技术差距变动、研发资源驱动与技术进步效应
2016-01-13张同斌李金凯高铁梅
张同斌+李金凯+高铁梅
摘要随着中国经济逐渐进入“新常态”时期，创新驱动经济增长已经成为中国经济增长和产业结构调整的新引擎。在创新驱动实现的过程中，研发驱动技术进步是关键环节。特别是，中国各地区之间技术差距较大，在不同技术差距下分析研发资源对技术进步的驱动效应尤为重要。本文以技术差距为转换变量，构建了中国高技术产业的面板平滑转换（PSTR）模型，对不同技术差距阶段研发、人力资本、溢出效应等对技术进步的差异化驱动效应进行了研究。研究结论发现，在技术差距的影响下，研发没有充分发挥对技术进步率的驱动效应，人力资本对技术进步率的影响呈现明显的非对称性，溢出效应对于技术进步的贡献不足。在不同技术差距间，存在着迅速和平缓两种转换机制。在快速转换机制中，研发溢出对技术进步的促进作用得以体现。而在慢速转换机制中，技术差距、人力资本对技术进步率的影响显著为正，两个转换机制中各变量的影响呈现“此消彼长”的关系。此外，技术差距适度时技术进步的“稳态”特征十分明显，而技术差距过小或过大时则是技术进步的不稳定区间。考虑到我国各地区高技术产业发展的多层次和多元化特征，各地区应根据技术水平的现状，选取适宜的高技术进行引进。关于高技术产业中的消化吸收能力不足问题，不能简单地依靠增大技术引进和消化吸收经费支出来解决。必须依靠加大技术后发地区的教育投入，提升落后地区的人力资本水平。最后，为充分实现不同地区高技术产业之间的协同创新与共同进步，还应着重组建协同创新机构，构建集成创新网络，进而形成区域内与地区间的功能互补与良好协作机制，实现高技术产业的可持续发展。
关键词研发资源驱动；技术差距；技术进步；面板平滑转换（PSTR）模型
中图分类号F276.44文献标识码A文章编号1002-2104（2016）01-0131-09doi：10.3969/j.issn.1002-2104.2016.01.018
2008年国际金融危机之后，世界经济复苏艰难曲折，主要经济体增长缓慢，经济形势复杂多变。同时，国内经济内需乏力，下行压力持续加大，全球经济和中国经济处于深度调整和结构转型期。在传统要素驱动效应逐渐减弱的背景下，技术创新与技术进步在经济增长中的作用日益显著，2012年，我国明确提出将创新驱动经济增长作为中长期经济发展的重要战略，提高原始创新、集成创新和引进消化吸收再创新能力，推动经济发展方式从“要素驱动”、“投资驱动”向“创新驱动”转变。其中，研发能否发挥对技术创新与技术进步的促进作用，是创新驱动经济增长中的首要环节和关键步骤。特别是我国不同地区之间的技术水平的差异较大，这在一定程度上会产生技术溢出的门槛效应，进而阻碍了研发投入对技术创新驱动效应的实现。因此，在不同技术差距水平下，分析研发资源，如研发经费投入、人力资本等对技术进步的差异化驱动效应，探索研发要素对技术创新的影响路径与驱动机制，对于创新驱动经济增长战略的实现具有重要意义。
1文献综述
国外学者主要围绕研发投入、人力资本、溢出效应等方面对技术进步的影响因素进行了大量的研究。其中，研发资源对技术进步的作用分为直接影响与间接影响两个方面，且认为研发对技术进步存在正向影响的观点占大多数。例如，Kinoshita[1]和Jefferson等[2]研究表明R&D可以显著提高企业生产率，并且学习效应对企业生产率增长的影响远远大于其创新效应。人力资本方面，Vandenbussche等[3]研究发现高技术人才通过创新和模仿有效地缩小与技术领先者的技术差距，促进了全要素生产率的增长，Stllinger[4]构建了以人力资本为门限的BenhabibSpiegel模型，考察了创新型、模仿型和停滞型三种类型国家中吸收能力对技术进步的影响，研究发现技术模仿可以提升技术落后国的技术水平，模仿型国家吸收知识溢出效应的能力最强，技术进步最明显。
关于研发资源对技术进步的影响，国内学者的研究结论存在明显差异，主要体现在研发投入对技术进步具有促进效应还是抑制作用。张海洋[5]、包群[6]研究发现内资部门由于吸收能力的限制，增加R&D投入并不能促进生产率增长，而吴延兵[7]研究发现R&D和生产率之间存在显著地正相关，并且高技术产业的R&D产出弹性大于其它非高技术产业部门的产出弹性。综合上述两个方面的研究如张同斌[8]发现R&D提升了高技术产业的技术水平，但是R&D投入存在生产率悖论效应，即随着R&D投入的累积，生产率增速呈现逐渐下降趋势。此外，国内学者有关人力资本、溢出效应等因素对技术进步影响的观点也存在较大分歧。
