成都市風險投資、R&D投入與技術創(chuàng)新基于VAR模型的實證研究

(西南交通大學 經濟管理學院,四川 成都 610031)

1 引言

當前,我國已經進入深入實施創(chuàng)新驅動發(fā)展戰(zhàn)略階段,創(chuàng)新成為推動我國經濟發(fā)展的核心動力。為驅動成都經濟創(chuàng)新發(fā)展,成都市政府相繼推出“創(chuàng)業(yè)天府”行動計劃和“創(chuàng)業(yè)天府”行動計劃2.0版?！度珖?7城市雙創(chuàng)指數排名》顯示,成都市憑借優(yōu)異的雙創(chuàng)環(huán)境和雙創(chuàng)成果排名第四,僅次于北京、上海和深圳,在中西部城市中處于領先,位列所有“新一線城市”首位,技術創(chuàng)新水平不斷提升。2017年成都市共有專利申請113956件,其中發(fā)明專利申請47033件,專利授權41088件(發(fā)明專利授權7990件)。探尋成都市技術創(chuàng)新的影響因素,對未來進一步推進成都市技術創(chuàng)新發(fā)展尤為重要。其中,風險投資對技術創(chuàng)新的促進作用在學術界得到廣泛認可,美國的經驗也足以說明風險投資對創(chuàng)新發(fā)展的重要貢獻。從2008年開始,風險投資在成都市不斷發(fā)展,2015年成都市風險投資在投資案例數和投資金額方面均達到歷史最高水平,全年共發(fā)生381起風險投資案例,金額近141.17億元。同時,R&D投入是最為重要的創(chuàng)新投入要素之一,直接影響到創(chuàng)新產出水平。長期以來,成都市R&D經費投入逐年增加,由2003年的39.46億元增加到2017年的320億元,R&D投入占GDP的比重在2009年以后迅速提升,基本保持在2%以上。本文試圖通過厘清成都市風險投資、R&D投入與技術創(chuàng)新之間的互動關系,尋找成都市技術創(chuàng)新提升的重要影響因素,為成都市未來的技術創(chuàng)新提升和經濟創(chuàng)新發(fā)展提供政策建議。

