地方高等院校工資及勞務費測算方法研究

王宇茜 宋義斌 楊雪 谷先軍

摘要依據我軍裝備價格審核法規，探索在軍工項目中地方高等院校工資及勞務費測算方法的現狀和難點。應用計量經濟學原理，收集真實數據進行分析處理，基于Stata12.0軟件，選取影響因素建立地方高校工資及勞務費測算模型，并進行模型檢驗和實例驗證，最后對工資及勞務費測算方法提出建議，從而為科學合理地測算工資及勞務費，提高地方高等院校工資及勞務費審核工作的合理性和可行性，貫徹我軍裝備價格低成本發展理念，實現裝備價格現代化管理能力提供有效方法。

關鍵詞 地方高等院校；工資及勞務費測算方法；Stata模型

DOI： 10.19840/j.cnki.FA.2021.05.007

裝備科研是武器裝備現代化、自動化、信息化建設的前提，它決定國家的國防能力和軍隊的作戰能力，關系到國家的安危。在國家軍事科研體系中，裝備科研經費的使用情況是體現其先進程度的重要元素，也在一定角度上展現出國家的軍事發展水平。在近些年的軍事科研生產中，地方高等院校以其卓越的科研人才儲備為突出優勢，越來越多、越來越深入地參與到軍工產品的科研和生產中去，特別是一些大型復雜的武器系統也逐步由高校承擔總體單位[1]。著眼當前與未來，利用實際發生的項目經費使用管理情況，提取有效數據，總結經驗規律，建立可行的工資及勞務費測算模型，科學優化高等院校裝備價格審核工作，對于激發地方高等院校研發和創新能力，完善裝備價格現代化管理體系和推進裝備建設低成本發展理念具有重要意義。

一、現狀分析

（一）相關法規規定

《國防科研試制費管理辦法》（財防〔2019〕18號）中指出：工資及勞務費是指在項目研究、試制過程中，項目承擔單位支付給參與項目研究的本單位職工的工資、獎金、津貼、補貼等工資性支出以及支付給參與項目研究的其他人員的勞務費用[2]。

《裝備科研價格審核》中明確：對高等院校從事國防科研項目研制人員的工資、獎金、津貼、補貼和職工福利費等工資性支出可根據國家規定的標準以及實際參加科研項目人員情況，合理計入國防科研項目成本，但不包括高新津貼、軍崗津貼、上級撥付的專項獎勵費用和應由利潤支付的年終獎金等。

（二）地方高等院校工資及勞務費審核工作現狀

《裝備價格學》（第二版）指出軍隊單位、高等院校以及執行《科學事業單位財務制度》的科研事業單位，不計列工資性支出，必須發生的勞務費用按參與研究的標準人數、實際工資水平及國家有關標準確定[3]。由于軍隊人員費用由國家全額保障，高等院校工資來源除財政撥款外還有學費收入，中國科學院的事業費國家已經給予了足額保障，因此這些單位的工資性費用不能在國防科研經費中計列。

根據各項法規要求，地方高等院校工資及勞務費主要由三部分組成：一是碩士研究生、博士研究生、博士后的助研津貼；二是參與項目外聘人員的勞務費；三是高端人才年薪（此項在預計成本中單列，不作為本文測算的范圍之內）。地方高等院校的工資及勞務費不計列工資性支出，按照參與研究的標準人數和實際工資水平測算，但在當前的審核工作中，具體的參研人數和工資標準在立項報告中一般不會明確，一是在實際操作中難以確認具體參研的學生和外聘人員人數；二是各高校助研津貼和外聘人員工資標準不同，尤其是在預先研究項目中難以核定具體情況。因此，在實際審核工作中，地方高校的工資及勞務費審核常常存在一些爭議，需要合理的數據和科學的手段進行創新發展。

二、地方高等院校工資及勞務費測算模型構建

（一）變量的選擇與數據來源

1.變量的選擇

構建地方高等院校工資及勞務費測算模型，應考慮項目各項成本費用之間的關聯，本文依據《國防科研試制費管理辦法》，鑒于變量的合理性、可行性原則，在咨詢相關專家的基礎上，被解釋變量為工資及勞務費（Wages），選取了3個自變量：①材料費與專用費之和（Materials）；②外協費（Outsourcing）；③項目總經費（Total）。各個變量定義見表1。

2.數據來源

本文數據來源于近五年部分科研項目財務驗收報告，共得到54個項目樣本，涉及21所高等院校：北京大學、北京工業大學、北京航空航天大學、北京理工大學、電子科技大學、東南大學、復旦大學、哈爾濱工業大學、河北工業大學、華東理工大學、華中科技大學、南京大學、南京航空航天大學、南京理工大學、清華大學、四川大學、西安電子科技大學、西安工業大學、西北工業大學、長春理工大學、浙江大學，數據可行性、可信度高。

