大学知识转移路径选择的影响因素分析

大学知识转移通常是指大学技术从高校向企业、市场的运动，即技术被商业化开发、实现其市场价值的转化过程。Rogers和Hoffmann (2000) 采用六个变量测度大学技术转移的效率: TTO (技术转移办公室) 收到的发明披露数、专利申请数、专利实施的许可或期权数、产生收入的许可或期权数、总许可收入数和新创企业的数量。其中，前5个指标都与专利有关，第6个指标“新创企业的数量”一部分也是专利实施的结果。可见，专利作为一种比较完备的知识产权形式，已成为高校科研成果创造和转化的一个重要衡量指标。但从知识的资本化角度来讲，只有专利许可以及通过创办新企业来实施专利才能最终创造经济价值。因此，我们可以把大学知识转移的模式分为两种: 外部许可 (含转让、出售给大学之外的企业或机构) 与内部商业化 (大学自己创办企业)。

下面需要分析的是，哪些因素影响了大学技术转移的决策，影响两种技术转移效率的因素是否相同以及我们从中可以得出哪些政策启示?

1. 资源能力框架下的高校专利实施影响因素识别

按照界面的观点，我们把大学和企业看成两个开放系统，技术转移将大学和企业这两个原本各自独立的开放系统联系在一起。大学技术转移是一个大学与企业两个系统之间的界面发生交互作用的演化过程。基于资源与能力的框架，我们对高校专利实施这一动态过程中每个要素进行进一步分析。如图4.3所示，高校专利实施包括三大要素——高校系统A、企业系统B以及高校系统与企业系统之间的互动C。而SS’则是技术转移的界面，高校和企业之间的互动过程发生于此。在高校系统和企业系统内部，我们可以遵循资源和能力框架来识别影响高校专利实施的相关因素，这些因素独立作用于这两个不同的系统。资源包括有形资源，即可供支配的财务资源、物质资源、人力资源和组织制度资源和无形资源，即信誉资源、文化资源等。而能力对于高校系统而言，主要是指研发能力;对于企业系统而言，主要是指技术吸收和转化能力。整个体系中，高校和企业是技术转移过程的受让双方，而技术转移的对象是专利，专利技术本身的一些特性也会对专利的实施产生影响。除开这些内部因素，还有一些外部因素 (经济、市场因素以及政策、法律因素) 对该体系产生影响。总体而言，外围因素作用于技术转移过程，即同时作用于技术转移中的两方主体，而内部因素则单独作用于每个主体。本书将研究重点放在高校系统A，在识别了专利实施过程中作用于高校系统的因素之后，本书将通过实证研究来判定哪些因素具有决定性的作用。

图4.3 资源能力框架下的高校专利实施影响因素识别

2. 变量选择

根据国内外实证研究文献，本书选择的变量如下: (1) 专利研发投入: 将专利研发投入细分为资金投入 CI ( Capital Investment) 和时间投入TI (Time Investment)。(2) 高校科研能力: 关于测度高校的科研能力，有很多相关研究，并且有很复杂的指标评价体系。鉴于本书研究的重点不在此，因而本书没有采用很复杂的评分体系，而是通过总结2005—2008年高校获取的专利授权数量RA (Research Ability) 来对受访高校进行排名。(3) 研发方式WR (Way of Research): 这个变量主要用于衡量高校系统和企业系统合作的紧密程度。调查问卷中，有以下研发方式供受访者选择——与境内注册的企业合作研发、与国内高校合作研发、与国内科研单位合作研发、与国外机构合作研发、与多方合作研发和自行研发。(4) 技术成熟度MT (Maturity of Technology)，用于衡量专利技术与市场化和商业化之间的距离，问卷中有三个选项供受访者选择，即原始创新、集成创新、消化吸收再创新。这里原始创新指通过研发活动掌握核心或关键技术并拥有自主知识产权的创新;集成创新指通过融合多种资源和技术所从事的创新; 消化吸收再创新指在对引进技术进行消化吸收的基础上所从事的创新。显然，这三种不同的创新类型所表征的技术成熟度是逐步递增的。(5) 文化因素CF (Cultural Factors)，文化是个软性因素，在以往的研究中，尽管很多文献都指出了文化因素的重要性，但是很少有学者来定量度量它。在本研究中，作者将文化因素具体界定为高校系统中推动专利实施的文化因素，它表现为高校是否对其予以重视并有倾向性的政策或者支持性的机构，对与研发人员和与专利实施相关的各机构的激励力度强弱。其测度采用计数的方式，即对于列举的多项推动政策，选择了几个，就记为多少。

上述变量将作为有序结果变量回归分析的自变量，而对于因变量专利实施PI (Patent Implementation)，其数值记为0和1，数据从问卷调查结果中获取。1表示该专利已经实施，0则表示该专利没有实施。

