长江经济带“双一流”建设高校科技成果转化效率测度及影响因素

杨树旺，谭芳玲，李 琳

（中国地质大学（武汉）经济管理学院，湖北武汉 430078）

1 研究背景

科技成果转化是将创意转化为生产力的重要环节，科技成果转化效率是评价国家科技创新水平的重要指标。我国教育部、科技部出台的《关于加强高等学校科技成果转移转化工作的若干意见》明确了高校在科技成果转化中的重大意义。党的二十大报告指出，要提高科技成果转化和产业化水平。但长期以来，我国高校科技成果转化效率不高，截至2022 年1 月，高校有效专利实施率仅为10.8%，远低于企业有效专利实施率67.1%［1］。为扭转这一局面，国家近年来加大了研发投入，但科技成果成功转化为生产力的效益仍然薄弱。在此背景下，精准找出科技成果转化薄弱环节，打开科技成果转化“黑箱”，研究研发各阶段的投入产出关系，理清政府、高校与企业在各环节的职责，才能有针对性地改善各环节存在的问题。

长江经济带是我国重大国家战略发展区域，科技部印发的《长江经济带创新驱动产业转型升级方案》指出，促进长江经济带发展的重点任务之一是加快科技成果转化，依托科技创新助力长江经济带产业升级。长江经济带涵盖了11 个省市，共有34所“双一流”建设高校，技术创新氛围浓厚、科技资源丰富，是知识和技术创新的重镇，但从2020 年长江经济带创新驱动力指数来看，较多大中型城市的科技成果转化绩效表现不佳，例如上海、南京、武汉、杭州在长江经济带110 个城市中科技创新投入分别排名前4 位，但其创新驱动转型绩效排名仅分别为第17、6、10、7 位［2］，相关资源投入并未能有效转化为现实生产力。

学者们就高校科技成果转化效率的提高展开了很多研究，但多为定性研究，探讨转化率低的原因和优化路径，普遍认为制约高校科技成果转化的主要原因如下：第一，制度限制，包括科技成果所有权制度不清晰、处置权主体虚置、评价制度不完善、转化收益分配制度缺位等，如赵雨菡等［3］、钟卫等［4］的研究；第二，资金限制，包括缺少风险投资的介入、资金结构不合理、中间环节资金短缺等，如陈东林等［5］、王凡［6］的研究；第三，中间环节薄弱，包括科技中介职责不明确、缺乏中试平台、缺乏复合型人才等，如靳瑞杰等［7］、孟祥利［8］等的研究；第四，政策障碍，如张寒等［9］认为现行政策与执行者诉求之间存在矛盾，科技成果转化面临机制障碍。针对上述问题，已有研究提出的优化路径主要包括：第一，完善相关体系，如健全政府法规保障体系，完善科技成果转化的综合服务体系、高校产学研协同合作的外部动力机制和成果转化的内部催化机制［3］；第二，优化模式，推行高校师生联合创业模式、企业项目委托模式、中介机构入股模式和科技成果混合所有制模式［10］。

另外，罗茜等［11］学者则进行了有关定量研究，通过测度高校科技成果转化效率，并对不同学科、不同高校、不同地域或国家的高校科技成果转化率进行比较分析。有关高校科技成果转化效率的定量研究方法以简单的数据包络分析（DEA）模型、DEA-Malmquist 指数、SBM-DEA 模型、链式DEA模型为主，主要是在DEA 方法上作出改进，如高擎等［12］、王赵琛等［13］、何悦等［14］、李胜会等［15］、林青宁等［16］的研究。在研究视角上主要有两类：第一类是测算高校科技成果转化效率值并研究其时空分异，结论多为我国高校的科技成果转化水平低、空间相关性显著，呈现出东部地区高校的效率值显著大于中西部地区高校的特征［16］；第二类是探索影响高校科技成果转化率的影响因素，常用的研究方法有托宾（Tobit）回归、扎根理论、门槛回归等，得出的影响因素通常包括国家政策、区域环境、激励机制等，如魏守华等［17］的研究。

