0引言

国家重点研发计划(以下简称“研发计划”)是由科技部管理的国家重点基础研究发展计划(973计划)、国家高技术研究发展计划(863计划)、国家科技支撑计划、国际科技合作与交流专项，发改委、工信部共同管理的产业技术研究与开发资金，农业部、卫计委等13个部门管理的公益性行业科研专项等20余个科技计划及专项整合形成的新计划[1]。该计划是“十三五”中央财政科技计划改革后最先落地实施的，也是管理方式变革最大的计划类型。

研发计划在组织管理与实施上包括3个特点：一是战略性定位。研发计划支持农业、能源资源、生态环境、健康等领域的重大社会公益性研究，事关产业核心竞争力、整体自主创新能力以及国家安全的战略性、基础性、前瞻性重大科学问题、重大共性关键技术和产品、重大国际科技合作[1]，体现了国家重大战略和经济社会发展需求；二是一体化实施。研发计划着力改变原有科技计划按不同研发阶段设置和部署的做法，瞄准国民经济和社会发展各主要领域的重大、核心、关键科技问题，组织产学研优势力量协同攻关，提出整体解决方案[2]，按照基础前沿、重大共性关键技术到应用示范进行全链条设计，组织一体化实施；三是专业化管理。政府科技管理职能已然改变，不再直接管理具体项目，由专业机构负责项目从立项到验收等各环节的管理[3]。7家具备条件的科研管理类事业单位被确定为首批项目管理专业机构试点。

研发计划自2016年启动实施以来，在科技管理界引发了较多关注，多名研究人员围绕研发计划申报管理、已立项项目特征开展了相关研究，主要分为两类：一类是中观层面分析。如张红伟等[4]、张江等[5]分析了高校在参与研发计划申报中存在的优势与不足；吕鑫[6]等立足于农业科研院所探讨了研发计划申报技巧与方法；郑床木等[7]分析了2016-2017年中国农业科学院获研发计划资助情况；任佳妮[8]对陕西省承接国家重点研发计划项目提出了相应对策与建议。另一类是微观层面“解剖麻雀”式案例分析。严智宇等[9]、胡浩等[10]分别选取国内一所综合性大学，分析了该校组织实施研发计划的情况，探讨了科研工作及科研项目组织方式创新问题；朱星华[11]详细探讨了中国中车集团参与研发计划的具体做法和相关经验，并总结出“中车模式”。上述研究主要针对某个单位、某一类型单位或者某个省份，缺乏全国范围内从不同空间尺度分析研发计划项目分布情况；另外，也只总结归纳了立项项目特征，缺乏对获得研发计划资助影响因素的深入分析。基于此，本研究对2016-2018年研发计划资助项目空间分布进行研究，多角度探索其空间分布特征，分析影响各省(市、自治区)获得研发计划资助能力的主要因素，旨在对制定未来研发计划宏观战略布局以及地区、单位争取更多立项资助提供参考。

1数据来源与研究方法

1.1数据来源

研发计划自2016年开始立项资助首批项目，截至2018年12月5日，共资助了3 497个项目，本研究所需研发计划资助项目信息全部来源于科技部国家科技管理信息系统公共服务平台。考虑到研究的必要性，本研究还使用了2016-2018年《中国科技统计年鉴》、《中国统计年鉴》中各省(市、自治区)相关面板数据。

1.2研究方法

首先，本研究以2016-2018年研发计划资助项目及相关信息为研究对象，基于Arc GIS工具构建地理信息数据库，从区域、省际、城市3个尺度分析研发计划资助项目空间分布情况，应用城市首位度、自然分界法等统计指标和统计方法，选取G系数测度和分析空间特征，探测获研发计划资助的“热点”城市空间分布。G系数是空间统计学中一种基于距离权矩阵的全局空间自相关指标，其计算公式如下：

(1)

式(1)中,Wij是i、j单元间的距离权。显著的正表示单元i的邻居的观测值高，显著的负表示单元i的邻居的观测值低。

其次，本研究从研发投入、研发主体、科技成果、经济发展水平4个角度选取变量，构建面板回归模型，基于面板数据确定最优分析模型，定量分析影响各省(市、自治区)获批研发计划的主要因素，并提出相关建议。

