基于文本量化的地方科技成果转化政策工具效果评价

谢 黎，杨 华，张志强

(1.中国科学院成都文献情报中心，四川 成都 610041；
2.中国科学院大学经济与管理学院，北京 100872；
3.西北工业大学图书馆，陕西 西安 710072)

科技成果转化是技术转变为现实生产力的重要环节，是中国科技体制改革乃至市场化改革进程中不能忽略的主题[1]。改革开放40多年来，为促进科技成果转化国家出台了一系列政策法规[2]。近两年，科技成果转化更是被纳入国民经济和社会发展规划，并从创新转化机制、搭建转化载体、促进企业实施转化、改进转化考评、建设转化服务体系、发展技术要素市场等多个角度全面布局[3]。但我国科技成果转化仍存在一些体制机制性问题， 《中国科技成果转化2021年度报告 (高等院校与科研院所篇)》[4]指出，科技成果转化仍然存在政策有待进一步协同落实、转移转化专业人才缺乏、金融资本支持力度不足等问题。

近30年来对科技成果转化政策实施效果的研究一直是学术界广泛关注的议题。按照微观、中观、宏观政策层次，这些研究可以分为3个方面。①政策案例实施效果研究。某种政策对某特定行业技术转化的作用，如研究空间卫星的技术转移特点[5]；
需求拉动型政策、技术推动型政策对美国照明专利申请数量的影响[6]。②某类政策实施效果的研究。如研究超级政策网络对英国中小型企业的支持情况[7]；
财政类政策对科技企业孵化效率的影响[8]。③宏观政策集群对国家科技转化实施效率研究。某一国家宏观政策对科技转化的影响，如对荷兰科技转化政策影响力的评估[9]；
对我国科技成果转化效率的政策激励影响程度测算[10]。

方法层面，关于科技成果转化政策实施效果，学者大多通过调查、问卷、访谈、案例、实证等方法，探讨政策影响力[11]、政策组态效应[12]、政策配置与优化[13]等问题。近年来，引进政策工具分析以上议题的热度提升，即在确定不同政策的类型和性质后，对不同类型政策的转化效率进行评价，从而提升政策供给的精准性，提高转化效率。许晗等[14]对61份高校科研人员科技成果转化政策进行文本分析后发现，环境型政策过溢、供给型政策和需求型政策偏少；
高慧等[15]对湖北省近年来科技成果转化政策文本的分析认为，湖北省的科技成果转化政策偏重环境型政策工具，供给型政策工具相对较少，需求型政策工具较为匮乏。但现有研究对于政策工具的分析方法以统计归类为主，缺少对不同政策工具与转化效率的关联性研究，对实际政策落地后的效果缺乏实证检验，结论可信度存疑。张露元[16]分析重庆市科技成果转化政策内容后，也认为不同类型政策工具在作用发挥上还有优化空间。

本文将政策工具与转化效率置于同一框架，通过BP神经网络研究二者的直接关系，分析政策中不同工具的作用效果，通过政策工具分析验证政策实施效果，提高研究可信度。实证数据选择 《中国区域科技创新评价报告2021》[17]排名第二梯队之首的重庆市，既有一定实施效果，又保证样本数据来源充足。

1.1 科技成果转化政策文本量化

本文以科技成果转化和政策文本量化为检索要素，整体了解当前科技成果转化政策文本量化研究的现状。这类文献主要通过政策演化趋势归纳科技成果转化政策体系。①从政策属性、政策工具、研发周期、创新价值链、成果转化链，以及自建分析框架、评价模型等维度诊断科技成果转化政策现状。②通过分析政策执行情况论证政策实施效果。③区域间政策实施效果横向比较。这些研究采用的分析方法有文本挖掘、内容分析、相关性分析等，政策工具是其中一种重要的研究中介。其量化研究通常借助内容分析法对政策文本编码后进行统计分析，包括对发文机构、发布时间、工具类别的单维统计[18-19]，以及结合转化过程[20]、技术市场[21-22]、创新价值链[23-24]等维度的多维交叉分析，更深一层的研究会提取政策文本的主题词，通过共现、聚类，或引入时序分析政策的演变趋势[25-28]，亦有综合上述方面的政策分类和分析方案设计[29]。分析显示，不同政策工具的采用存在明显的不平衡现象，但结论各异。有学者[30-31]认为供给型政策工具应用过溢，也有学者[14-15]认为过于偏重环境型政策，但普遍认为需求型政策工具使用较为匮乏。可见，不同类型政策工具的组合配置还需要进一步优化。

