政府支持对产学知识流动双元效率的影响——以137所“双一流”建设高校为例

王晓红，张少鹏，张奔

（1.哈尔滨工业大学 经济与管理学院，黑龙江 哈尔滨 150001；2.哈尔滨理工大学 经济与管理学院，黑龙江 哈尔滨 150080）

一、文献综述

为提升中国高等学校人才培养和科研水平，发挥高校知识管理和科技创新的重要力量，中国先后在2015年11月和2017年1月提出“双一流大学”的建设方案，2017年9月正式确认了“双一流”建设高校及学科名单，首批双一流建设高校共137所，其中世界一流大学建设高校42所，世界一流学科建设高校95所。“双一流”建设方案的启动实施，是中国高等教育发展的必然选择，更是中国创新驱动发展战略的重要举措[1]。与此同时，“双一流”建设也要求入选高校健全科研机制，通过开展产学研协同创新，进一步优化资源配置，提升高校科技创新能力[2]。在此基础上，深化产学协同创新，提升高校与产业之间的知识流动效率，推动产学知识创新和成果转化机制成为“双一流”建设高校的重要目标。

知识流动是指知识通过相应媒介与路径在不同的知识主体之间发生运动的过程，在这个过程中，不仅实现了知识的共享和创新，而且也是知识主体参与方获得知识价值的重要手段[3]。在当今知识经济时代，产学协同创新通过双方参与知识流动过程实现高校和产业间的知识互动和资源优势互补，对产业和高校的技术创新、国家和地区的经济发展起着重要作用，是建设创新型国家的重要战略支撑[4-5][6]135。在“双一流”建设背景下，继续深化产学深度融合体系已经成为推动中国高等教育发展和创新驱动发展战略实施的关键支撑。然而，关于产学合作的国内外研究大多聚焦于企业主体视角[7-8]，对高校科研绩效的研究虽然在逐渐增多[9]，但是仍鲜有学者从高校主体视角研究产学知识流动效率的影响机制。

此外，根据知识流动理论，知识流动的本质是知识在创新主体之间发生知识共享、转移和使用的过程，这个过程同时也会实现知识价值创造[10]。在产学协同创新体制中，高校为知识输出端，产业为知识输入端，通过知识流动过程将知识有效应用于产业创新活动的各个环节，从而促进产业发展[11-12]。依据创新价值链理论，创新过程基于双元性视角可以分为创新研发活动（探索）和成果转化活动（利用）两个阶段[13-14]。基于此，本文认为产学知识流动效率可以就创新价值链的双元性分为知识创新效率和知识转化效率，其中在知识创新阶段，高校接受产业的资金投入作为研发经费来源，为高校研发人员的科研工作提供财力支持进而实现知识创新[15]223[16]；在知识转化阶段，高校在与产业合作的过程中，一方面获得产业对知识研发活动的资金支持，另一方面可以了解产业运营管理模式从而激发科研人员的研发兴趣和灵感，帮助产业更好地实现知识转化[17-18]。

在产学知识流动过程中，政府作为创新主体之一，同样与高校和产业之间存在互动关系，因此也有学者提出官产学三重螺旋结构的协同创新体系[19]83。在此协同创新体系中，高校作为知识流动的输出端，是创造知识价值的主体，也是知识创新阶段的主要承担者和创新者；产业作为知识流动的输入端，是研发经费的来源之一，也是知识转化阶段的主要受益者和应用者；地方政府作为政策制定者通常会使用政策工具如财政支持对产学知识创新和知识转化进行宏观调控。也就是说，政府支持会对高校的产学知识流动的双元效率产生影响。既有研究发现，对于不同类型的高校，产学合作强度不同，并且高校科研绩效也有较大差异，同时获得的政府支持也存在差距[20]。因此，高校类型同样是影响产学知识流动双元效率的重要因素之一，并且高校类型可能会对政府支持与产学知识流动双元效率的关系产生调节作用。作为首批“双一流”建设高校，中央财政势必会通过相关专项资金对这些高等学校给予引导支持，同时也会鼓励地方政府对高校给予多元化的财政支持。在此背景下，探究政府支持对“双一流”建设高校产学知识流动双元效率的影响以及高校类型在其中发挥的作用则具有重要的现实意义。

