中國高校科技成果轉化能力評價

張敏敏

中國高校科技成果轉化能力評價

張敏敏

（河北經貿大學，河北 石家莊 050061）

一個高校的學術水平可以通過很多標準來衡量，其中比較重要的一個衡量標準就是高校的科技成果轉化情況，高校想要提高學術水平，就必須關注自身科技成果轉化能力。文章的研究對象為2019年全國31個地區的高校，首先從三個維度構建了指標體系；其次使用R軟件做因子分析，提取了2個公因子，并得到了31個地區的因子得分和排名；然后進行聚類分析，最終分為5類；最后提出相應的建議。

高校；科技成果轉化；因子分析；聚類分析

引言

從《2020年高等學校科技統計資料匯編》中可以看到，絕大部分高校的專利授權數很多，但卻只出售了其中的2.79%，這說明科技成果轉化方面存在很大的問題。從整體來看，目前我國高校的科技成果轉化能力有待提高。因此，必須要通過數據分析的方法對我國各個高校的科技成果轉化能力進行評價，發現當前存在的問題，從而找到提升科技成果轉化能力的方法。

很多學者做了相關的研究。郭強[1]通過各方面的分析，得到了我國高校科技成果轉化能力的九點影響因素。郭俊華[2]主要采用的方法是聚類分析方法和因子分析方法，兩種方法的研究對象都是2015年我國的高校，由此分析了我國高校科技成果轉化情況。雷英月[3]通過因子分析法，發現了高校科技成果轉化的影響因素有科學技術與研究經費、科學技術與研究人員、科學技術與研究市場環境以及我國相應的政策。王念和劉細發[4]分析了影響我國高校科技成果轉化的各種內外因素，提出建立內外部聯動機制等相關建議。曹禹[5]主要分析了科技成果投入與產出對轉化的影響，采用了兩種方法，分別是回歸法和因子法。汪曉夢[6]分析了西南地區高校的科技創新情況，采用了1個模型和1種方法，分別是灰色關聯模型和主成分法。

本文首先構建了指標體系；其次使用R軟件進行因子分析，從原始的指標中提取公因子，并得出各個地區的得分及排名；然后對31個地區進行聚類；最后對結論進行分析，并依據數據分析得到的結論提出相應的建議。

1　數據來源和指標確定

文章的數據來源于《2020年高等學校科技統計資料匯編》。指標體系是從三個維度來構建的，3個一級指標下又包括了7個二級指標，同時，在7個二級指標下又包括了18個三級指標，具體指標見表1。

表1 評價指標體系

續表1

從事研究與發展人員中高級 職稱人員人年X6 科技經費當年科技經費內部支出千元X7 當年研究項目支出經費千元X8 科技機構研發機構數個X9 科技項目科技項目數項X10 科技項目研究與發展項目數項X11 科技實力科技項目科技成果 科技著作部X12 科技成果學術論文中國外期刊數篇X13 科技成果知識產權與專利 專利申請數項X14 知識產權與專利專利授權數項X15 轉化效果知識產權與專利技術成果轉讓專利出售數項X16 技術轉讓合同數項X17 技術成果轉讓技術轉讓收入千元X18 技術成果轉讓

2　統計方法和結果分析

2.1　因子分析

因子分析實際上是一種降維的方法，它將變量進行分組，分組的依據是原始變量之間的相關系數的大小，將相關性大的變量分為一組，每組變量都稱為因子[7]。

2.1.1因子分析的適用性檢驗

使用R軟件進行因子分析，首先得到了各個指標之間的的相關系數，從各指標的相關系數上可以看出，、、、的相關系數很大，、、、的相關系數也很大，說明本文接下來可以做因子分析。

2.1.2確定公因子數目

基于最大似然法進行因子分析，其結果如表2所示，由表可知兩個公因子的累計貢獻率達到了90%，因此本文提取了兩個公因子，分別是第一公因子和第二公因子，這樣就將原來的18個指標分成了兩組，這兩個公因子已經包含了原來指標中90%的信息，完全可以近似代替原來的指標，具體見表2。

表2 公因子方差

2.1.3旋轉后的因子載荷矩陣

基于最大方差法對數據進行因子旋轉，其結果如表3。從該表中可以看出，第一公因子中的指標主要包括、、、、、、、、、、、和，這些指標都與科技投入、科技成果產出有關，因此將這組指標取名為“科技投入與產出因子”。

