1、农业企业与高校技术合作绩效的影响因素与路径研究基于福建省 579 家农业企业的微观数据 林庆藩 福建农林大学 摘 要： 文章基于福建省 579 家农业企业的调查数据, 引入结构方程模型, 识别农业企业与高校技术合作绩效的关键影响因素及其作用路径, 主要结论包括:政策环境因素通过影响技术合作的初始阶段、执行阶段、蔓延阶段与整合阶段对技术合作绩效产生显著间接正面影响;农业企业技术需求强度通过技术吸收意愿、技术吸收意愿通过高校技术转移能力和农业企业技术吸收能力对技术合作绩效产生显著间接正面影响;农业企业技术整合能力对技术合作整体绩效有显著的直接正面影响。以上实证研究结论, 帮助政府明确农业产学技术合
2、作政策设计的落脚点。关键词： 产学技术合作; 技术合作绩效; 影响因素; 结构方程模型; 作者简介：林庆藩, 男, 管理学博士, 福建农林大学人事处处长, 副研究员, 主要研究方向为技术创新管理、产学研合作、高等教育管理。收稿日期：2017-08-22Received： 2017-08-22一、引言供给侧结构性改革是中国“十三五”的发展战略重点之一。在中央及地方各级政府的推动下, 全国出现“X 产业+供给侧结构性改革”的热潮。而农业供给侧结构性改革, 于 2015 年中央农村工作会议上被首次提出, 被 2017 年中央一号文件圈定为“三农”工作的两大主题之一。具体包括:优化产品产业结构, 着力
3、推进农业提质增效;推行绿色生产方式, 增强农业可持续发展能力;壮大新产业新业态, 拓展农业产业链价值链;强化科技创新驱动, 引领现代农业加快发展。而农业企业作为农业产业化和现代化的中间力量, 是农业部门“去库存、去产能、去杠杆、降成本和补短板”的主要践行者与承担者。然而, 当前中国农业企业的产品和技术创新能力仍处于一般水平, 无法有效推进农业供给侧结构性改革, 提升农业企业的技术创新能力成为农业供给侧改革的关键要素。当然, 农业企业可通过从外部转移技术并加以消化、吸收和应用, 弥补农业企业技术创新过程中的技术缺口, 迅速扩大组织的总体技术存量和技术水平;而高等院校在基础研究、应用基础研究和高水
4、平科技人才等方面具有重要优势, 近年来的原始性创新成果不断增加, 可成为农业企业所缺技术的重要来源方。鉴于此, 本文基于福建省 579 家农业企业的问卷数据, 识别农业企业与高校技术合作绩效的关键影响因素, 为政策制定者明确农业产学技术合作政策设计与优化的关键点, 最终促进农业企业提升技术创新能力, 以推进农业供给侧改革目标的顺利实现。二、文献综述部分国内学者基于产学研合作的相关统计数据, 对产学研合作创新绩效的影响因素进行了实证研究。例如, 肖丁丁和朱桂龙1、樊霞和任畅翔2、庄涛等3分别实证检验产学研合作中知识生产、专利质量、合作效率的关键影响因素。以上学者主要基于产学联合申请专利数据进行实
5、证研究, 但专利数据不一定能完全反映产学合作创新绩效。鉴于此, 国内学者更倾向于设计系统化的调查量表, 充分反映产学合作创新绩效及其潜在影响因素, 并进行计量经济分析。例如, 樊霞等4基于广东省 332 家企业产学研合作项目的调查数据, 运用 DEA-Tobit 两步法, 对企业产学研合作创新效率的影响因素进行实证;戴勇等5、章熙春和蒋兴华6基于企业的问卷调查数据, 均利用多元回归分析法, 识别产学研合作创新绩效的关键影响因素。以上实证文献的计量分析方法以最小二乘法 (OLS) 为主, 不仅无法避免自相关性、多重共线性、内生性等问题, 而且, 可能存在一些无法观测的变量既影响企业参与产学研合作
