政策突變與高技術(shù)產(chǎn)業(yè)知識生產(chǎn)機制演變
——來自行業(yè)面板數(shù)據(jù)的證據(jù)

蘭 宏，聶 鳴

（華中科技大學(xué) 管理學(xué)院，湖北 武漢430074）

一、引 言

新經(jīng)濟增長理論把技術(shù)進步看做維持經(jīng)濟持續(xù)增長的內(nèi)生性決定因素，而知識生產(chǎn)是促使技術(shù)進步的關(guān)鍵動力。作為知識密集型產(chǎn)業(yè)，高技術(shù)產(chǎn)業(yè)是國民經(jīng)濟中重要的知識生產(chǎn)部門，不僅對經(jīng)濟具有明顯的拉動作用，而且有利于技術(shù)擴散、產(chǎn)業(yè)升級和國家競爭力的提升。自20世紀(jì)80年代“863”計劃啟動以來，我國高技術(shù)產(chǎn)業(yè)規(guī)模不斷擴大，據(jù)發(fā)改委高技術(shù)產(chǎn)業(yè)司統(tǒng)計，2010年產(chǎn)值達(dá)76156．31億元，在全國規(guī)模以上工業(yè)中的比重已超過10%。在我國，高技術(shù)產(chǎn)業(yè)的發(fā)展歷來受國家意志主導(dǎo)，其產(chǎn)業(yè)范圍劃定、發(fā)展方向、投入強度等均與國家產(chǎn)業(yè)政策的動向密切相關(guān)。因此，從邏輯上推理，產(chǎn)業(yè)政策的突變理應(yīng)對高技術(shù)產(chǎn)業(yè)知識生產(chǎn)機制產(chǎn)生重要影響。對此，本文將政策變遷分為漸變和突變兩種類型，采用分段回歸法對1996-2010年行業(yè)面板數(shù)據(jù)進行多元回歸分析，以考察2004年產(chǎn)業(yè)政策突變下高技術(shù)產(chǎn)業(yè)知識產(chǎn)出結(jié)構(gòu)的演變。

二、理論闡述

在新經(jīng)濟增長理論的框架下，早期有關(guān)知識生產(chǎn)機制的研究都把企業(yè)內(nèi)部的R＆D投入（資金和人力）作為知識生產(chǎn)的核心投入要素。之后，外部知識的溢出效應(yīng)受到 Fischer（2003，2009）、Greunz（2004）、Heshmati（2009）、Piergiuseppe（2007）等學(xué)者的關(guān)注。其中，F(xiàn)DI的知識外溢被廣泛用于解釋發(fā)展中國家的知識生產(chǎn)和技術(shù)創(chuàng)新（Kinoshita，2000；Nietoz，2005）。

國內(nèi)的相關(guān)研究基本上沿用了國際主流思路，專注于知識生產(chǎn)模型中各投入要素的組合和產(chǎn)出彈性，如吳延兵（2008）以R＆D投入和國內(nèi)外技術(shù)引進為主要投入要素構(gòu)建了知識生產(chǎn)函數(shù)，潘文卿等（2011）的模型側(cè)重于產(chǎn)業(yè)間的技術(shù)溢出效應(yīng)，嚴(yán)成樑等（2010）聚焦于R＆D投入因素的投資回報率，吳玉鳴等（2007，2008）、鄧明等（2009）、王銳淇等（2010）對知識溢出和知識生產(chǎn)進行了空間計量分析。

涉及我國高技術(shù)產(chǎn)業(yè)知識生產(chǎn)的計量研究主要有：蔣殿春等（2005）、張倩肖等（2007）檢驗了FDI溢出效應(yīng)與我國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新的關(guān)系；王玲和Szirmai（2008）考察了R＆D投入與國外技術(shù)引進對高技術(shù)產(chǎn)業(yè)生產(chǎn)率的促進作用，認(rèn)為R＆D具有提高企業(yè)技術(shù)吸收能力的作用；魏守華等（2010）比較了本土技術(shù)溢出與國際技術(shù)溢出對我國高技術(shù)產(chǎn)業(yè)的影響，認(rèn)為內(nèi)生R＆D努力是創(chuàng)新的基本動力。這些研究也是將知識生產(chǎn)看做某些要素（如R＆D資本投入、人力投入、FDI、技術(shù)引進、產(chǎn)學(xué)研合作）的投入產(chǎn)出過程，其研究對象往往是某一時間段上高技術(shù)產(chǎn)業(yè)知識產(chǎn)出的靜態(tài)結(jié)構(gòu)，從而表現(xiàn)為在知識生產(chǎn)函數(shù)模型上施加了結(jié)構(gòu)穩(wěn)定的約束，截距項及解釋變量參數(shù)值具有不變性。

