產(chǎn)學(xué)研合作創(chuàng)新效率、影響因素及時(shí)空差異

姚瀟穎，衛(wèi) 平

(華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢 430074)

產(chǎn)學(xué)研合作創(chuàng)新效率、影響因素及時(shí)空差異

姚瀟穎，衛(wèi) 平

(華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北 武漢 430074)

選取2009—2014年省際面板數(shù)據(jù)，運(yùn)用超越對(duì)數(shù)隨機(jī)前沿模型估計(jì)了中國(guó)產(chǎn)學(xué)研合作創(chuàng)新效率，并考察了其非效率影響因素。實(shí)證結(jié)果表明：產(chǎn)學(xué)研合作效率整體處于中等水平，有較大改善空間；非效率影響因素對(duì)合作效率影響較大，其中，政府資助和所有權(quán)結(jié)構(gòu)呈顯著負(fù)向影響，初始合作資源和地理區(qū)位呈顯著正向影響；產(chǎn)學(xué)研合作內(nèi)生投入產(chǎn)出機(jī)制傾向于不合理，內(nèi)源性創(chuàng)新系統(tǒng)效率隨時(shí)間演變逐年損失；區(qū)域差異化明顯，高效率和較高效率區(qū)域集中于東部沿海省份，其合作效率顯著高于中西部省份，且省域內(nèi)合作較為緊密，跨省域合作較少、效率較低。

產(chǎn)學(xué)研合作；創(chuàng)新效率；非效率影響因素；隨機(jī)前沿模型

1 引言

國(guó)際經(jīng)濟(jì)新形勢(shì)下，產(chǎn)學(xué)研合作是提高自主創(chuàng)新能力的必要手段和科技轉(zhuǎn)化為生產(chǎn)力的重要途徑，也是優(yōu)化配置科技資源、經(jīng)濟(jì)資源和生產(chǎn)力要素，整合國(guó)家科技與經(jīng)濟(jì)系統(tǒng)的有利措施，其最終目的是完善國(guó)家和區(qū)域創(chuàng)新體系[1]。產(chǎn)學(xué)研合作要求合作成員之間風(fēng)險(xiǎn)共擔(dān)、利益共享，而各主體的利益訴求和出發(fā)點(diǎn)不一樣，難以形成多方共贏的局面。那么，如何將創(chuàng)新資源最大化的轉(zhuǎn)化為生產(chǎn)力成為最為突出的問(wèn)題。

關(guān)于產(chǎn)學(xué)研合作效率相關(guān)文獻(xiàn)的研究，可以分為定性研究和定量研究?jī)煞矫?。定性研究以微觀調(diào)研為主，主要基于滿意度與認(rèn)同度來(lái)評(píng)價(jià)合作績(jī)效。例如：Mora Valentin等將企業(yè)與大學(xué)或科研機(jī)構(gòu)之間的合作作為整體分析，構(gòu)建環(huán)境因素和組織因素影響指標(biāo)體系，用滿意度與合作的持續(xù)度來(lái)評(píng)價(jià)合作績(jī)效[2]。鄧穎翔等發(fā)展了一套產(chǎn)學(xué)研合作績(jī)效的測(cè)量表，將產(chǎn)學(xué)研合作績(jī)效分為知識(shí)共享與創(chuàng)造、合作的附加價(jià)值兩個(gè)維度，并針對(duì)企業(yè)和學(xué)研方設(shè)計(jì)了兩套量表來(lái)調(diào)查對(duì)績(jī)效的認(rèn)同程度[3]。付俊超將專家根據(jù)自己已有的知識(shí)和經(jīng)驗(yàn)打分記為定性指標(biāo)的得分值，并提出模糊積分評(píng)價(jià)法。定量研究以中觀和宏觀視角研究居多，主要以投入產(chǎn)出客觀數(shù)據(jù)為依據(jù)[4]。例如：Motohashi研究發(fā)現(xiàn)，日本小企業(yè)的產(chǎn)學(xué)研合作生產(chǎn)率要高于大企業(yè)[5]。Brimble認(rèn)為企業(yè)缺少動(dòng)力、大學(xué)的剛性結(jié)構(gòu)和弱激勵(lì)以及泰國(guó)分散的官僚體制等原因?qū)е庐a(chǎn)學(xué)研合作十分脆弱。泰國(guó)高科技行業(yè)和蝦養(yǎng)殖業(yè)的產(chǎn)學(xué)研合作效率較高，紡織業(yè)合作效果不明顯[6]。車維漢、劉民婷等分別對(duì)上海市主要制造業(yè)和陜西省制造業(yè)產(chǎn)學(xué)研合作效率進(jìn)行了測(cè)度[7-8]。樊霞、陳光華等運(yùn)用DEA-Tobit兩步法測(cè)算了廣東省企業(yè)產(chǎn)學(xué)研合作創(chuàng)新效率，并深入探討其影響因素[9-10]。仇冬芳等利用DEA模型對(duì)省域產(chǎn)學(xué)研合作效率及效率持續(xù)性進(jìn)行了研究，表明我國(guó)產(chǎn)學(xué)研合作效率較低，但保持了較好的增長(zhǎng)態(tài)勢(shì)[11]?？偠灾瑖?guó)內(nèi)外學(xué)者研究產(chǎn)學(xué)研合作效率時(shí)所選取的研究視角、考察對(duì)象和指標(biāo)變量均有所不同，因而得出的結(jié)論并不一致。

