计量最终版.docx
《计量最终版.docx》由会员分享，可在线阅读，更多相关《计量最终版.docx（15页珍藏版）》请在冰豆网上搜索。
《计量经济学》课程综合专题研究
国家对科技创新投入与产出绩效关系的定量分析与研究
课程编号:
40L391Q
授课对象:
2017级经济学、会计学本科生
授课教师:
赵晓军
授课学期:
2018~2019学年第二学期
小组成员:
李记升 17241240
王佳蕊 17241131
杨春晓 17241136
2019年6月
摘要
当今世界科学技术越发成为综合国力竞争的重要源泉，为了在科技竞争中脱颖而出，我国每年研发投入很大，那么科技投入与创新产出的效益和质量的关系研究就被摆在了首要地位，并且对我国进一步提高科技投入效率和促进科技生产力的发展具有重要意义。
本论文以解决现实问题为出发点,立足相关理论,在实际可得数据的基础上建立了相应科技投入与产出绩效的评价模型,应用计量经济等工具进行统计、回归、分析,并在此基础上为我国经济持续增长和加快科技创新提出了可行的对策建议。
关键词：
科技创新投入产出绩效最小二乘法二阶差分方法
目录
1研究背景 4
2研究对象 4
3理论基础 5
4计量模型 6
4.1平稳性检验 6
4.1.1𝒀𝟏的平稳性检验 6
4.1.2𝒀𝟐的平稳性检验 7
4.1.3𝒀𝟑的平稳性检验 8
4.1.4𝑿𝒊的平稳性检验 9
4.2协整建模 9
4.2.1解释变量对𝒀𝟏的影响研究 9
4.2.2解释变量对𝒀𝟐的影响研究 10
4.2.3解释变量对𝒀𝟑的影响研究 10
5统计检验 11
5.1方程总体及变量的显著性检验 11
5.2格兰杰因果检验 11
5.2.1模型一检验 11
5.2.2模型二检验 12
5.2.3模型三检验 12
5.3序列自相关检验 13
5.4多重共线性检验 13
6结果总结 14
6.1模型中问题 14
6.2结果与展望 14
6.3政策性建议 14
1研究背景
随着信息技术、生物技术、新材料技术等高新技术向相关领域渗透,科技正逐步改变着人类社会的生产方式和生活方式。
与此同时,经济全球化进程不断加快,国际竞争日趋激烈。
与此同时，在这样一个科技迅猛发展、竞争日趋国际化和激烈化的时代,科技已成为支撑和引领经济社会发展和人类文明进步的主要动力。
毫不夸张地说,谁掌握了先进科学技术,谁就掌握了当今经济社会发展的主动权。
因此,科技创新问题成为学术界和政界关注的热点问题。
我国在党的十八大以来大力发展科技创新活动并取得了重大进展，从研发投入、研发人员、研究与实验发展人员全时当量（万人年）、专利数量等指标均可看出，中国的科技实力得到了有效提升。
不论从科技产业化产出，科技成果产出还是技术市场部分来看，我国都表现出很强的跟进和创新能力，已成为具有重要影响力的科技大国。
但是这种宏观数据的变化与人们的直观感受之间存在反差，特别是原始创新能力弱和核心技术缺失的问题。
所以我国创新效率情况如何？
怎样继续高效提高我国科技创新产出？
这些问题的探讨对我国经济的可持续发展具有重要的现实意义。
2研究对象
针对以上我国创新效率如何，以及如何提高科技创新产出等问题，这往往总是让人容易将国家科技投入与创新产出的效益和质量进行关联。
所以我们针对以上问题抽象为一般性问题，即国家科技创新投入与产业绩效之间的关系，并对其关系进行定量分析与研究。
有些学者对高新技术产业绩效影响因素进行研究，通过以往的经验统计分析，如虞晓芬的计量分析发现，国家研发资金投入、研发人力资本投入、产业结构是影响我国高新技术产业绩效的显著因素。