1.2 科技成果转化政策工具效果

不同政策工具在不同应用情景发挥的作用各异。Kim等[6]分析OECD 19个成员国关于照明专利的节能政策数据后发现，需求拉动型政策有效提升了各国照明专利的申请数量，而技术推动型政策却没有这样的效果。关成华等[8]研究发现股权投资、财政补贴政策对孵化器整体效率起显著抑制作用，而税收优惠政策对孵化器成果转化效率起显著激励作用。政策制定者希望找出不同场景下最有效的政策工具及其组合，这需要以科学评价不同政策工具作用和效果为前提。

针对科技成果转化政策工具作用和效果，杨锐等[32]从科研人员的视角出发，通过大规模问卷调查采集数据，运用logit回归分析找出有效促进科研人员科技成果转化的政策工具，认为成果转化政策落实细化、成果转化风险免责等具有正向影响；
Creso等[33]通过政策工具回顾、解读，讨论加拿大科技成果转化政策 (大学向产业)的作用；
Gan等[34]利用固定效应的面板回归分析直接资金支持、国家技术转移示范机构和大学科技园3种政策工具及其组合在促进各省市大学技术商业化方面的作用，结果发现不同政策工具对成果转化有不同影响，直接资金支持与其他两种工具之间存在显著协同效应；
Munari等[35]通过问卷调查、访谈和概率回归方法，分析旨在解决技术转移资金缺口的两种政策工具，发现其集中分散程度与当地技术转移实践相关，工具的集中程度与当地技术转移实践呈U形关系。

2.1 政策效果评价方法

跳出科技成果转化政策，许多学者开展了专门的政策工具作用与效果评价。部分学者侧重理论层面的讨论。Linnér等[36]借助干预理论，结合评估理论和价值链视角，提出一个在发展与气候政策建议被采纳前，对其干预措施的事前分析框架。Thapar等[37]对印度可再生能源各政策工具的经济和环境有效性展开定性论述。更多学者基于自建理论模型或分析框架，对相关文献进行综述。Bergek等[38]将政策工具按两个维度组合成4类，收集既有工具效果实证研究，综述了汽车和能源行业不同政策工具对创新的影响。Lee等[39]讨论影响政策工具效果的时间、空间、行动者、战略、措施等因素，识别整理出78篇文献中上述因素的情况，评估了减少农药使用政策工具的使用效果。也有学者结合文献计量、内容分析等方法展开综述。Mendonça等[40]系统综述54篇鼓励在城市采用基于自然的解决方案的政策工具论文，统计其发文趋势、方法、案例范围、工具类型等信息。Peasco等[41]对211篇文献中工具类型及其评估结果进行编码，系统综述10种脱碳政策工具的结果。

政策工具效果实证研究相对较少，除上文科技成果转化政策工具效果综述中提及的各类回归研究。Nimubona等[42]等开发了 “两国一般均衡模型”，分析环境援助 (绿色技术转移)和边境税收调整在减少跨境污染的作用是否互补。Cheng等[43]扩展了政策市场框架，利用事件历史模型，分析了前后采用的政策工具之间的互补性和替代性。

当前政策工具效果评价，更多是定性分析。正如Capano等[44]在总结政策工具分析研究现状时所指出的，既有研究存在分析上的 “黑洞”，理论上的 “漏洞”，以及 “过度描述主义”等问题。由于政策绩效有多方因素共同推动，政策工具与其结果之间的联系间接而有限，当前还没有建立政策工具及其组合绩效与其有效性测度的直接联系。

