我国研发投入规模的影响因素研究

2018-12-03符洋杨彩凤

创新科技 2018年9期

符洋　杨彩凤

摘要：近年来，我国的研发经费投入规模在迅速扩大，但与一些发达国家相比还存在差距。为提高国家的科技实力，政府采取了全方位、多领域、多层次的政策措施来提高全社会的研发经费投入。本文从经济形势、外商投资、科研人才、政府投入、产业结构这5个方面确定了10个重要的指标，选取2012年和2016年全国31个省、自治区、直辖市的横截面数据，采用偏最小二乘回归方法对我国区域研发投入规模的影响因素进行分析。结果显示：R&D;人员数、外商投资总额、GDP、第三产业增加值等因素对加大研发投入具有显著的促进作用。

关键词：研发投入；R&D;；GDP；偏最小二乘回归

中图分类号：F273.1 文献标识码：A 文章编号：1671-0037（2018）9-14-5

DOI：10.19345/j.cxkj.1671-0037.2018.09.003

Abstract： In recent years， China's R&D; expenditures have expanded rapidly， but there are still gaps compared with some developed countries. In order to improve the country's scientific and technological strength， the government has adopted comprehensive， wide-ranging and multi-level policy measures to increase the R&D; funds investment of the whole society. This paper identified 10 important indicators from five aspects： economic situation， foreign investment， scientific research talents， government investment， and industrial structure. The cross-sectional data of 31 provinces and municipalities in China in 2012 and 2016 were selected， and partial least squares regression method was adopted to analyze the influencing factors of China's regional R&D; investment scale. The results showed that the factors such as the number of R&D; personnel， total foreign investment， GDP， and added value of the tertiary industry had significant roles in promoting R&D; investment.

Key words： R&D; investment； R&D;； GDP； partial least squares regression

1 引言

國务院发布的《国家中长期科学和技术发展规划纲要（2006—2020年）》[1]确定的科技工作的指导方针是：自主创新、重点跨越、支撑发展、引领未来，指出到2020年我国研发投入（R&D;）强度要达到2.5%以上。

目前，大部分研发投入的文章都在研究研发与单个方面指标之间的相关关系。如山东理工大学的李平分析了人力资本对国内自主创新的影响，研究结果表明人力资本是保证国家自主创新能力提升的关键[2]。中央财经大学的傅晓霞运用内生技术进步增长模型分析了国外技术引进对国内研发投入的影响，结果表明国外的技术引进对于发达地区的研发投入有促进作用，但对经济落后的地区有阻碍作用[3]。中南大学的舒谦重点研究了在金融危机前后影响中国制造型企业研发投入的治理结构因素，结果反映了中国制造型企业所处的发展环境以及近年来“国进民退”的政策环境对研发投入有深远影响[4]。山西省产业技术发展研究中心的黄桂英根据山西省近年来研发经费投入（R&D;）现状，分析了山西省研发经费投入水平较低的主要因素，从增强企业家创新意识、激励企业加大研发投入、完善多元研发投入体系、改革政府考核评价指标体系等方面提出了相关的建议[5]。随着研究与实验发展的影响程度进一步扩大，对于研发投入的相关研究也会更加全面和深入。

本文结合以往的研究成果，从经济形势、外商投资、科研人才、政府投入、产业结构这5个方面出发，筛选出相关的指标，采用偏最小二乘回归方法来研究研发投入的主要影响因素。

2 偏最小二乘回归的基本原理

偏最小二乘方法（PLS）突破了“最小二乘法”的局限性，最初是由H. Wold在经济领域中进行研究，并逐步应用于其他领域。S. Wold（1983）首次提出偏最小二乘回归概念，用来解决计量化学中变量存在多重共线性并且解释变量个数大于样本量的问题。偏最小二乘回归对于深入分析数据的综合信息具有较好的性质[6-8]。

设有q个因变量[{y1，···，yq}]和[p]个自变量[x1，···，xp]。选取[n]个样本点来构造自变量与因变量的数据表X=[x1，···，xp]和[Y]=[y1，···，yp]。在X中提取出成分[t1]，即[t1]是[x1，···，xp]的线性组合；在[Y]中提取成分[u1]，即[u1]是[y1，···，yq]的线性组合。这两个成分的提取需要满足以下两个方面的条件：

