科技服務業產出測算：指標確立、數據收集與未來預測

杜寶貴，陳 磊

(東北大學 文法學院，遼寧 沈陽 110169)

0 引言

隨著我國科技服務業快速發展，產業規模和要素投入與日俱增，建立一套科學合理的產出評價體系已經成為現實所需。科技服務業產出評價體系包含多元性和系統性內容與結構，如評價維度、評價方法、評價依據、評價原則等。科技服務業產出測算是科技服務業產出評價體系的重要組成部分，其測算數據是開展科技服務業產出評價的依據和支撐。從微觀層面看，科技服務企業基于自身盈利最大化的核心目標已經設計或采取相對成熟、完善的成本控制和收益管理制度，其中就包括復雜的企業產出統計指標和日臻改進的計算方法。這種微觀層面的企業產出統計主要是對科技服務企業經濟產出的測算，直接反映出企業生產與經營效益狀況，屬于企業內部管理活動范疇。與之不同的是，本文研究的科技服務業產出測算是一種宏觀層面的測量和計算活動，主要是指對某一時間段特定地區或區域范圍內科技服務業發展過程中獲取或產生的經濟產出和社會產出進行統計與測算，更多地是反映科技服務業產出的社會價值，比較適用于政府部門制定科技服務業發展規劃或調整科技服務業政策投入等經濟活動。科技服務業產出測算是衡量科技服務業政策效果的重要步驟，對總結既有政策經驗、調整當前政策投入以及預測產業未來發展規模具有重要參考意義。指標確立和數據收集是進行科技服務業產出測算的基礎和前提，如圖1所示。此外，未來預測是科技服務業產出測算的一個重要功能，尤其在編制科技服務業發展規劃和確定科技服務業未來發展指標中具有關鍵支撐和參考作用。

圖1 科技服務業產出測算基本內容

目前，國內外學者關于科技服務業發展數據的統計與應用研究已經比較常見，相關研究思路和研究方法較為新穎豐富，且還在不斷進行開拓和創新，但科技服務業產出測算方面的研究尚不多見。與國內相比，國外科技服務業發展歷程較長，產業數據統計與應用已經相當規范和成熟，因此國外相關研究更多集中于利用科技服務業發展數據探究科技服務業內部特征和外部效應，如評估產業空間布局[1]、預測科技服務業創新傾向[2]、探討科技服務業與經濟增長之間的關系[3-4]以及分析科技服務業國際競爭力[5]等。國內學者在科技服務業數據統計與應用方面的研究主要集中于以下兩個方面：一是探討科技服務業主要業務構成，以行業模塊形式劃分科技服務業子產業，歸納科技服務業基本業態，勘定產業邊界，構建符合我國國情的科技服務業行業分類標準[6]；二是對一定地域范圍的科技服務業發展水平、競爭力水平、創新能力、服務能力、發展潛力等進行評價分析，運用定量方法和模型構建科技服務業評價維度指標體系，通過對初級指標進行層層分解和量化，將科技服務業部分發展指標轉化為可測算、可獲取的數據。

(1)在科技服務業行業劃分方面，學界至今尚未形成相對一致的觀點和標準，學者們從不同視角和領域提出科技服務業產業構成的多種劃分標準。如彭海陽[7]在整合已有文獻、國內行業分類政策和國外(美國、歐盟、日本等)行業分類標準基礎上，將科技服務業業態劃分為研究服務、科技中介服務、科技信息服務等11種類型；張恒等[8]將科技服務業劃分為科研技術服務業、科學信息服務業、科技資本服務業、科技宣傳服務業和科技管理服務業5種基本行業；趙三武和孫鵬舉[9]認為，科技服務業可以劃分為4個層次，即科技成果開發形成服務、科技成果傳播應用服務、科技活動專業基礎服務和科技活動公共基礎服務；韓魯南等[10]提出，與國外相比，我國科技服務業分類缺少法律與會計實踐活動、總公司活動、管理咨詢活動及廣告與市場研究。由此可見，科技服務業產業劃分和產業邊界日益清晰，逐漸形成以科技研發服務、科技中介服務、創業創新服務、專業技術服務、科技普及服務為組成部分的科技服務業分類模式。

