姜苗苗 ，盧新國， 王向前

(1．鹽城工學院 管理學院，江蘇 鹽城 224000；2．安徽理工大學 經(jīng)濟與管理學院，安徽 淮南 232000)

?

技術創(chuàng)新對經(jīng)濟增長的貢獻率研究

姜苗苗1，盧新國1， 王向前2

(1．鹽城工學院 管理學院，江蘇 鹽城 224000；2．安徽理工大學 經(jīng)濟與管理學院，安徽 淮南 232000)

技術創(chuàng)新是推動經(jīng)濟增長的不竭動力。在文獻研究的基礎上找出代表技術創(chuàng)新和經(jīng)濟增長的指標。本著找出影響經(jīng)濟增長最重要的技術創(chuàng)新因子，并對經(jīng)濟增長情況進行預測的研究目標，以全國較為發(fā)達的18個省市為研究對象，收集了18個省市2013年度的截面數(shù)據(jù)，建立經(jīng)濟學模型，用R語言軟件為研究工具對數(shù)據(jù)進行主成分分析，以最小二乘法對變量進行回歸分析，建立回歸模型。得出技術創(chuàng)新投入為第一主成分，即技術創(chuàng)新投入是影響經(jīng)濟增長的主要因素，并建立回歸方程，給出了通過加大技術創(chuàng)新的投入、從法律和財政方面擴大政府職能等刺激經(jīng)濟增長的建議。

技術創(chuàng)新；經(jīng)濟增長；文獻研究法；實證分析；R語言

0　引言

世界經(jīng)濟經(jīng)歷了以勞動力和資本為中心的時代，正在邁入以技術創(chuàng)新為核心的新時期。提高技術創(chuàng)新能力成為各國搶占經(jīng)濟增長制高點的法寶。2003年我國GDP總額為135822.8億元，世界排名為第七，R&D支出占GDP比例僅為1.13%，到2009年，我國GDP總額為340902.8億元，居世界第三，R&D支出占GDP比例為1.7%，到2013年我國GDP總額為566130.2億元，世界排名為第二，R&D支出占GDP比例僅為2.05%，即科技投入越高，經(jīng)濟增長越快。而進一步探究影響經(jīng)濟增長的內在因素具有重要理論和現(xiàn)實意義。

本文主要采用文獻研究法和實證分析法，以全國較為發(fā)達的18個省市為研究對象，選取18個省2013年的截面數(shù)據(jù)，采用R語言軟件為工具對影響經(jīng)濟增長的技術創(chuàng)新要素進行多元回歸分析，建立回歸模型，通過看回歸方程的顯著性是否高來建立最優(yōu)回歸方程。

1　文獻研究

自1978年改革開放以來，我國的經(jīng)濟實現(xiàn)了快速增長，而對于經(jīng)濟增長的動力研究，一直是學者不斷探索的問題。一般認為經(jīng)濟增長的源泉是資本、人力和技術創(chuàng)新三大因素。而隨著科學技術的發(fā)展，技術要素越來越受到重視。

對于技術創(chuàng)新和經(jīng)濟增長之間的關系研究已經(jīng)有很長歷史。Solow(1956)在文章《技術變革和擴大產(chǎn)品功能》中表明技術進步對經(jīng)濟增長的重要性，由此也將經(jīng)濟增長理論引入新古典經(jīng)濟增長理論時代[1]。Aghion( 1992)通過構建模型發(fā)現(xiàn) R&D 投入水平的提高將加快經(jīng)濟增長[2]。熊彼特(1999)、蔡昉(2005)、朱勇(2005)將創(chuàng)新作為經(jīng)濟增長與發(fā)展的主要動力，強調技術創(chuàng)新與經(jīng)濟增長的關系，認為創(chuàng)新實現(xiàn)的過程就是經(jīng)濟增長的過程[3-5]。張耿慶(2007)，程開明(2009)認為技術創(chuàng)新對經(jīng)濟增長有正向的促進作用[6-7]。郝壽義(2012)認為技術創(chuàng)新對經(jīng)濟增長的促進作用主要得益于技術成果的市場轉化[8]。韓鳳芹(2013)指出金磚四國科技創(chuàng)新對各國經(jīng)濟增長發(fā)揮了一定的作用[9]。多數(shù)學者認為專利數(shù)據(jù)能在較大程度上反映技術創(chuàng)新的效果,李苗苗(2015)選取專利申請量代表技術創(chuàng)新能力研究技術創(chuàng)新對經(jīng)濟增長的影響[10]。

