曹 澤 段宗志 吳昌宇

(1.南京航空航天大學(xué)經(jīng)濟管理學(xué)院，江蘇 南京210016;2.安徽建筑工業(yè)學(xué)院，安徽合肥230601)

中國區(qū)域TFP增長的R＆D貢獻測度與評價

曹 澤1，2段宗志2吳昌宇2

(1.南京航空航天大學(xué)經(jīng)濟管理學(xué)院，江蘇 南京210016;2.安徽建筑工業(yè)學(xué)院，安徽合肥230601)

論文基于中國各省級區(qū)域1997－2008年的數(shù)據(jù)，研究了R＆D投入及其溢出對TFP增長的貢獻。與現(xiàn)有文獻不同的是，我們將R＆D投入分解成不同類型:來自政府的投入和來自企業(yè)的投入，將區(qū)域技術(shù)成交額作為區(qū)域間R＆D溢出的測度。同時，通過Malmquist指數(shù)把TFP增長區(qū)分出來自于技術(shù)效率和來自技術(shù)進步率兩個因素。結(jié)果發(fā)現(xiàn)，12年來我國各地區(qū)TFP平均增長0.2%。其中，技術(shù)進步的貢獻為0.9%，而技術(shù)效率不僅沒有帶來TFP增長，反而造成了0.7%的TFP損失。不同類型的R＆D活動對TFP影響的程度和方向不同:企業(yè)R＆D投入對TFP作用的效果最大，且對于東部地區(qū)TFP的作用大于中、西部;R＆D溢出(技術(shù)交易)帶來的TFP效應(yīng)居其次，且對西部地區(qū)TFP的作用大于中部，對中部地區(qū)的作用大于東部;而政府R＆D投入的TFP彈性在三個地區(qū)均為負值。這些差異給區(qū)域科技政策的制定提供了參考依據(jù)。

R＆D投入;R＆D溢出;TFP增長;Malmquist指數(shù)

微觀經(jīng)濟理論證實要素投入效率邊際遞減，否則將會出現(xiàn)單個企業(yè)主宰世界的情況。20世紀80年代中后期，保羅·羅默創(chuàng)造性的將資本報酬分為私人報酬和社會報酬兩個部分，假定資本報酬不變，但是這種不變的報酬并不能為廠商全部攫取，產(chǎn)生了社會報酬，私人報酬遞減，別的廠商生產(chǎn)率提高，這樣就不會產(chǎn)生一家壟斷的趨勢。那么哪一類資本投入不僅會產(chǎn)生私人報酬，還能帶來社會報酬呢?羅默發(fā)現(xiàn)對于研究工作的投資具有這樣的特點。研發(fā)投入不僅產(chǎn)生新機器，而且產(chǎn)生新的工作方式。盡管廠商可以獲得新機器的全部利益，但由于方法與思想易于復(fù)制，知識溢出是必然的［1］。確立了技術(shù)創(chuàng)新投入的報酬特征，便找到了經(jīng)濟內(nèi)生增長的基礎(chǔ)，此即為新增長理論［2］。根據(jù)新增長理論，許多研究者依據(jù)全要素生產(chǎn)率(TFP)方法分析經(jīng)濟增長的來源，以此判斷經(jīng)濟增長模式的可持續(xù)性［3－4］。新經(jīng)濟增長理論與R＆D投入績效研究成果豐碩，但也存在一些不足。一是對產(chǎn)業(yè)之間和公司之間的R＆D外部性研究較多，而對一國之內(nèi)地區(qū)之間R＆D外部現(xiàn)象研究較少;二是R＆D投入有來源結(jié)構(gòu)差異，我國學(xué)者常常把不同來源的R＆D投入作為一個整體。在這篇論文中，我們將使用中國省級區(qū)域面板數(shù)據(jù)，采用Malmquist指數(shù)法對全要素生產(chǎn)率進行測算，全面分析各省級區(qū)域TFP變動率、技術(shù)進步率以及技術(shù)效率及其變動率的趨勢;同時，將R＆D投入進行分類，深入分析其對全要素生產(chǎn)率、技術(shù)進步率以及技術(shù)效率變動的影響，并據(jù)此提出優(yōu)化中國區(qū)域創(chuàng)新投入結(jié)構(gòu)的政策建議。

1 模型的選取

1.1 DEA-Malmquist指數(shù)方法

全要素生產(chǎn)率TFP是本研究中的一個關(guān)鍵變量。由于傳統(tǒng)增長核算法測定出的TFP值不僅包括技術(shù)進步推動的生產(chǎn)可能性邊界移動，還包括規(guī)模效應(yīng)、配置變化以及隨機誤差的影響。因此，客觀上已不能科學(xué)測度TFP值及其結(jié)構(gòu)。我們選擇當(dāng)前廣為使用的經(jīng)濟計量法，這一方法能將全要素生產(chǎn)率分解為技術(shù)效率和技術(shù)進步率等。根據(jù)本研究的條件和需要，我們選擇其中的 DEAMalmquist指數(shù)法?；驹砣缦?

