提高科技進步貢獻率的政策與路徑
——基于科技經濟融合度的實證分析

劉雨楓，馮 華

(北京交通大學經濟管理學院，北京 100044)

0 引言

從近五年國家公布的科技進步貢獻率來看，科技與經濟的融合還沒有達到令人滿意的標準。2020年中國科技進步貢獻率超過60%，而美國、日本等主要發達國家已達到80%左右。中國現有體制是建立在分工和職能制管理理論基礎上的工業化產物，隨著分工的深化，管理部門的分割越來越細，面對產業技術跨界融合發展的新趨勢，現有體制偏離了新經濟的發展要求，嚴重制約科技創新，阻礙科技與經濟的深度融合。

按照現有的統計口徑，科技進步貢獻率是廣義的技術進步對經濟的貢獻作用，與資本貢獻率、勞動貢獻率并列，但是并未將人力、制度、市場等因素對經濟增長的貢獻剔除出去，衡量科技對經濟的貢獻存在偏差，也無法準確界定科技經濟融合度的影響因素。本文以計算科技經濟融合度為核心，將傳統的科技進步貢獻率分解為技術進步、技術效率變化率、規模效率和配置效率四項。技術進步所代表的是嚴格意義上的科技進步貢獻率的衡量指標，而技術效率、規模效率以及配置效率則受到由于制度、人力、市場等因素的影響。通過對分解的科技經濟融合度的計算，可以清楚反映全國各省、市、自治區科技與經濟的融合程度，找到創新促進經濟發展的痛處所在，針對不同地區的不同問題提出針對性建議，這樣有助于各地提升科技經濟融合程度，服務于以創新驅動建設現代化經濟體系，實現2035遠景目標。

對科技促進經濟發展的研究肯定了科技對經濟的貢獻作用，指明了痛點與方向，對促進科技經濟融合的路徑進行了分析并提出對策建議，但是缺乏對機理的研究。全社會對科技創新的有效需求明顯增加，實施創新驅動發展戰略的一個重要工作是深化科技體制改革，特別是加強頂層設計[1]。深化科技體制改革，關鍵是推動科技與經濟社會發展緊密結合，消除科技創新中的孤島現象[2]。中國的經濟增長更多依靠重大技術創新，特別是原始創新將開拓新的產業領域，形成新的經濟增長點和消費熱點，創新驅動發展需要通過深化改革來實現[3]。經濟結構的調整不僅僅依靠市場，創新驅動產業轉型和戰略性新興產業的發展對經濟發展起到關鍵作用，這也是創新產業化提出的雛形[4]。要跨越科技經濟之間的鴻溝，推進科技經濟深度融合，主要是通過處理好政府與市場的關系、重視成果轉移轉化和促進深度融合三者關系實現的[5]。孟秀蘭等[6]構建了科技創新系統與經濟發展系統的評價體系，利用協調模型計算了金華市的創新與地區經濟融合發展。陳子韜等[7]認為科技經濟融合水平與經濟增長之間存在耦合關系，科技資源有效配置和科技成果合理轉化有助于經濟增長，而科技與經濟脫鉤會阻礙創新能力轉化為經濟增長動力。辛璐等[8]研究認為，專利與研發投入在促進經濟增長過程中存在滯后效應。王岳森[9]則更具體地描述了推動科技經濟深度融合的三條途徑。對科技經濟深度融合的研究集中在對其影響因素、體制機制對策和影響機理等方面，但是缺乏對科技經濟融合度的概念定義與準確衡量，沒有從效率的角度衡量科技經濟深度融合，缺乏從科技經濟融合度的具體組成部分上提升科技經濟融合度的具體舉措。

中外學者多采用科技進步貢獻率來衡量科技經濟融合的程度，科技進步貢獻率主要通過三種方法計算，即索洛余值法[10-19]、數據包絡分析法 (DEA)[20-28]、隨機前沿法[29-34]。此外，還有神經網絡法[35]、評價法[36]、CDM模型[37]等計算方法。本文的創新點是將科技經濟融合度的計算與全要素生產率區分開來，利用技術進步率、技術效率、配置效率和規模效率四部分來衡量科技經濟融合度，避免了傳統方法中利用全要素生產率衡量帶來的虛高，排除了資本、勞動等有形要素對于經濟的貢獻。準確區分科技進步、人力資本、制度政策、市場等因素給經濟增長帶來的影響，避免由于理論概念與統計概念及其內容的不一致而導致的夸大科技進步對經濟增長的貢獻程度。

