市域視角下安徽省科技成果轉化效率評價

楊劍 趙倩雅 韓傳軼

摘? 要：科學分析評價科技成果轉化效率不僅能夠體現該地區科研創新水平，也可以反映自身的未來發展潛力，有助于帶動區域經濟的發展。該研究選取安徽省16個地級市 2014—2019 年的數據，基于數據包絡分析法（DEA），對市域范圍科技成果轉化績效進行測量分析。研究發現，安徽省科技成果轉化整體上效率偏低，而從市域層面上看，科技成果轉化效率并不均衡。

關鍵詞：科技成果轉化效率；DEA；安徽??；地級市；BCC模型

中圖分類號：F276.44? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2095-2945（2024）08-0081-05

Abstract： This study selects the data of 2014 Mel 2019 from 16 prefecture-level cities in Anhui Province， and measures and analyzes the performance of city-wide transformation of scientific and technological achievements based on data envelopment analysis （DEA）. The study found that the overall efficiency of the transformation of scientific and technological achievements in Anhui Province is low， while from the municipal level， the efficiency of the transformation of scientific and technological achievements is not balanced.

Keywords： transformation efficiency of S&T achievements; DEA; Anhui Province; prefecture-level cities; BCC model

科技成果轉化為現實生產力，是作為科技和經濟兩大因素相結合、創新鏈與產業鏈融合的核心，同時也是最有效、最直接推動經濟增長的方法之一，提升科技成果轉化效率和產業化水平，是高質量地實現創新驅動發展戰略的重要條件?？萍汲晒芊駨睦碚撔曰蛐∫幠嶒炐援a品轉化為現實的社會生產力，是衡量一個國家與地區自主創新能力的重要指標。目前，中國的科技成果轉化成效還不夠顯著[1]，2021年11月世界知識產權組織（WIPO）發布的《世界知識產權指標2021》報告指出，中國國家知識產權局以多達150萬件專利申請居于世界首位，此外，還有多項知識產權指標居于世界第一[2]。雖然從整體來看，我國專利申請總量數字龐大，但是根據2021年國家知識產權局發布的《2021年中國專利調查報告》，就發明專利等科技成果轉化為現實產業的效率而言，中國僅為35.4%，這不足總量的四成[3]。由此可見，中國的創新發展現在仍面臨著科技成果轉化效率低下的問題。

安徽省作為長三角主體之一，要實現自身飛越性發展這一目標，必須依靠創新[4]。就區域的創新水平而言，近幾年雖然安徽省相比其他省份來說在全國范圍內一直保持靠前的水平，但是其仍受著科技成果轉化為現實產業能力不足、核心技術供給不足等問題的制約。準確評價安徽省在科技成果轉化過程中的現狀，合理分析安徽科技成果轉化的特點和趨勢，科學探究科技成果轉化的優化路徑，有助于促進安徽省經濟高質量發展。本研究擬從市域視角探討安徽省的科技成果轉化效率，采用DEA模型分析16個地級市從2014年至2019年期間的科技成果轉化效率，探討各地市在科技成果轉化方面存在的問題，并以此提出相應的對策建議。

1? 文獻綜述

由于科研成果轉化后對整個社會的回報率遠遠大于對企業自身的回報率[5]，因此科技成果轉化問題一直是科技管理領域的研究熱點之一，國內外學者從不同角度對其展開了研究，從研究對象上，大體可以分為針對區域、行業、高校3類對象的研究。

在區域科技成果轉化評價方面，李團飛[6]利用DEA-CCR模型和BCC模型，對河南省的若干行政區域的科技成果轉換進行比較分析，得出河南省科技成果投入產出比的水平總體較低且區域差距明顯的結論。周揚等[7]利用DEA方法，探討“十二五”期間吉林省的科技成果研發效率及轉化效率，結果顯示吉林省各地區之間的科技成果轉化效率存在較為顯著的差距。孫濤[8]借助DEA方法，以東北老工業基地為研究對象，對2004—2017年東北地區科技成果轉化效率進行了研究，提出應加強政府、企業和高校之間的協同合作，以提高東北老工業基地的科技成果轉化效率。

