研發要素配置扭曲、FDI 吸引與地區創新效率

段良美

（中國民航大學 經濟與管理學院，天津 300300）

一、引言

技術進步與創新是經濟發展的基本源泉，現代經濟增長也越來越依賴于新技術新工藝為表征的創新貢獻。進而如何有效提供創新產出，在要素投入約束和研發不確定性約束下提高創新效率是國家和地區技術發展政策的重要作用方向。影響創新效率的因素中，要素投入包括研發要素和一般生產要素的規模與結構是重要因素，另外企業微觀的創新行為也會受到周邊環境因素的影響。創新生產中投入的要素和要素的匹配關系也對創新效率具有影響，關于要素扭曲對創新效率的影響正在逐步展開。學者們研究表明，我國勞動力要素市場扭曲和資本要素市場扭曲對創新效率造成了嚴重的損失（白俊紅和卞元超，2016；戴魁早和劉友金，2016）[1-2]，且不同要素的市場扭曲對創新效率的抑制作用存在區域異質性，分別表現為勞動力要素市場扭曲對西部地區創新效率的抑制作用明顯，而資本要素市場扭曲則對東部地區的創新效率抑制效果更為顯著（李雪松和王沖，2019）[3]。并且，FDI 的進入也對我國創新效率產生了影響，我國改革開放初期技術水平低創新不足，通過吸引外資學習國外先進的技術知識和管理經驗等方式（彭建平和李永蒼，2014）[4]，提升了本國的創新效率。

在以往研究一般要素扭曲的基礎上，有學者開始研究研發要素的扭曲。研發要素是保障我國創新驅動戰略順利實施，進而推動經濟可持續增長的重要戰略資源，因而也成為目前學術界關注的焦點內容之一（白俊紅等，2017）[5]。研究發現，研發資本價格扭曲對制造業創新效率有抑制作用，而研發勞動力價格扭曲卻表現為促進作用（劉冬冬等，2020）[6]，研發勞動力要素市場扭曲對區域創新績效具有顯著的抑制作用，而對相鄰區域的創新績效具有空間溢出效應（鄧若冰，2019）[7]。我國當前的自主創新能力無法滿足經濟發展的現實需要，在創新資源有限的情況下，合理配置資源，不斷優化研發要素市場化配置，進而提升創新效率，對于增強我國自主創新能力有著重要的作用。

以往研究要素扭曲的文獻中，大多文獻分別考慮了資本要素的扭曲和人員要素的扭曲，本文將研發要素扭曲定義為研發要素配置扭曲和研發勞動要素結構性扭曲，可以更好地考察這兩種相對扭曲的關系對創新效率產生何種影響。在創新生產活動中，以研發要素配置扭曲為切入點，深入探討研發要素的合理配置，同時結合吸引外資的作用，以及對創新效率產生影響的作用機制，進而為我國統籌區域創新發展，落實創新驅動發展戰略提供政策啟示。

二、文獻綜述與研究假說

（一）研發要素配置扭曲對創新效率的影響

研發資本要素和研發勞動力要素的市場價格偏離其邊際收益產品時，就出現了研發要素配置扭曲的現象。在研發要素配置扭曲的情況下，研發資本和研發勞動力等創新生產要素無法按照市場機制實現最優的配置，使得生產要素的投入效率低下，這勢必會影響創新效率的提升（白俊紅和卞元超，2016；戴魁早和劉友金，2016；張建平等，2019）[1][8-9]。研發要素配置扭曲是指研發資本相對于研發人員的配置扭曲，即研發資本的單位投入帶來的邊際報酬與研發人員單位投入帶來的邊際報酬之比。

在研發人員單位投入的邊際報酬不變的情況下，研發資本單位投入所帶來的邊際報酬越大，研發要素配置扭曲也越大，而研發資本單位投入的邊際報酬增加，必然導致企業的創新效率隨之增加，即研發要素配置扭曲的增加促進了創新效率的提升；在其他條件相同的情況下，研發人員工資水平的增加可以激勵研發人員的創新積極性（鄧若冰，2019）[7]，從而促進創新效率的提升，而研發人員的工資增加也使得研發要素配置扭曲增加，所以，研發要素配置扭曲的增加對創新效率具有促進作用。基于此，本文提出研究假說1：研發資本相對于研發人員的配置扭曲能夠提升創新效率。

