中国高校科技成果转化绩效评价研究

钟　卫，陈宝明

(1.中国人民大学公共管理学院，北京　100872;2.中国科学技术发展战略研究院，北京　100038)

0　引言

高校是创新的源泉，每年产出数量庞大的科技成果。如何将高校科技成果转化为现实生产力，提高科技投入的效益，是各国政府、高校共同面临的挑战[1-4]。为了激活大学和企业参与产学研合作的积极性，促进高校科技成果的转化，1993年中国政府颁布了《科学技术进步法》。这部法律规定政府财政资助的科技计划项目的知识产权归项目承担单位所有，规定项目承担单位有转化科技成果的义务，从而确立了促进科技转化的制度导向。1996年，中国政府又颁布了另外一部专门调整科技成果转化关系的法律《促进技术成果转化法》。该法律具体规定了科技成果转化的形式、组织实施、保障措施、收益分配等内容。为了适应新的经济发展阶段和科技工作的新任务，这两部法律又分别在2007年和2015年进行了修订。除了在法律层面确立促进科技成果转化的制度导向，政府还制定了一系列促进科技成果转化的规章制度，配套实施了与促进科技成果转化相关的科技中介服务和财政税收制度[5]。受这些法律法规的影响，中国高校R&D经费投入也出现了快速增长，从2000年的76.7亿元增加至2014年的898.15亿元，年均增长率达到19.2%。

在付出诸多努力后，政府和高校亟需对科技成果转化绩效进行评价。文献中对于科技成果转化绩效的评价大体可以分为三类：第一类是从绝对数量角度设计指标评价科技成果转化过程的绩效，比如赵志耘等[6]依据科技成果类型以及转化过程的差别提出了一套动态监测科技成果转化效果的指标体系；第二类是计算科技成果转化率，即科技成果总数中成功实现产业化应用的比例，计算时通常以专利申请量或专利授权量作分母，专利的转让和许可数量作分子[7]，这是一种相对效率的评价思路，在大众媒体中经常使用；第三类也是一种相对效率评价思路，只是选择多个投入和产出指标，并且借助SFA(Stochastic Frontier Analysis，随机前沿分析)或DEA(Data Envelopment Analysis，数据包络分析)方法评价绩效。比如何彬等[8]选取研发支出、国外发表学术论文数等七个指标衡量大学科技成果转化过程的投入，专利授权数和专利出售数为科技成果转化过程的产出，采用DEA方法对24所高校的科技成果转化率进行评价。

从上述三类文献看，在指标选取上主要存在以下研究缺口：一是如何界定科技成果(即投入)以及转化成功的标准(即产出)存在明显分歧。一些研究认为科技成果转化过程的投入要素是那些具有潜在市场应用价值的成果[7]，另一些文献则认为应该包括各类科技活动所产生的成果，如期刊论文以及R&D经费和人员等投入要素[8]。从科技成果转化过程的产出指标看，一些学者认为“没有获得经济效益”“没有形成产业化”都不能认为是完成转化[7,9]，而实际测算相对效率的文献中很少采用这一标准。二是大多数文献以专利作为具有潜在市场应用价值成果的代表，很少考虑软件登记、集成电路设计、动植物新品种登记、国家级新药登记等不会申请专利的知识产权。三是大多数研究仅评价技术许可和转让这些传统上应用最广泛的成果转化机制的效果，对作价投资这一类成果转化机制的评价很少涉及[10]。

为了回应上述研究缺口，本文从科技成果及科技成果转化的概念、转化的机制，转化成功的标准三个方面进行分析，并将科技成果转化的概念同技术转移的概念作比较。在此理论分析的基础上提炼出高校科技成果转化过程的投入和产出要素，其中，投入包括专利在内的各类应用型科技成果，产出为技术转让、许可和作价投资这三种转移转化行为。基于这些投入和产出，并借助Bootstrap-DEA方法，评价和比较了高校科技成果转化的绩效。本文虽然聚焦于相对效率评价，但选择指标的思路同样适用于绝对数量评价视角。

