基础研究、科技基础设施与区域专利产出

林卓玲 梁剑莹

摘 要：基础研究是区域技术创新和经济增长的重要源泉，而科技基础设施是科研活动的重要保障。运用2003—2016年我国30个省区相关数据，基于经典生产函数形式，实证分析高校基础研究投入、科技基础设施对区域创新绩效的影响效应，得出结论如下：从全国范围看，高校基础研究和科技知识基础设施对区域专利产出具有显著正向促进作用，科技物力基础设施则产生显著负向影响效应，高校基础研究和科技基础设施的协同作用对区域专利产出产生影响效应确实存在。从各地区看，基础研究、科技基础设施对不同地区专利产出的影响效应存在差异;基础研究和科技物力基础设施对各地区专利产出均产生显著正向协同影响效应，且东、中部优于西部。基础研究和科技知识基础设施对各地区具有正向协同影响效应，西部影响系数最高。关键词：基础研究;科技物力基础设施;科技知识基础设施;专利产出中图分类号：F 124.3

文献标识码：A 文章编号：1672-7312（2019）05-0559-10

Abstract：Basic research is an important source of regional technological innovation and economic growth，and scientific and technological infrastructure is an important guarantee for scientific research activities.Using the relevant data of 30 provinces and regions in China from 2003 to 2016 and based on the classical production function，this paper empirically analyzes the impact of basic research investment and scientific and technological infrastructure on regional innovation performance.The results are as follows：from a national perspective，the basic research and S&T knowledge infrastructure have significant positive effects on regional patent output，S&T material infrastructure has a significant negative effect.The synergy between the basic research and the infrastructure of science and technology has a positive effect on regional patent output.From a regional perspective，the basic research and S&T material infrastructure have significant positive synergistic effect on patent output in all regions，and the eastern and middle region are better than western region.Basic research and S&T knowledge infrastructure have positive synergistic effects on all regions，with the western region having the highest impact coefficient.

Key words：basic research;S&T material infrastructure;S&T knowledge infrastructure;patent output

0 引 言近年来，在实施创新驱动发展战略背景下，我国的社会经济发展已步入对基础研究的迫切需求时期。基础研究既是促进技术创新和产业转型升级的基础支撑，也是推动各个区域经济社会有序稳定发展的核心力量，更是實现区域创新能力提升和协调发展的前瞻引领。基础研究对区域创新绩效具有促进作用的观点已经被学者们证实[1-3]。然而，科技研究工作依赖于科技基础设施，没有现代化的科技基础设施，科技水平也难以提高[4]。孙枢院士曾提到，科技基础设施包括用于科技研发的各种硬件（科技基础材料、仪器、设备、设施等）和软件（计算机软件、数据、文献等）及其技术支撑、服务与研究空间等物质条件和信息条件[5]。目前学术界普遍认识到科技基础设施建设的重要性[6-7]。基础研究要取得突破性和颠覆性，离不开先进科技基础设施提供物质技术保障。随着我国科研经费投入不断增加，科研设施与仪器的数量也持续增长。但我国科技基础条件资源的存在“小而散”的突出特点，科技基础设施利用率和共享水平不高，重大科技基础条件还远远不能满足科技发展的需要[8]。研究将围绕科技基础设施是否优化了基础研究的科研环境，成为区域技术创新的重要保障这一问题，以国内高等学校科研活动为例，深入分析区域强化基础研究和科技基础设施布局对区域专利产出产生的协同影响效应及其差异性，以期从区域合理配置创新资源、创建高效支撑前沿科技领域开展原创性研究的科技基础设施体系、推动区域创新能力提升的需求出发，提出相应的理论和政策实践建议。

