基于生存分析的國家科技創新政策穩定性研究

樊 霞，王奧希

(華南理工大學工商管理學院，廣州 510640)

科學技術是第一生產力，創新是國家持續發展的動力與民族復興的靈魂.科技創新是技術與經濟結合的有效形式，是增強知識生產能力、催化新技術應用進程、提升經濟效益的中流砥柱.在新時代“雙創”背景下，科技創新政策作為驅動創新活動發展的重要途徑，其穩定性受到政府與學界的密切關注.

針對政策穩定性問題，國內外學者主要從定性與定量的視角對其展開了探索式研究.1) 在定性研究層面，曹霞、于娟運用扎根理論研究了包含項目對接、合作研發、試驗試制和產業化四個階段的產學研合作創新全過程穩定性的影響因素[1].歐陽丹霞等發現公共政策“朝令夕改”的“短期流變”現象，分析了導致該現象的原因以及產生的不良影響，并對此提出對策建議[2].2) 在定量研究層面，學者們多是運用計量模型，實證分析相關政策的不穩定性對企業創新績效、經濟增長等的影響.1978年美國學者Gray等將內華達州關于礦產權的活動換算成法律變革指數，這是第一次對政策進行量化處理[3].顧夏銘、陳勇民等將經濟政策不確定性與上市公司創新數據結合，發現經濟政策不穩定性正向影響上市公司R&D投入與專利申請量[4].程華、錢芬芬以2000年-2009年中央層面發布的454條技術創新政策為研究對象，基于柯布-道格拉斯函數對政策績效進行測量，指出政策不穩定性會抑制政策的技術績效[5].楊海生、陳少凌等以1999年-2013年間地級市官員變更為樣本，實證考察官員變更所引發的政策不穩定性對經濟增長的影響[6].

綜上所述，現階段學術界對于政策穩定性的研究已取得一定進展，但是針對科技創新政策以及直接對其政策自身生存時間的量化分析還不夠完善.因此，本文借鑒生物醫藥學處理方法，前瞻性地定量研究科技創新政策的生存時間，運用生存函數圖標直觀地分析科技創新政策穩定性情況.這對于增強政府配置資源效率、提高政策科學化水平以及政策制定者素質具有重要意義.文章選取國家2006年-2019年中央級政府機構頒布的442條科技創新政策作為文本數據，基于生存分析方法并結合現有文獻構建政策工具、政策目標兩種維度，以動態視角分析國家科技創新政策的穩定性問題，希冀為國家科技創新活動的可持續發展提供實踐參考.

1 數據來源與研究模型

1.1 政策分析框架

1982年，經濟合作與發展組織(Organization for Economic Co-operation and Development，OECD)首次正式對創新政策定義進行闡述.在此之前，創新政策大多和科學政策、技術政策等概念混淆理解，一些文獻將三者籠統地稱為科技創新政策，盡管它們之間具有緊密的聯系，如“科學—技術—創新”(science-technology-innovation)的經典創新線性模型，但由于科學、技術與創新三類活動存在本質性差異，各自的政策內涵與關注點也存在較大不同[7].因此，有必要在概念上對三者進行對比闡述(見表1).

究竟該如何理解“科技創新政策”？從狹義上看，科技創新政策是由科技政策發展延伸而來，是科技政策與產業政策結合的產物.如提出經典政策工具分類的英國學者Rothwell認為“科技創新政策是科技政策和產業政策的協調結合”[11].從廣義上看，科技創新政策被歸結于一個全面而系統的“政策工程”——能對科技創新活動發生深遠影響的系統化管制.1982年OECD科技委員會報告指出，政府實施科技創新政策旨在“將科技政策與其他政策，尤其是經濟、社會、產業和人力資源政策形成一個整體”.中國科學院科技政策與管理科學研究所連燕華認為，科技創新政策是一個政策體系，是國家為促進創新活動、規范創新行為而采取的各類政策的綜合[12].目前，學界對于科技創新政策尚無統一定義，通過對文獻的梳理分析，本文得出的結論是：一是在科學、技術和創新政策上，三者的政策目標是從創造知識到技術應用，再到創造價值的范式改變；二是“科技創新政策”不再簡單地將“科學—技術—創新”政策疊加糅合，而是為提高創新績效與經濟發展的系統政策體系.

