提高科技进步贡献率的政策与路径——基于科技经济融合度的实证分析

刘雨枫，冯 华

(北京交通大学经济管理学院，北京 100044)

0 引言

从近五年国家公布的科技进步贡献率来看，科技与经济的融合还没有达到令人满意的标准。2020年中国科技进步贡献率超过60%，而美国、日本等主要发达国家已达到80%左右。中国现有体制是建立在分工和职能制管理理论基础上的工业化产物，随着分工的深化，管理部门的分割越来越细，面对产业技术跨界融合发展的新趋势，现有体制偏离了新经济的发展要求，严重制约科技创新，阻碍科技与经济的深度融合。

按照现有的统计口径，科技进步贡献率是广义的技术进步对经济的贡献作用，与资本贡献率、劳动贡献率并列，但是并未将人力、制度、市场等因素对经济增长的贡献剔除出去，衡量科技对经济的贡献存在偏差，也无法准确界定科技经济融合度的影响因素。本文以计算科技经济融合度为核心，将传统的科技进步贡献率分解为技术进步、技术效率变化率、规模效率和配置效率四项。技术进步所代表的是严格意义上的科技进步贡献率的衡量指标，而技术效率、规模效率以及配置效率则受到由于制度、人力、市场等因素的影响。通过对分解的科技经济融合度的计算，可以清楚反映全国各省、市、自治区科技与经济的融合程度，找到创新促进经济发展的痛处所在，针对不同地区的不同问题提出针对性建议，这样有助于各地提升科技经济融合程度，服务于以创新驱动建设现代化经济体系，实现2035远景目标。

对科技促进经济发展的研究肯定了科技对经济的贡献作用，指明了痛点与方向，对促进科技经济融合的路径进行了分析并提出对策建议，但是缺乏对机理的研究。全社会对科技创新的有效需求明显增加，实施创新驱动发展战略的一个重要工作是深化科技体制改革，特别是加强顶层设计[1]。深化科技体制改革，关键是推动科技与经济社会发展紧密结合，消除科技创新中的孤岛现象[2]。中国的经济增长更多依靠重大技术创新，特别是原始创新将开拓新的产业领域，形成新的经济增长点和消费热点，创新驱动发展需要通过深化改革来实现[3]。经济结构的调整不仅仅依靠市场，创新驱动产业转型和战略性新兴产业的发展对经济发展起到关键作用，这也是创新产业化提出的雏形[4]。要跨越科技经济之间的鸿沟，推进科技经济深度融合，主要是通过处理好政府与市场的关系、重视成果转移转化和促进深度融合三者关系实现的[5]。孟秀兰等[6]构建了科技创新系统与经济发展系统的评价体系，利用协调模型计算了金华市的创新与地区经济融合发展。陈子韬等[7]认为科技经济融合水平与经济增长之间存在耦合关系，科技资源有效配置和科技成果合理转化有助于经济增长，而科技与经济脱钩会阻碍创新能力转化为经济增长动力。辛璐等[8]研究认为，专利与研发投入在促进经济增长过程中存在滞后效应。王岳森[9]则更具体地描述了推动科技经济深度融合的三条途径。对科技经济深度融合的研究集中在对其影响因素、体制机制对策和影响机理等方面，但是缺乏对科技经济融合度的概念定义与准确衡量，没有从效率的角度衡量科技经济深度融合，缺乏从科技经济融合度的具体组成部分上提升科技经济融合度的具体举措。

中外学者多采用科技进步贡献率来衡量科技经济融合的程度，科技进步贡献率主要通过三种方法计算，即索洛余值法[10-19]、数据包络分析法 (DEA)[20-28]、随机前沿法[29-34]。此外，还有神经网络法[35]、评价法[36]、CDM模型[37]等计算方法。本文的创新点是将科技经济融合度的计算与全要素生产率区分开来，利用技术进步率、技术效率、配置效率和规模效率四部分来衡量科技经济融合度，避免了传统方法中利用全要素生产率衡量带来的虚高，排除了资本、劳动等有形要素对于经济的贡献。准确区分科技进步、人力资本、制度政策、市场等因素给经济增长带来的影响，避免由于理论概念与统计概念及其内容的不一致而导致的夸大科技进步对经济增长的贡献程度。

