產(chǎn)業(yè)技術(shù)水平視角下R&D資本對全要素生產(chǎn)率影響的實證分析

■ 夏　雨　伏玉林　沈筠彬（、華東理工大學(xué)理學(xué)院　、華東理工大學(xué)商學(xué)院　上?！?07　、同濟大學(xué)經(jīng)濟管理學(xué)院　上海　0009）

產(chǎn)業(yè)技術(shù)水平視角下R&D資本對全要素生產(chǎn)率影響的實證分析

■ 夏雨1伏玉林2沈筠彬3（1、華東理工大學(xué)理學(xué)院2、華東理工大學(xué)商學(xué)院上海2002373、同濟大學(xué)經(jīng)濟管理學(xué)院上海200092）

本文基于產(chǎn)業(yè)技術(shù)水平視角，采用2001～2007年中國工業(yè)企業(yè)大規(guī)模面板數(shù)據(jù)集，實證分析了制造業(yè)企業(yè)R&D資本對全要素生產(chǎn)率的影響。在考慮到R&D投入自選擇效應(yīng)的基礎(chǔ)上，控制市場、產(chǎn)權(quán)和出口等因素的影響，結(jié)果表明：樣本期內(nèi)企業(yè)R&D資本對全要素生產(chǎn)率存在顯著正效應(yīng)，高技術(shù)產(chǎn)業(yè)的R&D產(chǎn)出彈性顯著大于非高技術(shù)產(chǎn)業(yè)的R&D產(chǎn)出彈性，高技術(shù)產(chǎn)業(yè)中R&D資本對全要素生產(chǎn)率的促進(jìn)作用更大。

自選擇效應(yīng)R&D資本全要素生產(chǎn)率

引言

改革開放以來，中國的工業(yè)化和經(jīng)濟發(fā)展取得了舉世矚目的成就。在國際市場上，中國的主要加工制造業(yè)雖然被視為新崛起的強勁競爭對手，但是其全球競爭力卻主要來自于創(chuàng)新之外的過度資源投入，并引發(fā)了嚴(yán)重的資源環(huán)境問題。據(jù)2007年中國工業(yè)企業(yè)數(shù)據(jù)庫的336768家企業(yè)的統(tǒng)計資料顯示，絕大多數(shù)制造業(yè)企業(yè)仍然沒有研發(fā)支出、不具備研發(fā)主體地位，研發(fā)活動主要集中在10.16%的少數(shù)企業(yè)中，產(chǎn)業(yè)技術(shù)水平差異非常明顯。從技術(shù)經(jīng)濟的角度看，中國制造業(yè)企業(yè)的R&D對于提高企業(yè)生產(chǎn)率的作用究竟怎樣？在不同技術(shù)水平的產(chǎn)業(yè)間，R&D投入對于提升企業(yè)生產(chǎn)率是否存在顯著差異？本文旨在采用微觀大規(guī)模面板數(shù)據(jù)集對這些問題展開實證研究。

文獻(xiàn)回顧

R&D投入是企業(yè)加強核心競爭力的重要手段，企業(yè)通過研發(fā)投資可以加強技術(shù)融合、降低成本、縮短生產(chǎn)周期，利用新技術(shù)和新產(chǎn)品提高產(chǎn)出效率。自20世紀(jì)60年代以來，很多學(xué)者考察了R&D投入對產(chǎn)出增長的積極影響（Griliches，1964；Mansfield，1965；Griliches，1979；Aghion，1992）。近年來，雖然大量文獻(xiàn)采用產(chǎn)業(yè)層面數(shù)據(jù)和不同研究方法測度了R&D投入的產(chǎn)出彈性，但鮮有文獻(xiàn)從產(chǎn)業(yè)技術(shù)水平的視角，采用企業(yè)層面數(shù)據(jù)測算和比較中國制造業(yè)企業(yè)全要素生產(chǎn)率的差異。

