京津冀创新资源配置与经济增长关系的实证研究

张宏 王雪晨

摘  要： 利用2008—2018年有关数据，通过单位根检验和模型设定检验，建立固定效应变系数面板数据模型，对创新资源配置与经济增长之间的长期均衡关系进行实证分析。研究表明：创新资源配置对经济发展具有明显的促进作用，创新人力资源投入的产出弹性大于创新物质资源和创新知识资源投入的产出弹性;在三种创新资源投入要素的弹性系数中，北京和天津呈现三高特征，河北则呈现三低特征。基于此，在制定政策时需要充分考虑创新资源配置与经济增长的互动关系，各地区在加大投入力度的同时，更应注重创新人员数量与质量的提升，着重提高其投入—产出绩效。

关键词： 创新资源  京津冀  经济增长  面板数据

一、引言

近年来，将创新资源配置将转化为现实发展的内在动机成为国家部署的重点任务。十九大报告指出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。创新成为了经济增长的重要推手，而创新资源的配置情况会直接影响区域创新能力的高低。因此，本文从京津冀三个地区创新资源配置情况入手，根据知识资源、人力资源和物力资源的配置情况选取5个指标，分别纳入创新资源配置影响经济增长的模型中，研究京津冀地区创新资源配置与经济增长之间的关系。

近年来，国内学者在创新对经济增长影响方面的研究层出不穷，且多从实证角度出发。胡恩华等（2006）利用1991—2003年的历史数据进行分析，结果表明科技投入对经济发展的促进作用有一定的滞后性＼[1＼]。张顺（2006）运用向量自回归（VAR）模型得出R&D投入增加推动了经济的增长＼[2＼]。卢方元、靳丹丹（2011）分别建立GDP与R&D经费投入以及GDP与R&D人员投入之间的固定效应变系数模型，结果得出R&D投入对经济发展具有明显的促进作用＼[3＼]。冯云廷、计利群（2020）以15个副省级城市为例，采用变截距模型和控制地区因素变系数模型研究技术创新与城市经济增长波动之间的关系的关系，认为技术创新是城市经济稳定增长的关键＼[4＼]。李新安（2020）以河南省为例，分别对全要素生产率和创新基础、投入、产出、制度的指数进行测算，通过计量模型分析得出区域创新能力与经济发展质量之间存在较为显著的长期均衡因果关系＼[5＼]。

通过对创新与经济增长已有文献的回顾与梳理不难发现，针对创新的研究不断出现新内容、新视角、新方法，研究的领域不断拓展，研究的深度也不断增加。然而，关于京津冀地区创新资源配置对经济增长影响的研究文献较少，所以本文将选取这三个地区的数据，进行面板数据的实证检验，从而分析创新资源配置对京津冀地区经济增长影响的区域差异。

二、指标选取与数据来源说明

本文主要研究京津冀地区创新资源配置对经济增长影响，因此指标选取主要来自创新资源配置和经济增长两个方面。在衡量地区经济实力时，通常使用地区的生产总值GDP。因此，本文选取京津冀地区的国内生产总值GDP（亿元）作为被解释变量指标。在地区创新资源配置方面，从知识资源、人力资源和物力资源三个方面入手共选取了5个指标，分别是专利授权总量（万项）、R&D活动人员数量（万人年）、本科以上毕业生数量（万人年）、科学技术一般公共预算支出（亿元）和研究与试验发展R&D经费支出（亿元）。其中专利授权总量（万项），用来表示知识资源的投入水平;R&D活动人员数量（万人年）和本科以上毕业生数量（万人年），用来表示人力资源的投入水平;科学技术一般公共预算支出（亿元）和研究与试验发展R&D经费，用来表示物力资源的投入水平。

以上指标数据选取的年份为2008-2018。其中，各地区的专利授权总量、R&D活动人员数量和研究与试验发展R&D经费支出的有关数据来源于《中国科技统计年鉴》;京津冀地区本科以上毕业生数量（万人年）、科学技术一般公共预算支出（亿元）以及地区生产总值数据来源于《北京统计年鉴》《河北经济年鉴》和《天津统计年鉴》。

三、实证分析

（一）模型选择与设定

面板数据模型是截面数据与时间序列数据综合起来的一种计量经济模型，可以分析同一时间点不同截面上的经济特征，更好地反映经济结构特征，提高动态分析的可靠性。面板数据模型的一般形式如下：[BF]Yi，t=αi，t+βi，tXi，t+εi，t，i=1，2，…，N;t=1，2，3，…[BFQ]

该模型表示k个经济指标在i个个体及t个时间点上的变动关系，其中i表示个体截面成员的个数，t表示每个截面成员的观测时期总数，参数[BF]αi，t[BFQ]表示模型的常数项，[BF]βi，t[BFQ]表示对应于解释变量向量[BF]Xi，t[BFQ]，t的k×1维系数向量，k表示解释变量个数。随机误差项[BF]εi，t[BFQ]相互独立，且满足零均值、等方差为[BF]σ2u[BFQ]的假设。该模型常有变截距模型[BF]（αi≠αj，βi≠βj）[BFQ]、变系数模型[BF]（αi≠αj，βi≠βj）[BFQ]、混合回归模型[BF]（αi=αj，βi=βj）[BFQ]＼[6＼]。

