区际产业转移行业间技术溢出效应研究

关爱萍，李 辉

(1.西北师范大学商学院，甘肃 兰州 730070;2.南京大学经济学院，江苏 南京 210093)

1 引言

国内外学者对于外溢效应的研究在不断地深化，以往的研究更多地侧重于知识与技术的外溢作用，某一行业的知识和技术投入不仅会促进本行业的技术进步与生产率的提高，而且会通过溢出机制带来相关行业生产率的提升，特别是与本行业的关联性比较强的部门，行业间技术溢出对生产率的影响更为明显。

针对产业转移的技术溢出效应研究还相对较少，更不必说细化到行业层面的技术溢出效应研究。其中很重要的一个原因是行业数据的不完备，特别是对欠发达地区省份，制度与产业机制的不完善，加大了统计数据的难度。本文克服数据方面的问题，通过对行业全要素生产率的测算，利用2006—2011年中国甘肃地区的工业行业面板数据，就产业转移的技术溢出效应对行业的全要素生产率的影响进行实证检验。并利用投入产出法测算了各行业的总受益者效应及行业间的受益者效应，分别从横向和纵向进行分析。

2 模型、变量及数据说明

2.1 行业的相似度和间接R＆D投入

(1)行业的相似度。在投入产出表中，直接消耗系数表第j列表示的是第j个行业对其他行业产品作为中间投入品的消耗，投入产出表既能反映某一个行业对其他行业的依赖关系，又能反映出各行业之间的产品消耗技术结构。因此，如果两个行业中间投入品的技术结构相似，那么他们的技术相似度就会越高，从而这两个行业部门之间就会更容易产生技术溢出，利用直接消耗系数的结构就可以测算行业部门间的相似程度，定义部门i、j的相似度为该行业部门直接消耗系数向量的角余弦:

其中，aki、akj分别表示第i个行业和第j个行业投入产出表中第k个位置的元素。如果两个部门之间的技术相似度越高，ωij就会越接近于1。从计算结果来看，技术相似度较高的产业部门大多数是集中在主对角线附近。其中，相似系数超过0.5的有12对，超过0.9的有2对，在0.5～0.6之间的有3对，0.6～0.7之间的有 5对，0.7～0.8之间的有1对，0.8～0.9之间的有1对。

(2)间接R＆D(IRD)。在研究行业间技术溢出时，大部分的研究都是对前后向溢出效应进行分别研究，对行业间技术溢出指标的测度方法上，学者的测度方法也是各有特点，但都有一个共同的特征:一个产业获得的技术溢出是其他产业的R＆D 投入加权和，Los［1］称其为 “间接 R＆D”，计算方法为:

其中，RDi为第i产业的直接R＆D投入，权重ωij用来表示产业i、j之间的技术相似度，测度第i产业的技术存量有多大程度溢出到了第j产业。本文中，用间接R＆D投入作为行业间技术溢出效应的代理变量。

2.2 溢出效应测算的投入产出模型

产业间R＆D溢出的测算方法一般包括矩阵法、技术距离法和投入产出法，由于投入产出法是结合R＆D投入与投入产出系数来进行测算的，它刻画了行业部门间的联系，因此，相对其他两种方法来说更为全面。During［2］定义了后向R＆D流量系数矩阵CRD和前向R＆D流量系数矩阵DRD，借此计算总受益者效应、总贡献者效应、产业间受益者效应和产业间贡献者效应。

R＆D总受益者效应是指某产业从所有产业研发活动中获得到的总收益，R＆D总贡献者效应是指某产业作为研发活动贡献者贡献给所有产业的效应，分别用R＆D后向乘数CRD和R＆D前向乘数DRD表示，具体形式为:

同样，得到产业间的贡献者效应:

由于本文重点考虑各行业从其他行业中获得的技术溢出，因此，在本文中只涉及受益者效应的测算与分析。

2.3 模型设定

我们考察的是产业转移的行业间技术溢出效应，因此，在生产函数模型的基础上加入行业间技术溢出变量——间接 R＆D投入(IRD)，R＆D直接投入(RD)、产业转移变量TR，同时选取资本密集度(CI)、劳动力投入(L)作为控制变量，以本土企业的全要素生产率TFP为被解释变量，建立以下行业面板数据模型:

其中，下标i和t分别表示行业和时间，TFP为相关行业和年份的全要素生产率。β1～β5表示相关自变量对因变量的影响程度;εit为随机误差项。由于面板数据包含横截面和时间序列上的双重信息，故对所有变量取对数，以克服异方差及序列相关等问题。

2.4 数据来源及变量说明

(1)数据来源。本文采用的2006—2011年行业面板数据来源于各年的《甘肃统计年鉴》，产业转移数据来源于招商局统计的原始数据。笔者以《国民经济行业分类(GB_T4754—2011)》及《2012国民经济行业分类注释目录》为标准进行整理，综合考虑各变量的数据可得性，在计量模型中，选择16个二位数代码行业，在投入产出分析时，选择12个二位数代码行业。本文中变量所选择的平减指数来源于《新中国60年统计汇编》和《甘肃发展年鉴》，以2000年为基期，利用定比折算。同时，在本文中使用了由甘肃省统计局编制的《2007年甘肃42部门投入产出表》。

(2)全要素生产率。利用数据包络分析法(DEA)Malmquist指数对2006—2011年甘肃省工业行业的全要素生产率进行测算和分解。以工业总产值Y为产出变量，采用工业品出厂价格指数进行平减。资本和劳动为投入指标，用“固定资产净值年平均余额”作为资本投入指标，采用永续盘存法，以2000年为基期，用连续两年存量的一阶差分表示本年的净投资，用固定资产投资价格指数进行平减，折旧率采用张军等［3］估计的各省折旧率9.6%。劳动力投入用“全年从业人员年平均人数”表示。

表1 16个工业行业各年全要素生产率指数及其分解(DEA法)

利用DEAP2.1软件测算得到2006-2011年甘肃省工业行业的全要素生产率(TFP)、技术效率指数(EC)和技术进步变化(TC)(见表1)。从时间趋势上来看，各年之间的TFP呈现的变化趋势比较混乱，但平均显现出增长的趋势，且平均增长率为9.3%，其中17.4%的贡献来源于技术进步，而6.9%用于弥补技术效率低下。从行业上看，工业行业16个子行业中，TFP的平均增长率为9.3%，其中电气机械和器材制造业(15)的增长率最大，为33.9%，而除去金属制品业(12)和专用设备制造业(13)外，其他行业均呈现出增长的趋势，最小的增长率为有色金属冶炼和压延加工业(11)仅为2.3%。在工业行业中，技术进步的增长率为17.4%，而技术效率的平均下滑率为6.9%，这说明，用于技术进步的投入增加较快，属于典型的资源投入发展模式，但技术效率却是下滑的，这与西部大开发以来，西部地区的“追赶效应”和跨越式发展战略不无关系，从而阻碍了技术效率的提高。

(3)区域产业转移(TR)、R＆D投入和间接R＆D(IRD)。区域产业转移变量以区域产业转移过程中利用的境内省外资金来表征，并利用固定资产投资价格指数进行平减，基期选定为2000年。用新产品经费支出作为R＆D投入的替代指标，利用固定资产价格指数和居民消费价格指数的加权合成指数作为新产品的价格缩减指数，分别赋予权重45%和55%。间接R＆D(IRD)用来表征行业间的技术溢出效应，计算方法用公式(2)。

(4)资本密集度(CI)和劳动力投入(L)。资本密集度用“固定资产净值年平均余额”除以“全部从业人员年平均人数”表示，利用固定资产投资价格指数对固定资产净值年平均余额进行缩减，基期选定为2000年。劳动力投入用“全部从业人员年平均人数”表示。各变量的描述性统计值见表2。

最后，纵观所有文献，出于对模型结果的预期，可以提出以下假设:

假设1:IRD、TR、RD、CI均能够对甘肃的工业行业产生正向促进作用，但IRD溢出的程度会比TR、RD、CI更加显著，程度未知，即 β1～β4均为正，且β1大于其他系数;

