研发年度总结范文1
关键词 高校 科研经费 科研经费结构
高校的科研活动是地区产业升级的助推器，科研经费是这个助推器得以运行的基础条件。科研经费的强度以及科研经费的结构不仅直接关系到高校科研活动的质量，还会对地区的产业升级和经济转型产生深远的影响。吉林省是中国计划经济时期重要的老工业基地，多年来，该省经济对汽车这一支柱产业的依存度较高，“汽车产业打个喷嚏，全省经济都要感冒”成为过去吉林省经济结构的真实写照。“十一五”期间，吉林省确立了以汽车、石化、农产品加工为三大支柱产业，医药、光电子信息为优势产业的经济布局，促进产业结构升级，试图改造汽车产业一业独大的局面。产业结构的升级离不开科学技术的推动。作为科学技术研究和发展的重要主体，高校的科学研究活动在产业结构的升级和经济转型的过程中起着举足轻重的作用。科研经费是进行科研活动的基本保证，科研经费投入的结构是衡量科研投入科学性的一个重要因素，因此，本文试图在对吉林省高校科研经费的投入结构分析的基础上，提出优化对策。
1 吉林省高校科研经费投入结构分析
1.1 吉林省高校科研经费投入强度
1.1.1 吉林省科研经费投入强度
科研经费强度是衡量一个国家或地区对科学创造与创新能力给予的资金支持程度的重要指标。国际上通常采用科研经费投入占国内生产总值的比例来计量科研经费强度。本文对吉林省2005-2009五年的科技数据进行分析，整理出该省这五年科研经费投入强度分别为1.08%、0.96%、0.96%、0.82和1.12%。
1.1.2 吉林省高校科研经费强度和高校科研经费占地区科研经费的比例
吉林省高校科研经费投入自2005以来呈逐年提升的态势，该省高校2005-2009五年科研经费投入分别为6.17亿元、7.84亿元、9.34亿元、11.42亿元和13.42亿元，分列全国的16、15、15、15和14位。
国际上对地区科研经费强度的衡量采用科研经费投入占国内生产总值的比例为指标，笔者认为地区高校的科研经费强度应采用地区高校科研经费占地区国内生产总值的比例来衡量。本文根据对2005-2009年数据的统计，计算出五年中吉林省高校的科研经费强度，其中2005年为0.17%；2006-2009年均在0.18%左右。
高校科研经费强度是衡量一个国家或地区对高校科研活动重视程度的一个重要因素，同时笔者认为地区高校科研经费占地区科研经费的比例也是衡量该地区对高校科研活动支持程度的一个重要因素。本文计算出吉林省高校2005-2009五年的科研经费占地区科研经费的比例为15.69%、19.17%、18.34%、21.63%和16.47%。
1.2 吉林省高校科研经费来源结构分析
高等学校科研经费的来源是多渠道的，其来源有政府部门的科研事业费和专项经费，有企事业单位的委托经费，还有来自金融机构的贷款以及其它资金。科研经费是高校开展科技创新的重要保障，也是科研资源配置的重要组成部分。2005-2009年吉林省高校各项科研经费都是逐年提升的。其中政府投入高校的科研经费从2005年的3.26亿元攀升至2009年的7.50亿元，增加了130%；企事业单位投入的科研经费从2005年的2.47亿元提升至2009年的5.28亿元，增加了114%。
从上文数据中可以看出，政府投入一直是吉林省高校科研经费主要来源。将2005-2009年五年数据加总可以看出，政府投入为25.24亿元，占总投入的53%；企事业单位投入为20.35亿元，占总投入的42%；其他投入为2.6亿元，占总投入的5%。
1.3 吉林省高校科研经费投入不同科研阶段的结构分析
作为科研活动基本的科研资源，科研经费在不同科研阶段的分布反应高校科研活动的实施情况。纵观吉林省高校2005-2009年科研经费的分布情况，不难看出，该省科研经费主要投入在应用研究，2007年和2008年两年占据科研经费总额的比例最高，将近70%，而在其他几年，也占据了科研经费总额的50%以上；基础研究投入占科研经费投入总额的第二位，在2005-2009年间，基础研究投入稳中有升，占科研经费投入总额的比例由2005年的30%提升到了2009年的38%；试验发展经费投入根据科研发展的需要，占该年科研经费总额的10%~20%左右。
2 吉林省高校科研经费投入中的问题
2.1 吉林省高校科研经费强度存在的问题
科研经费强度是衡量一个地区是否具备较高创新能力的重要指标，而地区高校的科研创新能力，一方面与地区科研经费强度相关。张玲等（2010）对部分发达国家和新兴工业化国家的科研投入规模和科研投入强度进行的研究发现，科研投入强度变化规律主要表现为以下几个方面：（1）科研投入强度具有发展阶段性。科研投入强度发展阶段主要分为三个：缓慢增长阶段（科研经费强度＜1.0%），快速增长阶段（1.0%＜科研经费强度＜2.5%）和基本稳定阶段（科研经费强度＞2.5%）。（2）科研经费强度与工业化发展阶段关系紧密。工业化发展初期，科研经费强度一般不超过1.5%；工业化发展中期，科研经费强度一般在1.5%-2.5% ；到工业化的高级阶段，科研经费投入一般可达到2.5%以上。（3）科研经费强度与创新模式密切相关。一般说来，科研经费强度在1.0%以下，技术创新处于于使用技术阶段，科研投入基本上以政府为主；科研经费强度在1.0%-2.0%之间，科技创新处于使用改进技术阶段，企业科研投入增加，与政府投入水平接近；超过2.0%以后处于创造技术阶段，科研投入以企业为主。科研投入强度达到1.0%是一个国家技术起飞的技术性标志之一，达到2.0%是一个国家进入创新驱动阶段的标志。目前，大多数发达国家的科研费通常占到国家GDP的1.5%到3%。①
随着建设“创新型国家”的进程，中国逐年加大科研投入力度，科研投入强度也从2005年1.32%提升至2009年的1.70%。根据学者总结出的发展规律，可以确定中国正处于工业化发展的中期，中国的科技创新属于使用改进技术阶段，这时也是科研投入快速增长的阶段。与全国科研投入强度一直处于高速增长的情况相比较，吉林省的科研投入一直处于一个较低的水平。2005-2009年吉林省科研投入强度一直徘徊在1.0%附近，在2008年更达到了五年来最低水平，跌至0.8%，即使在科研投入强度最高的2009年，科研强度达到1.12%，与全国水平还相差0.58%。地区总体科研经费的强度不仅是关系到地区工业阶段的发展和地区创新模式的转变，更直接关系到地区高校科研资源的多寡，因此，吉林省高校科研经费面临的首要问题是地区总体科研投入强度的问题。
另一方面，地区高校科研的创新能力与高校科研经费占地区总体科研经费的比例有关。本文2005-2009年吉林省高校科研经费占地区科研经费比例与全国高校科研经费占科研经费比例的数据进行了统计。结果表明：吉林省高校科研经费比例高于全国高校的情况；全国高校科研经费占科研经费的比例在缓慢降低，吉林省高校科研经费的比例在2005-2008年稳步提升，而在2009年却下降至接近2005年水平。如何在全国高校科研经费占科研经费比例降低的情况下继续保持吉林省高校科研经费投入的较高强度和保持吉林省高校科研经费比例的增长是吉林省高校科研经费优化面临的又一个问题。
2.2 吉林省高校科研经费来源的问题
从上文中可以看出，2005-2009年吉林省高校科研经费中政府经费占53%，企事业科研投入占42%，其他经费占5%。同期，全国科研经费来源的分布为政府经费占53%，企事业科研经费占40%，其它经费占7%。通过以上数据可以看出，吉林省高校科研经费的来源情况与全国分布基本一致，政府投入占高校科研投入的主导地位，企事业单位的科研投入居辅助地位，二者差距在10%左右。
数据显示，2008年和2009年政府投入在吉林省高校的科研投入中的比例陡增。同时，2008年和2009年全国高校的科研投入中同样也出现了这样的趋势。为提高中国高校整体科研水平，提升中国的自主创新能力，政府在近年来加大了对以高校为主的科研机构的经费投入。对于高校科研活动的进行发展来说，科研经费的大幅增加无疑会为科研条件的改善，科研活动的顺利进行提供充裕的资金，但从工业化的发展进程的角度来说，工业化发展由初期发展到工业化高级阶段一个重要的标志是企业逐渐代替政府，成为科研投入的主体。因此，应在加大政府对高校科研投入的同时积极引导企业增加对高校科研活动的投入力度，并给予相应的优惠政策，鼓励企业进行科研投入，使之逐渐成为高校科研活动的主要投资者，成为高校科研活动的发展主要动力。
3 吉林省高校科研经费投向问题
基础研究与应用研究之间的博弈一直是科学界在探讨的问题。从前文中可以看出2005-2009年吉林省高校的科研投入中，基础研究经费比例为30%~40%，应用研究比例为50%~70%，试验发展经费的比例为10%~20%；纵观全国这五年的数据，基础研究经费比例为20%-30%，应用研究经费的比例为50%~60%，试验发展经费的比例为20%~30%。无论是吉林省的数据还是全国的数据，都呈现出这样一个特点：应用研究经费的比例最高，占据高校科研经费总额的1/2甚至2/3；基础研究经费占据比例较低，占高校经费总额的1/3左右；试验发展经费占科研经费总额的1/5左右。
基础研究、应用研究与实验发展是三个不同阶段的科研活动，三者之间的关系就像树根、树干和树枝的关系。基础研究是树根，应用研究是树干，实验发展是树枝。树根是树干得以生长的基础，只有根深才能柢固，只有根深才能枝茂。而人们观察一棵树的时候往往最直观的是树干的高度和树枝树叶的茂密程度。树长高很容易，一颗三五年的小树可以长成和百年老树齐高，也可以枝繁叶茂。可是它要成长为一颗参天大树就要将根扎的越来越深，才能使其树干越长越壮，经历长年累月的风雨洗礼而屹立不倒。如何使吉林省甚至全国高校的科学研究能力成长世界科学之林中的参天大树，笔者认为目前的科研经费投入结构是不合理的，过度重视应用研究而忽视基础研究，会使得应用研究成为无本之木，虽然在短期中应用研究可以达到一定的高度，但是没有基础研究为本，没有基础研究为其提供动力，它永远不能长成一颗参天大树。基础研究经费投入的比例过低是吉林省乃至全国科研经费研究投入结构不合理的一个重要问题。
4 优化吉林省高校科研经费投入结构的对策分析
4.1 提高吉林省总体科研经费强度
高校的科研活动是地区科研体系的重要组成部分，地区科研经费的强度直接决定了该地区高校科研经费的强度，决定了高校科研活动的开展和实施。通过前文的分析可以看出，吉林省高校科研经费占科研经费的比例高于全国水平，说明该省对高校科研活动的重视程度较高，但同时存在的问题是该省总体科研强度的低水平限制了该地区高校的科研投入。俗话说“巧妇难为无米之炊”，充足的科研经费是科研活动顺利有序进行的基本保障。因此，优化吉林省高校科研投入结构的首要任务是提高该省的总体科研经费强度。从政府的角度来说，要在政策上重视对科学研究的支持，加大科研活动的财政投入，从企业的角度来说，要提高对高校等科研单位的科研活动的认识，增进其与科研单位的合作；从高校等科研机构来说，要努力提高自身科研实力，积极争取各种社会资源投资其科研活动。
4.2 鼓励企业加大对高校科研投入
