長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率評價研究

呂彬　曹佳鈺

摘要：文章以2018-2021年長三角三省一市128家上市工業(yè)企業(yè)為樣本，運用DEA模型對其科技創(chuàng)新成果轉化效率進行靜態(tài)和動態(tài)評價，并基于評價結果提出相應的對策建議。研究結果表明：整體上看，研究期內科技創(chuàng)新成果轉化效率有效的工業(yè)企業(yè)為數(shù)稀少；就省市而言，長三角區(qū)域內各省市工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率存在較大的差異。研究期內樣本工業(yè)企業(yè)的Malmquist指數(shù)平均值為1.003，整體處于增長趨勢，但技術進步指數(shù)偏低這一問題不容忽視。

關鍵詞：DEA模型；長三角；工業(yè)企業(yè)；科技創(chuàng)新成果轉化；效率評價

一、引言

科技創(chuàng)新在我國現(xiàn)代化發(fā)展全局中居于核心地位，而提升區(qū)域科技創(chuàng)新成果轉化是實現(xiàn)地區(qū)高質量發(fā)展，建設創(chuàng)新型國家的必由之路。黨的二十大報告強調，要提高科技成果的轉化應用。可見，加快推動科技創(chuàng)新成果的落地轉化，將科技創(chuàng)新成果變成看得見的“生產(chǎn)力”已成為我國實現(xiàn)創(chuàng)新驅動發(fā)展的關鍵任務。企業(yè)作為創(chuàng)新發(fā)展的主體，在科技創(chuàng)新成果轉化過程中承擔著重要角色。工業(yè)是國民經(jīng)濟的力量，加快推動工業(yè)企業(yè)科技創(chuàng)新成果轉化為現(xiàn)實的生產(chǎn)力對我國經(jīng)濟實現(xiàn)高質量發(fā)展具有重要意義。長三角地區(qū)是我國經(jīng)濟最發(fā)達、創(chuàng)新能力最強的地區(qū)之一，擁有良好的工業(yè)基礎，其工業(yè)企業(yè)的創(chuàng)新發(fā)展與成果轉化受到了國家的重點支持。2019年，政府出臺的《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》明確提出打造長三角科技創(chuàng)新共同體，形成具有全國影響力的科技創(chuàng)新高地，協(xié)同推進科技成果轉移轉化。為響應這一號召，近年來長三角工業(yè)企業(yè)科技創(chuàng)新資源投入規(guī)模不斷增長，然而，其科技創(chuàng)新成果轉化效率卻并未因此得到顯著提升，科技與產(chǎn)業(yè)“兩張皮”這一嚴峻問題仍然困擾著長三角工業(yè)企業(yè)，需對此進行深入分析并提出對策建議加以改善。

為了更準確地了解長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化的現(xiàn)狀，本文以長三角工業(yè)企業(yè)為研究對象，運用DEA模型對其科技創(chuàng)新成果轉化效率進行研究與評價。根據(jù)效率評價結果，分析長三角工業(yè)企業(yè)在資源分配、管理技術水平等方面存在的不足并給出提升科技創(chuàng)新成果轉化效率的對策建議，這對長三角工業(yè)企業(yè)創(chuàng)新發(fā)展、提升科技創(chuàng)新對經(jīng)濟發(fā)展的貢獻率具有重要的現(xiàn)實意義。

二、模型選擇與指標選取

（一）評價模型

本文選擇數(shù)據(jù)包絡分析模型（DEA）對2018-2021年長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行測度與評價。DEA模型由CHRNES A，COOPER WW和RHODES E于1978年首次提出，能夠對多投入多產(chǎn)出的同類型決策單元（DMU）進行效率評價。

1. DEA-BCC模型

傳統(tǒng)的DEA模型包括規(guī)模報酬不變的CCR模型和規(guī)模報酬可變的BCC模型，考慮到實際活動中會有許多因素可能導致DMU無法在規(guī)模報酬不變的情況下使用，因此本文選擇BCC模型對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行靜態(tài)評價。

2. DEA-Malmquist模型

DEA-Malmquist模型由Fare R，Grosskopf S等人于1994年提出，它可以從動態(tài)的角度反映決策單元在一段時期內效率的變動情況，克服了傳統(tǒng)DEA模型只能從靜態(tài)的角度分析和評價決策單元相對效率的不足。本文利用DEA-Malmquist模型對2018-2021年長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行動態(tài)評價。