縱觀現(xiàn)有研究，尚存在幾點(diǎn)不足。一是在投入要素的選取上，缺少產(chǎn)學(xué)研合作直接投入。現(xiàn)有研究均以R&D資本和R&D人員來(lái)代表產(chǎn)學(xué)研經(jīng)費(fèi)和人才投入，與技術(shù)創(chuàng)新投入變量無(wú)異，無(wú)法體現(xiàn)產(chǎn)學(xué)研合作投入特點(diǎn)。二是在影響因素選擇上，沒(méi)有形成一個(gè)企業(yè)與高校和科研機(jī)構(gòu)聯(lián)系程度的代表性指標(biāo)。

為彌補(bǔ)以上不足，本文選取2009—2014年30個(gè)省級(jí)行政區(qū)大中型企業(yè)的數(shù)據(jù)，在技術(shù)創(chuàng)新基礎(chǔ)變量之上，加入企業(yè)對(duì)高校和科研院所的資金投入作為投入變量，以直觀體現(xiàn)產(chǎn)學(xué)研合作投入；在考察影響因素時(shí)，將初始合作創(chuàng)新資源納入來(lái)體現(xiàn)區(qū)域企業(yè)與高校和科研機(jī)構(gòu)聯(lián)系緊密程度，完善影響因素指標(biāo)體系。應(yīng)用隨機(jī)前沿方法(SFA)來(lái)評(píng)測(cè)產(chǎn)學(xué)研合作效率，分析其影響因素，并進(jìn)一步考察合作效率時(shí)間及空間趨勢(shì)差異化的引致原因。

2 研究方法與模型設(shè)定

2.1 研究方法

Farrell提出的技術(shù)效率前沿生產(chǎn)函數(shù)測(cè)定方法是效率測(cè)度的基礎(chǔ)。前沿生產(chǎn)函數(shù)反映了在具體技術(shù)條件和給定生產(chǎn)要素的組合下，決策單元各投入組合與最大產(chǎn)出量之間的函數(shù)關(guān)系。通過(guò)比較各決策單元實(shí)際產(chǎn)出與理想最優(yōu)產(chǎn)出之間的差距可以反映出綜合效率。本文將各省級(jí)行政區(qū)看作是合作創(chuàng)新生產(chǎn)的決策單元，各地區(qū)產(chǎn)學(xué)研合作如果實(shí)際產(chǎn)出與理想最優(yōu)產(chǎn)出相一致，那么該地區(qū)產(chǎn)學(xué)研合作創(chuàng)新是技術(shù)有效的，否則是技術(shù)無(wú)效的。隨機(jī)前沿生產(chǎn)函數(shù)(SFA)提出了具有復(fù)合擾動(dòng)項(xiàng)的隨機(jī)邊界模型，將隨機(jī)誤差項(xiàng)與技術(shù)非效率項(xiàng)分開(kāi)，體現(xiàn)了樣本的統(tǒng)計(jì)特性，也反映了樣本計(jì)算的真實(shí)性。本文旨在研究大中型企業(yè)區(qū)產(chǎn)學(xué)研合作創(chuàng)新效率及其非效率影響因素，因此采用SFA合適。

2.2 模型設(shè)定

本文采用Kumbhakar和Lovell[12]的總結(jié)，面板數(shù)據(jù)隨機(jī)前沿生產(chǎn)函數(shù)模型的一般形式如下：

Yit=f(xit，t；β)exp(vit-uit)

(1)

uit=zitδ+wit

(2)

其中，zit是影響無(wú)效率項(xiàng)的外生解釋變量，δ為無(wú)效率方程的外生解釋變量變數(shù)未知系數(shù)，wit為隨機(jī)誤差項(xiàng)。若δ為正(負(fù))，則外生解釋變量對(duì)技術(shù)效率呈負(fù)(正)向影響。

技術(shù)效率TEit=exp(-uit)=exp(-zitδ+wit)，表示實(shí)際產(chǎn)出期望與效率前沿面產(chǎn)出期望的比值，其值介于0～1，當(dāng)uit=0時(shí)，TEit=1，表示決策單元位于生產(chǎn)可能性邊界上，即技術(shù)有效，否則技術(shù)無(wú)效。

利用SFA方法時(shí)，一般常用簡(jiǎn)單的柯布-道格拉斯生產(chǎn)函數(shù)和超越對(duì)數(shù)生產(chǎn)函數(shù)兩種形式來(lái)估計(jì)生產(chǎn)技術(shù)效率。本文借鑒白俊紅等[14]的設(shè)計(jì)方法，選用超越對(duì)數(shù)生產(chǎn)函數(shù)的隨機(jī)前沿模型：

(3)

