创造性破坏、开发全新产品还是产品质量提升?*——中国出口企业的创新维度核算

鄢 萍 殷 戈 袁锡林 余淼杰

(1.中南财经政法大学财政税务学院 湖北武汉 430073)

(2.对外经济贸易大学国际经济研究院 北京 100029)

(3.耶鲁大学经济系 美国康涅狄格州纽黑文 06520)

(4.辽宁大学 辽宁沈阳 110036)

一、引言

在中国经济新常态下,促进创新、促进高质量发展,推动经济发展从投资驱动向创新驱动转型成为国家政策的重中之重。我们有必要对中国经济全要素生产率(TFP)的变化做详尽分解,梳理中国TFP增长的不同渠道的相对重要性,从而为促进TFP增长的政策制定提供参考。另外,由于企业TFP和出口决策的联系(Melitz,2003),以及企业创新和出口的关系(戴觅和余淼杰,2012；Bloom等,2016),理解出口企业和非出口企业在创新渠道上的异同,对于构建双循环的新发展格局也具有重要意义。

创新对TFP的贡献主要从三个机制展开讨论。第一是创造性破坏。创造性破坏是指某企业在另一家企业已有产品的基础之上研发出更好的、对原有产品具有完全替代效应的新产品,从而将原有产品挤出市场(Schumpeter,1934；Aghion和Howitt,1992；Aghion等,2014)。第二是企业对自有产品质量的提高(Lucas和Moll,2014)。第三是新产品的研发(Broda和Weinstein,2006)。但是在实证研究中很难直接将上述三种创新活动区分开来,比如数据中难以刻画产品质量,企业研发投入申报误差较大(Syverson,2011)等,难以直接回答以上三个机制对TFP贡献的相对大小。很多国家都通过各种方式鼓励企业进行创新,对诸如“政府应该补贴什么样的企业”、“应该如何进行补贴才能使绩效最大化”等问题,需要了解各种创新活动和不同类型企业对TFP增长贡献的相对大小,才能够给出科学的回答。所以,为了评估创新政策的社会福利影响,提高鼓励创新政策制定的科学性,理解创造性破坏、企业自有产品质量的提高和新产品研发对TFP的相对贡献大小是重要的。

Garcia-Macia等(2019)提出了一个解决这个问题的巧妙方法,他们将企业不同形式的创新活动与企业雇佣人数的变动结合起来,构造二者之间的一个映射,从而通过企业雇佣人数的变动来间接核算不同创新活动对TFP的贡献。以创造性破坏和自有产品质量的提升为例,以创造性破坏的方式创新的企业会使原先生产该产品的企业停产,并且创新企业会较大规模地招募新员工,而被取代企业会裁员甚至退出市场。自有产品质量提升成功的企业虽然雇佣人数会上升,但上升幅度小于创造性破坏,因为它是对自己已有产品做改进,对其他企业劳动力雇佣的影响则是通过一般均衡效应提高工资水平使得其他企业雇佣人数小幅下降。也就是说,创新成功的企业既会增加雇佣人数,又会使得其他企业雇佣人数减少,但企业层面就业增长与减少的幅度取决于企业采取何种方式创新。基于这样的想法,Garcia-Macia等(2019)没有直接利用与创新相关的数据来分解上述三种创新渠道,而是采用间接的方式,通过一个结构模型将企业不同创新活动与雇佣人数变动结合起来,构造一个二者之间的映射,通过企业劳动力数据和模拟矩估计(simulated method of moments)方法来校准与创新活动相关的参数,从而核算出三种不同创新渠道对TFP增长的贡献。本文沿袭Garcia-Macia等(2019)提出的方法,利用1998—2007年中国规模以上工业企业数据来核算三种创新渠道对中国TFP增长的贡献。考虑到中国于2001年加入了WTO,国际贸易可能对企业的创新行为和生产率产生一定的影响(Aw等,2008),生产率高的企业更有可能加入国际贸易,生产率低的企业可能会被迫退出市场,同时将其生产要素重新分配给其他企业,带来整体TFP的提升(Melitz,2003；Aw等,2008)。这可能会使得刻画创新活动的参数发生较大变化,因此我们将数据划分为1998—2001年和2002—2007年两个时段,分别对参数进行估计。由于国际贸易与企业生产率有关(Melitz,2003),我们在这两个时间段里分别讨论了出口企业和非出口企业TFP增长的不同来源的相对重要性。

