創(chuàng)新價值鏈視角的創(chuàng)新投入結構與全要素生產率分析

余泳澤 張瑩瑩 楊曉章

創(chuàng)新價值鏈視角的創(chuàng)新投入結構與全要素生產率分析

余泳澤 張瑩瑩 楊曉章

創(chuàng)新投入是提高生產率的重要途徑，而不同類型的創(chuàng)新投入對一國生產率改善的作用存在差異性。學理上的解釋需深入研究創(chuàng)新活動的內部反應機制。從創(chuàng)新價值鏈視角將創(chuàng)新活動分為基礎研究、應用研究和試驗發(fā)展?；谘邪l(fā)資本存量的測算，構建反映創(chuàng)新投入結構與全要素生產率之間關系的理論模型，并以經合組織(OECD)23個國家2000-2013年的面板數據為樣本，檢驗創(chuàng)新投入結構對生產率的異質性影響。結果表明:從時間維度來看，試驗發(fā)展活動對當期全要素生產率增長具有顯著的正效應，應用研究和基礎研究功效的發(fā)揮存在一定時滯，且基礎研究的滯后期更長；從影響程度來看，基礎研究的偏效應最大，應用研究偏效應短期內為負值，而試驗發(fā)展的作用雖然非常迅速，但其對生產率的帶動效果相對較弱；就全要素生產率分解來看，基礎研究和應用研究分別對技術效率和規(guī)模效率的偏效應最大，試驗發(fā)展對全要素生產率三部分都有顯著的正效應。因此，改善我國創(chuàng)新投入結構時應充分重視基礎研究的投入和積累，以發(fā)揮其在促進生產率中的核心地位和長效作用。

創(chuàng)新價值鏈； 創(chuàng)新投入結構； 基礎研究； 應用研究； 試驗發(fā)展

一 引 言

改革開放近40年來，中國經濟經過了高速增長，伴隨著全球經濟增長速度的放緩，逐漸步入“新常態(tài)”，經濟發(fā)展方式亟需從要素驅動、投資驅動轉向創(chuàng)新驅動。實施創(chuàng)新驅動發(fā)展是中國經濟面對“新常態(tài)”的一項重要戰(zhàn)略，同時也是提高我國全要素生產率的主要方式。從現有研究來看，創(chuàng)新活動對提高全要素生產率有顯著的影響，并且近年來受到學者們的廣泛關注(陳鈺芬等，2013[1]；Englander et al., 1988[2])。

2006年我國開始實施創(chuàng)新發(fā)展戰(zhàn)略，逐漸增加了研發(fā)活動的投入，2015年研發(fā)經費投入1.4萬億元，已接近中等發(fā)達國家水平，占GDP的比重由2006年的1.39%上升到2015年的2.1%。然而，就我國全要素生產率的漲幅而言，巨大的創(chuàng)新投入似乎并沒有推動全要素生產率的快速增長。據統(tǒng)計，1995-2009年生產率平均每年以3.9%的速度增長，2011-2015年生產率增長速度下降到了3.1%*數據來源于中國社會科學院的測算。。究其原因，主要包括以下幾個方面：首先政府對我國創(chuàng)新活動的干預較多，研究中普遍認為政府對R&D活動的干預會造成“市場失靈”，并且會在一定程度上抑制私營企業(yè)的R&D支出(張杰等，2012[3]；張杰和劉志彪，2007[4])。其次，R&D投入雖然逐年增加，但是創(chuàng)新效率并不高(白俊紅和蔣伏心，2011)[5]，由于研發(fā)活動的高風險性和高投入性，企業(yè)R&D投入的積極性并不高，很多企業(yè)R&D投入的效率是低效甚至是無效的(Segerstrom et al.,1990)[6]。因此，R&D投入并不是越多就對全要素生產率提高越有利，過多效率低下的R&D 投入會造成社會資源的浪費，甚至可能降低經濟增長速度(Englander et al.,1988[2];Verspagen, 1995[7])。最后，通過分析我國創(chuàng)新投入結構發(fā)現，我國研發(fā)經費更多的投入試驗發(fā)展活動而非基礎研究，基礎研究經費占總經費的比重低于10%，而試驗發(fā)展經費則高達85%。發(fā)達國家的基礎研究經費比重則超過15%，試驗發(fā)展經費占比只保持在60%左右。

本文針對上述情況，選取OECD國家2000-2013年的面板數據，基于創(chuàng)新價值鏈視角，將創(chuàng)新活動分為基礎研究、應用研究和試驗發(fā)展三個階段，分析創(chuàng)新價值鏈各個階段R&D投入對全要素生產率的影響機制，研究不同創(chuàng)新投入結構對全要素生產率貢獻的異質性作用，進而找到我國全要素生產率低下的根源所在，為提高我國全要素生產率給出相應的建議。

二 文獻綜述

(一)創(chuàng)新投入模式

創(chuàng)新是一個多樣而復雜的過程，從創(chuàng)新資源投入到產生創(chuàng)新成果，再到創(chuàng)新成果市場化要經過一系列的階段。換而言之，創(chuàng)新成果產生的背后有著許多不被人們所看到的投入，但這些投入同樣對一國經濟發(fā)展產生一定的影響。為了更加清楚地了解創(chuàng)新背后的投入對于經濟發(fā)展的作用，學者們也不遺余力的努力探索著。

