产学合作数量与学术创新绩效关系

摘要：采用面板分位数回归方法，基于《2016中国大学评价报告》中前100所大学2011-2015年数据，对产学合作数量与学术创新绩效关系进行研究。结果显示：①产学合作数量与学术创新绩效之间存在明显的倒U型关系，表明存在最优的产学合作数量使高校获得最佳学术创新绩效；②不同分位点处存在异质效应，表明产学合作数量对学术创新绩效高低分位的影响具有差异,因此，不能搞“一刀切”的产学合作治理结构；③合作广度、知识能力对产学合作数量与学术创新绩效的关系产生了正向调节效应。

0 引言

在开放型区域创新体系的构建和完善中，产学合作知识共享扮演了重要角色。大学与企业强强联合，不仅促进了从大学到产业的知识学习与知识流动，也促进了从产业到大学的知识创新。在这一背景下，产学合作研究显得尤为重要。

在产学合作影响学术创新绩效方面，学术界并未形成一致结论。就影响方向而言，一些学者认为产学合作有利于学术创新绩效提高，主要是基于产学合作可以帮助高校获取企业科研经费资助、利用企业先进的科研基础设施、分散科研高风险、互补技能和知识等[1]；还有一些学者持有产学合作对学术创新绩效会产生负面影响的观点，认为产学合作会使高校放弃基础研究而选择应用研究[2]，从而影响高校学术创新论文的出版数量和质量，导致学术创新绩效难以提高。就影响范式而言，一些学者认为产学合作对学术创新绩效呈线性影响模式，另一些学者则认为产学合作对学术创新绩效存在非线性影响模式。

上述实证研究就产学合作与学术创新绩效关系得出不同结论，虽然与使用变量、研究样本区间等因素有关，但还有一个重要因素是使用均值回归分析方法。在高校学术创新绩效管理过程中，不应单纯地考量学术创新绩效水平，还应兼顾学术创新绩效波动，即在统计中同时考虑期望与方差。许启发等[3]指出，均值回归只能揭示解释变量对被解释变量平均水平的影响，当被解释变量方差较大时，均值回归适用性较差。因此，当所选高校的学术创新绩效方差较大时，通过均值回归很难找准产学合作数量对学术创新绩效的真实影响(包括形状、尺度等)。此时，需要细致地刻画在不同分位点处产学合作数量与学术创新绩效的异质关系，才能全面了解与掌握两者间的关系。

因此，本文克服了传统面板固定效应模型等方法的局限性，在考虑异质效应的基础上，以面板分位数回归方法为基本工具，定量研究产学合作数量在不同分位点上对学术创新绩效的影响。

1 理论分析与研究假设

1.1 产学合作数量与学术创新绩效

产学合作数量如何影响学术创新绩效，大致有3种观点：积极效应论、消极效应论以及综合效应论。

在积极效应研究方面，学者们认为产学合作主要通过3种形式提高学术创新产出：①拓展学术研究议题和想法[4]。Almeidaetal[5]发现，通过与产业合作可以为大学提供一个更加宽广的知识和技能获取渠道，允许其在更广阔的地理范围内从多样化组织机构中获取知识和技能，并将这些知识作为进一步开拓创新的基础；②拓展科研资金来源渠道。Lee[6]研究指出，学术界积极寻求产业合作的两个主要目的是为获得研究经费和利用科研设备。近年来，由于私人资本在弥补政府研发投入不足、促进有限研发资金效益最大化等方面更具竞争优势，使得学界一致认为加强产学合作是学术创新资金来源的重要渠道[7]；③产学合作研究可以弥补高校在某些理论和实证研究方面的不足。通过与产业合作将理论知识应用到产品设计和商业转化的成熟阶段，可使大学在合作过程中取得更好的学术创新绩效。

