研发要素配置扭曲、FDI 吸引与地区创新效率

段良美

（中国民航大学 经济与管理学院，天津 300300）

一、引言

技术进步与创新是经济发展的基本源泉，现代经济增长也越来越依赖于新技术新工艺为表征的创新贡献。进而如何有效提供创新产出，在要素投入约束和研发不确定性约束下提高创新效率是国家和地区技术发展政策的重要作用方向。影响创新效率的因素中，要素投入包括研发要素和一般生产要素的规模与结构是重要因素，另外企业微观的创新行为也会受到周边环境因素的影响。创新生产中投入的要素和要素的匹配关系也对创新效率具有影响，关于要素扭曲对创新效率的影响正在逐步展开。学者们研究表明，我国劳动力要素市场扭曲和资本要素市场扭曲对创新效率造成了严重的损失（白俊红和卞元超，2016；戴魁早和刘友金，2016）[1-2]，且不同要素的市场扭曲对创新效率的抑制作用存在区域异质性，分别表现为劳动力要素市场扭曲对西部地区创新效率的抑制作用明显，而资本要素市场扭曲则对东部地区的创新效率抑制效果更为显著（李雪松和王冲，2019）[3]。并且，FDI 的进入也对我国创新效率产生了影响，我国改革开放初期技术水平低创新不足，通过吸引外资学习国外先进的技术知识和管理经验等方式（彭建平和李永苍，2014）[4]，提升了本国的创新效率。

在以往研究一般要素扭曲的基础上，有学者开始研究研发要素的扭曲。研发要素是保障我国创新驱动战略顺利实施，进而推动经济可持续增长的重要战略资源，因而也成为目前学术界关注的焦点内容之一（白俊红等，2017）[5]。研究发现，研发资本价格扭曲对制造业创新效率有抑制作用，而研发劳动力价格扭曲却表现为促进作用（刘冬冬等，2020）[6]，研发劳动力要素市场扭曲对区域创新绩效具有显著的抑制作用，而对相邻区域的创新绩效具有空间溢出效应（邓若冰，2019）[7]。我国当前的自主创新能力无法满足经济发展的现实需要，在创新资源有限的情况下，合理配置资源，不断优化研发要素市场化配置，进而提升创新效率，对于增强我国自主创新能力有着重要的作用。

以往研究要素扭曲的文献中，大多文献分别考虑了资本要素的扭曲和人员要素的扭曲，本文将研发要素扭曲定义为研发要素配置扭曲和研发劳动要素结构性扭曲，可以更好地考察这两种相对扭曲的关系对创新效率产生何种影响。在创新生产活动中，以研发要素配置扭曲为切入点，深入探讨研发要素的合理配置，同时结合吸引外资的作用，以及对创新效率产生影响的作用机制，进而为我国统筹区域创新发展，落实创新驱动发展战略提供政策启示。

二、文献综述与研究假说

（一）研发要素配置扭曲对创新效率的影响

研发资本要素和研发劳动力要素的市场价格偏离其边际收益产品时，就出现了研发要素配置扭曲的现象。在研发要素配置扭曲的情况下，研发资本和研发劳动力等创新生产要素无法按照市场机制实现最优的配置，使得生产要素的投入效率低下，这势必会影响创新效率的提升（白俊红和卞元超，2016；戴魁早和刘友金，2016；张建平等，2019）[1][8-9]。研发要素配置扭曲是指研发资本相对于研发人员的配置扭曲，即研发资本的单位投入带来的边际报酬与研发人员单位投入带来的边际报酬之比。

在研发人员单位投入的边际报酬不变的情况下，研发资本单位投入所带来的边际报酬越大，研发要素配置扭曲也越大，而研发资本单位投入的边际报酬增加，必然导致企业的创新效率随之增加，即研发要素配置扭曲的增加促进了创新效率的提升；在其他条件相同的情况下，研发人员工资水平的增加可以激励研发人员的创新积极性（邓若冰，2019）[7]，从而促进创新效率的提升，而研发人员的工资增加也使得研发要素配置扭曲增加，所以，研发要素配置扭曲的增加对创新效率具有促进作用。基于此，本文提出研究假说1：研发资本相对于研发人员的配置扭曲能够提升创新效率。

