发展科技指标，促进政策的分析和评估

—— OECD的经验
丹尼尔·马尔金 （ OECD科技工业司）

　　首先感谢中国科技指标研究会邀请我参加这个非常重要的研讨会来研究科技指标及其在科技政策中的应用。
今天我要讲的主要内容有：科学技术与经济增长，科技指标的发展及OECD所起的作用，OECD开发或收集的科技指标，运用科技指标进行政策分析和评估，OECD对中国科技指标的研究。

一、科学技术与经济增长
　　回顾经济学发展的历史，技术对经济增长的重要性很早就得到承认。亚当·斯密是第一个试图了解技术对经济增长重要作用的经济学家。亚当·斯密在18世纪中叶提出了著名的“看不见的手”的论断，这只手以最佳的方式支配着经济资源的分配。除了关于市场功能的研究，他关于分工对工业现代化作用的研究也是众所周知的。实际上亚当·斯密是第一次工业革命的知识奠基人。他是第一位懂得技术对提高生产率和分工过程作用的经济学家。其他著名经济学家也对理解技术对经济增长的作用做出了贡献，其中当然有马克思，他写了很多东西阐述了技术在资本主义发展过程中的作用。在本世纪初期奥地利有个经济学家叫熊彼特，他强调技术和竞争在创造新财富过程中的作用。战后美国经济学家索罗试图分析技术在经济发展中的作用。他提出了所谓生产函数和余值因素，来解释除资本和劳动因素而造成的大部分的经济增长。但他把技术看成某种外来因素，他用技术来解释经济增长中无法用劳动和资本的增长来解释的部分，但没有说明技术是从哪儿来的。近来新的经济理论试图解释技术是从哪里来的，把技术看成是内生的增长因素。80年代后期这方面的重要经济学家是美国的保罗·罗莫教授。他的新增长理论认为技术是经济发展过程中的内生因素。
　　另外还有体制经济学，它对于更好地了解技术在增长中作用，从而更好地制定政策是很重要的。R&D水平与经济增长的关系并不是一种简单的关系，实际上是一个非常复杂的黑箱。体制对不同的国家都很重要，这里体制指研究所、企业、政府的作用，高等教育制度等，以及这些机构之间促进或阻碍知识流动的各种关系。你们中间有些人可能熟悉国家创新体系。OECD在这方面做了很多研究，试图运用这个概念框架去看R&D投资与创新和经济增长的关系。我们出版了《创新系统管理》这本书。
　　科技创新系统中的所有角色都受到外部环境的影响，比如产品市场的条件，资金、劳动力的影响，通信基础设施，教育与培训系统，所有要素在国家创新系统中都发挥影响。创新对经济的增长，对创造工作机会以及对国家的竞争力做出贡献，详见图1。比如竞争体制不完善，就会阻碍创新系统的效果；如果金融体系运行不好，也会对创新系统有所影响；如果科学系统与企业系统之间关联不好，科技成果不能很好地实现商业化，同样也会影响创新体系。可见科技与经济增长的关系非常复杂，并不仅仅是R&D投资问题。有的国家R&D投入非常高，而创新非常糟糕。典型的例子是前苏联，科技系统工作得很好，但创新体系运行很差，科技与产业之间联系很差。所以必须把这些要素结合在一起，才能发挥作用。

