高校科技成果转化效率研究
林青宁，毛世平
(中国农业科学院农业经济与发展研究所，北京 100081)
摘 要： 本文基于2008—2016年高校微观面板数据，通过网络DEA模型对其科技成果转化效率进行测度，并探索其空间收敛性，进而基于创新生态系统的视角，构建空间误差模型实证检验高校科技成果转化效率的影响因素。研究结果表明：①高校科技成果转化效率处于较低水平，其空间相关性显著；东部地区高校科技成果转化效率显著高于中西部地区高校科技成果转化效率，空间集聚效应有减弱趋势，导致中西部高校科技成果转化效率无追赶东部地区的趋势。②政府资金对高校科技成果转化效率提高有显著的促进作用，且2012年以前更为显著；企业资金对高校科技成果转化效率的影响在2008—2012年不显著，在2013—2016年有显著正向影响；其他资金对高校科技成果转化效率有不显著的负向影响。③高级职称人员显著促进高校科技成果转化效率，科技成果获奖情况难以实现高校科技成果转化效率的提高，2012年以来奖励评价机制有了一定改善。
关键词： 高校；科技成果转化效率；影响因素；创新生态系统
0 引言
科技成果转化需要多主体参与、全要素设计、全链条部署，要推动高校和科研院所建立一批专业化的技术转移机构。高校作为中国科技创新的知识主体，其研发活动贯穿整条创新链，学科建设基本覆盖各国民经济行业，在研发人才、重点实验室、研究中心等方面的优势是企业等创新主体所不具备的。发达国家高校在科技成果转化方面发挥了重要作用，也形成了较为完善的高校科技成果转化模式。
近年来，中国高校的科技成果转化工作取得了长足的进步，科技创新制度逐渐趋于完善，也均设立了较为科学的科技成果转化部门，每年全国高校科技成果转化数目保持在8000项左右，承担国家25%左右的科技成果转化工作。单从数量来看，中国高校科技成果转化工作开展顺利，且效果显著。然而中国高校的科技成果转化率仅有20%、专利转化率仅为5%，最终能实际投入生产应用的科技成果转化率更低，与发达国家差距明显，基于此，国内学者针对高校的科技成果转化工作开展了一系列研究。谷德斌等[1]基于对高校科技成果转化制约因素的研究，认为高校科技成果转化工作应在自身建设的基础上，加强与政府以及企业的协同。康晓梅[2]提出了强化激励、加强协同合作、优化管理机制以及引入中介机构等提高高校科技成果转化率的举措。胡罡[3]研究发现政府支持高校建院显著促进了高校科技成果转化率。马晓军等[4]认为中国高校科技成果转化存在转化率低、外部环境不完善以及产业化应用率低等问题，并提出了加强协同创新以促进转化率提高的建议。除此之外，现有研究认为中国高校科技成果转化存在的问题还包括转化过程缺乏连贯[5]、目标导向不明确[6]、科技成果难以对接企业[7]以及高校科技成果转化缺乏动力[8]等，并相应提出了建立多样化中介机构、建立健全市场导向评价机制、强化企业科技成果接受能力以及转变高校科研评价机制等政策建议。现有关于高校科技成果转化的实证研究相对缺乏，主要集中在使用非参数方法测算分析高校科技成果转化效率[9,10]。国外有关高校科技成果转化(技术转移)的实证检验较多，主要分为两类，一类是对高校技术转移效率进行测度，主要使用方法包括非参数方法DEA[11-13]以及参数方法SFA[14]，并在效率测度的基础上对效率进行分析，主要结论诸如美国高校技术转移效率高于英、法等国技术转移效率等。二类主要是研究影响高校技术转移效率的影响因素，高校是否有医学院[14]、行业发展情况[15]、激励许可机制[16]、高校规模[17]以及产业化进程[18]显著影响高校科技成果转化效率。
