论文部分内容阅读
摘要：本文以扬州市科技创新投入与科技创新绩效的关系为研究对象，采用2002～2011年扬州市宏观经济数据，应用典型相关分析方法进行实证研究。研究结果表明：科技创新投入与科技创新绩效具有相关性，且相关关系显著；相对于人力资源投入，财力资源投入与科技创新绩效具有更加密切的正相关关系，即科技创新绩效更大程度上受财力资源投入大小的影响；政府科技拨款对专利授权数具有促进作用。
关键词：科技创新投入；科技创新绩效；典型相关分析
作为中国长三角的节点城市及南京经济圈、上海都市圈的重要成员，近年来，扬州市不断加快区域合作和国际化进程，扩大对外开放和合作，着眼于正在加速兴起的世界新一轮科技创新和产业革命，产学研一体化进程明显加快，自主研发和创新能力不断增强。目前，扬州市正围绕“发展创新型经济、建设创新型城市”这一目标，致力于科技创新、产业升级。因此，研究扬州市科技创新投入与科技创新绩效的关系对今后扬州市科技投入方向有现实的指导意义。
一、相关文献回顾
综合国内外文献研究，学者关于科技创新投入与科技创新绩效、科技产出的关系研究主要为实证研究，且结论比较一致：科技投入通过促进生产效率带动经济快速增长并在创新活动中发挥积极作用，有利于国家创新能力的提高。连燕华等探讨了用于描述国家科学技术产出的定量方法，设计了科技投入指数和科技产出指数并进行了实证分析。刘亚旭等对科技投入产出评价方法进行了比较研究。于静霞等将各省科技投入与产出的绩效和效率进行对比。李强基于内生增长理论设计我国科技投入-产出绩效评价模型。
上述文献研究主要集中在概念界定、效率评价、模型建设方面，而对于具体城市的科技创新投入要素与科技创新绩效关系的研究比较少，对科技创新投入和科技创新绩效的指标衡量标准没有达成一致意见。本文通过识别主要的科技创新投入与科技创新绩效指标，利用典型相关分析方法研究科技创新投入与科技创新绩效之间的关系，发现科技创新投入对科技创新绩效影响的关键路径，为提高城市区域创新能力、促进经济发展提供依据。
二、研究方法
1.变量选择和数据来源
本文以扬州市科技创新投入与创新绩效关系为研究对象，数据来源于2002～2011年的《江苏省科技进步监测结果与科技统计公报》、《江苏省统计年鉴》等权威统计报告。
科技创新活动的投入是开展科技活动的条件和基础，科技人力资源是科技资源诸要素中的核心资源要素，科技财力资源是科技人力资源开展科技活动的前提和基础，因此这两大指标能充分体现科技资源投入要素的特征。关于科技创新投入，本文总共采用了5项指标：科技活动人员占从业人员比重（%）X1、R&D活动人员占科技活动人员比重（%）X2、全社会R&D支出占GDP的比重（%）X3、政府科技拨款占财政支出的比重（%）X4、科技与技改贷款占银行贷款余额的比重（%）X5。
科技创新能力是一个地区科技创新的基础，科技创新绩效的衡量可用科技创新成果衡量，包括3个指标：每十万人口专利申请数（件/10万人）Y1、每十万人口专利授权数（件/10万人）Y2、发明专利占专利授权数的比重（%）Y3。
2.典型相关分析方法
典型相关分析是借助于主成分分析的思想，从变量组X中提取一个典型成分U=a′X，再从变量组Y中提取一个成分V=b′Y。在提取过程中，要求U与V的相关程度达到最大。这样一组新的综合变量称为第一对典型相关变量，同样的方法可以找到第二对、第三对......，典型相关变量之间的简单相关系数称为典型相关系数。
三、实证研究
1.指标相关分析
本文使用DPS7.05统计分析软件，对样本数据进行实证分析。首先得到的是科技创新投入组内相关系数、科技创新绩效组内相关系数及科技创新投入各层面与科技创新绩效各层面之间的相关系数。
