何聲升

(大連理工大學 高等教育研究院， 遼寧 大連 116024)

一、 引 言

隨著創(chuàng)新驅動發(fā)展戰(zhàn)略的提出，科技創(chuàng)新已成為我國經(jīng)濟發(fā)展的又一重要引擎。高校作為科技創(chuàng)新體系中最重要的節(jié)點之一，其在基礎知識研究與科技創(chuàng)新方面發(fā)揮著不可替代的作用。然而，長期以來我國高校一直存在科技創(chuàng)新體制機制不完善、創(chuàng)新產(chǎn)出質量較低、創(chuàng)新成果轉化率較低等問題。2018年，教育部、財政部、國家發(fā)展改革委共同發(fā)布了《關于高等學校加快“雙一流”建設的指導意見》，明確要求將“雙一流”建設納入?yún)^(qū)域重大發(fā)展戰(zhàn)略，引導“雙一流”建設高校與本地區(qū)高校協(xié)同推進、共同發(fā)展，提高高校的創(chuàng)新產(chǎn)出，充分發(fā)揮高校在協(xié)同創(chuàng)新成果轉移轉化中的作用[1]。因此，立足高校科技創(chuàng)新產(chǎn)出的全鏈條，研究高校科技創(chuàng)新績效影響因素，對于加強區(qū)域間高校創(chuàng)新資源的交流與共享、增強科技創(chuàng)新能力、提高創(chuàng)新績效、促進科技創(chuàng)新成果轉化具有重要意義。

高校創(chuàng)新績效問題歷來是學者關注的重點。已有研究側重于高校創(chuàng)新績效的評價，如李永周等構建模糊綜合評價模型對湖北省高校進行協(xié)同創(chuàng)新績效評價[2]；朱婭妮等以協(xié)同創(chuàng)新為研究視角，通過內(nèi)外部資源的協(xié)同效應構建了一套科技協(xié)同創(chuàng)新績效評價指標體系[3]；王立劍等對高校科技創(chuàng)新平臺績效形成機制進行了系統(tǒng)分析與評價[4]。也有部分學者對高校創(chuàng)新績效的影響因素進行了探索，如汪曉夢分析了創(chuàng)新人才和經(jīng)費投入對西南地區(qū)高?？萍紕?chuàng)新績效的影響[5]；談毅等研究了政府科技投入對高校創(chuàng)新產(chǎn)出的影響[6]；郭江江等認為不同類型和來源的高校研發(fā)經(jīng)費，以及不同學歷、性別和工作性質的研發(fā)人員對高校創(chuàng)新產(chǎn)出有著不同的作用和影響[7]。還有少部分學者如王淑英、李紅錦等基于空間杜賓模型(Spatial Dubin Model，SDM)對高校創(chuàng)新績效影響因素的空間溢出效應進行了研究，發(fā)現(xiàn)增加科研經(jīng)費和人力資本投入具有顯著的正向空間溢出效應[8- 9]。

基于以上分析，現(xiàn)有文獻都是將高?？萍紕?chuàng)新行為作為一個整體去研究，忽視了高?？萍紕?chuàng)新行為不同階段的異質性。根據(jù)創(chuàng)新價值鏈理論，高?？萍紕?chuàng)新行為可被劃分為科技創(chuàng)新研究與開發(fā)(第一階段)和科技創(chuàng)新成果轉化(第二階段)兩個階段，且各個階段的科技創(chuàng)新績效影響因素存在差異性。基于此，本研究以2009—2017年我國各省份高校科技創(chuàng)新績效面板數(shù)據(jù)為樣本構建分位數(shù)回歸模型，在分析各省份高?？萍紕?chuàng)新績效時空分布特征的基礎上，分別探索兩階段科技創(chuàng)新績效的影響因素，并據(jù)之提出具有針對性的政策建議。

二、 理論模型構建

創(chuàng)新價值鏈理論是由莫滕·T·漢森(Morten T Hansen)和朱利安·伯金肖(Julian Birkinshaw)于2007年首次提出的[10]。他們將創(chuàng)新視為一個循序漸進的過程，把創(chuàng)新過程劃分為創(chuàng)意產(chǎn)生、創(chuàng)意轉換以及創(chuàng)意傳播三個階段。創(chuàng)新價值鏈理論融合了創(chuàng)新理論和價值鏈理論的核心思想，是包含知識性和價值性的新理論。創(chuàng)新價值鏈理論的基本思想是創(chuàng)新價值鏈具有鏈式結構的特征，而鏈式結構是獨立環(huán)節(jié)連接形成的一種物理形態(tài)，由基本單元和鏈接單元構成，從而可以將創(chuàng)新過程拆解為不同環(huán)節(jié)，各個環(huán)節(jié)對應不同的單元，隨著技術流動與交換，各單元相互關聯(lián)[11]。本研究將利用創(chuàng)新價值鏈理論對我國高?？萍紕?chuàng)新活動中的價值實現(xiàn)過程進行細分，將高校科技創(chuàng)新視為一個多投入、多產(chǎn)出、多環(huán)節(jié)的活動，且各個環(huán)節(jié)緊密相連。借鑒官建成(Jiancheng Guan)等將高技術產(chǎn)業(yè)劃分為知識創(chuàng)新階段和成果商業(yè)化階段[12]，錢麗、肖仁橋等將綠色創(chuàng)新過程分解為綠色科技研發(fā)和成果轉化兩個階段[13-14]，本研究將高?？萍紕?chuàng)新活動分解為科技創(chuàng)新研究與開發(fā)階段和科技創(chuàng)新成果轉化階段，并構建了我國高校科技創(chuàng)新兩階段價值鏈模型，如圖1所示。

