供給側結構性改革視角下中國科技成果轉化績效研究

馬大來 葉紅

摘要：通過構建科技成果轉化的評價指標體系，文章采用至強有效前沿的最小距離法（mSBM）測度了中國1998—2016年各省份的科技成果轉化績效，并且在分析科技成果轉化績效空間相關性的基礎上，結合供給側結構性改革背景，使用空間面板數據模型實證考察了科技成果轉化績效的影響因素。結果表明：中國科技成果轉化績效呈現出明顯的省際差異性，大多數東部沿海省份的科技成果轉化績效相對較高，而中西部內陸省份的科技成果轉化績效則不盡如人意;分地區看，東部地區的科技成果轉化績效最高，中部地區次之，西部地區最低;納入空間效應后，科技成果轉化績效在不僅在全局空間上呈現出空間依賴性，而且在局部空間上表現出空間異質性，且大部分省份的科技成果轉化績效位于空間集聚區內，少量省份處于空間離群區內;空間計量模型結果顯示，產業結構、金融結構、人力資本結構、經濟發展水平、外商直接投資有效促進科技成果轉化績效提升，而產權結構和政府干預則對科技成果轉化績效表現出抑制作用。

關鍵詞：供給側結構性改革;科技成果轉化績效;mSBM;空間計量模型;影響因素

中圖分類號：F204;F0624???文獻標志碼：A???文章編號：1008-5831（2020）01-0045-16

一、問題提出

改革開放以來，中國的科技實力取得了長足發展，在許多前沿領域已經接近或者達到世界先進水平，逐步實現由“跟跑者”向“并行者”“領跑者”角色轉變。與此同時，盡管中國已經成為僅次于美國的第二大經濟體，但是經濟增長中不協調、不平衡、不可持續的短板依舊嚴重，尤其是大多數產業仍處于鏈條的最低端，且具有高附加值的研發領域十分薄弱。數據顯示，當前中國的科技進步貢獻率僅為55%，而德國、美國等發達國家的科技貢獻率普遍超過80%。來自世界產權組織（WIPO）的報告表明，2011年中國超過美國成為專利申請第一大國，但是專利技術的實施率僅為0.29%。由此可見，科技成果供給低效、與經濟發展聯系不緊密已經成為制約中國科技創新的重要問題。因此，探討實現科技成果高效轉化的有效路徑，將科技創新成果真正轉變成推動經濟社會發展的現實動力，提高經濟發展質量，這對于中國加快實施創新驅動發展戰略無疑具有重要意義。

在2015年11月的中央財經小組會議上，習近平總書記首次提出供給側結構性改革，為中國深化經濟社會改革指明了方向。而供給側結構性改革的核心命題，就是采用改革的辦法推進結構性調整，矯正要素配置扭曲，擴大有效供給，進而提升供給側結構對需求側變化的適應程度。不少學者的研究表明，影響中國科技成果轉化不僅有產業結構、金融發展以及人力資本等要素配置的因素，也包括產權改革等體制機制因素;因此，推進供給側結構性改革，改變影響中國科技成果轉化的不利因素，這無疑為科技成果的有效供給提供重要思路。除此之外，由于中國地域廣大，資源稟賦、經濟發展等差異導致科技創新呈現出區域不平衡性，那么中國科技成果轉化是否也有顯著的空間差異性，這同樣也是不可忽略的重要因素。有鑒于此，中國的科技成果轉化績效究竟有多高？又是否呈現出典型的空間依賴性？供給側的結構性調整是否能夠有效提升科技成果轉化績效？這些都是本文所要探討的重點。

二、文獻回顧

一般而言，科技成果轉化是連接科技知識與現實生產力的重要橋梁，同時也是將科學技術轉化為現實效益的主要途徑?？萍汲晒D化績效則是綜合反映了相關要素投入與產出結果之間的比例關系。提升科技成果的轉化績效，無論對于一個企業還是對于一個國家，其重要意義不言而喻[1]。因此，國內外學者對科技成果轉化展開大量研究。通過梳理已有文獻，發現相關研究集中在三個方面：一是科技成果轉化的表現形式?？萍汲晒D讓、建設科技園、產學研結合以及企業自我研發是當前科技成果轉化的四種主流模式[2-3]。二是科技成果轉化績效的評價指標。按照不同的標準劃分，主要分為單一指標、復合指標和指標體系三種類型，但考慮到全面性和靈活性原則，大部分學者主要采用構建指標體系的方法來表征科技成果轉化績效[4-5]。三是科技成果轉化績效的評價方法。主流的方法有兩種：第一種是數據包絡分析方法（DEA），例如Chapple 等[6]、羅彪和盧蓉[7]等學者采用DEA方法評價了科技成果轉化績效;第二種是隨機前沿分析法（SFA），陳關聚[8]、董潔和黃付杰[9]等學者采用該方法分別從行業和區域角度測算了中國的科技成果轉化績效。此外，還有部分學者采用神經網絡法、模糊評價法、TOPSIS法等開展科技成果轉化的績效評價[10-12]。

伴隨著中國提出了創新驅動發展戰略，國內學術界高度重視當前科技成果轉化低效的問題。已有研究表明，資金投入不足、人才配置不合理、體制僵化以及機制不靈活是當前阻礙中國科技成果轉化的重要因素[13]。有鑒于此，不少學者從結構調整、資源配置等視角探討提升科技成果轉化績效的路徑。鐘優慧采用DEA方法測算了中國2002—2012年的科技成果轉化率，并實證分析了人力資本結構對科技成果轉化率的影響，結果表明人力資本結構優化對提升科技成果轉化率有顯著提升作用[14]。蘇世彬和李蘋探討了要素價格扭曲對科技成果轉化效率的影響，結果表明勞動要素和資本要素的價格扭曲對科技成果轉化效率提升產生了顯著的負面影響[15]。劉永千使用層次分析法評價了上海市的科技成果轉化能力，結果顯示科技成果轉化效率仍有改善空間，且資金、人才等要素對提升科技成果轉化能力的貢獻度最大[16]。何悅等的研究結果印證了科技轉化機制不健全、資源配置不合理是導致大學科技成果轉化低效的重要原因[17]。何彬和范碩的研究則發現，產業結構、資源稟賦等因素對中國大學科技成果轉化績效有顯著的影響[18]。

