文摘

随着科学和技术的全球化的发展,创新已成为区域经济发展的重要推动力量。作为区域创新的核心要素,金融研发资源也成为一个关键元素来增强国家创新能力和国家经济竞争力。国家和区域创新能力有直接的影响。也有许多世界知名的成就背后的深层次问题,如产业结构不合理、自主创新能力不足,资源利用效率低,金融机构的服务质量和效率对全要素生产率的变换。这些问题非常限制效率升级和进一步发展我国的全要素生产率。本研究使用DEA-Malmquist指数模型来衡量财政研发资源配置的效率在中国28个省和地区在过去的十年里,使用Mapinfo12.0软件来分析区域差异在中国财政研发资源配置的效率从空间的角度来看。年内,整个研发资源配置效率在中国28个省和自治区已显示出向上的趋势。财政研发资源配置的效率和金融因素的浓度对全要素生产率有积极的影响,转换和升级的因素,提高全要素生产率,为建立一个强大的国家提供经验证据。

1。介绍

1.1。背景和意义

近年来,中国一直在稳步增加研发投资改善自己的创新水平,但研发不同地区之间变化很大。因此,研究我国的研发资源配置的效率及其地区差异具有重要意义减少研发资源配置效率的差异,提高全要素生产率,增强区域创新能力,促进区域经济的协调发展。作为主要的创新资源,研发资源的有效分配中发挥着日益重要的角色在经济发展的过程中(1]。总生产力和经济增长的两个主要的驱动力是现代经济增长和经济增长质量的重要指标在一个国家或地区。为了应对我国经济增长的长期不平衡,各个地区的整体生产力水平已成为衡量经济效率和经济增长的一个重要基础(2]。

1.2。相关工作的研究

国内研究财政研发资源配置的效率主要是由不同地区,不同行业,不同研发实体。随机边界分析方法用于测量的有效性在28个省份和地区研发资源。影响因素的有效性地区从2014年到2019年我国研发进行了分析。DEA模型和SFA模型主要用于研究研发资源配置效率在不同地区的国家。结论基本上是相同的。它可以被认为是在东部,中部、中西部地区的我国,研发资源的配置效率是明显不同的。有更好的经济增长,地区研发资源的配置效率可能不高。研发资源分配的效率不一定是经济欠发达地区低,和DEA有效或无效3]。

早在1960年代,学者们开始关注研发资源配置的效率,利用柯布-道格拉斯生产函数来衡量研发资源配置的效率,只使用研发股票作为输入指标,选择数据来自40个国家和地区从1960年到2000年,研究研发资源分配在每个国家的有效性,并分析其影响因素。调查结果表明,人均GDP影响最大研发资源配置的效率,他们还在研发配置效率产生积极的影响4,5]。

刘G使用非参数生产前沿的方法来研究我国全要素生产率增长的组件从两种不同的观点:技术贡献和因子的贡献。通过两年的环境技术和非辐射的方向性距离函数,他开发了一种双年展。nonradiation方向距离函数测量可以克服著名的不可行性问题,合并的总松弛变量,并探索我国TFP的驱动因素。虽然这最近增长率已经放缓,我国TFP仍以每年2.02%的速度增长。其次,从技术贡献的角度来看,技术进步的主要推动力是全要素生产率(6]。Tugcu CT研究之间的因果关系在金砖四国的能源消耗和TFP增长。使用面板格兰杰因果关系检验,引导之间不存在显著的因果关系在金砖四国国家可再生能源消费和TFP增长。对不可再生能源,巴西和南非之间的双向因果关系的全要素生产率增长7]。

1.3。创新

基于新经济发展理论、资源分配理论、新经济地理学理论,等等,本文研究我国研发资源配置的有效性及其空间差异从时间和空间的角度来看,实现二者的有机结合。经济和地理位置使它成为更直观和清晰的反映我国的地理和空间安排研发活动及其时空演化。

