政府資金對高校科技創新產出影響研究
——以沈陽市樣本為例

李 磊

(遼寧省交通高等專科學校 汽車工程系，遼寧 沈陽 110122)

0 引言

高校科技創新活動對技術進步、社會發展產生了深遠和廣泛的影響。大力提升高校科技創新能力是加快建設創新型國家的重要支撐和戰略行動，是促進國家創新能力提升的關鍵。然而，高校科技創新成果具有準公共產品性質，存在外部效應，根據市場失靈理論，僅依靠市場調節的高校科技創新活動是低效的，因此政府需要通過資金投入等方式支持高校的科技創新活動。

近年來，政府對于高校科技創新的支持力度逐年遞增。從全國范圍看，政府對高校的科技投入由2015年的856.21億元上升至2018年的1334.83億元，增長了55.9%。而且，政府科技投入占高校總經費的比例也是逐年提升，在2015年就已經占到了63.1%，2018年則達到了65.0%。龐大的政府資金投入，對高校的科技創新產出究竟產生了怎樣的影響？

Abigail Payne等[1]以美國68所大學為樣本，發現政府資金投入每增加100萬美金，會增加0.2個專利的產出。施定國、徐海洪、劉鳳朝[2]運用面板數據實證檢驗表明，政府資金對高校科技創新產出整體上具有正向作用。談毅、楊曄、白伊貝[3]發現，政府的科技投入與高校的創新產出呈現出正相關性，并且存在一定的滯后性。原長弘、王瑞琪[4]以2005-2010年30個省市的高校面板數據為樣本，采用負二項回歸的分析方法，證實了政府資金對高校技術創新能力具有顯著的正向影響。周鳳華、朱雪忠[5]研究發現政府的資金投入對高校的研發產出并無顯著的正向影響,甚至有負向影響。呂晨[6]利用數據包絡分析和結構方程模型對教育部直屬院校和“211”及省部共建院校的政府投入效益進行了分析，認為政府資金效率整體欠佳。原長弘、王瑞琪、李陽等[7]實證檢驗了中央和地方政府直接資金與高校創新產出之間存在倒U型關系。

以上學者的研究結論表明，政府資金投入對高校科技創新產出的影響是正向的還是負向的仍有待考證，政府資金投入的有效性仍存在著很大的爭議。本文將以沈陽市高校為樣本，對這一問題進行深入研究，實證檢驗政府資金對沈陽市高校科技創新產出的影響。

1 研究設計

1.1 研究方法

本文研究政府資金對沈陽市高校科技創新產出的影響，故可將高校內部資源的分配及利用看成是系統內部行為，將其所有內部行為看成一個整體。研究這個系統的投入和產出效率的問題，可以選擇生產函數的方法研究這一問題。柯布道格拉斯生產函數是最為常見的生產函數模型，且具有易化為線性函數的特點。由此，本文采用柯布道格拉斯生產函數作為研究的基礎理論模型。柯布道格拉斯函數的基本形式為：

Y=AKαLβ

(1)

其中:Y為產出，K、L為兩個生產要素即投入，A為常數，α、β為參數。

檢驗政府資金對沈陽市高校科技創新產出的作用，根據經濟學理論，引入擴展的柯布道格拉斯生產函數，將專利申請量作為科技創新產出，政府資金作為生產函數中投入的要素，構建知識生產函數如下：

pnit=AskpαitlβitgiγitXκiteηi+ui+εit

(2)

其中，pnit為科技創新產出(即專利申請量)；skpit為高校的知識資本存量；lit為教學與科研人員數量；giit為政府資金；α為知識資本存量的產出彈性、β為教學與科研人員的產出彈性、γ為政府資金的產出彈性、k為其他相應變量的產出彈性；A為常數；e為自然對數的底。

選擇專利申請量pnit作為高校科技創新能力的衡量指標，主要原因：一是將專利申請量作為高校的科技創新指標已經成為學術研究的通行做法；二是專利申請量數據相對于其他指標更易獲得，具有客觀真實的特點；三是隨著高校知識產權保護意識的提升，越來越多的高校通過專利申請對其創新成果進行保護，專利申請量可以真實反映高校的科技創新產出水平。

skpit為高校的知識資本存量，代表高校在科技創新領域多年的知識資本積累。在柯布道格拉斯知識生產函數中，對高校科技創新產出發生影響的不只高校當期的科技創新投入，以往若干期的科技創新投入都會對當期的科技創新產出產生影響。文中知識資本存量的測算，借鑒了白俊紅[8]的測算技術，利用永續盤存法逐年核算得出。

公式(2)兩側取對數，可得：

lnpnit=αlnskp+βlnlit+γlngiit+κlnxit+δ+ηi+ui+εit

(3)