图 1 创新系统中的角色及其联系

　　我简单介绍一下 OECD 国家的一些经验，这都是文献中的东西。例如，你使用创新调查根据样本企业回答的资料，可以进行经济计量分析，区分哪些是创新的企业，那些是非创新的企业。我们可以看到美国、加拿大、澳大利亚、法国、荷兰等国的一些研究，得出主要结论大体一致，可以看出 R&D 投资时进行员工培训和组织结构调整的企业比没有开展这些活动的企业有更多的创新并创造更多就业机会。从微观上说在企业层次上有坚实的证据说明知识投资创新与创造工作机会之间有相关性，技术创新与组织创新的互补是非常重要的，如果只有技术上进步没有组织上的变革是不会成功的。一些高技术企业只是采用新技术而不改变公司的内部工作组织，最后失败了。在宏观经济层次上也有证据表明创新、 R&D 和经济增长之间存在正相关性，这与理论研究是一致的。技术增强了资本和劳动的效率，计算机就是一个很好的例子，从而提高了多要素生产率，这是指资本和劳动相结合去生产产品的方式。有人问，我投入一美元对增长会有多大贡献？ OECD 作了一些经济计量分析，试图弄清企业、公共部门每投入一美元开展 R&D 活动的效果，以及用外国每一美元 R&D 费用的作用，因为通过技术的国际扩散，国外的 R&D 也会影响国内经济。对这些调查结论要谨慎，因为它使用了不同国家的数据，而各国的 R&D 投入模式都不一样。

二、科技指标的发展及 OECD所起的作用
　　 首先引用弗里曼的两段话，他是科技指标研究的一个先驱。他的第一段话强调统计的重要作用。而另一段话说：量化的指标对科技政策形成过程中是一个需要考虑的重要因素，但可能不是一个最重要的因素。上面两种说法似乎有矛盾，但它们是互补的。如果只有统计数据而不了解系统的政治经济学性质，就不可能很好地进行政策设计与评估。反过来，如果只有对科学技术系统，如企业、政府、大学、研究所的政治经济分析，但没有过硬的统计指标资料，也做不好政策研究。这也就是说，要把对创新系统的定性分析和定量统计结合起来。
　　 OECD 遇到了哪些挑战？首先要开发可靠的科技投入统计系统，不仅是可靠的，而且是国际可比的。还要开发“流量”（ throughput ）指标，它描述科技和创新系统各部分之间的相互作用，事实上，这与知识的流动有关。接下来是关于描述产出和绩效的指标。当然要做好这些工作，都要满足政策需求的变化，在做些工作时都要解决方法论，这是统计专家的工作中很重要的一部分。统计专家要建立统计系统、获得统计资料，还要进行分析，以便了解统计数据的意义。科技指标可以有不同分类，我的分类方法如下表：“流量”指标，这是个“黑箱”，连接投入指标与产出指标，它在系统之内，但难于了解它对知识流动的作用，它也是形成知识必需的基础设施。投入指标包括 R&D 、无形投资，还包括固有技术、风险资本等。中间的“黑箱”是创新活动，包括知识的流动、基础设施等等，这些是促使投入转化为产出的中间环节。最后是产出指标，包括创新、专利、生产率、技术收支平衡、高技术贸易以及论文，还有就业。
　　 二战以后科技指标发展的历程简述如下。在 50 年代只关注 R&D ， 60 年代之后就引入专利、技术收支平衡， 70 ～ 80 年代又引入高技术产品、论文、人力资源和创新调查，创新调查是从 80 年代开始的。指标越来越复杂， 90 年代增加很多指标来理解创新的过程，政府为了促进创新而用了很多政策工具。在 90 年代还增加了企业的兼并和收购、风险投资、生产率、投入产出矩阵、信息通讯技术、无形投资、公众对产业技术的支持、政府对产业技术的支持、生产技术的调查、创新的调查。这些复杂指标中某些指标是比较成熟的，比如《弗拉斯卡蒂手册》、《专利手册》使用的指标等等。现在之所以使用一些新指标，如风险资本，主要因为科学技术发展的环境发生了很大的变化。风险资本、金融问题对科技发展的影响越来越大，风险投资显得越来越重要，现在很多国际组织在收集风险资本的数据。
　　 OECD 不是一个统计组织， OECD 开发统计方法是因为对研究政策有用。统计数据和指标的开发都是由政策驱动的。 OECD 是国际上科技统计和指标开发的领先组织。当然也有其他国际组织，如联合国教科文组织，欧盟的统计机构（即欧洲统计局）等等都做这方面的工作。这些科技统计的定义和标准不是 OECD 的官员们制定的，是由参与这项工作的各国专家共同制定的。这个组织叫 NESTI ，即科技指标国家专家组，在科技政策委员会下工作，这些专家制定统计方法和标准规范，使统计能响应各成员国的政策需求。一个重要的问题是这些指标应是国际可比的。中国是科技政策委会的观察员，可以观察员身份参加科技指标专家组，可以为制定方法论做出自己的贡献。

