李 佳，韓軍輝

（太原理工大學(xué)經(jīng)濟(jì)管理學(xué)院，山西晉中030600）

0 引 言

近年來，國家經(jīng)濟(jì)轉(zhuǎn)型升級的持續(xù)加速對創(chuàng)新的需求與日俱增。高校作為社會創(chuàng)新體系的重要組成部分，擁有大量的科研人員、完備的知識體系和輕松的創(chuàng)新環(huán)境，在社會創(chuàng)新中扮演著舉足輕重的引領(lǐng)角色。如何提升高校創(chuàng)新能力直接關(guān)系到國家的創(chuàng)新建設(shè)。同時，合理分配有限的社會資源能夠最大限度地提升高校的創(chuàng)新能力。因此，研究高校R＆D投入與其創(chuàng)新績效的關(guān)系具有重要的現(xiàn)實意義。

1 文獻(xiàn)綜述

目前，有關(guān)R＆D投入與創(chuàng)新的研究，可以根據(jù)研究對象的不同將其分為兩種。以企業(yè)為研究對象。Wakelin［1］認(rèn)為企業(yè)的生產(chǎn)率增長與R＆D支出密切相關(guān)。Scherer［2］以美國企業(yè)為研究對象，得出企業(yè)R＆D投入可以促進(jìn)創(chuàng)新績效。Griliches等［3］通過控制行業(yè)變量驗證了上述結(jié)論。嚴(yán)焰等［4］以問卷數(shù)據(jù)為研究樣本進(jìn)行實證分析，R＆D投入的增加會促進(jìn)企業(yè)創(chuàng)新產(chǎn)出。高楠［5］通過計算灰色關(guān)聯(lián)度，得出兩者存在正相關(guān)關(guān)系。李鵬等［6］將企業(yè)的創(chuàng)新績效分為創(chuàng)新科技績效和創(chuàng)新經(jīng)濟(jì)績效，并采用面板數(shù)據(jù)模型得出企業(yè)R＆D投入對創(chuàng)新科技績效的促進(jìn)作用優(yōu)于創(chuàng)新經(jīng)濟(jì)績效。此外，Hausman等［7-9］均認(rèn)為企業(yè)R＆D人員的投入對其專利申請有顯著的促進(jìn)效應(yīng)。另一種是以高校為研究對象。付曄等［10］以57所教育部直屬高校為研究對象，從微觀層面出發(fā)系統(tǒng)地分析了R＆D資源投入對不同類型高校專利產(chǎn)出影響的差異性。趙慶年等［11］通過將高校的面板數(shù)據(jù)劃分科類得出R＆D全時人員可以促進(jìn)綜合大學(xué)、農(nóng)林院校及醫(yī)藥院校的授權(quán)專利，但對工科院校和師范院校的授權(quán)專利沒有影響的結(jié)論。楊靜等［12］認(rèn)為R＆D經(jīng)費的增加可以增加高校的專利申請量，而R＆D人員的投入對此卻沒有顯著影響。周風(fēng)華等［13］在探討資源對大學(xué)技術(shù)轉(zhuǎn)移的作用時也發(fā)現(xiàn)R＆D人員數(shù)對高校專利申請量沒有影響。張曉月等［14］發(fā)現(xiàn)R＆D人員投入對北京地區(qū)高校的專利產(chǎn)出有顯著的促進(jìn)作用，對非北京地區(qū)高校沒有影響，但能增加后者的科技論文產(chǎn)出數(shù)量。

