【原创】技术差距、创新环境与企业自主研发强度
傅晓霞1 吴利学2
1中央财经大学商学院
2中国社会科学院工业经济研究所
内容提要 本文在内生技术进步增长模型中引入同时包含国外技术引进和国内研发投入的知识生产函数，以探讨后发国家企业自主研发强度的决定机制，并利用1996-2008年省级地区的经济发展和大中型工业企业研发结构数据检验了与发达国家技术差距、技术吸收能力、创新环境和研发能力等因素对中国企业研发强度决策的影响。结果发现：技术差距对企业研发强度的单独作用不显著，主要通过与开放程度、人力资本等因素的共同作用影响企业研发决策；近年来技术引进效率的相对下降不利于总体研发强度提升却有利于促进企业自主研发，研发环境因素中企业研发密度对自主研发强度具有显著正向作用，但地区经济规模、大企业比重和政府研发投入比重却有一定负面影响。
关 键 词 自主研发强度 技术差距 创新环境 研发能力
JEL Classification: O11 O33 O41
一、引言
技术进步是经济发展的持久源泉，而现代经济中技术进步主要来源于有目的的研发（Research and Development，R&D）活动。从理论角度讲，Romer（1990）、Grossman and Helpman（1991）、Aghion and Howitt（1992）等开创的新增长理论突出强调了研发在增长中的重要作用，把创新作为企业以盈利为目的的内生行为，深刻揭示了企业研发的最优决策机制。从经验研究来看，由于发达国家研发活动以自主创新为主，因而对产权保护（Arrow，1962；Nordhaus，1969；Klemperer，1990）、市场结构（Scherer，1967；Bound et al.，1984）、税收政策（Mansfield and Switzer，1985；Bloom et al.，2002）以及研发强度与长期经济增长的关系（Jones，1995；Segerstrom，1998）比较重视。但是，这些理论模型和经验检验都以发达经济为基础，主要讨论世界技术前沿国家的创新选择，不能很好地包容后发国家技术创新和企业研发活动的特殊性。
随后，Barro and Sala-i-Martin（1997）、Howitt（2000）、Acemoglu et al.（2006）等又在新增长理论基础上提出了技术扩散模型，以考察发达国家和发展中国家的技术互动。但是，他们仅仅把后者的技术进步作为前者技术扩散的结果，忽略了后发国家的知识生产过程。而在现实中，尽管发展中国家可以利用后发优势实现较快的技术进步，但往往需要支付高昂的技术引进费用，而且还要为技术改造进行投资，甚至单纯技术模仿的成本也相当可观。例如，Mansfield et al.（1981）发现，模仿研发的平均成本达到了全新研发的65%，最少也不会低于20%。因而，后发国家的企业既面临着模仿程度选择问题，同时还需要在技术引进与自主研发之间进行权衡，其研发投入决策更需要从企业优化行为的角度来分析。
伴随着持续的体制转轨和经济发展，企业逐步成为中国科技创新的主体力量，在技术进步中的作用越来越突出。以企业研发为主导的科技创新，既是中国经济实现持续健康发展的核心动力，又是促进产业结构转型升级和国际竞争力提升的有力措施。但目前国内研究大多采用了与技术扩散模型相同的假设，把国外技术引进简单等同于技术模仿甚至是技术进步，忽视了后发经济知识生产过程中的企业创新决策机制，从而难以明确地刻画技术差距、国内创新效率等因素对企业研发行为的影响。
为更好地理解企业研发行为，本文构建了同时包含国内研发投入和国外技术购买的知识生产函数，利用内生技术进步增长模型探讨后发国家企业总体研发强度和自主研发强度的决定机制，特别关注了自主研发效率和引进研发效率对企业研发强度和结构的影响。在此基础上，我们提出了总体研发强度和自主研发强度决定的经验分析模型，并采用1996-2008年省级地区的经济发展和大中型工业企业研发结构数据检验了技术差距、技术吸收能力、国内创新环境以及自主研发效率等因素对中国企业研发强度决策的影响。