实际上，技术差距对研发在技术进步中作用的发挥具有重要影响，易先忠和张亚斌[9]指出技术差距具有双面效应，一定程度的技术差距对技术进步是有利的，但过大或者过小都不利于技术进步。并且，技术差距大小决定了对国外引进技术的模仿、吸收能力的强弱，Barro和 SalaiMartin[10]、Lankhuizen[11]的研究均表明技术差距越大，吸收能力越弱，技术进步越慢。因此，Lai等[12]采用多门限面板回归模型检验了以技术差距为门限的前提下溢出效应与技术进步之间的非线性关系，结果表明，适当的技术差距是吸收能力和溢出效应发挥的前提。
张同斌等：技术差距变动、研发资源驱动与技术进步效应中国人口·资源与环境2016年第1期为更好地描述回归系数随时间和个体发生改变的现象，体现研发对技术进步的差异化影响，本文在国内外文献的基础上，构建面板平滑转换（Panel Smooth Transition Regression，PSTR）模型研究不同技术差距水平下研发资源对技术进步的驱动效应，剩余部分的结构如下：第二部分是技术差距变动下研发驱动技术进步的理论模型构建；第三部分是数据来源、指标选取与变量计算；第四部分是随着技术差距变动研发等因素对技术进步影响的实证检验；最后是结论与政策建议。
2技术差距变动下研发驱动技术进步的理论模型本文在易先忠等[9]、Barro和SalaiMartin[10]内生增长理论模型的基础上，构建不同技术差距中研发对技术进步驱动的理论模型。
研发部门的生产函数，即技术进步方程通常如式（1）所示。
A·t=B·[·At+（1-）·A*t]
·[f（rdt，ht）]θ·（st）φ（1）
其中：A·t为知识增量，A*t为知识存量或当前的技术水平，A*t为前沿的技术水平，f（·） 是投入要素组合的函数，影响技术进步的主要有研发强度和人力资本投入两种要素，分别记为rdt、ht。由于研发活动具有外部性，本文在知识生产函数中，还加入了研发的溢出效应st，以全面分析技术进步的影响因素。B、、θ、φ为参数，一般而言，上述参数均大于0。
将式（1）两边除以At，可以得到技术增长率的表达形式如式（2）所示。
A·tAt=B·[+（1-）·A*tAt]·[f（rdt，ht）]θ·（st）φ（2）
其中：A·t/At代表技术At的增长率，A*t/At则可用于表示技术差距。
为简化起见，将函数f（·）改写为柯布道格拉斯形式，得到式（3）：
A·tAt=B·[+（1-）·A*tAt]·rdγt·hδt·（st）φ（3）
将式（3）两边取对数，进行线性化处理，如式（4）所示。
lnA·tAt=lnB+ln[+（1-）·A*tAt]+γlnrdt
+δlnht+φlnst（4）
式（4）中，一般而言，在促进技术进步方面，相对于技术差距，技术水平本身At的作用更大，参数可设为接近于1，则第二项可以变换为：
ln[+（1-）·A*tAt]=ln[·（1+1-·A*tAt）]
=ln+ln（1+1-·A*tAt）=1-·A*tAt（5）
综合式（4）、式（5），采用变量gAt代表技术增长率A·t/At，采用Gapt表示技术差距A*t/At，进一步地将技术增长率的表达式简化为：
lngAt=C+ρGapt+γlnrdt+δlnht+φlnst（6）
其中：常数项C= lnB，技术差距对技术进步的影响系数ρ= （1-）/。
本文借鉴Vogel等[13]的研究，认为技术差距对技术进步的影响系数ρ受到其自身、吸收能力和溢出效应的影响，而研发强度和人力资本是高技术产业中吸收能力的重要代表变量，因此可以将系数表示为如式（7）所示形式。
ρ=ρ0+ρ1Gapt+ρ2lnrdt+ρ3lnht+ρ4lnst（7）
综合式（6）、式（7），可以得到：
lngAt=C+ρ0Gapt+ρ1Gap2t+ρ2Gaptlnrdt+ρ3Gaptlnht
+ρ4Gaptlnst+γlnrdt+δlnht+φlnst（8）
此外，Grima[14]认为技术差距与技术进步之间存在非线性关系，技术差距影响自身、溢出效应和研发投入对技术进步的贡献程度，因此，本文进一步地将研发变量（rdt）、人力资本变量（ht）和溢出效应变量（st）对技术进步的影响系数设定为技术差距的函数，如式（9）所示。
γ=γ1+γ2Gapt，δ=δ1+δ2Gapt，φ=φ1+φ2Gapt（9）
将式（9）代入式（8）中，通过化简得到：
lngAt=C+ρ0Gapt+γ1lnrdt+δ1lnht+φ1lnst+[ρ1Gapt
+（ρ2+γ2）lnrdt+（ρ3+δ2）lnht+（ρ4+φ2）lnst]·Gapt（10）
为不失一般性，本文将式（10）中交叉项的技术差距变量（Gapt）表示为技术差距函数G（Gapt），并采用Gonázlez 等[15]面板平滑转换模型（PSTR）中的转换函数改写技术差距函数为G（γ，c，Gapit），加入随机扰动项，对理论模型（10）扩展后得到PSTR计量经济模型，如式（11）所示。
