生產(chǎn)率動態(tài)、研發(fā)創(chuàng)新與企業(yè)TFP 增長
——基于SYS-GMM 的經(jīng)驗(yàn)證據(jù)

張興國，胡玉瑩，唐家龍，3

（1.天津工業(yè)大學(xué)人文學(xué)院，天津 300387；2.天津工業(yè)大學(xué)經(jīng)管學(xué)院，天津 300387；3.天津工業(yè)大學(xué)創(chuàng)新發(fā)展戰(zhàn)略研究中心，天津 300387）

改革開放40 多年來，主要依靠要素投入、投資拉動，中國經(jīng)濟(jì)取得舉世矚目的偉大成就，經(jīng)濟(jì)總量已經(jīng)穩(wěn)居世界第二位，在全球經(jīng)濟(jì)和貿(mào)易中的份額屢創(chuàng)新高。但這種高投入、高消耗和高污染的模式難以持續(xù)，尤其是2008 年國際金融危機(jī)之后，我國經(jīng)濟(jì)從高速增長轉(zhuǎn)向高質(zhì)量發(fā)展。黨和國家多次重申要實(shí)施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，把科技自立自強(qiáng)作為國家發(fā)展的戰(zhàn)略支撐，推進(jìn)關(guān)鍵核心技術(shù)攻關(guān)和自主創(chuàng)新，加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)國。數(shù)據(jù)顯示，自2006 年《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》頒布以來，我國全社會研發(fā)投入從2006年的0.30 萬億元上升到2021 年的2.79 萬億元，研發(fā)投入強(qiáng)度（R&D/GDP）從1.42%上升到2.44%，國家創(chuàng)新指數(shù)排名從第25 位上升到2020 年的第14位，國家創(chuàng)新能力顯著提升。通過依靠科技創(chuàng)新，實(shí)現(xiàn)質(zhì)量變革、效率變革、動力變革，提高全要素生產(chǎn)率（TFP），已經(jīng)成為實(shí)現(xiàn)經(jīng)濟(jì)增長階段由數(shù)量擴(kuò)張型增長向質(zhì)量提升型轉(zhuǎn)換的根本途徑。

企業(yè)是經(jīng)濟(jì)活動的最微觀單元。創(chuàng)新驅(qū)動發(fā)展的根本在于企業(yè)研發(fā)投入的加強(qiáng)，形成企業(yè)主導(dǎo)、創(chuàng)新有道的實(shí)踐邏輯［1］。2006 年以來，我國企業(yè)研發(fā)投入從0.21 萬億元上升到2021 年的2.12 萬億元，達(dá)到了過去水平的10 倍量級，企業(yè)的技術(shù)創(chuàng)新主體地位日益凸顯。盡管我國經(jīng)歷了持續(xù)可觀的研發(fā)創(chuàng)新增長，但這種投入是否如愿以償?shù)貛砹巳厣a(chǎn)率的增長呢？美國對我國中興、華為等高科技企業(yè)的無理打壓表明，國家發(fā)展仍然面臨諸多“卡脖子”難題，沒有關(guān)鍵核心技術(shù)的有力支撐，無論是微觀企業(yè)還是中觀產(chǎn)業(yè)乃至國家戰(zhàn)略安全都難以得到有效保障。如果TFP 不能持續(xù)增長，那么國家可能會陷入“中等收入陷阱”［2］。因此,鼓勵和促進(jìn)創(chuàng)新等問題是國家創(chuàng)新體系建設(shè)中需要響應(yīng)的必答題［3］，對企業(yè)創(chuàng)新行為的治理問題當(dāng)屬重中之重。

正如Griliches［4］的開創(chuàng)性文獻(xiàn)指出，創(chuàng)新與生產(chǎn)率關(guān)系問題意義重大，但又面對理論模型、數(shù)據(jù)測量與更新、同時性偏差等方面的潛在問題，使得學(xué)術(shù)界關(guān)于研發(fā)與生產(chǎn)率的研究始終綿延不斷而又長盛不衰。近年來關(guān)注創(chuàng)新與生產(chǎn)率的文獻(xiàn)依然大量涌現(xiàn)，包括宏觀和產(chǎn)業(yè)層面的研究如Englander等［5］和唐未兵等［6］，微觀層面的企業(yè)研究也大幅增加［7-11］。既往文獻(xiàn)為開展研發(fā)創(chuàng)新與生產(chǎn)率的研究奠定了非常好的基礎(chǔ)，但當(dāng)前有兩個方面值得關(guān)注：首先，大多數(shù)文獻(xiàn)不再把研發(fā)創(chuàng)新作為研究重心，偏向于探討研發(fā)創(chuàng)新與其他因素的聯(lián)合作用，或?qū)⒀邪l(fā)作為一種中介機(jī)制進(jìn)行分析；其次，當(dāng)前研究一定程度上忽略了生產(chǎn)率持續(xù)變化的慣性——生產(chǎn)率動態(tài)帶來的內(nèi)生性問題，在討論研發(fā)創(chuàng)新對生產(chǎn)率的影響時，忽略這種動態(tài)以及忽略研發(fā)創(chuàng)新對生產(chǎn)率影響的滯后性，導(dǎo)致理論和實(shí)證研究與現(xiàn)實(shí)的結(jié)合面臨局限性。

對此，本文希望回歸研發(fā)創(chuàng)新與生產(chǎn)率研究的中心問題，同時豐富拓展生產(chǎn)率動態(tài)性和研發(fā)效應(yīng)滯后性的文獻(xiàn)研究。本文的核心問題在于，企業(yè)研發(fā)創(chuàng)新投入大幅增加，能夠有效促進(jìn)企業(yè)生產(chǎn)率增長嗎？如果考慮到生產(chǎn)率的動態(tài)性，研發(fā)創(chuàng)新的滯后效應(yīng)仍然存在嗎？研發(fā)創(chuàng)新推動生產(chǎn)率增長具有持續(xù)效應(yīng)即較長的滯后效應(yīng)嗎？為了較好地回答這些問題，本文引入了動態(tài)面板系統(tǒng)廣義矩估計（SYS-GMM）方法，以便較好地緩解遺漏變量、內(nèi)生性和異方差等問題帶來的參數(shù)估計偏誤問題。通常，制造業(yè)企業(yè)研發(fā)活動較為密集，能夠更好地代表區(qū)域或國家的技術(shù)創(chuàng)新能力。因此，本文將2011—2020 年中國滬深A(yù) 股上市制造業(yè)企業(yè)為研究對象，探索回答前述問題。

