項目經費資助強度與科研成果互動機制研究
——基于“雙一流”高校人文社科實證

○俞立平

（常州大學 商學院，江蘇 常州 213159）

一、引言

項目經費資助強度是指單項科研項目資助經費的多少，設置合適的項目經費資助強度非常重要。當項目經費資助不足時，不利于科研項目的完成。當項目經費資助過多時，不但不利于節約有限的科研經費，還降低了科研經費的績效，甚至會助長“跑項目”的不正之風。近年來，國家自然科學基金、國家社科基金及各類省級項目，均加大了限項管理力度，一定程度上提高了單項科研項目的績效，避免公共資源的浪費。

人文社科項目作為科研項目的一部分，近年來總體上處于增長態勢（見圖1）。以2017年教育部公布的“雙一流”建設高校為例，2004年一流大學建設高校平均項目經費為2.72萬元，2018年增長到5.84萬元/項，平均每年增長5.61%；2004年一流學科建設高校平均項目經費為3.23萬元，2018年增加到4.55萬元/項，平均每年增長2.48%。雖然“雙一流”高校是2017年開始公布的，但由于之前主要對應985高校與211高校，均是較高研究水平的標志。總體而言，一流大學建設高校的項目經費資助強度要大于一流學科建設高校，其增長速度也快于一流學科建設高校。兩者有個共同特征，即平均單項項目經費資助強度總體上處于增長態勢。

迄今為止，關于項目經費資助強度績效的研究非常薄弱，有必要進行相關研究。不同學者科研經費相差較大，一些團隊與學者科研經費充裕，但科研成果總體一般。另一些團隊與學者科研經費緊張，有的甚至到了入不敷出的境地。人文社科研究和自然科學有較大的不同，有些研究對科研經費依賴較大，有些研究則對科研經費依賴相對較輕，受學科特點、研究內容等影響較大。總體而言，人文社科的項目經費資助強度要遠遠小于自然科學，并且學科差異也小于自然科學。鑒于此，對于人文社科項目經費資助強度績效的特點與規律有必要進行進一步研究。

研究項目經費資助強度與科研成果的互動關系具有重要的意義。第一，從理論上分析兩者的互動機制，有利于推進人文社科創新理論。第二，有利于分析項目經費資助強度的績效，總結其中的規律，分析存在的問題，從而便于政府相關部門完善項目經費的管理。第三，探索人文社科項目經費資助強度與科技成果的互動關系的研究方法，對于自然科學也具有一定的借鑒意義。

績效（Performance）是一個組織或機構的相關活動和行為及其產出結果，并以此表現出該組織機構所擁有的特定能力的效率、質量和效益[1]。從投入角度來看，績效還有另一層含義，即某項投入對產出的影響大小。由于績效的界定不同，其研究方法也相差較大。從項目經費資助強度的角度來看，績效的含義應該是后者，即項目經費資助強度能否有效地促進科研成果產出的增加。

從總量角度比較分析科研績效涌現出許多成果。Fischer et al.[2]提出科學基金重大項目的產出可以采用科研績效指標來表征，包括論文、專利、獲獎、人才培養等等。Valentina et al.[3]從金融、客戶、創新和學習、內部業務以及網絡五個維度建立指標體系，用來評價政府研發經費績效。馬乃云、侯倩[4]將平衡計卡計分法引入到公共研發經費績效評估中，采用層次分析法確定權重，定量測度公共研發經費績效。劉新波、李晨光等[5]從科研能力、科研效果、學科建設、服務管理方面建立指標體系，評價財政科研經費的績效。

