段良美

（中國民航大學(xué) 經(jīng)濟與管理學(xué)院，天津 300300）

一、引言

技術(shù)進步與創(chuàng)新是經(jīng)濟發(fā)展的基本源泉，現(xiàn)代經(jīng)濟增長也越來越依賴于新技術(shù)新工藝為表征的創(chuàng)新貢獻。進而如何有效提供創(chuàng)新產(chǎn)出，在要素投入約束和研發(fā)不確定性約束下提高創(chuàng)新效率是國家和地區(qū)技術(shù)發(fā)展政策的重要作用方向。影響創(chuàng)新效率的因素中，要素投入包括研發(fā)要素和一般生產(chǎn)要素的規(guī)模與結(jié)構(gòu)是重要因素，另外企業(yè)微觀的創(chuàng)新行為也會受到周邊環(huán)境因素的影響。創(chuàng)新生產(chǎn)中投入的要素和要素的匹配關(guān)系也對創(chuàng)新效率具有影響，關(guān)于要素扭曲對創(chuàng)新效率的影響正在逐步展開。學(xué)者們研究表明，我國勞動力要素市場扭曲和資本要素市場扭曲對創(chuàng)新效率造成了嚴重的損失（白俊紅和卞元超，2016；戴魁早和劉友金，2016）[1-2]，且不同要素的市場扭曲對創(chuàng)新效率的抑制作用存在區(qū)域異質(zhì)性，分別表現(xiàn)為勞動力要素市場扭曲對西部地區(qū)創(chuàng)新效率的抑制作用明顯，而資本要素市場扭曲則對東部地區(qū)的創(chuàng)新效率抑制效果更為顯著（李雪松和王沖，2019）[3]。并且，F(xiàn)DI 的進入也對我國創(chuàng)新效率產(chǎn)生了影響，我國改革開放初期技術(shù)水平低創(chuàng)新不足，通過吸引外資學(xué)習(xí)國外先進的技術(shù)知識和管理經(jīng)驗等方式（彭建平和李永蒼，2014）[4]，提升了本國的創(chuàng)新效率。

在以往研究一般要素扭曲的基礎(chǔ)上，有學(xué)者開始研究研發(fā)要素的扭曲。研發(fā)要素是保障我國創(chuàng)新驅(qū)動戰(zhàn)略順利實施，進而推動經(jīng)濟可持續(xù)增長的重要戰(zhàn)略資源，因而也成為目前學(xué)術(shù)界關(guān)注的焦點內(nèi)容之一（白俊紅等，2017）[5]。研究發(fā)現(xiàn)，研發(fā)資本價格扭曲對制造業(yè)創(chuàng)新效率有抑制作用，而研發(fā)勞動力價格扭曲卻表現(xiàn)為促進作用（劉冬冬等，2020）[6]，研發(fā)勞動力要素市場扭曲對區(qū)域創(chuàng)新績效具有顯著的抑制作用，而對相鄰區(qū)域的創(chuàng)新績效具有空間溢出效應(yīng)（鄧若冰，2019）[7]。我國當(dāng)前的自主創(chuàng)新能力無法滿足經(jīng)濟發(fā)展的現(xiàn)實需要，在創(chuàng)新資源有限的情況下，合理配置資源，不斷優(yōu)化研發(fā)要素市場化配置，進而提升創(chuàng)新效率，對于增強我國自主創(chuàng)新能力有著重要的作用。

以往研究要素扭曲的文獻中，大多文獻分別考慮了資本要素的扭曲和人員要素的扭曲，本文將研發(fā)要素扭曲定義為研發(fā)要素配置扭曲和研發(fā)勞動要素結(jié)構(gòu)性扭曲，可以更好地考察這兩種相對扭曲的關(guān)系對創(chuàng)新效率產(chǎn)生何種影響。在創(chuàng)新生產(chǎn)活動中，以研發(fā)要素配置扭曲為切入點，深入探討研發(fā)要素的合理配置，同時結(jié)合吸引外資的作用，以及對創(chuàng)新效率產(chǎn)生影響的作用機制，進而為我國統(tǒng)籌區(qū)域創(chuàng)新發(fā)展，落實創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略提供政策啟示。

二、文獻綜述與研究假說

（一）研發(fā)要素配置扭曲對創(chuàng)新效率的影響

研發(fā)資本要素和研發(fā)勞動力要素的市場價格偏離其邊際收益產(chǎn)品時，就出現(xiàn)了研發(fā)要素配置扭曲的現(xiàn)象。在研發(fā)要素配置扭曲的情況下，研發(fā)資本和研發(fā)勞動力等創(chuàng)新生產(chǎn)要素?zé)o法按照市場機制實現(xiàn)最優(yōu)的配置，使得生產(chǎn)要素的投入效率低下，這勢必會影響創(chuàng)新效率的提升（白俊紅和卞元超，2016；戴魁早和劉友金，2016；張建平等，2019）[1][8-9]。研發(fā)要素配置扭曲是指研發(fā)資本相對于研發(fā)人員的配置扭曲，即研發(fā)資本的單位投入帶來的邊際報酬與研發(fā)人員單位投入帶來的邊際報酬之比。

在研發(fā)人員單位投入的邊際報酬不變的情況下，研發(fā)資本單位投入所帶來的邊際報酬越大，研發(fā)要素配置扭曲也越大，而研發(fā)資本單位投入的邊際報酬增加，必然導(dǎo)致企業(yè)的創(chuàng)新效率隨之增加，即研發(fā)要素配置扭曲的增加促進了創(chuàng)新效率的提升；在其他條件相同的情況下，研發(fā)人員工資水平的增加可以激勵研發(fā)人員的創(chuàng)新積極性（鄧若冰，2019）[7]，從而促進創(chuàng)新效率的提升，而研發(fā)人員的工資增加也使得研發(fā)要素配置扭曲增加，所以，研發(fā)要素配置扭曲的增加對創(chuàng)新效率具有促進作用?；诖?，本文提出研究假說1：研發(fā)資本相對于研發(fā)人員的配置扭曲能夠提升創(chuàng)新效率。