6、项目又影响企业的创新绩效, 导致潜在影响因素与产学研创新绩效之间的关系并非真实的因果关系。此外, 与政府补贴、税收优惠等常见的扶持政策类似, 政府主导的产学研合作也具有“选择性”特点。例如, 政府在资助产学研合作项目时, 往往考虑目标企业的技术创新能力、企业家创新精神及社会资本等因素;7企业是否进行产学研合作是由企业自身技术水平与资源禀赋特征等变量决定, 这些变量也会影响企业技术创新绩效, 模型存在“自选择”问题。鉴于此, 樊霞等8引入倾向得分匹配法, 克服选择性偏误与“自选择”问题, 明确产学研合作项目与企业创新绩效的“因果关系”。然而, 倾向得分匹配方法仅考虑可观测变量对产学研合作创新绩效
7、的影响, 在明确产学研合作与企业创新绩效的“因果关系”后, 仍会因忽视不可观测变量而导致估计误差。鉴于 OLS 方法、倾向得分匹配方法存在的不足, 选用结构方程模型作为因果关系分析模型, 可充分考虑可观测变量和不可观测变量, 也可呈现潜在影响因素之间的相关性, 国内外学者更多采用结构方程模型进行产学研合作创新绩效的关键影响因素识别研究, 如李梅芳等9、张红兵和张素平10、王永梅等11学者的研究。因此, 本文基于农业企业问卷调查收集的截面数据, 拟采用结构方程模型, 识别农业企业与高校技术合作绩效的关键影响因素及其作用路径。三、研究设计(一) 农业企业与高校技术合作绩效的理论分析框架根据 Szu
8、lanski12提出的知识转移过程模型, 将农业企业与高校技术合作过程分为 4 个阶段 (详见图 1) :初始阶段, 主要是接受者识别自身技术缺口, 源单元识别可以满足对方要求的技术;执行阶段, 主要是技术合作双方建立信息沟通与交流的关系及渠道, 以清除技术源与接受者之间沟通障碍以及弥补接受者技术缺口的难度;蔓延阶段, 指接受单元对技术进行调整以适应新的情境, 主要重点在于识别与解决非预期的问题, 使技术接受者能够符合或甚至超过先前预期的绩效;整合阶段, 指技术接受者对技术进行吸收整合后并成为自身技术的一部分。农业企业与高校技术合作绩效的理论分析框架的基本特征包括 4 个方面:一是农业企业为技
9、术接受者, 高校为技术源;二是将技术合作过程划分为四个阶段, 即初始阶段、执行阶段、蔓延阶段和整合阶段。三是将技术合作绩效的潜在影响因素设计融入到技术合作各个阶段中去, 可更好地考察各阶段的运行效果, 了解技术合作各阶段运行的相互作用关系及其对整体转移绩效的影响。四是政策环境因素和企业特征因素贯穿于技术合作全过程以及合作绩效的获取, 理由是:产学研合作政策是高校和企业技术合作的重要推力, 对农业产学技术合作绩效有重要影响。企业规模、地理位置等基本特征影响企业技术源搜寻、与技术源沟通的便利等。图 1 农业企业与高校技术合作绩效的理论分析框架 下载原图(二) 农业企业与高校技术合作绩效测量变量的设
10、计在文献回顾的基础上, 初步设计农业企业与高校技术合作绩效评价指标, 包括合作目标完成程度、技术储备增加程度、新技术拓展使用强度、技术创新周期缩短效果、技术人员水平提升程度、产品品质提升程度、生产工艺水平提升程度、产品技术标准提升程度、专利拥有数量增加程度、销售收入增长程度。在初步设计技术合作绩效评价指标体系之后, 通过对福建新日鲜集团有限公司等与高校合作过的农业企业调查访谈, 对评价指标的合理性与可操作性进行讨论。部分企业负责人认为:技术储备增加程度已包含专利拥有数量增加程度;产品品质提升来源于产品技术含量的提升, 两个指标相关性极大。根据以上分析, 剔除产品技术标准提升程度和专利拥有数量增