科技指标的类型

图 2 OECD开发科技指标的方式

　　OECD 开发科技指标的工作方式如图 2 。成员国政策制定者说明他们关心的政策问题。首先看看我们现有的东西能不能回答这些问题，如果有这样的政策分析就返回给他们。当然政策分析与统计数据之间还有一个过程，要通过一些方法和数据来进行分析。有时没有必要的数据，就必须获得新的指标和新的数据。这就需要有一定的方法开发这些数据和指标，找出一些试验的数据，然后反馈回去。这就是 OECD 开发指标的简单图示。 OECD 开发科技新指标从编制《弗拉斯卡蒂手册》的时候算起至今已有 35 年了，产生了许多手册，《弗拉斯卡蒂手册》是第一部，已翻译成 10 种文字，包括中文，这是第五版，第六版也快出来了。这说明统计是活的东西。还有关于创新的《奥斯陆手册》，关于人力资源的《堪培拉手册》，《专利手册》，《技术收支手册》也要修订。现在正准备编写关于如何度量技术和 R&D 全球化的手册。除了这些手册，我们还出版两本统计数据。一本是《主要科技指标》每年出两期，每个指标下都列出 OECD 每个成员国的数据，在最新出版的一期还包括观察员国家的数据，有一章特别介绍中国统计的数据。另一本是《科学技术工业排行榜》，每两年出版一期。这本书的指标比前一本更复杂一些。《主要科技指标》里面是科技统计数据和简单的指标。后者涉及的范围也宽一些，不仅涉及科技，而且还有知识经济。我想强调一点，在上述出版物中，都有一个很重要的部分，称为“ metadata ”。“ metadata ”描述有关统计资料的界定和范围，也就是来源和方法，但我认为中国统计出版物中这部分做得不太好。在《主要科技指标》这一出版物中，就有 20 页文字描述数据的范围，特别是对每个国家的数据的特殊性作详细说明。这是特别重要的，你在分析这些数据时，如果不知道数据的范围的话可能要犯大错误。

三、 OECD开发事收集的科技指标
　　 首先讲大家感兴趣的知识指标。知识是经济增长的主要推动力，特别是在发达国家，知识对经济的增长和竞争力的推动作用超过了劳动和资本，成为最重要的投入。关于知识的指标，目前还处于早期开发阶段，只包括三个指标：对 R&D 、高等教育和软件的投资。当然，这样的描述是很简单的。

