<span class="emphasis_bold">基于状态空间模型的政产学研资协同创新</span><span class="emphasis

摘要：在三螺旋理论框架下，搭建政府、产业、大学、研究机构和资本部门四螺旋模型，运用文献归纳法选取多元主体协同创新6类影响因素，以主体间协同程度测度结果为因变量基础，利用状态空间模型动态分析这些因素影响方向、大小和趋势。实证结果表明，中国经济因素表现为促进作用持续提升；中国技术市场规模和创新产业规模表现为先抑制后促进，且促进作用不断提升；中国产品市场需求和创新投入表现为抑制作用持续提升；中国创新产出在时间上表现为促进作用先提升后下降并最终稳定的状态。最后，提出不同政策建议，以促进中国政产学研资协同创新体系后续发展。

关键词：状态空间模型；政产学研资；协同创新；四螺旋；动态分析

0 引言

随着经济全球化的不断深入和技术的快速发展，单一主体创新早已不能满足社会资源有效整合及创新能力高效提升的需要，创新主体为提高创新效率，对互补性知识的需求越来越多，与其它主体、组织合作的倾向也越来越明显。因此，协同创新逐渐成为创新活动主流形式。我国一直将“提升自主创新能力，建设创新型国家”视为国家发展战略的核心及提高综合国力的关键，而协同创新为实现创新型国家建设提供了新路径，即全面开展和强化多元主体协同创新。

以“产学研”和“政产学”等多元主体协同创新模式为主的各类研究指出，多元主体协同创新是指企业、高校、研究机构、政府等主体以资源共享、优势互补为基础，以共同参与、共享成果、共担风险为准则，为共同完成技术创新而达成的分工协作的契约安排，这种协同创新通过组织结构性、制度性协调机制，在主体间形成有效互动，从而实现高效率与高效能科技资源运用，最终实现创新系统演化和升级。

自“2011计划”实施以来，我国对政府、产业、大学、研究机构和资本部门等多主体协同创新给予了越来越多关注，多元主体协同创新逐渐渗透到协同创新、高等教育与科技经济等有机结合领域。传统“产学研”和三螺旋理论强调在“政产学”之外加入资本部门构成协同创新系统有其必要性，资本部门作为2015年新《中华人民共和国促进科技成果转化法》中重点强调的主体之一，其在多元主体协同创新中发挥着重要作用。资本部门不但可为主体创新活动提供融资支持，利用自身专业优势和信息优势对主体创新项目进行评估、筛选和监督，减少盲目投资，还可以帮助主体对创新项目投资组合进行优化，分散和降低投资风险，提高创新收益[1]。

多元主体协同创新对于经济、社会、科技进步与发展具有重要推动作用，但这一过程并不是自然而然进行的，由于多主体之间利益诉求不同，多元主体协同创新会存在各种阻力，也受多种因素的制约或影响。Martínez-Román等[2]指出，环境是影响创新主体协同创新的重要因素。此外，政府相关政策也有利于推动创新主体协同创新[3]。因此，要在多元主体之间形成稳定有效的协同创新体系，需要准确识别多元主体协同创新影响因素，从时间维度剖析各类影响因素对多元主体协同创新过程的促进作用或抑制作用，并以此作为多元主体协同创新体系建设和发展的有效依据。

为研究近几年影响中国政产学研资协同创新系统发展的因素，进而为中国政产学研资协同创新发展提出针对性建议，本文在三螺旋理论框架下，构建政府、产业、大学、研究机构和资本部门四螺旋模型，运用文献归纳法选取多元主体协同创新影响因素，以主体间协同程度测度结果为基础，动态分析这些影响因素方向、大小和趋势，剖析影响因素对协同创新的动态影响，进而提出相应政策建议，为中国多元主体协同创新体系建设和发展提供相关借鉴。