（圖1）“雙一流高校”人文社科項目經費資助強度變化

從研發經費績效研究角度來看，目前采用較多的是知識生產函數。知識生產函數最早由Griliches[6]、Jaffe[7]在生產函數的基礎上提出。Romer[8]提出了一種知識生產函數模型，經過Jones修正后形成了Romer-Jones知識生產函數模型。Yasser et al.[9]基于Romer-Jones知識生產函數，通過引入專利申請、專利存量、投入研發的科學家和工程師總量以及全要素生產率四個變量，對美國的研發績效進行了實證研究。Fritsch[10]認為知識生產函數提供了一個評價創新活動績效的有效方法，并完全可以運用于不同創新系統間質量的比較。Lydia[11]用知識生產函數從兩個維度考察歐洲地區的知識溢出效應。吳延兵[12]基于中國數據運用知識生產函數模型研究了知識生產的性質及其影響因素。劉云、楊雨等[13]建立基于知識生產函數的科學基金重大項目績效測度模型，采用科學基金重大項目投入產出數據，實證測算出每個科學基金重大項目的績效水平。

關于項目經費資助強度問題的研究，學術界開展了一定的探索。Leydesdorff et al.[14]采用負二項回歸模型對歐洲6個國家的240000篇論文進行研究，結果顯示，論文的被引次數與科學基金資助強度之間呈顯著負相關。段培新、孟溦[15]371-379基于調查及DEA模型研究發現，依靠評審專家加強項目經費預算合理性審查的目的未有效實現，面上項目規模收益整體狀態優于青年項目，但面上項目和青年項目資助強度不宜繼續擴大。郭艷新、宋志紅[16]的研究結果表明，科學基金資助強度增加后，論文數量增加較為顯著，但高影響因子期刊論文數量下降，平均每萬元科研經費的論文數量顯著降低，平均每萬元科研經費高影響因子期刊論文數量也顯著減少。此外，還有一些學者從其他角度研究了資助強度問題，鐘旭[17]分析了科學基金項目的多來源資助現象，采用每篇論文的項目數作為基金項目資助強度指標，對比分析了中國與其他五大科技強國的資助強度。高清奇[18]則研究了國家科技著作出版基金資助力度與出版成本問題。

從現有的研究看，由于對績效的界定不同，其研究視角也不一樣。一種是從地區與國家宏觀視角的角度，更多的是從單位、團隊、學者、項目等微觀角度。一些研究側重從產出角度進行評價，還有一些研究側重從投入產出關系角度進行評價。項目經費資助強度的績效問題，本質上需要從投入產出角度進行分析。現有的研究主要側重自然科學領域的分析，總體上研究數量不多，多數研究認為項目資助強度不宜繼續擴大。

總體上，在以下方面有待進一步深入：

第一，迄今為止，關于人文社科項目經費資助強度及其績效的相關問題罕見報道，需要進一步開展相關研究。

第二，項目經費資助強度與科研成果之間存在互動關系，現有研究僅僅關注其單向關系。

第三，從研究方法角度來看，現有的研究方法包括DEA分析、負二項回歸、簡單統計分析等等，在獨立研究中尚缺乏系統的研究方法，許多研究缺乏穩健性檢驗，因此得出的研究結論可能有偏差。

鑒于此，本文以教育部“雙一流”建設高校為例，基于教育部人文社科信息網數據，采用TOPSIS對科技成果進行評價，綜合采用面板數據模型、貝葉斯向量自回歸模型系統分析項目經費資助強度與科研成果之間的互動關系，同時基于面板門檻回歸模型研究項目經費資助強度的作用特征，并采用BP人工神經網絡進行穩健性檢驗，從而對項目經費資助強度的績效做出全方面的評估。本文的創新點主要體現在兩個方面，一是以人文社科研究作為研究對象，二是研究方法有較大創新，基于多重視角的研究提高了研究穩健性，從而得出更多有意義的結論。

二、理論基礎與研究方法

本研究的核心是對項目經費資助強度與科研成果的互動關系進行深入研究，具體方法主要采取TOPSIS對科研成果進行評價，然后綜合采用面板數據模型、面板門檻回歸模型、貝葉斯向量自回歸模型進行實證，并采用BP人工神經網絡進行穩健性檢驗。