图 3 按技术密集度分类制造业中各类产业企业R&D支出所占的份额（1999年）

　　下面讲比较传统的一些指标。大部分国家 R&D 资金主要来源于企业。企业作为 R&D 的执行部门的作用也越来越重要，从 OECD 总体看 1965 年～ 1970 年期间与 90 年代相比，政府部门执行的 R&D 经费是下降的，而企业执行的 R&D 经费是在上升。总的趋势是说政府部门资助和执行的 R&D 都在下降。企业的作用在上升，高等学校比较稳定。
　　 关于创新调查的指标，虽然《弗拉斯卡蒂手册》对 R&D 支出有很好的定义，但很难用来准确定义创新的支出。一些国家做创新调查时给创新经费作了一些界定，哪些是创新经费，哪些不是创新经费。在创新经费中， R&D 大概占一半。这是平均数，不同企业不一样。服务业的创新也很重要。尽管服务业本身进行的 R&D 不如制造业，但从外部获得 R&D 成果也是创新。进入 WTO 后，服务业将更多地进入国际贸易。为了增强国际竞争力，加强服务业创新也是很重要的。再看图 3 ， OECD 部分成员国 R&D 支出的分布随不同类型的产业部门而变化。可以看出与芬兰和美国相比，日本、德国在中高技术产业 R&D 占的比重比较大，保持这些中高技术部门的产业专业化对它们是很重要的。这类产业在专业化与竞争力之间存在着很好的正相关关系。为了保持这些产业的竞争力，对 R&D 进行投资，加强专业化，像汽车产业那样保持竞争力。有一个观点很重要，即并不象一些简单化的看法那样向 R&D 投资就是向高技术产业投资。因为有些非高技术产业，它们对经济增长也很重要，也应保持和增强这些产业的竞争力。西班牙这个国家的 R&D 经费不仅投在高技术产业而且也投在中低技术产业。 OECD 对高技术的划分是按直接 R&D 和间接 R&D ，用投入产出矩阵计算各产业的 R&D 强度，划分不同的技术密集度。图 4 是部分 OECD 国家在 1990 ～ 1997 年间 R&D 经费投入增量按产业部门分布状况。德国、日本 R&D 经费增长比较快的是其他制造业，而不是制药、信息产业等。这可能在一定程度上说明这两个国家的产业结构向快速增长的产业（如信息产业）转移中遇到更多困难。美国 IT 产业的 R&D 增长很快，芬兰也很快。在 OECD 国家，信息通信产业变得非常重要。信息通信产业不是一个现成的符合国际分类标准的产业，国家科技专家组（ NESTI ）曾专门讨论国际一致的信息通信产业的界定。信息技术能使我们更好地理解科技对经济的作用，这意味着这样一组指标已经涉入到产业分类。正如我前面讲过的，为了理解科技对经济增长的作用，你们必须不局限于以往熟悉的专业领域。
　　 因为时间有限，只得略过一些关于人力资源的图表。这不是说人力资源不重要，相反是科技发展中最重要的指标之一。

图 4 部分国家1990～1997年间R&D总经费投入增量按产业部门分布

图 5 企业引进新的或技术上有改进的产品和工艺在市场上所占的份额（1996年）

　　图 5 是 1996 年欧共体国家的创新调查结果，从中可以看出各国企业是怎样引进新技术来改进产品和工艺并投放市场的。第 3 轮欧共体创新调查各国采用同样的调查方法得出的数据。从图 5 可以看出小企业在引进新技术方面不如大企业，小企业与全部企业比较，引进新技术是比较少的。
　　 与产出相关的另外一个指标是从公共部门分离出的科技型公司，这类公司是由前公共部门研究人员在自己的研究成果的基础上创办的，这是一个反映研究成果商业化的活力的指标。
　　 与产出相关的另一指标是高技术产业贸易，从图 6 可以看出爱尔兰和墨西哥高技术产业和中高技术产业出口在制造业中所占比重较高，这是因为这两个国家的外国直接投资比较多。