综上，现有研究为本文提供了重要参考，研究也较为完善，但仍存在需要改进的地方：第一，国内研究多以理论分析为主，实证研究较为缺乏。第二，国外实证研究较为充分，但标准非参数方法(DEA)以及参数方法(SFA)仅仅考虑研发活动初始投入与最终产出，未对科技成果转化内部过程进行阐述、剖析，因此其结果的准确性值得商榷。第三，在高校科技成果转化影响因素分析中，缺乏动态考虑。基于此，本文通过构建网络DEA模型，以解决标准DEA及SFA未考虑 “中间科技成果再投入”以及 “原始投入分配”的问题，进而测度中国高校科技成果转化效率，并检验其空间收敛性，最后基于创新生态系统视角，构建空间误差模型实证检验其影响因素。
1 高校科技成果转化效率测度及空间收敛性分析
1.1 网络DEA模型
考虑高校科技成果转化活动的结构，高校首先通过创新链前端的基础研究产生专利、专著以及科技论文等成果；其次，高校会自行转化或协同企业等主体对相应的科技成果进行试验开发，使其向现实生产力转化，这是高校科技成果转化的全过程，这一过程由图1进行简单描述。
热裂解产物中杂环化合物和醚类物质的含量约为3.61%和2.01%。杂环化合物的生成是由于污泥中含有的多糖类有机物热解所产生。醚类物质的生成可能是由于在升温过程中污泥中含有的醇类或者酚类物质发生热解。酯类物质的含量则较少，可能是随着温度的升高，酯类物质大量挥发，并且发生水解反应生成羧酸和醇。污泥在热解反应中，各种有机物发生一次反应和二次反应，也可能生成羧酸。乙酸(14.3 min)的来源比较广泛，既可以通过半纤维素中乙酰基裂解而生成[10]，也可能来源于聚合物的热解，如乙酸乙烯酯等[9]。具有环酮结构的化合物(2.53 min)则主要来源于多糖的热解[10]。
图1 高校科技成果转化活动流程
从图1可以看出，高校科技成果转化活动包括创新链前端的研发、产业化以及销售等，这些不同环节构成了高校科技成果转化的 “黑箱”。假设不考虑中间产出这一环节，仅使用创新链前端的 “研发人员全时当量”与 “研发经费投入”两个投入变量，创新链后端的 “签订合同数”与 “技术转让收入”两个产出变量，使用标准的DEA模型便可以测度高校科技成果转化效率，然而实际过程中，还有 “中间科技成果再投入”以及 “原始投入分配”两个关键问题的存在，这样标准DEA模型测算的效率准确性便值得商榷，标准DEA模型亦无法动态性的反映高校科技成果转化活动。因此，有必要使用网络DEA模型，将两个阶段关联起来。
文章涉及所有变量时间跨度为2008—2016年，文章对无技术转让收入的高校样本进行了剔除，最后得到有效样本2070个，数据类型为面板数据。文章构建空间误差模型实证高校科技成果转化效率的影响因素。
(1)
测算两阶段科技成果转化效率的网络DEA模型构建如下：
(2)
其中，测算高校科技成果转化效率的投入产出指标如图1所示。
随着工业网络技术的不断发展和演进，未来工业内连接将被具有以太网物理接口的网络主导，并实现控制数据与信息数据同口传输；工业自动化生产开始在所有网络层次上横向与垂直集成，使得IT与OT节点（装备、物料等生产要素）直接互联；智能工厂+智能生产+智能物流，将智能设备、人和数据连接起来以智能的方式利用这些交换的数据组成更高层次的平台。
1.2 高校科技成果效率空间收敛性分析
(1)创新生态动力因素。政府资金(gov)，以高校R&D投入中政府资金来源部分表示；企业资金(enterprise)，以高校R&D投入中企业资金来源部分表示；其他资金(else)，以高校R&D投入中其他资金来源部分表示；以上数据来自教育部 《高等学校科技统计资料汇编》。
在对高校科技成果转化效率进行总体分析的基础上，本文着重分析其空间收敛性。基于此，文章首先使用stata15.0测度不同年份高校科技成果转化效率的莫兰指数I ，I 可以判断相关数据是否适用于空间计量方法并考察其空间集聚效应。I 的计算方法如下：
随着药物溶栓、经皮冠状动脉介入治疗、冠脉旁路移植术等再灌注治疗技术日益完善且广泛普及,心脏再灌注损伤的干预治疗备受重视.目前,已有观点多集中于心肌梗死后缺血再灌注引起的氧化应激损伤及其产生的强烈炎症反应.这些损伤反应的最终结果是大片细胞的坏死和进一步的心肌细胞凋亡.
