高校科技成果轉化效率與收益分配激勵效應的三角驗證研究

羅 茜，高蓉蓉，張麗娜

(1.金陵科技學院 商學院，江蘇 南京 211169；2.河海大學 商學院，江蘇 常州 213000)

0 引言

高校是科技成果產出的基地，其成果轉化對我國經濟高質量發展與轉型升級具有重要意義。我國于20世紀90年代開始制定和完善科技成果轉化政策，保障和促進了高校科技成果轉化。在各階段政策中，轉化收益分配都是一項重要內容。1985年，《國務院關于技術轉讓的暫行規定》明確提出，將技術轉讓凈收益的5%～10%作為科研人員的獎勵，1996年的《促進科技成果轉化法》將此比例提高到20%，2015年修訂的《促進科技成果轉化法》將這一比例提高到了不低于50%。各省市也相繼出臺了區域政策，江西省規定職務科技成果轉化凈收益中用于科研人員獎勵的比例不低于60%，上海、山東和江蘇將這一比例提高至70%。政策變遷路徑反映出我國財政資助科技成果權利配置中，國家逐漸讓利于高校研發人員的總體趨勢。從政策制定的初衷看，政府無疑是希望通過收益分配政策激發相關主體的成果轉化動機，擴大轉化規模，提升轉化質量，從而促進科技創新力與產業發展水平提高。

從國際實踐情況看，有效的制度設計的確可以通過提升創新力實現國家整體實力躍升。美國于1980年頒布《拜杜法案》后，又相繼出臺了《聯邦技術轉移法》和《國家技術轉移與促進法》，極大地激發了高校科技成果轉化動力，各高校也都制定了相應政策。學者們對美國高校轉化收益分配政策形成了一些研究共識，如分配方式以固定分配模式、累進遞減模式、混和共用模式為主[1-2]；分配對象具有多元化特點，但同時又能兼顧保障成果發明人利益[3]；職務科技成果相關權屬下放至高校，高校成為成果轉化的重要參與者等[3-4]。日本在高校成果轉化權利配置上與美國的立法經驗相似，兼采普通法與特別法的立法形式，以約定配置方式為主，強調對配置主體間的權利平衡，注重發明人獲得獎酬權利的現實性[3]。美國將成果所有權從政府轉移至高校，而日本則將所有權從成果完成人轉移至高校[5]，兩國的權利轉移路徑不同。德國1998 年修訂了《高校框架法》，規定由高校負責科技成果轉化活動，并持有成果所有權，通過重塑轉化收益分配框架，對德國高校的“教授特權”進行了較為徹底的改革，對具有創新創業優勢的高校產生了積極影響[6]。法國高校的制度設計也偏向于通過多元主體的權利平衡實現成果轉化[7]。

早期，我國相關研究集中在如何進行成果轉化以及如何促進轉化，如高校科技成果轉化模式[8-9]、高校科技成果轉化能力與機制[10-11]以及轉化效率[12-13]等。自2015年政策出現較大變動后，學者們開始關注高校科技成果轉化收益分配相關研究，主要集中在以下方面：①基于科技獎勵、利潤提成以及股權激勵3種方式，展開成果轉化收益分配研究[14-15]；②對內、外部核心利益相關者，包括科研團隊成員、成果完成人等群體收益分配的研究[16]；③對基于所有權、使用權、處置權、收益權和分配權的成果權屬配置收益分配研究[17-18]。以上研究的重點都聚焦于政策內容和決策要點，并未揭示出收益分配政策與成果轉化之間的邏輯關聯。

本文希望通過相關研究，解析當前高校成果轉化政策體系中，收益分配政策是否對提高科技成果轉化效率具有顯著激勵效應。如果是，說明當前的制度設計思路是正確的，如果不具有激勵效應，或者激勵效應弱，則說明還有政策修正空間。

1 研究框架構建

1.1 高校科技成果轉化效率測度模型描述

(1)