图6 高技术和中高技术产业在制造业出口总额中所占的份额（1999年）

术　　　

图 7 技术贸易量的增长（1985～1999年）　　　　 图8 技术收支状况的变化（1990年、1999年）

　　开发新指标，可以来自成员国统计人员的提议，但主要来自政策的需求。我们这些直接负责回答这些政策需求的人员就要开发新的指标，新的指标应有更好的国际可比性，能更好地认识知识经济的功能，有利于开发新的政策，以充分发挥知识经济的潜力。
　　 除了对指标的需求问题，同样也有指标的供应问题。这一点在中国和在 OECD 国家是类似的。例如统计人员拥有数据库，掌握不同来源的数据并配合使用，可以回答有关问题，如关于劳动力的调查和科技人力资源的数据。这也说明，要得到能够回答政策需求的指标和开发好的方法，统计机构应该有足够的经费。
　　 关于 OECD 新指标的开发情况。《弗拉斯卡蒂手册》已修订了 4 次， 1993 年出版了第 5 版，已翻译成多种文字。去年已开始第五次修订。修订关注的问题有：涉及服务业的问题，更好统计科技人力资源的问题，特定技术领域如生物技术、信息通信技术的统计问题，全球化的指标，重新思考基础科学的概念以及产业分类的变化。 OECD 还召开专题研讨会，研究界定哪些是生物技术、哪些是信息通信技术。研究信息通信技术产业的界定和度量， ICT 部门应包括哪些产品和产业，产业、政府和家庭应用信息和通信技术的指标，还要测度和界定电子商务。关于生物技术同样要考虑生物技术产业的界定。还有一个重要问题是把生物技术包括在科学领域之中。由于生物技术的重要性，我们试图从政府 R&D 预算和拨款的各学科领域中将生物技术领域单独区分出来，这样可以了解投向生物技术领域的公共开支有多少。
　　 关于基础科学的定义，在《弗拉斯卡蒂手册》中把 R&D 活动分为基础研究、应用研究和实验发展。在二战之后的一二十年中，推动基础科学或一般意义上的科学发展，是促进经济发展的重要因素。现在这个观点本身受到质疑。我们发现很难恰当地界定基础科学。例如，我们不能说大学或公共实验室做的就是基础科学，在公司做的就是应用科学。你会发现《弗拉斯卡蒂手册》的定义很难实际应用。例如，为了解决创新公司中的实际问题，研究人员有时必须进行某些好奇心驱动的探索自然规律的研究。生物技术、信息通信技术等就有这样的情况。基础科学和应用科学的界限是模糊不清的，实际上很难分清谁在进行哪种研究。有关基础科学的问题仍然出现在 OECD 的 R&D 调查问卷中，但近年来成员国关于基础科学的回答越来越少。这是因为这方面的分类不再是可操作的了。 1999 年 OECD 成员国的部长们曾做出决定，要求我们进行“持续给予基础科学足够支持的必要性和重要性”的研究。我们发现基础科学是个模糊的概念。这个项目的重点逐渐地重新确定为公共研究机构的绩效与治理。也就是说，我们遇到了不可操作的分类问题，后来归结到一个重要的公共政策问题，即维持和加强公共研究机构的问题。如果基础科学概念不再是可操作的，如同我们的研究所发现的那样，至少在大多数国家都是如此，重要的是保证公共研究机构治理和运行良好，有明确的优先领域，对公众负责，要进行绩效评估，与经济界保持良好联系。同时为满足部长们的要求，我们开始“蓝天指标”的研究。“蓝天指标”就是开发一些新的指标，第一是人力资本的流动，第二是以专利为基础的指标，第三是企业的创新能力，第四是产业 R&D 的国际化，第五是政府怎样给创新提供支撑。这项研究已产生了许多成果，包括《科学技术与产业评论》这本书，关于科学技术的新的指标出了一个专辑。

　　四、运用科技指标进行政策分析和评估
　 前面我讲到， OECD 国家中有一种普遍趋势，就是政府资助和执行的 R&D 都在减少。我并不是说，这是一个最优的投资和执行结构。仔细研究可以发现这里可能有些扭曲。比如企业 的 R&D 投资偏低，原因是什么？竞争激烈、缺乏积极性等等。

　　 图 9 政府在 R&D 投入中的作用（ 2000 年）

　　中国到 2005 年 R&D 占 GDP 的比重达到 1.5% ，今年在巴塞罗那召开的欧洲首脑会议上，欧洲国家到 2010 年要把 R&D 占 GDP 的比重提到 3% ，加拿大的目标是到 2010 年在这个指标上进入 OECD 国家的前 5 名，很多国家都把 R&D 占 GDP 的比重作为一个目标。很重要的是应该把人力资源的发展与 R&D 比重的目标相联系，因为在 R&D 经费中有很大一部分是用来支付研究人员薪水的。要迅速提高 R&D 占 GDP 比重这个“魔力”指标，就要增加从事 R&D 的人力资源，否则增加的 R&D 经费就不会有好的效果。当然，人力资源的培养需要更长的时间。中央政府可以决定能在很短的时间里把 R&D 经费增加 5% ，但不可能决定把人力资源在同样很短的时间提高 5% 。人力资源发展滞后于 R&D 经费的增加。
　　下面是一些科技指标分析有助于对政策理解的例子。图 9 是 OECD 各成员国政府在 R&D 投入中的作用。纵坐标是政府 R&D 投资占 R&D 总量的份额，横坐标是 R&D 占 GDP 的比重。各个圆卷大小表示各国政府投入的 R&D 经费的数额，可以看出各国政府在 R&D 中起着不同的作用。图 10 是公共部门（高等学校、政府实验室）执行的 R&D 经费占 GDP 的份额。这是很重要的，因为政府资金要投向各个领域。政府要决定怎样向高等学校和政府实验室这些公共部门投资，有时政府也向产业部门投资。

