关于我国科研投入对科技创新影响的实证分析

第
36卷第4期 Vol.36,No.4
Journal of Xihua University (Philosophy & Social Sciences)
西华大学学报（哲学社会科学版）
2017年7月
Jul. 2017
.经洚与箐理.
关于我国科研投人对科技创新影响的实证分析
(闽南师范大学法学与公共管理学院福建漳州
363000)
摘要:本文运用现代经济计量分析方法，利用
1995—2015年中国统计年鉴数据，实证分析我国科研投入对
科技创新的影响。

分析表明：我国科技人力资本、研发资本与科技创新存在长期稳定的正向关系；R&D 人员占就业 人数比重和研发资本占GDP 比重越大，R&D 人员拥有专利申请授权数越多，技术市场成交额占GD P 比重越大;科
技人力资本和研发资本是推动科技创新的重要影响因素。

基于此，文章提出加大我国科研投入促进科技创新能力 提升的对策建议。

关键词：科技人力资本;研发资本;科技创新;VAR 模型中图分类号：F204
文献标志码
:A
文章编号= 1672 -8505(2017)04 -0052 -07
An Empirical Analysis of the Impact of Scientific Research Input on
Scientific and Technological Innovation in China
WANG Xu-hui
(School of Law and Public Management , Minnan Normal University, Zhangzhou , Fujian, 363000, China)
Abstract ：Using the analysis method of Modern Econometrics and the Chinese statistical yearbook data from 1995—2015, the
impact of scientific research input on scientific and technological innovation has been analyzed empirically in China. The analysis results show that there is a long-term stable and positive relationship among scientific and technological human capital, R&D capital and scientific and technological innovation, the bigger proportion of R&D personnel in employment and the proportion of R&D capital in GDP, more patent applications R&D personnel have, bigger proportion of technology market turnover in GDP. Scientific and technological human capital and R&D capital are important factors to promote scientific and technological innovation. On this basis, countermeasures are put forward to increase steadily scientific research input to promote the ability of scientific and technological innovation in China.
Key words ：scientific and technological human capital ； R&D capital ； scientific and technological innovation ； VAR model
在当今信息化快速发展的知识经济时代，科技创新正逐渐成为世界各国竞争的焦点，许多发达国家（或 地区）正在不断加大对科研资本和科技人力资本的投入，甚至不惜重金留住和吸引国际高科技人才，加快开 发与生产高科技产品，获取超额的投资回报，从而提升该国（或地区）的科技创新竞争力[1]。

我国作为世界 上最大的人力资源国家，人均自然资源并不富裕，且产品制造在世界价值链中长期处在“低端锁定”状态，科 技创新对GDP
的贡献率不到40%，远低于美国（80% )、德国（80% )等20个创新型国家[2]。

于是，我国要推
动新型工业化、信息化、城镇化、农业现代化同步发展，必须及早转入创新驱动发展轨道上，把科技创新潜力 更好释放出来，充分发挥科技进步和创新的作用[3]。

一、文献综述
2000年欧洲理事会发起里斯本战略
（Lisbon Strategy )，强调通过教育与培训发展人力资本，增强研发能
收稿日期
=2017 -04 -02
基金项目：本文系福建省社会科学规划项目“
福建科技人力资本配置促进产业结构优化研究”
（项目编号:FJ2016B230)的阶段性成果。

作者简介:王旭辉（1971—
），男，副教授，博士，研究方向:
人力资本理论、劳动经济学、科技创新理论。

第4期王旭辉:关于我国科研投人对科技创新影响的实证分析53力，推动欧洲联盟成为世界最具竞争力的经济共同体[4]。

Diaz N.L.&Perez P.D. (2012)采用965个西班牙 公司的数据，实证分析研发人力资本与科技创新的关系，结果表明人力资本对科技创新有积极的正向作用，公司应加强科研人力资本队伍建设，提高科技创新能力[5]。

Gallie E.P.&Legros D. (2〇12)利用1986—1992 年法国工业公司的数据，运用动态的面板数据模型，实证分析科研资本、人力资本培训与科技创新的关系，结果表明科研资本和人力资本培训对科技创新有正效应，且人力资本培训对科技创新有较强的正效应[6]。

