公共研发与企业研发的双螺旋协同创新效应研究

李海波，韩爱华，王怡恒

（1.武汉大学a.社会保障研究中心；b.政治与公共管理学院，武汉 430070；2.贵州财经大学 数学与统计学院，贵阳 550025；3.中南财经政法大学 统计与数学学院，武汉 430037）

0 引言

十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。要瞄准世界科技前沿，强化基础研究，加强应用基础研究，为建设科技强国提供有力支撑。基础研究和应用研究因投入大、周期长、风险高，其结果具有非排他性、非竞争性、外部性等公共产品特征，且主要由政府支持，故将其称为公共研发。现有文献关于公共研发的研究较少，部分文献表明公共研发与企业研发之间存在协同效应，那么，公共研发与企业研发之间的协同程度如何？是否存在某种依赖关系？其关联路径是什么？本文通过构建公共研发与企业研发双螺旋协同创新系统，试图揭示公共研发与企业研发之间的内在联系。

1 模型构建与方法

1.1 复合系统协同度模型

测度协同创新的方法比较多，但每个方法都有优劣之分，关键是要选择适合研究主题和内容的。本文根据现有文献研究成果，经认真比选，拟选用复合系统协同度模型，通过有序度、互信息转接量来判断协同关系及协同程度。在其他条件不变的情况下，假设只有两个创新系统，一个是公共研发子系统，可以理解为一种创新环境；另一个是企业研发子系统，可以理解为创新主体。创新环境与创新主体之间的资源、能量、物质、信息的相互交流、相互作用，有利于创新资源的整合与再利用，并对两个系统产生影响。建立双螺旋协同创新系统其中 Si是系统S的第i个子创新系统。本文中i∈[1，2]，其中S1代表公共研发子系统，S2代表企业研发子系统。子系统创新过程中，序参量为αi=（αi）1，αi2，…，αij（其中 j≥1 ，aik≤αik≤bik，k∈[1，j]），代表双螺旋协同创新子系统的若干指标。当 αi1，αi2，…，αij为正向指标时，数值越大说明子系统的有序度越高，反之说明有序度越低；当 αi1，αi2，…，αij为负向指标时，数值越大说明子系统的有序度越低，反之说明有序度越高。因此，定义双螺旋协同创新的序参量有序度为：

三螺旋模型主要采用信息熵测度系统的不确定性，用不确定性来反映系统的结构性条件，进而折射出其协同效果。基于三螺旋的测算模型，构建双螺旋协同创新模型。为方便测度系统的协同程度，本文将用序参量有序度代替信息熵测度系统的不确定性，反映其协同效果。双螺旋协同创新系统的信息转接量由两个子系统的有序度总和减去他们的交互效应，即：

其中，Hs1为公共研发协同创新系统，Hs2为企业研发协同创新系统，Hs1s2为两个系统的交互效应。当系统S1、S2完全独立时，Hs1s2=Hs1+Hs2，则Ts1s2=0；当系统S1、S2相互作用时，Ts1s2可正可负。Ts1s2为负值时，值越小说明交互作用越强，协同程度越高。

1.2 典型相关方法

为进一步研究双螺旋协同创新模型中两个子系统之间的关系，利用典型相关分析方法计算其相关系数。典型相关分析是研究变量之间的整体线性关系，而不是研究每一组变量内部各个变量之间的关系。其所研究的两组变量可以将一组作为自变量，另一组作为因变量，也可以将两组变量作为同等的自变量或者因变量。

研究两组随机变量的相关关系，X1，X2，…，XP和Y1，Y2，…，Yq，当 p=q=1时，相当于研究两个变量 X与Y之间的相关关系；当 p＞1，q＞1时，需要找出第一组变量的线性组合U和第二组变量的线性组合V，即：

通过线性组合，将研究两组变量之间的相关性问题转化为研究两个变量之间的相关性问题，通过调整参数a，b，使得U和V相关性最大，这种关系称为典型相关。分别为任意非零常系数向量，可以得到：

则称U和V为典型变量，他们之间的相关系数ρ为典型相关系数，即：

设典型变量为U和V，原始变量与典型变量之间的相关系数为GU和GV，则：

1.在孩子面前，在外承担了各种压力的家长还是要注意调整心态，以乐观、坚强的一面去面对孩子。毕竟，家长无意的消极语言不利于孩子健康成长。孩子们暂且无法分清孰是孰非，家长对社会偏激的抱怨会影响到他的言行偏离常态。情绪是可以传染的，应该用积极快乐的情绪去感染孩子。

式（9）中典型相关系数ρ表示各典型变量之间构成的多维典型相关程度，揭示了两个观测变量组之间的相关性。式（10）中的GU和式（11）中的GV是衡量原始变量与典型变量相关性的尺度，称为典型负载系数或者结构相关系数。典型负载系数是典型变量与同属本组的观测变量进行简单回归时，测量散点与回归直线之间拟合程度的指标。