圖1 高?？萍紕?chuàng)新兩階段價值鏈模型

由圖1可知，高?？萍紕?chuàng)新研究與開發(fā)階段(第一階段)包括基礎研究、技術開發(fā)、技術測試、專利申請與授權等活動，這些活動主要是由高?？蒲腥藛T通過實驗室或者產(chǎn)學研合作平臺予以實現(xiàn)。高?？萍紕?chuàng)新成果轉化階段(第二階段)是企業(yè)將高?？萍紕?chuàng)新成果轉化為經(jīng)濟效益的過程，由于企業(yè)更接近市場，更了解市場需求，且具有較高的成果轉化效率，因此企業(yè)是高?？萍汲晒D化的主要合作對象。此階段主要包括企業(yè)吸收專利、生產(chǎn)產(chǎn)品、市場調(diào)研、營銷策劃等活動。高?？萍紕?chuàng)新活動的兩階段具有關聯(lián)性，上下階段存在緊密的聯(lián)系。但由于不同階段參與創(chuàng)新主體的異質性和創(chuàng)新環(huán)境的不同，各個階段科技創(chuàng)新績效的影響因素也存在差異。在第一階段，發(fā)明專利授權數(shù)表征高校科技創(chuàng)新研發(fā)水平，高?？萍既肆Y本投入、研發(fā)人才質量、政府支持力度、校企合作等因素會對高校科技創(chuàng)新的研究與開發(fā)產(chǎn)生影響。在第二階段，專利出售總金額反映了高校將科技創(chuàng)新成果轉化為經(jīng)濟效益的能力，同時也體現(xiàn)了高校服務經(jīng)濟社會發(fā)展的能力，發(fā)明專利授權數(shù)、企業(yè)科技吸納能力、科技成果成熟度等因素會對高校科技創(chuàng)新成果的轉化產(chǎn)生一定的影響。

三、 研究設計

(一) 指標選取

1. 高?？萍紕?chuàng)新研究與開發(fā)階段。(1) 被解釋變量：高?？萍紕?chuàng)新研發(fā)水平(pat)。本研究選取高校發(fā)明專利授權數(shù)表征高?？萍紕?chuàng)新研發(fā)水平。選取發(fā)明專利授權數(shù)衡量創(chuàng)新績效是學者在實證研究中的一種普遍做法，主要基于以下三方面的原因：一是專利授權的制度化和規(guī)范化程度高，專利授權數(shù)的數(shù)據(jù)較為可靠；二是專利與科技創(chuàng)新之間存在較強的相關性；三是高校發(fā)明專利授權數(shù)的審查更加客觀穩(wěn)定，最接近度量創(chuàng)新的標準[15]。

(2) 解釋變量。一是高?？萍既肆Y本投入(man)。R&D人員全時當量是國際上通用的、用于衡量科技人力投入的指標。高?？萍既肆Y本投入會對高校的科技創(chuàng)新能力、科技成果產(chǎn)出等產(chǎn)生較大的影響。故本研究以高校R&D人員全時當量衡量科技人力資本投入。二是政府支持力度(gov)。目前我國高校的研發(fā)經(jīng)費來源渠道較為單一，且主要來自于政府財政的轉移支付。隨著我國創(chuàng)新驅動發(fā)展戰(zhàn)略的提出，政府對高?？萍紕?chuàng)新的投入也在不斷加大，這在一定程度上為高?？萍紕?chuàng)新研發(fā)提供了保障[16]。因此，本研究以高校R&D經(jīng)費來自于政府部分表征政府支持力度。三是研發(fā)人才質量(rat)。高校科技創(chuàng)新離不開科研人才知識的應用與創(chuàng)新[9]，研發(fā)人才的水平與層次決定著科技創(chuàng)新的高度。本研究以高校博士學歷R&D人員數(shù)占R&D人員總數(shù)的比例來反映研發(fā)人才質量。四是校企合作(coo)。校企合作能夠有效整合各個主體的優(yōu)勢資源，企業(yè)發(fā)揮資金資源優(yōu)勢，高校發(fā)揮人才、知識等創(chuàng)新資源優(yōu)勢，從而實現(xiàn)資源共享、優(yōu)勢互補。本研究以高校R&D經(jīng)費來自于企業(yè)部分表征校企合作。

