賈永飛 郭玥

摘 要：為梳理科技成果轉(zhuǎn)化具體環(huán)節(jié)，探索影響科技成果轉(zhuǎn)化的關(guān)鍵因素，引用知識(shí)基因理論，類比知識(shí)基因遺傳和表達(dá)，提出知識(shí)基因視角下科技成果轉(zhuǎn)化需要的四大基本要素：科技DNA、科技RNA、酶和科技性狀，并將科技成果轉(zhuǎn)化過(guò)程劃分為識(shí)別、轉(zhuǎn)錄、翻譯、組合、擴(kuò)散5個(gè)階段，在此基礎(chǔ)上構(gòu)建科技成果轉(zhuǎn)化評(píng)價(jià)指標(biāo)體系，以2016-2020年中國(guó)內(nèi)地30個(gè)省域面板數(shù)據(jù)為樣本進(jìn)行實(shí)證檢驗(yàn)。通過(guò)灰色關(guān)聯(lián)度計(jì)算和障礙因子識(shí)別發(fā)現(xiàn)：①2016-2020年各指標(biāo)與科技性狀表達(dá)的關(guān)聯(lián)程度和障礙強(qiáng)度較為穩(wěn)定；②各指標(biāo)與顯性科技性狀表達(dá)的關(guān)聯(lián)程度更緊密，翻譯階段與顯性科技性狀表達(dá)關(guān)聯(lián)度最高，轉(zhuǎn)錄要素酶與隱性科技性狀表達(dá)關(guān)聯(lián)度最高；③不同省份之間影響科技性狀表達(dá)的主要因素具有顯著差異；④組合活動(dòng)和翻譯活動(dòng)開(kāi)展情況是制約我國(guó)科技成果轉(zhuǎn)化的主要障礙因子。

關(guān)鍵詞：知識(shí)基因；科技成果轉(zhuǎn)化；影響因素；灰色關(guān)聯(lián)分析；障礙度模型

DOI：10.6049/kjjbydc.2022050085

中圖分類號(hào)：F204

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2023）10-0067-12

0 引言

面對(duì)復(fù)雜多變的世界環(huán)境和新冠肺炎疫情的持續(xù)性沖擊，創(chuàng)新始終是各國(guó)經(jīng)濟(jì)發(fā)展的主要引擎，我國(guó)正處于“兩個(gè)一百年”奮斗目標(biāo)的歷史交匯期，面對(duì)新的國(guó)內(nèi)外形勢(shì)和發(fā)展需求，必須堅(jiān)定不移地實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，充分發(fā)揮科技創(chuàng)新對(duì)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)與經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的支撐和引領(lǐng)作用。科技成果轉(zhuǎn)化作為科技創(chuàng)新的重要環(huán)節(jié)，是推動(dòng)科技成果轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力的關(guān)鍵。為提高科技成果轉(zhuǎn)化效率，2015年以來(lái)我國(guó)先后出臺(tái)了科技成果轉(zhuǎn)移轉(zhuǎn)化“三部曲”。然而，《中國(guó)科技成果轉(zhuǎn)化2020年度報(bào)告》顯示，科技成果交易金額和科技成果轉(zhuǎn)化獎(jiǎng)勵(lì)強(qiáng)度在2019年均有所下降，其中科技成果轉(zhuǎn)化合同平均成交額較上年下降38.8%，研發(fā)與轉(zhuǎn)化主要貢獻(xiàn)人員獲得的現(xiàn)金和股權(quán)獎(jiǎng)勵(lì)較上年下降26.2%^［1］，科技成果轉(zhuǎn)化政策不均衡、金融支持體系不完善、科研工作者重論文輕轉(zhuǎn)化等問(wèn)題依然存在，提高科技成果轉(zhuǎn)化效率需要新的破題之策。

我國(guó)現(xiàn)有科技成果轉(zhuǎn)化研究主要集中在科技成果轉(zhuǎn)化政策與評(píng)價(jià)^［2］、科技成果轉(zhuǎn)化機(jī)制與路徑^［3-4］、科技成果轉(zhuǎn)化績(jī)效、科技成果轉(zhuǎn)化效率與影響因素^［5］4個(gè)方面?？萍汲晒D(zhuǎn)化主體主要包括政府、高校、企業(yè)和科技中介組織4類行為主體，李海東等（2018）認(rèn)為這4類行為主體的功能定位、互動(dòng)關(guān)系和作用機(jī)制直接影響高?？萍汲晒D(zhuǎn)化效率。然而，學(xué)者探討科技成果轉(zhuǎn)化影響因素時(shí)往往只考慮單一主體的作用，忽略了多個(gè)主體要素之間的聯(lián)合效應(yīng)^［6］。如Howells^［7］認(rèn)為，技術(shù)轉(zhuǎn)移中介組織對(duì)創(chuàng)新過(guò)程起重要作用；姚思宇等^［8］運(yùn)用Ordered Logit模型證實(shí)科技中介機(jī)構(gòu)轉(zhuǎn)化服務(wù)能力對(duì)高?？萍汲晒D(zhuǎn)化具有顯著正向影響?？萍汲晒D(zhuǎn)化政策是科技成果轉(zhuǎn)化的最大變量^［9］，如何完善科技成果轉(zhuǎn)化政策體系始終是學(xué)者們探究的重點(diǎn)。常旭華等（2019）認(rèn)為，財(cái)政資助發(fā)明權(quán)屬不清晰是影響我國(guó)科技成果轉(zhuǎn)化的最后一道障礙；同時(shí)，多數(shù)學(xué)者表示只有扎根于社會(huì)文化，建立健全配套政策，靈活運(yùn)用各種政策工具，滿足各主體要素合法權(quán)益才能真正提高科技成果轉(zhuǎn)化成效^［2］。

從市場(chǎng)角度出發(fā)，科技成果轉(zhuǎn)化既是一個(gè)社會(huì)過(guò)程^［10］，也是一個(gè)復(fù)雜的技術(shù)創(chuàng)新過(guò)程^［11］，因此影響科技成果轉(zhuǎn)化的因素不僅包括科技成果自身特點(diǎn)、轉(zhuǎn)化意愿等內(nèi)部因素，也包括社會(huì)制度文化、資金、社會(huì)需求、社會(huì)生產(chǎn)條件等外部因素^［12］。從這一角度分析國(guó)內(nèi)現(xiàn)有科技成果轉(zhuǎn)化影響因素研究仍不夠全面和深入，且研究對(duì)象局限于高校，研究方法以定性分析和案例分析為主，對(duì)科技成果轉(zhuǎn)化的系統(tǒng)性、過(guò)程性認(rèn)識(shí)不足；另外，現(xiàn)有研究多以少數(shù)經(jīng)濟(jì)發(fā)達(dá)地區(qū)為研究對(duì)象，未充分考慮各省域創(chuàng)新資源差異對(duì)科技成果轉(zhuǎn)化的影響。因此，為解決科技成果轉(zhuǎn)化效率不高這一制約經(jīng)濟(jì)發(fā)展的痛點(diǎn)問(wèn)題，應(yīng)細(xì)化科技成果轉(zhuǎn)化各環(huán)節(jié)，全面識(shí)別影響科技成果轉(zhuǎn)化的各類因素。本文將知識(shí)基因理論引入科技成果轉(zhuǎn)化研究，通過(guò)類比基因表達(dá)過(guò)程和條件，細(xì)分科技成果轉(zhuǎn)化各個(gè)階段，借助灰色關(guān)聯(lián)度和障礙度模型，識(shí)別制約科技成果轉(zhuǎn)化的主要環(huán)節(jié)和因素，旨在為科技成果轉(zhuǎn)化研究提供理論支撐，并為進(jìn)一步提高科技成果轉(zhuǎn)化效率提供參考依據(jù)。

1 基于知識(shí)基因理論的科技成果轉(zhuǎn)化

1.1 理論基礎(chǔ)

