加大科技人員激勵力度能否促進科技成果轉化
——來自中國高校的證據

鐘 衛，陳海鵬，姚逸雪

(1.中國人民大學 公共管理學院，北京 100872;2.教育部科技發展中心產學研合作處，北京 100080)

0 引言

高校是科技成果的重要供給者，其研發溢出、技術轉移、成果轉化活動對于地方經濟發展起到了重要支撐作用[1-4]。自1978年改革開放以來，中國政府一直強調重視科技成果轉移轉化工作。圍繞科技體制改革，國家先后制訂和修訂了《專利法》《技術合同法》《科學技術進步法》《促進科技成果轉化法》等法律，并通過財政、稅收、金融、人才等扶持政策，以及創辦與發展技術市場、科技企業孵化器、大學科技園、高新技術產業開發區等舉措，不斷推進中國科技成果轉化事業的發展變革[5]。然而，從結果看，科技成果轉化一直是中國科技創新鏈條中相對薄弱的環節，科技和經濟“兩張皮”的現象并沒有從根本上得到改善，科技成果轉化水平較低是學界和社會的普遍共識[6]。

為了扭轉這一被動局面，促進經濟轉型升級、實現可持續發展，近年來，中國政府開啟了新一輪科技成果轉化改革。從中央到地方政府先后修訂了《促進科技成果轉化法》或《條例》，出臺了一系列配套政策，并作出各種具體部署和安排。在這些政策法規中，一項非常重要的措施是加大激勵力度以調動科研人員成果轉化積極性。1996年版《促進科技成果轉化法》規定，可從成果轉化凈收入中提取不低于20%的比例或股權，獎勵作出重要貢獻的科技人員，而2015年版《促進科技成果轉化法》則將獎酬金提取比例的下限提高到50%。為了加速科技成果向現實生產力轉化，包括北京、上海在內的21個省級政府(截至2017年底數據)明確地將獎酬金提取比例的下限提高至70%、80%，有的地方甚至還規定，單位只保留榮譽，轉讓凈收入全部獎勵給科技人員，即計提比例為100%。

面對如此巨大的激勵或者誘惑，科技人員會作何反應？大學能否通過設置獎酬金計提比例改善科技成果轉化績效？本文將對最近幾年實施的加大科技人員激勵的政策進行效果評估，具體來說，主要考察以下兩個方面：①將科技人員獎酬金提取比例的下限從20%提升到50%有利于促進科技成果轉化嗎？②將獎酬金提取比例的下限提升得更高(超過50%)是不是效果更好呢？

1 文獻回顧與評論

與上述問題密切相關的研究主要包括兩個方面：一是側重于科技成果轉化激勵政策的理論研究，如高校科技成果轉化收益分配模式[7-8]、收益分配激勵機制設計[9]等，這些研究對于全面了解激勵政策及改革內容提供了很好的視角，但沒有直接涉及政策效果評估；二是從量化角度考察物質激勵與成果轉化、技術轉移的關系[2,10-15]，這些研究有助于人們理解成果轉化、技術轉移的影響因素，但存在以下兩方面不足：①大多數文章只考慮相關關系，而忽略了內生性問題。很明顯，內生性是物質激勵與成果轉化績效關系研究中必須考慮的問題，因為成果轉化導向更強的高校或者具有更多發明成果的研究人員可能希望爭取到更有利的激勵政策[2]；②只考察高校間橫向激勵程度差異的效果，而忽略了高校縱向激勵程度變化的影響。Lach & Schankerman[2]、Caldera & Debande[14]、Arque′-Castells[16]等在考慮內生性的基礎上，借助面板數據考察物質激勵對成果轉化績效的影響。由于觀察期內高校專利許可費比例變化不大，在估計計量模型時，這3篇文章的作者實際上是基于不同高校間橫向激勵程度差異進行分析。這種研究方法在科技人員能夠自由流動時具有合理性，因為科研人員可能會根據不同高校制定的激勵程度進行崗位分流[14]，但如果高校教師不具備較強的流動性，則這一研究方法的合理性就會遭到質疑。

