標準化、技術創新與宏觀經濟增長：基于VAR 的實證分析

王麗君

（中國標準化研究院，北京 100191；清華大學，北京 100084）

技術創新和經濟增長是經濟學分析研究的長期持續課題。考慮到全要素生產率（TFP）的增長率可以視為技術進步［1］，近年來我國創新與經濟增長的研究：關注對國家層面的TFP 變動趨勢的研究及各影響因素在經濟增長中的作用，如郭慶旺等［2］、王小魯等［3］；基于省際數據分析區域創新與經濟增長的關系，如張清正［4］、唐未兵等［5］；分析工業行業TFP 變動趨勢及其影響因素的作用，如程惠芳等［6］，孫早等［7］。我國步入經濟高質量發展階段的現實，要求深入研究推動標準化對高質量發展的支撐作用。深入分析研究我國標準化和技術創新與宏觀經濟增長的關系，對支撐我國宏觀層面決策和擴大標準化的經濟和社會效益有積極的意義。與技術創新相關的概念包括了技術創新本身及其擴散，標準推動技術創新的擴散，并通過擴散過程反饋于技術創新本身。如何揭示標準化和技術創新等與經濟增長的關系并進行量化分析，世界范圍內的研究機構和學者們進行了專門的探討，基本上肯定標準和技術對經濟增長的促進作用。

1 現有研究成果綜述

Blind［8］將現階段關于標準化、技術創新和經濟增長的研究成果，分為宏觀層面標準化與宏觀經濟增長的作用的研究，以及行業和微觀層面標準化和創新的作用及其對經濟效益的影響的研究。世界范圍內，關于標準化與宏觀經濟增長的作用的研究，應屬各國和地區的標準機構研究成果最為突出。但鑒于它們往往代表利益相關團體的觀點，有關研究成果和方法只能作為參考。此外一些學者也進行了獨立的研究。

1.1 標準化、技術創新和宏觀經濟增長的作用機理研究

近年來各國標準機構關于標準的效益的研究中關注對標準的技術擴散作用和標準對可持續經濟增長的貢獻。這些研究包括德國標準協會（DIN）2000年和2011 年發布的研究報告、英國貿易與工業部（DTI）2005 年發布的報告、英國標準協會（BSI）授權經濟和商業研究中心（Cebr）2015 年發布的研究報告、澳大利亞標準協會（SA）在2014 年發布的研究報告等。

德國標準協會（DIN）在2000 年發布的報告顯示，對1960—1996 年的工商業部門進行宏觀調查，使用常規的產出要素即資本和勞動，以及技術進步的三大產出指標——注冊專利的數量、外國專利的許可費用、標準與技術規則的數量，通過回歸分析每個產出要素對總體經濟增長的影響，發現單獨的創新潛力并不足以維持經濟的競爭力和經濟增長，借助標準實現有效擴散的創新才是經濟增長的前提［9］。宏觀經濟調查的結果顯示，標準化的經濟效益占國民生產總值的0.9%，重要性僅次于資本積累。DIN 在2000 年的報告引發了各國標準機構的研究熱潮。DIN自身就在2011 年納入經濟沖擊對德國經濟的影響對2000 年的報告進行了更新，將數據的調查年限延長至1960—2006 年，發現在德國統一之后，標準存量增加1%，經濟增長0.7%～0.8%。2002—2006 年間，標準化每年帶來的經濟效益約有167.7 億歐元［9］。

英國貿易與工業部（DTI）在2005 年的報告展示了在1948—2002 年，標準對英國的經濟效益，尤其是對增長、生產率和創新的影響。在協整框架中，勞動生產率、資本—勞動比、外生的技術進步和BSI標準之間存在統計顯著和獨特的協整關系。勞動生產率關于標準存量的長期彈性約為0.05，勞動生產率總增長的13%歸因于標準的快速增長［11］。英國標準協會（BSI）授權經濟和商業研究中心（Cebr）使用1921—2013 年的數據分析BSI 標準對英國經濟的宏觀和微觀影響，認為標準是英國工業實力的重要組成部分，對支持經濟增長發揮重要的和無形的作用。標準對英國經濟的貢獻高達82 億英鎊，支持了英國生產率增長的34%，支持了英國年度GDP 增長的28.4%，增加額外出口額達61 億英鎊［12］。