有些学者对高新技术产业绩效评价指标进行研究，如罗彦如等选取专利授权数、技术合同成交额和GDP作为产出指标，对我国2007年30个省的技术创新效率进行了实证研究。
本文将从三个角度定义科技创新投入的产出绩效，分别是：
科技产业化产出、科技成果产出、技术市场部分。
根据这三个角度选取了“技术市场成交合同金额（亿元）”、“专利申请授权数”、“高新技术商品出口额与国家出口贸易总额比”三个指标作为被解释变量；以“资金投入占财政支出比例”、“科研机构学校数”以及“研究与实验发展人员全时当量（万人年）”三个指标作为解释变量，构建科技创新投入与产出绩效的指标体系，并在此基础上识别科技创新投入与产出绩效的主要构成要素。
建立计量模型，通过对所选指标的分析找出高新技术产业规模、专利数、技术市场活跃度与资金、人员投入的联系，并由此验证探讨国家投入对高新技术产业产出绩效带来的影响效果并明晰科技创新投入对产出绩效作用的关键路径。
有利于国家最大限度地释放生产力和资源的能量。
我们的研究可以借鉴区域创新效率评价的研究思路，在中国经济发展的宏观环境中，查找数据、收集资料，并建立计量模型进行回归并进行必要的检验，应用计量分析方法对国家科技创新投入与产业绩效之间的关系进行定量分析与研究，以期为我国科技创新产出绩效升级提供理论和数据上的分析和支持。
表1：
所选指标与符号表示
符号
名称
数据来源
被解释变量
𝑌1
专利申请授权数
国家统计局网站
𝑌2
技术市场成交合同金额
（亿元）
CSMAR数据库
𝑌3
高新技术商品出口额与
国家出口贸易总额比
国家统计局网站、
CSMAR数据库
解释变量
𝑋1
资金投入占国家财政支
出比例
国家统计局网站
𝑋2
科研机构学校数
同花顺数据库
𝑋3
研究与实验发展人员全
时当量（万人年）
国家统计局网站
3理论基础
目前，国内关于科技创新投入与产出绩效关系的研究主要集中在两个方面，一是对科技创新投入与产出绩效两组变量评价指标体系的构建，二是在探究两组变量之间关系的方法上的创新，如表所示。
表2：
科技创新投入与产出绩效关系的研究成果
作者及时间
创新投入指标
产出绩效指标
研究方法
梅桥（2011）
人员、经费等
专利数、技术市场成交
合同数与金额
DEA
杜娟（2013）
农业科技人力资源、科
技经费
专利数、科技专利论文
数、成果转化等
DEA
曹志来（2008）
研究开发机构、从事科技活动人员支出、劳务
支出、固定资产支出
三种专利数
最小二乘法
曹泽（2010）
企业S&T投入、技术
交易
全要素生产率
面板回归分析法
魏洁云等（2011）
经费
新产品销售收入
误差修正模型
许倩倩（2012）
R&D经费
技术市场合同成交额、
经济产出
固定效应模型
孙杨、许承明（2012）
政府资助、企业自主筹
资以及R&D的支出
专利数
偏最小二乘法
苏凤娇（2011）
人员、经费
新产品销售率
Preson相关系数法
在科技创新投入与产出绩效指标体系方面理论研究上。
杜娟以年个省、市农业科技创新投入产出数据为基础，将农业科技人力资源、科技经费作为投入指标，以专利数目作为产出指标谢福泉将政府投入产出绩效指标评价体系分为初步拟选和最终确定两个阶段，在初步拟选阶段和最终确定阶段交叉运用定性分析和定量分析方法，依据收集的调查数据构建出政府投入产出绩效评价体系。
郑海蜜，周文泳基于管理决策的角度设计出了一套科学合理的科技活动项目绩效评价体系其他学者们也提出了自己的观点，基本上科技创新投入涉及人员、资金经费两个方面，而对于科技产出指标层面，大部分研究仅限于科技成果方面。
在科技创新投入与产出绩效关系实证方法的创新方面理论研究上。
