式中，(xt,yt)和(xt+1,yt+1)分别表示第t期和第t+1期的投入与产出向量；
表示基于第t期技术Tt的产出导向距离函数；
测量的是从第t期到第t+1期的效率变化。同样，基于t+1期的技术Tt+1，从第t期到t+1期的效率变化指数M可表示为
为了消除由于时期选择主观性造成的误差，M指数又可表示为：罗 茜,高蓉蓉,曹丽娜
(金陵科技学院 商学院，江苏 南京 211169)
摘 要：运用DEA-Malmquist指数评价模型对江苏省32所高校的科技成果转化效率进行了测度分析。研究发现：2009-2014年间高校科技成果产出与转化效率有显著提高，虽然成果产出是转化的基础，但产出并不必然实现转化，也不能决定转化成效；经济发达且科教资源密集区域高校的成果转化效率相对较高；地方高校相较985与211高校更具成果转化优势；工科类、综合类与农林类高校间的成果转化效率不具有显著差异，医药类高校的转化劣势较明显。最后，针对转化效率差异及影响因素进行了扎根研究，提取出3个核心范畴的影响因素，分别是国家政策、区域环境与组织行为。
关键词：高校；科技成果转化效率；数据包络分析(DEA)；Malmquist指数；影响因素；扎根研究
近年来，在国家创新驱动发展战略背景下，我国高校科技投入呈持续增长态势，科技成果转化规模也有显著提升，但从全社会总量来看，还存在明显不足。据科技部《2014年我国高等学校R&D活动分析》相关数据显示：较2013年，2014年我国高校R&D人员全时当量增长3.1%，R&D经费增长4.8%，SCI论文量增长3.4%，专利申请量增长9.7%，专利授权量增长8.8%。然而，高校技术合同成交额仅占全国技术合同总成交额的3.7%。由此可见，高校科技成果转化情况并不十分理想。高校肩负人才培养、科学研究、社会服务和文化传承的重要责任与特殊使命，更成为国家创新体系不可或缺的组成部分。因此，高校的科技活动对于国家创新能力提升与科技发展具有重大意义。教育部与科技部于2016年8月联合发布《关于加强高等学校科技成果转移转化工作的若干意见》，明确提出“科技成果转化是高校科技活动的重要内容，高校要引导科研工作和经济社会发展需求更加紧密结合，为支撑经济发展转型升级提供源源不断的有效成果”。由此可见，高校有责任也有义务提升成果转化绩效。
目前，发达国家已建立了较为成熟的大学科技成果转化体系，保障了科技成果转化率，同时也奠定了国家创新建设的基石。为鼓励大学参与创新，日本政府出台了很多法律政策，形成了以政府为主导的大学技术转移模式；韩国则强调联合研发的目标性，成立了多家针对企业需求的产学研合作基金会[1]；美国是典型的通过市场机制引导大学参与技术创新的国家，并形成了以128公路、硅谷和科研三角园为典型代表的科学园模式，建立了大学—企业—政府间的良性互动关系[2]。我国高校技术成果转化体系可分为校企点对点、技术孵化、技术转移平台与技术创业4种模式(郭东妮，2013)。在双创背景下，彭定赟[3]提出了高校联合创办线上科技成果转化平台、创业人才培养与科技成果转化结合、建立科研市场考察小组和高校科技成果自行产业化4种转化管理模式。那么，哪些因素制约或者影响高校科技成果转化？郭强等(2012)从内外部环境视角提出高校科技成果转化影响因素包括转化成果特性、转化意愿、传授能力、信任关系等内部因素，以及科技中介服务能力、政策与制度、社会文化等外部因素。更多学者则对制度要素给予了广泛关注。Feldman与Feller等[4]对美国研究型大学技术转移商业化的政策驱动力进行了研究；贺俊等(2011)讨论了校企合作研发的基本模式及制度特征的经济学含义，重点分析了校企共同研发的最优制度安排问题；孙益武(2014)重点研究了大学章程对高校科技成果转化的影响。还有学者着眼于研究高校技术转移的内在规律以揭示其影响因素。孙德升等[5]引入产业组织理论建立了成果转化的ISCP 范式，并认为高校科技成果转化效率不佳实际上是制度、结构和行为影响的必然结果；李天柱等[6]从高校与企业接力创新的视角，分析了高校科技成果转化促进机制。
