產學研合作創新效率、影響因素及時空差異

姚瀟穎，衛 平

(華中科技大學經濟學院，湖北 武漢 430074)

產學研合作創新效率、影響因素及時空差異

姚瀟穎，衛 平

(華中科技大學經濟學院，湖北 武漢 430074)

選取2009—2014年省際面板數據，運用超越對數隨機前沿模型估計了中國產學研合作創新效率，并考察了其非效率影響因素。實證結果表明：產學研合作效率整體處于中等水平，有較大改善空間；非效率影響因素對合作效率影響較大，其中，政府資助和所有權結構呈顯著負向影響，初始合作資源和地理區位呈顯著正向影響；產學研合作內生投入產出機制傾向于不合理，內源性創新系統效率隨時間演變逐年損失；區域差異化明顯，高效率和較高效率區域集中于東部沿海省份，其合作效率顯著高于中西部省份，且省域內合作較為緊密，跨省域合作較少、效率較低。

產學研合作；創新效率；非效率影響因素；隨機前沿模型

1 引言

國際經濟新形勢下，產學研合作是提高自主創新能力的必要手段和科技轉化為生產力的重要途徑，也是優化配置科技資源、經濟資源和生產力要素，整合國家科技與經濟系統的有利措施，其最終目的是完善國家和區域創新體系[1]。產學研合作要求合作成員之間風險共擔、利益共享，而各主體的利益訴求和出發點不一樣，難以形成多方共贏的局面。那么，如何將創新資源最大化的轉化為生產力成為最為突出的問題。

關于產學研合作效率相關文獻的研究，可以分為定性研究和定量研究兩方面。定性研究以微觀調研為主，主要基于滿意度與認同度來評價合作績效。例如：Mora Valentin等將企業與大學或科研機構之間的合作作為整體分析，構建環境因素和組織因素影響指標體系，用滿意度與合作的持續度來評價合作績效[2]。鄧穎翔等發展了一套產學研合作績效的測量表，將產學研合作績效分為知識共享與創造、合作的附加價值兩個維度，并針對企業和學研方設計了兩套量表來調查對績效的認同程度[3]。付俊超將專家根據自己已有的知識和經驗打分記為定性指標的得分值，并提出模糊積分評價法。定量研究以中觀和宏觀視角研究居多，主要以投入產出客觀數據為依據[4]。例如：Motohashi研究發現，日本小企業的產學研合作生產率要高于大企業[5]。Brimble認為企業缺少動力、大學的剛性結構和弱激勵以及泰國分散的官僚體制等原因導致產學研合作十分脆弱。泰國高科技行業和蝦養殖業的產學研合作效率較高，紡織業合作效果不明顯[6]。車維漢、劉民婷等分別對上海市主要制造業和陜西省制造業產學研合作效率進行了測度[7-8]。樊霞、陳光華等運用DEA-Tobit兩步法測算了廣東省企業產學研合作創新效率，并深入探討其影響因素[9-10]。仇冬芳等利用DEA模型對省域產學研合作效率及效率持續性進行了研究，表明我國產學研合作效率較低，但保持了較好的增長態勢[11]。總而言之，國內外學者研究產學研合作效率時所選取的研究視角、考察對象和指標變量均有所不同，因而得出的結論并不一致。

縱觀現有研究，尚存在幾點不足。一是在投入要素的選取上，缺少產學研合作直接投入。現有研究均以R&D資本和R&D人員來代表產學研經費和人才投入，與技術創新投入變量無異，無法體現產學研合作投入特點。二是在影響因素選擇上，沒有形成一個企業與高校和科研機構聯系程度的代表性指標。

為彌補以上不足，本文選取2009—2014年30個省級行政區大中型企業的數據，在技術創新基礎變量之上，加入企業對高校和科研院所的資金投入作為投入變量，以直觀體現產學研合作投入；在考察影響因素時，將初始合作創新資源納入來體現區域企業與高校和科研機構聯系緊密程度，完善影響因素指標體系。應用隨機前沿方法(SFA)來評測產學研合作效率，分析其影響因素，并進一步考察合作效率時間及空間趨勢差異化的引致原因。

