1、引言

人文社会科学（以下简称“人文社科”）是人类的精神家园，高等院校是其发展的重要支撑力量。人文社科是以人类的精神世界及其沉淀的精神文化为对象的科学，是人类社会进步的重要力量，对科学技术的发展提供重要的价值导向。与科学技术不同的是，科学技术的创新主体较多，包括广大企业、科研院所、高等院校，而人文社科的创新主体则主要是高等院校，其他科研院所及相关机构则发挥着辅助作用。加强高等院校人文社科建设，对于打造人类精神食粮，弘扬传统文化，彰显人文精神有重要意义。

高校人文社科成果投入产出比较复杂。从投入看，由于具体学科不同，有些研究需要较多的科研经费，有些研究只需要较少的科研经费；从产出看，学术论文是主要的研究成果，另外还有学术著作、研究报告，各种奖励等。由于产出多样性，定量研究技术复杂，从而导致人文社科的投入产出的研究成果较少。此外，不同形式的科研成果之间还存在着复杂的互动关系，投入与产出之间也存在着互动关系。所有这一切均增加了人文社科投入产出研究的复杂性。

开展高校人文社科成果投入产出及其互动关系的研究具有重要意义。在理论上，一方面，有助于掌握了解人文社科投入产出关系的特征和规律，另一方面，有助于拓展研究的方法论；在应用上，有助于发现人文社科投入产出中存在的问题，优化人文社科投入经费的配置和人才布局，对于高校人文社科发展以及政府相关部门加强人文社科的管理均具有重要意义。本文在理论分析的基础上，创造性地将人工神经网络、面板数据模型、面板门槛模型、贝叶斯向量自回归模型融合在一起，全面系统研究人文社科投入产出的基本特征、线性与非线性关系以及投入产出变量之间的互动关系。

2、文献综述

关于科技投入产出之间的关系研究相对较多，但以人文社科高校作为研究对象的较少。GRILICHESZ[1]92-116在提出知识生产函数，选取研发资本和科学家、工程师作为投入变量，专利作为产出变量，分析了美国科技投入产出之间的关系；BELLINIE等[2]对英国工程系的研究结果表明，高校科研能力随产学合作强度提高而提高，但超过一定的门槛，科研能力就会下降；俞立平、彭长生[3]首先基于TOPSIS评价高校人文社科产出，然后研究投入与产出之间的互动关系，发现科技人员弹性最大，科研经费次之；赵庆年、刘君[4]研究了不同类型高校科研投入绩效，发现政府对工科院校投入偏多，对医药院校投入偏少，综合院校与工科院校在获取竞争性科研资金方面优势明显，各类高校在专利授权产出、论文和专著方面对研发投入与R&D人员的需求各异；高东燕、胡科等[5]采用广义分位数回归分析高校创新投入与产学研合作的关系，发现二类地区产学合作质量更高，且与部分高校创新指标大致呈倒U型关系，而一类地区和三类地区产学合作绩效较低；阮选敏、吕冬晴等[6]采用非参数检验、多元线性回归分析书名中有无标点符号、标号与点号、标点组合、符号的数量以及标题句式等特征对学术图书被引的影响。

关于人文社科效率的研究，JOHNESG等[7]运用DEA(DataEnvelopmentAnalysis，数据包络分析）评价英国大学经济系科研效率，将结果与同行评议进行比较，指出DEA在评价指标设立上有着积极作用；KOCHERMG等[8]对世界经济合作组织21个国家经济学科研效率进行了分析和对比；YINGCHUNG等[9]对内地高校的社会科学研究全要素生产率进行分解，发现技术进步明显，但规模效率太低，沿海和西部地区之间无显著差异；王甲旬、邱均平[10]用Bootstrap-DEA方法研究发现，中国高校人文社会科学研究的整体技术效率处于中等偏上水平，且受到纯技术效率的影响较大，地方经济发展水平与科研效率之间的相关性不显著；陈俊生、周平等[11]采用超效率DEA模型，对两个高校人文社科学院科研效率进行实证研究；黄炜、程慧平[12]采用DEA随机前沿模型，对我国人文社会科学20个学科的论文产出效率进行测度，发现总体效率不高，经济学、管理学、教育学、图书馆情报与文献学效率相对较高；姜彤彤[13]基于DEA和Malmquist指数对高校人文社科全要素生产率进行分解，发现全要素生产率呈下降趋势，东部地区全要素生产率较高；胡公启[14]采用DEA-Malmquist指数评价江苏省文科第一批次人文社会科学效率，发现技术进步是制约效率提高的核心因素，全要素生产率指数有所增长，大部分高校人文社科效率呈现负增长。李瑛、任珺楠[15]运用DEA-Malmquist指数模型对110所原211高校人文社科效率及其变化进行分析，发现由于技术退步，整体呈下降趋势。

