高技术产业与传统产业R&D溢出的比较研究

任国强+孟凡军

摘要：采用我国 29 个省、市、自治区高技术产业与传统产业2001～2010年的R&D投入与产出数据，基于空间权重矩阵，利用空间计量分析方法，考察了空间权重矩阵下我国高技术产业与传统产业的省际R&D溢出效应。实证结果表明：在不同空间计量模型下，高技术产业与传统产业省际溢出效应均很明显，尽管我国高技术产业的R&D活动较活跃，但高技术产业在R&D溢出方面低于传统产业;高技术产业研发资本投入对R&D产出的贡献要高于研发人员投入，而传统产业恰恰相反;在不同产业的溢出中，经济距离因素都扮演着重要角色。

关键词：R&D溢出;空间计量模型;高技术产业;传统产业

DOI：10.13956/j.ss.1001-8409.2015.01.07

中图分类号：F062.9;F264.2     文献标识码：A    文章编号：1001-8409（2015）01-0029-04

Comparative Study of R&D Spillover for High Technology

Industry and Traditional Industry

——Perspective of Economic Weight Matrix

REN Guo-qiang， MENG Fan-jun

（School of Management， Tianjin University of Technology， Tianjin 300384）

Abstract：Based on weight matrix， using the R&D input-output panel data sets of high technological industry and traditional industry in 29 provinces in China from 2001 to 2010 and spatial econometric method，this paper analyzes their R&D spillover effects respectively between provinces.The results show that under different spatial econometric models， the R&D spillover effects between provinces is obvious for the two kinds of industries;even though R&D in the high technology industry in China are active， the R&D spillover in this industry is lower than that in the traditional industries;R&D capital contributes to R&D output more than R&D labor for high technological industry， while the traditional industry is just the opposite;economic distance factor plays an important role in the spillover of different industries.

Key words：R&D spillover;spatial econometric model;high technological industries;traditional industries

引言

以R&D为基础的内生增长理论和大量的实证研究均表明R&D投入是经济增长的核心因素。R&D投入不仅能带动本地区经济增长，而且会通过溢出效应带动其他地区的经济发展，这使R&D溢出效应的研究成为学术界研究的一个热点。由于高技术产业的R&D活动较为活跃，近年来，很多学者都对高技术产业的R&D溢出效应进行了研究，但却忽略了传统产业R&D溢出效应。不能否认高技术产业R&D溢出效应对经济增长的重要性，但是传统产业作为现代工业经济中最主要的组成部分，其R&D投入的溢出效应对经济增长的作用也同等重要。

从统计数据来看，2010年我国传统产业

此处传统产业数据以我国大中型工业企业数据代替。

R&D人员全时当量为136.99万人/年，R&D经费内部支出为4015.4亿元，分别占当年全国R&D人员全时当量的53.64%和当年全国R&D经费内部支出的56.85%，这些数据表明传统产业R&D活动的规模也处于一个较高的水平，和高技术产业相比，其溢出效应也应该得到应有的重视，因此对传统产业R&D溢出效应的研究也具有十分重要的意义。在此，本文把高技术产业和传统产业均作为研究对象，一方面考察各自的空间溢出效应的特点，另一方面进行相应的比较分析。

早在1962年，Arrow就对R&D溢出效应进行了研究，他认为一个企业所创造的知识很容易被其他企业获取，而创新者却无法得到任何形式的补偿^[1]。事实上，Arrow描述的现象就是一种R&D溢出，之后很多学者从产业等多个层面分析R&D的溢出，Griliches建立研发溢出效应模型度量了企业与产业之间的技术距离对研发的溢出效应^[2];随着R&D溢出效应研究的深入，中国R&D溢出效应也得到了众多学者的关注，前期学者侧重考察区域间的R&D投入产出活动，并分析R&D的空间溢出效应^[3～6];近年来部分学者以高技术产业为考察对象，并分析其R&D的空间溢出效应。如张玉明等指出高技术产业的专业化、多样化、省际区域的人力资本对区域创新产出具有正向促进作用^[7];石琳娜等在理论研究的基础上，分析了知识溢出对创新能力的提升效应，进一步提出了提高高技术企业自主创新能力的四种途径^[8];王立平和王庆喜的研究结果则表明我国高技术产业的省际溢出效应很明显^[9，10]。

对文献的整理表明，学者们在对R&D空间溢出效应研究的同时，缺乏对传统产业R&D溢出效应方面的关注，因此本文同时选取高技术产业和传统产业为研究对象，并对它们R&D溢出效应进行对比分析，从而为产业政策的提出提供合理依据。

