沈菲

摘 要：在經(jīng)濟(jì)快速增長(zhǎng)、市場(chǎng)競(jìng)爭(zhēng)越來越激烈的情況下，創(chuàng)新對(duì)經(jīng)濟(jì)增長(zhǎng)的引擎作用突顯，而創(chuàng)新依賴于R&D活動(dòng)，所以現(xiàn)階段利用科學(xué)合理的R&D活動(dòng)組合，實(shí)現(xiàn)有效的技術(shù)創(chuàng)新、知識(shí)積累，挖掘知識(shí)溢出與擴(kuò)散效應(yīng)對(duì)要素邊際收益增加的作用，進(jìn)而推動(dòng)區(qū)域經(jīng)濟(jì)增長(zhǎng)，受到社會(huì)各界的廣泛關(guān)注，本文在針對(duì)我國(guó)區(qū)域R&D知識(shí)存量的測(cè)度模型、經(jīng)濟(jì)效果計(jì)量模型進(jìn)行構(gòu)建分析的基礎(chǔ)上，結(jié)合我國(guó)八大區(qū)域相關(guān)數(shù)據(jù)對(duì)我國(guó)區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)效果計(jì)量展開研究，為推動(dòng)我國(guó)區(qū)域經(jīng)濟(jì)持續(xù)穩(wěn)定增長(zhǎng)作出努力。

關(guān)鍵詞：區(qū)域；R&D知識(shí)存量；經(jīng)濟(jì)計(jì)量

區(qū)域知識(shí)存量即某個(gè)階段內(nèi)區(qū)域?qū)χR(shí)資源的占有總量，是區(qū)域范圍內(nèi)人們生產(chǎn)生活的長(zhǎng)期積累，能夠?qū)^(qū)域知識(shí)生產(chǎn)狀況和創(chuàng)新能力進(jìn)行反應(yīng)；區(qū)域R&D知識(shí)存量是區(qū)域利用知識(shí)存量進(jìn)行的創(chuàng)新性活動(dòng)，對(duì)區(qū)域經(jīng)濟(jì)發(fā)展具有重要的作用，所以對(duì)其進(jìn)行合理的經(jīng)濟(jì)計(jì)量不僅有利于對(duì)R&D知識(shí)存量的有效性進(jìn)行評(píng)估，而且為其具體開展提供有價(jià)值的依據(jù)，所以分析我國(guó)區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)計(jì)量具有重要的現(xiàn)實(shí)意義。

一、我國(guó)區(qū)域R&D知識(shí)存量的測(cè)度模型構(gòu)建分析

計(jì)量R&D經(jīng)濟(jì)效果，要對(duì)R&D投入所產(chǎn)出的知識(shí)存量進(jìn)行計(jì)算，并將計(jì)算結(jié)果視為新的生產(chǎn)要素，利用生產(chǎn)函數(shù)獲取其邊際生產(chǎn)力，而度量R&D知識(shí)存量要考慮開發(fā)時(shí)間的滯后和知識(shí)的陳腐化率兩個(gè)方面[1]。前者是指知識(shí)從研發(fā)到用于生產(chǎn)需要一定的時(shí)間，而后者是在新知識(shí)形成使原有的部分知識(shí)不再直接作用于生產(chǎn)過程，或R&D經(jīng)濟(jì)主體已經(jīng)失去其對(duì)原有知識(shí)的專有權(quán)利，R&D投入收益會(huì)隨著時(shí)間的推移而快速消減，由此可見知識(shí)陳腐化率的測(cè)定至關(guān)重要[2]?，F(xiàn)階段通常應(yīng)用將陳腐化率等同于知識(shí)平均使用壽命的倒數(shù)或結(jié)合專利殘存簡(jiǎn)述數(shù)據(jù)獲取陳腐化率的范圍兩種方式對(duì)其進(jìn)行有效測(cè)定，所以測(cè)算知識(shí)存量的模型可以表示為：本段期間R&D知識(shí)存量=本段期間的R&D知識(shí)流量+（1-知識(shí)陳腐化率）×本段前一期R&D知識(shí)存量[3]。如果將本段期間R&D知識(shí)存量用KSt表示；本段期間的R&D知識(shí)流量用RFt表示；知識(shí)陳腐化率用δ表示；本段前一期R&D知識(shí)存量用KSt-1表示，t-i期R&D投資額用Et-i表示；R&D投資后形成R&D知識(shí)存量的最大滯后年限用n表示，R&D在投資后第i年生成的R&D知識(shí)份額用μi表示，那么RFt=∑ni=1μiEt-i，由于在現(xiàn)實(shí)中R&D知識(shí)的滯后性沒有明確的標(biāo)準(zhǔn)，所以R&D在投資后第i年生成的R&D知識(shí)份額用在平均時(shí)間滯后（θ）與i存在不同數(shù)值關(guān)系時(shí)會(huì)有不同的表現(xiàn)，測(cè)量模型構(gòu)建中本段期間的R&D知識(shí)流量就等同于t-θ期R&D投資額，基期tb年的R&D知識(shí)存量可以利用tb+1期R&D投資額/（知識(shí)投資在基準(zhǔn)年以后的增長(zhǎng)率+知識(shí)陳腐化率）表示[4]。

