政策响应对高校科技成果转化的影响机制研究

王宏伟，蒋建勋

（中国社会科学院 数量经济与技术经济研究所，北京 100732）

一、引 言

党的十九届五中全会提出“把科技自立自强作为国家发展的战略支撑”，关键是要深化体制改革，努力解决成果转化、市场应用“最后一公里”有机衔接的问题。大学是科技成果的重要来源（Thursby，2002；孙林波，2018）［1-2］。然而我国大学科技成果转化率严重偏低，与发达国家之间存在着较大的差距（蔡跃洲，2015；龚敏，2021）［3-4］。为了解决大学科技成果转化的痛点，我国政府于2015 年底对1996 年版《中华人民共和国促进科技成果转化法》进行了修订。新修订的法案（以下简称《促进科技成果转化法（2015）》）一方面加大了对大学科技成果完成人的激励力度，另一方面是将科技成果收益分配、科技成果转化管理等权力下放给大学，因此该法案也被称为中国的“拜杜法案”（Kenneyet，2009；王秀芹，2021）［5-6］。大学作为科技成果转化的主体，也是政策的“感受器”，其对政策的响应会直接关系到新修订法案的落实情况（Bozeman，2000；Hughes，2018）［7-8］。回答以上问题，对我国进一步完善大学科技成果转化体制机制、有效推动制度实施具有一定参考价值。

已有研究较全面地构建了科技成果转化的理论框架，但仍有需要弥补之处。一是科技成果转化政策作为高校科技成果转化的重要影响因素，影响机制的研究多停留在区域层面，忽略了作为科技转化主体的高校对政策的响应（王秀芹，2021；王宏起，2018）［6］［9］。作为政策执行主体的高校拥有响应意愿及行动是确保研究与应用对接的第一步，避免成果转化过程中的交互失灵（洪勇，2012）［10］，从而保障政策的有效性。二是尚缺乏以高校出台的促进科技成果转化细则办法为研究对象的实证研究。由于可获得的数据有限，现有探索《促进科技成果转化法（2015）》对高校科技成果转化影响的实证研究，多以省级出台的对应政策为研究切入点（钟卫，2021）［11］，得到的结论难免忽视高校自身特征，难以准确反映促进成果转化政策的落实情况。三是高校有自身的学科背景优势，所处地域的不同反映了其背后的文化、经济差异，政策对于不同类别高校影响效果的差异也有待进一步探讨。研究清楚上述问题也能解释《促进科技成果转化法（2015）》的出台对于不同高校的差异影响。

针对以上不足，本文以高校响应2015 年修订的《中华人民共和国促进科技成果转化法》而相继出台的科技成果转化细则和办法作为研究对象，探究其对高校科技成果转化绩效的影响。本文贡献主要体现在如下几个方面：一是研究视角的新颖性。本文以高校层面颁布的科技成果转化细则办法为研究对象，从政策响应视角系统分析了政策对于高校科技成果转化的影响路径和机制，弥补了现有研究停留于政策解读、对现象分析的不足。二是研究方法和数据的更新。现有讨论我国科技成果转化的文献以案例和质性研究为主，少有的实证研究由于数据较难获得而未能进行微观分析。本文通过收集高校出台的政策数据进行微观实证研究，从研究方法和研究角度上进行了创新。三是研究内容更全面。本文考虑到高校自身的学科背景、地域等特征差异，研究能细化地反映科技成果转化政策对高校的差异影响。本文第二部分梳理了理论脉络并提出了研究假设。第三部分进行了实证分析。第四部分为异质性分析。第五部分为结论和政策建议。

二、理论分析与研究假设

（一）《促进科技成果转化法（2015）》政策落实问题

我国政府于2015 年底对《中华人民共和国促进科技成果转化法》进行了修订，在激励科研人员进行科技成果转化的同时，也规范了科技成果转化的利益分配机制。但政策在落实的过程中仍然存在一些阻碍。一是目前激励政策多以规范性、指导性为主，而对政策的贯彻落实缺乏强有力的监督，机构及个人缺乏政策落实压力，导致政策“执行不执行一个样”。二是部分政策设计面向一线科技工作者，而对机构执行政策的主动性和可操作性考虑不足。例如，国家为促进增收、激发创新活力而鼓励科研人员适度兼职兼薪，但其所在单位却要为此承担较大风险和协调成本，因此不愿意落实或难以落实。三是缺少实施细则和配套措施，政策难以及时有效落地。例如，合作科研项目过于突出牵头单位以及第一完成人的贡献，在职称评价、科研报奖、工作年度考核中往往以第一完成单位或第一完成人来认定论文或项目的归属，而第二、第三等合作单位或合作作者完成的工作往往打折扣计算甚至不计入成果，导致参与单位及个人在合作中有所保留，不利于科研机构和科研人员之间形成有效的团队合作。