由分析结果可知，科技创新投入组中，X1与X4之间的关系最为密切，单相关程度达到0.8886，这说明政府科技拨款的经费投入与科技活动人员数有很强的联系；X1与X3的关系密切程度次之，单相关程度也高达0.8724，反映出科技创新经费投入与科技活动人员数存在密切的联系。科技创新绩效组的三个层面中，各个变量之间的相关程度比较高，达到0.6以上。可见，就影响科技创新绩效的自身因素而言，具有较好程度的联动作用。
影响科技创新投入与创新绩效的相关关系中，X4与Y2、Y1的相关系数最高，分别达到0.9839和0.9816，这说明就单个因素来看，政府科技拨款越高，可以被用于研发科技创新产出的资金越充实，经费越高，有足够的能力为研究新成果开拓市场，提高城市技术创新的水平。在这一点上，实证结果与投入-产出分析理论和实际都是相符合的。相对于人力资源投入，财力资源投入与科技创新绩效具有更加密切的正相关关系，即科技创新绩效更大程度上受财力资源投入大小的影响。
总之，从科技创新投入和科技创新绩效各自的相关性分析结果来看，各单因素无论在内部还是在交叉性上，都具有一定程度的相关性。下文将对两组变量进行深入研究，探讨两组变量的实质联系。
2.典型相关系数及显著性检验
我们可以从实证分析结果得到科技创新投入组与科技创新绩效组提出的典型相关系数，第一对典型变量的相关系数为0.9996，第二对典型变量的相关系数为0.9801，第三对典型变量的相关系数为0.5911。但是，在α=0.05的显著性水平下，只有前两对典型变量是显著的（p值<0.05），因此科技创新投入与科技创新绩效相关性的研究可以转化为前两对典型变量相关性的研究。
3.典型相关模型
典型变量系数是原始变量转化为典型变式的权数，所反映的是组内变量在形成典型函数时的相对作用。科技创新绩效构成部分受科技创新投入构成部分的影响程度可以用两对典型变量系数来综合描述。两对典型相关变量的线性组合为 在典型相关模型（1）中，u1中发挥主导作用的是政府科技拨款比重，v1中发挥主导作用的是专利授权数。考虑两者符号相同，可认为政府科技拨款对专利授权数有促进作用。科技活动人员比重在u1中发挥较重要作用，专利申请数在v1中发挥较重要作用，考虑两者符号相同，可以认为科技活动人员数对专利申请数有正向促进作用。
在典型相关模型（2）中，u2主要受科技活动人员比重、政府科技拨款比重和R&D活动人员比重的影响，v2主要受专利申请数、专利授权数和发明专利比重的影响。第二对典型变量将科技创新投入中的R&D活动人员比重分离出来，创新绩效组中与之相对应的解释变量主要是发明专利比重，两者符号相同，表明R&D活动人员数对发明专利数具有显著正向促进作用。
4.典型冗余和解释能力分析
冗余分析是对构建的典型相关变量解释能力的判断，是一组原始观测变量形成的典型变量对另一组原始观测变量的总方差解释程度的分析，具体地分为组内变差解释和组间变差解释。
由典型冗余分析的结果可知，两组变量能由第一典型变量解释的组内方差分别达到56.0%和58.2%，由第二典型变量解释的组内方差分别为38.6%和40.3%。同时，科技投入组的第一典型变量u1 可以解释对应的58.2%的组间变差，第二典型变量u2 能解释对应的38.8%的组间变差。值得注意的是，科技投入与创新绩效产出存在因果关系，因此本次分析的变差的解释不能是双向的，不能够得出创新绩效组的典型变量可以解释科技投入组的变差。这说明第一典型变量能够较好地预测对应的那组变量，也较好地预测了对方组的变量，同时说明科技创新投入与科技创新绩效不仅能够被其自身的典型变量解释，同时也能被其对应的典型变量解释。与此相比可以看出，第二典型变量无论是对自身原始变量组还是对相对应的原始变量组的解释能力都不太强，该典型相关模型的结果不理想。
四、研究结论及启示
