成都市風(fēng)險投資、R&D投入與技術(shù)創(chuàng)新基于VAR模型的實證研究

(西南交通大學(xué) 經(jīng)濟(jì)管理學(xué)院,四川 成都 610031)

1 引言

當(dāng)前,我國已經(jīng)進(jìn)入深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略階段,創(chuàng)新成為推動我國經(jīng)濟(jì)發(fā)展的核心動力。為驅(qū)動成都經(jīng)濟(jì)創(chuàng)新發(fā)展,成都市政府相繼推出“創(chuàng)業(yè)天府”行動計劃和“創(chuàng)業(yè)天府”行動計劃2.0版?！度珖?7城市雙創(chuàng)指數(shù)排名》顯示,成都市憑借優(yōu)異的雙創(chuàng)環(huán)境和雙創(chuàng)成果排名第四,僅次于北京、上海和深圳,在中西部城市中處于領(lǐng)先,位列所有“新一線城市”首位,技術(shù)創(chuàng)新水平不斷提升。2017年成都市共有專利申請113956件,其中發(fā)明專利申請47033件,專利授權(quán)41088件(發(fā)明專利授權(quán)7990件)。探尋成都市技術(shù)創(chuàng)新的影響因素,對未來進(jìn)一步推進(jìn)成都市技術(shù)創(chuàng)新發(fā)展尤為重要。其中,風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用在學(xué)術(shù)界得到廣泛認(rèn)可,美國的經(jīng)驗也足以說明風(fēng)險投資對創(chuàng)新發(fā)展的重要貢獻(xiàn)。從2008年開始,風(fēng)險投資在成都市不斷發(fā)展,2015年成都市風(fēng)險投資在投資案例數(shù)和投資金額方面均達(dá)到歷史最高水平,全年共發(fā)生381起風(fēng)險投資案例,金額近141.17億元。同時,R&D投入是最為重要的創(chuàng)新投入要素之一,直接影響到創(chuàng)新產(chǎn)出水平。長期以來,成都市R&D經(jīng)費投入逐年增加,由2003年的39.46億元增加到2017年的320億元,R&D投入占GDP的比重在2009年以后迅速提升,基本保持在2%以上。本文試圖通過厘清成都市風(fēng)險投資、R&D投入與技術(shù)創(chuàng)新之間的互動關(guān)系,尋找成都市技術(shù)創(chuàng)新提升的重要影響因素,為成都市未來的技術(shù)創(chuàng)新提升和經(jīng)濟(jì)創(chuàng)新發(fā)展提供政策建議。

