異質性無形資本投資與生產率增長差異
——基于跨國行業數據檢驗

于 誠 胡曉曼

一、引言

相較于有形資本，無形資本具有非實體性、知識性、技術性等典型特征(Nakamura，1999；Bond et al.，2000)，已逐漸成為新經濟時代的基本動能(Corrado et al.，2005；胡鞍鋼等，2016；鄭世林和楊夢俊，2020)。從廣義的經濟學角度來看，諸如知識資本、研發支出、組織資本等活動，旨在增加未來消費支出且區別于廠房、設備等物質資本的投資，均可視為無形資本(Corrado et al.，2005；Peters & Taylor，2017)。世界知識產權組織針對制造業全球價值鏈的相關研究發現，品牌、設計、技術等無形資本在制成品價值中的貢獻率超過30%。(1)世界知識產權組織發布的《2017年世界知識產權報告：全球價值鏈中的無形資本》。國外學者估算發現，歐美發達國家無形資本投資的增速在1990年之后遠超有形資本，引致二者規模差距的不斷縮小(Marrano et al.，2009；Corrado et al.，2009；Fukao et al.，2009；Corrado et al.，2021)，投資的“無形化”已成為全球經濟增長中的一個重要趨勢。

無形資本的組成具有一定的異質性，Corrado等(2005)在其開創性研究中將無形資本大致劃分為三類，分別為計算機信息化資本、創新資本和提升經濟競爭力資本，為后續無形資本分類測度和效應研究提供了范式框架——CHS框架(2)本文將這種計量無形資本的框架簡稱為“CHS 框架”，“CHS”為Corrado、Hulten和Sichel(2005)一文中三位作者名的首字母縮寫。(見表1)。計算機信息化資本包括嵌入在計算機程序和數據庫中的知識。提升經濟競爭力資本指嵌入公司的特定人力、結構資源的品牌名稱和其他知識的價值，包括廣告、市場研發在內的特定人力資本和組織資本的支出。創新資本包括嵌入在專利、許可和通用技術中的科學知識，以及“商業版權、許可及設計中的創新和藝術內容”。關于中國的研究也驗證了無形資本崛起的趨勢。鄭世林和楊夢俊(2020)發現，2000～2016年，中國無形資本投資規模快速攀升，其存量年均增長約23%，但從異質性視角觀察，中國經濟競爭力資本占無形資本比重遠低于美國。

表1 CHS框架下無形資本的異質性分類

探尋無形資本投資對于國家、行業以及企業的生產率提升效應，已成為當前研究的熱點。Corrado等(2005)認為，無形資本的投入使得美國1995～2002年的生產率比1973～1995年提高了1.25%。Edquist(2011)、Roth和Thum(2013)沿用CHS框架所做的研究，也支持了上述論斷。Corrado等(2012)利用歐洲數據進行實證研究指出，無形資本投資為歐洲生產率提升貢獻了75%。Hulten 和 Hao(2012)針對中國的研究也支持了上述論斷，隨著中國加大無形資本投入，其與發達國家的生產率水平正不斷縮小。Rico等(2020)對于西班牙酒店企業的研究發現，在規模較小的酒店公司中，無形資本對于生產率的貢獻彈性更高。無形資本的生產率效應也具有行業異質性(Chen et al.，2016；Nonnis et al.，2021)。金融業和制造業受無形資本的生產率影響效應更加明顯，而這些無形資本密集型行業能夠帶來更多的創新(Chen et al.，2016)。Hosono等(2020)利用2000～2013年日本企業層面的面板數據研究表明，隨著有形資本和無形資本之間的互補性越來越強，企業的有形投資與無形投資之間的正相關關系越來越強，有必要考慮有形資本和無形資本在互補性方面的動態關系，以準確理解企業增長的控制機制。

