创新发展对产业结构优化影响研究

李婧文

(天津财经大学 天津 300222)

一、引言

创新是引领发展的第一动力。掌握创新就是发展，追求创新就是追求未来。发展的前提是创新。党的十九大报告中更是指出，创新作为新时代新发展理念之一，对我国经济高质量发展有着举足轻重的作用。蓬勃的创新发展有助于提高科学技术对经济和社会发展的支撑力以及对经济增长的贡献率，从而使中国从一个科技大国转变为一个科技强国。在中国工业化进程中，产业结构优化和转型是中国经济高速增长的主要原因之一。不同部门生产要素的合理配置，以及同一部门技术进步与效率的提高，使得产业结构向更合理更高级的方向转变，进而推动我国经济高速且高质量增长。而创新与产业结构的关系更是复杂，一方面，创新发展可以推动科技进步，使得技术得到优化，效率得到提升；另一方面，产业结构的升级倒逼企业进行创新活动，以便于在竞争更为激烈的市场中生存。

二、基础指标选取

(一)创新指标选取

为避免单个创新指标的片面性，本文拟从三个维度建立创新指标评价体系，对其进行综合评价，进而得到创新综合指标。每个维度的基础指标选取如下：

1.创新投入指标：研究与实验发展(R&D)经费投入强度、R&D人员投入力度。其中，研究与实验发展(R&D)经费投入强度为R&D经费支出与总GDP之比；R&D人员投入力度=R&D人员数/全部从业人员数。

2.创新产出指标：人均专利占有量、技术市场成交额占比。其中人均专利占有量的计算方式为国内三种专利授权数占总人口的比重；技术市场成交额占比为技术市场的总成交额占国民生产总值(GDP)的比重。

3.创新贡献指标：高新技术创收度采用高技术产业销售收入占国民生产总值(GDP)的比重来衡量。

(二)产业结构指标选取

(三)控制变量指标选取

1.人力资本：关于人力资本的测算方式，本文采用平均受教育年限来衡量人力资本，计算方式为：人力资本=小学生人口占总人口比重*6+初中生人口数占总人口比重*9+高中生人口数占总人口比重*12+大学生人口数占总人口比重*16。

2.城镇化率：使用各省份城镇人口数与总人口数之比来衡量。

三、创新综合指标计算

本文采取全局主成分分析法对创新指标进行测度。主成分分析法作为一种综合评价方法，其评价原理是对指标进行客观赋权，因此其评价结果具备客观性的特点，同时可以获得指标体系的各个维度与总指标的关系。而区别于传统的经典主成分分析法，时序全局但是由于经典主成分分析采用的是横截面数据，既存在每年度分别进行主成分分析后结果无法比较的缺陷，也无法反应指标体系总体在时间维度上的动态变化。因此，本文在经典主成分的基础上，使用包含指标、空间、时间的三维时序立体数据表，即将横截面数据按时间顺序排列，进行时序全局主成分分析。

首先进行全局主成分分析适用性检验，即KMO和Bartlett检验，目的是检验个指标之间的独立性。检验结果KMO为0.798，Bartlett检验的p值为0小于0.05，拒绝原假设，认为各指标之间不是相互独立的，可以进行全局主成分分析。同时为了消除量纲的影响，采用z-core法对各指标进行标准化处理，本文所选指标皆为正向指标，可以保证各指标对总指标影响的一致性。利用spss提取主成分，可知第一第二主成分的方差贡献率分别为73.241%，15.282%，累计方差贡献率为88.523%超过85%，认为这两个主成分可以解释指标中的大部分信息。故此次主成分分析提取两个主成分。根据两个主城分的特征值确定其权重，进而得到综合评价指数为：

innovation=(λ1F1+λ2F2)/(λ1+λ2)

(1)

其中，innovation为创新总指标，λ1、λ2分别为两个主成分的方差贡献率，F1、F2分别为两个主成分。测度结果大于0的省份证明其创新指数超过了平均值，相反，小于0的省份说明其创新指数低于平均水平。