從第t到t+1期的Adjacent Malmquist指數為：

M(xt+1,yt+1,xt,yt)=

(2)

其中，d表示式(1)中的距離函數。若M指數大于1，則表示第t到t+1期高校科技成果轉化的全要素生產率上升，反之則表示下降。

在投入與產出指標選取方面，梳理相關文獻[22-24]可知，高校科技成果轉化系統的投入指標主要包括經費、設備、人員等，而產出端指標選取則比較多樣，如基于專利的許可數量、許可收入和轉讓收入，基于企業與產品的衍生企業數、專利相關產品數和新產品數，以及基于高校科研活動的社會服務、論文產出和成果鑒定等。根據《中華人民共和國促進科技成果轉化法》(2015年修訂)，科技成果轉化是指為提高生產力水平，對科技成果進行后續試驗、開發、應用、推廣直至形成新技術、新工藝、新材料、新產品，發展新產業等活動。因此，本文認為，基于專利、企業和產品方面的指標選取更符合這一概念。根據數據的可獲取性與可靠性原則，以教育部《高等學校科技統計資料匯編》(2010—2017)為數據來源，投入端選取R&D人員全時當量與科技經費投入兩個指標，以反映高校科技開發活動投入的人力與資金規模，產出端選用簽訂合同數與技術轉讓實際收入，以反映成果持有者的轉化意愿與高校科技成果轉化的實際經濟效益。

1.2 三角驗證研究策略設計

考慮到2015年我國對科技成果轉化政策進行了較大調整，各地區及高校也相繼出臺了較為具體的規章制度。因此，本研究以2015年為界，將實證研究分為2010—2014年的政策激勵前期和2015—2017年的政策激勵后期，以判定各高校科技成果轉化效率受轉化政策調整的影響程度。進一步以實證研究結果為依據，對評價高校進行三角驗證，研判轉化政策體系中收益分配政策對高校科技成果轉化的激勵效應。三角驗證(Methodological Triangulation)思想起源于政治行為主義興起之初，是指利用多元策略研究相同對象，確保研究結論由驗證對象的客觀特征或內在因素所致，而非研究者主觀選擇某一方法分析所致，以提高研究結論的效度[25]。Bylund&Denzin[26]將三角驗證法的內涵拓展為策略論三角驗證、基于多元觀點取向詮釋的理論三角驗證(Theory Triangulation)、基于多元數據來源的數據三角驗證(Data Triangulation)、基于多個研究人員評議的研究者三角驗證(Investigator Triangulation)等。目前，三角驗證的相關理論與實踐研究聚焦于策略論三角驗證，如Mcgrath[27]認為，采用單一研究策略難以兼顧普適性、準確性和現實性，容易陷入“三角困境”。采用多元研究策略的三角驗證可擺脫“三角困境”，提高驗證結論的科學性與準確性[28]。

結合高校科技成果轉化與收益分配的特性及研究現實困境，本文在研究初始，設計了3種研究策略，策略內容與實施局限性如下：①通過分析高校相關政策文本，判斷基于收益分配政策產生的效率差異及原因，實施難點是政策制定不等同于政策執行，難以建立二者間因果關聯，易產生政策分析誤差；②基于統計數據分析，對高校的科技成果轉化效率進行收益分配激勵效應測算，實施難點是難以獲取全部樣本高校成果轉化收益分配的所有相關數據，因此導致研究實施不現實；③對高校進行調研訪談，以探索基于收益分配政策產生的效率差異及原因，實施難點是可開展調研訪談的高校數量有限，難以訪談所有利益相關群體，影響研究結論的普適性。由此可見，每一種研究策略的單獨實施都會使研究陷入“三角困境”。為了破解這一困境，本文設計了整合文本分析法、問卷調查法和訪談法的三角驗證策略，以研判收益分配政策對高校科技成果轉化的激勵效應，并追溯其深層原因。包含關鍵技術步驟的研究框架如圖1所示。

