省域R&D资本化及其对经济增长贡献研究

·产业发展与创新·

省域R&D资本化及其对经济增长贡献研究

刘金山丁卓琪

创新与技术进步是一个国家经济发展的内生动力，作为技术水平衡量指标的R&D投入能促进知识积累和创新，推动经济高质量发展。然而长期以来R&D的经济增长贡献并未能从全要素生产率以及其他要素中分离出来，以致于技术进步的经济增长作用难以得到准确有效的评估。新的国民经济核算体系SNA2008将“R&D投入”增设在“知识产权产品”中，作为“固定资本形成”计入GDP核算，R&D资本化为更科学地分析R&D活动对经济社会作用提供统计学支撑。通过构建R&D驱动的内生增长模型，采用PIM方法测算我国30个省、市、自治区的R&D资本存量，估算知识存量增长率，研究在新的国民经济核算体系下我国省域R&D资本化对经济增长的贡献。结果显示，1998-2015年R&D高强度地区的资本存量较R&D中低强度地区的资本存量有明显优势且呈扩大趋势，而R&D中低强度地区之间资本存量差距不大；R&D高强度地区、中强度地区与低强度地区对经济增长的平均贡献度分别为0.96%、1.02%、1.04%，平均贡献率分别为9%、10.52%、11.28%，“高强度低贡献”的特征体现了R&D资本的边际生产力递减趋势。

R&D资本存量； 经济增长； 知识增长率； 省域经济

一 引 言

在新经济增长理论产生前，新知识与创新被看作游离于经济模型框架之外的外生变量，技术进步对经济增长的作用被大大低估。Solow(1956)[1]指出，长期经济增长依靠的不是资本与劳动的投入，而是科技进步；Romer(1986)[2]、Lucas(1988)[3]基于Arrow(1962)[4]的“干中学”模型提出了新经济增长理论，对索罗的理论进行了创造性的发展。新经济增长理论认为技术与创新是一个国家经济发展的内生动力，R&D投入能促进知识的积累从而推动生产者实现技术进步。

新的国民经济核算体系SNA2008将“R&D投入”增设在“知识产权产品”中，作为“固定资本形成”计入GDP核算(联合国等，2012)[5]，其核心是R&D的资本化。R&D资本化为更科学地认识R&D活动对经济社会的作用和贡献提供统计学支撑。一国技术水平主要通过R&D活动的投入来衡量，理论上，衡量R&D投入的最佳指标是R&D资本存量，在SNA1993标准下，R&D投入是作为中间消耗处理的，增加了R&D资本存量数据的获取难度，故此前众多研究中，多将全要素生产率(TFP)作为技术进步对经济增长贡献的主要衡量指标，并利用索罗余值法来度量全要素生产率。由于TFP测度的技术进步是包括了政策体制、管理水平等多因素的广义层面的技术进步，R&D的贡献并未从TFP以及其他要素投入中分离出来，使R&D对知识积累创新和经济增长的贡献并未得到真实、准确反映。这一问题正引起学界的关注与重视。

国外对R&D投入与经济增长关系的研究主要采用数理经济分析法和实证分析法。Griliches(1986)[6]、Aghion和Howitt(1992)[7]证实了R&D与经济增长之间存在正相关关系；Boskin和Lau(1996)[8]将人力资本和R&D资本引入传统的生产函数进行建模分析，发现R&D投入对经济增长具有滞后效应；Anselin et al.(1997)[9]等利用空间计量模型研究R&D知识生产和溢出的问题；Kanwar和Evenson(2003)[10]通过研究32个国家R&D强度的影响因素，运用静态随机模型进行实证，发现知识产权保护和人力资本两个因素与R&D强度存在显著正相关关系。

国内相关研究较多运用计量经济学的方法分析R&D对经济增长的影响。如吴延兵(2008)[11]运用中国大中型工业行业面板数据对制造业R&D与生产效率的关系进行实证分析，通过构建知识生产函数研究了知识生产的效率。谢兰云(2009)[12]运用面板模型对我国区域R&D投入与经济发展关系进行了研究，结果显示我国区域R&D投入差距较为明显，中等地区的R&D投入对经济增长的贡献最大。严成樑和沈超(2011)[13]研究表明，知识生产对经济增长的贡献显著高于人力资本。丁浩和王家明(2016)[14]通过构建多元回归模型，研究了中国东北、东部、中部和西部的R&D强度对经济增长的动态影响及区域差距。而运用理论模型通过参数化来估算R&D对经济增长影响的研究较少。另一方面，国内在研究R&D资本存量问题时，多参考国外统计机构的做法直接进行经验性估算，鲜有结合中国R&D活动的特点进行考虑，处理方法上存在重复计算、参数设定等诸多问题，导致测算偏差较大。

本文在综合考虑以上问题的基础上，运用1997-2015年全国30个省、市、自治区(不含港澳台，西藏因数据缺失较多未测算)的数据测算区域研发资本存量，同时运用理论模型来拟合现实经济，测度区域R&D对经济增长的贡献，以避免实证研究中的内生性、变量缺失等问题。

