李 鵬，陳維花

（福州大學(xué) 經(jīng)濟與管理學(xué)院，福建 福州市 350116）

產(chǎn)學(xué)研協(xié)同創(chuàng)新主體投入對其效率的影響研究

李 鵬，陳維花

（福州大學(xué) 經(jīng)濟與管理學(xué)院，福建 福州市 350116）

使用2015年我國31個省市自治區(qū)的面板數(shù)據(jù)，首先分別運用DEA、SFA、因子分析對31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新的效率進行評價，然后運用TOPSIS法將三種方法的效率值綜合得到31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率，最后運用多元回歸模型實證研究產(chǎn)學(xué)研協(xié)同創(chuàng)新主要創(chuàng)新主體的投入對其效率的影響。結(jié)果表明：企業(yè)投入、高校投入、政府過度投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率正相關(guān)，而政府一般投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率負相關(guān)，科研機構(gòu)投入對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的影響并不顯著。

協(xié)同創(chuàng)新效率；TOPSIS法；多元回歸模型

黨的十八屆五中全會提出，實現(xiàn)“十三五”時期發(fā)展目標，必須牢固樹立并切實貫徹創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念。創(chuàng)新被鮮明地擺在發(fā)展理念的首位。中央確立的創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展新理念，是指導(dǎo)產(chǎn)學(xué)研協(xié)同創(chuàng)新的思想和行動指南。產(chǎn)學(xué)研協(xié)同創(chuàng)新是國家和區(qū)域創(chuàng)新體系建設(shè)的重要內(nèi)容。產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的高低直接關(guān)系到創(chuàng)新型國家建設(shè)，關(guān)系到企業(yè)自主創(chuàng)新能力的提升，也關(guān)系到高等教育質(zhì)量的提高。對產(chǎn)學(xué)研協(xié)同創(chuàng)新績效進行評價，分析某一創(chuàng)新主體的投入變化對產(chǎn)學(xué)研協(xié)同創(chuàng)新績效的影響，有助于科學(xué)制定協(xié)同創(chuàng)新政策，提高協(xié)同創(chuàng)新績效。目前，學(xué)者對產(chǎn)學(xué)研協(xié)同創(chuàng)新績效方面的研究較少，就目前的研究來看主要集中在創(chuàng)新績效評價指標體系構(gòu)建。Bonaccorsi等［1］認為，參與產(chǎn)學(xué)研合作創(chuàng)新的各個主體具有不同的戰(zhàn)略目標，因此，各個主體對合作所產(chǎn)生的效益就會有不同的預(yù)期。他們還是最早提出評價產(chǎn)學(xué)研合作績效的模型。該模型是基于動機-期望的產(chǎn)學(xué)研合作績效的評價模型。此模型的提出標志著學(xué)術(shù)界從理論角度關(guān)注產(chǎn)學(xué)研合作績效的評價；李新榮［2］從投入產(chǎn)出兩個方面建立了產(chǎn)學(xué)研合作項目的績效評價模型，并對5個產(chǎn)學(xué)研合作項目進行了評價以證明其模型設(shè)計的合理性；Philbin［3］建立了一個基于轉(zhuǎn)換過程的評價模型，該模型通過建立基于轉(zhuǎn)換過程的投入產(chǎn)出要素矩陣，構(gòu)建協(xié)同度評價指標體系；馮慶斌［4］構(gòu)建了產(chǎn)學(xué)研合作創(chuàng)新群落分析模型，該模型從生態(tài)位、生態(tài)因子、種群關(guān)系等方面對合作創(chuàng)新群落進行研究，通過評價合作創(chuàng)新群落的投入產(chǎn)出比率來獲知該群落的系統(tǒng)創(chuàng)新能力。首先，本文分別運用DEA、SFA、因子分析對我國31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新的效率進行評價，然后，運用TOPSIS法將前三種方法的效率值綜合得到31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率。

