论文部分内容阅读
[摘 要]文章对网上技术市场运行效率进行建模和分析，以期为有效提升网上技术市场运行效率，推动科技创新提供借鉴。结合数据可得性，文章利用浙江省23县（市、区）科技大市场2018年的截面统计数据，结合Bootstrap-DEA方法，对网上技术市场运行效率进行测算。并在此基础上利用Tobit模型检验了人员数量、单位计划投入金额、财政补助金额、地方配套金额等因素对网上技术市场运行效率的影响。实验结果显示：网上技术市场存在地域间投入产出不均衡的现象;地方配套金额对于网上技术市场运行效率的作用大于财政补助金额;企业计划投入金额会对网上技术市场运行效率产生反作用;等量投入情况下，欠发达地区的科技产出效率普遍高于发达地区。
[关键词]Bootstrap-DEA;Tobit;网上技术市场;运行效率;科技扶贫
[DOI]10.13939/j.cnki.zgsc.2020.06.177
1 引言
网上技术市场是我国技术市场体系中重要的组成部分之一，随着近年来互联网技术和电子商务平臺的高速发展，网上技术市场越来越成为促进科技与经济有机结合的催化剂。2018年，我国技术合同成交额同比增长15.97%，高达11407亿元，首次突破万亿元。全国常设技术交易市场近200家，从业人员约50万人，研发投入占GDP的比重首次突破了2%，技术市场已经成为我国推动创新的重要手段。2017年年底，国务院发布关于《国家技术转移体系建设方案》，其中指出：国家技术转移体系是促进科技成果持续产生，推动科技成果扩散、流动、共享、应用并实现经济与社会价值的生态系统。建设和完善国家技术转移体系，对于促进科技成果资本化产业化、提升国家创新体系整体效能、激发全社会创新创业活力、促进科技与经济紧密结合具有重要意义。[1]
尽管如此，网上技术市场仍然存在信息不对称、成本较高、创新驱动疲软等问题。[2]且技术商品存在保密性要求高、信息公开难度大等特征，企业往往不愿意公开生产中的技术瓶颈，而高校等机构往往不愿意公开技术的核心内容，这样就造成网上只能交互一般信息，核心信息只能在线下进行交流。且由于网上交易的特殊性，即便是一般商品的电商交易，也存在法规、监管不完善、诚信缺失等问题;而对于网上技术交易而言，其存在交易规则更加复杂、交易过程难以进行实时监管等问题。因此，在目前相关的法律法规体系仍不健全，知识产权保护力度尚待进一步加强的情况下，大规模的网上技术洽谈和交易不还存在困难。综上所述，笔者认为研究网上技术市场运行效率驱动因素，并寻找提升运行效率的有效方法迫在眉睫。
当前国内外关于网上技术市场的研究主要偏重于理论描述和利用传统DEA模型进行测算，忽略了数据量对模型准确性和样本敏感性的影响和松弛变量的干扰。[3]文章基于Bootstrap方法，对DEA模型进行纠正，并结合Tobit模型对网上技术市场运行效率评价模型进行构建。并结合浙江省23县（市、区）的真实数据，对模型进行验证和分析;并引入对照指标增速和排名，对实验结果进行稳健性检验;最后针对实验结果提出相应启示。以期为优化网上技术市场环境、优化市场资源配置提供理论依据;同时也为促进区域科技创新协调发展提供参考。
2 文献综述
2.1 文献回顾
数据包络分析（DEA）是一种基于投入产出对决策单元（DMU）的相对效率进行评价的的非参数方法，学术界常将其用于对于效率的测算。其最早由Charnes[3]等人提出，用于对多输入和多输出的决策单元的相对效率进行评价。一般认为，经典DEA法的重大缺陷之一是没有考虑环境因素的影响，Chapple[4]等提出了三阶段DEA方法，并结合SFA （Stochastic Frontier Approach）法对DEA模型进行改进。但由于SFA属于参数估计方法，使用时必须满足模型假设条件，因此一些数据集不完全适用于该方法。 Simar & Wilson[5]等提出了基于Bootstrap纠偏的DEA方法，该方法可用于对原始数据样本进行模拟，对产生的模拟样本进行DEA效率测算。Bootstrap-DEA法规避了模型的设定风险、样本敏感性、极端值影响等问题，是弥补传统DEA 法缺陷的一个突破性进展。[6-7]
何彬[8]等认为网上技术市场是一类通过网上进行技术交易的市场，技术供需双方能够在网上技术市场上进行技术商品的交易。网上技术市场在一般情况下可以给技术供需双方提供一条龙服务。Markman[9]等认为在知识产权优化方面，网上技术市场承担了重要的角色。李妃养[10]等将网上技术市场视作为一种虚拟市场，这种虚拟市场是基于当代网络信息技术，尤其以互联网信息技术为主成立起来的。雷梦思[11]等将网上技术市场视作为一种有别于传统技术市场的新式技术买卖市场，这种新式的技术买卖市场的成立依赖于电子商务技术和当代网络信息技术的发展。马亚丽[12]等研究发现，技术需求方在参与科技成果转化为现实生产力这一过程之中，不仅能够直接使自身的创新能力增强、创新意识提高，还可以使其运行模式变得更加稳定、合适与先进。张洁音[13]等聚焦技术的提供方，也就是科研机构和高校，分析了在科技成果进行转化的过程中，科研机构和高校所面临的困境，对一些障碍因素进行了深入的分析并提供了有针对性的对策。