鉴于此，本文以137所“双一流”建设高校为例，基于2008—2017年的省域和高校面板数据，在使用超效率数据包络分析（Date Envelope Analysis，EDA）模型测度其产学知识创新效率和产学知识转化效率的基础上，采取面板Tobit模型研究政府支持对产学知识流动双元效率的影响效应以及高校类型的调节作用，并针对不同高校集聚程度和地区分布特征进行异质性影响分析。

二、实证研究设计

（一）研究样本与数据来源

本文用以实证分析的数据主要来源于教育部发布的《高等学校科技统计资料汇编》、国家统计局发布的《中国统计年鉴》以及教育部、财政部、国家发改委联合发布的《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》文件，另外从国家知识产权局专利局官网获得高校专利数据。样本期选择为2008—2017年，其中，研究样本主要选取中国137所“双一流”建设高校，共1 370个观测样本，高校样本遍布中国除港澳台行政区以外的31个省市自治区（以下简称省域）。

（二）模型设定

1.超效率DEA模型

一般而言，产学知识流动双元效率的测算多依赖于多个投入指标与产出指标，具体到知识创新效率和知识转化效率均需要使用多投入—多产出的指标体系。由于传统DEA模型没有考虑松弛变量的存在，并且对多个有效决策单元无法进行评价[21]47，因此为解决上述问题，本文选择使用超效率DEA模型测度产学知识流动双元效率。在效率测算过程中，对于产学知识流动无效率的决策单元，超效率DEA模型与传统DEA模型的测算结果一致；对于产学知识流动有效率的决策单元，超效率DEA模型的效率值一般会大于1。使用2008—2017年中国137所“双一流”建设高校的面板数据，基于投入导向的超效率DEA模型测度产学知识流动双元效率，具体模型如下

其中，θ表示各高校的产学知识创新效率和知识转化效率；ε表示非阿基米德无穷小量；m表示各高校知识投入种类数；s表示各高校知识产出种类数；n表示高校数量；均表示松弛变量；xij表示第j个高校的第i种投入；yrj表示第j个高校的第r种产出；λi表示权重向量；θ<1代表产学知识流动非最优效率，θ>1代表产学知识流动处于最优效率，可以进一步比较分析。

2.面板 Tobit模型

由于基于超效率DEA模型测度的产学知识流动双元效率值介于0～2之间，使用普通最小二乘法（Ordinary Least Squares，OLS）分析容易产生误差，因此需采用面板Tobit模型进行极大似然估计。计量模型设定如下

其中，reit和teit分别表示第i个高校在第t个时期的产学知识创新效率和知识转化效率；govern表示政府支持；govern2表示政府支持的二次项；schtype表示高校类型；govtype表示政府支持与高校类型的交互项；xn表示其他控制变量；α表示常数项；β1～βn表示回归系数；ε表示随机扰动项。需要说明的是，由于模型中存在二次项和交互项，因此为保证回归结果的科学性、可比性并避免产生多重共线性，本文对政府支持与高校类型这两个变量采取标准化处理。

（三）变量选取及解释

1.被解释变量

本文的被解释变量是基于超效率DEA模型测度得来的137所“双一流”建设高校在2008—2017年的产学知识流动双元效率，分别是知识创新效率（re）和知识转化效率（te）。其中，参考既有文献中关于高校创新投入和成果产出的指标选取[21]48[22]506[23]109，本文测度产学知识创新效率的投入指标为高校研究与发展人员当时全量和企事业单位委托合作资金总额，产出指标是学术论文篇数和授权专利总数①在知识创新阶段，高校创新产出的指标较多，主要分为基础研究成果和应用研究成果，本文选取学术论文作为高校基础研究成果的代理指标，选取授权专利作为应用研究的代理指标。同时，作为基础研究和应用研究的主要成果，学术论文和授权专利也是高校与产业合作中有望实现知识转化的投入指标。；测度产学知识转化效率的投入指标为知识创新效率的产出指标，即学术论文篇数和授权专利总数，产出指标为技术转让签订合同数和技术转让经费总额。由于高校的投入与产出一般存在一定滞后性[6]138[22]505，因此本文选取相关投入指标滞后一年的数据。以上数据来源于2007—2018年 《高等学校科技统计资料汇编》以及国家知识产权局专利局官网，产学知识流动效率的评价指标体系如表1所示。

