一、区分R&D与非R&D活动的准则（论文文献综述）
代茂兵[1]（2020）在《北京市“高精尖”产业结构构建的影响因素分析》文中研究说明构建“高精尖”产业结构是北京市政府响应国家战略、全力推进“腾笼换鸟”、疏解整治城市问题、促进京津冀协同发展和实现新旧动能转换的关键举措。“高精尖”产业结构构建过程实际上是以创新驱动“高精尖”产业发展,并使“高精尖”产业在北京市经济总体中所占份额得以提升的过程,其目标是达到经济发展集约、智能、环保。如何有效地促进“高精尖”产业提升自主创新水平是北京市“高精尖”产业结构构建的关键。本文对北京市“高精尖”产业结构构建的分析主要从科技创新、人才、产业政策和金融四个方面展开。采取面板门槛模型分析了以创新基础、劳动力成本、财政补贴和和外部融资为门槛变量时,研发投入对“高精尖”产业结构的影响;建立了系统动力学模型模拟了财政补贴、人才吸引、税收激励和土地政策影响“高精尖”产业结构的构建过程。基于面板门槛模型的实证研究表明,研发投入对“高精尖”产业结构的作用大小受到创新基础、劳动力成本、财政补贴、融资规模及融资结构的影响。研发投入对“高精尖”产业结构构建具有促进作用,但随着“高精尖”产业创新基础、劳动力成和财政补贴的增加,其对“高精尖”产业结构的影响效果呈现出倒U型特征;随着融资规模的提升,研发投入对“高精尖”产业结构的促进作用逐渐下降;当融资结构中权益融资的比例增加时,研发投入对“高精尖”产业结构的影响效果有所下降,但仍具有促进作用。基于系统动力学模型的政策模拟表明,财政补贴、适当的税收激励、人才吸引和土地政策对“高精尖”产业结构水平的提升均具有一定的促进作用。在保持当前产业政策支持力度的情况下,预计2030年北京市“高精尖”产业在社会经济中的比重可以达到0.42。基于研究结论,本文提出了北京市在创新基础、社会融资、教育和产业政策等多方面的政策建议。
贺亚楠,张信东,郝盼盼[2]（2019）在《管理者短视下R&D操纵与业绩兼顾行为》文中提出本文检验管理者面临亏损、利润下降的业绩压力时,对R&D投资进行操纵的同时是否还会兼顾长期业绩,结果发现:两类业绩压力下,管理者均倾向于降低费用化的R&D支出数额以提高利润;所不同的是,当企业面临利润下降时,还会增加资本性支出,这使得其总投资并未受到此业绩压力的影响,且增加的资本性支出主要表现为对非R&D活动的投资;对经济后果的检验表明,控制其他因素后,处于亏损压力下的企业未来价值显着较低,而处于利润下降压力中的企业未来价值并未明显折损。
王秀婷[3]（2019）在《中国制造业R&D投入影响全要素生产率增长的机制研究》文中研究说明随着中国经济由高速增长向高质量发展阶段转换,以及创新驱动发展战略的实施,研究与发展（R&D）经费投入与全要素生产率（TFP）增长的关系日益受到学术界、政府和产业界的高度关注。当前很多研究显示我国R&D投入的快速增加并没有带来TFP的同步增长,但鲜有关于这一悖反现象产生原因的系统深入的研究,本文以此为切入点,检验这一悖反现象在制造业的存在性,深入揭示R&D投入影响TFP增长的机制,进而全面剖析制造业产生R&D投入高增长并未带来制造业TFP显着增长这一现象的症结,这对丰富和发展产业经济理论和创新经济理论有着重要的理论拓展意义,对明确制造业发展方向,找准改革的突破口和关键点,促进我国制造业转型升级和高质量发展有重要的现实意义。全文内容分为七章,第一章为绪论,结合研究背景和研究现状提出本文要解决的关键问题;第二章在梳理R&D内生增长理论、吸收能力理论、知识溢出理论的基础上,构建中国制造业R&D投入影响TFP增长机制研究的逻辑框架,为全文奠定理论基础;第三章测算中国制造业TFP增长率及其受R&D投入的影响情况,检验制造业“研发悖论”存在性,为文章的分析奠定现实基础;第四章到第六章分别从产业内技术创新、产业内企业间技术转移、产业间技术关联的视角揭示R&D投入影响TFP增长的转化机制、学习机制、溢出机制,并通过多角度实证检验全面剖析各机制下制造业“研发悖论”现象产生的原因;第七章为全文总结与研究展望,归纳文章主要研究结论,提出相关政策建议。本文的主要贡献在于:第一,构建中国制造业R&D投入影响TFP增长机制研究的逻辑框架。当前很多学者发现我国存在“研发悖论”现象,但这些研究普遍都以这一现象为研究背景或者从单一视角进行分析,鲜有对这一问题的系统性研究,更缺乏对制造业的全面分析。本文沿着“现实依据——理论依据——机制分析——实证检验”的思路,从产业内技术创新、产业内企业间技术转移、产业间技术关联三个角度揭示中国制造业R&D投入影响TFP增长的内在机制,并从制造业整体和分行业角度对R&D投入影响TFP增长的机制进行实证检验。第二,将R&D投入影响制造业TFP增长的内在机制具体概括提炼为产业内技术创新的转化机制、产业内企业间技术转移的学习机制、产业间技术关联的溢出机制,剖析R&D投入与TFP增长的复杂关联。从产业内部来看,产业的R&D投入既可以通过转化机制实现由技术开发到产品开发再到新产品价值实现,发挥创新效应促进TFP增长,也可以通过学习机制对产业内企业间先进的转移技术进行消化利用,发挥吸收效应间接促进产业TFP增长;从产业外部看,其他产业的R&D投入也可以通过技术溢出的形式对本产业的TFP增长产生推动作用。三个机制相互联系,从不同角度刻画R&D投入对TFP增长的影响路径,共同构成R&D投入影响TFP增长的机制体系。第三,检验“研发悖论”现象在我国制造业的存在性,全面剖析产生R&D投入高增长并未带来制造业TFP显着增长现象的症结。在转化机制下,研发投入强度低、技术成果向产品和价值转化脱节、人力资本结构不合理是制约TFP增长的主要原因;在学习机制下,国内技术水平较低、对国外技术的吸收能力不强导致技术转移对产业TFP增长的促进作用有限,不足以抵消创新效应的负向影响,表明我国制造业还未真正实现从模仿创新向自主创新的转变;在溢出机制下,产业间R&D溢出效应未形成良性循环、组织惯性的制约使得溢出效应具有非线性特征,在一定程度上制约产业间R&D溢出效应的有效发挥。
袁偲[4]（2019）在《政府补贴与企业信贷融资 ——基于政府补贴信号效应的分析》文中提出政府补贴是传递国家政策信号,引导社会资本流向,实现国家战略目标的重要手段。近年来,补贴资金的庞大规模使实务界和学术界对补贴的政策效果评价均表现出强烈的研究兴趣。以往的研究往往从企业研发投入、企业业绩的角度对补贴的微观绩效进行评价,事实上,补贴除了影响企业自身的投入和产出外,还可能通过间接信号传递的方式改变信贷投资者对企业的判断,进而影响企业受信贷支持的程度。通过对政府补贴动机及其影响因素的分析,我们发现,不同类型和不同强度下的补贴传递的信号内涵可能是不同的。本文尝试对不同类型以及不同强度下的政府补贴与企业信贷融资之间的关系进行解释,运用回归分析法、倾向得分匹配法以及广义倾向得分法进行分析后,得出如下研究结论:（1）R&D补贴强度越高,对企业获得长期以及短期信贷支持的促进作用越强,在整个补贴强度区间内,其积极信号占据主导效应。（2）非R&D补贴强度越高,对企业获得短期信贷支持的促进作用越强,但非R&D补贴强度与企业长期信贷支持之间呈现出一种“倒U型”关系,即超过一定的补贴强度后,非R&D补贴对企业争取长期信贷支持反而具有抑制作用。区分产权性质来看,非国有企业的这种“倒U型”关系更加明显。（3）政府补贴可通过影响企业的研发投入和研发产出间接影响企业的信贷融资行为。作为衡量补贴资金使用效率的指标,研发投入和研发产出在政府补贴与企业短期信融资之间发挥了一定的中介作用。上述结论表明,银行等信贷投资者对于企业获得的不同类型、不同强度的政府补贴会有不同的判断。如果企业能高效地使用补贴资金,也将有利于企业争取银行的信贷支持。在丰富政府补贴信号效应研究的基础上,本文的结论对政府机构完善补贴制度具有一定的参考意义。
