最優研發結構與創新
——基于中國省級面板數據的實證研究

蔣海威

（北京大學 國家發展研究院，北京 100871）

一、引言

內生增長理論認為，經濟增長與創新和技術進步息息相關，而研發是創新的決定性影響因素[1]。在現實中，中國改革開放以來的快速經濟增長與創新緊密聯系。自1988 年“科學技術是第一生產力”提出以來，中國出臺了一系列科技發展計劃，如星火計劃、火炬計劃，提高了諸多產業的創新能力和技術水平，促進了經濟增長。21 世紀以來，隨著研發投入增加與科技實力提升，中國與世界技術前沿愈發接近，因此，當前中國更注重提升自主創新能力，實現科技高水平自立自強。科技創新離不開基礎研究和應用研究的推動，以及兩者的轉化和促進。將研發具體區分為基礎研究和應用研究，關鍵在于是否存在最優研發結構以促進創新？

一個國家的研發結構與經濟發展、創新水平互為基礎，相互促進。在經濟發展方面，潘士遠和蔣海威(2020)通過OECD國家數據研究發現，經濟發展水平與研發結構存在倒“U”型關系，即一個國家的應用研究投入與基礎研究投入的比值隨著經濟發展呈現先上升后下降的現象趨勢。Gersbach 等(2009)研究表明，基礎研究與應用研究共同決定了長期的經濟增長，若一個國家應用研究處于前沿水平，則該國的經濟增長完全由基礎研究決定[3]。Prettner &Werner(2016)利用實證研究印證理論模型，同樣發現了基礎研究與經濟發展水平之間的正相關關系[4]。

在創新方面，大量證據表明，基礎研究對推動創新發揮著重要作用[5-7]。基礎研究解決的是根本問題，而不是解決狹義的實際問題。基礎研究活動擴大了公司在其技術發展活動中可利用的知識基礎，會帶來根本性的突破，許多重要的技術發明都是基礎研究帶來的科學知識進步的結果[8，9]。一些研究認為，盡管困難重重，企業依然需要投入研發資源進行基礎研究，原因在于：首先，進行基礎研究的企業可以從獲取新知識的先發優勢中受益，并通過對新知識更深入的理解來加強其技術開發活動，從而產生更多的創新。第二，基礎研究投資可以幫助企業提高利用外部基礎研究成果的吸收能力[10，11]。此外，應用研究直接推動了技術的開發和應用，是創新的基礎和需求來源[12]。綜合兩者來看，研發對企業創新能力的益處來自基礎研究和應用研究兩個方面[13]。Lim(2004)認為，強調基礎研究的企業比強調應用研究的企業吸收更多的基礎科學知識，企業在研發過程中必須仔細考慮產業背景和研發結構問題，以匹配創新活動[12]。綜上所述，基礎研究和應用研究對創新均存在重要作用，但如何合理配置研發資源是一個關鍵問題。據此，文章嘗試尋找一個最優研發結構，以更高效率促進創新。

文章選取中國2000—2020 年省級面板數據，定義研發結構為基礎研究投入與應用研究投入的比值，以專利數量來衡量創新水平，研究研發結構對創新的影響。進一步，文章著重討論是否存在最優研發結構，可以更加有效地促進創新。

二、數據及基準回歸

1. 數據及變量

專利申請能夠反映創新活動的有效產出，專利活動在現有研究中被普遍認為能較好地衡量企業創新[14]。因此，文章用2000—2020 年省級所有專利數量(Allpatent)衡量省份創新水平。由于中國專利具體分為三類，文章用發明專利數量(Invention)、實用新型專利數量(Utility)、外觀專利數量(Design)衡量創新水平，數據來源于歷年《中國科技統計年鑒》。為了解決樣本分布中偏差的問題，按照現有文獻一般做法，將創新指標取自然對數。

文章中研發數據來源于歷年《中國科技統計年鑒》。基礎研究可以被定義為不具有特定目標，而致力于對物質世界知識的普遍發展的活動，這些活動擴大了技術開發活動中可利用的知識庫[15]。而應用研究指的是圍繞特定目的，為解決實際問題而展開的科學探索。文章將《中國科技統計年鑒》中科研經費支出分為基礎研究投入和應用研究投入，獲得各省區市的基礎研究投入和應用研究投入[2]。定義研發結構(Structure)為：基礎研究投入與應用研究投入的比值。

