政府資金對高?？萍紕?chuàng)新產(chǎn)出影響研究
——以沈陽市樣本為例

李 磊

(遼寧省交通高等?？茖W(xué)校 汽車工程系，遼寧 沈陽 110122)

0 引言

高校科技創(chuàng)新活動對技術(shù)進步、社會發(fā)展產(chǎn)生了深遠和廣泛的影響。大力提升高?？萍紕?chuàng)新能力是加快建設(shè)創(chuàng)新型國家的重要支撐和戰(zhàn)略行動，是促進國家創(chuàng)新能力提升的關(guān)鍵。然而，高?？萍紕?chuàng)新成果具有準(zhǔn)公共產(chǎn)品性質(zhì)，存在外部效應(yīng)，根據(jù)市場失靈理論，僅依靠市場調(diào)節(jié)的高?？萍紕?chuàng)新活動是低效的，因此政府需要通過資金投入等方式支持高校的科技創(chuàng)新活動。

近年來，政府對于高?？萍紕?chuàng)新的支持力度逐年遞增。從全國范圍看，政府對高校的科技投入由2015年的856.21億元上升至2018年的1334.83億元，增長了55.9%。而且，政府科技投入占高校總經(jīng)費的比例也是逐年提升，在2015年就已經(jīng)占到了63.1%，2018年則達到了65.0%。龐大的政府資金投入，對高校的科技創(chuàng)新產(chǎn)出究竟產(chǎn)生了怎樣的影響？

Abigail Payne等[1]以美國68所大學(xué)為樣本，發(fā)現(xiàn)政府資金投入每增加100萬美金，會增加0.2個專利的產(chǎn)出。施定國、徐海洪、劉鳳朝[2]運用面板數(shù)據(jù)實證檢驗表明，政府資金對高?？萍紕?chuàng)新產(chǎn)出整體上具有正向作用。談毅、楊曄、白伊貝[3]發(fā)現(xiàn)，政府的科技投入與高校的創(chuàng)新產(chǎn)出呈現(xiàn)出正相關(guān)性，并且存在一定的滯后性。原長弘、王瑞琪[4]以2005-2010年30個省市的高校面板數(shù)據(jù)為樣本，采用負(fù)二項回歸的分析方法，證實了政府資金對高校技術(shù)創(chuàng)新能力具有顯著的正向影響。周鳳華、朱雪忠[5]研究發(fā)現(xiàn)政府的資金投入對高校的研發(fā)產(chǎn)出并無顯著的正向影響,甚至有負(fù)向影響。呂晨[6]利用數(shù)據(jù)包絡(luò)分析和結(jié)構(gòu)方程模型對教育部直屬院校和“211”及省部共建院校的政府投入效益進行了分析，認(rèn)為政府資金效率整體欠佳。原長弘、王瑞琪、李陽等[7]實證檢驗了中央和地方政府直接資金與高校創(chuàng)新產(chǎn)出之間存在倒U型關(guān)系。

以上學(xué)者的研究結(jié)論表明，政府資金投入對高?？萍紕?chuàng)新產(chǎn)出的影響是正向的還是負(fù)向的仍有待考證，政府資金投入的有效性仍存在著很大的爭議。本文將以沈陽市高校為樣本，對這一問題進行深入研究，實證檢驗政府資金對沈陽市高?？萍紕?chuàng)新產(chǎn)出的影響。

1 研究設(shè)計

1.1 研究方法

本文研究政府資金對沈陽市高?？萍紕?chuàng)新產(chǎn)出的影響，故可將高校內(nèi)部資源的分配及利用看成是系統(tǒng)內(nèi)部行為，將其所有內(nèi)部行為看成一個整體。研究這個系統(tǒng)的投入和產(chǎn)出效率的問題，可以選擇生產(chǎn)函數(shù)的方法研究這一問題?？虏嫉栏窭股a(chǎn)函數(shù)是最為常見的生產(chǎn)函數(shù)模型，且具有易化為線性函數(shù)的特點。由此，本文采用柯布道格拉斯生產(chǎn)函數(shù)作為研究的基礎(chǔ)理論模型。柯布道格拉斯函數(shù)的基本形式為：