（二）指標選取與數(shù)據(jù)來源

1. 指標選取

在文獻調研的基礎上，本文從投入產(chǎn)出的角度構建長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率評價指標體系。借鑒前人的研究，本文從人員投入、資金投入以及專利投入三個方面選取投入指標，從新產(chǎn)品產(chǎn)出的角度選取產(chǎn)出指標。其中，人員投入用研發(fā)人員數(shù)量來表示，資金投入用研發(fā)投入金額來表示，專利投入用專利授權數(shù)來表示，新產(chǎn)品產(chǎn)出用新產(chǎn)品銷售收入來衡量。由于新產(chǎn)品銷售收入并沒有被統(tǒng)計在相關企業(yè)年報與數(shù)據(jù)庫平臺中，根據(jù)數(shù)據(jù)的可得性，本文參照韓東林等學者的替代指標做法，選取營業(yè)收入和凈利潤兩個指標表示新產(chǎn)品的產(chǎn)出。具體的評價指標體系見表1。

2. 數(shù)據(jù)來源

本文從微觀視角出發(fā)，選取長三角三省一市共128家工業(yè)企業(yè)作為DMU，對其科技創(chuàng)新成果轉化效率進行測度與評價，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫（CSMAR）和上市公司的企業(yè)年報。這128家樣本工業(yè)企業(yè)的選取主要經(jīng)歷了以下過程：首先，本文選擇CSMAR數(shù)據(jù)庫公司研究系列中的“上市公司研發(fā)創(chuàng)新”版塊，按照2012版證監(jiān)會行業(yè)分類代碼，對工業(yè)行業(yè)類別下2018-2021年江蘇省、浙江省、安徽省以及上海市全部A股上市企業(yè)進行搜索，剔除ST企業(yè)后得出符合要求的企業(yè)共1406家，其中江蘇省516家，浙江省525家，安徽省127家，上海市238家；其次，對篩選出來的企業(yè)按照不同年份進行分組并剔除含有缺失值的樣本，確保2018-2021年每年選取的都是數(shù)據(jù)完整的相同企業(yè)。由于投入指標中專利授權數(shù)據(jù)存在缺失的企業(yè)數(shù)過多，因此缺失數(shù)據(jù)剔除完畢后，本文最終保留了128家工業(yè)企業(yè)作為研究樣本，其中，江蘇省45家，浙江省47家，安徽省15家，上海市21家，四省市樣本工業(yè)企業(yè)的數(shù)量之比基本與最初篩選出的1381家企業(yè)中各自數(shù)量之比保持一致。

考慮到科技創(chuàng)新成果的轉化有一定的時間滯后性，本文借鑒王成軍等學者使用滯后期對數(shù)據(jù)進行處理的做法，留出一年的時間作為科技創(chuàng)新成果的轉化周期，即2018年的產(chǎn)出數(shù)據(jù)對應2017年的投入數(shù)據(jù)，以此類推。

三、長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率測度與分析

（一）DEA-BCC模型結果分析

根據(jù)所選樣本的科技投入產(chǎn)出數(shù)據(jù)，運用DEAP2.1軟件測算長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率、純技術效率和規(guī)模效率。綜合效率是對長三角工業(yè)企業(yè)資源利用和配置效率的衡量與評價，反映了其整體的科技創(chuàng)新成果轉化效率水平，從數(shù)值上看，綜合效率就等于純技術效率與規(guī)模效率的乘積；純技術效率是受企業(yè)的管理與技術水平等因素影響的生產(chǎn)效率，反映了企業(yè)在一定的技術水平上，對所投科技資源的使用效率；規(guī)模效率則是指由企業(yè)規(guī)模影響的生產(chǎn)效率，反映了企業(yè)在實際規(guī)模與最優(yōu)規(guī)模下產(chǎn)出水平之間的差距。本文選用投入導向（Input-Oriented）、規(guī)模報酬可變（vrs）的DEA-BCC模型對長三角128家工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行測算，模型的運行結果見表2。

