论文部分内容阅读
摘要：以我国62所教育部直属高校2005-2006、2008-2013年产学研协同创新活动为研究对象，探索其效率和变动趋势，并分析不同学科、不同区域效率差异。研究得出如下结论：我国教育部直属高校协同创新活动整体技术效率有678%的上升空间，纯技术效率、规模效率分别有超过37%的提升潜力。大部分高校距离生产前沿面有较大的差距。随着时间的推移，教育部直属高校协同创新技术效率和纯技术效率都没有明显的上涨趋势，而规模效率在2010年之后有微弱的上升。从学科对比看，直属高校中师范类高校协同创新效率最高；从区域对比看，东部地区直属高校协同创新活动技术效率高于中西部地区。
关键词：教育部直属高校；产学研；协同创新；学科差异；区域差异
一、高等学校产学研协同创新概述
自2011年协同创新概念被正式提出和广泛讨论之后，产学研合作就逐渐迈向协同创新的高级阶段。产学研协同创新需要：合作的产业界、高等学校、科研院所三方都积极主动参与知识、信息、技术、资金、人才等的交流和融合；建立产学研合作创新平台并风险共担、利益共赢，企业实现科技成果转化，高校教师实现自身价值和经济收益。一般而言，企业为了产品研发和技术进步有创新的需求，而高校有创新的资源、动力和热情。传统的产学研合作往往是企业在需要的时候来寻求高校科研人员的帮助，高校空有各种资源，却只能被动参与，这种合作具有偶然性和短期性。新形势下推进产学研协同创新，是高等学校服务社会经济发展和推动自身事业的必然选择。高等学校成为协同创新的发动机和源动力，其创新成果服务于创新链和产业链，才能真正发挥作用并产生效益，在创新驱动中实现科学发展。
高等学校创新能力提升计划（简称“2011计划”）是继“985工程”、“211工程”之后，我国高等教育领域的又一国家工程。该项目旨在形成人才、学科、科研三位一体的创新系统，其实施对高等学校大力提升创新能力、促进内涵集约式发展、提高教育质量和水平，具有重要的划时代意义。这一计划实施之后，各级各类的协同创新中心如雨后春笋，遍地开花。传统的高校发展模式整体上还是单打独斗式，虽然科研合作一直存在，但主要是学者和学者之间、项目组和项目组之间的联合。当今时代，世界各国都面临一系列重大问题，协同创新要求高校、企业、科研院所之间实现跨一级学科和研究机构的深度交流与合作，打破传统科研组织和人员之间的壁垒，反映出科学研究在高度分化基础上实现横向联合发展的趋势。
在此背景下，產学研协同创新效率问题日益凸显，相关学者进行了一定的尝试。Brimble等（2007）[1]、李孟晋（2010）[2]、车维汉和张琳（2010）[3]、Jiménez-Sáez等（2011）[4]、刘民婷和孙卫（2011）[5]、樊霞等（2012）[6]、肖丁丁和朱桂龙（2013）[7]、仇冬芳和胡正平（2013）[8]、陈光华等（2014）[9]、张煊和孙跃（2014）[10]、庄涛等（2015）[11]、姜彤彤（2015）[12]等分别以区域、行业或产业、合作项目等为研究对象，探索其产学研（合作）协同创新效率等问题。杨胜良（2012）[13]、季庆庆（2013）[14]、张倩（2013）[15]、金惠红等（2014）[16]以高等学校作为研究对象，初步对其产学研合作效率进行测算、评价和分析。但仍然存在如下问题：（1）多数是对产学研合作效率进行测算，极少引入协同创新概念；（2）研究对象以区域和产业、行业居多，缺乏以高等学校为对象的相关研究；（3）采用一年的静态数据进行评价，难以避免分析问题的偶然性和片面性。为此，本文构建协同创新投入产出指标体系，基于DEA模型和8年间的静态年度数据，对高等学校典型代表——教育部直属高校进行产学研协同创新效率的测算和分析，并提出对策建议。
二、模型、方法和数据
（一）数据包络分析概述
