行業異質性、對外開放與技術進步

尹今格 雷欽禮

行業異質性、對外開放與技術進步

尹今格 雷欽禮

全球開放環境下，一國經濟發展中獲取國際技術外溢的渠道越來越多樣化。而由于行業發展差異，自主研發及各種技術溢出渠道的作用在各行業之間差別很大，因而需將多種國際技術溢出渠道納入一個模型進行行業間異質性分析，以揭示我國全要素生產率背后的行業技術效率因素。利用我國2001-2010年33個工業數據估算進口、出口、FDI以及R&D對我國全要素生產率的貢獻，在此基礎上使用系統廣義矩估計方法進行了考慮行業異質的動態面板估計。結果表明，R&D、進口和出口對全要素生產率的貢獻顯著，而FDI對全要素生產率的貢獻不顯著。進一步研究發現，R&D對全要素生產率的貢獻不存在行業異質性，而進口和出口對全要素生產率的貢獻存在顯著的行業異質性。建議在繼續增加自主研發投入，提高出口產品技術含量的同時，利用研發合作等措施促進FDI與本地企業的關聯。

行業異質性； 自主研發； 技術外溢渠道； 全要素生產率

一 引 言

技術對于一國經濟發展至關重要。當今時代，技術的獲取可以通過自主研發，也可以通過外部獲取，并且隨著國際一體化程度的不斷加深，對外依賴程度正越來越高。同時，獲取技術外溢的渠道也越來越多，如進出口、FDI、研發人員的流動、專利的引用等等。同時，從國家內部來看，由于行業發展差異，自主研發及各種技術溢出渠道的作用在行業之間差別很大，所以將多種國際技術溢出渠道納入一個模型并進行行業間異質性分析十分有必要。

隨著國際技術溢出研究的不斷滲入，越來越多的文獻研究多渠道溢出問題(Hejazi和Safarian，1999[1]；Khan和Luintel，2006[2]；Zhu和Jeon，2007[3]；Krammer，2010[4])。和對單一渠道的研究相比，多渠道研究可以減少偏誤與扭曲，更符合客觀事實。但國外研究多是以多個國家為樣本進行研究，對我國來說意義有限。我國也有學者進行多渠道研究，但使用的多是時間序列(黃先海和張云帆，2005[5]；王英和劉思峰，2008[6]；韓民春和徐姍，2009[7])或地區層面(張建清和孫元元，2011[8]；蔣仁愛和馮根福，2012[9])數據。而我國行業之間的差別很大，所以使用行業面板數據著手進行研究可以有不同的收獲，也很有必要。國內使用行業數據進行多渠道研究的文獻十分鮮見，使用行業數據同時又考慮行業間異質性的研究更是少之又少。

本文擬使用我國行業數據進行多渠道研究，同時考慮行業異質性。后續內容結構安排為：第二部分是國際知識溢出的理論分析；第三部分是計量模型的構建及數據來源；第四部分是計量模型估計結果，在這一部分，行業異質性將被考慮；最后部分是結論。

二 理論基礎及模型構建

借鑒Bulent Unel(2008)[10]的研究，首先設定柯布-道格拉斯形式的生產函數：

Yit=TitF(Kit,Lit)

(1)

其中，i表示行業，t表示時間，T表示技術或全要素生產率，假定技術是希克斯中性，并且假定生產函數滿足不變的規模報酬且在技術不變的條件下每一種生產要素的邊際生產率是遞減的。按照內生增長理論，對技術作出如下規定：

(2)

Nit表示i行業t時刻能夠獲得的中間產品的種類數，即技術進步體現為中間產品種類的增加；γ>0。在封閉經濟中，假設中間產品種類增加是有意識研發投入的結果：

(3)

Rit為i行業t時刻的研發資本存量，η>0。全要素生產率的增長率為：

(4)

(5)

(6)

