《中国工业行业技术创新绩效的实证研究》由会员分享，可在线阅读，更多相关《中国工业行业技术创新绩效的实证研究（16页珍藏版）》请在金锄头文库上搜索。
1、第9组 企业 产业经济中国工业行业技术创新绩效研究-基于R&D资本存量产出弹性的视角项本武（中南财经政法大学经济学院, 湖北 武汉 430074）摘要本文运用1999-2008年中国大中型工业企业33个行业的面板数据，在估算样本行业的实物资本存量和研发（R&D）资本存量的基础上，构建基于超越对数生产函数的计量模型，估计研发资本存量的产出弹性，实现对中国工业技术创新绩效的实证检验。研究表明，从总体平均来看，我国大中型工业企业R&D资本存量产出弹性非常低，表明自主创新对工业增长的拉动作用很小；从分行业情况来看，各行业R&D资本存量产出弹性存在较大的差异；从时间维度来看，各行业R&D资本存量产出弹性
2、在各年度波动较大，然而自主创新绩效的改善趋势初步显现。进一步，本文讨论了这一结论的政策涵义。关键词创新绩效；RD资本存量；产出弹性；超越对数生产函数一、引言改革开放以来，中国经济保持了持续的高速增长。然而，现有经济增长模式主要依靠大量的投资和资源消耗来维持经济增长(吴敬琏，2005)，这种增长主要是投资过度扩张的结果，并非效率的提升（张军，2002），因而难以为继。尽快提高中国自主创新能力，加快转变经济增长方式，对于维持未来中国经济的持续增长显得尤其迫切。近年来，为实施自主创新战略，中国不断加大自主创新投入。数据显示，这些投入大多投向工业领域，以2009年为例，大中型工业企业整体人员投入占全国
3、的57.04%，大中型工业企业整体经费投入占全国的55.45% 。从投入比重来看，大中型工业企业正逐渐成为我国技术创新的主体，其自主创新绩效很大程度上决定着中国自主创新绩效。由此引出的问题是，我国工业行业技术创新绩效究竟如何？其提升途径何在？ 本文运用1999-2008年中国大中型工业企业33个两位数分类行业的面板数据，在估算样本行业的实物资本存量和研发（RD）资本存量的基础上，构建基于超越对数生产 基金项目国家社会科学基金项目“产业视角下的中国工业自主创新效率研究”（批准号10BJL055）。作者简介 项本武（1966），男，湖北麻城人，中南财经政法大学经济学院教授，经济学博士，中国数量经济
4、学会会员。函数的计量模型，估计研发资本存量的产出弹性，实现对中国工业行业的技术创新绩效的实证检验，从而为准确理解我国工业技术创新绩效提供实证支撑，并为进一步改善我国工业技术创新绩效提供相关政策建议。二、文献综述近年来，随着对创新活动调查的更为全面和深入，为技术创新绩效经验研究提供了更好的数据支持，使得学者们从经济总体层面的考察深入到企业和产业层面。从企业层面研究来看，Crepon, Duguet & Mairesse（1998) (以下简称CDM)为估计RD的创新效应以及RD、创新的生产率效应构建了一个开创性的实证方法，其主要贡献体现在明确解释了是创新产出品而非创新投入品（RD）提升生产率水平
5、，其模型包含三个联系：RD方程将RD与其决定因素联系起来；创新方程将创新产出与RD联系起来；生产率方程将生产率与创新产出联系起来。Benavente（2002)使用智利1977-1978年488个制造业公司数据并得到与CDM略有不同的结论，而其使用的模型与原始模型相同。Jefferson等（2006)在Benavente（2002)使用的模型中，加上了一个利润率方程，并使用1997-1999年20000个大中型中国企业的数据，估计了RD支出对企业生产率和利润率的影响。随着计量经济学的发展，最近的研究者运用多种面板数据分析技术对CDM方法进行了更多的改善。Hall等（2008）使用1995-20
