省域R&D資本化及其對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)研究

·產(chǎn)業(yè)發(fā)展與創(chuàng)新·

省域R&D資本化及其對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)研究

劉金山丁卓琪

創(chuàng)新與技術(shù)進(jìn)步是一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展的內(nèi)生動(dòng)力，作為技術(shù)水平衡量指標(biāo)的R&D投入能促進(jìn)知識(shí)積累和創(chuàng)新，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展。然而長(zhǎng)期以來(lái)R&D的經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)并未能從全要素生產(chǎn)率以及其他要素中分離出來(lái)，以致于技術(shù)進(jìn)步的經(jīng)濟(jì)增長(zhǎng)作用難以得到準(zhǔn)確有效的評(píng)估。新的國(guó)民經(jīng)濟(jì)核算體系SNA2008將“R&D投入”增設(shè)在“知識(shí)產(chǎn)權(quán)產(chǎn)品”中，作為“固定資本形成”計(jì)入GDP核算，R&D資本化為更科學(xué)地分析R&D活動(dòng)對(duì)經(jīng)濟(jì)社會(huì)作用提供統(tǒng)計(jì)學(xué)支撐。通過(guò)構(gòu)建R&D驅(qū)動(dòng)的內(nèi)生增長(zhǎng)模型，采用PIM方法測(cè)算我國(guó)30個(gè)省、市、自治區(qū)的R&D資本存量，估算知識(shí)存量增長(zhǎng)率，研究在新的國(guó)民經(jīng)濟(jì)核算體系下我國(guó)省域R&D資本化對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)。結(jié)果顯示，1998-2015年R&D高強(qiáng)度地區(qū)的資本存量較R&D中低強(qiáng)度地區(qū)的資本存量有明顯優(yōu)勢(shì)且呈擴(kuò)大趨勢(shì)，而R&D中低強(qiáng)度地區(qū)之間資本存量差距不大；R&D高強(qiáng)度地區(qū)、中強(qiáng)度地區(qū)與低強(qiáng)度地區(qū)對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)度分別為0.96%、1.02%、1.04%，平均貢獻(xiàn)率分別為9%、10.52%、11.28%，“高強(qiáng)度低貢獻(xiàn)”的特征體現(xiàn)了R&D資本的邊際生產(chǎn)力遞減趨勢(shì)。

R&D資本存量； 經(jīng)濟(jì)增長(zhǎng)； 知識(shí)增長(zhǎng)率； 省域經(jīng)濟(jì)

一 引 言

在新經(jīng)濟(jì)增長(zhǎng)理論產(chǎn)生前，新知識(shí)與創(chuàng)新被看作游離于經(jīng)濟(jì)模型框架之外的外生變量，技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)的作用被大大低估。Solow(1956)[1]指出，長(zhǎng)期經(jīng)濟(jì)增長(zhǎng)依靠的不是資本與勞動(dòng)的投入，而是科技進(jìn)步；Romer(1986)[2]、Lucas(1988)[3]基于Arrow(1962)[4]的“干中學(xué)”模型提出了新經(jīng)濟(jì)增長(zhǎng)理論，對(duì)索羅的理論進(jìn)行了創(chuàng)造性的發(fā)展。新經(jīng)濟(jì)增長(zhǎng)理論認(rèn)為技術(shù)與創(chuàng)新是一個(gè)國(guó)家經(jīng)濟(jì)發(fā)展的內(nèi)生動(dòng)力，R&D投入能促進(jìn)知識(shí)的積累從而推動(dòng)生產(chǎn)者實(shí)現(xiàn)技術(shù)進(jìn)步。

新的國(guó)民經(jīng)濟(jì)核算體系SNA2008將“R&D投入”增設(shè)在“知識(shí)產(chǎn)權(quán)產(chǎn)品”中，作為“固定資本形成”計(jì)入GDP核算(聯(lián)合國(guó)等，2012)[5]，其核心是R&D的資本化。R&D資本化為更科學(xué)地認(rèn)識(shí)R&D活動(dòng)對(duì)經(jīng)濟(jì)社會(huì)的作用和貢獻(xiàn)提供統(tǒng)計(jì)學(xué)支撐。一國(guó)技術(shù)水平主要通過(guò)R&D活動(dòng)的投入來(lái)衡量，理論上，衡量R&D投入的最佳指標(biāo)是R&D資本存量，在SNA1993標(biāo)準(zhǔn)下，R&D投入是作為中間消耗處理的，增加了R&D資本存量數(shù)據(jù)的獲取難度，故此前眾多研究中，多將全要素生產(chǎn)率(TFP)作為技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)的主要衡量指標(biāo)，并利用索羅余值法來(lái)度量全要素生產(chǎn)率。由于TFP測(cè)度的技術(shù)進(jìn)步是包括了政策體制、管理水平等多因素的廣義層面的技術(shù)進(jìn)步，R&D的貢獻(xiàn)并未從TFP以及其他要素投入中分離出來(lái)，使R&D對(duì)知識(shí)積累創(chuàng)新和經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)并未得到真實(shí)、準(zhǔn)確反映。這一問(wèn)題正引起學(xué)界的關(guān)注與重視。

國(guó)外對(duì)R&D投入與經(jīng)濟(jì)增長(zhǎng)關(guān)系的研究主要采用數(shù)理經(jīng)濟(jì)分析法和實(shí)證分析法。Griliches(1986)[6]、Aghion和Howitt(1992)[7]證實(shí)了R&D與經(jīng)濟(jì)增長(zhǎng)之間存在正相關(guān)關(guān)系；Boskin和Lau(1996)[8]將人力資本和R&D資本引入傳統(tǒng)的生產(chǎn)函數(shù)進(jìn)行建模分析，發(fā)現(xiàn)R&D投入對(duì)經(jīng)濟(jì)增長(zhǎng)具有滯后效應(yīng)；Anselin et al.(1997)[9]等利用空間計(jì)量模型研究R&D知識(shí)生產(chǎn)和溢出的問(wèn)題；Kanwar和Evenson(2003)[10]通過(guò)研究32個(gè)國(guó)家R&D強(qiáng)度的影響因素，運(yùn)用靜態(tài)隨機(jī)模型進(jìn)行實(shí)證，發(fā)現(xiàn)知識(shí)產(chǎn)權(quán)保護(hù)和人力資本兩個(gè)因素與R&D強(qiáng)度存在顯著正相關(guān)關(guān)系。

國(guó)內(nèi)相關(guān)研究較多運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的方法分析R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的影響。如吳延兵(2008)[11]運(yùn)用中國(guó)大中型工業(yè)行業(yè)面板數(shù)據(jù)對(duì)制造業(yè)R&D與生產(chǎn)效率的關(guān)系進(jìn)行實(shí)證分析，通過(guò)構(gòu)建知識(shí)生產(chǎn)函數(shù)研究了知識(shí)生產(chǎn)的效率。謝蘭云(2009)[12]運(yùn)用面板模型對(duì)我國(guó)區(qū)域R&D投入與經(jīng)濟(jì)發(fā)展關(guān)系進(jìn)行了研究，結(jié)果顯示我國(guó)區(qū)域R&D投入差距較為明顯，中等地區(qū)的R&D投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)最大。嚴(yán)成樑和沈超(2011)[13]研究表明，知識(shí)生產(chǎn)對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)顯著高于人力資本。丁浩和王家明(2016)[14]通過(guò)構(gòu)建多元回歸模型，研究了中國(guó)東北、東部、中部和西部的R&D強(qiáng)度對(duì)經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)影響及區(qū)域差距。而運(yùn)用理論模型通過(guò)參數(shù)化來(lái)估算R&D對(duì)經(jīng)濟(jì)增長(zhǎng)影響的研究較少。另一方面，國(guó)內(nèi)在研究R&D資本存量問(wèn)題時(shí)，多參考國(guó)外統(tǒng)計(jì)機(jī)構(gòu)的做法直接進(jìn)行經(jīng)驗(yàn)性估算，鮮有結(jié)合中國(guó)R&D活動(dòng)的特點(diǎn)進(jìn)行考慮，處理方法上存在重復(fù)計(jì)算、參數(shù)設(shè)定等諸多問(wèn)題，導(dǎo)致測(cè)算偏差較大。

