论文部分内容阅读
一、引言
浙江省在重点发展海洋战略的过程中，积极探索新的海洋产业集群发展模式，通过协同创新使更多创新机构加入，海洋产业集群走向一种具有更强创新优势的开放网络创新集群。海洋产学研联盟是创新集群中的关键组成部分，其依托海洋产业集群发展，能够加快集群创新的投入产出效率。海洋产学研联盟也能为创新集群内部知识转移、知识溢出和创新成果的高效转化提供必要基础。加快海洋产学研联盟的构建能够促进浙江省海洋产业集群向创新集群转变。在正确评价结果的基础上，提高海洋产业集群的技术创新绩效，促进海洋产学研联盟的高效发展，应该成为浙江省海洋经济转型发展的战略重点。本文将二阶段网络DEA模型应用到浙江省海洋产业集群创新绩效评价之中，加之以严谨的模型有效性检验，以获得更准确的评价结果。
二、文献综述
国内外学者对包括海洋产业在内的产业集群技术创新绩效评价方法多样，定性分析和定量分析结合，评价方法多元化。其中，DEA（数据包络分析）是使用最为广泛的方法。国内研究中，大部分学者仍采用传统的DEA方法对集群进行技术创新绩效评价，虽没有进一步考虑集群内部技术创新转换时候的要素流动，但也为之后复杂的网络DEA评价模型奠定基础。官建成（2005）利用DEA模型中的CCR模型检验了区域创新机构对创新绩效的影响。郭政（2009）使用二阶段的CCGSS模型评价后发企业的创新绩效，认为对后发企业而言，破坏性创新带来的绩效高于维持性创新带来的绩效。郭磊（2011）认为技术创新绩效是指企业在进行技术创新活动时投入和产出之间的转化关系，并使用DEA交叉效率模型对我国31个省市的技术创新绩效进行排名。在我国，刘孟晋（2010）较早地打开了传统DEA模型的黑箱，运用网络DEA模型对产学研联盟效率进行评价，对传统DEA模型提出挑战。这之后，创新绩效评价技术呈现更多元更严谨的发展态势。国外学者Wade Cook（2010）最早对二阶段网络DEA的结构进行设想，回顾标准DEA、超级效率DEA模型的发展，并且认为二阶段模型需要和复杂对象的内部结构相联系，也要注重识别二阶段模型的循环。
以上文献中，Wade Cook（2010）虽提出二阶段网络DEA模型的构建，但尚未在研究海洋产业技术创新绩效方面使用。刘孟晋（2010）构建网络DEA模型对产学研联盟绩效进行评价，但是并没有选取产业集群发展较好的典型区域进行分析。现阶段，国内对于多阶段DEA和网络DEA的结合研究较少，并且尚未有学者对浙江省海洋产业集群技术创新绩效进行完整的评价研究。
因此，本文试图从以下几个方面对现有文献进行扩展：第一，将二阶段DEA模型和网络DEA模型相结合，汲取二阶段模型对于海洋产业集群“投入—产出”过程评价的优势，同时充分利用网络DEA模型能较更准确地识别潜在非有效性的优点。第二，采用灵敏度分析对该模型的评价结果进行稳定性检验，以BP神经网络模型进行有效性评价。运用二阶段网络DEA模型对海洋产业技术创新绩效评价体系的构建和对模型有效性检验的方法是本文突出的创新点。通过评价结果得出细分产业的创新绩效水平排名，以期指导海洋产业集群的招商引资、产业布局和产学研结合发展，促进海洋产业集群完全转变为创新集群。
三、评价模型与体系的构建
（一）模型概述
本文采用传统的CCR方法和基于二阶段网络DEA的方法进行模型构建，在两种基于不同建模思想的DEA方法上进行对照，进而得出二阶段网络DEA模型具有优越性及合理性。二阶段网络DEA模型的结构如图1：
图1 二阶段网络DEA模型结构示意图
本文通过对大海洋产业下的10个细分产业的产学研联盟创新绩效进行评价，综合得出海洋产业集群技术创新绩效评价。10个细分产业分别为：海洋渔业、海洋能源业、海洋生物医药业、海水综合利用业、海洋船舶工业、海洋工程建筑业、海洋交通运输业、滨海旅游业、滩涂农业、海洋信息服务业。其中，每个细分产业中的企业以及由研发机构、服务机构、高校等组成的创新机构，共同构成各自细分产业的产学研联盟。
