中國高校科技創新效率及影響因素的實證分析
——科技成果產出和轉化兩階段視角

郭金忠，劉成勇，劉曉玲，金騰飛

（新疆財經大學信息管理學院，新疆烏魯木齊 830012）

0 引言

黨的二十大提出要完善科技創新體系，優化配置創新資源，優化國家科研機構、高水平研究型大學，加快建設中國特色、世界一流的大學和優勢學科作為國家科技創新體系的重要組成部分。高等院校是國家高技術領域創新成果的重要源泉，不僅成為重大科技成果的誕生地，而且成為經濟增長的新引擎［1］。提高高校的科技創新能力是提高高校辦學實力、學術水平和競爭能力的根本保證，更是建設創新型國家和推動經濟持續增長的重要動力［2］。然而高校科技創新是一個復雜的過程，受到內部特征和外部環境的綜合影響。有研究發現，中國R&D經費投入排名第二，僅次于美國，但中國的原始創新能力依然較弱［3］。在此背景下研究中國高校科技創新效率以及影響因素，研究如何提高中國高校科技創新效率具有重要的現實意義。

高校科技創新是高校投入并有效利用各種創新資源實現科技成果產出，以及推動科技成果轉化的過程［4］，是將創意轉化為生產力的重要環節。目前，關于“高校科技創新”主題的研究主要集中在高校科技創新效率的測算和對高校科技創新效率影響因素的分析上。數據包絡分析法（DEA）最早由Charnes 等［5］提出，常被用于評價具有多投入和多產出的決策單元。該方法具有權重選擇客觀性且無需事先設置生產函數等優勢，在對高校科技創新效率的測算中得到了廣泛應用，如基于傳統DEA 模型，Athanassopoulos 等［6］對英國45 所高校辦學效率運用DEA 方法進行了測評，并驗證了該評價方法的合理性；Abbott 等［7］運用DEA 模型對澳大利亞高校的辦學效率進行了分析，發現澳大利亞具有較高的辦學效率。然而，在傳統的DEA 模型中，高校科技創新的決策單元被視為“黑盒”，其內部結構被忽略，而有些決策單元的內部結構對科技創新成果轉化效率具有顯著的影響，因此學者在傳統DEA 模型的基礎上進行了創新和改進，如許敏等［8］運用串聯式兩階段DEA 模型，對中國高校“十二五”至“十三五”期間的科技創新整體和分階段效率進行測量及分析發現，研究期間中國一流大學科技創新整體效率不高，但科技成果產出效率要高于科技成果轉化效率；為適應復雜的競爭環境，楊敏等［9］提出資源共享與子系統交互的兩階段DEA 評價方法，并應用到中國40 所“雙一流”大學的科研績效評價中，驗證了該方法的有效性。除了針對不同的系統結構外，其他還有如Wang 等［10］采用的可分析兩年之間效率動態變化的DEA-Malmquist 指數分析法、王忠等［11］采用的剔除環境因素影響的三階段DEA 分析法等DEA拓展模型等。

另外，對高校科技創新效率影響因素的分析多從內部特征和外部環境上考慮，但得出的結論也不盡相同，如汪彥等［1］運用DEA-Tobit 兩步法對2012—2016 年上海 17 所高校的科研創新效率進行了分析，發現上海高校總體處于人力資本稀缺、物資資本豐裕的發展階段；吳宏超等［2］采用DEAMalmquist-Tobit 模型對“一帶一路”沿線國家城市高校的科技創新效率及影響因素進行了分析，發現經濟發展水平和對外開放程度與高校科技創新效率呈負相關，而產業結構與高校科技創新效率呈正相關；查道林等［12］則認為經濟發展水平與中國“雙一流”建設高校科研效率呈正相關，張家峰等［13］認為對外開放程度對長三角高校科技創新效率有顯著的正向影響。同一指標對高校創新效率的影響方向不盡相同，在于研究對象、研究方法以及對指標內涵的界定不同所致，這也表明不同地區、不同類型的高校要對癥下藥，具體問題具體分析。