綜上所述，盡管當前國內外學者對于科技成果轉化績效的研究有一定積累，但是仍舊存在兩個方面的短板：其一，現有科技成果轉化的評價指標體系較多重視經濟效益、社會效益指標，忽略科技成果轉化所產生的環境效益，這與中國倡導綠色發展戰略明顯不符;其二，在探討影響科技成果轉化績效的結構性因素時，多數文獻基于單一視角開展研究，譬如產業結構、人力資本結構等，不僅較少涉及產權結構、金融結構等因素，而且更是鮮有文獻將所有結構要素納入供給側結構性改革的框架內。有鑒于此，本文在以下兩點實現了拓展：一是構建了包括環境效益在內的科技成果轉化績效的評價指標體系;二是在供給側結構性改革的背景下，探討影響中國科技成果轉化績效的主要結構性因素，并開展系統性的實證考察，有利于克服已有研究的視角過于單一的缺陷。

三、測算方法、指標體系和數據來源

（一）至強有效前沿的最小距離法

本文采用當前DEA中較為前沿的mSBM模型來測算中國的科技成果轉化績效。借鑒Jahanshahloo等[19]的研究成果，本文提出了至強有效前沿的最小距離法，簡稱mSBM。較之以往其他類型的DEA模型，該方法的最大特色是通過尋找在生產前沿上距離最小的投影點，從而實現對投入產出最有效的配置，基于此測算出被考察對象的效率值。

假定構建一個包含投入產出變量的完整生產體系，該體系被劃分為n個決策單元，每個決策單元均由m個生產要素和s個產出結果所構成。為方便表征，要素投入、產出結果分別由公式X=（x1，x2，...，xn）∈Rm×n+、Yg=（yg1，yg2…，ygn）∈Rs1×n+表示。DMU0=（x0，yg0，yb0）表示將要測算的決策單元。所有可能性的生產集合由向量pt（x）={（x，y）：x能生產y}所表征。那么在所有生產集合的上面，至強有效前沿產出單元則由Fs（P）所表示。

在整個生產體系的投入產出運行過程中，通過對在生產前沿上尋找出距離最小L1的基礎上，那么至強有效前沿的最小距離法的基本模型為：

（mSBM）?min（?mi=1s-i0+?s1r=1s+r0）+M（?mi=1

s-i0+?sr=1s+r0）?????s-i0≥0，i=1，...，m?????s+r0≥0，r=1，...，s（1）

max（?mi=1s-i0+?s1r=1s+r0）

s.t.??j∈Ecλjxij+s-i0=xi0-s-i0

j∈Ecλjyij-s+r0=yi0+s+r0

λj≥0，s-i0≥0，s+r0≥0（2）

在式（1）中，s-i0、s+r0、s-i0、s+r0代表投入要素和產出結果的松弛變量，意味著在效率改進過程中投入產出所能改變的程度。M為模型中的常數項，一般為取值較大的正數。式（2）則為該模型的約束條件。假如將式（1）和式（2）兩者實現結合，則整個模型表現出一個典型的二層線性規劃，即為本文所提出的mSBM模型，亦或稱之為至強有效前沿的最小距離法。相比較于傳統最大距離法的SBM模型，mSBM模型是對其進一步優化改進。假如該模型的約束條件式（2）轉化為：

min?（1-1m?mi=1s-i0/xi01+1s?sr=1s+r0/yr0）（3）

將式（1）和式（3）實現結合，則該模型由mSBM模型轉變成傳統的SBM模型。但是SBM模型要成立，前提條件是要保證分子取值最小化，分母取值實現最大化。而分子、分母要想取值合理，只要保證公式?mi=1s-i0/xi0、?sr=1s+r0/yr0等取值最大即可。一般而言，這兩個公式取值大小由松弛變量s-i0、s+r0所決定。因此，在效率測算過程中，只有確保松馳變量實現最大化的取值，才能實現整個模型的約束條件取值最小化。以上比較表明，mSBM和SBM兩個模型在測算原理上呈現出明顯的對立性。相較于傳統的SBM模型，mSBM模型最大優點是實現了生產前沿投影點由最大距離向最小距離的轉變，即經過最小幅度的投入產出變動即可以實現效率最優化的改進。在現實的經濟生產活動中，采用mSBM測算出的效率值，能夠以最小的變動成本實現最優化的資源配置，有利于節約經濟資源，這對于生產者制定經濟決策無疑有較大的參考價值。

（二）指標體系構建

要準確測度本文的核心內容——科技成果轉化績效，前提是要構建科學合理的評價指標體系。按照目的性、全面性、對應性、精簡性和可操作性的原則，同時結合中國科技創新的實際情況，本文構建了表征科技成果轉化的投入產出指標體系。該指標體系包括人力、資本和技術三類投入要素，經濟效益、社會效益和環境效益三類產出結果。經過篩選后，本文最終設計出由9個具體指標所構成的科技成果轉化評價指標體系（見表1）。