1 科技經濟融合度計算的理論基礎與模型構建

1.1 科技經濟融合度的計算方法分析

根據《中國科技統計年鑒》，科技進步貢獻率是指廣義技術進步對經濟增長的貢獻份額，即扣除資本和勞動貢獻后，包括科技在內的其他因素對經濟增長的貢獻。各個國家和機構的計算方法如表1所示。

表1 科技進步貢獻率的計算方法

總體來看，各國對于科技進步貢獻率的計算主要是基于索洛余值法進行核算，計算的是廣義科技進步對經濟增長的促進作用，利用扣除資本與人力投入之后的因素作為科技進步貢獻率。這樣計算出的科技進步貢獻率不僅包含狹義上的科技進步，而且將包括市場、貿易、制度、政策、人力資本等因素對經濟增長的促進作用統統包含進來，不利于統計狹義的科技進步對經濟的貢獻程度，無法準確考量技術創新對經濟增長的作用，其結果常常夸大科技進步的實際作用，對于現今背景下研究創新驅動經濟發展的路徑機理及其體制機制構建存在偏差。可見，利用科技進步貢獻率指標衡量科技經濟深度融合在概念上是存在偏差的。在科技經濟融合度的計算中，應該將技術進步、技術效率提高、規模效率提高和配置效率提高分開計算。本文通過分解全要素生產率的方法計算出分解的科技進步貢獻率，以更準確地表達科技經濟融合度。

1.2 對科技經濟深度融合的衡量及計算方法

本文采用隨機前沿函數法將全要素生產率分解為技術進步、技術效率變化率、規模效率和配置效率。其中，技術進步代表的就是狹義科技進步對經濟增長的貢獻，而技術效率、規模效率以及配置效率的變化受到制度、人力、市場等因素的影響。

在現實情況中，索洛殘差法的假設過于嚴苛，導致其在計算過程中會出現偏差，而且在計算科技進步貢獻率時也無法將制度、人力和市場等因素對經濟增長產生的影響剔除出來，無法計算規模經濟的改善和效率的提高。隱形變量法是基于C-D生產函數，在規模報酬不變和技術中性的基礎上對科技進步貢獻率進行計算，仍然無法解決高估科技進步貢獻程度的問題。隨機前沿函數分析法將生產函數的形式轉化為超越對數生產函數，而超越對數生產函數的優點就在于可以放松規模報酬不變和技術中性的假定，面板數據的使用也使得測算更加準確。本文采用隨機前沿模型 (SFA)分解全要素生產率，基于BC1992個體效應模型[39]，利用Kumbhakar等[40]所提出的面板數據的隨機前沿生產函數模型進一步將全要素生產率分解為技術進步、技術效率、規模效率和配置效率，來衡量科技經濟融合度。

2 科技經濟融合度計算的實證分析

2.1 模型構建

SFA函數模型的基本形式如下：

yit=f(xit，t；β)×exp(vit-uit)

uit=ui×ηit=ui×exp[-η× (t-T)]

(1)

式中，yit為i省在t年度的總產出；f(xit，t；β)為函數中的確定性前沿產出部分；xit為i省在t年度經營實際中的生產要素投入量；β為函數確定性前沿產出部分中各自變量所對應的待估計參數；模型中引入時間變量t代表行業技術變化；vit則表示原函數結構中假設為服從獨立同分布的各隨機誤差項;uit是原函數的技術無效率指數；η表示技術效率值增長的大小，exp[-η× (t-T)]表示在T至t時間段內技術效率增長的指數值。

在式 (1)的基礎上，通過轉換超越對數生產函數的形式將其展開，得到本文計算的理論模型：

(2)

式中,n=1,2…N，N表示不同的農業生產要素，本文選取勞動力 (x1)、資本 (x2)兩種生產要素，即N=2，再結合時間變量t，共計三個基礎變量。

2.2 指標選取與數據說明

產出指標y選取各省的總產值，單位為億元。年份的具體產值是在設定基期的數據上，通過各省的消費價格指數平減轉換為可比數據。要素投入量指標：勞動力要素投入量指標選取各省的城鎮就業人員數，單位為萬人；資本投入選取各省的固定資產投資，根據永續盤存方法計算得出，折舊率為 10.96%。要素價格指標：勞動力價格為各省就業人員平均工資，資本價格為3～5年期貸款利率。本文以2009年為基期對數據進行調整，通過計算得出技術進步率、技術效率、規模效率以及配置效率。考慮到數據的可得性，本文選取31個省、市、自治區，時間范圍選定為2010—2019年，數據來源于《中國統計年鑒》、各省統計年鑒以及統計部門官網。

