技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的貢獻(xiàn)率研究

姜苗苗 ，盧新國， 王向前

(1．鹽城工學(xué)院 管理學(xué)院，江蘇 鹽城 224000；2．安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232000)

?

技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的貢獻(xiàn)率研究

姜苗苗1，盧新國1， 王向前2

(1．鹽城工學(xué)院 管理學(xué)院，江蘇 鹽城 224000；2．安徽理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 淮南 232000)

技術(shù)創(chuàng)新是推動經(jīng)濟(jì)增長的不竭動力。在文獻(xiàn)研究的基礎(chǔ)上找出代表技術(shù)創(chuàng)新和經(jīng)濟(jì)增長的指標(biāo)。本著找出影響經(jīng)濟(jì)增長最重要的技術(shù)創(chuàng)新因子，并對經(jīng)濟(jì)增長情況進(jìn)行預(yù)測的研究目標(biāo)，以全國較為發(fā)達(dá)的18個(gè)省市為研究對象，收集了18個(gè)省市2013年度的截面數(shù)據(jù)，建立經(jīng)濟(jì)學(xué)模型，用R語言軟件為研究工具對數(shù)據(jù)進(jìn)行主成分分析，以最小二乘法對變量進(jìn)行回歸分析，建立回歸模型。得出技術(shù)創(chuàng)新投入為第一主成分，即技術(shù)創(chuàng)新投入是影響經(jīng)濟(jì)增長的主要因素，并建立回歸方程，給出了通過加大技術(shù)創(chuàng)新的投入、從法律和財(cái)政方面擴(kuò)大政府職能等刺激經(jīng)濟(jì)增長的建議。

技術(shù)創(chuàng)新；經(jīng)濟(jì)增長；文獻(xiàn)研究法；實(shí)證分析；R語言

0　引言

世界經(jīng)濟(jì)經(jīng)歷了以勞動力和資本為中心的時(shí)代，正在邁入以技術(shù)創(chuàng)新為核心的新時(shí)期。提高技術(shù)創(chuàng)新能力成為各國搶占經(jīng)濟(jì)增長制高點(diǎn)的法寶。2003年我國GDP總額為135822.8億元，世界排名為第七，R&D支出占GDP比例僅為1.13%，到2009年，我國GDP總額為340902.8億元，居世界第三，R&D支出占GDP比例為1.7%，到2013年我國GDP總額為566130.2億元，世界排名為第二，R&D支出占GDP比例僅為2.05%，即科技投入越高，經(jīng)濟(jì)增長越快。而進(jìn)一步探究影響經(jīng)濟(jì)增長的內(nèi)在因素具有重要理論和現(xiàn)實(shí)意義。

本文主要采用文獻(xiàn)研究法和實(shí)證分析法，以全國較為發(fā)達(dá)的18個(gè)省市為研究對象，選取18個(gè)省2013年的截面數(shù)據(jù)，采用R語言軟件為工具對影響經(jīng)濟(jì)增長的技術(shù)創(chuàng)新要素進(jìn)行多元回歸分析，建立回歸模型，通過看回歸方程的顯著性是否高來建立最優(yōu)回歸方程。

1　文獻(xiàn)研究

自1978年改革開放以來，我國的經(jīng)濟(jì)實(shí)現(xiàn)了快速增長，而對于經(jīng)濟(jì)增長的動力研究，一直是學(xué)者不斷探索的問題。一般認(rèn)為經(jīng)濟(jì)增長的源泉是資本、人力和技術(shù)創(chuàng)新三大因素。而隨著科學(xué)技術(shù)的發(fā)展，技術(shù)要素越來越受到重視。