（二）研發勞動要素結構性扭曲對創新效率的影響

創新人才的缺乏和技術創新能力的差距是阻礙中國企業技術創新的重要因素（安同良等，2005）[10]，在影響創新效率的因素中，勞動力因素發揮的作用至關重要。研發勞動要素結構性扭曲是指非研發人員相對于研發人員的配置扭曲，即非研發人員的單位投入帶來的邊際報酬與研發人員的單位投入帶來的邊際報酬之比，研發勞動要素結構性扭曲主要表現在兩種人員的差異上，即非研發人員和研發人員在邊際產出和工資水平上的差異。中國勞動力配置扭曲的根源在于勞動力市場的行業分割、內部分割以及工資決定機制非市場化，直觀表現為：行業工資差異、工資與勞動邊際產出扭曲以及缺乏有效的勞動力流動（柏培文，2014）[11]。從勞動力配置扭曲貢獻因素來看，勞動力邊際生產力差異越大、工資差異越大，勞動扭曲程度越大，且工資差異引致的勞動力配置扭曲程度較高（柏培文，2016）[12]。

研發人員是創新生產活動中最具有創造力的投入要素，是企業的核心資源，合理的工資回報是激勵研發人員創新生產的關鍵動力，工資水平過低使得研發人員創新動力不足。而目前中國各級地方政府為了發展經濟，往往通過壓低要素價格的方式干預要素市場，使得勞動力的工資報酬與其實際產出不成正比（鄧若冰，2019）[7]，且相對于非研發人員，研發人員的勞動報酬與實際產出偏離更為嚴重，研發人員要素扭曲程度更重。因此，從最優角度來看，研發勞動要素結構性扭曲應當是小于1 的值，如果該值越接近1，說明兩種勞動力的投入回報差距越小，就越不利于創新生產，進而對創新效率具有負向抑制作用。從是否利于創新生產的角度來看，扭曲意味著不利于生產，而研發勞動要素結構性扭曲值越接近1，即非研發人員與研發人員的工資回報差距越小，則越不利于調動研發人員的創新積極性，因此，本文定義研發勞動要素結構性扭曲值越接近1 為扭曲程度越大。

基于此，本文提出研究假說2：非研發人員相對于研發人員的配置扭曲會抑制創新效率。

（三）FDI 對創新效率的影響

FDI給東道國帶來新技術、新產品和新的工藝流程，東道國企業通過模仿和學習過程提升自主創新水平，同時改變了東道國的市場競爭格局，提升了企業的競爭效率，吸引外資能夠緩解企業的融資約束，所以吸引外資對自主創新水平具有積極的推動作用，對我國創新效率的提升具有促進作用（才國偉和楊豪，2019）[13]。諸多研究經驗也表明FDI可以通過競爭激勵、示范模仿和人員流動等途徑給東道國帶來顯著的技術溢出效應（Javorcik，2004；Blalock 和Gertler，2008）[14-15]，FDI對東道國的技術溢出是后發國家技術進步的主要途徑之一，吸引外資給東道國帶來新技術、新產品和新工藝，東道國企業通過學習提升創新水平（李平和季永寶，2014）[16]；外資的流入打破了東道國的市場均衡，改變了市場競爭格局，從而提升了創新效率；FDI還為東道國帶來了先進的管理經驗，通過培訓效應提升了東道國的人力資本水平，進而促進了創新效率的提升（郭京京等，2021）[17]。

關于研發要素扭曲和FDI的交互影響。一方面，我國不斷吸引FDI進入，外資帶來的新技術削弱了企業自主創新的必要性，對我國企業的創新產生了抑制作用（石大千和楊詠文，2018）[18]，而且外資帶來的技術水平比國內高，導致部分企業不再從事研發活動，而是縮短研發時間，直接利用外資帶來的創新成品進行生產（張建平等，2019）[9]。研發人員的邊際創新產出降低了，就使得研發人員所得工資報酬減少，這種工資水平的降低一定程度上減小了研發要素配置扭曲，從而削弱了對創新效率的促進作用。此外，研發勞動力價格過低不僅促使企業更多地使用有形要素，進而形成路徑依賴，導致企業的創新動力不足，而且從消費者的角度來說，研發人員工資過低也會抑制對創新產品的購買能力，創新產品的市場需求不足反過來又會抑制企業的創新生產活動，從而形成阻礙創新效率提升的低端惡性循環（李雪松和王沖，2019）[3]。所以，從這一角度來說，FDI進入削弱了研發要素配置扭曲對創新效率的正向促進作用。

另一方面，也有研究表明外資進入會對本國企業產生“工資溢價”效應，提高本國企業員工的“名義工資水平”（蔡洪波等，2016）[19]，外資進入也會產生“技術溢出”效應，通過改善企業生產的效率水平提升企業員工的工資水平，在我國引進FDI對單位勞動成本起到了推升作用（張曉磊和張二震，2019）[20]，勞動力工資水平的提高使得勞動力單位成本投入的邊際產出降低，從而非研發人員單位投入的邊際產出降低，在其他條件不變的情況下研發勞動要素結構性扭曲降低，進一步削弱了研發勞動要素結構性扭曲對創新效率的負向影響。

基于此，本文提出研究假說3：FDI吸引有助于地區創新效率提升，同時FDI也受制于要素結構的配置；FDI削弱了研發要素配置扭曲對創新效率的正向影響，也削弱了研發勞動要素結構性扭曲對創新效率的負向影響；總體上，FDI對創新效率的影響還是積極的促進作用。

