基于DEA-RF-Tobit的我國省際技術(shù)轉(zhuǎn)移效率及影響因素研究*

肖國華 韓 曄 朱一真

（1.中國科學(xué)院成都文獻(xiàn)情報(bào)中心，成都610041；2.中國科學(xué)院大學(xué)經(jīng)濟(jì)與管理學(xué)院圖書情報(bào)與檔案管理系，北京100190；3.南京大學(xué)信息管理學(xué)院，南京210023）

技術(shù)轉(zhuǎn)移是促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要因素，也是國際競爭包括中美貿(mào)易摩擦中的爭端焦點(diǎn)之一。如何克服現(xiàn)有障礙、有效提升技術(shù)轉(zhuǎn)移效率，是現(xiàn)今亟需研究的問題。技術(shù)轉(zhuǎn)移是指制造某種產(chǎn)品、應(yīng)用某種工藝或提供某種服務(wù)的系統(tǒng)知識，通過各種途徑從技術(shù)供給方向技術(shù)需求方轉(zhuǎn)移的過程［1］?！凹夹g(shù)轉(zhuǎn)移”由“technology transfer”直譯而來，國內(nèi)常用“科技成果轉(zhuǎn)化”一詞，一般來說，“技術(shù)轉(zhuǎn)移”與“科技成果轉(zhuǎn)化”并無太大區(qū)別，上海市科委于2019年4月發(fā)布的《2018上?？萍汲晒D(zhuǎn)化白皮書》直接說“科技成果轉(zhuǎn)化的國際通行提法為‘技術(shù)轉(zhuǎn)移’”［2］。本研究將不加區(qū)別地使用這兩個(gè)概念。

技術(shù)轉(zhuǎn)移促進(jìn)了創(chuàng)新成果的擴(kuò)散和流動(dòng)，實(shí)現(xiàn)并放大了技術(shù)創(chuàng)新的價(jià)值，對于建設(shè)創(chuàng)新型國家具有重要的實(shí)踐意義和戰(zhàn)略意義。隨著《國家技術(shù)轉(zhuǎn)移體系建設(shè)方案》的發(fā)布實(shí)施，各地積極推動(dòng)相關(guān)工作，如何有效衡量和評價(jià)技術(shù)轉(zhuǎn)移成效是亟需解決的問題。技術(shù)轉(zhuǎn)移效率可直接反映技術(shù)轉(zhuǎn)移工作的成效，反映投入資源轉(zhuǎn)化為產(chǎn)出的范圍、程度、速度，即信息、技術(shù)、資金等資源在技術(shù)轉(zhuǎn)移過程中的流動(dòng)速度及利用水平，在測度評價(jià)技術(shù)轉(zhuǎn)移工作方面具有重要作用。

目前我國技術(shù)轉(zhuǎn)移在國家創(chuàng)新體系中處于薄弱環(huán)節(jié)，各省市自治區(qū)技術(shù)轉(zhuǎn)移現(xiàn)狀發(fā)展不均衡，現(xiàn)有研究多從主體、模式等方面開展，以某行業(yè)或產(chǎn)業(yè)、高校等入手分析部分地區(qū)技術(shù)轉(zhuǎn)移效率，例如許云等［3］分析北京高校和科研機(jī)構(gòu)跨區(qū)域技術(shù)轉(zhuǎn)移的主體模式，林德明等［4］研究我國“985”高校技術(shù)轉(zhuǎn)移效率，探究高校間技術(shù)轉(zhuǎn)移效率的學(xué)習(xí)機(jī)制。本研究以全國各省市自治區(qū)為研究對象，在宏觀層面分析全國各地區(qū)的技術(shù)轉(zhuǎn)移效率及效率影響因素，對其近8年來的技術(shù)轉(zhuǎn)移情況作整體評估，創(chuàng)新之處主要體現(xiàn)在三點(diǎn)：一是在指標(biāo)的設(shè)計(jì)有所創(chuàng)新，完善和彌補(bǔ)投入產(chǎn)出指標(biāo)的設(shè)計(jì)，盡可能考慮全面、選取合理；二是利用兩階段數(shù)據(jù)包絡(luò)分析方法（Data Envelopment Analysis，DEA）和傳統(tǒng)DEA方法進(jìn)行對比分析，分階段測度技術(shù)轉(zhuǎn)移效率值；三是結(jié)合RF和Tobit兩種方法對影響因素進(jìn)行回歸分析，比較二者的不同之處，全面分析各地區(qū)的技術(shù)轉(zhuǎn)移現(xiàn)狀并找出主要影響因素，針對性地制定有效措施以加快技術(shù)轉(zhuǎn)移的進(jìn)程。

1 研究對象與指標(biāo)方法

1.1 研究對象

本研究以我國31個(gè)省市自治區(qū)為研究對象，測度其近8年的技術(shù)轉(zhuǎn)移效率并分析主要影響因素。各省市自治區(qū)的技術(shù)轉(zhuǎn)移數(shù)據(jù)通過《中國統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》獲取，將數(shù)據(jù)時(shí)間窗限定為2011—2018年。

1.2 測度指標(biāo)設(shè)計(jì)