對于一個投入產(chǎn)出系統(tǒng)，在每一個特定時期t=1，2，…，T，假設(shè)有K個生產(chǎn)要素投入，M個產(chǎn)出，投入集合為x∈，產(chǎn)出集合為y∈，ω為達到生產(chǎn)前沿面時產(chǎn)出要素的增加比率，則在時期t、技術(shù)參考集處于固定規(guī)模報酬C和技術(shù)環(huán)境S條件下，基于投入前沿面的距離函數(shù)可表示 為:Di(x，y)=min{ ω∶(x/ω，y)∈(C，S)}。由 于Malmquist指數(shù)描述的是不同時期決策單元的效率演進，因此分別給出時期t和t+1的距離函數(shù)ω∶(xt/ω，yt)∈(C，S{})

基于時期t和t+1的距離函數(shù)，我們可以分別測度在時期t和時期t+1技術(shù)條件下的技術(shù)效率變化，分別是:

根據(jù)Fare等的研究，通過對處于不同時期技術(shù)條件下的兩個Malmquist指數(shù)取幾何平均值，從而實現(xiàn)對效率變化的測算。得到基于投入前沿面(C，S)條件下的Malmquist效率指數(shù):

1.2 R＆D投入與TFP關(guān)系模型

不失一般性，關(guān)于R＆D對TFP增長的貢獻測度，我們采用Cobb-Douglas生產(chǎn)函數(shù)模型。假定t年有2種投入:資本(K)和就業(yè)(L)，對應(yīng)于一種產(chǎn)出Yit。生產(chǎn)函數(shù)模型表述如下:

根據(jù)上述分析，全要素生產(chǎn)率TFP的水平取決于技術(shù)進步率TC和技術(shù)效率EC。技術(shù)效率變化率EC＞1表明前沿面下的決策單元向前沿面趨近，效率改善，而EC＜1則表明遠離前沿面，效率退步;技術(shù)進步指數(shù)(TC)是前沿面在區(qū)間t和t+1變化的幾何平均值，描述了從t期至t+1期每個決策單元到生產(chǎn)前沿面的追趕過程。TC＞1表示生產(chǎn)可能性邊界向外移動，即技術(shù)進步;該指數(shù)等于1時，表明相鄰兩期的技術(shù)效率并未發(fā)生改變;當(dāng)該指數(shù)小于1時，則表明其與最優(yōu)決策單元組成的生產(chǎn)前沿面差距在進一步拉大。當(dāng)Malmquist指數(shù)

其中，Yit表示第i區(qū)域t年的國民生產(chǎn)總值(GDP)，他是技術(shù)進步函數(shù)Ait(·)與一般要素投入函數(shù)Fit(·)的結(jié)合。進一步的，F(xiàn)it(·)被認為具有同質(zhì)性，依賴于實物資本存量(Kit)和就業(yè)(Lit)。同時，根據(jù)內(nèi)生增長理論，技術(shù)進步函數(shù)Ait(·)是R＆D投入存量(Rit)，技術(shù)溢出量(SRit)等作用的結(jié)果。由(1)式，我們定義全要素生產(chǎn)率TFP為:

通過對(2)式取自然對數(shù)，TFP可以表達成如下形式:

方程(3)表明t年i區(qū)域的TFP是由該區(qū)域的R＆D投入Rit和區(qū)域之間的R＆D溢出決定的。與現(xiàn)存文獻不同，我們將R＆D投入?yún)^(qū)分為來自政府的財政投入(FR)和來自企業(yè)的研發(fā)投入(ER)。將(3)式整理為:

其中，TFP為全要素生產(chǎn)率，F(xiàn)Rit和ERit分別是來自i區(qū)域t年政府的財政R＆D投入和企業(yè)的R＆D投入;SRit是區(qū)域技術(shù)交易額，包括國內(nèi)區(qū)域之間的技術(shù)交易和國外的技術(shù)引進費用。βi為待估參數(shù)，εit為隨機擾動項。

2 數(shù)據(jù)的來源與處理

TFP計算所用到的GDP、勞動力及固定資本投入數(shù)據(jù)取自1998－2009的《中國統(tǒng)計年鑒》?？紤]到從R＆D投入到TFP的表現(xiàn)有一個滯后，政府的 R＆D投入、企業(yè)R＆D投入、表示R＆D溢出的區(qū)域技術(shù)交易額取自1998－2008的《中國科技統(tǒng)計年鑒》。由于幾乎全部企業(yè)R＆D投入來自大中型工業(yè)企業(yè)，因此，我們選擇各地區(qū)大中型工業(yè)企業(yè)研究與試驗發(fā)展經(jīng)費作為企業(yè)R＆D投入;政府R＆D投入既包括來自中央政府，又包括來自地方政府的財政R＆D投入。區(qū)域間R＆D溢出，用技術(shù)市場技術(shù)成交合同金額表示。這一核算數(shù)據(jù)在2000年出版的《中國科技統(tǒng)計年鑒》開始發(fā)布，但其中包括了2000年前直到1992年的數(shù)據(jù)?；跀?shù)據(jù)的可得性及研究目的，本文所使用的數(shù)據(jù)最早延至1997年，最近可到2008年。