王国欢[5]（2019）在《无形资本投资的经济增长效应—理论机理及国际经验》文中研究指明无形资本对经济的增长效应在很多发达国家已经表现的非常明显,从发达国家的发展经验来看,仅仅依靠传统的生产要素显然难以满足当前的发展要求,一方面土地、矿产、劳动力等传统要素的供应增长受到很大限制,这是传统动能减弱的重要原因;另一方面,传统生产要素所带来更深层次的矛盾问题往往是有害且不可逆转的,如环境污染、资源浪费等问题。为避免上述矛盾对我国经济增长的制约,就迫切需要对传统生产要素的革新和升级。而无形资本投资所带来的技术创新无疑会对传统有形要素造成强有力的冲击与取代,其不仅会极大地释放当前我国的生产力乘数,更会对我国的经济增长注入新的活力。本文对Corrado et al.（2005）提出的CHS模型进行了必要的拓展,利用发达国家的行业间数据,对无形资本投资的增长效应进行了再考察。从直接效应与间接效应两个角度系统的研究了无形资本对一国（行业）产出增长的具体影响渠道。同时因为发达国家间存在着显着的经济增速差异,本文试图通过无形资本的角度来解释这种差异是否与各国间无形资本投资增速的差异有关。此外考虑到信息技术、R&D、人力资本等无形资本存在一定的外溢性,本文还对上述提到的间接效应进行了更加细致的探讨,利用实证分析分别检验了无形资本与有形资本之间的挤入挤出效应,无形资本与劳动投入之间的引致效应,以及无形资本与TFP之间的增长效应。本文的研究结论主要包括:（1）无形资本不仅会对行业产出具有直接的促进效应,还会通过影响有形资本、劳动投入以及TFP增长进而间接促进行业的产出增长;（2）无形资本投资在行业间存在着一定的溢出效应,这种溢出效应在农林渔业中表现的比较明显;（3）本文以德国作为参照国,结果发现无形资本投资增速的差异确实有助于解释不同国家行业间的产出增长差异。本文的研究表明无形资本确实是推动经济增长的一个重要动力,尤其是进入21世纪以来,无形资本已然成为现代经济的基础。结合我国的发展实际,提出以下几点政策建议:中国需要继续出台相关政策加大对无形资本投资的支持力度,通过各种方式来促进各个行业的无形资本投资;其次发挥各行业无形资本特别是制造业与其他行业间的相互溢出效应;最后需要同等重视人力资本、组织资本以及广告营销等非R&D类无形资本在经济增长中的作用,提高各类无形资本的投资利用率,以此实现我国经济发展方式的转变以及发展模式的创新。
侯建[6]（2018）在《创新路径对高技术产业创新驱动效率的影响效应研究》文中指出对于深入推动国家创新驱动发展的关键转型期间,创新来源呈现多样化,在其特有的创新资源禀赋和技术积累条件下,究竟哪种创新路径才是真正有效和适合的,选择何种创新路径更有利于驱动本国创新持续发展,这也是一直存有争议的问题。目前,封闭式创新向开放式创新转型过程中,中国整体创新基础较弱和地区创新水平分布差异显着,面临着向拥有自主知识产权和核心技术转型变革的关键问题与挑战,处在总体发展受制于人的尴尬境地。而随着知识和创新成果扩散,技术外溢速度加快,创新生命周期缩短,加之技术复杂度提高,创新资源配置格局发生深刻变化,单纯依靠企业内部资源研发风险加大,创新所需的技术和资源变得更为分散,前沿领域同步自主研发变得越来越困难。作为落实创新驱动发展关键一环的高技术产业,是推动要素驱动向创新驱动转变核心力量,也是实施创新驱动的先导和主要部门,成为从事技术创新活动最为活跃的领域。于是,在这种创新转型的背景下,系统深入探究提升高技术产业创新驱动的有效路径,更为准确识别最优化的创新资源的配置和使用,为决策者提供重新审视创新驱动的新视角,对构建独特、有效的多样化国家创新驱动发展的路径选择、动力来源与政策设计具有重要的理论意义和实践意义。首先,解析了高技术产业创新驱动发展的相关基础理论,构建了创新路径对高技术产业创新驱动效率影响的研究框架。本文在分析现有创新驱动发展相关研究基础上,界定了高技术产业创新路径与创新驱动效率的内涵、结构和特征,分析了其间的门槛要素、作用关系过程和概念模型,提出了创新路径对高技术产业创新驱动效率影响的研究内容框架。第二,系统分析了高技术产业创新路径。分别从时间和空间格局差异两方面定量考察了我国高技术产业自主研发、外部知识源化和非研发三种创新路径的总体数量特征、发展趋势与区域异质性发展时间特征和格局演化状态、省域间差异变化与集中程度的地理格局演变趋势。第三,测度了高技术产业创新驱动效率。构建基于影响因素的处理环境效应和随机误差与基于异质性的超效率技术改进的综合测度模型和科学有效的创新驱动指标体系,通过原始投入产出数据的效率分析、SFA因素分解分析与调整、调整后测度结果及来源分解比较,更为客观准确的识别和探究高技术产业创新驱动效率差异、时空变化和来源体系配置特征。第四,剖析了创新路径对高技术产业创新驱动效率的驱动作用。本文利用创新知识生产函数,构建了高技术产业自主研发、外部知识源化和非研发与创新驱动效率之间的驱动路径,基于面板数据统计的模型选择与处理,通过面板线性回归与交互估计技术,从线性驱动效应与其协同交互驱动效应两个方面,分析了创新驱动发展下的创新路径对高技术产业创新驱动效率的驱动作用影响效应。第五,深入探究了基于知识积累异质性的创新路径对高技术产业创新驱动效率影响的动态门槛特征。本文进一步以各地区高技术产业技术发展水平和创新能力积累异质性情景视角考虑,运用改进的动态面板门槛回归模型,进一步全面深入考察了创新路径对高技术产业创新驱动效率影响效应中存在的知识积累异质性的非线性动态门槛特征效应。最后,提出了推动高技术产业创新驱动发展的对策建议。从本文高技术产业创新驱动发展的创新路径、驱动效率和其作用效应分析三个主体方面,构建了优化创新路径体系、改进效率配置系统以及完善机制协作全面推动高技术产业创新驱动发展的有效匹配政策体系。
杨洋[7]（2018）在《油气垄断企业技术创新效率研究》文中研究指明油气行业属于技术密集型行业,具有较高的市场集中度,垄断特征明显。我国油气垄断企业正面临低油价的冲击,存在常规油气采收率低,非常规油气田的开采难度大等问题。在创新驱动发展的时代旋律下,油气垄断企业如何高效地开展技术创新活动,实现创新驱动发展,是油气垄断企业经营面临的重要课题之一。现有国内外文献对油气垄断与技术创新效率的研究主要基于行业或产业层面,将垄断属性与油气企业技术创新效率结合在一起的研究较少。基于此,本文以具有垄断属性的油气企业为研究对象,以市场结构理论和技术创新理论为基础,利用分析归纳、实证分析、比较研究等有关研究方法,围绕油气垄断企业技术创新效率,对我国油气垄断企业的垄断属性、影响油气垄断企业技术创新效率的因素、我国油气垄断企业技术创新效率水平、提升我国油气垄断企业技术创新效率的策略和建议等四个方面的问题进行研究。本文的总体逻辑思路是:通过研究我国油气垄断的属性、油气垄断的市场集中度,分析确定我国油气垄断的市场结构,考虑到我国油气垄断的特殊性,研究企业技术创新效率时,将垄断作为单独的一类影响因素,与企业内部影响因素和外部影响因素共同研究,发现各类影响因素对油气垄断企业技术创新效率影响的方式和程度。根据各类影响因素对企业技术创新投入和产出的影响,参考现有研究,构建油气垄断企业技术创新效率的评价指标体系,并对我国三家油气垄断企业的技术创新效率进行多角度评价和比较分析,提出提升油气垄断企业技术创新效率的策略和建议。主要取得了以下研究成果:一是研究借鉴市场结构、技术创新有关理论,界定了我国油气垄断存在自然垄断、经济垄断、行政垄断三重属性,分析了我国油气行业和国外油气行业的市场结构类型,分析描述了我国油气企业在垄断经营前提下的技术创新现状、特点和存在的问题。