三、模型設定、變量及數據說明

（一）模型設定

本文參考李雪松和王沖（2019）[3]構建的關于要素市場扭曲是否抑制了創新效率的提升的省級面板模型，選取的研究樣本為2009—2019 年中國30個省份（不包含西藏、港澳臺地區，）的面板數據。且為了數據的平穩性，將所有變量對數化，形成線性方程，將基準回歸模型設定為:

其中，TEi，t為i地區第t期的創新效率，DISTKi，t和DISTLi，t是本文的核心解釋變量，DISTKi，t代 表i地區第t期的研發要素配置扭曲，DISTLi，t代表i地區第t期的研發勞動要素結構性扭曲，FDIi，t也是本文的解釋變量，代表i地區第t期的外商直接投資，Xi，t代表本文的控制變量，包括政府干預程度、受教育水平和內部技術市場流動情況，α0是常數項，α1、α2、α3、α4為相應的回歸系數。δi，t用于控制地區固定效應，θi，t用于控制時間固定效應，εi，t為隨機誤差項。

（二）變量說明

1.變量測度

（1）創新效率。參考影響我國創新效率的因素的相關分析（白俊紅等，2009）[5]，本文采用基于參數法的隨機前沿模型（SFA）來構造創新生產函數，一般形式為：

其中，下標i表示地區，t表示時間。RDY表示創新產出，文獻研究中通常采用專利數和新產品銷售收入等作為創新產出指標。我國的專利包括發明專利、實用新型專利和外觀設計專利三種類型。由于這三種專利所包含的經濟價值以及技術含量都有較大的差異性，選用總體專利數量不具有代表性，也會對結果產生一定的影響，且從創新的質量和水平看，發明專利是最能代表原創性水平的指標。此外，選取新產品銷售收入作為衡量創新能力的指標也存在一定問題，在當前的市場的環境下，可能存在某些企業為了享受到更多的優惠政策，而夸大自己新產品收入的現象（彭建平和李永蒼，2014）[4]。基于此，為了可以更充分地代表地區的知識產出和創新能力，本文選取技術含量最高的發明專利授權數作為最終的專利指標（姜妍等，2019）[21]，以衡量創新產出。

RDL和RDK表示創新生產過程中的研發勞動力投入和研發資本投入，f（·）為完全效率時生產可能性邊界的前沿產出。νi，t表示隨機擾動項，且νi，t～N（0）；ui，t表示技術非效率項，且ui，t～N+（μ，），如果μi，t=0，表示技術有效，即創新生產位于生產前沿面上，否則即為技術無效，創新生產未達到生產前沿面。此外，νi，t和μi，t相互獨立。技術非效率項可以進一步表示為：

其中，θ0為常數項，Zi，t表示影響技術非效率的k個因素，θk為其對應的估計系數，μi，t表示隨機誤差項。本文研究中將研發要素配置扭曲、研發勞動要素結構性扭曲和FDI作為生產函數的非效率項，來考察其對創新效率的影響。

本文采用C-D 生產函數刻畫的研發創新活動，并對該函數兩邊取對數處理。因此，本文所構建的隨機前沿模型可以表示為：

其中，β0為常數項，β1、β2分別表示研發勞動力、研發資本的回歸系數，且假定創新生產的要素投入僅包括研發勞動力和研發資本兩種。

對于創新效率的衡量，相比較于直接的創新產出指標，例如創新專利，新產品銷售收入等（朱有為和徐康寧，2006）[22]，越來越多的學者選擇一個相對指標測算創新效率（李雪松和王沖，2019）[3]，因為這既能排除不同地區間自身差異帶來的影響，又能真實反映出一個地區的創新效率水平。如果一個地區用更少的創新投入獲得了更多的創新產出，那么這個地區就具有更高的創新效率，相應的創新能力和水平也更高。

基于式（4）中對創新效率的定義，創新效率（TE）可表示為實際產出期望值和最優前沿面產出的期望值之比（白俊紅，卞元超，2016）[1]，即：

式（5）反映了創新生產實際產出對前沿面產出的偏離程度。如果μit=0，則TE=1，創新生產位于最佳前沿面上，此時創新生產是有效的；如果μit＞0，則TE＜1，創新生產未達到最佳前沿面，此時創新生產是無效的，創新生產存在效率損失。

（2）研發要素配置扭曲程度。在解釋變量中，本文重點關注研發要素配置扭曲這一核心變量的影響。大多數文獻中都將要素市場作為一個整體進行測度，少有文獻專門測度研發要素配置扭曲。本文采用C-D 形式的生產函數法直接測算R&D 人員和R&D 資本要素的邊際產出，其表示為：