對于技術(shù)創(chuàng)新和經(jīng)濟(jì)增長之間的關(guān)系研究已經(jīng)有很長歷史。Solow(1956)在文章《技術(shù)變革和擴(kuò)大產(chǎn)品功能》中表明技術(shù)進(jìn)步對經(jīng)濟(jì)增長的重要性，由此也將經(jīng)濟(jì)增長理論引入新古典經(jīng)濟(jì)增長理論時(shí)代[1]。Aghion( 1992)通過構(gòu)建模型發(fā)現(xiàn) R&D 投入水平的提高將加快經(jīng)濟(jì)增長[2]。熊彼特(1999)、蔡昉(2005)、朱勇(2005)將創(chuàng)新作為經(jīng)濟(jì)增長與發(fā)展的主要動力，強(qiáng)調(diào)技術(shù)創(chuàng)新與經(jīng)濟(jì)增長的關(guān)系，認(rèn)為創(chuàng)新實(shí)現(xiàn)的過程就是經(jīng)濟(jì)增長的過程[3-5]。張耿慶(2007)，程開明(2009)認(rèn)為技術(shù)創(chuàng)新對經(jīng)濟(jì)增長有正向的促進(jìn)作用[6-7]。郝壽義(2012)認(rèn)為技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的促進(jìn)作用主要得益于技術(shù)成果的市場轉(zhuǎn)化[8]。韓鳳芹(2013)指出金磚四國科技創(chuàng)新對各國經(jīng)濟(jì)增長發(fā)揮了一定的作用[9]。多數(shù)學(xué)者認(rèn)為專利數(shù)據(jù)能在較大程度上反映技術(shù)創(chuàng)新的效果,李苗苗(2015)選取專利申請量代表技術(shù)創(chuàng)新能力研究技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的影響[10]。

2　數(shù)據(jù)來源及研究方法

2.1因子選取

本文以中國知網(wǎng)為數(shù)據(jù)庫，輸入“技術(shù)創(chuàng)新”和“經(jīng)濟(jì)增長”兩個(gè)關(guān)鍵詞，點(diǎn)擊檢索，按照搜索論文關(guān)聯(lián)度，選取關(guān)聯(lián)度最大的24篇文獻(xiàn)，進(jìn)行文獻(xiàn)研究。研究發(fā)現(xiàn)，在選取的24篇文獻(xiàn)中，有23篇采用了實(shí)證分析的方法。對于指標(biāo)選取，有22篇文獻(xiàn)采用GDP作為經(jīng)濟(jì)增長的度量因子，有15篇采用R&D經(jīng)費(fèi)支出作為技術(shù)創(chuàng)新的度量因子，有10篇文獻(xiàn)采用專利申請量作為度量因子。具體數(shù)據(jù)見表1。

表1　相關(guān)指標(biāo)頻度調(diào)查表

根據(jù)表1，我們可以看出，以R&D經(jīng)費(fèi)支出為技術(shù)創(chuàng)新能力的度量因子的文獻(xiàn)數(shù)占總數(shù)的62.50%，以專利申請受理數(shù)為技術(shù)創(chuàng)新能力的度量因子的文獻(xiàn)數(shù)占總數(shù)的41.67%。我們選取前四個(gè)，即R&D經(jīng)費(fèi)支出、專利申請受理數(shù)、專利授權(quán)量、技術(shù)市場成交額作為技術(shù)創(chuàng)新能力的度量因子；選取GDP作為經(jīng)濟(jì)增長的度量因子。

2.2研究方法

研究技術(shù)創(chuàng)新對經(jīng)濟(jì)增長的貢獻(xiàn)率，選取R&D經(jīng)費(fèi)支出、專利申請受理數(shù)、專利授權(quán)量、技術(shù)市場成交額作為技術(shù)創(chuàng)新能力的度量因子，選取GDP作為經(jīng)濟(jì)增長的度量因子，即進(jìn)一步研究前四者與GDP之間的關(guān)系。采用R語言為研究工具，先對5者進(jìn)行主成分分析[11]，找出主成分，然后采用最小二乘法對變量進(jìn)行回歸分析，建立“最優(yōu)”回歸模型。