通过研究本文得出以下结论：一是科技创新投入与科技创新绩效具有相关性，且相关关系显著；二是相对于人力资源投入，财力资源投入与科技创新绩效具有更加密切的正相关关系，即科技创新绩效更大程度上受财力资源投入大小的影响；三是政府科技拨款对专利授权数具有促进作用；四是科技活动人员数对专利申请数具有正向促进作用；五是R&D活动人员数对发明专利数具有显著的正向促进作用。
相关研究结论对政策层面的启示主要体现在以下方面。
1.加大经费投入，拓宽资金渠道
扬州市近年来全社会研发支出、政府科技拨款基本保持稳定增长趋势，但是涨幅较小，投入强度低，特别是与江苏省苏南地区相比还存在很大差距。本研究中扬州市政府科技拨款与科技创新绩效、科技活动人员有较强的相关关系，因此加大经费投入不仅可以促进科技产出，而且可以提高科技人员的数量和质量。由于政府财力有限，单靠政府投资已不能满足科技发展的需要。应积极拓宽融资渠道，采取优惠措施吸引民间和外地资金，鼓励建立民营科技机构，不断加大科技经费的投入力度。
2.增加创新型人员资源存量，加强科技队伍建设
一方面，本文研究表明科技活动人员数对专利申请数有显著正向促进作用，增加人力资源投入能够显著提升科技创新绩效水平。另一方面，相关研究也表明人力资源的数量直接影响财力资源的使用效率，当人力资源相对充沛时，人力资源会对财力资源具有一定的需求，对财力资源产生一定的“拔拉”效应。
3.创新培养机制，优化R&D人员结构
由本文研究结论可知，扬州市R&D活动人员对发明专利数有显著正向促进作用，所以我们应该注意科技创新人才的培养和激励。首先，鼓励企业专门制订针对研发人员的长期培养计划，以自有的科技研发项目为纽带，与当地高校建立研究人员的联合培养模式并作为挖掘创新人才的长效措施。
参考文献：
[1]连燕华，石兵.国家科学技术投入与产出评价[J].中国软科学， 2002（01）.
[2]刘亚旭，龚小军.科技投入产出评价方法探析[J].中国科技论坛， 2007（04）.
[3]于静霞，刘玲利.我国省级科技投入产出效率评价[J].工业技术经济， 2007 （09）.
[4]李强.基于内生增长理论的我国科技投入产出绩效评价模型研究[J].科学管理研究， 2006（04）.
（作者单位：扬州大学）
关键词：科技创新投入；科技创新绩效；典型相关分析
作为中国长三角的节点城市及南京经济圈、上海都市圈的重要成员，近年来，扬州市不断加快区域合作和国际化进程，扩大对外开放和合作，着眼于正在加速兴起的世界新一轮科技创新和产业革命，产学研一体化进程明显加快，自主研发和创新能力不断增强。目前，扬州市正围绕“发展创新型经济、建设创新型城市”这一目标，致力于科技创新、产业升级。因此，研究扬州市科技创新投入与科技创新绩效的关系对今后扬州市科技投入方向有现实的指导意义。
一、相关文献回顾
综合国内外文献研究，学者关于科技创新投入与科技创新绩效、科技产出的关系研究主要为实证研究，且结论比较一致：科技投入通过促进生产效率带动经济快速增长并在创新活动中发挥积极作用，有利于国家创新能力的提高。连燕华等探讨了用于描述国家科学技术产出的定量方法，设计了科技投入指数和科技产出指数并进行了实证分析。刘亚旭等对科技投入产出评价方法进行了比较研究。于静霞等将各省科技投入与产出的绩效和效率进行对比。李强基于内生增长理论设计我国科技投入-产出绩效评价模型。
上述文献研究主要集中在概念界定、效率评价、模型建设方面，而对于具体城市的科技创新投入要素与科技创新绩效关系的研究比较少，对科技创新投入和科技创新绩效的指标衡量标准没有达成一致意见。本文通过识别主要的科技创新投入与科技创新绩效指标，利用典型相关分析方法研究科技创新投入与科技创新绩效之间的关系，发现科技创新投入对科技创新绩效影响的关键路径，为提高城市区域创新能力、促进经济发展提供依据。
二、研究方法
1.变量选择和数据来源