在高校科技成果转化效率问题上，多指标综合评价是常用的绩效评价方法，如层次分析法、灰色关联法、排序法、模糊分析法或几种方法的联合应用。这些方法需要建立含有投入要素的指标体系，由此可能忽略对组织活动中投入产出关系的综合考量，从而难以准确反映组织活动投入产出效率以及主观努力程度。基于此，越来越多的学者开始从投入产出角度对高校科技成果转化进行研究。其中，以随机前沿分析为代表的参数方法(SFE)和以数据包络分析为代表的非参数方法(DEA)成为度量投入产出效率的常用方法。相较于SFE方法，DEA通过线性规划法测量效率，不需要了解生产前沿的具体形式，只需要投入产出数据就能评价决策单元的多产出情况[7]。有关高校科技成果转化效率评价的 DEA 研究可按决策单元分为3类：第一类以高校院系为决策单元，进行院系间比较分析[8]；第二类以高校作为决策单元进行成果转化研究[9-12]；第三类则以不同地域或国家的高校作为决策单元进行比较分析。近年来，学者们关注到DEA模型受随机因素与环境因素干扰可能出现不准确，以及单一模型可能出现度量不全面与不客观，因此对DEA进行了改进性应用。沈能等[13]通过建立三阶段DEA模型，对高校技术创新投入产出过程要素予以分析。何彬等[14]为了克服DEA模型中随机噪声的干扰，构建了Bootstrap-DEA方法，并结合Tobit 模型对成果转化效率影响因素进行了分析。在各种改进性研究中，DEA-Malmquist方法作为一种重要方法被广泛应用[15]。
以上研究成果为本文提供了重要参考，尤其是测度方法方面，但是我国高校科技成果转化效率评价研究仍面临数据难题。目前，相关实证数据全部来源于政府统计，数据本身存在一定问题：一方面是数据指标较单一，不能全面反映现阶段国家对科技成果转化的广义界定。根据2015年发布的《中华人民共和国促进科技成果转化法》，科技成果转化是指为提高生产力水平而对科技成果进行的后续试验、开发、应用、推广直至形成新技术、新工艺、新材料、新产品，发展新产业等活动。目前科技部、教育部等发布的统计数据仅限于签订合同数、技术转让实际收入，不能反映高校自建学科性公司等其它途径的成果转化情况。另一方面是统计分类标准难以客观反映目前实际情况，如将高校性质分为综合性、工科类、农林类和医药类，但实际上很多综合性高校也具有特定学科背景和优势，而工科类和农林类高校也具有学科综合发展的特点。在缺乏有效收集渠道的情况下，本文认为提高研究方法与过程的科学性在一定程度上可解决因数据瑕疵导致的评价客观性欠缺的问题。基于此，本文拟建立两阶段DEA-Malmquist模型对江苏省高校科技成果转化效率进行测度分析，并应用扎根理论对效率差异及影响因素进行深层次研究，同时，对实证结果可能存在的偏差进行修正。通过实证研究与质性研究结合，为高校科技成果转化提供宏观及微观层面的制度依据。
1953年，瑞典经济学家Sten.Malmquist提出了Malmquist指数评价模型。Caves等人将其发展为Malmquist全要素生产率指数。此后，Fare等(1994)将Malmquist全要素生产率指数与DEA模型相融合，建立了基于成本、规模效率和不变规模收益的DEA-Malmquist指数评价模型，使其在处理面板数据的多输入与多输出时具有独特优势，从而被广泛应用于各类效率评价的测算研究。
Malmquist指数(下文简称为M指数)可表示为：式中，(xt,yt)和(xt+1,yt+1)分别表示第t期和第t+1期的投入与产出向量；表示基于第t期技术Tt的产出导向距离函数；测量的是从第t期到第t+1期的效率变化。同样，基于t+1期的技术Tt+1，从第t期到t+1期的效率变化指数M可表示为为了消除由于时期选择主观性造成的误差，M指数又可表示为：
M0(xt+1,yt+1,xt,yt)
=Effch×Techch
当规模报酬可变时，M指数又可进一步分解为：
=Pech×Sech×Techch
式中，Effch表示技术效率变化指数，可进一步分解为Pech和Sech，即纯技术效率变化指数与规模效率变化指数，Techch代表技术进步变化指数。若M>1，则表示第t期到t+1期全要素生产率上升，反之全要素生产率下降。作为全要素生产率变化根源的技术进步变化率、技术效率变化率、纯技术效率变化率和规模效率变化率呈同样变化特征。