1 科技经济融合度计算的理论基础与模型构建

1.1 科技经济融合度的计算方法分析

根据《中国科技统计年鉴》，科技进步贡献率是指广义技术进步对经济增长的贡献份额，即扣除资本和劳动贡献后，包括科技在内的其他因素对经济增长的贡献。各个国家和机构的计算方法如表1所示。

表1 科技进步贡献率的计算方法

总体来看，各国对于科技进步贡献率的计算主要是基于索洛余值法进行核算，计算的是广义科技进步对经济增长的促进作用，利用扣除资本与人力投入之后的因素作为科技进步贡献率。这样计算出的科技进步贡献率不仅包含狭义上的科技进步，而且将包括市场、贸易、制度、政策、人力资本等因素对经济增长的促进作用统统包含进来，不利于统计狭义的科技进步对经济的贡献程度，无法准确考量技术创新对经济增长的作用，其结果常常夸大科技进步的实际作用，对于现今背景下研究创新驱动经济发展的路径机理及其体制机制构建存在偏差。可见，利用科技进步贡献率指标衡量科技经济深度融合在概念上是存在偏差的。在科技经济融合度的计算中，应该将技术进步、技术效率提高、规模效率提高和配置效率提高分开计算。本文通过分解全要素生产率的方法计算出分解的科技进步贡献率，以更准确地表达科技经济融合度。

1.2 对科技经济深度融合的衡量及计算方法

本文采用随机前沿函数法将全要素生产率分解为技术进步、技术效率变化率、规模效率和配置效率。其中，技术进步代表的就是狭义科技进步对经济增长的贡献，而技术效率、规模效率以及配置效率的变化受到制度、人力、市场等因素的影响。

在现实情况中，索洛残差法的假设过于严苛，导致其在计算过程中会出现偏差，而且在计算科技进步贡献率时也无法将制度、人力和市场等因素对经济增长产生的影响剔除出来，无法计算规模经济的改善和效率的提高。隐形变量法是基于C-D生产函数，在规模报酬不变和技术中性的基础上对科技进步贡献率进行计算，仍然无法解决高估科技进步贡献程度的问题。随机前沿函数分析法将生产函数的形式转化为超越对数生产函数，而超越对数生产函数的优点就在于可以放松规模报酬不变和技术中性的假定，面板数据的使用也使得测算更加准确。本文采用随机前沿模型 (SFA)分解全要素生产率，基于BC1992个体效应模型[39]，利用Kumbhakar等[40]所提出的面板数据的随机前沿生产函数模型进一步将全要素生产率分解为技术进步、技术效率、规模效率和配置效率，来衡量科技经济融合度。

2 科技经济融合度计算的实证分析

2.1 模型构建

SFA函数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为i省在t年度的总产出；f(xit，t；β)为函数中的确定性前沿产出部分；xit为i省在t年度经营实际中的生产要素投入量；β为函数确定性前沿产出部分中各自变量所对应的待估计参数；模型中引入时间变量t代表行业技术变化；vit则表示原函数结构中假设为服从独立同分布的各随机误差项;uit是原函数的技术无效率指数；η表示技术效率值增长的大小，exp[-η× (t-T)]表示在T至t时间段内技术效率增长的指数值。

在式 (1)的基础上，通过转换超越对数生产函数的形式将其展开，得到本文计算的理论模型：

(2)

式中,n=1,2…N，N表示不同的农业生产要素，本文选取劳动力 (x1)、资本 (x2)两种生产要素，即N=2，再结合时间变量t，共计三个基础变量。

2.2 指标选取与数据说明

产出指标y选取各省的总产值，单位为亿元。年份的具体产值是在设定基期的数据上，通过各省的消费价格指数平减转换为可比数据。要素投入量指标：劳动力要素投入量指标选取各省的城镇就业人员数，单位为万人；资本投入选取各省的固定资产投资，根据永续盘存方法计算得出，折旧率为 10.96%。要素价格指标：劳动力价格为各省就业人员平均工资，资本价格为3～5年期贷款利率。本文以2009年为基期对数据进行调整，通过计算得出技术进步率、技术效率、规模效率以及配置效率。考虑到数据的可得性，本文选取31个省、市、自治区，时间范围选定为2010—2019年，数据来源于《中国统计年鉴》、各省统计年鉴以及统计部门官网。

