合作专利视角下高职院校产学研协同创新实证研究

 

任嘉祺 高雄 倪勇

浙江机电职业技术学院 浙江机电职业技术学院智能制造学院党总支

 

摘    要：

以高职院校为研究对象，从合作专利的视角出发，采集浙江省2011—2019年高职院校发明专利数据，分析具有核心代表意义的产学研合作专利信息。运用中介效应模型，研究知识积累、合作深度、合作广度、合作广度和深度共同作用等要素对高职院校产学研协同创新绩效的影响程度。实证结果表明，知识积累间接促进合作创新绩效；合作广度对产学研协同创新绩效促进作用较大；合作广度与合作深度的交互对合作创新绩效存在显著正向影响。因此，产学研合作应建立稳定长效机制，促进长期知识积累；高职院校与企业积极主动用好各方平台，拓展合作广度；高职院校准确定位，深耕特色，增加合作内涵。

关键词：

协同创新; 中介效应; 知识积累; 合作广度; 合作深度; 创新绩效;

作者简介： 任嘉祺，浙江机电职业技术学院讲师;; 高雄，浙江机电职业技术学院助教;; 倪勇，浙江机电职业技术学院智能制造学院党总支书记、教授。;

基金： 浙江省哲学社会科学规划课题“高职院校参与我省区域特色协同创新体系的模式、机制及对策研究”(17NDJC244YB);

创新是给生产体系引入新的生产要素组合，这一新组合包括：引进新产品、采用新技术方法、扩展新市场、控制原材料新的供应链和实现工业的新组织。[1]我国现今对创新的定义是人们利用新知识、新技术创造新产品，提升工艺方法，最终达到改善人民的生活，提高社会财富的目的。[2]

德国学者Haken于1971年在系统论中最早提出“协同”概念：系统中各子系统通过相互合作、协调、同步等方式形成的联合作用或集体行为，使多种力量聚集成一个总力量，形成超越各自功能总和的新功能，产生1+1>2的协同效应。[3]目前协同创新一般指重组创新资源和要素，打破不同主体间的壁垒，增强“人才、资本、信息和技术”等创新要素的活力，从而实现深度合作的过程。[2]

产学研协同创新是指在产学研合作的基础上，高校、企业、研究机构、政府共同实现资源的整合以及优化配置。[4]

2012年，教育部宣布实施“高等学校创新能力提升计划”(2011计划),标志着我国产学研工作迈入协同创新阶段。此后，我国发展了以高校为主导的产学研协同创新体系，着力建设了一批以高等院校为主体的“2011协同创新中心”。协同创新中心分为面向科学前沿、面向文化传承创新、面向行业产业和面向区域发展等四种类型。[5]高职院校是我国高等教育的重要组成部分，面向行业产业，服务区域经济为其主要职能，以高职院校为主体的应用技术协同创新中心在协同创新中也起到重要的作用。

协同创新作为近年新倡导推进建设的模式，在实践落地的同时必然也需要诸多理论分析和研究，为其优化改进提供参考。胡雯对企业界、高校、研究所产学研协同创新的形成、识别和效果进行相关研究[2];卫洁等在对高等院校协同创新模式进行研究的基础上，以科技型人才聚集为视角，提出高等院校协同创新的复杂系统[6];朱凌等以“产学合作的协同创新模式”为研究对象，选取长三角地区的5所高校作为研究样本，提炼出目前我国高校当前长期有效合作的产学协同创新模式及其若干特征。[7]

如前所述，目前大部分的理论研究均聚焦于本科院校，以高职院校协同创新为研究对象的文献较少。然而，高职院校的产学研协同创新在技术研发和社会服务方面同样做出了积极的贡献。以浙江为例，目前已设立20个应用技术协同创新中心，是高职院校服务浙江经济社会发展的重要力量。[8]应用技术协同创新中心旨在以工程技术学科为主体，培育战略新兴产业和改造传统产业，推动产业核心共性技术的研发和转移。