2.2 文献评述
通过上述对现有研究成果的梳理发现，网上技术市场已经受到了国内外学者的重视并得到丰富的研究。上述研究成果，既对本研究具有一定的借鉴意义，但也存在一些不足：①已有很多学者对我国网上技术市场的双边市场定价等方面开展了一系列卓有成效的研究（如Heidrun [14]等），但较少有对其运行效率进行建模和探究的。②现有文献大多集中于使用传统的DEA模型进行效率测算（如③刘艳春&徐进[15-161]等），但少有结合Bootstrap等纠偏方法对模型进行改进的。④几乎所有的相关文献多只对运行效率进行了测算和比较（如刘芳[17]等），很少有融入Tobit等模型对其影响因素再进行验证和对比的文献记录。⑤现有关于网上技术市场运行效率测算的文献，其因变量主要数据来源为高校或市场的调研数据（如梅姝娥[18]等），少有学者使用对某地区的经济区域进行逐个调研和数据询问，并基于真实数据进行测算的。⑥现有关于运行效率测算的文献多进行城市地区间的纵向排名和比较（如邹玮&黄微[19-20]等），少有使用发布的相关指数和指标增速进行拟合分析。 本研究基于以上综述，认为应基于Bootstrap-DEA法Tobit法，引入一种新的运行效率测算模型进行研究，并对影响网上技术市场运行效率的因素进行验证，最后引入地区专利增速和R&D增速等对照指标进行稳健性检验。以期为进一步提高网上技术市场运行效率，推进我国科技成果转化提供理论依据;同时也为有关部门制定精准的科技扶贫政策提供参考。
3 模型说明
3.1 模型构建
3.1.1 DEA及Bootstrap-DEA纠偏
本研究采用非参数DEA方法测度大学科技成果转化效率。Kneip [21]等认为传统DEA方法难以回避样本敏感性和极端值影响的问题。如果仅仅根据传统的点估计判断单元的有效性会导致严重的偏误，会将大量无效单元判为有效。针对传统DEA方法的不足，可以采用渐进分析方法和Bootstrap方法对其进行修正。渐进分析方法在大样本情况下具有较好的效果，但在小样本情形下往往具有较大的偏误。而且多投入和多产出情形下DEA估计的极限分布过于复杂，使得其统计推断存在诸多困难。基于Bootstrap纠偏的DEA方法。Bootstrap-DEA方法规避了模型设定风 险、样本敏感性、极端值影响等问题，是解决传统DEA方法不足的一个突破性进展。[5]文章首先对Bootstrap-DEA方法进行说明。
考虑文章模型为多投入和多产出的情形，投入向量用x表示，且产出向量用y表示，整个投入产出的技术状况可以用如 式（1）所示：
3.2 数据说明
浙江省位于我国东部沿海地区，近年来随着有关部门对于网上技术市场的多阶段持续推进，其网上科学技术市场已进入稳定发展阶段，效益显著且具有示范意义。故文章以浙江省为例，通过查找和访问多种方式获得2018年浙江省23县（市、区）科技大市场的基本数据为样本进行实验具有科学性和代表性。其相关的影响因子及对比数据来源于2018年《浙江省统计年鉴》。文章综合相关研究成果[23-25]，结合实际数据可得性情况，从投入、产出两方面进行指标选择，并遵循科学性、合理性和可操作性的原则，最终确定投入指标为人员数量（X1）、单位计划投入金融（X2）、财政实际补助金融（X3）和地方配套实际金额（X4），产出指标为促成技术交易合同金额（Y1）和科技中介服务收入（Y2），具体如表1所示。并设置对照组数据：地区专利申请数量增长率和地区R&D增长率，分别记为PATENT和R&D。
利用Stata13.0计算所得各变量的描述性统计和Pearson相关性检验结果如表2所示，DEA模型的重要假设之一为投入与产出间必须满足“等张性”要求，即当投入增加时，产出也会相应的增加，因此需要对投入和产出的指标进行Pearson相关系数检验，以确定指标选取的合理性。具体的检验结果分别见表2，可以发现网上技术市场投入与产出指标间的Pearson系数都较高，且在 0.01 的水平下存在着显著的正相关关系，说明文章指标的选取较为合理，数据满足上述假设，可使用Bootstrap-DEA模型进行运行效率测算。
4 实验结果
