技术体制视角下新产品TFP 增长研究——基于省级面板数据的实证分析

吴薇薇，张海洋

（浙江理工大学 经济管理学院，浙江 杭州 310018）

一、引言

（一）新产品TFP

构建“以国内大循环为主体，国内国际双循环相互促进的新发展格局”是新阶段中国经济发展必须牢牢把握的重大战略导向。所谓经济内循环，就是要升级传统的发展模式，以创新驱动经济发展，提高全要素生产率，培育新增长点、形成新动能，增强我国经济创新力和未来竞争力。

约瑟夫·熊彼特（1990）[1]的技术创新理论认为，创新包括新产品、新技术、新供给、新市场、新组合5种，但是，并不是所有创新都能打开未来增长空间、实现产业转型升级。新工艺通过提高配置效率一次性提升生产效率，新产品却能创造新的需求促进长期性的经济效率提升。虽然围绕老产品存在不少工艺创新，但老产品市场最终将趋于饱和；新产品的产品创新却能够拓展新的发展空间，创造新的需求，促进产业结构调整和升级，从而形成新的产业循环（张海洋和金则杨，2017）[2]。所以，相较于全要素生产率，未来的经济发展潜力将更加依赖于新产品TFP的提升。

目前对TFP 的测算可以分为参数方法与非参数方法，非参数方法中的DEA 法仅需投入产出数据，无须考虑生产函数的具体形式，且效率评价不受变量单位影响，所以应用最为广泛。在DEA 方法中借助方向性距离函数，可以指定方向向量为新产品方向，以此测算出新产品方向的效率值，这也是本文新产品TFP 的测算方法。

（二）技术体制

技术体制的概念最早由Nelson 和Winter（1982）[3]在1977 年给出，定义为与技术人员的认知有关的利用技术解决企业问题的某些方式和解释技术变革中的某些规律。Rip 和Kemp（1998）认为技术体制是一组指示技术发展特征的规则，起到指导工程师活动和调节技术人员行为的作用。

Nelson 和Winter（1982）提出的技术体制模型将技术分为科学性（来源于专门的研发机构）与累积性（来源于企业干中学）两类，并将技术环境分为技术机会和创新保护程度；Dosi（1982）[4]、Winter（1984）、Breschi 和Malerba（1997）[5]分别从技术轨道与技术范式、知识本质、知识转移三方面拓展、细化了技术体制的定义。后来的学者还将外部知识获取、技术轨道流动性、技术累积性、期初知识存量、技术生命周期（Lee 和Park，2006），创新保护、创新频率（宋耘，曾进泽，2007）纳入技术体制内涵。总的来说，技术机会、创新独占性、知识溢出是认可度最广泛的三个因素，其中技术机会反映了任何一笔研究投资实现创新的可能性；创新的独占性是防止创新被模仿以及因模仿从创新活动中攫取利益的可能；知识溢出/外部知识获取指从竞争性企业或者工业系统以外机构所获取的知识。

目前将技术体制和经济效率联系的研究有两类，一是用技术体制各个维度作为影响因素解释经济效率。Castellacci（2008）[6]首先研究了技术体制与研发生产率的关系，然后又讨论了中国制造业、服务业生产率与技术体制的关系（Castellacci 和Zhang，2007），李晓梅（2012）[7]全面讨论了技术体制各个要素与经济效率的关系发现增强产业技术机会知识基础特性和创新独占性对提升产业效率有很大作用；二是在技术体制背景下，从技术追赶出发讨论全要素生产率追赶，Jung 和Lee（2006）定义全要素生产率追赶为两国行业间平均值差距，发现那些技术更显性、内嵌于进口设备的行业里更容易实现全要素生产率的追赶。

将这个生产技术集St用产出集P（x）来表示，，意味着用投入向量所能生产的所有产出的集合。根据Chambers 等

二、方法论与研究设计

（一）新产品TFP 测算方法

其中，gx，gy分别表示在x，y方向上的方向向量，β是一个标量，βgx表示在x方向上投入x的缩小比例，βgy表示在y方向上产出y的扩张比例，当gx，gy为零向量时，表示投入或产出方向上的方向性距离函数，当gx，gy为一正一负时，表示一个方向上扩张的同时另一个方向上减少的方向性距离函数，一般用于测算包含了非期望产出的环境效率。如图1 所示，y1 为老产品方向，y2 为新产品方向，如果控制A在y1 方向上的产出不变，使其仅向y2 方向扩张，即令gy1=0，此时生产点A向y2 方向扩张O2C/O2A到达生产前沿，也就是说生产点A在y2 方向上的方向性距离为O2A/O2C。

