创新政策与科研结构双重影响下高校科技创新绩效研究

章熙春，朱绍棠，李胜会

(华南理工大学 公共管理学院，广东 广州 510641)

0 引言

创新驱动发展战略实施以来，面对全球竞争加剧、技术发展滞后等多重挑战，深化科技体制改革与优化科研结构成为我国科技创新体系阶段性升级的重要目标，是释放科技创新巨大潜能的关键举措。2018年5月，习近平总书记在两院院士大会上发表重要讲话，要求坚持科技创新和制度创新“双轮驱动”，优化和强化技术创新体系顶层设计，明确企业、高校、科研院所等创新主体在创新链不同环节的功能定位，激发各类主体创新激情和活力。已有文献从宏观角度对创新绩效进行了积极探索，为我国产业转型、财税优惠等政策体系优化提供了重要支撑，但是高校科技创新活动不同于企业，具有自身发展规律，以往研究结论是否适用于高校科技创新有待验证。一方面，高校创新政策体系是围绕高校科技创新活动制定的一系列政策，涵盖资源配置、科技评价、人才培养、成果转化等内容，政策效能有待检验；另一方面，从基础研究到应用研究，高校科技创新活动需要平衡科研任务与教学任务资源配比，科研结构的重要性不容忽视。因此，基于政策发布的及时性与政策实施的累积性，本文测度我国高校科技创新政策水平，分析高校科技创新政策、科研结构与创新绩效之间的关系，并探索高校科技创新绩效提升路径，可为提高我国高校科研产出与成果转化水平提供新思路。

1 文献综述与模型构建

1.1 文献综述

科技创新政策对科技创新绩效的激励作用已经形成共识，但依然存在诸多削弱政策效能的问题，如地方政府恶性竞争、政策功能冲突、政策协同动力不足等。针对科技创新政策已有不足，学术界对科技创新政策与科技创新绩效之间的关系进行了积极探讨，并集中关注科技创新政策效能。一方面，科技创新政策对科技创新绩效具有正向影响。刘凤朝等[1]通过构建科技创新政策影响科研产出绩效的系统动力学模型，发现科技创新政策对科技创新绩效具有显著促进作用；杨超等[2]研究发现，科技创新政策对科技创新绩效具有正向影响。另一方面，科技创新政策效能复杂，对科技创新绩效具有不同影响作用[3]，积极作用需要借助科研资源、创新动机、科研主体等载体实现[4]，且这种作用路径具有非线性特征[5]，容易产生路径分化与信息不对称[6]。在高校层面，高锡荣等[7]研究发现，高校创新政策对教师学术创新具有正向影响，科技创新政策调整会引发高校科研结构转换；Lee等[8]认为，高校教师科研评价政策营造了竞争性不断加强的学术环境，容易使人才陷入自我怀疑和焦虑状态，反而不利于高校科研产出。由此看来，现阶段高校创新政策对创新绩效的影响存在争议，对高校创新政策效能的探讨莫衷一是。此外，国内学者从高校科研产出与成果转化阶段检验科研结构的重要作用。高擎等[9]运用三阶段DEA和Malmquist指数方法测算我国重点高校技术转移效率，发现规模无效率是制约高校技术转移的主要因素，高校规模、政府资源和研究生人数过大均不利于重点高校技术转移；马荣康等(2020)以高校技术转移与科研产出作为中介变量，探讨高校科研资助的中介作用和调节作用，发现过多的技术转移活动会产生偏向应用研究、论文延迟发表效应，即科研结构的频繁转换会阻碍科技创新绩效提升。