與上述研究不同，本文更強調(diào)知識生產(chǎn)機制分階段演化的動態(tài)性，將政策突變視作促使某一靜態(tài)知識產(chǎn)出結(jié)構(gòu)演變?yōu)榱硪混o態(tài)知識產(chǎn)出結(jié)構(gòu)的關(guān)鍵力量。產(chǎn)業(yè)政策變化可分為兩種類型：一種是漸變，一種是突變。在絕大多數(shù)時期，產(chǎn)業(yè)政策變化處于緩慢的常態(tài)的漸變中，不會導(dǎo)致產(chǎn)業(yè)知識生產(chǎn)的結(jié)構(gòu)性變化。而非常態(tài)的政策突變則表現(xiàn)為一種整體的、激變的狀態(tài)，會對現(xiàn)有的知識生產(chǎn)結(jié)構(gòu)造成比較大的沖擊，是促使某一靜態(tài)知識產(chǎn)出結(jié)構(gòu)演變?yōu)榱硪混o態(tài)知識產(chǎn)出結(jié)構(gòu)的催化劑，從而表現(xiàn)為在知識生產(chǎn)函數(shù)模型上某個或多個參數(shù)值發(fā)生了較大變化，即意味著某些投入要素的產(chǎn)出彈性降低或升高。如果不考慮政策變化的影響，將政策因素視為隨機誤差項進行處理，則可能導(dǎo)致以下結(jié)果：當(dāng)政策處于相對穩(wěn)定狀態(tài)或無定向漸變狀態(tài)時，其影響的隨機性一般不會導(dǎo)致序列相關(guān)性，更不會影響模型結(jié)構(gòu)；當(dāng)政策處于同向漸變狀態(tài)時，其影響的連續(xù)性容易使隨機誤差項不互相獨立而產(chǎn)生序列相關(guān)性；當(dāng)政策發(fā)生突變時，其影響將更為復(fù)雜，最大的影響是可能導(dǎo)致解釋變量參數(shù)的穩(wěn)定性約束失效，即模型發(fā)生了結(jié)構(gòu)性變化。

為了驗證產(chǎn)業(yè)政策突變在產(chǎn)業(yè)知識生產(chǎn)機制演變中的作用，本文首先確定結(jié)構(gòu)變化的時間點（分段回歸的分割點），在確定了結(jié)構(gòu)變化時間點的前提下將樣本進行分段回歸，再比較不同時間段內(nèi)參數(shù)估計量值，從中尋找模型結(jié)構(gòu)變化的軌跡。

接下來本文的行文邏輯如下：首先，討論模型構(gòu)建、變量界定與數(shù)據(jù)選?。黄浯?，進行假設(shè)無結(jié)構(gòu)變化的單位根檢驗；再次，對各分行業(yè)時間序列多元回歸模型進行Chow分割點檢驗；第四，采用分段回歸方法對模型進行估計；最后，對計量結(jié)果進行總結(jié)與討論。

三、模型構(gòu)建、變量界定與數(shù)據(jù)選取

（一）模型構(gòu)建

Griliches（1979）最早提出知識生產(chǎn)函數(shù)的概念，將知識生產(chǎn)看做類似于普通產(chǎn)品生產(chǎn)的投入產(chǎn)出過程，可以借助柯布—道格拉斯生產(chǎn)函數(shù)的形式來表述。Jaffe（1989）在Griliches研究的基礎(chǔ)上創(chuàng)立了被廣泛引用的如下模型：

