开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
创新驱动发展是我国经济转向高质量发展的重大战略，科技成果转化则是创新驱动发展战略的核心内容。作为科技成果的重要发源地，高校是国家创新体系的重要组成部分。推进高校科技成果转化，对加快实施创新驱动发展战略至关重要。《中国科技数据库》显示，2019年我国高等学校R&D经费内部支出1 796.62亿元，比2018年增长338.74亿元。同年，我国高等学校专利申请受理数高达67 302件，专利申请授权数为38 476件。2014-2017年，高校科技工作者获得专利的比例为18.4%，平均每人拥有专利2.8件。然而，与高校科技成果的高投入和高产出情况相比，我国高校科技成果转化率普遍较低。我国企业有效专利实施率、产业化率分别为63.3%和46.0%，而我国高校有效专利实施率、产业化率则只有12.3%和2.7%。由此可见，提升高校科技成果转化率迫在眉睫。分析我国不同区域高校科技成果转化现状，挖掘高校科技成果转化发展路径，既有助于高校摆脱科技成果转化困境，也有助于我国设计差异化科技成果转化政策，加速推进创新驱动战略实施，加快区域经济发展[1]。
高校科技成果转化率一直是国内外学者关注的焦点[2]，很多学者对高校科技成果转化率问题进行了大量研究,主要集中在以下几个方面：①采用PCA[3]、DEA[4]、Logit回归[5]、Tobit回归[6]和结构方程模型[7]等方法对高校科技成果转化进行分析，其中，PCA难以对高校科技成果转化率指标作出客观解释，DEA虽然能够确定高校科技成果转化率各个指标权重，但无法解决PCA出现的指标模糊问题，两者均无法识别不同影响因素之间的依赖关系；②高校科技成果转化评价指标设置。郭俊华等[2]从高校科技成果转化投入—产出视角构建相关指标，投入要素包括人员、经费和机构等，产出要素包括专利申请与授权、成果获奖和技术转让收入等，在高校科技成果转化产出要素中，有学者加入新孵企业个数[9]和社会服务[10]等指标，还有学者根据技术创新链形结构原理，从投入要素、中间要素和产出要素3个过程构建高校科技成果转化评价指标[11]；③高校科技成果转化研究针对单一主体进行，缺乏整体解释力，陈辉等[3]以高校为主体构建高校科技成果转化指标体系；高喜珍等[12]从政府视角出发评价科技成果转化项目绩效；侯军岐等[13]将企业作为高校科技成果转化的直接受益方，构建科技成果转化评价体系；④现有研究多以北京、江苏和广东等发达省市为例，缺少对经济欠发达地区高校科技成果转化路径的探讨，黄建国等[14]对京津冀地区24所高校影响科技成果转化的因素进行差异化总结；许长青等[15]发现，广东高校科技成果转化对当地经济发展有直接推动作用；李韵婷等(2019)对广东和江苏166所高等院校进行实证分析后发现，高校科技成果转化与社会外部环境显著正相关。总体而言，现有研究首先集中在净效应分析上，当高校科技成果转化存在大量独立变量时，无法解释多重共线性[16]及统计不显著问题[17]；其次，高校科技成果转化指标设置仅从数据和评价方法入手，缺乏理论支撑，实践性不强；再次，学者从高校、企业和政府3个不同角度出发，关注焦点各不相同，割裂了高校科技成果转化的系统性；最后，高校科技成果转化相关研究大多集中在单个或者多个经济发达地区，未充分考虑区域资源禀赋差异对高校科技成果转化的影响。
模糊集定性比较分析(Fuzzy-Set Qualitative Comparative Analysis,fsQCA)法综合定性方法和定量方法优势，本质上是一种集合理论方法，不仅能够识别组合条件的必要性和充分性，而且不局限于净效应研究中的对称性思维，能够识别高校科技成果转化中多种影响因素之间相互依赖产生的1+1<2的替代作用或者1+1>2的互补作用。此外，fsQCA允许研究人员在解释感兴趣的结果时探索条件的综合性影响[18]，将案例与跨案例识别模式相结合[19]，增强了高校科技成果转化指标与现实情况对话的可能，能够充分考虑区域资源禀赋差异下高校科技成果转化的复杂因果关系。因此，本文采用模糊集定性比较法，在多重并发因果关系下，探讨不同影响因素组合和各区域高校科技成果转化之间的关系，挖掘不同区域高校科技成果转化的现实路径。本文以中国内地28省市为研究对象，依据界面理论，结合我国不同区域经济发展实际情况，提出影响不同区域高校科技成果转化的综合性分析框架。本文重点解决以下问题：影响我国不同区域高校科技成果转化的必要条件是什么？影响我国不同区域高校科技成果转化的核心条件和辅助条件是什么？哪些路径能够更好地促进我国不同区域高校科技成果转化？不同路径之间是否存在替代或互补关系？