从现有的研究看，关于高校人文社科投入产出的研究成果总体不多，更多研究主要集中在效率计算上，主要原因是，效率研究允许多投入多产出变量，而回归分析一般难以处理多投入多产出的情况。总体上，以下4个方面有待进一步深入研究：

第一，人文社科学术论文、学术著作、研究报告之间关系如何？它们与课题、奖励的关系如何？有待从理论上进行进一步的分析；

第二，对于学术论文、学术著作、研究报告等研究成果，研发投入与其总体关系如何？研发投入与各自关系如何？有待进一步探索；

第三，学术论文、学术著作、研究报告之间的互动关系如何？它们与研发投入之间的互动关系如何？需要进行研究；

第四，在以上研究的基础上，需要进一步分析人文社科投入产出规律，发现其中问题，优化研发经费与研发人员投入，更好地服务高校人文社科学科发展。

3、理论基础与研究方法

3.1 人文社科投入产出诸要素之间的关系

人文社科投入与产出之间的关系，如图1所示。投入要素主要是研发经费与研发人员，产出要素主要包括学术论文、学术著作、研究报告、学术奖励，这一点已经得到了学术界的公认。

图1人文社会科学投入产出之间关系

关于科研项目与学术奖励需要进行说明：

第一个问题是关于科研项目的问题。科研项目严格意义上不属于科研成果，因为，它是广大科研工作者申请科研经费的一种重要途径，与研发经费密切相关。当然，研发经费并不一定全部以项目的方式体现。由于科研项目与科研成果密切相关，往往科研成果较多的机构和学者，其科研项目数量较多，质量也较高，所以在科技评价中，许多机构将科研项目作为科研成果的评价指标，这在操作层面是可以的，但并不是说从理论上科研项目就属于科研成果。

第二个问题是关于学术奖励的问题。严格意义上，学术奖励属于间接科研成果，因为学术奖励的申报，是在学术论文、学术著作和研究报告的基础上申请的，甚至以往学术奖励也是申请高级别学术奖励的基础。要注意两个问题：一是，从人文社科产出的研究角度，尽管学术奖励提供了一些新的信息，但存在重复计算；二是，由于人文社科国家级奖励总体不多，一些民间有代表性的奖励，其水平完全可以和国家级奖励相当，不能完全用政府奖励代替人文社科奖励来进行研究。基于以上原因，本文暂且舍弃学术奖励指标。

从科研产出要素看，学术论文与学术专著关系密切。应该说，学术论文是学术专著的重要基础，长期浸淫于某个领域的研究，在此基础上进行系统总结，就会产生学术专著。所以，无论是微观还是宏观层面，学术论文与学术专著之间总会存在良好互动。研究报告更侧重应用层面，研究报告成书容易，因此研究报告是学术著作的基础，但不一定存在互动关系。至于学术论文与研究报告之间的关系比较复杂，受学科不同、学者偏好等影响，有些学科基本上属于理论研究，不存在太多的应用研究，有些学科是兼顾理论研究与应用研究，因此，学术论文与研究报告之间互动关系具有异质性。

科研成果对科研投入具有反作用，如果人文社科投入产出绩效高，产生较好的效果，就会形成正反馈，鼓励国家和高校加大研发投入，同时，一定程度上也能优化研发人员配置，产生良好互动。当然，如果绩效不高，也难以形成有效的正反馈。