2　數(shù)據(jù)來源及研究方法

2.1因子選取

本文以中國知網(wǎng)為數(shù)據(jù)庫，輸入“技術創(chuàng)新”和“經(jīng)濟增長”兩個關鍵詞，點擊檢索，按照搜索論文關聯(lián)度，選取關聯(lián)度最大的24篇文獻，進行文獻研究。研究發(fā)現(xiàn)，在選取的24篇文獻中，有23篇采用了實證分析的方法。對于指標選取，有22篇文獻采用GDP作為經(jīng)濟增長的度量因子，有15篇采用R&D經(jīng)費支出作為技術創(chuàng)新的度量因子，有10篇文獻采用專利申請量作為度量因子。具體數(shù)據(jù)見表1。

表1　相關指標頻度調查表

根據(jù)表1，我們可以看出，以R&D經(jīng)費支出為技術創(chuàng)新能力的度量因子的文獻數(shù)占總數(shù)的62.50%，以專利申請受理數(shù)為技術創(chuàng)新能力的度量因子的文獻數(shù)占總數(shù)的41.67%。我們選取前四個，即R&D經(jīng)費支出、專利申請受理數(shù)、專利授權量、技術市場成交額作為技術創(chuàng)新能力的度量因子；選取GDP作為經(jīng)濟增長的度量因子。

2.2研究方法

研究技術創(chuàng)新對經(jīng)濟增長的貢獻率，選取R&D經(jīng)費支出、專利申請受理數(shù)、專利授權量、技術市場成交額作為技術創(chuàng)新能力的度量因子，選取GDP作為經(jīng)濟增長的度量因子，即進一步研究前四者與GDP之間的關系。采用R語言為研究工具，先對5者進行主成分分析[11]，找出主成分，然后采用最小二乘法對變量進行回歸分析，建立“最優(yōu)”回歸模型。

2.3數(shù)據(jù)來源

本文以全國為研究背景，在《中國統(tǒng)計年鑒》上獲取北京、上海等18個較為發(fā)達的中東部省市2013年的截面數(shù)據(jù)。其中x1表示專利授權量，x2表示R&D經(jīng)費投入，x3表示專利申請受理量，x4表示技術市場成交額。具體數(shù)據(jù)見表2。

表2　18省市2013年截面數(shù)據(jù)

數(shù)據(jù)來源：中國統(tǒng)計年鑒

3　實證分析

本節(jié)對得到的數(shù)據(jù)進行分析，第一步進行主成分分析，找到主要影響因子；第二步再進行回歸分析。

3.1主成分分析

在R語言控制臺輸入如下命令：

y=-c(19500.56,14370.16,28301.41,27077.65,14382.93,21602.12,59161.75,37568.49,19038.87,21759.64,54684.33,32155.86,24668.49,24501.67,62163.97,12656.69,26260.77,16045.21)

x1=c(62671,24856,18186,21656,19819,48680,239645,202350,48849,37511,76976,29482,28760,24392,170430,24828,46171,20836)

x2=c(2130618,3000377,2327418,3331303,950335,4047800,12395745,6843562,2477246,2791966,10528097,2953410,3117987,2703987,12374791,1388199,1688902,1401480)

x3=c(123336,60915,27619,45996,32264,86450,504500,294014,93353,53701,155170,55920,50816,41336,264265,49036,82453,57287)

x4=c(28517239,2761575,315581,1733775,1017747,5316804,5275020,814958,1308253,446885,1793981,402406,3976158,772098,5293936,902760,1485752,5332787)

contribution < -data. frame (x1,x2,x3,x4)

contribut.pr<- princomp (data=contribution, cor =TRUE)

summary(contribut.pr, loadings=TRUE)