第二公因子中權重比較大的指標包括、、、、和，這些指標都與科技成果轉化有關，因此將這組指標取名為“科技成果轉化因子”。

由表3得到兩個公因子模型，分別如下。

=0.828+0.812+0.947+0.927+0.874+0.850+0.839+0.444+0.754+0.855+0.781+0.788+0.818+0.579+0.581+0.287+0.313+0.600

=0.421+0.486+0.317+0.366+0.456+0.483+0.423+0.793+0.342+0.432+0.547+0.319+0.518+0.777+0.786+0.935+0.941+0.673

表3 旋轉后的因子載荷矩陣

2.1.4得分與排名

由表4可以看出，對于第一個公因子“科技投入與產出因子”，排名第一的是江蘇省，其次是浙江省，這是因為當地的政府十分重視對科技的投入，比如排名第一的江蘇省，當地政府就設立了“科技成果轉化專項資金”，用于提供資金支持。然而，西部大多數地區投入產出水平較低，比如西藏、青海、新疆等，這是因為西部大部分地區的經濟基礎一般，所以導致各地區對高校的科技投入較少，相應的科技產出也就較少。

對于第二個公因子“科技成果轉化因子”，排名前兩位的分別是北京市、上海市，之所以兩者的科技轉化能力這么高，是因為這兩個地區的地理位置非常好，還有很多有名的高校以及科技人才。然而，西部有很多地區的高校科技成果轉化能力較差，比如西藏、寧夏、新疆等，這是因為這些地區政府對科技的投入較少，科技人才也比較少。

對于綜合得分的排名情況，江蘇省排名第一，雖然江蘇省的科技成果轉化因子得分排名第12，但是該省的科技投入與產出因子得分排名第一，大大地提升了江蘇省的綜合得分排名，從而綜合得分排名第一，江蘇省在科技投入與產出方面很強，但其科技成果轉化能力一般，所以江蘇省的各大高校要想辦法提升自己的科技成果轉化能力。北京排名第二，雖然北京的科技成果轉化因子得分排名第一，但是其科技投入與產出因子得分排名第18，拉低了北京的綜合得分排名，北京市在科技成果轉化方面很強，但其在科技投入與產出方面表現一般，因此北京需要加大高校的資金投入。

表4 因子得分與綜合得分

2.2　聚類分析

聚類分析是對樣品或變量進行分類，分類的依據是樣品或變量的特征，同一類別內的相似性較大，不同類別間的相似性較小，聚類分析方法可以分為系統聚類法和K均值聚類法[8]。

本文使用的是系統聚類方法，對全國31個地區高校的因子得分進行聚類。根據樹狀圖（圖1）可以將31個省市分為5類，分別定義為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ，具體分類見表5。

類別Ⅰ：北京、遼寧、上海、山東、廣東。該類別的得分是負數，得分是正數且得分很高。說明該類別的科技成果轉化能力較強，但是在科技投入與產出方面處于劣勢，因此應加大對高校科技的資金投入。

類別Ⅱ：江蘇。該類別的得分是正數且得分很高，得分也是正數。說明該類別在“科技投入與產出因子”和“科技成果轉化因子”兩方面都處于優勢，但是存在大量科技產出沒有得到相應轉化的情況，說明江蘇省的科技成果轉化能力還是有提升空間的，江蘇省應多多關注科技成果的轉化。

類別Ⅲ：浙江、河南、湖北、重慶、四川、陜西。該類別的特征是得分是正數，得分是負數。說明該類別在科技投入與產出方面有一定的優勢，但科技成果轉化能力低，因此該類別的地區應主要關注科技成果的轉化。

類別Ⅳ：天津、河北、山西、吉林、黑龍江、安徽、福建、湖南、廣西。得分是負數，得分是正數。說明該類別的科技成果轉化能力還可以，但是在科技投入與產出方面處于劣勢，因此該類別的地區應加大對高校科技的資金投入。

類別Ⅵ：內蒙古、江西、海南、貴州、云南、西藏、甘肅、青海、寧夏、新疆。得分是負數，得分是負數。說明該類別在“科技投入與產出因子”和“科技成果轉化因子”方面都處于劣勢，這是因為西部大部分地區的經濟基礎一般，所以導致各地區對高校的科技投入較少，相應的科技產出也就較少。