界面理论(Interface Theory)最早起源于工程技术领域，随着界面理论与其它学科的交叉发展，分化出新的理论增长点。界面一方面能够在环境与系统之间起到保护和缓冲的作用，使系统保持一定的独立性；另一方面，界面对输入和输出活动发挥选择、过滤作用，能够约束系统与环境之间无限制的转换。20世纪90年代，界面理论在企业经济学领域兴起。进入21世纪之后，界面理论在管理学领域得到发展。在管理学中，界面理论主要是指企业与企业、企业内部各职能部门之间为完成某项内务，在物资、资金和信息等要素之间进行联系的相互作用机制[20]。Etzkowitz等[21]将界面理论应用到技术转移领域，指出技术转移界面是知识生产者和交换者的汇集点，是人与事物之间的相互联结点。高校科技成果转化是指对在科学研究和技术开发中所产生的具有实用价值的科技成果进行后续试验、开发、应用、推广，直至形成新产品、新工艺、新材料、发展新产业等[22]。在这一过程中，需要政府、高校、企业、市场、科技服务中介机构的有效交流与沟通，主体之间通过交合形成相互作用的汇集处——界面。由此可见，高校科技成果转化界面是一个多层次、复杂、动态开放的交互式系统。
Simon[23]在区分内部环境和外部环境时使用界面一词，将界面等同于人工物，人工物组织模式称之为内部环境，人工物运行环境称之为外部环境，最终产生的结果称之为功能和目标。于是，在界面理论中，内部环境、外部环境、功能和目标就成为3个重要因素。高校科技成果转化是典型的跨场域式的技术转化，即科技成果从知识生产组织转移到经济生产组织的过程[24]。科技成果作为知识生产组织和经济生产组织两大开放系统的界面区，不只是作用于知识生产组织或者经济生产组织，而是将原本独立的两个开放式系统联系在一起，是两个系统在界面区发生交互作用的演化过程。科技成果是界定知识生产组织和经济生产组织的核心功能区，因此高校应将重点放在科技成果商业化过程前端部分，而不必过分关注高校学术创业绩效，如衍生公司等[25]。
(1)内部环境反映科技成果转化过程中高校内部人力资源、资金资源、技术支撑和网络资源界面要素情况。高校界面要素数量直接决定知识生产组织中的科技成果产出数量，界面要素质量如科研人员创新能力决定科技成果由知识生产组织转移到经济生产组织的可能。具体来说，为完成科技成果转化目标，高校内部需要具有相关技术研发实力的科研人员及符合科技成果转化所需的技术支撑和财力资源[26]。此外，界面要素之间通过网络资源进行交流和沟通，形成合理组合和匹配，各要素既能独立发挥作用，又能在高校系统内部顺畅运行，为科技成果顺利转化打下坚实基础。
(2)外部环境是指高校科技成果转移到经济生产组织过程中所面临的环境。高校科技成果转化是一项周期长、投资大、风险高的复杂系统工程，在进行科技成果转化、应用和扩散阶段，需要借助当地经济发展水平和企业力量共同完成[27]。同时，高校科技成果转化需要多方主体、要素与外部环境、物质、信息和能量进行交换，这一过程衍生了大量不同层次界面横贯其中，当知识生产组织与经济生产组织之间相互联系时，二者就形成界面系统。因此，当高校科技成果转化行为随着经济发展形势和企业需求变化而变化时，界面系统发挥作用，高校科技成果转化目标也就有可能顺利实现。
(3)功能和目标是指高校产出并转移到企业的相关科技成果。高校科技成果主要分为没有产权的公共知识和具有产权归属的技术知识两类，其中技术知识能够直接产生经济效益且服务社会需要，因而技术转让和专利许可收入是衡量高校科技成果转化效果的直接方式(梁树广等，2018)。同时，高校科技成果产出需要投入大量人力、物力，但由于界面障碍带来的信息不对称，导致科技成果转化时刻面临市场需求和经济形势变化所带来的中止风险，而界面的存在使得双方在保留各自信息情况下能够成为理性“经济人”。因此，高校科技成果转化应当发挥界面的正效应，在确保各自职责划分的基础上，克服信息粘滞，将专利、技术通过交易转让给企业。