文章中宏觀經濟數據來源于歷年《中國統計年鑒》，以及各省區市統計數據。文章根據現有文獻選取影響區域創新的控制變量，包括：經濟發展水平(GDP)、人口數量(Population)、貿易數額(Trade)、外商投資情況(FDI)、財政支出費用(Fiscal)。變量的定義和描述性統計詳見表1。

表1 變量描述性統計

2. 基準回歸模型

文章設定的回歸模型如下：

式中，下標p表示省份，t表示年份。Innovationpt表示省份p在年份t的創新情況，包括省份所有專利數量、發明專利數量、實用新型專利數量、外觀設計專利數量。為了研究是否存在最優研發結構，模型加入解釋變量研發結構指標Structurept，及該指標的二次項Structure_squaredpt。其對應的系數β1和β2是文章研究的重點。Controlspt表示省份層面創新影響因素，包括經濟發展水平、人口數量、貿易數額、外商投資情況、財政支出費用。模型控制了省份固定效應ζp，以控制省份層面不隨時間變化的不可觀測因素，如區域文化、歷史制度等因素。模型還控制了時間固定效應ζt，以控制宏觀層面的時間沖擊因素，如不同年份全國性的創新政策、創新補貼等因素。εpt為隨機誤差項，文章用省份層面聚類標準誤以允許序列相關。

3. 基準回歸結果

對基準模型進行OLS 回歸，估計結果見表2。列(1)～列(4)被解釋變量分別為所有專利數量、發明專利數量、實用新型專利數量、外觀設計專利數量。列(1)回歸結果顯示，研發結構與所有創新數量呈顯著正相關關系，研發結構二次項與所有創新數量呈顯著負相關關系，即研發結構與所有創新數量呈倒“U”型關系。也就是說，區域創新數量會隨著研發結構中基礎研究增加呈現先上升后下降的趨勢，其最高點約為0.114。在研發結構達到最優區間之前，基礎研究比值每增加1 個標準差，所有專利數量增加31.4%。列(2)和列(3)估計結果表明，研發結構與發明專利數量、實用新型專利數量呈倒“U”型關系，其最高點分別為0.130 和0.106。在研發結構達到最優區間之前，基礎研究比值每增加1 個標準差，發明專利和實用新型專利數量增加68.41%、27.80%。列(4)估計結果顯示，研發結構與外觀設計專利數量的關系在統計意義上不顯著。文章認為，外觀設計專利是對產品形狀、圖案等方面做出工業應用的設計，與研發并無直接關系，該回歸結果與現實相一致。在控制變量中，經濟發展水平與創新水平呈顯著正相關關系，與現有研究一致[14]。其他控制變量的估計系數不顯著，這可能是由于控制變量存在多重共線性，且部分效應被省份固定效應吸收所導致。以上基準回歸結果表明，研發結構與創新存在倒“U”型關系，最優研發結構（即基礎研究與應用研究比值） 區間約為0.106～0.130。在達到最優研發結構之前，基礎研究的投入將促進創新；而在超過最優研發結構之后，基礎研究投入對創新的正向作用會下降。

表2 基準回歸估計結果

三、相關實證檢驗

文章針對基準回歸模型的相關問題進行檢驗，首先處理內生性問題，其次對模型設定進行相關討論。

1. 內生性問題

在基準回歸中，可能存在的一個問題是研發結構與隨機誤差項可能存在相關關系，從而出現內生性問題。文章選擇研發結構及其平方項的滯后期作為解釋變量的工具變量，使用2SLS方法進行回歸。選擇工具變量的思路參照顧夏銘等(2018)，滯后期解釋變量與當期解釋變量存在系列相關關系，但不直接影響當期創新情況[16]。工具變量回歸結果報告在表3 中，一階段估計結果F 統計值大于10，表明不存在弱工具變量問題。此外，可以發現研發結構與所有專利數量、發明專利數量、實用新型專利數量存在顯著相關關系，呈倒“U”型關系，基礎研究與應用研究的最優比值分別為0.116、0.132、0.109。在研發結構達到最優區間之前，基礎研究比值每增加1 個標準差，所有專利、發明專利和實用新型專利數量分別增加36.40%、77.66%、33.30%。