（一）項目經費資助強度與科研成果的互動關系

1.項目經費資助強度對科研成果作用機制。項目經費資助強度對科研成果作用機制如圖2所示。它同時具有正向機制和負向機制，當項目經費資助強度適宜時表現為正向機制，一般是研究經費剛好能夠滿足項目需要，或者是略有盈余。當項目經費資助強度不足或非常寬裕時，有可能表現為負向機制。

正向機制體現在三個方面，一是保障機制，從科研角度看，項目經費首先要保障科研工作的開展，用來支付各種必要的支出。二是激勵機制，根據我國目前的科研經費管理辦法，項目中可以提取一定比例的績效支出，用來給科研人員發放獎勵。三是榮譽機制，獲得高級別的科研項目比如國家級項目對廣大科研工作者而言本身就是一種榮譽，此外對于同級別的課題而言，往往又分為一般、重點、重大等等，資助強度逐漸提高，能夠申請到重點、重大課題也是一種榮譽。

（圖2）項目經費資助強度對科研成果作用機制

項目經費資助強度對科研成果的負向作用機制體現在三個方面。一是績效下降機制，充裕的項目經費有可能使得團隊不能集中注意力進行科學研究。我國高校科研經費管理存在科研課題立項評審機制欠透明、科研預算制度不科學、預算執行過程監督管理體系不健全等問題，跑項目、跑經費現象并不鮮見[19]。當然，從另外一個角度來講，如果項目經費資助強度較低也會導致科研保障能力下降，無法完成科研任務。二是在科研經費總量一定的情況下，單項項目經費資助強度越高意味著立項數量的減少，導致項目資助面變窄，從而使得一些本該需要項目資助的研究工作難以進行。三是大面積的單項項目經費資助強度不合理增加，會破壞科研環境和科研氛圍，導致研究者以拿到項目為榮，而不潛心鉆研學術，從而破壞學術風氣，不利于人文社科研究的開展。

綜上所述，項目經費資助強度對科研成果同時存在正向機制和負向機制，最終結果取決于兩種機制的相互作用強度。從表現形式看，當正向機制大于負向機制時，項目經費資助強度與科研成果之間會出現正相關；當正向機制和負向機制相差不大時，項目經費資助強度與科研成果之間會出現不相關；當負向機制大于正向機制時，項目經費資助強度與科研成果之間會出現負相關。

2.科研成果對項目經費資助強度的反向機制。科研成果對項目資助的反向機制比較復雜，同樣分為正向機制和反向機制（見圖3），其中正向機制包括提高經費資助強度、優化項目資助結構、增加項目三個方面，負向機制包括經費剛性、減少項目兩個方面。

（圖3）科研成果對項目經費資助強度的反向機制

當項目科研成果績效較好時，科研成果對項目資助具有正向機制。一是會提高項目經費資助強度，當然這個過程正常情況下每3～5年會有所調整，總體上呈現上升態勢。還有一種變相地增加項目經費資助強度的方法是除了一般項目外，還設置重點項目、重大項目，隨著項目級別的提升，項目經費資助強度越大。二是促進項目結構改革，通過細化項目分類、對項目加強管理等形式促進項目績效提高。由于不同細分項目的資助強度不一樣，比如青年項目、一般項目、后期資助項目、政策研究類項目、各種專項項目等，這變相改變了項目資助強度的結構。三是增加項目數，增加項目數與項目經費資助強度并沒有太大關系，取決于經費總量是否增長。如果人文社科研究本身成果較好，進步較快，項目數量一般會穩步增長。

當項目科研成果績效較差時，對項目資助表現為負向機制，體現在兩個方面，一是經費剛性，即使項目績效不好，只要通過鑒定則視同完成，對現有經費沒有影響，對未來經費的影響是暫時固化項目經費資助強度，但這只是短期的，從長期看，項目經費資助強度是剛性的，總會緩慢增長。二是減少資助項目數，這和項目經費資助強度關系不大，會影響一定地區和范圍內的項目資助總量。