在消极效应研究方面，学者们认为产学合作主要通过以下几个方面影响学术创新绩效：①大学与企业具有不同的成果披露周期与形式。与开放式学术创新系统相比，企业内部知识创新多以获取高额市场垄断利润为目标。在此目标导向下，当产学合作项目发现新成果时，大学倾向于快速形成学术论文、披露研究成果，而企业为了防止同行快速模仿，往往封锁消息，从而阻碍了学术论文成果的产生；②为了实现高水平产业合作，大学往往投入大量时间、金钱和其它资源以创造合作机会。注意力管理理论指出，尽管产学合作可以为高校提供许多新颖想法，但仅有少数想法能够被认真执行或得以发展。虽然创新合作产生了大量想法，但仅带来了少量学术创新成果；③产学合作可能会影响高校研究主题和研究方法的选择。Trajtenberg等[8]认为，企业发展目标是商业化的成功，而大学则聚焦于回答科学问题，从而吸引产业兴趣的研究可能并非大学关注的领域。因此，大学为了与产业合作，可能会迎合企业应用型选题偏好，导致大学学术成果产出降低，从而陷入为企业提供商业服务和咨询的路径锁定局面，进而影响大学学术创新绩效提高。

事实上，产学合作是一把双刃剑[9]。Lin Jun-You[10]研究表明，适度的产学合作够让高校有效利用其创新资源、提升学术创新绩效；过度的产学合作行为将使高校投入过多的时间、金钱等，影响其学术创新绩效提高，即大学进行适量的产学合作才能获得良好绩效，不合作或过度合作则可能因合作资源不能得到有效利用而影响其学术创新绩效提升。因此，提出以下假设：

H1:产业合作数量与学术创新绩效之间存在非线性关系，主要呈现倒U型变动规律。相对于适度进行产学合作的大学而言，合作不足和合作过度均会导致学术创新绩效较差。

1.2 合作广度与学术创新绩效

由于大学的创新资源控制、治理模式等不同，导致其核心知识能力以及采取的合作战略往往存在差异，从而形成大学及其学术创新绩效的异质性。一方面，取决于大学具有的独特知识能力，这是内因；另一方面，取决于大学采取的合作战略，如聚焦型战略或发散性战略，可以视为外因。合作战略的不同主要体现为合作领域的广泛程度。因此，本文采用合作广度衡量合作战略的差异性。

合作广度对产学合作数量与学术创新绩效间的关系具有调节作用。当产学合作较少时，大学通过拓展合作领域，可以促使学科领域间的知识进行有效组合，从而为产业合作提供知识创新基础。第一，日益扩大的合作广度为大学和企业构建了一条多样化的知识交流渠道，可以帮助大学获取企业的技术轨迹以及研究中的成功与失败案例信息，聚焦于产业合作的知识要素有利于成功的学术创新。第二，广泛的合作领域代表了多样化的创新资金来源，而多样化的资金来源可以有效降低大学受单一产业合作带来失败的可能性[11]，它允许大学采取更加安全的合作战略以应对市场创新合作的不确定性。拓展合作领域作为组织和协调创新项目的一个基本经济原则，可能并不会削弱大学与产业合作的能力，相反可能提升学术创新在合作关系中的价值。

随着产学合作数量增多，采取发散性合作战略，即拓展合作广度可能给高校带来一些合作问题。例如，扩大合作领域可能带来信息过量问题，使多数合作停留在组合技术领域表面，产生较低的合作绩效，甚至可能导致合作失败。基于上述逻辑，本研究认为在不同的产学合作数量区间内，合作广度起到的作用可能存在差异，由此提出以下假设：

H2:合作广度对产学合作数量与学术创新绩效的关系具有正向调节作用。

1.3 知识能力与学术创新绩效

知识能力是组织拥有的知识、资源和能力，以及对内外部知识、资源进行协调、重构与更新的能力，是组织创新的基础，体现为组织从合作伙伴那里吸收有效知识的能力[12]。

由于大学与企业在组织结构和运行机制等方面存在差异，大学拥有的学术知识可能并不能被企业完全理解，面对高校丰富的知识，企业难以辨别大学哪个领域的知识可以产生有用的商业创新。因此，知识能力较强的大学使企业的知识吸收往往变得困难，削弱了产学合作数量与学术创新之间的积极效应[13]。然而，较强的知识能力不仅可以集聚丰富的合作资源，而且可以增强高校获取合作益处的能力，因而学术研究者可以从丰富的合作资源中选取成功性大的创新项目展开合作，直接对学术创新成果产生积极贡献。再者，拥有较强知识能力的大学在考虑潜在产业合作伙伴时可能更具选择性，往往会优先考虑研发能力较强的合作伙伴，使大学在合作中获取更多的学术益处。此外，大学较强的知识能力也为产学合作提供了一个减少冲突、增强交流的沟通渠道。所以，本研究认为，知识能力可以增强大学扩展、共享和获取合作益处的能力，降低无效学术研究所产生的不必要成本。据此，本研究提出以下假设：

