基于专利视角的江苏高校科技成果到实际生产力转换效率研究
摘要：文章依据全要素生产率理论，使用江苏12所省属高校成果转化统计表，采用数据包络分析方法，测算了江苏高校专利到实际生产力转换的技术效率和规模效率。发现2016和2017年高校专利生产力转换效率在纯技术效率都是58.33%，通过和密度图对比发现，2017年的纯技术效率显著提升。从转换规模效率来看，2017年和2016年相比规模效率有小幅下降，两年有一半样本的规模效率值为1。通过调研分析了高校科技成果转化率低的原因，并提出相应的对策建议。
关键词：江苏高校；专利；实际生产力；转换效率；DEA
一、 引言
近些年，随着国家对科技创新重视程度的增加，国内对高校科技成果研究的文献逐年增多，主要从评价体系、创新效率、人才培养、政策制度、区域贡献度等方面入手进行研究。如何高效率地将高校的科技成果（尤其是专利）转化为现实生产力就自然而然成为学界和产业界最为关注的问题。但是，我们也应该清晰的认识到，目前从实证视角研究转换效率的文献相对薄弱，如何测量和比较其转换效率具有重要的理论和使用价值。本文利用江苏省属的12所代表性高等院校三类专利申请、授权、转化实施情况的面板数据，采用数据包络分析（DEA）方法对此问题进行系统的研究。
二、 理论框架與研究思路
约瑟夫·熊彼特早在1912年就指出技术创新是知识成果商品化的过程。从高校创新到实际生产力转换效率的模型可用图1加以描述：高校科技研发投入的目的，是实现预期的产出成果，进而转化成实际生产力。而在投入之后的研发阶段，专利授权是转化实际生产力的一个关键节点。专利被授权后，可以通过直接进行成果产业化，也可以通过对外许可实施、转让实现成果产业化，来达到产生经济效益、社会效益等效果的实际生产力的目的。但是受到专利本身质量的影响，以及成果转化载体及创新平台载体的成熟度、服务完善性以及体制机制等因素的制约，专利转化实施的进度和结果都难以保证，从而影响到转化成实际生产力的效率。
基于以上理论，对高校专利授权量实际生产力转换效率进行了测算，并对相关影响因子进行分析。首先，从高校专利成果转化统计表数据中整理出代表实际生产力的可测量指标。其次，使用数据包络分析（DEA）方法研究高校专利授权量向实际生产力的转换效率。决策单元指的是样本中的高校代码，发明、实用新型和外观设计三项专利授权量作为投入，以成果转化金额、技术转让收入作为产出，分析高校专利授权量向实际生产力的转换效率情况。然后，根据DEA模型得出的高校专利授权量向实际生产力的分值，分析不同年份样本的高校专利授权量向实际生产力的情况及变动方向，在此基础上，探索高校专利授权量向实际生产力转换效率的影响变量。
三、 数据说明与统计分析
研究中使用的数据是江苏12所省属理工类和综合类高校成果转化统计数据，这一数据对江苏高校的总体具有很强的代表性。本文对2016年和2017年两年的江苏省属高校样本的数据进行研究。
接下来，阐述所用的变量。首先，以发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量授权量、专利转化实施量作为高校科技创新投入变量。
进一步，依据完备性和独立性原则选取然后，选取成果转化金额和技术转让当年实统计数据际收入作为实际生产力指标。
首先，查看代表实际生产力的产出集的主要指标的状况。成果转化金额和技术转让当年实际收入的均值都有所提升，2017年分别达到了201.930 8万元和940.333 3万元，2016年为188.925万元和804.783 4万元，增长率分别为6.88%和16.84%，技术转让当年实际收入增幅较大，说明科技创新总体实力在提升。
其次，分析代表科技创新能力的投入集的主要指标状况。发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量和专利转化实施量均值有明显上升倾向，2017年分别达到了193.833 3件、109.75件、19.333 33件、322.916 7件和48.666 67件，2016年为175.75件、98.5件、19件、293.25件和14.166 67件，增长率分别为10.29%、11.42%、1.75%、10.12%和243.53%，专利转化实施量增加幅度最大，说明江苏省政府2016年下半年出台的“科技创新40条”政策效果一定程度开始显现，高校科技成果转移转化的通道开始拓宽，科技人员推动转化的积极性开始提升，科技创新到实际生产的转化实施有较大的改善。
