政府投入、经济自由度与创新效率：来自24个领先国家的实证经验

于惊涛，杨大力

(大连理工大学 管理与经济学部，辽宁 大连 116024)

一、引言

基础研究、技术发明、创新成果的商业化是科技创新的三个重要方向，因其产出和效率与国家经济增长和劳动生产效率的提高密切相关[1-2]，各国政府都非常关注本国创新效率的提升。近年来，中国在创新投入方面有了长足的进步，2015年创新投入在全球位列第二。但与创新投入的规模性扩张相比，其创新产出还未能满足当前经济转型的需要。根据世界知识产权组织、康奈尔大学和欧洲工商管理学院联合发布的《全球创新指数》报告，2017年中国在全球创新指数排名中位列17位。结合本国特色和全球竞争的需要，提升创新效率、推动中国创新的转型发展，已成当务之急。在未来的政策中，是否仍然通过大规模的政府投入推动中国创新发展并提升其创新效率，是值得研究者和政策制定者高度关注的问题。

本文将通过对创新领先国家的实证研究，回答以下问题：(1)在创新领先国家中，中国的创新效率水平如何？与其他国家相比，有何差异性？(2)影响创新效率的关键性因素是什么？政府大规模投入和经济干预对创新效率起何种作用？中国应采取何种政策导向？

二、文献综述

创新效率是指在一定环境和资源配置下单位创新投入获得的产出，或者单位创新产出所需要的投入。国内外有很多研究者采用数据包络分析的方法对创新效率进行研究[3-4]，而在国家层面的创新效率问题上，过往研究集中在整体效率评价方面，如Alberto等人[5]，关注到不同国家创新产出方向及效率的异质性问题。所谓创新效率的异质性[6]，是指具有不同创新特质的个体在创新效率上的不同表现。基于不同国家在社会经济、科技发展、资源禀赋方面的特点，其在创新产出方向上各有偏重，因而在不同产出方向上的效率也有相当的差异性。

在评价国家创新效率时，一些学者将创新视为一个连续的过程，并将其划分为不同阶段，如知识创新、技术创新、产品创新三阶段[7]或研发、科技向经济转化两阶段[8-9]，上一阶段的产出被视为下一阶段的投入。但还有一些学者认为创新是一个非连续性过程，这不仅体现在企业层面，也同样体现在国家层面[10]。

学界在衡量创新投入时，大多采用研发经费和研发人员全时当量指标[11-12]，而在衡量创新产出时，不同学者可能采用不同的产出指标。针对一国之创新产出的评价，本质上是评估其在基础研究、应用研究和研究成果商业化方面的产出能力。

从基础研究产出角度，公开发表是其成果的主要载体，通常采用科技论文发表数量、SCI论文发表数量、科学出版物数量进行衡量[13]，但近年来科技评价更倾向于采用“高被引论文”作为评估指标。所谓“高被引论文”，根据ESI数据库的界定，是指近十年来被引频次排在全球前1%的论文。在应用研究成果的衡量方面，专利是比较普遍采用的标准[14]，其中以三方专利和居民专利授权量为最主要的指标。三方专利是指同一专利在欧洲专利局、日本专利局和美国专利商标局注册并寻求保护的发明专利，三方专利归属于发明者所居住的国家并以专利首次注册的时间为准。在创新成果转化方面，新产品销售收入、高技术产业增加值、高技术产品出口额以及知识产权使用费等指标经常被采用[15-17]。其中，知识产权使用费经常被用来衡量专利贸易的水平，更能反映创新成果在国际商业竞争中的地位。

此外，对创新效率作用要素的研究也是创新效率相关研究的重要组成部分。总体上看，有关FDI投资和贸易开放度[17]，政府支持是最经常被提到的因素[18]，对经济自由度与创新效率的作用关系研究尚少，需要进一步展开。

三、模型构建与变量选取

本文首先运用产出导向的DEA-CCR模型，对24个创新领先国家在三个不同产出方向上的创新效率进行评价，并运用K-Means聚类分析和收敛检验，对评价结果进行分类以识别不同国家创新效率的异质性。在此基础上，论文运用面板回归，对影响创新效率的主要因素进行识别和检验。

