陳 強(qiáng) 李 晶

自改革開放以來，中國大陸的科研實力取得了長足的進(jìn)步，但至今依然無緣全球科技界的最高獎項—諾貝爾獎。這一事實導(dǎo)致中國民眾強(qiáng)烈的“諾貝爾獎情結(jié)”。有關(guān)“中國距離諾貝爾獎究竟有多遠(yuǎn)”之類的話題不時見諸報端。2008年1月，諾貝爾物理獎評選委員會委員Borje Johansson在復(fù)旦大學(xué)預(yù)言，中國將在2025年內(nèi)首獲諾獎。2010年10月，華裔諾獎得主楊振寧在硅谷清華論壇上預(yù)測，中國可能在20年內(nèi)出現(xiàn)一位諾貝爾獎得主。2010年斯坦福大學(xué)校長約翰·漢尼詩在舊金山更是具體地斷言，中國諾獎得主將會在近期回國的年輕學(xué)者中產(chǎn)生。而國家科技最高獎得主徐光憲院士于2009年也曾大膽預(yù)言，中國將在2060年成為諾獎大國、強(qiáng)國，與美國平分秋色。

由于以上種種預(yù)測較為主觀，故本文試圖利用跨國面板數(shù)據(jù)，較為客觀地來做出預(yù)測。本文使用的預(yù)測變量為人口、人均GDP、人均高等教育年限、以及人均壽命，包括了全世界125個國家或地區(qū)、從1960年至2010年的非平衡面板數(shù)據(jù)。鑒于諾貝爾文學(xué)獎更多涉及價值觀、審美標(biāo)準(zhǔn)及閱讀愛好等方面，而和平獎更多牽扯到政治、人文因素，故本文中的諾貝爾獎特指科技獎和經(jīng)濟(jì)學(xué)獎兩大類獎項。

本文的主要結(jié)論為，解釋變量人口、人均GDP、人均高等教育年限與人均壽命均有顯著的正效應(yīng)。根據(jù)預(yù)測結(jié)果，中國獲得諾貝爾科技獎的概率將從2011年的5%上升到2030年的35%；而獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率將從2011年的8%上升到2030年的14%。

與本文相關(guān)的一個研究是，自從1989年以來，湯森路透（Thomson Reuter）通過研究學(xué)者文章的引用情況來預(yù)測可能獲得諾貝爾獎的個人（citation laureates）①參見網(wǎng)頁http：／／science．thomsonreuters．com／nobel／。，但并未從國家層面進(jìn)行研究。在方法論與精神上，本文與近年來預(yù)測各國奧運獎牌數(shù)的系列文獻(xiàn)有相通之處。Bernard and Busse（2004）②Bernard，A．a(chǎn)nd M．Busse，2004，“Who Wins the Olympic Games：Economic Resources and Medal Totals”，Review of Economics and Statistics，86（1），413417．通過Tobit模型，使用人口、人均GDP、東道主虛擬變量、前蘇聯(lián)與東歐虛擬變量，來解釋各國占奧運獎牌總數(shù)的比例③由于此比例一定大于零，故使用Tobit模型。。Johnson and Ali（2004）④Johnson，D．a(chǎn)nd A．Ali，2004，“A Tale of Two Seasons：Participation and Success at the Summer and Winter Olympic Games，”Social Science Quarterly，85（4），974993．使用面板OLS進(jìn)行了類似的估計，但被解釋變量為各國的獎牌數(shù)而非比例。Bartneck and Rauterberg（2008）①Bartneck，C．a(chǎn)nd M．Rauterberg，2008，“The Asymmetry between Discoveries and Inventions in the Nobel Prize in Physics，”Technoetic Arts：A Journal of Speculative Research，6（1），7377．首次使用計數(shù)模型預(yù)測各國奧運獎牌數(shù)，并增加了解釋變量。

本文其余部分的結(jié)構(gòu)安排如下。第一部分為計量模型，第二部分介紹數(shù)據(jù)，第三部分匯報回歸結(jié)果與預(yù)測，第四部分為對策分析及結(jié)論。

