區際產業轉移行業間技術溢出效應研究

關愛萍，李 輝

(1.西北師范大學商學院，甘肅 蘭州 730070;2.南京大學經濟學院，江蘇 南京 210093)

1 引言

國內外學者對于外溢效應的研究在不斷地深化，以往的研究更多地側重于知識與技術的外溢作用，某一行業的知識和技術投入不僅會促進本行業的技術進步與生產率的提高，而且會通過溢出機制帶來相關行業生產率的提升，特別是與本行業的關聯性比較強的部門，行業間技術溢出對生產率的影響更為明顯。

針對產業轉移的技術溢出效應研究還相對較少，更不必說細化到行業層面的技術溢出效應研究。其中很重要的一個原因是行業數據的不完備，特別是對欠發達地區省份，制度與產業機制的不完善，加大了統計數據的難度。本文克服數據方面的問題，通過對行業全要素生產率的測算，利用2006—2011年中國甘肅地區的工業行業面板數據，就產業轉移的技術溢出效應對行業的全要素生產率的影響進行實證檢驗。并利用投入產出法測算了各行業的總受益者效應及行業間的受益者效應，分別從橫向和縱向進行分析。

2 模型、變量及數據說明

2.1 行業的相似度和間接R＆D投入

(1)行業的相似度。在投入產出表中，直接消耗系數表第j列表示的是第j個行業對其他行業產品作為中間投入品的消耗，投入產出表既能反映某一個行業對其他行業的依賴關系，又能反映出各行業之間的產品消耗技術結構。因此，如果兩個行業中間投入品的技術結構相似，那么他們的技術相似度就會越高，從而這兩個行業部門之間就會更容易產生技術溢出，利用直接消耗系數的結構就可以測算行業部門間的相似程度，定義部門i、j的相似度為該行業部門直接消耗系數向量的角余弦:

其中，aki、akj分別表示第i個行業和第j個行業投入產出表中第k個位置的元素。如果兩個部門之間的技術相似度越高，ωij就會越接近于1。從計算結果來看，技術相似度較高的產業部門大多數是集中在主對角線附近。其中，相似系數超過0.5的有12對，超過0.9的有2對，在0.5～0.6之間的有3對，0.6～0.7之間的有 5對，0.7～0.8之間的有1對，0.8～0.9之間的有1對。

(2)間接R＆D(IRD)。在研究行業間技術溢出時，大部分的研究都是對前后向溢出效應進行分別研究，對行業間技術溢出指標的測度方法上，學者的測度方法也是各有特點，但都有一個共同的特征:一個產業獲得的技術溢出是其他產業的R＆D 投入加權和，Los［1］稱其為 “間接 R＆D”，計算方法為:

其中，RDi為第i產業的直接R＆D投入，權重ωij用來表示產業i、j之間的技術相似度，測度第i產業的技術存量有多大程度溢出到了第j產業。本文中，用間接R＆D投入作為行業間技術溢出效應的代理變量。

2.2 溢出效應測算的投入產出模型

產業間R＆D溢出的測算方法一般包括矩陣法、技術距離法和投入產出法，由于投入產出法是結合R＆D投入與投入產出系數來進行測算的，它刻畫了行業部門間的聯系，因此，相對其他兩種方法來說更為全面。During［2］定義了后向R＆D流量系數矩陣CRD和前向R＆D流量系數矩陣DRD，借此計算總受益者效應、總貢獻者效應、產業間受益者效應和產業間貢獻者效應。

R＆D總受益者效應是指某產業從所有產業研發活動中獲得到的總收益，R＆D總貢獻者效應是指某產業作為研發活動貢獻者貢獻給所有產業的效應，分別用R＆D后向乘數CRD和R＆D前向乘數DRD表示，具體形式為:

同樣，得到產業間的貢獻者效應:

由于本文重點考慮各行業從其他行業中獲得的技術溢出，因此，在本文中只涉及受益者效應的測算與分析。

2.3 模型設定

我們考察的是產業轉移的行業間技術溢出效應，因此，在生產函數模型的基礎上加入行業間技術溢出變量——間接 R＆D投入(IRD)，R＆D直接投入(RD)、產業轉移變量TR，同時選取資本密集度(CI)、勞動力投入(L)作為控制變量，以本土企業的全要素生產率TFP為被解釋變量，建立以下行業面板數據模型:

其中，下標i和t分別表示行業和時間，TFP為相關行業和年份的全要素生產率。β1～β5表示相關自變量對因變量的影響程度;εit為隨機誤差項。由于面板數據包含橫截面和時間序列上的雙重信息，故對所有變量取對數，以克服異方差及序列相關等問題。

2.4 數據來源及變量說明

(1)數據來源。本文采用的2006—2011年行業面板數據來源于各年的《甘肅統計年鑒》，產業轉移數據來源于招商局統計的原始數據。筆者以《國民經濟行業分類(GB_T4754—2011)》及《2012國民經濟行業分類注釋目錄》為標準進行整理，綜合考慮各變量的數據可得性，在計量模型中，選擇16個二位數代碼行業，在投入產出分析時，選擇12個二位數代碼行業。本文中變量所選擇的平減指數來源于《新中國60年統計匯編》和《甘肅發展年鑒》，以2000年為基期，利用定比折算。同時，在本文中使用了由甘肅省統計局編制的《2007年甘肅42部門投入產出表》。

(2)全要素生產率。利用數據包絡分析法(DEA)Malmquist指數對2006—2011年甘肅省工業行業的全要素生產率進行測算和分解。以工業總產值Y為產出變量，采用工業品出廠價格指數進行平減。資本和勞動為投入指標，用“固定資產凈值年平均余額”作為資本投入指標，采用永續盤存法，以2000年為基期，用連續兩年存量的一階差分表示本年的凈投資，用固定資產投資價格指數進行平減，折舊率采用張軍等［3］估計的各省折舊率9.6%。勞動力投入用“全年從業人員年平均人數”表示。

表1 16個工業行業各年全要素生產率指數及其分解(DEA法)

利用DEAP2.1軟件測算得到2006-2011年甘肅省工業行業的全要素生產率(TFP)、技術效率指數(EC)和技術進步變化(TC)(見表1)。從時間趨勢上來看，各年之間的TFP呈現的變化趨勢比較混亂，但平均顯現出增長的趨勢，且平均增長率為9.3%，其中17.4%的貢獻來源于技術進步，而6.9%用于彌補技術效率低下。從行業上看，工業行業16個子行業中，TFP的平均增長率為9.3%，其中電氣機械和器材制造業(15)的增長率最大，為33.9%，而除去金屬制品業(12)和專用設備制造業(13)外，其他行業均呈現出增長的趨勢，最小的增長率為有色金屬冶煉和壓延加工業(11)僅為2.3%。在工業行業中，技術進步的增長率為17.4%，而技術效率的平均下滑率為6.9%，這說明，用于技術進步的投入增加較快，屬于典型的資源投入發展模式，但技術效率卻是下滑的，這與西部大開發以來，西部地區的“追趕效應”和跨越式發展戰略不無關系，從而阻礙了技術效率的提高。

(3)區域產業轉移(TR)、R＆D投入和間接R＆D(IRD)。區域產業轉移變量以區域產業轉移過程中利用的境內省外資金來表征，并利用固定資產投資價格指數進行平減，基期選定為2000年。用新產品經費支出作為R＆D投入的替代指標，利用固定資產價格指數和居民消費價格指數的加權合成指數作為新產品的價格縮減指數，分別賦予權重45%和55%。間接R＆D(IRD)用來表征行業間的技術溢出效應，計算方法用公式(2)。

(4)資本密集度(CI)和勞動力投入(L)。資本密集度用“固定資產凈值年平均余額”除以“全部從業人員年平均人數”表示，利用固定資產投資價格指數對固定資產凈值年平均余額進行縮減，基期選定為2000年。勞動力投入用“全部從業人員年平均人數”表示。各變量的描述性統計值見表2。

最后，縱觀所有文獻，出于對模型結果的預期，可以提出以下假設:

假設1:IRD、TR、RD、CI均能夠對甘肅的工業行業產生正向促進作用，但IRD溢出的程度會比TR、RD、CI更加顯著，程度未知，即 β1～β4均為正，且β1大于其他系數;