本文以扬州市科技创新投入与创新绩效关系为研究对象，数据来源于2002～2011年的《江苏省科技进步监测结果与科技统计公报》、《江苏省统计年鉴》等权威统计报告。
科技创新活动的投入是开展科技活动的条件和基础，科技人力资源是科技资源诸要素中的核心资源要素，科技财力资源是科技人力资源开展科技活动的前提和基础，因此这两大指标能充分体现科技资源投入要素的特征。关于科技创新投入，本文总共采用了5项指标：科技活动人员占从业人员比重（%）X1、R&D活动人员占科技活动人员比重（%）X2、全社会R&D支出占GDP的比重（%）X3、政府科技拨款占财政支出的比重（%）X4、科技与技改贷款占银行贷款余额的比重（%）X5。
科技创新能力是一个地区科技创新的基础，科技创新绩效的衡量可用科技创新成果衡量，包括3个指标：每十万人口专利申请数（件/10万人）Y1、每十万人口专利授权数（件/10万人）Y2、发明专利占专利授权数的比重（%）Y3。
2.典型相关分析方法
典型相关分析是借助于主成分分析的思想，从变量组X中提取一个典型成分U=a′X，再从变量组Y中提取一个成分V=b′Y。在提取过程中，要求U与V的相关程度达到最大。这样一组新的综合变量称为第一对典型相关变量，同样的方法可以找到第二对、第三对......，典型相关变量之间的简单相关系数称为典型相关系数。
三、实证研究
1.指标相关分析
本文使用DPS7.05统计分析软件，对样本数据进行实证分析。首先得到的是科技创新投入组内相关系数、科技创新绩效组内相关系数及科技创新投入各层面与科技创新绩效各层面之间的相关系数。
由分析结果可知，科技创新投入组中，X1与X4之间的关系最为密切，单相关程度达到0.8886，这说明政府科技拨款的经费投入与科技活动人员数有很强的联系；X1与X3的关系密切程度次之，单相关程度也高达0.8724，反映出科技创新经费投入与科技活动人员数存在密切的联系。科技创新绩效组的三个层面中，各个变量之间的相关程度比较高，达到0.6以上。可见，就影响科技创新绩效的自身因素而言，具有较好程度的联动作用。
影响科技创新投入与创新绩效的相关关系中，X4与Y2、Y1的相关系数最高，分别达到0.9839和0.9816，这说明就单个因素来看，政府科技拨款越高，可以被用于研发科技创新产出的资金越充实，经费越高，有足够的能力为研究新成果开拓市场，提高城市技术创新的水平。在这一点上，实证结果与投入-产出分析理论和实际都是相符合的。相对于人力资源投入，财力资源投入与科技创新绩效具有更加密切的正相关关系，即科技创新绩效更大程度上受财力资源投入大小的影响。
总之，从科技创新投入和科技创新绩效各自的相关性分析结果来看，各单因素无论在内部还是在交叉性上，都具有一定程度的相关性。下文将对两组变量进行深入研究，探讨两组变量的实质联系。
2.典型相关系数及显著性检验
我们可以从实证分析结果得到科技创新投入组与科技创新绩效组提出的典型相关系数，第一对典型变量的相关系数为0.9996，第二对典型变量的相关系数为0.9801，第三对典型变量的相关系数为0.5911。但是，在α=0.05的显著性水平下，只有前两对典型变量是显著的（p值<0.05），因此科技创新投入与科技创新绩效相关性的研究可以转化为前两对典型变量相关性的研究。
3.典型相关模型
典型变量系数是原始变量转化为典型变式的权数，所反映的是组内变量在形成典型函数时的相对作用。科技创新绩效构成部分受科技创新投入构成部分的影响程度可以用两对典型变量系数来综合描述。两对典型相关变量的线性组合为 在典型相关模型（1）中，u1中发挥主导作用的是政府科技拨款比重，v1中发挥主导作用的是专利授权数。考虑两者符号相同，可认为政府科技拨款对专利授权数有促进作用。科技活动人员比重在u1中发挥较重要作用，专利申请数在v1中发挥较重要作用，考虑两者符号相同，可以认为科技活动人员数对专利申请数有正向促进作用。