　　 图 10 公共部门执行的 R&D 经费占 GDP 的份额

　　从图 10 可以看出除日本之外，所有 OECD 国家、美国、欧盟和政府实验室作为整体的作用都在下降，高等学校的 R&D 经费比重却在上升。其原因是大部分政府实验室国防 R&D 经费的减少。今年美国对国防 R&D 投资增长很大，明年这条曲线就会抬头。
　　图 11 是政府对企业 R&D 的直接投入。美国、瑞典、法国、英国的投入是最高的。这些国家为什么对企业的 R&D 投资这么多？因为这些国家与国防有关的 R&D 投入比重都是比较高。令人吃惊的是，美国是一个自由经济的国家，政府对企业 R&D 的投入比重居然是最高的。美国企业占 R&D 投入的比重很大，这是事实，但人们以为政府对企业 R&D 的直接投入在美国这样的国家会比较少，但事实上政府对企业 R&D 投入相当高。这确实出乎人们的预料。
　　 关于政府对企业 R&D 投入的激励，在一半以上 OECD 国家通过财政的办法如税收减免来实现。有一种做法是税收扣除。如果企业增加了 R&D 投入，增加部分可以少交税。具体办法各个国家都不一样。图 12 是部分国家每增加 1 美元 R&D 经费税收扣除的变化率。不同国家税收优惠幅度不同，取决于各国的税收制度和不同的税收减免做法。