2.3數(shù)據(jù)來源

本文以全國為研究背景，在《中國統(tǒng)計(jì)年鑒》上獲取北京、上海等18個(gè)較為發(fā)達(dá)的中東部省市2013年的截面數(shù)據(jù)。其中x1表示專利授權(quán)量，x2表示R&D經(jīng)費(fèi)投入，x3表示專利申請受理量，x4表示技術(shù)市場成交額。具體數(shù)據(jù)見表2。

表2　18省市2013年截面數(shù)據(jù)

數(shù)據(jù)來源：中國統(tǒng)計(jì)年鑒

3　實(shí)證分析

本節(jié)對得到的數(shù)據(jù)進(jìn)行分析，第一步進(jìn)行主成分分析，找到主要影響因子；第二步再進(jìn)行回歸分析。

3.1主成分分析

在R語言控制臺輸入如下命令：

y=-c(19500.56,14370.16,28301.41,27077.65,14382.93,21602.12,59161.75,37568.49,19038.87,21759.64,54684.33,32155.86,24668.49,24501.67,62163.97,12656.69,26260.77,16045.21)

x1=c(62671,24856,18186,21656,19819,48680,239645,202350,48849,37511,76976,29482,28760,24392,170430,24828,46171,20836)

x2=c(2130618,3000377,2327418,3331303,950335,4047800,12395745,6843562,2477246,2791966,10528097,2953410,3117987,2703987,12374791,1388199,1688902,1401480)

x3=c(123336,60915,27619,45996,32264,86450,504500,294014,93353,53701,155170,55920,50816,41336,264265,49036,82453,57287)

x4=c(28517239,2761575,315581,1733775,1017747,5316804,5275020,814958,1308253,446885,1793981,402406,3976158,772098,5293936,902760,1485752,5332787)

contribution < -data. frame (x1,x2,x3,x4)

contribut.pr<- princomp (data=contribution, cor =TRUE)

summary(contribut.pr, loadings=TRUE)

點(diǎn)擊“ENTER”，得到如下結(jié)果見表3。

從以上輸出結(jié)果可以得出，4個(gè)變量的標(biāo)準(zhǔn)差分別為1.6665368，1.0009811，0.44177441，0.159773138；每個(gè)變量的特征根對應(yīng)的方差貢獻(xiàn)率分別為：0.6943362，0.2504908，0.04879116，0.006381864；累計(jì)方差貢獻(xiàn)率分別為：0.6943362，0.9448270，0.99361814，1.0000000000。因?yàn)橹鞒煞謞1，y2的累積貢獻(xiàn)率達(dá)到94.48%，所以確定主成分個(gè)數(shù)為2個(gè)，以達(dá)到降維的目的。

表3　主成分重要性排序

但是，根據(jù)累積貢獻(xiàn)率確定主成分個(gè)數(shù)往往偏多，所以我們可以根據(jù)碎石圖結(jié)合累積貢獻(xiàn)率來確定主成分個(gè)數(shù)。

編寫代碼如下：

screeplot(contribut.pr,type=“l(fā)ines”)

p<-predict(contribut.pr)

得到碎石圖，如圖1所示。

圖1碎石圖

根據(jù)碎石圖，我們?nèi)√卣髦荡笥?的主成分，以達(dá)到很好地解釋原數(shù)據(jù)，又避免數(shù)據(jù)冗余的目的。在這里，我們?nèi)√卣髦荡笥?的2個(gè)主成分。再根據(jù)程序輸出結(jié)果，見表4。