2.2 基于神经网络的评价

鉴于既有政策工具效果评价，或从投入端分析政策工具采纳情况，或从产出端分析政策影响的结果本身，没有实现投入与产出联动，没能建立政策工具与政策目的效果之间的直接联系。为建立这一联系，本文首先尝试用多元线性回归，但试验结果发现各变量均不显著。

BP (Back Propagation)神经网络是一种基于误差反向传播算法训练的多层前馈网络，具有独特的非线性适应性信息处理能力，优良的非线性逼近，能够对大规模数据进行并行处理，自组织、自学习和自适应能力较强等优点，被广泛应用于分类、聚类、预测和模式识别等领域[45]。与传统的统计学方法相比，神经网络具有一定的容错性，为处理模糊、数据不完全、模拟、不精确模式识别提供一个全新途径。

神经网络虽难以得到自变量/应变量之间的因果关系，但能够给出自变量在预测中的重要程度。根据相关分析结果，选择相关程度较高的影响因素，以一定量数据作为训练样本，利用目前预测能力较强、应用比较广泛的BP神经网络训练预测模型，并根据剩余年份影响因素的值对研究对象性能测试，分析预测性能。本文将政策文本中各政策工具的采纳情况按年度汇总，标准化后输入模型调试，找到最小平均预测误差值，再拟合出输入各政策工具因素对神经网络产出结果 (科技成果转化效率)的相对重要程度。

需要说明的是，一个国家或地区的科技成果转化水平受很多因素影响，如科技创新能力、区域经济水平、相关人才储备，甚至地方文化传统，转化过程中也涉及资金支持、主体配合、市场环境、国际竞争等复杂环节。科技成果转化政策的牵引和驱动只是诸多影响因素之一，甚至未必是其中最重要的因素。对科技成果转化政策而言，政策的文本类型、发布政策的行政级别，执行政策的适用范围等也是影响其效力的重要方面。仅仅研究政策工具可能会被指不是影响科技成果转化效率的关键因素，但上述其他因素并非本文研究目的，目前也难对政策工具之外的其他影响因素逐一量化并控制。

2.3 政策转化效率的确定

如何衡量科技成果转化水平一直是政策制定者关心的问题，但由于科技成果边界模糊[46]，成果转化统计与主流技术交易方式脱节[47]，其测度是个难题。国际上最具代表性的测算是欧洲知识转移测度专家委员会提出的知识转移测度指标体系，其评价指标分为两大类[48]。①成果的商业化潜力，包括发明披露、专利申请和许可量、产学研R&D合作协议等指标；
② 成果的商业应用水平，包括许可或转让收入、衍生企业等指标。该委员会将第2类指标作为衡量的核心指标。国内学者或从投入端构建指标体系采用因子分析、主成分分析、聚类评价政策实施效果，如根据政策工具分类[49-50]，按照转化条件、转化实力、转化效果[51]，从投入产出的角度[52]构建指标体系。也有从结果端构建指标体系采集数据直接测算评价的。总体而言，国内多采用数量导向的测度指标，国外多采用价值导向的可比指标[48]。

用于评价科技成果转化效率的具体指标包括但不限于新产品、专利、版权、商标许可量、技术创新公司等，还包括社会效益、企业间知识转移这类隐性绩效。杜宝贵等[53]将全国22个省 (区、市)的科技成果转化政策作为条件变量，以各地方技术市场合同成交额为结果变量，运用定性比较分析方法 (QCA)对条件变量的各种组合进行比较分析；
李斌[54]运用灰色综合关联度分析方法，将科技政策各指标数据与浙江省地方高校科技成果转化绩效数据进行关联分析；
Han[55]以技术转让合同的数量和特许权使用费收入为因变量测度转移效果，用分位数回归分析韩国技术转移政策的有效性。总体而言，技术市场合同成交额是使用频率较高的做法[56]。

从指标数据来源看，技术市场合同成交额包括技术开发、技术转让、技术咨询、技术服务，这些技术市场交易活动贴近科技成果转化实质，是技术市场发展程度最直接的体现[57]。我国2017年启动的 《中国科技成果转化年度报告》[58]也以科技成果转让、许可、作价投资和技术开发、咨询、服务方式转化为报告内容。因此，本文参照技术市场合同成交额来表征重庆市科技成果转化效率，数据采集自 《中国科技统计年鉴》。

