天津市创新资源投入与产出绩效研究

李 博

(天津市科技统计与发展研究中心 天津300051)

0 引 言

创新在当今世界竞争中起着举足轻重的作用，创新驱动已然成为各国发展的第一驱动力，同样也是我国各个省份间竞争力的重要体现。专利产出作为衡量创新产出的重要指标[1]，在很多国家或地区都被视作创新活动的晴雨表。与之相对应的则是 R&D作为创新投入的主要指标，表征了创新资源聚集、创新驱动发展的主要特征[2]。为了实现 R＆D创新资源投入与产出的最大化，进一步提高 R&D资源驱动创新发展的效率，研究二者关系势在必行。在经济学界，将R&D投入和专利产出看作反映科技创新水平的核心要素。在衡量创新投入与产出关系时，通常采用R&D投入和专利成果产出作为近似指标[3]。本文以2011—2015年天津市 R&D资源投入与专利产出数据为对象，通过对影响 R&D投入与专利成果产出体系的因素进行分析，认识R＆D资源投入与专利产出的深层次规律，并由此得出天津市创新资源投入与产出的绩效关系，为优化天津市创新资源配置结构，实现创新资源高效利用具有重要的指导意义。

1 研究背景

目前，国外有关创新投入与产出绩效关系的研究较多，为天津创新投入产出研究提供了有益的参考。经济学家一般将 R&D投入和专利活动作为衡量创新投入与产出关系的近似指标。在考察创新投入时，研究者一般采用R＆D支出或R&D人员数量这两项指标。20世纪 60年代前后，各国的经济都采用了R&D来近似创新产出，但这种方法难以对创新投入与产出的关系加以分析，并且随着创新成果种类和数量的不断增加，R&D表征创新产出的能力逐渐弱化[4]。20世纪 70年代以来，世界各国经济学家普遍采用专利来衡量创新产出水平，并一直沿用至今[5]。

通过专利分析创新投入与产出之间的关系始于20世纪60年代末，但当时的研究人员和研究成果相对较少。一直到20世纪80年代中后期，从事相关研究的学者才逐渐多起来(如Pavitt、Acs等)，其研究成果表明R&D和专利之间具有显著的相关性。学术界利用专利数据对创新活动进行了大量的研究——有些学者利用专利数据研究创新活动过程和质量，如通过专利持有量的增速实现对国家或国际创新过程的评估[6]，利用专利密集度的增长率从宏观上分析技术进步对经济增长的拉动作用等[7]。有些学者通过分析相关领域专利数据，从微观角度帮助企业制定创新发展策略，实现由技术创新推动企业利润提升[8]。国内学者利用专利指标对国家或某区域创新资源投入与产出绩效进行分析的研究始于 21世纪初，如古利平等[9]利用专利指标对我国创新投入进行绩效评估与分析；李子彪[10]研究河北省R&D活动的投入与专利产出关系，实现了二者间的定量分析；卢华玲等[11]利用回归分析实现了重庆市的 R&D投入、专利产出与技术市场发展的分析研究；柯忠义等[12]构建了一个R&D投入与产出的指标体系，对影响 R&D投入和专利产出的因素进行实证分析。

最有效表征创新资源投入与产出的指标是科技投入和科技产出[13]，科技投入主要指人力投入和财力投入；科技产出包括科技贡献、科技奖励、科技论文以及专利，其中最有效表征科技产出的指标是专利增长率。本文采用国际通行的指标——专利与创新投入相关的财力、人力资源进行关联分析，实现对我市创新资源投入与产出的绩效分析。

2 天津市创新资源投入与产出的定量分析

2.1 灰关联分析算法

灰色系统理论[14]是指利用部分已知的信息，通过数据挖掘、信息关联等手段实现认识现实世界，并对现有系统进行有效控制的理论。该理论的灰色关联分析算法的基本思想是基于相关数据曲线几何相似性判断与数据之间的贴近度、曲线接近的相关性较好或较差来评定。与传统的数理统计方法[15]不同，利用该方法实现数据间的关联分析无需大批次的数据，且相关数据间无需服从某种典型的分布，从而可以更好地计算动态系统中各因素之间的相互关系，并分析导致系统发展的主次因素。