效率的经典评价方法有数据包络分析（Data Envelopment Analysis，简称DEA）和随机前沿分析（Stochastic Frontier Analysis，简称SFA），但SFA方法适用于单产出的研究对象，无法用于多投入多产出的产学研合作效率评价。DEA方法简单方便，容易理解，无需设置函数和对原始数据进行预处理，在产业、行业、区域、教育、医药卫生、农业等领域有广泛应用。该方法的基本模型可以测算出技术效率、纯技术效率和规模效率，如图1所示，限于篇幅不再赘述。
（二）变量选择和数据来源
科学研究是高等学校的基本职能之一，大学中几乎所有的教师、研究生和专职科研人员都或多或少的参与到研发活动中来。科研工作包括基础性研究和应用型研究，后者大多需要与产业界合作来完成或者实现。根据相关文献和产学研协同创新活动的特点，并重点考虑数据的可得性，设计如图2所示的指标体系。具体来看，指标X1是高校中应用型和科技服务型研究活动投入人员折合当量，计算单位为全时人员（人年），即专职全时科研人员与非全时人员按工作量折算为全时人员的总和，这一指标的统计范围主要指正式的工作人员而不包括研究生。例如：有10个全时人员和3个非全时人员（工作时间分别为25%、50%和60%），则折合全时人员为10+025+05+06=1135人年。指标X2反映应用型和科技服务型研究活动投入的研究生人数，他（她）们辅助导师或者课题组完成了大量的研究工作。指标X3是科研经费中来自于企事业单位的数量，反映了产学研合作的经费投入。指标Y1是专利申请数而非授权数，主要来自以下考虑，即高校专利申请获得授权的比例一直非常高，两者差异不大。而且申请数直接反映了当年取得的发明、实用新型和外观设计等技术进步和突破，没有从申请到授权两三年的时间延迟，所以相比较而言专利申请数更为合适。技术转让实际收入（Y2）强调高校获得各种技术创新或者进步后通过转让和出售获取的收益，反映了高校产学研合作成果实际转化为经济收入的能力。 三、教育部直属高校产学研协同创新效率评价及分析
DEA模型处理数据包括投入、产出两种导向，两种导向测算结果差异很小，几乎可以忽略不计。本文选取以产出为导向的DEA基本模型进行分析。为了寻求教育部直属高校产学研协同创新效率的真正规律和趋势，将8年间每年的静态数据分别代入模型，测算出每年的三个效率值并计算年度平均数，得出如表1所示的结果。
（一）教育部直属高校产学研协同创新效率的校际差异和变动趋势
其中：（1）显而易见，62所教育部直属高校产学研协同创新活动技术效率、纯技术效率、规模效率平均值分别为0322、0519、0623，这说明创新活动效率整体还有678%的上升空间，纯技术效率、规模效率也分别有超过37%的提升潜力。大部分高校距离生产前沿面有较大的差距，提高协同创新效率任重而道远。（2）任意一个效率为1说明这所高校8年间该效率值都为1。遗憾的是，只有南开大学的纯技术效率为1，即南开大学协同创新活动在管理和技术方面常年较为领先；其他所有直属高校三个效率值都不为1。（3）协同创新活动技术效率高于05的高校有南京农业大学、南开大学、江南大学、华东师范大学、合肥工业大学、中国石油大学（北京）、山东大学、陕西师范大学、中国人民大学和清华大学10所，这些高校距离生产前沿面较为接近，虽排名教育部直属高校的前列但仍有很大上涨空间。协同创新活动技术效率低于015的高校有中国地质大学（武汉）、同济大学、北京科技大学、长安大学、西南大学、武汉大学、武汉理工大学、四川大学、东北大学、华中科技大学，其中不乏知名高校。因各效率值是一个产出与投入相对比较的结果，所以产学研合作规模大、成果多的高校不一定比规模小、成果少的高校更有优势，等同于优中选优，所以知名高校协同创新效率偏低是很有可能发生的。（4）协同创新活动纯技术效率最高的五所高校是南开大学、浙江大学、清华大学、江南大学和中国人民大学，排在最后的五所高校是中国地质大学（武汉）、长安大学、武汉理工大学、河海大学和东北大学。排名前列的高校应该戒骄戒躁，进一步从协作管理和技术方面提升效率；而排在后面的高校需找到自己的问题，有针对性的向先进高校学习，力图逐渐接近生产前沿面。（5）协同创新活动规模效率前五位的高校是南京农业大学、华中农业大学、合肥工业大学、华东师范大学和东北林业大学，后五位的高校是同济大学、四川大学、东南大学、天津大学、电子科技大学。这些高校应根据自己规模报酬情况，调整产学研创新活動的投入产出规模，努力实现最优的合作规模。