2.核心解释变量

本文选取的核心解释变量是政府支持，调节变量是高校类型。其中，政府支持主要是指政府为高校从事科研工作提供的资金、政策、资源等支持（如高校获得的政府科学基金支持等），为有效衡量政府支持力度，本文选取政府资金占高校科研经费总数的比例作为衡量政府支持的变量。考虑到政府支持虽然有利于高校开展产学合作，但是一旦超过一定范围，政府参与产学合作反而可能会对高校产学知识流动造成过度干预的效果，并且过多的政府财政支持有可能会对高校自主创新造成一定的挤出效应，不利于产学知识流动效率的提升。因此，本文还将政府支持的二次项纳入实证模型，检验其是否存在非线性影响。高校类型主要分为两类，根据“双一流”高校建设方案，其中一类为世界一流大学A类建设高校即原“985工程”高校并赋值为1，另一类为其他高校包含世界一流大学B类建设高校及世界一流学科建设高校并赋值为0②世界一流大学建设高校有A类和B类之分，B类高校共有六所，其中三所为原“985工程”高校、三所为地区特色高校。由于B类高校的科研实力和建设成效与A类高校有明显差距，因此本文将A类高校单独归为一类，将B类高校与世界一流学科建设高校共同归为一类。。鉴于前者为后者在研究型大学建设路径上可以发挥创新扩散效应，为方便表述，本文将前者定义为创新型大学，将后者定义为扩散型大学。以上数据来源于2008—2017年《高等学校科技统计资料汇编》以及2017年9月发布的《关于公布世界一流大学和一流学科建设高校及建设学科名单的通知》文件。

表1 产学知识流动双元效率评价指标体系

3.控制变量

本文选取控制变量主要基于两种特征：高校个体特征与省域基本特征，其中，高校个体特征包括高校成立年限和科研人员结构两个变量；省域基本特征包括研发经费投入和创新资源集聚程度两个变量。

1）高校成立年限。中国高等学校自成立起，就与知识创新和成果转化不可分割，作为科技创新主体，同样也在经年累月承担着大量的产学合作项目，一般来说，高校科学研究存在着明显的创新累积优势[24]，伴随高校成立年限的增长，其产学知识流动的双元效率可能会受益于创新累积优势而得以提升。相关数据取自各高校官方网站并进行年限运算。

2）科研人员结构。高校科研人员是承担产学合作项目的主力军，在创新驱动战略建设中是重要的人力资本，但是如果一味追求人力资本积累而忽视人力资本结构往往会导致后期乏力的结果。既有文献也指出，通过吸收高素质科研工作者构建高效能科研团队对高校知识创新和知识转化理论上应存在正向作用[25]106。该数据来源于2008—2017年《高等学校科技统计资料汇编》。

3）技术创新投入。地方政府的技术创新投入是高校开展科学研究的前提，省域研发经费投入越多意味着对于高校科技创新的重视度和关注度越高。此外，充足的研发经费支持是保证高校科研人员科学创造性的关键因素，作为科研资源的集合，高校是产出科研效益的主要平台。省域研发经费投入越多，越有利于促进高校研发创新和成果应用[25]105。该数据来源于2008—2017年《中国统计年鉴》。

4）区域创新资源集聚程度。高校拥有丰富的创新资源，是区域创新系统的重要组成部分。作为创新资源投入的多重复合系统工程，区域创新要求创新资源合理配置，在创新资源有限的条件下，创新资源集聚有利于提升区域整体创新能力[26][27]41。因此，创新资源集聚程度越高，表明区域创新资源集聚水平越高，对高校产学知识流动双元效率的提升作用越强[27]42。该数据来源于2008—2017年《高等学校科技统计资料汇编》并经过科研人员比例运算。