1 政产学研资协同创新协同程度测算

本文在对中国多元主体协同创新影响因素的实证研究中，首先需要确定相关变量来反映协同结果。学者通常选取协同创新绩效[4]或协同程度[5]进行测度，并以这一协同结果为因变量，再展开影响因素方面的研究。本文发现，对于协同创新模式影响因素的研究，协同创新绩效或效益是常见变量，如解学梅[6]在其研究中就经常使用；而对于主体间协同创新影响因素的研究，协同程度则是常见变量，如谢园园等[7]和何海燕等[8]的研究。结合本文研究目的，本文将测算政产学研资协同创新程度作为关键因变量进行测量。

1.1 政产学研资协同创新四螺旋模型

如何有效测度中国多元主体协同创新协同程度现状，许多学者如Persaud[9]和Razak等人[10]提出了很多方法。本文发现，三螺旋理论为多元主体协同创新提供了一种很好的研究范式。自1995年Leydesdorff和Etzkowitz提出三螺旋理论后，三螺旋模型逐渐在国际创新研究和协同创新发展研究中崭露头角，并于之后日益丰富，且其研究外延也在不断拓展[11]。

周春彦等[12]将公众主体纳入到三螺旋理论中，构建了“双三螺旋模型”，并给出了三螺旋理论发展方向——N三螺旋，但其研究却指出双三螺旋相互作用的实质是四螺旋模型(见图1)。

基于上述理论基础，本文将研究机构和资本部门加入到创新三螺旋中，构建包含资本部门的政产学研资协同创新四螺旋模型(见图2)。其中，位于螺旋中央的重叠部分是四螺旋动态互动的交汇点，表示几大主体共同参与其中。

政产学研资协同创新四螺旋模型的意义在于，其在“政、产、学”三螺旋模型上有更广泛的拓展和延伸。同时，四螺旋模型可通过对基于既有三螺旋算法延伸拓展而来的N螺旋算法进行实证测度分析，定量研究我国几大创新主体间的协同程度。

1.2 政产学研资协同创新协同度测算

三螺旋算法的基础是Shannon的信息熵理论。Shannon对信息熵的定义是：离散型随机样本出现的概率大小，即样本不确定性越大，其熵值越大；样本不确定性越小，其熵值越小。当只存在一个变量时，熵的计算公式为：

式(1)中，Hi表示熵，Pi表示第i个信息出现的概率。本研究以下标u、i、c、g分别表示大学和研究机构、产业、资本部门、政府。那么，产业和政府二维分布熵计算公式则为：

式(2)中，Pig表示产业和政府信息出现的联合分布概率。同理可再得到，产业、资本部门和政府三维分布信息熵计算公式为：

当对数底n=2时，熵的单位为比特(Bit)；当n为自然对数e时，熵的单位为奈特(Nat)；当n=10时，熵的单位为哈特(Hart)。三者的数量单位为：1Hart=3.32Bit、1Nat=1.44Bit[13]。本研究在计算过程中采用以10为底的lg(x)计算，这样可使最后得出的绝对数值及数值之间的差异较大，易于比较。另外值得注意的是，信息熵的值总为正值。

当拓展到四螺旋时，借鉴三螺旋算法中三维分布熵计算方法，可推得四大创新主体四维分布熵计算公式为：

信息熵反映了主体间协同创新合作频繁程度，其是三螺旋算法核心内容之一，本文用其表示主体间协同创新程度，其值越大则代表协同程度越高。

根据三螺旋算法规范处理方法，本文以Web of ScienceTM核心集合为数据库，利用其高级检索功能对含政府、产业、大学和研究机构、资本部门的字符串进行检索[14]，再运用上述N三螺旋算法测算，最后得到2006-2015年我国政府、产业、大学和研究机构、资本部门四者之间协同创新协同程度(见表1)。从中可见，我国政产学研资协同创新协同程度正在逐年提升，多元主体间协同创新联系日益紧密。

