APP下载

关于影响高新技术产业发展因素的实证分析

2021-08-18程鹏龙程昊兰州大学经济学院

环球市场 2021年22期
关键词:经费支出高技术方差

程鹏龙 程昊 兰州大学经济学院

一、基本理论分析

高技术产业是指技术含量高,研发周期长,投入极大,回报周期长但是回报率高的一类新兴产业,高技术产业最早是由发达国家提出并开始大力发展的。国外学者研究指出,高技术产业的核心特点是资本密集型和技术密集型这意味着研究高技术行业必须要有资本和技术的支撑,目前国际社会对技术尤其是高科技核心技术都采取垄断地位,导致高技术行业在发达国家与发展中国家产生了巨大的差异,发达国家利用高技术产业不断为其经济发展提供动力,而依赖传统行业为主的一些发展中国家则出现了经济发展陷入停滞期,一些步入中等收入国家也进入了中等收入陷阱。目前的高技术行业有电子信息和计算机、海洋生物、航空航天、医药制造、大数据与人工智能等行业。

我国高技术产业发展开端较晚,但是近几年国家大力支持,发展迅速,但仍与发达国家相比有较大差距,改革开放以来我国对高技术行业采取了不断重视的方针根据国家统计局数据,疫情的短暂影响下我国虽然2020年第一季度高技术产业增长为负数,但在第二季度恢复生产后高技术行业发展势头迅速,一直保持在10%以上增速也比起前三季度有了跨越。整个2020年高技术产业利润并没有受到疫情的影响,反而比起去年增长了16.4%为我国疫情后经济复苏做出了巨大贡献。

问题提出:为了促进我国核心竞争力的提升需要对影响高技术产业发展的原因做出分析研究,数据选自2019年全国31个省市的与高技术产业发展相关的数据入手,构建起了多元线性回归模型进行研究。

主要变量选取:因变量:Y高技术产业利润额(亿元)高技术产业利润额是衡量一个国家高技术产业发展的核心指标,衡量了一个国家和地区高技术产业发展的现状自变量X1高技术产业企业数(个)高技术产业是依靠高技术企业的发展来实现的而高技术产业的企业个数是一个高技术产业发展的核心。X2高技术产业专利申请数(项)是衡量一个地区科技创新能力的体现X3GDP(亿元)为高技术产业发展提供了经济保障X4教育经费(亿元)是衡量在高技术产业方面教育投资的指标X5技术市场成交额(亿元)是衡量技术市场发展的指标X6技术产业技术改造经费支出(亿元)是衡量技术发展而促进高技术产业的一个水平。数据来源中国统计年鉴,并根据以上变量构建计量经济学模型:

其中Y高技术产业利润额(亿元)。X1高技术产业企业数(个),X2高技术产业专利申请数(项),X3GDP(亿元),X4教育经费(亿元),X5技术市场成交额(亿元),X6技术产业技术改造经费支出(亿元)。

β0为截距项,β1为斜率项,μ为随机误差项。并对此进行多元线性回归并做出检验。

二、数据分析

(一)最小二乘估计

首先进行ols估计,回归结果如表1所示。

表1 最小二乘法回归结果

回归结果如下:

(二)检验与调整

1.经济意义检验

回归结果显示:该模型中除了X4即教育经费支出系数为负不符合经济意义检验之外其余的解释变量的系数均可以通过经济意义检验,即各自变量对因变量是一个正相关的作用。

2.统计检验

根据最小二乘回归结果可以得出可决系数R2=0.9873表明高技术产业利润额(亿元)的98.73%可以由以上解释变量解释。调整后的可决系数为0.984166说明拟合优度很好。接下来进行F检验,由F的Prob= 0.000<0.05可以得出拒绝回归方程不显著的假设,由此可以得出模型总体显著。即X1高技术产业企业数(个),X2高技术产业专利申(项),X3GDP(亿元),X4教育经费(亿元),X5技术市场成交额(亿元),X6技术产业技术改造经费支出(亿元)等多项解释变量的组合对被解释变量总体而言是显著的。

但是各变量联合显著不能代表单个变量显著,从回归结果我们可以看出X4即教育经费支出系数为负,不符合经济意义,此外X2、X3、X4、X6的P值均大于0.1说明在10%的显著性水平下,这几个变量是不显著的,不能很好的解释方程。由于是多元线性回归,可以推测很有可能是出现了多重共线性。如果两个解释变量之间出现了相关性,则可以称为出现了多重共线性,造成多重共线性的原因有很多,包括经济变量的共同趋势,比如GDP和教育经费投入之间有可能存在共同趋势,模型设定不谨慎,比如两个变量之间存在相关性,还有样本资料的限制等等,在多重共线性情况下,违背最小二乘法下的高斯假设,会造成参数估计量不存在,方差变大,还会导致参数估计量经济意义出现不合理等问题,因此我们首先要对多重共线性进行检验和消除。

