中美學科領域基金資助特征及其與科研產出互動效應研究

田文燦，王賢文，蔡若楠，胡志剛

(1.大連理工大學 科學學與科技管理研究所；2.大連理工大學 WISE實驗室，遼寧 大連 116024)

0 引言

二戰以來，發達國家普遍以科學資助的形式支持科學研究，尤其是基礎科學研究[1]。基金資助是科學資助的主要形式，業已成為科學發展的重要公共資源之一。基金資助為科研工作者提供設備購置、材料及人才培養所需資金支持，對于推動新興前沿領域學科發展、提升國家科研實力具有至關重要的作用[2]。在微觀層面，基金資助對提高科研產出[3]、提升學術影響力[4]、促進科研合作[5]、提高受資助論文引用頻次[6]和被引頻次[7-8]及入選ESI高被引論文[9]均具有正向影響。

論文是基金資助產出成果的主要表現形式，以論文衡量基金資助科研產出情況是比較常見的一種方式，有助于優化基金資助模式。2016年，我國論文產出首次超過美國躍居世界第一，但美國當前仍是科研投入第一大國。美國科研人才(高被引科學家)數量高居全球第一，占比接近全球人才數量的一半。近10年，中美科技研發經費投入逐年遞增。世界銀行數據顯示，2018年，美國R&D經費投入占國內GDP比重為2.83%，位居世界第一。中國R&D經費投入19 677.9億元，投入強度2.14%，比2017年增長了0.02個百分點，穩居世界第二。在此背景下，探究各學科領域基金資助差異及其與科研產出互動效應，掌握我國科技資助態勢及存在的問題，不僅能夠為我國學科發展指明方向，而且能夠為我國基金政策的制定提供參考依據，使科技資源配置達到最優，對于我國加快建設創新型國家和世界科技強國具有重要意義。

1 文獻綜述

科研資助是開展科學研究的必備條件，隨著世界各國基金制度的日趨完善，各國政府對各學科基金資助力度不斷加大，基金資助研究引起學者廣泛關注。現有基金資助研究主要聚焦基金資助項目統計分析、基金資助績效評價、不同學科資助方向、不同國家資助模式等方面。

1.1 基金資助統計分析

基金資助統計分析研究主要借助基金項目數量和資助金額展現某一學科/地區/機構的發展態勢。基金資助統計分析一方面有利于學者通過基金資助掌握學科發展現狀與前沿，另一方面也可為學者申請項目資助或管理部門進行績效分析提供數據支撐。李若筠等[10]通過對2009-2018年管理科學學科基金資助情況及國際重要期刊發表論文進行梳理發現，管理科學學科發展迅速且資助效果明顯。此外，天文學[11]、海洋科學[12]、圖書情報與檔案管理[13]等也是重點資助學科。而通過對地區/機構基金資助進行分析發現，區域資助不均衡現象普遍存在，雖然得到基金資助的機構較為廣泛，但存在嚴重的馬太效應[14-15]。

1.2 基金資助績效評價

隨著基金管理部門對基金資助效果的日益重視，越來越多的學者對基金資助項目科研產出績效進行了研究。禾雪瑤等[9]以2009-2018年ESI高被引論文為研究對象，發現我國有80%的高被引論文受到基金資助，基金資助對我國高被引論文產出及科研影響力起重要推動作用；王輝等[16]從國家重點實驗室出發，探討基金資助對科研效率、科研影響力和科研水平的影響。此外，還有學者基于科學家受資助年齡[17]、論文使用次數[6]、國際科研合作網絡[5]等視角對基金資助科研產出績效進行研究。

1.3 不同學科資助方向

由于學科差異，基金資助在不同學科之間有不同的資助方向。其中，自然科學(化學、工程、物理、神經科學)基金資助比例高于人文社科基金資助比例[18]。在醫學領域同樣存在資助優先權問題，如對癌癥的研究投入較多，但對低收入群體疾病研究則投入較少，尤其忽視了一些熱帶疾病基金資助[19]。此外，與基礎研究相比，臨床研究和醫院研究得到基金資助的概率較低，但臨床研究獲得基金資助的可能性隨著合作機構數量增加而增加[20]。