澳大利亞標準協會（SA）在2014 年使用1982—2010 年的數據，借鑒DIN 和BERL 的方法，針對標準對國家宏觀經濟的影響進行實證分析，發現由專利注冊數和標準估計的因素，提高了生產率，推進了創新型技術知識的產生和擴散，支持了澳大利亞的經濟增長。標準產量增加1%，GDP增加0.17%，在2009 年大概相當于27.8 億美元［13］。

加拿大標準理事會（SCC）在2007 年發布的報告借鑒DTI 的方法，報告顯示，通過對1981—2004年的實證研究可以發現，標準對于提高勞動生產率（每小時產出）發揮直接和顯著的作用，勞動生產率對于標準數量的彈性系數是0.356。1981—2004 年間，標準的增長推動勞動生產率增長的17%，約為實際GDP增長的9%。如果1981—2004 年標準沒有增長，那么2004 年實際GDP 可能降低620 億美元［14］。

法國標準化協會（AFNOR）在2009 年發布的報告提出，在成熟的經濟體，標準化支持兩項增長因素：支持創新（直接推動技術前沿）和傳遞知識。勞動、資本和自然資源等傳統投入因素，以及教育水平、創新、專利需求和研發活動的數量共同促進生產率的增長。使用了1950—2007 年的數據，延用德國（2000 年）、英國（2005 年）、澳大利亞（2006 年）和加拿大（2007 年）的C-D 函數方法，同時像英國和加拿大一樣關注標準對TFP 的影響，結果顯示，標準對GDP 增長的貢獻是積極的。全要素生產率對標準數量的彈性系數是0.12，標準化對法國經濟的貢獻每年平均為0.81%，約促進GDP 增長的25%。在像法國這樣的成熟經濟體中，技術進步構成增長的主要來源，標準化直接推動GDP 以平均每年50億歐元的速度增長［15］。

商業和經濟研究有限公司（BERL）為新西蘭標準委員會和新西蘭建筑研究協會提供的報告使用1978—2009 年的數據，使用可計算一般均衡（CGE）模型分析標準、專利和全要素生產率（TFP）的關系，最終研究資本-勞動比和TFP 對勞動生產率的關系，發現標準存量對TFP 增長的貢獻是正的，統計上顯著，系數是0.10，這意味著標準存量在邊際上每增加1%，TFP 增加0.10%（估計范圍是0.07%～0.12%，與澳大利亞和法國的估計相似），勞動生產率提高0.054%（與英國的估計相似）［16］。

在各國標準機構的研究成果中，GDP 的增長率在1.1%～3.6%之間，其中，標準對GDP 增長的貢獻在0.2%～0.9%之間［8］。我國也有一些學者開展有關標準對國民經濟增長貢獻的研究。于欣麗［17］在2008 年使用1978—2007 年的數據，借鑒采用DTI的方法，測算出標準存量的彈性系數是0.079，在這段時期我國實際GDP 年均增長率約為10.02%，其中標準帶來的增長約占實際GDP 增長的7.88%。

除了上述對于標準化與各國宏觀經濟增長的研究，Blind 等［18］在2008 年對20 世紀90 年代4 個國家（德國、英國、法國和意大利）食品、紡織、藥品等12 個行業進行了實證研究，發現專利存量和標準存量都顯著促進經濟增長。在研發密度小的行業中，標準對經濟增長發揮更大作用；在研發密度大的行業中，專利對經濟增長發揮更大作用。因為歐洲單一市場的發展，Blind 選取的這些國家都具有相似的發展背景，從而在一定程度上類似于我國省際和行業之間的分析。

1.2 標準化、技術創新和經濟增長的動態關系研究

我國還有一些學者分析標準、創新和經濟增長的長期動態關系，綜合而言，宏觀或中觀層面的實證研究較為有限。劉慷等［19］基于向量自回歸（VAR）模型利用1985—2007 年我國宏觀經濟數據實證分析經濟增長與標準化、知識產權保護等之間的動態關系，發現三者之間存在長期均衡關系，協整檢驗顯示三者之間存在正相關，Granger 因果關系檢驗顯示標準化和知識產權保護對經濟增長影響顯著。趙樹寬等［20］以VAR 模型為基礎，研究了1985—2008 年我國標準、創新和經濟增長的關系，測算了標準存量、專利申請量和GDP 的動態變化過程。陶忠元等［21］通過VAR 模型，分析了1995—2012 年間七類制造業中，標準化和創新對推動產業鏈升級的影響。