Y=AKαLβ

(1)

其中:Y為產(chǎn)出，K、L為兩個生產(chǎn)要素即投入，A為常數(shù)，α、β為參數(shù)。

檢驗政府資金對沈陽市高校科技創(chuàng)新產(chǎn)出的作用，根據(jù)經(jīng)濟學(xué)理論，引入擴展的柯布道格拉斯生產(chǎn)函數(shù)，將專利申請量作為科技創(chuàng)新產(chǎn)出，政府資金作為生產(chǎn)函數(shù)中投入的要素，構(gòu)建知識生產(chǎn)函數(shù)如下：

pnit=AskpαitlβitgiγitXκiteηi+ui+εit

(2)

其中，pnit為科技創(chuàng)新產(chǎn)出(即專利申請量)；skpit為高校的知識資本存量；lit為教學(xué)與科研人員數(shù)量；giit為政府資金；α為知識資本存量的產(chǎn)出彈性、β為教學(xué)與科研人員的產(chǎn)出彈性、γ為政府資金的產(chǎn)出彈性、k為其他相應(yīng)變量的產(chǎn)出彈性；A為常數(shù)；e為自然對數(shù)的底。

選擇專利申請量pnit作為高?？萍紕?chuàng)新能力的衡量指標(biāo)，主要原因：一是將專利申請量作為高校的科技創(chuàng)新指標(biāo)已經(jīng)成為學(xué)術(shù)研究的通行做法；二是專利申請量數(shù)據(jù)相對于其他指標(biāo)更易獲得，具有客觀真實的特點；三是隨著高校知識產(chǎn)權(quán)保護意識的提升，越來越多的高校通過專利申請對其創(chuàng)新成果進行保護，專利申請量可以真實反映高校的科技創(chuàng)新產(chǎn)出水平。

skpit為高校的知識資本存量，代表高校在科技創(chuàng)新領(lǐng)域多年的知識資本積累。在柯布道格拉斯知識生產(chǎn)函數(shù)中，對高?？萍紕?chuàng)新產(chǎn)出發(fā)生影響的不只高校當(dāng)期的科技創(chuàng)新投入，以往若干期的科技創(chuàng)新投入都會對當(dāng)期的科技創(chuàng)新產(chǎn)出產(chǎn)生影響。文中知識資本存量的測算，借鑒了白俊紅[8]的測算技術(shù)，利用永續(xù)盤存法逐年核算得出。

公式(2)兩側(cè)取對數(shù)，可得：

lnpnit=αlnskp+βlnlit+γlngiit+κlnxit+δ+ηi+ui+εit

(3)

其中，δ=lnA?？紤]到政府資金在高校內(nèi)部使用的情況和發(fā)揮的作用，既可以用于教學(xué)與科研人員的激勵支出，也可用于提高高校的知識資本存量。因此，引入政府資金對教學(xué)與科研人員和知識資本存量的交互項，公式(3)進一步拓展為公式(4)如下：

lnpnit=αlnskp+βlnlit+γlngiit+κlnxit+θ1lnskpit×lngiit+θ2lnlit×lngiit+δ+ηi+ui+εit

(4)

其中，θ1、θ2為相應(yīng)交互項的估計系數(shù)。

1.2 變量測度

文中將專利申請量作為衡量高?？萍紕?chuàng)新產(chǎn)出的變量，而專利又可分為發(fā)明專利、實用新型專利和外觀設(shè)計專利。發(fā)明專利技術(shù)含量最高，是基于產(chǎn)品或者方法的一種新的技術(shù)方案，最能體現(xiàn)高校的科技創(chuàng)新水平。實用新型專利和外觀設(shè)計專利的技術(shù)難度明顯低于發(fā)明專利，外觀設(shè)計的技術(shù)難度更低一些。為了更為深入地檢驗政府資金對沈陽市高?？萍紕?chuàng)新產(chǎn)出的影響，本文在實證研究過程中，用發(fā)明專利申請量(fm)、實用新型專利申請量(xx)和外觀設(shè)計專利申請量(wg)分別替代專利申請總量(pn)作為被解釋變量，檢驗政府資金對各類型專利申請量的影響，以期研究結(jié)論更具有針對性。