二 理论模型构建

本研究的模型构建基于Romer(1990)[15]的创新驱动经济增长模型，即一个同时包含最终产品生产部门、中间产品生产部门和R&D部门的内生增长模型。假设最终产品生产部门与R&D部门是完全竞争市场，中间产品生产部门是垄断竞争市场。

(一)最终产品生产部门

最终产品生产部门通过劳动L、一系列中间产品xit进行生产，其中i代表耐用资本品(Capital Good/Durable Good)，t代表时间，两者满足连续性。Romer(1990)[15]将人力资本(接受过良好教育或培训)纳入该部门生产函数，与此不同，Jones和Williams(2000)[16]把R&D经费(包括R&D投入和R&D人员工资)引入R&D部门的生产函数。本文在沿用Jones和Williams(2000)[16]思路的基础上，同时参考严成樑和龚六堂(2014)[17]的做法，引入全要素生产率Ω。具体地，假设最终产品生产部门的生产函数满足固定规模报酬，即α+β=1：

(1)

其中假定不同类型的中间产品对最终产品生产的贡献相同，即当经济处于均衡状态时，最终产品对每种中间产品的需求量相同，故而市场出清条件下，每种产品的供给量也相同，也即xit=x。

那么，最终产品的利润最大化公式为：

(2)

其中，ωt代表劳动力工资，pt(i)代表第i种中间产品价格。

(二)中间产品生产部门

中间产品xit由一系列具有垄断权利的厂商进行生产，这些厂商对产品的设计具有无限专利权，一旦专利从R&D部门购买进来，每单位的原始资本都可以无成本的转化为资本品。厂商从市场上租借资本，假设每单位资本的利息成本为rt。

那么，中间产品生产部门厂商的利润最大化公式为：

π=max{pi(i)xt(i)-rtxt(i)}

(3)

(三) R&D部门

R&D部门对中间产品进行新的设计研究，通过R&D经费投入，利用已有的知识存量生产新的知识，该部门的生产函数表示为：

(4)

设定PAt为新生产知识的价格，根据完全竞争市场的无套利条件，满足以下公式：

(5)

也即R&D部门市场价值的增加等于R&D部门的投入。根据Romer(1990)[15]的研究，R&D部门设定的知识价格满足以下公式：

(6)

对时间求导，得到方程：

(7)

即：

(8)

γPAt为知识价格的增长率。

(四)方程推导

对三部门的函数模型继续进行系列数学推导，具体如下：

(9)

由此，总产出的增长率可表示为：

rYt=rΩt+(1-α)rKt+α(rLt+rAt)

(10)

求解式(2)最终产品部门的最优化问题，易得到最终产品生产部门对劳动和中间产品的需求函数：

(11)

p(i)=(1-α)ΩLαx(i)-α

(12)

将p(i)=(1-α)ΩLαx(i)-α代入式(3)，求得中间产品生产部门的最优化条件，中间产品生产部门的利润函数为：

πt=α(1-α)ΩtLtαxt(i)1-α

(13)

结合式(9)、式(13)得到方程：

Atπt=α(1-α)Yt

(14)

结合式(14)、式(8)得到方程：

(15)

当经济收敛于平衡增长路径上时，rt和γPAt为常数，对式(15)两端取自然对数，并对t求导，得到公式：

γPA=γY-γA

(16)

其中，γY为实际产出Y的增长率，γA为R&D存量的增长率 。

(17)

最后由式(10)rYt=rΩt+(1-α)rKt+α(rLt+rAt)可知，R&D对经济增长的贡献度θ可表示为：

(18)

α为劳动产出弹性的份额，本文在测算中假定其为0.5*在模型推导中，α是指最终产品生产部门的劳动产出弹性，从全社会的角度来看，劳动产出弹性要大于这个值。。

三 估算方法与参数设定

本文依然采用Goldsmith的PIM(永续盘存法)思路估算资本存量，其基本的公式如下：

(19)

式中，K为资本存量，t为时间，I为R&D投入流量(不变价)，n为R&D投入形成存量的最大滞后年数，δ为R&D资本存量第t年的折旧率，μ为R&D支出的滞后贴现系数(R&D支出流量形成R&D存量的比率)。鉴于R&D投入滞后期难以衡量，多数学者采用μk=1，n=1， 上式可一般化为：

Kt=It+(1-δ)Kt-1

(20)

因此，测算R&D资本存量需要对基期R&D存量、当期R&D存量、R&D价格指数以及折旧率等参数进行确定。

中国不同层面 R&D资本存量的估算均采用了PIM方法，但处理方法上仍存在以下缺陷：一是重复计算问题。按照SNA2008的规定，国民经济核算中增加值已经包括劳动力成本，与此同时，研究R&D与经济增长关系的生产函数中也包括了劳动力，这将会产生重复计算问题。二是参数的设定方面。(1) 运用投入成本法估算 R&D 价格指数时，对其他费用的价格指数未进行细致处理*由于我国的其他费用支出占 R&D支出总额的比例高达60%以上，致使最终的R&D价格指数估算存在较大缺陷。。(2)在区域层面的估算中，未考虑各省市区R&D折旧率的差异性，选取统一的折旧率进行处理。(3) 在基期资本存量估算中，g值均按样本期内实际 R&D支出的年均增长率进行取值，忽视了个别地区R&D支出存在剧烈波动的问题。