lngAit=C+ρ0Gapit+γ1lnrdit+δ1lnhit+φ1lnsit
+[ρ1Gapit+（ρ2+γ2）lnrdit+（ρ3+δ2）lnhit
+（ρ4+φ2）lnsit]G（γ，c，Gapit）+εit（11）
其中，G （·）为转换函数，主要包括转换变量Gapit、斜率参数γ以及位置参数向量c，i表示个体，t代表时间。通常情况下，转换函数G （·） 为一个广义逻辑函数：
G（γ，c，Gapit）=11+exp（-γ∏Kk=1（Gapit-ck）），γ>0（12）
其中，K=1或2。当K=1时，PSTR模型称为LSTR1模型，往往描述从一种状态到另一种状态的平滑转换过程，进行不对称技术进步的建模。当K=2时，称为LSTR2模型，在该模型中，参数围绕 （c1+c2）/2点对称变化，模型转换的动态特征在两端相似，但在中间值时存在差异。
3数据来源、指标选取与变量计算
本文采用的是《中国高技术产业统计年鉴》（2002-2014）中1996年-2013年共18年的年度数据，由于青海、西藏和新疆三个省份数据缺失较多，在本文的分析中未包括上述三个省份，共28个省份，本文中分别采用下标i、t代表省份和年份。
3.1技术进步率的计算
在计算技术进步率时，首先需要对技术水平进行估算。结合我国工业化进程和劳动密集型的现状，本文计算劳动生产率作为技术水平的替代变量进而计算技术进步率。具体计算过程为：
（1）选取各省份各年高技术产业当年价总产值作为产出变量（Yit），采用高技术产业各省份各年的从业人员年平均人数代表劳动力变量（Lit）；
（2）计算并采用GDP平减指数对高技术产业当年价总产值进行平减，得到产出变量的实际值，劳动力变量不平减；
（3）劳动生产率（Ait）为实际产出变量（Yit）与劳动力变量（Lit）的比值，进一步地，将劳动生产率求增速得到技术进步率（gAit）。
3.2技术差距的测算
本文以计算得到的技术水平变量劳动生产率为基础进行技术差距的计算。具体而言，在第t年中，技术差距变量一般是采用该年份所有省份最高技术水平（A*t）与省份i的技术水平（Ait）的差值或比值计算得到，其中，A*t为第t年所有省份i中技术水平的最大值。由于采用差值方法计算的技术差距存在绝对量上的影响，并且不易取对数，因此，国内外研究中大多采用求比值方法计算的技术差距，即技术差距（Gapit）为A*t/Ait。
3.3研发变量的选取与处理
高技术产业中，研发变量是影响技术进步的重要因素。如本文第二部分理论模型中式（1）所示，研发投入通常包括研发经费投入和研发人员投入两个方面，本文从上述两个方面选取研发变量并进行处理，计算步骤为：
（1）在研发经费投入、研发人员方面，搜集并整理各年度各省份高技术产业研发经费内部支出、研发活动人员折合全时当量两个指标；
（2）借鉴朱平芳等[16]、张同斌等[8]的处理方法计算研发价格指数，并采用该价格指数对研发经费内部支出进行平减，得到研发经费投入的实际值（RDIit），研发活动人员折合全时当量指标不平减；
（3）将高技术产业实际研发经费支出与实际高技术产业总产值求比值，计算得到研发强度变量（rdit）；将高技术产业研发活动人员折合全时当量占高技术产业从业人员年平均人数的比例作为研发人力资本变量（hit）。
3.4研发溢出效应的测度
研发溢出效应的测度一直是研发与技术进步关系研究的重点和难点。在有关研发溢出效应的文献中，一般采用研发存量、研发支出变量与技术引进消化吸收经费支出等其他变量的乘积项表示溢出效应。该处理方法过于简化，并不能够充分反映真实的溢出效应。
本文借鉴Jaffe[17]提出的技术相似度计算方法，计算高技术产业第t年各省份间的技术相似度矩阵，用于测算溢出效应。技术相似度的计算公式如式（13）所示：
Wij=Fi·F′j[（Fi·F′i）·（Fj·F′j）]1/2（13）
其中，i、j为不同省份的标识， Fi、Fj分别为i、j省份在各专利领域的数量向量，一般是发明专利数（f1）、实用新型专利数（f2）和外观设计专利数（f3）三种专利申请受理数量，Wij为技术相似度矩阵，矩阵中的元素记为wij。本文计算了1996-2013年共18个技术相似度矩阵Wij，每个矩阵包括技术相似度wij数值392个，共计7 056个。
式（13）表明，技术相似度能够刻画不同省份技术的结构相似性，并且减弱了专利数量和数值大小的影响，能够更为合理地表示技术的近似程度，根据技术相似度矩阵（Wij）计算得到的溢出效应变量（sit）更为精确。
技术相似度与研发存量的乘积项可以用于表示研发溢出效应。因此，还需计算研发存量。与其他文献的处理方法类似，本文采用永续存盘法，取研发资本的折旧率为15%，采用平减后的研发经费内部支出变量计算得到研发存量（RDTit），其计算公式为：