(3)
I 的取值区间为(-1，1)，0以上表示存在空间正相关，0以下表示负相关，结果见表1。
表1 高校科技成果转化效率莫兰指数
由表1可知，高校科技成果转化效率莫兰指数均为正数，且p 值均小于0.1，说明高校科技成果转化效率存在显著的空间正相关关系，这为高校科技成果转化效率影响因素研究使用空间误差模型进行实证检验奠定了基础。从表1可以看出，2008—2016年，高校科技成果转化效率莫兰指数总体上呈现出递减趋势，表明2008—2016年高校科技成果转化空间聚集程度逐渐减弱。出现这一现象的原因主要可能是由于2008—2016年，高校协同创新力度较低，导致不同高校人才、技术的交流结合不够紧密。高校科技成果转化效率空间集聚效应减弱，容易导致落后地区的转化效率难以赶超发达地区。为了验证高校科技成果转化效率空间集聚效应减弱是否导致这一结果，本文对高校科技成果转化效率进行绝对β 收敛性分析，按照地理区划将样本的30个省份划分为东中西三个区域。文章首先对高校科技成果转化效率进行S-N-K方差分析，对三大区域高校科技成果转化效率进行总体判断，结果见表2与表3。
表2 不同区域高校科技成果转化效率描述性分析
表3 方差分析结果
从表2可以看出，2008—2016年，东部地区高校科技成果转化效率高于中部，中部地区高于西部；从表3的方差分析结果看，F =3.479，通过了5%显著性水平检验，因此认定东中西三大区域高校科技成果转化效率存在显著差异，综合表3的结果，得到结论：东部地区高校科技成果转化效率显著高于中部，中部地区显著高于西部。从实际情况来看，东部地区经济发展水平高于中西部，这或对当地高校科技成果转化效率起到显著的促进作用。为验证高校科技成果转化效率空间集聚效应减弱是否导致了落后地区高校科技成果转化效率难以赶超发达地区高校科技成果转化效率，本文对东部、中部和西部3个区域高校进行绝对β 收敛性分析。
通过绝对β 收敛分析用于研究不同地区高校科技成果转化效率是否存在均增长，即落后地区高校科技成果转化效率能否收敛于发达地区高校。高校科技成果转化效率绝对收敛回归方程如下：
(4)
式中，TE i,0 为基期效率值；β 值为负则表明存在绝对收敛，绝对β 收敛的检验结果如表4所示。
公共图书馆是由国家中央或地方政府管理、资助和支持的、免费为社会公众服务的图书馆，是为公民提供免费服务的文化设施[1]。我国在20世纪初出现了公共图书馆，直至新中国成立后，才形成系统性的公共图书馆服务系统。随着网络、计算机等通信技术的发展，我国公共图书馆从最初单纯提供文献资料借阅，到现如今包括文献传递、数据库检索、课题检索、参考咨询等信息服务。为保障公民能更好地获取信息服务，提高公共图书馆服务水平，图书馆评价便应运而生。
表4 三大地区高校科技成果转化效率的绝对β 收敛检验结果
通过以上分析可得到：东部地区高校科技成果转化效率要显著高于中、西部地区高校的科技成果转化效率，且中、西部地区高校科技成果转化效率绝对β 检验不成立，验证了高校科技成果转化效率空间集聚效应减弱导致落后地区高校科技成果转化效率难以赶超发达地区高校科技成果转化效率，因此高校应加强与其他高校的协同力度以实现人才、技术的交流合作。
2 高校科技成果转化效率影响因素
高校科技成果转化效率处于较低水平，且中西部地区高校科技成果转化效率更低，因此亟需研究其路径优化问题。基于此，本文旨在探讨高校科技成果转化效率的影响因素，并提出路径优化建议。本文基于创新生态系统的视角，选取高校科技成果转化效率的影响因素。创新生态系统属于生态协同机制，其特点在于一个创新主体通过协同创新模式与其他创新主体优势互补、资源共享，进而形成稳定的生态系统，各主体间实现互补双赢[21]，创新生态系统需要依赖外部环境的变化与生态系统的成员参与[22]。一个完善的创新生态系统包括创新生态环境、创新生态保障、创新生态能力以及创新生态动力四个部分，基于此，本文首先进行理论分析，并在此基础上，构建空间误差模型实证检验高校科技成果转化效率的影响因素。
