开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
近年来，在国家创新驱动战略的推动下，我国科技创新成果数量呈现强劲上升态势，特别是发明专利数激增，但也存在创新质量参差不齐、重大科技创新尤其是科学前沿和高技术方面仍明显落后于发达国家的问题，这一发展现状与我国实现科技强国的战略需求存在较大差距。
重大科技创新具备五大聚焦特性，即聚焦世界科技前沿、聚焦国家重大发展战略、聚焦“高精尖”产业发展、聚焦城市建设与社会发展需求、聚焦深化科技体制改革[1]，这也是实现科技强国的必然选择。相对于一般创新而言，重大科技创新还具有技术含量高与开发难度大、研发投入多与过程周期长、产出效益高与影响效应大等特征。这不仅需要政策主体予以重点关注和长期支持，更需要充分激发创新主体活力，在推动科技资源有序流动的基础上实现不同创新主体协同。
国家科技部在《“十三五”技术市场发展专项规划》中指出，技术市场是重要的生产要素市场，作为我国现代市场体系和国家创新体系的重要组成部分，在新时期肩负着统筹配置科技创新资源、健全技术创新市场导向机制、促进技术转移和成果转化的重要使命[2]。技术市场的存在可以降低进入壁垒、促进竞争、压缩产品生命周期，使一个成熟的商业模式更具吸引力[3]。它深刻地影响新知识创造与传播，进而影响国家经济增长和企业竞争力地位[4]。
自党的十七大提出“提高自主创新能力、建设创新型国家”以来，我国技术市场发展日渐活跃，技术市场交易额从2008年的2 665.23亿元增长到2017年的13 424.22亿元，十年间增长了5倍多，技术市场已成为影响科技创新不可忽视的力量。然而有学者认为技术市场在促进技术扩散与技术引进、提高市场静态效率的同时，通过诱导企业进入产品市场，降低企业研发积极性，进而限制企业创新[5]。因此，需要深度剖析技术市场对科技创新的影响。
技术输出与技术吸纳作为技术市场实现其功能的主要方式，是进行技术转移的基本路径，构成了技术转移—消化吸收—自主创新—重大创新的重要一环。因此，从技术输出与技术吸纳视角出发，能深入探究技术市场对重大科技创新的影响。
学者们从理论和实证角度对技术市场与科技创新的关系进行了广泛探讨。
理论研究是技术市场有效运转和发展完善的基础。John Howells[6]提出的创新市场和参考市场概念构成了理解技术市场的基础，其中，创新市场是对创新产品的预期市场，参考市场是一个基于真实、可交易产品的现有市场，是生产和使用创新产品的一种现有模式；傅军[7]对A(Additional)市场和B(Basic)市场概念的阐述丰富了技术市场内涵，其中，A市场是原创高新技术的“温床”，B市场是商业市场，推动企业赢利和经济发展。政府通过税收在B市场中获得足够财力，进而在A市场推动尖端高新技术发展。他进一步强调两个技术市场必须有机结合、缺一不可，并认为这是一个国家赢得技术优势的支撑；刘学[8]认为作为研究技术市场运行的基本工具——经济学的交易成本理论可以对技术市场合约结构、技术合约履行、价格调节不能使技术市场出清的根源、技术市场与企业内部创新的规模及边界等问题进行系统分析，从而达成对技术市场运行机制的深入认识。
实证方面的研究表现为技术市场通过多种方式或途径影响科技创新。Arora & Fosfuri[5]研究认为，技术市场以授权或许可方式实现创新成果转化与推广，并通过与资本市场对接提升中小型科技企业技术创新能力[9]；李金龙[10]指出，由于受专利转化机制的限制，技术市场更多依赖社会资本积累、产权制度化发挥作用。中介作为技术市场的一个角色，也受到广泛研究。Inkinen & Suorsa[11]通过对芬兰北部168家高新企业的调查，研究分析了中介机构在国家创新、区域创新尤其是政策创新中的重要作用；Kaufmann & Todtling[12]利用欧洲数据强调了中介机构、培训机构在产学研合作中的桥梁作用；袁胜超等[13]通过测度产学研协同创新水平表明，技术市场的不断完善促进了中介机构对产学研协同创新的支撑，提升了产学研协同创新转化效率。