在整個評價指標體系中，本文選取的投入指標包括：（1）人力投入。選取R&D人員全時當量作為人力投入指標，具體指從事研發的全時人員數加非全時人員按工作量折算為全時人員數的總和。（2）經費投入。選取R&D內部經費支出表征經費投入，具體包括用于R&D 項目（課題）時的直接費用或者相關的間接費用兩個部分。同時，為消除價格通貨膨脹的影響，借鑒朱有為和徐康寧[20]的研究成果，以1997年為基期，將不同年份的R&D 內部經費支出利用組合R&D價格指數進行平減。此外，本文采用公式為RDSi，t=（1-δ）RDSi，t-1+RDFi，t的“永續存盤法”將R&D經費的流量指標轉化為存量指標，其中RDSi，t代表第i省份第t年的R&D資本存量，RDFi，t代表第i省份第t年的R&D資本流量，折舊率δ的取值為15%[21]。1997年基期資本存量的計算公式為RDSi，1997=RDFi，1997/（gi+δ），gi為第 i省份 R&D 資本流量的年均增長率。（3）技術投入。張權認為，授權專利專門指對產品、方法或者工藝提出新的技術方案，不僅是一種最重要的科技成果形式，而且是轉化為新產品最直接的技術要素[22]。因此，本文選取專利申請授權量表示技術投入。

本文從經濟效益、社會效益和環境效益三個方面設計產出指標：（1）經濟效益。選取新產品銷售收入、技術服務收入兩個指標表征經濟效益。其中，新產品銷售收入是科技成果市場轉化所帶來的直接經濟效益，反映科技成果的市場接受程度。同時，為消除價格通貨膨脹帶來失真的影響，借鑒嚴太華等[23]的研究結論，本文使用工業品出廠價格指數將名義新產品銷售收入平減為以1997年為基期的實際新產品銷售收入。技術服務收入也是科技成果市場轉化所帶來的重要經濟效益，同樣采用工業品出廠價格指數進行平減，轉變為1997年的不變價格。（2）社會效益。選取全社會從業人員、城鎮居民人均可支配收入和農村居民人均純收入三個指標表征社會效益。其中，全社會從業人員的數量直接反映出一個地區的就業水平好壞;城鎮居民人均可支配收入和農村居民人均純收入則反映出城鄉居民的收入情況，是該地區居民生活水平高低的重要體現。同樣，為消除通貨膨脹的負面影響，本文采用居民消費價格指數進行平減，將城鎮居民人均可支配收入和農村居民人均純收入兩個指標轉化為以1997年為基期的不變價格。（3）環境效益。采用環境綜合指數表征環境效益，具體通過對空氣質量優良率、工業廢水處理率和工業固體廢棄物綜合利用率等三個指標，運用熵值法予以計算出。該指標綜合反映了地區環境質量的優良程度。其中：空氣質量優良率具體以空氣質量達到二級以上監測天數占全年監測總天數的比重表示，是體現該地區空氣質量好壞的重要指標;工業廢水處理率指工業廢水處理量與工業廢水排放量之間的比值，反映該地區對水源水質的保護情況;工業固體廢棄物綜合利用率具體以工業固體廢棄物綜合利用量占工業固體廢棄物產生量的比重來表示，是衡量該地區固體廢棄物循環回收利用的重要體現。

（三）數據來源

為充分遵循數據搜集的全面性和可獲得性兩個原則，本文最終選擇中國1998—2016年30個省份（香港與澳門特別行政區、西藏自治區、臺灣地區除外）的面板數據作為實證分析的考察樣本。由于科技成果資源從投入轉化為最終產出具有一定的時滯性，取滯后期為1年，即：投入指標的數據為1997—2015年，產出指標的數據為1998—2016年。所有指標的數據均來自于《中國統計年鑒》《中國科技統計年鑒》《中國環境年鑒》與各地方統計年鑒。

四、科技成果轉化績效評價及其空間相關性

（一）科技成果轉化績效的靜態時序分析

基于前文構建的科技成果轉化評價指標體系，本文采用maxDEA軟件測算出中國1998—2016年30個省份的科技成果轉化績效，其具體結果見圖1。根據圖1的測算結果，在樣本考察期內，僅有北京和上海的平均科技成果轉化績效為1，實現科技轉化效果的最優，而其他省份的科技成果轉化績效均低于1，離生產前沿面尚存在一定距離。從各省份科技成果轉化績效的平均值看，全國排名前五位的省份分別為北京、上海、天津、廣東和浙江，其平均科技成果轉化績效均超過0.93。這些省份的科技成果轉化績效之所以較高，一方面，這些省份均位于東部沿海地區，經濟發展水平較高，且擁有數量眾多的高校和科研院所，儲備了充足的科研人員，為科技成果產出與轉化提供了充足的經費和人力支持;另一方面，市場化水平較高，科技與市場緊密結合，科技成果轉化的經濟社會效益較高，加之體制機制較為靈活，因而科技產出轉化較為理想，有相對成熟的科技成果轉化模式?？萍汲晒D化績效位居全國后五位的省份分別是山西、甘肅、內蒙古、青海和貴州，其平均效率值均不足0.55。這些省份的效率值之所以較低，其原因在于，經濟發展水平較為落后，科技研發經費不足，加之高校和科研院所的數量較少，專門從事科研活動的人員數量嚴重不足。此外，科技轉化的體制機制僵化，不能與市場形成有效結合，導致研發投入和產出效益出現不對稱問題?？梢?，中國科技成果轉化績效呈現出顯著的省域差異性，科技成果轉化績效較高的省份主要分布在東部沿海地區，而中西部內陸省份的科技成果轉化績效則相對較低。加快科技成果轉化相對低效的中西部省份的發展速度，不僅有助于縮小不同省份間科技成果轉化的差距，而且對于提升中國整體的科技發展水平具有重要意義。

