下载掌阅APP，畅读海量书库
立即打开
主流经济学针对科学发展以及更广泛的科学家的作用的研究可以粗略划分为三个阶段。
第一阶段自经济学诞生之日起延续到20世纪50年代末。在这一阶段，经济学家虽然认识到生产技术对于经济增长具有巨大的促进作用，但是经济研究仍然把科学研究如何作用于生产技术的进步视为“黑箱”。经济学自诞生之日起就意识到了生产技术（technology）对于经济增长的巨大作用，亚当·斯密在1776年出版的《国富论》中即明确讨论了生产技术进步提高劳动生产率与真实工资并增加技术工人的就业，从而促进经济发展（Brugger and Gehrke，2018；Kerr，1993）的观点。熊彼特在其著名的创新理论中把创新划分为三个阶段，其中至关重要的第一阶段是新的技术或经营模式的发明和创造，其后才是利用经济资源把第一阶段的发明具体落实到应用层面，最后形成有效扩散（Hospers，2005）。
正如从经济学视角出发研究科学发展的经典著作《打开黑箱：技术与经济》（Rosenberg and Nathan，1982）所指出的，科学技术具体如何与经济发展相互作用，即经济学基本规律（例如资源配置通过市场交易和价格变动得以优化）是如何作用于科学研究与技术进步的，在早期的经济学研究中是作为“黑箱”处理的，或者用更加技术性的术语将这种做法描述为“视作外生变量”。
第二阶段起始于Nelson（1959）发表于《政治经济学期刊》的经典论文，以及同一时期的Griliches（1958）和Griliches（1957）。这些论文从宏观经济视角讨论了经济体究竟应该向基础科学研究投入多少资源，即，从全社会角度如何合理量化向基础科学研究投入的社会成本、社会收益以及社会净收益。
第三阶段以Romer（1986）和Romer（1990）创立的内生经济增长理论为标志。在这一阶段，主流宏观经济学进一步强调了人力资本投资、创新和知识生产对于推动经济增长的重大作用。不同于以Solow（1956）为代表的外生经济增长理论把技术进步视为固定的外生变量作用于经济增长，内生增长理论借助模型明确讨论了各种不同形式的技术进步（例如创新产品生产技术还是创新技术生产旧产品）及其与市场结构和竞争监管政策之间的互动影响（Acemoglu，2009）。
主流宏观经济学从经济增长的视角研究了科学和技术的作用，劳动经济学则进一步把科学家视为一个特殊群体开展了针对科学家劳动力市场的研究。此外，由于科学研究尤其是基础科学研究具有较强的公共产品属性，因此科学家的报酬结构和激励约束机制也吸引了经济学者的注意。Stephan（1996）发表在《经济文献评述》上的《科学经济学》一文对此前该领域的文献进行了系统综述，一定程度上标志着科学经济学这一细分领域获得经济学主流研究的认可。随后Stephan于2012年将其综述论文扩展成《科学经济学》一书并正式出版（Stephan，2012b）。于2008年出版的较为权威的《帕尔格雷夫经济学大辞典》（第二版）也正式收录了“科学经济学”词条（Shiller et al.，2008）。
科学经济学尝试以经济学视角分析科学研究中的经济问题，包括如何为科学研究提供资金等激励，以及科学研究如何促进技术进步和经济增长。科学经济学将经济理论与思想用于解释科学家的行为和知识产出。科学经济学与科学的关系类似于微观经济学与市场经济中的公司的关系。作为一门研究稀缺资源配置的学科，经济学为研究科学活动提供了框架和一系列工具，并取得了诸多研究成果（Stephan，2012b）。
科学家是一类特殊的人力资本（Stephan，1996）。科学家分布在高校、科研院所和公司等机构，构成了科学研究的合作网络。主要由公共研究机构承担的基础研究和主要由市场承担的应用研究在相互促进中共同发展。知识的公共产品属性启发了经济学家进一步关注科学研究激励机制的有效性。知识消费是非竞争和非排他的，市场可以免费获得基础研究成果并进行应用研发（Nelson，1959）。虽然知识的价值不因反复使用而减少，但由于知识生产极其耗时和昂贵，如果没有建立对科学家的激励机制，单单依靠市场这一无形之手的力量进行知识推广，就很容易催生知识消费的“搭便车”现象，挫伤研究创新的积极性。