2研发计划空间总体分布

2.1总体立项情况

2016-2018年研发计划累计资助了56个重点专项的3 497个项目，中央财政投入经费726亿元，项目平均资助额度超过2 000万元。本研究按照各专项前期归口管理部门，将56个重点专项划分为社会发展、高新技术、农林科技、基础研究、基础配套五大主题领域[4]，如图1所示。从中可见，获资助力度最大的是社会发展领域，资助项目及金额分别占总项目的45%和总金额的39%；排名第2位的是高新技术领域，资助项目及金额分别占总项目的21%和总金额的26%；基础研究和农林科技2个领域的资助项目及金额分别保持在15%左右；基础配套领域资助项目和金额最少。按高校、科研院所、企业3种类型对研发计划项目承担单位进行分类统计发现，高校承担研发计划项目最多，高校、科研院所和企业分别承担了41%、38%和21%的项目；科研院所获得研发计划经费最多，科研院所、高校和企业分别获得41%、36%和23%的经费。

2.2地区获资助分布

(1)按研发计划项目承担单位所在地区进行统计，2016-2018年中国内地共有31个省(市、自治区)获得研发计划资助。按照我国经济发展水平，将31个省(市、自治区)划分为东部(11省)、中部(8省)和西部(12省)3个区域，东部、中部和西部地区获资助项目数分别占总项目数的78%、13%和9%，东部、中部和西部地区获资助金额分别占总经费的78%、14%和8%。从地区整体实力看，东部地区优势明显高于中、西部地区。

(2)省际获资助“梯队”划分。按照自然分界法，将中国内地31个省(市、自治区)2016-2018年获研发计划资助金额划分为5组，如表1所示。从中可见，第1组仅包括北京，第2组包括上海、江苏，第3组包括广东、山东、浙江、天津和湖北。考虑到区位、经济、科技实力等因素，将第1～第3组划分为获研发计划资助的“第一梯队”，将第4组和第5组分别归为“第二梯队”和“第三梯队”。不难发现：①在第一梯队的8个省(市)中，东部地区占7个；②在8个中部省份中，仅有湖北位于第一梯队，5个省位于第二梯队；③在12个西部省(市、自治区)中，3个省(市)位于第二梯队，有9个省(自治区)在第三梯队；④东、中、西部各省(市、自治区)之间实力相差比较悬殊，福建、河北、海南3省以及山西、江西两省分别是东部、中部地区获研发计划资助能力较弱的省份，四川、陕西、重庆3个省(市)是西部地区获研发计划资助能力较强的省(市)。

(3)省际首位度对比分析。本研究借用城市首位度模型分别计算东、中、西部地区获研发计划的省际首位度,用来衡量区域内各省(市)规模分布状况，计算公式如下：

Pr=Sc/S

(2)

其中，Pr为省际首位度，Sc为该地区获研发计划经费最多的省(市)资助金额，S为该地区获研发计划经费排名第二的省(市)资助金额。计算发现：东部地区省际首位度为4.6，该区域研发计划资助金额排名第一的北京是排名第二上海的4.6倍；中部地区省际首位度为1.8；西部地区省际首位度为1.2。一般而言，城市首位度小于2，表明结构正常、集中适当；大于2，则存在结构失衡、过度集中趋势[12]。因此，东部地区获得研发计划资助过度集中在北京，整体结构不平衡，中部地区在湖北、西部地区在四川适度集中，结构比较合理。

2.3城市获资助分布

(1)本研究基于Arc GIS工具，对2016-2018年122个获研发计划资助的城市相关信息进行统计，城市获研发计划资助分布如图2所示。从中可见，除北京、天津、上海和重庆4个直辖市以外，在其余27个省(市、自治区)中，获研发计划资助城市数较多的依次是山东(15)、浙江(13)、江苏(11)、广东(9)、河南(8)、辽宁(7)、河北(6)。在122个城市中，31个直辖市、省会城市获得研发计划87.6%的经费资助，91个一般城市仅获得12.4%的经费资助；在直辖市和省会城市中，北京获得研发计划资助经费超过300亿元，其它资助经费超过20亿元的城市依次为上海、南京、武汉、广州、天津5个城市；除直辖市和省会城市外，资助经费超过1亿元的城市包括：江苏扬州、苏州、无锡、常州、徐州，山东青岛、潍坊、泰安、烟台，福建厦门、宁德，四川雅安、绵阳，河南安阳、洛阳，广东深圳，辽宁大连，陕西咸阳，安徽芜湖，海南三亚，浙江宁波，湖南株洲等。

