论文部分内容阅读
摘 要：以中国30个省份2011—2017年的数据为例，对区域产学研协同创新绩效的影响因素进行了实证研究。通过相关性分析和回归分析研究表明，科学技术发展水平、政府财政支持、企业规模、企业与高校及科研机构合作程度这四个因素均对协同创新绩效有着正向的影响。在此研究结果的基础上，为政府和企业如何提高协同创新绩效提出了建议。
关键词：协同创新;影响因素;多元线性回归模型
中图分类号：G311;F062.3 文献标志码：A 文章编号：1673-291X（2021）23-0033-04
引言
我国实施创新驱动战略所面临的重要问题之一便是如何有效促进产学研协同创新。近年来国家出台了一系列的相关政策，以促进产学研协同创新、推进创新型国家的建设。因此，对产学研协同创新的因素进行深入分析具有十分重要的理论意义和实践意义。李鹏等（2017）通过面板数据模型发现，人力资源、研发资金、对外开放程度对产学研协同创新均具有正向的促进作用。李杰等（2016）利用超效率数据包络分析方法计算出2004—2013年我国各省份的科技成果转化率，并选择产学研比重、技术进步、产业结构、对外开放这四个维度对影响科技成果轉化率的影响因素进行分析。何海燕等（2014）运用Ordered Logit预测模型估计了政策法规的支持程度、知识产权保护和科技成果转化、多赢的合作利益分配机制、产学研协同创新融资渠道完善、产学研协同创新融资渠道完善这六个影响因素对现阶段产学研协同创新发展问题的影响程度。从已有的文献中可以发现，目前对产学研协同创新影响因素的分析可以归纳为外部环境的影响和内部环境的影响。本研究针对这些影响因素，收集了相关数据，借助Stata 16.0软件进行分析。
本文选取了30个省份的数据，通过构建多元线性回归模型来考察外部环境区域科学技术发展水平、政府财政支持和企业内部环境要素企业规模、企业与高校及科研机构合作程度对产学研协同创新绩效的影响。
一、影响因素分析及研究假设
（一）科学技术发展水平与区域产学研协同创新绩效
不同区域侧重发展的科学技术种类与发展程度有所差异。进行协同创新的区域的科技水平将会决定区域间合作的融合度。科技发展水平落后的区域不仅难以迅速吸收先进区域带来的技术知识，造成资源的浪费，同时也会影响先进区域的发展进程。庄子银等（2018）通过构建GMM模型稳健性检验得出结论，认为技术市场对创新具有显著影响，且对具有较高技术含量水平的发明专利的影响弹性最大。王怀祖等（2017）通过对中国2009—2014年间的省级面板数据进行分析，发现技术引进有助于提升省域的创新能力。基于以上论述，本文提出如下假设：
H1：科学技术发展水平对区域产学研协同创新绩效有显著的正向影响。
（二）政府财政支持与区域产学研协同创新绩效
在协同创新的过程中，充足的科研经费是进行创新的必要条件。近年来，我国财政科研资金投入逐年增加，同时政府出台了大量支持企业创新的政策，为创新创业者提供了良好的政策环境，从而激发他们进行协同创新的积极性。原长弘等（2013）认为，企业在产学研合作中作为资金的主要投入方，在研发和采用新技术的过程中，需要承担较大的风险，降低了企业与大学及其他科研机构合作的积极性，最终导致协同创新效率的下降。政府财政资金的加入，不但降低了企业须要承担的风险，而且进一步鼓励企业的科研创新投入。基于以上论述，本文提出如下假设：
H2：政府财政支持对区域产学研协同创新绩效有显著的正向影响。
（三）企业规模与区域产学研协同创新绩效
企业规模不同，其研发能力、获取信息能力、承担风险能力均不同，而这些将会对区域产学研协同创新产生一定影响。Oerlenmans（2013）等认为，规模较大的企业相较于小企业拥有更多的资源，能够给产学研协同创新提供更多的支持。金星（2010）通过研究标准导向型技术、考察不同规模企业合作创新的作用机制，发现合作创新受企业规模的影响。基于以上论述，本文提出如下假设：
H3：企业规模对区域产学研协同创新绩效有显著的正向影响。
（四）企业与高校、科研机构合作程度与区域产学研协同创新绩效
刘和东（2009）借助协整分析技术发现，我国产学研合作程度和企业自主创新能力之间存在着较大的联系，通过提高产学研合作的程度可以有效促进合作行为，从而提升合作绩效。通过加深合作程度，可以在企业与高校、科研机构间建立联系紧密的合作关系，增强彼此间的信任。这样，企业、高校、科研机构将会把更多的精力专注于协同创新，以有效降低创新风险，提升协同创新绩效。朱婧 等（2020）认为，高校、科研机构与企业的深度合作意味着互动更加频繁、高校和企业相关人员专用化程度提高，有助于形成共同的技术范式和组织惯例，促进高校和企业之间隐性知识的转移。基于以上论述，本文提出如下假设：