政府和企业是高校科研经费的两大重要来源。中国目前的情况是政府投入占高校科研投入的一半以上，企业的科研投入比例占高校科研投入的四成左右，吉林省的情况也是如此。在发达国家，企业已经慢慢替代政府成为高校科研经费投入的主力。在美、德等国，企业的科研投入已经达到了总体科研投入的60%-70%。相对于政府来说，企业占有更加丰富的科研资源，企业的科研投入方式更加灵活，同时，企业也可以是科研成果的直接受益者。因此，优化吉林省科研经费结构就要重视企业的力量，给予企业一定的优惠政策，鼓励企业加大对高校的科研投入。同时，该地区高校要努力提高自身的科研水平，结合地区产业结构布局，发展相关优势专业，积极与相关领域企业进行合作，争取有效的社会科研资源。
研发年度总结范文2
一、引 言
金融与经济的关系一直受到学术界的重点关注，就金融发展与经济增长之间关系而言，理论文献资料主要有四种结论，分别为金融发展对经济增长有正向促进作用[1]、实体经济带动了金融发展[2]、金融发展与经济增长是双向因果关系[3]和金融发展与经济增长不相关性[4]。理论界的分歧使得实证研究兴起，众多学者通过选择指标分别反映金融体系与实体经济发展状况，实证研究两者之间的关系。Goldsmith和Gregorio等分别将金融中介资产的价值/GNP和私营部门银行信贷/GDP作为一国的金融发展指标，研究发现其与GDP之间存在同向发展关系，但后者研究表明这种同向关系在拉丁美洲国家并不适用[5，6]；Beck等和Apergis等实证结果表明，股票市场的发展对经济增长具有正向促进作用，前者选用交易成本（股票市场换手率）和金融深化（银行对私人贷款/GDP）代表金融发展，后者分别选取两个银行信贷指标与三个股票市场指标代表金融发展与股票市场[7，8]；Al-Malkawi等选用货币化比率（M2/GDP）和金融中介比率两个指标探究金融发展与经济增长之间的关系，研究发现两个变量之间存在双向因果关系[9]，而Arcand等对跨国数据的研究表明，金融部门的过度膨胀会制约经济增长[10]。
国内学者对我国金融体系与经济增长之间的关系也进行了大量研究。谈儒勇进行线性回归后认为金融中介与经济增长之间相互促进[11]；周立和王子明运用金融相关比率（某一时点上现存金额资产总额/国民财富）和金融深化比率（M2/GDP）代表金融发展程度，实证发现我国各地区金融发展与经济增长密切相关[12]；王志强和孙刚从我国金融总体发展的效率变化、结构调整和规模扩张三个方面，检验我国经济增长与金融发展之间的因果关系和相关关系，结果表明两者之间存在显著的双向因果关系[13]；王晋斌研究结果显示，不同金融控制强度下经济增长与金融发展之间存在不同的关系，在金融控制强的区域，两者之间没有显著的促进作用，而在金融控制弱的区域，两者之间可能表现一种“中性”作用[14]；袁云峰和曹旭华研究了我国金融发展与经济增长效率之间的关系，研究发现两者的关系具有明显的时空特征，金融发展并未促进我国技术效率的全面提升[15]；杨友才以金融发展水平（各项贷款余额/GDP）作为门槛变量考察了我国金融发展与经济增长的非线性关系[16]；李静萍基于“从谁到谁”资金流量表方法估计了我国部门间的资金流量，研究表明金融部门向非金融企业部门提供的金融阻碍了我国非金融企业部门增加值的增长[17]。
以上文献多从金融规模角度考察金融发展与经济增长之间的关系，事实上金融结构也是影响金融发展的重要因素，虽然也有文献从金融结构角度考察[18-21]，但多从融资方式结构（内源融资和外源融资、直接融资和间接融资）或金融机构结构（金融中介和金融市场）出发。虽然学术界对金融体系与经济发展之间的关系已经进行了相当深入的研究，但无论是从经验证据还是从理论依据看，金融体系与实体经济之间的关系并未达成一致，这是由于他们在研究角度、研究方法和数据选择等方面存在较大差异。已有文献仅通过选择指标分别代表金融体系与实体经济，并未从金融与实体之间连接渠道（资金）出发研究两者之间的关系。目前学术界在金融体系与实体经济之间的平衡关系关注较少，尤其缺乏定量研究；金融活动主要通过金融系统改善资源在投资者中的分配[22]而对经济增长产生影响[23]，这种分配是否有效，金融体系对各行业的资金支持是否与经济增长相匹配，尚未有?W者对其进行系统性分析；学者多通过选择单个或多个指标研究金融体系与实体经济之间的相互影响，但在当前金融经济“虚实分离”的背景下[24]，金融体系该如何通过资金供给的调整以更好地支持实体经济的发展还有待深入挖掘。
二、融资规模与经济增长总量协调度分析
由于我国只公布了社会融资规模总量，而未细分到各行业，为与后续分析资金在各行业之间的配置合理性一致，本文以上交所和深交所的非金融类上市公司为例，分别对各公司的股权融资、债权融资和总融资以及公司增加值进行分析。企业融资来源主要分为内源性融资和外源性融资，由于内源性融资不是从金融体系融资，而是企业用自身留存收益进行融资，因此本文只考虑外源性融资部分，外源性融资又分为债权融资和股权融资两大类[25]。本文采用公司现金流量表里披露的“吸收权益性投资所收到的现金”来表示股权融资，将“取得借款收到的现金”与“发行债券收到的现金”之和表示债权融资[26]。上市公司在现有会计制度下并未直接披露增加值指标，因此，只能运用公开财务报表数据以及收入法测算增加值，包括劳动者报酬、营业税及附加、期间累计折旧和营业盈余四部分[27]，其中，采用公司现金流量表披露的“支付给职工以及为职工支付的现金”表示劳动者报酬，采用利润表披露的“营业税及附加”表示营业税及附加，采用财务指标中的“累计折旧”当年与上年的差额表示期间累计折旧，营业盈余为利润表中披露的“营业利润”与“投资收益”之和，数据来源于CSMAR数据库，数据样本为2001―2015年。
为使指标更简单反映变量间的协调关系，对张晓东和朱德海[28]依据灰色系统理论提出的度量经济与环境的协调度公式①进行少许修改（见式1）以度量融资规模与增加值的协调度（R）。其中，x和y分别为融资规模和增加值的增长速度；当两者增长率同方向变化且两者相等时，协调度指标取得最小值，即R=0，说明两者完全匹配，共同协调发展。当两者增长率反方向变动时，融资规模与生产规模的协调程度要差于同方向变化时，R越接近0，说明两者协调程序越好，反之越差。
将所有上市公司的融资总和作为融资变量，增加值总和代表经济增长。融资规模总量与增加值总量都处于上升趋势，基本趋势保持一致，但增加值总量在金融危机期间（2008年）有小幅度下降，此外，明显发现我国上市公司融资主要来源于债权融资，股权融资相对总融资的占比较小。在公式（1）中的增长速度，运用公式yt-yt-1/yt-1计算以上一期为基期的增加值或融资规模增长速度，其中yt、yt-1分别为第t期、t-1期的增加值或融资规模，以此计算出协调度R。
总体看，股权融资与债权融资两者与增加值之间的协调度趋势并不一致，并且总量之间的协调度的波动性较大。具体而言，非金融危机期间（去除2007―2010年）股权融资总量与增加值总量之间的协调度都大于债权融资总量，间接说明相较于债权融资，2007―2010年间股权融资总量与增加值总量更协调。此外，总融资总量与增加值总量的协调度在2008年和2006年分别达到最大值和最小值，说明金融危机时融资与增加值存在严重的不协调，这是由于2008年的债权融资增长速度较大，使得总融资相对于上一年增长超过30%，但增加值总量却下降9%；除去总融资与增加值增长速度反向的2008年，2005年和2012年总融资与增加值之间的协调度值相对比较高；2013年至今，总融资总量与增加值总量协调度值不断上升，两者之间匹配度越来越差，这是由于股权融资总量与增加值总量之间的高度不协调导致的，因此，现今需对股权融资更多的关注，避免融资量过大，导致资金效率降低。
三、我国融资行业结构与增加值行业结构偏离度和协调系数分析
为反映分行业的融资规模以及相对应的增加值规模，选取各行业上市公司每年的融资规模总和以及增加值总和作为替代指标。按照《证监会行业分类》（2012版）将行业分成18个行业，分别是农林牧渔业（49）、采矿业（80）、制造业（1910）、电力热力燃气及水生产和供应业（97）、建筑业（83）、批发和零售业（173）、交通运输仓储和邮政业（97）、住宿和餐饮业（13）、信息传输软件和信息技术服务业（168）、房地产业（156）、租赁和商务服务业（32）、水利环境和公共设施管理业（33）、科学研究和技术服务业（22）、居民服务修理和其他服务业（0）、教育（1）、卫生和社会工作（5）、文化体育和娱乐业（38）、综合（37）②。此外，截至2015年底，住宿和餐饮业、居民服务修理和其他服务业、教育业、卫生和社会工作的上市公司都低于20个，因此，我们将这几个行业合并成其他服务业，即最后分为15个行业。
（一）我国融资行业结构与增加值行业结构偏离度分析
行业结构合理化指各行业增加值比重与资金在行业间分配的一致性，用结构偏离度衡量行业结构合理化指标，它也是常用的衡量协调关系的指标和分析工具。将结构偏离度定义为各行业融资（融资总额、股权融资和债权融资）所占比重除以各行业增加值所占比重减去1。当结构偏离度为零时，意味着各行业增加值所占比重和各行业融资比重数值相等，即金融体系的资金在各行业间达到最优配置，融资行业结构和增加值行业结构完全匹配。因此，结构偏离度越远离0，融资行业结构与增加值行业结构协调性越差；结构偏离度越接近0，融资行业结构与增加值行业结构匹配越合理。若某行业结构偏离度大于0，即此行业融资所占?融资比重大于增加值所占比重，存在着资金流出的潜力；反之，则存在资金流入的潜力。
从我国总融资行业结构偏离度看，农林牧渔业、制造业、批发和零售业、房地产业，水利环境和公共设施管理业、综合业的总融资结构偏离度始终基本为正值，说明这些行业存在资金流出的潜力，需提高资金运用效率增加产出。其中值得一提的是房地产业自2011年以来，结构偏离度一直处于上升趋势，若其产生的增加值不能提升，应控制对它的资金支持力度；而电力热力燃气及水生产供应业、租赁和商务服务业、科学研究和技术服务业、文化体育和娱乐业、其他服务业存在资金流入的潜力，尤其是科学研究和技术服务业，虽然其偏离度绝对值近几年处于下降趋势，但离平衡状态还是较远。科学研究是创新的主要来源，应对其给予更多的资金支持。其余行业总融资结构偏离度都经历了正负的不断转换，也呈现出不同的趋势。
表1显示是我国股权融资和债权融资行业结构偏离度从中可以看出，各行业的两种融资行业结构偏离度并不保持相同的趋势，有些行业还相差比较远，尤其是建筑业、批发和零售业、科学研究和技术服务业、文化体育和娱乐业、综合的股权融资和债权融资行业结构偏离度的方向都未保持一致。其中科学研究和技术服务业、文化体育和娱乐业所表现的总融资结构不协调，主要是由于债权融资所占比重较低；建筑业、批发和零售业分别是债权融资，股权融资行业结构与增加值行业结构相对更协调；农林牧渔业、制造业、信息传输软件和信息技术服务业、水利环境和公共设施管理业的股权融资和债权融资结构偏离度基本都为正值，两种融资都存在流出潜力；而电力热力燃气及水生产和供应业恰恰相反；其余行业的股权融资和债权融资行业结构偏离度在正负之间不断转换。
