产学研协同创新背景下高校科技创新效率研究
——基于我国重点高校面板数据的实证分析

高 擎 ，何 枫 ，2，吕 泉

（1. 北京科技大学 经济管理学院，北京 100083；2. 湖北师范大学 经济管理学院，黄石 435002）

我国正处于经济发展转型的关键时期，优化科技资源配置、推进协同创新是实现经济可持续增长的重要保障。近年来，我国产学研的合作规模不断扩大，形成了多样化的合作模式。然而，从2012 年到2016年，我国高校国内专利授权数增加了147%，而高校技术交易额却只上升了44%①数据来源：教育部《高等学校科技统计资料汇编》。，科技成果转化效益不容乐观。作为产学研协同创新中的重要一环，高校的科技资源投入增长迅速，但其所参与协同创新的活跃度不高，科技创新效率偏低［1］。目前，我国高校基础研究水平与美国等发达国家之间存在差距，高校技术转移在发展模式和战略定位等方面仍处于完善和探索阶段［2］，科技成果转化制度也存在不少问题。因此，在产学研合作中，如何提升高校科技创新效率已成为学术界的重要研究领域［3-4］。

产学研协同创新是指为共同实现科技成果的产出和转化，高校、科研机构和企业协作开展研究开发与应用、人才培养和资源共享等活动的创新形式［5-6］，它强调高等教育、科技和经济的一体化。可见，在产学研协同创新情境中，高校在人才培养、科学研究和社会服务中的发展变化都会牵动其科技创新效率。首先，人才培养是高校的根本任务，科教融合是建设世界一流大学的核心理念，在科教融合培养高层次人才的过程中，教学与科研是相辅相成的。随着我国对高等教育投入的不断提高，研究生规模也逐年增加，那么，增加研究生规模会对高校科技创新效率产生怎样影响？其作用机理又如何？其次，基础研究是高校促进经济社会发展的核心功能，是科技创新的供给源头，然而，在加快科技成果转化的倡导下，高校科研人员受到了“过度的商业化激励”，将应用作为科研导向是否会显著提升高校科技创新效率？最后，满足企业需求是高校发挥社会服务职能的主要方式，高校对企业的技术支撑是企业获得持续性竞争优势的关键。在推进产学研协同创新进程中，提高校企联结强度、增加企业合作项目比例是否会有助于提升高校科技创新效率？在企业选择合作伙伴时，高校社会影响力为企业提供了一定的参考依据，在高校科技创新过程中，学术声誉又具有怎样的作用？

学术界对于上述现实问题缺乏深入研究，理论认识仍有待深化。对此，本文基于人力资本、资源依赖和社会网络等理论，探究高校在协同创新过程中对于三大职能的实践如何影响其科技创新效率。研究结论拓展了高校创新理论研究视角，深化了产学研协同创新与高校科技创新效率关系的研究，为进一步发挥高校主体作用提供了一定的实践启示。

1 文献综述与研究假设

本文所探讨的高校科技创新是指高校在研发中创造和应用新知识、新技术工艺，进而实现成果转化的过程［7-8］。它涉及基础研究、应用研究、实验开发和推广应用等多个环节，其中，创新投入主要包括人力和财力，创新中间产出主要包括论文、专利，创新最终产出包括技术转让收入等。科研和技术转移都属于科技创新的过程，两者密不可分。因此，为了便于研究高校在科技创新全过程中的投入产出效率，本文将高校科技创新的过程划分为两个阶段，分别对应高校的科学研究和技术转移［4，9］。