為進一步考察中國科技成果轉化績效的動態變化過程，圖2給出了全國及其東、中、西部的1998—2016年期間科技成果轉化績效的變動趨勢。由圖2可知，除東部地區外，全國與中西部地區的科技成果轉化績效變化較為一致。其中，東部地區的科技成果轉化績效在考察期內的個別年份有所上升，但整體上變化不大。中部地區的科技成果轉化績效變化呈現兩個截然不同的階段，2004年之前呈現出明顯的上下波動態勢，2004年之后則表現出平穩上升的趨勢。同中部地區一樣，西部地區的科技成果轉化績效變化也分為兩個不同階段，2006年之前同樣上下劇烈波動，2006年之后則表現較為平穩。從三大地區的科技成果轉化績效的差異性看，區域分化尤為明顯。東部地區的科技成果轉化績效平均值高達0.851 3，遠高于全國0.686 6的平均水平;中部地區的科技成果轉化績效平均值為0.641 4，接近全國的平均水平;而西部地區的平均效率值僅有0.559 9，低于全國的均值水平。由此可見，中國東部地區的科技成果轉化最為高效，中部地區次之，西部地區最低。

（二）科技成果轉化績效的空間相關性分析

中國的區域面積廣大，不同省份之間的地理位置、經濟發展存在顯著的差異性，因此在科技成果轉化過程中，不可避免地存在資源的流動與交換。一般而言，一個省份的科技成果轉化往往會對其他省份產生重要影響，這就表現出顯著的空間溢出效應。省份之間的距離越近，這種溢出效應表現越強烈，尤其是相鄰省份表現得更為突出，這就是本文所要考察的科技成果轉化績效的空間相關性。空間相關性具體表現為空間集聚性和空間異質性兩個方面，前者指由于溢出效應的存在，鄰近省份的科技成果轉化績效表現出較強的相似性，發生了集聚現象;后者則由于空間不均質性的原因，不同省份的科技成果轉化績效具有中心和外圍的差別，發生了離群現象。一般而言，表征空間相關性的量化指標為全局Morans I，其具體的公式如下[24]：

MoransI=n?ni=1（xi-x）2?ni=1?nj=1Wij（xi-x）（xj-x）?ni=1?nj=1Wij（4）

在式（4）中，n代表在空間上所要考察的單元數量。xi和xj分別為i地區、j地區的觀測值，具體表征不同空間單元的空間數值屬性，x=（?nixi）/n，代表所有空間單元觀測值的平均數。一般而言，全局Morans I的最終取值始終在-1和1的區間之內，并且不同的取值代表了不同的空間相關性。當Morans I取值為最大值1時，表示所有空間單元的觀測值具有顯著的空間正相關性;當Morans I取值為最小值-1時，則意味著所有空間單元的觀測值呈現出顯著的空間負相關性;僅當Morans I取值為0時，表明各個空間單元之間是獨立的，不存在任何的相關性。Wij為公式中的空間權重矩陣，一般常用的是鄰接權重矩陣，其基本形式由0和1所構成。

Wij=1?i地區和j地區相鄰0?i地區和j地區不相鄰（5）

全局Morans I被測算出來后，還有失真的可能性存在，故其顯著性檢驗是有必要的。有鑒于此，本文選擇Z-score正態分布方法驗證Morans I的顯著性。假如Morans I的Z-score統計量通過了10%、5%、1%三種顯著水平的檢驗，則意味著Morans I具有真實性。Z-score正態分布的表達公式如下：

Z（d）=Morans I-E（Morans I）VAR（Morans I）（6）

全局Morans I只能反映所有空間單元在全局上的空間分布特征，而對于其在局部上的空間分布情況則無法考察，這里需要引入局部空間散點圖（LISA）。為深入考察不同省份科技成果轉化績效在局部上的空間分布特征，本文通過采用局部空間相關性指標——局部散點圖（LISA）來研究被考察對象內部詳細的空間異質性問題。其中，局部Morans I的公式為[25]：

MoransI=n2?ni=1（xi-x）2（xi-x）?ni=1?nj=1Wij（xj-x）?ni=1?nj=1Wij（7）

基于式（4）—式（6），本文采用Geoda 軟件計算出中國1998—2016年30個省份科技成果轉化績效的全局Morans I指數，其具體結果如表2所示。由表2可以看出，科技成果轉化績效的Morans I取值在樣本考察期內均為正數，且在5%或1%的臨界水平上表現顯著，由此驗證出中國省際間科技成果轉化績效具有顯著的空間相關性特征。與此同時，隨著時間推移，Morans I呈現出緩慢上升的趨勢，表明這種空間相關性逐漸增強，這反映出空間因素對科技成果轉化績效的變遷具有重要影響。省際間的科技成果轉化績效并不是相互獨立的，相互之間不存在任何的聯系，相反在空間上具有顯著的空間集聚性特征，即相鄰省份的空間模仿效應表現強烈。由此表明，在深入研究中國省域間科技成果轉化績效時，這種強烈的空間相關性特征是不應該被忽略的，相反要予以充分重視。假如這一重要特征未能被納入整個研究的框架，則可能導致實證分析結果出現重大偏差。

