1、高科技产品进口、创新对生产效率的动态影响 刘利 上海财经大学统计与管理学院 池州学院数学与计算机学院 摘 要： 文章选取 20022015 年我国 29 个省的面板数据, 以发明专利申请受理量代表创新能力, 用全要素生产率作为生产效率的代理变量, 以 CH 模型为基础, 建立面板 VAR 模型实证研究了高科技产品进口及创新对生产效率的动态影响。结果表明:高科技进口在短期内对生产效率有正向直接效应, 这种影响并不显著;但可以通过提高创新能力, 间接显著地提高生产效率;要提高企业的生产效率, 提高创新能力比加强高科技产品进口的政策可能会更加有效。关键词： 高科技产品进口; 生产效率; 面板 VAR
2、 模型; 作者简介：刘利 (1981) , 女, 湖北天门人, 博士研究生, 讲师, 研究方向:经济统计。基金：安徽省教育厅统计学类专业综合改革试点项目 (2013zy083) Dynamic Effects of High-tech Products Import and Innovation on ProductivityLiu Li School of Statistics and Management, Shanghai University of Finance and Economics; Abstract： Based on the panel data of 29 provin
3、ces in China from 2002 to 2015, this paper takes invention patent applications as innovation capability and the total factor productivity as productivity proxy variable, and then employs CH model as the base to construct VAR model and empirically studies the dynamic effects of high-tech products imp
4、ort on production efficiency. The study result shows that, the high-tech product import has a direct but not significant effect on production efficiency in a short-term period, however it can significantly increase productivity indirectly through improving innovation ability; improving innovation ab
5、ility is likely to be more effective than enhancing the high-tech products import to increase production efficiency.Keyword： import of high-tech products; production efficiency; panel VAR model; 0 引言随着我国人口红利逐渐消失、资本边际报酬递减, 依靠大量投入生产要素的粗放型经济增长方式不再具有可持续性。我国经济要在资源环境双重约束下实现可持续的增长, 就必须依赖全要素生产率的增长, 新古典经济增长理
6、论认为这是经济持续增长的唯一源泉。深入研究全要素生产率增长的影响因素逐渐成为了当前学界研究的热点问题, 也是我国当前宏观经济政策关注的重点。发展中国家提升生产率水平的一个重要方式就是通过进口贸易来获取发达国家的技术知识溢出, 进口贸易, 尤其是进口高科技产品可以推动进口国的生产效率提高。改革开放三十年来, 中国从一个自给自足的封闭经济体逐步变成了与世界经济高度依存、高度融合的贸易大国。越来越多的进口产品不仅给国内的企业带来了严峻的挑战, 也带来了技术的革新和创新的动力。得益于此, 尤其是中国成功加入世贸组织之后, 国内企业近年来得到了较快的发展。持续提高的企业生产率是企业长远发展的根本, 体现
7、了国家综合经济实力的核心。相对于中低技术产品, 高科技产品的技术溢出效果更明显, 因此高科技产品进口产生的技术溢出会给我国生产率带来更大程度的增长。创新被认为是推动全要素生产率提升的核心动力, 直接决定生产率的是创新产出, 即专利等新发明和新知识。因此, 研究高科技产品进口及创新对生产效率的促进作用具有重要的现实意义。1 理论模型及数据处理1.1 理论模型Coe 和 Helpman (1995) 给出了国际 R d、 f分别表示 S、S 对 tfp 的影响权重。自 CH (1995) 模型提出后, 经过学者们的不断完善, 现已逐渐成为各种渠道国际技术溢出的经典研究框架。根据 CH 模型, 对于
