网站首页  词典首页

请输入您要查询的论文：

　

标题 技术市场中影响技术供需主体选择合作方的关键因素识别
范文 王方　李华　张毅



摘要：技术市场的“大数据（Big Data）”时代已经来临。针对我国在“大数据”环境下建设全国统一大技术市场过程中技术供给与需求信息收集和发布标准或规范缺失问题，通过文献分析的方法，初步构建了技术市场中影响技术供需主体选择合作方时的因素体系，并结合对陕西省30所高校、25家企业和8个科研院所等的调研数据对其进行了修正和量化。最后，运用灰色接近关联度分析模型计算得出了影响技术供给方选择技术需求方时的10大关键因素和影响技术需求方选择技术供给方时的10大关键因素。
关键词：大数据；技术市场；灰色关联分析；灰色接近关联度
中图分类号：F713.584 文献标识码：A DOI：10.3969/j.issn.1003-8256.2018.02.014
0 引言
经过近30年发展，我国技术市场形成了以国家技术转移示范机构为骨干、以创新驿站为组织网络的新型技术转移服务体系，已经成为实现技术转移的一条有效途径[1，2]。2015年，全国共成交技术合同307132项，成交金额达9835.79亿元1。随着Internet技术的发展，传统的技术转移活动正逐渐向Internet转移，在线技术供给方和技术需求方迅速增长，网上技术市场不断涌现（2004年已有130多家[3]），如中国浙江网上技术市场（累计会员人数达177977人，发布技术需求83860项，技术成果192215项）2、科易网（参与人数2064907人，发布成果信息265812项）3等。毫无疑问，技术市场的“大数据（Big Data）”时代已经来临，其已具备“大数据”的4V特征[4]：体量浩大（Volume，如仅全国技术合同网上登记系统2015年便产生了30万多条交易记录）；模态繁多（Variety，如仅科易网就既包含有结构化数据，又包含有图片等全新的数据类型）；生成快速（Velocity，如仅中国浙江网上技术市场4月份截至17日就有53条技术需求发布）；价值巨大但密度很低（Value，如面对多个平台上成千上万条技术成果或技术需求信息，人们在短时间内往往不易挖掘出有用信息，数据的价值利用密度低）。
2017年5月，科技部发布的《“十三五”技术市场发展专项规划》中提出“探索建立技术市场数据中心，利用大数据、云计算等技术手段深度挖掘技术供需和配置关系”，这是“大数据”环境下我国技术市场发展的现实需求。然而，当前我国技术市场，特别是大量网上技术市场收集和发布技术供需信息的结构和标准不尽相同，技术供需信息不能有效实现跨平台的整合与共享，这使得技术的交易者需要在大量不同的网站中去查找相关的技术信息，并进行繁琐的注册甚至缴费浏览才能查找恰当的技术，交易者信息搜索成本大为提高[5]。“大数据”环境下，技术市场中每时每刻都会产生新的技术需求信息或技术供给信息，若没有统一的信息收集和发布标准或规范，将使得技术供需双方面临的“信息过载（Information Overloading）”问题更加突出，信息搜索成本亦不断提高，长期将不利于我国技术市场网络化、信息化、国际化及智能化“四化”建设。
若要建立起合理的技术供给与需求信息收集和發布标准或规范，首先需要清楚影响技术供需双方选择合作方时的因素有哪些？哪些因素对其选择合作方有着重要影响？目前虽已有大量学者从不同视角研究和讨论了影响技术供需主体选择合作方时的因素，且形成了一个庞杂的因素体系。但是若在实际收集和发布技术供需信息的过程中，将所有影响技术供需主体选择合作方时的因素都考虑进去，一方面会使信息收集变得更为困难、甚至不可能，另一方面发布的大量冗余信息将很容易淹没有价值的信息点。此外，需要指出的是在技术市场中技术供需主体选择合作方时影响因素的庞杂性决定了很难收集到大量有效、可靠的统计数据，这使得回归分析法的应用受限。因此，在仅有少量可靠数据的情况下如何从庞杂的因素中找出影响技术供需主体选择合作方时的关键因素显得格外重要。鉴于此，本文通过文献分析（文献梳理与理论总结）与实证分析（问卷调查与访谈）相结合的方法，构建了技术市场中影响技术供需主体选择合作方时的因素体系，并通过灰色接近关联度分析模型实现了影响因素的序化处理，基于此给出了影响技术供给方选择技术需求方时的10大关键因素和影响技术需求方选择技术供给方时的10大关键因素，以期为我国建设技术市场的信息收集和发布标准或规范提供参考。
1 技术供需主体选择的影响因素体系构建