2 研究方法與模型設定

2.1 研究方法

Farrell提出的技術效率前沿生產函數測定方法是效率測度的基礎。前沿生產函數反映了在具體技術條件和給定生產要素的組合下，決策單元各投入組合與最大產出量之間的函數關系。通過比較各決策單元實際產出與理想最優產出之間的差距可以反映出綜合效率。本文將各省級行政區看作是合作創新生產的決策單元，各地區產學研合作如果實際產出與理想最優產出相一致，那么該地區產學研合作創新是技術有效的，否則是技術無效的。隨機前沿生產函數(SFA)提出了具有復合擾動項的隨機邊界模型，將隨機誤差項與技術非效率項分開，體現了樣本的統計特性，也反映了樣本計算的真實性。本文旨在研究大中型企業區產學研合作創新效率及其非效率影響因素，因此采用SFA合適。

2.2 模型設定

本文采用Kumbhakar和Lovell[12]的總結，面板數據隨機前沿生產函數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是影響無效率項的外生解釋變量，δ為無效率方程的外生解釋變量變數未知系數，wit為隨機誤差項。若δ為正(負)，則外生解釋變量對技術效率呈負(正)向影響。

技術效率TEit=exp(-uit)=exp(-zitδ+wit)，表示實際產出期望與效率前沿面產出期望的比值，其值介于0～1，當uit=0時，TEit=1，表示決策單元位于生產可能性邊界上，即技術有效，否則技術無效。

利用SFA方法時，一般常用簡單的柯布-道格拉斯生產函數和超越對數生產函數兩種形式來估計生產技術效率。本文借鑒白俊紅等[14]的設計方法，選用超越對數生產函數的隨機前沿模型：

(3)

其中，β表示待估參數的系數，j和l代表第j個和第l個投入變量，其他同前。

3 數據來源與變量說明

本文數據是依據《中國科技統計年鑒》和《工業企業科技活動統計年鑒》2009—2014年大中型企業的數據整理而得。由于本文所使用的產學研合作投入核心指標數據從2009年起在統計年鑒上開始有記載，因此選取2009年為基期。研究對象為30個省級行政區，由于西藏數據有所缺失，暫不予考慮。30個省份的研發投入產出數據均不為零，在建立生產函數時將其做對數處理。按照統計年鑒中的傳統劃分法，將30個省級行政區劃分為東、中、西三大經濟區域，以考察產學研合作創新與區域經濟發展的聯系程度。

3.1 投入變量

對于產學研合作創新活動而言，研發活動是基礎，產學研合作投入是核心。因此，對產學研合作創新績效投入指標的選擇，首先應基于與R&D活動相關的投入要素分析，再加入產學研合作投入指標。

按照現有文獻，研發投入主要分為R&D人才投入和R&D經費投入[9，15-16]。而產學研合作還應考慮合作投入，以合作研發經費來表示。因此，本文選取R&D人才投入(L)、R&D經費投入(K1)、合作研發經費投入(K2)三個指標作為投入變量。R&D人才投入(L)用R&D人員全時當量來衡量，R&D經費投入(K1)用R&D經費內部支出總額來衡量，合作研發投入(K2)用R&D外部經費支出中企業對大學和科研機構的研發支出額來衡量。借鑒吳延兵[17]的研究，采用永續盤存法核算R&D存量，將R&D經費投入(K1)和合作研發經費投入(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個地區第t年的R&D存量。Iit為第i個地區第t年實際R&D經費支出，δ為折舊率，取15%。設R&D價格指數=α1×固定資產價格指數+α2×消費物價指數，取α1=0.45和α2=0.55。以2009年為基期，對R&D當期經費支出數據進行平減，得到各地區R&D投入實際值。

基期的R&D支出存量可用下式來估算：

(5)

其中，RDSi0是指地區i的基期存量，Ii0是基期R&D經費支出實際值；g是R&D支出的年均增長率；δ為R&D支出存量的折舊率。結合式(4)和式(5)，就得到2009-2014年30個地區的R&D資本存量。

3.2 產出變量

衡量R&D產出變量的指標在學術界一直存在爭議。一部分學者使用發明專利作為衡量科技創新的產出指標，認為專利是衡量創新產出最直觀的指標[14-15，18]；而另一部分學者使用新產品銷售收入作為產出指標，認為新產品銷售收入體現了產學研合作創新活動商業價值、經濟效益以及市場接受程度[19-20]。本文認為出于商業機密的考慮，并非所有研發創新成果都會申請專利，且專利質量也無法評判，而一般而言，研發成果都會轉化為產品產生效益，因此，本文選取新產品銷售收入(Y)作為創新產出指標。以2009年不變價格水平的工業生產者出廠價格指數將新產品銷售收入折算為實際值。