綜上所述，科研成果對項目經費資助強度也同時存在正向機制和負向機制，最終結果取決于兩種機制的相互作用強度。當正向機制大于負向機制時，科研成果對項目經費資助強度出現正相關；當正向機制和負向機制相差不大時，科研成果對項目經費資助強度出現不相關；當負向機制大于正向機制時，科研成果對項目經費資助強度出現負相關。

（二）知識生產函數與面板數據模型

為了研究項目經費資助強度與科研成果之間的關系，借助Griliches[6]和Jaffe[7]提出的知識生產函數，在此基礎上進一步引入項目經費資助強度變量，得：

公式（1）中，Y表示人文社科科研成果，K表示研發經費，L表示研發人員，R表示項目經費資助強度，α、β、γ為彈性系數，A為常數項，表示知識生產函數的全要素生產率。

由于項目經費資助強度與人文社科科研成果之間可能存在2次曲線關系，進一步進入其2次項，同時公式（1）兩邊取對數，經整理得：

在公式（1）、公式（2）的基礎上，采用面板數據模型進行估計。面板數據模型已經發展得比較成熟，其固定效應模型對遺失重要變量不敏感，并且能較好地降低多重共線性問題，已經在經濟、管理、社會等領域得到了廣泛的應用。

（三）面板門檻回歸模型

采用面板門檻回歸模型可以分析項目經費資助強度與人文社科科研成果之間的非線性關系特征，是一種更加精細的刻畫，該模型由Hansen[20]提出。一般而言，傳統的面板數據模型一般只能估計變量之間的線性關系和簡單非線性關系，但面板門檻回歸模型可以估計項目經費資助強度與科研成果之間的時間門檻、項目經費資助強度門檻、科研成果門檻，下面分別進行說明：

項目經費資助強度對科研成果的時間門檻效應，就是隨著時間階段不同，項目經費資助強度對科研成果的彈性是否存在顯著差異。以單門檻為例，如果存在一個年度時間門檻水平τ，使得對于year≤τ和year>τ時，項目經費資助強度對科研成果的彈性存在顯著差異。當year≤τ時，項目經費資助強度對科研成果的彈性系數為θ1；當year>τ時，項目經費資助強度對科研成果的彈性系數為θ2，即：

項目經費資助強度對科研成果的科研成果門檻效應，就是隨著科研成果水平不同，項目經費資助強度對科研成果的彈性是否存在顯著差異。以單門檻為例，如果存在一個科研成果門檻水平τ，使得對于Y≤τ和Y>τ時，項目經費資助強度對科研成果的彈性存在顯著差異。當Y≤τ時，項目經費資助強度對科研成果的彈性系數為θ1；當Y>τ時，項目經費資助強度對科研成果的彈性系數為θ2，即：

項目經費資助強度對科研成果貢獻的項目經費資助強度自身門檻效應，就是隨著項目經費資助強度不同，項目經費資助強度對科研成果的彈性是否存在顯著差異。以單門檻為例，如果存在一個項目經費資助強度門檻水平τ，使得對于R≤τ和R>τ時，項目經費資助強度對科研成果的彈性存在顯著差異。當R≤τ時，項目經費強度對學術論文的彈性系數為θ1；當R>τ時，項目經費強度對學術論文數量的彈性系數為θ2，即：

（四）貝葉斯向量自回歸模型

為了研究人文社科項目經費資助強度與科研成果的互動關系，采用貝葉斯向量自回歸模型（Bayesian Vector Autoregressions，BVAR）進行估計。該模型是Litterman[21]將貝葉斯推斷理論與傳統向量自回歸模型VAR相結合的產物。其最大貢獻是將傳統VAR模型對眾多參數的估計轉換成對少數幾個超級變量的估計，大大節省了自由度，提高了估計精度與預測效果。在此基礎上，通過脈沖響應函數和方差分解可以進一步分析變量之間的互動關系。