(一)领先国家创新效率评价及其异质性

1.不同产出导向的DEA评价模型及变量选取

本文研究着重关注创新领先国家在不同产出方向上的创新效率的差异性，因此分别构建了四组DEA-CCR模型，分别对基础研究、技术发明、创新成果的商业化产出效率和整体创新效率进行评价。

DEA评价是由Charnes等[19]提出的一种效率测度方法，本文使用CCR模型评价各决策单元的创新效率，其最终测算结果的相对效率得分区间在0～1之间。当得分越接近1时，表示相对有效性越高；当相对效率值达到1时，表示DEA有效，该评价个体被视为评价组内效率最佳的国家。

所有四组DEA模型均采用资本投入(GDS)和人力投入(SEP)作为投入变量。资本投入以国内研发资金投入量(以2005年不变价格计算，百万美元)指标计算，包括居民企业、研究机构、高校、政府的研发支出，其中包含了来自国外的研发资金投入但排除了国内资金在国外研发项目的投入；人力投入采用研发科学家和工程师全时当量(年人)作为投入指标。

针对不同产出方向的三组模型中，则分别选取基础研究、技术发明和创新成果商业化的代表性指标进行衡量，具体如下：基础研究产出导向评价模型选用“高被引论文(HCP)”指标。相较于通常被采用的科技论文数量或SCI、EI、ISIP论文发表数量，高被引论文数量更能体现一国高质量基础研究的产出水平。实际上，近年来中国高被引论文发表数量呈快速上升趋势，2005年在24个国家中位居第六，至2016年10月，中国高被引论文数量已经仅次于美国和英国，位居全球第三。技术发明产出导向评价模型则选用三方专利授权数量(TFP)进行测算，通常认为三方专利授权数量能更有效体现一个国家的技术发明产出的质量。创新成果商业化产出的衡量指标较多，本文选用知识产权使用费(IPF)这一指标进行测算，主要是考虑到该指标可以衡量专利贸易水平，更能反映创新成果在国际商业竞争中的地位。

整体创新效率评价模型中，其产出采用“高被引论文数量”、“三方专利授权数量”和“知识产权使用费”三个指标进行衡量。所有投入产出指标均采用总量指标，考虑到创新投入和产出之间存在迟滞性，本文设定滞后期为2年。

2.聚类及收敛分析

创新领先国家之间在三个创新产出方向上是否存在异质性特征？各国的优势和劣势何在？本文采用K-Means聚类和收敛检验，对创新效率的评价结果做进一步的分析。通过聚类分析，本文对24个国家创新产出类型进行初步识别。

在聚类分析基础上，进一步采用β-收敛对分组的合理性进行检验。β-收敛分为条件β-收敛和绝对β-收敛[20]，其中条件β收敛用于检验评价组内单个国家的效率增长是否随时间推移而趋于各自的稳态水平，而绝对β收敛则用于检验组内相对效率落后国家与领先国家相比，其效率水平是否随时间推移而趋于同一稳态。条件β收敛在绝对收敛的基础上，需要引入对稳态值跨国变异施加控制的矢量Xi,tXi,t。设定绝对β收敛模型和条件β收敛的回归方程分别为：

log(yi,t+1/yi,t)=a-blog(yi,t)+ui,t,t+1

(1)

log(yi,t+1/yi,t)=a-blog(yi,t)+φXi,t+

ui,t,t+1

(2)

式中：yi,t、yi,t+1分别为国家i第t年、第t+1年的创新效率，a为常数项，ui,t,t+1为随机扰动项 (i=1,2…24; t=2005, 2006…2011)，如果回归系数小于零，则表明收敛存在。式(2)中引入了对稳态值跨国变异施加控制的矢量Xi,t。

(二)面板Tobit回归模型

本文采用面板数据回归对各国产出效率差异性的影响因素进行识别和分析。由于DEA模型测得的效率值是介于0、1之间的截断数据，如采用最小二乘回归方法，会导致估计的有偏且不一致，因此选用Tobit归回模型。

Effjt=β0+β1FDIjt+β2IEjt+β3IEFjt+β4GSjt+β5STjt+μj+еjt

(3)