科學(xué)研究日益依賴于數(shù)據(jù)，量化指標(biāo)逐漸流行?；谝延醒芯吭O(shè)計(jì)了相應(yīng)的指標(biāo)，包括相關(guān)的技術(shù)轉(zhuǎn)移效率指標(biāo)以及影響因素指標(biāo)，并及時(shí)審查更新。技術(shù)轉(zhuǎn)移效率指標(biāo)直接影響到結(jié)果的測算，這部分的指標(biāo)最為關(guān)鍵，其次是影響因素指標(biāo)，應(yīng)盡可能全面地考慮各方面因素；同時(shí)考慮到數(shù)據(jù)是否可獲取，僅使用可獲取數(shù)據(jù)的指標(biāo)。

1.2.1 技術(shù)轉(zhuǎn)移效率指標(biāo)

技術(shù)轉(zhuǎn)移是多投入多產(chǎn)出的復(fù)雜活動(dòng)，其效率指標(biāo)主要包括投入和產(chǎn)出兩個(gè)方面，投入包括人力、資源等的投資，產(chǎn)出指技術(shù)轉(zhuǎn)移的經(jīng)濟(jì)收益，嚴(yán)格來講，專利、標(biāo)準(zhǔn)等尚未轉(zhuǎn)化成直接的經(jīng)濟(jì)效益，本研究將其設(shè)為中間產(chǎn)出指標(biāo)，作為技術(shù)轉(zhuǎn)移投入和技術(shù)轉(zhuǎn)移產(chǎn)出的中間產(chǎn)品（表1）。

表1 技術(shù)轉(zhuǎn)移投入產(chǎn)出指標(biāo)設(shè)計(jì)Tab.1 Design of Input-output Indicators for Technology Transfer

參考原長弘［5］、陳琨［6］等專家指標(biāo)研究，投入方面主要包括研發(fā)經(jīng)費(fèi)投入和科研人員投入，以研究與開發(fā)（Research and Development，R&D）經(jīng)費(fèi)支出和R&D全時(shí)當(dāng)量來表現(xiàn)，本研究另加入了“規(guī)模以上企業(yè)R&D經(jīng)費(fèi)在主營業(yè)務(wù)收入中的占比”“規(guī)模以上工業(yè)企業(yè)技術(shù)獲取和技術(shù)改造經(jīng)費(fèi)支出”兩項(xiàng)指標(biāo)，反映規(guī)上企業(yè)對科研活動(dòng)和技術(shù)轉(zhuǎn)移的重視程度。

中間指標(biāo)用來衡量中間過程產(chǎn)出，主要包括“專利授權(quán)數(shù)”、“有效發(fā)明專利數(shù)”和“國家或行業(yè)標(biāo)準(zhǔn)數(shù)”3個(gè)方面，表現(xiàn)專利授權(quán)及標(biāo)準(zhǔn)情況，選用這些指標(biāo)可以反映科研成果的科學(xué)性、先進(jìn)性、創(chuàng)造性以及實(shí)用性［7］。

產(chǎn)出指標(biāo)用來衡量技術(shù)轉(zhuǎn)移的成果，通過技術(shù)轉(zhuǎn)移活動(dòng)所獲得的專利許可等收入，產(chǎn)出指標(biāo)主要包括“R&D機(jī)構(gòu)專利所有權(quán)轉(zhuǎn)讓及許可收入”“技術(shù)市場技術(shù)輸出地域合同金額”和“技術(shù)市場技術(shù)輸出地域合同數(shù)”3部分，后兩個(gè)指標(biāo)表現(xiàn)技術(shù)市場的整體規(guī)模和轉(zhuǎn)化強(qiáng)度。

1.2.2 技術(shù)轉(zhuǎn)移影響因素指標(biāo)

技術(shù)轉(zhuǎn)移過程中受到多方面因素的影響，包括宏觀環(huán)境變化、政策差異、技術(shù)成熟度、企業(yè)能力等。在測度區(qū)域?qū)用娴募夹g(shù)轉(zhuǎn)移影響因素方面，如Gupeng Zhang［8］利用專利許可數(shù)據(jù)考察了我國跨區(qū)域技術(shù)轉(zhuǎn)移的決定因素在于經(jīng)濟(jì)差距和產(chǎn)業(yè)結(jié)構(gòu)，指出我國需要良好的機(jī)制來鼓勵(lì)跨區(qū)域的知識流動(dòng)，對地方政府的評估機(jī)制進(jìn)行改革。在測度企業(yè)的技術(shù)轉(zhuǎn)移影響因素方面，比如Yooduk Jun［9］探索需求拉動(dòng)技術(shù)轉(zhuǎn)移的重要因素，提出企業(yè)表達(dá)技術(shù)需求的能力對于需求拉動(dòng)技術(shù)轉(zhuǎn)移影響較大，用戶的技術(shù)能力和供應(yīng)商的開放性也是重要因素。區(qū)域技術(shù)轉(zhuǎn)移的影響因素很多，包括各類主體之間的相互作用以及環(huán)境等因素的影響，總的來說，從宏觀和微觀兩個(gè)層面來分析，宏觀層面包括地區(qū)經(jīng)濟(jì)發(fā)展水平、對外開放程度、地區(qū)產(chǎn)業(yè)結(jié)構(gòu)（產(chǎn)業(yè)現(xiàn)代化程度）等影響因素，微觀層面包括人員因素（從業(yè)人員素質(zhì)）、投入主體（R&D投入強(qiáng)度，政府、企業(yè)支持力度）等因素，本研究所選取的各影響因素測度指標(biāo)具體如下：