(1)检验相关系数法

相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标,是研究变量之间线性相关程度的量,如果两个变量的相关系数越接近|1|,则说明两个变量的存在较强的多重共线性,由此可以分别求出自变量各个变量间的相关系数,构成相关系数表,来简单的判别多重共线性,因此构建X1到X6的相关系数表如表2所示。

表2 各自变量的相关系数表

由相关系数表我们可以得出X1、X2、X6之间存在高度的相关性,因此很有可能存在多重共线性,需要采用其他方法消除多重共线性。

(2)找出最简单回归形式

分别做Y关于x1到x6的回归找出最大的可决系数并以此为初始模型开始逐步回归。

由表3可知Y与X1有最大的可决系数:0.974897

表3 Y关于各解释变量的可决系数表

可见高技术产业利润额受高技术企业个数影响最大,不仅在经济意义上符合在统计检验中也符合,故选此为一元回归模型为初始模型。

(3)逐步回归

用eviews中的逐步回归得出以下拟合优度最好的结构:通过以之前的模型为初始模型不断的逐步回归可以得到以下的最优模型:(见表4)

表4 逐步回归最优结果

在此模型下可决系数R2=0.986156调整后的可决系数为R2=0.985167。可以发现拟合优度得到了提高,并且各个解释变量的参数也符合经济意义。并且个解释变量的p值也小于0.05说明在5%的显著性水平下显著,通过了t检验,因此这就是最佳的回归模型。

通过剔除X2高技术产业专利申请数(项),X3GDP(亿元),X4教育经费(亿元),得到了最优的模型,说明高技术产业利润额受高技术产业专利申请数,GDP以及教育经费的影响不大,但是受高技术产业企业数(个),技术市场成交额(亿元),技术产业技术改造经费支出(亿元)影响较大。高技术产业专利申请数仅仅能够代表技术水平的提升,但是从技术变到生产力,在我国仍然是比较困难的一件事,发达国家由于先进的科技创新体制和投资结构,科学技术转化为生产力的速度和能力遥遥领先,此外GDP是一个国家或地区一年的产出的商品和服务的价值总和,但是由于我国高技术产业发展总体量还是不足,虽然增长迅速但是由于绝对数量较低,仍然在GDP中占比很低,我国的GDP仍然主要是由制造业为核心且技术水平不高,对高技术产业利润影响较弱。教育经费对高技术产业利润的影响是一个长久的过程,并不能够立竿见影,往往需要很久才能转化为具体的产业利润。这是对可能的原因做出了解释。这为我们提供决策支持提供了很好的思路和方向。

3.异方差性检验

由于截面数据由于在不同的样本中由于受到解释变量以外的影响可能性较大,容易产生异方差性,造成参数估计失效,变量的显著性失去意义,模型的预测失效等原因,所以我们必须对模型进行异方差性检验。本文主要采取图示法以及White检验。

(1)图示检验法

做自变量X1关于残差平方和的散点图如图1所示。

图1 x1关于残差平方和的散点图

由图1可以看出:残差的平方e2对解释变量是呈现一个上升的趋势,不在一个固定的区域内,因此很有可能存在单调递增型异方差,需要进一步进行检验和排除异方差。

(2)White检验

White检验是将最小二乘估计残差的平方对模型的解释变量、解释变量平方以及解释变量交叉乘积进行回归,然后根据回归方程显著性判断是否存在异方差性的一种检验方法。White检验的原假设是同方差,如果检验的结果现实拒绝原假设,那么则说明存在异方差。通过White检验得到如表5结果。

表5 White检验结果

根据检验结果Prob.Chi-Square(9)0.0295<0.05,因此拒绝存在同方差的假设,即存在异方差,White检验对模型的解释变量、解释变量平方以及解释变量交叉乘积进行回归的结果如表6所示。

表6 White检验结果

通过检验都得出了存在异方差性的结果,异方差的产生会导致统计量失效,变量的显著性失去意义,因此我们要对异方差进行修正。异方差修正的方法有加权最小二乘法和异方差稳健标准误。

(3)加权最小二乘法

使用加权最小二乘法可以有效的消除异方差的影响,加权最小二乘法在eviews上的操作结果如下:根据通用的处理方法将权重算为残差平方和的倒数。得到了如表7结果。

表7 加权最小二乘法结果

但是由于加权最小二乘法存在难以寻找随机扰动项的房差与解释变量的适当函数形式的情况,所以我们更经常用的是异方差稳健标准误来消除异方差的不良影响。

(4)异方差稳健标准误

由于回归模型随机干扰项出现异方差时,普通最小二乘法只是影响到了参数估计量,方差或标准差的正确估计,从而无法保证普通最小二乘估计量的有效性,但并不影响估计量的无偏性与一致性。因此,另一种针对异方差的修正的估计方法是:仍采用普通最小二乘估计量,但修正相应的方差。怀特提出用最小二乘法估计的残差的平方e2作为相应σi2的代表(见表8)。

拟合优度较高且除了常数项之外各个变量均显著。故得出结论:

在存在异方差时,异方差稳健标准误即使不能使得估计量有效,但是仍然可以得到普通最小二乘法方差的正确估计。所以说是可行的一种修正方法,在异方差稳健标准误下,各种统计检验是有效的,置信区间也是可靠的,所以异方差稳健标准误成为修正异方差的重要方式。

根据回归结果,表明高技术产业利润额受X1高技术产业企业,X5技术市场成交额(亿元),X6技术产业技术改造经费支出(亿元)影响较大。X1、X5、X6前的系数都为正说明X1高技术产业企业数(个),X5技术市场成交额(亿元),X6技术产业技术改造经费支出(亿元)对高技术产业利润额都起到了正向的作用,其中X6即技术产业技术改造经费支出前的系数为2.206说明对高技术产业的利润额影响最大。即每增加一单位的技术产业技术改造经费支出就会带来2.206单位的高技术产业利润。

(三)统计检验

拟合优度检验,变量和方程的显著性检验,从回归的结果来看可决系数R2=0.986180,调整后的可决系数 R2为0.984644,表明高技术产业利润额的98.6%可以由城市公路里程数解释,从X1、X2、X3的参数估计值来看。其p值均<0.05表明在5%的显著性水平下,拒绝无关的原假设。

(四)政策建议

根据回归结果,从X1高技术产业企业数,X5技术市场成交额,X6技术产业技术改造经费支出对高技术产业额有重要影响,因此可以针对这几方面提出建议。

1.政府可以通过政策倾斜优势,建立高新技术开发区等方式引进外部高新技术企业,进而增加地区内高新技术产业企业密集度。在地区外部存在大量的游离的高新技术产业的情况下,对企业支持力度较大的地区将会吸引到大量的产业落户,政府增加支持力度往往通过各种政策倾斜来表现,如税收减免,降低土地租赁费用,完善政府服务,解决员工就业医疗教育问题等方面,吸引的高技术产业企业越多,就能增加高技术产业额,更容易量变引起质变,进而促进该地区的高新技术产业发展。

2.建立健全专利知识产权技术产权认证保护机制,及时打击技术知识产权违法行为。技术市场成交额是衡量技术市场发展的重要指标,就目前的高新技术产业定义来看,我国对企业获得知识产权的途径较为宽松,企业可以通过自主研发,受赠,并购,转让,购买,五年以上的独占许可等方式获得自主知识产权,而这宽松的认定方式,往往仅能帮助企业获得“技术性产业企业”的认证,而对企业的主营业务,技术进步,社会反馈没有实质性的帮助,完善专利知识产权技术产权认证保护机制,一方面能防止部分企业通过上述方式鱼目混珠,主观或客观骗取高新产业扶持金和扶持政策,增加政府工作人员的工作难度,导致部分真正的高新技术企业拿不到所需要的支持;另一方面可以帮助真正的高新技术企业在拿到新技术后注重消化吸收再创新,增强自主研发能力,而不是单一的应用技术,保护产权使企业更加放心,敢于注册,敢于落户,进而支持高新技术企业产业发展。

3.政府应与当地金融机构协商配合,出台针对高新技术产业扶持的融资政策与融资产品为企业、项目和产品提供高效、便捷、优质的信贷服务,技术产业技术改造经费支出是衡量技术发展而促进高技术产业的一个重要方面。高新技术企业在落户实际地区后与技术再改造研发时,往往面临着技术-资金转换困难的问题,政府可以通过鼓励地区辖内金融机构创新有利于产业发展的金融产品并出台奖励政策,支持鼓励各类股权投资基金大力扶持高新技术产业发展项目,财政奖励融资企业,鼓励补助高新技术企业的债券票据融资等方式,促进技术企业技术改造的顺利进行与资金流畅通。

4.在适当的情况下,政府可以通过以市场换技术,招标优先,抢先试点等方式,支持高新技术产业企业的发展,开展公共服务,政府采购等领域的示范推广,加强政府与企业的合作关系,政府协调企业与企业,政府与企业之间的物资服务,点对点的引导高新技术产业发展方向。

5.优化投资环境,吸引原有产业机构性升级,使普通产业,高耗能产业主动升级为高新技术产业。政府可以通过为新开办并具有相应资质条件的企业提供项目备案、核准、环评、安评、用地预审、工商登记等“一站式”服务,实现绿色通道,特事特办,重点项目有关部门协助办理,加大对目标企业的电力运输等要素的协调保障力度,按照相关条例协调保障高新企业生产用电,对大运量及特殊运输的企业给予运输支持,对进出口额大、批次多、产品型号变动快、资信好的高新技术产品予以绿色通道待遇,督促企业高新技术转型。

猜你喜欢

经费支出高技术方差
中国基础教育生均经费支出的公平性研究
——基于Gini 系数和Theil 指数的测算
2021年上半年高技术制造业快速增长
概率与统计(2)——离散型随机变量的期望与方差
地方高校经费支出结构与绩效关系的实证研究
方差越小越好?
计算方差用哪个公式
方差生活秀
高技术产业国际竞争力研究
欧阳明高技术控的产业情怀
中央“三公”经费5年减35.9亿