我国规模以上工业企业科技驱动力影响因素,本文是关于创新驱动方面研究生毕业论文范文与驱动力和科技创新和国规模方面在职研究生论文范文.
创新驱动论文参考文献：
摘 要：科技创新是一国经济增长的重要驱动力量,而企业是科技创新的主体.研究企业,尤其是规模以上工业企业创新驱动力的影响因素对进一步提升企业竞争力具有明显的现实意义.已有文献多采用国内三种专利（发明、实用新型、外观设计）申请数量衡量一国科技创新能力,基于此本文使用国家统计局2000 年至2016 年统计年鉴数据,通过构建计量模型实证检验实验发展（R&D）人员数量、研究与实验发展（R&D）经费投入额以及研究与实验发展（R&D）项目数量对三种专利申请数量的影响.同时,为确保实证结果的稳健性,对计量结果进行检验.最后提出了促进企业科技创新的政策建议.
关键词：科技创新驱动力专利申请量 R&D 人员数量R&D 经费投入额 R&D 项目数量
1 引言
科技创新是一个国家经济增长最根本的驱动力量,科技创新能力也是其核心竞争力的主要标志.企业作为创新的主体,对创新能力的培育和提升是其生存和发展的基础.从企业的自身发展来看,切实增强科技创新能力有助于提高其产品的附加值,提高产品的竞争力,进而有利于增强企业的国内外竞争优势.从国家层面分析,由于企业是微观经济的基础,提高企业科技创新能力是保持经济良好运行和国民收入稳定增长的前提,同时也为一国政府实施宏观经济调控奠定了基础、提供了重要保障.
在我国规模各异的企业中,规模以上工业企业在推动国家经济增长中发挥尤为重要的作用.通过分析国家统计局年鉴中近十五年的数据发现,尽管我国规模以上工业企业的科技创新能力在不断提升,其表现为科技创新成果的不断增加,但就总体而言,其创新能力仍然相对薄弱,创新战略的实施和相关政策仍存在一定问题.目前我国规模以上工业企业的经济增长和收益增加在很大程度上依赖于资金、劳动力和自然资源等传统生产要素的优势,但此类生产要素的产出效益和资源利用效率相对较低,所以,研发与创新应当成为企业获得和保持长期竞争优势的关键.
由于研发（Research & Development, 以下简称R&D）是企业技术创新链条上的重要环节,本文选择研发中的三大指标：R&D 人员全时当量( 万人/ 年)、R&D 经费投入( 亿元)、R&D 项目数( 件) 为研究对象,通过实证分析的方法研究其对我国规模以上工业企业科技创新能力的影响.
2 实证模型设定
本文数据主要来源于国家统计局2000 年至2016 年统计数据 ,主要变量的统计性描述见表1.
被解释变量（科技创新驱动力）以三种专利申请量作为衡量指标.考虑到三大专利类型（发明、实用新型、外观设计）处于不同领域且代表性不同因此为了更全面的反映创新能力,本文将三种专利申请量的总和作为被解释变量的衡量指标.同时本文采用了专利申请数量,而非授权数量作为被解释变量的衡量指标,原因在于专利是否授权只是一种审查的形式,在统计上并没有显著的区别,同时相比较于专利授权量而言,专利申请量更能真实反映出工业企业的创新能力.
解释变量的部分,第一个解释变量：研究与发展人员全时当量( 万人/ 年),这一解释变量在下文的模型估计中以M 表示；第二个解释变量：研究与实验发展（R&D）经费投入( 亿元),此解释变量以P 表示；第三个解释变量：研究与实验发展（R&D）项目数( 件),此解释变量以Q表示.
以我国规模以上工业企业的专利申请量（Y）作为被解释变量；R&D 人员数量（M）、R&D 经费投入额（P）和R&D项目数量（Q）作为解释变量,构建如下多元线性回归模型：
模型(1)
3 模型估计及结果检验
3.1 模型估计
本文采用普通最小二乘法对我国规模以上工业企业专利数量同R&D 人员数量、R&D 经费投入额和R&D 项目数量进行回归拟合.
