研发投入的创新绩效综合评估研究——基于仪器设备视角

冷 松

(扬州教育学院 国际交流学院，江苏 扬州 225009)

一、引言

在现代科学研究中，仪器设备已经成为不可或缺的基础条件和企业技术创新的重要前提。高技术产业是我国科技创新的重要依托力量，仪器设备费支出总体处于上升态势，1997年仪器设备费支出为17.83亿元，2016年达到251.83亿元，平均每年增长14.95%。从仪器设备费占R&D经费内部支出的比重看，共分三个阶段：第一阶段是1997—1999年，仪器设备费占R&D经费总体处于较低水平，仪器设备费占R&D经费的15%左右，这是我国高技术产业研发基础条件建设的初始阶段；第二阶段是2000—2008年，仪器设备费占R&D经费的20%以上，处于较高水平，这是我国高技术产业研发基础条件的发展阶段；第三阶段是2009—2016年，仪器设备费占R&D经费内部支出的比重急剧下降，基本在10%以下(图1)。为什么仪器设备费占研发投入比重下降？这对高技术产业创新会带来什么影响？仪器设备费投入的绩效如何？仪器设备费投入以及其他研发投入与创新产出的互动关系如何？这些问题有必要进行进一步分析。

研究高技术产业创新中仪器设备的绩效具有重要意义。高技术产业仪器设备总体上属于私人物品，是市场行为，这和高等院校仪器设备主要由政府投入完全不同，运行机制也不一样。对此进行深入研究有利于客观评价仪器设备投入的作用和贡献，掌握其中存在的问题，既能给政府相关管理部门提供决策参考，也可以给高技术企业提供借鉴。

仪器设备投入的绩效问题本质上也是科技绩效问题。Horta et al.[1]研究发现，当企业规模处于中等水平时，其创新绩效最低，企业规模与创新绩效总体上表现为U型关系。Colombo et al.[2]研究了企业之间进行并购和企业创新绩效之间的关系，技术相似程度越高的企业进行并购，越能提高企业的创新绩效。Liu et al.[3]研究发现，外商投资的竞争强度以及国内技术强度都能够促进创新绩效的提高，而且外商投资竞争强度更能影响企业创新绩效。Katharine[4]以英国企业作为研究对象，研究发现企业研发支出能够有效促进企业产出。Martin[5]基于OECD国家数据，研究了研发投资对国家经济发展的影响，发现企业研发支出的GDP占比、高技术产业研发投入份额对单位资本和劳动力的产出有显著的积极影响。Jeff et al.[6]根据研发密度将企业分为两组，研究发现高研发密度的企业其市场流动性与研发密度负相关。Bulent[7]以11个OECD国家为研究对象，通过相关面板数据，分析了贸易中R&D投入的溢出效应，结果表明企业人力资本可以直接影响创新产出。Carpon et al.[8]研究了各种渠道研发经费对于自身R&D投资的影响及效率。Brenard[9]以英、法、德三个国家为例，研究了高技术企业的技术创新，发现企业环境、人力与技术资源以及组织战略是企业的创新优势所在。吴延兵[10]基于柯布—道格拉斯生产函数，对企业技术创新的效率进行了相关研究。

国内相关领域的研究主要关注仪器设备的共享与存在问题。蔡瑞林等[11]认为大型科学仪器设备属于科技基础条件资源，具有公共物品特点，政府行政干预可以基本实现资源共享，避免公有资源私人化现象的发生，有效解决“公地的悲剧”问题。宋立荣等[12]认为，目前在以大型科学仪器设备为代表科技共享中存在的问题有：缺乏科学有效的整合措施；对共享的保障不足，未形成标准化；共享效益较低，平台资源利用不足，缺乏考核机制。马强[13]认为高校科学仪器管理混乱的根源在于资源共享困难，其中间接成本是造成该问题的重要因素。张显明、陈新[14]认为高校大型仪器设备管理中存在利用率低、开放共享难等问题，并基于现代产权理论提出了解决思路。申嫦娥[15]比较了中美政府投资科学仪器设备的运行机制，指出我国是普遍收费、“以机养机”，美国是对不同用途区别对待，私人用途的按完全成本收费，公益用途的免费使用。