A1：地區(qū)經(jīng)濟(jì)發(fā)展水平：以“地區(qū)生產(chǎn)總值（Gross Domestic Product，GDP）”指標(biāo)表示。

A2：從業(yè)人員素質(zhì)：以“R&D人員中碩士以上學(xué)歷人員占比”指標(biāo)表示該指標(biāo)。

A3：R&D投入強(qiáng)度：以“R&D經(jīng)費(fèi)在GDP中的占比”指標(biāo)表示。

A4：對外貿(mào)易程度：以“區(qū)域進(jìn)出口總額占地區(qū)生產(chǎn)總值比重”指標(biāo)表示。

A5：政府支持力度：以“政府資金投入占R&D投入經(jīng)費(fèi)的比重［10］”指標(biāo)表示。

A6：企業(yè)支持力度：以“企業(yè)資金投入占R&D投入經(jīng)費(fèi)的比重”指標(biāo)表示。

A7：產(chǎn)業(yè)現(xiàn)代化程度：以“第二第三產(chǎn)業(yè)增加值在地區(qū)生產(chǎn)總值中的比重”指標(biāo)表示。

1.3 研究方法

本研究利用2011—2018年各省市自治區(qū)技術(shù)轉(zhuǎn)移指標(biāo)的統(tǒng)計(jì)年鑒數(shù)據(jù)建立DEA模型計(jì)算技術(shù)轉(zhuǎn)移效率，設(shè)計(jì)合適的投入指標(biāo)和產(chǎn)出指標(biāo)分析總體效率，利用 CCR（Charnes，Cooper，Rhodes）模型和 BCC（Banker，Charnes，Cooper）模型的傳統(tǒng)DEA方法測算技術(shù)轉(zhuǎn)移效率，即靜態(tài)技術(shù)效率，分析近8年來全國技術(shù)轉(zhuǎn)移相對效率的地區(qū)差異；將技術(shù)轉(zhuǎn)移過程分為技術(shù)創(chuàng)新階段和產(chǎn)業(yè)價(jià)值創(chuàng)造階段，設(shè)計(jì)中間指標(biāo)進(jìn)行兩階段DEA測度，分析造成效率差異的原因；將各省市自治區(qū)技術(shù)效率值作為因變量，將影響因素作為自變量，使用隨機(jī)森林（RandomForest，RF）方法分析各影響因素的相對重要性，利用Tobit模型進(jìn)行面板數(shù)據(jù)回歸，并進(jìn)行廣義矩估計(jì)（Generalized Method of Moments，GMM）檢驗(yàn)［11］，分析主要影響因素，具體方法框架如圖1所示，本研究從以下三個(gè)方面詳述研究方法。

1.3.1 DEA方法

國內(nèi)外技術(shù)轉(zhuǎn)移效率測度方法主要有隨機(jī)前沿方法（Stochastic Frontier Analysis，SFA）和DEA兩種。Michael Danquah［12］采用 SFA方法，考察技術(shù)轉(zhuǎn)移和技術(shù)吸收的作用它們之間的相互作用。Wang Q等［13］利用非徑向DEA方法評價(jià)國內(nèi)38家能源企業(yè)，發(fā)現(xiàn)核電企業(yè)的綜合創(chuàng)新和營銷效率最高，只有少數(shù)企業(yè)認(rèn)為創(chuàng)新是有效密集的。這兩種方法目前已廣泛應(yīng)用于效率評價(jià)領(lǐng)域，SFA采用計(jì)量方法估計(jì)前沿生產(chǎn)函數(shù)，需要大規(guī)模樣本，而DEA根據(jù)有限的觀測樣本進(jìn)行測算，無需對數(shù)據(jù)進(jìn)行參數(shù)估計(jì)和標(biāo)準(zhǔn)化處理，估計(jì)結(jié)果會(huì)受到隨機(jī)因素的影響，SFA方法在處理多產(chǎn)出情況時(shí)不如DEA方便。鑒于文章采取的數(shù)據(jù)有限，因此本研究使用DEA方法測度效率指標(biāo)。

圖1 方法框架Fig.1 Method Framework

DEA通過數(shù)學(xué)規(guī)劃和統(tǒng)計(jì)數(shù)據(jù)方法對決策單元根據(jù)不同的輸入輸出值來估計(jì)有效生產(chǎn)前沿面，比較其偏離程度得出相對數(shù)值，該方法無需任何權(quán)重假設(shè)，削弱人為主觀因素的作用，可充分優(yōu)化投入產(chǎn)出方案，對于評估復(fù)雜系統(tǒng)的多投入多產(chǎn)出分析具有較大優(yōu)勢［14］。本研究所述技術(shù)轉(zhuǎn)移包含若干投入產(chǎn)出變量，屬于此方法適用的復(fù)雜系統(tǒng)。