表12006-2015年中国政产学研资协同创新协同程度

本文将上述协同程度数据绘制成折线图(见图3)，从中可以看出我国政产学研资协同创新协同程度在2006-2011年出现轻微波动。但近几年，我国政产学研资协同创新协同程度正在平稳上升，说明我国政产学研资协同创新整体发展状况处于缓慢提升态势。尽管这种状态比较稳定，但为了适应经济快速发展，本文需要深入挖掘其发展状态影响因素，从而有针对性地提出提升发展速率的政策建议。

2 政产学研资协同创新影响因素回归分析

2.1 影响因素识别、指标选取与假设

协同创新是一种复杂的创新活动，由于参与主体比较多元和协同创新过程比较复杂，政产学研资协同创新程度受多种因素的影响，正确识别这些影响因素，动态分析其影响作用大小、方向和发展趋势并提出针对性建议，是政产学研资协同创新系统发展的关键。

当前，关于协同创新影响因素的研究已经引起学者广泛关注，如张海滨[15]认为，政府科技政策、产学研合作模式和利益分配机制是影响高校产学研协同创新的主要因素，应该在此基础上构建高校产学研协同创新战略、管理、资源和利益协同机制；邱晓飞等[16]通过定性描述，认为产学研协同创新是一种制度突破，其影响因素主要包括主体利益、外部支持、辅助组织3个层面，并建议加强辅助性支持组织建设，成立专业性经纪组织，提升产学研协同创新效率。

结合已有研究对于影响因素识别方法的探讨，本文从中国协同创新发展现状出发，通过归纳分析多元主体协同创新[17]、企业多元主体协同创新[18]、区域多元主体协同创新、知识战略联盟[19]等文献，得出如下几类中国目前存在的多元主体协同创新影响因素：

(1)经济因素。经济因素作为反映国家宏观经济环境的指标，深刻影响着主体发展和协同创新活动。Zeng等[20]的研究结果表明，良好的经济环境有助于促进协同创新活动顺利进行。本文选取人均GDP(X1)作为反映宏观经济环境的指标，并假设X1对政产学研资协同创新协同程度存在正向影响。

(2)技术市场规模。技术市场规模反映了技术创新市场需求程度，是各类创新主体进行技术创新和协同创新的根本动力。赵雷英[21]发现，当协同创新动力不够时，企业产学研协同创新绩效将大幅下滑。借鉴张婧[22]的指标选取办法，本研究选取技术市场成交额(X2)作为反映技术市场规模的指标，并假设X2对政产学研资协同创新协同程度有正向影响。

(3)产品市场需求。产品市场需求能够调动主体协同创新积极性。如李虹等[23]就定性阐述了国内市场需求对区域协同创新具有一定程度影响，但其在实证研究中并未通过T检验。因此，本文借鉴李虹等人的指标选取方法，将城镇居民人均可支配收入(X3)作为产品市场需求指标，并假设X3对政产学研资协同创新协同程度有正向影响。

(4)创新产业规模。刁丽琳等(2014)研究发现，高技术产业规模对区域产学研合作活跃度有积极影响。这就意味着，创新产业规模会带动多元主体协同创新，进而促使协同创新活动联系日益紧密。借鉴刁丽琳等人的指标选取方法，本文选取有R&D活动的企业数量(X4)作为创新产业规模指标，并假设X4对政产学研资协同创新协同程度有正向影响。

(5)创新投入与创新产出。创新投入与创新产出是反映和衡量所有创新活动能力、效率的重要指标。其中，创新投入既反映多元主体协同创新意愿大小，又反映政策对创新的支持力度，而创新产出则反映主体协同创新能力，这两大指标均是政产学研资协同创新活动发展的重要影响因素。用R&D内部经费支出(X5)作为创新投入指标，并假设X5对政产学研资协同创新协同程度有正向影响。本文用专利授权量(X6)作为创新产出指标，并假设X6对政产学研资协同创新协同程度有正向影响。