(2)在產業評價和實證分析方面，學者們采用眾多定量分析工具，如TOPSIS方法、因子分析法、主成分分析法、CRITIC-VIKOR 法等，并在構建相應模型指標體系過程中，不斷對科技服務業不同維度進行分解和量化。如王穎等[11]運用TOPSIS方法對我國中部地區6個省份科技服務業發展水平進行比較和評價，將發展規模、投入水平和發展潛力3個一級指標分解為10個可測算的二級指標；周慧妮(2017)綜合運用因子分析和Ward 聚類法分析湖北省科技服務業競爭力水平，在科技服務業發展基礎、科技服務業投入和科技服務業產出3個一級指標下確定20個具體量化指標；周峰[12]在對科技服務業創新能力進行評價時，圍繞市場和創新提出基于4C理論的科技服務業創新能力評價指標體系，包括客戶需求、客戶成本、客戶便利和客戶溝通能力4個一級指標以及與之對應的9個二級指標；張鑫等[13]采用改進的CRITIC-VIKOR法構建包含服務創新產業發展潛力、服務創新資源投入能力和服務創新成果創造能力3個一級指標、10二級指標和25個三級指標在內的評價指標體系；段利民等[14]運用主成分分析法確定經濟水平、科技資源、制造業基礎、科技服務業基礎和政府支持5個一級指標，并細化出18個可測量二級指標。在學者們推動下，科技服務業發展效率和效能評價有了量化指標支撐，并且相關指標體系逐漸走向成熟，可用于實踐操作，從而為科技服務業產出測算提供了有益借鑒。

綜上所述，學者們的研究觀點為科技服務業產出測算提供了思路和方法借鑒。然而，當前相關研究仍存在以下不足之處：首先，當前學術界關于科技服務業產業劃分的方法和觀點很多，且各有合理之處，但尚未形成一個被普遍認同的劃分標準，因此操作起來會面臨如何選擇的困境；其次，為了對科技服務業發展狀況進行評價，學者們構建了很多量化指標體系，但這些量化指標僅服務于不同定量分析模型和方法中相應指標維度測算需要，指標涵義和范圍過于寬泛，對科技服務業產出測算借鑒有限；最后，目前學術界鮮有學者關注科技服務業產出測算的重要功能，尤其是在編制科技服務業發展規劃中對科技服務業相應發展指標的未來預測。基于此，本文以科技服務業產出測算為研究對象，結合學者觀點、政策規范及相關實踐經驗，從指標確立、數據收集和未來預測方面闡述科技服務業產出測算過程，為科技服務業產出測算和科技服務業政策評價研究提供思路與方法探索。

1 指標確立

前文論及目前學術界在科技服務業產出研究方面出現兩個并駕齊驅的重要趨勢：一是產業劃分更加明確，二是構建形式多樣的量化指標體系。然而，就科技服務業產出測量而言，這“兩架馬車”還存在一定局限性。首先，劃分科技服務業后，各子產業相應的測量指標體系并未建立起來；其次，已有量化指標多是基于不同評價需求，在各種評價模型或方法基礎上建立起來的，一級指標分類不清晰，二級指標過于寬泛和分散。因此，為了克服以上兩種局限，便于科技服務業產出測量指標確立，可以將“兩架馬車”合二為一，即在產業劃分基礎上，借鑒已有指標體系部分指標，建立起科技服務業主要分支產業量化指標，以此作為科技服務業產出測量依據。一方面，從分支產業分別進行產出測量，方法簡單、思路清晰、操作性強；另一方面，由于產出是政府評價科技服務業政策效果和調控政策投入的重要依據，產出測量需要兼顧多方面發展指標，從而能夠對科技服務業政策投入的整體收益進行掌握，因此從不同分支產業進行產出測量能夠更好滿足政府產業宏觀調控的現實需要。此時，存在兩個問題需要處理：采取什么樣的產業分類標準？如何確立分支產業產出量化指標？

1.1 產業分類標準確定

目前，針對科技服務業產業分類還沒有形成相對一致的觀點，分歧主要來自于3個方面：首先，學者們根據不同研究視角和研究目的，在科技服務業內涵界定和概括的基礎上提出了較為多樣的產業劃分標準。其次，目前國家已經初步制定了科技服務業分類的行業分類標準和統計標準，是科技服務業產業劃分的國家標準。最后，各級政府部門印發的產業政策也包括產業劃分內容，代表政府對科技服務業產業劃分的理解和意志。這里的政府部門既包括中央政府，也包括地方政府。具體而言，2014年10月，國務院頒布《國務院關于加快科技服務業發展的若干意見》，第一次從產業政策角度提出科技服務業發展的9項重點任務，即研究開發及其服務、技術轉移服務、檢驗檢測認證服務、創業孵化服務、知識產權服務、科技咨詢服務、科技金融服務、科學技術普及服務和綜合科技服務，代表中央政府對科技服務業基本范圍的確認；地方政府出臺的科技服務業政策融合了區域特色，一般會根據本地區發展目標和產業基礎進行產業確定和劃分，但總體上基本與國務院分類標準保持一致。以上3個方面的科技服務業產業劃分情況如表1所示。