技术引进作为技术市场发挥作用的主要途径，受到重点关注。汪晓文等[14]通过国内省际面板数据的门槛检验发现，引进国外技术对我国经济增长方式转变具有显著正向作用，但受经济禀赋、发展阶段、吸收能力等因素影响，东部地区的技术引进有效促进了经济增长方式转变，而中、西部地区则不显著；Hu等[15]的研究表明，通过技术引进难以获得专利性技术知识，此类知识主要通过企业内部研发产生；张莉侠等[16]基于上海农业企业的研究，证明了技术吸收能力强的企业能够创造更高绩效。
从技术输出和技术吸纳双重视角进行研究的文献有限且存在诸多局限。赵志娟[17]利用区域创新能力综合值衡量地区创新水平，通过构建计量模型得出技术输出和技术引进对区域创新能力有正向影响，其中，技术输出的影响较显著。但是该结果的严谨性有待考量，因为其研究模型既没有进行稳健性检验也没有排除内生性问题；潘雄锋等[18]基于技术输入与输出视角研究了区域技术吸纳与经济增长的关系。结果显示，从长期来看，技术输入和技术输出都有利于经济增长，这体现了内生增长理论的观点，然而对于技术输入地而言，由于受技术转化率低、非技术驱动等因素影响，技术吸纳并不能显著促进地区经济增长。该结论虽然有一定道理但难以让人信服，原因在于该研究利用平均技术合同成交额与平均技术合同支付额之差划分技术输出省域、技术输入省域，判断标准太过简单和草率，忽视了有些地区的技术输出与技术输入都较强或者较弱，且技术输出与技术输入间可能存在一定数据差的客观现实，以致于生硬地将甘肃划分为技术输出省域，而江苏、浙江则被划分为技术输入省域。
现有实证研究通常以专利作为科技创新的衡量指标，如庄子银[19] 的研究，但是龙小宁[20]认为专利量激增并不意味着总体创新水平提高，某种程度上这是政府激励政策推动的结果。吴建南[21]、张杰等[22]的研究进一步支持了这一观点。另外，专利量虽然可以衡量一般创新水平，但是无法体现重大科技创新情况，现有文献对重大科技创新的实证分析也十分有限。
针对实证分析过程中存在的内生性问题，因合适的工具变量不易获得而成为困扰学者们的重大难题。赵志娟[17]、李海波等[23]的研究直接绕过了该问题；袁胜超等[13]、徐斌等[24]采用动态面板广义矩估计方法(GMM)解决模型内生性问题。事实上，用GMM解决内生性问题，其结果未必可信，因为在GMM估计中，在大样本下矩条件数目相对于样本数更趋向于0，否则会造成过度拟合问题，而在小样本下，过多的矩条件还会造成高阶偏误，且矩条件非线性程度越高，偏误就越大。
现有文献虽然从多个维度研究了技术市场与创新的关系，但总的来说，还存在以下问题：忽略了专利申请量作为科技创新代理变量的缺陷、缺少对重大科技创新的实证分析，缺乏从技术输出和技术吸纳双重视角的深入探讨，在方法上缺少合适的工具变量，难以解决技术市场与科技创新间的内生性问题等。本文在前人研究基础上，利用2006—2018年省级面板数据，努力克服现有研究局限，选取国家科技奖获奖情况作为衡量重大科技创新水平的代理变量，利用各地区劳动争议处理量作为解决技术市场与创新间内生性问题的工具变量，从技术输出与技术吸纳双重视角深入分析技术市场对重大科技创新的影响，并根据实证结果提出切实可行的政策建议。
技术输出与技术吸纳通过供给推动、需求拉动、利益驱动等方式影响重大科技创新发展，但是从交易项目开发到技术交易、再到技术应用的每个环节，技术输出与技术吸纳效用的发挥都受到短效项目过度开发、技术市场逆向选择、区域创新驱动水平不均衡等因素制约。虽然现有研究表明技术市场能够促进一般科技创新，然而重大科技创新的“五个聚焦”和投入大、周期长、难度高、风险大等特性对技术市场发展提出了更高要求，在驱动力与制约力相互作用下，技术输出与技术吸纳作为实现技术交易的基本路径是否都对重大科技创新产生积极影响尚不清楚，需要进一步的实证检验。