由于統(tǒng)計年鑒中給出的GDP是采用當(dāng)年價格進行計算的，年度之間的數(shù)據(jù)不能夠直接比較，必須扣除價格因素將其轉(zhuǎn)變?yōu)榘床蛔儍r格計算的生產(chǎn)總值。以1990年為基期，將年鑒中以現(xiàn)價表示的名義GDP換算成以1990年為基期的實際GDP;勞動投入我們用每年的就業(yè)人口計量;由于GDP產(chǎn)出不僅是當(dāng)年資本投入的結(jié)果，更多的是存量資本發(fā)揮了作用，因此資本投入變量K采用存量計算。存量資本K的估算我們選擇較為廣泛使用的永續(xù)盤存法。t時期的資本存量(Kt)等于當(dāng)期新增加的投入kt加上一期的存量(Kt－1)再減去折舊(δ為折舊率):

應(yīng)用(5)式估算資本存量必須解決以下兩個問題:一是折舊率δ的確定，二是初始資本存量的估算。張軍等的做法是直接取折舊率δ為9.6%，初始資本存量由當(dāng)年的固定資本形成總額除以10%得出［5］。OECD科學(xué)、技術(shù)與產(chǎn)業(yè)統(tǒng)計分析部門取折舊率為12%。為方便起見，折舊率的估算我們采取和張軍、OECD等一致的做法，折中取為10%。初始資本存量我們采用等比求和方式估算。為此我們構(gòu)造如下模型:

同樣，研發(fā)的投入行為也是一個積累的過程，研發(fā)產(chǎn)出不僅取決于當(dāng)期的研發(fā)經(jīng)費投入，也和過去時期研發(fā)投入密切相關(guān)，我們使用和固定資產(chǎn)投入計算同樣的方法，測算各區(qū)域的研發(fā)經(jīng)費存量。但是考慮到R＆D投入折舊速度更快，參考一般文獻，我們將其折舊率取為12%。

3 TFP及其分解指數(shù)的計算

經(jīng)過上述GDP平減、資本存量計算后，我們得到一個涉及GDP產(chǎn)出，資本累積投入和勞動力投入三個變量的縱向包括12年(1997－2008)，橫向覆蓋30個省級區(qū)域(西藏數(shù)據(jù)多有缺失，分析中將其略去)的面板數(shù)據(jù)?；?.1中的方法，我們建立一個投入集x={k，l}，產(chǎn)出集y={GDP} ，時期t=1，2，...，12，具有 30 個決策單元的DEA-Malmquist指數(shù)模型。應(yīng)用DEAP 2.1軟件包，計算出Malmquist指數(shù)(MC)及其分解指數(shù):技術(shù)效率(EC)和技術(shù)進步率(TC)，如圖1所示。

圖1 1997－2008全國省級區(qū)域TEP指數(shù)及其分解指數(shù)Fig.1 1997 －2008 TFP index of provincial regions and its decomposition index

圖1顯示，12年來全國30個省區(qū)平均Malmquist指數(shù)為1.002，TFP值平均年增長0.2%。從TFP的構(gòu)成看，年均0.2%的增長主要來自于技術(shù)進步的推動，技術(shù)進步帶來TFP平均增長0.9%，而技術(shù)效率(EC)同期導(dǎo)致TFP損失0.7%。這種主要由技術(shù)進步推動，同時技術(shù)效率曾下降趨勢的TFP增長，與Zheng and Hu，顏鵬飛等人的研究是一致的［6－7］。實際上，TFP的正增長與EC的負增長開始于2002年，從那時起，技術(shù)進步一直在持續(xù)，而技術(shù)效率不斷下降。如1.1所討論的那樣，技術(shù)進步指的是前沿面的外移，而技術(shù)效率下降指的是現(xiàn)有資源配置遠離前沿面。中國各省級區(qū)域技術(shù)進步與技術(shù)資源配置帶來的TFP變動顯示中國各地區(qū)熱衷于發(fā)展或引進先進的技術(shù)，陶醉于走在技術(shù)發(fā)展的前列，而對于現(xiàn)有技術(shù)的合理配置與使用往往做得不夠。即使是TFP正增長的省區(qū)，其技術(shù)效率也存在下降的情況。不過從時間序列來看，這一狀況在2006年之后正逐漸扭轉(zhuǎn)，現(xiàn)有技術(shù)的有效利用正受到重視。

4 R＆D投入與溢出對TFP作用的實證分析

由于11年的時間序列數(shù)據(jù)難以準(zhǔn)確評價R＆D與生產(chǎn)效率之間的關(guān)系，截面數(shù)據(jù)又不能反映變化的動態(tài)趨勢。因此本文采用面板數(shù)據(jù)模型對R＆D與生產(chǎn)效率之間關(guān)系問題進行研究。為了使模型具有較好的統(tǒng)計學(xué)意義和現(xiàn)實意義，在具體應(yīng)用中，還需要進一步確定模型的參數(shù)形式。