表1 科技服務業產業劃分標準

根據上述產業劃分觀點與實踐，并結合本研究實際需要，本文傾向于采用以國務院劃分方法為主的分類標準。主要理由有：第一，全面性。該分類標準基本囊括了目前學者提出的科技服務業主營業務，如R&D相關服務、科技成果轉移轉化服務、創新創業服務、知識產權服務、科技知識推廣服務等，同時，《國民經濟行業分類》(GB/T 4754—2017)、《國家科技服務業統計分類(2018)》以及地方政府出臺的科技服務業政策在確定和表述科技服務業產業分類時都不同程度參照了國務院的劃分方式。第二，權威性。該分類標準由我國中央政府以國家政策形式發布，對相關部委和地方政府的科技服務業政策制訂與實施具有很強的指導性和約束性。第三，代表性。該分類標準本質上代表我國政府對科技服務業本身的認知和理解，是對我國科技服務業功能定位、產業構成和重點領域的識別與建構，成為我國中央政府和地方政府進行科技服務業產業劃分的主流做法。此外，該分類標準實施后，科技服務業各個細分產業產出數據也成為地方政府科技服務業工作業績考核的重要依據和指向。因此，將國務院產業劃分方式作為科技服務業產業分類標準和本研究中產出測算初級指標是最佳選擇。需要強調的是，由于綜合科技服務是比較新的提法，而且對其概念和范圍的界定尚不明確，確定其具體量化指標相對困難，因此本研究不對該產業進行測算，相應的科技服務業細分產業將不包括此項。

綜上所述，本研究最終確定的科技服務業細分產業為：研究開發服務業、技術轉移服務業、檢驗檢測認證服務業、創業孵化服務業、知識產權服務業、科技咨詢服務業、科技金融服務業和科學技術普及服務業。具體而言，研究開發服務業是指各種組織或機構運用自身科技創新資源與能力為基礎研究、應用研究、試驗發展3類創新性活動提供專業性服務的總和，其主體包括研發(設計)外包服務企業、高校、科研院所、國家重點實驗室、工程技術研究中心、生產力促進中心、技術創新聯盟等；技術轉移服務業的目標和使命是通過為新技術評估、推薦、流動、推廣、轉化、交易等提供中介服務，推動科技成果轉化為現實生產力，其主體包括生產力促進中心、技術轉移中心、技術市場、創新服務中心、科技大市場等；檢驗檢測認證服務業是一種專業技術服務業，包括檢驗檢測服務業和認證服務業兩種基本業態，其從業機構一般需要得到政府許可或者具有較高的技術水平和社會信譽，如各地設立的檢驗檢測認證中心；創業孵化服務業包括各類孵化載體和孵化空間，如科技企業孵化器、大學科技園、眾創空間、創新創業園等，能夠為全社會創新創業活動尤其是初創型中小企業提供必要性和全方位服務；知識產權服務業主要包括知識產權代理、登記、信息、咨詢、檢索、評估等服務性活動以及與之相關的各種企業或機構，是創新活動和創新過程中必不可少的重要產業之一；科技咨詢服務業是指依靠自身科技資源與優勢為客戶提供訂單式、集成化、專業性解決方案的各種組織或機構的總和，其主體包括高校、科研院所、各種科技咨詢企業或戰略咨詢協會等；科技金融服務業是為科技創新和各類科技企業發展提供多元化投融資服務的產業形態，主要產品包括科技信貸、科技擔保、風險投資、科技眾籌、新興產業創投基金等；科學技術普及服務業是一種事關公眾科學技術素養的重要產業，主要從事科學技術知識轉化、傳播、普及等服務性活動，其主體包括高校、科研院所以及各地建設的圖書館、科技館、展覽館等各類開放式文化場館。