（二）數據異常值剔除

國際上常推薦采用格拉布斯（Grubbs）準則法進行數據剔除異常值處理[4]。

1.求出擬似異常值

3.異常數據的識別與剔除

將G（0.01，54）與Gmin和Gmax進行比較，因為Gmax為4.5872，大于臨界值G（0.01，54）的3.388，而Gmin為0.7281，小于臨界值G（0.01，54）的3.388，則當取顯著性水平α=0.01時（置信度為99%），Gmax對應的最大值數據為40.23%（即序號37），根據異常值的統計學原理，此時的Gmax所對應的數據在所有數據中屬于異常值，本文計算中對其進行剔除。

4.重復識別及剔除異常值數據

在第一輪的異常數據識別與剔除步驟中將40.23%所對應的數據剔除之后，對其他的53組數據再次進行識別與剔除，余下53組數據中的最大值為29.95%，其Gmax為3.8556，仍大于G（0.01，53）的3.361（這時的數據個數n為53），視為異常值，應予以剔除。第二輪剔除29.95%（即序號53）后，剩余數據的最大值為25.77%，其Gmax為3.5796，大于G（0.01，52）的3.353（這時的數據個數n為52），視為異常值，應予以剔除。第三輪剔除25.77%（即序號42）后，剩余數據的最大值為23.17%，其Gmax為3.4416，小于G（0.01，51）的3.345（這時的數據個數n為51），說明數據中已不存在異常值，結束異常值的識別與剔除。

（三）多元回歸分析

1.模型構建

在剔除異常值后剩余51組數據，本文擬采用50組數據進行多元擬合，余1組數據用于進行模型驗證。考慮到各個自變量之間影響復雜，本文采用普通最小二乘法逐步做多元線性回歸，用計量學軟件Stata12.0實現回歸[5]。具體操作為，在Com‐mand命令框中鍵入以下命令：sw regress Wages Materials-Total，pr（0.1），即得到工資及勞務費（Wages）與材料費與專用費之和（Materials）、外協費（Outsourcing）、項目總經費（Total）之間的線性回歸關系，結果見表2。

2.模型修正

由Stata模型回歸結果可以看出，本次回歸共選取了50個樣本進行分析，最終的模型F值（3，47）=143.37，P值（prob>F）=0.0000，從回歸的整體上看，此模型的顯著水平非常高，有極強的統計學意義。在模型進行回歸計算的過程中，一共對變量進行了3次回歸，逐步得出最終的回歸結果。該模型的可決系數（R-squared）=0.9034，模型的校正可決系數（Adj R-squared）=0.8971，因此，模型對于選取的樣本數據具有較好的解釋水平，具體情況見表3。

綜上，采用最小二乘法的回歸模型方程為：Wages=-0.097017×Materials-0.178057×Outsourcing+0.160023×Total+1.668962

即工資及勞務費=0.1600233*×總經費-0.0970171×（材料費+專用費）-0.1780567×外協費+1.668962，由于總經費=材料費+專用費+外協費+工資及勞務費+其他費用（其他費用指項目總經費中扣除材料費、專用費、外協費、工資及勞務費的部分），故回歸模型方程可以推導為工資及勞務費=0.07500946×（材料費+專用費）-0.0214689×外協費+0.19050921×其他費用+ 1.97423095，簡化模型為工資及勞務費=7.50%×（材料費+專用費）-2.15%×外協費+19.05%×其他費用+1.9742。

3.被解釋變量擬合值預測

依據樣本得到以上的多元回歸方程，再計算出因變量預測的擬合值，一般可以用于預測未來。在Command命令的文本框中鍵入如下命令：rvfplot，即生成數據殘差與被解釋變量的散點圖像，如圖1所示。在圖像中，可以看出，絕大部分的殘差值在0的周圍波動，并沒有隨著擬合值的不同而發生大面積的波動，因此可以說明，本組數據很可能不存在異方差。

4.異方差的檢驗

本文使用WHITE檢驗和BP檢驗兩種檢驗方式對數據線性擬合的結果進行檢驗，在Command命令的文本框中鍵入estat imtest，white和estat hettest，iid，得到表4中的檢驗結果，兩種檢驗方法檢驗同一個擬合結果，P值均大于0.05，顯示擬合結果是較為顯著的，從而可推斷模型擬合的結果很可能不存在異方差，所以暫時不采用穩健標準差的方式再對數據進行回歸擬合。