（五）BP人工神經網絡穩健性檢驗

對于人文社科項目經費資助強度與科研成果之間的關系，有必要進行穩健性檢驗，由于變量和研究數據所限，傳統的穩健性檢驗方法在本研究中很難適用，因此本文另辟蹊徑采用BP人工神經網絡進行穩健性檢驗。

將人文社科研發經費、研發人員和項目經費資助強度作為投入變量，科研成果作為產出變量，建立BP人工神經網絡投入產出模型并進行訓練，如果項目經費資助強度的績效較高，那么其權重必然很高，相反，如果項目經費資助強度的績效較低，表現為不相關或負相關，那么其在投入要素的權重必然較低。

BP神經網絡模型是一種基礎的人工智能模型，它能模擬人類大腦神經網絡的工作原理，并且可以處理分布式任務[22]。BP人工神經網絡一般由輸入層、隱含層、輸出層三層組成，通過對其進行訓練學習，可以提高預測精度。其原理是調整網絡節點連接權重使網絡總體誤差最小，或者訓練次數達到一定的閾值等。對于一個輸入層有m個神經元、隱含層有q個神經元、輸出層有l個神經元的網絡而言，其學習步驟如下：

第一，對網絡進行初始化。用較小的隨機正數作為各神經元的初始權重。

第二，引入訓練數據集。假設輸入矩陣為x(1)，x(2)，…x(n)，期望的輸出矩陣為t(1)，t(2)，…t(N)，N為學習樣本的數量。

第三，計算BP網絡前饋。假設訓練樣本為P，隱含層第i個神經元的輸入Zhip為：

式（6）中，ωij(i=1,2,…q；j=1,2,…m)是輸入層神經元j與隱含層神經元i的連接權重，θi為隱含層神經元i的閾值，xjp為樣本p隱含層神經元i的輸入。

隱含層神經元i的輸出oip為：

式（7）中，g()為隱含層激活函數，往往用sig‐moid函數表示：

隱含層神經元i的輸出oip通過權重系數向輸出層傳遞，輸出層神經元k的總輸入為：

式（9）中，ωki為隱含神經元i與輸出節點k的連接權重，θk為輸出層神經元k的閾值。

輸出層神經元k的實際輸出Zokp為：

第四，計算神經網絡系統誤差。BP神經網絡的總誤差函數Ep為：

式（11）中，tkp為輸出節點k的期望輸出。

第五，對權重系數調整。如果總誤差達不到設定要求，就沿著誤差函數的負梯度方向對權重系數進行調整，調整量的計算公式分別如式（12）和式（13）。

Δωki為輸出層權重系數的調整量，Δωij為輸入層權重系數的調整量，η為學習速率，其值大于0，經過不斷訓練學習，直到誤差達到設定要求或訓練次數達到一定的次數為止。

急性化膿性中耳炎是耳鼻喉科的一種常見疾病，其發生頻率較高，多是因細菌感染所導致的急性中耳粘膜化膿性病變，鼓室及其它部位均可受到累及，臨床表現有耳痛、耳中流膿、鼓膜充血、耳道穿孔、聽力下降等[1] 。急性化膿性中耳炎多繼發于急性上呼吸道感染，各個年齡段均可發病，但以兒童其青年發病率為高[2] ，發病后需要立即給予有效的治療。近年來筆者采用鹽酸洛美沙星滴耳液治療急性化膿性中耳炎患者，效果理想，現報告如下。

三、研究數據

科研成果變量的選取。對于人文社科而言，其主要科研成果是學術論文和學術著作，其他還有研究報告、獎勵等，研究報告近年來越來越受到重視，但總體上研究報告所占比重并不高，此外研究報告質量參差不齊，所以本文暫不考慮。對于人文社科而言，科研獎勵是二次成果，是在學術論文、學術著作和研究報告的基礎上進行評獎的，加上科研獎勵難以計量，簡單采用獎勵數量必然存在較大誤差，因此本文也不考慮科研獎勵。對于學術論文和學術著作，本文將其標準化后采用TOPSIS方法進行評價，得到最終評價結果，其計算公式如下：