1 理论基础及模型构建

R&D空间溢出效应的研究至少需要三方面的理论：知识生产函数、空间计量模型和权重矩阵，简略说明如下：

1.1 知识生产函数

分析区域知识生产与溢出的一个强有力的工具模型就是知识生产函数（Knowledge Production Function，KPF），它由Griliches在测度R&D和知识溢出对生产率增长的影响时提出，主要从 R&D 投入和人力投入的角度针对知识要素对知识产出的影响进行研究^[11～13]。经过二十几年的发展，知识生产函数理论越来越成熟，并逐步发展为两种知识生产函数：即Griliches-Jaffe知识生产函数和Romer-Jones知识生产函数。Griliches-Jaffe知识生产函数基本关系可以描述为R&Doutput=a（R&Dinput）b，该函数认为新知识是最重要的产出，投入变量则包括研发经费投入和人力资源投入^[2];Romer-Jones知识生产函数的函数关系可以表示为A=δLλAAφ，该函数将任意给定时刻的新知识产出看作是现有的知识存量和研发人员投入数量的函数^[14]，这两种模型不足之处在于没有充分考虑空间溢出效应和吸收能力等。随着空间计量学的发展以及模型估计技术的进步，上述模型缺点得到一定的补足，例如Anselin、郑展等分别加入空间因素，在区域吸收能力等方面进行了改进^[15～17]。本文将以Romer-Jones模型为基础发展的空间计量模型进行研究。

1.2 空间计量模型

基于空间面板数据的模型主要有空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。空间滞后模型主要探讨各变量在某一地区是否存在溢出效应;空间误差模型主要探讨邻近地区因变量的误差冲击对本地区观测值的影响程度;空间杜宾模型是空间滞后模型和空间误差模型的一般形式，它同时考虑了空间滞后被解释变量和空间滞后解释变量对被解释变量的影响，可以很好地体现溢出效应的来源。结合本文实际，建立如下空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）。

SLM：lnAit=ξ∑nj=1wijΑit+β1lnLit+β2lnKit+μi+λt+εit（1）

SEM：lnAit=β1lnLit+β2lnΚit+ρ∑nj=1wijΦit+μi+λt+εit（2）

SDM：lnAit=ξ∑nj=1wijAit+β1lnLit+β2lnKit+θ1∑nj=1wijlnLit+θ2∑nj=1wijlnKit+μi+λt+εit （3）

式（1）、式（2）、式（3）中Ait代表R&D产出，Lit代表R&D人员投入，Κit 代表资本存量，i是空间单元的个数，t为时间，wij为空间权重矩阵W中的元素，ξ为空间自回归系数，ρ为空间自相关系数，μ为地区效应，λ为时间效应，ε～Ν（0，δ2Ι）。对于上述模型的判别选择，Anselin 和 Florax提出了对SEM及SLM模型的判别标准：如果在空间依赖性的检验中发现，LMLAG 较之 LMERR在统计上更为显著，且 R-LMLAG 显著而 R-LMERR 不显著，则可以认为适合的模型是空间滞后模型。相反，如果 LMERR 比 LMLAG 在统计上更加显著，且 R-LMERR 显著而 R-LMLAG 不显著，则可以认为空间误差模型是恰当的模型^[18]，Paul Elhorst在此基础上进一步指出，如假设H10：θ=0，H20：θ+δβ=0，并进行Wald检验，若不拒绝H10，则选用空间滞后模型;若不拒绝H20，则选用空间误差模型;若H10，H20均被拒绝，则选用空间杜宾模型^[19]。

1.3 空间权重矩阵

空间权重矩阵表征空间单元之间的相互依赖性与关联程度，正确合理地选用空间权重矩阵空间计量至关重要^[4]。实证研究中，本文采用经济距离权重矩阵。这种矩阵一般是根据两个省份人均 GDP 差距的倒数来设定，两省之间的 GDP 差距越大，赋与的权重也越小，反之，应赋与的权重也越大，形式如下：

Wij=1Yi-Yj，i≠j

0，i=j （4）

式（4）中，Yi是 i 省的实际人均 GDP 水平。这种矩阵表示的两区域间的相互影响强度是相同的，即Wij=Wji，然而一般认为经济发展水平较高地区对经济水平较低地区具有更强的空间溢出影响，本文借鉴李靖等采用的新经济距离空间权重矩阵^[4]：