2 变量选择及数据来源

公共研发和企业研发两个子系统都有创新要素的投入与产出，每个系统的投入与产出又可以作为另外一个系统的要素继续参与创新活动。双螺旋协同创新的本质也是促进系统内部之间、系统之间的资源交换，提高使用效率，实现协同创新。因此，基于双螺旋协同创新与投入产出的视角，借鉴国内外典型的协同创新评价指标体系，按照系统性、科学性、可操作性的原则，对相关指标进行认真筛选，以便增强实证分析的科学性和研究结论的准确性。由于我国公共研发的主体是高等学校和科研院所，因此公共研发子系统选择高等学校和科研机构的R&D人员全时当量（万人年）（X11）、R&D经费内部支出（亿元）（X12）、发表科技论文（篇）（X13）、专利申请受理数（件）（X14）作为序参量指标。企业研发涉及范围广泛，行业众多，为便于研究，根据已有研究成果经验，将企业研发限定在高技术产业研发。因此，企业研发子系统选择高技术产业的R&D人员全时当量（万人年）（X21）、R&D经费支出（亿元）（X22）、新产品销售收入（亿元）（X23）、专利申请受理数（件）（X24）作为序参量指标（见表1）。

表1 双螺旋协同创新系统的指标选择

鉴于数据的可获得性，本文选择2005—2015年作为研究样本区间，数据来源于2006—2016年的《中国科技统计年鉴》，其原始数据经过整理如表2所示。

表2 双螺旋协同创新系统序参量原始数据结果

3 双螺旋协同创新系统测度结果

3.1 子系统有序度测度

由于各序参量的原始数据计量单位不一致，为保证结果的准确性，需要对其进行无量纲化处理，即标准化处理。得到各子系统序参量的有序度（见表3）。由于各指标都是正向指标，不需要做指标逆向化处理，且有序度指数越大说明对该系统的贡献越大。在公共研发子系统（S1）中，R&D人员全时当量（万人年）（X11）、R&D经费内部支出（亿元）（X12）、发表科技论文（篇）（X13）、专利申请受理数（件）（X14）均呈现逐年上升趋势，这说明有序度对公共研发子系统的贡献也呈逐年上升趋势。企业研发子系统（S2）中，各变量有序度总体上呈现逐年上升趋势，但企业专利申请受理数（件）（X24）在2014年之后出现了下降，这说明有序度对企业研发子系统的贡献总体上呈逐年上升趋势，但也面临着局部调整。

表3 公共研发、企业研发子系统有序度结果

3.2 双螺旋协同创新系统协同度测度

由于各系统的序参量有序度呈现逐年递增的线性趋势，故本文采用加权算术平均法集成公共研发子系统（S1）与企业研发子系统（S2），并测算双螺旋协同创新各子系统的协同度，具体测算结果如图1所示。

图1双螺旋协同创新趋势图

从图1中可以看出：一是两个子系统的有序度均呈逐步上升趋势。2006年S1系统与S2系统的有序度分别为0.068、0.050，两者相差0.018个单位。2015年S1系统与S2系统的有序度分别为1.000与0.986，两者仅相差0.014个单位，差距在进一步缩小。二是两个子系统的有序度呈现两阶段特征。第一阶段为2006—2011年，S1系统的有序度高于S2系统的有序度，该阶段属于企业研发发展滞后型。第二阶段为2012—2015年，S1系统的有序度低于S2系统的有序度，该阶段属于公共研发发展滞后型。2011年，S2系统超越了S1系统，这与国家实施新一轮科技体制改革，推动企业成为创新主体的政策相吻合。三是协同度随着两个子系统有序度的变化呈现上升趋势，从年度子系统的有序度看，两个系统的有序度差距逐渐缩小，两个系统的融合促进了双螺旋协同创新的协同度提升。即2005年协同度基本为零，处于勉强协同的区间，2015年协同度为0.986，处于优质协同的区间。因此，基于时序视角，从公共研发与企业研发两个系统的整体有序度来看，双螺旋协同创新系统的整体协同程度在提高。

4 双螺旋协同创新效应的原因分析

4.1 双螺旋协同创新子系统的典型相关分析

4.1.1 典型相关关系的检验

公共研发子系统与企业研发子系统组成的双螺旋协同创新系统整体协同，但两个子系统中资源之间是如何发生关联？通过典型相关分析可以找出其相互影响的内在规律。典型相关系数是典型变量中观测变量的系数值，即各个变量对典型变量的影响，以及典型相关系数与典型相关的显著性检验。从表4典型相关系数检验结果可以看出，典型相关系数非常显著。这说明公共研发子系统与企业研发子系统存在典型相关，或者说公共研发子系统与企业研发子系统的变量之间存在相互线性依赖关系。