其中，δ=lnA。考慮到政府資金在高校內部使用的情況和發揮的作用，既可以用于教學與科研人員的激勵支出，也可用于提高高校的知識資本存量。因此，引入政府資金對教學與科研人員和知識資本存量的交互項，公式(3)進一步拓展為公式(4)如下：

lnpnit=αlnskp+βlnlit+γlngiit+κlnxit+θ1lnskpit×lngiit+θ2lnlit×lngiit+δ+ηi+ui+εit

(4)

其中，θ1、θ2為相應交互項的估計系數。

1.2 變量測度

文中將專利申請量作為衡量高校科技創新產出的變量，而專利又可分為發明專利、實用新型專利和外觀設計專利。發明專利技術含量最高，是基于產品或者方法的一種新的技術方案，最能體現高校的科技創新水平。實用新型專利和外觀設計專利的技術難度明顯低于發明專利，外觀設計的技術難度更低一些。為了更為深入地檢驗政府資金對沈陽市高校科技創新產出的影響，本文在實證研究過程中，用發明專利申請量(fm)、實用新型專利申請量(xx)和外觀設計專利申請量(wg)分別替代專利申請總量(pn)作為被解釋變量，檢驗政府資金對各類型專利申請量的影響，以期研究結論更具有針對性。

1.3 樣本選取與數據來源

選擇沈陽市具有一定科技創新能力的高校作為樣本，剔除專利申請量多年為零的高校，同時剔除2015-2019年期間發生院校合并的高校。最終選取表1中的22所高校作為樣本，其中本科院校15所，專科院校7所。

表1 項目研究樣本

研究所用數據來自中華人民共和國教育部科學技術司編寫的《高等學校科技統計資料匯編》和遼寧教育網公布的《教育公報》，專利申請量數據檢索自佰騰網。

1.4 概念模型設計

對樣本中22所高校的政府資金數據和專利申請量數據進行初步的統計分析，發現以本科院校和專科院校的屬性區別進行分組，兩類院校在政府資金和專利申請量的均值上差異很大，如表2和表3所示。以2019年數據為例，本科院校政府資金投入均值是專科院校政府資金投入均值的144倍，本科院校專利申請量均值是專科院校專利申請量均值的6.7倍。而且，橫向比較可以看出，本科院校政府資金投入均值逐年遞增，2019年比2015年增長了27.76%；專科院校政府資金投入均值卻呈現出明顯的下降趨勢，2019年比2015年下降了47.59%。從專利申請量指標看，本科院校和專科院校的專利申請量均值都呈現出逐年增長的趨勢，本科院校專利申請量均值2019年比2015年增長了142.55%，專科院校2015年專利申請量均值為5件，2019年為68件，達到了1260%的增長。可以看出，無論是本科院校還是專科院校，專利申請量都在以較大的幅度增長，而政府對本科院校與專科院校的資金投入水平差距是十分懸殊的，有必要進行分組分析。由此，本文研究的概念模型如圖1所示。

表2 2015-2019年本科院校與專科院校政府資金投入均值比較 單位：萬元

表3 2015-2019年本科院校與專科院校專利申請量均值比較 單位：件

圖1 本文研究概念模型

1.5 數據分析方法

面板數據回歸主要有三種模型：混合效應模型、固定效應模型和隨機效應模型。混合效應模型假定各所高校的科技創新能力不存在差異，直接將樣本中數據進行混合再進行估計，這樣的估計結果不能反映不同高校科技創新能力差異對生產函數的影響，這種方法并不適合本文的研究。固定效應模型考慮了各高校科技創新能力的差異，但假定這種差異是固定的，不隨時間變化而變化；隨機效應模型則假定各高校的科技創新能力的差異是隨機變化的。固定效應模型和隨機效應模型的選擇通過豪斯曼檢驗進行。

2 實證分析

2.1 描述性統計

由公式(4)，在面板數據的回歸過程中需要取對數，而原始數據中發明專利申請量(fm)、實用新型專利申請量(xx)、外觀設計專利申請量(wg)、政府資金投入(gi)、知識資本存量(skp)等值存在等于零、大于零小于1等情況，因此需要對原數據進行處理。參照陸銘[9]的做法，對原數據進行處理，將發明專利申請量(fm)+1、實用新型專利申請量(xx)+1、外觀設計專利申請量(wg)+1、教學與科研人員數量+1，知識資本存量*10，政府資金*10+1，通過此處理以保證每一項原始數據取對數后大于等于零。整體樣本的描述性統計如表4所示，本科院校樣本的描述性統計如表5所示，專科院校樣本的描述性統計如表6所示。

