長江經濟帶“雙一流”建設高校科技成果轉化效率測度及影響因素

楊樹旺，譚芳玲，李 琳

（中國地質大學（武漢）經濟管理學院，湖北武漢 430078）

1 研究背景

科技成果轉化是將創意轉化為生產力的重要環節，科技成果轉化效率是評價國家科技創新水平的重要指標。我國教育部、科技部出臺的《關于加強高等學校科技成果轉移轉化工作的若干意見》明確了高校在科技成果轉化中的重大意義。黨的二十大報告指出，要提高科技成果轉化和產業化水平。但長期以來，我國高校科技成果轉化效率不高，截至2022 年1 月，高校有效專利實施率僅為10.8%，遠低于企業有效專利實施率67.1%［1］。為扭轉這一局面，國家近年來加大了研發投入，但科技成果成功轉化為生產力的效益仍然薄弱。在此背景下，精準找出科技成果轉化薄弱環節，打開科技成果轉化“黑箱”，研究研發各階段的投入產出關系，理清政府、高校與企業在各環節的職責，才能有針對性地改善各環節存在的問題。

長江經濟帶是我國重大國家戰略發展區域，科技部印發的《長江經濟帶創新驅動產業轉型升級方案》指出，促進長江經濟帶發展的重點任務之一是加快科技成果轉化，依托科技創新助力長江經濟帶產業升級。長江經濟帶涵蓋了11 個省市，共有34所“雙一流”建設高校，技術創新氛圍濃厚、科技資源豐富，是知識和技術創新的重鎮，但從2020 年長江經濟帶創新驅動力指數來看，較多大中型城市的科技成果轉化績效表現不佳，例如上海、南京、武漢、杭州在長江經濟帶110 個城市中科技創新投入分別排名前4 位，但其創新驅動轉型績效排名僅分別為第17、6、10、7 位［2］，相關資源投入并未能有效轉化為現實生產力。

學者們就高校科技成果轉化效率的提高展開了很多研究，但多為定性研究，探討轉化率低的原因和優化路徑，普遍認為制約高校科技成果轉化的主要原因如下：第一，制度限制，包括科技成果所有權制度不清晰、處置權主體虛置、評價制度不完善、轉化收益分配制度缺位等，如趙雨菡等［3］、鐘衛等［4］的研究；第二，資金限制，包括缺少風險投資的介入、資金結構不合理、中間環節資金短缺等，如陳東林等［5］、王凡［6］的研究；第三，中間環節薄弱，包括科技中介職責不明確、缺乏中試平臺、缺乏復合型人才等，如靳瑞杰等［7］、孟祥利［8］等的研究；第四，政策障礙，如張寒等［9］認為現行政策與執行者訴求之間存在矛盾，科技成果轉化面臨機制障礙。針對上述問題，已有研究提出的優化路徑主要包括：第一，完善相關體系，如健全政府法規保障體系，完善科技成果轉化的綜合服務體系、高校產學研協同合作的外部動力機制和成果轉化的內部催化機制［3］；第二，優化模式，推行高校師生聯合創業模式、企業項目委托模式、中介機構入股模式和科技成果混合所有制模式［10］。

另外，羅茜等［11］學者則進行了有關定量研究，通過測度高校科技成果轉化效率，并對不同學科、不同高校、不同地域或國家的高校科技成果轉化率進行比較分析。有關高校科技成果轉化效率的定量研究方法以簡單的數據包絡分析（DEA）模型、DEA-Malmquist 指數、SBM-DEA 模型、鏈式DEA模型為主，主要是在DEA 方法上作出改進，如高擎等［12］、王趙琛等［13］、何悅等［14］、李勝會等［15］、林青寧等［16］的研究。在研究視角上主要有兩類：第一類是測算高校科技成果轉化效率值并研究其時空分異，結論多為我國高校的科技成果轉化水平低、空間相關性顯著，呈現出東部地區高校的效率值顯著大于中西部地區高校的特征［16］；第二類是探索影響高校科技成果轉化率的影響因素，常用的研究方法有托賓（Tobit）回歸、扎根理論、門檻回歸等，得出的影響因素通常包括國家政策、區域環境、激勵機制等，如魏守華等［17］的研究。