1 文獻(xiàn)回顧

本文主要關(guān)注研發(fā)創(chuàng)新對企業(yè)生產(chǎn)率的影響，兼論前期生產(chǎn)率動態(tài)對當(dāng)期生產(chǎn)率的影響。迄今為止，對TFP 的研究已經(jīng)覆蓋了廣泛的國家、行業(yè)和企業(yè)。Griliches［4］、田先鈺等［12］對研發(fā)創(chuàng)新和生產(chǎn)率進(jìn)行了較為全面的綜述，劉建翠［13］對生產(chǎn)率研究進(jìn)行了系統(tǒng)回顧?；谇叭宋墨I(xiàn)，本文主要回顧三個方面文獻(xiàn)。

1.1 研發(fā)創(chuàng)新影響生產(chǎn)率的理論機(jī)制

Romer［14］指出，知識能夠增加企業(yè)的邊際生產(chǎn)力，從而避免收益遞減，實(shí)現(xiàn)長期增長。按照熊彼特的邏輯，研發(fā)活動作為一個學(xué)習(xí)過程，包括獲取、吸收、轉(zhuǎn)化和開發(fā)四個維度［15-16］。首先，對企業(yè)自身而言，研發(fā)活動是一種獲取知識的投入。企業(yè)進(jìn)行研發(fā)活動能夠提高知識存量，形成專利技術(shù)和商業(yè)秘密［17］，通過過程創(chuàng)新和產(chǎn)品創(chuàng)新等提高生產(chǎn)率［18］。持續(xù)的技術(shù)進(jìn)步會改進(jìn)現(xiàn)有產(chǎn)品，要么增加單位時間內(nèi)的產(chǎn)出，取得價格方面的競爭優(yōu)勢，要么提高產(chǎn)品質(zhì)量或者擴(kuò)大產(chǎn)品生產(chǎn)的范圍，形成新產(chǎn)品［19］。其次，研發(fā)活動還具有兩面性，不僅有利于直接的內(nèi)部生產(chǎn)，還有利于外部技術(shù)轉(zhuǎn)移，提高企業(yè)對前沿技術(shù)的吸收能力，促進(jìn)TFP 增長［20］。研發(fā)活動尤其是政府補(bǔ)助的R&D 活動還會產(chǎn)生明顯的溢出效應(yīng)［21-22］，能夠帶動領(lǐng)域內(nèi)的技術(shù)轉(zhuǎn)移和合作，有利于生產(chǎn)率增長。最后，研發(fā)創(chuàng)新具有中介效應(yīng)，研發(fā)投入會改變企業(yè)內(nèi)部要素的投入比例，從整體上擴(kuò)大企業(yè)的規(guī)模經(jīng)濟(jì)［23］；人力資本結(jié)構(gòu)、FDI、海外并購等因素會通過研發(fā)創(chuàng)新的中介效應(yīng)提升企業(yè)的生產(chǎn)率［24］。

1.2 研發(fā)創(chuàng)新與生產(chǎn)率的測量問題

研究企業(yè)生產(chǎn)率，首要的是確定生產(chǎn)率的計算方法。宏觀層面的生產(chǎn)率研究奠基于新古典增長模型［25］，其在研發(fā)創(chuàng)新與生產(chǎn)率研究中得到廣泛使用［4］。如果在企業(yè)微觀層面套用宏觀模型，加總的生產(chǎn)函數(shù)方法由于忽略了生產(chǎn)函數(shù)的多樣性、生產(chǎn)中的次要因素，可能帶來較大的誤差［26］。因此，國內(nèi)多數(shù)文獻(xiàn)都采用OP 方法［27］或LP 方法［28］來計算企業(yè)層面的全要素生產(chǎn)率，部分研究直接使用勞動生產(chǎn)率作為主指標(biāo)或穩(wěn)健性檢驗(yàn)的指標(biāo)［29-30］。在確實(shí)測算生產(chǎn)率的方法時，還需要對涉及到的產(chǎn)出指標(biāo)、資本存量和勞動力以及其他要素進(jìn)行計算，限于篇幅在這里不作贅述。

其次是確定研發(fā)創(chuàng)新的指標(biāo)。從概念上看，根據(jù)1964 年經(jīng)濟(jì)發(fā)展與合作組織（OECD）出版的《為調(diào)查研究與發(fā)展活動所推薦的標(biāo)準(zhǔn)規(guī)范》（即《弗拉斯卡蒂手冊》），R&D 指標(biāo)是包括了投入產(chǎn)出類指標(biāo)的一個體系，研發(fā)活動的投入本身可能包括人力、物力、財力等多種形式，產(chǎn)出形式也包括了知識、專利、技術(shù)成果等直接產(chǎn)出和增加值、生產(chǎn)率等間接產(chǎn)出。研發(fā)投入影響到研發(fā)產(chǎn)出，進(jìn)而影響生產(chǎn)率的變化［31］。實(shí)證研究中，投入指標(biāo)大多使用研發(fā)經(jīng)費(fèi)度量。區(qū)別在于，有的使用經(jīng)費(fèi)支出的存量［32］，有的使用人均量［33］，更多的是使用強(qiáng)度指標(biāo)［17,29,34,35］。這是因?yàn)閺?qiáng)度指標(biāo)可以避免量綱差異問題［36］，亦不需要進(jìn)行價格平減或計算存量，同時不會帶來樣本損耗［37］。研發(fā)產(chǎn)出指標(biāo)大多選用專利數(shù)［38-39］，但大多會區(qū)分專利的有效性和專利的類型。研發(fā)投入產(chǎn)出與企業(yè)產(chǎn)出之間還存在著動態(tài)關(guān)系，前期投入或產(chǎn)出將對后續(xù)事件產(chǎn)生影響，這種影響具有時間和空間的差異［4］。因此，研究中會考慮專利、產(chǎn)出等變量的滯后性［40-41］及因果循環(huán)性［34］。

1.3 研發(fā)創(chuàng)新與生產(chǎn)率關(guān)系的經(jīng)驗(yàn)證據(jù)

