河北省高校科技成果轉化能力與效率評價分析
——基于因子分析法和數據包絡分析的實證研究

李冠男，邢 志，張長文

中國人民警察大學 a.科研處; b.審計處，河北 廊坊 065000

0 引言

高校作為推動和實施科技成果轉化活動的重要主體，其科技成果轉化的能力強弱、效率高低直接影響我國科技創新能力水平[1-2]。如何優化高校科研投入產出等資源配置，提升科技成果轉化能力、優化科技成果轉化效率，是當前高校落實創新驅動發展戰略，促進經濟和社會發展，提升大學綜合創新能力的關鍵問題。近年來，我國高校科技成果轉化研究主要圍繞制度機制、影響因素、評價指標體系、資源配置及投入產出效率等開展。2015年國家修訂了《中華人民共和國促進科技成果轉化法》[3]，明確提出高校持有的科技成果可以自主決定轉讓、許可或者作價投資，有力推動了高校科技成果轉化領域方面的研究。姚思宇等[4]運用專家訪談、問卷調查等方法，對我國高校科技成果轉化影響因素進行實證分析，基于Ordered Logit模型分析了制約我國高校科技成果轉化的5個相關因素的影響程度。楊登才等[5]以2007—2017年期間我國28個省市科技成果轉化面板數據為樣本，選取影響因素指標，運用數據包絡分析(Data Envelopment Analysis，簡稱DEA)、回歸分析等方法測度了對應省市高校的科技成果轉化效率，分析了其影響因素，并得出高校教師的價值追求、科技成果成熟程度、社會協作氛圍是影響高校成果轉化效率的重要因素。趙公民等[6]以2009—2017年“雙一流”高校為研究對象，使用SBM-Malmqusit指數模型對其科技成果轉化效率進行測度和分析，認為提高人才質量和經費質量、發展互聯網、推動“互聯網+”深度融合是提高我國“雙一流”高校科技成果轉化效率的有效途徑。

綜上可知，當前國內學者通過多種方法對我國高校的科技成果產生能力和科技成果轉化效率分別開展了一定程度的研究工作，側重各有不同。總體來看：以高校作為特定對象的科技成果轉化研究仍然偏少，且對科技成果轉化評價單元缺少深入分析討論[7-8]；在成果轉化影響因素指標的選擇上，缺乏明確一致的標準[9-10]；大多研究針對的是我國不同地域之間高校整體科技成果轉化效率測算分析，對同一地區高校科技成果轉化能力、效率及影響因素研究較少[11]。此外，高校科技成果與經濟社會建設結合不夠、高校普遍科技成果轉化能力效率偏低的情況依然存在，成果轉化收益共享、分配機制以及知識產權保護配套措施等也有待進一步完善[12-14]。鑒于此，在相關研究基礎上選取13類高校科技成果轉化投入產出指標，通過因子分析法提取公因子，建立成果轉化能力評價模型。以2018年河北省33所高校科技成果轉化情況為研究樣本，實證測度對應高校的科技成果轉化能力，運用DEA-BCC模型測度對應高校的科技成果轉化效率，并進行分類綜合評價，為優化高校科技成果轉化政策環境，提升成果轉化能力效率提供針對性對策建議和參考數據。

1 數據來源和研究設計

1.1 數據采集與處理

查閱相關文獻，結合我國高校科技成果轉化特點[15]，選取《高校科技統計資料匯編》中相關院校的教學與科研人員數量、經費投入、承擔科技課題數量等作為原始投入要素，選取學術專著數量、論文篇數、技術轉讓收入等指標作為原始投入產出要素，采集國家知識產權局專利檢索及分析數據庫中相關院校公告并取得的專利授權數量、國家發明專利授權數量等指標作為原始產出要素，構建高校科技成果轉化投入產出原始變量指標體系，如表1所示。