2.3 科技经济融合度分解计算模型估计结果

本文利用SFA方法计算与分解各省的全要素生产，得出各省的科技经济融合度。利用整理所得面板数据以及Frontier软件，最终估计的各参数结果见表2。

表2 面板数据随机前沿函数回归分析结果

根据随机前沿回归结果，通过参数计算的方式计算31个省、市、自治区10年来的技术进步、技术效率变化率、规模效率和配置效率。计算结果表明，技术效率水平10年来呈现平稳或下降趋势。技术效率的逐年降低是科技经济融合度不足的重要表现。江苏、山东、广东是技术效率较高的几个城市，技术效率值一直维持在90%左右，广东更是维持在97%的高水平。宁夏、海南等地区的技术效率值很低，在投入和产出方面呈现出较为严重的低效现象。创新创业环境的优化提高了科技促进经济的规模效率，提升了科技经济融合度。从数据看，北京、上海、广东、江苏、浙江等原本就具备较强科技规模的省份的规模效率提升较为明显，提升幅度接近20%，排在全国前列。值得注意的是内蒙古、宁夏、四川等地区10年来实现了规模效率从无到有的飞跃，涨幅接近30%，反映了创新创业规模的逐渐扩大对当地科技经济融合的重要促进作用。配置效率呈现整体上升趋势，北京、天津等地区的增幅接近10%。值得注意的是，上海、浙江、福建、广东等多个地区的配置效率都出现达到峰值后的降低，这可能和资源的利用率有关。

2.4 稳健性检验

除了利用SFA分解与计算全要素生产率从而得出效率参数外，学界还经常通过DEA法计算Malmquist指数来计算效率。为了确保上述计算结果的稳健性，本文利用DEA模型进行效率测算，再通过Malmquist 指数模型分解全要素生产率，对各省的综合效率以及纯技术效率的变动情况进行分析，以验证前文对科技经济融合度的计算情况。产出指标仍然选取各省总产值，年份的具体产值是在设定基期的数据上通过指数平减转换为可比数据。要素投入量指标中，劳动力要素投入量指标选取各省的城镇就业人员数，单位为万人；资本投入选取各省的固定资产投资，根据永续盘存方法计算得出，单位为亿元。与前文保持一致，通过计算得出以2010年为基准的Malmquist指数测算结果。由于DEA法是以2010年的技术标准为1进行衡量的，大于1表示相对于2010年效率的提高，小于1表示降低，大于或小于的数值相当于当年人均升高/降低的百分比。DEA法计算的技术效率、技术进步率和规模效率是相对趋势值，通过对技术效率、技术进步率和规模效率整体趋势的对比，验证了前文计算结果的稳健性。

3 科技经济融合度计算结果分析

3.1 全国科技经济融合度计算结果

通过将技术效率、技术进步率、规模效率和配置效率进行加权平均，计算得出2010—2019年31个省、市、自治区的科技经济融合度。从总体趋势来看，科技经济融合度不断增加。2019年，科技经济融合度最高的省份是广东省，北京、安徽、江苏等地也在全国位于前列，这些城市也是创新资源聚集、创业孵化发展较为良好的地区，从侧面反映了创新创业对于科技经济深度融合的促进作用。从分解效率来看，大部分省份的技术进步率和技术效率呈现出下降趋势，仅有北京、上海、广东、江苏、浙江和重庆六个地区的技术进步率呈现出上升趋势，大部分地区新技术的科技含量不足，技术进步缓慢制约了科技促进经济增长。广东、江苏两地的技术利用率在十年间维持了高水平，但大部分城市的技术效率都维持在50%～60%甚至更低的水平，且呈现出下降趋势，新技术无法得到高效利用成为制约科技经济深度融合的重要原因。十年来促进科技经济融合度不断提升的主要原因是规模效率和配置效率的提升，但是规模效率和配置效率的提升对科技经济融合度的促进作用是有阈值的，北京、天津等中部地区出现了规模效率达到峰值后下降的情况，这与新技术的科技含量不足以及利用率较低相关。所以针对不同地区科技经济融合的历史趋势和现状，应该构建具有针对性的创新创业体制机制以促进其科技经济的深度融合。