英國(guó)學(xué)者Dawkins等^［13］根據(jù)基因理論提出思想基因的概念，認(rèn)為思想可隨時(shí)間和空間變化而移植、擴(kuò)展，如同生物一樣，有基本的遺傳單位；Sen^［14］進(jìn)一步提出情報(bào)基因的概念；李伯文（1985）認(rèn)為知識(shí)基因是一個(gè)科學(xué)概念；之后，劉植惠^［15］細(xì)化知識(shí)基因的內(nèi)涵，認(rèn)為知識(shí)基因具有穩(wěn)定性、遺傳與變異性、統(tǒng)攝性以及定向控制知識(shí)走向的能力。知識(shí)基因決定知識(shí)進(jìn)化與突變，在不同研究領(lǐng)域被稱作知識(shí)元素、知識(shí)因子、知識(shí)節(jié)點(diǎn)等，現(xiàn)廣泛應(yīng)用于知識(shí)和技術(shù)識(shí)別、知識(shí)傳播與擴(kuò)散等領(lǐng)域。如Kuhn等^［16］、孫曉玲等（2017）利用知識(shí)基因發(fā)現(xiàn)算法識(shí)別出在科學(xué)技術(shù)進(jìn)化和突變過(guò)程中起關(guān)鍵作用的科學(xué)知識(shí)基因和技術(shù)基因，拓展了知識(shí)基因在科技領(lǐng)域的應(yīng)用。知識(shí)基因理論為知識(shí)產(chǎn)生、傳播提供了新視角（逯萬(wàn)輝等，2019），因此研究知識(shí)基因游離和重組，有助于探索科技成果轉(zhuǎn)化機(jī)理。

1.2 知識(shí)基因與科技成果類比分析

Blackmore 等^［17］在模因論的基礎(chǔ)上，將知識(shí)基因描述為具有高保真復(fù)制、高繁殖力和強(qiáng)生命力的復(fù)制因子；劉則淵^［18］認(rèn)為，知識(shí)基因是在特定知識(shí)領(lǐng)域構(gòu)成的自組織知識(shí)系統(tǒng)，可展示知識(shí)產(chǎn)生、演化與重組、涌現(xiàn)、斷層和變革、傳播和應(yīng)用等?！吨腥A人民共和國(guó)促進(jìn)科技成果轉(zhuǎn)化法》將科技成果定義為通過(guò)科學(xué)研究與技術(shù)開(kāi)發(fā)所產(chǎn)生的具有實(shí)用價(jià)值的成果。創(chuàng)新價(jià)值鏈理論將科技創(chuàng)新活動(dòng)劃分為創(chuàng)新產(chǎn)生、成果示范、科技成果產(chǎn)業(yè)化和科技成果推廣4個(gè)環(huán)節(jié)。對(duì)比分析知識(shí)基因定義和科技成果定義可知，科技成果作為一種知識(shí)產(chǎn)品，本身是知識(shí)基因在科技創(chuàng)新領(lǐng)域的體現(xiàn)，而科技成果產(chǎn)生和轉(zhuǎn)化過(guò)程對(duì)應(yīng)知識(shí)基因表達(dá)過(guò)程。

1.3 知識(shí)基因表達(dá)與科技成果轉(zhuǎn)化類比分析

知識(shí)具有共享性和積累性，而知識(shí)發(fā)展是一個(gè)動(dòng)態(tài)流動(dòng)過(guò)程，知識(shí)基因表達(dá)過(guò)程表現(xiàn)為知識(shí)遺傳和變異。知識(shí)基因遺傳表現(xiàn)為科技信息在不同主體間的傳承，并在慣性作用下保持知識(shí)穩(wěn)定性，以維持知識(shí)的固有價(jià)值；而變異是指隨著創(chuàng)新環(huán)境和社會(huì)需求變化，知識(shí)不按原有發(fā)展路徑進(jìn)化，并產(chǎn)生內(nèi)容創(chuàng)新（劉植惠，1999）。國(guó)內(nèi)外現(xiàn)有研究尚未對(duì)科技成果轉(zhuǎn)化概念形成統(tǒng)一闡述?？萍汲晒D(zhuǎn)化作為科技管理領(lǐng)域的專有名詞，從官方科技發(fā)展規(guī)劃文件發(fā)展而來(lái)，國(guó)內(nèi)學(xué)者對(duì)科技成果轉(zhuǎn)化概念的界定主要分為廣義和狹義兩種。其中，廣義科技成果轉(zhuǎn)化包含從知識(shí)生產(chǎn)到最終形成生產(chǎn)力這一創(chuàng)新鏈條的各個(gè)環(huán)節(jié)；狹義科技成果轉(zhuǎn)化是指應(yīng)用技術(shù)成果向現(xiàn)實(shí)生產(chǎn)力轉(zhuǎn)化（賀德方，2011），在國(guó)外相似概念被稱為技術(shù)轉(zhuǎn)移、技術(shù)轉(zhuǎn)化或技術(shù)商業(yè)化。根據(jù)各學(xué)者對(duì)科技成果轉(zhuǎn)化的界定，本文發(fā)現(xiàn)科技成果轉(zhuǎn)化具有3個(gè)基本特征：一是通過(guò)科技成果轉(zhuǎn)化產(chǎn)生經(jīng)濟(jì)效益或社會(huì)效益；二是科技成果轉(zhuǎn)化的本質(zhì)是知識(shí)流動(dòng)和擴(kuò)散；三是科技成果轉(zhuǎn)化不是一個(gè)單獨(dú)環(huán)節(jié)，而是包含一系列活動(dòng)（靳瑞杰等，2019）。本研究認(rèn)定，科技成果轉(zhuǎn)化是指將具有市場(chǎng)應(yīng)用價(jià)值的科研成果通過(guò)各種形式實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值的一系列活動(dòng)。根據(jù)知識(shí)基因中隱性遺傳和顯性遺傳的概念，本文將科技成果的直接應(yīng)用視為科技基因的顯性遺傳表達(dá)，將科技成果的間接應(yīng)用視為知識(shí)基因的隱性遺傳表達(dá)。通過(guò)對(duì)比知識(shí)基因表達(dá)相關(guān)概念和科技成果轉(zhuǎn)化，發(fā)現(xiàn)兩者存在高度相似性，因此將知識(shí)基因理論引入科技成果轉(zhuǎn)化過(guò)程。

2 基于知識(shí)基因理論的科技成果轉(zhuǎn)化要素與過(guò)程

在生物學(xué)中，基因表達(dá)主要包括基因轉(zhuǎn)錄形成RNA和RNA翻譯成蛋白質(zhì)兩個(gè)過(guò)程，以及DNA、RNA、酶和蛋白質(zhì)四大主要物質(zhì)?；谶@一認(rèn)知，知識(shí)基因理論下的科技成果轉(zhuǎn)化需要以下4類要素參與：①基礎(chǔ)性要素：攜帶科技成果信息的科技DNA?？萍糄NA片段作為科技成果的虛擬載體，蘊(yùn)含著研發(fā)人員的顯性知識(shí)和隱性知識(shí)，市場(chǎng)和評(píng)估機(jī)構(gòu)往往通過(guò)對(duì)科技DNA的探索和識(shí)別尋找具有轉(zhuǎn)化價(jià)值的科技成果；②科技RNA。在生物學(xué)上RNA作為DNA的轉(zhuǎn)錄產(chǎn)物，是傳遞遺傳信息的信使，從知識(shí)基因視角出發(fā)，科技RNA是傳遞科技信息的中介產(chǎn)物，是實(shí)現(xiàn)科技成果轉(zhuǎn)化的中間橋梁；③酶。在知識(shí)基因視角下，各級(jí)政府出臺(tái)的各類科技政策扮演酶的角色，貫穿于科技成果轉(zhuǎn)化各環(huán)節(jié)，起到正向或負(fù)向調(diào)節(jié)作用；④科技性狀?？萍夹誀钍腔虮磉_(dá)的最終產(chǎn)物，是實(shí)現(xiàn)產(chǎn)業(yè)化生產(chǎn)和銷售的科技產(chǎn)品以及研發(fā)成熟后投入使用的科學(xué)技術(shù)。由于科技DNA蘊(yùn)含的遺傳信息不同，最終表達(dá)出的科技性狀也具有不同特性和功能，承擔(dān)不同功能的科技性狀會(huì)因?yàn)槭袌?chǎng)需求不同而重新組合。

除上述4個(gè)要素外，參照知識(shí)基因表達(dá)過(guò)程，本文將科技成果轉(zhuǎn)化整體過(guò)程劃分為以下5個(gè)階段：

（1）科技DNA識(shí)別。并非所有科技成果都能滿足轉(zhuǎn)化要求，如同基因表達(dá)一樣，識(shí)別具有實(shí)用價(jià)值、滿足市場(chǎng)需求的科技成果是科技成果轉(zhuǎn)化的首要環(huán)節(jié)。國(guó)內(nèi)現(xiàn)有科技成果評(píng)估活動(dòng)主要由高校或科研機(jī)構(gòu)自行組織專家委員進(jìn)行，且多以定性評(píng)估為主，缺少統(tǒng)一量化標(biāo)準(zhǔn)（龔敏等，2021），這就導(dǎo)致買(mǎi)賣(mài)雙方對(duì)科技成果的價(jià)值認(rèn)知不一致，信任機(jī)制難以建立，從而影響科技成果轉(zhuǎn)化。