通過文獻綜述發現，相關研究仍存在不足之處：第一，高校科技創新活動首先通過投入科研人員和科研經費進行科學研究，產出論文、專著和專利等成果，然后進一步利用這些成果進行新產品、新技術、新服務的開發，實現科技成果的轉化，具有明顯的兩階段鏈式過程特征，但現有關于計算兩階段效率的研究忽略了科技成果產出階段的重要地位和對成果轉化效率的影響；第二，相關研究多將高校科技創新投入和產出視為當年同時發生，較少考慮兩階段滯后性問題來計算高校科技成果產出效率和轉化效率；第三，對高校科技成果創新效率影響因素的研究，將高校科技創新分階段研究內外部因素對不同階段投入產出效率影響仍有不足。基于此，考慮科技成果產出階段對轉化階段的影響以及兩階段滯后性問題，建立了兩階段串聯式DEA 模型，并運用Tobit 模型對兩階段效率的影響因素分別進行分析，以期更為科學地評價高校科技創新效率及其影響因素，為進一步提高高校科技創新效率提供理論依據。

1 評價模型構建

1.1 兩階段串聯式DEA 模型

將高校科技創新過程劃分為第一階段即科技成果產出階段和第二階段即科技成果轉化階段，考慮在投入一定的條件下產出最大化，如圖1 所示，第j個獨立個體DMUj第一階段的第i(i=1,…,m)個投入指標為xij1，其第一階段的第d(d=1,…,D)個產出指標為zdj，將第一階段的全部產出投入到第二階段，再加上h(h=1,…,H)個額外投入xhj2，構成了第二階段的總投入，而第二階段的第r(r=1,…,R)個產出為yrj。

圖1 兩階段串聯結構網絡DEA 概念模型

科技成果的產出不僅為科技成果轉化階段注入必不可少的資源投入，是科技成果轉化的先決條件，決定著科技成果轉化的絕對產量，而且本身還是一個知識存儲的過程，可以成為以后技術更新的依據，在高校科技創新活動中起著至關重要的作用，因此，在求兩階段效率時，首先求得科技成果產出效率，在固定第一階段效率條件下求得科技成果轉化效率。參考逄淑媛等［14］關于科技創新滯后性問題的研究，在高校科技創新滯后性問題上，將產出滯后1 年，即科技成果產出從資源投入到產出為期1 年，產出成果投入到科技成果轉化至階段結束為期1 年。

基于此，構建產出導向的兩階段DEA 模型，模型符合“兩階段效率及綜合效率小于等于1 且大于等于0”，以及“第一階段產出指標權重與第二階段投入指標權重相等”假設。通過Charnes-Cooper（CCR）轉化得到線性求解公式。其中，第一階段效率計算公式如式（1）所示。

式（1）中：t表示年份；o表示決策單元；表示第o個決策單元第t年第一階段的產出效率；為第o個決策單元第t年第一階段的第d項產出，選取第t+1 年的相應指標；xio1t表示第o個決策單元第一階段t年的第i項投入指標；wd表示第一階段第d項產出指標權重；vi表示第一階段第i項投入指標權重。

固定第一階段效率，同時保持其作為第一階段產出，而第二階段投入指標權重wd(d=1,…,D)不變，則第二階段效率計算公式如式（2）所示。

采用DEA 乘法模型，第o個決策單元第t年的科技創新的綜合效率e被定義為兩個階段效率的乘積，計算公式如式（3）所示。

1.2 Tobit 模型構建

由于高校科技創新兩階段的效率值0 ≤e≤1，采用傳統的普通最小二乘法（OLS）會產生有偏和不一致現象，而Tobit 模型適用于因變量受限分布于正值的模型，如式（4）所示。

式（4）中：Ykm*為潛變量，Ykm為觀察到的因變量，其中當m=1 時，表示高校科技成果產出效率，當m=2 時表示高校科技成果轉化效率；k為第k個獨立單元；Xkm表示待檢驗的內外部影響因素；δ為參數向量，反映的是解釋變量對被解釋變量的影響程度和影響方向；μkm為誤差項，獨立且μk～N(0，σ2)。

