中国高校科技创新效率及影响因素的实证分析——科技成果产出和转化两阶段视角

郭金忠，刘成勇，刘晓玲，金腾飞

（新疆财经大学信息管理学院，新疆乌鲁木齐 830012）

0 引言

党的二十大提出要完善科技创新体系，优化配置创新资源，优化国家科研机构、高水平研究型大学，加快建设中国特色、世界一流的大学和优势学科作为国家科技创新体系的重要组成部分。高等院校是国家高技术领域创新成果的重要源泉，不仅成为重大科技成果的诞生地，而且成为经济增长的新引擎［1］。提高高校的科技创新能力是提高高校办学实力、学术水平和竞争能力的根本保证，更是建设创新型国家和推动经济持续增长的重要动力［2］。然而高校科技创新是一个复杂的过程，受到内部特征和外部环境的综合影响。有研究发现，中国R&D经费投入排名第二，仅次于美国，但中国的原始创新能力依然较弱［3］。在此背景下研究中国高校科技创新效率以及影响因素，研究如何提高中国高校科技创新效率具有重要的现实意义。

高校科技创新是高校投入并有效利用各种创新资源实现科技成果产出，以及推动科技成果转化的过程［4］，是将创意转化为生产力的重要环节。目前，关于“高校科技创新”主题的研究主要集中在高校科技创新效率的测算和对高校科技创新效率影响因素的分析上。数据包络分析法（DEA）最早由Charnes 等［5］提出，常被用于评价具有多投入和多产出的决策单元。该方法具有权重选择客观性且无需事先设置生产函数等优势，在对高校科技创新效率的测算中得到了广泛应用，如基于传统DEA 模型，Athanassopoulos 等［6］对英国45 所高校办学效率运用DEA 方法进行了测评，并验证了该评价方法的合理性；Abbott 等［7］运用DEA 模型对澳大利亚高校的办学效率进行了分析，发现澳大利亚具有较高的办学效率。然而，在传统的DEA 模型中，高校科技创新的决策单元被视为“黑盒”，其内部结构被忽略，而有些决策单元的内部结构对科技创新成果转化效率具有显著的影响，因此学者在传统DEA 模型的基础上进行了创新和改进，如许敏等［8］运用串联式两阶段DEA 模型，对中国高校“十二五”至“十三五”期间的科技创新整体和分阶段效率进行测量及分析发现，研究期间中国一流大学科技创新整体效率不高，但科技成果产出效率要高于科技成果转化效率；为适应复杂的竞争环境，杨敏等［9］提出资源共享与子系统交互的两阶段DEA 评价方法，并应用到中国40 所“双一流”大学的科研绩效评价中，验证了该方法的有效性。除了针对不同的系统结构外，其他还有如Wang 等［10］采用的可分析两年之间效率动态变化的DEA-Malmquist 指数分析法、王忠等［11］采用的剔除环境因素影响的三阶段DEA 分析法等DEA拓展模型等。

另外，对高校科技创新效率影响因素的分析多从内部特征和外部环境上考虑，但得出的结论也不尽相同，如汪彦等［1］运用DEA-Tobit 两步法对2012—2016 年上海 17 所高校的科研创新效率进行了分析，发现上海高校总体处于人力资本稀缺、物资资本丰裕的发展阶段；吴宏超等［2］采用DEAMalmquist-Tobit 模型对“一带一路”沿线国家城市高校的科技创新效率及影响因素进行了分析，发现经济发展水平和对外开放程度与高校科技创新效率呈负相关，而产业结构与高校科技创新效率呈正相关；查道林等［12］则认为经济发展水平与中国“双一流”建设高校科研效率呈正相关，张家峰等［13］认为对外开放程度对长三角高校科技创新效率有显著的正向影响。同一指标对高校创新效率的影响方向不尽相同，在于研究对象、研究方法以及对指标内涵的界定不同所致，这也表明不同地区、不同类型的高校要对症下药，具体问题具体分析。