我们发现,中国1998—2007年TFP增长的主要来源是在位企业对自有产品质量的提高,其贡献在1998—2001年为75%,在2002—2007年下降到了60.1%。新进入企业创造性破坏对TFP增长的贡献从1998—2001年的17.8%上升到了2002—2007年的27.3%,新进入企业开发全新产品的贡献则从0.17%上升到5.69%,表明在2002—2007年新进入企业创造性破坏和开发全新产品的活动更加活跃。我们估计出1998—2001年(2002—2007年)间企业对其产品自我创新的成功率为77.3%(68.4%)；在位企业创造性破坏的成功率为6.5%(5.7%),新进入企业创造性破坏的成功率为16.2%(25.8%)；新进入企业开发全新产品的成功率为0.4%(36.5%),成功开发的全新产品的质量为所有在位产品平均质量的29%(30%)。也就是说,中国在加入WTO之后,在位企业进行自我创新以及创造性破坏的成功率都下降了,新进入企业创造性破坏和开发全新产品的成功率上升。这表明在位企业的创新能力有所下降,新进入企业在创新活动中扮演的角色愈发重要——新进入企业不仅创新的成功率提高,而且创新的质量也有所提升。

进一步地,我们讨论了出口企业和非出口企业TFP增长不同来源的相对重要性。从两类企业整体来看,在位企业自我创新对TFP增长率的贡献都是最大的,这与对所有企业进行分解得到结果是一致的。出口企业与非出口企业在创新方面的一个显著差异是,出口企业开发全新产品对TFP增长的贡献远高于非出口企业。具体而言,出口企业通过开发全新产品对TFP增长的贡献为21.48%,远远大于非出口企业的3.25%；非出口企业通过创造性破坏对TFP增长的贡献为37.45%,比出口企业的28.26%大。这体现了两种类型企业在创新行为上的较大差异。对于这些发现,第一个解释是,由于中国加入WTO,高生产率企业加入国际贸易,有更多的机会模仿、学习国外先进的技术,从而开发全新产品的成功率以及全新产品的质量都有所提高；第二,出口企业因为要服务国外市场,所以开发新产品满足国际市场的需求相对于满足国内需求更为重要。而非出口企业则在国内与其他企业竞争,因此创造性破坏是其主要的创新方式。

本文与Garcia-Macia等(2019)使用美国纵向商业数据库(the U.S.Longitudinal Business Database,LBD)1983—2013年的样本得出的结论有相同之处,也有重要差异。相同点在于,都发现了在位企业自有产品质量的提高对TFP的贡献在三个渠道中是最大的,且贡献度接近,均在六至七成。不同点则在于,本文发现,在中国,在位企业自有产品质量提高的贡献在下降,新进入企业通过创造性破坏和开发全新产品对TFP增长的贡献在上升,且上升幅度较大。理解中美之间的TFP增长来源的异同对我们走适合中国国情的科技强国之路、推动中国科技创新政策制定的科学化提供了依据。

国际贸易领域的研究提出了贸易促进生产率的诸多机制,然而它们的重要性并不清楚。本文能够帮助我们理解这些机制的相对重要性,从而在现实意义和政策建议上较有价值。本文发现,不论是出口企业还是非出口企业,在位企业自我创新对TFP增长率的贡献都是最大的,而出口企业开发全新产品对TFP增长的贡献远高于非出口企业。这说明,中国TFP的增长仍然主要来自在位企业对自有产品质量的提高。由此看来,激励出口企业通过开发新产品和创造性破坏的创新渠道拉动经济TFP增长仍有很大潜力,而这需要打破企业和产品进入国际国内市场的壁垒。促进经济高质量发展不仅要着眼于鼓励创新的政策制定,而且应着眼于消除要素在企业间自由流动的障碍,对外进一步消除出口企业的信息不对称,加入全面和稳定的国际贸易协定,激励出口企业进行质量升级,对内推动生产要素从低效率企业转移出来,为创新型企业释放出更多生产要素。