本文的结构安排如下：第二部分在标准的内生技术进步增长模型中引入包含国外技术购买和国内研发投入的知识生产函数，从而给出企业总体研发强度和自主研发强度的最优决定机制，特别考察了引进研发效率和自主研发效率的作用；第三部分提出经验分析模型，利用1996-2008年地区面板数据检验技术差距、技术吸收与创新环境、企业研发能力等因素对中国地区企业总体和自主研发强度的影响；第四部分总结全文的主要内容、研究发现及其政策含义，并指出文章的扩展方向。
二、理论分析
（一）基本设定
为了分析方便，本文采用相对简单的实验设备增长模型（Lab-equipment Model）和产品种类扩展隐喻（Metaphor of product varieties）来刻画技术的内生进步过程，即假定技术进步表现为中间投入品种类的扩展并以购买实验设备等最终产品的投入方式实现（参见Acemoglu，2009；Aghion and Howitt，2009）。我们假定经济中包含多个代表性家庭，它们拥有资本与劳动并决定生产和消费，将总体经济环境视为给定，在资源、市场和技术约束条件下追求效用与利润最大化。不失一般性，以单位最终产品为计价物，并假定中间投入品当期完全折旧，因而整个经济的资源约束为：
我们用外贸依存度和实际利用外资占GDP比重作为对外开放的代理指标，以二者标准化后的平均值衡量开放程度的影响。地区人力资本水平以居民平均受教育程度衡量。地区研发的外溢性采用企业研发机构密度来捕捉，具体指标为大中型工业企业中有技术开发机构的企业数占工业企业总数比重。地区市场结构用市场集中度来衡量，代理变量为大中型工业企业总产值占该地区工业总产值的比重。研发资金来源结构采用科技活动经费筹集总额中政府资金所占比重来衡量。为了减少变量之间的相关性，我们采用劳动力总量而不是GDP作为地区经济规模的代理指标。时间趋势采用自然年度序列，以初始年份为1。
以上国内各地区数据全部来自《中国统计年鉴》、《中国人口统计年鉴》和《中国科技统计年鉴》，教育水平的部分缺失数据根据傅晓霞、吴利学（2006）的处理方式推算，其他个别缺失数据根据前后年份的平均值推算。美国GDP数据来自世界银行，汇率按市场汇率计算。样本为1996-2008年28个地区的面板数据，共364个观测。由于数据原因未包括海南和西藏，重庆被合并在四川内。为避免数据量纲的影响，所有解释变量均进行了标准化（Normalization），比例指标用算术平均处理，水平指标用几何平均处理。表1提供了变量的描述性统计。
（三）估计方法与结果
考虑到本文的样本性质，要得到方程（27）和（28）的有效估计，需要解决三个问题。一是解释变量的内生性（Endogeneity）问题。由于实际中企业研发投入强度往往与技术差距、研发环境等因素相互影响，经验方程中的解释变量可能不是完全外生的。为此，我们采用所有解释变量的一阶滞后作为工具变量，以克服它与随机扰动的相关性。二是未观测效应（Unobserved effects）问题。为侦查地区个体效应，我们采用了面板数据的固定效应模型。考虑到地理、历史和居民偏好等地区特征多为固定因素且往往影响研发投入选择，我们认为固定效应模型应当是比较合理的选择。三是扰动项的序列相关（Serial correlation）问题。通常宏观时间序列数据都存在较强的自相关问题，为此本文假定随机项服从一阶自相关过程并采用可行广义最小二乘法进行估计。需要说明的是，为了保留更多的观测样本，我们采用了协方差矩阵变换，而不是直接的广义差分处理。此外，考虑到各地区研发强度的差异较大，我们特别采用了异方差稳健的参数检验，以克服统计推断中的异方差问题。