综上所述，政产学研资协同创新影响因素、指标选取与假设见表2。

表2政产学研资协同创新影响因素

2.2 协整检验与回归分析

本研究利用《中国统计年鉴》和《中国科技统计年鉴》两大公开数据库对上述6个指标2006-2015年数据进行收集。其中，人均GDP指标、城镇居民人均可支配收入指标、有R&D活动的企业数量指标、专利授权量指标从《中国统计年鉴》获取，技术市场成交额指标、R&D内部经费支出指标从《中国科技统计年鉴》获取。为让数据单位不影响方程协整分析，同时消除异方差影响，本文对所得自变量X1～X6、协同程度因变量Y进行标准化处理，标准化处理后再取对数，得到新的因变量LY和新的自变量LX1～LX6，并构建政产学研资协同创新协同度与6种影响因素之间的回归模型：

式(1)中，LY代表政产学研资协同创新协同程度，LX1～LX6分别代表6种影响因素，c表示常数项，α1～α6为各影响因素系数。

在进行回归分析前，需要对自变量和因变量进行协整检验，确定变量是否平稳，本文利用ADF单位根检验方法进行检验。结果显示，LY、LX1、LX2、LX3和LX5在1%置信水平下通过了ADF单位根检验，LX4和LX6在5%置信水平下通过了ADF单位根检验。因此，方程自变量和因变量比较平稳，均通过了ADF单位根检验。

本研究利用Eviews8.0软件，将收集并处理后的数据进行回归，得到如表3所示的回归结果。

表3政产学研资协同创新协同度影响因素多元回归结果

通过表3回归结果发现，LX1、LX4、LX5的回归系数在0.01置信水平下通过了t检验，LX2、LX3、LX6的回归系数在0.05置信水平下通过了t检验；方程拟合优度和调整拟合优度接近于1，拟合程度较好；方程在0.01置信水平下通过了F检验；方程DW值接近于2，因此方程不存在一阶自相关情况。综上所述，方程拟合整体效果良好，因此得到如下回归方程：

从回归结果看，我国人均GDP与政产学研资协同创新协同程度正相关，且其回归系数是所有影响因素中最高的，说明良好的经济环境确实会对政产学研资协同创新产生有效促进作用；技术市场成交额与政产学研资协同创新协同程度正相关，但其回归系数不高，说明市场技术需求对政产学研资协同创新产生了一定程度积极影响；城镇居民人均可支配收入与政产学研资协同创新协同程度负相关，且其回归系数较高，这与假设不一致。原因在于，由于市场对产品的需求导致产业生产活动朝着利益最大化方向倾斜，从而降低了产业协同创新意愿；有R&D活动的企业数量与政产学研资协同创新协同程度正相关，且回归系数较高，说明产业创新活动越活跃，将会带来越紧密的政产学研资协同创新；R&D内部经费支出与政产学研资协同创新协同程度负相关，且回归系数较高，这与假设不一致。原因在于，创新投入一味增加导致主体独立创新意愿上升、协同创新意愿下降，这与吴卫红等[24]提出的创新持续投入导致省域间创新驱动发展效率增加不明显的结论一致；专利授权量与政产学研资协同创新协同程度正相关，说明多元主体协同创新能力对政产学研资协同创新有促进作用。

本文通过上述分析发现，针对回归分析给出的政产学研资协同创新影响因素影响程度是一种均值状态，其无法反映不同影响因素对政产学研资协同创新协同程度随时间变化的情况。动态变化更能够剖析不同影响因素在不同时间节点对协同创新的影响情况，进而结合协同创新发展阶段、政策环境等原因进行分析，可以得出更加准确的结论。因此，本文还需要对其进行动态分析，以了解其变化趋势。