本文以2015年前后中央以及地方政府逐步推行的加大科技人員激勵力度的政策作為“自然實驗”，利用雙重差分(Difference-in-Difference，DID)控制高校固定效應與時間效應，檢驗激勵程度變化與科技成果轉化績效之間的關系。①通過創造合理的分組，解決內生性難題。只要個體分組或處理水平完全由自然實驗所決定，OLS估計量就是無偏的。此項研究以高校為研究對象，考察地方政府的成果轉化激勵政策效果。這一改革主要由政府推動，單個高校對當地政府激勵政策改革的影響幾乎可以忽略不計，因此，這一外生沖擊能夠作為分析激勵政策改革對高校科技成果轉化行為影響的一項“自然實驗”，并能夠很好地識別加大科技人員激勵力度與高校科技成果轉化績效之間的因果關系；②從縱向角度考察高校激勵程度變化產生的效果。已有研究考察不同高校橫向間激勵差異對科技成果轉化績效的影響，但這在中國情境下意義不大，因為中國高校教師流動性不足[17]，科研人員根據獎酬金計提比例自主選擇高校的可能性相對較低。然而，國家提高獎酬金計提比例所造成的外生沖擊卻是每個科技人員都必須面對的，這為本文從縱向視角考察物質激勵與成果轉化、技術轉移之間的關系提供了機會，為全面、深入地理解激勵政策的效應提供了新證據。

2 研究設計

2.1 研究方法

為了檢驗加大科技人員激勵力度對科技成果轉化的作用，可以采用一種較為簡單的設計，比較2015年《促進科技成果轉化法》頒布前后高校層面匯總的科技成果轉化績效差異(單倍差分法)。然而，以國家層面政策作為評估對象的做法容易出現對照組缺失的問題(沒有不執行激勵政策的高校)，也就難以判斷激勵政策與績效變化之間的因果關系。可以借鑒“自然實驗”和雙重差分設計[18-19]，評估加大科技人員激勵力度對高校科技成果轉化績效提升是否產生因果效應。為了使用雙重差分模型，以省級地方政府發布的政策作為評估對象。自2012年開始到2015年國家法律頒布，福建、重慶、山東、上海、湖北、北京、吉林、遼寧、天津等省市陸續提高了獎酬金計提比例，可以將當年發布政策的省市作為實驗組，沒有發布政策的作為對照組。通過比較受到政策沖擊后實驗組平均變化與對照組平均變化的差異，檢驗政策效果。為了獲得“自然實驗”的效果，收集了高校層級的資料，而不是省級匯總資料。這是因為一方面省級數據樣本量少，會影響估計結果的穩健性，另一方面，省級數據比高校層面數據更容易產生內生性問題。科技成果多的省份有先行制定激勵科技人員政策的沖動，但是，更為微觀層次的高校特征對當地政府是否頒布激勵政策的影響微乎其微。因此，對于單個高校而言，提高科技人員獎酬金提取比例可能會形成一種純外生的政策沖擊。

加大科技人員激勵政策改革于2012—2015年在各個省份先后實施，故選擇漸進雙重差分模型(Time-varying DID)。借鑒 Beck等[20]、黃溶冰等[19]的研究，設定如下兩個計量模型：

Yit=β0+β1×Dit+β×∑Zit+μi+τt+εit

(1)

(2)

其中，Yit是因變量，代表高校i在第t年的科技成果轉化績效；∑Zit表示其它影響因變量的控制變量；μi表示高校固定效應，用于捕捉其它非時變的高校特征；τt表示年份固定效應，用來控制時變性不可觀測因素；εit表示隨機誤差項。