本文测度的是高校技术创新成效。从现有研究来看，不同理论对技术需求与技术创新互动关系的认知存在差异，但都明确认同技术创新活动的重要环节，即基础研究、应用研究、开发、生产和销售，这些环节共同构成技术创新的“黑箱”。为了开启这个“黑箱”，深入剖析其内部结构并对系统相对效率进行分析显得尤为必要。Castelli等[16]和Kao等[17]将系统效率评价分为并行、链形和网络结构。Kao还提出大部分网络结构都可通过增加虚拟子系统分解为链形和并行结构的组合，且以链形结构效率研究最多。从我国实际情况看，也确是如此[18-19]。技术创新链形结构可解释为创新系统内部各创新环节间按照一定顺序排列成链式，且第一个创新环节通过若干个中间环节与最后一个环节贯通连接[18]。这里可将技术创新视为由若干环节构成的二阶段流程：一阶段流程是从创新资源投入到科技成果产出的过程，即投入生产到中间产出；二阶段流程则是由科技成果产出到社会经济效益实现的转化过程，即中间生产到最终产出(付强、马玉成，2011)。本文将两个阶段连续应用DEA-M指数评价模型(如图1)，对高校科技成果转化效率进行测度。
图1高校科技成果转化的二阶段链形结构
明确效率评价的投入与产出指标是进行高校科技成果转化DEA评价的关键环节。本文对具有代表性的国内外文献进行了梳理，具体见表1。
研究发现，基于输入端，经费与人员投入是两个关键指标；基于输出端，专利申请、授权以及授权许可成为关键指标。但是以上均是从投入到产出的单一流程角度进行研究，没有深入高校创新成果转化的“黑箱”内部。根据图1所示的高校科技成果转化二阶段链形结构，评价指标应包括3个体系，即创新资源投入体系、科技成果产出体系与科技成果转化体系。其中，科技成果产出体系是一阶段产出，同时也是二阶段投入。在考虑数据可得性条件下，构建如图2所示的指标体系。
该指标体系中，创新资源投入包括R&D人员全时当量与科技经费投入两个指标，反映了高校科技活动投入的人力与资金规模；科技成果产出包括专著与论文数、成果授奖数以及专利授权数3个指标，它们反映了高校科技成果的产出数量与质量，体现的是高校科技成果的学术价值；科技成果转化则包括签订合同数与技术转让实际收入两个指标，反映了高校科技成果转化后实现的经济价值。
本文研究数据来源于教育部《高等学校科技统计资料汇编》，考虑到样本数据获取时间的完备性，时间序列确定为2009-2014年。研究样本是江苏省的32所高校。原因首先是江苏省教育资源密集，集中了不同层次、不同类型的众多高校，样本覆盖面广，具有样本比较与分析的基础；其次是江苏省创新资源密集，创新氛围浓厚，地区与高校的科技创新能力都较强，成果产出规模大，具有科技成果转化研究的实际价值。本文剔除师范类、财经类院校后共选取32所高校，涵盖部、省与市属不同层次，包括综合大学、工科院校、农林院校与医药院校四大类，同时，跨越了苏南、苏中与苏北3个区域。
表1高校科技成果转化效率DEA评价指标文献梳理
图2高校科技成果转化效率评价指标体系
1.4.1 整体层面科技成果转化效率纵向分析
图3与图4分别是2009-2014年江苏省高校科技成果产出效率、转化效率及相关指标均值的变化趋势。可以看出，在此期间，样本高校的科技成果产出效果与转化效率都有了显著提高。图3显示，成果产出效率与技术进步变化率在2010年达到了峰值，而技术效率变化率经分解后得到的纯技术效率变化率和规模效率变化率相对平稳。这说明2009-2014年间江苏省高校知识产权成果产出效率的提高主要得益于技术进步，而技术效率的提升对其贡献较弱。由图4可知，尽管技术进步变化率与技术效率变化率都较2009年有提升，但是技术进步变化率是在波动中上升，上升幅度较大，由2009年的0.61提升到2014年的2.66，而技术效率变化率在2010-2012年间先有较大幅度下降而后又上升，期末数值为2.65，期初数值为2.19，整体上升幅度不大。
综合图3与图4，还能发现两个规律：第一，无论是在产出阶段，还是转化阶段，技术进步变化率都高于技术效率变化率。在转化阶段还一度出现了技术效率变化率下降的情况，但是由于技术进步变化率的上升幅度较大，导致成果转化效率呈现微小上升趋势。这说明2009-2014年江苏省高校知识产权成果产出与转化主要得益于技术进步，而非效率提升。特别是，自2013年开始技术效率变化率有了大幅提升，说明成果转化效率问题得到重视并有了显著改善。第二，成果转化效率变化显著滞后于成果产出效率变化，反映为图4中各指标变化峰值都滞后于图3。该现象恰好说明转化是以产出为基础的，同时滞后于产出。
图32009-2014年江苏省高校科技成果产出效率变化趋势
1.4.2 个体层面科技成果转化效率横向比较