在闡述科技創新政策概念內涵的基礎上，本研究試圖構建對該類政策的分析框架.政策主體在執行政策時，為了實現預期的政策目標，有必要根據政策之間的聯動關系將政策工具有機地結合起來，進而形成政策協同作用[13].因此，本研究基于政策工具視角并結合政策目標，提出針對科技創新政策的二維分析框架，具體如圖1所示.

圖1 基于政策工具的二維分析框架Fig.1 Two dimensional analysis framework based on policy tools

蘇竣等指出，很多政策本身就是政策工具，對政策工具的研究就是對政策的直接研究.在中國的科技創新活動中，國家政策對以企業、高校、科研院所等為創新主體的驅動引導作用至關重要.換言之，由于政府對參與科技創新活動的主客體、資源要素以及環境等因素控制程度的不同，進而會對創新活動的產出產生不盡相同的影響[14].因此，本研究選取基于政府對科技創新活動脅迫程度為參考依據的政策工具維度對科技創新政策進行分析.基于以上論述以及梳理現有文獻可知，有關強制性的政策工具劃分，Doern和Phidd認為的“自律”是最不具有強制性的政策，而“民事義務”則是強制性最高的政策[15]，這一分類視角為以強制性程度為視角的政策工具的劃分奠定了基礎.文章引入Howlett 和Ramesh的三級分類法，將科技創新政策體系中運用的政策工具根據其為增強有效性而利用私有資源或公共權力的程度由低到高分為三個級別[16].1) 自愿性工具：較少或不包含政府直接行為或參與，以私人行為者能提供更為高效的解決辦法為信條，它的目標是在自愿的基礎之上完成的，這類工具的主要形式有家庭和社區、私人市場與志愿型社會組織；2) 混合性工具：國家職能部門在一定程度上維護產權和強化合同管理，并且提供不同種類的政策優惠去塑造市場行為，使市場按政府期許方向運行，這類工具主要包括補貼、信息勸誡、產權拍賣、使用者付費與稅收費用；3) 強制性工具：它利用國家或政府的強制性行政權力，使個人或目標群體實施或不實施某些行為.政府為實現其政策目標，可以通過制定有關管制或官僚機構直接采購供給等方式來履行其職能.

Y維度：政策目標(policy objective)

如果說以強制程度為參照依據的政策工具是政府對科技創新活動的指導驅動，意在根據不同情況制定不同政策從而有的放矢地支持創新.“凡事預則立，不預則廢”，有了明確的目標才能夠使有限的創新要素進行高效地整合，進而產生預期的效應.那么以目標為導向的維度就能夠囊括科技創新活動在經濟生活中發揮的所有功能.因此，本研究認為僅僅從政策工具的強制性角度還并不能準確地評價科技創新政策的合理性，應從科技創新本身特有的政策目標入手才能完善其分析架構.彭紀生等學者把創新政策的目標分為知識產權保護、外資引進、技術引進、消化吸收、創新以及科技成果轉化，并對各自維度給出量化依據[17]；陳慧茹等將科技創新政策的目標分為產業發展、企業發展、人才發展、創新、科技成果轉化以及優化環境[18]；Ergas則把技術創新政策目標分為“任務導向型”和“擴散導向型”兩種維度，分別代表知識創造及知識傳播[19].任務導向型政策目標包括技術開發和技術引進，這兩者會增加新知識以及新技術的生產效力.擴散導向型政策目標則是代表新知識的傳播改造，主要包括了技術出口、科技成果轉化.技術出口是新知識向外擴展的有效形式，而科技成果轉化則是作為加快科技進步、推動經濟增長方式轉變的重要環節[20].一般認為，政策目標的分類標準會隨著政策工具的強制性程度而改變.本文在綜合以上分類的基礎上，依據我國科技創新活動特征，把政策目標分為技術開發、技術引進、技術出口以及科技成果轉化.

1.2 數據來源與研究方法

本研究通過國務院有關部委的網站、北大法律信息網以及已出版發行的政策匯編等多種渠道對國家科技創新政策樣本數據進行收集.其中涉及的樣本數據包括法律、行政法規及部門規章等，但只包括中央級政府頒布的相關政策文件.設定的樣本數據收集起始時間為2006年1月1日(2006年《國家中長期科學和技術發展規劃綱要》發布)，截止時間為2019年12月31日，以“技術創新+科技創新”為關鍵詞進行全文檢索，初步收集政策文本7 231條.然后對這些政策內容進行通讀篩選，剔除相關度不高的和重復的樣本，進而選出1 762條與科技創新直接相關或相關度較強的政策，再通過對上述選出的政策文本進行逐一甄查后，最終遴選出我國中央級政府機構頒布的科技創新政策數據樣本442條.對此442條政策進行逐條精讀，從頒布主體、執行主體、效力級別、時效性等(失效政策找出失效依據及失效日期)進行梳理分類，從而形成本文的研究數據庫.