1.4 不同國家資助模式

基金資助存在國別差異。Wang等[21]以2009年10個國家/地區的SCI論文為數據基礎，探究各國基金資助特征發現，中國基金資助來源單一，受單一資助機構主導，而美國則受雙重資助機構主導。邱長波等(2016)通過比較中日兩國多項基金資助的關聯特征發現，我國基金資助來源比較單一；陳秋怡等[22]研究發現，與雙重基金資助機構和多元基金資助機構相比，單一基金資助機構主導模式下的基金論文被引頻次最高；Zhao等[23]以經濟學領域為例，應用科學計量學和網絡分析法研究主要國家/地區的資金比率、指數關系和資助模式；Zhang等[24]以中英兩國主要醫學研究資助機構的重點資助項目為例，探究資助優先級與衛生公共需求之間的相關性，發現兩國基金資助項目大多投入到對公民健康影響最大的疾病上。不同的是，相比于英國醫學研究理事會(MRC)，我國NSFC醫學科學部基金資助所涵蓋的疾病種類較少。

綜上所述，由于數據處理的復雜性，現有文獻以單一學科對基金資助進行研究較多，從全學科視角展示基金資助特征的研究較少。此外，在論證基金資助與科研產出之間的關系時，通常多為簡單的描述統計及相關性分析，未深入研究兩者之間的因果關系或雙向互動效應。許多研究雖然揭示了基金資助結構與結果之間的關聯關系，但針對特定基金資助結構與結果關系的探討較少[25-26]。為此，本文構建PVAR動態分析模型，以中美兩國2009-2018年在SCI發表的545萬篇學術論文為數據基礎，從內生性動態視角探究基金資助與科研產出之間的互動效應。本文重點解決如下問題：①中美兩國全學科領域基金資助具備哪些特征？②中美兩國基金資助能否促進科研產出，科研產出是否反哺了基金資助？③同一學科領域基金資助幅度與科研產出效應在中美兩國是否會產生不同的結果？④不同學科領域基金資助幅度對科研產出的促進作用是否不盡相同？本文通過繪制全學科基金資助圖譜，全面比較中美兩國重點科研投入與基金資助學科差異，深刻揭示中美兩國不同學科領域基金資助與科研產出之間的關系，不僅可為我國制定科學合理的學科發展規劃、加快創新型國家建設提供參考，還能為中國在國際競爭中搶占先發技術優勢提供啟示。

2 數據來源與指標處理

2.1 數據收集

本文主要探討基金資助與科研產出之間的互動效應。科研產出是科研工作者進行科學研究所產生的新知識/新發現。科技論文作為科研成果的重要載體，常被用來衡量科研產出[17,27]。此外，還有論文被引頻次[28]、博士畢業人數[29]等其它衡量指標。本文借鑒相關研究成果，采用科研論文量度量科研產出。

基金資助數據來源于SCI論文中的FU字段，在Web of Science核心合集數據庫進行檢索，檢索式為“CU= China(不包含中國臺灣)/United States AND PY=2009-2018”，限定文獻類型為Article，分別獲取中美兩國論文發文量226.8萬篇和318.4萬篇。Web of Science核心合集數據庫包含254個學科，其中有178個學科隸屬于SCI(Science Citation Index Expanded)。在獲取的題錄數據中，WC字段代表學科信息。運用最新的JCR映射，在WC字段中進一步篩選屬于SCI學科的數據。在Web of Science中，論文學科歸屬通過期刊進行分類，即將論文先歸屬于某個期刊，再將某個期刊映射到某一學科。由于期刊可以同時映射到多個學科，所以一篇論文有可能同時隸屬于多個學科。針對這種情況，本文采取全計數方式進行處理，即對每個學科重復計數。

關于學科領域劃分，借鑒萊頓大學學者Nees Jan van Eck設計的學科分類體系，進一步將178個SCI學科劃分為5個學科領域：計算機科學(Computer Sciences，包含20個學科)、人文社會科學(Humanity and Social Sciences，包含7個學科)、生命與地球科學(Life and Earth Sciences，包含35個學科)、醫學和藥學(Medicine and Pharmacology，包含69個學科)、工程(Engineering，包含47個學科)。

2.2 指標選取與計算

本文借鑒以往學者的研究，選取某一學科基金資助論文比例作為學科資助幅度指標(Funding Rate，簡稱FR)，用以衡量某一學科的資助特征，并計算兩個不同時期資助幅度增長作為學科資助增幅指標(Growth of Funding，簡稱GF)，用以判斷過去10年學科投入是否有所增加。