3 政产学研资协同创新影响因素动态分析

3.1 状态空间模型估计

状态空间模型是一种以时间序列为基础，用于估计多变量动态变化情况的动态时域模型，这种动态变化情况也被称为“敏感程度”[25]。敏感程度是指某个时间点的影响情况，是回归结果在时间序列上的表现，其值的符号反映了促进作用(+)或是抑制作用(-)，数值大小代表影响程度。

为得到不同影响因素对政产学研资协同创新协同程度随时间变化的影响情况，即协同创新协同程度对各影响因素的敏感程度，本文采用状态空间模型Kalman 滤波法进行估计，构建如下状态空间模型：

在上述方程中，式(3)和式(4)合称为状态空间模型，其中式(3)是展示各影响因素与政产学研资协同创新协同度间关系的测量方程。sv1t、sv2t……sv6t是状态变量，分别表示政产学研资协同创新协同度对各影响因素的敏感程度；LX1t、LX2t……LX6t为包含时间特征的影响因素指标，其体现了时间维度对影响因素指标的影响；ut为扰动项；c为常数项。式(4)为“状态方程”，表示状态变量产生过程，一般情况下表现为一阶马尔科夫过程，以递推形式表示[26]。Kalman 滤波法主要表现为在状态变量估计过程中能够预测误差分解计算似然函数的方法，对状态空间模型中所有未知参数进行估计，进而利用Kalman 滤波连续修正，此时ut和初始状态向量均符合正态分布。

利用上述方程，本文在回归结果的基础上，进一步利用Eviews8.0软件进行计算，最终得到2006-2015年结果如表4所示。从表4可知，状态变量参数均在1%置信水平下通过了Z检验。将表4结果与表3回归结果对比发现，各影响因素的Final State(终值)与回归结果取值相近，符号也相同，进一步验证了回归分析的有效性和稳健性。

表4状态空间模型估计结果

3.2 政产学研资协同创新协同程度对影响因素的敏感度

为了更加直观地得出政产学研资协同创新协同程度对各影响因素的动态敏感程度，本文将sv1t、sv2t……sv6t的值绘制成折线图(见图4)。从动态角度分析，本文得出如下结论：

(1)政产学研资协同创新对经济因素的敏感度为正，且呈逐年递增态势，尤其是在2010-2012年上升最明显，这可能是由于这些年国家对多元主体协同创新比较重视，使得协同创新行为更加频繁，其对国家经济环境的依赖程度也在不断加深。近两年，政产学研资协同创新对经济因素仍有较高的敏感度。

(2)政产学研资协同创新对技术市场规模的敏感度从最早的负向加深逐渐转向正向加深。由此可以推断，技术市场对政产学研资协同创新的影响是一个渐变过程。在政产学研资协同创新初始阶段，各主体会因为技术市场需求诱惑、协同创新未展现出实质效果而倾向于选择自主创新。但随着时间的推移，各主体开始意识到协同创新能够提升创新成果产出效率和产出质量。于是，技术市场规模开始正向影响政产学研资协同创新，并逐渐加深这种影响程度。

(3)政产学研资协同创新对产品市场需求从最早的正向敏感逐渐发展到现在的负向敏感，且敏感程度不断加深。这可能是由于各主体在开始阶段会因为产品市场需求而积极寻求创新途径，因此协同创新就进入各主体视野，但这种正向影响只是轻微的，且持续时间不长。随着协同创新活动的开展，产品市场开放性需求不断诱惑各大协同创新主体，以产业为主的各大主体因为创新受到多方主体制约而无法达到追求自身利益的目的，从而导致这种影响从正向转为负向，其影响程度也开始加深。

(4)政产学研资协同创新对创新产业规模的敏感度为正，且敏感程度不断加深。在最初，其敏感度曾为负，主要是由于创新主体创新能力较强，不愿寻求协同创新，抑制了多主体协同创新；但随着时间推移，创新企业不断增加，创新机会不断增多，加上政府的政策导向，主体间协同创新活动日益频繁。