所以，本國的技術進步或者說全要素生產率的提高不僅受到本國研發投入的影響，而且通過各種渠道受到其他國家的研發投入或技術水平的影響。

三 計量模型的建立及數據來源

(一)計量模型的建立

由式(6)可見，本國全要素生產率的增長率受到國內與國外研發資本存量的影響。在開放經濟中，國外研發資本存量通過一系列渠道對本國技術進步產生影響。根據現有文獻，可以整理出以下7種渠道：(1)進口貿易，包括最終產品、中間產品、資本設備等進口，一方面，進口產品中本身包含了國外的先進技術，另一方面，進口可以加強國內競爭，進而有助于優化資源分配；(2)在出口中學習，出口商通過國外客戶提出的更高要求可以改進自身效率，國外客戶也有可能直接給出口商轉移技術，并且，出口商在供貨管理等方面一般都會比供給國內市場的生產商效率更高一些；(3)外國直接投資，具體來說FDI會通過帶來國外先進技術、對東道國的人員培訓、上下游產業聯系、加強東道國市場競爭、模仿效應等途徑產生技術溢出；(4)對外直接投資(OFDI)，近水樓臺先得月，通過地理位置的接近，對外直接投資商可以接觸到國外更先進的技術、管理等；(5)直接的跨國技術貿易；(6)國際跨國合作或跨國并購等；(7)非商業渠道，如技術人員的國際流動、研討會、學術著作與專利的跨國界引用等。理論上，這些渠道都能夠產生技術溢出，實證中由于數據的可獲得性，往往難以將這些渠道全都包括進來。本文將我國各行業的進口、出口和FDI包括進來并構建以下動態面板計量模型：

TFPit=αi+δt+λTFPit-1+β1Sit-1+β3Mit-1+β4Eit-1+β5Fit-1+eit

(7)

其中，TFPit表示i行業t年的全要素生產率， Sit-1表示i行業t-1年國內研發資本存量，Mit-1表示i行業t-1年的進口額，Eit-1表示i行業t-1年的出口額，Fit-1表示i行業t-1年的FDI資本存量，考慮到國內研發投入及溢出效應對全要素生產率產生作用需要時間，這里的解釋變量使用滯后一期。該模型包括了相對比較全面的影響全要素生產率的因素，其他因素如對外直接投資、公共基礎設施等考慮到我國這些方面的行業數據難以獲得，這里沒有包括進來。

此外，目前大多數關于技術溢出的分析都假定全要素生產率和影響因素之間的關系即斜率在面板數據的截面之間或者說此處的行業之間是相同的，本文稱其為“同質面板”，這一假設可能過強。這里借鑒Khan和Luintel(2006)[2]的研究，考慮全要素生產率與其影響因素的關系因行業而異，即考慮截面之間的斜率不同，具體如下：

(8)

(二)數據來源

本文使用的數據有各工業行業的增加值、固定資產投資、職工人數、研發投入、進出口、工業生產者出廠價格指數、中國進出口價格指數，時間范圍為2001-2010年。所有數據均為工業全行業數據。

GDP數據使用《中國統計年鑒》(2002-2011年)提供的工業行業數據，利用工業分行業工業品出廠價格指數將GDP現價轉換為2002價，數據取自《中國城市(鎮)生活與價格年鑒》(2012)。

分行業資本存量和分行業從業人數的數據來源于陳詩一(2011)[11]、《中國統計年鑒》(2010-2011)及中國經濟普查年鑒(2008)。

固定資產投資數據來源于《中國統計年鑒》(2002-2011)的基本建設投資額和更新改造投資額之和。

國內研發投入使用《中國科技統計年鑒》(2002-2011)提供的研究與開發機構科技活動經費內部支出和大中型工業行業R&D經費內部支出之和并通過永續盤存法將其轉換為存量數據。考慮到我國的研發力量主要集中在科研機構和具有一定規模的企業中，這一選擇不會對結果造成影響。

進出口數據來源于聯合國COMTRADE數據庫，要把從聯合國獲得的三位碼的數據變換成《國民經濟行業分類》(GB/T4754-2002)二位碼的數據，變換方法參照盛斌(2002)[12]的研究。