在產(chǎn)業(yè)層面上，Verspagen（1995）基于1973～1988年9個主要OECD成員國15個產(chǎn)業(yè)數(shù)據(jù)和標(biāo)準(zhǔn)Cobb - Douglas生產(chǎn)函數(shù)，分析了R&D投資對工業(yè)增加值的影響，并運用OECD分類標(biāo)準(zhǔn)劃分三類部門，發(fā)現(xiàn)高技術(shù)產(chǎn)業(yè)R&D投入對企業(yè)產(chǎn)出具有積極影響，中低技術(shù)產(chǎn)業(yè)部門的影響則不顯著。此外，Griffith 和Redding（2004）采用OECD產(chǎn)業(yè)面板數(shù)據(jù)的研究發(fā)現(xiàn)，R&D投入對于創(chuàng)新和技術(shù)趕超有著重要意義，但由于沒有考慮到R&D的吸收能力，基于美國數(shù)據(jù)的研究低估了R&D的投入回報。

在企業(yè)層面上，Griliches（1980）采用美國1959～1977年企業(yè)數(shù)據(jù)來測算R&D產(chǎn)出彈性，約為0.07； Cuneo和Mairesse（1984 ）采用法國1972～1977年182家有R&D投入的企業(yè)數(shù)據(jù)來測算R&D產(chǎn)出彈性，約為0.2，并比較了法國與美國企業(yè)R&D投入產(chǎn)出關(guān)系；而Hansen和Madsen（2000）采用日本企業(yè)數(shù)據(jù)來測算R&D產(chǎn)出彈性，在0.2-0.56之間；Potters（2010）采用2000～2005年歐洲532家企業(yè)面板數(shù)據(jù)所估計的R&D產(chǎn)出彈性，從低技術(shù)部門到高技術(shù)部門彈性單調(diào)增加，范圍處于0.05-0.16 。新近的研究采用1990～1999年西班牙制造業(yè)企業(yè)面板數(shù)據(jù)，證實了R&D投入是解釋企業(yè)生產(chǎn)率差異的重要因素（Doraszelsk，2013）。這些基于微觀層面數(shù)據(jù)所測算的R&D產(chǎn)出彈性有較大差異，而且大多以高技術(shù)產(chǎn)業(yè)為研究對象，但討論制造業(yè)企業(yè)R&D投入對生產(chǎn)率貢獻(xiàn)的跨部門差異的文獻(xiàn)屈指可數(shù)。

雖然絕大多數(shù)研究表明，高技術(shù)產(chǎn)業(yè)R&D投入具有更高的生產(chǎn)率，也有些研究發(fā)現(xiàn)，非高技術(shù)產(chǎn)業(yè)盡管R&D投入較少，但由于整個市場技術(shù)改進(jìn)的溢出效應(yīng)而使其獲得了技術(shù)提高，同時高技術(shù)產(chǎn)業(yè)的邊際報酬遞減，因此非高技術(shù)產(chǎn)業(yè)的回報并不一定低于高技術(shù)產(chǎn)業(yè)（Mairesse和Mohnen，2001；Von，2005）。那么，中國制造業(yè)的高技術(shù)部門與非高技術(shù)部門R&D投入回報是否存在顯著差異？因此，按照技術(shù)密集度對中國制造業(yè)部門作出適當(dāng)分類，分別考察R&D投入與生產(chǎn)率的關(guān)系十分必要。