2.3 科技經濟融合度分解計算模型估計結果

本文利用SFA方法計算與分解各省的全要素生產，得出各省的科技經濟融合度。利用整理所得面板數據以及Frontier軟件，最終估計的各參數結果見表2。

表2 面板數據隨機前沿函數回歸分析結果

根據隨機前沿回歸結果，通過參數計算的方式計算31個省、市、自治區10年來的技術進步、技術效率變化率、規模效率和配置效率。計算結果表明，技術效率水平10年來呈現平穩或下降趨勢。技術效率的逐年降低是科技經濟融合度不足的重要表現。江蘇、山東、廣東是技術效率較高的幾個城市，技術效率值一直維持在90%左右，廣東更是維持在97%的高水平。寧夏、海南等地區的技術效率值很低，在投入和產出方面呈現出較為嚴重的低效現象。創新創業環境的優化提高了科技促進經濟的規模效率，提升了科技經濟融合度。從數據看，北京、上海、廣東、江蘇、浙江等原本就具備較強科技規模的省份的規模效率提升較為明顯，提升幅度接近20%，排在全國前列。值得注意的是內蒙古、寧夏、四川等地區10年來實現了規模效率從無到有的飛躍，漲幅接近30%，反映了創新創業規模的逐漸擴大對當地科技經濟融合的重要促進作用。配置效率呈現整體上升趨勢，北京、天津等地區的增幅接近10%。值得注意的是，上海、浙江、福建、廣東等多個地區的配置效率都出現達到峰值后的降低，這可能和資源的利用率有關。

2.4 穩健性檢驗

除了利用SFA分解與計算全要素生產率從而得出效率參數外，學界還經常通過DEA法計算Malmquist指數來計算效率。為了確保上述計算結果的穩健性，本文利用DEA模型進行效率測算，再通過Malmquist 指數模型分解全要素生產率，對各省的綜合效率以及純技術效率的變動情況進行分析，以驗證前文對科技經濟融合度的計算情況。產出指標仍然選取各省總產值，年份的具體產值是在設定基期的數據上通過指數平減轉換為可比數據。要素投入量指標中，勞動力要素投入量指標選取各省的城鎮就業人員數，單位為萬人；資本投入選取各省的固定資產投資，根據永續盤存方法計算得出，單位為億元。與前文保持一致，通過計算得出以2010年為基準的Malmquist指數測算結果。由于DEA法是以2010年的技術標準為1進行衡量的，大于1表示相對于2010年效率的提高，小于1表示降低，大于或小于的數值相當于當年人均升高/降低的百分比。DEA法計算的技術效率、技術進步率和規模效率是相對趨勢值，通過對技術效率、技術進步率和規模效率整體趨勢的對比，驗證了前文計算結果的穩健性。

3 科技經濟融合度計算結果分析

3.1 全國科技經濟融合度計算結果

通過將技術效率、技術進步率、規模效率和配置效率進行加權平均，計算得出2010—2019年31個省、市、自治區的科技經濟融合度。從總體趨勢來看，科技經濟融合度不斷增加。2019年，科技經濟融合度最高的省份是廣東省，北京、安徽、江蘇等地也在全國位于前列，這些城市也是創新資源聚集、創業孵化發展較為良好的地區，從側面反映了創新創業對于科技經濟深度融合的促進作用。從分解效率來看，大部分省份的技術進步率和技術效率呈現出下降趨勢，僅有北京、上海、廣東、江蘇、浙江和重慶六個地區的技術進步率呈現出上升趨勢，大部分地區新技術的科技含量不足，技術進步緩慢制約了科技促進經濟增長。廣東、江蘇兩地的技術利用率在十年間維持了高水平，但大部分城市的技術效率都維持在50%～60%甚至更低的水平，且呈現出下降趨勢，新技術無法得到高效利用成為制約科技經濟深度融合的重要原因。十年來促進科技經濟融合度不斷提升的主要原因是規模效率和配置效率的提升，但是規模效率和配置效率的提升對科技經濟融合度的促進作用是有閾值的，北京、天津等中部地區出現了規模效率達到峰值后下降的情況，這與新技術的科技含量不足以及利用率較低相關。所以針對不同地區科技經濟融合的歷史趨勢和現狀，應該構建具有針對性的創新創業體制機制以促進其科技經濟的深度融合。

