基于DEA-Malmquist的中國高校技術轉移效率動態評價
——以“雙一流”建設高校為例

李 源

(河南工學院，河南 新鄉 453003)

0 引言

高校是科技創新的主陣地，是國家科技創新體系的重要組成部分，高校技術轉移一直以來是高校科技管理者關注的重要理論與實踐問題。“雙一流”建設高校作為我國的重點大學和研究性大學，是我國科技創新的生力軍，在實施技術轉移和創新戰略過程中，面臨的關鍵問題是如何提高高校技術轉移效率。在提高高校技術轉移效率問題上，對高校技術轉移效率測度則成為國內外學者關注的內容。Wendy Chapple[1]等利用數據包絡分析(DEA)和隨機前沿估計(SFE)對英國大學技術轉移辦公室績效進行了評估，發現英國大學技術轉移辦公室(TTO)技術效率處于較低水平，規模效率也在下降，其大學技術轉移辦公室(TTO)需要重新配置為更小的單元。廖述梅[2]等采用SFE方法測算了我國27個省市區高校從2000-2006年對企業的技術轉移效率，發現我國總體校企技術轉移效率比較低，各省市區差異較大。為洞察高校技術轉移的內在運行結構、運行機理及其效率，Mei Ho[3]等將技術轉移劃分為研究創新和價值創造兩個階段，并采用兩階段DEA方法測度高校技術轉移不同階段的效率。結果發現，在兩個技術轉移階段實現效率需要不同的創新能力，大部分高效率的大學只在這兩個階段中的一個有效。覃雄合[4]等則基于價值鏈視角將高校技術轉移過程劃分為知識獲取、技術創新和價值轉化三個階段，采用網絡SBM模型測算2004-2014年中國省際高校技術轉移各階段的效率。發現中國高校的知識獲取效率和價值轉化效率逐年降低，而技術創新效率大幅度提升。東部沿海地區省份的技術創新效率較高、知識獲取效率較低，西部地區與之相反。為進一步探索制約高校技術轉移效率的影響因素，Donald S Siegel[5]等采用隨機前沿估計(SFE)對113所高校技術轉移效率進行評估，發現高校科研獎勵制度、職稱評價制度、高校技術轉移人員配置以及高校管理者對校企之間組織文化障礙的重視程度是高校技術轉移效率的主要影響因素。Claudia Curi[6]等對法國高校的技術轉移效率及其主要影響因素進行了評估。發現高校技術轉移效率主要受高校類型、制度和環境特征影響，技術轉移機構的時限和高校的規模對技術轉移都有正向的影響。原長弘[7]等利用中國75 所“211 工程”大學 1998-2002年的面板數據，采用隨機前沿方法(SFA)對高校技術轉移效率影響因素進行了實證分析，發現地方政府支持對高校技術轉移效率具有正向影響，區域市場需求規模不確定性對高校技術轉移效率具有負面影響。何彬[8]等利用Bootstrap—DEA方法測算2004-2014年我國省際高校科研成果各階段轉化效率及綜合效率，考察了高校科研成果轉化效率的影響因素，發現地區稟賦、研發人才質量對高校科研成果轉化效率有顯著的正向影響，金融發展程度對高校科研成果轉化效率影響不顯著。范柏乃[9]等采用DEA方法測度我國31個省市區2005-2011年高校技術轉移效率，并利用面板Tobit模型對高校技術轉移效率的影響因素進行檢驗，發現高校自身的推動、企業與高校的關系、地區GDP對高校技術轉移效率有顯著的正向影響。此外，林德明[10]、萬莉[11]、羅茜[12]、鄭元元[13]、逄紅梅[14]等對高校技術轉移效率問題進行探討。