近些年，有關(guān)中國企業(yè)R&D投入對生產(chǎn)率影響的文獻(xiàn)逐漸增多。Hu（2001）采用1995年北京市海淀區(qū)813個高技術(shù)企業(yè)樣本，研究發(fā)現(xiàn)私人R&D投入的產(chǎn)出彈性約為0.32。Hu （2005）采用中國1995～1999年每年約10000家大中型制造業(yè)企業(yè)數(shù)據(jù)，測算的R&D產(chǎn)出彈性約為0.027-0.029，在把所有產(chǎn)業(yè)劃分為高技術(shù)和非高技術(shù)兩個樣本后，高技術(shù)產(chǎn)業(yè)的R&D產(chǎn)出彈性為0.064，非高技術(shù)產(chǎn)業(yè)的R&D投入對生產(chǎn)率無顯著影響；Jefferson（2006）采用中國1997～1999年5451個大中型制造業(yè)企業(yè)面板數(shù)據(jù)，研究發(fā)現(xiàn)R&D產(chǎn)出彈性約為0.24。這些研究有助于認(rèn)識中國企業(yè)R&D投入對生產(chǎn)率的貢獻(xiàn)，但也存在一些局限性。例如，企業(yè)是否進(jìn)行R&D投入帶來的自選擇效應(yīng)，可能導(dǎo)致估計的產(chǎn)出彈性有偏誤（Hu，2001；Hu，2005；Jefferson，2006）；由于數(shù)據(jù)獲得性問題，中國R&D存量的計算通常比較困難，有的研究還使用R&D流量進(jìn)行估計（Hu，2001），特別是絕大多數(shù)研究只關(guān)注生產(chǎn)函數(shù)中可直接觀察到的各要素對產(chǎn)出增長的貢獻(xiàn)，而忽略了不可觀察到的技術(shù)進(jìn)步、資源配置方式、專業(yè)化、組織創(chuàng)新、生產(chǎn)創(chuàng)新等因素對產(chǎn)出增長的貢獻(xiàn)，而這些因素剛好反映了中國經(jīng)濟轉(zhuǎn)型期制造業(yè)部門的內(nèi)在變化。針對上述問題，本文將采用微觀大規(guī)模面板數(shù)據(jù)集重新估計企業(yè)R&D資本對全要素生產(chǎn)率的影響。

表1　全要素生產(chǎn)率影響因素分析

數(shù)據(jù)、變量與方法

（一）產(chǎn)業(yè)分類

本文數(shù)據(jù)來源于國家統(tǒng)計局2001～2007年的中國工業(yè)企業(yè)數(shù)據(jù)庫，它涵蓋了全部國有和年主營業(yè)務(wù)收入500萬元及以上的非國有工業(yè)法人企業(yè)的大規(guī)模面板數(shù)據(jù)集，截止2007年，共收錄了33萬多家工業(yè)企業(yè)。2001～2007 年，中國工業(yè)企業(yè)數(shù)據(jù)庫包括 2228733個觀測值，提供了全部國有和規(guī)模以上工業(yè)法人企業(yè)的基本情況、財務(wù)及盈利狀況方面的信息，包括企業(yè)代碼、所在地區(qū)、行業(yè)類型、資本構(gòu)成、資產(chǎn)負(fù)債情況、收入費用、中間投入和利潤分配等重要經(jīng)濟指標(biāo)。相比其他使用上市公司數(shù)據(jù)的文獻(xiàn)，本文樣本涵蓋了所有工業(yè)部門的非上市企業(yè)和中小企業(yè)，更能全面反映各類企業(yè)研發(fā)投入與生產(chǎn)率的關(guān)系。

為了考察R&D投入回報在不同技術(shù)部門之間的差異，本文將兩位數(shù)產(chǎn)業(yè)重新劃分為高技術(shù)產(chǎn)業(yè)和非高技術(shù)產(chǎn)業(yè)。由于中國R&D投入與其他國家有顯著差距，本文將通過計算R&D強度對中國的兩位數(shù)制造業(yè)重新進(jìn)行分類。定義R&D強度為R&D投入與工業(yè)增加值的比重，以及R&D投入與銷售收入的比重兩個指標(biāo)（為節(jié)約篇幅，具體表格未列出）。

（二）全要素生產(chǎn)率的估計

已有研究指出，運用簡單線性估計企業(yè)TFP，將不可避免地引起聯(lián)立性偏誤（simultaneity bias）和樣本選擇性偏誤（selectivity and attrition bias），其中前者更為突出。在實際生產(chǎn)過程中，企業(yè)的效率有一部分在當(dāng)期是可以被觀測到的，企業(yè)決策者依據(jù)最大化原則和這些信息可以調(diào)整當(dāng)期的要素投入，從而使得殘差項和回歸項相關(guān)。因此，采用普通最小二乘法的估計結(jié)果是有偏差的。為此，本文借鑒Levinsohn和Petrin（2003）在Olley和Pakes（1996）的基礎(chǔ)上發(fā)展的半?yún)?shù)估計方法來測度TFP，并用中間投入作為不可觀測生產(chǎn)率沖擊的代理變量。