1.2 因子分析法與工具

因子分析法指通過分析相關矩陣內部結構，根據相關性大小對變量進行分組，得到同組內變量相關性較高，不同組變量相關性較低或不相關的結果，從而找出少數幾個可以有效控制原始變量的隨機變量fi(i=1,2,…,k)，以此來描述各原始指標之間的聯系[16]。運用因子分析法，可以對原始投入產出的變量指標進行計算歸類，得到新的共同因子即公因子，實現多指標體系的降維，便于進行綜合評價分析[17]。使用IBM SPSS Statistics 23軟件，對高校科技成果轉化投入產出原始變量進行因子分析，用以建立高校科技成果轉化能力評價模型，同時衡量各高校科技成果轉化能力強弱。

表1 高校科技成果轉化投入產出原始變量指標

1.3 DEA-BCC分析與工具

DEA方法是一種在多個投入、多個產出情況下評價決策單元相對有效性的數學方法，廣泛用于部門間績效評估、全要素生產效率評估、能源效率評估、生產前沿面估計等實際問題。DEA方法不需要人為預先選擇生產函數，避免了主觀因素影響，具有很強的客觀性。通過運用規模可變的DEA-BCC模型，將因子分析得到的高校科技成果轉化指標公因子作為模型的投入產出指標數據，可以得到高校科技成果轉化的綜合效率、純技術效率和規模效率，用以分析不同高校的科技成果轉化效率情況。使用DEAP 2.1軟件，選取2018年河北省33所高校科技成果轉化情況為研究樣本，實證測度分析轉化效率。為避免爭議，對高校及其分析結果采用編號代替。

2 高校科技成果轉化能力評價分析

2.1 KMO和巴特利特檢驗

對選取的2018年河北省33所高校13類科技成果轉化投入產出原始變量進行因子分析，并對選取數據進行有效性檢驗，結果見表2。表中，檢驗統計量(KMO)數值為0.714，卡方值為748.230，自由度為78，P值顯著性概率為0.000，小于0.05，表明高校科技成果轉化投入產出原始變量數據之間有共同因子存在，適合采用因子分析。

表2 KMO和巴特利特檢驗結果

2.2 因子載荷分析

采用主成分分析法提取公因子，得到相關矩陣特征值和特征向量。其中3個因子特征值大于1，如表3所示。設定提取公因子分別為F1、F2、F3，采用方差最大化法對F1、F2、F3進行旋轉，得到3個公因子主成分方差貢獻率分別為44.624%，28.301%，16.172%，累計貢獻率89.097%，較好地覆蓋了因變量部分信息，分析效果良好。為了使各項指標更具有解釋性，使用因子旋轉的方式提高F1、F2、F3因子載荷，結果見表4。

表3 特征值和累計貢獻率

表4 因子旋轉后成分矩陣

如表4所示：F1在X3、X4、X5、X6、X10、X11指標上載荷均在0.8以上，主要解釋了高校科技成果轉化工作中投入的科研活動經費、科技課題和專利，以及高校經費的使用；F2在X1、X2、X8指標上載荷均在0.8以上，主要解釋了高校科技成果轉化工作中投入的科研人力，因此將F1、F2定義為高校科技成果轉化投入因子。F3在X12、X13指標上載荷達到了0.9以上，集中反映了高校科技成果轉化數量及技術轉讓取得的收入情況，因此將F3定義為科技成果轉化產出因子。

2.3 高校科技成果轉化能力評價模型

利用得分系數矩陣，計算得到3個公因子的線性表達式，并建立高校科技成果轉化能力綜合評價模型如下：

G=H1·F1+H2·F2+H3·F3

(1)

式中，G、H、F分別表示因子總得分、公因子方差貢獻率、公因子。H越大表明對應公因子越能反映高校科技成果轉化能力水平，G越大表示高校科技成果轉化能力越強。根據公因子得分和權重，計算出高校科技成果轉化投入產出因子和高校科技成果轉化能力，結果見表5。