科技人力资本通过不断更新科技创新思维、研发新技术和开发新产品，真正成为科技创新的重要动力源 泉[7]。

科技人力资本与科技创新成正相关，科技人力资本投入越大就会导致科技创新成果越多，科技进步 率越高[8]。

我国要加大科技人力资本投资力度，优化科技人力资本配置，提供满足科技模仿与创新需求的科技人 力资本，强化对外引进技术的消化吸收，提升科技创新能力[9]。

高素英等(2011)采用1996—2008年京津冀 的统计数据，运用协整检验和格兰杰因果检验方法，Xt人力资本、科研经费（R&D)与科技创新能力的关系进 行实证分析。

结果表明，人力资本、科研经费投入对科技创新能力有正向作用，但科研经费投入对科技创新 能力的作用小于人力资本[1°]。

王会龙、李仁宇(2013)采用1990—2010年浙江省统计数据，实证分析财政科 技支出、人力资本水平与科技创新的关系。

分析结果表明:财政科技支出和人力资本水平是推动科技创新 的重要影响因素，人力资本水平提高对科技创新能力提升有长期促进作用[11]。

张治河等（2014)利用系统 动力学方法建立科技投入对国家创新能力提升机制仿真模型，采用2000年一2010年中国科技统计数据，实 证分析科研资金、科研人员对国家创新能力的影响。

结果表明:在资源配置中加强科研资金向高校流动，科 研人员向高校和企业流动更有利于提升国家创新能力;加大教育投入和专利保护力度能有效提升国家创新 能力[12]。

姚林香和黄菊萍(2014)通过对江西省与中部其他五省在科技投入、科技产出和科技成果转化率 方面的比较分析，发现江西省科技投入不足、科技产出较低、科技成果转化率不高是制约江西省科技创新能 力的重要原因。

进而提出对策:深化科技体制改革，建立以市场为导向的新型管理体制和创新机制;加大科 技投入规模，合理配置科技资源;健全人才激励机制，培养高水平科技人才等[13]。

通过上述文献梳理，不难发现，国外学者的研究主要集中在企业人力资本对科技创新的影响，普遍认为 科技人力资本是科技创新的重要影响因素，加大科技人力资本投入能够推动科技创新能力提升。

国内学者 侧重人力资本、科研经费投入对科技创新的影响的实证分析，提出人力资本、科研经费投入是影响科技创新 的重要因素。

在此基础上，本文采用R&D人员占就业人数比重和R&D经费支出占GDP比重作为研发投 入，R&D人员拥有专利授权数和技术市场成交额占GDP比重作为科技创新产出，利用最新统计数据，运用 现代计量分析方法，实证分析研发资本投入对科技创新的影响，从而提出加大科研投入的对策建议。

二、模型建立与数据来源
1.模型建立
本文运用向量自回归模型（VAR)来研究科研投入与科技创新之间的动态关系。

VAR模型是处理多个 相关经济指标的分析与预测最容易操作的模型之一，常用于预测相互联系的时间序列系统及分析随机扰动 对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。

不含外生变量的VAR(P)模型的 数学表达式[14]:
yt=A i yt_i + …+ A Pyt-P+s t t = i，2,…，t⑴其中:ytS k维内生变量向量，k x k维矩阵Ai，…，ApS待估计的参数矩阵，P是滞后阶数，T表示时间，维随机扰动向量。

本文选取平均每R&D人员拥有专利申请授权数和技术市场成交额占GDP比重为被解释变量、R&D人 员占就业人员比重和R&D经费支出占GDP比重为解释变量，从而构建两个不含外生变量的VAR(P)模型。

用P代表平均每R&D人员拥有专利申请授权数，M代表技术市场成交额占GDP比重，H代表R&D人员占 就业人员比重，S代表R&D经费支出占GDP比重。

以平均每R&D人员拥有专利申请授权数、R&D人员占 就业人员比重和R&D经费支出占GDP比重三个变量构建不含外生变量的VAR(P)模型为例：
-pt-~Pt-r-p”
=A l H“+ ■■■+ AP H'-P
-st--
54西华大学学报(哲学社会科学版)2017 年其中义，…，Ap是待估计的3 x3维参数矩阵，t表示时间，P是滞后阶数，&是3维随机扰动向量。

2.数据来源
R&D人员全时当量是指全时人员数加非全时人员按工作量折算为全时人员数的总和，现已成为国际上 比较科技人力资本投入而制定的可比指标，故选取R&D人员全时当量表征科技人力资本存量。

