中國省域科技成果轉化效率評價及影響因素分析

摘 "要：[研究目的]提升省域科技成果轉化效率，對提高國家科技發展水平和競爭力具有重要意義。[研究方法]以我國31個省（區、市）為研究對象，運用sbm-Malmquist模型對省域科技成果轉化效率進行靜態與動態分析，進一步結合Tobit回歸模型分析科技成果轉化效率的影響因素。[研究結論]我國省域科技成果轉化效率整體表現良好，區域間呈現出“中部＞東部＞西部＞東北部”的態勢，且各區域之間差異較大。我國科技成果轉化效率增長主要得益于技術進步，技術進步對科技成果轉化效率的拉動作用抵消了技術效率變化和規模效率變化衰退的影響，市場需求和地區產業結構對科技成果轉化效率具有顯著正向作用，經濟發展水平和財政支持對科技成果轉化效率的影響不顯著。推進我國科技成果轉化效率的提高，仍需要從區域協同、投入產出結構優化、技術進步等方面發力。

關鍵詞：科技成果轉化；效率；SBM模型；Malmquist指數；影響因素

中圖分類號：G644 文獻標識碼：A DOI：10.19881/j.cnki.1006-3676.2024.06.05

科技成果轉化是我國實現自主創新戰略的重要環節，其效率高低直接影響國家的科技發展水平和科技競爭力，對我國經濟發展具有重要意義。2021年中央經濟工作會議上，我國首次將科技政策列入七大政策中，明確要將重點落實在科技政策上。2022年我國出臺的《中華人民共和國科學技術進步法》明確提出科研院所、高校要積極推動科研成果的轉化，強化科研組織與科研人員的培養，建立和完善促進科技成果轉化制度[1]。省級政府是決策與實施的主要部門，開展省域科技成果轉化效率的研究，對于促進產業轉型升級、成果轉化，以及探索促進我國經濟社會發展的有效路徑，具有十分重要的現實意義。中國省域科技成果轉化發展不平衡，各省面臨的問題也不盡相同。為實現省域科技成果轉化效率的提升，有必要從省域整體層面深入挖掘與分析影響科技成果轉化效率的因素。基于此，本文以我國31個省（區、市）為研究對象，分析近五年來各省科技成果轉化效率及影響因素，為我國科技成果轉化效率的提高提供針對性建議，為省級政府優化科技成果轉化政策提供理論參考。

一、文獻綜述

科技成果轉化，即為提高生產力水平而對科學研究與技術開發所產生的具有實用價值的科技成果，所進行的后續試驗、開發、使用、推廣，直至形成新產品、新工藝、新材料，發展新產業等活動[2]。省域科技成果轉化是促進地方社會進步和經濟發展的關鍵。目前，圍繞省域科技成果轉化這一問題，國內外學者進行了深入的研究并形成了比較完善的研究框架體系。歸納來看，關于省域科技成果的轉化研究一部分是對省域科技成果轉化政策進行研究，而關于政策文本的研究主要集中在以下三個方面。一是科技成果轉化政策內容分析。基于政策文本構建多維分析框架，對政策工具、政策目標、創新價值鏈等進行分析，歸納政策特征，提煉現有政策不足，并對政策完善提出針對性建議[3-4]。二是科技成果轉化政策量化評價。通過構建科技成果轉化評價指標體系，結合QCF分析[5]、LDA和SNA[6]等文本計量分析方法，對科技成果轉化政策做出評價，并提出優化建議。三是地方科技成果轉化政策對比分析。部分學者通過對不同省份的科技成果轉化政策進行梳理，分析不同省域在科技成果轉化政策構架中的差異并提出建議和進一步思考[7-9]。各位學者對省域科技成果轉化政策的一系列研究，為省域科技成果轉化政策的進一步研究奠定了基礎，但問題是現有研究多是對某一地區或者某一省域的分析，將31個省份整體作為研究對象的研究較少。另一部分是對省域科技成果轉化效率進行研究。國內對省域科技成果轉化效率的研究主要是對某個省或地區的效率進行研究，并且研究方法各不相同。例如，曹幸如等基于三階段DEA-Windows模型對安徽省16個地級市科技成果轉化效率進行研究[10]。王順洪等結合模糊綜合評價法和熵值法兩種定量分析法對四川省科技成果轉化激勵政策實施效果進行量化分析[11]。孫濤基于DEA方法構建科技成果轉化效率分析模型，對東北地區科技成果轉化效率進行量化分析評價[12]。錢學程等結合模糊數學理論和熵值法構建評價模型，對北京市科技成果轉化政策實施效果進行評價[13]。趙喜倉等基于熵值和隨機前沿的實證分析，對江蘇省科技成果轉化效率和影響因素進行分析[14]。從研究方法看，對科技成果轉化效率進行評價的方法很多，但是現有的研究方法多是靜態或者動態的單一視角，分析不夠全面。