本研究利用Matlab17.0软件对文章的Bootstrap-DEA进行建模，并将迭代次数设置为1000次。表3报告了Bootstrap-DEA模型纠错后的网上技术市场运行效率，各地区平均技术效率值均小于1，说明实际产出和期望产出之间存在一定的差距，其中衢州市市级市场、平湖市市级市场、瓯海区市场、诸暨市市级市场和龙湾区市场的运行效率分别为0.602、0.597、0.594、0.581和0.579，排名前五。从地理特征和市场规模来看，分布都较为分散，甚至较地区GDP总量而言，衢州、瓯海、龙泉等经济欠发达地区的科技市场运行效率排名靠前，这说明浙江科技扶贫政策已然发挥重要作用。经计算，网上技术市场的技术运行效率均值为0.3002，这表明即使技术市场投入平均下降69.98%，仍然可以产生既定的期望产出，故认为此行业存在投入产出不平衡等问题。
文章利用Stata17.0软件对网上技术市场运行效率和对应区域的专利授权数量增长率和R&D增长率进行Spearman检验，以检验其相关性，对网上技术市场对当地科技发展和技术创新的促进作用进行验证。据表4报告可知，两个对照指标的斯皮尔森相关性系数分别为0.7421（p<0.001）和0.8389（p<0.001），故认为网上技术市场运行效率与当地科技发展增速具有较高相关性。
为了继续探索因素影响网上技术市场运行效率及其区域差异的主要原因，本研究利用Stata17.0对Tobit模型进行检验，R2值为0.999，故认为模型非常稳健。就模型2检验结果可知，人员数量（X1）、财政补助实际金额（X3）和地方配套补助金额（X4）系数为正，单位计划投入金额（X2）系数为负。且观察P值可知，X1 和X4在0.001的显著性水平下显著，X2在0.05的显著性水平下显著X3对被解释变量不显著。结合文献后笔者认为，这是由于相关人员数量的提升對网上技术市场运行效率有着重大的促进作用;而企业计划投入金额越高，就会打击其继续进行科技技术创新的动力，从而影响其可持续性，故会对其运行效率产生反向作用。由于存在财政经费对接和落实的精准度不高，且技术市场研发存在成本和失败率较高，故导致财政经费补助对网上技术市场运行效率显著性较低;相反，地方财政补助可做到更精准的对接和精准扶持，对提升网上技术上市场运行效率有着显著作用。
图1报告了浙江地区网上技术市场运行效率及其对照指标增速的区域差异分布图。结果显示，网上技术市场运行效率与其专利数量增速和R&D增速基本吻合，说明技术市场的运行效率确实和科技发展速度基本同步，结合上述结论认为其双方具有相互促进。结合曹芳东&蒋芬[26-27]等的做法，本文将上述23县（市、区）中的衢州市区及下属县区、磐安、龙泉、瓯海、丽水等地区定义为欠发达地区，其网上技术市场运行效率排名分别为1、6、22、9、3、12，除磐安外其余欠发达地区运行效率排名都较为靠前，说明以网上技术市场为媒介的科技扶贫效果较为显著，而磐安地区效率较低对的原因可能是其基础设施条件较差、产业发展不均匀等。 5 结论与启示
文章以经典DEA模型为基础，融入Bootstrap方法进行纠偏，并以浙江省23县（市、区）2018年的截面数据集为例，对网上技术市场运行效率进行建模和分析。并在此基础上利用Tobit 模型检验了员工数量、企业计划投入运作金额、财政补助实际金额和地方配套补助实际金额对网上技术市场运行效率的影响。
通过上述研究，笔者得出以下结论：①等量的科技投入对于欠发达地区能够获得更多的产出，即科技扶贫政策极为有效和高效。②相较于上级财政拨款而言，地方财政补助能够更高效、精准地为地方网上技术市场的发展提供帮助和扶持。③企业对于自身科技投入的预估值越大，其网上技术市场效率越低。④网上技术市场运行效率的提升与地方科技创新能力的提升有较强关联。⑤我国网上技术市场存在投入与产出不平衡的态势，多数地区处于投入过剩，少数贫困地区呈现投入不足。
上述研究结论将为科技创新企业、相关人员和科学技术监管部门提供以下启示：①有关部门要加大对贫困地区的科技帮扶政策，加大科技扶贫力度，为地区发展提供新的增长点。②要加大地方财政的配套力度，对于上级财政配套资金要建立相应的监管制度，确保补助款项能够发货相应作用。③有关部门要加大宣传力度，呼吁企业建立良好的投入预算制度，防止由于企业预计投入过大而导致其创新能力下降。④科学技术创新部门要建立健全科技创新奖励机制，激励企业进行技术创新。⑤要建立健全科技帮扶机制，发达地区要为欠发达地区输送相关人才和资源，使网上技术市场实现地域上的供需平衡。
由于本研究的局限性，笔者认为未来可以从以下几个方面展开进一步的研究：首先，除了以科技大市场数据代表网上技术市场以外，还可以对各地区科技产出等数据进行统计，使用多组数据进行交叉验证，提高实验的科学性。其次，可以融入深度数据挖掘方法，利用地方科技网站相关词汇出现频次进行研究。再次，可以拓宽统计时间，使用面板数据进行进一步分析，提高稳健性。最后，可以尝试将地理信息技术融入模型，利用企业信息对影响网上技术市场运行效率的因子进行深度挖掘。
参考文献：
[1]谷德斌， 尹航， 杨贵彬.高校科技成果转化驱动模式研究[J].科技进步与对策， 2012 （13） ：24-27.