(一)R&D产出价格指数

各国学者采取了不同的方法构造R&D产出价格指数*现有投入产出法文献普遍将R&D产出价格指数用R&D支出价格指数进行替代，本文统一两种叫法。，如Jaffe(1972)[18]、Griliches(1980)[19]的投入成本法，用非金融企业工资价格指数和GNP价格指数的加权平均来表示R&D产出价格指数；Loeb和Lin(1977)[20]采用 R&D 人员工资价格指数和设备投资GNP价格指数进行加权平均；Corrado et al.(2011)[21]将生产部门划分为知识生产部门和产品生产部门，通过建立知识生产模型来估算R&D产出价格指数。

国内学者在编制R&D产出价格指数方面，多以其他价格指数替代，或运用成本投入法进行估算以及根据R&D 活动特点进行经验性构造。如朱平芳和徐伟民(2003)[22]将CPI指数与固定资产投资价格指数进行加权平均。吴延兵(2008)[11]利用原材料购进价格指数和固定资产投资价格指数的加权替代R&D投入价格指数。王孟欣(2011)[23]利用各地区GDP指数与R&D经费指数的线性关系推算各地区R&D经费支出的价格指数。田志康(2014)[24]则从R&D价格缩减指数的视角，利用固定期和链式费式和Divisia指数方法对R&D价格指数进行测量。谭利平和王斌会(2016)[25]在R&D投入价格指数的基础上，结合投入成本法与知识生产函数模型，估计了我国2006-2012年的R&D产出价格指数。由于中国相关统计资料数据并不完善，在价格指数的选取上仍存在较大的争议，故而呈现出R&D价格指数构造结果的多样性与不统一性。

投入成本法主旨在于以R&D支出的组成部分为依据，根据各组成部分占支出总额的比例对价格指数进行加权平均，如何确立并计算R&D支出结构成为R&D价格指数估算的前提条件。与此同时，由于相关数据的欠缺性，比如统计资料关于其他费用支出并未作详细说明，因此，指数的构成及其构成部分的权重赋值并没有统一的规范。本文参考陈宇峰和朱荣军(2016)[26]对投入成本法的研究思路，尝试对1997-2015年各省市区R&D价格指数进行构造，具体如下：

根据R&D经费支出构成建立各省市区对应的价格指数，如表1所示。其中，将人员劳务费的价格指数设定为居民消费价格指数；将仪器设备支出的价格指数设定为固定资产投资价格指数；其他费用价格指数的估算，将以2009-2015年全国R&D价格指数为依据，采用加权平均法进行倒推。1997-2009年的全国其他费用价格指数，将以2009-2015年支出构成均值进行构造。各省市区层面R&D支出三个构成部分占总额的比例与全国层面数据存在较大的差距，本文根据2009-2015年各省市区R&D支出组成部分占支出总额的均值来对1997-2009年的数据进行取值。其中各省市区的其他费用价格指数选用全国数据，人员劳务费与仪器设备支出的价格指数分别取各省市区的CPI指数与固定资产投资价格指数。

(二)R&D折旧率

OECD(2010)[27]建议使用几何模型计算R&D资产的折旧率。在具体测算操作上，各国采用的R&D折旧率并不相同。Grilichers和Lichtenberg(1984)[28]提出R&D资产折旧率取15%比较合适，后来多数学者也沿用此结果。由于我国统计数据匮乏，大部分国内研究经验性地将其设定为一个固定数值，比如15%等，也有学者认为发展中国家的折旧率应该小于发达国家，取12%较为合理，国家统计局国民经济核算司GDP生产核算处曾建议设定为10%，类似于物质资本折旧率。

梳理以往文献研究结论，本文R&D折旧率的设定考虑以下几个因素：(1)R&D折旧率与其投入构成有关，下限设为10%，基础研究占比越高折旧率就相对越小。(2)R&D折旧率的时变性，即随着投资年s的增长而递增。知识经济时代，技术更新不断加快，而R&D折旧率最初可能保持不变，当R&D活动使得知识技术升级时，折旧率随之增大。本文在测算30个省、市、自治区R&D折旧率时，首先根据各省市区基础研究占比的不同划分各省市的R&D折旧率，如图1所示。根据结果分析，本文将基础研究占比较高的省市折旧率设定为10%，分别为北京、吉林、黑龙江、海南、云南、甘肃和青海；将历年基础研究占比较低的省市折旧率设定为15%，分别为江苏、浙江、广东；其余的省市则设定为12%。

图1 R&D基础研究占R&D投入比重(2009-2012年均值)

关于折旧率的时变性问题，本文参考Esposti和Pierani(2003)[29]的做法，将折旧率内生化为科技进步的函数。具体测算公式如下：

(21)