綜上所述，與現有研究相比，本文的貢獻在于：首先，從總體上對全國31個省（區、市）進行全面的研究。其次，本文采用超效率SBM模型和Malmquist指數研究方法對我國省域整體情況進行靜態和動態分析，超效率SBM模型和Malmquist指數研究方法的結合使用使得效率測度更加精準。再次，在此基礎上，通過建立Tobit模型，對我國省域內各類要素的影響機制進行深入研究，為我國省域經濟發展和資源高效配置提供決策支持。

二、研究設計

（一）數據來源

基于對樣本容量的充分性和可獲得性的考慮，本文從時間維度上，選取2017—2022年我國31個省[區、市（不包含港澳臺地區）]的相關數據，計算超效率SBM-Malmquist-Tobit模型。由于模型是基于前一年數據得出的結果，本研究實際使用的是2016—2021年的相關數據。《中國統計年鑒》《中國科技統計年鑒》《全國科技經費投入統計公報》等是本文數據的主要來源。

（二）研究方法

DEA法又叫數據包絡分析法，是美國運籌學家Charnes、Cooper等人為了測量相對效率而建立的一種線性規劃方法。DEA模型有多種分析模型，但是傳統的DEA模型無法有效的對決策單元進行排列，且存在松弛性和非期望產出的問題，這會導致效率值產生一定的偏差。因此，國內外學者對DEA模型進行了改進。其中，Tone[15]將超效率和SBM模型相結合，構建超效率SBM模型，克服了傳統DEA模型的缺點，提高了測算的精確度。本文將基于超效率SBM模型對我國省域科技成果轉化效率進行靜態評估。

由于DEA方法下的各種模型只能應用于靜態效率評價，為彌補DEA方法存在的缺陷，本文引入Malmquist指數評價對31個省（區、市）的科技成果轉化效率進行動態分析。對Malmquist指數的分解，不同的學者提出了不同的方法。其中比較經典的是Fare提出的FCLR分解法[16]。FCLR分解法將全要素生產效率變化指數（TFPCH）分解為技術效率指數（EFFCH）和技術進步效率（TECH），而技術進步效率進一步分解成純技術效率（PECH）和規模效率（SECH），技術進步效率等于純技術效率乘以規模效率。TEPCH＞1表示全要素生產率提高，EFFCH＞1表示技術效率提高，TECH＞1表示技術進步效率提高，PECH＞1表示由于技術管理進步導致效率提高，SECH表示規模效率提高，反之均成立。

綜上，本文以我國31個省（區、市）2017—2022年間的投入—產出面板數據為例，采用超效SBM模型結合Malmquist指數方法，對我國31個省（區、市）的科技成果轉化投入產出面板數據進行實證研究。在此基礎上，利用超效SBM模型，將Malmquist指數方法引入到技術成果轉化效率的研究中，對其影響因素進行深入的分析，這對實現我國科技成果轉化效率的優化配置，具有重要的理論與現實意義。由于超效率SBM模型得出的效率是截斷的離散分布數據，因此本文選擇Tobit回歸模型分析科技成果轉化效率影響因素的影響方向和程度。