RDTit=RDIit+0.85·RDTit-1（14）
其中，RDIit为第i个省份第t年高技术产业的实际研发经费支出，RDTit-1为第i个省份第t-1年高技术产业的研发存量。最初的研发资本存量RDTi1由1996年的研发经费支出除以折旧率15%与实际研发经费支出的平均增速之和得到。
最后，将技术相似度矩阵（Wij）与研发存量向量（RDTit）的乘积作为溢出效应变量（sit）。
4技术差距变动下研发对技术进步驱动效应的实证检验4.1非线性模型形式检验
如前所述，本文选取技术差距（Gap）为转换变量，分析随技术差距变动各因素对技术进步的差异化影响。在应用面板平滑转换（PSTR）方法之前，需要进行非线性模型形式检验以及转换函数个数的检验，检验结果如表1所示。
表1显示，在模型形式的线性、非线性检验中，Wald、Fisher和LRT三项检验均在1%的显著性水平下拒绝了原
假设。随着技术差距的变动，各解释变量与技术进步率之间存在非线性关系，可以采用面板平滑转换模型进行分析。关于转换函数个数检验的结果则表明，Wald、Fisher和LRT三项检验在1%或5%的显著性水平下拒绝原假设，因此，可以确定面板平滑转换模型存在两个转换函数。
4.2研发等因素对技术进步差异化驱动效应的实证分析
在模型形式检验结果的基础上，根据总体回归模型（11），可以得到简化后的样本回归模型如式（15）所示。
lngAit=α^0+α^1Gapit+α^2lnrdit+α^3lnhit+α^4lnsit
+[β^1Gapit+β^2lnrdit+β^3lnhit+β^4lnsit]
·G^1（Gapit）+[θ^1Gapit+θ^2lnrdit+θ^3lnhit
+θ^4lnsit]·G^2（Gapit）+ε^it（15）
采用面板平滑转换方法对模型（15）中的参数进行估计，得到估计结果，如表2所示。
根据面板平滑转换模型的基本原理和表2中的估计结果可得，各解释变量对技术进步率影响的弹性系数为α+β×G1 +θ×G2，其中线性部分系数α= （α1，α2，α3，α4）′，非线性部分系数分别为β= （β1，β2，β3，β4）′和θ=表2研发等变量对技术进步影响的面板平滑转换模型估计结果
Tab.2The PSTR estimation results of R&D and other variables effects on technological progress
项目
Item线性部分
Liner part非线性部分1
Nonlinear part 1非线性部分2
Nonlinear part 2参数
Parameter估计值（t值）
Estimated value（t value）参数
Parameter估计值（t值）
Estimated value（t value）参数
Parameter估计值（t值）
Estimated value（t value）估计系数α^1-0.132***β^1-0.075***θ^10.137***（-4.703）（-3.486）（3.305）α^20.056β^20.021θ^2-0.184*（1.249）（0.364）（-1.713）α^3-0.052β^3-0.213***θ^30.334***（-1.477）（-4.044）（3.586）α^4-0.059***β^40.055***θ^4-0.060***（-5.470）（5.305）（-2.754）斜率参数γ^1109.246γ^21.507门限值c^111.165c^211.371c^123.064c^223.067检验统计量AIC-4.333SC-4.168RSS5.196注：*、***分别表示系数在10%和1%的显著性水平下显著。
（θ1，θ2，θ3，θ4）′， 两个转换函数G1、G2等于0或1，且均满足面板平滑转换的LSTR2模型形式。当技术差距处于1.371 4.2.1技术差距（Gap）对于技术进步率具有负向影响 表2显示，当技术差距适度时，即1.371 虽然技术差距为技术进步率提供了增长空间，但一般而言，技术差距与学习、消化和吸收能力有效结合才能促进技术进步，我国高技术产业技术引进和技术消化吸收经费支出的结构严重失衡，导致不能充分、合理地对引进技术进行消化吸收，使得消化吸收再创新的效率大大降低，影响了技术进步中“示范—模仿”机制作用的发挥，抑制了技术进步率的上升。例如，2013年，我国高技术产业技术引进费用为58.23亿元，消化吸收费用仅为14.57亿元，技术引进与消化吸收费用之比约为1∶0.25，而2012年日本两类费用之比达到了1∶7，欧洲约为1∶3。 