表2显示了两阶段各高校6年间科技成果产出与转化效率均值的排序与比较，表3反映了各高校科技成果转化效率的分类比较。
二阶段被剔除的学校有13所，其中，南京、镇江地区5所，具体包括南京信息工程大学、南京医科大学、南京中医药大学、南京工程学院、金陵科技学院；苏州、无锡、常州地区4所，具体包括苏州科技学院、常熟理工学院、常州工学院、江苏理工学院；苏中、苏北地区4所，具体包括扬州大学、南通大学、徐州医学院、淮阴工学院。
图42009-2014年江苏省高校科技成果转化效率变化趋势
表2两阶段高校科技成果产出与转化效率排序
表3各类高校科技成果转化效率横向比较
注：①括号中百分数代表该效率范围内不同类型高校的占比；②学校性质分类依据教育部《高等学校科技统计资料汇编》与各学校简介
通过分析，得出以下结论：①科技成果产出不必然产生转化，也不能决定转化成效。13所高校因缺乏科技成果转化效率的产出数据而无法进行第二阶段测度，因此被剔除。该情况说明这些高校出现科技成果从产出到转化的断层，也就是说被剔除的高校具有科研能力，其科技成果也具有学术价值，但各种产出没有体现出相应的经济价值。除此之外，科技成果产出能力与转化能力不具有正相关性。例如：江南大学的知识产权成果产出效率排名第2位，可是转化效率却排到了最后一位；江苏大学的产出效率排名第32位，但是转化效率却排到了第8位。以上分析说明知识产权成果产出能力是转化运用的基础，没有产出就没有转化，但是具有产出能力并不必然具有转化能力，也不能决定转化能力的强弱；②经济发达且科教资源密集区域高校成果转化效率相对较高。从数据来看，苏南高校的成果转化效率比苏中与苏北地区略高，尤其是镇江的两所高校江苏大学与江苏科技大学表现突出；③地方高校相较985与211高校更具转化优势。9所地方高校中有5所进入前10名，其中有两所普通二本院校盐城工学院和淮海工学院，这说明地方院校在成果转化方面具有一定优势；④工科类院校、综合类院校与农林类院校的成果转化效率不具有显著差异，医药类院校的转化劣势较明显。对四类学校比较发现，32所高校中有3所医药类高校在二阶段效率测度中被剔除，仅留下中国药科大学，而且该校转化效率比其它高校低，说明医药类院校与其它类型院校相比，成果转化效能不高。
扎根理论是Glaser和Strauss[21]于1967年提出的一种质性研究方法，其基本宗旨是在经验资料的基础上建构理论。应用该方法时，研究者要直接并持续从经验资料中提炼信息，在不断比较中抽象出反映社会现象的概念范畴，进而建立范畴间关联，直至将其升华为理论[22]。作为一种自下而上的归纳性研究方法，直接扎根于现实资料的理论便是其成果体现，其操作特点决定了扎根理论研究特别适用于考察未经清晰界定或难以用现有理论进行识别和解释的社会经济现象[23]。在我国本土管理理论尚不具备系统性和科学性的情况下，扎根理论被学者们认为是当下开展管理研究的必要且适宜的研究工具[24]，是与西方主流管理理论进行比较和对接的重要手段[25]。本文属于探索性研究，在测算高校科技成果转化效率后的一个重要问题就是对成果转化影响因素进行剖析，以明晰导致效率差异的深层次原因。本文认为应以效率差异作为待解问题，通过扎根研究进行资料搜集与分析、信息比对与抽象，从而从表象透视出成果转化的本质。
Strauss与Corbin(1990)在《质性研究概要》一书中提出扎根理论的3种抽样方法，即开放性抽样、关系性与差异性抽样，以及区别性抽样，同时,概括了相应的三重编码方式，即开放性编码、主轴性编码和选择性编码。不同抽样与编码方式发生在扎根研究的不同阶段，通过抽样的逐渐缩小与编码的层层推进，可实现信息饱和条件下的理论构建。表4对抽样与编码的含义以及相互关系进行了解释。
表4扎根研究抽样与编码的含义及关系释义[26]
扎根理论应用的具体流程如图5所示。
图5高校科技成果转化效率差异与影响因素扎根研究流程
2.2.1 基于开放性编码提取范畴
扎根研究的初期是开放性编码。开放性编码的具体操作方法是将观测到的现实现象与收集到的文献及政策法规等原始资料进行碎片化处理，形成意义明确的词语、句子或者段落，从中甄选与研究对象及目标相关的内容，而后重新建构概念，并对新构念持续归纳至范畴的提取。本研究通过开放性抽样，对二阶段DEA分析中保留下来的19个样本高校的相关资料进行收集，具体包括学校官方网站、外围相关网站(如教育部官网、江苏省教育厅官网与行业协会官网等)提供的资料及各类学术期刊登载的针对性研究成果。通过对各类资料的编码处理，在可能引致高校科技成果转化效率差异的影响因素中共提取96个概念。经过对同类概念整理、分析和归类的范畴化过程，最后提炼出60个范畴。