1.3 現有研究的特點和不足

從標準化、技術創新和經濟增長的作用機理研究和動態關系研究，可以看出標準具有準公共物品的性質，對經濟增長的作用是內生推動的，符合新增長理論的觀點，所以可以對兩者的數量關系進行分析。然而現有研究大都基于標準名義存量，也就是截至年底的有效標準總量，無法解釋隨著時間的變動，標準作用發生變化的現象，也就是標準的異質性問題。此外，創新指標的測算也存在類似的問題。針對現有研究的不足，本文選取不變價GDP、標準有效存量、專利有效存量等指標，運用經濟計量模型，分析三者的長期數量關系。

2 經濟計量學的研究路徑

現代經濟計量學的發展，為研究不同經濟變量之間的數量關系提供了多種工具。具體來說，主要分為結構模型和非結構模型。但結構模型適用比較嚴格，難以得到理想的結果。而且，對于新興研究領域，往往缺乏合適的結構模型。因此，非結構模型就成為常用的工具。目前來說，一般有協整關系、Granger 因果關系、向量自回歸（VAR）模型等可以選擇。

2.1 協整關系

在現實情況中，很多經濟相關指標的時間序列數據都是非平穩時間序列，也就是說隨著時間的變化，數據序列的均值、方差或協方差也不斷變化。但是非平穩時序變量與非平穩時序變量進行線性組合卻可能獲得平穩的數據序列，這種通過線性組合能夠達到長期平穩狀態的兩個或多個非平穩的時間序列變量之間的長期平穩關系就叫做協整關系。

因變量和自變量通過線性組合獲得平穩時間序列，因變量不能被自變量解釋的部分就是回歸方程的殘差部分也應該是平穩的。這意味著需要對時序變量之間是否存在協整關系進行檢驗，就是檢驗時序變量組成的回歸方程的殘差序列的平穩性。對兩個變量進行協整檢驗，一般采用Engle-Granger（EG）兩步法；對多個變量進行協整檢驗，一般采用Johansen 檢驗法。協整檢驗的基本步驟是首先檢驗變量是否具有相同的單整階數，然后檢驗變量組成的回歸方程的殘差序列的平穩性。

2.2 Granger 因果關系

Granger 因果關系用于分析不同的時序數據之間的因果關系，如果一組時序數據的過去信息能夠幫助解釋另一組變量的當期變化，并且這種解釋要優于僅依靠另一組變量的過去信息對其自身當期變化的解釋，那么這一組變量就是另一組變量的Granger原因。Granger 因果關系檢驗的基本步驟是首先用單位根檢驗來檢驗時序數據的平穩性，之后在平穩數據的基礎上才能進行Granger 因果關系檢驗。建立在非平穩數據基礎上的Granger 因果關系是一種偽回歸。Granger 因果關系是一種統計上的估計，只有與經濟意義進行結合才有意義。

2.3 向量自回歸模型（VAR）

在Granger 因果關系分析的基礎上，可以建立VAR 模型，通過在不同時序數據的當期數據和往期數據之間建立回歸方程，估計這些時序數據之間的動態關系。自回歸模型（AR）分析時序數據的過去信息對當期變化的影響，是自身對自身進行回歸，VAR 模型則納入了其他的時序數據，分析多個變量的過去信息對單變量的當期信息的影響，以及隨機擾動項對模型系統的整體影響。VAR 模型是常用的計量模型，能夠提供一些經濟學上的參考意義。

3 變量選取與數據來源

本文運用VAR 模型分析標準化、技術創新和經濟增長這3 個時序數據的動態關系，選擇按照永續盤存法進行折舊的標準的有效存量作為標準的衡量指標，選擇按照永續盤存法進行折舊的發明專利的有效存量作為創新的衡量指標，不變價GDP 作為經濟增長的衡量指標。