通過以上采用的最小二乘法逐步進行線性回歸，可以發現被解釋變量高等院校的工資及勞務費（Wages）與材料費與專用費之和（Materials）、外協費（Outsourcing）、項目總經費（Total）之間存在較為顯著的關系：其他費用（指項目總經費中扣除材料費、專用費、外協費、工資及勞務費的部分）對高等院校的工資及勞務費起正向關系，當其每增加一個單位，高等院校的工資及勞務費將增加0.19050921個單位；材料費與專用費之和（Ma‐terials）對高等院校的工資及勞務費起正向關系，當其每增加一個單位，高等院校的工資及勞務費將增加0.07500946個單位；外協費（Outsourcing）對高等院校的工資及勞務費起負向關系，當其每增加一個單位，高等院校的工資及勞務費將減少0.0214689個單位。此外，高等院校的工資及勞務費（Wages）也可能與其他某些因素之間存在關系，但是從擬合結果來看，關系不是很顯著，因此本文暫不對其他變量進行說明。

5.變量分析

利用Stata12.0，在Commend文本框中鍵入：factor Wages - Total，pcf，便可以對構成影響被解釋變量高等院校工資及勞務費的各個變量進行主成分分析，結果如表5所示。LR檢驗的卡方值為292.34，P值為0.0000，模型非常顯著，可以看出本文選取的4個因子中，前2個因素（材料費與專用費之和、外協費）對工資及勞務費累計方差的貢獻率（Proportion）為97.23%，表示本文應用的數據中97.23%的信息可以通過擬合模型進行解釋。

6.模型驗證

被檢驗組數據為工資及勞務費7.59萬元，材料費與專用費之和為24.42萬元，外協費為33.31萬元，其他費用為21.61萬元（其他費用指項目總經費中扣除材料費、專用費、外協費、工資及勞務費的部分）。應用模型工資及勞務費=7.50%×（材料費+專用費）-2.15%×外協費+19.05%×其他費用+1.9742，將變量代入，測算工資及勞務費為7.21萬元，較實際工資及勞務費相差5.01%，與實際水平相當，故驗證模型基本合理。

三、結論及建議

（一）結論

1.構建了地方高等院校工資及勞務費測算模型

本文通過分析當前地方高等院校工資及勞務費審核工作現狀，明確梳理現實問題，采集大量詳實的軍工項目財務驗收數據，在對數據處理分析的基礎上，基于Stata軟件，構建最小二乘法的回歸模型并進行相關檢驗，提出可行的測算地方高等院校工資及勞務費的方法。

2.有效提高價格審核效率

本文基于計量經濟學原理，科學構建測算模型，解決了科研概算審核中的小難點，可在審核工作中實際用于測算地方高等院校工資及勞務費，也可用于對審核結果進行驗證，使科研概算價格審核體系更加完善科學，有據可循。

3.為提高裝備價格現代化管理能力提供有效方法

本文創新方式方法，以歷史發生數據為未來工作做支撐，以具體量化的模型及現代化的手段提高裝備價格管理能力，且模型可在更多的審核數據支撐下不斷迭代升級，更加準確可行。

（二）建議

1.在實際審核工作中，可酌情考慮提高科技人員積極性

在調查中了解到，目前對于地方高等院校來說，承擔的軍隊科研項目以研究類為主，注重人的價值，故在貫徹總體低成本理念的前提下，可酌情考慮工資及勞務費，以提高高校科研人員的積極性。

2.軍隊科研項目可視情參照自然科學基金項目對高校科研人員工資的管理方式

一是高校承擔自然科學基金項目，其工資及勞務費構成與軍隊科研項目大體相同，但自然科學基金項目費用之間自由度較高，實際科研工作中更加便捷；二是依據《國家自然科學基金項目資助經費管理辦法》（財教〔2002〕65號）規定，面上項目勞務費不得超過總經費15%，重點項目、重大項目及各類專項的勞務費不得超過總經費的10%，測算方式較為直接，科研人員報價可行性高。AFA

參考文獻

[1]劉偉.軍工科研項目經費管理探析[J].中國軍轉民，2015（12）：52-55.

[2]孔毅.淺議國防科研項目經費管理[J].上海化工，2014，39（7）：38-40.

[3]孫勝祥，謝力，林名馳.裝備價格學（第二版）[M].北京：國防工業出版社，2018.

[4]趙慶權.高速公路補充預算定額原始數據異常值的改進格拉布斯法應用研究[J].價值工程，2013，32（12）：82-83.

[5]周璐瑤，蘭國輝.基于STATA的安徽省城市經濟發展能力實證分析[J].綏化學院學報，2021，41（5）：12-15.

（審稿：陳莉萍編輯：張春紅）