3. 数据来源及数据处理

本实证研究的主要数据来源于作者对武汉市大专院校专利实施情况的调研活动。该调研活动受国家知识产权局资助，于2008年7月展开，整个调研过程历时1个月，共有19所院校接受调查，学校类型涉及综合、理工、农林、医药、师范等不同类别，获得有效问卷411份。调查表明，411份授权专利中，已经实施的为86项，占总数的21%。[1]

①专利研发方式。从专利的研发方式来看，首选的研发方式是自主研发，共498项，占被调查院校总数的84.4%; 其次为与境内注册的企业合作研发，有41项，占总数的6.9%; 另外，选择与多方合作研发的有17项，占总数的2.9%; 选择与国内高校合作研发的有16项，占总数的2.7%; 选择与国内科研单位合作研发的有10项，占总数的1.7%; 与国外机构合作研发的有3项，占总数的0.5%; 不清楚的有5项，占总数的0.8%。武汉地区高校各授权专利研发方式所占比重见图4.4。

图4.4 武汉地区高校各授权专利研发方式所占比重

②专利创新类型。从专利的创新类型来看，原始创新类型为最主要的创新类型，共有363项，占总数的61.5%; 其次为集成创新，有135项，占总数的22.9%; 以消化吸收再创新为创新类型的专利有41项，占总数的6.9%; 另外有51项专利 (8.6%) 受访者不清楚属于何种创新类型。武汉地区高校授权专利创新类型的频次和所占比重见表4.7。

表4.7 武汉地区高校授权专利创新类型的频次和所占比重

③专利的实施方式。自行实施为武汉地区高校专利实施的主要方式，有91项，占总数的61.9%; 转让实施有31项，占总数的21.1%; 许可实施有43项，占总数的29.3%。武汉地区高校授权专利实施方式的频次和所占比重见表4.8。

表4.8 武汉地区高校授权专利实施方式的频次和所占比重

注: 存在多选情况，故三项比重之和大于100%。

采用许可实施或转让实施的专利，有55项专利许可或转让对象是境内注册的企业，5项专利为国内高校，18项专利为国内科研单位，1项为国外机构。

综上所述，高校处于创新的高端，但位于转化的瓶颈。武汉市的技术创新在一定程度上具备竞争优势和基础。但研发方式单一，以自行实施为主导的模式说明武汉市尚没有形成一个区域创新合作网络，从而影响了整体的集群创新和创业能力。

4. 构建模型

本书将对自变量和因变量的关系进行有序结果变量回归分析，以验证前文所阐述的变量对高校专利实施的影响作用，为此，作者首先构建回归方程如下:

Link［γj(x)］=θj-βTx=θj-［β1x1+β2x2+…+βmxm］=θj-［β1CI+β2TI+β3RA+β4WR+β5TM+β6C］

该式为有序结果变量回归的广义表达式。这里的“Link”，代表的是连接函数。当协变量X在 ( -∞，∞) 区间取值时，函数在 (0，1) 区间变化，均可使用连接函数。(www.xing528.com)

5. 回归分析结果

在选取了最佳的连接函数和模型之后，对各变量做进一步的数据分析，在SPSS 15.0 中采用有序结果变量回归(Ordinal Regression)检验方法得出初步回归结果，所得结果见表4.9。

表4.9 初步回归结果

从表4.9中可以看出，模型中研发方式、资金投入、时间投入、文化因素这四个变量的显著性概率均小于0.1，说明它们与因变量的相关关系在90%的置信水平上显著，由此可证明它们便是通过回归分析筛选出的对因变量——专利实施具有决定作用的影响因素。而高校科研能力，技术成熟度这两个变量的显著性概率大于0.1，说明它们与因变量的相关关系在90%的置信水平上不显著。

所以由回归分析的初步结果可知，研发方式、研发资金投入和时间投入以及文化因素是高校专利实施过程中的主要影响因素。

为了使分析结果更准确可信，对上述回归模型做进一步检验和优化，剔除相关关系不显著的两个因素后，得出的结果见表4.10。

表4.10 优化回归结果

6. 结果分析

在进行模型修正后得到最优回归模型，将各自变量的回归系数代入回归方程，结果如下:

Link［γj(x)］=5.090-［0.632WR+0.455CI+0.336C+0.33TI］

由该模型可知，研发方式、研发资金投入、文化因素及时间投入四个变量是解释因变量的主要因素，其中，研发方式的影响作用最显著，其次是资金投入。这四个变量之外的其他自变量与因变量的相关关系不显著，并非其决定性变量。