整个评价过程分为技术有效和经济有效两个阶段，将细分产业中的企业和创新机构作为独立的子系统单独进行评价，综合子系统的内部运作过程构建海洋产业集群第一阶段的技术绩效评价模型。而在经济有效阶段，创新机构对企业的经济价值决定于新产品市场的长期构建，无法确定确切指标来衡量，因此在第二阶段采用超级效率模型，综合得出二阶段网络DEA模型。
（二）模型构建
CCR建模时，将创新机构与企业的合作与转化过程看作一个“黑箱”，求得整个产学研联盟的综合绩效值，记为E4。官建成、何颖（2005）及池仁勇、唐根年（2004）均将该方法运用于区域技术创新绩效领域，且取得了较好的评价效果，其数学原理不再赘述。
不同于传统的CCR模型，二阶段网络DEA模型的关键是打开“黑箱”，探究其内部不同子系统之间、不同阶段之间的转化关系。由于海洋产学研联盟不同于单个企业的决策单元，其内部有复杂的技术资源和资金的流动，并且其不同阶段之间的转化关系也十分明确，采用二阶段的网络DEA有其充分的合理性及必要性。为了使各个决策单元的绩效排序更加直观，在运用二阶段网络DEA模型时，不再将效率值限定在0-1之间，而是沿用超级效率模式的建模思想，允许其效率值超过1。二阶段网络DEA模型可以表述为：
（三）数据说明
由于传统CCR模型对决策单元数量方面有“不少于输入输出指标数的三倍”的要求。本文收集了2009—2010年浙江省舟山群岛新区舟山海洋科学城内10个细分产业的145家企业、28家创新机构的技术数据。其中，涉及的创新机构数据来源于各高校、研究机构网站，2010、2011版的《浙江省科技年鉴》。各企业的数据来自对巨潮信息网的企业年报数据的加工计算以及舟山群岛新区科创园、浙江省商务厅开发区的资料，细分产学研联盟整体情况来自海洋产业各技术创新平台的网站及部分联盟牵头单位的电话调查。数据的处理采用DEA-SOLVER 和MATLAB软件。 四、实证分析与模型检验
（一）实证结果与分析
根据上述原理，笔者通过Matlab计算所得的各个模型的绩效值，10大细分产业的产学研联盟的决策单元评价如表1所示：
表1 Matlab计算所得部分结果
注：E1、E2、E3分别表示二阶段网络DEA的第一阶段、第二阶段和综合效率值。E4表示传统CCR的效率值。
DUMC表示海洋工程建筑业、DUMW表示海水综合利用业、DUMS表示海洋船舶工业、DUME表示海洋能源业、DUMT表示海洋交通运输业、DUMF表示海洋渔业、DUMM表示海洋生物医药业、DUMJ表示滨海旅游业、DUMI表示海洋信息服务业、DUMA表示滩涂农业。
表1显示：综合值排名前8的决策单元是有效的决策单元。对于非有效决策单元，E3≤E4，这表明二阶段网络DEA模型每个阶段、不同子系统、不同阶段之间的转化关系，从而部分地降低了海洋产学研联盟的运作效率。而对于有效决策单元，E3≥E4，这是由于采用了超级效率模型，使得其潜在的效益排序得以显现。对DUMA分析可知：CCR模型得到的联盟效率值为1，而二阶段网络DEA效率值为0.891，说明CCR模型计算中存在着未被识别的非有效运作环节。可见，利用二阶段网络DEA可以更好地识别产学研联盟整体运作的综合效率。对DUMM分析显示：E3=1.043说明产学研联盟整体运作效率是有效的。但进一步发现，E1=0.494、E11=0.872，这意味着在评价的技术有效阶段中，企业作为其子系统，技术有效性存在着有待改进的环节，这些环节目前并未影响产学研联盟的绩效，但是企业管理者应该识别出其中存在的危机，并且采取有力的措施改进，否则可能会影响第二阶段的经济转化效率，最终影响综合效率指标，使得海洋产学研联盟综合指标无效。创新机构在选择合作单位时，也需要考察该联盟是否存在综合指标有效、分阶段指标无效的情况。同理，企业在选择合作平台时，也要注重高校两阶段各自的效率值，以免为合作埋下危机。综上可见，利用二阶段网络DEA模型评价，能够研究当第一阶段无效时，出现问题的主体和环节，从而发现比标准二阶段DEA模型更进一层次的综合绩效影响因素。