1 文献综述随着内生增长理论的发展，卢卡斯、罗默等学者在增长模型中引入基础设施变量，将其作为生产率的直接影响因素[9]。20 世纪90年代初，国外学者们[10-11]开始从基础设施规模影响TFP的视角探索经济增长机理，并认为基础设施规模促进技术进步。随后，更多学者尝试运用地区或行业面板数据[12-14]，深入揭示了基础设施的外部效应。Battistoni等[15]研究指出评价应用研究基础设施应关注技术溢出和知识创造利益。Florio等[16]运用成本效益分析法，研究指出重大研究基础设施能够产生明显的技术溢出效应。近年来，我国学者从不同的视角对基础设施的技术创新溢出效应开展相关研究，验证了基础设施依托R&D产生“溢出效应”[17-18]。王鹏等[19]运用普通固定效应静态面板数据分析和面板门槛回归模型方法证实以邮电业务总量代替的技术基础设施对区域创新产出起了显著的作用。但也有学者研究发现基础设施环境既不是创新要素、也不能够提升创新效率，其对创新绩效没有影响[20]。同时，部分学者开始关注科技基础设施与技术创新关系的相关理论研究。王卷乐等[6]在理论上系统分析了科技创新能力与科技基础设施的内在和外在关系，指出科技基础设施与创新能力建设是互动的。陈芳等[21]从政策分析的角度研究科技创新基地与平台建设部分的政策关联性。吕先志等[8]实证研究指出，科技基础条件资源对区域整体科技创新活动有积极的影响，对所在区域公立科研单位及企业科技创新活动的影响差别较大。李平等[22]从资源配置、知识平台、人力资本和协同创新4个方面的影响效应分析科技基础设施的技术创新机制，实证结果显示科技基础设施对中国技术创新有显著正向影响作用。毛琦梁[23]从基础设施的异质性角度，研究指出科技基础设施明显有利于提高地区生产率。国外学者们进一步揭示，具有更多实验室、大学等较高水平知识基础设施的区域，更有利于发挥基础知识的溢出效应，促进更多创新成果产出[24-25]。虽然理论上关于基础研究、科技基础设施与区域创新绩效的关系达成共识，但针对我国创新资源投入相对滞后而言，如何优化基础研究、科技基础设施配置以提升区域创新绩效是值得探究的问题。通过对文献的回顾发现，基础研究和技术创新均受到科技基础设施的影响[8，22，26]，顺此思路分析可知，科技基础设施可能对基础研究与区域创新绩效之间关系也会产生影响。但现有文献仍存在有待深入研究的问题，第一，对科技基础设施与基础研究的交互作用多侧重于理论分析，缺乏从实证分析的层面进行研究;第二，对基础研究或科技基础设施与创新绩效的关系研究多为单一维度对创新绩效的影响研究，但创新绩效的影响因素不是独立的，而是存在互动作用;第三，基础研究和科技基础设施是国家创新体系建设中的关键要素，尚未涉及如何调控基础研究与科技基础设施的协调配置问题。结合我国各地区经济发展水平和基础研究能力的不同，从基础研究和科技基础设施交互作用的新视角，基于技术创新情境，将基础研究、科技基础设施和创新绩效纳入统一框架，将科技基础设施分解为科技物力基础设施、科技知识基础设施2个变量，对比研究基础研究、非基础研究不同维度的影响效应，通过实证研究解析基础研究和科技基础设施交互影响区域创新绩效的机制。参照Pessoa等[27]的研究，取区域专利产出反映区域创新绩效。利用2003—2016年中国省域高校面板数据，基于经典生产函数形式，实证分析基础研究、非基础研究和科技基础设施之间对专利产出形成的协同效应和影响规律，结合中国各地区经济科技发展的异质性，对比检验不同地区基础研究和科技基础设施的交互作用对区域创新专利产出影响效应的差异。

2 研究设计

2.1 模型设定区域创新活动是重新配置生产要素和生产条件的过程。基于知识溢出对创新绩效的影响作用，Griliches构建了表征创新产出和研发投入关系的知识生产函数，其基本假设是

Y=f（R&Dimput）

（1）Jaff在改进知识生产函数过程中增加了人员投入（L）这一投入因素，其公式如下

Y=f（K，L）

（2）基于上述函数模型，围绕基础研究投入和科技基础设施协同作用对区域专利产出的影响效应，将R&D结构分解为基础研究（RDB）和非基础研究（RDN），包括应用研究和试验发展。同时，科技基础设施是开展基础研究的基本条件。科技基础设施作为公共支出，它可以作为创新生产函数的变量，一定程度上影响专利产出。因此，将科技基础设施也引入知识生产函数，进一步探究基础研究、科技基础设施与区域专利产出理论拓展模型。模型框架采用经典生产函数形式，即柯布-道格拉斯（Cobb-Douglas，简称C-D）生产函数。在该模型框架下，某区域专利产出取决于其基础研究投入、非基础研究投入和科技基础设施等。参照李平等[23]的处理方法，将科技基础设施细分为科技物力基础设施和科技知识基础设施。修改后的生产函数模型为