其中s为投资年，G为酝酿期*一般认为，R&D投资期可以分为两个阶段：第一个是技术获取阶段，也称酝酿阶段。这个阶段，R&D投资产生有限的结果或没有任何结果。由于R&D产出的不确定性，酝酿阶段的时间有长有短；第二个是新的R&D存量服务阶段。该阶段，R&D活动进入产出阶段， R&D投入产生知识和经验，增加R&D存量。的滞后期，δs为第s年的折旧率，g为科技进步年平均增长速度。当s=G时，折旧率δ不变，为δ*；当s>G时，知识技术升级加速知识老化，δ将增大。本文将G设定为0年，δ*为1997年的折旧率，g参考程华和吴晓晖(2006)[30]的估算方法。具体如下：

g=y-αl-βk

(22)

其中，y表示GDP年均增长速度；k表示社会固定资产投资年均增长速度；l表示从业人员年均增长速度；α*这里的α指全社会的劳动产出弹性，与上文提到的最终产品生产部门α有所区分，故而取值不同。表示劳动产出弹性；β表示资本产出弹性。国家发改委、国家统计局建议在测算全社会口径科技进步时，取α=0.65，β=0.35。本文借鉴这一经验值， 进一步测得1997-2015年全国各省市区科技进步年均增长速度。

(三)R&D资本存量

1.基期资本存量估算方法

根据Goto和Griliches(1989)[31]、Coe和Helpman(1995)[32]的方法，假定R&D资本存量增长率等于真实R&D支出增长率，设为gk，即：

(23)

其中gk为当期R&D支出与资本存量的平均增长率。当t=1时，式(23)表示为：

K1=(1+gk)K0

(24)

根据上文公式Kt=It+(1-δ)Kt-1，当t=1时，式(20)表示为：

K1=(1-δ)K0+I1

(25)

由式(24)、式(25)可得计算初始R&D资本存量的公式：

(26)

上文将gk设定为样本期内不变价格R&D 支出增长率的几何平均数，假设前提通常是不变价格 R&D 支出较为平稳，这与事实上不同区域的不变价格 R&D支出波动显然相违背。为了消除这种波动性，BEA(Bureau of Economic Analysis，2013)[33]采用了Sliker(2007)[34]的线性回归法，具体公式如下：

gk=em-1

(27)

其中m由以下回归模型决定：

lnIt=b+mt+εt

(28)

根据BEA方法推导R&D基期资本存量为：

(29)

四 数据来源与处理

(一)数据来源

我国在 2000 年和2009 年对全国 R&D 资源进行了普查，产生很多有价值的数据。2009年以来我国R&D统计资料相对完善，包括各地区支出用途(日常性支出与结构性支出)、R&D活动(基础研究、应用研究与实验研究)以及按执行部门(企业、研发机构与高等学校)与资金来源(政府资金、企业资金、国外资金与其他资金)的R&D经费内部支出结构数据。

但是2000年以来的清查及统计数据也存在一定的问题，与本文紧密相关的问题如下：

1. 1999-2016年《中国科技统计年鉴》所提供的R&D 经费内部支出(1999年之前只提供科技经费内部支出)中，将各省市区的数据加总与全国的总额数据进行比较，发现两者某些年份存在较大出入。

2. R&D内部经费总支出层面，《中国科技统计年鉴》提供了1998-2016年各地区研究与发展(R&D)内部经费支出数据，1997年只提供各地区科技活动经费内部支出，1996年与1995年各地科技经费内部支出数据欠缺。

3. R&D支出结构层面，中国统计资料仅提供了 2009年以来的R&D支出用途数据，以及1995-2008年的科技经费内部支出用途数据，两者的统计口径并不同，所以指标并不统一。

(二)基础数据问题处理

针对基础数据存在的各类问题，本文所使用数据的主要来源为：经国家统计局调整过的2005-2015年中国科技统计年度数据、各省市区的统计年鉴以及《中国科技统计年鉴》(1998-2015年)。具体处理为：

1.R&D经费内部支出的数据

对比国家统计局调整过的相关数据、各省市区统计年鉴提供的数据，最后以《中国科技统计年鉴》1998-2015年的科技经费内部支出与R&D 经费内部支出数据为主，得到 1997-2015年我国30个省市区的 R&D 经费内部支出数据。由于统计资料的不完善，对部分年份数据进行推算，1997年的R&D内部经费支出按照1998-2000年R&D经费内部支出占科技经费内部支出的加权平均值进行估算。

2.R&D支出结构的建立

为充分利用现有的数据，本文考虑将我国与地区R&D支出分为：人员劳务费、固定资产建构及其他，其中将企业的原材料费以及研究机构与高校的业务费并入“其他”项。

根据2009-2015年R&D经费内部支出数据推算R&D支出结构比例。由《中国科技统计年鉴》(2009-2016年) 数据推算，日常性支出所占比例大约为85%，资产性支出大约为15%。其中，在日常性支出中，人员劳务费占比约为29%，剩余部分未作细致说明。而在资产性支出中，仪器设备支出约占80%，剩余部分亦未作细致说明。若将未做说明的支出都归为其他费用支出，即可得到人员劳务费、仪器设备支出(与上文的固定资产建构支出属性相同，本文将其看作同一口径进行计算)和其他费用占总支出的比例。全国层面数据显示，2009-2015年R&D支出主要包括约24%的人员劳务费支出、约13%的仪器设备支出和约63%的其他费用支出。

