幅居中部地区的前三位。

（4）剔除环境因素影响之后，除2009 与2018年之外，其他年度西部地区高校知识转化效率值均显著提高，但效率值较低在0.40～0.55 之间波动，表明西部地区高校知识转化效率低下不仅受制于环境因素，更受累于内部管理的无效率。

（5）剔除环境因素影响之后，除2012 年之外，其他年度东北地区高校知识转化效率均显著提高，效率值保持在0.20～0.55 之间，与西部地区相似，环境较差、管理水平低下限制了东北地区高校的知识转化效率。

4.3 高校知识创新与转化效率二维矩阵分析

综合本研究的实证结果，将两个阶段的效率均值与年均增长率作为划分标准，分别绘制高校知识创新效率与转化效率的静态与动态二维矩阵图。

4.3.1 高校知识创新与转化的静态二维矩阵

高校知识创新与转化效率组合可以分为四个不同的区域类型，如图6 所示。第一类区域即图6 的左下部分——粗放式低知识创新与转化效率，这一区域包含了天津、海南、辽宁、江西、贵州、山西、内蒙古、甘肃、宁夏与新疆等10 个省份。这一区域高校的知识创新与转化效率均较低，低于全样本平均水平，在知识创新阶段投入了大量的研发人员与研发资金但产出不足，同时在进行知识创新成果转化方面也存在过度投入现象，未来这一区域高校应注重研发投入与成果转化投入的质量，加强知识创新与成果转化的过程管理。

第二类区域即图6 的左上部分——低知识创新效率高知识转化效率，仅重庆与福建落在这一区域。该区域高校的知识转化效率相对较高，但知识创新阶段的效率水平则较低，可能原因为这类地区的高校比较注重与企事业单位合作，以需求为导向开展研发活动，所以其知识转化效率较高。未来这类地区高校应提升知识创新阶段的成果产出，为知识转化提供基础支撑。

第三类区域即图6 的右上部分——集约式高知识创新与转化效率，该区域高校的知识创新与转化效率水平均较高。有14 个省份高校落在这一区域，其中东部地区7 个、中部地区4 个、西部地区3 个。一方面，这些省份的高校数量多且发展水平较高，能够吸引大量的研发人才集聚，为知识创新提供了人才条件；另一方面，大规模企业集聚为这些省份高校的创新成果转化提供了条件。

第四类区域即图6 的右下部分——高知识创新效率低知识转化效率，该区域高校知识创新阶段的效率水平较高，但将知识创新成果转化为现实生产力方面的效率较低，如黑龙江、吉林与云南。可能受制于当地企业创新需求不足或知识创新成果与企业需求脱节，造成了知识创新成果没有有效地转化。因此，未来这些省份的高校不仅要关注知识创新成果的产出，更要关注知识创新成果的市场适用性。

图6 样本高校知识创新与知识转化效率的静态矩阵

4.3.2 高校知识创新与转化的动态二维矩阵

以样本高校10 年的知识创新与转化效率的年均增长率为划分标准，可得到高校知识创新与转化效率的动态变化的二维矩阵图，如图7 所示。

第一类区域即图7 的左下部分——知识创新与转化效率负增长，这一区域包含了云南、湖北、湖南与山东等省份。这一区域高校的知识创新与转化效率的年均增长率均为负值，低于全样本平均水平，表明10 年间该区域高校对知识创新与转化重视不足，知识创新与转化效率有所下降。

第二类区域即图7 的左上部分——知识创新效率负增长、知识转化效率正增长，这一区域包括北京、江苏、海南、河南、黑龙江与广西等省份。具体来看，北京与上海的高校知识创新效率已经接近生产前沿面，资源投入规模较大，创新产出水平较高，其在知识创新阶段的效率提升空间非常有限，提升知识转化效率便成为重要的发展方向。而海南、河南、黑龙江与广西等地高校知识创新能力相对较低，便加强知识转化管理活动，提高知识转化效率。

第三类区域即图7 的右上部分——知识创新与转化效率正增长，落在该区域的省份较多，包括3个西部自治区、6 个东部省份、2 个中部省份与2 个东北的省份。10 年间这些省份的高校实现了知识创新效率与转化效率的同步提升，表明这些地区的高校不仅关注了知识创新阶段的管理工作，同时也在推进知识创新成果的转化活动。最为典型的为甘肃、宁夏与新疆，其知识创新效率年均增长率超过了20%，可能受益于西部高等教育振兴计划等国家政策红利。

第四类区域即图7 右下部分——知识创新效率正增长、知识转化效率负增长，该区域包括重庆、四川、内蒙古、陕西、贵州与安徽。10 年间，这些地区的高校知识创新效率有所提升，知识转化效率却有所下降。特别地，四川省高校知识创新效率年均增幅超过15%，陕西、贵州与安徽高校知识转化效率的年均降幅超过7%。表明这些地区高校大幅改善了知识创新阶段的管理活动，而对知识转化阶段的管理活动重视不足。

图7 样本高校知识创新与知识转化效率的动态矩阵

4.4 高校创新效率提升路径分析

结合高校知识创新与知识转化效率的动态矩阵分析，处于静态矩阵的四类地区高校可以采取有针对性的创新效率提升路径。具体有：

（1）平衡式提升路径，即处于第二类区域（低知识创新效率高知识转化效率）与第四类区域（高知识创新效率低知识转化效率）的地区高校，在结合其创新效率动态增长趋势的基础上，通过加强知识创新或转化方面的管理，提升知识创新效率或知识转化效率，平衡两阶段创新效率，实现整体创新效率的提高。如重庆、福建的高校可在保持知识创新效率正增长的同时，加强知识转化方面的积累与管理；吉林、黑龙江与云南的高校在保持知识转化效率正增长的同时，提高知识创新方面的管理效率。