在典型相关模型（2）中，u2主要受科技活动人员比重、政府科技拨款比重和R&D活动人员比重的影响，v2主要受专利申请数、专利授权数和发明专利比重的影响。第二对典型变量将科技创新投入中的R&D活动人员比重分离出来，创新绩效组中与之相对应的解释变量主要是发明专利比重，两者符号相同，表明R&D活动人员数对发明专利数具有显著正向促进作用。
4.典型冗余和解释能力分析
冗余分析是对构建的典型相关变量解释能力的判断，是一组原始观测变量形成的典型变量对另一组原始观测变量的总方差解释程度的分析，具体地分为组内变差解释和组间变差解释。
由典型冗余分析的结果可知，两组变量能由第一典型变量解释的组内方差分别达到56.0%和58.2%，由第二典型变量解释的组内方差分别为38.6%和40.3%。同时，科技投入组的第一典型变量u1 可以解释对应的58.2%的组间变差，第二典型变量u2 能解释对应的38.8%的组间变差。值得注意的是，科技投入与创新绩效产出存在因果关系，因此本次分析的变差的解释不能是双向的，不能够得出创新绩效组的典型变量可以解释科技投入组的变差。这说明第一典型变量能够较好地预测对应的那组变量，也较好地预测了对方组的变量，同时说明科技创新投入与科技创新绩效不仅能够被其自身的典型变量解释，同时也能被其对应的典型变量解释。与此相比可以看出，第二典型变量无论是对自身原始变量组还是对相对应的原始变量组的解释能力都不太强，该典型相关模型的结果不理想。
四、研究结论及启示
通过研究本文得出以下结论：一是科技创新投入与科技创新绩效具有相关性，且相关关系显著；二是相对于人力资源投入，财力资源投入与科技创新绩效具有更加密切的正相关关系，即科技创新绩效更大程度上受财力资源投入大小的影响；三是政府科技拨款对专利授权数具有促进作用；四是科技活动人员数对专利申请数具有正向促进作用；五是R&D活动人员数对发明专利数具有显著的正向促进作用。
相关研究结论对政策层面的启示主要体现在以下方面。
1.加大经费投入，拓宽资金渠道
扬州市近年来全社会研发支出、政府科技拨款基本保持稳定增长趋势，但是涨幅较小，投入强度低，特别是与江苏省苏南地区相比还存在很大差距。本研究中扬州市政府科技拨款与科技创新绩效、科技活动人员有较强的相关关系，因此加大经费投入不仅可以促进科技产出，而且可以提高科技人员的数量和质量。由于政府财力有限，单靠政府投资已不能满足科技发展的需要。应积极拓宽融资渠道，采取优惠措施吸引民间和外地资金，鼓励建立民营科技机构，不断加大科技经费的投入力度。
2.增加创新型人员资源存量，加强科技队伍建设
一方面，本文研究表明科技活动人员数对专利申请数有显著正向促进作用，增加人力资源投入能够显著提升科技创新绩效水平。另一方面，相关研究也表明人力资源的数量直接影响财力资源的使用效率，当人力资源相对充沛时，人力资源会对财力资源具有一定的需求，对财力资源产生一定的“拔拉”效应。
3.创新培养机制，优化R&D人员结构
由本文研究结论可知，扬州市R&D活动人员对发明专利数有显著正向促进作用，所以我们应该注意科技创新人才的培养和激励。首先，鼓励企业专门制订针对研发人员的长期培养计划，以自有的科技研发项目为纽带，与当地高校建立研究人员的联合培养模式并作为挖掘创新人才的长效措施。
参考文献：
[1]连燕华，石兵.国家科学技术投入与产出评价[J].中国软科学， 2002（01）.
[2]刘亚旭，龚小军.科技投入产出评价方法探析[J].中国科技论坛， 2007（04）.
[3]于静霞，刘玲利.我国省级科技投入产出效率评价[J].工业技术经济， 2007 （09）.
[4]李强.基于内生增长理论的我国科技投入产出绩效评价模型研究[J].科学管理研究， 2006（04）.
（作者单位：扬州大学）