EN中文

经济地理 >

2020 , Vol. 40 >Issue 8: 27 - 35

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.08.004

区域经济与理论方法

基于两阶段DEA模型的高校科技创新对区域创新绩效影响

  • 王辉 ,
  • 陈敏
展开
  • 湘潭大学 商学院，中国湖南 湘潭 411105

王辉（1982—），女，湖南冷水江人，博士，教授，硕士生导师。主要研究方向为区域经济发展。E-mail：。

收稿日期: 2019-09-02

  修回日期: 2020-05-29

  网络出版日期: 2025-04-18

基金资助

教育部人文社会科学研究青年基金项目(17YJC880099)

湖南省社会科学成果评审委员会课题(XSPYBZZ052)

收起

Science and Technology Innovation of Universities on Regional Innovation Performance Based on Two-Stage DEA Model

  • WANG Hui ,
  • CHEN Min
Expand
  • Business School，Xiangtan University，Xiangtan 411105，Hunan, China

Received date: 2019-09-02

  Revised date: 2020-05-29

  Online published: 2025-04-18

Fold

摘要

将高校科技创新对区域创新绩效影响过程划分为科技成果产出、科技成果转化两个阶段，构建两阶段DEA模型，选取我国大陆31个省（自治区、直辖市）作为研究样本，科学评价高校科技创新对区域创新绩效的影响。结果表明：①在科技成果产出阶段，内蒙古、河南、陕西3个省区实现了DEA有效，在科技成果转化阶段，北京、吉林、浙江、安徽、湖北、湖南、广东、广西、重庆、青海10个省区实现了DEA有效；②对比两阶段综合效率，大多数省份存在“此高彼低”的现象，且提升技术效率是提升两阶段综合效率的关键；③在科技成果产出和科技成果转化阶段，导致部分省份未能实现DEA有效的原因是存在投入冗余或产出不足。可以通过优化高校资源配置、加强产学研合作、完善区域创新体系、重视区域间合作创新等措施来提升区域创新绩效。

关键词： 两阶段DEA模型; 高校科技创新; 区域创新绩效; 产学研合作; 科技成果转化; 创新环境

本文引用格式

王辉 , 陈敏 . 基于两阶段DEA模型的高校科技创新对区域创新绩效影响[J]. 经济地理, 2020 , 40(8) : 27 -35 . DOI: 10.15957/j.cnki.jjdl.2020.08.004

Abstract

The process of the impact of university science and technology innovation on regional innovation performance was divided into two stages in this article: the output of scientific and technological achievements and the transformation of scientific and technological achievements. The paper establish a two-stage DEA model to evaluate the performance impact of university science and technology innovation on regional innovation performance,with 31 provinces as a research sample. The research results show that: 1) the overall efficiency which the scientific and technological innovation of universities on regional innovation performance in China is not reached the DEA level; when it comes to the output stage of scientific and technological achievements,4 provinces including Inner Mongolia,Henan,Guizhou,Xinjiang have reached the DEA level; and 11 provinces including Beijing,Tianjin,Jilin,Shanghai,Zhejiang,Anhui,Jiangxi,Guangdong,Guangxi,Chongqing,Qinghai have reached the DEA level on the transformation efficiency of scientific and technological achievements. 2) Compare the two-stage efficiency,there is a phenomenon in the province of "there will be another",and technical efficiency is the key to improving the efficiency of the two phases; 3) The reason why some provinces fail to achieve DEA efficiency is that there are some problems such as redundant input or insufficient output. By optimizing the allocation of resources in universities,strengthening cooperation between industry,universities and research institutes,improving innovation systems in the region,and focusing on inter-regional cooperation and innovation,it's possible to promote the development of scientific and technological innovation in universities and improve regional innovation performance.

Key words： two-stage DEA model; university science and technology innovation; regional innovation performance; industry-university-research cooperation; transformation of scientific and technological achievements; innovation environment

我国经济进入新常态，面临着增长速度换挡、产业结构调整、发展方式转型等诸多挑战，创新成为驱动经济发展的新引擎。党的十九大报告进一步明确了创新在现代化经济体系建设中的重要地位，强调要坚定不移地实施创新驱动发展战略，要把加快建设创新型国家作为现代化建设全局的战略举措。区域创新体系是国家创新体系在区域层次的延伸和体现，区域创新绩效的提高有利于国家创新战略的实现。高校作为区域创新体系中的重要主体之一，以其雄厚的科技力量，以及所拥有的学科门类齐全、技术人才密集、实验设施先进等优势，成为科技创新的重要基地。从世界范围来看，创新能力较强的区域大多也是高校集中的区域，如我国的中关村、美国的硅谷、日本的筑波科学城、韩国的大德科学城等。创新是一个复杂的投入产出过程，高校通过创新资源投入，实现科技成果产出和科技成果转化，进而提升区域创新绩效[1]。因此，基于高校科技创新的过程，科学地评价高校科技创新对区域创新的影响，对进一步合理利用高校创新资源，发挥高校对区域创新的作用，进而提高区域创新绩效具有重要的理论和实践意义。