浙江的高职院校在产学研合作协同创新上做了较多的尝试，也积累了一定的战略性合作经验，形成了多元的产学研协同创新形式，如图1所示。

 

图 1 高职院校产学研协同创新的主要形式   

如上所述，虽然具有良好的政策支持，丰富的实现形式，较好的前期成果，较多的模式研究，然而鲜有学者对高职牵头的协同创新进行量化的分析，科学量化分析和评估的手段仍极为缺乏。

知识是高职院校掌握的重要优势资源，知识积累是实现创新的基础。[9]高职院校协同创新产出丰富，成果包括论文和著作、科研课题、专利等三个方面。研发的积累和专利的形成体现了知识积累。[10]在研究产学研协同创新的过程中，合作深度和合作广度是两个重要的考量指标。[11]因此，知识积累、合作深度和广度是国家政策、院校制度、教师和企业研究者投入的核心效果体现和沉淀。

本文以高职院校为研究对象，尝试通过采集专利数据，利用中介效应模型，从合作专利的角度对浙江省高职院校产学研成果进行定量研究和数据挖掘，着重分析上述的知识积累、合作深度和广度等影响因子，据此提出改进建议，为进一步提升高职院校与企业协同创新实践提供参考。

一、 发明专利与协同创新的关联性

专利，包括发明专利、实用新型专利和外观设计专利。专利比其他衡量经济创新的经济变量更加接近于创新的成果转化和商业应用，可作为衡量创新能力的指标；与实用新型和外观设计专利相比，发明专利集合更多的智力劳动，体现更高的科技创新水平；高职院校与企业共同作为发明申请人和所有人的发明专利，虽然数量上只占双方各自专利中很少的一部分，但是充分体现了双方对协同合作模式的认可，是具有关键性、标志性的协同创新成果。因此，本文以合作申请发明专利作为衡量高职院校产学研协同创新绩效来进行量化分析。

通过国家知识产权局提供的专利检索平台对2011—2019年浙江省高职院校的发明专利进行检索。在检索中，将学校名称作为专利申请人，将专利的申请日限定在2011.01.01—2019.12.31,分别对各个学校专利情况进行检索，如果专利申请人具有包含高职院校的2个及以上组织，就认定该专利为合作专利，剔除发明专利申请量为0的高职院校，最终结果如表1所示。

表 1 2011—2019年浙江省高职院校发明专利数量

由上表可见：第一，浙江省高职院校间专利申请的数量存在很大的差异，体现出高职院校较为明显的面向行业产业的特征，以及院校间对发明专利的重视程度的差异或者科研实力的差距；第二，虽然实际上高职院校与企业在专利合作方面存在较多的隐性合作，但是共同为发明申请人的合作发明专利数目较为有限，显性的能够明确体现专利合作关系的合作发明专利数有待进一步增加；第三，基于上述数据进一步分析，在设立“应用技术协同创新中心”的20所高职院校中，有85%的院校发明专利的申报数量、合作数量或者上述两项指标在全省近50所高职院校中位居前20名，说明发明专利作为协同创新的成果之一，其申报的活跃度、合作申请的数量与协同创新之间有着较强的关联性。

二、 中介效应分析方法和研究假设

本文引入中介效应分析方法，以浙江省的高职院校的发明专利为研究对象，研究知识积累、合作广度、合作深度、合作广度和合作深度共同作用等要素对协同创新绩效的影响程度。

高校知识积累越多，表明知识差异化程度大，需要扩大与外部单位交流，实现知识互补，提升高校与其他不同单位的协作创新可能性。[12]因此，本文提出研究假说H1。

H1:高职院校的知识积累正向影响产学研合作的广度。

高校存储的知识量越大，拥有更多的专业化知识，会促进获取新的专业知识、转化、吸收和整合。当高校对某领域进行深入研究时，高校与处在共同知识库的外部单位之间互动会增加，形成深层协作创新。[11]因此，提出假说H2。