R&D经费 支出是指调查单位用于内部开展R&D活动（基础研究、应用研究和试验研究）的实际支出，故选取R&D经 费支出衡量研发资本。

鉴于我国R&D人员全时当量数据的可得性，数据取样时间段为1995年一2015年，数据来源于中国统计年鉴（1996年一2016年）。

为消除数据中存在的异方差现象，对平均每R&D人员拥有
专利申请授权数(P)、技术市场成交额占GDP比重（M)、R&D人员占就业人员比重（H)和R&D经费支出占 GDP比重（S)分别取自然对数，记作LP、LM、LH和LS,并计算出LP、LM、LH和LS时间序列数据。

在估计 VAR模型之前，为避免虚假回归，必须先进行平稳性检验。

三、实证分析
1.单位根检验
本文利用Eviews7.2软件对时间序列变量进行ADF单位根检验，ADF单位根检验结果表明，在1%的显 著性水平下，时间序列LP、LM、LH和LS经过二阶差分后均平稳，服从1(2)过程。

D表示一阶差分，DD表示 二阶差分，单位根检验结果如表1所示。

表1 LP、LM、LH和LS单位根的ADF检验表
变量检验类型
ADF各显著性水平下临界值检验(C.T. K)检验值1%5%10%结果
LP(C.T. 1)-4.50275-4.532598-3.673616-3.277364非平稳LM(C.T. 1)-2.304487-4.532598-3.673616-3.277364非平稳LH(C.T. 1)-2.679959-4.498307-3.65845-3.26897非平稳LS(C.T. 1)-1.502032-3.808546-3.020686-2.650413非平稳DLP(C.T. 1)-4.78991-4.571559-3.690814-3.286909平稳DLM(C.T. 1)-3.619425-4.532598-3.673616-3.277364非平稳DLH(C.T. 1)-3.129416-4.532598-3.673616-3.277364非平稳DLS(C.T. 1)-4.575514-4.532598-3.673616-3.277364平稳DDLP(C.T. 1)-4.802346-4.616209-3.710482-3.297799平稳DDLM(C.T. 1)-6.230759-4.57156-3.69081-3.28691平稳DDLH(C.T. 1)-7.17564-4.61621-3.710482-3.297799平稳DDLS(C.T. 1)-5.896168-4.571559-3.690814-3.286909平稳
注:检验类型（C. T. K)中的C. T. K分别表示单位根检验方程包含的常数项、时间趋势项和滞后阶数,0指检验方程不包含常数项或时间趋 势项,K依据AIC和SC最小原则确定。

2. VAR(P)模型估计
由于时间序列LP、LM、LH和LS都是平稳序列，所以可以建立序列的VAR(P)模型。

根据AIC和SC最 小的原则，经过反复试验，确定模型的滞后阶数P= 2,以平均每R&D人员拥有专利申请授权数、R&D人员 占就业人员比重和R&D经费支出占GDP比重三个变量滞后2期的不含外生变量的VAR(2)模型为：LP,~~ - 1.515--0.450-0. 411 2.220--L P^--0. 6360. 872-1.026--LP以
LH,=-0. 168+0.0750.8040. 170LH“+-0. 0520.0410.056LHt_2
LSt-L0.397」L〇. 180-0. 1210.655」~L St-i'L0.6550.0630.062 ^^LSt_2
第4期王旭辉:关于我国科研投人对科技创新影响的实证分析55
表2 LP、LH和LS构建的VAR(2)模型参数估计值的t值
LP LH LS
LP( -1) 2.483 * 2.141 * 2.494*
LP( -2)-3.144* *-0.3770.595
LH( -1)-0.901 2.594*-1.664
LH( -2) 2.112* 2.339* 2.363 *
LS( -1) 3.287 “0.369 2.437*
LS( -2)-2.360*0.2580.300
C-3.305 * *-2.139* 2.177*
注：*表示通过了 5%的显著性水平；* *表示通过了 1%的显著性水平。

根据回归结果，多数模型参数的t值在5%和1%的显著性水平拒绝原假设，表明多数参数是显著的，LP、LH和LS三个方程的拟合优度分别达到98. 3%、99.1%和99.4%，VAR模型整体检验的AIC和SC值分
别是-8.107和-7. 063,模型估计比较准确。