二、我國(guó)區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)效果計(jì)量模型構(gòu)建分析

影響R&D投資經(jīng)濟(jì)效果的因素參數(shù)值可以通過微觀數(shù)據(jù)獲取，將計(jì)算結(jié)果和R&D投資直接帶入生產(chǎn)函數(shù)，可以對(duì)R&D投資的邊際收益率進(jìn)行計(jì)算，由此對(duì)R&D的投資效果進(jìn)行較全面的評(píng)估，這是現(xiàn)階段西方發(fā)達(dá)國(guó)家判斷R&D投資經(jīng)濟(jì)效果的主要方法[5]。如果假設(shè)規(guī)模收益為固定值，勞動(dòng)力市場(chǎng)和資本市場(chǎng)都處于完全競(jìng)爭(zhēng)狀態(tài)，對(duì)R&D給經(jīng)濟(jì)增長(zhǎng)提供的動(dòng)力進(jìn)行估算，可以利用增長(zhǎng)模型對(duì)多要素生產(chǎn)率進(jìn)行計(jì)算，并對(duì)其知識(shí)存量和必要的解釋變量做回歸分析；或?qū)w影響知識(shí)資本、生產(chǎn)率的解釋因素的生產(chǎn)函數(shù)進(jìn)行直接的估算[6]。由于R&D知識(shí)存量被視為投入要素作用于一定技術(shù)水平下，資本投入和勞動(dòng)力投入的基礎(chǔ)上，會(huì)出現(xiàn)規(guī)模和報(bào)酬逐漸上升的變化趨勢(shì)，所以利用AFP法可以獲取Y=AKβLαKSγ=AK1-αLαKSγ，此公式中αβγ和A均代表常數(shù)；t代表時(shí)間；K和L分別代表資本和勞動(dòng)力投入；KS仍代表R&D知識(shí)存量，通過對(duì)此公式進(jìn)行數(shù)學(xué)處理，可以獲取InY=InA+（1-α）InK+αInl+γInKS，同時(shí)對(duì)此公式的兩邊進(jìn)行R&D知識(shí)存量KS求導(dǎo)，可以發(fā)現(xiàn)R&D知識(shí)存量的邊際關(guān)系率可以表示為γYKS[7]。

三、我國(guó)區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)效果計(jì)量分析

統(tǒng)計(jì)標(biāo)準(zhǔn)檢驗(yàn)和計(jì)量經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)是計(jì)量經(jīng)濟(jì)模型檢驗(yàn)的主要辦法，而D-W檢驗(yàn)也是計(jì)量經(jīng)濟(jì)、統(tǒng)計(jì)分析中較常用的檢驗(yàn)序列一階自相關(guān)的有效方法，其應(yīng)用于OLS估計(jì)回歸模型建立的基礎(chǔ)上[8]。首先要利用殘差圖和DW值對(duì)模型自身是否表現(xiàn)出自相關(guān)性進(jìn)行大方向的判斷，其次結(jié)合偏相關(guān)系數(shù)或BG檢驗(yàn)對(duì)其進(jìn)行詳細(xì)的確認(rèn)，例如我國(guó)黑龍江、吉林、遼寧所構(gòu)成的東北區(qū)域，在進(jìn)行上述模型的自相關(guān)性檢驗(yàn)時(shí)需要經(jīng)歷以下步驟：首先針對(duì)東北區(qū)域自1985年至2014年的GDP對(duì)R&D知識(shí)存量簡(jiǎn)單線性回歸殘差趨勢(shì)進(jìn)行觀察，可以發(fā)現(xiàn)回歸模型對(duì)歷史數(shù)據(jù)擬合效果并不優(yōu)越，殘差項(xiàng)的估計(jì)值并沒有多次的改變符號(hào)，這表明回歸模型自身殘差的正自相關(guān)性能突出；其次進(jìn)行DW檢驗(yàn)，結(jié)合東北區(qū)域自1985年至2014年的GDP對(duì)R&D知識(shí)存量簡(jiǎn)單線性回歸殘差趨勢(shì)可以發(fā)現(xiàn)東北區(qū)域的R&D知識(shí)存量與當(dāng)?shù)谿DP的變化態(tài)勢(shì)呈現(xiàn)出較明顯的波動(dòng)性，所以不排除由異方差引起的偽回歸現(xiàn)象，所以要對(duì)其進(jìn)行單線性回歸分析得到表1，結(jié)合表1的數(shù)據(jù)可以判斷我國(guó)東北區(qū)域常數(shù)C、自變量KS的回歸系數(shù)統(tǒng)計(jì)值在現(xiàn)階段沒有超出臨界值，即檢驗(yàn)結(jié)果并不顯著，另外，回歸模型的復(fù)回歸系數(shù)為0.9858，即方差的解釋能力為98.58%，但DW值為0.4033，明顯小于2，處于0與0.9858的中間范圍內(nèi)，所以其表現(xiàn)出顯著的正自相關(guān)，這證明東北區(qū)域應(yīng)用此模型的一階正自相關(guān)問題突出[9]。