关于仪器设备投入自身的实证研究，谭清美[16]提出仪器设备的经济辐射半径、技术辐射半径和空间布局价值工程分析公式，为创新资源空间布局提供依据。王治国、蔡地[17]通过研究三资企业，发现新产品研发费用、仪器设备费、劳务费和引进技术支出是提高新产品收益的重要因素。郭鹰[18]以浙江省大型科学仪器设备为例，通过建立开放共享绩效评估指数，对浙江各市开放共享的绩效水平作出评估，发现大型科学仪器设备开放共享绩效水平对创新产出具有显著的正向促进作用。王宏达等[19]以天津市部分高校为研究对象，结合DEA模型对高校仪器设备共享效率进行了量化和评估。邹鑫[20]采用平衡计分卡构建了高校大型仪器设备使用绩效评价体系，为解决高校大型仪器设备使用绩效评价问题提供借鉴和参考。王海峰等[21]对北京市大型仪器设备的利用和共享进行了科学评价，并构建了相关评价指标体系。屈宝强[22]在项目影响理论的基础上，从项目行为、直接结果、间接结果与最终结果等维度划分科技文献相关机构资源共享的评价指标。

从现有的研究看，关于科技绩效评价的基本理论与实证研究比较成熟，成果非常丰富。关于我国公益性大型仪器设备应用中存在的问题与绩效评估研究也比较充分。总体上，在以下几个方面有必要进一步深入研究。

第一，对高技术产业研发中的仪器设备绩效问题缺乏关注。现有研究主要集中在政府投入的公益性仪器设备使用问题，更多涉及高等院校，较少关注高技术企业创新中仪器设备的绩效，相关研究比较缺乏。

第二，从研究方法看，现有的绩效评估方法主要有回归分析、DEA效率评价、指标体系评价等，效率评价多从个别角度进行，研究也不够深入。高技术产业研发仪器设备的绩效问题是一个系统工程，具有动态性、复杂性的特点，必须采用全方位的视角进行深入研究。

本文首先基于面板贝叶斯向量自回归模型，对仪器设备费、其他研发投入与创新产出的互动关系进行分析；其次基于面板门槛回归模型，分析仪器设备费弹性的各种门槛效应；再次基于数据包络分析(DEA)测度仪器设备费的效率；最后对仪器设备费的绩效进行全面总结，研究框架如图2所示。

二、研究方法

(一)贝叶斯向量自回归模型

从仪器设备费投入、其他研发经费投入、研发人员投入三方面深入研究高技术企业仪器设备投入的绩效问题。基于面板贝叶斯向量自回归模型，研究高技术产业创新投入与产出之间的互动关系，进一步利用脉冲响应函数分析变量间的动态关系，发现其中可能存在的问题，也为进一步研究仪器设备贡献的投入变量门槛效应和创新产出门槛效应提供依据。

Sims[23]创立的向量自回归模型彻底解决了变量的内生性问题，该模型视所有变量全部为内生变量，研究时间序列数据中重要变量之间的动态关系，但是VAR模型也存在估计参数过多造成的自由度紧张、估计精度不高等问题。为此Litterman[24]结合贝叶斯推断理论和传统VAR模型建立了贝叶斯向量自回归模型BVAR(Bayesian Vector Autoregressions)。该模型采用逼近估计参数的方法巧妙地解决了传统VAR模型的不足，提高了估计效果。引入面板数据后也可用于短期分析，从而弥补了VAR模型时间序列较短难以分析的不足。

(二)知识生产函数与面板门槛回归模型

Cobb-Douglas生产函数反应了投入与产出的关系，Griliches[25]和Jaffe[26]对其进行了改进，进一步提出了知识生产函数的概念，并得到了广泛应用。该函数表示为：

Y=AKαLβ

(1)

其中，Y是创新产出，K是研发经费投入，L是研发人员投入，α、β是弹性系数，A是常数项，表示全要素生产率。

用仪器设备费K1、其他研发经费K2对研发经费投入K进行细分，同时对(1)式两边取对数，避免出现异方差，得：

logY=c+α1logK1+α2logK2+βlogL

(2)