(3) 控制變量?？刂谱兞恐饕菫榱恕翱刂谱　蹦切Ρ唤忉屪兞坑杏绊懙倪z漏因素，以避免遺漏變量造成偏差，同時也可以為相關部門政策建議的提出提供依據(jù)。高校的發(fā)展與區(qū)域經(jīng)濟緊密相關，區(qū)域經(jīng)濟增長可以帶來資金、信息、環(huán)境等資源優(yōu)勢，吸引技術和人才流入，故本研究選擇地方政府財政收入來表征區(qū)域經(jīng)濟發(fā)展水平(eco)對第一階段高?？萍紕?chuàng)新績效的影響。

2. 高?？萍紕?chuàng)新成果轉化階段。(1) 被解釋變量：高?？萍紕?chuàng)新成果轉化效益(sal)。本研究以高校專利出售總金額表征科技創(chuàng)新成果轉化效益。本研究之所以選擇高校專利出售總金額來表征被解釋變量主要基于以下兩方面原因：一是高校科技創(chuàng)新研究與開發(fā)階段的創(chuàng)新績效選取了發(fā)明專利授權數(shù)來表征，專利出售總金額能夠更好地表現(xiàn)研究的延續(xù)性，從而體現(xiàn)兩階段的整體性和關聯(lián)性；二是專利出售總金額能夠有效展現(xiàn)創(chuàng)新成果轉化的經(jīng)濟價值和商業(yè)價值。

(2) 解釋變量。一是發(fā)明專利授權數(shù)(pate)。第一階段的創(chuàng)新績效也是本階段的投入，高校發(fā)明專利授權數(shù)是高?？萍汲晒D移轉化的基礎，直接關系到轉化的效益。二是企業(yè)科技吸納能力(abs)。在高校的研發(fā)成果向企業(yè)轉化過程中，企業(yè)只有具備相應的技術吸納和轉化能力，才能有效實現(xiàn)高校創(chuàng)新成果的轉移與交易[17]。本研究以規(guī)模以上工業(yè)企業(yè)購買國內(nèi)技術的經(jīng)費支出來衡量企業(yè)的科技吸納能力。三是科技成果成熟度(uni)，即技術成熟度?？萍汲晒麘斁邆湟欢ǖ膶嶋H應用價值，成熟度較低的科技成果因為無法預見其市場實用性而難以轉移轉化[18]。一般來講，企業(yè)吸收了高校的技術成果，表明企業(yè)認可了科技成果的成熟度，并相信能夠轉化為經(jīng)濟效益。因此，本研究以高校技術轉讓給企業(yè)的合同數(shù)衡量科技成果成熟度。

(3) 控制變量。由于科技創(chuàng)新成果從研發(fā)到轉化的過程受市場創(chuàng)新環(huán)境影響明顯，技術市場成交額能夠有效反映市場的創(chuàng)新環(huán)境，代表著技術市場活躍程度和技術創(chuàng)新效益轉化程度[19]，因此，本研究以技術市場成交額來表征市場創(chuàng)新環(huán)境(tec)對第二階段高?？萍紕?chuàng)新績效的影響。兩階段高?？萍紕?chuàng)新績效(被解釋變量)及其影響因素(解釋變量和控制變量)指標體系詳見表1。

表1 兩階段高?？萍紕?chuàng)新績效及其影響因素指標體系

(二) 數(shù)據(jù)來源

本研究所用數(shù)據(jù)來源于EPS統(tǒng)計數(shù)據(jù)庫，其中由于企業(yè)科技吸納能力2010年數(shù)據(jù)缺失，故取2009年和2011年的平均值代替。另外，鑒于數(shù)據(jù)的可獲得性，本研究以我國30個省份(西藏、香港、澳門、臺灣除外)普通高校2009—2017年的數(shù)據(jù)為研究樣本。

(三) 模型選取

從研究方法上來看，本研究之所以采用面板數(shù)據(jù)分位數(shù)回歸模型來研究各因素對高?？萍紕?chuàng)新績效水平的影響，主要基于以下原因。一是面板數(shù)據(jù)分位數(shù)回歸模型既能有效控制個體異質性，評價影響高?？萍紕?chuàng)新績效因素的條件異質性協(xié)方差效應，又對非正態(tài)分布的估計具有較強耐抗性，能夠較好地控制估計和推斷過程中產(chǎn)生的偏差[20]。二是我國各省份發(fā)展條件不平衡，高校科技創(chuàng)新績效情況省際差異較大，僅僅采用傳統(tǒng)回歸中的“條件均值”難以描述高?？萍紕?chuàng)新績效影響因素關系特征，而分位數(shù)回歸使其結果更靈活、更穩(wěn)健[20]。