圖1 高校科技成果轉化效率與收益分配激勵效應的三角驗證研究框架

2 科技成果轉化效率實證分析

2.1 實證結果與驗證

剔除師范與財經類高校，本文選取江蘇省32所隸屬層次、歸屬類型和屬地經濟發展水平都不同的高校作為樣本，樣本分布廣度決定研究結論具有一定普適性。研究分別對樣本高校政策激勵前期和政策激勵后期的M指數取平均值，判斷各高校科技成果轉化效率隨政策調整的變化情況。

表1 2010—2017年各高校科技成果轉化效率比較結果

本文采用事件分析法檢驗高校科技成果轉化效率對政策調整的反應程度，檢驗流程為“事件定義—取樣標準—界定正常或非正常表現—參數估計—顯著性檢驗—穩健性檢驗”。表2顯示了事件期內累計超額效率穩健性檢驗結果，其中，INT[-5,2]代表2010—2017年間的各年份。根據表2的P值及系數值可知，在α=0.05的顯著性水平下，2015年政策調整對23所樣本高校的M值有正向反應，累計超額效率在整個事件期內穩健。

為了檢驗這一正向反應的顯著水平，本文對政策激勵前、后期23所高校的M值(見表1)進行了獨立樣本t檢驗，結果為Ha: mean(diff) > 0，Pr(T > t) = 0.000 2，表明在α=0.05的顯著性水平下，政策調整對23所高校科技成果轉化效率具有顯著激勵作用，政策激勵前、后期，M值從9.006增加到26.553的概率水平為 98%。

表2 事件期內累計超額效率穩健性檢驗結果

2.2 實證分析結論

前后兩期的M值呈現出以下變化：首先，評價高校數量增加。樣本高校共32所，但政策激勵前期有9所高校由于產出數據過小，無法進行指數計算，被剔除，共評價23所高校，政策激勵后期轉化產出數量增加較快，僅有5所高校被剔除，評價高校增至27所。其次，M值全部由下降轉為上升。政策激勵前期有11所高校的M值小于1，說明這11所高校的轉化率在此階段是下降的，但到了政策激勵后期，所有高校的M值都大于1，說明所有評價高校的科技成果轉化在這一段時期都有所提高。再次，政策激勵后期的M值較前期有了大幅提升。其中，8所高校的M值提高了1倍以上，占比34.8%，13所高校的M值提高了10倍以上，占比56.5%。最后，兩期的M值離散程度都較大。政策激勵前期，23所評價高校的方差為1.92，極差為9.27，政策激勵后期，27所評價高校的方差為18.61，極差為75.17，說明在宏觀政策激勵的大背景下，各高校M值呈現出較大的分化，即各高校的成果轉化高低除受宏觀政策影響外，還受自身條件的綜合作用。

《促進科技成果轉化法》規定，國務院和地方各級人民政府應當加強科技、財政、投資、稅收、人才、產業、金融、政府采購、軍民融合等政策協同，為科技成果轉化創造良好環境。吳壽仁[29]將科技成果轉化政策按照轉化主體、轉化鏈、政策功能、扶持對象、扶持方式、要素6個維度進行了分類，并將科技成果轉化收益分配政策歸入激發功能政策類型中。《中國科技創新政策體系報告》將科技成果轉化政策體系劃分為產權激勵、收入分配、稅收激勵、專業化技術轉移服務體系、多元科技成果轉移投入渠道和成果轉化科研評價體系6個方面。由此可見，收益分配政策僅僅是科技成果轉化政策體系中的一個組成部分。自2015年后，國家和地方陸續出臺了一系列科技成果轉化促進政策。從實證結果看，這一系列促進政策對轉化效率的整體激勵效應是顯著的。但是，每一類政策以及每一層次政策發揮的作用都是不同的，其作用機制也較為復雜。本文需要進一步探知在這一政策體系整體激勵效應中，收益分配政策激勵效應的強弱以及深層次原因。