（三）變量確定

1.評價指標體系構建

科技成果轉化效率綜合反映了科技成果轉化的能力和水平，目前學術界在對科技成果轉化效率進行評價方面沒有形成公認的評價指標體系，所以本文在各位學者研究的基礎上從投入與產出兩個視角，構建科技成果轉化評價指標體系。該體系包括2個投入指標和3個產出指標，具體如表1所示。

在科技成果轉化投入方面，本文參考國外學者Miller[17]和國內學者曹幸如[10]、張婷[18]等的做法，將科技成果轉化投入指標分為資金投入和人力投入兩大類，并對其進行了分析。在資金投入方面，關于選擇Ramp;D內部經費還是Ramp;D外部經費作為資金投入的量化指標，不同的學者有不同的見解。蘭海[19]、王海花[20]等采用Ramp;D內部經費作為投入指標之一，蔣天穎[21]以Ramp;D經費支出作為投入指標對地區創新效率進行測算。而Ramp;D內部經費支出是指在調查期間單位內部為實施Ramp;D活動而實際發生的全部經費，外部經費支出是指在調查期間單位委依托其他單位或者與其他單位合作產生的費用。相比之下，Ramp;D內部經費支出是真正意義上的科技活動支出，可以反映對科技研究活動的支持程度，也更能真實反映科技成果轉化經費支出。Ramp;D人員全時當量是指從事Ramp;D人員在活動期間內的工作量，也是國際上常用的比較標準。因此，本文最終選取“Ramp;D人員全時當量/人年”和“Ramp;D內部經費/萬元”兩項，構成科技成果轉化投入指標。

在科技成果轉化產出方面，專利和論文都能充分反映地區的科技成果產出情況。專利分為申請量和授權量，但是由于專利可以重復申請并且不一定能夠通過審核，因此本文選用專利授權量作為科技成果轉化產出指標之一。可被授權的專利包括實用型專利、發明專利和外觀設計專利，雖然三類專利類型產出的經濟效益不同，但也同樣是科技成果產出，故將各省三類專利數量之和，構成一項科技成果產出指標。在經濟效益方面，本文借鑒王趙琛[22]、李春林[23]等學者的做法，以技術市場成交額作為經濟產出。最終，本文選取高校科技論文/篇、專利授權數/件、技術市場合同成交額/萬元三項，作為科技成果的產出指標。

2.影響因素及量化指標構建

科技成果轉化活動是在一定的政治、經濟、文化等環境下進行的。文獻梳理后[24-25]，本研究確定經濟發展水平、政府對科技成果轉化的支持、市場需求和產業結構這四個方面為影響科技成果轉化效率的因素，具體如表2所示。

經濟增長與科技成果轉化的關系一直以來都受到眾多學者的關注，科技成果轉化影響經濟增長，經濟發展也促進科技成果轉化。本文采用人均GDP指標衡量地區經濟發展水平。政府力量是省域科技成果轉化的重要推動力，是引領科技成果轉化方向、塑造轉化環境的根本力量。本研究采用科技支出占政府財政支出的比重—Ramp;D經費投入強度量化政府在科技成果轉化方面的支持度。市場對新產品、新技術的需求能夠增強高校、企業、科研院所等對科技成果進行轉移轉化的動力，進而促進科技成果轉化率的提高。本文采用技術市場成交額來衡量市場需求程度。地區產業結構與科技成果轉化有著明顯的相關關系。Thursby[26]等認為科技吸收能力與產業結構有關系，產業結構越高級科技吸收能力就越強。因此本文選擇第三產業的產值占所有產業的比重衡量地區產業結構。

三、實證分析

（一）科技成果轉化效率綜合分析

1.超效率SBM模型靜態分析

基于超效率SBM模型，本文以我國31個省（區、市）為研究對象，結合MATLAB軟件對數據進行處理，最終得到省域科技成果轉化效率相關數據結果，具體如表3所示。

從整體上看，2017—2021年我國科技成果轉化效率整體上呈波動上升趨勢，在一定程度上，這表明2016年修訂《中華人民共和國促進科技成果轉化法》后，各省積極響應，取得良好成效。由于各地經濟基礎和基礎設施建設等方面情況不同，所以同一時期各省科技成果轉化效率也存在顯著差異，每年達到效率有效水平的省份各不相同，總體上呈現出中部地區＞東部地區＞西部地區＞東北地區的局面。2017年達到效率有效水平的省份有17個，占比54.8%。2018和2019年均達到效率有效水平的省份有29個，占比93.5%。2020年達到效率有效水平的省份有3個，占比僅為9.6%。2021年達到效率有效水平的省份有25個，占比為80.6%。另外只有海南在2017—2021年5年間均保持效率有效水平。