表2和表3分别报告了以人均GDP差距作为技术差距度量的总研发投入强度与自主研发投入强度决定方程的回归结果。其中结果（1）为普通最小二乘法估计，但内生性检验表明解释变量与随机扰动具有相关性，估计结果并不可靠。为此，我们采用全部解释变量的一阶滞后作为工具变量，再次进行了方程估计，得到回归结果（2）。识别条件检验显示结果（2）中回归残差与工具变量不具有相关性，同时参数检验表明工具变量估计结果与OLS估计差异显著，表明工具变量估计是有效的。在此基础上，我们进一步考虑了地区个体效应和自相关问题的影响。未观测效应的F检验显示地区个体效应十分显著，而且固定效应模型能够很好地解决这一问题。为克服随机扰动的序列相关，我们利用工具变量的固定效应结果（回归结果（3））估计了自相关系数，然后采用协方差矩阵变换得到可行的广义最小二乘估计，即回归结果（4），检验结果显示该估计较好地消除了自相关的影响。结果（5）、（6）、（7）分别引入了技术差距的平方项以及对外开放程度和人力资本水平与技术差距的交叉项，其估计过程与结果（1）-（4）相同，但只报告了最终的结果。此外，我们以全要素生产率差距作为技术差距度量，对总研发投入强度与自主研发投入强度决定方程进行了回归，发现大部分估计系数比较接近，几乎没有符号和数量级变化。这一方面表明以上估计结果是比较稳健的，另一方面也说明对技术差距的选择基本符合现实情况。
（四）主要发现
根据以上估计结果，我们可以进一步从相对研发效率和自主研发效率两个角度确定企业的研发强度决策。
首先，从技术差距的单独作用来看，我们没有发现它对研发强度的显著影响，即使引入技术差距的二次项，估计参数的显著性也很低，并且总体研发强度和自主研发强度均是如此。有趣的是，当我们考虑技术差距与开放程度以及人力资本的交互作用时，对总体研发强度和自主研发强度的影响表现出巨大的差异：引入技术差距与开放程度交互作用时，技术差距及其与开放程度交叉项对总体研发强度具有较为明显的负向影响，但对自主研发强度影响不显著；引入技术差距与人力资本交互作用时，技术差距及其与人力资本交叉项对自主研发强度具有明显的正向影响，但对总体研发强度影响不显著。由此可见，就目前中国各地区的经济发展情况而言，与国外的技术差距本身并不能直接影响企业的研发决策，而对外开放和人力资本等决定技术吸收和创新能力的因素才使得技术差距对企业研发产生影响。
其次，从对外开放和人力资本的单独影响来看，前者总体上不利于企业研发强度的提高，特别是对总体研发强度的抑制作用更为显著；后者有利于提升总体研发强度，却不利于自主研发比例的提高。这表明，尽管对外开放可能会提高管理水平和促进先进工艺扩散，从而改进国内企业的生产率水平，但从企业研发来看并不有利于国内技术创新。同时，我们发现时间趋势系数在总体研发强度和自主研发强度方程中的估计结果存在十分显著的差异，前者显著为负，后者显著为正。结合近年来中国的经济发展状况，我们认为这是企业研发相对效率，特别是引进研发效率降低的结果。近年来国内技术水平提升较快，利用国外技术进行研发的相对优势在弱化，因此基于引进技术设备的研发效率有下降的趋势。同时，随着知识产权保护的加强，技术引进成本在不断上升，而国内研发成果的收益也越来越有保障，企业自然会减少对国外技术的投入比例，提高自主研发的强度。
再次，从自主研发效率的影响因素来看，我们发现：第一，大型企业比重对研发强度影响不显著，尽管这与我们采用了大中型企业研发样本有关，但也一定程度上表明市场结构（或者说大型企业的垄断性）并不是决定研发强度的关键因素。第二，具有研发机构企业的比重与研发强度显著正相关，既说明专门的研发机构是企业研发活动的重要形式，也在一定程度上反映出企业研发的外溢性，研发密度越高的地区，企业越倾向于研发投入。第三，政府研发投入并不会直接提高研发强度，其投入占比重越高则该地区研发强度就越低。最后，我们发现地区市场规模对研发强度的影响是负向的，而且对自主研发强度的影响幅度更大、显著性更高。
与前文的理论分析结果类似，以上经验结果表明自主研发效率对总体研发强度和自主研发强度的作用方向更为可能都是正向的，因而企业特征和研发环境等因素对二者的影响基本是类似的。从具体结果来看，市场结构并没有成为决定企业研发决策的关键因素，也就是说垄断性企业并不一定比竞争性企业更倾向于技术创新，表明政府的研发激励政策没有必要倾向于垄断行业或大中型企业。研发资金来源分布反映了地区研发主体的结构，除了政府研发效率可能偏低的原因之外，这也说明近年来企业的研发倾向相对较高，鼓励企业在研发中发挥更大作用是提升研发强度的有效途径。同时，目前中国的研发活动总体上不具有市场规模效应，反而是经济规模越大研发活动的协调成本越高。换句话说，创新收益总体上没有随着地区经济规模（以劳动力度量）扩展而增大，研发成果的推广应用还受到限制而不能发挥更大价值，打破技术市场壁垒仍是促进企业研发的有力措施。