對該生產函數取對數表示為：

其中，Y為總產出，采用地區生產總值（GDP）表示，用2009 年的地區生產總值與之后每一年的GDP增長指數相乘，作為以2009 年為基期的不變價GDP。RDL為R&D 人員投入，本文采用研究與試驗發展（R&D）人員表示。RDK為R&D 資本存量，各國統計機構和有關專家學者一般都采用永續盤存法測算R&D 資本存量。NL是非研發勞動投入，本文用地區總勞動投入減去地區R&D 勞動投入表示，即：NL=L-RDL，其中L 用城鎮單位就業人數加城鎮私營企業和個體就業人數表示。NK是非研發資本存量，亦采用永續盤存法計算。

關于永續盤存法對RDK的估計，由于較難估算R&D 支出的滯后結構，我們假定平均滯后期為0，則測算公式為：

其中，RDKi，t表示i地區t時期的R&D 資本存量，δ是R&D 資本折舊率，RDEi，t為i地區t時期的當期R&D 資本投資，PIi，t為R&D 資本價格指數。

第一，當期R&D 資本投資。由于我國目前沒有公布國民經濟核算中的R&D 資本投資數據，大多學者直接用R&D 經費內部支出作為當期的R&D資本投資。按照SNA-2008 的R&D 支出資本化核算的方法和原則，R&D 經費內部支出按支出性質分為日常性支出和資產性支出。考慮到R&D 經費內部支出中各項支出的用途，本文選取資產性支出作為當期R&D 資本投資的指標。

第二，R&D 資產折舊率。目前有關研發資本存量折舊率的選擇主要在10%～20%之間。Hall 和Mairesse（1995）[23]、吳延兵（2008）[24]等在計算研發資本存量時都采用了15%的折舊率，黃勇峰等（2002）[25]采用了17%的折舊率，周密（2012）[26]等選擇了20%的折舊率，余泳澤（2015）[27]將R&D 當期投入分為兩部分，一部分是日常性支出扣除勞務費用20%折舊，另一部分是資產性支出用17%折舊。本文參考以上文獻中的方法，根據研發經費內部支出中資產性支出的性質，將這一折舊率設為17%。

第三，R&D 資產價格指數。關于R&D 資產價格指數的爭議也比較大，本文采用工業生產者出廠價格指數作為R&D 資產價格指數，具體為：專用設備制造業價格指數、電氣機械及器械制造業價格指數、通信設備、計算機及其他電子設備制造業價格指數以及儀器儀表及文化、辦公用機械制造業價格指數四者的平均數，數據缺失部分用四者中可查到的價格指數求均值。本文以2009 年為基期，用這一價格指數將當期R&D 資本投資折算為2009 年不變價。

第四，初始R&D 資本存量。對初始資本存量的估計，目前主要有如下幾種方法。一是按照永續盤存法的要求，通過往前獲取或構造足夠長的時間序列來直接測算初始資本存量；二是利用資本產出比推算；三是利用當期投資與資本存量的比例關系推算。江永宏和孫鳳娥（2016）[28]參考在以往的研究，用初始R&D 投資除以投資增長率與折舊率之和，推算出基期的初始資本存量。本文借鑒同樣的方法，用公式表示為：

其中，RDKi，0是初始年份2009 年的R&D 資本存量，RDEi，0為初始年份的R&D 投資的資產性支出部分，δi取17%，gi取各地區2009—2019 年R&D 投資的年平均增長率。由此，可推算出2009 年的初始R&D 資本存量。

根據以上推算，我們就可得到各地區2009—2019年的R&D 資本存量RDK。

關于永續盤存法對NK的估計，當期投入為全社會固定資產投資（不含農戶）減去R&D 資本投資的資產性支出部分，價格指數為固定資產投資價格指數，折舊率取9.6%。進而得出本文的非研發資本存量。

λ0為常數項，λ1、λ2、λ3、λ4分別表示各被解釋變量的回歸系數。εi，t表示隨機擾動項。

根據式（6），分別對RDL、RDK、NL和NK求導，可得研發人員、研發資本存量和非研發人員的邊際產出：

則各要素的絕對扭曲為其邊際產出與要素價格之比：

上式中，WRD為研發人員的工資，本文采用研究與試驗發展的平均勞動報酬，并以2009 年為基期用CPI進行平減，為非研發人員的工資，用城鎮單位就業人員平均工資表示，同樣以2009 年為基期用CPI進行平減求得。r為利率水平，以往研究中直接將其設定為0.1（Hsieh 和Klenow，2009），但是利率水平在不同時期存在差異，本文參考白俊紅和卞元超（2016）[1]的做法，選取各年度內一年期金融機構法定貸款利率的均值作為考察利率水平的替代指標。