在高?？萍汲晒D化評價方面，王慧等[9]以長三角為研究的地域范圍，以22所新工科高校的科技成果轉化績效為考察對象進行研究，結果表明這22所新工科高校的科技成果轉化率相對較低。田慶峰等[10]以四川省、西安市為研究的地域范圍，以24所軍民融合型高校為樣本，對其科技成果轉化績效進行了考察，發現高校間轉化率差異比較明顯。鐘衛等[11]使用Bootstrap-DEA方法對我國高?？萍汲晒D化效率進行了分析。林青寧等[12]采用網絡DEA模型，針對2008年到2016年若干個高校的科技成果轉化績效進行了考察，并借助“空間誤差模型”檢驗影響轉化效率的因素。

在行業科技成果轉化評價方面，邱奇等[13]以我國11座區域中心城市為研究樣本，以其科技創新性質的資本效率為研究對象，發現11座城市之間差距較為明顯。林青寧等[14]通過建立網絡超效率SBM模型，對2009年至2017年中國農業企業科技成果轉化效率進行評價，同時依據得出的結果從時空角度分析了其收斂性和演變趨勢。

2? 研究方法與變量選擇

2.1? 研究方法

DEA（Data Envelopment Analysis，DEA）模型是學者Charnes等[15]提出的非參數評價方法，主要用于測量具有多投入和多產出特性的多個樣本的相對效率。DEA模型自其提出開始就被廣泛應用于各種類型的研究中，學者們也對其進行了不斷的改進，其中，CCR模型和BCC模型是最常使用的測算效率的方法。在CCR模型中，規模收益是不變的，一般可以用于測算總效率。而在BCC模型中，假設規模收益是可變的，一般被用來衡量純技術和規模效率?？紤]到科技創新成果轉化的實際情況，本文選用BCC模型進行效率評價。

BCC模型是1984年Banker等人提出的一種模型，可以用于測算研究中決策單元的整體效率，并可以優化加權輸入和輸出變量，進而能夠提高技術效率（TE），同時將具有無限可擴展特性和規模報酬不變的純技術效率（PTE）排除在外。BCC模型如下所示

minθ-ε（TS-+eTS+）

s.t.Xj？姿j+S-=？茲X0Yj？姿j-S+=Y0？姿j≥0，S-，S+≥0，

式中：j=1，2，…，n表示決策單元，X，Y分別是投入、產出向量。

若θ=1，S+=S-=0，則決策單元DEA有效；若θ=1，S+≠0，或S-≠0，則決策單元弱DEA有效；若θ<1，則決策單元非DEA有效。

BCC模型計算出來的效率值為綜合技術效率（TE），可以進一步分解為規模效率（SE）和純技術效率（PTE），TE=SE×PTE。

當技術效率與純技術效率相同時，即SE（規模效率）為1，表明不存在規模的非效率性。這種情況下，規模生產函數處于最佳規模狀態，即生產效率最高。相反，當技術效率與純技術效率不同時，SE不等于1，這意味著存在規模的非效率性，導致生產效率低于最佳規模狀態。

2.2? 變量選擇與數據來源

關于科技成果轉化績效評價指標，國內外學者并沒有一個統一的標準，但是大多數都較為相似，在投入指標上，基于吳佩佩等[16]、徐晨等[17]、李團飛[6]等的研究，本研究中的投入指標選擇規模以上工業企業的R&D活動內部經費支出、R&D人員全時當量，而在產出指標上，基于柴國榮等[18]的研究，選取專利的實際授權量、技術合同成交額具體見表1。本文利用的變量數據均是通過《安徽省統計年鑒》和《安徽省科技統計年報》等相關資料收集得到。將這些數據整理歸類后，通過Stata軟件進行分析測算，即可得出安徽省科技成果轉化效率值結果。

