高校科技成果转化效率与收益分配激励效应的三角验证研究

高校是科技成果产出的基地，其成果转化对我国经济高质量发展与转型升级具有重要意义。我国于20世纪90年代开始制定和完善科技成果转化政策，保障和促进了高校科技成果转化。在各阶段政策中，转化收益分配都是一项重要内容。1985年，《国务院关于技术转让的暂行规定》明确提出，将技术转让净收益的5%～10%作为科研人员的奖励，1996年的《促进科技成果转化法》将此比例提高到20%，2015年修订的《促进科技成果转化法》将这一比例提高到了不低于50%。各省市也相继出台了区域政策，江西省规定职务科技成果转化净收益中用于科研人员奖励的比例不低于60%，上海、山东和江苏将这一比例提高至70%。政策变迁路径反映出我国财政资助科技成果权利配置中，国家逐渐让利于高校研发人员的总体趋势。从政策制定的初衷看，政府无疑是希望通过收益分配政策激发相关主体的成果转化动机，扩大转化规模，提升转化质量，从而促进科技创新力与产业发展水平提高。

从国际实践情况看，有效的制度设计的确可以通过提升创新力实现国家整体实力跃升。美国于1980年颁布《拜杜法案》后，又相继出台了《联邦技术转移法》和《国家技术转移与促进法》，极大地激发了高校科技成果转化动力，各高校也都制定了相应政策。学者们对美国高校转化收益分配政策形成了一些研究共识，如分配方式以固定分配模式、累进递减模式、混和共用模式为主[1-2]；分配对象具有多元化特点，但同时又能兼顾保障成果发明人利益[3]；职务科技成果相关权属下放至高校，高校成为成果转化的重要参与者等[3-4]。日本在高校成果转化权利配置上与美国的立法经验相似，兼采普通法与特别法的立法形式，以约定配置方式为主，强调对配置主体间的权利平衡，注重发明人获得奖酬权利的现实性[3]。美国将成果所有权从政府转移至高校，而日本则将所有权从成果完成人转移至高校[5]，两国的权利转移路径不同。德国1998 年修订了《高校框架法》，规定由高校负责科技成果转化活动，并持有成果所有权，通过重塑转化收益分配框架，对德国高校的“教授特权”进行了较为彻底的改革，对具有创新创业优势的高校产生了积极影响[6]。法国高校的制度设计也偏向于通过多元主体的权利平衡实现成果转化[7]。

早期，我国相关研究集中在如何进行成果转化以及如何促进转化，如高校科技成果转化模式[8-9]、高校科技成果转化能力与机制[10-11]以及转化效率[12-13]等。自2015年政策出现较大变动后，学者们开始关注高校科技成果转化收益分配相关研究，主要集中在以下方面：①基于科技奖励、利润提成以及股权激励3种方式，展开成果转化收益分配研究[14-15]；②对内、外部核心利益相关者，包括科研团队成员、成果完成人等群体收益分配的研究[16]；③对基于所有权、使用权、处置权、收益权和分配权的成果权属配置收益分配研究[17-18]。以上研究的重点都聚焦于政策内容和决策要点，并未揭示出收益分配政策与成果转化之间的逻辑关联。

本文希望通过相关研究，解析当前高校成果转化政策体系中，收益分配政策是否对提高科技成果转化效率具有显著激励效应。如果是，说明当前的制度设计思路是正确的，如果不具有激励效应，或者激励效应弱，则说明还有政策修正空间。

1 研究框架构建

1.1 高校科技成果转化效率测度模型描述

在效率测度的研究方法中，Färe等[19]提出的DEA-Malmquist指数模型可克服相关价格信息与经济均衡假设约束，在允许决策单位无效率的条件下，能区分出技术进步对决策单元DMU跨期生产率的影响，应用较为广泛[20]。在高校科技成果转化方面，相较于产出指标，管理者对投入指标更易于控制，各个高校的科技成果转化状态并未处于最优规模。因此，本研究利用投入导向的规模收益可变DEA-BCC模型[21]，计算高校科技成果转化的Malmquist全要素生产率(Total Factor Productivity, TFP)指数。设被评价高校DMUj 的生产可能性集为