技术市场中影响技术供需主体选择合作方时的因素是多方面的，既包括影响技术供需双方技术转移、技术交易的因素，又包括影响产学研合作的因素，还包括技术自身特性的因素等，我国学者已经形成了大量成果。吴凡等[6]、饶凯等[7]、张寒等[8]及刘泽政等[9]在其研究中指出，科技经费投入、科技人力投入、企业对高校的认可度、诚信度等对大学技术转移有较强的影响。谢园园等[10]从企业的视角，基于对江苏省229家创新型企业的调研数据，实证检验了企业外部政策环境、产学研合作程度、行业类型等对企业产学研合作行为及模式选择有显著影响。蓝英等[11]研究了合作中双方资源或能力的互补、科研院所及企业家的支持、双方信任、双方利益分配、风险共担等影响产学研合作的因素。唐孝云等[12]研究了利益分配机制、风险投资机制、中介服务、研发成果市场价值、科技成果的所有权等影响产学研合作的因素。李梅芳[13]则在其产学研合作成效研究中指出利益分配、文化价值融合、沟通与联络以及风险投资是影响产学研合作成效的四个重要因素。崔岩等[14]分析了技术的成熟性、实用性、可行性等技术自身特性对高校技术转移的影响。章琰[15]则指出技术的隐含性、复杂性、不确定性、成熟度、生命周期长短等对大学技术转移有一定影响。此外，还有诸如周浩、刘晓燕、张莉、姜毓锋等学者亦对上述问题进行了深入研究。为了尽可能挖掘出影响技术供需主体选择合作方时的因素，本文主要采取了以下做法：
（1）以“技术转移+影响因素”、“技术交易+影响因素”、“产学研合作+影响因素”等为主题词，以万方数据服务平台、中国知网（CNKI）等作为检索源，进行文献检索，直接从文献中提取影响技术供需双方技术转移的因素、影响产学研合作的因素及技术自身特性的因素等；（2）通过对部分高校、企业和科研院所等从事技术转移工作的专家进行访谈与调研，请专家们就通过文献分析提取的影响因素给出完善与修改意见；（3）充分考虑收集到的专家意见，对通过文献分析方法构建的影响因素体系进行完善。综上，获得影响技术供给方选择技术需求方时的因素体系（表1）和影响技术需求方选择技术供给方时的因素体系（表2）。
2 数据收集与描述性统计
2.1 数据收集
基于表1和表2中构建的因素体系设计问卷，采用常用的Likert 5级量表形式来表示各个因素对于被调查者在选择合作方时的重要程度，即1表示非常不重要，2表示不重要，3表示一般，4表示重要，5表示非常重要。为了保证样本的有效性，主要采用两种方式发放问卷：（1）将设计好的问卷发布在专业性调查网站“问卷星”（http：//www.sojump.com/jq/3106340.aspx）上，通过“线下联系、线上作答”的方式收集从事或从事过技术转移工作的人员作答数据；（2）基于《西安市技术转移与技术市场体系协同机制建设》（技术转移促进工程：CXY1354）项目推进过程中，由西安市科技局组织的多次专题调研与座谈，如《西安市科研院所科技成果转化及产业化现状》专题调研、《研究所促进技术转移、成果转化运行模式》和《高校技术转移和成果转化方面存在的问题》专题座谈等，现场进行访谈、纸质问卷的发放与收集。本次调研共发放100份问卷，收回71份，剔除无效问卷，有效问卷66份，有效回收率92.96%。
2.2 描述性统计
为保证样本的多样性、提高数据的可靠性，在问卷设计中分别从样本所属工作单位、样本从事技术转移工作的年限和样本在技术转移中的角色三个方面进行了细分统计，具体结果如下：
（1）样本所属工作单位的描述性统计（见表3）。收回的有效问卷中，来自大学的30份、企业的25份，科研院所的8份，各个单位的具体频数及所占的百分比见表3。
表3 样本所属单位的分布
所属单位 频数 所占百分比（%） 累计百分比（%）
大学 30 45.45% 45.45%
科研院所 8 12.12% 57.57%
国有企业 8 12.12% 69.69%
民营企业 10 15.15% 84.84%
外资企业 7 10.61% 95.45%
其他 3 4.55% 100.00%
（2）样本从事技术转移工作年限的描述性统计（见表4）。收回的有效问卷中，从事技术转移工作3年以上的专家占65.15%，从事技术转移工作2年以上的专家占84.85%。
（3）样本在技术转移中角色的描述性统计（表5）。
3 技术供需主体选择的影响因素序化方法
灰色关聯分析是灰色系统理论的重要组成部分，其主要思想是根据两个序列之间的几何相似程度描述其相近程度，在社会、经济、工业、农业等诸多领域得到了广泛应用[16，17]。文献[18]从相似性和接近性两个不同的视角，构造了一类新的灰色关联分析模型，并给出了灰色相似关联度和灰色接近关联度的计算方法及其性质，是灰色关联度研究的一个重要标志性成果[19]。灰色相似关联度主要用于测度序列Xi与Xj在几何形状上的相似程度，Xi与Xj在几何形状上越相似，它们间的灰色相似关联度越大。灰色接近关联度用于测度序列Xi与Xj在空间中的接近程度，Xi与Xj越接近，它们间的灰色接近关联度越大[16]。需要指出的是，灰色关联分析通过关联度测度序列之间的相互关系或影响，但其主要关注的是序关系，而不是关联度数值的大小[18]。
基于本文根据各个因素对技术转移中供需双方在选择合作方时重要程度的强弱进行排序的需要，此处选用灰色接近关联度方法进行分析。主要步骤如下：
（1）根据采用的Likert量表及专家评分构建正理想评价序列4。
本文采用的是Likert 5级量表，因此5表示该因素对技术转移中供需双方在选择合作方时满意度的影响最强。记M={1，2，3，…，m}，N={1，2，3，…，n}。若有i（iM）个专家对影响因素进行了评价，则可构造如下正理想评价序列X0：
