不同科研经费投入与产出互动关系的省略于面板数据及面板VA概要Word格式文档下载.docx
- 文档编号:19863034
- 上传时间:2023-01-11
- 格式:DOCX
- 页数:14
- 大小:150.96KB
不同科研经费投入与产出互动关系的省略于面板数据及面板VA概要Word格式文档下载.docx
《不同科研经费投入与产出互动关系的省略于面板数据及面板VA概要Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《不同科研经费投入与产出互动关系的省略于面板数据及面板VA概要Word格式文档下载.docx(14页珍藏版)》请在冰豆网上搜索。
银行贷款;
科技投入;
面板数据;
面板向量自回归模型中图分类号:
G301
文献标识码:
A
1引言
广大科研人员是国家创新的核心,经费投入
是完成科研工作的重要保障。
我国的科技创新主体包括高等院校、科研院所、广大企业等,其经费来源渠道主要有三个方面,一是国家科技投入;
二是企业科技投入,这是我国科技投入的主体。
三是银行科技贷款,一般以企业贷款为主,用来弥补科技研发的资金不足。
研究不同经费来源渠道与科技产出之间的互动关系,对于深入分析科技金融的绩效,
客观评价我国的宏观科技政策,改进我国的科技评价体系,完善科技激励制度具有重要意义,为政府部门改善科技管理工作提供重要的参考。
国外关于科技投入与科技产出关系及政策评
价的研究有不少成果。
Arrow(1962)[1]
和Romer
(1986)[2]的研究发现,R&D经费投入会导致知
识创新。
Hitt等(1996)[3]
研究证明了企业研发费
用与自主创新正相关。
Griliches(1979,
1986)[4,5]
提出知识生产函数,将科研过程的产出看作是研
发资本和人力投入的结果,根据美国19531987年的数据,研究了科研投入量对专利数量的影响。
Lev等(1996)[6]以大量来源于不同行业的高研发密度的企业为样本,研究每年R&D支出与下一年经营收入的关系。
发现R&D费用的效益具有明显滞后性,其效益持续期各行业有明显的不同。
RousseauS等(1997)[7]根据不同国家数据,将GDP、科研人员与科研经费作为输入变量,学术出版物与专利作为输出变量,由此构建模型来分析
评估国家科研投入产出的效率。
Jeff等(2001)[8]
选取158家高研发密度企业和487家低研发密度企业的数据进行实证研究发现,高研发密度的企业,市场流动性与R&D研发密度负相关。
认为这是由于R&D费用的会计处理方法引起的信息不
对称造成的。
Hall等(1986)[9]
采用泊松模型对科研投入产出数据进行估计,发现R&D对专利申
请的时间滞后呈U型分布情形。
Inonu(2003)
[10]
根据每百万人口的学术出版物数量与人均GDP
两项指标对国家进行分类,描述了经济发展水平
与文化因素对科研产出的大致关系。
MarciaBel-cher(1995)[11]从组织管理的角度提出评价是科技组织发展的反馈机制,是提高机构科研产出质量的重要手段,能对组织机构的决策产生重大影响。
Cooper等(1997)
[12]
认为,科研管理是一个动态的调整被评估项目的优先次序的过程,在这个过程中,
包括对新项目的评估、选择、排序,同时还包括评估已有项目是否应继续或中止,最终将资源分配给评估结果占优的项目。
国内学者的研究也较为丰富。
李惠娟等
(2008)[13]运用协整检验及误差修正模型对我国19902005年地方财政科技投入与科技创新的关系进行了实证分析,结果表明,地方财政科技投入与科技创新之间存在着协整关系,二者呈现出长期稳定的特征,前者对后者具有推动作用。
江
涛等(2008)[14]基于VAR模型、协整分析和Granger因果检验,对19912005年四川省财政
科技投入与自主创新的关系进行实证分析。
发现财政科技投入与专利授权数之间存在某种长期均
衡联系,财政科技投入与自主创新能力正相关,自主创新能力是财政科技投入的Granger原因。
程
华等(2008)[15]
研究发现,政府科技投入对企业R&D投入有显著促进作用;
政府科技投入和大中型工业企业R&D投入存在长期相互影响;
短期政府科技投入会影响大中型工业企业R&D投入,但是大中型工业企业R&D投入不一定会影响政府
科技投入。
余昕等(2007)[16]