四、总结性评述
本文尝试从理论和经验两个方面分析中国企业自主研发强度的决定机制，尤其是技术差距和创新能力在其中的作用。为此，我们构建了同时包含国内研发投入和国外技术购买的知识生产函数，利用内生技术进步增长模型探讨了后发国家企业总体研发强度和自主研发强度的决定机制，特别关注了自主研发效率和引进研发效率对研发强度和结构的影响，结果发现：国内自主研发能力的提升，通常情况下既会促进总体研发投入增长又有利于提高自主研发比重；国外技术引进效率提升虽然会提升总体研发强度，但对自主研发强度的影响比较复杂，作用方向取决于国内外研发投入的关系、生产技术条件和居民偏好。
在理论分析的基础上，我们根据企业研发效率的影响因素提出了企业总体研发强度和自主研发强度决定的经验分析模型，并采用1996-2008年省级地区的经济发展和研发结构数据检验了技术差距和创新环境等因素对中国企业研发决策的影响。本文的经验结果显示：1）技术差距主要是通过与技术吸收能力的共同作用而影响研发强度，与对外开放的交互作用对总体研发强度的负向影响比较突出，与人力资本的交互作用对自主研发强度正向影响更为明显；2）伴随着知识产权保护的增强，引进研发效率的相对下降对总体研发强度有负面影响，但会大大促进自主研发强度的提升；3）行业市场结构对研发强度的影响不明显，但政府研发投入比重对总体和自主研发强度的负面影响都比较突出；4）研发之间的扩散效应对提升企业总体研发和自主研发强度的促进作用都非常明显，但地区市场规模的影响并不突出，甚至还可能具有不利影响。
基于目前中国的企业研发状况，我们认为本文结论具有以下几方面的政策含义：第一，应当在发挥技术后发优势的同时，充分重视单纯依靠技术引进和模仿的负面作用，进一步加强对企业自主研发的鼓励力度，而且激励政策无需倾向于垄断行业与大中型企业。第二，仅仅增加政府研发投入并不能有效促进企业研发，加强知识产权保护和税收激励对提升企业自主研发强度的积极作用可能更为突出。第三，通过技术成果交易和推广等方式提高研发收益是促进企业增加研发投入的有效途径，因此完善技术市场及创新孵化机制的意义十分重大。第四，应当进一步完善人力资本的配置和管理方式，不仅要发挥它在技术吸收中的作用，更要使之成为自主创新的核心动力。
当然，本文还存在诸多可以扩展之处，例如，如何在理论模型中引入技术差距，直接估计知识生产函数，以及知识产权保护代理指标的寻找和企业微观数据的检验等，都是我们今后努力的方向。
参考文献：
傅晓霞（2011）：《企业研发效率测度与比较——以中国各地区大中型工业企业数据为例》，《管理工程学报》第4期。
Fu Xiaoxia.2011. “A Firm＇s R＆D Productivity：An Analysis of Large and Medium-sized Industrial Enterprises in China based on Province-Level Panel Data,” Journal of Industrial Engineering and Engineering Management,(4).
傅晓霞、吴利学（2006）：《全要素生产率在中国地区差异中的贡献分析》，《世界经济》第9期。
Fu Xiaoxia and Wu lixue.2006. “The Role of Total Factor Productivity in China's Regional Disparities,” The Journal of World Economy,(9).
吴延兵（2006）：《R&D存量、知识函数与生产效率》，《经济学（季刊）》第5卷第4期。
Wu Yanbing. 2006.“R＆D Stock, Knowledge Function and Productive Efficiency,” China Economic Quarterly,5(4).