模型(1)與模型(2)的區別在于代表激勵政策自變量的設置方式。模型(1)中，Dit是一個虛擬變量，代表高校i在第t年是否受到政策的影響：位于政策發布省份的高校在改革后賦值為1，否則為0。Dit的回歸系數β1反映政策變量的總體效果，故模型(1)稱為總體效應模型。模型(2)稱為動態效應模型，將Dit換成表示政策發布前、發布當年和發布后的一系列虛擬變量Di,t0+k，當個體分別處于政策發布當年t0、政策發布前k年或政策發布后k年時取值為1，否則為0。這一設置可實現兩個目的：一是可以利用回歸方法對雙重差分法中最重要的平行趨勢假設進行檢驗；二是可以更清楚地得到政策效果在時間維度上的變化，即政策動態效應。

2.2 變量測量

(1)被解釋變量。一些學者認為科技成果轉化(或稱研究成果商業化)與技術轉移的概念類似，都是關注知識產權等實用價值成果從大學向產業界的轉移轉化，因而，可用專利申請數量、專利授權數量、技術許可數量和收入、衍生企業數量等指標測量績效[2,14]。還有一些學者認為科技成果轉化既包括專利等顯性成果的商業化，也包括各種隱性知識轉化，因而，R&D合同數量和收入、技術服務合同數量和收入等各類代表產學研合作的指標都可用來測量大學技術或知識轉移活動[16]。本文與2015年版《促進科技成果轉化法》保持一致，將科技成果轉化活動限定在知識產權等實用價值成果轉移轉化上，對應的轉化方式包括轉讓、許可和作價投資。轉讓是科技成果轉化的主要方式，且《高等學校科技統計資料匯編》中沒有公布許可和作價投資相關數據，故選用技術轉讓相關指標(技術轉讓合同數和收入)測量科技成果轉化績效。

(2)解釋變量。估計激勵政策對高校科技成果轉化的總體效應時，設置了1個政策虛擬變量；估計激勵政策對高校科技成果轉化的動態效應時，設置了11個虛擬變量，其中包括5個政策前虛擬變量，5個政策后虛擬變量，1個政策當年虛擬變量。

(3)控制變量。影響大學科技成果轉化的因素是多方面的，這里主要關注成果供給和成果需求兩方面因素。就成果供給影響因素而言，學者們分析了大學規模[21-22]、大學研究質量[23]、大學研究領域[24]等變量的效果。本文選取教學與科研人員、科技經費、企事業單位委托經費、國內外全國性刊物發表4個變量，其中，教學與科研人員測量大學規模，科技經費、國內外全國性刊物發表兩個指標均代表高校科技成果供給能力；企事業單位委托經費是R&D合同、技術服務合同的匯總，代表高校技術轉讓活動之外開展的其它形式產學研合作。上述4個指標都來自設有理工農醫類專業的高校，因而大體上可以忽略大學研究領域的影響。

從成果需求影響因素看，常考察地區GDP、研發投入水平等大學所在環境特征。本文選取與大學成果需求關系更緊密的企業方面因素，具體指標包括規上有研發機構的企業數和規上新產品開發項目數，前者不僅能反映企業研發能力，還能衡量企業吸收外部科技成果的能力，后者則代表企業自主創新能力。

2.3 數據來源與描述統計

本文考察2010—2017年全國地方所屬本科院校面板數據，評估提高科技人員獎酬金提取比例政策的效果。將觀察起點設置在2010年是因為2010年科技人員收益權改革，與之相關聯的高校層面處置權、收益權改革都還沒有發生，適合作為比較的起點。從最早發布科技人員收益權改革的2012年至觀察終點2017年底，中間跨度為5年，這為分析此項改革的中長期效果提供了可能。將樣本限制在地方所屬本科院校，是因為地方政府發布的政策文件對地方所屬高校具有較強的影響力，地方所屬本科院校的名單來自教育部科學技術司編寫的《高等學校科技統計資料匯編》(以下簡稱《匯編》)。為保持數據穩健性和完整性，本文剔除觀察期內資料不全的名單，最終得到552所高校4 416個觀察點的詳細信息。與高校層級相關的指標均來自對應年份的《匯編》，與企業相關的匯總資料來自對應年份的《中國科技統計年鑒》。