其中，Q表示新知識量，K和L分別表示R＆D經(jīng)費和人力資源投入，ε為隨機誤差項，λ為常數(shù)，α和β分別表示K和L的產(chǎn)出彈性。

企業(yè)的知識生產(chǎn)主要有兩個途徑：一是通過自主研發(fā)產(chǎn)出內(nèi)源性知識，二是以技術(shù)引進的形式將外源性知識吸收、轉(zhuǎn)化并二次創(chuàng)新為自有知識。基于此，我們可將知識產(chǎn)出視作企業(yè)R＆D經(jīng)費投入、技術(shù)引進經(jīng)費投入和人力投入的產(chǎn)出過程。企業(yè)自主研發(fā)和技術(shù)引進并非兩個獨立的進程，彼此具有相關(guān)性。一些學(xué)者認(rèn)為自主研發(fā)和技術(shù)引進之間存在互補效應(yīng)，二者相互補充、共同促進技術(shù)進步，如Chang和Robin（2006）對臺灣企業(yè)的研究、王玲和Szirmai（2008）對中國高技術(shù)產(chǎn)業(yè)的研究。而另一些學(xué)者則認(rèn)為自主研發(fā)和技術(shù)引進之間存在替代效應(yīng)或擠出效應(yīng)，一者的投入增加將導(dǎo)致另一者產(chǎn)出效應(yīng)的降低，如Lee（1996）對韓國制造業(yè)的研究。技術(shù)引進還可以細(xì)分為國外技術(shù)引進和國內(nèi)技術(shù)引進，國外技術(shù)引進對于技術(shù)進步和經(jīng)濟增長的正向作用已得到普遍認(rèn)可，而國內(nèi)技術(shù)引進的影響被認(rèn)為并不顯著，如吳延兵（2008）對1996-2003年中國地區(qū)工業(yè)面板數(shù)據(jù)的分析、劉小魯（2011）對1999-2008年省際面板數(shù)據(jù)的分析。至于國內(nèi)技術(shù)引進在1996-2010年這一時間段內(nèi)對高技術(shù)產(chǎn)業(yè)知識生產(chǎn)有無顯著影響，也是本文探討的內(nèi)容之一，由此Jaffe-Griliches知識生產(chǎn)函數(shù)可以擴展為：

其中，KRD、KEPF、KEPD和L分別表示R＆D經(jīng)費投入、國外技術(shù)引進經(jīng)費投入、國內(nèi)技術(shù)引進經(jīng)費投入和R＆D人力投入，α、β、γ和η分別為各投入要素的產(chǎn)出彈性。

對式（2）兩邊取對數(shù)，并經(jīng)過符號擴展和適當(dāng)變換后，我們得到本文的研究模型：

其中，i表示行業(yè)，i＝1，2，…，5；①t表示年份，t＝1996，1997，…，2010。

（二）變量界定與數(shù)據(jù)選取

1．因變量：知識產(chǎn)出（Q）

文獻中廣泛使用的知識產(chǎn)出指標(biāo)有兩種：一種是新產(chǎn)品銷售額（Liu和Buck，2007），即利用商業(yè)價值額間接反映知識產(chǎn)出量，缺點是新產(chǎn)品缺乏準(zhǔn)確的界定標(biāo)準(zhǔn)，而且新知識不一定全部用于產(chǎn)品的更新?lián)Q代；另一種是專利申請量（Pessoa，2005）或?qū)＠跈?quán)量（Groot等，2001），此類指標(biāo)可以直接量化新知識的產(chǎn)出，缺點是不同專利類型（發(fā)明專利、實用新型、外觀專利）的價值是不同的，實證分析時僅以同質(zhì)化的數(shù)量來表示有不妥之處（Nadiri，1993），而且部分新知識難以用專利數(shù)據(jù)來反映，如難以編碼化的隱性知識、出于保密需要的專有知識?；跀?shù)據(jù)可得性和直接性的權(quán)衡，本文選用專利類指標(biāo)，同時考慮到專利授權(quán)量在時間上的滯后性較為復(fù)雜，②最終選用專利申請量這一指標(biāo)。

2．解釋變量：R＆D經(jīng)費投入（KRD）

知識生產(chǎn)的投入與產(chǎn)出具有滯后性和累積性，表現(xiàn)為一項新技術(shù)或新產(chǎn)品的產(chǎn)生往往需要若干年的持續(xù)的研發(fā)投入。因此，知識產(chǎn)出不僅和當(dāng)期的經(jīng)費投入流量有關(guān)，而且受過去投入存量的影響?；诖耍褂肦＆D經(jīng)費投入的當(dāng)期流量指標(biāo)作為解釋變量是有缺陷的，而采用存量指標(biāo)則可以更好地體現(xiàn)資金要素投入的滯后性和累積性。R＆D經(jīng)費投入存量的數(shù)據(jù)獲取辦法如下：