8、开放经济体中的国家, 本国的R因为高科技产品进口科技含量浓度为 1, 可直接代表国外 R因此, 本文采用王耀中等 (2011) 的做法, 选择各省区发明专利申请受理量来衡量创新能力, 作为 S 的表征变量。由此得到本文的基本计量模型为:式中, 0代表常数项, 表示回归误差;lpat1 表示国内专利申请受理量的自然对数, 取对数是为了消除原始数据的异方差影响;tr a 表示高科技产品进口溢出程度;tfp 表示全要素生产率。1.2 地区全要素生产率的测算当前经典的全要素生产率测算方法有“索洛余值法”、以数据包络分析为基础的“Malmquist 指数法”和“随机前沿生产函数法” (SFA) 。在运用
9、“索洛余值法”进行估计时, 存在“假定规模收益不变”等不足;DEA 方法和 SFA 方法的确弥补了“索洛余值法”的一些不足, 但带来结论的不确定性一点也不比利用“索洛余值法”少。最为关键的是, DEA 方法和 SFA 方法适用分析范围是相近生产结构的观测单元, 这在分析同行业中各微观主体的技术进步和技术效率高低等问题上较为有效, 在分析宏观数据时测量误差较大。本文的分析对象是各省、直辖市和自治区的全要素生产率, 属于宏观数据, 因此选择使用索洛余值法来计算。假设规模报酬不变, 则 C-D 函数可表示为:式 (3) 中, Y it、K it和 Lit分别表示第 i 个省份在第 t 年的总产出、资
10、本存量和劳动力投入; 是资本存量对于总产出的弹性系数, 本文直接采用了赵彦云、刘思明 (2011 年) 在数量经济技术经济研究上用索洛余值法计算得到的资本弹性 0.512, 1- 是劳动力的弹性系数。这样本文可以得到测算各省份的生产率的公式如下:1.3 数据来源与处理本文以中国 29 个省区市为研究对象, 未包括西藏和港澳台地区, 重庆由于成立时间较晚, 将其数据并入四川。本文选取的数据区间为 20022015 年, 高科技产品进口额数据来源于中国科技统计年鉴, 各省区发明专利申请受理量及其他相关数据来源于中国统计年鉴。具体数据说明如下:(1) 产出 (Y) 。本文使用地区实际生产总值来衡量区
11、域产出, 根据相应年份各省区市的可比价 GDP 指数折算成以 2000 年为不变价的实际国内生产总值。(2) 资本存量 (K) 。目前并没有资本存量的官方统计数据, 本文选用永续盘存法来估算资本存量, 测算公式为:式 (5) 中 Kt表示第 t 期的资本存量; 是折旧率, 本文采用张军等 (2004) 的结论, 设定为 9.6%;It表示以当年价格计算的本期的投资, 以“固定资本形成总额”来代替;P t则表示第 t 期的固定资产投资价格指数, 各年投资通过这一指数序列平减, 即得到实际值。本文资本存量考察的基期设定为 2000 年, 基期存量采用张军等计算的以 2000 年为不变价的省区固定资
12、本存量。(3) 劳动力投入 (L) 。其准确测度应该是实际投入在产出过程中的劳动量, 但目前我国并没有进行统计, 故使用各省份就业人员数来代替。(4) 高科技产品进口溢出程度 (tr a) 。采用余淼杰 (2010) 的做法, 用各省份高科技产品进口额占各地总产出的比值来衡量, 进口数据按人民币对美元的年平均汇率换算成人民币。2 实证分析本文将以模型 (2) 为基础, 分别以三个变量为因变量建立回归方程, 作为一个动态系统, 来研究高科技产品进口、创新与生产效率三者间的动态关系。建立 PVAR 模型如下:其中, , i 代表省份, t 代表年份, p 代表模型滞后阶数;f i为地区效应, 表示
13、各省份之间的差异性;d t为时间效应, 表示各截面在同一时刻可能受到的共同冲击; it是服从正态分布的随机扰动项。本文所有计算皆通过Stata12.0 软件来实现, 并利用中山大学岭南学院连玉君老师提供的 pvar2 程序进行 PVAR 模型的估计。2.1 数据描述性统计从表 1 对样本数据的描述性统计的变异系数可看出, 各变量变异系数均较大, 各变量差异从小到大依次为全要素生产率、进口溢出、发明专利申请受理量, 这表明我国各省份之间存在较大差异, 同时也说明研究高科技产品进口对生产效率的动态影响, 利用面板 VAR 模型更优于 VAR 模型。表 1 数据描述性统计 下载原表 2.2 单位根检