二、文献综述

本文与三支文献有关。第一,能够帮助理解国际贸易各种创新促进机制的相对重要性。国际贸易领域的文献强调贸易能够促进创新和生产率(李志远和余淼杰,2013；田巍和余淼杰,2014；余淼杰,2010；余淼杰,2011；Yu,2014)。Feenstra(2018)强调贸易有三个提高社会福利的渠道:增加产品种类,促进创造性破坏,降低价格加成。Goldberg等(2010)发现贸易壁垒的降低使得国内企业能够使用更广泛的中间品从而促使国内企业开发新产品。还有一些研究发现市场规模的扩大促进了创新(Lileeva和Trefler,2010)、贸易的技术溢出效应(Keller,2002),以及干中学效应(Irwin和Klenow,1994)。但国际贸易领域研究提出的诸多机制的相对贡献在宏观上缺乏度量,使得我们对这些机制的重要性并不清楚。本文能够帮助大家理解这些机制的相对重要性,对现有文献作有益补充。

第二,本文的发现对一些研究中国经济增长来源的文献有所发展。Brandt等(2012)发现,中国TFP增长的2/3来源于新进入企业。Hsieh和Klenow(2009)发现中国生产要素边际产量的离散度在下降,说明中国要素配置的效率在提高。本文发现创造性破坏能够解释中国TFP增长的27%,支持了其重要性并且重要性在提高。以往对中国TFP增长分解的研究主要利用回归分析(程名望等,2019；杨汝岱,2015)或者会计核算(Brandt等,2012)。本文则首次利用一个结构模型来理解这个问题,从新进入企业与在位企业、三种创新方式这两个维度对中国TFP增长进行了更加细致的分解。此外,以往对TFP增长率的分解主要从不同生产率企业进入、退出市场的行为以及生产要素在不同生产率企业间的再配置入手(Lentz和Mortensen,2008；Brandt等,2012),而没有给出导致企业进出市场和生产要素再配置的具体原因。Melitz(2003)在一个均衡框架下指出,企业间对生产要素的竞争造成了企业进出市场和生产要素再配置。我们的模型刻画了一个新的渠道,即企业的创新活动:新企业通过创造性破坏进入市场,被创造性破坏的企业可能会退出市场,它所雇用的生产要素流向其他企业。由此,本文具体解答了创新活动是如何推动劳动力要素在企业间进行再配置的这一问题。

第三,本文在测量创新的价值上有贡献。许多学者试图利用专利数据来衡量创新的价值,直接利用引用量(Trajtenberg,1990；Hall等,2000；Harhoff等,2003)、缴纳专利维持费的年数(Harhoff等,2003；Lanjouw和Schankerman,2004；Pakes,1986)、同族专利数(Lanjouw和Schankerman,2004)、是否被诉讼或无效过(Harhoff等,2003；Lanjouw和Schankerman,2004)、权利要求数(Tong和Frame,1994),以及用上述指标中某些指标构造的指数(Lanjouw和Schankerman,2004；Boeing和Mueller,2019)来衡量创新的价值。这些试图直接衡量创新价值的办法有一定的局限。比如,不同技术领域的专利差异较大因而无法用统一的指标来衡量不同领域的专利价值,专利价值指标和发明创造对经济增长的贡献还要另作研究等。本文通过结构模型构建了就业和三种创新活动的映射关系,通过企业雇佣人数的变动来间接核算不同创新活动对TFP的贡献,从而避免了以上的问题,为衡量创新活动对TFP的影响在方法上有所贡献。

三、模 型

本部分展示了将TFP增长分解为创造性破坏、企业自我创新和全新产品开发三种创新方式的结构模型。

(一) 企业劳动力需求的静态优化决策

我们借鉴了Garcia-Macia等(2019),假设市场中存在多家企业以及种不同的产品y,每家企业至少生产一种产品。不同企业生产的同一种产品可能具有不同的质量,用质量指标q表示该产品当前的最高质量水平。我们假设企业在决定价格和产出之前必须先支付一个固定的生产成本,因此只有能生产出最高质量产品的企业会生产该产品(Klette和Kortum,2004)。不同产品之间的替代弹性为,总产出是以质量加权的CES组合,则有:

劳动是经济中唯一的生产要素。假设所有产品的生产都需要一单位的劳动投入,即y=l。求解企业的利润最大化问题可以得到企业生产产品的劳动力需求函数:

其中,是经济中总的劳动力数量,我们假设是固定的。是实际工资。从式(2)可以看出,生产产品所需要的劳动力数量与其产品质量有一一对应关系。因此,一个生产M种产品的企业的劳动力需求为:

可以看出,一家企业的劳动力总需求完全由其所生产产品的质量所刻画。或者说,劳动力数量在企业间的分布与产品质量的分布存在一一对应的关系。在劳动力市场出清条件下的实际工资为:

因此,给定当期产品质量的分布,唯一确定。由于我们假设只有劳动这一种生产要素,工资即人均GDP,所以人均GDP由产品质量的分布所完全确定。

(二) 企业的创新

我们假设所有企业都参与创造性破坏、自有产品创新和全新产品开发这三种创新活动,同时也允许新企业进入与在位企业退出。由于我们的研究目标是核算三种创新形式对TFP贡献的相对大小,而非探讨企业创新决策的内生决定机制,所以假设企业的创新行为是外生的,由参数所刻画,从而使研究的问题更加聚焦,同时模型结构得以简化。

(3) 全新产品的开发。假设在位企业和新进入企业都能进行全新产品开发。对每一种在位产品,在位企业和新企业开发全新产品成功的概率分别为κ和κ。如果一家新企业在当期成功开发了一种全新产品,那么该企业能够进入市场。我们假设,如果某企业成功开发出一种全新产品,那么该产品的质量为从在位产品的质量分布中随机抽取的一个值,并乘以系数s。举例来说,如果s=50%,那么新产品的质量等于从在位产品质量分布中随机抽取的一个值的一半。

为了使模型能够产生稳定状态,我们假设企业可以自行决定是否进入或者退出市场。为了在模型中刻画企业退出,我们假设所有企业每一期必须使用某固定数量的劳动力(overhead labor)。那些值函数较低,即生产的产品质量较低的企业会选择退出市场,同时所生产的低质量产品也退出市场。这个固定劳动力的假设会在稳态下产生一个关于产品质量的平稳分布。

(4) TFP增长率的分解。由于模型中劳动力供给保持不变且没有资本积累,人均产出即工资的增长完全来自产品质量的提高,我们用产品质量的增长解释TFP的增长。给定上述三种创新活动及其成功率、创新成功产品质量的相对提升以及企业退出市场的决策,我们用两种方式对TFP的期望增长率进行分解。

其中,δ是产品退出市场的平均概率,是退出市场的产品的平均质量。式(6)按照开发全新产品、对自有产品的创新和创造性破坏这三种创新的方式对TFP增长进行了分解,式(7)则按照在位企业和新进入企业对TFP增长进行了分解。这两种分解均由模型的参数完全确定。因此,只要能够校准这些参数的值,就能实现对TFP增长的分解。

(三) 劳动力数据与企业创新行为的联系

我们通过企业层面的劳动力数据,运用模拟矩估计(simulated method of moments)方法识别模型参数。企业层面的劳动力数据包含三个方面的信息:劳动力数量的总体分布；企业劳动力数量的变动,比如企业员工的增加与减少；劳动力数量,以衡量企业规模大小。

每个矩都包含了各个方面的参数,不能够说哪些矩识别出哪个参数,但可以说某些矩对某些参数的识别的贡献更大。下面解释参数的识别直觉。首先,我们选择固定劳动力成本使得最小企业恰好有一个工人。这个固定成本决定了企业的退出决策,从而内生决定了产品退出市场的概率()以及退出市场产品的平均质量()。然后校准剩余的7个参数。我们根据就业人数的增长来推断产品种类(κ,κ)的增长,这是因为企业规模和产品种类的数量有正向关系。那么我们如何知道新产品是来自进入者(κ)还是在位者(κ)?如果新品种全部来自现有企业,则会呈现出企业规模随着年龄增长而增加的现象,我们就可以通过新进入企业雇佣人数占总雇佣人数的比例来推断进入者对产品种类的贡献。而且,新进入企业雇佣人数占总雇佣人数的比例对估计新进入企业创造性破坏(δ)和新进入企业开发全新产品(κ)的贡献较大；被破坏的工作岗位占所有工作岗位之比对估计在位企业创造性破坏(δ)和新进入企业创造性破坏(δ)的贡献较大。对数化的企业雇佣人数标准差可以帮助我们识别全新产品的相对质量折算系数(s)。这从直觉上很容易理解,如果新品种的质量低于现有质量(即s＜1),则产品质量和企业规模的分散程度就会增加。5个刻画三种创新方式成功率的参数(δ,δ,λ,κ,κ)的相对大小由劳动增长率小于1的企业新增工作岗位占总新增工作岗位之比、小企业的退出率、大企业的退出率等共同决定。

