一种研发经费投入规模及强度预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723842A(43)申请公布日2021.11.30(21)申请号202111033920.X(22)申请日2021.09.03(71)申请人广州生产力促进中心地址510000广东省广州市下塘西路37号申请人北京立言创新科技咨询中心(72)发明人徐德军倪苹丁炜良何平张静娜黄智华杨文冶稂雄妃高勇邝俊铭罗观长(74)专利代理机构广州润禾知识产权代理事务所(普通合伙)44446代理人郑永泉(51)Int.Cl.G06Q10/06(2012.01)权利要求书3页说明书24页附图1页(54)发明名称一种研发经费投入规模及强度预测方法(57)摘要本发明公开了一种研发经费投入规模及强度预测方法，包括：在目标年度开始前，获取历史年度的年度数据；根据所述年度数据，构建规模年度预测模型以及强度年度预测模型；将所述目标年度分别输入所述规模年度预测模型以及所述强度年度预测模型，得到目标年度的研发经费投入的规模初步预测结果以及强度初步预测结果；在所述目标年度上半年结束时，获取历史年度以及目标年度的半年度监测数据；根据所述历史年度以及目标年度的半年度监测数据，对所述规模初步预测结果以及所述强度初步预测结果进行修正，得到目标年度的研发经费投入的规模修正预测结果以及强度修正预测结果。本发明对研发经费投入进行提前高精度预测，有利高效规划统筹科技研发活动。CN113723842ACN113723842A权利要求书1/3页1.一种研发经费投入规模及强度预测方法，其特征在于，包括以下步骤：在目标年度开始前，获取历史年度的年度数据；根据所述年度数据，构建规模年度预测模型以及强度年度预测模型；将所述目标年度分别输入所述规模年度预测模型以及所述强度年度预测模型，得到目标年度的研发经费投入的规模初步预测结果以及强度初步预测结果；在所述目标年度上半年结束时，获取历史年度以及目标年度的半年度监测数据；根据所述历史年度以及目标年度的半年度监测数据，对所述规模初步预测结果以及所述强度初步预测结果进行修正，得到目标年度的研发经费投入的规模修正预测结果以及强度修正预测结果。2.根据权利要求1所述的一种研发经费投入规模及强度预测方法，其特征在于，根据所述年度数据，构建规模年度预测模型，包括：根据所述年度数据中的规模数据，构建子预测模型，所述子预测模型包括增长率预测模型、时间序列法预测模型、相关关系法预测模型以及分执行部门预测模型；根据所述年度数据中的规模数据，计算各所述子预测模型的误差平方，并根据所计算的误差平方，为对应的所述子预测模型分配权重z1、z2、z3、z4；将各所述子预测模型以及所分配的权重进行线性加权，构建所述研发经费投入的规模年度预测模型。3.根据权利要求2所述的一种研发经费投入规模及强度预测方法，其特征在于，根据所述年度数据中的规模数据，构建子预测模型中的增长率预测模型，包括：根据所述年度数据中的规模数据，构建增长速度预测模型其中为目标年度t的增长速度预测值，c1为平滑常数，vt‑1为历史年度t‑1的增长速度实际值，为历史年度t‑1的增长速度预测值；根据所述年度数据中的规模数据，构建增长率预测模型其中为目标年度t研发经费投入规模预测值，yt‑1为历史年度t‑1研发经费投入规模实际值。4.根据权利要求2所述的一种研发经费投入规模及强度预测方法，其特征在于，根据所述年度数据中的规模数据，构建子预测模型中的时间序列法预测模型，包括：构建时间序列法预测模型其中为时间序列法研发经费投入规模预测值，x为时间；根据所述年度数据中的规模数据，通过最小二乘法，计算参数c2和c3。5.根据权利要求2所述的一种研发经费投入规模及强度预测方法，其特征在于，根据所述年度数据中的规模数据，构建子预测模型中的相关关系法预测模型，包括：以研发经费投入规模为因变量，以人均GDP、研发人员全时当量、地方财政科技支出以及商品出口总额为自变量，通过逐步回归法建立多元线性回归模型；将所述规模数据输入所述多元线性回归模型，得到多元线性回归结果；根据所述多元线性回归结果，对自变量以及模型类型进行筛选，确定自变量为人均GDP以及地方财政科技支出，类型为无常数项模型；根据所述多元线性回归结果确定模型参数c4和c5，得到相关关系法预测模型其中，为相关关系法研发经费投入规模预测值，为人均GDP预测值，2CN113723842A权利要求书2/3页为地方财政科技支出预测值。6.根据权利要求2所述的一种研发经费投入规模及强度预测方法，其特征在于，根据所述年度数据中的规模数据，构建子预测模型中的分执行部门预测模型，包括：根据所述年度数据中的规模数据，确定研发经费投入规模占比最高的执行部门；构建所述执行部门的时间序列法预测模型其中为所述执行部门的时间序