总体而言，创新政策、科研结构对创新绩效的影响结论因研究对象、研究方法、研究阶段不同而不同。科技创新活动包括科研、产出、转化、扩散等不同阶段，同时高校创新体系具有系统化、多层次特征，创新政策目标与绩效各不相同，以单一政策安排、具体做法或部分高校创新活动的成功经验作为借鉴，难以把握高校科技创新活动整体发展规律[10]。虽然国内学者运用各种创新理论与实践经验解释我国高校科技创新活动，如国家创新系统理论、三螺旋理论、开放式创新理论、跨组织合作理论等，但是该领域研究在静态与动态、线性与非线性差异等方面仍有待拓展。同时，科研结构在高校层面表现为突出的教育与科研界限，高校科研结构对创新绩效的作用亟待深入探讨。因此，本文依据创新价值链理论，将高校科技创新活动划分为科研产出与成果转化两个阶段，探究创新政策、科研结构对两阶段创新绩效的影响。

1.2 模型构建

高校创新政策涉及诸多细分目标，不同政策目标之间作用关系复杂、模糊，且我国高校科研任务与教学任务互为支撑，故分析创新绩效需要综合考虑创新政策与科研结构环境[11]。本文将高校科技创新活动划分为科研产出与成果转化两个阶段[12]，采用科研产出绩效、成果转化绩效分别度量高校科研产出效益与成果转化效益，并将创新绩效来源划分为政府、高校、市场环境和社会环境4个方面[13]。首先，除政府和高校外，创新成果能否在创新政策引导下实现高效转化，还有赖于外部市场环境。否则，创新政策的推动作用将存在较高的激励成本，导致高校科技创新活动受阻[14]。市场信号一方面能够传达高校重点科研方向与国家重大需求的结合程度[15]，另一方面能够揭示高校是否具备将基础研究与应用研究成果商业化的能力，从而影响创新绩效提升[16]；其次，高校科技创新活动的迅速开展依赖高精尖技术与高素质人才的双重支持，这种支持有赖于高校自身的社会吸引力，技术提供方与采用方之间的高度信任有助于促进高校科技创新成果转化[17]。

综上所述，本文构建高校创新政策、科研结构与创新绩效关系框架，如图1所示。

图1 高校创新政策、科研结构与创新绩效关系框架Fig.1 Relationship among innovation policy, scientific research structure and innovation performance in universities

2 研究方法与指标设计

2.1 创新政策测度

创新政策理论来源于新古典主义经济学与演化经济学，前者侧重于考察政策如何有效配置资源，后者侧重于考察政策如何优化运作，本质都离不开对国家科技创新发展战略的前瞻性部署(赵莉晓等，2014)。本文中的高校创新政策是指中央和地方政府为推动高校科技创新发展所构建的宏观政策体系，包含法律法规、部门规章、实施细则、科技计划等重要文件，对高校科技创新活动发挥规范、引导、激励、转化等关键推动作用。学术界主要从政策指数构造、政策文本分析、政策工具方法、政策文本量化等角度测度创新政策，但容易产生主观判断倾向、测度精度偏低等问题(彭纪生等，2008)。为提高科技创新政策水平测度的科学性，俞立平等(2018)运用DEA-Malmquist模型测度科技创新政策水平；袁胜军等[18]在此基础上创新性地对科技创新政策指标进行定量测度，发现科技创新政策未能有效促进科技创新绩效提升。本文在知识生产函数与已有研究的基础上，改进高校创新政策测度方法，采用Cobb-Douglas生产函数进行测度。

Y=AKαLβ

(1)

式(1)中，Y、K、L分别表示创新成果、企业研发经费和研发劳动力，α、β为弹性系数，A为全要素生产率。根据已有研究成果，如果在生产函数中引入技术进步指标，就能剔除全要素生产率中的技术进步因素，从而分离出科技创新政策[19]。本文以高校科技成果社会效益与经济效益指标度量高校技术进步水平。在原模型的基础上引入技术进步变量T，用当年技术转让实际收入测量。

Y=A'KαLβT

(2)

由于增加了技术进步变量T，此时全要素生产率A'为宏观意义上的高校创新政策，即中央与地方政策的总和。考虑到创新政策具有一定的时间累积性，因此通过连乘方式将其转化为存量指标，以准确度量报告年内高校科技创新政策水平。

