全面創新改革試驗政策對科技成果轉化的影響效應

王 欣，杜寶貴

(東北大學 文法學院，遼寧 沈陽 110169)

0 引言

全面創新改革試驗是具有中國特色的公共政策創新擴散實踐，既是對中央戰略布局政策試驗田、地方積極貢獻創新舉措的政策試點—推廣模式的傳統延續，又是對全面深化改革、推動中國國家治理體系與治理能力現代化的現實回應[1]。2015年9月《關于在部分區域系統推進全面創新改革試驗的總體方案》(以下簡稱《總體方案》)正式出臺，標志著首輪全面創新改革試驗肇始。在首輪全面創新改革試驗中期評估與收官大考期間，京津冀、上海、廣東、安徽、四川、武漢、西安、沈陽試驗區在科技管理體制、科技成果轉化、人才引育與激勵等方面取得了顯著成效。目前，第一輪全面創新改革試驗已落下帷幕，后續全面創新改革試驗將穩步推進。2020年《政府工作報告》提出“深化新一輪全面創新改革試驗”，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》(以下簡稱《綱要》)第七章第一節提到“深入推進全面創新改革試驗”。

政策試點—推廣模式中的一個重要環節是對政策試點經驗進行總結評估，即側重回答戰略規劃及其配套政策是否有利于完善政策體系，是否有利于創新政策工具，是否有利于解決現實問題，政策目標是否恰當，在多大程度上實現了政策目標，政策受眾的政策感知如何等一系列問題，并分析試驗區創新政策舉措在區域乃至全國范圍復制推廣的科學性、適用性、可行性。那么，如何評估全面創新改革試驗政策效應？《總體方案》歸結了7項主要目標，近年來學者們已經從區域創新能力[2]、知識產權、人才培養與激勵[3]、金融創新[4]等方面進行了有益探索。那么，對于其它主要政策目標如科技成果轉化，全面創新改革試驗政策效應如何？該政策對試驗區科技成果轉化產生的總體效應如何？該政策對不同試驗區科技成果轉化產生的個體效應如何？基于此，本文聚焦科技成果轉化這一主要政策目標，致力于探討全面創新改革試驗政策對科技成果轉化的影響效應。

1 研究綜述

學者們主要從試驗區頂層設計與差異化發展路徑、政策評估、試點—推廣可行性3個方面，對全面創新改革試驗相關問題展開了深入研究。

(1)全面創新改革試驗區頂層設計與差異化發展路徑。首輪全面創新改革試驗區共有8個，每個試驗區承擔的任務不盡相同，學者們根據試驗區戰略目標，立足于當地區位優勢，為各個試驗區頂層設計與發展路徑建言獻策。律星光[5]提出，四川試驗區應進一步實施人才發展戰略、金融支撐戰略和開放合作戰略，并著力軍民融合創新；高騫等[6]分析了上海實施全面創新改革試驗的“集聚與輻射”“競爭與合作”等五對關系，“三鏈重構”“四化協同”等五大原則，加強互聯互通、形成比較優勢等十大任務；郜媛瑩等[7]總結了京津冀在協同創新體制機制、跨區域知識產權一體化、跨區域人才一體化、跨區域科技創新資源配置與科技成果轉化等方面取得的成績。

(2)全面創新改革試驗政策評估。學者們認為政策完善程度、質量與結構、政策協同等會影響政策效果，因而從政策層次結構與政策文本內容出發，分析了全面創新改革試驗政策。杜寶貴等(2020)構建了全面創新改革政策的PMC指數模型，從政策目標、政策工具、執行保障等10個方面進行了政策量化評價研究；涂平等[8]研究指出，部分全面創新改革試驗政策與現行法律法規存在矛盾沖突和不協同問題。同時，近年來“小切口、大問題”研究范式受到學界推崇，學者們紛紛嘗試從一個較小的切入點，探究全面創新改革試驗政策在某一方面產生的效果與影響。夏巖磊等[2]運用嵌入式干預理論，探討了全面創新改革試驗政策對試點地區創新能力的影響機理。此外，學者們也致力于全面創新改革試驗評估框架與指標體系構建研究。李紅艷等[9]基于均衡式改革理論，形成涵蓋68項具體指標的評估體系。

