知識粘性、創新投入與經濟增長：調節作用與門限效應

項 燕

(安徽新華學院 財會與金融學院,合肥 230088)

一、引言

黨的十八大提出“創新驅動發展戰略”以來,中國一直把創新放在全局發展的核心位置,高度重視創新投入對經濟發展的推動作用。根據財政部發布的《2022年中國財政政策執行情況報告》公布的數據,2022年,中國研發投入超過3萬億人民幣,環比增長10.4%,實現了連續七年兩位數增長,研發投入強度達到了2.55%,再創歷史新高。而根據世界知識產權組織發布的《2022年全球創新指數報告》,中國2022年的創新水平位列全球第11位,也是持續多年處于上升狀態。在創新投入和創新水平不斷提升的背景下,創新對經濟發展的驅動力是否充分發揮成為社會各界關注的重要課題。

創新投入為創新水平提升提供了物質基礎,進而推動經濟增長,然而這種推動力的發揮受到諸多因素的影響,比如政府層面的補貼、稅收優惠、對外開放水平等,企業層面的市場競爭水平、組織結構、薪酬激勵等,其中,知識粘性也是非常重要的一個因素。知識粘性是指知識在傳播過程中的相對不可移動性,對其原始所有者存在一定的粘性,這使得知識的正常流動受到限制。[1-2]現有大多數關于創新投入的研究通常假設創新投入要素的使用沒有障礙,要素投入是完整的。[3-4]事實上,由于知識傳播的空間范圍和知識學習的路徑依賴性,技術知識的傳播并不完整和及時,即存在一定的“粘性”,特別是對于排他性和創新性較高的高科技知識。

知識經濟時代,知識要素已成為經濟發展的主要資源,知識獲取和應用的必然性是創新活動過程中不可或缺的關鍵環節,但知識粘性的存在給知識流動和模仿帶來了障礙,不利于創新活動的順利進行。因此,知識粘性的存在是否會影響到創新投入對經濟增長的推動作用,這對于中國經濟增長速度和質量具有重要的理論和現實意義。

梳理文獻發現,在研究內容上,現有文獻對創新投入與經濟增長之間關系的研究比較多,但研究重點主要集中在創新投入對經濟增長的直接影響機制上,比如戈埃爾(Goel)等[5]、何宜麗和李靖[6]、巫強[7]、張杰和陳容[8]以美國和中國為例研究了創新投入與經濟增長之間的關系,均認同創新投入對經濟增長具有積極影響。少數文獻關注到了知識粘性與創新投入及經濟增長間的關系,比如游達明和李志偉通過構建純策略博弈模型分析了技術知識粘性對R&D投資動機的影響機理,論證了知識粘性對企業R&D投資具有顯著的積極影響。[9]埃利希(Ehrlich)和裴(Pei)從人力資本角度研究知識粘性對經濟均衡增長的影響機制,研究結論指出,知識粘性的存在降低了人力資本分布的差異性,有助于區域經濟均衡增長。[10]但這些研究僅探討了知識粘性與創新投入或經濟增長之間的單邊關系,忽視了知識粘性在創新投入與經濟增長之間的調節作用,而對于這種調節作用的門限效應的考慮更無從談起。在研究范圍上,雖然一些學者針對中國展開了研究,比如何宜麗和李靖[11]、張駿和馬躍[12]、郭英遠等[13],但是沒有考慮到中國經濟環境的區域差異性。在研究方法上,現有研究普遍采用的是實證分析法,比如李守偉[14]、巫強[15]、孟凡臣[16]等,而對于知識粘性、創新投入與經濟增長之間關系的理論機制關注較少,沒有真正打開知識粘性在創新投入影響經濟增長過程中的調節機制的“黑箱”。

本文通過構建一個綜合考慮知識粘性和創新投入的經濟增長模型,將知識粘性納入創新投入與經濟增長之間關系框架,深入分析了知識粘性在創新投入影響經濟增長過程中的調節作用的理論機制,并利用中國內地30個省份2013—2021年的面板數據進行了實證檢驗。同時從知識粘性調節作用的區域差異角度出發,考慮到了調節作用的門限效應,在補充當前理論研究的同時,也為相關部門制定創新政策提供了理論依據。

二、理論機制

基于Romer經濟增長模型[17],本文引入人力資本生產部門,構建一個綜合考慮知識粘性和創新投入的經濟增長模型,從理論上分析知識粘性、創新投入與經濟增長之間的邏輯關系。假設經濟系統由最終產品生產部門、中間產品生產部門、研發部門和人力資本生產部門組成,不考慮每個部門的折舊,經濟系統中有無數同質個體,他們既提供勞動力,又消費最終產品。