(2)以获得研发计划资助金额作为考察指标，计算出122个城市的G系数。从中发现，78.7%的城市G系数在-1～1之间，G系数大于1即所谓的“热点城市”并不是获研发计划资助金额排名靠前的城市，而是辽宁沈阳、鞍山、本溪、丹东，山东青岛、威海、东营、淄博、聊城、新泰、莱芜，如图3所示。从中发现，G系数高的城市主要分布在环渤海地区，尽管上述城市并非是统计学意义上的热点城市，但环渤海地区是我国最大的工业密集区以及重要的重工业和化学工业基地，该区域内多个城市获得了研发计划资助，城市间竞争实力相当。因此，要成为具有显著统计学意义的热点城市，要素应具有高值，且被其它同样具有高值的要素包围。以北京为例，由于其周边城市远远达不到北京获得的研发计划资助力度，故北京G系数并不高，仅为0.72。

(3)对密集分布的测量可提供一个表示中心周围要素离散度的值，这个值就是标准距离。通过计算要素的标准距离，生成一个以标准距离为半径的圆，可概括密集分布特征[13]。基于Arc GIS标准距离工具测量全国122个城市获得研发计划资助覆盖范围，结果显示，在半径912km的圆形区域内共有81个城市获得研发计划资助，占获资助城市总数的66.4%；获得资助金额为614.9亿元，占总资助金额的83.8%。

3空间分布特征与影响因素分析

3.1研发计划项目空间分布特征(2016-2018年)

(1)全国范围内，东、中、西部地区获研发计划资助整体水平呈现“东强西弱”的空间分布特点，且东部地区过度集中在北京，整体结构不平衡，中部地区集中在湖北，西部地区在四川适度集中。

(2)各省(市、自治区)获研发计划资助水平呈现优势集中、高低错落的空间分布特点，具有明显的梯度性。

(3)直辖市和省会城市获研发计划资助金额比重高，山东、浙江、江苏是获研发计划资助城市最多的3个省；环渤海地区城市群获研发计划资助金额的G系数较高；66.4%获得研发计划资助的城市位于半径为912km的圆形区域内，获得资助金额占总金额的83.8%。

3.2影响因素分析与模型设定

3.2.1 影响因素分析

本研究选取各省(市、自治区)获得研发计划资助项目数(NUMBER)作为被解释变量，代表区域获得研发计划资助能力。影响地区获得研发计划资助的主要因素包括：研发投入、研发主体、科技成果、经济发展水平，本研究选取的解释变量包括：①研发投入因素。研发投入体现了一个区域创造、传播和利用知识的能力，通常研发投入越多，区域创新强度越高，创新产出也就越多[14 ]。研发投入包括研发经费投入和研发人员投入两类，本研究选取地区R&D经费投入强度(INTENSITY)，即R&D经费与地区GDP的比值，以及国际上通用的用于比较科技人力的指标——R&D人员全时当量(STAFF)作为研发投入衡量指标；②研发主体因素。由于高校集人才培养、科学研究、社会服务和文化传承与创新等多重功能于一身[15]，被认为是“人才汇集地”和“科研重镇”[16]，因此选取高等学校数(UNIVERSITY)对研发主体进行测量；③科技成果因素。科技论文是重要的科技成果，被世界主要检索数据库收录的论文数量体现了地区基础研究实力。因此，本文选取各地区SCI(SCI)和CPCI-S(CPCI)收录科技论文数对科技成果进行测量；④经济发展因素。本研究选取地区生产总值(GDP)和人均生产总值(AGDP)对经济发展进行测量。

3.2.2 模型设定

各地区获得研发计划项目回归模型如下：

lnNUMBERit=alnINTENSITYit+blnSTAFFit+clnUNIVERSITYit+dlnSCIit+elnCPCitI+flnGDPit+glnAGDPit+μit+νit+εit

(3)

式(3)中，t表示时期(t=1,2,3)；i表示省市编号(i=1,2，….N)，本研究中N=31；a，b，…,g为待估系数；μit，νit，εit分别表示个体效应、时间效应和随机误差项。