羅杰·康克(Roger Koenker)和吉爾伯特·巴塞特(Gilbert Bassett)首先提出了分位數(shù)回歸，將均值回歸的分析擴展到其他分位數(shù)，以研究不同分位數(shù)下的回歸系數(shù)估計量[21]。其主要思想是將干擾項分成不同部分，通過改變參數(shù)的設定，使受限參數(shù)在非固定干擾項允許的范圍內(nèi)波動，從而呈現(xiàn)不同條件下的分布效果[22]。

分位數(shù)回歸假定了隨機變量Y的分布滿足F(y)=P(Y≤y)，且Y的τ分位函數(shù)具體定義為Qy(τ)=inf{y:F(y)≥τ}，其中0<τ<1，inf為下確界，Qy(τ)是被解釋變量條件分布函數(shù)的反函數(shù)。據(jù)此，分位數(shù)基本回歸模型設定為

(1)

其中，Qyi(τ|xi)表示yi的第τ個條件分位點，β(τ)是方程的參數(shù)估計，條件分布的第τ個分位數(shù)系數(shù)估計是通過計算加權誤差絕對值之和，使其達到最小化來實現(xiàn)，即

(2)

由于0<τ<1，因此分位數(shù)回歸擬合的是一條曲線。我們將式(1)與面板數(shù)據(jù)結合，得到面板數(shù)據(jù)分位數(shù)回歸模型如式(3)所示：

(3)

本研究對式(3)的參數(shù)估計表示為

(4)

本研究基于創(chuàng)新價值鏈理論且利用分位數(shù)回歸模型構建我國高?？萍紕?chuàng)新研究與開發(fā)階段和高?？萍紕?chuàng)新成果轉化階段創(chuàng)新績效影響因素回歸方程。為了避免解釋變量間可能存在明顯的多重共線性問題，消除或減輕所構建模型可能存在的異方差問題以及便于考察模型相關解釋變量變動1%而引起被解釋變量的變化情況，本研究對模型左右兩邊采用對數(shù)處理，第一階段如式(5)、第二階段如式(6)所示：

Qlnpatit(τ|lnmanit,lngovit,lnratit,lncooit,lnecoit)=
β0+β1(τ)lnmanit+β2(τ)lngovit+β3(τ)lnratit+
β4(τ)lncooit+β5(τ)lnecoit+εit；

(5)

Qlnsalit(τ|lnpateit，lnabsit,lnuniit,lntecit)=
β0+β1(τ)lnpateit+β2(τ)lnabsit+
β3(τ)lnuniit+β4(τ)lntecit+εit.

(6)

式(5)中，i為橫截面單元，代表30個省份的橫截面樣本；t為時間序列單元，即2009—2017年；β是截距項，表示解釋變量對被解釋變量影響系數(shù)；εit是隨機擾動項；其他變量的定義與上文一致。式(6)中各變量定義與式(5)一致。

四、 實證結果分析

(一) 我國各省份高校科技創(chuàng)新績效時空分布特征分析

根據(jù)兩階段高?？萍紕?chuàng)新績效影響因素指標數(shù)據(jù)，本研究采用極值法進行標準化，并通過計算各省份在研究時期內(nèi)的平均值和各年度的地區(qū)平均值，得出我國各省份和各年度高?？萍紕?chuàng)新績效時空分布圖，如圖2和圖3所示。

由圖2可以看出，我國各省份兩階段高?？萍紕?chuàng)新績效發(fā)展不均衡，區(qū)域發(fā)展差異較大。整體來看，我國兩階段高校科技創(chuàng)新績效呈東部地區(qū)>中部地區(qū)>西部地區(qū)(1)本研究采用國家統(tǒng)計局對我國東、中、西部地區(qū)的劃分標準，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12個省份；中部地區(qū)包括山西、吉林、黑龍江、河南、安徽、江西、湖北、湖南8個省份；西部地區(qū)包括重慶、四川、貴州、云南、內(nèi)蒙古、陜西、甘肅、青海、寧夏、新疆10個省份。的階梯狀發(fā)展格局。從具體的空間分布上看，我國兩階段高?？萍紕?chuàng)新績效呈集聚化發(fā)展態(tài)勢，高績效地區(qū)主要集中于長三角的江蘇、上海、浙江，環(huán)渤海地區(qū)的北京、山東，珠三角地區(qū)的廣東，西部地區(qū)的四川和陜西，中部地區(qū)的湖北。這些地區(qū)高等教育資源集聚度較高，無論是高等教育存量資源還是增量資源均在全國居于領先地位。這些地區(qū)借助區(qū)域經(jīng)濟發(fā)展優(yōu)勢，在政策導向的影響下，完善創(chuàng)新服務鏈，鼓勵產(chǎn)學研深度融合，發(fā)揮高校科研的主體地位，以市場需求為導向，擴大科技成果產(chǎn)出，從而提高科技創(chuàng)新研發(fā)水平和科技成果轉化效率。而以青海、寧夏、新疆為代表的西北地區(qū)，由于自然環(huán)境較為惡劣，經(jīng)濟發(fā)展條件較差，高校數(shù)量和科技創(chuàng)新水平還有待提升。目前這些地區(qū)科技創(chuàng)新型企業(yè)較少，且創(chuàng)新活躍程度較低，難以對高校科技創(chuàng)新研發(fā)水平的提高和創(chuàng)新效益的提升產(chǎn)生促進作用。