3 收益分配激勵效應三角驗證

3.1 文本分析法驗證分析

通過對政策激勵后期27所高校的35份科技成果轉化政策文本進行分析，發現各高校政策制定的主要差異在于對科研人員、高校以及利益相關者群體的轉化收益分配比例，而分配程序與主體以及分配權落實環節則基本相同。由于實證分析的產出指標是簽訂合同數和技術轉讓實際收入，同時，現有數據和資料都顯示，技術入股轉化形式在我國高校的比例非常低，因此本文重點關注成果轉讓許可凈收益分配。數據統計基于橫向可比性原則，限定了3個條件：①僅比較專利授權3年內進行的轉化收益分配；②僅比較省內轉化的收益分配；③對于規定收益分配在某一比例區間內的情況，選擇區間最低值進行比較。此外，需要對利益相關者群體作出說明，本文認為，利益相關者群體是指除科研人員和高校外，對轉化形成促進的重要貢獻人或中間人、院系和高校轉化機構等。

以蘇州科技大學的M值為中位數，將政策激勵后期27所高校劃分為兩個區間，大于此值的高校位于轉化效率相對高區，小于此值的高校位于轉化效率相對低區。圖2數據顯示，首先，轉化效率相對高區的高校與轉化效率相對低區的高校給予科研人員的分配額度不同。高區間高校傾向給予科研人員居中的收益分配比例，低區間高校大多分配給科研人員的額度以達到省政策規定的下線70%為主，也有高校將90%以上的轉化收益都分配給科研人員。其次，兩區間高校給予組織的分配額度不同。兩區間高校在1%～10%范圍內占比最多，在21%～30%范圍內高區間高校占比為0，而低區間高校占比為30.8%，說明低區間高校更注重組織獲取的轉化收益。最后，兩區間高校給予利益相關者群體的分配額度不同。高區間高校更重視利益相關者群體，未兼顧到利益相關者的高校只占高區間高校的15.4%，但占低區間高校的38.4%。同時，高區間高校中有76.9%的高校會給予利益相關者群體6%～20%的分配額度，但低區間高校中這一比例只有46.2%。以上研究表明，高區間高校更注重受益群體多元化，并致力于通過適當降低組織與科研人員的分配額度，實現在多個分配對象間的權利平衡。

圖2 兩區間高校不同群體間收益分配比例占比

3.2 問卷調查法驗證分析

由于收益分配政策的主要激勵對象是科研人員，因此本文對科研人員進行問卷調查。調查問卷分為4個部分，共20道題，以封閉式問題為主，采用李克特5點計量形式，要求填寫者在相應分值上打“√”，個別問題補充了開放式填空。本文將實證研究中27所高校的M值分為4組，分組時盡可能降低組內M值離散程度，同時兼顧各組進行問卷調查的現實可行性。調查高校為金陵科技學院、江蘇科技大學、河海大學、江蘇大學和江南大學，這5所高校的M值分別位于4個組內，其中M>30區間有兩所高校，調查高校具有不同層次科技成果轉化效率的代表性。研究通過問卷星網站向5所高校共482名工科專業教師的QQ群或微信群發放問卷，問卷調查時間為2019年11月，共回收問卷281份，剔除無效問卷93份，得到有效問卷188份，問卷有效回收率為66.9%。 本文首先對數據的相關性進行檢驗，通過SPSS20.0測算，結果顯示，KMO值為0.815，Bartlett球性檢驗概率值小于顯著水平，表明可進行探索性因子分析。經主成分分析提取了4個因子，并對4個因子進行方差最大化旋轉，結果如表3所示，顯示20個問題的因子載荷均大于0.5，且4個因子的累計方差貢獻率達到78.376%。進一步對回收數據進行基于Cronbach's α值的信度檢驗，結果如表3所示，顯示α值均大于0.7。因此，問卷數據具有較高的有效性、穩定性和可靠性。

