項(xiàng) 燕

(安徽新華學(xué)院 財(cái)會(huì)與金融學(xué)院,合肥 230088)

一、引言

黨的十八大提出“創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略”以來(lái),中國(guó)一直把創(chuàng)新放在全局發(fā)展的核心位置,高度重視創(chuàng)新投入對(duì)經(jīng)濟(jì)發(fā)展的推動(dòng)作用。根據(jù)財(cái)政部發(fā)布的《2022年中國(guó)財(cái)政政策執(zhí)行情況報(bào)告》公布的數(shù)據(jù),2022年,中國(guó)研發(fā)投入超過(guò)3萬(wàn)億人民幣,環(huán)比增長(zhǎng)10.4%,實(shí)現(xiàn)了連續(xù)七年兩位數(shù)增長(zhǎng),研發(fā)投入強(qiáng)度達(dá)到了2.55%,再創(chuàng)歷史新高。而根據(jù)世界知識(shí)產(chǎn)權(quán)組織發(fā)布的《2022年全球創(chuàng)新指數(shù)報(bào)告》,中國(guó)2022年的創(chuàng)新水平位列全球第11位,也是持續(xù)多年處于上升狀態(tài)。在創(chuàng)新投入和創(chuàng)新水平不斷提升的背景下,創(chuàng)新對(duì)經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng)力是否充分發(fā)揮成為社會(huì)各界關(guān)注的重要課題。

創(chuàng)新投入為創(chuàng)新水平提升提供了物質(zhì)基礎(chǔ),進(jìn)而推動(dòng)經(jīng)濟(jì)增長(zhǎng),然而這種推動(dòng)力的發(fā)揮受到諸多因素的影響,比如政府層面的補(bǔ)貼、稅收優(yōu)惠、對(duì)外開(kāi)放水平等,企業(yè)層面的市場(chǎng)競(jìng)爭(zhēng)水平、組織結(jié)構(gòu)、薪酬激勵(lì)等,其中,知識(shí)粘性也是非常重要的一個(gè)因素。知識(shí)粘性是指知識(shí)在傳播過(guò)程中的相對(duì)不可移動(dòng)性,對(duì)其原始所有者存在一定的粘性,這使得知識(shí)的正常流動(dòng)受到限制。[1-2]現(xiàn)有大多數(shù)關(guān)于創(chuàng)新投入的研究通常假設(shè)創(chuàng)新投入要素的使用沒(méi)有障礙,要素投入是完整的。[3-4]事實(shí)上,由于知識(shí)傳播的空間范圍和知識(shí)學(xué)習(xí)的路徑依賴性,技術(shù)知識(shí)的傳播并不完整和及時(shí),即存在一定的“粘性”,特別是對(duì)于排他性和創(chuàng)新性較高的高科技知識(shí)。

知識(shí)經(jīng)濟(jì)時(shí)代,知識(shí)要素已成為經(jīng)濟(jì)發(fā)展的主要資源,知識(shí)獲取和應(yīng)用的必然性是創(chuàng)新活動(dòng)過(guò)程中不可或缺的關(guān)鍵環(huán)節(jié),但知識(shí)粘性的存在給知識(shí)流動(dòng)和模仿帶來(lái)了障礙,不利于創(chuàng)新活動(dòng)的順利進(jìn)行。因此,知識(shí)粘性的存在是否會(huì)影響到創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)的推動(dòng)作用,這對(duì)于中國(guó)經(jīng)濟(jì)增長(zhǎng)速度和質(zhì)量具有重要的理論和現(xiàn)實(shí)意義。

梳理文獻(xiàn)發(fā)現(xiàn),在研究?jī)?nèi)容上,現(xiàn)有文獻(xiàn)對(duì)創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系的研究比較多,但研究重點(diǎn)主要集中在創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)的直接影響機(jī)制上,比如戈埃爾(Goel)等[5]、何宜麗和李靖[6]、巫強(qiáng)[7]、張杰和陳容[8]以美國(guó)和中國(guó)為例研究了創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系,均認(rèn)同創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)具有積極影響。少數(shù)文獻(xiàn)關(guān)注到了知識(shí)粘性與創(chuàng)新投入及經(jīng)濟(jì)增長(zhǎng)間的關(guān)系,比如游達(dá)明和李志偉通過(guò)構(gòu)建純策略博弈模型分析了技術(shù)知識(shí)粘性對(duì)R&D投資動(dòng)機(jī)的影響機(jī)理,論證了知識(shí)粘性對(duì)企業(yè)R&D投資具有顯著的積極影響。[9]埃利希(Ehrlich)和裴(Pei)從人力資本角度研究知識(shí)粘性對(duì)經(jīng)濟(jì)均衡增長(zhǎng)的影響機(jī)制,研究結(jié)論指出,知識(shí)粘性的存在降低了人力資本分布的差異性,有助于區(qū)域經(jīng)濟(jì)均衡增長(zhǎng)。[10]但這些研究?jī)H探討了知識(shí)粘性與創(chuàng)新投入或經(jīng)濟(jì)增長(zhǎng)之間的單邊關(guān)系,忽視了知識(shí)粘性在創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間的調(diào)節(jié)作用,而對(duì)于這種調(diào)節(jié)作用的門限效應(yīng)的考慮更無(wú)從談起。在研究范圍上,雖然一些學(xué)者針對(duì)中國(guó)展開(kāi)了研究,比如何宜麗和李靖[11]、張駿和馬躍[12]、郭英遠(yuǎn)等[13],但是沒(méi)有考慮到中國(guó)經(jīng)濟(jì)環(huán)境的區(qū)域差異性。在研究方法上,現(xiàn)有研究普遍采用的是實(shí)證分析法,比如李守偉[14]、巫強(qiáng)[15]、孟凡臣[16]等,而對(duì)于知識(shí)粘性、創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系的理論機(jī)制關(guān)注較少,沒(méi)有真正打開(kāi)知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中的調(diào)節(jié)機(jī)制的“黑箱”。