通过文献回顾发现，在高校科技成果转化方面，学者们更多地着眼于定性研究，对定量研究的关注度不够，而定量研究集中于科技成果转化效率的测度，仍存在改进空间。第一，成果转化是一个多阶段、前后相互关联的过程，现有相关研究多将高校科技成果转化过程简化为单一阶段来研究，仅关注初始投入与最终产出，丢失了中间过程的有关信息。第二，研究方法选取方面，大多数采用的是简单DEA 模型，则如Siegel 等［18］的分析指出，存在未剔除环境因素和随机变量的缺点。因此，本研究采用链式的DEA与随机前沿（SFA）相结合模型，将科技成果转化过程划分为基础研究、应用研究和科技价值创造3 个阶段，同时剔除环境因素和随机变量的影响，测算长江经济带“双一流”建设高校的科技成果转化效率，并运用核密度估计、Tobit 模型等方法，以分析揭示高校科技成果转化效率静态差异、动态变化规律及其影响因素。

2 理论模型

根据《中华人民共和国促进科技成果转化法》（2015 年修订），狭义的科技成果转化是指科技成果后续的实验、开发、应用、推广，其最终目的在于形成新产品、新工艺、新材料，并最终形成新生产力［19］。广义的科技成果转化不仅包含应用技术成果的转化，还包含了科学理论成果的转化［20］，即包含了科技实践主体通过对资金、人力等各类资源的有效利用将知识变现为科学技术成果的过程［21］。本研究探讨的是广义的科技成果转化。

广义的科技成果转化与“创新链”概念十分契合。有研究综合商界和学界角度探讨了创新链的构成，如Timmers［22］认为创新链可分为基础研究、技术开发、应用和部署；Hage 等［23］提出想法创新链（idea-innovation chain）的理念，把创新链分为基础研究、应用研究和发展研究三部分；Larson 等［24］认为创新链是从知识到创新再到财富和经济发展，最终到达国家繁荣的过程；Johansson［25］指出创新链包含研究与开发、建立示范项目、技术扩散；袁东明等［26］结合我国的创新活动，认为创新链包括基础研究、应用研究、中试、商品化和产业化过程5 个环节；李薇等［27］认为逆向产业链的构成要素包括创意、研发以及市场进入次序。

基于已有相关研究，本研究构建包括科技创新源、原创构想、技术设计、实验原型、技术孵化、技术商业化、科技成果产业化的高校科技成果转化链条。其中，科技创新源是起始点，包括新知识和新需求等信息，原创构想是将新知识向实施阶段过渡，从科技创新源到原创构想是基础研究阶段（Q11），重点在于揭示客观规律，不追求特定的目的，其成果的表现形式是专著与论文；技术设计是细化实施方案，实验原型是整合技术方案，从技术设计到实验原型是应用研究阶段（Q12），目标是明确的，与现有的商业模式联系紧密，专利是其成果的主要表现形式；技术孵化是创造商业价值的开端，为现有的技术提供科技服务，如大学通过与技术转移中心、科技园等合作，推广在中试环节的新技术；技术商业化和科技成果产业化是指采取转让和出售等方式将科技成果变现，最终实现商业化。

将科技成果转化链条和创新链结合（见图1），并按照主体的不同，将前4 个阶段（从A到D）统称为“科技研发阶段”（Q1），后3 个阶段（技术孵化、技术商业化、科技成果产业化）统称为“科技价值创造阶段”（Q2）。科技研发阶段的主体主要是高校、科研机构，反映的是高校对资金、人力等资源的利用率，主要产出为论文、专著和专利；科技价值创造阶段的主体主要是企业和研发机构，这一过程主要是反映研发成果的经济效益，科技成果在中试环节趋于成熟，通过技术孵化实现推广，并通过市场化、产业化实现其商业价值。

图1 科技成果转化链条

3 研究设计

3.1 研究区域与数据处理

根据教育部公布的《第二轮“双一流”建设高校名单》，长江经济带共有34 所“双一流”建设高校，结合数据的可得性与完整性，最终筛选出了其中的28 所高校（以下简称“样本”）作为研究对象（见图2），共涉及10 个城市。其中，长江经济带上游城市包括成都和重庆；中游城市包括武汉和长沙；下游城市包括合肥、南京、徐州、杭州、上海。研究数据主要来源于2015—2019 年的我国《高等学校科技统计资料汇编》和《中国城市统计年鉴》。由于产出相对于投入来说具有滞后性，将产出滞后投入1 年，如2014—2016 年，Q1的投入和产出分别采用2014 年和2015 年的数据，Q2的投入和产出则分别采用2015 年和2016 年的数据。此外，考虑到价格的波动，使用居民消费价格指数进行平减。