3.1 關于標準有效存量的測算

本文將標準有效存量作為標準化的代表性指標。《中華人民共和國標準化法（2017 修訂）》將我國的標準分為國家標準、行業標準、地方標準、團體標準和企業標準。考慮到各類標準發揮作用的范圍不同，結合數據的可得性，本文選取國家標準作為研究對象。考慮到隨著時間的推移，同一標準對經濟增長的作用會發生變動，本文基于歷年《中國科技統計年鑒》年度制修訂的國家標準的數量，使用永續盤存法測算標準的有效存量。

現行有效的期初國家標準的有效存量是：

3.2 關于專利有效存量的測算

專利分為發明專利、實用新型專利和外觀設計專利3 種。一般認為發明專利是技術創新水平的代表性指標，本文基于歷年《中國統計年鑒》中的發明專利申請授權數，使用永續盤存法測算專利的有效存量。測算方法與標準有效存量的測算方法類似。專利的折舊率按照以往研究的經驗折舊率選取為10%。

3.3 關于不變價GDP 的測算

薩繆爾森認為，“經濟增長是指一個國家潛在的國民產量，或者，潛在的實際GNP 的擴展。我們可以把經濟增長看作是生產可能邊緣隨著時間向外推移”。一般用GDP 作為經濟增長的代表性指標。本文基于《中國統計年鑒》中名義GDP 和GDP 指數的時序數據，測算以1985 年為基年的不變價GDP。

3.4 數據時限的選擇

從歷年的《中國統計年鑒》和《中國科技統計年鑒》，選取1985—2017 年作為變量的樣本期間。為了消除時間序列的異方差性，對變量進行指數變換，用LNY代表以1985 年為基期的不變價GDP 的自然對數，用LNP代表以1985 年為期初的專利的有效存量，用LNS代表以1985 年為期初的標準的有效存量。按照專利的折舊速度10%，標準的折舊速度20%，測算VAR 模型可能的作用。

4 實證分析

建立VAR 模型的基本步驟包括，單位根檢驗，確定時序數據的平穩性，如果是非平穩數據，則需確定數據之間是否存在協整關系。

4.1 對時間序列進行單位根檢驗

用Eviews 10.0 對LNY、LNP、LNS進 行KPSS單位根檢驗，在5%的顯著性水平下，LNY、LNP、LNS不能拒絕關于時間序列是平穩序列的原假設，那么LNY、LNP、LNS都是平穩序列，可以進行簡單回歸（見表1）。

表1 計量模型變量的單位根檢驗

4.2 建立VAR 模型

在確認了LNY、LNP、LNS都是平穩序列之后，建立VAR 模型的第二步是確立模型的最佳滯后長度，以及對其中滯后項的排除。隨后通過滯后結構檢驗確定VAR 模型的平穩性。將內生變量選取為LNY、LNP(γ=10%)、LNS(γ=20%)，根 據Eviews 10.0默認的滯后2 階建立VAR 模型（見表2）。在這些模型的基礎上，結合滯后長度標準和滯后排除檢驗確定最佳滯后長度。

表2 VAR 模型的初步估計結果

表2（續）

表2（續）

4.2.1 滯后長度標準

通過Eviews 10.0，VAR 模型滯后長度的選擇如表3 所示。根據最佳滯后長度標準選擇滯后長度，對數似然值越大越好，LR、FPE、AIC、SC、HQ 越小越好。從表4 可知，最佳的滯后長度是滯后4 期。

表3 VAR 模型滯后長度的選擇

4.2.2 滯后排除檢驗

通過Eviews 10.0，得到VAR 模型滯后排除檢驗的結果（表4）。檢驗結果顯示，從伴隨概率可以看出，按照10%的顯著性水平，滯后3 階沒有通過檢驗。綜合滯后長度標準和滯后排除檢驗，將VAR 模型的長度確定為4，并且剔除3 階回歸項。