科技成果转化是指为提高生产力水平而对科学研究与技术开发所产生的具有使用价值的科技成果所进行的后续实验、开发、应用、推广直至形成新产品、新工艺、新材料，发展新产业等活动[59]，在国外也被称为技术转移[60]，具有鲜明过程与结果导向特征。在过程导向中涉及政府、研究机构、企业、产业等不同主体的资金流动、知识转移，在结果应用中涉及市场环境、产业结构、经济基本面、国际竞争力等多方面不确定因素。由于过程环节多、边界不明晰，科技成果转化政策文本采样是个复杂问题。

3.1 成果转化政策体系梳理

为了充分了解重庆科技成果转化政策体系，本文以关键词检索加机构文件扫描的方式，广泛采集与促进成果向市场转化密切相关的科技创新、产业发展、企业研发、科研管理等政策。检索关键词包括 “成果转化” “技术转移” “技术转让” “技术交易” “产业化” “孵化”等，数据来源于重庆市人民政府、重庆市科学技术委员会、重庆市财政局等政府相关部门官网。

自1997年10月首次颁布 《重庆市技术市场条例》布局科技成果转化战略以来，共扫描到109份相关条例、通知、办法、意见等政策文件。除科技成果转化专项政策外，产学研政策、产业化政策、科技创新政策也有设置条款促进科技成果向市场转化。这些政策围绕创新链各环节进行政策设计，面向产业链形成完整的政策体系。其中，科技创新政策大多从顶层战略高度出发，产业化政策扶植某一具体行业，产学研侧重分工协作，依次作用于政府、企业、科研院所三方，促进创新链末端产业发展。

3.2 成果转化政策文本采集

此次科技成果转化政策文本采集根据应用对象可分为产学研政策、产业化政策和科技创新政策3个模块，如图1所示。其中，面向产学研合作的产学研政策是实现科技成果转化的重要途径。此类政策早期指企业、大学、科研机构三方协同创新的活动或行为，近年强调建立产学研三方面的开放协同创新机制，即合作各方以资源共享或优势互补为前提，以共同参与、共享成果、共担风险为准则，共同完成一项技术创新所达成的分工协作的契约安排[61]。产业化政策则多以财政配套政策入手，以股权激励、科技转化成果补贴、免费法律会计服务等为高技术企业提供支持[62]。

图1 重庆市科技成果转化政策体系 (2000—2019)

相比科技成果转化涉及整个转化链条，产业化政策更强调市场经济，在实施途径上可通过战略规划加政策面引导，自上而下推动、自下而上拉动以及由内而外推进[63]。科技创新政策由政府主导，最终目标是为市场或国家战略服务，科技成果转化只是其中的途径之一，因此科技创新政策的外延要比科技成果转化更大。

在科技成果转化政策体系中，产学研政策侧重支持高校、科研院所和企业各主体的协同合作，产业化政策侧重市场主体培育，科技创新政策则以政府目标为导向。虽然它们都是推动科技成果从实验室走向市场的有机构成，科技成果转化是这些政策实施的途径或目标之一，但促进科技成果转化并非其专职或首要目标。因此，本文最终选择了27个最核心的科技成果转化政策，采用文本计量方法，拆解政策中不同政策工具信息单元加以编码分析，政策清单见表1。本文认为政策随时间的更迭代表政策力度的加强，故新旧政策等同视之，不做替代处理。

3.3 成果转化政策工具编码

目前主流的政策工具理论有Hoppmann等[64]提出的三层次法、Rothwell等[65]提出的供需要素三分法等。本文采纳当前适用性最广的政策工具分析框架，即Rothwell等提出的供给型、环境型、需求型政策工具。其中，供给型政策工具指政府通过直接扩大对人、财、物和技术等科技成果转化相关要素供给，推动转化；
需求型政策工具以政府刺激或重组新市场，降低市场风险和不确定性，激发科研人员创新信心和决心等方式，拉动转化；
环境型政策工具指政府提供财政政策和法制规制等政策环境，间接影响科技成果转化的环境因素[66]。