用資助幅度衡量學科受資助論文的總體規模，可以反映該學科所受重視程度。通過國別比較來識別各自優勢學科及劣勢學科，對于學科發展規劃和基金資助布局具有重要啟示。學科資助增幅可以反映學科成長變化，某一學科資助增幅越大，說明發展前景越好，也就越會受到國家重視，也就越會吸引科研人員投身于學科建設。本文對學科資助幅度進行如下定義：

(1)

其中，i代表學科，NF代表受基金資助的論文數量(Number of papers supported by funding)，N代表論文總數。

GFi=FRi,t2-FRi,t1

(2)

其中，i代表學科，t1和t2,代表不同時期，本文t1選取2009-2010年，t2選取2017-2018年。

2.3 模型構建

本文獲取的是動態面板數據，能夠降低重要變量缺失對反向因果關系的不良影響。PVAR模型最早由Holtz等[30]提出，其綜合考慮了個體差異和因變量滯后項，可以精準地對向量自回歸結果進行估計[31]。PVAR由于能夠較好地解決內生性問題，估計結果也更科學和準確，目前已被廣泛應用于經濟學領域[32]，但在科學計量學領域應用較少[33]。PVAR原始模型公式如下：

(3)

在式(3)中，yi,t表示包含內生變量的向量；αi表示個體異質性；vi,t為個體時點效應；μi,t為隨機擾動項，且服從正態分布。參照PVAR原始模型，為探討基金資助幅度與科研產出關系，本文構建如下模型：

(4)

其中，ln(paper)代表科研產出，為避免異方差問題，提高模型的準確性和可解釋性，對論文數量進行對數處理。fr代表基金資助幅度。

格蘭杰因果檢驗是經濟學領域較為重要的因果檢驗方法，最早由Granger[34]在1969年提出。他利用信息集概念，基于事件發生的時序性對因果關系作出一般性假設。其最初界定為：假設有兩個時間序列{Xt}和{Yt}，并構建如下公式：

(5)

在式(5)中，如果至少有一個β不為0，則變量y是x的格蘭杰原因。然而，時間序列數據作為真實連續變量樣本，觀測頻率選取可能會影響因果關系判斷的準確性(曹永福，2006)。本文首先使用格蘭杰因果檢驗基金資助幅度與科研產出之間的因果關系，再進一步利用脈沖響應函數分解資助幅度正交沖擊對科研產出的影響，進而闡述資助幅度與科研產出之間的互動特征。

3 結果分析

3.1 中美學科領域資助特征

3.1.1 整體趨勢

2009-2018年中美兩國178個SCI學科基金資助整體趨勢如圖1所示。由圖1可知，整體而言，中國基金資助幅度比美國高13%。中國平均基金資助幅度為86.22%，美國為73.96%。2009—2018年，中美兩國基金資助幅度呈穩步增長態勢，且兩者增長趨勢較為一致。中國從2009年的76.40%增至2018年的89.71%，增長了13.31個百分點；美國則從2009年的64.55%增至2018年的77.47%，增長了12.92個百分點。

2009—2018年，中美兩國基金增長幅度越來越小并趨于飽和。2009—2013年，中國基金資助幅度由76.40%增至87.84%，增長了11.44個百分點，但2014-2018年由88.06%增至89.71%，5年僅增長了1.65個百分點。同樣，2009-2013年美國基金資助幅度由64.55%增至74.79%，增長了10.24個百分點，但2014-2018年由75.33%增至77.47%，5年僅增長了2.14個百分點。導致中美兩國基金資助幅度增長逐漸趨于平緩的可能原因在于：一是整體資助幅度達到飽和狀態；二是科研論文產出速度超過以往。如中國在2009年僅產出論文11.4萬篇，但到2018年就產出37.4萬篇文章，增長了3倍多。

圖1 2009-2018年中美兩國178個SCI學科基金資助整體趨勢Fig.1 Overall trend of funding for 178 SCI disciplines in China and the USA from 2009 to 2018