第一，選擇變截距模型、變系數(shù)模型還是混合回歸模型。選擇的方法是協(xié)方差檢驗，主要檢驗以下兩個假設(shè):

H1:斜率系數(shù)和截距系數(shù)在不同的橫截面樣本點和時間上都相同，即用混合回歸模型。

H2:斜率系數(shù)在不同的橫截面樣本點和時間上都相同，但截距不同，即用變截距模型。

檢驗是通過兩個F檢驗進行的，F(xiàn)統(tǒng)計量構(gòu)造如下:

其中，S1、S2和S3分別為變系數(shù)模型，變截距模型以及混合回歸模型的殘差平方和。在給定的顯著性水平下，先利用F1統(tǒng)計量判斷是否為混合回歸模型。若F1小于臨界值，則接受原假設(shè)H1，認為模型中的參數(shù)與個體無關(guān)，用混合回歸模型估計;否則，需繼續(xù)利用F2統(tǒng)計量對H2進行檢驗，若F2小于臨界值，則接受原假設(shè)H2，模型設(shè)定為變截距模型進行估計，若F2大于臨界值，則拒絕原假設(shè)H2，我們采用變系數(shù)模型進行估計。

第二，如果模型確定為變截距或變系數(shù)模型，還需要進一步確定是選擇固定效應(yīng)模型還是隨機效應(yīng)模型。由于在進行區(qū)域比較時，論文使用的數(shù)據(jù)包含了全部研究對象，而不是總體中的部分樣本，因此我們建立的模型不論是變截距還是變系數(shù)模型均采用固定效應(yīng)的回歸模型。

4.1 模型的選擇與實證分析

以(4)式為面板數(shù)據(jù)回歸模型的一般形式。F檢驗顯示，不論是以TFP為因變量還是以其分解變量EC或TC為因變量的回歸模型，就全國數(shù)據(jù)來說，都僅適用變系數(shù)模型進行估計。顯然，這種變系數(shù)模型估計的結(jié)果對于探索不同類型R＆D投入規(guī)律沒有任何積極意義。這主要是由于全國范圍內(nèi)省域之間發(fā)展不平衡造成的。文獻表明這種不平衡又有結(jié)構(gòu)性的特征，中國東、中、西部三大區(qū)域內(nèi)，在經(jīng)濟成長，科研投入，以及生產(chǎn)效率等方面具有相近之處。因此，我們把除西藏之外的30個省級區(qū)域分成東部、中部和西部三個區(qū)域進行研究。而且，劃分之后，“窄而長”(界面較窄，時間序列較長)的數(shù)據(jù)更適于面板回歸分析。

應(yīng)用三類模型對東、中、西部三個區(qū)域進行回歸分析，分別計算出殘差平方和S1、S2、S3，構(gòu)造F統(tǒng)計量，進行F檢驗，根據(jù)檢驗結(jié)果選擇適合的一種模型，計算每一地區(qū)不同類型R＆D投入及其溢出對TFP及其分解指數(shù)的貢獻。結(jié)果見表1。

由表1可以看出，以TFP、EC和TC為因變量的回歸結(jié)果中，F(xiàn)值最低達到9.56，模型整體上是合適的:調(diào)整后的擬合優(yōu)度R2最低為0.483，擬合效果較好;D.W檢驗表明模型中各變量不存在一階自相關(guān)，因此估計是有效的。不同因變量回歸結(jié)果顯示，東、中、西部各自區(qū)域內(nèi)具有較為一致的變動趨勢，其中，東、中部地區(qū)均為變截距模型，相同的系數(shù)說明R＆D投入及溢出對TFP等的彈性沒有顯著地不同;不同的截距說明R＆D之外的其他因素對TFP等的影響差異較大。而西部地區(qū)為混合回歸模型，說明西部地區(qū)不僅R＆D投入及溢出的作用類同，而且省區(qū)之間其他因素的影響也大致相同。

表1 回歸模型的選擇與分析結(jié)果Tab.1 The regression model selection and analysis results

4.2 全要素生產(chǎn)率TFP的決定

根據(jù)表1，從政府投入(FR)來看，東部地區(qū)TFP彈性β1為－0.013，中、西部地區(qū)政府投入(FR)的 TFP 彈性為－0.016和－0.009，三個地區(qū)此類投入的TFP彈性均為負值。政府R＆D投入的增加，分別帶來各自地區(qū)全要素生產(chǎn)率降低。但這種情況并不奇怪，Steliana Sandu根據(jù)羅馬尼亞1996－2006年的數(shù)據(jù)研究發(fā)現(xiàn)政府的R＆D投入每增加1%，將帶來全要素生產(chǎn)率1.89%的降低［8］，其他文獻也有相似結(jié)論。原因大概有以下幾個方面:一是政府R＆D資源配置不當(dāng)，導(dǎo)致科技產(chǎn)出效益較差;二是來自政府的R＆D投入更多的是投向了高校及科研院所，而高校及科研院所的研發(fā)主要集中于基礎(chǔ)類研究，為企業(yè)技術(shù)創(chuàng)新提供基礎(chǔ)知識;其次，政府R＆D投入涉及到許多公共項目，并不直接作用于生產(chǎn)力，比如環(huán)境保護、健康醫(yī)療等;尤其是，用于軍事目的的研發(fā)不僅不具有提高生產(chǎn)效率的作用，可能一定程度上還會抑制生產(chǎn)力的進步，所有這些都導(dǎo)致了政府投入不僅沒能增進生產(chǎn)的效率，反而起到了相反的作用。