公式(2)是本文的基本方程，可以分析各投入要素对创新产出的平均弹性系数，本文采用面板数据模型进行分析。

仪器设备对创新产出的贡献特点可能是非线性的。比如：在不同创新产出水平下，仪器设备费的弹性一致吗？在不同的其他研发经费投入下，仪器设备费的弹性一致吗？在不同的研发劳动力水平下，仪器设备费的弹性一致吗？在不同的时间段，仪器设备费的弹性一致吗？因此有必要采用面板门槛回归模型来进一步分析，该模型主要由Hansen[27]建立。

以创新产出的单门槛为例，不妨假设存在一个门槛水平τ，当Y≤τ和Y>τ时，仪器设备费对创新产出的影响存在显著差异。

(3)

(3)式是一个分段函数模型，当Y≤τ时，仪器设备费的弹性系数为θ1；当T>τ时，仪器设备费的弹性系数为θ2。若存在多个门槛，可以引入更多的τ，原理类似。

对于其他变量及门槛的研究，方法类似，这里不再重复赘述。

(三) SBM-DEA效率分析模型

所谓投入产出效率，本质上就是用尽可能少的投入获得尽可能大的产出，是一个相对概念。数据包络分析DEA就是测度投入产出效率的最有效方法之一，该模型由Charnes et al.[28]提出，最早的模型有两个，一个是规模报酬不变的CCR模型，另一个是规模报酬可变的BCC模型。

由于CCR和BCC模型没有考虑投入变量松驰的影响，这样会造成对效率测度的偏误，为了解决这个问题，Kaoru[29]提出SBM(Slacks-based Measure)模型，在目标函数中引入松弛变量。利用SBM模型，可以计算高技术产业创新的投入产出效率，以及比较不同投入变量的利用效率，进一步结合其他方法对仪器设备费的绩效进行全方位评估。

三、变量与数据

用新产品销售收入作为创新产出的替代变量，还有一些学者采用授权发明专利，但是发明专利从申请到获得批准往往需要2～4年的时间，再加上研发投入的滞后期，最终滞后期往往会长达3～5年，会牺牲大量的数据，因此本文不予采纳。中国高技术产业统计年鉴中直接有仪器设备费的相关数据，用研发人员折合全时当量表示研发人员，用R&D经费内部支出减去仪器设备费来表示其他研发经费投入。

本文基于中国高技术产业统计年鉴(1997—2016)相关数据进行研究。删除了数据缺失较多的西藏，共30个省份(不含港澳台)20年的面板数据，变量的基本特征如表1所示。

表1 变量描述统计

四、实证结果

(一)变量的平稳性检验

考虑到稳健性，需要进行平稳性检验，以结果一致作为判断数据平稳的标准，不同方法的检验结果如表2所示。然后进行协整检验，发现存在协整关系。

表2 变量的平稳性检验

注：*、**、***分别表示在10%、5%、1%的水平下通过统计检验。

(二)投入产出互动关系

建立贝叶斯向量自回归模型，用来研究变量之间的互动关系。建立BVAR模型时，没有必要考虑协整关系，滞后期根据经验选择2期，这比较符合高技术产业研发投入产出的实际。

下面对脉冲响应函数进行分析(图3)。先看创新产出的脉冲响应函数，总体上仪器设备费对创新产出的冲击效果与其他研发经费相当，均呈正向影响，但短期内其他研发经费的作用效果较好，而长期仪器设备费的作用效果较好。研发人员对创新产出总体呈现正向贡献，但其作用效果要小于仪器设备费与其他研发经费。

从仪器设备费的脉冲响应函数看，创新产出的正向冲击对其积极影响最大，当期就发挥作用，随后呈现缓慢上升的态势，总体来说比较平稳。其他研发经费的作用，当期为0，随后一直处于上升阶段，说明追加的其他研发经费有助于增加仪器设备投入，但有滞后期，这比较符合高技术产业创新的实际。研发人员的冲击也会增加仪器设备费，但总体作用效果较小。

