论文部分内容阅读
[摘要]结合科技投入产出的两阶段过程，运用因果检验法验证投入产出指标选取的正确性，运用协整检验法判断各阶段投入产出指标存在的长期正向關系；在此基础上，运用层次分析法对各阶段投入要素的重要性进行分析，并通过层次总排序得到科技初始投入对最终产出的重要度；最后通过阿尔蒙多项式判断各阶段的时滞期分别为45年和3年。文章从最终产出和缩短滞后期等方面提出了政策建议。
[关键词]科技投入；科技产出；协整检验；时滞效应
[DOI]1013939/jcnkizgsc201821024
1引言
随着经济社会的发展，科学技术对于经济增长的贡献越来越明显。青岛市作为高校和科研院所较多的对外开放城市，科学技术对于城市发展的重要性程度不言而喻。目前，就科技投入要素而言，对资金和人的投入的重要性程度认识不深，不能通过单位投入量最大限度地获取科技产出；同时，科技投入产出存在一定的时滞期，科技产出并不会在科技投入的当期产生。因此，深入研究青岛市科技投入与产出的时滞效应尤为重要。
研究青岛市科技投入要素的重要性，可以根据各要素的重要程度合理地进行科技资源配置，符合国家提高有效供给的宏观政策；深入研究青岛市科技投入产出的时滞性，可以有效地缩短科技投入产出的周期。
2文献综述
国内外学者十分重视科技投入产出关系的测算，相关研究涉及基金[1]、产业[2-3]、机构[4-5]和国家/地区[6-7]等层面，为科技发展研究提供了丰富的参考实例。
科技投入主要是指资金（R&D经费投入）和人（R&D全时人员）的投入，而科技产出包括科技直接产出和科技间接产出。[8]科技直接产出包括历年专利申请量和技术市场成交额；科技间接产出是指科技成果转化的结果。本文衡量科技间接产出时仅考虑经济效益，使用高新技术产业产值体现高技术创新产品的市场价值。
国内外学者研究投入产出要素通常采用综合评价法、计量方法和指数法。综合评价法包括层次分析法（AHP）、数据包络法（DEA）；[9-11]计量方法包括自回归法（VAR）、协整检验法、Granger因果分析法等。[12-14]定量分析可以通过时间序列分析得到相对精确的结果，但要求的数据大，而研究方法（如VAR模型）对时间序列的平稳性、是否存在协方差有着较高要求。当差分或取对数等对数据进一步处理满足模型的计算条件后，计算结果只能解释处理后的数据的相互关系，而不能直接解释原始变量，使得定量分析难以得到有效的应用与检验。因此，应当结合定性和定量方法进行系统分析，弥补单纯定性分析或定量分析产生的不足。
本文运用时间序列中的协整检验法定量表示各要素之间的关系，以此为基础采用层次分析法定性研究各变量之间的关系，并得到各投入变量对于产出变量的重要程度，再与定性分析相互印证，最后采用层次分析法通过不考虑科技投入产出的中间层次判断最初的科技投入对最终科技产出的重要性。其次，在判断时滞期时，本文根据时间序列图像具有较高的一致性或根据协整检验的重要性来选取较少的要素进行时滞期判断。
3研究设计
31数据来源、指标选取与阶段划分
本文通过《青岛市科学技术发展报告》《青岛统计年鉴》《国家知识产权局统计年报》等选取科技投入、科技成果产出和产业产出数据，包括R&D全时人员（R&D full time personnel，RDP）、R&D经费投入（R&D cost investment，RDC）、技术市场成交额（Technical sales，TS）、专利申请数（Patent application quatity，PAQ）、高新技术产业产值（High and new technology industry，HTI）。然后将科技投入产出划分为成果转化阶段和产业产出阶段，[15]各指标下的要素选取如表1所示。
34Granger因果检验