图1

本文试图控制在老产品产出不变情况下生产点在新产品方向上的扩张比例，并以此为基础计算新产品的全要素生产率。另外，在生产活动中，新产品与老产品的生产共享资本、劳动、中间投入，以上为不可配置投入，新产品的生产还需大量R&D 人员和R&D 资本，以上为可配置投入。因此，除了在方向上令老产品的方向向量为0，还需要对新老产品的可配置投入与不可配置投入做出约束，综合后的线性规划如下：

其中，A是可配置性投入集，表示用于第k个决策单元的第j个产品生产的可配置性投入h，表示特定产品产出。

需要指出的一点是，为了避免出现大量100%效率单位和降低跨期效率的波动幅度，本文假定新产品不存在技术退步现象，并且使用序列DEA 测算新产品技术效率（王兵，2008）。

测算出新产品的方向性距离之后，通过Malmquist指数计算新产品TFP（NPTFP）：

（二）多元回归设计

本文以新产品TFP 作为被解释变量，选择技术机会、创新独占性、知识溢出作为解释变量，选择企业规模、对外出口、FDI 作为控制变量来解释新产品TFP 的增减变动，所选择的变量具体如表1 所示。

表1 各解释变量说明

本文的回归方程设定如下：

（三）样本选择与数据来源

本文选择2007—2016 年中国各省规模以上企业工业生产数据进行NPTFP 测算与数据回归，由于平滑新产品产值要去掉一头一尾2007 年和2016 年数据，本文实际数据范围为2008—2016 年。考虑到新疆、青海、西藏、宁夏、云南五省新产品产值较低，且在测算中存在大量不可行解情况，故在测算中删去四省。本文各项数据计算方法参考张海洋和史晋川（2011）[8]，其中的一些调整与改良如下：

计算新产品TFP 的投入指标为生产性资本、生产人员、中间投入、研发资本和研发人员，产出指标为新产品产值与老产品产值。其中，新产品产值存在剧烈波动，因此本文将第t年的新产品产值取与它前后各一年（共三年）的新产品产值平均，即调整后的第t年新产品产值=（第t-1 年的新产品产值+第t年的新产品产值+第t+1 年的新产品产值）/3，这样，第t年的工业老产品产值=第t年的工业总产值-调整后的第t年新产品产值，由于统计局未公布2017 年新产品产值，本文最后一期取了2015—2016 年新产品产值的算术平均作为2016 年的新产品产值。另外，考虑到研发人员本身基数较小，波动较大，数据质量一般，因此，本文使用研发支出中的劳务费作为人员变量。

国家统计局在2008 年之后不再公布各地区规模以上企业增加值，转而公布增加值增长率。本文对中间投入的计算所需的增加值数据按如下过程估算：先使用增加值真实增长率计算真实增加值，再用价格指数平减估算历年的工业增加值现价。国家统计局使用的价格指数是基于部分工业产品的一篮子价格，无法直接获取，因此本文分别尝试使用工业品出厂价格指数、固定资产投资价格指数、消费价格指数进行平减，并将结果与部分在各省（如安徽、福建、江西等）统计年鉴中公布了规模以上企业工业增加值数据进行比较，发现工业品出厂价格指数与国家统计局使用的指数更加接近，因此使用工业品出厂价格指数估算名义增加值。

本文数据使用的2007—2016 年全国26 个省市区规模以上工业企业数据均来自各年的《中国统计年鉴》《工业企业科技活动统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》和《2004 年中国经济普查年鉴》。

三、测算结果与分析

使用方向性距离函数测算，并用Malmquist 指数计算的新产品TFP（NPTFP）如表2 所示。

表2 2009—2016 年各地区规模以上企业NPTFP 测算结果

（一）空间层面分析

总体来看，近年来我国长期经济增长率处于比较低的水平，2009—2016 年的平均水平仅为0.75%，东部地区年平均增长2.02%，中西部地区年平均下降0.18%，东部地区对总体经济增长率的贡献程度明显高于中西部地区。不仅东中西部差异很大，在各地区内部同样体现了很强的异质性。位于东部地区的上海市增长势头最猛，达到了年均7.75%，说明其新动能极其活跃，有着很强的长期经济增长潜力。创新能力和治理水平较高的北京、天津、广东的年均增长率也在3%以上。但是，同样处于东部地区的辽宁省、福建省增长率却不容乐观，分别为-0.63%与-1.08%。虽然中西部地区总体增长乏力，最低的广西壮族自治区仅为-4.59%，传统的工业省份河南、湖南、湖北也都呈现负增长的不良趋势，但也不乏一些地区的新动能较为强劲，例如四川省的平均增长率高达4.01%，甚至超越了东部平均值，说明四川省的新动能增长趋势已经超越了不少东部地区了，从长期来看经济增长潜力较大。