3.3 技術非效率影響因素

企業是市場經濟和技術創新的主體，也奠定了企業在產學研合作中的主體地位，因此，本文主要從企業角度考慮影響因素。

(1)企業相關影響因素。政府資助(Gov)：政府一般從宏觀指導、政策支持和財政資助等方面參與到產學研合作中來。從企業角度出發，政府的干預主要體現在資金的支持上，本文采用企業R&D內部支出中政府資金占比來衡量政府資助情況。

所有權結構(Owner)：所有權結構類型對中國企業行為和績效的影響尤為嚴重，考慮企業產學研合作效率時其作用也不可忽視。本文采用各地區國有及國有控股企業資產總額占企業資產總額之比來代表所有權結構類型。

需要說明的是，2010年以后統計年鑒中不再統計大中型企業中國有及國有控股企業資產總額數據，由于國有及國有控股企業一般規模較大，幾乎包含在大中型企業之中，因此，本文用2011—2014年規模以上企業中國有及國有控股企業資產總額來近似替代大中型企業中國有及國有控股企業資產總額。

企業規模(Size)：企業的規模在一定程度上反映了企業的生產和研發能力、抗風險能力、靈活程度以及信息獲取能力，這些均會對產學研合作效率產生影響。企業規模用各地區大中型企業工業總產值/企業數來代表。

(2)區域影響因素。為了準確估計空間結構對產學研合作效率的影響，我們將區域產學研合作創新相關要素納入考慮。

初始合作資源(Resour)：從企業角度出發，產學研合作對象為高校和科研院所，區域初始合作創新資源不同，即各地區高校和科研院所數量和質量不同，在一定程度上反映了區域企業與高校和科研機構聯系緊密程度，其是否會影響產學研合作效率值得我們深究。本文用各地區高校和科研機構總量占全國高校和科研機構總數之比來表征區域合作資源的情況。

地理區位(Geog)：用地區虛擬變量來表示，東部地區為1，中西部地區為0。

本文使用的變量定義及說明見表1。

表1 變量設置與定義

綜上分析，可建立如下超越對數模型：

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t期的新產品銷售收入、R&D人才投入存量、合作研發經費投入存量和R&D人才投入，β為回歸系數。式(7)中，Gov為政府對企業創新活動的資助，Owner為企業產權結構，Size為企業規模，Resour為各地區初始合作資源，Geog為區位。

4 結果分析

科技創新活動需要一定的周期，其投入產出有一定的時滯，而時滯并沒有一個統一的標準。因此，本文將全面考察無時滯、滯后1年、滯后2年和滯后3年4種情況下的隨機前沿模型。首先，構建的似然比檢驗統計量來檢驗超越對數函數模型是否比簡單的柯布-道格拉斯生產函數更適用，其次，對隨機前沿生產函數的適應性、技術效率值、非技術效率的影響作用和產學研合作效率的時空差異性進行統計與分析。

4.1 前沿函數形式與適用性檢驗

為檢驗超越對數生產函數是否比柯布-道格拉斯生產函數更適合擬合產學研合作創新過程，我們在式(6)的基礎上建立原假設H0，即二次項系數βkk、βjj、βll、βkj、βkl、βjl均為零，構建廣義似然比檢驗統計量λ來檢驗柯布-道格拉斯函數時樣本數據的擬合情況(見表2)。可見，模型 1～4的原假設均被拒絕，選取超越對數生產函數更為合適。

表2 假設檢驗結果

注：臨界值為顯著性水平為0.05下的χ2檢驗值，自由度為受約束變量的個數。

為檢驗函數適用性，首先在不考慮影響因素的情況下對模型進行估計，結果如表3所示。從估計結果可以看出，模型1～4的γ值均在1%的水平下顯著大于0，說明存在技術非效率效應，隨機前沿分析法是適用的。

表3 未考慮影響因素的估計結果

續表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，括號內為t值，下同。

4.2 產學研合作效率及影響因素分析

本文基于超越對數前沿生產函數估計樣本數據的創新效率，分析其影響因素。表4對模型1～4的效率估計結果進行了統計性描述分析。從表4可以看出，未考慮影響因素的各模型合作創新效率平均值均比考慮影響因素時偏低。綜合來看，兩個模型中合作效率平均值最低的為0.495，最高的為0.673，也就是說產學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。可見，產學研合作總體創新效率處于中等水平，仍有很大的提高空間，有待將研發投入更有效地轉化為創新產出。