1.3 樣本選取與數(shù)據(jù)來源

選擇沈陽市具有一定科技創(chuàng)新能力的高校作為樣本，剔除專利申請量多年為零的高校，同時剔除2015-2019年期間發(fā)生院校合并的高校。最終選取表1中的22所高校作為樣本，其中本科院校15所，?？圃盒?所。

表1 項目研究樣本

研究所用數(shù)據(jù)來自中華人民共和國教育部科學(xué)技術(shù)司編寫的《高等學(xué)校科技統(tǒng)計資料匯編》和遼寧教育網(wǎng)公布的《教育公報》，專利申請量數(shù)據(jù)檢索自佰騰網(wǎng)。

1.4 概念模型設(shè)計

對樣本中22所高校的政府資金數(shù)據(jù)和專利申請量數(shù)據(jù)進行初步的統(tǒng)計分析，發(fā)現(xiàn)以本科院校和?？圃盒５膶傩詤^(qū)別進行分組，兩類院校在政府資金和專利申請量的均值上差異很大，如表2和表3所示。以2019年數(shù)據(jù)為例，本科院校政府資金投入均值是?？圃盒ＵY金投入均值的144倍，本科院校專利申請量均值是?？圃盒＠暾埩烤档?.7倍。而且，橫向比較可以看出，本科院校政府資金投入均值逐年遞增，2019年比2015年增長了27.76%；?？圃盒ＵY金投入均值卻呈現(xiàn)出明顯的下降趨勢，2019年比2015年下降了47.59%。從專利申請量指標(biāo)看，本科院校和?？圃盒５膶＠暾埩烤刀汲尸F(xiàn)出逐年增長的趨勢，本科院校專利申請量均值2019年比2015年增長了142.55%，?？圃盒?015年專利申請量均值為5件，2019年為68件，達到了1260%的增長?？梢钥闯觯瑹o論是本科院校還是?？圃盒?，專利申請量都在以較大的幅度增長，而政府對本科院校與?？圃盒５馁Y金投入水平差距是十分懸殊的，有必要進行分組分析。由此，本文研究的概念模型如圖1所示。

表2 2015-2019年本科院校與專科院校政府資金投入均值比較 單位：萬元

表3 2015-2019年本科院校與?？圃盒＠暾埩烤当容^ 單位：件

圖1 本文研究概念模型

1.5 數(shù)據(jù)分析方法

面板數(shù)據(jù)回歸主要有三種模型：混合效應(yīng)模型、固定效應(yīng)模型和隨機效應(yīng)模型?；旌闲?yīng)模型假定各所高校的科技創(chuàng)新能力不存在差異，直接將樣本中數(shù)據(jù)進行混合再進行估計，這樣的估計結(jié)果不能反映不同高?？萍紕?chuàng)新能力差異對生產(chǎn)函數(shù)的影響，這種方法并不適合本文的研究。固定效應(yīng)模型考慮了各高?？萍紕?chuàng)新能力的差異，但假定這種差異是固定的，不隨時間變化而變化；隨機效應(yīng)模型則假定各高校的科技創(chuàng)新能力的差異是隨機變化的。固定效應(yīng)模型和隨機效應(yīng)模型的選擇通過豪斯曼檢驗進行。

2 實證分析

2.1 描述性統(tǒng)計

由公式(4)，在面板數(shù)據(jù)的回歸過程中需要取對數(shù)，而原始數(shù)據(jù)中發(fā)明專利申請量(fm)、實用新型專利申請量(xx)、外觀設(shè)計專利申請量(wg)、政府資金投入(gi)、知識資本存量(skp)等值存在等于零、大于零小于1等情況，因此需要對原數(shù)據(jù)進行處理。參照陸銘[9]的做法，對原數(shù)據(jù)進行處理，將發(fā)明專利申請量(fm)+1、實用新型專利申請量(xx)+1、外觀設(shè)計專利申請量(wg)+1、教學(xué)與科研人員數(shù)量+1，知識資本存量*10，政府資金*10+1，通過此處理以保證每一項原始數(shù)據(jù)取對數(shù)后大于等于零。整體樣本的描述性統(tǒng)計如表4所示，本科院校樣本的描述性統(tǒng)計如表5所示，專科院校樣本的描述性統(tǒng)計如表6所示。