技术输出、技术吸纳连接着科技创新产品与服务的供给方和需求方，通过灵活的资源配置、规范的约束机制和及时的信息传递，降低交易风险与交易成本、提升科技创新供给意愿[25]。技术输出、技术吸纳还强化了创新产品与服务的传播，促进了科技创新主体之间的知识共享、技术互动以及合作，刺激了科技创新需求，从需求拉动角度助推科技创新发展。此外，科技创新成果转化是技术输出与技术吸纳的直接和核心动力，有助于创新组织、创新人员实现经济价值、社会价值和自我价值，构成了科技创新的利益驱动。在供给推动、需求拉动和利益驱动的作用下，社会科技创新水平逐步提升并带动经济发展模式、创新驱动能力不断优化，为重大科技创新提供了动力基础。
首先，在项目开发环节，短效项目的过度开发难以形成高质量的技术输出与技术吸纳，更无法有效实现重大科技创新。重大科技创新具有投入大、周期长、难度高、风险大等特性，其实现过程充满复杂性、曲折性，更需要具有开创性、高精尖的长效技术予以支持。而当前我国技术市场上的成交项目多以短效技术为主，少有跨时代、开创性、基础性的长效技术[18]。虽然开发短效项目有助于降低技术输出与技术吸纳难度、缩短开发周期、加快科技成果转化速度、激发技术市场活力、强化创新动力，但是短效项目的过度开发与交易容易使创新主体滋生短视行为，导致发展思路、创新模式、政策环境发生扭曲，亦难以有效促进重大科技创新的持续开展。
其次，在技术交易环节，由于技术市场的逆向选择，使得技术输出方比技术吸纳方更具有信息优势与交易主动权。这种由信息不对称带来的技术市场逆向选择使得技术吸纳方引进的技术未必符合创新需求，甚至可能阻碍吸纳方的创新发展。由于技术信息不对称、核心技术保密性高、关键技术评估难度大等因素的存在，给技术输出方的非道德技术交易行为提供了较大操作空间。在利润最大化的驱动下，技术输出方更容易通过压缩创新投入、降低研发质量、对落后技术进行专业包装等手段变相履行技术交易合同，而处于技术劣势的吸纳方也只能被动使用“相对落后”的技术。
“相对落后”技术是指低于期望水准或者是合同约定标准，但高于技术吸纳方现有水平的技术。相对落后技术虽然具有相对领先性，但是对重大科技创新会形成挤出效应，主要体现在资源挤出和市场挤出两方面：一是资源挤出。相对落后技术的研发与应用占用了大量物资资源和人力资源，影响了针对重大科技创新的资源投入；二是市场挤出。技术输出方与技术吸纳方对相对落后技术的开发、引进容易陷入路径依赖，阻碍领先技术研发与应用、降低自主创新意愿，而资源的重点投入和强大的自主创新力是重大科技创新取得突破的关键。
最后，在技术应用环节，技术吸纳效用的发挥受到地区创新驱动水平的影响。根据技术转移现状，可以将不同地区划分为“双强”地区(技术输出能力强、技术吸纳需求强)和“一弱一强”地区(技术输出能力弱、技术吸纳需求强)。“双强”地区具有更高的创新驱动水平和自主创新能力，能够更好地吸纳与消化吸收，并在此基础上进一步推动经济发展模式优化和创新驱动能力提升。“双强”地区也更容易跳出经济发展的现有局限，站在更高层次布局科技发展战略，推进技术和产业发展良性循环，形成科技创新的强化效应，进而催生重大科技创新。
然而，目前我国大部分地区原始创新能力不足，主要依靠集成创新和吸纳-消化-再创新方式，处于“一弱一强”状态。这些地区的发展模式多为劳动与资本驱动型，而非技术驱动型，自身创新驱动能力较弱，对核心关键技术的消化、吸收、再创新能力明显不足，制约了重大科技创新的持续推进。
(1)因变量：重大科技创新。本文选取近十年不同地区获取的国家技术发明奖与国家科技进步奖(以下简称“技术奖”和“进步奖”)数量在总奖量中的占比表示该地区重大科技创新水平。技术奖和进步奖虽然奖励的侧重点不同，但都强调获奖项目成果服务于国家发展战略，具有创新性、先进性和效益性，符合重大科技创新的“五个聚焦”特性，同时还具有奖励的权威性、评审的严谨性和结果的公正性，是衡量我国重大科技创新的重要标尺。
(2)解释变量：技术输出与技术吸纳分别用技术交易合同中的技术输出成交额、技术吸纳成交额测度。技术输出与技术吸纳分别反映技术市场流出、流入状态，是技术市场影响科技创新的主要路径。由于技术输出、技术吸纳成交额能够直观反映技术市场活跃程度以及技术成果转移力度，因此可以作为衡量技术市场影响重大科技创新的定量指标。