2 文獻回顧與研究內容

2.1 文獻回顧

針對風險投資、R&D投入和技術創(chuàng)新之間的關系,目前已有的國內外文獻主要圍繞以下幾點進行研究:①風險投資與技術創(chuàng)新的相互作用。一方面,國內外學者的觀點基本一致,認為風險投資能促進技術創(chuàng)新。Kortum、Lerner[1]利用美國的數據,在行業(yè)層面證實了風險投資對技術創(chuàng)新的促進作用,并測算出過去十年風險投資對行業(yè)技術創(chuàng)新的貢獻占15%;Ana等[2]以17個歐盟國家為樣本,進一步證實了風險投資對技術創(chuàng)新的促進作用主要是在后期階段。國內學者也對此進行了深入研究,國家、行業(yè)和企業(yè)層面均有涉及。其中,茍燕楠等[3]以中小板上市公司為樣本,發(fā)現風險投資進入企業(yè)的時間越早,對技術創(chuàng)新的正向促進作用越強;許昊等[4]用我國省際面板數據研究發(fā)現,風險投資對技術創(chuàng)新產出的促進有滯后效應,在滯后二期與滯后三期的促進效果最優(yōu)。另一方面,部分學者認為技術創(chuàng)新吸引風險投資。Gerronikolaou、Papachristou[5]證實了在歐洲是創(chuàng)新先于風險投資,并以此解釋歐洲風險投資之所以不活躍,可能不是因為資金缺乏,而是因為創(chuàng)新想法缺乏;Hirukawa、Ueda[6]利用美國制造業(yè)數據也驗證了創(chuàng)新先于風險投資;Pradhan等[7]以歐洲19個國家為樣本,證實了兩者單向或雙向的影響關系,同時提出應關注不同國家的風險投資和技術創(chuàng)新關系的差異性。國內學者楊曄[8]將風險投資和創(chuàng)新進行面板格蘭杰因果關系檢驗,證實了我國風險投資先于創(chuàng)新,而沒有證據顯示創(chuàng)新先于風險投資。②R&D投入促進技術創(chuàng)新。國內外對此的研究已十分成熟,從國家、行業(yè)、企業(yè)等不同視角進行了全面剖析。最新的包括：余泳等[9]以高技術產業(yè)為對象的研究;白云飛[10]發(fā)現R&D投入對科技創(chuàng)新的影響具有時滯效應,影響期為1—4年;孫早等[11]驗證了不同所有制企業(yè)的R&D投入對創(chuàng)新的影響有所不同;丘東等[12]研究了政府R&D投入對創(chuàng)新的影響機理。③風險投資與R&D投入對技術創(chuàng)新影響的差異性?；谏鲜鰞蓚€研究成果,不少學者將風險投資與R&D投入對技術創(chuàng)新的影響進行了對比分析。陳治等[13]以風險投資和R&D投入作為創(chuàng)新投入,驗證了風險投資對技術創(chuàng)新的促進效率大于R&D投入的結論;司穎潔等[14]基于DEA模型的研究證實了此結論。此外,鄧俊榮等[15]建立實證模型分析發(fā)現在我國風險投資對技術創(chuàng)新的作用系數為負,并沒有像國外那樣有明顯的推動作用,而R&D研發(fā)經費支出對技術創(chuàng)新的作用顯著,技術創(chuàng)新很大程度是由于R&D經費投入。④風險投資促進R&D投入增加。趙洪進[16]證實我國風險投資與高新技術產業(yè)的R&D投入之間具有正相關關系,風險投資會帶來R&D經費、R&D人員等自主創(chuàng)新投入增加;楊勝剛等[17]以中小板和創(chuàng)業(yè)板企業(yè)為樣本,發(fā)現風險投資持續(xù)持股會促進企業(yè)R&D投入增加。

2.2 研究內容

已有的國內外文獻分別從國家、產業(yè)和企業(yè)等層面對風險投資、R&D投入和技術創(chuàng)新關系進行了研究,宏觀、中觀和微觀研究視角均有涉及,但以某一地區(qū)為對象的研究較少。研究的內容以單向關系研究為主,包括風險投資對技術創(chuàng)新的影響,R&D投入對技術創(chuàng)新的影響、技術創(chuàng)新對風險投資注入的吸引等。另外部分學者對雙向互動關系進行了分析,研究風險投資與技術創(chuàng)新之間的因果關系。但可以發(fā)現，目前的研究對風險投資、R&D投入與技術創(chuàng)新三者關系的研究較缺乏,且已有的研究以風險投資、R&D投入對技術創(chuàng)新的影響差異為主,缺少針對三者互動關系的系統(tǒng)研究。

本文在文獻梳理的基礎上,以創(chuàng)新發(fā)展迅速的成都市為研究對象,分析風險投資、R&D投入與技術創(chuàng)新三者之間的互動關系,對目前的研究進行補充和豐富。通過構建VAR模型將三者置于同一系統(tǒng),選取2003—2017年相關數據作為全樣本,同時創(chuàng)新性地以2008—2017年數據為對比樣本,通過對兩組樣本的格蘭杰因果關系檢驗進行比較分析,以及對全樣本的方差分解進行探討,解決圖1的4種關系并回答以下幾個問題:成都市風險投資發(fā)展是否顯著促進技術創(chuàng)新水平的提升;成都市R&D投入是否促進技術創(chuàng)新水平的提高;風險投資與R&D投入對成都市創(chuàng)新水平的促進作用是否存在差異和變化;成都市創(chuàng)新水平的提升是否吸引更多風險投資的進入;風險投資是否促進R&D投入增加。