圖2 我國各省份兩階段高?？萍紕?chuàng)新績效分布

圖3 我國各年度兩階段高?？萍紕?chuàng)新績效發(fā)展趨勢

圖3為我國各年度兩階段高?？萍紕?chuàng)新績效發(fā)展情況。由圖3可知，在研究時期內(nèi)，第一階段我國高?？萍紕?chuàng)新績效呈波動提升的發(fā)展趨勢，這說明我國高校科技創(chuàng)新研發(fā)水平不斷提高，基礎研究和原始創(chuàng)新能力不斷增強。這可能是受益于研發(fā)經(jīng)費的增長、研發(fā)投入結構的優(yōu)化和研發(fā)人才的集聚，我國高?？萍佳邪l(fā)水平得以提升。而第二階段我國高校科技創(chuàng)新績效呈現(xiàn)先升后降再上升的趨勢，這說明我國高校科技創(chuàng)新成果的轉化效益不穩(wěn)定，高?？蒲谐晒c產(chǎn)業(yè)對接不夠緊密，低層次的科研重復現(xiàn)象依舊突出，從而導致我國高?？萍紕?chuàng)新成果轉化效益難以快速提升。

(二) 兩階段高?？萍紕?chuàng)新績效影響因素回歸結果分析

本研究基于R語言軟件對2009-2017年兩階段我國高校科技創(chuàng)新績效影響因素面板數(shù)據(jù)進行分析，根據(jù)羅杰·康克的方法，在回歸模型的基礎上加入分位數(shù)成分。理論上分位數(shù)回歸可以估計任一τ分位受到的影響，本研究選取10%、30%、50%、70%、90%分位數(shù)的回歸結果代表低、中低、中等、中高、高五個位置，以此揭示解釋變量對高?？萍紕?chuàng)新績效分布段的影響程度。為了對比回歸結果與實證變量間的影響系數(shù)，本研究同時利用Eviews軟件展示了普通最小二乘法模型(Ordinary Least Squares，OLS)的回歸結果。第一階段(模型5)各分位點和OLS模型的回歸結果如表2所示。

表2 第一階段回歸結果

由表2分位數(shù)回歸結果可以看出，校企合作在各分位點上均為顯著正向影響，這說明校企合作對高?？萍紕?chuàng)新研發(fā)水平的提高具有明顯的正向作用。此外，該變量系數(shù)變化范圍為0.277～0.403，這表明校企合作程度每提高一個單位將促進高?？萍紕?chuàng)新研發(fā)水平提高0.277～0.403個單位。

政府支持力度在條件分布的不同位置具有不同的影響，即在10%、30%、50%的分位點上顯著為正，而在70%和90%的分位點上不顯著，這說明政府支持力度在高?？萍紕?chuàng)新研發(fā)水平中等及以下階段的促進作用較為明顯，而在中高及以上階段未能發(fā)揮較好的促進作用。這可能與信息的滯后性和政府決策過程的繁雜性有關。政府對高?？萍紕?chuàng)新的支持行為和支持效果存在一定的滯后性，因此在高校科技創(chuàng)新績效提升的后期影響不顯著。

高?？萍既肆Y本投入在各分位點上均不顯著，這表明高?？萍既肆Y本在高?？萍紕?chuàng)新研發(fā)的各水平階段作用均不明顯。經(jīng)濟的高速發(fā)展使得我國科技人力資本投入規(guī)模成為世界第一，然而隨著高校科技創(chuàng)新研發(fā)水平的逐步提高，現(xiàn)階段我國科技人力資本投入組成結構不合理、發(fā)展模式不完善的狀態(tài)逐漸顯現(xiàn)[23]，影響了其在高?？萍紕?chuàng)新研發(fā)中作用的發(fā)揮。此外，創(chuàng)新研發(fā)水平的提高不僅僅需要擴大人力資本投入規(guī)模，更受研發(fā)知識結構多元化、產(chǎn)學研融合、政策引導等多重因素的綜合影響。