中部地區中，效率均值省份排名依次為湖南、河南、山西、安徽、江西、湖北。6省份在2017年有安徽、江西、湖北沒有達到效率有效水平，2018年、2019年和2021年均達到效率有效水平，2020年全部沒有達到效率有效水平。說明中部地區整體波動較大，尤其2019年整體效率均在3以上，究其原因主要是經費投入增加，并且6省份在這一時期均出臺了相關條例、辦法，從法律層面支持科技成果轉化，導致科技成果轉化效率迅速上升。2020年隨著促進科技成果轉化法系列法規落實，科技成果轉化取得了良好成果，但也暴露出一些實質性的問題，比如科技成果轉化政策需進一步銜接和落實，專業化轉移機構和人才仍需加強建設和培養等。

東部地區中，效率均值省市排名為山東、福建、河北、海南、廣東、浙江、天津、上海、江蘇、北京。2017年浙江、福建沒有達到效率有效水平。2018年只有北京沒有達到效率有效水平。2019年均達到效率有效水平。2020年只有海南達到效率有效水平。2021年只有江蘇、福建沒有達到效率有效水平。河北、上海、浙江與國家整體趨勢保持一致。東部地區整體比較復雜，可以看出京津冀地區和長三角地區沒有充分利用地理位置的優越性發揮整體效應。河北依托北京、天津兩座經濟發達城市，資源充足表現出良好的成績。北京作為我國政治、經濟中心，擁有眾多科研院所和雙一流高校，地理位置優越，經濟發達，但是近五年的科技成果轉化效率基本上沒有明顯提升，說明北京應該利用自己獨特的優勢，加大科技投入，完善相關人才政策，留住人才，同時與天津、河北合作，促進京津冀協同發展，形成區域效應。同樣作為經濟大市的上海，科技成果轉化效率增速緩慢，主要是由于大規模科技成果轉化投入的邊際產出較少，從而導致效率不高。海南今年來不斷出臺相關政策，響應“加快科技成果轉化，賦能自貿港高質量發展”主題，在科技成果轉化方面取得良好成效。

西部地區中，效率均值省份排名為寧夏、內蒙古、廣西、新疆、貴州、云南、重慶、青海、四川、甘肅、陜西、西藏。2017年只有內蒙古、甘肅、寧夏、新疆達到效率有效水平。2018年只有西藏沒有達到效率有效水平。2019年只有西藏、青海沒有達到效率有效水平。2020年只有西藏、青海達到效率有效水平。2021年只有重慶、西藏、甘肅沒有達到效率有效水平。西部地區科技成果轉化效率波動幅度較大，總體上呈“W”型趨勢。由于地理位置不利或經濟基礎較弱，各省科技成果轉化投入比較有限，尤其是西藏、新疆、青海等地區，歷年科技投入占財政支出的比重均不到1%。

東北部地區中，效率均值省份排名為黑龍江、遼寧、吉林。2017年只有遼寧沒有達到效率有效水平。2018和2019年3省均達到效率有效水平。2020年3省均未達到效率有效水平。2021年只有吉林省沒有達到效率有效水平。東北地區作為資源大省，自2013年以來由于出現的“新東北現象”，經濟增速持續下滑，甚至可以說是“斷崖式下滑”，遼、吉、黑在全國31個省（區、市）增速排名中始終位于后5位。經濟的不景氣可能是導致東北地區科技成果轉化效率低的直接原因。