(3)控制变量：R&D人员投入、科技投入、教育水平、外商投资、经济发展水平、公众知识产权保护意识，分别用R&D人员全时当量、地方财政科技支出在一般公共支出中的占比、普通高等学校在校生人数在总人口中占比、外商投资企业进出口总额、人均GDP、万人拥有专利申请量测度。除以上核心控制变量外，在稳健性检验过程中还考虑了R&D经费投入、高技术企业数量的影响。
(4)工具变量：各地区劳动争议处理量。考虑到模型可能存在内生性问题，选取各地区劳动争议处理量作为工具变量，对模型内生性问题进行检验。工具变量选取的合理性将在内生性检验过程中作进一步阐释。各变量定义及测度如表1所示。
表1 变量定义及测度方法
变量类型 变量 代码 变量测度被解释变量重大科技创新Tech各省(市)技术奖和进步奖之和/当年技术奖和进步奖总授奖量解释变量技术输出Outp技术输出成交额(万亿元)技术吸纳Abs技术吸纳成交额(万亿元)核心控制变量科技投入Exp地方财政科技支出/一般公共支出R&D人力投入RdpR&D人员全时当量(万人年)教育水平Edu普通高等学校在校生人数/总人口外商投资FdiG外商投资企业进出口总额(百亿美元)经济发展水平Gdpr人均GDP(万/人)公众知识产权意识IPR万人拥有专利申请量其它控制变量R&D经费投入RdfR&D经费支出数额(万亿元)高技术企业数量Comp高技术企业个数(万个)工具变量劳动争议量Arb各地区劳动争议处理量(万件)
本研究基于内地30个省市2006-2018年的面板数据(因西藏地区多个年度均无获奖，对本文研究影响甚微，所以剔除了西藏数据)。由于国家科技奖获奖项目一般由多个单位共同完成，本文仅以第一完成单位计量地区获奖数。数据来源于国家科技奖励工作办公室公布的获奖名单，通过人工确认第一完成单位归属地，然后对各地区技术奖和进步奖获奖量进行加总，近似表示各地区重大科技创新水平。其它数据来源于《全国技术市场统计公报》、《全国科技经费投入统计公报》、《中国科技统计年鉴》、《中国统计年鉴》、《中国民政统计年鉴》等。
使用Stata15.0软件，对变量进行描述性分析，结果如表2所示。由于2007年及以前未对具体获奖单位进行公示，无法确认第一获奖单位归属地，另外考虑到奖项授予具有一定滞后性(根据国家科技奖申报规定，获奖项目需要实施应用达3年以上)。因此，将因变量选取时间段限定为“2009-2018”，其它变量选取时间限定为“2006-2015”。其中，高技术企业数量缺少2006年数据，故采用线性插值法予以补充。
表2 变量描述性统计结果
VarNameObsMeanSDMinMedianMaxTech3000.033 30.0560.000 00.0160.350 0Outp 3000.015 90.0400.000 10.0040.345 4Abs3000.013 90.0180.000 40.0070.123 5Exp3000.019 20.0130.003 90.0130.072 0Rdp3009.056 310.0450.120 95.85652.030 3Edu3000.002 20.0010.000 60.0020.006 0FdiG 3000.533 61.102 40.000 10.090 35.920 7Gdpr3003.661 02.1260.633 93.28710.690 5IPR3009.875 613.2700.573 24.42472.000 0 Rdf3000.027 40.0350.000 20.0140.180 1Comp3000.087 30.1250.001 40.0460.619 4Arb3002.021 62.3090.039 81.16915.002 3
为了验证技术市场对重大科技创新的影响，构建以下模型：
Tech=a0+β1Outp+β2Abs+∑βicontroli+∑province+ε
(1)
技术奖和进步奖都强调创新成果的现实转化，明确要求获奖项目实施应用达3年以上并取得显著经济效益或者社会效益，故所有自变量均滞后3期。各变量定义如前所示,control为控制变量组。