技术市场成交额占GDP比重、R&D人员占就业人员比重和R&D经费支出占GDP比重三个变量滞后2 期的不含外生变量的VAR(2)模型为：
~L M t~
-L M^--0.0970. 357-0. 770-~L M t_2 -〇. 308 --0.738-0. 1730. 709-
L H t=-0. 468+-0. 3000.4170. 662L H t_x+-0. 2200. 3900.065L H t_2 -L S t ---0.048--0. 166-0. 206 1.013-~L S t-\ ~--0. 2920. 162 1.013 -^L S t_2
表3 LM、LH和LS构建的VAR( 2)模型参数估计值的t值
LM LH LS
LM( -1) 3. 147* *-2.109* 2.739*
LM( -2)0.388-0.762-2.218*
LH( -1)-2. 162* 1.385-0.822
LH( -2) 1.446 2.366*0.685
LS( -1) 2.232* 2.207* 3.325 * *
LS( -2)-2.499*0.4830.279
C 2.132*-2.804*-2.346*
注：*表示通过了 5%的显著性水平；* *表示通过了 1%的显著性水平。

根据回归结果，多数模型参数的t值在5%和1%的显著性水平拒绝原假设，表明多数参数是显著的，LM、LH和LS三个方程的拟合优度分别达到98. 6%、99.4%和99. 2%，VAR模型整体检验的AIC和SC值分
别是-9. 802和-8. 759，模型估计比较准确。

为进一步检验上述两个模型的平稳性，采用VAR模型滞后结构的检验，结果显示，两个模型的VAR特 征方程的所有根的倒数值都小于1，即位于单位圆内（详见图1和图2)，表明上述两个模型均是稳定的。

56西华大学学报(哲学社会科学版)2017 年
3.脉冲响应分析
为更加清楚理解科技人力资本、研发资本与科技创新之间的动态关系，本文运用VAR模型对其进行脉 冲响应分析，如图3和图4所示。

由图3可见，LS—个标准差新息对LP的冲击在当期开始产生正向响应，并且响应快速上升，第2期达 到峰值(0.064)，之后开始逐渐下降，到达第4期(0.026)之后基本保持长期、稳定的正向响应。

这表明R&D 经费占GDP比重对平均每R&D人员拥有专利申请授权数无论在短期还是长期都会有稳定、显著的正效应。

LH—个标准差新息对LP的冲击在前2期会产生小幅负向响应，但在第2期之后开始产生正向响应，在第4 期到达峰值(0.024)，之后开始缓慢下降，但保持显著、稳定、长期的正向响应。

这表明R&D人员占就业人 员比重对平均每R&D人员拥有专利申请授权数在短期内不会立即产生正效应，但长期会有显著的正效应。

由图4可见，LS—个标准差新息对LM的冲击在当期开始产生正向响应，并且保持稳定、显著、长期的 正效应。

这表明R&D经费支出占GDP比重对技术市场成交额占GDP比重无论在长期还是短期都会有稳 定、显著的正效应。

LH—个标准差新息对LM的冲击在1期一2期会产生小幅负向响应，但在第2期之后开 始产生正向响应，在第7期到达峰值(0.011)，之后开始缓慢下降，但保持显著、稳定、长期的正向响应。

这 表明R&D人员占就业人员比重对技术市场成交额占GDP比重在短期内不会立即产生正效应，但长期会有 显著的正效应。

4.协整检验
由于时间序列LP、LH和LS均为二阶单整，因此可以对它们作协整检验，对它们采用Johansen协整检验 法，利用Eviews7. 2软件进彳了检验，结果如表4所7K。

表4 LP、LH和LS协整检验的结果
原假设的协整方程数特征值迹统计量5%临界值相伴概率
0.79461643.5643429.797070.0007
没有$
0.49065813.4897815.494710.098
最多一个
最多二个0.0347340.671688 3.8414660.4125注：*表明在5%的显著性水平上拒绝原假设。

从表4可以看出，只有一个迹统计量大于5%水平的临界值，表明原假设被拒绝，这说明时间序列LP、1^和1^在95%置信水平上存在一个协整关系。

协整方程为:1^ = 1.1921^+0.3111^。

这表明科技人力 资本、研发资本与科技创新保持长期稳定的正向关系人员占就业人数比重上升1%，R&D人员拥有专 利申请授权数会增长0.311% ;研发资本占GDP比重上升1%，R&D人员拥有专利申请授权数会增长1.192%0
由于时间序列LM、LH和LS均为二阶单整，因此可以对它们作协整检验，对它们采用Johansen协整检 验法，利用EvieW S7.2软件进行检验，结果如表5所示。

第4期王旭辉:关于我国科研投人对科技创新影响的实证分析57
表5 LM、LH和LS协整检验的结果
原假设的协整方程数特征值迹统计量5%临界值相伴概率
0.70686948.4328542.915250.0128
没有*
最多一个0.56256525.1172725.872110.0619
最多二个0.3905119.4075512.517980.1567注：*表明在5%的显著性水平上拒绝原假设。