1.1 文献综述

目前，国内外学者在研究高校科技创新效率时，往往侧重于科研创新环节或技术转移环节，涉及内容主要包括效率测算方法和影响因素。

首先是关于高校科技创新效率测算的问题，学者往往采用两种类型的评价工具。第一类是随机前沿方法（SFA）。国外学者通常采用此方法进行个体层面的分析，例如，SIEGEL等［10］基于113所高校的数据研究了美国高校技术转移效率。国内学者不仅进行了个体层面的分析，还进行了地区层面的分析，例如，原长弘等［11］基于我国75所高校的面板数据分析了高校技术转移效率，范柏乃和余钧［12］基于省级面板数据研究了我国高校技术转移效率。第二类是数据包络方法（DEA）。此类方法被广泛应用，THURSBY和THURSBY［13］基于CCR模型测算了美国64所高校的技术转移效率；潘健和宗晓华［14］基于BCC模型对我国67 所高校的科研效率进行了分析；一些学者［15-16］也采用DEA-Malmquist 等其他模型进行测算。此外，随着网络DEA 模型的发展，还有一些学者将其应用到科技创新效率研究中，例如，MEI等［17］采用YAO［18］提出的加法分解两阶段模型分析了美国高校技术转移效率。

其次，学者也从多个角度对高校科技创新的影响因素进行了实证分析。

1）研究高校的教师组成、经费来源等科研投入特征对高校科技创新的影响。国外学者集中于研究与高校技术商业化相关的活动。POWERS和MCDOUGALL［19］在研究美国高校创立衍生企业这一行为时发现，科研人员的质量与高校衍生企业数量正相关。同时，XU等［20］也发现美国高校发明披露的数量与其教师规模和教师质量存在密切的联系。另外，技术转移中心的设置对高校技术转移也有重要影响，有研究发现，技术转移中心的规模和成立时间对大学的发明披露和衍生企业具有显著的影响［21］。除了人力投入，高校的经费规模也与科技创新密切相关，例如，范柏乃和余钧［23］研究了高校中的政府经费规模和企事业经费规模对高校技术转移效率的影响，他们发现，企事业经费规模与高校技术转移效率具有显著的正向关系［22］。

2）研究区域环境对高校科技创新的影响。这些研究主要涉及区域经济形势、产业发展、市场环境和政府态度等内容。对于区域经济发展水平与R&D强度，两者可以反映当地企业对高校科研的资助能力和技术集聚外部性［23］。SIEGEL等［10］研究了区域GDP增速和R&D投入强度与高校技术转移的关系，发现R&D 投入强度对高校技术转移有显著的正向影响［24］。CHAPPLE 等［25］研究发现区域GDP 对高校技术转移具有显著的正向影响。技术交易市场和政府支持力度的变化同样影响着高校技术转移效率。原长弘等［11］对地方政府支持和区域市场需求规模不确定性的影响进行了理论分析和实证检验，结果表明，政府支持与高校技术转移效率具有正相关关系，而市场需求规模不确定性与高校技术转移效率是负相关关系。此外，何彬和范硕［26］还研究了当地金融发展程度、产业结构与高校科技成果转化效率的关系，他们发现产业结构与高校科技成果转化效率具有较大的相关性［25］。

3）研究相关制度、政策对高校技术转移的影响。高校的激励制度和相关政策可有效促进其技术转移效率的提升［23，26］。健全的知识产权保护政策和合理的激励系统可以提高科研人员的积极性，从而实现更多的技术转让。MARKMAN等［28］对美国高校技术转移中心进行调查之后发现，对技术转移工作人员设立有效的报酬机制等激励政策会显著影响技术转移绩效［27］。

综上，大多数学者在研究高校科技创新效率时都采用一阶段模型，没有深入剖析这一过程。高校科技创新包含了从学术研究到成果转化等一系列过程，本文遵循相关研究的做法［4，17，28］，将高校科技创新活动划分为科学研究阶段（第一阶段）和技术转移阶段（第二阶段）。并且，在第二阶段增加了额外投入（即研究与发展应用以及科技服务中的全时人员和经费），主要原因是我国高校在进行成果转化时，会伴有研究与发展应用活动和科技服务活动，目的是解决在成果转化中遇到的问题并提供相关服务与支持，所以将这些活动的投入作为技术转移阶段的投入。两阶段高校科技创新过程模型如图1所示。