11、加程度。最终设计 8 个指标来测度评价农业企业与高校技术合作绩效 (具体详见表 1) 。(三) 技术合作绩效潜在影响因素的设计第一, 初始阶段的影响因素设计。在初始阶段, 农业企业识别自身技术缺口, 考虑展开针对高等院校的技术搜寻工作, 同时决定是否进行技术合作以弥补技术缺口。而农业企业与高校能否达成初步合作意向, 主要取决于拟转移技术的特征属性和农业企业技术需求强度 (详见表 1) 。第二, 执行阶段的影响因素设计。进入执行阶段, 农业企业技术吸收意愿影响其对高校的信息传递数量与质量, 让高校更好了解企业技术水平等反映出来的吸收能力水平, 并据此确定符合企业能力要求的技术合作方式、方法, 以
12、利于提高技术合作效率与效果。因此, 执行阶段农业企业与高校能否实现信息有效沟通, 可能取决于农业企业的吸收意愿和高校的转移意愿 (详见表 1) 。第三, 蔓延阶段的影响因素设计。经过初始阶段和执行阶段, 高校能否针对出现的非预期问题, 及时组织人员进行原因调查, 调整技术传递方式方法等措施, 快速纠正技术合作目标偏差;而作为技术接收者的农业企业, 技术设备或科研仪器设备存量、科学技术存量及结构、技术人员数量及质量等所反映出来的技术吸收能力, 在很大程度上影响技术合作的效果。综上所述, 蔓延阶段农业企业能否有效吸收和消化所转移技术, 主要取决于农业企业吸收能力和高校转移能力 (详见表 1) 。第
13、四, 整合阶段的影响因素设计。整合阶段是农业企业将高校所转移技术通过应用与消化, 变成自身内部技术储备的过程。整合阶段农业企业能否将所转移技术内化为自身技术, 主要取决于农业企业的技术整合能力、拓展使用能力以及技术合作激励措施 (详见表 1) 。第五, 技术合作的政策环境因素设计。部分国内外学者研究认为, 知识产权政策、国家政策支持力度、政策法规等外部环境或技术合作情境对技术合作进程及其最终绩效具有重要影响。13本文设计的农业企业与高校技术合作的政策环境因素由表 1 所示。(四) 数据收集根据本文的研究目标, 确定调查对象为:福建省内与高等院校有过合作经历并进行过各种形式技术合作的农业企业,
14、分别在国家级、省级、市级和县级农业产业化龙头企业中进行选择。调查内容包括初始阶段影响因素、执行阶段影响因素、蔓延阶段影响因素、整合阶段影响因素以及政策环境因素的具体测量量表, 均采用李克特 5 点量表法进行量表设计。最终, 于 2012 年 6-9 月期间, 通过实地访谈、电子邮件、委托福建省农业产业化龙头企业协会等方式进行大规模农业企业问卷调查。本次调查共发放问卷 810 份, 回收问卷 673 份, 经过对所回收问卷进行完整性检查, 得到有效问卷 579 份, 有效问卷回收率为 71.48%。(五) 问卷数据的信度检验和效度检验首先, 利用 CITC (Corrected Item-Tot
15、al Correction) 指标、Cronbachs Alpha 系数, 检验测量量表的内在一致性的结果如表 1 所示:初始阶段层面, 剔除高校技术成果书面形式表达出来的难度、技术成果涉及的学科领域数量;执行阶段层面, 剔除高校愿意将其技术成果转让给企业、与高校沟通交流的深度;蔓延阶段层面, 剔除高校软硬件基础的完善程度、掌握高校转移技术的难度;整合阶段层面, 剔除新技术宣传推广力度;政策环境层面, 剔除技术市场完善度、技术供求信息服务完善度;而技术合作绩效层面, 剔除新技术拓展使用强度、技术创新周期缩短。剔除以上指标后, 各个维度的测量变量的 Cronbachs Alpha系数均大于 0.