14、验由于本文的样本有 29 个截面, 每个截面个体有 14 期数据, 属于“大 N, 小 T”型面板数据, 所以本文采用最适用于这种情况的 LLC 检验 (levinlin 命令) 。LLC 检验的原假设是各截面序列都是非平稳的, 即 I (1) 过程。该检验方法的特点是考虑了截面的异质性以及干扰项的序列相关问题, 若拒绝了原假设, 则认为所有序列均平稳。对进口溢出 (tra) 、专利 (lpat1) 、全要素生产率 (tfp) 的面板数据进行单位根检验的结果见表 2。检验结果表明:tra、lpat1、tfp 均在 1%显著性水平下拒绝原假设, 说明以上数据都是平稳的。表 2 单位根检验结果 下
15、载原表 2.3 面板 VAR 模型估计利用 GMM 方法来估计式 (5) 。由于本文所采用的是面板数据, 包含时间效应dt、个体效应 fi, 可能影响 GMM 方法估计系数的准确性, 因此应先消除后再进行估计。为此, 本文分别采用组内均值差分法来消除时间效果;采用前向均值差分法来去除个体效应 (通过 Helmert 进程变换) , 这样处理会使得滞后变量和变换后的变量正交, 进而与干扰项不相关。因此, 在消除时间效应和个体效应之后, 就可使用滞后变量作为工具变量通过 GMM 方法来估计模型。在模型进行正式估计之前, 需要先确定滞后阶数。表 3 滞后阶数选择 下载原表 由表 3 结果知, 依据
16、AIC、BIC、HQIC 三种准则得到的结果并不一致, 但 AIC 准则倾向于选择偏高的滞后阶, 所以以 BIC 为准, 选择滞后一期, 具体 GMM 估计结果见表 4 所示。由表 4 第二列数据可知, 高科技进口对发明专利申请受理量及生产效率有着正向影响, 但影响不显著。再从第三列最后一行数据可看出, 发明专利申请受理量对全要素生产率有着极其显著的正向影响。可见高科技进口可提高生产效率, 但直接效应并不显著;而通过提高创新能力后导致的生产效率提高却极其显著。表 4 系统 GMM 估计结果 下载原表 2.4 脉冲响应函数分析为具体分析各变量的冲击对自身及其他变量的影响, 尤其是保持其他因素不变
17、时, 研究一个变量冲击对系统中某个因素的动态影响, 需借助于脉冲响应函数将各因素对系统中任一个变量的影响进行分离。因为脉冲响应函数通常采用cholesky 分解来完成变量的正交化, 由迟延效应来确定变量的排列顺序, 即前面变量能够引起后面变量同期和滞后期变化, 后面变量只有滞后期会影响前面变量。根据前面的分析, 本文选取的变量顺序为:tra、lpat1、tfp, 通过对变量一个标准差的冲击, 并且使用蒙特卡罗模拟 500 次, 得到脉冲响应函数图如图 1 所示。纵轴表示各变量受到冲击后各期响应的大小;横轴表示冲击发生的滞后期 (年) 数;上下两条曲线表示 95%的置信区间, 中间的曲线表示脉冲
18、响应曲线。图 1 脉冲响应函数图 下载原图(1) 高科技进口对生产效率的直接影响。从图 1 可知, 面对高科技产品进口一个正交化信息的冲击, 生产效率在同期几乎没有发生变化, 第一年受到正的影响为 0.014, 之后各年受到的影响分别为 0.017、0.019、0.022、0.024、0.026, 影响程度呈缓慢上升趋势, 但影响值很小。而且从 95%的置信曲线来看, 这种影响并不显著;这说明面对高科技进口的冲击, 生产效率在短期内会出现微小的并不显著的正向影响。也可以认为, 我国的高科技产品进口形成了技术溢出, 是促进经济增长的一条有效途径, 只是这种促进作用并不明显, 这也和前面GMM 估
19、计结果一致。可能原因在于, 进口的高科技产品虽然包含先进技术, 但由于信息不对称, 使得我国进口高科技产品后无法通过“逆向工程”获得全部的技术, 尤其是其中的关键技术。(2) 高科技进口对生产效率的间接影响。高科技进口的冲击使发明专利申请受理量在同期受到了及其微弱的负向影响为-0.001, 但在第一年就转为正的影响为 0.005, 之后各年受到的影响总体趋势表现为较平稳的上升, 一直维持正向效应, 分别为 0.012、0.019、0.024、0.030、0.034。由此说明在短期内高科技进口会持续提高创新能力, 只是影响程度并不显著;可能原因还是我国通过进口高科技产品后, 并没有完全的吸收、消
20、化该技术, 不能通过模仿真正掌握这些产品工程中的知识, 进而能独立进行技术改进及发明新技术。而随着创新能力的提高, 创新能力的新息又会对生产效率产生影响。面对创新能力的一个正交化冲击后, 生产效率在当期就表现为较大程度的正向效应0.052, 且影响程度及其显著, 此后各年受到的影响分别为0.043、0.036、0.030、0.025、0.021、0.018, 影响程度虽呈下降趋势, 但最终影响值依然显著为正。因此从短期来看创新能力显著提高了生产效率;这表明目前我国的技术产出都投入到了实际生产中, 技术进步的引致效应已充分发挥出来。一方面创新能够把新的生产要素和生产条件相结合, 直接带来更加丰富
