我國研發投入規模的影響因素研究

符洋　楊彩鳳

摘 要：近年來，我國的研發經費投入規模在迅速擴大，但與一些發達國家相比還存在差距。為提高國家的科技實力，政府采取了全方位、多領域、多層次的政策措施來提高全社會的研發經費投入。本文從經濟形勢、外商投資、科研人才、政府投入、產業結構這5個方面確定了10個重要的指標，選取2012年和2016年全國31個省、自治區、直轄市的橫截面數據，采用偏最小二乘回歸方法對我國區域研發投入規模的影響因素進行分析。結果顯示：R&D;人員數、外商投資總額、GDP、第三產業增加值等因素對加大研發投入具有顯著的促進作用。

關鍵詞：研發投入；R&D;；GDP；偏最小二乘回歸

中圖分類號：F273.1 文獻標識碼：A 文章編號：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

國務院發布的《國家中長期科學和技術發展規劃綱要（2006—2020年）》[1]確定的科技工作的指導方針是：自主創新、重點跨越、支撐發展、引領未來，指出到2020年我國研發投入（R&D;）強度要達到2.5%以上。

目前，大部分研發投入的文章都在研究研發與單個方面指標之間的相關關系。如山東理工大學的李平分析了人力資本對國內自主創新的影響，研究結果表明人力資本是保證國家自主創新能力提升的關鍵[2]。中央財經大學的傅曉霞運用內生技術進步增長模型分析了國外技術引進對國內研發投入的影響，結果表明國外的技術引進對于發達地區的研發投入有促進作用，但對經濟落后的地區有阻礙作用[3]。中南大學的舒謙重點研究了在金融危機前后影響中國制造型企業研發投入的治理結構因素，結果反映了中國制造型企業所處的發展環境以及近年來“國進民退”的政策環境對研發投入有深遠影響[4]。山西省產業技術發展研究中心的黃桂英根據山西省近年來研發經費投入（R&D;）現狀，分析了山西省研發經費投入水平較低的主要因素，從增強企業家創新意識、激勵企業加大研發投入、完善多元研發投入體系、改革政府考核評價指標體系等方面提出了相關的建議[5]。隨著研究與實驗發展的影響程度進一步擴大，對于研發投入的相關研究也會更加全面和深入。

本文結合以往的研究成果，從經濟形勢、外商投資、科研人才、政府投入、產業結構這5個方面出發，篩選出相關的指標，采用偏最小二乘回歸方法來研究研發投入的主要影響因素。

2 偏最小二乘回歸的基本原理

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在經濟領域中進行研究，并逐步應用于其他領域。S. Wold（1983）首次提出偏最小二乘回歸概念，用來解決計量化學中變量存在多重共線性并且解釋變量個數大于樣本量的問題。偏最小二乘回歸對于深入分析數據的綜合信息具有較好的性質[6-8]。

設有q個因變量[{y1，···，yq}]和[p]個自變量[x1，···，xp]。選取[n]個樣本點來構造自變量與因變量的數據表X=[x1，···，xp]和[Y]=[y1，···，yp]。在X中提取出成分[t1]，即[t1]是[x1，···，xp]的線性組合；在[Y]中提取成分[u1]，即[u1]是[y1，···，yq]的線性組合。這兩個成分的提取需要滿足以下兩個方面的條件：

①[t1]和[u1]必須充分地表達其對應變量的變異信息；

②[t1]與[u1]的相關程度能夠達到最大。

在這兩個條件的限定下，[t1]和[u1]都最大限度地攜帶了X與Y的信息，同時[t1]對[u1]的解釋能力達到最大。

當第一個成分[t1]和[u1]被提取后，偏最小二乘回歸分別實施X對[t1]的回歸以及Y對[u1]的回歸。如果回歸方程的精度達到目標值，就結束計算；如果回歸方程的精度達不到理想水平，則將X被[t1]解釋后的殘余信息以及Y被[u1]解釋后的殘余信息進行第二次成分提取，如此第二次提取之后還達不到精度要求，則繼續提取，直到符合精度要求為止。如果在實現精度要求下，對X共提取了m個成分[t1，···，tm]，偏最小二乘回歸則會利用[yk][（k=1，2，···q）]對[t1，···，tm]進行回歸，然后再表達成[yk][（k=1，2，···q）]關于原變量[x1，···，xp]的回歸方程。