H4：企业与高校、科研机构合作程度对区域协产学研同创新绩效有显著的正向影响。
二、变量选取和数据来源
（一）变量选择
1.自变量
参考类似研究的指标选取，本文将影响因素“科学技术发展水平”用“技术市场成交额”来表示，为方便计算，将其取对数;将“政府财政支持”用“科学技术支出占地区一般公共预算总支出的比例”来表示;“企业规模”用“企业从业人员数”来表示;“企业与高校、科研机构合作程度”用“高等学校、科研机构R&D经费内部支出由企业出资的数量”表示，为方便计算，将其取对数。
2.因变量 本文以“高校和科研機构与企业发明专利联合申请数量”作为衡量“区域产学研协同创新绩效”的变量。
（二）数据来源
发明专利数据源自国家知识产权局专利数据库。由于国家统计调查从2011年起修改了规模企业起点标准，且发明专利申请时间需要18个月以上，所以选取2011—2017年的相关数据作为样本分析。通过在专利检索平台的申请人栏中输入“大学”、“学院”、“研究院”和“公司”、“厂”。其余数据指标均来自于2011—2017年的《中国统计年鉴》《中国科技统计年鉴》《高技术产业统计年鉴》《中国工业统计年鉴》以及国家统计局数据库。由于西藏及港澳台地区地区的数据有所缺失，故选取中国其余30个省份的数据作为样板数据。
三、假设检验与分析
（一）模型选择
由于本文用来描述协同创新绩效的指标为专利联合申请数量，是非负数，且数据较为离散，因此本文选择多元线性回归模型进行数据分析。
（二）描述性统计分析
各变量的描述性统计如表1所示。
（三）相关性统计分析
变量的相关性检验如表2所示，从pearson相关性检验输出表*可见，每一栏上面的数据表示变量之间的相关系数，下面的数字表示显著性水平，从中不难看出变量间的相关系数均低于0.8，初步判断不存在严重的共线性。
我们通常利用方差膨胀系数（variance inflation factor，VIF）来衡量多元线性回归模型中是否存在严重的多重共线性问题。VIF值越接近1多重共线性越轻，反之则越重。通过Stata 16.0运算结果可得到表3，可以发现个变量间的VIF值均小于3，表明变量间不存在严重的多重共线性问题。
（四）回归分析
本文借助Stata 16.0软件进行多元线性回归分析，如图1所示，从中可以看出，所有变量的影响都非常显著，科学技术发展水平、政府财政支持、企业研发人员数量、企业与高校及科研机构合作程度这四个因素均通过了检验，且它们的回归系数都为正数，说明这些因素对区域协同创新均产生正向的影响，即假设H1、H2、H3、H4均得到了验证。
四、研究结论与启示
（一）结论
本文根据2011—2017年发明专利的数据和统计年鉴的相关数据通过构建多元线性回归模型，对产学研协同创新绩效影响因素进行了分析。研究发现，科学技术发展水平、政府财政支持、企业研发人员数量、企业与高校及科研机构合作程度均可以显著提高产学研协同创新绩效，其中政府财政对其支持的影响最大。区域科学技术发展水平越高，产学研协同创新绩效越高，而企业研发人员的数量对产学研协同创新绩效的影响相对较小。
（二）启示
第一，由于各个省份产学研协同创新绩效的差距较大，为实现区域的均衡发展，国家应该加强宏观调控政策，促进人才、资源、知识的流通，减少区域内部发展的不平衡性，从而实现国家整体创新能力的提升。
第二，地方政府应采用合理的资金资助方式促进当地创新能力的发展，由传统的一次性资金资助形式转向平台建设方面的支持。同时，要有效避免企业为取得政府资金补助而提供虚假信息的现象，以免造成资金的浪费。政府除了在资金上予以相应的支持，政策上也应该提供相应的支持，构建一个促进产协研协同创新的良好的政策环境。
第三，通过产学研合作，企业可以充分利用高校和研究机构的人才和技术优势，因此，企业须要合理安排内部研发人员的工作，避免造成人才资源的浪费，使每一位员工都能充分发挥自己的才能，从而有效促进创新绩效。
参考文献：
[1] 李鹏，陈维花.产学研协同创新影响因素实证分析[J].经济视角，2017，（3）：46-52.
[2] 何海燕，王子文，姜李丹，蔡静静.我国产学研协同创新影响因素研究——基于Ordered Logit模型实证分析[J].华东经济理，2014，28（9）：106-110.