綜上所述，國內外學者對高校技術轉移效率問題的探索為本文研究提供了重要參考，尤其是測度方法方面，學者多采用以數據包絡分析(DEA)為代表的非參數方法和以隨機前沿估計(SFE)為代表的非參數方法。然而，以隨機前沿估計(SFE)的方法，SFE模型基本假設較為復雜，會因為生產函數、技術無效率項分布的具體形式，容易出現偏度問題[15]，而DEA法不用考慮函數的具體形式問題。此外，在運用DEA法對高校技術轉移效率進行測算，鮮有學者探尋全要素生產率(TFP)改進或者倒退的主要成因。鑒于此，為規避函數形式設定錯誤而出現的偏度問題，進一步探尋高校技術轉移效率改進或倒退的主要成因，本文運用DEA-Malmquist方法對中國高校技術轉移效率進行測度評價，并提出相應的對策建議，以期為政府制定相關政策和高校建設提供參考。

1 研究分析模型

1.1 數據包絡分析法(DEA)

數據包絡分析(Data Envelopment Analysis,DEA)是一種非參數技術效率分析方法，由美國的Charnes、Cooper、Rhodes[16]于1978年首次提出。DEA基礎模型包括CCR模型和BCC模型，其中CCR模型考慮規模收益不變，其技術效率含有規模效率成分，而BCC模型考慮規模收益可變，其技術效率是指純技術效率。高校技術轉移活動具有顯著的知識經濟特征，會對傳統生產要素的邊際收益遞減產生擾動，造成科技活動或技術轉移收益的不確定性。因此，本文選用BCC模型對我國高校技術轉移效率進行評價。DEA基礎模型原理比較成熟，在此不再贅述。

1.2 Malmquist指數模型

Malmquist指數是Sten Malmquist于1953年最早提出。Caves等[17](1982)引入距離函數，將其應用到生產分析中，測度生產決策單元與生產前沿面的距離以反映全要素生產率變化，并將其命名為Malmquist生產率指數(此后統稱為Malmquist指數)。Fare R等(1992)采用Caves等(1982)計算Malmquist指數的方法，采用兩個時期Malmquist指數的幾何平均值來計算Malmquist指數。即從t到t+1期Malmquist指數可表示為：

MI=EC*TC

而 EC=Et+1(xt+1,yt+1)/Et(xt,yt)

TC=[Et(xt+1,yt+1)Et(xt,yt)/Et+1(xt+1,yt+1)Et+1(xt,yt)]1/2

其中，xt,yt分別表示t期的投入與產出，xt+1,yt+1分別表示t+1期的投入與產出,EC表示兩個時期的效率變化，TC表示兩個時期的技術變化，MI表示Malmquist指數可以分解為效率變化和技術變化兩部分。

該指數反映了在固定規模報酬下，每個決策單位從時期t到t+1，全要素生產率的改進情況。如果M>1，表明生產率呈現上升趨勢；反之則表明生產率呈現衰退趨勢[17]。

2 指標選取及數據處理

2.1 投入產出指標

選擇合適的投入產出指標是數據包絡分析的重要環節。結合高校技術轉移的特點和數據的可得性，在參考廖述梅、逄紅梅、范柏乃、段 婕、何 彬等文獻的基礎上，鑒于高校技術轉移轉化成果形式不同，本文選取高校R&D人員和高校R&D經費兩指標作為投入變量，選取高校科技著作數、高校科技論文數、高校專利技術轉讓合同數、高校專利技術轉讓實際收入4項指標作為產出變量(見表1)。

(1)R&D全時當量人員。根據《中國高等學校科技資料統計匯編》附錄部分指標說明，R&D人員包括“全時R&D人員”與“非全時R&D人員”，全時R&D人員是指從事R&D工作時間在90%以上的。R&D全時當量人員是指將從事研發的非全時人員折合為全時人員，本文參考范柏乃等采用R&D全時當量人員作為投入指標。

(2)高校科技經費當年內部支出。根據《中國高等學校科技資料統計匯編》，科技經費投入包括政府資金投入、企事業單位委托資金投入、其他資金投入、科技經費當年內部支出。因科技經費當年內部支出表示當年科技經費的實際支出，本文采用該指標作為高校科技經費投入的重要指標。

