科技创新绩效影响因素研究
朱林 朱学义
【摘 要】 文章收集2004—2018年全国工业企业有关数据，创造性地应用柯布—道格拉斯生产函数法确定了工业企业科技人才贡献价值，并和其他科技创新投入与产出指标共同利用灰色关联度法明确了影响工业企业科技创新绩效各因素的影响程度，得出如下结论：用新产品销售收入反映科技创新绩效的主要影响有企业科技人员人均研发经费支出、企业投入新产品开发项目的经费支出、企业有效发明专利、企业研发经费支出占主营业务收入的比率，企业未来发展的重心是要充分发挥科技人才在企业创新引领中的核心要素作用。
【关键词】 科技人才贡献; 科技创新绩效; 工业企业; 柯布—道格拉斯生产函数法; 灰色关联度法
工业企业科技创新绩效突出表现在两个方面：一是反映科学技术方面的绩效;二是体现科学技术创新的绩效。前者涉及科技投入和产出，后者涉及科学技术人员的创新成就。在以往的研究中，反映科学技术人员的贡献通常用“R&D人员全时当量”（人/年）指标反映，即用当年参加研究和开发活动的人数反映，包括全年全部工作时间都用在研究开发项目的人数（全时人员数）和全年只有部分或大部分时间根据研发项目需要而参与研究开发项目的人数（非全时人员数），但后者要按工作量折算为全时人员数。这一指标是国际上比较科技人力投入而制定的可比指标，必须在科研绩效中加以反映。然而，这一指标仅仅是一个数量指标，不是质量指标。也就是说反映工业企业科技绩效的投入因素不仅仅是投入了多少人员，更重要的是要看这些人员对科技绩效做出了多少贡献，这是一个价值量化的质量指标。本文想在此方面做一个新的探讨。
衡量工业企业科技绩效的内容及指标很多，包括市场调研绩效、立项研究绩效、创新设计绩效、专利发明绩效、团队合作绩效、研究试制绩效、成果推广绩效、新产品销售绩效等。这些绩效内容及指标中，应以习近平总书记2018年11月18日在亚太经合组织工商领导人峰会上提出的“创新导向”[ 1 ]为根本，突出科技创新绩效的评价。而科技创新绩效的终极成果是“新产品销售收入”，它是集研究开发过程、发明专利、成果转化一体化的可量化的综合性价值指标。采用这一指标可以反映科技成果转化为生产力的水平，且有聚焦“创新引领”的可比性。
工业企业科技创新业绩依靠什么创造？首先，依靠人才。习近平总书记2018年5月28日在中国科学院第十九次院士大会、中国工程院第十四次院士大会上指出，“创新驱动实质是人才驱动”，强调“人才是创新的第一资源”[ 2 ]。其次，依靠投入。要有研究开发经费投入，尤其要有传统项目技术改造经费投入、新产品开发经费投入、国内外先进技术投入、发明专利转化应用投入等。最后，依靠效率。主要包括科技人才年均研究经费、科技人才发明专利、研发项目经费含量、新产品收入中研究经费含量等。在以往的研究中，比较注重科技投入的单项因素作用，忽略研究效率指标的作用。正是效率指标更能充分体现“投入产出最大化”的科研绩效价值。本文要在这方面做新的突破。
查阅中國知网（CNKI），研究科技创新的文章很多，但大多是研究科技创新能力的评价[ 3 ]、科技创新效率的评价[ 4 ]、科技创新模型的构建[ 5-6 ]、科技创新评价方法的应用[ 7 ]、科技创新业绩指标的设置等[ 8 ]，到目前为止，还没有人从价值量化的角度研究科技人才贡献对科技创新绩效的影响，即便有研究论文应用到“科技人员”指标、“人员全时当量”指标，但这些指标仅仅是数量指标计量而已。笔者创新运用柯布—道格拉斯生产函数法确定科技人才贡献价值，同时与灰色关联度法结合确定了规模以上工业企业科技创新绩效的其他影响因素和影响程度。
一、科技人才贡献价值的确定
工业企业科技人才贡献价值的确定思路是先确定工业企业人才为企业创造的价值——人均贡献价值。由于柯布—道格拉斯生产函数法研究企业生产产出的函数是人力和物力，并通过模型测定出劳动力和固定资产等物力要素分别所做的贡献，即通过模型指数（？琢、？茁）反映“生产要素贡献率”，所以本文先测定生产要素贡献率中的“劳动要素贡献率”，然后确定工业企业科技人才对科技绩效做出的贡献价值，即利用“劳动要素贡献率”（人均贡献价值）和投入的科技人才数量确定。