X0=（x0（1）， ...， x0（i）， ...， x0（n）），x0（i） 5，iM. （1）
式（1）中，x0（i）=max{xj（i），jN}，xj（i）表示第i个专家给第j个影响因素的评分。
（2）计算各个因素的评价序列与正理想评价序列（参考序列）的灰色接近关联度。
设第j （jN）个影响因素的评价序列为Xj=（xj（1）， ...， xj（i），...， xj（n）），iM， jN，则称
为X0与Xj的灰色接近关联度[19]。若X0与Xj越接近，则灰色接近关联度越大，表示因素j对技术转移中供需双方在选择合作方时满意度的影响越强。
（3）根据的大小对各个影响因素进行排序，以此获得影响技术供给方选择技术需求方时满意度的前10大主要因素和影响技术需求方选择技术供给方时满意度的前10大主要因素。
为了说明基于灰色接近关联度方法的优势，以表6所示数据，同简单平均法进行对比。
基于表6中的数据，采用简单平均法得三个影响因素重要性的得分均是5，即，无法实现三个影响因素的序化，从而不利于识别出关键因素。而通过计算三个影响因素与参考序列间的灰色接近关联度，可得，即在这三个影响因素中，专家们认为相对于和更为重要。
总之，通过定义评价序列，将所有专家对某一因素的评价看作一个整体，可实现各个因素重要性的系统比较，从而有助于克服如简单平均法等基于点的思想所造成的个别异常点对结果影响（表6）。
3.1 技术供给方影响因素灰色接近关联度计算
由式（1）和（2），计算影响技术供给方选择技术需求方时满意度的因素评价序列与正理想评价序列间的灰色接近关联度，并按照各个因素的灰色接近关联度大小进行降序排列。于是，可得影响技术供给方选择技术需求方时考虑的前10大因素依次是：诚信度、声誉、利益分配机制、技术研发能力、研发经费投入、知识产权所有权归属、研发人员投入、技术交易价格、地理位置、政策支持程度（详见表7）。
3.2 技术需求方影响因素灰色接近关联度计算
同样，由式（1）和（2），计算影响技术需求方选择技术供给方时满意度的因素评价序列与正理想评价序列间的灰色接近关联度，并按照各个因素的灰色接近关联度大小进行降序排列，可得影响技术需求方选择技术供给方时考慮的前10大因素依次是：技术可行性、技术的竞争力、技术实用性、技术成熟度、声誉、技术的市场需求度、技术的潜在发展前景、技术交易价格、风险大小及承担程度、是否有相同的利益目标（表8）。
4 结论与启示
本文针对“大数据”环境下我国建设全国统一大技术市场过程中技术供给与需求信息收集和发布标准或规范缺失问题，运用实证分析和灰色关联分析相结合的方法，挖掘出了影响技术供需双方选择合作方时的关键因素。结果表明：
（1）技术供需双方选择合作方时考虑的关键因素各有侧重。技术供给方选择合作方时更看重技术需求方的“软实力”，如诚信度、声誉等；技术需求方选择合作方时更看重技术供给方技术自身的特性，如技术可行性、技术的竞争力、技术实用性及技术成熟度等。
（2）技术供需双方选择合作方时考虑的影响因素亦有共同之处。声誉和技术交易价格是技术供需双方选择合作方时所共同考虑的关键因素。此外，诚信度亦是另一个供需双方所共同考虑的关键因素（诚信度在技术需求方的影响因素中居第11位）。
因此，在建设全国统一大技术市场的信息收集和发布标准或规范的过程中，一方面应充分考虑技术供需双方所关注信息的异同；另一方面还应大力发展技术交易服务业。现实中，技术交易价格对技术供需双方选择合作方有着重要的影响，而由于双方出发点不同，自身估计往往差距较大，发展技术交易服务业，由第三方提供系统的定价服务将有助于技术供需双方的有效对接。如台湾技术交易市场资讯网（TWTM）将“扶持技术交易服务业”列为一大业务宗旨，提供技术交易相关法律契约咨询服务，并以定时定点的方式提供包括技术经纪、技术事业化、技术交易法务、技术交易税务、智权申请及面谈等口头咨询服务。诚信度和声誉作为技术供需双方选择合作方时所共同关注的另外两个关键因素，制定科学合理的技术市场信用评级办法已迫在眉睫，这亦是我国《技术市场“十二五”发展规划》将“探索开展技术市场信用体系建设，建立技术市场各类相关主体的信用数据库，开展技术转移机构的信用征信和评级试点”作为重点任务的主要原因之一。
注释：
1 中国技术市场管理促进中心，http：//www.sinotechmart. cn/chinajishushi chang guanli/tjsj/list.shtml.
2 中国浙江网上技术市场，截止2017年4月17日数据，http：//www.51jishu.com/index.do.
3 科易网，截止2017年4月17日数据，http：//www.1633. com/.
4 评价序列是由所有专家给予某一特定因素的评分构成，如有5个专家对“技术成熟度”进行评价，则他们的评分构成一个评价序列X=（5， 3， 2， 3， 5）.
参考文献：
[1] 侯健敏，党兴华.研发合作及技术转移影响区域创新能力路径研究[J]. 科学学与科学技术管理，2010， 31（9）：56-61.
