山東省科研投入與工業(yè)發(fā)展關(guān)系研究

王緯 王子涵

摘要：科技創(chuàng)新是當(dāng)前山東省新舊動(dòng)能轉(zhuǎn)換過程的關(guān)鍵。山東省近年來加大科技經(jīng)費(fèi)支出，以促進(jìn)經(jīng)濟(jì)的良性發(fā)展。本文利用2009～2016年山東省地級(jí)市面板數(shù)據(jù)，通過建立面板數(shù)據(jù)隨機(jī)前沿模型測(cè)度了各市規(guī)模以上工業(yè)的技術(shù)效率，實(shí)證分析了研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)支出和研究與試驗(yàn)發(fā)展（R&D）人員數(shù)量對(duì)工業(yè)發(fā)展的作用。研究結(jié)論對(duì)政府制定科技政策具有一定的參考價(jià)值。

關(guān)鍵詞：R&D經(jīng)費(fèi)支出;R&D人員數(shù)量;技術(shù)效率

中圖分類號(hào)：F424? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? DOI：10.3969/j.issn.1003-8256.2018.06.004

0? ? 引言

當(dāng)前，山東省正實(shí)施新舊動(dòng)能轉(zhuǎn)換重大工程，以增強(qiáng)山東省經(jīng)濟(jì)增長(zhǎng)的內(nèi)生動(dòng)力?？萍紕?chuàng)新是實(shí)現(xiàn)新舊動(dòng)能轉(zhuǎn)換的關(guān)鍵，技術(shù)進(jìn)步是提高全要素生產(chǎn)率的重要手段。近年來，山東省重視科技資金的投入，科技經(jīng)費(fèi)快速增長(zhǎng)。2016年山東省科技經(jīng)費(fèi)投入已達(dá)1566億，首進(jìn)全國(guó)三甲。圖1描繪了全國(guó)和山東省近年來科技資金投入的強(qiáng)度，可以看出，山東省近年來科技經(jīng)費(fèi)投入強(qiáng)度高于全國(guó)平均水平。山東省政府于2018年3月出臺(tái)了《科技創(chuàng)新支持新舊動(dòng)能轉(zhuǎn)換的若干措施》，目的在于提升科技供給能力，充分發(fā)揮科技創(chuàng)新支持新舊動(dòng)能轉(zhuǎn)換的重要作用，為新舊動(dòng)能轉(zhuǎn)換提供技術(shù)支撐。

為了加快建設(shè)創(chuàng)新型國(guó)家，各級(jí)政府紛紛出臺(tái)了大量的科技政策，鼓勵(lì)科技創(chuàng)新、推動(dòng)技術(shù)進(jìn)步，從而提高全要素生產(chǎn)率，優(yōu)化調(diào)整經(jīng)濟(jì)結(jié)構(gòu)。在此背景下，山東省政府也相繼出臺(tái)了一系列科技政策，從基礎(chǔ)研究、人才培養(yǎng)、資金支持等多方面營(yíng)造積極的大環(huán)境，為科技創(chuàng)新提供保障。顯而易見，各項(xiàng)科技政策的著力點(diǎn)在于加大科研資金的投入和高級(jí)科研人員的引入兩方面。因而，本文基于產(chǎn)業(yè)技術(shù)效率視角分析了R&D經(jīng)費(fèi)支出和R&D人員數(shù)量的工業(yè)增長(zhǎng)效應(yīng)，從而為促進(jìn)山東省新舊動(dòng)能轉(zhuǎn)換，提高山東省科技實(shí)力和政府科學(xué)決策提供參考。