H2:高职院校的知识积累正向影响产学研合作的深度。

产学研协同创新合作广度指高校与其它单位协作创新的多样化程度。在与其他单位合作过程中，高校吸取学科交叉融合的特异性知识，扩宽知识面，有利于创新成效。研究表明，高校跨单位协同合作科研的广度会显著影响协同创新绩效。

产学研协同创新合作深度指高校与其他单位合作的密切程度及平均次数。合作深度较高意味着主体间相互信赖，有着深入的知识与资源的分享和交流；此外，各种类型与层次的互动交流活动也会提升合作单位间相互学习的效果，产生协同创新成果。[13]因此，提出假说H3和H4。

H3:高职院校的合作广度正向影响产学研协同创新绩效；

H4:高职院校的合作深度正向影响产学研协同创新绩效。

实际上，高校与其他单位之间的合作同时存在着合作广度和合作深度，就算与同一个单位也存在多样化、多层次的合作。故需要考虑合作广度和深度存在的耦合作用对协同创新的影响，因此，提出假说H5。

H5:高职院校的合作广度和深度共同作用正向影响产学研协同创新绩效。

三、 中介效应模型构建

中介变量是指在自变量影响因变量的过程中具有中介作用的变量，可以从内在因素分析因果关系，即自变量X通过中介变量M实现对因变量Y的影响。控制变量Xn是指自变量之外存在的与因变量相关的额外变量。下文根据中介效应分析方法[14],建立回归模型，挖掘内涵信息。

(一) 变量的选取与测量。

(1) 自变量。

形成专利是知识积累的体现，因此，选用浙江省高职院校前5年的专利申请数作为其知识积累设为自变量，即高职院校i在t-5至t-1年申请的专利数。

(2) 因变量。

根据研究浙江省高职院校产学研协同创新的需要，选取2011—2019年的产学研协同创新具有合作专利的院校作为研究对象，使用其专利申请数，即高职院校i在t年的产学研协同创新申请的专利数作为因变量。

(3) 中介变量。

考虑两个内在可能的影响因子——合作广度和合作深度，结合杨震宁等[15]、科巴格等[16]的研究，以联合申请专利的数量作为主要衡量协同创新合作广度的标准；以不同单位合作申请专利的平均次数来衡量协同创新深度，数值越大，表明协同创新程度越深。

本研究结合惯例的做法，以高校具有合作者数量来计算合作广度，即高职院校i在t-3至t-1年产学研合作网络的度数中心性。合作深度定义为与直接合作组织合作的平均次数，即

合作深度=Σi=1NPi/N合作深度=Σi=1ΝΡi/Ν

N代表合作者的数量，i代表第i个合作者，Pi代表高职院校与第i个合作者在最近3年内合作的次数。

(4) 控制变量。

建立模型是为了分析2011—2019年浙江省高职院校合作专利与产学研协同创新的影响，为了控制时间对面板数据的影响，增加一个年份作为控制变量。

(二) 计量模型。

M2=k1X1+e1M3=k2X1+e2Y=aM2+bM3+c(M2∩M3)+dX4+e3Μ2=k1X1+e1Μ3=k2X1+e2Y=aΜ2+bΜ3+c(Μ2∩Μ3)+dX4+e3

其中Y是产学研协同创新绩效，X1是知识积累，M2是中介变量合作广度，M3是中介变量合作深度，M2∩M3是合作广度与合作深度的共同作用，X4是控制变量年份，系数k1是自变量X1对中介变量M2的效应，系数k2是自变量X1对中介变M3量的效应，系数a、b、c是中介变量M2、M3、M2∩M3对Y的效应，系数d是控制变量X4对Y的效应，e1,e2,e3是回归残差。

对模型进行求解的时候，考虑到高职院校的合作专利样本数量不大，也不符合正态分布函数且内部存在中介效应，因此采用主成分分析与多元回归相结合的迭代估计法(PLS)。选用Smart-PLS软件进行分析，在Smart PLS软件上建立结构方程计量模型，调用Bootstrap工具进行分析。