陳勁和陳鈺芬(2006)[8]將創(chuàng)新過程分為創(chuàng)新成果研發(fā)和創(chuàng)新成果應用兩個階段，發(fā)現成果研發(fā)階段雖然歷時較長，但對經濟增長的促進作用最為顯著(胡樹華等，2015)[9]。余泳澤和劉大勇(2013[10]，2014[11])將創(chuàng)新過程細致劃分為知識創(chuàng)新、科研創(chuàng)新和產品創(chuàng)新三個階段，三者相互促進、相互聯(lián)系，知識創(chuàng)新和科研創(chuàng)新的目的是為了產品創(chuàng)新，知識創(chuàng)新是科研創(chuàng)新和產品創(chuàng)新的理論基礎；同時，三者又相互獨立，各自為一個新的創(chuàng)新階段。我國著名學者趙增耀等(2015)[12]將創(chuàng)新過程分為知識創(chuàng)新階段和產品創(chuàng)新階段，利用兩階段非合作博弈的創(chuàng)新效率評價方法，考察各個階段的創(chuàng)新效率，研究創(chuàng)新活動對經濟增長的影響。龐瑞芝等(2009)[13]將創(chuàng)新過程分為兩個環(huán)節(jié)，第一個環(huán)節(jié)是由原始的技術創(chuàng)新投入轉化為技術成果，第二環(huán)節(jié)是技術成果進一步轉化為經濟成果的過程。企業(yè)、高校和科研院所作為創(chuàng)新活動的主要研發(fā)主體，所從事的主要研發(fā)活動也大不相同，企業(yè)作為以盈利為目的的市場參與者，所從事的研發(fā)活動大多具有低風險、高回報的特性，如產品創(chuàng)新即創(chuàng)新成果的市場化；高校和科研院所作為我國科技研發(fā)活動主要的機構，承擔了大部分風險大、周期長的研發(fā)活動，即知識創(chuàng)新和研發(fā)創(chuàng)新。但是，相比較而言，我國企業(yè)研發(fā)活動的創(chuàng)新效率是最低的(白俊紅等，2009)[14]，科研院所的創(chuàng)新效率近年來也呈下降趨勢(關忠誠等，2009)[15]，不過這與我國實際是相符的(余泳澤，2015)[16]。

(二)創(chuàng)新投入模式與技術進步

理論上講，創(chuàng)新投入有特定的投資回報率。但由于數據、測量方法和變量選擇的不同,不同學者在計量分析過程中得到的投資回報率也不相同。Griliches和Lichtenberg(1984)[17]利用不同方法回歸得到的科研投資回報率為11%-62%；與前者不同的是，Boskin和Lau (2000)[18]計算出的創(chuàng)新投入對技術進步的貢獻率在50%以上，數字波動范圍較小。這些結論雖然不同，但都證明了創(chuàng)新投資能夠促進技術進步和經濟增長。

李賓(2010)[19]認為我國基礎研究投入強度嚴重偏少，使得研究投入對技術進步產生負面影響,從而一定程度上抑制了經濟的增長，因此中國應該增加基礎研究投入強度。柳卸林和何郁冰(2011)[20]指出，核心技術的產生是長期大量基礎研究積累的結果，中國當前研發(fā)投資結構比例失衡，對核心技術的創(chuàng)新發(fā)展產生了消極影響。孫曉華和王昀(2015)[21]發(fā)現試驗發(fā)展活動能夠顯著促進當期全要素生產率的增長，基礎研究對全要素生產率的促進作用顯著大于應用研究，而試驗發(fā)展對當期全要素生產率的促進作用非常顯著，但對技術進步的帶動作用相對較弱。而我國普遍存在研發(fā)投入中基礎研究投入比重偏低，企業(yè)對基礎研究投資不足的問題(溫珂和李樂旋，2007[22]；李賓，2010[19])。楊立巖和潘慧峰(2003)[23]通過構建經濟增長模型，將知識分為應用技術和基礎科學知識兩大類，發(fā)現基礎科學知識更有利于經濟長期增長。靖學青(2013)[24]分析我國研究投入結構與經濟增長關系的結果表明，基礎研究和試驗發(fā)展與中國科技進步存在很強的關聯(lián)性，而應用研究和技術進步之間的關系最微弱；同時，他們也發(fā)現基礎研究投入對經濟增長的促進作用很顯著，但其作用有一定的滯后性，所以基礎研究投入低對技術進步和發(fā)展不利。陳鈺芬等(2013)[1]利用面板模型研究不同類型科研投資活動對技術進步的差異性作用,發(fā)現在中國試驗發(fā)展對技術進步的促進作用非常顯著，高于基礎研究和應用研究對技術進步的影響?？傊?，不同數據源和不同分析方法對研究結論有很大的影響，有必要在理論上建立統(tǒng)一的標準。

截止目前，研究創(chuàng)新活動對技術進步影響的文獻較多，創(chuàng)新投入對技術進步具有正向的促進作用，但創(chuàng)新效率低下，盡管如此，依舊沒有分析清楚創(chuàng)新活動對技術進步背后的“反應”機制，也沒有明確不同研發(fā)活動對技術進步的異質性作用。因此，本文的創(chuàng)新點主要包括：(1)剖析了創(chuàng)新活動從投入到創(chuàng)新成果市場化背后經歷的一切“反應”，并且將創(chuàng)新投入-“反應”-創(chuàng)新成果市場化這一過程定義為創(chuàng)新價值鏈；(2)通過重新測算OECD國家不同創(chuàng)新活動的研發(fā)資本存量，更加準確地衡量創(chuàng)新投入對全要素生產率的作用；(3)不同于以往研究運用DEA法計算全要素生產率(潘丹和應瑞瑤，2013[25]；孫曉華等，2012[26])，本文選擇基于參數的隨機前沿SFA法計算OECD國家的全要素生產率；(4)利用OECD國家的數據，分階段研究其創(chuàng)新活動的內部反應機制，借鑒OECD國家研發(fā)投資結構找到我國全要素生產率低下的主要原因，進而改善我國創(chuàng)新投資結構存在的問題。

三 數據處理與模型變量

(一)研究思路

自熊彼特提出“創(chuàng)新理論”以來，對創(chuàng)新的研究基本上分為兩個方面：制度創(chuàng)新和技術創(chuàng)新，本文圍繞技術創(chuàng)新理論展開。近年來，學者們細化了創(chuàng)新過程研究，最具代表性的就是Hansen和Birkinshaw(2007)[27]在《創(chuàng)新價值鏈》一文中首次提出創(chuàng)新價值鏈理論，系統(tǒng)地解釋了創(chuàng)新過程的內在反應機制。本文在Hansen和Birkinshaw創(chuàng)新價值鏈理論的基礎上，結合我國具體實踐，給出我國創(chuàng)新價值鏈構成的邏輯圖，如圖1所示。

基于圖1邏輯結構圖的研究思路，本文在我國統(tǒng)計局劃分的基礎上，基于創(chuàng)新價值鏈視角，將創(chuàng)新投入分為三個階段：基礎研究、應用研究和試驗發(fā)展，其中基礎研究與創(chuàng)新的產生和知識創(chuàng)新相對應，應用研究與創(chuàng)新的轉化和科研創(chuàng)新相對應，試驗發(fā)展與知識的傳播和產品創(chuàng)新相對應。

