一、引 言

高新技术产业是知识和技术密集型产业，是我国国民经济的重要组成部分，高新技术产业发展对我国经济发展具有重要影响。

供给侧改革主要是从劳动力、土地、资本、创新四个方面对经济结构进行调整，从而改变目前我国经济增长方式粗放的现状，同时创造新的经济增长点，促进国民经济的健康发展［1］。目前，我国高新技术产业存在区域发展水平不均，内部产业结构不合理，经济增长方式粗放等问题［2-5］，在我国整体推动国民经济供给侧改革的大背景下，如何实现高新技术产业的供给侧改革成为高新技术产业面临的首要问题。本文从两个层次对高新技术产业影响率值差异进行研究，首先利用C-D函数模型的适当变形，构建多层次发展模型，对31个省市自治区高新技术产业产值的静态面板数据进行处理，从供给角度分析31个省份高新技术产业组间与组内产值的差异的影响因素；其次在影响因素分析的基础上计算影响因素影响率值的差异。

供给侧方面影响高新技术产业发展因素主要包括四个方面。劳动力因素，高新技术产业作为知识密集型产业，高技术人才的数量与质量与高新技术产业发展联系密切［6-8］；②政策因素，高新技术产业的发展需要巨额的人力、物力、财力的投入，在市场经济的条件下，单个企业无法承担伴随高新技术产业发展成本的增加，不可避免地需要政府力量的介入，其次，来自政府资金扶持及投入有利于促进高新技术产业的技术发展［9-10］；③资本因素，高新技术产业发展前期的科学研发及固定资本投入需要大量的资本投入，随着高新技术产业的发展成熟，资本将在高新技术产业发展扮演越来越重要的角色，表现在高新技术产业中资本对科技研发和人力资本的带动作用［11-14］；④技术因素，新产品的研发速度，新技术水平的提升，决定了整个高新技术产业的成败，因此，高新技术产业的竞争某种程度上就是产品科技含量和技术水平的竞争［15-16］。

从目前的研究来看，对高新技术产业影响因素研究主要从劳动力、资本、技术和政策四个方面进行分析，多从单一因素或某几个因素进行分析，缺乏从整体角度建立完整模型对四个因素在同一情景下对高新技术产业发展的影响的探讨，同时，原有的影响因素分析无法解决组间和组内变异同时存在的问题，忽视影响因素随时间发展的动态性以及组间和组内存在的差异。本文运用多层发展模型对31个省市自治区高新技术产值的组间差异和组内差异进行分析，以及研究影响因素与时间的交互作用的分析。

一、研究方法

（一）多层线性模型

传统的线性回归分析只能做在个体层次或者群体层次的单一水平上分别进行数据分析，对于个体水平而言，注重了对个体之间变异的分析而忽略了群组之间的差异在个体水平之间的影响。对于组水平模型忽略了组内变异和个体水平之间的差异的，同时组水平的样本会使统计的样本量大大缩小因此降低了模型的估计效度和信度。为解决上述问题为研究带来的困难，学者提出来多层分析模型，学者可以利用该框架系统在同一个模型下分析个体水平效应和组水平效应的影响，检验组水平如何调节个体层次变异，以及个体水平解释变量是否影响组水平解释变量的效应。多层线性模型也可以用来研究面板数据中因变量随时间变化的发展轨迹，即多层线性发展模型。这里我们运用多层线性发展模型对1995-2013年我国31个省市自治区高新技术产业发展影响因素的差异。

当地主要种植柑橘、葡萄、花卉、烟草、番茄等作物。云南地区特色经济作物种类繁多，但是复杂的地形也带来了物流成本的增加。当地经济作物对于用肥用药的要求比较高，特肥从去年开始兴起。杨潇楠表示，云南省级平台绝大部分都集中在昆明，大大小小的省级经销商有1000家以上，足以顶得上一个农资大省的平台，所以竞争很激烈。

第二，清晰地认识农村群众在文化教育方面的弱点，将先进的科学种植、科学经营管理方式带进农村，不仅让农民实际获利，还要让农民看到其实践的结果，逐步地破除封建迷信思想；增强社会主义核心价值观教育，可以开展多种文化形式、使用多种媒介使社会主义核心价值观深入群众之中；加强中华民族传统美德教育等道德教育，从而促进农民群众的综合素质全面发展。

表2零模型随机效应方差估计结果，方程经两次迭代即收敛说明方程的拟合较好，第二次似然迭代值为-9.225 055E+002。由ICC组内相关系数的公式可得ICC=3.48/（1.08+3.48）=0.76，也就是组间变异占总的变异的76%，而且P值小于0.001极度显著，说明组间变异是影响总变异的主要因素而且影响比重约为76%。表2的其它系数截距标准差为1.87，水平1的残差的标准差为1.04，自由度为30，卡方值为1 863.58。

水平1：yij=αi+eij

水平2：αi=α0+u0j

1.零模型

其中，i=(1,2,…,n)：j=(1,…,mj)，由于模型中水平1和水平2均没有解释变量，因此称为零模型。

2.随机截距发展模型

在检验组间变异是否显著之后进一步对因变量随时间变化的模型拟合情况进行检验，以确定发展模型是否对解释因变量随时间变化显著。随机截距模型可表示为：

水平1：yij=β0j+β1jTimeij+eij

3.混合模型

yij=γ00+γ10Timeij+(u0j+u1jTimeij+eij)