其中i为地区;t为年份;PAT为区域专利产出;ɑ为常数项;MI为科技物力基础设施;KI为科技知识基础设施;RDH为研发人员投入;GOV为政府重视程度;GDP为区域经济水平;OPD为对外开放度，βi（i=1，2，…，8）表示各个解释变量的弹性系数。已有文献[28-30]研究表明，政府重视程度越高，越能够为区域创新活动提供优越条件，有利于激活创新动力;区域经济水平高，则能够为创新活动提供较多的资金扶持，可以吸引高层次人才和解决资金短缺问题;外开放度对区域科技创新效率具有显著影响作用。区域创新活动中基础研究和科技基础设施的交互作用，是本研究关注的要点。基于模型（1）～（3），重点研究基础研究和科技基础设施对专利产出的影响效应，并进一步加入政府重视程度、区域经济水平和对外开放度等控制变量，以及建立多变量滞后模型，有利于比较分析检验结果。据此，分解建立若干计量模型

2.2 数据及变量测量结合上述已构建的基础研究、科技基础设施和创新绩效之间的机理分析模型，研究所涉及变量为

2.2.1 被解释变量专利产出（PAT）：专利是一个区域科技创新成果的核心和最具有经济价值的部分，是区域创新能力和综合实力的重要观测指标之一。选择各省区发明专利申请量作为创新绩效的衡量指标。

学者们普遍认为专利申请受到政府专利审查授权机构等人为因素的影响较小，更能反映区域创新绩效的真实水平。同时，相比专利授权量，专利申请量的数据统计不受到授权时间滞后性的影响，数据更易于及时获得。

2.2.2 核心解释变量基础研究（RDB）：采用高校基礎研究支出经费作为衡量指标。参照相关文献[31-32]的研究，为有效反映基础研究对当期以及往后若干期知识生产的影响，以2003年为基期，采用永续盘存法核算各省域基础研究资本存量，将基础研究支出价格指数折算为0.38×消费价格指数+ 0.62×固定资产投资价格指数后进行平减。参照相关文献，第t期的科研固定资产存量为第t-1期的基础研究资产存量与第t-1期基础研究资产支出现值之和，即

Kt=Et-1+（1-δ）×Kt-1

（11）

式中

Kt-1，Kt

为第t-1期、第t期基础研究资本存量;Et-1为第t-1期基础研究资产支出;δ为折旧率，设定为15%.假定基础研究资产存量K的平均增长率等于基础研究支出的算术平均增长率g.当t=1时，

K1=（1+g）×K0.由式（11）可知，

K1=E0+（1+δ）×K0.综合上述2式，即可得基期的基础研究资产存量

K0=E0（g+δ）

（12）通过测算2003—2016年期间基础研究支出年均增长率可得到g值，将其代入式（12），可测算基期的基础研究资产存量，再通过式（11）测算出各年度的基础研究资产存量。科技物力基础设施（MI）：采用高校科技活动经费内部支出中的固定资产购建费作为科技物力基础设施的衡量指标，利用永续盘存法核算科技物力基础设施资本存量，其折旧率设定为9.6%，各省域固定资产购建费按照各年度相应固定资产价格指数平减后进行测算，基期科技物力基础设施资本存量的平均增长率等于历年固定资产购建费的算术平均增长率。科技知识基础设施（KI）：采用高校发表科技论文篇数作为科技知识基础设施的衡量指标，参照严成樑等[23，33]有关知识存量测算方法，利用永续盘存法核算科技知识基础设施资本存量，其知识老化率设定为9.13%，基期科技知识基础设施资本存量的平均增长率等于历年高校发表论文篇数的算术平均增长率。

2.2.3 控制变量非基础研究（RDN）：即R&D活动的应用研究和试验发展，对区域技术创新具有重要的促进作用。采用高校应用研究和试验发展支出经费之和作为衡量指标，参照基础研究衡量指标的测算方法，测算非基础研究投资存量。

研发人力（RDH）：采用高校R&D人员全时当量作为研发人力的衡量指标。政府重视程度（GOV）：采用地方政府财政支出占地区GDP的比重来衡量地方政府支出规模，表示地方政府对经济活动的干预程度。地区经济水平（GDP）：采用人均GDP作为地区经济水平衡量指标。对外开放度（OPD）：采用地区实际利用外资额与地区生产总值的比重值作为衡量指标，使用各年的平均汇率将实际利用外资额折算为以人民币为单位的金额。为有效克服多重共线性等问题，更合理地检验估计模型，采用面板数据回归模型分析研究高校基础研究强度和规模对区域经济增长的影响效应。选取我国30个省份（因西藏数据有缺，不纳入考察）作为研究样本。原始数据均来源于各年度《中国统计年鉴》和《中国科技统计年鉴》。变量数据的描述性统计结果见表1.