Granger因果检验模型可以检验变量之间的因果关系，旨在解决X是否引起Y的问题。该方法主要是看Y能够在多大程度上被X解释，加入X的滞后值是否使解释程度提高。一般来说，科技投入是科技产出的原因，加大科技投入就会促进科技产出。但是，科技产出是否是科技投入的原因需要进一步验证。本文分阶段对科技投入产出的因果关系进行分析，检验各阶段投入要素与产出要素是否存在因果关系，即分别检验（RDP，RDC，PAQ）中PAQ与RDC、PAQ与RDP是否存在因果关系，检验（RDP，RDC，TS）中TS与RDC、TS与RDP是否存在因果关系，检验（PAQ、TS、HTI）中HTI与PAQ、HTI与TS是否存在因果关系。运用EViews 8得到的检验结果如表3和表4所示。
由结果可知，在10%的显著性水平下，各阶段的投入变量都是下阶段产出变量的Granger原因，这从另一个方面验证了选取各阶段科技投入产出变量的正确性。
35协整检验
根据平稳性检验结果，由于各时序变量都是同阶单整的，故可对（RDC，RDP，PAQ）、（RDC，RDP，TS）、（PAQ，TS，HTI）三组时序变量分别进行协整检验，本文对三个非平稳时序变量做了Johansen协整检验。Johansen检验的目的是决定一组序列组合是否具有长期稳定的均衡关系，运用EViews 8对以上三组时序变量进行协整检验，得到的结果如表5～表7所示。
科技成果转化阶段科技投入相对于PAQ的时滞期，由于RDC对于PAQ的重要程度大于RDP，将RDC作为时滞期判断的投入指标；至于科技投入相对于TS的时滞期，由于二者所占的权重比较接近，由下图可以看出，TS和RDC的曲线趋势比较一致，由此同样将RDC作为判断时滞期的投入指标。对于产业产出阶段科技投入相对于HTI的时滞期，由于TS对于HTI的重要性程度大于PAQ，因而选取TS作为时滞期判断的投入指标。 TS和RDC的趋势曲线
然后运用EViews 8对三组投入指标相对应的产出指标的时滞期进行分析，通过阿尔蒙法得到估计结果，如表8～表10所示。
由表9可知，PAQ在第4年参数最大，而AIC和SC最小，因而科技投入指标对PAQ产出的时滞期为4年；由表10可知，TS在第5年参数最大，而AIC和SC最小，因而科技投入指标对TS的时滞期为5年；由表11可知，HTI在第3年参数最大，而AIC和SC最小，因而科技成果投入指标对HTI的时滞期为3年。
4结论与建议
根据阿尔蒙多项式有关时滞期的判断结果，科技投入对于专利申请量PAQ的时滞期为4年，科技投入对于技术市场成交额TS的时滞期为5年，即科技成果转化阶段的平均时滞期为45年；产业产出阶段的时滞期为3年。之所以产业产出阶段的时滞期较短，而科技成果转化阶段的时滞期较长，是因为成果转化阶段除了技术比较复杂的原因外，科研技术人员深入一线调研以及项目审批都需要花费大量时间，而产业产出阶段没有上述烦琐过程，只需要深入一线进行科研成果的实际应用。同时，科技投入不合理，也会延长科技产出的时滞期。该结论对于减少科技投入产出的时滞期，提高企业及技术市场的资本回收效率具有现实意义。
（1）要想缩短科技投入产出的时滞期，需要青岛市政府及其相关部门优化科研项目审批流程，缩短申请、审批等时间。
（2）加大科研院所、高校与企业的合作，方便科研人员深入一线调研，减少科研人员科技成果产出的时滞期，也为企业发展提供技术保障。
（3）以科技产出目标为导向，合理配置科技投入比例。结合青岛市各行业、各区域科技发展及经济发展现状，测算科技人员投入与科研经费投入的最优比例，实现人、财、物的最优配置，避免资源冗余而产出不足的情况发生，从而促进青岛市科学技术的均衡发展。
参考文献：
[1]孟浩，周立，何建坤自然科学基金投入与科技论文产出的协整分析[J].科学学研究，2007（6）：1147-1150.