生存分析(survive analysis)是將事件的結果(終點事件)和出現這一結果所經歷的時間(生存時間)相結合的一種統計分析方法.第一，此方法產生的累計生存函數(時間為自變量、相應時點生存率為因變量)可以反映樣本在每一時刻的生存率，從而揭示其生存的動態情況.第二，生存分析中存在一種刪失數據，它們在研究期結束時尚未發生結果事件.生存分析能突破傳統方法對刪失數據處理的局限性，囊括所有樣本反映事件的真實情況，從而更好地解決樣本偏差問題[21].因此，對于本研究的科技創新政策穩定性問題而言，生存分析不僅在概念特征上具有優勢，而且能很好地處理政策樣本的刪失數據，進而較為完善地定量描述科技創新政策生存穩定情況，該分析的實現工具為Spss 22.0.具體來說，文章采用生存分析中的Kaplan-Meier法對科技創新政策進行處理.1958年，英國學者Kaplan和Meier提出利用概率乘法定理計算生存率，又稱為乘極限法.Kaplan-Meier過程適用于小樣本或大樣本未分組資料生存率的Kaplan-Meier分析，其生存曲線的生存率函數如式(1)所示，n是樣本事件數，d是事件發生數.設ni-1、ni，和di分別表示生存超過時間ti-1且未在ti-1截尾的對象數、期初例數、死亡數，則時間ti處的生存率估計為：

i=1，2，…，k.

(1)

設定樣本生存起始時間為2006年1月1日到2019年12月31日之間政策的頒布之日，結果事件為該條政策失效、更改或被替換，樣本生存截止時間為該條政策出現結果事件之日.本研究還規定，觀察政策樣本在2019年12月31日時是否發生結果事件是生存狀態變量，該變量有兩個水平，標記為：1=發生結果事件狀態；0=現行有效狀態(刪失)，依此記錄每一條政策樣本的生存時間.例如，某條政策頒布于2009年11月18日，則是日即為該政策生存起始時間，倘若在2016年11月18日失效、更改或被替換，則此條樣本的生存時間即為7 a，倘若在2019年12月31日時此條政策仍然有效，則該樣本為刪失數據.

2 政策樣本描述分析

2.1 樣本年度分布統計

以2006年—2019年期間的每一年為基準，將文本數據從累積量、存續量以及失效量分別進行統計描述，其結果如圖2所示.

圖2 樣本數據每年累積、新增與失效量情況Fig.2 Sample data accumulated，added and invalidated each year

根據圖2可以看出，累積量處于逐年遞增的形式，其增長幅度可用新增量來表示.2006年-2012年，除2009年新增量值較小外其余年份的數值均大于20，且在2011年-2019年期間，新增量整體呈現上升的趨勢.從失效量來看，在2006年-2010年期間其數值處于下降態勢，雖然在2009年的失效量到10，但整體趨于放緩的態勢.在2011年、2012年兩年中，失效樣本數量迅速增長，且在隨后幾年內又伴隨著一波先跌后漲的態勢.不同的是，自2012年后失效量占新增量的比值呈現逐年減少的趨勢，說明國家科技創新政策的使用效率在逐年提高.

2.2 樣本采納情況統計

在本研究構建的二維分析框架下，對樣本政策的采納狀況描述見表2，由于存在政策交叉現象，故最終在“合計”中顯示出531條樣本數據.在政策工具維度，自愿性、混合型以及強制性工具的各自采納數量為61、213和257，自愿性工具采納率相對較低且此三者數量依次遞增，這表明我國科技創新活動是以政府推動為主導，政策驅動效應明顯.從政策目標維度看，任務導向型政策目標采納數量僅是172條，遠低于擴散導向視角下的359條，表明國家科技創新政策偏向于知識擴散層面.在任務導向視角中，技術開發政策出臺了80條，采納率達到30%；從擴散導向視角看，技術出口與科技成果轉化采納數量依次為166條和193條，表明在知識擴散層級中政府需要加強技術產出力度，進而提高技術出口能力.