假设2:在利用投入产出法测算各行业间的总受益者效应和产业间受益者效应时，测算结果均为正，且小于1。

表2 变量的描述性统计

3 实证检验结果与分析

3.1 计量统计结果分析

针对面板数据分析方法，要对模型进行Hausman检验，根据检验结果选择模型。如表3所示，由 Hausman检验，Chi2(3)=26.7，Prob＞chi2=0.0000，拒绝原假设，选择固定效应模型。

从估计结果看，间接R＆D(IRD)和资本密集度(CI)都在1%显著性水平下显著，而产业转移变量(TR)和研发投入变量(R＆D)也在10%的显著性水平下通过了统计检验。从整体上来看，全要素生产率的提高，一方面取决于产业转移(TR)和研发投入(R＆D)，另一方面，间接R＆D(IRD)的增加也对全要素生产率起到正的促进作用，这表明:行业间技术溢出是明显存在的。模型结果显示:技术溢出变量IRD的系数参数估计为0.271，表明当行业间技术溢出提高1个百分点时，行业的全要素生产率将提高0.271个百分点。另外，行业间的技术溢出效应甚至超出了产业转移和研发投入所带来的直接回报，研发投入和产业转移的弹性值分别为0.054和0.067，表明各行业研发投入和产业转移平均增加1%时，全要素生产率将会提高0.054%和0.067%。这一结果的出现，验证了我们的假设1，但是各行业从其他行业所获得的回报是其自身投资得到的回报的5倍左右，却远远超出我们的预期。外部性理论显示，研发投入所带来的“私人收益”小于行业间的技术溢出所带来的“社会收益”时，符合Griliches［4］在1992年提出的技术知识溢出的原本含义。

表3 甘肃16个工业行业行业间技术溢出效应回归结果

另外，我们从模型结果中发现了一个与我们的预期相悖的结论:资本密集度和劳动力投入对生产率的提高起到了阻碍作用，且劳动力投入不显著。从理论上来说，资本和劳动力的投入会促进创新能力的提高，但考虑到甘肃本地城乡结构发展的极不平衡，大量资本集中在少数人的手中，且劳动力在城乡及省份之间的流动较为频繁，真实的人力资本水平并不高，名义上的资本及劳动力并不能够对创新能力的提升产生正向作用。

3.2 投入产出法结果分析

我们利用计量模型分析了产业转移的行业间技术溢出对全要素生产率的影响，如果说以上研究属于“质”的研究，那么接下来我们将从“量”的方面进行更加深入的探讨。利用公式(6)、(8)测算总受益者效应和产业间的受益者效应，如表4、表5所示，是2006—2011年总受益者效应和产业间受益者效应。

(1)受益者效应的横向比较。

为了进行受益者效应的横向比较，将表4、表5中的总受益者效应均值与产业间受益者效应均值进行排序，并计算出，OC/MC进行排序，如表6所示:

表4 各年受益者效应MC

表5 各年产业间受益者效应OC

表6 受益者效应的均值比较

从表6中可以看到，电气机械及器材制造业的总受益者效应MC最大，其次是金属制品业、专用设备制造业，说明这些行业研发活动从其他行业中获益最多。而石油加工、炼焦及核燃料加工业的MC最小。在产业间受益者效应中，排名靠前的还是电气机械及器材制造业、金属制品业、专用设备制造业3个行业，表明这3个行业与其他行业的联系较为紧密，从其他行业获得的溢出也较多。石油加工、炼焦及核燃料加工业的OC较小。扣除对自身溢出效应后，排名顺序变化最大的是纺织业，一方面说明纺织业来源于自身的溢出效应较强，行业内注重自身发展，R＆D投入较多;另一方面说明该行业的技术专用性较强，接受其他行业溢出的吸收能力较弱。整体上来看，各行业的MC与OC位次差异不是很大。再来看OC/MC指标，它可以衡量行业的MC是来源于自身还是其他行业，在所有12个行业中有4个行业的OC/MC值大于0.5，煤炭开采和洗选业为0.906，这说明该行业R＆D溢出大部分得益其他行业。其他的8个产业部门都小于0.5，其中纺织业的值仅为0.101，表明其R＆D溢出主要来自于本部门，应该加强与其他各产业部门之间的联系。