如表5所示，公因子F1、F2得分排名前五的高校編號分別為24、2、6、9、1和10、11、12、5、26，說明以上高校在科研方面投入較多。公因子F3得分排名前五名的高校編號分別為24、2、9、1、6，說明以上高校科技成果轉化產出較多。因子總得分排名前五的高校編號為24、2、6、9、1，說明以上高校科研綜合實力較強，投入科研的人力、經費多，承擔科研項目能力較強，科技成果轉化能力突出，如排名第一的24號高校，因子總得分G最高達到6 312.556，且對應的公因子指標均為最高，而最低的高校僅為29.805，表明各高校間科技成果轉化能力差距較大。需要說明的是，表5中個別因子對應計算得分為負數并不表示該校科技成果轉化投入產出量為負，而是軟件對數據進行標準化處理所致，不影響對計算結果的分析。

表5 2018年河北省33所高等院校科技成果轉化因子得分和排名表

3 高校科技成果轉化效率評價分析

將公因子F1、F2作為投入變量，公因子F3作為產出變量進行DEA-BCC分析。采用功效系數法對數值為負數的公因子對應的所有數據按同一標準進行正向化處理，使用DEAP 2.1軟件對2018年河北省33所高校科技成果轉化效率進行測算，從綜合效率(Crste)、純技術效率(Vrste)、規模效率(Scale)等方面對高校科技成果轉化效率進行評價，計算結果見表6。

如表6所示，從綜合效率角度分析：33所高校平均得分0.302，整體處于中等偏低水平。2所高校實現科技成果轉化投入產出有效，即綜合效率為1，占比6.06%。綜合效率最低高校僅為0.003，反映出河北省高校科技成果轉化發展極不平衡。從純技術效率角度分析：33所高校純技術效率平均得分0.952，整體處于較高水平。7所高校科技成果轉化投入產出達到技術有效，即純技術效率為1，占比21.21%，其中5所高校綜合效率、規模效率均未達到1，規模報酬處于遞增狀態。以上情況說明對應高校在當前的投入下其科技成果轉化已獲得了最大化產出，但其規模效率較低，有必要通過配置資源，增加或減小生產規模，從而實現DEA有效。其余2所高校綜合效率、規模效率均為1，表明這2所高校科技成果轉化投入產出結構合理，能夠實現最大效益。從規模效率角度分析：33所高校規模效率平均值為0.324，整體處于偏低水平。2所高校科技成果轉化規模效率、綜合效率、純技術效率均達到1，規模報酬不變，達到最大產出規模，占比6.06%。其余31所高校科技成果轉化規模效率均小于1，規模報酬遞增，占比93.94%。表明所選取的河北省高校中大部分科技成果轉化處于非規模有效狀態，分析原因主要是科技成果資源利用未達到最大化，對應成果轉化的產業結構未能達到最優狀態，有必要調整規模，提升成果轉化技術及管理水平。此外，成果轉化產出比例的增加大于投入比例的增加，說明有必要加大投入，實現科技成果轉化的最優。

表6 2018年河北省33所高等院校科技成果轉化效率評價結果

綜上所述，2018年河北省33所高校的科技成果轉化綜合效率平均在0.302，純技術效率平均在0.952，規模效率平均在0.324，規模報酬普遍處于遞增狀態。同時，以上數據表明2018年33所河北省高校中大部分高校科技成果轉化未達到最佳狀態，存在效率不足問題。其中僅2所高校達到科技成果轉化的最佳狀態，即綜合效率、純技術效率、規模效率均達到1，規模報酬不變，占比6.06%。5所高校科技成果轉化效率達到技術有效狀態，即純技術效率達到1，綜合效率和規模效率未達到1，規模報酬遞增，占比15.15%，這部分高校有必要優化科技成果轉化資源配置，加大科研投入，提升科技成果轉化效率。