2 文獻(xiàn)回顧與研究內(nèi)容

2.1 文獻(xiàn)回顧

針對風(fēng)險投資、R&D投入和技術(shù)創(chuàng)新之間的關(guān)系,目前已有的國內(nèi)外文獻(xiàn)主要圍繞以下幾點進(jìn)行研究:①風(fēng)險投資與技術(shù)創(chuàng)新的相互作用。一方面,國內(nèi)外學(xué)者的觀點基本一致,認(rèn)為風(fēng)險投資能促進(jìn)技術(shù)創(chuàng)新。Kortum、Lerner[1]利用美國的數(shù)據(jù),在行業(yè)層面證實了風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用,并測算出過去十年風(fēng)險投資對行業(yè)技術(shù)創(chuàng)新的貢獻(xiàn)占15%;Ana等[2]以17個歐盟國家為樣本,進(jìn)一步證實了風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用主要是在后期階段。國內(nèi)學(xué)者也對此進(jìn)行了深入研究,國家、行業(yè)和企業(yè)層面均有涉及。其中,茍燕楠等[3]以中小板上市公司為樣本,發(fā)現(xiàn)風(fēng)險投資進(jìn)入企業(yè)的時間越早,對技術(shù)創(chuàng)新的正向促進(jìn)作用越強;許昊等[4]用我國省際面板數(shù)據(jù)研究發(fā)現(xiàn),風(fēng)險投資對技術(shù)創(chuàng)新產(chǎn)出的促進(jìn)有滯后效應(yīng),在滯后二期與滯后三期的促進(jìn)效果最優(yōu)。另一方面,部分學(xué)者認(rèn)為技術(shù)創(chuàng)新吸引風(fēng)險投資。Gerronikolaou、Papachristou[5]證實了在歐洲是創(chuàng)新先于風(fēng)險投資,并以此解釋歐洲風(fēng)險投資之所以不活躍,可能不是因為資金缺乏,而是因為創(chuàng)新想法缺乏;Hirukawa、Ueda[6]利用美國制造業(yè)數(shù)據(jù)也驗證了創(chuàng)新先于風(fēng)險投資;Pradhan等[7]以歐洲19個國家為樣本,證實了兩者單向或雙向的影響關(guān)系,同時提出應(yīng)關(guān)注不同國家的風(fēng)險投資和技術(shù)創(chuàng)新關(guān)系的差異性。國內(nèi)學(xué)者楊曄[8]將風(fēng)險投資和創(chuàng)新進(jìn)行面板格蘭杰因果關(guān)系檢驗,證實了我國風(fēng)險投資先于創(chuàng)新,而沒有證據(jù)顯示創(chuàng)新先于風(fēng)險投資。②R&D投入促進(jìn)技術(shù)創(chuàng)新。國內(nèi)外對此的研究已十分成熟,從國家、行業(yè)、企業(yè)等不同視角進(jìn)行了全面剖析。最新的包括：余泳等[9]以高技術(shù)產(chǎn)業(yè)為對象的研究;白云飛[10]發(fā)現(xiàn)R&D投入對科技創(chuàng)新的影響具有時滯效應(yīng),影響期為1—4年;孫早等[11]驗證了不同所有制企業(yè)的R&D投入對創(chuàng)新的影響有所不同;丘東等[12]研究了政府R&D投入對創(chuàng)新的影響機(jī)理。③風(fēng)險投資與R&D投入對技術(shù)創(chuàng)新影響的差異性?；谏鲜鰞蓚€研究成果,不少學(xué)者將風(fēng)險投資與R&D投入對技術(shù)創(chuàng)新的影響進(jìn)行了對比分析。陳治等[13]以風(fēng)險投資和R&D投入作為創(chuàng)新投入,驗證了風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)效率大于R&D投入的結(jié)論;司穎潔等[14]基于DEA模型的研究證實了此結(jié)論。此外,鄧俊榮等[15]建立實證模型分析發(fā)現(xiàn)在我國風(fēng)險投資對技術(shù)創(chuàng)新的作用系數(shù)為負(fù),并沒有像國外那樣有明顯的推動作用,而R&D研發(fā)經(jīng)費支出對技術(shù)創(chuàng)新的作用顯著,技術(shù)創(chuàng)新很大程度是由于R&D經(jīng)費投入。④風(fēng)險投資促進(jìn)R&D投入增加。趙洪進(jìn)[16]證實我國風(fēng)險投資與高新技術(shù)產(chǎn)業(yè)的R&D投入之間具有正相關(guān)關(guān)系,風(fēng)險投資會帶來R&D經(jīng)費、R&D人員等自主創(chuàng)新投入增加;楊勝剛等[17]以中小板和創(chuàng)業(yè)板企業(yè)為樣本,發(fā)現(xiàn)風(fēng)險投資持續(xù)持股會促進(jìn)企業(yè)R&D投入增加。

2.2 研究內(nèi)容

已有的國內(nèi)外文獻(xiàn)分別從國家、產(chǎn)業(yè)和企業(yè)等層面對風(fēng)險投資、R&D投入和技術(shù)創(chuàng)新關(guān)系進(jìn)行了研究,宏觀、中觀和微觀研究視角均有涉及,但以某一地區(qū)為對象的研究較少。研究的內(nèi)容以單向關(guān)系研究為主,包括風(fēng)險投資對技術(shù)創(chuàng)新的影響,R&D投入對技術(shù)創(chuàng)新的影響、技術(shù)創(chuàng)新對風(fēng)險投資注入的吸引等。另外部分學(xué)者對雙向互動關(guān)系進(jìn)行了分析,研究風(fēng)險投資與技術(shù)創(chuàng)新之間的因果關(guān)系。但可以發(fā)現(xiàn)，目前的研究對風(fēng)險投資、R&D投入與技術(shù)創(chuàng)新三者關(guān)系的研究較缺乏,且已有的研究以風(fēng)險投資、R&D投入對技術(shù)創(chuàng)新的影響差異為主,缺少針對三者互動關(guān)系的系統(tǒng)研究。

