研发推动战略性新兴产业高端化研究

魏洁云　贾军　朱从辉

摘要：采用DEA-Malmquist指数法，利用战略性新兴产业1997～2015年17个细分行业面板数据，测度全要素生产率变动及其分解指标变动趋势。结果表明，全要素生产率增长呈现逐渐下滑的高端化趋势，主要由于技术进步恶化造成的，而技术效率提升成为TFP增，长的重要中坚力量。研发经费支出促进技术效率改善，而没有推动技术进步，研发人员对产业高端化作用甚微，技术经费阻碍了高g-l～。

关键词：战略性新兴产业；全要素生产率；技术进步

中图分类号：F062.9 JEL 分类号：032；C33；C87 文献识别码：A 文章编号：1001-828X（2018）021-0356-04

中国过去三十多年的高速经济增长主要依靠丰富劳动力资源要素、高投资持续投入和出口导向型推动的。根据日本、韩国和中国台湾等地发展经验，当人均GDP达到11000G-K国际元（1990年价格），无一例外地出现经济增速放缓，进入“中等收入陷阱”。中国经济结构正经历着消费超过投资、服务业超过工业等历史性转折，中国如何适应新常态面临问题、矛盾和挑战？如何跨过“中等收入陷阱”？新增长理论经济学家罗默发现，技术创新取决于经济中的规则和制度，是研发活动的结果，技术进步是内生力量，决定着技术创新和进步的速度及方向，直接关系到区域经济能够持续长期增长。正是这种依靠技术进步的内生增长才是中国经济转型之道。中国是否依靠技术进步提高全要素生产率（TFP）是其中的关键问题。

中国政府在金融危机之后适时提出大力发展战略性新兴产业，希望高端技术引领带动经济社会全局和长远发展。通过提高产业TFP，促进产业高端化发展。目前，针对该产业的研究更多集中于产业内涵、发展对策、政策支持等定性分析方面。如刘志彪（2013）从产业链、价值链等五个方面，理论探讨如何避免刚起步的中国该产业成为新的低端“加工制造业”政策取向和措施。蔡瑞林等（2014）定性探索低成本创新驱动制造业高端化可能路径，揭示了技术、市场和组织等变革整合是低成本创新的动力源。刘宏昌（2015）、任保全（2014）探讨了该产业高端化发展的产业培育模式及路径。

尽管已有文献探讨了该产业的高端化路径或模式等，但鲜有文献从产业层面研究该产业TFP定量研究；少量着眼于研究该产业发展趋势和成长路径的文献表明本产业发展趋势并不明朗，存在争议。本文则运用DEA-Malmquist指数法，测度出该产业TFP变化情况及其分解变动情况，揭示产业高端化深层次原因；分析研发经费、研发人员和技术经费对该产业TFP增长影响程度，具有较强的政策启示。

一、研究模型和数据说明

1.研究模型

基于DEA非参数的Malmquist TFP指数是由Caves、Christensen和Diewert（CCD）用Malmquist投入和产出距离函数定义。之后，Fare等人研究出基于产出导向的Mahnquist生产率变化指数：

在规模报酬恒定（CRS）下，上式表示为效率变化指数和技术进步指数两者乘积。如果放松规模报酬恒定（CRS）约束，在规模报酬可变（VRS）下，技术效率变化指数TEC可以继续分解为纯技术效率变化指数和规模效率变化指数。

这样在规模报酬可变（VRS）下，Malmquist TFP指数可以分解为三个部分：

即TFP变化指数=技术效率变化指数×技术进步指数=纯技术效率变化指数×规模效率变化指数×技术进步指数。

2.指标选取和数据来源

根据数据的可得性和适宜性原则，选择两产出两投入共4个变量。确定采用“從业人员年平均人数（人）”作为劳动力投入（L）、采用“新增固定资产值”折算后得到的“固定资产存量（亿元）”作为资本投入指标（K），采用“主营业务收入（亿元）”和“净利润（亿元）”作为产出指标。

依据国家统计局公布的《<高技术产业（制造业）分类（2013）>与<高技术产业统计分类目录>（国统字（2002]33号）对照表》，结合《战略性新兴产业分类（2012）》，从中国高技术产业中整理出属于战略性新兴产业的17类细分行业，这些行业属于高技术产业和该产业的交集。所有指标都采用17个细分行业的1997～2015年共19年度面板数据，总计1292个观察样本。为消除价格因素的影响，本文处理如下：“主营业务收入”按照“工业生产者出厂价格指数”平减、“新增固定资产”按照“固定资产投资价格指数”平减，“净利润”按照“工业生产者出厂价格指数”平减。所有的价格指数都摘自《中国统计年鉴》2016，转变成以1997年为基期。