通过文献综述发现，相关研究仍存在不足之处：第一，高校科技创新活动首先通过投入科研人员和科研经费进行科学研究，产出论文、专著和专利等成果，然后进一步利用这些成果进行新产品、新技术、新服务的开发，实现科技成果的转化，具有明显的两阶段链式过程特征，但现有关于计算两阶段效率的研究忽略了科技成果产出阶段的重要地位和对成果转化效率的影响；第二，相关研究多将高校科技创新投入和产出视为当年同时发生，较少考虑两阶段滞后性问题来计算高校科技成果产出效率和转化效率；第三，对高校科技成果创新效率影响因素的研究，将高校科技创新分阶段研究内外部因素对不同阶段投入产出效率影响仍有不足。基于此，考虑科技成果产出阶段对转化阶段的影响以及两阶段滞后性问题，建立了两阶段串联式DEA 模型，并运用Tobit 模型对两阶段效率的影响因素分别进行分析，以期更为科学地评价高校科技创新效率及其影响因素，为进一步提高高校科技创新效率提供理论依据。

1 评价模型构建

1.1 两阶段串联式DEA 模型

将高校科技创新过程划分为第一阶段即科技成果产出阶段和第二阶段即科技成果转化阶段，考虑在投入一定的条件下产出最大化，如图1 所示，第j个独立个体DMUj第一阶段的第i(i=1,…,m)个投入指标为xij1，其第一阶段的第d(d=1,…,D)个产出指标为zdj，将第一阶段的全部产出投入到第二阶段，再加上h(h=1,…,H)个额外投入xhj2，构成了第二阶段的总投入，而第二阶段的第r(r=1,…,R)个产出为yrj。

图1 两阶段串联结构网络DEA 概念模型

科技成果的产出不仅为科技成果转化阶段注入必不可少的资源投入，是科技成果转化的先决条件，决定着科技成果转化的绝对产量，而且本身还是一个知识存储的过程，可以成为以后技术更新的依据，在高校科技创新活动中起着至关重要的作用，因此，在求两阶段效率时，首先求得科技成果产出效率，在固定第一阶段效率条件下求得科技成果转化效率。参考逄淑媛等［14］关于科技创新滞后性问题的研究，在高校科技创新滞后性问题上，将产出滞后1 年，即科技成果产出从资源投入到产出为期1 年，产出成果投入到科技成果转化至阶段结束为期1 年。

基于此，构建产出导向的两阶段DEA 模型，模型符合“两阶段效率及综合效率小于等于1 且大于等于0”，以及“第一阶段产出指标权重与第二阶段投入指标权重相等”假设。通过Charnes-Cooper（CCR）转化得到线性求解公式。其中，第一阶段效率计算公式如式（1）所示。

式（1）中：t表示年份；o表示决策单元；表示第o个决策单元第t年第一阶段的产出效率；为第o个决策单元第t年第一阶段的第d项产出，选取第t+1 年的相应指标；xio1t表示第o个决策单元第一阶段t年的第i项投入指标；wd表示第一阶段第d项产出指标权重；vi表示第一阶段第i项投入指标权重。

固定第一阶段效率，同时保持其作为第一阶段产出，而第二阶段投入指标权重wd(d=1,…,D)不变，则第二阶段效率计算公式如式（2）所示。

采用DEA 乘法模型，第o个决策单元第t年的科技创新的综合效率e被定义为两个阶段效率的乘积，计算公式如式（3）所示。

1.2 Tobit 模型构建

由于高校科技创新两阶段的效率值0 ≤e≤1，采用传统的普通最小二乘法（OLS）会产生有偏和不一致现象，而Tobit 模型适用于因变量受限分布于正值的模型，如式（4）所示。

式（4）中：Ykm*为潜变量，Ykm为观察到的因变量，其中当m=1 时，表示高校科技成果产出效率，当m=2 时表示高校科技成果转化效率；k为第k个独立单元；Xkm表示待检验的内外部影响因素；δ为参数向量，反映的是解释变量对被解释变量的影响程度和影响方向；μkm为误差项，独立且μk～N(0，σ2)。