[2] 刘凤朝，马荣康.区域间技术转移的网络结构及空间分布特征研究---基于我国2006-2010省际技术市场成交合同的分析[J]. 科学学研究，2013，31（4）：529-536.
[3] 魏建良， 谢阳群.国外网上技术市场信息服务研究[J].科学管理研究， 2008， 26（1）：30-33.
[4] 朱东华， 张嶷， 汪雪锋， 等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理， 2013， 34（4）：172-180.
[5] 谢阳群， 魏建良.网上技术市场理论综述[J].技术经济， 2008， 27（12）：30-35.
[6] 吴凡，董正英.高等学校技术转移能力影响因素及实证分析[J].科技进步与对策，2010，27（10）：137-140.
[7] 饶凯，孟宪飞，徐亮，Andrea Piccaluga.研发投入对中国大学技术转移合同的影响[J].管理科学，2012，25（5）：76-83.
[8] 张寒， 胡宗彪， 李正风. 研发项目对大学技术转让合同影响的实证研究---以中国985工程高校为例[J].科学学研究， 2013， 31（4）：537-545.
[9] 刘泽政，傅正华. 地方高校技术转移影响因素分析[J]. 科学管理研究，2010， 28（3）：26-29.
[10] 谢园园， 梅姝娥， 仲伟俊. 产学研合作行为及模式选择影响因素的实证研究[J]. 科学学与科学技术管理，2011， 32（3）：35-43.
[11] 蓝英，董颖，石磊. 产学研合作影响因素、模式及其绩效研究[J]. 商业研究，2013（5）：26-30.
[12] 唐孝云，李業川，杨帆，等. 产学研合作影响因素的实证分析及其对策研究[J]. 科技管理研究，2009（5）：101-103.
[13] 李梅芳. 产学研合作成效研究[D].武汉：武汉理工大学，2011.
[14] 崔岩，郑帆帆，朱继国. 高校科技成果转化及技术转移影响因素研究[J]. 价值工程，2012，31（33）：247-249.
[15] 章琰. 大学技术转移影响因素模型研究[J]. 科学学与科学技术管理，2007，28（11）：43-47.
[16] 刘思峰， 谢乃明. 灰色系统理论及其应用[M]. 北京： 科学出版社， 2013.
[17] 王方， 李华. R&D;投入结构与技术交易规模的关系[J]. 技术经济， 2013， 32（10）： 32-36.
[18] 刘思峰， 谢乃明， Forrest Jefery. 基于相似性和接近性视角的新型灰色关联分析模型[J]. 系统工程理论与实践， 2010， 30（5）： 881-887.
[19] 张彩芬， 朱建军.一类新型绝对接近关联度分析模型及应用[J]. 运筹与管理， 2013， 22（4）： 197-203.
（编辑：龙蓉）
Abstract：The Big Data time of the technology market has come. In order to establish standards for information collection and dissemination of technology supply and demand in the process of constructing our country's unified national technology market under the ‘big data environment， the main technology supply and demand factors were identified by the method of literature analysis when choose partners in the technology market. Then the 30 universities in Shaanxi Province， 25 enterprises and 8 research institutes were investigated， and the factors system has been revised and quantization. Finally， the key factors influencing the partner selection in technology market were determined by the close degree of grey incidence method.
Keywords：big data；technology market；grey correlation analysis；close degree of grey incidence
随便看

　

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

　

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间：2024/12/22 23:16:27