[2]廖述梅， 徐升华.我国校企技术转移效率及影响因素分析[J].科学学与科学技术管理， 2009 （11） ：52-56.
[3]CHARNES A， COOPER W， RHODES E.Measuring the efficiency of decision making unit[J].European journal of operational research， 1978， 36 （2） ：429-444.
[4]CHAPPLE W， LOCKETT A， SIEGEL S， et al.Assessing the relative performance of university technology transfer offices in the U.K.：parametric and non-parametric evidence[J].Research policy， 2005， 34 （3） ：369-384.
[5]SIMAR L， WILSON W.A general methodology for bootstrapping in non-parametric frontier models[J].Journal of applied statistics， 2000， 27 （2） ：779-802.
[6]何伟怡，马胜仑，孙学珊.中国装备制造业能源效率研究——基于Bootstrap-DEA模型[J].华东经济管理，2019，33（1）：87-92.
[7]李俊霞，温小霓.中国科技金融资源配置效率与影响因素关系研究[J].中国软科学，2019（1）：164-174.
[8]何彬，范硕. 中国大学科技成果转化效率演变与影响因素——基于Bootstrap-DEA方法和面板Tobit模型的分析[J]. 科学学与科学技术管理，2013（10）：85-94.
[9]MARKMAN G， PHAN P， BALKIN D， et al.Innovation speed：Transferring university technology to Market[J].Research policy， 2005， 34 （7） ：1058-1075.
[10]李妃养，黄何，曾乐民.全球视角的技术交易平台建设经验及启示建议[J].中国科技论坛，2018（1）：24-29.
[11]雷梦思，李华，王方.网上技术市场是双边市场吗——以浙江网上技术市场为例[J].科技管理研究，2017，37（14）：41-45.
[12]马亚丽，李华，王方.基于双边市场理论的网上技术市场定价策略[J].科技管理研究，2016，36（11）：233-239.
[13]张洁音.区域性知识市场网络化中介能力研究——以浙江技术市场为例[J].科技进步与对策，2015，32（13）：42-46.
[14]HEIDRUN H， EMRE O.Intermediation in innovation[J]. International journal of industrial organization，2005，23（5-6）：483-503.
[15]刘艳春，韩孺眉，孙博文. 基于PCA-DEA綜合评价模型的大中型工业企业技术创新效率评价[J]. 技术经济， 2013，32（8）： 9-14， 74. [16]徐进，宁建荣，唐建国.浙江省科技成果转化服务平台构建与运行机制初探[J].科技管理研究，2010，30（22）：83-87.
[17]刘芳，王宇露.基于Meta-Frontier-Bootstrap-DEA方法的中国高端装备制造企业效率测度研究[J].统计与信息论坛，2017，32（6）：92-98.
[18]梅姝娥， 仲伟俊.我国高校科技成果转化障碍因素分析[J].科学学与科学技术管理， 2008 （3） ：22-27.
[19]邹玮，孙才志，覃雄合.基于Bootstrap-DEA模型环渤海地区海洋经济效率空间演化与影响因素分析[J].地理科学，2017，37（6）：859-867.
[20]黄微，姜毓锋，胡方元.吉林省技术市场发展现状及对策研究[J].情报科学，2010，28（6）：950-955.
[21]KNEIP A， SIMAR L， WILSON W.Asymptotics and consistent bootstraps for DEA estimators in non-parametric frontier models[J].Econometric theory， 2008， 24 （3） ：1663-1697.
[22]BANKER D， CHARNES A， COOPER W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science， 1984， 30 （9） ：1078-1092.
[23]郑长江，谢富纪.浙江技术市场存在问题与对策研究[J].华东经济管理，2010，24（9）：16-20.
[24]冯秀珍，武丽丽.网上技术市场信息服务能力评价模型研究[J].科技管理研究，2010，30（12）：52-53，56.
[25]GEORGE G， ZAHRA A， WOOD R.The effect of business-university alliances on innovative output and financial performance：A study of publicly traded biotechnology companies[J].Journal of business venturing， 2002， 17 （2） ：577-609.
[26]曹芳東，黄震方，徐敏，等.风景名胜区旅游效率及其分解效率的时空格局与影响因素——基于Bootstrap-DEA模型的分析方法[J].地理研究，2015，34（12）：2395-2408.
[27]蒋芬.基于市场机制的浙江网上技术市场运营模式研究[J].商业经济研究，2015（26）：143-145.