Wij=Wdij×diag（Y1Y-，Y2Y-，···，YnY-） （5）

式（5）中Wdij为地理距离空间权重矩阵，Y1=1t1-t0+1∑t1t0Yit为考察期内第i省物质资本存量平均值，Y-=1n（t1-t0+1）∑ni=1∑t1t0Yit为考察期内总物质资本存量均值，t1-t0+1为考察期期数。容易发现某地区的物质资本存量大其权重也大，从而其对周边地区影响也大。对于地区物资资本存量本文借鉴单豪杰数据处理方法，以1952年为基期，折旧率取10.96%^[20]。

2 数据选取及变量说明

2.1 数据选取

本文选取了2001～2010年我国29个省、市、自治区（西藏、新疆数据缺乏严重，略去）高技术行业与传统产业R&D投入产出相关数据。由于我国统计年鉴中并没有传统产业的专门数据统计，因此考虑数据可获得性，传统产业数据用我国大中型工业企业数据代替，数据源于中国科技统计年鉴;高技术产业R&D数据来源于中国高技术统计年鉴;无论是哪种空间计量模型，对R&D投入和产出数据都要进行对数化处理，可能某省某一年的R&D产出数据为0，此时本文以名义变量1代替;另外，固定资产指数经固定资产环比指数折算得到，固定资产投资环比价格指数源于中国统计网网址：http：//data.stats.gov.cn/。

2.2 变量说明

R&D活动可能有多项产出，本文遵循我国诸多学者通常的做法，采用专利申请数作为衡量R&D产出的指标;采用R&D 活动人员折合全时当量作为R&D活动的劳动投入指标;对于R&D资本投入指标，吴延兵指出由于创新

活动对知识生产的影响不仅反映在当期，对以后若干期也具有重要影响^[21]，所以我国很多学者如符淼、李婧等、王庆喜等均采用R&D投入资本存量作为投入指标[3，4，10]，由此本文也选取资本存量作为衡量R&D投入的指标，并参考上述人等做法，采用R&D内部支出数据利用永续盘存法核算R&D资本存量。计算中折旧率选取文献中常用的15%作为折旧率;R&D价格指数借鉴王庆喜等的处理方法，采用固定资产投资价格指数代替^[10];对于基期存量的处理，借鉴了李靖等、王庆喜等人做法 [4，10]，假设 R&D 资本存量的增长率等于 R&D 支出的增长率，则基期资本存量的估算公式为：Ki0=Ii0g+δ，式中Ki0为基期资本存量，Ii0为基期实际R&D经费支出，g为考察期内实际R&D经费支出的平均增长率，δ为折旧率。

3 实证结果分析

在研究区域间R&D溢出之前，应首先检验其空间相关性是否存在，Morans I指数是最常用的指标，经检验在不同空间权重下的Morans I均在0.2以上，表明存在空间自相关性。在采用matlab7.10.0（R 2010a）软件并参考James P  LeSage及J  Paul Elhorst编

写的程序的基础上进行空间计量分析，结果

表明地区固定效应下的估计结果优于无固定效应及时间固定效应的估计结果，因此本文仅列出地区固定效应的相关结果。

由表1可知，高技术产业与传统产业在SLM、SEM、SDM三种模型中R-squared值都比较高，模型拟合良好，空间相关系数均

在1%的显著性水平下显著，而且系数显著大于零，表明我国省市间经济水平相似地区间的R&D具有较强的空间互补及依赖性，这一方面是由于经济增长中形成的内生性技术进步对创新产出有更大的需求，另一方面，经济水平的提高会吸收更多的外部资源，从而形成良性循环。对高技术行业而言，资本系数在各种模型中均在1%水平下显著，而劳动投入只是在SLM模型中在1%水平下显著，这说明我国各省的R&D产出中资本贡献大于劳动力贡献;对传统产业而言，模型对于劳动与资本基本不显著，但是在SLM模型下劳动投入在1%水平下显著，尽管如此，各模型下R&D溢出都很明显。通过对高技术产业和传统产业空间计量模型的对比分析可以发现，在SLM模型下，高技术产业资本投入对R&D产出显著，传统产业劳动投入对R&D产出显著;在SEM模型下，高技术产业资本投入仍对R&D产出显著，传统产业劳动投入对R&D产出则不再显著;在SDM模型下，高技术产业资本投入对R&D产出显著，传统产业劳动投入对R&D产出不显著，但两种产业的劳动溢出却很明显，并且传统产业的溢出系数在三种模型下都高于高技术产业，其原因在于和高技术产业相比，传统产业技术更加趋于成熟，从而使R&D成果以隐性知识等不易测度的途径进行溢出。