本文研究选取人力资源、知识资源和物力资源三个方面的指标，衡量各种要素投入对京、津、冀各区域经济增长的影响。选择专利授权总量（万项）作为衡量知识资源配置的指标，R&D活动人员数量（万人年）和本科以上毕业生数量（万人年）总量作为衡量创新人力资源配置指標，科学技术一般公共预算支出（亿元）和研究与试验发展R&D经费支出（亿元）总量作为衡量创新物质资源配置指标，衡量经济增长的指标为国内生产总值GDP（亿元）。由于上述变量数据是绝对量，所以进行对数处理，消除异方差的影响，本研究面板据模型的解析表达式为：

模型1：[BF]ln（GDPi，t）=c1+α1i+β1iln（Zi，t）+ε1i，t，t=1，2，3;t=1，2，3…T[BFQ]

模型2：[BF]ln（GDPi，t）=c2+α2i+β2iln（Ri，t）+ε2i，t，t=1，2，3;t=1，2，3…T[BFQ]

模型3：[BF]ln（GDPi，t）=c3+α3i+β3iln（Qi，t）+ε3i，t，t=1，2，3;t=1，2，3…T[BFQ]

其中，Z表示专利授权总量（万项），R表示R&D活动人员数量（万人年）和本科以上毕业生数量（万人年）的总数、Q表示科学技术一般公共预算支出（亿元）和研究与试验发展R&D经费支出（亿元）的总数。下标（i，t）表示第i个观测单元第t期的相应指标。[BF]εi，t[BFQ]为满足[BF]E（εi，t）=0[BFQ]和[BF]var（εi，t）=σ2u[BFQ]的随机扰动项。

（二）单位根检验

为了避免出现“伪回归”状况，通常需要进行数据平稳性检验。面板数据平稳性检验主要为单位根检验，包括6种检验方法，其中LLC检验、Breitung检验、Hadri检验是含有相同单位根的检验方法，IPS检验、Fisher-ADF检验和Fisher-PP检验是含有不同单位根的检验方法。LLC检验、Breitung检验、IPS检验、Fisher-ADF检验和Fisher-PP检验的原假设均为含有单位根;Hadri检验原假设为不含有单位根＼[7＼]。本文采用LLC检验和Fisher-PP检验方法，分别检验是否存在同质单位根和异质单位根。运用Eviews80分别对面板数据lnGDP、lnZ、lnR和lnQ进行检验，表1给出了两种检验方法的结果。lnGDP、lnZ和lnQ在1%的显著水平下是平稳变量，lnR为非平稳变量，对lnR进行一阶差分，检验结果通过，说明lnR是一阶单整变量。

（三）模型设定检验

面板数据模型根据影响形式分为固定效应模型和随机效应模型，根据模型形式，分为既无个体影响又无结构变化的混合模型、有个体影响但无结构变化的变截距模型和既有个体影响又有结构变化的变系数模型，一般使用协方差分析检验判断回归模型形式＼[8＼]。对于影响形式，通常使用Hausman检验，该检验的原假设为模型为随机效应模型。对于模型形式的检验，通常需要人工构造统计量。

本文通过构建Lr检验统计量判断模型形式：[BF]Lr=2（Lr1-Lr2）[BFQ]，lnLr1为无约束条件下最大似然估计值， lnLR2为有约束条件下最大似然估计值，LR服从自由度为（i+t+ki-k-2）的卡方分布，统计量原假设为不变系数模型。如果拒绝原假设，则为变系数模型。

根据2008—2018年京、津、冀的lnGDP、lnZ、lnR和lnQ的面板数据，使用Eviews80进行hansman检验及估计，确定lnGDP与lnZ、lnGDP与lnR、lnGDP与lnQ之间应建立固定效应变系数模型，模型1、2、3设定准确。

（四）回归结果分析

本文采用ls最小二乘法分别对模型1、模型2、模型3的参数进行估计，得到如表2、表3和表4所示的结果。

根据表2，可以得出模型1的估计方程：[BF]ln（GDPi，t）=53104+α1+β1ln（Zi，t），R2=09928，F=3718801[BFQ]

由R2和F的值可知，模型1拟合优度很高且总体线性关系显著。各地區lnZ系数[BF]α1[BFQ]均能通过t检验，表明创新知识资源投入对经济增长的影响显著。模型1中截距项代表的是经济增长中不能被知识资源投入所解释的部分，其值越大，表明投入要素对经济增长的促进作用越大。其中，53104反映京津冀总体知识资源投入产出效果的整体水平，截距的固定影响参数[BF]α1[BFQ]反映京津冀之间的差异，lnZ的系数[BF]β1[BFQ]表现为京津冀知识资源投入产出弹性系数，反映了知识资源投入对经济增长的影响效果。