（二）科技成果转化激励政策响应与高校科技成果转化绩效

政策响应是政策在颁布施行后，作为政策感受器的组织或者个人对政策刺激进行反馈并采取行为的过程，反馈的结果可以有正反馈和负反馈（Hughes，2018）［8］。政策在获得正向反馈后才有可能体现出政策实施的效果。Pierce（2014）的政策响应模型将政策的响应机制分解为三个阶段，即政策的感知选择阶段、政策的反馈阶段和政策反馈结果阶段［12］。政策的响应行为反映了响应者本身对于外部资源获取的需求，期望对外界动态环境作出反应，是响应者实现利益最大化博弈的结果（赵晓丽，2015）［13］，也反映了政策传导各环节利益相关者达成了一致共识（Havas，2017）［14］。有学者发现响应创新政策可以提高产学研协同效率，进一步对技术企业提升创新绩效具有积极的影响作用（Valeria，2017）［15］。

高校科技成果转化政策影响机制同样可以用政策响应模型进行解释。高校对该法案作出响应出于两方面原因：一方面由于高校隶属于中央或地方政府，组织权力关系促使高校积极响应政策（王秀芹，2021；王海军，2019）［6］［16］；另一方面，高校在综合考虑自身科研技术实力、科技成果转化意愿以及可获得的环境资源后，产生的自生动力对政策进行响应。当高校出台相应办法细则积极响应促进科技成果转化法时，说明法案既得到高校的认同和理解，同时执行法案也是高校实现利益最大化的选择，且高校响应政策作出的积极反馈也是在综合考虑自身条件基础上对政策的补充完善，从而能够带来很好的效果（张虎，2017）［17］。

例如，北京理工大学2016 年出台细则规定以技术转让或许可方式转化的，对科研团队激励额度提升到70%；以科技成果作价投资进行转化的，60%股权奖励发明人团队，10%股权奖励学院，10%股权奖励技术转移中心，20%奖励学校［18］。大连理工大学2017 年出台细则同样给予科研团队70%的收益比例作为奖励，30%纳入学校专利资助基金；以科技成果作价投资实施转化的，学校原则上从作价投资取得的股份或者出资比例中提取50%—70%作为奖励，学校所获得股权由产业投资公司或其二级全资子公司代表学校持有［19］。另外，清华大学、北京大学、四川大学等国内知名高校，均出台有详细的科技成果转化细则，根据科技成果完成人的工作及贡献进行奖励，并将剩余成果转化收益合理地进行了再分配，通过设立基金、成立衍生公司的方式反哺科研，从长期上有效促进了高校科技成果转化的持续发展。

假设1：高校响应科技成果转化政策对高校科技成果转化绩效有正向影响作用。

（三）促进科技成果转化政策响应的滞后效应

Griliches（1979）所提出的知识生产函数认为，知识从投入生产到最终转化到市场应用类似于产品的生产过程，即知识从投入到最终市场化之间存在着一定的时间滞后性［20］。科技成果转化是知识生产过程的一个环节，解决知识向市场转移的“最后一公里”问题，同样符合知识生产的函数规律。一是由于科技成果转化有耗时较短的专利转让等方式，也存在耗时较长的科技成果作价投资的转化方式，但不同方式的商业化过程都需要一定的时间才能转化为最终的收益，只是滞后时间不尽相同（Alessandro，2010）［21］。二是政策的响应需要响应对象对政策进行认知、认可再执行的过程，类似于神经反射中“刺激—传导—反馈”的过程，也存在一定的时间差（朱旭峰，2019）［22］。三是执行政策首先需要政策各执行方对政策充分理解，再相互进行商议配合并经过一段时间的磨合，才能实现对政策的完美解读与实施（赵玉林，2018）［23］。因此，高校对于促进科技成果转化政策的响应以及到产生绩效存在一定的时间滞后期，且随着响应后时间的累积，科技成果转化绩效提升更为显著。