6、03年意大利9674个中小企业的面板数据，建立并估计将R&D决策、创新产出和生产率联系起来的结构方程，估计了R&D对公司工艺创新和产品创新的影响。Aghion等（2009）使用1991-1999年美国803个上市公司的面板数据，分别运用面板数据的OLS、泊松（Poisson）、负二项式回归（Negative Binomial）技术，检验了机构所有权对创新（由引用加权的专利数测度）的影响。从产业层面的研究来看，实证研究使用的方法主要两种：一是直接估计R&D投资对产业全要素生产率（TFP）的影响，二是基于生产函数方法估计产业R&D资本的产出弹性。前者如Cameron(2004)使用1972- 19
7、92年英国19个制造业行业的面板数据，采用异质动态面板模型检验每个行业R&D对TFP的影响。后者如Verspagen (1995) 使用超越对数生产函数形式，运用9个主要OECD国家15个制造业部门的面板数据，估计了产业水平R&D的产出弹性。总体来看，国外学者更多地关注公司层面的研究，相对而言，关于产业层面的实证研究较为薄弱，而且，在已有实证研究中，由于每个研究者为集中于其感兴趣的特定问题，在分析数据时，使用自己的独特研究方法，从而无法对不同研究和不同国家进行比较。国内学者对技术创新绩效的研究近年来也开始活跃起来，有的学者将R&D变量作为投入要素加入生产函数来测度R&D的产出弹性。如何玮（20
8、03）基于我国1990-2000年大中型工业企业数据，利用生产函数从总体上实证分析了研发费用支出对产出的影响。Hu等（2005）运用中国1995-1999年每年约10000万大中型制造业企业的面板数据，采用柯布-道格拉斯生产函数模型估计了国内技术转移、国外技术转移和R&D投资对产出的影响。吴延兵（2006）运用2002年中国四位数分类的制造业行业的横截面数据，通过设定两种不同的生产函数形式，估计了样本行业的R&D产出弹性。吴延兵（2008a）运用1993-2002年中国大中型工业企业的行业面板数据，运用扩展的柯布-道格拉斯生产函数，采用混合OLS、固定效应法和一阶差分法等不同的估计方法估计了中
9、国大中型工业企业的R&D产出弹性。有的学者先测算出样本行业的全要素生产率，然后用R&D变量对其进行回归来测度R&D的全要素生产率弹性。如李小平（2007）运用DEA将中国32个分行业大中型工业企业的生产率增长进行分解，并对自主R&D、国外技术引进的产出和生产率回报率进行了实证研究。吴延兵（2008b）运用1996-2003 年中国地区工业面板数据研究了自主研发、国外技术引进和国内技术引进对生产率的影响。总体来看，国内学者的已有研究为我们理解和判断中国工业自主创新绩效奠定了良好的基础，但是既有研究的结论差异很大。通过对已有文献的考察，我们认为存在如下改善空间：一是在测度R&D的产出弹性时，国内学
10、者偏好使用柯布-道格拉斯生产函数，虽然该函数形式简单，但假定技术中性和产出弹性固定，这一强假定会影响到回归结果的稳健性；二是在使用R&D变量时，有的研究使用流量指标引入生产函数，这一做法存在理论缺陷；三是有的研究没有妥善解决当R&D存量与实物资本存量共同引入生产函数所带来的重复计算问题。本文试图在这些方面有所改善，从而为准确判断中国工业自主创新绩效作出贡献。三、模型与方法我们将R&D资本存量作为投入要素加入生产函数来测度其产出弹性，实现对中国工业的技术创新绩效进行实证检验。在选择刻画中国工业生产的具体函数形式时，较为常用的有柯布-道格拉斯（Cobb-Douglas）生产函数和超越对数（Tran