式（14）中，P為標準化后的學術論文數量，W為標準化后的學術著作數量，P0為學術論文的極小值，W0為學術著作的極小值，學術論文的權重為0.75，學術著作的權重為0.25。Ci為評價值，其值在0-1之間。

投入變量的選取。研發經費采用研發經費內部支出表示，研發人員采用研發人員數量表示，另一個可用的變量是研發人員折合全時當量，考慮到人文社科研究的特殊性，采用研發人員數量更加合理。項目經費資助強度采用研發經費內部支出除以項目數量作為替代變量。

本文研究對象為教育部首批“雙一流”建設高校，共有137所高校。數據來自教育部人文社會科學信息網（https://www.sinoss.net）的統計數據，時間跨度為2004-2018年期間，前后共15年。由于部分高校部分年度缺失，經過清洗后實際數據為134所高校數據，變量的描述統計如表1所示。

四、實證結果

通過上述數據統計及其分析，我們由此可以得出有關項目經費資助強度與科研成果互動機制下的實證結果，這包括變量的平穩性檢驗、面板數據回歸結果、面板門檻回歸結果、貝葉斯向量自回歸模型、穩健性檢驗等幾個方面。

（一）變量的平穩性檢驗

首先進行變量的平穩性檢驗，以減少偽回歸的風險，本文同時采用LLC、ADF、PP三種檢驗方式，以結果一致為準，這樣提高了研究的穩健性。結果如表2所示，一階差分后，所有變量均是平穩時間序列。

（表1） 變量描述統計

（二）面板數據回歸結果

下面基于公式（1）、公式（2），采用面板數據模型分析項目經費資助強度對科研成果的平均績效以及引入其2次項對科研成果的作用特征。由于投入產出變量之間存在時間滯后，綜合各種因素后確定滯后期為1年。估計方法采用系統廣義矩SYS-GMM進行估計，工具變量采用各自變量的滯后2階變量，這樣可以較好地降低變量的內生性問題。首先采用隨機效應模型進行估計，然后進行Hausman檢驗，以確定是采用隨機效應模型還是固定效應模型。結果如表3所示。

（表2） 變量的平穩性檢驗

（表3） 面板數據回歸結果

先看項目資助強度的回歸結果，模型的擬合優度很高，為0.950，研發經費、研發人員、項目經費資助強度均通過了統計檢驗，對科研成果貢獻最大的是研發人員，彈性系數為0.431，其次是研發經費，彈性系數為0.053，最后是項目經費資助強度，彈性系數為-0.048，說明隨著項目經費資助強度加大，其績效越來越低。

再看引入項目經費資助強度2次項的回歸結果，其1次項和2次項均沒有通過統計檢驗，說明項目經費資助強度與科研成果之間并不存在簡單的2次曲線關系。

（三）面板門檻回歸結果

1.項目經費資助強度對科研成果的時間門檻效應。首先進行單門檻檢驗，F檢驗值為55.310，p值為0.000，說明存在單門檻效應。繼續進行雙門檻檢驗，F檢驗值為24.362，p值為0.000，說明存在雙門檻效應。考慮到樣本數據在2004-2018年之間，總體時間跨度并不長，最終決定采用雙門檻模型進行回歸，結果如表4所示。

項目經費資助強度共有2個時間門檻，分別為2011、2015年，將數據分為3個階段，數據數量分別為938、536、402條，彈性系數分別為-0.094、-0.115、-0.134，彈性系數均為負數，并且越來越小，說明隨著時間的推延，項目經費資助強度的績效越來越差。