（一）劳动要素贡献率的确定
工业企业创造的价值通常用“工业增加值”反映，它是国内生产总额（GDP）的重要组成部分。工业增加值依靠资本、劳动、科技、管理等生产要素创造。每一种生产要素对工业增加值有多大贡献呢？柯布—道格拉斯生产函数法给出了如下计算公式：
笔者运用上述公式时所作的定义：GDP是现行价格反映的工业增加值;A（t）是综合技术水平;L原意是投入的劳动力数（单位是万人或人），后人应用时常用工资总额反映，本文用工业企业工资总额反映;K是投入的资本，包括固定资本和流动资本两部分，用支出法计算的GDP中的“资本形成总额”反映;？琢是劳动力产出的弹性系数;？茁是资本产出的弹性系数。上述公式应用时两边取对数，得到：
利用表1“现价工业增加值”“工业企业推算的资本形成额”“工业企业工资总额”数据取对数，采用EVIEWS的最小二乘法程序输出道格拉斯生产函数结果见表2。
LnL回归方程系数0.1633是“劳动要素产出弹性”，即工业企业劳动者，包括管理者、科技劳动者、一般劳动者（用所有劳动者工资总额体现其价值）对工业增加值的弹性系数是0.1633，小于资本对工业增加值的弹性系数0.7159。将0.1633填入表1中“劳动要素产出弹性”栏各行，根据表1、表2有关数据计算“劳动要素贡献率”（准确的定义是“劳动要素贡献指数”）的公式如下（计算结果填入表1中）：
劳动要素贡献指数=劳动要素产出弹性×工业企业工资总额增长率÷工业增加值增长率
（二）工业企业科技人才贡献价值的确定
根据柯布—道格拉斯构建生产函数模型的最初含义等式左边是产量，等式右边是投入的资本量和劳动量（劳动力数量[ 9 ]），笔者延伸应用这一公式时还原“劳动力数量”，认为工业企业劳动要素贡献指数的含义是（以2018年实际数据为例）：2018年工业增加值增长6.1%，劳动要素对工业增加值的贡献率是8.57%（0.1633×3.2%÷6.1%）[ 10 ]，即劳动要素贡献指数是0.0857。工业企业内部不论从事何种工作（种）的人员，他们都对工业增加值做出了贡献。科技人员从事科技工作，是对科技价值做出的贡献，而科技价值同样是工业增加值的组成部分。因此，将这一贡献指数用于工业企业科技人员（用科技劳动力数量反映），就能计算出工业企业科技人才的贡献价值。公式如下：
工业企业科技人才贡献价值=工业企业劳动要素贡献指数×工业企业R&D机构人员数
以2018年为例，全国规模以上工业企业科技人才贡献价值=0.0857×318.3=27.2783（万元/人·年）。通过计算2004—2018年工业企业科技人才各年“贡献价值”（表1）可见，2004—2018年我国高校科研人员贡献价值随着科技人员和劳动要素贡献指数的变动而不断增加，由2004年的14.6896万元增长到2018年的27.2783万元，年均递增4.52%。
二、科技创新投入与产出价值的确定
（一）科技创新投入与产出指标的设置
工业企业科技创新要投入人力、物力和财力。在投入人力方面，除了上述确认的工业企业科技人才贡献价值外，还要给每位科技人才提供研发经费;在投入物力和财力方面，要对现有生产设备或生产线进行技术改造，这种技术改造要以先进的科学技术为支撑，还要研究新的科技项目，获取自主知识产权（如专利等），开发新产品等。因此，科技创新投入与产出指标的设置见表3。
（二）全国工业企业科技创新指标数据的收集
根据国家统计局等部门公布的数据，2004—2018年全国工业企业科技创新状况及科技创新绩效见表4。
三、采用灰色关联度法确定工业企业科技创新绩效的影响因素
（一）灰色关联度法的基本模型和应用原理
所谓灰色关联度是指系统发展过程中多个因素之间发展趋势的相似程度或相异程度。为了定量研究系统中各个因素之间的关联程度，人们提出多种方法来确定不同因素之间的相关系数，如列联表分析法、方差分析法、相关分析法、回归分析法、聚类分析法等[ 12 ]。这些方法都是以数理统计理论和技术为基础，运用时需要大量的数据，否则很难找出统计规律。就回归分析而言，要求数据多、分布有规律、回归结果中因变量与自变量的拟合度高、关系显著等[ 13 ]，一旦这些条件不具备，回归分析就不能使用。而灰色关联分析方法却从某种程度上弥补了以上缺憾。