本文在文獻(xiàn)梳理的基礎(chǔ)上,以創(chuàng)新發(fā)展迅速的成都市為研究對象,分析風(fēng)險投資、R&D投入與技術(shù)創(chuàng)新三者之間的互動關(guān)系,對目前的研究進(jìn)行補充和豐富。通過構(gòu)建VAR模型將三者置于同一系統(tǒng),選取2003—2017年相關(guān)數(shù)據(jù)作為全樣本,同時創(chuàng)新性地以2008—2017年數(shù)據(jù)為對比樣本,通過對兩組樣本的格蘭杰因果關(guān)系檢驗進(jìn)行比較分析,以及對全樣本的方差分解進(jìn)行探討,解決圖1的4種關(guān)系并回答以下幾個問題:成都市風(fēng)險投資發(fā)展是否顯著促進(jìn)技術(shù)創(chuàng)新水平的提升;成都市R&D投入是否促進(jìn)技術(shù)創(chuàng)新水平的提高;風(fēng)險投資與R&D投入對成都市創(chuàng)新水平的促進(jìn)作用是否存在差異和變化;成都市創(chuàng)新水平的提升是否吸引更多風(fēng)險投資的進(jìn)入;風(fēng)險投資是否促進(jìn)R&D投入增加。

圖1 風(fēng)險投資、R&D投入與技術(shù)創(chuàng)新關(guān)系

3 研究方法與數(shù)據(jù)來源

3.1 VAR模型

為了對成都市風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新三者之間的相互關(guān)系進(jìn)行分析,本文通過建立VAR模型,估計三者之間的動態(tài)關(guān)系。之所以選擇該模型,主要是因為VAR模型運用于多個變量研究能更好地解決內(nèi)生性問題。本文研究風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新三者之間的關(guān)系,借助VAR模型,可將三者放入一個系統(tǒng),詳細(xì)了解其動態(tài)變化,這是多元線性回歸模型無法做到的。本文的VAR模型為:

Yt=υ+A1Yt-1+…+APYt-p+μt

(1)

式中,Yt=(LNPt,LNVCt,LNRDt)為3×1階隨機(jī)變量;A1—Ap為3×3階的參數(shù)矩陣;p為滯后階數(shù);LNP為技術(shù)創(chuàng)新指標(biāo)的自然對數(shù);LNVC為風(fēng)險投資指標(biāo)的自然對數(shù);LNRD為R&D投入指標(biāo)的自然對數(shù),從而建立由三個方程構(gòu)成的VAR模型。通過構(gòu)造VAR模型,本文主要進(jìn)行了兩方面的分析:一是在VAR模型估計基礎(chǔ)上的格蘭杰因果關(guān)系檢驗,探討成都市風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新三者之間的互動關(guān)系;二是在VAR模型估計基礎(chǔ)上的方差分解,分析不同變量之間的影響差異性。

3.2 格蘭杰因果關(guān)系

在VAR模型估計的基礎(chǔ)上,對風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新之間前文所述的4種具體關(guān)系進(jìn)行分析,基本原理為:

(2)

(3)

以兩變量X、Y之間的格蘭杰因果關(guān)系檢驗為例,主要是用兩個變量過去的值對其中一個變量的現(xiàn)值進(jìn)行解釋。X和Y兩變量過去的值共同解釋Y,相較于單獨以Y自身過去的值進(jìn)行解釋,解釋的效果更好,則認(rèn)為X是引起Y的原因。類似的,也可對Y是否是引起X的原因進(jìn)行檢驗。本文對風(fēng)險投資與技術(shù)創(chuàng)新之間的因果關(guān)系進(jìn)行了檢驗,若風(fēng)險投資和技術(shù)創(chuàng)新過去的相關(guān)數(shù)據(jù)對技術(shù)創(chuàng)新現(xiàn)值的解釋優(yōu)于僅由技術(shù)創(chuàng)新自身進(jìn)行的解釋,那么風(fēng)險投資是引起技術(shù)創(chuàng)新的原因;若風(fēng)險投資和技術(shù)創(chuàng)新的過去相關(guān)數(shù)據(jù)對風(fēng)險投資現(xiàn)值的解釋優(yōu)于僅由風(fēng)險投資自身進(jìn)行解釋,那么技術(shù)創(chuàng)新是引起風(fēng)險投資的原因,同理可對其他幾組關(guān)系進(jìn)行檢驗。