為深入觀察科技成果轉化績效在局部上的空間分布特征，圖3給出1998—2016年中國科技成果轉化績效的局部散點圖（LISA）。整個局部散點圖分為四個截然不同的象限，其中第一象限為高值集聚區域、第三象限為低值集聚區域，這兩個象限均為典型的空間集聚區，代表自身的科技成果轉化績效水平較高（低），且四周相鄰省份的科技成果轉化績效也較高（低）;二、四象限則屬于空間離群區，代表自身的科技成果轉化績效較高（低）而周圍相鄰省份的科技成果轉化績效則較低（高）。此外，在具體的空間屬性上，位于一、三象限的省份是典型的中心區域，而二、四象限的省份則是非典型的外圍區域。其中，位于第一象限的有北京、上海、天津、浙江、江蘇、福建、山東和河北等8個省份，占所有統計省份的26.67%，這些地區均是典型的高值集聚區;位于第二象限的有遼寧、河南、安徽、內蒙古、江西和廣西等6個省份，占所有統計省份的20.00%，這些地區是非典型的空間離群區;湖北、湖南、吉林、黑龍江、山西、陜西、重慶、四川、寧夏、青海、甘肅、新疆、貴州、云南等14個省份則處于第三象限，為典型的低值集聚區，占全部統計省份的46.67%;僅有廣東和海南等2個省份位于第四象限，同樣為空間離群區，占所有統計省份的6.67%。以上可知，中國大部分省份屬于典型的高值集聚區（H-H）和低值集聚區（L-L），這一比重高達73.34%;只有少量省份位于空間離群區，其所占比重僅有26.67%?？梢?，中國的科技轉化績效在局部空間分布特征上，不僅有顯著的空間依賴性的存在，同時也有空間異質性的表現。

五、科技成果轉化績效影響因素的空間回歸分析

（一）空間計量模型構建與數據來源

根據前文的研究結果可知，科技成果轉化績效存在較大的省域差異性，因此深入考察影響科技成果轉化的外在因素，對于提升中國整體科技發展水平具有重要意義。供給側結構性改革無疑給中國提升科技成果轉化水平提供了重要思路。結合供給側結構性改革核心命題——結構調整因素，本文從以下四點分析對科技成果轉化績效的影響：第一，產業結構（IND）。不同產業部門的科技成果吸收能力存在差異性，一般而言，產業結構越高級，其對科技成果的吸收能力就越強，因而產業結構優化有利于促進科技成果轉化[26]。第二，產權結構（PRO）。已有研究表明，受國家宏觀經濟政策的影響，不同產權制度的企業具有差異性的激勵機制，這不僅會直接影響企業日常生產活動，而且會間接作用于企業對先進科技成果的采納和吸收能力，進而對地區科技成果轉化產生重要影響[27]。第三，金融結構（FIS）。金融結構反映出市場上國有商業大銀行與中小商業銀行的構成關系，是衡量金融發展水平的重要體現。較之中小商業銀行，國有大銀行能為科技成果轉化提供更好的貸款融資、風險分散和價格發現等服務，因此國有大銀行占主導地位的金融結構利于提升科技成果轉化績效。第四，人力資本結構（HUM）。科技成果的研發與轉化主要由高素質的科研人員完成，人力資本結構越高級，越有利于促進科技成果轉化[28]。除了以上主要的結構性因素外，經濟發展水平（GDP）、外商投資（FDI）、政府干預（GOV）等是影響科技成果轉化績效重要的經濟因素與政策因素，本文也將其納入影響因素的分析框架之中[29]?；谝陨戏治?，本文從產業結構、產權結構、金融結構、人力資本結構、經濟發展水平、外商直接投資和政府干預等七個方面考察其對科技成果轉化績效的影響。

前文驗證出中國科技成果轉化績效呈現出顯著的空間自相關性，但傳統的普通計量模型采用的是最小二乘估計法，未能將研究對象的空間效應包含在內，可能導致實證分析結果出現較大偏差。同時還要說明的是，由于 DEA方法測度出的效率值介于0和1之間，因此回歸方程的因變量被限制在這個區間。Griliches的研究表明，這種情況下如果再使用傳統的最小二乘法做估計，會給參數估計帶來有偏向于0的情況，可能造成回歸結果與實際不一致[30]。由于空間計量模型所采用的是極大似然估計（ML），能夠較好地克服傳統的最小二乘法估計結果有偏的問題。有鑒于此，為提高模型估計的準確性，有必要將研究對象可能存在的空間效應包含在內，將傳統的普通計量模型改進為空間計量模型。結合空間計量模型的基本形式，本文構建科技成果轉化績效影響因素的空間面板數據模型如下：

TEi，t=αi+φt+β1INDi，t+β2PROi，t+β3FISi，t+β4HUMi，t+β5GDPi，t+

β6FDIi，t+β7GOVi，t+δ?jWij（TEi，t）+μi，t

μi，t=λ?jWijui，t+εi，t（8）

該模型是包含SEM和SAR兩種形式的空間固定效應模型，δ、分別表示空間自回歸項和空間誤差項。假如空間自回歸項δ的取值顯著為0，則該模型變為空間誤差模型（SEM）;若空間誤差項的取值顯著為0，則該模型轉變成空間自回歸模型（SAR）。αi、φt代表該模型不同的固定效應屬性，前者為空間固定效應，后者為時間固定效應。

在模型（8）中，各個變量具體涵義如下：TE為模型的因變量，代表科技成果轉化績效;IND為產業結構，用第三產業增加值比上GDP來表示，同時由于該自變量與因變量科技成果轉化績效之間存在雙向因果聯系，為避免這一問題，本文選擇將該變量進行滯后一期的處理;PRO代表產權結構，用規模以上國有及國有控股企業的工業產值占工業總產值的比重來表征;FIS代表金融結構，用金融市場上四大國有商業銀行（工、建、中、農）年末貸款余額占全部金融機構的年末貸款余額的比重來表示;HUM代表人力資本結構，用16歲以上勞動力中受教育程度大專及以上的人數占全部總人數的比重來表示;GDP為經濟發展水平，用各個省份歷年人均GDP的自然對數來表征，同樣為避免該自變量與因變量出現雙向因果聯系的問題，對該變量進行滯后一期的處理;FDI代表外商直接投資，用以標準匯率將美元換算成人民幣的外商直接投資額占GDP的比重來表示;GOV代表政府干預，用地區的財政支出額占GDP的比重來表征。