从表5可以看出，只有一个迹统计量大于5%水平的临界值，表明原假设被拒绝，这说明时间序列LM、LH和LS在95%置信水平上存在一个协整关系。

协整方程为:LM = 1.478LS +0. 318LH。

这表明科技人力
资本、研发资本与科技创新保持长期稳定的正向关系：R&D人员占就业人数比重上升1%，技术市场成交额 占GDP比重会上升0. 318% ;研发资本占GDP比重上升1%，技术市场成交额占GDP比重会上升1.478%。

四、结论与对策建议
本文运用现代经济计量分析方法，利用最新统计数据，实证分析了我国科研投入对科技创新的影响。

分析结果表明:我国科技人力资本、研发资本与科技创新存在长期稳定的正向关系；R&D人员占就业人数比 重和研发资本占GDP比重越大，R&D人员拥有专利申请授权数越多，技术市场成交额占GDP比重越大;科 技人力资本和研发资本是推动科技创新的重要影响因素。

根据我国科研投入对科技创新影响的实证分析结果，结合我国深化体制改革、加快实施创新驱动发展 战略，本文提出加大我国科研投入促进科技创新能力提升的对策建议。

第一，加强我国科技人才队伍建设，提升科技创新水平、充分挖掘科技创新发展潜力。

科技人才是科技 创新的根基，培育适应科技创新发展需要的科技人才队伍势在必行。

积极提升高等教育质量，推进高校教 改，培养创新思维。

应优先发展应用型学科专业，重点发展高新技术产业急需的农学、理学、工学学科，加快 学科结构优化，尽快满足产业结构优化对各类不同专业科技人才的需求;要多渠道搭建科研创新与交流平 台，重点培育国家、省、市级、院校以及企业科技创新团队，加强与国外发达国家进行多领域技术合作研究，提供科技人员的国内外培训与学习交流机会，开发与培育科技人才创新潜能;加大力度制定科技人才引进 优惠政策，加快引进急需的国外高层次科技人才，通过学习与吸收他们的先进科技知识与科技创新方法，培 育我国科技人才的自主创新能力;完善科技人才发展与管理机制，消除科技人才流动、使用、发挥作用中的 机制障碍。

要切实落实“人才回归工程”，制定留住、吸引科技人才政策，避免科技人才因配置不当而导致流 向其他地区甚至国外。

尤其那些长期不重视科技人才的经济落后地区更应加快人事制度改革并切实履行 公平、公正、公开的用人制度，实现在人才自由流动的市场环境中人尽其才、才尽其用，使科技人才真正感受 到被重视与价值体现，愿意为本地区科技发展需要服务。

第二，加大我国科研资本投入力度，强化政府引导和企业为主的科研资本投入体系。

现阶段我国财政 科研经费投入占国内生产总值的比重仍明显偏低。

比如,2015年我国R&D经费投入占国内生产总值的比 重为2.07%，远低于2012年美国（2. 79%)、日本（3.35%)、法国（2. 29%)、德国（2. 98%)等发达国家®; 2015年我国基础研究经费投入716.1亿元，远低于2008年美国的5086.0亿元、日本的1570.9亿元、法国的 882.7亿元[15] ;2015年我国基础研究经费投入占研发经费总额的比重为5. 1%，远低于2012年美国 (16.5% )、俄罗斯(16.5% )、英国（14.9% )、日本（12.9% )、韩国（18.1%)等国家。

基础研究是新知识产生 和新发明创造的源泉与动力，是国家实现长期科技创新的重要基础。

要建立逐步提高科研经费投入机制，实现科研资本投入^科技创新—经济增长—科研资本投入的良性循环，同时要加大基础研究经费投入，尽 快将我国基础研究经费投入占研发经费总额的比重提升到10%以上，从而提供科技长期持续创新的根本保 障;政府引导创新要素的集聚，市场推动创新成果的扩散，形成“政产学研金”合作创新[16];在基础研究、应 用研究和试验发展不同阶段，社会收益率和私人收益率是不同的，因而政府和企业应采取不同的投入强度。

在基础研究中，社会收益率大于私人收益率，政府应成为研发资金投入的主要提供者。

在应用研究与试验 发展中，社会收益率小于私人收益率，政府承担引导性的风险投资功能，企业应成为提供研发资金的主体; 应建立企业重点科技研究与开发补助金制度[17]。