1.2 產出量化指標確立

科技服務業細分產業確定后，需要對每個子產業的量化指標進行分解和設定，這是產出測量的關鍵一步，關系到產出測算結果的代表性和有效性。需要說明的是，由于產出測算是一種半主觀性、非純客觀的測算活動，其目的是為政府產業政策效果提供評價依據以及為未來相關產業政策制定提供決策支撐，考慮到政府資源的有限性和目標考核需要，選取的量化指標只能是二級產業里全部指標中部分具有很強代表性的關鍵指標。因此，量化指標不僅需要反映科技服務業各個細分產業主營業務收益(發展)情況，還需要反映政府主管部門對相關指標設定的意愿。基于此，本研究確定量化指標的基本思路是：首先，收集和匯總當前學者在科技服務業定量研究中建立的量化指標體系、我國現行科技服務業政策中針對科技服務業發展情況設定的指標，以及政府統計部門等權威機構編制和發布的統計年鑒等數據資料，作為本研究指標設定的主要來源和重要參考；其次，在考慮指標代表性和數據可得性基礎上，初步形成科技服務業各細分產業主要量化指標；最后，邀請科技主管部門、高校、科研院所三方人員，通過組織專家論證會對科技服務業產出測算指標體系進行充分論證和深入分析，結合專家意見，對初步確定的量化指標進行修改和調整，最終確定適用于科技服務業產出測算的量化指標單元(見表2)。

表2 科技服務業產出測算量化指標單元

2 數據收集

量化指標是科技服務業產出的基本測量單元，其具體對應數據是產出的數值表達。細化的指標單元為數據收集提供了目標和方向，在完成指標確立后，緊接著就要為每個細分產業量化指標尋找和填充具體數值，即數據收集。數據收集是科技服務業產出測算的重要步驟，收集得到的數據既是以往科技服務業產出的歷史數據，也是科技服務業產出的未來預測及其它統計或測算的基礎數據。數據收集包括兩個基本內容和環節：一是“收”，即搜索、尋找、收羅、匯總不同指標對應的具體數值；二是“填”，即對收集得到的數據進行清洗、篩選，填寫所有指標具體數值。

(1)在“收”的過程中，主要面臨以下困難：首先，數據來源問題。由于數據用途和數據主體的多元化，現實中存在著林林總總的數據來源，如論文、新聞報道、政府網站等，再加上數據的碎片化，難以找到需要的準確數據，也無法形成連續時間序列的數據結果。相比而言，統計年鑒作為相關行業部門發布的專業統計數據，如《中國火炬年鑒》《中國科技統計年鑒》《中國第三產業統計年鑒》等，無論是權威性還是連續性都比較高，因而是可靠的數據來源。其次，統計口徑問題。即使采用統計年鑒作為主要數據來源，但不同統計年鑒對科技服務業各個細分產業的統計口徑仍然存在不對稱問題。一方面，統計指標名稱不同，如《中國科技統計年鑒》中的研究和開發服務機構，在《中國第三產業統計年鑒》卻表述為科學研究與技術服務業企業法人單位；另一方面，數據異化問題，如《中國第三產業統計年鑒》中技術市場成交額數據與《中國火炬年鑒》中技術合同成交金額數據不同。最后，數據殘缺問題。由于統計年鑒統計規范、范圍的改變，一些統計指標出現較晚，因此只能收集到短時間段內的數據。如《中國火炬年鑒》中關于眾創空間的統計只包括2016年至今的數據。因此，在尋找、匯總數據過程中應該堅持全面性原則，對統計年鑒等權威數據載體中與細分指標相同或相關的數據一一進行歸納和整理，應收盡收，形成相對全面的細分指標數據庫。

(2)在“填”的過程中，主要包括3個步驟：①數據清洗，即對已經收集到的數據進行初步過濾，排除一些不符合相應指標指向和涵義的數據，使指標數據趨向集中、準確；②數據篩選，即對初步過濾后的數據進行比較分析，篩選出準確的指標數值；③數據填寫，即對篩選后的數據進行整理，形成最終指標數據。由于存在指標統計口徑不同、數據殘缺等問題，部分指標與數據之間并非一一對應關系，而且不同指標數據的時間序列長短也不盡相同。因此，最終指標數據呈現方式應該是一個指標對應一個或多個數據且時間序列長短不一的數據表。