(3)科技著作數量。科技著作是高校研發人員智力物化的直接產物，代表著“雙一流”高校的科技成果，其數量體現了高校科技成果的產出水平[13]。

(4)學術論文數量。學術論文是高校研發人員智力物化的直接產物，學術論文數量體現了高校技術成果產出的學術價值。

(5)技術轉讓簽訂合同數與技術轉讓當年實際收入。技術轉讓使高校的科技成果轉化為社會經濟效益，技術轉讓簽訂合同數和技術轉讓當年實際收入是高校科技成果轉化的重要標志[13]。

表1 投入產出評價指標體系

2.2 數據來源及處理

2.3 描述性統計

表2對37所中國“雙一流”建設高校2014-2018年投入產出變量的數據特征進行簡單描述。從時間變化序列來看，一方面，隨著時間的推移，“雙一流”建設高校都有很大的發展，研發投入總體都有穩步提高，科技著作、科技論文、高校專利技術轉讓實際收入等總體產出成效明顯；另一方面，“雙一流”建設高校之間研發投入差異隨著時間的推移逐漸增大，高校之間的專利技術轉讓合同數差異隨著時間的推移逐漸減小，高校之間的科技論文、高校專利技術轉讓實際收入產出差異隨著時間的推移逐漸增大。

表2 37所中國“雙一流”建設高校(2014-2018年)技術投入與產出變量描述性統計

3 實證分析

3.1 技術轉移效率及其分解

應用MaxDEA8.0軟件，選取CRS、VRS模型對37所“雙一流”建設高校技術轉移的綜合技術效率(TE)、純技術效率(PTE)和規模效率(SE)進行測算(見表3)。

從綜合技術效率看，在2014-2018年，37所中國“雙一流”建設高校技術轉移水平總體不高，并呈緩慢上升的演化趨勢，廖述梅[2]、原長弘[7]等持類似研究結論。主要表現在中國“雙一流”建設高校技術轉移綜合技術效率平均值，從2014年的0.676逐漸增長至2018年的0.695。從各個高校的綜合技術效率平均值來看，東北大學、清華大學、中國海洋大學5年的綜合技術效率平均值為1，均達到DEA有效，表示這幾所高校的投入產出水平最高。而湖南大學、吉林大學、同濟大學、中國科學技術大學、中山大學等綜合技術效率平均值低于0.5，表示這幾所高校的技術轉移提升空間較大。此外，蘭州大學、四川大學、西北工業大學、西北農林科技大學等技術轉移綜合技術效率得以顯著提升。

表3 37所中國“雙一流”建設高校(2014-2018年)技術轉移效率

從純技術效率看，在2014-2018年，37所中國“雙一流”建設高校技術轉移純技術效率總體基本良好，并呈小幅波動。具體表現在：2014-2018年，中國“雙一流”建設高校技術轉移純技術效率平均值分別為0.790、0.805、0.803、0.820、0.795。從各個高校純技術效率平均值來看，東北大學、蘭州大學、南開大學、清華大學、上海交通大學、鄭州大學、中國海洋大學等7所高校純技術效率平均值為1，表示在現有的技術和管理水平下，這7所高校技術轉移能達到最優的狀態。而吉林大學、中國科學技術大學等純技術效率平均值小于0.5，表示需要通過技術創新、管理等手段來提高高校的技術轉移效率。

從規模效率看，2014-2018年，中國“雙一流”建設高校技術轉移規模效率總體處于較高水平，呈迅速上升的態勢。具體表現在：2014年規模效率平均值為0.851，而2018年迅速上升為0.911，增加6個百分點。說明中國“雙一流”建設高校整體投入產出結構、資源配置合理，整體生產規模持續優化。