灰色关联度分为灰色基本关联度、灰色绝对关联度、灰色相对关联度和灰色综合关联度四种类型。如果研究对象既体现特征行为序列X0代表的折线，又体现相关因素序列Xi代表的折线相似程度，还反映X0和Xi相对于始点的变化速率的接近程度，则采用灰色综合关联度法。本文研究X0和Xi的关系，采用灰色综合关联度较合适。灰色综合关联度法构建模型如下：
基本模型：R=W×X。在这个基本模型中，R为M个评价对象的综合评价结果向量，W为N个评价指标的权重向量，X为系统中的各个因素。
灰色综合关联度法的应用步骤：确定反映系统行为特征的参考数列（X0）和影响系统行为的比较数列（Xi）;对参考数列和比较数列进行无量纲化处理;计算参考数列与比较数列的绝对差值;计算比较数列（Xi）对参考数列（X0）的关联系数（？孜i）;求关联度Ri（Ri=1/n∑n i=1？孜i）;根据关联度排序;对排序结果进行分析。
以上灰色关联度法的基本原理是通过分析比较数列指标变化并计算一系列指标与主指标之间的关联度（系数的大小）来判断数列指标对主指标的影响程度[ 14 ]。主指标就是构建一般模型定义的因变量（Y），系列指标就是自变量（X），在灰色關联度法中，X为比较数列（Xi，i=1，2，…，n），Y为参考数列（X0）。工业企业科技创新绩效指标是工业企业新产品销售收入，本文设置“新产品销售收入”为参考数列，其余指标为比较数列。因为工业企业科技创新的落脚点之一就是要创造更多的新产品销售收入，最终实现企业利润最大化，工业企业新产品销售收入反映了企业进行科技创新的宗旨和目的。运用灰色关联度法定义的数列指标如表5。
（二）灰色关联度法的操作
应用灰色关联度法模型解决具体问题，可采用Excel软件进行操作[ 14 ]。为了更简洁地阐述灰色关联度法的应用原理，本文仅列示灰色关联度法的运作程序及计算结果。
采用灰色关联度法计算全国工业企业2004—2018年科技创新绩效影响因素数据，得出结果如表6。
四、研究结论及对策
从表6均值可见比较数列对参考数列的关联度排序：R&D人员全时当量经费支出关联系数均值0.7151>新产品开发项目经费支出关联系数均值0.6952>有效发明专利数关联系数均值0.6913>R&D经费支出占主营业务收入之比关联系数均值0.6573>引购技术经费支出关联系数均值0.6428>科技人才贡献价值关联系数均值0.6255>技术改造经费支出关联系数均值0.6044。前四项因素是主要因素，具体分析如下：
1.R&D人员全时当量经费支出是工业企业创新绩效的第一因素。从表4数据可见，全国规模以上工业企业每个研发人员每年拥有研发经费（支出）由2004年的20.38万元上升到2018年的43.46万元，年均递增5.6%。企业加大每个研发人员研发经费的投入力度对企业创造科技绩效会产生极大的推动力。正如胡锦涛所说：“人才作为重要的生产要素，不仅有一般的生产要素所具有的‘生产功能，而且具有其他生产要素所不具备的‘效率功能，即人才要素具有提升自身及其他生产要素质量和效率的独特功能。”[ 15 ]
2.新产品开发项目经费支出是工业企业创新绩效的第二因素。从表4数据可见，全国规模以上工业企业每个新产品开发项目发生的研究经费支出由2004年的126.77万元提升到2018年的268.44万元，年均递增5.5%。企业加大研发项目经费投入力度已成为企业发明专利、创造科技绩效的法宝。
3.有效发明专利数是工业企业创新绩效的第三因素。从表4数据可见，全国规模以上工业企业有效发明专利数由2004年的30 315件上升到2018年的1 094 200件，年均递增29.2%，是科技创新绩效上升速度最快的项目。这说明我国规模以上工业企业依靠专利发明推动科技创新绩效提高的发展速度是惊人的。现实研究表明，科技实力是国家实力的关键。美国从二次世界大战以来科技水平和实力已经取代德国成为世界科技中心并保持至今，美国的科技实力来自多个方面，其中，专利的发明和应用成为美国科技实力的重要方面。据世界知识产权组织统计，截至2016年底，全世界有效发明专利共计972万件。保有量排在前五名的国家分别是日本（266万件）、美国（219万件）、中国（124万件）、韩国（95万件）、德国（60万件）。从发明专利申请增量看，排在前五名的国家分别是中国（126万件）、美国（52万件）、日本（46万件）、韩国（23万件）、德国（18万件），而专利授权量排在前五名的国家分别是中国（32万件）、日本（29万件）、美国（28万件）、韩国（12万件）、德国（10万件）[ 16 ]。从发明专利数据可见，中国近年来重视专利的发明，科技实力在不断增强，这一势头给工业企业尤其是制造业企业提供了快速发展的契机。