图3是随着时间的推移，教育部直属高校协同创新效率的变动趋势。可见，协同创新活动技术效率和纯技术效率都没有明显的上涨趋势，前期波动后基本保持稳定；而规模效率在2010年之后有一定的上升，但并非十分明显。这说明8年间教育部直属高校协同创新活动在管理、技术上没有明显变化，处于同一水平线上，规模报酬整体上更加接近最优规模，但三个效率值仍然处于较低的水平。三者相比，技术效率值远低于纯技术效率和规模效率，即创新活动本身存在问题的同时规模也不适当。在适度调整协同创新活动规模之余，产学研三方和政府主管部门应从管理流程设计和运行、激励机制和奖励政策、合作平台搭建及运作、信息交流和人员培训等方面找到问题，向先进的地区和高校学习经验和教训，引进高水平科研人才，挖掘现有员工的科研潜力，通过一系列的措施提高创新效率。
（二）教育部直属高校产学研协同创新效率的学科和区域差异
根据表2可以得出如下结论：（1）从学科对比看，教育部直属高校中北京师范大学、东北师范大学、华东师范大学、华中师范大学、陕西师范大学等师范类高校协同创新活动效率最高，明显超过其他类别高校。理工类和医药类高校技术效率偏低，农林类和综合类高校处于中间位置。协同创新活动纯技术效率也属师范类高校最高，依次是综合、农林、理工、医药类高校。协同创新活动规模效率属农林类高校最高，依次是师范、综合、医药、理工类高校。不同类别高校的效率差别原因有很多，与高校的学科特点有一定的关系，但并非唯一的原因。当今时代，很多理工、综合类高校都往大而全方向发展，特别注重高水平的基础性、理论性研究，有时候会影响其产学研合作的热情，投入人才的数量和质量受到影响，导致其协同创新效率并不高。（2）从区域对比看，东部地区高校产学研协同创新效率高于中部和西部地区，纯技术效率也是东部地区最高，但规模效率是中部地区最高。这说明教育部直属高校协同创新活动的效率与其所处地理位置有一定的关系，经济发达地区更容易引进高水平人才，吸引各方面投入的科研经费，搭建产学研合作平台，良好的创新环境和优质的创新人才是科技创新效率提升的关键所在。中西部地区直属高校应借助中西部大发展的“东风”，挖掘内部潜力，激励研究人员和产业界合作，多出创新成果，同时吸引国内外的有识之士加入科研团队，争取早日提高科技实力和协同创新效率。
四、结论及对策建议
在提倡产学研协同创新的“2011计划”实施背景下，我国的高等学校进入了一个新的发展阶段。教育部直属高校作为全国高校的典型代表和核心主体，其协同创新效率提升是新时代的必然要求。本文以我国62所教育部直属高校2005-2006、2008-2013年产学研协同创新活动为研究对象，探索其效率高低和变动趋势，并分析不同学科/区域效率差异。研究得出如下结论：8年间，我国教育部直属高校协同创新活动整体有678%的上升空间，创新活动纯技术效率、规模效率分别有超过37%的提升潜力。大部分高校距离生产前沿面有较远的距离。南开大学8年间的纯技术效率都为1。随着时间的推移，教育部直属高校协同创新活动技术效率和纯技术效率都没有上涨趋势，而规模效率在2010年之后有一定的上升。从学科对比看，直属高校中师范类高校协同创新活动效率最高，明显超过其他类别高校；从区域对比看，东部地区直属高校协同创新活动技术效率高于中部和西部地区，纯技术效率也是东部地区最高，但规模效率是中部地区最高。 为进一步提升我国高等学校产学研（合作）协同创新效率，政府应高度重视产学研协同创新，制定各类优惠政策进行扶持。高等院校是创新人才的聚集地，但却独木难支，与实践存在脱节，通过“政、产、学、研、用、金”紧密结合和互相支持，才能真正实现合作和資源交互。企业需求是产学研合作的推动力和有力保障。企业在经营当中不断发现各种技术难题和开发需求，迫切需要与高等学校和科研院所合作，组建具有较强研究开发和技术创新能力的组织，集成产学研三方的相关力量进行协作。高等学校应主动变革思想、更新观念、创新机制，与产业界联盟整合多方力量，对各种要素资源进行集聚，实现优化配置。