研發(fā)人才質量在10%、30%和50%的分位點上顯著為正，而在70%和90%的分位點上并不顯著，這說明高校研發(fā)人才質量只在高?？萍紕?chuàng)新研發(fā)水平的中等及以下階段具有正向促進作用。在科技創(chuàng)新過程中，高?？萍紕?chuàng)新地位逐步提高，一批優(yōu)秀的高素質科研人才被培養(yǎng)和積累起來，其對高?？萍紕?chuàng)新研發(fā)水平起步和提升影響顯著，但是我國高校科研人才仍處于結構失衡、質量一般的非合理化狀態(tài)，相對不均衡的科研人才結構對創(chuàng)新活動的推動作用有限[24]。而且我國高質量人才規(guī)模區(qū)域差異較大，東部經(jīng)濟發(fā)達地區(qū)利用其優(yōu)越的經(jīng)濟條件相繼出臺人才引進政策吸引人才流入，導致中西部地區(qū)人才短缺，因此區(qū)域高質量人才的不均衡也是造成其在高?？萍紕?chuàng)新研發(fā)水平較高階段促進效果不理想的原因之一。

控制變量區(qū)域經(jīng)濟發(fā)展水平在各分位點上均顯著為正，這說明區(qū)域經(jīng)濟發(fā)展水平對高?？萍紕?chuàng)新研發(fā)水平的提高具有明顯的正向促進效果。該變量的系數(shù)變化范圍為0.357～0.519，這表明區(qū)域經(jīng)濟發(fā)展水平每提高一個單位將促進高?？萍紕?chuàng)新研發(fā)水平提高0.357～0.519個單位。

從OLS模型回歸結果來看，各解釋變量均呈顯著的正向影響，這表明校企合作、政府支持力度、高校科技人力資本投入、研發(fā)人才質量和區(qū)域經(jīng)濟發(fā)展水平對高校科技創(chuàng)新研發(fā)水平的提高均起積極的促進作用。相較于分位數(shù)回歸，OLS回歸結果較為溫和。但是OLS回歸結果相較于分位數(shù)回歸結果，其不能精確地描述解釋變量對被解釋變量的影響，掩蓋了其在不同條件位置上的異質性效果。

為進一步分析被解釋變量對解釋變量的影響程度，本研究利用R語言軟件繪制第一階段各變量回歸系數(shù)趨勢圖，詳見圖4。

注：各圖中折線為分位數(shù)回歸中各變量的回歸系數(shù)，虛線為OLS回歸中各變量的回歸系數(shù)；下同。

由圖4可以看出，OLS回歸中各變量的回歸系數(shù)在各分位點是水平不變的，而在分位數(shù)回歸中，校企合作、政府支持力度、科技人力資本投入、研發(fā)人才質量、區(qū)域經(jīng)濟發(fā)展水平對高?？萍紕?chuàng)新研發(fā)水平的影響隨分位點變化都呈現(xiàn)明顯的變化趨勢。其中校企合作和區(qū)域經(jīng)濟發(fā)展水平的回歸系數(shù)呈先降后升的發(fā)展趨勢。囿于我國區(qū)域發(fā)展條件差異較大，對區(qū)域內(nèi)高?？萍紕?chuàng)新研發(fā)水平的促進作用參差不齊，因此導致這些變量對高?？萍紕?chuàng)新研發(fā)水平的正向影響呈現(xiàn)波動的發(fā)展態(tài)勢。而政府支持力度和科技人力資本投入回歸系數(shù)呈先升后降的趨勢，這反映出其每提高一個單位對高校科技創(chuàng)新研發(fā)水平的影響由逐漸增強轉向逐步減弱。研發(fā)人才質量呈逐漸下降的趨勢，這說明其每提高一個單位對高?？萍紕?chuàng)新研發(fā)水平的促進效果逐步減弱。

第二階段(模型6)各分位點和OLS模型的回歸結果如表3所示。由表3分位數(shù)回歸結果可知，發(fā)明專利授權數(shù)在30%、50%、70%和90%分位點上均不顯著，而在10%分位點上為顯著正向影響，這說明隨著我國創(chuàng)新環(huán)境的逐步改善及對知識產(chǎn)權保護制度的日益重視，持續(xù)擴大的高校授權專利規(guī)模在科技創(chuàng)新成果轉化低階段能夠帶來效益的提高，但是我國高校發(fā)明專利轉化過程中還存在諸多問題，轉化效果還不理想。高質量的專利是實現(xiàn)轉化的基礎和前提，高?？蒲衅鼗A前沿研究，在技術成熟度上稍有欠缺，多數(shù)專利有待于進行二次開發(fā)或在生產(chǎn)中進行調(diào)試才能投入市場。此外，高校發(fā)明專利中方法專利權占有相當大比重，產(chǎn)品專利普遍較少，由此造成專利難以轉移轉化[25]，對提升高?？萍紕?chuàng)新成果轉化效益的作用不明顯。