來自企業(yè)的R＆D累積投入(ER)對TFP增長彈性，東、中、西部分別達到 0.044，0.023 和 0.018，在顯著性水平為0.05的情況下，T檢驗顯著。企業(yè)R＆D投入對各地區(qū)TFP增長都有正的溢出效應(yīng)。國家把企業(yè)作為科技創(chuàng)新主體，其原因正是其服務(wù)經(jīng)濟，促進生產(chǎn)效率提高的重要作用。盡管三個地區(qū)企業(yè)R＆D投入都有正彈性，但是彼此差異較大。東部大致是中西部地區(qū)的二倍。其中原因在于:一是階梯式改革的道路，東部地區(qū)由于地理位置、經(jīng)濟基礎(chǔ)等成為我國改革開放的最先受益者。政策的傾斜、股份制改革，合資、合作企業(yè)的涌現(xiàn)等激活了企業(yè)創(chuàng)新意愿，提升了企業(yè)科技創(chuàng)新水平;二是人才差異，東部地區(qū)各方面的有利條件吸引了大批人才，“孔雀東南飛”，人才優(yōu)勢增強了企業(yè)創(chuàng)新能力;三是企業(yè)科技創(chuàng)新投入結(jié)構(gòu)，企業(yè)R＆D投入既有來自企業(yè)自身的投入，也有政府財政的支持，一般來說，來自企業(yè)自身的投入效果更好［9］，統(tǒng)計數(shù)據(jù)顯示，東部地區(qū)科技創(chuàng)新投入中來自企業(yè)自身的比例大于西部地區(qū)。

區(qū)域間R＆D溢出(SR)在東、中、西各區(qū)域的TFP彈性 β3分別為0.043、0.067、0.071，在 0.05 的顯著性水平下，T檢驗顯著。相較于自主創(chuàng)新的R＆D投入，技術(shù)引進是一種成本低、見效快、收益大的支出。對同一技術(shù)來說，引進的成本小于自身發(fā)明的成本，同時，技術(shù)引進還可以利用當(dāng)前沒有能力開發(fā)的新技術(shù)。任何一個地區(qū)的技術(shù)資源相對于整個國家、整個世界來說只能是其中的一小部分，通過技術(shù)引進和交流充分利用既有的先進技術(shù)，促進效率提高，是地區(qū)經(jīng)濟發(fā)展的理性選擇。β3顯示，技術(shù)引進對TFP的作用:西部大于中部，中部大于東部。Guellec＆van Pottelsberghe認為，技術(shù)引進對于小國的作用比對于大國重要;對于后發(fā)國家比對于發(fā)達國家重要［10］。本文結(jié)果說明:G－P理論對于區(qū)域發(fā)展不平衡的同一個國家來說也是適用的，這樣的差異使地區(qū)經(jīng)濟從不平衡走向收斂成為可能。

R＆D之外的因素對全要素生產(chǎn)率(TFP)也產(chǎn)生重要影響。它們對TFP的作用通過回歸結(jié)果的截距項反映出來。東、中部地區(qū)截距項均值分別為:0.284、0.204，西部地區(qū)的截距項為0.067。東部大于中部，中部又大于西部，R＆D起作用的基礎(chǔ)在三個地區(qū)有很大不同。從同一地區(qū)內(nèi)部來看，東部各省區(qū)中，北京、上海在勞動力素質(zhì)、基礎(chǔ)設(shè)施和行政能力等方面較為領(lǐng)先，它們的截距最大;江蘇、廣東居其次，且在地理位子、開放度等方面有優(yōu)勢，它們的截距也在0.3以上;相對于東部其他地區(qū)，遼寧、河北在各方面不具有優(yōu)勢，綜合要素對TFP產(chǎn)生的影響較小。中部地區(qū)截距項較高的省份是湖北、河南和湖南，較低的是江西和山西。西部各省區(qū)具有相同的截距項，而且T檢驗顯著，說明這些省區(qū)社會科技經(jīng)濟及文化背景相似，對TFP有相同的影響。