其中，Effjt表示第j个国家第t年的研发效率，FDIjt表示第j个国家第t年的外商直接投资占GDP的比重，IEjt表示第j个国家第t年的进出口占GDP的比重，IEFjt表示第j个国家第t年的经济自由度得分，GSjt表示第j个国家第t年的政府研发投入占GDP的比重，STjt表示第j个国家第t年的第三产业占比。μj为不随时间而改变的个体效应，ejt为随时间和个体而改变的扰动项，β0为截距项，β1、β2、β3、β4、β5为待估参数。

Tobit回归的系数本身并不代表释解变量对被解释变量的影响程度，但是由于转换因子恒为正，其回归系数的符号仍可代表解释变量对被解释变量的影响方向[21]。

对创新效率影响因素的选择，本文主要考虑FDI投资、贸易开放度、产业结构、政府投入和政府干预5个因素。

FDI投资和贸易开放度被认为是影响国家间技术转移和技术外溢水平的重要指标[22-23]，FDI投资可能产生正的或负的技术外溢，而贸易开放程度则间接影响对国外先进技术和管理方式的接近程度。产业结构则反映了一个国家经济发展的不同阶段，创新和产业结构的高级化之间存在相互作用。

政府投入和干预是否影响创新效率也是很多研究的关注点。本文选用政府研发投入在GDP中的占比来衡量一国政府在创新中的投入程度，其占比越高，代表该国政府投入在创新活动中的支持力度越高；政府干预程度则采用经济自由度指标进行衡量，该指数涵盖了全球155个国家，包含了企业经营、投资、贸易、货币、财政、金融、就业自由、知识产权保护、政府开支以及廉洁程度等10个指标，用以衡量经济活动的自由竞争水平。

(三)评价对象选择和数据来源

本文在选择与中国进行国际比较研究的评价对象时，没有按照OECD、金砖国家或G20等政治体的概念进行筛选，而是依据全球主要国家的创新水平，初选了30个国家。这些国家的筛选是根据康奈尔大学、欧洲工商管理学院和世界知识产权组织联合发布《2015全球创新指数报告》排名前三十位，该报告采用79个投入产出指标对全球国家或经济体的创新现状进行了评价。剔出数据缺失国家，最终选择了中国和美国、英国、德国、日本、法国、爱尔兰、韩国、新加坡、奥地利、比利时、加拿大、芬兰、荷兰、瑞典、爱沙尼亚、斯洛文尼亚、捷克、卢森堡、葡萄牙、南非、俄罗斯、荷兰、挪威共计24个国家进行评价。

论文使用数据来源包括：OECD统计数据报告(研发的国内总支出、研发人员全时当量、政府研发投入占比、三方专利授权数量)、世界银行(知识产权使用费、FDI、产业结构和贸易开放度)、汤森路透数据库(高被引论文数)以及华尔街日报全球经济自由度指数报告。所有以货币计量的数据均转换为2005年不变价百万美元。

四、国家间创新效率的异质性

(一)领先国家创新投入产出的基本情况

从创新投入要素的均值分析，2005-2012年，中国创新资金投入和人力资本投入的均值分别位列全球第三(2015年位居全球第二)和第一位，已经成为名副其实的创新投入大国。但从产出来看，代表基础研究成果的高被引论文数量，中国年均值是第一名美国的18.4%；在三方专利授权数量上，中国的均值仅为第一名日本的6%，知识产权贸易均值则仅为美国和日本的5.23‰和2.17%。整体上看，与中国经济增长特征相似，中国的科技创新也呈现以规模扩张为典型特征的粗放式增长，同样面临转型压力。

如果进一步对中国与不同方向创新产出最高的几个国家近年来的投入产出情况进行对比，我们可以发现中国的创新投入指标虽然已经居于全球前列，但在创新产出方面，高被引论文数仍次于美国；而在三方专利授权和知识产权使用费方面，中国与最领先国家差距巨大。这显示，中国的创新虽然在基础研究上进步较快，但这种进步在直接推动社会经济发展中的作用还没有同步体现出来。

(二)创新效率评价结果

本文使用产出导向的DEA-CCR模型，运用2005-2012年的数据，对中国和英美德日法等24个创新领先国家创新的综合效率和在三个不同产出方向上的创新效率进行了评价，表1-表4分别给出了整体创新效率和三个产出方向的创新效率。