3.2 人工神经网络模型

由于人文社科科研产出变量是多个，因此在分析投入要素的贡献时一般不能直接采用回归分析。一种方法是通过多元统计方法对产出变量进行评价，使其成为1个变量后再进行计量分析，但由于多元统计方法众多，如主成分分析、秩和比、康拓对角线、模糊评价、TOPSIS等，有几十种方法，每种方法结果不同，难以选择；另外一种方法就是采用人工神经网络模型，典型的就是采用BP神经网络。BP神经网络将人文社科投入产出视同一个黑箱，将投入变量和产出变量分别作为人工神经网络的输入和输出，建立机器学习模型，对BP神经网络进行训练，这样就可以得到输入变量权重，从而可以比较人文社科研发经费与研发人员的贡献大小。

BP神经网络模型是对人脑神经网络若干基本特性的抽象和模拟，可以进行分布式并行信息处理[16]。BP神经网络是一个包括隐含层的多层前馈网络，一般由输入层、隐含层、输出层组成。模型的核心思想是不断调整网络连接的权重使得网络的总体误差最小。假设输入层神经元有m个，隐含层有q个，输出层变量有l个，其学习步骤如下：

第一步，初始化。预先给出权重系数最小的随机数；

第二步，输入训练集。输入向量为x(1),x(2)，…，x(n)，期望输出向量为t(1),t(2)，…，t(N),N表示训练样本数量；

第三步，BP网络前馈计算。假设用样本P进行训练，隐含层第i个神经元的输入Zhip为：

式（1）中，xjp，样本p隐含层神经元i的输入；ωij(i=1,2，…，q;j=1,2，…，m），输入层神经元j与隐含层神经元i的连接权重；θi，隐含层神经元i的阈值。

隐含层神经元i的输出oip为：

式（2）中，g（），隐含层激活函数，一般用sigmoid函数表示：

隐含层神经元i的输出oip通过权重系数传输到输出层，输出层神经元k总输入为：

式（4）中，ωki，隐含神经元i与输出节点k的连接权重；θk，输出层神经元k的阈值。

输出层神经元k的实际输出Zokp为：

第四步，误差计算。整个BP神经网络的总误差函数Ep为：

式（6）中，tkp，输出节点k的期望输出。

第五步，权重系数调整。如果总误差没有达到要求，则使权重系数沿着误差函数的负梯度方向进行调整。输出层和输入层权重系数调整量的计算公式分别如式（7）和式（8):

式（7）和式（8）中，Δωki，Δωij，分别为输出层和输入层权重系数调整量；η，学习速率，取值大于0。经过反复训练，直到误差达到满意结果为止。

3.3 面板数据与面板门槛回归模型

人文社科科研产出变量多个，虽然分别采用回归分析可能有偏差，但仍然有助于分析投入产出的大致情况，发现一些规律或者问题，因此可以作为研究的必要补充。本文首先基于知识生产函数分别用学术论文、学术著作、研究报告作为因变量，研发经费、研发人员作为自变量，基于面板数据模型进行回归，对于回归系数显著的变量，再采用面板门槛回归模型，分析其投入产出特征和规律。知识生产函数是GRILICHESZ[1]92-116,JAFFEAB[17]在Cobb-Douglas生产函数基础上提出的：

式（9）中，Y，科研产出；K，研发经费投入；L，研发劳动力投入；α、β，分别为弹性系数；A，全要素生产率。

本文中，Y有3个，Y1为学术论文，Y2为学术著作，Y3为研究报告，式（9）分别基于面板数据模型进行估计。考虑到变量的内生性，本文采用系统广义矩法SYS-GMM进行估计，工具变量采用各自变量的1阶滞后。

对于每个估计结果，如果某投入变量回归系数通过了统计检验，则进一步采用面板门槛回归模型进行估计，总共估计2个门槛效应：一是，该变量自身的门槛效应；二是，科技成果的门槛效应。以学术论文为例，假设研发经费通过了统计检验，就进一步估计研发经费自身的门槛效应以及学术论文的门槛效应。