圖1 風險投資、R&D投入與技術創(chuàng)新關系

3 研究方法與數據來源

3.1 VAR模型

為了對成都市風險投資、R&D投入、技術創(chuàng)新三者之間的相互關系進行分析,本文通過建立VAR模型,估計三者之間的動態(tài)關系。之所以選擇該模型,主要是因為VAR模型運用于多個變量研究能更好地解決內生性問題。本文研究風險投資、R&D投入、技術創(chuàng)新三者之間的關系,借助VAR模型,可將三者放入一個系統(tǒng),詳細了解其動態(tài)變化,這是多元線性回歸模型無法做到的。本文的VAR模型為:

Yt=υ+A1Yt-1+…+APYt-p+μt

(1)

式中,Yt=(LNPt,LNVCt,LNRDt)為3×1階隨機變量;A1—Ap為3×3階的參數矩陣;p為滯后階數;LNP為技術創(chuàng)新指標的自然對數;LNVC為風險投資指標的自然對數;LNRD為R&D投入指標的自然對數,從而建立由三個方程構成的VAR模型。通過構造VAR模型,本文主要進行了兩方面的分析:一是在VAR模型估計基礎上的格蘭杰因果關系檢驗,探討成都市風險投資、R&D投入、技術創(chuàng)新三者之間的互動關系;二是在VAR模型估計基礎上的方差分解,分析不同變量之間的影響差異性。

3.2 格蘭杰因果關系

在VAR模型估計的基礎上,對風險投資、R&D投入、技術創(chuàng)新之間前文所述的4種具體關系進行分析,基本原理為:

(2)

(3)

以兩變量X、Y之間的格蘭杰因果關系檢驗為例,主要是用兩個變量過去的值對其中一個變量的現值進行解釋。X和Y兩變量過去的值共同解釋Y,相較于單獨以Y自身過去的值進行解釋,解釋的效果更好,則認為X是引起Y的原因。類似的,也可對Y是否是引起X的原因進行檢驗。本文對風險投資與技術創(chuàng)新之間的因果關系進行了檢驗,若風險投資和技術創(chuàng)新過去的相關數據對技術創(chuàng)新現值的解釋優(yōu)于僅由技術創(chuàng)新自身進行的解釋,那么風險投資是引起技術創(chuàng)新的原因;若風險投資和技術創(chuàng)新的過去相關數據對風險投資現值的解釋優(yōu)于僅由風險投資自身進行解釋,那么技術創(chuàng)新是引起風險投資的原因,同理可對其他幾組關系進行檢驗。

3.3 方差分解

方差分解是通過分析每一個結構沖擊對內生變量變化的貢獻度來評價不同結構沖擊的重要性。如變量X和Y,根據X變量基于沖擊的方程對Y方差的相對貢獻度(RVC)觀測X對Y的影響的大小,RVC越大,認為X對Y影響越大。因此,本文在格蘭杰因果關系檢驗的基礎上,進一步利用方差分解,采用風險投資、R&D投入對成都市技術創(chuàng)新的作用大小和時間長短進行比較,判斷未來成都市技術創(chuàng)新主要是由風險投資發(fā)展還是R&D投入增加來推動的。

3.4 數據來源

借鑒已有研究,風險投資的數據選擇以風險投資額(VC)作為指標,目前清科集團私募通是風險投資數據最完整的數據庫之一,因此本文的風險投資數據來源于私募通。技術創(chuàng)新數據選擇專利申請數(P)作為指標,數據來源于成都市統(tǒng)計局網站。R&D投入選擇以R&D經費投入額(RD)為指標,數據來源于四川省科技廳網站。在進行實證分析前,分別將三類指標取自然對數LNVC、LNP、LNRD。

考慮到數據的可獲得性,時間序列區(qū)間選擇2003—2017年。私募通數據庫統(tǒng)計數據顯示,成都市風險投資的快速發(fā)展始于2008年左右。為驗證風險投資、R&D投入和技術創(chuàng)新的互動關系,以及三者關系在不同時期的變化特征,保證實證結果的準確性，本文創(chuàng)新性地以2008年為時間分割點,將實證分為兩組樣本進行對比：第一組為全樣本(2003—2017年),第二組為對比樣本(2008—2017年)。通過對兩組樣本進行格蘭杰因果關系的對比,可清晰地知道三者關系的動態(tài)變化情況,從而更準確地為未來成都市創(chuàng)新發(fā)展提供政策建議。