本文在綜合考慮以上問(wèn)題的基礎(chǔ)上，運(yùn)用1997-2015年全國(guó)30個(gè)省、市、自治區(qū)(不含港澳臺(tái)，西藏因數(shù)據(jù)缺失較多未測(cè)算)的數(shù)據(jù)測(cè)算區(qū)域研發(fā)資本存量，同時(shí)運(yùn)用理論模型來(lái)擬合現(xiàn)實(shí)經(jīng)濟(jì)，測(cè)度區(qū)域R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)，以避免實(shí)證研究中的內(nèi)生性、變量缺失等問(wèn)題。

二 理論模型構(gòu)建

本研究的模型構(gòu)建基于Romer(1990)[15]的創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)增長(zhǎng)模型，即一個(gè)同時(shí)包含最終產(chǎn)品生產(chǎn)部門(mén)、中間產(chǎn)品生產(chǎn)部門(mén)和R&D部門(mén)的內(nèi)生增長(zhǎng)模型。假設(shè)最終產(chǎn)品生產(chǎn)部門(mén)與R&D部門(mén)是完全競(jìng)爭(zhēng)市場(chǎng)，中間產(chǎn)品生產(chǎn)部門(mén)是壟斷競(jìng)爭(zhēng)市場(chǎng)。

(一)最終產(chǎn)品生產(chǎn)部門(mén)

最終產(chǎn)品生產(chǎn)部門(mén)通過(guò)勞動(dòng)L、一系列中間產(chǎn)品xit進(jìn)行生產(chǎn)，其中i代表耐用資本品(Capital Good/Durable Good)，t代表時(shí)間，兩者滿足連續(xù)性。Romer(1990)[15]將人力資本(接受過(guò)良好教育或培訓(xùn))納入該部門(mén)生產(chǎn)函數(shù)，與此不同，Jones和Williams(2000)[16]把R&D經(jīng)費(fèi)(包括R&D投入和R&D人員工資)引入R&D部門(mén)的生產(chǎn)函數(shù)。本文在沿用Jones和Williams(2000)[16]思路的基礎(chǔ)上，同時(shí)參考嚴(yán)成樑和龔六堂(2014)[17]的做法，引入全要素生產(chǎn)率Ω。具體地，假設(shè)最終產(chǎn)品生產(chǎn)部門(mén)的生產(chǎn)函數(shù)滿足固定規(guī)模報(bào)酬，即α+β=1：

(1)

其中假定不同類型的中間產(chǎn)品對(duì)最終產(chǎn)品生產(chǎn)的貢獻(xiàn)相同，即當(dāng)經(jīng)濟(jì)處于均衡狀態(tài)時(shí)，最終產(chǎn)品對(duì)每種中間產(chǎn)品的需求量相同，故而市場(chǎng)出清條件下，每種產(chǎn)品的供給量也相同，也即xit=x。

那么，最終產(chǎn)品的利潤(rùn)最大化公式為：

(2)

其中，ωt代表勞動(dòng)力工資，pt(i)代表第i種中間產(chǎn)品價(jià)格。

(二)中間產(chǎn)品生產(chǎn)部門(mén)

中間產(chǎn)品xit由一系列具有壟斷權(quán)利的廠商進(jìn)行生產(chǎn)，這些廠商對(duì)產(chǎn)品的設(shè)計(jì)具有無(wú)限專利權(quán)，一旦專利從R&D部門(mén)購(gòu)買(mǎi)進(jìn)來(lái)，每單位的原始資本都可以無(wú)成本的轉(zhuǎn)化為資本品。廠商從市場(chǎng)上租借資本，假設(shè)每單位資本的利息成本為rt。

那么，中間產(chǎn)品生產(chǎn)部門(mén)廠商的利潤(rùn)最大化公式為：

π=max{pi(i)xt(i)-rtxt(i)}

(3)

(三) R&D部門(mén)

R&D部門(mén)對(duì)中間產(chǎn)品進(jìn)行新的設(shè)計(jì)研究，通過(guò)R&D經(jīng)費(fèi)投入，利用已有的知識(shí)存量生產(chǎn)新的知識(shí)，該部門(mén)的生產(chǎn)函數(shù)表示為：

(4)

設(shè)定PAt為新生產(chǎn)知識(shí)的價(jià)格，根據(jù)完全競(jìng)爭(zhēng)市場(chǎng)的無(wú)套利條件，滿足以下公式：

(5)

也即R&D部門(mén)市場(chǎng)價(jià)值的增加等于R&D部門(mén)的投入。根據(jù)Romer(1990)[15]的研究，R&D部門(mén)設(shè)定的知識(shí)價(jià)格滿足以下公式：

(6)

對(duì)時(shí)間求導(dǎo)，得到方程：

(7)

即：

(8)

γPAt為知識(shí)價(jià)格的增長(zhǎng)率。

(四)方程推導(dǎo)

對(duì)三部門(mén)的函數(shù)模型繼續(xù)進(jìn)行系列數(shù)學(xué)推導(dǎo)，具體如下：

(9)

由此，總產(chǎn)出的增長(zhǎng)率可表示為：

rYt=rΩt+(1-α)rKt+α(rLt+rAt)

(10)

求解式(2)最終產(chǎn)品部門(mén)的最優(yōu)化問(wèn)題，易得到最終產(chǎn)品生產(chǎn)部門(mén)對(duì)勞動(dòng)和中間產(chǎn)品的需求函數(shù)：

(11)

p(i)=(1-α)ΩLαx(i)-α

(12)

將p(i)=(1-α)ΩLαx(i)-α代入式(3)，求得中間產(chǎn)品生產(chǎn)部門(mén)的最優(yōu)化條件，中間產(chǎn)品生產(chǎn)部門(mén)的利潤(rùn)函數(shù)為：

πt=α(1-α)ΩtLtαxt(i)1-α

(13)

結(jié)合式(9)、式(13)得到方程：

Atπt=α(1-α)Yt

(14)

結(jié)合式(14)、式(8)得到方程：

(15)

當(dāng)經(jīng)濟(jì)收斂于平衡增長(zhǎng)路徑上時(shí)，rt和γPAt為常數(shù)，對(duì)式(15)兩端取自然對(duì)數(shù)，并對(duì)t求導(dǎo)，得到公式：

γPA=γY-γA

(16)

其中，γY為實(shí)際產(chǎn)出Y的增長(zhǎng)率，γA為R&D存量的增長(zhǎng)率 。

(17)

最后由式(10)rYt=rΩt+(1-α)rKt+α(rLt+rAt)可知，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度θ可表示為：

(18)

α為勞動(dòng)產(chǎn)出彈性的份額，本文在測(cè)算中假定其為0.5*在模型推導(dǎo)中，α是指最終產(chǎn)品生產(chǎn)部門(mén)的勞動(dòng)產(chǎn)出彈性，從全社會(huì)的角度來(lái)看，勞動(dòng)產(chǎn)出彈性要大于這個(gè)值。。

三 估算方法與參數(shù)設(shè)定

本文依然采用Goldsmith的PIM(永續(xù)盤(pán)存法)思路估算資本存量，其基本的公式如下：

(19)