根據(jù)以上文獻(xiàn)回顧可知，研究中大部分學(xué)者已將R＆D投入側(cè)重于人員投入或經(jīng)費投入的某一方面，同時將高校的創(chuàng)新產(chǎn)出聚焦于科技創(chuàng)新，實證分析了R＆D投入與專利產(chǎn)出的關(guān)系。但高校R＆D投入并不只有人員和經(jīng)費兩方面的投入，還包括R＆D項目的數(shù)量。R＆D項目是指研究與開發(fā)項目，具有一定的鉆研性、創(chuàng)造性和冒險性，這些特點決定了R＆D項目在開發(fā)過程中一定伴隨著大量的創(chuàng)新產(chǎn)出。為了更加準(zhǔn)確、全面地反映高校R＆D的投入情況，本文選取了R＆D基本人員、R＆D全時人員、R＆D經(jīng)費和R＆D項目數(shù)量4個指標(biāo)共同衡量高校的R＆D投入。另外，考慮到數(shù)據(jù)處理和實證分析的便利性，本研究還采用多指標(biāo)面板數(shù)據(jù)因子分析對R＆D投入“降維”。高校作為社會創(chuàng)新體系中的中流砥柱，培養(yǎng)人才、科研創(chuàng)新、傳播知識等均是其主要職能，專利產(chǎn)出也僅僅是其創(chuàng)新的一部分。為提升自身學(xué)術(shù)水平和競爭地位，學(xué)術(shù)創(chuàng)新在高校創(chuàng)新產(chǎn)出中至關(guān)重要。此外，高校在追求科技創(chuàng)新和學(xué)術(shù)創(chuàng)新的同時，在經(jīng)濟(jì)上尋求突破必定會為其進(jìn)行科技和學(xué)術(shù)創(chuàng)新提供一定的經(jīng)濟(jì)基礎(chǔ)進(jìn)而促進(jìn)其總的創(chuàng)新績效。因此，為了進(jìn)一步明確高校R＆D投入對不同維度創(chuàng)新績效的影響差異，本文在已有研究的基礎(chǔ)上，采用更為綜合的R＆D投入指標(biāo)（R＆D基本人員、R＆D全時人員、R＆D經(jīng)費和R＆D項目數(shù)）研究高校R＆D投入與創(chuàng)新績效的關(guān)系；將高校創(chuàng)新績效定義為科技創(chuàng)新、學(xué)術(shù)創(chuàng)新和經(jīng)濟(jì)創(chuàng)新3個維度，采用2008～2017年的省際平衡面板數(shù)據(jù)實證分析了不同區(qū)域高校的R＆D投入對其創(chuàng)新績效的影響；同時根據(jù)結(jié)果分析造成差異的可能原因并據(jù)此提出建議以進(jìn)一步釋放我國高校創(chuàng)新的潛力。

2 研究方案設(shè)計

2.1 變量選取

（1）被解釋變量。高校的主要創(chuàng)新產(chǎn)出有論文、專著、發(fā)明及專利等。論文和專著更側(cè)重于學(xué)術(shù)創(chuàng)新，而發(fā)明、專利更側(cè)重于技術(shù)創(chuàng)新，技術(shù)轉(zhuǎn)讓收入則更側(cè)重于經(jīng)濟(jì)創(chuàng)新。為了進(jìn)一步明確高校R＆D投入對創(chuàng)新績效的影響，將高校的創(chuàng)新績效分為學(xué)術(shù)創(chuàng)新績效（Y1）、科技創(chuàng)新績效（Y2）和經(jīng)濟(jì)創(chuàng)新績效（Y3），分別選擇發(fā)表學(xué)術(shù)論文數(shù)、專利授權(quán)數(shù)和技術(shù)轉(zhuǎn)讓收入作為衡量指標(biāo)。其中，學(xué)術(shù)論文不僅能夠表征高校的知識轉(zhuǎn)移，也是衡量其科研水平的重要指標(biāo)，可用來反映學(xué)術(shù)創(chuàng)新績效［15］；專利授權(quán)數(shù)是高校進(jìn)行科學(xué)研究的實際成果，可用于衡量科技創(chuàng)新績效，技術(shù)轉(zhuǎn)讓收入則是從經(jīng)濟(jì)效用角度反映創(chuàng)新成果，能夠代表經(jīng)濟(jì)創(chuàng)新績效［6］。這3個指標(biāo)的數(shù)值越高，意味著高校的創(chuàng)新績效越好。此外，為了消除價格變動帶來的誤差，上述技術(shù)轉(zhuǎn)讓收入需用當(dāng)年各省份居民消費價格指數(shù)對初始數(shù)據(jù)折算（以2007年為基期）［16］。