假設2:在利用投入產出法測算各行業間的總受益者效應和產業間受益者效應時，測算結果均為正，且小于1。

表2 變量的描述性統計

3 實證檢驗結果與分析

3.1 計量統計結果分析

針對面板數據分析方法，要對模型進行Hausman檢驗，根據檢驗結果選擇模型。如表3所示，由 Hausman檢驗，Chi2(3)=26.7，Prob＞chi2=0.0000，拒絕原假設，選擇固定效應模型。

從估計結果看，間接R＆D(IRD)和資本密集度(CI)都在1%顯著性水平下顯著，而產業轉移變量(TR)和研發投入變量(R＆D)也在10%的顯著性水平下通過了統計檢驗。從整體上來看，全要素生產率的提高，一方面取決于產業轉移(TR)和研發投入(R＆D)，另一方面，間接R＆D(IRD)的增加也對全要素生產率起到正的促進作用，這表明:行業間技術溢出是明顯存在的。模型結果顯示:技術溢出變量IRD的系數參數估計為0.271，表明當行業間技術溢出提高1個百分點時，行業的全要素生產率將提高0.271個百分點。另外，行業間的技術溢出效應甚至超出了產業轉移和研發投入所帶來的直接回報，研發投入和產業轉移的彈性值分別為0.054和0.067，表明各行業研發投入和產業轉移平均增加1%時，全要素生產率將會提高0.054%和0.067%。這一結果的出現，驗證了我們的假設1，但是各行業從其他行業所獲得的回報是其自身投資得到的回報的5倍左右，卻遠遠超出我們的預期。外部性理論顯示，研發投入所帶來的“私人收益”小于行業間的技術溢出所帶來的“社會收益”時，符合Griliches［4］在1992年提出的技術知識溢出的原本含義。

表3 甘肅16個工業行業行業間技術溢出效應回歸結果

另外，我們從模型結果中發現了一個與我們的預期相悖的結論:資本密集度和勞動力投入對生產率的提高起到了阻礙作用，且勞動力投入不顯著。從理論上來說，資本和勞動力的投入會促進創新能力的提高，但考慮到甘肅本地城鄉結構發展的極不平衡，大量資本集中在少數人的手中，且勞動力在城鄉及省份之間的流動較為頻繁，真實的人力資本水平并不高，名義上的資本及勞動力并不能夠對創新能力的提升產生正向作用。

3.2 投入產出法結果分析

我們利用計量模型分析了產業轉移的行業間技術溢出對全要素生產率的影響，如果說以上研究屬于“質”的研究，那么接下來我們將從“量”的方面進行更加深入的探討。利用公式(6)、(8)測算總受益者效應和產業間的受益者效應，如表4、表5所示，是2006—2011年總受益者效應和產業間受益者效應。

(1)受益者效應的橫向比較。

為了進行受益者效應的橫向比較，將表4、表5中的總受益者效應均值與產業間受益者效應均值進行排序，并計算出，OC/MC進行排序，如表6所示:

表4 各年受益者效應MC

表5 各年產業間受益者效應OC

表6 受益者效應的均值比較

從表6中可以看到，電氣機械及器材制造業的總受益者效應MC最大，其次是金屬制品業、專用設備制造業，說明這些行業研發活動從其他行業中獲益最多。而石油加工、煉焦及核燃料加工業的MC最小。在產業間受益者效應中，排名靠前的還是電氣機械及器材制造業、金屬制品業、專用設備制造業3個行業，表明這3個行業與其他行業的聯系較為緊密，從其他行業獲得的溢出也較多。石油加工、煉焦及核燃料加工業的OC較小。扣除對自身溢出效應后，排名順序變化最大的是紡織業，一方面說明紡織業來源于自身的溢出效應較強，行業內注重自身發展，R＆D投入較多;另一方面說明該行業的技術專用性較強，接受其他行業溢出的吸收能力較弱。整體上來看，各行業的MC與OC位次差異不是很大。再來看OC/MC指標，它可以衡量行業的MC是來源于自身還是其他行業，在所有12個行業中有4個行業的OC/MC值大于0.5，煤炭開采和洗選業為0.906，這說明該行業R＆D溢出大部分得益其他行業。其他的8個產業部門都小于0.5，其中紡織業的值僅為0.101，表明其R＆D溢出主要來自于本部門，應該加強與其他各產業部門之間的聯系。