图1 高校科技创新过程Fig.1 University science&technology innovation process

关于高校科技创新效率影响因素，现有研究主要集中于科研投入要素、区域环境、政府支持等相关因素，对于研究生培养、科研导向在其中所发挥的作用缺乏深入研究。在产学研合作情境中，大多数研究往往关注校企合作的规模和广度对高校科技创新效率的影响，忽视了校企联结强度和社会影响力的作用。深化产学研协同创新，需要高校统筹规划人才培养、科学研究和社会服务，因此，本文从高校基本职能视角出发，深入探究这些因素对高校科技创新效率的影响机制。

1.2 研究假设

科技创新的有序开展在很大程度上取决于人力资本投入［29］。随着研究生招生规模的逐年增长，研究生培养为高校积累了大量的人力资本［30］，研究生逐渐成为高校科技创新中的重要力量。在产学研协同创新过程中，研究生培养所创造出的人力资源和创造力都具有重要作用，然而，这一作用会随着人力资本投入的增加而产生不同的效果。根据人力资本理论，人力资本在组织创新过程中发挥着双重“门槛”作用［31］。当人力资本投入低于第一个门槛值时，组织的吸收能力不足，这成为组织提升科技创新能力的瓶颈［32］。当研究生人力资本投入跨越第一个门槛值后，它在科学研究阶段开始呈现出知识创造和知识转移的作用，进而提升创新效率。具体而言：首先，研究生人力资本的增长为高校带来了强大的知识学习能力和二次创新能力，加快了高校科技创新步伐；其次，随着人力资本投入的增加，研究生之间可能会在知识、经验和技能方面呈现出多样性和互补性的特征。互补性的知识经验可以帮助研究生获取更丰富的信息，形成多元化的观点，进而促进科学研究过程中知识的流动、整合和创造。然而，我国研究生教育当前存在的首要问题是研究生创造力较差，主要表现在创新意识和创新精神较为缺乏、高水平创新成果不足等方面［33］，导致研究生人力资本还存在第二个门槛值。当研究生人力资本跨越第二个门槛值时，研发投入的边际效应无法继续保持递增，盲目扩大研究生培养会导致研发投入过度集中于科研阶段。这会不利于研发投入与人力资本的匹配，导致高校创新要素配置失衡，挤占技术转移阶段的创新资源，造成创新效率的下降。同时，继续扩大研究生培养可能也会引起研究团队的研究偏好多样化。在技术转移阶段，团队成员需要去识别企业问题、获取相关信息和制定与实施解决方案，而研究偏好差异性的扩大可能会导致成员彼此之间难以形成统一意见，需要花费更多的精力和时间来达成共识［34］，不利于研发团队的建设，进而会影响创新效率的提升。综上，提出如下假设。

H1 研究生培养与高校科技创新效率具有倒N形关系。

为了获得科技资源，高校需要与其他组织建立联结关系，联结关系可以为资源供给搭建流通的平台和渠道。资源依赖理论认为组织间的联结强度会影响资源获取的多少，从而影响组织绩效。然而组织间的联结关系也会约束组织自身的“自主权利”，对外联结越紧密，组织拥有的自主权利也越小［35］。在产学研合作过程中，校企联结关系为高校提供了互补性的资源，会对高校创新效率产生影响［36］。校企联结关系大小可以用校企联结强度来衡量，校企联结强度是指校企合作在高校所有合作中所占据的比例。依据社会网络理论，组织间联结关系分为弱联结和强联结［37］。校企联结关系也有强弱之分，它们对于高校创新效率具有不同的影响。当高校与企业之间的关系为弱联结时，随着校企联结强度的增加，校企合作不断加深，双方之间的信任关系和认同感得到提升，高校会获得更多异质性资源，如技术需求和市场信息。这些都会有利于降低创新风险，减少机会主义，使得高校在技术转移阶段可以顺利地开展转化工作，进而提升了科技创新效率。当校企联结强度达到一定的门槛值之后，校企联结变为强联结，高校需要花费大量的精力和资源来维持这一关系，这会对科学研究阶段的工作造成干扰。随着联结强度的增加，高校对外部资源的依赖性更强，自主权力变小，其获取外部知识的意愿受限，这会降低高校在科学研究阶段的创新效率。在技术转移阶段，随着校企联结强度的增加，内生性风险对于合作网络的破坏力会提高［38］，同时，校企合作网络所提供的同质化资源可能也会越多，这些变化都不利于高校创新效率的提升。综上，本文提出如下假设。