2.2 指标选取与数据说明

为更好展现创新资源投入与产出的绩效关系，本文以专利授权量(d0)作为创新产出的指标，以 R&D经费占 GDP比重(d1)、R&D资金中政府资金占比(d2)、R&D 资金中企业资金占比(d3)、R&D 人员占科技活动人员比重(d4)及 R&D人员中基础研究人员占比(d5)作为创新资源投入指标。其中，专利授权量较专利申请量和持有量更能体现实际有效的专利产出情况，更有代表性；R&D经费内部支出占GDP的比重(d1)代表 R&D经费投入的强度；R&D资金中政府资金占比(d2)体现政府在 R&D活动中的作用和活跃程度；R&D资金中企业资金占比(d3)则反映了企业对R&D活动投入的能力和态度；R&D人员占科技活动人员比值(d4)和 R&D人员中基础研究人员占比(d5)两项指标分别反映了 R&D人员的规模和质量。将R&D作为创新资源投入指标的体系结构如图1所示。

图1 R&D投入指标体系图Fig.1 R&D input indicator system

本文利用《天津市统计年鉴》(2012—2016)和《天津科技统计年鉴》(2012—2016)整理获得2011—2015年本研究需要的数据如表1所示。

表1 天津市2011—2015年创新资源投入与产出情况表Tab.1 Input and output of innovative resources from 2011 to 2015 in Tianjin

2.3 关联分析计算

2.3.1 建立系统行为序列集

系统的行为序列集 D＝{d0、d1、d2、d3、d4、d5}，

其中 d0为参考序列；d1、d2、d3、d4、d5为比较序列。

2.3.2 数据无纲量化处理

选择初始化算子：

其中，k = 1 ,2,… ,n ；d(k)为行为序列集中各序列的元素值；max(d)为 D 中各序列的最大值，min(d)为 D中各序列的最小值；n为各序列中元素的个数。

2.3.3 计算差值序列

其中：i＝0，1，…，5。(,)i kΔ为第i比较序列的的差值序列，表示第k年的差值。

2.3.4 计算两级最大差和最小差

2.3.5 计算灰度关联系数

在(4)式中 ζ ∈ ( 0,1)为分辨率系数，是为提高关联系数间差异性而设置的系数，通过该系数可减轻两极最大差过大造成的评价结果误差，提高关系性。根据信息论的基本观点，该参数取值要满足使关联度具有最大信息量和最大信息分辨率即可[16-17]。本文取ζ= 0 .5。

2.3.6 计算各比较序列的灰关联度(见表2～4)

表2 灰关联因子序列矩阵Tab.2 Sequential matrix of grey correlation factors

表3 绝对差值矩阵Tab.3 Absolute margin matrix

表4 灰度关联系数矩阵Tab.4 Correlation coefficient matrix for grey degree

计算公式如下：

2.3.7 结果分析(见表5)

利用以上研究结果进行计算，得到的结果如下：

由大到小排列依次排列计算出的关联度，为：

由此可以确定 5个比较序列对参考序列影响的灰关联序为：

d2＞d1＞d4＞d3＞d5。

表5 天津市R&D投入各指标对专利产出影响的灰关联序Tab.5 Grey correlation order of the influence of various indexes of R&D input on patent output in Tianjin

3 研究结论

本文选取的天津市 R&D投入的五大指标与专利授权量的灰关联度计算结果都在0.6上下，说明我市在以专利为代表的创新资源产出问题上，R&D经费投入和R&D人员投入均具有显著的推动作用。其中，R&D经费投入的作用更为明显。因此，加大研发资金投入规模，是提高我市专利产出进而提高创新资源利用效率的重点。

指标 R&D资金中政府资金占比与专利授权量的灰色关联度排名第 1，关联度达 0.68。这说明政府财政投入是拉动我市创新成果产出的第一驱动力，体现了近些年来特别是“十二五”期间我市各级政府重视科技投入、不断增加财政科技拨款取得的有益成效。

指标R&D经费内部支出占GDP的比重是计算R&D经费内部支出在GDP中的占比。关联度仅次于R&D资金中政府资金占比，且仅相差 0.02。这说明研发经费投入对我市创新成果产出具有重要的拉动作用，不断提高 R&D经费投入能够实现创新成果的大丰收。