1 文献述评

高校科技创新是高校投入并有效利用各种创新资源，实现科技成果产出，并推动科技成果转化的过程。区域创新绩效即区域内创新资源投入的产出效果，一般用新产品销售收入、技术市场成交合同金额、专利授权数等指标进行衡量。已有研究大都认为高校科技创新对区域创新绩效存在显著的正向作用[2⇓-4]，相关研究主要是围绕高校创新资源投入、高校创新活动、产学研合作三个方面展开。第一，在高校创新资源投入方面，主要从人力、财力投入、高校创新资源集聚角度来研究高校科技创新对区域创新绩效的影响。肖振红等运用面板门槛回归模型，研究发现科技人力资源投入对区域创新绩效有正向影响，且高校科技人力资源投入对区域创新绩效的影响高于企业科技人力资源投入对区域创新绩效的影响[5]。程鹏运用空间杜宾模型研究发现，高校R&D经费投入和R&D人员投入对区域新产品销售收入具有显著促进作用[6]。李宪印等通过构建极值边界模型，对省际面板数据实证分析高校创新与区域创新之间的相关性，结果表明：高校R&D经费投入对区域创新具有显著影响，但高校R&D人力投入对区域创新并无显著影响[7]。王家庭等运用空间面板数据回归模型，研究发现高等教育创新资源的集聚对区域创新绩效存在显著的正向作用[8]。第二，在高校创新活动方面，相关研究结果表明高校创新活动对区域创新绩效有显著的正向影响[2,9]，主要是通过科学研究活动产生新知识和新技术，并通过知识溢出、技术转移为区域创新提供技术支撑[10-11]。郭泉恩等运用空间计量模型扩展知识生产函数，从投入和产出两方面估计高校知识溢出对区域创新的影响，研究结果表明高校研发活动主要通过知识溢出来实现对区域创新绩效的正向影响[12]。Maietta认为高校通过出售专利技术等方式，实现技术转移，促进专利发明的商业化，进而有力地推动区域创新[13]。第三，大量研究表明产学研协同创新是区域创新效率提升的重要途径[14-15]。产学研联盟是区域创新的重要组织形式[16]。Etzkowita认为大学—产业—政府所形成的三螺旋混合模型在区域内发挥了强大的技术创新辐射作用[17]。王鹏等从合作机制方面研究发现，产学研合作不仅能够增加企业的专利产出，还能提高创新资本投入对专利产出的边际贡献率，从而增加区域创新产出[18]。李林等使用DEA模型和灰色关联分析法分析了产学研中的三大主体“企业、高校、科研机构”的创新效率对区域创新效率的影响，结果表明三大主体创新效率对区域创新效率均存在显著作用，同时，三大主体间的创新效率均衡与区域创新效率高度相关，因此应加强校企合作，协同推进区域创新绩效[19]。
在研究方法上，已有关于高校科技创新对区域创新绩效的影响研究大多是构建生产函数，并运用相关分析或回归分析来探讨[5⇓⇓-8,12]，少数学者运用了DEA分析方法评价高校科技创新的效率，进而阐释高校科技创新对区域创新的影响[19-20]。DEA分析法是一种无需构建生产函数，而是通过投入产出指标对效率进行评价的分析方法。这种方法符合区域创新活动的特点，被广泛运用于对创新效率的评价[21-22]。关于高校科技创新对区域创新绩效的影响仅有少量学者运用了DEA分析方法[19-20,22]，且多侧重于运用单阶段DEA模型，在产出指标的选择上将科技专著、科技论文、专利授权、技术市场合同成交额等指标置于同一层级[21-22]。但是高校科技创新对区域创新绩效的影响不是简单的线性过程，而是经历了高校创新投入到科技成果产出，并通过科技成果转化参与到区域创新生产中产生经济效益的多层次过程。综上所述，为科学评价高校科技创新对区域创新绩效的影响，本研究根据高校科技创新活动的特征，构建两阶段DEA模型，将影响过程划分为科技成果产出和科技成果转化两个阶段，用以阐释高校科技创新对区域创新绩效的影响机制，并科学评价高校科技创新对区域创新绩效影响的阶段效率，以期对促进高校科技创新、提升区域创新绩效提供建设性建议。