（二）我国融资行业结构与增加值行业结构协调系数分析
结构偏离度仅可反映出各行业各自的融资行业结构协调情况，为从整体上更加直观地考察我国的结构协调程度，以及反映两种结构之间的相似程度，本文引入“协调系数”指标。根据联合国工业发展组织在1989年为衡量不同地区产业结构相似程度提出的产业结构相似计算公式③，本文通过改变变量的定义，可以衡量某个时间的融资行业结构与增加值行业结构的相似程度，即融资行业结构与增加值行业结构协调系数C（0≤C≤1），具体计算公式为式（2）。其中，Ij为第j行业融资所占总融资比重，Ej为第j行业增加值所占比重。C越接近1，表明融资行业结构与增加值行业结构协调程度越好，二者之间越均衡。
根据式（2）分别计算出总融资、债权融资和股权融资行业结构与增加值行业结构协调系数（图1）。结果表明，总体上三者的协调系数都大于0.99，说明融资行业结构与增加值行业结构协调程度较好。其中债权融资行业结构与增加值行业结构的协调程度好于股权融资行业结构，可以通过进一步优化股权融资行业结构使得总融资在各行业中的配置更合理。值得一提的是，2008年以来，虽然股权融资行业结构协调系数有所上升，但债权融资和总融资行业结构的协调系数一直处于下降趋势，说明总融资行业结构与增加值行业结构之间的协调关系处于恶化状态，金融体系资金在实体经济的配置变得越来越不合理。为避免其继续恶化，应加强对债权融资行业结构的监管。
四、我??融资行业结构滞后增加值行业结构调整的时间测度
由于融资行业结构与增加值行业结构的互动演变是一个动态调整过程，融资行业结构的优化带动增加值行业结构的优化升级，增加值行业结构的调整也会反过来影响融资行业结构的优化。但偏离度和协调系数指标仅对一个国家结构协调程度的比较静态分析，因此，引用Moore结构值、时间平移方法以及灰色关联分析法来确定融资行业结构是否滞后增加值行业结构及具体的滞后时间。若融资行业结构滞后于增加值行业结构，并且滞后时间过长，则说明一个国家的融资行业结构调整缓慢，资金不能充分流动，不利于增加值行业结构的优化升级，也就减慢了经济增长速度。本文借鉴Moore[29]提出的产业变动的Moore结构变化值来衡量不同时期行业结构的变动程度，其计算公式为：
式（3）中，Iit1和Iit2分别为第t1期和第t2期第i行业增加值比重；Moore值r表示t2期和t1相比行业结构的变化程度，r取值越大，表明两个时期内行业结构变动越剧烈，反之表明两个时期内行业结构变化程度越小。根据式（1），以1年为时间间隔，以2001年为起始年，分别计算出2002―2015年我国融资行业结构和增加值行业结构的Moore结构值（见图2）。
从图2可以看出，从各结构r值的方差看，我国总融资行业结构变化速率波动很小，而股权融资行业结构变化速率波动最大；从各结构r平均值看，增加值行业结构、总融资行业结构和债权融资行业结构变化速率都比较高，均高于0.999。增加值、总融资和债权融资行业结构的r值明显大于股权融资行业结构的r值，说明股权融资行业结构的变化速度明显小于其他行业结构变化程度，侧面反映股权融资行业结构变化太慢，未能跟上增加值行业结构的变化。相比较于增加值行业结构达到峰值的时间（2005年、2008年和2011年），融资总额行业结构（2006年、2011年和2013年）、债权融资行业结构（2006年、2012年和2013年）和股权融资行业结构（2007年、2011年和2013年）都有一定的滞后，但具体的融资结构滞后时间可以根据灰色关联度定量测算。
通过对融资行业结构与增加值行业结构的r值的绝对关联度计算发现，增加值行业结构与滞后一期的总融资行业结构关联度高达0.999997，债权融资行业结构和股权融资行业结构与增加值行业结构的绝对关联度分别在T=1和T=2时达到最大值。从某种意义上讲，总融资行业结构、债权融资行业结构和股权融资行业结构分别滞后增加值行业结构1年、1年和2年，这说明增加值行业结构的转变未能迅速地引起总融资行业结构、债权融资行业结构和股权融资行业结构相应的转变。同时发现，债权融资行业结构与增加值行业结构的灰色关联度大于股权融资行业结构，说明债权融资行业结构与增加值行业结构的关联程度优于股权融资行业结构。
五、结 论
以上研究显示：各行业结构偏离度表现出不同的趋势，其中金融体系给予房地产业和制造业等行业更多的资金支持，而作为创新主要的来源行业（科学研究和技术服务业）从金融体系所得到的资金严重不足。从资金供给改革角度看，应将更多的资金分配到偏离度为负的行业，促进行业结构合理化升级。就股权融资和债权融资而言，两者在行业间的配置不一致，且在某些行业中表现出不同的潜在资金流动方向。此外，债权融资行业结构自身变化速度快于股权融资，并与增加值行业结构表现出更优的关联程度。总融资、债权融资和股权融资行业结构分别滞后增加值行业结构1年、1年和2年，但还需更长的数据进行检验。
总体而言，虽然融资规模与经济增长在总量和行业结构上都能存在较好的协调关系，但两者并未保持一致的趋势，如金融危机发生后（2008―2011年），总量协调关系不断优化，而结构协调关系却相反，这说明就社会融资规模统计而言，不应仅从总量上考虑，更应分行业对社会融资规模进行统计，以便能更充分了解金融体系资金在各行业间的配置。
本文仅对融资规模与经济增长之间的协调关系进行了简单描述，未对其影响因素进行深入分析，政府对融资的调控是否会影响总量和结构的协调关系，以市场为主的经济体系的融资规模与经济增长的协调关系是否会更优，以及其他相关因素的分析将在后续研究中作进一步补充。
注释：
①张晓东和朱德海[28]据灰色系统理论提出的协调度公式为Cxy=（x+y）/x2+y2，其中x和y分别代表两者的提高速度。由于此公式并不能说明C越大或越小越好，而是要根据x和y的方向而定，因此，本文对此进行少许修改，以便更易观察两者之间的协调关系。
研发年度总结范文3
关键词：管理者过度自信；融资偏好；公司投资
中图分类号：F830.91；F275.1 文献标识码：A 文章编号：1001-6260(2010)01-0130-09
一、问题的提出
MyerS(1984)在“资本结构之谜”一文中将不对称信息引入到资本结构理论研究中，由此提出了新优序融资理论，即企业在进行融资时，会先偏好内部融资，如果需要外部融资，则先选择债务融资，最后选择权益融资。新优序融资理论由于否定最佳资本结构的存在，因此引起了大量学者对权衡理论与新优序融资理论的实证研究。Shyam-Sunder等(1999)、Fama等(2002)及Frank(2003)等对美国公众公司的实证检验在一定程度上支持了MyerS(1984)的新优序融资理论。新优序融资理论依赖两个重要的研究假设，即理性人假设与信息不对称，然而Heaton(2002)以人的非理为前提，基于管理者过度自信对新优序融资理论提出了一种新解释，这种新解释不涉及信息不对称，由此对新优序融资理论提出了挑战。Malmendier等(2005a)及Peng等(2007)等的实证检验都支持了Heaton(2002)的新解释。事实上，随着行为公司财务学研究的逐渐兴起(Baker，et al，2004)，基于管理者过度自信的资本结构决策研究正成为现代资本结构理论研究的一个新的发展方向。Lee等(1995)、Yate等(1998)对过度自信的跨文化研究表明，与美国人相比，中国人更过度自信。而就国内相关的研究而言，学者们主要还是围绕MyerS(1984)提出的新优序融资理论来考察我国上市公司的股权融资偏好行为(陆正飞等，2004；刘星等，2004)，鲜有学者考察管理者的过度自信行为对公司融资偏好行为的影响。心理学的相关研究表明，人的过度自信行为会受到人的年龄、工作经验、教育背景及专业技能等个人特征的影响(Heath，etal，1991 FraSer，et al，2006)。基于以上研究背景，本文从管理者个人特征的角度，分别以我国上市公司总经理的年龄、任职时间、学历及教育背景作为管理者过度自信的替代变量，从公司投资的角度具体考察管理者的过度自信行为对我国上市公司内部或者外部融资偏好行为的影响。
二、理论分析与研究假设
传统的理性人假设认为，人在做决策时存在一致的信念(conSiStent beliefS)和一致的偏好(coherentpreferenceS)，也就是说，当接收到新信息时，人们根据贝叶斯法则来正确地调整他们的信念，在信念给定的情况下，人们根据例如主观期望效用最大化这样的标准来做出决策(BarberiS，et al，2003)。然而心理学的研究却发现，人并非完全理性的，人在做决策时的信念和偏好会出现系统性的偏差，并表现出过度自信、典型性(repreSentativeneSS)、锚定(anchorin’g)、损失规避及心理会计等行为特征(Kahneman，etal，1982)，其中最为稳定的就是人们在判断过程中的过度自信行为(DeBondt，et al，1995)。过度自信行为是指人们在做决策时对自身能力和知识面的高估而产生的偏差，由此产生的后果就是人们在做决策时会高估决策获得成功的可能性，而低估与决策相关的风险。人的过度自信行为主要产生于“好于平均”(better-than-average)效应，即当人们评估自己的能力时，倾向于高估自己，认为自己的能力要高于平均水平(Larwood，et al，1977；Alicke，1985)，例如，当被问及驾驶技能时，绝大多数的受访者都认为自己要好于平均水平(SvenSon，1981)。这样的“好于平均”效应会影响人们的因果归因，因为人们会把成功的结果归因于自身的能力，而把失败的结果归咎为坏的运气，由此进一步增强了人们的过度自信(Miller，et al，1975)。另外，人们对未来前景的过度乐观也能强化人们的过度自信，尤其当人们乐观地认为他们可以控制行为的结果时(Langer，1975；WeinStein，1980)。过度自信在许多职业领域里都有所表现，例如工程师、医生和护士、律师、管理者以及创业家等(LichtenStein，et al，1977；Bazerman，1990)，但是相对于一般人，公司的管理者更可能表现出过度自信(Malmendier，et al，2005a)。