从创新的综合效率来看，中国在24个国家中，排名仅高于俄罗斯，其相对效率值与排名第22的南非相比，还有一定的差距。

进一步的，我们针对不同国家在创新的三个不同产出方向上的效率进行评价，评价结果分别参见表2、表3、表4。

从高被引论文产出的效率均值(见表3)分析，位居前三的国家分别是荷兰、爱沙尼亚和爱尔兰；高被引论文产出均值最高的美国、英国和德国，其效率值则分别列于第15、5、18位；中国的效率均值在0.15，位列24个国家中的21位。在高产国家中，除英国外，其他三个国家的效率值相对较低。

表1 24个领先国家的创新效率(综合效率)

注：括号内数字代表排序，下同。

从三方专利授权产出的效率均值(见表3)分析来看，日本、荷兰和德国的创新效率均值最高，尤其是日本，自2006年以来其相对效率值均为1，其在技术发明产出上的创新效率处于“有效”状态。中国的效率均值为0.07，在所有24个国家中位居22位。

在以知识产权贸易收入衡量的创新成果商业化导向所进行的创新效率评价(见表4)中，卢森堡、爱尔兰两个国家具有非常高的效率，而中国在所有国家中位于最后一名。DEA评价可以发现：一些国家的创新效率具有非均衡性，其三个产出方向上的效率表现出非连续性特征。例如，日本在技术发明效率为“有效”，但基础研究效率却仅为0.08，低于中国和韩国。中国的创新效率也具有非均衡性、非连续性的特点：虽然中国在创新效率的不同产出方向上与领先国家都有相当大的差距，但就中国自身而言，在基础研究方面的效率已经得到较大提高，而在知识产权贸易方面的效率则显著低于其他国家。相反，还有一些国家，如荷兰，在三个产出方向上均具有较高的效率。

值得注意的是，一些国家如中国、韩国，在观察期内研发投资保持了较大增长，但在不同方向上的创新产出效率基本维持在原来的水平上。因此，对这些国家来说，提升效率成为关键。

(三)创新领先国家产出效率的异质性

1.聚类分析结果

为考察不同国家创新效率的异质性，本文对DEA评价结果进行聚类分析。由于各国历年效率值的离散程度较小，可以采用创新效率均值进行聚类。表5给出了聚类分析的分组结果，24个国家被分成了三类。方差检验结果(见表6)显示三个分组之间存在显著差异，验证了24个创新领先国家创新效率异质性的存在。类I包括中国和爱沙尼亚、加拿大等13个国家，类II只有日本、德国和韩国3个国家，类III包括荷兰、美国等8个国家。

表2 基础研究产出效率(高被引论文)

表3 技术发明产出效率(三方授权专利)

通过对聚类中心点(见表7)的分析，可以对24个创新领先国家的产出效率特征做进一步解析。对于I类国家，其高被引论文产出导向明显，三方专利和知识产权贸易产出较弱，我们将其定义为基础研究型创新领先国家，中国属于这一分类。对于第II类国家，聚类中心点显示，其具有更高的技术发明产出效率，我们将其定义为发明型创新领先国家。第三类国家在三个产出方向上的效率则比较均衡，我们将其定义为综合型创新领先国家。

2.收敛性检验结果

进一步采用β-收敛检验，对聚类结果进行验证，检验结果见表8。

检验结果表明，在三个不同类别国家内部，存在绝对β收敛和相对β收敛趋势，即，在每个类别内部，不同国家之间的创新效率将随时间推移而逐渐趋于一致，每个国家的创新效率也将趋于各自的稳态水平。β收敛检验结果验证了聚类分组的合理性。

表4 创新成果商业化产出效率(知识产权贸易收入)

表5 创新效率聚类分析结果

表6 聚类分析方差检验

表7 聚类分析中心点数据矩阵

3.不同国家产出效率的异质性特征

结合聚类分析和β收敛检验结果，我们对三种不同类型国家的创新产出效率做进一步的分析。对照表1-表4的DEA效率评价结果，在13个基础研究型国家中，奥地利、爱沙尼亚、加拿大、芬兰和挪威虽然具有较高的高被引论文产出效率，但这些国家在三方专利授权和知识产权贸易产出效率上仅处于中等水平，相对而言，基础研究型国家的综合效率在24个领先国家中处于中低水平。