其中，β表示待估參數(shù)的系數(shù)，j和l代表第j個(gè)和第l個(gè)投入變量，其他同前。

3 數(shù)據(jù)來(lái)源與變量說(shuō)明

本文數(shù)據(jù)是依據(jù)《中國(guó)科技統(tǒng)計(jì)年鑒》和《工業(yè)企業(yè)科技活動(dòng)統(tǒng)計(jì)年鑒》2009—2014年大中型企業(yè)的數(shù)據(jù)整理而得。由于本文所使用的產(chǎn)學(xué)研合作投入核心指標(biāo)數(shù)據(jù)從2009年起在統(tǒng)計(jì)年鑒上開(kāi)始有記載，因此選取2009年為基期。研究對(duì)象為30個(gè)省級(jí)行政區(qū)，由于西藏?cái)?shù)據(jù)有所缺失，暫不予考慮。30個(gè)省份的研發(fā)投入產(chǎn)出數(shù)據(jù)均不為零，在建立生產(chǎn)函數(shù)時(shí)將其做對(duì)數(shù)處理。按照統(tǒng)計(jì)年鑒中的傳統(tǒng)劃分法，將30個(gè)省級(jí)行政區(qū)劃分為東、中、西三大經(jīng)濟(jì)區(qū)域，以考察產(chǎn)學(xué)研合作創(chuàng)新與區(qū)域經(jīng)濟(jì)發(fā)展的聯(lián)系程度。

3.1 投入變量

對(duì)于產(chǎn)學(xué)研合作創(chuàng)新活動(dòng)而言，研發(fā)活動(dòng)是基礎(chǔ)，產(chǎn)學(xué)研合作投入是核心。因此，對(duì)產(chǎn)學(xué)研合作創(chuàng)新績(jī)效投入指標(biāo)的選擇，首先應(yīng)基于與R&D活動(dòng)相關(guān)的投入要素分析，再加入產(chǎn)學(xué)研合作投入指標(biāo)。

按照現(xiàn)有文獻(xiàn)，研發(fā)投入主要分為R&D人才投入和R&D經(jīng)費(fèi)投入[9，15-16]。而產(chǎn)學(xué)研合作還應(yīng)考慮合作投入，以合作研發(fā)經(jīng)費(fèi)來(lái)表示。因此，本文選取R&D人才投入(L)、R&D經(jīng)費(fèi)投入(K1)、合作研發(fā)經(jīng)費(fèi)投入(K2)三個(gè)指標(biāo)作為投入變量。R&D人才投入(L)用R&D人員全時(shí)當(dāng)量來(lái)衡量，R&D經(jīng)費(fèi)投入(K1)用R&D經(jīng)費(fèi)內(nèi)部支出總額來(lái)衡量，合作研發(fā)投入(K2)用R&D外部經(jīng)費(fèi)支出中企業(yè)對(duì)大學(xué)和科研機(jī)構(gòu)的研發(fā)支出額來(lái)衡量。借鑒吳延兵[17]的研究，采用永續(xù)盤(pán)存法核算R&D存量，將R&D經(jīng)費(fèi)投入(K1)和合作研發(fā)經(jīng)費(fèi)投入(K2)均按此法換算成存量。公式如下：

RDSit=(1-δ)×RDSit-1+Iit

(4)

其中，RDSit表示第i個(gè)地區(qū)第t年的R&D存量。Iit為第i個(gè)地區(qū)第t年實(shí)際R&D經(jīng)費(fèi)支出，δ為折舊率，取15%。設(shè)R&D價(jià)格指數(shù)=α1×固定資產(chǎn)價(jià)格指數(shù)+α2×消費(fèi)物價(jià)指數(shù)，取α1=0.45和α2=0.55。以2009年為基期，對(duì)R&D當(dāng)期經(jīng)費(fèi)支出數(shù)據(jù)進(jìn)行平減，得到各地區(qū)R&D投入實(shí)際值。

基期的R&D支出存量可用下式來(lái)估算：

(5)

其中，RDSi0是指地區(qū)i的基期存量，Ii0是基期R&D經(jīng)費(fèi)支出實(shí)際值；g是R&D支出的年均增長(zhǎng)率；δ為R&D支出存量的折舊率。結(jié)合式(4)和式(5)，就得到2009-2014年30個(gè)地區(qū)的R&D資本存量。

3.2 產(chǎn)出變量

衡量R&D產(chǎn)出變量的指標(biāo)在學(xué)術(shù)界一直存在爭(zhēng)議。一部分學(xué)者使用發(fā)明專利作為衡量科技創(chuàng)新的產(chǎn)出指標(biāo)，認(rèn)為專利是衡量創(chuàng)新產(chǎn)出最直觀的指標(biāo)[14-15，18]；而另一部分學(xué)者使用新產(chǎn)品銷售收入作為產(chǎn)出指標(biāo)，認(rèn)為新產(chǎn)品銷售收入體現(xiàn)了產(chǎn)學(xué)研合作創(chuàng)新活動(dòng)商業(yè)價(jià)值、經(jīng)濟(jì)效益以及市場(chǎng)接受程度[19-20]。本文認(rèn)為出于商業(yè)機(jī)密的考慮，并非所有研發(fā)創(chuàng)新成果都會(huì)申請(qǐng)專利，且專利質(zhì)量也無(wú)法評(píng)判，而一般而言，研發(fā)成果都會(huì)轉(zhuǎn)化為產(chǎn)品產(chǎn)生效益，因此，本文選取新產(chǎn)品銷售收入(Y)作為創(chuàng)新產(chǎn)出指標(biāo)。以2009年不變價(jià)格水平的工業(yè)生產(chǎn)者出廠價(jià)格指數(shù)將新產(chǎn)品銷售收入折算為實(shí)際值。

3.3 技術(shù)非效率影響因素

企業(yè)是市場(chǎng)經(jīng)濟(jì)和技術(shù)創(chuàng)新的主體，也奠定了企業(yè)在產(chǎn)學(xué)研合作中的主體地位，因此，本文主要從企業(yè)角度考慮影響因素。