本文定義DISTK為研發要素配置扭曲，DISTL為研發勞動要素結構性扭曲，具體測算公式如下：

其中，DISTK是由研發資本單位投入的邊際報酬與研發人員單位投入的邊際報酬之比所得的相對扭曲，該指標的含義為：DISTK=1 表示研發資本單位投入的邊際報酬與研發人員單位投入的邊際報酬相等，即一單位的研發資本投入和一單位的研發人員投入會產生同等的邊際報酬；DISTK＞1 表示研發資本單位投入的邊際報酬大于研發人員單位投入的邊際報酬，即一單位的研發資本投入帶來的邊際報酬大于一單位研發人員投入的邊際報酬；反之亦然。DISTL是由非研發人員單位投入的邊際報酬與研發人員單位投入的邊際報酬之比所得的相對扭曲，該指標的含義為：DISTL=1 表示非研發人員單位投入的邊際報酬與研發人員單位投入的邊際報酬相等，即一單位的非研發人員投入和一單位的研發人員投入所帶來的邊際報酬相等；DISTL＞1 表示非研發人員單位投入的邊際報酬大于研發人員單位投入的邊際報酬，即一單位的非研發人員投入所帶來的邊際報酬大于一單位研發人員投入所帶來的邊際報酬；反之亦然。

（3）外商直接投資。在《中國統計年鑒》中只有各省的外商直接投資（FDI）流量數據，本文采用FDI存量。與R&D 資本存量的計算方法相同，通過永續盤存法將流量計算為存量。

其中，當期FDI流量選取2009—2019 年各地區實際利用外資額，并對其進行相應處理。用當年人民幣兌美元的匯率將實際利用外資換算為億元人民幣；采用GDP 縮減指數對實際利用外資流量進行平減（陳艷瑩和董旭，2013）[29]，折算為2009 年值。對處理之后的數據，按照永續盤存法估算出各地區各年度的FDI。根據我國的實際情況，將平均滯后期設為1，則FDI存量的計算公式如下式所示：

其中，FDISi，t表示i地區t時期的FDI存量；Ei，t-1表示i地區前t-1 時期的實際利用外資額；δ表示外資折舊率，本文參考Goodspeed 等（2006）[30]將折舊率設為5%，對通過FDI 獲得的國外研發資本存量溢出進行測算；gi表示i地區2009—2019 年的人均GDP 增長率（李曉晨和劉金林，2015）[31]實際利用外資平均增長率。

（4）控制變量。本文選取的控制變量主要包括：地區政府干預程度、地區受教育水平和地區內部技術市場流動情況。第一，地區政府干預程度（GOV）。選取地區的研發經費內部支出與地區生產總值之比表示各省份政府對研發創新活動的干預程度，政府干預程度越高，即研發經費內部支出對地區生產總值之比越高，研發經費的增加必然會促進研發活動的進行，進而會促進創新效率的提升。第二，地區受教育水平（EDU）。選取地區的人力資本結構，即地區就業人員的學歷水平，用大專及以上人口比例比其他人口比例表示地區勞動力的受教育水平。地區受教育水平反映了高等教育人才的比例，在創新活動中研發人員發揮了極其重要的作用，研發人員的創新能力與其受教育水平密不可分，研發人員受教育水平越高，創新效率也越高；此外，地區整體就業人員的受教育水平對該地區的總體生產效率也具有促進作用，從而進一步促進創新效率。第三，地區內部技術市場流動情況（TD）。參考李雪松和王沖（2019）[3]用地區技術市場成交額占地區GDP 的百分比來衡量。地區內部的技術擴散和傳播能有效優化資源的配置效率，進而促進創新效率的提高。

2.研發要素配置扭曲的測度結果

本文對式（7）所示的生產函數進行了估計，以此測算了考察期內中國各省份研發要素配置扭曲和研發勞動要素結構性扭曲，表1 對兩種研發要素配置扭曲程度進行報告。

由表1 可知，從全國范圍看，各省均表現出明顯的研發要素配置扭曲的情況，且縱觀2009 年與2019年的變化，研發要素配置扭曲絕大多數地區表現為扭曲加深，只有個別地區扭曲程度減弱；研發勞動要素結構性扭曲大部分地區表現出扭曲程度加深，即扭曲值增大的趨勢，小部分地區扭曲程度減弱。

表1 2009 年、2019 年各省份研發要素配置扭曲和研發勞動要素結構性扭曲程度

總體看來，大多數省份研發要素配置扭曲在10左右，即表明一單位的研發資本投入產生的邊際產出大于一單位研發人員投入的邊際產出，且為其10倍左右。分地區來看，研發要素配置扭曲較大的地區有浙江、廣東等經濟發達地區，反映了該地區研發資本的高邊際產出與研發人員的高工資水平，這與該地區市場活力和對高端人才的吸引密切相關；河北、黑龍江、陜西和新疆等經濟欠發達的偏遠地區的研發要素配置扭曲與其他地區相比較小，表明了這些省份研發要素配置扭曲程度教小，即研發資本的邊際產出相對略低、研發人員的邊際產出略高或研發人員的工資水平略低，這是因為創新活動具有周期長、風險高等特征，使得研發資本的邊際產出偏低，且研發人員的薪酬制度與普通勞動力基本一致，導致這些地區研發人員的工資偏低。