4.3 技術(shù)效率(EC)的決定

以EC為因變量的三個地區(qū)基于面板數(shù)據(jù)的回歸結(jié)果中，政府R＆D投入的技術(shù)效率(EC)彈性在東、中部地區(qū)為負，而且統(tǒng)計顯著，說明政府投入在東中部地區(qū)投入越多，技術(shù)效率變得越差，距離生產(chǎn)前沿面越遠;在西部地區(qū)為正，但統(tǒng)計不顯著，尚不能說明政府R＆D投入對該地區(qū)技術(shù)效率(EC)的改善起到積極的作用。不僅政府投入，企業(yè)投入(ER)對技術(shù)效率的改善也并非在每一個地區(qū)都起到積極地作用。東部地區(qū)企業(yè)投入的TFP彈性β2為正，T檢驗顯著，其對技術(shù)效率的作用是積極地。中、西部地區(qū)β2均為負，其中，中部地區(qū)對應(yīng)T檢驗統(tǒng)計顯著，西部不顯著，說明中部地區(qū)企業(yè)投入對技術(shù)效率的改善起到反作用，而西部尚不能在95%的置信度水平下確認其對技術(shù)效率的改善具有相反的作用。表示R＆D溢出的技術(shù)交易SR的系數(shù)，三個地區(qū)均為負值，盡管數(shù)值較小，但統(tǒng)計顯著。這是一種令人匪夷所思的窘?jīng)r，技術(shù)交易的目的本應(yīng)當(dāng)起到補強的作用，能夠促進技術(shù)效率的改善，但是中國區(qū)域間技術(shù)交易卻帶來了效率的損失。究其原因，我們可以歸納為三個方面:一是只重視通過技術(shù)引進提升技術(shù)水平，而不重視引進后的消化吸收;二是重復(fù)引進造成資源的浪費;三是引進的技術(shù)為落后淘汰技術(shù)，不具有競爭力等。

同樣，在以EC為因變量的回歸模型中，截距項反映了R＆D投入及區(qū)域間溢出以外的因素對技術(shù)效率的作用。東、中部地區(qū)截距項均值分別為:0.011、0.063，西部地區(qū)截距項為0.006，其中，中部最大，東部次之，西部最小(但統(tǒng)計不顯著)，反映了中部地區(qū)R＆D之外的因素對技術(shù)效率提高作用最大，從同一地區(qū)內(nèi)部來看，東部各省區(qū)中，北京、上海和天津較高，而福建和遼寧在該指標(biāo)上為負值，反映了R＆D之外的因素降低了各自技術(shù)效率;中部地區(qū)截距項較高的省份是河南、湖南和湖北，較低的是江西和山西。

4.4 技術(shù)進步率(TC)的決定

來自政府的R＆D投入FR對東、中、西部三個地區(qū)TFP 的溢出彈性 β1分別為 0.012、0.003 和 0，其中東、中部地區(qū)統(tǒng)計顯著，西部地區(qū)p值為0.99，統(tǒng)計不顯著，可以看出，F(xiàn)R促進了東、中部地區(qū)的技術(shù)進步，而且對東部的作用遠大于對中部的作用，對西部的作用尚不明確;來自企業(yè)R＆D投入ER對東、中、西三個地區(qū)的溢出彈性β2分別是0.038、0.034 和0.028，p 值均小于0.05，T 檢驗顯著，ER在促進三個地區(qū)技術(shù)進步率方面發(fā)揮了積極的作用，其中，東部地區(qū)企業(yè)研發(fā)投入對技術(shù)進步的作用更突出;R＆D溢出SR對技術(shù)進步率的彈性分別為0.031、0.034和0.017，技術(shù)交易盡管對于技術(shù)效率的提高不利，但是卻大大推動了技術(shù)進步率的提高。在截距項方面，東中部地區(qū)平均值分別為:0.265 和 0.113，西部地區(qū)為0.062，說明R＆D以外的因素對技術(shù)進步也都起到積極作用，其中，對東部地區(qū)作用最大，中部次之，西部最小。

綜上，在政府投入方面，盡管FR促進了技術(shù)進步率的提高，但由于帶來的技術(shù)效率損失較大，使得對全要素生產(chǎn)率彈性總的表現(xiàn)為負值;來自企業(yè)的R＆D投入在東部地區(qū)對技術(shù)效率和技術(shù)進步率都起到促進作用，對中、西部地區(qū)的技術(shù)進步率也作用明顯，因而對三個地區(qū)的TFP增長都有正的彈性;R＆D溢出也通過大大提高技術(shù)進步率，抵消了對技術(shù)效率的負面作用，而促進了全要素生產(chǎn)率的增長;從截距項看，三個地區(qū)R＆D之外的因素對技術(shù)進步率、技術(shù)效率的作用都為正，當(dāng)然對全要素生產(chǎn)率的作用也是積極的。