本文基于界面理论，应用模糊集定性比较分析法，选取高校内部环境层面人力资源、资金资源、技术支撑和网络资源，以及区域外部环境层面经济发展水平和企业情况6个维度构建高校科技成果转化驱动机制分析框架，演绎和推理驱动高校科技成果转化的组态路径，理论推演过程如图1所示。
图1 高校科技成果转化驱动模型
本文采用fsQCA法，检验高校内部环境和区域外部环境中人力资源、资金资源、技术支撑、网络资源、经济发展水平和企业情况6个维度下11项指标如何相互作用进而共同影响不同区域高校科技成果转化。通常而言，QCA是对集合关系的分析。一个集合可以是一组元素，也可以是一组值，该方法的主要目的是识别导致特定结果的必要条件和充分条件，能够很好地揭示在多种因素复杂配置下我国高校科技成果转化的“黑箱”机制，探讨不同区域驱动高校科技成果转化的现实路径[28]。由于本文中的前提变量和结果变量多为连续变量，fsQCA相较于csQCA和mvQCA能够清晰说明前提变量在不同程度上对结果变量的细微影响，因此本文选择fsQCA方法进行研究。
根据高校科技成果转化驱动模型理论推演过程，本文将不同区域影响高校科技成果转化的因素纳入组态分析，选取高校内部环境和区域外部环境两个层面的6个维度11项指标作为不同区域高校科技转化成果的前提变量。具体变量设置如下：①人力资源：科技人才是高校开展研发活动的基础保障，是科技活动持续进行的必要条件，本文选取各省市高校R&D全时人员[29]作为衡量人力资源的指标；②资金资源：资金投入程度及其配置方式对高校研发活动有重要促进作用，本文选取各省市科技经费支出金额[30]、应用研究和试验发展中支出比例[31]和科技服务经费[32]作为衡量资金资源的指标；③技术支撑：高校科技成果转化以科研活动为基础，本文选取R&D项目数[33]作为衡量技术支撑的指标；此外，高等学校是开展研发活动的重要单位，学校软硬件设施对各省市高校科技成果转化结果有重要影响[34]，因此选取教学和仪器设备资产、图书馆藏书量作为衡量技术支撑的另一个变量；④网络资源：产学合作网络为高校科技成果转化提供支撑，本文选用企事业单位委托经费和合作研究派遣人数衡量高校研究合作网络；⑤经济发展水平：本文选取各省市GDP[35]反映高校在科技成果转化过程中面临的经济发展水平和支付能力；⑥企业情况：本文选取各省市规模以上工业企业单位个数作为衡量高校科技成果转化市场需求规模的重要指标。其中，人力资源、资金资源、技术支撑和网络资源数据来自《高等学校科技统计资料汇编》，经济发展水平和企业情况数据来自《中国统计年鉴》。结果变量选取各省市高校专利许可和技术转让收入[36]两个指标进行衡量，专利许可和技术转让收入数据来自《高等学校科技统计资料汇编》。
高校科技成果转化影响因素变量说明如表1所示。考虑到科技成果转化的滞后效应，采用滞后一年期的常用做法[37]，本文结果变量采用2018数据，条件变量选用2017年相应数据进行前因分析。此外，由于西藏、青海、新疆3个省份数据缺失严重，因此本研究只选取中国内地28省市数据。
表1 高校科技成果转化影响因素变量
变量类型变量指标变量解释 取值说明标签结果变量科技成果转化专利成果专利许可收入专利许可当年实际收入(千元)O技术转让技术转让收入技术转让当年实际收入(千元)O条件变量高校内部环境资金资源科技经费科技经费当年支出金额(千元)KJR&D经费配比应用研究和试验发展占R&D经费的比重(%)YS科技中介服务费科技中介服务费当年支出金额(千元)ZJ人力资源R&D人数研究与发展全时人员(人)RY技术支撑R&D项目数研究与发展项目数量(项)XM硬设施教学和科研仪器设备资产(万元)SB软设施图书馆图书数量(万册)TS网络资源产学合作网络企事业单位委托经费当年收入金额(千元)WT研究合作网络合作研究派遣人数(人)PQ区域外部环境经济发展水平区域经济发展水平各地区生产总值(亿元)GDP企业情况规模以上工业企业规模以上工业企业单位个数(个)QY
在fsQCA中，将前提变量和结果变量都视为一个集合。数据校准就是给集合赋予隶属分数的过程[38]，将集合隶属度设定在0～1之间，并设定完全隶属点、交叉点和完全不隶属点3个临界值。本文采用直接校准法，并使用fsQCA 3.0软件对数据进行验证[39]。参考Fan等[40]的研究，将95%分位数值设定为完全隶属的阈值，5%设定为不完全隶属的阈值，50%设定为交叉点，前提变量和结果变量校准信息见表2。