二、战略性新兴产业发展趋势：历年TFP变动趋势分析

使用DEAP2.1软件，从分年度整体产业分析，分年度整体TFP变化率及其分解进行测度，相应的分解结果如表1所示。

从表1可以看出，18年TFP变化率为1.101，说明该产业TFP年均增加10.1%，相比上一年都有大幅度的提升。其中技术进步年均增长率为9.1%，而技术效率改善年均增长率为O.9%，这表明整个行业的技术进步和技术效率改善共同推动TFP的提升，相对于技术效率改善，技术进步对TFP的提升起到主导力量的作用。

将考察期分为三段，1997～2004年为前期，2005～2011年为中期，2012～2015年后期，分段考察发现，前期TFP增长率均值为13.8%，主要取决于技术进步，年均增长率为24.4%，而技术效率年均增长率下降8.5%，出现了负增长。

中期TFP变化率年均为1.090，说明TFP年均增长率为9%，比前期13.8%有所下降，主要由于技术进步（年均增长1.6%）和技术效率改善（年均增长7.3%）双轮驱动造成的。

后期TFP变化率年均为1.058，说明TFP年均增长率为5.8%，表明TFP增长率进一步降低。而从推动TFP增长的动力来看，进一步发生了较大变化，后期主要是由于技术效率改善（年均增长7.7%）导致的，出现技术退步（年均1.8%）。而这四年的技术效率的改善受益于纯技术效率改善（年均增长2.9%）和规模效率改善（年均增长4.7%），说明该产业在技术进步受挫情况下，采取提高既有纯技术的效率并且依靠规模扩张来实现TFP增长的。

纵观三个时段，研究发现TFP增长率呈现逐渐下降的趋势，由13.8%降到9%，进一步下降到5.8%，低于全部年均TFP增长率（10.1%）。技术进步由24.4%降到1.6%，进一步下降到-1.8%，低于全部年均技术进步率（9.1%），下滑趋势非常明显，这也刻画出中国技术追赶的路线，由技术洼地逐渐追到技术平地，现在中国正处于技术高地，技术无从引进，无法模仿，只有依靠自主创新，而技术创新是一个非常复杂的过程，从技术研发到技术成熟到市场推广到产业化需要漫长的过程，而且充满不确定性，导致技术进步上的受挫。而从技术效率改善上看，刻画出一条一路上扬的趋势线，由-8.5%上升到7.3%，进一步上升到7.7%，而技术效率改善推动力由从纯技术效率和规模效率都欠缺逐步发展为两轮驱动模式，而后期更体现出以规模扩张提升效率的明显趋势。

三、战略性新兴产业发展趋势：行业TFP变化及差异分析

“航天器制造”产业的TFP增长最为显著，年均增长率为19.6%，其次是“飞机制造”产业年均增长率为19.1%，整个“高端装备制造产业”年均TFP增长率19.3%也是最高。这是由于“技术进步”（10.1%）和“技术效率改善”（8.4%）双重作用的结果。TFP增长率最低的是“其他电子设备制造”行业，仅为5.4%，主要是由于技术进步推动发展的，而技术效率改善为负数（-4.3%），影响了TFP增长。而技术效率退步主要是由于纯技术效率退步引起的（年均-4.8%）。

“新一代信息技术产业”18年均TFP增长率为8.4%，其中年均技术进步为8.3%，而年均“技术效率改善”为0.1%。尽管“规模效率改善”较好，每年均值为0.5%，但是由于“纯技术效率改善”的恶化，每年均值为-0.4%，制约了“技术效率改善”。“新一代信息技术产业”中TFP增长最低的是“通信系统设备制造”和“通信终端设备制造”，仅为1.5%，全部依赖于技术进步（1.5%），而18年均技术效率没有一点改善。“生物产业”中TFP增加率为10.9%，4个细分行业有3个TFP增长率高于整体均值的，主要取决于技术进步（9.8%）和技术效率改善（1%），技术进步作用大于技术效率改善。

四、研发投入对战略性新兴产业高端发展影响的实证研究

1.变量的选择和处理

本文选择研发经费投入和研发人员投入作为研发投入的代理指标。考虑资金投入不仅包括代表自主研发的研发经费投入而且还包括外部技术获取的技术经费投入，因而从研发经费投入、研发人员投入和技术经费投入三个方面利用单位根检验和协整模型展开实证研究。

（1）TFP增长指数（TFP）

参照张宇、段琼的研究，本文把TFP增长累积指数作为协整模型的因变量。

（2）研发经费投入（RDE）

研发经费投入研发经费内部支出（万元）作为研发经费投入指标，并以居民消费价格指数的55%和固定资产投资价格指数的45%加权平均法构造研发经费价格指数进行价格平减处理，统一折算到以1997年为基期的数据。

