论文：中国地区工业的知识生产及其影响因素

目录/提纲：……
一、引言
二、模型设定与分析方法
（一）知识生产函数中的产出与投入
（二）随机前沿知识生产函数模型
三、数据与变量
（一）数据来源
（二）R＆D存量、国外技术引进存量和国内技术引进存量
（三）关于知识生产效率影响变量的说明
四、估计结果与分析
（一）自主研发和技术引进对知识生产的影响
（一）(2.1)(2.2)(2.3)(2.4)
（二）(3.1)(3.2)(3.3)(3.4)
（二）知识生产效率的影响因素
（三）技术吸收能力对知识生产效率的影响
五、结论与政策含义
……
论文：中国地区工业的知识生产及其影响因素

内容提要：本文运用中国地区大中型工业企业面板数据，利用随机前沿生产函数分析方法，探讨了自主研发、国外技术引进和国内技术引进对知识生产的影响，并分析了知识生产效率的影响因素。研究发现，自主研发和国内外技术引进均对知识生产有积极影响，但是其影响程度有显著差异：自主研发在知识生产中起主导作用，国内外技术引进在知识生产中起辅助作用。在知识生产效率的影响因素中，外商直接投资、国际贸易、人力资本和非国有化对知识生产效率有显著正效应，而且人力资本和非国有化通过吸收外商直接投资和国际贸易中的技术溢出间接提高了知识生产效率。
关键词：知识函数 自主研发 国外技术引进　国内技术引进 生产效率


一、引言

知识生产函数旨在研究创新投入与创新产出之间的关系。对知识生产函数的研究可以探明知识生产的动力、性质及其影响因素，为促进知识积累和技术进步提供有益的参考。关于知识函数的研究最早可追朔到20世纪60年代（Scherer，1965；Comanor，1965；Mueller，1966；Mansfield，1968）。早期研究以专利数量或新产品销售收入为创新产出变量，以研发支出或研发人数为创新投入变量，通过相关分析和回归分析研究表明，创新投入对创新产出有显著正影响，而且知识生产中存在着规模报酬递减或不变的性质。
继早期的开拓性研究之后，许多学者对创新投入产出间的关系进行了更深入研究。总体来看，20世纪70年代的研究主要继承了早期研究方法，而20世纪80年代以后的研究做出了两类重要拓展。一类拓展考虑了创新投入与创新产出间的时滞关系（Pakes和Griliches，1984；Hausman、Hall和Griliches，1984，1986；Cincer，1997；Crépon和Duguet，1997）。创新产出不仅依赖于当期的创新投入，而且还取决于过去时期中的创新投入。所以在回归模型中应当采用创新投入的滞后结构或测算出创新投入存量。另一类拓展则考虑了创新产出的数据性质（Hausman、Hall和Griliches，1984，1986；Jensen，1987；Cincer，1997；Crépon和Duguet，1997；Blundell、Griffith和Van Reenen，1995，1999）。当采用的样本为企业数据时，如果以专利数量或创新数量表示创新产出，由于创新产出大部分为零值、仅取很少的几个整数值，那么这个分布就不符合OLS法中所假定的正态分布条件，这时泊松分布模型是更为合适的模型形式。这些拓展使得对知识生产函数的研究更加深入细致。这些研究也同样表明，知识生产函数具有规模报酬递减的性质。但是，值得注意的是，上述实证文献在构建知识生产函数时，仅仅用R＆D支出或R＆D人数作为创新投入变量，几乎没有文献将R＆D支出和R＆D人数同时纳入知识生产函数分析中；而且绝大多数文献往往以当期R＆D投入及其滞后结构来衡量创新投入，并没有在测算R＆D资
……（新文秘网https://www.wm114.cn省略1987字，正式会员可完整阅读）……　
有很大差别（Pakes和Griliches，1980）。申请专利的倾向也因企业规模的不同而存在较大差异。大企业通常依靠市场和技术上的垄断地位来保护创新，而小企业更愿意申请专利以免其创新成果被拥有更多资源的大企业侵犯（Comanor和Scherer，1969)。Griliches指出，“我们希望专利统计是一种理想的创新产出的衡量指标，……，但实际情况并非如此。寻求一种有效的衡量创新产出的指标，是创新经济学研究中强有力的激励力量之一。”（1990,p.1669）。