H2 随着校企联结强度的增加，高校科技创新效率会先上升后下降，两者具有倒U形关系。

核心技术的突破与创新来源于基础研究，在产学研协同创新背景下，基础研究在高校科技创新中的作用会更加凸显。在科学研究阶段，高校会围绕行业的发展趋势和企业的技术需求来开展基础研究，根据国内外研究前沿的发展形势，调整基础研究的思路和方向。企业所遇到的技术难题也会帮助科研工作者发现基础性的科学问题，促进科研进展。同时，通过开展基础研究，产学研合作中的一些类似于诀窍、经验和灵感的隐性知识会被凝练、整合甚至升华，高校知识创造能力得到提升，从而产生更多的研究成果。与基础研究不同，应用研究对于高校科技创新效率可能存在正反两面的影响。应用研究可以为企业解决技术难题或提供核心技术，通过技术转移，高校将理论成果转化为现实生产力，实现学术成果的经济价值。然而，随着应用研究的增加，在加快科技成果转化的背景下，科研人员大量申请专利的行为会促成高校专利申请难度的降低以及被授权可能性的上升，导致一些技术含量较低、创新性不足的技术成果获得专利［39］，降低高校在技术转移阶段的创新效率。此外，偏重应用研究可能会使得高校过分地趋向于功利主义，导致科研人员尽可能减少对于自己研究成果的披露，限制了知识的外溢。这些行为会对学术研究产生一定的“挤出效应”，进而降低了科学研究阶段的创新效率。综上所述，在适当范围内，高校偏重基础研究会有利于科技创新效率的提升。综上，本文提出如下假设。

H3 高校科研倾向于基础研究会对高校科技创新效率产生正向影响。

根据声誉理论，从企业资源的角度来说，声誉是一种具有稀缺性和不可模仿性的无形资源，可以为企业在市场中赢得竞争优势［40-41］，它可以反映组织特性的信息（如质量声誉、创新能力声誉等）。作为非营利组织，学术声誉对于高校具有类似的作用。学术声誉是指一所高校以科研水平为核心的办学实力，反映了高校在社会和学术界中影响的深度与广度［42］。在科学研究阶段，学术声誉会帮助高校获得更多研究资助，同时，声誉好的高校有利于吸引高水平的创新人才和优质资源。在声誉激励效应的影响下，高校中的科研人员会努力工作来实现自我认同，从而产生更多前沿性的科研成果。在技术转移阶段，学术声誉可为高校带来更多与企业合作的机会，优秀企业在寻找合作伙伴时更愿意和声誉良好的高校展开合作。凭借企业所提供的互补性资源，这些高校也更易于进行科技成果转化。可见，声誉对于高校科技创新效率具有促进作用。综上，提出如下假设。

H4 声誉对高校科技创新效率具有正向影响。

2 研究设计

2.1 样本选择与数据来源

考虑数据的可获得性，本文选取2002—2016年我国重点高校的科技活动数据作为研究基础。参照ANDERSON 等［43］、MEI 等［17］的做法，本文利用 5 年数据的平均值来解决投入与产出之间的时间滞后问题。SENGUPTA 和RAY［44］在研究高校科研和知识转移的关系时，以2008年为分界点，将2008年之前多年数据的平均值作为一期数据，将2008 年之后多年数据的平均值作为下一期数据，由此形成了两期面板数据。