1.3 指标选取、数据来源和样本选择

1.3.1 两阶段串联式DEA 模型指标的选取

对于高校科技创新活动的原始投入，学者们基本达成共识，即从人力资源投入和财力资源投入进行考虑。人力资源常用的衡量指标有R&D（研究与发展）人员、R&D 全时人员、教学与科研人员等。财力资源常用的衡量指标为科技经费支出、科技经费内部支出等，如熊曦等［15］的研究；而基础研究和应用研究投入主要用于新技术研发阶段，试验发展投入主要用于成果转化阶段［16］，因此选取高校R&D 中基础研究和应用研究的人员为科技成果产出阶段人力资源投入指标，选取R&D 中基础研究和应用研究经费支出作为科技成果产出阶段的财力资源投入指标。R&D 人员中试验发展人员和经费支出中试验发展部分作为第二阶段人力资源和财力资源的投入。将科技著作数、学术论文数以及专利授权数作为第一阶段即科技成果产出阶段的产出指标。R&D 成果应用及科技服务为新产品、新服务、新工艺等进行宣传、提供咨询、质量控制以及解决存在的技术问题等，对科技成果转化的顺利实现具有重要作用，因此加入了R&D 成果应用及科技服务人员和经费支出指标作为第二阶段即科技成果转化阶段的额外投入指标。第二阶段科技成果产出阶段的产出指标包括技术转让和专利出售收入等经济指标，以及成果授奖等非经济指标，选取专利出售实际收入、技术转让实际收入、各类获奖作为第二阶段产出指标。具体指标如表1 所示。

表1 高校科技成果产出与转化评价指标体系

1.3.2 Tobit 模型指标选取

对于高校科技成果产出效率和转化效率的影响因素，从研究对象的内部特征和外部环境两个层面选取，内部特征从高校人力资本结构和物质资本结构考虑，外部环境从高校所在省份的政策环境、地区经济实力以及高校对外交流进行考虑。具体指标如表2 所示。

表2 Tobit 回归模型指标

（1）人力资本结构。全时人员指在统计年度中，从事研究与发展(包括科研管理)或从事研究与发展成果应用、科技服务(包括科研管理)工作时间占本人全部工作时间90%及以上的人员，对科技创新具有重要作用。大部分学者认为，人力资本对高校科技成果的产出、转化效率有显著的正向影响，但也有少部分学者认为中国十大城市群的人才存在明显饱和现象，提高人力资本结构水平对高校科技成果转化存在着抑制作用［17］。因此，加入了全时人员的二次项来表征人力资本结构对两阶段效率是否存在“U”型影响关系，分析其影响机制。

（2）物质资本结构。经费支出指实际活动中的资金消耗，科研活动所需的物质资源都可用经费支出来加以衡量，因此选用科技经费内部支出作为衡量高校物质资本结构指标。而资源的投入应遵循其边际效益，存在最优规模的阈值，当物质资本结构不合理时，可能出现资源投入多、产出少的不经济问题。就科技经费内部支出指标，参考汪彦等［1］的做法，加入二次项分析科技经费内部支出对高校科技创新两阶段效率的影响机制，认为若二次项系数为负且显著，则认为资本的拥挤效应发生（即存在倒“U”型影响关系），若二次项系数为正且显著，则认为存在正“U”型影响关系。

（3）政策环境。政府财政支持是高校科研经费的主要来源，不仅影响着高校的科研强度，还对高校科研活动方向起着引导作用，因此选取政府资金占当年拨入科技经费的比重表示政府对高校科研活动的支持程度及高校所在省份的政策环境。本研究预测政府资金占当年拨入科技经费的比重对高校科技成果产出及其转化效率具有显著促进作用。

（4）地区经济实力。一方面地区具有较高经济实力意味着高校会得到更多的政府资金支持，进而可能提高高校的科技创新能力，另一方面，高校科技成果的有效转化会促进地方产业结构的升级以及技术的革新，进而促进地区的经济增长，因此，本研究预测人均地区生产总值（GDP）对高校科技成果产出及其转化效率具有显著的促进作用。

