安徽省技术创新、研发投入与经济增长的关系研究

朱 梦 云

(安徽大学 商学院，安徽 合肥 230000)

创新是引领发展的第一要义，工业企业作为实体经济的核心，要以创新驱动经济。自2015年推进“三重一创”建设以来，安徽省委将其作为提升产业高质量发展的主抓手，至2019年中旬拥有超过104家国家级创新平台和合芜蚌国家自主创新示范区。安徽省2018年研发经费全国排名第八，投入强度2.16%，总值高达649亿元，国家知识产权局数据显示，安徽省2018年申请发明专利总量为10.88万件，全国排名第五；1.48万件为授权发明专利，总量排名全国第七位。2004—2018年，工业企业研发投入逐年增加，R&D占GDP的比重快速发展[1]。

一、安徽省技术创新和研发投入的研究背景及现状

学者们对研发投入、技术创新和经济增长的研究主要集中在3个方面：一是对研发投入与技术创新的研究。研究表明，研发投入是影响技术创新的显著因素，且杨昀认为存在滞后性[2-4]；政府R&D补贴能促进技术创新，但随着投入的增加促进作用会减小[5]。二是对研发投入与经济增长的研究。研究表明，研发投入能促进经济增长，王丽芳认为关系是单向的[6-8]；研发投入对经济增长的影响程度受限于地区发展水平[9]。三是对技术创新与经济增长的关系研究。研究表明，存在经济差距的原因主要是资本积累与技术创新[10]；技术创新与经济增长相互影响，且刘利和潘福林认为存在滞后性[11-13]；技术创新对经济的促进作用受地区创新水平的影响[14]。

文章选取安徽省2011—2018年有关技术创新和研发投入的数据进行现状统计分析，得出如下结论(表1)。

表1 描述性分析

根据表1可知，安徽省政府研发投入力度不够，工业企业研发资金多以自筹为主，且逐年大幅度增加。政府投入较少且增加幅度小，8年内企业资金投入均值为295.63亿元，而政府资金投入均值仅18.31亿元。企业研发资金投入最多的为2018年的475.45亿元，当年政府资金仅投入19.89亿元，占比4%。安徽省缺乏创新人才，科研活动人员总数和科研机构活动人员数虽有增加，但近两年增幅皆有所下滑，且后者占前者比例持续扩大，2018年工业企业科技活动人员16.8万人，其中科研机构活动人员数达到13.24万人，这意味着将近80%的科研创新力量在企业之外，主要集中在科研机构和高校。工业企业创新意识不强，缺乏创新精神，安徽省开展创新活动的企业个数均值为3 115个，最大值为4 697个，最小值仅1 375个，虽然创新企业数量在逐步增加，但占全部企业的比例依然不大，2018年开展技术创新活动的企业共有4 468个，占全部企业的比例只有23.8%。企业需要健全对专利权和知识产权的保护，它是创新的重要保证，然而很多中小企业都没有设置专门的保护机构，仅依靠政府和司法部门的保护，力度是不够的。

二、模型选择、研究步骤与变量选取

现有文献多是针对技术创新、研发投入和经济增长3个变量中的某两个进行探讨，同时研究这3个变量的比较少。该文选取安徽省作为研究对象，搜集了2004—2018年规模以上工业企业的时间序列数据，运用向量自回归模型(VAR)研究技术创新、研发投入和经济增长3个变量之间存在的因果关系和长期动态影响关系。

(一)模型选择

当变量间相互影响时，传统回归方法存在很难对变量进行区分的问题。向量自回归模型(VAR)可以完美地解决这一问题，它通过将变量整合在一起作为一个整体进行回归。VAR的基本结构是:

wt=a1wt-1+a2wt-2+…+abwt-p+atxt+zt，其中t=1，2，…，T

(1)

(1)式中，待估计系数矩阵为a1，a2，…，ab和at，内生变量向量是m维的wt，外生变量向量是n维的xt，滞后阶数是p，样本容量是T，zt为白噪声过程。若要确保模型能够反映变量间的最佳动态关系，确定最佳滞后阶数p便成为模型分析之前的必做之事。这种方法不仅可以拥有最小二乘法的优点，还可以进行脉冲响应研究，分析某个变量在某一段时间内冲击另一个变量所造成的响应。

(二)研究步骤

通过VAR模型对2004—2018年内安徽省技术创新、研发投入与经济增长3个变量之间的关系进行实证分析。实证步骤为先分析各变量的平稳性,再分析各变量之间的格兰杰因果关系,最后进行脉冲响应分析与方差分解。

(三)变量选取

文章采用《安徽省统计年鉴》2004—2018年的数据作为样本，将安徽省生产总值(GDP)作为衡量经济增长的指标。选取安徽省对规模以上工业企业的研发投入作为研发投入的指标，即R&D；选取安徽省内规模以上工业企业当年的专利申请数作为技术创新的衡量指标，即PAT。