①[t1]和[u1]必须充分地表达其对应变量的变异信息；

②[t1]与[u1]的相关程度能够达到最大。

在这两个条件的限定下，[t1]和[u1]都最大限度地携带了X与Y的信息，同时[t1]对[u1]的解释能力达到最大。

当第一个成分[t1]和[u1]被提取后，偏最小二乘回归分别实施X对[t1]的回归以及Y对[u1]的回归。如果回归方程的精度达到目标值，就结束计算；如果回归方程的精度达不到理想水平，则将X被[t1]解释后的残余信息以及Y被[u1]解释后的残余信息进行第二次成分提取，如此第二次提取之后还达不到精度要求，则继续提取，直到符合精度要求为止。如果在实现精度要求下，对X共提取了m个成分[t1，···，tm]，偏最小二乘回归则会利用[yk][（k=1，2，···q）]对[t1，···，tm]进行回归，然后再表达成[yk][（k=1，2，···q）]关于原变量[x1，···，xp]的回归方程。

利用SIMCA-P来实现偏最小二乘回归的计算时可以先将原始数据进行标准化处理的基础上再进行分析。设X与Y进行数据标准化后的矩阵分别为[Xo=（x01，x02，···xop）n×p]、[Yo=（y01，y02，···yop）n×q]，假设在第n次主成分提取与回归之后，使得提取的主成分能代表几乎所有的自变量，利用偏最小二乘回归的相关算法可以得到：

3 影响因素的分析指标筛选

研发投入是科研创新的重要保障，研发投入的高低对地区科技创新发展至关重要。研发投入受众多因素影响，通过研究以往专家学者的相关研究，并结合数据的可获取性以及当前研发的整体环境，本文从经济形势、外商投资、科研人才、政府投入、产业结构这5方面确定了10个影响较为显著的指标作为解释变量，用研发经费支出作为响应变量。

经济形势部分选取的指标有地区生产总值、社会消费品零售总额，分别用GDP、TRS表示；外商投资部分选取的指标有外商投资总额、地区货物进口总额，分别用TI、TVI表示；科研人才部分选取的指标是R&D;人员数和R&D;人员全时当量，分别用POPU、FTE表示；政府投入部分选取的指标是地区公共预算支出中的科学技术支出，用STEB表示；产业结构部分选取的指标是第一产业增加值、第二产业增加值、第三产业增加值，分别用GDP1、GDP2、GDP3表示。

本文选取2012年和2016年的全国31个省、自治区、直辖市的截面数据作为研究样本，实证部分的数据来自于中国统计年鉴和中国科技统计年鉴。

4 研发投入影响因素的实证分析

考虑到近10年各地区的研究与实验发展都有了明显的提升，本文选取2012年和2016年这两年的横截面数据进行分析，通过这两年的数据来挖掘2012—2016年全国研发的整体信息。运用SIMCA-P软件来实现分析，对导入的数据进行单变量PLSR模型的设置和估计。实证部分的有关原理参考了一些计量和统计方面的专著[9-10]。

4.1 特异点识别

首先利用Analysis/Scores/Scatter Plot可以显示前两个主成分的散点椭圆图，2016年的图像见图1。2012年图类似，在此就不再展示。

从图1中可以看出所有的点都在椭圆的内部，说明原始数据没有特异点。另外，为了探究t（1）与u（1）之间是否存在明显的线性关系，绘制了t（1）/u（1）的平面图。2016年的图像见图2，可以看出存在明显的线性关系。

4.2 VIP值

利用Analysis/Variable Importance/List可以得到每个解释变量对响应变量投影的重要性，即VIP（Variable Importance for the Projection），结果见表1。

从表1可以看出，科研人员是促进全社会加大研发投入最重要的影响因素；第三产业的发展需要科技作支撑，因此第三产业对研发的促进作用也非常显著；国内经济环境稳定为全面加大研发投入提供了必要条件；政府对科学研究的支持力度、外贸经济的发展也对研发投入有着深远的影响。