（5）对外交流。全球化日益深化的背景下，知识固有的流动性有助于高校通过全球知识生产网络承接知识转移，进行知识学习与知识转换，进而加速本土知识与技术创新［1］，因此选取国际学术会议交流论文数和国际学术会议特邀报告的加和作为对外交流方面的衡量指标。为减少测量误差，对人力资本结构指标、物质资本结构指标、地区经济实力指标、对外交流指标做对数化处理。

基于Tobit 模型，构建检验高校科技成果产出和转化影响因素的公式分别如式（5）和式（6）所示。

1.3.3 数据来源和样本选择

中国教育部科学技术司每年发布的《高等学校科技统计资料汇编》（以下简称《汇编》）包含了每个省份高等学校及其附属医院在基础研究、应用研究、试验发展以及R&D 成果应用和科技服务等各个层面开展研究的总体状况，内容涉及科技人力、科技经费、开展国际科技交流等情况，以及与此相关的高等学校科技活动产出情况，为研究中国高校科技创新效率提供了准确的原始数据。本研究中，高校科技创新效率的测算指标及DEA 两阶段指标均来自《汇编》或经《汇编》计算所得；Tobit 指标中人力资本、物质资本、对外交流等相关指标来自《汇编》，政策环境、地区经济实力等相关指标来自中国国家统计局发布的《中国统计年鉴》。选取中国31 个省（自治区、直辖市）高校为研究样本（未含港澳台地区）。鉴于最新数据为2022 年发布的2021年《汇编》中2020 年的数据，因此选取2009—2020年为总研究期间，并分为10 个周期，第1 个周期为2009—2011 年，直至第10 个周期为2008—2020 年。经Pearson 相关性检验，两阶段串联式DEA 投入产出符合同向性原则。

2 实证分析

2.1 高校科技创新效率的测算及分析

（1）从整体科技创新两阶段效率及综合效率来看，样本高校科技成果产出效率、科技成果转化效率和科技创新综合效率的均值分别为0.498，0.537，0.265，无论是科技创新的综合效率还是两阶段效率都处于较低水平。其中，如图2 所示，第一阶段科技成果产出效率虽有波动，但整体来看并未显著提升；第二阶段效率有较大波动，但具有明显上升趋势，最大值出现在2016—2018 年的0.744，最小值为2014—2016 年的0.395；受两段效率叠加的影响，综合效率整体呈现略微的上升趋势。值得注意的是，2016—2018 年第二阶段效率相较于前一周期有着较大幅度的提高，可能的解释为2016 年教育部、科技部《关于加强高等学校科技成果转移转化工作的若干意见》提出要全面认识高校科技成果转移转化工作，对高校科技成果转化工作机制、评价体系、收益机制等进行了完善，着力提高高校科技成果转化能力。

图2 中国高校科技创新效率变化趋势

（2）从各省份来看，如表3 所示，“十二五”时期高校科技创新第一阶段达到DEA 有效的省份有河南、宁夏两省份，第二阶段有效的只有北京。从投入产出数据看。“十二五”期间，河南高校基础研究和应用研究投入人员和经费支出平均为每年3 849 人和857 535 千元，分别占北京每年30 103 人和10 556 432 千元的12.79%和8.12%，而河南第一阶段产出科技著作数、学术论文数、专利授权数分别平均为每年711 部、29 779 篇、1 407 项，分别占北京每年977 部、76 942 篇、4 333 项的72.77%，38.70%和32.47%，相较于北京，较高的投入产出效率使得河南高校在“十二五”期间第一阶段达到DEA 有效；宁夏同样充分利用有限的科技创新资源使产出最大化，达到了第一阶段DEA 有效；北京作为中国科技创新的中心，继续发挥着领头羊作用，第二阶段成果产出数量在“十二五”期间位列31 个省份第一，实现了第二阶段DEA 有效。而在“十三五”时期，只有河南达到了第一阶段DEA 有效。