3? 實證結果與分析

以數據包絡分析法為基礎，基于2014—2019年安徽省16個地級市的數據，經過對3種效率值進行測算，根據測算結果對安徽省科技成果轉化效率進行了研究分析。呈現的結果見表2、表3。

綜合技術效率

研究結果顯示，2014—2019年間，安徽省這16個地級市的綜合技術效率總體趨勢呈逐年上升，但是平均值并不高，仍然表現為較弱的DEA有效性，位于[0.38～0.63]的區間范圍內，但是從2015年的低谷之后，開始呈現緩慢上升的趨勢。以銅陵為例，這座城市已經連續3年綜合效率值為1，呈DEA有效，并且從表中可以看出，在這短短6年間，越來越多的城市效率在不斷增長。

表純技術效率和規模效率均值

在16個地級市中，從綜合技術效率這個整體方面來看，銅陵、合肥、阜陽和池州這4個城市的綜合技術效率排名最高。其中，池州在各個方面表現最好，銅陵僅次于池州，原因在于這2個城市本身的科技創新投入和產出相關指標的數值不高，而且其經濟總量規模較小，科技投入少而產出相對較多，繼而直接導致投入產出比值較高；馬鞍山和滁州2個城市在規模效率方面表現出色，也在前五名中，兩市在規模效率方面表現較好，但純技術效率值相對較低，而宿州和亳州則恰恰相反，這2個城市的純技術效率值雖然表現較為突出，但是在規模效率方面排名比較靠后，只排在第13名和第14名，這使得這2個城市的綜合技術效率較低。除此之外，宣城和安慶的3種效率值的排名也都較低。

安徽16個地級市的純技術效率的平均值為0.69，規模效率的平均值為0.82，以這2個平均值數值為準線，構建二維矩陣圖，如圖1所示。通過數據分類，可以將這16個地市分為4種類型：高高型、低高型、高低型和低低型，見表4。

4? 研究結論與政策建議

4.1? 研究結論

通過對安徽省2014—2019年16個地級市的科技成果轉化績效進行實證研究與比較分析，可以得出以下結論。

1）安徽省科技成果產出和轉化的水平總體較低。從綜合技術效率來看，雖然綜合技術效率逐年上升，但平均水平仍較低。2019年的平均值最高，也僅為0.63，處在一個較低的水平。

2）根據純技術效率和規模效率平均值二維矩陣顯示，“雙高型”城市僅有5個，剩余城市普遍存在純技術效率值與規模效率值僅一項數值偏高或兩項數值都偏低的情況，這表明安徽各地市的科技成果轉化績效并不均衡，且仍處于較低水平，仍有較大的效率提升空間。

3）雖然安徽各地市的3種科技成果轉化效率平均值偏低，但是從長期趨勢來看，呈現逐年上升的態勢，這表明安徽省的科技成果轉化效率正處在緩慢但持續地提升狀態，經過調整以后，有望進一步發展。

4.2? 政策建議

首先，對于“雙高型”城市，應進一步擴大科技成果產業化的規模。以池州為例，該市作為2種效率值都較高的城市，相對來說自身的科技成果轉化能力較強，轉化水平較高，但是相比于合肥、蕪湖，其在全省的科技創新基數中占比相對較小，科技創新的規模不大，尚未充分發揮出自身“雙高”的優勢。因此，對于這類城市應該制定有效的激勵政策，引導創新主體不斷為提升自己的創新研發能力而積極投入科研活動，鼓勵科研人員積極參與科技成果的研發過程，促進科技成果轉化成為生產力，從而形成更大規模、更高層次的創新產業結構，最大程度去發揮科技成果轉化效率高這種獨特長處，形成巨大推力，助力本地產業與經濟發展。

其次，對于“單高型”城市，應總結短板所在，補齊短板從而實現效率提升。純技術效率較高而規模效率低的城市，如亳州、宿州等，其科技投入水平相較于創新成果轉化發展水平來說，處于較低水平，因此必須進一步加大科技創新資源的投入，增強財政支持，擴大科技成果轉化的規模，以規模的擴大來提升該地區的科技成果轉化效率；對于純技術效率較低而規模效率高的城市，如滁州、馬鞍山、蕪湖等，科技成果轉化規?；^高，但是在科技成果轉化的過程中投入與產出之間的轉化效率較低，應加強對成果轉化過程的梳理，解決自身在創新成果轉化過程中遇到的技術問題，優化成果轉化的平臺，提供及時有效的科技成果信息，提高科技投入與產出的有效性。

