劉東霞，趙泳琪

(山西財經(jīng)大學(xué)管理科學(xué)與工程學(xué)院，山西太原 030006）

1 研究背景

科技創(chuàng)新是增強綜合國力的決定性因素，我國“十四五”時期的發(fā)展對加快科技創(chuàng)新提出了更為迫切的要求。高校作為科技創(chuàng)新的主力軍，其創(chuàng)新效率的高低不僅影響我國經(jīng)濟(jì)社會的發(fā)展速度與水平，而且關(guān)系到我國能否在國際科技競爭中占領(lǐng)制高點［1］。從價值鏈的角度看，高校創(chuàng)新活動包括知識創(chuàng)新和知識轉(zhuǎn)化兩個階段［2］，其創(chuàng)新產(chǎn)出不僅涉及基礎(chǔ)研究及理論創(chuàng)新成果，而且包括掌握知識和技術(shù)轉(zhuǎn)化為現(xiàn)實生產(chǎn)力的方式。因此，高校創(chuàng)新效率的提升不僅需要高校科技創(chuàng)新活動聚焦前瞻性基礎(chǔ)研究，提升知識創(chuàng)新效率，更需要緊密對接經(jīng)濟(jì)社會發(fā)展需求，凸顯知識轉(zhuǎn)化效率。

黨的十九大報告明確提出我國要深化科技體制改革，建設(shè)以企業(yè)為主體、市場為導(dǎo)向、產(chǎn)學(xué)研深度融合的技術(shù)創(chuàng)新體系［3］，強調(diào)了產(chǎn)學(xué)研協(xié)同創(chuàng)新在我國創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略中的重要地位。2018 年我國高校R＆D 研發(fā)經(jīng)費內(nèi)部支出較2012 年增加了86%，專利授權(quán)總數(shù)增加了168%，而高校技術(shù)轉(zhuǎn)讓合同成交額卻只增加了24%，高?？萍汲晒D(zhuǎn)化效率較低。因此，在產(chǎn)學(xué)研協(xié)同創(chuàng)新背景下，如何對高校知識創(chuàng)新和知識轉(zhuǎn)化效率進(jìn)行科學(xué)地測度，探索影響高校創(chuàng)新效率的因素，對增加高校創(chuàng)新成果、夯實創(chuàng)新強國基礎(chǔ)有重要的作用。

2 文獻(xiàn)綜述

現(xiàn)有文獻(xiàn)多從區(qū)域中觀和高校微觀層面探討區(qū)域高校創(chuàng)新效率與高校間相對效率的差異。沈能等［4］、王曉珍等［1］、蔡文伯等［5］、張海波等［6］學(xué)者運用DEA 以及擴展模型研究區(qū)域高校創(chuàng)新效率差異，得到我國高校創(chuàng)新效率整體呈非DEA 有效，東部、中部與西部地區(qū)（按2003 年國家統(tǒng)計局地區(qū)劃分）高校創(chuàng)新效率存在顯著差異；呈現(xiàn)東部最高、中部次之、西部最低的分布特征［7］，且不同省份高校創(chuàng)新效率的差距也較為明顯［8］。閆平等［9］、李勝會等［10］、高擎等［11］、宗曉華等［12］以教育部直屬高校為研究對象，得到2012 年之后高校整體創(chuàng)新效率有所提高，但速度較緩慢；東部地區(qū)高校創(chuàng)新效率增長穩(wěn)定，中西部地區(qū)則波動較大。具體到“985工程”高校，林德明等［13］研究發(fā)現(xiàn)我國“985 工程”高校的技術(shù)轉(zhuǎn)移平均效率不高，有高達(dá)60%的高校是非DEA 有效；王樹喬等［14］得到我國“985 工程”高校科研效率水平不均衡，存在地域差異性，中部地區(qū)的“985 工程”高校科研綜合技術(shù)效率水平較高?？紤]到高校創(chuàng)新效率存在時間與空間差異性，學(xué)者們開始探討高校創(chuàng)新效率的動態(tài)演化問題，主要的研究方法有DEA 視窗分析［15］，Malmquist 指數(shù)法［10］，以及核密度估計等［14］。由于環(huán)境因素與隨機擾動項會對高校科技創(chuàng)新效率產(chǎn)生影響，學(xué)者們提出了用三階段DEA 模型［16］，三階段超效率DEA 模型等方法［17-18］。

學(xué)者們對高校創(chuàng)新效率的研究取得了豐碩的成果，但仍存在需要進(jìn)一步探討的地方：一是在研究對象上，學(xué)者們或者聚焦省域高校或者聚焦重點與教育部直屬高校，我國東中西部地區(qū)在經(jīng)濟(jì)發(fā)展水平、制度環(huán)境建設(shè)以及文化意識等方面存在較大的差異，東部地區(qū)具有較高的開放程度，形成了公平競爭的環(huán)境［19］；而中西部地區(qū)封閉程度較高，政府過多干預(yù)市場。這可能造成不同地區(qū)影響高校創(chuàng)新效率的因素存在差異。二是在研究內(nèi)容上，學(xué)者們將高校創(chuàng)新過程視為一個“黑匣子”，聚焦于高校創(chuàng)新的整體效率，忽視了高校創(chuàng)新活動的階段性特征。按照價值鏈理論，高校創(chuàng)新過程包括知識創(chuàng)新與知識轉(zhuǎn)化兩個階段，各個階段的效率如何？是否存在區(qū)域差異？未有文獻(xiàn)加以論證。三是在投入指標(biāo)選擇上，大部分研究分別從人員投入、資金投入與智力投入選擇高校創(chuàng)新效率的投入指標(biāo)。從高校知識轉(zhuǎn)化過程來看，產(chǎn)學(xué)研協(xié)同創(chuàng)新直接推動高校知識創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實的生產(chǎn)力［20］，而研究者未能從這一層面選擇相應(yīng)的投入指標(biāo)。

綜合現(xiàn)有的研究成果，本文遵循高校創(chuàng)新從知識創(chuàng)新到知識轉(zhuǎn)化的研究邏輯，運用三階段超效率EBM-Windows 模型測算不同地區(qū)高校知識創(chuàng)新與知識轉(zhuǎn)化的效率，探討不同地區(qū)影響高校創(chuàng)新效率的因素，探索提升高校創(chuàng)新效率的途徑與措施。

3 研究設(shè)計

3.1 研究方法

通過梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，測算高校創(chuàng)新效率的主流方法主要有隨機前沿分析(SFA)，如李滋陽等［21］、蘇濤永等［22］與數(shù)據(jù)包絡(luò)分析(DEA)如Colin 等［23］、宋維瑋等［24］。隨機前沿分析具有以經(jīng)濟(jì)學(xué)理論為支撐，可以使用生產(chǎn)函數(shù)對投入產(chǎn)出關(guān)系進(jìn)行定量分析的優(yōu)點，但存在一旦理論模型設(shè)定錯誤，便會出現(xiàn)分析結(jié)果偏差大、分析結(jié)論沒有實際意義等缺陷。而數(shù)據(jù)包絡(luò)分析無需事先設(shè)定投入產(chǎn)出的具體函數(shù)形式，特別適用于評價無固定生產(chǎn)函數(shù)的決策單元效率。但經(jīng)典DEA 分析不僅沒有考慮松弛變量與決策系統(tǒng)之外環(huán)境因素對決策單元效率的影響，也不能反映決策單元效率的動態(tài)變化特征。