(一)模型構造

1.最終產品生產部門

假設最終產品生產部門處于完全競爭市場中,并且該部門由使用部分基礎勞動力、人力資本(技術勞動力)和中間產品進行生產的眾多企業組成。代表性企業的生產函數為：

(1)

其中,Y表示企業的產出,α和β分別為基礎勞動力和人力資本(技術勞動力)的產出彈性,H為社會人力資本存量(技術勞動力存量),φ和(1-λ1-λ2)分別為用于生產最終產品的勞動力和人力資源的比例,xi表示使用的中間產品數量,假設最終產品的價格為1[18],A為當前技術水平。根據利潤最大化原則,制造商的生產函數為：

(2)

由此,求解三個投入要素的價格,其中w、pH和pi分別表示基礎勞動力價格、人力資本價格和中間產品價格：

(3)

(4)

(5)

2.中間產品生產部門

πi=pixi-rxi

(6)

根據利潤最大化原則,結合公式(5),資本貨物價格為：

(7)

根據公式(6)和公式(7),中間產品部門的利潤為：

(8)

根據公式(7),由于每個中間產品的價格是pi。因此,在均衡狀態下,每種中間產品數量也是相同的[20],即xi=xj=x,則有πi=πj=π。

3.研發部門

假設研發部門主要從事技術創新活動,研發部門的生產函數設置為：

A′=δ(λ2H)1-cAθ=δRAθ

(9)

設R=(λ2H),研發部門在創新活動中的投入主要是人力資本(技術勞動力)投入;δ為生產力參數,λ2為用于創新投入的人力資本比例,c為知識粘性,θ代表技術創新彈性系數。

如果技術制造商將專利出售給資本設備制造商并獲得收入,則存在以下等式：

(10)

根據公式(9),結合人力資本邊際產品等于人力資本邊際收益的原則,人力資本價格為：

(11)

4.人力資本生產部門

根據盧卡斯(Lucas)[21]對人力資本生產函數的設置,假設人力資本生產部門使用部分基礎勞動力和人力資本,其生產函數設置為：

H′=η(1-φ)Lλ1H

(12)

其中,η為人力資本生產率參數,(1-φ)和λ1分別表示用于生產人力資本的基礎勞動比率和人力資本比率。

w=η(1-φ)λ1HpH

(13)

5.消費者偏好

(14)

(二)平衡分析

基于上述分析和長期均衡條件,求解均衡增長路徑上的經濟增長率。

社會總資本為K=Ax,將其代入公式(1)可得：

Y=(φL)α[(1-λ1-λ2)H]βAα+βK1-α-β

(15)

根據公式(5)、(7)和(15),資本產出率為：

(16)

由于資本產出比是恒定的,所以產出增長率與均衡狀態下的資本增長率相同,即gY=gK。最終產品生產部門的產出用于消費和投資,即Y=C+K′,因此,消費增長比例(gC)和資本增長比例(gK)相同,進而也與產出增長比例(gY)相同。根據公式(16)可得：

g=Λn+gA+ΒgH

(17)

(18)

基于公式(9)得到gA=(1-c)gH/(1-θ),gR=(1-c)gH,gR為用于創新投入的人力資本增長比例,所以：

(19)

根據公式(14)和公式(18)可得實際利率：

(20)

結合等式(17)、(19)和(20),得到人力資本增長比例(gR)和經濟增長率(g)：

(21)

(22)

其中,Γ=ηλ1φ(1-φ)LΔ。

公式(22)直接反映了經濟增長率和創新投入及知識粘性間的關系。由公式(9)可知,研發部門在產品創新活動中的投入主要是人力資本(技術勞動力)投入,而人力資本產出彈性比重(B)和人力資本增長比例(gR)則是研發部門在人力資本投入上的直接反映。在其他條件不變時,知識粘性對人力資本產出彈性比重(B)和人力資本增長比例(gR)存在反向的直接作用,即知識粘性對創新投入存在反向的直接作用。而人力資本產出彈性比重(B)和人力資本增長比例(gR)對經濟增長率存在正向直接作用,即創新投入對經濟增長率存在正向直接作用,進而知識粘性對經濟增長存在反向調節作用。