5 結(jié)論與政策建議

研發(fā)活動對生產(chǎn)率和經(jīng)濟增長起著決定性作用，而且不同類型的R＆D投入具有不同的TFP彈性。通過對中國東、中和西部各省級區(qū)域11年面板數(shù)據(jù)的分析，我們推斷R＆D投入確實能夠促進中國區(qū)域TFP的增長，這種積極效應(yīng)主要來自于技術(shù)進步，而技術(shù)效率導(dǎo)致區(qū)域TFP的降低。其原因除前面的分析之外，還有可能是各地區(qū)政府和企業(yè)致力于通過增加R＆D投入，購買或開發(fā)新的和更高級的技術(shù)，提高本地區(qū)的創(chuàng)新力，增強競爭力，而忽視對現(xiàn)有技術(shù)的優(yōu)化配置和合理應(yīng)用。開發(fā)或引進的技術(shù)越前沿，現(xiàn)有技術(shù)越是容易被邊緣化，效率利用越低。據(jù)此，我們判斷中國各個地區(qū)通過將R＆D資源應(yīng)用于提高現(xiàn)有技術(shù)的利用效率，挖掘現(xiàn)有技術(shù)的潛力，或?qū)⒛軌蛱嵘?jīng)濟發(fā)展水平，促進TFP的增長。

具體在政策實施中，我們將根據(jù)不同類型的R＆D投入領(lǐng)域(基礎(chǔ)研究、應(yīng)用研究或?qū)嶒為_發(fā))、投入的區(qū)域，對TFP影響方式(TC或EC)、影響方向和大小的不同。提出相應(yīng)的措施。同時，基于各類投入的相關(guān)分析表明，不同投入之間相互影響，存在互補或是擠出的關(guān)系，這就要求政府在制定科技政策時，不能僅看到某一類研發(fā)投入的TFP效應(yīng)，還應(yīng)當(dāng)具有系統(tǒng)性和連貫性。

首先，來自政府的R＆D投入降低了各地區(qū)的技術(shù)效率，對TFP的增長也起到相反的作用，但是，這種投入除了直接為企業(yè)生產(chǎn)提供技術(shù)支持外，它所支持的高校與科研院所基礎(chǔ)研究為企業(yè)技術(shù)創(chuàng)新提供理論知識，對經(jīng)濟增長和生產(chǎn)效率提高具有長期效益。實際上在許多案例中，企業(yè)的技術(shù)創(chuàng)新首先是在高校和科研院所的實驗室里取得突破，然后孵化成為企業(yè)創(chuàng)新產(chǎn)品。同時政府R＆D投入支持生態(tài)保護、環(huán)境治理和國防建設(shè)方面的研發(fā)活動，其作用更是不可替代，具有較高的社會價值。因此，我們不能否定政府R＆D投入的作用，而應(yīng)當(dāng)加強和引導(dǎo)政府R＆D的投入，通過政府R＆D投入建立良好的校企和院企界面關(guān)系，使之良性互動。

其次，來自企業(yè)的R＆D投入對TFP具有較高溢出效應(yīng)，同時，它還增強了企業(yè)消化吸收來自國外或是來自高校與科研院所技術(shù)成果的能力。企業(yè)自身科研能力的提高是技術(shù)引進以及大學(xué)科技成果轉(zhuǎn)化成現(xiàn)實生產(chǎn)力的必要條件。這種帶動和滲透作用顯示企業(yè)技術(shù)創(chuàng)新具有較強的外部性，由企業(yè)R＆D投入產(chǎn)生的社會效益大于對企業(yè)自身的回報。正因為如此，我們要繼續(xù)強化企業(yè)R＆D投入，使企業(yè)成為國家科技創(chuàng)新的主體。

最后，由區(qū)域間技術(shù)交易表示的R＆D溢出對TFP增長也有正的促進作用，相對于世界來說，一個國家或一個地區(qū)不可能在每一個前沿領(lǐng)域保持技術(shù)優(yōu)勢，特別是在落后地區(qū)，不僅研發(fā)資金，而且研發(fā)人員也比較匱乏，通過技術(shù)貿(mào)易形式促進區(qū)域技術(shù)擴散，吸收不同地區(qū)先進技術(shù)，對提升各個地區(qū)技術(shù)水平是必要的。廣泛開展技術(shù)交流與合作是提高各個地區(qū)技術(shù)創(chuàng)新水平、經(jīng)濟增長和生產(chǎn)效率的保證，但必須立足于自主創(chuàng)新能力的提高。決不能坐以等待別人發(fā)展了新的技術(shù)，我們僅僅做引進的工作，這樣我們將永遠無法超越。在“勝者通吃”的時代，其他地區(qū)的新技術(shù)、新產(chǎn)品一旦占領(lǐng)市場，便通過建立技術(shù)標(biāo)準(zhǔn)和“路徑鎖定”等手段限制后來者，信息技術(shù)市場的情況便是如此。不論是國內(nèi)競爭還是國際競爭，各個區(qū)域要使得生產(chǎn)效率走在世界前列，必須立足于自身科技創(chuàng)新能力的提高，包括企業(yè)的創(chuàng)新和高?？蒲性核膭?chuàng)新。

文章的不足與研究展望:本文基于新增長理論研究全要素生產(chǎn)率TFP增長與R＆D投入之間的關(guān)系，但是僅考慮了各類R＆D經(jīng)費的投入與溢出，實際上除R＆D外，新增長理論認為，全要素生產(chǎn)率的來源還包括規(guī)模經(jīng)濟、知識外溢、專業(yè)化和干中學(xué)等，回歸模型中，僅以各類R＆D經(jīng)費的投入與溢出作為投入變量，將其他因素一并歸入模型的截距項中，這樣的抽象夸大了R＆D活動的作用，忽視了其他諸因素對TFP影響的個性化差異。由于對規(guī)模經(jīng)濟、知識外溢、專業(yè)化和干中學(xué)等測度比較困難，其對TFP的影響還難以量化，相關(guān)研究還不深入，但非常重要，我們將在后續(xù)的研究中努力探討。

References)

［1］Romer P.Increasing Returns and Long-Run Growth［J］.The Journal of Political Economy，1986，94(5):1002－1037.