在松弛變量方面，傳統(tǒng)SBM 模型雖然考慮了徑向松弛變量與非徑向松弛變量，但未能體現(xiàn)投入產(chǎn)出變量的實現(xiàn)值與目標(biāo)值之間的比例關(guān)系，Tone等［25］提出的混合距離函數(shù)EBM 模型可以滿足這一要求。在環(huán)境因素方面，F(xiàn)ried 等［26］將隨機前沿分析法(SFA)納入到DEA 分析中，提出了三階段DEA模型，剔除了環(huán)境因素與隨機擾動項對決策單元效率的影響。在動態(tài)變化方面，Charnes 等［27］提出了DEA-Windows 方法，可以使用面板數(shù)據(jù)對決策單元效率進(jìn)行時間序列上的對比。

基于以上分析，本文選擇三階段非徑向超效率EBM-Windows 模型測算高校知識創(chuàng)新與知識轉(zhuǎn)化效率，以期能夠更加客觀地反映高校的創(chuàng)新效率及其動態(tài)變化特征。

3.2 指標(biāo)選取與研究模型

3.2.1 指標(biāo)選取

根據(jù)創(chuàng)新價值鏈視角［28］，高校創(chuàng)新活動可以分為知識創(chuàng)新與知識轉(zhuǎn)化兩個階段，在知識創(chuàng)新階段，所需要的投入主要為人力與資金投入，其對應(yīng)的成果產(chǎn)出主要表現(xiàn)為學(xué)術(shù)效益；在知識轉(zhuǎn)化階段，高校與企業(yè)對接將論文、專利、專有技術(shù)等知識創(chuàng)新成果產(chǎn)品化，該階段的投入便表現(xiàn)為知識創(chuàng)新階段的產(chǎn)出，其對應(yīng)的成果產(chǎn)出主要表現(xiàn)為經(jīng)濟(jì)效益。

基于以上分析并借鑒吳衛(wèi)紅等［29］、王曉紅等［30］、李彥華等［31］的研究成果，選取R＆D 人員全時當(dāng)量與R＆D 經(jīng)費內(nèi)部支出作為高校知識創(chuàng)新階段的投入指標(biāo)。其中，R＆D 人員全時當(dāng)量可以衡量高校在某一年度R＆D 人員的實際投入水平；R＆D 經(jīng)費內(nèi)部支出可以衡量高校單位在某一年度開展R＆D 活動的內(nèi)部實際支出，能夠更加客觀地反映高校內(nèi)部開展科研活動的資金投入情況。為了能夠兼顧研究型與應(yīng)用研究型高校在知識創(chuàng)新階段學(xué)術(shù)產(chǎn)出的差異性，知識創(chuàng)新階段的產(chǎn)出指標(biāo)分別選取了學(xué)術(shù)論文數(shù)和授權(quán)專利總數(shù)。其中，學(xué)術(shù)論文數(shù)是衡量一所高校學(xué)科科研實力的重要指標(biāo)［32］；授權(quán)專利總數(shù)包含了實用新型、外觀設(shè)計以及發(fā)明專利的數(shù)量，能夠更加全面地反映高校的創(chuàng)新能力［33］。知識轉(zhuǎn)化階段的投入指標(biāo)基本與知識創(chuàng)新階段的產(chǎn)出指標(biāo)一致，另外考慮到高校與企業(yè)的協(xié)同創(chuàng)新程度顯著地影響高校知識轉(zhuǎn)化的效率，借鑒王曉紅等［34］、姜文寧等［35］的研究，將企事業(yè)單位委托合作資金金額作為測度高校協(xié)同創(chuàng)新程度的指標(biāo)，引入高校知識轉(zhuǎn)化階段。知識轉(zhuǎn)化階段的產(chǎn)出指標(biāo)為技術(shù)轉(zhuǎn)讓簽訂合同數(shù)、技術(shù)轉(zhuǎn)讓經(jīng)費總額以及專利出售總金額，分別從數(shù)量與質(zhì)量兩個層面反映知識轉(zhuǎn)化成果的經(jīng)濟(jì)價值。

為了能夠更加客觀地反映高校的創(chuàng)新效率，運用三階段非徑向超效率EBM-Windows 模型。在進(jìn)行第二階段SFA 分析時，需要引入環(huán)境變量，以期在第三階段得到調(diào)整投入值剔除環(huán)境變量的影響。環(huán)境變量的選取要求滿足“分離假設(shè)”，即環(huán)境變量影響高校創(chuàng)新效率，但作為創(chuàng)新主體的高校是無法通過主觀控制改變這種影響［10］。相關(guān)研究顯示：政府資金［36］，社會經(jīng)濟(jì)環(huán)境［37］，政府支持［38］，地區(qū)資源稟賦［7］，市場化水平都會顯著影響高校的創(chuàng)新效率［39］。結(jié)合本文的研究重點，選擇人均地區(qū)生產(chǎn)總值（GDP）與第三產(chǎn)業(yè)增加值占GDP 比重表征社會經(jīng)濟(jì)環(huán)境發(fā)展?fàn)顩r；選擇政府資金投入占當(dāng)年撥入科技經(jīng)費的比重衡量政府的支持力度；高校創(chuàng)新活動所需要的資源表現(xiàn)為科研人員的質(zhì)量與潛在的科研人員數(shù)量，選擇R＆D 人員中博士的比重與每10 萬人口中高校的在校生人數(shù)作為測度地區(qū)資源稟賦的指標(biāo)［40］。

3.2.2 研究模型

以創(chuàng)新價值鏈理論為依據(jù)劃分高校創(chuàng)新活動的階段，將協(xié)同創(chuàng)新引入高校知識轉(zhuǎn)化過程，結(jié)合本文所選定的研究方法與指標(biāo)，構(gòu)建了測度高校知識創(chuàng)新與知識轉(zhuǎn)化的三階段超效率EBM-Windows 模型，如圖1 所示。

圖1 高校知識創(chuàng)新與知識轉(zhuǎn)化效率測度模型

模型的縱向邏輯為：高校的創(chuàng)新活動歷經(jīng)了知識創(chuàng)新與知識轉(zhuǎn)化兩個過程，通過將知識創(chuàng)新產(chǎn)出成果應(yīng)用于知識轉(zhuǎn)化過程，并與企事業(yè)單位對接與合作，最終將知識創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實的經(jīng)濟(jì)效益。模型的橫向邏輯為：第一階段運用非徑向超效率EBM-Windows 測度包含環(huán)境影響的知識創(chuàng)新或知識轉(zhuǎn)化效率；第二階段引入環(huán)境變量運用SFA 分析方法調(diào)整知識創(chuàng)新或知識轉(zhuǎn)化投入，以剔除環(huán)境對高校知識創(chuàng)新與知識轉(zhuǎn)化效率的影響；第三階段運用非徑向超效率EBM-Windows 測度剔除環(huán)境影響的高校知識創(chuàng)新或知識轉(zhuǎn)化效率，特別地將協(xié)同創(chuàng)新引入高校知識轉(zhuǎn)化過程，以反映協(xié)同創(chuàng)新程度對高校知識轉(zhuǎn)化效率的影響。