（二）模型灵敏度分析
由于DEA其模型原理依赖于决策单元的已知输入和输出数据，对DEA结果进行灵敏度分析显得尤为重要。本文据Chames等人关于保持有效性分类的灵敏度分析理论，采用相对扰动法，即对某个决策单元的原始数据进行一定百分比的扰动，然后分析所有决策单元是否仍能保持其有效性分类，从而找到各个决策单元的相对稳定区间，对传统CCR以及二阶段网络DEA的效率值进行灵敏度分析，具体结果如表2所示：
表2 各模型稳定区间
注：表格中数据99.9%表示，无论对该决策单元做多大的扰动，都不会改变所有决策单元的已有有效性分类结果。
表2显示：二阶段网络DEA模型的稳定性相对较好。整体来看，二阶段网络DEA模型得到的结论准确性大于传统CCR模型。在所有的决策单元中，DUMT和DUMJ数据的准确性对于整个结果的影响较大。如果其输入输出数据的相对误差不超过各自的稳定区间，本文的二阶段网络DEA有效性分类结果仍成立。而对于CCR模型，其稳定性则相对较差，稳定区间普遍较小，这也是二阶段网络DEA模型优于传统CCR模型的一个重要体现。
（三）有效性检验
本文选用最基本的BP神经网络模型与二阶段网络DEA模型进行比较，来验证本文模型的实际有效性，能克服传统线性回归模型误差较大的缺点。
具体实现方式如下：首先，选取海洋产学研联盟的每个决策单元各个阶段与各个子系统之间的输入输出指标作为神经网络模型的输入变量；将本文模型所计算得出的二个阶段以及综合绩效值作为输出变量。再次，在获得输入输出变量之后，对其进行归一化处理，将数据处理成为区间[0，1]之间的数据。最后，采用基本BP单隐层神经网络进行实现。其中，网络中间层的神经元传递函数采用S型正切函数，输出神经元传递函数采用S型对数函数。通过MATLAB神经网络工具箱，计算得出的结果如表3所示：
表3 二阶段网络DEA有效性检验
注：上图中的误差代表DEA与BP神经网络得出的绩效值之间的平均误差。
表3显示：二阶段网络DEA与BP神经网络所计算出的各个决策单元的绩效值差异较小，两者之间的平均误差基本维持在0.5%以内，且波动较小。据检验结果可以认为，运用二阶段网络DEA对产学研联盟进行各个阶段、各个子系统之间进行绩效评定结果和实际情况相符度较高，该模型具有有效性。运用该模型进行的技术创新绩效评价是有效的。
五、 结论与政策建议
（一）评价结论
经过模型检验，据二阶段网络DEA模型结果能形成较客观的评价：第一，浙江省海洋产业集群处于持续发展阶段，且发展趋势明显。在10个被评价的细分产业产学研联盟中有8个联盟的综合指标超过1，占样本总数的80%，说明这些联盟的技术创新绩效高，产学研结合实效发挥明显。此外，其他两个联盟的综合指标超过0.8，整体的创新绩效转化情况良好，通过进一步的政策支持和技术孵化能够对其技术创新绩效有较大提升。第二，浙江省海洋产业集群转化为创新集群的趋势明显。6个决策单元各模型都显示创新有效，说明其技术创新绩效水平高，内部主体之间的关系非常紧密，且形成了一种循环的知识网络结构。通过该评价体系，在一定意义上，浙江省海洋产业集群一定程度上达到了创新集群的标准。第三，海洋战略性新兴产业的投入产出转换绩效高于传统海洋工业，新兴服务业的转化绩效仍然较低。