1　大学科技成果转化的理论基础

1.1　什么样的成果可用于转化

文献中科技成果通常有广义和狭义之分,广义科技成果是指科技活动所产生的各类成果，包括科学论文、专著、原理性模型、发明专利、产品原型或原始样机等；而狭义科技成果专指其中具有商业化实用价值，在短期内能产生直接的经济效益和市场价值的成果。与此相对应，成果转化的概念也可以分为两类。广义科技成果转化是将各类科技成果转化为最终生产力的过程。大学的人才培养、科研人员向企业流动、大学与企业签订技术合作开发合同、技术咨询合同、技术服务合同等均属于广义的成果转化[11]。显然，广义成果转化过程既可以显性方式进行，也可以隐性方式进行。狭义的科技成果转化则专指应用技术类成果向能实现经济效益的现实生产力的转化[9]。这一过程通常要求成果履行相应的鉴定或登记手续，且伴随着正式渠道的交易或转移，因而属于显性转化，且以取得经济收益为目标[12]。

从中国有关法律、法规看，目前关于科技成果和科技成果转化的概念多是从狭义角度界定[13]。例如，2015年新修订的《促进科技成果转化法》中将科技成果定义为“通过科学研究与技术开发所产生的具有实用价值的成果”，将科技成果转化定义为“为提高生产力水平而对科技成果所进行的后续试验、开发、应用、推广直至形成新技术、新工艺、新材料、新产品，发展新产业等活动”。这样，狭义科技成果转化的概念就与西方国家语境中的“技术商业化”“技术转移”等概念具有可比性，均强调专利及其他应用型知识产权的商业化应用。

1.2　大学如何转化科技成果

传统上，大学转化应用技术类成果的主要方式是技术许可和转让[10]。转让是指科技成果由一方转让给另一方经营，是所有权的出售；许可是指成果所有人允许他人实施其所拥有的科技成果，是使用权的出售。在这两种机制下，大学可通过一次总算、按产品销售提成支付，或两者组合的方式收取发明使用费。许可和转让这两种模式在西方语境中又被合称为大学许可(University Licensing)，强调企业以独占或非独占的方式使用大学的专利或其他知识产权[11,14]。

近些年来，作价投资(或技术入股)作为一种成果转化机制在国内外越来越受到重视[10,15]。它是指大学将成果的使用权或所有权出售给企业时，企业不是以现金方式支付权利金，而是将技术折算成股份或者出资比例，以获得未来的分红收益。技术入股使企业不会因为缺少资金而限制了对所需技术的使用，这对急需技术而又缺少资金的初创企业尤为重要。不仅如此，技术入股能够让技术获取方的企业和技术转让方的大学及科技人员积极参与到后期技术开发，形成牢固、有效的技术联盟，因此也深受既有企业的青睐[16]。

1.3　转化成功的标准是什么

在讨论科技成果转化时的一个难题是：确定怎样才算实现了科技成果的转化[7]。大学采用转让、许可以及作价投资的方式向企业转移了科技成果后，科技成果转化任务并未结束，这是因为大学的科技成果往往不成熟，需要进一步开发。科技成果后期开发是一个科技成果不断具体化、产品化、商品化与产业化的过程，通常要经历小试、中试、产品化、商品化等阶段。这一过程有时需要企业联合大学继续深度再开发，但更多是大学外部其他创新者，比如企业、政府部门、科技中介机构、金融机构、风险投资的努力以及巨大资金的支持。我们难以从中分离出大学在某一项科技成果后期开发中的“净贡献”。如果将这一“并发过程”创造的经济价值全部记为大学在科技成果转化过程的贡献，显然有失偏颇。

另一方面，从促进大学科技成果转化最早的法律《拜杜法》看，其核心是通过促成大学和企业的合作，解决科技成果开发到一定阶段后因资金和人才短缺(尤其是原有国家科技经费即将用完，而新的私人天使或创投基金还未到位的青黄不接时期)而无法持续的困境[17]。因而，能否克服并越过所谓的“死亡之谷”，实现科技的早期研究与后期开发连成一脉，也即“能否转移出去”(Out-the-Door)就成为衡量大学技术商业化效果的首要标准[18]。也正是从这个意义上，西方语境中更经常使用的是技术转移的概念，而非大学技术商业化；在监测大学科研成果商业化绩效时也将注意力集中在对技术转移行为本身的测量上，而不是后期的产业化指标。