國(guó)內(nèi)外學(xué)者從企業(yè)生產(chǎn)效率、產(chǎn)業(yè)發(fā)展、經(jīng)濟(jì)增長(zhǎng)等角度實(shí)證分析了R&D經(jīng)費(fèi)投入的經(jīng)濟(jì)效應(yīng)。Wakelin以倫敦股票市場(chǎng)170家企業(yè)為樣本分析了企業(yè)的研發(fā)支出與生產(chǎn)率增長(zhǎng)的關(guān)系[1];Bownset al.采用改進(jìn)的 MMI模型測(cè)量了R&D經(jīng)費(fèi)投入的經(jīng)濟(jì)效益[2];郭際等應(yīng)用投入產(chǎn)出法實(shí)證檢驗(yàn)了R&D經(jīng)費(fèi)投入對(duì)我國(guó)不同行業(yè)經(jīng)濟(jì)效應(yīng)的影響[3];盛壘考察了跨國(guó)公司R&D經(jīng)費(fèi)投入對(duì)中國(guó)各省的經(jīng)濟(jì)溢出效應(yīng)[4];王雷和黨興華研究發(fā)現(xiàn)R&D經(jīng)費(fèi)支出對(duì)技術(shù)創(chuàng)新與高新技術(shù)產(chǎn)業(yè)的支撐作用高于風(fēng)險(xiǎn)投資[5];陳云和賀德方（2012）論證了R&D經(jīng)費(fèi)支出對(duì)人均GDP的正向關(guān)系[6];周芳發(fā)現(xiàn)新產(chǎn)品強(qiáng)度越高的企業(yè)勞動(dòng)生產(chǎn)率也越高，從而表明R&D經(jīng)費(fèi)支出和R&D人員數(shù)量對(duì)北京制造業(yè)有顯著的貢獻(xiàn)[7]。從現(xiàn)有文獻(xiàn)可以發(fā)現(xiàn)，學(xué)者對(duì)山東省R&D經(jīng)費(fèi)支出的經(jīng)濟(jì)效應(yīng)研究較少。馮文娜分析了山東省高新技術(shù)企業(yè)R&D資金投入、R&D人員投入與專利產(chǎn)出、新產(chǎn)品產(chǎn)出、創(chuàng)新績(jī)效、企業(yè)盈利能力等企業(yè)創(chuàng)新產(chǎn)出之間的相關(guān)關(guān)系[8]。

1? ? 方法與數(shù)據(jù)

1.1? ?方法介紹

測(cè)算工業(yè)技術(shù)效率主要有非參數(shù)方法和參數(shù)方法。兩階段或三階段數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）是應(yīng)用最廣泛的非參數(shù)方法。 隨機(jī)前沿分析（Stochastic Frontier Analysis，SFA）是當(dāng)前計(jì)算技術(shù)效率主流的參數(shù)估計(jì)方法。SFA認(rèn)為影響產(chǎn)出的主要因素除了技術(shù)無效率性以外還有很多隨機(jī)因素，將隨機(jī)干擾與技術(shù)無效率項(xiàng)分離。其具體形式為：

其中， 仍然表示前沿生產(chǎn)函數(shù); 是雙邊的隨機(jī)誤差項(xiàng)，表示影響生產(chǎn)的隨機(jī)因素，通常假設(shè)它是獨(dú)立同分布的隨機(jī)變量，且其服從正態(tài)分布。 表示技術(shù)無效率項(xiàng)，通常假設(shè)它是非負(fù)的且與相互獨(dú)立。由于隨機(jī)生產(chǎn)前沿模型的誤差項(xiàng)由兩部分組成。 也被稱為復(fù)合誤差項(xiàng)。復(fù)合誤差項(xiàng) 是非對(duì)稱分布的。因而， 代表隨機(jī)前沿面。面板數(shù)據(jù)隨機(jī)前沿模型根據(jù)無效率項(xiàng)是否隨時(shí)間變化分為兩類。由于山東省近年來經(jīng)濟(jì)發(fā)展和科技經(jīng)費(fèi)支出均呈現(xiàn)上漲趨勢(shì)。因而，本文采用技術(shù)效率隨時(shí)間變化的形式，同時(shí)，前沿生產(chǎn)函數(shù)一般選取科布-道格拉斯生產(chǎn)函數(shù)。建立的面板隨機(jī)前沿模型為：

1.2? ?數(shù)據(jù)說明

基于數(shù)據(jù)的可得性和代表性，本文選取山東省17個(gè)地級(jí)市面板數(shù)據(jù)分析R&D經(jīng)費(fèi)投入和R&D人員數(shù)量對(duì)規(guī)模以上工業(yè)生產(chǎn)的影響。其中，選取規(guī)模以上工業(yè)主營(yíng)業(yè)務(wù)收入衡量工業(yè)總產(chǎn)出， 為固定資產(chǎn)投資額，Labor為規(guī)模以上工業(yè)全部從業(yè)人員年平均人數(shù)。由于從2009年開始，R&D經(jīng)費(fèi)統(tǒng)計(jì)口徑發(fā)生變化。因而，選取樣本的時(shí)間范圍為2009～2016年。以上數(shù)據(jù)均源于2009～2016年山東省統(tǒng)計(jì)年鑒。

表1為變量的描述性統(tǒng)計(jì)表。由于山東省17個(gè)地市經(jīng)濟(jì)發(fā)展水平差距較大以及近年來各地市對(duì)科技投入的重視加強(qiáng)，各個(gè)變量的波動(dòng)幅度均較大。還可以發(fā)現(xiàn)，R&D經(jīng)費(fèi)支出絕大多數(shù)是R&D內(nèi)部支出，且企業(yè)支出占R&D內(nèi)部支出的比例較高，R&D研究人員數(shù)量中兼職人員占據(jù)的比重較高。