政策變量信息與每個省份發布的改革時間有關，需要整理。登錄“北大法寶”法律法規數據庫，并以“科技成果”作為關鍵詞，檢索省級政府2010年1月1日至2017年12月31日期間發布的地方法規文件。對于命中的記錄，分省整理出科技人員激勵政策、高校科技成果處置權、收益權改革政策以及科技成果所有權改革政策等具體信息，在此基礎上，加工整理各省相關政策變量發布時間。借鑒以往學者做法，如果政策發布在下半年則歸入當年，否則計入上一年。

在實證分析前，所有名義變量均以省級居民消費價格指數(CPI)進行消脹處理。考慮到部分指標數量級較大，同時也有部分指標取值為零，對除自變量之外的所有指標進行加1再取對數的預處理。主要變量的描述統計結果如表1所示。

表1 主要變量描述性統計結果

3 實證結果與討論

3.1 平行趨勢檢驗

使用雙重差分法的重要前提是滿足平行趨勢假定，即如果沒有制定提高科技人員獎酬金提取比例的政策，發布政策省份與未發布政策省份在高校科技成果轉化績效變化趨勢上是平行的，并不會隨時間而發生系統性差異。

平行趨勢判斷的簡單方法是比較政策發布前各年，發布政策省份與未發布政策省份在成果轉化績效均值上是否存在顯著差異。然而，本文中政策發布時間點并不一致，計算兩組每一年的均值存在困難。這里僅以政策發布前一年的情況說明各省發布政策是否隨機。2012-2014年分別有一些省份制定了提高科技人員獎酬金提取比例政策，那么，這些主動要求改革的省份，其高校科技成果轉化績效在政策發布前一年是否比未發布政策的省份好呢？表2結果顯示其具有不確定性，因為只有2012年發布政策的省份，其高校科技成果轉化的基礎要好一些(合同數和合同收入兩個變量的均值差異都顯著)，其它年份的差異都不顯著，這說明政策發布并不完全取決于高校科技成果轉化基礎，或者說高校無法影響地方政府是否出臺提高科技人員獎酬金提取比例的政策，后文還將在控制一系列變量的情況下進行更準確的平行趨勢判斷。

表2 實驗組與對照組高校科技成果轉化績效比較

3.2 基本回歸分析

利用雙重差分法，評估科技人員獎酬金提取比例下限從20%提升到50%對地方所屬高校科技成果轉化績效的影響。考慮到有些省份實施了更高獎酬金提取比例下限，構建一個子樣本，進一步評估實施更大激勵力度的省份是否獲得更加明顯的效果。表3匯報了激勵政策對高校科技成果轉化的總體效應和動態效應。

先看總體效應，對應表3(1)-(4)列，其中(1)和(2)列以全體樣本進行估計，(3)和(4)列以實施更大激勵力度的子樣本進行估計。這4個回歸模型的結果表明，不管數據來自全樣本還是子樣本，也不管因變量是技術轉讓合同數還是合同收入，提高個體收益權比例的改革總體上都沒有正向、顯著地促進高校科技成果轉化。這4個模型中其它變量的估計結果都相對穩定，顯著變量的方向也與預期基本一致。比如，反映高校科技成果供給能力的變量“科技經費”正向顯著地促進高校科技成果轉化；衡量企業研發和吸收外部成果能力的變量(以“規上有研發機構的企業數”測量)對于企業從高校獲取科技成果有顯著促進作用。

