科技创新对中国经济高质量发展的影响研究——基于省际面板数据的实证

周德田， 冯超彩

（中国石油大学（华东）经济管理学院，山东青岛 266580）

现阶段，中国经济已由高速增长阶段转向高质量发展阶段，这意味着中国经济开始迈向新时代. 高质量发展将成为当前乃至未来中国经济建设的主题. 而创新是高质量发展的动力源泉. 2018年，中国研究与试验发展（R&D）经费支出为19 657亿元，比上年增长11.6%；高新技术企业达到18.1万家. 然而，目前中国与创新型国家之间仍存在差距. 科技创新理念的缺失、人才的缺乏、源动力不足等是新常态下制约经济增长的瓶颈［1］. 为此，中国各级政府致力于支持建设高水平创新平台，推行“大众创业、万众创新”政策；各省市纷纷出台新政策，提高科技创新水平，进而推动区域经济高质量发展. 而受技术引进过程中机会成本和逆向溢出等因素的影响，学者研究发现科技创新投入的大规模增长并没有带来经济增长质量的提升［2］. 因此，研究如何通过科技创新提高中国经济发展质量成为一个有待深入探讨的问题.

1 文献综述

关于科技创新问题，1912年约瑟夫·熊彼特出版《经济发展理论》，开创了创新理论，对主流经济学产生了重要影响［3］. Romer提出新经济增长理论，强调科技创新是经济增长的长期动力［4］. 之后学者围绕科技创新的影响因素、效率测算和影响作用等展开研究. Paula 等通过随机效应概率模型，研究发现组织创新、内部研发和外包创新实践对技术创新成果具有积极影响［5］. 肖美丹等运用DEA模型和Malmquist指数分解法测算发现在2010—2017年河南省大部分市区技术创新综合效率呈上升趋势［6］. 熊曦等通过构建嵌套并联结构的两阶段网络DEA模型，衡量了14所中科院院属单位整体效率以及科技成果研发阶段和转化阶段的子效率［7］.付宏等研究发现R&D 经费投入每增加1%，产业结构高级化增加0.56%［8］. 李翔和邓峰采用空间杜宾模型和面板门槛模型，得出了科技创新对经济增长呈现显著的正向影响，而且能够释放产业结构红利，推动产业链升级的结论［9］.

随着中国经济追求高质量发展，更多学者开始关注科技创新对经济发展质量的影响. 大多数学者认为科技创新能够促进经济高质量发展. Harald&Magnus研究发现与信息通讯技术相比，短期内研发投入对全要素生产率的影响更大［10］. Song 等通过计算中国绿色GDP及增长率，研究发现研发规模对促进绿色经济增长具有一定的促进作用，存在正滞后效应［11］. 金碚认为创新引领是促进高质量发展的新动力机制，科学发现、技术发明和产业创新是实现高质量发展的关键动因［12］. 王旭等研究发现科技创新的不同因素对区域经济的正向作用不同，其中创新理论产出影响最为显著［13］. 刘思明等基于国家视角，发现创新驱动力对全要素生产率具有积极影响［14］. 胡明晖等聚焦于河南省，从多个创新视角为科技创新推动经济高质量发展提出政策建议［15］. 少量学者的研究表明，科技创新与经济发展质量之间的关系存在不确定性. Ricardo通过构建区域创新系统（RIS），发现RIS子系统并不均匀，且大多数具有负面作用［16］. 叶祥松和刘敬发现在提高全要素生产率上，科学研究在短期内不产生直接影响，技术开发产生抑制作用［2］. 在科技创新对经济质量作用路径的研究方面，葛鹏飞等认为创新能够改善要素配置效率、提高经营规模效率和技术进步［17］. 吴传清和邓明亮发现科技创新主要通过提高生产能力、能源效率和降低环境污染这3个渠道发挥驱动效应［18］.

总的来说，研究科技创新与经济高质量发展的文献较为丰富，但仍存在有待完善之处：一是对于科技创新对经济质量发展的影响仍需明确. 在不同区域之间，科技创新的影响是否存在显著差异. 二是在科技创新是如何影响经济发展质量上的实证分析尚不完善，没有很好阐明科技创新的影响作用路径. 基于此，本文在已有研究的基础上，以2011—2017 年中国的30 个省份的面板数据为研究样本（因数据缺失，未选取港、澳、台和西藏），通过构造科技创新综合指数衡量地区科技创新水平，实证研究科技创新对经济发展质量的影响，为科技创新和经济高质量发展提供政策依据.