DEA基本模型包含CCR模型和BCC模型兩種［15］，在面向輸出的CCR模型（規(guī)模報(bào)酬不變）中，n個(gè)決策單元、m個(gè)輸入指標(biāo)和s個(gè)輸出指標(biāo)的分式規(guī)劃如下：

本研究通過CCR模型和BCC模型測算各地區(qū)技術(shù)轉(zhuǎn)移效率值并進(jìn)行對比分析，得出各地區(qū)近8年技術(shù)轉(zhuǎn)移效率差異以及地區(qū)規(guī)模效率的對技術(shù)轉(zhuǎn)移效率的影響程度。

1.3.2 兩階段DEA

如果將技術(shù)轉(zhuǎn)移比作一個(gè)“黑箱”，那兩階段DEA就是其重要解構(gòu)。Mei Hsiu-Ching Ho［16］將技術(shù)轉(zhuǎn)移過程解構(gòu)為技術(shù)創(chuàng)新和產(chǎn)業(yè)價(jià)值創(chuàng)造兩個(gè)階段，第一階段主要指技術(shù)開發(fā)，第二階段指技術(shù)的產(chǎn)業(yè)化發(fā)展。兩階段DEA可分為獨(dú)立兩階段DEA模型和關(guān)聯(lián)兩階段DEA模型。獨(dú)立兩階段DEA模型（序列兩階段DEA模型）不考慮各階段之間的相互關(guān)系，將其均看為獨(dú)立的生產(chǎn)過程，第一階段的產(chǎn)出是第二階段的投入，第一階段的生產(chǎn)狀況對第二階段的效率具有重要的影響；關(guān)聯(lián)兩階段DEA模型在原先基礎(chǔ)上增加了約束條件，將整體過程分為兩個(gè)關(guān)聯(lián)的子過程，肖仁橋等［17］構(gòu)建了規(guī)模報(bào)酬可變情況下的兩階段鏈?zhǔn)疥P(guān)聯(lián)DEA模型，對中國高技術(shù)產(chǎn)業(yè)創(chuàng)新整體效率和兩階段效率進(jìn)行了實(shí)證分析，在該模型中兩個(gè)階段的最優(yōu)效率能夠得到平衡。

但是外鄉(xiāng)人一到嶺北鎮(zhèn)來，這麻糍就會(huì)變得大方一些。我們嶺北鎮(zhèn)雖然是個(gè)窮山里的小鎮(zhèn)，但因?yàn)槭墙鹑A的東陽市與紹興的諸暨市的要道，所以，來往的外鄉(xiāng)人還是有的。經(jīng)過我們嶺北鎮(zhèn)時(shí)，麻糍便能做一些生意，而有些人實(shí)在買不起，或者少帶了錢的，麻糍也會(huì)給，尤其是面對小孩子，麻糍可以算得上是大方的。

運(yùn)用獨(dú)立兩階段DEA對技術(shù)轉(zhuǎn)移效率進(jìn)行輔助分析，這種獨(dú)立兩階段DEA方法計(jì)算較為簡便，與傳統(tǒng)DEA方法計(jì)算結(jié)果對比分析，可以厘清其內(nèi)部運(yùn)行過程。獨(dú)立兩階段DEA尚有不足之處，它未能考慮到兩階段的關(guān)聯(lián)性和創(chuàng)新的整體性，兩階段間存在“斷層”［18］，所以在這里用獨(dú)立兩階段DEA分析各省市自治區(qū)技術(shù)轉(zhuǎn)移效率的成因，僅為后續(xù)研究提供參考。

1.3.3 RF-Tobit回歸

本研究用回歸方法探究技術(shù)轉(zhuǎn)移效率與各影響因素之間的關(guān)系。由于DEA方法處理的技術(shù)轉(zhuǎn)移效率值是受限因變量，當(dāng)因變量是切割或片段數(shù)據(jù)時(shí)，普通最小二乘法不適用于估計(jì)回歸系數(shù)，可使用基于最大似然估計(jì)原理的面板Tobit模型，因此本研究使用Tobit回歸模型定量化探究效率和影響因素之間的內(nèi)在關(guān)聯(lián)［19］。GMM可以很好地處理Tobit模型中解釋變量的內(nèi)生性問題［20］，本質(zhì)是運(yùn)用矩條件對參數(shù)進(jìn)行估計(jì)，可對Tobit回歸結(jié)果進(jìn)行檢驗(yàn)，該方法無需滿足某些假設(shè)，允許隨機(jī)誤差項(xiàng)存在異方差和序列相關(guān)，具有很好的漸進(jìn)性，因此得到的參數(shù)估計(jì)量比其他估計(jì)方法更合乎實(shí)際。

Tobit回歸方法可以分析各影響因素的顯著性特征以及影響程度，但該方法無法準(zhǔn)確獲得具體因素的影響排序，即影響程度上的測度不夠明確，RF回歸可以分析各個(gè)測度因素的影響排序。該方法作為新興、靈活的機(jī)器學(xué)習(xí)算法，可用于分類和回歸，無須將數(shù)據(jù)標(biāo)準(zhǔn)化，有廣泛的應(yīng)用前景，如疾病的預(yù)測、數(shù)據(jù)建模等，適用于數(shù)據(jù)集中存在大量未知特征，不必?fù)?dān)心過度擬合；當(dāng)數(shù)據(jù)集中且存在噪聲時(shí)同樣可以取得很好的預(yù)測效能，比較穩(wěn)定，泛化能力強(qiáng)。由于技術(shù)轉(zhuǎn)移效率值為受限因變量［21］，為了測度影響因素的排序及影響程度，本研究將RF與Tobit結(jié)合進(jìn)行回歸分析，RF回歸結(jié)果為各因素排序，Tobit回歸結(jié)果為各影響因素是否有效及影響程度，綜合兩種方法進(jìn)一步驗(yàn)證分析。