既然管理者存在着过度自信行为，那么管理者的这种行为会如何影响公司的融资决策呢?Heaton(2002)最早从理论上分析了管理者的过度自信行为对公司融资偏好行为的影响，他认为，过度自信的管理者会高估他们为公司创造价值的能力，并由此高估公司投资项目未来所能产生的现金流量，因此，过度自信的管理者会认为市场低估了他们公司发行的风险证券的价值，这导致他们不愿意进行外部融资。当公司必须寻求外部融资时，由于股票价格相对债券价格对市场的预期更加敏感，这使得过度自信的管理者认为发行股票比发行债券的成本要更高，因此他们会更加偏好债务融资。这样，管理者的过度自信行为就使得管理者的融资偏好为先选择内部融资，再选择债务融资，最后选择外部权益融资。Mal-mendier等(2005a)在对Heaton(2002)的新解释进行实证检验时进一步指出，由于过度自信的管理者通常会高估自身的知识和能力，从而高估公司投资项目未来所能产生的现金流量，因此，当公司存在充足的内部资金时，过度自信的管理者会进行过度投资，而当公司缺乏内部资金时，考虑到外部融资的成本太高(Heaton，2002)，他们会减少公司的投资，此时公司额外的现金流量能为公司的投资提供融资，由此导致了公司投资与现金流之间的敏感度。Malmendier等(2005a)的实证结果也表明，存在过度自信管理者的公司由于更少地利用外部融资，因此其投资与现金流之间的敏感度会更强，由此支持了Heaton(2002)的新解释。Peng等(2007)以管理者的性别作为管理者过度自信程度的替代变量，研究得到类似的结果。以上的理论分析同样适用于我国的上市公司，因此，本文提出以下假说：
假说：总经理过度自信比较强的上市公司，投资与现金流之间的敏感度较高。
三、研究设计
1 样本的选取
本文的研究样本为2003-2006年在沪深证券交易所上市的公司。本文首先手工收集了上市公司
总经理的学历和教育背景这些个人信息，能够同时获得这些个人信息的样本观测值共有4040个，然后通过剔除符合以下条件的公司，最后得到共计2430个样本观测值。这些条件分别是：(1)金融类公司；(2)*ST、ST公司；(3)同时有发行B股或者H股的公司；(4)不能获得连续三年主营业务收入数据的公司(用于计算成长性)；(5)财务数据异常的样本观测值，比如投资机会(Tobin’q)大于10、负债比率大于1等；(6)财务数据不完整的公司，以及总经理的年龄和任职时间这些个人信息不完整的公司。样本公司的所有财务数据和公司治理数据均来自CSMAR数据库，上市公司总经理的学历和教育背景以及部分缺省的年龄和任职时间信息通过手工收集得到。
2 研究变量的定义
本文主要通过公司投资与现金流之间的敏感度来研究我国上市公司管理者的过度自信行为对公司内部或者外部融资偏好行为的影响。被解释变量主要为公司投资，解释变量主要为公司现金流量，控制变量主要包括公司的投资机会、成长性、公司性质、负债比率、销售收入、流动资产、公司规模及行业等，各变量的定义如表1所示。其中，对行业这一控制变量的定义，本文是把全部样本观测值按照中国证监会公布的行业分类标准分成12类(金融类除外)，然后再把制造业按二级代码分成10类，并取20个行业哑变量。
需要说明的是，国外学者对管理者过度自信的度量，目前主要还是借鉴Malmendier等(2005a)及Malmendier等(2005b)的方法，即管理者执行股票期权是否迟于执行期、管理者在职时是否把股票期权持有至到期日、管理者是否习惯性地增持公司股票及商业新闻对管理者个性特征的描述。考虑到我国上市公司管理者的持股比例并不高，股票期权也是近年来才开始实施，并且持股和股票期权只占管理者薪酬的一小部分，再加上我国媒体的不发达及较强的主观性，因此本文没有采用以上度量方法。在国内，余明桂等(2006)及姜付秀等(2009)分别采用国家统计局公布的企业景气指数和上市公司年度业绩的乐观预告(或者盈利预测)是否变化作为管理者过度自信程度的替代变量。本文认为由于国家统计局公布的企业景气指数是对外部经济环境的估计，因此，这一指标更加适合于度量管理者乐观而不是管理者过度自信；而上市公司年度业绩的乐观预告(或者盈利预测)同时受到外部经济环境和公司信号传递(Ajinky.et al，1984；BaginSki，et al，1993)等内在因素的影响，因此这一指标也存在较大的缺陷。心理学的相关研究结果表明，人的过度自信行为会受到人的年龄、工作经验、教育背景及专业技能等个人特征方面的影响(Heath，et al，1991；FraSer，et al，2006)。基于以上原因，本文尝试采用总经理的年龄、任职时间、学历及教育背景作为总经理过度自信的替代变量，具体理由如下：
(1)总经理年龄。Taylor(1975)和ForbeS(2005)的研究发现，管理者的年龄会对管理者过度自信的程度产生影响：相对于年龄较小的管理者，年龄较大的管理者在做决策时会收集更多的信息，花费更长的时间，由此减少在决策时所产生的判断偏差；与此同时，年龄较大的管理者在过去可能经历过更多的失败或者决策错误，这有助于他们正确认识自身的能力和掌握的知识，从而减少因对自身能力和知识面的高估而产生的判断偏差。因此，相对于年龄较小的总经理，年龄较大的总经理其过度自信的程度可能比较弱。
(2)总经理任职时间。Frank(1988)、FraSer等(2006)的研究发现，过度自信的管理者在做决策时虽然会高估自身的知识和能力，但是随着管理者经营管理经验的增加，他们可以从过去的经营管理决策中收集更多的新信息，从而不断修正因对自身能力和知识面的高估而产生的偏差，因此，随着管理者经营管理经验的增加，管理者的过度自信行为会有所减少。相对于任期较短的总经理，任期较长的总经理拥有更丰富的经营管理经验(ForbeS，2005)，因此，他们过度自信的程度可能比较弱。
(3)总经理学历。LichtenStcin等(1977)的研究发现，教育水平的高低会对人们的决策过程产生影响，人们的教育水平越高，其在做决策时的过度自信行为就越少，原因在于教育水平越高的人越可能从正反两方面来收集有关决策的信息，从而越容易意识到自己在做决策时所产生的判断偏差(Koriat，etal，1980)，由此弱化自己的过度自信行为。因此，相对于拥有低学历的总经理，拥有高学历的总经理其过度自信的程度可能比较弱。
(4)总经理教育背景。Heath等(1991)的研究成果表明，在做决策时，当人们认为其对该决策拥有更多的知识时，人们会更倾向于过度自信，原因在于当该决策出现好的结果时，人们会把好该结果归因于自己对该决策所拥有的知识，而当决策出现坏的结果时，人们会把坏的结果归咎为坏的运气。Ben.David等(2006)的研究发现，公司CFOS拥有的专业技能越多，CFOS的过度自信行为越多。因此，当上市公司总经理拥有的教育背景不同时，总经理过度自信的程度可能存在着差别：相对来说，拥有经管类教育背景的总经理可能具有与公司财务决策相关的更多专业知识，因此他们过度自信的程度可能比较强；与之相反，拥有理工类教育背景的总经理可能具有与公司财务决策相关的更少专业知识，因此他们过度自信的程度可能比较弱。
另外，本文又借鉴Malmendier等(2005a)对总经理教育背景的分类方法，把总经理的教育背景分为三类：第一类是经管类教育背景，是指总经理过去经历过经济、管理、金融、会计、财务等经管类教育；第二类是理工类教育背景，是指总经理过去经历过工程、技术、物理、化学等理工类教育；第三类是其他类教育背景，是指总经理过去经历过法律、文学、哲学等其他类教育。
3 描述性统计
表2列出了样本观测值的描述性统计。从中可以看出，我国上市公司总经理的年龄平均约为46岁，任职时间平均约为3年；在全部样本中，约52％的总经理拥有本科及本科以下学历，48％的总经理拥有本科以上学历，约45％的总经理拥有经管类教育背景，约52％的总经理拥有理工类教育背景，约3％的总经理拥有其他类教育背景，只有约25％的上市公司为民营上市公司。
四、实证结果及分析
1 对假说的实证检验
为了对假说进行实证检验，本文借鉴Fazzari等(1988)研究企业融资约束的方法，构造了以下模型：
其中，β0代表常数项，β30代表系数，t代表时间下标。之所以引入销售收入、流动资产及公司规模这几个控制变量，是因为Ramirez(1995)、HouSton等(2001)及Malmendier等(2005a)等发现销售收入、流动资产及公司规模会显著地影响公司的投资。另外，为了控制公司性质和融资结
构对公司投资的可能影响，还引入了公司性质和负债比率作为控制变量。
表3列出了以总经理年龄和任期分组的实证检验结果。表3的第(1)列列出了对总样本的实证检验结果，从中可以看出，CF1的参数估计值为0.058，且在1％的水平上显著，这一结果与Fazzari等(1988)、Kaplan等(1997)及Malmendier等(2005a)的研究结果相一致，表明我国上市公司的投资与现金流之间的确存在着一定的敏感度。表3的第(2)列和第(3)列分别列出了对低年龄组和高年龄组的检验结果①，从中可以看到，CF。的参数估计值分别为0.066和0.048，且分别在1％和5％的水平上显著，但是前者的估计值要大于后者，F检验的结果显示两者的差异在1％的水平上显著，由此支持了本文提出的假说，表明随着总经理年龄的增长，总经理可能会逐渐认识自身的能力和掌握的知识，在做决策时也会收集更多的信息，他们过度自信的程度可能减弱，因此他们高估公司投资项目未来所能产生的现金流量的程度也比较弱，当公司需要为其投资项目进行融资时，年龄较大的总经理会较多地利用外部融资，从而公司投资与现金流之间的敏感度有所减弱。表3的第(4)列和第(5)列分别列出了对短任期组和长任期组的检验结果，从中可以看到，CF，的参数估计值分别为0.058和0.056，且都在1％的水平上显著，但是前者的估计值要大于后者，F检验的结果显示两者的差异在10％的水平上显著，由此支持了本文提出的假说，表明随着总经理任职时间的增加，总经理的经营管理经验可能越丰富，他们过度自信的程度可能越弱，当公司需要为其投资项目进行融资时，任职时间较长的总经理会较多地利用外部融资，从而公司投资与现金流之间的敏感度有所减弱。
表4的第(1)列和第(2)列分别列出了对低学历组和高学历组的检验结果，从中可以看到，CF。的参数估计值分别为0.069和0.054，且都在1％的水平上显著，但是前者的估计值要大于后者，F检验的结果显示两者的差异在1％的水平上显著，从而支持了本文提出的假说，表明总经理拥有的学历越高，总经理可能越容易意识到自己在做决策时的判断偏差，当公司需要为其投资项目进行融资时，拥有高学历的总经理会较多地利用外部融资，从而公司投资与现金流之间的敏感度有所减弱。表4的第(3)列和第(4)列分别列出了对经管类教育组和理工类教育组的检验结果，从中可以看出，CF。的参数估计值分别为0.055和0.053，且都在1％的水平上显著，但是前者的估计值要大于后者，F检验的结果显示两者的差异在1％的水平上显著，从而同样支持了本文提出的假说，表明相对于拥有经管类教育背景的总经理，拥有理工类教育背景的总经理其过度自信的程度可能比较弱，当公司需要为其投资项目进行融资时，他们会较多地利用外部融资，从而公司投资与现金流之间的敏感度有所减弱。