（二）研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的影響

創(chuàng)新人才的缺乏和技術(shù)創(chuàng)新能力的差距是阻礙中國企業(yè)技術(shù)創(chuàng)新的重要因素（安同良等，2005）[10]，在影響創(chuàng)新效率的因素中，勞動力因素發(fā)揮的作用至關(guān)重要。研發(fā)勞動要素結(jié)構(gòu)性扭曲是指非研發(fā)人員相對于研發(fā)人員的配置扭曲，即非研發(fā)人員的單位投入帶來的邊際報酬與研發(fā)人員的單位投入帶來的邊際報酬之比，研發(fā)勞動要素結(jié)構(gòu)性扭曲主要表現(xiàn)在兩種人員的差異上，即非研發(fā)人員和研發(fā)人員在邊際產(chǎn)出和工資水平上的差異。中國勞動力配置扭曲的根源在于勞動力市場的行業(yè)分割、內(nèi)部分割以及工資決定機制非市場化，直觀表現(xiàn)為：行業(yè)工資差異、工資與勞動邊際產(chǎn)出扭曲以及缺乏有效的勞動力流動（柏培文，2014）[11]。從勞動力配置扭曲貢獻因素來看，勞動力邊際生產(chǎn)力差異越大、工資差異越大，勞動扭曲程度越大，且工資差異引致的勞動力配置扭曲程度較高（柏培文，2016）[12]。

研發(fā)人員是創(chuàng)新生產(chǎn)活動中最具有創(chuàng)造力的投入要素，是企業(yè)的核心資源，合理的工資回報是激勵研發(fā)人員創(chuàng)新生產(chǎn)的關(guān)鍵動力，工資水平過低使得研發(fā)人員創(chuàng)新動力不足。而目前中國各級地方政府為了發(fā)展經(jīng)濟，往往通過壓低要素價格的方式干預(yù)要素市場，使得勞動力的工資報酬與其實際產(chǎn)出不成正比（鄧若冰，2019）[7]，且相對于非研發(fā)人員，研發(fā)人員的勞動報酬與實際產(chǎn)出偏離更為嚴重，研發(fā)人員要素扭曲程度更重。因此，從最優(yōu)角度來看，研發(fā)勞動要素結(jié)構(gòu)性扭曲應(yīng)當(dāng)是小于1 的值，如果該值越接近1，說明兩種勞動力的投入回報差距越小，就越不利于創(chuàng)新生產(chǎn)，進而對創(chuàng)新效率具有負向抑制作用。從是否利于創(chuàng)新生產(chǎn)的角度來看，扭曲意味著不利于生產(chǎn)，而研發(fā)勞動要素結(jié)構(gòu)性扭曲值越接近1，即非研發(fā)人員與研發(fā)人員的工資回報差距越小，則越不利于調(diào)動研發(fā)人員的創(chuàng)新積極性，因此，本文定義研發(fā)勞動要素結(jié)構(gòu)性扭曲值越接近1 為扭曲程度越大。

基于此，本文提出研究假說2：非研發(fā)人員相對于研發(fā)人員的配置扭曲會抑制創(chuàng)新效率。

（三）FDI 對創(chuàng)新效率的影響

FDI給東道國帶來新技術(shù)、新產(chǎn)品和新的工藝流程，東道國企業(yè)通過模仿和學(xué)習(xí)過程提升自主創(chuàng)新水平，同時改變了東道國的市場競爭格局，提升了企業(yè)的競爭效率，吸引外資能夠緩解企業(yè)的融資約束，所以吸引外資對自主創(chuàng)新水平具有積極的推動作用，對我國創(chuàng)新效率的提升具有促進作用（才國偉和楊豪，2019）[13]。諸多研究經(jīng)驗也表明FDI可以通過競爭激勵、示范模仿和人員流動等途徑給東道國帶來顯著的技術(shù)溢出效應(yīng)（Javorcik，2004；Blalock 和Gertler，2008）[14-15]，F(xiàn)DI對東道國的技術(shù)溢出是后發(fā)國家技術(shù)進步的主要途徑之一，吸引外資給東道國帶來新技術(shù)、新產(chǎn)品和新工藝，東道國企業(yè)通過學(xué)習(xí)提升創(chuàng)新水平（李平和季永寶，2014）[16]；外資的流入打破了東道國的市場均衡，改變了市場競爭格局，從而提升了創(chuàng)新效率；FDI還為東道國帶來了先進的管理經(jīng)驗，通過培訓(xùn)效應(yīng)提升了東道國的人力資本水平，進而促進了創(chuàng)新效率的提升（郭京京等，2021）[17]。

關(guān)于研發(fā)要素扭曲和FDI的交互影響。一方面，我國不斷吸引FDI進入，外資帶來的新技術(shù)削弱了企業(yè)自主創(chuàng)新的必要性，對我國企業(yè)的創(chuàng)新產(chǎn)生了抑制作用（石大千和楊詠文，2018）[18]，而且外資帶來的技術(shù)水平比國內(nèi)高，導(dǎo)致部分企業(yè)不再從事研發(fā)活動，而是縮短研發(fā)時間，直接利用外資帶來的創(chuàng)新成品進行生產(chǎn)（張建平等，2019）[9]。研發(fā)人員的邊際創(chuàng)新產(chǎn)出降低了，就使得研發(fā)人員所得工資報酬減少，這種工資水平的降低一定程度上減小了研發(fā)要素配置扭曲，從而削弱了對創(chuàng)新效率的促進作用。此外，研發(fā)勞動力價格過低不僅促使企業(yè)更多地使用有形要素，進而形成路徑依賴，導(dǎo)致企業(yè)的創(chuàng)新動力不足，而且從消費者的角度來說，研發(fā)人員工資過低也會抑制對創(chuàng)新產(chǎn)品的購買能力，創(chuàng)新產(chǎn)品的市場需求不足反過來又會抑制企業(yè)的創(chuàng)新生產(chǎn)活動，從而形成阻礙創(chuàng)新效率提升的低端惡性循環(huán)（李雪松和王沖，2019）[3]。所以，從這一角度來說，F(xiàn)DI進入削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的正向促進作用。

另一方面，也有研究表明外資進入會對本國企業(yè)產(chǎn)生“工資溢價”效應(yīng)，提高本國企業(yè)員工的“名義工資水平”（蔡洪波等，2016）[19]，外資進入也會產(chǎn)生“技術(shù)溢出”效應(yīng)，通過改善企業(yè)生產(chǎn)的效率水平提升企業(yè)員工的工資水平，在我國引進FDI對單位勞動成本起到了推升作用（張曉磊和張二震，2019）[20]，勞動力工資水平的提高使得勞動力單位成本投入的邊際產(chǎn)出降低，從而非研發(fā)人員單位投入的邊際產(chǎn)出降低，在其他條件不變的情況下研發(fā)勞動要素結(jié)構(gòu)性扭曲降低，進一步削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的負向影響。