面板门槛效应模型由HansenBE[18]提出，对于研发经费自身的门槛效应，假设只存在单门槛时，如果存在一个研发经费门槛水平τ，使得对于K≤τ和K>τ时，研发经费对学术论文的弹性差异显著。当K≤τ时，研发经费的弹性系数为θ1；当K>τ时，研发经费的弹性系数为θ2，即：

对于学术论文的门槛效应，同样假设只存在单门槛时，如果存在一个学术论文门槛水平τ，使得对于Y1≤τ和Y1>τ时，研发经费对学术论文的弹性差异显著。当Y1≤τ时，研发经费的弹性系数为θ1；当Y1>τ时，研发经费的弹性系数为θ2，即：

以上为2种门槛模型，如果存在多个门槛，原理大同小异。

3.4 贝叶斯向量自回归模型

人文社科科研产出之间存在复杂的互动关系，即学术论文、学术著作、研究报告之间存在着复杂的互动关系，加上研发投入与科研产出之间也存在互动关系，良好的人文社科成果会产生正反馈，促进研发经费与研发人员投入。在这种情况下，有必要采用贝叶斯向量自回归模型来进行研究。

LITTERMANRB[19]在贝叶斯推断理论的基础上创立了贝叶斯向量自回归模型（BayesianVectorAutoregressions,BVAR),BVAR模型是在传统VAR模型基础上建立的。传统VAR模型缺乏经济理论的有效支持，同时对数据依赖程度很高。此外，估计参数较多，要求样本数量足够大，当内生变量数量为m、滞后阶数为p时，估计参数为m(mp+1），因此经常会出现自由度不够问题，解决方法之一就是，人为设定部分参数为0，但这种做法并不符合实际情况。BAVR模型在估计时，如果预测参数为某值时，采用的方法是使估计参数接近该值，而不是简单等于该值，这样使得估计结果更为精确，并且也不会产生传统VAR方法的不可信结构。

4、实证研究结果

4.1 研究数据

本文所有数据来自于教育部“中国高校人文社会科学信息网（https://www.sinoss.net）”中的统计数据，基于省际面板数据进行研究。研发经费采用研发经费内部支出，研发人员采用研发人员数量，没有采用研发人员折合全时当量数据，这是因为人文社科研究与自然科学有较大区别，用研发人员数量更合适。学术论文与学术著作数据为原始数据，研究报告选择被采纳的研究报告数，即高质量研究报告数量，这样更能说明问题。

教育部高校人文社会科学信息网公布了2009—2018年共10年省际面板数据，即国内31个省（自治区、直辖市）的高校人文社科投入产出数据，变量的描述统计，见表1。考虑到人文社科投入产出之间存在时间滞后，研究报告的滞后期相对较短，一般是数月到1年，学术论文的滞后期适中，一般是数月到1至2年，而学术著作的滞后期较长，经综合考虑后确定滞后1年。

表1变量描述统计

4.2 人工神经网络分析结果

首先，用研发经费与研发人员作为投入，学术论文、学术著作与研究报告作为产出，建立BP人工神经网络模型进行学习。由于人工神经网络的结构并不具有唯一性，因此通过反复试算的方法进行确定。为了提高研究的稳健性，本文同时训练了5次人工神经网络，以其均值为准，采用2-8-3神经网络结构模型的学习拟合情况，如图2所示。

图2人工神经网络拟合情况

人工神经网络权重学习结果，见表2，虽然由于模型结构不同，学习结果权重不同，但其共性相同，即每个模型中均是研发人员权重大于研发经费，并且每个模型的拟合优度和相关系数均较高。最终5个模型的拟合优度均值为0.927，相关系数均值为0.966，均处于较高水平。最终研发经费的平均权重为38.63，研发人员的平均权重为61.37，也就是说，在人文社科投入产出中，研发人员发挥的作用超过研发经费，大致维持在3:2的水平。