如评价结论所示，海洋工程建筑业、海水综合利用业、海洋新能源业等新兴战略性行业的创新绩效评价值高，而海洋渔业、滩涂农业等海洋传统行业的创新绩效则相对排后，海洋信息服务业等服务型新兴行业的创新绩效目前水平不高。这说明海洋产业集群中，投入较大的战略性产业其产学研结合发展和协同创新模式发展比较成熟，转化效率较高。新兴服务行业由于起步晚、产业环境薄弱等原因，目前的转化绩效还较低。第四，创新机构的技术转化效率优于企业技术转化。在技术有效阶段，创新机构的科研投入转化为科研成果，吸引创新人才的效率高，创新效果明显。企业的研发投入转化为新产品和新项目的效率相对较低，这和创新机构对企业的流入要素有关，也对经济有效性有一定影响。同时说明，创新机构流入企业的人才和研究成果，从理论到实际应用的转化过程效率不理想。企业如何将创新机构研发的技术转化成适销对路的新产品是联盟特别需要关注的问题。 （二）政策建议
基于前文对浙江省海洋产业集群技术创新绩效评价的基础，结合浙江省海洋产学研合作的特点以及相关的政策，分别从创新机构、企业、政府和产学研联盟整体四个方面提出相关政策建议。
从创新机构角度出发，应加快研发成果后续技术衔接和支持，加快人才流动和知识体系的共享。由于成果评价体制的约束，创新机构科技成果的价值主要是通过项目数、发表论文数和专利数来衡量，这就导致评价体系过于注重技术成果而忽视了经济转化的可行性和对经济绩效转化促成要素培养。许多研发成功的新技术在企业生产中还具有较大的现实差距。创新机构科研的经费投入是整个海洋产业集群的重要投入，对集群创新绩效将有较大的影响，需要根据产业化的实际情况及时有效地对技术进行有效的改进和支持，加快人才的输送和培育，让更多研究员了解企业的生产实际，也让企业研发人员更能系统地对项目后续的研发有清晰的把握。在这样“知己知彼”的良性状态下，能够有效缓解企业技术转化缓慢而造成创新机构资源浪费的情况。
从涉海企业角度出发，加快企业自身知识吸收能力和寻找多元化投资主体能解决企业经济转化效率低的问题。由于浙江省海洋产学研结合技术仍然处于发展阶段，企业和创新机构的技术合作领域仍然存在一定的脱节。特别是一些共建高校、研究机构和企业较多的细分产学研联盟，企业对高校项目需要一个更深的内化吸收过程。此过程中，需要大量资金的投入，企业通过较强的联盟实力能寻求到更多元化的投资主体，以此为提高企业知识吸收能力提供支持。企业也需要定期对高校引进项目进行动态分析并且加强员工对于新项目的认知度和理解度，以期提高企业技术转化效率，使联盟的经济转化效率有明显提升，最终减少合作过程中的资源浪费。
从政府角度出发，主要解决的是对海洋战略性新兴产业的更有效财政支持和资源的合理配置问题，扩大产学研联盟的规模。政府在给予财政支持的同时通过政策引导，鼓励更多的资本投资战略性新兴产业的产学研合作项目，积极促进政府对风险投资的支持。通过税收优惠、资金担保、财政补贴等形式引导资金流动，调动战略性新兴产业企业的投资兴趣和投资力度。在合作项目资源配置方面，可以通过建立畅通的信息平台，加快各合作主体的自愿信息披露体系，使得技术资源能够在区域内合理流动的同时逐渐向技术资源匮乏的地区转移。另外对服务型新兴产业培育更多的科技创新中介，特别是注重培养中介机构的技术孵化能力和加强产业政策对其的支持。
从海洋产业集群整体角度，需要合理选择合作对象和方式以保持较好的长期发展态势。创新机构需要对企业的相关科技创新需求和能力进行充分的把握，对隐形的威胁进行合理的预测。企业需要为高校的技术研发提供相应的支持，也对高校的技术和经济转化能力进行合理的考评。在此基础上，应该形成更长期的合作关系，以保证形成更稳定的合作机制。
（作者单位： 1.2.浙江工业大学；3.浙江省商务厅）