為提高各變量指標數據搜集的質量，本文最終選擇1998—2016年30個省份（香港與澳門特別行政區、西藏自治區、臺灣地區除外）的面板數據作為實證考察的樣本。所有變量的數據均來源于《中國統計年鑒》《中國勞動統計年鑒》《中國金融年鑒》《新中國六十年統計資料匯編》和地方統計年鑒。

（二）實證結果及其解釋

本文首先采用最小二乘法對模型（8）開展估計，并進一步驗證整個模型的殘差項是否有顯著的空間相關性，其具體的估計結果見表3。此外，為驗證模型是否有控制固定效應的必要性，從而提升整個模型回歸的精確度，表3還同時給出混合面板、空間固定效應、時間固定效應和雙向固定效應等四個不同固定效應模型的估計結果。通過對四個不同固定效應模型的估計結果進行比較分析，以此判斷模型孰優孰劣，從而選擇出估計結果最優的模型。

由表3的估計結果可知，首先比較四個模型的擬合優度的判定系數大小，混合模型、空間固定效應模型、時間固定效應模型和雙向固定效應模型分別為0.571 1、0.128 9、0.594 2和0.074 9，這表明時間固定效應模型的擬合優度的判定系數要大于其他三個模型，反映出時間固定效應模型的擬合度最優;其次比較各模型的DW值，四個模型的DW值依次是1.692 4、1.752 2、1.980 1和1.785 5，同樣是時間固定效應模型超過其他三個模型。通過以上比較發現，較之其他三個模型，時間固定效應模型的估計結果表現最優。有鑒于此，時間固定效應模型是本文開展實證分析最為合適的模型。與此同時，為進一步表明整個模型估計是否還有顯著的空間自相關性存在，表3下半部分給出LM-sar和LM-err的檢驗結果。在時間固定效應模型中，LM-sar的統計值為22.412 0，LM-err的統計值則為9.288 7，且兩者的統計結果均通過1%顯著水平的檢驗，由此驗證出普通模型的估計結果具有顯著的空間自相關性，而傳統的最小二乘法是無法解決該問題的，整個模型不可避免地存在著一定的偏差，故采用空間計量模型進行重新回歸是有必要的。此外，LM-sar的統計量要遠大于LM-err的統計量，表明空間自回歸模型比空間誤差模型更適合本文的選擇。

由于傳統的普通計量模型不能解決估計結果出現的空間自相關問題，因而本文選擇使用空間計量模型對模型（8）進行重新估計，分別得到SAR和SEM兩種結果，具體內容如表4所示。根據表4的結果，空間自回歸項spat.aut.和空間誤差項W*dep.var.的系數在1%水平上顯著為正，這進一步驗證了使用空間計量模型的正確性。一方面，空間計量模型的擬合優度的判定系數和對數似然函數值均在原有普通模型的基礎上實現了提升;另一方面，空間計量模型各變量的估計系數正負與普通模型保持一致，但是T檢驗值同樣在原有基礎上實現改進。這充分表明，空間計量模型的估計結果較之普通模型實現了改進和優化。此外，通過比較SAR和SEM的Log-L統計值大小后發現，前者要大于后者，說明SAR的整體解釋力度更強。因此，本文主要選擇空間自回歸模型（SAR）各變量的估計系數進行實際的解釋分析。

產業結構（IND）一期滯后項的估計系數為正，且通過了5%顯著水平的檢驗，這表明產業結構優化對加快科技成果轉化起到明顯促進作用。這也從側面反映出，隨著中國供給側結構性改革的深入推進，不少地方政府大力實施“退二進三”的產業結構調整策略，以減少第二產業的過剩產能，大力發展第三產業，從而促進產業結構不斷優化。相關數據表明，1997年中國第三產業增加值占GDP的比重僅為30.93%，而截至2015年這一比重高達50.47%，19年間增加了近20個百分點，遠遠超過一、二產業的增加速度。不斷優化的產業結構，不僅增強了整個產業部門的技術吸收能力，而且對新技術提出更高的需求，利于帶動地方開展產學研合作，進而提升整個地區的科技研發與轉化能力。

產權結構（PRO）的估計系數為負，且通過了1%顯著水平的檢驗，這顯示出國有經濟份額的提升反而不利于提升科技成果轉化績效。這進一步說明，較之于非國有企業，國有企業體制機制較為僵化，且企業生產活動與市場結合度也較差，因而其采用先進生產技術和管理方法的積極性不如非國有企業。因此，這也有效印證，當前中國積極推進混合所有制改革，通過實施“國退民進”策略，促使國有企業建立現代產權制度，在微觀上可以完善國有企業的激勵機制，從而增加企業對于新技術、新工藝吸收和采納的積極性，這顯然有利于促進地區加快科技成果轉化。

金融結構（FIS）在5%顯著水平上對科技成果轉化績效的影響為正，這意味著金融市場上國有銀行的份額越高，越有利于提升科技成果轉化績效。一般而言，科技成果轉化的運行周期長，且存在著較大的失敗概率，因而“高收益、高風險”是其顯著特征。小銀行限于資金實力薄弱、服務水平較低的影響，并不愿意提供貸款資金用于支持這種高風險的活動。只有資金實力雄厚，且受國家創新政策引導的國有商業大銀行，才能為科技成果研發與成果轉化活動提供資金和服務的支持，有助于形成持續性的轉化機制，從而能大幅度提升地區科技成果轉化效果。