4 實證結果與分析

4.1 平穩(wěn)性檢驗

VAR模型的數據為時間序列數據,平穩(wěn)的時間序列才能保證最后估計結果的準確性,因此在模型估計前需要對序列的平穩(wěn)性進行檢驗。本文利用ADF單位根檢驗方法,分別對LNVC、LNP和LNRD時間序列進行單位根檢驗,若存在單位根,則為非平穩(wěn)序列,需要進一步考察序列之間可能存在的協(xié)整關系,進行協(xié)整檢驗;若不存在單位根,則為平穩(wěn)序列,可進行模型估計。

平穩(wěn)性檢驗結果見表1。從表1可見,LNP、LNVC、LNRD在1%、5%、10%的水平上顯著,ADF統(tǒng)計量均小于臨界值,因此拒絕原假設,即不存在單位根,LNP、LNVC、LNRD均為平穩(wěn)序列。LNP、LNVC、LNRD序列均為平穩(wěn)序列,可進行VAR模型估計,進一步討論三者之間的關系。

表1 序列的ADF單位根檢驗

注:*表示在10%水平下顯著；**表示在5%水平下顯著；***表示在1%水平下顯著,下同。

4.2 VAR系統(tǒng)穩(wěn)定性

3個序列均為穩(wěn)定序列,因此直接進行VAR模型估計,本文采用的估計類型為非限制性向量自回歸。滯后期的確定見表2、表3。本文選擇AIC、SC、HQ三種滯后長度準則確定模型的滯后期。第一組全樣本2003—2017年，在3種準則下最優(yōu)的滯后期長度均為2,因此選擇對VAR(2)進行模型估計。第二組對比樣本2008—2017年,最優(yōu)的滯后期長度也為2,因此以VAR(2)進行模型估計。在估計的基礎上,對估計的VAR系統(tǒng)穩(wěn)定性進行檢驗,以保證VAR系統(tǒng)的穩(wěn)定性,保證回歸結果的可靠性,進一步格蘭杰因果關系和方差分解分析的準確性。

圖2 AR根圖

Lag LogL AIC SC HQ0-19.34312 3.437404 3.567776 3.4106061 21.75390-1.500600-0.979108-1.6077902 45.81139-3.817137*-2.904526*-4.004719*

注:*表示準則下的最優(yōu)選擇項。

表3 2008—2017年滯后期確定的結果

進一步采用AR根圖來判斷VAR系統(tǒng)的穩(wěn)定性,所有AR根的模倒數均位于單位圓內,則可判斷VAR系統(tǒng)的穩(wěn)定性。兩組數據的檢驗結果見圖2,所有的數值均位于圓內,因此VAR估計是穩(wěn)定的。

4.3 格蘭杰因果關系檢驗

變量之間的格蘭杰因果關系檢驗,是用過去的變量值對其中一個變量的現值進行解釋。在VAR(2)估計基礎上,檢驗風險投資、R&D投入、技術創(chuàng)新之間的因果關系。檢驗結果見表4。