（二）研发劳动要素结构性扭曲对创新效率的影响

创新人才的缺乏和技术创新能力的差距是阻碍中国企业技术创新的重要因素（安同良等，2005）[10]，在影响创新效率的因素中，劳动力因素发挥的作用至关重要。研发劳动要素结构性扭曲是指非研发人员相对于研发人员的配置扭曲，即非研发人员的单位投入带来的边际报酬与研发人员的单位投入带来的边际报酬之比，研发劳动要素结构性扭曲主要表现在两种人员的差异上，即非研发人员和研发人员在边际产出和工资水平上的差异。中国劳动力配置扭曲的根源在于劳动力市场的行业分割、内部分割以及工资决定机制非市场化，直观表现为：行业工资差异、工资与劳动边际产出扭曲以及缺乏有效的劳动力流动（柏培文，2014）[11]。从劳动力配置扭曲贡献因素来看，劳动力边际生产力差异越大、工资差异越大，劳动扭曲程度越大，且工资差异引致的劳动力配置扭曲程度较高（柏培文，2016）[12]。

研发人员是创新生产活动中最具有创造力的投入要素，是企业的核心资源，合理的工资回报是激励研发人员创新生产的关键动力，工资水平过低使得研发人员创新动力不足。而目前中国各级地方政府为了发展经济，往往通过压低要素价格的方式干预要素市场，使得劳动力的工资报酬与其实际产出不成正比（邓若冰，2019）[7]，且相对于非研发人员，研发人员的劳动报酬与实际产出偏离更为严重，研发人员要素扭曲程度更重。因此，从最优角度来看，研发劳动要素结构性扭曲应当是小于1 的值，如果该值越接近1，说明两种劳动力的投入回报差距越小，就越不利于创新生产，进而对创新效率具有负向抑制作用。从是否利于创新生产的角度来看，扭曲意味着不利于生产，而研发劳动要素结构性扭曲值越接近1，即非研发人员与研发人员的工资回报差距越小，则越不利于调动研发人员的创新积极性，因此，本文定义研发劳动要素结构性扭曲值越接近1 为扭曲程度越大。

基于此，本文提出研究假说2：非研发人员相对于研发人员的配置扭曲会抑制创新效率。

（三）FDI 对创新效率的影响

FDI给东道国带来新技术、新产品和新的工艺流程，东道国企业通过模仿和学习过程提升自主创新水平，同时改变了东道国的市场竞争格局，提升了企业的竞争效率，吸引外资能够缓解企业的融资约束，所以吸引外资对自主创新水平具有积极的推动作用，对我国创新效率的提升具有促进作用（才国伟和杨豪，2019）[13]。诸多研究经验也表明FDI可以通过竞争激励、示范模仿和人员流动等途径给东道国带来显著的技术溢出效应（Javorcik，2004；Blalock 和Gertler，2008）[14-15]，FDI对东道国的技术溢出是后发国家技术进步的主要途径之一，吸引外资给东道国带来新技术、新产品和新工艺，东道国企业通过学习提升创新水平（李平和季永宝，2014）[16]；外资的流入打破了东道国的市场均衡，改变了市场竞争格局，从而提升了创新效率；FDI还为东道国带来了先进的管理经验，通过培训效应提升了东道国的人力资本水平，进而促进了创新效率的提升（郭京京等，2021）[17]。

关于研发要素扭曲和FDI的交互影响。一方面，我国不断吸引FDI进入，外资带来的新技术削弱了企业自主创新的必要性，对我国企业的创新产生了抑制作用（石大千和杨咏文，2018）[18]，而且外资带来的技术水平比国内高，导致部分企业不再从事研发活动，而是缩短研发时间，直接利用外资带来的创新成品进行生产（张建平等，2019）[9]。研发人员的边际创新产出降低了，就使得研发人员所得工资报酬减少，这种工资水平的降低一定程度上减小了研发要素配置扭曲，从而削弱了对创新效率的促进作用。此外，研发劳动力价格过低不仅促使企业更多地使用有形要素，进而形成路径依赖，导致企业的创新动力不足，而且从消费者的角度来说，研发人员工资过低也会抑制对创新产品的购买能力，创新产品的市场需求不足反过来又会抑制企业的创新生产活动，从而形成阻碍创新效率提升的低端恶性循环（李雪松和王冲，2019）[3]。所以，从这一角度来说，FDI进入削弱了研发要素配置扭曲对创新效率的正向促进作用。

另一方面，也有研究表明外资进入会对本国企业产生“工资溢价”效应，提高本国企业员工的“名义工资水平”（蔡洪波等，2016）[19]，外资进入也会产生“技术溢出”效应，通过改善企业生产的效率水平提升企业员工的工资水平，在我国引进FDI对单位劳动成本起到了推升作用（张晓磊和张二震，2019）[20]，劳动力工资水平的提高使得劳动力单位成本投入的边际产出降低，从而非研发人员单位投入的边际产出降低，在其他条件不变的情况下研发劳动要素结构性扭曲降低，进一步削弱了研发劳动要素结构性扭曲对创新效率的负向影响。