2 實(shí)證結(jié)果及分析

2.1 基于DEA的技術(shù)轉(zhuǎn)移效率測度

2.1.1 技術(shù)轉(zhuǎn)移綜合效率

將31個(gè)省市自治區(qū)技術(shù)轉(zhuǎn)移投入產(chǎn)出指標(biāo)的數(shù)據(jù)導(dǎo)入DEAP2.1軟件計(jì)算后，所得各地區(qū)DEA效率值如表2所示。

總體來看，全國絕大部分地區(qū)處于DEA綜合效率非DEA有效的狀態(tài)，多數(shù)決策單元的技術(shù)轉(zhuǎn)移效率整體較低，從效率均值來看，北京市、天津市、上海市、江蘇省、遼寧省、陜西省、甘肅省、青海省等地區(qū)技術(shù)轉(zhuǎn)移效率較高，其中北京市的效率一直處于DEA有效狀態(tài)，陜西省、甘肅省和青海省在這8年內(nèi)的效率整體較優(yōu)。相對之下，山西省、內(nèi)蒙古自治區(qū)、廣西省、海南省、貴州省、西藏自治區(qū)、新疆維吾爾自治區(qū)這些地區(qū)技術(shù)轉(zhuǎn)移效率處于較低水平，廣西省、西藏自治區(qū)、新疆維吾爾自治區(qū)這些地區(qū)的規(guī)模效率較低，影響到技術(shù)轉(zhuǎn)移效率，導(dǎo)致其綜合效率偏低，需進(jìn)一步擴(kuò)大規(guī)模。

將技術(shù)轉(zhuǎn)移效率按地區(qū)劃分，效率較高的地區(qū)大致形成分布在兩大經(jīng)濟(jì)圈范圍內(nèi)，分別是以北京為中心的首都經(jīng)濟(jì)圈、以上海為中心的長三角經(jīng)濟(jì)圈這些地區(qū)的技術(shù)效率較高，以及西部地區(qū)部分省市如陜西省、甘肅省等，但整體而言中西部地區(qū)與東部地區(qū)相比，技術(shù)轉(zhuǎn)移效率較低，四川省、重慶市等地區(qū)近年來有較好的發(fā)展態(tài)勢。

2.1.2 技術(shù)轉(zhuǎn)移兩階段DEA效率

將技術(shù)轉(zhuǎn)移過程分為技術(shù)創(chuàng)新和產(chǎn)業(yè)價(jià)值創(chuàng)造這兩個(gè)階段來分析，其中技術(shù)創(chuàng)新階段是技術(shù)的開發(fā)挖掘，高校是這個(gè)階段的重要主體，產(chǎn)生大量的科技成果如專利等。在這個(gè)階段通過“投入-中間產(chǎn)出”分析各省市自治區(qū)之間的技術(shù)創(chuàng)新階段的效率問題。通過表3可以發(fā)現(xiàn)，在技術(shù)創(chuàng)新階段，北京市、上海市、江蘇省、浙江省、廣東省、海南省、西藏自治區(qū)、重慶市、四川省、新疆維吾爾自治區(qū)這些省級行政區(qū)域的技術(shù)創(chuàng)新效率較高，效率均達(dá)到DEA最優(yōu)值，說明這些地區(qū)的專利等技術(shù)成果產(chǎn)出效率相對較高，技術(shù)創(chuàng)新階段完成較好，技術(shù)開發(fā)和發(fā)展較為完善，科研人員和經(jīng)費(fèi)投入產(chǎn)生了較好的科技產(chǎn)出。

表2 2011—2018年各省市自治區(qū)技術(shù)轉(zhuǎn)移綜合效率1）Tab.2 Comprehensiveefficiencyoftechnologytransferinprovinces，municipalitiesandautonomousregionsofChina，2011-20181）

表3 2011—2018年各省市自治區(qū)技術(shù)轉(zhuǎn)移兩階段DEA效率Tab.3 DEA Efficiency in Two Stages of Technology Transfer in Provinces，Municipalities and Autonomous Regions，2011-2018

產(chǎn)業(yè)價(jià)值創(chuàng)造階段是技術(shù)的創(chuàng)新應(yīng)用與產(chǎn)業(yè)化過程，這個(gè)階段直接關(guān)系到成果能否轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力，分析這一階段時(shí)將中間產(chǎn)出作為投入，分析“中間產(chǎn)出-產(chǎn)出”這個(gè)過程之間的效率問題。通過表3發(fā)現(xiàn)在這一階段，效率較優(yōu)的省份包括北京市、遼寧省、陜西省、甘肅省和青海省等省市，其效率均等于或接近1，這些省市在技術(shù)成果到產(chǎn)業(yè)化應(yīng)用的過程中表現(xiàn)較好，整體技術(shù)的轉(zhuǎn)化效率高。