3.3 數(shù)據(jù)來源與處理

本文以我國29 個省、自治區(qū)、直轄市（未含青海、西藏和港澳臺地區(qū)）為研究樣本。區(qū)位優(yōu)勢對高校創(chuàng)新的經(jīng)濟(jì)價值效率有較大影響，東部地區(qū)的社會環(huán)境更加有利于高校創(chuàng)新經(jīng)濟(jì)價值效率的優(yōu)化［1］；但經(jīng)濟(jì)增長緩慢、人口流失、老齡化等問題使東北三省的經(jīng)濟(jì)社會發(fā)展環(huán)境發(fā)生變化，嚴(yán)重影響了該地區(qū)高校的創(chuàng)新效率。如果將東北三省合并到東部地區(qū)來分析，東部地區(qū)其他省份良好的經(jīng)濟(jì)社會環(huán)境因素會掩蓋真正影響東北三省高校創(chuàng)新效率的因素。因此，本文將我國29 個省份劃分為東、中、西與東北4 個地區(qū)（考慮到東北地區(qū)經(jīng)濟(jì)社會環(huán)境的差異性，范建平等［41］也做過類似的處理），分別探討高校知識創(chuàng)新、知識轉(zhuǎn)化效率以及影響因素的地區(qū)差異。

2007 年黨的十七大報告中強調(diào)我國要促進(jìn)產(chǎn)學(xué)研用相結(jié)合，進(jìn)一步明確了高校成果轉(zhuǎn)化的重要性。因此，本文將研究周期設(shè)定為2007—2018 年，以反映政策引導(dǎo)下高校知識創(chuàng)新與知識轉(zhuǎn)化效率的變化。研究數(shù)據(jù)來源于2008—2019 年《高等學(xué)?？萍冀y(tǒng)計資料匯編》《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，其中部分省份的個別數(shù)據(jù)存在為零的情況，為保證評價結(jié)果的準(zhǔn)確性，借鑒王曉紅等［42］的做法，在評價過程中將此個別數(shù)據(jù)賦值為相應(yīng)指標(biāo)的極小值。

在高校知識創(chuàng)新與知識轉(zhuǎn)化過程中，創(chuàng)新或轉(zhuǎn)化投入到成果產(chǎn)出的實現(xiàn)需要一定的時間，即投入到產(chǎn)出存在時滯性。本文參照大多數(shù)學(xué)者的做法，將知識創(chuàng)新與知識轉(zhuǎn)化產(chǎn)出的滯后期設(shè)置為1 年［22］，即知識創(chuàng)新產(chǎn)出比知識創(chuàng)新投入晚1 年，知識轉(zhuǎn)化產(chǎn)出比知識轉(zhuǎn)化投入晚1 年。

4 實證分析結(jié)果

4.1 高校知識創(chuàng)新效率的地區(qū)差異

4.1.1 第一階段：EBM-Windows 結(jié)果

運用MaxDEA 軟件選擇非導(dǎo)向超效率EBMWindows 模型，窗口寬度設(shè)為3，計算2008—2017年我國29 個省份高校的知識創(chuàng)新效率（數(shù)據(jù)備索），匯總計算得到東部、中部、西部及東北地區(qū)的高校知識創(chuàng)新效率，其變化趨勢見圖2 所示。

圖2 調(diào)整前分區(qū)域樣本高校知識創(chuàng)新效率

從圖2 可以看出，2008—2017 年樣本高校知識創(chuàng)新效率呈現(xiàn)波動式上升趨勢，10 年間的均值來為0.706，呈現(xiàn)“東部＞中部＞西部＞東北”的效率空間格局。從動態(tài)變化來看，不同地區(qū)又呈現(xiàn)不同的變化特征：（1）東部地區(qū)高校知識創(chuàng)新效率呈現(xiàn)緩慢上升態(tài)勢，年均增長率為1.7%；10 年間其效率值均高于全樣本平均水平，2015 年達(dá)到最高點，效率值為0.832。其中，江蘇、海南與浙江的高校知識創(chuàng)新效率均值居?xùn)|部地區(qū)的前三位。（2）西部地區(qū)高校知識創(chuàng)新效率呈現(xiàn)逐年上升態(tài)勢，是效率提升最快的地區(qū)，年均增長率為2.9%；自2013 年其效率值超過全樣本平均水平，并于2016 年達(dá)到最高值，為0.825。其中，新疆、寧夏與陜西的高校知識創(chuàng)新效率均值居西部地區(qū)的前三位。（3）2008—2016 年，中部地區(qū)高校知識創(chuàng)新效率值均低于東部地區(qū)；除2008 年與2009 年之外，其余各年其效率值也低于西部地區(qū)。2017 年其效率值達(dá)到了0.868，超過了東部與西部地區(qū)；10 年間的年均增速為2.4%。其中，河南、湖北與湖南的高校知識創(chuàng)新效率均值居中部地區(qū)的前三位。（4）東北地區(qū)高校知識創(chuàng)新效率呈現(xiàn)緩慢上升態(tài)勢，年均增長率為1.8%；10 年間其效率值均低于全樣本平均水平，2017 年達(dá)到最高點，效率值為0.616。

4.1.2 第二階段：SFA 回歸結(jié)果

考慮到高校知識創(chuàng)新效率會受到外生環(huán)境變量的影響，第一階段的測算結(jié)果不能準(zhǔn)確反映高校的知識創(chuàng)新效率。因此，以第一階段高校知識創(chuàng)新階段的兩個投入指標(biāo)的松弛變量作為被解釋變量，將6個環(huán)境因素作為解釋變量，建立面板SFA回歸方程?；貧w分析發(fā)現(xiàn)整體SFA 方程未通過單邊t 檢驗，需要調(diào)整所選定的環(huán)境變量；刪除市場化水平這一環(huán)境變量后，整體SFA 回歸方程通過了1%的顯著性檢驗，具體結(jié)果見表1 的模型K1 所示。

我國在教育、文化等社會事業(yè)的軟硬環(huán)境存在較大的地區(qū)差距，東部地區(qū)的高校數(shù)量眾多、建設(shè)水平較高，創(chuàng)新氛圍濃厚；而中西部地區(qū)高等教育資源特別是優(yōu)質(zhì)高等教育資源相對匱乏，創(chuàng)新意識不足；東北地區(qū)高校高水平人才嚴(yán)重短缺、現(xiàn)有人才流失嚴(yán)重。因此，環(huán)境因素對不同地區(qū)的高校知識創(chuàng)新效率的影響可能存在差異［43］。為檢驗各環(huán)境因素對東部與中西部及東北地區(qū)高校知識創(chuàng)新效率的影響差異，分別構(gòu)建了5 個SFA 回歸模型，即在SFA 回歸模型K1的基礎(chǔ)上，依次引入“人均GDP×地區(qū)” “第三產(chǎn)業(yè)增加值占GDP 的比重×地區(qū)”“政府支持力度×地區(qū)”“R＆D 人員中博士的比重×地區(qū)”與“每10 萬人口中高校在校生數(shù)量×地區(qū)”等交互項，其中，“地區(qū)”為虛擬變量，如果所屬省份在東部地區(qū)記為1，在中西部及東北地區(qū)記為0。模型K2 至K6 的回歸方程均通過了1%的顯著性檢驗，結(jié)果見表1。

表2 樣本高校知識創(chuàng)新階段面板SFA 回歸結(jié)果（二）

（1）環(huán)境因素對高校知識創(chuàng)新效率的影響分析。由表1 可得，模型K1 中部分環(huán)境因素的回歸系數(shù)通過了顯著性檢驗，即環(huán)境因素對高校知識創(chuàng)新階段的兩個投入指標(biāo)的松弛變量有顯著影響，進(jìn)而影響高校的知識創(chuàng)新效率。本文選取的被解釋變量為高校知識創(chuàng)新階段投入指標(biāo)的松弛變量，若回歸系數(shù)為負(fù)表示環(huán)境變量越大，投入冗余越少，即在產(chǎn)出不變的情況下，僅需要較少的投入，高校知識創(chuàng)新效率越高；系數(shù)為正則相反。