當(dāng)前，大多研究都發(fā)現(xiàn)研發(fā)創(chuàng)新對于生產(chǎn)率具有正向的顯著影響［42-44］。從企業(yè)層面的研究來看，Griliches［17］利用20 世紀(jì)70 年代美國企業(yè)的數(shù)據(jù)發(fā)現(xiàn)，研發(fā)投入有著較高的企業(yè)回報率，私人企業(yè)投入的回報超過了政府資助的研發(fā)活動。Crépon等［31］研究了企業(yè)層研發(fā)投入、創(chuàng)新產(chǎn)出與生產(chǎn)率的關(guān)系，在糾正樣本選擇性和同時性偏差的情況下，他們發(fā)現(xiàn)，研發(fā)投入正向影響創(chuàng)新產(chǎn)出，創(chuàng)新產(chǎn)出對生產(chǎn)率有顯著正向影響。Vivero 等［29］對1990—1994 年間西班牙企業(yè)調(diào)查數(shù)據(jù)分析發(fā)現(xiàn)，不同的研發(fā)創(chuàng)新指標(biāo)對生產(chǎn)率的作用不同，過程創(chuàng)新的經(jīng)費(fèi)支出指標(biāo)對于生產(chǎn)率的影響大于研發(fā)投入強(qiáng)度的作用。Aldieri 等［7］對意大利企業(yè)的分析發(fā)現(xiàn)，過程創(chuàng)新和產(chǎn)品創(chuàng)新等研發(fā)活動對企業(yè)生產(chǎn)率具有積極影響。Bong 等［34］對韓國中小企業(yè)的研究發(fā)現(xiàn)，企業(yè)研發(fā)創(chuàng)新活動對生產(chǎn)率具有正向效應(yīng)，同時生產(chǎn)率對R&D 投入具有影響。

國內(nèi)學(xué)者發(fā)現(xiàn)研發(fā)創(chuàng)新對于生產(chǎn)率的影響具有門檻效應(yīng)和異質(zhì)性。孫曉華等［45］將有研發(fā)和無研發(fā)企業(yè)對照，利用PSM 方法考察研發(fā)活動對工業(yè)企業(yè)生產(chǎn)率的影響，他們發(fā)現(xiàn)研發(fā)強(qiáng)度與生產(chǎn)率間存在正U 型關(guān)系，但99%的工業(yè)企業(yè)沒有達(dá)到正向促進(jìn)效應(yīng)的門檻值。徐長生等［38］利用我國A 股上市公司2000—2016 年數(shù)據(jù)，基于多元回歸和PSM 方法，分析有無某類有效專利的二值變量對TFP 的影響，他們發(fā)現(xiàn)擁有實(shí)用新型專利對TFP 的影響顯著大于發(fā)明專利，外觀設(shè)計專利對TFP 的影響受到扭曲。張廣勝等［46］利用2009—2017 年制造業(yè)上市公司樣本，發(fā)現(xiàn)研發(fā)投入顯著促進(jìn)企業(yè)全要素生產(chǎn)率提升,作用效果具有滯后效應(yīng)且隨時間推移而減弱，且這種作用具有股權(quán)、市場化水平等方面的異質(zhì)性。

從既有文獻(xiàn)來看，越來越多的研究聚焦于微觀企業(yè)的研究。在研究結(jié)論上，大多數(shù)研究發(fā)現(xiàn)了研發(fā)活動對生產(chǎn)率增長具有正向效應(yīng)，但部分研究得到不完全一致的結(jié)果［45］。限于研究年代和數(shù)據(jù)可得性，主要采用了較早期數(shù)據(jù)，同時在數(shù)據(jù)測量和方法上還存在著忽略同時性、選擇性和滯后性等因素的問題。Griliches［4］指出，一些變量會隨著時間和空間發(fā)生同時的變化，例如R&D 本身會受到過去的利潤和生產(chǎn)率的影響，需要更復(fù)雜的技術(shù)來解決這些問題。事實(shí)證明，這一判斷今天依然有效。

對此，本文將利用2011—2020 年我國A 股上市制造業(yè)企業(yè)的動態(tài)面板數(shù)據(jù)，運(yùn)用SYS-GMM 方法，系統(tǒng)考察生產(chǎn)率動態(tài)下研發(fā)創(chuàng)新對生產(chǎn)率的影響，為我國企業(yè)提升生產(chǎn)率實(shí)現(xiàn)高質(zhì)量發(fā)展提供經(jīng)驗(yàn)證據(jù)支持。本文的邊際貢獻(xiàn)和創(chuàng)新點(diǎn)可能在于：（1）基于SYS-GMM 方法，引入生產(chǎn)率的滯后性，探討生產(chǎn)率慣性下研發(fā)創(chuàng)新對生產(chǎn)率的影響，緩解了內(nèi)生性問題。（2）借助SYS-GMM 方法同時考慮了研發(fā)創(chuàng)新對生產(chǎn)率影響的滯后效應(yīng)問題。（3）從地域、所有制、股權(quán)和行業(yè)集中度等不同層面考察了控制生產(chǎn)率動態(tài)下研發(fā)創(chuàng)新對生產(chǎn)率影響的異質(zhì)性。

2 研究設(shè)計

2.1 樣本選取和數(shù)據(jù)說明

本文以中國滬深A(yù) 股上市制造業(yè)企業(yè)為研究對象。企業(yè)基本特征、財務(wù)數(shù)據(jù)、股權(quán)數(shù)據(jù)和研發(fā)數(shù)據(jù)等來源于同花順問財數(shù)據(jù)庫，企業(yè)所在省市區(qū)經(jīng)濟(jì)變量、行政區(qū)劃分區(qū)數(shù)據(jù)來自于國家統(tǒng)計局官網(wǎng)。根據(jù)證監(jiān)會的制造業(yè)行業(yè)分類，剔除了非制造業(yè)企業(yè)。遵循既有文獻(xiàn)慣例，刪除了ST 企業(yè)及企業(yè)資產(chǎn)、收入、股權(quán)結(jié)構(gòu)等關(guān)鍵指標(biāo)缺失的企業(yè)，剔除了ST 或PT 的企業(yè)。為了消除價格變動帶來的影響，以2010 年為基年對企業(yè)收入類指數(shù)使用生產(chǎn)者價格指數(shù)進(jìn)行了平減，對資產(chǎn)、資本性支出按照固定資產(chǎn)價格指數(shù)進(jìn)行了平減。為了避免異常值的影響，對所有連續(xù)變量進(jìn)行了1%的雙尾縮減處理,最終獲得2011—2020 年共10 年15 261 個觀測值，屬于典型的“大N小T”型面板數(shù)據(jù)類型。

2.2 計量模型

為估計生產(chǎn)率的動態(tài)效應(yīng)和研發(fā)創(chuàng)新對生產(chǎn)率的滯后效應(yīng)，本文使用適用于“大N小T”型面板數(shù)據(jù)分析的系統(tǒng)廣義矩估計法（SYS-GMM）。在動態(tài)面板數(shù)據(jù)中，由于引入被解釋變量的滯后項(xiàng)作為解釋變量，使用傳統(tǒng)的OLS 回歸和固定效應(yīng)模型得到的估計結(jié)果可能有偏且非一致。GMM 方法在存在單位根的情況下仍然有效，而且能夠通過引入有效的工具變量和識別解決內(nèi)生性問題，捕捉時間因素變化帶來的影響。在SYS-GMM 估計中，使用水平變量滯后項(xiàng)作為差分方程的工具變量，同時使用差分變量的滯后項(xiàng)作為原水平方程的工具變量，以便更準(zhǔn)確地估計研發(fā)創(chuàng)新以及生產(chǎn)率滯后項(xiàng)的統(tǒng)計量。模型設(shè)定如下：

