北京地區制造業企業使用研發成果中隱含研發投入與生產率關系

倪紅福，夏杰長

(中國社會科學院財經戰略研究院，北京 100028)

北京地區制造業企業使用研發成果中隱含研發投入與生產率關系

倪紅福，夏杰長

(中國社會科學院財經戰略研究院，北京 100028)

企業使用的研發成果和技術可能來自自身執行R＆D活動，也可能是來自于其他企業R＆D活動，故企業使用研發成果中隱含的R＆D投入更能真實反映R＆D投入對生產率的貢獻。本文利用耶魯－加拿大技術流動一致矩陣測算北京制造業分行業使用研發成果中隱含R＆D投入，并實證檢驗了企業執行R＆D投入、使用研發成果中隱含R＆D投入與生產率之間的關系。研究發現企業執行R＆D和使用研發成果中隱含R＆D投入對生產率具有正影響，且后者的產出彈性系數比前者的高一倍。

使用R＆D投入；執行R＆D投入；全要素生產率；產出彈性

1 引言

國內外學者從產業和企業等不同層次對R＆D與生產率的關系進行了研究，這些主要基于橫截面數據的研究大部分都表明R＆D支出對生產率具有顯著的正影響，具有比物質資本更高的收益率。而在利用時間序列數據時，更多的研究發現R＆D與生產率的關系在統計上顯著性較弱，甚至為負。

但是，以上研究局限于行業 (企業)自身執行的R＆D活動 (R＆D投入)與生產率 (TFP)之間關系，而非行業 (企業)在生產過程所使用的研發創新成果。企業使用的研發成果可能是企業自身R＆D投入的產出，也可能是其他企業R＆D投入帶來的。也就是說，現實中，研發成果的來源行業可能不是研發成果的真正使用行業。只有真正使用的創新成果才會對行業 (企業)的生產率產生影響。如果我們假設研發創新成果產出與R＆D投入成正向關系，那么真正對生產率產生影響的是企業使用研發創新成果中隱含的R＆D投入(簡稱:使用R＆D投入)。若以企業自身執行的R＆D投入 (簡稱，執行R＆D投入)變量來研究R＆D與生產率的關系，可能會低估R＆D活動對生產率的影響作用。Schmooker[1]是最早提出該觀點的學者之一，認為與技術進步有關的績效的提高不但與企業自身的R＆D投入有關，而且還受到來自其他企業執行R＆D活動的影響或體現在購買中間投入品中的R＆D投入。因此，本文利用耶魯－加拿大技術流動一致矩陣[2]測算北京分行業使用R＆D，并計量分析其與生產率的關系。

2 北京地區分行業R＆D投入情況

為便于與國際比較，本文中行業將按Griliches[3]的行業分類對中國的國民經濟行業重新歸類 (限于篇幅，本文中未列出的數據和相關資料，讀者可向作者索取)。在此基礎上計算了2002—2009年北京分行業R＆D投入占比以及投入強度。

2.1 北京地區分行業R＆D投入結構特點

(1)近年來，制造業執行R＆D占比呈下降趨勢，且主要集中在化學和機械行業。北京地區制造業占比從2006年的30.85%下降到2009年的16.14%，下降幅度為47.68%。其中機械和化學占比從2006年的25.22%和1.97%分別下降到2009年的12.13%和1.32% (見表1)，它們是制造業執行R＆D下降的主要貢獻者，也是制造業內部執行R＆D投入占比最多的部門。

表1 北京地區行業R＆D占總R＆D投入比重 (%)

(2)北京制造業執行R＆D投入占總R＆D投入的比重明顯偏低。北京地區制造業R＆D占比遠低于美國、日本和加拿大等國家水平。1983年美國制造業R＆D占總R＆D經費的比重達69.9%，相對較低的加拿大相應比重也達36.7%。同時，北京制造業R＆D投入占總R＆D投入的比重也低于上海和天津，2011年上海和2010年天津的制造業R＆D投入占比分別為為56.42%和61.09%，遠高于2009年北京地區占比 (16.14%)。