考慮到D-W檢驗(yàn)的作用僅限定在判斷模型是否表現(xiàn)出一階線性自相關(guān)性，并不能對(duì)高階自相關(guān)性或不存在自相關(guān)性的問題進(jìn)行判斷說明，特別是模型中被解釋變量自身存在一定滯后性的情況，所以要將偏相關(guān)系數(shù)檢驗(yàn)方法在其判斷出一階自相關(guān)性后繼續(xù)使用，利用偏差管系數(shù)檢驗(yàn)獲取表2，通過表2的數(shù)據(jù)可以判斷東北區(qū)域模型只存在一階自相關(guān)性[2]。

現(xiàn)階段通常利用廣義差分回歸分析的方法消除序列的自相關(guān)性，進(jìn)而對(duì)模型的內(nèi)在關(guān)系進(jìn)行更加全面準(zhǔn)確的認(rèn)識(shí)，而廣義差分回歸分析的方法應(yīng)用需要經(jīng)歷以下環(huán)節(jié)：首先對(duì)殘差序列RESID利用OLS法進(jìn)行計(jì)算；其次，結(jié)合上文中所獲取的偏相關(guān)系數(shù)，對(duì)模型的自相關(guān)類型進(jìn)行判斷，再次，將AR項(xiàng)加入到廣義差分回歸分析的方法的命令中，實(shí)現(xiàn)對(duì)模型的估計(jì)，然后進(jìn)行迭代估計(jì)，通常情況下迭代的次數(shù)會(huì)被默認(rèn)為100次，誤差的精度會(huì)控制在0.1%左右，通過對(duì)東北區(qū)域的R&D知識(shí)存量相關(guān)數(shù)據(jù)的迭代估計(jì)，可以發(fā)現(xiàn)，14次迭代后開始收斂，收斂精度為0.01%，當(dāng)?shù)螖?shù)達(dá)到最大值時(shí)，回歸系數(shù)估計(jì)值表現(xiàn)為0.8312，T檢驗(yàn)呈現(xiàn)顯著特征，這說明與之前的檢驗(yàn)結(jié)果一致，東北區(qū)域的R&D知識(shí)存量經(jīng)濟(jì)效果評(píng)估模型確實(shí)存在一階自相關(guān)性，當(dāng)對(duì)其調(diào)整后所獲取的DW取值為1.7163，R&D投資后形成R&D知識(shí)存量的最大滯后年限取值為19，當(dāng)將顯著性水平設(shè)定為0.05固定值時(shí)，DW的取值在復(fù)回歸系數(shù)與回歸系數(shù)之間，說明一階自相關(guān)性在調(diào)整后消失，新的模型的自相關(guān)性影響已經(jīng)不存在，由此可見廣義差分回歸分析模型對(duì)東北區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)計(jì)量效果更加理想。

結(jié)合東北區(qū)域的研究方法，分別對(duì)北京、天津、山東、河北省市所構(gòu)成的北部沿海區(qū)域；上海、江蘇、浙江所構(gòu)成的長(zhǎng)三角區(qū)域；廣州、福建、海南所構(gòu)成的東南沿海區(qū)域；湖南、湖北、江西、安徽所構(gòu)成的長(zhǎng)江中游區(qū)域；山西、陜西、河南、內(nèi)蒙古所構(gòu)成的黃河中游區(qū)域；廣西、云南、貴州、四川、重慶所構(gòu)成的西南區(qū)域；甘肅、青海、寧夏、西藏、新疆所構(gòu)成的西北區(qū)域進(jìn)行研究，利用OLS分析法時(shí)可以獲取結(jié)果如表3。