四、 实证分析

(一) 描述性统计及相关分析。

利用浙江省高职院校2011—2019年的产学研协同创新的合作专利申请等数据，求得研究变量的均值、方差和相关系数如下表2所示。

表 2 研究变量的描述性统计及相关系数 

注：*、@分别表示在5%、1%统计水平上显著。

产学研协同创新绩效与合作广度、合作深度在99%的置信水平下显著正相关，知识积累与合作广度正相关，即假说H1、H3、H4、H5能得到支持。合作深度与知识积累、知识广度成负相关，年份与合作深度成负相关，但负相关系数的值比较小，说明负相关极弱或不明显，不能说明知识积累对合作深度的影响，即假说H2没有得到充分的支持。

(二) 结构方程模型结果。

模型均为单一指标，没有必要进行信度和效度分析，故可以直接用Smart PLS软件的Bootstrapping算法，计算出模型的内生变量解释程度R2,结果如下：

 

图 2 结构模型的路径分析结果(T检验)   

R2是判断PLS-SEM质量的中心标准，取值在(0-1)内，值越大，表明拟合程度越优。根据结构模型路径分析的结果，合作广度的R2数值比较大，该路径符合预期。但合作深度的R2为0.003,这表明知识积累没有体现出对合作深度的促进作用，即假说H2没能得到证明，因此忽略知识积累对合作深度的影响，得到如下结果：

 

图 3 修正后的结构模型的路径分析结果(T检验)   

由上图可知，合作深度的路径删除后，合作广度的R2的值有明显下降，故仍应保留该路径，说明知识积累对合作深度、广度有影响，即假说H1、H2未被拒绝。

(三) 路径与中介效应分析。

于是使用Bootstrapping算法进行进一步整体分析：

 

图 4 2SLS的结构模型的路径分析结果(T检验)   

(1) 路径分析。

在上图Bootstrapping算法分析结果中，合作广度与合作深度对产学研协同创新绩效、知识积累对合作广度、合作深度对产学研协同创新绩效、合作广度对产学研协同创新绩效均为正向。在T值方面，知识积累对合作广度、知识积累对合作深度、合作广度对产学研协同创新绩效均到达显著性水平H3(T>1.96)。因此，假说H1、H2、H3被验证，H4未被拒绝。

(2) 中介效应分析。

根据Bootstrapping的结果，知识积累间接作用路径的P值小于0.01,说明存在间接路径具有显著性。而知识积累直接作用路径的P值大于0.05,说明直接影响协同创效效果不显著。结合中介效应相关知识，间接效应比直接影响显著时，可以认为存在完全的中介效应，即知识积累可以通过广度和深度影响协同创新。假说H3、H4得到验证。

合作广度与合作深度的交互对合作创新绩效存在显著正向影响(β=0.796,T=1,P<0.01),假说H5得到验证。

五、 结论与建议

(一) 研究结论。

以浙江省高职院校2011—2019年专利申请数据为基础，实证检验知识积累、合作广度、合作深度、合作广度与深度共同作用等要素对高职院校产学研协同创新绩效的影响程度。结论主要有以下三点：

第一，合作广度明显促进产学研协同创新绩效提升。

合作单位越多，越有利于高职院校吸收不同领域知识，突破技术的限制，促进学科知识交叉融合，积极催生创新的方向、增长点。

第二，知识积累没有明显促进合作深度的加强。

说明高职院校与企业作为不同类型的机构，目前主要还是通过扩大合作单位范围来吸取知识，而深层次合作主要在同质机构间，如学校与附属单位，或其它兄弟单位。作为协同创新主体的高职院校和企业，它们之间的信任度有待进一步加强，从而提高合作深度对产学研协同创新绩效的贡献率。

