基于ECM区域科技成果转化绩效实证分析.docVIP

基于ECM区域科技成果转化绩效实证分析 　　摘要：搜集省际面板数据，运用主成分方法测度各地区科技成果转化绩效，建立误差修正模型探究影响科技成果转化绩效的因素。研究表明，科技集聚对科技成果转化绩效具有长期和短期正向显著影响；RD经费对科技成果转化绩效有长期和短期负向显著影响；RD人员投入、教育环境、基础设施水平对科技成果转化绩效有长期显著影响；制度因素对科技成果转化绩效影响不显著。 　　关键词：科技成果转化绩效； Panel data 模型； ECM模型 　　中图分类号：F224；G322；F0615 文献标识码：A 文章编号：1001-8409（2013）07-0088-05 　　一、引言 　　数据显示，我国科技投入日益加大，2010年我国RD总经费规模仅次于美国和日本，成为全球第三大国；科技成果产出量较大，发明专利授权量、SCI论文数量和EI论文数量分列世界第三、第二和第一位。然而，我国科技与经济融合存在问题，使大量科技成果成为“展品”，难以高效快速转化。科技成果高效转化是创新驱动战略的核心问题之一，直接影响不同创新主体创新能力提高和创新资源的利用效率。探析区域科技成果转化的影响因素及其作用效果，已成为广泛关注的课题。 　　针对科技成果转化效率评价及其影响因素问题，众多学者进行了深入探讨。如尹航以23个科技成果转化项目作为分析对象，运用AHP-Entropy方法对23个科技成果转化绩效进行了综合评价[1]。迟国泰等用离差最大化方法对指标赋权，用灰色关联度对指标评分，建立了基于灰色关联分析的科技评价模型，并利用Ward聚类揭示了14个典型省份科技成果转化水平的异质性[2]。王桂月和王树恩利用模糊神经网络具有模糊化和良好泛化（预测） 能力， 在构建高校科技成果转化评价指标基础上， 建立高校科技成果转化评价的模糊神经网络模型[3]。在影响因素方面，刘家树、菅利荣从主体因素、政策环境因素、科技成果转化推广因素、科技成果转化服务因素、区域因素五个方面选取指标，运用Tobit模型，对影响科技成果转化效率因素进行分析，结果表明，政府资金支持、新产品开发经费、科技服务和区域因素对科技成果转化效率有显著影响[4]。林江等以“泛珠???角”为例构建了面板模型，对影响科技成果转化效率的宏观因素进行了实证分析，结果表明地方政府科技拨款、政府相关鼓励科技政策、RD投入、风险投资和企业所得税率等对“泛珠三角”地区科技成果转化效率具有显著影响[5]。还有学者探析了知识产出与科技成果转化绩效的链式关系，并说明加强知识产出与成果转化的耦合是促进科技成果转化绩效的重要途径[6]。 　　上述文献对本文进一步研究具有宝贵的借鉴意义，但是没有考虑到变量之间的长期均衡关系和短期波动关系。科技成果转化是一个系统工程，受到诸多因素影响。在影响因素中，有些因素对科技成果转化绩效作用具有长期性和持久性；而有些因素对成果转化绩效作用是短期的。因此，在探究科技成果转化的影响因素过程中，必须对长期均衡关系和短期波动关系进行区别，本文选用2004～2010年我国省级面板数据，建立误差修正模型，研究科技成果转化绩效与其影响因素之间的长期协整关系和短期波动关系。首先，收集我国各地区大中型企业的数据，运用主成分分析法测度地区科技成果转化绩效；其次，选取变量，建立误差修正模型；最后，根据实证分析结论提出相关建议。 　　二、区域科技成果转化绩效测度与影响因素分析 　　科技成果转化是实现科技成果产业化、商业化过程，目的是获得经济效益。从新产品产出、高技术产业产出、利润率和技术市场水平四个方面选取指标测度科技成果转化绩效，分别用大中型工业企业新产品产值占工业总产值的比重、高技术产业新产品产值占高技术产业当年总产值的比重、大中型工业企业成本费用利润率和技术市场成交额来表征。各指标的原始数据来源于2005～2011年《中国科技统计年鉴》和2005～2011年《中国统计年鉴》，西藏由于部分数据缺失将其排除，共得到30个地区7年间共210个样本点数据。由于选取的指标量纲不同，因此对其进行标准化处理，使其具有可比性。 　　（一）方法简介 　　主成分分析，就是设法将原来变量指标重新组合成一组新的、互不相关的几个综合变量或指标，同时根据实际需要从中选取几个较少的综合变量或指标来尽可能多地反映原变量或原指标的信息[7]。本文运用SAS统计软件，对各年度的统计数据进行主成分分析，主成分个数m的选取使得方差的累积贡献率达到85%，最后对主成分进行线性组合，系数为相应主成分的方差贡献率，求得各地区的转化绩效，即y=γ1F1+γ2F2+…+γmFm。式中，y为绩效的综合评价指标，F1，F2，…，Fm分别为第一主成分，第二主成分，…，第m主成分，γ1，γ2，…，γm为它们的系数。 　　（二）科技成