在编码环节，本文总结既有十余篇文献中的科技成果转化政策工具体系，根据所采集到政策的内容特征，以政策工具供需三要素为大框架，设置政策工具2级标引体系。具体编码步骤是：①人工判读各政策文本，以各科技成果转化政策中的目标条款为编码对象，以全政策文本、政策条目、政策款项3级粒度参考标引体系编码；
②编码完成后由第2人全面再编校对，加强编码客观性，确保编码可信度。部分政策条款的政策工具编码示例见表2。

表1 重庆市科技成果转化核心政策

表2 重庆市科技成果转化政策工具条款编码示例

本文对扫描结果中高度相关的27个政策文本进行了工具标引，共获得144条编码序列。由于编码对象有的针对全文本，有的针对具体条目甚至具体款项，不同粒度的重要性不同，因此参考该地区政策编码的平均水平，对不同粒度进行加权标准化处理。统计发现，人才培养和资金投入是科技成果转化政策中使用最频繁的工具，这两大工具使用占比均超过22%；
财务金融、税收优惠和基础设施手段也是促进科技成果转化的惯用政策工具，三者使用率分别为16.2%、11.0%、10.5%；
信息支持、法律管制和策略性措施使用率偏低，三者平均利用率约为5.5%；
而包括政府采购和海外机构在内的需求型政策工具在重庆市科技成果转化政策中占比不到1%，在本次编码中未见服务外包和贸易管制。重庆市科技成果政策工具的采纳情况见表3。

表3 重庆市科技成果转化政策工具的使用率

总体而言，重庆市科技成果转化政策中，不同类型政策工具的采用情况差异较大，供给型工具推动转化的投入力度最大，使用占比超过60%；
营造有利转化的环境型工具使用情况次之，相关工具占比将近40%；
而需求型工具拉动转化的使用微乎其微，使用率不到1%。

4.1 成果转化政策效率测算

从技术市场合同成交额看，重庆市2000年以后科技成果转化整体呈上升态势，具体分为两个阶段：2000—2009年重庆科技成果转化时有波动，但变动幅度相对较小，平均技术市场合同成交额为44.58亿元；
自2010年开始重庆技术合同成交额陡然攀升，尤其是2014年高达156.20亿元，伴随剧烈波动，重庆市技术市场合同成交额开始维持在一个新的高度，约为87.98亿元。为了初步探究技术市场合同成交额与科技成果转化政策的相互关系，本文统计了重庆市科技成果转化政策的年度发布情况，结果发现，当将统计各年转化政策数向后平移3年后，技术成交额与转化政策变化趋势较为一致，具有较强的相关性。

4.2 神经网络分析

(1)数据预处理。对变量进行标准化。由于BP神经网络在分析时，如果影响因素不全面或过少会造成预测精度降低，因此剔除空值变量服务外包和贸易管制。

(2)模型设计。根据影响因素和研究对象的个数，将模型输入层设置为10个神经元 (即影响因素的个数)，输出层设置为1个神经元 (即目标对象的个数)。对隐含层神经元个数的确定目前尚无理论依据和有效方法，需根据试验确定。根据目前几种经验公式，确定隐含层神经元个数的范围是3、4、5、13、21。在此范围内，通过设置不同隐含层神经元个数进行统计分析，发现当隐含层神经元个数为4时，平均预测误差最小，所以选择隐藏层中最大单位数为4的模型，见表4。

表4 隐含层神经元个数的确定

(3)数据拟合。数据拟合结果如图2所示,图中对角线位置代表理想结果，在这种情况下明显可见点高度集中在标识线旁边。通过相关性和错误确认，并在最终表中报告，证明了本文所提出方法的效率。

(4)神经网络输入变量及其与拟合过程的相关性。在神经网络分析的自变量标准化重要性排名中，信息支持、基础设施、金融支持、税收优惠、人才培养这几项分列前5位，其标准化的重要性依次为100%、50.2%、40.7%、39.7%、33.4%。