表2 结果变量与条件变量校准结果
变量完全隶属点交叉点完全不隶属点结果变量成果转化科技成果转化669 146.8578 9801 174.2条件变量资金资源科技经费15 603 310.503 933 155.00531 289.95R&D经费配比0.760.580.40科技中介服务费725 775.10185 124.508 792.45人力资源R&D人数17 9077 9581 624技术支撑R&D项目数41 69113 0273 531硬设施3 769 280.731 507 890.59380 368.29软设施17 4648 5702 335网络资源产学合作网络5 966 028.06900 569.5047 027.35研究合作网络4 4801 09087经济发展水平区域经济发展水平81 237.3022 654.035 511.62企业情况规模以上工业企业43 5016 6551 462
在进行fsQCA分析时，一般从测试哪些前提变量是结果变量的必要条件开始，认为必要条件是导致结果发生的原因。在大多数情况下，必要条件的存在并不意味着结果一定发生，但必要条件缺失意味着结果不会每次都发生。在进行fsQCA分析时，经常使用一致性和覆盖率两种方法评估前提变量组合与结果因果关系的强度[41]。其中，一致性用于衡量这种关系的理论相关性，覆盖率则表明在这种关系下案例所占的比例。表3为中国内地28省市高校科技成果高效转化必要条件分析结果。其中，必要条件一致性结果显示，高R&D全时人员投入(一致性0.905 9>0.9)和高R&D项目数(一致性0.926 4>0.9)是高校科技成果高效转化的必要条件。
表3 中国内地28省市高校科技成果高效转化必要条件分析结果
变量一致性覆盖度变量一致性覆盖度KJ0.890 30.866 9～SB0.488 50.402 6～KJ0.490 20.387 7TS0.845 30.759 6YS0.723 40.621 2～TS0.484 50.411 1～YS0.540 90.480 0WT0.895 30.853 4ZJ0.842 90.832 0～WT0.491 00.395 3～ZJ0.466 40.364 9PQ0.895 30.789 9RY0.905 90.822 4～PQ0.481 20.415 5～RY0.462 40.388 6GDP0.834 70.769 8XM0.926 40.797 2～GDP0.534 40.442 7～XM0.444 40.393 5QY0.812 60.743 8SB0.899 30.834 5～QY0.538 50.449 1
注：“～”在逻辑运算中表示“非”
与单个条件必要性分析不同，组态分析用以揭示多个前提变量构成的不同组态是否是结果产生的充分条件。从集合论角度而言，也即探讨多个前提变量组态集合是否是结果集合的子集。在fsQCA中，导出的解也是根据一致性和覆盖率两个衡量标准进行评估，一致性范围为0～1，表示前提变量组合导致结果的程度[42]。当研究人员将一致性组合纳入最终解决方案后，可以计算第二个统计量——覆盖率。覆盖率表示在数据集中，结果变量中有多少案例是由特定因果复杂条件表示的，也即覆盖率反映每条路径和整条路径所覆盖结果的多少。唐鹏程和杨树旺[43]提出0.75的一致性阈值在研究中是可行的。fsQCA案例范围一般为5～50个，中小样本频数阈值可设为1，大样本频数阈值需要大于1[44]。本文对中国内地28省市数据进行分析，最终设定一致性阈值大于0.75，频数阈值为1，结合PRI一致性对结果进行修正。
一般情况下，条件组态充分性分析可以产生3种不同解决方案：复杂解、中间解和简约解。当未使用逻辑余数时，产生复杂解；当所有逻辑余数都用来寻求简约时，产生简约解。通常而言，复杂解的解决方案因过于复杂而难以解释，而简约解的解决方案则模糊了理论与案例间的界限，中间解的解决方案只使用简单的反事实。因此，中间解的解方案被认为是最佳选择[43]。本文主要解决中间解，辅之以简约解。表4为中国内地28省市高校科技成果高效转化的组态分析结果，实心圆表示条件存在；含叉空心圆表示条件不存在；空格表示该条件无影响。大圆表示核心条件，小圆表示辅助条件。