3.1.2 中美兩國各學科資助幅度

為探究中美兩國各學科基金資助的差異性，找出各自優勢或特色學科領域，繪制全學科基金資助圖譜，如圖2所示。從中可見，無論是中國還是美國，資助幅度最高的都是生命與地球科學、工程這種需要借助大量實驗和調研活動的學科領域。在中國，這兩個領域有90%以上的論文均受到基金資助，美國則有80%。而計算機和醫藥領域比較復雜，由于不同學科屬性差距較大，導致學科領域內部受資助幅度差距也較大。例如，計算機硬件比軟件更需要基金支持，而藥學比臨床醫學更需要實驗設備投入。中國由于更偏重硬件領域，因此對于計算機資助幅度較高；而美國醫藥產業發達，對醫藥產業資助幅度更高。

圖2 中美兩國178個SCI學科基金資助幅度Fig.2 Funding rate of 178 SCI disciplines in China and the USA

就具體學科而言，中國基金資助幅度較高的學科是漁業(Fisheries)、地質學(Geology)、進化生物學(Evolutionary Biology)、土壤學(Soil Science)、古生物學(Paleontology)等與自然相關的地球科學。這些學科資助比例較高一方面是因為發文量基數小，另一方面由我國特殊的地理環境所決定。我國歷史悠久，疆域遼闊，地質復雜，且擁有全球第四長綿延1.8萬km的海岸線，因此對漁業、地質學和考古學等學科更為重視。但在美國，細胞生物學(Cell Biology)、病毒學(Virology)、發育生物學(Developmental Biology)、生物化學與分子生物學(Biochemistry Molecular Biology)、細胞與組織工程(Cell Tissue Engineering)等生物醫學才是資助幅度最高的學科。相比之下，中美兩國資助幅度較小的學科差異較小。如資助幅度最小的10個學科中有6個是中美兩國共有的學科，分別為科學史與科學哲學(History & Philosophy of Science)、急診醫學(Emergency Medicine)、醫學倫理學(Medical Ethics)、手術(Surgery)、護理學(Nursing)、骨科(Orthopedics)。

由于中國學科資助幅度整體高美國10%，所以中國大部分SCI學科資助幅度都高于美國。為更好地展示中美兩國學科資助差異，進一步繪制2009-2018年中美兩國學科資助幅度排名，以消除資助幅度絕對值的影響，如圖3所示。從中可見，美國在醫藥領域基金資助優先級高于中國，平均資助幅度排名超過中國26個位次。另外，也有個別醫藥領域學科基金資助優先級低于中國，如獸醫學(Veterinary Sciences)在中國資助幅度排名第17，在美國資助幅度排名僅為152，相差135個位次。相比之下，中國對生命與地球科學和計算機科學基金資助優先級較高，平均資助幅度排名分別超過美國35和29個位次。

圖3 中美兩國學科資助幅度排名Fig.3 Rankings of funding rate between China and the USA

由于中國是農業大國，“三農”問題一直受到我國政府高度重視，所以在中國資助幅度排名占優勢的前10個學科中，有5個學科皆與農業相關。這5個學科分別為土壤科學(Soil Science)、農學(Agronomy)、農業綜合(Agriculture Multidisciplinary)、農業工程(Agricultural Engineering)、農業、乳業和動物科學(Agriculture, Dairy Animal Science)。而美國資助幅度排名占優勢的前10個學科均與醫學相關。如風濕病學(Rheumatology)在美國資助幅度排名第49，在中國排名第151，相差102個位次。再如，醫學研究與實驗(Medicine Research Experimental)在美國資助幅度排名第76，在中國僅排名第152，相差76個位次。

3.1.3 中美兩國各學科資助增幅

2009-2018年，中美兩國幾乎所有學科在基金資助幅度上均有大幅上升。中國資助增幅較大的學科大多與教育、農業和能源相關，美國資助增幅較大的學科則與能源和材料相關。教育是民族振興、社會進步的基石。隨著中國經濟總量不斷攀升，國家對于教育尤其是高等教育的投入不斷增加。2008年《國家中長期教育改革和發展規劃綱要》研究工作的正式啟動，促進教育改革進一步發展。基于此，2009-2018年，中國學科教育(Education, Scientific Disciplines)資助增幅最大，從32.89%增至72.95%，增幅為40.06%；其次是核科學與技術(Nuclear Science & Technology)，從53.54%增至89.06%，增幅為35.52%。另一項與核相關的核物理學科增幅也較大，排在第九位，從68.18%增至93.55%，增幅為25.37%。對美國來說，這兩個學科資助增幅同樣很大，分別為34.90%(從44.05%增至78.95%)和32.05%(從57.24%增至89.29%)。增幅排名第一的是石油工程，從15.58%增至56.10%，增幅為40.52%。這是因為，2008年美國發生次貸危機后政府實施了量化寬松政策，導致能源金融化程度加深。值得注意的是，中國雖然有些學科總體資助幅度較低，但資助幅度增長較快、資助增幅較大，如科學史與科技哲學(從39.53%增至65.22%，增幅為25.69%)、急診醫學(從24.14%增至48.67%，增幅為24.53%)等學科，如圖4所示。