3.2 區域差異特征

為探索“雙一流”建設高校技術轉移效率的區域差異，將37所“雙一流”建設高校劃分為東部地區高校、中部地區高校、西部地區高校進行分析。其中，東部地區高校(北京大學、北京航空航天大學、北京理工大學、北京師范大學、清華大學、中國農業大學、南開大學、天津大學、大連理工大學、東北大學、浙江大學、東南大學、復旦大學、華東師范大學、上海交通大學、同濟大學、華南理工大學、南京大學、山東大學、中國海洋大學、廈門大學、中山大學)；中部地區高校(華中科技大學、中國科學技術大學、武漢大學、湖南大學、鄭州大學、中南大學、吉林大學、哈爾濱工業大學)；西部地區高校(四川大學、電子科技大學、西安交通大學、西北工業大學、西北農林科技大學、蘭州大學、重慶大學)。

表4 2014-2018年東、中、西部高校技術轉移效率

根據表4，西部地區高校2014年的技術效率值為0.386，遠落后于東部地區高校0.761、中部地區高校0.686，2015年、2016年西部地區高校的技術效率值分別為0.947、0.836，則領先中部地區高校并逼近東部地區高校的技術效率，2017年、2018年西部地區高校的技術效率值分別為0.930、0.928，則顯著領先于東部地區高校、中部地區高校，這說明西部地區高校技術轉移效率增長快于東部、中部地區高校技術轉移效率，這與萬莉等[18]的研究結論相符;東部地區高校2014-2018年的技術效率值總體變化幅度不大，且始終領先于中部地區高校，這與范柏乃等[9]的研究結論一致；中部地區高校2014年的技術效率值0.686，低于東部地區高校而高于西部地區高校，2015-2018年中部地區高校的技術效率值則低于東部地區高校、西部地區高校(見圖1)。就規模效率而言，西部地區高校2014年的規模效率值為0.755，明顯低于東部地區高校0.854、中部地區高校0.939，至2015年則超過東部地區高校、中部地區高校的規模效率值；東部地區高校2014-2018年的規模效率值小幅波動，并呈上揚的態勢；中部地區高校2014年的規模效率值為0.939，領先于東部地區高校、西部地區高校，2015年、2017年則落后于東部地區高校、西部地區高校的規模效率值，2018年則回升至0.914，與東部地區高校、西部地區高校的規模效率值相近。

根據東、中、西部地區“雙一流”建設高校技術轉移效率的樣本標準差，就綜合技術效率而言，2014-2018年中部地區高校技術轉移效率不均衡程度嚴重，東部地區高校技術轉移效率均衡的程度次之，而西部地區高校的技術轉移效率相對均衡;就純技術效率而言，2014-2016年，東、中、西部地區高校的資源配置、管理能力差距按大小排列依次是中部地區高校、西部地區高校、東部地區高校。2017-2018年，該大小排序則變化為中部地區高校、東部地區高校、西部地區高校;就規模效率而言，2014年西部地區高校規模差距大，其次是東部地區高校，中部地區高校規模差距小，2015-2016年，東、中、西部地區高校的規模差距按大小排列依次為東部地區高校、中部地區高校、西部地區高校。2017-2018年，該大小排序則變化為為中部地區高校、東部地區高校、西部地區高校。

圖1 東、中、西部地區“雙一流”建設高校技術轉移效率趨勢

3.3 動態變化特征

本文利用MaxDEA8.0軟件進行計算，采用Malmquist指數,對37所中國“雙一流”建設高校 2014-2018年的技術轉移動態效率進行分析(見表5)。

從表5列出的Malmquist綜合指數及其分解數據可以看出，37所中國“雙一流”建設高校技術轉移技術效率由負增長轉為正增長，再由負增長轉為正增長，技術進步由正增長轉為負增長再轉為正增長，而全要素生產率Malmquist綜合指數始終處于正增長，但是增長幅度逐漸降低，由231.00%連續降低至25.70%。其中，37所中國“雙一流”建設高校技術轉移技術進步效率平均增長率為49.90%，保持了較高的增長趨勢，同期技術效率平均增長率為250.60%，亦保持了更高的增長趨勢。由此導致了2014-2018年37所中國“雙一流”建設高校技術轉移全要素生產率Malmquist綜合指數平均增長率為103.00%的高增長水平。這說明技術效率變化是推動37所中國“雙一流”建設高校技術轉移全要素生產率增長的主要力量。