二是采用系统工程理论方法,分析垄断属性、油气企业内部和外部存在的诸多不同因素对技术创新效率的影响,利用ISM模型分析多因素的影响作用方式和层级结构,利用DEMATEL模型分析各类因素的影响强弱关系。三是以中国石油、中国石化、中国海油三大油气垄断企业2005-2017年的数据为依托,对我国油气垄断企业技术创新效率进行实证评价。基于改进时间序列DEA模型,以投入为导向分析油气垄断企业技术创新的投入效率;基于BP神经网络模型,从整体出发评价三大油气垄断企业的综合技术创新效率。最终发现我国油气垄断企业技术创新投入利用效率处于中等偏上或较高水平,整体技术创新效率处于中等水平并具有不断提升的发展趋势。四是基于比较视域,采用DEA-Malmquist模型对我国油气垄断企业与10家代表性国有大型工业企业的技术创新效率进行比较评价,采用同期横向比较方法对比分析我国油气垄断企业与国外三家大型跨国石油公司的技术创新效率,发现我国油气垄断企业技术创新效率水平与国内代表性企业相比具有一定优势,但与国外代表性企业相比偏低。五是基于油气垄断企业技术创新影响因素分析,依托实证评价结果,从政府层面和企业层面两种视角,从国家创新政策、油气经营管理体制、企业创新管理和创新文化等诸多方面,为我国油气垄断企业技术创新效率的提升提出了策略与建议。本文的研究丰富完善了油气垄断企业技术创新效率方面的理论研究,对未来我国油气行业的改革方向提供了一定的理论依据,以期对油气垄断企业在今后的技术创新活动中调整技术创新战略,降低经营活动和技术创新过程的成本,提高技术创新效率提供指导和参考。
孙静[8]（2018）在《企业广义创新的测度及影响因素研究》文中研究说明自上世纪30年代熊彼特创新理论提出以来,测度创新并且分析阻碍和激励创新的相关因素,长期以来一直是国际学术界、统计实践部门和政府决策部门努力解决的问题。企业作为最大的创新主体和国民经济主要机构部门,测度和分析企业创新是创新理论和实证研究的重点,企业创新测度也经历了从狭义技术创新到广义创新的发展演化。所谓企业广义创新只是相对研发投入和技术创新而言的,本质上就是企业创新。当前宏观层面创新测度主要形成了生产函数分析框架、国民经济核算和创新能力指数评价等三大分析框架,而来自微观层面的相关数据支持主要是基于经济合作与发展组织（OECD）的研发调查手册（Frascati）和创新调查手册（Oslo）等两套国际标准。虽然宏微观层面的企业创新测度理应趋向于协调一致,但当前的测度框架和数据标准则并不协调。亟待新的理论框架能够在兼顾现有核算标准和规则的基础上,实现宏观和微观层面企业创新测度的协调一致和数据衔接,并且能够开发利用现有的数据资源,测度企业创新投入和创新产出,分析其特征及影响因素,为宏观核算和政府决策提供参考依据。因此,企业广义创新的测度及影响因素研究就成为了本文的目的。本文的主要内容包括:通过系统梳理创新测度的三大分析框架和相关支撑数据的国际标准,回顾了企业创新内涵、创新投入和创新产出测度指标的发展和演化。基于企业生产函数分析框架,结合2005年版创新调查手册（Oslo2005）、2008年版国民经济账户体系（SNA2008）等微观和宏观层面创新测度的新思想,构建了企业广义创新投入和创新产出测度以及相关影响因素的新理论分析框架。通过分析企业广义创新测度的数据基础,明确了开发会计数据测度企业广义创新的必然性和可行性,并以上市公司为例提出了开发会计数据测度企业广义创新的实施路径,充分开发了上市公司全部可用数据（2007—2016年）,并经过对数据库进行严格清洗形成了本文的实证分析样本。测算企业创新投入指标以及创新产出指标,并基于不同行业、企业性质、时间及区域等维度进行了特征分析。基于企业广义创新投资以及创新产出的影响因素理论,进行了相应的面板数据计量模型实证分析。通过研究得到以下主要结论:（一）构建新理论和开发新数据测度了企业广义创新1.在不改变现有核算标准的基础上构建企业广义创新理论,实现了企业创新测度在微观和宏观层面的协调一致。企业广义创新测度理论界定了企业广义创新资本投入,即包括知识产权产品、机器设备、营销资产、组织提升以及非正式知识产权类创新,与SNA2008的相关资产核算趋于协调一致,并且核算范围稍大,故测度企业广义创新资本投入也能支持SNA框架下的知识产权产品核算;企业广义创新产出指标就是劳动生产率提升和TFP提升,而这正是当前政府经济工作关注的重点,基于企业广义创新的系统分析框架和量化研究可作为政策参考。企业广义创新投资影响因素理论阐明了资金因素（内部资金、融资约束）和投资取向对于企业广义创新投资的作用机制;基于企业净金融资产指标解决了企业融资约束度的测算难题,明确了所谓非金融企业金融化只是企业融资约束的一个方面。企业广义创新产出影响因素理论明确了企业创新投入与创新产出的关系,当前学术界关于研发产出弹性的测度以及关于研发投入对TFP提升的实证分析,本质上都属于测算狭义创新投入对创新产出的影响。2.基于SNA 口径系统开发企业会计核算数据,是实现企业广义创新测度和支持SNA框架下知识产权产品测度的关键。因为企业广义创新资本核算内容、会计核算的国际标准（IFRS）与SNA2008三者之间的匹配性,故可通过对现有会计核算数据进行SNA视角的整合和重新划分,实现企业广义创新测度并支持宏观核算。结合会计核算惯例,本文将企业创新资本投入区分为研发、创新性无形资产、机器设备。企业研发等自给性知识产权产品投资根据SNA2008的口径核算,即先基于成本法测算产出,然后对产出的使用进行资本化处理,从而形成投资数据;对于外购的创新资本品则只需进行资本化处理;机器设备核算范围也是采用SNA 口径。基于会计数据测算的企业创新产出相关指标（增加值、固定资产等）也需要按照SNA2008 口径上调。基于SNA 口径调整和重新划分企业资产和负债,上调后的企业资产划分为金融资产和非金融资产,非金融资产则可分为创新资本、非创新长期资本、存货;而企业负债将包括会计核算负债和发行股票筹集的资金。3.以上市公司为例的企业广义创新测度提供了开发企业会计数据的实施路径,为利用会计数据支持宏观核算和实证分析提供了参考依据。基于上市公司现有信息披露情况,会计口径的企业研发投入作为企业R&D投资的保守估计,数据来自企业研发投入情况表,可基于永续盘存法（PIM）测算研发资本存量;创新性无形资产和机器设备的数据分别来自会计核算的无形资产情况表和固定资产情况表,用期末净值作为相关资产存量的估计,用相关资产净获得原值作为投资数据。而企业创新产出指标的测算需要先计算SNA 口径下的企业增加值和固定资产,并进行不变价处理。基于本核算路径,企业创新实证研究将更加规范;会计核算的企业研发投入数据也可以作为国家统计局行业研发资本化核算的一个重要来源,并纳入到现有的行业增加值核算体系;随着自给性知识产权产品的会计核算信息披露进一步完善,可支持SNA框架下的知识产权产品核算。（二）以上市公司为例分析了企业广义创新特征以及阻碍和激励因素1.企业广义创新投资水平相对较低,创新活跃度低,创新资本投入存在明显的异质性。2007—2016年各行业企业广义创新资本存量占资产比重平均为18.71%,最低的无R&D其他服务业（房地产业和住宿业）为0.45%。企业广义创新投资以及R&D都集中在少数大企业,100家企业就贡献了 2062家样本企业的一半以上。国有、年轻型、大型、采矿业、一线城市的企业平均创新投资及R&D投资高,但投资强度并不高;制造业和服务业企业平均创新投资及R&D投资都较低,但高研发投入强度制造业和研发活跃型服务业的企业创新投资强度比较高;研发活跃型服务业企业以R&D投资为主,而其他行业企业广义创新投资都以机器设备投资为主,企业创新性无形资产占份额最小;近五年来,采矿业和有研发的其他服务业企业表现为处置高比重的机器设备,而其他行业企业的机器设备投资还是明显增长的,企业创新性无形资产增速最快,企业研发资本增长相对较慢。