2 模型构建与指标选取

2.1 模型构建

DEA利用线性规划技术测算效率，无需设定指标权重、统一量纲，在处理多指标投入和多指标产出的效率研究方面具有较大优势[23]。其中，两阶段DEA模型通过对中间过程进行研究，能够得出创新投入产出过程中的阶段效率以及各个子阶段对整体效率影响情况[24]。
本研究将高校科技创新对区域创新绩效的影响过程划分成科技成果产出和科技成果转化两个阶段，建立两阶段DEA模型。其中科技成果产出阶段主要是高校通过投入人力、财力等资源生产出科技成果，体现出科技成果产出效率；科技成果转化阶段则是将前一阶段所产生的成果产品化，应用到生产生活中，促进经济发展，体现出科技成果转化效率。由于不同区域高校资源、产业企业资源，以及利用程度和竞争情况的差异，有可能使得区域内部无法以最优的规模进行，因此对于区域高校科技创新对区域创新绩效影响的评价采取的是规模报酬可变的DEA模型，即DEA-BCC模型。设有n个决策单元（DMU），每个决策单元有两个阶段， X j为第j个决策单元第一阶段投入，包括m项投入，即 X j i = X j 1 + X j 2 + ⋯ X j m T； Z j为第j个决策单元第一阶段的产出，包括n项产出，即 Z j d = Z j 1 + Z j 2 + ⋯ Z j n T； Y j为第j个决策单元第二阶段的最终产出，包括p项产出，即 Y j k = Y j 1 + Y j 2 + ⋯ Y j p T。为了使得第一阶段的产出与第二阶段的投入保持一致，第一阶段采取投入导向的DEA-BCC模型，第二阶段采取产出导向的DEA-BCC模型。
第一阶段的测度：DEA-BCC模型（投入导向型），以投入最小化产出最大化为目标，评价指标为投入/产出效率，其最优值为这一指标的最小值。
m i n E 1 = ∑ i = 1 m w i x j i + β 1 ∑ d - 1 n g d z j d s . t . ∑ d - 1 n g d z j d ∑ i = 1 m w i x j i + β 1 ≤ 1     j = 1,2 ⋯ , r w i ≥ 1 , g d ≥ 1 , β 1 ∈ R
式中： t = 1 ∑ d - 1 n g d z j d ; t w i = ω i ; t g d = λ d ; t β i = η 1。
依据Charnes-Cooper变换对式（1）进行转换[25]，可以得到第一阶段最终的模型线性表达式（2）：
m i n E 1 = ∑ i = 1 m ω i x j i + η 1 s . t . ∑ d = 1 n λ d z j d - ∑ i = 1 m ω i x j i + η 1 ≤ 0     j = 1,2 , ⋯ , r ∑ d = 1 n λ d z j d = 1
式中： ω i为第一阶段投入指标的权重系数； λ d为第一阶段产出指标的权重系数； η 1为不受约束的实时变量，反映表达式（2）中第j个DMU的规模报酬特征。 η 1 = 0，表明DMU处于最佳生产规模状态，即规模报酬不变； η 1 ≠ 0，表明DMU为规模报酬递增或者递减状态。
第二阶段的测度：DEA-BCC模型（产出导向型），以产出最大化投入最小化为目标，评价指标为产出/投入比率，最优值为这一指标最大值。
m a x E 2 = ∑ k = 1 p u k y j k - β 2 ∑ d = 1 n g d z j d s . t . ∑ k - 1 p u k y ∂ - β 2 ∑ d = 1 n g d z j d ≤ 1     j = 1,2 , ⋯ , r u k ≥ 0 , g d ≥ 0 , β 2 ∈ R
式中： t = 1 ∑ d - 1 n g d z j d ; t u k = μ k ; t g d = λ d ; t β 2 = η 2。
根据依据Charnes-Cooper变换对上式（3）进行转换，可以得到第二阶段评价模型的线性表达式（4）：
m a x E 2 = ∑ k = 1 p μ k y j k - η 2 s . t . ∑ k = 1 p μ k y j k - ∑ d = 1 n λ d z j d + η 2 ≤ 0     j = 1,2 , ⋯ , r ∑ d = 1 n λ d z j d = 1
式中： λ d是第二阶段投入变量的权重系数； μ k是第二阶段产出变量的权重系数； η 2为不受约束的实时变量，反映表达式（4）中第j个DMU的规模报酬状态特征。 η 2 = 0，表明DMU处于最佳生产规模状态，即规模报酬不变； η 2 ≠ 0，表明DMU为规模报酬递增或者递减状态。

2.2 指标选取

参考近年来相关文献关于类似指标[19]的选取，结合指标数据的可得性、合理性、全面性，合理选择两阶段DEA模型中各阶段投入产出指标。
第一阶段为科技成果产出阶段，是高校创新资源投入，进而产出科技成果的过程。投入指标包括人力投入和财力投入两方面，人力投入的衡量选取高校R&D人员，财力投入的衡量选取高校科技经费内部支出。产出指标主要选取高校科技论文、科技专著及专利授权数量。
第二阶段为科技成果转化阶段，是科技成果通过转化应用到区域创新生产中并产生经济效益的一个过程。由于区域创新绩效不仅受到高校科技成果的影响，还受到了企业、科研院所等其他创新主体的影响，因此第二阶段的投入指标除了包含高校科技论文、科技专著及专利授权数量等指标外，还引入非高校R&D经费支出、非高校R&D人员等外生变量。第二阶段的产出是区域创新绩效。新产品销售收入是衡量区域创新绩效的常用指标[10,26]，还有一些学者将技术市场合同成交额也纳入区域创新绩效的衡量指标范围[4,19]。新产品销售收入反映了地区产业的创新市场价值，技术市场合同成交额包括技术开发、转让、咨询和服务金额，反映了地区的创新技术扩散能力，因此本研究将区域内新产品销售收入、技术市场合同成交额作为第二阶段的产出指标暨区域创新绩效衡量指标。研究模型如图1所示。
图1 二阶段DEA模型

Fig.1 Two-stage DEA model

3 实证分析

本研究选取我国31个省份（香港、澳门和台湾由于部分数据缺失，予以剔除）作为研究对象，同时考虑到创新投入产出具有时滞性，科技创新投入至科技成果产出再到科技成果转化实现创新经济效益滞后年限均设置为1年[27]，因此，第一阶段投入指标选取2015年的数据，第一阶段产出暨第二阶段投入指标选取2016年的数据，第二阶段产出暨最终产出指标选取2017年的数据。数据来源于相应年份的《高等学校科技统计资料汇编》和《中国科技统计年鉴》。

3.1 高校科技创新对区域创新绩效影响的分阶段效率评价

本研究运用DEAP2.1软件，将两阶段投入产出面板数据分别代入DEA模型，采用多阶段算法，分阶段评价高校科技创新对区域创新绩效的影响，分别获得科技成果产出阶段和科技成果转化阶段的综合效率、纯技术效率、规模效率，结果见表1。由表1可知：
表1 我国31个省（自治区、直辖市）科技成果产出与科技成果转化阶段绩效评价