表3 問卷因子載荷與信度檢驗結果

由于樣本量及相關數據不支持收益分配對成果轉化效率的回歸研究，本文僅進行數據統計描述分析，初步判斷如下：首先，轉化與分配政策的制定和落實效果。科研人員普遍對宏觀政策不太了解，甚至完全不知道，而對于高校政策則呈兩極分化，一部分人比較了解，還有一部分完全不知道。同時，較多科研人員不能及時獲得轉化獎勵，一方面是因為高校拖延發放，另一方面是由于高校設置的獎勵手續過于繁瑣。其次，對轉化與分配的認知程度。科研人員普遍缺乏對科技成果、成果轉化和轉化收益等概念的正確理解，絕大多數科研人員對轉化與定價方式比較了解，但大多會在成果產生以及項目完成后才啟動轉化。再次，轉化意愿強度。大多數科研人員的成果轉化意愿并不強烈，在轉化有助于職稱評定時，轉化動機更強烈。雖然現金獎勵具有一定激勵性，但由于轉化過程艱難，大多數科研人員認為獎勵難以抵補投入，因而轉化積極性并不高。但是，科研人員比較認同科技成果所有人身份的激勵意義。最后，轉化困難阻礙度。缺乏轉化途徑、流程復雜、專業機構支持力度不夠等形成的阻礙較大，盡管大多數科研人員都了解高校轉化機構設置，但普遍不認為其發揮了足夠的轉化支撐作用。基于以上分析可知，作為政策受益群體的科研人員，大部分不認可收益分配政策對轉化行為的激勵意義。

3.3 訪談法驗證分析

為了解政策執行群體，即具體工作人員的相關態度，研究對問卷調查涉及5所樣本高校的12人進行了深度訪談，其中對4人進行了二次訪談，訪談總次數為16次。訪談對象包括科技處、科研院或科技園負責人以及工作人員7人，院系相關負責人2人，審計處或資產處工作人員2人，另有1名成果完成人。

研究基于扎根理論自下而上的歸納路徑，運用Nvivo12軟件對16份訪談文本進行編碼。編碼共形成44個末端節點，其中30個末端節點歸為7個三級節點、3個二級節點，最終歸納為一級節點“基于轉化制約層的編碼”；另外14個末端節點歸為6個二級節點，最終歸納為一級節點“基于轉化激勵層的編碼”。節點參考點比例能夠反映訪談對象對相應節點的關注度，因此本文對末端節點參考點比例進行了統計分析，結果如圖3、4所示。圖3顯示，轉化制約層的30個末端節點中，7個與收益分配管理相關的末端節點包含的參考點比例為27.26%，說明轉化工作人員認為，在制約科技成果轉化的諸多因素中，有一小部分與收益分配政策制定與執行不當有關。這種不當表現為：對科技成果轉化與收益分配認識狹隘，導致轉化價值降低，并進一步導致轉化規模過小，無法形成較大的分配基數；政策協同性不足以及成果權屬的制約提高了收益分配風險，導致政策執行力降低；中間人群體規模太小且能力較弱，同時缺乏激勵，主客觀上都不足以促進轉化；組織缺乏基于成果轉化的激勵驅動。圖4顯示，僅有教師發展政策驅動中的現金與股份獎勵涉及收益分配，此節點參考點比例只有4.17%，說明轉化工作人員認為，目前以科研人員為主要激勵對象的收益分配政策，對成果轉化的促進極其有限。