表4 中国内地28省市高校科技成果高效转化组态分析结果
条件解123a3b人力资源RY●●●●资金资源KJYSZJ●●●●技术支撑XM●●●●SBTS网络资源WT●●●●PQ经济发展水平GDP企业情况QY一致性0.967 30.975 80.984 50.984 7原始覆盖度0.387 10.527 00.416 50.420 7唯一覆盖度0.040 90.067 10.010 60.014 7总体解的一致性0.966 0总体解的覆盖度0.650 6
4.2.1 高校科技成果转化高组态分析
表4中呈现的4种组态可视为中国内地28省市高校科技成果转化驱动机制的充分条件组合，总体解一致性为0.966 0，即在满足4类条件组态的高校科技成果转化案例中，有96.6%的高校科技成果转化呈现出高转化率。解的覆盖度为0.650 6，意味着4类条件组态可以解释65.06%的高校科技成果高效转化案例。基于条件组态分析，进一步识别高校内部环境层面的人力资源、资金资源、技术支撑、网络资源以及区域外部环境层面的经济发展水平与企业情况在促进高校科技成果转化中的协同关系，从纵向层面对各个路径进行分析。
(1)路径1：RY*KJ*YS*ZJ*XM*SB*TS*WT*PQ*～QY。这一实现高校科技成果高效转化的路径表明，在经济发展水平落后地区，即使规模以上工业企业数量较少，如果能够保证高校有充足的资金资源、人力资源和技术支撑，在产学研合作网络联系密切的情况下，仍然可以实现高校科技成果高转化率。该路径要求R&D人员、科技中介服务费、R&D项目和企事业单位委托经费发挥核心作用，科技经费、R&D经费内部配比和高校软硬件设施发挥辅助作用，本文将其命名为内部资源驱动型路径。该路径能够解释约39%的高校科技成果高效转化案例，陕西省案例归属于此条路径。
(2)路径2：RY*KJ*YS*ZJ*XM*TS*WT*PQ*GDP*QY。在高校人力资源、资金资源充足省份，如果R&D经费优先向应用研究和试验发展活动分配，再辅之以优良的外部经济环境和产学合作网络，将有助于推动高校科技成果高效转化。其中，R&D人员、科技中介服务费、R&D项目和企事业单位委托经费发挥核心作用，科技经费、R&D经费内部配比、高校软件设施、区域经济发展水平和企业情况起辅助作用，本文将其命名为网络资源驱动型路径。该路径能够解释53%的案例，其中有7%的案例仅能被该路径解释，四川、湖北、山东和湖南案例归属于该路径。
(3)路径3a：RY*KJ*～YS*ZJ*XM*SB*TS*WT*GDP*QY。在经济发达和企业创新能力较强省份，高校不需要承担大量应用研究和试验发展工作，只要提供充足的技术支撑和良好的产学合作网络，高校就有可能实现科技成果高效转化。其中，R&D经费内部配比缺失发挥辅助作用，合作研究派遣人数变量对该路径没有影响。因此，本文将其命名为内部—全面提升型路径。该路径能够解释42%的案例，浙江案例就归属于该路径。
(4)路径3b：RY*KJ*～YS*ZJ*XM*SB*WT*PQ*GDP*QY。路径3b与路径3a具有相同的核心条件，即在区域经济发展水平和企业情况较好地区，当高校人力资源、资金资源和网络资源3个条件同时发挥作用时，即使学校软设施条件发生变化，也可以实现高校科技成果高效转化。与路径3a相比，合作研究派遣人数起辅助作用，图书馆图书数量则没有影响，因此将其命名为外部—全面提升型路径。该路径能够解释42%的案例，广东、上海案例就归属于该路径。
4.2.2 前提变量替代关系
对比不同区域高校科技成果高效转化的4条路径，进一步识别高校内部环境与区域外部环境各影响因素之间的关系。通过路径1与路径2的比较发现，在其它前提变量均发挥作用的前提下，不管企业情况这一辅助条件是否存在，区域经济发展水平或学校硬设施条件对实现高校科研成果高效转化没有影响。因此，单一前提变量的存在或者缺失不能为高校科技成果高效转化提供全面解释，只有前提变量之间发挥协同作用时，才能实现高校科技成果的高效转化。通过路径3a与3b的比较发现，当人力资源、资金资源、区域经济发展水平、企业情况、产学合作网络和高校硬设施条件相差不大时，网络资源中的合作研究网络与技术支撑中的高校软件设施两个前提变量存在替代关系，如图2所示。