2 理论分析与研究假设

目前，科技创新对经济质量的影响可以通过技术创新理论和内生经济增长理论来解释. 技术创新理论强调了技术创新对国家经济发展的重要性. 熊彼特认为，创新建立了一种新形式的生产函数，把从来没有过的关于生产要素和生产条件的新组合引入生产体系，包括推出新产品、采用新工艺、开辟新市场、获得新供应商、形成新的组织形式. 技术创新能够提高资源配置效率，采用新工艺或设备，制造出新产品，能够增加产量和提高质量，促进经济的高质量发展. 内生经济增长理论把技术进步作为经济增长的内生动力，同时考虑知识积累和人力资本积累等要素，技术更新越快、知识积累越强和人力资本水平越高，地区经济增长和国民收入水平越高. 可见，科技创新对经济质量具有促进作用. 根据《中国区域科技创新评价报告2018》，中国各地区的科技创新能力有所差距. 上海、北京、天津、广东、江苏和浙江的科技创新水平指数高于全国平均水平（69.63%），而云南、贵州和新疆等则低于50%. 不同水平的科技创新对经济发展质量的影响有所区别. 因此，本文提出以下理论假设.

H1：科技创新对经济高质量发展的影响是正效应且存在区域异质性.

在作用路径上，科技创新对经济质量的影响可能表现在以下方面：第一，科技创新表现为引进先进技术和工艺，进而促进地区产品创新，提高产品的质量. 产品质量进一步影响到生产的投入与产出，作用于全要素生产率. 第二，科技创新有助于实现技术更新升级，提高能源利用效率，降低能源使用量，逐步实现生产的低耗能. 第三，新工艺和组织形式有可能会影响生产流程中废弃物等的排放，改善环境质量，改变全要素生产率. 因此，本文提出第二个理论假设.

H2：科技创新通过改变产品质量、能源效率和降低环境污染影响经济发展质量.

3 模型设定和变量选择

3.1 模型设定

为研究科技创新对经济质量的影响，本文首先针对假设H1建构了如下基准模型：

其中，i 为中国30 个省份截面单位；t 为时间；tfp 表示各地区的经济高质量发展程度；ti 表示科技创新水平；X为相关控制变量；β0～β2为待估系数；ε为随机扰动项. 此外，考虑到经济高质量发展和全要素生产率在时间上存在一定的连续性，在模型（1）中加入滞后一期的经济高质量发展，得到动态面板回归模型（2），如下所示：

3.2 变量说明

3.2.1 经济高质量发展 本文的被解释变量是经济高质量发展程度（tfp），目前并没有形成统一的测量方法，但多数文献认为经济高质量发展的关键在于经济效率的提高［14］. 因此本文采取全要素生产率衡量经济高质量发展程度，运用DEAP2.0软件和DEA-BCC 模型进行测算. 假设规模报酬不变，同时考虑能源投入，C-D生产函数可以拓展为：

式中：Y为总产出；K为资本投入；L为劳动投入；E为能源投入；α为资本产出弹性；β为劳动产出弹性；1-α-β为能源产出弹性；A表示全要素生产率. 则各省份在不同时期的全要素生产率（tfpit）可表示为：

其中，总产出（Yit）选取各区域地区生产总值，根据GDP平减指数将各区域名义GDP转换为以2011年为不变价格的实际GDP. 资本投入（K）参考单豪杰［19］的“永续盘存法”估算出各省资本存量. 劳动投入（L）用各省城镇单位就业人员表示；能源投入（E）用能源消费量表示. 在规模报酬不变的方式下，对30个省份2011—2017年的全要素生产率进行测算.

3.2.2 科技创新水平 本文构建科技创新综合指标体系来衡量科技创新水平. 在以前学者研究成果［14，20］基础上，构建了科技创新综合指标体系（见表1），包括创新资源（ir）、创新投入（rd）、创新转化（it）和创新成果（io）4 个一级指标和10 个二级指标. 参考杨丽［21］的方法，采取客观赋权的熵值法确定单个二级指标权重.各指标权重如表1所示.