式中，K為資本存量，t為時(shí)間，I為R&D投入流量(不變價(jià))，n為R&D投入形成存量的最大滯后年數(shù)，δ為R&D資本存量第t年的折舊率，μ為R&D支出的滯后貼現(xiàn)系數(shù)(R&D支出流量形成R&D存量的比率)。鑒于R&D投入滯后期難以衡量，多數(shù)學(xué)者采用μk=1，n=1， 上式可一般化為：

Kt=It+(1-δ)Kt-1

(20)

因此，測(cè)算R&D資本存量需要對(duì)基期R&D存量、當(dāng)期R&D存量、R&D價(jià)格指數(shù)以及折舊率等參數(shù)進(jìn)行確定。

中國(guó)不同層面 R&D資本存量的估算均采用了PIM方法，但處理方法上仍存在以下缺陷：一是重復(fù)計(jì)算問(wèn)題。按照SNA2008的規(guī)定，國(guó)民經(jīng)濟(jì)核算中增加值已經(jīng)包括勞動(dòng)力成本，與此同時(shí)，研究R&D與經(jīng)濟(jì)增長(zhǎng)關(guān)系的生產(chǎn)函數(shù)中也包括了勞動(dòng)力，這將會(huì)產(chǎn)生重復(fù)計(jì)算問(wèn)題。二是參數(shù)的設(shè)定方面。(1) 運(yùn)用投入成本法估算 R&D 價(jià)格指數(shù)時(shí)，對(duì)其他費(fèi)用的價(jià)格指數(shù)未進(jìn)行細(xì)致處理*由于我國(guó)的其他費(fèi)用支出占 R&D支出總額的比例高達(dá)60%以上，致使最終的R&D價(jià)格指數(shù)估算存在較大缺陷。。(2)在區(qū)域?qū)用娴墓浪阒校纯紤]各省市區(qū)R&D折舊率的差異性，選取統(tǒng)一的折舊率進(jìn)行處理。(3) 在基期資本存量估算中，g值均按樣本期內(nèi)實(shí)際 R&D支出的年均增長(zhǎng)率進(jìn)行取值，忽視了個(gè)別地區(qū)R&D支出存在劇烈波動(dòng)的問(wèn)題。

(一)R&D產(chǎn)出價(jià)格指數(shù)

各國(guó)學(xué)者采取了不同的方法構(gòu)造R&D產(chǎn)出價(jià)格指數(shù)*現(xiàn)有投入產(chǎn)出法文獻(xiàn)普遍將R&D產(chǎn)出價(jià)格指數(shù)用R&D支出價(jià)格指數(shù)進(jìn)行替代，本文統(tǒng)一兩種叫法。，如Jaffe(1972)[18]、Griliches(1980)[19]的投入成本法，用非金融企業(yè)工資價(jià)格指數(shù)和GNP價(jià)格指數(shù)的加權(quán)平均來(lái)表示R&D產(chǎn)出價(jià)格指數(shù)；Loeb和Lin(1977)[20]采用 R&D 人員工資價(jià)格指數(shù)和設(shè)備投資GNP價(jià)格指數(shù)進(jìn)行加權(quán)平均；Corrado et al.(2011)[21]將生產(chǎn)部門(mén)劃分為知識(shí)生產(chǎn)部門(mén)和產(chǎn)品生產(chǎn)部門(mén)，通過(guò)建立知識(shí)生產(chǎn)模型來(lái)估算R&D產(chǎn)出價(jià)格指數(shù)。

國(guó)內(nèi)學(xué)者在編制R&D產(chǎn)出價(jià)格指數(shù)方面，多以其他價(jià)格指數(shù)替代，或運(yùn)用成本投入法進(jìn)行估算以及根據(jù)R&D 活動(dòng)特點(diǎn)進(jìn)行經(jīng)驗(yàn)性構(gòu)造。如朱平芳和徐偉民(2003)[22]將CPI指數(shù)與固定資產(chǎn)投資價(jià)格指數(shù)進(jìn)行加權(quán)平均。吳延兵(2008)[11]利用原材料購(gòu)進(jìn)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)的加權(quán)替代R&D投入價(jià)格指數(shù)。王孟欣(2011)[23]利用各地區(qū)GDP指數(shù)與R&D經(jīng)費(fèi)指數(shù)的線性關(guān)系推算各地區(qū)R&D經(jīng)費(fèi)支出的價(jià)格指數(shù)。田志康(2014)[24]則從R&D價(jià)格縮減指數(shù)的視角，利用固定期和鏈?zhǔn)劫M(fèi)式和Divisia指數(shù)方法對(duì)R&D價(jià)格指數(shù)進(jìn)行測(cè)量。譚利平和王斌會(huì)(2016)[25]在R&D投入價(jià)格指數(shù)的基礎(chǔ)上，結(jié)合投入成本法與知識(shí)生產(chǎn)函數(shù)模型，估計(jì)了我國(guó)2006-2012年的R&D產(chǎn)出價(jià)格指數(shù)。由于中國(guó)相關(guān)統(tǒng)計(jì)資料數(shù)據(jù)并不完善，在價(jià)格指數(shù)的選取上仍存在較大的爭(zhēng)議，故而呈現(xiàn)出R&D價(jià)格指數(shù)構(gòu)造結(jié)果的多樣性與不統(tǒng)一性。

投入成本法主旨在于以R&D支出的組成部分為依據(jù)，根據(jù)各組成部分占支出總額的比例對(duì)價(jià)格指數(shù)進(jìn)行加權(quán)平均，如何確立并計(jì)算R&D支出結(jié)構(gòu)成為R&D價(jià)格指數(shù)估算的前提條件。與此同時(shí)，由于相關(guān)數(shù)據(jù)的欠缺性，比如統(tǒng)計(jì)資料關(guān)于其他費(fèi)用支出并未作詳細(xì)說(shuō)明，因此，指數(shù)的構(gòu)成及其構(gòu)成部分的權(quán)重賦值并沒(méi)有統(tǒng)一的規(guī)范。本文參考陳宇峰和朱榮軍(2016)[26]對(duì)投入成本法的研究思路，嘗試對(duì)1997-2015年各省市區(qū)R&D價(jià)格指數(shù)進(jìn)行構(gòu)造，具體如下：

根據(jù)R&D經(jīng)費(fèi)支出構(gòu)成建立各省市區(qū)對(duì)應(yīng)的價(jià)格指數(shù)，如表1所示。其中，將人員勞務(wù)費(fèi)的價(jià)格指數(shù)設(shè)定為居民消費(fèi)價(jià)格指數(shù)；將儀器設(shè)備支出的價(jià)格指數(shù)設(shè)定為固定資產(chǎn)投資價(jià)格指數(shù)；其他費(fèi)用價(jià)格指數(shù)的估算，將以2009-2015年全國(guó)R&D價(jià)格指數(shù)為依據(jù)，采用加權(quán)平均法進(jìn)行倒推。1997-2009年的全國(guó)其他費(fèi)用價(jià)格指數(shù)，將以2009-2015年支出構(gòu)成均值進(jìn)行構(gòu)造。各省市區(qū)層面R&D支出三個(gè)構(gòu)成部分占總額的比例與全國(guó)層面數(shù)據(jù)存在較大的差距，本文根據(jù)2009-2015年各省市區(qū)R&D支出組成部分占支出總額的均值來(lái)對(duì)1997-2009年的數(shù)據(jù)進(jìn)行取值。其中各省市區(qū)的其他費(fèi)用價(jià)格指數(shù)選用全國(guó)數(shù)據(jù)，人員勞務(wù)費(fèi)與儀器設(shè)備支出的價(jià)格指數(shù)分別取各省市區(qū)的CPI指數(shù)與固定資產(chǎn)投資價(jià)格指數(shù)。