（二）时间层面分析

从时间角度看，在2009—2016 年的8 年间，全国NPTFP 的波动较大，经历了两次升降，平均增长率从2009 年的-1.8%增长到2011 年的3.72%，然后下降到2013 年的-2.22%，并在2015 年回升到3.19%，略低于2011 年的最高值。无论是东部地区还是中西部地区，这种波动起伏的趋势在大部分省份都能看到。需要指出的一点是，NPTFP 的变化率并不代表经济发展与创新能力的绝对水平，只体现了未来的发展趋势。NPTFP 高的地区，也可能因为本身水平较高，进一步提升需要投入相对更多的资源而表现出速度上的乏力，而NPTFP 水平较低的地区，也可能因为提升空间的充足，在学习效应的作用下在短时间内表现出强劲的增长趋势。例如说传统意义上认为的创新强省江苏省的平均TFP 增长率仅为0.6%，而甘肃省的平均TFP 增长率高达2.14%，这并不能说江苏省的经济增长能力弱于甘肃省，还有可能是因为江苏省目前的技术水平已经在比较高的地方，吃老本式的增长将很难再次复制此前的增长速度。而甘肃省虽然在常规意义上并不是发达省份与创新强省，但富有增长潜力与投资机会，如果将资源向创新能力、创新人才倾斜，也许能将较高的NPTFP 转化为一段较长时间的快速增长区间。

四、实证结果分析

（一）基准回归分析

表3 各解释变量对NPTFP 的回归结果

在基准回归中，技术机会显著为正，说明更好的技术机会能够促进新产品TFP 的提高。技术机会反映了每一笔创新投入形成创新成果的可能性，更高的投入转化率能够促进新产品开发效率的提升，这一点与理论和现实也是相符合的；创新独占性显著为正，说明高独占性环境能够促进新产品TFP 的提高。目前学界对知识产权保护制度的实际保护效果充满了争议，这是因为创新独占具有两种相反作用，一方面能够保护开发企业利益，激励开发企业投入研发、开发新产品，形成更多创新成果，另一方面过于严格的保护不利于成果溢出，甚至可能阻碍整个产业创新能力的提升。从创新独占性的符号可以看出，目前对创新独占性的保护是能够起到对新产品TFP 的提升作用的，其正面作用占到了上风；知识溢出显著为正，说明知识溢出能够促进新产品TFP 的提高，知识溢出能够为本产业或其他产业的研发提供理论与实践的基础，减少重复研究，提高新产品开发效率，实证结果也再次证明了知识溢出对新产品TFP 提升的重要性与必要性。

（二）稳健性检验

除了多元回归以外，本文也使用控制时间效应的固定效应模型与SYS-GMM 模型对变量进行了回归，回归结果同样显示了技术机会、创新独占性、知识溢出对新产品TFP 具有显著的正面作用，证明本文的结论是稳健的。另外，在做SYS-GMM 回归后，本文还使用了自相关检验与Hansen 检验，检验结果显示回归不存在过度识别问题。

五、结论与政策建议

技术体制中的技术机会、创新独占性、知识溢出都对新产品TFP 的增长有显著的促进作用，技术机会越多、创新独占性越高、知识溢出越充分的地区新产品TFP 增长越快，反之，技术机会越少、创新独占性越低、知识溢出越不充分的地区新产品TFP 增长越慢。目前我国的新产品TFP 处于一个比较低的水平，这对未来经济增长是不利的，而通过技术体制改革促进新产品TFP 的提升将会是扩大未来经济增长空间的一个可能方向。

基于以上结论，本文提出以下政策建议：第一，将提升新产品TFP 作为下一阶段促进经济内循环的重要目标与指标，鼓励各地区去除多余产能，以创新创业驱动地方经济发展；第二，同等重视产业内与产业间技术机会，支持产业内技术理解与产业外知识积累，鼓励企业加强研发，产生自身的技术进步；第三，从执法角度推进知识产权保护工作，对独占性高的企业给予更多关注，引导企业与投资者重视创新的观念；第四，继续大力支持基础研究，关注产学研一体化，为新产品TFP 的提升提供好知识基础与创新氛围。