0引言提高科技成果转化绩效是构建国家或区域创新体系的战略目标之一，也是各国提高创新能力，增强核心竞争力的必然趋势[1]，然而，随着我国科技成果的日益增加，成果转化率却严重偏低，这种背离现象受到学界广泛关注[2－4]。

数据显示，2007年我国科技成果中，发明专利授权量世界排名第四，EI 收录我国论文数世界排名第一。

但据调研，我国科技成果实际转化率不足20％，来自教育部的调查结果表明，我国高校目前虽然每年取得的科技成果在6000项至8000项之间，但真正实现成果转化与产业化的还不到1／10。

同时，值得高度关注的是，在创新价值链中，知识产出与科技成果转化“割裂”状况，直接影响我国科技资源的利用效率，以及经济发展方式的转变与创新型国家建设的战略部署。

改革开放以来，在特定的历史条件下，中国依靠低附加值的非核心部件加工和劳动密集型产品出口，使经济呈现高投入、高消耗和高速度的“三高”特征；同时，多数产业处于全球产业链中的低端，获得的附加值不高，这样，有可能使我国产业结构“锁定”于高新技术产业低端化、传统产业低技术化的“双低”发展路径[5]。

值得庆幸的是，“十二五”规划中，明确提出了以转变经济发展方式为主线、推动创新型国家建设、坚定走构建创新型国家之路的大政方针；另外，2006年初的全国科技大会提出了到2020年将我国建设成为创新型国家的战略任务，这就要求理顺创新价值链各环节的关系，加强其链接，顺畅地使创新投入转化为知识产出，并有效、快速地将知识产出转化为现实生产力。

选择区域分析角度，深入分析知识来源、知识产出与区域科技成果转化绩效的问题具有广泛的实践意义。

因为，我国科技投入、知识产出等存在严重的区域差异性，从授权专利上看，2008年东部地区占全国的78％，中部为12％，西部仅为10％，而排在前三的省份广东、浙江和江苏授权总量占全国的近半数，为47．6％，仅广东就占全国的18．5％，且其专利授权数是西藏的667倍；从创新的实际效应看，2008年大中型工业企业新产品产值占工业总产值的比重，全国的平均水平为16．4％，而重庆为40．4％，西藏仅为2．3％。

同知识来源、知识产出与科技成果转化绩效———基于创新价值链的视角刘家树1,2，菅利荣1（1．南京航空航天大学经济与管理学院，南京210016；2．安徽工业大学经济学院，安徽马鞍山243002）摘要：基于创新价值链分析框架，运用2004—2008年省际面板数据，采用理论和实证方法，探究知识来源、知识产出与科技成果转化绩效的链式关系。

结果表明：知识来源与知识产出链接紧密，而知识产出与科技成果转化的链接有待进一步加强；在影响创新价值链的主要因素中，大学、科研机构与企业的链接对知识产出和科技成果转化绩效影响均显著，然而，政府、金融机构与企业链接水平对知识产出与科技成果转化绩效均不显著；高科技产业的集聚水平对知识产出没有明显的促进作用，但对科技成果转化绩效有明显的促进效应。

关键词：知识来源；知识产出；科技成果转化绩效；创新价值链中图分类号：F062．3:F204文献标识码：A文章编号：1002－0241(2011)06－0033－08时，相对于多数OECD 国家而言，中国的创新系统是庞大的，仅考虑整体创新行为和创新绩效必然掩盖区域创新所存在的异质性[6]。

本文基于创新价值链的基本理论，将对知识来源、知识产出与科技成果转化绩效的链接关系等进行实证分析；同时，根据理论分析框架和实证分析结果，对增强知识产出、提高科技成果转化绩效，提出相关的政策启示。

1概念框架创新价值链（Innovation Value Chain,IVC ）是知识来源，知识转移和知识开发的递归过程[7]。

Hage 和Hollingsorth （2000）类似地提出“观念—创新链（Idea－Innovation Chain ）”[8]，其中包括三个链接部分：以基础研究、应用性研究和发展研究为链的开始部分，以研究结果为基础的链的中间部分，以新产品生产和市场化为链的结束部分；并运用研究和发展的支出和其他投入指标，如专利数、论文数量、创新产品的销售额和其他产出指标来共同测度观念创新链。

实际上，从科技创新源到科技成果产业化开发的全过程中,是由一系列相互独立、相互联系的创新主体链接起来的，并且是科技开发价值不断增值的链条式集合体[9－10]。

如图1所示，基于创新价值链的思想，我们给出创新价值链的分析框架。

科技成果转化绩效主要取决于区域的知识来源、知识产出和成果转化三部分的链接，即，知识来源—知识产出的链接，知识产出—成果转化的链接。

同时，我们也可以看出，创新价值链并不是简单的线性趋势，价值链各个节点具有反馈和修正作用，价值链外部因素影响价值链的顺畅、高效运行，这样使得创新价值链呈现非线性化和扁平化发展。

1．1区域的知识来源—知识产出的链接分析内生经济增长理论强调前期积累的知识资本和人力资本对当前的知识产出发挥着积极作用[11－12]，认为新知识产出是知识工作者数量和可被研究工作者利用的知识存量的函数。

Aghion 和Howitt （1996）认为，研究人员的劳动是研发的重要投入，知识产出主要取决于研究人员的努力程度[13]。

Griliches （1990）提出的知识生产函数分析框架，有力地描述出区域知识生产，并分析了知识产出对区域创新的影响，此分析框架被广泛地运用到实证研究领域[14－17]，在实证分析中，经济、有效地测度新知识是关键问题。