基于此，本文提出研究假说3：FDI吸引有助于地区创新效率提升，同时FDI也受制于要素结构的配置；FDI削弱了研发要素配置扭曲对创新效率的正向影响，也削弱了研发劳动要素结构性扭曲对创新效率的负向影响；总体上，FDI对创新效率的影响还是积极的促进作用。

三、模型设定、变量及数据说明

（一）模型设定

本文参考李雪松和王冲（2019）[3]构建的关于要素市场扭曲是否抑制了创新效率的提升的省级面板模型，选取的研究样本为2009—2019 年中国30个省份（不包含西藏、港澳台地区，）的面板数据。且为了数据的平稳性，将所有变量对数化，形成线性方程，将基准回归模型设定为:

其中，TEi，t为i地区第t期的创新效率，DISTKi，t和DISTLi，t是本文的核心解释变量，DISTKi，t代 表i地区第t期的研发要素配置扭曲，DISTLi，t代表i地区第t期的研发劳动要素结构性扭曲，FDIi，t也是本文的解释变量，代表i地区第t期的外商直接投资，Xi，t代表本文的控制变量，包括政府干预程度、受教育水平和内部技术市场流动情况，α0是常数项，α1、α2、α3、α4为相应的回归系数。δi，t用于控制地区固定效应，θi，t用于控制时间固定效应，εi，t为随机误差项。

（二）变量说明

1.变量测度

（1）创新效率。参考影响我国创新效率的因素的相关分析（白俊红等，2009）[5]，本文采用基于参数法的随机前沿模型（SFA）来构造创新生产函数，一般形式为：

其中，下标i表示地区，t表示时间。RDY表示创新产出，文献研究中通常采用专利数和新产品销售收入等作为创新产出指标。我国的专利包括发明专利、实用新型专利和外观设计专利三种类型。由于这三种专利所包含的经济价值以及技术含量都有较大的差异性，选用总体专利数量不具有代表性，也会对结果产生一定的影响，且从创新的质量和水平看，发明专利是最能代表原创性水平的指标。此外，选取新产品销售收入作为衡量创新能力的指标也存在一定问题，在当前的市场的环境下，可能存在某些企业为了享受到更多的优惠政策，而夸大自己新产品收入的现象（彭建平和李永苍，2014）[4]。基于此，为了可以更充分地代表地区的知识产出和创新能力，本文选取技术含量最高的发明专利授权数作为最终的专利指标（姜妍等，2019）[21]，以衡量创新产出。

RDL和RDK表示创新生产过程中的研发劳动力投入和研发资本投入，f（·）为完全效率时生产可能性边界的前沿产出。νi，t表示随机扰动项，且νi，t～N（0）；ui，t表示技术非效率项，且ui，t～N+（μ，），如果μi，t=0，表示技术有效，即创新生产位于生产前沿面上，否则即为技术无效，创新生产未达到生产前沿面。此外，νi，t和μi，t相互独立。技术非效率项可以进一步表示为：

其中，θ0为常数项，Zi，t表示影响技术非效率的k个因素，θk为其对应的估计系数，μi，t表示随机误差项。本文研究中将研发要素配置扭曲、研发劳动要素结构性扭曲和FDI作为生产函数的非效率项，来考察其对创新效率的影响。

本文采用C-D 生产函数刻画的研发创新活动，并对该函数两边取对数处理。因此，本文所构建的随机前沿模型可以表示为：

其中，β0为常数项，β1、β2分别表示研发劳动力、研发资本的回归系数，且假定创新生产的要素投入仅包括研发劳动力和研发资本两种。

对于创新效率的衡量，相比较于直接的创新产出指标，例如创新专利，新产品销售收入等（朱有为和徐康宁，2006）[22]，越来越多的学者选择一个相对指标测算创新效率（李雪松和王冲，2019）[3]，因为这既能排除不同地区间自身差异带来的影响，又能真实反映出一个地区的创新效率水平。如果一个地区用更少的创新投入获得了更多的创新产出，那么这个地区就具有更高的创新效率，相应的创新能力和水平也更高。

基于式（4）中对创新效率的定义，创新效率（TE）可表示为实际产出期望值和最优前沿面产出的期望值之比（白俊红，卞元超，2016）[1]，即：

式（5）反映了创新生产实际产出对前沿面产出的偏离程度。如果μit=0，则TE=1，创新生产位于最佳前沿面上，此时创新生产是有效的；如果μit＞0，则TE＜1，创新生产未达到最佳前沿面，此时创新生产是无效的，创新生产存在效率损失。

（2）研发要素配置扭曲程度。在解释变量中，本文重点关注研发要素配置扭曲这一核心变量的影响。大多数文献中都将要素市场作为一个整体进行测度，少有文献专门测度研发要素配置扭曲。本文采用C-D 形式的生产函数法直接测算R&D 人员和R&D 资本要素的边际产出，其表示为：