其中，yij表示第i年第j个个体测量的结果即因变量，表示第i年第j省份的高新技术产业产值；Timeij表示时间；eij表示残差：β0j表示水平1的截距：β1j表示水平1的斜率；u0j表示第j个个体的因变量偏离模型估计的总体平均水平程度；u1j表示第j个个体的因变量变化率偏离模型估计的总体变化率水平的程度。

水平2：β0j=γ00+u0j;β1j=γ10+u1j

木棉花具有非常广泛的应用前景，随着对木棉花功效认识的加深，其食用人群逐渐扩大，应用的范围也越来越广。但木棉花的研究水平严重滞后，目前对于木棉花化学成分的研究不够系统深入，药效物质基础尚未明确，没有化学成分和药理作用研究报道，缺乏严格、系统的毒理学作用和安全性评价资料。为保证木棉花的食用安全，对其进行毒理学研究与食品安全风险评估刻不容缓。通过毒理学试验，可以更加系统地了解和评价木棉花的食用安全性，完善木棉花的基础研究资料。

在检验因变量随时间变化情况之后在水平2进一步加入自变量，进一步多层发展模型下验证自变量对因变量的解释情况及显著性检验情况，混合模型可以表示为：

β1j=γ10+γ11Gj+γ01Tj+γ13Lj+γ14Cj+u1j

2.2 TGF-β1的表达水平与卵巢浆液性腺癌临床病理参数之间的关系 卵巢浆液性腺癌中，Ⅱ+Ⅲ+Ⅳ期患者肿瘤TGF-β1的表达阳性率为93.2%，显著高于Ⅰ期患者TGF-β1的表达阳性率33.3%，差异具有统计学意义(P＜0.05)；伴有肿瘤种植/转移患者TGF-β1的表达阳性率为93.0%，显著高于不伴有肿瘤种植/转移患者TGF-β1的表达阳性率42.9%，差异具有统计学意义(P＜0.05)；不同年龄分布和不同组织学分级的患者TGF-β1的表达水平差异无统计学意义。（表2）

水平2: β0j=γ00+γ01Gj+γ02Tj+γ03Lj+γ04Cj+u0j

水平1：yij=β0j+β1jTimeij+eij

其中，yij表示第i年第j个个体测量的结果即因变量，表示第i年第j省份的高新技术产业产值；Timeij表示时间；eij表示残差；β0j表示水平1的截距；β1j表示水平1的斜率；u0j表示第j个个体的因变量偏离模型估计的总体平均水平程度；u1j表示第j个个体的因变量变化率偏离模型估计的总体变化率水平的程度；Lj表示第j个省市高新技术产业从业人数即劳动力因素对其高新技术产业产值的影响；Gj表示第j个省市高新技术产业政府资金支持即政策因素对其高新技术产业产值的影响；Tj表示第j个省市高新技术产业新产品开发投资额即技术因素对其高新技术产业产值的影响；Cj表示第j个省市高新技术产业固定资本投资额即资本因素对其高新技术产业产值的影响。

（二）科布道格拉斯函数

1928年美国经济学家道格拉斯和数学家科布在探讨投入与产出的关系时提出，用以衡量国家或企业的生产影响因素的模型，其数学表达式可以表示为:Y=AKaLb，一般假设a+b=l，这里取消该假设。对科布道格拉斯函数两边同时取对数变形为：Ln(Y)=ln(A)+aln(K)+bln(L)。再令ln(Y)=Yij，ln(A)=A1，ln(K)=Kij，ln(L)=Lij，则方程可表示为：Yij=A1+aKij+bLij+eij。

二、数据来源及指标选取

在零模型分析的基础之上进一步完善模型，在水平1加入时间变量，研究31个省份高新技术产业产值随时间变化情况，方程表达式为：水平1：yγi= π0i+π1iTimeγi+eγi

表1 高新技术产业发展影响因素衡量指标

劳动力要素从业人员年平均数陈程，等（2012）；杨清可，等（2014）；史可，等（2004）资本要素固定资产投入额陈修德，等（2010）；翟琼，等（2015）；麦均洪，等（2014）技术要素新产品研发投资额方雯，等（2010）；李晓宏，等（2008）；郑珊珊，等（2010）政策要素政府投入资金王玉，等（2011）；何建莹，等（2012）

三、分析结果

（一）高新技术产业发展零模型分析

以HLM7.0构建零模型对高新技术产业发展的组间差异显著性进行检验，方程表达式为：水平1：yji=π0i+eji；水平2：π0i=β00+γ0i，得表2。

表2 零模型方差成分估计结果

p-value＜0.001 d.f.30 χ2 1 863.576 88 Random Effect INTRCPT1,r0 level-1,e 1.865 23 1.039 97 Variance Component 3.479 09 1.081 54

多层发展模型的建立需要三个步骤的检验，首先就是对发展模型的组间差异是否明显进行检验，即ICC组内相关系数是否显著的检验，ICC表示组间方差与总方差之比，其公式可表示为：+其中δ2u0表示组间方差或宏观层次方差，δ2表示组内方差或者微观层次方差。ICC既能反映组间变异也能反映组内个体间的相关系数，其组织范围在0到1之间。由δ2uo与δ2是否显著可以判断ICC值的统计显著性，如果ICC值显著说明数据存在组间差异应利用多层模型进行分析，如果ICC值不显著应利用多元回归线性模型进行分析而不需要用多水平模型分析。零模型可以表示为：

表3 零模型分析固定效应结果

Fixed Effect Coefficient p-value t-ratio Standard error INTRCPT2,β00 5.349 117 Approx.d.f.0.332 243 16.100 30＜0.001