区域内知识存量、区域外知识存量和区域研究与发展投入对本区域的知识创造具有重要影响。

因为，知识生产具有溢出效应，别的地区的知识存量越大，知识的溢出效应越强，从而越有利于本地区知识的生产[18]，陈继勇等（2010）研究得出，知识溢出的净流入能显著提高本区域的创新能力[19]。

根据上述分析，为了研究知识来源与知识产出的链接作用，给出区域的知识产出函数为：K＝f （L ，A ，EA ）（1）式中：K 表示知识产出；L 表示科研工作者劳动投入；A 表示区域内知识存量；EA 表示区域外的知识存量。

1．2区域知识产出—科技成果转化的链接分析创新价值链最终的链接部分表现为知识产出与科技成果商业化的链接，即科技成果的转化，也就是将科技成果应用于生产领域、转化为现实生产力并产生出倍增放大经济效益的过程。

从企业层面，科技转化能力是指企业应用新技术制造高附加值、高技术含量新产品，并迅速占领市场的能力[20]，且科技成果成功商业化是企业在瞬息万变的市场环境中得以生存的关键[21]。

从国家层面上，Furman （2002）在分析国家创新能力时，强调一个国家源源不断地生产和商业化创新成果的能力，认为创新的基础设施、产业集聚以及二者的链接强度是影响这种能力的关键因素[22]。

本文主要从区域的视角，运用创新价值链分析框架，探寻区域内的企业，利用区域内外的知识，将其转化为，，，， ，，，，ÁÁÁÁ，，， ，，，，，，，， ，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，图1创新价值链的图解实际的创新效果。

设定科技成果转化的函数可以表达为：Y＝g（K，W）（2）式中：Y表示区域科技成果转化绩效；K表示知识产出；W为科技成果转化的其他投入变量和外部影响因素组成的向量。

2变量测度与模型建立2．1数据来源本文分别选择衡量知识来源、知识产出和科技成果转化绩效的指标，同时选择其他主要影响因素指标，如表1所示。

搜集2004—2008年中国各个省（市）的面板数据，因为西藏部分数据缺失，我们得到30省（市）5年间的150个样本点数据，可以满足计量模型估计对样本容量的要求。

表1指标以及指标定义2．2变量测度（1）知识产出的测度。

有的学者用专利申请数量来衡量知识产出[23]，也有的学者运用专利授权数量来测度[24－25]，至于是否利用专利数量来描述知识产出，其实学界存在较大的分歧。

如Pakes和Griliches （1984）认为，专利是很好的衡量新技术创造的指标，但专利不能衡量技术的经济价值[26]；有些企业为了保护商业秘密，并不提出申请专利[14]。

为了弥补专利衡量知识产出的不足，陈继勇、雷欣等（2010）运用科技论文数量结合专利授权数量共同反映知识产出[20]。

然而，在分析区域创新产出时，专利授权量是比较可靠的替代衡量指标[27]，因为区域内的授权专利能分析区域创新产出动态效应且容易获得，而科技论文中的新思想要进一步的商业化，过程比较漫长，且科技论文的质量参差不齐。

因此，本文采用各省（市）的专利授权数量衡量知识产出，这样，我们可以建立专利授权量表征区域知识产出的知识生产函数，如式（3）。

P i,t＝f（L i,t－1，AP i,t－1，EAP i,t－1）（3）式中：P i,t表示第i地区（省）t年的授权专利数，用于衡量知识产出；L i,t－1表示区域内研究和发展投入（主要是指科研工作者人力资源投入）；AP i,t－1是指区域内专利授权数存量，用来衡量区域内的知识存量；EAP i,t－1区域外的授权专利的存量，表征区域外的知识存量。

（2）知识存量的测度。

已存在的知识在知识创造过程中是重要的影响，因此我们选择AP i,t－1和EAP i,t－1作为知识产出的投入因素，关于知识存量采用永续盘存法（Perpetual Method）进行测算，是为了表征新知识可以转置或提高旧知识，从而使得旧知识发挥功效的同时也被替换，我们设定知识存量随着新知识的不断创造，具有持续增加性。

然而，原有知识存量对新知识的影响效果随着时间的推移，也具有“折旧”性，我们设折旧率为δ，这里采用Caballero和Jaffe（1993）的折旧率，取δ＝0．1，这样，我们可以估算知识存量[28]。

APi,t＝Pi,tgi＋δ其中，gi为区域i内专利在近五年的增长率，选择t0＝2000为起始年份。

我们可以根据递归公式来估算APi,t，即：AP i,t＝P i,t＋（1－δ）AP i,t－1（3）区域科技成果转化绩效的测度。

我们选择区域的新产品产出（Y p）、利润率（Y r）、高科技企业的产出（Y h）和技术市场交易额（Y m）指标共同描述，如表1所示。

对所选择的指标进行因子分析，采用最大似然方法（Maximum Likelihood）提取1个因子,来表征科技成果转化的绩效指数，设为Y i,t，因为第一个因子的特征值为2．21，且因子解释了总方差的58．33％，其他特征值均小于1。

（4）主要影响因素。

创新价值链由知识来源到知识产出，再到科技成果的最终转化，使科技开发价值不断增值，实现倍增放大经济效益的同时，受到了其他因素的影响。