表4　各主成分系數(shù)表

對于主成分的解釋：由y1的系數(shù)符號相同，其值(除了x4)接近于0.5，它反映技術(shù)創(chuàng)新投入程度，因此稱第一主成分為技術(shù)創(chuàng)新投入因子；主成分y2的系數(shù)只有x4，為-0.988，主要是是技術(shù)轉(zhuǎn)化因子。即選取的四個(gè)技術(shù)創(chuàng)新能力度量因子對技術(shù)創(chuàng)新能力有很好的解釋能力，因此選取專利申請受理數(shù)、專利申請授權(quán)數(shù)、R&D經(jīng)費(fèi)投入、技術(shù)市場成交額四個(gè)因子代入與經(jīng)濟(jì)增長度量因子GDP的回歸分析，建立最優(yōu)回歸模型。

3.2相關(guān)分析

對得到的數(shù)據(jù)進(jìn)行回歸分析之前，為了消除變量之間的影響，先要對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后進(jìn)行因變量與自變量之間的相關(guān)分析，最后再進(jìn)行回歸分析。

3.2.1數(shù)據(jù)標(biāo)準(zhǔn)化處理

在R語言控制臺輸入如下命令：

contribution1 <-data.frame(y,x1,x2,x3,x4)

con<-scale(contribution ,center=TRUE,scale=TRUE)

con

按“ENTER”鍵，得到如表5所示結(jié)果。

3.2.2相關(guān)分析

對數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理后，就可以對各個(gè)自變量各因變量之間的相關(guān)分析，繼續(xù)輸入如下命令：

>plot(y，x1)

得到GDP與專利授權(quán)數(shù)的散點(diǎn)圖，如圖2所示。

類似地，輸入因子R&D經(jīng)費(fèi)支出、專利申請受理量、技術(shù)市場成交額與GDP的對應(yīng)代碼，得到如圖3、圖4、圖5的散點(diǎn)圖。

圖2　專利授權(quán)量與GDP數(shù)據(jù)點(diǎn)的散點(diǎn)圖

地區(qū)x1x2x3x4y北京0.014803510.57114344-0.06402547-3.832532670.60016787天津0.573976830.336467950.443947520.152662280.93629292河北0.672606640.518043520.714905510.531132930.02356838遼寧0.621295480.247178600.565356170.311694620.10374465黑龍江0.648459340.889603480.677105180.422486210.93545627上海0.221689510.053855750.23614742-0.242710390.46248135江蘇-2.60212470-2.19855907-3.16588250-0.23624512-1.99828822浙江-2.05064066-0.70048747-1.452978140.45386392-0.58357681安徽0.219190490.477617420.179971810.377535980.63041611福建0.386846370.392700720.502654000.510816160.45216122山東-0.19672563-1.69463648-0.323085920.30237889-1.70494404河南0.505571810.349140430.484596100.51769843-0.22896109湖北0.516248080.304734810.52613171-0.035271140.26158401湖南0.580838040.416438920.603278570.460495680.27251344廣東-1.57863715-2.19290533-1.21088512-0.23917201-2.19498269重慶0.574390870.771460470.540617090.440278251.04855320四川0.258790280.690325790.268674420.350071420.15726364陜西0.633420880.767877040.47347166-0.245183450.82654977

圖3　R&D經(jīng)費(fèi)投入與GDP數(shù)據(jù)點(diǎn)的散點(diǎn)圖

圖4　專利申請受理數(shù)與GDP數(shù)據(jù)點(diǎn)的散點(diǎn)圖

圖5　技術(shù)市場成交額與GDP數(shù)據(jù)點(diǎn)的散點(diǎn)圖

根據(jù)圖2～圖5可以看出，GDP分別與專利授權(quán)數(shù)、R&D經(jīng)費(fèi)投入、專利申請受理數(shù)以及技術(shù)市場成交額之間存在明顯的線性關(guān)系。

3.3回歸分析

相關(guān)分析之后就可以進(jìn)行因變量(GDP)和四個(gè)自變量(專利授權(quán)數(shù)、R&D經(jīng)費(fèi)投入、專利申請受理數(shù)以及技術(shù)市場成交額)之間的回歸分析。