由表2可知，2018年長三角128家工業(yè)企業(yè)科技創(chuàng)新成果轉化的綜合效率平均值僅為0.225，處于效率前沿面的企業(yè)僅有3家；2019年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率的平均值為0.297，處于效率前沿面的企業(yè)共有6家；2020年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率的平均值為0.404，處于效率前沿面的企業(yè)共有9家；2021年所選全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率的平均值為0.345，處于效率前沿面的企業(yè)共有7家。從轉化綜合效率來看，長三角128家樣本工業(yè)企業(yè)中TE=1的企業(yè)數(shù)每一年都低于10，說明達到綜合效率有效的樣本企業(yè)為數(shù)稀少，科技資源的投入并未得到有效轉化。就純技術效率而言，2018-2021年達到純技術效率有效（PTE=1）的企業(yè)數(shù)量呈現(xiàn)出先上升后下降的趨勢，并且純技術效率有效的企業(yè)數(shù)每年均不足20家，表明大部分樣本工業(yè)企業(yè)的管理和技術水平都有待提高。就規(guī)模效率而言，2018-2021年達到規(guī)模效率有效（SE=1）的企業(yè)數(shù)量同樣呈現(xiàn)出先上升后下降的趨勢，且規(guī)模效率有效的企業(yè)數(shù)每年都不超過10家，表明全樣本工業(yè)企業(yè)中大部分企業(yè)都沒有實現(xiàn)最優(yōu)規(guī)模生產(chǎn)。結合表格數(shù)據(jù)不難發(fā)現(xiàn)，與綜合效率和純技術效率相比，所選企業(yè)的規(guī)模效率每年都保持著較高的水平，其平均值每年都在0.6，是三種效率平均值中最高的，由此可以看出2018-2021年長三角全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率不高的主要原因并不是規(guī)模效率不高，而是純技術效率偏低。除上述三種效率值之外，表2還展示了所選樣本企業(yè)在2018-2021年這四年間所處的規(guī)模報酬狀態(tài)。由表2可知，所選128家工業(yè)企業(yè)中處于規(guī)模報酬遞增狀態(tài)的企業(yè)數(shù)量每年都在50家以上，說明有許多樣本工業(yè)企業(yè)的現(xiàn)有規(guī)模都低于其最優(yōu)規(guī)模。

上述分析是從整體的角度對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行分析，為進一步分析長三角三省一市2018-2021年各自的工業(yè)企業(yè)科技創(chuàng)新成果轉化效率，本文從省市的角度出發(fā)，繼續(xù)選用BCC模型對上海市、江蘇省、浙江省以及安徽省工業(yè)企業(yè)各自的科技創(chuàng)新成果轉化綜合效率、純技術效率和規(guī)模效率進行了測度，測度結果分別見表3、表4、表5和表6。

根據(jù)表格數(shù)據(jù)，可以發(fā)現(xiàn)長三角地區(qū)工業(yè)企業(yè)每年的規(guī)模效率均值都在0.65之上，說明各省市工業(yè)企業(yè)2018-2021年每一年的規(guī)模效率情況都趨向良好，但三省一市中安徽省、江蘇省以及上海市工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率均值每一年都要遠高于浙江省。究其原因，主要是浙江省樣本工業(yè)企業(yè)每年的純技術效率均值都遠低于當年其他三個省市。企業(yè)的純技術效率值與其管理和技術水平相關，管理和技術水平不足會導致企業(yè)純技術效率低下，從而造成綜合效率不高的局面。因此，浙江省工業(yè)企業(yè)科技創(chuàng)新成果轉化綜合效率偏低的主要原因是其管理和技術水平不高。值得注意的是，研究期內安徽省工業(yè)企業(yè)表現(xiàn)非常喜人，其每年的科技創(chuàng)新成果轉化綜合效率均值均位于前列，除2021年略低于江蘇省外，其轉化綜合效率平均值排名均居三省一市之首，這與近年來安徽省大力支持科技創(chuàng)新，把科技自立自強作為跨越式發(fā)展戰(zhàn)略支撐的政策是分不開的。據(jù)了解，“十三五”以來，安徽省科技創(chuàng)新成績斐然，憑借中科大、國家實驗室以及國家科學中心等平臺的支持，其高技術研發(fā)水平處于全國領先地位。為加快科技創(chuàng)新成果的落地轉化，安徽省于2021年舉辦了中國首屆科技創(chuàng)新成果轉化交易會，隨后出臺的《加快科技成果轉化應用體系建設行動方案》更是為破除成果轉化體制機制障礙貢獻了巨大力量。

（二）DEA-Malmquist模型結果分析

為動態(tài)反映長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率情況，本文對所選的128家長三角工業(yè)企業(yè)2018-2021年Malmquist生產(chǎn)率及其分解指標的變動情況進行了評估，具體的評估結果見表。