[3] 李杰，郭杰.我国产学研协同创新对科技成果转化率的影响[J].经济视角，2016，（5）：23-29.
[4] 顾裕玲，吴和成，高月姣.跨区域主体协同创新的界面管理研究——以战略性新兴产业为例[J].科技管理研究，2020，40（13）：8-15.
[5] 庄子银，段思淼.区域技术市场发展对创新的驱动作用——来自2002—2015年省级面板数据的实证分析[J].科技进步与策，2018，35（15）：29-38.
[6] 王怀祖，彭志强.中国省际技术引进与省域自主创新能力关系研究[J].管理现代化，2017，37（4）：39-43.
[7] 原长弘，高金燕，孙会娟.地方政府支持与区域市场需求规模不确定性对高校技术转移效率的影响——来自中国“211工程”大学的证据[J].研究与发展管理，2013，25（3）：10-17.
[8] 吴钊阳，邵云飞，冯路.资源基础理论视角下的协同创新网络演化机制与模型研究[J].电子科技大学学报，2020，49（4）：530-536.
[9] Busom，I.，and A.Fernandezribas. The Impact of Firm Participation in R&D Programmes on R&D partnerships[J]. Research Policy，2008，37（2）：240-257.
[10] Oerlemans L A G， Knoben J， Pretorius M W. Alliance portfolio diversity， radical and incremental innovation：the moderating role of technology management[J].Technovation，2013. [11] 金星.高技术企业合作创新的绩效研究[D].杭州：浙江大学，2010.
[12] 刘和东.产学研合作与企业自主创新关系的实证研究[J].科技管理研究，2009，29（2）：186-188.
[13] 朱婧 ，李北伟，季忠洋.区域产学合作创新绩效空间演化及影响因素研究[J].工业技术经济，2020，39（3）：10-19.
Analysis on Influencing Factors of Regional Industry University Research Collaborative Innovation Performance
DING Yu-ying， ZHANG Zheng
（School of Management， Shanghai University of Technology， Shanghai 200093， China）
Abstract： Taking the data of 30 provinces in China from 2011 to 2017 as an example， this paper makes an empirical study on the influencing factors of regional industry university research collaborative innovation performance. Through correlation analysis and regression analysis， it shows that the four factors of science and technology development level， government financial support， enterprise scale and the degree of cooperation between enterprises and universities and scientific research institutions have a positive impact on the performance of collaborative innovation. Based on the research results， some suggestions are put forward for the government and enterprises on how to improve the performance of collaborative innovation.