因此，本文沿用了上述学者的做法，以5年作为一个周期，分别将2002—2006年、2007—2011年以及2012—2016年的平均值作为三期面板数据。由于其他一些省属的双一流高校的数据无法获得，所以本文最终选取我国教育部和工信部直属的66所重点高校作为研究对象。各变量的指标数据来源于《高等学校科技统计资料汇编》，相关的区域环境指标数据来源于《中国科技统计年鉴》和《中国统计年鉴》。

2.2 变量定义与测量

2.2.1 被解释变量 高校科技创新效率（EF）将根据图1中的投入产出过程进行测量。在现有文献中，高校科技创新包含的投入指标包括经费和人力投入，产出指标包括科技成果、技术转让收入、专利许可数和专利许可收入等。

本文选取的投入产出指标分别如下。

第一阶段的投入是研究与发展全时人员和经费支出，产出是发表的国外论文（SCI和EI）、专利申请数和专利授权数，其中的专利申请数和专利授权数也是第二阶段的中间投入。

第二阶段投入是研究与发展应用以及科技服务全时人员和经费支出。高校技术转移的方式除了技术转让还包括创办衍生企业和合作研发，但是在具体实证研究中，发现后两种类型的数据不完整，故本文选取技术转让合同数和实际收入作为第二阶段的产出。

决策单元d的两阶段综合效率（EF）计算如下。

在满足式（1）的前提下，第一阶段效率（EF1）计算如下。

在满足式（1）的前提下，第二阶段效率（EF2）计算如下。

2.2.2 解释变量 ①研究生培养（Gra）：根据已有文献的做法［46］，该变量采用参与科技活动的研究生人数衡量。②校企联结强度（Ind）：表示校企合作在高校所有合作中所占据的比例，高校科研经费主要由政府和企业资助，因此，该变量采用企事业单位拨款占两者之和的比重衡量。③科研倾向（RP）：反映高校更偏重于基础研究还是应用研究，采用基础研究支出经费和应用研究支出经费的比值衡量。④高校声誉（Prj）：该变量为虚拟变量，参照 SENGUPTA 和RAY［44］的做法，本文将高校是否为“985”高校来表示其声誉，若是，则为1，否则为0。

2.2.3 控制变量 ①建校历史（Age）：悠久的发展历程不仅有利于高校吸引人才，也有利于高校与其他高校和企业进行合作。②高校规模（Staff）：由参与高校科技活动的教师人数衡量。③区域内政府支持（TFF）：政府会对R&D活动提供服务与支持，区域内政府财政中的科技拨款越多，代表其支持力度越大，采用区域内政府科技拨款与区域GDP 占比这一指标衡量。④区域研发强度（RDI）：用该区域中R&D 经费支出与该区域GDP之比衡量。

2.3 模型设计

由于效率取值介于0～1，属于典型的受限因变量，因此，本文采用Tobit 模型对所提出的假设进行检验。对于面板数据，使用固定效应Tobit模型会出现估计量不一致的问题，目前比较成熟的模型是混合回归Tobit模型和随机效应Tobit模型。由于一些高校解释变量指标数据的缺失，本模型包含66个样本、198个观测值。研究时期分为3期而截面数据相对较多，属于典型的短面板数据，可以认为各个高校之间存在个体差异，因此，本文选取随机效应Tobit模型进行实证分析。为消除异方差并减轻时间序列趋势，本文对解释变量和控制变量的指标取对数。同时，为了对研究假设进行验证，模型加入了研究生培养的二此项、三次项和校企联结强度的二次项。本文的研究模型如下。

其中：i和t代表高校和时期；EF为由式（1）得到的两阶段综合效率；Zj表示控制变量；εit表示扰动项。

3 实证分析

3.1 相关性分析

表1列出了计量模型中所有变量的描述性统计结果和相关系数。由于前文中的自变量均采用自然对数的形式，所以此处的自变量也继续使用这一形式。可以看出，各研究变量之间的相关系数均符合模型要求。此外，本文对所有的解释变量进行了方差膨胀因子（VIF），其中控制变量中高校规模的VIF值最大，为2.29，这意味着模型中不存在较严重的多重共线性问题。