表4 22所樣本高校各變量的描述性統計

表5 樣本中本科院校各變量的描述性統計

表6 樣本中專科院校各變量的描述性統計

2.2 政府資金對沈陽市高校專利申請量的影響

2.2.1 政府資金對沈陽市高校發明專利申請量的影響

(1)政府資金對沈陽市高校發明專利申請量影響的整體分析。整體樣本的面板數據包含5年、22所高校，即n>t，是一個短面板數據集。由于每所高校的情況不同，可能存在不隨時間而變的遺漏變量，首先考慮使用固定效應模型，然后，考慮個體效應的影響，使用隨機效應模型。固定效應模型和隨機效應模型的回歸結果，如表7。固定效應模型(1)、(2)和隨機效應模型(1)通過了顯著性檢驗。固定效應模型(2)在固定效應模型(1)的基礎上，加入了政府資金與知識資本存量和政府資金與教學與科研人員的交互項。對固定效應模型(1)和隨機效應模型(1)的選擇需要進行豪斯曼檢驗，結果如圖2顯示，由于p值大于0.05，所以在5%的顯著性水平下，認為隨機效應模型(1)優于固定效應模型(1)。所以，最終選擇隨機效應模型(1)。控制變量中，知識資本存量對發明專利申請量的影響顯著為正，且通過了1%的顯著性水平檢驗，知識資本存量每增加1%，發明專利的申請量增加0.702%。

表7 政府資金對沈陽市高校發明專利申請量(fm)的影響

圖2 整體樣本的豪斯曼檢驗

(2)政府資金對沈陽市本科院校發明專利申請量的影響分析。本科院校的面板數據包括15所高校、5年的面板數據，仍是一個n>t的面板數據集。選擇固定效應模型和隨機效應模型進行回歸，結果如表8所示，固定效應模型(2)和隨機效應模型(2)通過了顯著性檢驗。豪斯曼檢驗的結果如圖3所示，由于p值大于0.05，所以在5%的顯著性水平下選擇隨機效應模型(2)。政府資金不僅直接影響發明專利的申請量，還通過教學與科研人員對發明專利的申請量產生交互影響，并且，教學與科研人員和政府資金的交互項通過了5%的顯著性檢驗。根據伍德里奇[10]的偏效應公式，經計算，政府資金對發明專利申請總量的相關系數為-0.202，即政府資金增加1%，本科院校發明專利的申請量將減少0.202%。

表8 政府資金對沈陽市本科院校發明專利申請量(fm)的影響

(3)政府資金對沈陽市專科院校發明專利申請量的影響分析。專科院校的面板數據包括7所高校、5年的面板數據，仍是一個n>t的面板數據集。選擇固定效應模型和隨機效應模型進行回歸，兩種模型的估計結果如表9所示。固定效應模型(1)通過了5%的顯著性檢驗，政府資金每增加1%，專科院校發明專利的申請量將減少0.493%。

圖3 本科院校的豪斯曼檢驗

表9 政府資金對沈陽市專科院校發明專利申請量(fm)的影響

將整體樣本、本科院校和專科院校通過檢驗的模型進行匯總，如表10所示。

表10 政府資金對高校發明專利申請量影響檢驗

2.2.2 政府資金對沈陽市高校實用新型專利申請量的影響分析

檢驗政府資金對沈陽市高校實用新型專利申請量的影響，同樣先進行整體樣本的分析，再進行本科院校與專科院校的分組分析。受限于篇幅，實證分析結果在此不一一列示，通過檢驗的模型如表11所示。

表11 政府資金對高校實用新型專利申請量影響檢驗

2.2.3 政府資金對沈陽市高校外觀設計專利申請量的影響分析

對整體樣本的分析，固定效應模型和隨機效應模型都沒有得到通過顯著性檢驗的回歸系數，即政府資金不會對沈陽市高校實用新型的專利申請量產生顯著影響。控制變量中，知識資本存量與實用新型的專利申請量均在1%的水平上顯著正相關，即知識資本存量的增加，會帶來實用新型專利申請量的增加(部分控制變量的分析結果文中不可視，以下同)。

對本科院校樣本的分析，固定效應模型(2)和隨機效應模型(2)通過了顯著性檢驗,且豪斯曼檢驗的結果p值大于0.05，所以在5%的顯著性水平下，認為隨機效應模型(2)優于固定效應模型(2)。同時，政府資金與教學與科研人員交互項的相關系數顯著為正，經計算，政府資金對實用新型申請量的相關系數為0.779，即政府資金增加1%，本科院校實用新型的申請量將增加0.779%。

對專科院校樣本的分析，固定效應模型和隨機效應模型都沒有得到通過顯著性檢驗的回歸系數，即政府資金不會對專科院校實用新型的專利申請量產生顯著影響。控制變量中，固定效應模型(1)和(2)表明知識資本存量與實用新型的專利申請量在5%的水平上顯著正相關，即知識資本存量的增加，會帶來專科院校實用新型專利申請量的增加。