表1 变量数据描述性统计

变量最大值最小值均值标准差

PAT13.131 34.820 39.136 11.607 2

RDB14.271 34.773 610.688 41.634 1

RDN14.969 16.546 311.683 31.638 9

MI14.433 02.008 211.391 51.808 2

KI13.194 18.477 211.286 71.003 5

RDH10.421 05.568 38.678 41.011 4

GOV0.612 00.077 00.189 60.085 0

GDP11.277 98.006 49.772 60.688 3

OPD0.510 90.000 70.027 90.032 7

3 實证结果及分析

3.1 高校R&D和科技基础设施投入特征分析不同地区高校基础研究、非基础研究支出经费情况如图1所示。考察期间，全国高校基础研究支出经费持续增长，平均增长率为24.5%;非基础研究支出经费平均增长率为16.5%.通过测算得出，基础研究支出经费占R&D支出比重从19.5%增长到36.6%.从投资规模和强度的角度，基础研究明显均低于非基础研究，说明我国高校R&D经费支出结构失衡;但基础研究支出经费增长幅度高于非基础研究，表明国家持续加强对高校基础研究的支持力度。东部地区基础研究和非基础研究支出经费远高于中西部地区，存在明显的地区差异性。不同地区高校科技基础设施情况如图2所示。高校科技物力基础设施投入保持持续增长趋势，平均增长率为12.9%.科技知识基础设施平均增长率为8.1%.科技基础设施同样存在明显的地区差异性，东部地区科技基础设施条件均优于中西部地区，在支撑保障科技创新活动方面具有强大的优势。我国各地区经济水平发展不均衡，导致高校科技资源分布存在地区差异性，东部地区聚集了多数优质的科技资源，而中西部地区相对落后，基础研究、科技基础设施对不同地区专利产出的影响效应可能存在差异。

3.2 全国范围分析估计面板数据模型之前，第一步，通过F检验确定模型采用混合效应还是固定效应，通过B-P检验确定模型采用混合效应还是随机效应，由表2和表3可知，模型（4）～（10）的F检验和B-P检验结果均显示统计量在1%水平上显著，说明全国面板数据模型采用固定效应或随机效应优于混合效应。第二步，通过Hausman统计量检验，结果显示显著拒绝随机效应的原假设，面板数据模型适于采用固定效应模型。第三步，检验面板数据的组间异方差、组内自相关和组间同期相关，结果均显示统计量在1%水平上显著，确认面板数据存在组内和截面相关性、截面异方差的情况。为了控制相关性和异方差问题，提高模型参数估计结果的有效性，运用Driscoll and Kraay方法（以下简称DK法）估计标准误差的固定效应模型。表2中各模型估计结果表明，基础研究投入和科技基础设施对区域专利产出的影响效应基本一致。而经DK法标准误调整后模型（4）′、（5）′、（6）′中各解释变量的标准差都变小，显著性有所提高。模型（4）中，基础研究的影响系数在1% 水平下显著为正值;科技知识基础设施和科技物力基础设施作为科技基础设施的代理指标，却表现出不同的影响效应，科技知识基础设施的影响系数也在1% 水平下显著为正值，科技物力基础设施影响系数在5%水平下显著为负值。模型（5）中，基础研究和科技知识基础设施产生显著正向促进效应，而科技物力基础设施的负向影响效应更加显著。模型（6）中，基础研究和科技知识基础设施均产生显著正向促进效应，科技物力基础设施影响系数为负值，但不显著。模型（6）采用标准误调整后，科技物力基础设施产生显著负向影响效应。与模型（4）和（5）相比，模型（6）拟合度最高，这说明基础研究、科技基础设施、研发人员等方面创新投入与区域专利产出之间存在滞后性。因此，进一步采用标准误调整后的模型（6）'的估计结果可以更准确地反映实际情况。