其中，i和t代表第i家企業(yè)和第t年；被解釋變量tfpit代表企業(yè)的生產(chǎn)率；核心解釋變量Rd 代表企業(yè)年度研發(fā)強(qiáng)度；X是以企業(yè)層面為主的控制變量的集合；ηi是企業(yè)個體效應(yīng)；dummies 是固定效應(yīng)的集合，包括年份固定效應(yīng)；α是常數(shù)項(xiàng)，μit是隨機(jī)擾動項(xiàng)。變量下標(biāo)i,t-1 或i,t-2 代表該變量的滯后一期或二期數(shù)值。當(dāng)樣本數(shù)據(jù)不滿足SYS-GMM 條件時，將使用差分GMM 進(jìn)行估計。

針對（1）式，本文將引入混合數(shù)據(jù)普通最小二乘法OLS 回歸、個體時間雙固定效應(yīng)模型和SYSGMM 模型，對比確定δ1，從而選擇合適的解釋模型，并報告研發(fā)強(qiáng)度當(dāng)期和滯后期的回歸結(jié)果β0、β1、β2。在實(shí)證分析中，β0、β1、β2是本研究關(guān)注的核心變量的回歸系數(shù)及其顯著性，當(dāng)SYS-GMM 得到的估計結(jié)果δ1的大小介于普通OLS 相應(yīng)回歸系數(shù)（上限）和固定效應(yīng)回歸模型對應(yīng)系數(shù)（下限）之間時，為適宜的解釋模型［47］。

2.3 變量定義和描述性統(tǒng)計

被解釋變量：全要素生產(chǎn)率。計算企業(yè)TFP 的方法很多，常用的包括OLS 法、固定效應(yīng)法、Olley-Pakes 法（以下簡稱“OP 法）、Levinsohn-Petrin 法（以下簡稱“LP 法）以及GMM 法等［26,48］。本文參考Rovigatti 等［49］和宋敏等［50］的文獻(xiàn)，采用OP 法測算TFP。OP 方法可以克服企業(yè)投入產(chǎn)出過程中的同時性偏誤和樣本選擇偏差，計算得到的生產(chǎn)率用OP 表示。同時參考李衛(wèi)兵等［30］的研究，使用企業(yè)勞均營業(yè)收入即勞動生產(chǎn)率進(jìn)行穩(wěn)健性檢驗(yàn)。

核心解釋變量：研發(fā)創(chuàng)新Rd。參考既有文獻(xiàn)［35,51］，使用研發(fā)投入與營業(yè)收入之比作為研發(fā)創(chuàng)新的測量指標(biāo)。這一指標(biāo)通常稱之為研發(fā)強(qiáng)度，在微觀、中觀和宏觀層面具有廣泛的應(yīng)用。該指標(biāo)的優(yōu)勢在于可以避免量綱差異和樣本損失問題［36］。

控制變量。參考既有文獻(xiàn)［35,52-56］,引入了企業(yè)規(guī)模（Size）、托賓Q 值（Q）、資產(chǎn)收益率（ROA）、杠桿率（LEV，總資產(chǎn)負(fù)債率）、流動比率（LIQ）、所有權(quán)結(jié)構(gòu)（Hold，最終控制人持股比例）、行業(yè)集中度（HHI，赫芬達(dá)爾指數(shù)）、企業(yè)年齡（Age）、企業(yè)性質(zhì)（SOE,為國有企業(yè)時SOE=1）以及區(qū)域經(jīng)濟(jì)變量各省市人均生產(chǎn)總值GDP 等。對于Size、Q、HHI、LIQ、GDP 等變量進(jìn)行了對數(shù)化處理，減少變量的異方差干擾。

表1 列示了各變量的具體說明和簡單描述性統(tǒng)計量。

表1 變量說明和描述性統(tǒng)計

從被解釋變量與研發(fā)強(qiáng)度的相關(guān)性看，當(dāng)期水平的研發(fā)投入與OP 呈現(xiàn)明顯的負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)為-0.348 且在1%的統(tǒng)計水平上顯著。這表明當(dāng)期研發(fā)投入會降低企業(yè)的全要素生產(chǎn)率，與經(jīng)驗(yàn)觀察和理論預(yù)期一致。但這種投入對生產(chǎn)率的影響是否存在滯后效應(yīng)，還需要后續(xù)的實(shí)證檢驗(yàn)。

3 實(shí)證分析

本文使用系統(tǒng)廣義矩方法（SYS-GMM）估計研發(fā)創(chuàng)新與生產(chǎn)率的關(guān)系。SYS-GMM 是對差分GMM的擴(kuò)展，使用變量滯后階作為差分方程的工具變量，同時使用差分變量的滯后項(xiàng)作為水平方程的工具變量，既能夠同時控制個體效應(yīng)、時間效應(yīng)的影響，還能夠較為容易地找到理想的工具變量。避免了傳統(tǒng)的工具變量法中恰好識別和過度識別問題帶來的效率難題［57］。SYS-GMM 能夠修正未觀察到的異方差問題、遺漏變量偏差、測量誤差和潛在的內(nèi)生性問題，因此得到廣泛的應(yīng)用。本文使用統(tǒng)計軟件包STATA15.0，利用Roodman［47］提供的用于系統(tǒng)和差分廣義矩的外部命令xtbaond2 進(jìn)行。為控制異方差的影響，估計時使用了穩(wěn)健標(biāo)準(zhǔn)誤。

根據(jù)Roodman［47］的做法，使用SYS-GMM 時需要注意回歸得到的滯后一期的被解釋變量的回歸系數(shù)δ1應(yīng)當(dāng)介于OLS 回歸和固定效應(yīng)回歸的系數(shù)之間，前者是δ1的上限，后者是δ1的下限。同時，模型還必須滿足兩個條件：一是估計結(jié)果的殘差存在1 階序列AR(1)相關(guān)但不存在2 階序列AR(2)相關(guān)，即矩條件不被過度約束。通常使用Arellano-Bond 檢驗(yàn)，要求AR(1)檢驗(yàn)的P＜0.1，AR(2)檢驗(yàn)的P＞0.1。二是使用的工具變量有效的，水平方程和差分方程中使用的工具變量必須同時滿足外生性檢驗(yàn)的要求。實(shí)證中一般使用Hansen 檢驗(yàn)進(jìn)行判斷，要求P 值＞0.1。基于此，本文利用普通最小二乘OLS、固定效應(yīng)模型FE、SYS-GMM 方法得到基準(zhǔn)模型的回歸結(jié)果，如表2 所示。