对该生产函数取对数表示为：

其中，Y为总产出，采用地区生产总值（GDP）表示，用2009 年的地区生产总值与之后每一年的GDP增长指数相乘，作为以2009 年为基期的不变价GDP。RDL为R&D 人员投入，本文采用研究与试验发展（R&D）人员表示。RDK为R&D 资本存量，各国统计机构和有关专家学者一般都采用永续盘存法测算R&D 资本存量。NL是非研发劳动投入，本文用地区总劳动投入减去地区R&D 劳动投入表示，即：NL=L-RDL，其中L 用城镇单位就业人数加城镇私营企业和个体就业人数表示。NK是非研发资本存量，亦采用永续盘存法计算。

关于永续盘存法对RDK的估计，由于较难估算R&D 支出的滞后结构，我们假定平均滞后期为0，则测算公式为：

其中，RDKi，t表示i地区t时期的R&D 资本存量，δ是R&D 资本折旧率，RDEi，t为i地区t时期的当期R&D 资本投资，PIi，t为R&D 资本价格指数。

第一，当期R&D 资本投资。由于我国目前没有公布国民经济核算中的R&D 资本投资数据，大多学者直接用R&D 经费内部支出作为当期的R&D资本投资。按照SNA-2008 的R&D 支出资本化核算的方法和原则，R&D 经费内部支出按支出性质分为日常性支出和资产性支出。考虑到R&D 经费内部支出中各项支出的用途，本文选取资产性支出作为当期R&D 资本投资的指标。

第二，R&D 资产折旧率。目前有关研发资本存量折旧率的选择主要在10%～20%之间。Hall 和Mairesse（1995）[23]、吴延兵（2008）[24]等在计算研发资本存量时都采用了15%的折旧率，黄勇峰等（2002）[25]采用了17%的折旧率，周密（2012）[26]等选择了20%的折旧率，余泳泽（2015）[27]将R&D 当期投入分为两部分，一部分是日常性支出扣除劳务费用20%折旧，另一部分是资产性支出用17%折旧。本文参考以上文献中的方法，根据研发经费内部支出中资产性支出的性质，将这一折旧率设为17%。

第三，R&D 资产价格指数。关于R&D 资产价格指数的争议也比较大，本文采用工业生产者出厂价格指数作为R&D 资产价格指数，具体为：专用设备制造业价格指数、电气机械及器械制造业价格指数、通信设备、计算机及其他电子设备制造业价格指数以及仪器仪表及文化、办公用机械制造业价格指数四者的平均数，数据缺失部分用四者中可查到的价格指数求均值。本文以2009 年为基期，用这一价格指数将当期R&D 资本投资折算为2009 年不变价。

第四，初始R&D 资本存量。对初始资本存量的估计，目前主要有如下几种方法。一是按照永续盘存法的要求，通过往前获取或构造足够长的时间序列来直接测算初始资本存量；二是利用资本产出比推算；三是利用当期投资与资本存量的比例关系推算。江永宏和孙凤娥（2016）[28]参考在以往的研究，用初始R&D 投资除以投资增长率与折旧率之和，推算出基期的初始资本存量。本文借鉴同样的方法，用公式表示为：

其中，RDKi，0是初始年份2009 年的R&D 资本存量，RDEi，0为初始年份的R&D 投资的资产性支出部分，δi取17%，gi取各地区2009—2019 年R&D 投资的年平均增长率。由此，可推算出2009 年的初始R&D 资本存量。

根据以上推算，我们就可得到各地区2009—2019年的R&D 资本存量RDK。

关于永续盘存法对NK的估计，当期投入为全社会固定资产投资（不含农户）减去R&D 资本投资的资产性支出部分，价格指数为固定资产投资价格指数，折旧率取9.6%。进而得出本文的非研发资本存量。

λ0为常数项，λ1、λ2、λ3、λ4分别表示各被解释变量的回归系数。εi，t表示随机扰动项。

根据式（6），分别对RDL、RDK、NL和NK求导，可得研发人员、研发资本存量和非研发人员的边际产出：

则各要素的绝对扭曲为其边际产出与要素价格之比：

上式中，WRD为研发人员的工资，本文采用研究与试验发展的平均劳动报酬，并以2009 年为基期用CPI进行平减，为非研发人员的工资，用城镇单位就业人员平均工资表示，同样以2009 年为基期用CPI进行平减求得。r为利率水平，以往研究中直接将其设定为0.1（Hsieh 和Klenow，2009），但是利率水平在不同时期存在差异，本文参考白俊红和卞元超（2016）[1]的做法，选取各年度内一年期金融机构法定贷款利率的均值作为考察利率水平的替代指标。