图2 研究对象及区域分布

3.2 研究方法

3.2.1 三阶段DEA 模型

（1）第一阶段：初始值计算。本研究的侧重点在于考察产出不变下投入最小化问题，因而选取投入导向型的DEA-BCC 模型。由于科技成果需要一定的时间才能有产出，且当前的科技创新成果产业化周期不断缩短，因此设置产出均滞后于投入1 年。投入导向型对偶形式的DEA-BCC 模型表达形式如下：

通过BCC 模型计算出的综合效率（TE）可以进一步分解为纯技术效率（PTE）和规模效率（SE），即：

第二阶段：基于SFA 回归的投入调整。将原始投入量剔除环境和随机误差影响。将决策单元投入量的松弛变量作为被解释变量、环境变量作为解释变量，构建SFA 回归模型。模型的表达形式如下：

SFA回归是为了调整相关环境因素和随机噪声，调整公式如下：

基于以上方法，研究的逻辑框架如图3 所示。

图3 研究的逻辑框架

3.2.2 核密度估计

核密度估计法具体的形式为：

式（5）中：Y是随机变量X的概率密度值，m是观测样本总数；h为带宽，带宽越大则密度曲线越光滑但精确度越低，带宽越小则反之；表示所用的核函数。

3.2.3 Tobit 模型

由于科技成果转化效率值介于0～1 之间，具有截取数据的特征，因此选用Tobit 回归识别高校科技成果转化效率的影响因素。模型形式如下：

3.3 指标选取

3.3.1 投入产出指标

借鉴李培哲等［30］的研究，高校Q1的投入主要表现为人员与科研经费，因此分别用研究与发展全时当量人员和科研经费内部支出作为投入指标；Q11的产出以论文和专著作为主要表现形式，而Q12的产出以专利作为主要表现形式，因此分别采用出版科技著作数量与发表论文数量、专利申请数作为产出指标。对于高校Q2的产出，国外的研究多用专利收入和专利申请量作为产出指标，国内的研究则多用技术转移数和技术转移收入作为产出指标，但有研究指出，技术转移与成果转化虽有交集，但在市场化程度、主体职责等方面存在着明显区别［31］，因而拟借鉴熊曦等［32］的研究，采用专利申请量和专利收入作为产出指标；进一步考虑到专利申请数只能代表高校的科研能力，而不能代表高校科研成果向企业输入进而实现转化的能力，因此借鉴覃雄合等［33］的研究，使用专利授权数来替换专利申请数,。Q2的产出为科技成果商业化所带来的收益，因此采用的产出指标是技术转让当年实际收入和专利出售当年实际收入。

3.3.2 环境指标

对投入的松弛变量进行调整之前，需要确定环境指标。环境指标的选取需要遵循如下原则：一是需要对结果有影响；二是这种影响人为难以控制与改变。根据三螺旋理论，科技创新离不开高校、政府、企业的协同作用，因此借鉴康淑娟［34］的方法，分别从政府、企业、社会3 个角度选取了科研经费政府投入（环境变量1）、科研经费中企事业单位委托的有关投入（环境变量2）和地区生产总值（环境变量3）作为环境指标。

3.3.3 影响因素指标

（1）高校科研人员素质。人力资本是促进高校科技成果转化的重要因素［35］，高职称人员是高校独有的智力资源，其专业素质能支撑自身掌握前沿问题、应对新技术带来的门槛效应，因此选用的指标是高校教授人数。

（2）高校科技合作参与度。高校之间的合作研究能更充分地利用人才、科技、资本等要素［36］，是促进科研和创新的重要途径，因此选用的指标是高校合作研究派遣与接受总人次。

（3）教育重视程度。人才是发展的根本要素，地区对教育的重视程度决定了区域内的人才素质，同时地区对教育的重视水平越高，人才优势越明显、创新氛围越浓厚、科技成果转化链条更通畅，因此选用的指标是高校所在市的教育支出。

（4）产业结构。地区产业结构与科技成果转化具有明显的相关性，如Thursby 等［37］认为科技吸收能力与产业结构高度相关，产业结构越高级则科技吸收能力越强；同时考虑到产业结构高级化的表现形式之一是由劳动力密集型转向技术密集型和资金密集型产业，因此选用第三产业的产值占所有产业的比重作为指标。

（5）对外开放水平。蒋殿春等［38］分别从竞争效应和技术外溢效应研究了对外开放水平对科技创新的影响，结果显示外商直接投资（FDI）引发的竞争效应因吞噬国内市场而打击了国内企业科技创新的积极性，而技术外溢效应则使得国内企业从外商投资企业中获取技术与经验，因而FDI 对科技创新的影响主要是看以上两种效应的对比，因此选用的指标是高校所在市的FDI。