1.3 指標選取、數據來源和樣本選擇

1.3.1 兩階段串聯式DEA 模型指標的選取

對于高校科技創新活動的原始投入，學者們基本達成共識，即從人力資源投入和財力資源投入進行考慮。人力資源常用的衡量指標有R&D（研究與發展）人員、R&D 全時人員、教學與科研人員等。財力資源常用的衡量指標為科技經費支出、科技經費內部支出等，如熊曦等［15］的研究；而基礎研究和應用研究投入主要用于新技術研發階段，試驗發展投入主要用于成果轉化階段［16］，因此選取高校R&D 中基礎研究和應用研究的人員為科技成果產出階段人力資源投入指標，選取R&D 中基礎研究和應用研究經費支出作為科技成果產出階段的財力資源投入指標。R&D 人員中試驗發展人員和經費支出中試驗發展部分作為第二階段人力資源和財力資源的投入。將科技著作數、學術論文數以及專利授權數作為第一階段即科技成果產出階段的產出指標。R&D 成果應用及科技服務為新產品、新服務、新工藝等進行宣傳、提供咨詢、質量控制以及解決存在的技術問題等，對科技成果轉化的順利實現具有重要作用，因此加入了R&D 成果應用及科技服務人員和經費支出指標作為第二階段即科技成果轉化階段的額外投入指標。第二階段科技成果產出階段的產出指標包括技術轉讓和專利出售收入等經濟指標，以及成果授獎等非經濟指標，選取專利出售實際收入、技術轉讓實際收入、各類獲獎作為第二階段產出指標。具體指標如表1 所示。

表1 高校科技成果產出與轉化評價指標體系

1.3.2 Tobit 模型指標選取

對于高校科技成果產出效率和轉化效率的影響因素，從研究對象的內部特征和外部環境兩個層面選取，內部特征從高校人力資本結構和物質資本結構考慮，外部環境從高校所在省份的政策環境、地區經濟實力以及高校對外交流進行考慮。具體指標如表2 所示。

表2 Tobit 回歸模型指標

（1）人力資本結構。全時人員指在統計年度中，從事研究與發展(包括科研管理)或從事研究與發展成果應用、科技服務(包括科研管理)工作時間占本人全部工作時間90%及以上的人員，對科技創新具有重要作用。大部分學者認為，人力資本對高校科技成果的產出、轉化效率有顯著的正向影響，但也有少部分學者認為中國十大城市群的人才存在明顯飽和現象，提高人力資本結構水平對高校科技成果轉化存在著抑制作用［17］。因此，加入了全時人員的二次項來表征人力資本結構對兩階段效率是否存在“U”型影響關系，分析其影響機制。

（2）物質資本結構。經費支出指實際活動中的資金消耗，科研活動所需的物質資源都可用經費支出來加以衡量，因此選用科技經費內部支出作為衡量高校物質資本結構指標。而資源的投入應遵循其邊際效益，存在最優規模的閾值，當物質資本結構不合理時，可能出現資源投入多、產出少的不經濟問題。就科技經費內部支出指標，參考汪彥等［1］的做法，加入二次項分析科技經費內部支出對高校科技創新兩階段效率的影響機制，認為若二次項系數為負且顯著，則認為資本的擁擠效應發生（即存在倒“U”型影響關系），若二次項系數為正且顯著，則認為存在正“U”型影響關系。

（3）政策環境。政府財政支持是高校科研經費的主要來源，不僅影響著高校的科研強度，還對高校科研活動方向起著引導作用，因此選取政府資金占當年撥入科技經費的比重表示政府對高校科研活動的支持程度及高校所在省份的政策環境。本研究預測政府資金占當年撥入科技經費的比重對高校科技成果產出及其轉化效率具有顯著促進作用。

（4）地區經濟實力。一方面地區具有較高經濟實力意味著高校會得到更多的政府資金支持，進而可能提高高校的科技創新能力，另一方面，高校科技成果的有效轉化會促進地方產業結構的升級以及技術的革新，進而促進地區的經濟增長，因此，本研究預測人均地區生產總值（GDP）對高校科技成果產出及其轉化效率具有顯著的促進作用。