本文定义DISTK为研发要素配置扭曲，DISTL为研发劳动要素结构性扭曲，具体测算公式如下：

其中，DISTK是由研发资本单位投入的边际报酬与研发人员单位投入的边际报酬之比所得的相对扭曲，该指标的含义为：DISTK=1 表示研发资本单位投入的边际报酬与研发人员单位投入的边际报酬相等，即一单位的研发资本投入和一单位的研发人员投入会产生同等的边际报酬；DISTK＞1 表示研发资本单位投入的边际报酬大于研发人员单位投入的边际报酬，即一单位的研发资本投入带来的边际报酬大于一单位研发人员投入的边际报酬；反之亦然。DISTL是由非研发人员单位投入的边际报酬与研发人员单位投入的边际报酬之比所得的相对扭曲，该指标的含义为：DISTL=1 表示非研发人员单位投入的边际报酬与研发人员单位投入的边际报酬相等，即一单位的非研发人员投入和一单位的研发人员投入所带来的边际报酬相等；DISTL＞1 表示非研发人员单位投入的边际报酬大于研发人员单位投入的边际报酬，即一单位的非研发人员投入所带来的边际报酬大于一单位研发人员投入所带来的边际报酬；反之亦然。

（3）外商直接投资。在《中国统计年鉴》中只有各省的外商直接投资（FDI）流量数据，本文采用FDI存量。与R&D 资本存量的计算方法相同，通过永续盘存法将流量计算为存量。

其中，当期FDI流量选取2009—2019 年各地区实际利用外资额，并对其进行相应处理。用当年人民币兑美元的汇率将实际利用外资换算为亿元人民币；采用GDP 缩减指数对实际利用外资流量进行平减（陈艳莹和董旭，2013）[29]，折算为2009 年值。对处理之后的数据，按照永续盘存法估算出各地区各年度的FDI。根据我国的实际情况，将平均滞后期设为1，则FDI存量的计算公式如下式所示：

其中，FDISi，t表示i地区t时期的FDI存量；Ei，t-1表示i地区前t-1 时期的实际利用外资额；δ表示外资折旧率，本文参考Goodspeed 等（2006）[30]将折旧率设为5%，对通过FDI 获得的国外研发资本存量溢出进行测算；gi表示i地区2009—2019 年的人均GDP 增长率（李晓晨和刘金林，2015）[31]实际利用外资平均增长率。

（4）控制变量。本文选取的控制变量主要包括：地区政府干预程度、地区受教育水平和地区内部技术市场流动情况。第一，地区政府干预程度（GOV）。选取地区的研发经费内部支出与地区生产总值之比表示各省份政府对研发创新活动的干预程度，政府干预程度越高，即研发经费内部支出对地区生产总值之比越高，研发经费的增加必然会促进研发活动的进行，进而会促进创新效率的提升。第二，地区受教育水平（EDU）。选取地区的人力资本结构，即地区就业人员的学历水平，用大专及以上人口比例比其他人口比例表示地区劳动力的受教育水平。地区受教育水平反映了高等教育人才的比例，在创新活动中研发人员发挥了极其重要的作用，研发人员的创新能力与其受教育水平密不可分，研发人员受教育水平越高，创新效率也越高；此外，地区整体就业人员的受教育水平对该地区的总体生产效率也具有促进作用，从而进一步促进创新效率。第三，地区内部技术市场流动情况（TD）。参考李雪松和王冲（2019）[3]用地区技术市场成交额占地区GDP 的百分比来衡量。地区内部的技术扩散和传播能有效优化资源的配置效率，进而促进创新效率的提高。

2.研发要素配置扭曲的测度结果

本文对式（7）所示的生产函数进行了估计，以此测算了考察期内中国各省份研发要素配置扭曲和研发劳动要素结构性扭曲，表1 对两种研发要素配置扭曲程度进行报告。

由表1 可知，从全国范围看，各省均表现出明显的研发要素配置扭曲的情况，且纵观2009 年与2019年的变化，研发要素配置扭曲绝大多数地区表现为扭曲加深，只有个别地区扭曲程度减弱；研发劳动要素结构性扭曲大部分地区表现出扭曲程度加深，即扭曲值增大的趋势，小部分地区扭曲程度减弱。

表1 2009 年、2019 年各省份研发要素配置扭曲和研发劳动要素结构性扭曲程度

总体看来，大多数省份研发要素配置扭曲在10左右，即表明一单位的研发资本投入产生的边际产出大于一单位研发人员投入的边际产出，且为其10倍左右。分地区来看，研发要素配置扭曲较大的地区有浙江、广东等经济发达地区，反映了该地区研发资本的高边际产出与研发人员的高工资水平，这与该地区市场活力和对高端人才的吸引密切相关；河北、黑龙江、陕西和新疆等经济欠发达的偏远地区的研发要素配置扭曲与其他地区相比较小，表明了这些省份研发要素配置扭曲程度教小，即研发资本的边际产出相对略低、研发人员的边际产出略高或研发人员的工资水平略低，这是因为创新活动具有周期长、风险高等特征，使得研发资本的边际产出偏低，且研发人员的薪酬制度与普通劳动力基本一致，导致这些地区研发人员的工资偏低。