21、的产品品种、更加先进的生产方法, 不断扩大市场规模, 因此可以显著提高企业生产效率;另一方面创新通过“干中学”等途径, 间接降低企业生产成本、提高工资水平, 增强企业竞争能力, 吸引越来越多的复合型人才加盟, 通过这种循环累积效应也可以显著提高企业生产率。由此可见, 应加大对高科技产品进口引进技术的消化吸收力度, 要通过模仿创新最终转化为自主创新, 提高自主创新能力, 这样才能实现经济持续稳定增长。这一传导途径可以理解为高科技进口可以通过提高创新能力间接提高生产效率。此外, 图 1 还显示专利受理量的冲击对高科技进口溢出的影响却为负, 原因可能在于近年来国家对专利申请投入大量资源在一定程度上削
22、减了对高科技进口的需求, 只是这种影响非常微弱。2.5 方差分解为更清楚地刻画和度量高科技进口和创新对生产效率的影响程度, 本文接下来进行方差分解, 方差分解反映的是预测误差中每个变量的方差对总方差的贡献度。因为动态系统的方差分解是基于正交化的, 所以本文得到的是一个变量对另一个变量的“纯粹”的影响, 即控制了其他因素不变时的影响。预测越远, 均方误差来源越复杂, 故只列出前 5 期的方差分解情况, 如表 5 所示。表 5 方差分解表 下载原表 由表 5 可知, 生产效率的波动主要受其自身的影响, 随着预测期数的增加, 高科技进口、创新能力对生产效率的解释程度有提高趋势。在第 5 期, 高科技
23、进口对生产效率的贡献度为 1.5%, 创新能力对生产效率的贡献度为 7.8%, 基本与第 4 期的水平保持一致。这意味着创新能力对生产效率的解释程度要大于高科技进口对生产效率的解释程度。3 结论选取我国 29 个省市 14 年的面板数据, 运用面板 VAR 模型, 实证研究了高科技产品进口及创新对生产效率的动态影响。研究发现:第一, 脉冲响应函数表明生产效率在面对高科技产品进口冲击之后, 生产效率在同期几乎没有发生变化, 随后受到的影响一直为正, 影响程度呈缓慢上升趋势, 但影响值很小, 程度也不显著;生产效率在面对创新能力冲击之后, 生产效率在当期就表现为较大程度的正向效应, 且影响程度及其
24、显著, 此后影响程度虽呈下降趋势, 但最终影响值依然显著为正;创新能力在面对来自高科技进口的冲击之后, 受到的影响为正, 总体趋势表现为较平稳的上升, 一直维持正向效应, 只是影响程度并不显著。第二, 从方差分解来看, 生产效率的波动主要受其自身的影响, 创新能力的解释程度居中, 而高科技产品进口对生产效率的直接解释作用很小。由此可见, 高科技进口产生的国际研发溢出效应可以使进口国获得国外先进的技术水平和管理经验, 进而提高生产效率, 但这种生产率的提高很微弱;进口国进口产品后, 若通过模仿最终能独立完成新技术的发明, 提高创新能力, 才能带来生产效率的显著的持续提高。参考文献1Jalle J
25、 T.How to Measure Innovation?New Evidence of the Technolo-gy Growth LinkageJ.Research in Economics, 2010, (64) . 2Levin A, Lin C F, Chu C S J.Unit Root Tests in Panel Data:Asymptot-ic and Finite Sample PropertiesJ.Journal of Econometrics, 2002, 108 (1) . 3Coe D, Helpman E.International R&D Spillover
26、sJ.European Eco-nomic Review, 1995, 39 (5) . 4顾祎晛, 刘畅.我国进口贸易与经济增长关系的 CH 模型分析J.统计与决策, 2013, (13) . 5王静, 张西征.高科技产品进口溢出、创新能力和生产效率J.数量经济技术经济研究, 2012, (9) . 6赵彦云, 刘思明.中国专利对经济增长方式影响的实证研究:19882008 年J.数量经济技术经济研究, 2011, (4) . 7王耀中, 陈洁, 张阳.国际技术溢出、自主创新与服务业发展基于长三角面板 VAR 模型的研究J.财经理论与实践, 2011, (5) . 8于永达, 吕冰洋.中国生产率争论:方法的局限性和结论的不确定性J.清华大学学报:哲学社会科学版, 2010, (25) . 9张军, 吴桂英, 张吉鹏.中国省际物质资本存量估算:19522000J.经济研究, 2004, (10) . 10余淼杰.中国的贸易自由化与制造业企业生产率J.经济研究, 2010, (12) .