表3 工具變量回歸

此外，控制變量可能也存在內生性問題，需要對其進行滯后處理。據此，文章將控制變量滯后一期，再次進行估計。表4 回歸結果表明，在處理控制變量內生性問題以后，基準回歸的結論依然存在，即研發結構與創新存在倒“U”型關系。

表4 控制變量滯后一期

2. 模型設定問題討論

在基準回歸中，文章使用專利申請信息作為被解釋變量。一般而言，專利申請通過主動披露技術信息以獲得一定的壟斷權利，能夠準確地反映創新行為。但專利申請不一定能通過專利審查，且存在一定的審查時限。在創新產出維度上，專利授權信息能夠更好地衡量創新。因此，文章使用專利授權數據構造被解釋變量進行回歸，結果見表5。研發結構與所有專利授權數量、發明專利授權數量、實用新型專利授權數量存在顯著倒“U”型關系，最優研發結構區間為0.104～0.133，與基準回歸結果接近。

表5 專利授予信息

基準回歸使用省份層面聚類標準誤，此處用省份和年份二維聚類標準誤以處理自相關問題。由表6 可知，在處理自相關問題后，估計系數顯著性提高，列(1)～列(3)核心解釋變量均在1%水平上顯著。同樣，該估計結果支持了基準回歸結論，即研發結構與創新存在倒“U”型關系，且存在最優研發結構。

表6 二維聚類標準誤

表6 二維聚類標準誤

四、結論

近年來，中國創新能力不斷提高，在科技領域取得諸多較大成績。在國家創新體系中，目標導向與自由探索相結合的基礎研究格局正在形成。科技創新的頂層設計和系統布局更加合理，基礎研究的比重和地位越來越重要，研發結構持續優化，科研資源得以高效配置。

文章用中國省級面板數據，定義了研發結構為基礎研究與應用研究比值，運用專利數據衡量區域創新水平。研究發現，研發結構與創新之間存在倒“U”型關系，創新隨著基礎研究與應用研究比值提高呈現增長速度先變快后減慢的趨勢。中國創新存在最優研發結構，基礎研究與應用研究比值區間為0.106～0.130。在研發結構達到最優區間之前，基礎研究比值每增加1 個標準差，所有專利、發明專利和實用新型專利數量分別增加31.40%、68.41%、27.80%。文章對內生性問題和模型設定問題進行了討論和檢驗，結論均支持基準回歸結果。

“十四五”規劃在科技創新方面明確提出，全社會研發經費投入年均實際增速超過7%，以及基礎研究經費投入占研發經費投入的比重提高到8%以上。因此，研究認為，中國需要基于現有科技水平，適當加大研發投入，合理分配研發資源，以保證各項創新活動的有序開展。更為重要的是，應優化研發結構，提高基礎研究的投入比重，填補一些基礎研究領域短板，以確保關鍵技術領域的先進性。從文章描述性統計可以得知，2000—2020 年中國各地區研發結構均值為0.078。若基礎研究比重增長到8%，則該指標將達到約0.087。研究認為在完成8%的目標后，中國可以進一步結合科技發展水平和戰略目標需求，適當增加基礎研究投入，處于最優研發結構區間，以促進創新水平不斷提升。

基礎研究是整個科學體系的源頭，是所有技術問題的總機關。中國要想實現科技的自立自強，基礎研究能力必須不斷提高。目前，中國遇到的產業鏈、供應鏈的短板，歸根結底是基礎研究能力存在薄弱環節。基礎研究能帶來重大發現，幫助解決關鍵技術問題，推動前沿技術發展，是國家核心競爭力的一個重要部分。綜上所述，文章建議：第一，堅持把創新作為引領發展的第一動力，面向世界科技前沿、經濟主戰場和國家重大需求，緊緊圍繞基礎科學研究和關鍵核心技術全面發力，不斷增強源頭創新能力、技術引領能力。第二，加強基礎研究、應用研究統籌規劃，做到研發資源合理布局。第三，持續深化科技體制改革，提高研發資源使用效率，解決影響創新發展的瓶頸問題。第四，加大基礎研究和應用研究轉化力度，做到對高精尖產業發展有支撐、關鍵科技研發有依靠。