(二)R&D折舊率

OECD(2010)[27]建議使用幾何模型計(jì)算R&D資產(chǎn)的折舊率。在具體測(cè)算操作上，各國(guó)采用的R&D折舊率并不相同。Grilichers和Lichtenberg(1984)[28]提出R&D資產(chǎn)折舊率取15%比較合適，后來(lái)多數(shù)學(xué)者也沿用此結(jié)果。由于我國(guó)統(tǒng)計(jì)數(shù)據(jù)匱乏，大部分國(guó)內(nèi)研究經(jīng)驗(yàn)性地將其設(shè)定為一個(gè)固定數(shù)值，比如15%等，也有學(xué)者認(rèn)為發(fā)展中國(guó)家的折舊率應(yīng)該小于發(fā)達(dá)國(guó)家，取12%較為合理，國(guó)家統(tǒng)計(jì)局國(guó)民經(jīng)濟(jì)核算司GDP生產(chǎn)核算處曾建議設(shè)定為10%，類似于物質(zhì)資本折舊率。

梳理以往文獻(xiàn)研究結(jié)論，本文R&D折舊率的設(shè)定考慮以下幾個(gè)因素：(1)R&D折舊率與其投入構(gòu)成有關(guān)，下限設(shè)為10%，基礎(chǔ)研究占比越高折舊率就相對(duì)越小。(2)R&D折舊率的時(shí)變性，即隨著投資年s的增長(zhǎng)而遞增。知識(shí)經(jīng)濟(jì)時(shí)代，技術(shù)更新不斷加快，而R&D折舊率最初可能保持不變，當(dāng)R&D活動(dòng)使得知識(shí)技術(shù)升級(jí)時(shí)，折舊率隨之增大。本文在測(cè)算30個(gè)省、市、自治區(qū)R&D折舊率時(shí)，首先根據(jù)各省市區(qū)基礎(chǔ)研究占比的不同劃分各省市的R&D折舊率，如圖1所示。根據(jù)結(jié)果分析，本文將基礎(chǔ)研究占比較高的省市折舊率設(shè)定為10%，分別為北京、吉林、黑龍江、海南、云南、甘肅和青海；將歷年基礎(chǔ)研究占比較低的省市折舊率設(shè)定為15%，分別為江蘇、浙江、廣東；其余的省市則設(shè)定為12%。

圖1 R&D基礎(chǔ)研究占R&D投入比重(2009-2012年均值)

關(guān)于折舊率的時(shí)變性問(wèn)題，本文參考Esposti和Pierani(2003)[29]的做法，將折舊率內(nèi)生化為科技進(jìn)步的函數(shù)。具體測(cè)算公式如下：

(21)

其中s為投資年，G為醞釀期*一般認(rèn)為，R&D投資期可以分為兩個(gè)階段：第一個(gè)是技術(shù)獲取階段，也稱醞釀階段。這個(gè)階段，R&D投資產(chǎn)生有限的結(jié)果或沒(méi)有任何結(jié)果。由于R&D產(chǎn)出的不確定性，醞釀階段的時(shí)間有長(zhǎng)有短；第二個(gè)是新的R&D存量服務(wù)階段。該階段，R&D活動(dòng)進(jìn)入產(chǎn)出階段， R&D投入產(chǎn)生知識(shí)和經(jīng)驗(yàn)，增加R&D存量。的滯后期，δs為第s年的折舊率，g為科技進(jìn)步年平均增長(zhǎng)速度。當(dāng)s=G時(shí)，折舊率δ不變，為δ*；當(dāng)s>G時(shí)，知識(shí)技術(shù)升級(jí)加速知識(shí)老化，δ將增大。本文將G設(shè)定為0年，δ*為1997年的折舊率，g參考程華和吳曉暉(2006)[30]的估算方法。具體如下：

g=y-αl-βk

(22)

其中，y表示GDP年均增長(zhǎng)速度；k表示社會(huì)固定資產(chǎn)投資年均增長(zhǎng)速度；l表示從業(yè)人員年均增長(zhǎng)速度；α*這里的α指全社會(huì)的勞動(dòng)產(chǎn)出彈性，與上文提到的最終產(chǎn)品生產(chǎn)部門(mén)α有所區(qū)分，故而取值不同。表示勞動(dòng)產(chǎn)出彈性；β表示資本產(chǎn)出彈性。國(guó)家發(fā)改委、國(guó)家統(tǒng)計(jì)局建議在測(cè)算全社會(huì)口徑科技進(jìn)步時(shí)，取α=0.65，β=0.35。本文借鑒這一經(jīng)驗(yàn)值， 進(jìn)一步測(cè)得1997-2015年全國(guó)各省市區(qū)科技進(jìn)步年均增長(zhǎng)速度。

(三)R&D資本存量

1.基期資本存量估算方法

根據(jù)Goto和Griliches(1989)[31]、Coe和Helpman(1995)[32]的方法，假定R&D資本存量增長(zhǎng)率等于真實(shí)R&D支出增長(zhǎng)率，設(shè)為gk，即：

(23)

其中g(shù)k為當(dāng)期R&D支出與資本存量的平均增長(zhǎng)率。當(dāng)t=1時(shí)，式(23)表示為：

K1=(1+gk)K0

(24)

根據(jù)上文公式Kt=It+(1-δ)Kt-1，當(dāng)t=1時(shí)，式(20)表示為：

K1=(1-δ)K0+I1

(25)

由式(24)、式(25)可得計(jì)算初始R&D資本存量的公式：

(26)

上文將gk設(shè)定為樣本期內(nèi)不變價(jià)格R&D 支出增長(zhǎng)率的幾何平均數(shù)，假設(shè)前提通常是不變價(jià)格 R&D 支出較為平穩(wěn)，這與事實(shí)上不同區(qū)域的不變價(jià)格 R&D支出波動(dòng)顯然相違背。為了消除這種波動(dòng)性，BEA(Bureau of Economic Analysis，2013)[33]采用了Sliker(2007)[34]的線性回歸法，具體公式如下：

gk=em-1

(27)

其中m由以下回歸模型決定：

lnIt=b+mt+εt

(28)

根據(jù)BEA方法推導(dǎo)R&D基期資本存量為：

(29)

四 數(shù)據(jù)來(lái)源與處理

(一)數(shù)據(jù)來(lái)源

我國(guó)在 2000 年和2009 年對(duì)全國(guó) R&D 資源進(jìn)行了普查，產(chǎn)生很多有價(jià)值的數(shù)據(jù)。2009年以來(lái)我國(guó)R&D統(tǒng)計(jì)資料相對(duì)完善，包括各地區(qū)支出用途(日常性支出與結(jié)構(gòu)性支出)、R&D活動(dòng)(基礎(chǔ)研究、應(yīng)用研究與實(shí)驗(yàn)研究)以及按執(zhí)行部門(mén)(企業(yè)、研發(fā)機(jī)構(gòu)與高等學(xué)校)與資金來(lái)源(政府資金、企業(yè)資金、國(guó)外資金與其他資金)的R&D經(jīng)費(fèi)內(nèi)部支出結(jié)構(gòu)數(shù)據(jù)。

但是2000年以來(lái)的清查及統(tǒng)計(jì)數(shù)據(jù)也存在一定的問(wèn)題，與本文緊密相關(guān)的問(wèn)題如下：

1. 1999-2016年《中國(guó)科技統(tǒng)計(jì)年鑒》所提供的R&D 經(jīng)費(fèi)內(nèi)部支出(1999年之前只提供科技經(jīng)費(fèi)內(nèi)部支出)中，將各省市區(qū)的數(shù)據(jù)加總與全國(guó)的總額數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)兩者某些年份存在較大出入。