3.2 分区域科技经济融合度计算结果

中部六省在2019年的科技经济融合度呈现出两极分化趋势，其中，安徽的科技经济融合度很高，处于全国前列，在技术创新和技术效率方面其下降幅度很小，在规模效率和配置效率方面提升幅度较大，此消彼长使得其科技经济融合度处于很高水平。湖北的科技经济融合度不高，仅仅高于新疆和吉林。从趋势看，六个省份10年来的科技经济融合度都呈现出整体上升趋势。山西的科技经济融合度提升幅度较大，从2010年的7.18%提升到2019年的41.88%，在技术效率和技术进步出现负增长的情况下，科技对经济贡献率的提高主要得益于规模效率的提升。2010年山西的规模效率仅为1.61%，随着科技资源的投入和科技基础设施的建设，对科技资源的利用率也逐步提升，山西的规模效率提升到24.76%，仅次于江苏等科技大省，位居全国前列，与之类似的还有江西。河南除了在规模效率和配置效率小幅度提升以外，其科技经济融合度较高的主要原因源于其较高的技术效率。在全国技术效率下降的大趋势下，河南的技术效率基数很高，仅次于山东和江苏，位于全国第三，良好的技术效率基础加之配置效率和规模效率提高，保证了其科技经济的深度融合。湖北的配置效率和规模效率都处于较低水平，10年间虽然持续增长，但是一直处于全国较低水平，对于科技资源的利用和科技基础设施建设的红利还没有完全被体现，正是规模效率和配置效率的低下导致湖北科技经济融合度较低。总体来讲，东部六省的科技经济贡献率都处于提升的趋势，其主要原因是配置效率和规模效率的提升抵消了技术效率和技术进步率的下降。

2019年东部地区的科技经济融合出现了两极分化情况，广东的科技经济融合度很高，其数值达到55.14%，位居全国第一；上海的科技经济融合度仅为31.74%，低于全国平均水平。东部十省的科技经济融合情况基本上分为三个梯队，广东作为第一梯队领跑东部十省；北京、天津、江苏、海南作为第二梯队均超过全国平均水平；河北、上海、山东、浙江、福建作为第三梯队，其科技经济融合度均未超过35%。东部十省的发展趋势也呈现出不同特点。第一类持续上升型：江苏、广东。在大部分省份科技进步率降低的情况下，江苏和广东均保持持续增长态势，为科技经济融合打下良好的技术基础。在技术效率方面，江苏和广东也是下降幅度最小的。广东能够成为科技经济融合度最高的省份与其技术效率长期保持高效也是密不可分的，2010—2019年，广东的技术效率一直维持在97%以上的高水平，全国领先。与中部城市的融合度提升主要依赖规模效率和配置效率不同，广东与江苏的规模效率与配置效率虽然也在持续提升，但是提升幅度并不突出，科技经济融合良好的主要原因在于技术的进步和超高的技术效率。第二类倒U形：北京、天津、河北、山东、海南、浙江。这类城市的特点是在某个年份科技经济融合度达到峰值，然后出现下降趋势，其下降的原因都是由于规模效率达到峰值，无法持续提高科技经济融合度，可能是由于经济投入、规模扩大的红利达到峰值，在现有技术基础上很难再通过规模扩大对经济产生促进作用，提高规模效率，反而因为资源浪费降低规模效率。除了北京外，其他五个省份的技术效率和技术进步率都处于降低状态，技术进步率成为阻碍科技经济进一步融合的主要原因。第三类波动型：福建和上海。科技经济融合度在某个年份达到峰值后出现下降，又在近几年呈现出反弹趋势。从分解的效率分析可以清晰看出两地的科技经济融合度出现波动的主要原因，其下降的原因与北京等省市的原因相同，但是福建在技术进步率和配置效率方面自2017年开始出现反弹，成为其科技经济融合度提升的主要原因。上海则是在技术进步率持续提升的基础上，规模效率达到峰值下降后又由于技术进步出现的二次反弹。从分解的效率看，上海的技术进步率领先全国，自2010年开始持续上升，2019年达到5.98%，位居全国第一。在技术持续的基础上，上海的技术效率下降幅度也并不大，只是不足60%的技术效率在一定程度上阻碍了其科技经济的融合。导致上海科技经济融合度较低的主要原因是规模效率和配置效率的低下，严重阻碍了科技经济深度融合。