具體的影響情況為：1）從社會經(jīng)濟(jì)環(huán)境因素來看，人均GDP 僅與R＆D 人員全時當(dāng)量松弛變量的回歸系數(shù)顯著為負(fù)，即人均GDP 增加，R＆D 人員的冗余會顯著減少；第三產(chǎn)業(yè)增加值占GDP 的比重僅與R＆D 經(jīng)費內(nèi)部支出的松弛變量顯著負(fù)相關(guān)，即第三產(chǎn)業(yè)增加值占GDP 的比重越大，R＆D 經(jīng)費支出的冗余越少。2）政府支持力度與R＆D 人員全時當(dāng)量松弛變量、R＆D 經(jīng)費內(nèi)部支出的松弛變量的回歸系數(shù)均為負(fù)，但未通過顯著性檢驗，即政府支持力度與R＆D 人員、R＆D 經(jīng)費內(nèi)部支出的冗余程度不具有統(tǒng)計上的顯著性。3）從資源稟賦因素來看，R＆D人員中博士的比重僅與R＆D 經(jīng)費內(nèi)部支出松弛變量顯著正相關(guān)，即R＆D 人員中博士的比重越高，R＆D經(jīng)費支出的冗余則越多；每10 萬人口中高校在校生數(shù)量與R＆D 人員全時當(dāng)量松弛變量顯著正相關(guān)，與R＆D 經(jīng)費內(nèi)部支出松弛變量顯著負(fù)相關(guān)，即每10萬人口中高校在校生數(shù)量越多，R＆D 人員的冗余越多，R＆D 經(jīng)費支出的冗余則越少。

（2）環(huán)境因素對高校知識創(chuàng)新效率影響的地區(qū)差異。由表1 分析模型K2～K6 的回歸結(jié)果，可以得到各環(huán)境因素影響高校知識創(chuàng)新效率的地區(qū)差異。具體的差異情況為：1）從社會經(jīng)濟(jì)環(huán)境因素來看，模型K2 中的交互項“人均GDP×地區(qū)”與R＆D 人員全時當(dāng)量松弛變量、R＆D 經(jīng)費內(nèi)部支出松弛變量的回歸系數(shù)均不顯著，即人均GDP 對R＆D 人員全時當(dāng)量松弛變量、R＆D 經(jīng)費內(nèi)部支出松弛變量的影響無顯著的地區(qū)差異。模型K3 中的交互項“第三產(chǎn)業(yè)增加值占GDP 的比重×地區(qū)”與R＆D 人員全時當(dāng)量松弛變量的回歸系數(shù)顯著為正，即相較于中西部及東北地區(qū)，第三產(chǎn)業(yè)增加值占GDP 的比重越大，東部地區(qū)R＆D 人員投入的冗余越多；交互項“第三產(chǎn)業(yè)增加值占GDP 的比重×地區(qū)”與R＆D 經(jīng)費內(nèi)部支出松弛變量的回歸系數(shù)不顯著，即第三產(chǎn)業(yè)增加值占GDP 的比重對R＆D 經(jīng)費內(nèi)部支出松弛變量的影響無顯著的地區(qū)差異。2）模型K4 中的交互項“政府支持力度×地區(qū)”與R＆D 人員全時當(dāng)量松弛變量的回歸系數(shù)顯著為正，即相較于中西部及東北地區(qū)，政府支持力度越大，東部地區(qū)R＆D 人員投入的冗余越多；交互項“政府支持力度×地區(qū)”與R＆D 經(jīng)費內(nèi)部支出松弛變量的回歸系數(shù)不顯著，即政府支持力度對R＆D 經(jīng)費內(nèi)部支出松弛變量的影響無顯著的地區(qū)差異。3）從資源稟賦因素來看，模型K5 中的交互項“R＆D 人員中博士的比重×地區(qū)”與R＆D 人員全時當(dāng)量松弛變量的回歸系數(shù)顯著為正，即相較于中西部及東北地區(qū)，R＆D 人員中博士的比重越大，東部地區(qū)R＆D 人員投入的冗余越多；交互項“R＆D 人員中博士的比重×地區(qū)”與R＆D經(jīng)費內(nèi)部支出松弛變量的回歸系數(shù)顯著為負(fù)，即相較于中西部及東北地區(qū)，R＆D 人員中博士的比重越大，東部地區(qū)R＆D 經(jīng)費內(nèi)部支出的冗余越少。模型K6 中的交互項“每10 萬人口中高校在校生數(shù)量×地區(qū)”與R＆D 人員全時當(dāng)量松弛變量的回歸系數(shù)不顯著，即每10 萬人口中高校在校生數(shù)量對R＆D 人員投入松弛變量的影響無顯著的地區(qū)差異；交互項“每10 萬人口中高校在校生數(shù)量×地區(qū)”與R＆D 經(jīng)費內(nèi)部支出的松弛變量的回歸系數(shù)顯著為負(fù)，即相較于中西部及東北地區(qū)，每10 萬人口中高校在校生數(shù)量越多，東部地區(qū)R＆D 經(jīng)費內(nèi)部支出的冗余越少。

4.1.3 第三階段：調(diào)整后EBM-Windows 結(jié)果

將窗口寬度設(shè)為3，采取非導(dǎo)向EBM-Windows模型再次計算第二階段調(diào)整后的投入產(chǎn)出，計算2008—2017 年樣本高校調(diào)整后的知識創(chuàng)新效率，匯總計算得到東部、中部、西部及東北地區(qū)高校調(diào)整后的知識創(chuàng)新效率，其變化趨勢見圖3 所示。

圖3 調(diào)整后分區(qū)域樣本高校知識創(chuàng)新效率

由圖3 可見，對照第一階段的計算結(jié)果，可以發(fā)現(xiàn)：（1）剔除環(huán)境因素影響之后，2008—2017 年全國高校知識創(chuàng)新效率均值下降為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）剔除環(huán)境因素影響之后，2011—2017 年東部地區(qū)高校知識創(chuàng)新效率值均有所下降，表明近年來東部地區(qū)高校知識創(chuàng)新效率較高與其擁有的環(huán)境優(yōu)勢密切相關(guān)。特別地，海南省高校知識創(chuàng)新效率降幅達(dá)到92.56%，說明環(huán)境因素對海南省高校知識效率的貢獻(xiàn)程度較高。

（3）剔除環(huán)境因素影響之后，2008—2017 年中部地區(qū)高校知識創(chuàng)新效率均值上升為0.761。特別地，安徽、湖南與山西的高校知識創(chuàng)新效率均值增幅居中部地區(qū)前三位。從動態(tài)變化趨勢來看，除2011 與2013 年之外，其余各年中部地區(qū)高校知識創(chuàng)新效率值明顯高于調(diào)整之前的效率值，表明環(huán)境因素制約了中部地區(qū)高校的知識創(chuàng)新效率。

（4）剔除環(huán)境因素影響之后，2008—2017 年西部地區(qū)高校知識創(chuàng)新效率均值下降為0.575，下降幅度為18.90%，特別地，寧夏、新疆與內(nèi)蒙古為西部地區(qū)高校知識創(chuàng)新效率均值降幅最大三個自治區(qū)。2008—2017 年西部地區(qū)高校知識創(chuàng)新效率值均低于調(diào)整前的效率值，表明西部地區(qū)高校知識創(chuàng)新效率對環(huán)境的依賴程度較高。