科学研究是一种社会机制的集合：公共研究机构提供基础知识并丰富公共知识库，公司在此基础上开展应用研究，创造私有知识（Huang and Murray，2009）。科学知识的生产和传播是一个社会过程，可以通过经济学的概念和工具进行分析（Bonilla，2005）。一些经济学家按照效用函数的思路，研究了科学家的科研投入与成果产出之间的关系。虽然科学家个体对不同激励因素的偏好和反馈不同，但是科学家群体之中仍然存在一定普遍规律。针对科学家的激励因素包含以下三个方面。第一，财富积累。科学研究的投资价值表现为所产生的未来物质回报的现值。例如，科学家的薪酬体系一般可分解为基本工资、科研绩效工资和兼职工资。杰出科学家不仅可以获得可观的科研绩效工资，而且可以通过开设讲座、提供专业咨询等形式获得兼职工资。在科学家的职业生涯中，随着物质回报逐渐实现，财富积累动机的激励效果逐渐减弱（Levin and Stephan，1991）。第二，内在回报，即科学研究带来的即时心理获得感。与追求财富积累的动机随时间衰减的特征不同，追求内在回报的动机不会随着年龄增长而衰减。虽然探索未知的乐趣能够鼓励科学家进行研发，但是解决科学难题的个人成就感具有较强的主观性，仅仅依靠主观上的内在回报很难解决科研投入的巨大缺口（Gersbach and Schneider，2015）。第三，声誉。一项科学发明的社会贡献往往只归功于发明者，而后续研究者获得的社会认可就相形见绌（Leonard，2002）。在竞争激烈的科研环境下，优先发表能获得对成果的解释权。因此，对成果和所出版著作的归属权也成为许多学术争议的焦点。
公司和科研机构之间已经逐渐演化出了多种合作途径，包括专利转化、合作项目、专家咨询等（Cohen et al.，2020；Hayter et al.，2020）。从创新的结构性个体微观基础理论出发，Grigoriou与Rothaermel（2013）认为：重视创新合作的关系型科学家不仅是知识的生产者，而且能形成、维护并有效管理与公司之间的知识关系，为创新提供重要的微观基础。这些科学家通过“雇中学”、身份效应、桥梁效应、产学研合作和同群效应影响创新活动，一方面通过身份效应集聚科学资源，另一方面充当连接公司和学术圈的桥梁，为产学研合作提供条件（李从刚与许荣，2019）。诸多学者从微观视角出发，探讨了产学研合作中科学家推动创新的作用。
科学家在商业活动中可以发挥重要的桥梁效应，通过交流与信息共享将知识转移至公司，提升公司人力资本水平。即使是研发资金和内部资源丰富的公司，也需要从外部获取创新资源，以实时跟踪和评估市场发展（Dahlander and Gann，2010）。裴云龙等（2015）以中国有机精细化学行业的科学家研发合作网络为背景，研究了公司中既从事科学研究又从事技术开发的桥梁科学家在科学知识转移网络中发挥的作用。研究发现：桥梁科学家成为联系科学网络和技术网络的重要中枢节点。而跨界联系人的角色定位也有助于桥梁科学家准确识别具有商业价值的科学知识，进而提高科研成果的利用率。张庆芝等（2019）以同方威视为对象，研究了高校基础科研成果如何有效地转移到公司，以及公司如何吸收高校科研成果，进而增强持续创新能力。研究发现：在产学研合作中，原始团队科学家的深度参与是隐性知识转移的有效方式，科学家自身的情感因素是隐性知识转移的重要驱动力。公司与高校和科研机构建立的长期合作与反哺机制有助于公司形成持续的创新能力。
同时，科学家在公司中的身份效应和示范效应也有助于提升公司组织绩效，甚至激励其他公司和科学家个人。Tartari等（2012）基于社会心理学的社会比较机制的研究发现：学术科学家的产学研合作参与度在很大程度上受同行科学家行为的影响，并且同群效应的强弱与学术科学家资历相关。资历和学术水平越低的科学家，越容易受同群效应的影响。Tzabbar（2009）研究了招聘不同领域的科学家对公司技术变革的影响，发现招聘来自其他领域的科学家显著增大了公司技术向该领域变革的可能性，但效果受到公司对原有明星科学家技术贡献的依赖度和公司所涵盖的技术领域广度的影响。