假设2：高校响应科技成果转化政策后时间累积对高校科技成果转化绩效有正向的影响作用。

三、研究设计及数据来源

（一）实证模型构建

1.高校政策响应渐进双重差分模型

为了检验高校响应促进科技成果转化政策对成果转化绩效的促进作用，可以借鉴“自然实验”双重差分模型，将已响应政策的高校作为实验组，没有响应政策的高校分为实验组和对照组。通过比较响应政策这一行为对实验组平均变化与对照组平均变化的差异来检验效果。《中华人民共和国促进科技成果转化法》修订法案于2015 年颁布，高校响应该法案的办法细则自2015 年后至今陆续出台、实施，基本的双重差分模型可以检验单一外部因素冲击造成的实验组与对照组差异，但高校响应是在不同年份逐渐发生的，因此选择渐进双重差分模型（Time-varying DID）。借鉴 Beck（2010）［24］、Wang（2013）［25］和黄溶冰（2019）［26］的研究，构建如下计量模型：

其中式（1）为考虑了时间和国家固定效应的渐进双重差分估计模型。Yit表示高校i在第t年科技成果转化绩效；trans_dumit是一个虚拟变量，代表高校i在第t年是否已对2015 年科技成果转化法做出响应，做出响应赋值为1，否则为0。∑Zit指的是其他影响因变量的控制变量；μi表示高校固定效应，用于捕捉其他不随时间变化的高校特征；τt表示年份固定效应，用来控制随时间而改变的不可观测的影响因素；εit表示随机误差项。式（2）中postt为处理效应时期虚拟变量，高校出台科技成果转化细则当年及之后设定为1，之前的年份设定为0。transpoi是处理组虚拟变量，表示高校是否为响应2015 年科技成果转化法的高校，如果是响应高校将该变量设定为1，否则为0。

2.高校政策响应滞后效应模型

为了检验高校出台科技转化细则后，随着时间的推移是否更好地影响转化绩效，能够发挥出更好的效果，本文进一步构建固定效应模型进行检验滞后影响：

其中timeit表示观测点当年距离高校出台促进科技成果转化细则年份的时间差，timeit的处理方式为，若t＞si，则timeit=t-si，否则timeit=0，t表示观测年份，si表示高校i发布科技成果转化细则的具体年份。式（3）中控制变量的处理方式与式（1）相同。

（二）变量说明

本文的被解释变量为高校科技成果及技术转让当年的实际收入。已有研究认为科技成果转化测度指标应该体现出知识技术向市场转移的实用价值，因此选取专利申请数和授权数、技术许可数及收入、大学的衍生公司数量作为测度指标（孙林波，2018；蔡跃洲，2015；钟卫，2021）［2-3］［11］。由于本文探究《促进科技成果转化法（2015）》的政策响应机制，根据法案提到科技成果转化方式有作价投资、转让和许可，因此选用体现知识技术向市场转移实用价值的相关指标来测度高校科技成果转化。由于在2010—2018 年《高等学校科技统计资料汇编》中仅记录了高校科技成果及技术转让当年实际收入和合同数两个指标数据，因此选取实际收入为基准回归的被解释变量指标，合同数指标作为稳健性检验时被解释变量的替代指标。

本文的主要解释变量之一为高校是否对《促进科技成果转化法（2015）》进行响应。该变量为虚拟变量，高校出台响应办法、细则当年及之后年份，取值为1；在出台响应办法、细则之前的年份，取值为0。本文的另一个解释变量是高校响应《促进科技成果转化法（2015）》后的年限，该变量为观测点年份减去高校响应法案年份的差值，用来测度累积时间效应对高校科技成果转化绩效的影响。

控制变量。影响大学科技成果转化的因素众多，最主要的因素可以归纳为大学科研实力、大学科技成果转化能力、大学可获得的资金支持等。再根据知识转移相关理论并借鉴已有研究的成熟做法，本文将选取如下控制变量：教学与科研人员，指高等学校在册的统计年度内从事教学、研究与发展成果应用及科技服务的工作人员，并包括从事科研活动累计工作一月以上的外籍和高教系统之外的专家学者；研究与发展人员，也可称为R&D 人员，是指从事研究与发展工作占本人教学科研总时间10%以上的教学与科研人员；科技经费，包括当年高校获得的政府资金以及企事业单位委托资金；学术论文，包括国内外刊物上公开发表的学术论文；科技课题数量，指当年高校研究人员主持的横向及纵向研究课题总和。上述变量能够较全面地反映高校的基础科研能力、应用研究能力、科技成果转化的配套服务水平以及资金水平，可以控制住影响高校科技成果转化绩效的主要因素。