4 基于三角驗證的收益分配激勵效應整合研判與溯因

4.1 收益分配激勵效應整合研判

以科研人員為主要激勵對象的轉化收益分配政策在微觀組織的具體實施中，形成了略有差異的分配格局。從政策文本的驗證研究看，能兼顧各類型中間人的高校轉化效率更高，也就是說，通過多元分配對象的權利平衡會促進高校科技成果轉化，驗證了結論1。問卷調查研究發現，由于政策落實不到位、科研人員自身能力有限或因轉化流程復雜而放棄轉化以及成果不具備轉化價值等原因，政策受益群體并未受到激勵，這是驗證結論2。訪談研究發現，政策執行群體普遍不認為低轉化效率是因為收益分配政策制定與執行不當，高轉化效率也并非源于收益分配政策激勵，這是驗證結論3。整合3個結論，可以作出研判，即存在以科研人員為主要激勵對象的收益分配政策弱激勵效應。溯其緣由，體現在3個方面，即激勵環節與激勵流程不對應、激勵主體與轉化主體不匹配、激勵回饋與激勵風險不對稱。具體分析過程如圖5所示。

圖3 基于轉化制約層的編碼與參考點比例分析

圖4 基于組織轉化激勵層的編碼與參考點比例分析

4.2 收益分配弱激勵效應溯因

(1)激勵環節與轉化流程不對應。科技成果轉化可以分為研發、開發、應用和擴散4個階段，通過這4個階段才可能實現科技成果價值的市場化轉移，并最終發展成為新產業或提高相關產業水平。科技成果轉化絕不僅限于某一個環節，成功的成果轉化應該是一個市場引導技術、技術驅動市場的循環推進過程，因而成果轉化的激勵管理也應當是全流程、長周期的。目前的收益分配政策將激勵重點鎖定在研發向開發轉換階段，這一單一環節的激勵設計與科技成果轉化的長周期、全流程是不對應的。這會引發兩方面的問題：一方面，短期套利動機使科技成果因無法進入開發階段從而導致轉化失敗。從科研人員角度看，只要將專利許可轉讓出去，就實現了轉化，而不去關心技術成果是否能夠進入開發階段；從成果需求方，也就是企業角度看，希望獲取成熟技術，越過開發階段直接進入應用階段。當存在基于轉讓和許可轉化的政策紅利時，成果供需雙方可能合謀尋租，從成果轉化中套利后，轉化即告終止。如果不存在外部政策紅利和尋租空間，供需雙方可能因為誰都無法負擔開發風險而使技術成果僅停留在專利授權階段，轉化即告失敗。另一方面，盲目研發導致成果停滯于研發階段，從而使轉化失敗。由于研發初期缺乏引導與激勵，使得科研人員的研發動機往往落在基于職稱的個人職業發展目標上，對成果的應用價值考慮較少，總是在研發完成后發現存在轉化可能，并能因此獲利，才著手推動轉化。這一滯后的隨機轉化會使大量科技成果不被市場認可，致使創新活動停滯在研發階段，造成創新資源浪費。