表1 科技创新综合指标体系Tab.1 Comprehensive index system of technological innovation

3.2.3 控制变量 基于数据的可得性，本文选取以下指标作为控制变量：①经济发展水平（gdppc），采用人均GDP表示，单位为万元/人. ②产业结构（ser），用工业增加值占GDP的比重表示. ③对外开放（open），用地区进出口总额与地区生产总值之比表示. ④人力资本（lab），作为知识和技能的载体，高素质人力资源可以为企业提供智力支持，用科技就业人员平均工资水平表示. ⑤教育投入（edu），选取教育支出占财政支出的比重表示. 根据上述变量的选取，模型（1）可以写为

相应的动态面板回归模型为

3.3 数据来源

受数据年限缺失的限制，本文选取了2011—2017年中国30个省份的相关数据进行实证分析. 各变量的原始数据来源于国家统计局、《中国统计年鉴》、《中国人口和就业统计年鉴》、《中国科技统计年鉴》、《中国能源统计年鉴》和各省份的统计年鉴及统计公报等.

4 实证分析

4.1 整体回归结果及分析

本文利用2011—2017年30个省市的面板数据对模型（5）和模型（6）进行参数估计. 对于模型（5），由于随机扰动项存在组间异方差性和组内一阶自相关，采用可行广义最小二乘法（FGLS）进行参数估计. 对于模型（6），考虑到内生性问题，采取系统广义矩估计（GMM）方法进行参数估计，并且对其进行自回归（AR）和Sargan检验，以判断扰动项相关性和工具变量有效性. 基于此，本文验证科技创新对中国经济高质量发展的影响，并对实证结果进行稳健性检验. 基准模型回归结果如表2所示.

重点关注科技创新水平的系数和显著性，FGLS的估计结果显示，科技创新水平的系数是0.036，通过了10%的显著性水平，即科技创新每进步1%，则使经济高质量发展改善0.036%. 观察系统GMM模型可以发现，模型通过了自回归（AR）和工具变量有效性的检验，同时系统GMM估计的滞后一阶的全要素生产率（L.ln tfp）系数估计值是大于固定效应回归、小于混合面板回归的，根据Bond提出的检验方法［22］，该模型通过了稳健性检验. 其滞后的被解释变量的系数是显著为正的，说明全要素生产率会受到前期水平的影响，存在一定的滞后效应. 在系统GMM估计下，科技创新水平的系数显著为正，进一步证明了假设H1的正确性，即科技创新对经济高质量发展起促进作用. 通过科技创新水平系数的比较，可以发现FGLS 估计在没有考虑前期经济发展质量的情况下，高估了科技创新的经济影响.

表2 整体回归结果Tab.2 Overall regression results

4.2 分地区回归分析

利用指标权重，计算得到2011年和2017年30个省市的科技创新水平（图1）. 在2011—2017年期间，各省市的科技创新水平有所提高. 从均值看，科技创新水平位居前五名的分别是广东、江苏、北京、上海和浙江，均处于东部沿海地区. 其中广东省科技创新水平的增长幅度最大，主要是因为广东省在科技创新上投入力度较大. 根据30 个省市的地区划分，中国四大经济区域科技创新水平变化情况如图2 所示. 可以发现，四大经济区域在科技创新水平上存在较大差距. 其中，东部地区的科技创新水平最强，远高于其他三个地区. 位于中等水平的是中部地区，7年的平均科技创新水平为0.105 5；而西部地区的平均科技创新水平较弱，略低于东北地区. 从变化趋势来看，东部地区、中部地区和西部地区呈现上升的趋势，而东北地区的科技创新水平处于波动状态. 这反映出我国区域科技创新能力不平衡，整体水平有待提高.