Tab.1 Performance evaluation of the output and transformation stage of scientific and technological achievements of 31 provinces (autonomous regions, municipalities) in China

省份 第一阶段 省份 第二阶段
综合效率 纯技术效率 规模效率 规模效应 综合效率 纯技术效率 规模效率 规模效应
北京 0.605 1.000 0.605 drs 北京 1.000 1.000 1.000 -
天津 0.480 0.487 0.986 irs 天津 0.844 1.000 0.844 drs
河北 0.892 0.986 0.905 drs 河北 0.660 0.661 0.999 irs
山西 0.516 0.521 0.989 irs 山西 0.652 0.653 0.998 irs
内蒙古 1.000 1.000 1.000 - 内蒙古 0.434 0.450 0.964 irs
辽宁 0.620 0.727 0.853 drs 辽宁 0.717 0.725 0.990 drs
吉林 0.511 0.588 0.869 drs 吉林 1.000 1.000 1.000 -
黑龙江 0.617 0.626 0.985 irs 黑龙江 0.388 0.496 0.783 drs
上海 0.729 0.838 0.870 drs 上海 0.972 0.974 0.998 irs
江苏 0.964 1.000 0.964 drs 江苏 0.808 0.822 0.983 drs
浙江 0.883 0.907 0.973 drs 浙江 1.000 1.000 1.000 -
安徽 0.803 0.808 0.994 irs 安徽 1.000 1.000 1.000 -
福建 0.688 0.712 0.967 irs 福建 0.554 0.555 0.998 irs
江西 0.933 0.957 0.974 irs 江西 0.976 0.980 0.996 irs
山东 0.800 0.856 0.934 drs 山东 0.856 0.861 0.995 irs
河南 1.000 1.000 1.000 - 河南 0.749 0.751 0.998 drs
湖北 0.894 1.000 0.894 drs 湖北 1.000 1.000 1.000 -
湖南 0.715 0.762 0.939 drs 湖南 1.000 1.000 1.000 -
广东 0.618 0.975 0.633 drs 广东 1.000 1.000 1.000 -
广西 0.787 0.820 0.959 irs 广西 1.000 1.000 1.000 -
海南 0.796 1.000 0.796 irs 海南 0.319 0.341 0.936 irs
重庆 0.744 0.747 0.996 irs 重庆 1.000 1.000 1.000 -
四川 0.617 0.817 0.755 drs 四川 0.471 0.497 0.948 drs
贵州 0.783 0.819 0.956 irs 贵州 0.487 0.511 0.953 drs
云南 0.727 0.730 0.995 irs 云南 0.349 0.371 0.940 drs
西藏 0.340 1.000 0.340 irs 西藏 0.248 1.000 0.248 irs
陕西 1.000 1.000 1.000 - 陕西 0.685 0.773 0.886 drs
甘肃 0.857 0.872 0.983 irs 甘肃 0.482 0.605 0.797 drs
青海 0.796 1.000 0.796 irs 青海 1.000 1.000 1.000 -
宁夏 0.746 0.824 0.906 irs 宁夏 0.673 0.756 0.890 irs
新疆 0.842 0.883 0.954 irs 新疆 0.366 0.373 0.980 irs
mean 0.752 0.847 0.896 mean 0.732 0.779 0.940
第一，在科技成果产出阶段，综合效率、纯技术效率、规模效率的均值分别为0.752、0.847、0.896，未能实现DEA有效。分地区来看，仅有河南、内蒙古、陕西3个省的综合效率值、纯技术效率值和规模效率值为1，说明这3个省份的高校科技成果产出效率实现了DEA有效，其规模效率和技术效率都实现了有效。北京、湖北、海南、西藏、青海5个省份的纯技术效率为1，但规模效率和综合效率小于1，仅实现DEA技术有效，说明在目前的技术水平上，其高校投入资源的使用是合理的，而规模无效是导致其综合效率水平未能达到DEA有效的原因。其余的23个省份的纯技术效率值、规模效率值和综合效率值均小于1，导致这些省份高校科技成果产出效率非DEA有效的原因既有技术因素也有规模因素，需要从这两个方面进行改进。
第二，在科技成果转化阶段，综合效率、纯技术效率、规模效率的均值分别为0.732、0.779、0.94，未能实现DEA有效。分地区来看，北京、吉林、浙江、安徽、湖北、湖南、广东、广西、重庆、青海10个省份的综合效率值、纯技术效率值和规模效率值均为1，即这10个省份的科技成果转化效率实现DEA有效，说明这些省份将科技成果转化到实际生产活动中的能力较强。天津、西藏的纯技术效率为1，但规模效率值和综合效率值均小于1，可见，造成这些地区非DEA有效的原因是规模无效，可以通过调整投入规模来实现规模经济效益。其余的19个省份的纯技术效率值、规模效率值和综合效率值均小于1，说明导致这些省份科技成果转化非DEA有效的原因既有技术因素也有规模因素。