本文通過(guò)構(gòu)建一個(gè)綜合考慮知識(shí)粘性和創(chuàng)新投入的經(jīng)濟(jì)增長(zhǎng)模型,將知識(shí)粘性納入創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系框架,深入分析了知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中的調(diào)節(jié)作用的理論機(jī)制,并利用中國(guó)內(nèi)地30個(gè)省份2013—2021年的面板數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)。同時(shí)從知識(shí)粘性調(diào)節(jié)作用的區(qū)域差異角度出發(fā),考慮到了調(diào)節(jié)作用的門限效應(yīng),在補(bǔ)充當(dāng)前理論研究的同時(shí),也為相關(guān)部門制定創(chuàng)新政策提供了理論依據(jù)。

二、理論機(jī)制

基于Romer經(jīng)濟(jì)增長(zhǎng)模型[17],本文引入人力資本生產(chǎn)部門,構(gòu)建一個(gè)綜合考慮知識(shí)粘性和創(chuàng)新投入的經(jīng)濟(jì)增長(zhǎng)模型,從理論上分析知識(shí)粘性、創(chuàng)新投入與經(jīng)濟(jì)增長(zhǎng)之間的邏輯關(guān)系。假設(shè)經(jīng)濟(jì)系統(tǒng)由最終產(chǎn)品生產(chǎn)部門、中間產(chǎn)品生產(chǎn)部門、研發(fā)部門和人力資本生產(chǎn)部門組成,不考慮每個(gè)部門的折舊,經(jīng)濟(jì)系統(tǒng)中有無(wú)數(shù)同質(zhì)個(gè)體,他們既提供勞動(dòng)力,又消費(fèi)最終產(chǎn)品。

(一)模型構(gòu)造

1.最終產(chǎn)品生產(chǎn)部門

假設(shè)最終產(chǎn)品生產(chǎn)部門處于完全競(jìng)爭(zhēng)市場(chǎng)中,并且該部門由使用部分基礎(chǔ)勞動(dòng)力、人力資本(技術(shù)勞動(dòng)力)和中間產(chǎn)品進(jìn)行生產(chǎn)的眾多企業(yè)組成。代表性企業(yè)的生產(chǎn)函數(shù)為：

(1)

其中,Y表示企業(yè)的產(chǎn)出,α和β分別為基礎(chǔ)勞動(dòng)力和人力資本(技術(shù)勞動(dòng)力)的產(chǎn)出彈性,H為社會(huì)人力資本存量(技術(shù)勞動(dòng)力存量),φ和(1-λ1-λ2)分別為用于生產(chǎn)最終產(chǎn)品的勞動(dòng)力和人力資源的比例,xi表示使用的中間產(chǎn)品數(shù)量,假設(shè)最終產(chǎn)品的價(jià)格為1[18],A為當(dāng)前技術(shù)水平。根據(jù)利潤(rùn)最大化原則,制造商的生產(chǎn)函數(shù)為：

(2)

由此,求解三個(gè)投入要素的價(jià)格,其中w、pH和pi分別表示基礎(chǔ)勞動(dòng)力價(jià)格、人力資本價(jià)格和中間產(chǎn)品價(jià)格：

(3)

(4)

(5)

2.中間產(chǎn)品生產(chǎn)部門

πi=pixi-rxi

(6)

根據(jù)利潤(rùn)最大化原則,結(jié)合公式(5),資本貨物價(jià)格為：

(7)

根據(jù)公式(6)和公式(7),中間產(chǎn)品部門的利潤(rùn)為：

(8)

根據(jù)公式(7),由于每個(gè)中間產(chǎn)品的價(jià)格是pi。因此,在均衡狀態(tài)下,每種中間產(chǎn)品數(shù)量也是相同的[20],即xi=xj=x,則有πi=πj=π。

3.研發(fā)部門

假設(shè)研發(fā)部門主要從事技術(shù)創(chuàng)新活動(dòng),研發(fā)部門的生產(chǎn)函數(shù)設(shè)置為：

A′=δ(λ2H)1-cAθ=δRAθ

(9)

設(shè)R=(λ2H),研發(fā)部門在創(chuàng)新活動(dòng)中的投入主要是人力資本(技術(shù)勞動(dòng)力)投入;δ為生產(chǎn)力參數(shù),λ2為用于創(chuàng)新投入的人力資本比例,c為知識(shí)粘性,θ代表技術(shù)創(chuàng)新彈性系數(shù)。

如果技術(shù)制造商將專利出售給資本設(shè)備制造商并獲得收入,則存在以下等式：

(10)

根據(jù)公式(9),結(jié)合人力資本邊際產(chǎn)品等于人力資本邊際收益的原則,人力資本價(jià)格為：

(11)

4.人力資本生產(chǎn)部門

根據(jù)盧卡斯(Lucas)[21]對(duì)人力資本生產(chǎn)函數(shù)的設(shè)置,假設(shè)人力資本生產(chǎn)部門使用部分基礎(chǔ)勞動(dòng)力和人力資本,其生產(chǎn)函數(shù)設(shè)置為：