3.3 方差分解

方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化的貢獻(xiàn)度來評價不同結(jié)構(gòu)沖擊的重要性。如變量X和Y,根據(jù)X變量基于沖擊的方程對Y方差的相對貢獻(xiàn)度(RVC)觀測X對Y的影響的大小,RVC越大,認(rèn)為X對Y影響越大。因此,本文在格蘭杰因果關(guān)系檢驗的基礎(chǔ)上,進(jìn)一步利用方差分解,采用風(fēng)險投資、R&D投入對成都市技術(shù)創(chuàng)新的作用大小和時間長短進(jìn)行比較,判斷未來成都市技術(shù)創(chuàng)新主要是由風(fēng)險投資發(fā)展還是R&D投入增加來推動的。

3.4 數(shù)據(jù)來源

借鑒已有研究,風(fēng)險投資的數(shù)據(jù)選擇以風(fēng)險投資額(VC)作為指標(biāo),目前清科集團(tuán)私募通是風(fēng)險投資數(shù)據(jù)最完整的數(shù)據(jù)庫之一,因此本文的風(fēng)險投資數(shù)據(jù)來源于私募通。技術(shù)創(chuàng)新數(shù)據(jù)選擇專利申請數(shù)(P)作為指標(biāo),數(shù)據(jù)來源于成都市統(tǒng)計局網(wǎng)站。R&D投入選擇以R&D經(jīng)費投入額(RD)為指標(biāo),數(shù)據(jù)來源于四川省科技廳網(wǎng)站。在進(jìn)行實證分析前,分別將三類指標(biāo)取自然對數(shù)LNVC、LNP、LNRD。

考慮到數(shù)據(jù)的可獲得性,時間序列區(qū)間選擇2003—2017年。私募通數(shù)據(jù)庫統(tǒng)計數(shù)據(jù)顯示,成都市風(fēng)險投資的快速發(fā)展始于2008年左右。為驗證風(fēng)險投資、R&D投入和技術(shù)創(chuàng)新的互動關(guān)系,以及三者關(guān)系在不同時期的變化特征,保證實證結(jié)果的準(zhǔn)確性，本文創(chuàng)新性地以2008年為時間分割點,將實證分為兩組樣本進(jìn)行對比：第一組為全樣本(2003—2017年),第二組為對比樣本(2008—2017年)。通過對兩組樣本進(jìn)行格蘭杰因果關(guān)系的對比,可清晰地知道三者關(guān)系的動態(tài)變化情況,從而更準(zhǔn)確地為未來成都市創(chuàng)新發(fā)展提供政策建議。

4 實證結(jié)果與分析

4.1 平穩(wěn)性檢驗

VAR模型的數(shù)據(jù)為時間序列數(shù)據(jù),平穩(wěn)的時間序列才能保證最后估計結(jié)果的準(zhǔn)確性,因此在模型估計前需要對序列的平穩(wěn)性進(jìn)行檢驗。本文利用ADF單位根檢驗方法,分別對LNVC、LNP和LNRD時間序列進(jìn)行單位根檢驗,若存在單位根,則為非平穩(wěn)序列,需要進(jìn)一步考察序列之間可能存在的協(xié)整關(guān)系,進(jìn)行協(xié)整檢驗;若不存在單位根,則為平穩(wěn)序列,可進(jìn)行模型估計。

平穩(wěn)性檢驗結(jié)果見表1。從表1可見,LNP、LNVC、LNRD在1%、5%、10%的水平上顯著,ADF統(tǒng)計量均小于臨界值,因此拒絕原假設(shè),即不存在單位根,LNP、LNVC、LNRD均為平穩(wěn)序列。LNP、LNVC、LNRD序列均為平穩(wěn)序列,可進(jìn)行VAR模型估計,進(jìn)一步討論三者之間的關(guān)系。

表1 序列的ADF單位根檢驗

注:*表示在10%水平下顯著；**表示在5%水平下顯著；***表示在1%水平下顯著,下同。

4.2 VAR系統(tǒng)穩(wěn)定性

3個序列均為穩(wěn)定序列,因此直接進(jìn)行VAR模型估計,本文采用的估計類型為非限制性向量自回歸。滯后期的確定見表2、表3。本文選擇AIC、SC、HQ三種滯后長度準(zhǔn)則確定模型的滯后期。第一組全樣本2003—2017年，在3種準(zhǔn)則下最優(yōu)的滯后期長度均為2,因此選擇對VAR(2)進(jìn)行模型估計。第二組對比樣本2008—2017年,最優(yōu)的滯后期長度也為2,因此以VAR(2)進(jìn)行模型估計。在估計的基礎(chǔ)上,對估計的VAR系統(tǒng)穩(wěn)定性進(jìn)行檢驗,以保證VAR系統(tǒng)的穩(wěn)定性,保證回歸結(jié)果的可靠性,進(jìn)一步格蘭杰因果關(guān)系和方差分解分析的準(zhǔn)確性。