表2人工神经网络权重

4.3 面板数据的平稳性检验

数据前后跨度9年，为了防止出现伪回归，首先进行变量的平稳性检验，见表3，当0阶时，变量之间是部分平稳；当1阶时，所有变量均为平稳时间序列。

表3变量的平稳性检验

4.4 面板数据回归结果

分别用学术论文、学术著作、研究报告作为因变量，研发经费和研发劳动力作为自变量，基于面板数据模型进行回归，估计方法采用系统广义矩法，工具变量采用各自变量的一阶滞后项进行估计，并且首先采用随机效应模型进行估计，然后进行Hausman检验，以决定采用固定效应模型还是随机效应模型，见表4。

表4面板数据回归结果

从回归结果看，3个因变量情况下均采用固定效应模型，每个模型的拟合优度均较高，均为0.92以上，这说明研发投入较好地解释了人文社科科研产出；从回归系数来看，对于学术论文而言，研发人员的弹性为0.355，并且通过了统计检验，研发经费的弹性为-0.031，没有通过统计检验；对于学术著作而言，研究人员的弹性系数为-0.369，通过了统计检验，研发经费的弹性系数为0.153，同样通过了统计检验；对于研究报告而言，研发人员的弹性系数为0.757，研发经费的弹性系数为0.289，均通过了统计检验。这个研究结果与神经网络基本类似，说明研发人员的作用超过了研发经费。

4.5 面板门槛回归模型的估计结果

4.5.1 学术论文的面板门槛回归结果

由于研发经费对学术论文的弹性没有通过统计检验，因此，这里只分析研发人员对学术论文的门槛效应。

研发人员对学术论文的自身门槛，见表5。经过单门槛检验，F值为74.029,p值为0.000，拒绝没有单门槛的原假设。继续进行双门槛检验，虽然检验通过，但是其中有一阶段数据数量太少，价值不大，因此最终采用单门槛模型进行估计。当研发人员较少时，其对学术论文贡献的弹性为0.495，当研发人员较多时，其对学术论文贡献的弹性系数为0.398，有所降低，两者均通过了统计检验。前者数据数量为15个，后者数据数量为264个，以后者居多。说明对于人文社科学术论文而言，当研发人员较少时，其弹性更大。

表5研发人员对学术论文的自身门槛

研发人员对学术论文贡献的学术论文门槛，见表6。单门槛和双门槛检验均通过，最终选定双门槛模型。学术论文对数门槛值有2个，分别为6.480和8.230，将产出分为低、中、高3类；当学术论文水平较低时，研发人员的弹性系数为0.219；当学术论文水平中等时，研发人员的弹性系数为0.302；当学术论文水平较高时，研发人员的弹性系数为0.330，三者均通过了统计检验。从数据数量看，3个阶段数据分别为13、36、230，以学术论文高水平阶段数据较多，情况总体不错。随着学术论文产出水平越高，研发人员的弹性越大。

4.5.2 学术著作的面板门槛回归结果

研发人员对学术著作的弹性为负数，主要原因是，学术著作研究总体比较系统，非一般研发人员所为，因此这里只分析研发经费对学术著作的门槛效应。研发经费对学术著作的研发经费门槛没有通过单门槛检验，说明它们之间并不存在非线性关系，就是线性关系。

表6研发人员对学术论文的学术论文门槛

研发经费对学术著作的学术著作门槛回归结果，见表7。最终选取单门槛回归模型，对数门槛值为6.147。将学术著作分为低、高2个部分：当学术著作水平较低时，研发经费对学术著作的弹性没有通过统计检验；当学术著作水平较高时，研发经费对学术著作的弹性系数为0.105，并且通过了统计检验。从数据数量看，2个阶段数据量分别为104和175，后者较多，说明当学术著作水平较低时，更多是科研人员的兴趣，即使在面临经费困难的情况下，也开展系统的研究；当学术著作水平较高时，需要团队建设以及必要的经费支持，才能发挥更好的效果。

表7研发经费对学术著作的学术著作门槛

4.5.3 研究报告的面板门槛回归结果

由于研发经费、研发人员对研究报告的弹性均通过了统计检验，因此，有必要分析研发经费对研究报告自身门槛与研究报告门槛，研发人员对研究报告自身门槛与研究报告门槛。

研究经费对研究报告贡献的自身门槛，见表8，最终采用双门槛模型。研发经费的对数门槛值为12.118和14.209，将数据分为低、中、高3个部分，数据数量分别为23、94、162，逐渐增加。当研发经费水平较低时，其对研究报告的弹性为0.626；研发经费水平中等时，其对研究报告的弹性为0.540；研发经费水平较高时，其对研究报告的弹性为0.505。三者均通过了统计检验，弹性系数逐渐降低。