3.2.3 模型分析结果

基于2016-2018年中国内地31省(市、自治区)获批研发计划项目数及各变量数据，利用Stata15.0软件，对各变量Levin、ADF-Fisher单位根进行检验。结果表明，所有变量均为0阶单整1(0)，说明数据具有平稳性，适合进行面板回归分析。

静态面板数据模型主要包括混合估计模型、固定效应模型和随机效应模型，回归结果见表2。从中可见，通过F检验判断固定效应模型优于混合估计模型，通过Hausman检验判断固定效应模型优于随机效应模型。因此，针对固定效应回归模型的回归结果进行分析和说明。

回归结果显示，经费投入强度(INTENSITY)、人员全时当量(STAFF)、高等学校数(UNIVERSITY)、CPCI-S收录论文数(CPCI)、地区生产总值(GDP)、人均地区生产总值(AGDP)6个解释变量系数显著，具体而言：①研发投入情况对本地区获得研发计划资助具有重要影响。模型显示，R&D经费投入强度和R&D人员全时当量分别通过了1%、5%水平的显著性检验，且符号为正，说明R&D经费投入强度和人员全时当量越大，该区域获得研发计划资助能力越强；②拥有高等学校数量是造成地区获得研发计划资助能力差异的主要原因。在拟合模型中，高等学校数对地区获得资助能力差异通过了5%水平的显著性检验且符号为正，说明高等学校是我国承担重点研发计划的主力军之一；③CPCI-S收录论文数通过了1%水平的显著性检验且符号为正，表明CPCI-S收录论文数对地区获得研发计划资助有较大影响。CPCI-S主要收录重要的科技会议论文，内容新颖、专业性和针对性强，能够及时反映世界科技领域的新发现、新成果、新成就及学科发展趋向，是一种重要的情报源；④地区生产总值、人均地区生产总值分别通过了5%、10%水平的显著性检验，且符号均为正，说明越是经济发达地区获得研发计划资助的能力越强，也从侧面揭示了我国研发计划空间分布呈现“东强西弱”的原因。

注：***、**、*分别表示在1%、5%、10%水平上显著

4结语

4.1结论与启示

综上所述，本文对2016-2018年国家重点研发计划资助项目空间分布进行研究，总结资助项目空间分布特征，通过建立实证模型，对影响地区获得研发计划资助的相关因素进行实证分析。结果显示：地区R&D经费投入强度、R&D人员全时当量、拥有高等学校数、产出CPCI-S收录论文数、地区生产总值、人均地区生产总值与该区域获得研发计划资助正相关。据此，围绕研发计划宏观布局及各地区、单位特别是高校如何争取更多立项资助提出如下建议：

(1)随着国家财政科技投入的稳步增长，研发计划已成为我国支持重大社会公益性研究、重大科学问题、重大共性关键技术和产品研发的重要渠道，因此需要在宏观资助策略上采取相应措施统筹不同区域获得研发计划项目资助的空间分布情况，促进区域研发能力均衡发展，进一步规避空间分布上出现“强者更强”、“弱者更弱”的马太效应[13]。同时，还需要加强对各研究领域的宏观战略布局，一方面要统筹部署全国、区域性重大科技任务，重点解决关键领域的“卡脖子”技术问题；另一方面应加强与改革前国家科技计划重点支持领域的有效衔接，特别是在需要政府财政投入为主的社会公益性研究、重大科学问题领域应优先部署研究任务，给予持续支持，避免某些重点研究领域出现断层现象。

(2)区域经济社会发展需要持续的技术创新作为基础和支撑，因此地方对承接研发计划项目的积极性非常高、竞争也日益激烈。如何才能抢占先机，本研究认为：一是进一步加大研发投资强度。近年来，我国研发投资增长速度较快、投资规模较大，但与发达国家相比，研发投资强度仍存在一定差距。因此，无论是国家层面还是各地区层面都应该进一步加大研发投资力度，特别是加强基础研究投资力度；二是鼓励区域间利用区域经济、产业、资源差异协调发展。经济相对发达地区应更加注重原创技术、颠覆性技术研究，加大研发投入力度，经济相对欠发达地区在注重研发投入的同时，也要强化以产业化、应用研究为主，主动承接经济相对发达地区的创新成果，形成自己独特的创新优势[17]。