影响因素指标选取及样本高校的有关描述性统计结果如表1 所示。对投入产出指标均进行了取对数处理，不会改变数据的性质和相关关系但缩小了变量的尺度，使得数据更加平稳，也削弱了模型的共线性、方差性等。

表1 样本高校科技成果转化效率影响因素选取及其描述性统计结果

4 结果分析

4.1 科技成果转化效率测算结果

为对比第一、三阶段的效率值，需要利用SFA回归对投入进行调整，即将高校投入量的松弛变量作为被解释变量、环境变量作为解释变量进行极大似然比估计。结果如表2 所示，单边似然比检验统计量LR 服从混合卡方分布，所有的投入松弛变量通过了0.5%的显著性检验，表明外部环境对高校科技成果转化效率有着显著的影响。其中，基础研究当年投入、出版科技著作数量、发表论文数量、专利授权数的松弛变量均在0.7 以上，表明这4 种投入要素的冗余主要是管理无效率造成的；应用研究当年投入、R&D 全时当量人员的松弛变量仅分别为0.62、0.47，表明其冗余既有随机干扰又有管理无效率。因此，管理因素和随机因素对高校科技成果转化效率均有显著影响，有必要将各因素对效率的影响进行剥离分析，故而进一步根据计算的环境变量调整值和随机扰动调整值来调整原始投入。

表2 2014—2018 年样本高校科技成果转化效率影响因素的回归分析结果

如表3 所示，总体来看，各高校科技成果转化效率值在0～1 之间波动，基础研究效率高于应用研究效率和科技价值创造效率。其中，华中科技大学和浙江大学在3 个阶段的表现均较好，在科技成果转化上表现良好；西南交通大学、东南大学、中国矿业大学、中南大学在基础研究和科技价值创造阶段的效率值严重不匹配，这些高校的科研能力强但商业化能力弱，说明其理论性成果向应用型成果的转化机制不顺畅。另外，从不同阶段来看，样本高校所在城市科技成果转化的环境差异使效率测算结果存在不同程度的低估或高估，优化后的效率值总体提升，从各阶段的效率值均值来看，基础研究阶段从0.61 提高到0.63、应用研究阶段从0.24 提高到0.41、科技价值创造阶段从0.28 降低到0.25，应用研究阶段效率值提升幅度最大，表明这一阶段受到环境因素的负面影响最大。其中，3 个阶段优化后效率值均上升的高校为四川大学、西南交通大学、华中科技大学、中南大学、东南大学、浙江大学、同济大学和上海交通大学；3 个阶段优化后效率值均下降的高校为华中农业大学、中国矿业大学、江南大学、中国药科大学、华东理工大学、东华大学。可见优化后效率值上升的多为综合实力较强的高校，而效率值下降的多为综合实力较弱的高校，说明区域环境影响高校的发展。

表3 2014—2018 年样本高校科技成果转化效率优化前后对比

图4 反映了各高校不同年份科技成果转化效率值的对比。在基础研究阶段，高校科技成果转化效率呈现先下降后上升的态势：2014 年，尤其是在长江下游地区，大部分高校的效率值较高，并有多家高校的效率值达到1；2015 年，多所高校的效率值明显降低；2016 年，效率值虽有所回升，但呈现两极分化的趋势，下游高校效率值较高、中上游高校效率值较低。在应用研究阶段，各高校科技成果转化效率呈现先上升后趋于稳定的态势：2016 与2017年的效率值曲线基本重合，说明效率值波动很小；同时高校效率值呈现明显的多级化趋势，以浙江大学、江南大学为代表的高校效率值高，以华东师范大学为代表的高校效率值低。在科技价值创造阶段，高校科技成果转化效率呈现先下降后上升的态势，且效率值明显集中于低值，其中2016—2018 年，部分高校的效率值变化较大，以华中农业大学为代表的高校效率值急速下降，以华东理工大学为代表的高校效率值急速上升。

图4 样本高校不同阶段的科技成果转化效率分布

4.2 科技成果转化的纯技术效率和规模效率

由图5（a）可知，位于第一象限的 高校属于高规模效率值和高纯技术效率值。在基础研究阶段，共有11 所高校分布在此象限内，其中4 所来自江苏省，原因在于“十三五”期间江苏省累计承担国家自然科学基金项目数和项目经费数均居全国（未含港澳台地区。下同）第一［39］，因此江苏省加强基础研究，努力实现“从0 到1”的突破。处于第二、四象限的高校属于规模效率和纯技术效率不匹配，例如华中农业大学、浙江大学，这些高校应进行一些针对性 地改进。