另外，考虑到总经理的年龄、任职时间、学历及教育背景这四个变量本身可能存在的缺陷及它们之间的相互影响，本文又采用主成分分析法，结合这四个变量，通过客观赋权法构建管理者过度自信指数，然后根据管理者过度自信指数的综合得分按其中值分为强过度自信组和弱过度自信组再进行检验。表4的第(5)列、第(6)列分别列出了对强过度自信组和弱过度自信组的检验结果，从中同样可以看出，CF,的参数估计值分别为0.065和0.038，且分别在1％和10％的水平上显著，但是前者的参数估计值要大于后者，F检验的结果显示两者的差异在1％的水平上显著，从而再次支持了本文提出的假说，表明当总经理的过度自信行为较少时，总经理会较多地利用外部融资，从而公司投资与现金流之间的敏感度有所减弱。
从表3和表4的检验结果可以看到，上市公司的投资总体上与公司的投资机会、流动资产及公司规模之间呈显著的正相关关系，与销售收入之间的正相关关系不显著，这一结果与Ramirez(1995)、HouS-ton等(2001)及Malmendier等(2005a)的研究结果不完全一致。与此同时，上市公司的投资与公司的负债比率之间基本呈显著的负相关关系，与公司性质之间的相关性不显著。
2 对假说的稳定性检验
由于我国上市公司的股份被人为地分为流通股和非流通股，流通股和非流通股价格的差异使得计算出来的托宾Q不一定能准确地反映公司的投资机会，为了减少由此可能导致的对上述检验结果的影响，本文又以公司当年与前一年主营业务收入增长率的平均值计算的成长性来代替公司的投资机会，对上述研究结果进行了稳定性检验，结果表明各变量参数估计值的大小、符号及显著性基本没有变化，说明以上结果具有较好的稳定性。
五、结论及启示
随着行为公司财务学研究的逐渐兴起，基于管理者过度自信的资本结构决策研究正成为现代资本结构理论研究的一个新的发展方向，正是基于这一研究背景，本文从总经理个人特征的角度，分别以我国上市公司总经理的年龄、任职时间、学历及教育背景作为管理者过度自信的替代变量，从公司投资的角度具体考察了管理者的过度自信行为对我国上市公司内部或者外部融资偏好行为的影响，结果表明：总经理的年龄越大，任职时间越长，学历越高，以及当总经理拥有理工类教育背景时，总经理的过度自信行为越弱，因此，总经理更多地利用外部融资而不是内部融资，从而公司投资与现金流之间的敏感度越弱；而当总经理拥有经管类教育背景时，总经理的过度自信行为越强，因此，总经理更少地利用外部融资，从而公司投资与现金流之间的敏感度越强。
研发年度总结范文4
关键词： 融资规模；增加值；协调度；结构偏离度；行业结构
中图分类号：F830 文献标识码： A 文章编号：1003-7217（2017）03-0027-06
一、引 言
金融与经济的关系一直受到学术界的重点关注，就金融发展与经济增长之间关系而言，理论文献资料主要有四种结论，分别为金融发展对经济增长有正向促进作用[1]、实体经济带动了金融发展[2]、金融发展与经济增长是双向因果关系[3]和金融发展与经济增长不相关性[4]。理论界的分歧使得实证研究兴起，众多学者通过选择指标分别反映金融体系与实体经济发展状况，实证研究两者之间的关系。Goldsmith和Gregorio等分别将金融中介资产的价值/GNP和私营部门银行信贷/GDP作为一国的金融发展指标，研究发现其与GDP之间存在同向发展关系，但后者研究表明这种同向关系在拉丁美洲国家并不适用[5，6]；Beck等和Apergis等实证结果表明，股票市场的发展对经济增长具有正向促进作用，前者选用交易成本（股票市场换手率）和金融深化（银行对私人贷款/GDP）代表金融发展，后者分别选取两个银行信贷指标与三个股票市场指标代表金融发展与股票市场[7，8]；Al-Malkawi等选用货币化比率（M2/GDP）和金融中介比率两个指标探究金融发展与经济增长之间的关系，研究发现两个变量之间存在双向因果关系[9]，而Arcand等对跨国数据的研究表明，金融部门的过度膨胀会制约经济增长[10]。
国内学者对我国金融体系与经济增长之间的关系也进行了大量研究。谈儒勇进行线性回归后认为金融中介与经济增长之间相互促进[11]；周立和王子明运用金融相关比率（某一时点上现存金额资产总额/国民财富）和金融深化比率（M2/GDP）代表金融发展程度，实证发现我国各地区金融发展与经济增长密切相关[12]；王志强和孙刚从我国金融总体发展的效率变化、结构调整和规模扩张三个方面，检验我国经济增长与金融发展之间的因果关系和相关关系，结果表明两者之间存在显著的双向因果关系[13]；王晋斌研究结果显示，不同金融控制强度下经济增长与金融发展之间存在不同的关系，在金融控制强的区域，两者之间没有显著的促进作用，而在金融控制弱的区域，两者之间可能表现一种“中性”作用[14]；袁云峰和曹旭华研究了我国金融发展与经济增长效率之间的关系，研究发现两者的关系具有明显的时空特征，金融发展并未促进我国技术效率的全面提升[15]；杨友才以金融发展水平（各项贷款余额/GDP）作为门槛变量考察了我国金融发展与经济增长的非线性关系[16]；李静萍基于“从谁到谁”资金流量表方法估计了我国部门间的资金流量，研究表明金融部门向非金融企业部门提供的金融阻碍了我国非金融企业部门增加值的增长[17]。
以上文献多从金融规模角度考察金融发展与经济增长之间的关系，事实上金融结构也是影响金融发展的重要因素，虽然也有文献从金融结构角度考察[18-21]，但多从融资方式结构（内源融资和外源融资、直接融资和间接融资）或金融机构结构（金融中介和金融市场）出发。虽然学术界对金融体系与经济发展之间的关系已经进行了相当深入的研究，但无论是从经验证据还是从理论依据看，金融体系与实体经济之间的关系并未达成一致，这是由于他们在研究角度、研究方法和数据选择等方面存在较大差异。已有文献仅通过选择指标分别代表金融体系与实体经济，并未从金融与实体之间连接渠道（资金）出发研究两者之间的关系。目前学术界在金融体系与实体经济之间的平衡关系关注较少，尤其缺乏定量研究；金融活动主要通过金融系统改善资源在投资者中的分配[22]而对经济增长产生影响[23]，这种分配是否有效，金融体系对各行业的资金支持是否与经济增长相匹配，尚未有W者对其进行系统性分析；学者多通过选择单个或多个指标研究金融体系与实体经济之间的相互影响，但在当前金融经济“虚实分离”的背景下[24]，金融体系该如何通过资金供给的调整以更好地支持实体经济的发展还有待深入挖掘。
二、融资规模与经济增长总量协调度分析
由于我国只公布了社会融资规模总量，而未细分到各行业，为与后续分析资金在各行业之间的配置合理性一致，本文以上交所和深交所的非金融类上市公司为例，分别对各公司的股权融资、债权融资和总融资以及公司增加值进行分析。企业融资来源主要分为内源性融资和外源性融资，由于内源性融资不是从金融体系融资，而是企业用自身留存收益进行融资，因此本文只考虑外源性融资部分，外源性融资又分为债权融资和股权融资两大类[25]。本文采用公司现金流量表里披露的“吸收权益性投资所收到的现金”来表示股权融资，将“取得借款收到的现金”与“发行债券收到的现金”之和表示债权融资[26]。上市公司在现有会计制度下并未直接披露增加值指标，因此，只能运用公开财务报表数据以及收入法测算增加值，包括劳动者报酬、营业税及附加、期间累计折旧和营业盈余四部分[27]，其中，采用公司现金流量表披露的“支付给职工以及为职工支付的现金”表示劳动者报酬，采用利润表披露的“营业税及附加”表示营业税及附加，采用财务指标中的“累计折旧”当年与上年的差额表示期间累计折旧，营业盈余为利润表中披露的“营业利润”与“投资收益”之和，数据来源于CSMAR数据库，数据样本为2001―2015年。
为使指标更简单反映变量间的协调关系，对张晓东和海[28]依据灰色系统理论提出的度量经济与环境的协调度公式①进行少许修改（见式1）以度量融资规模与增加值的协调度（R）。其中，x和y分别为融资规模和增加值的增长速度；当两者增长率同方向变化且两者相等时，协调度指标取得最小值，即R=0，说明两者完全匹配，共同协调发展。当两者增长率反方向变动时，融资规模与生产规模的协调程度要差于同方向变化时，R越接近0，说明两者协调程序越好，反之越差。
将所有上市公司的融资总和作为融资变量，增加值总和代表经济增长。融资规模总量与增加值总量都处于上升趋势，基本趋势保持一致，但增加值总量在金融危机期间（2008年）有小幅度下降，此外，明显发现我国上市公司融资主要来源于债权融资，股权融资相对总融资的占比较小。在公式（1）中的增长速度，运用公式yt-yt-1/yt-1计算以上一期为基期的增加值或融资规模增长速度，其中yt、yt-1分别为第t期、t-1期的增加值或融资规模，以此计算出协调度R。
总体看，股权融资与债权融资两者与增加值之间的协调度趋势并不一致，并且总量之间的协调度的波动性较大。具体而言，非金融危机期间（去除2007―2010年）股权融资总量与增加值总量之间的协调度都大于债权融资总量，间接说明相较于债权融资，2007―2010年间股权融资总量与增加值总量更协调。此外，总融资总量与增加值总量的协调度在2008年和2006年分别达到最大值和最小值，说明金融危机时融资与增加值存在严重的不协调，这是由于2008年的债权融资增长速度较大，使得总融资相对于上一年增长超过30%，但增加值总量却下降9%；除去总融资与增加值增长速度反向的2008年，2005年和2012年总融资与增加值之间的协调度值相对比较高；2013年至今，总融资总量与增加值总量协调度值不断上升，两者之间匹配度越来越差，这是由于股权融资总量与增加值总量之间的高度不协调导致的，因此，现今需对股权融资更多的关注，避免融资量过大，导致资金效率降低。
三、我国融资行业结构与增加值行业结构偏离度和协调系数分析
为反映分行业的融资规模以及相对应的增加值规模，选取各行业上市公司每年的融资规模总和以及增加值总和作为替代指标。按照《证监会行业分类》（2012版）将行业分成18个行业，分别是农林牧渔业（49）、采矿业（80）、制造业（1910）、电力热力燃气及水生产和供应业（97）、建筑业（83）、批发和零售业（173）、交通运输仓储和邮政业（97）、住宿和餐饮业（13）、信息传输软件和信息技术服务业（168）、房地产业（156）、租赁和商务服务业（32）、水利环境和公共设施管理业（33）、科学研究和技术服务业（22）、居民服务修理和其他服务业（0）、教育（1）、卫生和社会工作（5）、文化体育和娱乐业（38）、综合（37）②。此外，截至2015年底，住宿和餐饮业、居民服务修理和其他服务业、教育业、卫生和社会工作的上市公司都低于20个，因此，我们将这几个行业合并成其他服务业，即最后分为15个行业。
（一）我国融资行业结构与增加值行业结构偏离度分析
行业结构合理化指各行业增加值比重与资金在行业间分配的一致性，用结构偏离度衡量行业结构合理化指标，它也是常用的衡量协调关系的指标和分析工具。将结构偏离度定义为各行业融资（融资总额、股权融资和债权融资）所占比重除以各行业增加值所占比重减去1。当结构偏离度为零时，意味着各行业增加值所占比重和各行业融资比重数值相等，即金融体系的资金在各行业间达到最优配置，融资行业结构和增加值行业结构完全匹配。因此，结构偏离度越远离0，融资行业结构与增加值行业结构协调性越差；结构偏离度越接近0，融资行业结构与增加值行业结构匹配越合理。若某行业结构偏离度大于0，即此行业融资所占融资比重大于增加值所占比重，存在着资金流出的潜力；反之，则存在资金流入的潜力。