3.2 高校科技创新对区域创新绩效影响的两阶段效率比较

综合效率值是纯技术效率值与规模效率值相乘所得，反映的是含有规模效应时的技术效率，因此为进一步比较分析31个省份在科技成果产出和科技成果转化阶段的效率差异，本研究根据赵树宽[28]等学者的划分标准（表2）将综合效率等级划分为5类，并运用ArcGIS软件进行第一阶段和第二阶段的综合效率值的空间可视化处理（图2），对两阶段综合效率进行比较分析。由图2可知，从科技成果产出阶段综合效率值来看，第一类地区包括内蒙古、河南和陕西；第二类地区包括河北、江苏、浙江、安徽、江西、湖北、山东、甘肃、新疆；第三类地区包括天津、山西、辽宁、吉林、上海、福建、湖南、广东、广西、海南、重庆、四川、贵州、云南、青海、宁夏；第四类地区包括西藏。从科技成果转化阶段综合效率值来看，第一类地区包括北京、吉林、浙江、安徽、湖北、湖南、广东、广西、重庆、青海；第二类地区包括天津、上海、江苏、江西、山东；第三类地区包括河北、山西、内蒙古、福建、四川、贵州、甘肃；第四类地区包括黑龙江、海南、云南、西藏、新疆。
表2 综合效率等级分类体系

Tab.2 Comprehensive efficiency rating system

综合效率值范围 效率等级
1.0 第一类效率好
[0.8，1.0） 第二类效率较好
[0.4，0.8） 第三类效率一般
[0.2，0.4） 第四类效率较差
（0，0.2） 第五类效率极差
图2 我国31个省（自治区、直辖市）两阶段综合效率值分布情况

Fig.2 Distribution of two-stage overall efficiency values of 31 provinces （autonomous regions and municipalities） in China

对比两阶段综合效率值，可以发现河北、海南、河南、内蒙古、陕西、云南、甘肃、新疆、黑龙江9个省份的科技成果产出效率高于科技成果转化效率。其中，内蒙古、河南、陕西3个省份的科技成果产出效率DEA有效且远高于科技成果转化效率。内蒙古、河南作为中部地区，无论是在高等教育资源还是经济发展水平，都在全国属于中等水平，然而能够实现科技成果产出效率DEA有效，说明这些地区高校科技成果产出相对于投入而言是实现了包含规模效应的技术效率的；科技成果转化效率非DEA有效，可见虽然能充分利用现有的创新资源，在科技成果产出阶段充分发挥其“后发优势”，但是在科技成果转化阶段，局限于自身资源和创新能力的有限性，导致科技成果转化综合效率值小于1，因此要注意对转化阶段投入的增加，有效配置资源，加强校企合作，促进高校科技成果商业化，提升区域创新绩效。陕西省作为我国高等教育发达的省份，无论是高校数量还是教育质量在全国地位均靠前，其丰富的高校科技创新资源得到了充分利用，但是在科技成果转化阶段，产学研协同发展动力不足，高校科技创新成果难以转化为现实生产力，进而制约了区域创新绩效水平。
北京、天津、上海、浙江、广东、安徽、湖北、湖南、广西、重庆、青海、吉林12个省份的科技成果转化效率高于科技成果产出效率。其中北京、浙江、广东3个省份的科技成果转化效率均为DEA有效，这主要得益于这些地区经济发达，高新技术企业集中，可充分调动利用企业创新资源，促进校企合作，推动高校科技成果转化；同时地方政府重视高校科研成果的落地转化和产业化，陆续出台了多项鼓励科技成果转化的政策，积极搭建科技成果转化交易平台，促使科技成果转化达到最佳状态。当然这些地区也存在科技成果产出非DEA有效的问题，说明虽然这三个地区都是高校创新资源集聚地，高校创新经费投入和人员投入长期位列全国前六位，但是其投入规模达到饱和状态，需要优化其投入结构，避免资源浪费，进而提高科技成果产出效率。安徽、湖北、湖南这3个省份的科技成果转化效率也实现了DEA有效，但科技成果产出非DEA有效。这三个省均属于中部地区，近些年在中部崛起战略、“一带一路”倡议、创新驱动战略等政策红利的作用下，抓住机遇，注重创新引领，加速发展经济，使得科技成果转化效率达到最优水平；然而在科技成果产出方面，尽管这些地区也是高等教育资源相对丰富的地区，特别是高校科技人才资源丰富，但在科技经费投入方面相比东部发达地区要少，后期需加大科技经费投入，进而提高科技成果产出效率。值得一提的是青海科技成果转化效率值为1，一方面，青海作为“丝绸之路”经济带中西北五省的中间地带，是“丝绸之路”经济带的重要通道和节点，在“一带一路”建设的推动下，地方政府充分利用其区位优势和生态优势，加强产学研结合，鼓励和支持科技成果的商业化。2016年12月底，青海省更是与多个西部省份建立了西北技术转移联盟，促进区域科技成果转移转化，因此科技成果转化率相对较高。另一方面，我们也需注意，即便青海省转化效率值为1，也不能证明其效率就已经达到了最优状态，因为其无论是高校创新投入还是高校创新产出抑或是转化阶段的区域人力财力投入均较少，可能导致其在DEA模型的运算中位于前沿面的边缘点上，从而呈现出虚高到1的现象。
江苏、山东、江西3个省份科技成果产出效率值与科技成果转化效率值相差不大，且均处于较高水平。其中江苏省的高校科技创新人力、财力投入近年来位列全国前茅，且2016年专著、专利授权首屈一指，科技论文的产出量也十分可观，是全国主要的高校科技成果产出地，无论是科技成果产出还是科技成果转化的效率值均非常高，处于接近DEA有效的状态；但科技成果转化效率值为0.808，说明在科技成果转化方面还有待进一步提升，要做好市场对接，促进产学研合作，提高科技成果转化效率。
福建、山西、四川、贵州、宁夏、辽宁6个省份的科技成果产出效率值与科技成果转化效率值尽管相差不大，但数值均不大，说明创新资源的吸纳和利用能力较弱等因素影响了其科技成果产出与创新成果的转化效率。西藏作为唯一的两阶段效率均较差的省份，由于其地理、经济、政治等因素，导致教育水平落后、科技资源匮乏，高校科技成果产出与转化效率低下。