对模型（1）做OLS 估计,结果如下：
对解释变量Y 同被解释变量M、P、Q 分别作相关图1/2/3,可得出结论：Y 与M、P、Q 均存在正相关关系.
3.2 模型的经济检验
基于OLS 结果可知,解释变量M 的相关系数等于-223.0037,表明Y 与M 存在负相关关系,其实际经济意义为：我国规模以上工业企业的R&D 经费投入额每增加1 亿元,专利申请量平均减少223.0037 件.其结果与相关图1 结果相违背,同时不符合实际经济意义；解释变量P 和Q 的OLS 结果与相关图结果相符,同时符合实际经济意义.
模型未能通过经济检验.
3.3 模型的统计检验
模型的拟合优度检验：回归方程的可决系数R2等于0.994066,调整后的可决系数R^2等于0.992697 ；可决系数R^2 和调整后的(R^2 ) 都十分接近于1,所以回归模型有较高的拟合优度,回归直线与样本点拟合的效果良好.
模型的F 检验：回归方程的F 统计量等于725.9485, 由于模型存在3 个解释变量：M、P、Q, 自由度D_f等于n-k-1等于17-3-1等于13（n：样本量,k：解释变量个数）,在显著性水平α等于0.05 的条件下,F 统计量的临界概率F_0.05 （k,n-k-1）等于F_0.05 (3,13)等于3.411.因为OLS 的F 统计量等于725.9485>3.411,即认为回归模型显著.
模型的T 检验（以解释变量M 为例）：解释变量M 的t 统计量等于-0.286140,P 值等于0.7793.由于模型的自由度D_f等于n-k-1等于17-3-1等于13（n ：样本量,k ：解释变量个数）,在显著性水平α等于0.05 的条件下,t 统计量的临界概率t_0.05 （n-k-1）等于t_0.05 (13)等于2.160.因为解释变量M 的T 统计量等于 ∣ -0.286140 ∣ <2.160（双侧检验）,P 值等于0.7793>0.05,即认为解释变量M 对被解释变量Y 的影响不显著.同理可得：解释变量P 和解释变量Q 对被解释变量Y 的影响显著.
3.4 模型的计量检验
3.4.1 模型多重共线性的检验
多重共线性是指在多元线性回归模型中的自变量之间存在密切的线性相关关系.多重共线性的存在会使得系数估计的标准误差增大,从而导致模型的预测精度降低.本文利用SPSS 中的容限（Tolerance）、方差膨胀因子（VIF）、特征值（Eigenvalue）和条件指数（Condition Index）四种方法对自变量与控制变量间的多重共线性问题进行诊断.容限越小,表明该变量与其他变量的相关性越强.一般认为,当容限小于0.1 时,表明该变量与其他变量的多重共线性超越了容许界限.VIF 的值越大,变量之间的多重共线性问题越严重.当VIF 大于2 时,说明变量可能存在多重共线性,若VIF 大于10,则表明存在严重的多重共线性问题.当有的特征值接近0 时,表明变量间具有高度的相关性.当条件指数大于15 时,表明变量之间可能存在共线性问题,若条件指数大于30 时,说明变量之间存在严重的共线性问题.
基于多重共线性统计结果分析,从容限值的输出结果看,M 的值最小,为0.06（小于0.1）,说明此变量的变化程度有95.7% 可以通过其他变量来解释；从VIF 的输出结果看,三个变量的VIF 值均大于临界值10,说明三者间存在严重的多重共线性问题.
基于多重共线性诊断分析,此回归模型的3 个维度中有2 个（超过半数）特征值接近于0, 表明变量之间存在高度的线性关系；同时,有半数以上自变量的条件指数大于15,进一步印证了改模型的高度共线性.