（5）對外交流。全球化日益深化的背景下，知識固有的流動性有助于高校通過全球知識生產網絡承接知識轉移，進行知識學習與知識轉換，進而加速本土知識與技術創新［1］，因此選取國際學術會議交流論文數和國際學術會議特邀報告的加和作為對外交流方面的衡量指標。為減少測量誤差，對人力資本結構指標、物質資本結構指標、地區經濟實力指標、對外交流指標做對數化處理。

基于Tobit 模型，構建檢驗高校科技成果產出和轉化影響因素的公式分別如式（5）和式（6）所示。

1.3.3 數據來源和樣本選擇

中國教育部科學技術司每年發布的《高等學校科技統計資料匯編》（以下簡稱《匯編》）包含了每個省份高等學校及其附屬醫院在基礎研究、應用研究、試驗發展以及R&D 成果應用和科技服務等各個層面開展研究的總體狀況，內容涉及科技人力、科技經費、開展國際科技交流等情況，以及與此相關的高等學校科技活動產出情況，為研究中國高校科技創新效率提供了準確的原始數據。本研究中，高校科技創新效率的測算指標及DEA 兩階段指標均來自《匯編》或經《匯編》計算所得；Tobit 指標中人力資本、物質資本、對外交流等相關指標來自《匯編》，政策環境、地區經濟實力等相關指標來自中國國家統計局發布的《中國統計年鑒》。選取中國31 個省（自治區、直轄市）高校為研究樣本（未含港澳臺地區）。鑒于最新數據為2022 年發布的2021年《匯編》中2020 年的數據，因此選取2009—2020年為總研究期間，并分為10 個周期，第1 個周期為2009—2011 年，直至第10 個周期為2008—2020 年。經Pearson 相關性檢驗，兩階段串聯式DEA 投入產出符合同向性原則。

2 實證分析

2.1 高校科技創新效率的測算及分析

（1）從整體科技創新兩階段效率及綜合效率來看，樣本高校科技成果產出效率、科技成果轉化效率和科技創新綜合效率的均值分別為0.498，0.537，0.265，無論是科技創新的綜合效率還是兩階段效率都處于較低水平。其中，如圖2 所示，第一階段科技成果產出效率雖有波動，但整體來看并未顯著提升；第二階段效率有較大波動，但具有明顯上升趨勢，最大值出現在2016—2018 年的0.744，最小值為2014—2016 年的0.395；受兩段效率疊加的影響，綜合效率整體呈現略微的上升趨勢。值得注意的是，2016—2018 年第二階段效率相較于前一周期有著較大幅度的提高，可能的解釋為2016 年教育部、科技部《關于加強高等學校科技成果轉移轉化工作的若干意見》提出要全面認識高校科技成果轉移轉化工作，對高校科技成果轉化工作機制、評價體系、收益機制等進行了完善，著力提高高校科技成果轉化能力。

圖2 中國高校科技創新效率變化趨勢

（2）從各省份來看，如表3 所示，“十二五”時期高校科技創新第一階段達到DEA 有效的省份有河南、寧夏兩省份，第二階段有效的只有北京。從投入產出數據看。“十二五”期間，河南高校基礎研究和應用研究投入人員和經費支出平均為每年3 849 人和857 535 千元，分別占北京每年30 103 人和10 556 432 千元的12.79%和8.12%，而河南第一階段產出科技著作數、學術論文數、專利授權數分別平均為每年711 部、29 779 篇、1 407 項，分別占北京每年977 部、76 942 篇、4 333 項的72.77%，38.70%和32.47%，相較于北京，較高的投入產出效率使得河南高校在“十二五”期間第一階段達到DEA 有效；寧夏同樣充分利用有限的科技創新資源使產出最大化，達到了第一階段DEA 有效；北京作為中國科技創新的中心，繼續發揮著領頭羊作用，第二階段成果產出數量在“十二五”期間位列31 個省份第一，實現了第二階段DEA 有效。而在“十三五”時期，只有河南達到了第一階段DEA 有效。