2.1 理论分析与研究假设
(1)创新生态动力与高校科技成果转化效率。本文将政府资金、企业资金以及其他资金作为高校科技成果转化的创新生态动力。①就政府资金而言，第一，现阶段中国高校的产业程度还相对较低，大部分科技成果的正外部性较强，单纯依靠市场调节，难以提高配置效率，并造成高校研发创新活力低等问题，因此政府资金支持是激发高校研发活力的重要因素[7]。第二，政府资金是高校获取研发资金的重要来源，在科技成果转化过程中属于重要的投入要素之一。第三，研发活动属于风险性较高、回报相对较长的活动，对于资金来源相对单一的高校来讲，在开展研发时会相对谨慎，倘若出现失败，则高校更难继续开展研发活动，因此更需要政府资金的支持以保证高校研发的积极性以及研发的持续性[23]。②就企业资金来讲，高校获取企业资金的途径主要是与企业协同，对面向市场的科技成果进行研发。在这一过程中，高校的目标导向明确，市场化程度高，在很大程度上解决了其科技成果的正外部性问题；同时与企业协同可在一定程度上缓解所面临的研发风险大、研发回报周期长等问题[24]。其次，高校科技成果的市场导向性强决定了其回报率也更高，高额的回报可以用以完善自身科技成果转化平台建设、提高研发人员的积极性，进而促进高校科技成果转化效率的提高。③就其他资金来讲，现阶段高校获取的其他资金主要来自于第三方中介机构以及金融机构等社会资本，这些资金具有很强的寻租性[25]，短视化现象较为严重；近年来，尽管国家在引进金融中介机构进行协同创新等方面加大了重视，但仍未形成条文规章，金融中介机构的寻租性质未受到管制，长期内容易影响高校的基础研发能力，不利于其科技成果转化效率的提高。根据以上分析，本文提出研究假设1：政府与企业资金对高校科技成果转化效率有显著促进作用；其他资金与高校科技成果转化效率之间存在负相关关系。
物联网(Internet of Things, IOT)将各种信息传感设备，如射频识别、红外感应器、全球定位系统等装置与互联网结合起来而形成的一个巨大网络，从而实现人与物体、物体与物体的互联。因此，物联网技术是联系农作物运输系统中车辆、农作物、人与计算机的有效途径。
一直以来，宝宝树用户研究院致力于挖掘并反馈出每一代母婴用户的需求与痛点，分享给到整个产业上下游，以促进行业更好的发展，正如近年来宝宝树打造的白皮书系列，对母婴行业产生了巨大且深刻的影响。与此同时，基于自身行业积累、数据资源和服务经验等，宝宝树研究院也逐步研发了一系列定制服务，真正落实到源头帮助品牌与产品解决从生产到营销的切实问题，从而加速行业升级变革，让年轻家庭享受美好的生命旅程。
不过《陈仲子》场灯刚亮，大家就发现舞台两侧“气势浩大”，左边厢惯例是乐队的位置，但规模似有所增；右边厢则是现在平素演出不多见的帮腔团队。
美国著名心理学家戴维·迈克斯，通过长期实践研究得出结论：归因错误的原因包括行动者和观察者视角不同、文化差异等。从本质上看，这些原因都源于思维视角的固定不变。当我们成为行为的执行者，环境会支配我们的注意；而当我们观察别人的行为时，作为行为载体的人则会成为我们注意的中心，而环境变得相对模糊。[7]在思想政治教育接受活动中，传导者需要设身处地地为大学生着想，尊重大学生的主体地位。传导者在进行思想政治教育前，应对大学生的思想动态有所了解，获取最新的大学生思想信息数据，经过分析、提炼，总结当代大学生思想变动规律和趋势，以便更好地推进思想政治教育。
2.2 变量说明与模型构建