(1) 研发方式。自变量研发方式衡量高校和企业之间的合作紧密程度。根据回归分析的结果，研发方式与因变量的相关系数为0.632，且显著性概率远远小于0.05，说明它们之间呈显著正相关关系。根据调研的结果，作者将研发方式重新分为三类，即高校自行研发、高校和机构联合研发、高校与企业合作研发。结果表明高校和企业之间的合作越紧密，则最终的研发成果得以实施的可能性越大。这个结果与预想中的非常一致。

(2) 资金投入。自变量资金投入与因变量的相关系数为0.455，且显著性概率远远小于0.05，说明它们之间呈显著正相关关系，即资金投入越多，那么专利实施的可能性越大。可能的解释是前期投入的沉没成本越大，将其成果市场化的激励越大，动力越大。

(3) 文化因素。自变量文化因素用以衡量高校系统对于专利工作的重视程度以及是否落到实处。文化因素与因变量的相关系数是0.336，显著性概率小于0.1，呈显著正相关关系，与前文所作效应分析相符。

(4) 时间投入。自变量时间投入用于测度在研发专利的时候高校投入的时间，它从一定程度上说明了该项技术研发的难易程度。时间投入与因变量的相关系数为0.330，呈正相关关系，且显著性概率为0.009远远小于0.05，说明它们之间的相关关系在90%的置信水平上显著，时间投入越多，则专利得以实施的可能性越大。

(5) 非决定因素。根据分析结果我们还可以看出，自变量技术成熟度、高校科研能力对因变量的影响并不显著，说明尽管高校科研能力以及技术成熟度对专利实施有影响作用，但是这两个因素的作用有限。并不是科研能力越强的高校，其专利实施率就必然越高。也并不是越为成熟的技术就越可能被实施。

由上述回归模型我们可以得出，虽然影响专利实施过程中技术供方——高校系统的因素很多，然而对其起到决定性影响的因素却不多，主要包括专利的研发方式、专利研发的时间投入和资金投入、高校系统的文化因素，其余因素对其影响则并不显著。

7. 结论: 促进高校专利实施的政策建议

①校企合作。实证研究的结果表明专利的研发方式是影响专利实施的最为重要的因素。实际上，我国高校目前研发的现状大部分是自行研发，我国的合作研究开发机制并没有形成。技术成果是否有市场潜力、是否符合企业的需求决定了技术成果是否能够转移出去、是否能产生经济效益等问题，这些问题在校企合作的前提下，能够得到更有效的解决，并达到双赢。然而目前，我国大学的研究小组人员构成单一，学术背景单一。研发人员主要来源于高校的教师和学生，很少有企业人员参与。这样研究的结果缺乏市场导向，跨学科综合性协作差，不利于创新科技成果的出现。所以，应建立校企合作的研发机制逐步形成技术转移双方共同参加的、不同学科背景人员共同参与的跨学科研究机制，以利于解决有效供给不足和有效需求不足的问题，使技术成果从开始研发就是针对市场需求的。同时不同学科背景的科研人员共同工作可以互相借鉴，有利于创新。

②研发投入及资金问题。我国大学和科研机构研发经费不足被认为是阻碍科技创新的一个重要因素。大学拥有的研发资源和直接投入技术转移活动中的资源可能会对我国大学技术转移的绩效产生某种影响。调研数据表明，资金问题不仅在技术转移过程的前端——高校系统的研发这一环节中是一个很重要的问题，而且在技术转移之后的过程中，资金问题仍是一个重大的议题。在市场经济体制下，如果这个问题要得到根本的解决，则要依赖于相关金融机制的建立，金融资本的积极参与，这对于推动成果转化至关重要。金融资本参与成果转化机制的建立，是其投资的潜在需求转化为现实动力的基础。金融资本的融资机制、风险分散机制的建立能够极大地促进高校技术成果转化。

③高校技术转化文化建设。研究机构的文化，例如对技术转移商业化的认识和态度，对其从事技术转移活动的能力也会有一定的影响。这一点，本实证研究的结果也给予了支持。相比高校其他方面的资源因素，文化氛围这种无形资源的构建往往是困难的，因为良好文化的形成需要时间的积累。高校技术转移文化的建设需要有形的制度安排和政策引导以及合理的激励措施等相关外力作用，然后经过时间的积累不断深入。同时，如果外部大环境中有舆论和氛围的辅助引导，也会对内部文化的构建起到促进作用。具体而言，高校需要改进对发明人或设计人的奖酬机制，以提高成果完成人申请专利并参与后续专利实施的积极性，并促使高校研发出更多符合市场需求的产品或技术。此外，除了研发人员，在专利管理相关工作上，高校也应该予以更多的支持。

[1] 2009年对2005—2008年的590份专利实施情况的抽样调查表明，专利实施率为24.9%。