3.4.2 采用逐步回归法消除多重共线性
对Y 同M、P、Q 依次做OLS 回归,整理每个回归方程解释变量回归系数估计值、t 统计量、t 统计量相应的概率值P 以及拟合优度R^2,如表4 所示：
按照各个解释变量一元回归模型的拟合优度大小进行排序：R_p^2>R_Q^2>R_M^2,通过比较各个解释变量一元回归模型的拟合优度,可以看出被解释变量Y 对P 的回归拟合程度最好,所以优先保留解释变量P,再加入解释变量Q,以P 和Q 为解释变量,重新估计方程得到回归结果：
Yt等于C+β1Pt+β2Qt,t等于2000,2001,…2016 模型(2)
Yt等于-4717.26+46.79204P_t+0.677136Q_t,t等于2000,2001,…2016
（-4.589166）（4.545184）（2.180288）
R2等于0.994029 F等于1165.303 DW等于0.862757
模型（2）可以通过经济检验、统计检验及计量检验.
3.4.3 回归模型的异方差性检验（Goldfeld-Quant 检验）
将样本按解释变量P 或Q 进行排序（结果一样）,将排序后的中间n/4 个观测值去掉,并将剩下的观测值平均分成两部分,每个子样本的样本容量等于(n-2)/2 个（原数据为1-17,去掉中间(n-2)/2 ≈ 5个样本,将余下的12 个观测值平均分成2 个部分,最终形成子样本1 ：样本1-6,共6 个样本,子样本2 ：样本12-17,共6 个样本）；利用样本1 建立回归模型(3),其残差平方和：RSS1等于15181279 ；利用样本2 建立回归模型(4),其残差平方和：RSS_2等于85015705.
RSS2等于85015705>RSS1等于15181279, 计算F 统计量：F等于PSS1/RSS2等于85015705/15181279等于5.600035, 取@等于00.5 时,F0.05((n-2)/2-k-1,(n-2)/2-k-1)等于F0.05（3,3）等于9.28.
因为F等于5.600035<F0.05 （3,3）等于9.28,所以模型不存在异方差现象.
3.4.4 模型的自相关性检验
① D.W 检验
(Yt)等于-4717.26+46.79204P_t+0.677136Q_t,t等于2000,2001,…2016
（-4.589166）（4.545184）（2.180288）
R2等于0.994029 F等于1165.303 W等于0.862757
因为n ＝ 17,k ＝ 2,取显著性水平α ＝ 0.05 时,查表得D_L等于1.13,D_U等于1.38,而0<0.862757 ＝ DW<D_L等于1.13,所以回归模型存在（正）自相关现象.
②偏相关系数检验
残差et 与et-1,... et-10 各期相关系数和偏相关系数（如图1 所示）.从图中可以看出：回归模型的第1 期偏相关系数的直方块超过了虚线部分,所以存在一阶自相关现象.
3.4.5 模型的自相关性调整（加入AR 项）
基于图2 的结果分析：因为估计过程经过6 次迭代后收敛,ρ1 的估计值为0.233879,ρ2 的估计值为0.345158,并且t 检验的P 值均大于0.05,说明t 检验不显著,所以该回归模型不存在二阶自相关现象.
调整后模型：因为n ＝ 17,k ＝ 2, 取显著性水平α ＝ 0.05 时, 查表得DL等于1.13,DU等于1.38, 而DU等于1.38<2.156501 ＝ DW<4-DU等于2.62,所以调整后的模型不存在一阶自相关现象.
3.4.6 对调整后的模型做BG 检验
基于图3 的结果分析：因为nR2等于1.787922,临界概率P等于0.409032 ＞ 0.05,所以辅助回归模型是不显著的,即不存在自相关性；因为e1 的P 值等于0.6101 ＞ 0.05,e2 的P 值等于0.5431 ＞ 0.05,所以该回归模型不存在高阶自相关现象.
4 主要研究结论
由于我国大规模工业企业相较于中小型规模的工业企业而言,更能够引领科学技术创新活动,并带来更大的经济效益,所以我国规模以上工业企业应成为我国科技创新的主体.在此背景下,借助统计工具和计量工具对我国规模以上工业企业科技创新驱动力进行实证分析,有利于深入了解影响科技创新行为的促进因素和制约因素,同时可以对工业企业科技创新的未来发展进行合理预测,并提出相关的措施建议.
通过对实证模型的估计以及修正,本文得到以下结论：我国规模以上工业企业的专利申请量主要受两大因素影响,即R&D 经费投入额和R&D 项目数量,且与工业企业的科技创新成果之间存在正相关关系,即随着R&D经费投入额的增加以及R&D 项目数量的增多,我国规模以上工业企业的专利申请量也随之上升,其最终表现为规模以上工业企业科技创新能力的提升.