以16个OECD国家作为研究对象,以SCI来源期刊论文量作为科研产出指标,通过面板数据建立了科研投入产出关系模型,定量描述了发达国家科研产出与科研经费投入、科研人员数、时间等因素的关系。
李燕萍等(2009)[17]
运用扎根理论,从环境因素、科研人员、科研经费投入、科研产出4个方面构建了影响科研经费有效使用的四要素立体模型。
丁宁宁等(2008)[18]用高校论文数量作为科研产出,分析了人力资源投入数量、科研经费、课题数量对产出的影响,认为人力资源数量是最主要的因素。
赵正
洲等(2005)
[19]
运用线性回归分析了高等农业院
校科研成果数量与科研经费、科研课题数、博士生
人数、博士生导师人数的关系。
徐凯等(2008)
[20]
采用负二项分布对中国29个省、直辖市的高等院校19902003年的R&D支出与专利申请量以及论文发表数的研究发现,中国高等院校投入与产
出的直接关系非常弱,
R&D支出的促进效果很不明显。
李涛等(2008)[21]
通过面板数据研究发现,企业科研投入与盈利能力之间的关系并不明显,但对企业成长能力有显著的促进作用;
高研发密度和高效率的人工费用投入,对制造业主营业务收入的增长能力有显著的贡献。
谢亚兰(2008)[22]研究美国世界一流大学科研投入与产出之间的相关性,发现两者之间高度相关,相关系数在0.7以上,且公、私立大学间表现出了较大差异,私立大学科研投入与产出相关系数高达0.9。
余文盛(2010)[23]
应用灰色关联分析法分析科研经费投入、科研奖励与论文产出成本的相关关系,发现科研经费投入与论文产出成本存在高度关联,科研奖励与论文产出成本间的相关性较为显著。
从以上研究看,关于科技投入产出关系及影响因素的理论与实证研究较多,研究方法也较为丰富,尚存在以下问题:
第一,现有的研究往往重视科技投入对科技产出的影响,缺乏科技产出对科技投入影响及其内在机理研究。
第二,关于科技产出变量的选取存在问题。
科技产出是多元的,而现有的研究往往采用某个单一指标作为科技产出变量,比如专利数、论文数、科研成果数,这都是不全面的,会导致研究结果的偏误以及研究结论的互相矛盾。
第三,研究方法的运用上存在一定的缺陷。
在数据处理上,很多学者没有考虑到科技投入与产出的滞后期问题,或者滞后期的设定比较随意。
在方法上,由于科技投入要素间往往存在多重共线性,
从而导致模型不够稳定,甚至估计结果的系数符号出现错误。
此外,采用时间序列数据的一些研究没有进行平稳性检验,有可能导致伪回归问题。
第四,从研究对象看,现有的研究包括国家地区研究,高校和企业研究,缺乏从不同科研经费来源渠道进行研究的视角,因此也缺少不同经费来
源贡献的评估。
本文从不同经费来源渠道的角度选取投入变量,采用指标体系对科技产出指标进行评价从而得出科技产出变量,在对科技产出对科技投入影响的机制进行分析的基础上,
利用面板数据模型、面板数据向量自回归模型(PanelVAR,PVAR)、脉冲响应函数、方差分解、格兰杰因果检验全面研
究科技投入与科技产出的互动关系,从而揭示我
国宏观科技投入产出体系的全貌。
2
理论分析与研究框架
2.1
科技产出对科技投入的影响机制
关于科技投入对科技产出影响机制的研究较
为成熟,因此本文重点讨论科技产出对科技投入的影响机制(图1)
。
图1
Figure1
TheimpactmechanismofS&ToutputtoR&Dinput
首先分析科技产出的类型,对广大高等院校、
科研院所而言,科技产出主要是论文专著、专利等;
对企业而言,
科技产出主要是专利、技术革新、产品创新等。
科技成果的回报,对政府而言,是政府的政绩;
对广大科研人员而言,是科研补贴、各种奖励、荣誉和可能的经济回报;
对广大科研院
所、
高等院校与企业而言,是经济回报、各种奖励和荣誉。
从科技产出到科技成果回报,主要依靠两种途径:
一种是科技评价体系,主要是针对难以市场化的科技成果及相关奖励评审,包括政府部门和科研机构的评价;
另一种是市场机制,以经济回报的方式对科技成果产出单位和个人给予补偿。
在科技投入产出中,一定要发挥市场机制的作用,能够通过市场机制解决的问题,政府应该少干预,只发挥管理和引导作用。
如果科技成果的回报效果较好,则会继续促进科技投入,构成正反馈;
相反,如果科技成果的回报效果不佳,则可能会降低科技投入的积极性,
构成负反馈。
如学术评价不科学、不公正,经济收益较差等都容易引起负反馈。