表4 22所樣本高校各變量的描述性統(tǒng)計

表5 樣本中本科院校各變量的描述性統(tǒng)計

表6 樣本中?？圃盒８髯兞康拿枋鲂越y(tǒng)計

2.2 政府資金對沈陽市高校專利申請量的影響

2.2.1 政府資金對沈陽市高校發(fā)明專利申請量的影響

(1)政府資金對沈陽市高校發(fā)明專利申請量影響的整體分析。整體樣本的面板數(shù)據(jù)包含5年、22所高校，即n>t，是一個短面板數(shù)據(jù)集。由于每所高校的情況不同，可能存在不隨時間而變的遺漏變量，首先考慮使用固定效應(yīng)模型，然后，考慮個體效應(yīng)的影響，使用隨機效應(yīng)模型。固定效應(yīng)模型和隨機效應(yīng)模型的回歸結(jié)果，如表7。固定效應(yīng)模型(1)、(2)和隨機效應(yīng)模型(1)通過了顯著性檢驗。固定效應(yīng)模型(2)在固定效應(yīng)模型(1)的基礎(chǔ)上，加入了政府資金與知識資本存量和政府資金與教學(xué)與科研人員的交互項。對固定效應(yīng)模型(1)和隨機效應(yīng)模型(1)的選擇需要進行豪斯曼檢驗，結(jié)果如圖2顯示，由于p值大于0.05，所以在5%的顯著性水平下，認(rèn)為隨機效應(yīng)模型(1)優(yōu)于固定效應(yīng)模型(1)。所以，最終選擇隨機效應(yīng)模型(1)?？刂谱兞恐?，知識資本存量對發(fā)明專利申請量的影響顯著為正，且通過了1%的顯著性水平檢驗，知識資本存量每增加1%，發(fā)明專利的申請量增加0.702%。

表7 政府資金對沈陽市高校發(fā)明專利申請量(fm)的影響

圖2 整體樣本的豪斯曼檢驗

(2)政府資金對沈陽市本科院校發(fā)明專利申請量的影響分析。本科院校的面板數(shù)據(jù)包括15所高校、5年的面板數(shù)據(jù)，仍是一個n>t的面板數(shù)據(jù)集。選擇固定效應(yīng)模型和隨機效應(yīng)模型進行回歸，結(jié)果如表8所示，固定效應(yīng)模型(2)和隨機效應(yīng)模型(2)通過了顯著性檢驗。豪斯曼檢驗的結(jié)果如圖3所示，由于p值大于0.05，所以在5%的顯著性水平下選擇隨機效應(yīng)模型(2)。政府資金不僅直接影響發(fā)明專利的申請量，還通過教學(xué)與科研人員對發(fā)明專利的申請量產(chǎn)生交互影響，并且，教學(xué)與科研人員和政府資金的交互項通過了5%的顯著性檢驗。根據(jù)伍德里奇[10]的偏效應(yīng)公式，經(jīng)計算，政府資金對發(fā)明專利申請總量的相關(guān)系數(shù)為-0.202，即政府資金增加1%，本科院校發(fā)明專利的申請量將減少0.202%。

表8 政府資金對沈陽市本科院校發(fā)明專利申請量(fm)的影響

(3)政府資金對沈陽市專科院校發(fā)明專利申請量的影響分析。專科院校的面板數(shù)據(jù)包括7所高校、5年的面板數(shù)據(jù)，仍是一個n>t的面板數(shù)據(jù)集。選擇固定效應(yīng)模型和隨機效應(yīng)模型進行回歸，兩種模型的估計結(jié)果如表9所示。固定效應(yīng)模型(1)通過了5%的顯著性檢驗，政府資金每增加1%，?？圃盒０l(fā)明專利的申請量將減少0.493%。

