地方高等院校工资及劳务费测算方法研究

王宇茜 宋义斌 杨雪 谷先军

摘要依据我军装备价格审核法规，探索在军工项目中地方高等院校工资及劳务费测算方法的现状和难点。应用计量经济学原理，收集真实数据进行分析处理，基于Stata12.0软件，选取影响因素建立地方高校工资及劳务费测算模型，并进行模型检验和实例验证，最后对工资及劳务费测算方法提出建议，从而为科学合理地测算工资及劳务费，提高地方高等院校工资及劳务费审核工作的合理性和可行性，贯彻我军装备价格低成本发展理念，实现装备价格现代化管理能力提供有效方法。

关键词 地方高等院校；工资及劳务费测算方法；Stata模型

DOI： 10.19840/j.cnki.FA.2021.05.007

装备科研是武器装备现代化、自动化、信息化建设的前提，它决定国家的国防能力和军队的作战能力，关系到国家的安危。在国家军事科研体系中，装备科研经费的使用情况是体现其先进程度的重要元素，也在一定角度上展现出国家的军事发展水平。在近些年的军事科研生产中，地方高等院校以其卓越的科研人才储备为突出优势，越来越多、越来越深入地参与到军工产品的科研和生产中去，特别是一些大型复杂的武器系统也逐步由高校承担总体单位[1]。着眼当前与未来，利用实际发生的项目经费使用管理情况，提取有效数据，总结经验规律，建立可行的工资及劳务费测算模型，科学优化高等院校装备价格审核工作，对于激发地方高等院校研发和创新能力，完善装备价格现代化管理体系和推进装备建设低成本发展理念具有重要意义。

一、现状分析

（一）相关法规规定

《国防科研试制费管理办法》（财防〔2019〕18号）中指出：工资及劳务费是指在项目研究、试制过程中，项目承担单位支付给参与项目研究的本单位职工的工资、奖金、津贴、补贴等工资性支出以及支付给参与项目研究的其他人员的劳务费用[2]。

《装备科研价格审核》中明确：对高等院校从事国防科研项目研制人员的工资、奖金、津贴、补贴和职工福利费等工资性支出可根据国家规定的标准以及实际参加科研项目人员情况，合理计入国防科研项目成本，但不包括高新津贴、军岗津贴、上级拨付的专项奖励费用和应由利润支付的年终奖金等。

（二）地方高等院校工资及劳务费审核工作现状

《装备价格学》（第二版）指出军队单位、高等院校以及执行《科学事业单位财务制度》的科研事业单位，不计列工资性支出，必须发生的劳务费用按参与研究的标准人数、实际工资水平及国家有关标准确定[3]。由于军队人员费用由国家全额保障，高等院校工资来源除财政拨款外还有学费收入，中国科学院的事业费国家已经给予了足额保障，因此这些单位的工资性费用不能在国防科研经费中计列。

根据各项法规要求，地方高等院校工资及劳务费主要由三部分组成：一是硕士研究生、博士研究生、博士后的助研津贴；二是参与项目外聘人员的劳务费；三是高端人才年薪（此项在预计成本中单列，不作为本文测算的范围之内）。地方高等院校的工资及劳务费不计列工资性支出，按照参与研究的标准人数和实际工资水平测算，但在当前的审核工作中，具体的参研人数和工资标准在立项报告中一般不会明确，一是在实际操作中难以确认具体参研的学生和外聘人员人数；二是各高校助研津贴和外聘人员工资标准不同，尤其是在预先研究项目中难以核定具体情况。因此，在实际审核工作中，地方高校的工资及劳务费审核常常存在一些争议，需要合理的数据和科学的手段进行创新发展。

二、地方高等院校工资及劳务费测算模型构建

（一）变量的选择与数据来源

1.变量的选择

构建地方高等院校工资及劳务费测算模型，应考虑项目各项成本费用之间的关联，本文依据《国防科研试制费管理办法》，鉴于变量的合理性、可行性原则，在咨询相关专家的基础上，被解释变量为工资及劳务费（Wages），选取了3个自变量：①材料费与专用费之和（Materials）；②外协费（Outsourcing）；③项目总经费（Total）。各个变量定义见表1。

2.数据来源

本文数据来源于近五年部分科研项目财务验收报告，共得到54个项目样本，涉及21所高等院校：北京大学、北京工业大学、北京航空航天大学、北京理工大学、电子科技大学、东南大学、复旦大学、哈尔滨工业大学、河北工业大学、华东理工大学、华中科技大学、南京大学、南京航空航天大学、南京理工大学、清华大学、四川大学、西安电子科技大学、西安工业大学、西北工业大学、长春理工大学、浙江大学，数据可行性、可信度高。