表8研发经费对研究报告的研发经费门槛

研发经费对研究报告贡献的研究报告门槛，见表9。最终采用单门槛模型进行估计，研究报告的对数门槛值为2.580，将研究报告分为低水平和高水平两大类，前者数据数量为38个，后者为241个，以研究报告高水平阶段为主。当研究报告水平较低时，研发经费的弹性没有通过统计检验；当研究报告水平较高时，研究经费的弹性系数为0.275，并且通过了统计检验。说明当研究报告处在较高水平时，研究要求较高，成本也较大，必须给予一定的科研经费支持。

研发人员对研究报告的弹性的自身门槛，见表10。最终选取双门槛模型进行估计，研发人员对数门槛值为7.758和10.089。将研究人员分为低、中、高3类，数据数量分别为21、194、64，以中等研究人员数量为主。当研发人员数量较低时，研发人员对研究报告的弹性系数为1.051；当研究人员数量中等时，其对研究报告的弹性系数为0.898；当研究人员数量较多时，其对研究报告的弹性系数为0.864，三者均通过了统计检验。随着研发人员数量增加，其对研究报告的弹性系数逐渐降低。

表9研发经费对研究报告的研究报告门槛

表10研发人员对研究报告的自身门槛

研发人员对研究报告贡献的研究报告门槛，见表11。最终选取双门槛模型进行估计，研究报告的对数门槛值为2.349和3.737。将研究报告分为低、中、高3类，数据数量分别为31、70、178，以高水平研究报告阶段为主。当研究报告数量较低时，研发人员的弹性系数为0.306，但没有通过统计检验；当研究报告数量中等时，研发人员的弹性系数为0.469，通过了统计检验；当研究报告数量较多时，研发人员的弹性系数为0.571，同样通过了统计检验。随着研究报告数量增加，研发人员对研究报告的弹性总体处于递增状态。

表11研发人员对研究报告的研究报告门槛

4.6 贝叶斯向量自回归模型估计结果

下面建立贝叶斯向量自回归模型，采用脉冲响应函数分析人文社科研发投入与产出之间的互动关系。

学术论文的脉冲响应函数，如图3所示。来自学术著作一个标准差的正向冲击对其当期没有影响，但在第二期达到最大，随后缓慢衰减为负数，说明开展了系统的学术著作研究，短期能够促进学术论文水平的提高；来自研究报告一个标准差的正向冲击对其当期也没有影响，随后缓慢提高并趋于稳定，作用时间较长。从投入看，来自研发经费的冲击当期和第二期对其基本没有影响，说明人文社科学术论文短期对经费并不敏感，但从长期看，其对学术论文的影响还是显著的，弹性一直处于缓慢升高状态；来自研发人员的冲击对学术论文的影响最大，当期为0，然后缓慢提高，作用时间较长。

学术著作的脉冲响应函数，如图4所示。来自学术论文的冲击对其影响最大，当期发挥作用，随后略有衰减并趋于稳定，说明学术论文是学术著作的重要基础，两者几乎没有滞后期；来自研究报告的冲击对其当期影响为0，随后有所提高，但总体弹性不高。研究报告也是学术著作的重要来源，考虑到相关部门采纳，所以有一定的滞后期；来自研发经费的冲击对学术著作短期没有影响，但长期有影响；来自研发人员的冲击类似，也是短期影响较小，但长期有影响，另外研发人员的弹性略大于研究经费。