2. R&D內(nèi)部經(jīng)費(fèi)總支出層面，《中國(guó)科技統(tǒng)計(jì)年鑒》提供了1998-2016年各地區(qū)研究與發(fā)展(R&D)內(nèi)部經(jīng)費(fèi)支出數(shù)據(jù)，1997年只提供各地區(qū)科技活動(dòng)經(jīng)費(fèi)內(nèi)部支出，1996年與1995年各地科技經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)欠缺。

3. R&D支出結(jié)構(gòu)層面，中國(guó)統(tǒng)計(jì)資料僅提供了 2009年以來(lái)的R&D支出用途數(shù)據(jù)，以及1995-2008年的科技經(jīng)費(fèi)內(nèi)部支出用途數(shù)據(jù)，兩者的統(tǒng)計(jì)口徑并不同，所以指標(biāo)并不統(tǒng)一。

(二)基礎(chǔ)數(shù)據(jù)問(wèn)題處理

針對(duì)基礎(chǔ)數(shù)據(jù)存在的各類問(wèn)題，本文所使用數(shù)據(jù)的主要來(lái)源為：經(jīng)國(guó)家統(tǒng)計(jì)局調(diào)整過(guò)的2005-2015年中國(guó)科技統(tǒng)計(jì)年度數(shù)據(jù)、各省市區(qū)的統(tǒng)計(jì)年鑒以及《中國(guó)科技統(tǒng)計(jì)年鑒》(1998-2015年)。具體處理為：

1.R&D經(jīng)費(fèi)內(nèi)部支出的數(shù)據(jù)

對(duì)比國(guó)家統(tǒng)計(jì)局調(diào)整過(guò)的相關(guān)數(shù)據(jù)、各省市區(qū)統(tǒng)計(jì)年鑒提供的數(shù)據(jù)，最后以《中國(guó)科技統(tǒng)計(jì)年鑒》1998-2015年的科技經(jīng)費(fèi)內(nèi)部支出與R&D 經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)為主，得到 1997-2015年我國(guó)30個(gè)省市區(qū)的 R&D 經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)。由于統(tǒng)計(jì)資料的不完善，對(duì)部分年份數(shù)據(jù)進(jìn)行推算，1997年的R&D內(nèi)部經(jīng)費(fèi)支出按照1998-2000年R&D經(jīng)費(fèi)內(nèi)部支出占科技經(jīng)費(fèi)內(nèi)部支出的加權(quán)平均值進(jìn)行估算。

2.R&D支出結(jié)構(gòu)的建立

為充分利用現(xiàn)有的數(shù)據(jù)，本文考慮將我國(guó)與地區(qū)R&D支出分為：人員勞務(wù)費(fèi)、固定資產(chǎn)建構(gòu)及其他，其中將企業(yè)的原材料費(fèi)以及研究機(jī)構(gòu)與高校的業(yè)務(wù)費(fèi)并入“其他”項(xiàng)。

根據(jù)2009-2015年R&D經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)推算R&D支出結(jié)構(gòu)比例。由《中國(guó)科技統(tǒng)計(jì)年鑒》(2009-2016年) 數(shù)據(jù)推算，日常性支出所占比例大約為85%，資產(chǎn)性支出大約為15%。其中，在日常性支出中，人員勞務(wù)費(fèi)占比約為29%，剩余部分未作細(xì)致說(shuō)明。而在資產(chǎn)性支出中，儀器設(shè)備支出約占80%，剩余部分亦未作細(xì)致說(shuō)明。若將未做說(shuō)明的支出都?xì)w為其他費(fèi)用支出，即可得到人員勞務(wù)費(fèi)、儀器設(shè)備支出(與上文的固定資產(chǎn)建構(gòu)支出屬性相同，本文將其看作同一口徑進(jìn)行計(jì)算)和其他費(fèi)用占總支出的比例。全國(guó)層面數(shù)據(jù)顯示，2009-2015年R&D支出主要包括約24%的人員勞務(wù)費(fèi)支出、約13%的儀器設(shè)備支出和約63%的其他費(fèi)用支出。

五 省域R&D資本存量的空間分布特征

(一)區(qū)域分類

國(guó)內(nèi)文獻(xiàn)對(duì)于R&D投入?yún)^(qū)域差異的研究，大多基于東北、東部、中部和西部進(jìn)行劃分。簡(jiǎn)單依賴地理位置進(jìn)行區(qū)域劃分并不能反映R&D活動(dòng)的真實(shí)差異，本文依據(jù)R&D強(qiáng)度對(duì)區(qū)域進(jìn)行重新劃分，利用R&D強(qiáng)度指標(biāo)的分位數(shù)進(jìn)行分類。

具體地，先求出各省市區(qū)1997-2015年各年份R&D強(qiáng)度均值作為第一分位數(shù)，將高于均值的省份與地區(qū)列入R&D高投入?yún)^(qū)域，再次求出剩余地區(qū)的R&D強(qiáng)度均值，將高于均值的省份與地區(qū)列入R&D中投入?yún)^(qū)域，其余的歸為R&D低投入?yún)^(qū)域。分類情況與區(qū)域統(tǒng)計(jì)特征如表2所示。

表2 各區(qū)域R&D強(qiáng)度分類與統(tǒng)計(jì)特征

表2顯示，1997-2015年，R&D高投入地區(qū)與中等投入和低投入地區(qū)的均值差距較大，而中等投入和低投入地區(qū)的差距較?。籖&D高投入地區(qū)的標(biāo)準(zhǔn)差相對(duì)較高，說(shuō)明R&D投入強(qiáng)度高的地區(qū)，內(nèi)部投入密度差異也比較大，相反地，R&D中等投入和低投入地區(qū)的標(biāo)準(zhǔn)差較低，說(shuō)明這些地區(qū)內(nèi)部的差異存在縮小趨勢(shì)。

(二)R&D資本存量測(cè)算結(jié)果及特征分析

根據(jù)上文提供的參數(shù)估算方法，本文用PIM方法測(cè)算初始資本存量，進(jìn)而測(cè)算出1998-2015年各省市區(qū)的R&D資本存量，具體結(jié)果如表3所示。

表3 各地區(qū)歷年R&D資本存量(單位：億元)

(續(xù)上表)

區(qū)域200720082009201020112012201320142015全國(guó)124366154667190220234618289931349353414499482630549954北京170361809219777226752599027096289203104033291天津3510451554896848869210568127081482416872河北313639034789580771898813105871249714511山西147718962401294136504364517058356175內(nèi)蒙古6028411192160521672690324437354229遼寧5411612669518211999510980121871298012756吉林197122342701306835274034454450905625黑龍江250830713726445751645843659872227687上海91991042311835135331599317412192622137523381江蘇125701653820793260393264740056480775650764793浙江82161106314079178292235227905339244045847411安徽258533534381560872479395120211485717759福建287036544659594076209654119221442717047江西141518402295280433363881453852656040山東93601257615944205052626032569394054661653767河南3108394351296551833410243123021454916769湖北3869475460367663963811612137881622918605湖南241332744364568873359234112471343115699廣東132191670821147266243383942020511826093371206廣西7599901320176823412966360341994639海南118145194252342459580717844重慶147818682367301238484785571867618040四川4730541764117762916810454118841349915170貴州49958972387110561209137515841800云南98411991436172621112560306335794251陜西4139455252136041701175598443931310084甘肅98111271283146716891915215024382708青海130134171224289320346370358寧夏200241301363452543641751852新疆36648062981110351276153618002048

圖2為1998年、2007年和2015年的R&D資本存量分布情況，可見(jiàn)1998-2015年各地區(qū)資本存量分布趨勢(shì)大致未變。R&D高強(qiáng)度地區(qū)的資本存量較R&D中低強(qiáng)度地區(qū)的資本存量有明顯優(yōu)勢(shì)且呈擴(kuò)大趨勢(shì)，而R&D中低強(qiáng)度地區(qū)之間差距不大。