1 指標選取與數(shù)據(jù)說明

1.1 指標選取

產(chǎn)學(xué)研協(xié)同創(chuàng)新中，除了企業(yè)、高校和科研機構(gòu)三大核心主體之外，最重要的創(chuàng)新主體就是政府，所以，本文的產(chǎn)學(xué)研協(xié)同創(chuàng)新投入指標主要來自企業(yè)、高校、科研機構(gòu)和政府的投入。產(chǎn)學(xué)研協(xié)同創(chuàng)新的創(chuàng)新產(chǎn)出指標用多個指標來衡量：新產(chǎn)品銷售收入［5］、新產(chǎn)品開發(fā)項目數(shù)［5］和專利授權(quán)數(shù)［6］，產(chǎn)學(xué)研協(xié)同創(chuàng)新的投入和產(chǎn)出指標如表1所示。

1.2 數(shù)據(jù)說明

本文的研究樣本為2015年我國31個省市自治區(qū)的面板數(shù)據(jù)。本文原始數(shù)據(jù)來自《中國科技統(tǒng)計年鑒》［7］、《中國統(tǒng)計年鑒》［8］以及Wind資訊軟件，如表1所示。本文所選取的指標有利于降低主觀指標以及調(diào)研數(shù)據(jù)所產(chǎn)生的統(tǒng)計偏誤，其結(jié)果更為客觀和精確。

表1 產(chǎn)學(xué)研協(xié)同創(chuàng)新投入產(chǎn)出指標

2 產(chǎn)學(xué)研協(xié)同創(chuàng)新的效率評價

2.1 基于DEA的效率評價

DEA由Charnes、Cooper、Rhodes三人于1978年在《歐洲運籌學(xué)雜志》發(fā)表“Measuring the efficiency of decision making units”一文正式創(chuàng)立［9］，它基于規(guī)模報酬不變的假設(shè)，衡量的是被評價單元的技術(shù)效率，包括了純技術(shù)效率和規(guī)模效率，Bankeretal在此基礎(chǔ)上放寬了規(guī)模不變的假設(shè)，經(jīng)過拓展，提出了基于規(guī)模報酬可變的BC2模型，它衡量的是純技術(shù)效率［10］。

本文應(yīng)用DEAP2.1軟件計算基于DEA的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率，計算結(jié)果如表2所示。

表2 產(chǎn)學(xué)研協(xié)同創(chuàng)新效率（基于DEA）

2.2 基于SFA的效率評價

SFA包括成本模型和生產(chǎn)模型，本文選用生產(chǎn)模型。參照Battese&Coelli模型［11］的基本原理， 本文的研究模型設(shè)為：

其中，y表示產(chǎn)學(xué)研協(xié)同創(chuàng)新的產(chǎn)出，RDL表示各創(chuàng)新主體人員投入（人年），RDK表示各創(chuàng)新主體經(jīng)費投入（萬元），RDP表示各創(chuàng)新主體課題數(shù)/項目數(shù)（項）。

下標i和t分別表示各省市自治區(qū)和時間。

β0為截距項，β1，β2，β3，η和γ為待估計的參數(shù)。

vit為隨機誤差項，服從的正態(tài)分布；

uit為效率殘差項，反映無效率的程度，反映那些在第t時期僅僅影響第i個省份的隨機因素，服從的單邊分布，且vit和uit相互獨立。

TEit表示樣本中第i個省份在第t時期內(nèi)的技術(shù)創(chuàng)新效率水平，若uit=0，TEit=1，則處于技術(shù)有效狀態(tài)，若uit>0，0

δv2表示隨機誤差的方差，δu2表示技術(shù)效率的方差；

運用Frontier4.1程序?qū)δＰ停?）進行估計。31個省市自治區(qū)產(chǎn)學(xué)研協(xié)同創(chuàng)新效率值如表3所示。效率1、效率2和效率3分別是以“新產(chǎn)品銷售收入”、“新產(chǎn)品開發(fā)項目數(shù)”和“專利授權(quán)數(shù)”來表征產(chǎn)學(xué)研協(xié)同創(chuàng)新產(chǎn)出計算出的效率值。

表3 產(chǎn)學(xué)研協(xié)同創(chuàng)新效率（基于SFA）

2.3 基于因子分析的效率評價

因子分析效率評價方法的思想是在保證基礎(chǔ)信息不丟失的前提下盡量對指標體系進行優(yōu)化，分別計算產(chǎn)出的綜合水平和投入的綜合水平，再計算二者比值就是所求的具體效率值。