H3:知识能力对产学合作数量与学术创新绩效关系具有正向调节作用。

2 研究设计

2.1 分位数回归模型

本文构建面板分位数回归模型，旨在揭示产学合作数量对学术创新绩的影响机制。分位数回归法最早由Koenker和Bassett(1978)提出，是一种基于被解释变量y的条件分布来拟合自变量x的线性函数回归方法，是对均值回归的拓展。相比于OLS回归，分位数回归可以选取任一分位点进行参数估计。由于分位数回归未对误差项分布作具体假定，对异常值的敏感度远远低于均值回归，因而其估计结果更加稳健[14]。因此，分位数回归有助于更全面分析高校学术创新绩效与产学合作数量之间的潜在关系。

用变量y表示学术创新绩效，用ui表示产学合作数量，其它控制变量用x=(x1,x2,…,xn)T表示，则可以建立分位数回归模型：

式(1)中，τ(0<τ<1)为分位点，Qyi(τ)为给定条件ui与x时被解释变量y的τ分位数，用未知函数fτ(uii)反映产学合作数量ui对学术创新绩效的边际影响。在实际建模中，对未知函数fτ(uii)进行平方项和交互项处理，即考虑了产学合作与学术创新绩效的非线性关系，以及合作广度与知识能力对产学合作数量和学术创新绩效的调节作用，具体表达式为：

+α4(τ)ui*knowledge+α5(τ)ui2*cobreadth

本文以2016年中国校友会网发布的《中国大学评价研究报告》中前100所大学为研究对象，选择样本期为2011-2015年。样本数据均来自Scopus数据库，数据库包括每所大学年度产学合作论文数量、每所大学特定年份论文总引用量、每所大学特定年份论文的篇引用量等指标。由于解放军信息工程大学的产学合作数据未检索到，本研究样本总量为495。

学术创新涵盖发明、专利、著作、论文等。就产学合作而言，既有研究通常将专利作为测度指标，但与专利指标相比，学术论文不仅可以表征产业合作中的知识转移，而且可以衡量大学学术进步[15]。另外，学术论文被录用见刊，体现其对学术的最初贡献，而被引则进一步表明其学术价值得到了同行的认可以及对学术社群产生了积极影响。因此，为了科学表征学术创新绩效，本研究选取大学每年的论文总引用量和大学每年的篇引用量作为测度指标。由于该指标被广泛应用于科学研究和科技评价中，其有效性已经在实践中得到验证[16]。

(1)产学合作数量。论文合著是对科学合作的直接表征，指大学与企业合作发表的论文总数，记为ui。

(2)合作广度。合作广度可被认为是大学合作覆盖的领域数，其相似程度影响知识在科学家与教授间的有效组合。Scopus数据库提供了每所大学与产业合作涉及的技术领域类别。对一所大学来说，与产业合作的技术领域属于同一类，记为1；取值越高表示合作技术领域越多样化。本文将合作广度记为co_breadth。

(3)知识能力。大多数创新管理研究将发表的论文总数作为重要的知识能力评价指标[17]。论文总数逐渐增加表明大学知识能力在不断增强。因此，本文选用大学连读3年的论文发表总数衡量其知识能力，记为knowledge。

(1)高校属性。“985工程”是为了实现教育现代化，在中国建设若干具有世界先进水平的一流大学所实施的重大项目。这类高校基础设施完备、科研资金雄厚，具有积累创新资源并将其付诸创新行动的能力。从某种意义上说，这些能力不仅可以提高产学合作数量与质量，而且可以拓展产学合作网络的多样性和丰富性。因此，本研究根据大学是否具有985教育工程认定，将其划分为“985高校”(记为1)和“非985高校”(记为0)，用Project表示。