(5)政产学研资协同创新对创新投入的敏感程度从最开始正向逐渐递减为负向，并且影响程度不断加深，说明回归分析中所提到的创新投入不断增加使各主体所获创新投入变得冗余，导致主体有更多资源进行独立创新。因此，独立创新意愿上升、协同创新意愿下降的结论是合理的。

(6)政产学研资协同创新对创新产出的敏感程度为正，强度趋势为先升高后下降，最后趋于平稳。创新产出体现了各主体创新能力，从敏感程度变化趋势看，主体创新能力确实会对协同创新产生促进作用，但这种促进作用随着主体创新能力的提升而稳定在某个点上。

总体而言，政产学研资协同创新对6个因素的敏感程度随着时间推移逐渐趋于稳定，说明在协同创新发生初期，影响因素的影响程度存在一定变化，而当协同创新活动逐步被主体采纳并频繁发生后，协同创新影响因素影响程度逐渐趋于稳定。

4 结论与启示

为实证分析政产学研资协同创新影响因素，本文在“政产学”三螺旋模型的基础上，引入资本部门和研究机构，形成政产学研资协同创新四螺旋模式，并测度其协同程度，实证研究6种影响因素对协同创新的静态和动态影响情况。结果发现，2006-2015年，我国政产学研资协同创新协同程度逐年上升，多元主体间协同创新联系紧密。从分解趋势可以看出，我国政产学研资协同创新协同程度在2006-2011年存在轻微波动，但近几年呈平稳上升态势，说明我国政产学研资协同创新整体发展情况处于缓慢上升之中。为了稳定我国政产学研资协同创新协同程度，进一步提升其发展速率，通过对影响因素进行动态分析，本文得出如下结论与建议：

(1)经济因素表现为促进作用，因此应形成宏观经济与协同创新相互拉动的良性循环。本文实证分析发现，经济因素对政产学研资协同创新有促进作用，并且这种促进作用正在不断加大，表明国家宏观经济环境对协同创新具有重要促进作用。因此，政府要在良好的经济大环境下，对协同创新给予有力支持。五大协同创新主体也要重视经济环境变化，依托良好的经济环境积极开展协同创新活动。同时，要让协同创新对经济发展产生裨益，并反过来促进经济环境发展，在两者之间形成良性互动循环。

(2)技术市场规模表现为促进作用，因此，应完善和规范技术交易市场。研究发现，技术市场规模对政产学研资协同创新有促进作用，而在时间序列上，这种促进作用呈现出先抑制后促进且促进作用不断加强的趋势，这种趋势是政产学研资协同创新模式对技术市场的一种适应。随着协同创新模式的不断成熟，这种促进作用日益显著[23]。因此，政府应重视技术市场对政产学研资协同创新的重要影响，明确技术创新市场需求对于政产学研资协同创新的拉动作用，进一步出台相关法律法规政策，以促进技术交易市场发展、完善和规范。

(3)产品市场需求表现为抑制作用，因此应积极引导产品市场创新方向。本文发现，产品市场需求对政产学研资协同创新有抑制作用，并且这种抑制作用在时间序列上表现出不断增强趋势。由于协同创新模式在其不断发展过程中，产品市场开放性需求不断诱惑各大主体追求利益最大化，这将驱使各大主体放弃协同创新，从而表现出抑制作用。田原等[27]也就此类问题展开过研究，发现产品市场需求与企业技术创新呈倒U型关系，与本文动态研究中先促进后抑制的结论一致。因此，政府应积极出台相应政策，引导产品市场需求向以创新为核心的需求转变，从而将产品市场需求抑制作用扭转为促进作用。

(4)创新产业规模表现为促进作用，因此应大力支持创新产业发展。回归结果表明，创新产业规模对政产学研资协同创新有促进作用，但这种促进作用在时间序列上表现出先抑制后促进且促进作用不断加强趋势。这是由于协同创新模式在发展过程中，创新产业对这种模式的适应经历了一个先排斥后接受、最后积极参与的过程。因此，政府应出台相关激励政策，支持和促进创新产业发展，同时还要积极引导创新产业参与协同创新，进而促进政产学研资协同创新发展。