（二）数据异常值剔除

国际上常推荐采用格拉布斯（Grubbs）准则法进行数据剔除异常值处理[4]。

1.求出拟似异常值

3.异常数据的识别与剔除

将G（0.01，54）与Gmin和Gmax进行比较，因为Gmax为4.5872，大于临界值G（0.01，54）的3.388，而Gmin为0.7281，小于临界值G（0.01，54）的3.388，则当取显著性水平α=0.01时（置信度为99%），Gmax对应的最大值数据为40.23%（即序号37），根据异常值的统计学原理，此时的Gmax所对应的数据在所有数据中属于异常值，本文计算中对其进行剔除。

4.重复识别及剔除异常值数据

在第一轮的异常数据识别与剔除步骤中将40.23%所对应的数据剔除之后，对其他的53组数据再次进行识别与剔除，余下53组数据中的最大值为29.95%，其Gmax为3.8556，仍大于G（0.01，53）的3.361（这时的数据个数n为53），视为异常值，应予以剔除。第二轮剔除29.95%（即序号53）后，剩余数据的最大值为25.77%，其Gmax为3.5796，大于G（0.01，52）的3.353（这时的数據个数n为52），视为异常值，应予以剔除。第三轮剔除25.77%（即序号42）后，剩余数据的最大值为23.17%，其Gmax为3.4416，小于G（0.01，51）的3.345（这时的数据个数n为51），说明数据中已不存在异常值，结束异常值的识别与剔除。

（三）多元回归分析

1.模型构建

在剔除异常值后剩余51组数据，本文拟采用50组数据进行多元拟合，余1组数据用于进行模型验证。考虑到各个自变量之间影响复杂，本文采用普通最小二乘法逐步做多元线性回归，用计量学软件Stata12.0实现回归[5]。具体操作为，在Com‐mand命令框中键入以下命令：sw regress Wages Materials-Total，pr（0.1），即得到工资及劳务费（Wages）与材料费与专用费之和（Materials）、外协费（Outsourcing）、项目总经费（Total）之间的线性回归关系，结果见表2。

2.模型修正

由Stata模型回归结果可以看出，本次回归共选取了50个样本进行分析，最终的模型F值（3，47）=143.37，P值（prob>F）=0.0000，从回归的整体上看，此模型的显著水平非常高，有极强的统计学意义。在模型进行回归计算的过程中，一共对变量进行了3次回归，逐步得出最终的回归结果。该模型的可决系数（R-squared）=0.9034，模型的校正可决系数（Adj R-squared）=0.8971，因此，模型对于选取的样本数据具有较好的解释水平，具体情况见表3。

综上，采用最小二乘法的回归模型方程为：Wages=-0.097017×Materials-0.178057×Outsourcing+0.160023×Total+1.668962

即工资及劳务费=0.1600233*×总经费-0.0970171×（材料费+专用费）-0.1780567×外协费+1.668962，由于总经费=材料费+专用费+外协费+工资及劳务费+其他费用（其他费用指项目总经费中扣除材料费、专用费、外协费、工资及劳务费的部分），故回归模型方程可以推導为工资及劳务费=0.07500946×（材料费+专用费）-0.0214689×外协费+0.19050921×其他费用+ 1.97423095，简化模型为工资及劳务费=7.50%×（材料费+专用费）-2.15%×外协费+19.05%×其他费用+1.9742。

3.被解释变量拟合值预测

依据样本得到以上的多元回归方程，再计算出因变量预测的拟合值，一般可以用于预测未来。在Command命令的文本框中键入如下命令：rvfplot，即生成数据残差与被解释变量的散点图像，如图1所示。在图像中，可以看出，绝大部分的残差值在0的周围波动，并没有随着拟合值的不同而发生大面积的波动，因此可以说明，本组数据很可能不存在异方差。

4.异方差的检验

本文使用WHITE检验和BP检验两种检验方式对数据线性拟合的结果进行检验，在Command命令的文本框中键入estat imtest，white和estat hettest，iid，得到表4中的检验结果，两种检验方法检验同一个拟合结果，P值均大于0.05，显示拟合结果是较为显著的，从而可推断模型拟合的结果很可能不存在异方差，所以暂时不采用稳健标准差的方式再对数据进行回归拟合。