通過文獻回顧發現，在高校科技成果轉化方面，學者們更多地著眼于定性研究，對定量研究的關注度不夠，而定量研究集中于科技成果轉化效率的測度，仍存在改進空間。第一，成果轉化是一個多階段、前后相互關聯的過程，現有相關研究多將高校科技成果轉化過程簡化為單一階段來研究，僅關注初始投入與最終產出，丟失了中間過程的有關信息。第二，研究方法選取方面，大多數采用的是簡單DEA 模型，則如Siegel 等［18］的分析指出，存在未剔除環境因素和隨機變量的缺點。因此，本研究采用鏈式的DEA與隨機前沿（SFA）相結合模型，將科技成果轉化過程劃分為基礎研究、應用研究和科技價值創造3 個階段，同時剔除環境因素和隨機變量的影響，測算長江經濟帶“雙一流”建設高校的科技成果轉化效率，并運用核密度估計、Tobit 模型等方法，以分析揭示高校科技成果轉化效率靜態差異、動態變化規律及其影響因素。

2 理論模型

根據《中華人民共和國促進科技成果轉化法》（2015 年修訂），狹義的科技成果轉化是指科技成果后續的實驗、開發、應用、推廣，其最終目的在于形成新產品、新工藝、新材料，并最終形成新生產力［19］。廣義的科技成果轉化不僅包含應用技術成果的轉化，還包含了科學理論成果的轉化［20］，即包含了科技實踐主體通過對資金、人力等各類資源的有效利用將知識變現為科學技術成果的過程［21］。本研究探討的是廣義的科技成果轉化。

廣義的科技成果轉化與“創新鏈”概念十分契合。有研究綜合商界和學界角度探討了創新鏈的構成，如Timmers［22］認為創新鏈可分為基礎研究、技術開發、應用和部署；Hage 等［23］提出想法創新鏈（idea-innovation chain）的理念，把創新鏈分為基礎研究、應用研究和發展研究三部分；Larson 等［24］認為創新鏈是從知識到創新再到財富和經濟發展，最終到達國家繁榮的過程；Johansson［25］指出創新鏈包含研究與開發、建立示范項目、技術擴散；袁東明等［26］結合我國的創新活動，認為創新鏈包括基礎研究、應用研究、中試、商品化和產業化過程5 個環節；李薇等［27］認為逆向產業鏈的構成要素包括創意、研發以及市場進入次序。

基于已有相關研究，本研究構建包括科技創新源、原創構想、技術設計、實驗原型、技術孵化、技術商業化、科技成果產業化的高校科技成果轉化鏈條。其中，科技創新源是起始點，包括新知識和新需求等信息，原創構想是將新知識向實施階段過渡，從科技創新源到原創構想是基礎研究階段（Q11），重點在于揭示客觀規律，不追求特定的目的，其成果的表現形式是專著與論文；技術設計是細化實施方案，實驗原型是整合技術方案，從技術設計到實驗原型是應用研究階段（Q12），目標是明確的，與現有的商業模式聯系緊密，專利是其成果的主要表現形式；技術孵化是創造商業價值的開端，為現有的技術提供科技服務，如大學通過與技術轉移中心、科技園等合作，推廣在中試環節的新技術；技術商業化和科技成果產業化是指采取轉讓和出售等方式將科技成果變現，最終實現商業化。

將科技成果轉化鏈條和創新鏈結合（見圖1），并按照主體的不同，將前4 個階段（從A到D）統稱為“科技研發階段”（Q1），后3 個階段（技術孵化、技術商業化、科技成果產業化）統稱為“科技價值創造階段”（Q2）。科技研發階段的主體主要是高校、科研機構，反映的是高校對資金、人力等資源的利用率，主要產出為論文、專著和專利；科技價值創造階段的主體主要是企業和研發機構，這一過程主要是反映研發成果的經濟效益，科技成果在中試環節趨于成熟，通過技術孵化實現推廣，并通過市場化、產業化實現其商業價值。