2? ? 實(shí)證分析

2.1? ?山東省地級(jí)市規(guī)模以上工業(yè)技術(shù)效率測(cè)算

基于最大似然估計(jì)法，根據(jù)科布—道格拉斯生產(chǎn)函數(shù)的隨機(jī)前沿模型估計(jì)的山東省各個(gè)地市規(guī)模以上工業(yè)的技術(shù)效率，如表2。山東省平均技術(shù)效率為0.8606，說明全省規(guī)模以上工業(yè)生產(chǎn)可能存在技術(shù)無效率。經(jīng)計(jì)算，無效率項(xiàng)的廣義似然比檢驗(yàn)統(tǒng)計(jì)量為4.3，進(jìn)一步說明全省規(guī)模以上工業(yè)生產(chǎn)存在明顯的無效率項(xiàng)。從表2可以看出，山東省各個(gè)地級(jí)市的技術(shù)效率差距顯著。聊城、菏澤和淄博等城市規(guī)模以上工業(yè)生產(chǎn)接近技術(shù)有效。然而，濰坊、棗莊和濟(jì)寧等城市技術(shù)效率偏低。這可能和近年來這些城市污染嚴(yán)重，節(jié)能減排有關(guān)。這些城市的經(jīng)濟(jì)比重以工業(yè)為主，污染企業(yè)眾多，環(huán)保壓力大。隨著各地市開始整治環(huán)境污染，關(guān)停了一部分污染企業(yè)，進(jìn)而一部分產(chǎn)能閑置，導(dǎo)致規(guī)模以上工業(yè)技術(shù)效率降低。

2.2? ? R&D經(jīng)費(fèi)支出

為探究R&D經(jīng)費(fèi)支出對(duì)產(chǎn)業(yè)效率的影響，在模型（2）中，加入R&D經(jīng)費(fèi)支出變量建立如下面板數(shù)據(jù)隨機(jī)前沿模型：

同時(shí)，本文實(shí)證檢驗(yàn)了R&D經(jīng)費(fèi)支出結(jié)構(gòu)對(duì)規(guī)模以上工業(yè)總產(chǎn)值的影響，參數(shù)估計(jì)結(jié)果見表3。從中可以發(fā)現(xiàn)，R&D經(jīng)費(fèi)內(nèi)部支出、R&D經(jīng)費(fèi)內(nèi)部中企業(yè)科技經(jīng)費(fèi)支出、R&D經(jīng)費(fèi)外部支出中的國(guó)內(nèi)研究經(jīng)費(fèi)支出均能夠顯著促進(jìn)規(guī)模以上工業(yè)的增長(zhǎng)。然而，政府科技支出由于相較于企業(yè)科技支出較少，未能顯著的促進(jìn)規(guī)模以上工業(yè)產(chǎn)值的增加。在R&D外部支出中，國(guó)內(nèi)研究機(jī)構(gòu)支出促進(jìn)工業(yè)產(chǎn)值增加效果顯著，然而國(guó)內(nèi)高校R&D外部支出系數(shù)不顯著。國(guó)內(nèi)高校的科研注重科技基礎(chǔ)項(xiàng)目的研究，成果轉(zhuǎn)化率相較目標(biāo)明確的研究機(jī)構(gòu)較低。從表3還可以發(fā)現(xiàn)，勞動(dòng)力和固定資產(chǎn)投資對(duì)規(guī)模以上工業(yè)產(chǎn)值增加均具有明顯的促進(jìn)作用。最后，從無效率項(xiàng)檢驗(yàn)統(tǒng)計(jì)量可以發(fā)現(xiàn)，無效率項(xiàng)是明顯存在的，且無效率項(xiàng)并未占據(jù)主要地位，這也說明了本文建立隨機(jī)前沿生產(chǎn)模型的適用性。

2.3? ?R&D科研人員

表4同樣為采用最大似然估計(jì)法估計(jì)的R&D科研人員對(duì)規(guī)模以上工業(yè)產(chǎn)能影響的結(jié)果。實(shí)證結(jié)果表明：R&D人員折合全時(shí)當(dāng)量和R&D兼職人員與規(guī)模以上工業(yè)產(chǎn)值呈顯著的正向關(guān)系;然而，R&D人員數(shù)量和R&D全職人員變量的系數(shù)為負(fù)數(shù)，且不顯著。R&D人員折合全時(shí)當(dāng)量衡量了R&D全職人員和兼職人員的全年的工作時(shí)間或工作量，工作時(shí)間越長(zhǎng)以及工作量越大，R&D人員能獲得更多的成果并以此促進(jìn)規(guī)模以上工業(yè)產(chǎn)值的增加。由于R&D人員數(shù)量中，R&D全職人員占比較高，在科研經(jīng)費(fèi)一定的前提下，R&D人員數(shù)量越多，人均科研經(jīng)費(fèi)較少，這導(dǎo)致科研產(chǎn)出率較低。同時(shí)，R&D兼職人員一般為高校的知名科研人員或者有經(jīng)驗(yàn)的科研人員，這部分科研人員更能夠促進(jìn)科技成果轉(zhuǎn)化為產(chǎn)能和促進(jìn)技術(shù)進(jìn)步，因而對(duì)規(guī)模以上工業(yè)產(chǎn)值的增加有正向促進(jìn)作用。