表3 樣本高校科技創新各階段效率

從各省份高校科技創新兩階段變化趨勢來看，借鑒肖仁橋等［18］的研究，以“十二五”“十三五”時期的高校科技創新平均效率為分界線，劃分為高產出高轉化、高產出低轉化、低產出高轉化、低產出低轉化等4 個階段，如圖3、圖4 所示。其中，處于高產出高轉化的省份在“十二五”期間有江蘇、福建、湖南、新疆等12 個，占總樣本數量的38.7%；“十三五”期間有山東、四川、青海、重慶等14 個，占總樣本數量的45.2%。從高校兩階段組合特征及變化情況來看，樣本高校兩階段效率的變化趨勢總體呈現從高產出低轉化朝著高產出高轉化發展。

圖3 “十二五”樣本高校科技創新兩階段效率組合情況

圖4 “十三五”樣本高校科技創新兩階段效率組合情況

（3）從不同區域高校科技創新情況和發展趨勢來看，將31 個省份分為東部（北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南）、中部（山西、安徽、江西、河南、湖北、湖南）、西部（內蒙古、廣西、重慶、四川、貴州、云南、西藏、山西、甘肅、青海、寧夏、新疆）及東北地區（遼寧、吉林、黑龍江）4 個區域，區域科技創新效率如表4 所示。其中，綜合效率均值東部最高（0.290），中部次之（0.288），再次為西部（0.278），東北地區最小為（0.238），呈現東部、中部、西部、東北依次遞減形勢；科技成果產出效率均值東、中、西部分別為0.509、0.543 和0.582，東北地區為0.450，呈現西部、中部、東部、東北依次遞減形勢；科技成果轉化效率均值東、中、西、東北地區分別為0.573、0.532、0.487 和0.554，呈現東部、東北、中部、西部依次遞減形勢。

表4 2009—2020 年分區域樣本高校科技創新效率及兩階段效率

用效率均值可以代表研究期31 個省份以及各地區高校科技創新的一般水平，在無極端值出現時可以很好地衡量地區高校的科研效率，但效率均值并不能衡量各地區綜合效率和兩階段效率的發展趨勢。為進一步分析目前各地區高校科技創新的差距以及發展趨勢，繪制了整個研究期各地區綜合效率、第一階段效率、第二階段效率折線圖，分別如圖5、圖6、圖7 所示，可見高校科技創新的綜合效率呈現曲折上升的趨勢，東部在2009—2011 年至2013—2015年雖有波動，但綜合效率值仍高于其他地區，而西部、中部和東北地區分別在2014—2016 年、2015—2017 年、2017—2019 年實現了對東部地區的反超，且之后一直保持領先地位。第一階段即科技成果產出效率，西部、中部、東北地區分別在2012—2014年、2013—2015 年、2013—2015 年實現了對東部地區的反超；第二階段效率即科技成果轉化效率，西部、中部、東北地區分別在2018—2020 年、2017—2019年、2015—2017 年實現了對東部地區的反超。

圖5 分區域樣本高校科技創新綜合效率發展趨勢

圖6 分區域樣本高校科技創新第一階段效率發展趨勢

圖7 分區域樣本高校科技創新第二階段效率發展趨勢

2.2 高校科技創新效率影響因素分析

利用Stata 16.0 對影響高校科技成果產出和科技成果轉化效率的內部特征與外部環境進行面板Tobit回歸，使用隨機效應模型，結果顯示卡方值（Chi2 值）分別在1%和10%水平上顯著（見表5），表明模型有效。

表5 2009—2020 年樣本高校科技創新兩階段效率影響因素Tobit 回歸結果

第一，從人力資本結構來看，基礎研究和應用研究全時人員對高校科技成果產出效率存在“U”型影響關系，但未達到統計上的顯著水平；對高校科技成果轉化效率存在顯著的“U”型影響關系。多數研究表明，人力資本結構高級化對科技研發具有正向的促進效應，如周均旭等人［19］的研究。高校作為科研重地，每年有大量新增基礎研究和應用研究全時人員，隨著人員的增多，科技成果產出效率呈現先下降到最低點然后上升的影響關系；同時，高校科技成果轉化需要與市場緊密對接，而市場需求多變的特點注定需要更多具有可以快速根據市場作出調整反應的試驗發展和R&D 科技服務與成果應用的全時人員，因此，高校人力資本結構對科技成果轉化呈現了“U”型影響關系。