[2]王智琦，陈悦，姜照华，等前沿技术与核心技术识别的投入产出分析方法——以混合动力汽车为例[J].科学学研究，2015，33（11）：1612-1620.
[3]GAO X，GUAN J CA scale-independent analysis of the performance of the chinese innovation system[J].Journal of informetrics，2009，3（4）：321-331.
[4]叶鹰，程丽，唐健辉，等我国科技投资回报转换当量探析[J].中国科技论坛，2012（9）：134-137.
[5]GUAN J C，YAM R C M，TANG E P Y，et alInnovation strategy and performance during economic transition：evidences in Beijing，China[J].Research policy，2009，38（5）：802-812.
[6]俞立平，熊德平，武夷山中国地区科技效率的组合测度研究[J].科学学研究，2011，29（8）：1141-1146.
[7]UZUN AScience and technology policy in Turkey：national strategies for innovation and change during the 1983-2003 period and beyond[J].Scientometrics，2006，66（3）：551-559.
[8]徐巧玲科技投入产出的相对效率评价研究——基于DEA的BCC模型与SE-CCR模型的分析[J].科技管理研究，2014，34（1）：66-70.
[9]吕晨，曾明彬基于DEA的中国区域科技投入产出相对效率研究[J].科学管理研究，2014，32（2）：101-104.
[10]谈毅基于DEA-BCC方法的我国高校科技投入产出效率研究[J].科技管理研究，2015，35（20）：106-111.
[11]刘广斌，李建坤基于三阶段DEA模型的我国科普投入产出效率研究[J].中国软科学，2017（5）：139-148.
[12]张欢，徐康宁基于VAR模型的外资、环境治理与经济增长研究——来自全国1992—2012年时间序列数据的证据[J].软科学，2015，29（8）：9-13.
[13]張优智，党兴华研发投入与技术创新关联性的动态分析——基于协整检验和状态空间模型的研究[J].科技管理研究，2014，34（8）：8-13.
[14]WU Q， PENG C A hybrid BAG-SA optimal approach to estimate energy demand of China[J].Energy，2017（120）：985-995.
[15]冯锋，张雷勇，高牟，等两阶段链视角下科技投入产出链效率研究——来自我国29个省市数据的实证[J].科学学与科学技术管理，2011，32（8）：33-38.
[关键词]科技投入；科技产出；协整检验；时滞效应
[DOI]1013939/jcnkizgsc201821024
1引言
随着经济社会的发展，科学技术对于经济增长的贡献越来越明显。青岛市作为高校和科研院所较多的对外开放城市，科学技术对于城市发展的重要性程度不言而喻。目前，就科技投入要素而言，对资金和人的投入的重要性程度认识不深，不能通过单位投入量最大限度地获取科技产出；同时，科技投入产出存在一定的时滞期，科技产出并不会在科技投入的当期产生。因此，深入研究青岛市科技投入与产出的时滞效应尤为重要。
研究青岛市科技投入要素的重要性，可以根据各要素的重要程度合理地进行科技资源配置，符合国家提高有效供给的宏观政策；深入研究青岛市科技投入产出的时滞性，可以有效地缩短科技投入产出的周期。
2文献综述
国内外学者十分重视科技投入产出关系的测算，相关研究涉及基金[1]、产业[2-3]、机构[4-5]和国家/地区[6-7]等层面，为科技发展研究提供了丰富的参考实例。
科技投入主要是指资金（R&D经费投入）和人（R&D全时人员）的投入，而科技产出包括科技直接产出和科技间接产出。[8]科技直接产出包括历年专利申请量和技术市场成交额；科技间接产出是指科技成果转化的结果。本文衡量科技间接产出时仅考虑经济效益，使用高新技术产业产值体现高技术创新产品的市场价值。