从其他研发经费的脉冲响应函数看，创新产出的正向冲击对其积极影响最大，当期就发挥作用，总体比较平稳。仪器设备费同样当期发挥作用，作用比较平稳，作用时间较长。研发人员的冲击也会增加仪器设备费，但总体作用效果较小。

再看研发人员的脉冲响应函数，对其积极影响最大的是其他研发经费的正向冲击，当期就发挥作用，作用时间较长。仪器设备费的冲击次之，短期有轻微的负面调节作用，但随后快速上升，作用时间较长。最后是创新产出的冲击，当期发挥作用，随后缓慢提高，总体比较平稳。

综上所述，仪器设备费与创新成果、其他研发经费之间互动效果较好，形成良性循环。仪器设备费与研发人员投入之间也具有一定的互动关系，但是水平较低。总体上仪器设备费与其他研发投入之间能够很好协调，对高技术产业创新发挥着积极的作用。

(三)仪器设备费的弹性估计

1.仪器设备费平均弹性

先采用面板数据模型对企业仪器设备的平均弹性进行估计，根据经验滞后期选择1年。为了减少变量内生性的影响，采用Blundell et al.[30]提出的系统广义矩法(SYS-GMM)进行估计，工具变量选取自变量的2阶滞后项。经过检验，应该采用固定效应模型，如表3所示。其中R2较高，为0.945，并且所有变量都通过了统计检验。本文将随机效应和混合回归的结果一并给出，随机效应与混合回归中，仪器设备费均通过了统计检验。

表3 面板数据混合回归结果

注：*、**、***分别表示在10%、5%、1%的水平下通过统计检验。

从固定效应模型估计结果看，其他研发经费的弹性系数最大，其次是研发人员，再次是仪器设备。仪器设备的平均弹性系数与研发人员相当。

2.仪器设备费的创新产出门槛

先进行单门槛检验，F值为164.920，对应的概率p值为0.000，拒绝原假设，可以采用单门槛模型进行回归。继续做双门槛检验，F值为47.353，对应的概率p值为0.000，拒绝没有双门槛的原假设。对照门槛LR图发现，应采用双门槛。如表4所示。

表4 创新成果门槛

注：***表示在1%的水平下通过统计检验。

创新产出两个门槛值的对数为7.459和13.548，将创新产出划分为低、中、高3个层次，每个层次所对应的数据数量分别为32个、286个、222个，以中高水平为主，三个水平下劳务费的弹性系数均通过了统计检验。当创新产出水平较低时，仪器设备费的弹性为-0.423；当创新产出水平中等时，仪器设备费的弹性为0.215；当创新产出水平较高时，仪器设备费的弹性为0.301。随着创新成果增加，仪器设备费的弹性系数逐步提高。

3.仪器设备费的其他研发经费门槛

在不同层次的其他研发经费水平下，仪器设备费的弹性会存在差别，这就是仪器设备费的其他研发经费门槛效应。先做单门槛检验，F值为12.298，对应的概率p值为0.002，拒绝原假设，可以采用单门槛模型进行回归。继续做双门槛检验，F值为2.479，对应的p值为0.131，没有通过统计检验，不能拒绝原假设，所以采用单门槛模型进行估计，结果如表5所示。

其他研发经费的单门槛对数值为6.648，将其他研发经费分为低、高两个水平，数据数量分别为33个、507个，以高水平为主，当其他研发经费水平较低时，仪器设备费的回归系数为-0.017，但没有通过统计检验，当其他研发经费水平较高时，仪器设备费的弹性系数为0.184，通过了统计检验。

表5 其他研发经费门槛

注：*、***分别表示在10%、1%的水平下通过统计检验。

4.仪器设备费的研发人员门槛

先进行单门槛检验，F值为8.394，对应的概率p值为0.006，拒绝原假设，可以采用单门槛模型进行回归。继续做双门槛检验，F值为2.398，对应的p值为0.118，没有通过统计检验，不能拒绝原假设，因此采用单门槛模型进行回归，结果如表6所示。

研发人员门槛值的对数为3.638，此门槛将研发人员分为低、高两个水平，处于低水平的数据数量为38个，处于高水平的数据数量为502个。当研发人员处于较低水平时，仪器设备费的弹性为0.032，没有通过统计检验；当研发人员水平较高时，仪器设备费的弹性系数为0.187，并且通过了统计检验。