總體效應估計結果表明，加大科技人員激勵力度的改革并沒有起到作用，那么是否可以斷言此項改革完全失敗呢？為此，接下來看政策動態效應，即表3中(5)-(8)列。在因變量是技術轉讓合同收入的全樣本回歸模型中(表3第(6)列)，反映政策動態效應的回歸系數D1、…、D5都是正數，意味著從政策發布后第1年開始，技術轉讓合同收入均值都比政策發布當年高。在政策發布后第3年，回歸系數變得正向顯著，表明政策起到了顯著促進作用。隨后的第4年雖然不顯著，但是p值(=0.110)接近10%的顯著性水平，第5年時p值非常小(=0.008)，因而可以認為，從政策發布后第3年開始，激勵政策就持續發揮了促進作用。如果將因變量替換為技術轉讓合同數(表3第(5)列)，則會發現更加明顯的政策激勵效果：反映政策動態效應的回歸系數從政策實施后第2年開始就正向顯著，隨后的年份也都一直顯著，這意味著加大科技人員激勵力度的政策在政策發布后第2年開始持續促進技術轉讓合同數增加。如果考察實施更大激勵力度的子樣本(表3第(7)、(8)列)，則會發現政策激勵效果優于全樣本：當因變量是技術轉讓合同收入時(表3第(8)列)，回歸系數在政策發布后第3～5年都顯著，且每一年的回歸系數基本上略大于對應的全樣本(表3第(6)列)；當因變量是技術轉讓合同數時(表3第(7)列)，也有部分子樣本的回歸系數略大于全樣本。這一結果說明，將獎酬金提取比例的下限提到70%、80%時，政策的確產生了更大激勵效果。但是，考慮到回歸系數增幅有限、政策顯著起作用的時間點并沒有提前，可以認為政策對子樣本產生的激勵效果還不是十分明顯。

表3 激勵政策對高校科技成果轉化的總體效應與動態效應

動態效應模型除更加清楚地得到不同時間點政策效果變化外，還可判斷平行趨勢假定是否滿足。在表3第(5)-(8)列，雖然個別代表政策發布前的虛擬變量出現了回歸系數顯著小于0的情況，但是，對這5個虛擬變量進行聯合檢驗的結果表明，它們與所有政策前虛擬變量回歸系數都接近于0的原假設沒有顯著差異，每個模型聯合分布對應的p值分別為0.370、0.380、0.494、0.295。這就意味著政策發布前的各年，發布政策省份與未發布政策省份在成果轉化績效均值上沒有顯著差異，滿足平行趨勢假定。

3.3 穩健性檢驗

利用雙重差分法初步驗證了總體效應模型的有效性后，一般都會進行一系列穩健性檢驗，進一步確保因果關系不受其它因素干擾[25]。本研究中總體效應不顯著，與之相關的一些穩健性檢驗(包括安慰劑效果、干擾政策、增加控制變量等)也就無需開展。動態效應模型的部分變量是顯著的，有必要進行穩健性檢驗。

(1)干擾政策檢驗。回顧科技成果轉化領域激勵政策改革過程可以發現，對科技人員收益權的改革不是孤立發生的，與之密切相關的高校收益權改革和科研人員職務科技成果所有權改革也得到逐步推進。其中，高校收益權改革自2011年開始陸續在北京、湖北、上海、吉林、遼寧、天津等地開展；科研人員成果所有權改革自2015年開始陸續在四川、吉林、河北、遼寧、重慶等地開始探索。那么，這兩項政策改革是否干擾或影響動態效應模型結論的穩健性呢？有待進一步檢驗。表4中，高校收益權、知識產權虛擬變量分別測量這兩項政策改革的效果。估計結果顯示，以技術轉讓合同數測量績效時，無論全樣本(表4(9)列)還是子樣本(表4(11)列)，個體收益權改革政策都是在政策發布后第2年開始持續起作用，這與不控制這兩項改革時的結論完全一致。當用技術轉讓合同收入測量績效時，也能得到相同結論：個體收益權改革政策起作用的時間與是否控制高校收益權改革、個體所有權改革沒有關系，都是在政策發布后第2年開始發揮作用，這進一步驗證了個體收益權改革的有效性。