从图5（b）（c）可以看出，应用研究和科技价值创造阶段的规模效率值都较高，集中在0.9～1.0之间，而纯技术效率远远低于规模效率，说明高校科技成果转化的综合效率主要靠规模效率拉动，即主要依靠政府、企业等投入更多的资源；但也存在特例，如西南交通大学的纯技术效率远高于规模效率，说明其资源利用能力较强，但在资源投入量上有待加强。

图5 2014—2018 年样本高校科技成果转化效率分解与分布

4.3 长江分流域高校科技成果转化效率

如图6 所示，总体来看，样本高校在3 个阶段的科技成果转化效率从上游—中游—下游逐渐增高。在基础研究阶段，上游区域高校的效率值曲线波峰先左移后右移，表明区域内高校的效率值呈现先下降后上升的趋势，同时波峰逐渐变高、由宽峰向尖峰转变，说明高校间的效率值差异减小，但波峰逐渐增多，说明高校间存在两极分化的趋势；中游区域高校的效率值曲线由宽峰变为了尖峰，说明区域内高校的效率值差距缩小；下游区域高校的波峰明显经历了左移向右移，其中波峰左移表明效率值降低，且峰值明显下降、曲线趋于平缓，说明区域内各省份的效率值差异逐渐扩大。总的来看，高校历年的效率值曲线的左摆尾普遍比右摆尾长，且大多为单峰，说明基础研究阶段的效率值具有较强的收敛态势；2014—2016 年间波峰有右移态势，说明效率值随时间的推移而提升。

图6 长江经济带流域样本高校各阶段效率值核密度

在应用研究阶段，上、中、下游区域高校2015年的效率值曲线波峰总体均较高，高度集中于单峰或双峰，说明最初的效率值较为集中；2016—2017年，上游与中游区域高校的效率值曲线波峰右移，由尖峰转为了宽峰，表明效率值上升，即区域内高校的效率差异增大；且中游区域高校的效率值存在明显的右拖尾现象，说明区域内高校的效率值差异较大，而下游地区高校的效率值未发生明显变化，波峰高且为尖峰，说明下游区域高校整体的效率值较为集中。总的来看，高校应用研究效率值在2015—2017年逐渐出现了明显的双峰，说明分化的态势逐渐显现，存在着微弱的梯度效应；同时波峰右移，表明效率值随时间的推移而提高。

在科技价值创造阶段，上游和中游地区高校的效率值曲线由平滑变得陡峭，波峰左移，主峰高度经历了“大幅上升—显著下降”的过程，主峰宽度迅速收窄，说明上中游区域高校的效率值降低且内部效率值的差距缩小；下游地区高校的效率值曲线主波峰有些微左移且其宽度不断收窄，右拖尾现象逐渐得到缓解，说明效率值随时间的推移降低且绝对差异趋于缩小，同时效率值曲线从单个波峰演变为多个波峰意味着梯度效应逐渐显现，呈现多极化的趋势。总的来看，2016—2018 年效率值曲线波峰左移，高校科技价值创造效率随时间的推移而降低。

4.4 高校科技成果转化效率的影响因素分析

如表4 所示，样本高校科研人员素质与每个阶段的效率值都呈现显著的正相关关系。高校是人才的聚集地，高素质人才在现有政策的激励下产出论文、专著、专利等，积极推动基础研究与应用研究发展。近年来，国家陆续出台了促进高校科技成果商业化的政策，如赋予科研人员科技成果所有权、自主权、使用权；将科技成果转化绩效纳入到了有关评价机制中，发挥绩效考核的“指挥棒”作用；为企业精准匹配“产业教授”，促进成果商业化。但相对于科技价值创造阶段，科技研发阶段中教授人数对效率值的影响更为显著，尤其是在应用研究阶段，影响系数为0.77。通常而言，教授更擅长于理论研究，而在商业化阶段更加需要具备风险投资及国际商务等技能的复合型人才，即既需要企业家，也需要社会活动家和技术专家。

表4 2014—2018 年样本高校科技成果转化效率影响因素的Tobit 回归结果

高校科技合作参与度仅在应用研究阶段与高校科技成果转化效率呈现显著的正相关关系，但在基础研究和科技价值创造阶段不显著。高校在应用研究阶段的产出主要以专利为表现形式，从申请情况看，世界知识产权组织公布的数据显示，我国PCT国际专利申请量已经连续3 年位居世界首位［40］，说明我国与国外专利合作有着良好态势。高校合作研究的意愿一定程度上反映了高校的国际影响力，高校通过国际交流能获取国际经验、提高专利价值，进而提高应用研究效率。