2.企业各类创新资本投入对创新产出的作用不同,研发投入的作用明显较大。对全样本的面板分位数回归分析发现,研发资本产出弹性系数在0.064—0.603之间且毛回报率高;结合分行业的传统固定效应模型和交互固定效应模型结果来看,高研发投入强度制造业和研发活跃型服务业的企业研发弹性系数分别为0.417—0.429和0.373—0.391;制造业企业研发投入对于TFP提升和企业价值提升也有促进作用。全样本企业创新性无形资产的弹性系数范围在0.005—0.015之间但毛回报率不低;从行业划分来看,其他制造业的弹性系数是显着的;服务业企业创新性无形资产投入对于TFP提升和价值提升有利。全样本的机器设备弹性系数范围在0.098—0.127之间但回报率低,机器设备投入对于制造业和研发活跃型服务业的企业劳动生产率提升是重要的,却不利于TFP提升。另外,各类创新资本回报率和投资波动显示了市场的理性,高回报率才会有高投资;行业特质和面临的技术机会不同,也导致了差异化的创新投资结构及影响。3.阻碍企业广义创新投资的因素主要有非创新长期资本投资、净金融投资、资金成本以及融资约束。投资现金流敏感模型实证结果显示,企业广义创新投资明显受到非创新长期资本投资挤出,2016年房价上涨时表现尤为突出,国有、制造业、融资约束度较强企业的挤出效应强;但R&D投资并没有受到非R&D型创新投资的挤出。企业净金融投资不利于企业广义创新投资,国有、制造业、融资约束强的企业受影响较大;净金融投资还不利于弱融资约束制造业企业的R&D。支付较高的股利和利息资金成本不利于制造业企业广义创新投资,尤其不利于融资约束度弱需要依靠外部融资的企业当期创新投资,对融资约束度强的企业广义创新投资有滞后的负面效应;融资约束不强的制造业企业R&D也受到高资金成本的负面影响。因此,应该强调控制房地产价格和房地产企业去杠杆,从而降低其他行业企业非创新长期投资、资金成本和融资约束;对于一些制造业企业还应增加杠杆。4.激励企业创新的因素主要有政府补助、高管股权激励和机构持股,制造业和服务业有不同表现。政府补助主要对服务业企业广义创新投资和R&D投资发挥了较强的激励作用,但对其TFP提升的作用并不显着;对制造业企业R&D有一定激励作用,高研发投入强度制造业和其他制造业受到的激励强度相差不大,政府补助对于制造业企业TFP提升的作用受到企业融资约束度影响。显然,对制造业尤其是高技术制造业,应进一步加大政府补助和降低融资约束。高管股权激励使得管理层R&D决策更加理性,因为高管股权激励对服务业和弱融资约束制造业的R&D投资有激励作用,对强融资约束制造业的研发投入有抑制作用,最终有利于企业TFP提升。机构持股使得企业广义创新投资更加理性,一定程度上激励了弱融资约束企业的创新投资,但抑制了较强融资约束企业的创新投资,还激励了弱融资约束制造业和服务业企业的R&D投资,最终有利于企业TFP提升和价值提升。
李万福,杜静,张怀[9]（2017）在《创新补助究竟有没有激励企业创新自主投资--来自中国上市公司的新证据》文中进行了进一步梳理政府"扶持之手"在R&D"市场失灵"中发挥着重要作用,然而,政府创新补助在激励企业创新自主投资方面究竟"如其所愿"还是"事与愿违"?尚缺乏一致和有说服力的经验证据。本文通过剔除非R&D补助噪音,并对企业创新自主投资与政府创新补助加以区分,为该问题提供了来自中国上市公司研发投资的新证据。研究发现,尽管政府创新补助与企业总体R&D投资正相关,但政府直接给予企业的创新补助每增加1单位,带来的R&D投资增量显着小于1;随着政府创新补助的增加,企业创新自主投资在减少。这表明,创新补助总体而言并未有效激励企业创新自主投资。进一步研究发现,企业行业属性、内部控制水平及外部环境会显着影响创新补助的激励效应,对于高科技、内部控制水平较高或所处经营法制环境较好的企业而言,创新补助确实"如其所愿"地发挥了激励效应。
王科欣[10]（2016）在《SNA2008框架下中国R&D支出纳入GDP核算研究》文中研究指明随着我国社会经济发生的深刻变化,经济增长开始逐步转向创新驱动;随着宏观管理需求的变化,政府开始更多的关注自主创新、转型升级、大众创业、万众创新;随着国际标准的修订,SNA2008在联合国统计委员会第四十次会议上通过。我国的国民经济核算是随着社会经济体制的变化和宏观管理需求以及国民经济核算国际标准的修订而变化的。本文的研究目的就是针对这些变化,就我国R&D支出核算纳入国民经济核算体系进行探讨,以使核算体系适应新体制、新情况以及新需求,也使得核算原则、核算方法、核算指标、核算数据均具国际可比性。研究从以下四个方面展开:第一是基础数据的整理和筛选,本文首次对R&D经费支出的部门数据进行全面梳理,整理得出国家统计局、科技部、教育部及其他相关部门的统计数据,并将全国31个省、市、区的数据同步整理,为后续研究奠定基础。第二是基本参数的选择,R&D支出纳入GDP核算主要要解决R&D资本存量测算、R&D资本存量增长率、R&D资本折旧率、R&D支出价格指数等参数问题。在R&D资本存量测算上采用了几何平均法和线性回归法,在R&D资本折旧率上,分析了多种折旧率计算模型:分期摊销模型、专利展望模型、市场估价模型等。并结合美国国家统计部门的做法和我国国家统计局现有研究工作的进展,兼顾我国R&D统计工作的基础确定适合我国的折旧率。在价格指数上,分析欧盟统计局和美国商务部经济分析局的做法,结合我国在深圳开展的R&D核算试点的实际情况,提出了R&D成本价格指数,并对该合成指数中的人员劳务费不稳定状况进行了说明,对人员劳务费指数进行修正,得出修订的成本价格指数,并用该指数测算,将结果与传统的替代价格指数进行对比分析。第三是基本方法的设计,在对R&D资产进行资本化的过程中涉及的主要方法有:永续存盘法、修正的永续存盘法、矩阵设计方法、非参数方法、生产函数法、组合法等。其中,永续存盘法、修正的永续存盘法、矩阵设计方法主要用于资本存量的测算;非参数法主要用于多种方法的比较检验;生产函数法主要用于分析R&D对于经济发展的影响。第四是核算模式的比较,采用多种核算模式对R&D纳入GDP核算进行测算。美国的经济学家提出了Zvi Griliches方法,美国商务部经济分析局提出了BEA方法,传统的资本核算有Goldsmith模式,欧盟等国家的模式。在不同的经济理念下,多种测度方法既各有特色,又有共同特征。Goldsmith方法设定理念中,当期R&D资本存量由当期不变价R&D投资额与扣除折旧后的上一期R&D资本存量两部分构成,且当期不变价R&D投资额全部转化为当期资本存量;Griliches方法设定理念中,当期R&D资本存量由上一期不变价R&D投资额与扣除折旧后的上一期R&D资本存量两部分构成,且上一期不变价R&D投资额全部转化为当期资本存量;而BEA方法设定理念中,当期R&D资本存量由当期不变价R&D投资额与扣除折旧后的上一期R&D资本存量两部分构成,且当期不变价R&D投资额的一半发生折旧。研究的结果表明:（1）1995年以来,全国R&D资本存量高速增长。1995～2013年,全国R&D经费支出额从348.69亿元增长到11846.6亿元,年均增长21.64%。受此带动,全国R&D资本存量持续快速增长。（2）通过方法比较,BEA的方法具有较好的结果。测算方法方面,一般来说,利用Goldsmith方法所测算的数据最大,利用BEA方法所测算的数据居中,而利用Griliches方法所测算的数据最小;利用组合方法进行测算的数据与利用BEA方法所测算的数据比较接近,而与利用其它两种方法进行测算的数据之间的差距较大,且随着时间的推移逐渐增大。（3）R&D资本化后,全国GDP规模明显扩大。（4）R&D资本化后,投资增加幅度较大,消费变化幅度较小。R&D资本化后,会导致社会投资额和消费额发生变化,进而导致投资率和消费率发生变化。（5）通过生产函数的全要素分析,得出R&D资本对于经济增长的贡献率十年间稳步增长,且无论外部经济环境面临何种调整,R&D对于经济的影响始终保持稳定的贡献。