3.2 回归分析和假设检验

本文的回归分析结果如表2所示。模型1～模型4为本文的层级回归模型，模型5为基本模型，这5个模型的被解释变量为高校科技创新效率（EF），其中模型1、模型3和模型4中研究生培养（lnGra）的一次项、二次项和三次项的系数显著，同时结合图2可知，研究生培养与高校科技创新效率具有倒N形关系，即在产学研协同创新过程中，随着研究生培养的扩大，高校科技创新效率先下降再上升再下降，该结果支持H1。在模型2、模型3和模型4中，校企合作强度（lnInd）的一次项系数和二次项系数均通过了显著性检验，且二次项系数为负，说明在产学研协同创新中，校企联结强度与高校科技创新效率具有倒U 形关系，H2得到验证。科研倾向（lnRP）的系数在模型4和基本模型5中均显著为正，这表明在产学研协同创新背景下，高校提高对基础研究的重视会有助于其科技创新效率的提升，H3获得支持。此外，声誉系数（Prj）在模型4和模型5中都显著为正，这表明在产学研协同创新中，高校社会影响力对其科技创新效率具有积极影响，H4得到验证。

表1 变量描述性统计和相关系数矩阵Tab.1 Descriptive statistics of variables and correlation matrix

表2 高校科技创新效率影响因素回归分析结果Tab.2 Regression analysis results on factors of science&technology innovation efficiency of university

图2 研究生规模与高校科技创新效率Fig.2 Graduate scale and science&technology innovation efficiency of university

在高校科技创新过程中，相比于技术转移阶段，研究生人力资本在科研阶段承担着更多的作用，所以本文将被解释变量替换为高校科研效率（EF1），进一步检验H1。结果发现，模型6中研究生培养（lnGra）的一次项系数显著为负，二次项系数显著为正，三次项系数显著为负，该结果为H1提供了进一步的支持，即研究生人力资本的这一影响机制通过科研阶段被传递到整个科技创新过程当中，从而形成了研究生培养与高校科技创新效率之间的倒“N”型关系。

此外，本文还通过模型7和模型8分别探究科研倾向在科研阶段和技术转移阶段的影响机制。模型7中科研倾向（lnRP）系数显著为正，这表明在科技创新过程中，科研倾向于基础研究有利于提升高校在科研阶段的效率。模型8中科研倾向（lnRP）系数为正，但不显著，这表明科研倾向于基础研究对技术转移阶段产生的作用不明显。可能的解释是将基础研究成果进行应用和转化需要一定的时间，短期内无法实现。因此，本文在稳健性检验中将科研倾向的滞后项纳入模型中。

3.3 稳健性分析

为了进一步缓解内生性问题，还加入了教师年龄结构（lnSA）这一变量，该变量由年龄小于45岁的教师人数与教师总人数的比值来衡量。同时，在模型中增加了科研倾向的一期滞后（lnRPt-1）来对H3进行进一步检验。稳健性检验结果如表3所示。

表3 稳健性检验结果Tab.3 Robustness test results

续表

根据稳健性检验结果，模型9～模型13的相关系数的回归结果基本不变，H1、H2和H4均得到了支持。从模型17和模型18的结果可以看到，在技术转移阶段，科研倾向的一期滞后项（lnRPt-1）系数为正，但还是不显著，而模型14、模型15和模型16的结果显示，在科学研究阶段，科研倾向系数和科研倾向的一期滞后项系数都显著为正。这说明在高校科技创新过程中，科研倾向于基础研究将有利于提升科研阶段的效率，进而拉动高校整体的科技创新效率，H3仍然成立。总之，以上方面的检验均在一定程度上提高了回归结果的稳健性。

4 结论与展望

4.1 研究结论

基于2002—2016年期间66所重点高校的面板数据，本文运用两阶段DEA模型测算高校科技创新效率，同时深入探究了在产学研协同创新背景下研究生培养、校企联结强度、科研倾向和社会影响力对高校科技创新效率的影响机制，得到以下研究结论。