2.Malmquist指數動態分析

借助DEA2.1軟件，計算得到科技成果轉化效率的Malmquist指數及分解量（見表4）。從總體上來看，如圖1所示，2017—2021年，我國的科技成果轉化全要素生產率一直處于一個波動上升狀態，平均值達到了1.115，年均增長了11.5%。這意味著，這期間我國的科技成果轉化情況總體態勢良好。從各個因子的分解指標來看，技術進步指數具有明顯的周期性和波動性，其總體走勢與全要素生產率的總體走勢是一致的，年均增長率達到13.2%。這表明，科學技術的進步對總體科技成果轉化率的提高具有重要的作用。技術效率變化、純技術效率變化、規模效率變化波動較小，技術效率受規模效率影響年平均增長率出現負增長，呈年均1.5%的衰退趨勢。純技術效率呈年均0.5%的增長趨勢。規模效率呈年均2%的衰退趨勢。表明未來需要從整體上調整投入產出比，加強科技投入。

從各省具體情況看，如表5所示，2017—2021年，在全國31個省（區、市）中有28個省（區、市）全要素生產率大于1，呈增長趨勢，占比高達90.3%。這說明我國科技成果轉化趨勢整體向好。只有北京、吉林、重慶三省（區、市）的全要素生產率小于1，分別呈年均0.1%、0.6%、4.2%的衰退趨勢。北京的技術效率變化指數、純技術效率變化指數和規模效率變化指數5年保持不增不減狀態，全要素生產率的衰退主要受技術進步遲緩的影響。吉林的純技術效率的變化是影響技術效率變化的重要原因，作為資源型大省，目前產業轉型亟待升級，加強科技投入。重慶的技術效率進步主要受純技術效率和規模效率的雙重影響，說明該市在科技成果轉化工作的運行機制和制度安排存在較大問題，有待進一步完善。河北、山東、江蘇等大多數省份科技成果轉化趨勢比較好，年均增長率都在10%以上，主要是受技術進步拉動效應的影響，這說明近年來上述區域在科技創新和科技進步方面取得了良好的成效。河北憑借地處緊鄰京津的良好地理位置，吸引人才并引進先進技術，響應“京津研發，在冀轉化”的號召，科技成果轉化效率不斷提升。廣東、安徽、江蘇等省的技術進步對規模效率衰退的影響起到了抵消作用，未來應該著重提升規模效率。

（二）科技成果轉化影響因素分析

在此基礎上，我們將超效率SBM模型與Malmquist指標模型相結合，從微觀角度對全國各省的技術轉移效率進行了測算，并對其進行了深入的研究。本文認為還需要進一步從宏觀層面探討科技成果轉化效率的影響因素，根據我國省域整體面板數據，本文對各個省（區、市）的科技成果轉移效率的影響因素進行了剖析，并利用Stata17軟件進行Tobit回歸模型的運算，具體結果如表6所示。

通過Tobit回歸分析最終得到以下結論：市場需求和地區產業結構會對科技成果轉化效率產生正向影響，而經濟發展水平和財政支持對科技成果轉化效率的影響并不顯著。其中，市場需求的p值為0.003，小于0.01，即市場需求在0.01的水平下影響顯著，且p值為正數，說明市場需求與科技成果轉化綜合效率存在顯著正相關關系。因此，可以認為市場需求是影響科技成果轉化效率提升最直接的因素。地區產業結構的p值為0.016，在0.01～0.05之間，即在0.05水平下具有顯著性，且p值為正數，說明地區產業結構與科技成果轉化綜合效率之間存在著顯著的正相關關系，表明第三產業的產值占比越高，對科技成果轉化效率的影響就越大。財政支持和經濟發展水平的p值分別為0.162和0.585，大于0.1，說明財政支持和經濟發展水平對科技成果轉化效率影響不大，這意味著在省域科技成果轉化的過程中，要提高科技成果轉化效率更需要關注市場的需求度、重視第三產業對科技成果的推動作用，以及出臺更有針對性的促進科技成果轉化政策，而不能僅僅關注財政投入和經濟發展水平對科技成果轉化的影響。