图2 高校科技成果高效转化中的前提变量替代关系
随着我国高校在科技成果转化中主体作用的进一步加强，推进高校科技成果转化有利于加速创新驱动发展战略实施，进而促进区域经济发展。然而，我国不同区域高校科技成果转化能力和效率存在较大差异，已有研究缺乏对不同高校科技成果转化模式的总体阐释，以及对高校内部环境和区域外部环境影响要素互动耦合机制的深入探究。由此，本文以中国内地28省市高校科技成果转化现状为案例，采用fsQCA法，基于界面理论在科技成果转化中的应用，对高校内部环境和区域外部环境共6个维度的11个前提变量进行组态分析，探讨变量复杂配置影响高校科技成果转化的多条路径，得出如下结论：
(1)R&D人员投入和R&D项目数是高校科技成果高效转化的必要条件，企事业单位委托经费、科技中介服务费、R&D全时人员和R&D项目是高校科技成果转化的核心条件，4条高校科技成果转化驱动路径可以解释65.06%的高校科技成果高效转化案例。本文一方面充丰富了界面理论在高校科技成果转化案例中的实际应用，另一方面也有助于全面理解、把握高校科技成果转化的中国情境，为高校科技成果转化机制研究提供系统参考。
(2)高校科技成果转化驱动机制存在4条路径。该结果不仅填补了我国高校科技成果转化聚焦经济发达地区、忽视欠发达地区的研究空白，还为我国不同区域高校提供了提高科技成果转化能力和效率的实践经验。内部资源驱动型路径对中西部经济发展水平相对落后但拥有一定科技成果转化资源的省份提供了借鉴；网络资源驱动型路径对地区经济发展水平较高、具备较好科技成果转化资源的省份具有一定借鉴意义；内外部—全面提升型路径对东部部分经济发展水平高、科技成果资源丰富省份具有一定借鉴意义。
(3)高校科研成果转化路径3a与路径3b之间的替代关系表明，网络资源的实现依赖于高校技术支撑。在路径3a与3b的对比中，合作研究网络和高校软件设施可以等效代替高校科技成果高效转化。从组态分析视角探讨界面理论中内部环境和区域外部环境在促进高校科技成果转化中的替代效应，实现了系统与外部环境之间的动态替代转换。上述分析结果充分反映了模糊集定性比较分析法在解释组态效应时的优势，而传统统计方法无法解释这一复杂现象[45]。
在界面理论的指导下，高校内部环境和区域外部环境因果配置关系揭示出高校科技成果转化的复杂性。研究结果表明，R&D全时人员和R&D项目数是高校科技成果转化的必要条件；企事业单位委托经费、科技中介服务费、R&D全时人员和项目是高校科技成果转化的核心条件；28省市高校科技成果驱动机制存在4条不同路径：内部资源驱动型路径、网络资源驱动型路径、内部—全面提升型路径和外部—全面提升型路径。因此，在探讨高校科技成果高效转化路径过程中，要依据不同区域经济发展实际情况，立足高校资源禀赋条件，选择合适的转化路径进行科技成果转化[46]，构建各具特色的高校科技成果转化新格局。
(1)对于选择内部资源驱动型路径的部分中西部地区而言，参考陕西省高校科技成果转化驱动路径要素，增强科技成果转化的内在驱动力，加强高校科技成果转化与当地经济发展需求的契合度。一方面，政府要加大科研经费投入力度，更新科研设备，提供良好的技术支撑，改善科研环境；另一方面，也要加大对R&D人员的科研激励，提高R&D人员工资待遇，加强高校软设施建设，促进网络资源溢出与扩散。此外，完善科技经费监督机制，出台科技经费制度保障措施。
(2)对于选择网络资源驱动型路径的部分东、中、西部地区而言，参考山东、湖南、湖北和四川高校科技成果转化驱动路径，立足于区域社会经济发展水平和企业需求，发挥高校科研基础和人才优势，将人力资源、资金资源、网络资源和技术支撑投入转化为科技成果产出，加快区域产业发展转型，促进经济社会发展。政府应尽快制定科技成果转化鼓励政策，优化当地产业集聚形态，提升产学研合作水平，支持企业向高校提供科研经费，建立完善的科技成果在线交易市场，保障高校科技成果向市场转化。
(3)对于选择内外部—全面提升型路径的部分东部地区而言，参考浙江、广东和上海高校科技成果转化驱动路径，政府应简政放权，向服务型政府转变，充分释放不同区域高校和企业创新活力，进一步强化竞争机制，提高大学和企业双主体协同创新能力，为高校科技成果转化提供良好环境。在高校和企业协同创新能力不断提升情况下，高校要在保障资金资源、人力资源、技术支撑和网络资源投入的基础上，逐步提高基础研究在R&D经费中的分配比例，提高高校基础研究创新能力，为企业应用创新提供动力支撑。