3.3 高校科技创新对区域创新绩效影响的两阶段效率优化分析

为进一步分析影响高校科技创新对区域创新绩效效率的原因，本研究通过对两阶段DEA模型中的松弛变量进行计算（表3、表4），进一步分析没有实现DEA有效的原因，以提高两阶段效率。
表3 科技成果产出阶段的优化分析

Tab.3 Optimization of the output stage of scientific and technological achievements

省份 产出不足 投入冗余
科技论文
（篇）		 科技专著
（篇）		 专利授权
（件）		 高校R&D
人员（人）		 高校R&D
经费内部
支出（万元）
北京 0 0 0 0 0
天津 0 108.022 1 554.819 0 103 394.9
河北 0 380.986 532.294 8 678.057 0
山西 0 243.795 0 0 0
辽宁 0 0 1 879.822 0 8 429.299
吉林 0 977.208 1 201.91 0 0
黑龙江 3 931.001 18.096 0 0 0
上海 0 0 2 781.482 0 144 320.8
江苏 0 0 0 0 0
浙江 28 112.97 727.549 0 0 0
安徽 8 460.751 747.7 0 0 0
福建 3 432.15 772.431 0 2 809.152 0
江西 0 256.415 0 0 0
山东 7 406.572 742.486 0 4 349.091 0
湖北 0 0 0 0 0
湖南 0 797.686 687.723 0 0
广东 0 478.401 6 797.957 9 865.384 0
广西 850.608 738.606 0 6 674.174 0
海南 0 0 0 0 0
重庆 0 168.868 0 0 0
四川 0 940.916 2 435.281 5 069.501 0
贵州 0 369.412 0 1 336.094 0
云南 0 373.481 0 856.848 0
西藏 0 0 0 0 0
甘肃 0 111.774 0 0 0
青海 0 0 0 0 0
宁夏 0 63.016 36.895 14.258 0
新疆 0 552.916 0 3 338.601 0
mean 1 683.679 308.702 577.683 1 386.812 8 262.742
表4 科技成果转化阶段的优化分析

Tab.4 Optimization of the transformation stage of scientific and technological achievements

省份 产出不足 投入冗余
新产品
销售收入
（万元）		 技术市场合同成交金额
（亿元）		 科技论文
（篇）		 科技专著
（篇）		 专利授权
（件）
天津 0 0 0 0 0
河北 0 131.053 0 545.333 0
山西 0 0 505.838 230.553 0
内蒙古 0 21.706 8 879.129 770.93 0
辽宁 0 0 11 689.91 946.658 0
黑龙江 0 0 14 540.94 494.187 4 208.825
上海 0 0 39 492.36 1 465.083 2 850.598
江苏 0 0 26 596.18 671.512 12 759.15
福建 0 64.504 793.44 0 0
江西 0 4.006 0 72.86 23.386
山东 0 0 0 460.079 3 878.019
河南 0 173.453 6 459.521 1 205.66 0
海南 0 10.234 573.248 224.123 0
四川 0 0 11 551.65 0 2 668.109
贵州 0 0 0 141.523 226.281
云南 0 0 0 307.452 93.063
西藏 0 0 0 0 0
陕西 0 0 19 553.56 0 5 507.724
甘肃 0 0 7 115.752 459.617 617.765
宁夏 0 23.969 2 918.469 113.642 0
新疆 0 48.013 3 488.161 7.605 0
mean 0 15.385 4 972.844 261.833 1 059.127
从表3可以看出，在科技成果产出阶段：①从产出来看，黑龙江、浙江、安徽、福建、山东、广西科技论文产出不足，需要提高科技论文产量；天津、河北、山西、吉林、黑龙江、浙江、安徽、福建、江西、山东、湖南、广东、广西、重庆、四川、贵州、云南、甘肃、宁夏、新疆存在科技专著产出不足的现象，需要加强科技专著的出版；天津、河北、辽宁、吉林、上海、湖南、广东、四川、宁夏存在专利授权产出不足的现象，需要加强对高校R&D人员的知识产权保护，鼓励专利申请，提高专利申请质量，进而提高专利授权数量。②从投入来看，河北、福建、山东、广东、广西、四川、贵州、云南、宁夏、新存在R&D人员投入冗余的现象，需要加强对高校R&D人员的分类管理，充分发挥科研人员的作用，激发科研人员创新活力；天津、辽宁、上海存在R&D经费投入冗余的现象，说明科技经费的使用存在浪费现象，要加强对科技经费的有效配置，规范经费使用，提高经费使用效益。
从表4可以看出，在科技成果转化阶段：①从产出来看，河北、内蒙古、福建、江西、河南、海南、宁夏、新疆技术市场合同成交额不足，说明这些省份的高校科技成果转化不足，需要进一步破除束缚成果转化的体制机制障碍，建立产学研用一体化机制，促进成果转化。②从投入来看，山西、内蒙古、辽宁、黑龙江、上海、江苏、福建、河南、海南、四川、陕西、甘肃、宁夏、新疆存在科技论文投入冗余的现象，河北、山西、内蒙古、辽宁、黑龙江、上海、江苏、江西、山东、河南、海南、贵州、云南、甘肃、宁夏、新疆存在科技专著投入冗余的现象，黑龙江、上海、江苏、江西、山东、四川、贵州、云南、陕西、甘肃存在专利授权投入冗余的现象。其中黑龙江、福建在科技成果产出阶段科技论文产出不足，转化阶段却呈现出投入冗余的现象，河北、山西、黑龙江、江西、山东、贵州、云南、甘肃、新疆、宁夏、新疆在科技成果产出阶段科技专著产出不足，转化阶段却呈现出投入冗余，上海、四川在科技成果产出阶段专利授权产出不足，转化阶段却呈现出投入冗余的现象，说明这些省份虽然分别在科技论文、科技专著、专利授权方面产出量相对较多，但是可能存在应用研究的科技成果不够，特别是与地方经济发展所需的科技成果不匹配，并没有有效转化为现实生产力，在未来的科研创新工作中，高校在保持适度科研规模发展的同时，要以市场为导向，紧密结合国家、区域经济社会发展需求，提高科技成果产出质量，加速科技成果转化。

