基于DEA的985工程高校技术转移效率研究
基于DEA的985工程高校技术转移效率研究 一、模型构建及数据选取 高校技术转移活动是一种多投入、多产出的过程，本文 选取数据包络方法（DEA）开展技术转移有效性的综合评价。DEA 方法是一种针对多指标投入和多指标产出的同类型部门 进行相对有效性综合评价的方法，可以有效地处理多输入多 输出的复杂系统［1］。考虑到高校技术转移的实际情况， 在已有研究的基础上，对DEA 方法提出以下设定与改进。
在指标选取方面，应考虑到技术转移的投入过程中有人 力、资金和知识的参与，且应认识到很多应用研究都是基于 基础研究进行的，也正是有了基础研究的成果才能保证应用 研究的顺利进行，因此技术转移过程中应考虑到基础研究的 支撑作用。本文依据已有研究，选取科技活动人员、研究与 发展成果应用支出经费、专利申请数、出版著作数和论文数 作为投入指标，专利出售合同数、专利出售实际收入数、技 术转让合同数和技术转让实际收入数作为产出指标，具体指 标说明详见表1。
本研究的数据来源于《高等学校科技统计资料汇编》 （最新数据截止到2013 年）。在《高等学校科技统计资料 汇编》列入的39 所“985 工程”高校中，有7 所非教育部 直属高校，这7 所高校的一些数据具有保密性，因此本文在 选取最终数据时并没有将这7所高校列入，另有4 所高校有 缺项或所有产出指标对应数值均为0，因此将这些高校去除，剩余28 所高校。这28 所高校也满足经验法则中要求决策单 元个数必须是投入与产出指标个数的两倍［2］的限制，符 合DEA 分析的条件。此外，仅选用1 年的数据不足以说明高 校技术转移的总体水平，因此，将选用5年汇总后的均值进 行详细分析。
在模型构建方面，本文选取产出主导型模型。因政府对 各高校的投入情况大致是固定的，因此在研究高校技术转移 效率时，将选用产出主导型来研究在给定投入情况下高校的 产出情况。同时为了全面了解各高校技术转移效率情况，运 用了BC2 和C2R 模型。运用BC2 模型计算规模报酬可变条件 下各高校的技术转移效率值，以帮助了解技术转移过程中各 高校的有效状态及规模报酬变化，分析不同高校间技术转移 水平的差异性；
而借助C2R 模型可以分析在固定规模报酬阶 段，各高校技术转移过程中存在的产出不足及投入冗余问题， 并计算出无效高校向有效高校的投影权重，以便深入研究无 效高校与有效高校间的联系。
除此之外，在深入探究非有效高校原因后，本文希望能 将判定为非有效的高校改造为有效高校，即将无效高校投影 到有效生产前沿面上以改进自身的不足达到有效状态。因此 本文在DEA 分析基础上，借助社会网络分析方法，探究无效 高校与有效高校之间的关系，绘制两种不同高校之间的社会 网络图谱，了解无效高校为达到有效状态向有效高校学习的 过程，以帮助高校提高自身技术转移效率。二、高校技术转移效率的测算及分析 （一）DEA 有效性分析 运用BC2 模型经计算后的结果详见表2。总的来看，这 28 所高校的技术效率平均值为0.747，纯技术效率的平均值 为0.811，规模效率的平均值为0.928，虽然其技术转移效率 并未达到DEA 有效，但是技术转移的总体水平较好。
由表2 所得结果可知：
第一，在28 所高校中仅有清华大学、南开大学、上海 交通大学等10 所高校是DEA 有效的。这10 所高校的技术效 率、纯技术效率和规模效率均为1，说明这10 所高校的技术 转移情况较好，并没有出现规模与投入、产出不匹配的情况， 即这些高校均处于最佳规模效益状态。然而，从总体上看， 在28 所高校中仅有35.714%的高校是有效的，虽然总体水平 处于中等以上，但有效高校所占比例并未过半，且无效高校 的技术效率值处于0.160-0.940 之间，所跨数据范围较大， 这表明不同高校之间的技术转移情况相差比较大。
第二，厦门大学、华东师范大学、西北农林科技大学3 所 学校的纯技术效率为1，但是规模效率小于1，说明这3 所学 校已达到技术有效，即这些学校目前的投入已获得产出的最 大化，但并未达到DEA 有效，说明这3 所高校的技术转移无 效是由于规模效率所引起的，即从它们本身的技术效率来看， 并不需要额外地减少投入或增加支出，而是规模和投入、产 出并不匹配，需相应地增加或减少规模报酬，优化资源的合理配置，从而达到有效状态。
第三，华南理工大学、四川大学和天津大学等15 所高 校的技术效率和规模效率均小于1，说明这15 所高校是非DEA 有效的，即这些高校在技术转移过程中，在目前投入规模下 资源配置并未得到最大化利用，因此，这15 所高校为了达 到技术和规模有效需有针对性地改变投入、产出情况，并适 当调节自身的规模效益。