三、研究設計

(一)模型構建

借鑒邢會[23]、李金生和朱蔓菱[24]等學者的研究,利用三步法構建中介效應模型以實證檢驗前文理論模型結論。

首先,構建創新投入(IT)對經濟增長(G)的基礎效應模型：

Git=α0+α1ITit+∑?jxijt+λi×μt+εit

(23)

其次,構建創新投入(IT)對知識粘性(KS)主效應模型：

KSit=α0+α1ITit+∑?jxijt+λi×μt+εit

(24)

最后,將知識粘性(KS)引入基礎效應模型,構建中介效應模型：

Git=α0+α1ITit+α2KSit+∑?jxijt+λi×μt+εit

(25)

其中,α0為常數項,α1、α2、?j為待估參數,x表示控制變量,下標i指示空間屬性(本文中為省份),t指示時間屬性(本文中為年份)。λ表示個體固定效應,μ表示時間固定效應。由于傳統的固定效應模型無法解決因不可觀測變量隨個體和時間變化而導致的內生性,為了緩解這一問題,本文引入個體和時間的交互項,以控制共同因素對不同個體的影響。ε為服從正態分布的隨機擾動項。

(二)變量設置和數據來源

1.變量設置

(1)經濟增長(G)。基于前文的理論機制分析,同時考慮到中國不同省份人口規模差異較大,本文用各省份的人均GDP環比增長率代表各省份的經濟增長[25]。

(2)創新投入(IT)。現有文獻使用技術研發人員投入衡量創新投入水平的較多,這與前文機制分析中的創新投入及李婧等人的研究[26]一致,本文采用此指標替代創新投入。

(3)知識粘性(KS)。知識粘性是一個多維概念,基于馮帆[27]、蘭斯基(Szunski)[28]的研究,本文利用全局熵法,從知識轉移主體、知識本身屬性和知識轉移環境三方面綜合測量知識粘性。

將知識粘性的測度指標體系分為三個層次,一級指標是知識粘性的成因,包括知識轉移主體、知識本身屬性和知識轉移環境。各一級指標細分如下：

①知識轉移主體。知識轉移主體分為知識提供者和知識接受者。知識提供者是轉移知識的所有者。由于粘性知識是通過專業勞動傳遞的,知識提供者解釋能力越強,傳遞知識的粘性越小。因此,勞動力的數量和質量直接影響知識傳遞效率。本文選擇應屆高校畢業生數量和接受過高等教育的人口數量代表知識提供者。知識接受者消化和吸收的知識越少,成功轉移的知識越少,知識粘性就越大。本文選取發表的SCI論文數量、高新技術產業開發的新產品數量以及技術市場的成交量體現知識消化和吸收程度。

②知識本身屬性。知識屬性也會形成一定的知識粘性,主要包括知識的緘默性和知識的復雜性。知識的緘默性是指知識的排他程度,知識的專業性越高,適用范圍越窄,越難以被理解和接受。本文用技術改造資金的支出表示知識的緘默性。一個地區的技術改造資金支出越大,用于專業知識轉化的支出就越大,知識粘性就越低,專業知識易于理解。知識的復雜性越高,知識的結構越復雜,信息含量越大,可轉移性越低。本文使用外國技術引進費用和外國技術引進合同數量來描述,一個地區引進外國技術的成本和合同數量越高,表明該地區越重視技術知識的獲取和應用,越有利于知識轉讓。

③知識轉移環境。知識的順利轉移和應用需要合適的環境,主要包括市場化水平和城市化水平。市場化水平越高,市場交易機制越完善,則知識作為一種商品進行交易的阻礙越小,本文選擇非國有單位就業比例替代。而城市化水平在很大程度上決定了知識轉移的范圍和規模,高城市化水平為技術型企業聚集提供了空間,同時也為創新資本聚集提供了基礎,為知識轉移提供了良好的環境。本文選擇城市人口占總人口比例、互聯網寬帶接入用戶數量和城鎮職工平均工資作為城市化水平下的三級指標。

表1 知識粘性測量指標體系

(4)控制變量。為了避免遺漏變量造成偏差,選擇以下控制變量：①貿易開放(TO)。貿易開放程度越高,越有利于引進外國技術和高端人力資本,本文選擇進出口總額占GDP的比重作為代理變量[29]。②第三產業占比(TH)。第三產業占比是一國經濟發展水平的重要體現,同時也是推動國民經濟發展的重要動力,本文選擇第三產業增加值占GDP的比例表示[30-31]。③金融發展水平(FI)。金融活動是社會經濟活動的中心,是經濟增長的重要保障。參考李苗苗等人的研究[32],本文選擇金融機構存款總額占GDP的比例表示。④高等教育水平(ST)。教育為經濟的快速發展提供了人力資本,人力資本的積累速度和存量又會影響經濟增長,本文用大中專院校畢業生數量表示[33]。⑤人口增長率(PR)。人口增長率決定了經濟體系中勞動力數量,而根據C-D生產函數,勞動力數量又決定著社會生產量,所以人口增長率是經濟增長的一個重要影響因素[34]。