表3 第二階段回歸結果

企業(yè)科技吸納能力在10%、30%和50%分位點上影響顯著，而在70%和90%分位點上并不顯著，這說明企業(yè)科技吸納能力對高?？萍紕?chuàng)新成果轉化效益在中等及以下階段有顯著的促進作用，而隨著轉化效益水平的提升，促進作用逐漸不明顯。企業(yè)科技吸納能力體現(xiàn)的是企業(yè)獲取、消化、轉換以及利用技術的能力。在高?？萍汲晒D化效益的中低水平階段，企業(yè)對科技成果的成熟度要求不高，一些易于轉化的技術專利能夠較快被轉化。而隨著科技的進步，企業(yè)對技術專利質量的要求愈來愈高，尤其是對核心技術專利的要求日益迫切，因此，缺少滿足轉化條件的技術專利導致高?？萍紕?chuàng)新成果轉化效益達到一定水平時，企業(yè)科技吸納能力的促進作用逐漸不顯著。另外，一些高?？萍紕?chuàng)新成果的研發(fā)并沒有以市場為導向，存在技術成果與市場需求相脫節(jié)的現(xiàn)象，這也在一定程度上提高了轉化難度，降低了轉化效益。

科技成果成熟度在各分位點上均呈顯著正向影響，這說明科技成果成熟度對高校科技創(chuàng)新成果轉化效益的提高具有顯著的正向作用。工藝流程的成熟程度以及配套資源的完善程度等外部創(chuàng)新環(huán)境為科技成果萌芽、成長、成熟各個階段的發(fā)展提供了保障。該變量系數(shù)變化范圍為0.402～0.939，這表明科技成果成熟度每提高一個單位將促進高?？萍紕?chuàng)新成果轉化效益提高0.402～0.939個單位。

控制變量市場創(chuàng)新環(huán)境在各個分位點上均不顯著，這說明在各個階段市場創(chuàng)新環(huán)境對高?？萍紕?chuàng)新成果轉化效益均未表現(xiàn)出明顯的促進作用。創(chuàng)新環(huán)境是影響高?？萍紕?chuàng)新成果轉化的外在因素，當前我國存在科技管理體制與市場經(jīng)濟不相容、教育體制與文化傳統(tǒng)抑制創(chuàng)新動力等問題，而且產(chǎn)學研主體協(xié)同銜接不夠緊密，科技創(chuàng)新中的“孤島現(xiàn)象”依然存在，限制了高校專利成果的轉化。

基于OLS模型回歸結果發(fā)現(xiàn)，企業(yè)科技吸納能力、科技成果成熟度、市場創(chuàng)新環(huán)境對高?？萍紕?chuàng)新成果轉化效益呈顯著的正向作用，發(fā)明專利授權數(shù)對其影響并不顯著。整體上看，OLS模型低估了各變量對高?？萍紕?chuàng)新成果轉化效益的異質性效果，其研究結果只能說明局部變化的影響。

為了進一步分析各變量對高?？萍紕?chuàng)新成果轉化績效的影響，本研究繪制了各變量隨分位點變化的回歸系數(shù)趨勢圖，如圖5所示。通過圖5可以發(fā)現(xiàn)，OLS回歸系數(shù)保持不變，而發(fā)明專利授權數(shù)、企業(yè)科技吸納能力、科技成果成熟度、市場創(chuàng)新環(huán)境對高?？萍紕?chuàng)新成果轉化的影響都隨分位點的變化呈現(xiàn)明顯的變化趨勢。其中發(fā)明專利授權數(shù)呈先下降后略有所上升趨勢，這表明在前期其對高?？萍紕?chuàng)新成果轉化效果逐漸降低，中后期的促進效果略有提升。企業(yè)科技吸納能力呈逐漸下降趨勢，這說明每提高一個單位，其對高?？萍紕?chuàng)新成果轉化效益的促進作用逐步減弱?？萍汲晒墒於群褪袌鰟?chuàng)新環(huán)境呈先增后降態(tài)勢，這說明其對高校科技創(chuàng)新成果轉化效益的影響不穩(wěn)定，在高校科技創(chuàng)新成果轉化較低階段，其對高?？萍紕?chuàng)新成果轉化效益的提高發(fā)揮了較好的作用；而隨著轉化階段的提升，這種作用在逐漸減弱。