对零模型固定效应的结果分析表3，其中水平2截距β00的估计的系数为5.35，标准差为0.33，T检验值为16.1，自由度为30，P值小于0.001极度显著，说明水平2的截距β00有统计学意义，即各组间的初始值的截距差异明显，但由于没有因变量所以没有实际意义。

零模型其他数据结果还有σ2=1.081 54：水平1的截距π0为3.479 09：以及水平1截距π0的信度为0.984表示水平1方程的可信程度较高。Deviance=1 845.010 954即方程的偏差为1 845.01。

（二）高新技术产业随机截距发展模型分析

数据主要来源于1996至2014年《中国高新技术产业统计年鉴》生产经营情况部类按地区分31个省市高新技术产业1995至2013年产值，科技活动情况按地区分31个省市1995至2013年高新技术产业新产品研发投入，劳动力情况为按地区分31个省市区1995年至2013年高新技术产业从业人员年平均数，及31和省市1995至2013年固定资产投资额按地区分。指标的选取依供给角度分别包括：劳动力要素、资本要素、技术要素、政策要素，4个指标与高新技术产值之间的关系。

水平2：π0i=β00+γ0i;π1j=β10，方程可表示为：yγi=β00+β10Timeγi+(γ0i+eγi)。可得发展模型运算结果见表4。

表4 随机截距发展模型方差成分估计结果

Random Effect INTRCPT1,r0 level-1,e Standard Deviation 1.87873 0.34808 Variance Component 3.529 63 0.121 16 d.f.30 χ2 16 634.841 59 p-value＜0.001

表4随机截距发展模型随机效应方差估计结果，方程经三次迭代即收敛说明方程的拟合较好，第二次似然迭代值为-3.153 813E+002。由ICC组内相关系数的公式可得ICC=3.53/（0.12+3.53）=0.967，也就是组间变异占总的变异的96.7%，而且P值小于0.001极度显著，说明组间变异是影响总变异的主要因素而且影响比重约为97%，表明不同省份之间高新技术产业产值随时间变化差异较大。表4的其他系数截距标准差为1.88，水平1的残差的标准差为0.35，自由度为30，卡方值为16 634.84。

表5 随机截距发展模型分析固定效应结果

Coefficient p-value＜0.001 Standard error t-ratio 3.781 606 11.557 0.174 168 Fixed Effect For INTRCPT1,π0 INTRCPT2,β00 For Time slope,π1 INTRCPT2,β10 0.327 223 30 0.006 801 25.607 Approx.d.f.557＜0.001

对随机截距发展模型固定效应的结果分析表5，对于截距π0在水平2截距β00的估计的系数为3.78，标准误为0.33较小，T检验值为11.557，自由度为30，P值小于0.001极度显著，说明水平2的截距β00有统计学意义，即各组间的初始值的截距差异明显，说明高新技术产业产值在各省份在1995年差距明显，且总体上各省份高新技术产业产值是随着时间的变化而正向变动的。对于随机截距发展模型的系数π1在水平2截距β10的系数为0.17，标准误为0.006 8较小，T检验值为25.607，自由度为557，P值小于0.001极度显著，说明各省份内部产值随时间变化情况，系数为正且通过显著性检验，说明各省份总体上高新技术产业产值随时间的变动而正向增加。

随机截距发展模型其他数据拟合结果：σ2=0.12 116，则随机截距发展模型与零模型相比的方差解释度可减少88.3%。水平1的截距π0为3.52 963；水平1截距π0的信度为0.998表示水平1方程的可信程度较高。Deviance=630.762 658即方程的偏差为630.762 658，与零模型相比方程偏差减少1214.248 296远大于3极度显著，说明随机截距发展模型的拟合度更好。

（三）高新技术产业混合发展模型分析

零模型表明31个省市之间高新技术产业产值存在明显差异，随机截距发展模型表明高新技术产业产值31个省市之间及各个省份内部随时间的变化是显著的，在零模型和随机截距发展模型的基础上，进一步研究组间及组内高新技术产业发展的影响因素，从四个方面的因素分别为政策因素、技术因素、劳动力因素和资本因素四个方面进行建模，构建混合发展模型，其模型表达式可表示为：水平1：yij=π0j+π1jTimeij+eij，

水平2：π0j=β00+β01Gj+β02Tj+β03Lj+β04Cj+γ0j

π1j=β10+β11Gj+β12Tj+β13Lj+β14Cj，

方程可表示为：yγi= β00+ β10Timeγi+(γ0i+eγi)。

2) 仿真计算分析推进特性75%负荷下的两个不同EGR率时文丘里管的内部流动，验证文丘里管的良好降压作用，可满足较高的EGR率要求。

依次添加政策因素、技术因素、劳动力因素和资本因素可得固定效应估计结果见表6。

党的十九大报告指出，坚定不移全面从严治党，要“运用监督执纪‘四种形态’，抓早抓小、防微杜渐”。践行监督执纪“四种形态”是对新时代管党治党经验的一种深化总结，是贯彻落实习总书记“管党治党，必须严字当头，把严的要求贯穿全过程，做到真管真严、敢管敢严、长管长严”[1]这一讲话精神的具体体现，是对全党从严执纪的一种具体要求。监督执纪“四种形态”是党建领域面临的崭新课题，深入研究这一课题对于践行监督执纪“四种形态”将会起到重要的推动作用。