三、实证分析

文章基于EVIEWS 10对安徽省研发投入、技术创新和经济增长进行实证分析，探讨3者之间存在的动态关系。

(一)ADF单位根检验

大部分原始时间序列数据都不是原序列平稳，如果直接对其进行计量分析可能会导致伪回归的情况，若先对模型中的所有变量都进行稳健性检验即可避免此类情况的发生。如果原序列不平稳，就需要对其进行差分使其平稳。各变量的稳健性检验结果见表2。

表2 ADF单位根检验结果

由表2可知，在显著性水平等于10%时，GDP、PAT和R&D临界值的绝对值都小于其单位根检验值的绝对值。因此，3个变量的数据都是平稳间序列数据，即原序列平稳，无需进行差分使其平稳，变量原数据通过了单位根检验。

(二)模型定阶

若要建立VAR模型，就必须确保检验的可信度，即确定最佳滞后期和满足平稳性要求，两者缺一不可，这样可以保证模型是在最佳自由度上进行的检验，可以极大地提高检验结果的可信度。通过表1可以得出所有变量是原序列平稳的结果，利用无约束VAR模型条件下的FPE、LR、AIC、HQ和SC等统计指标可以确定最佳滞后期，即以*最多的为最有标准(表3)。

表3 VAR模型最佳滞后期结果

由表3可以看出，在滞后阶数为1时，VAR模型里的LR、FPE和SC的值同时达到最小，由此可以确定，此模型的最佳滞后期为1阶。在进行格兰杰因果关系检验之前，需要确定AR根是否稳定，只有AR根稳定，后续的脉冲响应分析和方差分解才是有效的(图1)。

图1 AR根检验结果图

根据图1可知，3个变量的特征根都在单位圆内，由此可以得出模型是稳定的，可以进行后续检验。

(三)格兰杰因果关系检验

上述分析难以有针对性地确定不同变量间的因果路径，为了进一步探究3个变量间的关联性关系，可以对其进行格兰杰因果检验。若检验结果不显著，那么就没有做VAR模型的意义。检验结果见表4。

表4 格兰杰因果检验结果

根据表4可知，格兰杰因果检验在显著性水平等于0.1且滞后期为1时，研发投入变量与经济增长变量互为对方的格兰杰原因，即互为因果；技术创新变量与经济增长变量间存在单向的格兰杰原因，即技术创新是经济增长的格兰杰原因，但反过来却无法产生显著的影响，原因可能在于存在一定的滞后期，影响效果还没有真正完全地显现出来；技术创新变量与研发投入变量互为彼此的格兰杰原因，也存在互为因果的关系。

(四)脉冲响应函数分析

脉冲响应函数分析可用来描述内生变量对某些误差项影响的响应，即将一个标准偏差置于随机误差项上，观察其对内生变量的当前值和未来值的影响幅度，以此来说明随机干扰项如何传播到每个变量。先前的AR根测试表明建立的VAR模型是稳定的，因此后续的脉冲响应函数分析和方差分解测试结果是有意义的。脉冲响应函数分析图表的实线表示脉冲响应函数，虚线表示两倍标准差的偏差线，纵轴表示响应强度，横轴表示响应函数的跟踪周期。收到标准差影响后的3个变量的结果如图2所示。

图2 脉冲响应分析

根据图2可以得出如下结论：

第一，经济增长对于技术创新和研发投入冲击的回应。首先，看技术创新对经济增长的影响。面对技术创新的冲击，经济增长从第二阶段开始具有持续的积极作用，并在第五阶段达到最大值，在第五阶段之后积极作用继续减弱。其次，看研发投入对经济增长的冲击。经济增长表现出持续的积极作用，并在第四阶段达到峰值，第四阶段之后积极作用持续下降。总体而言，技术创新和研发投入是经济增长的促进因素，且作用明显，但过了峰值之后，两者的正向效应都会随着时间的增加而减弱，相比较而言，研发投入的促进作用更显著。

第二，研发投入对经济增长和技术创新冲击的回应。首先，看经济增长对研发投入的影响。面对经济增长的影响，研发投入显示出持续的负面影响，但随着时间的流逝，负面影响逐年减少，并趋于零，这可能说明经济增长对研发投入的影响具有很长的滞后期。其次，看技术创新对研发投入的影响。研发投入显示出持续的积极作用，但会随着时间的流逝而减弱。一般而言，技术创新对研发投入有明显的影响，但经济增长对研发投入却没有明显的影响。

第三，技术创新对于经济增长和研发投入冲击的回应。首先，经济增长对技术创新的影响。面对经济增长的影响，技术创新表现出持续的负面影响，但随着时间的流逝，这种负面影响逐年减小，逐步趋向于零，这可能说明经济增长对技术创新的促进作用具有一定程度的滞后期。其次，研发投入对技术创新的冲击。面对研发投入的冲击，技术创新表现出持续的正向效应，并在第三阶段达到最大值，第三阶段后，积极作用逐渐减弱。总体而言，研发投入对技术创新有明显影响，而经济增长对技术创新却无明显影响。