16、7, 表明各维度的测量变量具有较好的内在一致性, 适合用于后续计量分析。其次, 对技术合作 4 个阶段的 24 个测量变量、政策环境因素量表、技术合作绩效测量量表进行 KMO 值和 Bartlett 球形检验法检验, KMO 值分别为0.867、0.827、0.873, Bartlett 球形检验法的近似卡方值的 p 值均小于 0.05, 通过效度检验。此外, 技术合作绩效潜在影响因素量表的因子分析中, 共抽取5 个公因子, 其中, “周边竞争者实施技术合作的比例”“及时进行技术对接或研发可行性论证”2 个变量在公因子 4 和公因子 5 (仅有一个变量赋值在该因子上) 上的负载值均大于 0.5
17、, 出现归属不确定性问题, 予以剔除, 而剩余的22 个变量的因子载荷系数均大于 0.5, 其余 4 个公因子与研究初期所设想的初始阶段因素、执行阶段因素、蔓延阶段因素和整合阶段因素为 4 个独立的潜变量相吻合。因此, 22 个指标均达到计量分析的标准。最后, 政策环境因素量表的因子分析抽取一个公因子, 且 5 个测量变量的因子载荷系数均在 0.7 以上, 也可用于后续计量分析;技术合作绩效测量量表的因子分析抽取一个公因子, 且 6 个测量变量的因子载荷系数均大于 0.6, 也可用于后续计量分析。四、关键影响因素及其作用机理的识别结果(一) 研究方法的选择结构方程模型首先, 如理论框架所述,
18、农业产学技术合作绩效的潜在影响因素存在相互影响的理论依据;另外, 政策环境、技术属性、技术需求强度、转移意愿、吸收意愿、转移能力、吸收能力、整合能力、技术合作绩效等潜在变量, 均须设计多个可观察的指标 (测量变量) 进行综合测量, 而这些变量间显然也具有较强的相关性, 这意味着传统多元线性回归、Tobit 回归等简单线性模型显然存在多重共线性问题。其次, 用来“标识”不可观测潜在变量的测量变量可能包含大量的测量误差, 这也是简单线性模型难以解决的问题。鉴于此, 选择结构方程模型 (SEM) 进行实证分析, 主要理由包括:结构方程模型的基本原理是“三个二”:即两类变量 (测量变量和潜在变量) 、
19、两个模型 (度量模型和结构模型) 以及两条路径 (潜在变量与测量变量之间的路径和潜在变量之间的路径) 。其中, 两类变量中的测量变量可用来衡量不能通过观察直接得到的变量, 可弥补倾向得分匹配方法忽视不可观测变量的不足, 同时还可允许存在测量误差, 这是SEM 最大优势所在。两个模型和两个路径中的度量模型和潜在变量与测量变量之间的路径, 可明确那些测量变量可以很好地衡量潜在变量, 可避免简单线性模型的多重共线性问题;而结构模型以及潜在变量之间的路径, 可很好地呈现潜在变量之间的相互作用以及对技术合作绩效的作用机理。表 1 技术合作绩效及其潜在影响因素的测量量表及相关检验结果 下载原表 (二) 量
20、表的验证性因素分析验证性因素分析则是要检验此建构效度的适切性与真实性, 探究指标是否可以有效作为潜在变量的测量变量。验证性因子分析的结果显示:路径CSCS1、CSCS2、CSCS3 的标准化路径系数分别为 0.10、0.05、0.02, 远小于 0.50;路径 ZXZX1、ZXZX2 的标准化路径系数分别为 0.22、0.14, 均小于 0.50。因此, 需要对 CFA 模型进行修正。即依次删除路径CSCS3、CSCS2、CSCS1、ZXZX2、ZXZX1, 经过 5 次修正后的 CFA 模型, 所有路径系数即因素负荷量值介于 0.50 至 0.95 之间 (详见表 1) , 且路径系数的 t
21、 统计值均大于 1.96, 说明路径系数显著, 剩下的测量变量均较好地隶属于各自的潜在变量, 表示模型界定没有问题, 量表内在质量很好。(三) 关键影响因素及其作用机理的识别结果利用 LISREL8.70 进行路径检验, 得到的初次结构方程模型如表 2 所示。在路径系数显著性检验中, 利用 t 统计值大小进行检验。当路径系数的 t 统计量绝对值大于 1.96, 则认为路径系数显著异于 0;当 t 统计量绝对值小于 1.96, 则接受路径系数等于 0 的假设。由表 1 可知, JXZC (t=-0.65) 、JXCS (t=1.84) 与 JXZX (t=-1.05) 等 3 条路径的 t 统计