在这项研究中,使用DEA-Malmquist指数模型和因子分析方法进行深入研究区域差异的研发资源配置的有效性和环境影响因素。研发分配的有效性被分解成技术性能和技术进步的步伐,以及区域和地区。我们进行更全面和具体分析研发内部的研发效率的差异分布和尝试创新的研究方法。

本文基于内生发展理论和数理统计。估算全要素生产率时,本文使用柯布-道格拉斯生产函数和Malmquist指数方法的弱点单个模型的计算过程。因素的总体增长率计算了这些方法基本上是相同的。

本文将财政市场与金融市场。当分析的影响税收市场的资源配置效率在全要素生产率,它结合了理论研究与实践研究,丰富当前国内外学者们的研究财政研发资源配置效率的影响全要素生产率和要素生产率的理论研究机制。

2。全要素生产率的影响下的复杂的系统

2.1。复杂的系统

复杂系统的定义最早出现在《美国《科学》杂志“复杂性专辑。“两位作者给了以下定义:通过理解系统的子系统,是不可能完全解释系统的性质。换句话说,对于一个复杂的系统,它的总性能部分性能,不是简单的叠加,是一个复杂的非线性关系总性能和部分性能(8]。

复杂系统的主要研究对象是复杂性科学、复杂系统的同步现象是当前的研究热点。当研究复杂系统,复杂的网络被认为是重要的数学模型,及其相关理论对复杂系统的研究具有重要意义。耐用性是一个关键属性的动态系统,通常是用来描述的系统的动态行为。回顾图是一个可视化工具基于鲁棒性。定量的鲁棒性分析是定量的鲁棒性分析的测量(9]。作为研究复杂系统的一种新方法,回顾图和定量减少分析已经广泛应用于许多复杂的系统问题。本文中使用的理论之间的逻辑关系图所示1- - - - - -3。

复杂系统的概念实现了基于简化论的批判继承。复杂系统的理论不仅仅是一个拒绝恢复。还原论是有效的和逻辑在一定范围内,因为除了复杂系统,世界上有其他类型的系统。一般来说,世界上有三种类型的系统:简单的系统、随机系统、复杂系统(10]。

一个复杂的网络是一个复杂的系统的数学模型。它的主要目的是解释现有的现象和网络的复杂性。研究对象是网络(11]。互联网无处不在在自然界和人类社会和人类发展有深远的影响。图论是研究复杂网络的一个重要工具。一般来说,网络被认为是一个图,它包含一系列的节点和连接这些节点的结束。

2.2。虚拟现实技术和机器学习

虚拟现实技术是虚拟现实技术,使用计算机模拟真实的和不真实的3 d场景。虚拟现实技术是当前仿真和虚拟现实技术的最高水平,并综合各种技术,如多媒体技术、数字图像处理、传感器技术和计算机图形学12]。虚拟现实技术可以创建3 d视觉和音效。由于人机交互是一个友好、和谐状态基于物理技能,3 d虚拟现实技术可以改变人与机器之间被动和无聊的状态。虚拟现实技术结合了计算机技术、多媒体技术、图像技术、仿真技术,以及各种电子技术来创建新的技术在计算机领域,如图4。

虚拟现实技术是一种计算机模拟系统,可以构建和体验虚拟世界。虚拟现实技术是一项非常有挑战性的互动技术,正逐渐被广泛应用于科研领域(13,14]。目前,在军事、医学、电影和电视,虚拟现实技术已逐渐成为一个重要的技术,以及虚拟现实技术在教育领域的发展正逐渐加深。虚拟现实技术是计算机领域的尖端技术,并结合人机交互技术、传感技术、网络技术、图像技术、仿真技术和立体显示技术。虚拟现实技术有三个主要特征,如图5。