表4 典型相关系数检验结果

4.1.2 典型相关对数的检验

通过对公共研发子系统和企业研发子系统的线性组合，将两组变量的相关性问题转化为研究两个变量的相关性问题，即̂为公共研发子系统各指标的线性组合，为企业研发子系统各指标的线性组合。通过典型相关系数的计算得到4对典型相关关系，其相关系数分别为：0.9996、0.9612、0.5510、0.0393，可见前两对典型相关系数较大。另外通过使用典型变量为坐标的散点图对典型线性组合进行刻画（图略）可以看出中的点基本上在一条直线附件中的点也在一条直线附近，但相对有点散；中的点分布都很散。因此，可以通过对两对典型变量的分析，揭示公共研发系统与企业研发系统之间的相关关系。

4.2 典型相关变量之间的互动分析

4.2.1 第一对典型变量高度相关

（1）系统整体互动视角。从表5中可以看出，在第一对典型变量中，和的相关系数为 0.9996，两者具有高度的相关关系，系统整体互动程度高。中公共研发专利申请受理数（X14）的典型负载系数为-0.514，绝对值最大，说明公共研发系统的综合特征主要由专利申请受理数（X14）决定。中企业研发R&D经费支出（X22）的典型负载系数为-0.454，绝对值最大，说明了企业研发系统的综合特征主要由R&D经费支出（X22）决定。同时，由于在第一典型变量中专利申请受理数（X14）与R&D经费支出（X22）的典型负载系数是同号（都为负），说明两者之间呈现正相关关系，即公共研发中专利申请受理数越大则企业研发R&D经费支出也越多，公共研发系统对企业研发系统有促进作用。原因在于公共研发主要是一些基础性、原理性、基础应用性的研究，其成果可以通过可编码的知识（专利、论文）和不可编码的知识（理解、经验）进行传播，受条件限制，一般情况下主要通过专利的形式来传播。企业研发是根据公共研发的成果进行市场应用开发，或者围绕市场需求寻找相应的公共研发成果进行商品化开发。因此，公共研发中专利申请受理数越大，说明供企业选择应用开发的成果就越多。

表5 公共研发与企业研发典型系数结果

总之，公共研发的专利申请促进企业研发的R&D经费支出，抑制企业研发R&D人员全时当量的投入。公共研发与企业研发双螺旋协同创新的渠道主要是通过公共利申请受理数的增加会降低公共研发系统内部的协同度。主要原因在于公共研发的基础性、不稳定性、人才作用明显等特征，不能将追求专利数量和人员数量作为发展目标，否则将影响公共研发的质量。在内部，R&D人员全时当量（X21）、专利申请受理数（X24）为正向指标，说明他们对企业研发系统有促进作用；R&D经费支出（X22）、新产品销售收入（X23）为负向指标，说明他们对企业研发系统有抑制作用。即R&D人员全时当量和专利申请数的增加会提升企业研发系统内部的协同度。R&D经费支出和新产品销售收入的增加会降低企业研发系统内部的协同度。主要原因在于企业是以追求利益为根本目的，R&D人员全时当量和专利申请数的增加可以使企业提升生产效率，并形成专利垄断，赚取垄断利润，进而实现企业利益最大化。R&D经费支出过多会降低企业利润，因购买专利获得更多的新产品销售收入使企业降低自身研发的积极性。

4.2.2 第二对典型变量比较相关

（1）系统整体互动视角。在第二对典型变量研发的专利和企业研发的R&D经费支出产生交换。即专利是公共研发与企业研发双螺旋协同创新的桥梁。公共研发通过专利形成科技研发知识的外部流动，企业通过购买专利，增加R&D经费支出，降低企业R&D人员全时当量投入，提升企业生产效率，形成专利垄断，赚取垄断利润，进而实现企业利益最大化。

5 结论

本文基于复合系统协同度模型和典型相关分析方法，以2005—2015年科研机构、高等学校、高技术产业的时序数据为样本，测度了公共研发与企业研发构建的双螺旋协同创新系统的有序度及两者之间的相关系数，主要结论如下：

（1）双螺旋协同创新系统的两个子系统有序度均呈逐步上升趋势，但呈现两阶段特征，即企业研发发展滞后型和公共研发发展滞后型。基于时序视角，两个子系统有序度的逐步提升促进双螺旋协同创新系统的协同度逐步提升，在2015年达到优质协同。

（2）公共研发子系统与企业研发子系统存在典型相关关系，且存在两对典型相关变量，变量之间存在相互线性依赖关系。公共研发的专利申请促进企业研发的R&D经费支出，抑制企业研发R&D人员的投入。专利是公共研发与企业研发双螺旋协同创新的桥梁。增加公共研发系统中R&D经费支出可以促进专利数增加，专利数增加可以促进企业研发系统的协同创新，进而推动双螺旋系统的协同创新程度提升。