（3）研发人员投入（RDP）

人采用“研发人员全时当量（人年）”×100÷“从业人员年平均人数（人）”作为人力资本投入指标。

（4）技术经费投入（TE）

采用“技术引进经费支出（万元）”与“购买国内技术经费支出（万元）”之和表示国外技术和国内技术的外部技术来源经费支出。借用研发经费价格指数进行价格平减处理，统一折算到以1997年为基期的数据。

2.面板单位根检验

为了降低异方差和数据波动性，本文对四个变量对数处理。为了避免伪回归选择基于面板数据的LLC、DF-Fisher和PP-Fisher单位根检验方法对变量进行平稳性检验。

四个变量至少在10%水平下通过显著性检验，表明变量均为平稳序列。对其它数据检验也得出相同的平稳结论，变量之间可能存在某些长期均衡关系，需要进一步进行协整检验。

3.面板协整检验

原假设均为“变量之间不存在协整关系”，Pedroni（19961和Kao（2000）面板协整检验结果如表3所示。

可以看出在整体、前期、中期、后期协整关系都拒绝了原假设，也就是说变量之间存在协整关系。所以可以建立协整和误差修正模型。

4.模型的构建及检验结果

以TFP累计增长率作为因变量，以研发经费支出、研发人员占比、技术经费支出作为解释变量，构建基于面板数据形式的计量模型，经过对模型的F检验反复验证，采用固定效应变截距计量模型。

整個考察期而言，TFP研发经费内部支出长期弹性系数为0.401，意味着在其他要素投入不变的情况下研发经费内部支出每增加l%，将促进TFP累积增长0.401%。通过对比三个时期的a2的弹性系数发现，研发经费内部支出对于前期a2弹性系数为0.481，而中期a2弹性系数为0.306，后期a2弹性系数为0.189，呈现逐步下降的趋势，降幅相当严重，不足前期40%，说明研发经费内部支出对TFP增长的推动作用没有以前力度大。

人力资本对TFP增长的影响，从整个考察期和三个时期回归系数来看，a₃相当小，统计学上也不显著。表明人力资本的增加对TFP增长影响甚小。

技术投入a4的弹性系数一致为负数，这表明技术引进经费支出和国内技术购买经费支出本身不能促进TFP增长，甚至有可能制约TFP增长。

为了进一步检验三个时期创新资源要素对TFP增长及其分解影响，下面表5展示了研发经费投入、研发人员投入和技术经费投入对技术进步、技术效率改善、纯技术效率改善和规模效率改善的影响。

从表5可以看出，整个考察期推动技术进步的依靠研发经费支出a2（弹性系数为0.21 9），但是分时期来看，研发经费推动技术进步的贡献并不是均衡的。不仅呈现前期高（弹性系数为0.415），后期低（弹性系数为-0.177）的特点，而且后期的弹性系数为负数，表明研发经费支出在对于推动技术进步影响相当大，迅速促使中国从技术洼地走向技术平地，但是在后期不仅没有促进技术进步，而且阻碍了技术进步。这样的结论与“发展战略性新兴产业推动重大技术突破”的初衷背道而驰的。研发经费支出的积极作用在于越来越明显的技术效率改善上，从前期的弹性系数0.067，上升到中期的0.256，进一步提升到后期的0.366。

五、结论和政策建议

本文以17个细分行业19年面板数据为研究对象，从时间序列和分产业两个方面研究产业TFP增长及其分解，以及研究创新资源投入对TFP增长及其分解的影响，研究结果表明，尽管年均TFP增长率为10.1%，但是该增长率呈现前高后低趋势，尤其后期增长率只有5.8%，呈现明显走低趋势。

上述研究结论蕴含着相应的政策建议。

第一，加大研发经费投入，引导重大技术突破，实现科技与经济深度融合。研发经费投入是推动该产业发展的关键要素，但本文研究发现研发经费对TFP增长影响越来越小，且研发投入没有推动技术进步是当前该产业发展越来越趋于增速下降的重要原因。因此政府必须出台政策加以规范和引导更多新兴产业偏向推动技术进步方向。

第二，推进以创新为导向的人才队伍建设。实证研究发现，人力资本的增加对TFP增长影响甚小，所有的创新活动都需要人来完成，只有合格的创新人才，才可能有创新成果。缺乏创新人才成为制约该产业发展的瓶颈。建设人才队伍要坚持以创新为导向，建立全方位的创新人才体系，提倡学术民主，反对学术官僚主义。

第三，培育国内市场，提升本土创新能力。研发要靠进市场形成产业化，获得市场认可和取得市场价值才能创新成功。政府采购是一种培育国内市场的手段，让中国认识到本土市场对于培育创新动力的重要性。激发民众购买使用和反馈创新产品，通过对本土市场消费者补贴的方式，启动本土市场牵引自主创新活动，建立健全创新驱动发展机制。