表6 混合发展模型分析固定效应结果

Fixed Effect For INTRCPT1,π0 INTRCPT2,β00 G,β01 INTRCPT2,β00 T,β01 INTRCPT2,β00 L,β01 INTRCPT2,β00 C,β01 For Time slope,π1 INTRCPT2,β10 G,β11 INTRCPT2,β10 T,β11 INTRCPT2,β10 L,β11 Coefficient Standard error t-ratio Approx.d.f.p-value 0.121 119 0.575 834-1.345 210 0.653 550-2.541 084 0.578 017 3.520 333 0.844 196 0.704 372 0.103 923 0.677 386 0.082 639 1.274 758 0.114 182 0.177 777 0.091 727 0.172 5.541-1.986 7.909-1.993 5.062 19.802 9.203 29 29 29 29 29 29 29 29 0.865＜0.001 0.057＜0.001 0.056＜0.001＜0.001＜0.001 0.188 541-0.002 261 0.185 576-0.001 454 0.198 603-0.002 234 0.007 527 0.001 110 0.009 022 0.001 101 0.013 06 0.001 17 25.050-2.036 20.569-1.321 15.207-1.910 556 556 556 556 556 556＜0.001 0.042＜0.001 0.187＜0.001 0.057

续表6

Fixed Effect INTRCPT2,β10 C,β10 Coefficient 0.174 525-0.001 155 Standard error 0.006 887 0.003 648 t-ratio 25.342-0.317 Approx.d.f.556 556 p-value＜0.001 0.752

对混合发展模型固定效应的结果分析表6，将单个变量分别加入模型中研究模型的解释度和拟合度。对于政策因素G的截距π0在水平2截距β00的估计的系数为0.12，标准误为0.7较小，T检验值为0.172，自由度为29，P值0.865大于0.05不显著，说明单个政策因素对省份之间高新技术产业产值初始值的影响不显著。对于政策因素π0在水平2的系数为0.58，标准误为0.1较小，T检验值为5.54，自由度为29，P值小于0.01极度显著，说明31个省份高新技术产业受政策因素的显著影响。对于政策因素随时间的推移对高新技术产业发展的影响，对于时间系数π1在水平2上的截距系数为0.19，标准误为0.007较小，T检验值为25.05，自由度为556，P值小于0.01极度显著，说明就各省市高新技术产业随时间发展的变化是显著的。对于政策与时间的交互作用系数β11为-0.002，标准误为0.001较小，T检验值为-2.04，自由度为556，P值为0.042小于0.05显著，说明政策因素与时间存在交互作用但是系数为负且很小，说明随时间推移政策因素对各省市自治区高新技术产业发展影响逐渐减弱。

对于技术因素T的截距π0在水平2截距β00的估计的系数为-1.35，标准误为0.68较大，T检验值为-1.986，自由度为29，P值0.057大于0.05不显著，说明单个技术因素对省份之间高新技术产业产值初始值的影响不显著。对于技术因素π0在水平2的系数为0.65，标准误为0.082较小，T检验值为7.909，自由度为29，P值小于0.01极度显著，说明31个省市自治区高新技术产业受技术因素的显著影响。对于技术因素随时间的推移对高新技术产业发展的影响，对于时间系数π1在水平2上的截距系数为0.185，标准误为0.009较小，T检验值为20.569，自由度为556，P值小于0.01极度显著，说明就各省市高新技术产业随时间发展的变化是显著的。对于技术因素与时间的交互作用系数β11为-0.001，标准误为0.001较小，T检验值为-1.321，自由度为556，P值为0.187大于0.05不显著，说明技术因素与时间之间的交互作用系数为负但不显著，说明随时间推移技术因素对各省市自治区高新技术产业发展影响逐渐减弱但是不明显。

对于劳动力因素L的截距π0在水平2截距β00的估计的系数为-2.54，标准误为1.27较大，T检验值为-1.993，自由度为29，P值0.056大于0.05不显著，说明单个劳动力因素对省份之间高新技术产业产值初始值的影响不显著。对于劳动力因素π0在水平2的系数为0.58，标准误为0.11较小，T检验值为5.06，自由度为29，P值小于0.01极度显著，说明31个省市自治区高新技术产业受劳动力因素的显著影响。对于劳动力因素随时间的推移对高新技术产业发展的影响，对于时间系数π1在水平2上的截距系数为0.198，标准误为0.01较小，T检验值为15.21，自由度为556，P值小于0.01极度显著，说明就各省市高新技术产业随时间发展的变化是显著的。对于劳动力因素与时间的交互作用系数β11为-0.002，标准误为0.001较小，T检验值为-1.91，自由度为556，P值为0.057大于0.05不显著，说明劳动力因素与时间之间的交互作用系数为负但不显著，说明随时间推移劳动力因素对各省市各省市高新技术产业发展影响逐渐减弱但是不明显。

对于资本因素C的截距π0在水平2截距β00的估计的系数为3.52，标准误为0.177较小，T检验值为19.802，自由度为29，P值小于0.01极度显著，说明单个资本因素对省份之间高新技术产业产值初始值的影响显著。对于资本因素π0在水平2的系数为0.84，标准误为0.09较小，T检验值为9.203，自由度为29，P值小于0.01极度显著，说明31个省份高新技术产业受资本因素的显著影响。对于资本因素随时间的推移对高新技术产业发展的影响，对于时间系数π1在水平2上的截距系数为0.174，标准误为0.006较小，T检验值为25.342，自由度为556，P值小于0.01极度显著，说明就各省市高新技术产业随时间发展的变化是显著的。对于资本因素与时间的交互作用系数β11为-0.001，标准误为0.036较小，T检验值为-0.317，自由度为556，P值为0.752大于0.05不显著，说明资本因素与时间之间的交互作用系数为负但不显著，说明随时间推移资本因素对各省市自治区高新技术产业发展影响逐渐减弱但是不明显。