图 11 政府资金对企业 R&D 的直接投入（ 1999 ）

图 12 部分国家对企业 R&D 投入的财政激励

　　现在讲一下与当前政策密切相关的一些的指标。这些指标是与创新系统有关的。这些是很重要的，因为它描述知识社会知识扩散的驱动力和机构之间的相互作用。也许中国已开始开发这类指标。这些指标在中国也应得到重视，因为这是一个很重要的领域，其主要内容包括：第一是科学与产业的关系，第二是知识产权的保护体制，第三是技术转移，第四是信息通信技术的基础设施，第五是科技人力资本的流动性。就科学与产业的关系而言，有一些国家如英国，企业对公共部门研究的投入所占比重较大，光看这些还不足以了解实际情况。例如，韩国的企业与公共部门合作的就很好，人们或许可以说，这很不错嘛。当然很好。但他们合作进行一些什么研究项目？企业部门对韩国知识的发展做出什么贡献？为什么它们对公共部门投资？我们看到韩国的一些大学教授或公共实验室研究人员通过短期的合作来改进制造业开发的产品和工艺。在某种程度上，这样做的代价是牺牲了公共部门的基础科学的发展。这些指标不只是说明公共部门和私营部门之间合作的性质。如果都是为商业化工作，就会减少公共部门的研究人员从事知识发展的投入。这两者之间应保持一个平衡。这里我想提出一个观点，在努力加强基础研究成果的商业化时，必须非常注意不要削弱本国基础科学发展的潜力。美国有非常强的公共科学研究体系和工业 R&D 体系，两者的联系非常好。美国专利平均引用科学论文的数量比较大，可以看出美国制造业的专利越来越多地建立在科学成果的基础之上。这些专利不只是企业部门研究开发的产品和工艺，而是科学部门与企业部门合作的结果，至少是知识在这两个部门流动的结果。大家当然知道，要获得专利，必须披露专利技术开发中所用知识的来源。从这里可以看出创新过程对科学成果的依赖越来越强。另一类指标多多少少表明了同样的现象，就是大学与产业科技的合作的成果。美国大学与产业合作产生的论文数量，从 1987 年到 1996 的这个指数从 100 增加到 150 ，突出说明了企业和大学研究人员的合作加强的趋势。 这些指标更令人感兴趣，越来越多的科学论文产出依赖于企业与大学的合作。科学研究成果商业化与大学、政府研究机构同企业之间的研究合作应当说存在相关关系。
　　 根据美国专利数据统计，可以看出至少有两个机构参与的合作在增加，其中包括私营机构与私营机构或私营机构与公共机构之间的合作。这里我想说明的是不仅企业与公共部门之间的合作很重要，而是要指出不同机构之间的联系和相互作用的重要性。在知识创造过程中，所有参与者之间的相互作用是很重要的，无论是私营机构之间、私营和公共机构之间或公共部门之间。从另一个角度来看这个问题，即知识产权的转移。公共部门研究开发的知识怎样向企业转移，怎样商业化，怎样转移到制造业。美国、日本和欧洲相比较，美国从事知识产权转移的中介机构是最多的，大部分附属于公共部门，也有私人中介机构。
　　 专利指标在政策的制定中的作用是很重要的，在使用专利数据时要很小心。由于各国专利体制不一样，专利数据有偏差；另外，有些专利是有较大进步的技术，而另一些专利几乎没什么价值。 OECD 正在研究更有意义的与专利相关的指标。
　　 知识联系和技术扩散的重要性在于它是决定创新绩效的关键因素之一。通过这些指标测度创新体系内部各要素之间的关系，它们不是相到孤立的，而是流动的体系。我们设计了许多指标，如阐明创新知识的源头是什么，科学与产业的关系以及人力资本的流动等许多指标。这些指标如何在政策中应用？如果经济理论和其他分析认为政府应当支持企业 R&D ，那么资助规模应该多大？应该采取什么政策工具实施这种资助？因为很多国家的预算都比较紧张。例如，政府与企业的伙伴关系的紧密程度，恰当政策工具的选择，风险共担，通过杠杆作用使支持 R&D 活动的公共资源带动私营部门的投资。这里关键词是“杠杆作用”，就是政府每投入一美元 R&D 支出所带动的私营部门 R&D 支出的增长。
　　 关于不同规模企业 R&D 支出的分布，通过创新调查的数据和其他数据，这类指标可以帮助不同的国家根据各自情况决定支持中小企业的方法。另外政府对公共研究机构投入的每一美元应如何在公共试验室和高等学校之间分配。
　　 关于整个创新体系的框架。这虽然不是严格的科技指标，但我们需要这类定性信息以更好地理解创新系统的运行。高等教育、信息通讯基础设施、劳动力市场状况，特别是科技人力的流动性、金融市场包括风险投资、知识产权保护制度等等，这些都是影响创新体系的重要因素。这些体制因素对创新系统都有很大影响。我们的创新政策研究关注这些问题，而不是留给管劳动力问题的部门或留给 OECD 管劳动力问题的同事，因为这些问题影响创新系统，我们要对这些问题发表意见。我认为中国科技政策制定者也面临同样的情况。中国科技部不仅要关心 R&D 项目的资助规模，也要研究知识产权保护、科技创新能否得到资金、劳动力市场的运行能否促进部门间资源流动等等，这都是制定科技政策时要考虑的问题。