从我国总融资行业结构偏离度看，农林牧渔业、制造业、批发和零售业、房地产业，水利环境和公共设施管理业、综合业的总融资结构偏离度始终基本为正值，说明这些行业存在资金流出的潜力，需提高资金运用效率增加产出。其中值得一提的是房地产业自2011年以来，结构偏离度一直处于上升趋势，若其产生的增加值不能提升，应控制对它的资金支持力度；而电力热力燃气及水生产供应业、租赁和商务服务业、科学研究和技术服务业、文化体育和娱乐业、其他服务业存在资金流入的潜力，尤其是科学研究和技术服务业，虽然其偏离度绝对值近几年处于下降趋势，但离平衡状态还是较远。科学研究是创新的主要来源，应对其给予更多的资金支持。其余行业总融资结构偏离度都经历了正负的不断转换，也呈现出不同的趋势。
表1显示是我国股权融资和债权融资行业结构偏离度从中可以看出，各行业的两种融资行业结构偏离度并不保持相同的趋势，有些行业还相差比较远，尤其是建筑业、批发和零售业、科学研究和技术服务业、文化体育和娱乐业、综合的股权融资和债权融资行业结构偏离度的方向都未保持一致。其中科学研究和技术服务业、文化体育和娱乐业所表现的总融资结构不协调，主要是由于债权融资所占比重较低；建筑业、批发和零售业分别是债权融资，股权融资行业结构与增加值行业结构相对更协调；农林牧渔业、制造业、信息传输软件和信息技术服务业、水利环境和公共设施管理业的股权融资和债权融资结构偏离度基本都为正值，两种融资都存在流出潜力；而电力热力燃气及水生产和供应业恰恰相反；其余行业的股权融资和债权融资行业结构偏离度在正负之间不断转换。
（二）我国融资行业结构与增加值行业结构协调系数分析
结构偏离度仅可反映出各行业各自的融资行业结构协调情况，为从整体上更加直观地考察我国的结构协调程度，以及反映两种结构之间的相似程度，本文引入“协调系数”指标。根据联合国工业发展组织在1989年为衡量不同地区产业结构相似程度提出的产业结构相似计算公式③，本文通过改变变量的定义，可以衡量某个时间的融资行业结构与增加值行业结构的相似程度，即融资行业结构与增加值行业结构协调系数C（0≤C≤1），具体计算公式为式（2）。其中，Ij为第j行业融资所占总融资比重，Ej为第j行业增加值所占比重。C越接近1，表明融资行业结构与增加值行业结构协调程度越好，二者之间越均衡。
根据式（2）分别计算出总融资、债权融资和股权融资行业结构与增加值行业结构协调系数（图1）。结果表明，总体上三者的协调系数都大于0.99，说明融资行业结构与增加值行业结构协调程度较好。其中债权融资行业结构与增加值行业结构的协调程度好于股权融资行业结构，可以通过进一步优化股权融资行业结构使得总融资在各行业中的配置更合理。值得一提的是，2008年以来，虽然股权融资行业结构协调系数有所上升，但债权融资和总融资行业结构的协调系数一直处于下降趋势，说明总融资行业结构与增加值行业结构之间的协调关系处于恶化状态，金融体系资金在实体经济的配置变得越来越不合理。为避免其继续恶化，应加强对债权融资行业结构的监管。
四、我融资行业结构滞后增加值行业结构调整的时间测度
由于融资行业结构与增加值行业结构的互动演变是一个动态调整过程，融资行业结构的优化带动增加值行业结构的优化升级，增加值行业结构的调整也会反过来影响融资行业结构的优化。但偏离度和协调系数指标仅对一个国家结构协调程度的比较静态分析，因此，引用Moore结构值、时间平移方法以及灰色关联分析法来确定融资行业结构是否滞后增加值行业结构及具体的滞后时间。若融资行业结构滞后于增加值行业结构，并且滞后时间过长，则说明一个国家的融资行业结构调整缓慢，资金不能充分流动，不利于增加值行业结构的优化升级，也就减慢了经济增长速度。本文借鉴Moore[29]提出的产业变动的Moore结构变化值来衡量不同时期行业结构的变动程度，其计算公式为：
式（3）中，Iit1和Iit2分别为第t1期和第t2期第i行业增加值比重；Moore值r表示t2期和t1相比行业结构的变化程度，r取值越大，表明两个时期内行业结构变动越剧烈，反之表明两个时期内行业结构变化程度越小。根据式（1），以1年为时间间隔，以2001年为起始年，分别计算出2002―2015年我国融资行业结构和增加值行业结构的Moore结构值（见图2）。
从图2可以看出，从各结构r值的方差看，我国总融资行业结构变化速率波动很小，而股权融资行业结构变化速率波动最大；从各结构r平均值看，增加值行业结构、总融资行业结构和债权融资行业结构变化速率都比较高，均高于0.999。增加值、总融资和债权融资行业结构的r值明显大于股权融资行业结构的r值，说明股权融资行业结构的变化速度明显小于其他行业结构变化程度，侧面反映股权融资行业结构变化太慢，未能跟上增加值行业结构的变化。相比较于增加值行业结构达到峰值的时间（2005年、2008年和2011年），融资总额行业结构（2006年、2011年和2013年）、债权融资行业结构（2006年、2012年和2013年）和股权融资行业结构（2007年、2011年和2013年）都有一定的滞后，但具体的融资结构滞后时间可以根据灰色关联度定量测算。
通过对融资行业结构与增加值行业结构的r值的绝对关联度计算发现，增加值行业结构与滞后一期的总融资行业结构关联度高达0.999997，债权融资行业结构和股权融资行业结构与增加值行业结构的绝对关联度分别在T=1和T=2时达到最大值。从某种意义上讲，总融资行业结构、债权融资行业结构和股权融资行业结构分别滞后增加值行业结构1年、1年和2年，这说明增加值行业结构的转变未能迅速地引起总融资行业结构、债权融资行业结构和股权融资行业结构相应的转变。同时发现，债权融资行业结构与增加值行业结构的灰色关联度大于股权融资行业结构，说明债权融资行业结构与增加值行业结构的关联程度优于股权融资行业结构。
五、结 论
以上研究显示：各行业结构偏离度表现出不同的趋势，其中金融体系给予房地产业和制造业等行业更多的资金支持，而作为创新主要的来源行业（科学研究和技术服务业）从金融体系所得到的资金严重不足。从资金供给改革角度看，应将更多的资金分配到偏离度为负的行业，促进行业结构合理化升级。就股权融资和债权融资而言，两者在行业间的配置不一致，且在某些行业中表现出不同的潜在资金流动方向。此外，债权融资行业结构自身变化速度快于股权融资，并与增加值行业结构表现出更优的关联程度。总融资、债权融资和股权融资行业结构分别滞后增加值行业结构1年、1年和2年，但还需更长的数据进行检验。
总体而言，虽然融资规模与经济增长在总量和行业结构上都能存在较好的协调关系，但两者并未保持一致的趋势，如金融危机发生后（2008―2011年），总量协调关系不断优化，而结构协调关系却相反，这说明就社会融资规模统计而言，不应仅从总量上考虑，更应分行业对社会融资规模进行统计，以便能更充分了解金融体系资金在各行业间的配置。
本文仅对融资规模与经济增长之间的协调关系进行了简单描述，未对其影响因素进行深入分析，政府对融资的调控是否会影响总量和结构的协调关系，以市场为主的经济体系的融资规模与经济增长的协调关系是否会更优，以及其他相关因素的分析将在后续研究中作进一步补充。
注释：
①张晓东和海[28]据灰色系统理论提出的协调度公式为Cxy=（x+y）/x2+y2，其中x和y分别代表两者的提高速度。由于此公式并不能说明C越大或越小越好，而是要根据x和y的方向而定，因此，本文对此进行少许修改，以便更易观察两者之间的协调关系。
②括号内为截至2015年12月各行业在上交所和深交所上市公司数量。
③产业结构相似系数计算公式为：Sij=∑nk=1（xik-xjk）/∑nk=1x2ik∑nk=1x2jk，其中xik和xjk分别是i、j区域k产业GDP所占比重，Sij是i区域和j区域的产业结构相似系数，Sij越趋近与1，则说明两区域产业结构越趋于相同。
参考文献：
[1]Rousseau P L，Wachtel P.Equity markets and growth：cross-country evidence on timing and outcomes，1980―1995[J].Journal of Banking & Finance，2000，24（12）：1933-1957.
[2]Lucas R E.On the mechanics of economic development[J].Journal of monetary economics，1988，22（1）：3-42.
[3]Greenwood J，Smith B D.Financial markets in development，and the development of financial markets[J].Journal of Economic Dynamics and Control，1997，21（1）：145-181.
[4]Banerjee A V，Newman A F.Occupational choice and the process of development[J].Journal of political economy，1993，101：274-298.
[5]Goldsmith R.Financial structure and economic development[M].New Haven：Yale University Pres，1969.
[6]De Gregorio J，Guidotti P E.Financial development and economic growth[J].World development，1995，23（3）：433-448.
[7]Beck T，Levine R.Stock markets，banks，and growth：panel evidence[J].Journal of Banking & Finance，2004，28（3）：423-442.
[8]Apergis N，Filippidis I，Economidou C.Financial deepening and economic growth linkages：a panel data analysis[J].Review of World Economics，2007，143（1）：179-198.
[9]Al-Malkawi H A N，Marashdeh H A，Abdullah N.Financial development and economic growth in the UAE：empirical assessment using ARDL approach to co-integration[J].International Journal of Economics and Finance，2012，4（5）：105.