表4 格蘭杰因果檢驗結果

從2003—2017年全樣本檢驗結果可見,在以技術創(chuàng)新為因變量方程的格蘭杰因果關系檢驗中,未能驗證風險投資是技術創(chuàng)新的Granger原因,但能驗證R&D投入是技術創(chuàng)新的Granger原因;在風險投資為因變量方程的格蘭杰因果關系檢驗中,技術創(chuàng)新是風險投資的Granger原因;在R&D投入為因變量方程的格蘭杰因果關系檢驗中,未能驗證風險投資是R&D投入的Granger原因。結果表明,在2003—2017年全樣本分析中,成都市風險投資對技術創(chuàng)新的促進作用不顯著,技術創(chuàng)新主要來自R&D投入推動。同時,結果還顯示已有技術創(chuàng)新吸引風險投資注入和發(fā)展,風險投資不能顯著促進R&D投入增加。對比2008—2017年樣本的檢驗結果可見,以技術創(chuàng)新為因變量方程的格蘭杰因果關系檢驗中,驗證了風險投資是技術創(chuàng)新的Granger原因,但未能驗證R&D投入是技術創(chuàng)新的Granger原因;在風險投資為因變量方程的格蘭杰因果關系檢驗中,未能驗證技術創(chuàng)新是風險投資的Granger原因;在R&D投入為因變量方程的格蘭杰因果關系檢驗中,未能驗證風險投資是R&D投入的Granger原因。因此,2008—2017年成都市風險投資對技術創(chuàng)新具有顯著的促進作用,而R&D投入對技術創(chuàng)新的推動并不顯著,同時技術創(chuàng)新未能顯著吸引風險投資注入,風險投資也不能顯著促進R&D投入增加。

第一組全樣本與第二組樣本的對比可得出,以2008年為分割點,成都市風險投資、R&D投入、技術創(chuàng)新之間發(fā)生了以下變化:①風險投資對技術創(chuàng)新的促進作用逐漸增強。2003—2017年全樣本分析中風險投資對技術創(chuàng)新的促進表現不顯著,但自2008年以來風險投資對技術創(chuàng)新的促進作用顯著。②R&D投入對技術創(chuàng)新的促進作用在減弱。在2003—2017年全樣本分析中，R&D投入對技術創(chuàng)新的促進顯著,但自2008年以來R&D投入對技術創(chuàng)新的促進作用不顯著。③技術創(chuàng)新的主要推動力開始由R&D投入向風險投資轉換。2008年以前,R&D投入是技術創(chuàng)新的主要推動力,但隨著2008年開始風險投資的快速發(fā)展,風險投資對技術創(chuàng)新的推動作用越來越大,技術創(chuàng)新的主要動力開始顯現出由技術創(chuàng)新向風險投資轉變的趨勢。④由技術創(chuàng)新吸引風險投資向風險投資促進技術創(chuàng)新轉變。2008年以前,成都市技術創(chuàng)新的不斷活躍吸引風險投資資金進入,隨著風險投資規(guī)模越來越大,逐漸展現出風險投資對技術創(chuàng)新的促進,從而實現由前期技術創(chuàng)新吸引風險投資向后期風險投資促進技術創(chuàng)新轉變,這符合地區(qū)風險投資發(fā)展從無到有、規(guī)模從小到大的發(fā)展規(guī)律特點。

三者關系發(fā)生以上4點變化主要是由于成都市風險投資的發(fā)展和逐漸成熟。2006年之前,我國風險投資行業(yè)整體發(fā)展緩慢。2006年《創(chuàng)投企業(yè)管理暫行辦法》開始實施,我國風險投資開始步入快速發(fā)展階段。由于地理位置等因素影響,成都市風險投資發(fā)展速度明顯落后于東部發(fā)達地區(qū)城市。但從2008年開始,隨著創(chuàng)業(yè)投資引導基金政策的出臺,成都市風險投資活動逐漸活躍,風險投資案例數和投資金額逐年提升。2008年成都市風險投資共24起,投資金額14.76億元;2017年風險投資案例共253起,投資金額達到265.60億元,10年間投資案例數和投資金額均實現了成倍增長。成都市風險投資發(fā)展逐漸成熟,風險投資對技術創(chuàng)新的推動作用越來越明顯,由前期技術創(chuàng)新吸引風險投資向后期風險投資促進技術創(chuàng)新轉變。

4.4 方差分解

風險投資和R&D投入對成都市技術創(chuàng)新的促進作用均已得到證實。為進一步了解風險投資和R&D投入對成都市技術創(chuàng)新促進作用的差異性和動態(tài)變化,為技術創(chuàng)新發(fā)展提供政策建議,需要對2003—2017全樣本模型估計結果進行方差分解。方差分解結果見表5和圖3。從表5和圖3可見,技術創(chuàng)新的提高,80%以上由技術創(chuàng)新的自身貢獻,風險投資對技術創(chuàng)新的貢獻率保持在10%以上,R&D投入對技術創(chuàng)新的貢獻率低于5%。風險投資對技術創(chuàng)新的貢獻率在第二期開始增加,隨后出現小幅下降,在第六期達到14%左右的穩(wěn)定狀態(tài)。R&D投入對技術創(chuàng)新的貢獻率初期近6%,隨后出現逐漸減少趨勢,在第六期達到貢獻率2.5%—3%的穩(wěn)定狀態(tài)。