3.2 分區域科技經濟融合度計算結果

中部六省在2019年的科技經濟融合度呈現出兩極分化趨勢，其中，安徽的科技經濟融合度很高，處于全國前列，在技術創新和技術效率方面其下降幅度很小，在規模效率和配置效率方面提升幅度較大，此消彼長使得其科技經濟融合度處于很高水平。湖北的科技經濟融合度不高，僅僅高于新疆和吉林。從趨勢看，六個省份10年來的科技經濟融合度都呈現出整體上升趨勢。山西的科技經濟融合度提升幅度較大，從2010年的7.18%提升到2019年的41.88%，在技術效率和技術進步出現負增長的情況下，科技對經濟貢獻率的提高主要得益于規模效率的提升。2010年山西的規模效率僅為1.61%，隨著科技資源的投入和科技基礎設施的建設，對科技資源的利用率也逐步提升，山西的規模效率提升到24.76%，僅次于江蘇等科技大省，位居全國前列，與之類似的還有江西。河南除了在規模效率和配置效率小幅度提升以外，其科技經濟融合度較高的主要原因源于其較高的技術效率。在全國技術效率下降的大趨勢下，河南的技術效率基數很高，僅次于山東和江蘇，位于全國第三，良好的技術效率基礎加之配置效率和規模效率提高，保證了其科技經濟的深度融合。湖北的配置效率和規模效率都處于較低水平，10年間雖然持續增長，但是一直處于全國較低水平，對于科技資源的利用和科技基礎設施建設的紅利還沒有完全被體現，正是規模效率和配置效率的低下導致湖北科技經濟融合度較低。總體來講，東部六省的科技經濟貢獻率都處于提升的趨勢，其主要原因是配置效率和規模效率的提升抵消了技術效率和技術進步率的下降。

2019年東部地區的科技經濟融合出現了兩極分化情況，廣東的科技經濟融合度很高，其數值達到55.14%，位居全國第一；上海的科技經濟融合度僅為31.74%，低于全國平均水平。東部十省的科技經濟融合情況基本上分為三個梯隊，廣東作為第一梯隊領跑東部十省；北京、天津、江蘇、海南作為第二梯隊均超過全國平均水平；河北、上海、山東、浙江、福建作為第三梯隊，其科技經濟融合度均未超過35%。東部十省的發展趨勢也呈現出不同特點。第一類持續上升型：江蘇、廣東。在大部分省份科技進步率降低的情況下，江蘇和廣東均保持持續增長態勢，為科技經濟融合打下良好的技術基礎。在技術效率方面，江蘇和廣東也是下降幅度最小的。廣東能夠成為科技經濟融合度最高的省份與其技術效率長期保持高效也是密不可分的，2010—2019年，廣東的技術效率一直維持在97%以上的高水平，全國領先。與中部城市的融合度提升主要依賴規模效率和配置效率不同，廣東與江蘇的規模效率與配置效率雖然也在持續提升，但是提升幅度并不突出，科技經濟融合良好的主要原因在于技術的進步和超高的技術效率。第二類倒U形：北京、天津、河北、山東、海南、浙江。這類城市的特點是在某個年份科技經濟融合度達到峰值，然后出現下降趨勢，其下降的原因都是由于規模效率達到峰值，無法持續提高科技經濟融合度，可能是由于經濟投入、規模擴大的紅利達到峰值，在現有技術基礎上很難再通過規模擴大對經濟產生促進作用，提高規模效率，反而因為資源浪費降低規模效率。除了北京外，其他五個省份的技術效率和技術進步率都處于降低狀態，技術進步率成為阻礙科技經濟進一步融合的主要原因。第三類波動型：福建和上海。科技經濟融合度在某個年份達到峰值后出現下降，又在近幾年呈現出反彈趨勢。從分解的效率分析可以清晰看出兩地的科技經濟融合度出現波動的主要原因，其下降的原因與北京等省市的原因相同，但是福建在技術進步率和配置效率方面自2017年開始出現反彈，成為其科技經濟融合度提升的主要原因。上海則是在技術進步率持續提升的基礎上，規模效率達到峰值下降后又由于技術進步出現的二次反彈。從分解的效率看，上海的技術進步率領先全國，自2010年開始持續上升，2019年達到5.98%，位居全國第一。在技術持續的基礎上，上海的技術效率下降幅度也并不大，只是不足60%的技術效率在一定程度上阻礙了其科技經濟的融合。導致上海科技經濟融合度較低的主要原因是規模效率和配置效率的低下，嚴重阻礙了科技經濟深度融合。