(2)高校类型。由于各个高校的学科优势、发展目标等存在差异，其发展路径各具特色，分别形成了综合类、理工类、财经类、语言类等多种类型。不同类型的高校采取的外部合作战略有所差异，会影响其与产业合作关系的建立。因此，本研究将高校划分为3类：综合类、理工类、其它类(民族类、农林类、师范类、军事类、医药类、语言类、财经类、政法类)，用Type表示，分别记为0、1、2。

(3)地区生产总值。地区生产总值提高，必然受到优势产业引领作用的影响。优势产业的发展必然会扩大与地区高校、科研院所等知识创造机构的合作，这种由GDP效应带来的地区知识创新将使当地大学与产业共享创新生产率。因此，本研究将其纳入控制变量，用gdp表示。

3 结果分析

本研究在构造平方项和交互项之前，对所选变量进行多重共线性分析，其平均VIF值为2，基本不存在多重共线性。在面板分位数模型估计中，本文选择5个具有代表性的分位点0.1、0.25、0.5、0.75、0.9，相关分析结果见表1。

首先关注产学合作数量、产学合作数量平方的系数。从表1中可以看出，各分位数水平上的系数均呈现一致结果，即产学合作数量系数为正且显著，平方项系数为负且显著。因此，H1得到支持，表明产学合作数量与学术创新绩效存在倒U型曲线关系。该结果意味着存在一个最优的产学合作数量使大学可以取得最佳学术创新绩效。

通过观察各分位数水平上产学合作数量平方系数的变化趋势不难发现，该系数经历了先上升后下降的倒U型变化过程，说明对于学术创新绩效水平较为领先和较为落后的高校来说，产学合作数量对学术创新绩效的促进作用更为明显。究其原因，笔者认为高校学术创新水平的提升取决于高校学术创新环境条件，不仅包括本文所考虑的众多因素，还包括高校创新资源禀赋、制度环境等因素，产学合作数量对学术创新的影响效果正是各类环境条件综合作用的结果。具体来说，对于学术创新绩效水平相对低的大学来说，可能由于该类大学在产学合作方面存在劣势，学术创新绩效的提高缺乏产学合作方面的支撑潜力，当产学合作数量低于最优水平时，通过提高这类大学的产学合作数量(不超过适度值)，可使该类大学获得更多创新合作机会，提高创新资源配置效率，解决产学合作过程中的诸多瓶颈问题，从而使学术创新绩效得到快速提高；当产学合作数量超过最优水平后，大学发展可能受制于管理效率、人才培养、基础研究等，增加产学合作数量已难以有效带动学术创新，产学合作成本增加反而抑制了大学自身学术创新绩效提升。对于学术创新绩效高的大学来说，自身的光环可以主动吸引企业前来寻求知识合作。因此，产学合作数量的提高，拓展了该类高校学术创新渠道，甚至产生了加速推进效应，从而实现了学术创新绩效的更快增长；但当超过最优水平后，则会呈现下降趋势。

H2主要考察合作广度在产学合作数量与学术创新绩效关系中的调节作用。表1结果显示，产学合作数量的平方与合作广度的交互项在各分位水平下均通过了显著性检验，且系数均为正值。因此，H2得到支持，表明合作广度对产学合作数量与学术创新绩效关系具有正向调节作用。

H3主要考察知识能力在产学合作数量与学术创新绩效关系中的调节作用。表1结果显示，产学合作数量的平方与知识能力的交互项在各分位水平下通过了显著性检验，且在所有分位数水平下系数均为正值。因此，H3得到支持，表明知识能力对产学合作数量与学术创新绩效的关系具有正向调节作用。

通过观察各分位数水平上产学合作数量的平方与合作广度、知识能力交互项的系数变化趋势，发现其在两端取值较大，说明合作广度、知识能力对两者关系的调节作用在较高和较低学术创新绩效水平上较为明显。由于合作广度的增加可以为高绩效水平的大学提供更多优质产学合作机会，同时知识能力的增强可以使高绩效水平的大学从优质合作中获取更多益处，进而促进学术创新绩效提升；而对于低绩效水平的大学而言，合作广度的加大、知识能力的增强可以有效弥补其在创造合作机会上的弱势，从多领域增加合作的可能性，从能力上提高合作成功概率，因而其绩效提升相对容易。