经豪斯曼(Hausman)检验，采用固定效应模型。豪斯曼(Hausman)检验还表明模型具有明显的个体固定效应，这主要是因为各省市发展情况不同，虽然模型中已经将诸多可能对回归结果产生影响的变量予以控制，但是仍有一些无法观测的因素包含在残差项中。因此，为了排除不同省市发展情况对模型的干扰，所有回归中均包括地区哑变量以控制地域固定效应。另外，考虑到由时间趋势可能带来的影响，通过生成时间虚拟变量并采用LSDV法(最小二乘虚拟变量)进行回归。结果显示，所有时间虚拟变量系数均不显著，技术输出Outp和技术吸纳Abs系数未发生明显改变，表明模型不具有时间固定效应，所以回归只考虑地域固定效应，具体结果如表3所示。
表3 回归分析结果
(1)(2)(3)(4)(5)(6)L3.Outp0.154**0.216**0.158**0.214***0.152**0.328**(2.02)(2.55)(2.25)(2.63)(2.16)(2.43)L3.Abs0.002-0.004(0.02)(-0.05)L3.FdiG0.001***0.000***0.001***0.000***0.000***0.002**(2.81)(2.92)(2.77)(2.87)(2.95)(2.14)L3.Exp-0.268***-0.268***-0.277***-0.366(-2.89)(-2.99)(-3.09)(-1.41)L3.Rdp-0.001***0.000-0.001***-0.000-0.001***-0.001(-2.67)(0.04)(-2.71)(-0.01)(-2.93)(-1.27)L3.Edu-2.687*-3.605**-2.604*-3.493**-3.197**0.000(-1.90)(-2.54)(-1.87)(-2.53)(-2.19)(0.00)L3.GDPr-0.001-0.000-0.001-0.000-0.001-0.003***(-1.14)(-0.04)(-1.18)(-0.06)(-0.88)(-3.26)L3.patent0.0010.0000.0010.0000.0020.000(1.53)(1.43)(1.41)(1.26)(1.62)(0.46)L3.Rdf-0.271**-0.259**(-2.05)(-1.99)L3.Comp0.038(1.06)cons0.074***0.057***0.075***0.058***0.068***0.081***(6.36)(5.15)(6.50)(5.25)(5.23)(4.46)provinceYesYesYesYesYesYesN300300300300300300r2_a0.961
注：***、**和*分别表示对应系数在1%、5%和10%的水平下显著
由表3第(1)列可知，技术输出对重大科技创新具有显著影响，而技术吸纳对重大科技创新的影响不显著。表3第(2)列将科技支出更换为R&D经费投入后，技术输出的影响依然显著，而技术吸纳的影响不显著，表明技术吸纳对重大科技创新没有显著影响。因此，剔除技术吸纳变量，构建技术输出对重大科技创新影响的新模型，如式(2)所示。
Tech=a0+β1Outp+∑βicontroli+∑province+ε
(2)
各变量定义如前所示，control为控制变量组，所有回归均控制了地域固定效应。由表3第(3)列可以看出，剔除技术吸纳后，技术输出对重大科技创新的影响依然显著，其系数从0.154增大为0.158，变化较小，说明技术吸纳不会对技术输出与重大科技创新的关系产生显著影响。
通过一系列检验，发现模型(2)不存在组间同期相关、组内自相关，但存在组间异方差与内生性问题。针对组间异方差问题，采用广义最小二乘法((GLS)对模型进行修正，运用GLS消除异方差后，参数t检验、F检验结果均显著。针对内生性问题，采用工具变量法加以检验和解决。
4.2.1 内生性检验
尽管前述回归包含了大量控制变量，但技术输出与重大科技创新之间仍可能存在内生性问题。原因可能是：重大科技创新水平越高的地区意味着其自主创新能力和实力越强，越能吸引技术需求方与其合作，购买更多技术产品或服务，从而促进技术输出规模进一步扩大，由此导致技术输出与重大科技创新之间伪相关。为了避免这一问题，本研究尝试使用工具变量进行回归。