表4 穩健性檢驗：干擾政策

(2)其它控制變量檢驗。采用調整或者增加控制變量的方式進行穩健性檢驗，對成果供給相關變量進行調整，包括替換反映大學規模的變量、科技成果供給能力的變量，比如用高級職稱代替教學與科研人員數，用學術論文數代替國內外全國性刊物發表。另外，對成果需求相關變量也進行替換，包括用規上R&D經費內部支出代替規上有研發機構的企業數，用規上新產品開發經費支出代替規上新產品開發項目數。此外，引入研發投入強度等變量。估計結果顯示，在上述控制變量組合中，當因變量是技術轉讓合同數時，政策往往從第2年開始持續發揮作用；當因變量是技術轉讓合同收入時，政策往往從第3年開始持續發揮作用；當采用實施更大激勵力度的子樣本估計時，上述結論也更可靠(顯著變量的回歸系數更大而p值更小)，但政策起作用的時間點沒有前移；當控制高校收益權改革和個體所有權改革時，代表個體收益權改革的政策虛擬變量起作用的時間點沒有變化或稍稍延遲，但前述幾個結論均成立。

3.4 討論

無論是基本回歸模型還是各種穩健性檢驗都表明，加大科技人員激勵力度政策效果存在滯后性，而且實施更大激勵力度時政策效果滯后性并沒有隨之緩解或消除。

(1)為什么政策效果存在滯后性？首先，與其它科技政策一樣，加大科技人員激勵政策容易出現政策效果滯后。科技政策不同于產業經濟政策，后者往往在政策發布當年就能發揮作用，而科技活動的一個重要特征是前期投入大量資源后需要經過一定周期才能產生有形結果，因而科技政策往往表現出滯后效果。這意味著，即使科技人員根據激勵力度的改變而及時調整個人在基礎研究和成果轉化之間的時間分配，要想開發出可轉化的科技成果仍然需要相當長一段時間，激勵政策在政策發布后第2、3年才產生顯著效果。

其次，政策效果很大程度上取決于執行主體的認同和支持，如果執行主體有顧忌或不配合，政策發揮作用的時間點就會延遲[26]。就加大科技人員激勵力度政策來說，國家將科技成果收益權等“三權”下放給高校的同時，也明確了高校的主體責任，要求高校建立內控和風險防控機制，加強對科技成果作價投資形成國有股權的監督管理。面對承擔國有資產流失的責任，部分高校領導勢必會擔心碰到“紅線”，因而出現政策遲遲不落實或者落實不到位的情況。當科研人員看到高校落實政策不力時，成果轉化行動會受挫，政策效果也就難以及時顯現。

(2)為什么更大激勵力度沒有產生額外政策效果？首先，個體創新產出難以隨激勵力度的增加而持續放大，特別是當激勵力度達到極限時，產生的刺激效果可能十分有限。新的《促進科技成果轉化法》將獎酬金計提比例下限從20%提高到50%，受這一激勵的刺激，科研人員可能重新分配基礎研究和成果轉化之間的時間以產生更多可轉化成果，促進高校科技成果轉化績效整體提升。但是，如果希望通過繼續提高獎酬金計提比例的方式(比如70%、80%甚至100%)，促成科技人員產生更多科技成果卻不是一件容易的事。這一方面與激勵作用的發揮存在“邊際效用遞減”規律有關；另一方面，科技成果轉移轉化是一個系統工程，不僅涉及科研人員參與成果轉化的動機，還與個體知識背景、專業能力、認識水平等多種因素有關。