人力資本結構（HUM）在1%顯著水平上對科技成果轉化績效的影響為正，表明人力資本結構高級化對提升科技成果轉化績效產生促進作用。由于科技研發與成果轉化對勞動力的知識能力提出了較高的要求，而高素質的研發人才正是支撐科技成果轉化的智力保障。特別是中國持續加大教育的投入力度，使得高等教育得以長足發展，勞動力的受教育水平不斷提高。數據也表明，中國擁有大專及以上受教育水平的勞動力占全部勞動力的比重由1998年的3.5%提升到2016年的19.4%，19年間增加了近16個百分點。由此可見，隨著中國高素質勞動力逐年增多，為實現科技成果的高質量轉化提供了豐富的人才儲備。

經濟發展水平（GDP）一期滯后項的估計系數為正，且通過了10%顯著水平的檢驗，這表明人均GDP的提高有利于提升科技成果轉化績效。一方面，地區經濟發展水平越高，其擁有的科技資源也就越豐富，支撐科技成果轉化的物質條件也就越充足;另一方面，經濟水平較高的地區，其市場化程度也較高，科技與市場的聯系緊密，且科技創新的體制機制也較為完善，這些都為實現科技成果高效轉化提供了必要的制度條件。同時這也較好詮釋了，往往經濟越發達的國家，其科技轉化和利用效率也越高。

外商直接投資（FDI）在1%的顯著性水平上對科技成果轉化績效的影響為正，表明地區增強吸引外資的能力有利于促進科技成果轉化。通常而言，吸引外資越強的地區，其對外開放程度也越高，市場競爭激烈，對企業產出水平也提出更高的要求，必然會驅動地區加大科技的投入力度，實現生產技術革新。與此同時，在對外開放過程中，東道國能夠引進國外先進的技術和管理經驗，不斷提升自身的科技水平，其對國外科技成果的需求和吸收轉化能力也就越強。尤其是隨著以研發為目的“高質量”外商投資的大量出現，更是為提升科技成果轉化提供了重要渠道。

政府干預（GOV）的估計系數為負，且通過了1%顯著水平的檢驗，表明地區財政支出增加會對提升科技成果轉化績效產生抑制作用?？赡艿脑蚴?，盡管財政支出為科技成果轉化提供了一定的經費支持，但是過度的政府干預扭曲了資源要素的配置，尤其是對科技與市場的結合帶來嚴重負面影響，這反而會降低科技成果轉化績效。

六、主要結論及政策啟示

本文在構建科技成果轉化評價指標體系的基礎上，采用至強有效前沿的最小距離法（mSBM）測算出中國1998—2016年30個省份的科技成果轉化績效;同時在分析了科技成果轉化績效空間效應的基礎上，結合供給側結構性改革背景，構建空間面板數據模型實證考察了科技成果轉化績效的影響因素。研究結果表明：在樣本考察期內，科技成果轉化績效表現出顯著的省際差異性特征，科技成果績效較高的省份大多數位于東部沿海地區，而中西部內陸省份的科技成果轉化績效則不盡如人意;分地區看，東部地區的科技成果轉化績效最高，中部地區的績效水平次之，西部地區則最低。根據全局Morans I指數的計算結果，科技轉化績效在空間上呈現出顯著的空間相關性，相鄰省份間的空間模仿效應表現強烈;空間LISA圖則更是直觀反映出，中國大部分省份的科技成果轉化績效位于典型的空間集聚區內，僅有少量省份位于非典型的空間離群區內，這意味著科技成果轉化績效在局部空間上表現出空間異質性特征?？臻g面板模型的估計結果顯示，產業結構、金融結構、人力資本結構、經濟發展水平和外商直接投資對提升科技成果轉化績效有顯著的促進作用，而產權結構和政府干預則明顯阻礙了科技成果轉化績效的提升。

本文的研究結論為有效提升科技成果轉化績效，進而提升中國的科技發展水平提供一定的借鑒意義。主要的政策啟示如下：中西部地區要加強與東部地區的科技交流與合作，通過制定更加優惠的科技政策和人才政策，吸引更多的高技術企業和科研人才的加入，并且為加快科技成果轉化提供完善的制度平臺;繼續深化推進“退二進三”的產業調整策略，通過加大對傳統化工、鋼鐵、水泥等高能耗產業改造力度，大力發展高技術產業和新興現代服務業，提高產業部門對于科技成果的吸收和轉化能力;加大國有企業的產權改革力度，通過引入市場機制激活國有企業的生產潛力，進而提升國有企業從事技術研發與轉化的積極性;積極制定科技創新的金融支持政策，健全銀行的信貸資金管理體制，引導更多銀行為科技成果研發和轉化提供貸款支持，并且嚴格限制中小銀行的盲目信貸行為;繼續落實科技興國戰略，以提升學校的教育質量為重點，大力發展高等教育，培養更多應用型和研究型的高科技人才。除此之外，大力提升經濟發展水平、加大對外開放力度以及適度減少政府干預，這些同樣也是促進中國科技成果轉化的重要途徑。參考文獻：

[1]CHEN C J.Technology commercialization，incubator and venture capital，and new venture performance[J].Journal of Business Research，2009，62（1）：93-103.

[2]劉姝威，陳偉忠，王爽，等.提高我國科技成果轉化率的三要素[J].中國軟科學，2006（4）：55-58，123.

[3]郭強，夏向陽，趙莉.高校科技成果轉化影響因素及對策研究[J].科技進步與對策，2012，29（6）：151-153.

[4]唐五湘.科技成果轉化績效評價指標體系的比較分析[J].工業技術經濟，2017，36（1）：61-67.

[5]朱曉俊，趙栩，邢智倉.我國科技成果轉化水平的省際比較研究[J].科學管理研究，2018，36（4）：21-24.

[6]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.