部分文献进一步研究了不同类型的科学家在公司创新乃至产学研合作中的不同作用。Baba等（2009）分析了巴斯德式科学家、侧重于研究的学术科学家和侧重于应用的爱迪生式科学家对先进材料领域公司的研发生产率的影响，发现巴斯德式科学家凭借其科学研究和应用研究的双重背景显著提高了公司的研发和创新效率。而公司与学术科学家或爱迪生式科学家的合作对创新产出几乎没有影响。张鹏飞等（2020）同样指出：实现应用与认知结合的巴斯德式科学家在挽救技术创新项目的过程中发挥着关键作用。Subramanian等（2013）也得出了一致的结论，发现同时从事学术研究和专利申请的科学家相较于其他科学家而言有助于提高公司的专利绩效。具体而言，巴斯德式科学家在公司间联盟中起补充作用，但在大学-公司联盟中起替代作用。侧重于应用研究的爱迪生式科学家无论在公司间联盟还是大学-公司联盟中均起补充作用。
（1）科学研究的网络效应。
科学研究的网络效应主要指通过科学家合作网络形成的知识溢出（Watts and Strogatz，1998；Acemoglu et al.，2016）。基于互联网的创新协作机制更是突破了传统组织结构的限制（Faraj et al.，2011）。科学家们在科研合作中通过交流实现原有知识的继承与共享，并随着合作程度的深入在现有知识水平的基础上产生创新，拓展科学知识边界。不同的科学主题以及实体之间会随着时间的推移相互影响，进而形成相互交叉的科研关系网络，例如联合承担项目的科研机构合作网络、合作发表论文的科学家合著网络和文献相互引证的论文引文网络等（刘亮等，2019）。以中国高校科研网络为例，“985”高校合著网络和引文网络虽属于集聚程度较高的小世界网络，但已呈现出复杂网络的形态，其结构正朝着更有利于知识扩散的无标度网络发展（陈伟等，2014；Lin and Li，2010）。
在科研合作网络知识扩散机制的研究方面，岳增慧等（2015）和巴志超等（2016）认为科研合作中知识扩散是双向的，参与科研合作的双方都会从对方那里获取一定量的知识，但是知识扩散效率受科研合作者双方的知识水平差距、合作频率和合作规模等因素的影响。区域边界和区域环境也会制约产学研合作水平（刘凤朝等，2011）。Acemoglu等（2016）基于美国1975—2009年的实用专利申请信息数据发现：上游技术进步会通过创新网络溢出至其他领域，对未来该领域专利申请的速度和方向起到重要的作用，但溢出效应会随着领域范围的扩大逐渐递减。在知识扩散的前期，溢出效应起主要作用，而在知识扩散的后期，则个体知识创新能力起主要作用（关鹏等，2019）。知识存量较大的专家节点对科研合作网络的知识扩散具有较大影响，这些专家节点的失效会严重降低网络的平均知识水平和知识扩散效率（李纲等，2017）。
在科学家的跨国合作中，网络效应的正外部性尤为突出。这种网络效应可以降低信息交流成本，推动知识溢出，实现全球范围内的科研资源共享和人员合作。Ding等（2010）发现：加入国际学术网不仅提高了科学家个体的科研效率，而且促进了科研环境的公平化，为处在资源劣势的科学家群体（如女性和非顶尖研究机构的科学家）创造更大的增量效应。此外，由于隐性知识为科学家本人所专有，因此科学家的流动特别促进了跨国知识交换。移民科学家可以获得来自多方的独特知识集，进行知识重组后可以产生更强的创造力。科学家流动还有利于科学家寻找与其专业技能最匹配的研究环境，发挥自身最大价值（Franzoni et al.，2014）。实证结果显示，相比缺乏国际背景的本土科学家，侨民和海归科学家拥有更广的国际合作研究网络，科研成果质量也更高（Scellato et al.，2015）。科学研究网络的国际化实现了科学家流入国和流出国的共赢，不仅极大地拓展了目标国家研究网络的范围和质量，而且为母国创造了重要的人员合作基础。
（2）科学家声誉与马太效应。
对于处在研究生涯前期的年轻科学家，科学研究产生的未来财富价值更高，进行科研的财富积累动机更加显著。然而，实证发现：年轻科学家的科研效率并没有显著高于年长的科学家，重要的原因在于科学奖励制度中的马太效应，即科学家声誉带来的优势累积效应（Merton，1968）。人们对浩如烟海的科研成果往往缺乏系统完全的信息。科学家的声誉无疑传递了其成果具有更高可信度的积极信号，成为评估科研成果质量的重要依据，缓解了科研界的代理问题。当科学共同体通过合作研究发表成果时，科学共同体往往把奖励归功于成名的科学家。此外，声誉还具有反向增强作用，成名之后科学家早期的科研成果也可能会受到重视（Stephan，2012b）。因此，声誉成为影响科学研究效率的重要因素，它所导致的马太效应在科研合作网络和引证网络中均有重要体现（Barabási and Albert，1999；郝治翰等，2019）。