表4 VAR 模型滯后排除檢驗

4.2.3 Granger 檢驗

Granger 檢驗用以區分變量是內生變量或者是外生變量。對VAR(2)和VAR(4)分別進行Granger 檢驗，結果如表5 和表6 所示。

表5 VAR（2）的Granger 因果關系檢驗結果

表5（續）

表6 VAR（4）的Granger 因果關系檢驗結果

根據對不同滯后長度的VAR 模型進行Granger檢驗，在滯后長度為2 和顯著性水平為5%的情況下，LNY是LNS和LNP的Granger 原 因，LNP是LNS的Granger 原因；在滯后長度為4 和顯著性水平為1%的情況下，LNS和LNP是LNY的Granger 原因，LNY是LNP的Granger 原因。說明在滯后2 期的情況下，不變價GDP 的增長推動標準存量和專利存量的增長，專利存量的增長推動標準存量的增長；在滯后4 期的情況下，標準存量和專利存量的增長推動了不變價GDP 的增長，不變價GDP 的增長推動了專利存量的增長。

4.2.4 穩定條件檢驗

VAR 模型只有滿足穩定性前提，才能進行脈沖響應函數分析和方差分析。通過Eviews 10.0，對VAR(4)進行穩定條件檢驗的結果如圖1。全部根的倒數值都在單位圓內，表明VAR 模型穩定。

圖1 VAR(4)根的倒數圖

4.2.5 VAR 模型的確定

根據滯后長度標準和滯后排除檢驗，VAR 模型的滯后長度確定為4，其中剔除3 階回歸項。對1985—2017 年的不變價GDP、專利有效存量、標準有效存量的指數化數值估計VAR(4)。然后，通過VAR模型的脈沖響應函數和方差分解分析變量的關系。

4.3 脈沖響應函數

VAR 模型是非結構化模型，不分析單變量的變化對另一變量的單獨影響，而是研究誤差項的變化對系統的整體影響，這種方法即脈沖響應函數分析方法。研究在VAR(4)中一個變量的標準差大小的沖擊對各內生變量的動態變化，得到脈沖響應函數圖如圖2 所示。圖中的實線表示脈沖響應函數，虛線表示脈沖響應函數在兩倍標準差范圍內的變化。

圖2 VAR(4)的脈沖響應函數圖（period=100）

從LNY對自身的脈沖響應來看，一個標準差的LNY正向沖擊帶來所有滯后期的正效應。在t=2 時達到最高點，這可以解釋為某一年度GDP 的增長對后續年份拉動作用最大時在第2 年，此后震蕩下降并趨于收斂。從LNP對LNY的脈沖響應來看，一個標準差的LNP正向沖擊帶來LNY所有滯后期的正效應。從t=0 時直線上升，直至t=7 時達到最高點，之后震蕩下降并趨于收斂。從LNS對LNY的脈沖響應來看，一個標準差的LNS正向沖擊帶來LNY不超過5 期的正效應（t=5 之前），在t=3 時正效應達到最大，在t=5 期之后帶來負效應，在t=10 時和t=11 時負效應達到最大，發生波動持續變小并趨于收斂。原因在于，經濟和技術的發展對GDP 的增長產生長期的正向影響，標準的發展只在短期對GDP 的增長產生正向的拉動作用，標準不及時修訂或廢止反而在未來長期中限制經濟增長。

從LNP對自身的脈沖響應來看，一個標準差的LNP正向沖擊帶來所有滯后期的正效應。在t=2 時達到最高點，此后震蕩下降并趨于收斂。從LNY對LNP的脈沖響應來看，一個標準差的LNY正向沖擊給LNP帶來的大都是正效應（只在t=1 時和t=2 時是負效應），短期內一個標準差的LNY帶來的效應逐年上升，并在t=8 時達到最大值，之后逐年減少直至趨向收斂。原因在于經濟的發展推動專利保護意識，從而引起專利授權量的增長。從LNS對LNP的脈沖響應來看，一個標準差的LNS正向沖擊給LNP帶來不超過5 期的正效應（t=5 之前），在t=3時正效應達到最大，在t=5 之后帶來負效應，在t=9時負效應達到最大，之后發生標的變小并趨于收斂。原因在于，標準的發展只在短期促進技術創新的擴散，在t=3 時對專利的正向影響最大，標準不及時修訂或廢止反而限制技術創新的發展。