图书馆流通部是联系图书馆与读者之间的桥梁和纽带，但是大多数高校都存在着领导对此不够重视，认为流通部工作简单，没有技术含量，对流通部员工管理及一些借阅制度都是延续多少年以来的老办法，没有新意，没有奖励激进措施，而流通部工作又单调乏味、繁重，这样就会使馆员工作懈怠，始终处于应付状态，对读者缺乏关心和耐心，势必会影响流通服务质量，破坏图书馆整体形象。

对于混合发展模型的拟合度，政策因素混合发展模型可以在随机截距模型的基础上进一步解释方差变异的0.5%，Deviance=620.400 15，与随机截距发展模型相比偏差值缩减大于3说明方程拟合显著，整体拟合较好。技术因素混合发展模型可以在随机截距模型的基础上进一步解释方差变异的0.1%，Deviance=610.027 925，与随机截距发展模型相比偏差值缩减大于3说明方程拟合显著，整体拟合较好。劳动力因素混合发展模型可以在随机截距模型的基础上进一步解释方差变异的0.5%，Deviance=623.179 106，与随机截距发展模型相比偏差值缩减大于3说明方程拟合显著，整体拟合较好。资本因素混合发展模型可以在随机截距模型的基础上进一步解释方差变异的0.1%，Deviance=603.534 026，与随机截距发展模型相比偏差值缩减大于3，说明方程拟合显著，整体拟合较好。

对于单个因素的混合发展模型可能由于其他原因系数的显著性检验表现得不是很好，而将四个因素纳入同一个模型中进行分析得表7。

表7 整体混合发展模型分析固定效应结果

Fixed Effect For INTRCPT1,π0 INTRCPT2,β00 G,β01 T,β002 L,β003 C,β004 For Time slope,π1 INTRCPT2,β10 G,β11 T,β12 L,β13 C,β14 Coefficient Standard error t-ratio Approx.d.f.p-value 2.860-0.108 0.726-0.388 0.546 1.094 0.154 0.248 0.165 0.135 2.616-0.706 2.923-2.358 4.048 26 26 26 26 26 0.015 0.487 0.007 0.026＜0.001 0.2 098-0.0 064 0.0 094-0.0 063 0.0 003 0.019 0.003 0.004 0.003 0.002 10.945-2.357 2.166-2.191 0.151 553 553 553 553 553＜0.001 0.019 0.031 0.029 0.880

将政策因素、技术因素、劳动力因素和资本因素都纳入模型其固定效应估计结果表7，对截距π0在水平2上的系数截距系数 β00为2.86，标准误为1.094较大，T检验值为2.616，自由度为26，P值为0.015通过显著性检验，说明整体混合模型下高新技术产业各省份的初始值存在较大差异。政策因素的系数β01系数为-0.108，标准误为0.154较小，T检验值为-0.706，自由度为26，P值为0.487大于0.05未通过显著性检验，说明政策因素对各省份之间高新技术产业的发展影响为负但不显著。技术因素的系数β02系数为0.726，标准误为0.248较小，T检验值为2.923，自由度为26，P值为0.007小于0.05通过显著性检验，说明技术因素对各省份之间高新技术产业的发展具有正向影响且显著。劳动力因素的系数β03系数为-0.388，标准误为0.165较小，T检验值为-2.358，自由度为26，P值为0.026小于0.05通过显著性检验，说明劳动力因素对各省份之间高新技术产业的发展影响逐渐减弱且通过显著性检验。资本因素的系数β04系数为0.546，标准误为0.135较小，T检验值为4.408，自由度为26，P值小于0.001极度显著，说明资本因素对各省份高新技术产业之间的发展影响为正且显著。

对时间系数π1在水平2上的系数截距系数β10为0.209 8，标准误为0.019较大，T检验值为10.945，自由度为553，P值小于0.001极度显著通过显著性检验，说明整体混合模型下高新技术产业各省份的初始时间随时间的变化而相应增长。政策因素的系数β11系数为-0.006 4，标准误为0.003较小，T检验值为-2.357，自由度为553，P值为0.019小于0.05通过显著性检验，说明政策因素对各省份历年高新技术产业的发展影响随时间的增长而减弱且显著。技术因素的系数β12系数为0.009 4，标准误为0.004较小，T检验值为2.166，自由度为553，P值为0.031小于0.05通过显著性检验，说明技术因素对各省份历年高新技术产业的发展随时间的增加而逐渐加强且显著。劳动力因素的系数β13系数为-0.0 063，标准误为0.003较小，T检验值为-2.191，自由度为553，P值为0.029小于0.05通过显著性检验，说明劳动力因素对各省份历年高新技术产业的发展影响随时间的增长逐渐减弱且通过显著性检验。资本因素的系数β14系数为0.000 3，标准误为0.002较小，T检验值为0.151，自由度为553，P值小于0.880大于0.05不显著，说明资本因素对各省份高新技术产业历年的发展影响随时间的增长而逐渐增强但不显著。