(3)

式(3)中，Pij代表区域创新政策，i代表地区，j为时间，t为当前年度。全要素生产率A'可进一步分解为技术效率变化指数与技术进步指数，其中技术效率变化指数亦可衡量创新政策水平。为保证测算结果的稳健性，本文采用技术效率变化指数作为高校创新政策的度量指标，将全要素生产率指数作为稳健性检验的替代性指标。

2.2 高校科研结构

教学与科研有机结合是现代研究型大学核心思想之一，有利于科研人才培养与科技创新活动协调一致，也是高校与其他科技创新主体的显著区别，但是如何在两者之间保持平衡一直是国内高校发展的难题。创新要素配置是结构差异的集中体现，包括科研人员、研发资本、知识资本存量等投入性指标，影响创新要素组合及比例关系(肖兴志等，2019)。其中，科研人员比重、科研结构事关科研工作的继承性和连续性，但是对其主导作用的探讨目前尚未形成共识(李后建等，2018)。因此，本文采用科研人员教学比和科研类型稳定率两项指标度量高校科研结构。其中，前者采用教学与科研人员中研究与发展人员所占比例(research)，后者采用Moore指数测算求得的structure指数。structure指数表示不同时期各科研工作投入人力的绝对变化加总，structuret值越大，说明整个高校创新体系科研结构转换程度越高、越频繁；反之，structureht值越小，说明整个高校科技创新体系科研结构转换程度越低，越平稳。

structureht=(1-structuret)×100

(4)

式(4)中，Wi,t表示第t期第i项科研工作的人员投入所占比重，Wi,t+1表示第t+1期第i项科研工作的人员投入所占比重。该指标的优势在于没有先验性地假设结构变动方向，因而有可能产生促进或抑制两种作用[20]。本文对高校科研工作的分类源自《高等学校科技统计资料汇编》对高校科技创新活动的分类标准，即基础研究、应用基础、试验发展，采用报告年内投入人员变量进行结构转换指标测算。

2.3 模型构建与变量说明

本文选用结构方程模型(Structural Equation Modeling)中的路径模型(Path Models)探究高校创新政策、科研结构与创新绩效之间的传导路径，总体模型设定如下：

lntransformationi=α0+α1lnpatentsi+α2lnpolicyi+α3lnstructurehi+α4researchi+α5Zi+εi

lnpatentsi=β0+β1lnpolicyi+β2lnstructurehi+β3researchi+β4Zi+εi

(5)

式(5)中，lntansformationi表示成果转化绩效，lnpatentsi表示科研产出绩效，lnpolicyi表示高校创新政策，lnstructurehi表示科研类型稳定率，researchi表示科研教学比，Zi为省域范围内高校科技创新活动控制变量，εi为随机扰动项，α和β分别表示各变量之间的边际影响。

科技创新活动是一个复杂过程，对应不同发展阶段，国内外学者多采用专利数量、新产品销售收入等指标衡量创新绩效(郑威等，2017)。关于专利类型，俞立平等[21]将发明专利作为创新绩效的代理变量。然而，部分基于专利视角的研究发现，创新主体为提高竞争优势以获取利益，很多时候表现出对某种专利类型的迎合[22]，导致选用的专利类型在无意中默许了某种策略性倾向。因此，本文综合已有研究，不对专利类型进行明确划分，以客观阐述高校创新绩效影响关系。