四、数据与描述性统计

本文主要使用的是中国规模以上工业企业1998—2007年的数据。该数据包含了本文所需要的企业员工人数相关的信息,但只包含国有企业和年收入在500万元人民币以上的非国有企业,中小非国有企业没有被包含在内。该数据对中国经济活动具有较好的代表性:与2004年中国经济普查数据相比,2004年没有进入中国规模以上工业企业的数据样本仅贡献了总产出的9.9%,出口总值的2.5%(Brandt等,2012)。企业的名称、法人代码等识别信息可能会发生更改,因此我们借鉴Brandt等(2012)的做法,使用法人代码、企业名称、法人代表姓名等标准判断不同年份出现的企业是否为同一家企业。

本文估计TFP使用的劳动收入份额来自Penn World Tables(PWT 8.0)。我们对中国1998—2007年逐年劳动收入份额取算术平均,为0.59。为了计算总体的TFP增长率,本文采用了Zhu(2012)的索洛残差核算方法。具体来说,我们利用柯布-道格拉斯生产函数=AK()对样本中企业进行核算,计算出即TFP的值。其中总产出为经过GDP平减指数折算后的增加值,资本为经过投资品价格指数折算后的企业账面资本值,总劳动力投入则以折算后的工资衡量。在计算出每家企业的TFP之后,我们以企业雇佣人数为权重进行加权平均计算出每年经济总体的TFP。

中国于2001年末加入了WTO,这也许会影响不同类型企业的创新行为:生产率高的企业更有可能加入国际贸易,有更多机会学习、模仿、创新；而面对更加激烈的市场竞争,生产率低的企业可能会被迫退出市场,同时将其生产要素重新配置给其他企业,带来整体TFP的提升(Melitz,2003；Aw等,2008)。加入WTO可能会使得刻画创新活动的几个外生参数发生较大变化。因此,我们将样本时间划分为1998—2001年和2002—2007年两段,分别进行研究。在企业的划分上,我们将新进入企业定义为时间段内开业的企业。比如,如果一家企业在1998—2001年开业,我们将其标记为1998—2001年的新进入企业。如果一家企业在该时间段内劳动增长率绝对值小于1,那么将该企业记为雇佣人数变化较小的企业。如果一家企业的雇佣人数小于时间段内企业平均雇佣人数,则该企业被记为小企业,反之则被记为大企业。考虑到少数国企的雇佣人数非常极端,对样本矩有很大影响,我们将企业雇佣人数去掉了上下2.5%的极端值样本。

对1998—2007年中国规模以上工业企业数据的描述性统计显示,1998—2001年间,企业雇佣人数出现负增长,这可能与国企改制有关。2002—2007年,企业的平均规模(以平均雇佣人数衡量)相比于上一时间段有较大下降,但是这段时间内总雇佣人数出现稳定增长,企业规模的标准差下降,企业数目增加了近60%。TFP年均增长率与Brandt等(2012)估算的较为接近,其中第一阶段TFP年均增长率大约为6%,加入WTO之后TFP年均增长率提高到8.5%左右。

两个时间段内工作岗位创造和岗位破坏占总雇佣人数之比的情况显示,1998—2001年,工作岗位破坏的比例略微大于创造的比例；而2002—2007年,工作岗位创造的比率相比前一阶段上升了近40%,破坏的比例下降了近5%,表明这段时间劳动力需求旺盛,宏观层面创造了大量新的工作岗位,同时工作的稳定性有所提高。这与前文呈现的劳动力变化总体情况是一致的。工作岗位的创造来自在位企业的岗位增加以及新进入企业带来的岗位增加。新进入企业所带来的工作岗位增加占总雇佣人数之比显示,新进入企业带来的工作岗位增加占总雇佣人数之比在第一阶段仅为13%,而在第二阶段升至30%,表明2002—2007年新进入企业对就业创造的贡献大幅提高。

我们将所有雇佣人数变化较小的企业增加(减少)的雇佣人数加总起来,再除以创造(破坏)的工作岗位总数,以显示雇佣人数变化较小的企业对总体工作岗位增加或破坏的贡献。根据模型部分的推导结果,劳动增长率绝对值是否小于1是区分创造性破坏的一个关键指标。结果显示,从1998—2001年到2002—2007年,劳动增长率绝对值小于1的企业对岗位创造的贡献从12.5%略微下降到11.4%,而对岗位破坏的贡献从24.5%下降到16%。这表明在2002—2007年间,有更多的岗位破坏集中于劳动力数量下降幅度较大的企业。这种变化趋势可能说明2002—2007年创造性破坏的程度比1998—2001年更大,接下来我们将从企业的生命周期特征提供证据证明这一猜测。