地区对教育的重视程度仅在基础研究阶段与高校的科技成果转化效率值呈正相关关系，而在应用研究阶段和科技价值创造阶段则与效率值呈负相关关系。说明随着科技成果转化的推进，单纯地加大地区对教育的支出已经不能提高高校的科技成果转化效率，可能是因为在应用研究和科技价值产生阶段，需要更综合的专业能力，此时地区在教育方面的支出对这两个阶段的提升效果不明显。

在产业结构方面，以往研究大多认为产业结构确实对高校科技成果转化效率有正向影响，但是结果不显著，但本研究结果表明，在基础研究和科技价值创造阶段，地区产业结构与高校科技成果转化效率值呈现显著的正相关关系。这与现实情况相符：《长江经济带经济发展报告（2019—2020 年）》数据表明，长江经济带战略性新兴产业增加值高于全国2～3 个百分点［41］，区域内高技术产业占比更高，对科技成果转化的推动作用更明显，为有实用价值的科研成果提供了足够的市场空间进行商业化。

地区对外开放水平在基础研究阶段与高校科技成果转化效率值呈现负相关关系，而在应用研究与科技价值创造阶段与效率值无显著关系。FDI 对效率值的影响取决于竞争效应与示范效应的对比，竞争效应抑制科技成果转化，而示范效应促进科技成果转化，结果显示FDI 在基础研究阶段的关系系数为负，这可能是因为FDI 带来的竞争效应挤占了国内企业的市场，不利于国内企业提高创新水平，进一步延伸到高校，影响了高校的科技成果转化效率。在应用研究阶段和科技价值创造阶段，FDI 与效率值无显著关系，可能是这两个阶段其竞争效应与示范效应平衡。

5 结论与建议

本研究采用DEA-SFA、核密度估计、Tobit 回归等方法测算了长江经济带28 所“双一流”建设高校2014—2018 年科技成果转化效率，分阶段、分流域对比分析了各高校的效率水平及其影响因素。研究表明，剔除环境因素后，28 所高校的科技成果转化效率得到提升，综合效率值呈现阶段递减的趋势，即“基础研究＞应用研究＞科技价值创造”，其中基础研究与应用研究阶段的效率值在2014—2018 年逐渐提高，但科技价值创造阶段的效率值逐渐降低；每一阶段影响高校科技成果转化效率的因素都有所不同，高校科研人员素质、产业结构等有显著的正向影响；高校科技成果转化效率的提升主要是由规模效率拉动的；长江下游区域高校在每个阶段的效率值均存在着两级或多级分化的态势。

根据以上结论，提出如下建议：（1）促进高校理论性成果向应用性成果转化。借鉴国外经验，一是建设具有定位清晰的公共科研体系，采用“接力开发”的模式为产业提供易于接受的技术供给；二是营造良好的制度环境，实行严格的知识产权保护法，同时提高发明人的科技成果所有权占比；三是赋予高校科研人员更多的经费支配自主权，如日本国立大学科技成果转化的全部收益由学校自主支配，不纳入政府财政经费，我国可借鉴在高校设立特区，选择科技成果转化优势突出的高校给予学校及其科研人员更大的经费管理自主权。（2）提高高校科技成果转化的纯技术效率。高校的科技成果转化效率还有较大的提升空间，应结合发展实际精简机构，减少盲目投入科技创新资源的现象，提高对资源的利用与管理能力。（3）缩小长江经济带区域内部高校科技成果转化水平的差距。缩小区域内部高校科技成果转化水平的差距仅凭市场调节是不够的，市场力量带来的马太效应需要政府加以干预，可以效仿美国硅谷的做法，重点扶持距离“明星高校”地理位置足够远且科技资源配置达标的高校，缩小地区差距。（4）重视人力资本。完善人才头衔制度，促进创新链和人才链有机贯通，并搭建产学研合作、平台式中高端人才的培训体系，培养复合型人才；同时，扩大高校薪酬自主权，在聘用高端人才和具有创新实践成果的优秀科技人才时，可自主探索实行年薪工资、协议工资、项目工资等多种薪酬分配制度，灵活确定薪酬待遇水平。（5）鼓励外资投向先进制造业，重点发展长江经济带优势产业链，实现更高水平的对外开放。