11、s-log）生产函数，前者虽然形式简单，但假定技术中性和产出弹性固定；后者放宽了这些假定，且在形式上更为灵活，能更好地避免由于函数形式误设而带来的估计偏差（王争和史晋川，2007）。然而，已有研究大多采用Cobb-Douglas生产函数。考虑到本研究采用的是行业面板数据，随着时间的推移，产出弹性是否固定，研究中并不能事先确定。此外，正如Mohnen （1992）所指出，函数形式在相当大程度上决定了实证结果，所以，不对其施加严格约束，显得极为重要。因此，与国内已有研究不同，我们借鉴Verspagen (1995)的做法，使用Trans-log生产函数来建立计量模型。我们使用的产出变量是中国工业各
12、行业的增加值（），投入变量是各行业的实物资本存量（）、劳动投入量（）和RD资本存量（）。计量模型的具体形式如下： （1）其中， 为截面单元，为时间，为白噪音误差项。诸是待估参数，然而，这些参数自身并不是我们最感兴趣的，我们更为关注的是各个投入要素的产出弹性，它可用生产函数对每个要素求偏导得到。我们分别用、代表实物资本、劳动投入和RD资本的产出弹性，得到： （2） （3） （4）由于我们的模型适用于大样本数据，为保证估计结果的稳健性，我们将利用我国工业行业的相关数据构造大样本的面板数据。我们首先对式（1）进行估计，然后，用估计得到的相关参数值代入式（2）-式（4）计算各投入要素的产出弹性。四、样
13、本与数据我们选择1999-2008年中国工业33个两位数分类行业作为样本，每个变量有330个观测值。各行业的工业增加值原始数据来源于中国统计年鉴，我们使用1998年为基期的各行业工业品出厂价格平减为实际值，单位为亿元。各行业的实物资本存量使用各行业的固定资产净值年平均余额，使用1998年为基期的固定资产投资价格平减为实际值，单位为亿元。已有研究表明，运用实证模型估计R&D 产出弹性的时通常存在着R&D的双重计算(double counting) 问题（。R&D 投入由R&D资本投入和R&D人员投入构成。同时，实物资本投入和劳动投入中分别包括了R&D 投入部分中的资本投入和R&D人员投入。因此，
14、如果将R&D作为一个独立的生产要素和物质资本投入、劳动投入同时进入生产函数时，R&D投入的两个组成部分就会分别被重复计算(Schankerman，1981) 。各行业的劳动投入量使用各行业年平均人数，从这个人数中扣除R&D 投入部分中的技术人员数量。各行业的R&D资本投入使用R&D经费内部支出总额，在其四个构成部分：技术开发人员劳务费、原材料费、固定资产购置费、其他费用中扣除固定资产购置费。经过这些处理后，R&D 投入就只被计算一次，从而避免了R&D 双重计算问题对估计结果的影响。然后，考虑将经过调整后的R&D支出平减成实际值。我们分别使用消费品物价指数对劳务费进行平减、用原材料、燃料、动力购
15、进价格指数对原材料费进行平减、用固定资产投资价格指数与前两个指数的加权平均对其他费用进行平减，这些价格指数均以1998年为基期，从而得到各年各行业实际R&D支出量。在此基础上，我们参考Griliches(1980)、Goto和Suzuki(1989)、Hall 和Mairesse（1995）、Crpon 和Duguet（1997）及张军等（2004）、吴延兵（2008a）的做法，采取永续盘存法来核算中国工业行业的R&D资本存量，核算公式为: 。其中, 为R&D资本存量，表示R&D支出，为折旧率。根据上式，我们利用各行业科技活动经费内部支出（R&D支出）数据来估算R&D资本存量。关于基期R&D资本存量，按照Hall 和Mairesse (1995) 的方法，样本前所有时期的R&D支出呈几何级数衰减，并设样本前所有时期的R&D支出的平均增长率为，则基期R&D资本存量可以表示为： 。与吴延兵（2008）不同，我们不是事前假定为5%，而是依据样本计算各行业的。核算出基期R&D存量后，就可以利用永续盘存法核算出各行业历年的R&D资本存量。我们计算得到的样本行业R&D资本存量实际值（以1998年为基期）见表1。表 样本行业大中型工业企业R&D资本存量样本行业1999200020012002