圖1 創(chuàng)新價值鏈邏輯結構圖

首先，分析OECD國家2000-2013年研究經費的投入情況，得到圖2的R&D投資結構圖。如圖所示，在2000-2008年期間，OECD國家平均研發(fā)經費保持在較平穩(wěn)的狀態(tài)，基礎研究經費占比在0.15左右，應用研究經費占比在0.2上下浮動，試驗發(fā)展經費占比最大，保持在0.6以上。2009年以后，出現了一個較大的拐點，基礎研究經費的比例上升到0.2，上升幅度較大，相應的試驗發(fā)展和應用研究經費比例有所下降，但是下降幅度并不是很大。綜合而言，觀察OECD國家研發(fā)投資結構發(fā)現，基礎研究經費占比在2008年以前是三者中最少的，2008年開始增大，僅次于試驗發(fā)展經費的比重；應用研究經費的份額在2008年之前為20%，之后下降到15%；試驗發(fā)展經費在2008年之前占比65%，之后下降了約5個百分點，但依舊是三者中占比最大的一部分。

圖2 OECD國家和中國不同研發(fā)類型平均經費投入比例

如圖2所示，對于我國而言，創(chuàng)新價值鏈各個階段的平均經費投入明顯不同于OECD國家。基礎研究經費比重一直保持在0.1以下，且近15年來變動不大，主要原因可能是基礎研究在我國一般都是政府資助，企業(yè)參與較少，而政府對基礎研究的資助受財政預算約束相對平穩(wěn)，所以波動并不明顯。應用研究經費比重穩(wěn)定在0.2以下，且2006年開始下降，2013年占比已經下降到0.1。相反的，試驗發(fā)展經費的比重在2006年之前，處于0.8以下，2006年之后不斷上升，當然，這種上升是以減少應用研究經費比重和基礎研究經費比重為代價的，2013年占比已經逼近0.85，遠超OECD國家的0.6水平，這可能是三個創(chuàng)新階段的性質差異性造成的?；A研究側重于研究發(fā)展規(guī)律，短期難以看到結果，且風險大，大多數企業(yè)不愿意投入太多的資金；反之，試驗發(fā)展則是根據市場需求做出反應，見效快、風險小，并且我國在改革開放以來，一直提倡以應用為導向的發(fā)展戰(zhàn)略，無論政府還是企業(yè)都愿意把錢投入到能夠在短期內出成果的研究當中，嚴重忽視了其他兩類研發(fā)活動的投入，尤其是對于我國產業(yè)轉型極其重要的基礎研究。

(二)模型設定

按照以上分析，本文基于創(chuàng)新價值鏈視角分析創(chuàng)新投入結構對全要素生產率的影響，設定基本回歸模型如下：

TFPit=α0+α1knowit+α2applyit+α3experimentit+α4informationit+α5educationit

+α6eximportit+α7gdpiit+α8fdiit+α9infrastructureit+εit

(1)

其中，i代表國家，t代表年。TFP代表全要素生產率，know、apply、experiment分別代表基礎研究、應用研究和試驗發(fā)展資本存量占GDP的比重，information、education、eximport、gdpi、infrastructure分別反映各國信息化程度、教育支出、進出口貿易、GDP增長率以及基礎設施的支出。

(三)數據說明

本文基于創(chuàng)新價值鏈，研究OECD國家創(chuàng)新投入結構與我國創(chuàng)新投入結構的差異性。所選數據均來源于世界銀行和OECD國家數據庫。鑒于變量數據的完整性，本文參照孫曉華和王昀(2015)[21]的面板數據來源，剔除比利時、智利、德國、希臘、瑞典、以色列和土耳其等變量數據嚴重缺失的國家，選擇澳大利亞、奧地利、捷克、丹麥、愛沙尼亞、法國、匈牙利、冰島、愛爾蘭、意大利、日本、韓國、墨西哥、新西蘭、挪威、波蘭、葡萄牙、斯洛伐克、斯洛文尼亞、西班牙、瑞士、英國和美國共23 個OECD 國家2000-2013年的面板數據作為研究樣本。

(四)變量說明

本文從創(chuàng)新價值鏈視角出發(fā)，將研發(fā)活動分為基礎研究、應用研究和試驗發(fā)展三個階段，在不同階段，其投入產出變量也存在差異。現有數據中缺乏對OECD國家研發(fā)資本存量的統(tǒng)計，為了更好地衡量創(chuàng)新價值鏈各個階段創(chuàng)新投入對全要素生產率的貢獻，本文首先對OECD國家的研發(fā)資本存量進行了計算，選取創(chuàng)新價值鏈中研發(fā)資本存量與GDP的比重衡量創(chuàng)新投入強度。

其次，影響全要素生產率進步的因素有很多，本文選擇控制變量時，盡可能全面覆蓋影響全要素生產率的所有變量。因此，本文選取的控制變量主要包括：進出口貿易、經濟發(fā)展、基礎設施、信息化、教育和外資參與程度。其中，進出口貿易狀況eximport用進出口商品貿易總額占GDP的比重來衡量，經濟發(fā)展速度gdpi用GDP增長率表示，基礎設施infrastructure用交通基礎設施投資與維護支出占GDP的比重來表示，信息化程度information用每百人固定寬帶互聯(lián)網用戶數衡量，教育變量education用教育公共開支總經費占GDP的比重衡量，外資參與程度fdi用外國直接投資凈流入占GDP的比重來衡量。涉及到價格因素的變量均以2005年不變價數據加以處理。對各變量具體表述概括見表1。

表1 變量解釋

(五)OECD國家全要素生產率計算

本文運用SFA方法測算全要素生產率。在已有文獻中，SFA生產函數通常被設定為柯布-道格拉斯生產函數和超越對數生產函數，本文選取超越對數生產函數，其具體形式如下：

lnYit=β0+β1lnLit+β2lnKit+β3t+1/2β4(lnKit)2+1/2β5(lnLit)2+1/2β6t2+β7lnKitlnLit+β8tlnLit+β9tlnKit+vit-uit

(2)

式(2)中，K、L分別表示物質資本和勞動力數量；vi為隨機干擾項，服從標準正態(tài)分布；ui為技術無效率項，服從零點截斷的半正態(tài)分布；η為技術效率水平的時變參數。為了檢驗以上函數形式的適宜性，本文作出如下假設：(1)生產前沿函數為柯布道格拉斯形式；(2)超越對數形式中系數不顯著為0。SFA模型設定中所涉及的假設都可以使用廣義似然率統(tǒng)計量(LR)來檢驗，λ=-2ln[L(H0)/L(H1)]，L(H0)、L(H1)分別是零假設H0和備擇假設H1前沿模型的似然函數值。