基于此，本文提出研究假說3：FDI吸引有助于地區(qū)創(chuàng)新效率提升，同時FDI也受制于要素結(jié)構(gòu)的配置；FDI削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的正向影響，也削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的負向影響；總體上，F(xiàn)DI對創(chuàng)新效率的影響還是積極的促進作用。

三、模型設(shè)定、變量及數(shù)據(jù)說明

（一）模型設(shè)定

本文參考李雪松和王沖（2019）[3]構(gòu)建的關(guān)于要素市場扭曲是否抑制了創(chuàng)新效率的提升的省級面板模型，選取的研究樣本為2009—2019 年中國30個省份（不包含西藏、港澳臺地區(qū)，）的面板數(shù)據(jù)。且為了數(shù)據(jù)的平穩(wěn)性，將所有變量對數(shù)化，形成線性方程，將基準回歸模型設(shè)定為:

其中，TEi，t為i地區(qū)第t期的創(chuàng)新效率，DISTKi，t和DISTLi，t是本文的核心解釋變量，DISTKi，t代 表i地區(qū)第t期的研發(fā)要素配置扭曲，DISTLi，t代表i地區(qū)第t期的研發(fā)勞動要素結(jié)構(gòu)性扭曲，F(xiàn)DIi，t也是本文的解釋變量，代表i地區(qū)第t期的外商直接投資，Xi，t代表本文的控制變量，包括政府干預(yù)程度、受教育水平和內(nèi)部技術(shù)市場流動情況，α0是常數(shù)項，α1、α2、α3、α4為相應(yīng)的回歸系數(shù)。δi，t用于控制地區(qū)固定效應(yīng)，θi，t用于控制時間固定效應(yīng)，εi，t為隨機誤差項。

（二）變量說明

1.變量測度

（1）創(chuàng)新效率。參考影響我國創(chuàng)新效率的因素的相關(guān)分析（白俊紅等，2009）[5]，本文采用基于參數(shù)法的隨機前沿模型（SFA）來構(gòu)造創(chuàng)新生產(chǎn)函數(shù)，一般形式為：

其中，下標(biāo)i表示地區(qū)，t表示時間。RDY表示創(chuàng)新產(chǎn)出，文獻研究中通常采用專利數(shù)和新產(chǎn)品銷售收入等作為創(chuàng)新產(chǎn)出指標(biāo)。我國的專利包括發(fā)明專利、實用新型專利和外觀設(shè)計專利三種類型。由于這三種專利所包含的經(jīng)濟價值以及技術(shù)含量都有較大的差異性，選用總體專利數(shù)量不具有代表性，也會對結(jié)果產(chǎn)生一定的影響，且從創(chuàng)新的質(zhì)量和水平看，發(fā)明專利是最能代表原創(chuàng)性水平的指標(biāo)。此外，選取新產(chǎn)品銷售收入作為衡量創(chuàng)新能力的指標(biāo)也存在一定問題，在當(dāng)前的市場的環(huán)境下，可能存在某些企業(yè)為了享受到更多的優(yōu)惠政策，而夸大自己新產(chǎn)品收入的現(xiàn)象（彭建平和李永蒼，2014）[4]。基于此，為了可以更充分地代表地區(qū)的知識產(chǎn)出和創(chuàng)新能力，本文選取技術(shù)含量最高的發(fā)明專利授權(quán)數(shù)作為最終的專利指標(biāo)（姜妍等，2019）[21]，以衡量創(chuàng)新產(chǎn)出。

RDL和RDK表示創(chuàng)新生產(chǎn)過程中的研發(fā)勞動力投入和研發(fā)資本投入，f（·）為完全效率時生產(chǎn)可能性邊界的前沿產(chǎn)出。νi，t表示隨機擾動項，且νi，t～N（0）；ui，t表示技術(shù)非效率項，且ui，t～N+（μ，），如果μi，t=0，表示技術(shù)有效，即創(chuàng)新生產(chǎn)位于生產(chǎn)前沿面上，否則即為技術(shù)無效，創(chuàng)新生產(chǎn)未達到生產(chǎn)前沿面。此外，νi，t和μi，t相互獨立。技術(shù)非效率項可以進一步表示為：

其中，θ0為常數(shù)項，Zi，t表示影響技術(shù)非效率的k個因素，θk為其對應(yīng)的估計系數(shù)，μi，t表示隨機誤差項。本文研究中將研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI作為生產(chǎn)函數(shù)的非效率項，來考察其對創(chuàng)新效率的影響。

本文采用C-D 生產(chǎn)函數(shù)刻畫的研發(fā)創(chuàng)新活動，并對該函數(shù)兩邊取對數(shù)處理。因此，本文所構(gòu)建的隨機前沿模型可以表示為：

其中，β0為常數(shù)項，β1、β2分別表示研發(fā)勞動力、研發(fā)資本的回歸系數(shù)，且假定創(chuàng)新生產(chǎn)的要素投入僅包括研發(fā)勞動力和研發(fā)資本兩種。

對于創(chuàng)新效率的衡量，相比較于直接的創(chuàng)新產(chǎn)出指標(biāo)，例如創(chuàng)新專利，新產(chǎn)品銷售收入等（朱有為和徐康寧，2006）[22]，越來越多的學(xué)者選擇一個相對指標(biāo)測算創(chuàng)新效率（李雪松和王沖，2019）[3]，因為這既能排除不同地區(qū)間自身差異帶來的影響，又能真實反映出一個地區(qū)的創(chuàng)新效率水平。如果一個地區(qū)用更少的創(chuàng)新投入獲得了更多的創(chuàng)新產(chǎn)出，那么這個地區(qū)就具有更高的創(chuàng)新效率，相應(yīng)的創(chuàng)新能力和水平也更高。

基于式（4）中對創(chuàng)新效率的定義，創(chuàng)新效率（TE）可表示為實際產(chǎn)出期望值和最優(yōu)前沿面產(chǎn)出的期望值之比（白俊紅，卞元超，2016）[1]，即：