2.2.2 基于主轴性编码提取主范畴
随着扎根研究进入到中期，需要反复思考与分析各范畴间的相互关系，如情景关系、因果关系、过程关系、功能关系与时间序列关系等，并提取出最能体现研究主题的主范畴，这一过程就是主轴性编码。主轴性编码的目的是发现与建立上一阶段中概念化范畴之间的关系，以对现象形成更精确的解释。该阶段是对经过关系性与差异性抽样筛选出的样本高校进行深度访谈。考虑到样本高校在评价排名、地域空间、隶属层次以及学校类型方面具有一定代表性，故选择江苏科技大学、河海大学、中国矿业大学、南京工业大学、东南大学与苏州大学进行实地调研及深度访谈。内容涉及两个方面：一方面是通过实证研究获得两阶段高校科技成果产出效率、转化效率排名以及各类高校科技成果转化效率的横向比较；另一方面是通过开放性编码提取60个影响因素范畴。访谈后，通过获取的信息与资料，针对上一阶段提取范畴的相关概念进行细致梳理，以厘清不同概念和范畴之间的关系与差异。经过该阶段分析，共提取出11个主范畴，使影响因素研究进一步聚焦。
2.2.3 基于选择性编码提取核心范畴
扎根研究的最后环节是进行区别性编码，即要从众多主范畴中提炼出一个或几个概括性强、关联度与抽象性高的核心范畴，从而形成研究问题的核心范畴。经过反复比较与提炼，核心范畴在所有范畴中应处于核心位置，能够与最大数量的范畴发生意义关联，并对绝大多数概念范畴具有统领作用。该阶段要使核心范畴逐渐趋于饱和，体现出建构理论的雏形并最终形成“扎根”理论。因此，本轮要通过区别性抽样进一步筛选样本高校，进行深度访谈以及资料、信息的收集与分析，完成高校科技成果转化效率差异及影响因素的扎根理论研究。本研究筛选了河海大学与南京工业大学，进行了基于11个主范畴的深度访谈，提取出3个核心范畴，这也是本文对高校科技成果转化影响因素的系统解读。
表5反映了高校科技成果转化效率影响因素扎根研究各阶段的范畴提取内容。3个核心范畴分别是国家政策因素、区域环境因素与组织行为因素，分别对应宏观、中观与微观层面。
表5影响因素扎根研究的各阶段范畴提取
(1)国家政策因素。本文认为国家政策因素应包括科技投入、学科评价与配套政策3个方面。科技投入是指支持开展科技活动的投入，科技投入的总体规模以及经费分配的政策导向会从整体上对科技成果转化产生影响。2008-2010年国家实行了积极的财政政策与宽松的货币政策，共向社会投入4万亿元。该政策对高校科技创新起到了一定的刺激效果。图3反映出2010年是江苏省32所高校科技成果产出的大年，从相关文献整理结果来看，其它省份也出现了类似情况，这说明与国家大规模的总体投入有直接关系。学科评价是影响高校科技成果转化的又一主要因素。从目前的教育发展战略以及高校学科评价指标体系来看，成果转化近年来已被作为一项重要指标。本文通过对教育部学位与研究生教育发展中心组织的3次学科评估指标体系进行梳理，发现2007-2009年间仅以获奖专利数作为二级指标， 2012年引入了可替换为出版学术专著的成果指标，2014年成果转移转化情况独立成为二级指标，尤其是2015年的“双一流”大学建设方案中将“着力推进成果转化”作为一项重要建设任务。这说明科技成果转化在高校学科评价中从不受重视到备受重视的转变过程。图4中32所高校的科技成果转化效率在2012年后出现提升也证明了这一点。由此可见，国家层面的学科评估对高校科技成果转化效率具有提升作用。除此之外，配套政策也深刻影响高校科技成果转化。尽管我国出台了比较详尽的科技政策以促进高校科技成果转化，但相关配套政策还比较欠缺，如税收与审计尚未落实到可操作的细化层面。高校与科研院所产生的科技成果的知识产权属于国有资产，如果没有配套财税政策的支持，学校无疑将承担巨大风险。只有构建全面配套的政策体系，科技政策才会真正发挥作用，驱动科技成果转化。