基于上述估計結果，根據Kumbhakar(2000)[28]的分解法，將生產函數對t求導，為了簡潔省略下標it。

(3)

(4)

(5)

(6)

(7)

(8)

在計算OECD國家全要素生產率的過程中，涉及的投入產出指標的處理過程如下：

1.產出指標。產出以各國生產總值(GDP)來表示。數據均以2005年為不變價處理。

2.投入指標。投入指標包括總的勞動力數量和資本存量兩大類，由于OECD數據庫沒有直接給各個國家的資本存量，本文借鑒張軍(2004)[29]資本存量的計算方法，即模型：

Kt=Kt-1(1-δt)+It

(9)

式(9)中涉及4個變量：(1)當年投資I的選??；(2)價格指數的構造，以折算到不變價；(3)經濟折舊率δ的確定；(4)基期資本存量K的確定。

當年投資I的選擇。選取方式主要包括兩種：一是采用全社會固定資產投資額，如王小魯和樊綱(2000)[30]；二是固定資本形成總額或資本形成總額。由于全社會固定資產投資額是中國特有的指標，適用范圍較小，因此本文中當年投資I用固定資本形成總額來代替。

價格指數的處理?；贠ECD 國家數據的可得性，將數據以2005年為不變價處理。

經濟折舊率的確定。不同研究選擇的折舊率不同，Perkins(1998)[31]、胡永泰(1998)[32]均假定折舊率為5%，張軍(2004)[29]假定折舊率為9.6%，單豪杰(2008)[33]選擇10.96%的折舊率?？紤]到本文要計算23個OECD國家的資本存量，而目前又沒有統(tǒng)一的折舊率估計值，并且將這個統(tǒng)一的估計值分配到各個國家，因此本文借鑒張軍(2004)[29]的折舊率計算方法，即9.6%。

基期資本存量的確定。國際研究中有很多關于基期資本存量的確定方法，例如Hall和Jones(1999)[34]在估計各個國家1960年的投資及資本存量時，就利用1960年的當年投資與1960-1970年投資的幾何平均數加上折舊率的比值。但是OECD國家較多，差異較大，難以找到一個統(tǒng)一的基期資本存量數值，因此本文借鑒Young(2000)[35]的估計方法，即用各個國家當年的固定資本形成總額除以10%作為基期資本存量。

表2 OECD國家生產函數模型的估計

注：*、**、***分別代表在10%、5%、1%的水平上顯著。

(六)OECD國家研發(fā)資本存量再估算

研發(fā)資本存量的計算方法與資本存量計算方法類似。根據研發(fā)資本存量的特殊性，本文借鑒余泳澤(2015)[16]研發(fā)資本存量的估算模型：Kt=(1-δ)Kt-1+(1-0.5δ)It，采用永續(xù)盤存法對OECD國家資本存量進行再測算。

在計算過程中主要涉及基期資本存量、價格指數和折舊率三個重要指標。首先，初始資本存量的確定。用永續(xù)盤存法計算研發(fā)資本存量時，初始資本存量估算得精確與否對估算結果具有重要意義，特別是對于時限比較短的情況。因此，在計算初始資本存量時，考慮的時間越早對結果的影響越小。OECD國家的數據統(tǒng)計得相對較完整，不用再特殊處理。本文借鑒Griliches(1980)[36]、Coe和Helpman(1995)[37]的初始研發(fā)資本存量計算方法，假設研發(fā)資本存量的增長速率與研發(fā)資本的增長率相同，即(Kt-Kt-1)/Kt=(It-It-1)/It=g,其中g為研發(fā)投入的增長率，根據上式可得到：Kt-1=It(1-0.5δ)/(g+δ)。其次，價格指數的確定?；跀祿目傻眯裕疚倪x取消費者價格指數對研發(fā)資本投入進行平減。最后，折舊率的確定。目前有關資本存量折舊率的確定主要選擇10%-20%，吳延兵等(2009)[38]在計算時采用了15%的折舊率，黃勇峰等(2002)[39]采用了17%的折舊率，張翼(2010)[40]、周密(2012[41])選擇了20%的折舊率，這種方法雖然簡單，但是卻不適用于OECD國家，原因在于大部分OECD國家在2008年研發(fā)投入增長率都小于-20%，特別是應用研究和試驗發(fā)展的投入，若繼續(xù)使用統(tǒng)一的折舊率計算，資本存量就會出現負值，為避免出現這種情況，根據了解到的數據特征，對基礎研究、應用研究和試驗發(fā)展三者賦予不同的折舊率，分別為15%、20%、25%。

基于以上分析與測算，各變量的描述性統(tǒng)計見表3。

表3 變量描述性統(tǒng)計

四 實證分析

考慮到模型潛在的異方差和序列相關問題，本文所有回歸的標準誤都在國家水平聚類(Cluster)。首先忽略創(chuàng)新投入結構的內生性問題，分別采用普通面板固定效應模型和系統(tǒng)GMM模型對參數進行估計，然后將全要素生產率分解為技術效率、規(guī)模效率和技術進步，并分別作為因變量采用固定效應模型對參數進行更加細致的估計。其中系統(tǒng) GMM 估計中，為避免工具變量選擇的偏差，本文將因變量的一階滯后項看作內生變量；同時為了使樣本量最大化，本文選擇基礎研究作為工具變量。此外，本文中參數估計的統(tǒng)計量均采用穩(wěn)健性(Robust)估計量。

(一)基本回歸結果

基本回歸結果見表4?？紤]到研發(fā)資本存量對TFP產生的滯后效應，本文分別對自變量滯后一期進行回歸，得到模型(1)-模型(3)。模型(4)是對三者都滯后一期進行回歸，模型(5)是利用當期數據進行回歸。