22、量绝对值小于 1.96, 即路径系数估计值未通过显著性检验。鉴于此, 文章依次剔除 t 值最小的路径, 最终经过 3次修正后得到最优的结构方程模型拟合结果 (详见表 2) , 第三次修正后结构方程模型的 RMSEA、RMR、NFI、NNFI、CFI、GFI、AGFI 等适配度指标的估计结果分别为 0.072、0.044、0.92、0.92、0.93、0.88 和 0.85, 且模型的卡方值数值较大, p 值均为 0, 达到 0.05 的显著水平, 拒绝虚无假设, 表示理论模型与样本数据间无法适配;且在经过第三次修正后, 模型的 NC 值 (卡方自由度比值) 为 2.80, 小于 3, 表示模型
23、有简约适配程度。根据以上 9 个模型适配度检验指标的估计值, 本文认为结构方程模型的整体适配度可接受。表 2 结构方程模型的初步拟合、修正与最优结果 下载原表 (四) 关键影响因素作用路径实证结果的讨论第一, 政策环境因素的讨论。政策环境因素对农业企业与高校技术合作最终绩效没有直接影响, 但对初始阶段、执行阶段、蔓延阶段与整合阶段产生显著的直接影响, 进而对技术合作绩效产生间接影响, 这表明政府关于推动产学研合作的技术创新政策, 如申报科研项目时对产学或产研合作强制性规定、产学研合作研发项目经费补助等政策, 对农业企业的技术吸收意愿、技术吸收能力和整合能力具有重要的影响。第二, 初始阶段因素的
24、讨论。初始阶段因素对技术合作最终绩效没有直接影响, 但可通过执行阶段、蔓延阶段与整合阶段对技术合作绩效产生显著的间接影响, 原因可能是: (1) 所转移技术内隐程度和复杂程度再高, 只要农业企业与高校在技术合作过程中保持良好的信息沟通与交流, 即可突破技术属性的障碍; (2) 农业企业与高校在技术合作中, 经常进行科研人员交叉培养的现象, 即高校科研人才到农业企业一线、农业企业技术人员到高校进行进修, 降低了双方间的技术距离, 降低农业企业技术人员对技术理解、消化的难度; (3) 合作研发是农业企业与高校技术合作的重要方式, 农业企业技术人员全过程参与技术研发, 也就不存在技术内隐性与复杂性的
25、问题。而农业企业技术需求程度可通过对技术吸收意愿、吸收能力和整合能力以影响技术合作整体绩效。第三, 执行阶段因素的讨论。执行阶段对技术合作绩效没有直接影响, 但可通过蔓延阶段与整合阶段对技术合作绩效产生间接影响。原因可能是:对农业企业的访谈发现, 农业企业与高校技术合作的目标较为明确, 即解决某一技术难题、研发新品种或新材料、生产工艺改进等, 双方达成协议之后, 合作高校即以协议规定的研究内容为任务或者目标。合作协议无形中成为高校努力完成技术合作项目的动力, 而非仅仅是转移意愿的作用, 削弱了转移意愿的作用力。而农业企业合作意愿越强, 对技术合作项目的资源投入意愿越强, 针对技术转移项目问题与
26、高校沟通意愿越强, 有助于对所转移技术的消化和吸收, 提升技术合作绩效。第四, 蔓延阶段因素的讨论。由表 2 可知, 蔓延阶段因素对整合阶段运行和技术合作绩效均产生显著正面影响, 直接影响系数分别为 0.56、0.50, 这表明:高校及其科研人员作为技术成果的独占者, 在主观上具备转移意愿的基础上, 必须拥有相应的技术传授能力, 才能将技术知识以恰当的形式和方式传递给农业企业, 帮助农业企业更好地理解、吸收和整合应用所转移技术。同时, 执行阶段的农业企业技术吸收意愿仅保证了合作机会的产生和后续资源投入预期, 技术合作绩效可能还需考察农业企业的技术吸收能力与整合能力。由研发人员数量与能力等表征的
27、吸收能力越强, 农业企业对转移来技术的内隐性和复杂性的承受能力越强, 评估、同化及把新技术应用在生产经营中的能力越强, 技术合作绩效也越好。第五, 整合阶段因素的讨论。由表 2 可知, 整合阶段因素对技术合作整体绩效有显著的正面影响, 系数为 0.40, 这表明:农业企业对新技术整合能力越强, 将所引进技术转化为自身技术能力的水平越高, 挖掘新技术内在价值的能力越强, 新技术的应用广度和深度越强, 技术合作对企业创新绩效的提升作用越强。五、研究结论与政策启示本文基于 Szulanski 的知识转移流程模型, 将农业企业与高校技术合作全过程分为初始阶段、执行阶段、蔓延阶段与整合阶段, 并据此设计