圖1 科技成果轉化鏈條

3 研究設計

3.1 研究區域與數據處理

根據教育部公布的《第二輪“雙一流”建設高校名單》，長江經濟帶共有34 所“雙一流”建設高校，結合數據的可得性與完整性，最終篩選出了其中的28 所高校（以下簡稱“樣本”）作為研究對象（見圖2），共涉及10 個城市。其中，長江經濟帶上游城市包括成都和重慶；中游城市包括武漢和長沙；下游城市包括合肥、南京、徐州、杭州、上海。研究數據主要來源于2015—2019 年的我國《高等學校科技統計資料匯編》和《中國城市統計年鑒》。由于產出相對于投入來說具有滯后性，將產出滯后投入1 年，如2014—2016 年，Q1的投入和產出分別采用2014 年和2015 年的數據，Q2的投入和產出則分別采用2015 年和2016 年的數據。此外，考慮到價格的波動，使用居民消費價格指數進行平減。

圖2 研究對象及區域分布

3.2 研究方法

3.2.1 三階段DEA 模型

（1）第一階段：初始值計算。本研究的側重點在于考察產出不變下投入最小化問題，因而選取投入導向型的DEA-BCC 模型。由于科技成果需要一定的時間才能有產出，且當前的科技創新成果產業化周期不斷縮短，因此設置產出均滯后于投入1 年。投入導向型對偶形式的DEA-BCC 模型表達形式如下：

通過BCC 模型計算出的綜合效率（TE）可以進一步分解為純技術效率（PTE）和規模效率（SE），即：

第二階段：基于SFA 回歸的投入調整。將原始投入量剔除環境和隨機誤差影響。將決策單元投入量的松弛變量作為被解釋變量、環境變量作為解釋變量，構建SFA 回歸模型。模型的表達形式如下：

SFA回歸是為了調整相關環境因素和隨機噪聲，調整公式如下：

基于以上方法，研究的邏輯框架如圖3 所示。

圖3 研究的邏輯框架

3.2.2 核密度估計

核密度估計法具體的形式為：

式（5）中：Y是隨機變量X的概率密度值，m是觀測樣本總數；h為帶寬，帶寬越大則密度曲線越光滑但精確度越低，帶寬越小則反之；表示所用的核函數。

3.2.3 Tobit 模型

由于科技成果轉化效率值介于0～1 之間，具有截取數據的特征，因此選用Tobit 回歸識別高校科技成果轉化效率的影響因素。模型形式如下：

3.3 指標選取

3.3.1 投入產出指標

借鑒李培哲等［30］的研究，高校Q1的投入主要表現為人員與科研經費，因此分別用研究與發展全時當量人員和科研經費內部支出作為投入指標；Q11的產出以論文和專著作為主要表現形式，而Q12的產出以專利作為主要表現形式，因此分別采用出版科技著作數量與發表論文數量、專利申請數作為產出指標。對于高校Q2的產出，國外的研究多用專利收入和專利申請量作為產出指標，國內的研究則多用技術轉移數和技術轉移收入作為產出指標，但有研究指出，技術轉移與成果轉化雖有交集，但在市場化程度、主體職責等方面存在著明顯區別［31］，因而擬借鑒熊曦等［32］的研究，采用專利申請量和專利收入作為產出指標；進一步考慮到專利申請數只能代表高校的科研能力，而不能代表高校科研成果向企業輸入進而實現轉化的能力，因此借鑒覃雄合等［33］的研究，使用專利授權數來替換專利申請數,。Q2的產出為科技成果商業化所帶來的收益，因此采用的產出指標是技術轉讓當年實際收入和專利出售當年實際收入。