相关变量的定义、说明和描述性分析结果如表2所示。

表2 变量定义与说明

三、实证检验与结果分析

（一）相关检验结果

在进行面板数据分析之前，需检验面板数据的平稳性即是否存在单位根，常用的单位根检验法有LLC（Levin-Lin-Chu）检验和 IPS（Im-Pesaran-Shin）检验。本文采用 LLC和IPS检验数据的平稳性，检验结果显示（表3），在两种单位根检验下，均强烈拒绝有单位根的假设，即该面板数据是平稳的，可以用于面板数据分析，不会出现伪回归问题。

由于本文涉及变量较多，因此在做回归分析之前还应检验变量间是否存在多重共线性，检验结果显示，模型中解释变量的方差膨胀因子（Variance Inflation Factor，VIF）最高为4.892，均小于10，表明模型不存在多重共线性问题。

表3 单位根检验结果

为进一步观察模型各变量的相关性关系，本文还使用皮尔逊相关系数矩阵进行相关性分析，分析结果如表4所示，模型的被解释变量和解释变量之间的相关性系数较高，表明被解释变量与解释变量的相关性关系较强，变量选取较为可靠；并且，解释变量之间的相关性系数较低，最高不超过0.7，表明解释变量之间的共线性问题不严重，验证了VIF检验结果。

表4 相关性分析结果

（二）实证结果分析

1.产学知识流动效率的测度结果

限于篇幅，本文以高校所在地区为决策单元，分析中国高校的产学知识流动双元效率的测度结果。根据中国地区经济发展水平和空间分布特征，可以大体分为东部、中部和西部三大地区[22]507。表5给出了全国范围以及三大地区的“双一流”建设高校在2008—2017年的产学知识创新效率均值与产学知识转化效率均值。

具体而言，中国“双一流”建设高校的产学知识创新效率和知识转化效率在空间区位上存在分布不均衡的现象。一方面，就知识创新效率而言，从表5中可以看出，东部地区高校的产学知识创新效率均值（综合效率）最高，西部地区高校的产学知识创新效率均值最低。这可能是因为，东部地区产业最为发达，高校与产业建立合作关系较为频繁，并且东部地区研究型高校较多，高校之间开展创新合作行为有利于提升彼此的知识创新效率。西部地区的效率均值低于东部地区和中部地区，这与西部地区的经济发展水平和创新能力较低有一定关系，无论是产学合作规模还是高校开展科研活动的技术创新能力均处于较弱水平[21]48[22]507[28]。另一方面，就产学知识转化效率而言，中部地区高校的知识转化效率均值最高，东部地区次之，西部地区高校的知识转化效率均值最低。其中，东部地区产学知识转化效率略低于中部地区的原因可能是，东部地区高校众多，为获得合作产业的经费支持，高校彼此之间的竞争行为较为激烈，研发人员为尽快满足产业发展要求以及吸引更多产业合作，可能会急于求成而造成知识创新成果实现产业化的效率不尽人意。

综合来看，在全国范围内和三大地区内部，“双一流”建设高校的产学知识创新效率均值高于其知识转化效率，表明在2008—2017年中国产学知识流动过程中，产学知识转化相比知识创新仍存在效率低下的问题，高校知识转化的实践表现不佳。出现这一结果的原因可能是，高校知识成果在产业界应用转化存在一定的风险性如技术风险、资金风险和市场风险等，加之知识转化周期较长，导致产学知识转化效率较低。此外，中国科技成果转化市场的服务体系仍然不够完善，知识流动双方往往存在信息不对称的问题，这也可能会对产学知识转化效率产生消极影响。有研究表明，高校知识成果转化效率越高越有助于吸引企业合作[29]52，因此，高校不能仅重视知识成果创新活动而忽视知识成果转化活动，无论是为了提升高校自身科研绩效还是加强产学合作强度，重视并提升产学知识转化效率都具有重要意义。