(2)受益者效應的縱向比較

從表4的數據中可以發現，多數行業的MC呈現出上升的趨勢，由于涉及的工業行業較多，為了便于縱向比較，可按照國家標準GB/T4754-94，及GB/T4754-2011，將上述12個行業分為5個大類:①煤炭開采和洗選業;②輕紡制造業;③資源加工業;④機械制造業;⑤電力、熱力的生產和供應業。利用表4的數據計算出這5大類行業的均值，并得到趨勢圖。如圖1所示:機械制造業的平均受益者效應最大，且呈明顯的遞增趨勢;煤炭開采和洗選業的平均受益者效應最小，呈倒U型趨勢;輕紡加工業的整體趨勢不是很明顯，剛開始有下降的趨勢，到后來又緩緩上升，呈U型;資源加工行業剛開始的兩年變化不是特別的明顯，到2008年有上升趨勢，但到了2011年之后又開始下降;電力、熱力的生產和供應業整體上呈現出上升趨勢，但上升趨勢不是特別的明顯。在資源加工行業中，各產業部門的MC均是嚴格的遞增，只是增加的幅度比較小，增長速度緩慢。在機械制造行業中，金屬制品業和專用設備制造業呈現出嚴格的遞增，電氣機械及器材制造業是先下降，然后遞增，而交通運輸設備制造業則是呈現先上升后下降再上升的波浪式形態。

圖1 總受益者效應趨勢圖

4 結論與政策含義

本文將計量經濟模型和投入產出法結合，利用DEA方法對甘肅省工業行業的全要素生產率進行了測算，先是以2006—2011年甘肅省工業行業的面板數據為樣本，利用計量經濟模型實證檢驗了行業間技術溢出效應的存在，再利用投入產出法測算了工業行業的R＆D總受益者效應和產業間的受益者效應，可以得到以下幾個重要結論:

第一，從計量分析結果來看，區域產業轉移和行業間技術溢出效應能夠對全要素生產率產生正向的促進作用。政府應該加大產業轉移力度，進一步吸引省外投資，以提高本地企業的技術進步和技術效率，同時加強省外企業與本土企業之間的聯系，既要提高聯系緊密度，更重要的應該加強聯系能力和吸收能力的培養。

第二，從投入產出分析結果的縱向比較來看，首先，工業行業的總受益者效應整體上呈現遞增的趨勢，但因各產業的自身特性不同，其增加的幅度有所不同，且在增加的過程中會出現較小的波動。其次，行業間的技術溢出效應在不斷變化的同時，能夠保持一定的穩定性。隨著技術進步的推進，研發投入在不斷地加大，產業間的技術聯系也在不斷地發生著變化，而行業間的受益者效應除去金屬制品業波動較大外，其他行業的產業結構較為穩定。這是由于工業行業自身技術的穩定性，所以并不會出現較大的溢出波動。

第三，從投入產出分析結果的橫向比較來看，電氣機械及器材制造業、金屬制品業、專用設備制造業、交通運輸設備制造業等機械制造業的產業間溢出效應較明顯，說明該類產業在與產業上下游企業之間的聯系上較為緊密。而紡織業的受益者效應更多的是來源于其自身的R＆D投資，應該加強與各企業之間的聯系，提高產業間的溢出效應。其政策含義為政府應該優化產業轉移投入，對那些產業間溢出效應不明顯的行業加大投資，必要時進行技術扶持，合理化產業結構，成功實現產業結構升級。

［1］B.Los，B.Verspagen.R＆D spillovers and productivity:Evidence from US manufacturing microdata ［J］.Empirical Economics，1997，25:127-148.

［2］A.During，H.Schnabel.Imputed inter-industry technology flows-A comparative SMFA analysis［J］.Economics Systems Research，2000，12:363-375.

［3］張軍，吳桂英，張吉鵬.中國省際物質資本存量估算:1952—2000［J］.經濟研究，2004，(10).

［4］Zvi Griliches.The Search for R＆D Spillovers［J］.The Scandinavian Journal of Economics，1992，94:29-47.