兩階段下青島市科技投入產出要素重要度與時滯性研究

董興林　潘建　齊欣

[摘要]結合科技投入產出的兩階段過程，運用因果檢驗法驗證投入產出指標選取的正確性，運用協整檢驗法判斷各階段投入產出指標存在的長期正向關系；在此基礎上，運用層次分析法對各階段投入要素的重要性進行分析，并通過層次總排序得到科技初始投入對最終產出的重要度；最后通過阿爾蒙多項式判斷各階段的時滯期分別為45年和3年。文章從最終產出和縮短滯后期等方面提出了政策建議。

[關鍵詞]科技投入；科技產出；協整檢驗；時滯效應

[DOI]1013939/jcnkizgsc201821024

1引言

隨著經濟社會的發展，科學技術對于經濟增長的貢獻越來越明顯。青島市作為高校和科研院所較多的對外開放城市，科學技術對于城市發展的重要性程度不言而喻。目前，就科技投入要素而言，對資金和人的投入的重要性程度認識不深，不能通過單位投入量最大限度地獲取科技產出；同時，科技投入產出存在一定的時滯期，科技產出并不會在科技投入的當期產生。因此，深入研究青島市科技投入與產出的時滯效應尤為重要。

研究青島市科技投入要素的重要性，可以根據各要素的重要程度合理地進行科技資源配置，符合國家提高有效供給的宏觀政策；深入研究青島市科技投入產出的時滯性，可以有效地縮短科技投入產出的周期。

2文獻綜述

國內外學者十分重視科技投入產出關系的測算，相關研究涉及基金[1]、產業[2-3]、機構[4-5]和國家/地區[6-7]等層面，為科技發展研究提供了豐富的參考實例。

科技投入主要是指資金（R&D;經費投入）和人（R&D;全時人員）的投入，而科技產出包括科技直接產出和科技間接產出。[8]科技直接產出包括歷年專利申請量和技術市場成交額；科技間接產出是指科技成果轉化的結果。本文衡量科技間接產出時僅考慮經濟效益，使用高新技術產業產值體現高技術創新產品的市場價值。

國內外學者研究投入產出要素通常采用綜合評價法、計量方法和指數法。綜合評價法包括層次分析法（AHP）、數據包絡法（DEA）；[9-11]計量方法包括自回歸法（VAR）、協整檢驗法、Granger因果分析法等。[12-14]定量分析可以通過時間序列分析得到相對精確的結果，但要求的數據大，而研究方法（如VAR模型）對時間序列的平穩性、是否存在協方差有著較高要求。當差分或取對數等對數據進一步處理滿足模型的計算條件后，計算結果只能解釋處理后的數據的相互關系，而不能直接解釋原始變量，使得定量分析難以得到有效的應用與檢驗。因此，應當結合定性和定量方法進行系統分析，彌補單純定性分析或定量分析產生的不足。

本文運用時間序列中的協整檢驗法定量表示各要素之間的關系，以此為基礎采用層次分析法定性研究各變量之間的關系，并得到各投入變量對于產出變量的重要程度，再與定性分析相互印證，最后采用層次分析法通過不考慮科技投入產出的中間層次判斷最初的科技投入對最終科技產出的重要性。其次，在判斷時滯期時，本文根據時間序列圖像具有較高的一致性或根據協整檢驗的重要性來選取較少的要素進行時滯期判斷。

3研究設計

31數據來源、指標選取與階段劃分

本文通過《青島市科學技術發展報告》《青島統計年鑒》《國家知識產權局統計年報》等選取科技投入、科技成果產出和產業產出數據，包括R&D;全時人員（R&D; full time personnel，RDP）、R&D;經費投入（R&D; cost investment，RDC）、技術市場成交額（Technical sales，TS）、專利申請數（Patent application quatity，PAQ）、高新技術產業產值（High and new technology industry，HTI）。然后將科技投入產出劃分為成果轉化階段和產業產出階段，[15]各指標下的要素選取如表1所示。

34Granger因果檢驗

Granger因果檢驗模型可以檢驗變量之間的因果關系，旨在解決X是否引起Y的問題。該方法主要是看Y能夠在多大程度上被X解釋，加入X的滯后值是否使解釋程度提高。一般來說，科技投入是科技產出的原因，加大科技投入就會促進科技產出。但是，科技產出是否是科技投入的原因需要進一步驗證。本文分階段對科技投入產出的因果關系進行分析，檢驗各階段投入要素與產出要素是否存在因果關系，即分別檢驗（RDP，RDC，PAQ）中PAQ與RDC、PAQ與RDP是否存在因果關系，檢驗（RDP，RDC，TS）中TS與RDC、TS與RDP是否存在因果關系，檢驗（PAQ、TS、HTI）中HTI與PAQ、HTI與TS是否存在因果關系。運用EViews 8得到的檢驗結果如表3和表4所示。