4 结论与建议

4.1 研究结论

本文运用两阶段DEA模型，将高校科技创新对区域创新绩效的影响过程划分为科技成果产出和科技成果转化两个阶段，科学评价了我国31个省份（未包含香港、澳门、台湾）高校科技创新对区域创新绩效的影响，得出以下结论：①在科技成果产出阶段仅有内蒙古、河南、陕西3个省份实现了DEA有效，在科技成果转化阶段，北京、吉林、浙江、安徽、湖北、湖南、广东、广西、重庆、青海10个省份实现了DEA有效；②对比两阶段效率，科技成果产出效率高于科技成果转化效率的地区有河北、海南、河南、内蒙古、陕西、云南、甘肃、新疆、黑龙江，科技成果转化效率高于科技成果产出效率的地区有北京、天津、上海、浙江、广东、安徽、湖北、湖南、广西、重庆、青海、吉林，且提升技术效率是提升两阶段综合效率的关键；③在科技成果产出或科技成果转化阶段，导致部分省份未能实现DEA有效的原因是存在投入冗余或产出不足等问题。

4.2 对策建议

根据研究结论，为提高高校科技创新效率和区域创新绩效，本研究提出以下几点建议：
第一，优化高校科技资源配置，提升科技成果产出效率。一方面，不能盲目追求高校科技资源投入规模的增加，要注重对投入资源的有效配置和管理，协调各要素投入比例，提高创新资源的利用率，避免创新资源的浪费，可围绕国家优先发展学科和重点研究领域，结合地区经济发展导向，同时立足高校自身学科特色，加强对优势学科的经费投入，同时加强高校科研人才队伍建设，充分发挥各类人才在高校创新活动中的作用；另一方面，高校要根据自身的具体情况制定出科学合理的科研发展规划，改善科研环境，建立内部有效的科研管理制度、绩效考核方法、晋升机制，提高高校科研成果产出。
第二，加强产学研合作，提高科技成果转化效率。根据研究结果，我国大部分省份均存在高校科技成果转化不足的问题。产学研合作是高校科技创新服务于区域创新最有效、最直接的方式，能够将高校研究优势与企业的市场优势相结合，供给与需求相对接，形成区域创新优势，促进区域创新绩效的提升。为此，一是要加强区域内各类创新主体之间的联系，建立多方联动的校企协同创新机制，构建较为完善的合作研发、成果共享、责任共担机制，真正发挥高等学校的创新引领和知识外溢作用，推动高校科技成果转化。二是发展一批专业化、市场化的技术转移机构，扩大技术转移市场，例如“科技成果转化服务中心”等，以有效衔接科技成果供需双方，鼓励高校进行知识产权转让，加速科技成果的商业化，提升科研成果转化效率，解决当前科技成果“转化难，转化慢”的问题。
第三，完善区域创新体系，优化创新环境。区域内构建以市场为导向、企业为主导、政策为依托、产学研相结合的创新体系，积极营造良好的创新环境，激发高校、科研机构、企业进行科技创新的动力，提高创新绩效。一方面，政府要充分发挥宏观调控的功能，要基于统筹全局的战略视角，制定更为完善的政策体系。不仅要考虑科研和创新技术，也应该关注创新主体的组织设计、运行机制、制度结构等方面，增加财政支持力度引导创新发展，加强知识产权信息维护，为创新主体营造更为良好的知识产权保护环境。另一方面，要加强市场导向作用，高校在开展科技创新活动时，要认清自身科技创新优势，找准定位，以市场为导向，增强自身技术创新能力，促进科技创新成果的产出，形成具有较强市场价值的科研成果。
第四，重视跨区合作创新，促进创新绩效提升。从研究结果来看，两阶段综合效率值存在一定的区域分异现象。我国在创新资源、经济发展方面呈现出较为明显的东中西阶梯式分布格局，东部地区是中国创新资源最富集地区，中西部与东部之间存在着明显的知识存量与技术代际间的差距，但其成果产出、转化效率均未实现DEA有效，通过跨区合作创新可将东部地区创新投入冗余转移到中西部地区，提高创新资源利用率，并可推动相关产业向中西部转移，带动整个国家创新效率的提升。各区域可以通过利用现有互联网、大数据技术，搭建区域间信息交流平台，打破区域间的地理界限，促进创新资源在不同区域间的流动。其中，东部地区要充分发挥其辐射作用，加强东部优质创新资源西部地区的输出；中部地区要解决好产业升级改造，增强知识、技术的市场吸纳能力；西部地区在加强其资源贫瘠地区创新资源投入的同时，要通过加强和东部发达地区的学习和交流，提升创新绩效。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
肖洒, 刘君. 区域高等教育科技创新能力协同发展测度分析[J]. 经济地理, 2018, 38(8):124-131.