H′=η(1-φ)Lλ1H

(12)

其中,η為人力資本生產(chǎn)率參數(shù),(1-φ)和λ1分別表示用于生產(chǎn)人力資本的基礎(chǔ)勞動(dòng)比率和人力資本比率。

w=η(1-φ)λ1HpH

(13)

5.消費(fèi)者偏好

(14)

(二)平衡分析

基于上述分析和長(zhǎng)期均衡條件,求解均衡增長(zhǎng)路徑上的經(jīng)濟(jì)增長(zhǎng)率。

社會(huì)總資本為K=Ax,將其代入公式(1)可得：

Y=(φL)α[(1-λ1-λ2)H]βAα+βK1-α-β

(15)

根據(jù)公式(5)、(7)和(15),資本產(chǎn)出率為：

(16)

由于資本產(chǎn)出比是恒定的,所以產(chǎn)出增長(zhǎng)率與均衡狀態(tài)下的資本增長(zhǎng)率相同,即gY=gK。最終產(chǎn)品生產(chǎn)部門的產(chǎn)出用于消費(fèi)和投資,即Y=C+K′,因此,消費(fèi)增長(zhǎng)比例(gC)和資本增長(zhǎng)比例(gK)相同,進(jìn)而也與產(chǎn)出增長(zhǎng)比例(gY)相同。根據(jù)公式(16)可得：

g=Λn+gA+ΒgH

(17)

(18)

基于公式(9)得到gA=(1-c)gH/(1-θ),gR=(1-c)gH,gR為用于創(chuàng)新投入的人力資本增長(zhǎng)比例,所以：

(19)

根據(jù)公式(14)和公式(18)可得實(shí)際利率：

(20)

結(jié)合等式(17)、(19)和(20),得到人力資本增長(zhǎng)比例(gR)和經(jīng)濟(jì)增長(zhǎng)率(g)：

(21)

(22)

其中,Γ=ηλ1φ(1-φ)LΔ。

公式(22)直接反映了經(jīng)濟(jì)增長(zhǎng)率和創(chuàng)新投入及知識(shí)粘性間的關(guān)系。由公式(9)可知,研發(fā)部門在產(chǎn)品創(chuàng)新活動(dòng)中的投入主要是人力資本(技術(shù)勞動(dòng)力)投入,而人力資本產(chǎn)出彈性比重(B)和人力資本增長(zhǎng)比例(gR)則是研發(fā)部門在人力資本投入上的直接反映。在其他條件不變時(shí),知識(shí)粘性對(duì)人力資本產(chǎn)出彈性比重(B)和人力資本增長(zhǎng)比例(gR)存在反向的直接作用,即知識(shí)粘性對(duì)創(chuàng)新投入存在反向的直接作用。而人力資本產(chǎn)出彈性比重(B)和人力資本增長(zhǎng)比例(gR)對(duì)經(jīng)濟(jì)增長(zhǎng)率存在正向直接作用,即創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)率存在正向直接作用,進(jìn)而知識(shí)粘性對(duì)經(jīng)濟(jì)增長(zhǎng)存在反向調(diào)節(jié)作用。

三、研究設(shè)計(jì)

(一)模型構(gòu)建

借鑒邢會(huì)[23]、李金生和朱蔓菱[24]等學(xué)者的研究,利用三步法構(gòu)建中介效應(yīng)模型以實(shí)證檢驗(yàn)前文理論模型結(jié)論。

首先,構(gòu)建創(chuàng)新投入(IT)對(duì)經(jīng)濟(jì)增長(zhǎng)(G)的基礎(chǔ)效應(yīng)模型：

Git=α0+α1ITit+∑?jxijt+λi×μt+εit

(23)

其次,構(gòu)建創(chuàng)新投入(IT)對(duì)知識(shí)粘性(KS)主效應(yīng)模型：

KSit=α0+α1ITit+∑?jxijt+λi×μt+εit

(24)

最后,將知識(shí)粘性(KS)引入基礎(chǔ)效應(yīng)模型,構(gòu)建中介效應(yīng)模型：

Git=α0+α1ITit+α2KSit+∑?jxijt+λi×μt+εit

(25)

其中,α0為常數(shù)項(xiàng),α1、α2、?j為待估參數(shù),x表示控制變量,下標(biāo)i指示空間屬性(本文中為省份),t指示時(shí)間屬性(本文中為年份)。λ表示個(gè)體固定效應(yīng),μ表示時(shí)間固定效應(yīng)。由于傳統(tǒng)的固定效應(yīng)模型無(wú)法解決因不可觀測(cè)變量隨個(gè)體和時(shí)間變化而導(dǎo)致的內(nèi)生性,為了緩解這一問(wèn)題,本文引入個(gè)體和時(shí)間的交互項(xiàng),以控制共同因素對(duì)不同個(gè)體的影響。ε為服從正態(tài)分布的隨機(jī)擾動(dòng)項(xiàng)。

(二)變量設(shè)置和數(shù)據(jù)來(lái)源

1.變量設(shè)置

(1)經(jīng)濟(jì)增長(zhǎng)(G)。基于前文的理論機(jī)制分析,同時(shí)考慮到中國(guó)不同省份人口規(guī)模差異較大,本文用各省份的人均GDP環(huán)比增長(zhǎng)率代表各省份的經(jīng)濟(jì)增長(zhǎng)[25]。