表6 研发人员门槛

注：***表示在1%的水平下通过统计检验。

5.仪器设备费的时间门槛估计

所谓仪器设备费的时间门槛效应，就是在不同的时间阶段，仪器设备费的弹性会存在显著差别。先做单门槛检验，F值为7.343，对应的概率p值为0.007，拒绝原假设，可以采用单门槛模型进行回归。继续做双门槛检验，F值为2.161，对应的p值为0.140，不能拒绝原假设，应采用单门槛模型，如表7所示。

模型估计出的时间门槛值为2008年，将整个时间跨度分为两个阶段，第一阶段是1997—2008年，第二阶段是2009—2016年，第一阶段数据数量分别为360个，第二阶段数据数量为180个。第一阶段，仪器设备费的弹性为0.183，并且通过统计检验，第二阶段仪器设备费的弹性系数为0.219，也通过了统计检验，随着时间的推延，仪器设备费的弹性逐步提高。

表7 时间门槛估计

注：***表示在1%的水平下通过统计检验。

(四)仪器设备费的利用率分析

采用SBM-DEA模型进行效率分析，结果如表8所示，在1997—2016年时间段内，其技术效率的均值为0.182，之所以较低，是因为将所有数据作为截面来进行测度，这样完全有效率的前沿就比较靠前，此外高技术产业创新投入产出在17年中效率取得显著进步。由于效率较低，这样投入要素的利用率也较低。

表8 DEA分析结果

从投入要素的利用率看，仪器设备费的平均利用率最高，为17.98%，其次是其他研发经费，平均利用率为17.79%，劳务费的利用率略低，平均利用率为15.27%。从时间上看，投入要素的利用率在波动中处于缓慢上升态势，而技术效率总体处于水平状态。

五、研究结论

第一，仪器设备费对高技术产业创新的绩效总体较好。

脉冲响应函数的研究表明，仪器设备费与创新成果、其他研发经费之间互动效果较好，形成良性循环，仪器设备费与其他研发投入之间能协调较好，对高技术产业创新发挥着积极的作用。仪器设备投入对创新的弹性系数贡献显著，但其值小于其他研发经费与研发人员。 从投入要素的利用率看，仪器设备费投入的利用率也较高。

与高等院校仪器设备主要由政府投入不同，高技术企业仪器设备投入主要由企业投入，市场化程度较高，由于企业之间的竞争性，一般也不存在共享问题，所以高技术企业的仪器设备的利用绩效总体上较好。

第二，仪器设备费的贡献具有研发规模的门槛效应。

仪器设备费的弹性具有创新产出、其他研发经费、研发人员门槛，在这些门槛效应中，有一个显著的特征就是，当创新产出、其他研发经费或研发人员较少时，仪器设备费的弹性系数为负相关或不显著，本质上这是创新规模较小所致。当创新规模较小时，仪器设备投入较少，人员不足，研发经费投入也较低，仪器设备作用没有得到充分发挥，所以绩效较低。

第三，我国仪器设备的绩效总体上处于提高阶段。

面板门槛回归的结果表明，仪器设备费具有时间门槛，2008年以后仪器设备的弹性高于之前的弹性。数据包络分析的研究结果表明，从仪器设备费的利用率看，总体上也处于上升阶段。综合说明从时间角度看，仪器设备费的绩效总体处于提高阶段。

第四，仪器设备投入比重较低的原因是基本研发设备条件已经具备。

2008年也是高技术产业仪器设备费投入比重开始下降的年份，随后几年仪器设备费投入比重一直处于较低水平，但是绩效并没有下降，这说明我国高技术产业已经完成了基本的研发仪器设备条件，仪器设备投入开始集约化发展，本质上也说明我国高技术产业技术创新迎来了一个新的阶段。

第五，研发人员的绩效有待提高。

脉冲响应函数的结果表明，研发人员与其他研发投入的互动关系不显著。面板门槛回归结果表明，研发人员的弹性系数难以通过统计检验。DEA回归结果表明，研发人员投入的利用率最低。综合说明研发人员的绩效还有上升的空间。