(2)区域环境因素。区域环境因素具体包括技术市场、区域经济、金融发展、产业结构与科技服务5个方面。成熟的技术市场能够提供多样化的成果转化渠道与相对健全的成果评估机制，同时，通过专业化的科技中介实现创新供需对接，有效促进科技成果转化。较高的区域经济发展水平意味着该区域有更大的科技投入，拥有密集的创新资源、较高的开放度与创新活力，这些都奠定了科技成果转化的基础。金融发展水平代表了科技成果转化中可获取的资本投入规模与途径。产业结构优化意味着产业具有较高水平或优势，在产业集聚效应下各组织之间具有较高的产业关联度，彼此之间相互信任，从而形成促进成果转化的组织对接。较好的科技服务环境表明组织可以通过公共平台实现中试与检测等关键环节，降低系统创新成本。表3显示苏南五市高校成果转化效率比苏中与苏北地区略高，尤其是镇江两所高校江苏大学与江苏科技大学表现突出。通过对该区域的考察发现：苏南五市在技术市场、区域经济、金融发展、产业机构与科技服务方面都具有显著比较优势，同时，较好的区域环境也解释了为何地方高校较985与211高校更具转化优势。这是因为地方高校往往缺乏国家教育体制内纵向经费的大力支持，基于此，通过横向项目向市场求生存、要效益就成为地方高校合乎逻辑的发展路径，而良好的区域环境也支持了这一发展路径。
(3)组织行为因素。组织行为因素包括基于高校自身的属性与文化因素、分配与激励因素、校企之间的沟通与合作因素。高校的价值体系、优势学科与历史沿革等属性与文化因素都会影响其成果转化。如高校的核心价值体系是培养人才与开展科学研究，追求学术与社会价值，而科技成果转化是经济行为，追求经济价值，两种价值体系必然存在一定冲突。同时，高校的功能定位也驱使其科学研究更偏向于基础研究，使其研究成果具有一定公共属性而不适合转化。因此，也存在研究成果基础性与科技成果产业化之间的矛盾。学校隶属层次越高，矛盾冲突表现就越明显。而地方高校价值体系的市场化程度更高，科研方向也与地方产业发展紧密关联。这是地方高校相较985与211高校更具转化优势的另一原因。同时，高校科技成果转化情况与优势学科及历史沿革也有一定关系。如南京工业大学在历史上与南京大学、东南大学有较深渊源，在江苏省高教系统发展中其承接了后两所大学分离出来的应用型学科，并与两所高校错位发展。该校现已成为首批入选国家“2011计划”的高校之一。相反，医学类高校的优势学科是在临床医学等领域，对接的是医院而非产业部门，不具备成果转化的基础条件，而药科类高校的成果转化成本太高，难以产生较高的转化效率。因此，医药类高校即使在第一阶段效率测度中有较好表现，在第二阶段也会表现欠佳，甚至被剔除。高校的分配与激励制度是影响成果转化的第二大因素，其主要根源是高校的属性与文化特征，这是因为组织价值观直接决定分配与激励过程中的评价权重以及利益分割重点。通过扎根研究发现，转化率高的学校在职称与绩效评价中都将成果转化作为重要条件，如东南大学。第三大因素则是校企沟通与合作情况。良好的沟通是合作的前提。调研中发现，由中国矿业大学牵头成立的矿山安全物联网联盟，其成员的75%是中国矿业大学的校友，35%是中国矿业大学的兼职教师。因此可以认为，中国矿业大学的成果转化效率在很大程度上得益于由学缘关系建立的信任与合作基础。
最后，还需说明的是在扎根研究过程中，访谈人员普遍认为南京工业大学、苏州大学与江南大学在第二阶段成果转化效率评价中排名靠后，没有反映出这三所学校真实的科技成果转化能力，可能是由于统计口径单一，导致数据没能覆盖这三所学校全部的成果转化收益。
本文应用二阶段DEA-M指数评价模型对江苏省32所高校的科技成果转化效率进行了测度分析，并通过扎根理论对效率差异及影响因素进行了研究，最后提取出3个核心范畴的影响因素，具体包括国家政策因素、区域环境因素与组织行为因素。基于此，提出提高我国高校科技成果转化效率的对策建议：
(1)基于国家与地方政府层面的对策建议。在现有创新政策体系基础上，应加快审计、税收、统计等配套政策细则的制定，促进政策落地；对高校应分层次、有重点地激励成果转化，明确不同层次高校的创新目标，地方政府对有转化优势的地方高校应重点扶持；引导技术市场建设，重点培育一批能够有效实现校企对接的专业科技中介，建立健全科技成果信息汇交、发布机制与成果价值评估机制；引导社会资本留向高校，支持有条件的技术转移机构与天使投资、创业投资等合作设立投资基金，并提供有效的制度保障；地方政府应着力提升科技成果中试熟化能力，提高科技平台公共服务能力。