则投入导向的DEA-BCC模型为：

其中，

为高校科技成果转化的投入向量X0和产出向量Y0的松弛向量。

从第t到t+1期的Adjacent Malmquist指数为：

其中，d表示式(1)中的距离函数。若M指数大于1，则表示第t到t+1期高校科技成果转化的全要素生产率上升，反之则表示下降。

在投入与产出指标选取方面，梳理相关文献[22-24]可知，高校科技成果转化系统的投入指标主要包括经费、设备、人员等，而产出端指标选取则比较多样，如基于专利的许可数量、许可收入和转让收入，基于企业与产品的衍生企业数、专利相关产品数和新产品数，以及基于高校科研活动的社会服务、论文产出和成果鉴定等。根据《中华人民共和国促进科技成果转化法》(2015年修订)，科技成果转化是指为提高生产力水平，对科技成果进行后续试验、开发、应用、推广直至形成新技术、新工艺、新材料、新产品，发展新产业等活动。因此，本文认为，基于专利、企业和产品方面的指标选取更符合这一概念。根据数据的可获取性与可靠性原则，以教育部《高等学校科技统计资料汇编》(2010—2017)为数据来源，投入端选取R&D人员全时当量与科技经费投入两个指标，以反映高校科技开发活动投入的人力与资金规模，产出端选用签订合同数与技术转让实际收入，以反映成果持有者的转化意愿与高校科技成果转化的实际经济效益。

1.2 三角验证研究策略设计

考虑到2015年我国对科技成果转化政策进行了较大调整，各地区及高校也相继出台了较为具体的规章制度。因此，本研究以2015年为界，将实证研究分为2010—2014年的政策激励前期和2015—2017年的政策激励后期，以判定各高校科技成果转化效率受转化政策调整的影响程度。进一步以实证研究结果为依据，对评价高校进行三角验证，研判转化政策体系中收益分配政策对高校科技成果转化的激励效应。三角验证(Methodological Triangulation)思想起源于政治行为主义兴起之初，是指利用多元策略研究相同对象，确保研究结论由验证对象的客观特征或内在因素所致，而非研究者主观选择某一方法分析所致，以提高研究结论的效度[25]。Bylund&Denzin[26]将三角验证法的内涵拓展为策略论三角验证、基于多元观点取向诠释的理论三角验证(Theory Triangulation)、基于多元数据来源的数据三角验证(Data Triangulation)、基于多个研究人员评议的研究者三角验证(Investigator Triangulation)等。目前，三角验证的相关理论与实践研究聚焦于策略论三角验证，如Mcgrath[27]认为，采用单一研究策略难以兼顾普适性、准确性和现实性，容易陷入“三角困境”。采用多元研究策略的三角验证可摆脱“三角困境”，提高验证结论的科学性与准确性[28]。

结合高校科技成果转化与收益分配的特性及研究现实困境，本文在研究初始，设计了3种研究策略，策略内容与实施局限性如下：①通过分析高校相关政策文本，判断基于收益分配政策产生的效率差异及原因，实施难点是政策制定不等同于政策执行，难以建立二者间因果关联，易产生政策分析误差；②基于统计数据分析，对高校的科技成果转化效率进行收益分配激励效应测算，实施难点是难以获取全部样本高校成果转化收益分配的所有相关数据，因此导致研究实施不现实；③对高校进行调研访谈，以探索基于收益分配政策产生的效率差异及原因，实施难点是可开展调研访谈的高校数量有限，难以访谈所有利益相关群体，影响研究结论的普适性。由此可见，每一种研究策略的单独实施都会使研究陷入“三角困境”。为了破解这一困境，本文设计了整合文本分析法、问卷调查法和访谈法的三角验证策略，以研判收益分配政策对高校科技成果转化的激励效应，并追溯其深层原因。包含关键技术步骤的研究框架如图1所示。

2 科技成果转化效率实证分析

2.1 实证结果与验证

剔除师范与财经类高校，本文选取江苏省32所隶属层次、归属类型和属地经济发展水平都不同的高校作为样本，样本分布广度决定研究结论具有一定普适性。研究分别对样本高校政策激励前期和政策激励后期的M指数取平均值，判断各高校科技成果转化效率随政策调整的变化情况。

本文采用事件分析法检验高校科技成果转化效率对政策调整的反应程度，检验流程为“事件定义—取样标准—界定正常或非正常表现—参数估计—显著性检验—稳健性检验”。表2显示了事件期内累计超额效率稳健性检验结果，其中，INT[-5,2]代表2010—2017年间的各年份。根据表2的P值及系数值可知，在α=0.05的显著性水平下，2015年政策调整对23所样本高校的M值有正向反应，累计超额效率在整个事件期内稳健。