（三）資本存量計算

在生產(chǎn)函數(shù)中，決定企業(yè)產(chǎn)出的是R&D資本存量而非流量，目前實證研究大多以R&D當(dāng)期投入及其滯后結(jié)構(gòu)來測算R&D存量。這里使用永續(xù)盤存法測算R&D資本存量，t期的R&D資本存量可用過去時期的R&D支出現(xiàn)值與t-1期R&D資本存量現(xiàn)值之和來表示。由于難以得到R&D支出的滯后結(jié)構(gòu)，所以資本存量公式為：

由于技術(shù)升級的速度影響R&D存量的折舊，通常用科技進(jìn)步年平均增長速度來代替折舊率（程華和吳曉暉，2006）：

其中，σ表示科技進(jìn)步平均增長速度；y表示GDP年均增速；k表示固定資產(chǎn)投資年均增速，l表示從業(yè)人員年均增速；α表示資本產(chǎn)出彈性；β表示勞動產(chǎn)出彈性。采用國家發(fā)改委、國家統(tǒng)計局在測算全社會科技進(jìn)步時取α=0.35和β=0.65的建議。

假定R&D資本存量K的平均增長率等于R&D支出E平均增長率：

其中，g2為R&D支出E的平均增長率。當(dāng)t=1時，K1=（1+g2）K0。由此得：

綜合可得：

為剔除價格因素的影響，工業(yè)增加值用工業(yè)品出廠價格指數(shù)平減（程華和吳曉暉，2006），平減指數(shù)基期為1998年。

（四）自選擇效應(yīng)的處理

由于并非所有企業(yè)在樣本期內(nèi)都選擇進(jìn)行R&D投入，為此使用Heckman兩步法來處理這種自選擇效應(yīng)，然后再對R&D投入產(chǎn)出彈性進(jìn)行估計。

第一步，運用probit模型考察企業(yè)是否具有正的R&D存量。如果企業(yè)R&D存量為正值，pro（R&D）為1，否則為0。具體公式如下：

Pro（R&D）=α+β·x+y

其中，x為影響企業(yè)R&D投入決策的因素，包括滯后一期的R&D投入、度量融資約束的資產(chǎn)負(fù)債率、市場規(guī)模、市場規(guī)模的二次方、廣告投入強度、人力資本、資本密集度、出口強度、企業(yè)年齡以及市場集中度。

Heckman第一步probit模型計算出逆米爾斯比率ηit（inverse Mill's ratio），加入到第二步的回歸方程中，以克服樣本的選擇性偏誤。如果ηit顯著不為零，表明存在樣本自選擇效應(yīng)，從而支持本文采用Heckman模型。

計量方程

首先，運用固定效應(yīng)模型估計R&D資本的產(chǎn)出彈性。設(shè)定計量模型的基本形式如下：

在上面的公式中，下標(biāo)s表示產(chǎn)業(yè)，i為企業(yè)，t為時期。TFPit為全要素生產(chǎn)率，Kit為R&D資本，α1為R&D資本產(chǎn)出彈性。為保證R&D產(chǎn)出彈性的穩(wěn)定性，需要控制一些影響全要素生產(chǎn)率的市場因素和制度因素： Xsit表示企業(yè)層面的控制變量：包括市場規(guī)模、企業(yè)規(guī)模的平方項、資產(chǎn)負(fù)債率、廣告投入強度、資本密集度、企業(yè)年齡、出口值和所有權(quán)性質(zhì)。本文選擇集體企業(yè)為基準(zhǔn)，比較其他不同產(chǎn)權(quán)相對于集體企業(yè)對全要素生產(chǎn)率的影響。Zst是產(chǎn)業(yè)層面的特征變量；Dt為時間虛擬變量，Ds為產(chǎn)業(yè)變量，以廢棄資源和廢舊材料回收加工業(yè)（代碼43）為參照系，設(shè)置了29個產(chǎn)業(yè)的虛擬變量以控制除了Zst之外產(chǎn)業(yè)特異性的影響；uit為隨機誤差項；ηit為第一步計算的逆米爾斯比率。