2.产学知识流动效率的影响因素分析

本文采用面板Tobit模型研究产学知识创新效率的影响机制，其中，模型1与模型2为政府支持对产学知识创新效率的回归结果，模型3与模型4为政府支持对产学知识转化效率的回归结果。具体而言，模型1中加入政府支持及其二次项与相关控制变量，模型2中继续加入高校类型以及与政府支持的交互项，模型3与模型4同上。为避免自相关和异方差对结果的影响，本文采用怀特稳健标准误对模型进行估计。所有模型的回归结果如表6所示。

首先，观察产学知识创新效率的模型回归结果，政府支持对产学知识创新效率的影响呈显著正相关，但是其二次项的影响为显著负相关，表明政府支持与产学知识创新效率呈显著“倒U形”关系，这可能是因为政府对“双一流”高校的财政支持虽然有利于其开展产学知识创新活动，但是一旦超过一定范围，过多的政府投资可能反而会对高校产学知识创新造成过度干预的效果，不利于其知识创新效率的提升。继续观察发现，高校类型对政府支持与产学知识创新效率之间的关系发挥显著的正向调节作用，即相比扩散型大学，创新型大学在获得政府财政支持后，对其产学知识创新活动的“倒U形”作用更强。此外，科研人员结构与政府技术创新投入均对产学知识创新效率呈显著正向影响，表明高校科研人员占比越高、政府对技术创新的财政投入越大，越有利于提升中国“双一流”建设高校的产学知识创新效率；区域创新资源集聚程度对产学知识创新效率存在显著抑制影响，可能是因为省域创新集聚程度越高，“双一流”高校间争夺省域创新资源和经费支持的竞争程度就会越高[15]219，同时竞争过程中会极大分散高校对科学研究的精力，最终反而会对其知识创新效率产生负向影响。

表5 2008—2017年“双一流”高校所在地区产学知识流动双元效率测度结果

其次，观察产学知识转化效率的模型回归结果，政府支持及其二次项对产学知识转化效率的影响都不显著，但是在加入高校类型与政府支持的交互项后，政府支持的系数为正且通过5%的显著性检验。这一结果表明，总体来看，政府财政支持对中国“双一流”建设高校的产学知识转化没有发挥应有的促进效应，但是对于不同高校类型而言，政府支持对创新型大学和扩散型大学的影响不同。出现该结果的原因被认为是，创新型大学与扩散型大学相比，拥有更优质的创新资源和科技开发能力，并且其更有可能将科技创新转化为技术成果进而应用于产业发展，因此创新型大学更容易获得政府财政支持也更能够合理有效地使用财政投入，从而对其产学知识转化活动产生正向影响。与此同时，科研人员结构、技术创新投入以及区域创新资源集聚程度均对产学知识转化效率呈显著正向影响，表明“双一流”高校的科研人员占比越高、地方政府技术创新投入越大、省域创新集聚程度越高，越有助于促进高校产学知识转化效率的提升。

表6 政府支持对产学知识流动双元效率的面板Tobit分析结果

四、高校异质性影响分析

（一）基于创新资源集聚程度的异质性分析

一般而言，省域高校科研人员集聚不仅意味着创新资源集聚，还有可能带来高校资源竞争[27]41。高校处于不同集聚程度的省域内具有异质性，本文将省域创新资源集聚程度依据其中位数划分为高集聚程度省域和低集聚程度省域，并以此分类对政府支持与高校产学知识流动双元效率之间的关系进行面板Tobit模型分组回归。同时为避免自相关和异方差对结果的影响，采用怀特稳健标准误对模型进行估计。所有模型的回归结果如表7所示。