(3)全面創新改革試驗試點—推廣的可行性。一種觀點認為，全面創新改革試點地區政策制定與實踐經驗在其它地區復制推廣具有較強可行性。洪志生等(2021)基于政策擴散理論，從政策本質、政策匹配、政策差異等角度分析了全面創新改革試驗與“雙創”政策共容性，發現二者政策內容高度匹配、試點區域選擇存在重合，從而認為全面創新改革試驗政策在雙創示范基地復制推廣是可行的，并且能夠發揮政策疊加效應；王玥[10]通過構建改革力度—實施成效二維分析框架，闡述了長三角區域復制推廣改革創新類、優化服務類政策舉措的可行性。另一種觀點認為，全面創新改革試點地區政策制定與實踐經驗不易進行異地移植與擴散。張克[1]認為，試點地區之所以能夠當選，源于它們在科技體制改革、知識產權保護、科技成果轉化等方面具有先天優勢，試點地區成功經驗具有特殊性，難以復制。另外，在試驗開展中，試驗區可能為了在“晉升錦標賽”中標榜業績，短期內大幅加大資源投入力度，但是，這種行為不可持續，也不利于資源匱乏地區學習模仿。

2 研究設計

2.1 實驗組與控制組

《總體方案》選取8個全面創新改革試驗區，涉及跨省級行政區域、省、直轄市和副省級城市。各個試驗區在行政層級、經濟體量等方面存在較大差異，不宜將所有試驗區納入同一評估框架與變量體系中。第一，考慮到《總體方案》將京津冀視為一個試驗區，旨在整體上推動京津冀跨區域協同發展，由于其特殊的戰略定位和區位條件，難以找到與之相似的對照組，因此，實驗組不包含京津冀試驗區；第二，沈陽、西安和武漢是副省級城市，在行政層級、統計口徑等維度與其它試驗區不具有可比性，因此，實驗組不包含這3個城市；第三，直轄市與省份存在規模差異，因此，實驗組不包含上海。出于上述考量，實驗組由廣東、安徽和四川3個省級行政區域構成。控制組由非試驗區省份構成，需要說明的是，考慮到沈陽、西安和武漢試驗區可能對所在省份產生空間溢出效應，故控制組不包含遼寧、陜西和湖北3省。

2.2 變量選取與數據來源

(1)被解釋變量。《總體方案》以“科技成果轉化”作為主要目標之一，并提出通過“加速促進科技成果的資本化、產業化，增強科技對經濟社會發展的支撐、引領作用”，促進科技與經濟深度融合。由此可見，這一政策目標的價值導向在于凸顯科技成果經濟價值與市場價值。技術市場是科技成果由供給主體向需求主體轉移的交易活動場所，繁榮活躍的技術市場可以有力促進科技與經濟融合。技術市場成交額可以反映科技成果市場價值與科技成果轉化總體規模，其在科技成果轉化評價中占據較高權重[11]，是科技成果轉化成效的主要呈現形式[12]。因此，本文以科技成果轉化為切入點，選擇“技術市場成交額”作為科技成果轉化的代理變量。