2.數據選擇

2012年年底,黨的十八大中明確提出“科技創新必須擺在國家發展全局的核心位置”,2013年可以看出是中國實施“創新驅動發展戰略”的開局之年。所以,本文選取的數據樣本是2013年至2021年中國30個省份(省、市、自治區)的面板數據(不包括港澳臺和西藏)。數據收集整理自歷年的《中國科學技術統計年鑒》《中國高技術產業統計年鑒》《中國統計年鑒》《中國宏觀經濟數據庫》以及各省市的《統計年鑒》。對于少數缺失值,采用移動平均法近似替換,最終共獲得270個有效樣本值。為了剔除物價因素的干擾,以2013年基期,使用消費者物價指數(CPI)對相關經濟變量進行價格收縮。為了進一步緩解異方差,使樣本數據更穩定,對所有變量取對數。由于個別省份的人口增長率為負值,參考相關文獻[35],對于人口增長率為負值的加1,然后取對數。

四、實證結果分析

(一)調節效應分析

使用OLS法對式(23)-(25)逐步回歸,計算過程由Eviews8.0完成。各模型估計結果見表2。

表2 各模型估計結果匯總表

式(23)檢驗了創新投入及控制變量與經濟增長間的關系。可以看出,IT的系數值為0.013,在5%水平下顯著為正,創新投入對經濟增長存在顯著的正向影響,持續的創新投入有利于提高創新水平,進而提高創新績效,推動經濟增長。式(24)檢驗了知識粘性對創新投入的影響,KS的系數值在1%的水平下顯著為負,知識粘性不利于創新投入提升,其原因在于,知識粘性增加了知識轉移的難度和成本,阻礙知識共享和傳播。而創新投入正向影響經濟增長,所以可以斷定,知識粘性在創新投入推動經濟增長過程中存在顯著的反向調節作用。式(25)估計結果顯示,IT的回歸系數在1%水平下顯著為正,但與式(23)相比,其系數值大幅度下降,由0.013下降到了0.006。KS的回歸系數在5%水平下顯著為負,表明知識粘性的反向調節作用顯著存在,知識粘性阻礙了創新投入對經濟增長的正向推動作用的發揮,降低了創新投入對經濟增長的正向影響力。盡管創新投入是創新活動的重要來源和必要基礎,但并不是所有創新投入要素都能得到充分利用,這與創新過程中知識轉移的難度有關。知識粘性越高,知識轉移難度越大,科研人員消化和利用知識的效率越低,真正有效的人力資本投資越低,創新投入產生的經濟效益越小。總之,本部分在實證層面驗證了知識粘性在創新投入影響經濟增長過程中具有反向調節作用,這與前文理論機制分析結論一致。

表2中,各控制變量至少通過了10%的顯著性水平,部分在1%和5%水平下顯著,比如式(23)中的TO、TH、FI以及式(24)中的TH、ST均在1%水平下顯著,式(23)中的ST和PR、式(24)中的TO以及式(25)中的所有控制變量均在5%水平下顯著,說明本文控制變量的選擇是合理的。TO的系數值顯著為正,貿易開放程度越高越有利于吸引外國先進技術和促進國內技術進步,從而推動經濟增長。TH的系數顯著為正,產業結構升級,尤其是互聯網產業、高新技術產業等第三產業的快速發展在一定程度上有利于經濟增長。FI的估計系數顯著為負,金融發展水平不利于經濟增長,其原因可能在于,金融發展對經濟增長的邊際效應存在遞減規律,金融發展水平對經濟增長具有顯著的非線性特征,這與李成和張琦的研究結論一致[36],金融部門的過度發展會擠占實際經濟資源,對長期經濟增長產生不利影響。ST的系數值顯著為正,高等教育水平對經濟增長有顯著的正向影響。高等教育水平直接決定了經濟發展過程中人才儲備水平,高等教育水平越高,知識傳播和分享就越廣泛,從而推動經濟發展。PR的系數值顯著為負,可能原因在于,近年來中國生育率下降,老齡化水平快速上升,人口撫養比上升,增加了經濟增長的負擔,這也驗證了汪偉的研究結論[37]。