表2 基準(zhǔn)回歸結(jié)果

3.1 基準(zhǔn)分析

表2 中模型（1）—（3）報告了引入被解釋變量滯后一期的OLS 回歸、固定效應(yīng)FE 回歸、SYSGMM 回歸結(jié)果。在STATA 程序中，設(shè)定內(nèi)生變量為全要素生產(chǎn)率OP 的滯后一期，工具變量包括企業(yè)研發(fā)強(qiáng)度Rd、企業(yè)規(guī)模、托賓Q 值、資產(chǎn)收益率、杠桿率、流動比率、持股比例等企業(yè)層面的滯后變量和企業(yè)年齡、所有制性質(zhì)、行業(yè)集中度、省區(qū)人均GDP 等。模型（3）的Arellano-Bond 檢驗(yàn)結(jié)果表明，殘差A(yù)R(1)的p=0.000，小于1%的統(tǒng)計性顯著水平，AR(2)的p=0.345，大于10%的統(tǒng)計顯著性水平，表明只存在1 階自相關(guān)，不存在2 階自相關(guān)；Hansen 檢驗(yàn)的p=0.911，遠(yuǎn)遠(yuǎn)大于10%的統(tǒng)計性顯著水平，說明所有的工具變量都是外生的，即不能拒絕工具變量有效的原假設(shè)。模型（3）中OP 的回歸系數(shù)δ1=0.802，介于OLS1 和FE1 的回歸系數(shù)0.861和0.418 之間。因此，模型（3）滿足SYS-GMM 估計要求［47］，作為本文基準(zhǔn)回歸的估計結(jié)果。

從模型（1）—（3）的結(jié)果來看，TFP 滯后一期的結(jié)果對當(dāng)期TFP 具有顯著為正的影響。同時，OLS 回歸高估了L.OP 的回歸系數(shù)0.059，而固定效應(yīng)回歸低估了0.384，說明忽略被解釋變量的滯后項(xiàng)將導(dǎo)致內(nèi)生性問題，不適當(dāng)?shù)墓烙嫹椒〞?dǎo)致生產(chǎn)率的動態(tài)效應(yīng)估計出現(xiàn)明顯的偏誤。從本文重點(diǎn)關(guān)注的Rd 的當(dāng)期及滯后兩期對生產(chǎn)率的影響來看，在模型（1）的OLS 回歸中，當(dāng)期Rd 對OP 的影響為-0.055，且在10%的顯著水平上為負(fù)，L.Rd 的影響為0.047，且在1%的顯著水平上為正，L2.Rd 的影響為正但不顯著，且回歸數(shù)不大，只有0.002；在模型（2）的FE 回歸中，相對于OLS 回歸，Rd 及其滯后各階的系數(shù)顯著性、方向沒有明顯變化；但在模型（3）的SYS-GMM 回歸中，可以觀察到當(dāng)期Rd 的影響系數(shù)增加到-0.112，在5%的顯著水平上為負(fù)，L.Rd 的影響為正值0.042，且不具有統(tǒng)計顯著性，L2.Rd 的影響為0.066，且在5%的統(tǒng)計水平上顯著為正，相對于模型（1）和（2）中L.Rd 的系數(shù)變動不大（雖然不顯著），但L2.Rd 的系數(shù)明顯擴(kuò)大（且顯著）。

因此，引入OP 的滯后一期和Rd 以及企業(yè)規(guī)模、托賓Q 值、資產(chǎn)收益率等指標(biāo)作為分析生產(chǎn)率動態(tài)變動的控制變量、工具變量后，可以發(fā)現(xiàn)：（1）生產(chǎn)率OP 的滯后一期對當(dāng)期OP 具有顯著為正的影響，即上一期的生產(chǎn)率影響到下一期的生產(chǎn)率，具有發(fā)展的延續(xù)性和慣性。（2）控制生產(chǎn)率動態(tài)滯后效應(yīng)后，研發(fā)創(chuàng)新Rd 對生產(chǎn)率的影響同樣具有滯后性，除了當(dāng)期投入負(fù)向影響當(dāng)期生產(chǎn)率以外，Rd 投入將在隨后的兩年內(nèi)均對生產(chǎn)率帶來正向的影響，有利于生產(chǎn)率的提高。當(dāng)在模型中引入Rd 的3 階及以上滯后期時，沒有發(fā)現(xiàn)更長期且顯著的滯后效應(yīng)。

本文模型與前期文獻(xiàn)的區(qū)別在于，當(dāng)前大多數(shù)的實(shí)證研究中均未控制當(dāng)期或滯后一期以外的控制變量對生產(chǎn)率的影響。對于企業(yè)規(guī)模、托賓Q 值、資產(chǎn)收益率、杠桿率、流動比率、持股比例等控制變量，由于我們控制了當(dāng)期及滯后兩期的數(shù)據(jù)，因此這些變量的回歸結(jié)果與通常的截面回歸結(jié)果呈現(xiàn)出更多的復(fù)雜性。在基準(zhǔn)模型（3）中，以企業(yè)規(guī)模為例，從各個模型結(jié)果看，當(dāng)期企業(yè)規(guī)模Size 具有正向影響，但在模型（3）SYS-GMM 估計中，這種影響呈現(xiàn)一種跨期的波動，但這種規(guī)模的影響僅在第三年才對生產(chǎn)率帶來顯著的影響模型（3）的控制變量中，除企業(yè)規(guī)模的滯后二期L2.Size、資產(chǎn)收益率L2.ROA、杠桿率的滯后一期L.LEV、當(dāng)期行業(yè)集中度HHI 具有顯著影響外，其余變量的影響均不顯著。局部結(jié)果與部分學(xué)者一致，如Alam 等［58］發(fā)現(xiàn)Size 具有正影響，宋敏等［50］發(fā)現(xiàn)Size、ROA、LEV的正向效應(yīng)，企業(yè)年齡等因素的影響具有不確定性［56］。區(qū)別在于，這里使用了滯后兩期的控制變量，更多的控制變量緩解了遺漏變量的影響。