开发基于IP控制技术的新海岸电台中控系统，并基于新系统改造广州和三亚海岸电台中控台，使其满足接入多个收发信台的功能。逐步改造各海岸电台收发信台，将收发信台中原基于硬交换的收发信设备更新为具有IP控制功能的设备。此外，将汕头、湛江、北海海岸电台的收发信台设备和南海收发信台的收发信设备接入广州海岸电台中控系统，将海口、八所海岸电台的收发信设备接入三亚海岸电台中控系统，实现两广地区和海南地区海岸电台中高频通信设备的深度融合。

表8 整体混合发展模型方差成分估计结果

Random Effect INTRCPT1,r0 level-1,e Standard Deviation 0.812 82 0.346 07 Variance Component 0.660 68 0.119 77 d.f.26 χ2 2 751.092 23 p-value＜0.001

整体发展混合模型方差成分估计结果见表8，截距r0标准差为0.812 82，方差成分为0.660 68，自由度为26，卡方值为2 751.09，P值小于0.001极度显著。水平1的残差标准差为0.346 07，方差成分为0.119 77。则ICC=0.660 68/（0.660 68+0.119 77）=0.8465，极度显著。

第二，抓住时机发展数字出版，由传统出版领域转向数字出版领域。最初爱思唯尔只是将单个期刊放在网上试验，在看到电子化发展势在必行之后，它就将经营重点转向了数字化领域，开始在数字化项目上投入大量资金。从1997年开始，通过ScienceDirect全文数据库的建立、EiVillage的启动、Scopus的运营等，爱思唯尔已经与传统出版渐行渐远，全面地转向了信息服务。它从以纸质出版业务为主的媒体垄断巨头转型为一个专注于高定价、高增长率的全球性信息提供商，并成为该领域的领头羊。

对方程的拟合情况进行分析，模型经历四次迭代收敛值为-3.089 768E+002，σ2=0.119 77即在随机截距方程模型基础上进一步解释变异的11%。Deviance=617.953 674，与随机截距模型相比缩减大于3极度显著，说明方程拟合较好。则方程可表示为：

在他们兴奋地庆祝时，桌上的台灯正巧照到了显微镜上。“我们其实记录下了我们的兴奋。”当时科恩团队中的一个研究生丹尼尔·霍克巴姆（Daniel Hochbaum）说。欢呼声渐渐平息，一年后，科恩的团队发表了研究成果——修饰哺乳动物特定神经元的荧光蛋白能够用于实时记录单个神经元的电冲动。他们是最先发表这一成果的研究团队之一。

（四）因素影响率测算

在全要素混合发展模型分析的基础上进一步测量各个因素对省份高新技术产业产值的贡献率，其中政策因素对高新技术产业的影响率为{EG(G/Y)}其中EG为政策要素对高新技术产业产值的弹性，G为政策因素测量变量值，Y为高新技术产业产值。同理技术因素对高新技术产业的影响率为{ET(T/Y)}ET为技术要素对高新技术产业产值的弹性，T为技术因素测量变量值，Y为高新技术产业产值。劳动力因素对高新技术产业的影响率为{EL(L/Y)}EL为劳动力要素对高新技术产业产值的弹性，L为劳动力因素测量变量值，Y为高新技术产业产值。资本因素对高新技术产业的影响率为{EC(C/Y)}EC为资本要素对高新技术产业产值的弹性，C为资本因素测量变量值，Y为高新技术产业产值。四个因素的整体影响率为{Y-(G×EG+T×ET+L×EL+C×EC)}/Y，据以上公式可得表9。

美国国立卫生研究院要求受资助人在课题执行期提交一系列报告。这些报告包括年度进展报告（非竞争性课题至少每年1次）、结题绩效报告、财务报告等。《美国国立卫生研究院资助政策声明》对不同的报告均写明具体要求，并在RePORT网站（https://report.nih.gov/）上公布美国国立卫生研究院所资助项目的主要研究目标和成果情况，接受大众监督。

表9 1995至2013年各省市自治区政策、技术、劳动力、资本及全要素平均影响率值

省份北京天津河北山西内蒙古辽宁吉林黑龙江上海江苏浙江安徽福建江西山东河南湖北湖南广东广西重庆海南政策因素影响率-0.269 931 308 0.038 821 194-0.141 061 688 0.133 535 941 0.354 783 135-0.307 017 843-0.129 666 462-0.221 318 982-0.096 052 41-0.110 240 629 0.185 537 819-0.224 508 87-0.068 990 87-0.191 371 098 0.002 627 885-0.155 495 822-0.203 047 824-0.421 270 155-0.084 133 657-0.150 150 775 0.143 933 704-0.272 542 67技术因素影响率-0.210 433 527 0.086 902 033 0.728 700 178 0.717 265089 0.635 961 269 0.472 017 117 0.429 465 772 1.537 049 511 0.754 968 493 0.606 853 962-0.070 621 64-0.088 237 056 0.649 902 593 0.854 597 975 0.953 399 309 0.745 274 61 1.388 359 061 1.274 961 465 0.631 142 49 0.748 714 706 0.033 718 108 0.594 640 935劳动力因素影响率-2.588 489 655-0.353 751 792-0.158 831 771-0.245 020 007 0.373 873 68-0.318 484 581-0.154 248 843 0.046 878 079-0.425 582 043-0.528 803 063-1.117 033 411-0.277 434 2-0.310 291 036-0.141 527 729-0.955 311 67 0.050 218 412-0.420 774 265-0.024 280 773-0.488 868 412-0.281 577 401-0.632 967 383-0.832 930 866资本因素影响率-0.316 301 828 0.399 055 544 1.0118 614 19 0.316 013 148 1.437 003 005 0.872 141 686 0.231 659 915 0.771 977 607 0.247 211 007 0.216 759 123-1.065 865 107 0.0541 726 23-0.232 867 957 1.400 448 807-0.233 692 141 0.599 960 192 1.517 174 511 1.369 494 817 0.311 449 716 0.556 627 396 0.058 870 491 0.346 895 918全要素影响率0.517 498 052 0.935 526 038-0.381 348 344 0.756 953 899-0.281 566 17-0.407 148 418-0.747 564 414 0.727 191-0.216 782 635 0.528 171 335 0.414 412 999-3.570 575 009-0.584 885 152-0.636 895 008-0.273 811 046 0.706 387 701-0.055 827 63-0.789 810 305 0.927 180 029-0.687 629 046-0.434 029 617 0.291 291 613