[10]Arcand J L，Berkes E，Panizza U.Too much finance？[J].Journal of Economic Growth，2015，20（2）：105-148.
[11]谈儒勇.中国金融发展和经济增长关系的实证研究[J].经济研究，1999，10（15）：337-363.
[12]周立，王子明.中国各地区金融发展与经济增长实证分析：1978―2000[J].金融研究，2002 （10）：1-13.
[13]王志强，孙刚.中国金融发展规模、结构、效率与经济增长关系的经验分析[J].管理世界，2003 （7）：13-20.
[14]王晋斌.金融控制政策下的金融发展与经济增长[J].经济研究，2007，42（10）：95-104.
[15]袁云峰，曹旭华.金融发展与经济增长效率的关系实证研究[J].统计研究，2007，24（5）：60-66.
[16]杨友才.金融发展与经济增长基于我国金融发展门槛变量的分析[J].金融研究，2014 （2）：59-71.
[17]李静萍.中国金融部门融资对实体经济增长的影响研究基于 “从谁到谁” 资金流量表[J].统计研究，2015 （10）：21-31.
[18]Levine R.Bank-based or market-based financial systems：which is better？[J].Journal of financial intermediation，2002，11（4）：398-428.
[19]Merton R C，Bodie Z.The design of financial systems：towards a synthesis of function and structure[J].Journal of investment management，2005，3（1）：1-23.
[20]刘小玄，周晓艳.金融资源与实体经济之间配置关系的检验兼论经济结构失衡的原因[J].金融研究，2011 （2）：57-70.
[21]彭俞超.金融功能观视角下的金融结构与经济增长来自 1989―2011 年的国际经验[J].金融研究，2015 （1）：32-49.
[22]Gurley J G S，Shaw E S.Money in a Theory of Finance[R].1960.
[23]Graff M，Karmann A.What determines the finance-growth nexus？ Empirical evidence for threshold models[J].Journal of Economics，2006，87（2）：127-157.
[24]邱杨茜，陈颖，余军，等.前我国金融体系与实体经济运行的问题与对策研究[J].经济学动态，2012 （8）：57-62.
[25]谭之博，赵岳.企业规模与融资来源的实证研究――基于小企业银行融资抑制的视角[J].金融研究，2012 （3）：166-179.
[26]程新生，谭有超，刘建梅.非财务信息，外部融资与投资效率――基于外部制度约束的研究[J].管理世界，2012 （7）：137-150.
[27]胡关金.中国证券业及上市公司对 GDP 贡献的实证研究[J].财贸经济，2003 （3）：50-56.
[28]张晓东，海.中国区域经济与环境协调度预测分析[J].资源科学，2003，25（2）：1-6.
[29]Moore J H.A measure of structural change in output[J].Review of Income and Wealth，1978，24（1）：105-118.
[30]聚龙.灰色理论基础[M].武汉：华中科技大学出版社，2002.
研发年度总结范文5
知情对于公司治理的重要性毋庸置疑。
在两权分离的现代公司，形成股东、董事会、管理层三层治理结构。由于股东不参与公司具体经营，为控制投资风险，保障投资收益，股东要求掌握公司的主要经营活动和经营成果的知情权。拥有董事席位的相对大股东往往通过派驻的董事来了解公司经营情况，董事会知情就成为股东对董事会的基本要求。
对于董事会而言，一方面它有责任落实股东对知情权的要求，按照股东的要求收集、审批和披露信息，让股东对投资放心;另一方面，董事会要履行好战略审批、经营监督、激励问责的职责，也必须要做到知情。
神州数码是2001年从联想集团拆分成立，神州数码董事会按照股东的要求认真做好知情工作，控股股东赋予董事会的知情权包括:
1.对中长期的战略规划的知情权;
2.对公司的财务状况的知情权（要求按月向每位董事递交财务报表）;
3.可对业务进行全方位考察;
4.管理层应保持重要资料透明度（如重要的人事变动、重要的财务和人事制度等等）;董事会有权找任何人谈话或开座谈会，可以参加各种类型的会议。
为了获得这些信息，神州数码董事会的知情有三种渠道:日常知情渠道、突发重大事件的沟通、专项知情调研。
董事会的日常知情关注五个方面:战略规划与执行情况、财务报表、经营分析报告、审计报告、重大人事任免和问责情况。
日常知情渠道包括阅读公司管理层上报文件和主动参与公司重大会议两种形式。第一，董事会要求管理层定期及时报送下列文件:公司及各分部业务发展战略及执行中的总结;年度规划和年度预决算，及季度/半年/年度执行情况总结;集团及各分部的季度、半年、全年经营分析报告;公司内部业绩审计报告;集团每月合并财务报表;总裁室成员的任免、问责报告。
第二，要求公司及时报送董事会下列会议的通知，由董事长组织董事有选择性地参加:与公司业务发展战略、年度规划、年度预决算相关的会议、誓师会;与各分部业务发展战略、年度规划相关的质询会、总结会;各业务部门或职能部门向高管汇报的年度/半年/季度的经营情况通报会;公司级高层干部会议;公司审计部年度/半年审计工作汇报会;对出现重大问题的领导班子成员的通报、处理、问责会议。
公司突发的重大事件要求管理层及时向董事会汇报。由于建立了内部审计的双向汇报（审计部门由董事长和CEO共同领导）制度，遇到重大审计事件董事会也会及时知情。
IBM前总裁郭士纳经常引用一句话:“从书桌上望世界是危险的。”要做到真正知情，就要深入一线做调查研究。在调查中不断学结，才能真正了解公司的整体状况。通过深入一线的调研，第一，董事会可以看清财务数据背后的经营故事，使董事会对业绩的判断从冷冰冰的财务分析进步到活生生经营分析;第二，可以了解到公司战略的落地情况，上下是否达成共识、步调是否一致;第三，可以深入了解到业务对客户、对合作伙伴的实际价值，业务规模和盈利模式在市场中的竞争力等，这些信息是董事会判断战略方向的依据;第四，可以了解到公司贯彻重点工作的执行力，这些管理工作是否被广泛认可，说的与做的是不是一致？是否实际有效？
因此，除了阅读文件、参加会议、听取汇报这些被动接受信息的知情方式之外，神州数码董事会还开辟了一种主动知情的方式――知情调研。知情调研已经成为神州数码董事会每年的例行工作，每年进行一次，通常选择在管理层经营压力较小的时段启动，耗时一个月至三个月不等。
知情调研主要关注四方面内容:第一，调研专项管理工作（例如KPI推进工作）;第二，调研专项业务发展（例如IT服务的机会、能力与资源）;第三，调研干部的思想作风和工作作风;第四，调研公司员工对公司品牌、公司领导班子的共识度。每年董事会根据经营的实际情况选择一个主题进行调研，或者是对某个业务的发展方向和盈利模式进行分析，或者调研一项重点工作的执行情况。在主题的选择上充分听取CEO的意见，一些调研题目甚至是由CEO主动提出的。
要保证调研做到信息真实、全面，结论有说服力，同时又不影响经营，需要一套组织调研的方法。以神州数码董事会2002年进行的KPI调研为例。
首先，就调研的目的和形式必须与管理层沟通，达成高度共识。只有管理层高度重视，调研内容与当期工作重点有机结合，知情调研才能顺利开展。神州数码董事会的历次调研，由于有了管理层的支持，调研工作进行得非常顺利和高效。
其次，成立一个调研领导小组。2002年的调研领导小组由我、神州数码的CEO,以及代表控股大股东的两位成员组成。这两位成员一位是联想控股有限公司的董事长，一位是联想的创业老领导，他是联想职工持股会的代表。我们还特别将神州数码的CEO郭为任命为调研领导小组的副组长，虽然他为了保证调研的独立性，并不参与具体调研活动，但他在调研选题、组织调研支持队伍方面起了重要的作用。
除了调研领导小组的成员，要落实调研工作，还必须有一个很好的支持小组。我们通常让公司相关职能部门来落实调研的支持工作。支持小组由公司职能系统人员抽调组成，通常保持3－4人的规模。调研支持小组以项目方式进行管理，项目成立支持小组投入工作，项目结束支持小组解散，各位成员回到自己的工作岗位。调研支持组接受调研领导小组的领导，负责确保调研工作的顺利开展，包括:拟写调研计划、具体调研工作的组织与协调、调研资料的记录与初步整理、草拟调研报告，并完成调研活动结束后效果反馈及知识整理等工作。
第三，制定详细的调研计划和工作流程，调研计划与管理层事前沟通，过程中严格按照调研流程来做。同时，边调研访谈边总结，过程中不断和管理层沟通，使访谈越做越深入，访谈者和被访谈者对问题的共识度越来越高。
整个调研的过程分为五个环节:启动、计划、调研、总结、反馈。
启动阶段与管理层沟通调研需求，共议调研课题;之后召开启动会，正式组建调研领导小组和调研支持组。计划阶段根据要调研的主题搜集并分析背景业务资料，设计调研形式、确定调研对象、拟写调研提纲，围绕调研主题形成完整的调研计划由领导小组商议通过。
调研阶段，调研小组按照调研计划以单独访谈、开座谈会、客户走访、问卷调查等多种形式展开。调研对象的选择必须具有代表性，针对同一课题调研对象应当尽量多层面选择。调研对象包括调研课题所涉及到的各方面的组织和个人，可以是公司内部的各级管理干部、基层员工，也可以是公司外部的客户代表、渠道代表、厂商代表等。调研中遵循几个原则:(1)实事求是原则:以事实为依据，多方求证;说实话，不仅系统总结经验成绩，也要敢于暴露揭示问题;（2）不干扰日常工作原则:安排具体调研活动时，优先考虑调研对象已有的日程安排，尽量避免对调研对象正常工作的干扰;（3）实效原则:必须针对当前业务发展战略和重点工作，认真总结经验教训，使调研组与调研对象都有收获，并对管理层提出建设性意见和建议，杜绝走过场式的调研;（4）保密原则:参加董事会知情调研工作的全体成员在调研过程中以及调研活动结束之后必须遵守保密原则，不得将调研资料及调研总结私自散布。
总结阶段的主要工作是对调研的原始记录资料进行整理分析，形成统计性的调研结论，完成调研报告;另外针对调研中干部职工提出的问题要求公司中相关责任部门予以回答。一份完整的调研报告包括:调研前言、调研情况介绍、调研总结（包括分报告和总报告）、调研体会，并附上调研会议纪要、访谈原始记录、调研组的工作总结等资料。反馈阶段是指，在调研报告定稿后将报告递交送给领导班子阅读，并召开总结会对报告进行宣讲及听取他们的意见;另外，调研组还通过问卷和电话访问的方式听取被调研对象的意见，以此改进下次调研安排。针对调研中发现的问题，董事会调研组会与CEO充分沟通，力求最大程度的共识。沟通中，董事会严格把握好自己的定位:对授权管理层做的事，调研组提出的建议和意见仅供管理层参考，不强制要求执行。