[7]羅彪，盧蓉.科技成果轉化效率分段評價與區域比較[J].中國高?？萍迹?018（7）：62-66.

[8]陳關聚.中國工業企業科技成果轉化效率研究：基于2003—2010年面板數據的隨機前沿分析[J].云南師范大學學報（哲學社會科學版），2013，45（3）：121-128.

[9]董潔，黃付杰.中國科技成果轉化效率及其影響因素研究：基于隨機前沿函數的實證分析[J].軟科學，2012，26（10）：15-20.

[10]王桂月，王樹恩.基于模糊神經網絡的高?？萍汲晒D化評價研究[J].科技管理研究，2009，29（12）：194-195，209.

[11]閻為民，周飛躍.高?？萍汲晒D化績效模糊評價方法研究[J].研究與發展管理，2006，18（6）：129-133.

[12]俞立平，武夷山.基于面板數據的地區科技成果評價研究[J].圖書情報工作，2011，55（6）：29-32，133.

[13]梅姝娥，仲偉俊.我國高?？萍汲晒D化障礙因素分析[J].科學學與科學技術管理，2008，29（3）：22-27.

[14]鐘優慧.人力資本及其結構對科技成果轉化效率的影響[J].韶關學院學報，2015，36（11）：35-40.

[15]蘇世彬，李蘋.要素價格扭曲對科技成果轉化效率的影響：基于省級面板數據的實證研究[J].科技管理研究，2018，38（17）：77-80.

[16]劉永千.科技成果轉化能力評價研究：以上海市為例[J].中國科技論壇，2017（1）：12-18.

[17]何悅，陳麗玉，何慧芳.我國研究型大學科技成果轉化效率評價：基于網絡DEA模型[J].科技管理研究，2018，38（15）：85-92.

[18]何彬，范碩.中國大學科技成果轉化效率演變與影響因素：基于Bootstrap-DEA方法和面板Tobit模型的分析[J].科學學與科學技術管理，2013，34（10）：85-94.

[19]JAHANSHAHLOO G R，VAKILI J，ZAREPISHEH M.A linear bilevel programming problem for obtaining the closest targets and minimum distance of a unit from the strong efficient frontier[J].Asia-Pacific Journal of Operational Research，2012，29（2）：1250011.

[20]朱有為，徐康寧.中國高技術產業研發效率的實證研究[J].中國工業經濟，2006（11）：38-45.

[21]COE D T，HELPMAN E.International R&D spillovers[J].European Economic Review，1995，39（5）：859-887.

[22]張權.中國科技成果轉化效率比較及對策研究[J].科技管理研究，2014，34（13）：141-144.

[23]嚴太華，劉松濤，劉煥鵬.中國高技術產業動態效率測度與收斂性分析：基于產出導向DSBM模型的實證[J].管理工程學報，2015，29（3）：222-230.

[24]MORAN P A P.The interpretation of statistical maps[J].Journal of the Royal Statistical Society：Series B （Methodological），1948，10（2）：243-251.

[25]MORAN P A P.Notes on continuous stochastic phenomena[J].Biometrika，1950，37（1/2）：17-23.

[26] THURSBY J G，THURSBY M C.Are faculty critical？Their role in university-industry licensing[J].Contemporary Economic Policy，2004，22（2）：162-178.

[27]查建平，唐方方，別念民.結構性調整能否改善碳排放績效？：來自中國省級面板數據的證據[J].數量經濟技術經濟研究，2012，29（11）：18-33.

[28]余泳澤，劉大勇.我國區域創新效率的空間外溢效應與價值鏈外溢效應：創新價值鏈視角下的多維空間面板模型研究[J].管理世界，2013（7）：6-20，70，187.

[29]GUAN J C，CHEN K H.Measuring the innovation production process：A cross-region empirical study of Chinas high-tech innovations[J].Technovation，2010，30（5/6）：348-358.

[30]GRILICHES Z.Productivity R &D and basic research at firm level in the 1970s[J].American Economic Review，1986，76（1）：141-154.

Research on Chinas scientific and technological achievements transformation performance from the perspective of supply-side structural reform： An empirical analysis of spatial panel data model

MA Dalai1，YE Hong2

（1. Management College，Chongqing University of Technology，Chongqing 400054，P. R. China;

2.Chongqing Technology and Business Institute，Chongqing 400052，P. R. China）

Abstract：

By constructing the evaluation index system for the scientific and technological achievements transformation，this paper uses the minimum distance to the strong frontier method （mSBM） to measure the scientific and technological achievements transformation performance in China from 1998 to 2016. On the basis of analyzing the spatial correlation of scientific and technological achievements transformation performance，combined with the supply-side structural reform background，we use the spatial panel data model to empirically examine the influencing factors of the scientific and technological achievements transformation performance. The results show that Chinas scientific and technological achievements transformation performance shows obvious inter-provincial differences. Most of the eastern coastal provinces have relatively high scientific and technological achievements transformation performance，while the scientific and technological achievements transformation performance in the inland provinces of the central and western regions is not satisfactory. In terms of regions，the scientific and technological achievements transformation performance in the eastern region is the highest，followed by the central region and the lowest in the west region. After incorporating the spatial effect，scientific and technological achievements transformation performance not only shows spatial dependence in the global space，but also shows spatial heterogeneity in local space. The scientific and technological achievements transformation performance in most provinces is located in the spatial agglomeration area. A small number of provinces are in a spatially separated area. The results of spatial econometric model show that industrial structure，financial structure，human capital structure，economic development level，foreign direct investment effectively promote the scientific and technological achievements transformation performance，while property rights structure and government intervention have inhibited it.

Key words： ?supply-side structural reform; scientific and technological achievements transformation performance; mSBM; spatial econometric model; influencing factors