在网络DEA方法介绍的基础上，本文使用MAXDEA7.6对高校科技成果转化效率进行测度，结果表明：高校科技成果转化效率相对较低；样本高校平均科技成果转化效率仅为0.127，最大值为0.786，最小值为0.0003，标准差为0.159，高校科技成果转化效率的集中分布区间为(0，0.200)。以上分析说明，高校科技成果转化效率处于较低水平，且大部分高校的科技成果转化效率极低，因此研究其科技成果转化的路径优化问题具有重要意义。
(2)创新生态能力因素。高级职称人员(senior)，以高校研发人员中高级职称人数表示；获奖情况(awards)以高校科技成果获奖数表示；数据来源于教育部 《高等学校科技统计资料汇编》。
(3)创新生态环境因素。科技创新外部制度环境(system)，在借鉴彭纪生[28]有关技术政策力度的测量的基础上，本文对 2008—2016 年不同科技创新政策类型(科技政策、产业技术政策、金融税收政策、农村与社会发展政策)的政策力度进行测度，计算各类型创新政策力度年度数值，构建连续型的科技体制改革进程指数，为外部制度环境对高校科技成果转化效率的具体影响奠定基础。相关政策条文来自1977—2016 年国家立法机关、中央政府及所属部委制定并颁布的数以千计的干预科学技术事物的科技法律、行政法规、部门规章和规范性文件，并结合北京大学法宝法律法规检索系统整理出 5270条科技创新政策，剔除已经废止的 275条科技创新政策，本文以现行有效的 4995条科技创新政策为样本进行赋值。
(2)创新生态能力与高校科技成果转化效率。本文将高校研发人员中高级职称人员数量以及获奖科技成果数量作为创新生态能力。①人力资本质量是提高研发产出的重要因素[26]，高职称人员能更好地应对新知识、新技术所带来的门槛效应并能更好地发挥其在配置资源方面的优势。高校作为国家创新体系中的知识主体，主要通过技术开发、学习及模仿战略开展研发活动，高职称的人员更易达到技术学习和技术模仿的门槛。②从获奖情况来看，对科技成果授奖有利于激发研发人员的动力，但现阶段中国的奖励制度中，国家奖励比重较大，容易导致科技成果奖励的市场导向性不足，而过分强调行政导向[27]，不利于高校科技成果转化效率的提高。基于以上分析，本文提出研究假设2：高级职称人员显著促进高校科技成果转化效率的提高，获奖情况难以实现高校科技成果转化效率的提高。
(4)创新生态保障因素。专利保护程度(patent)，以2008—2016年中国专利执法情况表示，数据来源于国家知识产权局 《专利统计年报2009—2017》。
(5)区域因素。区域(region)，虚拟变量，将高校所处区域划分为东中西三大区域，作为虚拟变量，以消除区域因素对高校科技成果转化带来的影响。
以上变量的描述性结果见表5(虚拟变量结果未展示)。
表5 变量描述性统计结果
假设高校科技成果转化第一阶段投入为X i =(x 1i ,x 2i ,…，x ni )T ,产出为Z i =(z 1i ,z 2i ,…，z mi )T ,第二阶段的投入为第一阶段的产出Z i =(z 1i ,z 2i ,…，z mi )T ,产出为Y i =(y 1i ,y 2i ,…，y wi )。基于此，本文借鉴叶锐等[19,20]的方法，构建网络DEA模型，具体形式如下：
本课程教学大纲以一个与授课专业相关的专题项目——专题数据库管理系统的具体实现为项目案例，对课程学时分配、教学目标、教学任务、各单元教学内容及基本要求、课程考核等进行设计。以项目数据库系统的设计、应用开发为案例，贯穿教学全过程，即通过这个实际数据库应用开发项目的层层推进，使学生在学习解决问题的过程中，学会数据库的应用技术、原理和工具的使用，培养学生成为能够胜任生产、服务、技术和管理工作的高素质劳动者和高级技术应用型人才。
空间的相关性会产于其误差项中。本文空间误差模型构建如下：
2)在△ABC和△A1B1C1中，∠B=∠B1,∠C=∠C1，你能适当添加一个条件，使△ABC≌△A1B1C1吗？你有几种不同的添加方式？说明理由.