3.2 異質(zhì)性分析

本文基于基準(zhǔn)模型的設(shè)定，參考既有文獻(xiàn)，考察東中西部地區(qū)、企業(yè)所有制性質(zhì)、股東持股比例、企業(yè)面臨的市場競爭度與行業(yè)集中度四個方面的異質(zhì)性。如表3 和表4 所示，毫無例外地發(fā)現(xiàn)，SYSGMM 方法下生產(chǎn)率OP 的滯后一期對當(dāng)期生產(chǎn)率具有顯著的正向影響，而且均達(dá)到1%的統(tǒng)計顯著性。因此，下面主要報告研發(fā)創(chuàng)新對生產(chǎn)率的影響情況。

表3 東中西部地區(qū)、所有制性質(zhì)的異質(zhì)性分析

表4 所有權(quán)結(jié)構(gòu)、行業(yè)集中度的異質(zhì)性

（1）東中西部地區(qū)。

我國幅員遼闊，東中西部地區(qū)在經(jīng)濟(jì)發(fā)展水平、企業(yè)意識、創(chuàng)新氛圍等方面存在巨大的差距。參照既有文獻(xiàn)，根據(jù)基準(zhǔn)模型生產(chǎn)率滯后一期情況進(jìn)行模型SYS-GMM 回歸設(shè)定，劃分東部地區(qū)、中部地區(qū)、西部地區(qū)，考察Rd 對OP 影響的地域異質(zhì)性。如表3 所示，模型（4）—（6）分別代表東部、中部、西部地區(qū)樣本下的SYS-GMM 回歸結(jié)果，與模型（3）的最大不同之處在于，僅東部地區(qū)樣本模型（4）的L2.Rd 具有顯著為正的滯后效應(yīng)，而中西部地區(qū)研發(fā)強(qiáng)度Rd 對當(dāng)期生產(chǎn)率不具有顯著的影響。

僅從樣本企業(yè)數(shù)量來看，東部地區(qū)10 年的樣本量達(dá)到了10 569 家（回歸模型中因滯后期存在樣本僅為7 677 家），企業(yè)研發(fā)強(qiáng)度的平均水平達(dá)到了4.32%，而中部地區(qū)10 年間的樣本量僅為3 394 家，平均強(qiáng)度為3.87%，西部樣本為1 298 家，平均強(qiáng)度為3.04%。因此無論從樣本量、研發(fā)強(qiáng)度來看，只有東部地區(qū)企業(yè)研發(fā)投入能夠顯著促進(jìn)生產(chǎn)率增長并不令人意外。這一結(jié)果與大多同類研究結(jié)果相似。

（2）所有制性質(zhì)。

不同產(chǎn)權(quán)性質(zhì)下企業(yè)創(chuàng)新能力和生產(chǎn)率的表現(xiàn)是國內(nèi)研究文獻(xiàn)研究關(guān)注的焦點(diǎn)。過去的文獻(xiàn)通常發(fā)現(xiàn)國有企業(yè)會抑制創(chuàng)新投入對生產(chǎn)率的積極效應(yīng)，但本文發(fā)現(xiàn)國有和非國有企業(yè)的研發(fā)創(chuàng)新對生產(chǎn)率均具有顯著的促進(jìn)效應(yīng)。模型（7）—（8）的結(jié)果表明，當(dāng)期投入會降低企業(yè)生產(chǎn)效率，促進(jìn)效應(yīng)體現(xiàn)為滯后一期的L.Rd對OP具有顯著的正向促進(jìn)作用。而且，非國有企業(yè)相對國有企業(yè)有著更顯著的促進(jìn)作用，表現(xiàn)為滯后一期L.Rd 的回歸系數(shù)0.086 在1%的統(tǒng)計水平上顯著，而國有企業(yè)對應(yīng)L.Rd 的回歸系數(shù)為0.039，其在5%的統(tǒng)計水平上顯著。

既有文獻(xiàn)對非國有企業(yè)創(chuàng)新投入的顯著效果已經(jīng)有諸多解釋［59］，這里主要說明國有企業(yè)研發(fā)創(chuàng)新投入正向效應(yīng)的可能原因：一是國有企業(yè)界定的范圍擴(kuò)大。對國有企業(yè)進(jìn)行界定時，本文將中央、省屬、地方控股的國有企業(yè)均包含其中，但這些上市企業(yè)中多數(shù)已經(jīng)不是純粹的國有企業(yè)，有的已經(jīng)實(shí)施了混合所有制改革，有的屬于國有參股民營經(jīng)濟(jì)?；旌纤兄聘母锖蛧凶①Y可能會提高管理層能力或通過吸納人才流入，提升民營企業(yè)生產(chǎn)率［60-61］。二是國有企業(yè)管理層作為代理人的行為偏好發(fā)生了轉(zhuǎn)變。中央和地方近年來高度重視國有企業(yè)的創(chuàng)新活動，有研究發(fā)現(xiàn)中央的巡視監(jiān)督、業(yè)績考核，可能有益于生產(chǎn)率的增長［62-63］。

但必須注意，國有企業(yè)樣本未通過SYS-GMM水平方程關(guān)于內(nèi)生檢驗(yàn)的要求，表中報告的是差分GMM 的結(jié)果。這表明非國有企業(yè)數(shù)據(jù)的結(jié)果可能具有更高的可靠性。

（3）所有權(quán)結(jié)構(gòu)。

股權(quán)結(jié)構(gòu)是現(xiàn)代公司治理的重大問題，對企業(yè)行為偏好有顯著影響。傳統(tǒng)的資本所有者目的在于利潤最大化和市值最大化［64］。研發(fā)創(chuàng)新對生產(chǎn)率影響的后果取決于不同股權(quán)比例的控制人在最大化目標(biāo)下的行為偏好。模型（9）—（10）的結(jié)果表明，最終控制人持股比例高低，對企業(yè)研發(fā)創(chuàng)新與生產(chǎn)率的關(guān)系產(chǎn)生了顯著不同的影響。最終控制人持股比例較低的企業(yè)，除了當(dāng)期Rd 顯著的負(fù)向影響外，滯后一期和二期的研發(fā)投入對生產(chǎn)率均具有正向影響，回歸系數(shù)分別達(dá)到0.052 和0.063，分別在10%、5%的顯著水平上通過檢驗(yàn)。而持股比例高于50%即擁有通常意義上的絕對控股權(quán)的企業(yè)，其滯后期研發(fā)創(chuàng)新的影響雖然為正但均不顯著。