作為無形資本的重要組成部分，研發類無形資本投資對生產率的影響得到學者的廣泛認可。研究者普遍指出：研發類無形資本投資不但是行業、企業乃至國家生產率提升的關鍵來源，同時，研發類無形資本投資還存在明顯的溢出效應。Bengoa等(2017)強調，私人部門和公共部門的研發活動均會對生產率產生長期作用，并且公共研發投資的效果甚至高于私人的研發投資效果。盡管研發類無形資本投資對生產率的作用毋庸置疑，但現有的很多文獻可能過度解讀了研發在創新過程中的作用，事實上，創新不僅來自研發，也可能來自非研發活動(Lopez-Rodriguez & Martinez-Lopez，2017)。根據第三次歐盟創新調查，15個國家中幾乎有一半的歐盟創新企業沒有進行研發投資，而且發現自身創新能力微弱、缺乏受過高等教育的員工和專家的小型企業更有可能在沒有進行研發投資的情況下進行創新，來自供應商和競爭者的原始信息使得企業更傾向于通過非研發活動進行創新。BRDIS(Business R&D and Innovation Survey)對美國120萬家盈利性公司的調查數據顯示，2011年只有5%的公司開展研發或資助研發活動，沒有研發活動的公司約占95%(其創新率要低很多)。(3)National Science Foundation, National Center for Science and Engineering Statistics. Business R&D and Innovation: 2011. Detailed Statistical Tables NSF 15-307. Arlington, VA. 2014.

綜上所述，現有文獻對無形資本界定及其引致的生產率效應研究已較為完備，為后續研究提供了堅實的理論基礎，但仍有值得深化的空間。無形資本具有一定的異質性，不僅包含研發類無形資本投資，也包含大量的計算機信息化資本、提升經濟競爭力資本以及其他創新資本(非研發類無形資本投資)。值得注意的是，目前，針對無形資本投資中非研發類無形資本投資的生產率效應關注較少。從學術研究和政策實踐角度看，研發類和非研發類無形資本投資對國家和行業生產率提升的影響均十分重要，都值得學者和政府當局重視。本文的創新點主要在于不僅重視了無形資本投資過程中研發類無形資本投資對生產率的影響，而且將非研發類無形資本投資作為單獨變量列入考察范圍，分析非研發類無形資本投資對生產率的影響及其在不同行業間的影響程度是否有所差別。通過國際經驗的實證研究，以期為我國在創新驅動發展戰略下有效引導無形資本投資提供事實依據和決策參考。

二、模型設定、變量選取與數據來源

(一)模型設定

根據傳統的內生增長理論，研發投資行為被視為促進國家生產率增長的重要因素。本文核心假設是非研發類無形資本投資引起的創新動力也會對生產率增長產生顯著影響，試圖將非研發類無形資本投資作為單獨變量列入方程。從宏觀視角出發，一個國家或地區有很多企業，企業的研發類無形資本投資或者非研發類無形資本投資可以體現為國家或地區的產出提高，根據新古典主義生產理論：

Yi,t=Ai,tF(Li,t,Ki,t)

(1)

其中，i表示國家或地區，t表示時間，Y表示總產出，L和K分別表示勞動力和資本這兩個因素。A表示技術進步下的生產率函數，通常被認為是TFP，而過去認為TFP主要依賴于研發的投資水平(Aghion & Howitt，2006)，本文將非研發資本作為驅動TFP增長的另外一個重要原因，因此，認定研發類無形資本和非研發類無形資本投資都是驅動TFP的重要因素，即：

Ai,t=φ(rdi,t,nonrdi,t)

(2)

根據前文理論模型，一國生產率增長將受到異質性無形資本投資(研發類和非研發類無形資本投資)的共同影響，故將模型設定為：

TFPi,t=α+β1rdi,t+β2nonrdi,t+γ1Di+εi,t

(3)

其中，i表示國家或地區，t表示時間，TFPi,t表示各國在t時刻的TFP增長率，rd與nonrd分別表示各國的研發類和非研發類無形資本投資增長率(以對數差分形式獲得)。加入國家固定效應Di，用來控制可能會獨立影響TFP增長率的個體因素，以使回歸結果更加穩健。εi,t表示殘差項。