为了检验这一正向反应的显著水平，本文对政策激励前、后期23所高校的M值(见表1)进行了独立样本t检验，结果为Ha: mean(diff) > 0，Pr(T > t) = 0.000 2，表明在α=0.05的显著性水平下，政策调整对23所高校科技成果转化效率具有显著激励作用，政策激励前、后期，M值从9.006增加到26.553的概率水平为 98%。

2.2 实证分析结论

前后两期的M值呈现出以下变化：首先，评价高校数量增加。样本高校共32所，但政策激励前期有9所高校由于产出数据过小，无法进行指数计算，被剔除，共评价23所高校，政策激励后期转化产出数量增加较快，仅有5所高校被剔除，评价高校增至27所。其次，M值全部由下降转为上升。政策激励前期有11所高校的M值小于1，说明这11所高校的转化率在此阶段是下降的，但到了政策激励后期，所有高校的M值都大于1，说明所有评价高校的科技成果转化在这一段时期都有所提高。再次，政策激励后期的M值较前期有了大幅提升。其中，8所高校的M值提高了1倍以上，占比34.8%，13所高校的M值提高了10倍以上，占比56.5%。最后，两期的M值离散程度都较大。政策激励前期，23所评价高校的方差为1.92，极差为9.27，政策激励后期，27所评价高校的方差为18.61，极差为75.17，说明在宏观政策激励的大背景下，各高校M值呈现出较大的分化，即各高校的成果转化高低除受宏观政策影响外，还受自身条件的综合作用。

《促进科技成果转化法》规定，国务院和地方各级人民政府应当加强科技、财政、投资、税收、人才、产业、金融、政府采购、军民融合等政策协同，为科技成果转化创造良好环境。吴寿仁[29]将科技成果转化政策按照转化主体、转化链、政策功能、扶持对象、扶持方式、要素6个维度进行了分类，并将科技成果转化收益分配政策归入激发功能政策类型中。《中国科技创新政策体系报告》将科技成果转化政策体系划分为产权激励、收入分配、税收激励、专业化技术转移服务体系、多元科技成果转移投入渠道和成果转化科研评价体系6个方面。由此可见，收益分配政策仅仅是科技成果转化政策体系中的一个组成部分。自2015年后，国家和地方陆续出台了一系列科技成果转化促进政策。从实证结果看，这一系列促进政策对转化效率的整体激励效应是显著的。但是，每一类政策以及每一层次政策发挥的作用都是不同的，其作用机制也较为复杂。本文需要进一步探知在这一政策体系整体激励效应中，收益分配政策激励效应的强弱以及深层次原因。

3 收益分配激励效应三角验证

3.1 文本分析法验证分析

通过对政策激励后期27所高校的35份科技成果转化政策文本进行分析，发现各高校政策制定的主要差异在于对科研人员、高校以及利益相关者群体的转化收益分配比例，而分配程序与主体以及分配权落实环节则基本相同。由于实证分析的产出指标是签订合同数和技术转让实际收入，同时，现有数据和资料都显示，技术入股转化形式在我国高校的比例非常低，因此本文重点关注成果转让许可净收益分配。数据统计基于横向可比性原则，限定了3个条件：①仅比较专利授权3年内进行的转化收益分配；②仅比较省内转化的收益分配；③对于规定收益分配在某一比例区间内的情况，选择区间最低值进行比较。此外，需要对利益相关者群体作出说明，本文认为，利益相关者群体是指除科研人员和高校外，对转化形成促进的重要贡献人或中间人、院系和高校转化机构等。

以苏州科技大学的M值为中位数，将政策激励后期27所高校划分为两个区间，大于此值的高校位于转化效率相对高区，小于此值的高校位于转化效率相对低区。图2数据显示，首先，转化效率相对高区的高校与转化效率相对低区的高校给予科研人员的分配额度不同。高区间高校倾向给予科研人员居中的收益分配比例，低区间高校大多分配给科研人员的额度以达到省政策规定的下线70%为主，也有高校将90%以上的转化收益都分配给科研人员。其次，两区间高校给予组织的分配额度不同。两区间高校在1%～10%范围内占比最多，在21%～30%范围内高区间高校占比为0，而低区间高校占比为30.8%，说明低区间高校更注重组织获取的转化收益。最后，两区间高校给予利益相关者群体的分配额度不同。高区间高校更重视利益相关者群体，未兼顾到利益相关者的高校只占高区间高校的15.4%，但占低区间高校的38.4%。同时，高区间高校中有76.9%的高校会给予利益相关者群体6%～20%的分配额度，但低区间高校中这一比例只有46.2%。以上研究表明，高区间高校更注重受益群体多元化，并致力于通过适当降低组织与科研人员的分配额度，实现在多个分配对象间的权利平衡。