在本文所采用的地区工业数据中，由于我国各地区的经济发展程度、资源禀赋和文化传统差别很大，导致各地区专利申请数量和专利价值存在很大差异。鉴于专利数量在衡量创新产出方面的缺陷，在本项研究中我们使用更为直接的衡量创新产出的指标——新产品开发项目数。《中国科技统计年鉴》上提供了中国各省市区大中型工业企业的新产品开发项目数，这为本文研究提供了数据基础。根据《中国科技统计年鉴》上的定义，新产品是指“采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品，既包括政府有关部门认定并在有效期内的新产品，也包括企业自行研制开发，未经政府有关部门认定，从投产之日起一年之内的新产品，它用来反映科技产出及对经济增长的直接贡献。”按照上述定义，新产品既包括由于新工艺和新方法而产生的全新产品，也包括对原有产品设计和质量的改善而产生的改进新产品；既包括那些已经申请专利的新产品，也包括那些尚未申请专利的新产品。显然，新产品所包含的创新范围比专利数量广泛得多；而且新产品中包括了那些尚未申请专利的新产品，可以克服各地区因专利申请趋向差异而导致的估计偏差。当然，新产品也像专利一样无法鉴别每个创新的质量，但新产品可以避免专利申请和专利统计中存在的诸多扭曲因素。所以，在知识生产函数研究中，我们将以新产品开发项目数作为衡量创新产出的指标。
相对于创新产出的衡量而言，创新投入的衡量相对比较容易。文献中通常以研究开发经费（简称R＆D支出）或研发人员数量（简称R＆D人数）来表示创新投入。但是，_绝大多数实证文献在构建知识生产函数时，仅仅用R＆D支出或R＆D人数作为创新投入变量，很少有研究将R＆D支出和R＆D人数同时纳入知识生产函数分析中。这种方法由于仅仅考虑了单一投入要素对知识生产的影响，对知识生产性质的研究不可避免地产生偏差。而且，绝大多数研究并没有在测算R＆D资本存量的基础上探讨知识生产的性质。在本项研究中，我们借鉴吴延兵（2006）的做法，在测算R＆D资本存量的基础上，并考虑R＆D资本存量和R＆D人数两因素对知识生产的影响。
另外值得注意的是，在一个开放的经济系统中，知识生产和积累不仅来源于本地的自主研究与开发，国内外技术引进也必将对知识生产和积累产生重要影响。一国融入世界经济后，它能够接触到世界研究领域积累起来的巨大知识库，也能够更快的接触到国际上的新发明和新创造，并通过技术交易和技术购买等方式通过引进国外先进技术，从而加速国内企业的新产品开发速度。在_开放的市场经济环境中，一个地区的企业还可以通过从国内其他企业引进先进技术的方式来加速其技术创新速度。所以，从知识生产的角度看，除了依靠自身的研发努力实现创新升级外，一个地区还可以通过对国内外先进技术的引进促进知识结构升级和技术变迁，从而达到经济加速增长的效果。因而，在本文中，我们把知识生产的投入要素由传统知识函数研究中的研发支出和研发人员两要素扩展为研发支出、研发人员、国外技术引进和国内技术引进四要素。
综上，在考虑了创新投入和创新产出的衡量指标后，本文使用如下形式的知识生产函数模型，
（1）
Y表示创新产出，以新产品开发项目数来衡量。K、L、F、D分别表示自主研发存量、研发人数、国外技术引进存量和国内技术引进存量。对于知识生产函数的具体形式，我们仍旧使用柯布-道格拉斯生产函数。同时，考虑到知识生产中投入与产出之间存在的随机扰动和技术非效率效应，我们决定使用随机前沿生产函数分析方法对知识函数进行研究。
（二）随机前沿知识生产函数模型
运用传统生产函数方法研究知识函数的一个缺陷是假定生产都是一直在生产前沿上进行。而现实经济中大部分生产者常常偏离于最优生产计划。为了识别生产过程中的非效率因素，必须分离出理论上的最佳生产边界，相关的估计技术主要有参数方法和非参数方法。非参数方法是一种纯数学规划方法，它无需假定特定的生产函数形式，也无需对所研究样本的非效率分布做先定假设，但是它的一大缺陷是假设没有随机误差影响产出。相对而言，参数方法有更稳固的经济理论基础，可以剥离随机误差所可能造成的潜在影响，而且可以为判断模型拟合质量提供各种统计检验。在模型设定合理且采用面板数据的情况下，参数化方法通常会得到比纯数学规划方法更好的估计效果。因而，在本文中我们决定运用文献中普通使用的参数化方法——随机前沿模型——对知识生产函数进行分析。
1、随机前沿知识生产函数模型一
随机前沿模型通过一个更合理的误差结构考虑了实际生产中对生产前沿的偏离。这种方法将基础方程的误差项分解为两个部分，一部分为随机扰动项，另一部分则为技术非效率项。根据Battese和Coelli (1992)关于随机前沿生产函数的定义，我们设定如下形式的随机前沿知识生产函数模型，
（2）