從LNS對自身的脈沖響應來看，一個標準差的LNS給自身帶來的正向沖擊在t=1 時最大，之后直線下降，t=8 之前帶來的都是正效應，在t=10 前后時下降至負效應最大值，之后波動變小并趨于收斂。從LNY對LNS的脈沖響應來看，一個標準差的LNY正向沖擊給LNS 短期（t≤5）內帶來的是負效應，長期（t＞5）則是正效應，但是趨于收斂，原因在于經濟的發展在長期推動標準制定活動，短期則不明顯乃至為負。從LNP對LNS的脈沖響應來看，一個標準差的LNP正向沖擊給LNS帶來的影響是有個相對長期間的震蕩變化的，其中正效應超過負效應，t=7 時正向影響最大（t=4 至10 時是正效應），然后趨于收斂，原因在于技術的發展往往容易導致標準廢除或修訂，長期內則推動標準的發展。

4.4 方差分解

與脈沖響應函數研究誤差項的正的沖擊給系統中各變量帶來的影響不同，方差分解研究內生變量變化的形成原因。研究在VAR(4)中各內生變量變動的貢獻率，得到方差分解圖見3。

圖3 VAR(4)的方差分解圖（period=50）

基于方差分解的結果可以看出，LNY對自身的貢獻率很大，從t=1 至t=8 期顯著下降，從t=9 期時之后維持在不變的水平，約為35%左右。LNP對LNY的貢獻率短期內迅速上升，在t=7 時達到最大，t=15 之后維持在不變的水平，約為25%左右。LNS對LNY的貢獻率短期內迅速上升，在t=14 時和t=15時達到最大，之后維持在不變的水平，約為39%左右。從長期來說，標準存量對GDP 的貢獻要超過專利存量和不變價GDP 本身。

LNP對自身的貢獻率很大，雖然是不斷下降的過程，從t=14 期之后下降趨緩，但從長期看保持在30%以上。LNY對LNP的貢獻率是緩慢上升的過程，從t=12 之后上升趨緩，從長期看保持在30%以下。LNS對LNP的貢獻率，從t=12 之后上升趨緩，從長期看保持在35%左右。標準存量對專利存量的貢獻超過不變價GDP，從長期來看，甚至超過專利存量本身。

LNS對自身的貢獻率非常大，從t=1 至t=4 是迅速上升的過程，在t=4 時和t=5 時達到最大，之后緩慢下降，從t=8 開始維持在不變的水平，約為77%。LNY對LNS的貢獻率不斷下降，從t=9 時之后下降趨緩，從t=16 時之后維持在不變的水平，約為13%。LNP對LNS的貢獻率比較低，在短期內迅速上升，從t=8 時之后上升趨緩，長期來看維持在10%。

5 結論與政策建議

實證結果表明，標準化、技術創新與經濟增長的關系比較復雜，在不同的滯后期相互之間的影響不一，并不能截然歸于單一的正效應或負效應。就脈沖響應分析而言，各變量有效存量對自身后續發展帶來的效應舉足輕重，專利和經濟增長（GDP）之間的相互作用效果基本上都是積極的，而標準與專利、標準與經濟增長（GDP）之間的相互作用效果則不盡然，不同作用方向或不同時間的效應不一，有正效應也有負效應。其中原因是多方面的：一是三者之間作用機制本來十分復雜，并非完全單向影響；二是我國研究數據相對有限，需要持續跟蹤研究。就方差分析來看，各變量對自身貢獻率往往是最大，而且短期內變量之間的貢獻率波動較大，長期則趨于穩定；標準對專利、經濟增長（GDP）的貢獻率較大，相對要突出一些。方差分析更能解釋標準化、技術創新和經濟增長的相互促進力度，但這種影響力度差異也很大。另一方面，與國際標準機構的現有研究結論相比，本文在一定期限的研究成果是與其相一致的。但相比之下，本文的研究成果更為全面和細致，也說明了中國與其他國家和地區有所不同。

因此，我們應針對標準化、技術創新與經濟增長之間作用機制特點，充分利用標準化、技術創新與經濟增長相互之間的正效應和主要影響機理。就此，對我國未來標準戰略和自主創新體系建設提出以下建議：第一，擴大基數是關鍵，即提高GDP、標準和專利存量是十分必要的，這關系到未來各自的持續發展和相互之間的積極影響；第二，及時進行標準的制修訂，避免標準滯后于技術的發展水平，充分利用標準和技術兩者的積極效應，限制其消極作用；第三，提高國家和全社會對標準的重視程度，加大對標準制修訂活動的支持。