式（5）反映了創(chuàng)新生產(chǎn)實際產(chǎn)出對前沿面產(chǎn)出的偏離程度。如果μit=0，則TE=1，創(chuàng)新生產(chǎn)位于最佳前沿面上，此時創(chuàng)新生產(chǎn)是有效的；如果μit＞0，則TE＜1，創(chuàng)新生產(chǎn)未達到最佳前沿面，此時創(chuàng)新生產(chǎn)是無效的，創(chuàng)新生產(chǎn)存在效率損失。

（2）研發(fā)要素配置扭曲程度。在解釋變量中，本文重點關(guān)注研發(fā)要素配置扭曲這一核心變量的影響。大多數(shù)文獻中都將要素市場作為一個整體進行測度，少有文獻專門測度研發(fā)要素配置扭曲。本文采用C-D 形式的生產(chǎn)函數(shù)法直接測算R&D 人員和R&D 資本要素的邊際產(chǎn)出，其表示為：

對該生產(chǎn)函數(shù)取對數(shù)表示為：

其中，Y為總產(chǎn)出，采用地區(qū)生產(chǎn)總值（GDP）表示，用2009 年的地區(qū)生產(chǎn)總值與之后每一年的GDP增長指數(shù)相乘，作為以2009 年為基期的不變價GDP。RDL為R&D 人員投入，本文采用研究與試驗發(fā)展（R&D）人員表示。RDK為R&D 資本存量，各國統(tǒng)計機構(gòu)和有關(guān)專家學(xué)者一般都采用永續(xù)盤存法測算R&D 資本存量。NL是非研發(fā)勞動投入，本文用地區(qū)總勞動投入減去地區(qū)R&D 勞動投入表示，即：NL=L-RDL，其中L 用城鎮(zhèn)單位就業(yè)人數(shù)加城鎮(zhèn)私營企業(yè)和個體就業(yè)人數(shù)表示。NK是非研發(fā)資本存量，亦采用永續(xù)盤存法計算。

關(guān)于永續(xù)盤存法對RDK的估計，由于較難估算R&D 支出的滯后結(jié)構(gòu)，我們假定平均滯后期為0，則測算公式為：

其中，RDKi，t表示i地區(qū)t時期的R&D 資本存量，δ是R&D 資本折舊率，RDEi，t為i地區(qū)t時期的當(dāng)期R&D 資本投資，PIi，t為R&D 資本價格指數(shù)。

第一，當(dāng)期R&D 資本投資。由于我國目前沒有公布國民經(jīng)濟核算中的R&D 資本投資數(shù)據(jù)，大多學(xué)者直接用R&D 經(jīng)費內(nèi)部支出作為當(dāng)期的R&D資本投資。按照SNA-2008 的R&D 支出資本化核算的方法和原則，R&D 經(jīng)費內(nèi)部支出按支出性質(zhì)分為日常性支出和資產(chǎn)性支出。考慮到R&D 經(jīng)費內(nèi)部支出中各項支出的用途，本文選取資產(chǎn)性支出作為當(dāng)期R&D 資本投資的指標(biāo)。

第二，R&D 資產(chǎn)折舊率。目前有關(guān)研發(fā)資本存量折舊率的選擇主要在10%～20%之間。Hall 和Mairesse（1995）[23]、吳延兵（2008）[24]等在計算研發(fā)資本存量時都采用了15%的折舊率，黃勇峰等（2002）[25]采用了17%的折舊率，周密（2012）[26]等選擇了20%的折舊率，余泳澤（2015）[27]將R&D 當(dāng)期投入分為兩部分，一部分是日常性支出扣除勞務(wù)費用20%折舊，另一部分是資產(chǎn)性支出用17%折舊。本文參考以上文獻中的方法，根據(jù)研發(fā)經(jīng)費內(nèi)部支出中資產(chǎn)性支出的性質(zhì)，將這一折舊率設(shè)為17%。

第三，R&D 資產(chǎn)價格指數(shù)。關(guān)于R&D 資產(chǎn)價格指數(shù)的爭議也比較大，本文采用工業(yè)生產(chǎn)者出廠價格指數(shù)作為R&D 資產(chǎn)價格指數(shù)，具體為：專用設(shè)備制造業(yè)價格指數(shù)、電氣機械及器械制造業(yè)價格指數(shù)、通信設(shè)備、計算機及其他電子設(shè)備制造業(yè)價格指數(shù)以及儀器儀表及文化、辦公用機械制造業(yè)價格指數(shù)四者的平均數(shù)，數(shù)據(jù)缺失部分用四者中可查到的價格指數(shù)求均值。本文以2009 年為基期，用這一價格指數(shù)將當(dāng)期R&D 資本投資折算為2009 年不變價。

第四，初始R&D 資本存量。對初始資本存量的估計，目前主要有如下幾種方法。一是按照永續(xù)盤存法的要求，通過往前獲取或構(gòu)造足夠長的時間序列來直接測算初始資本存量；二是利用資本產(chǎn)出比推算；三是利用當(dāng)期投資與資本存量的比例關(guān)系推算。江永宏和孫鳳娥（2016）[28]參考在以往的研究，用初始R&D 投資除以投資增長率與折舊率之和，推算出基期的初始資本存量。本文借鑒同樣的方法，用公式表示為：

其中，RDKi，0是初始年份2009 年的R&D 資本存量，RDEi，0為初始年份的R&D 投資的資產(chǎn)性支出部分，δi取17%，gi取各地區(qū)2009—2019 年R&D 投資的年平均增長率。由此，可推算出2009 年的初始R&D 資本存量。

根據(jù)以上推算，我們就可得到各地區(qū)2009—2019年的R&D 資本存量RDK。

關(guān)于永續(xù)盤存法對NK的估計，當(dāng)期投入為全社會固定資產(chǎn)投資（不含農(nóng)戶）減去R&D 資本投資的資產(chǎn)性支出部分，價格指數(shù)為固定資產(chǎn)投資價格指數(shù)，折舊率取9.6%。進而得出本文的非研發(fā)資本存量。