3 未來預測

指標體系構建和相應數據收集實際上是一個統計過程，指標體系是統計維度，數據收集是統計結果，由此形成科技服務業產出的歷史數據。大數據時代，歷史數據的價值已經不再是傳統的建檔立案，而是成為關聯數據分析的重要資源。充分挖掘和利用科技服務業產出歷史數據，對行業發展評估、產業政策評價和未來政策目標設定都具有重要作用。歷史數據是支撐各種測算的基礎，未來預測就是其中一種。未來預測是指依據現有數據資源，通過運用數理模型或手段對未來一定時期內科技服務業政策各項產出指標變動情況進行預判和測算。

3.1 預測方法

由于未來預測對預測方法的依賴性較強，不同預測模型或手段可能會產生不同結果，有的結果甚至相差懸殊，因此選擇科學合理的預測方法是保證未來預測結果準確性、有效性的關鍵。鑒于目前學術界對科技服務業發展預測及其方法的相關研究尚不多見，本研究嘗試從自然數據測算一般方法角度，提出兩種相對簡單和便于操作的數據預測方法，作為對科技服務業發展預測的初步探索。

(1)方法一：依據相應指標歷史數據，通過計算若干年內數據同比增長率，得出相應年份的平均增長率，測算未來一定時期科技服務業各項產出預測數據。這種方法的基本假設是，在排除社會出現巨變或波動的情況下，社會各項事業發展指標總是呈現出相對穩定性，其發展速度或效率在一定時期內保持相同或相近。也就是說，在理想狀態下，若干連續年份某一指標自然數據平均值反映一定時期內相應指標數據的穩定屬性，因此在未來若干連續年份中，該指標數據依舊會保持相同或相近的平均值。具體而言，雖然近年來我國科技服務業發展勢頭強勁，產業規模持續擴大，產業形態逐步創新，但從整體上看，由于受到市場、人才、技術等因素影響或限制，我國科技服務業發展速度仍將保持緩慢增長態勢，具有相對穩定性。

(2)方法二：依據相應指標歷史數據，構建數據分布散點圖，運用指數函數、線性函數、多項式函數、乘冪函數對歷史數據進行擬合，形成最優擬合方程式，從而對科技服務業未來產出數據進行預測。這種方法采用曲線擬合函數思想，在采集若干年份某一指標自然數據基礎上，通過建立散點圖，獲取自然數據的趨勢線方程，即所謂的曲線擬合函數，模擬自然數據未來發展趨勢并預測相應年份的指標數據。

3.2 實證分析

以測算2025年L省科技服務業技術合同成交額為例，本文對上述兩種預測方法(方法一和方法二)的應用進行實證分析。通過參考相關統計年鑒收集到2009—2019年L省技術合同成交額具體數據，如表3所示。

按照方法一，根據2009—2019年L省技術市場成交額數據(見表3)，可計算得出每年L省技術市場成交額同比增長率(同比增長率=(本年技術市場成交額-上一年技術市場成交額)/上一年技術市場成交額)，計算結果如表4所示。在此基礎上，可以得出2010—2019年每年L省技術市場成交額同比增長率平均值，為20.27%，即認為未來10年L省技術合同成交額每年都會以20.27%的速度增長，并以2019年數據為起點，測算得出2025年L省技術市場成交額數據。

表3 2009—2019年L省技術市場合同成交金額

表4 2010—2019年L省技術市場成交額同比增長率

根據方法二，首先需要將L省技術市場成交額轉換到年份—數據的X-Y二維坐標系中，繪制出歷史數據散點圖。為了測算方便，將X軸中年份簡化為年份序列，即2010年設為1、2011年為2，以此類推，Y軸數據不變。然后，運用指數函數、線性函數、多項式函數、對數函數和乘冪函數分別對散點圖進行擬合，根據R2數值大小確定最優擬合方程式。R2是擬合系數，又稱為決定系數(取值范圍為0～1之間)，是反映趨勢線擬合程度的重要指標，其數值大小可以反映趨勢線的估計值與對應實際數據之間的擬合程度，趨勢線的 R2越接近于1，擬合程度越高，趨勢線的可靠性就越高，也就意味著預測性能越好，反之則可靠性和預測性較低[24]。圖2～6是L省技術市場成交額5種函數的擬合趨勢圖，從圖中可以獲取5種函數的擬合系數和擬合方程式，如表5所示。由表5可知，多項式函數、指數函數和線性函數的擬合系數都超過0.8，說明這3種函數的擬合性能非常好，相比之下，對數函數和乘冪函數的擬合性則較差。因此，本文采用多項式函數、線性函數和指數函數對2025年L省技術市場成交額進行預測比較可行。需要說明的是，由于函數模型是一種非常理想的預測方法，本質上是一種簡單的數量計算，沒有考慮到產業發展過程中面臨的多種因素影響，因而其產出數據只能作為決策參考。