二、区分R&D与非R&D活动的准则（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、区分R&D与非R&D活动的准则（论文提纲范文）
（1）北京市“高精尖”产业结构构建的影响因素分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 相关概念界定 |
| 1.1.3 研究意义 |
| 1.2 文献综述 |
| 1.2.1 产业结构升级水平度量 |
| 1.2.2 产业结构升级的影响因素 |
| 1.2.3 北京市产业结构升级面临的问题 |
| 1.2.4 北京市“高精尖”产业发展存在的问题 |
| 1.2.5 总结与评述 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 创新点 |
| 第二章 北京市“高精尖”产业发展现状与问题 |
| 2.1 北京市“高精尖”产业发展现状 |
| 2.1.1 “高精尖”产业整体发展概况 |
| 2.1.2 “高精尖”产业各自发展情况 |
| 2.2 北京市“高精尖”产业结构构建需解决的问题 |
| 第三章 “高精尖”产业结构构建的理论分析 |
| 3.1 科技创新与“高精尖”产业结构 |
| 3.2 人才与“高精尖”产业结构 |
| 3.2.1 R&D人员 |
| 3.2.2 劳动力成本 |
| 3.3 产业政策与“高精尖”产业结构 |
| 3.3.1 财政补贴政策 |
| 3.3.2 税收激励政策 |
| 3.3.3 土地政策 |
| 3.4 金融与“高精尖”产业结构 |
| 3.5 小结 |
| 第四章 基于面板门槛模型的实证设计 |
| 4.1 数据说明 |
| 4.2 面板门槛模型构建 |
| 4.3 门槛效应检验 |
| 4.4 实证结果及分析 |
| 4.4.1 技术门槛 |
| 4.4.2 劳动力成本门槛 |
| 4.4.3 财政补贴门槛 |
| 4.4.4 融资规模门槛 |
| 4.4.5 融资结构门槛 |
| 4.5 小结 |
| 第五章 基于系统动力学模型的政策模拟 |
| 5.1 模型假设 |
| 5.2 模型构建 |
| 5.2.1 经济关系分析 |
| 5.2.2 反馈回路 |
| 5.2.3 模块变量方程 |
| 5.3 模型检验 |
| 5.4 政策模拟 |
| 5.4.1 财政补贴政策 |
| 5.4.2 税收激励政策 |
| 5.4.3 人才吸引政策 |
| 5.4.4 土地政策 |
| 5.5 小结 |
| 第六章 结论与建议 |
| 6.1 研究结论 |
| 6.2 政策建议 |
| 6.3 展望与不足 |
| 参考文献 |
| 附录A |
| 附录B |
| 在学期间的研究成果 |
| 致谢 |
（2）管理者短视下R&D操纵与业绩兼顾行为（论文提纲范文）
| 一、引 言 |
| 二、研究背景与假设提出 |
| (一)投资分类及会计处理 |
| (二)文献综述及假设 |
| 三、研究设计 |
| (一)样本选择与数据来源 |
| (二)模型设定与变量度量 |
| 四、 实证结果 |
| (一)描述性统计 |
| (二)基本检验结果 |
| (三)业绩压力与总投资的检验 |
| 五、进一步分析 |
| 六、稳健性检验 |
| 七、研究结论与启示 |
（3）中国制造业R&D投入影响全要素生产率增长的机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景、目的与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 关于R&D对TFP增长影响的研究 |
| 1.2.2 关于吸收能力对TFP增长影响的研究 |
| 1.2.3 关于R&D溢出对TFP增长影响的研究 |
| 1.2.4 简要评述 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 拟解决的关键问题 |
| 1.3.3 研究方法 |
| 1.3.4 技术路线 |
| 1.4 主要创新点 |
| 第2章 R&D投入影响全要素生产率研究的理论基础及逻辑框架设计 |
| 2.1 R&D内生增长理论 |
| 2.1.1 R&D内生增长理论的兴起 |
| 2.1.2 R&D内生增长理论的发展 |
| 2.1.3 R&D内生增长理论与新古典增长理论的博弈 |
| 2.2 吸收能力理论 |
| 2.2.1 吸收能力理论的起源 |
| 2.2.2 吸收能力的内涵 |
| 2.2.3 吸收能力与其他相关理论及研究视角的关系辨析 |
| 2.3 知识溢出理论 |
| 2.3.1 知识溢出理论的发展脉络 |
| 2.3.2 知识溢出的类型 |
| 2.3.3 知识溢出的途径 |
| 2.4 中国制造业R&D投入影响TFP增长机制研究的逻辑框架构建 |
| 2.4.1 R&D投入与TFP增长的关系 |
| 2.4.2 R&D投入影响TFP增长机制的逻辑关系 |
| 2.4.3 R&D投入影响TFP增长机制研究的逻辑框架 |
| 2.5 本章小结 |
| 第3章 中国制造业全要素生产率增长的测算及其受R&D投入影响的分析 |
| 3.1 我国制造业TFP的估算及分析 |
| 3.1.1 全要素生产率测算方法 |
| 3.1.2 变量与数据处理 |
| 3.1.3 制造业TFP的估算结果与分析 |
| 3.2 中国制造业“研发悖论”存在性分析 |
| 3.2.1 制造业R&D投入与TFP变化趋势的描述性分析 |
| 3.2.2 制造业R&D投入对TFP增长影响的实证检验 |
| 3.3 本章小结 |
| 第4章 R&D投入影响全要素生产率增长的转化机制 |
| 4.1 R&D投入影响TFP增长的转化机制理论分析 |
| 4.1.1 制造业创新过程的阶段划分 |
| 4.1.2 基于创新过程的R&D投入影响TFP增长的转化机制分析 |
| 4.2 研究设计 |
| 4.2.1 模型构建 |
| 4.2.2 指标选取 |
| 4.2.3 数据来源与描述性统计 |
| 4.3 R&D投入影响TFP增长的转化机制实证分析 |
| 4.3.1 制造业整体实证检验 |
| 4.3.2 分行业实证检验 |
| 4.4 本章小结 |
| 第5章 R&D投入影响全要素生产率增长的学习机制 |
| 5.1 R&D投入促进TFP增长的学习机制理论分析 |
| 5.2 研究设计 |
| 5.2.1 自主R&D投入与外部技术引进的变化趋势分析 |
| 5.2.2 模型构建 |
| 5.2.3 变量与数据处理 |
| 5.3 R&D投入促进TFP增长的学习机制实证分析 |
| 5.3.1 制造业整体实证检验 |
| 5.3.2 分行业实证检验 |
| 5.3.3 非线性影响检验 |
| 5.5 本章小结 |
| 第6章 R&D投入影响全要素生产率增长的溢出机制 |
| 6.1 产业间R&D溢出的作用机制与测度 |
| 6.1.1 产业间R&D溢出的范畴 |
| 6.1.2 R&D投入促进TFP提升的溢出机制理论分析 |