具体地说,第一, 我国规模以上工业企业参与科技创新研发的人员数量虽然呈现逐年递增的趋势,但是涨幅平稳,且近年来的增长率较往年比有所下降.国际统计局的数据显示,2013 年的R&D 人员数量增长率为15.52%,2014 年为11.25%,2015 年为8.20%,2016 年为9.29%. R&D 人员数量对于规模以上工业企业的科技创新成果的影响并不显著,说明存在平稳涨幅的R&D 人员数量并未成为科技创新的主要驱动力.这一结论的强调人员数量对科技创新能力的影响程度,由此反映出人才数量的增长并没有推动科技创新能力.这进一步表明,我国工业企业的人才构成不仅要有数量的突破,更要提升上质量层面,不应该只着眼于人才数量上的变化,更应当将提升人才质量放到首位.由于人才资源是工业企业发展的第一资源,我国工业企业应当充分发挥高质量人才在科技创新中的关键作用,做到努力培养和吸收有专长、高层次的科技创新人才,并且为其创造良好的创新科研环境,这才是一个企业在竞争中立于不败之地的重要保证.
第二, 观察数据可知,自2000 年至2016 年间, 我国研究与试验发展(R&D) 经费投入额在规模以上工业企业中的投入逐年增加, R&D 经费投入额对于我国规模以上工业企业的科技创新成果的影响最为显著,是科技创新最主要推动力之一.由于规模以上工业企业科技创新的发展是我国科技创新的主体,其R&D 投入额占据了全国总R&D 投入额相当大的比重.同样,就国家（R&D）活动总投资来看,据国家统计局发布的数据显示,2016 年我国研发经费总投入额为15676.7 亿元,比2015 年增长10.6%,增速比2015 年提高了1.7 个百分点.这是自2012 年以来研发经费增速持续4 年下滑后的首次回升,也是研发经费在经历了2014 年和2015 年连续两年个位数增长后重新回到10% 以上的增长速度.相关统计数据还显示出,近年来我国研发经费投入强度( 研发经费与GDP 之比) 一直呈稳定上升的趋势,2014 年达到2.02%,首次突破2% ；2016 年为2.11%,比2012 年提高0.2 个百分点,已连续3 年超过2%.这虽然较发达国家2.40%的平均水平还有一定距离,但已经达到了中等发达国家的平均水平, 并且位居发展中国家前列.国际经验表明,大多数国家的R&D 投入强度呈波动上升趋势,R&D 投入增速快的国家,其国家竞争力也随之快速提升.发达国家R&D 投入强度一直保持较高的水平, 并且持续增长.所以,稳步提高R&D 投入强度, 保持持续增长趋势,努力追赶发达国家水平,是推动科技创新的重要手段,无疑是我国工业企业在今后一段时期内的重要任务.
第三, R&D 项目数对规模以上工业企业的科技创新成果的影响显著,是科技创新的主要驱动力.国家统计局的数据显示,R&D 项目数量有逐年增长的趋势,并且增长的幅度基本都在10% 以上,具有高增长的特点.这一数据结果表明,增加科研项目数量,分散科技创新突破领域是提高科研创新能力的手段.在涉及多个研发项目同时发生的工业企业中,对研发经费的分配应按照相应的合理分配体系将其分配至各个研发项目中,并编制相应的分配表,力争做到资金充分合理利用,积极促进各个项目的较好发展.
5 政策建议
基于研究结论,本文给出以下政策建议
第一,加强对企业知识产权的保护.当前我国企业的知识产权存在一定的问题,其主要表现为知识产权意识薄弱和相关保护制度的缺乏.强化和提高知识产权意识、完善知识产权管理体制同时积极寻求专利保护途径是促进企业创新的战略基点.同时,建立企业知识产权的运营战略,如通过知识产权许可、知识产权转让、知识产权融资等方式,实现专利价值.