五 省域R&D资本存量的空间分布特征

(一)区域分类

国内文献对于R&D投入区域差异的研究，大多基于东北、东部、中部和西部进行划分。简单依赖地理位置进行区域划分并不能反映R&D活动的真实差异，本文依据R&D强度对区域进行重新划分，利用R&D强度指标的分位数进行分类。

具体地，先求出各省市区1997-2015年各年份R&D强度均值作为第一分位数，将高于均值的省份与地区列入R&D高投入区域，再次求出剩余地区的R&D强度均值，将高于均值的省份与地区列入R&D中投入区域，其余的归为R&D低投入区域。分类情况与区域统计特征如表2所示。

表2 各区域R&D强度分类与统计特征

表2显示，1997-2015年，R&D高投入地区与中等投入和低投入地区的均值差距较大，而中等投入和低投入地区的差距较小；R&D高投入地区的标准差相对较高，说明R&D投入强度高的地区，内部投入密度差异也比较大，相反地，R&D中等投入和低投入地区的标准差较低，说明这些地区内部的差异存在缩小趋势。

(二)R&D资本存量测算结果及特征分析

根据上文提供的参数估算方法，本文用PIM方法测算初始资本存量，进而测算出1998-2015年各省市区的R&D资本存量，具体结果如表3所示。

表3 各地区历年R&D资本存量(单位：亿元)

(续上表)

区域200720082009201020112012201320142015全国124366154667190220234618289931349353414499482630549954北京170361809219777226752599027096289203104033291天津3510451554896848869210568127081482416872河北313639034789580771898813105871249714511山西147718962401294136504364517058356175内蒙古6028411192160521672690324437354229辽宁5411612669518211999510980121871298012756吉林197122342701306835274034454450905625黑龙江250830713726445751645843659872227687上海91991042311835135331599317412192622137523381江苏125701653820793260393264740056480775650764793浙江82161106314079178292235227905339244045847411安徽258533534381560872479395120211485717759福建287036544659594076209654119221442717047江西141518402295280433363881453852656040山东93601257615944205052626032569394054661653767河南3108394351296551833410243123021454916769湖北3869475460367663963811612137881622918605湖南241332744364568873359234112471343115699广东132191670821147266243383942020511826093371206广西7599901320176823412966360341994639海南118145194252342459580717844重庆147818682367301238484785571867618040四川4730541764117762916810454118841349915170贵州49958972387110561209137515841800云南98411991436172621112560306335794251陕西4139455252136041701175598443931310084甘肃98111271283146716891915215024382708青海130134171224289320346370358宁夏200241301363452543641751852新疆36648062981110351276153618002048

图2为1998年、2007年和2015年的R&D资本存量分布情况，可见1998-2015年各地区资本存量分布趋势大致未变。R&D高强度地区的资本存量较R&D中低强度地区的资本存量有明显优势且呈扩大趋势，而R&D中低强度地区之间差距不大。

图2 1998年、2007年和2015年各地区R&D资本存量

图3 1998-2015年各地区知识存量增长率均值

1998年，北京、上海、广东和江苏的R&D资本存量占据全国前四位，分别为438.22亿元、168.60亿元、138.28亿元和110.27亿元，北京地区具有绝对的优势，后三者差距相对较小；2000年，广东以53.42%的知识存量增长率在总量上超越上海，位居第二位，同年，江苏也实现了41.45%的知识存量增长率，并于2003年在总量上赶超上海居第三位。北京地区R&D资本存量基数大，知识存量增长速度相对较慢，因而于2009年在总量上被广东赶超。2015年，R&D资本存量占据全国前四位的是广东、江苏、山东和浙江，分别为7120.64亿元、6479.25亿元、5376.73亿元和4741.12亿元；浙江省R&D资本存量从1998年的31.85亿元发展到2015年的4741.12亿元，年均增长率高达60%，这是因为伴随着互联网经济的崛起与发展，浙江成为除上海与江苏外长三角地区最重要的研发中心，是我国科技创新活动的重点地带。

总体看来，R&D高强度地区的R&D资本存量相对较高，R&D中低强度地区的R&D资本存量相对较低，因为R&D经费投入高的地区，研发能力与创新能力较强，而R&D活动较弱的地区，经济相对落后，同时R&D活动也缺乏对外辐射的能力。个别R&D投入强度并不高的地区出现了R&D资本存量并不低的现象。如河北与河南近年R&D资本存量在总量上突破了千亿，说明这些地区也拥有自己的优势，无论是依托R&D活动发达地区的辐射效应，还是自身R&D活动的针对性，都使得其在区域发展中同样占据重要地位。

六 省域R&D资本化对经济增长的贡献

根据前文理论模型框架，估算出1998-2015年全国和地区层面R&D对经济增长的贡献度，进而推算出其贡献率，公式为：

R&D对经济增长的贡献率=R&D对经济增长的贡献度/经济增长率*100%

(30)