科研产出绩效采用专利申请数度量，因为专利申请数与R&D投入之间具有较强的相关性[23]，且能够及时、全面地反映报告年内创新主体的创新信息(柳卸林等，2020)。一方面，专利申请数属于非经济指标，在统计意义上规避了创新主体的“寻租”行为[24]；另一方面，专利授权申请一般需要2～4年，格式不符合要求的创新成果一般难以顺利获得授权。因此，考虑到科研工作对“不成功”的容忍，专利申请数更符合我国科研工作实际。成果转化绩效代表科研产出成果转化实效，可以补充科研产出绩效所不能衡量的经济效益[25]，采用专利出售当年收入度量。本文从市场环境与社会环境两个视角选取市场信号、社会信任两项指标作为控制变量，因为在相同政策环境下，不同经济因素与社会因素也会影响科技创新效率变化[26]。因此，本文采用省域内人均GDP与高校科研经费内部支出对科技创新环境市场信号进行度量，采用高校主办的国际学术会议次数度量区域社会影响力，从而反映高校所受社会信任程度。综上所述，各变量指标类型及解释如表1所示。

表1 变量指标类型及解释Tab.1 Variable Indicator Types and Interpretation

根据政策周期理论要求，政府公共政策出台过程可划分为制定、执行、监督、评估、结束等具体阶段，从创新政策出台到充分产生政策效能需要一定的时间累积，同时高校科技创新活动从创新成果研发到成果转化也存在一定的缓冲期[27]，即高校科技成果转化投入与产出存在一定的时滞性[28]。但是，相邻年份投入与产出具有高度相关性。由于本文重点测度高校科技创新政策动态效率，因此采用相同年份数据不会影响结果的有效性。为此，本文在数据可获取性与科学性的前提下，收集2004-2019年中国内地27个省份面板数据(青海、西藏、宁夏和海南地区因数据不全，故未纳入统计)，对成果转化绩效指标进行滞后性处理。滞后期选择根据研究对象不同而不同，已有研究普遍将其设置为1～3年[29]，但是考虑到创新绩效在时间上存在一定连续性，表现为当期创新绩效存在一定的波动，滞后期设置不宜过长。因此，本文滞后期设置为1年，即成果转化绩效相较于创新政策与科研产出绩效滞后1年。 另外，针对部分年份缺失数据，本文采用插值法补全。

3 实证结果

3.1 创新政策水平

采用DEA-BCC模型测度2004-2019年中国内地27个省份高校创新政策指数(技术效率变化指数及其累计值)，如图2所示。从全国范围看，高校创新政策水平总体向好发展，体现了国家战略部署对高校创新政策的影响。其中，自2006年起，高校创新政策水平动态效率值稳步提升，随之带动高校科技创新政策水平整体上升。同理，2012-2013年与2018-2019年高校创新政策动态变化值增长幅度基本吻合全国科技创新政策重要文件出台节点(梁正，2017)，彰显了2012年创新驱动发展战略与2018年“三评”体制改革的正向积极作用，符合全国科技创新政策环境变化趋势。

由图2可知，高校创新政策水平呈现相对“跳跃”趋势，体现了我国政策实施的灵活性与政策执行的粘滞性。一方面，在国家政策与战略实施要求下，各级政府积极出台配套政策响应国家号召，在数量上满足了国家科技创新政策体系建设，但是动员能力并未同步跟进；另一方面，创新政策目标多元，在执行层面存在重叠与交错，科技资源配置在多元政策目标权衡下缓冲了创新政策预期效能。因此，我国高校创新政策在过去十余年发展历程中，虽然各级政府都不遗余力地营造良好的高校创新政策环境，但未能保持长期稳定。