第二,努力培养和吸引创新型人才,合理构建和优化高新技术人才团队结构.人才是创新的主体,人力资源的规模和质量在很大程度上决定了技术创新的深度和广度.政府要积极加大对教育的投入,为企业努力培养和吸收有专长、高层次的科技创新人才.企业可通过选拔年轻、高学历且具备科技创新能力的人才,并通过组建高新技术人才团队的方式提高企业科技创新能力.
第三,企业内部激励机制的建立.企业内部通过建立激励机制,激发各个创新主体和参与者积极性和主动性是提高企业科技创新能力的关键.完善企业激励机制,如薪酬机制、培训机制、人才引进机制等,激发企业创新活动主体的内在动力.
第四,政府加大对企业创新提供资金支持的力度,予以税收优惠.R&D 活动既是企业增强竞争力的有力武器,也是国家增强综合国力的关键所在.虽然目前国内技术创新大多来自于科研机构,企业研发能力相对来说比较弱,但是我国政府已经十分重视企业技术创新,并逐年增加对于工业企业的R&D 投资.政府还可以通过为企业提供股权及贷款担保,使企业获得相对充足的资金进行技术创新.股权担保可以降低投资者的风险,对其部分损失提供补偿,从而保证投资者的积极性,进一步保证企业的资金来源.再者,一国政府可以通过制定鼓励企业自主开发高新技术的税收政策,以带动产业结构调整.可以参考美国所制定的“一切商业公司一旦增加研发经费即可获得相当于新增值20% 的退税”的税收鼓励政策,以激励工业企业的科技创新积极性.
第五,注意研究与试验发展（R&D）经费的合理分布.R&D 经费是影响科技创新诸多因素中最重要的因素,因为研究开发费用的分布代表着发明和科技革新的分布.基于R&D 费用的分布特点：大企业占有大多数研究开发费,其数字随着企业的规模的上升而增大；在不同产业,R&D 经费和销售规模的关系不同；研究开发密度与因技术造成的产品差别程度和产业所处的阶段存在密切关系.所以,不同的产业内企业同R&D 经费存在着不同的程度关系,企业应当根据自身特点,合理筹集R&D 经费并进行科学配置.
参考文献：
王一鸣,王君. 关于提高企业自主创新能力的几个问题[J]. 中国软科学,2005(7)
黄攸立,吴彝,叶长荫. 企业自主创新能力的关键因子分析[J]. 研究与发展管理,2009,21(1)
王然,燕波,邓伟根.FDI 对我国工业自主创新能力的影响及机制——基于产业关联的视角[J]. 中国工业经济,2010（11）
何霞. 高管团队背景特征、激励机制与企业研发投入的关系研究. 暨南大学出版社,2013.12
上文总结，上文是一篇关于驱动力和科技创新和国规模方面的相关大学硕士和创新驱动本科毕业论文以及相关创新驱动论文开题报告范文和职称论文写作参考文献资料.
我国在校大学生创业机会识别的影响因素
摘要当前我国一直在追求高……教育大众化的发展,高……教育大众化是一个量与质的统一,这使近年来我国高校毕业生的数量在不断增加,而很多高素质人员由于自身所学的专业,已经在市场上人才饱和,从而导致学生的就业.
德国对中国企业走出去的看法与我国应对之策
郑春荣 同济大学德国研究中心主任、教授郑启南 同济大学外国语学院博士研究生一、引言近年来,中德经贸关系发展迅速,两国互为对方在欧洲和亚洲最重要的经济合作伙伴,合作的深度和广度达到前所未有的水平 随着中.
菜籽油加工企业能耗影响因素与模型建立
摘 要降低生产能耗是油脂加工企业实现可持续发展及节能减排目标的必然途径,油脂加工中的能耗指标受多种因素的影响 本文在调研了国内多家菜籽油制取生产线的加工规模、原料、设备配置、工艺条件、电耗、汽耗、水耗.
《我国未来食品工业呈现八大趋势》等9则
2017年12月19－20日,2017年中国食品产业发展年会于在北京召开 中国食品工业协会常务副会长刘治在会上发布了中国食品产业发展报告（2012－2017）,全面总结分析了食品产业砥砺奋进的五年与未.