(2)預測控制變量。為確保全面創新改革試驗區技術市場成交額的合成預測值能夠較好擬合其實際觀測值，本文選取以下變量作為預測控制變量：①經濟規模。已有研究表明，經濟規模對技術市場成交額具有顯著正向影響[13]，并且較大經濟規模是產生較高技術市場成交額的一項核心條件[14]，本文選取人均GDP表征經濟規模；②科技經費投入。楊仲基等[15]將技術市場成交額作為成果需求能力的一項評價指標，將R&D經費投入強度作為匹配保障能力的一項評價指標，研究發現二者相關系數高度顯著，本文選取R&D經費投入強度表征科技經費投入；③科技人才投入。科技人才是科技成果轉化的主體，既有研究多以R&D人員全時當量表示科技人才投入，并且技術市場成交額隨著R&D人員全時當量增加而增加，本文以每萬人擁有R&D人員全時當量作為科技人才投入代理變量；④人口集聚。人口集聚一定程度上體現區域對人口的吸引力，其與產業集聚、市場集聚、技術集聚等關聯密切，本文以城市人口密度作為人口集聚代理變量；⑤產業結構。產業結構優化升級有利于推動科技成果轉化，第三產業發展規模對科技成果轉化績效具有顯著正向影響[16]，本文選擇第三產業產值占GDP比重表征產業結構；⑥城鎮化水平。新型城鎮化促進人才、新興產業等資源要素向城鎮集聚[17]，城鎮人口規模化是新型城鎮化的特點之一，本文以年末城鎮人口比重表征城鎮化水平；⑦信息化水平。近年來，互聯網+科技成果轉化模式日漸成熟，有利于提高科技成果轉化效率，使得供需匹配更加精準[18]，本文選取互聯網普及率作為信息化水平代理變量；⑧對外開放。相關研究表明，進出口額增長能夠帶動技術市場成交額增長[19]，本文選取進出口總額占GDP比重作為對外開放代理變量；⑨創新能力。專利研發是一項知識密集型活動，專利授權體現政府和市場對專利創新價值的認可，技術市場成交額的增長顯著促進專利授權量增長[19]。在3類專利中，發明專利難度最大、創新程度最高，本文以每萬人發明專利授權數表征創新能力；⑩技術成熟度。成熟度高的技術成果通常具備實用價值，易被技術市場認可，從而轉化為經濟效益。技術轉讓表明技術輸入方認可技術輸出方技術成熟度和市場價值[20]，本文以技術轉讓金額表征技術成熟度。各變量體系與變量描述如表1所示。

本文變量數據均源于《中國統計年鑒》《中國科技統計年鑒》與中國經濟社會大數據研究平臺，各項變量數據時間跨度均為2005-2019年。

表1 變量體系與變量描述Tab.1 Variable system and variable description

2.3 研究方法與模型構建

Alberto Abadie & Javier Gardeazabal率先提出合成控制法(Synthetic Control Methods，簡稱SCM)，為了檢驗20世紀70年代恐怖主義對巴斯克地區的經濟影響，其從西班牙其它地區中選取與巴斯克地區經濟特征相似的地區，通過賦予每個相似地區一定權重，構建合成巴斯克地區，并對“假設巴斯克地區沒有受到恐怖主義影響時的經濟情況”進行反事實估計。20世紀70年代以后巴斯克地區人均GDP實際值與合成巴斯克地區人均GDP反事實估計值之間的差值，即為恐怖主義對該地區的經濟影響[21]。此后，Abadie等[22]運用合成控制法的基本原理與思想，評估了加州煙草控制計劃的實施效果。

本文借鑒Abadie[22]、趙西亮[23]等的研究思路，假設有N+1個省份、T個時期的面板數據，T0(1

設定Transactionit=Transaction0it+αitDit，其中，Dit為全面創新改革試驗政策虛擬變量，當i=1且t>T0時，Dit=1，否則Dit=0。

本文核心在于估計全面創新改革試驗政策對試驗區技術市場成交額的影響，對于t>T0，α1t=Transaction11t-Transaction01t=Transaction1t-Transaction01t，表示全面創新改革試驗區受到政策影響時技術市場成交額實際值與假設試驗區不受政策影響時技術市場成交額反事實估計值之差，即全面創新改革試驗政策效應。實際值數據Transaction11t可直接觀測獲取，而反事實估計值Transaction01t并無直接觀測數據。因此，求解反事實估計值Transaction01t成為關鍵問題。

本文運用Abadie等[22]提出的合成控制模型，求解反事實估計值。

Transaction0it=δt+θtZi+λtμi+εit

i=1...N+1，t=1...T

(1)

式(1)中，δt為對所有個體具有恒定因子載荷的未知公共因子，Zi表示(K×1)維不受全面創新改革試驗政策影響的控制變量，θt表示(1×K)維未知系數向量，μi是(F×1)維未知因子載荷，λt是(1×F)維未觀測到的公共因子，εit表示均值為0的誤差項。