表5 風險投資、R&D投入對技術創(chuàng)新的相對貢獻度

方差分解結果進一步證明和解釋了為何風險投資對技術創(chuàng)新的促進作用在增強,R&D投入對技術創(chuàng)新的促進作用在減弱,技術創(chuàng)新的主要動力在發(fā)生變化。風險投資相較于R&D投入而言,對技術創(chuàng)新的貢獻率更高,且能長期維持在一個較強的影響作用水平。相較于R&D投入,風險投資之所以能夠對技術創(chuàng)新發(fā)揮更多的影響作用,是由風險投資特有的運作形式決定的。在風險投資注入被投企業(yè)之后,風險投資機構一方面能為企業(yè)帶來各類增值服務,為企業(yè)的戰(zhàn)略制定、企業(yè)管理、市場營銷等方面提供咨詢和幫助;另一方面會對企業(yè)行為進行有效的控制和監(jiān)管,這將極大促進企業(yè)技術創(chuàng)新和成長發(fā)展。

圖3 技術創(chuàng)新的方差分解

5 結論與建議

本文利用2003—2017年成都市的相關數據,通過構建成都市風險投資、R&D投入、技術創(chuàng)新三變量的VAR模型,進行格蘭杰因果關系檢驗和方差分解,證實了三者之間的相互關系。結果表明:2003—2017年三者關系整體表現為R&D投入是技術創(chuàng)新的主要推動力,風險投資對技術創(chuàng)新促進作用不顯著,技術創(chuàng)新和風險投資的關系主要表現為技術創(chuàng)新吸引風險投資,同時風險投資不能顯著促進R&D投入增加。但隨著2008年開始成都市風險投資的快速發(fā)展和成熟,風險投資對技術創(chuàng)新的促進作用顯著,R&D投入對技術創(chuàng)新的促進作用減弱,技術創(chuàng)新和風險投資的關系由技術創(chuàng)新吸引風險投資向風險投資促進技術創(chuàng)新轉變,技術創(chuàng)新的主要推動力由R&D投入向風險投資轉變的趨勢。風險投資相較于R&D投入而言,對技術創(chuàng)新的貢獻更大,能長期發(fā)揮其促進作用。

基于本文研究結論可知,未來成都市技術創(chuàng)新的進一步發(fā)展離不開風險投資,需要引導風險投資發(fā)展,有效發(fā)揮風險投資對技術創(chuàng)新的長期促進作用。本文提出以下幾點政策建議:①完善政府風險投資引導基金政策。通過設立政府風險投資引導基金,完善和創(chuàng)新引導基金運作模式,加強引導基金的管理和績效考核,有效發(fā)揮引導基金對成都市風險投資發(fā)展的引導作用,引導更多社會資本進入風險投資市場進行投資,活躍風險投資市場。②加強風險投資發(fā)展環(huán)境建設。積極鼓勵金融機構和風險投資機構落戶成都,搭建本地機構與國內外知名風險投資機構的合作與交流,積極營造創(chuàng)新創(chuàng)業(yè)的良好環(huán)境。③加強對風險資本流向的引導。政府在追求風險資本規(guī)模擴大的同時,應注重提升風險投資質量。需要激勵風險資本流向高新技術產業(yè),激勵更多的資本投向種子期、初創(chuàng)期等早期企業(yè),制定分階段的連續(xù)投融資鼓勵政策,為融資不足的早期創(chuàng)新型企業(yè)提供支持,以最大程度地發(fā)揮風險投資的技術創(chuàng)新促進作用。