圖2 AR根圖

Lag LogL AIC SC HQ0-19.34312 3.437404 3.567776 3.4106061 21.75390-1.500600-0.979108-1.6077902 45.81139-3.817137*-2.904526*-4.004719*

注:*表示準(zhǔn)則下的最優(yōu)選擇項。

表3 2008—2017年滯后期確定的結(jié)果

進(jìn)一步采用AR根圖來判斷VAR系統(tǒng)的穩(wěn)定性,所有AR根的模倒數(shù)均位于單位圓內(nèi),則可判斷VAR系統(tǒng)的穩(wěn)定性。兩組數(shù)據(jù)的檢驗結(jié)果見圖2,所有的數(shù)值均位于圓內(nèi),因此VAR估計是穩(wěn)定的。

4.3 格蘭杰因果關(guān)系檢驗

變量之間的格蘭杰因果關(guān)系檢驗,是用過去的變量值對其中一個變量的現(xiàn)值進(jìn)行解釋。在VAR(2)估計基礎(chǔ)上,檢驗風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新之間的因果關(guān)系。檢驗結(jié)果見表4。

表4 格蘭杰因果檢驗結(jié)果

從2003—2017年全樣本檢驗結(jié)果可見,在以技術(shù)創(chuàng)新為因變量方程的格蘭杰因果關(guān)系檢驗中,未能驗證風(fēng)險投資是技術(shù)創(chuàng)新的Granger原因,但能驗證R&D投入是技術(shù)創(chuàng)新的Granger原因;在風(fēng)險投資為因變量方程的格蘭杰因果關(guān)系檢驗中,技術(shù)創(chuàng)新是風(fēng)險投資的Granger原因;在R&D投入為因變量方程的格蘭杰因果關(guān)系檢驗中,未能驗證風(fēng)險投資是R&D投入的Granger原因。結(jié)果表明,在2003—2017年全樣本分析中,成都市風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用不顯著,技術(shù)創(chuàng)新主要來自R&D投入推動。同時,結(jié)果還顯示已有技術(shù)創(chuàng)新吸引風(fēng)險投資注入和發(fā)展,風(fēng)險投資不能顯著促進(jìn)R&D投入增加。對比2008—2017年樣本的檢驗結(jié)果可見,以技術(shù)創(chuàng)新為因變量方程的格蘭杰因果關(guān)系檢驗中,驗證了風(fēng)險投資是技術(shù)創(chuàng)新的Granger原因,但未能驗證R&D投入是技術(shù)創(chuàng)新的Granger原因;在風(fēng)險投資為因變量方程的格蘭杰因果關(guān)系檢驗中,未能驗證技術(shù)創(chuàng)新是風(fēng)險投資的Granger原因;在R&D投入為因變量方程的格蘭杰因果關(guān)系檢驗中,未能驗證風(fēng)險投資是R&D投入的Granger原因。因此,2008—2017年成都市風(fēng)險投資對技術(shù)創(chuàng)新具有顯著的促進(jìn)作用,而R&D投入對技術(shù)創(chuàng)新的推動并不顯著,同時技術(shù)創(chuàng)新未能顯著吸引風(fēng)險投資注入,風(fēng)險投資也不能顯著促進(jìn)R&D投入增加。