(1)企業(yè)相關(guān)影響因素。政府資助(Gov)：政府一般從宏觀指導(dǎo)、政策支持和財(cái)政資助等方面參與到產(chǎn)學(xué)研合作中來(lái)。從企業(yè)角度出發(fā)，政府的干預(yù)主要體現(xiàn)在資金的支持上，本文采用企業(yè)R&D內(nèi)部支出中政府資金占比來(lái)衡量政府資助情況。

所有權(quán)結(jié)構(gòu)(Owner)：所有權(quán)結(jié)構(gòu)類型對(duì)中國(guó)企業(yè)行為和績(jī)效的影響尤為嚴(yán)重，考慮企業(yè)產(chǎn)學(xué)研合作效率時(shí)其作用也不可忽視。本文采用各地區(qū)國(guó)有及國(guó)有控股企業(yè)資產(chǎn)總額占企業(yè)資產(chǎn)總額之比來(lái)代表所有權(quán)結(jié)構(gòu)類型。

需要說(shuō)明的是，2010年以后統(tǒng)計(jì)年鑒中不再統(tǒng)計(jì)大中型企業(yè)中國(guó)有及國(guó)有控股企業(yè)資產(chǎn)總額數(shù)據(jù)，由于國(guó)有及國(guó)有控股企業(yè)一般規(guī)模較大，幾乎包含在大中型企業(yè)之中，因此，本文用2011—2014年規(guī)模以上企業(yè)中國(guó)有及國(guó)有控股企業(yè)資產(chǎn)總額來(lái)近似替代大中型企業(yè)中國(guó)有及國(guó)有控股企業(yè)資產(chǎn)總額。

企業(yè)規(guī)模(Size)：企業(yè)的規(guī)模在一定程度上反映了企業(yè)的生產(chǎn)和研發(fā)能力、抗風(fēng)險(xiǎn)能力、靈活程度以及信息獲取能力，這些均會(huì)對(duì)產(chǎn)學(xué)研合作效率產(chǎn)生影響。企業(yè)規(guī)模用各地區(qū)大中型企業(yè)工業(yè)總產(chǎn)值/企業(yè)數(shù)來(lái)代表。

(2)區(qū)域影響因素。為了準(zhǔn)確估計(jì)空間結(jié)構(gòu)對(duì)產(chǎn)學(xué)研合作效率的影響，我們將區(qū)域產(chǎn)學(xué)研合作創(chuàng)新相關(guān)要素納入考慮。

初始合作資源(Resour)：從企業(yè)角度出發(fā)，產(chǎn)學(xué)研合作對(duì)象為高校和科研院所，區(qū)域初始合作創(chuàng)新資源不同，即各地區(qū)高校和科研院所數(shù)量和質(zhì)量不同，在一定程度上反映了區(qū)域企業(yè)與高校和科研機(jī)構(gòu)聯(lián)系緊密程度，其是否會(huì)影響產(chǎn)學(xué)研合作效率值得我們深究。本文用各地區(qū)高校和科研機(jī)構(gòu)總量占全國(guó)高校和科研機(jī)構(gòu)總數(shù)之比來(lái)表征區(qū)域合作資源的情況。

地理區(qū)位(Geog)：用地區(qū)虛擬變量來(lái)表示，東部地區(qū)為1，中西部地區(qū)為0。

本文使用的變量定義及說(shuō)明見(jiàn)表1。

表1 變量設(shè)置與定義

綜上分析，可建立如下超越對(duì)數(shù)模型：

lnYit=β0+βklnK1it+βjlnK2it+βllnLit+1/2βkk(lnK1it)2+1/2βjj(lnK2it)2+1/2βll(lnLit)2+βkjlnK1itlnK2it+βkllnK1itlnLit+βjllnK2itlnLit+vit-uit

(6)

uit=δ0+δ1Gov+δ2Owner+δ3Size+δ4Resour+δ5Geog+wit

(7)

式(6)中，Yit、K1it，K2it和Lit分別為i地區(qū)t期的新產(chǎn)品銷售收入、R&D人才投入存量、合作研發(fā)經(jīng)費(fèi)投入存量和R&D人才投入，β為回歸系數(shù)。式(7)中，Gov為政府對(duì)企業(yè)創(chuàng)新活動(dòng)的資助，Owner為企業(yè)產(chǎn)權(quán)結(jié)構(gòu)，Size為企業(yè)規(guī)模，Resour為各地區(qū)初始合作資源，Geog為區(qū)位。

4 結(jié)果分析

科技創(chuàng)新活動(dòng)需要一定的周期，其投入產(chǎn)出有一定的時(shí)滯，而時(shí)滯并沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。因此，本文將全面考察無(wú)時(shí)滯、滯后1年、滯后2年和滯后3年4種情況下的隨機(jī)前沿模型。首先，構(gòu)建的似然比檢驗(yàn)統(tǒng)計(jì)量來(lái)檢驗(yàn)超越對(duì)數(shù)函數(shù)模型是否比簡(jiǎn)單的柯布-道格拉斯生產(chǎn)函數(shù)更適用，其次，對(duì)隨機(jī)前沿生產(chǎn)函數(shù)的適應(yīng)性、技術(shù)效率值、非技術(shù)效率的影響作用和產(chǎn)學(xué)研合作效率的時(shí)空差異性進(jìn)行統(tǒng)計(jì)與分析。