圖3 本科院校的豪斯曼檢驗

表9 政府資金對沈陽市?？圃盒０l(fā)明專利申請量(fm)的影響

將整體樣本、本科院校和?？圃盒Ｍㄟ^檢驗的模型進行匯總，如表10所示。

表10 政府資金對高校發(fā)明專利申請量影響檢驗

2.2.2 政府資金對沈陽市高校實用新型專利申請量的影響分析

檢驗政府資金對沈陽市高校實用新型專利申請量的影響，同樣先進行整體樣本的分析，再進行本科院校與?？圃盒５姆纸M分析。受限于篇幅，實證分析結(jié)果在此不一一列示，通過檢驗的模型如表11所示。

表11 政府資金對高校實用新型專利申請量影響檢驗

2.2.3 政府資金對沈陽市高校外觀設(shè)計專利申請量的影響分析

對整體樣本的分析，固定效應(yīng)模型和隨機效應(yīng)模型都沒有得到通過顯著性檢驗的回歸系數(shù)，即政府資金不會對沈陽市高校實用新型的專利申請量產(chǎn)生顯著影響?？刂谱兞恐校R資本存量與實用新型的專利申請量均在1%的水平上顯著正相關(guān)，即知識資本存量的增加，會帶來實用新型專利申請量的增加(部分控制變量的分析結(jié)果文中不可視，以下同)。

對本科院校樣本的分析，固定效應(yīng)模型(2)和隨機效應(yīng)模型(2)通過了顯著性檢驗,且豪斯曼檢驗的結(jié)果p值大于0.05，所以在5%的顯著性水平下，認(rèn)為隨機效應(yīng)模型(2)優(yōu)于固定效應(yīng)模型(2)。同時，政府資金與教學(xué)與科研人員交互項的相關(guān)系數(shù)顯著為正，經(jīng)計算，政府資金對實用新型申請量的相關(guān)系數(shù)為0.779，即政府資金增加1%，本科院校實用新型的申請量將增加0.779%。

對?？圃盒颖镜姆治觯潭ㄐ?yīng)模型和隨機效應(yīng)模型都沒有得到通過顯著性檢驗的回歸系數(shù)，即政府資金不會對?？圃盒嵱眯滦偷膶＠暾埩慨a(chǎn)生顯著影響?？刂谱兞恐?，固定效應(yīng)模型(1)和(2)表明知識資本存量與實用新型的專利申請量在5%的水平上顯著正相關(guān)，即知識資本存量的增加，會帶來專科院校實用新型專利申請量的增加。

檢驗政府資金對沈陽市高校外觀設(shè)計專利申請量的影響，通過檢驗的模型如表12所示。

表12 政府資金對高校外觀設(shè)計專利申請量影響檢驗的模型

對整體樣本的分析，隨機效應(yīng)模型(1)通過了檢驗，政府資金對樣本中高校外觀設(shè)計專利申請量的影響是負(fù)向的，且通過了10%顯著性水平檢驗，即政府資金每增加1%，外觀設(shè)計的專利申請量降低0.210%。知識資本存量對外觀設(shè)計專利申請量的影響顯著為正，且通過了10%的顯著性水平檢驗。

對本科院校樣本的分析，固定效應(yīng)模型(1)、(2)和隨機效應(yīng)模型(1)、(2)均通過了顯著性檢驗，且豪斯曼檢驗的結(jié)果p值均大于0.05，所以在5%的顯著性水平下，認(rèn)為隨機效應(yīng)模型(1)和(2)優(yōu)于固定效應(yīng)模型(1)和(2)。由于政府資金不僅直接影響專利申請量，還可以通過知識資本存量和教學(xué)與科研人員對專利申請量產(chǎn)生交互影響，隨機效應(yīng)模型(2)作出了交互項顯著不為零的參數(shù)估計。根據(jù)研究的需要，認(rèn)為隨機效應(yīng)模型(2)更符合研究目的。經(jīng)計算，政府資金對本科院校外觀設(shè)計專利申請量的正相關(guān)系數(shù)為1.465，即政府資金增加1%，本科院校外觀設(shè)計的專利申請量將增加1.465%。

對專科院校樣本的分析，從估計結(jié)果看，固定效應(yīng)模型和隨機效應(yīng)模型都沒有得到通過顯著性檢驗的回歸系數(shù)，即政府資金不會對?？圃盒Ｍ庥^設(shè)計的專利申請量產(chǎn)生顯著影響?？刂谱兞恐?，固定效應(yīng)模型(1)和(2)表明知識資本存量與外觀設(shè)計的專利申請量在10%的水平上顯著正相關(guān)，即知識資本存量的增加，會帶來專科院校外觀設(shè)計專利申請量的增加。