(2)創(chuàng)新投入(IT)?，F(xiàn)有文獻(xiàn)使用技術(shù)研發(fā)人員投入衡量創(chuàng)新投入水平的較多,這與前文機(jī)制分析中的創(chuàng)新投入及李婧等人的研究[26]一致,本文采用此指標(biāo)替代創(chuàng)新投入。

(3)知識(shí)粘性(KS)。知識(shí)粘性是一個(gè)多維概念,基于馮帆[27]、蘭斯基(Szunski)[28]的研究,本文利用全局熵法,從知識(shí)轉(zhuǎn)移主體、知識(shí)本身屬性和知識(shí)轉(zhuǎn)移環(huán)境三方面綜合測(cè)量知識(shí)粘性。

將知識(shí)粘性的測(cè)度指標(biāo)體系分為三個(gè)層次,一級(jí)指標(biāo)是知識(shí)粘性的成因,包括知識(shí)轉(zhuǎn)移主體、知識(shí)本身屬性和知識(shí)轉(zhuǎn)移環(huán)境。各一級(jí)指標(biāo)細(xì)分如下：

①知識(shí)轉(zhuǎn)移主體。知識(shí)轉(zhuǎn)移主體分為知識(shí)提供者和知識(shí)接受者。知識(shí)提供者是轉(zhuǎn)移知識(shí)的所有者。由于粘性知識(shí)是通過(guò)專業(yè)勞動(dòng)傳遞的,知識(shí)提供者解釋能力越強(qiáng),傳遞知識(shí)的粘性越小。因此,勞動(dòng)力的數(shù)量和質(zhì)量直接影響知識(shí)傳遞效率。本文選擇應(yīng)屆高校畢業(yè)生數(shù)量和接受過(guò)高等教育的人口數(shù)量代表知識(shí)提供者。知識(shí)接受者消化和吸收的知識(shí)越少,成功轉(zhuǎn)移的知識(shí)越少,知識(shí)粘性就越大。本文選取發(fā)表的SCI論文數(shù)量、高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)的新產(chǎn)品數(shù)量以及技術(shù)市場(chǎng)的成交量體現(xiàn)知識(shí)消化和吸收程度。

②知識(shí)本身屬性。知識(shí)屬性也會(huì)形成一定的知識(shí)粘性,主要包括知識(shí)的緘默性和知識(shí)的復(fù)雜性。知識(shí)的緘默性是指知識(shí)的排他程度,知識(shí)的專業(yè)性越高,適用范圍越窄,越難以被理解和接受。本文用技術(shù)改造資金的支出表示知識(shí)的緘默性。一個(gè)地區(qū)的技術(shù)改造資金支出越大,用于專業(yè)知識(shí)轉(zhuǎn)化的支出就越大,知識(shí)粘性就越低,專業(yè)知識(shí)易于理解。知識(shí)的復(fù)雜性越高,知識(shí)的結(jié)構(gòu)越復(fù)雜,信息含量越大,可轉(zhuǎn)移性越低。本文使用外國(guó)技術(shù)引進(jìn)費(fèi)用和外國(guó)技術(shù)引進(jìn)合同數(shù)量來(lái)描述,一個(gè)地區(qū)引進(jìn)外國(guó)技術(shù)的成本和合同數(shù)量越高,表明該地區(qū)越重視技術(shù)知識(shí)的獲取和應(yīng)用,越有利于知識(shí)轉(zhuǎn)讓。

③知識(shí)轉(zhuǎn)移環(huán)境。知識(shí)的順利轉(zhuǎn)移和應(yīng)用需要合適的環(huán)境,主要包括市場(chǎng)化水平和城市化水平。市場(chǎng)化水平越高,市場(chǎng)交易機(jī)制越完善,則知識(shí)作為一種商品進(jìn)行交易的阻礙越小,本文選擇非國(guó)有單位就業(yè)比例替代。而城市化水平在很大程度上決定了知識(shí)轉(zhuǎn)移的范圍和規(guī)模,高城市化水平為技術(shù)型企業(yè)聚集提供了空間,同時(shí)也為創(chuàng)新資本聚集提供了基礎(chǔ),為知識(shí)轉(zhuǎn)移提供了良好的環(huán)境。本文選擇城市人口占總?cè)丝诒壤?、互?lián)網(wǎng)寬帶接入用戶數(shù)量和城鎮(zhèn)職工平均工資作為城市化水平下的三級(jí)指標(biāo)。

表1 知識(shí)粘性測(cè)量指標(biāo)體系

(4)控制變量。為了避免遺漏變量造成偏差,選擇以下控制變量：①貿(mào)易開(kāi)放(TO)。貿(mào)易開(kāi)放程度越高,越有利于引進(jìn)外國(guó)技術(shù)和高端人力資本,本文選擇進(jìn)出口總額占GDP的比重作為代理變量[29]。②第三產(chǎn)業(yè)占比(TH)。第三產(chǎn)業(yè)占比是一國(guó)經(jīng)濟(jì)發(fā)展水平的重要體現(xiàn),同時(shí)也是推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展的重要?jiǎng)恿?本文選擇第三產(chǎn)業(yè)增加值占GDP的比例表示[30-31]。③金融發(fā)展水平(FI)。金融活動(dòng)是社會(huì)經(jīng)濟(jì)活動(dòng)的中心,是經(jīng)濟(jì)增長(zhǎng)的重要保障。參考李苗苗等人的研究[32],本文選擇金融機(jī)構(gòu)存款總額占GDP的比例表示。④高等教育水平(ST)。教育為經(jīng)濟(jì)的快速發(fā)展提供了人力資本,人力資本的積累速度和存量又會(huì)影響經(jīng)濟(jì)增長(zhǎng),本文用大中專院校畢業(yè)生數(shù)量表示[33]。⑤人口增長(zhǎng)率(PR)。人口增長(zhǎng)率決定了經(jīng)濟(jì)體系中勞動(dòng)力數(shù)量,而根據(jù)C-D生產(chǎn)函數(shù),勞動(dòng)力數(shù)量又決定著社會(huì)生產(chǎn)量,所以人口增長(zhǎng)率是經(jīng)濟(jì)增長(zhǎng)的一個(gè)重要影響因素[34]。