（2）科技RNA轉(zhuǎn)錄。在這一階段，攜帶科技成果信息的科技DNA片段會(huì)轉(zhuǎn)錄為科技RNA片段，并在科技中介組織幫助下向市場(chǎng)移動(dòng)。科技DNA轉(zhuǎn)錄作為科技成果轉(zhuǎn)化中介機(jī)制，需要科技服務(wù)機(jī)構(gòu)參與，與科技供給方交接技術(shù)合同，并通過(guò)眾創(chuàng)空間、大學(xué)科技園等轉(zhuǎn)錄通道打通科學(xué)與市場(chǎng)邊界，保障科技成果轉(zhuǎn)化順利開(kāi)展。除此之外，科技RNA片段移動(dòng)時(shí)間和速度受政府調(diào)節(jié)作用，政策干預(yù)可以加速或者抑制科技成果轉(zhuǎn)化進(jìn)程，尤其是軍工、國(guó)防等敏感領(lǐng)域科技成果轉(zhuǎn)化更需要政府全程監(jiān)控。

（3）科技RNA片段翻譯。攜帶科技信息的知識(shí)基因片段流向市場(chǎng)后，企業(yè)充當(dāng)RNA的角色，攜帶資金、配套技術(shù)、原材料等資源形成初步科技產(chǎn)品。這一階段運(yùn)行的關(guān)鍵是保障企業(yè)攜帶的相關(guān)資源主動(dòng)向科技RNA片段靠攏，對(duì)科技信息進(jìn)行再開(kāi)發(fā)，并為新產(chǎn)品、新技術(shù)的初步生產(chǎn)和應(yīng)用提供穩(wěn)定的資源支持。

（4）科技成果組合。經(jīng)過(guò)科技RNA翻譯形成初步科技性狀，但不具備在市場(chǎng)競(jìng)爭(zhēng)中贏得商業(yè)利益的能力，組合階段既是對(duì)初級(jí)科技產(chǎn)品概念的驗(yàn)證，也是對(duì)生產(chǎn)的預(yù)演和探索^［19］，通過(guò)對(duì)產(chǎn)品和技術(shù)進(jìn)行不斷修正，使技術(shù)成熟度持續(xù)提高，并與其它科技產(chǎn)品組合，最終形成能夠直接銷售和使用的終端產(chǎn)品。

（5）科技性狀擴(kuò)散。經(jīng)過(guò)基因表達(dá)的最終產(chǎn)物——各種功能蛋白質(zhì)會(huì)被運(yùn)輸?shù)礁髯晕恢?，發(fā)揮各自作用。在科技成果轉(zhuǎn)化中，通過(guò)中試檢驗(yàn)的技術(shù)和產(chǎn)品會(huì)進(jìn)入批量應(yīng)用及產(chǎn)業(yè)化生產(chǎn)環(huán)節(jié)，科技產(chǎn)品只有在市場(chǎng)中推廣并發(fā)揮其蘊(yùn)含的經(jīng)濟(jì)價(jià)值和社會(huì)價(jià)值，才能真正實(shí)現(xiàn)科技成果轉(zhuǎn)化。

3 研究設(shè)計(jì)

3.1 知識(shí)基因視角下科技成果轉(zhuǎn)化評(píng)價(jià)指標(biāo)體系

從知識(shí)基因角度出發(fā)，梳理科技成果轉(zhuǎn)化過(guò)程不僅能夠打破現(xiàn)有研究以創(chuàng)新主體為主的局限，還能有效解決科技成果轉(zhuǎn)化具體路徑不清晰、服務(wù)需求模糊、科技中介服務(wù)機(jī)構(gòu)職責(zé)定位不明確等問(wèn)題。根據(jù)知識(shí)基因視角下科技成果轉(zhuǎn)化包含的4個(gè)主體要素和5個(gè)階段，結(jié)合以往研究成果，秉持科學(xué)性與客觀性、相關(guān)性與綜合性、可測(cè)性與便捷性原則，本文構(gòu)建知識(shí)基因視角下科技成果轉(zhuǎn)化評(píng)價(jià)指標(biāo)體系。

（1）在過(guò)程要素方面，對(duì)科技DNA的測(cè)量包括已有科技DNA數(shù)量和潛在科技DNA片段數(shù)量，已有科技DNA涉及科技論文和發(fā)明專利，潛在科技DNA片段是指處于開(kāi)發(fā)階段的科研項(xiàng)目?？萍糝NA作為知識(shí)基因視角下科技成果轉(zhuǎn)化的中間產(chǎn)物，采用技術(shù)市場(chǎng)輸出技術(shù)合同數(shù)測(cè)量科技RNA數(shù)量，采用科技服務(wù)機(jī)構(gòu)從業(yè)人員和服務(wù)測(cè)量科技RNA生成能力。酶作為貫穿科技成果轉(zhuǎn)化全過(guò)程的重要因素，可以調(diào)節(jié)科技成果轉(zhuǎn)化速度和進(jìn)程，本文利用政府質(zhì)量和政府資金占R&D經(jīng)費(fèi)內(nèi)部支出的比重測(cè)量酶對(duì)科技成果轉(zhuǎn)化的影響。政府質(zhì)量是指政府通過(guò)制度制定與實(shí)施履行政府職能所實(shí)現(xiàn)的效能，以及滿足社會(huì)現(xiàn)實(shí)需要的程度。參考已有研究結(jié)果，本文選取樊綱編寫(xiě)的《中國(guó)市場(chǎng)化指數(shù)》中的知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)、縮小政府規(guī)模指數(shù)、減少政府對(duì)企業(yè)干預(yù)指數(shù)、維護(hù)市場(chǎng)法制環(huán)境指數(shù)4個(gè)指標(biāo)綜合測(cè)量各級(jí)政府知識(shí)產(chǎn)權(quán)保護(hù)水平和維護(hù)市場(chǎng)正常運(yùn)行的能力^［20-21］；同時(shí)，借鑒Francis等^［22］的做法，利用上述4個(gè)指標(biāo)的平均值計(jì)算地方政府質(zhì)量指數(shù)。指數(shù)越大，表示地方政府質(zhì)量越高，即政府為創(chuàng)新主體提供的合作平臺(tái)越多，降低企業(yè)融資成本的能力越強(qiáng)。

（2）結(jié)果要素主要是對(duì)科技基因表達(dá)性狀進(jìn)行度量，是科技成果轉(zhuǎn)化效果的直接體現(xiàn)，因?yàn)橹R(shí)基因分為隱性基因和顯性基因，其表達(dá)性狀也分為顯性科技性狀和隱性科技性狀。其中，顯性科技性狀表達(dá)是對(duì)發(fā)明專利、新技術(shù)、新產(chǎn)品的應(yīng)用和生產(chǎn)，本文選取高新技術(shù)產(chǎn)業(yè)新產(chǎn)品開(kāi)發(fā)項(xiàng)目數(shù)、技術(shù)市場(chǎng)交易額、新產(chǎn)品銷售收入度量；隱性科技性狀表達(dá)是對(duì)科技論文、新思想、新理論、新方法等隱性知識(shí)的轉(zhuǎn)化和應(yīng)用，其轉(zhuǎn)化效果無(wú)法用具體指標(biāo)度量，本文通過(guò)計(jì)算各省市技術(shù)進(jìn)步程度和高新技術(shù)產(chǎn)業(yè)區(qū)位熵度量科技成果轉(zhuǎn)化帶來(lái)的經(jīng)濟(jì)效益與社會(huì)效益。其中，技術(shù)進(jìn)步程度用全要素生產(chǎn)率度量，反映科技創(chuàng)新、組織創(chuàng)新、生產(chǎn)創(chuàng)新等區(qū)域生產(chǎn)效率提升。參考謝超峰等^［23］的研究，本文選取各省GDP數(shù)值作為產(chǎn)出變量，三次產(chǎn)業(yè)從業(yè)人員數(shù)和全社會(huì)固定資產(chǎn)投資額作為投入變量，運(yùn)用DEA-Malmquist計(jì)算各省市技術(shù)進(jìn)步指數(shù)；高新技術(shù)產(chǎn)業(yè)區(qū)位熵反映地區(qū)高新技術(shù)產(chǎn)業(yè)技術(shù)水平，該指數(shù)越高，表明地區(qū)高新技術(shù)產(chǎn)業(yè)聚集程度越高，科技水平也就越高，具體計(jì)算公式如下：