4.R&D经费支出占主营业务收入之比是工业企业创新绩效的第四因素。从表4数据可见，全国规模以上工业企业R&D经费支出占主营业务收入之比由2004年的0.56%上升到2018年的1.25%，年均递增5.9%，发展速度仅次于有效专利发明速度。这表明全国规模以上工业企业在创造主营业务收入的同时重视研发经费的投入，对新产品销售市场产生重要作用。
需要说明的是，全国规模以上工业企业科技人才贡献价值没有成为工业企业创新绩效的主要因素。它在创造企业科技创新绩效的七大因素中排第六位（均值0.6255），即工业企业科技人才的作用没有充分发挥。这是极其不足的。2016年3月13日，习近平总书记在第十二届全国人大第四次会议解放军代表团全体会议上指出“人才是创新的核心要素”。习总书记这一观点给全国规模以上工业企业科技发展指明了方向。有学者[ 17 ]运用1998—1999年人才和GDP数据研究了“人才经济系数”得出结论：新加坡人才经济系数（即每个人才创造的GDP万元/人）是352.40，日本是255.99，美国是160.39，加拿大是137.55，俄罗斯是86.79，韩国是54.13，马来西亚是47.55，而中国只有26.28。可见，中国仍然处于较落后地位，需要继续努力。
从以上研究结果可见，工业企业提高科技创新绩效的主要抓手有三项：一是抓新产品开发经费的投入。有投入才有产出，不重视新产品开发经费的投入，就不可能打造出新产品。抓新产品开发经费的投入包括“人员研发经费”和“新产品开发项目研发经费”两方面的投入。它不仅能为企业发明专利创造更多有利条件，还能为企业创造更可观的新产品销售收入，提升研发经费的运作效率[ 18 ]。2004年，全国规模以上工业企业新产品开发经费支出126.77（万元/个），当年有效发明专利数为30 315件，取得的新产品销售收入为22 808.6亿元，平均每亿元经费创造专利31件、每元经费创造新产品销售收入23.6元。到了2018年，全国规模以上工业企业新产品开发经费支出268.44（万元/个），当年有效发明专利数为1 094 200件，取得的新产品销售收入为197 094.1亿元，平均每亿元经费创造专利73件，但每亿元经费创造新产品销售收入只有13.2元。可见，2004—2018年15年间，我国规模以上工业企业每亿元新产品開发经费创造的专利增加了1.4倍，但取得的新产品销售收入只有0.4倍。透过下降情况的实质不难看出，企业在追求专利发明的同时还应该提高专利转化为生产率的效率[ 19 ]，这样才能充分发挥“科技兴企”的作用[ 20 ]。
二是抓研发专利的发明和申请。有的企业家说，如果企业每年没有专利发明，则企业创新力就停止了，企业就会被飞速发展的科技时代所抛弃。如何激励企业科技人才多出专利呢？首先，要把企业科技人才发明专利作为进入企业人才库（关键人才[ 21 ]）队伍的必需条件;其次，要在企业科技人才申请专利方面提供各种方便和优惠;再次，要在企业干部选拔过程中像徐州卷烟厂那样，优先考虑具有专利的科技人才;最后，要给科技人才发明的专利确定股份，学习国内一些优秀企业集团的做法，让专利股份与其他股本一起参与企业分红。
三是提高企业研发经费占主营业务收入的比率，不断提高企业产品的科技含量[ 22 ]。
【参考文献】
[1] 习近平.坚持“五个导向”：为世界经济把握正确方向[EB/OL].[2018-11-18].http：//theory.people.com.cn/ n1/2018/1118/c40531-30406909.html.