Yit表示创新产出，Kit、Lit、Fit、Dit分别表示自主研发存量、研发人数、国外技术引进存量和国内技术引进存量。i、t分别代表地区和时间。α、β、、则表示相应变量的创新产出弹性。Vit表示模型未考虑的其他因素所造成的误差以及测量误差，假定它服从零均值、不变方差的正态分布，即Vit～N(0,v2)，而且Vit独立于Uit。
Uit表示技术非效率效应，代表生产者的实际产出与理论最大产出之间的差距。差距越大，表明技术非效率程度越大，也即技术效率水平越低。在Uit的表达式中，Ui为用以测度技术非效率程度的非负随机变量，假定其服从均值为、方差为U2、在零处截尾的正态分布，即Ui～N+(,U2)。为体现技术非效率变动趋势的待估参数。在实际估计中，如果的估计值显著大于零，则表示技术非效率随时间而下降；如果的估计值显著小于零，则表示技术非效率随时间而增加。通过对Uit表达式的参数做出不同的假定可以得到不同的随机前沿生产函数模型。例如，如果假定=0，则Uit = Ui，表示技术非效率不因时间而变化，这是Battese、Coelli和Colby (1989)的研究中所使用的模型。如果进一步假定=0，则是Pitt和Lee (1981)的研究中所使用的模型。
2、随机前沿知识生产函数模型二
在随机前沿生产函数模型中将技术非效率Uit设定为Uit =Uie*p(-(t-T))虽然能够比传统生产函数更好地反映实际生产过程，但其技术非效率项只考虑了时间因素，而在实际生产中影响技术非效率的因素是多样而复杂的。在早期关于随机前沿生产函数的研究中，对Uit影响因素的研究通常采用的是两阶段回归分析方法。第一阶段通过估计随机前沿生产函数得出技术效率指数，第二阶段再考察技术效率指数的影响因素。但是，两阶段回归方法违背了随机前沿模型设定中技术非效率Uit与随机扰动Vit相互独立的假定。Kumbhakar、Ghosh和McGukin (1991) 、Reifschneider和Stevenson (1991)意识到两阶段分析方法的不足，他们将技术非效率表示为一个明确的函数形式和一个随机误差项之和，这样生产函数和技术非效率模型可以同时被估计出来，从而避免了两阶段回归对技术非效率假定前后不一致的情况。Battese和Coelli (1995)针对面板数据模型提出了类似于Kumbhakar等(1991)的随机前沿模型。根据Battese和Coelli (1995)，设定包含技术非效率影响因素的随机前沿知识生产函数如下，
（3）
（3）式中，技术非效率Uit服从均值为mit、方差为u2和零处截尾的正态分布。Uit的均值mit则被表示为一组影响因素的线性组合，即mit=Zit。其中，zit表示影响技术非效率的变量向量，表示待估参数向量。在包含技术非效率影响因素的随机前沿生产函数模型中，关键之处是要设定影响技术非效率的变量。根据数据的可获得性，我们主要考虑外商直接投资、国际贸易、人力资本水平、非国有化程度、企业规模等因素对知识生产中技术非效率的影响。由此，将随机前沿知识生产函数（3）式中的技术非效率模型的基本形式设定如下，
（4）
（4）式中，FDI、TRA、EDU、PRI、SIZE分别代表外商直接投资、国际贸易、人力资本水平、非国有化程度和企业规模。1、2、3、4、5代表参数估计值。如果某一变量的参数估计值显著为负，则表示该变量对技术非效率有显著负影响，或者说该变量对技术效率（以下称为知识生产效率）有显著正影响。根据有关经济理论，我们预期1>0、2>0、3>0、4>0，5的符号有待实证检验。
3、随机前沿生产函数模型有效性的判定
在上述两个随机前沿生产函数模型中，一个重要的检验就是判断生产函数模型是否存在技术非效率效应。如果生产函数中不存在技术非效率效应，那么运用传统的生产函数方法就是合适的，前沿生产函数则是无效的。判断随机前沿模型是否有效，一个方法是检验误差结构（Vit-Uit）中技术无效项（Uit）所占的比例及其显著性。根据Battese和Corra (1977)，这等价于检验变差系数γ的大小及其显著性。变差系数定义为，
（5）
当γ接近于零时，表示实际产出与可能最大产出的差距主要来自于模型中未控制因素和测量误差Vit，这时用传统生产函数方法即可实现对生产参数的估计。γ越接近于1，则说明产出的偏差主要来源于技术非效率效应Uit。从统计检验的角度看，如果γ不显著异于零，则表明生产函数中不存在技术非效率效应；如果γ显著异于零，则表明生产函 ……（未完，全文共31030字，当前仅显示5581字，请阅读下面提示信息。收藏《论文：中国地区工业的知识生产及其影响因素》）