四、研究結論與對策建議

（一）研究結論

本文依據超效率SBM-Malmquist模型對2017—2021年中國31個省（區、市）科技成果轉化效率進行綜合評價，并結合Tobit模型構建科技成果轉化效率影響因素，并對這些影響因素進行實證研究，最終得出以下結論：首先，從整體上看，2017—2021年我國科技成果轉化效率整體上呈波動上升趨勢；但是由于各地經濟基礎和基礎設施建設等方面情況不同，所以同一時期各省科技成果轉化效率也存在顯著差異，每年達到效率有效水平的省份各不相同，總體上呈現出中部地區＞東部地區＞西部地區＞東北地區的局面。其次，從分解指數看，2017—2021我國科技成果轉化全要素生產率呈波動態勢，但總體上基本保持增長，平均值為1.115，年平均增長率為11.5%，總體趨勢向好。全要素生產率的變化受技術進步和純技術效率的正向影響，規模效率變化是影響技術效率變化的主要原因。最后，從影響因素看，市場需求和地區產業結構對科技成果轉化效率具有顯著正向作用，經濟發展水平和財政支持對科技成果轉化效率的影響不顯著。

（二）對策建議

1.統籌東、中、西、東北部地區協同發展

從上述分析結果看，東、中、西、東北部地區科技成果轉化效率存在較大差異，區域發展不平衡，科技強省和經濟強省的輻射帶動作用不明顯。因此，針對這些問題，一方面要促進科技成果轉化效率較高的省份率先發展，尤其是北京、江蘇、浙江這些具有突出發展優勢的省份。這些省份需要利用好自身優勢，整合資源，促進成果轉化。另一方面要推動科技成果轉化效率較低省份實現區域協調發展。例如，西藏、青海等省份在科技成果轉化中存在著明顯的不足，更需要對資源進行優化配置，促進技術投入與規模投入相適應，從而實現全要素生產效率的提高。同時各省政府需要因地制宜制定符合本省實際情況的科技成果轉化政策。科技強省要在自身發展建設的同時發揮輻射帶動作用，聯合周邊省份，形成區域協同效應，共同發展。經濟強省要加強資金投入，設立科技成果轉化專項基金，完善相關政策吸引科技人才。對于科技成果轉化效率較落后地區，首先政府要完善科技政策，根據地區收入調整科技類投入，吸引科技人才落戶，從而提高整體科技成果轉化能力。

2.優化科技成果轉化投入產出結構

根據Malmquist指數及分解量分析結果顯示，我國技術效率衰退主要受規模技術效率的影響，因此優化科技成果投入產出結構和資源配置非常重要。在科技成果轉化投入方面，建立科技成果投入機制，精確分配到高校、科研院所、企業的資金，確保產出最大化。加大科技資源投入，近幾年各省的Ramp;D經費內部支出基本都在增加，地方研發投入規模顯著提升。投入的增加對科技成果轉化效率的提高具有重要的推動作用。在科技成果轉化產出方面，建立多元主體協同機制，形成以政府為引導、高校為依托、企業為導向、科技成果轉化中介機構為紐帶的資源交互局面，促進各主體之間資源交流轉化。另外可以通過建立科技成果信息交流與共享平臺推動科技成果供需雙方融合發展，提升科技成果轉化質量。最后，要在投入有限的情況下使得產出最大化，需要在投入的資金、人力、物力等方面建立長期追蹤監督機制，確保科技成果轉化效率可長期追蹤。

3.發揮技術進步在科技成果轉化中的關鍵作用

從整體情況看我國省域科技成果轉化未來發展形勢較好。根據Malmquist指數及分解情況，技術進步在科技成果轉化中發揮的作用最大，為了更好地發揮科技進步的作用，需要提高科技進步手段。一方面要攻克“卡脖子”難題，在這一過程中，人才是關鍵，因此，要出臺人才引進和激勵政策吸引關鍵領域人才。建設人才服務平臺，為科技人才提供繼續教育、專業知識培訓、科技金融服務等公共服務，住房、社保、落戶、子女福利等相關待遇，以及入境手續簡化等便利服務。從報酬、分紅和補助等多方面激發科技人員參與轉化的內在動力。另一方面要加快產學研融合，黨的二十大報告強調，加強企業主導的產學研深度融合，強化目標導向，提高科技成果轉化和產業化水平[27]。因此要構建以企業為主導的高校科研院所協同科研組織機構，企業為科技項目牽頭，與高校科研院所進行全方位、多層次產學研合作攻關。