Key words： collaborative innovation; influencing factors; multiple linear regression model
[責任编辑 张宇霞]
收稿日期：2021-01-11
作者简介：丁玉莹（1996-），女，硕士研究生，从事协同创新研究;张峥（1972-），男，博士，教授，从事技术创新管理、创业管理和战略管理研究。
关键词：协同创新;影响因素;多元线性回归模型
中图分类号：G311;F062.3 文献标志码：A 文章编号：1673-291X（2021）23-0033-04
引言
我国实施创新驱动战略所面临的重要问题之一便是如何有效促进产学研协同创新。近年来国家出台了一系列的相关政策，以促进产学研协同创新、推进创新型国家的建设。因此，对产学研协同创新的因素进行深入分析具有十分重要的理论意义和实践意义。李鹏等（2017）通过面板数据模型发现，人力资源、研发资金、对外开放程度对产学研协同创新均具有正向的促进作用。李杰等（2016）利用超效率数据包络分析方法计算出2004—2013年我国各省份的科技成果转化率，并选择产学研比重、技术进步、产业结构、对外开放这四个维度对影响科技成果轉化率的影响因素进行分析。何海燕等（2014）运用Ordered Logit预测模型估计了政策法规的支持程度、知识产权保护和科技成果转化、多赢的合作利益分配机制、产学研协同创新融资渠道完善、产学研协同创新融资渠道完善这六个影响因素对现阶段产学研协同创新发展问题的影响程度。从已有的文献中可以发现，目前对产学研协同创新影响因素的分析可以归纳为外部环境的影响和内部环境的影响。本研究针对这些影响因素，收集了相关数据，借助Stata 16.0软件进行分析。
本文选取了30个省份的数据，通过构建多元线性回归模型来考察外部环境区域科学技术发展水平、政府财政支持和企业内部环境要素企业规模、企业与高校及科研机构合作程度对产学研协同创新绩效的影响。
一、影响因素分析及研究假设
（一）科学技术发展水平与区域产学研协同创新绩效
不同区域侧重发展的科学技术种类与发展程度有所差异。进行协同创新的区域的科技水平将会决定区域间合作的融合度。科技发展水平落后的区域不仅难以迅速吸收先进区域带来的技术知识，造成资源的浪费，同时也会影响先进区域的发展进程。庄子银等（2018）通过构建GMM模型稳健性检验得出结论，认为技术市场对创新具有显著影响，且对具有较高技术含量水平的发明专利的影响弹性最大。王怀祖等（2017）通过对中国2009—2014年间的省级面板数据进行分析，发现技术引进有助于提升省域的创新能力。基于以上论述，本文提出如下假设：
H1：科学技术发展水平对区域产学研协同创新绩效有显著的正向影响。
（二）政府财政支持与区域产学研协同创新绩效
在协同创新的过程中，充足的科研经费是进行创新的必要条件。近年来，我国财政科研资金投入逐年增加，同时政府出台了大量支持企业创新的政策，为创新创业者提供了良好的政策环境，从而激发他们进行协同创新的积极性。原长弘等（2013）认为，企业在产学研合作中作为资金的主要投入方，在研发和采用新技术的过程中，需要承担较大的风险，降低了企业与大学及其他科研机构合作的积极性，最终导致协同创新效率的下降。政府财政资金的加入，不但降低了企业须要承担的风险，而且进一步鼓励企业的科研创新投入。基于以上论述，本文提出如下假设：
H2：政府财政支持对区域产学研协同创新绩效有显著的正向影响。
（三）企业规模与区域产学研协同创新绩效
企业规模不同，其研发能力、获取信息能力、承担风险能力均不同，而这些将会对区域产学研协同创新产生一定影响。Oerlenmans（2013）等认为，规模较大的企业相较于小企业拥有更多的资源，能够给产学研协同创新提供更多的支持。金星（2010）通过研究标准导向型技术、考察不同规模企业合作创新的作用机制，发现合作创新受企业规模的影响。基于以上论述，本文提出如下假设：
H3：企业规模对区域产学研协同创新绩效有显著的正向影响。
（四）企业与高校、科研机构合作程度与区域产学研协同创新绩效