注释：
①2014年的《高等学校科技统计资料汇编》对应2013年的数据，依次类推。经反复查找和核对，2005年及之前和2008年的资料汇编中没有教育部直属高校的专门数据，而是分散在其他高校中的概览性介绍。2006-2007年、2009-2014年的统计资料汇编中有相应数据，所以实证分析对应时间为2005-2006年、2008-2013年。
参考文献：
[1]Brimble P， Doner RFUniversity-industry Linkages and Economic Development： The Case of Thailand [J]World Development， 2007， 35（6）：1021-1036
[2]李孟晋基于网络DEA的产学研联盟效率评价研究[D]中国科学技术大学，2010：36-51
[3]车维汉，张琳上海市产学研合作效率评价——基于分行业数据的DEA分析[J]科技进步与对策，2010（3）：20-25
[4]Jiménez-Sáez F， Zabala-Iturriagagoitia JM， Zofío JL， etalEvaluating Research Efficiency within National R&D Programmes[J]Research Policy， 2011， 40（2）：230-241
[5]刘民婷，孙卫基于DEA方法的产学研合作效率评价研究[J]科学学与科学技术管理，2011（3）：11-15
[6]樊霞，赵丹萍，何悦企业产学研合作的创新效率及其影响因素研究[J]科研管理，2012（2）：33-39
[7]肖丁丁，朱桂龙产学研合作创新效率及其影响因素的实证研究[J]科研管理，2013（1）：11-18
[8]仇冬芳，胡正平我国省域产学研合作效率及效率持续性——基于省域面板数据和DEA-Malmquist生产率指数法[J]技术经济，2013（12）：82-89
[9]陈光华，王建冬，杨国梁产学研合作创新效率分析及其影响因素研究[J]科学管理研究，2014（2）：9-12
[10]张煊，孙跃产学研合作网络的创新效率研究——来自中国省域产学研合作的数据证明[J]山西财经大学学报，2014（6）：59-66
[11]庄涛，吴洪，胡春高技术产业产学研合作创新效率及其影响因素研究——基于三螺旋视角[J]财贸研究，2015（1）：55-60
[12]姜彤彤省域范围内产学研协同创新效率评价及分析[J]学术论坛，2015（3）：168-172
[13]杨胜良基于Malmquist指数的农林院校产学研结合绩效研究——以西北农林科技大学为例[J]西安电子科技大学学报（社会科学版），2012（3）：47-54
[14]季庆庆高校产学研合作投入产出效率分析[J]中国高校科技，2013（7）：54-56
[15]张倩高校产学研协同创新绩效评价——以燕山大学为例[D]燕山大学，2013：34-49
[16]金惠红，薛希鹏，雷文瑜教育部直属高校产学研合作效率测度——基于非参数DEA-Malmquist指数的实证分析[J]浙江工业大学学报（社会科学版），2014，13（3）：327-332
[17]Charnes A， Cooper WWPreface to Topics in Data Envelopment Analysis [J]Annals of Operations Research， 1984， 2（1）：59-94