（2）解釋變量。R＆D投入一般包括R＆D基本人員投入（x1）、R＆D 全時人員投入（x2）、R＆D 經(jīng)費投入（x3）以及R＆D項目投入（x4）。通過對2008～2017年30個省份的面板數(shù)據(jù)進(jìn)行多指標(biāo)面板數(shù)據(jù)因子分析將R＆D投入的多個指標(biāo)降維成一個變量。具體步驟如下：先用計算出來的R＆D價格指數(shù)對R＆D經(jīng)費投入進(jìn)行折算（以2007年為基期）［17］，然后將得到的數(shù)據(jù)和另外3個變量的初始數(shù)據(jù)標(biāo)準(zhǔn)化以降低數(shù)據(jù)間單位差異所帶來的誤差。將處理過后的面板數(shù)據(jù)按時間順序平鋪成一個大的截面數(shù)據(jù)，通過SPSS進(jìn)行因子分析適用性檢驗。得到的KMO值為0.770，Bartlett檢驗的概率值為0.000，說明可以進(jìn)行因子分析。運用主成分分析法可以進(jìn)一步確定所取的4個指標(biāo)可以縮減為一個綜合指標(biāo)，其因子得分系數(shù)分別為0.261、0.261、0.254 和0.258。所以，高校的R＆D 投入為：X1＝0.261x1+0.261x2+0.254x3+0.258x4。這里的x1、x2和x4均為初始數(shù)據(jù)，x3為平減后的R＆D經(jīng)費投入。

（3）控制變量。參考張曉月等［14］對高校R＆D人員投入與專利產(chǎn)出關(guān)系研究中的變量測度，選取高校所在省份的科技環(huán)境、經(jīng)濟(jì)環(huán)境以及國際交流程度等環(huán)境變量作為控制變量取對數(shù)計入回歸模型。其具體衡量指標(biāo)如表1所示。

表1 控制變量測度表

其中，高校所在省份的GDP需用各省份當(dāng)年的GDP指數(shù)進(jìn)行平減（以2007年為基期）。

2.2 模型構(gòu)建

本文的被解釋變量是發(fā)表學(xué)術(shù)論文數(shù)、專利授權(quán)數(shù)以及技術(shù)轉(zhuǎn)讓收入，前兩者只能取非負(fù)整數(shù)。對于這類計數(shù)型數(shù)據(jù)，通?？梢圆捎谩安此苫貧w”和“負(fù)二項回歸”兩種回歸模型。但“泊松回歸”要求被解釋變量的觀察值的期望與方差必須相等，而當(dāng)被解釋變量的觀察值呈現(xiàn)出方差大于均值的過離散特征時，可以考慮使用“負(fù)二項回歸”。通過對本文數(shù)據(jù)進(jìn)行描述性統(tǒng)計分析，發(fā)現(xiàn)被解釋變量——論文數(shù)量和專利授權(quán)數(shù)的期望遠(yuǎn)小于其方差，如表2所示。所以，當(dāng)被解釋變量是學(xué)術(shù)創(chuàng)新績效和科技創(chuàng)新績效時，采用負(fù)二項回歸進(jìn)行實證分析。

表2 變量的描述性統(tǒng)計

此外，技術(shù)轉(zhuǎn)讓收入是非計數(shù)型數(shù)據(jù)，將初始數(shù)據(jù)標(biāo)準(zhǔn)化后計入多元線性回歸模型進(jìn)行實證分析?？紤]到高校創(chuàng)新產(chǎn)出的滯后性，本文將解釋變量的滯后期設(shè)定為1年。