刘和东（2009）借助协整分析技术发现，我国产学研合作程度和企业自主创新能力之间存在着较大的联系，通过提高产学研合作的程度可以有效促进合作行为，从而提升合作绩效。通过加深合作程度，可以在企业与高校、科研机构间建立联系紧密的合作关系，增强彼此间的信任。这样，企业、高校、科研机构将会把更多的精力专注于协同创新，以有效降低创新风险，提升协同创新绩效。朱婧 等（2020）认为，高校、科研机构与企业的深度合作意味着互动更加频繁、高校和企业相关人员专用化程度提高，有助于形成共同的技术范式和组织惯例，促进高校和企业之间隐性知识的转移。基于以上论述，本文提出如下假设：
H4：企业与高校、科研机构合作程度对区域协产学研同创新绩效有显著的正向影响。
二、变量选取和数据来源
（一）变量选择
1.自变量
参考类似研究的指标选取，本文将影响因素“科学技术发展水平”用“技术市场成交额”来表示，为方便计算，将其取对数;将“政府财政支持”用“科学技术支出占地区一般公共预算总支出的比例”来表示;“企业规模”用“企业从业人员数”来表示;“企业与高校、科研机构合作程度”用“高等学校、科研机构R&D经费内部支出由企业出资的数量”表示，为方便计算，将其取对数。
2.因变量 本文以“高校和科研機构与企业发明专利联合申请数量”作为衡量“区域产学研协同创新绩效”的变量。
（二）数据来源
发明专利数据源自国家知识产权局专利数据库。由于国家统计调查从2011年起修改了规模企业起点标准，且发明专利申请时间需要18个月以上，所以选取2011—2017年的相关数据作为样本分析。通过在专利检索平台的申请人栏中输入“大学”、“学院”、“研究院”和“公司”、“厂”。其余数据指标均来自于2011—2017年的《中国统计年鉴》《中国科技统计年鉴》《高技术产业统计年鉴》《中国工业统计年鉴》以及国家统计局数据库。由于西藏及港澳台地区地区的数据有所缺失，故选取中国其余30个省份的数据作为样板数据。
三、假设检验与分析
（一）模型选择
由于本文用来描述协同创新绩效的指标为专利联合申请数量，是非负数，且数据较为离散，因此本文选择多元线性回归模型进行数据分析。
（二）描述性统计分析
各变量的描述性统计如表1所示。
（三）相关性统计分析
变量的相关性检验如表2所示，从pearson相关性检验输出表*可见，每一栏上面的数据表示变量之间的相关系数，下面的数字表示显著性水平，从中不难看出变量间的相关系数均低于0.8，初步判断不存在严重的共线性。
我们通常利用方差膨胀系数（variance inflation factor，VIF）来衡量多元线性回归模型中是否存在严重的多重共线性问题。VIF值越接近1多重共线性越轻，反之则越重。通过Stata 16.0运算结果可得到表3，可以发现个变量间的VIF值均小于3，表明变量间不存在严重的多重共线性问题。
（四）回归分析
本文借助Stata 16.0软件进行多元线性回归分析，如图1所示，从中可以看出，所有变量的影响都非常显著，科学技术发展水平、政府财政支持、企业研发人员数量、企业与高校及科研机构合作程度这四个因素均通过了检验，且它们的回归系数都为正数，说明这些因素对区域协同创新均产生正向的影响，即假设H1、H2、H3、H4均得到了验证。
四、研究结论与启示
（一）结论
本文根据2011—2017年发明专利的数据和统计年鉴的相关数据通过构建多元线性回归模型，对产学研协同创新绩效影响因素进行了分析。研究发现，科学技术发展水平、政府财政支持、企业研发人员数量、企业与高校及科研机构合作程度均可以显著提高产学研协同创新绩效，其中政府财政对其支持的影响最大。区域科学技术发展水平越高，产学研协同创新绩效越高，而企业研发人员的数量对产学研协同创新绩效的影响相对较小。
（二）启示
第一，由于各个省份产学研协同创新绩效的差距较大，为实现区域的均衡发展，国家应该加强宏观调控政策，促进人才、资源、知识的流通，减少区域内部发展的不平衡性，从而实现国家整体创新能力的提升。
第二，地方政府应采用合理的资金资助方式促进当地创新能力的发展，由传统的一次性资金资助形式转向平台建设方面的支持。同时，要有效避免企业为取得政府资金补助而提供虚假信息的现象，以免造成资金的浪费。政府除了在资金上予以相应的支持，政策上也应该提供相应的支持，构建一个促进产协研协同创新的良好的政策环境。
第三，通过产学研合作，企业可以充分利用高校和研究机构的人才和技术优势，因此，企业须要合理安排内部研发人员的工作，避免造成人才资源的浪费，使每一位员工都能充分发挥自己的才能，从而有效促进创新绩效。
参考文献：
[1] 李鹏，陈维花.产学研协同创新影响因素实证分析[J].经济视角，2017，（3）：46-52.