[18]Banker RD， Charnes A， Cooper WWSome Models for Estimating Technical and Scale Inefficiency in Data Envelopment Analysis [J]Management Science， 1984， 30（9）： 1078-1092
关键词：教育部直属高校；产学研；协同创新；学科差异；区域差异
一、高等学校产学研协同创新概述
自2011年协同创新概念被正式提出和广泛讨论之后，产学研合作就逐渐迈向协同创新的高级阶段。产学研协同创新需要：合作的产业界、高等学校、科研院所三方都积极主动参与知识、信息、技术、资金、人才等的交流和融合；建立产学研合作创新平台并风险共担、利益共赢，企业实现科技成果转化，高校教师实现自身价值和经济收益。一般而言，企业为了产品研发和技术进步有创新的需求，而高校有创新的资源、动力和热情。传统的产学研合作往往是企业在需要的时候来寻求高校科研人员的帮助，高校空有各种资源，却只能被动参与，这种合作具有偶然性和短期性。新形势下推进产学研协同创新，是高等学校服务社会经济发展和推动自身事业的必然选择。高等学校成为协同创新的发动机和源动力，其创新成果服务于创新链和产业链，才能真正发挥作用并产生效益，在创新驱动中实现科学发展。
高等学校创新能力提升计划（简称“2011计划”）是继“985工程”、“211工程”之后，我国高等教育领域的又一国家工程。该项目旨在形成人才、学科、科研三位一体的创新系统，其实施对高等学校大力提升创新能力、促进内涵集约式发展、提高教育质量和水平，具有重要的划时代意义。这一计划实施之后，各级各类的协同创新中心如雨后春笋，遍地开花。传统的高校发展模式整体上还是单打独斗式，虽然科研合作一直存在，但主要是学者和学者之间、项目组和项目组之间的联合。当今时代，世界各国都面临一系列重大问题，协同创新要求高校、企业、科研院所之间实现跨一级学科和研究机构的深度交流与合作，打破传统科研组织和人员之间的壁垒，反映出科学研究在高度分化基础上实现横向联合发展的趋势。
在此背景下，產学研协同创新效率问题日益凸显，相关学者进行了一定的尝试。Brimble等（2007）[1]、李孟晋（2010）[2]、车维汉和张琳（2010）[3]、Jiménez-Sáez等（2011）[4]、刘民婷和孙卫（2011）[5]、樊霞等（2012）[6]、肖丁丁和朱桂龙（2013）[7]、仇冬芳和胡正平（2013）[8]、陈光华等（2014）[9]、张煊和孙跃（2014）[10]、庄涛等（2015）[11]、姜彤彤（2015）[12]等分别以区域、行业或产业、合作项目等为研究对象，探索其产学研（合作）协同创新效率等问题。杨胜良（2012）[13]、季庆庆（2013）[14]、张倩（2013）[15]、金惠红等（2014）[16]以高等学校作为研究对象，初步对其产学研合作效率进行测算、评价和分析。但仍然存在如下问题：（1）多数是对产学研合作效率进行测算，极少引入协同创新概念；（2）研究对象以区域和产业、行业居多，缺乏以高等学校为对象的相关研究；（3）采用一年的静态数据进行评价，难以避免分析问题的偶然性和片面性。为此，本文构建协同创新投入产出指标体系，基于DEA模型和8年间的静态年度数据，对高等学校典型代表——教育部直属高校进行产学研协同创新效率的测算和分析，并提出对策建议。
二、模型、方法和数据
（一）数据包络分析概述
效率的经典评价方法有数据包络分析（Data Envelopment Analysis，简称DEA）和随机前沿分析（Stochastic Frontier Analysis，简称SFA），但SFA方法适用于单产出的研究对象，无法用于多投入多产出的产学研合作效率评价。DEA方法简单方便，容易理解，无需设置函数和对原始数据进行预处理，在产业、行业、区域、教育、医药卫生、农业等领域有广泛应用。该方法的基本模型可以测算出技术效率、纯技术效率和规模效率，如图1所示，限于篇幅不再赘述。