通过全局主成分分析结果可知，2002年综合得分前五的省份为北京、天津、上海、广东、陕西；到了2010年综合得分前五的省份北京、上海、江苏、广东、天津；而到了2017年为北京、上海、广东、江苏、天津。2002年-2017年以来北京的创新指数一直位居榜首，前五名的排名变化不大，靠前的多为zhong中东部一线城市。对于排名较低的省份，2002年为西藏、海南、新疆、广西、内蒙古；2010年为西藏、海南、新疆、云南、内蒙古；2017年西藏、新疆、海南、内蒙古、云南。变化也不大，这些省份多受制于地理位置以及教育水平，创新水平不高。

为进一步观察我国2002-2017年创新指数的空间分布及动态演变情况，对其进行kernel密度估计分析，通过对比2002、2010、2017年度的核密度曲线来观察我国创新发展水平的分布情况。如图1所示。

从全国范围来看，核密度曲线逐渐向右移动，说明我国创新发展水平逐年不断提升，2002年核密度曲线波峰高度最高，宽度较窄说明此时我国创新发展水平的省间差异较小，出现明显右拖尾分布，且出现多峰，说明2002年我国整体省间差异虽然不大，但存在较为严重的多极化现象，一线城市如北京、上海等的创新水平与其他省份绝对差异明显。与2002年相比，2010年的核密度曲线波峰高度降低，宽度扩大，说明此时创新水平的聚集程度有所降低，省际差异扩大，仍存在显著右拖尾现象，但较2002年，多极化现象有所改善。与2010年相比，2017年核密度曲线波峰再度降低，宽度扩大明显，省际差异再度扩大，依然有右拖尾现象，由多极化分布转为两极化分布，存在明显的创新水平省际赶超效应。整体来看，我国创新水平不断提升，省际差异情况在不断扩大，部分省份提升明显，逐渐追上创新水平高的省份，多极化效果也逐渐减弱。说明我国创新发展态势良好。

四、创新水平对产业结构优化影响的实证研究

(一)模型的建立

本文选取产业结构合理化、产业结构高度化为被解释变量，创新综合指数为核心解释变量，人力资本和城镇化率为控制变量，研究创新发展对产业结构优化的影响。基于基础指标建立面板数据，使用stata进行计量分析，考虑到面板数据随机扰动项存在异方差，采用聚类标准误进行估计。

初步建立模型如下：

rit=β0+β1innovationit+β3humanit+β4urbanit+λi+θt+εit

(2)

hit=α0+α1innovationit+α3humanit+α4urbanit+ξi+φt+μit

(3)

其中，r为产业结构合理化，h为产业结构高度化，innovation为创新综合指数，human为人力资本，urban为城镇化率，λi、ξi为个体固定效应θt、φt为时间固定效应，εit、μit为随机扰动项。

(二)模型的估计

首先对模型进行hausman检验，结果p值等于0小于0.05，故采用固定效应进行估计。运用stata对其进行回归，结果如表1所示：

表1 回归结果

由表1可知，回归结果(1)为创新对产业结构合理化影响，可以发现创新对产业结构合理化存在正向的影响，影响系数为1.3，也就是说创新指数每增加1单位会引起产业结构合理化指数增加1.3单位，其结果在1%显著水平下显著。回归结果(2)加入了控制变量和时间固定效应，其系数为1.686，依然在5%水平下显著。可得知创新的发展对产业结构合理化有显著的正向作用，会促进各产业资源合理配置，协调发展。同理，回归结果(3)和(4)分别为不加入和加入控制变量和时间固定效应的情况下的回归结果，均发现创新对产业结构高度化有显著的正向作用，系数分别为2.587和1.672，分别在1%和10%的水平下显著。

综上，创新发展对产业结构优化的两个指数产业结构合理化和产业结构高度化均存在显著的正向效应，即创新的提升有助于我国产业结构向更协调更高水平升级。

五、结论与建议

(一)主要结论

①2002-2017年创新综合指数排名靠前以及靠后的省份变化都不大，靠前的多为中东部一线城市，而靠后的多为西部省份。

②由核密度曲线得知，我国创新水平省际差异变大，但多极化现象改善明显，并且部分省份创新发展较快，存在赶超效应。总体而言，我国创新发展态势良好，但仍有进步空间。

③创新对产业结构合理化和产业结构高度化均存在显著的正向影响效果。

(二)政策建议

①政府应大力推动我国创新发展，对从事科研、科技创新活动的高校及企业予以政策和补贴支持。

②我国应密切关注产业结构调整，促进产业转型升级，加大对新兴产业的扶持力度，扩大高新技术产业产业比重。