责任编辑：晓途
浙江省在重点发展海洋战略的过程中，积极探索新的海洋产业集群发展模式，通过协同创新使更多创新机构加入，海洋产业集群走向一种具有更强创新优势的开放网络创新集群。海洋产学研联盟是创新集群中的关键组成部分，其依托海洋产业集群发展，能够加快集群创新的投入产出效率。海洋产学研联盟也能为创新集群内部知识转移、知识溢出和创新成果的高效转化提供必要基础。加快海洋产学研联盟的构建能够促进浙江省海洋产业集群向创新集群转变。在正确评价结果的基础上，提高海洋产业集群的技术创新绩效，促进海洋产学研联盟的高效发展，应该成为浙江省海洋经济转型发展的战略重点。本文将二阶段网络DEA模型应用到浙江省海洋产业集群创新绩效评价之中，加之以严谨的模型有效性检验，以获得更准确的评价结果。
二、文献综述
国内外学者对包括海洋产业在内的产业集群技术创新绩效评价方法多样，定性分析和定量分析结合，评价方法多元化。其中，DEA（数据包络分析）是使用最为广泛的方法。国内研究中，大部分学者仍采用传统的DEA方法对集群进行技术创新绩效评价，虽没有进一步考虑集群内部技术创新转换时候的要素流动，但也为之后复杂的网络DEA评价模型奠定基础。官建成（2005）利用DEA模型中的CCR模型检验了区域创新机构对创新绩效的影响。郭政（2009）使用二阶段的CCGSS模型评价后发企业的创新绩效，认为对后发企业而言，破坏性创新带来的绩效高于维持性创新带来的绩效。郭磊（2011）认为技术创新绩效是指企业在进行技术创新活动时投入和产出之间的转化关系，并使用DEA交叉效率模型对我国31个省市的技术创新绩效进行排名。在我国，刘孟晋（2010）较早地打开了传统DEA模型的黑箱，运用网络DEA模型对产学研联盟效率进行评价，对传统DEA模型提出挑战。这之后，创新绩效评价技术呈现更多元更严谨的发展态势。国外学者Wade Cook（2010）最早对二阶段网络DEA的结构进行设想，回顾标准DEA、超级效率DEA模型的发展，并且认为二阶段模型需要和复杂对象的内部结构相联系，也要注重识别二阶段模型的循环。
以上文献中，Wade Cook（2010）虽提出二阶段网络DEA模型的构建，但尚未在研究海洋产业技术创新绩效方面使用。刘孟晋（2010）构建网络DEA模型对产学研联盟绩效进行评价，但是并没有选取产业集群发展较好的典型区域进行分析。现阶段，国内对于多阶段DEA和网络DEA的结合研究较少，并且尚未有学者对浙江省海洋产业集群技术创新绩效进行完整的评价研究。
因此，本文试图从以下几个方面对现有文献进行扩展：第一，将二阶段DEA模型和网络DEA模型相结合，汲取二阶段模型对于海洋产业集群“投入—产出”过程评价的优势，同时充分利用网络DEA模型能较更准确地识别潜在非有效性的优点。第二，采用灵敏度分析对该模型的评价结果进行稳定性检验，以BP神经网络模型进行有效性评价。运用二阶段网络DEA模型对海洋产业技术创新绩效评价体系的构建和对模型有效性检验的方法是本文突出的创新点。通过评价结果得出细分产业的创新绩效水平排名，以期指导海洋产业集群的招商引资、产业布局和产学研结合发展，促进海洋产业集群完全转变为创新集群。
三、评价模型与体系的构建
（一）模型概述
本文采用传统的CCR方法和基于二阶段网络DEA的方法进行模型构建，在两种基于不同建模思想的DEA方法上进行对照，进而得出二阶段网络DEA模型具有优越性及合理性。二阶段网络DEA模型的结构如图1：
图1 二阶段网络DEA模型结构示意图
本文通过对大海洋产业下的10个细分产业的产学研联盟创新绩效进行评价，综合得出海洋产业集群技术创新绩效评价。10个细分产业分别为：海洋渔业、海洋能源业、海洋生物医药业、海水综合利用业、海洋船舶工业、海洋工程建筑业、海洋交通运输业、滨海旅游业、滩涂农业、海洋信息服务业。其中，每个细分产业中的企业以及由研发机构、服务机构、高校等组成的创新机构，共同构成各自细分产业的产学研联盟。