輸入如下代碼：

lm.reg<-lm(y～x1+x2+x3+x4)

summary(lm.reg)

得到回歸分析結(jié)果見表6。

表6　回歸分析結(jié)果

從輸出結(jié)果來看，回歸方程的系數(shù)顯著性不高，只有變量x2通過檢驗(yàn)，x2的t統(tǒng)計(jì)量的估計(jì)值為6.497，對應(yīng)的p值比0.05小，即通過了檢驗(yàn)。修正的可決系數(shù)也較高，達(dá)到了0.8855，說明回歸效果是顯著的。

下面用“向后回歸法”，通過軟件分析建立“最優(yōu)”回歸方程。向后回歸法就是建立包含全部因子的回歸方程，通過回歸系數(shù)的檢驗(yàn)，從回歸方程中逐個(gè)剔除不顯著的因子，直到留在方程中的因子都是顯著的。

采用“逐步回歸法”的計(jì)算函數(shù)進(jìn)行逐步回歸。

輸入如下代碼：

lm.step<-step(lm.reg)

得到結(jié)果如表7。

從表7結(jié)果可以看出，用全部變量做回歸方程時(shí)AIC統(tǒng)計(jì)量的值為-34.86，如果去掉變量x1，AIC統(tǒng)計(jì)量的值為-36.76，進(jìn)一步去掉變量x4,AIC統(tǒng)計(jì)量的值為-38.54，最后去掉變量x3，AIC統(tǒng)計(jì)量的值為-40.03，最小的AIC值為-40.03，此時(shí)只留下x2一個(gè)變量，得最優(yōu)方程。

再用函數(shù)summary()提取相關(guān)回歸信息。

得到提取結(jié)果見表8。

表7　逐步回歸法輸出結(jié)果

表8　相關(guān)回歸檢驗(yàn)結(jié)果

從上述結(jié)果可以看出，回歸系數(shù)的顯著水平有很大提高，所有的檢驗(yàn)均是顯著的，由此得到“最優(yōu)”回歸方程：

y=-11990+0.0039x2

從回歸結(jié)果中可以看出,研發(fā)投入和技術(shù)創(chuàng)新對經(jīng)濟(jì)增長都產(chǎn)生促進(jìn)作用。表明研發(fā)投入和技術(shù)創(chuàng)新的增加確實(shí)能夠促進(jìn)經(jīng)濟(jì)增長。研發(fā)投入的增加會影響技術(shù)創(chuàng)新的發(fā)展，進(jìn)而影響到技術(shù)成果的轉(zhuǎn)化、實(shí)現(xiàn)創(chuàng)新的產(chǎn)業(yè)化，從而使GDP總值增加，達(dá)到促進(jìn)經(jīng)濟(jì)增長的目的。

4　結(jié)論

隨著技術(shù)革命的發(fā)展，技術(shù)創(chuàng)新繼勞動力、資本之后，成為體現(xiàn)國民經(jīng)濟(jì)競爭力的主要因素。本文利用實(shí)證分析法，證明研發(fā)投入對技術(shù)創(chuàng)新有重要的促進(jìn)作用，并進(jìn)一步刺激了經(jīng)濟(jì)增長。增加研發(fā)投入是促進(jìn)經(jīng)濟(jì)發(fā)展的有效途徑，因此，(1)應(yīng)積極加大研發(fā)投入，鼓勵和支持技術(shù)創(chuàng)新，為我國創(chuàng)新型經(jīng)濟(jì)的發(fā)展奠定良好基礎(chǔ)。(2)發(fā)揮政府財(cái)政職能，以財(cái)政資金撬動民間資本投資技術(shù)創(chuàng)新，真正做到政府、技術(shù)市場、民間投資三方聯(lián)動。(3)要充分發(fā)揮政府職能，明文規(guī)定技術(shù)創(chuàng)新的支持政策及相關(guān)政策法規(guī)，做好技術(shù)創(chuàng)新與技術(shù)市場的平臺建設(shè)，完善科技成果轉(zhuǎn)化市場，使技術(shù)創(chuàng)新真正能夠化為生產(chǎn)力，推動經(jīng)濟(jì)增長。

[1] Robert M.Solow.Technical Change and the Aggregate Production Function[J].The Review of Economics and Statistics,1957(39):312-320.

