上海技术创新能力及其与经济增长的灰色的实证统计

1、上海技术创新能力及其与经济增长的灰色的实证统计         可见，与全国平均水平相比较，上海获国家级科技成果奖不但地位重要，人均得奖水平高，而且增长幅度大。（2） 国内专利申请授权数量。专利包括发明专利、实用新型专利、外观设计专利三种细分类型，而发明专利是三种细分类型中最重要、最能体现技术创新能力的专利类型。2001年上海国内专利申请授权总量为5 372件，到2010年增加到48 215件，年均增长率为27.6%，快于全国增速25.0%的平均水平；由于专利授权数增速较快，上海国内专利申请授权数量占全国的比重由2

2、001年的5.4%上升到2010年的6.5%；2001年，上海万名从业人员平均获国内专利申请授权量为7.14件，2010年上升到44.20件/万人，这10年的平均值为20.93件/万人，这3个数字分别是全国的5.3倍、32.5倍、15.4倍。可见，与全国平均水平相比较，上海国内专利申请授权量增长较快，而且获得专利授权的平均水平较高。而且更为可贵的是，2001年2010年上海国内“发明专利”申请授权量由322件上升到6 867件，年均增长率达到40.5%，不仅明显快于该市专利总量以及其他两种细分专利类型的增速，而且也快于全国发明专利申请授权量的增速34.9%；因此，导致上海“发明专利”申请授权量

3、占该市专利申请授权总量的比重由2001年的6%上升到2010年的14.2%，占全国发明专利申请授权量的比重由2001年的6.0%上升到2010年的8.6%。可见，上海“发明专利”申请授权量的增长速度较快，其获得授权的专利质量和水平呈现不断上升态势。综上所述，通过对2001年2010年上海R&D人员全时当量、R&D经费内部支出、国家级科技成果奖获奖数量、国内专利申请授权数量等四个方面数据资料的分析，可以得出如下判断和结论：与全国平均水平相比较，进入新世纪以来上海技术创新的人力和财力资源投入增速虽然较慢，但是投入强度较大、投入水平较高，而且技术创新产出能力较大、质量较高。二、 上海

4、R&D投入与经济增长的灰色关联分析1. 方法选择。在探讨R&D投入与经济增长关系的关系时，通常采用两种方法：一个是在建立数学模型的基础上，通过回归估计得到变量的回归参数，从而确立二者的数量关系；另一个是在灰色系统理论基础上发展起来的灰色关联分析。在比较了两种方法的特点之后，本文最后采用了灰色关联分析方法，其理由是：本文试图探讨上海最近一个时期（即2001年2010年）R&D投入与经济增长的关系，以便对其未来一个时期R&D活动投入方面得到有价值的结论及启示，否则数据资料时间系列回溯和采集的过于久远，则不利于这一目标的实现。由于研究目的的需要而使时间系列采用较短，在

5、这种情况下如果采用回归分析方法，则会因为模型自由度过小，导致回归效果不理想，而灰色关联分析方法则不存在这种问题，在数据时间系列较短的情况下，仍然能够得到较好分析结果。这也可能是不少研究文献采用灰色关联分析方法的原因。2. 灰色关联分析方法简介。灰色关联分析方法是灰色系统理论的应用成果之一。所谓灰色关联分析，就是系统的因素分析，是对一个系统发展变化态势的定量比较和反映。他是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。灰色关联度是两个系统或两个因素间关联性大小的量度，它描述系统发展过程中因素间相对变化的情况，也就是变化大小、方向与速度等的相对性。如果两个系

6、统或两个因素在发展过程中相对变化态势一致性高，则两者的灰色关联度大；反之，灰色关联度就小。灰色关联度的计算步骤如下：第一步，确定分析序列。设系统特征行为序列（母序列）：Xo（t） = xo（1），xo（2），xo（n），其中o和t分别代表母序列和年份，t=1，2，n-1，n。相关因素行为序列（子序列）：Xi（t）=xi（1），xi（2），xi（n），其中i和t分别代表子序列和年份，且i=1，2，m-1，m；t = 1，2，n-1，n。式（2）中，oi为子序列i与母序列o的关联度，n为时间序列长度即年份数。3. 实证分析。首先，选取2001年2010年上海的地区生产总值（亿元）作为母序列Xo（t