首先，將R＆D內(nèi)部經(jīng)費支出平減為實際值。具體做法是以1996年為基期，采用消費物價指數(shù)和固定資產(chǎn)投資價格指數(shù)的加權(quán)平均值作為平減指數(shù)。其中，消費物價指數(shù)和固定資產(chǎn)投資價格指數(shù)直接從《中國統(tǒng)計年鑒》中取得，兩者的權(quán)重用1996-2008年高技術(shù)產(chǎn)業(yè)科技活動經(jīng)費內(nèi)部支出、2009-2010年R＆D內(nèi)部經(jīng)費支出的總額中勞務(wù)費與儀器設(shè)備費的占比來表示，計算結(jié)果分別為0．30和0．70。

然后，采用永續(xù)盤存法計算R＆D經(jīng)費投入存量，計算公式為：

其中，式（5）為基期的R＆D經(jīng)費投入存量計算公式，Kit為R＆D經(jīng)費投入流量，δ為折舊率，gi為第i個行業(yè)的年均R＆D經(jīng)費投入增長率，由1996-2010年的數(shù)據(jù)計算得出。Bernstein和Mamuneas（2006）的研究表明不同產(chǎn)業(yè)的R＆D資本折舊率不同，但由于數(shù)據(jù)和方法的限制，很難計算出我國各產(chǎn)業(yè)的R＆D資本折舊率，因此本文借鑒已有文獻的通常做法，將各高技術(shù)產(chǎn)業(yè)R＆D投入的折舊率均設(shè)定為15%。實際上，國內(nèi)的一些研究（吳延兵，2008；嚴(yán)成樑等，2010）發(fā)現(xiàn)不同的折舊率設(shè)定對研究結(jié)論并無實質(zhì)性的影響。

3．解釋變量：國外技術(shù)引進經(jīng)費投入（KEPF）和國內(nèi)技術(shù)引進經(jīng)費投入（KEPD）

國外技術(shù)引進經(jīng)費投入和國內(nèi)技術(shù)引進經(jīng)費投入這兩個指標(biāo)，參考R＆D經(jīng)費投入指標(biāo)的數(shù)據(jù)計算方法，利用平價指數(shù)和永續(xù)存盤法進行計算，唯一的區(qū)別在于平減指數(shù)不再采用消費物價指數(shù)和固定資產(chǎn)投資價格指數(shù)的加權(quán)平均值，而是直接使用固定資產(chǎn)投資價格指數(shù)，原因在于技術(shù)引進經(jīng)費中并不包含勞務(wù)支出。

4．解釋變量：R＆D人力投入（L）

考慮到全職和非全職R＆D活動人員對知識產(chǎn)出的貢獻率不同，本文不直接采用R＆D活動人員人數(shù)，而是選擇行業(yè)R＆D活動人員折合全時當(dāng)量作為R＆D人力投入的指標(biāo)，數(shù)據(jù)來源于《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》。

表1列出了各變量的指標(biāo)設(shè)定、數(shù)據(jù)處理方法和數(shù)據(jù)來源情況。

表1 變量指標(biāo)設(shè)定及數(shù)據(jù)來源

四、實證分析結(jié)果

（一）不考慮結(jié)構(gòu)變化的單位根檢驗

假設(shè)式（3）在1996-2010年無結(jié)構(gòu)變化，則在對模型進行估計之前，為了避免因序列平穩(wěn)性較差導(dǎo)致的偽回歸，需要對各序列進行單位根檢驗。這里我們采用綜合檢驗方式，包括相同根單位根檢驗LLC和不同根單位根檢驗Fisher-ADF、Fisher-PP3種方法。我們利用Eviews6．0軟件進行檢驗（見結(jié)果表2），表2顯示只有l(wèi)nL變量有2項檢驗拒絕原假設(shè)。繼續(xù)對各序列的一階差分進行檢驗，結(jié)果顯示lnQ、lnKRD、lnKEPD、lnL四個序列的3項檢驗均在1%水平上拒絕原假設(shè)，可認(rèn)為它們的一階差分序列是平穩(wěn)的，而lnKEPF的一階差分序列只有LLC檢驗在1%水平上拒絕原假設(shè)，因此可認(rèn)為該變量一階差分序列仍然不平穩(wěn)。