指标 R&D人员占科技活动人员比值代表了我市研发人员投入的强度。它与专利产出的灰度关联值达到0.65，说明研发人员同样是我市创新成果创造过程中的积极活跃因素。

与R&D资金中政府资金占比排名第1相比，企业资金占比排名较为靠后，这与企业是技术创新的主力军的基本观点相悖。这说明近些年来我市企业创新活力不足，企业对 R&D活动投入的能力与态度不如政府。

R&D人员中基础研究人员占比排名最后且关联度不足 0.6，说明现阶段推动我市创新成果产出诸要素中，提升研发人员素质和能力的潜力更大。

4 对策建议

4.1 激发企业研发活动的活力

从政策引导和体制机制创新两个方面解决企业研发活力不强的问题，一方面落实以研发加计扣除政策为代表的一批科技扶持政策，为企业营造鼓励创新宽容失败的创新发展良好环境；另一方面，不断深化简政放权改革，打破原有的管理定式，简化科技项目立项、报批、评审等环节，降低市级科技计划项目申报单位的门槛，提高专利补贴力度，让更多企业获得切实的实惠。

4.2 加强研发经费的投入力度

一是增加投入的总数，制定合理的年度研发经费投入计划，建立研发经费投入增长机制。二是不断完善结构，根据我市不同产业发展的态势，有针对性地加大对优势产业的扶持力度，使优势产业做大做强。

4.3 提高政府科技投入的贡献

首先，制定并完善政府支持的科技项目中企业匹配资金的相关要求和制度，起到激励企业不断增加自身科技投入的热情。其次，提高政府科技投入中与基础研究相关投入的比例，提升政府科技资金对提高科技活动质量的影响力。

4.4 更加注重科技人员规模与素质的均衡发展

研发人员是科技创新过程中最直接、最积极的因素。一方面要为研发人员营造良好的研发环境，另一方面要为研发人员创造良好的外部条件支持，从而有效提高研发人员的工作满意度和投入水平，提高科技人员的科技活动能力。

[1]王贻志，陈晓声，茅国平，等. 科技投入与产出的计量研究[J]. 数量经济技术经济研究，2002(7)：88-90.

[2]陈昌柏. 知识产权经济学[M]. 北京：北京大学出版社，2003：101.

[3]庄宇，管述学. 中国专利产出与人均 GDP 的相关性分析[J]. 情报杂志，2007(2)：105-110.

[4]阮梅花，肖沪卫. 企业自主创新能力评价的专利指标体系构建初探[J]. 大学图书情报学刊，2011(1)：85-89.

[5]朱月仙，方曙. 专利申请量与 R&D 经费支出关系的研究[J]. 科学学研究，2007(1)：23-29.

[6]黄鲁成，王宁. 专利视角下的技术扩散研究综述[J].科学学与科学技术管理，2011(10)：34-39.

[7]沈涤清. 我国专利申请量与 R&D 投入关系研究[J].江西农业学报，2008，20(7)：147-149.

[8]王钟伟. 扩大政府科技投入正逢时[J]. 科学与管理，2004(4)：14-16.

[9]古利平，张宗益，康建军. 专利与 R&D资源：中国创新的投入产出分析[J]. 管理工程学报，2006(1)：147-151.

[10]李子彪. 区域创新极识别方法与实证研究[J]. 技术经济与管理研究，2016(4)：24-29.

[11]卢华玲，周燕，梅丹，等. 高技术产业集群环境下创新投入、技术交易对创新能力影响研究[J]. 科技与经济，2012(06)：32-34.

[12]柯忠义，韩兆洲. 我国地区 R&D 类型分布对专利类型的影响分析[J]. 科技进步与对策，2006(12)：82-84.

[13]刘春节，刘世玉. 政府的科技支出：规模与结构[J].东北财经大学学报，2006(6)：53-56.

[14]谭文华，曾国屏. R&D 强度的“S”曲线与实现我国投入稳定增长的若干思考[J]. 中国软科学，2005(1)：95-96.

[15]冯仁涛，余翔，金泳锋. 基于专利情报的技术机会与区域技术专业化分析[J]. 情报杂志，2012，31(6)：13-18.

[16]王小鲁，樊纲. 中国经济增长的可持续性[M]. 北京：经济科学出版社，2000：9-43.

[17]邓聚龙. 灰色预测与决策[M]. 武汉：华中理工大学出版社，1986.