（5）剔除環(huán)境因素影響之后，2008—2017 年東北地區(qū)高校知識創(chuàng)新效率均值上升為0.717,上升幅度為35.03%；各年度調(diào)整后的效率值均明顯高于調(diào)整之前的效率值，表明發(fā)展環(huán)境較差制約了東北地區(qū)高校的知識創(chuàng)新效率。

4.2 高校知識轉(zhuǎn)化效率的地區(qū)差異

4.2.1 第一階段：EBM-Windows 結(jié)果

運用MaxDEA 軟件選擇非導(dǎo)向超效率EBMWindows 模型，窗口寬度設(shè)為3，計算2009—2018年樣本高校的知識轉(zhuǎn)化效率，匯總計算得到東部、中部、西部及東北地區(qū)的高校知識轉(zhuǎn)化效率，其變化趨勢見圖4 所示。

圖4 調(diào)整前分區(qū)域樣本高校知識轉(zhuǎn)化效率

由圖4 可以看出，2009—2018 年樣本高校知識轉(zhuǎn)化效率呈現(xiàn)下降趨勢，計算得到10 年間的效率均值為0.433，遠(yuǎn)低于高校知識創(chuàng)新效率均值0.706。從空間格局來看，也呈現(xiàn)“東部＞中部＞西部＞東北”的特征。（1）2009—2018 年東部地區(qū)的高校知識轉(zhuǎn)化效率值均高于全樣本平均水平，并在0.44～0.70的區(qū)間內(nèi)呈現(xiàn)波浪式變化特征。（2）除2013 年與2015 年，中部地區(qū)其余年份的高校知識轉(zhuǎn)化效率值均低于全樣本平均水平，呈現(xiàn)先增后降的變化特征。（3）西部地區(qū)的高校知識轉(zhuǎn)化效率值僅在2009 年超過了全樣本平均水平，呈現(xiàn)逐年下降特征。自2011 年，西部地區(qū)的高校知識轉(zhuǎn)化效率值始終徘徊在0.20～0.30 左右，效率值較低。（4）2009—2018 年東北地區(qū)的高校知識轉(zhuǎn)化效率值均低于全樣本平均水平，始終徘徊在0.12～0.34 之間。

4.2.2 第二階段：SFA 回歸結(jié)果

環(huán)境變量會影響高校的知識轉(zhuǎn)化效率，以第一階段高校知識轉(zhuǎn)化階段的3 個投入指標(biāo)的松弛變量作為被解釋變量，將6 個環(huán)境因素作為解釋變量，建立面板SFA 回歸方程?；貧w結(jié)果顯示，整體SFA回歸方程通過了1%的顯著性檢驗（具體結(jié)果見表1的模型T1）。

從成果轉(zhuǎn)化的角度來看，東部地區(qū)具有較高的開放程度與市場化水平，更有利于高校的知識創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實的產(chǎn)品或服務(wù)；而中西部及東北地區(qū)封閉程度較高，高校為企業(yè)提供研發(fā)服務(wù)的意識不足，可能造成不同地區(qū)環(huán)境因素對高校知識轉(zhuǎn)化效率的影響有差異。因此，為檢驗東部與中西部及東北地區(qū)各環(huán)境因素對高校知識轉(zhuǎn)化效率的影響差異，與本文3.1.2 的分析方法相似，在SFA 回歸模型T1 的基礎(chǔ)上，依次引入6 個環(huán)境因素與虛擬變量“地區(qū)”的交互項，構(gòu)建了6 個SFA 回歸模型。模型T2～T7 的回歸方程均通過了1%的顯著性檢驗，結(jié)果見表2。

表3 樣本高校知識轉(zhuǎn)化階段面板SFA 回歸結(jié)果（一）

表4 樣本高校知識轉(zhuǎn)化階段面板SFA 回歸結(jié)果

表4（續(xù)）

（1）環(huán)境因素對高校知識轉(zhuǎn)化效率的影響分析。由表2 可得，模型T1 中部分環(huán)境因素的回歸系數(shù)通過了顯著性檢驗，即環(huán)境因素對高校知識創(chuàng)新階段的兩個投入指標(biāo)的松弛變量有顯著影響，進(jìn)而影響高校的知識轉(zhuǎn)化效率。

具體的影響情況為：1）從社會經(jīng)濟(jì)環(huán)境因素來看，人均GDP 僅與授權(quán)專利總數(shù)松弛變量的回歸系數(shù)顯著為負(fù)，即人均GDP 增加，授權(quán)專利總數(shù)的冗余會顯著減少；第三產(chǎn)業(yè)增加值占GDP 的比重與授權(quán)專利總數(shù)松弛變量、企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)均顯著為正，即第三產(chǎn)業(yè)增加值占GDP 的比重越大，授權(quán)專利總數(shù)以及企事業(yè)單位委托合作資金總額的冗余度會越高。2）政府支持力度與學(xué)術(shù)論文數(shù)松弛變量的回歸系數(shù)顯著為負(fù)，與企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)顯著為正，即政府支持力度越大，學(xué)術(shù)論文數(shù)的冗余越少，企事業(yè)單位委托合作資金總額的冗余則越多。3）從資源稟賦因素來看，R＆D 人員中博士的比重僅與企事業(yè)單位委托合作資金總額松弛變量顯著負(fù)相關(guān)，即R＆D 人員中博士的比重越高，企事業(yè)單位委托合作資金總額的冗余越少；每10 萬人口中高校在校生數(shù)量與授權(quán)專利總數(shù)松弛變量顯著正相關(guān)，即每10 萬人口中高校在校生數(shù)量越多，授權(quán)專利總數(shù)的冗余度越高；市場化水平與授權(quán)專利總數(shù)松弛變量顯著負(fù)相關(guān)，即市場化水平越高，授權(quán)專利總數(shù)的冗余度越低。

（2）環(huán)境因素對高校知識轉(zhuǎn)化效率影響的地區(qū)差異。由表2 分析模型T2～T7 的回歸結(jié)果，可以得到各環(huán)境因素對高校知識轉(zhuǎn)化效率影響的地區(qū)差異。