[2] Aghion, P., P. Howitt. A Model of Growth through Creative Destruction[J].Econometrics,1992(60)：75-78.

[3] Robert, Peter W. Product Innovation, Product-Market Competition, and Persistent Profitability in the U.S Pharmaceutical Industry[J].Strategic Management Journal,1999,20(7):655-670.

[4] 蔡昉.經(jīng)濟(jì)增長方式轉(zhuǎn)變與可持續(xù)性源泉[J].宏觀經(jīng)濟(jì)研究,2005(12):34-37.

[5] 朱勇,張宗益.技術(shù)創(chuàng)新對經(jīng)濟(jì)增長影響的地區(qū)差異研究[J].中國軟科學(xué),2005(11):92-98.

[6] 張耿慶.我國技術(shù)創(chuàng)新與經(jīng)濟(jì)增長的實(shí)證研究[J].經(jīng)濟(jì)縱橫,2007(8):49-51.

[7] 程開明.城市化、技術(shù)創(chuàng)新與經(jīng)濟(jì)增長——基于創(chuàng)新中介效應(yīng)的實(shí)證研究[J].統(tǒng)計(jì)研究,2009(5):40-46.

[8] 郝壽義,范曉莉.城市化水平、技術(shù)創(chuàng)新與城市經(jīng)濟(jì)增長——基于我國25個(gè)城市面板數(shù)據(jù)的實(shí)證研究[J]. 現(xiàn)代管理科學(xué),2012(1):74-76.

[9] 韓風(fēng)芹，樊軼俠．“金磚四國”科技政策的比較分析與啟示[J]．經(jīng)濟(jì)研究參考，2013(72)：19-35.

[10] 李苗苗,肖洪鈞,趙爽.金融發(fā)展、技術(shù)創(chuàng)新與經(jīng)濟(jì)增長的關(guān)系研究——基于中國的省市面板數(shù)據(jù)[J].中國管理科學(xué),2015(2):162-169.

[11] 宋洋,許湘津.基于主成分分析的北京低碳物流水平研究[J].科技展望,2015(22):243-246.

(責(zé)任編輯：蔣華)

Study of the Contribution Rate of Technology Innovation for Economic Growth

JIANG Miao-miao1, LU Xin-guo1, WANG Xiang-qian2

(1. School of Management, Yancheng Institute of Technology, Yancheng,Jiangsu 224000, China;2.College of Economics and Management, Anhui University of Technology, Huainan,Auhui 232000,China)

Innovation is an inexhaustible power to promote economic growth. On the basis of literature research, the indicators of technological innovation and economic growth were found. With the purposes of finding the most important technical innovation factor and forecasting the economic growth, we chose 18 provinces and cities as research objects, collecting the annual cross-sectional data for 2013 of 18 provinces, establishing economic model, using R language software tools to do principal component analysis of the data and least squares regression analysis with variables, and constructing regression model. In conclusion, the first principal component was the investment of technical innovation, namely, the investment of technical innovation was the main factor affecting economic growth. The regression equation is given, and some advices to stimulate economic growth by increasing the investment of technical innovation and enhancing government posts from the aspects law and finance.

technical innovation; economic growth; literature research; empirical analyze; R language

2016-03-30

國家自然科學(xué)基金(51474007);安徽省人文社會科學(xué)研究基地重點(diǎn)項(xiàng)目(SK2014A042)

姜苗苗(1991-)，女，江蘇宿遷人，在讀碩士，主要從事管理學(xué)研究。

C931

A

1009-7961(2016)04-0058-07