圖5 第二階段各變量分位數(shù)回歸系數(shù)變化趨勢

五、 結論與對策

科技研發(fā)和成果轉化是高?？萍紕?chuàng)新活動的重要內(nèi)容，其創(chuàng)新績效水平不僅是高?？蒲袑嵙Φ姆从?，也是高校貫徹落實創(chuàng)新驅動發(fā)展戰(zhàn)略的重要表現(xiàn)。作為原始創(chuàng)新和技術創(chuàng)新的發(fā)源地之一，高校的科技創(chuàng)新績效影響著國家科技創(chuàng)新體系建設。本研究基于創(chuàng)新價值鏈理論將高校科技創(chuàng)新行為劃分為高?？萍紕?chuàng)新研究與開發(fā)階段和高校科技創(chuàng)新成果轉化階段，兩階段的高校科技創(chuàng)新績效呈現(xiàn)階梯化和集聚化的空間分布特征。在此基礎上，本研究利用分位數(shù)回歸模型檢驗兩階段各因素對高?？萍紕?chuàng)新績效的影響，主要結論與相關對策如下。

第一，在高?？萍紕?chuàng)新研究與開發(fā)階段(第一階段)，校企合作和區(qū)域經(jīng)濟發(fā)展水平在OLS模型和各分位點上均表現(xiàn)出顯著的正向影響，對高?？萍紕?chuàng)新研發(fā)水平具有明顯的促進作用；政府支持力度、研發(fā)人才質量在OLS模型和中等及以下分位點上表現(xiàn)出顯著的正向影響，在中高及以上分位點上不顯著；高?？萍既肆Y本投入在各分位點上均不顯著。因此，首先，高校應持續(xù)強化校企之間的交互效果，以高?？萍紕?chuàng)新研發(fā)為核心，建立校企創(chuàng)新主體之間的信任機制、運行機制，搭建校企信息溝通平臺，整合和優(yōu)化產(chǎn)學主體創(chuàng)新資源，廣泛開展科技服務和應用性創(chuàng)新活動，促進高校人才培養(yǎng)、科學研究、產(chǎn)業(yè)合作和社會服務等各項職能的發(fā)揮，推進科研成果的轉化應用。其次，各地方政府一方面應當考察各自省內(nèi)高?？萍紕?chuàng)新的實際情況，結合當前創(chuàng)新環(huán)境，提高決策的前瞻性和預見性，加強引導高?？萍紕?chuàng)新成果的市場化；另一方面應當減少對高?？萍紕?chuàng)新活動的過度干預，提高高校的創(chuàng)新自主性，為創(chuàng)新主體“減負松綁”。最后，人力資源是創(chuàng)新驅動發(fā)展戰(zhàn)略中的一個關鍵要素，它決定了創(chuàng)新資源的整合和產(chǎn)出效率。高校不能僅僅依靠人力資本規(guī)模驅動研發(fā)水平的提高，還要持續(xù)推進人才供給側結構性改革，提高人力資本質量，合理優(yōu)化人力資源配置，激發(fā)人力資本創(chuàng)新活力。

第二，在高?？萍紕?chuàng)新成果轉化階段(第二階段)， 發(fā)明專利授權數(shù)在OLS模型和中低及以上分位點上均不顯著，而在低分位點上為顯著正向影響；企業(yè)科技吸納能力在OLS模型和低、中低、中等分位點上呈顯著正向影響，而在中高和高分位點上并不顯著；科技成果成熟度在OLS模型和各分位點上均呈顯著正向影響，這說明科技成果成熟度對高校科技創(chuàng)新成果轉化效益的提高具有顯著的正向作用；市場創(chuàng)新環(huán)境在OLS模型中表現(xiàn)為顯著正向影響，而在分位數(shù)回歸模型的各分位點上均不顯著。因此，首先，高校應妥善協(xié)調(diào)專利數(shù)量與質量的關系，高質量的專利應當具有新穎性、創(chuàng)新性、實用性等特點，專利效力越穩(wěn)定，帶來的經(jīng)濟利益越高。高校應積極開展專利申請前的評估，提升高質量和高成熟度專利的比重。其次，由于科學技術具有內(nèi)隱性、復雜性等特性，企業(yè)對高校技術成果的理解存在一定偏差，由此造成企業(yè)未能準確有效地吸收高?？萍紕?chuàng)新成果。針對這一問題地方政府可通過構建校企信息溝通平臺，減少主體之間“知識勢差”的影響。再次，高校要重視強化市場的驅動作用，弱化對專利轉化的行政干預，面向市場構建科技成果從研發(fā)到市場化的渠道。最后，技術創(chuàng)新最根本的特性是環(huán)境的不確定性，因此，各省份需結合自身實際、找準定位，完善高校科技創(chuàng)新的政策環(huán)境、文化環(huán)境、主體要素環(huán)境，從而推動高?？萍紕?chuàng)新績效的顯著提高。