具體的差異情況為：1）從社會經(jīng)濟(jì)環(huán)境因素來看，模型T2 中的交互項“人均GDP×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量、授權(quán)專利總數(shù)松弛變量的回歸系數(shù)均顯著為負(fù)，即相較于中西部及東北地區(qū)，人均GDP 越高，東部地區(qū)的學(xué)術(shù)論文數(shù)、授權(quán)專利總數(shù)的冗余度越少；交互項“人均GDP×地區(qū)”與企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)不顯著，即人均GDP 對企事業(yè)單位委托合作資金總額松弛變量的影響無顯著的地區(qū)差異。模型T3 中的交互項“第三產(chǎn)業(yè)增加值占GDP 的比重×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量的回歸系數(shù)顯著為負(fù)，即相較于中西部及東北地區(qū)，第三產(chǎn)業(yè)增加值占GDP 的比重越大，東部地區(qū)學(xué)術(shù)論文的冗余越少；交互項“第三產(chǎn)業(yè)增加值占GDP 的比重×地區(qū)”與授權(quán)專利總數(shù)松弛變量、企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)均不顯著，即第三產(chǎn)業(yè)增加值占GDP 的比重對授權(quán)專利總數(shù)與企事業(yè)單位委托合作資金總額的松弛變量的影響無顯著的地區(qū)差異。2）模型T4 中的交互項“政府支持力度×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量、授權(quán)專利總數(shù)松弛變量的回歸系數(shù)均顯著為正，即相較于中西部及東北地區(qū)，政府支持力度越大，東部地區(qū)的學(xué)術(shù)論文與授權(quán)專利總數(shù)的冗余越多；交互項“政府支持力度×地區(qū)”與企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)不顯著，即政府支持力度對企事業(yè)單位委托合作資金總額松弛變量的影響無顯著的地區(qū)差異。3）從資源稟賦因素來看，模型T5 中的交互項“R＆D 人員中博士的比重×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量的回歸系數(shù)顯著為負(fù)，即相較于中西部及東北地區(qū)，R＆D 人員中博士的比重越大，東部地區(qū)學(xué)術(shù)論文的冗余越少；交互項“R＆D 人員中博士的比重×地區(qū)”與授權(quán)專利總數(shù)松弛變量的回歸系數(shù)顯著為正，即相較于中西部及東北地區(qū)，R＆D 人員中博士的比重越大，東部地區(qū)授權(quán)專利總數(shù)的冗余越多；交互項“R＆D 人員中博士的比重×地區(qū)”與企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)不顯著，即R＆D 人員中博士的比重對企事業(yè)單位委托合作資金總額的松弛變量的影響無顯著的地區(qū)差異。模型T6中的交互項“每10 萬人口中高校在校生數(shù)量×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量、授權(quán)專利總數(shù)松弛變量以及企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)均不顯著，即每10 萬人口中高校在校生數(shù)量對學(xué)術(shù)論文數(shù)量、授權(quán)專利總數(shù)與企事業(yè)單位委托合作資金總額的松弛變量的影響無顯著的地區(qū)差異。模型T7 中的交互項“市場化水平×地區(qū)”與學(xué)術(shù)論文數(shù)松弛變量、授權(quán)專利總數(shù)松弛變量的回歸系數(shù)均不顯著，即市場化水平對學(xué)術(shù)論文數(shù)、授權(quán)專利總數(shù)的松弛變量的影響無顯著的地區(qū)差異；交互項“市場化水平×地區(qū)”與企事業(yè)單位委托合作資金總額松弛變量的回歸系數(shù)顯著為正，即相較于中西部及東北地區(qū)，市場化水平越高，東部地區(qū)的企事業(yè)單位委托合作資金總額的冗余越多。

4.2.3 第三階段：調(diào)整后EBM-Windows 結(jié)果

將窗口寬度設(shè)為3，采取非導(dǎo)向EBM-Windows模型再次計算第二階段調(diào)整后的投入產(chǎn)出，計算2009—2018 年樣本高校調(diào)整后的知識轉(zhuǎn)化效率，匯總計算得到東部、中部、西部地區(qū)高校調(diào)整后的知識轉(zhuǎn)化效率，其變化趨勢見圖5 所示。

圖5 調(diào)整后分區(qū)域樣本高校知識轉(zhuǎn)化效率

由圖5 對照第一階段的計算結(jié)果，可以發(fā)現(xiàn)：（1）剔除環(huán)境因素影響之后，2009—2018 年樣本高校知識轉(zhuǎn)化效率均值上升為0.543，整體呈現(xiàn)先上升后下降的趨勢，2014年的效率最大，為0.654。分地區(qū)來看，高校知識轉(zhuǎn)化效率呈現(xiàn)“東＞中＞西＞東北”的區(qū)域特征。

（2）剔除環(huán)境因素影響之后，2009—2018 年東部地區(qū)高校知識轉(zhuǎn)化效率均值上升為0.700，其中，上海、山東與廣東的高校知識轉(zhuǎn)化效率均值增幅居?xùn)|部地區(qū)的前三位。從動態(tài)變化來看，2009—2011年東部地區(qū)調(diào)整后的效率值低于調(diào)整前的效率值，而2012 年之后則高于調(diào)整前的效率值，表明2012年之后東部地區(qū)高校在知識轉(zhuǎn)化方面的管理水平有所提升。

（3）剔除環(huán)境因素影響之后，2009—2018 年中部地區(qū)高校知識轉(zhuǎn)化效率值均有大幅度的上升，表明中部地區(qū)的經(jīng)濟(jì)發(fā)展水平、政府重視創(chuàng)新的程度以及資源稟賦水平等環(huán)境因素限制了高校的知識轉(zhuǎn)化效率。特別地，湖北、江西與河南的高校知識轉(zhuǎn)化效率均值增幅居中部地區(qū)的前三位。

（4）剔除環(huán)境因素影響之后，除2009 與2018年之外，其他年度西部地區(qū)高校知識轉(zhuǎn)化效率值均顯著提高，但效率值較低在0.40～0.55 之間波動，表明西部地區(qū)高校知識轉(zhuǎn)化效率低下不僅受制于環(huán)境因素，更受累于內(nèi)部管理的無效率。

（5）剔除環(huán)境因素影響之后，除2012 年之外，其他年度東北地區(qū)高校知識轉(zhuǎn)化效率均顯著提高，效率值保持在0.20～0.55 之間，與西部地區(qū)相似，環(huán)境較差、管理水平低下限制了東北地區(qū)高校的知識轉(zhuǎn)化效率。

4.3 高校知識創(chuàng)新與轉(zhuǎn)化效率二維矩陣分析

綜合本研究的實證結(jié)果，將兩個階段的效率均值與年均增長率作為劃分標(biāo)準(zhǔn)，分別繪制高校知識創(chuàng)新效率與轉(zhuǎn)化效率的靜態(tài)與動態(tài)二維矩陣圖。

4.3.1 高校知識創(chuàng)新與轉(zhuǎn)化的靜態(tài)二維矩陣

高校知識創(chuàng)新與轉(zhuǎn)化效率組合可以分為四個不同的區(qū)域類型，如圖6 所示。第一類區(qū)域即圖6 的左下部分——粗放式低知識創(chuàng)新與轉(zhuǎn)化效率，這一區(qū)域包含了天津、海南、遼寧、江西、貴州、山西、內(nèi)蒙古、甘肅、寧夏與新疆等10 個省份。這一區(qū)域高校的知識創(chuàng)新與轉(zhuǎn)化效率均較低，低于全樣本平均水平，在知識創(chuàng)新階段投入了大量的研發(fā)人員與研發(fā)資金但產(chǎn)出不足，同時在進(jìn)行知識創(chuàng)新成果轉(zhuǎn)化方面也存在過度投入現(xiàn)象，未來這一區(qū)域高校應(yīng)注重研發(fā)投入與成果轉(zhuǎn)化投入的質(zhì)量，加強知識創(chuàng)新與成果轉(zhuǎn)化的過程管理。

第二類區(qū)域即圖6 的左上部分——低知識創(chuàng)新效率高知識轉(zhuǎn)化效率，僅重慶與福建落在這一區(qū)域。該區(qū)域高校的知識轉(zhuǎn)化效率相對較高，但知識創(chuàng)新階段的效率水平則較低，可能原因為這類地區(qū)的高校比較注重與企事業(yè)單位合作，以需求為導(dǎo)向開展研發(fā)活動，所以其知識轉(zhuǎn)化效率較高。未來這類地區(qū)高校應(yīng)提升知識創(chuàng)新階段的成果產(chǎn)出，為知識轉(zhuǎn)化提供基礎(chǔ)支撐。