28、技术合作绩效测量变量及其潜在影响因素, 在调研收集一手数据后, 利用结构方程模型, 识别农业企业与高校技术合作绩效影响因素的作用路径, 实证研究表明:第一, 政策环境因素可通过对初始阶段、执行阶段、蔓延阶段与整合阶段的直接影响而对技术合作绩效产生间接影响;第二, 初始阶段因素通过对执行阶段、蔓延阶段与整合阶段的直接影响而对技术合作绩效产生间接影响;第三, 执行阶段因素通过对蔓延阶段与整合阶段的直接影响而对技术合作绩效产生间接影响;第四, 蔓延阶段因素对整合阶段运行和技术合作绩效均产生显著直接影响;第五, 整合阶段因素对技术合作整体绩效有显著的直接影响。基于以上研究结论, 本文的政策启示为:第一
29、, 政府需通过完善财政补贴、税收优惠、贷款扶持、法律法规和技术对接服务等方面完善农业企业与高校技术合作的政策服务策略。第二, 福建省各级科技管理等相关部门要深入调研农业企业与高校开展校企技术合作的案例, 加强对产学技术合作成功案例的考察, 总结产学研结合的先进典型, 及时推广成功经验和有效模式, 充分发挥校企技术合作成功案例的示范作用, 引导更多的农业企业学习和仿效, 提高农业企业的技术需求强度和吸收意愿。第三, 推动高校建立以市场为导向、产学研相结合的科技创新体系, 围绕福建省农业产业的共性技术难题或农业企业遇到的技术瓶颈, 攻克一批技术难题, 保证技术研发成果等技术成果的企业适用性, 以提
30、升自身的技术等技术转化能力。第四, 结合福建省特色农业产业优势和发展需求, 采取代培、委培、校企联合办学等形式为农业企业引进和培养高层次人才, 增加农业企业的技术人员储备和素质结构, 提升农业企业的技术吸收能力。参考文献1肖丁丁, 朱桂龙.产学合作中的知识生产效率 基于“模式”的实证研究J.科学学研究, 2012 (6) . 2樊霞, 任畅翔.“985 工程”高校产学研专利质量影响因素研究J.科学学与科学技术管理, 2014 (6) . 3庄涛, 吴洪, 胡春.高技术产业产学研合作创新效率及其影响因素研究基于三螺旋视角J.财贸研究, 2015 (1) . 4樊霞, 赵丹萍, 何悦.企业产学研合
31、作的创新效率及其影响因素研究J.科研管理, 2012 (2) . 5戴勇, 肖丁丁, 锁颍馨.研发投入、企业家精神与产学研绩效的关系研究以广东省部产学研合作企业为例J.科学学与科学技术管理, 2010 (11) . 6章熙春, 蒋兴华.合作动机对产学研战略联盟建设绩效影响的研究J.中国科技论坛, 2013 (6) . 7秦雪征, 尹志锋, 孔欣欣.国家科技计划与中小型企业创新:基于德阳企业调查的证据D.北京大学经济学院工作论文. 8樊霞, 陈丽明, 刘炜.产学研合作对企业创新绩效影响的倾向得分估计研究广东省部产学研合作实证J.科学学与科学技术管理, 2013 (2) . 9李梅芳, 赵永翔,
32、唐振鹏.产学研合作成效关键影响因素研究基于合作开展与合作满意的视角J.科学学研究, 2012 (12) . 10张红兵, 张素平.技术联盟知识转移有效性影响因素的实证研究J.科学学研究, 2013 (7) . 11王永梅, 王峥, 张黎.科研院所技术转移绩效影响因素的实证研究基于技术供给方的视角J.科学学与科学技术管理, 2014 (11) . 12Szulanski G.The process of knowledge transfer:A diachronic analysis of stickinessJ.Organizational Behavior and Human Decisio
33、n Processes, 2000, 82 (1) . 13Dong-Gilko, Laurie J, kirsch, William R king.Antecedents of knowledge transfer from consultants to clients in enterprise system implementationsJ.MIS Quarterly, 2005, 29 (1) . 注释(1) (1) 受篇幅限制, 各个维度的测量变量的 Cronbachs Alpha 系数可向笔者索取。 (2) (2) 受篇幅限制, 表 1 中的信度检验、效度检验和验证性因子分析的过程可向笔者索取。 (3) (3) 受篇幅限制, 结构方程模型修正过程的相关图标资料, 可向笔者索取。