FDI數據來源于《中國工業經濟統計年鑒》(2002-2004，2006-2011)及《中國經濟普查年鑒》(2004)提供的外商投資數據，通過《中國城市(鎮)生活與價格年鑒》獲得的固定資產投資價格指數將現價轉換為2002價，將流量數據轉換為存量數據則用常用的永續盤存法。

本文將《國民經濟行業分類》(GB/T4754-2002)中農副食品加工業和食品制造業加以合并，將其他礦采選業、廢棄資源和廢舊材料回收加工業及工藝品及其他制造業合并成“其他工業”。表1列出具體行業及行業變量的統計特征。其中，資本存量和進出口額的單位均為億元人民幣。

表1 各個行業所有變量的統計量描述(2001-2010年平均值)

(續上表)

四 計量方法及實證結果分析

(一)用半參數方法估計全要素生產率

采用常用的柯布-道格拉斯生產函數：

yit=a+βllit+βkkit+ωit+εit

(9)

y、l與k分別是取對數后的GDP代表的產出、勞動與資本投入，ω代表企業全要素生產率，該指標僅為企業自己所知，ε為隨機誤差項。必須對βl與βk有較為準確的估計，才能得到全要素生產率。但是企業的投入決策又由其自身的生產率決定，這與解釋變量外生假定相悖，因此OLS估計方法不再適用。本文采用Olley和Pakes(1996)[13]介紹的半參數方法來處理此問題，具體來說，按照以下步驟進行估計：

假定狀態變量為投資i與資本存量k，控制變量為勞動投入l，投資取決于僅由企業內部知道的全要素生產率ωit及當前資本存量kit：

iit=i(ωit，kit)

(10)

其中ki,t+1=(1-δ)kt+iit，δ為折舊率，通過轉換，能得出以下關于生產率的表達式：

ωit=h(iit,kit)

(11)

將其代入生產函數得：

yit=a+βllit+βkkit+h(iit,kit)+εit

(12)

在此，令：

φit=a+βkkit+h(iit，kit)

(13)

由于式(13)包括線性部分及未知函數形式的非參數部分，因此該模型被稱為半參數模型，對此模型，本文使用下列步驟進行估計*具體過程詳見StevenOlley和ArielPakes(1996)[13]。：

(14)

最后將bl和βk代入yit-bllit-βkkit得到全要素生產率。

(二)計量模型估計方法

對于式(8)表示的計量模型，本文采用系統廣義矩估計(System General Method of Moments)方法加以估計。該方法最初是由Arellano和Bover(1995)[14]以及Blundell和Bond(1998)[15]提出，該方法能夠較好地處理以下問題：一是內生變量問題，當解釋變量為內生時，固定效應模型和隨機效應模型都不能保證所估計的參數無偏；二是解決弱工具變量問題，系統GMM是在一階差分GMM的基礎上提出來的，一階差分GMM非常容易出現弱工具變量問題，一旦出現弱工具變量，估計結果就會有偏；三是有可能的測量誤差，由于系統GMM估計中，滯后水平是一階差分的工具變量，而一階差分又是水平變量的工具變量，這就能夠在一定程度上克服此問題；四是慣性問題，通常貿易、FDI等所帶來的技術溢出發生過程及其對東道國經濟增長的作用不是馬上體現出來，而系統GMM由于在模型中引入了足夠多的滯后變量，因此更適合于分析該類問題；五是適用于個體較多而時間較短的面板數據。

在用系統GMM估計了式(8)后，使用下面的公式計算各個行業的全要素生產率與解釋變量之間的關系：

(15)

(16)

(17)

(18)

(19)

(三)估計結果

為了進行穩定性檢驗并且便于比較分析，我們先給出式(7)表示的靜態與動態面板行業間同質性的回歸結果(表4)，然后給出動態面板行業間異質性的回歸結果(表5)，在給出動態面板行業間異質性回歸結果時，同時給出OLS、一階差分GMM、系統GMM 3種回歸結果進行對比。