3? ? 結(jié)論和政策建議

本文基于面板數(shù)據(jù)隨機(jī)前沿模型測(cè)量了山東省17個(gè)地級(jí)市規(guī)模以上工業(yè)的技術(shù)效率，實(shí)證分析了R&D科研經(jīng)費(fèi)支出數(shù)量、R&D科研經(jīng)費(fèi)支出結(jié)構(gòu)、R&D科研人員數(shù)量和結(jié)構(gòu)對(duì)規(guī)模以上工業(yè)產(chǎn)能的影響。研究結(jié)果表明：

（1）山東省17個(gè)地市規(guī)模以上工業(yè)技術(shù)效率存在顯著的差異，技術(shù)無效率項(xiàng)顯著存在;

（2）R&D內(nèi)部科研經(jīng)費(fèi)支出、R&D企業(yè)科研經(jīng)費(fèi)支出、R&D國(guó)內(nèi)研究機(jī)構(gòu)科研經(jīng)費(fèi)支出能夠顯著促進(jìn)規(guī)模以上工業(yè)產(chǎn)能的增加;

（3）R&D科研人員工作量越多，規(guī)模以上工業(yè)產(chǎn)值越大，且R&D兼職人員能夠顯著的促進(jìn)產(chǎn)值的增加。

根據(jù)研究結(jié)論，提出以下政策性建議：由于政策科技經(jīng)費(fèi)相較企業(yè)科技經(jīng)費(fèi)支出較少，促進(jìn)作用不明顯，政府應(yīng)該進(jìn)一步加大科研資金的投入;不應(yīng)盲目追求科研人員數(shù)量的增多，更應(yīng)該注重科研人員質(zhì)量建設(shè)，積極引入高級(jí)科研人員;進(jìn)一步促進(jìn)產(chǎn)學(xué)研結(jié)合，對(duì)接高校等科研機(jī)構(gòu)與企業(yè)的合作，促進(jìn)科技成果轉(zhuǎn)化為經(jīng)濟(jì)增長(zhǎng)的動(dòng)力。

參考文獻(xiàn)：

[1] Wakelin K. Productivity growth and R&D expenditure in UK manufacturing firms[J]. Research policy， 2001， 30（7）： 1079-1090.

[2] Bowns S， Bradley I， Knee P， et al. Measuring the economic benefits from R&D： improvements in the MMI model of the United Kingdom National Measurement System[J]. Research Policy， 2003， 32（6）： 991-1002.

[3] 郭際， 葉衛(wèi)美， 吳先華，等. 基于投入產(chǎn)出法的R&D經(jīng)費(fèi)投入的綜合經(jīng)濟(jì)效益評(píng)估研究[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理， 2014（1）：9-15.

[4] 盛壘. 跨國(guó)公司在華R&D投資的溢出效應(yīng)研究——基于隨機(jī)前沿分析方法（SFA）的檢驗(yàn)[J]. 世界經(jīng)濟(jì)研究， 2010（6）：68-74.

[5] 王雷，黨興華.R&D經(jīng)費(fèi)支出、風(fēng)險(xiǎn)投資與高新技術(shù)產(chǎn)業(yè)發(fā)展——基于典型相關(guān)分析的中國(guó)數(shù)據(jù)實(shí)證研究[J].研究與發(fā)展管理，2008（4）17-23.

[6] 陳云， 賀德方. 我國(guó)各省市自治區(qū)R&D經(jīng)費(fèi)支出的差異性及與人均GDP的相關(guān)性分析[J]. 中國(guó)軟科學(xué)， 2012（10）：78-87.

[7] 周芳. 北京市制造業(yè)R&D投入的貢獻(xiàn)研究——基于CDM模型的技術(shù)創(chuàng)新效果評(píng)估[J]. 研究與發(fā)展管理， 2014，26（6）： 22-31.

[8] 馮文娜. 高新技術(shù)企業(yè)研發(fā)投入與創(chuàng)新產(chǎn)出的關(guān)系研究——基于山東省高新技術(shù)企業(yè)的實(shí)證[J]. 經(jīng)濟(jì)問題， 2010（9）：74-78.