[1] FIN R，RASMUSSEN E，SIEGEL D，et al.Rethinking the commercialization of public science：from entrepreneurial outcomes to societal impacts[J].Social ence Electronic Publishing，2018，32(1)：4-20.
[2] WRIGHT， MIKE，PHAN，et al.The commercialization of science: from determinants to impact[J].Academy of Management Perspectives，2018，32(1)：1-3.
[3] 陈辉，林超辉，夏承鹏，等.基于PCA和综合指数法的高水平理工科高校科技成果转化绩效评价体系构建[J].科技管理研究，2019，39(22)：48-54.
[4] 陈琨，李晓轩，杨国梁.中外大学技术转移效率比较研究——基于DEA-Malmquist方法[J].科学学与科学技术管理，2014，35(7)：98-106.
[5] 姚思宇，何海燕.高校科技成果转化影响因素研究——基于Ordered Logit模型实证分析[J].教育发展研究，2017，37(9)：45-52.
[6] 卢伟，张海军.地方高校科技成果转化绩效影响因素研究——以辽宁省30所高校为例[J].中国高教研究，2019，35(11)：48-54.
[7] 刘家树，菅利荣.科技成果转化效率测度与影响因素分析[J].科技进步与政策，2010，27(20)：113-116.
[8] 郭俊华，徐倪妮.中国高校科技成果转化能力评价及聚类分析[J].情报杂志，2016，35(12)：155-161，168.
[9] 钟卫，陈宝明.中国高校科技成果转化绩效评价研究[J].中国科技论坛，2018，34(4)：41-49.
[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)，2017，31(1)：34-41.
[11] 罗茜，高蓉蓉，曹丽娜.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.
[12] 高喜珍，刘超超.基于政府视角的科技成果转化项目绩效评价指标体系研究[J].科技进步与对策，2014，31(12)：129-134.
[13] 侯军岐，侯丽媛.地方高校科技成果评价因素及排序[J].科研管理，2016，37(S1)：476-481.
[14] 黄建国，袁伟灿.京津冀高校科技创新能力评价及提升路径[J].中国高校科技，2019,33(3)：42-44.
[15] 许长青，金梦，周丽萍.基于三螺旋模型的高校产学研协同创新对区域经济增长贡献的实证研究——以广东为中心的比较[J].教育学术月刊，2019,35(5)：96-104.
[16] MITTAL V，ROSS W T，BALDASARE P M，et al.The asymmetric impact of negative and positive attribute-level performance on overall satisfaction and repurchase intentions[J].Journal of Marketing，1998,62(1):33-47.
[17] WOODSIDE A G，ZHANG M.Cultural diversity and marketing transactions: are market integration,large community size,and world religions necessary for fairness in ephemeral exchanges [J].Psychology and Marketing，2013，30(3)：263-276.