从表2看出：①河北的截距项最大，其次是北京，说明这两个地区在经济增长上受知识资源投入之外的综合因素影响较大，天津则较为稳定。②知识资源投入对经济影响最大的是北京，其次是天津，最后是河北。北京和天津知识资源投入弹性系数都在07-08范围内，说明知识资源投入对这两个地区的经济增长的影响处于中等水平，河北省的知识资源投入弹性系数在06以下，说明知识资源投入的经济效果较差。

模型2拟合也很好，且各地区lnR对lnGDP影响显著。从表3可以看出：①北京的截距项最大，其次是河北，天津的截距项最小，说明北京和河北在经济增长上受人力资源投入之外的综合因素影响较大，天津则较为稳定。②人力资源投入对经济影响最大的是北京，其次是天津，最后是河北，北京和天津人力资源投入弹性系数都在14以上，说明人力资源投入对这两个地区的经济增长有很好的促进作用，河北省的人力资源投入弹性系数在为09，说明人力资源投入对经济增长的促进效果较好。

模型3拟合很好，且物质资源投入对各地区经济增长影响显著。从表4可以看出：①河北的截距项最大，其次是北京和天津，说明河北的经济增长受物质资源投入之外的综合因素影响较大，北京和天津则较为稳定。②从弹性系数上看，物质资源投入对经济影响最大的是天津，其次是北京，最后是河北，但是京津冀物质资源投入弹性系数都在06以下，说明物质资源投入对京津冀地区的经济增长促进作用较差。

综合考虑，从创新资源分配角度，创新人力资源投入对京津冀经济增长的促进作用最为明显，创新知识资源投入和创新物质资源投入的影响程度相对较低;从创新资源投入产出稳定性角度，北京和河北的创新资源投入对经济增长促进作用不稳定，这两个地区经济受其他因素影响的可能性较大，对于天津，创新资源投入对经济增长促进作用较为稳定;从各地区特征分析，对于北京和天津，创新人力资源投入产出效果最好，其次是知识资源，最后是物质资源。对于河北，创新资源的投入产出效果并不明显。

四、结论与建议

第一，京津冀地区创新资源配置与经济增长之间存在显著关系，创新人力资源、知识资源和物力资源的投入能够推动京津冀地区经济持续增长。因此，在制定政策时需要充分考虑创新资源配置与经济增长的互动关系。在大幅度增加创新资源投入的同时，要保持合理的资源投入结构，实现资源的优化配置，提高对知识资源、人力资源和物力资源的有效利用，使创新资源的投入更有效地促进GDP的增长。

第二，京津冀总体上创新人力资源投入的产出弹性大于知识资源和物力资源的投入产出弹性，即京津冀地区创新人力资源投入对经济增长的影响程度高于知识资源和物力资源投入对经济增长的影响程度。因此，各地区在加大知识资源和物质资源投入力度的同时更应注重创新人员数量与质量的提升。一方面，建立科学合理的创新人才培养机制;另一方面，建立和完善各种激励机制，最大限度地激发创新人才的激情和潜能。

第三，京、津、冀三个地区GDP的增加幅度都小于创新知识资源和物质资源的增加幅度。这在一定程度上表明这两种资源配置在直接促进经济增长的过程中存在一定的时滞效应，即京津冀地区创新人力资源和物质资源的投入增长尚不能在短时期内迅速转化为生产力。因此，在加大京津冀创新资源知识资源和物质资源投入的同时，应着重提高其投入—产出绩效。

第四，创新资源配置对经济增长的影响程度在三地之间存在较大差异。北京和天津创新人力资源投入弹性系数远高于河北，因此，河北要重点关注创新人才引进和培养平台建设。北京和天津地区创新资源配置处于较高水平，但是主要为人力资源的推动作用较大，知识资源和物质资源的转化效率仍需进一步提高。因此，北京和天津应进一步优化创新投入结构，大力提高知识资源和物质资源转化效率。

参考文献：

＼[1＼][ZK（#]胡恩华，刘洪，张龙我国科技投入经济效果的实证研究＼[J＼]科研管理，2006（4）

＼[2＼]张顺科技投入與经济增长动态关系研究＼[J＼]商业研究，2006（13）

＼[3＼]卢方元，靳丹丹我国R&D投入对经济增长的影响——基于面板数据的实证分析＼[J＼]中国工业经济，2011（3）

＼[4＼]冯云廷，计利群技术创新与城市经济增长波动——基于我国15个副省级城市面板数据的实证研究＼[J＼]工业技术经济，2020，39（1）

＼[5＼]李新安区域创新能力对经济发展质量提升的驱动作用研究＼[J＼]区域经济评论，2020（2）

（张宏、王雪晨，北京建筑大学城市经济与管理学院）[FL）