(一)R&D资本化对经济增长的贡献度分析

测算各省市区R&D投入及其对经济增长的贡献度，如表4所示。结果显示，各地区R&D投入对经济增长有不同程度上的促进作用，且趋势相对平稳。由于近二十年来整体经济运行比较平稳，所以R&D对经济增长的贡献度数据在样本期间并未发生实质性的变化，使得区域方面的差异不是特别显著。各区域R&D对经济增长的贡献度只在2000年发生了较大幅度的波动，这源于该时期国家对科技创新战略的重视，当年全国各地区R&D知识存量增长率均呈现较大幅度的提高，其中以广西的增幅最为明显，2000年知识存量增长率高达126.54%，其次为福建、浙江、内蒙古、河北与广东，对应的知识存量增长率分别为75.56%、73.46%、62.72%、53.73%和53.72%。

与此同时，对参数劳动产出弹性α取不同值，α=0.3 时，样本期间内R&D对我国经济增长贡献度的均值为0.73%。α=0.5 时，R&D对我国经济增长贡献度的均值为1.22%。α=0.6 时，R&D对我国经济增长贡献度的均值为1.47%。可见，R&D对经济增长的贡献度将随着劳动产出弹性的增加而增强。

表4 各地区历年R&D资本化对经济增长的贡献度(单位：%)

(续上表)

区域1998199920002001200220032004200520062007浙江162107334231163147164153150120安徽155114282175143152095092101083福建119095398231142167139117091082江西147108219117137127118133128114山东129095224170163114108131099106河南139107213165113094077077103096湖北100090123096112090062063077066湖南138106238198146119096089084085广东110083247220125089080089078082广西145119867278156147093079084072海南159110113087112084138053066058重庆150116217124115118124152103081四川091110115121088080049064052061贵州115085147146122108081080093047云南127105168158123112080130088086陕西080065141101082051060054044045甘肃084072059058077060057071083063青海098079130054117083091056049048宁夏133092176097107079101067108136新疆151114171116103062107085100084区域20082009201020112012201320142015全国126122110124130120113101北京034046071090028044050053天津087065071082078081083074河北121114087105118123139119山西167247081093097104131094内蒙古111124116122105114097086辽宁049051064089052063056-029吉林042077049054060076092083黑龙江095094077064066081084056上海069083070111059069078068江苏124104099115112104101086浙江172153112141155132127107安徽117119096108122134128112

(续上表)

区域20082009201020112012201320142015福建105112099115117107106101江西114094079076074084083081山东143110116129123109105096河南111138111114113112103092湖北085100091093091093091082湖南128122104113115108102099广东127137104136147128122105广西119120120132118105097065海南111142094148189134138114重庆091090080085090079084086四川066063070060056068080078贵州080099080071053055071063云南103082082081082081104108陕西030053054058030053053052甘肃074067061061053057075068青海013138100108044037038-020宁夏082104076102087092107084新疆142192136115097093086078

(二)R&D资本化对经济增长贡献率的进一步分析

图4为各省市区样本期间R&D对经济影响的几个相对量指标的均值走势。结果表明，相对于贡献度而言，R&D对我国及各省市区经济增长贡献率的区域差异则相对明显，且知识存量增长率高的地区，R&D对经济增长的贡献率也高，两者的走势接近吻合，其中广西、山西和安徽列居前三位。

图4 1998-2015年各地区R&D对经济影响相对量的均值

一方面，以R&D资本存量指标衡量R&D投入的情况下，不是所有R&D投入高的地区对经济的促进力度就越大，R&D投入低的地区对经济的促进力度就越小。R&D高强度地区中，北京、辽宁、上海、江苏、广东、四川、陕西在α取0.5的情形下，R&D对经济增长的平均贡献度分别为0.61%、0.73%、0.82%、1.18%、1.23%、0.76%和0.62%，R&D对经济增长的平均贡献率分别为6.12%、6.7%、8.93%、 10.48%、11.97%、7.68%和5.73%。R&D低强度地区中，R&D资本存量较低的内蒙古、广西、贵州、青海、宁夏与新疆，R&D对经济增长的贡献度分别为1.29%、1.62%、0.89%、0.7%、1.02%和1.13%，R&D对经济增长的平均贡献率分别为11.32%、17.50%、8.49%、 6.29%、9.68%和12.02%。

另一方面，R&D强度越高的地区，R&D对经济的贡献反而越低。R&D高强度地区、中强度地区与低强度地区R&D对经济增长的平均贡献度均值分别为0.96%、1.02%、1.04%，对经济增长的平均贡献率均值分别为9%、10.52%、11.28%，知识增长率均值分别为8.93%、10.06%、10.97%。这一高强度低贡献的特征说明，在R&D活动较为发达的地区，R&D资本投入效率降低，从侧面体现了R&D资本的边际生产力递减趋势。结合中国的实际，这可能与目前我国R&D经费内部结构有较大关系，比如基础研究占比太低(而许多重大技术创新都源于基础研究的成果)、科研经费存在着浪费和使用效率低下问题等。