3.2 影响路径与绩效分析

(1)影响路径。本文以科研产出绩效为中介变量，采用极大似然估计法对科技成果转化绩效影响路径进行探讨。图3展示了创新政策、科研教学比与科研类型稳定率影响创新绩效的估计系数及传导路径，整体模型与各子模型拟合优度(R2)均大于0.1，符合检验要求。由图3可知，科研产出绩效与成果转化绩效表现出两面性，创新政策与科研结构对高校科研创新绩效的影响各有侧重。在创新政策方面，高校创新政策显著正向影响科研产出绩效、负向影响科技成果转化绩效，表现为高校创新政策对科研产出具有激励作用，但其与成果转化绩效并未建立起正向作用关系。在科研结构方面，科研教学比和科研类型稳定率对科研产出绩效与成果转化绩效的作用方向相反，即科研教学比中科研人员占比越高或科研类型稳定率越低，则科研产出绩效越低，成果转化绩效越高。在创新绩效方面，科研产出绩效作为中介变量，将高校创新政策的正向影响显著传导至成果转化绩效。该路径模型展示了创新政策、科研结构与创新绩效之间的作用路径，其中创新政策对科研产出的正向影响得到验证，且科研产出与成果转化之间的正向关联十分显著，但是科研结构对科研创新绩效的影响作用不显著。

(2)高校创新政策与创新绩效。为进一步揭示高校创新政策效能，本文采用分位数回归法对变量进行检验。分位数回归模型能够依据因变量条件分位数对自变量进行回归，以提升研究结果的稳健性，相较于传统普通最小二乘法，更能精确描述解释变量对被解释变量的弹性变化[19]。本文将科研产出绩效与成果转化绩效划分为9个分位(τ=0.1～0.9)，两组分位数回归模型拟合优度均大于0.1，说明估计结果准确可靠，如表2所示。这表明，高校创新政策与科研产出绩效之间存在正向线性关系，但其对成果转化绩效具有非线性影响作用。

图2 2004—2019年全国高校创新政策水平动态变化值与累积值Fig.2 Dynamic value and cumulative value of innovation police in universities from 2004 to 2019

图3 高校创新政策、科研结构与创新绩效路径模型结果Fig.3 Path model results of innovation policy, scientific research structure and innovation performance in universites

当以科研产出绩效为因变量时，高校创新政策对科研产出绩效的弹性系数未发生明显改变，仅对科研产出绩效处于中上水平的高校具有较强促进作用。当以成果转化绩效为因变量时，高校创新政策对成果转化绩效的影响较小，但其负向影响出现不间断的变动。随着成果转化绩效提升，科研产出绩效弹性系数总体下降，并在本文τ=0.9时降为最低且不再显著。对比创新政策与科研产出绩效弹性系数发现，创新政策往往在科研产出绩效系数相对较低或不显著情况下才表现出显著负向影响。可见，当高校科技成果转化无法得到科研产出有效支持时，创新绩效对成果转化绩效产生抑制作用，说明创新政策对成果转化绩效的促进作用不够直接。因此，各级政府需要合理加大创新政策执行力度，将更多精力放在政策目标与政策环境优化上，加强科研产出效率与成果转化效率的有效匹配，避免创新政策“顾此失彼”。

(3)科研结构转换与高校创新绩效。本文构建面板数据模型并纳入科研教学比的二次项，在路径模型测算结果的基础上进一步探讨科研教学比与科研类型稳定率的影响。考虑到研究样本时间跨度较长且涉及中国内地27个省份，固定效应模型比较适合本文研究。同时，仅用个体固定效应模型难以捕捉随时间改变的遗漏变量[20]。因此，本文采用双向固定效应模型进行分析，估计模型设定如下：

lntransformationit=α0+α1lnpatentsit+α2lnpolicyit+α3lnstructurehit+α4researchit+α5researchit2+α6Zit+εit

lnpatentsit=β0+β1lnpolicyit+β2lnstructurehit+β3researchit+β4researchit2+β5Zit+εit

(6)