从不同企业的平均规模(以企业雇佣人数衡量)可以看出两个特点:第一,企业规模有很强的生命周期特征,在位企业的规模显著大于新进入企业的规模。1998—2001年,在位企业的平均规模甚至达到了新进入企业的7倍,2002—2007年间在位企业的平均规模为新进入企业的2.5倍,这可能是由于前期大规模国企改制使得许多国有大企业被拆分。第二,企业的平均规模在第二个时段比第一个时段有所下降,这与前文呈现的结果一致,且主要来自在位企业规模的缩小。

我们首先计算企业退出概率,计算方式为该时间段初运营且时间段末不运营的企业的占比除以时间段(以年为单位)的长度,并按照企业规模划分的企业退出市场的概率。结果显示,小企业退出率较高,而大企业退出率较低。相比于1998—2001年,2002—2007年小企业退出率下降了1.2个百分点,表明小企业的存活率有一定提高。

五、估计结果

(一) 模拟矩估计结果

本部分展示通过模拟矩估计方法对上文提出的10个矩进行拟合的结果,以校准模型中参数的值,并在此基础上核算3种创新渠道对TFP增长的贡献。

我们需要估计的参数共有8个,包括5个刻画3种创新方式成功率的参数(δ,δ,λ,κ,κ),2个刻画质量进步大小的参数(,s),以及固定劳动力成本。我们拟合的矩为第三部分中列出的10个矩,即总TFP增长率、对数化的企业雇佣人数标准差、新进入企业雇佣人数占总雇佣人数的比例、新增工作岗位占所有工作岗位之比、被破坏工作岗位占所有工作岗位之比、劳动增长率小于1的企业新增工作岗位占总新增工作岗位之比、企业最小雇佣人数、小企业退出率、大企业退出率,以及在位企业平均雇佣人数相对于新进入企业的平均雇佣人数。具体来说,我们选择固定劳动力成本使得最小企业恰好有一个工人。这个固定成本决定了企业的退出决策,从而内生决定了产品退出市场的概率(δ)以及退出市场的产品平均质量()。给定这个固定成本,我们再选择参数值δ,δ,λ,κ,κ,,s,使得模型中计算的其他矩和从数据中计算的矩偏差尽可能小。

表1展示了1998—2001年以及2002—2007年两个时间段内各个参数的估计值,其中,不同产品之间的替代弹性设定为4,与Garcia-Macia等(2019)一致。利用1998—2001年数据所得出的矩信息,我们推断出这期间企业对其产品自我创新的成功率高达77.3%。而在自我创新没有成功的条件下,某产品被另一家在位企业创造性破坏的概率为28.8%。在自我创新未成功,且没有被在位企业创造性破坏的条件下,某产品被一家新进入企业创造性破坏的概率为100%。因此,某种给定的产品被一家在位企业创造性破坏的无条件概率为(1-0.773)×0.288=6.5%,被一家新进入企业创造性破坏的无条件概率为(1-0.773)×(1-0.288)×1=16.2%。

根据表1估计的结果,=7.3,因此在创新成功的条件下,以雇佣劳动力数量加权的产品质量平均进步大小为s-1=((-(-1)))=19.3%。全新产品的开发仅来自新进入企业,开发成功率为0.4%,且成功开发的全新产品的质量为在位所有产品平均质量的29%。固定劳动力成本使得部分企业选择退出,退出概率为4%,退出市场产品的平均质量为在位所有产品平均质量的0.2%。

表1 利用模拟矩估计方法校准的参数

2002—2007年相应参数的解读与之类似。比较两个时段可以发现,2002年之后,在位企业进行自我创新以及创造性破坏的成功率相比1998—2001年都下降了近10%,相对应的是新进入企业开发全新产品的成功率大幅提高。这表明在位企业创新能力有所下降,新进入企业在创新活动中扮演的角色愈发重要。不仅如此,与创新进步率相关的参数的下降以及全新产品的相对质量折算系数s的增加,表明新进入企业不仅创新的成功率提高,而且创新的质量也有所提升。

我们得到的结果与Garcia-Macia等(2019)的结果有一定区别。他们利用美国企业数据,发现企业对自有产品创新的成功率从1993—2003年的71%上升到2003—2013年的77.9%,而新企业开发新产品的成功率则从8.9%下降到3%。本文发现这两种创新方式的成功率在中国的变化趋势正好相反:在位企业自有产品创新成功率下降了近10个百分点,而新企业开发新产品的成功率则上升了36个百分点。