圖2 1998年、2007年和2015年各地區(qū)R&D資本存量

圖3 1998-2015年各地區(qū)知識(shí)存量增長(zhǎng)率均值

1998年，北京、上海、廣東和江蘇的R&D資本存量占據(jù)全國(guó)前四位，分別為438.22億元、168.60億元、138.28億元和110.27億元，北京地區(qū)具有絕對(duì)的優(yōu)勢(shì)，后三者差距相對(duì)較??；2000年，廣東以53.42%的知識(shí)存量增長(zhǎng)率在總量上超越上海，位居第二位，同年，江蘇也實(shí)現(xiàn)了41.45%的知識(shí)存量增長(zhǎng)率，并于2003年在總量上趕超上海居第三位。北京地區(qū)R&D資本存量基數(shù)大，知識(shí)存量增長(zhǎng)速度相對(duì)較慢，因而于2009年在總量上被廣東趕超。2015年，R&D資本存量占據(jù)全國(guó)前四位的是廣東、江蘇、山東和浙江，分別為7120.64億元、6479.25億元、5376.73億元和4741.12億元；浙江省R&D資本存量從1998年的31.85億元發(fā)展到2015年的4741.12億元，年均增長(zhǎng)率高達(dá)60%，這是因?yàn)榘殡S著互聯(lián)網(wǎng)經(jīng)濟(jì)的崛起與發(fā)展，浙江成為除上海與江蘇外長(zhǎng)三角地區(qū)最重要的研發(fā)中心，是我國(guó)科技創(chuàng)新活動(dòng)的重點(diǎn)地帶。

總體看來(lái)，R&D高強(qiáng)度地區(qū)的R&D資本存量相對(duì)較高，R&D中低強(qiáng)度地區(qū)的R&D資本存量相對(duì)較低，因?yàn)镽&D經(jīng)費(fèi)投入高的地區(qū)，研發(fā)能力與創(chuàng)新能力較強(qiáng)，而R&D活動(dòng)較弱的地區(qū)，經(jīng)濟(jì)相對(duì)落后，同時(shí)R&D活動(dòng)也缺乏對(duì)外輻射的能力。個(gè)別R&D投入強(qiáng)度并不高的地區(qū)出現(xiàn)了R&D資本存量并不低的現(xiàn)象。如河北與河南近年R&D資本存量在總量上突破了千億，說(shuō)明這些地區(qū)也擁有自己的優(yōu)勢(shì)，無(wú)論是依托R&D活動(dòng)發(fā)達(dá)地區(qū)的輻射效應(yīng)，還是自身R&D活動(dòng)的針對(duì)性，都使得其在區(qū)域發(fā)展中同樣占據(jù)重要地位。

六 省域R&D資本化對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)

根據(jù)前文理論模型框架，估算出1998-2015年全國(guó)和地區(qū)層面R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度，進(jìn)而推算出其貢獻(xiàn)率，公式為：

R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率=R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度/經(jīng)濟(jì)增長(zhǎng)率*100%

(30)

(一)R&D資本化對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度分析

測(cè)算各省市區(qū)R&D投入及其對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度，如表4所示。結(jié)果顯示，各地區(qū)R&D投入對(duì)經(jīng)濟(jì)增長(zhǎng)有不同程度上的促進(jìn)作用，且趨勢(shì)相對(duì)平穩(wěn)。由于近二十年來(lái)整體經(jīng)濟(jì)運(yùn)行比較平穩(wěn)，所以R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度數(shù)據(jù)在樣本期間并未發(fā)生實(shí)質(zhì)性的變化，使得區(qū)域方面的差異不是特別顯著。各區(qū)域R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度只在2000年發(fā)生了較大幅度的波動(dòng)，這源于該時(shí)期國(guó)家對(duì)科技創(chuàng)新戰(zhàn)略的重視，當(dāng)年全國(guó)各地區(qū)R&D知識(shí)存量增長(zhǎng)率均呈現(xiàn)較大幅度的提高，其中以廣西的增幅最為明顯，2000年知識(shí)存量增長(zhǎng)率高達(dá)126.54%，其次為福建、浙江、內(nèi)蒙古、河北與廣東，對(duì)應(yīng)的知識(shí)存量增長(zhǎng)率分別為75.56%、73.46%、62.72%、53.73%和53.72%。

與此同時(shí)，對(duì)參數(shù)勞動(dòng)產(chǎn)出彈性α取不同值，α=0.3 時(shí)，樣本期間內(nèi)R&D對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度的均值為0.73%。α=0.5 時(shí)，R&D對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度的均值為1.22%。α=0.6 時(shí)，R&D對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)度的均值為1.47%?？梢?jiàn)，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度將隨著勞動(dòng)產(chǎn)出彈性的增加而增強(qiáng)。

表4 各地區(qū)歷年R&D資本化對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度(單位：%)

(續(xù)上表)

區(qū)域1998199920002001200220032004200520062007浙江162107334231163147164153150120安徽155114282175143152095092101083福建119095398231142167139117091082江西147108219117137127118133128114山東129095224170163114108131099106河南139107213165113094077077103096湖北100090123096112090062063077066湖南138106238198146119096089084085廣東110083247220125089080089078082廣西145119867278156147093079084072海南159110113087112084138053066058重慶150116217124115118124152103081四川091110115121088080049064052061貴州115085147146122108081080093047云南127105168158123112080130088086陜西080065141101082051060054044045甘肅084072059058077060057071083063青海098079130054117083091056049048寧夏133092176097107079101067108136新疆151114171116103062107085100084區(qū)域20082009201020112012201320142015全國(guó)126122110124130120113101北京034046071090028044050053天津087065071082078081083074河北121114087105118123139119山西167247081093097104131094內(nèi)蒙古111124116122105114097086遼寧049051064089052063056-029吉林042077049054060076092083黑龍江095094077064066081084056上海069083070111059069078068江蘇124104099115112104101086浙江172153112141155132127107安徽117119096108122134128112

(續(xù)上表)

區(qū)域20082009201020112012201320142015福建105112099115117107106101江西114094079076074084083081山東143110116129123109105096河南111138111114113112103092湖北085100091093091093091082湖南128122104113115108102099廣東127137104136147128122105廣西119120120132118105097065海南111142094148189134138114重慶091090080085090079084086四川066063070060056068080078貴州080099080071053055071063云南103082082081082081104108陜西030053054058030053053052甘肅074067061061053057075068青海013138100108044037038-020寧夏082104076102087092107084新疆142192136115097093086078

(二)R&D資本化對(duì)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率的進(jìn)一步分析

圖4為各省市區(qū)樣本期間R&D對(duì)經(jīng)濟(jì)影響的幾個(gè)相對(duì)量指標(biāo)的均值走勢(shì)。結(jié)果表明，相對(duì)于貢獻(xiàn)度而言，R&D對(duì)我國(guó)及各省市區(qū)經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)率的區(qū)域差異則相對(duì)明顯，且知識(shí)存量增長(zhǎng)率高的地區(qū)，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率也高，兩者的走勢(shì)接近吻合，其中廣西、山西和安徽列居前三位。

圖4 1998-2015年各地區(qū)R&D對(duì)經(jīng)濟(jì)影響相對(duì)量的均值

一方面，以R&D資本存量指標(biāo)衡量R&D投入的情況下，不是所有R&D投入高的地區(qū)對(duì)經(jīng)濟(jì)的促進(jìn)力度就越大，R&D投入低的地區(qū)對(duì)經(jīng)濟(jì)的促進(jìn)力度就越小。R&D高強(qiáng)度地區(qū)中，北京、遼寧、上海、江蘇、廣東、四川、陜西在α取0.5的情形下，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)度分別為0.61%、0.73%、0.82%、1.18%、1.23%、0.76%和0.62%，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)率分別為6.12%、6.7%、8.93%、 10.48%、11.97%、7.68%和5.73%。R&D低強(qiáng)度地區(qū)中，R&D資本存量較低的內(nèi)蒙古、廣西、貴州、青海、寧夏與新疆，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度分別為1.29%、1.62%、0.89%、0.7%、1.02%和1.13%，R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)率分別為11.32%、17.50%、8.49%、 6.29%、9.68%和12.02%。