通過表3的數(shù)據(jù)可以發(fā)現(xiàn)表3中的七個(gè)區(qū)域的資本彈性系數(shù)β的檢驗(yàn)結(jié)果都超出了臨界值，而且除了長(zhǎng)三角區(qū)域和東南沿海區(qū)域的R&D知識(shí)存量的彈性系數(shù)γ通過檢驗(yàn)，其他的區(qū)域均未通過此項(xiàng)檢驗(yàn)，所以在OLS檢驗(yàn)分析的過程中區(qū)域模型的資本彈性系數(shù)普遍存在被高估的問題，特別是模型中黃河中游區(qū)域的資本彈性系數(shù)和勞動(dòng)力彈性系數(shù)的取值都與我國(guó)現(xiàn)階段黃河中游區(qū)域的實(shí)際狀況明顯不符，而且七個(gè)區(qū)域的DW統(tǒng)計(jì)量都沒有達(dá)到檢驗(yàn)的要求，這些都證明模型中表現(xiàn)出一定程度的自相關(guān)性，所以對(duì)這些區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)計(jì)量研究也要通過廣義方差分析法，在利用廣義方差分析法后可以發(fā)現(xiàn)七個(gè)區(qū)域資本彈性系數(shù)和區(qū)域R&D知識(shí)存量彈性系數(shù)都通過了檢驗(yàn)，結(jié)合CD函數(shù)參數(shù)估計(jì)經(jīng)驗(yàn)值，勞動(dòng)彈性取值為0.3，資本彈性取值為0.7時(shí)，區(qū)域科技的創(chuàng)新將會(huì)最大程度的推動(dòng)當(dāng)?shù)亟?jīng)濟(jì)的發(fā)展，而廣義方差分析法中可以發(fā)現(xiàn)，七個(gè)區(qū)域的勞動(dòng)彈性都在0.49以上，平均值在0.58左右，滿足最佳勞動(dòng)彈性的要求，而七個(gè)區(qū)域的資本平均彈性在0.41左右，相比最佳資本彈性取值0.7存在一定的差距，這與我國(guó)區(qū)域人口基數(shù)大，人均資源相對(duì)匱乏，經(jīng)濟(jì)增長(zhǎng)速度雖然較快，但人均經(jīng)濟(jì)創(chuàng)收能力較低，仍以高投入高產(chǎn)出的經(jīng)營(yíng)模式為主，技術(shù)創(chuàng)新能力薄弱的現(xiàn)實(shí)情況高度一致，由此可見，我國(guó)現(xiàn)階段仍處于以勞動(dòng)密集型產(chǎn)業(yè)為優(yōu)勢(shì)的階段，要將傳統(tǒng)粗放型經(jīng)濟(jì)增長(zhǎng)的模式轉(zhuǎn)化為集約化增長(zhǎng)，要在推進(jìn)體制改革的同時(shí)，不斷提升區(qū)域知識(shí)存量的水平，加速推進(jìn)區(qū)域技術(shù)創(chuàng)新。