檢驗政府資金對沈陽市高校外觀設計專利申請量的影響，通過檢驗的模型如表12所示。

表12 政府資金對高校外觀設計專利申請量影響檢驗的模型

對整體樣本的分析，隨機效應模型(1)通過了檢驗，政府資金對樣本中高校外觀設計專利申請量的影響是負向的，且通過了10%顯著性水平檢驗，即政府資金每增加1%，外觀設計的專利申請量降低0.210%。知識資本存量對外觀設計專利申請量的影響顯著為正，且通過了10%的顯著性水平檢驗。

對本科院校樣本的分析，固定效應模型(1)、(2)和隨機效應模型(1)、(2)均通過了顯著性檢驗，且豪斯曼檢驗的結果p值均大于0.05，所以在5%的顯著性水平下，認為隨機效應模型(1)和(2)優于固定效應模型(1)和(2)。由于政府資金不僅直接影響專利申請量，還可以通過知識資本存量和教學與科研人員對專利申請量產生交互影響，隨機效應模型(2)作出了交互項顯著不為零的參數估計。根據研究的需要，認為隨機效應模型(2)更符合研究目的。經計算，政府資金對本科院校外觀設計專利申請量的正相關系數為1.465，即政府資金增加1%，本科院校外觀設計的專利申請量將增加1.465%。

對專科院校樣本的分析，從估計結果看，固定效應模型和隨機效應模型都沒有得到通過顯著性檢驗的回歸系數，即政府資金不會對專科院校外觀設計的專利申請量產生顯著影響。控制變量中，固定效應模型(1)和(2)表明知識資本存量與外觀設計的專利申請量在10%的水平上顯著正相關，即知識資本存量的增加，會帶來專科院校外觀設計專利申請量的增加。

3 結論與建議

實證分析的結果可以看出，政府項目資金對沈陽市高校發明專利申請量的影響不顯著。政府資金對實用新型專利申請量的影響是不顯著的，對本科院校的影響是正向的，對專科院校的影響是不顯著的。政府資金對沈陽市高校外觀設計專利申請量的影響是負向的，對本科院校的影響是正向的，對專科院校的影響是不顯著的。

3.1 采取多種措施鼓勵高校發明專利的申請

發明專利具有更高的技術難度，是衡量高校科技創新能力更為重要的標準。但從本文實證分析結果看，對于沈陽市的高校，無論是整體樣本還是分組分析，政府資金都沒有起到促進發明專利申請量增加的作用。樣本中22所高校專利申請總量從2015年的2934件，增長到2019年的7317件，增長了149.39%；發明專利申請量從2015年的2234件，增長到2019年的4341件，增長了94.32%。發明專利申請量的增長幅度明顯低于專利申請總量的增長幅度，政府對高校科技創新的資金投入并不是促進發明專利申請量增長的有效途徑。因此，需要采取多種其他措施促進發明專利申請量的增長。比如，通過物質的和非物質的激勵方式加大對發明專利申請人的獎勵，提高專利申請人的積極性；完善發明專利申請人獲取報酬的方式，提高專利申請人獲取報酬的比例；完善高校發明專利的質量審查機制，強化質量把控等。通過各種措施，提高高校發明專利的申請量的數量和質量。

3.2 繼續保持政府對本科院校與專科院校的資金投入比例

表2數據表明，政府對本科院校的資金投入呈遞增趨勢，對專科院校的資金投入呈遞減趨勢。政府資金對本科院校實用新型專利申請量和外觀設計專利申請量的影響是正向的，為了促進兩種類型專利申請量的增加，政府有必要加大對本科院校的資金投入。而政府資金對專科院校發明專利申請量的影響是負向的，對實用新型專利申請量、外觀設計專利申請量的影響是不顯著的，政府的資金投入并沒有帶來專科學院專利申請量的增加。因此，保持甚至降低政府對專科院校的資金投入是有必要的。另外，應使政府資金在專科院校得到更加有效的使用，或者使其與高校科技創新的其他資源更為有效結合，才能更好地發揮政府資金對專利產出的正向作用。

3.3 充分發揮知識資本存量在科技創新中的基礎性作用

實證分析結果多次顯示知識資本存量與高校的專利申請量是正相關的，并多次出現了知識資本存量與政府資金的交互項與專利申請量顯著正相關的情況。高校每年的科技創新投入，都是知識資本存量逐步積累的過程。知識資本存量的提升不是一蹴而就的，對于早期科技創新投入較少的高校，特別是一些科技創新能力較弱的專科院校，更要注重科技創新的投入，注重知識資本存量的積累，以此逐步穩定高校科技創新活動的基礎。此外，需要注重知識資本存量與其他科技創新資源的協調，如文中研究主題，政府資金與知識資本存量的交互影響對高校的科技創新產出同樣具有明顯的正面效應。