朱泽钢++许瑞泉

文章编号：2095-6835（2017）04-0005-04

摘 要：对区域工业企业研发水平的精准测度是探究区域创新能力驱动机制的必要条件，改革开放以来，我国科技信息统计工作取得长足发展，但依然达不到对研发水平精准测度的要求。利用现有科技信息统计的数据，在剔除产业异质性影响的基础上对我国各省区工业企业研发水平进行综合测度，为相关研究提供数据支持。最后针对上述具体研究所揭示出的我国科技信息统计的问题，提出了相应建议。

关键词：科技信息统计；工业企业；研发水平；综合测度

中图分类号：C829.2 文献标识码：A DOI：10.15913/j.cnki.kjycx.2017.04.005

在供给侧结构性改革的大背景下，工业企业通过提升研发水平实现创新驱动具有重大意义。并且，在建设创新型国家的目标下，区域创新能力的建设问题越来越被重视。对区域工业企业研发水平进行科学、严谨的测度，才能探究区域工业企业研发水平提升的决定因素、发展趋势和实现路径。近年来，我国科技信息统计工作克服基础弱等问题取得较大发展，为区域研发水平测度提供了较为充分的信息来源。但是，当前我国科技信息统计发展仍处在“爬陡坡”阶段，还存在许多改进空间。

1 研发水平测度的信息要求

研发活动是高度复杂的系统性工作，对其测度较为困难。由于在一个区域内，参与和影响企业研发活动的外部主体较多，因此，从区域层面对工业企业研发水平进行综合测度更为困难。本文利用现有科技信息统计数据，将区域工业企业研发活动看作一个系统，在考虑产业异质性的基础上对其进行综合测度，为相关研究奠定数据基础，以达到增加科技信息投入量来提升区域研发成果产出的效果。

如图1所示，企业研发活动首先是一个由投入、过程和产出构成的知识生产系统；从区域角度来看，也是由政府、科研机构、金融机构、企业、研发人员等共同构成、相互合作的关系系统。

通过对工业企业研发系统的考察，可以看到对区域工业企业研发水平的测度既要利用知识生产系统的信息，又要利用系统中各参与主体的关系水平信息。从具体指标的角度来看，这些信息的要求可以归结为投入性指标、效率性指标、产出性指

标和关系指标4个方面。

2 科技信息统计对测度的满足度

当前，比较全面和系统反映我国工业企业研发活动情况的公开数据来源主要包括《中国科技统计年鉴》《中国科学技术指标》《中国高技术产业统计年鉴》等出版物。其原始数据搜集主要包括企业研发人员投入、研发经费投入、研发项目、研发机构、研发成果产出、技术获取和技术改造等信息。

现有科技统计信息搜集、整理和发布重点关注研发活动的投入和最终成果产出，而对研发过程的信息統计较薄弱。现有关于研发过程效率的评价一般是在知识生产模型的基础上，通过投入与产出数据进行总体估计。由于研发活动具有一定周期，因此，研发活动投入数据必须经过一定的滞后期才能与产出数据匹配，但是，项目统计信息搜集的困难以及数据经过汇总处理，使得研发投入与产出的匹配间隔期难以估计，并且，目前我国关于研发过程的信息统计不包括中间试验和试生产等环节的数据，导致对研发活动的效率计算不够准确。

通过企业研发资金投入来源与经费使用情况，可以间接考察企业与相关主体的联系。这为评价企业研发活动关系水平提供了良好的数据来源。研发资金来源分企业资金投入、政府资金投入、金融机构资金投入与境外资金投入，反映了企业与重要研发投入主体的关系水平；研发经费支出包括人工劳务费支出、资产支出、对研发机构支出、对高等院校支出、对境外机构支出，反映了企业与其他研发机构的业务合作关系水平；技术获取经费支出包括引进国内经费支出、引进国外经费支出等，反映了企业与其他研发机构的技术交易合作水平。