表2 式(7)涉及變量的面板單位根檢驗

在對式(7)進行回歸之前，為了避免偽回歸的出現，需要對所有變量做平穩性檢驗。本文給出第一代面板單位根檢驗中的四種檢驗方法：LLC檢驗(Levin，Lin和Chu,2002)[16]、IPS檢驗(Im，Pesaran和Shin,2003)[17]、Fisher-ADF和Fisher-PP(Maddala和Wu,1999[18]; Choi,2001[19])檢驗結果，原假設均為存在單位根，結果如表2所示。從檢驗結果來看，除了對進口的LLC檢驗結果為平穩外，其余檢驗均為不平穩，所以，所有變量均不平穩。進一步對差分后的上述變量再次進行檢驗，結果平穩，結論是所有變量是一階平穩。

同時，采用Pedroni檢驗(Pedroni，1999)[20]和Kao檢驗(Kao，1999)[21]進行協整檢驗。二者均為第一代面板協整檢驗，這里給出7種Pedroni檢驗中有代表性的四種。前面兩種屬于混合檢驗或者說組內檢驗，后面兩種屬于組間檢驗。所有檢驗的原假設均為不存在協整關系。表3為檢驗結果。

表3 式(7)所含變量組的協整檢驗結果

從表3結果來看，式(7)所涉及變量之間均存在顯著的協整關系，不會產生偽回歸。下面對式(7)進行回歸，經過Hausman(1978)[22]檢驗，本文選擇固定效應模型，回歸結果見表4。

表4 式(7)固定效應面板估計

從以上回歸結果來看，大多數解釋變量的系數不顯著。靜態最小二乘法和靜態工具變量法的系數全都不顯著，一階自回歸的最小二乘法和一階自回歸的工具變量法估計結果中，被解釋變量的一階滯后值均顯著，一階自回歸工具變量法的FDI的溢出效果顯著，其他項均不顯著，所以，總體來看，回歸結果不理想，需要進一步尋找更好的方法進行分析。

接著，用系統GMM方法對式(8)表示的動態異質面板進行估計，進一步探討各個解釋變量對于全要素生產率的貢獻是否存在行業異質性。同時給出了最小二乘法和一階差分的回歸結果作為對照及穩健性檢驗。在檢驗之前仍然先進行平穩性檢驗，對于式(8)所涉及的21個變量的檢驗結果表明，所有的變量均為一階平穩，再進一步進行協整檢驗，發現存在顯著的協整關系。然后對該式進行估計，估計結果見表5。

表5 動態異質面板模型

表6 基于表5中系統GMM估計所得的行業異質系數

表5只給出了通過顯著性檢驗的系數及顯著性水平。從回歸結果來看，由于進口和出口行業異質性的系數顯著，所以動態異質面板的回歸結果明顯優于同質的固定效應面板估計。總體來看，國內研發、出口和進口3種技術進步來源對我國工業行業全要素生產率的貢獻均顯著為正，而FDI并沒有產生明顯的溢出效應。就行業異質性來看，進口與出口都具有行業異質性，而國內研發并沒有產生行業異質性。在3種估計方法中，被解釋變量的滯后值均顯著，說明全要素生產率的波動的確存在一定的慣性。從絕對值來看，國內研發對于全要素生產率的貢獻明顯高于進口及出口。OLS估計中國內研發支出與其平均值相乘的系數為負，說明研發支出的邊際生產率遞減，但其它兩種估計方法則沒有這種跡象。在后兩種估計方法中，進口與其均值相乘的系數為負，說明進口所產生的溢出隨著進口量的增大而減少，出口與國內研發支出均值相乘的系數為負，說明二者之間存在替代關系，出口與進口均值相乘的系數也為負，說明兩種技術溢出的渠道存在替代關系。