利用廣義方差分析法七個(gè)區(qū)域的擬合優(yōu)度都較高，說明解釋能力都比較理想，在以迭代后區(qū)域模型知識(shí)存量的彈性系數(shù)為衡量依據(jù)的前提下，對(duì)七個(gè)區(qū)域R&D知識(shí)存量對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)率進(jìn)行計(jì)算，可以發(fā)現(xiàn)我國(guó)八個(gè)區(qū)域在經(jīng)濟(jì)快速發(fā)展的過程中，除少數(shù)年份受特殊因素的較強(qiáng)影響外，幾乎所有區(qū)域的知識(shí)存量的邊際貢獻(xiàn)率都呈現(xiàn)出持續(xù)穩(wěn)定增長(zhǎng)的態(tài)勢(shì)，其中東南沿海在八個(gè)區(qū)域中雖然知識(shí)存量的彈性系數(shù)較低但知識(shí)存量的平均邊際貢獻(xiàn)率最突出，這主要是因?yàn)闁|南沿海地區(qū)經(jīng)濟(jì)增長(zhǎng)的方式與其他地區(qū)存在較大的差別，其R&D知識(shí)存量的空間相對(duì)其他地區(qū)更大。另外，我國(guó)現(xiàn)階段不同的區(qū)域在R&D知識(shí)存量的彈性系數(shù)和邊際貢獻(xiàn)程度方面存在較大的差別，例如在八個(gè)區(qū)域中長(zhǎng)江中游、黃河中游和西南地區(qū)的知識(shí)存量對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生的邊際貢獻(xiàn)程度基本一致，這與三個(gè)區(qū)域在產(chǎn)業(yè)結(jié)構(gòu)和創(chuàng)新研發(fā)投入等方面具有諸多共同點(diǎn)有較強(qiáng)的關(guān)系，而相比長(zhǎng)江三角洲區(qū)域可以發(fā)現(xiàn)長(zhǎng)三角區(qū)域的知識(shí)存量對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)更大；但相比東北區(qū)域，可以發(fā)現(xiàn)東北區(qū)域知識(shí)存量對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)率更小，而西北地區(qū)的知識(shí)存量對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)率最小，這與現(xiàn)階段我國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)的態(tài)勢(shì)表現(xiàn)出高度一致，由此可見區(qū)域R&D知識(shí)存量與區(qū)域的經(jīng)濟(jì)增長(zhǎng)之間呈現(xiàn)出明顯的正相關(guān)性，換言之R&D知識(shí)存量越大，區(qū)域經(jīng)濟(jì)增長(zhǎng)的動(dòng)力越足，區(qū)域發(fā)展空間越廣闊，現(xiàn)階段我國(guó)不同區(qū)域的R&D知識(shí)存量以及其對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)等都存在一定的區(qū)別，所以在區(qū)域R&D知識(shí)存量方面并不理想的區(qū)域，可以積極借鑒其他區(qū)域的經(jīng)濟(jì)結(jié)構(gòu)、經(jīng)濟(jì)增長(zhǎng)形態(tài)等對(duì)自身進(jìn)行調(diào)整，加大知識(shí)存量的投入力度，逐步改變自身粗放式的經(jīng)濟(jì)增長(zhǎng)形式，為后續(xù)經(jīng)濟(jì)持續(xù)穩(wěn)定增長(zhǎng)打下堅(jiān)實(shí)的基礎(chǔ)。

四、結(jié)論

通過上述分析可以發(fā)現(xiàn)，我國(guó)區(qū)域R&D知識(shí)存量會(huì)隨著區(qū)域的國(guó)民生產(chǎn)總值的增長(zhǎng)而提升，兩者中任何一項(xiàng)發(fā)生變化都會(huì)直接導(dǎo)致對(duì)方的改變，而且區(qū)域R&D知識(shí)存量會(huì)對(duì)區(qū)域的經(jīng)濟(jì)增長(zhǎng)提供直接的動(dòng)力支持，所以在推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展的過程中應(yīng)有意識(shí)的加大區(qū)域R&D知識(shí)存量。

參考文獻(xiàn)：

[1] 楊鵬.我國(guó)區(qū)域R&D知識(shí)存量的經(jīng)濟(jì)計(jì)量研究[J].科學(xué)學(xué)研究，2007（03）：461-466.

[2] 孫建.中國(guó)區(qū)域技術(shù)創(chuàng)新績(jī)效計(jì)量研究[D].重慶：重慶大學(xué)，2012.

[3] 朱丹.知識(shí)流動(dòng)視角下跨國(guó)公司技術(shù)創(chuàng)新網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化研究[D].長(zhǎng)沙：湖南大學(xué)，2012.

[4] 趙立雨.我國(guó)R&D投入績(jī)效評(píng)價(jià)與目標(biāo)強(qiáng)度研究[D].西安：西北大學(xué)，2010.

[5] 謝蘭云.我國(guó)R&D投入與經(jīng)濟(jì)增長(zhǎng)關(guān)系的計(jì)量分析[D].大連：東北財(cái)經(jīng)大學(xué)，2009.

[6] 李志宏 王娜 馬倩.基于空間計(jì)量的區(qū)域間創(chuàng)新行為知識(shí)溢出分析[J].科研管理，2013（06）：9-16.

[7] 謝蕾蕾.R&D、知識(shí)溢出對(duì)企業(yè)技術(shù)創(chuàng)新能力的空間效應(yīng)評(píng)價(jià)[D].杭州：浙江工商大學(xué)，2011.

[8] 盧靖宇.山東省區(qū)域R&D投入對(duì)經(jīng)濟(jì)增長(zhǎng)影響的差異性研究[D].上海：上海社會(huì)科學(xué)院，2012.

[9] 段紅玲.我國(guó)區(qū)域間知識(shí)溢出的度量及影響全要素生產(chǎn)率的實(shí)證分析[D].長(zhǎng)沙：湖南大學(xué)，2010.

[10] 謝麗文.自主創(chuàng)新投入、知識(shí)溢出渠道與區(qū)域創(chuàng)新產(chǎn)出[D].廣州：暨南大學(xué)，2015.