圖5 基于三角驗證的收益分配激勵效應整合研判與溯因

(2)激勵主體與轉化主體不匹配。當前政策體系的隱含前提是將科研人員等同于轉化主體，但兩者存在多方面的不匹配：首先，身份不匹配，即一元激勵主體身份不能匹配多元轉化主體特性。成果轉化是集技術、政策、資金和人才等多重要素的系統化行為，因此轉化主體也應是多重身份的疊加。以科研人員為主體的一邊倒政策明顯不能對其他主體形成有效激勵，這也可以解釋為何兼顧多元分配對象利益的高校科技成果轉化效率更高。其次，職責不匹配。科研人員作為高校教師，主要職責是教學與科研，高校對科研人員的考核重點是教學與科研績效，社會預期與評價也是將科研人員職責與教學科研職責綁定在一起。因此，科研人員從主客觀兩方面都很難將時間和精力全部投入到成果轉化工作中。轉化主體的職責是從事技術轉移與專利運營，甚至是主導科創企業的生存與發展，其職責技能非常專業，職責屬性是常態化的，職責內容繁雜，這就要求從事這一工作的群體是專職專業的。因此，激勵主體與轉化主體之間就形成了明顯的職責不匹配。再次，目標不匹配。高校科研人員的發展目標主要是職稱評定，大多數高校未將成果轉化納入職稱評定考核指標，因此高校科研人員也無法將成果轉化作為自身發展的重要目標。轉化主體的目標則是通過成果學術價值到市場價值的轉移獲取利益。結合前述研究可知，將成果轉化納入職稱評定體系對科研人員成果轉化的驅動意義非常明顯。最后，群體人格特征不匹配。根據人格與職業匹配理論，大多數科研人員可歸類至現實型、研究型和社會型的人格中，這幾類人格具有持久性、穩定性、創造性和獨立性等群體特征，而轉化主體更趨向于社會型和企業型人格特點。也就是說，轉化主體還要具有對市場的高度敏感性、良好的社交合作能力、決策力以及談判與溝通能力，而這些正是很多科研人員不具備的。因此，科研人員在成果轉化時往往感覺力不從心，巨大的人格差異是其中一個重要因素。

(3)激勵回饋與激勵風險不對稱。收益分配激勵回饋可理解為組織對相關主體進行成果轉化收益分配后，相關主體通過提高成果轉化動機驅動轉化行為，以提升組織成果轉化效率。以科研人員為激勵主體的政策回饋也應來源于科研人員，但科研人員由于種種原因并未受到較強的政策激勵，因此組織也就沒有獲得收益分配政策的激勵回饋。反之，組織承擔的收益分配激勵風險卻是實際存在的。一方面是政策風險。高校科技成果在轉化過程中，涉及各類財稅、審計和紀檢監察政策的規制，各類政策間存在著認定與操作的動態不協調、靜態不配套，甚至是背離沖突的情況，因此高校的政策執行顧慮較多。另一方面是師資風險。從各類高等教育評價體系看，人才培養與科學研究是對高校進行價值評判的首要指標。因此，通過建設穩定和高質量的教師隊伍實現知識創造與傳播就成為高校發展的基石。高校擔心過于強調科研人員成果轉化會產生教師隊伍不穩定和疏忽教學的風險。由此來看，在現有政策體系下，高校從組織層面獲得的收益分配激勵回饋不理想，但又因此承擔著較大的激勵風險。問卷調查與訪談研究都揭示出有些高校重政策制定、輕政策執行，有些高校則將轉化收益連同相關責任一并轉移給科研人員，但并不重視實際轉化效果。

5 結論與啟示

本文以江蘇省為例，對高校科技成果轉化效率與收益分配激勵效應進行三角驗證研究，通過整合研判與溯因研究，發現目前以科研人員為主要激勵對象的收益分配政策，對提高高校科技成果轉化效率的激勵效應較弱，原因在于激勵環節與轉化流程不對應、激勵主體與轉化主體不匹配以及激勵回饋與激勵風險不對稱。研究對相關政策制定的啟示在于：①促進高校科技成果轉化應著眼于長周期、全流程以及不同環節、不同層次的全面激勵；②要錨定高校科技成果轉化鏈條的薄弱環節，提供持續、精準政策支撐，尤其是轉化過程中技術開發系統能力的提升以及創新主體中的中介群體，如科技企業家、技術經理人等群體的培育；③應從制度源頭強化高校法律主體地位的獨立性和資產處置自主權，突破產權約束，降低高校參與市場活動的風險。正如前文所述，對科技成果轉化形成激勵的是一個政策體系，各類型、各層次的政策激勵效果與機制都不同。同時，政策體系從時間維度上看，在不斷更新演替，從空間維度上看，要力求協同配套。本文希望能夠在未來研究中拓展研究邊界，對科技成果轉化政策體系進行更為廣泛和深入的研究，以探索各種轉化促進政策的激勵差異性以及相關政策體系促進轉化的動態平衡機制與靜態協同機制。