由表7可知，2018-2021年長三角全樣本工業(yè)企業(yè)全要素生產(chǎn)率的平均值為1.003，平均增長率為0.3%；綜合技術效率的平均值為1.204，平均增長率為20.4%；技術進步指數(shù)的平均值為0.833，增長率為負，說明這一時期技術進步的不足是導致全要素生產(chǎn)率增長幅度偏低的主要原因。技術進步與投入要素的質量以及科學技術的發(fā)展水平有關，各工業(yè)企業(yè)在投入研發(fā)人員數(shù)量的同時更應注重研發(fā)人員綜合素質的提升，從而促進技術的創(chuàng)新發(fā)展，提高現(xiàn)有的研發(fā)技術水平，增加更符合市場需求的創(chuàng)新成果的產(chǎn)出，為其轉化為現(xiàn)實的生產(chǎn)力提供堅實的技術支撐。

四、研究結論

本文利用2018-2021年長三角三省一市128家樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化的投入與產(chǎn)出數(shù)據(jù)，運用DEA-BCC模型從樣本整體和各省市兩個不同的角度對長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行靜態(tài)評價，運用DEA-Malmquist模型對長三角三省一市全樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化效率進行動態(tài)評價，得出以下結論：

DEA-BCC模型運行結果表明，2018-2021年科技創(chuàng)新成果轉化綜合效率達到有效狀態(tài)（TE=1）的長三角工業(yè)企業(yè)的數(shù)量很低，每年都不超過所選樣本的10%；研究期間內每年純技術效率值為1的工業(yè)企業(yè)數(shù)量略高于相應年份綜合效率值為1的工業(yè)企業(yè)數(shù)量，但仍然不及所選樣本的20%；在規(guī)模效率方面，處于規(guī)模報酬遞增狀態(tài)的工業(yè)企業(yè)數(shù)量則每年都高于樣本總數(shù)的40%以上。從各省市的角度來看，2018-2021年間安徽省工業(yè)企業(yè)每年的科技創(chuàng)新成果轉化綜合效率每年都處于良好的水平，其次是江蘇省和上海市，浙江省綜合效率均值每年都是四省市中最低的，原因在于其每年的純技術效率均值都遠低于其他三個省市。

DEA-Malmquist模型運行結果表明，長三角三省一市全樣本工業(yè)企業(yè)2018-2021年科技創(chuàng)新成果轉化全要素生產(chǎn)率的均值為1.003，說明所選樣本工業(yè)企業(yè)科技創(chuàng)新成果轉化效率總體呈上升趨勢，但由于技術進步指數(shù)均值低于1，其轉化效率增長的幅度很低。

五、對策建議

根據(jù)長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率的實證分析結果，本文從以下三個方面提出促進長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率提升的對策建議：

（一）加強區(qū)域協(xié)同合作，推進企業(yè)管理和技術創(chuàng)新

本文的研究結果表明，長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率整體偏低的原因主要是純技術效率以及技術進步指數(shù)過低，這說明企業(yè)存在管理能力與技術水平低下的問題。為解決這一問題，長三角工業(yè)企業(yè)需要從整體上推進管理和技術創(chuàng)新，提高企業(yè)綜合能力。因此，長三角工業(yè)企業(yè)應當加強區(qū)域協(xié)同合作，促進彼此在管理和技術層面的交流與合作，從整體上提高區(qū)域內工業(yè)企業(yè)科技創(chuàng)新成果轉化效率。值得一提的是，從省市的角度來看，研究期內安徽省工業(yè)企業(yè)科技創(chuàng)新成果轉化效率每年都處于領先水平，這與安徽省近年來大力推進科技創(chuàng)新工作并取得矚目成就是分不開的。然而，研究期內浙江省工業(yè)企業(yè)在科技創(chuàng)新成果轉化方面的表現(xiàn)每年都差強人意，除樣本選擇具有局限性之外，研究結果所反映的浙江工業(yè)企業(yè)純技術效率偏低這一問題也不容忽視。為改變這一現(xiàn)狀，浙江省工業(yè)企業(yè)可學習安徽省工業(yè)企業(yè)的成果轉化經(jīng)驗，并加強與區(qū)域內各省市的協(xié)同合作，派遣專業(yè)人員學習優(yōu)秀工業(yè)企業(yè)的管理經(jīng)驗與先進技術，將其內化與運用，不斷改進自身管理技術水平。