在西部地區，科技對經濟的貢獻度分為三個梯隊。較高的省份有內蒙古、甘肅、云南、寧夏。這些省份的特點是十年來科技資源幾乎實現了從無到有的跨越式發展，科技進步和科技基礎設施的構建使得其規模效率和配置效率大幅度提升，從而提高了科技對經濟的貢獻率。其中，內蒙古的科技發展態勢喜人，從2014年開始其技術進步率不斷提升，成為西部地區唯一技術進步率提高的省份。較差的省份有重慶、四川、廣西、青海，其中，重慶、四川和廣西與中部的大部分省份類似，規模效率的降低成為其科技經濟融合度降低的主要原因，下一步應該從提高技術進步率和技術利用率入手提高科技含量。青海的科技經濟融合度低主要是由于其技術的利用效率極低，2019年僅為10%，為全國最低，對技術的低效利用，加之原本就不高的技術水平，導致其科技本身發展較差，很難對經濟產生重大影響。融合程度很差的省份有貴州、陜西、新疆。除了技術進步率逐年下降外，貴州和新疆的技術效率也十分低下。這三個省份還有一個共同特點就是規模效率與配置效率很低，成為阻礙其科技經濟融合的主要原因。所以還應該從體制機制入手，構建起促進科技進步的體制機制，以提高西部地區的科技經濟融合度。

東北地區的科技經濟融合度在全國處于中游，遼寧和黑龍江的科技經濟融合情況在全國處于中等水平，吉林的融合度很低，僅僅高于貴州。從趨勢看，遼寧是十年來科技經濟融合程度提升最高的省份，2010年遼寧和吉林的科技經濟融合度較為類似，分別為7.13%和7.7%。經過十年的發展，遼寧以39.1%的融合度一躍成為東三省最好的省份，黑龍江的增長幅度較低，以38.21%略低于遼寧，吉林僅為24.85%，科技對經濟的貢獻率提升較小。從技術進步率來看，吉林和黑龍江的下降幅度均大于遼寧，技術效率一直低于遼寧，也低于全國平均水平。吉林科技經濟融合度低的主要原因在于規模效率和配置效率原本就較低的前提下，提升幅度也很小，導致其科技經濟融合度很低。從規模效率看，遼寧從3.14%提升到22.8%，與之類似，吉林僅僅從2.99%提升到11.39%，差距接近一倍之多，黑龍江雖然與吉林類似，但是其融合基礎較好，所以科技經濟融合程度尚處于平均水平。總體來看，東北三省未來提高科技經濟融合度的潛力較大，特別是對于充分發揮規模效率和配置效率優勢的吉林，在科技財政投入進一步增加、科技基礎設施進一步完善的高質量發展背景下，有望高速提升其科技經濟貢獻度。對于遼寧和黑龍江而言，在技術效率和技術進步率的提高方面也有很大空間。

4 政策建議

4.1 提升科技欠發達地區的技術進步率，增強原始創新能力

第一，要穩步推進科技新型基礎設施的建設。做好頂層設計，明確產業發展重點和次序，防止造成無效投資、產能過剩等問題。創新新型基礎設施建設的投融資體系，以需求為導向，加強工程推進和資金使用協同管理。注重全產業鏈協同合作，避免商業模式探索周期過長、供應鏈中斷等風險點的出現。第二，要加強科技欠發達地區的基礎研究投入力度。在基礎研究經費投入持續增加的基礎上，找到項目競爭和穩定支持之間的平衡點，既要避免出現 “吃大鍋飯”的問題，實現良性互動，也要為那些甘于堅持長期研究的領域提供穩定支持。可以根據項目競爭獲取經費的比例提供穩定支持，同時要對穩定支持的經費構建好約束和監督機制。在基礎研究領域加強需求導向牽引，瞄準科技前沿以及重大需求，解決技術瓶頸背后的關鍵科學問題。第三，發揮舉國體制在科技欠發達地區原始創新能力提升方面的重要作用。在科技欠發達地區堅持“揭榜掛帥”制度，吸引高水平團隊進駐。以國家中長期發展的戰略需求為導向設置需求，同時選取利益不相關的專家組選取揭榜人，以揭榜掛帥的方式為科技欠發達地區的原始創新選帥，讓企業和更多創新主體在當地重大科技創新項目中占有一席之地，提升地區的原始創新能力，提高技術進步率與科技經濟融合度。