DOI

[2]
Zheng P, Slaper T F. University knowledge spillovers,geograph-ic proximity and innovation:an analysis of patent filings across U.S. counties[J]. Social Science Electronic Publishing, 2016(1):1-31.

[3]
Fischer M M, Vargaa. Spatial knowledge spillovers and universi-ty research:evidence from Austria[J]. The Annals of Regional Science, 2003(37):303-322.

[4]
张鹏, 于伟. 高校对区域创新效率的影响:基于随机前沿生产函数的分析[J]. 教育与经济, 2013(6):24-29.

[5]
肖振红, 范君荻. 科技人力资源投入对区域创新绩效的影响研究[J]. 科学学研究, 2019, 37(11):1944-1954.

[6]
程鹏. 高校R&D知识溢出与区域创新能力——基于空间杜宾模型的实证研究[J]. 教育与经济, 2014(6):60-68

[7]
李宪印, 于婷, 刘忠花. 基于EBA 模型的高校创新与区域创新的协同作用研究[J]. 经济与管理评论, 2017(2):41-47.

[8]
王家庭, 谢郁, 倪方树, 等. 高等教育资源集聚对提升区域创新能力的影响研究[J]. 创新, 2016, 10(5):39-48.

[9]
王淑英, 秦芳. 基于空间面板模型的高校创新产出溢出效应的实证研究[J]. 软科学, 2015(7):64-68.

[10]
张海滨, 陈笃彬. 基于三螺旋理论的高校支撑区域创新体系评价研究[J]. 东南学术, 2012(1):181-189.

[11]
Djelveh Sara, Contò Francesco. University knowledge exchange and the SKIN Project[J]. Research on Education and Media, 2016, 8(2):17-28.

[12]
郭泉恩, 孙斌栋. 高校知识溢出对我国高技术产业创新的影响研究——基于省级区域的空间计量分析[J]. 世界地理研究, 2017, 26(4):82-92.

[13]
Maietta O W. Determinants of university-firm R&D collabora-tion and its impact on innovation:a perspective from a low-tech industry[J]. Research Policy, 2015, 44(7):1341-1359.

[14]
原毅军, 黄菁菁. FDI、产学研合作与区域创新产出——基于互补性检验的实证研究[J]. 研究与发展管理, 2016, 28(6):38-47.

[15]
Buesa M, Heijs J, Aumert T. The determinants of regional inno-vation in Europe:a combined factorial and factorial and regression knowledge production function approach[J]. Research Policy, 2010, 39(6):722-735.

[16]
何郁冰. 产学研协同创新的理论模式[J]. 科学学研究, 2012, 30(2):165-174.

[17]
Etzkowita H. The triple helix:university-industry-government innovation in action[J]. London and New York:Rout ledge, 2011, 90(2):441-442.

[18]
王鹏, 张剑波. 高校创新投入、产学合作与大中型企业创新产出——基于我国十三省市面板数据的实证研究[J]. 暨南学报, 2014(10):59-67.

[19]
李林, 傅庆. 产学研主体创新效率对区域创新的影响研究[J]. 科技进步与对策, 2014, 31(5):45-49.

DOI

[20]
王晓珍, 蒋子浩, 郑颖. 我国高校创新效率评价研究:八大区域视角[J]. 科研管理, 2019, 40(3):114-125.

[21]
张博榕, 李春成. 基于两阶段动态 DEA 模型的区域创新绩效实证分析[J]. 科技管理研究, 2016(12):62-67.

[22]
Carayannis E G, Grigoroudis E, Goletsis Y. A multilevel and multistage efficiency evaluation of innovation systems:a multi-objective DEA approach[J]. Expert Systems with Applications, 2016, 62:63-80.

[23]
Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making Units[J]. European Journal of Operational Research, 1978, 2(6):429-444.

[24]
王新红, 薛泽蓉, 张行. 基于两阶段DEA模型的混合所有制企业创新效率测度研究——基于制造业上市企业的经验数据[J]. 科技管理研究, 2018, 38(14):61-67.

[25]
Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision-making units[J]. European Journal of Operational Research, 1978, 2(6):429-444.

[26]
吴卫红, 杨婷, 张爱美, 等. 创新资源集聚对区域创新绩效的溢出效应[J]. 科技进步与对策, 2017, 34(17):40-45.

DOI

[27]
Keilbach M. Spatial knowledge spillovers and the dynamics of agglomeration and regional growth[M]. Heidelberg: Physica-Verlag, 2000.

[28]
赵树宽, 余海晴, 巩顺龙. 基于DEA方法的吉林省高技术企业创新效率研究[J]. 科研管理, 2013, 34(2):36-43.

Options
文章导航

/

〈 〉