表8 β收敛检验结果

注：“***”、“**”、“*”分别表示在显著性水平为1%、5% 和10% 时显著。

聚类分析显示，发明型国家只有德日韩三国，它们在三方专利产出效率方面具有相对优势，但在基础研究产出和知识产权贸易方面效率一般。这一组别中，日本(第2位)、德国(第8位)具有较高的综合效率，韩国则处在中等水平上。这三个国家的共同特点在于它们都属于全球制造强国。相对于其他类别国家，发明型国家在应用技术研究上具有非常大的优势。观察综合型创新领先国家，可以发现它们普遍具有较高的创新产出效率，在不同创新产出上的效率比较均衡，这些国家都属于高度发达国家。

对三组国家进行分析可以发现，在基础研究、技术发明和创新成果商业化产出效率三个不同方向上，技术发明和基础研究的产出效率可能是不均衡的，不同国家可以选择不同产出方向作为效率提升的重点，但这种非均衡性并没有体现在知识产权贸易产出效率上。这一结果意味着，在国际市场的竞争中，知识产权贸易的优势需要建立在创新效率的全面提升上。

五、面板数据回归结果分析

依据聚类分析结果，我们采用2005-2012年的面板数据建立回归模型，对影响不同产出方向创新效率的主要因素进行检验。

(一)平稳性检验

参照Bronzini等人[24]的方法，我们在面板数据单位根检验中采用2/4判断法，即，在LLC、IPS、ADF和PP四种检验方法中，如果在满足在显著性水平1%、5%或10%下至少有两个拒绝了原假设，则认为该纵剖面时间序列为平稳。检验结果显示各水平变量单位根检验结果在通常的显著性水平( 1%、5% 或10%) 下平稳或一阶差分平稳。

(二)协整检验与面板数据回归结果

运用Pedroni[25]检验，对三个组别的解释变量和被解释变量之间是否存在协整关系进行检验。表9的检验结果显示，三个组别中解释变量与被解释变量之间的协整关系均成立。

从表9中可以看出，Panel PP-Statistic、Panel ADF-Statistic、Group PP-Statistic、Group ADF-Statistic均在1%的显著性水平下拒绝了不存在协整关系的原假设。因此，我们认为三个组的解释变量与被解释变量之间存在长期稳定的协整关系。

表9 面板协整Pedroni检验结果

注: (1)“***”、“**”、“*”分别表示在显著性水平为1%、5% 和10% 时显著。

(2) Pedroni的7 个协整检验统计量的零假设均为H0，不存在协整关系。在零假设下，检验统计量渐近服从正态分布； 在7个统计量中，除Panel v-Statistic在右端拒绝原假设外，其余的均在左端拒绝原假设。

在协整检验的基础上，采用2005-2012年的实证数据，运用STATA12.0作为分析工具，对三个组别分别进行Tobit回归估计。在基础研究型国家组别(模型1)，被解释变量设定为基础研究产出效率(高被引论文)；发明型国家组别(模型2)，被解释变量设定为技术发明产出效率(三方专利授权)；综合型国家组别(模型3)，被解释变量设定为综合产出效率(高被引论文、三方专利授权、知识产权贸易)。在三个组别中，解释变量均为FDI投资、贸易开放度、政府投入占比、经济自由度和产业结构。回归结果参见表10。

表10 面板Tobit模型估计参数及结果

注: “***”、“**”、“*”分别表示在显著性水平为1%、5% 和10% 时显著。

根据对sigma_u=0 的似然比检显著则选择随机效应面板估计，若不显著则进行混合回归估计，模型1、3采用随机效应tobit回归，模型2采用混合tobit回归。检验结果显示，随机效应tobit回归模型1、3的面板方差成分对总方差的贡献分别为0.796、0.604，混合tobit回归模型2的LR检验均在1%的显著性水平下显著, 三组模型的拟合效果较好。

在三个不同组别中，经济自由度均对创新产出效率具有显著的正向影响。这一结果显示，企业经营、财政、金融、劳动、投资自由度较高、知识产权保护以及廉洁程度较高的国家，更容易获得较高的创新效率。这也意味着市场的自由竞争，能够促使创新主体更合理地配置创新资源，从而获得更高的效率。