（2）跨越式提升路径，即处于第一类区域（低知识创新与转化效率）并且知识创新与转化效率年均增长率为正的地区高校，可在知识创新与转化方面同时发力，提升知识创新与转化效率，实现创新效率的跨越式提升，如天津、山西、辽宁、江西、宁夏、新疆、甘肃等。

（3）渐进式提升路径，即处于第一类区域（低知识创新与转化效率）但仅有知识创新效率或知识转化效率年均增长率为正的地区高校，可以先充分挖掘其创新优势阶段效率的潜力，再着力弥补其劣势阶段的效率，经过第二类或第四类区域的过渡，最终到达第三类区域，实现知识创新与转化效率的提升。如内蒙古、贵州等地的高校可在发挥其知识创新效率相对优势的基础上重点提升知识转化方面的效率；海南的高校在发挥知识转化优势的基础上重点加强知识创新力度。

（4）稳步式提升路径，即处于第三类区域（高知识创新与转化效率）但未实现知识创新与转化效率有效的地区高校，已具备良好的知识创新与转化基础，可进一步做好知识创新管理活动，积极寻找实业界的合作对象，开展产学研协同创新活动，使知识创新与转化效率达到生产前沿，如上海、广东、浙江、山东、河北、安徽、河南、湖南、湖北、陕西、四川与广西等。

5 研究结论和启示

5.1 研究结论

本文以我国29 个省份的高校为研究对象，以2007—2018 年的面板数据为实证分析依据，运用超效率EBM-Windows 三阶段DEA 方法，考察了不同地区高校知识创新与转化效率及其环境影响因素，研究了各地区高校创新效率的提升路径。得到如下结论：

（1）我国高校知识创新与转化效率未实现DEA有效。剔除环境因素的影响之后，样本高校的知识创新效率均值为0.675，知识转化效率均值为0.543，高校原始知识成果到成果转化存在一定的脱节现象。可能的原因有：一是供给和需求错配。大多数高校的创新成果表现为学术论文与课题，缺乏市场需求；另外一些高校重科研轻开发，导致多数科研成果只留在实验环节［44］。二是聚焦的需求不够，问题凝练不够精准化。由于高校的定位及发展规律，对于企业的诉求和期望理解不足，无法准确凝练成科学问题进行研究［45］。三是参与产学研协同创新的企业较少。大企业自身资金雄厚，更倾向于企业内部自主研发；而中小企业由于缺乏激励机制以及政策制度的倾斜，加之自身的动力和能力不足，使其很难参与到产学研协同创新之中［46］。

（2）高校知识创新与转化阶段的效率存在较大的地区差异，删除环境因素的影响之后，高校知识创新效率呈现“中部＞东北＞东部＞西部”的地区分布格局，而知识转化效率则呈现“东部＞中部＞西部＞东北”的地区分布格局。表明东部地区高校更加重视知识创新成果的市场化应用，更倾向于发挥其服务区域经济的作用。

（3）环境因素对高校知识创新效率与知识转化效率的影响存在显著的地区差异。相较于中西部及东北地区，第三产业越发达、政府支持力度越大、R＆D 人员博士化率越高，东部地区高校知识创新阶段的R＆D 人员投入的冗余越多，从而降低知识创新效率；地区高等教育水平越高，东部地区高校知识创新阶段的R＆D 经费投入的冗余越少，有助于提高知识创新效率；地区经济发展水平与R＆D 人员博士化率越高，第三产业越发达，东部地区高校知识转化阶段的学术论文投入的冗余越少，有助于提高知识转化效率；政府支持力度越大，东部地区高校知识转化阶段的学术论文与授权专利投入的冗余越多，同时R＆D 人员博士化率越高，授权专利投入的冗余越多，从而降低知识转化效率；市场化水平越高，东部地区高校知识转化阶段的企事业单位委托合作资金投入的冗余越多，会降低知识转化效率。

（4）利用静态与动态二维矩阵分析方式，将高校创新效率划分为四种类型，进而分析了各地区高校创新效率的提升路径，具体包括：平衡式、跨越式、渐进式与稳步式等四种。

5.2 启示

基于本文的结论，可获得如下启示：

首先，高校应加强知识创新与转化阶段的过程管理。一方面，优化R＆D 人员与经费的投入量，提高知识创新效率；另一方面，瞄准市场需求凝练知识创新的方向，使学术成果聚焦解决现实问题，减少创新成果与成果转化之间的脱节现象，提升知识转化效率。

其次，中西部及东北地区高校要向东部地区高校学习，积极开展知识转化活动。一方面，充分利用各类成果转化服务平台、中介机构，宣传推广高校的知识创新成果，获取企事业单位的研发需求；另一方面，对接企业需求，加入产学研用创新联盟，共同解决创新链中关键核心技术问题，促进新技术产业化规模化应用。

再次，强化地区高校间的创新合作。由结论3可知东部地区高校存在科研资源过度集中的现象，可通过科技讲座、难题攻关、项目合作、技术咨询等方式与中西部及东北地区高校开展创新合作，增加科研外部性与技术外溢程度，提高科研资源的利用效率。

最后，根据高校创新效率二维矩阵图，不同地区的高校应针对其在不同创新阶段所具有的优势和劣势，分别选择适宜的创新效率提升路径，如平衡式提升路径，即在保持优势阶段效率的同时，着力弥补其不足；跨越式提升路径，即同时在知识创新与转化方面发力，实现创新效率整体提升；渐进式提升路径，即在充分挖掘优势阶段效率的基础上，再弥补其劣势；稳步式提升路径，即充分利用现有科研资源，做好过程管理，使高校创新效率实现DEA 有效。