(5)创新投入表现为抑制作用，政府应精确创新投入、避免盲目投入。实证发现，创新投入对政产学研资协同创新有抑制作用，并且这种抑制作用在不断加强。研究认为，随着时间的推进，创新投入不断加强，各主体所获创新投入变得冗余，导致主体有更多资源进行独立创新，独立创新意愿上升、协同创新意愿下降，这与白俊红等[28]关于政府支持是否促进产学研协同创新的研究结论一致。因此，我国政府应制定明确的创新投入计划，做到精准投入，避免盲目和冗余。在这一点上，美国许多立法可供我国政府借鉴，如《美国竞争法》(America COMPETES Act)和《美国竞争再授权法》(America COMPETES Reauthorization Act)等法案都在创新投入上有明确指向性，即精确投入、避免盲目(吴卫红等，2017)。

(6)创新产出表现为促进作用，因此应鼓励创新产出、提升创新能力。研究发现，创新产出对政产学研资协同创新有促进作用，但这种促进作用呈波动趋势，在近几年逐渐趋于稳定。总体而言，创新产出代表了主体创新能力，这种创新能力对政产学研资协同创新的促进作用已经基本稳定。因此，政府应出台相应激励政策，积极鼓励和引导各主体在创新活动中产出创新成果，提升政产学研资协同创新整体创新能力，进而促进政产学研资协同创新有效发展。

[1] 李阳,原长弘,王涛,等.政产学研用协同创新如何有效提升企业竞争力[J].科学学研究,2016(11):1744-1757.

[2] JA MART NEZ-ROM N, J GAMERO, JA TAMAYO.Analysis of innovation in SMEs using an innovative capability-based non-linear model:a study in the province of Seville (Spain)[J].Technovation, 2011, 31(9):459-475.

[3] S THORGREN, J WINCENT, DÖRTQVIST.Designing inter-organizational networks for innovation:an empirical examination of network configuration, formation and governance[J].Journal of Engineering & Technology Management, 2009, 26(3):148-166.

[4] 曹兴,王栋娜,张伟.战略性新兴产业自主技术创新影响因素及其绩效分析[J].科学决策,2014(12):35-51.

[5] 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.

[6] 解学梅.企业协同创新影响因素与协同程度多维关系实证研究[J].科研管理,2015,36(2):69-78.

[7] 谢园园,梅姝娥,仲伟俊.产学研合作行为及模式选择影响因素的实证研究[J].科学学与科学技术管理,2011(3):35-43.

[8] 何海燕,王子文,姜李丹,等.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].华东经济管理,2014 (9):106-110.

[9] PERSAUD A.Enhancing synergistic innovative capability in multinational corporations:an empirical investigation [J].Journal of Product Innovation Management, 2005, 22 (5): 412-429.

[10] RAZAK A A, SAAD M.The role of universities in the evolution of the triple helix culture of innovation network: the case of Malaysia [J].International Journal of Technology Management & Sustainable, 2007, 6 (3): 211-225.

[11] DEVOE, KRISTINA M.Bursts of information: microblogging [J].Reference Librarian, 2009, 50(2):212-214.

[12] 周春彦,亨利·埃茨科威兹.双三螺旋:创新与可持续发展[J].东北大学学报：社会科学版, 2006(3):170-174.

[13] 叶鹰,鲁特·莱兹多夫,武夷山.三螺旋模型及其量化分析方法研讨[J].中国软科学, 2014(11):131-139.

[14] LEYDESDORFF L.The mutual information of university-industry-government relations: an indicator of the Triple Helix dynamics [J].Scientometrics, 2003(58): 445-467.