整个评价过程分为技术有效和经济有效两个阶段，将细分产业中的企业和创新机构作为独立的子系统单独进行评价，综合子系统的内部运作过程构建海洋产业集群第一阶段的技术绩效评价模型。而在经济有效阶段，创新机构对企业的经济价值决定于新产品市场的长期构建，无法确定确切指标来衡量，因此在第二阶段采用超级效率模型，综合得出二阶段网络DEA模型。
（二）模型构建
CCR建模时，将创新机构与企业的合作与转化过程看作一个“黑箱”，求得整个产学研联盟的综合绩效值，记为E4。官建成、何颖（2005）及池仁勇、唐根年（2004）均将该方法运用于区域技术创新绩效领域，且取得了较好的评价效果，其数学原理不再赘述。
不同于传统的CCR模型，二阶段网络DEA模型的关键是打开“黑箱”，探究其内部不同子系统之间、不同阶段之间的转化关系。由于海洋产学研联盟不同于单个企业的决策单元，其内部有复杂的技术资源和资金的流动，并且其不同阶段之间的转化关系也十分明确，采用二阶段的网络DEA有其充分的合理性及必要性。为了使各个决策单元的绩效排序更加直观，在运用二阶段网络DEA模型时，不再将效率值限定在0-1之间，而是沿用超级效率模式的建模思想，允许其效率值超过1。二阶段网络DEA模型可以表述为：
（三）数据说明
由于传统CCR模型对决策单元数量方面有“不少于输入输出指标数的三倍”的要求。本文收集了2009—2010年浙江省舟山群岛新区舟山海洋科学城内10个细分产业的145家企业、28家创新机构的技术数据。其中，涉及的创新机构数据来源于各高校、研究机构网站，2010、2011版的《浙江省科技年鉴》。各企业的数据来自对巨潮信息网的企业年报数据的加工计算以及舟山群岛新区科创园、浙江省商务厅开发区的资料，细分产学研联盟整体情况来自海洋产业各技术创新平台的网站及部分联盟牵头单位的电话调查。数据的处理采用DEA-SOLVER 和MATLAB软件。 四、实证分析与模型检验
（一）实证结果与分析
根据上述原理，笔者通过Matlab计算所得的各个模型的绩效值，10大细分产业的产学研联盟的决策单元评价如表1所示：
表1 Matlab计算所得部分结果
注：E1、E2、E3分别表示二阶段网络DEA的第一阶段、第二阶段和综合效率值。E4表示传统CCR的效率值。
DUMC表示海洋工程建筑业、DUMW表示海水综合利用业、DUMS表示海洋船舶工业、DUME表示海洋能源业、DUMT表示海洋交通运输业、DUMF表示海洋渔业、DUMM表示海洋生物医药业、DUMJ表示滨海旅游业、DUMI表示海洋信息服务业、DUMA表示滩涂农业。
表1显示：综合值排名前8的决策单元是有效的决策单元。对于非有效决策单元，E3≤E4，这表明二阶段网络DEA模型每个阶段、不同子系统、不同阶段之间的转化关系，从而部分地降低了海洋产学研联盟的运作效率。而对于有效决策单元，E3≥E4，这是由于采用了超级效率模型，使得其潜在的效益排序得以显现。对DUMA分析可知：CCR模型得到的联盟效率值为1，而二阶段网络DEA效率值为0.891，说明CCR模型计算中存在着未被识别的非有效运作环节。可见，利用二阶段网络DEA可以更好地识别产学研联盟整体运作的综合效率。对DUMM分析显示：E3=1.043说明产学研联盟整体运作效率是有效的。但进一步发现，E1=0.494、E11=0.872，这意味着在评价的技术有效阶段中，企业作为其子系统，技术有效性存在着有待改进的环节，这些环节目前并未影响产学研联盟的绩效，但是企业管理者应该识别出其中存在的危机，并且采取有力的措施改进，否则可能会影响第二阶段的经济转化效率，最终影响综合效率指标，使得海洋产学研联盟综合指标无效。创新机构在选择合作单位时，也需要考察该联盟是否存在综合指标有效、分阶段指标无效的情况。同理，企业在选择合作平台时，也要注重高校两阶段各自的效率值，以免为合作埋下危机。综上可见，利用二阶段网络DEA模型评价，能够研究当第一阶段无效时，出现问题的主体和环节，从而发现比标准二阶段DEA模型更进一层次的综合绩效影响因素。