TE it =β it x it +ε it
(5)
式中，TE it 表示高校科技成果转化效率，x it 为上文所述各自变量，其中随机扰动项ε it 的产生过程如下：
(3)创新生态环境、创新生态保障与高校科技成果转化效率。①本文将量化的科技创新外部制度环境作为创新生态环境，以往研究多是通过设置年度离散型虚拟变量分析外部制度环境对创新活动的影响，难以衡量对创新主体的影响程度。在借鉴彭纪生[28]有关技术政策力度测量的基础上，本文对 2008—2016 年不同科技创新政策类型(科技政策、产业技术政策、金融税收政策、农村与社会发展政策)的政策力度进行测度，计算各类型创新政策力度年度数值，构建连续型的科技体制改革进程指数，为外部制度环境对高校科技成果转化效率的具体影响奠定基础。这在一定程度上填补了运用连续性变量分析外部制度环境对高校科技成果转化效率影响的空白。②本文将专利保护作为创新生态保障，由于高校科技成果的正外部性较强，因此专利保护可以促进高校研发活动的积极性[29]，并保证在一定时期内高校的科技成果可以带来稳定的收入。本文将创新生态环境以及创新保障因素作为控制变量，此处不提出研究假设。
在预应力施工工艺中，墩顶导向槽、锚固端部横梁等是预应力钢绞线的锚固位置。由于墩顶导向槽极容易出现偏折现象，因此，对锚固端部横梁部位的锚垫板提出了较高的要求。同时，在制作转向横肋和墩顶导向槽过程中，要严格规范图纸内容，确保弯折部位曲率半径数据具有较高的精确度，并且要对转向横肋、墩顶导向槽端部进行打磨处理，保证其平滑性，从而避免在张拉施工过程中出现钢绞线挤压现象，影响张拉效果[1]。
ε it =ρMε it +μ
(6)
空间误差模型最有效的估计方法为MLE，因此文章使用stata15.0的xsmle命令进行空间误差回归。根据对科技创新政策的量化梳理，本文发现2012年后有关科技成果转化的法律条规有明显增加的趋势，因此，文章以2012年为分割点，分两个阶段分别进行回归，进行比较分析，在回归之前首先进行豪森曼检验以判断应采用固定效应或是随机效应进行估计，检验结果的p值为0.000<0.01,因此选用固定效应模型。表6为stata15.0软件估计得到的SEM回归结果，可以看出，空间自回归系数rho在1%水平上显著为正，说明存在空间误差效应，验证了文章选用空间误差模型SEM进行实证回归的合理性，回归结果见表6。
表6 实证检验结果
从表6的回归结果可以看出：
(1)从创新生态动力因素来看，政府资金(gov)系数为0.037，通过了5%的显著性检验；企业资金(enterprise)系数为0.003，通过了5%的显著性检验；其他资金(else)系数为(-0.015)，未通过显著性检验。实证结果验证了研究假设1：政府与企业资金对高校科技成果转化效率有显著促进作用；其他资金与高校科技成果转化效率之间存在负相关关系。从阶段特征看，相比2013—2016年，政府资金支持(gov)在2008—2012年系数更大，也更为显著；企业资金(enterprise)对高校科技成果转化效率的影响从2008—2012年不显著的正相关关系转变为2013—2016年显著的正相关关系。综合考虑，出现这一结果的主要原因在于2012年后，中国加大了对科技成果转化的重视，高校科技成果转化的市场导向也更为明确，因此2012年后，企业资金对高校科技成果转化效率有显著的提升作用；同理，在2012年之前，高校科技成果转化的市场导向与产业化程度较差，更多的需要政府资金支持，因此政府资金在2008—2012年的作用更为显著。
(2)从创新生态能力因素来看，高级职称人员(senior)系数为0.368，通过了1%显著性水平检验；科技成果获奖情况(awards)系数为0.000 3，未通过显著性水平检验，实证结果验证了研究假设2：高级职称人员显著促进高校科技成果转化效率的提高，获奖情况难以实现高校科技成果转化效率的提高。从阶段特征看，高级职称人员对高校科技成果转化效率的影响一直显著为正，获奖情况由2008—2012年不显著的负相关关系转变为2013—2016年不显著的正相关关系，一定程度上说明中国的奖励评价制度有所改善。
(3)创新生态环境因素(system)对高校科技成果转化效率提高有显著促进作用。创新生态保障因素(patent)对高校科技成果转化效率的影响在2008—2012年不显著，在2013—2016年显著为正，说明近年来中国加大了对科技成果的保护力度。从区域来看，处于东部地区能显著提高高校的科技成果转化效率。
3 研究结论与政策建议
3.1 研究结论
(1)高校科技成果转化效率处于较低水平，其空间相关性显著；东部地区高校科技成果转化效率显著高于中西部地区高校科技成果转化效率，空间集聚效应有减弱趋势，导致中西部高校科技成果转化效率无追赶东部地区的趋势。
(2)政府资金对高校科技成果转化效率的提高有显著的促进作用，且2012年前更为显著；企业资金对高校科技成果转化效率的影响在2008—2012年不显著，在2013—2016年有显著的正向影响；其他资金对高校科技成果转化效率有不显著的负向影响。
(3)高级职称人员显著促进高校科技成果转化效率，科技成果获奖情况难以实现高校科技成果转化效率的提高，2012年以来奖励评价机制有了一定的改善。
3.2 政策建议
(1) “西部开发” “振兴东北老工业基地” “中部崛起”等一系列措施的实施，使得东中西区域发展的相对差距总体缩小，但仍未趋于收敛，发展并不均衡。基于此，要充分发挥市场配置资源的主观能动性作用，同时加强政府对跨区域协同发展的引导作用，优化空间布局，统筹规划区域均衡发展，促进经济要素、物质资源、人力资本在不同区域、不同层级内的有效流动与合理配置，构建以城市集群、带状经济区、经济开发区等为支撑的职能明确、协作创新、特色鲜明、网络联动的网络中心、强网络化的区域发展格局。