基于上述两方面原因，本文将不以“创造了多少经济价值”作为衡量大学科技成果转化成功的标准，而是以大学是否通过技术转让、许可以及作价投资的方式向企业转移了科技成果。后文将不加区别地使用“科技成果转化”“科技成果转移转化”“技术转移”这几个概念，但同时又认为评价大学科技成果转化绩效的方法同评价大学技术转移绩效的方法不完全相同，这主要体现在投入要素的差别上。科技成果转化过程的投入要素为各类应用型科技成果，而技术转移过程的投入要素除了科技成果，往往还包括大学技术转移办公室(TTO)的运行成本。两者的产出要素均为技术转让、许可和作价投资三种转移转化行为本身。

2　绩效评价方法

学者们通常采用两类方法测度多投入、多产出生产过程的效率[19]：以SFA为主的参数方法和以DEA为主的非参数方法。

SFA方法采用计量方法估计前沿生产函数，即在投入与产出之间假设一个明确的生产函数表达式，然后根据一组投入产出观测数据，在满足某些条件下估计表达式中的参数。该方法的主要优势在于：①误差项不仅包括技术非效率，还包括随机误差项，因而能更准确地反映实际的技术效率水平；②将技术无效率项表示成影响因素的线性形式后，在原有模型中即可完成对各个影响因素的参数估计和假设检验。SFA方法有以下不足：①是参数方法，需要已知生产函数的表达形式；②因为采取计量方法，需要大规模样本；③处理多产出生产过程存在困难，需要将多产出合并成一个综合产出或者利用距离函数解决。

DEA方法以数学线性规划技巧架构生产函数来测量效率，即用逐段凸函数逼近的方法估计出生产前沿面，落在前沿面的决策单元其效率值最高，其他决策单元及其线性组合在投入既定的情况下不能生产出更多的产出，也不能以更少的投入生产出既定的产出，因而效率都要低。DEA方法的优点有：①没有限定生产前沿面的形状，不要求对基本的生产函数做出明确的定义；②能方便处理多产出情况。该方法的不足主要是通常假定不存在随机误差，任何处于生产前沿面的决策单元出现误差都会影响生产前沿面的准确性，从而改变其他决策单元的效率值。

从学者们对科技成果转化效率、技术转移效率的研究结果看，这两类方法的使用具有互补性。一些学者使用了DEA方法[8,20]，另外一些学者使用了SFA方法[21-22]。考虑到本文更关心对效率本身的测度而非影响因素，且DEA方法更适合测量多产出的生产过程，因此，本文将采用DEA方法进行绩效评价，且选用经典的CCR模型计算效率，它代表了高校科技成果转化管理水平和规模效应的综合。为了将随机冲击对效率评估所造成的偏误予以修正，本文还使用了Bootstrap-DEA方法纠偏。有关这两个模型的进一步介绍，可参考Coelli等[19]、Simar 等[23]的研究。

3　指标和数据

根据前述理论分析，我们需要从技术转让、许可和作价投资三种转移模式收集相应数据。《教育部直属高校基本情况统计资料汇编》(下文简称资料汇编)详细记录了设有理、工、农、医教学专业的教育部直属高校(75所)和部分其他部委直属高校(9所)应用型科技成果转让、许可的合同数以及合同金额。涉及的成果类型不仅包括专利，也包括软件登记、集成电路设计、动植物新品种登记、国家级新药登记等其他形式的知识产权。然而，汇编资料对于作价投资这种比较新颖的成果转移模式没有统计。

Siegel等[21]、Ho 等[24]曾以大学衍生企业数代表大学创业能力，以及未来可获得的作价投资收益。在衍生企业模式下，大学不仅将科研团队和研究成果直接转移给私人企业(因而拥有新开发产品的部分所有权)，还会承担技术孵化器的一些职能，包括提供技术培训和管理方面的帮助、提供最基本的办公或研究空间、以低于市场价格使用大学图书馆或实验室设备，以及购买初创企业的产品等。当这些初创企业作为一个独立的经济体离开校园环境时，它们就会联合风险资本商业化该项技术，大学就可以从中撤出，并获得相应资金或者股权回报以补偿大学的知识产权[25-26]。