圖4 中美兩國資助增幅最大的Top10學科Fig.4 Top10 disciplines with the greatest growth of funding in China and the USA

進一步比較中美兩國學科資助增幅排名發現，2009-2018年，中美兩國工程和計算機學科資助增幅排名均處于上升趨勢，且工程學科上升幅度超過計算機科學。但兩國醫藥領域學科資助增幅排名處于下降態勢，生命與地球科學領域學科資助增幅排名變化不大。中國計算機科學和工程學科資助增幅排名分別上升13個位次和27個位次，美國分別上升10個位次和23個位次。在醫藥領域，中國下降2個位次，美國下降19個位次。具體到細分學科，中國農業綜合(Agriculture, Multidisciplinary)排名上升位次最多，提高124個位次(排名從165上升到41)。美國核物理(Physics Nuclear)排名上升位次最多，提高92個位次(從排名116上升到24)。

3.2 基金資助幅度與科研產出互動效應

3.2.1 總體樣本比較

(1)平穩性檢驗。在構建模型前，首先對面板數據各變量進行平穩性檢驗，以避免“偽回歸”問題。本文分別通過LLC與IPS對各變量進行單位根檢驗，結果如表1所示。從中可見，4個變量均為平穩序列。

(2)滯后期選擇與格蘭杰因果檢驗。本文運用信息準則法選取最佳滯后階數，綜合AIC準則、BIC準則與HQIC準則后，選擇滯后1期數據對美國資助幅度與科研產出動態關系進行檢驗，選擇滯后2期對中國資助幅度與科研產出關系進行檢驗。本文構建PVAR模型對各變量進行格蘭杰因果檢驗，結果如表2所示。從中可見，美國與中國資助幅度是科研產出的格蘭杰原因，分別在0.05和0.01水平下顯著。這表明，中美兩國基金資助幅度均能夠顯著促進科研產出。但中美兩國科研產出均不是基金資助幅度的格蘭杰原因，表明中美兩國基金科研產出對基金資助幅度的影響不顯著。另外，變量之間存在單向格蘭杰因果關系，說明基金資助幅度是科研產出的格蘭杰原因。

表1 各變量單位根檢驗結果Tab.1 Unit root test results

表2 格蘭杰因果關系檢驗結果Tab.2 Granger causality test results

(3)中美總體樣本GMM估計結果。為對回歸方程進行更加精準的估計，需要克服內生性問題。傳統計量經濟學估計方法假設條件極為苛刻，如最小二乘法、極大似然估計法只有在滿足假設條件下才能夠得到準確的估計結果。因此，本文選取廣義矩估計法(GMM)，該方法能夠克服異方差及內生性問題，并得出有效的估計結果。GMM估計法包括差分GMM和系統GMM兩種估計形式，系統GMM能夠克服差分GMM處理隨時間變化的變量系數的局限性，從而提高參數估計效率。因此，本文運用系統GMM估計方法探究中美基金資助幅度與科研產出關系。以發文量作為科研產出的代理變量，同時考慮到內生性問題，將滯后期發文量與基金資助作為解釋變量納入模型。