3.3.2 環境指標

對投入的松弛變量進行調整之前，需要確定環境指標。環境指標的選取需要遵循如下原則：一是需要對結果有影響；二是這種影響人為難以控制與改變。根據三螺旋理論，科技創新離不開高校、政府、企業的協同作用，因此借鑒康淑娟［34］的方法，分別從政府、企業、社會3 個角度選取了科研經費政府投入（環境變量1）、科研經費中企事業單位委托的有關投入（環境變量2）和地區生產總值（環境變量3）作為環境指標。

3.3.3 影響因素指標

（1）高校科研人員素質。人力資本是促進高校科技成果轉化的重要因素［35］，高職稱人員是高校獨有的智力資源，其專業素質能支撐自身掌握前沿問題、應對新技術帶來的門檻效應，因此選用的指標是高校教授人數。

（2）高校科技合作參與度。高校之間的合作研究能更充分地利用人才、科技、資本等要素［36］，是促進科研和創新的重要途徑，因此選用的指標是高校合作研究派遣與接受總人次。

（3）教育重視程度。人才是發展的根本要素，地區對教育的重視程度決定了區域內的人才素質，同時地區對教育的重視水平越高，人才優勢越明顯、創新氛圍越濃厚、科技成果轉化鏈條更通暢，因此選用的指標是高校所在市的教育支出。

（4）產業結構。地區產業結構與科技成果轉化具有明顯的相關性，如Thursby 等［37］認為科技吸收能力與產業結構高度相關，產業結構越高級則科技吸收能力越強；同時考慮到產業結構高級化的表現形式之一是由勞動力密集型轉向技術密集型和資金密集型產業，因此選用第三產業的產值占所有產業的比重作為指標。

（5）對外開放水平。蔣殿春等［38］分別從競爭效應和技術外溢效應研究了對外開放水平對科技創新的影響，結果顯示外商直接投資（FDI）引發的競爭效應因吞噬國內市場而打擊了國內企業科技創新的積極性，而技術外溢效應則使得國內企業從外商投資企業中獲取技術與經驗，因而FDI 對科技創新的影響主要是看以上兩種效應的對比，因此選用的指標是高校所在市的FDI。

影響因素指標選取及樣本高校的有關描述性統計結果如表1 所示。對投入產出指標均進行了取對數處理，不會改變數據的性質和相關關系但縮小了變量的尺度，使得數據更加平穩，也削弱了模型的共線性、方差性等。

表1 樣本高校科技成果轉化效率影響因素選取及其描述性統計結果

4 結果分析

4.1 科技成果轉化效率測算結果

為對比第一、三階段的效率值，需要利用SFA回歸對投入進行調整，即將高校投入量的松弛變量作為被解釋變量、環境變量作為解釋變量進行極大似然比估計。結果如表2 所示，單邊似然比檢驗統計量LR 服從混合卡方分布，所有的投入松弛變量通過了0.5%的顯著性檢驗，表明外部環境對高校科技成果轉化效率有著顯著的影響。其中，基礎研究當年投入、出版科技著作數量、發表論文數量、專利授權數的松弛變量均在0.7 以上，表明這4 種投入要素的冗余主要是管理無效率造成的；應用研究當年投入、R&D 全時當量人員的松弛變量僅分別為0.62、0.47，表明其冗余既有隨機干擾又有管理無效率。因此，管理因素和隨機因素對高校科技成果轉化效率均有顯著影響，有必要將各因素對效率的影響進行剝離分析，故而進一步根據計算的環境變量調整值和隨機擾動調整值來調整原始投入。