总体来看，各省份研发劳动要素结构性扭曲较低，均小于1，即一单位非研发人员投入所带来的边际产出远低于一单位研发人员投入的边际产出，这表明与非研发劳动力相比，对于研发人员的高边际产出来而言，研发人员的工资水平过低，尤其海南、新疆等地研发劳动要素结构性扭曲值最小，即研发劳动要素结构性扭曲程度最小，相应的研发人员与非研发人员工资水平差距最大。

（三）数据来源及描述性统计

由于国民经济核算体系（SNA-2008）的发布，2009 年之前和之后的很多数据在统计口径上发生了变化，数据的变化趋势不连贯，所以本文选取的研究样本为2009—2019 年中国30 个省份（不包含港澳台地区）的面板数据，此外，西藏由于数据缺失严重，故将其排除不予考虑。原始数据来自《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》《中国价格统计年鉴》《中国城市（镇）生活与价格年鉴》《中国价格及城镇居民家庭收支调查统计年鉴》及中经网统计数据库、国泰安数据库等。表2 是本文涉及的主要变量及其描述性统计。

表2 描述性统计

四、回归结果分析

（一）回归结果与分析

1.基准回归分析。本文采用2009—2019 年中国各省份创新生产效率作为被解释变量，并选取研发要素配置扭曲为核心解释变量，同时添加FDI为解释变量，以地区政府干预程度、地区受教育水平和地区技术市场流动情况为控制变量，采用面板计量回归模型，考察了研发要素配置扭曲和FDI对中国各省份创新生产效率的影响。

表3 中，模型（1）为研发要素配置扭曲、研发劳动要素结构性扭曲和FDI对创新效率的回归结果，模型（2）为添加研发要素配置扭曲和FDI的交互项、研发劳动要素结构性扭曲和FDI的交互项之后，考虑所有因素的总体回归结果。根据Hausman 检验的结果，基准回归的两个模型均采用固定效应回归。

表3 基准回归结果

以上两个模型均显示，研发要素配置扭曲对创新效率具有显著影响。第一，两个模型都表明研发要素配置扭曲显著促进了创新效率的提升，企业越来越多的引入优质资本，研发资本单位投入带来的边际报酬不断增加，企业的创新效率也随之增加，因此研发要素配置扭曲增加会促进创新效率的提升，这一结果证实了研究假说1 的内容。第二，两个模型均表明研发劳动要素结构性扭曲显著抑制了创新效率，研发人员得不到与其边际产出相匹配的工资报酬，创新生产的动力不足缺乏积极性，进而抑制创新效率的提高，从而验证了假说2 的内容。第三，两个模型的结果表明，FDI对创新效率提升也表现出显著的促进作用，且模型（2）的回归结果显示，研发要素配置扭曲和FDI的交互项回归系数为正，且结果在1%水平上显著，表明引入FDI也削弱了研发要素配置扭曲对创新效率促进作用，也即当FDI越小时，研发要素配置扭曲对创新效率的促进作用越强；研发劳动要素结构性扭曲和FDI的交互项回归系数为正，且在1%水平上显著，表明FDI削弱了研发劳动要素结构性扭曲对创新效率的负向影响，也即当FDI越小时，研发劳动要素结构性扭曲对创新效率的抑制作用越强；通过计算，除浙江省2015—2019 年和广东省2017—2019 年之外，FDI对创新效率总的作用仍是积极的促进作用，FDI对创新效率的抑制作用来自于FDI进入后削弱了研发要素配置扭曲对创新效率的正向作用，即FDI和研发要素配置扭曲交互项的作用，在这些年份，浙江省、广东省的研发要素配置扭曲值较大，FDI进入后对研发要素配置扭曲对创新效率促进作用的削弱超了过FDI本身对创新效率的促进作用和FDI对研发劳动要素结构性扭曲对创新效率抑制作用的削弱效果之和，所以FDI在总体上对创新效率产生了抑制作用。以上，验证了研究假说3 的内容。

从控制变量的回归系数来看，政府干预程度、地区受教育水平和地区技术市场流动情况都显著促进了创新效率的提升，且三种控制变量的促进作用依次降低，政府干预程度的影响最大，受教育水平略小，技术市场流动情况的促进作用最小。