Mcmorrow等(2009)詮釋了全要素生產率提升的技術勢能因素，認為TFP存在國家間溢出效應，技術落后國家能夠利用與技術前沿國家的技術勢能落差，提升本國的TFP。因此，本文將國家的TFP增長率(TFPL,t)和各國與前沿國家的技術差異(dTFPi,t-1)納入計量模型。同時考慮到無論是自主創新還是模仿創新，最終都需要研發人員去具體實現，需要充足的人力資本積累，人力資本主要體現在研發人員數量和研發人員綜合素質，故將人力資本(humani,t)也納入模型中，形成如下模型：

TFPi,t=α+β1rdi,t+β2nonrdi,t+β3humani,t+β4TFPL,t+β5dTFPi,t-1+γ1Di+εi,t

(4)

結合本文的研究主旨，需針對不同國家具體行業進行分析，探討各個行業的研發類和非研發類無形資本投資分別對TFP增速的影響，并對比分析這種影響的行業間差異。最終本文建立如下的三維面板數據模型：

TFPi,j,t=α+β1rdi,j,t+β2nonrdi,j,t+β3humani,t+β4TFPL,j,t+β5dTFPi,j,t-1+γ1Di+γ2Dj+εi,j,t

(5)

上式下標中i,j,t分別代表國家、行業、時間。Di表示國家效應，Dj表示行業效應。本文采用動態面板進行回歸，并以被解釋變量的滯后一期作為解釋變量。

(二)變量及數據來源

1.被解釋變量

全要素生產率TFP。本文使用TFP的變化率作為被解釋變量，TFP是指生產活動在一定時間內的效率，是用來衡量生產效率的指標。其主要有三個來源：一是效率的改善；二是技術進步；三是規模效應。大量文獻使用TFP的增長來衡量企業創新與技術進步，本文考察研發類和非研發類無形資本投資對TFP增長的影響，實質上是在研究如何通過調整研發類和非研發類無形資本投資提高企業的創新能力，從而表現為國家創新力的增長。TFP的原始數據來源于EU KLMES數據庫，取對數差分形式作為TFP的增長率，記為TFPi,j,t。EU KLMES數據庫提供了歐盟27個成員國整體和19個行業的生產率測度數據。

2.解釋變量

(1)研發類和非研發類無形資本投資的增長率。本文的核心解釋變量為研發類和非研發類無形資本投資的增長率，研發的概念較為清晰，主要是指通過科學研發(R&D)投資實現的知識創造過程。該指標在CHS框架下創新資本欄中有單獨的統計，并見于intan-invest數據庫。(4)intan-invest數據庫提供了國際上很多國家無形資本總量及異質性分類口徑下規模，具體見網址http: // www. intan-invest. net /。非研發類無形資本投資的數據則用無形資本總額減去研發類無形資本投資的數值得到，無形資本的數據也來源于intan-invest數據庫，這里使用對數差分形式作為研發類和非研發類無形資本投資的增長率，分別記為rdi,j,t與nonrdi,j,t。選取歐洲10國作為研究對象，可以發現1999～2017年，非研發類無形資本投資平均增速高于研發類無形資本投資0.671個百分點(見表2)。

表2 歐洲10國無形資本投資情況

(2)技術差異與前沿國家的TFP增長率。TFPL,j,t表示前沿國家不同行業的TFP增長率，dTFPi,j,t表示分行業領域各國與技術前沿國家的技術差異。參照Mcmorrow等(2009)中的測算，令dTFPi,j,t=log(TFPi,j,t)-log(TFPL,j,t)，這一指標顯示各國通過采用最新技術可以使TFP增長率增加的空間。

(3)人力資本。教育程度的高低也決定了人力資本的多寡，因此，教育指標法成為衡量人力資本水平的主流工具，常見的思路是統計學校入學率。本文利用世界銀行WDI數據庫提供的中學入學率來近似衡量各國人力資本數，標記為humani,t。