由結果可知，在10%的顯著性水平下，各階段的投入變量都是下階段產出變量的Granger原因，這從另一個方面驗證了選取各階段科技投入產出變量的正確性。

35協整檢驗

根據平穩性檢驗結果，由于各時序變量都是同階單整的，故可對（RDC，RDP，PAQ）、（RDC，RDP，TS）、（PAQ，TS，HTI）三組時序變量分別進行協整檢驗，本文對三個非平穩時序變量做了Johansen協整檢驗。Johansen檢驗的目的是決定一組序列組合是否具有長期穩定的均衡關系，運用EViews 8對以上三組時序變量進行協整檢驗，得到的結果如表5～表7所示。

科技成果轉化階段科技投入相對于PAQ的時滯期，由于RDC對于PAQ的重要程度大于RDP，將RDC作為時滯期判斷的投入指標；至于科技投入相對于TS的時滯期，由于二者所占的權重比較接近，由下圖可以看出，TS和RDC的曲線趨勢比較一致，由此同樣將RDC作為判斷時滯期的投入指標。對于產業產出階段科技投入相對于HTI的時滯期，由于TS對于HTI的重要性程度大于PAQ，因而選取TS作為時滯期判斷的投入指標。

TS和RDC的趨勢曲線

然后運用EViews 8對三組投入指標相對應的產出指標的時滯期進行分析，通過阿爾蒙法得到估計結果，如表8～表10所示。

由表9可知，PAQ在第4年參數最大，而AIC和SC最小，因而科技投入指標對PAQ產出的時滯期為4年；由表10可知，TS在第5年參數最大，而AIC和SC最小，因而科技投入指標對TS的時滯期為5年；由表11可知，HTI在第3年參數最大，而AIC和SC最小，因而科技成果投入指標對HTI的時滯期為3年。

4結論與建議

根據阿爾蒙多項式有關時滯期的判斷結果，科技投入對于專利申請量PAQ的時滯期為4年，科技投入對于技術市場成交額TS的時滯期為5年，即科技成果轉化階段的平均時滯期為45年；產業產出階段的時滯期為3年。之所以產業產出階段的時滯期較短，而科技成果轉化階段的時滯期較長，是因為成果轉化階段除了技術比較復雜的原因外，科研技術人員深入一線調研以及項目審批都需要花費大量時間，而產業產出階段沒有上述煩瑣過程，只需要深入一線進行科研成果的實際應用。同時，科技投入不合理，也會延長科技產出的時滯期。該結論對于減少科技投入產出的時滯期，提高企業及技術市場的資本回收效率具有現實意義。

（1）要想縮短科技投入產出的時滯期，需要青島市政府及其相關部門優化科研項目審批流程，縮短申請、審批等時間。

（2）加大科研院所、高校與企業的合作，方便科研人員深入一線調研，減少科研人員科技成果產出的時滯期，也為企業發展提供技術保障。

（3）以科技產出目標為導向，合理配置科技投入比例。結合青島市各行業、各區域科技發展及經濟發展現狀，測算科技人員投入與科研經費投入的最優比例，實現人、財、物的最優配置，避免資源冗余而產出不足的情況發生，從而促進青島市科學技術的均衡發展。

參考文獻：

[1]孟浩，周立，何建坤自然科學基金投入與科技論文產出的協整分析[J].科學學研究，2007（6）：1147-1150.

[2]王智琦，陳悅，姜照華，等前沿技術與核心技術識別的投入產出分析方法——以混合動力汽車為例[J].科學學研究，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]葉鷹，程麗，唐健輝，等我國科技投資回報轉換當量探析[J].中國科技論壇，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，武夷山中國地區科技效率的組合測度研究[J].科學學研究，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]徐巧玲科技投入產出的相對效率評價研究——基于DEA的BCC模型與SE-CCR模型的分析[J].科技管理研究，2014，34（1）：66-70.

[9]呂晨，曾明彬基于DEA的中國區域科技投入產出相對效率研究[J].科學管理研究，2014，32（2）：101-104.

[10]談毅基于DEA-BCC方法的我國高校科技投入產出效率研究[J].科技管理研究，2015，35（20）：106-111.

[11]劉廣斌，李建坤基于三階段DEA模型的我國科普投入產出效率研究[J].中國軟科學，2017（5）：139-148.

[12]張歡，徐康寧基于VAR模型的外資、環境治理與經濟增長研究——來自全國1992—2012年時間序列數據的證據[J].軟科學，2015，29（8）：9-13.

[13]張優智，黨興華研發投入與技術創新關聯性的動態分析——基于協整檢驗和狀態空間模型的研究[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]馮鋒，張雷勇，高牟，等兩階段鏈視角下科技投入產出鏈效率研究——來自我國29個省市數據的實證[J].科學學與科學技術管理，2011，32（8）：33-38.