武夷山
2020年8月27日，Science and Public Policy（科学与公共政策）网站在线预发表了欧盟联合研究中心增长与创新部的Pietro Moncada-Paternò-Castello和另外两位学者合著的文章，Corporate R&D intensity decomposition: different data, different results? （企业研发强度分解：不同数据导致不同结果？）。
文章的“摘要”说：
研发指标被用于推动国际比较，也用作科研与创新政策的目标。此类指标的一个例子是研发强度。对企业研发强度这个总值进行分解，可以解释不同国家在研发强度上的差异，弄清此差异是由于企业的研发投资不足，还是由于不同经济部门间的差异。企业研发强度分解这个主题尽管很重要，但直到较晚近的时候才出现这方面的文献。本文首次对企业研发强度分解的不同方法论框架及这些框架在实践中的运用情况进行了综述，解释了为何有时候经验研究的结果似乎是相互矛盾的。本文表明，采用不同的数据源和分析方法会影响企业研发强度分解的结果，讨论了相关的分析启示和政策启示。本文还对分析师和政策制定者提供了方法与分析指导。
文章的“结论”说（大致意思）：
本研究从几个方面丰富了现有文献。本文的关键新颖结果之一是，（1）弄清了为何此类研究会得出不同的结果，尽管它们多数采用了类似的数据和计算方法。事实上，本文揭示出，当采用BERD （英文“企业研发支出”的缩写）数据或 ANBERD（Analytical Business Enterprise Research and Development的缩写，分析性企业研发数据，OECD制作）的时候，部门构成（结构效应）是欧盟企业研发强度差距的主要决定因素，只要我们计入不同经济体的产业结构；不然，内秉效应就是主要决定因素。此外，本文发现，如果采用EU R&D Scoreboard（欧盟研发记分牌）的数据，不同研究都得出一样的结论：结构效应是主要决定因素。
本研究还显示，（2）科学界和政策界都过分轻率地相信了这些默认分解方法面对不同数据和变量时的稳健性。（3）本文给分析师和政策制定者提供了指导，告诉他们在分解企业研发强度时，最好采用哪些数据和方法，以及如何解释结果以得出政策启示。
总之，我们认为，有待探索的更细化的研究进路应该是，将不同区域中的类似企业之研发强度作为比较对象，将部门结构和总体经济业绩类似的国家作为比较对象。
另外，企业研发强度数据之解释要小心。不同企业、不同国家根据自己的竞争力地位和距技术前沿的距离所采取的反周期行为或顺周期行为，会相当程度上影响总体的定标比对结果。另外，企业研发强度并不能反映研发投资的效率和效果，也不能反映企业的经营/技术特征或经营/技术战略。
目前企业研发强度分解研究存在的几方面问题，正是今后的研究应该加强或改进的：缺乏高质量数据；缺乏基于较长的时间系列数据的研究和基于纵向（较平衡的）数据的研究；缺乏关于全国企业研发支出之流入流出的完整数据。