對比技術(shù)轉(zhuǎn)移兩階段DEA效率和綜合效率，進(jìn)一步分析各地區(qū)技術(shù)效率差異的原因，找到具體的薄弱階段。研究發(fā)現(xiàn)，江蘇省、浙江省、西藏自治區(qū)，這些地區(qū)的技術(shù)創(chuàng)新階段效率高，而產(chǎn)業(yè)價(jià)值創(chuàng)造階段效率低，說明其技術(shù)成果的產(chǎn)業(yè)化仍有較大的發(fā)展空間；遼寧省、甘肅省、青海省的技術(shù)創(chuàng)新階段效率低，產(chǎn)業(yè)價(jià)值創(chuàng)造階段效率高，這些省市具有較好的成果轉(zhuǎn)化能力，在技術(shù)研發(fā)和創(chuàng)新方面存在不足，需進(jìn)一步采取措施積極建設(shè)創(chuàng)新型省市，重視科技產(chǎn)出，鼓勵(lì)本省發(fā)展創(chuàng)新技術(shù)。

2.2 基于RF-Tobit的技術(shù)轉(zhuǎn)移影響因素分析

2.2.1 基于RF回歸的影響因素分析

RF用于回歸分析，直接利用RF算法擬合函數(shù)關(guān)系，將技術(shù)轉(zhuǎn)移效率值作為因變量，影響因素（A1-A7）作為自變量，采用R語言中的“randomForest包”完成基于隨機(jī)森林建立的效率及各個(gè)因素的回歸樹模型，利用多個(gè)分類樹對數(shù)據(jù)進(jìn)行分類，通過選取各個(gè)自變量造成的鑒定準(zhǔn)則的改變量，得出所選自變量對技術(shù)轉(zhuǎn)移效率的相對影響力，給各個(gè)自變量的重要性評分。

利用RF回歸將各影響因素對效率值的影響進(jìn)行排序，使用平均準(zhǔn)確度下降（Mean Decrease Accuracy）和Gini指數(shù)兩種方式進(jìn)行測度。Inc-MSE（均方誤差）等價(jià)于Mean Decrease Accuracy，表示相對重要性（基于袋外錯(cuò)誤率（out-of-bag error，OOB error）），就是對每一個(gè)變量隨機(jī)賦值，誤差的增加就等同于準(zhǔn)確性的減少，因此越重要的因素均方誤差越大，該值表示對目標(biāo)變量預(yù)測準(zhǔn)確的貢獻(xiàn)度；IncNodePurity表示節(jié)點(diǎn)純度（基于Gini指數(shù)），Gini指數(shù)變化的均值作為變量重要程度的度量。

圖2 技術(shù)轉(zhuǎn)移效率與影響因素的隨機(jī)森林回歸Fig.2 Random Forest Regression of Technology Transfer Efficiency and Influencing Factors

兩種方式均可以對變量重要性進(jìn)行評估，得到的變量重要性有一些差距。綜合兩種結(jié)果，影響因素按照重要性排序，企業(yè)支持力度（A6）、產(chǎn)業(yè)現(xiàn)代化程度（A7）、政府支持力度（A5）、地區(qū)經(jīng)濟(jì)發(fā)展水平（A1）這四種影響因素較為重要，對外開放程度（A4）、R&D投入強(qiáng)度（A3）、從業(yè)人員素質(zhì)（A2）重要性相對較低。按重要性排序，影響因素中首要是企業(yè)支持力度和政府支持力度，在本文中用企業(yè)資金投入和政府資金投入占R&D投入經(jīng)費(fèi)的比重來表示，這兩項(xiàng)指標(biāo)對技術(shù)轉(zhuǎn)移效率影響較大。排在最低位的是從業(yè)人員素質(zhì)（A2），即R&D人員中是否擁有碩士以上學(xué)歷對技術(shù)轉(zhuǎn)移工作的有效進(jìn)行影響不大。

RF回歸結(jié)果中的重要性排序在實(shí)際使用中往往作為進(jìn)一步分析的依據(jù)，僅限于該模型中變量對目標(biāo)變量的預(yù)測能力，該方法本身在衡量相關(guān)變量時(shí)得分往往較低，在此將上述結(jié)果作為進(jìn)一步判斷影響因素重要性的依據(jù)，對于具體影響方式仍需結(jié)合其他分析進(jìn)一步探討。

2.2.2 基于Tobit回歸的影響因素分析

將技術(shù)轉(zhuǎn)移效率值作為自變量，影響因素作為因變量，利用Stata軟件進(jìn)行Tobit回歸和GMM檢驗(yàn)，分析數(shù)據(jù)如表4、5所示。Tobit基于最大似然估計(jì)原理，對影響因素變量進(jìn)行回歸，為了保證估計(jì)結(jié)果的穩(wěn)健性，采用系統(tǒng)GMM估計(jì)方法進(jìn)行評估檢驗(yàn)，無需滿足某些假設(shè)，比其他參數(shù)方法更合乎實(shí)際。