(二)區域差異分析

中國地域面積廣闊,不同地區間經濟發展差異較大,為了進一步揭示知識粘性在調節中國創新投入影響經濟增長中是否存在區域差異,本文將中國30個省份分為東、中、西三個區域,其中,東部地區包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南等10個省(市),中部地區包括山西、安徽、江西、河南、湖北、湖南、黑龍江、吉林、遼寧等9個省,西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等11個省(區、市)[38-39]。利用各區域樣本數據分別對中介效應模型式(25)進行估計,估算結果如表3所示。

表3 不同地區中介效應模型估計結果

5%水平下,東部和西部的IT系數均顯著為正,1%水平下,中部的IT系數顯著為正,創新投入對所有地區的經濟增長具有顯著的正向影響。進一步比較可以看出,西部地區的系數值高于中部和東部地區,創新投入對經濟增長的影響力度在欠發達地區更大,有利于區域經濟協調發展。

從知識粘性角度來看,東部地區的KS系數為負,但沒有通過10%的顯著性水平,知識粘性的負向調節作用在東部地區不顯著。這可能是因為東部地區的創新水平和創新效率高于中西部地區[40],在此基礎上,盡管知識粘性有顯著的反向調節,但創新投入帶來的巨大經濟效益稀釋了這種調節作用。在中部地區,KS在5%水平上顯著為負,知識粘性對中部地區經濟增長具有顯著的負向影響。知識粘性抑制了中部地區創新投入對經濟增長正向帶動,表現出負向調節作用。在西部地區,KS項系數為負值,但沒有通過10%的顯著性水平。這可能是由于區域間稟賦和創新環境等綜合因素差異,與東部和中部地區相比,西部地區的整體知識存量較少,導致知識粘性不明顯。進一步比較不同地區KS項系數值可以發現,知識粘性在不同地區的負向調節力度存在差異,在西部地區最強,中部地區和東部地區相差很小,中部地區略高于東部地區。

從控制變量的估計結果來看,東部地區的TO系數值在10%水平下顯著為負,與表2中估計結果相反,根據陳福忠的結論[41],貿易開放水平與經濟增長之間存在非線性關系,目前中國東部地區貿易開放水平過高,不利于區域經濟的長期可持續增長。其他控制變量系數的顯著性與前文結果基本一致,在此不再贅述。

(三)穩健性檢驗

為判斷前文實證結論的穩健性,分別采用工具變量法、改變估計方法和增加控制變量的方法對前文估計結果進行穩健性檢驗。

(1) 選擇工具變量。將R&D經費占GDP比重作為工具變量[42-43],替換前文的研發人員投入,同時,以2013年為基準期,利用價格指數(CPI)對其進行調整,而后重新估計調節效應模型。估算結果見表4第(1)列。可以看出,KS項系數依然顯著為負,驗證了知識粘性在創新投入影響經濟增長中的負向調節作用,前文估計結果是穩健的。

表4 穩健性檢驗結果表

(2) 更改估計方法。選擇GMM法重新估計模型,結果如表4第(2)列所示。可以看出,估計結果與前文基本一致,KS項系數在5%水平上仍然顯著為負,再次驗證了前文實證結果的穩健性。

(3) 增加控制變量。技術進步是促進經濟增長的一個重要因素,本文選擇全要素生產率(TP)替代技術進步水平,加入前文中介效應模型,并對其進行估計,估計結果見表4第(3)列。工業發展水平在國民經濟中起著重要作用,提高工業水平可以推動經濟增長,本文選擇第二產業增加值占GDP的比重(SE)衡量工業化水平,加入中介效應模型,并進行參數回歸,結果見表4第(4)列。公共文化水平越高,知識存量越高,較高的知識存量有利于人力資本積累,對經濟增長會產生積極影響。用公共圖書館數量(LB)替代公共文化水平因素,作為控制變量加入中介效應模型,估計結果為表4第(5)列。從表4中第(3)-(5)列中結果來看,在10%水平上,KS項系數顯著為負,均和前文估計結果一致,進一步表明前文實證結論是穩健的。

(四)門限效應分析

從區域差異分析中可以發現,知識粘性在不同地區創新投入影響經濟增長過程中的負向調節作用存在較大差異。考慮到東部和中部地區的技術創新水平更高,對創新的投資也更大[44],具有更高創新投入的地區能否淡化知識粘性的負面影響,從而削弱知識粘性的負向調節作用?如果存在,是否存在門限呢?本部分旨在對該現象進行檢驗,通過構建面板門限效應模型探討知識粘性調節作用的門限效應及具體的門限水平。