第一組全樣本與第二組樣本的對比可得出,以2008年為分割點,成都市風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新之間發(fā)生了以下變化:①風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用逐漸增強。2003—2017年全樣本分析中風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)表現(xiàn)不顯著,但自2008年以來風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用顯著。②R&D投入對技術(shù)創(chuàng)新的促進(jìn)作用在減弱。在2003—2017年全樣本分析中，R&D投入對技術(shù)創(chuàng)新的促進(jìn)顯著,但自2008年以來R&D投入對技術(shù)創(chuàng)新的促進(jìn)作用不顯著。③技術(shù)創(chuàng)新的主要推動力開始由R&D投入向風(fēng)險投資轉(zhuǎn)換。2008年以前,R&D投入是技術(shù)創(chuàng)新的主要推動力,但隨著2008年開始風(fēng)險投資的快速發(fā)展,風(fēng)險投資對技術(shù)創(chuàng)新的推動作用越來越大,技術(shù)創(chuàng)新的主要動力開始顯現(xiàn)出由技術(shù)創(chuàng)新向風(fēng)險投資轉(zhuǎn)變的趨勢。④由技術(shù)創(chuàng)新吸引風(fēng)險投資向風(fēng)險投資促進(jìn)技術(shù)創(chuàng)新轉(zhuǎn)變。2008年以前,成都市技術(shù)創(chuàng)新的不斷活躍吸引風(fēng)險投資資金進(jìn)入,隨著風(fēng)險投資規(guī)模越來越大,逐漸展現(xiàn)出風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn),從而實現(xiàn)由前期技術(shù)創(chuàng)新吸引風(fēng)險投資向后期風(fēng)險投資促進(jìn)技術(shù)創(chuàng)新轉(zhuǎn)變,這符合地區(qū)風(fēng)險投資發(fā)展從無到有、規(guī)模從小到大的發(fā)展規(guī)律特點。

三者關(guān)系發(fā)生以上4點變化主要是由于成都市風(fēng)險投資的發(fā)展和逐漸成熟。2006年之前,我國風(fēng)險投資行業(yè)整體發(fā)展緩慢。2006年《創(chuàng)投企業(yè)管理暫行辦法》開始實施,我國風(fēng)險投資開始步入快速發(fā)展階段。由于地理位置等因素影響,成都市風(fēng)險投資發(fā)展速度明顯落后于東部發(fā)達(dá)地區(qū)城市。但從2008年開始,隨著創(chuàng)業(yè)投資引導(dǎo)基金政策的出臺,成都市風(fēng)險投資活動逐漸活躍,風(fēng)險投資案例數(shù)和投資金額逐年提升。2008年成都市風(fēng)險投資共24起,投資金額14.76億元;2017年風(fēng)險投資案例共253起,投資金額達(dá)到265.60億元,10年間投資案例數(shù)和投資金額均實現(xiàn)了成倍增長。成都市風(fēng)險投資發(fā)展逐漸成熟,風(fēng)險投資對技術(shù)創(chuàng)新的推動作用越來越明顯,由前期技術(shù)創(chuàng)新吸引風(fēng)險投資向后期風(fēng)險投資促進(jìn)技術(shù)創(chuàng)新轉(zhuǎn)變。

4.4 方差分解

風(fēng)險投資和R&D投入對成都市技術(shù)創(chuàng)新的促進(jìn)作用均已得到證實。為進(jìn)一步了解風(fēng)險投資和R&D投入對成都市技術(shù)創(chuàng)新促進(jìn)作用的差異性和動態(tài)變化,為技術(shù)創(chuàng)新發(fā)展提供政策建議,需要對2003—2017全樣本模型估計結(jié)果進(jìn)行方差分解。方差分解結(jié)果見表5和圖3。從表5和圖3可見,技術(shù)創(chuàng)新的提高,80%以上由技術(shù)創(chuàng)新的自身貢獻(xiàn),風(fēng)險投資對技術(shù)創(chuàng)新的貢獻(xiàn)率保持在10%以上,R&D投入對技術(shù)創(chuàng)新的貢獻(xiàn)率低于5%。風(fēng)險投資對技術(shù)創(chuàng)新的貢獻(xiàn)率在第二期開始增加,隨后出現(xiàn)小幅下降,在第六期達(dá)到14%左右的穩(wěn)定狀態(tài)。R&D投入對技術(shù)創(chuàng)新的貢獻(xiàn)率初期近6%,隨后出現(xiàn)逐漸減少趨勢,在第六期達(dá)到貢獻(xiàn)率2.5%—3%的穩(wěn)定狀態(tài)。