總體來看，各省份研發勞動要素結構性扭曲較低，均小于1，即一單位非研發人員投入所帶來的邊際產出遠低于一單位研發人員投入的邊際產出，這表明與非研發勞動力相比，對于研發人員的高邊際產出來而言，研發人員的工資水平過低，尤其海南、新疆等地研發勞動要素結構性扭曲值最小，即研發勞動要素結構性扭曲程度最小，相應的研發人員與非研發人員工資水平差距最大。

（三）數據來源及描述性統計

由于國民經濟核算體系（SNA-2008）的發布，2009 年之前和之后的很多數據在統計口徑上發生了變化，數據的變化趨勢不連貫，所以本文選取的研究樣本為2009—2019 年中國30 個省份（不包含港澳臺地區）的面板數據，此外，西藏由于數據缺失嚴重，故將其排除不予考慮。原始數據來自《中國統計年鑒》《中國科技統計年鑒》《中國勞動統計年鑒》《中國價格統計年鑒》《中國城市（鎮）生活與價格年鑒》《中國價格及城鎮居民家庭收支調查統計年鑒》及中經網統計數據庫、國泰安數據庫等。表2 是本文涉及的主要變量及其描述性統計。

表2 描述性統計

四、回歸結果分析

（一）回歸結果與分析

1.基準回歸分析。本文采用2009—2019 年中國各省份創新生產效率作為被解釋變量，并選取研發要素配置扭曲為核心解釋變量，同時添加FDI為解釋變量，以地區政府干預程度、地區受教育水平和地區技術市場流動情況為控制變量，采用面板計量回歸模型，考察了研發要素配置扭曲和FDI對中國各省份創新生產效率的影響。

表3 中，模型（1）為研發要素配置扭曲、研發勞動要素結構性扭曲和FDI對創新效率的回歸結果，模型（2）為添加研發要素配置扭曲和FDI的交互項、研發勞動要素結構性扭曲和FDI的交互項之后，考慮所有因素的總體回歸結果。根據Hausman 檢驗的結果，基準回歸的兩個模型均采用固定效應回歸。

表3 基準回歸結果

以上兩個模型均顯示，研發要素配置扭曲對創新效率具有顯著影響。第一，兩個模型都表明研發要素配置扭曲顯著促進了創新效率的提升，企業越來越多的引入優質資本，研發資本單位投入帶來的邊際報酬不斷增加，企業的創新效率也隨之增加，因此研發要素配置扭曲增加會促進創新效率的提升，這一結果證實了研究假說1 的內容。第二，兩個模型均表明研發勞動要素結構性扭曲顯著抑制了創新效率，研發人員得不到與其邊際產出相匹配的工資報酬，創新生產的動力不足缺乏積極性，進而抑制創新效率的提高，從而驗證了假說2 的內容。第三，兩個模型的結果表明，FDI對創新效率提升也表現出顯著的促進作用，且模型（2）的回歸結果顯示，研發要素配置扭曲和FDI的交互項回歸系數為正，且結果在1%水平上顯著，表明引入FDI也削弱了研發要素配置扭曲對創新效率促進作用，也即當FDI越小時，研發要素配置扭曲對創新效率的促進作用越強；研發勞動要素結構性扭曲和FDI的交互項回歸系數為正，且在1%水平上顯著，表明FDI削弱了研發勞動要素結構性扭曲對創新效率的負向影響，也即當FDI越小時，研發勞動要素結構性扭曲對創新效率的抑制作用越強；通過計算，除浙江省2015—2019 年和廣東省2017—2019 年之外，FDI對創新效率總的作用仍是積極的促進作用，FDI對創新效率的抑制作用來自于FDI進入后削弱了研發要素配置扭曲對創新效率的正向作用，即FDI和研發要素配置扭曲交互項的作用，在這些年份，浙江省、廣東省的研發要素配置扭曲值較大，FDI進入后對研發要素配置扭曲對創新效率促進作用的削弱超了過FDI本身對創新效率的促進作用和FDI對研發勞動要素結構性扭曲對創新效率抑制作用的削弱效果之和，所以FDI在總體上對創新效率產生了抑制作用。以上，驗證了研究假說3 的內容。

從控制變量的回歸系數來看，政府干預程度、地區受教育水平和地區技術市場流動情況都顯著促進了創新效率的提升，且三種控制變量的促進作用依次降低，政府干預程度的影響最大，受教育水平略小，技術市場流動情況的促進作用最小。