续表9

省份四川贵州云南西藏陕西甘肃青海宁夏新疆政策因素影响率-0.592 135 691 0.007 497 568-0.174 838 43-0.153 707 263-0.685 309 365 0.022 377 288-0.229 312 262-0.101 293 361-0.170 322 859技术因素影响率1.672 279 862 0.806 540 901 0.713 757 143 0.915 506 436 1.575 770 269 0.219 868 684 0.882 495 256 0.414 541 691 0.690 200 168劳动力因素影响率-1.406 948 163 0.050 568 805-0.543 278 469-0.559 650 836-0.896 168 556-0.394 948 434-0.518 199 621-0.500 929 892-0.502 690 065资本因素影响率-0.081 822 749 0.688 557 124 0.568 894 934 0.462 111 504 0.215 312 176 0.120 486 113 0.316 860 525 0.353 554 122 0.370 240 823全要素影响率-2.963 936 821-0.156 525 235-0.056 690 915 1.972 999 651-0.183 105 137-0.017 913 64 0.159 656 222-2.526 129 631-0.709 280 193

1995-2013年各省份政策、技术、劳动力、资本及全要素平均影响率值表9，其中政策影响率值为正的省份有天津、山西、内蒙古、浙江、山东、重庆、贵州、甘肃共8个，其他23个省市区政策影响率值为负，一方面说明政策因素对各省份的影响存在差异；另一方面由于大多数省份政策因素对高新技术产业发展的影响为负，说明随着高新技术产业的发展政策因素对高新技术产业发展的影响逐渐削弱。技术因素影响率值为负的有北京、浙江、安徽3个省市，其他28个省市自治区技术因素影响率值为正，说明技术因素是影响高新技术产业发展的重要因素，如西藏、青海、云南等西部地区技术因素是影响其高新技术产业发展的最重要因素。东部沿海地区如广东、浙江、福建、江苏、上海、山东省等省同样技术因素是影响其高新技术产业发展的最重要因素，中部地区如湖北省、湖南省、陕西省等省技术因素对高新技术产业发展的影响率大于1。劳动力因素影响率值为正的省份有内蒙古、黑龙江、河南、贵州4个省份，虽然为正但是值较小，其余27个省市自治区劳动力因素对高新技术产业产值的贡献为负，说明劳动力投入的越多不一定能够带来高新技术产业的发展，甚至某种程度上会阻碍高新技术产业的发展。资本要素影响率值为负的省份有北京、浙江、福建、四川4个，其余27个省市自治区资本因素对高新技术产业的贡献为正，且在四个因素中影响率值仅次于技术因素，说明我国高新技术产业发展的主要影响因素为技术和资本要素。全要素贡献率值正负出现明显差异，北京、天津、山西、黑龙江、江苏、浙江、河南、广东、海南、西藏、青海共11个多位于东部，其余20个省市自治区全要素贡献率值为负，一方面说明省级区域高新技术产业发展存在差异，同时也说明由于具体情况的不同对四个因素投入比重的差异导致高新技术产业整体发展的差异。全国政策力因素平均影响率值为-0.138，劳动力因素平均影响率值为-0.486，技术因素平均影响率值为0.689，资本因素平均影响率值为0.416，全要素平均影响率值为-0.250。

图1 1995-2013年各要素贡献率值

1995-2013年各要素贡献率值（图1），可以看31个省市自治区政策因素贡献率值围绕着0在-1到1之间波动且接近于0值较小，进一步验证政策因素对高新技术产业的影响逐渐弱化。31个省市自治区劳动力因素贡献率值大部分都在0轴以下，大多数取值均在-1以内，说明劳动力的投入不能带来高新技术产业的发展。31个省市自治区技术因素和资本因素影响率值多数在0轴以上，且在0～2以内，说明技术因素和资本因素是影响高新技术产业发展的最重要因素，且二者曲线趋势大致相同说明资本因素和技术因素可能互相影响。31个省市自治区全要素影响率值相互之间差异较大，全要素影响率曲线波动较大，在-4-2之间不断波动，大部分值为负，说明各省份之间对高新技术产业的投入存在差异，且区域高新技术产业发展水平之间存在差异。

大家一致认为，习近平总书记在中央政治局第九次集体学习时的重要讲话，对加快发展新一代人工智能的重大意义和战略地位作了深刻阐述，提出明确要求，强调加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题，要推动新一代人工智能同经济社会发展深度融合，努力掌握科技竞争主动权。这为我们加快推进新旧动能转换重大工程、推动高质量发展提供了重要依据和遵循。