四、 高校专利授权量到实际生产力的效率实证分析
1. 指标的选取及确定。依据现有全要素生产力理论和以往相关文献的研究，从江苏省12所省属理工类和综合类高校成果转化统计表数据中整理出两个变量代表实际生产力，即成果转化金额和技术转让当年实际收入（万元）。同理，投入变量也从数据中整理出五个代表性变量：发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量、专利转化实施量。
2. DEA分析科技创新向实际生产力的转换效率。研究高校从科技创新到实际生产力的转换效率可以使用数据包络分析（DEA）方法。DEA是一种非参数的投入—产出效率分析方法。使用该方法时不需要设定投入和产出之间的函数关系，也无需人为地设定不同的投入或产出指标的权重，功能强大，应用较为简便，因而应用非常广泛。比较常用的DEA模型有BCC模型和CCR模型。两种模型都可以按照投入导向和产出导向进行分析。本文中，我们用投入导向的DEA分析。此外，规模报酬状况无法从理论上确定，因而应采用BCC模型。以产出导向的BCC模型主要分析转换的纯技术效率，还需要借助产出导向的CCR模型分析转换的规模效率。所用软件为MaxDEA6.6。
（1）高校从科技创新到实际生产力的转换技术效率。根据效率值，发现有效个体的数量都是12，有效的比例也相同，都是58.33%，可以看出，这十二所江苏高校从科技创新到实际生产力转换有效率的个体比例一半以上，还有一小半学校从科技创新到实际生产力存在转换效率低的问题。从科技创新到实际生产力转换技术效率的情况比较两年的变化。2016年均值为0.649，到了2017年均值增加到0.815，可以看出，高校从科技创新到实际生产力有效性显著增加。通过比较2017年与2016年的核密度图看出，2017年纯技术效率分布明显右偏，这说明2017年在纯技术效率方面有比较大的提升。
综上所述，江苏高校从科技创新到实际生产力转换的有效比例不高，大多数高校还未能充分利用所拥有的科技创新能力，对实际生产力的提高起到更大的推动作用，主要是高校的主观意愿、政府政策、环境等方面限制了转换效率。如果从变动趋势考察，高校从科技创新到实际生产力提升速度较快，应关注哪些因素引起这一变化。
（2）科技创新到实际生产力转换的规模效率分析。接下来，我们进一步测算了科技创新到实际生产力转换的规模效率。2016年和2017年规模效率的均值分别为1.129和0.897，规模效率轻微下降，原因在于2016年淮阴师范学院的规模效率为5.261 109，使得值超过1，但是总体样本呈现规模报酬不变和规模报酬递减状态。
2016年一半的样本处于规模报酬不变的阶段，结果说明高校科研创新规模扩大一倍，对实际生产力的影响也是以相同倍数扩大。16.667%的样本的规模效率值大于1，处于规模报酬递增的阶段，这表明随着高校科研创新的规模不断扩大，对实际生产力的影响倍数更大。16.667%的样本的规模效率值小于1，处于规模报酬递减的阶段，这表明随着高校科研创新的规模不断扩大，实际生产力扩大倍数小于科研创新规模的扩大倍数。还有16.667%的样本的规模效率值等于0，处于无效率状态。
2017年一半的样本处于规模报酬不变的阶段，结果说明高校科研创新规模扩大一倍，对实际生产力的影响也是以相同倍数扩大。50%的样本的规模效率值小于1，处于规模报酬递减的阶段，这表明随着高校科研创新的规模不断扩大，实际生产力扩大倍数小于科研创新规模的扩大倍数。与2016年相比，南京中医药大学和常熟理工大学规模效率从0变为1，从无效率状态变成有效率状态。南京林业大学、扬州大学、苏州科技大学从规模报酬不变进入规模效率递减状态，而南京师范大学则由规模报酬递增进入规模报酬递减状态，见表3。
五、 结论与启示