第四，此外可以看出，DEA 无效的高校共有18所。在这 18 所高校中，有5 所学校的规模报酬应该递减，分别是天 津大学、华南理工大学、华中科技大学、同济大学和复旦大 学。这几所学校的决策者应考虑不再继续增加投入规模，而 应适当减少规模以达到有效状态。四川大学、武汉大学、厦 门大学等13 所高校的规模报酬处于递增阶段，说明这些高 校如果继续增加投入，将会获得更高的产出量，收到事半功 倍的效果，因此为了达到有效状态，这13 所高校需适当地 增加投入规模。
（二）非DEA 有效单元产出分析 为进一步提高各高校的技术转移效率，运用C2R 模型对 非DEA 有效的18 所高校的投入与产出情况进行详细分析。
为了使自身达到有效，不同学校会针对自身投入与产出情况 采取不同的决策。本次分析选取的是产出导向的模型，即以 在投入一定的情况下做到产出最大化，因此将着重分析无效 高校的产出不足情况。由表3 可知，这18 所高校的技术转移效率之所以不高， 是因为这些高校在技术转移过程中存在较严重的产出不足 状况，其产出不足问题主要集中于技术转让合同数及技术转 让实际收入数。为了使得这些高校达到有效状态，各高校在 目前的投入情况下，都需要增加自身的产出量才有可能达到 有效。以天津大学为例，该校的技术效率为0.935，规模效 率为0.989，为了使自身技术转移效率达到有效，除了考虑 减少规模报酬以平衡目前的投入情况外，还需改变自身的成 果产出量，即在产出方面，该校的专利出售合同数和专利出 售当年实际收入数应大约分别增加2 项和63.551 万元，技 术转让合同数和技术转让实际收入数应分别增加99 项和 7182.622 万元。相应的，其他17 所高校也应按照表2 和表 3 所列数据改变技术转移过程中的产出量，从而达到最终的 有效。
（三）非DEA 有效单元的投影分析 非DEA 有效单元可以根据某些有效单元进行投影从而实 现相对有效。为了进一步了解各高校之间的联系，本文将运 用社会网络分析方法描绘无效高校与有效高校之间的网络 图谱，通过图谱分析探寻这些高校之间存在的隐性关系，并 找出投影分析中占据主导地位的高校，从而发现在技术转移 过程中起关键作用的一些高校。
在该网络图谱中，如果两个高校之间有连线，则代表两 者间有相互学习的关系，箭头指向代表该学校为了达到有效状态向另外一所有效学校投影，即另外一所有效高校是该无 效高校的学习目标。两者之间的距离代表投影时相应的权重， 这也表示一所无效高校有时需向多所有效高校学习以实现 相对有效。图1 展示了不同高校之间相互学习的过程，除去 图谱中独立的4 个点，即东南大学、厦门大学、西安交通大 学和西北农林科技大学，按照中介中心性大小排序展现高校 之间的真实联系。图中每个方形代表1 所高校，方形越大， 表示该高校在图谱中的中介中心性越大，说明该高校在图谱 中占据重要的位置，即该校在整个学习框架中起着维系高校 联系的重要作用。
本文主要从点度中心性、中介中心性两方面出发，对该 社会网络图谱进行中心性分析，其中点度中心性又分为入度 中心性与出度中心性。在该社会网络图谱中，入度指网络中 有多少个节点指向该指定点，即网络中某高校被多少个无效 高校当作学习目标。入度越大代表该高校越容易被其他高校 “模仿”，即该校在技术转移过程中积累的经验较多，所起 的示范作用比较大。出度指网络中该节点指向多少个不同的 节点，即网络中某无效高校向多少个学校学习。出度越大， 代表该校可以向更多的高校“模仿”、学习，即该校在技术 转移过程中的学习能力强，易吸取其他高校的经验。
根据计算，表4 列出入度排名靠前的6 所高校。从表4 中 可以看出，在技术转移过程中，表中所列的6 所有效高校比 其他有效高校更容易给其他高校起到一个“模范作用”，供其他高校学习，其传授经验的能力较强。其中，清华大学的 入度最高，网络中共有12 个节点指向它，这表示共有12 所 高校以该校为学习目标，也说明该校在技术转移过程中积累 的经验最多，可以起到一个良好的示范作用，便于其他学校 学习。此外南开大学和中国海洋大学的入度仅次于清华大学， 共有8 所高校分别向这两所高校学习，表明南开大学和中国 海洋大学便于其他高校学习、传授经验的能力较弱于清华大 学。相应地，有7 所高校分别向上海交通大学、山东大学和 南京大学学习，说明这7 所高校在传授经验、便于高校学习 的能力上稍弱于南开大学和中国海洋大学。