第二，從物質資本結構來看，科技經費內部支出對兩階段效率整體上均存在顯著的倒“U”型影響關系。科技經費內部支出的二次項對高校科技成果產出和高校科技成果轉化都呈現顯著負相關，表明研究期內隨著科研經費投入的增加，科研經費投入對高校科技創新效率并不一直存在促進關系，在超過一定閾值時，科研經費的繼續投入會產出擠出效應，經費的浪費導致效率下降。這與蘇薈等［20］的研究結論一致。樣本高校各年應用研究和R&D 成果應用與科技服務經費內部支出波動性較大，科技成果轉化效率也表現較大的波動性。因此，各省份高校應該正確看待科技經費支出對兩階段效率的影響關系，在科技成果產出階段要清楚本省份所處階段是上升還是下降，努力提升閾值；此外，正確看待科技成果轉化效率的波動，保持穩定的科技經費支出。

第三，從政策環境來看，科技經費政府撥入占比對高校科技成果產出效率存在顯著促進作用，而對科技成果轉化效率存在顯著抑制作用。這一方面說明政府撥入資金能顯著促進高校基礎研究和應用研究效率提升，能夠促進科技論文、科技著作以及專利授權書成果的產出，但另一方面科技成果的轉化需要與市場需求緊密結合，市場需求的復雜性決定了高校科技成果轉換要具備靈活性和多變性，然而政府支持是對未來一段時間總體方向的把握，具有穩定性特點，因此難以適應市場各方多樣的需求，加之繁雜的資金撥付審批程序，導致了科技經費政府占比對高校科技成果轉化產生了抑制作用。

第四，從地區經濟實力來看，人均GDP 對高校科技成果產出和科技成果轉化均存在顯著的正向促進關系。地區經濟實力越強，意味著地區具有更為完備的產業結構，高校具有更多的機會與企業合作，高校科技活動時刻跟隨市場導向；同時，更高的人均GDP 意味著居民擁有更高質量的需求，也促使著科技成果產生到科技成果轉化的快速形成。但應注意到的是，較高的地區經濟實力為高校科技創新活動的進行創造了良好的內外部環境，使得科技資源能夠得到充分有效利用，但并不意味著因具有較高的人均GDP 就可以無節制地增加高校科技創新人員和經費的投入，否則就會造成嚴重的資源冗余，導致資源浪費。因此，各地區應根據自身發展實際需要，合理配備高校科技創新資源和出臺配套政策。

第五，從地區對外交流來看，國際學術會議交流論文數和特邀報告數對高校科技成果產出具有顯著的正向關系，對高校科技成果轉化也具有正向影響，但未達到顯著水平。通過對外交流，高校可以學習到前沿理論和知識，加速創新過程，有利于科技成果的產出。而將國內外前沿理論從學習吸收到轉化為經濟產物是一個長期過程，不僅要求科技交流的質量要高，而且需要緊跟市場導向。在樣本高校中，對外交流對科技成果轉化效率的影響并未產生明顯的促進作用。

3 結論及建議

3.1 主要結論

本研究將高校科技創新活動劃分為科技成果產出和科技成果轉化兩個階段，依據科技創新特點，將兩階段產出分別滯后1 年，運用串聯式兩階段DEA 模型分析了中國31 個省（自治區、直轄市）高校2009—2020 年的科技創新活動兩階段效率，并采用Tobit 模型對影響高校科技成果產出效率和科技成果轉化效率的內外部影響因素進行了分析。主要研究結論如下：

第一，高校科技創新綜合效率和兩階段效率偏低，科技成果產出效率并未形成明顯的上升趨勢，科技成果轉化效率存在較大的波動性。其中在2016—2018 年受國家政策影響而顯著上升，兩階段效率整體具有明顯的上升趨勢，受兩階段效率疊加影響，綜合效率表現為微弱的上升趨勢。

第二，“十二五”時期，河南、寧夏在科技成果產出階段實現了DEA 有效，北京在科技成果轉化階段實現了DEA 有效；“十三五”時期，只有河南在科技成果產出階段實現了DEA 有效。高校科技創新活動受到國家宏觀政策的影響，其兩階段效率在兩個時期表現出不同的特征，“十二五”時期科技成果產出效率高于科技成果轉化效率、“十三五”時期科技成果轉化效率高于科技成果產出效率，且處于高產出高轉化階段的省份數量在兩個時期的占比分別為38.7%和45.2%，并不具有地域特征，總體發展呈現向高轉化方向偏移的趨勢。