點擊“ENTER”，得到如下結果見表3。

從以上輸出結果可以得出，4個變量的標準差分別為1.6665368，1.0009811，0.44177441，0.159773138；每個變量的特征根對應的方差貢獻率分別為：0.6943362，0.2504908，0.04879116，0.006381864；累計方差貢獻率分別為：0.6943362，0.9448270，0.99361814，1.0000000000。因為主成分y1，y2的累積貢獻率達到94.48%，所以確定主成分個數(shù)為2個，以達到降維的目的。

表3　主成分重要性排序

但是，根據(jù)累積貢獻率確定主成分個數(shù)往往偏多，所以我們可以根據(jù)碎石圖結合累積貢獻率來確定主成分個數(shù)。

編寫代碼如下：

screeplot(contribut.pr,type=“l(fā)ines”)

p<-predict(contribut.pr)

得到碎石圖，如圖1所示。

圖1碎石圖

根據(jù)碎石圖，我們取特征值大于1的主成分，以達到很好地解釋原數(shù)據(jù)，又避免數(shù)據(jù)冗余的目的。在這里，我們取特征值大于1的2個主成分。再根據(jù)程序輸出結果，見表4。

表4　各主成分系數(shù)表

對于主成分的解釋：由y1的系數(shù)符號相同，其值(除了x4)接近于0.5，它反映技術創(chuàng)新投入程度，因此稱第一主成分為技術創(chuàng)新投入因子；主成分y2的系數(shù)只有x4，為-0.988，主要是是技術轉化因子。即選取的四個技術創(chuàng)新能力度量因子對技術創(chuàng)新能力有很好的解釋能力，因此選取專利申請受理數(shù)、專利申請授權數(shù)、R&D經(jīng)費投入、技術市場成交額四個因子代入與經(jīng)濟增長度量因子GDP的回歸分析，建立最優(yōu)回歸模型。

3.2相關分析

對得到的數(shù)據(jù)進行回歸分析之前，為了消除變量之間的影響，先要對數(shù)據(jù)進行標準化處理，然后進行因變量與自變量之間的相關分析，最后再進行回歸分析。

3.2.1數(shù)據(jù)標準化處理

在R語言控制臺輸入如下命令：

contribution1 <-data.frame(y,x1,x2,x3,x4)

con<-scale(contribution ,center=TRUE,scale=TRUE)

con

按“ENTER”鍵，得到如表5所示結果。

3.2.2相關分析

對數(shù)據(jù)進行了標準化處理后，就可以對各個自變量各因變量之間的相關分析，繼續(xù)輸入如下命令：

>plot(y，x1)

得到GDP與專利授權數(shù)的散點圖，如圖2所示。

類似地，輸入因子R&D經(jīng)費支出、專利申請受理量、技術市場成交額與GDP的對應代碼，得到如圖3、圖4、圖5的散點圖。

圖2　專利授權量與GDP數(shù)據(jù)點的散點圖

地區(qū)x1x2x3x4y北京0.014803510.57114344-0.06402547-3.832532670.60016787天津0.573976830.336467950.443947520.152662280.93629292河北0.672606640.518043520.714905510.531132930.02356838遼寧0.621295480.247178600.565356170.311694620.10374465黑龍江0.648459340.889603480.677105180.422486210.93545627上海0.221689510.053855750.23614742-0.242710390.46248135江蘇-2.60212470-2.19855907-3.16588250-0.23624512-1.99828822浙江-2.05064066-0.70048747-1.452978140.45386392-0.58357681安徽0.219190490.477617420.179971810.377535980.63041611福建0.386846370.392700720.502654000.510816160.45216122山東-0.19672563-1.69463648-0.323085920.30237889-1.70494404河南0.505571810.349140430.484596100.51769843-0.22896109湖北0.516248080.304734810.52613171-0.035271140.26158401湖南0.580838040.416438920.603278570.460495680.27251344廣東-1.57863715-2.19290533-1.21088512-0.23917201-2.19498269重慶0.574390870.771460470.540617090.440278251.04855320四川0.258790280.690325790.268674420.350071420.15726364陜西0.633420880.767877040.47347166-0.245183450.82654977