统计分析发现，2016年～2017年江苏12所代表性省属高校专利转化实施量为754件，有效专利量为7 394件，专利转化率仅为10.2%，与全国平均水平基本持平，江苏的科教资源优势未能有效发挥。依然存在知识产权意识薄弱、专利质量偏低、专利转化信息不对称、缺乏资金支撑、转化渠道不畅通等问题，大量科技成果被束之高阁，对江苏区域经济发展支撑作用不明显，也与江苏高教大省地位极不匹配。这也表明“科技创新40条”等好的政策还没落地落实落到位，还存在较多盲区和痛点，成效还不够显著，高校教职科研人员对创新激励政策的需要和创新支持不平衡不充分的主要矛盾依然凸显。
通过深入12所高等院校和有关部门调研，并对数据进行分析，发现高校科技成果转化率低下的主要原因有：
1. 思想不够解放，重视程度不高。高校大多为科技部门在唱“独角戏”，培训仅限于管理和行政人员，一线科研人员对科技政策知之甚少，科研、人事、财务、资产等部门协调联动的工作局面尚未形成。涉及高校贯彻落实的23个政策点中，“科研项目经费管理”和“职称评审权下放”等常态政策配套措施出台率高，“股权和分红激励”等市场化政策落地率低，科研人员也不愿因股权等个人不了解的市场因素影响前途命运，采集的12所样本高校中仅苏州科技大学1家使用了股权激励方式。
2. 缺乏统筹设计，配套政策供需矛盾多。有利于高校科技创新政策落实的生态还不够优化，在政策形成与细化落实中，针对性不强，思考角度更多是政府权力的“沙漏释放”而少“托举保障”，深层次研究江苏高校主要制度障碍与基本矛盾不够，反思大学排名与人才评估体系的掣肘作用不足，政府“供给”对不上高校“需求”胃口，造成好政策难落实、有好心难办事。
3. 创新资源支撑不足，传统评价导向惯性较大。科技创新资源整合不到位，缺乏全省统一的共建共享共用科技大数据运行管理机制。高校科技创新大多仍以发表高水平SCI论文为目标，存在重基础研究輕成果转化现象。
针对以上三点原因，政府应从以下三个方面进行改革，提升高校科技成果到实际生产力的转换效率：
1. 加大顶层设计，提高政策的系统性和精准度。深入推进江苏省属高校科技创新供给侧结构性改革：一是紧扣再创新与痛点，把高校科技创新纳入江苏科技创新供给侧改革整体框架，研究科技体制机制再创新；二是尽快把改革“高校人事制度”作为落点系统设计，制订全面推进江苏高校深化改革的工作方案。
2. 树立科学导向，建立政策实施协同平衡机制。着眼放到位与考核考绩，一是全省党政部门树立“充分放权和尊重高校主体地位”理念，深入研究高校科技创新优势；二是建立高校科技政策落地考核和容错纠错机制，强化高校领导主体责任，要求切实做到政治过硬、本领高强，因地制宜建立起充满活力的校内科技创新工作体制和运行机制，做到既培育师生创新创业，又保证教育事业蓬勃发展。
3. 优化资源配置，加快全省科技创新资源整合。依托大数据开展精细化服务，一是以建设“江苏智慧科技创新大数据云中心”为龙头，从高校企业、产研院高新区、产权交易市场等创新主体和科技成果知识产权、科研人才等生产要素两大维度，构建江苏强大的科技资源共建共享开放平台；二是建设“政府监管服务中心”，多部门在线联动，化繁为简、突出关键，将江苏创新政策落地流程化、信息化，运用大数据实现高校和政府的在线互动。
参考文献：
[1] 王章豹，徐枞巍.高校科技创新能力综合评价：原则、指标、模型与方法[J].中国科技论坛，2005，（2）：55-59.
[2] 薛二勇.协同创新与高校创新人才培养政策分析[J].中国高教研究，2012，（12）：26-31.
[3] 文少保.高校教育科研成果向政策转化的路径依赖与制度创新[J].中国高教研究，2013，（9）：46-51.
[4] 赵喜仓，任洋.R&D投入、专利产出效率和经济增长实力的动态关系研究——基于江苏省13个地级市面板数据的PVAR分析[J].软科学，2014，28（10）：18-21.
[5] 陈佳，吴椒军，汤传胜.基于战略地图的高校科技创新能力评价体系研究[J].中国高校科技，2015，（11）：62-64.
[6] 李明，李鹏.高校科技创新与地区经济发展[J].财经问题研究，2018，（1）：123-128.