考慮到全要素生產(chǎn)率和R&D投入之間可能的互為因果關(guān)系引起的內(nèi)生性問題（宗慶慶、周亞虹，2013），運用工具變量兩階段最小二乘法（2SLS）糾正偏誤。因此，估計R&D資本產(chǎn)出彈性的計量方程為：

采用R&D資本一階滯后項、企業(yè)規(guī)模、企業(yè)規(guī)模的平方項、資本密集度以及市場集中度和廣告投入強度作為R&D資本存量的工具變量。其中，X*包括資產(chǎn)負(fù)債率、企業(yè)年齡、出口額、所有產(chǎn)權(quán)啞變量。

實證結(jié)果分析

本文分別以2001～2007年中國工業(yè)企業(yè)數(shù)據(jù)庫中全部制造業(yè)樣本、高技術(shù)產(chǎn)業(yè)樣本和非高技術(shù)產(chǎn)業(yè)樣本進(jìn)行估計，表1報告了三類樣本的估計結(jié)果。

本文使用Heckman兩步法對企業(yè)自選擇效應(yīng)進(jìn)行了處理。表1的第2、第4和第6欄中的逆米爾斯比率ηit均顯著不為零，表明對自選擇效應(yīng)進(jìn)行處理是必要的。

表1分別顯示了全部制造業(yè)樣本、非高技術(shù)產(chǎn)業(yè)以及高技術(shù)產(chǎn)業(yè)的三組樣本的估計結(jié)果。其中，第1、第3和第5欄是使用固定效應(yīng)的估計結(jié)果，第2、第4和第6欄為兩階段最小二乘法的估計結(jié)果，可以看出，存在的內(nèi)生性問題使得采用固定效應(yīng)法得出的估計結(jié)果有顯著偏誤。從表1還可以看到，以全部制造業(yè)企業(yè)為樣本的R&D資本產(chǎn)出彈性為0.23，對應(yīng)地非高技術(shù)產(chǎn)業(yè)R&D資本產(chǎn)出彈性為0.20，明顯低于高技術(shù)產(chǎn)業(yè)產(chǎn)出彈性0.29。這不僅證實了R&D投入對企業(yè)全要素生產(chǎn)率確實有顯著的積極影響，與已有的文獻(xiàn)結(jié)論相一致，同時也表明在高技術(shù)產(chǎn)業(yè)中R&D資本對全要素生產(chǎn)率的促進(jìn)作用更大。

結(jié)論

本文基于產(chǎn)業(yè)技術(shù)水平的視角，采用2001～2007年中國工業(yè)企業(yè)大規(guī)模面板數(shù)據(jù)集測度了R&D資本對全要素生產(chǎn)率提高的貢獻(xiàn)率，檢驗了企業(yè)R&D存量與中國產(chǎn)業(yè)技術(shù)水平之間的關(guān)系。本文不僅證實了R&D投入對企業(yè)全要素生產(chǎn)率存在顯著的積極影響，同時表明了在高技術(shù)產(chǎn)業(yè)中R&D資本對全要素生產(chǎn)率的促進(jìn)作用更大。

由于已有文獻(xiàn)大多未考慮到樣本的選擇性偏誤問題，本文利用Heckman兩步法證實了處理企業(yè)R&D投入自選擇效應(yīng)的必要性；為避免使用普通最小二乘法引起的內(nèi)生性問題，利用工具變量兩階段最小二乘法估計了R&D存量對全要素生產(chǎn)率的影響。在控制了市場、產(chǎn)權(quán)和出口因素的影響后，計量結(jié)果顯示R&D資本與全要素生產(chǎn)率之間存在顯著的正相關(guān)關(guān)系。全部制造業(yè)企業(yè)樣本的R&D資本投入產(chǎn)出彈性為0.23，而非高技術(shù)產(chǎn)業(yè)R&D彈性為0.20，顯著低于高技術(shù)產(chǎn)業(yè)的0.29。