其次，長期過高的個人收益可能會影響激勵政策的整體效果。新一輪科技成果轉化領域改革將權益下放給高校，使得成果轉化收益在高校內部分配。如果個人收益一直過高(比如有些省份規定研發團隊最高可得99%的收益)，其他參與主體的收益會減少甚至沒有，長期看勢必傷害高校科技成果轉化整體績效。科技成果轉化過程中除需要個人(發明人團隊)的科技成果外，學校、學院和技術轉移機構(專業轉化團隊)也發揮了重要作用。高校或學院不僅能為發明人提供聲譽，還能夠提供平臺、設備、場地等資源投入。技術轉移機構人員(技術經理人)不僅有科學和技術專長，還有豐富的企業管理經驗和良好的溝通能力；不僅懂得國家、地方的政策、法律法規，還懂得技術轉移的模式、方法、具體操作技巧。分配利益時，如果個人獨享或者拿走大部分收益，而高校和學院投入大量資源、承擔各種風險，卻收益甚少，或者技術經理人具備多方面技能，卻拿不到與之相匹配的收入，那么各參與主體的利益就不可能“捆綁”在一起，實現科技成果成功轉化也就成為一句空話。

事實上，政策效果不佳是一個復雜的問題。政策制定和執行過程的任何一個環節出現問題，甚至政策外部環境因素發生變化，都會讓政策效果大打折扣。

4 結語

本文研究發現：①總體效應模型估計結果顯示，提高科技人員收益權比例的政策沒有產生預期效果，但動態效應模型卻表明，此項政策在發布后第2年開始明顯促進技術轉讓合同數持續增加，發布后第3年開始明顯促進技術轉讓合同收入持續增加，這說明政策起作用的方式不是“立竿見影”，而是存在時間滯后；②對于獎酬金提取比例下限設置更高的省份來說，政策產生了更強的刺激作用，但沒有讓政策起作用的時間點縮短，即沒有緩解或消除政策效果滯后性；③在控制高校收益權改革、個體所有權改革以及調整或者增加控制變量等一系列穩健性檢驗中，與動態效應模型相關結論依然保持穩健。

基于上述研究結論以及科技成果轉化領域改革發展現狀，提出以下政策建議：

(1)地方政府要繼續推動個人收益權改革。本研究的一個重要發現是提高獎酬金計提比例政策的確激發了個人參與科技成果轉化積極性，提升了大學科技成果轉化績效。這就驗證了提高個人收益權有助于推動大學科技成果轉化，從而為政府干預個人收益權改革提供了直接證據。在本研究考察的結束點(2017年底)之后，又有一些省份先后出臺了提高個人獎酬金計提比例的政策，但仍然有個別省份至今沒有對此作出規定。顯然，對這些省份來說，當務之急是盡快以地方《促進科技成果轉化條例》或其它正式文件的方式明確個人收益比例。這一方面可為各地方高校制定獎勵個人標準提供政策依據，另一方面可對高校獎勵個人的行為形成約束，保障科技成果轉化過程中各方利益不受損害。對于已經發布獎酬金計提比例政策的省份，教育、科技等部門要認真梳理獎酬金計提政策中的堵點、難點和痛點，做好獎酬金計提政策與相關法律法規的銜接，特別是與國有資產管理辦法的銜接，真正做到讓高校領導者在勤勉盡責、沒有牟取非法利益的前提下放心大膽地作決策。此外，政府部門還需要加強對法律法規和政策文件執行情況的監督檢查，確保政策落實暢通無阻。只有科技人員預見到可以獲得獎酬金，才會更積極地進行科技成果轉化，政策才能更早顯現效果。

(2)制定政策時地方政府或高校要平衡多方利益關系。本文另外一個發現是，制定更高獎酬金提取比例的省份，其高校科技成果轉化績效只是略好于其它省份，并沒有出現更好的效果——政策開始起作用的時間點縮短。既然過高的收益并沒有產出額外的效果，那么，能否從個人收益中分出一部分給其他參與主體，達到利益均衡、長期發展的目的？事實上，這種設想非常有必要。高校科技成果轉化過程需要大學、學院、技術轉移機構以及個人的多方參與，任何一方面的缺失都會使得科技成果成功轉化成為一句空話。美國高校的實際經驗驗證了多方利益均衡是常態，郭英遠等(2018)在對美國常青藤大學技術轉移辦公室(TTO)資料進行整理后發現，大部分高校按照固定比例分配科技成果轉化收益，其中TTO一般獲得收益的15%，剩余85%在學校、學院、發明人團隊之間平均分配。基于此，建議地方政府或高校改變當前盲目追求過高個人獎酬金計提比例的做法，依《促進科技成果轉化法》，實現成果收益在大學、學院、個人以及專業轉化團隊之間的合理分配。