表3 样本高校科技创新各阶段效率

从各省份高校科技创新两阶段变化趋势来看，借鉴肖仁桥等［18］的研究，以“十二五”“十三五”时期的高校科技创新平均效率为分界线，划分为高产出高转化、高产出低转化、低产出高转化、低产出低转化等4 个阶段，如图3、图4 所示。其中，处于高产出高转化的省份在“十二五”期间有江苏、福建、湖南、新疆等12 个，占总样本数量的38.7%；“十三五”期间有山东、四川、青海、重庆等14 个，占总样本数量的45.2%。从高校两阶段组合特征及变化情况来看，样本高校两阶段效率的变化趋势总体呈现从高产出低转化朝着高产出高转化发展。

图3 “十二五”样本高校科技创新两阶段效率组合情况

图4 “十三五”样本高校科技创新两阶段效率组合情况

（3）从不同区域高校科技创新情况和发展趋势来看，将31 个省份分为东部（北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南）、中部（山西、安徽、江西、河南、湖北、湖南）、西部（内蒙古、广西、重庆、四川、贵州、云南、西藏、山西、甘肃、青海、宁夏、新疆）及东北地区（辽宁、吉林、黑龙江）4 个区域，区域科技创新效率如表4 所示。其中，综合效率均值东部最高（0.290），中部次之（0.288），再次为西部（0.278），东北地区最小为（0.238），呈现东部、中部、西部、东北依次递减形势；科技成果产出效率均值东、中、西部分别为0.509、0.543 和0.582，东北地区为0.450，呈现西部、中部、东部、东北依次递减形势；科技成果转化效率均值东、中、西、东北地区分别为0.573、0.532、0.487 和0.554，呈现东部、东北、中部、西部依次递减形势。

表4 2009—2020 年分区域样本高校科技创新效率及两阶段效率

用效率均值可以代表研究期31 个省份以及各地区高校科技创新的一般水平，在无极端值出现时可以很好地衡量地区高校的科研效率，但效率均值并不能衡量各地区综合效率和两阶段效率的发展趋势。为进一步分析目前各地区高校科技创新的差距以及发展趋势，绘制了整个研究期各地区综合效率、第一阶段效率、第二阶段效率折线图，分别如图5、图6、图7 所示，可见高校科技创新的综合效率呈现曲折上升的趋势，东部在2009—2011 年至2013—2015年虽有波动，但综合效率值仍高于其他地区，而西部、中部和东北地区分别在2014—2016 年、2015—2017 年、2017—2019 年实现了对东部地区的反超，且之后一直保持领先地位。第一阶段即科技成果产出效率，西部、中部、东北地区分别在2012—2014年、2013—2015 年、2013—2015 年实现了对东部地区的反超；第二阶段效率即科技成果转化效率，西部、中部、东北地区分别在2018—2020 年、2017—2019年、2015—2017 年实现了对东部地区的反超。

图5 分区域样本高校科技创新综合效率发展趋势

图6 分区域样本高校科技创新第一阶段效率发展趋势

图7 分区域样本高校科技创新第二阶段效率发展趋势

2.2 高校科技创新效率影响因素分析

利用Stata 16.0 对影响高校科技成果产出和科技成果转化效率的内部特征与外部环境进行面板Tobit回归，使用随机效应模型，结果显示卡方值（Chi2 值）分别在1%和10%水平上显著（见表5），表明模型有效。

表5 2009—2020 年样本高校科技创新两阶段效率影响因素Tobit 回归结果

第一，从人力资本结构来看，基础研究和应用研究全时人员对高校科技成果产出效率存在“U”型影响关系，但未达到统计上的显著水平；对高校科技成果转化效率存在显著的“U”型影响关系。多数研究表明，人力资本结构高级化对科技研发具有正向的促进效应，如周均旭等人［19］的研究。高校作为科研重地，每年有大量新增基础研究和应用研究全时人员，随着人员的增多，科技成果产出效率呈现先下降到最低点然后上升的影响关系；同时，高校科技成果转化需要与市场紧密对接，而市场需求多变的特点注定需要更多具有可以快速根据市场作出调整反应的试验发展和R&D 科技服务与成果应用的全时人员，因此，高校人力资本结构对科技成果转化呈现了“U”型影响关系。