无论是科研机构、高等院校和广大企业,还是国家、地区的科技系统,
从“科研投入→科技产出→成果回报→科研投入”形成良好的正反馈循环都是追求的目标,也是国家宏观科技管理与研发单位微观科技管理的重要任务。
2.2
研究框架
为了研究科技投入与科技产出的互动关系,首先要解决的一个主要问题就是科技产出指标的不唯一问题,
只有将科技产出指标通过多元统计方法进行评价,
变成一个变量后才使后续研究成为可能。
本文选取TOPSIS对科技产出进行评价,该方法设计科学,单调性好,计算简便,是一种优秀的客
观评价方法。
自Huang等(1981)
[24]
提出TOPSIS方法以来,在经济、科技、社会、环境、军事等诸多领域得到了广泛的应用,中国知网(CNKI)
①有
9000
①
2012年8月14日查询结果。
多篇采用该方法进行评价与决策的论文。
单纯采用截面数据或时间序列数据进行研
究,往往数据量较少,而且无法较好解决多重共线性和自相关问题,因此本文采用面板数据进行分
析。
考虑到面板数据的平稳性问题,
因此需要对数据进行平稳性检验。
之所以采用PVAR模型,
是因为PVAR融合了面板数据与向量自回归的优点,不再需要区分内生变量和外生变量,可以真实反映出科技投入产出之间的互动关系。
实证研究从两个方面展开,一个是静态研究,采用TOPSIS测度的科技产出作为产出变量,投入变量选取政府科技投入、
企业科技投入、科研机构贷款、
研发人员全时当量,采用传统面板数据进行分析。
另一个是进行动态研究,通过格兰杰因果检验分析科技投入与科技产出之间的因果关系,并在建立面板数据向量自回归模型的基础上采用脉冲响应函数和方差分解研究科技投入与科技产出的互动效应,最后对研究结果进行总结。
3数据
本文数据来自于20022009年期间的中国统
计年鉴、中国科技年鉴,实际数据为20012008年的分省数据(2008年以后中国科技年鉴不再公布不同渠道研发经费数据)。
选取的科技投入指标有政府科研经费投入、企业科研经费投入、银行科技贷款、研究与试验发展人员全时当量(该指标比单纯采用科研人员数量更加合理),
选取的产出指标有技术市场成交额、
SCI检索论文数、EI检索论文数、ISTP检索论文数、发明专利数、实用新型专利数、外观设计专利数。
西藏地区由于缺失数据较多,因此进行了省略。
为了减少异方差,同时增加结果的解释性,本文数据全部取对数进行处理。
4
实证结果
4.1
科技产出评价
首先采用TOPSIS对7个科技产出指标进行评价,这7个指标都是正向指标,在评价前必须进行数据标准化处理,方法是用每个指标值除以极大值,为了减少计算误差,所有标准化数值都乘以
100进行了适度放大,这样7个指标中每个指标
的极大值都是100,符合人们的习惯。
需要说明
的是,由于是面板数据,传统的标准化方法并不适用,本文标准化时指标极大值选取的是8年的极大值,这样保证了不同年度评价结果的可比性。
4.2
面板数据的平稳性检验
如果时间序列数据不平稳,则可能存在伪回归问题。
面板数据既包含时间序列数据也包含截面数据,因此也必须进行平稳性检验。
单位根检验是一种检测时间序列是否平稳的方法,常用的面板数据单位跟检验方法有Levin检验、
ADF检验、PP检验等,本文采用这三种方法同时进行检验,结果如表1所示。
由于检验原理不同,不同检
验方法的结果不尽相同,
本文以3种方法结果一致为准。
银行科技贷款在所有情况下都是平稳
的,
其他变量经过一阶差分都是平稳的。
表1
面板数据单位根检验
Table1Therootunittestofthepaneldata
变量
Levin检验值ADF检验值PP检验值结果LOG(Y)-1.599*35.41128.064不平稳LOG(K1)
2.1759.52622.748不平稳LOG(K2)-2.361***
21.541
25.592
不平稳LOG(K3)-19.867***112.068***97.599***
平稳LOG(L)
3.025
18.906
36.361
不平稳ΔLOG(Y)-52.399***188.324***244.942***平稳ΔLOG(K1)-20.375***175.347***224.717***平稳ΔLOG(K2)-15.707***139.173***180.883***平稳ΔLOG(K3)-20.601***161.301***203.523***平稳ΔLOG(L)
-33.626***162.592***188.525***