(3)國家層面要繼續深化科技成果轉化領域配套改革。本研究還發現提高科技人員激勵政策的效果存在2～3年的滯后，而且總體效應模型中政策變量不顯著，這說明存在其它因素阻礙此項政策及時發揮效果。僅著眼于激勵政策本身恐怕難以奏效，還需要深化科技成果轉化領域配套改革。從政府部門看，當前應重點抓好以下工作：

一是促進高校應用型科技成果供給。高校是科技成果的主要供給者，其科技活動習慣于在政府資助、興趣驅動的模式下展開。追求成果優先發表權(原創性)是學者職業生涯的核心，只有這樣學者才能得到同行認可，并由此得到職稱晉升。然而，以論文著作為代表的科技成果通常與企業現實需求相脫節，難以直接轉化，本文實證分析部分驗證了這一觀點。在測量高校科技成果供給能力的兩個變量中，離應用型科技成果更“遠”的“國內外全國性刊物發表”變量僅在一個模型中正向顯著，離應用型科技成果更“近”的“科技經費”變量(代表綜合科研實力)則在所有模型中都正向顯著，這說明應用型科技成果更容易實現轉化。促進高校應用型科技成果供給的一個重要手段是推進高校和科研人員分類評價改革，建立健全適應各類科研項目、科技成果、科技人才以及高校特點的分類評價制度體系，為不斷激發高校和科研人員內生動力，促進成果加速轉化應用提供有力保證[27]。

二是增強企業承接高校科技成果的能力。吸納高校技術成果是實現企業技術升級的重要方式。然而，正如前文所述，高校成果往往難以直接轉化，需要進一步開發、熟化。通過各種財政金融工具促進企業開展研發、提高企業吸收高新技術的能力是政府增強企業成果承接能力的一種間接手段，更為直接的手段是政府通過設立財政經費支持大學-企業之間開展合作研究，促成企業盡早接觸高校核心技術，進而獲得核心競爭力[28]。本文實證部分表明，代表企業與大學合作關系的變量(以“企事業單位委托經費”測量)并不顯著，這說明目前大學與企業的合作還不夠深入，企業采用委托高校進行技術開發的方式相對較多，難以實現高校技術成果的真正轉移。今后，增強企業成果承接能力的重點應是促進大學-企業深度合作。

三是形成技術轉移專業人才隊伍建設與培養制度。大學技術轉移機構在成果轉化中發揮著重要作用，是大學的“技術銷售商”[29]，是成果轉化過程的催化劑、粘合劑[30]。然而，《中國科技成果轉化年度報告》調查結果顯示，認可大學技術轉移機構在科技成果轉移轉化過程中具有重要作用的比例非常低[31]。這說明傳統的大學技術轉移機構往往只是高校和企業(風險機構)之間溝通的渠道與平臺，不具備為成果轉化提供產權交易、評估、質押等增值服務的能力，加強職業技術轉移從業人員培養是提升技術轉移服務能力的根本。為此，應盡快形成技術轉移專業人才隊伍建設與培養制度，培養社會化、入門級從業人員，在全社會營造技術轉移氛圍；培養專業化高端人才，儲備一批能夠站在世界科技前沿、勇于開拓創新的高素質從業人員；建立技術轉移服務執業資格制度，定期進行技術轉移服務行業執業資格認證、考核和培訓。