4.建立以需求為導向的科技成果轉化模式

科技成果轉化的過程也就是將科技供給與市場需求聯系起來的過程。科技供給主體要根據市場需要提供新產品、新技術。因此建立以需求為導向的科技成果轉化機制，是打通科技與經濟發展通道的重要方式。目前我國科技和產業“兩層皮”現象十分突出，研發主體與市場相對獨立，主要的原因就是信息不對稱，要解決這一問題可以建立科技成果信息系統，向有需求的企業、機構和個人免費推送科技成果信息，完成供需對接。此外可以建立以需求為導向的科技成果政策，通過“揭榜掛帥”等一系列措施精準對接企業、政府等市場主體的需要，促進科技成果落地即轉化。

總之，我國科技成果轉化總體形勢向好，未來各省域需要因地制宜根據本省實際情況，完善相關政策，提升科技成果轉化活力，最終提高科技成果轉化效率，充分發揮科技成果對經濟和社會的支撐作用。

注釋：

1. 沿用國家統計局劃分方式，東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南；中部地區包括山西、安徽、江西、河南、湖北、湖南；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆；東北地區包括遼寧、吉林、黑龍江。

2. 數值大于1為效率有效。

3. *、**、***分別表示在10%、5%和1%的水平上顯著。

參考文獻：

[1] 中華人民共和國科學技術進步法[J].中華人民共和國全國人民代表大會常務委員會公報，2022（1）：36-49.

[2] 中國政府網.中華人民共和國促進科技成果轉化法[EB/OL].（2015-08-30）[2024-03-20].http：//www.gov.cn/xinwen/2015-08/30/content_2922111.htm.

[3] 謝黎，楊華，張志強.基于文本量化的地方科技成果轉化政策工具效果評價[J].中國科技論壇，2022（12）：55-66.

[4] 馬江娜，李華，王方.陜西省科技成果轉化政策文本分析：基于政策工具與創新價值鏈雙重視角[J].中國科技論壇，2017（8）：103-111.

[5] 蘇林，胡涵清，莊啟昕，等.基于LDA和SNA的我國科技創新政策文本計量分析：以科技成果轉化政策為例[J].中國高校科技，2022（3）：37-43.

[6] 杜寶貴，張鵬舉.科技成果轉化政策的多重并發因果關系與多元路徑：基于上海等22個省市的QCA分析[J].科學學與科學技術管理，2019，40（11）：3-14.

[7] 李進華，耿旭，陳筱淇，等.科技創新型城市科技成果轉移轉化政策比較研究：基于深圳、寧波政策文本量化分析[J].科技管理研究，2019，39（12）：29-37.

[8] 禹文豪，周治.中原經濟區科技成果轉化政策比較研究：以5省份為例[J].中國高校科技，2021（12）：84-88.

[9] 胡其芳，鄭童桐，陳金源，等.不同地區科技成果轉化政策對比研究[J].科技管理研究，2018，38（18）：21-25.

[10] 曹幸如，楊劍.基于三階段DEA-Windows的安徽省地市級科技成果轉化效率研究[J].科技管理研究，2021，41（22）：74-82.

[11] 王順洪，王文怡，劉玉婷，等.科技成果轉化激勵政策的實施效果評估及對策研究：以四川省為例[J].科技管理研究，2021，41（9）：145-153.

[12] 孫濤.我國老工業基地科技成果轉化效率評價研究：以東北地區為例[J].中國軟科學，2020（1）：164-170.

[13] 錢學程，趙輝.科技成果轉化政策實施效果評價研究：以北京市為例[J].科技管理研究，2019，39（15）：48-55.