此外，根据技术生命周期和技术扩散“S曲线”理论，技术差距的存在使得高新技术在大多地区的应用不足，高新技术的扩散比较缓慢，从技术创新、技术扩散，再到模仿和吸收存在一定的“滞后效应”。即使高新技术被引进到技术落后地区后，技术差距产生的“门槛效应”使得短期内技术扩散难以实现突破，这些地区没有真正实现集成创新，最终不利于高新技术的快速进步。 特别地，表2显示，技术差距适度时，技术差距对技术进步率的抑制程度较高，“中等技术差距陷阱”使得技术进步的动力不足。以技术差距适度的东部和中部省份为例，由于知识的自我累积和路径依赖等特点形成了中部地区省份技术水平快速增长的“瓶颈”，技术后发优势得不到充分发挥[18]。 与之相对，技术差距过小或过大时，技术差距对技术进步率的负向影响偏小。例如，我国东部地区各省份间高新技术的差距较小，较高的技术相似度有利于协同创新的实现与技术进步率增长。东部与西部地区省份间的技术差距较大，较远的技术距离有利于西部省份的技术赶超。 4.2.2研发（rd）对技术进步率的贡献程度不足 由表2可得，当1.371 研发有效性程度不高的现象，说明我国高技术产业中研发投入并没有促进基础科学的突破性进展。长期以来，我国研发活动偏重于试验发展活动，在基础研究、应用研究中的投入比例很低。例如，2012年，基础研究、应用研究和试验发展三类研发支出占研发经费总支出的比重分别为4.8%、11.3%和83.9%。在高技术产业中研发投入结构失衡与技术差距共同作用下，研发资本累积对技术进步率提升的贡献不足，高新技术进步速度缓慢。 技术差距过大或过小时，科技成果转化率低是高技术产业中研发累积没有促进高技术产业技术快速进步的重要原因。一方面，高技术产业专利申请受理数、授权数快速增长的同时，技术差距等因素导致部分新技术的理论研究与现实应用没有紧密衔接，因此，没有形成高技术研发成果应用推动技术进步的良性循环机制；另一方面，在高技术产业中，技术差距较小时，创新的空间缩小，技术差距过大时，创新的风险上升。并且，研发资本在一定程度上替代了传统的资本和劳动力要素，当研发对技术进步的促进作用没有明显提升时，替代效应还降低了传统要素对生产率增长的贡献程度。
4.2.3人力资本（h）对技术进步率具有差异化影响
在技术差距过小（Gap<1.165）或过大（Gap>3.067）时，人力资本变量（h）对技术进步影响的弹性系数（β^3+θ^3）为0.121，人力资本质量的提升能够促进高新技术的快速进步。具体而言，技术差距较小的地区，高技术产业比较发达，各省份高技术产业间能够实现信息共享、优势互补和要素整合，技术创新的“协同效应”得以充分发挥；在技术差距过大的省份间，特别是技术相对落后地区的高技术产业中，人力资本投入增加和研发人员数量增长，可以有效地学习、模仿引进技术，“学习效应”带动生产率提升。
在适度技术差距（1.371 4.2.4研发溢出效应（s）降低了技术进步速度 根据表2中的估计结果可得，研发溢出效应降低了技术进步的速度，其中，当技术差距适度（1.371 我国高技术产业研发活动的地理集聚效应突出，不利于溢出效应的发挥。据测算，高技术产业的研发资源主要集聚于东部地区的少数发达省份中，2013年，东部地区高技术产业R&D经费支出占全国R&D总经费支出的77.75%，远高于中部、西部地区的9.78%和8.45%，而在东部地区中，广东、江苏两省R&D经费内部支出占该地区的59.50%，研发要素的高度集聚，使得中心与外围省份技术差距扩大的同时，研发要素不能充分流动，溢出程度降低，溢出效应对技术进步的影响微弱。 从技术供给者角度分析，技术发达地区为了保持技术先发优势地位，获得经济利润或超额回报，往往保留核心技术转移低端技术，主动减弱了研发的外部性和溢出效应；对于相对落后地区的技术接受者而言，其对现有技术形成了一定的经验和认知，引进和采用新技术的动力不足，“技术惯性”的存在不利于该地区对溢出效应的吸收，从而各地区之间技术得不到充分流动，降低了溢出效应对于技术进步的贡献程度。此外，技术转移的制度不完善、落后地区基础设施不健全等也是阻碍高技术产业中溢出效应作用发挥的因素。 4.3不同技术差距间的平滑转换特征分析 为分析不同技术差距间的转换特征，本文绘制了转换函数G1和G2与转换变量Gap之间关系的图形，如图1所示。 结合图1的转换函数图形与表2的实证结果可得，在转换函数G1（转换机制1）中技术差距存在两个门限值c^11和c^12，分别为1.165和3.064，并且，该转换机制中，斜率参数γ^1为109.246，状态转换非常迅速。