假設存在一個(N×1)維權重向量W=(ω2...ωN+1)，ωn≥0,n∈[2,N+1]，并且滿足ω2+...+ωN+1=1。權重向量W的合成控制模型，表示試驗區技術市場成交額在多大程度上由非試驗區對應值合成。

(2)

如果有W*=(ω2*...ωN+1*)使得式(3)成立，則合成后n個非試驗區省份在T0期的技術市場成交額等于試驗區1在T0期的技術市場成交額，并且，合成后n個非試驗區省份的控制變量值等于試驗區1的控制變量值。

(3)

Abadie等(2010)研究證明，如果政策干預前期數據足夠長，則式(4)成立。

(4)

通過式(5)可求得全面創新改革試驗政策對試驗區技術市場成交額的影響效應。

(5)

3 實證分析

3.1 總體效應分析

為了估計全面創新改革試驗政策對廣東、安徽和四川技術市場成交額的總體效應，本文運用廣東、安徽、四川在技術市場成交額與其它控制變量指標上的均值，將這3個試驗區省份合并為一個試驗區省份“粵皖川”，再運用合成控制法，從其它非試驗區省份中選擇合成控制單元，構造“合成粵皖川”。通過計算粵皖川技術市場成交額實際觀測值與合成粵皖川技術市場成交額反事實估計值間差值，得到全面創新改革試驗政策對粵皖川技術市場成交額的總體效應。

基于技術市場成交額和各項控制變量，計算得到合成控制單元和權重分布情況，如表2所示，可以看出粵皖川技術市場成交額由哪些非試驗區省份合成，從而構造合成粵皖川。合成粵皖川由5個合成控制單元構成，分別為山東、江蘇、海南、甘肅和重慶。其中，山東對合成粵皖川的貢獻權重為0.21，江蘇的貢獻權重為0.283，海南的貢獻權重為0.082，甘肅的貢獻權重為0.285，重慶的貢獻權重為0.14。

合成粵皖川的反事實估計值用以推斷粵皖川試驗區未實施全面創新改革試驗政策的潛在結果，其中一個關鍵前提在于：全面創新改革試驗政策實施時間節點(2015年)之前，確保合成粵皖川各項變量估計值盡可能接近粵皖川各項變量真實值，這樣才能用合成粵皖川估計值對2015年和之后年份假設粵皖川未實施全面創新改革試驗政策的結果進行推斷。如表3所示，2005-2014年合成粵皖川在各項控制變量上的估計值均值與粵皖川在各項控制變量上的實際觀測值均值差異較小，說明合成粵皖川對粵皖川的擬合度較高，可以保證后期統計推斷的準確性。

表2 合成控制單元與權重分布Tab.2 Synthetic control units and weight distribution

表3 政策實施前粵皖川與合成粵皖川控制變量均值對比Tab.3 Comparison of the mean values of control variables between Guangdong-Anhui-Sichuan and synthetic Guangdong-Anhui-Sichuan before policy implementation

2005-2019年粵皖川與合成粵皖川技術市場成交額如圖1所示。總體而言，粵皖川與合成粵皖川的技術市場成交額呈現逐年增長趨勢。2005-2014年合成粵皖川與粵皖川技術市場成交額的折線基本重合在一起，說明合成粵皖川對粵皖川技術市場成交額的擬合度很高。2015-2019年粵皖川技術市場成交額折線明顯高于合成粵皖川技術市場成交額折線，隨著時間的推移，二者差距越來越大，表明全面創新改革試驗政策改變了粵皖川技術市場成交額固有發展趨勢，促進粵皖川技術市場成交額增長，并且政策滯后效應逐年增強。