由创造性破坏、全新产品开发以及企业自我创新三种创新方式所导致的TFP增长率显示,1998—2001年间,企业自我创新带来的TFP增长率约为4.45%,是创造性破坏贡献的3倍,而全新产品开发带来的TFP增长率则非常微小。2002—2007年,各类创新方式带来的TFP增长都有不同程度的上升,其中创造性破坏带来的TFP增长从1.48%上升到2.92%,成为TFP增长的一个重要来源。全新产品开发带来的TFP增长虽然绝对数量依然不大,但是增长幅度非常大。进一步地,我们从创新来源以及是否是新进入企业两个维度对TFP增长进行分解,分解的依据为TFP增长率的分解方程式(6)和式(7)。由于只有在位企业能对自己已有产品进行创新,因此新进入企业自我创新的贡献为空值。我们发现,1998—2001年,TFP增长率的17.76%来自新进入企业,82.24%来自在位企业,表明在位企业是TFP增长的主要贡献者。2002—2007年,创造性破坏对TFP增长的贡献从24.86%上升到34.20%,有了较大程度的增长,这与前文的发现一致。新进入企业对TFP增长的贡献翻了一番,上升到33%左右,其中通过创造性破坏带来的贡献提高了近10%,通过开发全新产品带来的贡献提高了5.5%。从数据拟合的角度来说,这主要是因为相比1998—2001年,新进入企业带来的工作岗位增加与总雇佣人数之比在2002—2007年这个时间段内有了较大幅度的提高,因此校准得到的新进入企业创造性破坏和开发全新产品的贡献大大提高。我们的解释是,中国加入WTO之后,很多新产品进入中国,引发大量新企业对它们进行学习和模仿,开发了国内市场没有的全新产品,或是开发了对已有产品的替代性产品,实现了创造性破坏。这些模仿与开发提高了创新活动的成功率与创新成果的质量,这与表1校准得到的参数结果一致,体现了学习效应与后发优势。

尽管新进入企业对TFP增长的贡献有了很大提高,但是分解结果表明大部分的TFP增长仍然来源于在位企业的自我创新,这个结论与Garcia-Macia等(2019)分解美国TFP得到的结论一致。不过,他们发现在位企业自有产品创新对美国TFP增长的贡献越来越大,而本文则发现这一渠道对中国TFP增长的贡献有所减小。尽管如此,在2002—2007年,中国在位企业自我创新对TFP增长的贡献依然占60%。中美企业在创新主体上的差异可能反映了企业构成的变化,我们将在后文作进一步分析。从2002—2007年的样本矩与模拟矩的对比可以看出,通过模型模拟得出的新进入企业创造工作岗位占比、工作岗位创造率和岗位破坏率、雇佣人数变化较小企业创造工作岗位占比等矩均能够与数据很好地拟合。

(二) 出口企业和非出口企业的差异

前文中我们发现新进入企业创造性破坏对TFP增长的贡献从1998—2001年的17%左右上升到2002—2007年的近27%,新进入企业开发新产品的贡献则从0.17%上升到5.69%,表明在后一段时间新进入企业创造性破坏和开发全新产品更加活跃。这些变化与中国加入WTO有何种联系?出口企业和非出口企业在不同的创新方式上对TFP增长的贡献有无异同?本部分对2002—2007年不同类型企业重复的TFP增长分解,一方面验证前文分解结果的稳健性,另一方面对企业创新行为进行更深入的探究。

按出口类型划分企业的描述性统计表明,出口企业的平均规模接近非出口企业的两倍,这与国际贸易理论中大企业更倾向于出口吻合。出口企业的总雇佣人数年均增长率远远高于非出口企业,显示出加入WTO之后出口部门的强劲增长。表2报告了不同创新方式对出口企业和非出口企业TFP增长的贡献。在工业企业数据中,若一家企业在2002—2007年任意一年的出口交货值大于0,我们将其定义为出口企业,否则为非出口企业。可以看出,从两类企业整体来看,在位企业自我创新对TFP增长率的贡献都是最大的,这与对所有企业进行分解得到的结果是一致的。不同之处在于,出口企业通过开发全新产品对TFP增长的贡献(21.48%)远远大于非出口企业(3.25%)；相对于出口企业(28.26%),非出口企业(37.45%)通过创造性破坏对TFP增长的贡献更大。