潘凌云等［65］專題研究了控股股東對企業(yè)全要素生產(chǎn)率的影響，發(fā)現(xiàn)持股比例與生產(chǎn)率之間存在正向的促進(jìn)效應(yīng)，與本研究對低持股比例的結(jié)論相吻合，但與絕對控股企業(yè)結(jié)果不完全一致。背后的原因可能是多樣的：一是股權(quán)集中度過高時，大股東控制權(quán)會影響企業(yè)的創(chuàng)新投入［66］，從而抑制研發(fā)創(chuàng)新投入對生產(chǎn)率的影響。樣本數(shù)據(jù)顯示，最終控制人持股比例高于50%的高股權(quán)集中度企業(yè)的研發(fā)強(qiáng)度為4.01%，低于低股權(quán)集中度企業(yè)的4.13%。盡管均值差異不大，但考慮到低股權(quán)集中度企業(yè)的樣本量達(dá)到了9 242，高股權(quán)集中度的企業(yè)本量只有1 893 家，這足以形成顯著的統(tǒng)計差異。二是股權(quán)集中度與研發(fā)創(chuàng)新之間可能并非線性關(guān)系，不同分位點(diǎn)的股權(quán)集中度與企業(yè)創(chuàng)新關(guān)系可能存在差異［67］，持股比例與研發(fā)行為間還可能存在最優(yōu)選擇問題［68］。三是本研究使用SYS-GMM 方法，控制了生產(chǎn)率的動態(tài)慣性，緩解了內(nèi)生性、遺漏變量等問題，可能造成研究結(jié)果的差異。

（4）行業(yè)集中度。

在一些研究中也將行業(yè)集中度稱為市場競爭度。本文發(fā)現(xiàn)，當(dāng)行業(yè)集中度低于樣本均值水平時，樣本數(shù)據(jù)滿足SYS-GMM 方法的相應(yīng)適用條件，當(dāng)期Rd 具有顯著的負(fù)向效應(yīng)，而其滯后一期和二期研發(fā)創(chuàng)新均具有顯著的正向影響，如表4 模型（11）所示。但當(dāng)行業(yè)集中度高于均值水平時，樣本數(shù)據(jù)SYSGMM 方法下對水平方程和差分方程的外生性檢驗(yàn)均不能通過。因此本文使用了差分GMM 方法進(jìn)行估計，作為一個參考，得到的結(jié)果如模型（12）所示。因此，當(dāng)行業(yè)集中度過高即企業(yè)相對壟斷地位較高、市場競爭激烈程度下降時，在差分GMM 方法下，研發(fā)創(chuàng)新對生產(chǎn)率的當(dāng)期效應(yīng)為負(fù)且不顯著，其滯后效應(yīng)僅第一期顯著為正，第二期為正但不顯著，且各回歸系數(shù)的數(shù)值大小明顯低于低行業(yè)集中度條件下的結(jié)果。

這一結(jié)果與前期文獻(xiàn)既有相同也有區(qū)別之處。如沈鴻等［69］發(fā)現(xiàn)，制造業(yè)的市場集中不利于企業(yè)生產(chǎn)率的提高；李衛(wèi)兵等［30］發(fā)現(xiàn)市場競爭程度不同的情況下，空氣污染對生產(chǎn)率存在差異，市場競爭程度不同可能會在一定程度上抵消（加重）企業(yè)生產(chǎn)率的損失。但他們沒有考慮到行業(yè)集中度高低可能帶來的異質(zhì)性問題。

4.3 穩(wěn)健性檢驗(yàn)

穩(wěn)健性檢驗(yàn)中，使用基準(zhǔn)模型中的SYS-GMM方法，主要變量均保持不變，考察替換被解釋變量或核心控制變量或變換樣本后結(jié)果的穩(wěn)健性。并且，均同時對相同變量設(shè)定下的OLS 回歸和雙固定效應(yīng)回歸，發(fā)現(xiàn)SYS-GMM 方法中得到的生產(chǎn)率滯后一期值的回歸系數(shù)均在雙固定效應(yīng)回歸和OLS 回歸模型的系數(shù)值之間，滿足SYS-GMM 模型設(shè)定的理論要求。限于篇幅，這里僅報告SYS-GMM 回歸中主要關(guān)注的變量的生產(chǎn)率滯后一期和當(dāng)期Rd 和滯后一期、二期的回歸結(jié)果。

（1）替換被解釋變量。

部分文獻(xiàn)中直接使用勞動生產(chǎn)率（勞均企業(yè)營業(yè)收入）作為被解釋變量。這里使用對數(shù)化勞動生產(chǎn)率（ln LP）替換OP 進(jìn)行穩(wěn)健性檢驗(yàn),表5 中報告了相關(guān)結(jié)果。模型（13）顯示，勞動生產(chǎn)率的滯后一期對當(dāng)期TFP 產(chǎn)生顯著影響，而且Rd 在當(dāng)前期具有顯著的負(fù)向影響，其滯后一期具有顯著的正向影響，在滯后二期的影響為正但不顯著。這一結(jié)果與基準(zhǔn)分析的結(jié)果基本一致，但基準(zhǔn)分析中滯后一期效應(yīng)不顯著而滯后二期顯著。

表5 基于替換被解釋變量、樣本變換的穩(wěn)健性檢驗(yàn)

（2）替換核心控制變量。

通常企業(yè)規(guī)模的統(tǒng)計有兩個指標(biāo)，一是企業(yè)資產(chǎn)規(guī)模，一是企業(yè)員工規(guī)模。大多數(shù)的研究使用前者，這里參照Bong 等［34］的研究，用企業(yè)員工數(shù)量對數(shù)Labor 替換基準(zhǔn)回歸中的資產(chǎn)規(guī)模。表5 模型（14）顯示，勞動生產(chǎn)率的滯后一期對當(dāng)期TFP 產(chǎn)生顯著影響，而且當(dāng)期Rd 具有顯著的負(fù)向影響，其滯后一期、二期均具有顯著的正向影響。

（3）置換樣本檢驗(yàn)。

數(shù)據(jù)顯示，樣本區(qū)間的選擇往往對結(jié)果造成明顯影響。本文對此進(jìn)行了檢驗(yàn)。基準(zhǔn)回歸中的樣本為2011—2020 年，檢驗(yàn)中依次刪除2011、2011—2012、2011—2013 等年份的樣本，發(fā)現(xiàn)：刪除2011、2011—2012、2011—2013、2011—2014 時，樣本滿足SYS-GMM 方法的使用條件，生產(chǎn)率的滯后一期顯著促進(jìn)當(dāng)期TFP 增長、當(dāng)期Rd 顯著抑制TFP，Rd 滯后一期不顯著，滯后二期顯著正向促進(jìn)TFP，與基準(zhǔn)回歸一致；刪除更多年份時，樣本不再滿足SYS-GMM 方法對水平差分方程的外生性檢驗(yàn)要求。僅2016—2020 樣本滿足差分GMM 回歸要求，此時生產(chǎn)率的滯后一期顯著促進(jìn)當(dāng)期TFP 增長、當(dāng)期Rd 顯著抑制TFP，RD 滯后一期顯著為正，但滯后二期效應(yīng)不顯著。當(dāng)進(jìn)一步刪除樣本時，不滿足SYS-GMM 方法對“大N小T”中T的年份要求。為節(jié)省篇幅，表5 中僅報告了保留樣本區(qū)間2015—2020 和2016—2020 時的結(jié)果。