4.3 模型拟合参数

利用Analysis/Coefficients/Plot进行模型自动拟合时，对2012年、2016年的数据都提取了2个主成分。2012年的各成分累计交叉有效性为0.821 5，2个成分对保费收入的累积解释能力为0.957 7；2016年的各成分累计交叉有效性为0.865 8，2个成分对保费收入的累积解释能力为0.929 4；这两年的研发投入与影响因素之间PLSR模型的系数关系见图3和图4。

从图3和图4可以比较直观地看出偏最小二乘回归模型的各个解释变量对保费收入的影响方向和大小。解释变量的系数为正数，则表明它对研发投入有正向影响；反之，解释变量的系数为负数，就表明该因素对保费收入有负向作用。绝对值越大，代表作用越强。

在这两个阶段，影响变化较为明显的变量是外商投资总额（TI）和科学技术支出（STEB）。外商投资总额（TI）在2012年是排第六位的影响因素，在2016年排在了第二位；政府的科学技术支出（STEB）从2012年的第二位变成了2016年的第六位影响因素，這在一定程度上反映了随着全社会对科研的重视度提升，更多的民间资本投入到研发活动中，使得科学研发投入对政府的依赖程度降低，而外商对中国企业带来了技术升级的压力，激发了企业对研发的重视程度。

R&D;人员数（POPU）、R&D;人员全时当量（FTE）在2012年和2016年都是非常重要的影响因素，说明人才是科学研究的基础，是全社会加大研发投入的重要吸引力，这也充分体现了人才强国战略的科学性。

这些影响因素中只有第一产业增加值（GDP1）是负向作用，但是2016年的负向作用相比较2012年有所下降，说明针对第一产业的研发还相对较少，但随着农村现代化进程的推进，第一产业也亟需科研的投入。

4.4 回归拟合效果

利用回归方程将2012年和2016年的研发投入的数据进行拟合，与保费收入的实际数据进行对比。从图5和图6可以看出，偏最小二乘选取的变量达到了较高的拟合精度。

5 结论

国际金融危机影响深远，世界主要国家都将科技创新提升为国家发展战略，纷纷大幅增加研发投入，强化核心关键技术的研发部署，竞相争夺科技创新人才，抢占战略性新兴产业发展的先机和主动权。自主创新能力是科技发展的战略基点，研发投入作为科技创新的基础，受到了全社会的广泛关注。本文通过偏最小二乘方法研究了2012年和2016年的研发投入规模与相关影响因素之间的关系，得出了以下几点结论：

①科技人才对研发投入具有显著的促进作用，科技人才是提高自主创新能力的关键，因而需要着力培养创新型科技人才队伍，充分发挥人才资源在科技创新的基础性作用。

②科技发展水平直接或间接地在各个层面上对第三产业的发展起着积极的促进作用，因而第三产业的发展对科技提出了更高层次的需求。目前我国第三产业发展迅速，所以加快科技成果转化、助推“产学研用”合作，实现产业结构升级，这些都将促进研发投入的进一步加大。

③对外贸易为我国技术市场发展添加了新的活力，合理学习国外先进的科学技术对于加强国内研发投入、推动国内科研实力都有深远的影响。

④良好的经济环境对加大研发投入具有基础作用，通过加大研发投入可以实现科技对经济社会发展的支撑引领作用。

参考文献：

[1] 中华人民共和国国务院.国家中长期科学和技术发展规划纲要（2006—2020年）[EB/OL].（2006-02-09）[2018-08-04].http：//www.gov.cn/jrzg/2006-02/09/content_183787.htm.

[2] 李平，崔喜君，刘建.中国自主创新中研发资本投入产出绩效分析：兼论人力资本和只是产权保护的影响[J].中国社会科学，2007（2）：32-42.

[3] 傅晓霞，吴利学.技术差距、创新环境与企业自主研发强度[J].世界经济，2012（7）：101-120.

[4] 舒谦，陈治亚.影响中国制造型企業研发投入的治理结构因素[J].科学学与科学技术管理，2013（9）：97-105

[5] 黄桂英，许超，徐永库.影响山西研发经费投入的因素和对策[J].山西科技，2017（5）：1-4.

[6] 王惠文.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，1999.

[7] 王惠文，吴载斌，孟洁.偏最小二乘回归方法及其应用[M].北京：国防工业出版社，2006.