4 结论

本文利用我国29个省、市、自治区2001～2010年的高技术产业与传统产业数据，分析了在经济距离权重矩阵下的R&D溢出情况。研究发现在高技术产业R&D活动中，资本投入对R&D产出的影响显著，这与王庆喜等 [10]结果一致，表明我国高技术产业的R&D产出仍主要依赖资本投入;R&D人员投入对R&D产出具有正向影响，但明显小于资本投入;与高技术产业不同，传统产业R&D活动中，劳动投入系数显著，溢出效应强于高技术产业。这说明尽管高技术产业的R&D活动较活跃，但高技术产业在R&D溢出方面是低于传统产业的R&D溢出的，或者说，虽然传统产业在整体上的研发强度不如高新技术产业，但这并不意味着传统产业中的创新不重要;相反，传统产业的R&D溢出可以更好地促进产业升级，引起区域发展的联动。

总之，虽然高技术产业和传统产业R&D活动产出的影响因素不同，但是 R&D投入均具有显著空间溢出效应，而且传统产业溢出效应更强，如果再考虑吸收能力及其他不易测度因素，传统产业的溢出可能要更高，因此在重视高技术产业R&D溢出效应的同时不能忽视传统产业。另外，本文只对高技术产业和传统产业的R&D空间溢出效应进行了比较研究，但是这两个产业并不是孤立的，如何同时兼顾二者之间的空间溢出和产业溢出成为进一步要解决的问题。

参考文献：

[1]Kenneth Arrow.Economic Welfare and the Allocation of Resources for Invention[A].The Rate and Direction of Inventive Activity：Economic and Social Factors[C].Princeton University Press，1962.609-626.

[2]Griliches Z.Issues in Assessing the Contribution of Research and Development to Productivity Growth[J].The Bell Journal of Economics，1979（10）：92-116.

[3]符淼.地理距离和技术外溢效应——对技术和经济集聚现象的空间计量学解释[J].经济学，2009（4）：1549-1566.

[4]李靖，谭清美，白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界，2010（7）：43-65.

[5]项歌德，朱平芳，张征宇.经济结构、R&D投入及构成与R&D空间溢出效应[J].科学学研究，2011（2）：206-214.

[6]李志宏，王娜，马倩.基于空间计量的区域间创新行为知识溢出分析[J].科研管理，2013（6）：9-16.

[7]张玉明，聂艳华，李凯.知识溢出对区域创新产出影响的实证分析——以高技术产业为例[J].软科学，2009（7）：99-102.

[8]石琳娜，石娟，顾新.基于知识溢出的我国高技术企业自主创新能力提升途径研究[J].软科学，2011（8）：27-30.

[9]王立平.我国高校R&D知识溢出的实证研究——以高技术产业为例[J].中国软科学，2005（12）：54-59.

[10]王庆喜.多维邻近与我国高技术产业区域知识溢出——一项空间面板数据分析（1995 -2010）[J].科学学研究，2013（7）：1068-1076.

[11]Griliches Z.Issues in Assessing the Contribution of R&D to Productivity Growth [J].Journal of Economics，1979 （10）：92-116.

[12]Griliches Z.Productivity，R&D and Basic Research at the Firm Level in the 1970s [J].American Economics Review，1986（76） ：141-154.

[13]Griliches Z.The Search for R&D Spillovers[J].Scandinavian Journal of Economics，1992（94）：29-47.

[14]Charles I Jones.R&D-based Models of Economic Growth[J].Journal of Political Economy，1995，103（4）：759-784.

[15]Anselin L，Varga A，Acs Z J.Local Geographic Spillovers between University Research and High Technology Innovations [J].Journal of Urban Economies，1997，42（3）：422-448.

[16]Anselin L，Varga A，Acs Z J.Geographic Spillovers and University Research：A Spatial Econometric Approach[J].Growth and Change，2000，31（4）：501-515.

[17]郑展，韩伯棠，张向东.区域知识溢出与吸收能力研究[J].科学学与科学技术管理，2007（4）：97-101.

[18]Anselin L，Florax R J.New Directions in Spatial Econometrics[M].Berlin：Springer-Verlag，1995.21-74.

[19]J Paul Elhorst.MATLAB Software for Spatial Panels [DB/OL].http：//www.regroningen.nl/elhorst/doc/Matlab-paper.pdf.2010.07：09-12.

[20]单豪杰.中国资本存量K的再估算：1952—2006年[J].数量经济技术经济研究，2008（10）：17-31.

[21]吴延兵.R&D存量、知识函数与生产效率[J].经济学，2006（4）：1129-1156.

（责任编辑：李映果）