在其它控制变量中，高校属性在0.1、0.25、0.5、0.75、0.9分位水平上均通过了显著性检验，系数均为正，说明985工程项目对学术创新绩效增长产生了拉动作用，这与985高校聚集了中国大量的科技创新资源密切相关。高校类型在0.1、0.25、0.5、0.75、0.9分位水平上均通过了显著性检验，系数均为负，说明综合类、理工类对学术创新绩效的增长更为明显，这与该类高校的学科领域设置密切相关，理科、工科等领域专业易发生产学合作，因而对学术创新的贡献也是显而易见的。而地区生产总值除了在0.9分位未通过显著性检验外，其对学术创新绩效增长产生了显著的负向作用，这意味着GDP的提升并没有推动学术创新增长，原因可能在于，我国东部地区城市正处于经济增长缓慢阶段，而许多中西部城市虽GDP较低，但其由于大力推进区域创新机构合作、资源开放与共享等，促进了当地高校学术创新的发展。

注：限于篇幅，本表只报告了产学合作数量平方的检验结果(uis(×104))；***表示p<0.01，**表示p<0.05，*表示P<0.1

考虑到样本的类别与属性差异，本文进行了分组验证，结果见表2。高校类别分组的估计结果显示，所有类别均通过了各分位水平的显著性检验，且二次项系数为负，证实了前文结论的稳健性，即产学合作数量与学术创新绩效存在倒U型关系。各分位数水平下的系数估计显示，其它类高校最高，理工类高校次之，综合类高校最低，说明提高理工类和综合类高校的产学合作数量更有利于学术创新绩效提升。高校属性分组的估计结果显示，除985组未在0.1分位水平以及非985组未在0.5分位水平上通过显著性检验，其余均通过了各分位水平的显著性检验，且二次项系数为负，证实了前文结论；985高校的回归系数总体小于非985高校，表明985高校提高产学合作数量能够更好地促进学术创新。

4 研究结论

本问采用面板分位数回归方法，研究了产学合作数量、合作广度及知识能力等随着学术创新绩效水平变化出现的差异，克服了均值回归不能体现不同学术创新绩效分位点差异性的局限。通过上述研究，得出以下结论：

(1)产学合作数量与学术创新绩效具有倒U效应，且在不同高校类型和高校属性间存在差异。倒U效应表明：对学术创新绩效而言，存在最优的产学合作数量：在达到最优产学合作水平之前，产学合作数量增加能够提高学术创新绩效；超过最优水平后，产学合作数量增加将导致学术创新绩效降低。这与近期LinJun-you的研究结论基本一致，即高校在开展产学合作时需要合理控制合作数量，避免因数量过多对创新绩效产生负面影响；不同类型和不同属性高校间存在的显著差异启发我们，未来可根据高校特征、发展目标实行产学合作动态调整策略。

(2)合作广度、知识能力对产学合作数量与学术创新绩效的关系具有正向调节作用。合作广度是由高校合作战略决定的，合作领域的广泛性增加了合作过程中高校汲取学术创新成功性的可能性。大学组织、协调、重构知识和资源的能力有利于提高产学合作质量，减少创新合作风险，因而合作广度、知识能力能够有效调节产学合作数量与学术创新绩效间的关系。这意味着未来高校可以采取发散型合作战略，通过增强自身知识能力，进一步提高合作广度与知识能力对创新绩效的贡献。

(3)产学合作数量对学术创新绩效的影响以及合作广度、知识能力对二者的调节效应存在明显的非异质效应。这些变量对高水平学术创新绩效(高分位点)和低水平学术创新绩效(低分位点)的高校影响程度较大。因此，在高校产学合作治理中，需要充分考虑非线性异质效应的影响，杜绝“一刀切”产学治理模式，可以实施分类治理策略，按照学术创新绩效水平提高的敏感度实行分类改革、分类施政。

[1] AGRAWAL A,HENDERSON R.Putting patents in context:exploring knowledge transfer from MIT[J].Management Science,2002(48):44-60.