當(dāng)被解釋變量為學(xué)術(shù)創(chuàng)新績效時，模型的具體設(shè)定如下：

當(dāng)被解釋變量為科技創(chuàng)新績效時，模型的具體設(shè)定如下：

當(dāng)被解釋變量為經(jīng)濟(jì)創(chuàng)新績效時，模型的具體設(shè)定如下：

上述模型中，s代表高校，t指的是年份。其中，為了消除量綱以及變量本身帶來的影響，模型3在進(jìn)行回歸分析前需將所有數(shù)據(jù)標(biāo)準(zhǔn)化。

2.3 數(shù)據(jù)來源

為了確保數(shù)據(jù)的真實性和可靠性，本研究數(shù)據(jù)主要來源于2008～2017年《中國高等學(xué)?？萍冀y(tǒng)計資料匯編》和《中國統(tǒng)計年鑒》。參考梁樹廣對高?？萍汲晒D(zhuǎn)化效率的研究中對區(qū)域的劃分，將30個省份劃分為東、中、西三大區(qū)域［18］。

3 實證結(jié)果分析

本例中，聚類穩(wěn)健標(biāo)準(zhǔn)誤（68.72）與普通標(biāo)準(zhǔn)誤（211.98）相差較大，傳統(tǒng)的豪斯曼檢驗不適用。因此，本研究采用輔助回歸檢驗使用固定效應(yīng)還是隨機(jī)效應(yīng)模型。3個模型匯報的χ2（4）統(tǒng)計量分別為51.602、24.352、104.372，p值分別為0.000 0、0.000 1、0.000 0，所以采用固定效應(yīng)模型分析高校R＆D投入對創(chuàng)新績效的影響，回歸結(jié)果如表3所示。

由表3可知，從全國總體水平出發(fā)，高校R＆D投入對其創(chuàng)新績效有高度顯著的促進(jìn)效應(yīng)。高校R＆D投入對其學(xué)術(shù)創(chuàng)新績效的影響彈性系數(shù)為0.124，對科技創(chuàng)新績效的影響彈性系數(shù)為0.292，對經(jīng)濟(jì)創(chuàng)新績效的影響彈性系數(shù)為0.463，且均為高度顯著。與全國平均水平相比，不同地區(qū)高校的R＆D投入對其創(chuàng)新績效的影響有著顯著性差異。對于東部地區(qū)而言，高校R＆D投入對學(xué)術(shù)創(chuàng)新績效有顯著的促進(jìn)效應(yīng)，彈性系數(shù)為0.136；對科技創(chuàng)新績效和經(jīng)濟(jì)創(chuàng)新績效的促進(jìn)效應(yīng)均高度顯著，彈性系數(shù)分別為0.808、0.444。可見，東部地區(qū)的R＆D投入對創(chuàng)新績效的影響遠(yuǎn)遠(yuǎn)高于全國平均水平。中部地區(qū)高校R＆D投入對學(xué)術(shù)創(chuàng)新績效和科技創(chuàng)新績效的促進(jìn)作用均不顯著，卻對經(jīng)濟(jì)創(chuàng)新績效有顯著的促進(jìn)效應(yīng)。西部地區(qū)高校R＆D投入對學(xué)術(shù)創(chuàng)新績效有顯著的正向促進(jìn)作用，但對科技和經(jīng)濟(jì)創(chuàng)新績效的影響彈性系數(shù)分別為-0.061、0.460，且不顯著。顯然，中西部地區(qū)高校R＆D投入對創(chuàng)新績效的影響明顯低于全國平均水平。原因可能在于中西部地區(qū)高校的質(zhì)量遠(yuǎn)低于東部地區(qū)，這直接導(dǎo)致其創(chuàng)新意識和創(chuàng)新能力均落后于東部地區(qū)；同時，中西部相對落后的經(jīng)濟(jì)環(huán)境、較為閉塞的交流環(huán)境在某種程度上會導(dǎo)致其創(chuàng)新環(huán)境不如東部地區(qū)輕松，這些都限制了高校創(chuàng)新。而東部地區(qū)不僅受到自身高水平經(jīng)濟(jì)、科技環(huán)境的影響，還受到周邊高水平經(jīng)濟(jì)、科技環(huán)境的牽引，不同省域之間可以便利地共享對方的創(chuàng)新資源，進(jìn)而促進(jìn)整個地區(qū)的創(chuàng)新績效。