为鼓励企业对重点科研项目的积极性，政府通过财政预算 拨款，Xt符合政策规定的企业科研项目提供较大力度的财政补贴，以推动企业的科技创新开发。

58西华大学学报(哲学社会科学版)2017 年
第三，政府营造科研自主创新的政策环境，激励科技创新。

政府作为市场公平竞争的政策制定者和守 护者，负责营造公平、开放、透明的竞争市场环境，强化市场竞争对科研创新的引导和推动力。

政府提供激 励创新的公共服务环境，其中包括知识产权保护法制环境、打破制约创新的行业垄断和市场分割、改进新技 术新产品新商业模式的准入管理、健全产业技术政策和管理制度、提升政府批准项目的效率并优化政府对 创新的支持政策等;加强产学研合作创新平台的基础设施建设。

通过搭建网络信息共享平台，促进科技创 新、市场需求以及政府导向之间的联系，提高科技创新在市场中的应用价值，强化市场机制对科技创新的自 动调节机制，实现市场上供需平衡、产销对路[18]，从而促进科技创新转化为社会生产力；提升科技创新意识、科技创新素质、科技创新创业行为，营造科技创新氛围和推进文化建设。

积极推动科研院校、企业以及社会 团体的科技创新活动，促进科技创新投入转化为创新成果，产生经济效益;加快社会保障制度改革，完善科 技人才在高等院校、科研院所与企业之间流动、不同省市地区间流动时社保关系转移接续政策，促进科技人 才双向自由流动。

注释：
①数据来源于《中国科技统计年鉴(2014)》。

参考文献：
[1 ] Mainzer, K. Interdisciplinarity and Innovation Dynamics on Convergence of Research, Technology, Economy, and Society[ J]. Poie5i5 Pra^:, 2011
(7) ：275 -289.
[2]庞瑞芝，范玉，李杨.中国科技创新支撑经济发展了吗？[J].数量经济技术经济研究，2014(10) :37 -52.
[3]习近平:敏锐把握世界科技创新发展趋势，切实把创新驱动发展战略实施好[EB/0L]. (2〇15 -〇3 _27). http://gx. people, com. cn/cpc/
n/2015/0327/cl79665 -24298639. html.
[4]Scicchitano, S. Complementarity between Heterogeneous Human Capital and R&D：Can Job-Training Avoid Low Development Traps? [ J]. Empiri-
ca,2010(37) ：361 -380.
[5 ] Diaz N L & Perez P D. Novelty of Innovation and the Effect of Existing and Recently Hired R&D Human Resources [ J]. Innovation：M anagem ent,
Policy & Practice, 2012,14(1) ：74 - 89.
[6] Gallie E P & Legros D. Firms5Human Capital, R&D and Innovation ：A Study on French Firms[ J]. Empirical Economics , 2012(43) ：581 - 596.
[7 ] Lee S Y, Florida R & Gates G. Innovation, Human Capital, and Creativity [ J ]. International Review o f Public Adm inistration,2010,14 (3) ： 13 - 24.
[8] Tournemaine F & Luangaram P. R&D , Human Capital, Fertility, and Growth [J]. Journal o f Population Econom ics,2012(25) ：923 -953.
[9]唐未兵，傅元海，王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究，2014(7) :31 -43.
[10]高素英，陈蓉，张艳丽，等.京津冀人力资本与区域科技创新能力的关系研究[J].天津大学学报(社会科学版），2011(6) :551 -555.
[11]王会龙，李仁宇.浙江财政科技支出、人力资本与科技创新关系实证研究[J].改革与战略，2013(2) :92 -95.
[12]张治河，冯陈澄，李斌，等.科技投人对国家创新能力的提升机制研究[J].科研管理，2014(4) :149 -160.
[13]姚林香，黄菊萍.中部六省科技投人与创新能力比较[J].改革，2014(6) : 105 -112.
[14]高铁梅.计量经济分析方法与建模:EVIEWS应用及实例[M].北京:清华大学出版社，2006:249.
[15]张优智.财政科技投人与经济增长的协整检验[J].科技进步与对策，2012(7) :11 -16.
[16]洪银兴.创新型经济:经济发展的新阶段[M].北京:经济科学出版社，2010:93.
[17]凌江怀，李成，李熙.财政科技投人与经济增长的动态均衡关系研究[J].宏观经济研究，2012(6) :62 -68.
[18]赵昕，郑慧.基于向量自回归模型下科技创新与经济增长的协整机制研究[J].科技进步与对策，2010(5) :10-13.
[责任编辑刘瑜]。