图1 2011和2017年各省市科技创新水平Fig.1 Technological innovation level of provinces in 2011 and 2017

图2 2011—2017年中国地区科技创新水平变化情况Fig.2 Changes of technological innovation in China from 2011 to 2017

从以上分析可知，四大经济区域之间的科技创新水平有很大的不同，这可能使得科技创新对经济发展质量的影响存在区域异质性. 因此，本文利用FGLS和系统GMM分别对西部、中部、东北和东部四个区域进行估计. 因系统GMM估计部分变量系数省略，本文只报告FGLS模型估计结果，如表3所示. 在中部地区和东部地区，科技创新水平的估计系数显著为正，说明科技创新对地区经济高质量发展起到了促进作用，且中部地区科技创新所起的积极作用更大，这可能是因为中部地区各省份科技创新水平比较均衡，科技创新成果转化较好. 而在西部地区和东北地区，科技创新水平的估计系数较小，且没有通过显著性水平检验，说明在西部和东北地区，科技创新对地区经济高质量发展的促进作用还没有很好地发挥出来，地方政府应积极贯彻落实创新驱动发展战略，发挥科技创新的经济作用. 可以发现，科技创新对经济发展质量的影响在不同区域存在差异，具有区域异质性.

表3 分地区回归结果Tab.3 Regression results by region

4.3 作用路径回归分析

通过前面的分析可知，科技创新会对经济高质量发展产生影响作用. 那么，其影响的作用路径是怎样的？本文在基准模型中纳入中介变量（MV）和科技创新的交互项，分析科技创新对经济发展质量的影响路径. 其作用路径模型可以写为：

基于假设H2，本文的中介变量（MV）分别为产品质量、能源效率和环境状况，进而分析科技创新是否通过这些方面间接影响经济发展质量. 其中，产品质量（quality）用产品质量优等品率来表示；能源效率（eff）用单位能源消耗的实际GDP（2011年的不变价格）来表示；环境状况（SO2）采用二氧化硫排放量来表示. 部分缺失数据采用插值法或均值替代法进行补充. 作用路径回归结果如表4所示. 观察表4的第1列和第2列，科技创新通过产品质量来影响经济高质量发展. 科技创新与产品质量的交互项的系数是显著为正的，即科技创新在产品质量提高的作用下对经济高质量发展产生了积极影响. 在能源效率上，科技创新水平（ln ti）与能源效率的交互项为负值，且没有通过10%的显著性检验，可见能源效率的中介效应并不显著. 在环境状况方面，科技创新水平的估计系数显著为正，其与SO2的交互项的系数是负的，且通过了显著性水平检验，说明科技创新能够随污染物排放的减少对经济高质量发展产生影响. 可以发现，科技创新通过产品质量和环境状况来影响经济高质量发展，假设H2部分成立.

表4 作用路径回归结果Tab.4 Regression results by function route

5 结论及政策建议

本文利用2011—2017年中国30个省份的数据，通过测算地区科技创新水平和全要素生产率，分析了科技创新对中国经济高质量发展的影响和作用路径. 研究发现：第一，科技创新水平促进了中国经济的高质量发展，创新驱动发展战略在高质量发展过程中起支撑引领作用. 且科技创新对经济质量的影响在不同区域之间存在差异. 在中部地区和东部地区，科技创新对地区经济高质量发展起到了积极影响；在西部地区和东北地区，科技创新对地区经济高质量发展的影响作用并不显著. 第二，作用路径分析表明，科技创新能够通过提高产品质量和降低环境污染促进经济的高质量发展.

本文的研究结论对进一步发展科技创新、促进区域经济高质量发展具有如下启示：

1）提高科技创新水平，以创新驱动引领经济高质量发展. 经实证研究发现，科技创新会促进经济的高质量发展，所以要注重提高科技创新水平. 政府要继续营造“大众创业、万众创新”的创新环境，重视科学技术教育，培养和吸引科技创新人才. 企业要适当加强科技创新的投入，通过创新科技成果奖励政策、建立科技成果转化平台等举措，有效促进科技创新水平的提高.

2）针对不同区域，政府应因地制宜，合理制定科技创新政策. 对于中部和东部地区，要保持经济发展水平，更好的改善科技创新环境，缩小区域内科技创新水平的差距，促进技术创新质量的提升；对于西部和东北地区，要高度重视科技创新在经济高质量发展中的作用，加强在科技创新方面的投入和人才储备，使创新驱动的作用发挥出来.

3）科技创新能够在产品质量提升、改善环境质量的作用下，更明显的促进经济发展质量的提升. 所以，在企业生产过程中，一方面要不断致力于提高科技创新水平，实现新产品、新工艺，提高产品的优质比；另一方面注重生态环境保护，通过科技创新，提高生产设备的先进性，减少生产过程中废气物等，来实现科技创新对经济高质量发展的驱动作用.