从全国范围看，高校基础研究和科技知识基础设施对区域专利产出具有显著正向促进作用，说明增加高校基础研究经费投入和提升科技知识基础设施建设水平，有利于提高区域专利产出。高校科技知识基础设施的影响效应明显较高，科技知识基础设施（相对于科技物力基础设施）对区域专利产出具有更大的边际贡献。科技知识基础设施为科研人员跟踪国外领先技术、探索科学前沿发挥了重要支撑作用，可以为基础研究和知识传递等提供高效服务，是影响区域技术创新水平的主要因素。高校科技物力基础设施对区域专利产出的影响为负，说明科技物力基础设施建设未能通过创新资源配置的过程发挥有效的促进效应。购置仪器设备等物力设施是高校科研人员开展科研创新活动的基础保障，是实现获取创新技术成果的重要工具和手段。而目前科技物力基础设施建设未能得到充分利用，引起该现象的原因可能是以下2方面：从资源分配角度，高校科技物力基础设施投入能力具有地区差异性，东中西部地区投入能力差距大，投入资源配置不均衡;从资源利用角度，高校科技仪器设备开放与共享程度较低，未能深度融入区域协同创新，导致科技物力基础设施的利用效率偏低。资源的拥有量及其开发和利用能力决定科技基础条件资源能否有效支持科技创新活动[8]。需要进一步研究优化高校科技物质基础设施的配置和建设，积极提高科技物力基础设施的使用效率和专业化水平，调控引导科技物力基础设施对区域专利产出发挥正向促进作用。与基础研究相比，虽然非基础研究的投资规模和强度均高于基础研究，但非基础研究对区域专利产出呈现显著负向影响效应。同时，研发人员投入对区域专利产出的影响效应也是负值，显著性在10%水平上。政府重视程度和地区经济水平具有显著正向促进作用，对外开放度则具有显著负向影响效应。模型（8）～（11）是在考虑滞后期因素的基础上，进一步比较基础研究、非基础研究分别与科技基础设施的交互效应。从表3可知，基础研究、科技知识基础设施对区域专利产出具有显著正向影响效应，科技物力基础设施对区域专利产出具有负向影响效应，经DK法标准误调整后模型估计结果也基本一致。基础研究和科技物力基础设施、科技知识基础设施的交互项系数均为正值，分别是0.017，0067，其显著性水平均为1%.非基础研究和科技物力基础设施、科技知识基础设施的交互项系数页均为正值，分别为0.020，0.072，略高于基础研究相关交互项，其显著性水平也均为1%.估计结果在一定程度上表明，基础研究在科技基础设施的支撑下，能够有效促进区域专利产出。这主要是因为科技基础设施是基础研究活动的重要载体，有利于开展基础研究活动，而基础研究成果又会进一步增强科技基础设施建设，两者之间协同效应对区域专利产出发挥了有效的激励作用。在推动区域实现创新驱动发展过程中，应充分利用高校基础研究和科技基础设施显著的协同效应。同时，基础研究与科技知识基础设施的协同效应明显优于基础研究与科技物力基础设施协同效应，科技知识基础设施比科技物力基础设施发挥了更强的正向影响作用。非基础研究对专利产出呈现出负向影响效应，但非基础研究在科技基础设施支撑下具有显著的正向促进效应，说明非基础研究与科技基础设施协同作用不仅直接促进区域专利产出，而且有利于激发非基础研究的促进效应，进一步区域专利产出提高。这也说明了在实施R&D活动过程中，科技基础设施的协同影响作用不可忽视。控制变量研发人员投入影响系数是负值，但不显著;政府重视程度和地区经济水平具有显著正向促进作用;对外开放度则具有显著负向影响效应。

3.3 地区差异分析将30个省份进行划分，利用各地区相关数据分别估计检验模型（8）～（11）。表4为东中西部地区模型估计结果。东、西部基础研究正向影响区域专利产出，但各地区的影响系数和显著性均不同;而中部地区呈现出与东、西部不同的现象，即基础研究显著负向影响区域专利产出。模型（8）和模型（10）中，各地区科技物力基础设施均产生显著负向影响效应，其负向影响程度按东、中、西部依次减弱;模型（9）和模型（10）中科技物力基础设施的影响效应均不显著。东部科技知识基础设施影响效应均显著为正;中部科技知识基础设施影响系数均为正值，但仅模型（8）和模型（11）通过显著性检验;西部科技知识基础设施影响系数也均为正值，但僅模型（9）通过10%显著性检验。