七 结 论

长期以来R&D的经济增长贡献难以从全要素生产率以及其他要素中分离出来，SNA2008标准下的R&D资本化为更科学地认识R&D活动对经济社会的作用和贡献提供统计学支撑。我国对R&D资本化的研究尚处于经验性估算阶段，且测算多基于国家层面而非省域层面，在处理方法上则存在重复计算、参数设定等诸多问题。本文基于当前R&D资本化问题的研究现状，在设定初始R&D资本存量、折旧率、价格指数等参数的基础上，采用PIM方法测算1998-2015年我国30个省、市、自治区的R&D资本存量，并估算知识存量增长率；同时通过构建R&D驱动的内生增长模型，测算出R&D对经济增长的贡献度，进一步推断各省市区R&D对经济增长的贡献率，以避免实证研究中诸如内生性、变量缺失等问题。

研究发现，我国1998-2015年知识存量增长率均值约为13.44%，R&D投入对经济增长的贡献度均值为1.22%，对经济增长的贡献率均值为13.68%。样本期间R&D高强度、中强度与低强度地区对经济增长的平均贡献度均值分别为0.96%、1.02%和1.04%。“高强度低贡献”的特征与各地区R&D经费占GDP的比重偏低有关。不同地区R&D对经济增长的贡献度差异较小，这就不足以解释R&D投入差异是导致我国区域经济发展不平衡的重要原因的观点。总体上，目前我国R&D投入对经济的影响主要体现在经济规模上，而对经济增长的贡献仍较小。

本研究尚存在不足之处。例如现实经济中R&D活动包括基础研究、应用研究和试验发展，我国R&D经费结构中基础研究占比过低，而本文研究未对R&D活动类型加以细分；另一方面，劳动产出弹性在区域层面也应该有所差异，本文测算时未将此差异考虑进来。因此，如何构建同时包含不同类型R&D活动驱动的经济增长模型，分析考察不同类型、不同地区的R&D投入对我国经济增长的贡献，进而探讨R&D结构优化问题以及R&D投入效率是未来研究的拓展方向之一。

基于本文研究结论，结合我国R&D经费支出现状，着重提出两点政策建议：第一，进一步加大R&D基础研究的投入比重。尽管基础研究成果投入期限长且不能直接产生经济效益，但诸多重大科技创新的成果都源于基础研究。第二，进一步提高R&D活动的效率。R&D高强度低贡献的特征表明所属地区的R&D活动效率已经处于规模效率递减生产阶段，一味地扩大规模只会造成R&D资源的浪费，政府应该更加重视R&D经费的内部结构调整而非简单的规模扩张，提高相关人员投入效率，促进产学研体系融合，这将更加有利于R&D活动更有意义、更有现实性地促进经济增长。

[1] Solow, R. M.．Technical Change and the Aggregate Production Function[J].ReviewofEconomicsandStatistics, 1957, 39(3): 312-320.

[2] Romer, P. M.．Increasing Returns and Long-run Growth[J].JournalofPoliticalEconomy, 1986, 94(5): 1002-1037.

[3] Lucas, R. E.. On the Mechanics of Economic Development[J].JournalofMonetaryEconomics, 1988, (22): 3-42.

[4] Arrow, K.． The Economic Implication of Learning by Doing[J].TheReviewofEconomicStudies, 1962, 29(3): 155-173.

[5] 联合国， 欧盟委员会， 经济合作与发展组织等. 2008国民账户体系[M]. 北京: 中国统计出版社, 2012.

[6] Griliches, Z.. Productivity, R&D and Basic Research at the Firm Level in the 1970’s[J].AmericanEconomicReview, 1986, 76(1): 141-154.

[7] Aghion, P., Howitt, P.. A Model of Growth through Creative Destruction[J].Econometrics, 1992, 60(2): 323-351.

[8] Boskin, M. J., Lau, L..TheContributionofR&DtoEconomicGrowth:SomeIssuesandObservations[M]. AEI/Brookings, 1996.

[9] Anselin, L., Varga, A., Acs, Z.. Local Geographic Spillovers Between University Research and High Technology Innovations[J].JournalofUrbanEconomics, 1997, 42(3): 422-448.

[10] Kanwar, S., Evenson, R.. Does Intellectual Property Protection Spur Technological Change?[J].OxfordEconomicPapers, 2003, 55(2): 235-264.

[11] 吴延兵. 中国工业R&D产出弹性的测算[J]. 经济学(季刊), 2008, (4): 869-890.

[12] 谢兰云. 中国省份研究与发展(R&D)指数及其存量的计算[J]. 西安财经学院学报, 2010, 23(4): 65-71.

[13] 严成樑, 沈超. 知识生产对我国经济增长的影响——基于包含知识存量框架的分析[J]. 经济科学, 2011, (3): 46-56.

[14] 丁浩, 王家明. R&D强度对经济增长影响的区域对比研究[J]. 中国石油大学学报(社会科学版), 2016, (1): 17-21.

[15] Romer, P. M.. Endogenous Technological Change[J].JournalofPoliticalEconomy, 1990, 98(5): S71-S102.