北京制造業R＆D經費的投入比重相對較低的主要原因可能是，中央政府R＆D投入大，導致第三產業中研究試驗發展和教育行業的R＆D投入特別大。北京地區是國家級科研院所和高校集中地，中央政府投入了大量R＆D經費。在行業劃分時，這些R＆D經費執行部門歸屬于第三產業中研究試驗發展行業或教育行業。再加上北京地方政府的R＆D經費投入，大大拉高了北京地區的R＆D經費總投入，從而提高非制造業的R＆D投入比重，降低了制造業的R＆D經費投入比重。

2.2 北京地區行業R＆D投入強度

(1)北京制造業R＆D投入強度遠高于非制造業的投入強度。表2顯示了北京地區分行業R＆D投入強度。如 2009年制造業 R＆D投入強度(6.11%)是非制造業投入強度 (1.91%)的3倍左右。2004—2009年的平均水平情況大致與2009年的情況相似，制造業的R＆D投入強度平均為8.25%，是非制造業 (1.51%)的5.46倍。

表2 北京地區分產業R＆D投入強度 (R＆D/增加值,%)

(2)北京制造業R＆D投入強度與國際水平相差不大。總體上來看，北京地區制造業R＆D投入強度與20世紀80—90年的美國的投入強度 (1983年，8.25%)相差不大，略微好于日本 (1984年，4.76%)、德國 (1983年，5.31%)、法國 (1983年，4.61%)和英國 (1983年，5.78%)。這些國家的發展階段正好與北京地區現在所處的發展階段相近，因此，北京地區與20世紀80～90年代美國、日本等國家進行比較具有一定的合理性。

3 北京分行業使用R＆D投入測算情況

3.1 耶魯－加拿大技術流動一致矩陣簡介

技術沒有一個定義明確的測量單位，導致難以準確量化分析行業使用研發成果和自己執行R＆D形成的研發成果，以及行業間的技術流動情況。專利可作為發明創造的一個較好的代理變量，Evenson和Putnam[4]利用加拿大專利數據開發了比較精確的耶魯－加拿大技術流動一致矩陣，從而可以構建來源行業－使用行業的技術流動一致矩陣。

3.2 北京地區分行業使用R＆D投入測算

應用耶魯－加拿大技術流動一致矩陣方法存在兩個嚴格的假設:一是，北京地區與加拿大的技術轉移相似。考慮到北京地區與20世紀70年代加拿大的發展階段相近，技術流動特點可能比較相似；二是，R＆D投入與研發成果產出呈線性關系，同樣的R＆D投入將產生同等程度的研發成果(如專利數)，例如農業行業使用了食品行業28%的專利產出，那么農業使用了食品行業28%的R＆D投入。這樣就能把利用專利數據構建技術流動一致矩陣轉化為R＆D投入數據。顯然以上兩個假設很強，但是測算結果依然具有重要意義，一是測算數據能大致表明北京地區行業間技術流動特征和程度大小；二是，若后續實證結果表明北京地區使用R＆D投入與TFP的關系強于執行R＆D投入與TFP的關系，也就論證了北京與加拿大技術流動特征具有相似性的假設是合理的。

表3顯示了北京地區制造業行業使用R＆D與執行 R＆D投入比值。2009年數據表明，食品、紡織、木材、紙業是技術輸入行業，機械制造業、金屬、非金屬、其他制造業是技術輸出行業。從2002—2009年各產業的技術輸入和輸出狀態基本沒有變化，化學行業在2003年和2009年為技術輸入狀態，其他年份均為技術輸出狀態。與美、日、英、法、德等比較發現，北京地區與這些國家的技術輸入和輸出行業方向基本上一致，只是技術輸入和輸出程度有差別。

表3 北京地區行業使用R＆D投入與執行R＆D投入比值變化情況(%)

4 R＆D與全要素生產率

4.1 理論模型和數據處理說明

本文生產函數假設如下:

若定義全要素生產率為:

式 (1)可以變為:

一般來說，研究R＆D與生產率之間關系時，嚴格上要求是R＆D資本存量，但絕大多數實證研究文獻中，往往利用以當期和滯后期R＆D投入代替存量的簡單方法。主要原因是數據的可獲得性和R＆D資本存量測算結果的不確定性。此外，在一定的假設條件下，R＆D投入近似等于R＆D資本存量[5－7]，鑒于數據時間跨度較短，估算R＆D資本存量誤差較大，本文也利用該簡單處理方法。本文中有關分行業產出、勞動和資本等數據，來自 《北京統計年鑒》。有關R＆D的數據來自歷年《北京市研究與發展 (R＆D)數據匯編》。具體關鍵數據的處理說明如下:

R＆D價格指數。為得到2004年為基準的不變價R＆D投入，需要構造R＆D價格指數。本文利用朱平芳、徐偉民[8]的方法，以北京市居民消費價格指數和固定資產投資價格指數合成需要的R＆D價格指數。

分行業實際產出量。用工業品出廠價格指數縮減各行業的現價總產值。對不變價增加值的計算，采用單縮減法，獲得不變價增加值。

物質資本存量。現價物質資本存量數據直接取自 《北京統計年鑒》中分行業固定資產凈值。利用北京市固定資產投資價格指數統一調整到以2004年為基準的不變價固定資產凈值。

4.2 實證結果

利用式 (2)的基本模型，以增加值表示產出變量的回歸結果見表4(鑒于以總產值和銷售產值的實證結果與增加值變量實證結果相似，限于篇幅，只報告了增加值變量的分析結果)。表4中(1)是不考慮R＆D投入變量的回歸結果，物質資本的產出彈性為0.453，物質資本和勞動呈規模報酬遞增特征 (當假設物質資本和勞動的產出彈性之和為1的約束檢驗時，在1%水平上拒絕原假設)。(2)、 (3)、 (4)分別是加入使用R＆D投入、滯后一期的使用R＆D投入、滯后二期的使用R＆D投入變量的回歸結果。(5)、(6)、(7)分別是加入執行R＆D投入、滯后一期執行R＆D投入、滯后二期的執行R＆D投入變量的回歸結果。從(2)、(3)、 (4)可以看出，使用R＆D投入對產出表現出高度顯著的正影響，滯后一期的產出彈性最高。從 (5)、 (6)、 (7)的結果來看，執行R＆D投入對產出也表現顯著的正影響，滯后二期的產出彈性最高。顯然，使用R＆D投入的產出彈性是執行R＆D投入產出彈性的2倍左右。此外，回歸結果顯示R＆D投入的產出彈性處于0.1～0.3的范圍內，這與國內外有關R＆D投入的產出彈性的估計基本一致。國際上估計產業層面上的R＆D投入產出彈性范圍一般在0.1～0.5，主要分布在0.1～0.2之間[9－10]。

利用以上估計結果中不加入R＆D時估計的物質資本和勞動、中間投入的估計系數測算TFP，并在模型 (3)加入其他影響TFP的控制變量 (企業規模，開放度、資本密集度)。開放度變量以出口交貨值/銷售產值的比表示。企業規模變量以工業增加值/企業個數來表示。資產密集度以總資產/工業增加值表示。

表4 執行R＆D和使用R＆D的產出彈性估計結果

表5 使用R＆D與TFP估計結果

表5顯示了使用R＆D與TFP的估計結果。表中 (1)和 (2)是當期使用R＆D投入的估計結果，其中后者加入了控制變量。表中 (3)和 (4)是滯后一期使用R＆D投入的估計結果，其中后者加入了控制變量。表中 (5)和 (6)是滯后二期使用R＆D投入估計結果，其中后者加入了控制變量。估計結果顯示:使用R＆D投入對TFP具有正的影響，滯后二期的使用R＆D投入顯著性最大，當不加入控制變量時，通過10%的統計檢驗；當加入控制變量時，通過1%的統計檢驗。此外，開放度控制變量始終沒有通過統計顯著性檢驗。企業規模變量對TFP有顯著的正影響，這種正影響可能來自企業的規模經濟效益。資本密集度變量對TFP具有顯著的負影響，資本密集度高的行業代表了企業的高資本投入，市場進入相對較難，壟斷地位明顯，導致了生產率較低。

表6顯示了執行R＆D投入與TFP的估計結果。比較表5和表6的結果可以發現:執行R＆D投入對TFP的影響程度明顯低于使用R＆D投入對TFP的影響程度。如表5和表6中相應的 (6)的回歸結果表明，滯后二期的使用R＆D投入對TFP的彈性 (0.0846)是執行 R＆D投入對 TFP彈性(0.0446)近2倍。