2.數(shù)據(jù)選擇

2012年年底,黨的十八大中明確提出“科技創(chuàng)新必須擺在國(guó)家發(fā)展全局的核心位置”,2013年可以看出是中國(guó)實(shí)施“創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略”的開(kāi)局之年。所以,本文選取的數(shù)據(jù)樣本是2013年至2021年中國(guó)30個(gè)省份(省、市、自治區(qū))的面板數(shù)據(jù)(不包括港澳臺(tái)和西藏)。數(shù)據(jù)收集整理自歷年的《中國(guó)科學(xué)技術(shù)統(tǒng)計(jì)年鑒》《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)庫(kù)》以及各省市的《統(tǒng)計(jì)年鑒》。對(duì)于少數(shù)缺失值,采用移動(dòng)平均法近似替換,最終共獲得270個(gè)有效樣本值。為了剔除物價(jià)因素的干擾,以2013年基期,使用消費(fèi)者物價(jià)指數(shù)(CPI)對(duì)相關(guān)經(jīng)濟(jì)變量進(jìn)行價(jià)格收縮。為了進(jìn)一步緩解異方差,使樣本數(shù)據(jù)更穩(wěn)定,對(duì)所有變量取對(duì)數(shù)。由于個(gè)別省份的人口增長(zhǎng)率為負(fù)值,參考相關(guān)文獻(xiàn)[35],對(duì)于人口增長(zhǎng)率為負(fù)值的加1,然后取對(duì)數(shù)。

四、實(shí)證結(jié)果分析

(一)調(diào)節(jié)效應(yīng)分析

使用OLS法對(duì)式(23)-(25)逐步回歸,計(jì)算過(guò)程由Eviews8.0完成。各模型估計(jì)結(jié)果見(jiàn)表2。

表2 各模型估計(jì)結(jié)果匯總表

式(23)檢驗(yàn)了創(chuàng)新投入及控制變量與經(jīng)濟(jì)增長(zhǎng)間的關(guān)系?？梢钥闯?IT的系數(shù)值為0.013,在5%水平下顯著為正,創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)存在顯著的正向影響,持續(xù)的創(chuàng)新投入有利于提高創(chuàng)新水平,進(jìn)而提高創(chuàng)新績(jī)效,推動(dòng)經(jīng)濟(jì)增長(zhǎng)。式(24)檢驗(yàn)了知識(shí)粘性對(duì)創(chuàng)新投入的影響,KS的系數(shù)值在1%的水平下顯著為負(fù),知識(shí)粘性不利于創(chuàng)新投入提升,其原因在于,知識(shí)粘性增加了知識(shí)轉(zhuǎn)移的難度和成本,阻礙知識(shí)共享和傳播。而創(chuàng)新投入正向影響經(jīng)濟(jì)增長(zhǎng),所以可以斷定,知識(shí)粘性在創(chuàng)新投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中存在顯著的反向調(diào)節(jié)作用。式(25)估計(jì)結(jié)果顯示,IT的回歸系數(shù)在1%水平下顯著為正,但與式(23)相比,其系數(shù)值大幅度下降,由0.013下降到了0.006。KS的回歸系數(shù)在5%水平下顯著為負(fù),表明知識(shí)粘性的反向調(diào)節(jié)作用顯著存在,知識(shí)粘性阻礙了創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)的正向推動(dòng)作用的發(fā)揮,降低了創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)的正向影響力。盡管創(chuàng)新投入是創(chuàng)新活動(dòng)的重要來(lái)源和必要基礎(chǔ),但并不是所有創(chuàng)新投入要素都能得到充分利用,這與創(chuàng)新過(guò)程中知識(shí)轉(zhuǎn)移的難度有關(guān)。知識(shí)粘性越高,知識(shí)轉(zhuǎn)移難度越大,科研人員消化和利用知識(shí)的效率越低,真正有效的人力資本投資越低,創(chuàng)新投入產(chǎn)生的經(jīng)濟(jì)效益越小?？傊?本部分在實(shí)證層面驗(yàn)證了知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中具有反向調(diào)節(jié)作用,這與前文理論機(jī)制分析結(jié)論一致。