觀察模型(5)，在沒有對自變量滯后回歸時，試驗發(fā)展系數為正，且通過了1%的顯著性檢驗。這說明，當期試驗發(fā)展資本存量越高對全要素生產率的提高也越明顯?；A研究的系數雖然為正，但沒有通過顯著性檢驗。應用研究系數雖然不顯著，但是為負數，這也說明了當期的基礎研究投入對全要素生產率的增長作用不大，應用研究的投入甚至會帶來全要素生產率的負增長。再看模型(1)-模型(3)，模型(1)中，對基礎研究滯后一期回歸后發(fā)現，基礎研究和試驗發(fā)展系數顯著為正且通過了1%的顯著性檢驗，而應用研究系數依舊為負；模型(2)中，對應用研究滯后一期回歸發(fā)現，應用研究系數為正，通過了10%的顯著性檢驗，這說明，應用研究對全要素生產率的增長具有滯后效應，原因可能在于當期應用研究的投入擠占了對其他階段的投入，進而對全要素生產率產生了負影響；模型(3)中，對試驗發(fā)展滯后一期回歸，結果顯示試驗發(fā)展系數的顯著性沒有發(fā)生變化，但對全要素生產率的偏效應減小；模型(4)中，對三者同時滯后一期回歸發(fā)現，基礎研究和試驗發(fā)展的系數顯著為正，應用研究系數為正但是不顯著。

控制變量方面，四個模型的參數在數值、符號和顯著性上基本保持一致。具體的，寬帶互聯(lián)網用戶數的系數在1%的水平下顯著為正，符合預期，互聯(lián)網有利于信息知識迅速傳播并廣泛應用于理論，以了解和學習世界上最尖端的科學技術，促進國家之間文化與貿易的交流，進而提高了全要素生產率。進出口額的系數在四個模型中顯著為負值，說明對于OECD國家而言，進出口并不能促進其全要素生產率的提高。道路鋪設的系數在四個模型中顯著為負，原因可能是對于OECD國家，其經濟結構轉化已經由初級上升為中高級，基礎設施基本得到完善，繼續(xù)增加對基礎設施的投入反倒對全要素生產率的增長起了反作用。GDP增長率系數在1%的水平下顯著為正，表明經濟發(fā)展越快對全要素生產率的推動更為明顯，當然，這也可能是因為全要素生產率快速增長導致了經濟的發(fā)展。外商直接投資系數在四個模型中并不都顯著為負，這說明，對于OECD國家，外商直接投資并不一定能帶來先進的生產技術和高效的管理水平，反而可能擠出了當地企業(yè)，阻礙全要素生產率的提高。教育公共支出占GDP比重的系數在四個模型中顯著為負，原因可能在于教育投入對提高全要素生產率的時滯更長，當期的教育投入反而會抑制當期全要素生產率的增長。

表4 面板數據固定效應回歸結果

(續(xù)上表)

變量TFP(1)TFP(2)TFP(3)TFP(4)TFP(5)gdpi0 162???0 162???0 159???0 159???0 160???(0 009)(0 009)(0 008)(0 008)(0 008)informatization0 012???0 012???0 010???0 011???0 011???(0 003)(0 003)(0 003)(0 003)(0 003)education-0 002-0 003-0 004-0 004-0 006(0 019)(0 019)(0 019)(0 019)(0 017)eximport-0 002-0 001-0 001-0 002-0 002(0 002)(0 002)(0 002)(0 002)(0 002)fdi-0 013???-0 012???-0 011???-0 012???-0 011???(-0 004)(-0 004)(-0 004)(-0 004)(-0 004)infrastructure-0 209???-0 208???-0 218???-0 210???-0 214???(0 066)(0 066)(0 065)(0 064)(0 062)＿cons8 941???9 014???8 894???8 904???9 055???(0 229)(0 229)(0 224)(0 220)(0 217)N276276276276299

注：*、**、***分別代表在10%、5%、1%的水平上顯著。

整體來看，當期基礎研究投入對全要素生產率的提升沒有顯著影響，當期應用研究對TFP的作用雖然不明顯，但是偏效應為負數，當期試驗發(fā)展對TFP的作用非常顯著。自變量滯后回歸發(fā)現，基礎研究對TFP的偏效應顯著增大，試驗發(fā)展偏效應顯著為正但有所減小，應用研究偏效應依舊不顯著。

(二)系統(tǒng)GMM回歸結果

固定面板回歸結果假設異方差不存在，采用此方法得到的估計結果可能是有偏的，而系統(tǒng)GMM正好能解決這個問題。本文研究的問題是創(chuàng)新價值鏈對生產率的影響，但同時，生產率的變化在一定程度上會影響創(chuàng)新價值鏈。若生產率增速顯著，無論國家或者企業(yè)都會進一步加大對研發(fā)活動的投入。故選擇基礎研究作為工具變量，估計結果如表5。

與固定效應面板回歸結果相比，系數顯著性發(fā)生了較大的變化且系數絕對值都有相應的減小。為檢驗系統(tǒng)GMM方法估計出來的結果具有一致性，對殘差差分項進行序列相關檢驗，結果既不存在一階序列相關也不存在二階序列相關，系統(tǒng)GMM回歸是有效的。觀察回歸結果，模型(2)中，應用研究對生產率回歸發(fā)現，應用研究對全要素生產率的偏效應顯著為負；模型(3)中，試驗發(fā)展對生產率的回歸發(fā)現，試驗發(fā)展對全要素生產率的作用并不顯著；模型(2)和模型(3)中基礎研究對生產率的作用仍然顯著為正；GDP增長率對生產率具有顯著的正影響，外資投入對生產率的作用也顯著為負。其他控制變量均不顯著。

表5 系統(tǒng)GMM回歸結果

注：*、**、***分別代表在10%、5%、1%的水平上顯著。

表6 生產率分階段回歸

(續(xù)上表)

變量TE(1)(2)(3)(4)TP(1)(2)(3)(4)experiment-0 086??-0 026? -0 020?? 0 399??? 0 389??? 0 395???(0 039)(0 012)(0 009)(0 078)(0 081)(0 082)L know0 957???0 318(0 186)(0 278)L apply-0 085??-0 638???(0 035)(0 120)L experiment-0 008 0 414???(0 100)(0 848)informatization0 030?0 0280 0290 0280 002???0 002???0 002???0 002???(0 017)(0 017)(0 017)(0 017)(0 000)(0 000)(0 000)(0 000)education0 0010 0140 0120 011-0 187???-0 181???-0 179???-0 181???(0 512)(0 046)(0 045)(0 048)(0 023)(0 023)(0 024)(0 024)eximport0 026???0 021???0 021???0 022???0 013???-0 013???-0 013???-0 013???(0 008)(0 007)(0 007)(0 007)(0 001)(0 001)(0 001)(0 001)fdi-0 016-0 012-0 009-0 0110 0020 0010 0010 001(0 019)(0 014)(0 013)(0 015)(0 006)(0 006)(0 006)(0 006)gdpi0 156???0 143???0 149???0 147???-0 025??-0 025??-0 022?-0 025??(0 027)(0 029)(0 027)(0 025)(0 012)(0 012)(0 012)(0 012)infrastructure-0 836??-0 764??-0 737??-0 775??-0 071-0 079-0 089-0 083(0 365)(0 338)(0 324)(0 330)(0 079)(0 082)(0 081)(0 082)＿cons93 19???93 19???93 24???93 17???11 27???11 28???11 30???11 27???(0 669)(0 651)(0 668)(0 698)(0 175)(0 183)(0 182)(0 183)N299276276276299276276276R20 1870 190 0 2000 189 0 596 0 587 0 594 0 590 變量SE(1)(2)(3)(4)know0 0130 0230 030(0 024)(0 023)(0 023)apply0 026??0 021??0 019??(0 011)(0 010)(0 010)experiment0 052??0 052??0 050??(0 021)(0 020)(0 019)