表6 執行R＆D與TFP估計結果

5 結論與政策啟示

本文研究發現:R＆D對生產率有顯著的促進作用。使用R＆D投入產出彈性系數明顯高于執行R＆D投入，是執行R＆D投入的近2倍。在控制了企業規模、市場開放度等變量下，仍然發現使用R＆D和執行R＆D對TFP具有正的影響，且前者的影響大于后者。可以得到以下政策啟示:

(1)政府需加大對技術輸出行業的研發支持力度。技術輸出行業的研發成果具有較大的溢出效應，不但對自身企業產生正影響，而且能提高其他行業生產率水平。由于技術輸出行業企業自身不能獲取自己研發的全部收益，存在外部性，故政府部門應該加大對技術輸出行業的政策支持。

(2)促進跨區域跨國的技術轉移和知識擴散。技術轉移和知識擴散的范圍擴大，相當于企業能使用的知識和技術量擴大，從而更有利于提高企業生產率水平。

(3)積極開發中國或北京自己的技術流動一致矩陣。雖然耶魯－加拿大技術流動一致矩陣對于北京具有一定的適應性，但是隨著中國科學技術發展和專利制度的完善，應該開發自己技術流動協調一致矩陣，以更加精準的認識中國技術知識的行業間流動狀況，從而為相關政策制定提供依據。

[1]Schmookler Jacob.Invention and Economic Growth[M].Cambridge:Harvard University Press，1966.

[2]A Steven Englander，Robert Evenson，Masaharu Hanazaki.R＆D，Innovation and the Total Factor productivity Slowdown[J].OECDEconomicStudies，1988，(11):7－42.

[3]Griliches Zvi，Mairesse，et al.Productivity and R＆D at the Firm Level.National Bureau of Economic Research，1981.

[4]Evenson R，Kortum S，Putnam J.Estimating Patents by Industry Using the Yale-Canada Patent Concordance[M].Mimeo，YaleUniversity，NewHaven，1988.

[5]Bond SHarhoff D，Van Reenen J.Corporate R＆D and Productivity in Germany and the United Kingdom[D].WorkingPaper，2002.

[6]Goto，Akira，Kazuyuki Suzuki.R＆D Capital，Rate of Return on R＆D Investment and Spillover of R＆D in Japanese Manufacturing Industries[J].Review of Economics and Statistics，1989，71(4):555－564.

[7]Pakes A，Schankerman M.The Rate of Obsolescence ofKnowledge，Research GestationLags and the Private Rate of Returnto Research Resources，in Z.Griliches(ed.)，R＆D，Patents and Productivity[M].Chicago:University of Chicago Press，1984.

[8]朱平芳，徐偉民.政府的科技激勵政策對大中型工業企業R＆D投入及其專利產出的影響[J].經濟研究，2003，6(5):l.

[9]Mairesse J，Sassenou M.R＆D and Productivity:a Survey of Econometric Studies at the Firm Level[J].OECD Science-Technology Review，1991，8(9):4－41.

[10]Jefferson G H，BaiHuamao Guan Xiaojing.R＆D Performance in Chinese Industry[J].Economics of Innovation and New Technology，2004，13(1):2－14.

(責任編輯 譚果林)

R＆D Expenditure Embodied in the Using R＆D Output of the Firm and Productivity

Ni Hongfu，Xia Jiechang
(National Academy of Economic Strategy，CASS，Beijing 100028，China)

The R＆D output that the companies usemay be from the results of their own performing R＆D activities，butmostly gain from other enterprise R＆D activities.In this paper，using the Yale-Canada Concordance，the R＆D expenditure(or capital)used in themanufacturing industry of Beijing is calculated，in which the invention or patent by industry of use embodies.Moreover，the paper investigates the relationship between R＆D and productivity.We find that R＆D performed or used by the industry has significantly positive effects on productivity，and the output elasticity of using R＆D is twice as high as that of performing R＆D.

Using R＆D；Performing R＆D；Total factor productivity；Output elasticity

F222

A

國家社科基金重大項目 “擴大我國服務業對外開放的路徑與戰略研究”(14ZDA084)，國家自然科學青年基金項目 “基于雙區域OLG-CGE模型人口老齡化對區域經濟的影響研究”(71401009)，北京市自然科學青年基金項目 “基于區域CGE模型的京津冀一體化研究”(9154028)。

2014－08－18

倪紅福 (1980－)，男，湖南人，經濟學博士；研究方向:宏觀經濟模型，服務經濟理論與創新。