(五)方差分解

通过脉冲响应函数分析可以得出某个内生变量对其他变量的影响，但却无法得知研发投入和技术创新对经济增长的贡献度。因此，需要通过方差分解进行进一步的分析和研究(表5)。

表5 方差分解结果

表5是经济增长的方差分解，根据表5可以得出，当滞后1期的时候，研发投入变量和技术创新变量对经济增长变量没有影响，即冲击为0，这表明前两个变量对后者的贡献度具有一定程度的滞后性。研发投入对经济增长的贡献度最初呈现快速增长的趋势，然后逐渐放缓增长速度，并在第十阶段达到最大值，数值为60.12%；技术创新对经济增长的贡献度表现为持续下降的趋势，从第六期开始，数值为3.90%，之后贡献度趋于平稳；经济增长对其自身贡献度的影响则呈现不断下降的趋势，到第十期贡献度已经下降到36.29%。总体而言，研发投入和技术创新都对经济的增长存在长期的促进作用。但相较而言，研发投入对经济增长的贡献度表现更为显著。

四、研究结论与建议

基于上述实证分析，从研究结论和建议两个方面进行总结，具体如下。

(一)结论

文章选取安徽省2004—2018年的时间序列数据进行分析，包括发明专利申请量、研发投入和安徽省地区生产总值数据(GDP)，建立向量自回归模型(VAR)，得出如下结论：技术创新变量、研发投入变量与经济增长变量间存在长期的动态影响。研发投入与技术创新之间存在双向因果关系，研发投入与经济增长存在互为因果的关系，而经济增长与技术创新之间只存在一种单向的因果关系。研发投入和技术创新都是经济增长的推动力，它可以有效地促进经济发展，但相比较而言，研发投入在促进经济增长方面具有更重要作用。经济增长对研发投入的增加和技术创新的提升都存在一定程度的滞后期。技术创新与研发投入两个变量相互促进，换言之，技术创新对研发投入有促进作用，而研发投入对技术创新也有促进作用。

(二)建议

根据以上结论，结合安徽省的创新发展战略，将创新作为发展的核心动力，提出相关建议。

1.加大研发投入力度

政府加大对研发投入的力度，包括对高新技术产品与前沿科技方面的投入力度，也可以通过推动科技与金融的融合鼓励金融机构参与投资，进而增加研发投入；提高自身创新能力，构建公平、公开且合理的创新平台，完善创新环境，以此来促进安徽省的经济增长；安徽省政府也应该加大对研发投入金额使用的管控，完善监督体制，防止乱用和滥用的现象发生。

2.加强技术创新能力

要扩大国际科技合作，鼓励国内外科研机构、大学和企业等研究开发机构参与国际科学技术合作，注重技术创新，通过“引进来、走出去”战略共同攻关关键技术[15]。根据2004—2018年的数据可知，安徽省每年的发明专利申请总量和专利授权总量都在增加，即安徽省的技术创新水平在逐年提高，但专利发明的转化率较低，如果不提高申请专利转化为科技成果的速度，不加快科技成果商品化的速度，那么创新的积极性和创新水平就会降低。因此，必须提高转化的速度才能促进安徽省经济的发展。要加大对专利成果的保护，严惩侵权行为。近年来，新能源汽车成为发展趋势，安徽省应该抓住机遇，努力研发新能源，建立关键技术创新平台。

3.完善监管制度

由于经济增长变量对研发投入和技术创新变量影响具有迟滞性，因此政府需要严格落实研发投入资金的投入与使用，让资金使用在刀刃上。要抑制企业寻租行为的发生，形成“提高技术创新能力→加快经济增长→加大研发投入→提升科技成果→加速经济增长”的良性循环。

4.建设良好的创新环境

良好的创新环境是提升创新能力的前提，要建设开放、公平且公正的创新环境。创新政策是提高创新活力的基础，首先，要颁布合适合理的政策；其次，对于市场上敢于研发的企业和个体应给予一定程度的资金补助和政策支持；最后，应该创建创新服务平台，为创新型企业和个体提供便捷的信息查询和技术支持，以此来提高创新的效率。

5.提升安徽省人力资本

安徽省人力资本的提升可以分为两方面：一方面，加大对安徽省教育的投资力度，提高人才拥有量；另一方面，提升安徽省的吸引力，吸引高水平人才到安徽省创业和就业。政府应重视人力资本在技术创新中的作用，并加大对教育的投入，培养高技术人才，还需要加大对产业孵化基地的建设。安徽省应努力提高自身吸引力，着力完善人才链，推出“人才战略”的政策，吸引高水平人才汇聚安徽省，促进安徽省经济的快速发展。

该文选取安徽省2004—2018年规模以上工业企业的数据，通过VAR模型研究和分析了技术创新、研发投入与经济增长3个变量之间的因果关系和长期动态影响，有针对性地提出了加大研发投入力度、加强技术创新能力、完善监管制度、建设良好创新环境和提升安徽省人力资本等相关建议。