[15] 张海滨.高校产学研协同创新的影响因素及机制构建[J].福州大学学报：哲学社会科学版,2013(3):104-107.

[16] 邱晓飞,张宇庆.产学研协同创新影响因素分析及应对[J].中国高校科技,2016(Z1):48-49.

[17] 蓝英,董颖,石磊.产学研合作影响因素、模式及其绩效研究[J].商业研究,2013(5):26-30.

[18] 杨东奇,张春宁,徐影,等.企业研发联盟伙伴选择影响因素及其对联盟绩效的作用分析[J].中国科技论坛,2012(5):116-122.

[19] 孙新波,张大鹏,吴冠霖,等.知识联盟协同创新影响因素与绩效的关系研究[J].管理学报,2015,12(8):1163-1171.

[20] ZENG S X, XIE X M, TAM C M.Relationship between cooperation networks and innovation performance of SMEs[J].Technovation, 2010, 30(3) :181-194.

[21] 赵雷英.产学研协同创新绩效评价及影响因素研究[D].北京：中国矿业大学,2016.

[22] 张婧.集群内中小企业协同创新影响因素研究[D].大连：大连理工大学,2011.

[23] 李虹,张希源.区域生态创新协同度及其影响因素研究[J].中国人口·资源与环境,2016,26(6):43-51.

[24] 吴卫红,李娜娜,张爱美,等.我国省域创新驱动发展效率评价及提升路径实证研究[J].科技管理研究,2017,37(5):63-69.

[25] 李宏坤,何德鲁,张志新,等.基于状态空间模型的可靠性评估方法[J].振动与冲击,2016,35(1):118-124.

[26] 孙欣,张可蒙.中国碳排放强度影响因素实证分析[J].统计研究,2014,31(2):61-67.

[27] 田原,王宗军,王山慧.产品市场竞争对企业技术创新影响的实证研究——基于中国上市公司的经验证据[J].工业工程与管理,2013,18(2):104-110.

[28] 白俊红,卞元超.政府支持是否促进了产学研协同创新[J].统计研究,2015,32(11):43-50.

TheEmpiricalStudyofSynergeticInnovationQuadrupleHelixbasedonStateSpacemode

(School of Economics and Management, Beijing University of Chemical Technology, Beijing 100029, China)

Abstract：Based on the triple helix theory, the study built a quadruple helix model of synergy innovation which includes government, industry, university and research institutes, and capital department. The study chooses 6 kind of influence factors by using literature induction. Then, the study uses the synergy degree of synergy innovation as dependent variable. Finally, the study dynamically analyzes the influence direction, influence magnitude and influence trend of these factors by using state space mode. The results shows that, first, Chinese economic factor is promotion with continuous improvement. Second, Chinese technology market size and innovation industry scale are first inhibition after promotion, and the promotion is continuously improving. Third, Chinese product market demand and innovation input are inhibition, and the inhibition is continuously improving. Finally, Chinese innovation output shows the promoting role, and the promotion improves first, and declines after, and stay stable at last. This study also puts forward different policy proposals to promote Chinese synergetic innovation based on the results of dynamic analysis.

KeyWords:Synergy Innovation；Government -Industry-University-Research-Capital；Quadruple Helix；State Space Mode；Dynamic Analysis

作者简介：吴卫红(1972-)，女，安徽定远人，博士，北京化工大学经济管理学院教授、硕士生导师，研究方向为技术创新、资源环境经济学；陈高翔(1993-)，男，浙江温州人，北京化工大学经济管理学院硕士研究生，研究方向为技术创新；张爱美(1965-)，女，吉林抚松人，博士，北京化工大学经济管理学院副教授、硕士生导师，研究方向为技术经济。

基金项目：教育部人文社会科学规划基金项目(17YJA630111)；北京市社会科学基金项目(16YJB011)；中央业务费文科专项项目(PTRW1704)

基于状态空间模型的政产学研资协同创新四螺旋影响因素实证研究