λ0為常數(shù)項，λ1、λ2、λ3、λ4分別表示各被解釋變量的回歸系數(shù)。εi，t表示隨機擾動項。

根據(jù)式（6），分別對RDL、RDK、NL和NK求導(dǎo)，可得研發(fā)人員、研發(fā)資本存量和非研發(fā)人員的邊際產(chǎn)出：

則各要素的絕對扭曲為其邊際產(chǎn)出與要素價格之比：

上式中，WRD為研發(fā)人員的工資，本文采用研究與試驗發(fā)展的平均勞動報酬，并以2009 年為基期用CPI進行平減，為非研發(fā)人員的工資，用城鎮(zhèn)單位就業(yè)人員平均工資表示，同樣以2009 年為基期用CPI進行平減求得。r為利率水平，以往研究中直接將其設(shè)定為0.1（Hsieh 和Klenow，2009），但是利率水平在不同時期存在差異，本文參考白俊紅和卞元超（2016）[1]的做法，選取各年度內(nèi)一年期金融機構(gòu)法定貸款利率的均值作為考察利率水平的替代指標(biāo)。

本文定義DISTK為研發(fā)要素配置扭曲，DISTL為研發(fā)勞動要素結(jié)構(gòu)性扭曲，具體測算公式如下：

其中，DISTK是由研發(fā)資本單位投入的邊際報酬與研發(fā)人員單位投入的邊際報酬之比所得的相對扭曲，該指標(biāo)的含義為：DISTK=1 表示研發(fā)資本單位投入的邊際報酬與研發(fā)人員單位投入的邊際報酬相等，即一單位的研發(fā)資本投入和一單位的研發(fā)人員投入會產(chǎn)生同等的邊際報酬；DISTK＞1 表示研發(fā)資本單位投入的邊際報酬大于研發(fā)人員單位投入的邊際報酬，即一單位的研發(fā)資本投入帶來的邊際報酬大于一單位研發(fā)人員投入的邊際報酬；反之亦然。DISTL是由非研發(fā)人員單位投入的邊際報酬與研發(fā)人員單位投入的邊際報酬之比所得的相對扭曲，該指標(biāo)的含義為：DISTL=1 表示非研發(fā)人員單位投入的邊際報酬與研發(fā)人員單位投入的邊際報酬相等，即一單位的非研發(fā)人員投入和一單位的研發(fā)人員投入所帶來的邊際報酬相等；DISTL＞1 表示非研發(fā)人員單位投入的邊際報酬大于研發(fā)人員單位投入的邊際報酬，即一單位的非研發(fā)人員投入所帶來的邊際報酬大于一單位研發(fā)人員投入所帶來的邊際報酬；反之亦然。

（3）外商直接投資。在《中國統(tǒng)計年鑒》中只有各省的外商直接投資（FDI）流量數(shù)據(jù)，本文采用FDI存量。與R&D 資本存量的計算方法相同，通過永續(xù)盤存法將流量計算為存量。

其中，當(dāng)期FDI流量選取2009—2019 年各地區(qū)實際利用外資額，并對其進行相應(yīng)處理。用當(dāng)年人民幣兌美元的匯率將實際利用外資換算為億元人民幣；采用GDP 縮減指數(shù)對實際利用外資流量進行平減（陳艷瑩和董旭，2013）[29]，折算為2009 年值。對處理之后的數(shù)據(jù)，按照永續(xù)盤存法估算出各地區(qū)各年度的FDI。根據(jù)我國的實際情況，將平均滯后期設(shè)為1，則FDI存量的計算公式如下式所示：

其中，F(xiàn)DISi，t表示i地區(qū)t時期的FDI存量；Ei，t-1表示i地區(qū)前t-1 時期的實際利用外資額；δ表示外資折舊率，本文參考Goodspeed 等（2006）[30]將折舊率設(shè)為5%，對通過FDI 獲得的國外研發(fā)資本存量溢出進行測算；gi表示i地區(qū)2009—2019 年的人均GDP 增長率（李曉晨和劉金林，2015）[31]實際利用外資平均增長率。

（4）控制變量。本文選取的控制變量主要包括：地區(qū)政府干預(yù)程度、地區(qū)受教育水平和地區(qū)內(nèi)部技術(shù)市場流動情況。第一，地區(qū)政府干預(yù)程度（GOV）。選取地區(qū)的研發(fā)經(jīng)費內(nèi)部支出與地區(qū)生產(chǎn)總值之比表示各省份政府對研發(fā)創(chuàng)新活動的干預(yù)程度，政府干預(yù)程度越高，即研發(fā)經(jīng)費內(nèi)部支出對地區(qū)生產(chǎn)總值之比越高，研發(fā)經(jīng)費的增加必然會促進研發(fā)活動的進行，進而會促進創(chuàng)新效率的提升。第二，地區(qū)受教育水平（EDU）。選取地區(qū)的人力資本結(jié)構(gòu)，即地區(qū)就業(yè)人員的學(xué)歷水平，用大專及以上人口比例比其他人口比例表示地區(qū)勞動力的受教育水平。地區(qū)受教育水平反映了高等教育人才的比例，在創(chuàng)新活動中研發(fā)人員發(fā)揮了極其重要的作用，研發(fā)人員的創(chuàng)新能力與其受教育水平密不可分，研發(fā)人員受教育水平越高，創(chuàng)新效率也越高；此外，地區(qū)整體就業(yè)人員的受教育水平對該地區(qū)的總體生產(chǎn)效率也具有促進作用，從而進一步促進創(chuàng)新效率。第三，地區(qū)內(nèi)部技術(shù)市場流動情況（TD）。參考李雪松和王沖（2019）[3]用地區(qū)技術(shù)市場成交額占地區(qū)GDP 的百分比來衡量。地區(qū)內(nèi)部的技術(shù)擴散和傳播能有效優(yōu)化資源的配置效率，進而促進創(chuàng)新效率的提高。

2.研發(fā)要素配置扭曲的測度結(jié)果

本文對式（7）所示的生產(chǎn)函數(shù)進行了估計，以此測算了考察期內(nèi)中國各省份研發(fā)要素配置扭曲和研發(fā)勞動要素結(jié)構(gòu)性扭曲，表1 對兩種研發(fā)要素配置扭曲程度進行報告。

由表1 可知，從全國范圍看，各省均表現(xiàn)出明顯的研發(fā)要素配置扭曲的情況，且縱觀2009 年與2019年的變化，研發(fā)要素配置扭曲絕大多數(shù)地區(qū)表現(xiàn)為扭曲加深，只有個別地區(qū)扭曲程度減弱；研發(fā)勞動要素結(jié)構(gòu)性扭曲大部分地區(qū)表現(xiàn)出扭曲程度加深，即扭曲值增大的趨勢，小部分地區(qū)扭曲程度減弱。