（二）增強政府資金支持力度，提升創(chuàng)新成果轉化資金投入規(guī)模

由研究結果可知長三角許多工業(yè)企業(yè)都處于規(guī)模報酬遞增的狀態(tài)，說明創(chuàng)新資源投入的增加可以促進科技創(chuàng)新成果轉化產(chǎn)出的增加，即研發(fā)資金和研發(fā)人員的增加有助于提升成果轉化的效率。考慮到企業(yè)的資金實力有限，很難投入充足的資金支持成果轉化，同時，資金不足也將導致研發(fā)人員隊伍擴大的失敗。因此，就需要政府做好資金保障工作，為長三角工業(yè)企業(yè)重點科技項目、科技創(chuàng)新成果研發(fā)及轉化提供有力的資金支持，從而緩解長三角工業(yè)企業(yè)面臨的資金壓力并減少科技創(chuàng)新成果轉化的風險。此外，對于為成果轉化做出突出貢獻的研發(fā)人員，政府可以給其提供科研資金補貼以及獎金激勵，從而激勵更多的研發(fā)人員主動積極地投身于成果轉化工作，無形中擴大研發(fā)人員的投入規(guī)模。

（三）健全成果轉化服務中介體系，促進科技創(chuàng)新成果高質量轉化

科技創(chuàng)新成果轉化服務中介平臺能為科技創(chuàng)新成果的供需雙方提供優(yōu)質而專業(yè)的服務，提高成果轉化成功的概率。此外，長三角工業(yè)企業(yè)可以通過中介平臺更方便地接觸符合自身需求的高科技成果以及“高精尖”人才，有利于推進其科技創(chuàng)新成果的高質量轉化。根據(jù)上述分析，長三角工業(yè)企業(yè)科技創(chuàng)新成果轉化效率不高的原因之一就在于其研發(fā)技術水平偏低，并且研究期間出現(xiàn)了技術衰退問題。研發(fā)技術水平的提升需要依靠高素質的研發(fā)人才，而科技創(chuàng)新成果轉化中介平臺的服務性質決定其掌握著大量的人才資源，長三角工業(yè)企業(yè)可憑借該平臺拓寬研發(fā)人才的引進渠道，從而憑借人才優(yōu)勢實現(xiàn)研發(fā)技術的進步，提高科技創(chuàng)新成果的質量并推進創(chuàng)新成果的高質量轉化。

參考文獻：

[1]杜偉錦，宋園，李靖，楊偉.科技成果轉化政策演進及區(qū)域差異分析——以京津冀和長三角為例[J].科學學與科學技術管理，2017，38（02）：3-11.

[2]聶有福，宋偉.長三角地區(qū)科技成果產(chǎn)業(yè)化的現(xiàn)狀分析[J].中國高校科技，2017（06）：10-13.

[3]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units[J].European journal of operational research，1978，2（06）：429-444.

[4]郭淑芬，張俊.中國31個省市科技創(chuàng)新效率及投入冗余比較[J].科研管理，2018，39（04）：55-63.

[5]Fare R，Grosskopf S，Norris M，et al.Productivity growth， technical progress， and efficiency change in industrialized countries[J].The American economic review，1994，84（01）：66-83.

[6]劉丹，徐墺林，羅湘儀.基于DEA-Malmquist模型的四川省文化旅游產(chǎn)業(yè)效率評價[J].中國集體經(jīng)濟，2022（28）：30-32.

[7]羅茜，高蓉蓉，曹麗娜.高校科技成果轉化效率測度分析與影響因素扎根研究——以江蘇省為例[J].科技進步與對策，2018，35（05）：43-51.

[8]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.

[9]韓東林，葛磊，程琪.基于DEA模型的中國物聯(lián)網(wǎng)上市公司創(chuàng)新效率評價[J].科技管理研究，2015，35（15）：57-63.

[10]王成軍，方明，王肖肖.中國科技成果轉化為何有米難為炊？——基于三階段DEA模型和三階段Malmquist模型[J].汕頭大學學報（人文社會科學版），2021，37（04）：46-57+95.

[11]徐墺林，劉丹，羅湘怡.基于DEA模型的成渝經(jīng)濟區(qū)十城文化旅游效率比較研究[J].中國集體經(jīng)濟，2022（29）：16-18.

[12]彭曉靜.中國三大城市群工業(yè)企業(yè)創(chuàng)新效率研究——基于京津冀 長三角 珠三角城市群的比較[J].技術經(jīng)濟與管理研究，2022（04）：30-34.

[13]黃傳霞，房后啟.長三角一體化背景下促進合肥市科技成果轉化的對策[J].中共合肥市委黨校學報，2021，20（03）：16-19.

＊基金項目：安徽省高校人文社會科學研究重點項目“長三角區(qū)域信息資源配置狀況評價與優(yōu)化研究”（SK2020A0186）。

（作者單位：安徽工業(yè)大學商學院）