4.1 前沿函數(shù)形式與適用性檢驗(yàn)

為檢驗(yàn)超越對(duì)數(shù)生產(chǎn)函數(shù)是否比柯布-道格拉斯生產(chǎn)函數(shù)更適合擬合產(chǎn)學(xué)研合作創(chuàng)新過(guò)程，我們?cè)谑?6)的基礎(chǔ)上建立原假設(shè)H0，即二次項(xiàng)系數(shù)βkk、βjj、βll、βkj、βkl、βjl均為零，構(gòu)建廣義似然比檢驗(yàn)統(tǒng)計(jì)量λ來(lái)檢驗(yàn)柯布-道格拉斯函數(shù)時(shí)樣本數(shù)據(jù)的擬合情況(見(jiàn)表2)?？梢?jiàn)，模型 1～4的原假設(shè)均被拒絕，選取超越對(duì)數(shù)生產(chǎn)函數(shù)更為合適。

表2 假設(shè)檢驗(yàn)結(jié)果

注：臨界值為顯著性水平為0.05下的χ2檢驗(yàn)值，自由度為受約束變量的個(gè)數(shù)。

為檢驗(yàn)函數(shù)適用性，首先在不考慮影響因素的情況下對(duì)模型進(jìn)行估計(jì)，結(jié)果如表3所示。從估計(jì)結(jié)果可以看出，模型1～4的γ值均在1%的水平下顯著大于0，說(shuō)明存在技術(shù)非效率效應(yīng)，隨機(jī)前沿分析法是適用的。

表3 未考慮影響因素的估計(jì)結(jié)果

續(xù)表3

注：***表示在1%水平上顯著，**表示在5%水平上顯著，*表示在10%水平上顯著，括號(hào)內(nèi)為t值，下同。

4.2 產(chǎn)學(xué)研合作效率及影響因素分析

本文基于超越對(duì)數(shù)前沿生產(chǎn)函數(shù)估計(jì)樣本數(shù)據(jù)的創(chuàng)新效率，分析其影響因素。表4對(duì)模型1～4的效率估計(jì)結(jié)果進(jìn)行了統(tǒng)計(jì)性描述分析。從表4可以看出，未考慮影響因素的各模型合作創(chuàng)新效率平均值均比考慮影響因素時(shí)偏低。綜合來(lái)看，兩個(gè)模型中合作效率平均值最低的為0.495，最高的為0.673，也就是說(shuō)產(chǎn)學(xué)研合作資源利用效率在49.5%～67.3%，還有32.7%～50.5%的改善空間?？梢?jiàn)，產(chǎn)學(xué)研合作總體創(chuàng)新效率處于中等水平，仍有很大的提高空間，有待將研發(fā)投入更有效地轉(zhuǎn)化為創(chuàng)新產(chǎn)出。

考慮影響因素的隨機(jī)前沿估計(jì)結(jié)果如表5所示。從前沿生產(chǎn)函數(shù)估計(jì)結(jié)果來(lái)看，模型5～8中三種投入變量的回歸系數(shù)結(jié)果基本一致，尤其是合作研發(fā)經(jīng)費(fèi)投入(K2)的回歸系數(shù)全部顯著且符號(hào)完全一致，可見(jiàn)，投入變量K2是研究產(chǎn)學(xué)研合作效率時(shí)應(yīng)納入考慮的重要變量。

表4 產(chǎn)學(xué)研合作創(chuàng)新效率描述性統(tǒng)計(jì)結(jié)果

表5 考慮影響因素的估計(jì)結(jié)果

政府資助(Gov)在模型6～8中均顯著為正。說(shuō)明政府對(duì)企業(yè)產(chǎn)學(xué)研合作的資助對(duì)其創(chuàng)新效率的提高起到顯著的負(fù)面抑制效果。政府資助是一把“雙刃劍”，一方面政府資助在加強(qiáng)企業(yè)參與產(chǎn)學(xué)研合作研發(fā)意愿和促進(jìn)產(chǎn)學(xué)研合作順利啟動(dòng)上起積極作用；但另一方面，政府資金的介入會(huì)對(duì)企業(yè)研發(fā)投入產(chǎn)生擠出效應(yīng)，且由于企業(yè)R&D支出很大一部分是用在R&D人員經(jīng)費(fèi)上，R&D人員短期內(nèi)缺乏供給彈性，因此，政府資助僅僅提高了R&D人員工資，增加了企業(yè)研發(fā)成本，而對(duì)創(chuàng)新活動(dòng)效率的改善起不到作用。

所有權(quán)結(jié)構(gòu)(Owner)在模型5～7中的回歸系數(shù)均顯著為正，模型8中不顯著。說(shuō)明國(guó)有產(chǎn)權(quán)對(duì)產(chǎn)學(xué)研合作效率產(chǎn)生了顯著的負(fù)向影響。吳延兵證明了國(guó)有企業(yè)的生產(chǎn)效率和創(chuàng)新效率雙重?fù)p失[21]，與本文研究結(jié)果相印證。所有權(quán)結(jié)構(gòu)已經(jīng)成為影響技術(shù)效率的重要因素，其原因在于，國(guó)有企業(yè)雖然一般實(shí)力較強(qiáng)，但其缺乏有效的監(jiān)督機(jī)制和激勵(lì)機(jī)制，存在著嚴(yán)重的委托代理問(wèn)題、尋租問(wèn)題以及普遍的運(yùn)行效率低下問(wèn)題，這也了導(dǎo)致其在知識(shí)和技術(shù)生產(chǎn)方面的低效率。