（二）模型灵敏度分析
由于DEA其模型原理依赖于决策单元的已知输入和输出数据，对DEA结果进行灵敏度分析显得尤为重要。本文据Chames等人关于保持有效性分类的灵敏度分析理论，采用相对扰动法，即对某个决策单元的原始数据进行一定百分比的扰动，然后分析所有决策单元是否仍能保持其有效性分类，从而找到各个决策单元的相对稳定区间，对传统CCR以及二阶段网络DEA的效率值进行灵敏度分析，具体结果如表2所示：
表2 各模型稳定区间
注：表格中数据99.9%表示，无论对该决策单元做多大的扰动，都不会改变所有决策单元的已有有效性分类结果。
表2显示：二阶段网络DEA模型的稳定性相对较好。整体来看，二阶段网络DEA模型得到的结论准确性大于传统CCR模型。在所有的决策单元中，DUMT和DUMJ数据的准确性对于整个结果的影响较大。如果其输入输出数据的相对误差不超过各自的稳定区间，本文的二阶段网络DEA有效性分类结果仍成立。而对于CCR模型，其稳定性则相对较差，稳定区间普遍较小，这也是二阶段网络DEA模型优于传统CCR模型的一个重要体现。
（三）有效性检验
本文选用最基本的BP神经网络模型与二阶段网络DEA模型进行比较，来验证本文模型的实际有效性，能克服传统线性回归模型误差较大的缺点。
具体实现方式如下：首先，选取海洋产学研联盟的每个决策单元各个阶段与各个子系统之间的输入输出指标作为神经网络模型的输入变量；将本文模型所计算得出的二个阶段以及综合绩效值作为输出变量。再次，在获得输入输出变量之后，对其进行归一化处理，将数据处理成为区间[0，1]之间的数据。最后，采用基本BP单隐层神经网络进行实现。其中，网络中间层的神经元传递函数采用S型正切函数，输出神经元传递函数采用S型对数函数。通过MATLAB神经网络工具箱，计算得出的结果如表3所示：
表3 二阶段网络DEA有效性检验
注：上图中的误差代表DEA与BP神经网络得出的绩效值之间的平均误差。
表3显示：二阶段网络DEA与BP神经网络所计算出的各个决策单元的绩效值差异较小，两者之间的平均误差基本维持在0.5%以内，且波动较小。据检验结果可以认为，运用二阶段网络DEA对产学研联盟进行各个阶段、各个子系统之间进行绩效评定结果和实际情况相符度较高，该模型具有有效性。运用该模型进行的技术创新绩效评价是有效的。
五、 结论与政策建议
（一）评价结论
经过模型检验，据二阶段网络DEA模型结果能形成较客观的评价：第一，浙江省海洋产业集群处于持续发展阶段，且发展趋势明显。在10个被评价的细分产业产学研联盟中有8个联盟的综合指标超过1，占样本总数的80%，说明这些联盟的技术创新绩效高，产学研结合实效发挥明显。此外，其他两个联盟的综合指标超过0.8，整体的创新绩效转化情况良好，通过进一步的政策支持和技术孵化能够对其技术创新绩效有较大提升。第二，浙江省海洋产业集群转化为创新集群的趋势明显。6个决策单元各模型都显示创新有效，说明其技术创新绩效水平高，内部主体之间的关系非常紧密，且形成了一种循环的知识网络结构。通过该评价体系，在一定意义上，浙江省海洋产业集群一定程度上达到了创新集群的标准。第三，海洋战略性新兴产业的投入产出转换绩效高于传统海洋工业，新兴服务业的转化绩效仍然较低。