表2 有效樣本數據采納統計情況Tab.2 Statistics on the adoption of valid sample data

3 政策樣本生存分析

3.1 政策工具維度分析

文章結合Kaplan-Meier法對政策工具維度和此工具維度下的二級分類視角進行探討，得出相關的生存均值表(見表3)與累計生存函數圖像(如圖3).在累計生存函數圖中，橫坐標表示生存時間(a)，縱坐標表示樣本生存時間對應的累計概率.

從反映生存均值的表3可看出，在均值估計中,強制性政策工具生存周期最短只有7.893 a，混合型政策工具擁有最長的生存周期為9.622 a，自愿性政策工具則居中為9.048 a.從標準誤來看，強制性工具的標準誤最小為0.396，其樣本數據抽樣誤差較小，樣本對總體的代表性較好；混合型工具該值最高為0.470，自愿性工具的離散情況則居中其標準誤是0.428.

表3 不同政策工具生存均值Tab.3 Mean survival of different policy instruments

從圖3看出，生存時間在0～4.1 a區間內，三種政策工具生存情況無較大差異，但在4.1 a之后其穩定性則顯示出明顯的不同.具體來看，混合型政策工具的生存情況較好，說明政府應當合理地運用“看得見的手”的力量，發揮其在科技創新活動中組織協調、政策支持作用；強制性工具政策的穩定性較差，表明政府在科技創新活動中過度干預市場反而不利于其政策的持續生存.除此之外，進一步地將政策工具維度展開，分別探討其二級分類視角下的生存穩定情況(見表4，如圖4、圖5、圖6).

圖3 政策工具維度的累計生存函數Fig.3 Cumulative survival function in the dimension of policy tools

表4 不同政策工具二級分類下的生存均值Tab.4 Mean survival under different classification of different policy tools

從表4可以看出，在自愿性工具中，志愿型社會組織政策比私人市場政策具有較好的生存情況，前者的生存均值高達9.456 a，但其樣本標準誤較大，為0.459，即樣本數據對總體的代表性不佳.在混合型工具中，稅收費用政策擁有最長的生存時間9.849 a，補貼政策生存時間最短僅為6.479 a，信息勸誡政策則居中，三者標準誤值分別為0.447、0.292和0.383.在強制性工具中，直接采購供給政策的生存情況相比較管制政策來說更好，兩者標準誤的差異情況較小.

圖4 自愿性工具維度的生存函數Fig.4 Survival function of voluntary tool dimension

圖5 混合型工具維度的生存函數Fig.5 Survival function of hybrid tool dimension

圖6 強制性工具維度的生存函數Fig.6 Survival function of mandatory tool dimension

在圖4所示的自愿性工具里，志愿型社會組織政策在私人市場政策的圖像的上方，表明具有一定組織性的社會團體更能加強科技創新政策的穩定性.從圖5則可知在政府適度干預市場的情況下，稅收費用政策能夠顯著提高科技創新活動的生存周期，而且要適度控制對各類補貼政策的出臺數量；圖6表示管制政策的穩定情況比直接采購供給政策的要差，表明政府在為科技創新活動提供便利的政策環境時，反而不利于其生存周期及穩定性.

3.2 政策目標維度分析

同樣，結合Kaplan-Meier法對政策目標維度和本維度下的二級分類視角進行探討，得出相關的生存均值表(見表5)與累計生存函數圖像(如圖7).

從表5的數據能夠得出，政策目標與政策工具維度不同，一是政策目標的整體生存時間相比政策工具而言較短；二是在政策目標維度中，擴散導向型目標政策生存時間均值為7.415 a，相對于任務導向型目標的9.157 a來說兩者相差較大.從標準誤情況來看，擴散導向型數值為0.488，相比較任務導向的0.554而言較小，表明擴散導向目標樣本數據抽樣誤差較小，且對總體數據的代表性較好.

從圖7可以看出，與政策工具維度不同的是，任務導向型目標圖像一直在擴散導向目標上方，表示任務導向政策的生存情況一直比擴散導向型政策要好，說明我國知識創造擴散的能力較知識創造能力而言略遜一籌.同樣，進一步地將政策目標維度展開，分別探討其二級分類視角下的生存穩定情況(見表6，如圖8和圖9).

表5 不同政策目標生存均值Tab.5 Mean survival of different policy objectives

圖7 不同政策目標的累計生存函數Fig.7 Cumulative survival function of different policy objectives

表6 不同政策目標二級分類的生存均值Tab.6 Mean survival of secondary classification of different policy objectives

從表6可得出，在任務導向目標下，技術開發政策的生存均值僅有6.699 a，低于技術引進政策的8.215 a，且技術引進政策樣本標準誤也較小.在擴散導向目標下，整體來看技術出口政策的生存時間最長為7.459 a，代表其最為穩定，科技成果轉化政策生存時間較短僅為6.751 a，二者標準誤分別為0.377和0.495.