表1 2009 年、2019 年各省份研發(fā)要素配置扭曲和研發(fā)勞動要素結(jié)構(gòu)性扭曲程度

總體看來，大多數(shù)省份研發(fā)要素配置扭曲在10左右，即表明一單位的研發(fā)資本投入產(chǎn)生的邊際產(chǎn)出大于一單位研發(fā)人員投入的邊際產(chǎn)出，且為其10倍左右。分地區(qū)來看，研發(fā)要素配置扭曲較大的地區(qū)有浙江、廣東等經(jīng)濟發(fā)達地區(qū)，反映了該地區(qū)研發(fā)資本的高邊際產(chǎn)出與研發(fā)人員的高工資水平，這與該地區(qū)市場活力和對高端人才的吸引密切相關(guān)；河北、黑龍江、陜西和新疆等經(jīng)濟欠發(fā)達的偏遠地區(qū)的研發(fā)要素配置扭曲與其他地區(qū)相比較小，表明了這些省份研發(fā)要素配置扭曲程度教小，即研發(fā)資本的邊際產(chǎn)出相對略低、研發(fā)人員的邊際產(chǎn)出略高或研發(fā)人員的工資水平略低，這是因為創(chuàng)新活動具有周期長、風(fēng)險高等特征，使得研發(fā)資本的邊際產(chǎn)出偏低，且研發(fā)人員的薪酬制度與普通勞動力基本一致，導(dǎo)致這些地區(qū)研發(fā)人員的工資偏低。

總體來看，各省份研發(fā)勞動要素結(jié)構(gòu)性扭曲較低，均小于1，即一單位非研發(fā)人員投入所帶來的邊際產(chǎn)出遠低于一單位研發(fā)人員投入的邊際產(chǎn)出，這表明與非研發(fā)勞動力相比，對于研發(fā)人員的高邊際產(chǎn)出來而言，研發(fā)人員的工資水平過低，尤其海南、新疆等地研發(fā)勞動要素結(jié)構(gòu)性扭曲值最小，即研發(fā)勞動要素結(jié)構(gòu)性扭曲程度最小，相應(yīng)的研發(fā)人員與非研發(fā)人員工資水平差距最大。

（三）數(shù)據(jù)來源及描述性統(tǒng)計

由于國民經(jīng)濟核算體系（SNA-2008）的發(fā)布，2009 年之前和之后的很多數(shù)據(jù)在統(tǒng)計口徑上發(fā)生了變化，數(shù)據(jù)的變化趨勢不連貫，所以本文選取的研究樣本為2009—2019 年中國30 個省份（不包含港澳臺地區(qū)）的面板數(shù)據(jù)，此外，西藏由于數(shù)據(jù)缺失嚴重，故將其排除不予考慮。原始數(shù)據(jù)來自《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》《中國價格統(tǒng)計年鑒》《中國城市（鎮(zhèn)）生活與價格年鑒》《中國價格及城鎮(zhèn)居民家庭收支調(diào)查統(tǒng)計年鑒》及中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、國泰安數(shù)據(jù)庫等。表2 是本文涉及的主要變量及其描述性統(tǒng)計。

表2 描述性統(tǒng)計

四、回歸結(jié)果分析

（一）回歸結(jié)果與分析

1.基準回歸分析。本文采用2009—2019 年中國各省份創(chuàng)新生產(chǎn)效率作為被解釋變量，并選取研發(fā)要素配置扭曲為核心解釋變量，同時添加FDI為解釋變量，以地區(qū)政府干預(yù)程度、地區(qū)受教育水平和地區(qū)技術(shù)市場流動情況為控制變量，采用面板計量回歸模型，考察了研發(fā)要素配置扭曲和FDI對中國各省份創(chuàng)新生產(chǎn)效率的影響。

表3 中，模型（1）為研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI對創(chuàng)新效率的回歸結(jié)果，模型（2）為添加研發(fā)要素配置扭曲和FDI的交互項、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項之后，考慮所有因素的總體回歸結(jié)果。根據(jù)Hausman 檢驗的結(jié)果，基準回歸的兩個模型均采用固定效應(yīng)回歸。

表3 基準回歸結(jié)果

以上兩個模型均顯示，研發(fā)要素配置扭曲對創(chuàng)新效率具有顯著影響。第一，兩個模型都表明研發(fā)要素配置扭曲顯著促進了創(chuàng)新效率的提升，企業(yè)越來越多的引入優(yōu)質(zhì)資本，研發(fā)資本單位投入帶來的邊際報酬不斷增加，企業(yè)的創(chuàng)新效率也隨之增加，因此研發(fā)要素配置扭曲增加會促進創(chuàng)新效率的提升，這一結(jié)果證實了研究假說1 的內(nèi)容。第二，兩個模型均表明研發(fā)勞動要素結(jié)構(gòu)性扭曲顯著抑制了創(chuàng)新效率，研發(fā)人員得不到與其邊際產(chǎn)出相匹配的工資報酬，創(chuàng)新生產(chǎn)的動力不足缺乏積極性，進而抑制創(chuàng)新效率的提高，從而驗證了假說2 的內(nèi)容。第三，兩個模型的結(jié)果表明，F(xiàn)DI對創(chuàng)新效率提升也表現(xiàn)出顯著的促進作用，且模型（2）的回歸結(jié)果顯示，研發(fā)要素配置扭曲和FDI的交互項回歸系數(shù)為正，且結(jié)果在1%水平上顯著，表明引入FDI也削弱了研發(fā)要素配置扭曲對創(chuàng)新效率促進作用，也即當(dāng)FDI越小時，研發(fā)要素配置扭曲對創(chuàng)新效率的促進作用越強；研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項回歸系數(shù)為正，且在1%水平上顯著，表明FDI削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的負向影響，也即當(dāng)FDI越小時，研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的抑制作用越強；通過計算，除浙江省2015—2019 年和廣東省2017—2019 年之外，F(xiàn)DI對創(chuàng)新效率總的作用仍是積極的促進作用，F(xiàn)DI對創(chuàng)新效率的抑制作用來自于FDI進入后削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的正向作用，即FDI和研發(fā)要素配置扭曲交互項的作用，在這些年份，浙江省、廣東省的研發(fā)要素配置扭曲值較大，F(xiàn)DI進入后對研發(fā)要素配置扭曲對創(chuàng)新效率促進作用的削弱超了過FDI本身對創(chuàng)新效率的促進作用和FDI對研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率抑制作用的削弱效果之和，所以FDI在總體上對創(chuàng)新效率產(chǎn)生了抑制作用。以上，驗證了研究假說3 的內(nèi)容。