(2)受益者效应的纵向比较

从表4的数据中可以发现，多数行业的MC呈现出上升的趋势，由于涉及的工业行业较多，为了便于纵向比较，可按照国家标准GB/T4754-94，及GB/T4754-2011，将上述12个行业分为5个大类:①煤炭开采和洗选业;②轻纺制造业;③资源加工业;④机械制造业;⑤电力、热力的生产和供应业。利用表4的数据计算出这5大类行业的均值，并得到趋势图。如图1所示:机械制造业的平均受益者效应最大，且呈明显的递增趋势;煤炭开采和洗选业的平均受益者效应最小，呈倒U型趋势;轻纺加工业的整体趋势不是很明显，刚开始有下降的趋势，到后来又缓缓上升，呈U型;资源加工行业刚开始的两年变化不是特别的明显，到2008年有上升趋势，但到了2011年之后又开始下降;电力、热力的生产和供应业整体上呈现出上升趋势，但上升趋势不是特别的明显。在资源加工行业中，各产业部门的MC均是严格的递增，只是增加的幅度比较小，增长速度缓慢。在机械制造行业中，金属制品业和专用设备制造业呈现出严格的递增，电气机械及器材制造业是先下降，然后递增，而交通运输设备制造业则是呈现先上升后下降再上升的波浪式形态。

图1 总受益者效应趋势图

4 结论与政策含义

本文将计量经济模型和投入产出法结合，利用DEA方法对甘肃省工业行业的全要素生产率进行了测算，先是以2006—2011年甘肃省工业行业的面板数据为样本，利用计量经济模型实证检验了行业间技术溢出效应的存在，再利用投入产出法测算了工业行业的R＆D总受益者效应和产业间的受益者效应，可以得到以下几个重要结论:

第一，从计量分析结果来看，区域产业转移和行业间技术溢出效应能够对全要素生产率产生正向的促进作用。政府应该加大产业转移力度，进一步吸引省外投资，以提高本地企业的技术进步和技术效率，同时加强省外企业与本土企业之间的联系，既要提高联系紧密度，更重要的应该加强联系能力和吸收能力的培养。

第二，从投入产出分析结果的纵向比较来看，首先，工业行业的总受益者效应整体上呈现递增的趋势，但因各产业的自身特性不同，其增加的幅度有所不同，且在增加的过程中会出现较小的波动。其次，行业间的技术溢出效应在不断变化的同时，能够保持一定的稳定性。随着技术进步的推进，研发投入在不断地加大，产业间的技术联系也在不断地发生着变化，而行业间的受益者效应除去金属制品业波动较大外，其他行业的产业结构较为稳定。这是由于工业行业自身技术的稳定性，所以并不会出现较大的溢出波动。

第三，从投入产出分析结果的横向比较来看，电气机械及器材制造业、金属制品业、专用设备制造业、交通运输设备制造业等机械制造业的产业间溢出效应较明显，说明该类产业在与产业上下游企业之间的联系上较为紧密。而纺织业的受益者效应更多的是来源于其自身的R＆D投资，应该加强与各企业之间的联系，提高产业间的溢出效应。其政策含义为政府应该优化产业转移投入，对那些产业间溢出效应不明显的行业加大投资，必要时进行技术扶持，合理化产业结构，成功实现产业结构升级。

［1］B.Los，B.Verspagen.R＆D spillovers and productivity:Evidence from US manufacturing microdata ［J］.Empirical Economics，1997，25:127-148.

［2］A.During，H.Schnabel.Imputed inter-industry technology flows-A comparative SMFA analysis［J］.Economics Systems Research，2000，12:363-375.

［3］张军，吴桂英，张吉鹏.中国省际物质资本存量估算:1952—2000［J］.经济研究，2004，(10).

［4］Zvi Griliches.The Search for R＆D Spillovers［J］.The Scandinavian Journal of Economics，1992，94:29-47.