(3)承担研发计划是当下我国高校双一流建设过程中的重要机遇，高校之间、高校与科研院所之间既存在合作也存在激烈的竞争，但高校具有学科门类广、人才资源丰富等独特优势。为进一步发挥高校“科研重镇”的作用，本文认为：一要坚持国家重大需求和产业发展重大瓶颈问题导向，主动谋划，凝练新专项，积极抢占未来学术制高点；二要探索建立围绕产业关键共性技术、重大装备研发开展产(企业)学(高校)研(科研院所)联合攻关的常态化合作机制[18]，将技术创新与应用示范相结合，搭建应用开发、成果转化、产业发展的完整产业链[5]，形成目标统一、信息共享、利益共赢的科研共同体，进一步提升高校承担国家重大科技任务能力。

4.2不足与展望

(1)本文所用数据来源于国家科技管理信息系统公共服务平台上公布的所有国家重点研发计划立项项目信息，使用固定效应模型回归分析了影响不同地区国家重点研发计划立项的主要因素，但如果有更长时间的立项项目数据，可能会提高研究结论的稳健性和回归分析的精准性，进而可以分析影响不同类型承担单位立项的主要因素。

(2)本文基于各省(市、自治区)国家重点研发计划立项数据，采用GIS工具和空间分析方法对研发计划资助项目的区域分布特点进行分析，有助于从总体上把握立项项目分布态势，但要探索其分布规律及形成机理等问题还需要进行深入探讨。

参考文献:

[1] 国务院.关于深化中央财政科技计划(专项、基金等)管理改革的方案[EB/OL]. http://www.gov.cn/zhengce/content/2015-01/12/content_9383.htm.2015-01-12.

[2] 金振蓉，杨舒.国家科技计划管理重大思路转变 政府退后+五类计划[N].光明日报，2015-01-08.

[3] 徐长春,郑戈,熊炜.科技计划项目管理专业机构建设运行若干关键问题的认识与思考[J].农业科技管理,2016-35(3):23-26.

[4] 张红伟,李红军,李晨英.从国家首批重点研发计划看高校的科研隐忧与发展策略[J].科学管理研究,2017,35(2):26-30.

[5] 张江,张利格.首批研发计划高校立项特征分析及思考建议[J].北京航空航天大学学报：社会科学版,2018-05-04:61-64.

[6] 吕鑫，仇贵生，孟照刚.对农业科研院所申请国家重点研发计划的思考[J].农业科技管理,2016,35(5):19-20.

[7] 郑床木,张江丽.国家重点研发计划立项情况分析及对策建议——以2016-2017年中国农业科学院为例[J].农业科研经济管理,2018(1):4-9.

[8] 任佳妮.对陕西省承接国家重点研发计划项目的思考——基于科技报告数据的分析[J].中国科技资源导刊,2018, 50(3):24-29.

[9] 严智宇,程术希.高校面向国家重点研发计划项目组织方式研究——以浙江大学为例[J].今日科技, 2016(11):50-52.

[10] 胡浩，焦妙丽，陈铁牛，等.高校在2016年国家重点研发计划中的实施情况分析——以W大学为例[J].科技咨询，2017(33)：151-153.

[11] 朱星华.重点研发计划项目管理的“中车模式”浅析[J].全球科技经济瞭望,2017,32(10):45-48.

[12] 雷仲敏，康俊杰.城市首位度评价：理论框架与实证分析[J].城市发展研究，2010(4)：33-39.

[13] 张祚,吴善超,李江风，等.基于GIS的国家自然科学基金资助项目空间分布研究[J].世界地理研究，2012(12)：164-175.

[14] 潘三毛，刘中爱.基于专利影响因素分析的我国中西部地区创新水平提升研究——以安徽省为例[J].重庆科技学院学报：社会科学版, 2018(6):49-52.

[15] 胡锦涛．在庆祝清华大学建校100周年大会上的讲话[EB/OL]．http://www.gov.cn/ldhd/2011-04/24/content_1851436.htm.2011-04-24.

[16] 钟秉林．中国大学改革与创新人才教育[M]．北京：北京师范大学出版社，2008.

[17] 关成华,袁祥飞,于晓龙.创新驱动、知识产权保护与区域经济发展[J].宏观经济研究，2018(10)：86-92.

[18] 侯婉莹,刘蓉蓉,戴培刚，等.对研发计划组织管理的思考与建议[J].农业科技管理,2017,36(2):18-21.