Tobit基于最大似然估計(jì)原理，對影響因素變量進(jìn)行回歸，為了保證估計(jì)結(jié)果的穩(wěn)健性，采用系統(tǒng)GMM估計(jì)方法進(jìn)行重新評估，無需滿足某些假設(shè)，比其他參數(shù)方法更合乎實(shí)際。以技術(shù)效率值為因變量，地區(qū)經(jīng)濟(jì)發(fā)展水平、從業(yè)人員素質(zhì)、對外開放程度等七個(gè)影響因素為自變量，回歸效果整體顯著。從Tobit回歸結(jié)果來看，R&D投入強(qiáng)度在10%的顯著性水平上顯著；企業(yè)支持力度在1%的顯著性水平上顯著，產(chǎn)業(yè)現(xiàn)代化程度在1%的顯著性水平上顯著，而其他變量地區(qū)經(jīng)濟(jì)發(fā)展水平（A1）、從業(yè)人員素質(zhì)（A2）、對外開放程度（A4）、政府支持力度（A5）均表現(xiàn)為不顯著。產(chǎn)業(yè)現(xiàn)代化程度對技術(shù)轉(zhuǎn)移效率具有顯著的正向作用，而企業(yè)支持力度和R&D投入強(qiáng)度系數(shù)均為負(fù)，表明R&D投入以及企業(yè)投入尚有冗余，適當(dāng)降低強(qiáng)度反而有助于技術(shù)效率的提高。GMM檢驗(yàn)結(jié)果與Tobit回歸存在部分差異，檢驗(yàn)結(jié)果中，政府支持力度（A5）表現(xiàn)為顯著，R&D投入強(qiáng)度表現(xiàn)為不顯著。

表4 效率影響因素Tobit模型回歸1）Tab.4 Tobit Model Regression1）

表5 效率影響因素GMM檢驗(yàn)1）Tab.5 Factors Affecting Efficiency GMM Test1）

Tobit回歸結(jié)果與RF回歸結(jié)果存在部分差異，如地區(qū)經(jīng)濟(jì)發(fā)展水平，在RF結(jié)果中該因素排序靠前，但在Tobit面板回歸中未能通過顯著性檢驗(yàn)，結(jié)合二者結(jié)果，以Tobit回歸結(jié)果為主，RF結(jié)果作為參考對影響因素進(jìn)行綜合分析。

2.2.3 技術(shù)轉(zhuǎn)移影響因素分析總結(jié)

根據(jù)RF和Tobit回歸結(jié)果，總結(jié)影響各省市技術(shù)轉(zhuǎn)移的因素主要是以下幾方面：

1）企業(yè)支持力度。企業(yè)是技術(shù)轉(zhuǎn)移市場中的主體，對技術(shù)創(chuàng)新有強(qiáng)烈的自身需求，企業(yè)要保持其核心競爭力，需有明顯的技術(shù)優(yōu)勢，為企業(yè)贏得豐厚的回報(bào)。企業(yè)積極開展自主創(chuàng)新對技術(shù)轉(zhuǎn)移效率提升應(yīng)有明顯的正向作用，但Tobit回歸結(jié)果與期望不符，Tobit結(jié)果顯示該指標(biāo)具有顯著的反向作用，表明企業(yè)投資仍有部分冗余，資金得不到有效回饋，適度降低企業(yè)支持力度有助于效率提升。

2）產(chǎn)業(yè)現(xiàn)代化程度。產(chǎn)業(yè)現(xiàn)代化程度指經(jīng)濟(jì)發(fā)展由第一產(chǎn)業(yè)向第二第三產(chǎn)業(yè)轉(zhuǎn)移的程度，反映地方經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)。第二產(chǎn)業(yè)是國民經(jīng)濟(jì)的主導(dǎo)，第三產(chǎn)業(yè)附加值最高，是國家富強(qiáng)的標(biāo)志。該指標(biāo)代表產(chǎn)業(yè)結(jié)構(gòu)升級優(yōu)化過程。只有滿足產(chǎn)業(yè)結(jié)構(gòu)合理化，實(shí)現(xiàn)生產(chǎn)要素的合理配置，使各產(chǎn)業(yè)協(xié)調(diào)發(fā)展，這樣才能促進(jìn)技術(shù)創(chuàng)新效率有效提升。有效提高技術(shù)轉(zhuǎn)移效率，需引導(dǎo)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)換，優(yōu)化監(jiān)管規(guī)制，充分發(fā)揮市場優(yōu)勝劣汰機(jī)制，淘汰過剩夕陽產(chǎn)業(yè)，推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級［22］。

3）政府支持力度。政府支持力度是指地方政府對技術(shù)創(chuàng)新發(fā)展的干預(yù)程度，在技術(shù)轉(zhuǎn)移體系中，政府承擔(dān)著重要的責(zé)任和工作，應(yīng)主動(dòng)承擔(dān)技術(shù)轉(zhuǎn)移的市場價(jià)值評估和監(jiān)管工作［23］。政府的適當(dāng)干預(yù)有助于技術(shù)轉(zhuǎn)移效率的提升，可以彌補(bǔ)市場失靈，實(shí)現(xiàn)風(fēng)險(xiǎn)分擔(dān)和資源合理配置，但在GMM回歸結(jié)果中，政府支持力度具有顯著反向作用，說明過度干預(yù)反而會(huì)擾亂技術(shù)創(chuàng)新的正常發(fā)展。