表2中,各控制變量至少通過(guò)了10%的顯著性水平,部分在1%和5%水平下顯著,比如式(23)中的TO、TH、FI以及式(24)中的TH、ST均在1%水平下顯著,式(23)中的ST和PR、式(24)中的TO以及式(25)中的所有控制變量均在5%水平下顯著,說(shuō)明本文控制變量的選擇是合理的。TO的系數(shù)值顯著為正,貿(mào)易開(kāi)放程度越高越有利于吸引外國(guó)先進(jìn)技術(shù)和促進(jìn)國(guó)內(nèi)技術(shù)進(jìn)步,從而推動(dòng)經(jīng)濟(jì)增長(zhǎng)。TH的系數(shù)顯著為正,產(chǎn)業(yè)結(jié)構(gòu)升級(jí),尤其是互聯(lián)網(wǎng)產(chǎn)業(yè)、高新技術(shù)產(chǎn)業(yè)等第三產(chǎn)業(yè)的快速發(fā)展在一定程度上有利于經(jīng)濟(jì)增長(zhǎng)。FI的估計(jì)系數(shù)顯著為負(fù),金融發(fā)展水平不利于經(jīng)濟(jì)增長(zhǎng),其原因可能在于,金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際效應(yīng)存在遞減規(guī)律,金融發(fā)展水平對(duì)經(jīng)濟(jì)增長(zhǎng)具有顯著的非線性特征,這與李成和張琦的研究結(jié)論一致[36],金融部門的過(guò)度發(fā)展會(huì)擠占實(shí)際經(jīng)濟(jì)資源,對(duì)長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)產(chǎn)生不利影響。ST的系數(shù)值顯著為正,高等教育水平對(duì)經(jīng)濟(jì)增長(zhǎng)有顯著的正向影響。高等教育水平直接決定了經(jīng)濟(jì)發(fā)展過(guò)程中人才儲(chǔ)備水平,高等教育水平越高,知識(shí)傳播和分享就越廣泛,從而推動(dòng)經(jīng)濟(jì)發(fā)展。PR的系數(shù)值顯著為負(fù),可能原因在于,近年來(lái)中國(guó)生育率下降,老齡化水平快速上升,人口撫養(yǎng)比上升,增加了經(jīng)濟(jì)增長(zhǎng)的負(fù)擔(dān),這也驗(yàn)證了汪偉的研究結(jié)論[37]。

(二)區(qū)域差異分析

中國(guó)地域面積廣闊,不同地區(qū)間經(jīng)濟(jì)發(fā)展差異較大,為了進(jìn)一步揭示知識(shí)粘性在調(diào)節(jié)中國(guó)創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)中是否存在區(qū)域差異,本文將中國(guó)30個(gè)省份分為東、中、西三個(gè)區(qū)域,其中,東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南等10個(gè)省(市),中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南、黑龍江、吉林、遼寧等9個(gè)省,西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等11個(gè)省(區(qū)、市)[38-39]。利用各區(qū)域樣本數(shù)據(jù)分別對(duì)中介效應(yīng)模型式(25)進(jìn)行估計(jì),估算結(jié)果如表3所示。

表3 不同地區(qū)中介效應(yīng)模型估計(jì)結(jié)果

5%水平下,東部和西部的IT系數(shù)均顯著為正,1%水平下,中部的IT系數(shù)顯著為正,創(chuàng)新投入對(duì)所有地區(qū)的經(jīng)濟(jì)增長(zhǎng)具有顯著的正向影響。進(jìn)一步比較可以看出,西部地區(qū)的系數(shù)值高于中部和東部地區(qū),創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)的影響力度在欠發(fā)達(dá)地區(qū)更大,有利于區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展。

從知識(shí)粘性角度來(lái)看,東部地區(qū)的KS系數(shù)為負(fù),但沒(méi)有通過(guò)10%的顯著性水平,知識(shí)粘性的負(fù)向調(diào)節(jié)作用在東部地區(qū)不顯著。這可能是因?yàn)闁|部地區(qū)的創(chuàng)新水平和創(chuàng)新效率高于中西部地區(qū)[40],在此基礎(chǔ)上,盡管知識(shí)粘性有顯著的反向調(diào)節(jié),但創(chuàng)新投入帶來(lái)的巨大經(jīng)濟(jì)效益稀釋了這種調(diào)節(jié)作用。在中部地區(qū),KS在5%水平上顯著為負(fù),知識(shí)粘性對(duì)中部地區(qū)經(jīng)濟(jì)增長(zhǎng)具有顯著的負(fù)向影響。知識(shí)粘性抑制了中部地區(qū)創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)正向帶動(dòng),表現(xiàn)出負(fù)向調(diào)節(jié)作用。在西部地區(qū),KS項(xiàng)系數(shù)為負(fù)值,但沒(méi)有通過(guò)10%的顯著性水平。這可能是由于區(qū)域間稟賦和創(chuàng)新環(huán)境等綜合因素差異,與東部和中部地區(qū)相比,西部地區(qū)的整體知識(shí)存量較少,導(dǎo)致知識(shí)粘性不明顯。進(jìn)一步比較不同地區(qū)KS項(xiàng)系數(shù)值可以發(fā)現(xiàn),知識(shí)粘性在不同地區(qū)的負(fù)向調(diào)節(jié)力度存在差異,在西部地區(qū)最強(qiáng),中部地區(qū)和東部地區(qū)相差很小,中部地區(qū)略高于東部地區(qū)。

從控制變量的估計(jì)結(jié)果來(lái)看,東部地區(qū)的TO系數(shù)值在10%水平下顯著為負(fù),與表2中估計(jì)結(jié)果相反,根據(jù)陳福忠的結(jié)論[41],貿(mào)易開(kāi)放水平與經(jīng)濟(jì)增長(zhǎng)之間存在非線性關(guān)系,目前中國(guó)東部地區(qū)貿(mào)易開(kāi)放水平過(guò)高,不利于區(qū)域經(jīng)濟(jì)的長(zhǎng)期可持續(xù)增長(zhǎng)。其他控制變量系數(shù)的顯著性與前文結(jié)果基本一致,在此不再贅述。

(三)穩(wěn)健性檢驗(yàn)

為判斷前文實(shí)證結(jié)論的穩(wěn)健性,分別采用工具變量法、改變估計(jì)方法和增加控制變量的方法對(duì)前文估計(jì)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