政府投入占比对创新效率的影响在三个组别中有不同的表现。在基础研究和发明型国家中，政府的投入对创新效率有显著的负面影响，研发经费中政府投入占比越高，创新产出效率越低；在综合性国家中，政府投入的作用则不显著。考虑到政府在市场信息获取等方面的弱势，即便不考虑政府寻租问题，在多数国家出现政府投入产出效率低的现象就并不奇怪。因此，创新政策的制定需要更多考虑如何有效实施“激励”和“监管”。

与政府投入和经济自由度相比，FDI投资、产业结构在三组模型中的作用均不显著。这可能是由于我们所选择的24个观察对象，除了中国、俄罗斯、南非属于金砖国家，其他都属于发达国家，FDI投资和产业结构对创新活动的影响已经不再显著，对产出效率也不再产生显著作用。

贸易开放度对模型1的基础研究产出效率和模型2的技术发明产出效率并无显著影响，但对模型3的综合创新效率作用显著。模型3中的国家如荷兰、爱尔兰、瑞典、比利时、卢森堡、美国、法国、英国等，在国际贸易中占有较高地位。在这些国家中，贸易开放度对创新能够产生更积极的影响，从而获得更好效率。

六、结论与建议

(一)结论：(1)区分了创新活动的三个不同产出方向(基础研究、技术发明、创新成果的商业化)并对其产出效率分别进行评价，在此基础上，对包括美国、德国、日本、英国等24个全球创新领先国家的效率特征的异质性进行研究以识别各国的优势和劣势，从而作为中国的借鉴；(2)利用面板数据回归，对不同类型国家的创新效率影响要素进行分析，重点探讨政府投入、经济自由度、FDI投资、贸易开放度和产业结构对创新效率的影响，结果显示几乎所有类型国家中，政府投入和经济自由度对创新效率影响的重要性；(3)从中国创新发展战略和未来全球竞争的角度看，创新政策的重点应致力于推动创新领域的自由竞争、调整国家研发创新投入方向以切实支持中国经济增长和经济转型，并从整体上提升政府投入的运作效率。

(二)建议:(1)以自由竞争提高研发资源的配置效率。经济的自由竞争都对创新效率具有显著的正向影响，创新效率的提升，与自由竞争密不可分。公共研发资金的巨额投入和快速增长，必然带来国内外利益相关者的激烈博弈。通过政策引导和良好的市场化运作机制，保障公平的竞争环境，通过“市场竞争”培育具有国际竞争力的创新者，应成为创新政策的核心议题之一。国家在配置创新资源时，宜对重大国计民生项目和通用创新项目实行双轨制，通用项目更多实行市场化运作，鼓励企业与大学、国家研究机构合作，共同参与政府研发投入，从而带动对国家经济、社会发展有实质性意义的创新，以良好市场机制保障和引导中国创新的良性发展。(2)调整创新产业方向。不同国家在基础研究、技术发明和知识产权贸易产出上具有各自的优势和劣势，并在不同产出方向上形成更高效率。中国在未来相当长的一段时间内，制造业都将是经济发展的支柱，提高“技术发明”的产出效率对中国未来的技术竞争至关重要。因此，德日韩模式尤其值得中国关注。中国基础研究的产出效率并没有转化为同样的技术发明和知识产权贸易产出效率，基础研究成果在产业发展中的应用还需要进一步提升。政府在其公共研发资金的使用和项目资助中，不应一味以“SCI”论文、“高被引论文”等作为产出导向，向研究者发出过多“跟踪”国际热点的模仿创新信号，而应关注推动科学研究面向“本土问题”的解决，尤其是支撑中国经济发展的应用基础研究，并制定差异化的激励政策，鼓励企业加大研发投入，强化校企合作解决产业发展的共性技术并提高其创新效率。(3)提高政府研发投入资金的运作效率。与自由竞争的作用相反，政府投入占比对创新产出呈显著负面影响或不显著影响，政府研发投入自身的治理机制需要解决。在国家提升创新效率的努力中，应该重点关注国家创新投入的配置机制和治理问题。政府投入的低效率并非中国特色，政府研发投入占比对研发效率的负面影响也不意味着政府不应加大创新投入，而是需要在考虑公共研发投入如何提升其效率，并带动企业等创新主体由“市场”激发创新投入，从而与企业形成合力，从整体上提升国家的创新效率。