4.2 提升技術效率，打通科技向經濟轉化的渠道

為了提升技術效率，應該基于創新鏈全鏈條提供技術服務，提升技術效率。在創新鏈前端堅持 “企業創新主體”，以企業技術需求為靶向提高技術供給質量。引導技術市場交易由供給推動轉向需求牽引，將企業的主體地位和需求貫穿于技術市場交易的全鏈條。對于在研和預研的科技成果，需建立促進科研成果研究開發與市場需求緊密結合的新機制和新模式，支持企業參與到科技研發前端，及時調整成果研發方向，實現科技成果 “定制化”供給。對于已產生的科技成果，需進一步完善高質量科技成果精準對接機制和匹配機制，依托精準對接機制迅速轉移一批應用前景廣的科技成果。在創新鏈中后端做好技術增值，構建從技術服務、技術流通到技術交易的全鏈條技術增值體系。在技術服務方面，要建成精準對接創業企業的孵化器4.0模式，建設以互聯網為平臺的創業孵化體制，在孵化器內形成創新型產業集群、創新產業聯盟等組織。在技術流通方面，要加強已有硬件設施的信息傳遞和資源共享功能，實現科研數據、科技信息、器材設備、實驗材料等的高效傳遞與利用，促進部門之間、行業之間的溝通交流。在技術交易方面，應該探索建設現代技術交易市場。按照以市場為導向、以企業為主體、多方參與、平臺化運作的模式，加速線下技術交易市場建設，整合技術交易各方全要素資源，逐步建設線上技術交易數字化平臺，開展網上交流、信息發布、數據分析等工作，探索技術交易市場新模式、新方式，構建科技成果交易轉化的技術服務生態體系。以覆蓋全創新鏈的技術服務提高技術的利用率和轉化率，通過提升技術效率的方式提升科技經濟融合度。

4.3 突破規模效率倒U形拐點，增強要素投入的貢獻率

東部科技發達地區應該革新科技金融與科技人才體制機制，保障以要素的規模效率增長提升區域科技經濟融合度。對于科技金融體制改革，要構建科技投資的風險分攤機制。由于科技信貸的體制不完善，加之初創企業的資源匱乏，缺少擔保物，從而導致融資困難。要推進發展無形資產評估定價，為科技企業進行無形資產抵押貸款提供基礎。鼓勵設立科技擔保公司，科技擔保公司成立專門的小微事業部，為科技企業發展制定專屬服務方案及系列產品，為其提供融資擔保。拓展科技擔保公司的業務范圍，覆蓋貸款擔保、票據擔保、集合信托計劃擔保、履約擔保、訴訟保全擔保、典當融資等業務品種，同時還應構建科技信貸風險消化體制。商業銀行把科技信貸資產分為優質資產與普通資產，給予一定的政策支持，放寬限制條件，制定標準，建立起信貸資產證券化審批流程制度，幫助商業銀行消化科技信貸的資金安全、資金占用及資金周轉風險。在有效管理風險的基礎上，不斷優化商業銀行資產負債結構，提升科技信貸資產使用效率，增加商業銀行對科技型企業的貸款意愿。另外，還應該突出人才驅動的核心作用，注重對現有人才的評價與保障機制。要將北京等地區激發科技人員創新活力的科研評價制度在全國推廣，構建以創新力與戰略性創新人才為核心的選拔機制。建立創新績效的評價體系，賦予創新以更高的容錯性，根據不同的創新活動建立符合其規律的評價體系。政府要做到放權于用人單位，將創新人才的任用權回歸市場，減少政府干預。同時切實保障科研人員的實際利益，健全科技成果轉化收益合理分配機制，推動科技成果評價的社會化、市場化和規范化落實，以增加知識價值為導向的收入分配政策，建立健全職務科技成果轉化收益分配機制，發揮市場在資源配置中的決定性作用。

4.4 維持配置效率增長趨勢，優化現有體制機制，保障科技經濟深度融合

實證分析表明，配置效率的提高是維持科技經濟融合度逐年提升的主要因素，所以各地應當注重對配置效率的進一步提升，保障2035年全面建成創新型國家遠景目標的實現。應當著力于深化技術市場要素配置改革，提升技術的配置效率。做好技術資源的“調控者”，推進要素市場制度建設；做好機制運行的“監督者”，在政府參與創業孵化體制機制建設的各個環節，都要設計嚴格明確的相關約束，避免任何人使用政府信譽和權利侵占公共資源以及權力尋租行為；做好新制度的“設計者”，進一步健全職務科技成果產權制度，暢通技術要素市場配置渠道。