(2)政府资金对高校科技成果转化效率作用十分积极，尤其是在高校科技成果转化效率较低的情况下，更应加大政府资金的支持力度，同时发挥政府的引导力与行政能力，努力优化外部市场环境，为高校科技成果转化奠定产业化基础。同时高校应加大与企业的协同创新，紧紧把握市场导向，培育一批紧密联系市场的科技成果，并形成完善的面向市场的科技成果转化机制。
(3)高校应加大对高职称人才的引进力度。在人力资本构成中，应注重人力资本结构的协调性和合理性，尤其是在对初、中级职称人才加强素质教育和制定培训计划的基础上，逐步改进和完善环境，加快高校与企业之间人才的双向流动。同时，对高校科技成果进行奖励评价时，应更贴近市场评价，关注其经济效益以及可能带来的社会效益，弱化其行政性质。
参考文献：
[1]谷德斌,尹航,杨贵彬.高校科技成果转化驱动模式研究[J].科技进步与对策,2012,29(13):24-28.
[2]康晓梅.高校科技成果转化的制约因素与对策[J].中国高校科技,2014(8):82-83.
[3]胡罡,章向宏,刘薇薇,等.地方研究院:高校科技成果转化模式新探索[J].研究与发展管理,2014,26(3):122-128.
[4]马晓君,潘昌伟.高校科技成果转化的困境与推进策略[J].现代教育管理,2015(1):78-82.
[5]赵哲.中国高校科技成果转化的现实困境与突破路径[J].高校教育管理,2016,10(5):52-56.
[6]申轶男,张超,朱国峰,等.高校科技成果转化存在的问题、成因及解决办法[J].中国高校科技,2016(3):8-11.
[7]邱峰.论自主创新战略下的高校科技成果转化模式[J].中国高校科技,2016(5):79-81.
[8]邵青青.高校科技成果转化 “热”下的 “冷”思考[J].中国高校科技,2017(6):17-19.
[9]何彬,范硕.中国大学科技成果转化效率演变与影响因素[J].科学学与科学技术管理,2013,34(10):85-94.
[10]罗茜,高蓉蓉,曹丽娜.高校科技成果转化效率测度分析与影响因素扎根研究—以江苏省为例[J].科技进步与对策2018:1-9.
[11]ALBERT N Link，DONALD S Siegel.Generating science-based growth：an econometric analysis of the impact of organizational incentives on university-industry technology transfer[J].European journal of finance，2005，11(3):169-181.
[12]CHAPPLE W，LOCKETT A，SIEGEL D，et al.Assessing the relative performance of U.K.university technology transfer offices：parametric and non-parametric evidence[J].Research policy，2005，34(3):369-384.
[13]ANDERSON T R，DAIM T U，LAVOIE F F.Measuring the efficiency of university technology transfer[J].Technovation，2007，27(5):306-318.
[14]DONALD S，MIKE W，WENDY C，et al.Assessing the relative performance of university technology transfer in the US and UK：a stochastic distance function approach[J].Economics of innovation and new technology，2008，17(7-8):717-729.
[15]CARDOZO R，ARDICHVILI A，STRAUSS A.Effectiveness of university technology transfer：an organizational population ecology view of a maturing supplier industry[J].Journal of technology transfer，2011，36(2):173-202.
[16]MACHO S，INES D,PEREZ C.Incentives in university technology transfers original research article[J].International journal of industrial organization，2010，28(4):362-367.
[17]CURI C，DARAIO C，LLERENA P.University technology transfer：How (in)efficient are French universities[J].Dis technical reports，2012，36(3):629-655.
[18]KIM Y.The ivory tower approach to entrepreneurial linkage：productivity changes in university technology transfer[J].The journal of technology transfer，2013，38(2)：180-197.