国内外学者研究投入产出要素通常采用综合评价法、计量方法和指数法。综合评价法包括层次分析法（AHP）、数据包络法（DEA）；[9-11]计量方法包括自回归法（VAR）、协整检验法、Granger因果分析法等。[12-14]定量分析可以通过时间序列分析得到相对精确的结果，但要求的数据大，而研究方法（如VAR模型）对时间序列的平稳性、是否存在协方差有着较高要求。当差分或取对数等对数据进一步处理满足模型的计算条件后，计算结果只能解释处理后的数据的相互关系，而不能直接解释原始变量，使得定量分析难以得到有效的应用与检验。因此，应当结合定性和定量方法进行系统分析，弥补单纯定性分析或定量分析产生的不足。
本文运用时间序列中的协整检验法定量表示各要素之间的关系，以此为基础采用层次分析法定性研究各变量之间的关系，并得到各投入变量对于产出变量的重要程度，再与定性分析相互印证，最后采用层次分析法通过不考虑科技投入产出的中间层次判断最初的科技投入对最终科技产出的重要性。其次，在判断时滞期时，本文根据时间序列图像具有较高的一致性或根据协整检验的重要性来选取较少的要素进行时滞期判断。
3研究设计
31数据来源、指标选取与阶段划分
本文通过《青岛市科学技术发展报告》《青岛统计年鉴》《国家知识产权局统计年报》等选取科技投入、科技成果产出和产业产出数据，包括R&D全时人员（R&D full time personnel，RDP）、R&D经费投入（R&D cost investment，RDC）、技术市场成交额（Technical sales，TS）、专利申请数（Patent application quatity，PAQ）、高新技术产业产值（High and new technology industry，HTI）。然后将科技投入产出划分为成果转化阶段和产业产出阶段，[15]各指标下的要素选取如表1所示。
34Granger因果检验
Granger因果检验模型可以检验变量之间的因果关系，旨在解决X是否引起Y的问题。该方法主要是看Y能够在多大程度上被X解释，加入X的滞后值是否使解释程度提高。一般来说，科技投入是科技产出的原因，加大科技投入就会促进科技产出。但是，科技产出是否是科技投入的原因需要进一步验证。本文分阶段对科技投入产出的因果关系进行分析，检验各阶段投入要素与产出要素是否存在因果关系，即分别检验（RDP，RDC，PAQ）中PAQ与RDC、PAQ与RDP是否存在因果关系，检验（RDP，RDC，TS）中TS与RDC、TS与RDP是否存在因果关系，检验（PAQ、TS、HTI）中HTI与PAQ、HTI与TS是否存在因果关系。运用EViews 8得到的检验结果如表3和表4所示。
由结果可知，在10%的显著性水平下，各阶段的投入变量都是下阶段产出变量的Granger原因，这从另一个方面验证了选取各阶段科技投入产出变量的正确性。
35协整检验
根据平稳性检验结果，由于各时序变量都是同阶单整的，故可对（RDC，RDP，PAQ）、（RDC，RDP，TS）、（PAQ，TS，HTI）三组时序变量分别进行协整检验，本文对三个非平稳时序变量做了Johansen协整检验。Johansen检验的目的是决定一组序列组合是否具有长期稳定的均衡关系，运用EViews 8对以上三组时序变量进行协整检验，得到的结果如表5～表7所示。
科技成果转化阶段科技投入相对于PAQ的时滞期，由于RDC对于PAQ的重要程度大于RDP，将RDC作为时滞期判断的投入指标；至于科技投入相对于TS的时滞期，由于二者所占的权重比较接近，由下图可以看出，TS和RDC的曲线趋势比较一致，由此同样将RDC作为判断时滞期的投入指标。对于产业产出阶段科技投入相对于HTI的时滞期，由于TS对于HTI的重要性程度大于PAQ，因而选取TS作为时滞期判断的投入指标。 TS和RDC的趋势曲线
然后运用EViews 8对三组投入指标相对应的产出指标的时滞期进行分析，通过阿尔蒙法得到估计结果，如表8～表10所示。
由表9可知，PAQ在第4年参数最大，而AIC和SC最小，因而科技投入指标对PAQ产出的时滞期为4年；由表10可知，TS在第5年参数最大，而AIC和SC最小，因而科技投入指标对TS的时滞期为5年；由表11可知，HTI在第3年参数最大，而AIC和SC最小，因而科技成果投入指标对HTI的时滞期为3年。
4结论与建议