初始合作資源(Resour)在模型5～7中都顯著為負(fù)，模型8中不顯著為負(fù)。地區(qū)初始創(chuàng)新資源，體現(xiàn)了該地企業(yè)與高校和科研院所的聯(lián)系緊密程度，借此可以考察合作資源的可得程度是否會(huì)影響合作效率。本文實(shí)證結(jié)果證明了地區(qū)初始合作創(chuàng)新資源對(duì)產(chǎn)學(xué)研合作效率產(chǎn)生了顯著的正向影響，即高校和科研院所資源較多的地區(qū)企業(yè)產(chǎn)學(xué)研合作創(chuàng)新效率較高，說(shuō)明區(qū)域合作資源越多，合作聯(lián)系程度越高，合作效率越高。從另一角度來(lái)看，產(chǎn)學(xué)研合作還并未形成普遍的跨地區(qū)合作。

企業(yè)規(guī)模(Size)在模型6中的回歸系數(shù)顯著為負(fù)，其余不顯著。大型企業(yè)生產(chǎn)和研發(fā)實(shí)力較強(qiáng)，抗風(fēng)險(xiǎn)能力較大，小型企業(yè)結(jié)構(gòu)較為靈活，獲取信息更方便快捷，可以說(shuō)各有優(yōu)缺點(diǎn)，所以，企業(yè)規(guī)模對(duì)產(chǎn)學(xué)研合作效率的影響并不明顯，僅在模型6中起到顯著正向促進(jìn)作用。

地理區(qū)位(Geog)的結(jié)果顯示，以中西部為參照組，東部地區(qū)對(duì)產(chǎn)學(xué)研合作效率具有顯著的正向影響。地理區(qū)位不同，區(qū)域間經(jīng)濟(jì)發(fā)展水平和創(chuàng)新資源聚集程度不同，因而會(huì)影響產(chǎn)學(xué)研合作效率。

4.3 產(chǎn)學(xué)研合作效率的時(shí)空差異分析

考察期間省域產(chǎn)學(xué)研合作效率均值及其排名見(jiàn)表6。整體上來(lái)看，全國(guó)產(chǎn)學(xué)研合作效率值均小于1,尚無(wú)地區(qū)達(dá)到完全有效狀態(tài)。比較各個(gè)省區(qū)的合作效率，浙江、江蘇、廣東的合作效率大于0.9，最為接近合作有效狀態(tài)；山東、福建、天津等6省市處于較高效率水平；湖南、吉林、河北等15省處于中等效率水平；而內(nèi)蒙古、山西等5省處于低效率水平，黑龍江與青海效率值低至0.2。這說(shuō)明產(chǎn)學(xué)研合作效率存在明顯的兩極分化特征。

表6 省域產(chǎn)學(xué)研合作效率均值及排名

注：當(dāng)某區(qū)域產(chǎn)學(xué)研合作效率值在[0.9,1)之間為高效率，在[0.8,0.9)之間為較高效率，在[0.5,0.8)之間為中等效率，在0.5以下為低效率。

產(chǎn)學(xué)研合作處于高效率和較高效率的主要是東部沿海省市，中部地區(qū)大多數(shù)省市處于中等效率區(qū)，而西部地區(qū)大多數(shù)省市處于低效率區(qū)?？梢?jiàn)我國(guó)產(chǎn)學(xué)研合作效率區(qū)域差異化程度十分顯著，東部沿海地區(qū)效率明顯高于中西部地區(qū)。

圖1與圖2分別描繪了2009—2014年未考慮影響因素和考慮影響因素的產(chǎn)學(xué)研合作效率均值時(shí)間演變情況。從圖1可看出，在未考慮影響因素時(shí)，4種時(shí)間模型的合作效率均呈現(xiàn)緩慢下降的趨勢(shì)，可理解為在本文考察期間，產(chǎn)學(xué)研合作的內(nèi)部創(chuàng)新系統(tǒng)并沒(méi)有優(yōu)化，其投入與產(chǎn)出配置反而更傾向不合理，從而降低了創(chuàng)新效率。從圖2來(lái)看，在考慮影響因素時(shí)，4種時(shí)間模型的合作效率均呈現(xiàn)較為穩(wěn)定的狀態(tài)。總體上，考慮影響因素時(shí)產(chǎn)學(xué)研合作創(chuàng)新效率要高于未考慮影響因素的情況，因此產(chǎn)學(xué)研合作效率除了受自身創(chuàng)新系統(tǒng)內(nèi)部投入產(chǎn)出機(jī)制的調(diào)節(jié)外，受外部因素影響較大。觀察各影響因素初期到期末數(shù)據(jù)可知，國(guó)有企業(yè)所占比例有降低的趨勢(shì)，而初始合作資源的數(shù)據(jù)呈上升的趨勢(shì)，企業(yè)規(guī)模有明顯增大的趨勢(shì)，政府投入呈微弱波動(dòng)狀況?？梢?jiàn)，高校和科研機(jī)構(gòu)的增多加強(qiáng)了區(qū)域合作創(chuàng)新的能力，國(guó)有企業(yè)所占比例的降低減少了合作創(chuàng)新效率的損失，從而抑制了產(chǎn)學(xué)研合作效率的降低。