[作者简介]郭亮玺（1981—），男，博士研究生，研究方向：科技管理;顾秋阳（1995—），男，博士研究生，研究方向：智能信息处理与大数据挖掘;琚春华（1962—），男，教授，博士生导师，研究方向：智能信息处理与数据挖掘、商务智能。
[关键词]Bootstrap-DEA;Tobit;网上技术市场;运行效率;科技扶贫
[DOI]10.13939/j.cnki.zgsc.2020.06.177
1 引言
网上技术市场是我国技术市场体系中重要的组成部分之一，随着近年来互联网技术和电子商务平臺的高速发展，网上技术市场越来越成为促进科技与经济有机结合的催化剂。2018年，我国技术合同成交额同比增长15.97%，高达11407亿元，首次突破万亿元。全国常设技术交易市场近200家，从业人员约50万人，研发投入占GDP的比重首次突破了2%，技术市场已经成为我国推动创新的重要手段。2017年年底，国务院发布关于《国家技术转移体系建设方案》，其中指出：国家技术转移体系是促进科技成果持续产生，推动科技成果扩散、流动、共享、应用并实现经济与社会价值的生态系统。建设和完善国家技术转移体系，对于促进科技成果资本化产业化、提升国家创新体系整体效能、激发全社会创新创业活力、促进科技与经济紧密结合具有重要意义。[1]
尽管如此，网上技术市场仍然存在信息不对称、成本较高、创新驱动疲软等问题。[2]且技术商品存在保密性要求高、信息公开难度大等特征，企业往往不愿意公开生产中的技术瓶颈，而高校等机构往往不愿意公开技术的核心内容，这样就造成网上只能交互一般信息，核心信息只能在线下进行交流。且由于网上交易的特殊性，即便是一般商品的电商交易，也存在法规、监管不完善、诚信缺失等问题;而对于网上技术交易而言，其存在交易规则更加复杂、交易过程难以进行实时监管等问题。因此，在目前相关的法律法规体系仍不健全，知识产权保护力度尚待进一步加强的情况下，大规模的网上技术洽谈和交易不还存在困难。综上所述，笔者认为研究网上技术市场运行效率驱动因素，并寻找提升运行效率的有效方法迫在眉睫。
当前国内外关于网上技术市场的研究主要偏重于理论描述和利用传统DEA模型进行测算，忽略了数据量对模型准确性和样本敏感性的影响和松弛变量的干扰。[3]文章基于Bootstrap方法，对DEA模型进行纠正，并结合Tobit模型对网上技术市场运行效率评价模型进行构建。并结合浙江省23县（市、区）的真实数据，对模型进行验证和分析;并引入对照指标增速和排名，对实验结果进行稳健性检验;最后针对实验结果提出相应启示。以期为优化网上技术市场环境、优化市场资源配置提供理论依据;同时也为促进区域科技创新协调发展提供参考。
2 文献综述
2.1 文献回顾
数据包络分析（DEA）是一种基于投入产出对决策单元（DMU）的相对效率进行评价的的非参数方法，学术界常将其用于对于效率的测算。其最早由Charnes[3]等人提出，用于对多输入和多输出的决策单元的相对效率进行评价。一般认为，经典DEA法的重大缺陷之一是没有考虑环境因素的影响，Chapple[4]等提出了三阶段DEA方法，并结合SFA （Stochastic Frontier Approach）法对DEA模型进行改进。但由于SFA属于参数估计方法，使用时必须满足模型假设条件，因此一些数据集不完全适用于该方法。 Simar & Wilson[5]等提出了基于Bootstrap纠偏的DEA方法，该方法可用于对原始数据样本进行模拟，对产生的模拟样本进行DEA效率测算。Bootstrap-DEA法规避了模型的设定风险、样本敏感性、极端值影响等问题，是弥补传统DEA 法缺陷的一个突破性进展。[6-7]
何彬[8]等认为网上技术市场是一类通过网上进行技术交易的市场，技术供需双方能够在网上技术市场上进行技术商品的交易。网上技术市场在一般情况下可以给技术供需双方提供一条龙服务。Markman[9]等认为在知识产权优化方面，网上技术市场承担了重要的角色。李妃养[10]等将网上技术市场视作为一种虚拟市场，这种虚拟市场是基于当代网络信息技术，尤其以互联网信息技术为主成立起来的。雷梦思[11]等将网上技术市场视作为一种有别于传统技术市场的新式技术买卖市场，这种新式的技术买卖市场的成立依赖于电子商务技术和当代网络信息技术的发展。马亚丽[12]等研究发现，技术需求方在参与科技成果转化为现实生产力这一过程之中，不仅能够直接使自身的创新能力增强、创新意识提高，还可以使其运行模式变得更加稳定、合适与先进。张洁音[13]等聚焦技术的提供方，也就是科研机构和高校，分析了在科技成果进行转化的过程中，科研机构和高校所面临的困境，对一些障碍因素进行了深入的分析并提供了有针对性的对策。