采用任娟［12］的多指標面板數(shù)據(jù)的因子分析方法，即將面板數(shù)據(jù)各個時間截面數(shù)據(jù)按時間順序平鋪展開形成一個大截面數(shù)據(jù)，并對此進行了傳統(tǒng)因子分析。本文使用軟件SPSS 18.0來完成分析。

1）適用性檢驗。

由于數(shù)據(jù)之間的單位存在量綱差異，首先對原始數(shù)據(jù)進行標準化處理，消除量綱不同導(dǎo)致的影響，然后對標準化后的產(chǎn)學(xué)研協(xié)同創(chuàng)新的投入和產(chǎn)出數(shù)據(jù)分別進行因子分析適用性檢驗，結(jié)果如表4所示。

表4 因子分析適用性檢驗結(jié)果

從表3可以看出，投入組和產(chǎn)出組的KMO檢驗值分別為0.693和0.763，均高于0.5，且投入組和產(chǎn)出組的Bartlett的球形度檢驗值的相伴概率均小于5%的顯著性水平，從而驗證了因子分析模型的適用性。

2）因子提取。

投入組和產(chǎn)出組的因子提取結(jié)果分別如表5和表6所示。

表5 投入組因子提取結(jié)果

表6 產(chǎn)出組因子提取結(jié)果

從表5可以看出，投入組共有13個因子，因子1和因子2的特征值大于1，則只需保留兩個因子即可。根據(jù)表6的因子提取結(jié)果，產(chǎn)學(xué)研協(xié)同創(chuàng)新產(chǎn)出組共有3個因子，僅因子1的特征值大于1，且信息累計百分比保留達到 97.616%，因此，產(chǎn)出組只需保留一個因子即可。

3）效率值計算。

根據(jù)提取的投入組與產(chǎn)出組的因子數(shù)量，首先計算投入組和產(chǎn)出組綜合因子得分，然后進行標準化處理，使兩組數(shù)據(jù)介于0.1到1之間，最后用產(chǎn)出組標準化數(shù)據(jù)除以投入組標準化數(shù)據(jù)，確定31個省市自治區(qū)的效率值，計算結(jié)果如表7所示。

2.4 基于TOPSIS法的效率值

通過運用DEA、SFA、因子分析對我國31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新的效率進行評價，發(fā)現(xiàn)每個省的三種效率值都不一樣且排名不一樣，因此，本文使用TOPSIS法將三種效率值合成一種效率值，就是本文的產(chǎn)學(xué)研協(xié)同創(chuàng)新的效率值，如表8所示。

3 基于多元回歸模型的實證分析

為了實證分析產(chǎn)學(xué)研協(xié)同創(chuàng)新的投入對產(chǎn)出的影響，運用多元回歸模型，并應(yīng)用SPSS18.0進行多元回歸模型統(tǒng)計分析。模型設(shè)定如下：

其中，Yt表示產(chǎn)學(xué)研協(xié)同創(chuàng)新效率，通過TOPSIS法計算；c為截距；X1、X2、X3、X4分別表示企業(yè)投入、高校投入、科研機構(gòu)投入和政府一般投入，都采用任娟［12］的多指標面板數(shù)據(jù)的因子分析方法計算得來，X42表示政府過度投入；β1，…，β5為模型回歸系數(shù)，值為正表明提高該指標可有效提高產(chǎn)學(xué)研協(xié)同創(chuàng)新效率（數(shù)值越大，效果越顯著），值為負表明該指標對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率產(chǎn)生負效應(yīng)；ξ為隨機誤差項，代表影響產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的其他變量。

表7 各省市自治區(qū)的創(chuàng)新效率

表8 產(chǎn)學(xué)研協(xié)同創(chuàng)新效率

3.1 相關(guān)性分析

產(chǎn)學(xué)研協(xié)同創(chuàng)新效率和產(chǎn)學(xué)研協(xié)同創(chuàng)新投入的相關(guān)系數(shù)矩陣如表9所示。