由表3可知，在美國估計結果中，滯后1期發文量及基金資助幅度分別在0.01和0.05水平上顯著，同時滯后1期基金資助幅度對科研產出具有正向影響。在中國估計結果中，滯后1期、2期、3期發文量系數均為正，在0.01水平上顯著，滯后2期基金資助幅度系數在0.01水平上顯著為負，表明我國科研產出受到自身過去的正向影響，而基金資助幅度對于科研產出產生負向抑制作用。可能原因在于：一方面，美國基金資助體系比較成熟，已經建立較為系統、完備的同行評議質量控制機制[35]，基金資助通常能夠收獲相應科研產出。而中國基金資助體系較為分散，資助效果在學科層面具有顯著差異，存在個別學科基金資助抑制科研產出的現象；另一方面，學科資助不均衡現象導致科研產出“邊際效應遞減”，未受到足夠資助的學科無法產生相應優質科研成果，這與田文燦等[15]的研究結論一致。如在納米生物醫學領域，雖然中藥學、腫瘤學、神經系統和精神疾病等學科受到較多基金資助，但科研產出卻低于平均水平。此外，在機構和個人層面均存在這種現象。孫玉濤等[36]以化學學科為例研究海外人才引進計劃對“211”工程大學科研產出的影響，發現如果高水平大學人力資本要素投入達到臨界值，科研產出增量將會逐漸減少；在個人層面，未獲得基金資助概率與低概率獲得者在科研產出方面無顯著差異，而高概率獲得者比中等概率獲得者具有較高的科研產出水平(宋志紅等，2016)。

表3 中美總體樣本GMM 估計結果Tab.3 GMM estimation results for the full sample of China and the USA

(4)中美總體樣本脈沖響應。為更好地解釋變量之間的持續互動關系，本文繪制脈沖響應圖刻畫基金資助與科研產出之間的互動關系，以檢驗基金資助受到單位標準差沖擊后對于科研產出的影響。由圖5可知，中國基金資助受到一個標準差正向沖擊對科技產出產生負向影響，經歷波動后，在第6年逐漸趨于零。而美國基金資助受到一個標準差沖擊后，當期即產生正向影響，并迅速攀升，在第2年達到最高值，隨后逐漸衰減并在第10期無限趨于零。以上結果與GMM估計結果一致。

圖5 中美兩國總體樣本脈沖響應圖Fig.5 Impulse responses of the full samples of China and the USA

3.2.2 不同學科領域比較

(1)中美分學科領域系統GMM估計結果。為探究中美基金資助對科研產出的不同影響，分別選取醫藥、工程、生命與地球科學及計算機科學4個學科，分析不同學科領域背景下基金資助幅度與科研產出的動態關系。中美各學科領域系統GMM估計結果如表4所示。在中國各學科領域中，僅工程領域基金資助對科研產出在0.01水平上具有顯著正向影響，醫學和藥理學基金資助對科研產出在0.1水平上具有顯著負向抑制作用。中國各學科科研產出均受自身過去的影響，即滯后1期科研產出均在0.01水平上顯著為正。而美國僅計算機科學基金資助幅度顯著促進科研產出，生命與地球科學基金資助幅度對于科研產出具有顯著抑制作用。這與上文基金資助特征分析較為一致，即中國對醫學和藥理學重視程度較低，美國對生命與地球科學重視程度較低，兩個學科基金資助在中美兩國均未獲取相應期望的科研產出。關于基金資助幅度與科研產出互動效應，基金資助幅度是科研產出的格蘭杰原因，二者僅存在單向格蘭杰因果關系。然而，中美基金資助幅度與科研產出關系不一致。中國基金資助幅度對科研產出具有抑制作用，這主要是由于我國對醫藥學科基金資助力度較小，未能產生預期科研產出。相比較而言，中國工程領域基金資助幅度對科研產出具有顯著正向影響。《中國制造2025》提出，智能制造和“互聯網+”是未來我國制造業轉型升級的新方向以及全球制造業發展的新趨勢，要將信息化與工業化融合，著力發展信息技術、機器人、高檔機床等領域[37]。2017年印發《增強制造業核心競爭力三年行動計劃(2018-2020)》，提出要加快制造業智能化、綠色化、服務化，切實增強制造業科技含量和核心競爭力。中國工程學科資助增幅排名呈上升態勢，表明中國正朝著從制造大國邁向制造強國的目標前進。

總體而言，美國基金資助幅度能夠顯著促進科研產出，其中計算機科學基金資助幅度對科研產出的促進作用最為顯著。2007年，移動互聯網浪潮的開啟引領全球新一輪科技產業迅速崛起。2009年，美國實施科技創新國家戰略并首次發布《美國創新戰略1.0》，提出推動科技創新，加大科技創新投入。2015年《美國創新戰略2.0》繼續強化科技創新，互聯網技術更新促進科技迅猛發展。2018年，全球十大互聯網企業中有7家美國公司，可見美國對互聯網行業和計算機科學領域極為重視。