值得注意的是，在转换函数G1对应的非线性部分中，研发变量（rd）及其溢图1转换函数G1（快速）和G2（慢速） Fig.1Transition functions of G1（fast） and G2 （slowly） 出效应（s）对技术进步率影响的估计系数分别为0.021和0.055，研发溢出对技术进步的促进作用得以体现，与之相对，技术差距（Gap）和人力资本（h）对技术进步率的影响系数分别为-0.075和-0.213。 在转换函数G2（转换机制2）中，转换变量技术差距的门限值c^21和c^22为1.371和3.067，该转换函数中的斜率参数γ^2为1.507，与转换函数G1的门限值大小近似，但转换速率差别非常大，该转换机制中状态转换十分平缓。此外，对表2中转换函数G2对应的第2个非线性部分的分析可得，技术差距、人力资本变量对技术进步率影响程度的估计值θ^1和θ^3分别为0.137、0.334，而研发及其溢出效应对技术进步率的影响系数θ^2、θ^4则为-0.184和-0.060。因此，机制1和机制2中各变量对技术进步率影响的估计系数符号相反，这两个转换机制中各变量的影响呈现“此消彼长”的关系。 高技术产业中技术差距和人力资本、研发资本及其溢出效应两组变量之间存在双向动态影响关系。例如，技术差距和人力资本水平，显著影响研发资本及其溢出效应对技术进步的促进效果。技术差距越大，人力资本水平越高，可能不利于研发资本溢出效应的实现，但为技术进步提供了充分的空间，为引进技术的消化吸收提供了有利的条件。因此，表2中两个非线性部分的估计结果表明，在不同技术差距和不同时期中，发挥技术差距和人力资本、研发资本及其溢出效应各自的主导作用，能够有效提升技术进步率。 4.4技术进步率的稳定性分析 表2中的估计结果显示，无论是在线性部分，还是在两个非线性部分，技术差距和溢出效应变量对高技术产业技术进步率均产生了高度显著的影响。除传统的研发与人力资本变量之外，本文将不同技术差距中技术差距变量、溢出效应变量与技术进步率对数变量的数值综合绘图，直观、简明地分析技术进步率的变动特征。 转换函数G1=G2=0（1.371
图2技术差距和溢出效应对技术进步的影响
（G1=G2=0）
Fig.2Influence of technology gap and spillover effects on
technological progress （G1=G2=0）
图3为G1=G2=1（Gap<1.165或Gap>3.067）时，技术差距、溢出效应共同对技术进步率影响的关系图。与图2对比可得，图3中技术差距过小或过大时，技术差距和溢出效应变动对于技术进步率具有较高程度的影响。其中，在技术差距较大和溢出效应较小的情况下，技术进步率的值很小，相反，当技术差距较小和溢出程度较高时，技术进步的速度很快，技术差距过小或过大时也成为了技术进步的不稳定区间。因此，缩小技术差距、发挥溢出效应是实现高技术产业技术进步率提升的重要途径。
4.5估计结果的稳健性检验
为了确保估计结果的准确性和估计系数的稳健性，本文采用国内三种专利申请授权数替代专利申请受理数，重新测算研发的溢出效应变量，采用面板平滑转换方法对样本回归模型（15）进行重新估计，得到稳健性检验结果表3。
将表2和表3相对照可得，除个别系数外，采用国内专利申请授权数、国内专利申请受理数测算溢出效应变量，并进行面板平滑转换估计后，各解释变量对高技术产业技术进步率影响的估计系数大小相近，符号相同，显著性差异不大，从而验证了估计结果的稳健性和实证分析的可信性。
5主要结论与政策建议
本文采用技术相似度测算研发的溢出效应，基于面板平滑转换模型，对不同技术差距水平下研发驱动技术进步的差异化效应进行了研究。结论认为，高技术产业中的消化吸收能力不足使得技术差距对于技术进步率产生了负向影响。在技术差距的影响下，研发对技术进步率的贡献程度不足。随着技术差距的变动，人力资本通过“协同效应”、“学习效应”和“结构效应”对技术进步率具有差异化的促进作用。高技术产业中研发活动的高度集聚现象，不利于溢出效应的发挥，降低了技术进步速度。
在不同技术差距间，存在着迅速和平缓两种转换机制，对应于两个转换函数。在快速转换函数中，研发溢出对技术进步的促进作用得以体现。与之相对，在慢速转换函数中，技术差距、人力资本变量对技术进步率的影响显著为正，两个转换机制中各变量的影响呈现“此消彼长”的关系。此外，技术差距适度时技术进步的“稳态”特征十分明显，而技术差距过小或过大时则是技术进步的不稳定区间。
随着中国经济发展进入“新常态”时期，技术进步率的下降已经成为新阶段高技术产业发展的典型特征。由于技术差距不利于研发累积及其溢出效应的发挥，因此，在技术差距较大的行业或地区之间，政府应加大财政贴息、税收减免等方式积极推动高技术由先进地区向落后地区的输出，并同时引导人力资本要素伴随着技术输出而流动。