(1) 選擇工具變量。將R&D經(jīng)費(fèi)占GDP比重作為工具變量[42-43],替換前文的研發(fā)人員投入,同時(shí),以2013年為基準(zhǔn)期,利用價(jià)格指數(shù)(CPI)對(duì)其進(jìn)行調(diào)整,而后重新估計(jì)調(diào)節(jié)效應(yīng)模型。估算結(jié)果見(jiàn)表4第(1)列?？梢钥闯?KS項(xiàng)系數(shù)依然顯著為負(fù),驗(yàn)證了知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)中的負(fù)向調(diào)節(jié)作用,前文估計(jì)結(jié)果是穩(wěn)健的。

表4 穩(wěn)健性檢驗(yàn)結(jié)果表

(2) 更改估計(jì)方法。選擇GMM法重新估計(jì)模型,結(jié)果如表4第(2)列所示。可以看出,估計(jì)結(jié)果與前文基本一致,KS項(xiàng)系數(shù)在5%水平上仍然顯著為負(fù),再次驗(yàn)證了前文實(shí)證結(jié)果的穩(wěn)健性。

(3) 增加控制變量。技術(shù)進(jìn)步是促進(jìn)經(jīng)濟(jì)增長(zhǎng)的一個(gè)重要因素,本文選擇全要素生產(chǎn)率(TP)替代技術(shù)進(jìn)步水平,加入前文中介效應(yīng)模型,并對(duì)其進(jìn)行估計(jì),估計(jì)結(jié)果見(jiàn)表4第(3)列。工業(yè)發(fā)展水平在國(guó)民經(jīng)濟(jì)中起著重要作用,提高工業(yè)水平可以推動(dòng)經(jīng)濟(jì)增長(zhǎng),本文選擇第二產(chǎn)業(yè)增加值占GDP的比重(SE)衡量工業(yè)化水平,加入中介效應(yīng)模型,并進(jìn)行參數(shù)回歸,結(jié)果見(jiàn)表4第(4)列。公共文化水平越高,知識(shí)存量越高,較高的知識(shí)存量有利于人力資本積累,對(duì)經(jīng)濟(jì)增長(zhǎng)會(huì)產(chǎn)生積極影響。用公共圖書(shū)館數(shù)量(LB)替代公共文化水平因素,作為控制變量加入中介效應(yīng)模型,估計(jì)結(jié)果為表4第(5)列。從表4中第(3)-(5)列中結(jié)果來(lái)看,在10%水平上,KS項(xiàng)系數(shù)顯著為負(fù),均和前文估計(jì)結(jié)果一致,進(jìn)一步表明前文實(shí)證結(jié)論是穩(wěn)健的。

(四)門限效應(yīng)分析

從區(qū)域差異分析中可以發(fā)現(xiàn),知識(shí)粘性在不同地區(qū)創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中的負(fù)向調(diào)節(jié)作用存在較大差異?？紤]到東部和中部地區(qū)的技術(shù)創(chuàng)新水平更高,對(duì)創(chuàng)新的投資也更大[44],具有更高創(chuàng)新投入的地區(qū)能否淡化知識(shí)粘性的負(fù)面影響,從而削弱知識(shí)粘性的負(fù)向調(diào)節(jié)作用?如果存在,是否存在門限呢?本部分旨在對(duì)該現(xiàn)象進(jìn)行檢驗(yàn),通過(guò)構(gòu)建面板門限效應(yīng)模型探討知識(shí)粘性調(diào)節(jié)作用的門限效應(yīng)及具體的門限水平。

在中介效應(yīng)模型基礎(chǔ)上構(gòu)建以下面板門限效應(yīng)模型：

Git=α0+α1ITit+α2KSitψ(ITit≤γ)+α3KSitψ(ITit>γ)+∑?jxijt+λi×μt+εit

(26)

上式中,ψ(·)為指示函數(shù),創(chuàng)新投入(IT)是門限變量,γ為門限值,其余設(shè)置與前文一致。

在面板門限效應(yīng)模型估計(jì)之前,需要對(duì)變量是否存在門限效應(yīng)進(jìn)行初步檢測(cè),并在此基礎(chǔ)上確定門限值的數(shù)量。利用Bootstrap方法獲得每個(gè)測(cè)試統(tǒng)計(jì)量的顯著性水平(表5)。

表5 面板門限效應(yīng)檢測(cè)表

從表5可以看出,單門限效應(yīng)的P值為0.008,通過(guò)1%的顯著性,而雙門限未通過(guò)10%的顯著性水平,表明知識(shí)粘性的調(diào)節(jié)作用存在單門限效應(yīng)。同時(shí),檢測(cè)顯示,創(chuàng)新投入門限值的估計(jì)為2.053,95%置信區(qū)間為[2.032,2.074]。使用面板數(shù)據(jù)對(duì)單門限效應(yīng)模型的估計(jì)結(jié)果如表6所示。