表2 2014—2018 年樣本高校科技成果轉化效率影響因素的回歸分析結果

如表3 所示，總體來看，各高校科技成果轉化效率值在0～1 之間波動，基礎研究效率高于應用研究效率和科技價值創造效率。其中，華中科技大學和浙江大學在3 個階段的表現均較好，在科技成果轉化上表現良好；西南交通大學、東南大學、中國礦業大學、中南大學在基礎研究和科技價值創造階段的效率值嚴重不匹配，這些高校的科研能力強但商業化能力弱，說明其理論性成果向應用型成果的轉化機制不順暢。另外，從不同階段來看，樣本高校所在城市科技成果轉化的環境差異使效率測算結果存在不同程度的低估或高估，優化后的效率值總體提升，從各階段的效率值均值來看，基礎研究階段從0.61 提高到0.63、應用研究階段從0.24 提高到0.41、科技價值創造階段從0.28 降低到0.25，應用研究階段效率值提升幅度最大，表明這一階段受到環境因素的負面影響最大。其中，3 個階段優化后效率值均上升的高校為四川大學、西南交通大學、華中科技大學、中南大學、東南大學、浙江大學、同濟大學和上海交通大學；3 個階段優化后效率值均下降的高校為華中農業大學、中國礦業大學、江南大學、中國藥科大學、華東理工大學、東華大學。可見優化后效率值上升的多為綜合實力較強的高校，而效率值下降的多為綜合實力較弱的高校，說明區域環境影響高校的發展。

表3 2014—2018 年樣本高校科技成果轉化效率優化前后對比

圖4 反映了各高校不同年份科技成果轉化效率值的對比。在基礎研究階段，高校科技成果轉化效率呈現先下降后上升的態勢：2014 年，尤其是在長江下游地區，大部分高校的效率值較高，并有多家高校的效率值達到1；2015 年，多所高校的效率值明顯降低；2016 年，效率值雖有所回升，但呈現兩極分化的趨勢，下游高校效率值較高、中上游高校效率值較低。在應用研究階段，各高校科技成果轉化效率呈現先上升后趨于穩定的態勢：2016 與2017年的效率值曲線基本重合，說明效率值波動很小；同時高校效率值呈現明顯的多級化趨勢，以浙江大學、江南大學為代表的高校效率值高，以華東師范大學為代表的高校效率值低。在科技價值創造階段，高校科技成果轉化效率呈現先下降后上升的態勢，且效率值明顯集中于低值，其中2016—2018 年，部分高校的效率值變化較大，以華中農業大學為代表的高校效率值急速下降，以華東理工大學為代表的高校效率值急速上升。

圖4 樣本高校不同階段的科技成果轉化效率分布

4.2 科技成果轉化的純技術效率和規模效率

由圖5（a）可知，位于第一象限的 高校屬于高規模效率值和高純技術效率值。在基礎研究階段，共有11 所高校分布在此象限內，其中4 所來自江蘇省，原因在于“十三五”期間江蘇省累計承擔國家自然科學基金項目數和項目經費數均居全國（未含港澳臺地區。下同）第一［39］，因此江蘇省加強基礎研究，努力實現“從0 到1”的突破。處于第二、四象限的高校屬于規模效率和純技術效率不匹配，例如華中農業大學、浙江大學，這些高校應進行一些針對性 地改進。

從圖5（b）（c）可以看出，應用研究和科技價值創造階段的規模效率值都較高，集中在0.9～1.0之間，而純技術效率遠遠低于規模效率，說明高校科技成果轉化的綜合效率主要靠規模效率拉動，即主要依靠政府、企業等投入更多的資源；但也存在特例，如西南交通大學的純技術效率遠高于規模效率，說明其資源利用能力較強，但在資源投入量上有待加強。

圖5 2014—2018 年樣本高校科技成果轉化效率分解與分布

4.3 長江分流域高校科技成果轉化效率

如圖6 所示，總體來看，樣本高校在3 個階段的科技成果轉化效率從上游—中游—下游逐漸增高。在基礎研究階段，上游區域高校的效率值曲線波峰先左移后右移，表明區域內高校的效率值呈現先下降后上升的趨勢，同時波峰逐漸變高、由寬峰向尖峰轉變，說明高校間的效率值差異減小，但波峰逐漸增多，說明高校間存在兩極分化的趨勢；中游區域高校的效率值曲線由寬峰變為了尖峰，說明區域內高校的效率值差距縮小；下游區域高校的波峰明顯經歷了左移向右移，其中波峰左移表明效率值降低，且峰值明顯下降、曲線趨于平緩，說明區域內各省份的效率值差異逐漸擴大。總的來看，高校歷年的效率值曲線的左擺尾普遍比右擺尾長，且大多為單峰，說明基礎研究階段的效率值具有較強的收斂態勢；2014—2016 年間波峰有右移態勢，說明效率值隨時間的推移而提升。