图3学术论文Y1的脉冲响应函数

图4学术著作Y2的脉冲响应函数

研究报告的脉冲响应函数，如图5所示。来自学术论文的冲击对其影响最大，当期就达到极大值，随后略有衰减并趋于稳定。说明基础研究是高水平研究报告的基础，没有一定的理论深度，难以做好研究报告；来自学术专著的冲击对研究报告的影响为负，长期影响较小。这是因为，学术著作中大多数侧重基础理论研究，学者的精力有限，在做好基础理论的情况下难以兼顾做好社会服务；研发经费的冲击对研究报告当期影响为0，随后开始缓慢提高并趋于稳定；来自研发人员的冲击对研究报告的影响总体为0，这是因为以政府部门为主的研究报告需求取决于政府管理的需要，并不因研究人员突然增加而增加研究报告需求。

图5研究报告Y3的脉冲响应函数

研发经费的脉冲响应函数，如图6所示。来自学术论文的冲击当期影响为负，随后快速提高为正数，说明足够的研发经费保障有利于学术论文数量的提高；来自学术著作的冲击对研究经费的影响总体较小，说明学术著作对研究经费的反馈效应不高；来自研究报告的冲击对研发经费的影响显著，当期发挥作用，随后缓慢升高；来自研发人员的冲击对研发经费的当期影响为0，随后缓慢增加，说明增加研发人员一定程度上有利于增加研发经费。

研发人员的脉冲响应函数，如图7所示。来自学术论文的正向冲击当期影响极小，但第二期快速升高并趋于稳定，作用时间较长，说明学术论文需求有利于增加研发人员；来自学术著作的冲击对研发人员影响为负，学术著作往往需要高水平科研人员的长期积累，而新增研发人员往往还不具备这种能力；来自研究报告的冲击当期对研发人员产生影响，随后趋于稳定，说明当以政府为主的相关部门有需求时，会催生研发人员的增加；研发经费的冲击对研发人员的影响也比较显著，当期达到极大值并趋于稳定，说明在有科研经费保障的情况下，有利于促进研发人员增加。

图6研发经费K的脉冲响应函数

图7研发人员L的脉冲响应函数

5、结论

5.1 研发人员对人文社科的贡献总体上大于研发经费

人文社科研究与自然科学不同，更多体现人文社科学者的理论基础、长期积累、学科交叉、研究兴趣、格局情怀等诸多因素，个性化较强，这就决定了人文社科研究仅靠科研经费支撑是不够的，很大程度上还取决于人文社科学者的创造性劳动。由于人文社科研究属于多投入、多产出研究，因此很难进行投入产出的综合分析，本文基于BP人工神经网络，创造性地运用了新的视角来分析这个问题，发现在人文社科研究中，研发人员与研发经费的重要性大致在3∶2。此外，对于学术论文而言，研发人员的弹性显著；对于学术著作而言，研发经费的弹性显著；对于研究报告而言，研发人员的弹性大于研发经费。从一定程度上也说明了研发人员的重要性更大。

5.2 研发人员对学术论文的贡献大于研发经费

对于学术论文而言，研发人员的贡献显著，研发经费的弹性不显著，从脉冲响应函数看，研发人员对学术论文的正向冲击也大于研发经费。学术论文重视某个视角相关问题研究，短期对经费不敏感。

研发人员对学术论文的贡献存在研发人员门槛效应，随着研发人员增加，其对学术论文贡献的弹性降低，主要原因是，研发人员对学术论文的贡献存在边际递减效应，毕竟学术论文主要依托少数高水平学者的贡献。

研发人员对学术论文的贡献也存在学术论文门槛效应，随着学术论文数量的增加，研发人员对学术论文的弹性也逐渐增加。因为学术论文水平较高地区的学者总体水平也较高，研发人员的平均水平较高，因而其成果效应更加显著。

5.3 研发经费对学术著作的贡献大于研发人员

对于学术著作而言，研发经费的贡献显著，弹性为正，而研发人员的弹性为负。研究经费和研发人员的短期冲击对学术著作没有影响，短期花钱出不了思想。学术著作出版往往需要投入较长的时间和一定的经费，用于研究以及出版。

研发经费对学术著作的贡献存在学术著作门槛，对于学术著作较多地区，研发经费的弹性系数更加显著，因为这些地区的科研人员水平高，研发经费保障好。

5.4 研发经费、研发人员对研究报告的贡献显著

对于高质量的研究报告而言，研发经费与研发人员的贡献均显著，并且研发人员的弹性大于研发经费。研究报告既需要科研人员创造性的劳动，也需要一定的经费支持，并且科研人员的劳动更加重要。