表5 聚類結果

圖1 樹狀圖

3　結論與建議

3.1　結論

通過因子分析可以發現，在第一個公因子“科技投入與產出因子”方面，東部地區的投入產出水平較高，而西部大多數地區投入產出水平不高；在第二個公因子“科技成果轉化因子”方面，東部地區高校在科技成果轉化能力較強，而西部大多數地區科技成果轉化能力偏低；綜合來看，東部高校科技成果轉化能力較強。

通過聚類分析可以發現，類別Ⅱ即江蘇省在“科技投入與產出因子”和“科技成果轉化因子”方面都處于優勢；類別Ⅲ在“科技投入與產出因子”方面的優勢很大，但是在“科技成果轉化因子”方面處于劣勢，因此該類別的地區應更加關注科技成果的轉化；類別Ⅰ、Ⅳ正相反，其在“科技投入與產出因子”方面處于劣勢，在“科技成果轉化因子”方面處于優勢，因此該類別的地區應加大對科技創新的投入，發揮自己在科技成果轉化的優勢；類別Ⅵ在“科技投入與產出因子”和“科技成果轉化因子”方面都處于劣勢，這主要是因為這些地區的地理位置不占優勢，經濟水平不高，從而導致對科技投入不夠。

3.2　建議

3.2.1加大資金投入

通過上面的分析可以發現，我國東部和中部地區高校的科技成果轉化能力較強，但是高校的科技投入不高，因此這些地區需要增加對高校科技的資金投入，這樣才能充分發揮這些地區高校的科技轉化優勢，可以學習科技投入水平較高的江蘇省，江蘇省就十分注重對高校科技的投入，設立了“科技成果轉化專項資金”，這個專項資金的投資額每年都在大幅度提升，給高校科技成果轉化提供了充足的支持。

3.2.2成立轉化機構

我國各高校普遍存在一個問題，就是盡管高校有很多科技產出，但科技成果轉化能力卻不強，這是因為高校沒有和企業建立適當的聯系，這就導致了高校科技成果轉化慢的問題。因此，應成立專門的機構，這個機構主要負責建立高校與企業之間的聯系，從而加速科技成果的轉化。

3.2.3加大科研激勵

科研人員是高校中很重要的成員之一，因此，各地區應該高度重視對科研人員的激勵，保障科研人員的利益，包括薪資、職稱、獎金等方面，合理分配利益，避免不必要的糾紛發生，同時也要保護科研人員的知識產權和專利，從而提高科研人員的積極性。

[1] 郭強，夏向陽. 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.

[2] 郭俊華. 中國高校科技成果轉化能力評價及聚類分析[J]. 情報雜志，2016，35(12): 155-161，168.

[3] 雷英月. 高校科技成果轉化及其影響因素分析[D]. 福州: 福州大學，2014.

[4] 王念，劉細發. 我國高校科技成果轉化的因子分析與路徑選擇[J]. 企業經濟，2011，30(8): 111-113.

[5] 曹禹. 高校科技成果轉化影響因素研究[D]. 滁州: 安徽科技學院，2018.

[6] 汪曉夢. “十二五”期間西南高校科技創新績效評估與比較[J]. 科學管理研究，2018，36(5): 66-69.

[7] 費宇. 多元統計分析[M]. 北京: 中國人民大學出版社，2020.

[8] 曹正鳳. 數據分析的統計基礎[M]. 北京: 電子工業出版社，2016.

Evaluation of Transformation Ability of Scientific and Technological Achievements in Chinese Colleges and Universities

The academic level of a university can be measured by many standards, of which the most important one is the transformation of scientific and technological achievements of the university. If a university wants to improve its academic level, it must pay attention to its own transformation ability of scientific and technological achievements. The research object of this paper is universities in 31 regions of China in 2019. Firstly, the index system is constructed from three dimensions; secondly, using R software to do factor analysis, two common factors are extracted, and the factor scores and rankings of 31 regions are obtained; then cluster analysis is carried out and finally divided into five categories; finally, the corresponding suggestions are put forward.

colleges and universities; transformation of scientific and technological achievements; factor analysis; cluster analysis

F124.3

A

1008-1151(2022)10-0189-04

2022-06-16

張敏敏（1997－），女，河南新鄉人，河北經貿大學在讀碩士研究生，研究方向為調查與大數據分析。