其中，HTI_j、P_j分別表示j地區(qū)的高新技術(shù)產(chǎn)業(yè)總產(chǎn)值和各地區(qū)人口數(shù)，HTI、P分別表示全國(guó)高新技術(shù)產(chǎn)業(yè)總產(chǎn)值和全國(guó)人口數(shù)。

在科技DNA識(shí)別階段，采用參與科技成果評(píng)價(jià)的科技服務(wù)人員數(shù)量和專業(yè)程度以及開(kāi)展相關(guān)活動(dòng)的經(jīng)費(fèi)支出測(cè)量各地區(qū)科技DNA識(shí)別能力并識(shí)別活動(dòng)開(kāi)展情況；在轉(zhuǎn)錄階段，采用各地區(qū)基礎(chǔ)信息設(shè)施度量各地區(qū)轉(zhuǎn)錄基礎(chǔ)，采用各省眾創(chuàng)空間和大學(xué)科技園區(qū)數(shù)量度量各省支持科技基因片段從學(xué)術(shù)界移動(dòng)到市場(chǎng)界的轉(zhuǎn)錄通道數(shù)量，采用技術(shù)引進(jìn)費(fèi)用支出度量各省轉(zhuǎn)錄活動(dòng)開(kāi)展情況；在翻譯階段，采用各省市高新技術(shù)企業(yè)數(shù)量和市場(chǎng)資源向科技基因片段的聚集程度度量各省市翻譯基礎(chǔ)，采用新產(chǎn)品開(kāi)發(fā)經(jīng)費(fèi)支出和購(gòu)買(mǎi)技術(shù)經(jīng)費(fèi)支出度量翻譯活動(dòng)開(kāi)展情況；在組合階段，通過(guò)統(tǒng)計(jì)科技企業(yè)孵化器數(shù)量和試驗(yàn)階段科技人員數(shù)量度量各省驗(yàn)證、包裝組合科技成果的能力，采用技術(shù)改造和試驗(yàn)發(fā)展階段的科技經(jīng)費(fèi)支出度量各省科技成果組織包裝活動(dòng)開(kāi)展情況；在技術(shù)性狀擴(kuò)散階段，采用就業(yè)人員受教育程度度量當(dāng)?shù)貙?duì)新產(chǎn)品、新技術(shù)的接受能力，采用市場(chǎng)開(kāi)放程度和學(xué)術(shù)交流活動(dòng)舉辦情況度量當(dāng)?shù)匦庐a(chǎn)品、新技術(shù)流入流出能力，采用每年高新技術(shù)產(chǎn)業(yè)產(chǎn)品出口貨值度量該區(qū)域科技性狀擴(kuò)散速度。綜上所述，具體指標(biāo)體系如表1所示。

3.2 數(shù)據(jù)來(lái)源

本文從成果轉(zhuǎn)化過(guò)程要素、結(jié)果要素、階段性評(píng)價(jià)3個(gè)維度設(shè)置35個(gè)度量標(biāo)準(zhǔn)。其中，統(tǒng)計(jì)指標(biāo)數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)宏觀經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《中國(guó)教育數(shù)據(jù)庫(kù)》，政府質(zhì)量計(jì)算相關(guān)指數(shù)參考《中國(guó)市場(chǎng)化指數(shù)》2021年報(bào)告。由于多數(shù)省份創(chuàng)新平臺(tái)建設(shè)以及科技信息相關(guān)統(tǒng)計(jì)缺少較早年份數(shù)據(jù)，所以選取2016-2020年中國(guó)內(nèi)地30個(gè)省市數(shù)據(jù)（由于西藏地區(qū)數(shù)據(jù)不全，故未納入統(tǒng)計(jì)）。

其中，2018年、2019年、2020 年全社會(huì)固定資產(chǎn)投資額在2016年和2017年數(shù)據(jù)的基礎(chǔ)上計(jì)算得出，市場(chǎng)開(kāi)放程度在各地區(qū)進(jìn)出口商品總額和各地區(qū)生產(chǎn)總值的基礎(chǔ)上計(jì)算得出，學(xué)術(shù)交流活動(dòng)在各地區(qū)學(xué)術(shù)交流會(huì)議出席人次、論文匯報(bào)次數(shù)、特邀報(bào)告次數(shù)、主辦國(guó)際學(xué)術(shù)交流會(huì)議次數(shù)的基礎(chǔ)上計(jì)算得出。

3.3 熵值法指標(biāo)權(quán)重確定

3.3.1 數(shù)據(jù)標(biāo)準(zhǔn)化

為消除量綱分析的不良影響，采用極差法對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，對(duì)標(biāo)準(zhǔn)化后數(shù)值進(jìn)行平移。由于收集的數(shù)據(jù)多為面板數(shù)據(jù)，其中數(shù)據(jù)年度跨度d=5，省份數(shù)量m=30，衡量指標(biāo)個(gè)數(shù)n=35，因此選取某一指標(biāo)所有年度各省份的最值，標(biāo)準(zhǔn)化公式如下：

其中，r_θij表示初始數(shù)值，θ 表示收集數(shù)據(jù)的年份，i表示統(tǒng)計(jì)的各個(gè)省域，j表示參評(píng)指標(biāo)，x_θij表示對(duì)原始數(shù)據(jù)歸一后的標(biāo)準(zhǔn)化數(shù)值。

3.3.2 比重計(jì)算

計(jì)算第θ年省份i的第j個(gè)指標(biāo)值在第j個(gè)指標(biāo)下的占比。

3.3.3 信息熵計(jì)算

計(jì)算第j個(gè)指標(biāo)對(duì)應(yīng)的信息熵。

3.3.4 權(quán)重計(jì)算

計(jì)算第j個(gè)指標(biāo)的權(quán)重

3.4 研究方法

灰色關(guān)聯(lián)分析可根據(jù)各評(píng)價(jià)序列構(gòu)成的曲線族與參考序列構(gòu)成的序列曲線幾何的相似程度，反映各指標(biāo)之間的關(guān)聯(lián)強(qiáng)度^［24］。本文構(gòu)建的評(píng)價(jià)指標(biāo)體系，每個(gè)二級(jí)指標(biāo)和一級(jí)指標(biāo)都是一個(gè)復(fù)雜的子系統(tǒng)，在建立衡量標(biāo)準(zhǔn)、收集數(shù)據(jù)時(shí)難以全面覆蓋，仍存在許多灰色信息，因此采用灰色關(guān)聯(lián)度分析判斷各指標(biāo)與科技性狀表達(dá)的關(guān)聯(lián)程度?；疑P(guān)聯(lián)度越高，說(shuō)明該影響因素對(duì)科技性狀表達(dá)的影響越顯著。指標(biāo)障礙度是指各指標(biāo)對(duì)總目標(biāo)的影響程度，指標(biāo)越大說(shuō)明該指標(biāo)對(duì)科技成果轉(zhuǎn)化產(chǎn)生的阻礙效應(yīng)越大，兩者結(jié)合可以定量識(shí)別阻礙科技成果轉(zhuǎn)化的瓶頸因素。

3.4.1 灰色關(guān)聯(lián)分析法

首先，設(shè)定參考序列，即反映科技性狀表達(dá)成效的數(shù)據(jù)序列，將知識(shí)基因視角下顯性科技性狀表達(dá)和隱性科技性狀表達(dá)設(shè)為參考序列，將科技成果轉(zhuǎn)化過(guò)程要素和科技成果轉(zhuǎn)化階段影響因素設(shè)為比較序列。在數(shù)據(jù)標(biāo)準(zhǔn)化的基礎(chǔ)上，根據(jù)熵權(quán)法計(jì)算標(biāo)準(zhǔn)權(quán)重，對(duì)衡量標(biāo)準(zhǔn)進(jìn)行歸一化處理，算出影響因素二級(jí)指標(biāo)加權(quán)標(biāo)準(zhǔn)化數(shù)值，如DNA片段數(shù)量（B₁）處理后的數(shù)值為：

其次，運(yùn)用公式（7）和公式（8）計(jì)算影響因素指標(biāo)與顯、隱科技性狀表達(dá)灰色關(guān)聯(lián)系數(shù)，分辨系數(shù)一般取值為0.5，表示參與計(jì)算的二級(jí)指標(biāo)；在此基礎(chǔ)上，對(duì)中國(guó)內(nèi)地30個(gè)省域的灰色關(guān)聯(lián)系數(shù)求平均，算出影響因素指標(biāo)與顯、隱科技性狀表達(dá)的整體關(guān)聯(lián)度。