另一方面，R&D強(qiáng)度越高的地區(qū)，R&D對(duì)經(jīng)濟(jì)的貢獻(xiàn)反而越低。R&D高強(qiáng)度地區(qū)、中強(qiáng)度地區(qū)與低強(qiáng)度地區(qū)R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)度均值分別為0.96%、1.02%、1.04%，對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)率均值分別為9%、10.52%、11.28%，知識(shí)增長(zhǎng)率均值分別為8.93%、10.06%、10.97%。這一高強(qiáng)度低貢獻(xiàn)的特征說(shuō)明，在R&D活動(dòng)較為發(fā)達(dá)的地區(qū)，R&D資本投入效率降低，從側(cè)面體現(xiàn)了R&D資本的邊際生產(chǎn)力遞減趨勢(shì)。結(jié)合中國(guó)的實(shí)際，這可能與目前我國(guó)R&D經(jīng)費(fèi)內(nèi)部結(jié)構(gòu)有較大關(guān)系，比如基礎(chǔ)研究占比太低(而許多重大技術(shù)創(chuàng)新都源于基礎(chǔ)研究的成果)、科研經(jīng)費(fèi)存在著浪費(fèi)和使用效率低下問(wèn)題等。

七 結(jié) 論

長(zhǎng)期以來(lái)R&D的經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)難以從全要素生產(chǎn)率以及其他要素中分離出來(lái)，SNA2008標(biāo)準(zhǔn)下的R&D資本化為更科學(xué)地認(rèn)識(shí)R&D活動(dòng)對(duì)經(jīng)濟(jì)社會(huì)的作用和貢獻(xiàn)提供統(tǒng)計(jì)學(xué)支撐。我國(guó)對(duì)R&D資本化的研究尚處于經(jīng)驗(yàn)性估算階段，且測(cè)算多基于國(guó)家層面而非省域?qū)用?，在處理方法上則存在重復(fù)計(jì)算、參數(shù)設(shè)定等諸多問(wèn)題。本文基于當(dāng)前R&D資本化問(wèn)題的研究現(xiàn)狀，在設(shè)定初始R&D資本存量、折舊率、價(jià)格指數(shù)等參數(shù)的基礎(chǔ)上，采用PIM方法測(cè)算1998-2015年我國(guó)30個(gè)省、市、自治區(qū)的R&D資本存量，并估算知識(shí)存量增長(zhǎng)率；同時(shí)通過(guò)構(gòu)建R&D驅(qū)動(dòng)的內(nèi)生增長(zhǎng)模型，測(cè)算出R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度，進(jìn)一步推斷各省市區(qū)R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率，以避免實(shí)證研究中諸如內(nèi)生性、變量缺失等問(wèn)題。

研究發(fā)現(xiàn)，我國(guó)1998-2015年知識(shí)存量增長(zhǎng)率均值約為13.44%，R&D投入對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度均值為1.22%，對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)率均值為13.68%。樣本期間R&D高強(qiáng)度、中強(qiáng)度與低強(qiáng)度地區(qū)對(duì)經(jīng)濟(jì)增長(zhǎng)的平均貢獻(xiàn)度均值分別為0.96%、1.02%和1.04%?！案邚?qiáng)度低貢獻(xiàn)”的特征與各地區(qū)R&D經(jīng)費(fèi)占GDP的比重偏低有關(guān)。不同地區(qū)R&D對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)度差異較小，這就不足以解釋R&D投入差異是導(dǎo)致我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展不平衡的重要原因的觀點(diǎn)。總體上，目前我國(guó)R&D投入對(duì)經(jīng)濟(jì)的影響主要體現(xiàn)在經(jīng)濟(jì)規(guī)模上，而對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)仍較小。

本研究尚存在不足之處。例如現(xiàn)實(shí)經(jīng)濟(jì)中R&D活動(dòng)包括基礎(chǔ)研究、應(yīng)用研究和試驗(yàn)發(fā)展，我國(guó)R&D經(jīng)費(fèi)結(jié)構(gòu)中基礎(chǔ)研究占比過(guò)低，而本文研究未對(duì)R&D活動(dòng)類型加以細(xì)分；另一方面，勞動(dòng)產(chǎn)出彈性在區(qū)域?qū)用嬉矐?yīng)該有所差異，本文測(cè)算時(shí)未將此差異考慮進(jìn)來(lái)。因此，如何構(gòu)建同時(shí)包含不同類型R&D活動(dòng)驅(qū)動(dòng)的經(jīng)濟(jì)增長(zhǎng)模型，分析考察不同類型、不同地區(qū)的R&D投入對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)，進(jìn)而探討R&D結(jié)構(gòu)優(yōu)化問(wèn)題以及R&D投入效率是未來(lái)研究的拓展方向之一。

基于本文研究結(jié)論，結(jié)合我國(guó)R&D經(jīng)費(fèi)支出現(xiàn)狀，著重提出兩點(diǎn)政策建議：第一，進(jìn)一步加大R&D基礎(chǔ)研究的投入比重。盡管基礎(chǔ)研究成果投入期限長(zhǎng)且不能直接產(chǎn)生經(jīng)濟(jì)效益，但諸多重大科技創(chuàng)新的成果都源于基礎(chǔ)研究。第二，進(jìn)一步提高R&D活動(dòng)的效率。R&D高強(qiáng)度低貢獻(xiàn)的特征表明所屬地區(qū)的R&D活動(dòng)效率已經(jīng)處于規(guī)模效率遞減生產(chǎn)階段，一味地?cái)U(kuò)大規(guī)模只會(huì)造成R&D資源的浪費(fèi)，政府應(yīng)該更加重視R&D經(jīng)費(fèi)的內(nèi)部結(jié)構(gòu)調(diào)整而非簡(jiǎn)單的規(guī)模擴(kuò)張，提高相關(guān)人員投入效率，促進(jìn)產(chǎn)學(xué)研體系融合，這將更加有利于R&D活動(dòng)更有意義、更有現(xiàn)實(shí)性地促進(jìn)經(jīng)濟(jì)增長(zhǎng)。

[1] Solow, R. M.．Technical Change and the Aggregate Production Function[J].ReviewofEconomicsandStatistics, 1957, 39(3): 312-320.

[2] Romer, P. M.．Increasing Returns and Long-run Growth[J].JournalofPoliticalEconomy, 1986, 94(5): 1002-1037.

[3] Lucas, R. E.. On the Mechanics of Economic Development[J].JournalofMonetaryEconomics, 1988, (22): 3-42.

[4] Arrow, K.． The Economic Implication of Learning by Doing[J].TheReviewofEconomicStudies, 1962, 29(3): 155-173.

[5] 聯(lián)合國(guó)， 歐盟委員會(huì)， 經(jīng)濟(jì)合作與發(fā)展組織等. 2008國(guó)民賬戶體系[M]. 北京: 中國(guó)統(tǒng)計(jì)出版社, 2012.

[6] Griliches, Z.. Productivity, R&D and Basic Research at the Firm Level in the 1970’s[J].AmericanEconomicReview, 1986, 76(1): 141-154.

[7] Aghion, P., Howitt, P.. A Model of Growth through Creative Destruction[J].Econometrics, 1992, 60(2): 323-351.