2.2 文献评述
通过上述对现有研究成果的梳理发现，网上技术市场已经受到了国内外学者的重视并得到丰富的研究。上述研究成果，既对本研究具有一定的借鉴意义，但也存在一些不足：①已有很多学者对我国网上技术市场的双边市场定价等方面开展了一系列卓有成效的研究（如Heidrun [14]等），但较少有对其运行效率进行建模和探究的。②现有文献大多集中于使用传统的DEA模型进行效率测算（如③刘艳春&徐进[15-161]等），但少有结合Bootstrap等纠偏方法对模型进行改进的。④几乎所有的相关文献多只对运行效率进行了测算和比较（如刘芳[17]等），很少有融入Tobit等模型对其影响因素再进行验证和对比的文献记录。⑤现有关于网上技术市场运行效率测算的文献，其因变量主要数据来源为高校或市场的调研数据（如梅姝娥[18]等），少有学者使用对某地区的经济区域进行逐个调研和数据询问，并基于真实数据进行测算的。⑥现有关于运行效率测算的文献多进行城市地区间的纵向排名和比较（如邹玮&黄微[19-20]等），少有使用发布的相关指数和指标增速进行拟合分析。 本研究基于以上综述，认为应基于Bootstrap-DEA法Tobit法，引入一种新的运行效率测算模型进行研究，并对影响网上技术市场运行效率的因素进行验证，最后引入地区专利增速和R&D增速等对照指标进行稳健性检验。以期为进一步提高网上技术市场运行效率，推进我国科技成果转化提供理论依据;同时也为有关部门制定精准的科技扶贫政策提供参考。
3 模型说明
3.1 模型构建
3.1.1 DEA及Bootstrap-DEA纠偏
本研究采用非参数DEA方法测度大学科技成果转化效率。Kneip [21]等认为传统DEA方法难以回避样本敏感性和极端值影响的问题。如果仅仅根据传统的点估计判断单元的有效性会导致严重的偏误，会将大量无效单元判为有效。针对传统DEA方法的不足，可以采用渐进分析方法和Bootstrap方法对其进行修正。渐进分析方法在大样本情况下具有较好的效果，但在小样本情形下往往具有较大的偏误。而且多投入和多产出情形下DEA估计的极限分布过于复杂，使得其统计推断存在诸多困难。基于Bootstrap纠偏的DEA方法。Bootstrap-DEA方法规避了模型设定风 险、样本敏感性、极端值影响等问题，是解决传统DEA方法不足的一个突破性进展。[5]文章首先对Bootstrap-DEA方法进行说明。
考虑文章模型为多投入和多产出的情形，投入向量用x表示，且产出向量用y表示，整个投入产出的技术状况可以用如 式（1）所示：
3.2 数据说明
浙江省位于我国东部沿海地区，近年来随着有关部门对于网上技术市场的多阶段持续推进，其网上科学技术市场已进入稳定发展阶段，效益显著且具有示范意义。故文章以浙江省为例，通过查找和访问多种方式获得2018年浙江省23县（市、区）科技大市场的基本数据为样本进行实验具有科学性和代表性。其相关的影响因子及对比数据来源于2018年《浙江省统计年鉴》。文章综合相关研究成果[23-25]，结合实际数据可得性情况，从投入、产出两方面进行指标选择，并遵循科学性、合理性和可操作性的原则，最终确定投入指标为人员数量（X1）、单位计划投入金融（X2）、财政实际补助金融（X3）和地方配套实际金额（X4），产出指标为促成技术交易合同金额（Y1）和科技中介服务收入（Y2），具体如表1所示。并设置对照组数据：地区专利申请数量增长率和地区R&D增长率，分别记为PATENT和R&D。
利用Stata13.0计算所得各变量的描述性统计和Pearson相关性检验结果如表2所示，DEA模型的重要假设之一为投入与产出间必须满足“等张性”要求，即当投入增加时，产出也会相应的增加，因此需要对投入和产出的指标进行Pearson相关系数检验，以确定指标选取的合理性。具体的检验结果分别见表2，可以发现网上技术市场投入与产出指标间的Pearson系数都较高，且在 0.01 的水平下存在着显著的正相关关系，说明文章指标的选取较为合理，数据满足上述假设，可使用Bootstrap-DEA模型进行运行效率测算。
4 实验结果
本研究利用Matlab17.0软件对文章的Bootstrap-DEA进行建模，并将迭代次数设置为1000次。表3报告了Bootstrap-DEA模型纠错后的网上技术市场运行效率，各地区平均技术效率值均小于1，说明实际产出和期望产出之间存在一定的差距，其中衢州市市级市场、平湖市市级市场、瓯海区市场、诸暨市市级市场和龙湾区市场的运行效率分别为0.602、0.597、0.594、0.581和0.579，排名前五。从地理特征和市场规模来看，分布都较为分散，甚至较地区GDP总量而言，衢州、瓯海、龙泉等经济欠发达地区的科技市场运行效率排名靠前，这说明浙江科技扶贫政策已然发挥重要作用。经计算，网上技术市场的技术运行效率均值为0.3002，这表明即使技术市场投入平均下降69.98%，仍然可以产生既定的期望产出，故认为此行业存在投入产出不平衡等问题。