（三）数据来源及描述统计

本文通过测度高校颁布的促进科技成果转化办法细则的相关信息来甄别高校对政策的响应程度及对科技成果产出的影响。在我国高校中，“211 大学”及省部共建高校具有较强的科学研究能力，硬件设备和社会影响力也强于一般的大学。因此，本文以全国（除港、澳、台地区高校外）“211 大学”及省部共建的113 所高校为研究对象，通过教育部科学技术司发布的《高等学校科技统计资料汇编》，收集了2010—2018年上述高校科技成果转化收入、高校每年发表论文数、高校每年获得的科技经费等数据。选取2010 年为观测起始点是因为这一年科技人员收益权改革已开始，但高校层面的处置权收益权改革都还没有开始（钟卫，2021）［11］；选取2018 年作为观测的最后一年是因为：一方面局限于数据样本的可得性；另一方面2018 年距离2015 年有3 年的时间，足以检验滞后效应。通过高校官方网站浏览并下载高校出台的促进科技成果转化实施办法政策文件，整理出高校办法文件发布时间等作为高校响应促进科技成果转化政策的证据。最终，本文共收集了113 所高校的1017 个观测样本。

在实证分析之前，本文对各变量进行描述统计分析（见表1）。由于除自变量以外的变量数值较大且存在取值为零的指标，因此对除自变量外的所有指标加1 后再取对数。政策响应变量的均值为0.207，说明2010—2018 年已响应政策高校累积数仅为一半左右。因为若2015 年当年所有观测高校均响应政策，那么政策响应变量均值应为0.444，均值为0.207 说明在观测年份颁布响应办法的高校不到一半。政策响应年限均值为0.614 同样印证了上述结论。若2015 年所有观测高校均响应政策，那么响应年限均值应为1.111。相关系数方面，主要观测变量与因变量之间的Person 相关系数均在1%置信水平显著。

表1 描述统计分析

四、实证结果分析

（一）基准回归结果

如表2 结果所示，本文首先建立渐进双重差分模型（模型1）以检验高校响应《促进科技成果转化法（2015）》前后，响应举措对高校科技成果转化绩效的影响，这一模型用于检验假设1。模型1 中解释变量“政策响应（trans_dum）”系数为0.978，且在5%的置信水平上显著为正。这表明高校通过发布细则办法来响应《促进科技成果转化法（2015）》后，相对于未响应政策的高校，科技成果转化绩效有显著提升。说明高校响应政策反映出对政策的认可，通过出台办法细则将政策落地执行是实现《促进科技成果转化法（2015）》落实执行的有力保障。

表2 基准回归结果

从固定效应模型（模型2）的结果可以看出，“政策响应年限（time）”的系数为0.28，且同样在5%的置信水平上显著正向影响高校科技成果转化绩效。随着高校政策响应时间的延长，其对科技成果转化绩效的影响效应逐渐增强，说明高校政策办法随着时间的累积科技成果转化办法能够更好地获得落实、政策效用更显著。假设2 得到证实，说明政策传导过程中需要充分考虑时间的累积效应，在评估政策的作用效果时，应充分考虑时间因素发挥的重要作用。

控制变量方面。显著影响高校科技成果转化绩效的有高校当年发表论文数以及高校科技课题数量。这印证了已有研究认为这两个变量是科技成果转化绩效最直接的影响因素的观点（郭英远，2015）［27］。教学人员有不显著的负向影响关系，其可能的原因是：过多的服务人员造成组织冗余的同时还会形成更大的人力成本。而研究与发展人员和科研经费都不显著正向影响科技成果转化绩效，这两个变量均能够促进科技成果转化，但影响效果并不是立竿见影的。

（二）稳健性检验

1.平行趋势检验

应用渐进双重差分模型的重要前提是实验组和控制组满足平行趋势假定，即如果高校没有制定提高科技人员奖酬金提取比例及下放收益分配处置权的政策，响应政策高校（实验组）与未响应政策高校（对照组），在高校科技成果转化政策响应之前的发展趋势应该不存在系统性差异；或者即便有差异存在，这样的差异也是稳定的，两组高校的发展趋势应该是一致的。满足上述条件，我们才可以断定没有响应科技成果转化政策的高校适合作为对照组。根据Galiani（2005）［28］、郭峰（2018）［29］本文构建动态模型检验上述平行趋势：

trans_dumi,t+k表示政策发布前、发布当年和发布后的一系列虚拟变量，其中trans_dumi,t+k=transpoi·yt，yt为年度虚拟变量，当年观测值取 1，其他年份观测值为0。其他变量与基准模型一致。我们检验了2010 年到样本最后一年的趋势变化。从表3 结果看，高校科技成果转化细则办法出台当年及之前的所有回归结果均不显著，表明在细则办法实施之前处理组和对照组的变化趋势是一致的，不存在显著差异。而在细则办法出台之后，影响系数显著为正，且实验组相对于控制组显著上升，说明此时实验组与对照组产生了差异，证明了政策响应的有效性。因此，样本通过了双重差分法估计所需的平行趋势检验。