圖6 長江經濟帶流域樣本高校各階段效率值核密度

在應用研究階段，上、中、下游區域高校2015年的效率值曲線波峰總體均較高，高度集中于單峰或雙峰，說明最初的效率值較為集中；2016—2017年，上游與中游區域高校的效率值曲線波峰右移，由尖峰轉為了寬峰，表明效率值上升，即區域內高校的效率差異增大；且中游區域高校的效率值存在明顯的右拖尾現象，說明區域內高校的效率值差異較大，而下游地區高校的效率值未發生明顯變化，波峰高且為尖峰，說明下游區域高校整體的效率值較為集中。總的來看，高校應用研究效率值在2015—2017年逐漸出現了明顯的雙峰，說明分化的態勢逐漸顯現，存在著微弱的梯度效應；同時波峰右移，表明效率值隨時間的推移而提高。

在科技價值創造階段，上游和中游地區高校的效率值曲線由平滑變得陡峭，波峰左移，主峰高度經歷了“大幅上升—顯著下降”的過程，主峰寬度迅速收窄，說明上中游區域高校的效率值降低且內部效率值的差距縮小；下游地區高校的效率值曲線主波峰有些微左移且其寬度不斷收窄，右拖尾現象逐漸得到緩解，說明效率值隨時間的推移降低且絕對差異趨于縮小，同時效率值曲線從單個波峰演變為多個波峰意味著梯度效應逐漸顯現，呈現多極化的趨勢。總的來看，2016—2018 年效率值曲線波峰左移，高校科技價值創造效率隨時間的推移而降低。

4.4 高校科技成果轉化效率的影響因素分析

如表4 所示，樣本高校科研人員素質與每個階段的效率值都呈現顯著的正相關關系。高校是人才的聚集地，高素質人才在現有政策的激勵下產出論文、專著、專利等，積極推動基礎研究與應用研究發展。近年來，國家陸續出臺了促進高校科技成果商業化的政策，如賦予科研人員科技成果所有權、自主權、使用權；將科技成果轉化績效納入到了有關評價機制中，發揮績效考核的“指揮棒”作用；為企業精準匹配“產業教授”，促進成果商業化。但相對于科技價值創造階段，科技研發階段中教授人數對效率值的影響更為顯著，尤其是在應用研究階段，影響系數為0.77。通常而言，教授更擅長于理論研究，而在商業化階段更加需要具備風險投資及國際商務等技能的復合型人才，即既需要企業家，也需要社會活動家和技術專家。

表4 2014—2018 年樣本高校科技成果轉化效率影響因素的Tobit 回歸結果

高校科技合作參與度僅在應用研究階段與高校科技成果轉化效率呈現顯著的正相關關系，但在基礎研究和科技價值創造階段不顯著。高校在應用研究階段的產出主要以專利為表現形式，從申請情況看，世界知識產權組織公布的數據顯示，我國PCT國際專利申請量已經連續3 年位居世界首位［40］，說明我國與國外專利合作有著良好態勢。高校合作研究的意愿一定程度上反映了高校的國際影響力，高校通過國際交流能獲取國際經驗、提高專利價值，進而提高應用研究效率。

地區對教育的重視程度僅在基礎研究階段與高校的科技成果轉化效率值呈正相關關系，而在應用研究階段和科技價值創造階段則與效率值呈負相關關系。說明隨著科技成果轉化的推進，單純地加大地區對教育的支出已經不能提高高校的科技成果轉化效率，可能是因為在應用研究和科技價值產生階段，需要更綜合的專業能力，此時地區在教育方面的支出對這兩個階段的提升效果不明顯。