樣本期內(nèi)出口決策對企業(yè)全要素生產(chǎn)率提高也有顯著影響。說明中國政府的貿(mào)易政策需要適當(dāng)放寬，鼓勵企業(yè)參與國外的激烈市場競爭，以自由貿(mào)易促進(jìn)產(chǎn)業(yè)技術(shù)升級，增強創(chuàng)新驅(qū)動。研發(fā)投入雖然是技術(shù)進(jìn)步的關(guān)鍵因素，但計量結(jié)果表明，除了R&D資本對企業(yè)全要素生產(chǎn)率有重要影響之外，出口決策等因素對企業(yè)全要素生產(chǎn)率提高也有顯著影響，不管是高技術(shù)產(chǎn)業(yè)還是非高技術(shù)產(chǎn)業(yè)，出口都有利于提高企業(yè)的全要素生產(chǎn)率。不同產(chǎn)權(quán)結(jié)構(gòu)的企業(yè)對全要素生產(chǎn)率也有不同的影響。另外，市場規(guī)模對于企業(yè)是否作出R&D投入決策以及投入量大小有顯著的影響，一定程度的規(guī)模和市場競爭有利于企業(yè)創(chuàng)新，說明中國的科技政策不應(yīng)該扶持壟斷程度較高的企業(yè)，也不應(yīng)該扶持缺乏競爭的企業(yè)，而是應(yīng)該側(cè)重于扶持具有一定規(guī)模但又未形成市場集中度的企業(yè)。

1.Griliches Z. Research expenditures， education and the aggregate production function［J］. American Economic Review， 1964，54（6）

2.Mansfield E. Rates of return from industrial research and development［J］. American Economic Review， 1965， 55（3）

3.Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth［J］. Bell Journal Of Economics， 1979， 10（1）

4.Aghion P， Howitt P. A model of growth through creative destruction［J］. Econometrics， 1992， （60）

5.Griliches Z. R&D and the productivity slowdown［J］. American Economic Review，1980， 70（2）

6.Cuneo P， Mairesse J. Productivity and R&D at the firm Level in French manufacturing［M］. in Griliches，Z.（ed），R&D，Patentsand Productivity，Chicago：University of Chicago Press，1984

7.Dilling-Hansen M， ErikssonT， Madsen E S.The impact of R&D on productivity： evidence from Danish firm - Level data［J］.International Advances in Economic Research，2000，6（2）

8.Ortega-Argiles R， Potters L， Vivarelli M. R&D and productivity： testing sectoral peculiarities using micro data［J］. Empirical Economics， 2010， 41（3）

9.Doraszelski U， Jaumandreu J. R&D and productivity： estimating endogenous productivity［J］. Review of Economic Studies， 2013，80（4）

10.Mairesse，J.and P.Mohnen.To Be or not to be Innovative：An Exercise in Measurement［-J］，NBER working Paper 8644，National Bureau of Economic Research，Cambridge，MA.2001.11

11.Von Tunzelmann，N. and V.Acha. Innovation in Low - Tech Industries. in The Oxford Handbook of Innovation［M］. edited by J.Fagerberg，D.C.Mowery，and R.R. Nelson，New York：Oxford University Press，2005

12.Levinsohn James & Amil Petrin， Estimating Production Functions Using Inputs to Control for Unobservables［J］. Review of Economic Studies， 2003， 70（2）

13.Olley， S. and A. Pakes. The Dynamics Of Productivity in the Telecommunications Equipment Industry［J］. Econometrica， 1996，64（6）

14.程華，吳曉暉. R&D投入、存量及產(chǎn)出彈性研究——基于年份/功效函數(shù)的實證研究［J］. 科學(xué)學(xué)研究，2006，24（1）

15.宗慶慶，周亞虹. 內(nèi)生情形下企業(yè)研發(fā)對生產(chǎn)率作用評估［J］.世界經(jīng)濟文匯，2013（6）

F426

A