如果存在內生性問題，以上估計結果可能是有偏的或不一致的。表3 中回歸結果顯示，豪斯曼內生性檢驗結果顯著，且1%水平上顯著表明變量存在內生性問題。內生性可能來源于遺漏變量和測量誤差等方面，盡管本文使用面板數據在一定程度上避免了遺漏變量問題，而且盡可能地控制了影響創新效率的其他變量，但仍然可能遺漏一些重要變量。而且關于研發要素配置扭曲、研發勞動要素結構性扭曲、FDI和創新效率衡量中可能存在的測量誤差等都有可能會產生內生性問題。基于此，本文采用兩階段最小二乘法2SLS 對內生性問題進行控制。

在使用2SLS 過程中，需要事先設定相關的內生解釋變量和工具變量。本文模型（3）將研發要素配置扭曲作為內生解釋變量，模型（4）FDI作為內生解釋變量。在工具變量的選擇上，參考施炳展和冼國明（2012）[32]的做法，選取內生變量的一階滯后項作為工具變量，即研發要素配置扭曲和FDI的一階滯后項作為其自身的工具變量。2SLS 的估計結果如上面的表3 所示，模型（3）和模型（4）的回歸結果均具有顯著性，表明回歸結果通過了所有工具變量的計量統計檢驗，且與前面的基準回歸結果一致。

2.分地區回歸分析。為了檢驗以上模型分地區的回歸結果，本文將除西藏外的30 個內陸省份，分為東、中、西部地區分別回歸①其中，東部地區為：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南，共11 個省份；中部地區為：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南，共8 個省份；西部地區為：內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆，共11 個省份。。表4 為三個地區的回歸結果，根據Hausman 檢驗的結果，東部地區和西部地區均采用固定效應回歸，中部地區的模型（7）和模型（8）統一采用隨機效應回歸。

表4 分地區回歸結果

分地區回歸的結果表明：首先，研發要素配置扭曲對創新效率的影響，東部地區和中部地區均表現為顯著的促進作用，進一步驗證了研發要素配置扭曲增加會促進地區創新效率的提升，但西部地區可能由于西部大開發戰略的深入實施使其更多地依靠對外開放、政策優惠等途徑提高創新效率，因此研發要素配置扭曲對創新效率影響不顯著。其次，研發勞動要素結構性扭曲對創新效率的影響，中部地區在模型（7）中表現為1%顯著性水平的抑制作用，模型（8）中表現為10%顯著性水平的抑制作用，西部地區在模型（9）、模型（10）均表現為1%顯著性水平的抑制作用，東部地區的回歸結果不顯著，說明東部地區由于經濟社會比較發達，各種勞動人員的工資水平都很高，研發人員的勞動所得高于其他地區，這種研發人員和非研發人員的差異已經不影響研發人員的創新動力和積極性了，而中部地區和西部地區表現為顯著的抑制作用，研發勞動要素結構性扭曲增加會抑制創新效率提升。再次，對于FDI，三個地區的回歸結果均表現為FDI顯著促進了創新效率的提升；對于研發要素扭曲和FDI的交互項，東部地區研發要素配置扭曲和FDI交互項的回歸結果顯著，且與基準回歸相符，研發勞動要素結構性扭曲和FDI的交互項不顯著，中部地區兩個交互項均顯著，且與基準回歸相符，西部地區研發要素配置扭曲和FDI交互項的回歸結果不顯著，研發勞動要素結構性扭曲和FDI的交互項顯著，且與基準回歸相符。最后，控制變量政府干預程度、受教育水平和內部技術市場流動情況在東、中、西三個地區基本都與基準回歸結果相符，顯著促進了創新效率的提升。

綜上估計結果與前文基準回歸結果基本一致，說明本文的研究結果具有較好的穩健性。

（二）穩健性檢驗

1.更換被解釋變量測算指標。為了檢驗上述模型的穩健性，我們參考白俊紅和蔣伏心（2015）[33]的方法，根據發明專利、實用新型和外觀設計三種專利的創新程度，對其分別賦予0.5、0.3 和0.2 的權重，采用加權平均值作為最終的專利指標，以衡量創新產出。同樣用隨機前沿法測算出創新效率作為被解釋變量，以研發要素配置扭曲、研發勞動要素結構性扭曲和FDI作為解釋變量，同樣以地區政府干預程度、地區受教育水平和地區內部技術市場流動情況為控制變量，采用面板計量回歸模型，再次考察研發要素配置扭曲、研發勞動要素結構性扭曲和FDI對我國創新生產效率的影響。表5 為重新測算創新效率后，是否考慮交互項這兩種情況對應的總體回歸結果：