為了更加清晰地觀察全面創新改革試驗政策對粵皖川技術市場成交額的影響效應，繪制2005-2019年粵皖川與合成粵皖川技術市場成交額差值折線圖，如圖2所示。2005-2014年二者差值折線圍繞0值上下小幅度波動，2015-2019年粵皖川技術市場成交額較合成粵皖川分別高出1 065 770、980 844.2、1 491 161.7、3 632 192.9和5 806 810.4萬元，表明全面創新改革試驗政策實施后，粵皖川技術市場成交額分別增長了39.20%、30.00%、39.07%、68.37%和81.31%，全面創新改革試驗政策對粵皖川技術市場成交額的促進效應顯著且存在滯后性。

圖1 2005-2019年粵皖川與合成粵皖川技術市場成交額Fig.1 Transaction value in technical markets of Guangdong-Anhui-Sichuan and synthetic Guangdong-Anhui-Sichuan from 2005 to 2019

就總體效應而言，全面創新改革試驗政策促進粵皖川技術市場成交額增長，政策效應存在一定滯后性，整體上政策效應逐年增強。

3.2 個體效應分析

為進一步檢驗全面創新改革試驗政策對廣東、安徽、四川技術市場成交額的個體效應，本文運用合成控制法，分別構造合成廣東、合成安徽以及合成四川，并計算廣東、安徽、四川技術市場成交額實際觀測值與合成廣東、合成安徽、合成四川技術市場成交額反事實估計值間差值，得到全面創新改革試驗政策對廣東、安徽、四川技術市場成交額的個體效應。

圖2 2005-2019年粵皖川與合成粵皖川技術市場成交額差值Fig.2 Differences of transaction value in technical markets of Guangdong- Anhui-Sichuan and synthetic Guangdong-Anhui-Sichuan from 2005 to 2019

合成廣東由3個合成控制單元構成，其中，江蘇的貢獻權重為0.861，浙江的貢獻權重為0.039，海南的貢獻權重為0.1。合成安徽由3個合成控制單元構成，其中，山東的貢獻權重為0.291，江蘇的貢獻權重為0.006，甘肅的貢獻權重為0.703。合成四川由3個合成控制單元構成，其中，山東的貢獻權重為0.353，江蘇的貢獻權重為0.029，甘肅的貢獻權重為0.617(見表4)。

表4 廣東、安徽、四川合成控制單元與權重分布Tab.4 Synthetic control units and weight distribution of Guangdong, Anhui and Sichuan

全面創新改革試驗政策實施前，廣東、安徽、四川控制變量實際值均值與合成廣東、合成安徽、合成四川控制變量估計值均值如表5所示。2005-2014年，雖然廣東、安徽、四川與對應合成省份在個別控制變量均值上存在一定差異，但是，多數控制變量均值都較為接近，整體而言，合成廣東、合成安徽、合成四川對相應省份的擬合度較高。

2005-2019年廣東、合成廣東技術市場成交額與差值如圖3所示。廣東和合成廣東技術市場成交額整體上均呈現增長趨勢，2005-2014年二者折線基本重疊在一起，表明合成廣東對廣東技術市場成交額的擬合度很高。2015-2019年二者折線出現明顯差異，廣東技術市場成交額折線始終位于合成廣東技術市場成交額折線之上，差距不斷擴大，說明全面創新改革試驗政策對廣東技術市場成交額具有促進效應，并且政策實施時間越長，政策效應越明顯。根據二者差值計算結果，全面創新改革試驗政策的實施促進廣東技術市場成交額年均增加4 060 882.08萬元。

表5 政策實施前廣東、安徽、四川與對應合成省份控制變量均值對比Tab.5 Comparison of the mean values of control variables of Guangdong, Anhui, Sichuan and synthetic Guangdong, synthetic Anhui, synthetic Sichuan before policy implementation

圖3 2005-2019年廣東、合成廣東技術市場成交額與差值Fig.3 Trends and differences of transaction value in technical markets of Guangdong and synthetic Guangdong from 2005 to 2019

2005-2019年安徽、合成安徽技術市場成交額與差值如圖4所示。安徽與合成安徽的技術市場成交額都逐年增加，2005-2014年合成安徽與安徽技術市場成交額折線重合，表明合成安徽對安徽技術市場成交額的擬合度很高。2015-2019年安徽與合成安徽技術市場成交額的折線依然高度重合，表明全面創新改革試驗政策對安徽技術市場成交額無顯著影響。根據二者差值折線圖，全面創新改革試驗政策實施后二者差值始終為負數，表明安徽技術市場成交額未達到預期目標。