与美国的大学衍生企业的创办过程相似，中国的大学为科技园的发展也配置了各种资源。一是人力支持，大学不仅在科技园创办初期抽调具有企业管理经验的高级管理人才参与建设和管理，而且在继续教育方面也为园区培养高素质的复合型人才；二是物力支持，除了提供大学的科技成果外，大学的实验室、研究中心和图书馆等资源通常也会向科技园开放，在有些情况下甚至还提供必要资金、基础设施等方面的支持；三是政策支持，除了国家和地方政府的有关政策外，大学往往会单独出台相应政策，进一步鼓励大学科研人员和学生创新创业的积极性。因此，本文以大学科技园内当年新孵化企业数代表高校的作价投资回报收益，相关数据来自《中国火炬统计年鉴》(下文简称火炬年鉴)。

考虑到上述两个数据库中相关指标的可得性，以及DEA方法要求不能所有的投入或产出指标同时为0，本文选取了2010—2012年50所隶属于教育部或其他部委，且拥有国家级大学科技园的高校进行评价。选用的投入指标有3个，分别为专利申请数、专利授权数、其他知识产权授权数。产出指标有5个，分别为专利出售合同数、专利出售当年实际收入、其他知识产权转让合同数、其他知识产权转让当年实际收入、新孵化企业数。

投入指标中既包括专利申请数，也包括专利授权数，这是因为科技成果转化的过程并不是线性的。典型的成果转化路径是先对知识产权要求保护，比如申请专利或成果登记，然后是批准，最后才是技术转让、许可或创办衍生企业。然而，Siegel 等[21]、Kim[27]发现，许多企业会在专利获得批准之前就已得到了相关技术成果，这意味着专利申请也是成果转化的关键投入要素，它与专利授权一起共同构成了大学成果转化的技术储存库。

产出指标中既有技术转让和许可合同数量，也有合同金额，是因为技术转让和许可的合同数是计数型变量，通常变化很大，容易产生误导。以合同金额作为补充指标，在一定程度上能反映出某项技术转让和许可的相对重要性。

不同的科技成果完成转移转化过程需要的周期不同，如何确定投入与产出之间存在的时间滞后是一个难题。相关研究[21]要么忽略了滞后问题，要么采用多年数据求平均[24]。为了降低数据波动造成的影响，本文采用多年数据求平均的方法，即以2010—2012年的平均数进行计算。

表1显示了50所高校投入产出指标的描述统计。结果表明，50所高校所有的投入与产出指标占总体的比重均接近甚至超过50%，因而能较好地代表中国高校，特别是那些科技成果转化实力最强高校的情况。

表1　2010—2012年50所高校科技成果转化投入与产出指标的描述统计

资料来源：相应年份《教育部直属高校基本情况统计资料汇编》和《中国火炬统计年鉴》。

注：2013年度后的《中国火炬统计年鉴》没有高校孵化企业的详细信息，只有汇总结果，本文选取此前年份的数据。

*当年新孵企业变量的总体是指国家级大学科技园当年新孵企业总数，其他变量的总体是指当年参与调查的全部高校，数据来自对应年份的《高等学校科技统计资料汇编》。

4　评价结果分析

基于产出导向的DEA模型和Bootstrap-DEA模型，分别测算2010—2012年50所拥有国家级大学科技园部委高校的科技成果转化效率，见表2。

表2　传统DEA和Bootstrap-DEA方法 纠偏后的效率值描述

注：对于产出导向的CCR模型，其效率值φ≥1，这里采用1/φ表示效率值;本文将Bootstrap迭代次数设定为2000，置信度设为95%。

从传统DEA方法计算的结果看，50所高校在2010—2012年科技成果转化效率的均值为0.515，这意味着在科技成果数量保持不变的情况下，如果提高管理水平，各项产出可以等比例增加近一倍(1/0.515=1.94)，表明高校具有较低的科技成果转化效率。采用Bootstrap-DEA方法纠偏后，各项效率指标又出现了明显的下降，其中，均值下降为0.387，有效决策单元的个数从10降为0，新模型的最高效率值仅为0.8。所有这些情况表明高校的科技成果转化效率的确不高，还有很大的提升空间。接下来我们考虑哪些类型的高校其科技成果转化效率可能较低，即分析大学组织变量(相关数据来自前述两个数据库或高校网站)与科技成果转化效率(Bootstrap-DEA方法计算)之间的关联性。根据过去的研究[28]，这里主要关注四类变量：大学学科类型、生物医药学科、大学科研实力以及成果转化部门(或TTO)的经验。