表2 不考慮結(jié)構(gòu)變化的單位根檢驗結(jié)果

（二）Chow檢驗

單位根檢驗結(jié)果表明，lnKEPF的序列平穩(wěn)性最差，觀察1996-2010年我國高技術(shù)產(chǎn)業(yè)國外技術(shù)引進支出，我們發(fā)現(xiàn)2004年后增長緩慢甚至有的分行業(yè)出現(xiàn)負(fù)增長?；仡櫄v年的高技術(shù)產(chǎn)業(yè)政策，2004年是一個轉(zhuǎn)折點，當(dāng)年4月國務(wù)院多部委聯(lián)合發(fā)布了《當(dāng)前優(yōu)先發(fā)展的高技術(shù)產(chǎn)業(yè)化重點領(lǐng)域指南（2004年度）》，目的是引導(dǎo)社會投資，促進高技術(shù)產(chǎn)業(yè)加快發(fā)展，此后，我國高技術(shù)產(chǎn)業(yè)自主研發(fā)投入保持高速增長，而國外技術(shù)引進投入則相對降低。

我們假設(shè)這次政策突變對高技術(shù)產(chǎn)業(yè)知識生產(chǎn)機制造成較大沖擊，導(dǎo)致模型發(fā)生結(jié)構(gòu)變化，因此設(shè)定2004年為分割點，對5個分行業(yè)的時間序列多元回歸模型分別進行Chow檢驗。我們使用了F統(tǒng)計量、LR統(tǒng)計量和Wald統(tǒng)計量進行聯(lián)合檢驗，只要有兩個以上的統(tǒng)計量拒絕原假設(shè)，就可認(rèn)為該分行業(yè)回歸模型存在結(jié)構(gòu)變化。檢驗結(jié)果見表3。

表3 Chow檢驗結(jié)果

從表3檢驗結(jié)果可知，除了醫(yī)藥制造業(yè)只有LR統(tǒng)計量在5%水平上拒絕原假設(shè)外，其他四個分行業(yè)都有兩個或三個統(tǒng)計量拒絕原假設(shè)，基于“少數(shù)服從多數(shù)”原則，我們認(rèn)為式（3）在2004年后發(fā)生結(jié)構(gòu)變化的概率較高。

（三）分段回歸

1．單位根檢驗和協(xié)整檢驗

確定了分割點為2004年之后，我們分別對1996-2003年和2004-2010年的樣本進行面板回歸分析。首先，為了避免偽回歸，我們采用前文所述的方法對分段樣本再次進行單位根檢驗，結(jié)果表明各序列均為一階差分平穩(wěn)。然后，我們對面板數(shù)據(jù)進行協(xié)整檢驗。目前常用的面板協(xié)整檢驗方法有Kao檢驗、Pedroni檢驗、Jonhansen檢驗，在t較短、n不大的情況下Kao檢驗比Pedroni檢驗和Jonhansen檢驗更加有效（Gutierrez，2003），因此，本文采用Kao檢驗進行面板協(xié)整分析，結(jié)果見表4。顯然，面板數(shù)據(jù)存在協(xié)整關(guān)系，可以對模型進行回歸分析。

表4 Kao面板協(xié)整檢驗結(jié)果

2．分段線性回歸

由于樣本的橫截面較少，自由度不足以支持隨機效應(yīng)模型，而且本文研究的側(cè)重點是估計和比較模型的參數(shù)，所以選擇使用固定效應(yīng)模型較為合適?？紤]到可能存在的截面異方差和同期相關(guān)，我們采用似不相關(guān)回歸（SUR）對式（3）進行廣義最小二乘法（GLS）估計，分段線性回歸結(jié)果見表5。

表5 式（3）固定效應(yīng)模型分段回歸估計結(jié)果

從R2、R2、F和D-W等統(tǒng)計值可以看出，兩時間段樣本回歸模型的擬合度都非常好，且無序列相關(guān)。從表5可以看出，模型解釋變量的系數(shù)發(fā)生了明顯的變化，具體分析如下：