机器学习可以让计算机学习和处理类似人类的问题。因此,它是非常重要的专注于如何应用机器学习算法来解决实际问题。机器学习有一个广泛的研究情况和应用程序。它是一个多学科领域,包括人工智能、信息理论、统计概率,政府,和其他学术成果(15,16]。参与这项研究机器学习算法进行了贝叶斯统计结论,EM算法,和小组ADMM算法,如图6。

根据历史数据,借助动态分组方法,间接通过EM算法确定参数之间的相关性,旨在实现动态矢量分组算法的支持,这有利于减少信息决策的风险17]。具体技术应用路径如图7。

机器学习使用方法的详细统计数据、证据理论、神经网络、模糊集、原始集,进化计算等领域完成数据汇总、概念描述,分类规则提取、分组分析,数据分析,分析和序列模式的发现,和其他类型的工作18,19]。机器学习与数据挖掘相比,会提供不同的算法,而数据挖掘往往使用这些算法来解决问题。常见的机器学习算法包括以下类别:(1)分类算法:代表算法是决策树算法和朴素贝叶斯算法(2)聚类算法:代表算法k - means算法和EM算法(3)关联规则提取算法:代表算法是先验的算法(4)支持向量机,即支持向量机算法(5)神经网络(6)遗传算法

逻辑回归(LR)是一个较低的机器学习算法模型复杂性和经典统计分类算法。它的优点是计算复杂度低,易于理解和应用,可用于大规模机器学习和在线学习任务(17]。的条件概率分布公式二项逻辑回归模型

2.3。财政研发资源配置效率

R&D(研究与开发)是指人类,所需材料,和金融资源参与科学研究和试验发展活动。研发支出和GDP的比例反映了我国自主创新能力的重要内容和建设创新型国家的过程。这是一个重要的指标来衡量一个国家的科学技术活动的规模和科技水平的投资,也是一个重要的指标来提高我国的创新潜力,增强国民经济的竞争力。联合国教科文组织认为,研发是一个系统的创造性的活动,使用新知识来创建新的应用程序。OECD(经济合作与发展组织)认为,研发更系统化和创造性的活动。这种类型的活动是基于增加知识和使用知识的总量来创建新的应用程序(20.]。

资源分配是第一个提出的古典经济。它强调了市场在资源配置中的作用,认为市场是最重要的资源配置方式。然而,事实上,由于市场本身的缺陷,特别是没有市场,严重浪费资源。亚当•斯密(Adam Smith)认为,由于缺乏资源,市场使用利益驱动方法来实现有效的资源分配。表1和2列表的平均财政研发资源配置效率的国家和地区。

2.4。TFP

全要素生产率(TFP)指的是资本和劳动收入以外的因素,为经济增长做出贡献。这是一个重要的指标来衡量经济增长的质量。我们的国家有很多研究在全要素生产率。提出了全要素生产率相对于单因素生产力的概念。除输入率的增加后,剩余的生产改善的贡献来源是由于技术的进步和效率。这部分是全要素生产率,其余的输入因素的经济增长所无法解释的。从根本上讲,全要素生产率的措施的影响因素,如技术创新,过程改进,管理水平和效率。产业组织的角色在经济发展反映了经济发展的质量和代表使用的输入因素的整体效率(21]。

比较不同国家之间的全要素生产率的差异,全要素生产率的规模将直接影响经济增长的水平。这里有几种方法来计算TFP在实证研究。索洛剩余算法将使用,其近似算法如下: 在哪里l技术输入,米是输出,N资本输入,O劳动力投入,资本输入输出的比例。根据上面的索洛公式,如果我们希望能够准确计算TFP的增长,我们必须采用新古典生产函数。要素市场竞争激烈,和各种投入的增长速度必须是准确的。此外,许多论文采用下列方法,但上面的基本思想是一样的公式:

为了计算全要素生产率,一些文件将计算方法分为两类:趋势估计法和生产函数法。趋势评估方法包括参数,半参数和非参数方法。它使用全要素生产率作为默认变量和使用长期统计信息来估算全要素生产率基于一组假设。生产函数的方法主要是基于柯布-道格拉斯生产函数的基本形式在新古典主义的发展理论。它使用的数学转换发现影响经济增长的因素,如技术水平和技术性能,除了资本和劳动力。因此,所有的生产力因素也可以称为剩余价值的生产函数22]。

本文将选择SFA方法和使用之前的对数函数来计算我国省际的全要素生产率。生产函数具有以下形式:

当所有是0,该模型将成为技术中立的柯布-道格拉斯生产函数。此外,该模型还考虑静态和动态的动态交互技术进步和劳动力和资本投入生产。通过组织,我们得到的 并分解它,生产效率变化率

技术进步率

的变化率规模效率

其中,和 ,分别代表资本和劳动力的产出弹性相对于总体规模报酬:

2.5。模型建立

在这项研究中,DEA-Malmquist指数模型是用来测量我国研发分配的有效性。DEA的实证研究,以反映生产单位效率在不同时期的发展,使用最广泛的生产效率指数是Malmquist指数(23]。洞穴提议,在多个输入和输出,总效率可以表示的基于输入数据Malmquist指数。为了获得Malmquist效率值的距离函数 需要输入,输入的逆效率,即

这个函数是最小的程度可以减少在一个给定的 。当 在前线的生产,

表明该技术是无效的,所表达的性能值可以Malmquist指数:

这两个指标是Malmquist指数的时期一个和时间一个+ 1,分别。我们使用这两个Malmquist指数的几何平均数计算生产率的变化,也就是说,

显示的生产力 高于时期的生产力一个。Malmquist指标可以分解为技术性能指标和技术进步率指数。EF和AC大于、等于和小于1,分别表明技术性能和技术进步率保持不变或下降,而技术效率分解为纯技术效率指数和指数规模效率。调查是用来测量的有效性的变化研发分配我国28个省份和地区从2014年到2019年(24]。

估计资本存量和当前资本的一般方法是当前的和新的资本投资和先前的资本-资本折旧。计算的基本类型

其中,R,一个,B是资本存量、投资和固定资产投资价格指数年度资本折旧率,下标吗x代表了时间(25]。

3所示。实验全要素生产率的影响下的复杂系统

大量的研究结果表明,财政研发资源配置的效率是一个关键因素在促进整体的生产力和经济增长。比较不同的实证方法的结果,我们可以得出结论,研发资金的大量涌入基于国际贸易大大增加了我国产业的整体要素生产率,而国内财政研发资源配置的低效率已经限制其增长。因此,建议提高财政研发资源配置的效率,加强与发达国家的贸易。

3.1。测试主题

本文的实证部分首先探讨了直接影响的研发资源配置效率提高参与者的整体生产力。此外,为了进一步确定影响机制,本文将整个代理的效率分解成(TE)的技术进步和技术效率的变化(EF)。相反,作为解释变量,实证分析了影响R&D资源配置效率的技术进步和技术效率。因此,本文构建以下模型与全要素生产率(TFP)作为变量的解释:

3.2。测试设计

全要素生产率是主要的指标来衡量资源配置效率的影响,对经济增长和技术创新水平。为了能够估算全要素生产率,我们介绍了柯布-道格拉斯生产函数(CD)的分析过程基于其他学者的实践。生产函数如下: 在哪里代表省份的GDP一个年b,代表了全要素生产率的省份一个年b,代表的资本存量和劳动力一个年b。和 ,分别代表两个生产要素的产出弹性的资本和劳动力。的对数公式方程两边同时,你可以得到

做进一步的转换,你可以得到 在哪里是每个省的全要素生产率的对数。采取物理指标左右方程的同时,我们可以得到最终的全要素生产率的表达式:

我们使用索洛余值法分解和衡量全要素生产率和总生产函数设置为c - d生产函数:

其中,是实际的输出,劳动力投入,是资本存量, 平均劳动产出份额和平均资本输出,分别。

现在,我们进行以下假设:规模收益不变;如果输入数量相同的比例增加,同样比例的输出也增加;中性技术假定劳动生产率和资本生产率增加相同的百分比;双方的自然对数如下:

全要素生产率的增长率是派生的

在约束条件下 规模报酬不变,我们有

后估计的平均分享资本生产和劳动生产率,全要素生产率的增长率可以获得通过引入方程。我们判断 根据经验法和全要素生产率表。

4所示。对全要素生产率的影响

4.1。时间序列变化财政研发资源配置的效率

如图8整个行业的TFP增长率从2014年到2019年为8.4%,技术性能−1.4%的平均增长速度,和技术进步的平均增长率为9.9%。技术进步起着主导作用的全要素生产率的变化。技术进步的贡献对整个行业的生产率增长远远大于技术性能的变化。进一步分析的技术性能和规模的净变化EF分解元素的性能变化表明,我国作为一个整体降低了规模报酬(−2.4%)。技术进步的速度是一个关键因素,影响研发资源配置的效率。在此基础上,使用因子分析方法分析了环境因素影响研发资源配置的效率。研究结果显示,政府的支持,经济发展水平,和外国投资水平。它扮演着一个重要的角色在促进我国全要素生产率和地区差异也是一个重要原因,如表所示3。

如图9,改变我的国家的财政研发资源配置的效率几乎是一样的改变在技术进步的步伐,而纯技术效率和规模效率的性能几乎没有影响研发分配,表明技术进步在这个速度直接影响研发资源的分配。整体效率,效率水平的研究和开发需要改善。资源配置的效率必须基于技术进步的角度。如表所示4技术水平的迅速提高,技术设备的更新,技术创新,引进先进技术产生更大的影响改善我国的研发资源配置的效率。

如图10,从2014年到2019年,我国的整体资源分配财政研发显示一个缓慢增长的趋势,平均回报率为1.01,但增长速度非常缓慢。在这7年中,我的国家的平均增长率的研发资源配置效率仅为0.5%,这主要是归功于轻微增加的技术进步率在研究期间。此外,研发的资源配置效率在2018年达到最高水平,主要是由于大大提高技术水平和技术进步的加速。如图,技术进步的速度放缓导致减少研发的效率分布,这是不同的在2015年和2018年。增长率在2016年略有下降,如表所示5。

4.2。地区差异在财政研发资源配置的效率

如图11,为了促进地区差异的分析我的国家的财政研发资源配置的效率,本研究将我国的30个省划分为东部、中部和西部地区。研发资源费用分摊率和全国30个省东部的系数变化,中部和西部地区的国家从2000年到2012年。研发资源的效率分布在东部和中部地区显示一个下降的趋势,而西部地区已显示出上升趋势。

如表所示6从整体水平,研发资源配置的效率,在每个地区的特点是在东部最高,第二在西方,最低的在中间。平均效率为1.014,1.004和1.000。研发效率分布在东部地区1.005高于全国平均水平,而中西部地区低于全国平均水平。变异系数的全国平均回报率研发资源呈下降趋势,表明研发资源配置效率的区域差异在我国通常收缩,如图12。

4.3。全要素生产率的整体情况

如图13全要素生产率大幅减少,从2000年到2016年,和全要素生产率显著增加从2013年到2014年。这充分表明我国深化改革开放导致了经济增长和全要素生产率。全要素生产率几乎在每一个城市在2014年达到顶峰,然后每年下降。这表明改革开放确实可以带来技术进步和提高要素生产率,但过去的改革开放,这种影响将继续削弱,如表所示7。