本文使用歐洲10國及相關行業層面的面板數據，時間跨度為1999～2017年，行業涉及農業、采礦業、制造業、公共事業、建筑業、貿易業和金融業。各國分行業異質性無形資本投資數據來自intan-invest數據庫，TFP數據搜尋于EU KLEMS數據庫，其他變量數據來自WDI數據庫。主要變量及其說明如表3所示。

表3 主要變量及其說明

續表

三、實證結果及分析

(一)跨國行業層面回歸

在跨國行業層面的回歸分析中采用系統廣義矩估計(系統GMM)，該方法將內生變量的滯后性作為工具變量，能夠較為有效地避免估計時變量間的內生性問題，被廣泛采用。與差分GMM相比，系統GMM同時估計了水平項和趨勢項，利用了更多的樣本信息，相對來說更加有效。表4列出了異質性無形資本投資生產率效應的跨國分行業回歸結果，其中，各方程的AR(2)統計量均大于0.1，說明通過了10%水平上的顯著性檢驗，擾動項不存在二階自相關，拒絕“擾動項無自相關”的靶假設。同時，Sargan統計量均在10%的水平上顯著，表明無法拒絕“所有工具變量均有效”，進而證明模型中所選取的工具變量是可靠的。

表4中列(8)為跨國全行業樣本角度下異質性無形資本投資的生產率效應測算結果。為了消除因加入技術前沿國家TFP增速而帶來的自相關性，本文首先剔除了技術前沿國家的情形。在加入國家固定效應后，結果顯示，rdi,j,t的系數為0.0248，且在10%的統計水平上顯著為正，說明一國的研發類無形資本投資增速每增加1%，將會促進本國的TFP增速提高0.0248%。nonrdi,j,t也在1%的水平上顯著為正，說明一國非研發類無形資本投資增速每增加1%，將會促進其TFP增速提高0.0114%。rdi,j,t與nonrdi,j,t顯著為正的系數值表明，無形資本投資對一國TFP的提高有著顯著的促進作用。隨后加入了控制變量，rdi,j,t與nonrdi,j,t的系數符號和顯著性均未發生明顯偏轉。兩種類型的無形資本投資的生產率效應積極有效，因此，在創新過程中均需要得到充分重視，該結果也與Borgo等(2013)的研究結論一致。反映技術前沿國家TFP增速的變量TFPL,j,t，系數也在10%的水平上顯著為正，表明技術前沿國家所產生的技術進步行為和成果，能夠對其他國家產生顯著的溢出效應。反映技術差異的變量L.dTFPi,j,t在1%的水平上顯著為負，即當兩國技術差異每擴大1個百分點時，將會使得落后國家的TFP增速增加0.108個百分點。可以利用經濟收斂理論對該結果加以解釋。當一國處于經濟穩態邊緣時，通過與技術前沿國家的交流能夠更容易激發其利用自身研發和非研發行為來獲取技術勢能，實現TFP的快速增長。humani,t在1%的水平上顯著為正。

針對具體行業進行異質性無形資本投資的生產率效應分析，結果如表4列(1)至列(7)所示。從研發類無形資本投資來看，在加入控制變量后，rdi,j,t對于制造業TFP的影響系數顯著為正，達到0.303，且為各行業中最大系數。一方面，這表明研發類無形資本投資對于制造業TFP的提升作用最為明顯；另一方面，也驗證了研發類無形資本投資的生產率效應存在行業間差異。同時要說明的是由于intan-invest數據庫中將金融業的研發類無形資本投資額列為0，故本文在回歸中并未得到列(7)中金融業的rdi,j,t的系數值。nonrdi,j,t的系數在制造業中并不顯著，而在諸如公共事業、貿易業、金融業等服務性行業中的系數較大，表明針對輕資產行業的非研發類無形資本投資表現出較好的生產率提升效應。

(二)行業間溢出效應分析

以上基于單行業的角度探討了研發類和非研發類無形資本投資對本行業TFP水平的影響，但相關異質性無形資本投資對于TFP的增長是否存在著行業間的溢出效應，仍然值得進一步探討。為此設定模型如下：