实证结果表明，基础研究和科技物力基础设施交叉项对各地区专利产出均产生显著正向影响效应，且东部和中部的协同效应比西部更强，同时也说明中部高校基础研究与科技基础设施协同作用有利于促进发挥基础研究的正向影响效应。基础研究和科技知识基础设施、非基础研究和科技知识基础设施交叉项对各地区具有正向影响效应，东部和西部通过1%显著性检验，且西部影响系数高于东部，而中部不显著，表明虽然西部创新资源相对贫乏，但是西部比东中部更能有效地利用科技知识基础设施支撑基础研究和非基础研究活动，以取得更好的专利产出绩效。非基础研究和科技物力基础设施交叉项对各地区也均产生显著正向影响效应，中部影响效应最高，东部和西部地区依次减弱。

3.4 稳健性检验为检验上述研究结果的稳健性，进一步采用发明专利申请数作为区域专利产出绩效的测量指标，重新估计检验高校基础研究、科技基础设施对区域专利产出绩效的影响效应。结果表明，各计量模型的参数估计结果与前文的分析基本一致，且基础研究与科技物力基础设施、科技知识基础设施的协同效应均具有显著正向促进作用，支持前文的研究结论，研究结果具有较强的解释力。

4 结 语

1）从全国范围看，高校基础研究和科技知识基础设施对区域专利产出具有显著正向促进作用，科技物力基础设施对区域专利产出则具有显著负向影响效应，可能是科技物力基础设施投入资源配置不均衡、利用效率偏低，导致未能通过创新资源配置的过程发挥有效的促进效应。高校基础研究和科技基础设施的协同作用对区域专利产出产生影响效应确实存在，非基础研究在科技基础设施支撑下也具有显著的正向促进效应。推动区域实现创新驱动发展过程中，应充分利用高校基础研究和科技基础设施显著的协同效应。

2）从各地区看，基础研究、科技基础设施对不同地区专利产出的影响效应存在差异。基础研究和科技物力基础设施交叉项对各地区专利产出均产生显著正向影响效应，且东、中部的协同效应比西部更强。基础研究和科技知识基础设施交叉项对各地区具有正向影响效应，西部影响系数高于东部，而中部不显著。非基础研究和科技基础设施交叉项对各地区也均产生显著正向影响效应。

3）研究结果表明高校科技物力基础设施对区域专利产出存在负向影响效应，已投入大量经费的科技物力基础设施并没有发挥正向促进效应，该问题要引起重视，在实施区域科技创新管理措施过程中，应注重强化对科技物力基础设施建设经费的评估，以引领区域创新能力发展为目标，结合高校开展研发活动的特点和规律，加紧健全科技物力基础设施开放与共享机制和措施，进一步优化科研经费的使用途径，提高科研经费使用效益。

4）根据高校基础研究和科技知识基础设施对区域专利产出绩效的显著正向促进作用，在编制区域创新政策过程中，应深入解析基础研究与科技基础设施之间的协同效应，除了要加强基础研究投入，还应重视科技基础设施的协调配置，通过基础研究活动提高科技基础设施的使用效益和保障功能，建立和完善区域基础研究与科技基础设施协调发展的有效监控系统，注重促进基础研究与科技基础设施协同创新发展驱动区域创新绩效提升。

参考文献：

[1] Griliches Z.Productivity，R&D and basic research at the firm level in the 1970 s[J]American Economic Review，1986，76：141-154.

[2]Rosenberg N.Why do firms do basic research（with their ownmoney）？[J].Research Policy，1990，19（02）：165-174.

[3]Czarnitzki D，Thorwarth S.Productivity effects of basic research in low-tech and high-tech industries[J].Research Policy，2012，41（09）：1555-1564.

[4]彭 洁，涂 勇.基于系统论的科技基础设施概念模型研究[J].科学学与科学技术管理，2008（09）：10-13.

[5]访科技条件平台与基础设施建设问题研究组组长孙枢[N].北京：科技日报，2004-08-04.

[6]王卷乐，彭 洁，陈冬生，等.科技创新能力及其与科技基础设施关系的研究[J].中国基础科学，2007（06）：48-51.

[7]黄振羽，丁云龙.美国大学与国家实验室关系的演化研究——从一体化到混合的治理结构变迁与启示[J].科学学研究，2015，33（06）：815-823.