通过以上采用的最小二乘法逐步进行线性回归，可以发现被解释变量高等院校的工资及劳务费（Wages）与材料费与专用费之和（Materials）、外协费（Outsourcing）、项目总经费（Total）之间存在较为显著的关系：其他费用（指项目总经费中扣除材料费、专用费、外协费、工资及劳务费的部分）对高等院校的工资及劳务费起正向关系，当其每增加一个单位，高等院校的工资及劳务费将增加0.19050921个单位；材料费与专用费之和（Ma‐terials）对高等院校的工资及劳务费起正向关系，当其每增加一个单位，高等院校的工资及劳务费将增加0.07500946个单位；外协费（Outsourcing）对高等院校的工资及劳务费起负向关系，当其每增加一个单位，高等院校的工资及劳务费将减少0.0214689个单位。此外，高等院校的工资及劳务费（Wages）也可能与其他某些因素之间存在关系，但是从拟合结果来看，关系不是很显著，因此本文暂不对其他变量进行说明。

5.变量分析

利用Stata12.0，在Commend文本框中键入：factor Wages - Total，pcf，便可以对构成影响被解释变量高等院校工资及劳务费的各个变量进行主成分分析，结果如表5所示。LR检验的卡方值为292.34，P值为0.0000，模型非常显著，可以看出本文选取的4个因子中，前2个因素（材料费与专用费之和、外协费）对工资及劳务费累计方差的贡献率（Proportion）为97.23%，表示本文应用的数据中97.23%的信息可以通过拟合模型进行解释。

6.模型验证

被检验组数据为工资及劳务费7.59万元，材料费与专用费之和为24.42万元，外协费为33.31万元，其他费用为21.61万元（其他费用指项目总经费中扣除材料费、专用费、外协费、工资及劳务费的部分）。应用模型工资及劳务费=7.50%×（材料费+专用费）-2.15%×外协费+19.05%×其他费用+1.9742，将变量代入，测算工资及劳务费为7.21万元，较实际工资及劳务费相差5.01%，与实际水平相当，故验证模型基本合理。

三、结论及建议

（一）结论

1.构建了地方高等院校工资及劳务费测算模型

本文通过分析当前地方高等院校工资及劳务费审核工作现状，明确梳理现实问题，采集大量详实的军工项目财务验收数据，在对数据处理分析的基础上，基于Stata软件，构建最小二乘法的回归模型并进行相关检验，提出可行的测算地方高等院校工资及劳务费的方法。

2.有效提高价格审核效率

本文基于计量经济学原理，科学构建测算模型，解决了科研概算审核中的小难点，可在审核工作中实际用于测算地方高等院校工资及劳务费，也可用于对审核结果进行验证，使科研概算价格审核体系更加完善科学，有据可循。

3.为提高装备价格现代化管理能力提供有效方法

本文创新方式方法，以歷史发生数据为未来工作做支撑，以具体量化的模型及现代化的手段提高装备价格管理能力，且模型可在更多的审核数据支撑下不断迭代升级，更加准确可行。

（二）建议

1.在实际审核工作中，可酌情考虑提高科技人员积极性

在调查中了解到，目前对于地方高等院校来说，承担的军队科研项目以研究类为主，注重人的价值，故在贯彻总体低成本理念的前提下，可酌情考虑工资及劳务费，以提高高校科研人员的积极性。

2.军队科研项目可视情参照自然科学基金项目对高校科研人员工资的管理方式

一是高校承担自然科学基金项目，其工资及劳务费构成与军队科研项目大体相同，但自然科学基金项目费用之间自由度较高，实际科研工作中更加便捷；二是依据《国家自然科学基金项目资助经费管理办法》（财教〔2002〕65号）规定，面上项目劳务费不得超过总经费15%，重点项目、重大项目及各类专项的劳务费不得超过总经费的10%，测算方式较为直接，科研人员报价可行性高。AFA

参考文献

[1]刘伟.军工科研项目经费管理探析[J].中国军转民，2015（12）：52-55.

[2]孔毅.浅议国防科研项目经费管理[J].上海化工，2014，39（7）：38-40.

[3]孙胜祥，谢力，林名驰.装备价格学（第二版）[M].北京：国防工业出版社，2018.

[4]赵庆权.高速公路补充预算定额原始数据异常值的改进格拉布斯法应用研究[J].价值工程，2013，32（12）：82-83.

[5]周璐瑶，兰国辉.基于STATA的安徽省城市经济发展能力实证分析[J].绥化学院学报，2021，41（5）：12-15.

（审稿：陈莉萍编辑：张春红）