一、計量模型

雖然一國獲得諾貝爾獎的個數(shù)為非負(fù)整數(shù)（0，1，2，……），但上限為12（共有物理、化學(xué)、生理學(xué)或醫(yī)學(xué)、經(jīng)濟(jì)學(xué)四個獎項，每個獎項最多由3人分享），故并不完全適用計數(shù)模型。對于絕大多數(shù)國家而言，在某一年獲得諾獎的個數(shù)要么為0、要么為1，極少能取值為2或更多，故將獲得諾獎的個數(shù)簡化為虛擬變量yit（＝0，未獲諾獎；＝1，獲得諾獎），并使用二值選擇模型進(jìn)行分析。由于面板Probit無法得到固定效應(yīng)模型的一致估計，為了便于對混合回歸、隨機(jī)效應(yīng)與固定效應(yīng)模型進(jìn)行比較，故本文使用面板Logit模型。

一個國家在某年獲得諾獎的概率取決于若干年內(nèi)該國的科研產(chǎn)出，而這些年內(nèi)的科研產(chǎn)出又取決于若干年前的科研投入?；跀?shù)據(jù)的可獲得性及長度，選擇以下變量為解釋變量：總?cè)丝冢╬op，人越多，則越多人可從事科研）、人均GDP（gdp，經(jīng)濟(jì)發(fā)展水平越高，則可投入的R＆D越多）、人均高等教育年限（tertiary，研發(fā)取決于人力資本，而非普通勞動力）、平均壽命（longevity，諾獎僅頒給健在的學(xué)者）。記xit＝ （popitgdpittertiaryitlongevityit）′，則面板Logit模型可以寫為，

其中，yit為是否獲得諾獎，ui為個體效應(yīng)，xit不含常數(shù)項，i表示國家，t表示年份，而p為滯后期數(shù)（包含科研投入轉(zhuǎn)化為科研成果的滯后期、以及科研成果為諾獎委員會認(rèn)可的滯后期）。在本研究中，取p＝25年，以達(dá)到最佳的模型擬合效果（以樣本內(nèi)正確預(yù)測的比例來衡量）。對滯后期p的這一設(shè)定與常識相符，且與許多學(xué)者的認(rèn)識一致，比如諾獎委員會成員Borje Johansson認(rèn)為，取得諾獎需要2025年的努力；而湯森路透使用過去30年的論文引用情況來預(yù)測即將獲諾獎的個人。本文的主要結(jié)果對于滯后期p的取值也不敏感。

由于選擇了25年滯后期，使得解釋變量的選擇受到限制。比如，可能的解釋變量還包括：R＆D占GDP的比重（OECD提供了41個國家或地區(qū)，19812007年的年度數(shù)據(jù)）、每百萬人口的科研人員數(shù)（世界銀行提供了101個國家或地區(qū)，19962007年的年度數(shù)據(jù)）；卻由于時間維度過短而無法包括。由于解釋變量人均GDP、人均壽命均與R＆D比重、科研人員數(shù)有較強(qiáng)的正相關(guān)關(guān)系（相關(guān)系數(shù)介于0．50．7之間），故在一定程度上前二者可以視為后二者的代理變量（proxies）。而且，雖然遺漏變量可能導(dǎo)致估計系數(shù)不一致，但本文的目的主要是預(yù)測，并非估計因果關(guān)系。

由于諾貝爾獎牌個數(shù)有限，故一個國家獲得諾獎的概率并不僅僅取決于該國科研投入的絕對量，更取決于它相對于世界各國科研投入的相對量?；诿绹氁粺o二的科研強(qiáng)國與諾獎大國地位，以上所有解釋變量均采用相對于美國的相對量。

對于方程（1）的估計，如果不存在個體效應(yīng)，即對于任意i，都有ui＝u－，則為面板混合回歸模型。如果存在個體效應(yīng)，且ui與所有解釋變量xit均不相關(guān)，則為隨機(jī)效應(yīng)模型；如果ui與某個解釋變量相關(guān)，則為固定效應(yīng)模型。

對于隨機(jī)效應(yīng)模型，假設(shè)ui服從正態(tài)分布，進(jìn)行最大似然估計，得到隨機(jī)效應(yīng)Logit估計量。在進(jìn)行預(yù)測時，或令ui＝0，或令ui＝u－。顯然，ui＝0并不合理，故本文在使用方程（1）進(jìn)行預(yù)測時，令ui＝u－。當(dāng)t≠s時，復(fù)合擾動項（ui＋εit）的自相關(guān)系數(shù)為