文章利用Stata17.0软件对网上技术市场运行效率和对应区域的专利授权数量增长率和R&D增长率进行Spearman检验，以检验其相关性，对网上技术市场对当地科技发展和技术创新的促进作用进行验证。据表4报告可知，两个对照指标的斯皮尔森相关性系数分别为0.7421（p<0.001）和0.8389（p<0.001），故认为网上技术市场运行效率与当地科技发展增速具有较高相关性。
为了继续探索因素影响网上技术市场运行效率及其区域差异的主要原因，本研究利用Stata17.0对Tobit模型进行检验，R2值为0.999，故认为模型非常稳健。就模型2检验结果可知，人员数量（X1）、财政补助实际金额（X3）和地方配套补助金额（X4）系数为正，单位计划投入金额（X2）系数为负。且观察P值可知，X1 和X4在0.001的显著性水平下显著，X2在0.05的显著性水平下显著X3对被解释变量不显著。结合文献后笔者认为，这是由于相关人员数量的提升對网上技术市场运行效率有着重大的促进作用;而企业计划投入金额越高，就会打击其继续进行科技技术创新的动力，从而影响其可持续性，故会对其运行效率产生反向作用。由于存在财政经费对接和落实的精准度不高，且技术市场研发存在成本和失败率较高，故导致财政经费补助对网上技术市场运行效率显著性较低;相反，地方财政补助可做到更精准的对接和精准扶持，对提升网上技术上市场运行效率有着显著作用。
图1报告了浙江地区网上技术市场运行效率及其对照指标增速的区域差异分布图。结果显示，网上技术市场运行效率与其专利数量增速和R&D增速基本吻合，说明技术市场的运行效率确实和科技发展速度基本同步，结合上述结论认为其双方具有相互促进。结合曹芳东&蒋芬[26-27]等的做法，本文将上述23县（市、区）中的衢州市区及下属县区、磐安、龙泉、瓯海、丽水等地区定义为欠发达地区，其网上技术市场运行效率排名分别为1、6、22、9、3、12，除磐安外其余欠发达地区运行效率排名都较为靠前，说明以网上技术市场为媒介的科技扶贫效果较为显著，而磐安地区效率较低对的原因可能是其基础设施条件较差、产业发展不均匀等。 5 结论与启示
文章以经典DEA模型为基础，融入Bootstrap方法进行纠偏，并以浙江省23县（市、区）2018年的截面数据集为例，对网上技术市场运行效率进行建模和分析。并在此基础上利用Tobit 模型检验了员工数量、企业计划投入运作金额、财政补助实际金额和地方配套补助实际金额对网上技术市场运行效率的影响。
通过上述研究，笔者得出以下结论：①等量的科技投入对于欠发达地区能够获得更多的产出，即科技扶贫政策极为有效和高效。②相较于上级财政拨款而言，地方财政补助能够更高效、精准地为地方网上技术市场的发展提供帮助和扶持。③企业对于自身科技投入的预估值越大，其网上技术市场效率越低。④网上技术市场运行效率的提升与地方科技创新能力的提升有较强关联。⑤我国网上技术市场存在投入与产出不平衡的态势，多数地区处于投入过剩，少数贫困地区呈现投入不足。
上述研究结论将为科技创新企业、相关人员和科学技术监管部门提供以下启示：①有关部门要加大对贫困地区的科技帮扶政策，加大科技扶贫力度，为地区发展提供新的增长点。②要加大地方财政的配套力度，对于上级财政配套资金要建立相应的监管制度，确保补助款项能够发货相应作用。③有关部门要加大宣传力度，呼吁企业建立良好的投入预算制度，防止由于企业预计投入过大而导致其创新能力下降。④科学技术创新部门要建立健全科技创新奖励机制，激励企业进行技术创新。⑤要建立健全科技帮扶机制，发达地区要为欠发达地区输送相关人才和资源，使网上技术市场实现地域上的供需平衡。
由于本研究的局限性，笔者认为未来可以从以下几个方面展开进一步的研究：首先，除了以科技大市场数据代表网上技术市场以外，还可以对各地区科技产出等数据进行统计，使用多组数据进行交叉验证，提高实验的科学性。其次，可以融入深度数据挖掘方法，利用地方科技网站相关词汇出现频次进行研究。再次，可以拓宽统计时间，使用面板数据进行进一步分析，提高稳健性。最后，可以尝试将地理信息技术融入模型，利用企业信息对影响网上技术市场运行效率的因子进行深度挖掘。
参考文献：
[1]谷德斌， 尹航， 杨贵彬.高校科技成果转化驱动模式研究[J].科技进步与对策， 2012 （13） ：24-27.