[8] Boskin, M. J., Lau, L..TheContributionofR&DtoEconomicGrowth:SomeIssuesandObservations[M]. AEI/Brookings, 1996.

[9] Anselin, L., Varga, A., Acs, Z.. Local Geographic Spillovers Between University Research and High Technology Innovations[J].JournalofUrbanEconomics, 1997, 42(3): 422-448.

[10] Kanwar, S., Evenson, R.. Does Intellectual Property Protection Spur Technological Change?[J].OxfordEconomicPapers, 2003, 55(2): 235-264.

[11] 吳延兵. 中國(guó)工業(yè)R&D產(chǎn)出彈性的測(cè)算[J]. 經(jīng)濟(jì)學(xué)(季刊), 2008, (4): 869-890.

[12] 謝蘭云. 中國(guó)省份研究與發(fā)展(R&D)指數(shù)及其存量的計(jì)算[J]. 西安財(cái)經(jīng)學(xué)院學(xué)報(bào), 2010, 23(4): 65-71.

[13] 嚴(yán)成樑, 沈超. 知識(shí)生產(chǎn)對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的影響——基于包含知識(shí)存量框架的分析[J]. 經(jīng)濟(jì)科學(xué), 2011, (3): 46-56.

[14] 丁浩, 王家明. R&D強(qiáng)度對(duì)經(jīng)濟(jì)增長(zhǎng)影響的區(qū)域?qū)Ρ妊芯縖J]. 中國(guó)石油大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2016, (1): 17-21.

[15] Romer, P. M.. Endogenous Technological Change[J].JournalofPoliticalEconomy, 1990, 98(5): S71-S102.

[16] Jones, C. I., Williams, J. C.. Too Much of a Good Thing? The Economics of Investment in R&D[J].JournalofEconomicGrowth, 2000, 5(1): 65-85.

[17] 嚴(yán)成樑, 龔六堂. R&D對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)測(cè)度[J]. 投資經(jīng)濟(jì), 2014, (1): 13-22.

[18] Jaffe, S. A.. A Price Index for Deflation of Academic R&D Expenditure[R]. Washington， D. C.: The National Science Foundation, 1972.

[19] Griliches, Z.. R&D and the Productivity Slowdown[J].TheAmericanEconomicReview, 1980, 70(2): 343-348.

[20] Loeb, P. D.， Lin, V.. Research and Development in the Pharmaceutical Industry Specification Error Approach[J].JournalofIndustrialEconomics, 1977, 26(1): 45-51.

[21] Corrado, C., Goodridge, P., Haskel, J.. Constructing a Price Deflator for R&D: Calculating the Price of Knowledge Investments As a Residual[R]. Working Papers, 2011.

[22] 朱平芳, 徐偉民. 政府的科技激勵(lì)政策對(duì)大中型工業(yè)企業(yè)R&D投入及其專利產(chǎn)出的影響——上海市的實(shí)證研究[J]. 經(jīng)濟(jì)研究, 2003, (6): 45-53, 94.

[23] 王孟欣. 我國(guó)區(qū)域R&D資本存量的測(cè)算[J]. 江蘇大學(xué)學(xué)報(bào), 2011, (1): 58-63.

[24] 田志康. R&D價(jià)格縮減指數(shù)及其中國(guó)實(shí)際R&D支出研究綜述[J]. 中國(guó)軟科學(xué), 2014, (11): 78-91.

[25] 譚利平, 王斌會(huì). 我國(guó)R&D產(chǎn)出價(jià)格指數(shù)的估計(jì)研究[J]. 統(tǒng)計(jì)與決策, 2016, (5): 26-28.

[26] 陳宇峰, 朱榮軍. 中國(guó)區(qū)域R&D資本存量的再估算: 1998-2012[J]. 科學(xué)學(xué)研究, 2016, (1): 69-80.

[27] 經(jīng)濟(jì)合作與發(fā)展組織(OECD). 弗拉斯卡蒂手冊(cè)(第6版)[M]. 北京： 科學(xué)技術(shù)文獻(xiàn)出版社， 2010.

[28] Griliches, Z., Lichtenberg, F.. Interindustry Technology Flows and Productivity Growth: A Reexamination[J].ReviewofEconomics&Statistics, 1984, 66(2): 324-329.

[29] Esposti, R., Pierani, P.. Public R&D Investment and Cost Structure in Italian Agriculture, 1960-1995[J].EuropeanReviewofAgriculturalEconomics, 2003, 30(4): 509-537.

[30] 程華, 吳曉暉. R&D投入、 存量及產(chǎn)出彈性研究——基于年份/功效函數(shù)的實(shí)證研究[J]. 科學(xué)學(xué)研究, 2006, (10): 8-11.

[31] Goto, A., Suzuki, K.. R&D Capital， Rate of Return on R&D Investment and Spillover of R&D in Japanese Manufacturing Industries[J].ReviewofEconomicsandStatistics, 1989, 71(4): 555-564.

[32] Coe, D., Helpman, E.. International R&D Spillovers[J].EuropeanEconomicReview, 1995, 39(5): 859-887.

[33] U.S. Bureau of Economic Analysis．Preview of the 2013 Comprehensive Revision of the National Income and product Accounts: Change in Definitions and Presentation[EB/OL]. 2013, http://www.bea.gov/scb/pdf.

[34] Sliker, B. K.. 2007 R&D Satellite Account Methodologies: R&D Capital Stocks and Net R rates of return[EB/OL]. Bureau of Economic Analysis/National Science Foundation R&D Satellite Account Background Paper, http://www.Bea.gov/national/rd.htm.

ResearchonProvincialR&DCapitalizationandItsEconomicGrowthContribution

LIU Jin-shan DING Zhuo-qi

The amount of R&D investment is a measure of innovation and technological progress which are the internal forces of a country’s economic development. However, the contribution of R&D to economic growth can not be separated from total factor productivity and other factors for a long time, which makes the economic growth effect of technological progress can not be accurately and effectively evaluated. SNA2008 adds “R&D investment” to “intellectual property products” and counts it as “fixed capital formation” in GDP accounting. R&D capitalization provides statistical support for the more scientific analysis of R&D activities. The R&D capital stock of 30 provinces in China is estimated by using the PIM method in this paper as well as the growth rate of knowledge stock. And then the contribution of R&D to economic growth is also measured under SNA2008 standard. The results show that the capital stock of R&D high-intensity area in 1998-2015 has obvious advantages than the medium and low intensity areas，while the gap between R&D low-intensity and medium-intensity areas is low. The average contribution rate of R&D to high-intensity region，edium-intensity region and low-intensity R&D are 0.96%，1.02% and 1.04% respectively， and the average contribution rates are 9%，10.52% and 11.28% respectively. This feature of “high intensity with low contribution” reflects the decreasing trend of marginal productivity of R&D capital.

R&D capital stock； economic growth; knowledge growth rate； provincial economy

2017-07-20

2017年度廣州市哲學(xué)社會(huì)科學(xué)發(fā)展“十三五”規(guī)劃智庫(kù)課題“廣州建設(shè)國(guó)家制造業(yè)創(chuàng)新中心思路與對(duì)策研究”(項(xiàng)目編號(hào)：2017GZZK02，項(xiàng)目負(fù)責(zé)人：劉金山)。

劉金山，暨南大學(xué)經(jīng)濟(jì)學(xué)院教授、博士生導(dǎo)師，研究方向：宏觀經(jīng)濟(jì)運(yùn)行與管理；丁卓琪，暨南大學(xué)經(jīng)濟(jì)學(xué)院博士研究生, 研究方向：國(guó)民經(jīng)濟(jì)運(yùn)行與管理。

F207

A

1674-8298(2017)06-0005-17

[責(zé)任編輯：陳 林]