如果ρ＝0，則說明σu2＝0，不存在個體隨機(jī)效應(yīng)。對于原假設(shè)H0：ρ＝0，可進(jìn)行似然比檢驗。

對于固定效應(yīng)模型，由于個體效應(yīng)ui與某個解釋變量xit相關(guān)，故使用隨機(jī)效應(yīng)模型或混合回歸將得到不一致的估計?？墒褂米鳛閡i的充分統(tǒng)計量，并計算在給定情況下的條件似然函數(shù)，即條件最大似然估計法。所有＝0（意味著y＝…＝y(tǒng)＝0）或＝ Ti1iT（意味著yi1＝…＝y(tǒng)iT＝1）的觀測值并不包含待估參數(shù)β的信息，在進(jìn)行固定效應(yīng)的面板Logit估計時將損失這些觀測值，導(dǎo)致樣本容量減少。在本研究中，由于許多國家從未得過諾獎，即＝0，故使用固定效應(yīng)模型將損失很多樣本容量。至于究竟使用固定效應(yīng)還是隨機(jī)效應(yīng)模型，可進(jìn)行豪斯曼檢驗。

二、數(shù)據(jù)說明

本文的研究對象為125個國家或地區(qū)、從1960年到2010年共51年數(shù)據(jù)組成的跨國非平衡面板，下面分別就變量的來源及處理進(jìn)行說明。所有解釋變量均采用相對于美國的相對量。

1．虛擬變量“是否獲得諾獎”：一國獲得諾貝爾獎牌數(shù)的原始數(shù)據(jù)來源于諾貝爾官網(wǎng)①參見http：／／nobelprize．org／nobel＿prizes／。?？茖W(xué)家的國籍歸屬均按其獲獎研究的完成所在地（而非國籍）來計算。由于科技獎和經(jīng)濟(jì)學(xué)獎的獲獎規(guī)律可能不同，故對一國的獲獎情況分兩類進(jìn)行統(tǒng)計，一類為科技獎（含化學(xué)、物理、生理醫(yī)學(xué)），而另一類為經(jīng)濟(jì)學(xué)獎②如果將諾貝爾科技獎與經(jīng)濟(jì)學(xué)獎合在一起進(jìn)行回歸分析，則擬合效果不如將此兩類獎項分別進(jìn)行處理。另外，作為經(jīng)濟(jì)學(xué)家，顯然也關(guān)心獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率。。然后，再將獲獎個數(shù)簡化為兩個虛擬變量，即是否獲得科技獎（d＿tech）與是否獲得經(jīng)濟(jì)學(xué)獎（d＿econ）。

2．人口指標(biāo)pop和實際人均GDP指標(biāo)gdp的原始數(shù)據(jù)來自于Penn World Table（PWT 6．3）。對于實際人均GDP，PWT 6．3除了提供傳統(tǒng)的“rgdpl”指標(biāo)外，還提供“rgdpl2”指標(biāo)作為備選。Johnson et al（2009）③參見Johnson，S．，W．Larson，C．Papageorgiou and A．Subramanian，2009，“Is Newer Better？The Penn World Table Revisions and the Cross－Country Growth Literature，”NBER working paper，15455．發(fā)現(xiàn)，使用傳統(tǒng)的“rgdpl”指標(biāo)，會導(dǎo)致不同版本的Penn World Table之間的數(shù)據(jù)缺乏可比性與一致性，為此PWT 6．3推出改進(jìn)版的“rgdpl2”指標(biāo)。對于本文的結(jié)果而言，無論使用“rgdpl”還是“rgdpl2”，差別甚微。由于“rgdpl2”有更好的理論基礎(chǔ)且擬合效果略好，故選擇“rgdpl2”作為實際人均GDP的度量。

3．人均高等教育年限（tertiary，average year of tertiary schooling）的原始數(shù)據(jù)來源于最新的Barro and Lee（2010）④Barro，R．a(chǎn)nd J．Lee，2010，“A New Data Set of Educational Attainment in the World，19502010，”NBER working paper，15902．http：／／www．barrolee．com／．，包含19502010年每隔五年的數(shù)據(jù)，據(jù)此進(jìn)行線性內(nèi)插得到年度數(shù)據(jù)。Barro and Lee（2010）還提供了15歲以上與25歲以上的人均受教育總年限數(shù)據(jù)（average year of total schooling），但無論從理論還是實證出發(fā)，均不如人均高等教育年限更有解釋力（絕大多數(shù)諾獎得主都受過高等教育）。

4．人均期望壽命（longevity）的原始數(shù)據(jù)來源于世界人均期望壽命網(wǎng)（World Life Expectancy）①網(wǎng)址為http：／／worldlifeexpectancy．com／history－of－life－expectancy．，包括19602009每隔十年的數(shù)據(jù)，據(jù)此進(jìn)行線性內(nèi)插得到年度數(shù)據(jù)。