圖1 未考慮影響因素的合作效率時(shí)間趨勢(shì)圖

圖2 考慮影響因素的合作效率時(shí)間趨勢(shì)圖

5 結(jié)論與啟示

據(jù)實(shí)證研究，中國(guó)產(chǎn)學(xué)研合作效率處于中等水平，仍有很大改善空間。不論從總體均值還是時(shí)間均值來(lái)看，考慮影響因素均比未考慮影響因素時(shí)合作效率高，說(shuō)明外部因素對(duì)產(chǎn)學(xué)研合作效率的沖擊較大。考慮技術(shù)非效率影響因素時(shí)，政府投入和國(guó)有性質(zhì)對(duì)產(chǎn)學(xué)研合作效率產(chǎn)生顯著的負(fù)面影響，初始合作資源和地理區(qū)位對(duì)合作效率產(chǎn)生顯著的正向影響。從空間角度，產(chǎn)學(xué)研合作區(qū)域差異明顯，高效率和較高效率區(qū)域集中于東部沿海省份，其合作效率顯著高于中西部省份。結(jié)合區(qū)域合作效率差異情況可見(jiàn)，省域內(nèi)合作較為緊密，而跨省域合作較少、效率較低，區(qū)域經(jīng)濟(jì)發(fā)展水平和創(chuàng)新資源對(duì)產(chǎn)學(xué)研合作效率影響較為嚴(yán)重。依據(jù)時(shí)間趨勢(shì)，產(chǎn)學(xué)研合作內(nèi)生投入產(chǎn)出機(jī)制傾向于不合理，內(nèi)源性創(chuàng)新系統(tǒng)效率逐年損失。

針對(duì)中國(guó)產(chǎn)學(xué)研合作效率現(xiàn)狀，應(yīng)從優(yōu)化產(chǎn)學(xué)研合作內(nèi)部機(jī)制和改善外部影響因素兩方面著手。一方面，完善產(chǎn)學(xué)研合作內(nèi)部機(jī)制對(duì)于提高合作創(chuàng)新效率至關(guān)重要。一是明確產(chǎn)學(xué)研合作目的和目標(biāo)。產(chǎn)學(xué)研合作應(yīng)以企業(yè)為主體，高校和科研機(jī)構(gòu)以其人才和智力資源為輔，全力服務(wù)于產(chǎn)品導(dǎo)向型技術(shù)創(chuàng)新，從而將科技轉(zhuǎn)化為生產(chǎn)力。二是優(yōu)化科技資源配置和重組。打通產(chǎn)學(xué)研信息溝通渠道，使合作不停留在資金投入層面，展開(kāi)人才培養(yǎng)與研究開(kāi)發(fā)全方位合作，促進(jìn)合作模式和內(nèi)容多樣化發(fā)展，提升合作高度和深度。三是提高R&D投入強(qiáng)度和培育R&D吸收能力。加大R&D經(jīng)費(fèi)和人員投入可以促進(jìn)提高企業(yè)自身技術(shù)創(chuàng)新能力，同時(shí)，推進(jìn)產(chǎn)學(xué)研一體化，降低企業(yè)學(xué)習(xí)成本，加強(qiáng)企業(yè)R&D吸收能力，將投入更有效的轉(zhuǎn)化為產(chǎn)出。另一方面，優(yōu)化產(chǎn)學(xué)研合作外部環(huán)境和因素是提高合作效率的重要手段。一是以市場(chǎng)運(yùn)作模式為主，政府盡量不直接參與合作。政府應(yīng)以政策鼓勵(lì)和引導(dǎo)為主，政府在對(duì)產(chǎn)學(xué)研合作進(jìn)行必要資金資助時(shí)，要充分考慮企業(yè)研發(fā)實(shí)力和研發(fā)領(lǐng)域，將資金投入到有研發(fā)困難的企業(yè)或一些關(guān)鍵性技術(shù)、前瞻性技術(shù)等重點(diǎn)研發(fā)領(lǐng)域中去，減少對(duì)企業(yè)研發(fā)投入的擠出，確保資助的合理性和有效性。二是進(jìn)一步加強(qiáng)國(guó)有企業(yè)改革。國(guó)有企業(yè)改革有利于增強(qiáng)企業(yè)動(dòng)力，提高市場(chǎng)活力，從而提高合作效率。三是合理配置區(qū)域創(chuàng)新資源縮小區(qū)域差異。經(jīng)濟(jì)發(fā)達(dá)地區(qū)利用資源優(yōu)勢(shì)加以完善內(nèi)部創(chuàng)新機(jī)制可以進(jìn)一步加強(qiáng)區(qū)域創(chuàng)新能力，而打破地區(qū)障礙在需要的地區(qū)引入高校和科研等創(chuàng)新資源，才能從整體上提高合作效率，全面提升創(chuàng)新能力。

[1]蔡兵.創(chuàng)新與產(chǎn)學(xué)研合作[M].廣州：廣東經(jīng)濟(jì)出版社,2010.

[2]MORA-VALENTIN E M,MONTORO-SANCHEZ A,GUERRAS-MARTIN L A.Determining factors in the success of R&D cooperative agreements between firms and research organizations[J].Research policy,2004(33):17-40.