進(jìn)一步，為分析各省域影響因素指標(biāo)和科技性狀表達(dá)結(jié)果指標(biāo)之間的關(guān)聯(lián)關(guān)系，結(jié)合熵權(quán)法求出的指標(biāo)權(quán)重，計(jì)算二級(jí)指標(biāo)權(quán)重v_k，綜合計(jì)算各省域影響因素與顯、隱科技性狀表達(dá)之間的關(guān)聯(lián)關(guān)系。

3.4.2 障礙度評(píng)價(jià)模型

為找出我國(guó)各省市科技成果轉(zhuǎn)化薄弱環(huán)節(jié)，借用魯春陽(yáng)等^［25］的方法，采用障礙度模型對(duì)我國(guó)各省市影響科技成果轉(zhuǎn)化的障礙因子進(jìn)行測(cè)算，計(jì)算公式如下：

其中，x_ijk為原始數(shù)據(jù)歸一化后的標(biāo)準(zhǔn)值，v_k為熵值法指標(biāo)權(quán)重，ε_k為計(jì)算出的指標(biāo)障礙度，所有指標(biāo)的障礙度之和為1。

4 基于知識(shí)基因理論的科技成果轉(zhuǎn)化影響因素

4.1 灰色關(guān)聯(lián)度分析

4.1.1 顯性科技性狀表達(dá)影響因素關(guān)聯(lián)分析

2016—2020年，知識(shí)基因視角下科技成果表達(dá)過(guò)程和要素與顯性科技性狀表達(dá)關(guān)聯(lián)度如表2所示。從時(shí)間看，僅有識(shí)別能力一個(gè)指標(biāo)的灰色關(guān)聯(lián)系數(shù)波動(dòng)大于0.1，該指標(biāo)在2016與顯性科技性狀表達(dá)的灰色關(guān)聯(lián)度為0.912 9，之后逐漸下降，到2020年僅為0.784 9；此外，潛在DNA片段數(shù)量、酶的質(zhì)量?jī)蓚€(gè)指標(biāo)系數(shù)波動(dòng)大于0.05，其它影響因素指標(biāo)和顯性科技性狀表達(dá)灰色關(guān)聯(lián)度保持穩(wěn)定，無(wú)明顯波動(dòng)。

各指標(biāo)顯性科技性狀表達(dá)關(guān)聯(lián)系數(shù)整體介于0.55～1區(qū)間，處于中度以上水平。對(duì)不同指標(biāo)顯性科技性狀表達(dá)灰色關(guān)聯(lián)系數(shù)進(jìn)行對(duì)比分析，關(guān)聯(lián)度均值在0.9以上的指標(biāo)有翻譯基礎(chǔ)、翻譯活動(dòng)和擴(kuò)散能力，說(shuō)明這3個(gè)指標(biāo)與顯性科技性狀表達(dá)之間存在較強(qiáng)的關(guān)聯(lián)性，能夠顯著影響科技成果轉(zhuǎn)化。因此，為提高科技成果轉(zhuǎn)化率，除從高校和科研機(jī)構(gòu)入手外，也要從價(jià)格制定、資源配置、風(fēng)險(xiǎn)化解等方面建立科技成果轉(zhuǎn)化市場(chǎng)機(jī)制。除此之外，轉(zhuǎn)錄活動(dòng)、科技中介RNA服務(wù)能力和活躍程度、組合基礎(chǔ)、擴(kuò)散能力、對(duì)科技DNA的識(shí)別能力和識(shí)別活動(dòng)開(kāi)展情況也有較高關(guān)聯(lián)度。顯性科技性狀表達(dá)關(guān)聯(lián)度在0.7以下的指標(biāo)有酶的質(zhì)量、酶的加速作用和科技性狀接受能力，說(shuō)明政府財(cái)政支持、知識(shí)產(chǎn)權(quán)保護(hù)政策能夠?yàn)榭萍汲晒D(zhuǎn)化提供保障，但對(duì)于推動(dòng)科技成果轉(zhuǎn)化的作用效果不顯著；同時(shí)，公眾和就業(yè)人員受教育程度與科技成果轉(zhuǎn)化的關(guān)聯(lián)性不強(qiáng)，間接反映我國(guó)科技成果轉(zhuǎn)化活動(dòng)主要在科研和學(xué)術(shù)領(lǐng)域展開(kāi)。

從圖2各省市整體灰色關(guān)聯(lián)度看，各省市顯性科技性狀表達(dá)情況沒(méi)有明顯改變，但值得注意的是，北京、上海、江蘇等創(chuàng)新能力較強(qiáng)省市整體灰色關(guān)聯(lián)系數(shù)反而最低。這些省市雖然在科技成果轉(zhuǎn)化過(guò)程要素、科技成果轉(zhuǎn)化階段、科技成果轉(zhuǎn)化結(jié)果要素3個(gè)階段都有較好的表現(xiàn)，但就收集的數(shù)據(jù)看，結(jié)果要素階段優(yōu)勢(shì)小于其它兩個(gè)階段，因此這些省市影響因素序列和科技性狀表達(dá)參考序列貼近程度較低，導(dǎo)致整體關(guān)聯(lián)系數(shù)較低。進(jìn)一步分析發(fā)現(xiàn)，翻譯階段各項(xiàng)指標(biāo)顯性科技性狀表達(dá)關(guān)聯(lián)度較高，而要素酶相關(guān)指標(biāo)關(guān)聯(lián)度較低。除此之外，各省份影響顯性科技性狀表達(dá)的主要因素也存在顯著差異，其中河北、山西、內(nèi)蒙古與顯性科技性狀表達(dá)關(guān)聯(lián)度最高的指標(biāo)來(lái)自科技RNA階段；遼寧、湖南、海南、云南轉(zhuǎn)錄活動(dòng)開(kāi)展情況與顯性科技性狀表達(dá)關(guān)聯(lián)度最高；山東、河南、廣西、新疆關(guān)聯(lián)度最高的指標(biāo)為科技性狀擴(kuò)散能力和擴(kuò)散速度。

4.1.2 隱性科技性狀表達(dá)影響因素關(guān)聯(lián)分析

各指標(biāo)隱性科技性狀表達(dá)的灰色關(guān)聯(lián)系數(shù)如表3所示。對(duì)比發(fā)現(xiàn)，各影響因素隱性科技性狀表達(dá)關(guān)聯(lián)程度低于顯性科技性狀關(guān)聯(lián)程度。2016-2020年各指標(biāo)隱性科技性狀表達(dá)平均關(guān)聯(lián)度介于0.55～0.8之間，處于中度關(guān)聯(lián)和較強(qiáng)關(guān)聯(lián)的取值區(qū)間，未與隱性科技性狀表達(dá)產(chǎn)生強(qiáng)關(guān)聯(lián)。從時(shí)間分析看，5年間各指標(biāo)隱性科技性狀表達(dá)關(guān)聯(lián)系數(shù)波動(dòng)較小，同樣只有識(shí)別能力關(guān)聯(lián)系數(shù)波動(dòng)幅度大于0.1，該指標(biāo)在2018年下降為0.575 5后于2020年回升至0.688 7，大于以往的最大值。除此之外，DNA片段、科技中介RNA服務(wù)能力等多個(gè)指標(biāo)灰色關(guān)聯(lián)系數(shù)在2016-2019年呈輕微下降趨勢(shì)，并于2020年有所回升。

根據(jù)計(jì)算結(jié)果，平均關(guān)聯(lián)系數(shù)在0.65以上關(guān)聯(lián)度較高的影響因素有：酶的質(zhì)量、轉(zhuǎn)錄基礎(chǔ)、潛在DNA片段、科技性狀接受能力、轉(zhuǎn)錄通道和DNA片段，其中政府和公眾以及就業(yè)人員受教育程度對(duì)隱性科技性狀表達(dá)的影響作用大于對(duì)顯性科技性狀表達(dá)的影響作用。同時(shí)，這6個(gè)有較強(qiáng)關(guān)聯(lián)度的影響因素指標(biāo)能夠打通學(xué)術(shù)科研與市場(chǎng)通道，建立高效運(yùn)行信息平臺(tái)，促進(jìn)各創(chuàng)新主體之間溝通交流，實(shí)現(xiàn)知識(shí)擴(kuò)散和傳播。其余影響因素關(guān)聯(lián)度均介于0.55～0.65之間，表明這些指標(biāo)已經(jīng)與隱性科技性狀表達(dá)建立關(guān)聯(lián)，但關(guān)聯(lián)性較弱。