[2]廖述梅， 徐升华.我国校企技术转移效率及影响因素分析[J].科学学与科学技术管理， 2009 （11） ：52-56.
[3]CHARNES A， COOPER W， RHODES E.Measuring the efficiency of decision making unit[J].European journal of operational research， 1978， 36 （2） ：429-444.
[4]CHAPPLE W， LOCKETT A， SIEGEL S， et al.Assessing the relative performance of university technology transfer offices in the U.K.：parametric and non-parametric evidence[J].Research policy， 2005， 34 （3） ：369-384.
[5]SIMAR L， WILSON W.A general methodology for bootstrapping in non-parametric frontier models[J].Journal of applied statistics， 2000， 27 （2） ：779-802.
[6]何伟怡，马胜仑，孙学珊.中国装备制造业能源效率研究——基于Bootstrap-DEA模型[J].华东经济管理，2019，33（1）：87-92.
[7]李俊霞，温小霓.中国科技金融资源配置效率与影响因素关系研究[J].中国软科学，2019（1）：164-174.
[8]何彬，范硕. 中国大学科技成果转化效率演变与影响因素——基于Bootstrap-DEA方法和面板Tobit模型的分析[J]. 科学学与科学技术管理，2013（10）：85-94.
[9]MARKMAN G， PHAN P， BALKIN D， et al.Innovation speed：Transferring university technology to Market[J].Research policy， 2005， 34 （7） ：1058-1075.
[10]李妃养，黄何，曾乐民.全球视角的技术交易平台建设经验及启示建议[J].中国科技论坛，2018（1）：24-29.
[11]雷梦思，李华，王方.网上技术市场是双边市场吗——以浙江网上技术市场为例[J].科技管理研究，2017，37（14）：41-45.
[12]马亚丽，李华，王方.基于双边市场理论的网上技术市场定价策略[J].科技管理研究，2016，36（11）：233-239.
[13]张洁音.区域性知识市场网络化中介能力研究——以浙江技术市场为例[J].科技进步与对策，2015，32（13）：42-46.
[14]HEIDRUN H， EMRE O.Intermediation in innovation[J]. International journal of industrial organization，2005，23（5-6）：483-503.
[15]刘艳春，韩孺眉，孙博文. 基于PCA-DEA綜合评价模型的大中型工业企业技术创新效率评价[J]. 技术经济， 2013，32（8）： 9-14， 74. [16]徐进，宁建荣，唐建国.浙江省科技成果转化服务平台构建与运行机制初探[J].科技管理研究，2010，30（22）：83-87.
[17]刘芳，王宇露.基于Meta-Frontier-Bootstrap-DEA方法的中国高端装备制造企业效率测度研究[J].统计与信息论坛，2017，32（6）：92-98.
[18]梅姝娥， 仲伟俊.我国高校科技成果转化障碍因素分析[J].科学学与科学技术管理， 2008 （3） ：22-27.
[19]邹玮，孙才志，覃雄合.基于Bootstrap-DEA模型环渤海地区海洋经济效率空间演化与影响因素分析[J].地理科学，2017，37（6）：859-867.
[20]黄微，姜毓锋，胡方元.吉林省技术市场发展现状及对策研究[J].情报科学，2010，28（6）：950-955.
[21]KNEIP A， SIMAR L， WILSON W.Asymptotics and consistent bootstraps for DEA estimators in non-parametric frontier models[J].Econometric theory， 2008， 24 （3） ：1663-1697.
[22]BANKER D， CHARNES A， COOPER W.Some models for estimating technical and scale inefficiencies in data envelopment analysis[J].Management science， 1984， 30 （9） ：1078-1092.
[23]郑长江，谢富纪.浙江技术市场存在问题与对策研究[J].华东经济管理，2010，24（9）：16-20.
[24]冯秀珍，武丽丽.网上技术市场信息服务能力评价模型研究[J].科技管理研究，2010，30（12）：52-53，56.
[25]GEORGE G， ZAHRA A， WOOD R.The effect of business-university alliances on innovative output and financial performance：A study of publicly traded biotechnology companies[J].Journal of business venturing， 2002， 17 （2） ：577-609.
[26]曹芳東，黄震方，徐敏，等.风景名胜区旅游效率及其分解效率的时空格局与影响因素——基于Bootstrap-DEA模型的分析方法[J].地理研究，2015，34（12）：2395-2408.
[27]蒋芬.基于市场机制的浙江网上技术市场运营模式研究[J].商业经济研究，2015（26）：143-145.
[作者简介]郭亮玺（1981—），男，博士研究生，研究方向：科技管理;顾秋阳（1995—），男，博士研究生，研究方向：智能信息处理与大数据挖掘;琚春华（1962—），男，教授，博士生导师，研究方向：智能信息处理与数据挖掘、商务智能。