| 6.1.3 产业间R&D溢出的测算与比较 |
| 6.2 研究设计 |
| 6.2.1 模型构建 |
| 6.2.2 变量与数据处理 |
| 6.3 R&D投入影响TFP增长的溢出机制实证分析 |
| 6.3.1 制造业整体实证检验 |
| 6.3.2 分行业实证检验 |
| 6.3.3 非线性影响检验 |
| 6.4 本章小结 |
| 第7章 全文总结与研究展望 |
| 7.1 全文总结 |
| 7.2 政策启示 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的论文及科研情况 |
（4）政府补贴与企业信贷融资 ——基于政府补贴信号效应的分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景以及问题的提出 |
| 1.2 研究思路与框架 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 第2章 文献综述 |
| 2.1 政府补贴动机 |
| 2.1.1 政府补贴理论依据 |
| 2.1.2 政府补贴现实动机及影响因素 |
| 2.2 政府补贴效果 |
| 2.2.1 政府补贴与企业绩效 |
| 2.2.2 政府补贴与企业外部融资 |
| 2.3 文献评述 |
| 第3章 理论分析与研究假设 |
| 3.1 相关概念与理论基础 |
| 3.1.1 非对称信息与信贷融资 |
| 3.1.2 企业声誉理论与信贷融资 |
| 3.1.3 政府干预与企业创新 |
| 3.1.4 寻租理论 |
| 3.2 研究假设 |
| 3.2.1 政府补贴的积极信号与消极信号 |
| 3.2.2 补贴资金使用效率的中介作用 |
| 第4章 变量与模型 |
| 4.1 样本选择与数据来源 |
| 4.2 变量定义与度量 |
| 4.2.1 自变量 |
| 4.2.2 因变量 |
| 4.2.3 中介变量 |
| 4.2.4 控制变量 |
| 4.3 模型构建及相关说明 |
| 4.3.1 假设1检验模型 |
| 4.3.2 假设2及假设3的中介效应检验模型 |
| 第5章 实证结果及分析 |
| 5.1 描述性统计 |
| 5.1.1 分行业政府补贴均值统计 |
| 5.1.2 分地区政府补贴均值统计 |
| 5.1.3 主要变量描述性统计 |
| 5.2 相关分析 |
| 5.3 回归结果分析 |
| 5.3.1 假设1回归结果 |
| 5.3.2 假设2回归结果 |
| 5.3.3 假设3回归结果 |
| 5.4 稳健性检验 |
| 5.4.1 倾向得分匹配(PSM) |
| 5.4.2 广义倾向得分法(GPS) |
| 5.4.3 更换变量衡量方式 |
| 5.5 进一步分析 |
| 第6章 研究结论与展望 |
| 6.1 研究结论与政策建议 |
| 6.2 论文的主要贡献及创新点 |
| 6.3 论文的不足之处与改进的方向 |
| 参考文献 |
| 致谢 |
（5）无形资本投资的经济增长效应—理论机理及国际经验（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 文献综述 |
| 1.2.1 无形资本的界定与测度 |
| 1.2.2 无形资本(组成部分)对生产率的影响 |
| 1.2.3 无形资本对国家(行业)产出增长的影响 |
| 1.2.4 文献评述 |
| 1.3 研究方案 |
| 1.3.1 主要内容与结构安排 |
| 1.3.2 研究方法 |
| 1.3.3 可能的创新点 |
| 1.3.4 难点和不足 |
| 第二章 发达国家与中国的无形资本投资现状 |
| 2.1 发达国家的无形资本投资现状 |
| 2.1.1 发达国家的无形资本投资结构 |
| 2.1.2 发达国家的无形资本投资规模 |
| 2.1.3 发达国家的无形资本行业差异 |
| 2.2 中国的无形资本投资现状 |
| 第三章 无形资本投资对经济增长影响的机理分析 |
| 3.1 单行业的CHS模型 |
| 3.2 两行业CHS模型扩展 |
| 第四章 无形资本投资对经济增长影响的实证分析 |
| 4.1 数据说明 |
| 4.2 无形资本投资对产出增长的直接效应测度 |
| 4.3 无形资本投资对产出增长的总体间接效应测度 |
| 4.3.1 回归模型设定 |
| 4.3.2 无形资本投资间接效应的实证结果 |
| 4.4 进一步讨论:无形资本投资增速差异与经济增速差异的关系 |
| 4.4.1 国别层面的实证分析 |
| 4.4.2 行业层面的实证分析 |
| 第五章 无形资本投资间接效应的具体渠道检验 |
| 5.1 有形资本投资的挤入挤出效应检验 |
| 5.1.1 模型设定 |
| 5.1.2 实证结果 |
| 5.2 劳动投入的引致效应检验 |
| 5.2.1 模型设定 |
| 5.2.2 实证结果 |
| 5.3 TFP的增长效应检验 |
| 5.3.1 模型设定 |
| 5.3.2 实证结果 |
| 5.3.3 进一步讨论:非R&D的无形资本投资能提高TFP吗? |
| 5.3.3.1 模型设定 |
| 5.3.3.2 实证结果 |
| 5.4 小结 |
| 第六章 结论与政策建议 |
| 6.1 主要结论 |
| 6.2 政策建议 |
| 参考文献 |
| 攻读硕士学位期间取得的科研成果 |
| 后记 |
（6）创新路径对高技术产业创新驱动效率的影响效应研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 博士学位论文创新成果自评表 |
| 第1章 绪论 |
| 1.1 论文研究的背景、目的和意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 论文研究目的 |
| 1.1.3 论文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究述评 |
| 1.3 论文的研究思路与研究内容 |
| 1.3.1 论文总体思路 |
| 1.3.2 论文研究内容 |
| 1.4 论文研究方法 |
| 1.5 论文创新之处 |
| 第2章 高技术产业创新路径、创新驱动效率及其影响效应的理论研究 |
| 2.1 高技术产业的界定 |
| 2.2 高技术产业创新路径理论解析 |
| 2.2.1 创新路径概念内涵 |
| 2.2.2 创新路径分类与结构体系 |
| 2.2.3 不同创新路径特征 |
| 2.3 高技术产业创新驱动效率理论解析 |
| 2.3.1 创新驱动涵义与特征 |
| 2.3.2 创新驱动效率内涵 |
| 2.3.3 创新驱动效率测度 |
| 2.4 创新路径对高技术产业创新驱动效率影响效应理论解析与框架构建 |
| 2.4.1 门槛要素特征理论分析 |
| 2.4.2 创新路径与创新驱动效率的关系 |
| 2.4.3 创新路径对高技术产业创新驱动效率影响的研究框架 |
| 2.5 本章小结 |
| 第3章 高技术产业创新路径系统分析 |
| 3.1 路径变量设置与数据来源 |
| 3.2 高技术产业自主研发创新路径分析 |
| 3.2.1 自主研发创新路径时间演变异质分析 |
| 3.2.2 自主研发创新路径空间格局演化特征 |
| 3.3 高技术产业外部知识源化创新路径分析 |
| 3.3.1 外部知识源化创新路径时间演变异质分析 |
| 3.3.2 外部知识源化创新路径空间格局演化特征 |
| 3.4 高技术产业非研发创新路径分析 |
| 3.4.1 非研发创新路径时间演变异质分析 |