一般講，相關(guān)系數(shù)超過0.8的變量在分析時存在多重共性線問題。表8中產(chǎn)學(xué)研協(xié)同創(chuàng)新效率和產(chǎn)學(xué)研協(xié)同創(chuàng)新投入的相關(guān)系數(shù)最高為0.228，均小于0.8，故模型中產(chǎn)出變量與各個投入變量之間不存在多重共線問題，可以進行多元線性回歸分析。

表9 Pearson相關(guān)性分析

3.2 有效性分析

模型有效性分析結(jié)果如表10所示，可以看出模型的R2值達到0.618，調(diào)整后的R2值是0.542，均高于0.4，說明了回歸模型的有效性。

表10 模型有效性分析

3.3 方差分析

模型方差分析結(jié)果如表11所示，模型的F值為8.1，其統(tǒng)計顯著性低于0.05的顯著性水平，可以認為產(chǎn)學(xué)研協(xié)同創(chuàng)新投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新績效之間存在線性關(guān)系。

表11 模型方差分析

3.4 參數(shù)估計

運用SPSS18.0對模型（2）進行線性回歸，模型的參數(shù)值估計和參數(shù)顯著性結(jié)果如表12所示。

表12 模型參數(shù)估計及其顯著性計算結(jié)果

通過分析表12所示的模型參數(shù)估計及其顯著性計算結(jié)果可以得出以下結(jié)論：

1） 企業(yè)投入、高校投入、政府一般投入、政府過度投入的回歸系數(shù)分別為0.129、0.255、-1.476、0.037，且其統(tǒng)計顯著性分別為0.000、0.014、0.001、0.009，均在5%的水平下具有顯著統(tǒng)計性，也說明上述四個變量對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的作用顯著。進一步的分析發(fā)現(xiàn)：企業(yè)投入、高校投入、政府過度投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率正相關(guān)，而政府一般投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率負相關(guān)，說明企業(yè)投入、高校投入、政府過度投入有助于提升產(chǎn)學(xué)研協(xié)同創(chuàng)新績效，而政府一般投入抑制產(chǎn)學(xué)研協(xié)同創(chuàng)新績效的提升，因此，政府要加大在產(chǎn)學(xué)研協(xié)同創(chuàng)新中的投入。

2）科研機構(gòu)投入的回歸系數(shù)為0.195，且其統(tǒng)計顯著性為0.155，高于0.1的顯著性水平，說明不具有統(tǒng)計顯著性，也說明盡管科研機構(gòu)投入對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的影響是正向的，但作用并不顯著。

3.5 穩(wěn)健性檢驗

為了驗證模型及相關(guān)性關(guān)系的穩(wěn)健性，做替代變量檢驗。以工業(yè)增加值代替TOPSIS法計算的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率，重新進行多元回歸分析。如表13所示。

表13 穩(wěn)健性檢驗

結(jié)果表明，企業(yè)投入、高校投入、政府過度投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率正相關(guān)，而政府一般投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率負相關(guān)，科研機構(gòu)投入對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的影響并不顯著，該模型的解釋度進一步驗證了上面的結(jié)論。

4 結(jié)論

本文利用2015年我國31個省市自治區(qū)的相關(guān)面板數(shù)據(jù)，首先，分別運用DEA、SFA和因子分析對我國31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率進行評價；然后，運用TOPSIS法將三種方法的效率值綜合得到31個省市自治區(qū)的產(chǎn)學(xué)研協(xié)同創(chuàng)新效率，發(fā)現(xiàn)排在前三名的是浙江、廣東、江蘇，全國平均效率約為0.397，和新疆產(chǎn)學(xué)研協(xié)同創(chuàng)新效率相當，說明我國產(chǎn)學(xué)研協(xié)同創(chuàng)新的發(fā)展還有很大的提升空間；最后，運用多元回歸模型實證研究產(chǎn)學(xué)研協(xié)同創(chuàng)新主要創(chuàng)新主體的投入對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率（TOPSIS法計算）的影響，得到如下結(jié)論：企業(yè)投入、高校投入和政府過度投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率正相關(guān)，即有助于提升產(chǎn)學(xué)研協(xié)同創(chuàng)新績效；但政府一般投入與產(chǎn)學(xué)研協(xié)同創(chuàng)新效率負相關(guān)，即抑制產(chǎn)學(xué)研協(xié)同創(chuàng)新績效的提高，因此，政府要加大在產(chǎn)學(xué)研協(xié)同創(chuàng)新中的投入；科研機構(gòu)投入對產(chǎn)學(xué)研協(xié)同創(chuàng)新效率的影響是正向的，但作用并不顯著。