我们对TFP增长贡献的分解是在出口企业和非出口企业两类企业内部分别进行的,因此这里的结果仅仅显示了(非)出口企业通过对其他同类型企业进行创造性破坏所导致的TFP增长,而不涉及出口企业与非出口企业之间的影响。在前文中我们发现,2002—2007年新进入企业通过创造性破坏和开发全新产品所带来的TFP增长较之前有所增加,而表2的结果显示开发全新产品主要来自新进入企业中的出口企业,这体现了出口企业与非出口企业在创新行为上有较大的差异。

表2 2002—2007年三种创新方式对不同类型企业TFP增长的贡献 单位:%

从以上结果可以看到:2002—2007年新进入企业开发全新产品带来的TFP增长高于1998—2001年,这可能主要是由新进入企业中的出口企业开发全新产品所导致的。与之相对的是,2002—2007年间非出口企业对TFP的贡献主要体现在创造性破坏上。对于这些发现,第一个解释是,由于中国加入WTO,高生产率企业加入国际贸易,有更多的机会模仿、学习国外先进的技术,从而开发全新产品的成功率以及全新产品的质量都有所提高；第二,出口企业因为要服务国外市场,所以开发新产品满足国际市场的需求相对于满足国内需求更为重要。而非出口企业则在国内和其他企业竞争,因此创造性破坏是其主要的创新方式。

六、结论与政策建议

企业对自有产品的自我创新、对其他企业产品的创造性破坏以及全新产品开发对中国TFP增长的贡献各是多少?本文借鉴Garcia-Macia等(2019)的方法解决了这些问题。以创造性破坏方式创新的企业会使原先生产该产品的企业停产并且会较大规模地招募新员工；自有产品创新成功的企业虽然雇佣人数会上升,但上升幅度小于创造性破坏,因为它是对自己已有产品作改进,是通过一般均衡效应提高工资水平,使得其他企业雇佣人数小幅下降,对其他企业劳动力雇佣的影响较小。也就是说,创新成功的企业会增加雇佣人数,但增长的幅度取决于企业采取何种方式创新,是提高自己产品的质量还是创造性破坏其他企业的产品。基于这样的想法,我们采用间接方式,通过一个结构模型将企业不同创新活动与企业雇佣人数变动结合起来,构造二者之间的一个映射,利用企业劳动力数据和模拟矩估计方法来校准与创新活动相关的参数,从而核算出三种不同的创新渠道对TFP增长的贡献。本文发现,在位企业对自有产品的自我创新始终是TFP增长的最大来源,占到六成以上。而中国加入WTO之后,新进入企业通过开发全新产品和创造性破坏的方式对TFP的增长较之前有了更大的贡献。

我们进一步讨论了出口企业和非出口企业的TFP增长不同来源的相对重要性。从两类企业整体来看,在位企业对TFP增长率的贡献都更大,与对所有企业进行分解得到的结果一致。出口企业与非出口企业在创新方面的一个显著差异是,出口企业开发全新产品对TFP增长的贡献(21.48%)远高于非出口企业(3.25%)；相对于出口企业(28.26%),非出口企业(37.45%)通过创造性破坏对TFP增长的贡献更大。这体现了两种类型的企业在创新行为上有较大的差异。在构建双循环的新发展格局下,理解出口企业和非出口企业TFP增长的不同来源,对于贸易政策的制定具有重要意义。比如,面对中美经贸摩擦,中国的贸易便利化措施不仅利于中国的出口企业分散出口目的地、寻找新的海外市场,而且利于进口中间品的多样化,从而利于企业开发全新产品以适应多样的国际需求。

理解出口企业和非出口企业在创新渠道上的异同,对于构建双循环的新发展格局具有重要意义。目前新冠疫情的全球冲击仍然未能散去,中国面临中美贸易摩擦等风险,又在进入高质量发展的关键阶段,既要保出口、保就业又要促创新。本文的发现能够为理解中国贸易和创新的关系、就业和创新的关系、创新和经济增长的关系,从而科学制定经济政策做出一定贡献。我们认为,对外应当进一步消除出口企业的信息不对称,加入全面和稳定的国际贸易协定,激励出口企业进行质量升级,对内应当推动生产要素从低效率企业转移出来,为创新型企业释放出更多生产要素。

我们的模型并没有把要素在企业间再配置所面临的扭曲和摩擦显性化。将导致要素错配的扭曲和摩擦与不同创新方式对TFP增长的贡献在模型中分离开来,是我们未来的研究方向。