[3]鄧穎翔,朱桂龍.產(chǎn)學(xué)研合作績(jī)效的測(cè)量研究[J].科技管理研究,2009(11):468-470.

[4]付俊超.產(chǎn)學(xué)研合作運(yùn)行機(jī)制與績(jī)效評(píng)價(jià)研究[D].中國(guó)地質(zhì)大學(xué),2013.

[5]MOTOHASHI K.University-industry collaborations in Japan:the role of new technology-based firms in transforming the national innovation system[J].Research policy,2005,34(5):583-594.

[6]BRIMBLE P,DONER R.University-industry linkages and economic development:the case of Thailand[J].World development,2007,35(6):1021-1036.

[7]車維漢,張琳.上海市產(chǎn)學(xué)研合作效率評(píng)價(jià)——基于分行業(yè)數(shù)據(jù)的DEA分析[J].科技進(jìn)步與對(duì)策,2010,27(3):20-25.

[8]劉民婷,孫衛(wèi).基于DEA方法的產(chǎn)學(xué)研合作效率評(píng)價(jià)研究——以陜西省制造業(yè)為例[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2011,32(3):11-15.

[9]樊霞,趙丹萍,何悅.企業(yè)產(chǎn)學(xué)研合作的創(chuàng)新效率及其影響因素研究[J].科研管理,2012(2):33-39.

[10]陳光華,王建冬,楊國(guó)梁.產(chǎn)學(xué)研合作創(chuàng)新效率分析及其影響因素研究[J].科學(xué)管理研究,2014(2):9-12.

[11]仇冬芳,胡正平.我國(guó)省域產(chǎn)學(xué)研合作效率及效率持續(xù)性——基于省域面板數(shù)據(jù)和DEA-Malmquist生產(chǎn)率指數(shù)法[J].技術(shù)經(jīng)濟(jì),2013,32(12):82-89.

[12]KUMBHAKAR S C,LOVELL C A K.Stochastic frontier analysis[M].New York:Cambridge University Press,2000:216-259.

[13]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.

[14]白俊紅,江可申,李婧.應(yīng)用隨機(jī)前沿模型評(píng)測(cè)中國(guó)區(qū)域研發(fā)創(chuàng)新效率[J].管理世界,2009(10):51-61.

[15]官建成,陳凱華.我國(guó)高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率的測(cè)度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2009(10):19-33.

[16]張煊,孫躍.產(chǎn)學(xué)研合作網(wǎng)絡(luò)的創(chuàng)新效率研究——來(lái)自中國(guó)省域產(chǎn)學(xué)研合作的數(shù)據(jù)證明[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2014(6):59-66.

[17]吳延兵.R&D存量、知識(shí)函數(shù)與生產(chǎn)效率[J].經(jīng)濟(jì)學(xué)(季刊),2006(4):1129-1156.

[18]GUAN J C,GAO X.Exploring the h-index at patent level[J].Journal of the American society for information science and technology,2009,60(1):35-40.

[19]LIU X,BUCK T.Innovation performance and channels for international technology spillovers:evidence from Chinese high-tech industries[J].Research policy,2007,36(3):355-366.

[20]吳延兵.中國(guó)地區(qū)工業(yè)知識(shí)生產(chǎn)效率測(cè)算[J].財(cái)經(jīng)研究,2008,34(10):4-14.

[21]吳延兵.國(guó)有企業(yè)雙重效率損失研究[J].經(jīng)濟(jì)研究,2012(03):15-27.

(責(zé)任編輯 沈蓉)

Industry-University-Research Institute Cooperative Innovation Efficiency,Influential Factors and the Difference with Time and Location

Yao Xiaoying,Wei Ping

(School of Economics,Huazhong University of Science and Technology，Wuhan 430074，China)

Based on the regional panel data from 2009 to 2014,the regional industry-university-research institute(IUR) cooperation innovation efficiency was evaluated by using the stochastic frontier model,and the efficiency influential factors were investigated.The empirical results show that IUR collaboration efficiency as a whole is in the medium level in China,and there is big improvement space.The inefficiency effect factors have a greater influence on the efficiency of cooperation:government funding and ownership structure have significant negative impact;the initial cooperation resources and the geographical location have significant positive influence.Regional differentiation is obvious,high and the higher efficiency area is concentrated in eastern coastal province,the east cooperative efficiency is higher than the middle and west,inner-province cooperation relatively close,cross-province cooperation less,the efficiency low.

Industry-university-institute cooperation;Innovative efficiency;Inefficiency influence factors;Stochastic frontier model

教育部哲學(xué)社會(huì)科學(xué)研究重大課題攻關(guān)項(xiàng)目“戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展研究”(10JZD0017)，中國(guó)科學(xué)技術(shù)協(xié)會(huì)項(xiàng)目“國(guó)際產(chǎn)業(yè)競(jìng)爭(zhēng)中的專利戰(zhàn)略及知識(shí)產(chǎn)權(quán)保護(hù)狀況調(diào)查研究”(2015DCYJ07-2)。

2016-11-28

姚瀟穎(1988-)，女，湖北潛江人，華中科技大學(xué)經(jīng)濟(jì)學(xué)院博士研究生；研究方向：產(chǎn)業(yè)經(jīng)濟(jì)學(xué)、科技創(chuàng)新等。

F062.9

A