主要内容
本项目主要基于北京市大中型重点企业和三类细分企业研发投入发展现状，探究企业研发投入对相关经济指标的影响，同时借鉴美国、英国、日本等发达国家促进企业研发投入的经验做法，构建北京大中型重点企业研发投入预测预警模型，并基于此对2023年4季度-2024年4季度大中型重点企业研发费用规模和增速展开测算，根据测算结果和国内外科技园区经验措施，提出促进北京企业科技创新的建议举措。
本项目主要包括以下四个方面的研究内容：
一是大中型重点企业研发费用现状分析。分析2020年1季度以来北京大中型重点企业及三类细分企业（工业企业、信息传输、软件和信息技术服务业企业、科学研究和技术服务业企业）研发费用历史发展情况，总结梳理国内外常用研发投入预测方法，在此基础上结合北京大中型重点企业研发费用增速变化趋势，采用指数平滑法、时间序列法、相关关系法等方法构建预测模型，对2024年北京大中型重点企业研发费用季度变化趋势进行研判。
二是大中型重点企业研发投入关联指标分析。分析北京大中型重点企业研发费用及相关经济社会指标历史发展情况，挖掘大中型重点企业及三类细分企业研发费用与经济社会指标之间的相关关系，在此基础上通过相关性分析、回归分析等相结合的方法构建相关性模型。
三是提出促进企业研发投入的政策和经验。梳理美国、英国、日本、韩国等发达国家促进企业研发投入的经验举措，从经济与科技、产业集群、产学研合作、市场化运作、政府支持、投融资渠道、科技人才等方面提炼企业研发费用投入的重点政策和措施；结合北京科技园区的发展和定位，提出促进北京企业科技创新的建议举措。
四是构建企业研发投入预测模型。基于企业研发投入发展现状和关联指标，建立研发投入指标预测模型。对于大中型重点企业，①基于研发费用历史数据，建立霍尔特-温特斯乘法模型和季节性ARIMA模型；②基于大中型重点企业研发费用与关联指标的分析，建立相关关系预测模型；③基于大中型工业企业、信息传输、软件和信息技术服务业企业、科学研究和技术服务业企业的历史数据，建立三类企业研发费用的结构预测模型，最后，构建上述方法的组合预测模型。
前 言
科技是国家强盛之基，创新是民族进步之魂。党的二十大报告提出，科技是第一生产力、人才是第一资源、创新是第一动力，必须坚持创新在我国现代化建设全局中的核心地位，加快实现高水平科技自立自强，加快建设科技强国，并对完善科技创新体系、加快实施创新驱动发展战略等作出专门部署。
建设科技强国，关键在于发挥科技创新在全面创新中的引领作用。科技创新是人类社会发展的重要引擎，是构建新发展格局，实现经济高质量发展的必由之路。当前，我国经济已由高速发展阶段转向高质量发展阶段，科技创新对实体经济的推动作用日益增强，成为引领高质量发展的核心驱动力。
作为科技创新和产业升级的“主力军”，企业的创新和研发将对加快新旧动能转化、推动产业转型升级产生重要作用。北京作为我国的科技创新中心，针对“大中型重点企业研究开发费用增速”指标开展监测分析，强调该指标的促进工作是推动首都经济高质量发展的重要抓手，是建设北京国际科技创新中心的重要举措。近年来，受疫情因素和国内外局势的冲击，该指标出现逐季度放缓趋势，在此背景下，对北京市企业研究开发费用及相关指标的历史发展情况进行系统分析，并构建企业研究开发费用等科技创新指标的预测预警模型具有重要的意义。
首先，有助于系统掌握北京企业研究开发费用的发展现状。本项目通过对北京工业企业，信息传输、软件和信息技术服务业企业，科学研究和技术服务业企业等三类重点企业研究开发费用的分析，可以掌握各类企业研究开发费用的规模、增速、构成和强度等发展特征，并能够认识和了解到各类企业对北京全社会研究开发费用及相关经济指标的促进作用。
其次，有助于提高北京企业研究开发费用监测的整体效率。目前反映北京企业研究开发费用的数据资料主要来自北京市统计局发布的有关年度数据和季度数据，但由于统计数据的滞后性，政策和经济环境对研究开发费用的影响往往无法在短时间内显现，这对于把握北京企业研究开发费用未来发展趋势，探索政策和经济环境对企业研究开发费用的影响尤为不利。本项目通过构建北京企业研究开发费用等科技创新指标的预测预警模型，能够实现对北京企业研究开发费用的季度和年度未来发展趋势进行合理研判，进而提高北京企业研究开发费用数据的时效性。
最后，有助于反映北京企业研究开发活动的经济效益。北京作为我国的首都和政治中心，其全社会研究开发费用结构与国内其他省市存在显著差异，重点表现在研究开发费用在过去20多年内始终以科研机构为主，企业费用不足。反观上海、粤港澳大湾区等国内科技创新发展较快的地区，企业研究开发费用占比均在70%以上。因此，本项目通过对北京企业研究开发费用和相关经济指标的发展情况进行系统分析，对国内外主要科技创新中心的发展经验进行借鉴，可以明确北京目前面临的困境和挑战，并借此找寻促进北京企业科技创新的建议举措，这对于北京加快实现“国际科技创新中心”的战略目标至关重要。