Curi等[29]认为不同学科技术存量差别较大，那些以技术应用、专利申请为导向的学科，比如工科、理工科具有较高的成果转化效率，反之，像人文社科类专业的转化效率会较低。根据汇编资料，我们将上述50所大学分成两类：理工(含医药)、其他(包括综合、农林、师范)。结果发现33所理工类高校的效率均值(为0.378)反而小于17所其他类型高校的效率均值(为0.406)，虽然这种差距在统计学意义上还不显著(t检验的p值为0.716)。我们将综合类与理工类高校的效率均值进行进一步比较，发现前者(均值为0.468)高于后者，但这种差距也不显著(t检验的p值为0.291)。这些结果说明,大学学科类型不是比较科技成果转化效率的一个好指标。接下来我们关注生物医药学科对于科技成果转化效率水平的影响，通常认为医学院或生命科学学院的存在对于效率有正向影响，因为有这些学院就更容易进行临床试验，而且相当大比例的大学技术许可来自生物医药领域的发明[20,27]。在收集了这50所大学是否存在医学院或生命科学学院的相关信息，并进行方差分析(见表3)后，我们发现，是否包括医学院的确是影响高校科技成果转化效率的一个关键变量，但是否含有生命科学学院则不一定会提高科技成果转化效率，这是因为仅有生命科学学院的高校与既没有医学院也没有生命科学学院的高校效率水平的差距不显著，而有医学院的高校与既没有医学院也没有生命科学学院的高校之间的差距显著。

表3　医学院或生命科学学院与效率得分之间的One-Way ANOVA分析

注：a既含有医学院又有生命科学学院，或只含有医学院；b事后比较检验栏中显示的是在0.05水平(双侧)上显著的结果。

文献中关注的第三个变量是大学科研实力。通常认为，大学的科研实力越强，生产出的研究成果就越多，申请专利的可能性就越大。比如，Caldera 等[30]以大学教授的数量来代表大学的科研实力，发现教授的数量会显著影响技术转移效率。这里我们分别以高校科技经费以及其中来自政府的科技经费测量高校的科研实力，发现它们与效率得分之间的相关系数分别为0.340和0.266，对应的p值分别为0.016和0.062，这就表明大学科研实力的确与科技成果转化的效率之间存在关联性。

最后，我们关注成果转化部门(或TTO)的经验与效率水平之间的关联性。TTO通过“干中学”增强了TTO工作人员的专业性，从而知道如何进行技术许可、如何创办衍生企业[21,29]。文献中通常以TTO成立的年限测量经验。由于难以获得各大学TTO成立的准确时间，本文以大学加入国家级大学科技园的批次来测量TTO的经验。加入国家级大学科技园的批次越早，其科技成果转化的经验越丰富。我们重点考察第一批次加入的高校与第二批次以及以后其他批次之间的效率水平是否存在差别。表4的结果验证了TTO的经验与效率水平之间存在正相关的判断，只是这种关联性对于首批加入国家大学科技园的高校而言更明显。

表4　加入科技园批次与效率得分之间的One-Way ANOVA分析

注：有些高校，比如华中科技大学曾隶属于东湖高新区国家大学科技园，出现在第一批名单中，在第七批中又作为一个独立的国家大学科技园出现，批次的统计则以首次进入国家大学科技园名单为准。事后比较检验栏中显示的是在0.05水平(双侧)上显著的结果。

5　结论

高校科技成果转化绩效评价有助于高校了解科技成果转化工作取得的总体成效、面临的问题，有助于高校主管部门加强对科技成果转化工作的宏观调控和管理，这包括将“评价结果作为对高校给予支持的重要依据之一”，以及将“高校科技成果转化绩效纳入世界一流大学和一流学科建设考核评价体系”，激发高校以更大的热情转化科技成果。

过去的研究在监测和评价中国高校科技成果转化的绩效时不仅对于一些基本概念的界定存在分歧，而且对于科技成果转化机制的认识也不全面。考察了“什么样的成果可用于转化”“大学如何转化科技成果”“转化成功的标准是什么”等基本问题，并将科技成果转化的概念同技术转移的概念作比较后，本文认为：①中国法律法规中提到的科技成果和科技成果转化的概念多是从狭义角度界定，强调的是对专利及其他应用型知识产权的转化；②大学转化应用型知识产权的方式除了传统的技术许可和转让外，作价投资(或技术入股)也越来越受到初创企业和既有企业的重视；③转化成功的标准不是大学“创造了多少经济价值”，而是是否通过技术转让、许可以及作价投资的方式向企业转移了科技成果。