(續(xù)上表)

變量SE(1)(2)(3)(4)L know0 030 (0 022)L apply0 021 (0 013)L experiment 0 060??(0 025)informatization 0 052???0 053???0 053???0 053???(0 003)(0 003)(0 003)(0 003)education0 0170 0160 0160 010(0 011)(0 010)(0 010)(0 011)eximport0 0030 0040 0040 003(0 002)(0 002)(0 002)(0 002)fdi-0 010??-0 010???0 010??-0 010???(0 004)(0 004)(0 004)(0 003)gdpi0 016?0 015?0 014?0 010(0 009)(0 008)(0 008)(0 008)infrastructure-0 291???-0 281???-0 294???-0 281???(0 076)(0 067)(0 064)(0 063)＿cons100 1???100 1???100 1???100 1???(0 162)(0 142)(0 146)(0 157)N299276276276R20 772 0 767 0 765 0 768

注：*、**、***分別代表在10%、5%、1%的水平上顯著。

(三)對生產率分解回歸

以上回歸中，基礎研究和試驗發(fā)展對生產率具有正向影響，而應用研究則是負向作用。為了進一步分析三者對全要素生產率不同組成部分的作用，選擇技術效率、技術進步和規(guī)模效率分別作為因變量，利用動態(tài)面板固定效應進行回歸，得到結果如表6。根據表中結果，得到以下幾點結論：

第一，基礎研究對技術效率的作用非常顯著，對技術進步和規(guī)模效率的偏效應雖然為正但是并不顯著，基礎研究滯后一期后，技術效率系數顯著增大，可見基礎研究對技術效率滯后作用非常明顯，對技術進步和規(guī)模效率的作用即使滯后也沒有太大的變化。一方面技術進步是顯示在成果上的，而基礎研究作為創(chuàng)新價值鏈的第一階段，對技術進步作用不顯著也是可以理解的。另外一方面，就規(guī)模效率而言，前文已經看到，近10年來基礎研究經費投入并沒有發(fā)生太大的波動，反而是試驗發(fā)展增長很快，在模型中對規(guī)模效率的影響也非常顯著。

第二，應用研究對技術進步和技術效率的負向作用非常顯著，甚至在滯后一期以后，系數的絕對值增大。應用研究作為創(chuàng)新價值鏈的第二個階段，承接基礎研究，是將理論轉化為成果的一個重要階段，對于企業(yè)而言同樣也是風險較大的階段，盡管應用研究對規(guī)模效率的作用顯著為正，但是就對生產率總體而言是負向作用。近些年來，OECD國家對應用研究的投入逐漸減少，這也側面說明了，應用研究活動在創(chuàng)新活動中雖然必不可少，卻帶來了相反的效果，有必要減少應用研究的投入以提高全要素生產率。

第三，試驗發(fā)展對技術效率的偏效應顯著為負，說明試驗發(fā)展資本存量的投入會帶來技術效率的減小，原因可能在于基礎研究投入對技術效率具有顯著的正向作用，試驗發(fā)展投入增加擠占了基礎研究的投入，進而影響了技術效率。觀察滯后一期的結果發(fā)現，試驗發(fā)展對技術進步的偏效應顯著增大，毋庸置疑，試驗發(fā)展投入是風險最小，最容易看到成果的，對技術進步的作用當然也是最為顯著的。技術效率系數絕對值顯著減小，也說明試驗發(fā)展與技術效率之間的關系并不是很緊密。規(guī)模效率系數與顯著性并沒有發(fā)生較大的變化。

整體來看，基礎研究對技術效率影響顯著，應用研究對技術效率和技術進步都是負影響，而試驗發(fā)展對三者都是正向影響，對技術進步的偏效應最為明顯。觀察其他控制變量發(fā)現，控制變量的系數和顯著性變化并不大。信息化能夠帶來技術進步和規(guī)模效率顯著增大，隨著互聯(lián)網使用的普及，信息獲得更加方便快捷，生產過程也由普通的生產模式轉向數字化生產，進而推動技術進步和規(guī)模效率增大；教育和外商投資的回歸結果與表2相差不大，對三者具有負作用但并不顯著； GDP增長率顯著影響技術進步、技術效率和規(guī)模效率；基礎設施建設對三者具有顯著的負效應，對于OECD國家而言，基礎設施基本已經完善，對基礎設施的再投入會擠占對創(chuàng)新活動的投入。

六 結論與政策建議

本文基于創(chuàng)新價值鏈視角，將研發(fā)活動分為基礎研究、應用研究和試驗發(fā)展三個階段，考慮到研發(fā)投入對全要素生產率的累積作用，對三個不同階段的資本存量進行了再測算。選擇SFA法計算OECD國家的全要素生產率，構建反映基礎研究、應用研究和試驗發(fā)展與全要素生產率關系的理論模型，就基礎研究、應用研究和試驗發(fā)展資本存量對一國全要素生產率的異質性作用進行實證研究。結果發(fā)現：從時間維度來看，基礎研究對當期全要素生產率的作用并不明顯，但對基礎研究做滯后一期處理后，偏效應顯著為正；應用研究的資本存量對當前全要素生產率的增長作用不顯著為負，對其做滯后一期處理以后，對全要素生產率起正向作用，但結果仍舊不顯著；試驗發(fā)展活動則對當期生產率產生了促進作用。從影響效果來看，基礎研究的滯后一期系數大于當期的系數，說明基礎研究對生產率的滯后效應明顯，而試驗發(fā)展對生產率的推動效果雖然十分迅速，但其對生產率的帶動作用相對較弱，應用研究的偏效應最弱，甚至可能抑制生產率的增長。為了更細致地解釋創(chuàng)新價值鏈對全要素生產率的作用，將生產率分解為技術效率、技術進步和規(guī)模效率三個部分，分別進行固定效應檢驗。結果發(fā)現：基礎研究對技術效率的影響最為顯著，對其他兩個部分雖然都是正向影響，但是并不顯著；應用研究除了對規(guī)模效率呈顯著正影響外，對其余兩者都是負向作用；試驗發(fā)展對三部分的作用都是正向顯著的。以上結論可以概括為：在短期內，試驗發(fā)展對全要素生產率的影響作用非常明顯，但是其影響作用具有短期且不可持續(xù)的特性，應用研究甚至會抑制后續(xù)生產率的增長，因此簡單增加試驗發(fā)展和應用研究的經費投入并不是提高全要素生產率的根本方法；其次，要提高技術效率，就要加大對基礎研究和試驗發(fā)展的投入，減少應用研究投入。相對而言，基礎研究雖然在短期內的效果較弱，但對生產率的增長作用卻是長期的和可持續(xù)的。