目 录
第一部分 意义、研究内容和方法（1）
一、研究意义（1）
二、研究内容（3）
三、研究方法及进度安排（5）
第二部分 大中型重点企业研发费用现状分析（7）
一、大中型重点企业研发费用增长缓慢（9）
二、软信业企业研发费用增长乏力（11）
三、海淀区企业研发费用规模大（15）
第三部分 大中型重点企业研发费用关联指标分析（17）
一、大中型重点企业研发费用关联指标（17）
二、工业企业研发费用关联指标（27）
三、软信业企业研发费用关联指标（32）
四、科技服务业企业研发费用关联指标（35）
第四部分 大中型企业研发费用预测模型及结果（41）
一、霍尔特-温特斯乘法预测模型及预测结果（41）
二、季节性ARIMA预测模型及预测结果（46）
三、相关关系法预测模型及预测结果（49）
四、结构预测模型及预测结果（54）
五、组合预测模型及预测结果（58）
第五部分 促进北京企业研发投入的建议（63）
一、加大企业研发投入支持力度（63）
二、充分发挥“三城一区”企业带头作用（64）
三、促进企业科技成果积极转移转化（65）
四、强化企业高技能人才队伍建设（66）
五、完善企业研发投入税收优惠政策（67）
附录一 国内外研发投入预测方法归纳（69）
附录二 规上企业研发投入预测模型及预测结果（83）
评价指标体系
一、预测方法技术路线
本项目基于企业研发投入发展现状和关联指标，建立研发投入指标预测模型开展预测。对于大中型重点企业，①基于研发费用历史数据，建立霍尔特-温特斯乘法模型和季节性ARIMA模型；②基于大中型重点企业研发费用与关联指标的分析，建立相关关系预测模型；③基于大中型工业企业、信息传输、软件和信息技术服务业企业、科学研究和技术服务业企业的历史数据，建立三类企业研发费用的结构预测模型，最后，构建上述方法的组合预测模型。
二、研发费用预测模型方法介绍
1．霍尔特-温特斯乘法预测模型。霍尔特-温特斯乘法预测模型是季节性指数平滑预测模型的一种，其基本思想是把线性趋势、季节变动和随机变动的序列数据进行分解研究，分别对长期趋势（
）、趋势增量（
）和季节变动（
）做出预测，在此基础上对总量进行预测（
）。计算公式为：
其中，
为长期平滑系数，
为趋势平滑系数，
为季节平滑系数，取值均在（0，1）之间。
为
时期的实际值，
为季节性长度或时间周期，
为预测时期距离现在时期的间隔数。平滑系数通过分别计算不同组合下研发费用预测值和实际值的平均误差率，选择误差率最小的平滑系数组合作为最优平滑系数。
2．季节性ARIMA预测模型。季节性ARIMA模型结合了三种时间序列基本方法，包括自回归（AR）、差分（I）和移动平均（MA），一般表现形式为SARIMA(p,d,q)(P,D,Q)。其中，p表示自回归阶数，d表示差分次数，q表示移动平均阶数，P表示季节性自回归阶数，D表示季节性差分次数，Q表示季节性移动平均阶数。差分次数通过检验数据的平稳性确定，自回归和移动平均阶数通过综合判断原始数据自相关图、偏自相关图的拖尾、截尾情况，以及利用迭代计算寻找最小AIC信息准则来确定。
3．相关关系法预测模型。相关关系法预测模型选择反映社会经济发展、企业经营业绩、技术市场、对外贸易、专利产出、居民生活等多个方面的共40个指标，与大中型重点企业研发费用进行相关性检验，将相关系数在0.95以上的关联指标作为因变量，大中型重点企业研发费用作为自变量，采用逐步回归法构建多元线性回归模型开展预测。
4．结构预测模型。结构预测模型的主要思路是根据三类企业研发费用历史数据，分别建立工业企业、软信业企业以及科技服务业企业研发费用预测模型，再结合2020年1-2月至2023年1-8月三类企业研发费用占比平均变化，进一步得到基于三类企业的大中型重点企业研发费用。得到预测结果后，利用2023年三类企业研发费用构成情况对预测结果进行加权，最终形成大中型重点企业研发费用结构预测模型。
5．组合预测模型（最终预测结果）。组合预测模型是进行研发费用预测的最终指导原则，其基本思想是对上述各种预测方法的效果进行综合评判，并通过不同的权重反映在组合预测模型中。
组合预测模型的基本公式为：
其中，
为霍尔特-温特斯乘法模型预测结果，
为结构预测模型预测结果，
为季节性ARIMA模型预测结果，
为相关关系法预测模型预测结果。
使用QQ直接登录