按照工具选取时应满足排他性与相关性原则，本文选取的工具变量为各地区劳动争议处理量。劳动争议处理量代表了一个地区的社会信任水平，且不会直接影响重大科技创新，满足工具变量的排他性要求。另外，在社会经济活动日益频繁的情况下，一个地区的劳动争议处理量越低表明其社会信任水平越高，交易成本越低，越能够促进技术市场主体之间的交流与合作，形成有利于技术市场发育的社会环境，因而满足工具变量的相关性要求。李金龙等[10]通过实证研究证明，信任度提高并不会直接促进专利产出，但可以显著提升技术市场成交额，这在一定程度上解释了所选工具变量的合理性。
为了进一步检验工具变量合理性，将各地区劳动争议处理量与技术输出同时纳入回归模型。经检验，本文选取的工具变量属于弱工具变量——在大样本下，LIML(有限信息极大似然估计)与2SLS(两阶段最小二乘法)是渐进等价的，但是在存在弱工具变量的情况下，LIML的小样本性质可能优于2SLS[26]。因此，本文通过LIML对弱工具变量进行修正，回归结果见表3第6列。结果显示，排除内生性问题后，技术输出对重大科技创新依然有显著正向影响。
4.2.2 稳健性检验
为了进一步验证模型(2)的稳健性，进行如下稳健性检验：首先，将地方财政支出中的科技支出在一般支出中的占比替换为R&D经费投入；其次，加入高技术企业数作为新控制变量，表3中第(4)、(5)列分别报告了调整不同变量的回归结果。结果显示，技术输出的估计系数依然显著为正，表明增加或改变控制变量并不会对本文研究结果造成根本性影响，技术输出对重大科技创新水平的影响依然稳健。
实证结果表明，技术市场发展对重大科技创新的影响呈现异质性。其中，技术输出能够显著提升重大科技创新水平，但是技术吸纳对重大科技创新的影响不显著。该结论支持了储德银等[27]关于技术引进在短期内对高新技术产业产出影响不显著的观点。技术输出与技术吸纳对重大科技创新的异质性影响可能源于二者在整个技术交易过程中受到的制约力不同。技术输出虽然也会受到各种因素影响，但是在技术开发和交易环节具有明显的技术优势、信息优势，并且技术输出能力强的地区多为创新驱动型发展模式，能够更好地发挥技术输出的供给推动、需求拉动和利益驱动效应，进而对重大科技创新产生显著正向影响。而由技术吸纳引进的短效项目、“相对落后”技术，以及由此产生的挤出效应会明显抑制重大科技创新实现；技术吸纳需求强的地区多为劳动与资本驱动型发展模式，自身创新驱动水平低，制约了供给推动、需求拉动、利益驱动效应的发挥，难以对重大科技创新产生显著影响。
通过表3中第3列回归结果可知，外商投资对重大科技创新影响显著，与李金龙等[10]、庄子银等[19]的研究结论一致。R&D人员投入的影响系数显著为负，与李海波等[23]、胡凯等[28]的研究结果一致，这可能是由于重大科技创新需要的高精尖人员投入不足，而一般性研发人员投入难以在短期内促进重大创新实现突破性进展。此外，科技与教育投入对重大科技创新的影响也分别在1%和10%的水平下显著为负，该结论虽然违背了一般认知常识，但也侧面反映出物质资源和教育资源对重大科技创新的影响有限，这可能是由于科技资源在基础研究、应用研究、实验与发展研究等方面的投入结构不尽合理、各院校优势学科建设不够强大等因素所致。
重大科技创新是撬动经济结构转型、促进社会良性发展的有力杆杠，众多文献研究表明技术市场发展对科技创新具有积极意义，但实证结果显示技术输出与技术吸纳对重大科技创新的影响具有异质性，技术输出能够显著促进重大科技创新，而技术吸纳的影响不显著。要充分发挥技术市场对重大科技创新的推动作用，实现科技创新从量的积累向质的飞跃、从点的突破向系统提升，可以考虑从以下方面作出政策规划或调整。