［1］ BONACCORSI A，PICCALUGA A. A theoretical framework for the evaluation of university-industry relationships［J］.R&D Management，1994，24（3）：229-247.

［2］ 李新榮．基于集對分析的高校產(chǎn)學(xué)研合作項目績效評價方法與 模型研究［J］．科技管理研究，2013（2）：85-88.

［3］ PHILBIN S.Process model for university‐industry research collaboration［J］. European Journal of Innovation Management，2008，11（4）：488-521.

［4］ 馮慶斌.基于群落生態(tài)學(xué)的產(chǎn)學(xué)研合作創(chuàng)新研究［D］.哈爾濱：哈爾濱工程大學(xué)，2006.

［5］ 肖文，林高榜.政府支持、研發(fā)管理與技術(shù)創(chuàng)新效率：基于中國工業(yè)行業(yè)的實證分析［J］.管理世界，2014（4）：71-80.

［6］ 賴永劍，賀祥民.金融發(fā)展與區(qū)域創(chuàng)新績效的非線性關(guān)系：基于面板平滑轉(zhuǎn)換回歸模型［J］.華中科技大學(xué)學(xué)報（社會科學(xué)版），2015（2）：92-99.

［7］ 國家統(tǒng)計局科學(xué)技術(shù)部.中國科技統(tǒng)計年鑒［M］. 北京：中國統(tǒng)計出版社，2016.

［8］ 中華人民共和國國家統(tǒng)計局.中國統(tǒng)計年鑒［M］. 北京：中國統(tǒng)計出版社，2016.

［9］ CHARNES A，COOPER W，RHODES E.Measuring Efficiency of Decision - Making Units［J］.European of Operatinal Research，1978，2（6），428-449.

［10］ BANKER R D，CHARNES A，COOPER WW. Some models for estimating technical and scale efficiencies in data envelopment analysis［J］. Management Science，1984（30）：1078-1092.

［11］ BATTESE G E，COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data［J］. Empirical Economics，1995，20（2）：325-332.

［12］ 任娟.多指標面板數(shù)據(jù)融合聚類分析［J］.數(shù)理統(tǒng)計與管理，2013，32（1）：57-67.

Research on the Influence of Input towards the Efficiency of Industry-University-Research Collaborative Innovation

LI Peng，CHEN Weihua
（School of Economics and Management，F(xiàn)uzhou University，F(xiàn)uzhou Fujian 350116，China）

s：Using the panel data of 31 provinces and autonomous regions in China in 2015，we first use DEA，SFA and factor analysis to evaluate the efficiency of the Industry-University-Research(I-U-R) collaborative innovation in 31 provinces and autonomous regions in China，and then the efficiency values of the first three methods are integrated into the 31 provinces and autonomous regions' efficiency of the I-U-R collaborative innovation by using the TOPSIS method.Finally，the multiple regression model is used to study the influence of the input of the main innovation subject on the efficiency of the I-U-R collaborative innovation. The results show that there is a positive correlation between the input of the enterprise，the input of the university，the excessive input of the government and the efficiency of the I-U-R collaborative innovation. The general input of the government is negatively related to the innovation efficiency of the I-U-R collaborative innovation，and the influence of the scientific research institutions on the efficiency of the I-U-R collaborative innovation is not significant.

collaborative innovation efficiency；TOPSIS method；multiple regression model

C931

A

1672-6138（2017）03-0021-07

10.3969/j.issn.1672-6138.2017.03.006

［責任編輯：曹娜］

2017-05-05

李鵬（1990—），男，湖北荊門人，碩士研究生，研究方向：創(chuàng)新管理與評價。