利用SIMCA-P來實現偏最小二乘回歸的計算時可以先將原始數據進行標準化處理的基礎上再進行分析。設X與Y進行數據標準化后的矩陣分別為[Xo=（x01，x02，···xop）n×p]、[Yo=（y01，y02，···yop）n×q]，假設在第n次主成分提取與回歸之后，使得提取的主成分能代表幾乎所有的自變量，利用偏最小二乘回歸的相關算法可以得到：

3 影響因素的分析指標篩選

研發投入是科研創新的重要保障，研發投入的高低對地區科技創新發展至關重要。研發投入受眾多因素影響，通過研究以往專家學者的相關研究，并結合數據的可獲取性以及當前研發的整體環境，本文從經濟形勢、外商投資、科研人才、政府投入、產業結構這5方面確定了10個影響較為顯著的指標作為解釋變量，用研發經費支出作為響應變量。

經濟形勢部分選取的指標有地區生產總值、社會消費品零售總額，分別用GDP、TRS表示；外商投資部分選取的指標有外商投資總額、地區貨物進口總額，分別用TI、TVI表示；科研人才部分選取的指標是R&D;人員數和R&D;人員全時當量，分別用POPU、FTE表示；政府投入部分選取的指標是地區公共預算支出中的科學技術支出，用STEB表示；產業結構部分選取的指標是第一產業增加值、第二產業增加值、第三產業增加值，分別用GDP1、GDP2、GDP3表示。

本文選取2012年和2016年的全國31個省、自治區、直轄市的截面數據作為研究樣本，實證部分的數據來自于中國統計年鑒和中國科技統計年鑒。

4 研發投入影響因素的實證分析

考慮到近10年各地區的研究與實驗發展都有了明顯的提升，本文選取2012年和2016年這兩年的橫截面數據進行分析，通過這兩年的數據來挖掘2012—2016年全國研發的整體信息。運用SIMCA-P軟件來實現分析，對導入的數據進行單變量PLSR模型的設置和估計。實證部分的有關原理參考了一些計量和統計方面的專著[9-10]。

4.1 特異點識別

首先利用Analysis/Scores/Scatter Plot可以顯示前兩個主成分的散點橢圓圖，2016年的圖像見圖1。2012年圖類似，在此就不再展示。

從圖1中可以看出所有的點都在橢圓的內部，說明原始數據沒有特異點。另外，為了探究t（1）與u（1）之間是否存在明顯的線性關系，繪制了t（1）/u（1）的平面圖。2016年的圖像見圖2，可以看出存在明顯的線性關系。

4.2 VIP值

利用Analysis/Variable Importance/List可以得到每個解釋變量對響應變量投影的重要性，即VIP（Variable Importance for the Projection），結果見表1。

從表1可以看出，科研人員是促進全社會加大研發投入最重要的影響因素；第三產業的發展需要科技作支撐，因此第三產業對研發的促進作用也非常顯著；國內經濟環境穩定為全面加大研發投入提供了必要條件；政府對科學研究的支持力度、外貿經濟的發展也對研發投入有著深遠的影響。

4.3 模型擬合參數

利用Analysis/Coefficients/Plot進行模型自動擬合時，對2012年、2016年的數據都提取了2個主成分。2012年的各成分累計交叉有效性為0.821 5，2個成分對保費收入的累積解釋能力為0.957 7；2016年的各成分累計交叉有效性為0.865 8，2個成分對保費收入的累積解釋能力為0.929 4；這兩年的研發投入與影響因素之間PLSR模型的系數關系見圖3和圖4。

從圖3和圖4可以比較直觀地看出偏最小二乘回歸模型的各個解釋變量對保費收入的影響方向和大小。解釋變量的系數為正數，則表明它對研發投入有正向影響；反之，解釋變量的系數為負數，就表明該因素對保費收入有負向作用。絕對值越大，代表作用越強。