（表4） 項目經費強度對學術論文的時間門檻

（表5） 項目經費強度對科研成果的科研成果門檻

2.項目經費資助強度對科研成果的科研成果門檻效應。首先進行單門檻檢驗，F檢驗值為453.162，p值為0.000，說明存在單門檻效應。繼續進行雙門檻檢驗，F檢驗值為460.974，p值為0.000，說明存在雙門檻效應。繼續進行三門檻檢驗，F檢驗值為390.338，p值為0.000。最終決定采用三門檻模型進行回歸，結果如表5所示。

項目經費資助強度共有3個科研成果門檻，其自然對數分別為0.424、1.613、2.429，將數據分為4個階段，數據數量分別為97、445、496、838條，彈性系數分別為-0.260、-0.109、-0.011、0.068，除了第三階段彈性系數沒有通過統計檢驗外，其他階段彈性系數均通過了統計檢驗。隨著科研成果水平的提高，彈性系數逐漸升高，由負數轉變為正數，說明對于科研成果較高的高校而言，提高項目經費資助強度的效果越好。

3.項目經費資助強度對科研成果的項目經費資助強度自身門檻效應。首先進行單門檻檢驗，F檢驗值為20.858，p值為0.000，說明存在單門檻效應。繼續進行雙門檻檢驗，F檢驗值為4.357，p值為0.043，說明存在雙門檻效應。繼續進行三門檻檢驗，F檢驗值沒有通過，最終采用雙門檻模型進行回歸，結果如表6所示。

項目經費資助強度共有2個自身門檻，其對數值分別為5.988、6.442，將數據分為3個階段，數據數量分別為1122、417、337條，彈性系數分別為-0.153、-0.135、-0.125，彈性系數均為負數，并且越來越大，說明隨著項目經費資助強度的提升，盡管其績效不佳，但有所提高。

（表6）項目經費強度對科研成果的項目經費資助強度門檻

（四）貝葉斯向量自回歸模型

下面建立貝葉斯向量自回歸模型，滯后期綜合均衡后選擇3年，這是因為對于人文社科而言，有些研究的滯后期較長，比如學術著作，學術論文的滯后期相對短一些，但一般也有1-2年。對于貝葉斯向量自回歸模型，主要通過脈沖響應函數進行進一步分析。

科研成果的脈沖響應函數如圖4所示。來自研發人員一個標準差的正向沖擊對其影響最大，當期為零，隨后快速升高，從第二期后開始平穩增長。其次是研發經費的沖擊，當期為0，第二期也極小，從第三期后開始比較平穩，但總體彈性不大。來自項目經費資助強度的沖擊的影響總體為負數，當期為0，從第二期后開始為負數，并且比較穩定。這個結果和面板數據回歸結果基本一致。

（圖4）科研成果的脈沖響應函數

項目經費資助強度的脈沖響應函數如圖5所示，來自研發經費一個標準差的正向沖擊對其影響最大，當期就達到極大值，隨后緩慢降低，作用時間較長，其次是來自科研成果的沖擊，當期發揮作用，總體比較平穩，說明科研成果對項目經費資助強度有一定的正向反饋作用。而來自研發人員的沖擊對項目經費資助強度的影響為負數，當期發揮作用，總體比較平穩。

（五）穩健性檢驗

采用BP人工神經網絡進行穩健性檢驗，投入變量為研發經費、研發人員、項目經費資助強度，產出變量為科研成果。在進行學習時，設定絕對誤差閾值為0.0000001，即當系統誤差低于該閾值時學習停止。由于每個BP神經網絡的學習結果均不一樣，為了提高穩健性，采用5個神經網絡的平均結果作為最終結果，如表7所示。

（圖5）項目經費資助強度的脈沖響應函數

（表7） BP人工神經網絡穩健性檢驗

從5個模型的均值看，擬合優度為0.641，相關系數為0.873，模型的總體擬合水平較高。從結果權重看，研發勞動力的權重為82.81%，占有絕對重要的地位，其次是研發經費的權重，為17.21%，最小的為項目經費資助強度的權重，僅為0.58%，可以忽略不計，這個結果和面板數據模型回歸結果基本一致，即研發人員的績效最好，而項目經費資助強度的績效最差。