(2)针对高校组织建设的对策建议。高校的内部评价与激励制度应有针对性，对基础性学科与应用型学科应各有侧重；有条件的高校可设立科技成果转化相关课程，打造一支高水平的师资队伍；推动科技成果转移转化机构的市场化运营，实行技术经理人市场化聘用制；建立职务科技成果披露与管理制度等。高校科技成果转化是一项系统工程，既需要从国家到地方宏观政策的驱动，也需要高校从自身建设实际出发，找准位置，发挥优势。
参考文献:
[1] 费艳颖，姜国峰，王越．美日韩大学参与产学研协同创新模式及对我国的启示[J]．科学管理研究，2014，32(1)：106-109．
[2] 李培楠，赵兰香，万劲波．产学研合作过程管理与评价研究——美国工业/大学合作研究中心计划管理启示[J]．科学学与科学技术管理，2013(2)：20-27．
[3] 彭定赟，王土兰．“双创”形势下高校科技成果转化管理模式研究[J]．武汉理工大学学报：信息与管理工程版，2016，38(6)：730-734．
[4] MARYANN FELDMAN，IRWIN FELLER，JANET BERCOVITZ，et al. Equity and the technology transfer strategies of American research universities[J]. Management Science，2002，48(1)：105-121．
[5] 孙德升，刘峰，陈志．高校科技成果转化的 ISCP 范式分析[J]．中国科技论坛，2017(3)：142-148．
[6] 李天柱，侯锡林，马佳．基于接力创新的高校科技成果转化机制研究[J]．科技进步与对策，2017，34(3)：147-151．
[7] 李双杰，范超．随机前沿分析与数据包络分析方法的评析与比较[J]．统计与决策，2009(7)：24-28．
[8] 李艺全，创新驱动视角下高校内部学院科技创新能力评价[J]，福州大学学报:哲学社会科学版，2017(1)：34-41．
[9] CURI C，DARAIO C，LLERENA P．University technology transfer：how(in-) efficient are french universities [J]．Cambridge Journal of Economics，2012，36(3)：629-654．
[10] KIM Y．The ivory tower approach to entrepreneurial linkage:productivity changes in university technology transfer[J]．Journal of Technology Transfer，2013，38(2)：180-197．
[11] 薛晖，郑中华，谢启伟．基于多种DEA模型和Gini准则的效率评价方法——兼对我国高校运营绩效的评价[J]．中国管理科学，2014，22(4)：98-104．
[12] CHAPPLE W，LOCKETT A，SIEGEL D，et al．Assessing the relative performance of U.K. university technology transfer offices: parametric and non-parametric evidence[J]．Research Policy，2005，34(3) ：369-384．
[13] 沈能，宫为天．我国省区高校科技创新效率评价实证分析—基于三阶段DEA模型[J]．科研管理，2013(34)：125-132．
[14] 何彬，范硕．中国大学科技成果转化效率演变与影响因素——基于Bootstrap-DEA方法和面板Tobit模型的分析[J]．科学学与科学技术管理，2013，34(10)：85-94．
[15] 冯光娣，陈珮珮，田金方．基于DEA-Malmquist方法的中国高校科研效率分析——来自30个省际面板数据的经验研究[J]．现代财经，2012(9)：61-73．
[16] LORENZO CASTELLI,RAFFAELE PESENTI,WALTER UKOVICH.A classification of DEA models when the internal structure of the decision making units is considered[J].Annals of Operations Research,2008(8):414-416.