在產業結構方面，以往研究大多認為產業結構確實對高校科技成果轉化效率有正向影響，但是結果不顯著，但本研究結果表明，在基礎研究和科技價值創造階段，地區產業結構與高校科技成果轉化效率值呈現顯著的正相關關系。這與現實情況相符：《長江經濟帶經濟發展報告（2019—2020 年）》數據表明，長江經濟帶戰略性新興產業增加值高于全國2～3 個百分點［41］，區域內高技術產業占比更高，對科技成果轉化的推動作用更明顯，為有實用價值的科研成果提供了足夠的市場空間進行商業化。

地區對外開放水平在基礎研究階段與高校科技成果轉化效率值呈現負相關關系，而在應用研究與科技價值創造階段與效率值無顯著關系。FDI 對效率值的影響取決于競爭效應與示范效應的對比，競爭效應抑制科技成果轉化，而示范效應促進科技成果轉化，結果顯示FDI 在基礎研究階段的關系系數為負，這可能是因為FDI 帶來的競爭效應擠占了國內企業的市場，不利于國內企業提高創新水平，進一步延伸到高校，影響了高校的科技成果轉化效率。在應用研究階段和科技價值創造階段，FDI 與效率值無顯著關系，可能是這兩個階段其競爭效應與示范效應平衡。

5 結論與建議

本研究采用DEA-SFA、核密度估計、Tobit 回歸等方法測算了長江經濟帶28 所“雙一流”建設高校2014—2018 年科技成果轉化效率，分階段、分流域對比分析了各高校的效率水平及其影響因素。研究表明，剔除環境因素后，28 所高校的科技成果轉化效率得到提升，綜合效率值呈現階段遞減的趨勢，即“基礎研究＞應用研究＞科技價值創造”，其中基礎研究與應用研究階段的效率值在2014—2018 年逐漸提高，但科技價值創造階段的效率值逐漸降低；每一階段影響高校科技成果轉化效率的因素都有所不同，高校科研人員素質、產業結構等有顯著的正向影響；高校科技成果轉化效率的提升主要是由規模效率拉動的；長江下游區域高校在每個階段的效率值均存在著兩級或多級分化的態勢。

根據以上結論，提出如下建議：（1）促進高校理論性成果向應用性成果轉化。借鑒國外經驗，一是建設具有定位清晰的公共科研體系，采用“接力開發”的模式為產業提供易于接受的技術供給；二是營造良好的制度環境，實行嚴格的知識產權保護法，同時提高發明人的科技成果所有權占比；三是賦予高校科研人員更多的經費支配自主權，如日本國立大學科技成果轉化的全部收益由學校自主支配，不納入政府財政經費，我國可借鑒在高校設立特區，選擇科技成果轉化優勢突出的高校給予學校及其科研人員更大的經費管理自主權。（2）提高高校科技成果轉化的純技術效率。高校的科技成果轉化效率還有較大的提升空間，應結合發展實際精簡機構，減少盲目投入科技創新資源的現象，提高對資源的利用與管理能力。（3）縮小長江經濟帶區域內部高校科技成果轉化水平的差距。縮小區域內部高校科技成果轉化水平的差距僅憑市場調節是不夠的，市場力量帶來的馬太效應需要政府加以干預，可以效仿美國硅谷的做法，重點扶持距離“明星高校”地理位置足夠遠且科技資源配置達標的高校，縮小地區差距。（4）重視人力資本。完善人才頭銜制度，促進創新鏈和人才鏈有機貫通，并搭建產學研合作、平臺式中高端人才的培訓體系，培養復合型人才；同時，擴大高校薪酬自主權，在聘用高端人才和具有創新實踐成果的優秀科技人才時，可自主探索實行年薪工資、協議工資、項目工資等多種薪酬分配制度，靈活確定薪酬待遇水平。（5）鼓勵外資投向先進制造業，重點發展長江經濟帶優勢產業鏈，實現更高水平的對外開放。