3.2 问卷调查法验证分析

由于收益分配政策的主要激励对象是科研人员，因此本文对科研人员进行问卷调查。调查问卷分为4个部分，共20道题，以封闭式问题为主，采用李克特5点计量形式，要求填写者在相应分值上打“√”，个别问题补充了开放式填空。本文将实证研究中27所高校的M值分为4组，分组时尽可能降低组内M值离散程度，同时兼顾各组进行问卷调查的现实可行性。调查高校为金陵科技学院、江苏科技大学、河海大学、江苏大学和江南大学，这5所高校的M值分别位于4个组内，其中M>30区间有两所高校，调查高校具有不同层次科技成果转化效率的代表性。研究通过问卷星网站向5所高校共482名工科专业教师的QQ群或微信群发放问卷，问卷调查时间为2019年11月，共回收问卷281份，剔除无效问卷93份，得到有效问卷188份，问卷有效回收率为66.9%。本文首先对数据的相关性进行检验，通过SPSS20.0测算，结果显示，KMO值为0.815，Bartlett球性检验概率值小于显著水平，表明可进行探索性因子分析。经主成分分析提取了4个因子，并对4个因子进行方差最大化旋转，结果如表3所示，显示20个问题的因子载荷均大于0.5，且4个因子的累计方差贡献率达到78.376%。进一步对回收数据进行基于Cronbach's α值的信度检验，结果如表3所示，显示α值均大于0.7。因此，问卷数据具有较高的有效性、稳定性和可靠性。

由于样本量及相关数据不支持收益分配对成果转化效率的回归研究，本文仅进行数据统计描述分析，初步判断如下：首先，转化与分配政策的制定和落实效果。科研人员普遍对宏观政策不太了解，甚至完全不知道，而对于高校政策则呈两极分化，一部分人比较了解，还有一部分完全不知道。同时，较多科研人员不能及时获得转化奖励，一方面是因为高校拖延发放，另一方面是由于高校设置的奖励手续过于繁琐。其次，对转化与分配的认知程度。科研人员普遍缺乏对科技成果、成果转化和转化收益等概念的正确理解，绝大多数科研人员对转化与定价方式比较了解，但大多会在成果产生以及项目完成后才启动转化。再次，转化意愿强度。大多数科研人员的成果转化意愿并不强烈，在转化有助于职称评定时，转化动机更强烈。虽然现金奖励具有一定激励性，但由于转化过程艰难，大多数科研人员认为奖励难以抵补投入，因而转化积极性并不高。但是，科研人员比较认同科技成果所有人身份的激励意义。最后，转化困难阻碍度。缺乏转化途径、流程复杂、专业机构支持力度不够等形成的阻碍较大，尽管大多数科研人员都了解高校转化机构设置，但普遍不认为其发挥了足够的转化支撑作用。基于以上分析可知，作为政策受益群体的科研人员，大部分不认可收益分配政策对转化行为的激励意义。

3.3 访谈法验证分析

为了解政策执行群体，即具体工作人员的相关态度，研究对问卷调查涉及5所样本高校的12人进行了深度访谈，其中对4人进行了二次访谈，访谈总次数为16次。访谈对象包括科技处、科研院或科技园负责人以及工作人员7人，院系相关负责人2人，审计处或资产处工作人员2人，另有1名成果完成人。