[17] KAO C.Efficiency decomposition in network data envelopment analysis: a relational model[J]．European Journal of Operational Research，2009，192(3)：949-962．
[18] 孔德财．水利科技资源配置效率评价模型与实证研究[D]．南京：河海大学，2013．
[19] 肖仁桥，钱 丽，陈忠卫．中国高技术产业创新效率及其影响因素研究[J]．管理科学，2012，25(5)：85-98．
[20] SIEGEL D，WRIGHT M，CHAPPLE W，et al．Assessing the relative performance of university technology transfer in the US and UK: a stochastic distance function approach[J]．Economics of Innovation and New Technology，2008，17(7-8)：717-729．
[21] GLASER B G，STRAUSS A L．The discovery of grounded theory:strategies for qualitative research [M]．Chicago：Aldine，1967．
[22] STRAUSS A L．Qualitative analysis for social scientists[M]．New York： Cambridge University Press，1987．
[23] 王璐，高鹏．扎根理论及其在管理学研究中的应用问题探讨[J]．外国经济与管理，2010，32(12)：10-18．
[24] 徐淑英，刘忠明．中国企业管理的前沿研究[M]．北京：北京大学出版社，2004．
[25] 张敬伟．扎根理论研究法在管理学研究中的应用[J]．科技管理研究，2010(1)：235-237．
[26] ANSELM STRAUSS, JULIET M. CORBIN. Basics of qualitative research grounded theory procedures and techniques[M].Newbury Park，California：Sage Publications，1990．
Luo Qian,Gao Rongrong,Cao Lina
(Business School of Jinling Institute of Technology,Nanjing 211169,China)
Abstract：Take the 32 colleges and universities in Jiangsu province for example, the transfer ratio of scientific and technological achievements is analyzed by using the DEA-Malmquist index evaluation model in this paper. It is found that the productivity and transfer ratio of scientific and technological achievements have increased remarkably in 2009 to 2014. The productivity is necessary but not decisive to transfer ratio of scientific and technological achievements. The colleges and universities in economically developed area that has intensive education and technology resources have a relatively high transfer ratio of scientific and technological achievements. Compared to the "211" and "985" colleges and universities, local colleges and universities have advantages in scientific achievements transfer. The transfer ratio of scientific and technological achievements has no significant difference in engineering, comprehensive and agriculture & forestry colleges and universities. However, medicine & drugs colleges and universities have remarkable disadvantages in transfer ratio of scientific and technological achievements. In order to improve the science nature of study, the methods used to conduct the study include efficiency evaluation and factor grounded theory. Finally, three core concepts of impact factor including national policy factor, regional environment factor and organizational behavior factor are extracted.
Key Words:Colleges and Universities；Transformation Efficiency of Scientific and Technological Achievements；Data Envelopment Analysis (DEA)；Malmquist Index；Impact Factors；Grounded Study
DOI：10.6049/kjjbydc.201708X039
中图分类号：G644
文献标识码：A
文章编号：1001-7348(2018)05-0043-09
收稿日期：2017-10-26
基金项目：国家自然科学基金青年项目(71502073)；教育部青年基金项目(17YJC630006)；江苏省知识产权软科学研究计划项目(JSIP-2016-R-7)；金陵科技学院博士科研启动基金项目(jit-b-201225)
作者简介：罗茜(1978-)，女，安徽阜阳人，博士，金陵科技学院商学院副教授，研究方向为科技管理、战略管理；高蓉蓉(1980-)，女，江苏淮安人，博士，金陵科技学院商学院副教授，研究方向为区域经济与金融；曹丽娜(1977-)，女，上海人，博士，金陵科技学院商学院副教授，研究方向为人力资源与企业管理。
武汉大学区域经济研究中心 协办
(责任编辑：胡俊健)