研发经费对研究报告的贡献存在门槛效应。随着研发经费增加，其对研究报告的弹性逐渐减小。随着研究报告的增加，研发经费的弹性有所提高。因此，要注重基于研究报告成果的经费分配机制，根据研究报告水平和数量进行研发经费的分配。

研发人员对研究报告的贡献存在门槛效应。随着研发人员数量增加，其对研究报告的弹性逐渐降低；随着研究报告数量增加，研发人员的弹性逐渐提高。所以就高质量研究报告而言，在配置研究人员时，也要本着成果导向原则进行配置。

5.5 学术论文与学术著作的互动效应良好

从脉冲响应函数看，学术论文与学术著作的互动效应良好。学术论文的研究是学术著作的重要基础，只有通过一定的学术论文积累，在此基础上进行系统的总结，才能更好地完成学术著作。而在进行系统的学术著作写作时，对于其中的精华部分，也可以形成论文发表。但从长期看，进行系统的学术著作写作不利于论文产出，这种现象是正常的，毕竟学术著作投入的精力会更大。

5.6 学术论文与研究报告的互动效应良好

从脉冲响应函数看，学术论文与研究报告的互动效应良好。学术论文是学者理论深度的体现，没有较好的理论功底，根本无法做好决策咨询，从而完成高水平的研究报告。而在高水平研究报告的写作过程中，其中的精华部分也可以形成论文发表。随着国家对智库建设越来越重视，近年来高水平应用研究论文开始增加，也就是这个原因。

5.7 学术著作与研究报告相对独立

脉冲响应函数表明，学术著作的冲击对研究报告的影响为负数，而研究报告的冲击总体上有利于学术著作。关键在于互动机制不一样，由于学术著作总体上属于基础理论研究，需要花费大量的精力，因此难以较好地做好应用研究，比如研究报告。而高水平研究报告正常情况下是可以出版的，会有利于应用型学术著作建设。所以对于长期从事基础研究的学者，建议不要鼓励他们从事应用研究，而对于长期从事应用研究的学者，要加强理论研究，提高决策咨询水平。

参考文献：

[3]俞立平,彭长生.高校人文社科投入与产出互动关系研究:基于PVAR模型的估计[J].科研管理,2013,34(11):147-153.

[4]赵庆年,刘君.我国不同科类高校科研投入与产出特点研析[J].科技管理研究,2016,36(16):101-107.

[5]高东燕,胡科,李世奇.区域产学合作强度､高校创新投入对高校创新能力的影响研究[J/OL].重庆高教研究:1-19[2020-06-30].

[6]阮选敏,吕冬晴,成颖,等.题名标点对我国人文社会科学学术图书被引的影响研究[J].情报学报,2019,38(05):458-472.

[10]王甲旬,邱均平.中国省域高校人文社会科学研究效率评价:基于Bootstrap-DEA分析[J].重庆大学学报(社会科学版),2019,25(04):113-125.

[11]陈俊生,周平,张明妍.高校人文社会科学科研投入产出效率评价:基于DEA二次相对效率和超效率模型的实证分析[J].黑龙江高教研究,2015(12):44-46.

[12]黄炜,程慧平.我国人文社会科学学科学术论文产出的效率研究[J].情报杂志,2016,35(04):137-140.

[13]姜彤彤.高校人文社科研究全要素生产率评价及分析[J].研究与发展管理,2013,25(05):90-97.

[14]胡公启.江苏文科第一批次高校人文社会科学研究效率评价研究[J].科学管理研究,2018,36(03):52-55.

[15]李瑛,任珺楠.高校人文社会科学科研效率评价研究[J].科研管理,2016,37(S1):571-577.

俞立平.科研投入对不同人文社会科学成果影响及互动机制研究[J].科技情报研究,2020,2(03):20-33.

基金:国家社会科学基金项目“学术评价与创新绩效评价问题研究”(编号:19FTQB011);浙江省一流学科A类项目“浙江工商大学统计学,管理科学与工程”.