第三類區(qū)域即圖6 的右上部分——集約式高知識創(chuàng)新與轉(zhuǎn)化效率，該區(qū)域高校的知識創(chuàng)新與轉(zhuǎn)化效率水平均較高。有14 個省份高校落在這一區(qū)域，其中東部地區(qū)7 個、中部地區(qū)4 個、西部地區(qū)3 個。一方面，這些省份的高校數(shù)量多且發(fā)展水平較高，能夠吸引大量的研發(fā)人才集聚，為知識創(chuàng)新提供了人才條件；另一方面，大規(guī)模企業(yè)集聚為這些省份高校的創(chuàng)新成果轉(zhuǎn)化提供了條件。

第四類區(qū)域即圖6 的右下部分——高知識創(chuàng)新效率低知識轉(zhuǎn)化效率，該區(qū)域高校知識創(chuàng)新階段的效率水平較高，但將知識創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實生產(chǎn)力方面的效率較低，如黑龍江、吉林與云南。可能受制于當(dāng)?shù)仄髽I(yè)創(chuàng)新需求不足或知識創(chuàng)新成果與企業(yè)需求脫節(jié)，造成了知識創(chuàng)新成果沒有有效地轉(zhuǎn)化。因此，未來這些省份的高校不僅要關(guān)注知識創(chuàng)新成果的產(chǎn)出，更要關(guān)注知識創(chuàng)新成果的市場適用性。

圖6 樣本高校知識創(chuàng)新與知識轉(zhuǎn)化效率的靜態(tài)矩陣

4.3.2 高校知識創(chuàng)新與轉(zhuǎn)化的動態(tài)二維矩陣

以樣本高校10 年的知識創(chuàng)新與轉(zhuǎn)化效率的年均增長率為劃分標(biāo)準(zhǔn)，可得到高校知識創(chuàng)新與轉(zhuǎn)化效率的動態(tài)變化的二維矩陣圖，如圖7 所示。

第一類區(qū)域即圖7 的左下部分——知識創(chuàng)新與轉(zhuǎn)化效率負(fù)增長，這一區(qū)域包含了云南、湖北、湖南與山東等省份。這一區(qū)域高校的知識創(chuàng)新與轉(zhuǎn)化效率的年均增長率均為負(fù)值，低于全樣本平均水平，表明10 年間該區(qū)域高校對知識創(chuàng)新與轉(zhuǎn)化重視不足，知識創(chuàng)新與轉(zhuǎn)化效率有所下降。

第二類區(qū)域即圖7 的左上部分——知識創(chuàng)新效率負(fù)增長、知識轉(zhuǎn)化效率正增長，這一區(qū)域包括北京、江蘇、海南、河南、黑龍江與廣西等省份。具體來看，北京與上海的高校知識創(chuàng)新效率已經(jīng)接近生產(chǎn)前沿面，資源投入規(guī)模較大，創(chuàng)新產(chǎn)出水平較高，其在知識創(chuàng)新階段的效率提升空間非常有限，提升知識轉(zhuǎn)化效率便成為重要的發(fā)展方向。而海南、河南、黑龍江與廣西等地高校知識創(chuàng)新能力相對較低，便加強知識轉(zhuǎn)化管理活動，提高知識轉(zhuǎn)化效率。

第三類區(qū)域即圖7 的右上部分——知識創(chuàng)新與轉(zhuǎn)化效率正增長，落在該區(qū)域的省份較多，包括3個西部自治區(qū)、6 個東部省份、2 個中部省份與2 個東北的省份。10 年間這些省份的高校實現(xiàn)了知識創(chuàng)新效率與轉(zhuǎn)化效率的同步提升，表明這些地區(qū)的高校不僅關(guān)注了知識創(chuàng)新階段的管理工作，同時也在推進(jìn)知識創(chuàng)新成果的轉(zhuǎn)化活動。最為典型的為甘肅、寧夏與新疆，其知識創(chuàng)新效率年均增長率超過了20%，可能受益于西部高等教育振興計劃等國家政策紅利。

第四類區(qū)域即圖7 右下部分——知識創(chuàng)新效率正增長、知識轉(zhuǎn)化效率負(fù)增長，該區(qū)域包括重慶、四川、內(nèi)蒙古、陜西、貴州與安徽。10 年間，這些地區(qū)的高校知識創(chuàng)新效率有所提升，知識轉(zhuǎn)化效率卻有所下降。特別地，四川省高校知識創(chuàng)新效率年均增幅超過15%，陜西、貴州與安徽高校知識轉(zhuǎn)化效率的年均降幅超過7%。表明這些地區(qū)高校大幅改善了知識創(chuàng)新階段的管理活動，而對知識轉(zhuǎn)化階段的管理活動重視不足。

圖7 樣本高校知識創(chuàng)新與知識轉(zhuǎn)化效率的動態(tài)矩陣

4.4 高校創(chuàng)新效率提升路徑分析

結(jié)合高校知識創(chuàng)新與知識轉(zhuǎn)化效率的動態(tài)矩陣分析，處于靜態(tài)矩陣的四類地區(qū)高校可以采取有針對性的創(chuàng)新效率提升路徑。具體有：

（1）平衡式提升路徑，即處于第二類區(qū)域（低知識創(chuàng)新效率高知識轉(zhuǎn)化效率）與第四類區(qū)域（高知識創(chuàng)新效率低知識轉(zhuǎn)化效率）的地區(qū)高校，在結(jié)合其創(chuàng)新效率動態(tài)增長趨勢的基礎(chǔ)上，通過加強知識創(chuàng)新或轉(zhuǎn)化方面的管理，提升知識創(chuàng)新效率或知識轉(zhuǎn)化效率，平衡兩階段創(chuàng)新效率，實現(xiàn)整體創(chuàng)新效率的提高。如重慶、福建的高校可在保持知識創(chuàng)新效率正增長的同時，加強知識轉(zhuǎn)化方面的積累與管理；吉林、黑龍江與云南的高校在保持知識轉(zhuǎn)化效率正增長的同時，提高知識創(chuàng)新方面的管理效率。

（2）跨越式提升路徑，即處于第一類區(qū)域（低知識創(chuàng)新與轉(zhuǎn)化效率）并且知識創(chuàng)新與轉(zhuǎn)化效率年均增長率為正的地區(qū)高校，可在知識創(chuàng)新與轉(zhuǎn)化方面同時發(fā)力，提升知識創(chuàng)新與轉(zhuǎn)化效率，實現(xiàn)創(chuàng)新效率的跨越式提升，如天津、山西、遼寧、江西、寧夏、新疆、甘肅等。

（3）漸進(jìn)式提升路徑，即處于第一類區(qū)域（低知識創(chuàng)新與轉(zhuǎn)化效率）但僅有知識創(chuàng)新效率或知識轉(zhuǎn)化效率年均增長率為正的地區(qū)高校，可以先充分挖掘其創(chuàng)新優(yōu)勢階段效率的潛力，再著力彌補其劣勢階段的效率，經(jīng)過第二類或第四類區(qū)域的過渡，最終到達(dá)第三類區(qū)域，實現(xiàn)知識創(chuàng)新與轉(zhuǎn)化效率的提升。如內(nèi)蒙古、貴州等地的高?？稍诎l(fā)揮其知識創(chuàng)新效率相對優(yōu)勢的基礎(chǔ)上重點提升知識轉(zhuǎn)化方面的效率；海南的高校在發(fā)揮知識轉(zhuǎn)化優(yōu)勢的基礎(chǔ)上重點加強知識創(chuàng)新力度。