表5 更換被解釋變量的回歸結果

從以上回歸結果看，研發要素配置扭曲顯著促進了創新效率的提升；研發勞動要素結構性扭曲顯著抑制了創新效率的提升；FDI顯著促進了創新效率的提升；對于交互項的影響，研發要素配置扭曲和FDI交互項的回歸結果顯著為負，表明FDI的引入削弱了研發要素配置扭曲對創新效率的促進作用，研發勞動要素結構性扭曲和FDI的交互項，顯著為正，表明FDI的引入削弱了研發勞動要素結構性扭曲對創新效率的抑制作用；通過計算，總體上，FDI對創新效率總的影響仍為正向促進作用；此外，控制變量也均顯著促進了地區創新效率。綜上估計結果與基準回歸結果一致，進一步表明了本文的估計結果具有穩健性。

2.更換解釋變量測算指標。為了進一步檢驗模型的穩健性，本文以研發人員工資與非研發人員工資之比表示研發勞動要素結構性扭曲，其他變量與基準回歸變量一致，考察研發要素配置扭曲、研發勞動要素結構性扭曲和FDI對中國各省份創新生產效率的影響。表6 為采用了2010—2019 年省級數據的固定效應面板回歸結果。

表6 更換解釋變量的回歸結果

從以上回歸結果看，研發要素配置扭曲顯著促進了創新效率的提升；研發勞動要素結構性扭曲顯著抑制了創新效率的提升；FDI顯著促進了創新效率的提升；對于交互項的影響，研發要素配置扭曲和FDI交互項的回歸結果顯著為負，表明FDI的引入削弱了研發要素配置扭曲對創新效率的促進作用，研發勞動要素結構性扭曲和FDI的交互項，顯著為正，表明FDI的引入削弱了研發勞動要素結構性扭曲對創新效率的抑制作用；通過計算，總體上，FDI對創新效率總的影響仍為正向促進作用；此外，控制變量也均顯著促進了地區創新效率。上述估計結果與基準回歸結果一致，進一步表明了本文的估計結果具有穩健性。

（三）進一步分析：基于FDI 對研發人員工資的W 視角

在前文的機制分析中，主要探討了FDI可能通過壓低研發人員工資的途徑來影響研發要素配置扭曲和研發勞動要素結構性扭曲對創新效率的作用，本文將進一步對這一機制進行檢驗，設定如下簡化的檢驗模型，為了結果的穩定性對所有變量取對數，如下式所示：

其中，下標i、t分別表示地區、時間，η0、η1、η2為變量的回歸系數，wrd為研發人員的工資，FDI為外商直接投資，X為控制變量，控制變量包括地區人均GDP（PGDP）、地區城鎮化率（Urb）和地區內部技術市場流動情況（TD）。本文選取2009—2019 年省級面板數據，FDI對研發人員工資的具體回歸結果如表7 所示。

表7 FDI 對研發人員工資的回歸結果

在以上回歸結果中，分別展示了總體固定效應回歸結果和東部地區、中部地區、西部地區的固定效應回歸結果。四個模型均表明引進外資對我國研發人員的工資水平具有抑制作用，即FDI壓低了研發人員的工資。結合前文的機制分析，FDI通過壓低研發人員的工資，減輕了創新研發企業的研發成本，使得企業可以雇傭更多的研發人員或者投入更多的研發資本，從而對地區創新效率產生促進作用；同時，FDI通過壓低研發人員的工資，降低了研發要素配置扭曲和研發勞動要素結構性扭曲，進而削弱了研發要素配置扭曲對創新效率的促進作用，進一步驗證了研究假說3 的內容。

五、結論

本文將研發要素配置扭曲、研發勞動要素結構性扭曲和FDI作為核心解釋變量，研究其對創新效率的影響，并考慮了交互影響，拓展了已有的研究框架。使用省級面板數據，構建了研發要素配置扭曲、研發勞動要素結構性扭曲和FDI等指標，系統考察了研發要素配置扭曲、研發勞動要素結構性扭曲和FDI對創新效率的影響。主要得出如下結論：研發要素配置扭曲對創新效率的提升具有促進作用；研發勞動要素結構性扭曲對創新效率的提升具有抑制作用；FDI對創新效率具有顯著的促進作用，FDI的引入削弱了研發要素配置扭曲對創新效率的正向影響，也削弱了研發勞動要素結構性扭曲對創新效率的負向影響，總體上，FDI對創新效率仍具有積極的促進作用。

由此，本文提出以下建議：

首先，應該形成一個更有效的研發要素市場，更優的研發要素配置能夠提升創新效率，使研發要素自由流動、要素價格反應靈活，提高研發人員的工資報酬，從而吸引更多創新人才。同時，在教育層面上，要提高人力資本積累，特別是高素質研發人才的人力資本積累。

其次，政府應該采取積極的政策吸引外資，外資的進入能夠促進創新效率的提升。在創新資源有限的情況下，注重引進高質量的外商直接投資，從而更好地提升創新效率。同時，政府應合理簡化相關程序，使外資順利進入我國，建立完善的外商投資機制，營造良好的外商投資環境，為外資進入和發揮作用提供良好的內部制度環境。