在1%的顯著性水平上R＆D經(jīng)費投入的彈性系數(shù)在所有投入要素中是最高的。而且，2004-2010年的產(chǎn)出彈性（1．88）遠(yuǎn)高于1996-2003年時間段的產(chǎn)出彈性（1．18），我們認(rèn)為這是因為2004年出臺新的產(chǎn)業(yè)政策后，企業(yè)加大了自主研發(fā)投入的結(jié)果。

1996-2003年，國外技術(shù)引進經(jīng)費投入在1%的顯著性水平上對知識產(chǎn)出具有較大的促進作用（彈性系數(shù)為0．45），而2004-2010年其產(chǎn)出彈性轉(zhuǎn)變?yōu)樨?fù)值（-0．37）。我們對此的解釋是在前一個時間段內(nèi)，我國高技術(shù)產(chǎn)業(yè)尚處在較低的技術(shù)發(fā)展水平上，其知識生產(chǎn)在一定程度上依賴于國外先進技術(shù)的輸入，而且當(dāng)時的產(chǎn)業(yè)政策鼓勵企業(yè)通過技術(shù)引進提升技術(shù)水平。在后一個時間段內(nèi)，產(chǎn)業(yè)政策轉(zhuǎn)向為側(cè)重自主研發(fā)，而且產(chǎn)業(yè)技術(shù)水平與國外的技術(shù)差距縮小，甚至某些產(chǎn)業(yè)（如航空航天器制造）已經(jīng)處于世界先進行列，此時國外技術(shù)引進的作用明顯降低，甚至起到負(fù)作用，與自主知識生產(chǎn)之間形成替代效應(yīng)。

國內(nèi)技術(shù)引進經(jīng)費支出在1996-2003年的產(chǎn)出彈性極?。?．06），而且顯著性水平較低（t統(tǒng)計量1．51），這與吳延兵（2008）和劉小魯（2011）的研究結(jié)論類似。不過，2004-2010年國內(nèi)技術(shù)引進經(jīng)費支出在1%的顯著性水平上具有0．38的產(chǎn)出彈性，明顯不同于上個時間段。本文認(rèn)為，這是因為我國高技術(shù)產(chǎn)業(yè)經(jīng)過多年發(fā)展已經(jīng)具有較高的技術(shù)水平，而2004年產(chǎn)業(yè)新政的出臺和之后國家自主創(chuàng)新戰(zhàn)略的提出刺激了國內(nèi)高技術(shù)企業(yè)間的研發(fā)合作和知識擴散，相互之間的技術(shù)轉(zhuǎn)讓促進了企業(yè)的知識生產(chǎn)。

R＆D人力投入在兩個時間段內(nèi)在1%的顯著性水平上對于知識產(chǎn)出都沒有促進作用，而且表現(xiàn)為負(fù)產(chǎn)出彈性，這與目前的大多數(shù)研究結(jié)論不同?？赡艿慕忉屖歉呒夹g(shù)產(chǎn)業(yè)屬于資金密集型而非勞動密集型產(chǎn)業(yè)，對于資金的需求遠(yuǎn)大于人力資本的需求，而且，隨著產(chǎn)業(yè)技術(shù)水平的提升，人力資本的產(chǎn)出彈性進一步降低。另一種解釋是R＆D資金投入中包含了人員勞務(wù)費用，與R＆D人力投入之間可能有重復(fù)計量的問題，從而導(dǎo)致計量結(jié)果與實際結(jié)果之間存在差異。剔除資金投入中的勞務(wù)費用可以解決這個問題，但是1996-2007年的統(tǒng)計數(shù)據(jù)中缺少R＆D內(nèi)部支出中勞務(wù)費部分，所以剔除法難以實施，該解釋有待今后進一步的研究來證實。

五、結(jié)論與啟示

本文以我國高技術(shù)產(chǎn)業(yè)5個分行業(yè)1996-2010年的數(shù)據(jù)為樣本，利用分段回歸的計量方法分析了2004年產(chǎn)業(yè)政策突變在產(chǎn)業(yè)知識生產(chǎn)機制演化中的作用，主要得到以下幾點結(jié)論：