(1)在充分尊重技术市场供需规律，发挥短效项目转化周期短、效率高，活跃技术市场优势的基础上，注重宏观调控效用的发挥，避免因短效项目过度开发带来的短视效应和对重大科技创新的挤出效应，同时，有效发挥层级治理在促进重大科技创新过程中的稳定性和集中力量办大事的优越性；加快建立科学、系统、规范的科技项目筛选流程与识别标准，并在此基础上通过财政补贴、税收优惠、信贷环境优化等措施，引导和鼓励更多创新主体立足长远，致力于科技前沿、重点领域、关键技术的深耕细作；积极探索重大科技创新中政、产、学、研等多方协同的混合参与模式，依托重点实验室、重点工程等平台建设与运作，集中资源，促进具有长远经济、社会辐射效应的高精尖项目开发与交易。
(2)重视技术输出对重大科技创新的驱动作用。以技术输出为平台，发挥科技成果转化的利益驱动效用，激发“双强”地区释放科技创新潜力。当前江苏、湖北、黑龙江等地出台了相关政策，鼓励科技成果优先在省内转化。这虽然在短期内有利于促进地方科技创新，但是从长远看，容易诱导创新主体过度关注本省创新需求、缩小技术输出选择范围，不利于发挥技术输出对重大科技创新的驱动效应。另外，随着通讯技术与信息系统的发展，地理因素对创新合作的影响已经不再显著[29]。在该背景下，各地区要有更高的战略布局，跨越地域局限，放眼全国乃至全球，强化区域间政策协同而非竞争，以更加包容和开放的姿态打造更广阔的科技成果转化平台，强化技术输出对重大科技创新的积极作用。
(3)防范技术市场逆向选择带来的负效应。一是要培育技术中介。政府要承担起公共服务职责，重点建设一批具有技术实力与服务能力、质量高、社会效应广的权威中介机构，形成技术中介示范与标杆，在更大范围内推进规范化、标准化技术中介的建设与发展，充分发挥中介在信息发布、技术孵化与转移、成果评价、专业咨询等方面的作用；二是要完善科技成果信息共享平台建设，加强科技成果数据资源的开发与共享，更好地将技术供需双方、中介机构、投融资机构等联系起来，实现信息互联互通；三是要推进技术交易主体信用评价机制建设，形成对技术输出主体的约束机制，最大限度避免技术输出主体在技术交易中的非道德行为，为技术吸纳方提供可靠的选择参考；四是要强化技术吸纳主体的行动自觉和参与自觉，创造机会，以技术合作形式参与技术开发，通过合作开发代替纯粹的技术吸纳。这样既可以有效避免技术吸纳过程中的信息不对称，又可以在合作中提升自身创新水平。通过以上措施，营造良好的市场交易环境，保障吸纳技术质量，降低交易成本，提升技术吸纳效率，助推“双强”地区实现科技创新飞跃和“一弱一强”地区实现技术追赶。
(4)把握重大科技创新特性，坚持可持续创新。调整科技经费投入结构，向基础研究、高精尖领域和关键领域倾斜；建立完善的高层次人才参与重大科技创新研发的激励措施，既要重视绩效激励、股权激励和科技成果转化收益分配等物质激励的作用，又要通过奖项设置、重点宣传等途径对为重大科技创新作出突出贡献的团队和个人予以肯定，发挥社会承认的精神激励功能，最大限度激发高端人才参与重大科技创新项目的研究热情；重视优势学科的培育、建设和考核，切实发挥高等院校、科研机构在重大科技创新中的学科优势。此外，还应根据地区发展情况，适度扩大对外开放力度，通过技术外溢为重大创新突破积蓄科技能量。
本文从技术市场影响科技创新的一般机理出发，分析了技术输出、技术吸纳对重大科技创新产生驱动或制约的共同因素，并以此为出发点提出研究问题，但是缺乏从差异化视角研究技术输出、技术吸纳分别对重大科技创新的影响机理；研究检验了技术输出、技术吸纳对重大科技创新影响的总体状态，缺乏分地区分省域的具体分析，这也导致对策建议只能从宏观视角展开，具体性与针对性有待进一步提升。
以上研究不足可为未来研究提供如下参考：①深入探讨技术输出、技术吸纳对重大科技创新差异化影响路径，为进一步打开技术输出、技术吸纳对重大科技创新影响的“黑箱”作出理论贡献；②分地区研究技术输出、技术吸纳对重大科技创新的具体影响，为区域实现重大创新突破提供有针对性的政策建议，支撑地方发展；③从创新地理学视角分析区域协同、区域竞争是如何影响技术输出与技术吸纳，进而影响重大科技创新的，在此基础上为区域科技成果转化政策制定提供更具针对性的参考。
[1] 新华网.“全国科创中心100个重大科技创新成果”发布[EB/OL].2018.10.15.http://www.xinhuanet.com/tech/2018-10/15/c_1123559861.htm.