最后，對于“雙低型”城市，應夯實科技創新和成果轉化的基礎?！半p低型”城市如淮南、六安、安慶等，由于純技術效率和規模效率值都相對較低，因而具有較大的發展空間。政府作為促進地方科技創新水平的堅實后盾，應堅定對科技研發的支持態度，配備與科技創新相關的合理政策支持措施，通過優惠稅收、財政補貼等措施鼓勵企業研發創新。此外，政府還應積極引進科研院所，鼓勵外地高校在當地開設科研機構，提高科技人員的待遇和獎勵，推動高校、科研院所與企業合作，根據當地產業特點有側重性地進行科技創新，搭建合作平臺，推動本地區科技創新與產業發展同向而行，進而實現地方科技成果產出和轉化的高質量發展。

參考文獻：

[1] 張高明，張善從.基于全過程的高?？萍汲晒D化能力研究[J].科技管理研究，2020，40（23）：92-99.

[2] 世界知識產權組織.2021年世界知識產權指標[R].世界知識產權組織，2021.

[3] 楊華勇.要進一步保護知識產權，關注成果轉化后的利分配[R].中國科學技術信息研究所，2022.

[4] 張宣劍.習近平總書記考察安徽重要講話精神專題報道 合 肥：創新之都挺立長三角一體化高質量發展潮頭[EB/OL].（2020-09-02）[2020-12-02].http：//www.cnr.cn/ah/zt/ljyyztah/20200902/t20200902_525237675.shtml.

[5] MANSFIELD E，RAPOPORT J，ROMER A. Social and Private Rates of Return Industrial Innovation[J].Qua terly Economics， 1977，9（15）：221-240.

[6] 李團飛.河南省科技成果轉化效率評價[J].河南科技，2022，41（15）：144-147.

[7] 周楊，吳光華，郝慶升.基于DEA模型的吉林省科技成果創新與轉化效率[J].農業工程，2018，8（2）：131-134.

[8] 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，2020，49（1）：164-170.

[9] 王慧，楊萬清，高日升，等.長三角地區新工科高?？萍汲晒D化績效評價研究[J]江科學術研究，2022，17（1）：1-8.

[10] 田慶鋒，苗朵朵，張碩，等.軍民融合型高校的科技成果轉化效率及路徑[J].科技管理研究，2020，40（8）：91-101.

[11] 鐘衛，陳寶明.中國高?？萍汲晒D化績效評價研究[J].中國科技論壇，2018（4）：41-49.

[12] 林青寧，毛世平.高?？萍汲晒D化效率研究[J].中國科技論壇，2019（5）：144-151，162.

[13] 邱奇，郭佳歡.基于DEA方法的城市科技創新資本效率實證分析[J].長安大學學報（社會科學版），2020，22（1）：83-92.

[14] 林青寧，孫立新，毛世平.中國農業企業科技成果轉化效率測算與分析——基于網絡超效率SBM模型[J].科技管理研究，2020，40（8）：52-58.

[15] CHARNES A， COOPER W W， RHODES E. Measuring the efficiency of decision making units[J].European Journal of Operational Research，1978，2（6）：429-444.

[16] 吳佩佩，劉家樹，齊昕.中國區域科技成果轉化效率研究-基于DEA和SFA的比較分析[J].安徽工業大學學報（自然科學版），2014，31（1）：89-93.

[17] 徐晨，邵云飛.基于DEA的科技成果轉化績效評價研究[J].電子科技，2010，23（7）：58-61.

[18] 柴國榮，許崇美，閔宗陶.科技成果轉化評價指標體系設計及應用研究[J].軟科學，2010，24（2）：1-5.