如图14从国家层面上,通常总要素生产率下降。从2010年到2019年,全要素生产率的增长率在大多数城市在大多数年份小于零。这表明我国的经济增长高度依赖资本和劳动力,和我的国家的技术进步不明显。平均来说,我的国家的主要城市已经缩水5.78%。在这些年中,41%的城市的全要素生产率增长在2010年,这对全要素生产率是最好的一年。然而,总要素生产率在2015年,2018年和2019年显示整体下降的趋势。近95%的城市在所有因素出现负增长。

4.4。TFP和分解指标

如图15使用DEAP2.1软件,我们选择input-oriented固定收入声明表数据模型和使用来自30个省份获得Malmquist指数法的结果。Malmquist指数分解模型提供了一个全面的性能指标在我国全要素生产率的每个省。该指数可以分解成规模效率变化的速度和技术性能的净变化的变化率的技术性能、技术进步的速度,技术性能率的变化率。如表所示8从2014年到2019年,我国全要素生产率每年增加了4.02%,净效率改变(−0.37%),净技术进步改变(3.91%)、规模效率变化(−0.08%),规模和技术改变(−0.37%)。

技术进步的主要因素是导致绿色全要素生产率的增长。在我国地区差异的绿色要素生产率增长非常明显。从东到西,有逐渐下降的趋势。从2014年到2019年,全要素生产率的平均年增长率为5.56%,东部地区中部地区为3.60%,而西部地区为2.79%,如表所示9。

4.5。计算和分析的TFP在东部,中部,西部

如图16工作的,为了避免重复本文在分析全要素生产率差异的三个主要地区东部,中部和西部地区,本文研究基于这三个地区的差异结果Malmquist指数计算方法。为了直观地看到全要素生产率的变化在三个主要区域,每个区域的平均全要素生产率值和省。分区域的水平,东部地区代理商的整体增长速度是最快的。其次,在中央地区代理的总体增长率通常高于西部地区。

如图17,这三个地区的全要素生产率的发展从2004年到2009年主要是归因于技术进步。2009年之后,这是由于技术进步和技术效率的综合影响,使全要素生产率的年度趋势。2000年之后,宏观经济进入了一个阶段的进步。东部地区的技术进步一直高于中部和西部地区,其次是中部地区的技术进步,以及西部地区最低。这是技术进步的传播的结果。而利用邻近的东部地区的地缘优势,我国的中部地区必须引进先进技术,保持技术进步,同时要注意提高技术效率,更有效地促进全要素生产率的发展,如表所示10。

5。结论

在短期内,财政研发资源配置的效率促进全要素生产率的发展,但是随着时间的流逝,它的效果减弱。TFP限制在短期内经济增长的质量,并促进经济增长质量的长期影响会增加;在检验期间,经济增长率是受限制的。在三个经济增长变量研究,经济增长的速度最大的影响经济增长的质量。因此,在这个阶段,我们的国家应该控制经济增长的速度,提高研发资源配置的合理性,促进全要素生产率的增长,实现经济增长和高质量的经济增长放缓。

提高全要素生产率和经济增长的质量将帮助财政研发资源的合理配置。经济增长的影响在这改变了由正转负,这表明过度追求经济增长将被忽略。这表明,过度追求经济增长将在一定程度上被忽视,导致资源的浪费。经济增长质量的一种威慑对全要素生产率的影响在短期内,但从长远来看,它有一个越来越大的作用,促进全要素生产率。在这些三个变量中,经济增长的质量会影响全要素生产率,最大的贡献。因此,我国低速的追求,高质量的经济增长可以反馈财政研发资源的合理配置和全要素生产率的发展,形成一个良性循环的经济活动。

如果我国盲目追求经济增长牺牲环境和资源浪费,会导致各种社会和自然资源的短缺,这将导致金融危机,通货膨胀,经济增长疲软,甚至严重的问题。过度追求经济增长的质量需要增加福利,控制环境污染,成本的提高和关闭大量严重污染企业。这对我国的财政支出构成巨大的挑战能力,导致经济增长放缓。因此,必须妥善处理两者之间的关系,确保健康、稳定经济增长。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。