如果存在内生性问题，以上估计结果可能是有偏的或不一致的。表3 中回归结果显示，豪斯曼内生性检验结果显著，且1%水平上显著表明变量存在内生性问题。内生性可能来源于遗漏变量和测量误差等方面，尽管本文使用面板数据在一定程度上避免了遗漏变量问题，而且尽可能地控制了影响创新效率的其他变量，但仍然可能遗漏一些重要变量。而且关于研发要素配置扭曲、研发劳动要素结构性扭曲、FDI和创新效率衡量中可能存在的测量误差等都有可能会产生内生性问题。基于此，本文采用两阶段最小二乘法2SLS 对内生性问题进行控制。

在使用2SLS 过程中，需要事先设定相关的内生解释变量和工具变量。本文模型（3）将研发要素配置扭曲作为内生解释变量，模型（4）FDI作为内生解释变量。在工具变量的选择上，参考施炳展和冼国明（2012）[32]的做法，选取内生变量的一阶滞后项作为工具变量，即研发要素配置扭曲和FDI的一阶滞后项作为其自身的工具变量。2SLS 的估计结果如上面的表3 所示，模型（3）和模型（4）的回归结果均具有显著性，表明回归结果通过了所有工具变量的计量统计检验，且与前面的基准回归结果一致。

2.分地区回归分析。为了检验以上模型分地区的回归结果，本文将除西藏外的30 个内陆省份，分为东、中、西部地区分别回归①其中，东部地区为：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南，共11 个省份；中部地区为：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南，共8 个省份；西部地区为：内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆，共11 个省份。。表4 为三个地区的回归结果，根据Hausman 检验的结果，东部地区和西部地区均采用固定效应回归，中部地区的模型（7）和模型（8）统一采用随机效应回归。

表4 分地区回归结果

分地区回归的结果表明：首先，研发要素配置扭曲对创新效率的影响，东部地区和中部地区均表现为显著的促进作用，进一步验证了研发要素配置扭曲增加会促进地区创新效率的提升，但西部地区可能由于西部大开发战略的深入实施使其更多地依靠对外开放、政策优惠等途径提高创新效率，因此研发要素配置扭曲对创新效率影响不显著。其次，研发劳动要素结构性扭曲对创新效率的影响，中部地区在模型（7）中表现为1%显著性水平的抑制作用，模型（8）中表现为10%显著性水平的抑制作用，西部地区在模型（9）、模型（10）均表现为1%显著性水平的抑制作用，东部地区的回归结果不显著，说明东部地区由于经济社会比较发达，各种劳动人员的工资水平都很高，研发人员的劳动所得高于其他地区，这种研发人员和非研发人员的差异已经不影响研发人员的创新动力和积极性了，而中部地区和西部地区表现为显著的抑制作用，研发劳动要素结构性扭曲增加会抑制创新效率提升。再次，对于FDI，三个地区的回归结果均表现为FDI显著促进了创新效率的提升；对于研发要素扭曲和FDI的交互项，东部地区研发要素配置扭曲和FDI交互项的回归结果显著，且与基准回归相符，研发劳动要素结构性扭曲和FDI的交互项不显著，中部地区两个交互项均显著，且与基准回归相符，西部地区研发要素配置扭曲和FDI交互项的回归结果不显著，研发劳动要素结构性扭曲和FDI的交互项显著，且与基准回归相符。最后，控制变量政府干预程度、受教育水平和内部技术市场流动情况在东、中、西三个地区基本都与基准回归结果相符，显著促进了创新效率的提升。

综上估计结果与前文基准回归结果基本一致，说明本文的研究结果具有较好的稳健性。

（二）稳健性检验

1.更换被解释变量测算指标。为了检验上述模型的稳健性，我们参考白俊红和蒋伏心（2015）[33]的方法，根据发明专利、实用新型和外观设计三种专利的创新程度，对其分别赋予0.5、0.3 和0.2 的权重，采用加权平均值作为最终的专利指标，以衡量创新产出。同样用随机前沿法测算出创新效率作为被解释变量，以研发要素配置扭曲、研发劳动要素结构性扭曲和FDI作为解释变量，同样以地区政府干预程度、地区受教育水平和地区内部技术市场流动情况为控制变量，采用面板计量回归模型，再次考察研发要素配置扭曲、研发劳动要素结构性扭曲和FDI对我国创新生产效率的影响。表5 为重新测算创新效率后，是否考虑交互项这两种情况对应的总体回归结果：