研究基于扎根理论自下而上的归纳路径，运用Nvivo12软件对16份访谈文本进行编码。编码共形成44个末端节点，其中30个末端节点归为7个三级节点、3个二级节点，最终归纳为一级节点“基于转化制约层的编码”；另外14个末端节点归为6个二级节点，最终归纳为一级节点“基于转化激励层的编码”。节点参考点比例能够反映访谈对象对相应节点的关注度，因此本文对末端节点参考点比例进行了统计分析，结果如图3、4所示。图3显示，转化制约层的30个末端节点中，7个与收益分配管理相关的末端节点包含的参考点比例为27.26%，说明转化工作人员认为，在制约科技成果转化的诸多因素中，有一小部分与收益分配政策制定与执行不当有关。这种不当表现为：对科技成果转化与收益分配认识狭隘，导致转化价值降低，并进一步导致转化规模过小，无法形成较大的分配基数；政策协同性不足以及成果权属的制约提高了收益分配风险，导致政策执行力降低；中间人群体规模太小且能力较弱，同时缺乏激励，主客观上都不足以促进转化；组织缺乏基于成果转化的激励驱动。图4显示，仅有教师发展政策驱动中的现金与股份奖励涉及收益分配，此节点参考点比例只有4.17%，说明转化工作人员认为，目前以科研人员为主要激励对象的收益分配政策，对成果转化的促进极其有限。

4 基于三角验证的收益分配激励效应整合研判与溯因

4.1 收益分配激励效应整合研判

以科研人员为主要激励对象的转化收益分配政策在微观组织的具体实施中，形成了略有差异的分配格局。从政策文本的验证研究看，能兼顾各类型中间人的高校转化效率更高，也就是说，通过多元分配对象的权利平衡会促进高校科技成果转化，验证了结论1。问卷调查研究发现，由于政策落实不到位、科研人员自身能力有限或因转化流程复杂而放弃转化以及成果不具备转化价值等原因，政策受益群体并未受到激励，这是验证结论2。访谈研究发现，政策执行群体普遍不认为低转化效率是因为收益分配政策制定与执行不当，高转化效率也并非源于收益分配政策激励，这是验证结论3。整合3个结论，可以作出研判，即存在以科研人员为主要激励对象的收益分配政策弱激励效应。溯其缘由，体现在3个方面，即激励环节与激励流程不对应、激励主体与转化主体不匹配、激励回馈与激励风险不对称。具体分析过程如图5所示。

4.2 收益分配弱激励效应溯因

(1)激励环节与转化流程不对应。科技成果转化可以分为研发、开发、应用和扩散4个阶段，通过这4个阶段才可能实现科技成果价值的市场化转移，并最终发展成为新产业或提高相关产业水平。科技成果转化绝不仅限于某一个环节，成功的成果转化应该是一个市场引导技术、技术驱动市场的循环推进过程，因而成果转化的激励管理也应当是全流程、长周期的。目前的收益分配政策将激励重点锁定在研发向开发转换阶段，这一单一环节的激励设计与科技成果转化的长周期、全流程是不对应的。这会引发两方面的问题：一方面，短期套利动机使科技成果因无法进入开发阶段从而导致转化失败。从科研人员角度看，只要将专利许可转让出去，就实现了转化，而不去关心技术成果是否能够进入开发阶段；从成果需求方，也就是企业角度看，希望获取成熟技术，越过开发阶段直接进入应用阶段。当存在基于转让和许可转化的政策红利时，成果供需双方可能合谋寻租，从成果转化中套利后，转化即告终止。如果不存在外部政策红利和寻租空间，供需双方可能因为谁都无法负担开发风险而使技术成果仅停留在专利授权阶段，转化即告失败。另一方面，盲目研发导致成果停滞于研发阶段，从而使转化失败。由于研发初期缺乏引导与激励，使得科研人员的研发动机往往落在基于职称的个人职业发展目标上，对成果的应用价值考虑较少，总是在研发完成后发现存在转化可能，并能因此获利，才着手推动转化。这一滞后的随机转化会使大量科技成果不被市场认可，致使创新活动停滞在研发阶段，造成创新资源浪费。