图2 数据拟合结果

4.3 统计分析结论

(1)公共基础设施与服务对转化的促进效果最为明显。基础设施是指国家在 (重点)实验室、研发中心、研发基地、高技术园区、科技型企业孵化器、研发协会等科技成果研发生产基地上的投入。信息支持指通过建设各类科技信息服务平台、图书馆、数据库、中介服务商等，扩大科技信息共享与交流。分析结果显示，公共设施与服务投入对转化的作用效果非常明显，在神经网络分析结果的重要性排名中分列1、2位。科技成果有自行投资、转让、许可、合作转化、作价入股等多种转化方式，除自行投资为直接转化外，其他间接转化途径都需要第三方科技中介服务机构进行有效介导。基础设施类措施注重搭建紧密联系科技成果供需的 “硬实体”，信息支持服务类措施侧重搭建沟通科技成果供需双方的 “软平台”。二者软硬兼施可有效减少市场上科技成果供需错位，及科技成果转化过程中的信息不对称情况，从而有效搭建促进科技成果转化的积极环境。

(2)直接的人力、财力投入并非促进转化的首要因素。以直接支付的方式向被扶持行业提供资金援助，或以现金奖励、股权激励、分红激励等直接激励措施引导人才引进和培养是大多数政策中的常见手段，科技成果转化政策也不例外。重庆市科技成果转化政策的文本量化统计显示，资金投入、人才培养两类工具的使用占比分别为22.8%、22.1%，是此次分析中使用率最高的政策工具。但神经网络分析结果发现，这种最直接的人力、财力投入对转化效果的相对重要性排名并不靠前，分别只位列第7位和第5位，与其在政策中的高采纳实施效果不对等。综合对比广东、浙江、湖北等地以及部分高校推出的科技成果转化政策中对人才资金的鼓励条例发现，各地、各机构均推出了大量人才支持和资金投入政策，存在人才争夺和人才竞争现象，同质化竞争使该政策工具的效果显著下降。

(3)金融和税收工具是调控科技成果转化的稳定手段。金融支持和税收工具是政府惯用的扶持手段。金融支持指各种金融及衍生机构提供的贷款保证、投资担保、风险投资、信托制度等支持。科技成果转化需要经历研发、孵化、商业化、产业化等阶段，让金融手段参与其中，能够为各阶段发展与衔接提供必要的资金支持，撬动市场力量补充政策性资金支持不足，并能转移风险，引导产业生态更健全地发展。税收是国家参与社会产品分配的一种非常重要的政策工具，税收优惠旨在通过减轻纳税义务激励相关主体，是国家干预经济的重要手段之一。税收优惠给予成果转化主体各项赋税上的减免，如税收减免、税率优惠、加速折旧、加计扣除等，作为一种典型的 “事后扶持”政策工具，可以通过市场机制避免资源错配、降低交易成本，从而能够充分调动扶持对象的主观能动性。金融支持、税收优惠这两大财税政策工具的使用频率与其作用效果地位对等，无论是加权后的采纳率还是神经网络分析的标准化重要性，二者排名均分列第2、3位，说明重庆企业孵化和产业化配套效果较好，金融和税收工具在调控科技成果转化方面效果稳定。

(4)需求型政策工具采纳率过低，拉动市场效果甚微。政府借助需求型政策工具意在通过政府采购、政府服务外包直接向市场投递需求信号，并通过进出口管制措施及与国际技术转移机构合作交流拉动海外市场。此类工具依赖政府部门本身的需求强度，且一国政策一般难以撬动海外市场，因此培育需求侧市场的政策工具在采纳率方面排名靠后，重庆市相关工具使用率不到1%。政府采购方面，仅 《重庆市促进科技成果转化条例》 《促进中国重庆高新技术交易会成果转化优惠政策》 《重庆市推进高新技术产业化的若干规定》分别规定对经认定的重大科技成果转化项目产品、国家自主创新产品清单内产品，以及市内高新技术产品，优先列入政府采购目录计划。海外机构设置上， 《重庆市技术转移体系建设实施方案》提出建立国际技术成果转化基地 (中心)和技术转移转化服务机构，加速技术转移载体全球化布局。服务外包和贸易管制这两类工具在重庆市科技成果转化政策体系中几乎完全缺失。分析同样显示，需求型政策工具对促进科技成果转化的相对重要性也排名最后。