五、研究結論

由上述數據分析及其實證結果可知，項目經費資助強度對科研成果有著較為明顯的影響，這主要體現在以下六個方面。

（一）項目經費資助強度對科研成果呈現負向作用

項目經費資助強度對科研成果同時具有正向機制和負向作用機制，其正向作用機制主要是保障機制、激勵機制、榮譽機制，負向作用機制包括績效下降機制、資助面變窄機制、破壞科研環境和氛圍機制。本文通過面板數據、貝葉斯向量自回歸模型的研究結果表明，由于正向機制小于負向機制，導致最終項目經費資助強度對科研成果呈現負向機制，這個結論得到了BP人工神經網絡穩健性檢驗的驗證。此外，基于面板數據的研究結果表明，項目經費資助強度對科研成果具有項目經費資助強度自身的門檻，隨著項目經費資助強度的提高，其對科研成果的彈性雖然有所改善，但仍然是負數。綜上所述，項目經費資助強度對科研成果呈現負向作用這個結論是可靠的，這個問題必須引起足夠的重視，項目經費資助強度績效較差必須加以糾正。

（二）科研成果對項目經費資助強度具有正向反饋作用

科研成果對項目資助同樣具有正向機制和負向機制，正向機制包括提高經費資助強度、優化項目資助結構、增加項目數量三個方面，負向機制包括經費剛性、減少項目數量兩個方面。基于貝葉斯向量自回歸的研究結果表明，由于正向機制大于負向機制，最終結果表現為科研成果對項目經費資助強度呈現正向反饋，這是值得肯定的。

（三）項目經費資助強度的績效近年來有所下降

基于面板門檻回歸的研究結果表明，項目經費資助強度對科研成果具有時間門檻效應，在2004-2018年期間，可以分為三個時間階段，分別是2004-2011，2012-2015，2016-2018，在這三個階段中，項目經費資助強度對科研成果的彈性均為負數，并且越來越低。隨著人文社科的快速發展，科研經費投入得到有效的改善，但是項目經費資助強度的績效不升反降，主要原因是近年來項目經費資助強度增加，應采取必要的措施，適當降低或維持項目經費資助強度不變，增加項目數量，加強項目管理，以防止這個問題進一步惡化。

（四）科研成果水平較高時項目經費資助強度的績效較好

面板門檻回歸研究的結果表明，當科研成果水平較低時，項目經費資助強度對科研成果的彈性為負數，但是當科研成果水平較高時，項目經費資助強度對科研成果的彈性為正數。因此對于科研成果水平較高的項目，應當增加項目經費資助強度，或者采用一定的方式進行獎勵，改變原有的項目一旦立項，項目經費就固定不變的模式。對于科研成果水平較高的那些結項項目，應該持續進行支持，并且加大項目經費資助強度。

（五）研發人員對項目經費資助強度的彈性為負數

貝葉斯向量自回歸模型的研究結果表明，來自研發人員一個標準差的正向沖擊對項目經費資助強度的影響為負數，主要原因是研發人員增加，必然會申請更多的科研項目，在科研經費總量維持不變的情況下，會倒逼項目資助數量增加，從而降低項目經費資助強度，這總體上是值得肯定的。

（六）研發人員對科研成果的彈性大于研發經費

人文社科研究有自身的特點，科研經費雖然重要，但學者自身發揮的作用也不容小覷。面板數據模型、面板門檻回歸模型、貝葉斯向量自回歸模型、BP人工神經網絡的研究結果均表明，研發人員對科研成果的彈性大于研發經費。因此，應對人文社科研究進行進一步的細分，區別不同學科、不同項目有針對性地設置項目經費資助強度，這不僅可以提高科研經費的績效，而且也能起到更好的激勵作用。