（4）穩(wěn)步式提升路徑，即處于第三類區(qū)域（高知識創(chuàng)新與轉(zhuǎn)化效率）但未實現(xiàn)知識創(chuàng)新與轉(zhuǎn)化效率有效的地區(qū)高校，已具備良好的知識創(chuàng)新與轉(zhuǎn)化基礎(chǔ)，可進(jìn)一步做好知識創(chuàng)新管理活動，積極尋找實業(yè)界的合作對象，開展產(chǎn)學(xué)研協(xié)同創(chuàng)新活動，使知識創(chuàng)新與轉(zhuǎn)化效率達(dá)到生產(chǎn)前沿，如上海、廣東、浙江、山東、河北、安徽、河南、湖南、湖北、陜西、四川與廣西等。

5 研究結(jié)論和啟示

5.1 研究結(jié)論

本文以我國29 個省份的高校為研究對象，以2007—2018 年的面板數(shù)據(jù)為實證分析依據(jù)，運用超效率EBM-Windows 三階段DEA 方法，考察了不同地區(qū)高校知識創(chuàng)新與轉(zhuǎn)化效率及其環(huán)境影響因素，研究了各地區(qū)高校創(chuàng)新效率的提升路徑。得到如下結(jié)論：

（1）我國高校知識創(chuàng)新與轉(zhuǎn)化效率未實現(xiàn)DEA有效。剔除環(huán)境因素的影響之后，樣本高校的知識創(chuàng)新效率均值為0.675，知識轉(zhuǎn)化效率均值為0.543，高校原始知識成果到成果轉(zhuǎn)化存在一定的脫節(jié)現(xiàn)象?？赡艿脑蛴校阂皇枪┙o和需求錯配。大多數(shù)高校的創(chuàng)新成果表現(xiàn)為學(xué)術(shù)論文與課題，缺乏市場需求；另外一些高校重科研輕開發(fā)，導(dǎo)致多數(shù)科研成果只留在實驗環(huán)節(jié)［44］。二是聚焦的需求不夠，問題凝練不夠精準(zhǔn)化。由于高校的定位及發(fā)展規(guī)律，對于企業(yè)的訴求和期望理解不足，無法準(zhǔn)確凝練成科學(xué)問題進(jìn)行研究［45］。三是參與產(chǎn)學(xué)研協(xié)同創(chuàng)新的企業(yè)較少。大企業(yè)自身資金雄厚，更傾向于企業(yè)內(nèi)部自主研發(fā)；而中小企業(yè)由于缺乏激勵機制以及政策制度的傾斜，加之自身的動力和能力不足，使其很難參與到產(chǎn)學(xué)研協(xié)同創(chuàng)新之中［46］。

（2）高校知識創(chuàng)新與轉(zhuǎn)化階段的效率存在較大的地區(qū)差異，刪除環(huán)境因素的影響之后，高校知識創(chuàng)新效率呈現(xiàn)“中部＞東北＞東部＞西部”的地區(qū)分布格局，而知識轉(zhuǎn)化效率則呈現(xiàn)“東部＞中部＞西部＞東北”的地區(qū)分布格局。表明東部地區(qū)高校更加重視知識創(chuàng)新成果的市場化應(yīng)用，更傾向于發(fā)揮其服務(wù)區(qū)域經(jīng)濟(jì)的作用。

（3）環(huán)境因素對高校知識創(chuàng)新效率與知識轉(zhuǎn)化效率的影響存在顯著的地區(qū)差異。相較于中西部及東北地區(qū)，第三產(chǎn)業(yè)越發(fā)達(dá)、政府支持力度越大、R＆D 人員博士化率越高，東部地區(qū)高校知識創(chuàng)新階段的R＆D 人員投入的冗余越多，從而降低知識創(chuàng)新效率；地區(qū)高等教育水平越高，東部地區(qū)高校知識創(chuàng)新階段的R＆D 經(jīng)費投入的冗余越少，有助于提高知識創(chuàng)新效率；地區(qū)經(jīng)濟(jì)發(fā)展水平與R＆D 人員博士化率越高，第三產(chǎn)業(yè)越發(fā)達(dá)，東部地區(qū)高校知識轉(zhuǎn)化階段的學(xué)術(shù)論文投入的冗余越少，有助于提高知識轉(zhuǎn)化效率；政府支持力度越大，東部地區(qū)高校知識轉(zhuǎn)化階段的學(xué)術(shù)論文與授權(quán)專利投入的冗余越多，同時R＆D 人員博士化率越高，授權(quán)專利投入的冗余越多，從而降低知識轉(zhuǎn)化效率；市場化水平越高，東部地區(qū)高校知識轉(zhuǎn)化階段的企事業(yè)單位委托合作資金投入的冗余越多，會降低知識轉(zhuǎn)化效率。

（4）利用靜態(tài)與動態(tài)二維矩陣分析方式，將高校創(chuàng)新效率劃分為四種類型，進(jìn)而分析了各地區(qū)高校創(chuàng)新效率的提升路徑，具體包括：平衡式、跨越式、漸進(jìn)式與穩(wěn)步式等四種。

5.2 啟示

基于本文的結(jié)論，可獲得如下啟示：

首先，高校應(yīng)加強知識創(chuàng)新與轉(zhuǎn)化階段的過程管理。一方面，優(yōu)化R＆D 人員與經(jīng)費的投入量，提高知識創(chuàng)新效率；另一方面，瞄準(zhǔn)市場需求凝練知識創(chuàng)新的方向，使學(xué)術(shù)成果聚焦解決現(xiàn)實問題，減少創(chuàng)新成果與成果轉(zhuǎn)化之間的脫節(jié)現(xiàn)象，提升知識轉(zhuǎn)化效率。

其次，中西部及東北地區(qū)高校要向東部地區(qū)高校學(xué)習(xí)，積極開展知識轉(zhuǎn)化活動。一方面，充分利用各類成果轉(zhuǎn)化服務(wù)平臺、中介機構(gòu)，宣傳推廣高校的知識創(chuàng)新成果，獲取企事業(yè)單位的研發(fā)需求；另一方面，對接企業(yè)需求，加入產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟，共同解決創(chuàng)新鏈中關(guān)鍵核心技術(shù)問題，促進(jìn)新技術(shù)產(chǎn)業(yè)化規(guī)?；瘧?yīng)用。

再次，強化地區(qū)高校間的創(chuàng)新合作。由結(jié)論3可知東部地區(qū)高校存在科研資源過度集中的現(xiàn)象，可通過科技講座、難題攻關(guān)、項目合作、技術(shù)咨詢等方式與中西部及東北地區(qū)高校開展創(chuàng)新合作，增加科研外部性與技術(shù)外溢程度，提高科研資源的利用效率。

最后，根據(jù)高校創(chuàng)新效率二維矩陣圖，不同地區(qū)的高校應(yīng)針對其在不同創(chuàng)新階段所具有的優(yōu)勢和劣勢，分別選擇適宜的創(chuàng)新效率提升路徑，如平衡式提升路徑，即在保持優(yōu)勢階段效率的同時，著力彌補其不足；跨越式提升路徑，即同時在知識創(chuàng)新與轉(zhuǎn)化方面發(fā)力，實現(xiàn)創(chuàng)新效率整體提升；漸進(jìn)式提升路徑，即在充分挖掘優(yōu)勢階段效率的基礎(chǔ)上，再彌補其劣勢；穩(wěn)步式提升路徑，即充分利用現(xiàn)有科研資源，做好過程管理，使高校創(chuàng)新效率實現(xiàn)DEA 有效。