考慮影響因素的隨機前沿估計結果如表5所示。從前沿生產函數估計結果來看，模型5～8中三種投入變量的回歸系數結果基本一致，尤其是合作研發經費投入(K2)的回歸系數全部顯著且符號完全一致，可見，投入變量K2是研究產學研合作效率時應納入考慮的重要變量。

表4 產學研合作創新效率描述性統計結果

表5 考慮影響因素的估計結果

政府資助(Gov)在模型6～8中均顯著為正。說明政府對企業產學研合作的資助對其創新效率的提高起到顯著的負面抑制效果。政府資助是一把“雙刃劍”，一方面政府資助在加強企業參與產學研合作研發意愿和促進產學研合作順利啟動上起積極作用；但另一方面，政府資金的介入會對企業研發投入產生擠出效應，且由于企業R&D支出很大一部分是用在R&D人員經費上，R&D人員短期內缺乏供給彈性，因此，政府資助僅僅提高了R&D人員工資，增加了企業研發成本，而對創新活動效率的改善起不到作用。

所有權結構(Owner)在模型5～7中的回歸系數均顯著為正，模型8中不顯著。說明國有產權對產學研合作效率產生了顯著的負向影響。吳延兵證明了國有企業的生產效率和創新效率雙重損失[21]，與本文研究結果相印證。所有權結構已經成為影響技術效率的重要因素，其原因在于，國有企業雖然一般實力較強，但其缺乏有效的監督機制和激勵機制，存在著嚴重的委托代理問題、尋租問題以及普遍的運行效率低下問題，這也了導致其在知識和技術生產方面的低效率。

初始合作資源(Resour)在模型5～7中都顯著為負，模型8中不顯著為負。地區初始創新資源，體現了該地企業與高校和科研院所的聯系緊密程度，借此可以考察合作資源的可得程度是否會影響合作效率。本文實證結果證明了地區初始合作創新資源對產學研合作效率產生了顯著的正向影響，即高校和科研院所資源較多的地區企業產學研合作創新效率較高，說明區域合作資源越多，合作聯系程度越高，合作效率越高。從另一角度來看，產學研合作還并未形成普遍的跨地區合作。

企業規模(Size)在模型6中的回歸系數顯著為負，其余不顯著。大型企業生產和研發實力較強，抗風險能力較大，小型企業結構較為靈活，獲取信息更方便快捷，可以說各有優缺點，所以，企業規模對產學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作用。

地理區位(Geog)的結果顯示，以中西部為參照組，東部地區對產學研合作效率具有顯著的正向影響。地理區位不同，區域間經濟發展水平和創新資源聚集程度不同，因而會影響產學研合作效率。

4.3 產學研合作效率的時空差異分析

考察期間省域產學研合作效率均值及其排名見表6。整體上來看，全國產學研合作效率值均小于1,尚無地區達到完全有效狀態。比較各個省區的合作效率，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；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。這說明產學研合作效率存在明顯的兩極分化特征。

表6 省域產學研合作效率均值及排名

注：當某區域產學研合作效率值在[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。

產學研合作處于高效率和較高效率的主要是東部沿海省市，中部地區大多數省市處于中等效率區，而西部地區大多數省市處于低效率區。可見我國產學研合作效率區域差異化程度十分顯著，東部沿海地區效率明顯高于中西部地區。

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學研合作效率均值時間演變情況。從圖1可看出，在未考慮影響因素時，4種時間模型的合作效率均呈現緩慢下降的趨勢，可理解為在本文考察期間，產學研合作的內部創新系統并沒有優化，其投入與產出配置反而更傾向不合理，從而降低了創新效率。從圖2來看，在考慮影響因素時，4種時間模型的合作效率均呈現較為穩定的狀態。總體上，考慮影響因素時產學研合作創新效率要高于未考慮影響因素的情況，因此產學研合作效率除了受自身創新系統內部投入產出機制的調節外，受外部因素影響較大。觀察各影響因素初期到期末數據可知，國有企業所占比例有降低的趨勢，而初始合作資源的數據呈上升的趨勢，企業規模有明顯增大的趨勢，政府投入呈微弱波動狀況。可見，高校和科研機構的增多加強了區域合作創新的能力，國有企業所占比例的降低減少了合作創新效率的損失，從而抑制了產學研合作效率的降低。