總體看，結(jié)果與基準(zhǔn)模型基本一致。主要的不同之處除了回歸系數(shù)的大小外，Rd 對生產(chǎn)率的滯后效應(yīng)要么為滯后一期顯著，要么為滯后二期顯著，僅替換核心控制變量企業(yè)資產(chǎn)規(guī)模Size 為員工規(guī)模時，Rd 的滯后一期和二期效應(yīng)均顯著。分析樣本區(qū)間對適用的SYS-GMM 或差分GMM 有選擇性，由此也對實(shí)證結(jié)果產(chǎn)生顯著差異化的影響。

4 結(jié)論與建議

4.1 結(jié)論

在全球保護(hù)主義思潮和行為頻仍之下，創(chuàng)新驅(qū)動發(fā)展成為國家高度重視的戰(zhàn)略選擇。上市制造業(yè)企業(yè)是國家產(chǎn)業(yè)競爭的重要核心力量，在破解我國關(guān)鍵核心技術(shù)領(lǐng)域“卡脖子”難題中肩負(fù)著重大的歷史使命，必須將研發(fā)投入和生產(chǎn)率提升作為企業(yè)發(fā)展的重要命題?；诖?，本文以2011—2020 年我國滬深A(yù) 股制造業(yè)企業(yè)為研究對象，基于全要素生產(chǎn)率模型分析了研發(fā)創(chuàng)新對于企業(yè)生產(chǎn)率是否具有促進(jìn)作用。主要結(jié)論:

實(shí)證分析的基準(zhǔn)回歸發(fā)現(xiàn)，在控制企業(yè)全要素生產(chǎn)率滯后一期的內(nèi)生性作用后，企業(yè)研發(fā)強(qiáng)度對當(dāng)期生產(chǎn)率具有抑制效應(yīng)，但滯后二期的研發(fā)投入具有顯著的促進(jìn)效應(yīng)。

異質(zhì)性分析發(fā)現(xiàn),東部地區(qū)企業(yè)研發(fā)創(chuàng)新表現(xiàn)出與基準(zhǔn)回歸基本一致的結(jié)果，國有企業(yè)和非國有企業(yè)研發(fā)創(chuàng)新促進(jìn)效應(yīng)顯著，而且非國有企業(yè)滯后一期和二期效應(yīng)均顯著為正，最終控制人持股比例高于50%和行業(yè)集中度高于樣本均值時抑制研發(fā)創(chuàng)新。

穩(wěn)健性分析表明，替換被解釋變量對研發(fā)創(chuàng)新發(fā)揮促進(jìn)效應(yīng)的滯后期帶來影響，替換核心控制變量企業(yè)資產(chǎn)規(guī)模為企業(yè)員工數(shù)量時研發(fā)創(chuàng)新促進(jìn)效應(yīng)在滯后一期和二期時均顯著為正，通過依次刪除樣本的方式發(fā)現(xiàn)，大多數(shù)樣本年份的回歸結(jié)果不拒絕研發(fā)創(chuàng)新具有滯后一期或二期的顯著正向促進(jìn)效應(yīng)。

本研究發(fā)現(xiàn)，引入被解釋變量生產(chǎn)率的滯后效應(yīng)后，模型更好地捕捉了研發(fā)創(chuàng)新對生產(chǎn)率的滯后效應(yīng)。這表明我國實(shí)施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略取得具有積極成效。同時，研發(fā)創(chuàng)新的滯后僅在一期或二期顯著的結(jié)果也說明，創(chuàng)新的持續(xù)期限較短，可能需要更加關(guān)注創(chuàng)新投入的質(zhì)量和經(jīng)濟(jì)效益，避免創(chuàng)新投入的泡沫及經(jīng)濟(jì)效益的短視性。

4.2 對策建議

本文研究結(jié)果對企業(yè)的微觀創(chuàng)新實(shí)踐和政府的宏觀政策制定具有以下的啟示意義：

（1）企業(yè)要構(gòu)建持續(xù)創(chuàng)新格局，提升創(chuàng)新效益，避免思維短視。實(shí)證結(jié)果既表明了企業(yè)研發(fā)創(chuàng)新對于生產(chǎn)率增長的積極意義，也揭示了企業(yè)具有短視的局限性。面向高質(zhì)量發(fā)展需求，企業(yè)要繼續(xù)加大研發(fā)投入，無論國有企業(yè)和非國有企業(yè)要加大關(guān)鍵核心技術(shù)攻關(guān)，提高研發(fā)創(chuàng)新投入的質(zhì)量，產(chǎn)出高價值的專利技術(shù)和創(chuàng)新性產(chǎn)品，為企業(yè)生產(chǎn)率增長提供支撐。

（2）政府要加強(qiáng)創(chuàng)新政策引導(dǎo)，規(guī)范公司治理，優(yōu)化競爭行為。過度的股權(quán)集中和市場壟斷行為會損害企業(yè)研發(fā)創(chuàng)新和生產(chǎn)率提升。政府在鼓勵市場主體研發(fā)投入時，有必要加強(qiáng)對創(chuàng)新主體資本、市場競爭活動的監(jiān)管，鼓勵和引導(dǎo)企業(yè)適當(dāng)降低股權(quán)集中度，遏制市場集中度過高對創(chuàng)新活動產(chǎn)生的負(fù)面后果。

（3）政府要優(yōu)化區(qū)域創(chuàng)新格局，注重特色發(fā)展，促進(jìn)共同發(fā)展。東部區(qū)域具有明顯的創(chuàng)新優(yōu)勢和效率優(yōu)勢，這是馬太效應(yīng)和經(jīng)濟(jì)規(guī)律的結(jié)果。盡管不能實(shí)現(xiàn)完全的區(qū)域均衡，但中央可以考慮如何在追求效率的同時，通過提供便利和政策優(yōu)惠使得產(chǎn)學(xué)研金跨區(qū)域配置，推動中西部地區(qū)創(chuàng)新效率提升。