高校创新政策、创新绩效与科研结构双向固定效应估算结果如表3所示。从中可见，所有面板数据模型显著拒绝随机效应原假设，说明双向固定效应模型估计结果可靠。当因变量为科研产出绩效时，科研类型稳定率与路径模型结果一致，但科研教学比二次项系数显著为负并呈现倒U型曲线分布，说明科研结构转换越频繁，高校科技创新活动受到的负向影响越大。只有在相对稳定的科研环境下，高校科研产出才能够得到有效提升。同时，各高校存在一个最佳科研教学比以匹配自身科技创新活动最优科研产出，但是倒U型曲线在成果转化阶段转变成正U型曲线，说明教学与科研之间的一致性与竞争性问题依然存在[30]。此外，控制双向固定效应发现，创新政策与成果转化绩效从负向作用关系变为正向作用关系，说明创新政策对创新绩效的影响总体表现出激励作用。

表2 高校创新政策与创新绩效分位数回归估计结果Tab.2 Quantile regression estimation results of innovation policy and performance in universities

表3 高校创新政策、创新绩效与科研结构双向固定效应估算结果Tab.3 Fixed effect model results of innovation policy, performance and scientific research structure in universities

(4)结果总结。高校创新政策与成果转化绩效存在非线性作用关系，总体表现为弹性系数负向变化趋势。综合上述模型结果可知，创新政策能够显著促进科研产出绩效提升，但是对成果转化绩效表现为正向“无用功”，说明高校科技创新活动存在科技成果隐性转化，并得到科研结构微调的正确引导。实际上，知识创造是一个超竞争知识研发、竞争隐性知识吸收与知识转化的过程，创新成果转化可以分解为显性知识转化和隐性知识转化(朱方伟等，2004)。对于转化受体而言，从外部获取的科技创新成果需要经过显性知识与隐性知识的相互转化才能促进创新能力提升，进而实现创新绩效。因此，政策、绩效、结构之间的关系符合隐性知识主体与受体知识转化[31]，表现为高校创新政策与成果转化绩效之间的非线性作用关系。本文揭示高校科技创新活动显性知识向显性效益转化的综合过程，并非说明高校创新政策对成果转化绩效具有消极影响，而恰恰是因为高校存在较强的隐性知识转化，且这种隐性知识很难被识别，因此才导致其表现为负向影响。当前，正值创新型国家和世界科技强国建设的重要关口，地方政府应从高校科技成果转化后端环节入手，加强科技创新政策对成果转化的扶持。同时，加强科学技术消化、吸收与创新，注重科研产出与成果转化的有效衔接，充分发挥科研产出绩效在高校创新政策与成果转化绩效之间的桥梁作用。

科研结构对高校创新绩效的影响侧重于科研产出环节，其中科研教学比呈现双U型影响曲线。从高校科研活动本身出发，科研结构优化升级对科技创新的带动作用分别体现在科研转移方向与资源倾斜配置两个方面，以此形成发展闭环。一方面，科研结构优化升级的本质是生产要素从低效率生产部门向高效率生产部门转移的过程。科研类型稳定率越低，科研方向变动与创新资源重置对技术创新越具有显著正向影响；另一方面，高校科研教学比是高校科技创新绩效能否适应当前市场环境的重要变量，因为科技创新活动的开展有助于增强高校与企业之间的沟通，企业凭借高校技术转让获取的超额利润能够逐渐改变高校科技资源配置比例，从而影响创新绩效发展。综上所述，科研类型稳定率有助于缓解创新资源向高效率科研方向转移的倾向，而科研教学比则能够对创新资源配置进行微调，并在高校内部形成发展闭环，其对成果转化绩效作用的弱化揭示出这一发展闭环处于低水平发展阶段。因此，各高校亟需探寻与自身创新环境相匹配的科研结构，以实现发展闭环的更新换代。

3.3 稳健性检验

虽然技术效率变化指数与全要素生产指数在过去10年变化趋势存在较大不同，但两者都能够测度高校创新政策水平。为提升上述测算结果的稳健性与科学性，本文使用全要素生产指数作为创新政策指数的代理变量，或是采用专利授权数替换专利申请数，重复以上模型，检验已授权专利是否存在有别于在申请专利的作用路径。估计结果显示，解释变量影响方向与作用路径无显著变化，说明上述模型估计结果稳健可靠。