從圖8可看出，技術開發政策的穩定情況不如技術引進政策，表示政府需要加強對新知識研發力度上的投入，尤其是在基礎性共性技術層面的投入，從而更好的提高科技創新活動的效益.在圖9擴散導向目標中，在0～6.4 a期間，科技成果轉化政策比技術出口較為穩定，但從長遠來看技術出口政策則更為穩定，有關部門在制定科技成果轉化類政策的時候需要著重考慮其長遠性.

圖8 任務導向分類維度的生存函數Fig.8 Survaial function of task-oriented classification dimension

圖9 擴散導向分類維度的生存函數Fig.9 Survaial function of diffusion-oriented classification dimension

4 結論與建議

本研究聚焦我國2006年—2019年期間科技創新政策，基于政策工具并結合政策目標分析框架，利用生存分析方法探究科技創新政策的生存穩定情況，主要是使用Kaplan-Meier法比較政策工具和政策目標兩種維度下科技創新政策的生存情況，以及對每一維度下的二級分類視角展開分析，其結果動態地描述了在研究期的任一時點生存函數的差異，據此提出文章的結論并為建設創新型國家提供參考性建議.

1) 從政策工具維度來看，我國科技創新政策在混合型工具層面的生存情況較優，強制性工具的穩定性較差，自愿性工具居中.在科技創新活動中如何處理政府與市場的關系是歷來較為關切的話題，上述結論一方面說明了在我國現階段的體制機制下，推動產業發展的創新政策仍然由政府驅動為主導；另一方面也能夠得出結論，隨著政策強制程度的增強，其自身的生存穩定情況卻隨之降低.除此之外，從三類科技創新政策的數量上可以看到，我國的科技創新政策較為偏向于對強制性和混合型政策工具的應用，自愿性政策工具的應用存在不足與缺失.鑒于以上論點，研究者認為政府應當重視均衡使用三種政策工具，尤其是要充分重視增加對自愿性工具的使用程度，以進一步完善現有政策結構.具體而言，國家應在適當的范圍內發揮其對科技創新活動的控制程度，合理地運用“看得見的手”的力量，加強自愿性政策的使用程度，即鼓勵個人市場與加強稅收費用政策，發揮其在科技創新活動中組織協調、政策支持作用.在另一方面，更重要的是政府要適當減弱強制性政策的使用程度，給與科技創新活動一定的自主空間，進而讓市場自身發揮其“看不見的手”的力量，通過開源節流來共同增強國家科技創新政策的穩定性.

2) 從政策目標維度來看，我國科技創新政策在任務導向目標上的穩定情況要好于擴散導向目標上的穩定情況，由此所引發的直接表現是國家在科技創新活動中的知識推廣能力上存在不足.說明現階段我國的科學技術需要及時共享，因而國家需要拓寬科技知識的擴散領域，在“大眾創業萬眾創新”的背景下，如何讓更多有需要的企業部門享受最新的科研成果就成為政府首要考慮的問題.在擴散導向中可以看到，科技成果轉化類的政策生存周期最短.鑒于該類政策對科技創新活動具有直接推動作用，我國的創新型企業應當提高對自身科技成果的轉化效率，政府應當加快新技術的市場化進程，進而提高新產品的市場價值，更好地推動社會經濟發展.與此同時，在知識生產層面，技術開發政策的生存周期較技術引進政策而言明顯較短，表明我國現階段在科技創新活動中對新知識的自行研發能力有所欠缺，還較為依賴于知識技術的引進.因此，國家相關產業部門應當一方面繼續維持對技術引進的力度，另一方面是要加強對新技術的研發能力的提升，尤其是要注重對基礎性共性技術的開發能力的提升，通過加強對創新性人才的培養，重視立足當下的環境條件提升我國的科技研發水平.

本研究采用生存分析方法對我國科技創新政策進行考察，對政策的生存時間做了定量分析，在一定程度上彌補了已有研究的不足.進一步的研究方向，一是可以通過拓展研究對象和提升工具條件，更加深入地挖掘文本數據，得出更為精準的結論；二是對影響科技創新政策穩定性因素的作用機理，有必要展開系統分析和科學闡述，更為系統全面地探討科技創新政策穩定性問題.