2005-2019年四川、合成四川技術市場成交額與差值如圖5所示。2005-2014年合成四川與四川技術市場成交額的折線幾乎完全重疊，表明合成四川技術市場成交額估計值與四川技術市場成交額實際值十分接近。2015-2019年四川技術市場成交額折線始終位于合成四川的上方，并且2017年之后四川技術市場成交額呈現垂直直線增長狀態。這說明全面創新改革試驗政策促進四川技術市場成交額增長，并且政策效應不斷增強。根據二者差值計算結果，2015-2019年全面創新改革試驗政策為四川技術市場成交額釋放出14 505 155.60萬元的增長空間。

圖4 2005-2019年安徽、合成安徽技術市場成交額與差值Fig.4 Trends and differences of transaction value in technical markets of Anhui and synthetic Anhui from 2005 to 2019

圖5 2005-2019年四川、合成四川技術市場成交額與差值Fig.5 Trends and differences of transaction value in technical markets of Sichuan and synthetic Sichuan from 2005 to 2019

就個體效應而言，全面創新改革試驗政策對廣東、安徽和四川技術市場成交額的影響效應不盡相同。全面創新改革試驗政策對廣東、四川技術市場成交額均產生促進效應，并且政策滯后效應較為明顯，在政策實施后的5年內分別對廣東、四川技術市場成交額釋放出20 304 410.40萬元和14 505 155.60萬元的增長潛力。同時，全面創新改革試驗政策對安徽技術市場成交額無顯著影響。

3.3 安慰劑檢驗

為進一步確保本文結論有效性與穩健性，借鑒Abadie等[21]提出的安慰劑檢驗思路和方法——隨機置換檢驗法，檢驗研究結果是否具有統計上的顯著性。假設作為控制組成員的其它非試驗區省份2015年也實施了全面創新改革試驗政策，逐一將每個控制組成員作為偽干預對象，運用合成控制法構造相應合成控制對象。2015年及之后每個偽干預對象技術市場成交額實際觀測值與合成控制對象技術市場成交額反事實估計值的差值，即偽干預對象的政策效應。對于每一個偽干預對象而言，它們實際上并未實施全面創新改革試驗政策。如果它們的政策效應超過粵皖川、廣東、安徽和四川的政策效應，則意味著“全面創新改革試驗政策促進技術市場成交額增長”的結論不具有統計上的顯著性；反之，如果粵皖川、廣東、安徽和四川的政策效應超過偽干預對象的政策效應，則說明此結論具有統計上的顯著性。隨機置換檢驗結果如圖6～圖9所示。

需要說明的是，政策實施前，如果干預對象真實值與合成控制值差距較大，則表示模型擬合效果欠佳，不適用于推算政策實施后干預對象的反事實估計值。因此，僅保留均方預測誤差分別是粵皖川、廣東、安徽、四川兩倍以內的偽干預對象進行安慰劑檢驗。由圖6可知，粵皖川的政策效應最大，對應折線處于圖中極端位置，出現如粵皖川一樣顯著政策效應的概率約為4.8%(1/21≈0.048)，可以認為全面創新改革試驗政策對粵皖川技術市場成交額的促進效應在5%水平上具有統計顯著性。由圖7可知，出現如廣東一樣顯著政策效應的概率約為4.5%(1/22≈0.045)，可以認為全面創新改革試驗政策對廣東技術市場成交額的促進效應在5%水平上具有統計顯著性。由圖9可知，出現如四川一樣顯著政策效應的概率約為6.7%(1/15≈0.067)，可以認為全面創新改革試驗政策對四川技術市場成交額的促進效應在10%水平上具有統計顯著性。由圖8可知，安徽的政策效應折線處于圖的中部位置，表示全面創新改革試驗政策對安徽技術市場成交額的效應不具有統計顯著性。