由表7可以看出，在创新资源集聚程度较低省域中，在不考虑高校类型的调节作用时，政府支持对“双一流”高校产学知识创新效率呈“倒U形”影响，对知识转化效率的影响则不显著；但是，在高校类型的调节作用下，不仅强化了政府支持与产学知识创新效率的“倒U形”关系（回归系数与显著性均有所增强），政府支持对产学知识转化效率的影响也由不显著变为显著正向。在创新资源集聚程度较高省域中，如果不考虑高校类型的调节作用，政府支持对产学知识创新效率存在显著“倒U形”影响，并且对知识转化效率存在显著促进作用；进一步观察加入高校类型调节效应后的回归结果可以发现，政府支持对知识创新效率的“倒U形”作用与对知识转化效率的促进作用均得到加强。上述结果表明，无论是在创新资源低集聚程度还是高集聚程度省域中，政府支持对创新型大学产学知识流动双元效率的影响相比扩散型大学更为明显。横向对比低集聚程度和高集聚程度的结果后，不难发现，高集聚程度下政府支持对产学知识流动双元效率的影响效力要高于低集聚程度，这可能是因为相比创新资源集聚程度较低省域，在集聚程度较高省域中，“双一流”高校间的知识创新竞争与合作活动更为密集且力度更强，这种创新竞合关系使得各高校在知识创新和知识转化过程中均有所获益。为了吸引更多产业的研发经费投入，高校势必要加强其知识创新效率和知识转化效率，尤其是知识转化效率，因为知识成果应用转化是产业发展更为关注的创新产出[29]53。

表7 不同创新资源集聚程度下政府支持对产学知识流动效率的回归结果

（二）基于地理分布特征的异质性分析

由于“双一流”建设高校所处地区的地理分布特征存在异质性，因此受限于经济发达程度和资源获取能力，处于不同地区的高校产学知识流动效率有可能受到政府支持的异质影响。鉴于中部和西部地区在地理区位和经济发展等方面的差异相比与东部地区的差异较小，因此，本文将中西部地区统合分析，并与东部地区进行异质性比较研究。同时为避免自相关和异方差对结果的影响，采用怀特稳健标准误对模型进行估计。所有模型的回归结果如表8所示。

表8 不同地理分布特征下政府支持对产学知识流动双元效率的回归结果

观察表8的回归结果，在中西部地区，“双一流”高校获得的政府支持对其产学知识创新效率存在显著的“倒U形”影响，但是对知识转化效率的影响不显著；考虑高校类型的调节效应后，政府支持对产学知识创新效率的“倒U形”影响得以增强，此外，政府支持与知识转化效率的关系呈现为显著正相关。在东部地区，政府支持对高校产学知识创新效率具有显著“倒U形”影响，并且对知识转化效率也具有显著正向影响；在高校类型的调节效应作用下，政府支持对产学知识流动双元效率的影响均有所增强，但是对知识转化效率的影响由正向变为“倒U形”。东部地区与中西部地区的结果相较而言有一致性，如政府支持对创新型大学的产学知识流动双元效率的影响要显著强于扩散型大学；但是其结果也存在一定异质性，尤其表现在政府支持对产学知识转化效率的影响方面。可能的原因是，东部地区经济更为发达，产业发展一方面得到地区经济发展的帮助，另一方面也更加依赖技术创新的作用，因此东部地区的政府和产业都很重视与“双一流”高校的协同创新发展，官产学合作也更加紧密[19]88。因此，在政府财政支持的保障下，对东部地区高校的产学知识转化活动具有推动作用。与此同时，东部地区政府对产学知识转化的干预程度也较高，政府调控容易发生逆向影响，一旦调控力度超过某一临界值，就会对产学知识转化活动造成抑制影响。

五、结论与启示

本文以137所“双一流”建设高校为研究对象，基于创新价值链理论的双元性视角，采用超效率DEA模型和面板Tobit模型，在测度并分析产学知识创新效率和产学知识转化效率的基础上，研究了政府支持对高校产学知识流动双元效率的影响机制，并得到以下结论和启示。

1.整体来看，全国层面“双一流”高校的产学知识创新效率要高于产学知识转化效率，但是知识创新效率和知识转化效率均存在空间差异，在地区层面的分布特征不同。具体来说，中国三大地区中，东部地区高校的产学知识创新效率排名第一位、产学知识转化效率排名第二位，而西部地区高校两者均排名最末，这反映了中国“双一流”高校在产学协同创新体系中知识流动双元效率的不均衡性。因此，当前中国产学协同创新机制应更加注重知识成果的转化进程，在保障知识创新活动顺利开展的前提上，积极促进“双一流”高校知识创新成果有效实现产业化。与此同时，政府应积极构建专业化的科研成果转化服务平台，“双一流”高校科研人员的主要任务是实现知识成果创新，产业的主要目标是应用创新成果实现盈利，因此在产学合作之间需要相应的中介服务平台，帮助知识流动双方获得有效信息，减小因信息不对称而发生的交易成本，继而提高科研成果转化效率。