[18] RAGIN C C.The comparative method: moving beyond qualitative and quantitative strategies[J].Population and Development Review，1990，16(4):784-788.
[19] LI Y W，VERWEIJ S，KOPPENJAN J.Governing environmental conflicts in China: under what conditions do local governments compromise[J].Public Administration，2016，94(3)：806-822.
[20] 长城企业战略研究所.市场经济下企业的技术管理[R].1998:90-93.
[21] ETZKOWITZ H，LEYDESDORFF L.The dynamics of innovation: from National Systems and"Mode 2" to a Triple Helix of university-industry-government relations[J].Research Policy，2000，29.
[22] 任秀奎，祝士明.我国研发转化体系构建模式研究[J].科学学与科学技术管理，2009，30(1)：194-196.
[23] SIMON，ALEXANDER H.The Sciences of the artificial[M].MIT press,2019.
[24] 许术其.中国大学技术转移工作的定位思考[J].中华医学科研管理杂志，2004,17(3)：7-9.
[25] 张也卉，刘林青.大学技术转移中的专利作用——基于界面理论的考察[J].研究与发展管理，2007,17(5)：95-99.
[26] 徐丰伟，丁昱丹.高校科技成果转化的关键界面因素及优化路径[J].中国高校科技，2020,34(4)：90-93.
[27] 谷德斌，尹航，杨贵彬.高校科技成果转化驱动模式研究[J].科技进步与对策，2012，29(13)：24-28.
[28] RIHOUX B,RAGIN C.Configurational comparative methods:qualitative comparative analysis (QCA) and related techniques[M].Sage Publications,2008.
[29] JULIA LANE,STEFANO BERTUZZI.Measuring the results of science investments[J].Science,2011,331(11):678-680.
[30] ANDERSON T R,DAIM T U,LAVOIE F F.Measuring the efficiency of university technology transfer[J].Technovation,2007,27(5):306-318.
[31] 李玲娟,欧晓斌.科技成果转化中风险资本的退出机制研究[J].科学管理研究,2016,34(2):86-89.
[32] 郭强,夏向阳,赵莉.高校科技成果转化影响因素及对策研究[J].科技进步与对策,2012,29(6):151-153.
[33] 张炜,杨选留.国家创新体系中高校与研发机构的作用与定位研究[J].研究与发展管理,2006,18(4):97-103.
[34] KAO C A,HUNG H T.Efficiency analysis of university departments:an empirical study[J].Omega,2008,36(4):653-664.
[35] 梁树广.高校科技成果转化效率的区域差异及其影响因素分析[J].统计与决策,2018,34(12):86-89.
[36] SIEGEL D S,WALDMAN D,LINK A.Assessing the impact of organizational practices on the relative productivity of university technology transfer offices:an exploratory study[J].Research Policy,2003,32(1):27-48.
[37] ROGERS E M,TAKEGAMI S,YIN J.Lessons learned about technology transfer[J].Technovation,2001,21(4):253-261.
[38] 杜运周,贾良定.组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界,2017，33(6):155-167.
[39] CODURAS A,CLEMENTE J A,RUIZ J.A novel application of fuzzy-set qualitative comparative analysis to GEM data[J].Journal of Business Research,2016,69(4):1265-1270.
[40] FAN D,LI Y,CHEN L.Configuring innovative societies:the crossvergent role of cultural and institutional varieties[J].technovation,2017,66-67:43-56.
[41] RAGIN C.Fuzzy-set social science[M].Chicago：University of Chicago Press， 2000.
[42] RAGIN C.Redesigning social inquiry：fuzzy sets and beyond[M].Chicago：University of Chicago Press，2008.
[43] 唐鹏程,杨树旺.企业社会责任投资模式研究:基于价值的判断标准[J].中国工业经济,2016,33(7):109-126.
[44] SCHNEIDER C Q，WAGEMANN C.Set-theoretic methods for the social sciences:a GUIDE to qualitative comparative analysis[M].New York:Cambridge University Press，2012.
[45] FISS P C.Building better causal theories:a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2):393-420.
[46] POWERS J B,MCDOUGALL P P.University start-up formation and technology licensing with firms that go public:a resource-based view of academic entrepreneurship[J].Journal of Business Venturing,2005,20(3):291-311.