4 结语

4.1 研究结论

本文通过测度2004-2019年中国内地27个省份高校创新政策水平，在综合考虑高校科研结构转换指标与科研活动阶段划分的前提下，探索高校创新政策、科研结构与创新绩效之间的关系，得出如下结论：

(1)高校创新政策水平呈波动式上升趋势，政策效能表现出一定的非线性特征。以技术效率变化指数测度高校创新政策发现，我国各省份高校创新政策呈波动式上升趋势。创新政策作用于科研产出绩效与成果转化绩效的回归结果存在差异，其对前者存在显著正向激励作用，对后者总体呈现模糊的正向影响，说明高校创新政策激励是一个动态演化过程。

(2)高校科研任务与教学任务一致性与竞争性问题始终存在。科研类型稳定率正向影响高校科研产出绩效，说明科研方向频繁变动与创新要素重置在一定程度上阻碍了科技成果产出；科研教学比对科研产出绩效与成果转化绩效分别呈现倒U型影响与正U型影响，虽然科研任务与教学任务在资源投入方面存在一致性，但在资源配置方面竞争十分激烈。

(3)科研产出绩效与成果转化绩效之间表现出隐性转化特征。在创新政策与科研结构的双重影响下，科研产出绩效显著正向影响成果转化绩效，但这种正向影响在成果转化绩效水平较高省份逐渐弱化甚至不再显著，揭示出我国高校科研产出、成果转化存在显性知识与隐性知识的相互转化，创新价值链不够连贯。

4.2 理论贡献

已有研究较多关注科技创新指标体系构建、科技创新能力发展影响因素、科技创新政策效能测度方法，尚未形成共识性的理论体系和技术方法体系。本文创新之处在于，对科技创新政策效能进行拓展，重点探讨高校创新政策、科研结构与创新绩效之间的关系，运用效率测度法对省域范围内的政策效能进行测度，将科研结构纳入高校科技创新政策与创新绩效关系框架，探索科研任务与教学任务对高校科技创新能力高质量发展的影响，以及创新政策在不同高校的作用方向，为高校科技管理提供了政策层面的参考依据。

4.3 实践启示

根据上述研究结论，为促进高校科技创新更好服务于国家创新驱动发展战略，本文提出如下启示：

(1)完善高校科技成果转化政策。高校科研创新政策对科技成果产出具有较强的政策效能，因此，各级政府应加强科研产出与成果转化的有效衔接，避免科研产出绩效无效堆积，为科研产出高质量与成果转化高效益提供保障。

(2)促进科研结构合理转换。对高校科研与教学人员比例进行微调，鼓励高校在结构层面进行变革。通过科研结构优化升级促进创新绩效提升，把控科研结构转型本源，避免科研方向盲从，及时调整科研教学比，以国家重大需求为牵引合理配置科研任务与教学任务诸要素；同时，注重科研产出与成果转化的有效衔接，实现发展闭环的更新换代。

(3)引导隐性知识显性化。高校创新政策需要引导隐性知识转化，特别是对于成果转化绩效较高地区，应发挥科研产出绩效的中介作用，强化对科研人员隐性知识的挖掘，实现隐性知识显性化，推动创新成果转化。同时，各高校应结合自身科研结构，分重点加强高校创新政策目标引导，以“教育促进知识转移，科研促进知识显化”为原则，打通高校创新政策与成果转化绩效之间的通道。

4.4 不足与展望

在我国高校科技创新能力提升实践中，如何将央地政策融入自主创新发展是科技创新政策研究的重要议题。为探寻符合中国高校实际的科技创新发展道路，未来可在以下方面进一步积极探索：①突破省域层面数据限制，从高校个体层面开展研究，为高校科技创新路径优化提供更具操作性的参考建议；②构建更精细化的评价指标体系，运用多层次模型对高校科技创新活动的央地政策效能进行比较。