表3 平行趋势检验

2.替代被解释变量

本文通过技术转让签订合同数作为被解释变量，进一步通过实证的方法检验高校科技成果转化政策响应对科技成果转化绩效的影响效应，希望得到更加完整且稳健的研究结论。控制变量与模型1 保持一致，实证结果如表4 模型4 所示。可以看出，同样在渐进双重差分方法下，高校政策响应的系数仍在5%的显著性水平上显著为正。这说明高校政策响应同样可以促进高校技术转让签订合同数的增长。表4 模型5 检验了政策响应年限对技术转让签订合同数的影响，高校政策响应年限的系数仍在5%的显著性水平上显著为正，证实了随着政策响应年份的累积延长，高校科技成果转化绩效也随之提高的结论。

表4 替代被解释变量检验

（三）安慰剂检验

安慰剂检验将科技成果转化政策推行的政策事件统一设定在2015 年之前的某个时期，且样本期设定在2010—2015 年，以考察是否仍然存在投资促进的效应。渐进性双重差分的前提条件是在政策事件发生之前高校的科技成果转化行为没有出现较大差异，因此如果将政策事件设定在2015 年之前的某个时期，那么核心变量的估计系数将不显著。如果结果与预期相反，那么就意味着确实存在某些潜在的不可观察因素也会驱动高校科技成果转化，而不仅仅是因为高校响应科技成果转化政策带来的促进效应。为了确保实证结果的稳健性，分别将政策冲击时间设定为 2011 年、2012 年、2013 年、2014 年。表 5中解释变量系数均不显著，通过安慰剂检验，说明不存在其他因素的干扰，证实了高校政策响应是科技成果转化提升的主要影响因素。

表5 安慰剂检验

五、进一步分析

（一）三大经济带的区分考察

东、中、西三大经济带的差距直接导致了我国经济总体的差距（林毅夫，1998）［30］。通过分析表6 模型结果，可以得到如下结论：高校政策响应对于中部地区高校科技成果转化收入的正向影响显著，对东、西部影响不够显著；高校政策响应对于东部地区和中部地区高校科技成果转化合同数均正向显著影响，仅对西部影响不够显著。从区域经济的角度分析，我国东部、中部、西部的差异主要集中在区域市场发育程度、区域经济结构、区域生产要素投入等方面。自改革开放以来，我国东部地区市场成熟度、工业化水平以及高水平人力资本均居于领先地位，并且长期获得政策红利和投资。上述优势使得东部地区高校科技成果转化的发展处于相对成熟且稳定的态势，但也存在激励科技成果转化政策饱和的问题（赵睿，2020）［31］。而中部地区近年来在经济上慢慢崛起，人才引进政策加速高水平人才落户中部二线城市，加上以武汉大学等科研实力雄厚的高校为依托，武汉光谷软件园等新兴产业园更是释放了中部地区科技成果转化的潜力。而西部大部分地区仍欠发达，特别是缺乏知识密集型行业作为科技成果转化的平台和辅助；除此之外，西部地区高校质量和数量相对薄弱，科学研究实力和能力相对于中东部高校有一定差距。

表6 三大经济带的区分考察

（二）专业类型的区分考察

根据《高等学校科技统计资料汇编》的划分并结合中国教育在线官方网站以及相关文献的分类，本文将高校分为综合类、其他类和理工农医类①。结果如表7 所示，高校政策响应有效提高了理工农医类科技成果转化绩效，理工农医类专业知识技术和科研成果与第一、第二产业结合最为紧密，可转化为专利技术的科研成果体量较大，因此政策响应效果显著。其他类高校拥有大量宝贵科研成果可以进行市场化推广，例如艺术类科研成果包括乐器制造、出版音乐专辑等，财经类高校科研成果包括股价预测模型等。又由于上述科研成果的形成和表现形式突出了科研人员的人力贡献，因此政策响应对科研人员的激励效果十分显著。而高校政策响应仅对综合类高校技术转让签订合同数有显著的正向影响效果。综合类高校覆盖了清华、北大等顶尖高校，这类高校专业种类繁多且科研实力雄厚，科技成果转化体量较大。政策响应有效激励了此类高校科研人员的积极性，提高了科技成果转化频次以及成果转化项目数量，但技术转让合同资金规模较小，也难以在质量上对科技成果转化有更大的影响，因此对于高校整体实际收入并没有带来明显的影响作用。