从区域层次来看，对工业企业研发数据的统计没有细分到具体企业，也没有区分产业，而是汇总成一个数据。由于区域内产业众多，各个产业的技术创新空间不一致，因此，不考虑产业技术异质性就不能对区域工业企业研发水平做出客观评价。综合以上分析可知，我国目前科技信息统计能满足对区域工业企业研发水平的基本测度，但还存在一些不足。

4 我国工业企业研发水平的综合测度

4.1 综合测度及排名

鉴于数据可得性，本文以省级区域为研究对象，运用2009—2014年数据来测度各区域工业企业研发水平，数据来源为《中国科技统计年鉴》《中国统计年鉴》以及各省统计年鉴。本文将各项指标的6年数据进行平均处理以消除随机因素的影响。在分别对投入水平、产出水平、关系水平进行测度的基础上，综合上述3个方面对总体研发水平进行了测度，具体测度得分与排名情况如表2.

从各项测度得分来看，北京、天津、黑龙江、上海、安徽、贵州、西藏、陕西、宁夏9省区的各项得分均为正数，其他22个省区至少有一项水平测度为负分，说明我国工业企业总体研发水平较低。从总体水平测度的得分来看，北京、天津等17个省区总体水平得分为正数，河北、内蒙古等14个省区总体水平得分为负数，最高得分为北京的1.26分，最低得分为吉林的-1.37，中位数为湖北省的0.02分，说明我国各省区工业企业研发水平差异较大。从投入水平测度的得分来看，浙江、北京等17个省区得分为正数，其他14个省区得分为负数，其中，最高分是浙江的2.59，最低分是吉林的-3.9，中位数是贵州的0.22.可以看到，我国各省区之间投入水平的差异很大。这与我国区域经济发展水平逐步拉大的大背景一致。从产出水平测度的得分来看，北京、安徽等17个省区的得分为正数，江苏、福建等14个省区的得分为负数，最高值是北京的3.06分，最低是吉林的-3.09，产出水平与投入水平的情况大体相同。

从关系水平测度的得分来看，安徽、北京等12个省区的得分为正数，其他19个省区的得分为负数，其中，安徽1.26分最高，吉林-0.71分最低，中位数是广东的-0.09分。这些数据说明了2方面问题：①各省区得分普遍较低，说明我国研发制度创新水平总体偏低，制度演进的速度远远落后于投入水平增长的速度；②各省区的差异比较小，说明我国各省区在研发制度建设方面的差距不大，经济落后省区在区域竞争的压力下积极寻求改进研发制度，以促进研发能力提升。

从排名情况来看，排名前列的省份除了北京各项测度的排名都处于前列之外，其他省区各项测度的排名差异较大；排名后位的省区却有多个省区的各项测度都落后，比如吉林、江西、河北、河南和四川等。这说明，研发水平较高的省区，可能找到了提升研发水平的突破点，至少已经进行某些方面的尝试，因此，有些方面表现较好。而研发水平较低的地区，由于路径依赖等问题存在，还没有找到突破点，因此造成了全方位落后。这个现象是研发水平较低的地区要重视的问题，也是我国区域创新政策制订和实施要重点关注的问题。因为只有让研发水平较低的地区实现突破，其研发能力得到较大提升，我国才能从总体上成为一个创新型国家。

从科技信息统计角度来看，上述测度的准确性有限。投入与产出的时期无法合理匹配，导致放弃对效率的直接测度，使得测度维度不全面，比如天津、黑龙江等省区的投入水平排名与产出水平排名差异较大，说明这些省区的研发效率相对其他省区的差异较大，但是上述测度无法将其表现。