（1）Chow檢驗結(jié)果提供了知識生產(chǎn)模型2004年發(fā)生了結(jié)構(gòu)變化的證據(jù)，我們認(rèn)為該年頒布的產(chǎn)業(yè)新政是結(jié)構(gòu)變化的外生因素。將樣本分為1996-2003年和2004-2010年兩個時段并進行分段回歸，我們發(fā)現(xiàn)結(jié)構(gòu)變化表現(xiàn)為模型解釋變量的參數(shù)值發(fā)生了較大變化，即意味著各知識生產(chǎn)投入要素的產(chǎn)出彈性降低或升高。

（2）自主研發(fā)的資金投入是我國高技術(shù)產(chǎn)業(yè)知識產(chǎn)出的主要投入要素，其貢獻率在2004年后得到進一步的提升。在高技術(shù)產(chǎn)業(yè)新政和國家自主創(chuàng)新戰(zhàn)略的指導(dǎo)下，自主研發(fā)將發(fā)揮越來越大的效能。

（3）國外技術(shù)引進經(jīng)費支出從正產(chǎn)出效應(yīng)轉(zhuǎn)變?yōu)樨?fù)產(chǎn)出效應(yīng)，而國內(nèi)技術(shù)引進經(jīng)費支出的產(chǎn)出效應(yīng)則得到了較大提升，這與我國高技術(shù)產(chǎn)業(yè)技術(shù)水平提升、與國外差距縮小是密不可分的，政策因素將進一步促進產(chǎn)業(yè)內(nèi)技術(shù)合作。

本文的研究啟示在于：

（1）對于政府而言，我國高技術(shù)產(chǎn)業(yè)的知識生產(chǎn)和技術(shù)發(fā)展在很大程度上依賴于政策的變化。因此，必須堅定高技術(shù)產(chǎn)業(yè)自主創(chuàng)新的決心，今后的產(chǎn)業(yè)政策應(yīng)當(dāng)具有持續(xù)性和科學(xué)性，防止知識生產(chǎn)機制因為不明智的政策變化對結(jié)構(gòu)變化產(chǎn)生負(fù)面影響。

（2）對于高技術(shù)企業(yè)而言，應(yīng)當(dāng)堅持以自主創(chuàng)新為主、技術(shù)引進為輔的技術(shù)發(fā)展道路，通過掌握產(chǎn)業(yè)核心技術(shù)和前沿技術(shù)來占領(lǐng)產(chǎn)業(yè)鏈的高附加值環(huán)節(jié)。

注釋：

①本文采用《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》中的行業(yè)劃分方式，將我國高技術(shù)產(chǎn)業(yè)分為醫(yī)藥制造業(yè)、航空航天器制造業(yè)、電子及通信設(shè)備制造業(yè)、電子計算機及辦公設(shè)備制造業(yè)、醫(yī)療設(shè)備及儀器儀表制造業(yè)等五大類。

②不同專利類型從申請到通過審批被正式授權(quán)需要不等的時間，在我國發(fā)明專利一般需要1年半至3年左右，實用新型專利一般需要6至12個月，外觀設(shè)計專利一般需要3至6個月。

[1] 鄧明，錢爭鳴．我國省際知識存量、知識生產(chǎn)與知識的空間溢出[J]．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2009，（5）：42-53．

[2] 蔣殿春，夏良科．外商直接投資對中國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新作用的經(jīng)驗分析[J]．世界經(jīng)濟，2005，（8）：3-10．

[3] 劉小魯．我國創(chuàng)新能力積累的主要途徑：R＆D，技術(shù)引進，還是FDI[J]．經(jīng)濟評論，2011，（3）：88-96．

[4] 潘文卿，李子奈，劉強．中國產(chǎn)業(yè)間的技術(shù)溢出效應(yīng)：基于35個工業(yè)部門的經(jīng)驗研究[J]．經(jīng)濟研究，2011，（7）：18-29．

[5] 王銳淇，張宗益．區(qū)域創(chuàng)新能力影響因素的空間面板數(shù)據(jù)分析[J]．科研管理，2010，（3）：17-26．

[6] 王玲，Szirmai．高技術(shù)產(chǎn)業(yè)技術(shù)投入和生產(chǎn)率增長之間關(guān)系的研究[J]．經(jīng)濟學(xué)（季刊），2008，7（3）：913-932．

[7] 魏守華，姜寧，吳貴生．本土技術(shù)溢出與國際技術(shù)溢出效應(yīng)——來自中國高技術(shù)產(chǎn)業(yè)創(chuàng)新的檢驗[J]．財經(jīng)研究，2010，（1）：54-65．