[2] HICKS D,HAMILTON K.Does university-industry collaboration adversely affect university research[J].Issues in Science & Technology,1999,15(4):74-75.

[3] 许启发，蒋翠侠.分位数局部调整模型及应用[J].数量经济技术经济研究,2011,28(8):115-133.

[4] ROSENBERG N.Chemical engineering as general purpose technology[M].MIT Press,Cambridge:167-192.

[5] ALMEIDA P,HOHBERGER J,PARADA P.Individual scientific collaboration and firm-level innovation[J].Industrial & Corporate Change,2011,20(6):1572-1599.

[6] LEE Y S.The sustainability of university-industry research collaboration:an empirical assessment[J].Journal of Technology Transfer,2000,25(2):111-133.

[7] OECD.Business-funded R&D in the higher education and government sectors[R].OECD publishing,Paris,2009.

[8] TRAJTENBERG M,HENDERSON R,JAFFE A B.University versus corporate patents:a window on the basicness of invention[J].Economic of Innovation and New Technology,1997,5(19):19-50.

[9] BANAL-ESTANOL A,JOFRE-BONET M,LAWSON C.The double-edged sword of industry collaboration:evidence from engineering academics in the UK[J].Research Policy,2015,44(6):1160-1175.

[10] LIN Y L.Balancing industry collaboration and academic innovation:the contingent role of collaboration-specific attributes[J].Technological Forecasting and Social Change,2016.03.16.http://dx/doi/org/10.1016/j.techfore.

[11] BOURGEOIS L J.On the measurement of organizational slack[J].The Academy of Management Review,1981,6(1):29-39.

[12] FABRIZIO K.Absorptive capacity and the search for innovation[J].Research Policy,2009,38(2):255-267.

[13] ALMEIDA P,PHENE A.Subsidiaries and knowledge creation:the influence of the MNC and host country on innovation[J].Strategy Management Journal,2004,25(8-9):847-864.

[14] 刑春冰.中国不同所有制部门的工资决定与教育汇报：分位回归的证据[J].世界经济文汇,2006(4):1-26.

[15] OECD.Connecting to knowledge.OECD Science,technology and industry scoreboard[R].Paris:OECD Publishing,2013.

[16] WANG J.Knowledge creation in collaboration networks:effects of tie configuration[J].Research Policy,2016,45(1):68-80.

[17] ZUCKER L G,DARBY M R,FURNER J,et al.Minerva unbound:knowledge stocks,knowledge flows and new knowledge production[J].Research Policy,2007(36):850-863.

Study on the Relationship of University-industry Collaborations and Academic Innovation Performance——Based on the Panel Quantile Regression Model

(School of Economics and Management，Tongji University，Shanghai 201804，China)

Abstract：Using the panel data from 2011 to 2015 of top 100 universities in the 2016 Chinese University Evaluation Report,the paper tests the relationship between the numbers of university-industry cooperation and academic innovation performance based on the quantile regression model.The results showed an obvious non-linear relationship with inverted-U shape between the numbers of university-industry collaborations and academic innovation performance,which indicates that there exists the optimal level of the number of university-industry collaboration to maximize the academic innovation performance.This heterogeneous effect indicates that the number of university-industry collaborations has different impact on academic innovation performance across different quantiles,which implies that we should apply a differentiation strategy instead of a unitary university-industry governance structure in practice.In addition,this study also testifies the moderating effects of collaboration breadth and the knowledge capacity on university-industry collaboration intensity and academic innovation performance.

Key Words:University-industry Collaboration；Collaboration Breadth；Knowledge Capacity；Academic Innovation Performance

基金项目：国家自然科学基金青年项目 (71603184);上海市软科学计划项目 (15692180903)

作者简介：刘笑(1990-)，女，陕西渭南人，同济大学经济与管理学院博士研究生，研究方向科技发展与管理；陈强(1969-)，男，浙江余姚人，博士，同济大学经济与管理学院教授，研究方向科技创新与管理。