表5 列出出度排名靠前的10 所无效高校，从中可以看 出，在技术转移过程中，所列10 所高校较其他无效高校来 说，更容易向有效、“模范”高校学习，接受知识的能力较 强。其中，华南理工大学、同济大学和湖南大学的出度最高， 均指向5 个高校，即这3 所高校为了达到有效状态，需向5 所 不同高校学习，这也说明这3 所高校自身基础较好，学习能 力较强。大连理工大学、中国农业大学、吉林大学、中山大 学、复旦大学、华中科技大学和天津大学这7 所高校的出度 仅次于以上3 所高校，表明这7 所高校接受经验、学习知识 的能力较弱于以上3 所高校，它们在技术转移过程中需向4 所不同高校进行学习，积累经验。
在网络中，若一个行动者处于许多其他两点之间的路径 上，则认为这个行动者处于重要地位，具有控制其他行动者交往的能力，而中介中心度正是刻画该行动者对资源控制的 程度［3］。如果该网络中某个高校占据上述位置越多，则 说明其中介中心度越高，这也表示该网络中的很多高校都通 过该高校获得联系，即该校与其他高校的沟通能力强，可以 在一定程度上影响其他高校。
表6 展示了中介中心度排名靠前的5 所高校。从表6 可 以看出，这5 所高校的中介中心度均位于24 以上，且这5 所 高校在技术转移过程中都维系着与多所高校的联系。其中， 清华大学的中介中心度最高，且入度也最高，这表明在非DEA 有效高校学习过程中，清华大学所起的示范作用最大，给其 他高校学习提供极大的便利，并能将知识尽可能多地传播出 去供其他高校学习、借鉴，从而影响其他高校。相应的，中 国海洋大学、南开大学及南京大学传授知识的经验较强，且 在不同高校相互学习过程中起到一个重要作用，能尽可能多 地与其他高校产生联系。此外，虽然中国农业大学并没有被 其他学校列为学习目标，但却仍在该网络中占据不可缺少的 位置，该校同时向另外4 所高校学习，表明其学习能力较强， 且该校在网络中处于多所高校学习途径的中心位置，这也意 味着该校获取知识资源的能力较强，在学习过程中发挥重要 作用。
综合来看，有效高校应发挥自身传播知识、经验的作用， 要在整个学习过程中占据主导位置，及时且有效地将技术转 移过程中所积累的经验传播给无效高校，而无效高校应增强自身学习能力，主动向有经验且符合自身特性的高校学习， 获取有价值的知识以达到自身有效。
三、结论 通过以上对高校技术转移效率的有效性分析及非有效 单元的投影分析可以得出以下结论：
第一，我国“985 工程”高校的平均技术转移效率并未 全部达到DEA 有效，但技术转移平均水平较好。不同高校之 间的技术转移效率差距较大，总体不平衡，在28 所高校中 仅有35.714%的高校技术转移效率是DEA 有效的，这也意味 着剩下的非DEA 有效的高校为了达到有效状态，需要进一步 合理配置技术转移过程中的资源投入与产出结构。
第二，高校技术转移效率的无效是因为技术转移过程中 的投入结构不合理、基础研究对技术转移的支撑不够，导致 技术转移过程中出现产出不足的情况。因此，对于无效的高 校来说，增加投入的同时必须优化投入的结构，尤其是要使 基础研究与应用研究合理配置，加强基础研究对应用研究的 支撑。
第三，高校之间的相互学习是提高自身效率的主要方式。
通过投影分析可知，清华大学、南开大学、中国海洋大学、 山东大学、上海交通大学和南京大学这6 所学校在技术转移 过程中具有较好的示范作用，便于其他高校学习；
而湖南大 学、华南理工大学和同济大学这3 所高校自身基础较好，接 受知识的能力较强，具有较强的学习能力；
此外，中国农业大学虽然学习能力不及以上3 所高校，但是该校在网络中处 于多所高校学习途径的中心位置，这也意味着该校获取知识 资源的能力较强，在学习过程中发挥着重要作用。因此在技 术转移过程中，无效高校可通过向有效高校学习来提高自身 技术转移水平。
第四，我国“985 工程”高校技术转移的效率还受到政 策环境、市场需求、社会信任等外部环境因素的作用。如教 育部对高校技术转移的评估流程、报批程序、收益分配、知 识产权处置等都有明确规定，这些政策对高校的技术转移产 生了一定的影响。但是随着新版《中华人民共和国促进科技 成果转化法》的颁布实施，我国高校技术转移的外部环境将 越来越宽松，因此合理优化投入产出结构，促进基础研究和 应用研究的相互协调，提高技术成果的产出水平，有效衔接 市场需求，成为高校技术转移的重要内生动力。
参考文献：
［1］孙世敏，项华录，兰博. 基于DEA 的我国地区高 校科研投入产出效率分析［J］. 科学学与科学技术管理， 2007，（7）：18-21. ［2］姜彤彤. 基于DEA 方法的高校科研效率评价研究 ［J］. 高教发展与评估，2011，（6）：26-32、134. ［3］朱庆华，李亮. 社会网络分析法及其在情报学中 的应用［J］. 情报理论与实践，2008，（2）：179-183+174.