如评价结论所示，海洋工程建筑业、海水综合利用业、海洋新能源业等新兴战略性行业的创新绩效评价值高，而海洋渔业、滩涂农业等海洋传统行业的创新绩效则相对排后，海洋信息服务业等服务型新兴行业的创新绩效目前水平不高。这说明海洋产业集群中，投入较大的战略性产业其产学研结合发展和协同创新模式发展比较成熟，转化效率较高。新兴服务行业由于起步晚、产业环境薄弱等原因，目前的转化绩效还较低。第四，创新机构的技术转化效率优于企业技术转化。在技术有效阶段，创新机构的科研投入转化为科研成果，吸引创新人才的效率高，创新效果明显。企业的研发投入转化为新产品和新项目的效率相对较低，这和创新机构对企业的流入要素有关，也对经济有效性有一定影响。同时说明，创新机构流入企业的人才和研究成果，从理论到实际应用的转化过程效率不理想。企业如何将创新机构研发的技术转化成适销对路的新产品是联盟特别需要关注的问题。 （二）政策建议
基于前文对浙江省海洋产业集群技术创新绩效评价的基础，结合浙江省海洋产学研合作的特点以及相关的政策，分别从创新机构、企业、政府和产学研联盟整体四个方面提出相关政策建议。
从创新机构角度出发，应加快研发成果后续技术衔接和支持，加快人才流动和知识体系的共享。由于成果评价体制的约束，创新机构科技成果的价值主要是通过项目数、发表论文数和专利数来衡量，这就导致评价体系过于注重技术成果而忽视了经济转化的可行性和对经济绩效转化促成要素培养。许多研发成功的新技术在企业生产中还具有较大的现实差距。创新机构科研的经费投入是整个海洋产业集群的重要投入，对集群创新绩效将有较大的影响，需要根据产业化的实际情况及时有效地对技术进行有效的改进和支持，加快人才的输送和培育，让更多研究员了解企业的生产实际，也让企业研发人员更能系统地对项目后续的研发有清晰的把握。在这样“知己知彼”的良性状态下，能够有效缓解企业技术转化缓慢而造成创新机构资源浪费的情况。
从涉海企业角度出发，加快企业自身知识吸收能力和寻找多元化投资主体能解决企业经济转化效率低的问题。由于浙江省海洋产学研结合技术仍然处于发展阶段，企业和创新机构的技术合作领域仍然存在一定的脱节。特别是一些共建高校、研究机构和企业较多的细分产学研联盟，企业对高校项目需要一个更深的内化吸收过程。此过程中，需要大量资金的投入，企业通过较强的联盟实力能寻求到更多元化的投资主体，以此为提高企业知识吸收能力提供支持。企业也需要定期对高校引进项目进行动态分析并且加强员工对于新项目的认知度和理解度，以期提高企业技术转化效率，使联盟的经济转化效率有明显提升，最终减少合作过程中的资源浪费。
从政府角度出发，主要解决的是对海洋战略性新兴产业的更有效财政支持和资源的合理配置问题，扩大产学研联盟的规模。政府在给予财政支持的同时通过政策引导，鼓励更多的资本投资战略性新兴产业的产学研合作项目，积极促进政府对风险投资的支持。通过税收优惠、资金担保、财政补贴等形式引导资金流动，调动战略性新兴产业企业的投资兴趣和投资力度。在合作项目资源配置方面，可以通过建立畅通的信息平台，加快各合作主体的自愿信息披露体系，使得技术资源能够在区域内合理流动的同时逐渐向技术资源匮乏的地区转移。另外对服务型新兴产业培育更多的科技创新中介，特别是注重培养中介机构的技术孵化能力和加强产业政策对其的支持。
从海洋产业集群整体角度，需要合理选择合作对象和方式以保持较好的长期发展态势。创新机构需要对企业的相关科技创新需求和能力进行充分的把握，对隐形的威胁进行合理的预测。企业需要为高校的技术研发提供相应的支持，也对高校的技术和经济转化能力进行合理的考评。在此基础上，应该形成更长期的合作关系，以保证形成更稳定的合作机制。
（作者单位： 1.2.浙江工业大学；3.浙江省商务厅）
责任编辑：晓途