表5 37所中國“雙一流”建設高校(2014-2018年)Malmquist指數及其分解

4 結論與啟示

4.1 結論

通過運用數據包絡分析(DEA)對中國“雙一流”建設高校技術轉移效率進行測度，并運用Malmquist指數法對“雙一流”建設高校技術轉移效率的動態趨勢進行分析，得出以下結論：

(1)“雙一流”建設高校技術轉移效率總體不高，呈緩慢上升的演化趨勢。湖南大學、吉林大學、同濟大學、中國科學技術大學、中山大學等少數高校的綜合技術效率處于較低水平，蘭州大學、四川大學、西北工業大學、西北農林科技大學等高校技術轉移效率由低向高得以快速提升；中國“雙一流”建設高校技術轉移純技術效率總體基本良好，并呈小幅波動。吉林大學、中國科學技術大學等高校應通過技術創新、管理等手段來提高高校的技術轉移效率；中國“雙一流”建設高校整體投入產出結構、資源配置合理，整體生產規模持續優化。

(2)東、中、西部地區“雙一流”建設高校技術轉移效率區域差異明顯。從區域“雙一流”建設高校技術轉移效率均值看，2014年，西部地區高校技術轉移效率遠落后于東部、中部地區高校，2015年、2016年，東部地區高校技術轉移效率最高、西部地區高校則次之、中部地區高校最低。2017年、2018年，西部地區高校的技術轉移效率則顯著領先，東部地區高校次之，中部地區高校最低。從區域“雙一流”建設高校技術轉移效率樣本標準差看，2014-2018年，中部地區高校技術轉移效率不均衡程度最嚴重，東部地區高校技術轉移效率均衡程度次之，而西部地區高校技術轉移效率相對均衡。

(3)中國“雙一流”建設高校技術轉移全要素生產率Malmquist綜合指數呈正增長，但增長幅度逐漸降低。技術效率變化和技術進步變化共同作用導致Malmquist綜合指數波動，且技術效率變化是造成Malmquist綜合指數波動的主要原因。

4.2 啟示

基于以上結論，得出以下幾點啟示：

(1)進一步提升“雙一流”建設高校技術轉移水平，廣泛開展產學研合作。高校學科建設、科研發展與地方支柱產業緊密結合。優化推動科技成果轉化的激勵機制，激發高校教師科研積極性[19]，具體應改變高校考評體系，改變以論文、專利和獎項為主體指標的高校考評標準，引入高校社會服務、科技成果轉化等考核指標，鼓勵高校科研人員開展研發和技術轉移轉化活動。鼓勵有條件的高校成立技術成果及知識產權交易的專門機構[20]，協調高校專利等知識產權成果聯合轉化及授權事宜，提高高校專利等知識產權成果轉化率。

(2)縮小區域“雙一流”建設高校技術轉移水平差距，加大對中、西部地區高校的資金及政策支持力度。加強東、中、西部地區經濟科技交流與合作，為跨區域科研院所技術轉移牽線搭橋，積極引導地方企業轉型升級。通過政策支持或基金引導，鼓勵中、西部地區“雙一流”高校設立國家高校技術轉移中心，或設置高校科技成果轉化辦公室，開展以市場為導向的技術轉移活動[2]。

本文研究的局限在于2019年《高等學校科技統計資料匯編》未詳細統計地方高校科技投入產出數據，未能對2019年37所“雙一流”建設高校技術轉移效率進行分析。另外，本文僅對中國“雙一流”建設高校的技術轉移效率進行了測評，未能進一步對中國“雙一流”建設高校技術轉移投入產出冗余進行分析，從而為每所“雙一流”建設高校建設投入指明改進的方向。此外，高校技術轉移是一個從投入到產出的連續的、多階段的復雜過程[7]，多階段的高校技術轉移效率評價及其影響因素研究將是進一步研究的方向。