圖6為中美工程領域及計算機科學領域脈沖響應圖。從中可見，中美計算機、地球科學、工程學科脈沖響應與系統GMM估計結果高度一致。在工程領域，中國基金資助投入一個標準差沖擊對科研產出產生正向影響，在第二期影響程度最高；而美國工程領域基金資助幅度投入一個標準差沖擊未對科研產出產生顯著影響。在計算機領域，中國基金資助幅度投入一個標準差正向沖擊對科研產出產生負向影響，隨后變為正向影響，但是影響程度甚微。而美國基金資助幅度投入一個標準差對科研產出產生顯著正向影響，在第一年達到高峰，隨后逐漸趨于零。

表4 中美分學科領域GMM 估計結果Tab.4 GMM estimation results for different subject areas in China and the USA

4 結語

4.1 結論與建議

本文以中美545萬篇SCI論文數據為研究樣本，從全學科比較視角出發，系統分析中美兩國之間的學科資助特征，并運用格蘭杰因果檢驗、PVAR模型和脈沖響應函數分析基金資助與科研產出的動態交互效應，以及該效應在不同學科領域之間的差異，得出如下結論并提出相應建議。

(1)隨著中美兩國財政支出對科研投入的不斷加大，中美兩國基金資助幅度保持穩步增長態勢，2009-2018年增長13個百分點，基金資助成為科研產出的基本保障。中美兩國由于資源稟賦和發展階段不同，在學科資助上也存在較大差異。中國更關注地球科學、教育和農業，而美國更關注生物醫學、能源和材料。相比較而言，我國生物醫藥、能源和材料等學科資助幅度較小。為此，我國應合理配置資源，一方面要鞏固優勢學科發展地位，另一方面也要對資助幅度較小的學科進行適當扶持。如加大生物醫學、能源和材料等學科資助，以在相應學科前沿領域實現追趕與超越。與此同時，也要考慮不同學科發展規律和發展潛力，對重點學科予以重點資助。在加大政府公共科技財政支出的同時，鼓勵社會資助，拓展基金投入渠道，打造多元化資助體系。

(2)關于基金資助幅度與科研產出互動效應，基金資助幅度是科研產出的格蘭杰原因，兩者僅存在單向格蘭杰因果關系。然而，中美基金資助幅度與科研產出關系不一致。整體而言，中國基金資助幅度對科研產出具有抑制作用，美國基金資助幅度則能夠顯著促進科研產出。因此，我國首先應主動學習發達國家的基金資助管理經驗，并結合我國國情加強科學基金同行評議質量控制；其次，借助信息技術輔助管理，使基金資助管理更加規范化和精細化；再次，注意資助學科均衡，避免出現“邊際效應遞減”。對于非重點資助學科，可以使用“小額資助”形式提高項目資助比例。同時還要減少重復資助，避免科研資源浪費。另外，精力充沛、思想活躍、敢于創新探索的科研人員是科研產出的中堅力量，基金資助應給予重點傾斜。

圖6 中美兩國工程和計算機科學領域脈沖響應圖Fig.6 Impulse response of engineering and computer science in China and the USA

(3)由于我國對醫學和藥學領域資助幅度較小，未產生預期科研產出，但資助增幅較大的工程領域卻對科研產出產生顯著正向影響；美國計算機科學基金資助幅度顯著促進科研產出。中美兩國都比較重視生命與地球科學、醫學和藥學領域，但兩者均未實現預期科研產出，可能原因在于這兩個領域發文量僅作為科研產出衡量指標之一。為此，我國政府首先應加大優勢學科領域投入，對未產生預期科研產出的學科領域，一方面要尋求更有效的基金配置方式，另一方面應構建完善的基金資助項目監督與考核體系，加強科研人員管理；其次，制定相關激勵政策激發科研人員積極性，加強國際合作與交流，提高高校科研產出；再次，推動專利等科研成果轉移轉化，構建良好的科研生態系統，促進企業與高校協同創新。

4.2 不足與展望

由于數據受限，本文僅以論文產出量衡量科研產出，忽視了專利維度考察，且未考慮一些涉密類資助項目，未來可將論文產出量與專利申請量相結合，進一步研究基金資助幅度與科研產出的動態交互效應。此外，需要延長時間尺度并針對具體學科進行相應探討，以使研究結論更加準確、穩定。