作者简介：段鹏（1986-），男，汉族，河北省张家口市人，南京理工大学知识产权学院博士生，2016江苏政府留学奖学金获得者，美国宾夕法尼亚爱丁堡大学访问学者，江苏省纪委监委青工委委员，研究方向为科技创新、知识产权管理、国家治理；吕文慧（1979-），女，汉族，江苏省徐州市人，南京财经大学经济学院副教授，中国人民大学经济学博士，研究方向为福利经济学；董新凯（1968—），男，汉族，江苏省淮安市洪泽区人，南京理工大学知识产权学院副院长、教授、博士生导师，江苏省高校人文社会科学研究基地“江苏省知识产权发展研究中心”主任，法学博士，研究方向为知识产权法、竞争法。
收稿日期：2018-08-17。
关键词：江苏高校；专利；实际生产力；转换效率；DEA
一、 引言
近些年，随着国家对科技创新重视程度的增加，国内对高校科技成果研究的文献逐年增多，主要从评价体系、创新效率、人才培养、政策制度、区域贡献度等方面入手进行研究。如何高效率地将高校的科技成果（尤其是专利）转化为现实生产力就自然而然成为学界和产业界最为关注的问题。但是，我们也应该清晰的认识到，目前从实证视角研究转换效率的文献相对薄弱，如何测量和比较其转换效率具有重要的理论和使用价值。本文利用江苏省属的12所代表性高等院校三类专利申请、授权、转化实施情况的面板数据，采用数据包络分析（DEA）方法对此问题进行系统的研究。
二、 理论框架與研究思路
约瑟夫·熊彼特早在1912年就指出技术创新是知识成果商品化的过程。从高校创新到实际生产力转换效率的模型可用图1加以描述：高校科技研发投入的目的，是实现预期的产出成果，进而转化成实际生产力。而在投入之后的研发阶段，专利授权是转化实际生产力的一个关键节点。专利被授权后，可以通过直接进行成果产业化，也可以通过对外许可实施、转让实现成果产业化，来达到产生经济效益、社会效益等效果的实际生产力的目的。但是受到专利本身质量的影响，以及成果转化载体及创新平台载体的成熟度、服务完善性以及体制机制等因素的制约，专利转化实施的进度和结果都难以保证，从而影响到转化成实际生产力的效率。
基于以上理论，对高校专利授权量实际生产力转换效率进行了测算，并对相关影响因子进行分析。首先，从高校专利成果转化统计表数据中整理出代表实际生产力的可测量指标。其次，使用数据包络分析（DEA）方法研究高校专利授权量向实际生产力的转换效率。决策单元指的是样本中的高校代码，发明、实用新型和外观设计三项专利授权量作为投入，以成果转化金额、技术转让收入作为产出，分析高校专利授权量向实际生产力的转换效率情况。然后，根据DEA模型得出的高校专利授权量向实际生产力的分值，分析不同年份样本的高校专利授权量向实际生产力的情况及变动方向，在此基础上，探索高校专利授权量向实际生产力转换效率的影响变量。
三、 数据说明与统计分析
研究中使用的数据是江苏12所省属理工类和综合类高校成果转化统计数据，这一数据对江苏高校的总体具有很强的代表性。本文对2016年和2017年两年的江苏省属高校样本的数据进行研究。
接下来，阐述所用的变量。首先，以发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量授权量、专利转化实施量作为高校科技创新投入变量。
进一步，依据完备性和独立性原则选取然后，选取成果转化金额和技术转让当年实统计数据际收入作为实际生产力指标。
首先，查看代表实际生产力的产出集的主要指标的状况。成果转化金额和技术转让当年实际收入的均值都有所提升，2017年分别达到了201.930 8万元和940.333 3万元，2016年为188.925万元和804.783 4万元，增长率分别为6.88%和16.84%，技术转让当年实际收入增幅较大，说明科技创新总体实力在提升。
其次，分析代表科技创新能力的投入集的主要指标状况。发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量和专利转化实施量均值有明显上升倾向，2017年分别达到了193.833 3件、109.75件、19.333 33件、322.916 7件和48.666 67件，2016年为175.75件、98.5件、19件、293.25件和14.166 67件，增长率分别为10.29%、11.42%、1.75%、10.12%和243.53%，专利转化实施量增加幅度最大，说明江苏省政府2016年下半年出台的“科技创新40条”政策效果一定程度开始显现，高校科技成果转移转化的通道开始拓宽，科技人员推动转化的积极性开始提升，科技创新到实际生产的转化实施有较大的改善。