（二）变量选择和数据来源
科学研究是高等学校的基本职能之一，大学中几乎所有的教师、研究生和专职科研人员都或多或少的参与到研发活动中来。科研工作包括基础性研究和应用型研究，后者大多需要与产业界合作来完成或者实现。根据相关文献和产学研协同创新活动的特点，并重点考虑数据的可得性，设计如图2所示的指标体系。具体来看，指标X1是高校中应用型和科技服务型研究活动投入人员折合当量，计算单位为全时人员（人年），即专职全时科研人员与非全时人员按工作量折算为全时人员的总和，这一指标的统计范围主要指正式的工作人员而不包括研究生。例如：有10个全时人员和3个非全时人员（工作时间分别为25%、50%和60%），则折合全时人员为10+025+05+06=1135人年。指标X2反映应用型和科技服务型研究活动投入的研究生人数，他（她）们辅助导师或者课题组完成了大量的研究工作。指标X3是科研经费中来自于企事业单位的数量，反映了产学研合作的经费投入。指标Y1是专利申请数而非授权数，主要来自以下考虑，即高校专利申请获得授权的比例一直非常高，两者差异不大。而且申请数直接反映了当年取得的发明、实用新型和外观设计等技术进步和突破，没有从申请到授权两三年的时间延迟，所以相比较而言专利申请数更为合适。技术转让实际收入（Y2）强调高校获得各种技术创新或者进步后通过转让和出售获取的收益，反映了高校产学研合作成果实际转化为经济收入的能力。 三、教育部直属高校产学研协同创新效率评价及分析
DEA模型处理数据包括投入、产出两种导向，两种导向测算结果差异很小，几乎可以忽略不计。本文选取以产出为导向的DEA基本模型进行分析。为了寻求教育部直属高校产学研协同创新效率的真正规律和趋势，将8年间每年的静态数据分别代入模型，测算出每年的三个效率值并计算年度平均数，得出如表1所示的结果。
（一）教育部直属高校产学研协同创新效率的校际差异和变动趋势
其中：（1）显而易见，62所教育部直属高校产学研协同创新活动技术效率、纯技术效率、规模效率平均值分别为0322、0519、0623，这说明创新活动效率整体还有678%的上升空间，纯技术效率、规模效率也分别有超过37%的提升潜力。大部分高校距离生产前沿面有较大的差距，提高协同创新效率任重而道远。（2）任意一个效率为1说明这所高校8年间该效率值都为1。遗憾的是，只有南开大学的纯技术效率为1，即南开大学协同创新活动在管理和技术方面常年较为领先；其他所有直属高校三个效率值都不为1。（3）协同创新活动技术效率高于05的高校有南京农业大学、南开大学、江南大学、华东师范大学、合肥工业大学、中国石油大学（北京）、山东大学、陕西师范大学、中国人民大学和清华大学10所，这些高校距离生产前沿面较为接近，虽排名教育部直属高校的前列但仍有很大上涨空间。协同创新活动技术效率低于015的高校有中国地质大学（武汉）、同济大学、北京科技大学、长安大学、西南大学、武汉大学、武汉理工大学、四川大学、东北大学、华中科技大学，其中不乏知名高校。因各效率值是一个产出与投入相对比较的结果，所以产学研合作规模大、成果多的高校不一定比规模小、成果少的高校更有优势，等同于优中选优，所以知名高校协同创新效率偏低是很有可能发生的。（4）协同创新活动纯技术效率最高的五所高校是南开大学、浙江大学、清华大学、江南大学和中国人民大学，排在最后的五所高校是中国地质大学（武汉）、长安大学、武汉理工大学、河海大学和东北大学。排名前列的高校应该戒骄戒躁，进一步从协作管理和技术方面提升效率；而排在后面的高校需找到自己的问题，有针对性的向先进高校学习，力图逐渐接近生产前沿面。（5）协同创新活动规模效率前五位的高校是南京农业大学、华中农业大学、合肥工业大学、华东师范大学和东北林业大学，后五位的高校是同济大学、四川大学、东南大学、天津大学、电子科技大学。这些高校应根据自己规模报酬情况，调整产学研创新活動的投入产出规模，努力实现最优的合作规模。