平稳
注:
*表示在10%的水平下统计检验显著,**
表示在5%的水平下统计检验显著,***表示在1%的水平下统计检验显著。
4.3面板数据估计
由于面板数据是平稳的,因此可以进一步进行回归分析,首先要确定投入产出的滞后期。
科技投入与产出之间的总滞后期包括两个部分,一是科技投入到科技实际产出完成之间的时间,称为实际产出滞后期。
比如通过实验,取得一项重要的技术创新。
二是科技实际产出完成到成果化之间的时间,称为成果化滞后期。
比如将科技发现写成论文进而发表,专利手续申请的时滞等。
对企业而言,实际产出一旦完成,就会立即投入应
用,科学的做法是选择实际产出滞后期来进行实证研究,在以往的研究中,尚没有学者注意到这个问题。
本文综合考虑,实际产出滞后期统一设定为1年,这样实际只有7年的面板数据。
采用面板数据分析科技投入与产出之间的关系,首先采用F检验分析是采用混合回归还是面板数据,结果发现应该采用面板数据模型,然后进行Hauseman检验,发现相伴概率为0.0004,拒绝随机效应模型的原假设,应该采用固定效应进行估计。
为了减少截面数据的异方差,采用截面加权,结果如表2中的固定效应1所示。
由于人员
全时当量没有通过统计检验,
将其删除,继续进行Hauseman检验,结果仍然拒绝随机效应的原假设,应采取固定效应模型进行估计,结果如表2的
固定效应2所示,为了对比,表2同时还给出了混合回归结果。
表2
面板数据回归结果
Table2Theregressionresultofthepaneldata变量含义混合回归固定效应1固定效应2C常数-5.660***(-48.511)-5.101***(-14.515)-4.783***
(-27.681)Log(K1(-1))政府科技投入0.294***(5.642)0.736***(10.064)0.633***(18.649)Log(K2(-1))企业科技投入0.564
***
(10.228)0.362
(5.453)0.410***(13.479)Log(K3(-1))银行科技贷款-0.103***(-3.332)-0.087***(-4.166)-0.051***
(-2.664)
Log(L(-1))人员全时当量
0.460
(6.121)0.049(0.466)—Hauseman
—20.46127.563p—0.00040.0000R2
0.949
0.988
0.993
从固定效应2的结果看,所有变量都通过了统
计检验,R2很高,为0.993。
对科技创新贡献最大的是政府科技投入,每提高1%,科技产出增加
0.633%,其次是企业科技投入,每增加1%,科技产出增加0.410%。
银行科技贷款的贡献呈轻微的负数,每增加1%,会导致科技产出减少0.051%。
那么银行科技贷款对科技产出的贡献为什么
会出现负数呢?
主要原因有以下几点:
第一,银行科技贷款相对比重下降。
1995年2008年期间,政府投入比例从1995年36.5%下降到2008年的21.9%,企业投入的比例从1995年
的44.8%上升到2008年的73.4%,
银行贷款科技投入的比例从1994年的18.7%下降到2008年的
4.7%。
第二,企业科技融资渠道相对单一,银行对科技贷款积极性不高。
我国科技金融体系尚不够健全,孵化器、天使投资、创业投资、科技保险、企业IPO等科技金融手段远远不能满足企业的创新需要,
银行贷款成为主要的科技融资渠道。
然而中小企业贷款困难是个普遍问题,
在政策性金融不够健全的情况下,科技贷款的需求远远不能满足企业科
技创新的需要。
第三,我国科技创新绩效总体不高。
高等院校、
科研院所的科技成果转化率低,企业、高校、科研院所合作创新的协作机制有待完善,产学研合作
有待增强,
此外不排除一些企业以科技贷款的名义取得贷款后挪作他用。
由于以上原因,扭曲了银行科技贷款与科技创
新之间的关系,从而导致其对科技产出的回归系数为负。
科研人员全时当量投入与科技产出无关,原因
是多方面的,比如不同研究水平的科研人员他们工作时间的权重不一样,现有科技统计体系无法统计,一些学科难以精确统计科技人员的全时当量,科技人员的工作效率有待提高等等。
4.4科技投入与产出之间互动关系的因果检验从理论上讲,科技投入是科技产出的原因,科技产出产生的激励效应也能带来科技投入的增加,因此科技产出也可能是科技投入的原因,那么实际数据能否支撑这个结论呢?