由于新入行的学者总热衷于与具有良好声誉的科学家合作，因此科研合作网络具有次线性择优依附的总体特征，在网络形成初期呈现较强的马太效应，体现为存在具有联结优势的核心节点。具体到个体而言，科研圈子对科学家开展合作发挥着重要的作用。科研工作者双方之前合作者的数量、二者之间合作的次数与二者展开科研合作的可能性呈现正相关关系，加剧了合作网络的马太效应（Newman，2001）。不同学科的科研合作网络特征存在一定差异。物理学科研合作网络呈现次线性择优依附特征，而医学合作网络呈现轻微的超线性择优依附特征。新兴的基因编辑领域和游戏智能运算等领域的科研合作网络结构依附系数则较低，尚未形成清晰的网络核心（Marco et al.，2007；Lara-Cabrera et al.，2014）。针对我国科研合作网络的研究也得出了类似的结论。“973”计划资助的科研合作网络呈现出“小世界”特征，聚集于中科院所属研究机构和985重点高校（刘凤朝等，2013）。
引证网络的马太效应更加明显，遵从优势持续累积的超线性择优依附网络模型（Redner，2005）。在科研成果问世后，个人声誉会为其带来强大的早期优势。Petersen等（2014）对450名科学家的引文统计结果显示，作者累计被引用量每提高10倍，其新发表的论文的被引用量大约会增加66%。文献往往具有一定的生命周期，随着时间推移逐渐淡出引证网络（Bouabid，2011）。声誉却能够显著延长引证寿命，弱化老化效应。被引用量高的论文对新引证的吸附能力随着被引用量的上升而持续提升，逐渐成为该领域新成果必然引用的经典文献，最终实现“赢家通吃”（Wu et al.，2014；Golosovsky and Solomon，2013）。
声誉因素还会影响政府资源配置，通过金钱因素进一步拉开科研绩效差距。李永等（2014）认为：政府资助具有马太效应，更愿意对规模大、成功率高、先期投入多的项目进行投资，这种反向因果关系可能会导致政府高估科研资助的绩效。在我国尚不健全的科研奖励体系中，少数有影响力的科学家可以参与政府决策。由人情关系导致的政府资源浪费和滥用极大地阻碍了创新进步（Shi and Rao，2010）。声誉对政府资助科研项目去向的影响还体现为名人名校效应，即向行政级别高的科研院所和高校倾斜。这种不健康的资助模式加剧了研究体制的僵化，导致科研成果低水平重复比例较大，政府资助科研资金的投入产出效益失衡，甚至引发了边际效益递减的现象（李硕豪等，2017；尚虎平等，2012）。
（3）科学家的公司价值效应的发挥途径：网络效应、声誉效应和监督效应。
与产品市场及劳动力市场类似，信息不对称的问题在科研尤其是公司研发市场和公司融资市场同样存在并且更加突出。由于资本市场是资本密集型和信息密集型市场，资金需求方与投资者之间的信息不对称程度更为严重。资金需求方需要向金融市场发出高质量的信号以吸引投资者，从而满足融资需求；而金融市场对投资项目或者公司估值的准确程度取决于能否对一家公司的技术水平、创新能力以及管理水平做出准确评估。在某种程度上，科学家与公司开展合作帮助实现了信息流与资金流的交换。
科学家独特的网络效应可以帮助公司把握专业领域的科研方向并且和学术界开展广泛的合作研究，而科学家的声誉效应则有助于为公司吸引更多高学历创新人才，同时为公司的融资项目尤其是高风险研发投资项目发挥信息鉴证效应。而科学家进入公司董事会将进一步增强公司董事会的监督功能，从而产生监督效应。图1-1直观展示了科学家的公司价值效应的分解。本书的实证主体部分，即从第四到第八章，探讨了科学家利用信息网络与合作网络推动的公司创新效应，科学家为公司吸引人才和融资提供的信息鉴证效应，以及科学家加入公司董事会产生的监督效应。
图1-1 科学家的公司价值效应的分解