总体看，重庆市科技成果转化政策工具体系较为完备，但不同类型政策工具采纳情况存在一定差异，政策工具采纳情况与其促进科技成果转化效率的重要程度也不一致。将政策工具的重要性与其使用率之比定义为该政策工具的采纳效率，不同政策工具促进成果转化的效率见表5。结果发现，重庆市科技成果转化政策体系整体上较粗放，政策组合优化与协同保障方面还有提升。

表5 重庆市科技成果转化政策工具的使用率、重要性与效率排序

5.1 供给型政策应提高投入精准度

政府是科研活动的主要项目委托人和经费出资人，人力、财力等投入手段是最常用的直接供给型政策工具。在效率视角下，供给型政策工具中人才培养和资金投入的排位处于末尾 (见表5)，直接的资金投入和人才培养在科技成果转化的产出效应与其投入力度不相匹配，政策工具效率也低，提示应谨慎使用简单粗暴的 “投喂型”政策工具。另一方面，供给型工具中基础设施与信息支持两个工具的效率表现较为理想。这说明做好链接成果转化供需双方的基础设施平台和信息服务，解决、匹配好转化前、后端信息不对称问题是政策制定者在资金、人才支持投入基础上，须更深一步考虑的配套支持。在重庆市科技成果转化4类供给型政策中，存在一定程度的资源错配，未来要考虑解决科技成果转化的资金 “堵点”、人才培养 “痛点”，加强政策投入效果研究，提高供给精准度和深度。

5.2 环境型政策需重视灵活性和适用性

金融、税收、法律等环境型政策工具一直是政府塑造良好营商环境的有力手段，在促进科技成果转化的效率评价中，其使用率与对转化效率的重要性排序相当，总体表现稳定。说明在当前科技成果转化政策中，环境型政策工具的配比和投入相对合理，其政策有效性较为明显，可作为一个较好的示范案例。然而，深入了解环境型政策工具后发现，这类政策的内容涵盖法律、金融、社会等领域，兼系统性、专业性、协同性为一体，更像 “一揽子”政策。分析结果显示，策略措施、法律规制这类问题导向性政策的重要性排在金融支持和税收优惠这类专业性政策之前，说明环境型政策工具中，带来发展 “确定性”的 “因地制宜”政策的重要性大于金融 “软环境”的支持。

5.3 需求型政策应探索合理供给模式

如表5所示，需求型政策工具 (海外机构和政府采购)对转化的作用效率排名最前，但因为当前这类工具数据量太小，难以作为实际采纳效率的参考。有研究表明，需求型政策供给不足在国内是较为普遍的现象[67]，其原因有市场开放程度不充分、政府采购模式与市场经济协同难度较大、国内企业总体出海能力较弱等。这些困难也与我国现阶段经济发展不平衡、不充分相关，反映出高质量发展过程中存在的障碍。需求型政策作为最直接驱动市场发展的政策工具，需要从内外因两个角度进一步探索合理的供给模式。例如，从政府自身需求出发，探索和推进政府服务外包新形式；
从市场角度出发，拓展更多海外机构管理内容和功能，帮助企业出海等。

5.4 重视政策差异性及政策工具组合效应

政策制定因时、因地、因势而异，不同政策的实施效果也不尽相同，这与不同政策工具的使用及其作用有关，也与区域间宏观政策战略定位与竞争相关。以重庆市科技成果转化政策为例，对政策工具转化效率的评价研究，试验了借助BP神经网络链接科技成果转化政策工具及其转化效率，分析评价政策工具绩效的可行性。本文验证了一些普遍认识，如国内目前普遍存在的需求型政策投入不足；
发现了一些有趣的现象，如直接的人力、财力等投入政策工具并非促进成果转化的首要因素等。由于各地经济发展情况不同，其他地区科技成果转化政策工具效果和效率是否有相同结论还需更多数据支持。但通过政策信息学的计量分析手段，可以继续深入分析研究政策工具效率、评价政策工具组合优化、揭示政策工具合理配置比例等诸多问题。