值得注意的是，雖然轉(zhuǎn)錄基礎(chǔ)和轉(zhuǎn)錄通道與隱性科技性狀表達(dá)關(guān)聯(lián)密切，但轉(zhuǎn)錄活動(dòng)開(kāi)展情況平均關(guān)聯(lián)度僅為0.565 0，表明我國(guó)推動(dòng)科技成果從科學(xué)向市場(chǎng)轉(zhuǎn)移的措施以基礎(chǔ)設(shè)施和平臺(tái)建設(shè)為主，各創(chuàng)新主體為推動(dòng)科技成果轉(zhuǎn)移舉辦的相關(guān)活動(dòng)較少；同樣，酶的質(zhì)量和酶的加速作用也出現(xiàn)相似情況，酶的質(zhì)量在多數(shù)省份與隱性科技性狀關(guān)聯(lián)度最高，酶的加速作用卻普遍關(guān)聯(lián)度較低，表明加大科研經(jīng)費(fèi)支出對(duì)隱性科技性狀表達(dá)的作用有限。

從圖3各省市隱性科技性狀表達(dá)灰色關(guān)聯(lián)度變化看，2016—2020年各省市指標(biāo)隱性科技性狀表達(dá)整體關(guān)聯(lián)度變化幅度較大，其中安徽、福建、湖南、四川、海南、重慶、貴州、甘肅等多數(shù)省市整體關(guān)聯(lián)度呈明顯下降趨勢(shì)。這是因?yàn)椋哼@些省份隱性科技性狀表達(dá)指標(biāo)得分上升幅度低于影響因素指標(biāo)上升幅度，即科技成果數(shù)量提升和轉(zhuǎn)化環(huán)境改善未能充分提高科技成果轉(zhuǎn)化效率；而北京、上海、浙江、青海等省市灰色關(guān)聯(lián)系數(shù)保持穩(wěn)定，少數(shù)省市如吉林、黑龍江、江蘇、廣東關(guān)聯(lián)度呈上升趨勢(shì)。進(jìn)一步對(duì)比發(fā)現(xiàn)，不同省域影響隱性科技性狀表達(dá)的主要因素不同，如河北、山西、安徽、江西、廣東、廣西、新疆隱性科技性狀表達(dá)關(guān)聯(lián)性最高的影響因素為轉(zhuǎn)錄基礎(chǔ)，而北京、天津、上海等省市這一指標(biāo)關(guān)聯(lián)度多次低于0.5，關(guān)聯(lián)度較低；北京、河北等多數(shù)省市隱性科技性狀擴(kuò)散速度關(guān)聯(lián)度最低，但河南這一指標(biāo)平均灰色關(guān)聯(lián)度高達(dá)0.932 6，關(guān)聯(lián)性極強(qiáng)。4.2 科技成果轉(zhuǎn)化障礙因子識(shí)別

對(duì)中國(guó)內(nèi)地30個(gè)省份數(shù)據(jù)取平均值，進(jìn)一步識(shí)別每年影響科技成果轉(zhuǎn)化的障礙因子，障礙度計(jì)算結(jié)果和排序如圖4所示。從時(shí)間分析看，2016—2020年多數(shù)影響因子科技成果轉(zhuǎn)化障礙度保持穩(wěn)定。從障礙強(qiáng)度看，科技RNA翻譯活動(dòng)與新產(chǎn)品、新技術(shù)組合驗(yàn)證活動(dòng)障礙度接近，均大于10%，是阻礙各省科技成果轉(zhuǎn)化的主要因素；同時(shí)，翻譯階段和組合階段的翻譯基礎(chǔ)及組合基礎(chǔ)也有較高障礙度，說(shuō)明這兩個(gè)階段是阻礙2016—2020各省市科技成果轉(zhuǎn)化的主要環(huán)節(jié)；從省份看，除山東和廣東外，其余省份在這兩個(gè)階段都有較高的障礙度?？梢?jiàn)，創(chuàng)新平臺(tái)設(shè)施匱乏、市場(chǎng)資源流通不暢是阻礙我國(guó)多個(gè)省份科技成果轉(zhuǎn)化的主要原因。除此之外，識(shí)別活動(dòng)和轉(zhuǎn)錄活動(dòng)開(kāi)展情況也存在較高的障礙度。整體而言，相關(guān)活動(dòng)開(kāi)展情況障礙度普遍高于各階段平臺(tái)、基礎(chǔ)設(shè)施建設(shè)。因此，為提高各省市科技成果轉(zhuǎn)化效率，應(yīng)深化科技創(chuàng)新體制機(jī)制改革，細(xì)化科研經(jīng)費(fèi)使用環(huán)節(jié)，激勵(lì)高校、科研機(jī)構(gòu)、企業(yè)、中介組織等創(chuàng)新主體主動(dòng)尋求合作，積極開(kāi)展推動(dòng)科技成果轉(zhuǎn)化的科技成果評(píng)估、科技成果信息發(fā)布會(huì)、科技成果交易會(huì)、科技成果概念驗(yàn)證等科技成果轉(zhuǎn)移轉(zhuǎn)化活動(dòng)。

4.3 灰色關(guān)聯(lián)度與障礙度綜合分析

根據(jù)顯、隱性科技性狀表達(dá)在科技成果轉(zhuǎn)化中所占比重，計(jì)算各影響因素指標(biāo)科技成果轉(zhuǎn)化綜合關(guān)聯(lián)度，并與障礙度進(jìn)行對(duì)比分析。由圖5可知，所有影響因素指標(biāo)包括3類：第一類是低障礙度低關(guān)聯(lián)度指標(biāo)，位于圖5左下區(qū)域，這類指標(biāo)對(duì)科技成果轉(zhuǎn)化的提升作用有限；第二類是高關(guān)聯(lián)度高阻礙度指標(biāo)，位于右上區(qū)域，這類指標(biāo)與科技成果轉(zhuǎn)化存在密切聯(lián)系，但現(xiàn)階段卻阻礙了科技成果轉(zhuǎn)化，是提高科技成果轉(zhuǎn)化效率的主要突破口；第三類為高關(guān)聯(lián)度低阻礙度指標(biāo)，位于右下區(qū)域，這類指標(biāo)形成我國(guó)科技成果轉(zhuǎn)化的核心支撐力。由圖5可知，多數(shù)影響因素指標(biāo)處于高關(guān)聯(lián)高阻礙分區(qū)，說(shuō)明我國(guó)科技成果轉(zhuǎn)化仍存在很多問(wèn)題，現(xiàn)階段各省市推動(dòng)科技成果轉(zhuǎn)化的實(shí)現(xiàn)路徑是在保持人才引進(jìn)、科研經(jīng)費(fèi)投入的基礎(chǔ)上，加強(qiáng)中試基地、市場(chǎng)與學(xué)術(shù)界信息溝通平臺(tái)建設(shè)，鼓勵(lì)創(chuàng)新主體積極開(kāi)展學(xué)術(shù)交流、科技成果介紹交易、新產(chǎn)品中試驗(yàn)證、新產(chǎn)品推介等活動(dòng)。

5 結(jié)論與建議

5.1 研究結(jié)論

本文引用知識(shí)基因理論對(duì)科技成果轉(zhuǎn)化過(guò)程要素和階段進(jìn)行梳理，構(gòu)建科技成果轉(zhuǎn)化影響因素指標(biāo)體系，運(yùn)用灰色關(guān)聯(lián)理論和障礙因子識(shí)別對(duì)2016—2020年中國(guó)內(nèi)地30個(gè)省域面板數(shù)據(jù)進(jìn)行計(jì)算，得出如下研究結(jié)論：

（1）各影響因素指標(biāo)顯、隱性科技性狀表達(dá)關(guān)聯(lián)程度存在差異。整體看，各指標(biāo)顯性科技性狀表達(dá)關(guān)聯(lián)度大于隱性科技性狀表達(dá)關(guān)聯(lián)度，表明現(xiàn)階段各省市科技成果轉(zhuǎn)化帶來(lái)的經(jīng)濟(jì)效益大于社會(huì)效益。

（2）2016—2020年，各指標(biāo)科技性狀表達(dá)關(guān)聯(lián)度數(shù)值波動(dòng)較小，維持在相對(duì)穩(wěn)定狀態(tài)；但影響各省市科技性狀表達(dá)的主要因素各不相同，其中北京、上海、江蘇、廣東等創(chuàng)新基礎(chǔ)較好省市科技性狀表達(dá)的影響程度低于其它省市。