在這兩個階段，影響變化較為明顯的變量是外商投資總額（TI）和科學技術支出（STEB）。外商投資總額（TI）在2012年是排第六位的影響因素，在2016年排在了第二位；政府的科學技術支出（STEB）從2012年的第二位變成了2016年的第六位影響因素，這在一定程度上反映了隨著全社會對科研的重視度提升，更多的民間資本投入到研發活動中，使得科學研發投入對政府的依賴程度降低，而外商對中國企業帶來了技術升級的壓力，激發了企業對研發的重視程度。

R&D;人員數（POPU）、R&D;人員全時當量（FTE）在2012年和2016年都是非常重要的影響因素，說明人才是科學研究的基礎，是全社會加大研發投入的重要吸引力，這也充分體現了人才強國戰略的科學性。

這些影響因素中只有第一產業增加值（GDP1）是負向作用，但是2016年的負向作用相比較2012年有所下降，說明針對第一產業的研發還相對較少，但隨著農村現代化進程的推進，第一產業也亟需科研的投入。

4.4 回歸擬合效果

利用回歸方程將2012年和2016年的研發投入的數據進行擬合，與保費收入的實際數據進行對比。從圖5和圖6可以看出，偏最小二乘選取的變量達到了較高的擬合精度。

5 結論

國際金融危機影響深遠，世界主要國家都將科技創新提升為國家發展戰略，紛紛大幅增加研發投入，強化核心關鍵技術的研發部署，競相爭奪科技創新人才，搶占戰略性新興產業發展的先機和主動權。自主創新能力是科技發展的戰略基點，研發投入作為科技創新的基礎，受到了全社會的廣泛關注。本文通過偏最小二乘方法研究了2012年和2016年的研發投入規模與相關影響因素之間的關系，得出了以下幾點結論：

①科技人才對研發投入具有顯著的促進作用，科技人才是提高自主創新能力的關鍵，因而需要著力培養創新型科技人才隊伍，充分發揮人才資源在科技創新的基礎性作用。

②科技發展水平直接或間接地在各個層面上對第三產業的發展起著積極的促進作用，因而第三產業的發展對科技提出了更高層次的需求。目前我國第三產業發展迅速，所以加快科技成果轉化、助推“產學研用”合作，實現產業結構升級，這些都將促進研發投入的進一步加大。

③對外貿易為我國技術市場發展添加了新的活力，合理學習國外先進的科學技術對于加強國內研發投入、推動國內科研實力都有深遠的影響。

④良好的經濟環境對加大研發投入具有基礎作用，通過加大研發投入可以實現科技對經濟社會發展的支撐引領作用。

參考文獻：

[1] 中華人民共和國國務院.國家中長期科學和技術發展規劃綱要（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，劉建.中國自主創新中研發資本投入產出績效分析：兼論人力資本和只是產權保護的影響[J].中國社會科學，2007（2）：32-42.

[3] 傅曉霞，吳利學.技術差距、創新環境與企業自主研發強度[J].世界經濟，2012（7）：101-120.

[4] 舒謙，陳治亞.影響中國制造型企業研發投入的治理結構因素[J].科學學與科學技術管理，2013（9）：97-105

[5] 黃桂英，許超，徐永庫.影響山西研發經費投入的因素和對策[J].山西科技，2017（5）：1-4.

[6] 王惠文.偏最小二乘回歸方法及其應用[M].北京：國防工業出版社，1999.

[7] 王惠文，吳載斌，孟潔.偏最小二乘回歸方法及其應用[M].北京：國防工業出版社，2006.

[8] 吳擁政.農村居民消費結構變動的影響因素分析：基于新興古典經濟學與偏最小二乘回歸的經驗證據[J].經濟經緯，2008（6）：5-8.

[9] 趙西亮.基本有用的計量經濟學[M].北京：北京大學出版社，2017.

[10] 陳強.高級計量經濟學及Stata應用[M].北京：高等教育出版社，2014.