图3是随着时间的推移，教育部直属高校协同创新效率的变动趋势。可见，协同创新活动技术效率和纯技术效率都没有明显的上涨趋势，前期波动后基本保持稳定；而规模效率在2010年之后有一定的上升，但并非十分明显。这说明8年间教育部直属高校协同创新活动在管理、技术上没有明显变化，处于同一水平线上，规模报酬整体上更加接近最优规模，但三个效率值仍然处于较低的水平。三者相比，技术效率值远低于纯技术效率和规模效率，即创新活动本身存在问题的同时规模也不适当。在适度调整协同创新活动规模之余，产学研三方和政府主管部门应从管理流程设计和运行、激励机制和奖励政策、合作平台搭建及运作、信息交流和人员培训等方面找到问题，向先进的地区和高校学习经验和教训，引进高水平科研人才，挖掘现有员工的科研潜力，通过一系列的措施提高创新效率。
（二）教育部直属高校产学研协同创新效率的学科和区域差异
根据表2可以得出如下结论：（1）从学科对比看，教育部直属高校中北京师范大学、东北师范大学、华东师范大学、华中师范大学、陕西师范大学等师范类高校协同创新活动效率最高，明显超过其他类别高校。理工类和医药类高校技术效率偏低，农林类和综合类高校处于中间位置。协同创新活动纯技术效率也属师范类高校最高，依次是综合、农林、理工、医药类高校。协同创新活动规模效率属农林类高校最高，依次是师范、综合、医药、理工类高校。不同类别高校的效率差别原因有很多，与高校的学科特点有一定的关系，但并非唯一的原因。当今时代，很多理工、综合类高校都往大而全方向发展，特别注重高水平的基础性、理论性研究，有时候会影响其产学研合作的热情，投入人才的数量和质量受到影响，导致其协同创新效率并不高。（2）从区域对比看，东部地区高校产学研协同创新效率高于中部和西部地区，纯技术效率也是东部地区最高，但规模效率是中部地区最高。这说明教育部直属高校协同创新活动的效率与其所处地理位置有一定的关系，经济发达地区更容易引进高水平人才，吸引各方面投入的科研经费，搭建产学研合作平台，良好的创新环境和优质的创新人才是科技创新效率提升的关键所在。中西部地区直属高校应借助中西部大发展的“东风”，挖掘内部潜力，激励研究人员和产业界合作，多出创新成果，同时吸引国内外的有识之士加入科研团队，争取早日提高科技实力和协同创新效率。
四、结论及对策建议
在提倡产学研协同创新的“2011计划”实施背景下，我国的高等学校进入了一个新的发展阶段。教育部直属高校作为全国高校的典型代表和核心主体，其协同创新效率提升是新时代的必然要求。本文以我国62所教育部直属高校2005-2006、2008-2013年产学研协同创新活动为研究对象，探索其效率高低和变动趋势，并分析不同学科/区域效率差异。研究得出如下结论：8年间，我国教育部直属高校协同创新活动整体有678%的上升空间，创新活动纯技术效率、规模效率分别有超过37%的提升潜力。大部分高校距离生产前沿面有较远的距离。南开大学8年间的纯技术效率都为1。随着时间的推移，教育部直属高校协同创新活动技术效率和纯技术效率都没有上涨趋势，而规模效率在2010年之后有一定的上升。从学科对比看，直属高校中师范类高校协同创新活动效率最高，明显超过其他类别高校；从区域对比看，东部地区直属高校协同创新活动技术效率高于中部和西部地区，纯技术效率也是东部地区最高，但规模效率是中部地区最高。 为进一步提升我国高等学校产学研（合作）协同创新效率，政府应高度重视产学研协同创新，制定各类优惠政策进行扶持。高等院校是创新人才的聚集地，但却独木难支，与实践存在脱节，通过“政、产、学、研、用、金”紧密结合和互相支持，才能真正实现合作和資源交互。企业需求是产学研合作的推动力和有力保障。企业在经营当中不断发现各种技术难题和开发需求，迫切需要与高等学校和科研院所合作，组建具有较强研究开发和技术创新能力的组织，集成产学研三方的相关力量进行协作。高等学校应主动变革思想、更新观念、创新机制，与产业界联盟整合多方力量，对各种要素资源进行集聚，实现优化配置。