基于上述分析，本文提炼出高校科技成果转化过程的投入和产出要素，其中，投入要素为各类应用型科技成果，产出要素为技术转让、许可和作价投资三种转移转化行为本身。借助纠正偏差的Bootstrap-DEA方法，本文测算了2010—2012年50所隶属于教育部或其他部委，且拥有国家级大学科技园的高校的科技成果转化效率。研究发现：①这些代表中国科技成果转化实力最强的高校，其科技成果转化效率不高，纠偏后的效率均值甚至小于0.4，表明高校的科技成果转化绩效还有很大的提升空间；②具有某些特征的高校，比如科研实力强、拥有医学院、首批加入国家大学科技园等，其科技成果转化绩效要明显高于不具备这些特征的高校。

前述分析中，我们考察了技术转让、许可、作价投资这三种狭义科技成果转化模式的绩效，这一分析框架与新修订的《促进科技成果转化法》中鼓励高校采取的科技成果转化方式相一致。但是，仍需要看到，其他类型广义科技成果转化方式，特别是大学与企业签订的技术合作开发合同、技术咨询合同、技术服务合同，有时要比狭义科技成果转化方式对企业来说更有价值[31-32]。李修全等[33]在简单比较了中美两国专利许可收入、高校研发经费及来自企业的资金等主要指标后，认为中国高校向企业和社会转移转化的成果并不低，在总体规模上甚至要高于美国。

本文的研究发现对于监测和评价中国高校科技成果转移转化的绩效具有现实意义，除此之外，本文的理论贡献在于：

(1)厘清科技成果转化成功的标准。科技成果转化的过程既包括科技成果所有权和使用权的转移(“转”的部分)，又包括科技成果不断具体化、产品化、商品化与产业化(“化”的部分)。一些学者认为，应该将创造了多少经济价值当作转化成功的标准。本文基于能否越过“死亡之谷”对于科技成果转化过程的重要意义，以及大学在科技成果后期开发过程中的贡献难以分割这两方面理由，认为应该以大学是否转移了科技成果作为科技成果转化成功的标准。

(2)首次将作价投资模式纳入科技成果转化机制。过去一些研究也认为这是一种重要的科技成果转化模式，但他们没有从投入产出的角度进行效率评价，更没有采用数据量化作价投资这一模式的效果。

(3)将高校科技成果转化过程描述为一个多投入、多产出的“生产过程”。过去也有一些学者做了类似的工作，但他们采用的投入指标往往还包括R&D经费、论文发表等广义科技成果，产出指标也仅仅限定为技术转让和许可。

本研究存在一些不足：首先，由于中国没有高校研究成果产业化的公开调查数据，本文采用新孵化企业数来测量高校的作价投资回报收益，显然它不能反映高校全部的作价投资结果，特别是当大学科技园内的在孵企业使用的科技成果不完全来自依托高校时，这种偏差会进一步增大。另外，受研究主题所限，本文仅仅计算了效率值，比较了一些大学组织变量与效率值之间的关联性，并没有建立统计模型识别影响中国高校科技成果转化效率的各类因素，这是我们未来的努力方向。

参考文献：

[1]陈宝明.加快科技成果转化的若干措施与政策建议[J].中国高校科技与产业化，2010(6)：23-25.

[2]刘永千.科技成果转化能力评价研究：以上海市为例[J].中国科技论坛，2017(1)：12-18.

[3]孙德升，刘峰，陈志.高校科技成果转化的 ISCP 范式分析[J].中国科技论坛，2017(3)：142-148.

[4]KOCHENKOVA A，GRIMALDI R，MUNARI F.Public policy measures in support of knowledge transfer activities：a review of academic literature[J].The journal of technology transfer，2016，41(3)：407-429.

[5]CHEN A，PATTON D，KENNEY M.University technology transfer in China：a literature review and taxonomy[J].The journal of technology transfer，2016，41(5)：891-929.