曹志来构建出以专利为代表的科技创新直接成果与科技创新投入之间的线性关系模型，采用最小二乘法，得出投入与产出的回归结果：
增加政府资金和公司企业人员的投放，会对科技成果数量的增加产生
明显的正向效应，提倡政府应继续加大对企业科技拨款的比重，工业企业应扩大科技活动人员的投入，充分释放两种渠道的协同效应。
魏洁云、江可申等依据江苏省年的技术创新投入和产出数据，采用时间序列分析法，通过对数序列的协整检验、误差修正模型等，得出江苏省投入与新产品销售收入在长期趋向上成正相关。
许倩倩依据全国个地区的面板数据，通过对投入、技术市场活跃度、经济总量表示三个变量建立个体固定效应模型，构造统计量，结论得出投入能够促进技术创新水平的引进和传播，技术创新水平的提高的又进一步促进了经济增长。
上述方法主要集中在多元统计回归模型、时间序列分析、简单相关分析，部分学者，如孙杨、许承明采用偏最小二乘法，探讨不同渠道的研发投入对科技创新成果的影响苏凤娇运用相关系数法精确计算我国高新技术产业技术层面的投入与企业创新绩效的线性相关程度。
韩佩宏运用的变体模型，详细测算出我国财政拨款投放于科技创新活动中的效应。
学者们对科技创新投入与产出绩效的关系从不同研究主体、研究方法上进行了创新性的研究，丰富了自身的理论和观点，并获得了一些可借鉴的成果。
总结上述内容，国内外现有文献关于科技创新投入与产出绩效关系的探讨主要包括以下几个方面：
一是关于科技创新投入对经济总量影响的探讨；二是关于科技创新投入产出效率的测量与估算；三是关于科技创新投入对产出绩效影响的分析。
学者们分别基于地区区域、企业、高校等多个层面探讨科技创新投入对经济增长、产出绩效的贡献。
特别是在科技投入产出指标体系的构建、研究方法的创新以及计量模型的建立方面进行了大量系统的研究，并获得了显著的研究成果，为本研究提供了重要参考。
此外，在研究对象选择、样本数据的收集、研究假设的提出等方面，是在参考大量现有资料文献基础上确定的。
4计量模型
由于我们选用的数据为时间序列数据，所以在进行回归前首先进行变量的平稳性检验。
分别对𝑌1、𝑌2、𝑌3、𝑋1、𝑋2、𝑋3进行单位根检验，本文采取ADF检验。
4.1平稳性检验
4.1.1𝒀𝟏的平稳性检验
（1）首先利用Eviews进行模型三的检验：
𝑚
结果如下：
∆𝑌1𝑡=𝛼+𝛽𝑇+𝛿𝑌1（𝑡−1）+∑𝛽𝑖∆𝑌1（𝑡−𝑖）+𝜀𝑡
𝑖=1
表3：
𝑌1的模型三检验
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.498435
0.9701
Variable
Coefficient
Std.Error
t-Statistic
Prob.
Y1（-1）
-0.089828
0.180220
-0.498435
0.6316
D（Y1（-1））
-0.087395
0.235780
-0.370664
0.7205
D（Y1（-2））
-0.476670
0.279143
-1.707617
0.1261
D（Y1（-3））
0.793637
0.296434
2.677284
0.0280
D（Y1（-4））
-1.157601
0.519559
-2.228046
0.0565
C
-171525.7
127893.5
-1.341161
0.2167
@TREND（1998）
37247.42
20245.22
1.839813
0.1031
由ADF检验的p值可以看出不拒绝𝛿=0的假设，同时由𝛽𝑇的统计量p值可以看出，不拒绝𝛽=0的假设，所以应该继续使用模型二进行检验。
（2）进行模型二的检验
结果如下：
𝑚
升级会员 