技术差距为技术进步提供了增长空间，但考虑到我国各地区高技术产业发展的多层次和多元化特征，各地区应根据技术水平的现状，选取适宜的高技术进行引进。低端的技术引进导致资源的浪费，而引进技术过于高端时，由于受到研发资本存量、人力资本水平的限制，无法跨越技术外溢的门槛，也不能实现消化吸收再创新或集成创新。适宜的技术引进，除了能够达到对技术的充分利用和创造性模仿之外，还能够推动技术供给方和需求方的协同创新，进而在高技术产业中实现创新驱动技术进步和产出增长。
关于高技术产业中的消化吸收能力不足问题，不能简单地依靠增大技术引进和消化吸收经费支出来解决。特别是，技术后发地区人力资本水平较低，导致消化吸收的成本过高，因此，必须依靠加大技术后发地区的教育投入，对西部地区实施人才倾斜战略，尤其是加快高等教育质量发展与内涵提升，提升落后地区的人力资本水平，在基础研究等关键环节实现对发达地区的追赶和超越，最终降低消化吸收的成本。
为充分实现不同地区高技术产业之间的协同创新与共同进步，还应着重组建协同创新机构，构建协同创新、集成创新网络，发挥政府、高技术企业、大学、科研机构各自的长处，促进高校人力资本与企业实物资本的结合，实现优势互补。在实现周边式外溢（主要针对中部地区）的基础上，促进跳跃式外溢（主要针对西部地区），进而形成区域内与地区间的功能互补与良好协作机制，实现高技术产业的可持续发展。
（编辑：刘呈庆）
参考文献（References）
[1]Kinoshita Y. R&D and Technology Spillovers via FDI： Innovation and Absorptive Capacity [R]. William Davidson Institute， 2000.
[2]Jefferson G H， Bai H M， Guan X J， et al. R&D Performance in Chinese Industry [J]. Economics of Innovation and New Technology， 2006， 15： 19-27.
[3]Vandenbussche J， Aghion P， Meghir C. Growth， Distance of Frontier and Composition of Human Capital [J]. Journal of Economic Growth， 2006， 11（2）： 97-127.
[4]Stllinger R. International Spillovers in a World of Technology Clubs [J]. Structural Change and Economic Dynamics， 2013， 27： 19-35.
[5]张海洋. R&D 两面性、外资活动与中国工业生产率增长[J]. 经济研究， 2005， （5）： 107-117. [Zhang Haiyang. Two Faces of R&D， Activity of FDI and the Growth of Productivity of Domestic Manufacturing in China [J]. Economic Research Journal， 2005， （5）： 107-117.]
[6]包群. 自主创新与技术模仿：一个无规模效应的内生增长模型 [J]. 数量经济技术经济研究， 2007， （10）： 24-34. [Bao Qun. Innovation， Imitation and Nonscale Endogenous Economics Growth [J]. The Journal of Quantitative & Technical Economics， 2007， （10）：24-32.]
[7]吴延兵. R&D与生产率：基于中国制造业的实证研究[J]. 经济研究， 2006， （11）： 60-70. [Wu Yanbing. R&D and Productivity： An Empirical Study on Chinese Manufacturing Industry [J]. Economic Research Journal， 2006， （11）： 60-70. ]
[8]张同斌. 研发投入的非对称效应、技术收敛与生产率增长悖论 [J]. 经济管理， 2014， （1）： 131-141. [Zhang Tongbin. The Asymmetric Effects of R&D Input， Technology Convergence and Productivity Paradox [J]. Economic Management， 2004， （1）： 131-144.]