4 高校科技成果轉化綜合評價

根據高校科技成果轉化能力評價模型和DEA-BCC分析，得到2018年33所河北省高校科技成果轉化因子總得分和高校科技成果轉化綜合效率，以此繪制科技成果轉化綜合評價中軸散點圖，見圖1。

圖1 2018年河北省33所高校科技成果轉化綜合評價圖

如圖1所示，橫軸為高校科技成果轉化綜合效率，縱軸為高校科技成果轉化綜合能力。處在第一象限的高校科技成果轉化效率高、轉化能力強，共有2所高校，對應編號2、24，占比6.06%，表明2018年河北省33所高校中僅有個別高校科技成果轉化成熟穩定。處在第二象限的高校科技成果轉化效率低、轉化能力強，該象限內沒有對應高校。處在第三象限的高校科技成果轉化效率低、轉化能力弱，共有24所并集中分布在第三象限邊緣位置，對應高校編號分別是4、7、8、9、10、11、12、14、15、16、17、18、19、20、21、22、25、26、28、29、30、31、32、33，占比72.73%，說明以上河北省高校普遍存在科技成果轉化不到位的情況。處在第四象限的高校科技成果轉化效率高、轉化能力弱，共有7所，對應高校編號分別是1、3、5、6、13、23、27，占比21.21%，說明少數高校初步達到了相對可觀的科技成果轉化效率，但成果轉化能力與對應轉化效率并不匹配，有必要通過加大科研成果轉化投入力度，優化投入配置等舉措提升成果轉化能力。

5 結論與建議

本文選取2018年高校科技成果轉化投入產出數據，運用因子分析法和DEA-BCC模型，實證測度了河北省33所高校科技成果轉化能力及效率，并進行了綜合評價分析，研究表明：(1)在河北省33所高校中，2所高校科技成果轉化能力較強，24所高校科技成果轉化能力較弱，不同高校間科技成果轉化能力差距較大。(2)2所高校科技成果轉化綜合效率達到最高，處于規模不變狀態，即科技成果轉化投入產出資源利用率最高，不存在投入冗余情況；31所高校科技成果轉化效率處于規模收益遞增階段，即科技成果轉化的產出比例大于投入比例，需要通過加大科研經費、人力等投入提升轉化效率，達到轉化效率最佳狀態。(3)2所高校科技成果轉化能力強，轉化效率達到最佳，7所高校科技成果轉化能力和轉化效率不匹配，存在轉化能力弱但轉化效率高的失衡現象；24所高校科技成果轉化能力弱，轉化效率低，且測度數據集中在邊緣位置，即科技成果轉化處于同省高校中的較低水平。

根據上述分析和結論，可以得到以下提升高校科技成果轉化能力及效率的建議：(1)對于科技成果轉化效率較高、成果轉化能力較弱的高校，應加強對科技創新工作的投入力度，加大科技創新人才引進力度，增加科研經費投入，完善優化科技創新管理機制，提升承擔科研課題的數量和質量，產出高質量論文、著作，加強“政產學研用”協同創新，在合作攻關、聯合培養、共建平臺等方面加大政策支持力度，補齊科研經費和人力投入短板。(2)對于科技成果轉化效率較低、成果轉化能力較弱的高校，應著重提升高校科研軟硬實力，在頂層設計層面，構建符合國家、省市、行業最新科技創新政策，切合高校發展實際情況的科研管理體制機制。要切實把科技創新及科技成果轉化當作一項重要任務，通過完善科技創新激勵制度、建立符合國家科技成果轉化方針政策的職稱評價體系等，激發科研人員從事科研活動的積極性。持續加大科技創新人才引進力度和科研設備投入力度，在職稱評審、考核獎勵等方面優化科研數質量和科技成果轉化方面導向，更加重視對“三技服務”等科技成果轉化方面有關指標的運用，實現科研數質量、科技成果轉化效益、科研管理服務水平的“三提升”，進而增強科技成果轉化能力效率。