[19]叶锐,杨建飞,常云昆.中国省际高技术产业效率测度与分解——基于共享投入关联DEA模型[J].数量经济技术经济研究,2012,29(7):3-17+91.
[20]KWON H B,LEE J.Two-stage production modeling of large U.S.banks:a DEA-neural network approach[J].Expert systems with applications,2015,42(19):6758-6766.
[21]ADNER R.Match your innovation strategy to your innova-tion ecosystem[J].Harvard business review,2006,84(4)：98.
[22]ADNER R，KAPOOR R.Value creation in innovation ecosystems：How the structure of technological interdependence affects firm performance in new technology generations[J].Strategic management journal,2010,31(3)：306-333.
[23]潘颖雯,万迪昉.研发的不确定性与研发人员激励契约的设计研究[J].科学学与科学技术管理,2007(8):175-178.
[24]WEI M S，ROB K，MIHAELA U，et al.A collaborative agent-based infrastructure for Internet-enabled collaborative enterprises[J].International journal of production research，2003，41(8):1621-1638.
[25]HABER S H，WERFEL S H.Patent trolls as financial intermediaries? Experimental evidence[J].Economics letters，2016(149):64-66.
[26]岳书敬,刘朝明.人力资本与区域全要素生产率分析[J].经济研究,2006(4):90-96+127.
[27]孟宪飞,郑永平,吴荫芳.从国家科技进步一等奖获奖情况看中国科技创新之路[J].科技进步与对策,2010,27(2):1-4.
[28]彭纪生,仲为国,孙文祥.政策测量、政策协同演变与经济绩效:基于创新政策的实证研究[J].管理世界,2008(9):25-36.
[29]CHE X G，YANG Y.Patent protection with a cooperative R&D option[J].Economics letters，2012，116(3):469-471.
(责任编辑 刘传忠)
Research on Transformation Efficiency of Chinese Universities
Lin Qingning，Mao Shiping
(Institute of Agricultural Economics and Development，Chinese Academy of Agricultural Sciences,Beijing 100081，China)
Abstract： Based on the micro-panel data of Chinese universities in 2008—2016，this paper firstly measures the transformation efficiency of scientific and technological achievements through the network DEA model，and explores its spatial convergence.Based on the perspective of the innovation ecosystem，this paper constructs a spatial error model to empirically test Chinese universities.The influencing factors of the transformation efficiency of scientific and technological achievements，the research results show that：①the transformation efficiency of scientific and technological achievements in Chinese universities is at a low level，and its spatial correlation is significant；the transformation efficiency of scientific and technological achievements in universities in the eastern regions is significantly higher than the transformation efficiency of scientific and technological achievements in universities in the central and western regions.The spatial agglomeration effect has a weakening trend，which has led to the trend of the transformation of scientific and technological achievements in the central and western universities without catching up with the eastern region.②Government funds have a significant role in promoting the transformation efficiency of scientific and technological achievements in universities，and it is more significant before 2012；the impact of corporate funds on the transformation efficiency of scientific and technological achievements in universities is not significant in 2008—2012，and there are in 2013—2016.Significant positive impact；other funds have no significant negative impact on the efficiency of scientific and technological achievements in universities.③The senior professional title personnel significantly promoted the transformation efficiency of scientific and technological achievements in colleges and universities.It is difficult to achieve the transformation efficiency of scientific and technological achievements in colleges and universities.Since 2012，China’s reward evaluation mechanism has been improved.
Key words: College；Transformation efficiency of scientific and technological achievement；Influence factor；Innovation Ecosystem
基金项目： 国家自然科学基金项目 “中国农业科研院所科技创新效率研究”(71373263),国家自然科学基金项目 “农业企业科技成果转化效率研究：基于企业技术创新能力的视角”(71673275),中国农业科学院科技创新工程项目 “中国上市公司参与农业科技创新问题研究”(ASTIP-IAED-2018-05)。
收稿日期： 2018-12-28
作者简介： 林青宁(1989-)男，山东淄博人，中国农业科学院农业经济与发展研究所博士研究生;研究方向：科技创新与发展。
通讯作者： 毛世平
中图分类号: F062.4
文献标识码: A
标签：高校论文; 科技成果转化效率论文; 影响因素论文; 创新生态系统论文; 中国农业科学院农业经济与发展研究所论文;