第三，四大地理區域內高校存在著不同程度的科技創新資源配置不當或冗余問題，其中東部最為嚴重，而中西部充分利用國家宏觀政策紅利、抓住機遇，高校科技創新兩階段效率得到快速提升，分別在不同時期實現了對東部地區的超越。總體上，第一階段效率平均值表現為西部、中部、東部、東北地區依次遞減，第二階段效率平均值表現為東部、東北地區、中部、西部依次遞減，綜合效率表現為東部、中部、西部、東北地區依次遞減；中部、西部、東北地區的兩階段效率和綜合效率與東部效率差距逐漸縮小，東部有被趕超的趨勢。

第四，內外部影響因素對高校科技創新兩階段效率具有不同的影響。內部特征方面，人力資本結構及全時人員對科技成果產出提升作用不足，雖存在著“U”型影響關系，但未達到顯著水平；對科技成果轉化存效率存在顯著的“U”型影響關系。在物質資本結構方面，科技經費內部支出與高校科技成果產出效率和科技成果轉化效率均值存在倒“U”型關系。外部環境方面，政策環境、地區經濟實力、對外交流程度對高校科技成果產出效率都存在著顯著的正向影響關系，但在對科技成果轉化效率上，政策環境表現為顯著負向影響，地區經濟實力為顯著正向影響，對外交流影響為正但未達到顯著水平。

3.2 政策建議

第一，優化資源配置方式，進一步提升科技創新水平。一方面，高校科技創新資源的投入應以合理的配比進行投入。一是應結合自身辦學特色和優勢學科進行重點投入，使創新資源得到更有效的利用和發揮；二是錨定國家優先發展學科和研究領域，注重原創性項目建設；三是注重市場導向，根據企業需求配置專項發展資金和人員，促使科技成果盡快商業化。另一方面，建立健全經費投入責任制度，產前經費預算審批，產中經費支出透明公開，產后經費利用效率進行測算與評定，并將評定結果納入項目驗收考核體系，根據項目特色建立經費利用典型案例公示，設立經費利用高效獎勵制度，提高經費利用效率。

第二，優化科技創新評價體系，以滿足國家重大戰略需求為導向。一是根據不同研究類型建立不同的評價準則：基礎研究建立以體現重大原創性突破、國家戰略需要以及關乎民生福祉等的指標評價體系，以原創性成果和高質量論文為代表評價，打破唯論文數量的評價方式；應用研究和試驗發展以技術創新和產業貢獻為評價導向，注重評價技術標準、高質量專利、科技成果市場化經濟效益等，重點評價成果切實提升人民生活水平情況。二是對“卡脖子”技術突破者予以更多元獎勵，鼓勵行業專家積極承擔國家重大科技發展任務，在經濟獎勵、職稱評定、就業崗位、社會福利等方面給予其更多傾向支持，并鼓勵高質量論文發表在國內期刊上。

第三，加強區域協調配合機制，促進高等教育優質均衡發展。雖然實證表明近幾年中國中西部高校科技創新兩階段效率均已實現了對東部地區的超越，東北地區科技成果轉化效率也得到迅速的提高、高于其他地區，但這些地區的科技成果產出和轉化絕對數量較東部發達地區還存在較大差距。對此，一是要促進東部創新資源向中西部及東北地區轉移。通過建立穩定的人才流動機制，一方面通過對口幫扶，為中西部及東北地區提供穩定的人才資源，另一方面建中西部及東北地區人才培養計劃，通過學習交流加快人才梯隊建設，助力科技創新可持續發展。二是要繼續加強國家重點大學中西部及東北地區共建數量，進一步促進教育資源的均衡分布。三要著力根據地區產業結構，建設符合發展要求的特色學科，配套高校科研機構和重點實驗室，促進產學研深度融合。四要加強東部地區對外交流程度，聚焦前沿理論，努力實現“從0到1”的原始創新突破，提升中國的國際話語權和競爭力。