首先，研究生培养与高校技术转移效率具有倒N形关系。在产学研协同创新过程中，研究生培养的扩张会对高校科技创新形成两道“门槛”，在两道门槛之外，研究生人力资本的作用难以发挥；在两道“门槛”之内，研究生人力资本通过促进知识的流动、整合和创造提升了高校的知识学习能力和创造能力，同时也推动了创新要素的有效配置，进而促进了高校科技创新效率的提升。

其次，校企联结强度与高校科技创新效率具有倒U形关系。当校企联结强度处于适当范围内时，随着资源的跨组织流动，高校获得了互补性的资源，降低了高校的创新风险。当校企联结强度超过一定的临界值时，高校需要花费大量的精力和资源来维持校企合作，高校自主权受限，同时，校企合作网络所提供的同质化资源增多，内生性风险对于合作网络的破坏作用开始凸显，削弱了校企联结对于高校科技创新的正向影响。

再次，在一定程度上，科研倾向于基础研究会对高校科技创新效率产生正向影响。在产学研协同创新过程中，基础研究为核心技术的突破与创新提供了保证，虽然应用研究可以实现学术成果的经济价值，但对于高校创新也有一定的负向影响，因为偏向应用研究可能会使得高校趋向于功利主义，限制了知识的外溢，对高校基础研究功能造成一定的损害。

最后，社会声誉对于高校影响力的重要性日趋凸显，对高校科技创新效率产生积极影响，所以高校需要重视并管理声誉从而赢得更多的社会认同。

4.2 研究贡献

本文的理论贡献包括如下3 方面。①在产学研协同创新进程中，高校需要统筹规划自身在人才培养、科学研究和社会服务3方面的发展。本文深入探究了高校基本职能与其科技创新效率的关系，补充和拓展了产学研协同创新情境下的高校创新理论研究，为优化创新要素配置提供了理论依据。②基于人力资本理论，本文深入、辩证地探析了研究生培养对高校科技创新的影响机制，阐述了在何种情境下研究生培养能够更加有效地发挥对高校科技创新效率的促进作用，研究结论丰富了人力资本理论在高校创新领域的应用，为推动科教融合提供了理论基础。③从联结强度视角细致地剖析了校企合作对高校科技创新效率的作用，进一步深化了对产学研协同创新的理解，为推动高校、企业的知识交互和创新提供一定的理论启示。

4.3 政策建议

研究结论对于提升我国高校科技创新效率具有一定的实践意义。①为充分发挥研究生人力资本的作用，应将研究生培养质量放在首位，在提升培养质量的同时适当扩大培养规模。在产学研协同创新背景下，要加强科教融合和产教融合，构建更高水平的人才培养体系。科研融合需要高校加强科研与教学的紧密结合，以高水平的学术研究支撑高质量的研究生培养，产教融合需要促进人才培养目标与企业发展需求的统一，推动产学研协同培养人才。②在推进校企协同创新的过程中，要保持校企合作关系的适度发展。一方面要积极打通融合渠道，实现与政府和产业的跨界整合、协同创新；另一方面要防止校企过度联结对于高水平的学术研究的干扰，在提升校企合作创新稳定性的同时，保证教师的时间和精力主要投入学术研究和教育。同时，也要鼓励企业参与基础研究项目，增加企业对高校基础研究的资助，尤其是面向产业核心技术的基础研究。

4.4 研究局限与展望

本文也存在一些不足，有待于今后进一步改进。①本文仅对高校科技创新效率进行了静态评价，没有采用动态DEA模型来测算，无法研究效率的时变性。②高校之间存在多个异质性特征，一些可能相关的因素（如学科建设差异），会对计量模型产生一定的内生性问题。未来在数据可得性的情况下，可以进一步完善研究设计。③基础研究成果产业化需要的时间较长，由于现有数据的时间跨度较短，本文对于基础研究作用的检验具有一定的局限性，未来可以通过收集更多的数据进一步论证。