[2] 何海燕，王子文，姜李丹，蔡静静.我国产学研协同创新影响因素研究——基于Ordered Logit模型实证分析[J].华东经济理，2014，28（9）：106-110.
[3] 李杰，郭杰.我国产学研协同创新对科技成果转化率的影响[J].经济视角，2016，（5）：23-29.
[4] 顾裕玲，吴和成，高月姣.跨区域主体协同创新的界面管理研究——以战略性新兴产业为例[J].科技管理研究，2020，40（13）：8-15.
[5] 庄子银，段思淼.区域技术市场发展对创新的驱动作用——来自2002—2015年省级面板数据的实证分析[J].科技进步与策，2018，35（15）：29-38.
[6] 王怀祖，彭志强.中国省际技术引进与省域自主创新能力关系研究[J].管理现代化，2017，37（4）：39-43.
[7] 原长弘，高金燕，孙会娟.地方政府支持与区域市场需求规模不确定性对高校技术转移效率的影响——来自中国“211工程”大学的证据[J].研究与发展管理，2013，25（3）：10-17.
[8] 吴钊阳，邵云飞，冯路.资源基础理论视角下的协同创新网络演化机制与模型研究[J].电子科技大学学报，2020，49（4）：530-536.
[9] Busom，I.，and A.Fernandezribas. The Impact of Firm Participation in R&D Programmes on R&D partnerships[J]. Research Policy，2008，37（2）：240-257.
[10] Oerlemans L A G， Knoben J， Pretorius M W. Alliance portfolio diversity， radical and incremental innovation：the moderating role of technology management[J].Technovation，2013. [11] 金星.高技术企业合作创新的绩效研究[D].杭州：浙江大学，2010.
[12] 刘和东.产学研合作与企业自主创新关系的实证研究[J].科技管理研究，2009，29（2）：186-188.
[13] 朱婧 ，李北伟，季忠洋.区域产学合作创新绩效空间演化及影响因素研究[J].工业技术经济，2020，39（3）：10-19.
Analysis on Influencing Factors of Regional Industry University Research Collaborative Innovation Performance
DING Yu-ying， ZHANG Zheng
（School of Management， Shanghai University of Technology， Shanghai 200093， China）
Abstract： Taking the data of 30 provinces in China from 2011 to 2017 as an example， this paper makes an empirical study on the influencing factors of regional industry university research collaborative innovation performance. Through correlation analysis and regression analysis， it shows that the four factors of science and technology development level， government financial support， enterprise scale and the degree of cooperation between enterprises and universities and scientific research institutions have a positive impact on the performance of collaborative innovation. Based on the research results， some suggestions are put forward for the government and enterprises on how to improve the performance of collaborative innovation.
Key words： collaborative innovation; influencing factors; multiple linear regression model
[責任编辑 张宇霞]
收稿日期：2021-01-11
作者简介：丁玉莹（1996-），女，硕士研究生，从事协同创新研究;张峥（1972-），男，博士，教授，从事技术创新管理、创业管理和战略管理研究。