3 結(jié)論與建議

實證分析的結(jié)果可以看出，政府項目資金對沈陽市高校發(fā)明專利申請量的影響不顯著。政府資金對實用新型專利申請量的影響是不顯著的，對本科院校的影響是正向的，對?？圃盒５挠绊懯遣伙@著的。政府資金對沈陽市高校外觀設(shè)計專利申請量的影響是負(fù)向的，對本科院校的影響是正向的，對專科院校的影響是不顯著的。

3.1 采取多種措施鼓勵高校發(fā)明專利的申請

發(fā)明專利具有更高的技術(shù)難度，是衡量高?？萍紕?chuàng)新能力更為重要的標(biāo)準(zhǔn)。但從本文實證分析結(jié)果看，對于沈陽市的高校，無論是整體樣本還是分組分析，政府資金都沒有起到促進發(fā)明專利申請量增加的作用。樣本中22所高校專利申請總量從2015年的2934件，增長到2019年的7317件，增長了149.39%；發(fā)明專利申請量從2015年的2234件，增長到2019年的4341件，增長了94.32%。發(fā)明專利申請量的增長幅度明顯低于專利申請總量的增長幅度，政府對高?？萍紕?chuàng)新的資金投入并不是促進發(fā)明專利申請量增長的有效途徑。因此，需要采取多種其他措施促進發(fā)明專利申請量的增長。比如，通過物質(zhì)的和非物質(zhì)的激勵方式加大對發(fā)明專利申請人的獎勵，提高專利申請人的積極性；完善發(fā)明專利申請人獲取報酬的方式，提高專利申請人獲取報酬的比例；完善高校發(fā)明專利的質(zhì)量審查機制，強化質(zhì)量把控等。通過各種措施，提高高校發(fā)明專利的申請量的數(shù)量和質(zhì)量。

3.2 繼續(xù)保持政府對本科院校與專科院校的資金投入比例

表2數(shù)據(jù)表明，政府對本科院校的資金投入呈遞增趨勢，對?？圃盒５馁Y金投入呈遞減趨勢。政府資金對本科院校實用新型專利申請量和外觀設(shè)計專利申請量的影響是正向的，為了促進兩種類型專利申請量的增加，政府有必要加大對本科院校的資金投入。而政府資金對?？圃盒０l(fā)明專利申請量的影響是負(fù)向的，對實用新型專利申請量、外觀設(shè)計專利申請量的影響是不顯著的，政府的資金投入并沒有帶來?？茖W(xué)院專利申請量的增加。因此，保持甚至降低政府對專科院校的資金投入是有必要的。另外，應(yīng)使政府資金在?？圃盒５玫礁佑行У氖褂?，或者使其與高校科技創(chuàng)新的其他資源更為有效結(jié)合，才能更好地發(fā)揮政府資金對專利產(chǎn)出的正向作用。

3.3 充分發(fā)揮知識資本存量在科技創(chuàng)新中的基礎(chǔ)性作用

實證分析結(jié)果多次顯示知識資本存量與高校的專利申請量是正相關(guān)的，并多次出現(xiàn)了知識資本存量與政府資金的交互項與專利申請量顯著正相關(guān)的情況。高校每年的科技創(chuàng)新投入，都是知識資本存量逐步積累的過程。知識資本存量的提升不是一蹴而就的，對于早期科技創(chuàng)新投入較少的高校，特別是一些科技創(chuàng)新能力較弱的?？圃盒＃⒅乜萍紕?chuàng)新的投入，注重知識資本存量的積累，以此逐步穩(wěn)定高?？萍紕?chuàng)新活動的基礎(chǔ)。此外，需要注重知識資本存量與其他科技創(chuàng)新資源的協(xié)調(diào)，如文中研究主題，政府資金與知識資本存量的交互影響對高校的科技創(chuàng)新產(chǎn)出同樣具有明顯的正面效應(yīng)。