TFPi,j,t=α+β1rdi,j,t+β2nonrdi,j,t+β3otherdi,j,t+β4othernonrdi,j,t+β5humani,t

+β6TFPL,j,t+β7dTFPi,j,t-1+γ1Di+γ2Dj+εi,j,t

(6)

其中，變量otherdi,j,t與othernonrdi,j,t為具體分析的一個行業之外的其他全部行業研發類和非研發類無形資本投資變化情況，變量系數則反映出異質性無形資本的行業間溢出效應程度和方向。其他變量含義不變，回歸結果如表5所示。

表5 行業間溢出效應回歸結果

在全部行業樣本數據回歸中，otherdi,j,t在1%的水平上顯著為正，達到0.0103，表明通過其他行業的研發資本積累，可以產生正向溢出效應，優化整個經濟體的研發要素質量，有助于本行業全要素生產率的提升。涉及具體行業分析的回歸結果中，可以發現，otherdi,j,t在大多數行業的回歸系數顯著為正，在制造業、建筑業和金融業尤為明顯，說明這些行業受到其他行業的研發類無形資產投資溢出效應較為明顯。othernonrdi,j,t系數雖然在公共事業與建筑業中顯著為正，但其在大多數行業以及全樣本中并不顯著，說明整體來看非研發類無形資本投資的外溢效應并不明顯。究其原因，非研發類無形資本中，經濟競爭力資本往往具有較強的資產專用性和排他性(許祥云等，2018)，涉及大量的“默會知識”，不易于行業間交流傳遞，因此，行業間溢出效應并不明顯，難以跨行業轉化為生產率。

四、拓展分析

(一)技術差距影響無形資本投資的TFP提升效應嗎

Aghion和Howitt(2006)認為，全要素生產率的增長一是取決于創新的速度，二是取決于“最先進”技術的傳播與被采用的速度，且技術前沿國家的TFP增速主要依賴于最新技術的發展，而“跟隨者”國家則主要通過采用已有的技術。但哪一種情形中的TFP增速更加明顯，這在現有文獻中鮮有討論，本文通過分別引入rd、nonrd與dTFPi,j,t的交互項，驗證各國與前沿國家的技術差距是否會對研發類和非研發類無形資本投資與TFP的關系產生影響。為此本文設定如下模型：

TFPi,j,t=α+β1rdi,j,t+β2nonrdi,j,t+β3humani,t+β4TFPL,j,t+β5dTFPi,j,t-1

+β6(rdi,j,t×dTFPi,j,t)+β7(nonrdi,j,t×dTFPi,j,t)+γ1Di+γ2Dj+εi,j,t

(7)

其中，rdi,j,t×dTFPi,j,t以及nonrdi,j,t×dTFPi,j,t分別表示研發類和非研發類無形資本投資增速與技術差距之間的交互項，其他變量含義不變，回歸結果如表6所示。

表6 加入投資增速與技術差距交互項的回歸結果

續表

全樣本回歸中，rd×dTFP的系數在5%的水平上顯著為負，這說明研發類無形資本投資增速對行業TFP增速的影響確實受到了各國技術差距的影響，且當一國距離前沿國家技術差距越大時，1單位的研發類無形資本投資將帶來更多TFP增速的增長。nonrd×dTFP的系數與rd×dTFP類似，在10%的水平上顯著為負，說明當本行業處于技術越落后的階段，非研發類無形資本投資增速將會對行業TFP增速產生越大的作用。

(二)無形資本投資生產率效應增強了嗎

以上都是基于1999～2017年間數據進行的研究，但也有學者研究發現，隨著科技水平的進步，研發類和非研發類無形資本投資對于TFP似乎發揮越來越重要的作用。在這部分研究中以2008年作為一個時間節點，考慮引進虛擬變量，探討全球金融危機以來研發類和非研發類無形資本投資的作用差異，為此本文設定如下模型：

TFPi,j,t=α+β1rdi,j,t+θ1(I×rdi,j,t)+β2nonrdi,j,t+θ2(I×nonrdi,j,t)+β3humani,t

+β4TFPL,j,t+β5dTFPi,j,t-1+γ1Di+γ2Dj+γ3Dt+εi,j,t

(8)