圖3　R&D經(jīng)費投入與GDP數(shù)據(jù)點的散點圖

圖4　專利申請受理數(shù)與GDP數(shù)據(jù)點的散點圖

圖5　技術市場成交額與GDP數(shù)據(jù)點的散點圖

根據(jù)圖2～圖5可以看出，GDP分別與專利授權數(shù)、R&D經(jīng)費投入、專利申請受理數(shù)以及技術市場成交額之間存在明顯的線性關系。

3.3回歸分析

相關分析之后就可以進行因變量(GDP)和四個自變量(專利授權數(shù)、R&D經(jīng)費投入、專利申請受理數(shù)以及技術市場成交額)之間的回歸分析。

輸入如下代碼：

lm.reg<-lm(y～x1+x2+x3+x4)

summary(lm.reg)

得到回歸分析結果見表6。

表6　回歸分析結果

從輸出結果來看，回歸方程的系數(shù)顯著性不高，只有變量x2通過檢驗，x2的t統(tǒng)計量的估計值為6.497，對應的p值比0.05小，即通過了檢驗。修正的可決系數(shù)也較高，達到了0.8855，說明回歸效果是顯著的。

下面用“向后回歸法”，通過軟件分析建立“最優(yōu)”回歸方程。向后回歸法就是建立包含全部因子的回歸方程，通過回歸系數(shù)的檢驗，從回歸方程中逐個剔除不顯著的因子，直到留在方程中的因子都是顯著的。

采用“逐步回歸法”的計算函數(shù)進行逐步回歸。

輸入如下代碼：

lm.step<-step(lm.reg)

得到結果如表7。

從表7結果可以看出，用全部變量做回歸方程時AIC統(tǒng)計量的值為-34.86，如果去掉變量x1，AIC統(tǒng)計量的值為-36.76，進一步去掉變量x4,AIC統(tǒng)計量的值為-38.54，最后去掉變量x3，AIC統(tǒng)計量的值為-40.03，最小的AIC值為-40.03，此時只留下x2一個變量，得最優(yōu)方程。

再用函數(shù)summary()提取相關回歸信息。

得到提取結果見表8。

表7　逐步回歸法輸出結果

表8　相關回歸檢驗結果

從上述結果可以看出，回歸系數(shù)的顯著水平有很大提高，所有的檢驗均是顯著的，由此得到“最優(yōu)”回歸方程：

y=-11990+0.0039x2

從回歸結果中可以看出,研發(fā)投入和技術創(chuàng)新對經(jīng)濟增長都產(chǎn)生促進作用。表明研發(fā)投入和技術創(chuàng)新的增加確實能夠促進經(jīng)濟增長。研發(fā)投入的增加會影響技術創(chuàng)新的發(fā)展，進而影響到技術成果的轉化、實現(xiàn)創(chuàng)新的產(chǎn)業(yè)化，從而使GDP總值增加，達到促進經(jīng)濟增長的目的。