表3 R&D投入與創(chuàng)新績效之間的回歸結(jié)果

此外，從總體水平來看，高校R＆D投入對經(jīng)濟(jì)創(chuàng)新績效的促進(jìn)作用最為明顯，科技創(chuàng)新績效次之，對學(xué)術(shù)創(chuàng)新績效的影響最弱。但東部地區(qū)高校R＆D投入對科技創(chuàng)新績效的促進(jìn)效應(yīng)最強(qiáng)，經(jīng)濟(jì)創(chuàng)新績效次之，學(xué)術(shù)創(chuàng)新績效受其影響最小。中部地區(qū)的經(jīng)濟(jì)創(chuàng)新績效和西部地區(qū)的學(xué)術(shù)創(chuàng)新績效受高校R＆D投入的影響波動較為明顯。說明我國東、中、西部的高校創(chuàng)新發(fā)展嚴(yán)重失衡，這在很大程度上受到經(jīng)濟(jì)發(fā)展不平衡的限制，也受到政策環(huán)境的制約。東部地區(qū)的地理位置得天獨厚，經(jīng)濟(jì)繁榮，高新技術(shù)產(chǎn)業(yè)的飛速發(fā)展使得其創(chuàng)新資源得到最合理的配置，進(jìn)而導(dǎo)致其科技創(chuàng)新績效和經(jīng)濟(jì)創(chuàng)新績效受R＆D投入的影響更為明顯。

4 結(jié)論與建議

基于全國30個省份2008～2017年的創(chuàng)新產(chǎn)出，從學(xué)術(shù)、科技和經(jīng)濟(jì)3個維度探討了高校R＆D投入與其創(chuàng)新績效間的關(guān)系，得出以下結(jié)論：從全國總體水平來看，高校R＆D投入對其創(chuàng)新績效有高度顯著促進(jìn)效應(yīng)，其中，對經(jīng)濟(jì)創(chuàng)新績效促進(jìn)作用最為明顯，科技創(chuàng)新績效次之，對學(xué)術(shù)創(chuàng)新績效的影響最弱；從區(qū)域水平來看，東部地區(qū)的高校R＆D投入對其創(chuàng)新績效的促進(jìn)作用較為顯著，且高于全國平均水平；而中西部高校的創(chuàng)新績效受R＆D投入的影響不明顯，且低于全國平均水平。說明我國區(qū)域間高校的創(chuàng)新發(fā)展嚴(yán)重不平衡。

基于以上結(jié)論及分析，建議如下：對于政府而言，應(yīng)該重視東部與中西部發(fā)展嚴(yán)重失衡的現(xiàn)象，加大對中西部創(chuàng)新的政策扶持，并通過控制和優(yōu)化創(chuàng)新資源的配置引導(dǎo)協(xié)同創(chuàng)新，充分發(fā)揮政府在企業(yè)、高校和研究院所協(xié)同合作中的協(xié)調(diào)作用。對于東西部高校而言，在重視、優(yōu)化要素配置的同時，還要建立合理的薪酬獎勵制度。對參與人員有足夠的吸引力、誘惑力的創(chuàng)新目標(biāo)是創(chuàng)新得以順利實現(xiàn)的先決條件，參與方的收益是高校創(chuàng)新系統(tǒng)形成的強(qiáng)勁動力［19］。此外，高校也可以對教師、科研人員采用更為靈活的任用制度，構(gòu)建更有競爭力的薪酬獎勵制度，優(yōu)勝劣汰，進(jìn)而調(diào)動工作人員對創(chuàng)新的積極性和熱情，提高創(chuàng)新績效。