依托新媒体开放性平台，能有效拓宽思想政治教育的空间。新媒体的发展，使得大学生不在仅仅依靠传统的课堂教学来获取“毛中特”理论知识，通过网络平台，轻松获得相关的思想政治理论知识，及时捕捉、接收、传递最新的事实新闻与资讯。以微信、微博为代表的新媒体，为中国的传统文化、社会主义核心价值观、中国梦等思想传播提供了广阔的可塑空间，将教育课堂范围延伸拓展至家庭、社会的每个角落。

四、研究结论与对策

以我国1995-2013年19年间的高新技术产业静态面板数据为基本依据，从供给的角度研究了政策因素、劳动力因素、资本因素和技术因素对各省份高新技术产业产值的影响。通过构建多层次科布-道格拉斯函数模型，首先运用零模型验证了各省份高新技术产业产值组别之间存在差异；其次，建立随机截距发展模型验证各省市自治区高新技术产业随时间发展规律，证明多层次水平下高新技术产业发展随时间的发展是显著的；再次，在随机截距发展模型的基础上进一步加入影响因素变量，建立混合发展模型，结果表明政策因素、劳动力因素、技术因素、资本因素四个因素对高新技术产业在组间与组内的变异均有较强的解释度，同时混合发展模型的拟合度较好；最后，在混合发展模型的基础上计算各要素的影响率值，结果发现劳动因素影响率值大部分值小于0，说明劳动力投入对高新技术产业的影响呈减弱趋势。政策因素影响率值围绕0上下波动且多数值为负，说明高新技术产业发展要减弱政策因素的影响。技术因素影响率值大部分为正且各省市自治区影响率值中技术因素值最大，说明对技术的投入会促进高新技术产业的发展。资本因素影响率值同样大部分为正且各省份影响率值中仅次于技术因素，说明资本因素也是影响高新技术产业发展的重要因素之一，对技术因素和资本因素变化趋势研究，二者影响率值变化存在趋同性，说明二者存在一定的相关性。对全要素影响率值变化趋势研究，全要素影响率值围绕0上下波动且波幅较大，说明各省市自治区高新技术产业各要素投入存在差异，且区域之间高新技术产业发展水平存在差异。

根据以上研究对我国高新技术产业在供给侧改革的背景下，推进产业供给侧的结构改革应该从以下几点去做：首先，推动技术的创新，加快新产品研发速度力度，加大资本对高新技术产业的倾斜。技术因素是影响高新技术产业的最重要因素，新产品的研发速度决定高新技术产业的竞争力和市场份额，资本与技术变动趋势基本趋同，加大资本的投入有利于高新技术产业的技术研发水平，有利于高新技术产业的发展。其次，进一步削弱劳动力因素对高新技术产业的影响更加注重劳动力的质量，进一步弱化政策因素在高新技术产业发展中所占的比重，劳动力因素和政策因素对高新技术产业发展的影响有一定的阻碍作用。再次，具体的省份应该根据自身高新技术产业的发展水平去相应调整四个因素的投入，并有所侧重。技术和资本要素是影响高新技术产业发展的最重要因素，应加大对这两个因素的投入。

参考文献

［1］胡鞍钢，周绍杰，任皓.供给侧结构性改革—适应和引领中国经济新常态［J］.清华大学学报：哲学社会科学版，2016，31（2）：17-22.

［2］杨清可，段学军.基于DEA-Malmquist模型的高新技术产业发展效率的时空测度与省际差异研究［J］.经济地理，2014，34（7）：103-110.

［3］陈四辉，王亚新.我国高新技术产业省区差异与投入绩效实证研究［J］.经济地理，2015，35（2）：120-126.

［4］刘伟，李星星.中国高新技术产业技术创新效率的区域差异分析——基于三阶段DEA模型与Bootstrap方法［J］.财经问题研究，2013（8）：20-28.

［5］张同斌，范庆泉.中国高新技术产业区域发展水平的梯度变迁与影响因素［J］.数量经济技术经济研究，2010（11）：52-65.

［6］陈程，刘和东.我国高新技术产业创新绩效测度及影响因素研究——基于创新链视角的两阶段分析［J］.科技进步与对策，2012，29（1）：133-137.

［7］杨清可，段学军，张伟，等.中国高新技术产业发展水平格局演变及影响因素分析［J］.长江流域资源与环境，2014，23（12）：1649-1658.

［8］史丹，李晓斌.高技术产业发展的影响因素及其数据检验［J］.中国工业经济，2004（12）：32-39.

［9］王玉，许俊斌.中国高新技术产业发展效率的影响因素［J］.经济管理，2011，33（9）：17-25.

［10］何建莹，李晓钟.FDI对我国高新技术产业发展的影响［J］，企业经济，2012（1）：22-27.

［11］陈修德，梁彤缨.中国高新技术产业研发效率及其影响因素［J］.科学学研究，2010，28（8）：1198-1205.

［12］翟琼，宋正一，张哲，等.R&D投入对区域高新技术产业发展的影响［J］.经济地理，2015，35（8）：129-134.

［13］麦均洪.中国高新技术产业发展的影响因素、地区差异和政策效应分析——基于省际面板数据的实证研究［J］.华南理工大学学报：社会科学版，2014，16（3）：9-17.

［14］方雯，盛烨.我国高新技术产业发展的影响要素测试与阶段性特征分析［J］.技术经济与管理研究，2010（2）：67-70.

［15］李晓宏，孙林岩，何哲.我国区域技术进步影响因素实证分析——基于面板数据的实证分析［J］.科技管理研究，2008（9）：110-112.

［16］郑珊珊，樊一阳，刘华珍.基于DEA模型的高技术产业技术创新资源配置效率分析［J］.科技管理研究，2010（3）：133-144.