Acemoglu, D. 2009. Introduction to Modern Growth Theory, Princeton: Princeton University Press.
Acemoglu, D.; Aghion, P. and Zilibotti, F. 2006. “Distance to Frontier, Selection, and Economic Growth.” Journal of the European Economic Association, 4(1), pp.37–74.
Aghion, P. and Howitt, P. 1992. “A Model of Growth through Creative Destruction”, Econometrica, 60, pp.323-351.
Aghion, P. and Howitt, P. 2009. The Economics of Growth, Cambridge: MIT Press.
Arrow, K. 1962. “Economic Welfare and the Allocation of Resources for Invention.” in R.R. Nelson, ed. The Rate and Direction of Economic Activities: Economic and Social Factors, New York: Princeton University Press.
Barro , R. J. and Sala-i-Martin, X. 1997. “Technological Diffusion , Convergence , and Growth.” Journal of Economic Growth, 2 (1) , pp.1-27.
Barro, R. and Sala-i-Martin, X. 2004.Economic Growth, 2nd, Cambridge: MIT Press.
Basu, S. and Weil D. 1998.“Appropriate Technology and Growth.” Quarterly Journal of Economics, 113, pp.1025-1054.
Bloom, N.; Griffith, R. and Van Reenen, J. 2002. “Do R&D Tax Credits Work？Evidence from a Panel of Countries 1979- 1997.” Journal of Public Economics, 85, pp.1-31.
Bound, J.; Cummins, C., Griliches, Z., Hall, B. H. and Jaffe A. B. 1984. “Who Does R&D and Who Patents?" in Zvi Griliches ed., R&D, Patents and Productivity, Chicago: University of Chicago Press, pp. 21-54.
Dixit, A. K. and Stiglitz, J. E. 1977. “Monopolistic Competition and Optimum Product Diversity.” American Economic Review, 67, pp. 297-308.
Frankel, J. and Romer D. 1999.“Does Trade Cause Growth?” American Economic Review, 89, pp.379-399.
Grossman, G. M. and Helpman E. 1991. Innovation and Growth in the Global Economy. Cambridge: MIT Press.
Howitt, P. 2000. “Endogenous Growth and Cross–Country Income Differences.” American Economic Review, 90, pp.829-846.
Jones, C. I. 1995. “R&D-Based Models of Economic Growth.” Journal of Political Economy, 103, pp.759-784.
Klemperer, P. 1990. “How Broad Should the Scope of Patent Protection Be?” Journal of Industrial Economics, 21, p.113-130.
Lucas, R. E. 1988.“On the Mechanics of Economic Development.”, Journal of Monetary Economics, 22, pp.3-42.
Mansfield, E.; Schwartz, M. and Wagner, S. 1981.“Imitation Costs and Patents: An Empirical Study.” Economic Journal, 91, pp.907-918.
Mansfield, E. and Switzer, L. 1985.“How Effective are Canada's Direct Tax Incentives for R＆D?” Canadian Public Policy, 11(2), pp.241-246.
McNelis, P. D. 2005. Neural Networks in Finance: Gaining Predictive Edge in the Market, New York: Elsevier Academic Press.
Murray, F.; Aghion, P., Dewatripont, M., Kolevx, J., and Stern S. 2009. “Of Mice and Academics: Examining the Effect of Openness on Innovation.” NBER working papers No.14819.
Nelson, R. R. and Phelps, E. S. 1966. “Investment in Humans, Technological Diffusion, and Economic Growth.” American Economic Review, 56, pp.69-75.
Nordhaus，W. D. 1969. Invention, Growth and Welfare: A Theoretical Treatment of Technological Change. Cambridge: MIT Press.
Romer, P. M. 1990. “Endogenous Technological Change.” Journal of Political Economy, 98, pp.71-102.
Scherer, F.M. 1967.“Market Structure and the Employment of Scientists and Engineers.” American Economic Review, 57, pp.524-531
Segerstrom, P. S. 1998. “Endogenous Growth without Scale Effects”. American Economic Review, 88, pp.1290-1310.