(2)激励主体与转化主体不匹配。当前政策体系的隐含前提是将科研人员等同于转化主体，但两者存在多方面的不匹配：首先，身份不匹配，即一元激励主体身份不能匹配多元转化主体特性。成果转化是集技术、政策、资金和人才等多重要素的系统化行为，因此转化主体也应是多重身份的叠加。以科研人员为主体的一边倒政策明显不能对其他主体形成有效激励，这也可以解释为何兼顾多元分配对象利益的高校科技成果转化效率更高。其次，职责不匹配。科研人员作为高校教师，主要职责是教学与科研，高校对科研人员的考核重点是教学与科研绩效，社会预期与评价也是将科研人员职责与教学科研职责绑定在一起。因此，科研人员从主客观两方面都很难将时间和精力全部投入到成果转化工作中。转化主体的职责是从事技术转移与专利运营，甚至是主导科创企业的生存与发展，其职责技能非常专业，职责属性是常态化的，职责内容繁杂，这就要求从事这一工作的群体是专职专业的。因此，激励主体与转化主体之间就形成了明显的职责不匹配。再次，目标不匹配。高校科研人员的发展目标主要是职称评定，大多数高校未将成果转化纳入职称评定考核指标，因此高校科研人员也无法将成果转化作为自身发展的重要目标。转化主体的目标则是通过成果学术价值到市场价值的转移获取利益。结合前述研究可知，将成果转化纳入职称评定体系对科研人员成果转化的驱动意义非常明显。最后，群体人格特征不匹配。根据人格与职业匹配理论，大多数科研人员可归类至现实型、研究型和社会型的人格中，这几类人格具有持久性、稳定性、创造性和独立性等群体特征，而转化主体更趋向于社会型和企业型人格特点。也就是说，转化主体还要具有对市场的高度敏感性、良好的社交合作能力、决策力以及谈判与沟通能力，而这些正是很多科研人员不具备的。因此，科研人员在成果转化时往往感觉力不从心，巨大的人格差异是其中一个重要因素。

(3)激励回馈与激励风险不对称。收益分配激励回馈可理解为组织对相关主体进行成果转化收益分配后，相关主体通过提高成果转化动机驱动转化行为，以提升组织成果转化效率。以科研人员为激励主体的政策回馈也应来源于科研人员，但科研人员由于种种原因并未受到较强的政策激励，因此组织也就没有获得收益分配政策的激励回馈。反之，组织承担的收益分配激励风险却是实际存在的。一方面是政策风险。高校科技成果在转化过程中，涉及各类财税、审计和纪检监察政策的规制，各类政策间存在着认定与操作的动态不协调、静态不配套，甚至是背离冲突的情况，因此高校的政策执行顾虑较多。另一方面是师资风险。从各类高等教育评价体系看，人才培养与科学研究是对高校进行价值评判的首要指标。因此，通过建设稳定和高质量的教师队伍实现知识创造与传播就成为高校发展的基石。高校担心过于强调科研人员成果转化会产生教师队伍不稳定和疏忽教学的风险。由此来看，在现有政策体系下，高校从组织层面获得的收益分配激励回馈不理想，但又因此承担着较大的激励风险。问卷调查与访谈研究都揭示出有些高校重政策制定、轻政策执行，有些高校则将转化收益连同相关责任一并转移给科研人员，但并不重视实际转化效果。

5 结论与启示

本文以江苏省为例，对高校科技成果转化效率与收益分配激励效应进行三角验证研究，通过整合研判与溯因研究，发现目前以科研人员为主要激励对象的收益分配政策，对提高高校科技成果转化效率的激励效应较弱，原因在于激励环节与转化流程不对应、激励主体与转化主体不匹配以及激励回馈与激励风险不对称。研究对相关政策制定的启示在于：①促进高校科技成果转化应着眼于长周期、全流程以及不同环节、不同层次的全面激励；②要锚定高校科技成果转化链条的薄弱环节，提供持续、精准政策支撑，尤其是转化过程中技术开发系统能力的提升以及创新主体中的中介群体，如科技企业家、技术经理人等群体的培育；③应从制度源头强化高校法律主体地位的独立性和资产处置自主权，突破产权约束，降低高校参与市场活动的风险。正如前文所述，对科技成果转化形成激励的是一个政策体系，各类型、各层次的政策激励效果与机制都不同。同时，政策体系从时间维度上看，在不断更新演替，从空间维度上看，要力求协同配套。本文希望能够在未来研究中拓展研究边界，对科技成果转化政策体系进行更为广泛和深入的研究，以探索各种转化促进政策的激励差异性以及相关政策体系促进转化的动态平衡机制与静态协同机制。

[1] 马晓文，钟书华.美国研究型大学科技成果的收益分配机制研究[J].科技管理研究，2018，38(17)：66-71.

[2] 田国华，张胜.比较中美大学科技成果处置权与收益权[J].中国高校科技，2019(4)：80-84.

[3] 魏琼.美日高校职务成果转化的权利配置及启示[J].宁夏社会科学，2018(6)：57-64.

[4] 常旭华，陈强，李晓，等.财政资助发明权利配置：国家、单位、个人三元平衡分析[J].中国软科学，2019(6)：13-21.