我們還檢驗了是否存在“東道主效應(yīng)”，即諾獎評獎委員會所在國瑞典可能偏向于本國的諾獎候選人。但引入瑞典國虛擬變量后，發(fā)現(xiàn)其極不顯著，故認(rèn)為不存在東道主效應(yīng)，在解釋變量中不再包括瑞典國虛擬變量。

整合以上所有數(shù)據(jù)，在樣本中還剩下125個國家或地區(qū)、從1960年到2010年共51年的數(shù)據(jù)，組成一個跨國非平衡面板（每個國家數(shù)據(jù)的時間長度不同）。有關(guān)變量的統(tǒng)計特征參見表1。

表1 變量的基本統(tǒng)計特征

從表1可知，世界上多數(shù)國家在獲得諾獎概率方面與美國的差距主要體現(xiàn)在人口總數(shù)（平均約為美國的10%）、人均高等教育年限（平均約為美國的20%）以及人均GDP（平均約為美國的30%），但在人均壽命方面差距不大（平均約為美國的80%）。

除人口外，中國的情況與上述平均水平接近。以2007年計，中國的人口是美國的4．4倍，人均GDP為美國的18%，人均高等教育年限為美國的16%，而人均壽命相當(dāng)于美國的94%。顯然，中國要在人均GDP與高等教育方面趕超美國，仍然任重而道遠(yuǎn)。

三、回歸結(jié)果與預(yù)測

以諾貝爾科技獎為被解釋變量的回歸結(jié)果參見表2。表2第2列匯報了面板Logit混合回歸的結(jié)果。其中，所有解釋變量的系數(shù)估計值均為正，且在1%的水平上顯著。整個方程的擬合優(yōu)度也很好，準(zhǔn)R2達(dá)到0．49，而正確預(yù)測的比例高達(dá)98．58%。

表2第3列匯報了面板Logit隨機(jī)效應(yīng)估計的結(jié)果，與混合回歸的結(jié)果十分接近。所有解釋變量的系數(shù)估計值全為正，且在1%的水平上顯著。使用似然比檢驗對原假設(shè)H0：ρ＝0進(jìn)行檢驗，結(jié)果顯示χ2（1）統(tǒng)計量為57．65，對應(yīng)的p值為0．000，故強(qiáng)烈拒絕混合回歸，認(rèn)為存在個體效應(yīng)，應(yīng)使用隨機(jī)效應(yīng)模型。

考慮到美國是獲得諾貝爾科技獎的大戶，為了進(jìn)行穩(wěn)健性檢驗，將美國從樣本中去掉，重新進(jìn)行隨機(jī)效應(yīng)模型的估計，參見表2第4列。結(jié)果表明，盡管不包含美國的樣本估計系數(shù)與全樣本有所不同，但十分接近，而且所有變量依然在1%的水平上顯著。

表2 諾貝爾科技獎的回歸結(jié)果被解釋變量：d＿tech

表2第5列匯報了面板Logit固定效應(yīng)估計的結(jié)果。由于許多國家從未獲得諾貝爾科技獎＝0），故損失了很多樣本容量，該面板數(shù)據(jù)的橫截面維度僅剩下12個國家，導(dǎo)致估計的準(zhǔn)確性大大下降。除了人均高等教育年限（tertiary）尚在5%水平上顯著外，其余三個解釋變量均很不顯著（p值超過40%），而且變量pop的符號竟然變?yōu)樨?fù)數(shù)。整個方程也不在5%的水平上顯著（p值為0．061）。豪斯曼檢驗表明，χ2（4）統(tǒng)計量僅為6．47，對應(yīng)的p值為0．17，甚至無法在10%的顯著性水平上拒絕隨機(jī)效應(yīng)的原假設(shè)，故接受隨機(jī)效應(yīng)模型，拒絕固定效應(yīng)模型。

基于表2第3列的隨機(jī)效應(yīng)模型，可對中國獲得諾貝爾科技獎的概率進(jìn)行預(yù)測，結(jié)果見表3。

表3 中國獲得諾貝爾科技獎的概率預(yù)測

從表3可知，在改革開放初期，中國獲得諾貝爾科技獎的概率幾乎為0。比如，1986年獲科技獎的概率僅為6．07e10（小于十億分之一）。隨著改革開放的深入，中國的人均GDP及人均受教育年限相對于美國不斷增長（見圖1）。到了2011年，中國獲得科技獎的概率已經(jīng)達(dá)到5．1%（但仍為小概率事件）。進(jìn)一步的外推預(yù)測表明，中國獲得諾貝爾科技獎的概率在2030年可達(dá)到35%。