綜合這些影響因素，影響技術(shù)轉(zhuǎn)移效率的關(guān)鍵要素在于產(chǎn)業(yè)結(jié)構(gòu)是否合理以及R&D資源的配置，尤其是政府和企業(yè)的支持力度會(huì)較大地影響效率結(jié)果。因此需加大第二、第三產(chǎn)業(yè)企業(yè)改革力度，利用現(xiàn)代化技術(shù)積極改造傳統(tǒng)行業(yè)，實(shí)現(xiàn)產(chǎn)業(yè)優(yōu)化轉(zhuǎn)型升級，促進(jìn)科技服務(wù)的迅速發(fā)展；調(diào)整對外貿(mào)易結(jié)構(gòu)，發(fā)展自主知識產(chǎn)權(quán)；同時(shí)積極完善技術(shù)市場的建設(shè)和配置，適當(dāng)調(diào)整企業(yè)支持力度和政府支持力度，減少資金冗余。

3 結(jié)論與建議

通過DEA方法分析31個(gè)省市自治區(qū)技術(shù)轉(zhuǎn)移效率，并通過RF和Tobit兩種回歸方法分別對其效率的影響因素進(jìn)行探究。得出以下結(jié)論：

1）根據(jù)2011—2018年DEA模型分析結(jié)果，總體來看，我國31個(gè)省市技術(shù)轉(zhuǎn)移效率較多處于DEA弱有效狀態(tài)，各地技術(shù)轉(zhuǎn)移發(fā)展不均衡，有較大差距，且純技術(shù)效率較低。北京市、天津市、上海市、江蘇省等地區(qū)的技術(shù)效率較高，首都經(jīng)濟(jì)圈和長三角經(jīng)濟(jì)圈這兩大經(jīng)濟(jì)圈及周邊地區(qū)的技術(shù)效率較高，經(jīng)濟(jì)圈的輻射影響促進(jìn)了技術(shù)轉(zhuǎn)移效率的提升。中西部地區(qū)的技術(shù)轉(zhuǎn)移效率整體較低，其中廣西省、西藏自治區(qū)、新疆維吾爾自治區(qū)主要是規(guī)模效率較低阻礙了效率提高。各省市需根據(jù)兩階段DEA的效率數(shù)據(jù)，有針對性地在薄弱階段采取相應(yīng)的措施。

2）綜合RF回歸和Tobit回歸的分析結(jié)果，產(chǎn)業(yè)現(xiàn)代化程度和資源的合理配置可以促進(jìn)技術(shù)轉(zhuǎn)移效率的提高，政府支持力度和企業(yè)支持力度具有兩面性，需增大監(jiān)管力度，促進(jìn)人力物力資源的有效利用。要促進(jìn)技術(shù)轉(zhuǎn)移過程有序進(jìn)行，應(yīng)將產(chǎn)業(yè)結(jié)構(gòu)調(diào)整放在首位，積極促進(jìn)產(chǎn)業(yè)優(yōu)化升級，同時(shí)重視跟進(jìn)政府投入資金、企業(yè)投入資金具體使用方向，實(shí)現(xiàn)資源的優(yōu)化配置和合理利用。

通過對技術(shù)轉(zhuǎn)移效率和影響因素的研究提出以下幾點(diǎn)建議：

1）鼓勵(lì)各地區(qū)協(xié)同創(chuàng)新發(fā)展。目前各地區(qū)技術(shù)轉(zhuǎn)移發(fā)展較不平衡，各省市需積極推動(dòng)地區(qū)間的協(xié)同創(chuàng)新發(fā)展，建立合作機(jī)制，從而縮小差距，取長補(bǔ)短，提高地區(qū)的自主創(chuàng)新能力，因地制宜實(shí)施差異化措施，建立協(xié)同發(fā)展創(chuàng)新驅(qū)動(dòng)的網(wǎng)絡(luò)化格局。

2）調(diào)整產(chǎn)業(yè)結(jié)構(gòu)。促進(jìn)第二、第三產(chǎn)業(yè)企業(yè)改革，利用現(xiàn)代新技術(shù)進(jìn)行傳統(tǒng)行業(yè)改造轉(zhuǎn)型升級，促進(jìn)科技服務(wù)業(yè)的迅速發(fā)展；調(diào)整對外貿(mào)易結(jié)構(gòu)，發(fā)展自主知識產(chǎn)權(quán)，降低對國外市場的依賴程度［24］，提升本地產(chǎn)品競爭力，使對外貿(mào)易切實(shí)拉動(dòng)本地經(jīng)濟(jì)增長。

3）合理配置R&D資源。R&D經(jīng)費(fèi)和人員是核心創(chuàng)新資源，完善技術(shù)市場的建設(shè)和配置，適當(dāng)調(diào)整企業(yè)和政府的支持力度，調(diào)控投入產(chǎn)出結(jié)構(gòu)，公開透明經(jīng)費(fèi)使用情況，減少資金冗余，增大監(jiān)管力度，嚴(yán)防資源浪費(fèi)現(xiàn)象；優(yōu)化人才管理機(jī)制，深化考評制度改革，充分調(diào)動(dòng)科研人員的科研積極性。