根据阿尔蒙多项式有关时滞期的判断结果，科技投入对于专利申请量PAQ的时滞期为4年，科技投入对于技术市场成交额TS的时滞期为5年，即科技成果转化阶段的平均时滞期为45年；产业产出阶段的时滞期为3年。之所以产业产出阶段的时滞期较短，而科技成果转化阶段的时滞期较长，是因为成果转化阶段除了技术比较复杂的原因外，科研技术人员深入一线调研以及项目审批都需要花费大量时间，而产业产出阶段没有上述烦琐过程，只需要深入一线进行科研成果的实际应用。同时，科技投入不合理，也会延长科技产出的时滞期。该结论对于减少科技投入产出的时滞期，提高企业及技术市场的资本回收效率具有现实意义。
（1）要想缩短科技投入产出的时滞期，需要青岛市政府及其相关部门优化科研项目审批流程，缩短申请、审批等时间。
（2）加大科研院所、高校与企业的合作，方便科研人员深入一线调研，减少科研人员科技成果产出的时滞期，也为企业发展提供技术保障。
（3）以科技产出目标为导向，合理配置科技投入比例。结合青岛市各行业、各区域科技发展及经济发展现状，测算科技人员投入与科研经费投入的最优比例，实现人、财、物的最优配置，避免资源冗余而产出不足的情况发生，从而促进青岛市科学技术的均衡发展。
参考文献：
[1]孟浩，周立，何建坤自然科学基金投入与科技论文产出的协整分析[J].科学学研究，2007（6）：1147-1150.
[2]王智琦，陈悦，姜照华，等前沿技术与核心技术识别的投入产出分析方法——以混合动力汽车为例[J].科学学研究，2015，33（11）：1612-1620.
[3]GAO X，GUAN J CA scale-independent analysis of the performance of the chinese innovation system[J].Journal of informetrics，2009，3（4）：321-331.
[4]叶鹰，程丽，唐健辉，等我国科技投资回报转换当量探析[J].中国科技论坛，2012（9）：134-137.
[5]GUAN J C，YAM R C M，TANG E P Y，et alInnovation strategy and performance during economic transition：evidences in Beijing，China[J].Research policy，2009，38（5）：802-812.
[6]俞立平，熊德平，武夷山中国地区科技效率的组合测度研究[J].科学学研究，2011，29（8）：1141-1146.
[7]UZUN AScience and technology policy in Turkey：national strategies for innovation and change during the 1983-2003 period and beyond[J].Scientometrics，2006，66（3）：551-559.
[8]徐巧玲科技投入产出的相对效率评价研究——基于DEA的BCC模型与SE-CCR模型的分析[J].科技管理研究，2014，34（1）：66-70.
[9]吕晨，曾明彬基于DEA的中国区域科技投入产出相对效率研究[J].科学管理研究，2014，32（2）：101-104.
[10]谈毅基于DEA-BCC方法的我国高校科技投入产出效率研究[J].科技管理研究，2015，35（20）：106-111.
[11]刘广斌，李建坤基于三阶段DEA模型的我国科普投入产出效率研究[J].中国软科学，2017（5）：139-148.
[12]张欢，徐康宁基于VAR模型的外资、环境治理与经济增长研究——来自全国1992—2012年时间序列数据的证据[J].软科学，2015，29（8）：9-13.
[13]張优智，党兴华研发投入与技术创新关联性的动态分析——基于协整检验和状态空间模型的研究[J].科技管理研究，2014，34（8）：8-13.
[14]WU Q， PENG C A hybrid BAG-SA optimal approach to estimate energy demand of China[J].Energy，2017（120）：985-995.
[15]冯锋，张雷勇，高牟，等两阶段链视角下科技投入产出链效率研究——来自我国29个省市数据的实证[J].科学学与科学技术管理，2011，32（8）：33-38.