在西部地区，科技对经济的贡献度分为三个梯队。较高的省份有内蒙古、甘肃、云南、宁夏。这些省份的特点是十年来科技资源几乎实现了从无到有的跨越式发展，科技进步和科技基础设施的构建使得其规模效率和配置效率大幅度提升，从而提高了科技对经济的贡献率。其中，内蒙古的科技发展态势喜人，从2014年开始其技术进步率不断提升，成为西部地区唯一技术进步率提高的省份。较差的省份有重庆、四川、广西、青海，其中，重庆、四川和广西与中部的大部分省份类似，规模效率的降低成为其科技经济融合度降低的主要原因，下一步应该从提高技术进步率和技术利用率入手提高科技含量。青海的科技经济融合度低主要是由于其技术的利用效率极低，2019年仅为10%，为全国最低，对技术的低效利用，加之原本就不高的技术水平，导致其科技本身发展较差，很难对经济产生重大影响。融合程度很差的省份有贵州、陕西、新疆。除了技术进步率逐年下降外，贵州和新疆的技术效率也十分低下。这三个省份还有一个共同特点就是规模效率与配置效率很低，成为阻碍其科技经济融合的主要原因。所以还应该从体制机制入手，构建起促进科技进步的体制机制，以提高西部地区的科技经济融合度。

东北地区的科技经济融合度在全国处于中游，辽宁和黑龙江的科技经济融合情况在全国处于中等水平，吉林的融合度很低，仅仅高于贵州。从趋势看，辽宁是十年来科技经济融合程度提升最高的省份，2010年辽宁和吉林的科技经济融合度较为类似，分别为7.13%和7.7%。经过十年的发展，辽宁以39.1%的融合度一跃成为东三省最好的省份，黑龙江的增长幅度较低，以38.21%略低于辽宁，吉林仅为24.85%，科技对经济的贡献率提升较小。从技术进步率来看，吉林和黑龙江的下降幅度均大于辽宁，技术效率一直低于辽宁，也低于全国平均水平。吉林科技经济融合度低的主要原因在于规模效率和配置效率原本就较低的前提下，提升幅度也很小，导致其科技经济融合度很低。从规模效率看，辽宁从3.14%提升到22.8%，与之类似，吉林仅仅从2.99%提升到11.39%，差距接近一倍之多，黑龙江虽然与吉林类似，但是其融合基础较好，所以科技经济融合程度尚处于平均水平。总体来看，东北三省未来提高科技经济融合度的潜力较大，特别是对于充分发挥规模效率和配置效率优势的吉林，在科技财政投入进一步增加、科技基础设施进一步完善的高质量发展背景下，有望高速提升其科技经济贡献度。对于辽宁和黑龙江而言，在技术效率和技术进步率的提高方面也有很大空间。

4 政策建议

4.1 提升科技欠发达地区的技术进步率，增强原始创新能力

第一，要稳步推进科技新型基础设施的建设。做好顶层设计，明确产业发展重点和次序，防止造成无效投资、产能过剩等问题。创新新型基础设施建设的投融资体系，以需求为导向，加强工程推进和资金使用协同管理。注重全产业链协同合作，避免商业模式探索周期过长、供应链中断等风险点的出现。第二，要加强科技欠发达地区的基础研究投入力度。在基础研究经费投入持续增加的基础上，找到项目竞争和稳定支持之间的平衡点，既要避免出现 “吃大锅饭”的问题，实现良性互动，也要为那些甘于坚持长期研究的领域提供稳定支持。可以根据项目竞争获取经费的比例提供稳定支持，同时要对稳定支持的经费构建好约束和监督机制。在基础研究领域加强需求导向牵引，瞄准科技前沿以及重大需求，解决技术瓶颈背后的关键科学问题。第三，发挥举国体制在科技欠发达地区原始创新能力提升方面的重要作用。在科技欠发达地区坚持“揭榜挂帅”制度，吸引高水平团队进驻。以国家中长期发展的战略需求为导向设置需求，同时选取利益不相关的专家组选取揭榜人，以揭榜挂帅的方式为科技欠发达地区的原始创新选帅，让企业和更多创新主体在当地重大科技创新项目中占有一席之地，提升地区的原始创新能力，提高技术进步率与科技经济融合度。

