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

內(nèi)容摘要：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。

關(guān)鍵詞：自選擇效應(yīng) R&D資本 全要素生產(chǎn)率

中圖分類號：F426 文獻(xiàn)標(biāo)識碼：A

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。

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：

Kt=Et-1+（1-δ）Kt-1

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）：

σ=y-α·k-β·l

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：

（Kt-Kt-1）/Kt-1=（Et-Et-1）/Et-1=g2

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：

K1=E0+（1-δ0）K0

綜合可得：

K0=E0/（g2+δ）

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 Mills 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)。

參考文獻(xiàn)：

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）