4　結論

隨著技術革命的發(fā)展，技術創(chuàng)新繼勞動力、資本之后，成為體現(xiàn)國民經(jīng)濟競爭力的主要因素。本文利用實證分析法，證明研發(fā)投入對技術創(chuàng)新有重要的促進作用，并進一步刺激了經(jīng)濟增長。增加研發(fā)投入是促進經(jīng)濟發(fā)展的有效途徑，因此，(1)應積極加大研發(fā)投入，鼓勵和支持技術創(chuàng)新，為我國創(chuàng)新型經(jīng)濟的發(fā)展奠定良好基礎。(2)發(fā)揮政府財政職能，以財政資金撬動民間資本投資技術創(chuàng)新，真正做到政府、技術市場、民間投資三方聯(lián)動。(3)要充分發(fā)揮政府職能，明文規(guī)定技術創(chuàng)新的支持政策及相關政策法規(guī)，做好技術創(chuàng)新與技術市場的平臺建設，完善科技成果轉化市場，使技術創(chuàng)新真正能夠化為生產(chǎn)力，推動經(jīng)濟增長。

[1] Robert M.Solow.Technical Change and the Aggregate Production Function[J].The Review of Economics and Statistics,1957(39):312-320.

[2] Aghion, P., P. Howitt. A Model of Growth through Creative Destruction[J].Econometrics,1992(60)：75-78.

[3] Robert, Peter W. Product Innovation, Product-Market Competition, and Persistent Profitability in the U.S Pharmaceutical Industry[J].Strategic Management Journal,1999,20(7):655-670.

[4] 蔡昉.經(jīng)濟增長方式轉變與可持續(xù)性源泉[J].宏觀經(jīng)濟研究,2005(12):34-37.

[5] 朱勇,張宗益.技術創(chuàng)新對經(jīng)濟增長影響的地區(qū)差異研究[J].中國軟科學,2005(11):92-98.

[6] 張耿慶.我國技術創(chuàng)新與經(jīng)濟增長的實證研究[J].經(jīng)濟縱橫,2007(8):49-51.

[7] 程開明.城市化、技術創(chuàng)新與經(jīng)濟增長——基于創(chuàng)新中介效應的實證研究[J].統(tǒng)計研究,2009(5):40-46.

[8] 郝壽義,范曉莉.城市化水平、技術創(chuàng)新與城市經(jīng)濟增長——基于我國25個城市面板數(shù)據(jù)的實證研究[J]. 現(xiàn)代管理科學,2012(1):74-76.

[9] 韓風芹，樊軼俠．“金磚四國”科技政策的比較分析與啟示[J]．經(jīng)濟研究參考，2013(72)：19-35.

[10] 李苗苗,肖洪鈞,趙爽.金融發(fā)展、技術創(chuàng)新與經(jīng)濟增長的關系研究——基于中國的省市面板數(shù)據(jù)[J].中國管理科學,2015(2):162-169.

[11] 宋洋,許湘津.基于主成分分析的北京低碳物流水平研究[J].科技展望,2015(22):243-246.

(責任編輯：蔣華)

Study of the Contribution Rate of Technology Innovation for Economic Growth

JIANG Miao-miao1, LU Xin-guo1, WANG Xiang-qian2

(1. School of Management, Yancheng Institute of Technology, Yancheng,Jiangsu 224000, China;2.College of Economics and Management, Anhui University of Technology, Huainan,Auhui 232000,China)

Innovation is an inexhaustible power to promote economic growth. On the basis of literature research, the indicators of technological innovation and economic growth were found. With the purposes of finding the most important technical innovation factor and forecasting the economic growth, we chose 18 provinces and cities as research objects, collecting the annual cross-sectional data for 2013 of 18 provinces, establishing economic model, using R language software tools to do principal component analysis of the data and least squares regression analysis with variables, and constructing regression model. In conclusion, the first principal component was the investment of technical innovation, namely, the investment of technical innovation was the main factor affecting economic growth. The regression equation is given, and some advices to stimulate economic growth by increasing the investment of technical innovation and enhancing government posts from the aspects law and finance.

technical innovation; economic growth; literature research; empirical analyze; R language

2016-03-30

國家自然科學基金(51474007);安徽省人文社會科學研究基地重點項目(SK2014A042)

姜苗苗(1991-)，女，江蘇宿遷人，在讀碩士，主要從事管理學研究。

C931

A

1009-7961(2016)04-0058-07