董事会知情调研，不仅解决了“董事不懂事”的问题，为董事会更好地行使审批权与监督权提供了依据;同时也利于管理层贯彻和推进公司的战略和重点工作，还可以树立和宣扬实事求是的思想作风和工作作风。第一次调研结束后，神州数码的CEO主动提出想让董事会把“知情调研”这种形式坚持下去，每年做一次，并且希望以重点工作为核心进行调研，同时，为了推动重点工作，希望最好带点审计性质。这样看，“知情调研”工作在神州数码管理层基本被肯定，其工作成果对管理层是有价值的。
成功的董事会知情调研有几个关键点:（1）注意公开透明，不要让知情在公司形成告小状的气氛，任何问题都与CEO沟通;（2）注意董事会的定位，在知情工作中对一个具体业务环节存在的基本问题做到心中有数，发表看法但并不发表批评意见和提出解决措施，而应将下边的意见汇总后，加上董事会的判断形成建议和意见，依靠管理层去解决问题而不是自己去解决问题;（3）将知情变成董事会和管理层的一项例行工作，并注意依靠公司内部的职能部门来支持。（4）不是光让董事会的某些成员知情，而是要让董事会全体成员都知情;（5）董事会知情成果要坦诚及时地向股东汇报，做到信息透明。
通过神州数码董事会的治理实践，我们认识到知情是一切工作的基础，更是改进工作作风、对抗和大企业病、避免主观决策的良方。真正知情，才能做好董事会审批、监督、考核激励问责工作。
研发年度总结范文6
1基于变更平衡表的信息提取与预测方法
1．1年度变更平衡表土地利用年度变更平衡表是土地利用年度变更调查成果之一。国土资源管理部门为保持土地调查成果的现势性，在初始调查之后每年开展一次土地变更调查。土地变更调查以县为单位，采取逐图斑实地核实、图上变更、重新汇总面积的方法，形成县域年度土地利用变更平衡表，各县进一步汇总则形成市级年度变更平衡表。变更平衡表的简化样式如表1所示，该表不但反映了年度各地类的减少去向与增加来源，而且反映了年初与年末的土地利用结构。变更平衡表可看作转移矩阵，可采用基于转移矩阵的研究方法对其进行分析［22］。因该转移矩阵是基于年度变化的且为连续年份的，所以信息提取与预测方法和以往的基于以数年为周期的转移矩阵的研究方法有较大区别［23～25］。
1．2基于连续年份的年度变更平衡表计算多年周期的变更平衡表土地利用年度变更平衡表表示了一个年度年初至年末土地利用类型的转化情况。本文研究如何通过连续年份的年度变更平衡表计算多年周期的变更平衡表，进而分析该多年周期期初与期末各地类之间的流转情况。
1．3基于年度和长期转移矩阵的土地利用综合动态度对比分析在研究时段内，如果各地类图斑均朝着既定的目标转化，即在研究时段内不同年份不会出现同一地块发生连续的地类变化或反复的变化，则研究时段内年度转移矩阵之和应等于应用上节求出的n年期的转移矩阵（不包括主对角线元素）。两者的差距越大，说明土地利用转化越无序。采用综合土地利用动态度可对土地利用转化的有序程度进行分析。式中：Z为土地利用综合动态度；D为区域内各地类土地利用总减少量；S总为区域总面积。综合土地利用动态度可测算区域土地利用变化的总体或综合活跃程度。分别计算各年度的土地利用综合动态度并对其求和，然后与n年期的总转移矩阵的土地利用综合动态度的差值进行比较，即可从一个侧面反映土地利用转化的有序程度，差值越小，有序度越高。
1．4基于改进的年度转移概率矩阵预测任意年份的土地利用结构基于转移矩阵的土地利用结构预测常常通过MARKOV理论进行，该理论的模型同式（2），对于未来年份土地利用结构的预测可基于基期年土地利用结构S1向量和未来不同年份的转移概率矩阵P不断相乘，在此我们称P为预测概率矩阵。在以往的文献中将预测概率矩阵P认为是等值的，其计算方法为求已知连续年份转移概率矩阵的算术平均值［26］。从MARKOV理论模型来看，是利用矩阵相乘的方法进行未来土地利用结构的预测，因此预测概率矩阵通过求算术平均值计算有不尽合理的地方。本文对预测概率矩阵的算法进行改进，采用矩阵开方的方法进行计算。式中：P为预测概率矩阵；Pi为已知的n年的年度转移概率矩阵，Pi不可为零矩阵。通过P可对基期之后的任一年进行预测。假如要对若干年后的土地利用结构向量进行预测，不要求中间年份的预测数据，那么可以依据式（3）加大转移概率矩阵的时间尺度，也就是将连续数年看作是一个土地利用转移时段来构建转移概率矩阵。通过此方法预测未来年份的土地利用结构的时候，随着预测年份的延长，土地利用结构的变化将越来越小，因此用此方法也可预测土地利用结构基本达到稳定的时间。
2基于苏州市的实证研究
2．1研究对象与数据来源苏州位于长江三角洲，江苏省的南部，是我国经济高度发达的地区，也是我国快速城市化区域的典型代表，土地利用／覆被变化剧烈。本文选择1998～2008年连续10个年份的变更平衡表对前文的研究方法进行实证。该数据为1∶5000～1∶10000精度的土地变更调查逐图斑汇总而成，且是每年一变更、一汇总，在数据的精度和时间分辨率上是传统的遥感解译数据所无法比拟的①。本文之所以选择1998～2008年的变更平衡表，是因为2009年及之后的变更调查是基于第二次全国土地调查数据，二调数据因调查方法和调查精度与之前的土地详查不同，其数据与之前的数据产生较大的不连续。同时基于数据保密性和可获得性，本文仅选择二调之前的数据进行试分析，重点是验证前文方法的可行性。土地利用年度变更平衡表在土地分类上细化至了《全国土地分类》（过渡期间适用）中的三级类，研究过程中基于简化、完整原则并充分考虑地类的重要性，将地类归并为13个，即耕地（11）、园地（12）、林地（13）、其它农用地（15）、城市（201）、建制镇（202）、农村居民点（203）、独立工矿用地（204）、特殊用地（206）、交通运输用地（26）、水利设施用地（27）、未利用土地（31）和其它土地（32），括号中为各地类对应的代码。
2．2结果分析
2．2．110年周期的变更平衡表的计算与分析依据2．2节计算1998年末（1999年初）至2008年末这段时期苏州市土地利用变更平衡表（表2）。计算可在EXCEL中利用矩阵相乘的功能完成。与1998年相比，净变化量最大的地类是耕地，10a期间净减少74912hm2，原有耕地主要转向了独立工矿、其它农用地、建制镇和城市等用地，期内通过各种方式仅补充耕地10096hm2，为耕地减少量的12％；独立工矿用地的净变化量排第2位，但表现为面积的增加，10a期间净增加40799hm2，期内增加量是期内减少量的11．3倍，增加量的71％来源于耕地的减少；建制镇和其它农用地的净变化量排第3、第4位，都表现为净增加，分别增加10843hm2和10519hm2。从以上分析可发现1998～2008年苏州市土地利用转变主要规律，因处于经济高速增长时期，社会处于工业化中期、工业化后期至后工业化阶段的发展时期，地类的转化表现为耕地大量转出为各类建设用地。将10a期间历年的年度转移矩阵（因数据量大，文中未列出）与10a期的总转移矩阵进行对比分析，发现有地类的转化有相同的特点，但在不同的年份转入转出的数量上有差别，10a间总体上经过了1998～2001年的平缓转移阶段，2001～2006年的快速转移阶段和2006～2008年的转移速度放缓阶段。
2．2．2土地利用动态特征计算土地利用综合动态度进而分析土地利用转化的有序程度。历年的土地利用综合动态度见表3。根据表2和式（4）计算，10a期间总的综合动态度为15．66％，而历年综合动态度的累加值为17．13％，两者差距不大，反映出区域土地利用有序程度较高，10a期间的土地利用在按照确定的目标的进行较为有序的演化。1998～2008年与第二轮土地利用总体规划的规划执行期（1997～2010年）基本吻合，有序度的分析可部分反映上轮规划的执行情况，说明规划的执行比较有效，土地利用中较少盲目决策带来的无序与反复。
2．2．3土地利用结构预测使用MATLAB软件，根据式（5）求预测概率矩阵，为了验证其在土地利用结构变化预测中的可用性，以苏州市1998年末的土地利用结构向量为基数，经过10步转移，模拟得到2008年苏州市的土地利用结构，见表4。与2008年实际用地结构相比，模拟值和实际值十分接近。由此可见，用矩阵开方法求出的预测概率矩阵来预测苏州市土地利用结构是可行的。预测2020年的土地利用结构，其与2008年的土地利用结构比较见表5。根据表5的预测结果我们可以看出：苏州市耕地面积逐年减少，但减少的幅度有所降低，耕地占土地总面积的比重持续下降，由2008年的27．22％下降到2020年的20．10％，面积减少60491hm2；园地、林地及其它农用地的面积也呈逐年减少的趋势，到2020年园地、林地、其它农用地面积分别减少20、483和1158hm2；苏州市城市用地、建制镇用地、独立工矿用地、交通运输用地面积和比重都呈增加的趋势，且面积增加较明显。城市用地面积由2008年的18958hm2增加到2020年的29608hm2，面积增加10650hm2；建制镇用地也由2008年的22157hm2增加到2020年的36685hm2，增加14528hm2；独立工矿用地面积增加32637hm2；水利设施用地面积增加较少，比例较稳定；苏州市农村居民点用地面积逐年减少，至2020年减少4850hm2，比重不断降低，主要原因是城市化率持续提高、农村人口不断减少；其它土地面积增长较快，为5537hm2。从以上预测可以看出，至2020年，苏州市土地利用结构变化仍将维持农用地不断减少，建设用地总量不断增加的趋势，农用地减少的去向仍将是建设用地增加的来源，但这种转化的速率与1998～2008年相比将有所放缓；同时，从表中我们不难看出，2008年及其之前农村居民点用地占建设用地面积的比重较大，但至2020年，农村居民点用地逐渐趋于合理。以上现象意味着苏州市在今后的社会经济发展和城市化过程中，建设用地的管控将越来越严格；随着城市化水平的提高、农村人口减少，大量的农村居民点被整理用于补充耕地和城镇工矿用地建设，建设用地的来源逐渐从外延扩张转向内部挖潜。根据矩阵开方法求出的预测概率矩阵，可以预测出基期年之后历年的土地利用结构。苏州市土地利用演变的驱动力主要为人口增长、经济发展、工业化水平和城镇化水平的提高［27］，随着社会经济的发展和城市化水平的提高，工业化和城市化的增长率将逐渐趋缓，土地利用结构将逐步趋于稳定，经综合分析预测数据，本研究中认为当各用地类型的年面积变化率小于2％时，土地利用结构达到较稳定状态。经计算，到2040年左右各用地类型面积的年变化率均小于2％，土地利用结构变化将基本稳定。此时苏州市城市化率将达到90％以上，根据诺瑟姆的城市化“S”型曲线规律，城市化水平达到较为稳定的状态，因此土地利用结构变化预测和社会经济发展阶段的预测基本一致。
3结论与讨论