為了具體分析全要素生產率與解釋變量關系，將表5的系統GMM估計結果代入式(15)-式(19)進行計算并將所得結果列于表6。由于系統GMM估計結果的國內研發資本存量對全要素生產率的貢獻并不存在行業異質性，所以表6對該解釋變量的系數沒有進行行業異質性計算，其他變量均進行了異質性計算。從表6計算所得結果來看，大部分行業的全要素生產率與其滯后值之間存在正向關系，存在負向關系的有黑色金屬礦采選業、有色金屬礦采選業、醫藥制造業和一些設備制造業等。從總體來看，即使考慮行業異質性，進口和出口帶來的研發溢出都沒有國內研發資本存量對全要素生產率的提高幅度高，所以要想提高我國工業技術，加強自身研發投入必不可少，這也說明對外開放并不能代替自身研發投入。大部分行業的進口都帶來正向的全要素生產率提高，只有石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、儀器儀表及文化、辦公用機械制造業等行業的進口溢出效應為負。出口對全要素生產率的貢獻有些為正，有些為負，除了黑色金屬礦采選業和有色金屬礦采選業的出口溢出效應為負外，典型的還有通用設備制造業、電氣機械及器材制造業、通信設備、計算機及其他電子設備制造業的出口均帶來負的溢出效應，由此可見，有必要提高出口產品的技術含量，改變依賴廉價勞動力取得比較優勢的局面，提升我國在國際產業鏈中的位次。

五 結 論

本文在用非參數估計方法估算我國2001-2010年工業分行業全要素生產率的基礎上，利用系統GMM方法估計了國內研發、出口、進口和FDI 4種渠道的技術來源對我國工業行業全要素生產率的貢獻。估計結果表明，國內研發、進口和出口均帶來了正向且顯著的全要素生產率的提高，尤其是國內研發資本存量所帶來的提高幅度明顯高于進口或出口，而FDI存量對全要素生產率的貢獻不顯著。在此估計的基礎上，分別計算了各個行業的全要素生產率與被解釋變量之間的關系，結果表明，大部分行業全要素生產率與其滯后值之間的關系為正，大多數行業的進口溢出顯著為正，說明進口尤其是一些資本設備的進口確實能夠提高我國的生產率。進口對全要素生產率產生負向作用的行業有石油開采業、黑色金屬采選業、有色金屬采選業和儀器儀表制造業，相比較而言，出口對全要素生產率產生負向作用的行業要多一些，其中主要有服裝業、塑料制品業、通用設備制造業、專用設備制造業、交通設備制造業、電氣機械制造業、計算機通信設備制造業、儀器儀表制造業等等，說明這些行業的出口主要是勞動附加值，技術和資本附加值不高。FDI的溢出效應不顯著說明FDI與本地企業的關聯不夠，沒有能夠產生技術溢出。因此，我們一方面應當增加自主研發投入，培養自主創新人才，同時也要利用研發合作等措施促進FDI與本地企業的關聯。

[1] Hejazi, W., Safarian, A. E.. Trade, Foreign Direct Investment, and R&D Spillovers[J].JournalofInternationalBusinessStudies, 1999, 30(3): 491-511.

[2] Khan, M., Luintel, K. B.. Sources of Knowledge and Productivity: How Robust is the Relationship?[R]. OECD Publishing, 2006.

[3] Zhu, L., Jeon, B. N.. International R&D Spillovers: Trade, FDI, and Information Technology as Spillover Channels[J].ReviewofInternationalEconomics, 2007, 15(5): 955-976.

[4] Krammer, S. M. S.. International R&D Spillovers in Emerging Markets: The Impact of Trade and Foreign Direct Investment[J].TheJournalofInternationalTrade&EconomicDevelopment, 2010, 19(4): 591-623.

[5] 黃先海, 張云帆. 我國外貿外資的技術溢出效應分析[J]. 國際貿易問題, 2005, (1): 27-32.

[6] 王英, 劉思峰. 國際技術外溢渠道的實證研究[J]. 數量經濟技術經濟研究, 2008, (4): 153-161.

[7] 韓民春, 徐姍. 中國獲得國際技術外溢的渠道——國際貿易, FDI 還是信息技術[J]. 國際貿易問題, 2009, (4): 93-99.