圖6 隨機置換檢驗：粵皖川與控制組政策效應對比Fig.6 Random permutation test: comparison of policy effects between Guangdong-Anhui-Sichuan and control group

圖7 隨機置換檢驗：廣東與控制組政策效應對比Fig.7 Random permutation test: comparison of policy effects between Guangdong and control group

圖8 隨機置換檢驗：安徽與控制組政策效應對比Fig.8 Random permutation test: comparison of policy effects between Anhui and control group

圖9 隨機置換檢驗：四川與控制組政策效應對比Fig.9 Random permutation test: comparison of policy effects between Sichuan and control group

3.4 進一步分析：雙重差分法檢驗

將雙重差分法對政策效應的檢驗結果作為穩健性檢驗的補充，設置雙重差分模型如下：

Transactionit=β0+β1Dt+β2Di+β3DIDit+β4Xit+εit

(6)

其中，i表示省份，t表示年份；Dt為時間虛擬變量，當t≥2015時，Dt=1時，否則Dt=0；Di為政策虛擬變量，當i為廣東、安徽和四川時，Di=1，否則Di=0；DIDit表示雙重差分項，是Di與Dt的乘積交互項；Xit表示表1中的預測控制變量；Transactionit表示技術市場成交額；εit表示誤差項；β0～β4為回歸系數，其中，β3為交互項回歸系數，表示政策效應。雙重差分回歸結果如表6所示。

由表6可知，粵皖川、廣東、四川的雙重差分項DID標準化回歸系數分別為0.287、0.289、0.281，且均在1%水平上具有統計顯著性；而安徽的雙重差分項DID標準化回歸系數為-0.004，且無統計上的顯著性。從總體效應上看，全面創新改革試驗政策顯著促進試驗區省份技術市場成交額增長；從個體效應上看，全面創新改革試驗政策對廣東、四川技術市場成交額具有顯著效應，而對安徽技術市場成交額的促進效應不顯著。經過雙重差分法再檢驗，得到與合成控制法一致的研究結論，進一步證明合成控制法研究結論是穩健的。

表6 雙重差分回歸結果Tab.6 Regression results

3.5 政策效應個體差異原因分析

全面創新改革試驗政策對試驗區省份科技成果轉化的個體效應存在差異，那么，緣何全面創新改革試驗政策對廣東和四川科技成果轉化行之有效，而對安徽科技成果轉化“失靈”？本文嘗試從試驗區主要任務差異、創新資源使用效率差異、科技成果市場價值差異等方面予以闡釋。

(1)試驗區主要任務差異。廣東、四川和安徽試驗區的主要任務分別是深化粵港澳創新合作、加速軍民深度融合發展、促進產業承東啟西轉移和調整。產業轉移理論認為，區際產業發展不平衡是產業轉移的基礎[24]，產業轉出地區通常將低附加值的產業鏈轉移至產業承接地區，從而形成產業轉出地區專注于研發設計、產業承接地區致力于生產加工的協作關系。產業轉移帶動技術轉移，技術轉移是產業轉移的關鍵環節。然而，產業轉移也會抑制產業承接地區技術創新動力，對產業承接地區技術升級空間造成擠出效應。作為長三角區域產業轉移的主要承接地，安徽省在承接產業轉移中存在追求總體規模和擴張速度、輕視發展質量的問題，承接了較多原材料、輕紡等低層次、低附加值的傳統產業。一方面，低層次的產業轉移對技術轉移的促進作用十分有限，安徽省在承接產業轉移中所能獲取的高精尖技術較少，導致能夠轉化為高附加值的科技成果數量減少；另一方面，有限的科技創新資源被用于建設承接產業轉移基礎設施、改造傳統產業等，一定程度上擠占了安徽省高新技術產業和戰略性新興產業發展資源，這對技術攻關、技術升級和科技成果轉化具有潛在不利影響。此外，受承接產業轉移的影響，安徽省技術市場交易以技術吸納為主、技術輸出為輔。從技術市場交易金額構成上看，2017-2019年安徽省技術市場輸出技術成交額分別為249.57億元、321.31億元和452.72億元，分別較同年技術市場吸納技術成交額低7.80%、9.36%和25.78%，說明在承接產業轉移的背景下，安徽省技術輸出能力較弱，技術與科技成果在省外技術市場的認可度較低、競爭力不足。