[16] Jones, C. I., Williams, J. C.. Too Much of a Good Thing? The Economics of Investment in R&D[J].JournalofEconomicGrowth, 2000, 5(1): 65-85.

[17] 严成樑, 龚六堂. R&D对我国经济增长的贡献测度[J]. 投资经济, 2014, (1): 13-22.

[18] Jaffe, S. A.. A Price Index for Deflation of Academic R&D Expenditure[R]. Washington， D. C.: The National Science Foundation, 1972.

[19] Griliches, Z.. R&D and the Productivity Slowdown[J].TheAmericanEconomicReview, 1980, 70(2): 343-348.

[20] Loeb, P. D.， Lin, V.. Research and Development in the Pharmaceutical Industry Specification Error Approach[J].JournalofIndustrialEconomics, 1977, 26(1): 45-51.

[21] Corrado, C., Goodridge, P., Haskel, J.. Constructing a Price Deflator for R&D: Calculating the Price of Knowledge Investments As a Residual[R]. Working Papers, 2011.

[22] 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): 45-53, 94.

[23] 王孟欣. 我国区域R&D资本存量的测算[J]. 江苏大学学报, 2011, (1): 58-63.

[24] 田志康. R&D价格缩减指数及其中国实际R&D支出研究综述[J]. 中国软科学, 2014, (11): 78-91.

[25] 谭利平, 王斌会. 我国R&D产出价格指数的估计研究[J]. 统计与决策, 2016, (5): 26-28.

[26] 陈宇峰, 朱荣军. 中国区域R&D资本存量的再估算: 1998-2012[J]. 科学学研究, 2016, (1): 69-80.

[27] 经济合作与发展组织(OECD). 弗拉斯卡蒂手册(第6版)[M]. 北京： 科学技术文献出版社， 2010.

[28] Griliches, Z., Lichtenberg, F.. Interindustry Technology Flows and Productivity Growth: A Reexamination[J].ReviewofEconomics&Statistics, 1984, 66(2): 324-329.

[29] Esposti, R., Pierani, P.. Public R&D Investment and Cost Structure in Italian Agriculture, 1960-1995[J].EuropeanReviewofAgriculturalEconomics, 2003, 30(4): 509-537.

[30] 程华, 吴晓晖. R&D投入、 存量及产出弹性研究——基于年份/功效函数的实证研究[J]. 科学学研究, 2006, (10): 8-11.

[31] Goto, A., Suzuki, K.. R&D Capital， Rate of Return on R&D Investment and Spillover of R&D in Japanese Manufacturing Industries[J].ReviewofEconomicsandStatistics, 1989, 71(4): 555-564.

[32] Coe, D., Helpman, E.. International R&D Spillovers[J].EuropeanEconomicReview, 1995, 39(5): 859-887.

[33] U.S. Bureau of Economic Analysis．Preview of the 2013 Comprehensive Revision of the National Income and product Accounts: Change in Definitions and Presentation[EB/OL]. 2013, http://www.bea.gov/scb/pdf.

[34] Sliker, B. K.. 2007 R&D Satellite Account Methodologies: R&D Capital Stocks and Net R rates of return[EB/OL]. Bureau of Economic Analysis/National Science Foundation R&D Satellite Account Background Paper, http://www.Bea.gov/national/rd.htm.

ResearchonProvincialR&DCapitalizationandItsEconomicGrowthContribution

LIU Jin-shan DING Zhuo-qi

The amount of R&D investment is a measure of innovation and technological progress which are the internal forces of a country’s economic development. However, the contribution of R&D to economic growth can not be separated from total factor productivity and other factors for a long time, which makes the economic growth effect of technological progress can not be accurately and effectively evaluated. SNA2008 adds “R&D investment” to “intellectual property products” and counts it as “fixed capital formation” in GDP accounting. R&D capitalization provides statistical support for the more scientific analysis of R&D activities. The R&D capital stock of 30 provinces in China is estimated by using the PIM method in this paper as well as the growth rate of knowledge stock. And then the contribution of R&D to economic growth is also measured under SNA2008 standard. The results show that the capital stock of R&D high-intensity area in 1998-2015 has obvious advantages than the medium and low intensity areas，while the gap between R&D low-intensity and medium-intensity areas is low. The average contribution rate of R&D to high-intensity region，edium-intensity region and low-intensity R&D are 0.96%，1.02% and 1.04% respectively， and the average contribution rates are 9%，10.52% and 11.28% respectively. This feature of “high intensity with low contribution” reflects the decreasing trend of marginal productivity of R&D capital.

R&D capital stock； economic growth; knowledge growth rate； provincial economy

2017-07-20

2017年度广州市哲学社会科学发展“十三五”规划智库课题“广州建设国家制造业创新中心思路与对策研究”(项目编号：2017GZZK02，项目负责人：刘金山)。

刘金山，暨南大学经济学院教授、博士生导师，研究方向：宏观经济运行与管理；丁卓琪，暨南大学经济学院博士研究生, 研究方向：国民经济运行与管理。

F207

A

1674-8298(2017)06-0005-17

[责任编辑：陈 林]