第三，合作广度和合作深度的共同作用对产学研协同创新有正向影响。

对于有一定广泛合作者的高职院校来说，差异化、交叉的知识技术积累，可以通过增加合作的紧密度和合作的次数提高合作效率，进一步挖掘合作单位的创新资源。

(二) 政策建议。

根据上述结论，提出加强高职院校产学研协同创新合作深度以及提高合作创新绩效的政策建议：

(1) 高职院校与企业的产学研合作应建立稳定长效机制。

校企协同创新过程中，高职院校应积极发挥优势，促进应用技术、加工工艺等技术创新方面的长期知识积累。

(2) 高职院校与企业应积极主动用好各方平台。

譬如利用网上技术市场、技术转移公共服务平台、科技创新云服务平台等，有效促进高职院校与企业之间的技术转移和人才流动，进一步拓展高职院校与企业的合作广度。

(3) 高职院校应准确定位，深耕特色。

相比普通高校，高职院校在研究方向上更接地气，更能在较短的时间实现应用技术研究成果的转化。高职院校与企业应进一步建设好应用技术协同创新中心，在高职院校具有技术优势的领域丰富合作内涵。

参考文献

[1] 熊彼特.经济发展理论[M].上海：立信会计出版社，2017:168.

[2] 胡雯.产学研协同创新形成、识别与效果[M].上海：上海社会科学院出版社，2018:33,67.

[3] 何郁冰.产学研协同创新的理论模式[J].科学学研究，2012(2):165-174

[4] 陈劲，阳银娟.协同创新的理论基础与内涵[J].科学学研究，2012(2):3-6.

[5] 教育部，财政部.关于实施高等学校创新能力提升计划的意见(教技[2012]6号)[R].2012-05.

[6] 卫洁，牛冲槐，陈怀超，等.基于科技型人才集聚的高等院校协同创新系统建模与仿真[J].科技进步与对策，2019(1):145-153.

[7] 朱凌，常甲辉，徐旋.从构建产学合作平台到实现产学协同创新——基于长三角“985”高校专利数据及典型案例的研究[J].高等工程教育研究，2012(4):59-66.

[8] 浙江省教育厅.关于开展2016年度浙江省“应用技术协同创新中心”申报认定工作的通知(浙教办函[2016]14号)[R].2016-10.

[9] 刘亭亭，吴洁，张宇洁.产学研合作中高校知识创新能力的提升系统动力学研究——基于知识转移视角[J].情报杂志，2012,31(10):196-200.

[10] ARGOTE L,MCEVILY B,REAGANS R.Introduction to the special issue on managing knowledge in organizations:creating,retaining,and transferring knowledge[J].Management Science,2003,49(4):553-570.

[11] 李雨浓，王博，张永忠.校企专利合作网络的结构特征及其演化分析——以“985 高校”为例[J].科研管理，2018,39(03):132-140.

[12] 邹波，郭峰，熊新，等.企业广度与深度吸收能力的形成机理与效用——基于264 家企业数据的实证研究[J].科学学研究，2015,33(3):432-439.

[13] 王兴秀，李春艳.研发合作中伙伴多样性对企业创新绩效的影响机理[J].中国流通经济，2020,34(9):89-99.

[14] 江程铭，李纾.中介分析和自举(Bootstrap)程序应用[J].心理学探新，2015,35(5):458-463.

[15] 杨震宁，吴剑峰，乔璐.企业研发伙伴的多样性、政治嵌入与技术创新绩效的关系研究[J].经济管理，2016,38(1):51-61.

[16] KOBARG S,STUMPF-WOLLERSHEIM J,WELPE M I.More is not always better:effects of collaboration breadth and depth on radical and incremental innovation performance atthe project level[J].Research Policy,2019,48(1):1-10.

[17] 贾晓霞，张寒.引入合作网络的知识积累对产学研合作创新绩效影响的实证研究——基于中国2006—2015年34所985高校专利数据[J].产经评论，2018(6):116-127.

[18] 温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用[J].心理学报，2005,37(2):268-274.