圖1 中國的人均GDP與人均高等教育年限（相對于美國）

以諾貝爾經(jīng)濟(jì)學(xué)獎為被解釋變量的回歸結(jié)果參見表4。由于人均壽命變量（longevity）在此回歸中很不顯著，故略去。表4第2列匯報了面板Logit混合回歸的結(jié)果。其中，所有解釋變量的系數(shù)估計值均為正，人口與人均高等教育年限在1%的水平上顯著，而人均GDP在5%的水平上顯著。整個方程的擬合優(yōu)度也很好，準(zhǔn)R2達(dá)到0．55，而正確預(yù)測的比例高達(dá)99．59%。

表4第3列匯報了面板Logit隨機(jī)效應(yīng)估計的結(jié)果。在三個解釋變量中，只有人口在1%的水平上顯著，而其他兩個變量均不顯著。使用似然比檢驗對H0：ρ＝0進(jìn)行檢驗，結(jié)果顯示p值為0．000，故強(qiáng)烈拒絕混合回歸，認(rèn)為存在個體效應(yīng)，應(yīng)使用隨機(jī)效應(yīng)模型。

由于美國也是獲得諾貝爾經(jīng)濟(jì)學(xué)獎的大戶，為了進(jìn)行穩(wěn)健性檢驗，將美國從樣本中去掉，重新估計隨機(jī)效應(yīng)模型，參見表4第4列。結(jié)果表明，盡管不包含美國的樣本估計系數(shù)與全樣本仍比較接近，但所有變量均不顯著。這說明，美國這個觀測值對于隨機(jī)效應(yīng)的回歸結(jié)果有一定影響。

表4 諾貝爾經(jīng)濟(jì)學(xué)獎的回歸結(jié)果被解釋變量：d＿econ

表4第6列匯報了面板Logit固定效應(yīng)估計的結(jié)果。由于許多國家從未獲得諾貝爾經(jīng)濟(jì)學(xué)獎，故損失了很多樣本容量，該面板數(shù)據(jù)的橫截面維度僅剩下6個國家，導(dǎo)致估計的準(zhǔn)確性大大下降。所有解釋變量均很不顯著，而且變量pop與tertiary的符號竟然變?yōu)樨?fù)數(shù)。整個方程也不在5%的水平上顯著。豪斯曼檢驗表明，χ2（3）統(tǒng)計量僅為0．16，對應(yīng)的p值為0．98，故接受隨機(jī)效應(yīng)模型的原假設(shè)，拒絕固定效應(yīng)模型。

基于表4第3列的隨機(jī)效應(yīng)模型，可對中國獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率進(jìn)行預(yù)測，結(jié)果見表5。

表5 中國獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率預(yù)測

從表5可知，在改革開放初期，中國獲得諾貝爾經(jīng)濟(jì)獎的概率雖然接近于0，但卻顯著地大于0。比如，1986年獲經(jīng)濟(jì)學(xué)獎的概率僅為1．6%。到了2011年，中國獲得經(jīng)濟(jì)學(xué)獎的概率已經(jīng)達(dá)到8．2%。進(jìn)一步的外推預(yù)測表明，中國獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率在2030年可達(dá)到14%。與獲得科技獎的概率相比，中國獲得經(jīng)濟(jì)學(xué)獎的概率起點更高些，但此概率增長的速度卻更慢。

四、對策分析及結(jié)論

從上面的分析可知，盡管中國獲得諾獎的概率起步很低，但一直不斷增長，日益遠(yuǎn)離小概率事件，而向大概率事件邁進(jìn)?；趪衿毡榈闹Z貝爾情結(jié)，中國應(yīng)該采取怎樣的對策來進(jìn)一步提升獲得諾獎的概率呢？當(dāng)然，獲得諾獎本身并不是目的，但在向諾獎靠攏的過程中，中國可以抓住這個契機(jī)成為科技大國。