[8] 吳延兵．自主研發(fā)、技術(shù)引進與生產(chǎn)率——基于中國地區(qū)工業(yè)的實證研究[J]．經(jīng)濟研究，2008，（8）：51-64．

[9] 吳玉鳴，何建坤．研究型大學(xué)研發(fā)與首都區(qū)域?qū)＠a(chǎn)出的動態(tài)計量經(jīng)濟分析[J]．科研管理，2007，（2）：93-98．

[10] 吳玉鳴，何建坤．研發(fā)溢出、區(qū)域創(chuàng)新集群的空間計量經(jīng)濟分析[J]．管理科學(xué)學(xué)報，2008，（4）：59-66．

[11] 嚴(yán)成樑，周銘山，龔六堂．知識生產(chǎn)、創(chuàng)新與研發(fā)投資回報[J]．經(jīng)濟學(xué)（季刊），2010，9（3）：1051-1070．

[12] 張倩肖，馮根福．三種R＆D溢出與本地企業(yè)技術(shù)創(chuàng)新——基于我國高技術(shù)產(chǎn)業(yè)的經(jīng)驗分析[J]．中國工業(yè)經(jīng)濟，2007，（11）：64-72．

[13] Griliches Z．Issues in assessing the contribution of research and development to productivity growth[J]．Bell Journal of Economics，1979，10：92-116．

[14] Jaffe A B．Real effects of academic research[J]．American Economic Review，1989，79：957-970．

[15] Romer P．Endogenous technological change[J]．Journal of Political Economy，1990，98：71-102．

[16] Jones C．R＆D-based models of economic growth[J]．Journal of Political Economy ，1995，103：759-784．

[17] Fischer M，Varga A．Spatial knowledge spillovers and university research：Evidence from Austria[J]．Annals of Regional Saence，2003，37：303-322．

[18] Fischer M，Scherngell T，Jansenberger E．Geographic localisation of knowledge spillovers：Evidence from high-tech patent citations in Europe[J]．Annals of Regional Science，2009，43：839-858．

[19] Greunz L．Industrial structure and innovation evidence from European regions[J]．Journal of Evolutionary Economics，2004，14：563-592．

[20] Heshmati A．A generalized knowledge production function[J]．IFCAI Journal of Industrial Economics，2009，6（1）：7-39．

[21] Piergiuseppe M，Carmelo P，Giuseppina T．Research，knowledge spillovers and innovation：Evidence from the Italian manufacturing sector[R]．Department of Economics，Mathematics and Statistics，Birkbeck，University of London，No．0713，2007．

[22] Kinoshita Y．R＆D and absorptive capacity technology spillovers Via FDI：Innovation and Absorptive Copoacity[R]．William Davidson Institute Working Paper，No．349，2000．

[23] Nietoa M，Quevedo P．Absorptive capacity，technological opportunity，knowledge spillovers，and innovative effort[J]．Technovation，2005，25：1141-1157．

[24] Chang C，Robin S．Doing R＆D and／or importing technologies：The critical importance of firm size in Taiwan’s manufacturing industries[J]．Review of Industrial Organization，2006，29：253-278．

[25] Lee J．Technology imports and R＆D efforts of Korean manufacturing firms[J]．Journal of Development Economics，1996，50：197-210．

[26] Liu X H，Buck T．Innovation performance and channels for international technology spillovers：Evidence from Chinese high-tech industries[J]．Research Policy，2007，36（3）：355-366．

[27] Pessoa A．Ideas driven growth：The OECD evidence[J]．Portuguese Economic Journal，2005，4（1）：46-67．

[28] de Groot H L F．Nijkamp P，Acs Z．Knowledge spill-overs，innovation and regional development[J]．Papers in Regional Science，2001，80（3）：249-253．

[29] Nadiri M I．Innovations and technological spillovers[R]．NBER Working Papers，No．4423，1993．

[30] Bernstein J I，Mamuneas T P．R＆D depreciation，stocks，user costs and productivity growth for US R＆D intensive industries[J]．Structural Change and Economic Dynamics，2006，17（1）：70-98．

[31] Gutierrez L．On the power of panel cointegration tests：A Monte Carlo comparison[J]．Economics Letters，2003，80：105-111．