［2］多恩布什，費希爾，斯塔茲.宏觀經(jīng)濟學(xué)［M］.范家驤譯.北京:中國人民大學(xué)出版社，2000:59－66.［Dornbush R，F(xiàn)isher S，Startz R.Macroeconomics［M］.Translated by Fan Jiaxiang.Beijing:China Renmin University Press，2000:59 －66.］

［3］Keller W.Trade and the Transmission of Technology［J］.Journal of Economic Growth，2002，7(1):5－24.

［4］Hall W，Driemeier M，Iarossi G.Exports and Manufacturing Productivity in East Asia:A Comparative Analysis with Firm-Level Data［A］.NBER Working Paper，2002，No.8894.

［5］張軍，吳桂英，張吉鵬.中國省級物質(zhì)資本存量估算:1952－2000［J］.經(jīng)濟研究，2004，(11):38 － 47.［Zhang Jun，Wu Guiying，ZhangJipeng.Provincial Physical Capital Stock Estimating in China:1952 －2000［J］.Economic Research，2004，(11):38 －47.］

［6］Zheng Jinghai，Hu Angang.An Empirical Analysis of Provincial Productivity in China，1979 － 2001［J］.Journal of Chinese Economic and Business Studies，2006，4(3):221 －239.

［7］顏鵬飛，王兵.技術(shù)效率、技術(shù)進步與生產(chǎn)率增長:基于DEA的實證分析［J］.經(jīng)濟研究，2004，(12).［Yan Pengfei，Wang Bing.TechnicalEfficiency，Technological Progress and Productivity Growth:An Empirical Analysis Based on DEA ［J］.Economic Research，2004，(12).］

［8］Steliana S.The Impact of R＆D Investment on Productivity［J］.YJEL Codes，2008，(52):40.

［9］彭紀生.政策測量、政策協(xié)同演變與經(jīng)濟績效:基于創(chuàng)新政策的實證研究［J］.管理世界，2008，(9):24 －36.［Peng Jisheng.Policy Measure，Policy Coordination Evolution and Economic Performance:An Empirical Study on Innovation Policy ［J］.Management World，2008，(9):24 －36.］

［10］Dominique G，Bruno P.R＆D and Productivity Growth:Panel Data Analysis of 16 OECD Countries［J］.Oxford Bulletin of Economics and Statistics，2004，66(3):353 －378.

Measurement and Evaluation on the R＆D Contribution to Chinese Regional TFP Growth

CAO Ze1，2DUAN Zong-zhi2WU Chang-yu2

(1.College of Economics and Management，Nanjing University of Aeronautics and Astronautics，Nanjing Jiangsu 210016，China;2.Anhui University of Architecture，Hefei Anhui 230601，China)

This paper，based on the data of the provincial regions of China for the year 1997 －2008，studied the spillover R＆D investment and its contribution to the growth of TFP.In this study，differing from the existing literatures，two types of R＆D investment were identified:one from the government investment and the other from enterprise investment;and at the same time the regional technology turnover was used as the index to measure the inter-regional R＆D spillover.The Malmquist index was used to single out two factors causing the growth of TFP:one from the technical efficiency and the other from technology progress rate.It was found that in the last 12 years the average growth rate of TFP of each region increased by 0.2%per year，to which technical progress made the contribution of 0.9%，while technical efficiency caused a loss of 0.7%of the TFP instead of bringing about TFP growth.The effects of different types of R＆D activities on TFP differ in degree and in direction:the corporate R＆D investment exerted the most significant influence on the TFP growth，and particularly more significant for the east regions than for the central and the west regions;the effects of R＆D spillover(technical trade)on TFP cornes next，though exercising greater influence on the west regions than on the central regions，and in turn greater on the central regions than for the east region;while the TFP elasticity of the government R＆D investment is negative in the three regions.All these findings provide reference for making regional policies for science and technology.

R＆D investment;R＆D spillovers;TFP growth;malmquist index

F830.59

A

1002－2104(2011)07－0146－07

10.3969/j.issn.1002－2104.2011.07.025

2011－02－29

曹澤，博士生，副教授，主要研究方向為技術(shù)創(chuàng)新與經(jīng)濟增長理論。

安徽省教育廳重點項目(編號:2010sk263zd)。

(編輯:劉呈慶)