第二，从物质资本结构来看，科技经费内部支出对两阶段效率整体上均存在显著的倒“U”型影响关系。科技经费内部支出的二次项对高校科技成果产出和高校科技成果转化都呈现显著负相关，表明研究期内随着科研经费投入的增加，科研经费投入对高校科技创新效率并不一直存在促进关系，在超过一定阈值时，科研经费的继续投入会产出挤出效应，经费的浪费导致效率下降。这与苏荟等［20］的研究结论一致。样本高校各年应用研究和R&D 成果应用与科技服务经费内部支出波动性较大，科技成果转化效率也表现较大的波动性。因此，各省份高校应该正确看待科技经费支出对两阶段效率的影响关系，在科技成果产出阶段要清楚本省份所处阶段是上升还是下降，努力提升阈值；此外，正确看待科技成果转化效率的波动，保持稳定的科技经费支出。

第三，从政策环境来看，科技经费政府拨入占比对高校科技成果产出效率存在显著促进作用，而对科技成果转化效率存在显著抑制作用。这一方面说明政府拨入资金能显著促进高校基础研究和应用研究效率提升，能够促进科技论文、科技著作以及专利授权书成果的产出，但另一方面科技成果的转化需要与市场需求紧密结合，市场需求的复杂性决定了高校科技成果转换要具备灵活性和多变性，然而政府支持是对未来一段时间总体方向的把握，具有稳定性特点，因此难以适应市场各方多样的需求，加之繁杂的资金拨付审批程序，导致了科技经费政府占比对高校科技成果转化产生了抑制作用。

第四，从地区经济实力来看，人均GDP 对高校科技成果产出和科技成果转化均存在显著的正向促进关系。地区经济实力越强，意味着地区具有更为完备的产业结构，高校具有更多的机会与企业合作，高校科技活动时刻跟随市场导向；同时，更高的人均GDP 意味着居民拥有更高质量的需求，也促使着科技成果产生到科技成果转化的快速形成。但应注意到的是，较高的地区经济实力为高校科技创新活动的进行创造了良好的内外部环境，使得科技资源能够得到充分有效利用，但并不意味着因具有较高的人均GDP 就可以无节制地增加高校科技创新人员和经费的投入，否则就会造成严重的资源冗余，导致资源浪费。因此，各地区应根据自身发展实际需要，合理配备高校科技创新资源和出台配套政策。

第五，从地区对外交流来看，国际学术会议交流论文数和特邀报告数对高校科技成果产出具有显著的正向关系，对高校科技成果转化也具有正向影响，但未达到显著水平。通过对外交流，高校可以学习到前沿理论和知识，加速创新过程，有利于科技成果的产出。而将国内外前沿理论从学习吸收到转化为经济产物是一个长期过程，不仅要求科技交流的质量要高，而且需要紧跟市场导向。在样本高校中，对外交流对科技成果转化效率的影响并未产生明显的促进作用。

3 结论及建议

3.1 主要结论

本研究将高校科技创新活动划分为科技成果产出和科技成果转化两个阶段，依据科技创新特点，将两阶段产出分别滞后1 年，运用串联式两阶段DEA 模型分析了中国31 个省（自治区、直辖市）高校2009—2020 年的科技创新活动两阶段效率，并采用Tobit 模型对影响高校科技成果产出效率和科技成果转化效率的内外部影响因素进行了分析。主要研究结论如下：

第一，高校科技创新综合效率和两阶段效率偏低，科技成果产出效率并未形成明显的上升趋势，科技成果转化效率存在较大的波动性。其中在2016—2018 年受国家政策影响而显著上升，两阶段效率整体具有明显的上升趋势，受两阶段效率叠加影响，综合效率表现为微弱的上升趋势。

第二，“十二五”时期，河南、宁夏在科技成果产出阶段实现了DEA 有效，北京在科技成果转化阶段实现了DEA 有效；“十三五”时期，只有河南在科技成果产出阶段实现了DEA 有效。高校科技创新活动受到国家宏观政策的影响，其两阶段效率在两个时期表现出不同的特征，“十二五”时期科技成果产出效率高于科技成果转化效率、“十三五”时期科技成果转化效率高于科技成果产出效率，且处于高产出高转化阶段的省份数量在两个时期的占比分别为38.7%和45.2%，并不具有地域特征，总体发展呈现向高转化方向偏移的趋势。