[2] 中华人民共和国科学技术部.“十三五”技术市场发展专项规划[R].2017.
[3] ARORA A,FOSFURI A,GAMBARDELLA A.Markets for technology and their implications for corporate strategy [J].Industrial and Corporate Change,2001，10(2):419-451.
[4] ARORA A,FOSFURI A,GAMBARDELLA A.Markets for technology (why do we see them,why don't we see more of them,and why we should care) [R].Business Economics Series 4,Working Paper,1999.
[5] ARORA A,FOSFURI A.Licensing the market for technology [J].Journal of Economic Behavior & Organization， 2003,52(2): 277-295.
[6] HOWELLS J.Rethinking the market-technology relationship for innovation [J].Research Policy,1997,25(8):1209-1219.
[7] 傅军.制度安排与技术发展:两个技术市场的理论命题[J].上海交通大学学报(哲学社会科学版),2013,21(5):16-26.
[8] 刘学.技术交易的特征与技术市场研究[J].中国软科学,2000(3):62-67.
[9] 金雪军.论技术市场与资本市场的对接[J].科学管理研究,2004,22(2):110-112.
[10] 李金龙,熊伟.社会资本、制度与区域技术创新关系的实证研究[J].科学管理研究,2012,30(2):46-49.
[11] INKINEN T,SUORSA K.Intermediaries in regional innovation systems: high-technology enterprise survey from Northern Finland [J].European Planning Studies,2010,18(2):169-187.
[12] KAUFMANN A,TÖDTLING F.Science-industry interaction in the process of innovation: the importance of boundary-crossing between systems [J].Research Policy,2001,30(5):791-804.
[13] 袁胜超.高技术产业集聚对产学研协同创新的双重影响——基于直接和间接效应的经验证据[J].科技管理研究,2018(8):157-164.
[14] 汪晓文,杜欣,张恒铭 .国外技术引进、经济增长方式转变与异质吸收能力——基于中国省际面板数据的门槛检验[J].吉林大学社会科学学报,2018,58(4):76-86.
[15] ALBERT G Z HU,JEFFERSON G H,GUAN XIAOJING， et al.R&D and technology transfer: firm-level evidence from Chinese industry [R].William Davidson Institute,Working Paper No.582,2003.
[16] 张莉侠,吕国庆,贾磊.技术引进,技术吸收能力与创新绩效——基于上海农业企业的实证分析[J].农业技术经济,2018(9):80-87.
[17] 赵志娟.技术市场对区域创新能力的影响研究[J].科技管理研究,2015,22(2):62-65.
[18] 潘雄锋,彭晓雪,刘清.中国区域技术吸纳与经济增长——基于技术输入输出的视角[J].科学学研究,2016,34(6):867-873.
[19] 庄子银,段思淼.区域技术市场发展对创新的驱动作用——来自2002-2015年省级面板数据的实证分析[J].科技进步与对策,2018,35(15):29-38.
[20] 龙小宁,王俊.中国专利激增的动因及其质量效应[J].世界经济,2015,38(6):115-142.
[21] 吴建南,赵志华.目标设置至关重要吗?来自专利喜与忧的证据[J].科学学研究,2018,36(9):1594-1601.
[22] 张杰.中国专利增长之“谜”——来自地方政府政策激励视角的微观经验证据[J].武汉大学学报(哲学社会科学版),2019,72(1): 85-103.
[23] 李海波,韩爱华.技术转移、异质特征与自主创新的实证研究[J].统计与决策,2017 (24):170-174.
[24] 徐斌.技术吸收、技术改造与国内外技术获取——基于高技术产业静态与动态面板数据[J].科技进步与对策,2019(9):1-7.
[25] 刘和东.技术市场中的逆向选择及其有效防范[J].科技进步与对策,2008(7):141-143.
[26] 陈强.高级计量经济学及Stata应用(第二版)[M].北京:高等教育出版社,2014.
[27] 储德银,张同斌.自主研发、技术引进与高新技术产业成长[J].科研管理,2013(11): 53-60.
[28] 胡凯,吴清,胡毓敏.知识产权保护的技术创新效应——基于技术交易市场视角和省级面板数据的实证分析[J].财经研究,2012,38(8):15-25.
[29] 谢伟伟,邓宏兵,王楠.地理邻近与技术邻近对区域创新的空间溢出效应研究[J].华东经济管理,2019,33(7):61-67.