從控制變量的回歸系數(shù)來看，政府干預(yù)程度、地區(qū)受教育水平和地區(qū)技術(shù)市場流動情況都顯著促進了創(chuàng)新效率的提升，且三種控制變量的促進作用依次降低，政府干預(yù)程度的影響最大，受教育水平略小，技術(shù)市場流動情況的促進作用最小。

如果存在內(nèi)生性問題，以上估計結(jié)果可能是有偏的或不一致的。表3 中回歸結(jié)果顯示，豪斯曼內(nèi)生性檢驗結(jié)果顯著，且1%水平上顯著表明變量存在內(nèi)生性問題。內(nèi)生性可能來源于遺漏變量和測量誤差等方面，盡管本文使用面板數(shù)據(jù)在一定程度上避免了遺漏變量問題，而且盡可能地控制了影響創(chuàng)新效率的其他變量，但仍然可能遺漏一些重要變量。而且關(guān)于研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲、FDI和創(chuàng)新效率衡量中可能存在的測量誤差等都有可能會產(chǎn)生內(nèi)生性問題?；诖?，本文采用兩階段最小二乘法2SLS 對內(nèi)生性問題進行控制。

在使用2SLS 過程中，需要事先設(shè)定相關(guān)的內(nèi)生解釋變量和工具變量。本文模型（3）將研發(fā)要素配置扭曲作為內(nèi)生解釋變量，模型（4）FDI作為內(nèi)生解釋變量。在工具變量的選擇上，參考施炳展和冼國明（2012）[32]的做法，選取內(nèi)生變量的一階滯后項作為工具變量，即研發(fā)要素配置扭曲和FDI的一階滯后項作為其自身的工具變量。2SLS 的估計結(jié)果如上面的表3 所示，模型（3）和模型（4）的回歸結(jié)果均具有顯著性，表明回歸結(jié)果通過了所有工具變量的計量統(tǒng)計檢驗，且與前面的基準回歸結(jié)果一致。

2.分地區(qū)回歸分析。為了檢驗以上模型分地區(qū)的回歸結(jié)果，本文將除西藏外的30 個內(nèi)陸省份，分為東、中、西部地區(qū)分別回歸①其中，東部地區(qū)為：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南，共11 個省份；中部地區(qū)為：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南，共8 個省份；西部地區(qū)為：內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆，共11 個省份。。表4 為三個地區(qū)的回歸結(jié)果，根據(jù)Hausman 檢驗的結(jié)果，東部地區(qū)和西部地區(qū)均采用固定效應(yīng)回歸，中部地區(qū)的模型（7）和模型（8）統(tǒng)一采用隨機效應(yīng)回歸。

表4 分地區(qū)回歸結(jié)果

分地區(qū)回歸的結(jié)果表明：首先，研發(fā)要素配置扭曲對創(chuàng)新效率的影響，東部地區(qū)和中部地區(qū)均表現(xiàn)為顯著的促進作用，進一步驗證了研發(fā)要素配置扭曲增加會促進地區(qū)創(chuàng)新效率的提升，但西部地區(qū)可能由于西部大開發(fā)戰(zhàn)略的深入實施使其更多地依靠對外開放、政策優(yōu)惠等途徑提高創(chuàng)新效率，因此研發(fā)要素配置扭曲對創(chuàng)新效率影響不顯著。其次，研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的影響，中部地區(qū)在模型（7）中表現(xiàn)為1%顯著性水平的抑制作用，模型（8）中表現(xiàn)為10%顯著性水平的抑制作用，西部地區(qū)在模型（9）、模型（10）均表現(xiàn)為1%顯著性水平的抑制作用，東部地區(qū)的回歸結(jié)果不顯著，說明東部地區(qū)由于經(jīng)濟社會比較發(fā)達，各種勞動人員的工資水平都很高，研發(fā)人員的勞動所得高于其他地區(qū)，這種研發(fā)人員和非研發(fā)人員的差異已經(jīng)不影響研發(fā)人員的創(chuàng)新動力和積極性了，而中部地區(qū)和西部地區(qū)表現(xiàn)為顯著的抑制作用，研發(fā)勞動要素結(jié)構(gòu)性扭曲增加會抑制創(chuàng)新效率提升。再次，對于FDI，三個地區(qū)的回歸結(jié)果均表現(xiàn)為FDI顯著促進了創(chuàng)新效率的提升；對于研發(fā)要素扭曲和FDI的交互項，東部地區(qū)研發(fā)要素配置扭曲和FDI交互項的回歸結(jié)果顯著，且與基準回歸相符，研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項不顯著，中部地區(qū)兩個交互項均顯著，且與基準回歸相符，西部地區(qū)研發(fā)要素配置扭曲和FDI交互項的回歸結(jié)果不顯著，研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項顯著，且與基準回歸相符。最后，控制變量政府干預(yù)程度、受教育水平和內(nèi)部技術(shù)市場流動情況在東、中、西三個地區(qū)基本都與基準回歸結(jié)果相符，顯著促進了創(chuàng)新效率的提升。

綜上估計結(jié)果與前文基準回歸結(jié)果基本一致，說明本文的研究結(jié)果具有較好的穩(wěn)健性。

（二）穩(wěn)健性檢驗

1.更換被解釋變量測算指標(biāo)。為了檢驗上述模型的穩(wěn)健性，我們參考白俊紅和蔣伏心（2015）[33]的方法，根據(jù)發(fā)明專利、實用新型和外觀設(shè)計三種專利的創(chuàng)新程度，對其分別賦予0.5、0.3 和0.2 的權(quán)重，采用加權(quán)平均值作為最終的專利指標(biāo)，以衡量創(chuàng)新產(chǎn)出。同樣用隨機前沿法測算出創(chuàng)新效率作為被解釋變量，以研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI作為解釋變量，同樣以地區(qū)政府干預(yù)程度、地區(qū)受教育水平和地區(qū)內(nèi)部技術(shù)市場流動情況為控制變量，采用面板計量回歸模型，再次考察研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI對我國創(chuàng)新生產(chǎn)效率的影響。表5 為重新測算創(chuàng)新效率后，是否考慮交互項這兩種情況對應(yīng)的總體回歸結(jié)果：