自2006年我國實施創(chuàng)新戰(zhàn)略以來，研發(fā)投資活動的經費迅速上漲，然而由于基礎研究周期長、風險大的原因，企業(yè)一般缺乏進行基礎研究的動力，因此基礎研究經費投入僅占研發(fā)投資活動的5%左右，這也可能是我國研發(fā)經費投入巨大但是創(chuàng)新效率依舊低下的根本原因。為改善這種現狀，就要提高企業(yè)對基礎研究的投入，解決僅依賴于政府、高校等做基礎研究的問題。一方面，政府引導企業(yè)在基礎研究創(chuàng)新項目投資，通過稅收優(yōu)惠和財政補貼鼓勵企業(yè)增加研發(fā)投資，并建立相應的研發(fā)機構。另一方面，適當減少對應用研究的投入，通過對比OECD國家發(fā)現，應用研究對全要素生產率的偏效應非常小，滯后一期以后的應用研究甚至對生產率產生反向作用。當然，本文研究對因變量最多滯后一期，已有研究發(fā)現，一個科技成果從研發(fā)到市場化至少要經過15年的時間，可見從創(chuàng)新投入到成果產生的過程是非常漫長的，因此滯后一期對于生產率的作用并不是特別準確，后續(xù)研究需要對自變量滯后期數做相應的調整。

[1] 陳鈺芬, 黃娟, 王洪刊. 不同類型研發(fā)活動如何影響TFP?——基于2000-2010年我國省際面板數據的實證[J]. 科學學研究, 2013, (10): 1512-1521.

[2] Englander, A., Evenson, R., Hanazaki， M.. R&D, Innovation and the Total Factor Productivity Slow Down[J].OECDEconomicStudies, 1988, 11: 7 -42 .

[3] 張杰, 蘆哲, 鄭文平等. 融資約束、 融資渠道與企業(yè)R&D投入[J]. 世界經濟, 2012, (10): 66-90.

[4] 張杰, 劉志彪. 需求因素與全球價值鏈形成——兼論發(fā)展中國家的“結構封鎖型”障礙與突破[J]. 財貿經濟, 2007, (6): 1-10.

[5] 白俊紅, 蔣伏心. 考慮環(huán)境因素的區(qū)域創(chuàng)新效率研究[J]. 財貿經濟, 2011, (10): 104-112.

[6] Segerstrom, P., Anant, T. C., Dinopoulos, E.. A Schumpeterian Model of the Product Life Cycle[J].AmericanEconomicReview, 1990, 80(5): 1077-1091.

[7] Verspagen, B.. Convergence in the Global Economy. A Broad Historical View Point[J].StructuralChangeandEconomicDynamics, 1995, 6(2): 143-165.

[8] 陳勁, 陳鈺芬. 企業(yè)技術創(chuàng)新績效評價指標體系研究[J]. 科學學與科學技術管理, 2006, (3): 86-92.

[9] 胡樹華, 張俊, 楊曉璇等. 基于兩階段測度的中小企業(yè)創(chuàng)新效率評價研究[J]. 經濟體制改革, 2015, (6): 107-112.

[10] 余泳澤, 劉大勇. 中國傳統(tǒng)產業(yè)和新興產業(yè)差異性技術進步路徑選擇研究[J]. 財貿經濟, 2013, (2): 93-116.

[11] 余泳澤, 劉大勇. 創(chuàng)新價值鏈視角下的我國區(qū)域創(chuàng)新效率提升路徑研究[J]. 科研管理, 2014, (5): 1-18.

[12] 趙增耀, 章曉波, 沈能. 區(qū)域協(xié)同創(chuàng)新的多維溢出效應[J]. 中國工業(yè)經濟, 2015, (1): 32-44.

[13] 龐瑞芝, 楊慧, 白雪潔. 轉型時期中國大中型工業(yè)企業(yè)技術創(chuàng)新績效研究——基于1997～2005年工業(yè)企業(yè)數據的實證考察[J]. 產業(yè)經濟研究, 2009, (2): 63-69.

[14] 白俊紅, 江可申, 李婧. 應用隨機前沿模型評測中國區(qū)域研發(fā)創(chuàng)新效率[J]. 管理世界, 2009, (10): 51-61.

[15] 關忠誠, 楊志, 李宇紅等. SFA在研究所技術效率評估中的應用[J]. 產業(yè)經濟研究, 2009, (6): 151-155.

[16] 余泳澤. 中國區(qū)域創(chuàng)新活動的“協(xié)同效應”和“擠占效應”[J]. 中國工業(yè)經濟, 2015, (10): 37-52.

[17] Griliches, Z., Lichtenberg, F.. Interindustry Technology Flows and Productivity Growth: A Reexamination[J].ReviewofEconomics&Statistics, 1998, 66(2): 324-329.

[18] Boskin, M. J., Lau, L. J.. Generalized Solow-neutral Technical Progress and Postwar Economic Growth[J].NBERWorkingPapers, No.8023, 2000.

[19] 李賓. 國內研發(fā)阻礙了我國全要素生產率的提高嗎? [J]. 科學學研究, 2010, (7): 1035-1059.

[20] 柳卸林, 何郁冰. 基礎研究是中國產業(yè)核心技術創(chuàng)新的源泉[J]. 中國軟科學, 2011, (4): 104-117.

[21] 孫曉華, 王昀. 何種類型的研發(fā)投資更有利于提高一國生產率? [J]. 科學學研究, 2015, (2): 203-210.