4.2 提升技术效率，打通科技向经济转化的渠道

为了提升技术效率，应该基于创新链全链条提供技术服务，提升技术效率。在创新链前端坚持 “企业创新主体”，以企业技术需求为靶向提高技术供给质量。引导技术市场交易由供给推动转向需求牵引，将企业的主体地位和需求贯穿于技术市场交易的全链条。对于在研和预研的科技成果，需建立促进科研成果研究开发与市场需求紧密结合的新机制和新模式，支持企业参与到科技研发前端，及时调整成果研发方向，实现科技成果 “定制化”供给。对于已产生的科技成果，需进一步完善高质量科技成果精准对接机制和匹配机制，依托精准对接机制迅速转移一批应用前景广的科技成果。在创新链中后端做好技术增值，构建从技术服务、技术流通到技术交易的全链条技术增值体系。在技术服务方面，要建成精准对接创业企业的孵化器4.0模式，建设以互联网为平台的创业孵化体制，在孵化器内形成创新型产业集群、创新产业联盟等组织。在技术流通方面，要加强已有硬件设施的信息传递和资源共享功能，实现科研数据、科技信息、器材设备、实验材料等的高效传递与利用，促进部门之间、行业之间的沟通交流。在技术交易方面，应该探索建设现代技术交易市场。按照以市场为导向、以企业为主体、多方参与、平台化运作的模式，加速线下技术交易市场建设，整合技术交易各方全要素资源，逐步建设线上技术交易数字化平台，开展网上交流、信息发布、数据分析等工作，探索技术交易市场新模式、新方式，构建科技成果交易转化的技术服务生态体系。以覆盖全创新链的技术服务提高技术的利用率和转化率，通过提升技术效率的方式提升科技经济融合度。

4.3 突破规模效率倒U形拐点，增强要素投入的贡献率

东部科技发达地区应该革新科技金融与科技人才体制机制，保障以要素的规模效率增长提升区域科技经济融合度。对于科技金融体制改革，要构建科技投资的风险分摊机制。由于科技信贷的体制不完善，加之初创企业的资源匮乏，缺少担保物，从而导致融资困难。要推进发展无形资产评估定价，为科技企业进行无形资产抵押贷款提供基础。鼓励设立科技担保公司，科技担保公司成立专门的小微事业部，为科技企业发展制定专属服务方案及系列产品，为其提供融资担保。拓展科技担保公司的业务范围，覆盖贷款担保、票据担保、集合信托计划担保、履约担保、诉讼保全担保、典当融资等业务品种，同时还应构建科技信贷风险消化体制。商业银行把科技信贷资产分为优质资产与普通资产，给予一定的政策支持，放宽限制条件，制定标准，建立起信贷资产证券化审批流程制度，帮助商业银行消化科技信贷的资金安全、资金占用及资金周转风险。在有效管理风险的基础上，不断优化商业银行资产负债结构，提升科技信贷资产使用效率，增加商业银行对科技型企业的贷款意愿。另外，还应该突出人才驱动的核心作用，注重对现有人才的评价与保障机制。要将北京等地区激发科技人员创新活力的科研评价制度在全国推广，构建以创新力与战略性创新人才为核心的选拔机制。建立创新绩效的评价体系，赋予创新以更高的容错性，根据不同的创新活动建立符合其规律的评价体系。政府要做到放权于用人单位，将创新人才的任用权回归市场，减少政府干预。同时切实保障科研人员的实际利益，健全科技成果转化收益合理分配机制，推动科技成果评价的社会化、市场化和规范化落实，以增加知识价值为导向的收入分配政策，建立健全职务科技成果转化收益分配机制，发挥市场在资源配置中的决定性作用。

4.4 维持配置效率增长趋势，优化现有体制机制，保障科技经济深度融合

实证分析表明，配置效率的提高是维持科技经济融合度逐年提升的主要因素，所以各地应当注重对配置效率的进一步提升，保障2035年全面建成创新型国家远景目标的实现。应当着力于深化技术市场要素配置改革，提升技术的配置效率。做好技术资源的“调控者”，推进要素市场制度建设；做好机制运行的“监督者”，在政府参与创业孵化体制机制建设的各个环节，都要设计严格明确的相关约束，避免任何人使用政府信誉和权利侵占公共资源以及权力寻租行为；做好新制度的“设计者”，进一步健全职务科技成果产权制度，畅通技术要素市场配置渠道。