表7 高校专业类型的区分考察

（三）是否双一流的区分考察

在国务院印发的《统筹推进世界一流大学和一流学科建设总体方案》中明确提出要将一流大学和一流学科建设与推动经济发展紧密结合，打通从基础研究到成果转移转化的链条。鉴于科技成果转化在双一流建设高校评估中的重要性，按照一流大学、一流学科、非双一流的分类标准，分组估计结果见表8。总体上，高校响应促进科技成果转化政策对一流学科高校的转化绩效有着质量与数量的双重效应，但对于一流大学高校和双非高校科技成果转化绩效影响不显著。一流学科高校建设重点在于发展学校优势学科专业，不断提高服务经济社会发展能力的宗旨。促进科技成果转化政策与一流学科高校发展方向有着较大的契合度，因此政策响应能够发挥较为明显的促进作用。然而一流大学不同于其他高校。一方面此类高校目标在于服务经济社会发展、服务国家重大科技战略需求、增强国际竞争力等使命，建设目标并不局限于科技成果的市场化推广；另一方面，这类高校往往汇集了国内外顶级学者，他们拥有国际领先的科研成果和技术，同时也已享受到了国家、社会对他们丰厚的物质及荣誉回馈，因此激励政策对于一流大学科研人员的作用效果不太大。总之，科技成果转化激励政策难以提升一流大学科技成果转化绩效。而双非高校一方面在科研实力上较为薄弱，可以用于转化为技术专利的科研成果存量也较少，虽然促进科技成果转化政策加大了对于科研人员及其团队的激励力度，但心有余而力不足是这类高校的难点和痛点，因此政策效果并不明显。

表8 双一流建设的科技成果转化效应

六、结论与启示

在我国加快建设科技强国、实现科技自立自强的背景下，本文深入分析高校对2015 年版《中华人民共和国促进科技成果转化法》响应行为在促进高校科技成果转化绩效方面的实际作用及运行机制，以完善科技转化政策影响机制研究。本文主要得到如下结论：第一，高校响应促进科技成果转化政策具有促进高校科技成果转化绩效的机制。第二，高校响应科技成果转化政策对科技成果绩效的影响具有时间滞后性以及累积效应。第三，高校异质性特征使得高校政策响应对高校科技成果转化绩效的促进效应具有多重异质性。

本文揭示了当前我国高校科技成果转化的发展状况和薄弱环节，研究结论对高校管理者和政策制定者具有实际指导意义。本文提出如下建议：

第一，探索科技成果转化的中国路径和规律，进一步加强科技成果转化政策在高校中的响应程度和反馈力度。本文发现相对于没有响应科技成果转化政策的高校，存在响应及反馈行为的高校在科技成果转化绩效上有着明显的提高。为此，应鼓励监督高校对于科技成果转化政策进行及时、有效的回应，下放权力鼓励高校制定符合自身条件的细则办法，提高科技成果转化率。

第二，协助高校进行政策的解读及实施。高校在响应政策的过程中需要耗费一定的资源、时间对政策进行理解实施。国家颁布政策之后应继续深化政策落实工作，了解高校在政策解读实施过程中的困难，缩短政策反馈落实的时间，让政策发挥的效果最大化。

第三，优化政策内容，根据高校差异化特征精准施策，完善科技成果转化体系。一方面我们应该针对不同类型高校所处地域、优势专业、发展目标的差异，了解高校在科技成果转化中的痛点以及优势，量身定制相应的政策，做到有的放矢；另一方面，在激励高校科研人员的同时，加强对科技成果转化体系的建设，在政策制定方面着重关注配套法律完善、咨询服务体系构建方面的问题，对政策进行优化。

注释：

① 通过查阅资料，虽然“理学”专业与科技成果转化距离较大，但我国理工类高校均同时设有“理学”和“工学”专业，因此“理”和“工”可视为同一类高校。如北京理工大学、大连理工大学等。其他类主要包括师范、财经、艺术类院校。