四、 高校专利授权量到实际生产力的效率实证分析
1. 指标的选取及确定。依据现有全要素生产力理论和以往相关文献的研究，从江苏省12所省属理工类和综合类高校成果转化统计表数据中整理出两个变量代表实际生产力，即成果转化金额和技术转让当年实际收入（万元）。同理，投入变量也从数据中整理出五个代表性变量：发明专利授权量、实用新型专利授权量、外观设计专利授权量、专利总量、专利转化实施量。
2. DEA分析科技创新向实际生产力的转换效率。研究高校从科技创新到实际生产力的转换效率可以使用数据包络分析（DEA）方法。DEA是一种非参数的投入—产出效率分析方法。使用该方法时不需要设定投入和产出之间的函数关系，也无需人为地设定不同的投入或产出指标的权重，功能强大，应用较为简便，因而应用非常广泛。比较常用的DEA模型有BCC模型和CCR模型。两种模型都可以按照投入导向和产出导向进行分析。本文中，我们用投入导向的DEA分析。此外，规模报酬状况无法从理论上确定，因而应采用BCC模型。以产出导向的BCC模型主要分析转换的纯技术效率，还需要借助产出导向的CCR模型分析转换的规模效率。所用软件为MaxDEA6.6。
（1）高校从科技创新到实际生产力的转换技术效率。根据效率值，发现有效个体的数量都是12，有效的比例也相同，都是58.33%，可以看出，这十二所江苏高校从科技创新到实际生产力转换有效率的个体比例一半以上，还有一小半学校从科技创新到实际生产力存在转换效率低的问题。从科技创新到实际生产力转换技术效率的情况比较两年的变化。2016年均值为0.649，到了2017年均值增加到0.815，可以看出，高校从科技创新到实际生产力有效性显著增加。通过比较2017年与2016年的核密度图看出，2017年纯技术效率分布明显右偏，这说明2017年在纯技术效率方面有比较大的提升。
综上所述，江苏高校从科技创新到实际生产力转换的有效比例不高，大多数高校还未能充分利用所拥有的科技创新能力，对实际生产力的提高起到更大的推动作用，主要是高校的主观意愿、政府政策、环境等方面限制了转换效率。如果从变动趋势考察，高校从科技创新到实际生产力提升速度较快，应关注哪些因素引起这一变化。
（2）科技创新到实际生产力转换的规模效率分析。接下来，我们进一步测算了科技创新到实际生产力转换的规模效率。2016年和2017年规模效率的均值分别为1.129和0.897，规模效率轻微下降，原因在于2016年淮阴师范学院的规模效率为5.261 109，使得值超过1，但是总体样本呈现规模报酬不变和规模报酬递减状态。
2016年一半的样本处于规模报酬不变的阶段，结果说明高校科研创新规模扩大一倍，对实际生产力的影响也是以相同倍数扩大。16.667%的样本的规模效率值大于1，处于规模报酬递增的阶段，这表明随着高校科研创新的规模不断扩大，对实际生产力的影响倍数更大。16.667%的样本的规模效率值小于1，处于规模报酬递减的阶段，这表明随着高校科研创新的规模不断扩大，实际生产力扩大倍数小于科研创新规模的扩大倍数。还有16.667%的样本的规模效率值等于0，处于无效率状态。
2017年一半的样本处于规模报酬不变的阶段，结果说明高校科研创新规模扩大一倍，对实际生产力的影响也是以相同倍数扩大。50%的样本的规模效率值小于1，处于规模报酬递减的阶段，这表明随着高校科研创新的规模不断扩大，实际生产力扩大倍数小于科研创新规模的扩大倍数。与2016年相比，南京中医药大学和常熟理工大学规模效率从0变为1，从无效率状态变成有效率状态。南京林业大学、扬州大学、苏州科技大学从规模报酬不变进入规模效率递减状态，而南京师范大学则由规模报酬递增进入规模报酬递减状态，见表3。
五、 结论与启示
统计分析发现，2016年～2017年江苏12所代表性省属高校专利转化实施量为754件，有效专利量为7 394件，专利转化率仅为10.2%，与全国平均水平基本持平，江苏的科教资源优势未能有效发挥。依然存在知识产权意识薄弱、专利质量偏低、专利转化信息不对称、缺乏资金支撑、转化渠道不畅通等问题，大量科技成果被束之高阁，对江苏区域经济发展支撑作用不明显，也与江苏高教大省地位极不匹配。这也表明“科技创新40条”等好的政策还没落地落实落到位，还存在较多盲区和痛点，成效还不够显著，高校教职科研人员对创新激励政策的需要和创新支持不平衡不充分的主要矛盾依然凸显。