4.2 空间分析

根据对各省区工业企业研发总体水平测度的得分值，运用Geoda软件可视化功能，按照等差原则将各区域分成3类进行分析。从图2中可以看到，我国各省区工业企业研发水平的空间分布主要具有如下特征：①总体呈现“东高西低”空间分布趋势，东部省区比如上海、浙江、福建、广东、北京、天津位于高层次，江苏、山东、海南等东部省区位于第二层次；中西部省区普遍属于中、低层次，但安徽、陕西、宁夏、贵州和西藏等中西部省区的研发水平却处于高层次。这与一般性认识有一些差异，主要原因在于多数研究关于研发水平的测度没有剔除产业技术异质性的影响。②“总体分异、局部集聚”现象明显。上海、浙江、福建、广东等省区紧密地集聚在高层次，河南、河北、湖南、湖北、江西等中部城市集聚在中低层次，内蒙古、新疆、四川、重庆、甘肃、青海等西部省区也集聚在中低层次。这个现象在一定程度上说明我国工业企业研发水平存在空间关联性，各区域之间应加强研发合作和产业协调以实现总体提升。

图2 我国各省区工业企业研发水平空间分布

从可视化地图可以明显地看出，以省区为统计对象来测度区域工业企业研发水平，只能形成31个评价主体，不能将我国工业企业研发水平的空间布局充分展现出来。我国各省区地理范围较大，次省级区域的差异其实非常大，比如省会城市与偏远城市的研发水平差异巨大，农村地区与城市的差异更是明显。如果不对省级区域进行再细分来统计信息，所谓区域研发水平测度的精准度将极为有限。

5 结束语

经过上述研究发现，研发活动是一项知识生产的活动，也是研发参与主体相互作用的过程，因此，对研发水平的测度既要利用投入与产出信息，也要利用研发活动参与主体关系数据。由于我国科技信息统计发展时期较短，当前的信息统计还不能很好地满足对研发水平测度的信息要求，主要存在如下问题：①科技信息统计内容不够充分。投入信息统计只有当年研发人员投入与研发经费投入，缺乏前期知识存量信息的统计；产出信息投入只有专利数据，而缺乏成果转化方面的信息，导致对研发产出测度不准确。②没有考虑投入与产出的时期匹配关系，导致无法对研发效率作出合理测度。③从区域的角度来看，由于我国省区面积较大，各省区内差异较大，因此，以省区为统计口径将无法测度次省级区域的研发水平。④对企业研发关系信息的重视程度不够，导致信息统计不系统和全面。

基于以上研究，提出几点建议：①在科技信息统计年报中加入知識存量信息的统计，并且统计研发成果转化的相关信息；②强化对研发项目的统计，使统计信息更加精准，并且实现对投入与产出合理匹配的目的；③在以省区为统计对象的基础上，再以城市为统计对象，至少以大中型城市为统计对象，形成区域层面更细致的统计；④将研发活动的参与主体纳入统计范围，系统统计它们之间发生的交易量和合作成果等相关信息。

参考文献

[1]曹勇，秦以旭.中国区域创新能力差异变动实证分析[J].中国人口、资源与环境，2012（3）.

[2]人口和社会科技统计司.中国科技统计发展历程[J].统计研究，2002（7）.

[3]罗江酃.试论如何加强科技信息统计质量[J].新疆石油科技，2011（1）.

[4]基于两阶段DEA模型的区域科技信息投入-转化效率测算研究[J].情报科学，2013（6）.

[5]Guan J，Chen K.Measuring the innovation production process：A cross-region empirical study of China high-tech innovations.Technovation，2010，30（5）.

[6]苏屹，姜雪松，雷家骕，等.区域创新系统协同演进研究[J].中国软科学，2016（3）.

[7]刘树梅.我国科技统计发展概况[J].科技管理研究，2007（2）.

[8]周密.研发存量、研发经费来源与知识生产效率[J].经济

评论，2012（5）.

[9]马元三.科技统计与技术创新管理研究[J].技术经济与管理研究，2010（6）.

[10]李慧娟，马元三.基于技术创新管理的科技统计指标体系 构建[J].商业经济研究，2007（28）.

[11]俞立平，潘云涛，武夷山.科技评价指标相关消除方法——相关系数调整法[J].情报杂志，2009（2）.

[12]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社，2010：465-471.

〔编辑：刘晓芳〕