此外政府科技投入能否促进企业科技投入和银行科技贷款呢?
必须进行格兰杰因果检验,当然前提条件数据必须是平稳的。
从科技投入到科技产出,实际产出滞后期可能有1-3年,因此本文在进行格兰杰因果检验时将滞后期也如此设定,结果如表3所示。
第10期——基于面板数据及面板VAR模型的估计俞立平:
不同科研经费投入与产出互动关系的实证研究—表3Table3假设F检验概率滞后1年格兰杰因果检验·
99·
TheGrangercausalitytestingF检验概率滞后2年结论F检验概率滞后3年接受拒绝**拒绝***拒绝***拒绝*拒绝***拒绝***拒绝***接受拒绝**结论结论K1不是Y的原因Y不是K1的原因K2不是Y的原因Y不是K2的原因K3不是Y的原因Y不是K3的原因L不是Y的原因Y不是L的原因K1不是K2的原因K1不是K3的原因K2不是K3的原因9.71012.04429.5691.7357.85914.81819.31813.1960.09510.82930.1820.0020.0010.0000.1890.0060.0000.0000.0000.7590.0010.000拒绝***拒绝***拒绝***接受拒绝***拒绝***拒绝***拒绝***接受拒绝***2.0174.5339.6215.5412.61310.3008.0218.3112.1004.54813.7040.1360.0120.0000.0050.0760.0000.0010.0000.1260.0120.0003.1742.3846.9142.9486.3102.3556.1382.3870.2961.1743.0980.0260.0720.0000.0350.0010.0750.0010.0720.8280.3220.029拒绝**拒绝*拒绝***拒绝**拒绝***拒绝**拒绝***拒绝*接受接受拒绝**拒绝***拒绝***从格兰杰因果检验的结果看,除了第2年政府投入不是产出的格兰杰原因、第1年科技产出不是企业科技投入的原因外(产出对投入的激励效应存在滞后),其他所有年度科技投入都是科技产出的原因,科技产出也是科技投入的原因,说明我国科技产出对科技投入总体呈正反馈效应,投入产出形成良性循环。
政府科技投入不是企业科技投入的格兰杰原因,说明政府科技投入不能引领企业科技投入,企业科技创新主要是由市场因素决定的,不创新,企业就难以生存和发展。
在滞后1年和2年的情况下,政府科技投入是银行科技贷款的格兰杰原因,说明了政府科技投入对企业科技投入的引领作用,能够鼓励企业在研发经费不足的情况下进行银行科技贷款。
在所有滞后期,企业科技投入都是银行科技贷款的格兰杰原因,说明企业科技创新首先是自主投入,然后才会寻求银行贷款,企业科技投入是创新的主导力量。
4.5脉冲响应函数与方差分解由于面板数据是平稳的,因此可以继续进行协整检验,最佳滞后阶数根据前文的分析确定为1。
协整检验方法采用Kao面板协整检验,结果发现存在协整关系,接着建立VAR模型,模型的整体拟合且VAR模型所有特征根都位于单度R为0.988,位圆内,模型结构稳定,拟合效果较好。
由于VAR模型是一种非理论性的模型,它的系数难于解释,在分析VAR模型时,一般采用脉冲响应函数和方差分解进行进一步分析,脉冲响应函数总体情况如图2所示。
来自科技产出一个标准差的正向冲击,对企业科技投入的作用影响最大,并且持续时间较长,属于缓慢增长,对其他影响不大。
来自政府科技投入的冲击对科技产出和企业科技投入有轻微影响,影响力缓慢上升,作用周期较长。
来自企业科技投入的正向冲击对政府科技投主要
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 不同 科研 经费投入 产出 互动关系 省略 面板 数据 VA 概要