表5 更換被解釋變量的回歸結(jié)果

從以上回歸結(jié)果看，研發(fā)要素配置扭曲顯著促進了創(chuàng)新效率的提升；研發(fā)勞動要素結(jié)構(gòu)性扭曲顯著抑制了創(chuàng)新效率的提升；FDI顯著促進了創(chuàng)新效率的提升；對于交互項的影響，研發(fā)要素配置扭曲和FDI交互項的回歸結(jié)果顯著為負，表明FDI的引入削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的促進作用，研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項，顯著為正，表明FDI的引入削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的抑制作用；通過計算，總體上，F(xiàn)DI對創(chuàng)新效率總的影響仍為正向促進作用；此外，控制變量也均顯著促進了地區(qū)創(chuàng)新效率。綜上估計結(jié)果與基準回歸結(jié)果一致，進一步表明了本文的估計結(jié)果具有穩(wěn)健性。

2.更換解釋變量測算指標(biāo)。為了進一步檢驗?zāi)Ｐ偷姆€(wěn)健性，本文以研發(fā)人員工資與非研發(fā)人員工資之比表示研發(fā)勞動要素結(jié)構(gòu)性扭曲，其他變量與基準回歸變量一致，考察研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI對中國各省份創(chuàng)新生產(chǎn)效率的影響。表6 為采用了2010—2019 年省級數(shù)據(jù)的固定效應(yīng)面板回歸結(jié)果。

表6 更換解釋變量的回歸結(jié)果

從以上回歸結(jié)果看，研發(fā)要素配置扭曲顯著促進了創(chuàng)新效率的提升；研發(fā)勞動要素結(jié)構(gòu)性扭曲顯著抑制了創(chuàng)新效率的提升；FDI顯著促進了創(chuàng)新效率的提升；對于交互項的影響，研發(fā)要素配置扭曲和FDI交互項的回歸結(jié)果顯著為負，表明FDI的引入削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的促進作用，研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI的交互項，顯著為正，表明FDI的引入削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的抑制作用；通過計算，總體上，F(xiàn)DI對創(chuàng)新效率總的影響仍為正向促進作用；此外，控制變量也均顯著促進了地區(qū)創(chuàng)新效率。上述估計結(jié)果與基準回歸結(jié)果一致，進一步表明了本文的估計結(jié)果具有穩(wěn)健性。

（三）進一步分析：基于FDI 對研發(fā)人員工資的W 視角

在前文的機制分析中，主要探討了FDI可能通過壓低研發(fā)人員工資的途徑來影響研發(fā)要素配置扭曲和研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的作用，本文將進一步對這一機制進行檢驗，設(shè)定如下簡化的檢驗?zāi)Ｐ?，為了結(jié)果的穩(wěn)定性對所有變量取對數(shù)，如下式所示：

其中，下標(biāo)i、t分別表示地區(qū)、時間，η0、η1、η2為變量的回歸系數(shù)，wrd為研發(fā)人員的工資，F(xiàn)DI為外商直接投資，X為控制變量，控制變量包括地區(qū)人均GDP（PGDP）、地區(qū)城鎮(zhèn)化率（Urb）和地區(qū)內(nèi)部技術(shù)市場流動情況（TD）。本文選取2009—2019 年省級面板數(shù)據(jù)，F(xiàn)DI對研發(fā)人員工資的具體回歸結(jié)果如表7 所示。

表7 FDI 對研發(fā)人員工資的回歸結(jié)果

在以上回歸結(jié)果中，分別展示了總體固定效應(yīng)回歸結(jié)果和東部地區(qū)、中部地區(qū)、西部地區(qū)的固定效應(yīng)回歸結(jié)果。四個模型均表明引進外資對我國研發(fā)人員的工資水平具有抑制作用，即FDI壓低了研發(fā)人員的工資。結(jié)合前文的機制分析，F(xiàn)DI通過壓低研發(fā)人員的工資，減輕了創(chuàng)新研發(fā)企業(yè)的研發(fā)成本，使得企業(yè)可以雇傭更多的研發(fā)人員或者投入更多的研發(fā)資本，從而對地區(qū)創(chuàng)新效率產(chǎn)生促進作用；同時，F(xiàn)DI通過壓低研發(fā)人員的工資，降低了研發(fā)要素配置扭曲和研發(fā)勞動要素結(jié)構(gòu)性扭曲，進而削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的促進作用，進一步驗證了研究假說3 的內(nèi)容。

五、結(jié)論

本文將研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI作為核心解釋變量，研究其對創(chuàng)新效率的影響，并考慮了交互影響，拓展了已有的研究框架。使用省級面板數(shù)據(jù)，構(gòu)建了研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI等指標(biāo)，系統(tǒng)考察了研發(fā)要素配置扭曲、研發(fā)勞動要素結(jié)構(gòu)性扭曲和FDI對創(chuàng)新效率的影響。主要得出如下結(jié)論：研發(fā)要素配置扭曲對創(chuàng)新效率的提升具有促進作用；研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的提升具有抑制作用；FDI對創(chuàng)新效率具有顯著的促進作用，F(xiàn)DI的引入削弱了研發(fā)要素配置扭曲對創(chuàng)新效率的正向影響，也削弱了研發(fā)勞動要素結(jié)構(gòu)性扭曲對創(chuàng)新效率的負向影響，總體上，F(xiàn)DI對創(chuàng)新效率仍具有積極的促進作用。

由此，本文提出以下建議：

首先，應(yīng)該形成一個更有效的研發(fā)要素市場，更優(yōu)的研發(fā)要素配置能夠提升創(chuàng)新效率，使研發(fā)要素自由流動、要素價格反應(yīng)靈活，提高研發(fā)人員的工資報酬，從而吸引更多創(chuàng)新人才。同時，在教育層面上，要提高人力資本積累，特別是高素質(zhì)研發(fā)人才的人力資本積累。

其次，政府應(yīng)該采取積極的政策吸引外資，外資的進入能夠促進創(chuàng)新效率的提升。在創(chuàng)新資源有限的情況下，注重引進高質(zhì)量的外商直接投資，從而更好地提升創(chuàng)新效率。同時，政府應(yīng)合理簡化相關(guān)程序，使外資順利進入我國，建立完善的外商投資機制，營造良好的外商投資環(huán)境，為外資進入和發(fā)揮作用提供良好的內(nèi)部制度環(huán)境。