[8] 張建清, 孫元元. 進口貿易和 FDI 技術溢出的比較研究——基于技術溢出內生性的實證檢驗[J]. 世界經濟研究, 2011, (12): 51-58.

[9] 蔣仁愛, 馮根福. 貿易, FDI, 無形技術外溢與中國技術進步[J]. 管理世界, 2012, (9): 49-60.

[10] Unel, B.. R&D Spillovers Through Trade in a Panel of OECD Industries[J].JournalofInternationalTrade&EconomicDevelopment, 2008, 17(1): 105-133.

[11] 陳詩一. 中國工業分行業統計數據估算：1980-2008[J]. 經濟學(季刊), 2011, (4): 735-776.

[12] 盛斌. 中國對外貿易政策的政治經濟分析[C]. 上海: 上海人民出版社, 2002: 517-529.

[13] Olley, G. S., Pakes, A.. The Dynamics of Productivity in the Telecommunication Equipment Industry[J].Econometrica, 1996, 64(6): 1263-1297.

[14] Arellano, M., Bover, O.. Another Look at the Instrumental Variable Estimation of Error-components Models[J].JournalofEconometrics, 1995, 68(1): 29-51.

[15] Blundell, R., Bond, S.. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J].JournalofEconometrics, 1998, 87(1): 115-143.

[16] Levin, A., Lin, C. F., Chu, C. S. J.. Unit Root Tests in Panel Data: Asymptotic and Finite-sample Properties[J].JournalofEconometrics, 2002, 108(1): 1-24.

[17] Im, K. S., Pesaran, M. H., Shin, Y.. Testing for Unit Roots in Heterogeneous Panels[J].JournalofEconometrics, 2003, 115(1): 53-74.

[18] Maddala, G. S., Wu, S.. A Comparative Study of Unit Root Tests with Panel Data and a New Simple Test[J].OxfordBulletinofEconomicsandStatistics, 1999, 61(S1): 631-652.

[19] Choi, I.. Unit Root Tests for Panel Data[J].JournalofInternationalMoneyandFinance, 2001, 20(2): 249-272.

[20] Pedroni, P.. Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors[J].OxfordBulletinofEconomicsandStatistics, 1999, 61(S1): 653-670.

[21] Kao, C.. Spurious Regression and Residual-based Tests for Cointegration in Panel Data[J].JournalofEconometrics, 1999, 90(1): 1-44.

[22] Hausman, J. A.. Specification Tests in Econometrics[J].Econometrica, 1978, 46(6): 1251-1271.

[引用方式]尹今格, 雷欽禮. 行業異質性、對外開放與技術進步[J]. 產經評論, 2015, 6(6): 47-57.

Industrial Heterogeneity, Openness and Technological Progress

YIN Jin-ge LEI Qin-li

China’ s industrial data during the period of 2001-2010 is used to estimate the contribution of its R&D, import, export and FDI to the total factor productivity (TFP). Then the system General Method of Moments (system GMM) is used further to estimate the dynamic heterogeneity panel. The results show that the industry’s own R&D stock, import and export contribute to the TFP significantly, while FDI’s contribution is not significant. There is industrial heterogeneity from the contribution of import and export while there is not such property in the contribution of China’s industries’ own R&D stock.Finally, some conclusions and suggestions are given.

industry heterogeneity; indigenous R&D; technological spillover channels; TFP

2015-07-19

教育部人文社會科學基金項目“偏向性技術進步的統計測算方法研究”(批準號：12YJA910001，課題主持人：雷欽禮)；國家社會科學基金重點項目“技術進步偏向及其效應的統計測算與計量經濟分析”(批準號：13ATJ001，課題主持人：雷欽禮)。

尹今格，暨南大學經濟學院統計學博士后科研流動站在站人員，廣東培正學院講師，研究方向為經濟統計和技術經濟；雷欽禮，暨南大學經濟學院統計學系教授、博士生導師，研究方向為經濟增長。

F142.3； F125

A

1674-8298(2015)06-0047-11

[責任編輯：伍業鋒]

10.14007/j.cnki.cjpl.2015.06.005