(2)區域創新資源使用效率差異。從創新資源投入上看，2015-2019年廣東省R&D經費投入強度均值為2.61%，安徽省為1.89%，四川省為1.72%；廣東省每萬人R&D人員全時當量均值為56.14人年/萬人，安徽省為23.38人年/萬人，四川省為17.24人年/萬人。從科技成果轉化效果上看，2015-2019年廣東省技術市場成交額均值為11 892 642萬元，安徽省為2 856 662萬元，四川省為6 392 213萬元。可以看出，安徽省創新資源投入力度大于四川省，但是，科技成果轉化效果不及四川省，這在一定程度上反映出安徽省創新資源使用效率相對較低，科研人員參與科技成果轉化的積極性不足。

(3)科技成果市場價值與潛在市場需求差異。單項技術合同成交金額能夠體現科技成果單位市場價值，安徽省單項技術合同成交金額由2015年的152.52萬元增長至2019年的230.12萬元，增幅為50.88%；廣東省單項技術合同成交金額由2015年的382.64萬元增長至2019年的667.17萬元，增幅為74.36%；四川省單項技術合同成交金額由2015年的251.44萬元增長至2019年的917.94萬元，增幅為265.07%。由此可知，安徽省科技成果市場價值較低并且增值空間較小，可能是因為科技成果技術含量和創新水平較低，重大科技成果轉化能力較弱，技術預見、捕捉、識別和轉化能力不足。此外，潛在市場需求是科技成果轉化的重要動力機制，影響科技成果經濟效益。通常而言，人口集聚程度越高，市場需求多樣化程度越高，市場潛力和購買力越強。安徽省人口密度低于四川省和廣東省，表明安徽省人口吸引力相對較弱，較低的人口集聚度制約了市場整體規模和購買力。產業發展需求也是科技成果轉化的影響因素之一，在三次產業中，第三產業對科技成果的創新需求更高[25]，對技術轉移的影響貢獻最大[26]。安徽省第三產業占比低于四川省和廣東省，來自產業結構調整與優化升級的需求動力不足，第三產業對科技成果轉化的需求拉動較弱。

4 結語

為評估全面創新改革試驗政策對科技成果轉化的影響效應，本文以技術市場成交額作為科技成果轉化的代理變量，運用合成控制法，構造合成粵皖川、合成廣東、合成安徽與合成四川，探討全面創新改革試驗政策對試驗區省份科技成果轉化的總體效應和對廣東、安徽和四川科技成果轉化的個體效應，并且借助雙重差分模型進行再檢驗。研究結果表明：第一，就總體效應而言，全面創新改革試驗政策對粵皖川科技成果轉化的促進效應具有統計上的顯著性，在政策實施伊始促進效應即已顯現，政策實施兩年后政策效應更為明顯；第二，就個體效應而言，全面創新改革試驗政策顯著促進廣東、四川科技成果轉化，并且政策效應逐年增強，但全面創新改革試驗政策未對安徽科技成果轉化產生顯著影響；第三，科技經費投入、經濟規模、技術成熟度、人口集聚、產業結構、創新能力對科技成果轉化具有顯著促進效應。

本文也存在一定研究局限：第一，研究對象不全面。由于全面創新改革試驗區在經濟體量、行政層級等方面存在較大個體差異，考慮到變量體系與統計口徑可比性問題，僅選取廣東、安徽、四川作為研究對象，未對京津冀、上海、沈陽、西安和武漢試驗區科技成果轉化效果進行評估，未來研究可將直轄市和副省級城市作為研究對象；第二，研究深度不夠。關于全面創新改革試驗政策對試驗區省份科技成果轉化的總體效應和個體效應，僅檢驗了政策有效性，停留在現象層面，缺乏對影響因素、政策作用機制等方面的深層探討，未來研究可對政策工具識別與組合、政策空間溢出效應、政策作用機制等進行探討。