在中介效應模型基礎上構建以下面板門限效應模型：

Git=α0+α1ITit+α2KSitψ(ITit≤γ)+α3KSitψ(ITit>γ)+∑?jxijt+λi×μt+εit

(26)

上式中,ψ(·)為指示函數,創新投入(IT)是門限變量,γ為門限值,其余設置與前文一致。

在面板門限效應模型估計之前,需要對變量是否存在門限效應進行初步檢測,并在此基礎上確定門限值的數量。利用Bootstrap方法獲得每個測試統計量的顯著性水平(表5)。

表5 面板門限效應檢測表

從表5可以看出,單門限效應的P值為0.008,通過1%的顯著性,而雙門限未通過10%的顯著性水平,表明知識粘性的調節作用存在單門限效應。同時,檢測顯示,創新投入門限值的估計為2.053,95%置信區間為[2.032,2.074]。使用面板數據對單門限效應模型的估計結果如表6所示。

表6第(1)列為不含控制變量的估計結果,第(2)列為不含時間和個體交互作用的估計結果,第(3)列為包含控制變量及時間和個體交互項的估計結果。這三種估計結果的R2差異很小,其中第(3)的R2值相對最大,模型整體估計結果略好于其他兩種,因此,本文使用第(3)列估計結果作為參考。可以看出,當創新投入水平低于門限值時,KS項的估計系數為-0.061,在5%水平上顯著。然而,當創新投入水平高于門限值時,KS項的估計系數降至-0.039,在1%水平上顯著,表明隨著創新投入水平的增加,知識粘性在創新投入影響經濟增長過程中的負向調節作用呈現邊際遞減狀態,當創新投入水平高于此門限時,知識粘性的負向調節作用大幅下降。該現象原因可能在于,當創新投入水平增加到一定水平時,知識粘性的部分負向效應將被創新投入的強大驅動力抵消,從而削弱知識粘性的負向調節作用。

五、結語

在Romer經濟增長模型的基礎上,通過構建一個包含知識粘性和創新投入的經濟增長模型,從理論上論證了知識粘性在創新投入推動經濟增長過程中的調節作用。在此基礎上,構建了知識粘性測度指標體系,利用2013年至2021年中國30個省份的面板數據,進一步實證檢驗了知識粘性在創新投入影響經濟增長中的調節作用、區域差異及調節作用的門限效應。研究結果顯示：(1)知識粘性在創新投入影響經濟增長過程中具有顯著的負向調節作用,即在創新投入推動經濟增長過程中,知識粘性抑制了創新投入作用力的發揮,間接阻礙了經濟增長。(2)知識粘性對西部地區創新投入推動經濟增長過程中的抑制作用最大,對經濟增長的負向調節作用最強,其次是中部地區,在東部地區最弱。(3)知識粘性在創新投入影響經濟增長過程中的負向調節作用存在顯著的門限效應,隨著創新投入水平的提高,知識粘性的負向調節作用呈現邊際遞減狀態。

為了提高創新效率,助力創新驅動經濟發展,政府部門可以從知識粘性角度制定相關政策,以消除知識流動障礙,建立良好的知識轉移機制,降低知識粘性在創新投入推動經濟增長過程中的負向調節作用。

第一,進一步完善知識產權保護法規體系。在制度層面為提供者與接收者之間的知識轉移提供法律保護。在確保知識提供者利益基準下,通過立法形式保護知識產權的使用者利益和社會公共利益,盡量避免制度性傾斜。此外,加大對知識產權保護的財政支持力度。政府部門可以通過公共財政支持的形式引導知識轉移主體參與到知識保護中,為知識的順暢流動提供良好的法律環境。

第二,充分尊重知識轉移的市場規律。讓市場調節信號自主在市場上形成,政府部門應盡量減少對專利技術市場的直接干預,并且加大對知識交易市場中的違規違法行為的打擊力度,更充分的運用市場功能調節知識轉移,并給予保駕護航。

第三,激勵資本進入創新市場,提升創新投入力度。有效利用資本市場對創新的選擇功能,完善對創新投資的引導和激勵機制,可以通過信貸支持、稅費減免、技術指導等手段將風險資本引向創新型企業,激勵企業加大創新投入。同時,充分發揮政府科研基金對企業發明、改造以及引進新技術的激勵功能,在政府科研基金規模有限的前提下,可以更多的向科技創新型企業和尖端技術攻關項目傾斜。