2.在全国层面样本中，政府支持对“双一流”高校的产学知识创新效率存在“倒U形”影响，但是对产学知识转化效率的影响不显著。这一结果表明：增加政府财政支持有利于提升产学知识创新效率，不过一旦财政力度超过一定范围，政府支持反而会对知识创新效率产生负面影响。并且，增加政府财政支持力度对产学知识转化效率没有产生明显影响。但是在加入高校类型的调节作用后，政府支持对知识创新效率的“倒U形”影响得到加强，而且其对知识转化效率产生显著的正向影响。因此，政府应继续合理把握对“双一流”高校科研创新工作的财政力度，配合产业对高校的经费投资，为科研成果研发提供资金支持；与此同时，地方政府还应在财政政策上为产学合作双方给予倾斜支持，并通过相关专项资金给予引导，促进科研成果转化市场实现有序良性发展。在此过程中，一方面，地方政府对创新型大学和扩散型大学的财政支持方式和力度应有所区别，通过创新财政支持方式，突出绩效导向和激励约束机制，争取做到资金分配时更多考虑办学质量如学科水平、科研转化等因素，既要保证公平竞争，又要做到“扶优扶强扶特”。另一方面，“双一流”高校也应持续优化科研人员结构，加强科技人力资源培养力度，为产学知识流动提供科研力量支持，尤其要注重科研成果转化，不能单纯追求知识成果数量。尤其是对世界一流学科建设高校而言，其竞合优势在于一流特色学科，应该不断完善科研经费管理方式，进一步提升高校一流学科的知识创新和成果转化能力，充分激发其争创一流、突出特色的动力和活力。

3.在创新资源集聚程度不同的省域样本与不同的地区层面样本中，政府支持对“双一流”高校产学知识流动双元效率的影响效力以及高校类型在其中的调节效应均存在异质性。具体而言，相比低集聚程度省域中的样本高校，政府支持对高集聚程度省域“双一流”高校的产学知识流动双元效率的影响效力更高，并且在高校类型的调节作用下，这种现象仍然存在。相比中西部地区的样本高校，政府支持对东部地区“双一流”高校的产学知识创新效率的影响与之差别不大，即使是加入高校类型的调节效应，其结果也基本一致。但是，政府支持对东部地区高校的知识转化效率具有显著正向作用，并且加入高校类型的调节效应后，政府支持对知识转化效率的作用由正向变为“倒U形”。因此，地方政府对“双一流”高校产学协同创新发展的财政支持，应该立足于实际情况，在不同创新资源集聚程度的省域和不同地区有所差异。比如，地方政府应在协调区域创新资源集聚现状，合理引进和输出创新要素，实现区域创新集聚帕累托最优水平的基础上，通过财政政策为促进“双一流”建设高校的产学知识流动提供政府支持。此外，面对地区经济水平和产学协同创新机制发展不均衡的现状，地方政府应发挥宏观调控的作用，依据本地区实际发展状况，提高本地区“双一流”建设高校产学合作的积极性，促进产学协同创新机制进一步完善，为产学互动提供政府有力支持，推动地区知识成果有效应用和转化。

本研究在考虑高校特征异质性的基础上，探究政府支持对“双一流”建设高校产学知识流动双元效率的影响机制。其中，衡量高校特征异质性主要有两种方式，分别是在影响机制中纳入高校类型的调节效应以及对高校所在地区不同创新资源集聚程度与不同地理分布特征的分组回归。但是，除此之外，高校存在隶属关系区别，不同隶属关系意味着获得的政府支持有所差异，进而对高校产学知识流动双元效率的影响可能具有异质性。因此，在未来的研究中，将会聚焦高校隶属关系的异质性，详细区分地方直属、中央部属以及省部共建的高校类别，深入研究政府支持与不同隶属关系的高校产学知识流动双元效率的影响关系。