表7 特定時間前后模型回歸結果

在分別對以上兩個變量加入虛擬變量之后，I×rdi,j,t與I×nonrdi,j,t的系數在全樣本以及大多數行業中也是顯著為正，這說明研發類和非研發類無形資本投資對TFP的促進作用確實具有時間變動趨勢，且也說明全球金融危機以來，研發類和非研發類無形資本投資對于TFP的促進作用變得更加明顯。

五、結論與啟示

前文基于CHS框架，將無形資本分為研發和非研發兩類，并利用1999～2017年歐洲10國7個行業的面板數據，實證檢驗了異質性無形資本投資的生產率效應，主要形成了以下幾點結論。一是在異質性無形資本投資過程中，不僅研發類無形資本投資能促進一國的TFP增加，非研發類無形資本投資也對一國的TFP增加有顯著的正向作用，并且這種趨勢在2008年全球金融危機后得到加強。二是涉及具體行業時，不同行業的研發類和非研發類無形資本投資的生產率效應作用有所差異。其中，研發類無形資本投資對制造業生產率增長的影響程度較高，非研發類無形資本投資對貿易業、金融業、公共事業的影響程度較大，表明服務性行業的技術進步更多地依賴于非研發類無形資本投資。三是研發類無形資本投資對其他行業生產率提升存在溢出效應，但受專用性和排他性的影響，非研發類無形資本投資整體上不存在行業間溢出效應。四是研發類和非研發類無形資本投資增速對行業TFP增速的影響都受到了各國技術差距的影響，且當一國距離前沿國家技術差距越大時，1單位的研發類和非研發類無形資本投資將帶來更多TFP增速的增長，同時，技術差距影響非研發類無形資本投資的生產率效應在服務業表現最為明顯。

本文針對跨國行業數據的經驗分析對當前中國實施創新驅動發展戰略也具有重要的啟示。第一，高度重視無形資本生產率效應，持續加大無形資本投入。改革開放以來，中國憑借人口紅利及其他初級要素優勢，虹吸大量國際直接投資進而克服了資本缺口和邊際收益遞減的困境，奠定了“世界工廠”地位 。然而，當前以資本和要素規模投入為主要動力來源的中國經濟增長正面臨著不可持續性的挑戰，全球價值鏈附加值含量不高的弱點進一步暴露，這些挑戰不僅來自現實中資源“瓶頸”的約束，更來自內外部經濟結構失衡和引擎轉換的緊迫性。為實現技術進步和全球價值鏈攀升，必須堅持創新驅動發展，要通過加大無形資本投入，穩固創新核心動力源。第二，結合行業特征，調整無形資本投入結構。在著重發揮研發類無形資本投資作用的同時，不能忽視了非研發類無形資本投資表現出來的生產率促進作用。針對制造業，不僅需要繼續加大對企業研發投入的支持力度，完善以研發費用加計扣除為主的稅收優惠政策，也要鼓勵企業積極開展創新合作，構建完備的創新生態，進而為制造強國建設提供不竭動力。第三，深入推進對外開放，積極吸收利用發達國家的無形資本。一方面，要充分利用與先進國家服務業的技術勢能落差，實施有足夠吸引力的舉措，吸引更多跨國公司在我國設立全球或地區總部，以及研發中心、營銷中心、結算中心等功能性機構，壯大國內無形資本總量。另一方面，積極鼓勵我國企業“走出去”，通過設立跨界研發中心、全球孵化基地、海外創業聯絡服務站等載體，引導企業在海外就地吸納無形資本，進一步提升創新的國際化水平。同時，中國政府及有關部門應該圍繞數字經濟、高端服務業、人才流動等重點領域，推動更高水平自由貿易協定或投資協定簽署，如努力推進《中歐全面投資協定》(CAI)的早日批準和運作，盡快加入《全面與進步跨太平洋伙伴關系協定》(CPTPP)，通過對標高標準經貿規則加強無形資本的跨境流動。