[6]赵志耘，杜红亮.我国科技成果转化过程监测指标体系探讨[J].中国软科学，2011(11)：8-14.

[7]蔡跃洲.科技成果转化的内涵边界与统计测度[J].科学学研究，2015(1)：37-44.

[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，2013，34(10)：85-94.

[9]贺德方.对科技成果及科技成果转化若干基本概念的辨析与思考[J].中国软科学，2011(11)：1-7.

[10]赵捷，张杰军，汤世国，等.科技成果转化中的技术入股问题研究[J].科学学研究，2011，29(10)：1485-1489.

[11]钟卫，左毅.产学研合作效果测量：理论与实践[J].中国科技论坛，2015(8)：51-57.

[12]李修全.应用类科技成果转化的概念及测度方法——“科技成果转化指数” 构建探讨[J].科技管理研究，2015，35(23)：46-49.

[13]许端阳.国外技术转移监测评价的特点及其对我国科技成果转化评价的启示[J].科技管理研究，2013，33(21)：23-28.

[14]FORAY D，LISSONI F.University research and public-private interaction[J].Handbook of the economics of innovation，2010(1)：275-314.

[15]SAVVA N，TANERI N.The role of equity，royalty，and fixed fees in technology licensing to university spin-offs[J].Management science，2015，61(6)：1323-1343.

[16]FELDMAN M，FELLER I，BERCOVITZ J，et al.Equity and the technology transfer strategies of American research universities[J].Management science，2002，48(1)：105-121.

[17]孙远钊.论科技成果转化与产学研合作——美国《 拜杜法》 35 周年的回顾与展望[J].科技与法律，2015(5)：1008-1037.

[18]BOZEMAN B.Technology transfer and public policy：a review of research and theory[J].Research policy，2000，29(4)：627-655.

[19]COELLI T J，RAO D S P，O’DONNELL C J，et al.An introduction to efficiency and productivity analysis[M].Springer Science & Business Media，2005.

[20]ANDERSON T R，DAIM T U，LAVOIE F F.Measuring the efficiency of university technology transfer[J].Technovation，2007，27(5)：306-318.

[21]SIEGEL D S，WALDMAN D，LINK A.Assessing the impact of organizational practices on the relative productivity of university technology transfer offices：an exploratory study[J].Research policy，2003，32(1)：27-48.

[22]李小丽，余翔.区域三螺旋强度及 TTO 特征对 TTO 效率的影响研究[J].科研管理，2014(9)：115-122.

[23]SIMAR L，WILSON P W.A general methodology for bootstrapping in non-parametric frontier models[J].Journal of applied statistics，2000，27(6)：779-802.

[24]HO M H C，LIU J S，LU W M，et al.A new perspective to explore the technology transfer efficiencies in US universities[J].The journal of technology transfer，2014，39(2)：247-275.

[25]DI GREGORIO D，SHANE S.Why do some universities generate more start-ups than others?[J].Research policy，2003，32(2)：209-227.

[26]BATHELT H，KOGLER D F，MUNRO A K.A knowledge-based typology of university spin-offs in the context of regional economic development[J].Technovation，2010，30(9)：519-532.

[27]KIM Y.The ivory tower approach to entrepreneurial linkage：productivity changes in university technology transfer[J].The journal of technology transfer，2013，38(2)：180-197.

[28]钟卫.合著数据表征的中国研究型大学产学研合作绩效评估[J].科技进步与对策，2016，33(14)：118-123.

[29]CURI C，DARAIO C，LLERENA P.University technology transfer：how(in)efficient are French universities[J].Cambridge journal of economics，2012，36(3)：629-654.

[30]CALDERA A，DEBANDE O.Performance of Spanish universities in technology transfer：an empirical analysis[J].Research policy，2010，39(9)：1160-1173.

[31]COHEN W M，NELSON R R，WALSH J P.Links and impacts：the influence of public research on industrial R&D[J].Management science，2002，48(1)：1-23.

[32]D’ESTE P，PATEL P.University-industry linkages in the UK：What are the factors underlying the variety of interactions with industry[J].Research policy，2007，36(9)：1295-1313.

[33]李修全，玄兆辉，杨洋.从中美高校知识流动对比看我国高校科技成果转化特点[J].中国科技论坛，2014(12)：98-102.