（3）與科技性狀表達(dá)關(guān)聯(lián)度較高的影響因素多源自市場(chǎng)層面，其中與顯性科技性狀表達(dá)關(guān)聯(lián)度最大的是翻譯階段，即市場(chǎng)對(duì)引進(jìn)的科技成果吸收、再開(kāi)發(fā)和嘗試生產(chǎn)階段；與隱性科技性狀表達(dá)關(guān)聯(lián)度最高的為轉(zhuǎn)錄階段。因此，要促進(jìn)隱性科技性狀表達(dá)，需要打破科研學(xué)術(shù)領(lǐng)域和市場(chǎng)邊界，通過(guò)建立科技中介機(jī)構(gòu)帶動(dòng)科技信息流動(dòng)。

（4）科技RNA翻譯基礎(chǔ)建設(shè)和翻譯活動(dòng)開(kāi)展情況、新產(chǎn)品新技術(shù)中試平臺(tái)建設(shè)和中試活動(dòng)開(kāi)展情況、科技DNA識(shí)別評(píng)估活動(dòng)開(kāi)展情況以及新成果的推廣能力是現(xiàn)階段影響和制約我國(guó)科技成果轉(zhuǎn)化的主要因素。

5.2 對(duì)策建議

（1）建立第三方科技評(píng)估機(jī)構(gòu)，開(kāi)展科技成果評(píng)估活動(dòng)，提高科技成果識(shí)別能力。科技DNA識(shí)別活動(dòng)開(kāi)展情況是阻礙科技成果轉(zhuǎn)化的主要因素之一，科技DNA與科技性狀表達(dá)關(guān)聯(lián)度相對(duì)較弱說(shuō)明我國(guó)科技成果數(shù)量雖多，但創(chuàng)造的社會(huì)價(jià)值和經(jīng)濟(jì)價(jià)值較低，反映出科研成果與產(chǎn)業(yè)需求相脫節(jié)。為解決這一問(wèn)題，首先需要科研機(jī)構(gòu)改革科研考核體制機(jī)制，破除科研領(lǐng)域中“唯論文”、忽視市場(chǎng)情況和企業(yè)需求的慣習(xí)；同時(shí)，完善第三方評(píng)估機(jī)構(gòu)，解決科研系統(tǒng)和產(chǎn)業(yè)系統(tǒng)科技成果評(píng)價(jià)標(biāo)準(zhǔn)不一等問(wèn)題。政府應(yīng)厘清第三方評(píng)估機(jī)構(gòu)的職責(zé)定位，解決“誰(shuí)來(lái)評(píng)”“評(píng)什么”“怎么評(píng)”“評(píng)價(jià)結(jié)果怎么用”等一系列問(wèn)題，并通過(guò)授權(quán)保證第三方評(píng)估機(jī)構(gòu)的獨(dú)立性、權(quán)威性、規(guī)范性、合法性，通過(guò)完善科研成果評(píng)價(jià)體系，破除制約科技成果轉(zhuǎn)化的障礙。

（2）打破場(chǎng)域邊界，推動(dòng)市場(chǎng)資源向科技成果轉(zhuǎn)化聚集。研究發(fā)現(xiàn)，與顯性科技性狀表達(dá)關(guān)聯(lián)度最高的影響因子來(lái)自翻譯階段，與隱性科技性狀表達(dá)關(guān)聯(lián)度最高的影響因子來(lái)自轉(zhuǎn)錄階段，同時(shí)翻譯基礎(chǔ)和翻譯活動(dòng)開(kāi)展是制約科技成果轉(zhuǎn)化的最大障礙因子。可見(jiàn)，科技成果轉(zhuǎn)化的關(guān)鍵在于市場(chǎng)，要推動(dòng)科技成果轉(zhuǎn)化首先需要打破科學(xué)與市場(chǎng)邊界，實(shí)現(xiàn)雙方深度融合，通過(guò)組織形式多樣、周期固定的產(chǎn)學(xué)研對(duì)接會(huì)，鼓勵(lì)科研人員到企業(yè)掛職；另外，實(shí)現(xiàn)市場(chǎng)資源向科技成果聚集，滿足科技RNA翻譯活動(dòng)需求。倡導(dǎo)科研人員開(kāi)展以市場(chǎng)為導(dǎo)向的科技成果研究，使科技成果滿足市場(chǎng)需求，加大高新技術(shù)企業(yè)培育力度，激發(fā)企業(yè)參與科技成果轉(zhuǎn)化的熱情，引導(dǎo)市場(chǎng)資源向具有轉(zhuǎn)化價(jià)值的科技成果聚集，發(fā)揮企業(yè)在新技術(shù)吸收、開(kāi)發(fā)、再創(chuàng)新過(guò)程中的資源配置作用。

（3）完善中試環(huán)節(jié)，放大中試環(huán)節(jié)對(duì)新產(chǎn)品產(chǎn)業(yè)化生產(chǎn)的催化作用。研究發(fā)現(xiàn)，組合活動(dòng)和組合基礎(chǔ)屬于高關(guān)聯(lián)高障礙影響因素指標(biāo)，說(shuō)明我國(guó)現(xiàn)有創(chuàng)新體系中試環(huán)節(jié)薄弱且中試資金匱乏，科研系統(tǒng)與產(chǎn)業(yè)系統(tǒng)價(jià)值追求不同。以高校、科研院所為主的科研場(chǎng)域以技術(shù)攻堅(jiān)和基礎(chǔ)性研發(fā)為己任，而以企業(yè)為主的產(chǎn)業(yè)場(chǎng)域以在市場(chǎng)競(jìng)爭(zhēng)中獲取經(jīng)濟(jì)利益為目標(biāo)，導(dǎo)致中間概念驗(yàn)證和中試量產(chǎn)階段被忽視。為解決這一問(wèn)題，政府除加大技術(shù)開(kāi)發(fā)后期資助力度、優(yōu)化科研經(jīng)費(fèi)配置結(jié)構(gòu)、緩解創(chuàng)新早期資金耗費(fèi)外，還需要完善風(fēng)險(xiǎn)投資機(jī)制，吸引社會(huì)資本進(jìn)入產(chǎn)品組合階段，參與科技成果轉(zhuǎn)化風(fēng)險(xiǎn)投資。在降低基金準(zhǔn)入門(mén)檻、完善信貸體系的同時(shí)，建立風(fēng)險(xiǎn)資金退出機(jī)制，通過(guò)股權(quán)轉(zhuǎn)讓方式引導(dǎo)社會(huì)資本依法退出。

（4）加大新產(chǎn)品推廣力度，推動(dòng)科技成果擴(kuò)散。研究發(fā)現(xiàn)，擴(kuò)散階段是制約科技成果轉(zhuǎn)化的主要障礙因子。科技成果轉(zhuǎn)化的終點(diǎn)不是實(shí)現(xiàn)生產(chǎn)，而是通過(guò)新技術(shù)應(yīng)用和新產(chǎn)品銷售帶來(lái)經(jīng)濟(jì)效益和社會(huì)效益提升。因此，為推動(dòng)科技性狀擴(kuò)散，需要從政府和市場(chǎng)兩方面發(fā)力。政府要在全國(guó)范圍內(nèi)建設(shè)科技成果轉(zhuǎn)移轉(zhuǎn)化示范區(qū)，以點(diǎn)帶面推動(dòng)科技性狀擴(kuò)散，同時(shí)通過(guò)擴(kuò)大首購(gòu)、訂購(gòu)等措施加快推進(jìn)裝備首臺(tái)套、材料首批次、軟件首版次示范應(yīng)用；企業(yè)要做好產(chǎn)品定位與包裝，在原有科技成果的基礎(chǔ)上打造科技產(chǎn)品新形象，探索多元銷售渠道，將新產(chǎn)品優(yōu)勢(shì)和特點(diǎn)傳遞給客戶，提升消費(fèi)者對(duì)新產(chǎn)品、新技術(shù)的信賴度和滿意度。

參考文獻(xiàn)：

［1］劉垠.《中國(guó)科技成果轉(zhuǎn)化2020年度報(bào)告》出爐［J］.中國(guó)科技獎(jiǎng)勵(lì)，2021，28（4）：10-11.

［2］方齊，謝洪明.科技成果轉(zhuǎn)化政策供給與政策協(xié)調(diào)的組態(tài)效應(yīng)［J/OL］.科學(xué)學(xué)研究：1-16［2022-05-03］.DOI：10.16192/j.cnki.1003-2053.20211026.001.