表5 5種函數的擬合系數與擬合方程式

圖2 L省技術市場成交額指數函數擬合趨勢

圖3 L省技術市場成交額線性函數擬合趨勢

圖4 L省技術市場成交額多項式函數擬合趨勢

4 政策建議

大數據時代，加強科技服務業產出數據的規范統計和應用分析是我國科技服務業發展走向智能化、數字化、科學化的重要支撐。科技服務業產出測算的目標在于通過構建包含若干重要數據的指標體系反映科技服務業整體發展狀況和趨勢。然而，在現實操作過程中，科技服務業產出測算往往面臨著困境：一是科技服務業范圍過大、種類過多，產業邊界無法形成統一界定范式，導致測量指標確立比較困難；二是科技服務業產出數據碎片化嚴重，分散在指代名稱不同、產業劃分與統計口徑混亂不一的統計資料中，沒有形成規范化和完整化的數據統計與發布格式，給數據收集帶來極大困難；三是在科技服務業未來發展預測中，不同測算方法可能帶來相差懸殊的預測結果，因此必須探索和采取多元化測算方法，才能保證測算結果的客觀性和科學性。下一步，國家應繼續加大科技服務業政策引導與扶持，建立健全科技服務業發展數據(包括投入、產出等數據)統計與管理體制機制。

圖5 L省技術市場成交額對數函數圖擬合趨勢

圖6 L 省技術市場成交額乘冪函數擬合趨勢

首先，國家相關部門應加強科技服務業數據收集的標準化建設，在征詢企業、專家、公眾意見和建議基礎上，結合科技服務業屬性，尤其是當前科技服務業出現的新特點和新業態，更加清晰地界定科技服務業概念及范圍。同時，應逐步統一全國各地及全社會科技服務業數據收集、測量指標或標準，形成規范化、可比較的科技服務業數據資源。當前，雖然國家統計局已經出臺《國家科技服務業統計分類(2018)》，但至今并未發布過以該分類標準為基準編制的統計公報或統計年鑒，全國各地科技服務業統計標準仍各不相同。因此，一方面需要強化已有分類標準的實施力度并擴大適用范圍，另一方面應加快形成以已有分類標準為基礎的統計數據資源。

其次，國家及地方政府應建立健全科技服務業產出數據常態化調查與統計制度，及時、準確、暢通地獲取各種科技服務業投入與產出數據。目前，雖然國家建立了科技服務業調查統計制度，每年都會開展科技服務業調查統計工作，但工作機制和調查方法仍需完善。同時，應對調查統計工作獲取的數據資料形成周期性統計公報向社會公布，如四川省定期更新和發布《科技服務業數據簡報》、青島市發布《青島市科技服務業發展(年度)報告》等。此外，還要加強對某些涉密數據的保護。

最后，政府相關部門應加強對科技服務業產出數據的挖掘和應用，為政府決策和產業發展提供堅實的數據支撐。充分運用大數據、人工智能等技術的功能及優勢，通過構建科學高效的分析模型或算法對科技服務業產出數據進行處理，不斷改良自然數據分析與預測方法，提高數據預測精度，滿足不同政策主體的決策需求。此外，可以通過建立關聯數據、優化數據呈現界面與方式，使用戶更加便利地獲取科技服務業相關數據。

5 結語

本文在產業分類基礎上提出將科技服務業八大分支產業作為一級指標，在一級指標下分別設置若干具體量化指標，作為數據收集和測量的具體維度，由此構建科技服務業產出測算指標體系。同時，本文嘗試從自然數據測算一般方法角度提出兩種相對簡單且便于操作的數據預測方法，以此作為科技服務業產出數據預測的初步探索。未來，完善科技服務業產出數據統計與管理將成為我國科技服務業發展過程中一項不可回避的重要命題，亟需得到相關部門的關注與重視。當前，相關部門可以從統一數據統計標準、完善數據調查與公開制度、加強數據資源開發等方面建立健全科技服務業產出數據測量與管理體制機制。