表5 風(fēng)險投資、R&D投入對技術(shù)創(chuàng)新的相對貢獻(xiàn)度

方差分解結(jié)果進(jìn)一步證明和解釋了為何風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用在增強,R&D投入對技術(shù)創(chuàng)新的促進(jìn)作用在減弱,技術(shù)創(chuàng)新的主要動力在發(fā)生變化。風(fēng)險投資相較于R&D投入而言,對技術(shù)創(chuàng)新的貢獻(xiàn)率更高,且能長期維持在一個較強的影響作用水平。相較于R&D投入,風(fēng)險投資之所以能夠?qū)夹g(shù)創(chuàng)新發(fā)揮更多的影響作用,是由風(fēng)險投資特有的運作形式?jīng)Q定的。在風(fēng)險投資注入被投企業(yè)之后,風(fēng)險投資機(jī)構(gòu)一方面能為企業(yè)帶來各類增值服務(wù),為企業(yè)的戰(zhàn)略制定、企業(yè)管理、市場營銷等方面提供咨詢和幫助;另一方面會對企業(yè)行為進(jìn)行有效的控制和監(jiān)管,這將極大促進(jìn)企業(yè)技術(shù)創(chuàng)新和成長發(fā)展。

圖3 技術(shù)創(chuàng)新的方差分解

5 結(jié)論與建議

本文利用2003—2017年成都市的相關(guān)數(shù)據(jù),通過構(gòu)建成都市風(fēng)險投資、R&D投入、技術(shù)創(chuàng)新三變量的VAR模型,進(jìn)行格蘭杰因果關(guān)系檢驗和方差分解,證實了三者之間的相互關(guān)系。結(jié)果表明:2003—2017年三者關(guān)系整體表現(xiàn)為R&D投入是技術(shù)創(chuàng)新的主要推動力,風(fēng)險投資對技術(shù)創(chuàng)新促進(jìn)作用不顯著,技術(shù)創(chuàng)新和風(fēng)險投資的關(guān)系主要表現(xiàn)為技術(shù)創(chuàng)新吸引風(fēng)險投資,同時風(fēng)險投資不能顯著促進(jìn)R&D投入增加。但隨著2008年開始成都市風(fēng)險投資的快速發(fā)展和成熟,風(fēng)險投資對技術(shù)創(chuàng)新的促進(jìn)作用顯著,R&D投入對技術(shù)創(chuàng)新的促進(jìn)作用減弱,技術(shù)創(chuàng)新和風(fēng)險投資的關(guān)系由技術(shù)創(chuàng)新吸引風(fēng)險投資向風(fēng)險投資促進(jìn)技術(shù)創(chuàng)新轉(zhuǎn)變,技術(shù)創(chuàng)新的主要推動力由R&D投入向風(fēng)險投資轉(zhuǎn)變的趨勢。風(fēng)險投資相較于R&D投入而言,對技術(shù)創(chuàng)新的貢獻(xiàn)更大,能長期發(fā)揮其促進(jìn)作用。

基于本文研究結(jié)論可知,未來成都市技術(shù)創(chuàng)新的進(jìn)一步發(fā)展離不開風(fēng)險投資,需要引導(dǎo)風(fēng)險投資發(fā)展,有效發(fā)揮風(fēng)險投資對技術(shù)創(chuàng)新的長期促進(jìn)作用。本文提出以下幾點政策建議:①完善政府風(fēng)險投資引導(dǎo)基金政策。通過設(shè)立政府風(fēng)險投資引導(dǎo)基金,完善和創(chuàng)新引導(dǎo)基金運作模式,加強引導(dǎo)基金的管理和績效考核,有效發(fā)揮引導(dǎo)基金對成都市風(fēng)險投資發(fā)展的引導(dǎo)作用,引導(dǎo)更多社會資本進(jìn)入風(fēng)險投資市場進(jìn)行投資,活躍風(fēng)險投資市場。②加強風(fēng)險投資發(fā)展環(huán)境建設(shè)。積極鼓勵金融機(jī)構(gòu)和風(fēng)險投資機(jī)構(gòu)落戶成都,搭建本地機(jī)構(gòu)與國內(nèi)外知名風(fēng)險投資機(jī)構(gòu)的合作與交流,積極營造創(chuàng)新創(chuàng)業(yè)的良好環(huán)境。③加強對風(fēng)險資本流向的引導(dǎo)。政府在追求風(fēng)險資本規(guī)模擴(kuò)大的同時,應(yīng)注重提升風(fēng)險投資質(zhì)量。需要激勵風(fēng)險資本流向高新技術(shù)產(chǎn)業(yè),激勵更多的資本投向種子期、初創(chuàng)期等早期企業(yè),制定分階段的連續(xù)投融資鼓勵政策,為融資不足的早期創(chuàng)新型企業(yè)提供支持,以最大程度地發(fā)揮風(fēng)險投資的技術(shù)創(chuàng)新促進(jìn)作用。