[9]易先忠. 技术差距双面效应与主导技术进步模式转换 [J]. 财经研究， 2010， 36（7）： 39-48. [Yi Xianzhong， Double Effects of Technological Gap and Transformation of Dominant Technological Progress Mode [J]. Journal of Finance and Economics， 2010， 36（7）： 39-48.]
[10]Barro R， SalaiMartin X. Technological Diffusion， Convergence， and Growth [J]. Journal of Economic Growth， 1997， 2 （1）： 3-26.
[11]Lankhuizen M. Catching up， Absorption Capability and the Organisation of Human Capital [R]. Maastricht Economic Research Institute on Innovation and Technology， Working paper， 1998.
[12]Lai M， Wang H， Zhu S. Doubleedged Effects of the Technology Gap and Technology Spillovers： Evidence From the Chinese Industrial Sector [J]. China Economic Review， 2009， 20： 414-424.
[13]Vogel J. The Two Faces of R&D and Human Capital Evidence from Western European Regions [R]. CEPS/INSTEAD Working Paper Series， 2012： 3-52.
[14]Grima. Foreign Direct Investment， Spillover and Absorptive Capacity： Evidence from Quantile Regressions [R]. Deutsche Bundesbank Discussion Paper， 2001.
[15]Gonázlez A， Tersvirta T， Dijk D. Panel Smooth Transition Regression Models [R]. SSE/EFI Working Paper Series in Economics and Finance， 2005.
[16]朱平芳， 徐伟民. 政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响：上海市的实证研究 [J]. 经济研究， 2003， （6）： 23-34. [Zhu Pingfang， Xu Weimin. On The Impact of Governments S&T Incentive Policy on the R& D Input and its Patent Output of Large and Mediumsized Industrial Enterprises in Shanghai [J]. Economic Research Journal， 2003， （6）： 23-34.]
[17]Jaffe A B. Demand and Supply Influences in R&D Intensity and Productivity Growth [J]. The Review of Economics and Statistics， 1988， 70（3）： 431-437.
[18]寇宗来. 技术差距、后发陷阱和创新激励：一个纵向差异模型 [J]. 经济学（季刊）， 2009， 8（2）： 533-550. [Kou Zonglai. Technological Gaps， the Trap of Backwardness and Incentives for Innovation： A Model of Vertical Differentiation [J]. China Economic Quartely， 2009， 8（2）： 533-550.]
Changes of Technology Gap， Driving Effects of R&D
Resources and Technological Progress
ZHANG Tongbin1，2LI Jinkai1GAO Tiemei1，2
（1.Economics School of DUFE， Dalian Liaoning 116025， China；
2.Center for Econometric Analysis and Forecasting of DUFE， Dalian Liaoning 116025， China）
AbstractWith Chinas economy entering to the ‘new normal， innovationdriven economic growth has become the new engine of Chinas economic growth and industrial structure adjustment. R&Ddriven technology progress is the key link in the process of innovationdriven implementation. In particular， the technological gap among different regions in China is considerably large. It is particularly important to analyze the influence of R&D resources on technology progress at different levels of technology gap. By selecting the technology gap as a transition variable， this paper specified the Panel Smooth Transition Regression （PSTR） model of Chinas hightech industry， discussed the difference driven effect of R&D， human capital and spillover effects on technological progress in different stages of the technology gap. The results show that under the influence of the technological gap， R&D has not fully played a driving effect on the technological progress rate， the influence of human capital on technological progress rate is obviously asymmetric， and spillover effects do not make sufficient contributions to the technological progress. Among different technology gap levels， there are two kinds of transition mechanism： rapid and smooth. In rapid transition mechanism， R&D spillover effect promotes the technological progress. However， in the slow transition mechanism， the influence of technology gap and human capital on technological progress rate is significantly positive. The impacts of each variable on technological progress rate show increase in one transition function and decrease in the other. In addition， technological progress takes on a steady feature in appropriate technology gap interval. On the contrary， technological progress presents an unstable feature when technology gap is too small or too large. Considering the multilevel and diversified characteristics of the hightech industries development in China， each region should introduce appropriate high technology according to the current situation of technical level. In terms of the shortage of digestion and absorption ability in hightech industry， it cannot be solved simply by increasing the technology introduction， digestion and absorption expenditure. Besides， we must depend on increasing education investment in less developed regions and elevating the level of human capital in these regions. Finally， in order to realize the collaborative innovation among hightech industries in different regions， we should focus on the establishment of cooperative innovation organization as well as the construction of the network of collaborative innovation. And then the complementary and cooperative mechanism within a region and among different areas may be formed， and it can promote the sustainable development of hightech industry.