［3］楊紅斌，馬雄德. 基于產(chǎn)權(quán)激勵(lì)的高校科技成果轉(zhuǎn)化實(shí)施路徑［J］. 中國(guó)高?？萍迹?2021， 27（7）： 82-86.

［4］許可，張亞峰，肖冰. 科學(xué)與市場(chǎng)間的邊界組織：科技成果轉(zhuǎn)化機(jī)構(gòu)的理論拓展與實(shí)踐創(chuàng)新［J］. 中國(guó)軟科學(xué)， 2021， 36（6）： 64-73.

［5］郭穎，廉翔鵬，席笑文. 中科院產(chǎn)研合作對(duì)其科技成果轉(zhuǎn)化影響研究［J］. 科研管理， 2021， 42（10）： 97-103.

［6］GOOD M， KNOCKAERT M， SOPPE B， et al. The technology transfer ecosystem in academia： an organizational design perspective［J］. Technovation， 2019， 82（4） ： 35-50.

［7］HOWELLS J. Intermediation and the role of intermediaries in innovation［J］. Research Policy， 2006， 35（5）： 715-728.

［8］姚思宇，何海燕. 高?？萍汲晒D(zhuǎn)化影響因素研究——基于Ordered Logit模型實(shí)證分析［J］. 教育發(fā)展研究， 2017， 37（9）： 45-52.

［9］劉永千. 多主體參與的區(qū)域科技成果轉(zhuǎn)化影響因素［J］. 同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 48（12）： 1828-1835.

［10］METZ B， DAVIDSON O R， TURKSON J K， et al. Methodological and technological issues in technology transfer： a special report of the intergovernmental panel on climate change［M］. Cambridge：Cambridge University Press， 2000.

［11］BARLETTA F， YOGUEL G， PEREIRA M， et al. Exploring scientific productivity and transfer activities： evidence from argentinean ICT research groups［J］. Research Policy， 2017， 46（8）： 1361-1369.

［12］郭強(qiáng)，夏向陽(yáng)，趙莉.高?？萍汲晒D(zhuǎn)化影響因素及對(duì)策研究［J］.科技進(jìn)步與對(duì)策，2012，29（6）：151-153.

［13］DAWKINS R， DAVIS N. The selfish gene［M］. London：Macat Library， 2017.

［14］SEN S K. A note on the idea gene and its relevance to information science［J］. ALIS， 1981， 28（1/4）： 97-102.

［15］劉植惠. 知識(shí)基因探索（一）［J］. 情報(bào)理論與實(shí)踐， 1998， 19（1）： 63-65.

［16］KUHN T， PERC M， HELBING D. Inheritance patterns in citation networks reveal scientific memes［J］. Physical Review X， 2014， 4（4）： 41036.

［17］BLACKMORE S， BLACKMORE S J. The meme machine［M］. Oxford：Oxford Paperbacks， 2000.

［18］劉則淵. 知識(shí)基因論視野下的 “新興研究領(lǐng)域識(shí)別計(jì)量” 著作——《 新興研究領(lǐng)域識(shí)別計(jì)量》序言［M］. 北京： 科學(xué)出版社，2017.

［19］宗倩倩.高?？萍汲晒D(zhuǎn)化現(xiàn)實(shí)障礙及其破解機(jī)制［J］.科技進(jìn)步與對(duì)策，2023，40（4）：106-113.

［20］王小魯，胡李鵬，樊綱. 中國(guó)分省份市場(chǎng)化指數(shù)報(bào)告（2021）［M］. 北京：社會(huì)科學(xué)文獻(xiàn)出版社， 2021.

［21］LA PORTA R， LOPEZ-DE-SILANES F， SHLEIFER A， et al. The quality of government［J］. The Journal of Law， Economics， and Organization， 1999， 15（1）： 222-279.

［22］FRANCIS J， LAFOND R， OLSSON P M， et al. Costs of equity and earnings attributes［J］. The Accounting Review， 2004， 79（4）： 967-1010.

［23］謝超峰，孔蕊. 金融集聚、技術(shù)進(jìn)步與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)關(guān)系研究——基于中部地區(qū)樣本數(shù)據(jù)的實(shí)證分析［J］. 價(jià)格理論與實(shí)踐， 2021， 41（10）： 177-180.

［24］鄧聚龍. 灰色系統(tǒng)理論教程［M］. 武漢：華中理工大學(xué)出版社， 1990.

［25］魯春陽(yáng)，文楓，楊慶媛，等. 基于改進(jìn)TOPSIS法的城市土地利用績(jī)效評(píng)價(jià)及障礙因子診斷——以重慶市為例［J］. 資源科學(xué)， 2011， 33（3）： 535-541.

（責(zé)任編輯：王敬敏）

Influencing Factors of Scientific and Technological Achievements Transformation

from the Perspective of Knowledge Genes

Jia Yongfei^1，2，Guo Yue¹

（1.Qilu University of Technology （Shandong Academy of Sciences）；

2.Shandong Institute of Science and Technology Development Strategy， Jinan 250014， China）

Abstract：The transformation of scientific and technological advancements， as an essential component of innovation， is the key to the transformation from technological advancement into actual productivity in the complex and ever-changing global environment. However， there is a general lack of corresponding business knowledge among researchers in various research institutes and universities worldwide. The problem of low efficiency in the transformation of scientific and technological achievements persists， and the effect of the transformation intermediaries is not obvious. When assessing the influencing variables of the transformation of science and technology achievement， scholars typically use a single subject as the research object and disregard the linkage effect among other subjects. However， in reality， the transformation of scientific and technological achievements is a complex social process that involves numerous links and demands because of the participation of numerous subjects.

The knowledge gene theory is thus introduced into the study of the transformation of scientific and technological achievements in order to refine the various aspects of the transformation of scientific and technological achievements， comprehensively identify the influencing factors， and provide countermeasure suggestions for each region to improve the efficiency of the transformation of scientific and technological achievements in a targeted manner. Knowledge gene theory is widely employed in the study of intelligence because it offers interpretable viewpoints and descriptions of knowledge expressions in the processes of knowledge formation， dissemination， organization， and evolution. It is helpful for the exploration of the mechanism of transformation and mutual promotion among science and technology by studying the dissociation and recombination of knowledge genes. This is because scientific and technological achievements are transformed in a way that corresponds to the expression of knowledge genes， making it a special manifestation of knowledge genes. The existing research on the transformation of scientific and technological achievements is not theoretical， systematic， and process-oriented， and these shortcomings are made up by the citation of knowledge gene theory. By analogy with knowledge of gene inheritance and expression， the study considers the four basic elements required for the transformation of scientific and technological achievements： technological DNA， technological RNA， enzymes and technological traits. It also divides the transformation process into five stages： recognition， transcription， translation， combination and diffusion. Then it draws on the panel data from 30 Chinese provinces from 2016 to 2020 as the samples to perform empirical analysis using gray correlation analysis and obstacle degree model. This is done by applying the entropy weight approach to determine the index weights.

It is found that， firstly， the extent to which most influencing factors correlate with the expression of dominant technological and scientific traits is higher than that with the expression of recessive technological and scientific traits， indicating that the economic benefits brought by the transformation of technological and scientific achievements in each province at this stage outweigh the social benefits. Secondly， the degrees of association and obstacle strength of each indicator with the expression of scientific and technological traits are relatively stable from 2016 to 2020 in terms of spatial and temporal effects， but there are regional variations in the main factors influencing the expression of scientific and technological traits. Beijing， Shanghai， Jiangsu， Zhejiang， and Guangdong have lower correlation degrees for most indicators

with scientific and technological trait expression than other provinces， while Shanxi， Gansu， Yunnan， and Xinjiang often have greater gray correlation coefficients for indicators. Thirdly， the main factor identification reveals that the translation stage has the highest correlation with the expression of dominant scientific and technological traits， while transcription element enzymes have the highest correlation with the expression of recessive scientific and technological traits.

The main obstacle factor limiting the transformation of science and technology is the development of combinational and translational activities. Therefore， the regions should first develop reliable institutions for scientific and technological evaluation to enhance the identification of scientific and technological DNA in order to improve the transformation efficiency of scientific and technological achievements. Second， it is important to encourage the application of commercial resources to advances in science and technology， enhance the creation of pilot test links， perform well in terms of quantitative application and concept validation， and conduct pre-commissioning trial production. Last but not least， the government and innovation subjects should step up the promotion of new technologies and goods so that their economic and social values can be realized.

Key Words：Knowledge Gene; Transformation of Scientific and Technological Achievements; Influencing Factors; Grey Correlation Analysis; Obstacle Degree Model