通过深入12所高等院校和有关部门调研，并对数据进行分析，发现高校科技成果转化率低下的主要原因有：
1. 思想不够解放，重视程度不高。高校大多为科技部门在唱“独角戏”，培训仅限于管理和行政人员，一线科研人员对科技政策知之甚少，科研、人事、财务、资产等部门协调联动的工作局面尚未形成。涉及高校贯彻落实的23个政策点中，“科研项目经费管理”和“职称评审权下放”等常态政策配套措施出台率高，“股权和分红激励”等市场化政策落地率低，科研人员也不愿因股权等个人不了解的市场因素影响前途命运，采集的12所样本高校中仅苏州科技大学1家使用了股权激励方式。
2. 缺乏统筹设计，配套政策供需矛盾多。有利于高校科技创新政策落实的生态还不够优化，在政策形成与细化落实中，针对性不强，思考角度更多是政府权力的“沙漏释放”而少“托举保障”，深层次研究江苏高校主要制度障碍与基本矛盾不够，反思大学排名与人才评估体系的掣肘作用不足，政府“供给”对不上高校“需求”胃口，造成好政策难落实、有好心难办事。
3. 创新资源支撑不足，传统评价导向惯性较大。科技创新资源整合不到位，缺乏全省统一的共建共享共用科技大数据运行管理机制。高校科技创新大多仍以发表高水平SCI论文为目标，存在重基础研究輕成果转化现象。
针对以上三点原因，政府应从以下三个方面进行改革，提升高校科技成果到实际生产力的转换效率：
1. 加大顶层设计，提高政策的系统性和精准度。深入推进江苏省属高校科技创新供给侧结构性改革：一是紧扣再创新与痛点，把高校科技创新纳入江苏科技创新供给侧改革整体框架，研究科技体制机制再创新；二是尽快把改革“高校人事制度”作为落点系统设计，制订全面推进江苏高校深化改革的工作方案。
2. 树立科学导向，建立政策实施协同平衡机制。着眼放到位与考核考绩，一是全省党政部门树立“充分放权和尊重高校主体地位”理念，深入研究高校科技创新优势；二是建立高校科技政策落地考核和容错纠错机制，强化高校领导主体责任，要求切实做到政治过硬、本领高强，因地制宜建立起充满活力的校内科技创新工作体制和运行机制，做到既培育师生创新创业，又保证教育事业蓬勃发展。
3. 优化资源配置，加快全省科技创新资源整合。依托大数据开展精细化服务，一是以建设“江苏智慧科技创新大数据云中心”为龙头，从高校企业、产研院高新区、产权交易市场等创新主体和科技成果知识产权、科研人才等生产要素两大维度，构建江苏强大的科技资源共建共享开放平台；二是建设“政府监管服务中心”，多部门在线联动，化繁为简、突出关键，将江苏创新政策落地流程化、信息化，运用大数据实现高校和政府的在线互动。
参考文献：
[1] 王章豹，徐枞巍.高校科技创新能力综合评价：原则、指标、模型与方法[J].中国科技论坛，2005，（2）：55-59.
[2] 薛二勇.协同创新与高校创新人才培养政策分析[J].中国高教研究，2012，（12）：26-31.
[3] 文少保.高校教育科研成果向政策转化的路径依赖与制度创新[J].中国高教研究，2013，（9）：46-51.
[4] 赵喜仓，任洋.R&D投入、专利产出效率和经济增长实力的动态关系研究——基于江苏省13个地级市面板数据的PVAR分析[J].软科学，2014，28（10）：18-21.
[5] 陈佳，吴椒军，汤传胜.基于战略地图的高校科技创新能力评价体系研究[J].中国高校科技，2015，（11）：62-64.
[6] 李明，李鹏.高校科技创新与地区经济发展[J].财经问题研究，2018，（1）：123-128.
作者简介：段鹏（1986-），男，汉族，河北省张家口市人，南京理工大学知识产权学院博士生，2016江苏政府留学奖学金获得者，美国宾夕法尼亚爱丁堡大学访问学者，江苏省纪委监委青工委委员，研究方向为科技创新、知识产权管理、国家治理；吕文慧（1979-），女，汉族，江苏省徐州市人，南京财经大学经济学院副教授，中国人民大学经济学博士，研究方向为福利经济学；董新凯（1968—），男，汉族，江苏省淮安市洪泽区人，南京理工大学知识产权学院副院长、教授、博士生导师，江苏省高校人文社会科学研究基地“江苏省知识产权发展研究中心”主任，法学博士，研究方向为知识产权法、竞争法。
收稿日期：2018-08-17。