從表2第3列隨機(jī)效應(yīng)模型可以看出，決定獲得諾貝爾科技獎概率的四個解釋變量，其作用大小不一，估計系數(shù)按大小排序分別為longevity （46．96），tertiary （6．92），pop （2．19），gdp （0．96）。其中，由于人均壽命在短期內(nèi)很難大幅提高，故改善空間最大的因素為高等教育。一個國家受教育水平越高，其公民越有意識和能力去進(jìn)行創(chuàng)新。以色列的崛起正好佐證了這一點。縱觀戰(zhàn)后以色列的發(fā)展歷程，教育發(fā)揮了極其重要的作用。以色列并無廣闊的空間，也沒有良好的土地和充足的礦產(chǎn)資源，甚至沒有和平穩(wěn)定的國際國內(nèi)環(huán)境。但它通過大力發(fā)展教育（人均高等教育年限已超過美國），培養(yǎng)了高素質(zhì)的人才，掌握了先進(jìn)的科學(xué)技術(shù)，所以最近幾年才能在許多科技強(qiáng)國的夾擊下屢次斬獲諾貝爾獎。

當(dāng)然，本文只是一個統(tǒng)計分析，其局限性也是明顯的。比如，受限于數(shù)據(jù)的時間長度，我們沒有包括“R＆D占GDP比重”這個重要變量（盡管人均GDP與人均壽命可在一定程度上作為其代理變量）。相對于美國，盡管中國的R＆D占GDP比重處于上升趨勢（20世紀(jì)90年代下降或徘徊，2000年后穩(wěn)步上升），但仍然僅相當(dāng)于美國的一半（見表6），還有不少上升空間。

表6 中國R＆D占GDP比重（相對于美國）

本研究的另一局限是，雖然考慮了高等教育的數(shù)量，但忽略了高等教育的質(zhì)量；而中國大學(xué)的質(zhì)量還無法與歐美發(fā)達(dá)國家同日而語。根據(jù)上海交通大學(xué)的全世界大學(xué)排名，中國最好的大學(xué)在世界上也排在100名之外，而且進(jìn)入前500名的中國大學(xué)寥寥可數(shù)。因此，十分有必要認(rèn)真貫徹國家十二五教育規(guī)劃綱要，加大引進(jìn)海外優(yōu)秀人才的力度，增加教育投入，完善教育體制，切實提高教育質(zhì)量。

另外，人口與人均GDP對于得獎概率的作用要小得多。而且，由于人口過多的副作用（資源壓力、交通擁擠、環(huán)境污染等），中國一直在控制人口增長，人口絕對量將在未來幾十年內(nèi)達(dá)到高峰后下降。

對于諾貝爾經(jīng)濟(jì)學(xué)獎的決定因素，從表4第3列的隨機(jī)效應(yīng)模型可看出，只有人口因素具有顯著效應(yīng)，盡管人均GDP與人均高等教育年限的系數(shù)依然為正。考慮到印度以一個發(fā)展中國家的身份（人口大國、人均GDP與高等教育年限都很低）而獲得過一次諾貝爾經(jīng)濟(jì)學(xué)獎，可能對回歸結(jié)果有較大影響，故去掉印度后，重新進(jìn)行隨機(jī)效應(yīng)估計，參見表4第5列。結(jié)果顯示，如果樣本中不包含印度，則人口變量的作用系數(shù)更小些，但仍在1%的水平上顯著；而人均高等教育年限則變?yōu)樵?0%的水平上顯著。這些結(jié)果可能意味著，由于經(jīng)濟(jì)學(xué)研究更多地依賴于人，而不受限于昂貴的實驗條件，故獲得諾貝爾經(jīng)濟(jì)學(xué)獎的概率更多地取決于人力資本（人口、人均高等教育年限），對于經(jīng)濟(jì)發(fā)展水平（人均GDP）的依賴性并不強(qiáng)。

根據(jù)以上分析，中國在未來獲得諾貝爾獎的概率將穩(wěn)步上升，逐漸告別小概率事件，向大概率事件邁進(jìn)。但這畢竟只是統(tǒng)計分析的平均結(jié)果，綜合了世界各國的共性，具有一定的局限性。中國何時才能夠獲得諾獎，從根本上取決于中國自身的特性，不可因以上預(yù)測而沾沾自喜，不思進(jìn)取。中國科研體系仍存在許多致命弱點，比如高等教育質(zhì)量低、科研投入不足、頂尖人才稀少、學(xué)術(shù)傳統(tǒng)缺乏、創(chuàng)新精神不夠等。唯有正視這些弱項，中國才能在未來贏得諾貝爾獎的同時，成為真正意義上的科技大國與強(qiáng)國。