表6第(1)列為不含控制變量的估計(jì)結(jié)果,第(2)列為不含時(shí)間和個(gè)體交互作用的估計(jì)結(jié)果,第(3)列為包含控制變量及時(shí)間和個(gè)體交互項(xiàng)的估計(jì)結(jié)果。這三種估計(jì)結(jié)果的R2差異很小,其中第(3)的R2值相對(duì)最大,模型整體估計(jì)結(jié)果略好于其他兩種,因此,本文使用第(3)列估計(jì)結(jié)果作為參考?？梢钥闯?當(dāng)創(chuàng)新投入水平低于門限值時(shí),KS項(xiàng)的估計(jì)系數(shù)為-0.061,在5%水平上顯著。然而,當(dāng)創(chuàng)新投入水平高于門限值時(shí),KS項(xiàng)的估計(jì)系數(shù)降至-0.039,在1%水平上顯著,表明隨著創(chuàng)新投入水平的增加,知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中的負(fù)向調(diào)節(jié)作用呈現(xiàn)邊際遞減狀態(tài),當(dāng)創(chuàng)新投入水平高于此門限時(shí),知識(shí)粘性的負(fù)向調(diào)節(jié)作用大幅下降。該現(xiàn)象原因可能在于,當(dāng)創(chuàng)新投入水平增加到一定水平時(shí),知識(shí)粘性的部分負(fù)向效應(yīng)將被創(chuàng)新投入的強(qiáng)大驅(qū)動(dòng)力抵消,從而削弱知識(shí)粘性的負(fù)向調(diào)節(jié)作用。

五、結(jié)語(yǔ)

在Romer經(jīng)濟(jì)增長(zhǎng)模型的基礎(chǔ)上,通過(guò)構(gòu)建一個(gè)包含知識(shí)粘性和創(chuàng)新投入的經(jīng)濟(jì)增長(zhǎng)模型,從理論上論證了知識(shí)粘性在創(chuàng)新投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中的調(diào)節(jié)作用。在此基礎(chǔ)上,構(gòu)建了知識(shí)粘性測(cè)度指標(biāo)體系,利用2013年至2021年中國(guó)30個(gè)省份的面板數(shù)據(jù),進(jìn)一步實(shí)證檢驗(yàn)了知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)中的調(diào)節(jié)作用、區(qū)域差異及調(diào)節(jié)作用的門限效應(yīng)。研究結(jié)果顯示：(1)知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中具有顯著的負(fù)向調(diào)節(jié)作用,即在創(chuàng)新投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中,知識(shí)粘性抑制了創(chuàng)新投入作用力的發(fā)揮,間接阻礙了經(jīng)濟(jì)增長(zhǎng)。(2)知識(shí)粘性對(duì)西部地區(qū)創(chuàng)新投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中的抑制作用最大,對(duì)經(jīng)濟(jì)增長(zhǎng)的負(fù)向調(diào)節(jié)作用最強(qiáng),其次是中部地區(qū),在東部地區(qū)最弱。(3)知識(shí)粘性在創(chuàng)新投入影響經(jīng)濟(jì)增長(zhǎng)過(guò)程中的負(fù)向調(diào)節(jié)作用存在顯著的門限效應(yīng),隨著創(chuàng)新投入水平的提高,知識(shí)粘性的負(fù)向調(diào)節(jié)作用呈現(xiàn)邊際遞減狀態(tài)。

為了提高創(chuàng)新效率,助力創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展,政府部門可以從知識(shí)粘性角度制定相關(guān)政策,以消除知識(shí)流動(dòng)障礙,建立良好的知識(shí)轉(zhuǎn)移機(jī)制,降低知識(shí)粘性在創(chuàng)新投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)過(guò)程中的負(fù)向調(diào)節(jié)作用。

第一,進(jìn)一步完善知識(shí)產(chǎn)權(quán)保護(hù)法規(guī)體系。在制度層面為提供者與接收者之間的知識(shí)轉(zhuǎn)移提供法律保護(hù)。在確保知識(shí)提供者利益基準(zhǔn)下,通過(guò)立法形式保護(hù)知識(shí)產(chǎn)權(quán)的使用者利益和社會(huì)公共利益,盡量避免制度性傾斜。此外,加大對(duì)知識(shí)產(chǎn)權(quán)保護(hù)的財(cái)政支持力度。政府部門可以通過(guò)公共財(cái)政支持的形式引導(dǎo)知識(shí)轉(zhuǎn)移主體參與到知識(shí)保護(hù)中,為知識(shí)的順暢流動(dòng)提供良好的法律環(huán)境。

第二,充分尊重知識(shí)轉(zhuǎn)移的市場(chǎng)規(guī)律。讓市場(chǎng)調(diào)節(jié)信號(hào)自主在市場(chǎng)上形成,政府部門應(yīng)盡量減少對(duì)專利技術(shù)市場(chǎng)的直接干預(yù),并且加大對(duì)知識(shí)交易市場(chǎng)中的違規(guī)違法行為的打擊力度,更充分的運(yùn)用市場(chǎng)功能調(diào)節(jié)知識(shí)轉(zhuǎn)移,并給予保駕護(hù)航。

第三,激勵(lì)資本進(jìn)入創(chuàng)新市場(chǎng),提升創(chuàng)新投入力度。有效利用資本市場(chǎng)對(duì)創(chuàng)新的選擇功能,完善對(duì)創(chuàng)新投資的引導(dǎo)和激勵(lì)機(jī)制,可以通過(guò)信貸支持、稅費(fèi)減免、技術(shù)指導(dǎo)等手段將風(fēng)險(xiǎn)資本引向創(chuàng)新型企業(yè),激勵(lì)企業(yè)加大創(chuàng)新投入。同時(shí),充分發(fā)揮政府科研基金對(duì)企業(yè)發(fā)明、改造以及引進(jìn)新技術(shù)的激勵(lì)功能,在政府科研基金規(guī)模有限的前提下,可以更多的向科技創(chuàng)新型企業(yè)和尖端技術(shù)攻關(guān)項(xiàng)目?jī)A斜。