第三，四大地理区域内高校存在着不同程度的科技创新资源配置不当或冗余问题，其中东部最为严重，而中西部充分利用国家宏观政策红利、抓住机遇，高校科技创新两阶段效率得到快速提升，分别在不同时期实现了对东部地区的超越。总体上，第一阶段效率平均值表现为西部、中部、东部、东北地区依次递减，第二阶段效率平均值表现为东部、东北地区、中部、西部依次递减，综合效率表现为东部、中部、西部、东北地区依次递减；中部、西部、东北地区的两阶段效率和综合效率与东部效率差距逐渐缩小，东部有被赶超的趋势。

第四，内外部影响因素对高校科技创新两阶段效率具有不同的影响。内部特征方面，人力资本结构及全时人员对科技成果产出提升作用不足，虽存在着“U”型影响关系，但未达到显著水平；对科技成果转化存效率存在显著的“U”型影响关系。在物质资本结构方面，科技经费内部支出与高校科技成果产出效率和科技成果转化效率均值存在倒“U”型关系。外部环境方面，政策环境、地区经济实力、对外交流程度对高校科技成果产出效率都存在着显著的正向影响关系，但在对科技成果转化效率上，政策环境表现为显著负向影响，地区经济实力为显著正向影响，对外交流影响为正但未达到显著水平。

3.2 政策建议

第一，优化资源配置方式，进一步提升科技创新水平。一方面，高校科技创新资源的投入应以合理的配比进行投入。一是应结合自身办学特色和优势学科进行重点投入，使创新资源得到更有效的利用和发挥；二是锚定国家优先发展学科和研究领域，注重原创性项目建设；三是注重市场导向，根据企业需求配置专项发展资金和人员，促使科技成果尽快商业化。另一方面，建立健全经费投入责任制度，产前经费预算审批，产中经费支出透明公开，产后经费利用效率进行测算与评定，并将评定结果纳入项目验收考核体系，根据项目特色建立经费利用典型案例公示，设立经费利用高效奖励制度，提高经费利用效率。

第二，优化科技创新评价体系，以满足国家重大战略需求为导向。一是根据不同研究类型建立不同的评价准则：基础研究建立以体现重大原创性突破、国家战略需要以及关乎民生福祉等的指标评价体系，以原创性成果和高质量论文为代表评价，打破唯论文数量的评价方式；应用研究和试验发展以技术创新和产业贡献为评价导向，注重评价技术标准、高质量专利、科技成果市场化经济效益等，重点评价成果切实提升人民生活水平情况。二是对“卡脖子”技术突破者予以更多元奖励，鼓励行业专家积极承担国家重大科技发展任务，在经济奖励、职称评定、就业岗位、社会福利等方面给予其更多倾向支持，并鼓励高质量论文发表在国内期刊上。

第三，加强区域协调配合机制，促进高等教育优质均衡发展。虽然实证表明近几年中国中西部高校科技创新两阶段效率均已实现了对东部地区的超越，东北地区科技成果转化效率也得到迅速的提高、高于其他地区，但这些地区的科技成果产出和转化绝对数量较东部发达地区还存在较大差距。对此，一是要促进东部创新资源向中西部及东北地区转移。通过建立稳定的人才流动机制，一方面通过对口帮扶，为中西部及东北地区提供稳定的人才资源，另一方面建中西部及东北地区人才培养计划，通过学习交流加快人才梯队建设，助力科技创新可持续发展。二是要继续加强国家重点大学中西部及东北地区共建数量，进一步促进教育资源的均衡分布。三要着力根据地区产业结构，建设符合发展要求的特色学科，配套高校科研机构和重点实验室，促进产学研深度融合。四要加强东部地区对外交流程度，聚焦前沿理论，努力实现“从0到1”的原始创新突破，提升中国的国际话语权和竞争力。