表5 更换被解释变量的回归结果

从以上回归结果看，研发要素配置扭曲显著促进了创新效率的提升；研发劳动要素结构性扭曲显著抑制了创新效率的提升；FDI显著促进了创新效率的提升；对于交互项的影响，研发要素配置扭曲和FDI交互项的回归结果显著为负，表明FDI的引入削弱了研发要素配置扭曲对创新效率的促进作用，研发劳动要素结构性扭曲和FDI的交互项，显著为正，表明FDI的引入削弱了研发劳动要素结构性扭曲对创新效率的抑制作用；通过计算，总体上，FDI对创新效率总的影响仍为正向促进作用；此外，控制变量也均显著促进了地区创新效率。综上估计结果与基准回归结果一致，进一步表明了本文的估计结果具有稳健性。

2.更换解释变量测算指标。为了进一步检验模型的稳健性，本文以研发人员工资与非研发人员工资之比表示研发劳动要素结构性扭曲，其他变量与基准回归变量一致，考察研发要素配置扭曲、研发劳动要素结构性扭曲和FDI对中国各省份创新生产效率的影响。表6 为采用了2010—2019 年省级数据的固定效应面板回归结果。

表6 更换解释变量的回归结果

从以上回归结果看，研发要素配置扭曲显著促进了创新效率的提升；研发劳动要素结构性扭曲显著抑制了创新效率的提升；FDI显著促进了创新效率的提升；对于交互项的影响，研发要素配置扭曲和FDI交互项的回归结果显著为负，表明FDI的引入削弱了研发要素配置扭曲对创新效率的促进作用，研发劳动要素结构性扭曲和FDI的交互项，显著为正，表明FDI的引入削弱了研发劳动要素结构性扭曲对创新效率的抑制作用；通过计算，总体上，FDI对创新效率总的影响仍为正向促进作用；此外，控制变量也均显著促进了地区创新效率。上述估计结果与基准回归结果一致，进一步表明了本文的估计结果具有稳健性。

（三）进一步分析：基于FDI 对研发人员工资的W 视角

在前文的机制分析中，主要探讨了FDI可能通过压低研发人员工资的途径来影响研发要素配置扭曲和研发劳动要素结构性扭曲对创新效率的作用，本文将进一步对这一机制进行检验，设定如下简化的检验模型，为了结果的稳定性对所有变量取对数，如下式所示：

其中，下标i、t分别表示地区、时间，η0、η1、η2为变量的回归系数，wrd为研发人员的工资，FDI为外商直接投资，X为控制变量，控制变量包括地区人均GDP（PGDP）、地区城镇化率（Urb）和地区内部技术市场流动情况（TD）。本文选取2009—2019 年省级面板数据，FDI对研发人员工资的具体回归结果如表7 所示。

表7 FDI 对研发人员工资的回归结果

在以上回归结果中，分别展示了总体固定效应回归结果和东部地区、中部地区、西部地区的固定效应回归结果。四个模型均表明引进外资对我国研发人员的工资水平具有抑制作用，即FDI压低了研发人员的工资。结合前文的机制分析，FDI通过压低研发人员的工资，减轻了创新研发企业的研发成本，使得企业可以雇佣更多的研发人员或者投入更多的研发资本，从而对地区创新效率产生促进作用；同时，FDI通过压低研发人员的工资，降低了研发要素配置扭曲和研发劳动要素结构性扭曲，进而削弱了研发要素配置扭曲对创新效率的促进作用，进一步验证了研究假说3 的内容。

五、结论

本文将研发要素配置扭曲、研发劳动要素结构性扭曲和FDI作为核心解释变量，研究其对创新效率的影响，并考虑了交互影响，拓展了已有的研究框架。使用省级面板数据，构建了研发要素配置扭曲、研发劳动要素结构性扭曲和FDI等指标，系统考察了研发要素配置扭曲、研发劳动要素结构性扭曲和FDI对创新效率的影响。主要得出如下结论：研发要素配置扭曲对创新效率的提升具有促进作用；研发劳动要素结构性扭曲对创新效率的提升具有抑制作用；FDI对创新效率具有显著的促进作用，FDI的引入削弱了研发要素配置扭曲对创新效率的正向影响，也削弱了研发劳动要素结构性扭曲对创新效率的负向影响，总体上，FDI对创新效率仍具有积极的促进作用。

由此，本文提出以下建议：

首先，应该形成一个更有效的研发要素市场，更优的研发要素配置能够提升创新效率，使研发要素自由流动、要素价格反应灵活，提高研发人员的工资报酬，从而吸引更多创新人才。同时，在教育层面上，要提高人力资本积累，特别是高素质研发人才的人力资本积累。

其次，政府应该采取积极的政策吸引外资，外资的进入能够促进创新效率的提升。在创新资源有限的情况下，注重引进高质量的外商直接投资，从而更好地提升创新效率。同时，政府应合理简化相关程序，使外资顺利进入我国，建立完善的外商投资机制，营造良好的外商投资环境，为外资进入和发挥作用提供良好的内部制度环境。