[14] 趙喜倉，安榮花.江蘇省科技成果轉化效率及其影響因素分析：基于熵值和隨機前沿的實證分析[J].科技管理研究，2013，33（9）：81-85.

[15] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research，2002，143（1）：32-41.

[16] F?RE R，GROSSKOPF S，NORRIS M，et al. Productivity growth，technical progress，and efficiency change in industrialized countries[J]. The American economic review，1994，84（1）：66-83.

[17] MILLER S M.，UPADHYAY M P. Total factor productivity and the convergence hypothesis[J]. Journal of Macroeconomics，2002，24（2）：267-286.

[18] 張婷，王瑋蓉，姚昀辰.中國31個省（區、市）及重點省域科技創新效率評價研究：基于超效率SBM-Malmquist模型[J].科技管理研究，2023，43（3）：87-95.

[19] 蘭海，吳悅，王丹.基于DEA和Malmquist指數的青海省科技創新效率研究[J].科技管理研究，2021，41（17）：40-46.

[20] 王海花，王瑩，李雅潔，等.長三角區域高技術產業科技創新效率評價研究：基于共享投入的三階段網絡DEA模型[J].華東經濟管理，2022，36（8）：26-33.

[21] 蔣天穎.我國區域創新差異時空格局演化及其影響因素分析[J].經濟地理，2013，33（6）：22-29.

[22] 王趙琛，張春鵬，董紅霞.24所部屬高校科技成果轉化效率的DEA分析[J].科研管理，2020，41（4）：280-288.

[23] 李春林，劉潤生.基于因子分析方法的河北省科技成果轉移轉化成效分析[J].唐山學院學報，2022，35（5）：100-108.

[24] 楊樹旺，譚芳玲，李琳.長江經濟帶“雙一流”建設高校科技成果轉化效率測度及影響因素[J].科技管理研究，2023，43（4）：100-110.

[25] 吳壽仁.科技成果轉移轉化成效的影響因素及提高途徑[J].創新科技，2022，22（5）：20-29.

[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] 習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗：在中國共產黨第二十次全國代表大會上的報告[M].北京：人民出版社，2022：35-36.

Study on the Efficiency Evaluation and Influencing Factors of Transformation of Scientific and Technological Achievements in China Provincial Regions

—Based on the Super-efficient SBM-Malmquist-Tobit Model

Li "Chunlin " "Fu "Shaodan

（Yanshan University，School of Public Administration，Hebei，Qinhuangdao，066004）

Abstract：[Research purpose] To improve the efficiency of provincial scientific and technological achievements transformation is of great significance for improving the national scientific and technological development level and competitiveness. [Research method] Taking 31 provincial regions of China as the research object，the sbm-Malmquist model was used to analyze the static and dynamic transformation efficiency of provincial scientific and technological achievements，combined with the Tobit regression model to analyze the factors affecting the transformation efficiency of scientific and technological achievements. [Research conclusion] The transformation efficiency of scientific and technological achievements in China’s provinces is good on the whole，showing a trend of “central ＞ Eastern ＞ Western ＞ Northeast”among regions，and there is a large difference among different regions. The growth of the transformation efficiency of scientific and technological achievements in China is mainly due to technological progress，and the driving effect of technological progress on the transformation efficiency offsets the influence of the change of technological efficiency and the change of scale efficiency. Market demand and regional industrial structure have a significant positive effect on the transformation efficiency of scientific and technological achievements，while the economic development level and financial support have no significant influence on the transformation efficiency of scientific and technological achievements. In order to promote the improvement of the transformation efficiency of scientific and technological achievements，it is still necessary to make efforts from the aspects of regional coordination，input-output structure optimization and technological progress.

Key words：transformation of scientific and technological achievements；efficiency；SBM model；Malmquist index；influencing factors

基金項目：國家社會科學基金教育學一般課題“中國建設世界一流大學政策變遷：特征、邏輯與優化策略”（BIA210179）。

作者簡介：李春林，男，1981年生，博士，教授，博士生導師，研究方向為科技政策與管理。付少丹，女，2000年生，碩士研究生，研究方向為科技成果轉化政策。