五、 OECD对中国科技指标的研究
　　 在中国成为观察员之前， OECD已开始收集中国的科技及 R&D 统计数据并编到《主要科技指标》这本书中。中国与 OECD 合作 1996 年就已开始，翻译 OECD 的手册，各部门的科技统计调查向 OECD 标准靠拢，并部分回答 OECD 的调查问卷。《主要科技指标》这本书包括中国的 R&D 统计指标，但不是所有的指标。 OECD 正在依靠这些统计资料和其他一些定性的官方文件，准备写一份报告：“中国的科学技术趋势和政策挑战”。这个报告将在九月份出版的一本书中作为一个章节出现，书的草稿已经在中国科技部和 OECD 之间进行了交流与讨论。中国数据将与一些 OECD 国家的数据进行比较，中国 R&D 的投入占 GDP 的比重，现在达到 1.0% ， 2005 年要达到 1.5% ，希望有人力资源方面相应的增长目标。这里有按执行部门分布的 R&D 人员数据。从中国 1990 年至 2000 年人力资源分布可以看出企业部门的 R&D 人员所占的比重有很大提高。我认为这很大程度上是由于公共研究机构转制为企业造成的。中国企业 R&D 人员在全国所占的比重基本与欧盟的平均水平相当，当然政府部门的人力资源还是重要的，和欧盟、美国、日本比较起来，中国政府部门研究人员比重还是比较高的。这可能引出一个关于政府部门研究人员的生产率和效率的问题。中国政府部门的 R&D 经费所占比重，按执行部门分布的国际对比与人力资源分布的比较类似，其变化很可能是由于科研机构转制引起的。企业 R&D 经费还是有所增加，但中国高技术产业的技术密集度与 OECD 国家相比有很大差距。
　　 从中国的统计数据可以看出，中国的 R&D 投入，不论是政府的还是企业的 R&D 投入，与 OECD 国家比还是比较低的。因此，促进创新的基本条件不是很具备的，主要是企业投入的 R&D 经费在整个 R&D 经费中占的份额比较低，另外科技人员占的份额也比较低，科技资源使用效率也没发挥出来。从专利的产出、人力资本的生产率等方面看，企业的科技资源与产出不相称。
　　 中国科技统计存在一些弱点，这些弱点正在改进之中。这对于更好地进行科技发展和政策分析是很重要的。也许这些并不是真正的问题，只是由于我们对中国的情况了解不够。如果讲的不对，请大家指出来。首先我们遇到的困难是弄清资金的流动情况。执行部门的经费来源于哪里，资金又流向哪些部门，私营部门和大学之间的资金流动，私营部门对政府研究机构的资助等情况不太清楚。其次是科技经费与 R&D 经费之间的关系不清楚，科技经费用的是 UNESCO 定义， R&D 经费用的是 OECD 定义，是否是科技经费减劳动力成本、固定资产、材料费就是 R&D 经费，不是很清楚。第三，有多少来自国外 R&D 经费也不清楚。在 OECD 国家 R&D 经费来源有四部分，一是政府，二是企业，三是私人非营利机构，四是国外投资。像爱尔兰、英国、法国、加拿大等国家，国外投资占 R&D 的经费比例还是相当高的，有的达到 15% 。中国现在来自国外的 R&D 经费不多，但随着知识产权保护条件的改善，国外对高技术产业发展和研究机构投资的增加，国外对中国 R&D 的投资肯定会扩大。目前世界各国竞相吸引国外对国内 R&D 的投资，中国也不例外。中国努力吸引外国投资，而外国投资的技术含量也是很重要的。所以需要有好的统计资料。最后，关于产业研究开发强度指标是否也用企业 R&D 占工业的增加值比重，是否与国际标准一致。另外关于大中型企业的定义是否与 OECD 的定义相一致。特别是关于企业的一些数据，收集的渠道等等需要详细地说明，特别有关机构转制的情况要说清。
　　 中国过去的科技指标体系是建立在机构、部门分析的基础上的，比如政府做什么，企业做什么，哪个部门经费多少，等等。现在科技统计和指标研究者的一项重大任务是从原有指标体系向描述创新体系的指标体系转变，研究创新体系内各个功能部分之间的相互作用，因为知识的流动以及合作是创新系统取得成效的基础。所以，要发展新的指标，度量机构之间的知识流动，产学研之间的合作等。例如我前面讲过的专利的合作，不同部门之间的知识交易、知识产权、科技人力资源的流动，当然还有公共部门怎样支持和激励企业 R&D 、部门之间合作模式等等。中国科技统计系统需要开发这些指标。你们已经做了很好的统计工作，发展新指标将更好地满足政策的需求。