[2] 习近平.在中国科学院第十九次院士大会、中国工程院第十四次院士大会上的讲话[EB/OL].[2018-05-28]. http：//www.xinhuanet.com/politics/leaders/2018-05/28/ c_1122901308.htm.
[3] 王聪，李敏.宁波市规上工业企业科技创新能力评价研究[J].宁波经济（三江论坛），2019（2）：16-21.
[4] 贾帅帅，王孟欣.基于三阶段DEA的工业企业科技创新效率研究[J].科技管理研究，2017（16）：197-202.
[5] 王义新，孔锐.价值链视角下规模以上工业企业科技创新效率及关键影响因素研究：基于DEA-Tobit两阶段模型[J].科技管理研究，2019（3）：136-142.
[6] 赵良浩，李玉婵，张玲玉.我国科技创新政策绩效区域异质性研究：基于2000—2010年大中型工业企业数据的研究[J].工业技术经济，2013（10）：83-89.
[7] 上官敬芝.我国大中型工业企业科技创新的实证分析[J].中国科技论坛，2004（6）：41-54.
[8] 祝新，王邵.基于灰色关联分析模型的广西科技创新能力评价研究[J].科技创新与对策，2016，33（22）：109-115.
[9] 胡希宁.当代西方经济学概论（第二版）[M].北京：中共中央党校出版社，1998：53.
[10] 刘厚俊.现代西方经济原理[M].南京：南京大学出版社，1988：108.
[11] 国务院國资委考核分配局.企业绩效评价标准值2019[M].北京：经济科学出版社，2019：13-367.
[12] 时立文.SPSS19.0颂读分析从入门到精通[M].北京：清华大学出版社，2012：79-280.
[13] 彭晓博，孙祁祥.中国农民健康保险需求影响因素的灰色关联分析[J].保险研究，2012（10）：39-46.
[14] 于萍，李克.使用Microsoft Excel进行数据的灰关联分析[J].微型电脑应用，2011，27（3）：29-30，37.
[15] 山东社会科学学院课题组.马克思主义人才理论与实践[M].济南：山东人民出版社，2005：496.
[16] WIPO，恒大研究院.美国科技实力有多强大？中国如何崛起？[EB/OL].[2018-07-28].http：//m.elecfans.com/article/716315.html.
[17] 李向前，向洪，贺然.中国人才批判[M].北京：中国时代经济出版社，2005：49.
[18] 朱亮峰.煤炭资源资本化支撑理论及运作效率研究[M].北京：中国经济出版社，2017.
[19] ZHU LIANGFENG， ZHU XUEYI.Energy policy，? market environment and the economic benefits of enterprises：evidence from China's petrochemical enterprises[J].Natural Hazards，2019，95（1/2）：113-127.
[20] 李新宁.战略性新兴产业技术创新治理：“死亡之谷”的视角[J].西安财经学院学报，2019（6）：58-65.
[21] 东亚斌，段志善.灰色关联度分辨系数的一种新的确定方法[J].西安建筑科技大学学报，2008，40（4）：589-592.
[22] 朱学义，王建华，吴江龙，等.财务分析创新内容与实践研究[J].会计之友，2009（4）：36-37.