| 3.4.2 非研发创新路径空间格局演化特征 |
| 3.5 本章小结 |
| 第4章 高技术产业创新驱动效率测度分析 |
| 4.1 高技术产业创新驱动效率研究设计 |
| 4.1.1 处理环境效应和随机误差的综合测度模型设定 |
| 4.1.2 高技术产业创新驱动效率指标体系构建 |
| 4.1.3 数据来源与处理 |
| 4.2 原始投入产出数据的高技术产业创新驱动效率分析 |
| 4.3 SFA因素分解分析与调整 |
| 4.4 调整后高技术产业创新驱动效率测度结果及来源分解分析 |
| 4.4.1 时间纵向变化特征 |
| 4.4.2 空间横向异质比较 |
| 4.5 调整前后对比 |
| 4.6 本章小结 |
| 第5章 创新路径对高技术产业创新驱动效率的驱动作用实证研究 |
| 5.1 模型设定与研究方法 |
| 5.1.1 线性驱动模型与协同交互驱动模型构建 |
| 5.1.2 方法选择 |
| 5.2 变量选择与数据说明 |
| 5.2.1 变量设置与处理 |
| 5.2.2 数据描述性分析 |
| 5.3 实证检验及结果分析 |
| 5.3.1 面板模型回归估计 |
| 5.3.2 驱动作用结果分析 |
| 5.4 稳健性检验 |
| 5.5 本章小结 |
| 第6章 基于知识积累异质性的创新路径对高技术产业创新驱动效率影响的动态门槛特征 |
| 6.1 动态门槛特征模型构建 |
| 6.1.1 面板门槛技术基本原理 |
| 6.1.2 动态门槛模型构建 |
| 6.1.3 变量与数据 |
| 6.2 动态异质门槛特征检验 |
| 6.3 门槛值确定与异质区间构造 |
| 6.4 动态异质门槛特征估计结果分析 |
| 6.4.1 模型参数估计结果 |
| 6.4.2 时空异质性 |
| 6.5 稳健性检验 |
| 6.6 本章小结 |
| 第7章 推动高技术产业创新驱动发展的对策建议 |
| 7.1 优化创新路径体系保障高技术产业创新驱动发展 |
| 7.1.1 合理化自主研发创新路径内生支撑结构 |
| 7.1.2 积极引导与健全外部知识源化创新路径开放转型 |
| 7.1.3 重视与完善非研发创新路径互补提升 |
| 7.2 改进效率配置系统深化高技术产业创新驱动发展 |
| 7.2.1 优化地区创新驱动投入时空组合 |
| 7.2.2 营造有效的环境配置体系 |
| 7.2.3 坚持加大高技术产业消化吸收力度 |
| 7.3 完善机制协作全面推动高技术产业创新驱动发展 |
| 7.3.1 注重地区知识积累时空差异机制 |
| 7.3.2 培育和优化多样化创新途径及协同 |
| 7.3.3 深化拓展创新驱动的开放网络合作机制 |
| 7.3.4 保障和改善人力资本驱动的支持体系 |
| 7.3.5 健全创新驱动风险控制系统机制 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（7）油气垄断企业技术创新效率研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 问题的提出 |
| 1.2 国内外研究现状 |
| 1.2.1 技术创新效率研究 |
| 1.2.2 市场结构与技术创新效率的关系研究 |
| 1.2.3 垄断与油气企业技术创新效率研究 |
| 1.2.4 文献述评 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究的主要观点、思路与方法 |
| 1.4.1 主要观点 |
| 1.4.2 研究思路 |
| 1.4.3 研究方法 |
| 1.5 研究的主要内容、研究重点与难点 |
| 1.5.1 研究的主要内容 |
| 1.5.2 研究重点 |
| 1.5.3 研究难点 |
| 第2章 油气垄断企业技术创新相关理论与现状研究 |
| 2.1 相关理论和概念界定 |
| 2.1.1 市场结构理论 |
| 2.1.2 技术创新理论 |
| 2.1.3 油气资源及其产业 |
| 2.1.4 油气垄断企业技术创新效率 |
| 2.2 油气垄断现状分析 |
| 2.2.1 我国油气垄断属性分析 |
| 2.2.2 油气垄断市场结构分析 |
| 2.3 油气垄断企业技术创新现状分析 |
| 2.3.1 油气垄断企业技术创新的主要做法 |
| 2.3.2 油气垄断企业技术创新取得的成绩 |
| 2.3.3 油气垄断企业技术创新的特点 |
| 2.3.4 油气垄断企业技术创新存在的问题 |
| 2.4 小结 |
| 第3章 油气垄断企业技术创新效率影响因素分析 |
| 3.1 油气垄断企业技术创新效率的多重影响因素分析 |
| 3.1.1 垄断属性影响因素 |
| 3.1.2 企业内部影响因素 |
| 3.1.3 企业外部影响因素 |
| 3.2 基于ISM模型的影响因素结构分析 |
| 3.2.1 建立影响因素集及分析相关性 |
| 3.2.2 构建可达矩阵 |
| 3.2.3 描绘影响因素结构模型 |
| 3.3 基于DEMATEL模型的影响因素强弱分析 |
| 3.3.1 模型分析步骤 |
| 3.3.2 模型构建与计算 |
| 3.3.3 计算结果分析 |
| 3.4 小结 |
| 第4章 油气垄断企业技术创新效率评价 |
| 4.1 评价指标体系的构建 |
| 4.1.1 确定评价指标的原则 |
| 4.1.2 确定评价指标的依据 |
| 4.1.3 基于投入与产出的评价指标体系构建 |
| 4.1.4 评价指标的数据收集与处理 |
| 4.2 基于改进时间序列DEA模型的评价 |
| 4.2.1 DEA方法 |
| 4.2.2 改进时间序列DEA模型 |
| 4.2.3 数据标准化处理 |
| 4.2.4 应用及结果分析 |
| 4.3 基于BP神经网络模型的评价 |
| 4.3.1 BP神经网络方法 |
| 4.3.2 评价指标处理 |
| 4.3.3 BP神经网络评价模型应用 |
| 4.3.4 BP神经网络评价结果分析 |
| 4.4 小结 |
| 第5章 油气垄断企业技术创新效率的比较研究 |
| 5.1 与国有大型工业企业技术创新效率比较分析 |
| 5.1.1 比较分析模型及比较样本企业选择 |
| 5.1.2 基于DEA-Malmquist模型的比较分析 |
| 5.1.3 技术创新全要素生产率结果分析 |
| 5.2 与国外油气企业技术创新效率比较分析 |
| 5.2.1 国外样本油气公司简介 |
| 5.2.2 国内外油气企业技术创新效率比较 |
| 5.3 小结 |
| 第6章 油气垄断企业技术创新效率提升的策略及建议 |
| 6.1 研究结果及原因分析 |
| 6.1.1 研究结果 |
| 6.1.2 原因分析 |
| 6.2 策略与建议 |
| 6.2.1 基于企业管理层面的提升策略 |
| 6.2.2 针对政府层面的提升建议 |
| 6.3 小结 |
| 第7章 结论与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（8）企业广义创新的测度及影响因素研究（论文提纲范文）
| 摘要 |
| Abstract |
| 导论 |
| 一、选题背景和意义 |
| 二、国内外研究综述 |
| 三、内容结构与主要创新 |
| 第一章 企业广义创新的测度与影响因素的理论构建 |
| 第一节 企业广义创新投入与产出的测度理论 |
| 一、企业广义创新投入的核算范围、内容和方法 |
| 二、企业广义创新产出的核算范围、内容和方法 |
| 第二节 企业广义创新投资的影响因素理论 |
| 一、影响企业广义创新投资的因素 |