7、），选取同期上海R&D人员全时当量（万人·年）、R&D经费内部支出（亿元）、总从业人员数（万人）、固定资产投资（亿元）等四个指标分别作为子序列X1（t）、X2（t）、X3（t）、X4（t）。这些指标的数据资料以及前面涉及到的数据资料都来自于2002年2011年出版的中国科技统计年鉴和上海统计年鉴。为了消除价格因素的影响，使指标数据及其不同年份之间具有可比性，上海的地区生产总值通过其1978年=100的定基指数折实为2000年不变价数值，R&D经费内部支出则使用2000年=1的GDP平减指数折实为不变价数值，固定资产投资则通过固定资产投资价格指数折实为2000年

8、不变价数值。根据前面的定义，则有各母序列和子序列的原始数据如表3所示。其次，对原始数据进行均值标准化处理后，运用关联系数计算公式计算各子序列X1（t）、X2（t）、X3（t）、X4（t）与母序列Xo（t）的关联系数o1（t）、o2（t）、o3（t）、o4（t）（分辨系数取0.5），其计算结果如表3所示。最后，根据表3的关联系数，运用关联度计算公式计算母序列与子序列的关联度oi，他们分别是：o1（t）=0.756 9，o2（t）=0.690 8，o3（t）=0.814 9，o4（t）=0.581 8从关联度的计算结果可以看出：第一，4个关联度o1（t）、o2（t）、o3（t）、o4（t）均为正值

9、，这说明上海经济增长与R&D人力投入、R&D财力投入、固定资产投资、劳动力投入均呈现正相关关系，这4种要素投入对上海经济增长都起到了积极影响和和促进作用。第二，上海的地区生产总值与固定资产投资的关联度o3（t）在0.8以上，在4个关联度中的取值最大，这说明物质资本投资仍然是对上海经济增长影响和作用最大的生产要素。第三，上海的地区生产总值与R&D人员全时当量、R&D经费内部支出的关联度o1（t）、o2（t）虽然小于o3（t），但是远大于o4（t），而且     o1（t）>o2（t），这说明上海R&D人力投入、

10、R&D财力投入对经济增长的影响和作用虽然小于物质资本投入，但是已经远远超过了劳动力投入的作用和贡献，而且R&D人力资源投入对上海经济增长的积极作用又大于R&D财力资源投入。第四，上海的地区生产总值与其全部从业人员时间序列的关联度o4（t）为0.58，在4个关联度中的取值最小，这说明：在上述四种投入要素中，劳动力投入是对上海经济增长影响和作用最小的生产要素。三、 结论与建议通过对上海技术创新能力的评价及其与经济增长关系的实证分析，本文得到如下判断和结论：第一，与全国平均水平相比较，进入新世纪以来，上海技术创新的人力资源和财力资源投入增速虽然较慢，但是投入强度较大、投入水平

11、较高，而且技术创新产出能力较大、科技产出成果质量较高。因此，从投入产出两个方面结合起来看，上海技术创新的投入产出效率较高，技术创新综合能力较强。第二，作为技术创新投入能力主要指标的上海R&D人力投入和R&D财力投入对经济增长均产生了明显的积极影响和作用，而且其影响程度大于劳动力投入，但是仍然小于物质资本投入。R&D人力投入和R&D财力投入相比较，R&D人力资源投入对经济增长的影响和作为大于R&D财力资源投入。根据上述分析结论，从促进经济增长的目的出发，提出如下几点政策建议：第一，适当加快R&D人力投入和财力投入的速度，进一步提高上海技术创

12、新能力，尤其是R&D人力资源投入较财力资源投入更应值得重视和加强。第二，采取切实有效的具体措施，进一步促进上海技术创新成果的产业化程度，提高其技术创新能力优势转化为真实经济效应的转换能力。第三，近期应继续保持较大的物质资本投入规模和增长幅度。在当前国内外经济发展环境趋紧、经济下行压力增大的情况下，上海保持适当较大规模的物质资本投资是明智和理性的选择，因为毕竟这一生产要素目前仍然是上海经济增长的第一驱动力。参考文献：1. 郝晓燕等. 内蒙古区域技术创新能力及其与经济增长的关联分析. 科学管理研究，2010，（4）：21-28.2. 乔朋华等. 黑龙江省科技投入与经济增长的灰色关联研究. 科技管理研究，2010，（22）：59-62.3. 姜秀娟等. 我国科技投入与经济增长的T型关联度