注释：
①2014年的《高等学校科技统计资料汇编》对应2013年的数据，依次类推。经反复查找和核对，2005年及之前和2008年的资料汇编中没有教育部直属高校的专门数据，而是分散在其他高校中的概览性介绍。2006-2007年、2009-2014年的统计资料汇编中有相应数据，所以实证分析对应时间为2005-2006年、2008-2013年。
参考文献：
[1]Brimble P， Doner RFUniversity-industry Linkages and Economic Development： The Case of Thailand [J]World Development， 2007， 35（6）：1021-1036
[2]李孟晋基于网络DEA的产学研联盟效率评价研究[D]中国科学技术大学，2010：36-51
[3]车维汉，张琳上海市产学研合作效率评价——基于分行业数据的DEA分析[J]科技进步与对策，2010（3）：20-25
[4]Jiménez-Sáez F， Zabala-Iturriagagoitia JM， Zofío JL， etalEvaluating Research Efficiency within National R&D Programmes[J]Research Policy， 2011， 40（2）：230-241
[5]刘民婷，孙卫基于DEA方法的产学研合作效率评价研究[J]科学学与科学技术管理，2011（3）：11-15
[6]樊霞，赵丹萍，何悦企业产学研合作的创新效率及其影响因素研究[J]科研管理，2012（2）：33-39
[7]肖丁丁，朱桂龙产学研合作创新效率及其影响因素的实证研究[J]科研管理，2013（1）：11-18
[8]仇冬芳，胡正平我国省域产学研合作效率及效率持续性——基于省域面板数据和DEA-Malmquist生产率指数法[J]技术经济，2013（12）：82-89
[9]陈光华，王建冬，杨国梁产学研合作创新效率分析及其影响因素研究[J]科学管理研究，2014（2）：9-12
[10]张煊，孙跃产学研合作网络的创新效率研究——来自中国省域产学研合作的数据证明[J]山西财经大学学报，2014（6）：59-66
[11]庄涛，吴洪，胡春高技术产业产学研合作创新效率及其影响因素研究——基于三螺旋视角[J]财贸研究，2015（1）：55-60
[12]姜彤彤省域范围内产学研协同创新效率评价及分析[J]学术论坛，2015（3）：168-172
[13]杨胜良基于Malmquist指数的农林院校产学研结合绩效研究——以西北农林科技大学为例[J]西安电子科技大学学报（社会科学版），2012（3）：47-54
[14]季庆庆高校产学研合作投入产出效率分析[J]中国高校科技，2013（7）：54-56
[15]张倩高校产学研协同创新绩效评价——以燕山大学为例[D]燕山大学，2013：34-49
[16]金惠红，薛希鹏，雷文瑜教育部直属高校产学研合作效率测度——基于非参数DEA-Malmquist指数的实证分析[J]浙江工业大学学报（社会科学版），2014，13（3）：327-332
[17]Charnes A， Cooper WWPreface to Topics in Data Envelopment Analysis [J]Annals of Operations Research， 1984， 2（1）：59-94
[18]Banker RD， Charnes A， Cooper WWSome Models for Estimating Technical and Scale Inefficiency in Data Envelopment Analysis [J]Management Science， 1984， 30（9）： 1078-1092