[5] 丁建洋.从知识本位走向能力本位：大学本质的回归——基于政策的视角看日本大学在产学合作中的特征[J].中国高教研究，2011(8)：72-76.

[6] JAMES A，ERIK E，MATTHIAS MENTER，et al.The impact of university focused technology transfer policies on regional innovation and entrepreneurship[J].The Journal of Technology Transfer，2019，44(5)：1451-1475.

[7] VÉRONIQUE SCHAEFFER，SLA ÖCALAN，ÖZELJULIEN PÉNIN.The complementarities between formal and informal channels of university-industry knowledge transfer：a longitudinal approach[J].The Journal of Technology Transfer，2020，45(1)：31-55.

[8] 彭定赟，王土兰.“双创”形势下高校科技成果转化管理模式研究[J].武汉理工大学学报(信息与管理工程版)，2016，38(6)：730-734.

[9] 孙德升，刘峰，陈志.高校科技成果转化的ISCP范式分析[J].中国科技论坛，2017(3)：142-148.

[10] 李艺全.创新驱动视角下高校内部学院科技创新能力评价[J]，福州大学学报(哲学社会科学版)，2017(1)：34-41.

[11] 李天柱，侯锡林，马佳.基于接力创新的高校科技成果转化机制研究[J].科技进步与对策，2017，34(3)：147-151.

[12] 薛晖，郑中华，谢启伟.基于多种DEA模型和Gini准则的效率评价方法——兼对我国高校运营绩效的评价[J].中国管理科学，2014，22(4)：98-104.

[13] 罗茜，高蓉蓉，曹莉娜.高校科技成果转化效率测度分析与影响因素扎根研究：以江苏省为例[J].科技进步与对策，2018，35(5)：43-51.

[14] 肖宝，顾新，王涛.不同转化方式下科研人员参与收益分配研究[J].科学管理研究，2016，34(5)：21-24.

[15] 聂常虹，武香婷.股权激励促进科技成果转化——基于中国科学院研究所案例分析[J].管理评论，2017，29(4)：264-272.

[16] 王春嬉，杨水利.基于成果转化贡献的科研团队成员收益分配研究[J].运筹与管理，2017，26(5)：184-188.

[17] 吴琦，朱彤.基于五权分享的科研成果转化创新模式研究[J].南方经济，2019(5)：121-140.

[18] 谢地.试析高校国有科技成果转化的产权配置问题[J].电子知识产权，2018(9)：51-66.

[19] R F

RE，GROSSKOPF M，NORRIS，et al.Productivity growth，echnical progress， and efficiency change in industrialized countries[J].American Economic Review，1994，84(1)：66-83.

[20] KUN CHEN，YAO YAO SONG，JIAO FENG PAN，et al.Measuring destocking performance of the Chinese real estate industry：a DEA-Malmquist approach[J].Socio-Economic Planning Sciences，2020，69(3)：32-58.

[21] BANKER,CHARNES, COOPER.Some models for estimating technical and scale inefficiency in data envelopment analysis[J].Management Science，1984，30(9)：1078-1092.

[22] CURI C，DARAIO C，LLERENA P.University technology transfer：how efficient are French universities[J].Cambridge Journal of Economics，2012，36(3)：629-654.

[23] KIM Y.The ivory tower approach to entrepreneurial linkage：productivity changes in university technology transfer[J].Journal of Technology Transfer，2013，38(2)：180-197.

[24] 唐五湘.科技成果转化绩效评价指标体系的比较分析[J].工业技术经济，2017，36(1)：61-67.

[25] DONALD T CAMPBELL，DONALD W， FISKE.Convergent and discriminant validation by the multitrait-multimethod matrix[J].Psychological Bulletin，1959，56(3)：81.

[26] BRUCE BYLUND，NORMAN K DENZIN.The research act：a theoretical introduction to sociological methods[J].Contemporary Sociology，1972，1(4)：322.

[27] JOSEPH E,MCGRATH.Dilemmatics：the study of research choices and dilemmas[J].American Behavioral Scientist，1981，25(11)：179-210.

[28] 陈春花，宋一晓，曹洲涛.中国本土管理研究的回顾与展望[J].管理学报，2014，11(3)：321-329.

[29] 吴寿仁.科技成果转化政策导读[M].上海：上海交通大学出版社，2019：2-11.