[22] 溫珂, 李樂旋. 從提升自主創(chuàng)新能力視角分析國內企業(yè)基礎研究現狀[J]. 科學學與科學技術管理, 2007, (2): 5-9.

[23] 楊立巖, 潘慧峰. 論基礎研究影響經濟增長的機制[J]. 經濟評論, 2003, (2): 13-18.

[24] 靖學青. R&D投入類型結構與經濟增長的灰色關聯(lián)分析[J]. 東南大學學報(哲學社會科學版), 2013, (6): 26-29.

[25] 潘丹, 應瑞瑤. 資源環(huán)境約束下的中國農業(yè)全要素生產率增長研究[J]. 資源科學, 2013, 35(7): 1329-1338.

[26] 孫曉華, 王昀, 鄭輝. R&D溢出對中國制造業(yè)全要素生產率的影響——基于產業(yè)間、 國際貿易和FDI三種溢出渠道的實證檢驗[J]. 南開經濟研究, 2012, (5): 18-35.

[27] Hansen, M. T., Birkinshaw, J.. The Innovation Value Chain[J].HarvardBusinessReview, 2007, 85(6): 121-151, 142.

[28] Kumbhakar, S.C., Lovell, C. A. K..StochasticFrontierAnalysis[M]. Cambridge: Cambridge University Press, 2000.

[29] 張軍, 吳桂英, 張吉鵬. 中國省級物質資本存量估算[J]. 經濟研究, 2004, (10): 35-44.

[30] 王小魯， 樊綱. 中國經濟的可持續(xù)性——跨世紀的回顧與展望[M]. 北京： 經濟科學出版社， 2000.

[31] Perkins, D. H.. Reforming China’s Economic System[J].JournalofEconomicLiterature, 1998, 26(2): 601 -645.

[32] 胡永泰. 中國全要素生產率: 來自農業(yè)部門勞動力再配置的首要作用[J]. 經濟研究, 1998, (3): 31-39.

[33] 單豪杰. 中國資本存量K的再估算: 1952～2006年[J]. 數量經濟技術經濟研究, 2008, (10): 17-31.

[34] Hall, R. E., Jones, C. I.. Why Do Some Countries Produce So Much More Output Per Worker Than Others?[J].TheQuarterlyJournalofEconomics, 1999, 114(1): 83-116.

[35] Young, A.. Gold Into Base Metals: Productivity Growth in the People’s Republic of China During the Reform Period[J].NBERWorkingPaper, No.7856, 2000.

[36] Griliches, Z.. R&D and the Productivity Slowdown[J].AmericanEconomicReview, 1980, 70(2): 343-348.

[37] Coe, D. T., Helpman, E.. International R&D Spillovers[J].EuropeanEconomicReview, 1993, 39(5): 859-887.

[38] 吳延兵, 米增渝. 創(chuàng)新、 模仿與企業(yè)效率——來自制造業(yè)非國有企業(yè)的經驗證據[J]. 中國社會科學, 2011, (4): 77-94.

[39] 黃勇峰, 任若恩, 劉曉生. 中國制造業(yè)資本存量永續(xù)盤存法估計[J]. 經濟學(季刊), 2002, 1(2): 377-396.

[40] 張翼. 市場結構、 企業(yè)研發(fā)競爭與創(chuàng)新績效[D]. 上海: 復旦大學, 2010.

[41] 周密. 研發(fā)存量、 研發(fā)經費來源與知識生產效率[J]. 經濟評論, 2012, (5): 61-68.

The Structure of Innovation Investment and Total Factor Productivity ——Based on the Perspective of Innovation Value Chain

YU Yong-ze ZHANG Ying-ying YANG Xiao-zhang

R&D investment is an important way to improve productivity, different types of R&D activities have different effects on the productivity of a country. This paper constructs a theoretical model which reflects the relationship between basic research, applied research, experimental development and productivity. Based on the panel data of 23 countries from 1996 to 2013 which belong to OECD, this paper examines the effects of different R&D investment on productivity from the macro level. The results shows that the development activities have a significant positive effect on the total factor productivity growth in the current period, and there is a lag in the application and basic research functions, and the lag of basic research is longer. From the view of effect, the partial effect of the basic research is the biggest, and the partial effect of application research is negative. Although the experimental development works very quickly, its effect on the productivity is relatively weak. In terms of total factor productivity decomposition, basic research and applied research have the greatest influence on technical efficiency and scale efficiency respectively, while the effect on the other two parts is not obvious, and the experimental development has significant positive effects on the three parts. As a result, too much rely on applied research and experimental development investment is not an effective way to improve the efficiency of a country’s production. We should pay more attention to the input and accumulation of basic research to exert its core position and long-term effect in promoting productivity.

innovation value chain; structure of innovation investment; basic research; applied research; experiment development

2016-12-19

國家自然科學基金青年項目“適宜性創(chuàng)新模式選擇與全要素生產率：基于創(chuàng)新價值鏈與空間外溢視角”(批準號：71403115，項目負責人：余泳澤)；江蘇省社會科學基金項目“江蘇現代服務業(yè)結構化路徑研究”(批準號：13JDB012，項目負責人：余泳澤)；中國博士后基金特別資助項目“中國式分權、適宜性創(chuàng)新模式與全要素生產率提升”(批準號：2015T80176，項目負責人：余泳澤)；江蘇高校哲學社會科學基金資助項目“創(chuàng)新價值鏈外溢視角下蘇南蘇北差異性創(chuàng)新模式及實施路徑研究”(批準號：2016SJB790013，項目負責人：余泳澤)。

余泳澤，南京財經大學產業(yè)發(fā)展研究院副教授、碩士生導師，研究方向：產業(yè)發(fā)展與技術創(chuàng)新；張瑩瑩，南京財經大學產業(yè)發(fā)展研究院碩士研究生，研究方向：創(chuàng)新價值鏈與技術進步；楊曉章，南京財經大學產業(yè)發(fā)展研究院碩士研究生，研究方向：產業(yè)發(fā)展與技術創(chuàng)新。

F426

A

1674-8298(2017)03-0031-16

[責任編輯：陳 林]

10.14007/j.cnki.cjpl.2017.03.003

方式]余泳澤, 張瑩瑩, 楊曉章. 創(chuàng)新價值鏈視角的創(chuàng)新投入結構與全要素生產率分析[J]. 產經評論, 2017, 8(3): 31-46.