| 二、基于企业广义创新测度理论的企业投资决策分析 |
| 第三节 企业广义创新产出的影响因素理论 |
| 一、企业广义创新资本投入对劳动生产率提升的影响理论 |
| 二、企业广义创新资本投入及激励措施对TFP提升的影响理论 |
| 本章小结 |
| 第二章 企业广义创新测度的数据基础与会计数据开发 |
| 第一节 企业广义创新测度的数据基础 |
| 一、企业R&D资本投入测算的数据基础 |
| 二、非R&D型创新资本投入测算的数据基础 |
| 三、企业广义创新产出测度的数据基础 |
| 第二节 以上市公司为例的企业广义创新测度指标开发 |
| 一、企业广义创新资本投入指标的识别及处理 |
| 二、企业创新产出的相关指标测算与调整 |
| 三、上市公司样本选择与数据清洗 |
| 本章小结 |
| 第三章 企业广义创新资本投入与产出指标的测度与分析 |
| 第一节 企业广义创新资本流量的测度与特征分析 |
| 一、企业广义创新资本流量的测度方法 |
| 二、企业广义创新投资的总体特征分析 |
| 三、行业视角下企业广义创新投资差异与波动分析 |
| 四、区域视角下企业广义创新投资差异与波动分析 |
| 第二节 企业广义创新资本存量的测度与特征分析 |
| 一、企业广义创新资本存量的测度方法 |
| 二、企业创新资本存量的总体特征分析 |
| 三、行业视角下企业创新资本存量差异与波动分析 |
| 四、区域视角下企业创新资本存量差异与波动分析 |
| 第三节 企业劳动生产率与TFP的测度与特征分析 |
| 一、企业TFP与劳动生产率的测度方法 |
| 二、企业创新产出及相关指标的总体特征分析 |
| 三、行业视角下企业创新产出指标的差异与波动分析 |
| 四、区域视角下企业创新产出指标的差异与波动分析 |
| 本章小结 |
| 第四章 企业广义创新投资的影响因素实证分析 |
| 第一节 企业融资约束和投资取向的测度分析 |
| 一、企业融资约束的测度与分析 |
| 二、企业投资取向的测度与分析 |
| 第二节 基于投资现金流敏感模型的企业广义创新投资影响因素 |
| 一、企业广义创新投资现金流敏感模型的构建与样本处理 |
| 二、企业广义创新投资的动态面板实证分析 |
| 三、企业R&D投资的动态面板实证分析 |
| 本章小结 |
| 第五章 企业广义创新产出的影响因素实证分析 |
| 第一节 企业创新资本投入产出弹性系数和回报率的测度 |
| 一、模型设定与估计方法 |
| 二、样本选择与相关变量的统计描述 |
| 三、基于多种计量模型的实证分析 |
| 第二节 企业TFP提升的影响因素实证分析 |
| 一、变量选择与模型构建 |
| 二、制造业企业创新资本与其他因素对其TFP提升的影响 |
| 三、服务业企业创新资本与其他因素对其TFP提升的影响 |
| 第三节 上市公司价值提升的影响因素实证分析 |
| 一、变量选择与模型构建 |
| 二、制造业和服务业企业的面板计量结果分析 |
| 本章小结 |
| 研究结论与政策建议 |
| 一、本文的主要结论 |
| 二、相关政策建议 |
| 三、研究展望 |
| 主要参考文献 |
| 攻读博士学位期间科研情况 |
| 致谢 |
（9）创新补助究竟有没有激励企业创新自主投资--来自中国上市公司的新证据（论文提纲范文）
| 一、引言 |
| 二、文献回顾 |
| 三、理论分析 |
| 四、研究设计 |
| (一) 样本选取和数据来源 |
| (二) 实证模型设计 |
| 五、经验结果分析 |
| (一) 描述性统计 |
| (二) 实证结果及分析 |
| 六、进一步分析与稳健性检验 |
| (一) 基于高科技企业样本的分析 |
| (二) 企业内部控制与创新补助的激励效应 |
| (三) 经营法制环境与创新补助的激励效应 |
| (四) 基于融资约束视角的讨论 |
| (五) 内生性问题探讨 |
| 1. 因果关系推断 |
| 2. 遗漏非时变因素 |
| 3. 自选择问题 |
| (六) 创新补助期间归属问题 |
| 七、结论与启示 |
（10）SNA2008框架下中国R&D支出纳入GDP核算研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状综述 |
| 1.3 本文主要研究内容 |
| 1.4 本文的创新与特色 |
| 第2章 R&D资本化核算的基本范畴与理论基础 |
| 2.1 概念界定与核算范围 |
| 2.2 R&D经费投入现状分析 |
| 2.3 核算的主体 |
| 2.4 纳入核算后的影响 |
| 2.5 资本化核算的理论基础 |
| 第3章 R&D资本化核算的基本方法 |
| 3.1 R&D资本基本测度方法设计 |
| 3.2 R&D资本化核算的矩阵分析方法设计 |
| 3.3 R&D资本化核算的非参数统计方法设计 |
| 3.4 R&D资本化核算的生产函数分析法 |
| 3.5 R&D资本化核算的其他创新方法 |
| 第4章 R&D资本化核算中关键参数确定 |
| 4.1 初始增长率和初始资本存量的确定 |
| 4.2 折旧率确定 |
| 4.3 价格指数确定 |
| 4.4 私人收益率 |
| 第5章 中国R&D资本化测度 |
| 5.1 中国总体R&D资本测度 |
| 5.2 不同类型R&D资本测度 |
| 5.3 不同执行部门R&D资本测度 |
| 5.4 R&D资本转化度测算 |
| 5.5 各地区 R&D 资本的测度 |
| 第6章 R&D资本估算数据比较与检验 |
| 6.1 不同汇总视角下总体R&D资本估算数据比较与检验 |
| 6.2 不同价格指数下总体R&D资本估算数据比较与检验 |
| 第7章 中国R&D资本化对GDP影响程度测算 |
| 7.1 R&D资本化对GDP影响度测算 |
| 7.2 R&D资本化对投资影响度测算 |
| 7.3 R&D资本化对消费影响度测算 |
| 7.4 采用生产函数理论来看R&D资本化的影响 |
| 第8章 结论与建议 |
| 8.1 结论 |
| 8.2 建议 |
| 主要参考文献 |
| 附录1 基础数据 |
| 附录2 美国BEA的R&D卫星帐户的相关表格 |
| 附录3 中国R&D统计制度相关数据表格 |
| 攻读博士学位期间发表论文清单 |
| 攻读博士期间参加的科研项目 |
| 致谢 |
四、区分R&D与非R&D活动的准则（论文参考文献）
- [1]北京市“高精尖”产业结构构建的影响因素分析[D]. 代茂兵. 北方工业大学, 2020(02)
- [2]管理者短视下R&D操纵与业绩兼顾行为[J]. 贺亚楠,张信东,郝盼盼. 财经论丛, 2019(12)
- [3]中国制造业R&D投入影响全要素生产率增长的机制研究[D]. 王秀婷. 武汉理工大学, 2019(01)
- [4]政府补贴与企业信贷融资 ——基于政府补贴信号效应的分析[D]. 袁偲. 厦门大学, 2019(08)
- [5]无形资本投资的经济增长效应—理论机理及国际经验[D]. 王国欢. 南京财经大学, 2019(04)
- [6]创新路径对高技术产业创新驱动效率的影响效应研究[D]. 侯建. 哈尔滨工程大学, 2018(04)
- [7]油气垄断企业技术创新效率研究[D]. 杨洋. 西南石油大学, 2018(01)
- [8]企业广义创新的测度及影响因素研究[D]. 孙静. 中南财经政法大学, 2018(08)
- [9]创新补助究竟有没有激励企业创新自主投资--来自中国上市公司的新证据[J]. 李万福,杜静,张怀. 金融研究, 2017(10)
- [10]SNA2008框架下中国R&D支出纳入GDP核算研究[D]. 王科欣. 暨南大学, 2016(04)