圖1 未考慮影響因素的合作效率時間趨勢圖

圖2 考慮影響因素的合作效率時間趨勢圖

5 結論與啟示

據實證研究，中國產學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間均值來看，考慮影響因素均比未考慮影響因素時合作效率高，說明外部因素對產學研合作效率的沖擊較大。考慮技術非效率影響因素時，政府投入和國有性質對產學研合作效率產生顯著的負面影響，初始合作資源和地理區位對合作效率產生顯著的正向影響。從空間角度，產學研合作區域差異明顯，高效率和較高效率區域集中于東部沿海省份，其合作效率顯著高于中西部省份。結合區域合作效率差異情況可見，省域內合作較為緊密，而跨省域合作較少、效率較低，區域經濟發展水平和創新資源對產學研合作效率影響較為嚴重。依據時間趨勢，產學研合作內生投入產出機制傾向于不合理，內源性創新系統效率逐年損失。

針對中國產學研合作效率現狀，應從優化產學研合作內部機制和改善外部影響因素兩方面著手。一方面，完善產學研合作內部機制對于提高合作創新效率至關重要。一是明確產學研合作目的和目標。產學研合作應以企業為主體，高校和科研機構以其人才和智力資源為輔，全力服務于產品導向型技術創新，從而將科技轉化為生產力。二是優化科技資源配置和重組。打通產學研信息溝通渠道，使合作不停留在資金投入層面，展開人才培養與研究開發全方位合作，促進合作模式和內容多樣化發展，提升合作高度和深度。三是提高R&D投入強度和培育R&D吸收能力。加大R&D經費和人員投入可以促進提高企業自身技術創新能力，同時，推進產學研一體化，降低企業學習成本，加強企業R&D吸收能力，將投入更有效的轉化為產出。另一方面，優化產學研合作外部環境和因素是提高合作效率的重要手段。一是以市場運作模式為主，政府盡量不直接參與合作。政府應以政策鼓勵和引導為主，政府在對產學研合作進行必要資金資助時，要充分考慮企業研發實力和研發領域，將資金投入到有研發困難的企業或一些關鍵性技術、前瞻性技術等重點研發領域中去，減少對企業研發投入的擠出，確保資助的合理性和有效性。二是進一步加強國有企業改革。國有企業改革有利于增強企業動力，提高市場活力，從而提高合作效率。三是合理配置區域創新資源縮小區域差異。經濟發達地區利用資源優勢加以完善內部創新機制可以進一步加強區域創新能力，而打破地區障礙在需要的地區引入高校和科研等創新資源，才能從整體上提高合作效率，全面提升創新能力。

[1]蔡兵.創新與產學研合作[M].廣州：廣東經濟出版社,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.產學研合作績效的測量研究[J].科技管理研究,2009(11):468-470.

[4]付俊超.產學研合作運行機制與績效評價研究[D].中國地質大學,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.上海市產學研合作效率評價——基于分行業數據的DEA分析[J].科技進步與對策,2010,27(3):20-25.

[8]劉民婷,孫衛.基于DEA方法的產學研合作效率評價研究——以陜西省制造業為例[J].科學學與科學技術管理,2011,32(3):11-15.

[9]樊霞,趙丹萍,何悅.企業產學研合作的創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,楊國梁.產學研合作創新效率分析及其影響因素研究[J].科學管理研究,2014(2):9-12.

[11]仇冬芳,胡正平.我國省域產學研合作效率及效率持續性——基于省域面板數據和DEA-Malmquist生產率指數法[J].技術經濟,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.應用隨機前沿模型評測中國區域研發創新效率[J].管理世界,2009(10):51-61.

[15]官建成,陳凱華.我國高技術產業技術創新效率的測度[J].數量經濟技術經濟研究,2009(10):19-33.

[16]張煊,孫躍.產學研合作網絡的創新效率研究——來自中國省域產學研合作的數據證明[J].山西財經大學學報,2014(6):59-66.

[17]吳延兵.R&D存量、知識函數與生產效率[J].經濟學(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.中國地區工業知識生產效率測算[J].財經研究,2008,34(10):4-14.

[21]吳延兵.國有企業雙重效率損失研究[J].經濟研究,2012(03):15-27.

(責任編輯 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

教育部哲學社會科學研究重大課題攻關項目“戰略性新興產業發展研究”(10JZD0017)，中國科學技術協會項目“國際產業競爭中的專利戰略及知識產權保護狀況調查研究”(2015DCYJ07-2)。

2016-11-28

姚瀟穎(1988-)，女，湖北潛江人，華中科技大學經濟學院博士研究生；研究方向：產業經濟學、科技創新等。

F062.9

A