[8]吕先志，王瑞丹.科技基础条件对区域科技创新促进作用实证研究[J].科技进步与对策，2013，30（16）：23-25.

[9]李 强.基础设施投资、教育支出与经济增长——基础设施投资“挤出效应”的实证分析[J].财经理论与实践，2012，33（177）：72-77.

[10]Lynde C，Richmond J.Public capital and long-run costs in U.K.Manufacturing[J].Economic Journal，1993，103：880-930.

[11]The Effects of Public Infrastructure and R&D Capital on the Cost Structure and Performance of U.S.Manufacturing Industries[ J].，1994，76（01）：22-37.

[12]Douglas Holtz-Eakin.Publicsector capital and the productivitiypuzzle[J].The Review of Ecomomics and Statistics，1994，76（01）：12-21.

[13]Fernández M，Montuenga-Gómez V M.The effects of public capitalonthe growth in spanish productivity[J].Contemporary Economic Policy，2003，21（03）：383-393.

[14]N，J.Use of infrastructures to support innovative entrepreneurship and business growth[J].Journal of Business Research，2015，68（11）：2290-2294.

[15]Battistoni G.Genco M.Marsilio M，et.Cost-benefit analysis of applied research infrastructure.evidence from health care[J]. Technological Forecasting & Social Change，2016，112（09）：79-91.

[16]Florio M，Forte S，Sirtori E.Forecasting the socio-economic impact of the Large Hadron Collider：A cost-benefit analysis to 2025 and beyond[J].Technological Forecasting & Social Change，2016，112（09）：38-53.

[17]王自鋒，孙浦阳，张伯伟.基础设施规模与利用效率对技术进步的影响：基于中国区域的实证分析[J].南开经济研究，2014（02）：118-135.[18]王仁祥，杨 曼.制度环境、基础设施与“科技-金融”系统效率改善[J].科学学研究，2017，35（09）：1313-1319.

[19]王 鹏，王灿华.创新生产技术效率、技术基础设施对区域创新的影响研究——基于省域面板数据的门槛高回归分析[J].研究与发展管理，2014，26（05）：34-42.

[20]徐 彪，李心丹，张 珣.区域环境对企业创新绩效的影响机制研究[J].科研管理，2011，32（09）：147-156.

[21]陈 芳，穆荣平，宋河发.科技创新基地与平台建设支持政策关联性研究[J].科研管理，2013，34（01）：55-62.

[22]李 平，黎 艳.科技基础设施对技术创新的贡献度研究——基于中国地区面板数据的实证分析[J].研究与发展管理，2013，25（06）：92-102.

[23]毛琦梁.异质性、基础设施与地区生产率——基于中国地级地区空间杜宾模型的实证研究[J].现代经济探讨，2017（11）：102-110.

[24]Monjon S，Waelbroeck P.Assessing spilloversfrom universities to firms：evidence from French firmlevel data[J].International Journal of Industrial Organization，2003（09）：1255-1270.

[25]Belenzon S，Schankerman M.Spreading the word：geography，policy，and knowledge spillovers[J].Review of Economics and Statistics，2013，95（03）：884-903.

[26]罗宇航.科技创新基础能力研究——以西部地区重庆为例[J].科技进步与对策，2015，32（06）：55-60.

[27]Pessoa A.“Ideas driven growth：the OECD evidence”[J].Portuguese Economic Journal，2005，4（01）：46-67.

[28]李培楠，赵兰香，万劲波.创新要素对产业创新绩效的影响——基于中国制造业和高技术产业数据的实证分析[J].科学学研究，2014，32（04）：604-612.

[29]马军杰，卢 锐，刘春彦.中国专利产出绩效的空间计量经济分析[J].科研管理，2013，34（06）：99-114.

[30]潘雄锋，刘凤朝.中国区域工业企业技术创新效率变动及其收敛性研究[J].管理评论，2010，22（02）：59-64.

[31]卫 平，杨宏呈，蔡宇飞.基础研究与企业技术绩效——来自我国大中型工业企业的经验证据[J].中国软科学，2013（02）：123-133.

[32]Goto A，Suzuki K.R&D capital，rate of return on R&D investment and spillover of R&D in Japanese manufacturing industries[J].Review of Economics and Statistics，1989，71（04）：555-564.

[33]严成樑，周铭山，龚六堂.知识生产、创新与研发投资回报[J].经济学（季刊），2010，9（3）：1051-1070.（责任编辑：王 强）