|
2.1 模型构建 从本质上来看，创新是新知识产生的过程，涉及人员、经费及知识等各种投入和专利、 115 销售收入等各种产出，因此本文采用知识生产函数模型。参考李晓娣，赵健(2010)[16]的做法， 对柯布——道格拉斯生产函数进行改进为双对数线性知识生产函数，消除了异方差的影响。 改进后的模型为： ln( & ) ln ( & ) output input R D = α + β R D 对于& output R D 创新能力的衡量，应用较多的包括专利申请数(Guan 等(2005)[17])、专 利授权数(刘和东(2011)[120 18])以及新产品销售额(李晓娣等(2010)[16])。在这里采用专利申请数 (P)，原因：专利数据较容易获得；我国专利申请制度越来越完善，很多研发企业倾向于利 用专利申请进行保护专利，但是专利申请可能会失败，因此专利申请更具有代表性。 对于& input R D 一般包括R&D人员投入、R&D经费投入及其他，由于研究重点是 知识流动，故在其他因素不变的前提下，选择的& input R D 主要有R&D人员投入(L)、 125 R&D经费投入(K)及知识流动，知识流动分为科技合作(STC)、外商直接投资(FDI)、技术 转移(TT)和人员流动(LF)。同时创新从投入到产出需要一定时间，即存在滞后期，学者认为 一般为1 年或2 年，经实证结果检验本文选择滞后期2。因此本文的双对数线性知识生产函 数模型为： , 1 , 2 2 , 2 3 , 2 4 , 2 5 , 2 6 , 2 , ln( ) ln( ) ln( ) ln( ) ln( ) ln( ) ln( ) i t i t i t i t i t i t i t i t P L K STC FDI TT LF . . . . . . = α + β + β + β + β + β + β + ε 130 其中i 表示各个高技术行业，t 及t-2 表示各个年份， i,t P 、i,t 2 L . 、i,t 2 K . 、i,t 2 STC . 、 i,t 2 FDI . 、i,t 2 TT . 、i,t 2 LF . 分别代表各行业在各年份的专利申请量、R&D 人员投入情况、 R&D经费投入情况、科技合作投入情况、外商直接投资情况、技术转移投入情况和人员 流动情况， α 代表常数项， i,t ε 代表随机误差项， 1 β 、2 β 、3 β 、4 β 、5 β 、6 β 分别表示各 135 个自变量的系数。 2.2 变量选取与数据来源 2.2.1 变量选取 (1) 高技术产业技术创新能力P：专利申请量。考虑到面板数据的非平稳性，参考魏守 华等(2010)[19]以每万人均专利数作为创新产出指标的做法，以人均专利申请量衡量。 140 (2) R&D人员投入L：以R&D 人员全时当量衡量R&D人员投入。考虑到数据非平 稳性，用R&D 人员全时当量占高技术产业科技活动人员的比重衡量。 (3) R&D经费投入K：由于R&D 经费支出是流量指标，而R&D 活动是连续的活动， 它对知识生产的影响反映在当期和以后。因此参考李向东等(2011)[20]，利用R&D 资本存量 来测度。在假定滞后期为1 的情况下，最终简化R&D 资本存量的计算公式为： 1 1 (1 ) t t t K E K . . 145 = + .δ / t t t E =R RPI 其中t K 、t 1 K . 表示t 期及t-1 期的研发资本存量， t E 表示t 期的实际研发经费支出， t R 表示t 期的名义研发经费支出， t RPI 表示t 期的研发价格指数，δ 表示研发资本折旧率。研 发资本折旧率δ 参考学者经验设置为δ=15% (2008)[21]。研发价格指数t RPI ，利用消费者价 150 格指数PL、固定资产投资价格指数PI 的加权平均和计算，由于研发经费支出包括劳务费用、 仪器设备费用，因此两者的权重利用劳务费用与仪器设备费用的比重，取2000-2008 年劳务 费用之和与仪器设备费用之和的比重作为二者的加权值，劳务费用之和为13552817 万元， 仪器设备之和为10993373 万元，因此二者的比重分别为0.55，0.45，故研发价格指数 RPIt=0.55PL+0.45PI ， PL、PI 以2000 年为基期，即2000 年的PL=PI =1。基期 研发资本存量0 K ，令0 0K =E / (g+δ) ，其中0 155 E 表示基期实际R&D 经费支出，g 为考察 期内实际R&D 经费支出的平均增长率。最后考虑到面板数据的非平稳性，借鉴陶长琪，齐 亚伟(2008)[22]，利用人均R&D 资本存量衡量。 (4) 科技合作STC：一般用高校和科研院所来自企业资金在科技经费筹集总额中的比重 测度[16]。考虑到科技合作不仅包括企业与高校、科研机构的合作，还包括企业之间的合作， 160 同时考虑到数据可获得性，采用科技活动经费筹集额中企业资金占科技经费筹集总额中的比 重来衡量。 (5) 外商直接投资FDI：由于缺乏高技术产业具体利用外资的数据，选择替代指标FDI 的进入强度衡量FDI 水平，它的衡量指标一般有当年三资企业的总产值和所在行业总产值 之比[23]及三资企业销售收入占全行业销售收入的比重[24]。参考以上研究采用FDI 进入强度 165 衡量FDI 水平，采用的数据是三资企业的销售收入占总销售收入的比重。 (6) 技术转移TT：一些学者利用技术引进经费和购买国内技术经费两个指标来衡量技 术转移[12][13]。参考以上研究，利用技术引进经费和购买国内技术经费之和代表总的技术转 移经费，同时为了研究的精确性，以2000 年为基期消除了价格的影响。 (7) 人员流动LF：有学者利用科技活动人员增量测度[25]，考虑到双对数线性知识生产 170 函数模型的适用性，引入人员流动的保值增值率，它指本年末所有科技活动人员数量扣除客 观增减因素后同年初所有科技活动人员数量的比率，其计算公式为：人员流动的保值增值率 =（年初所有科技活动人员数量+当年科技活动人员增量）/年初所有从事科技活动人员数量。 表示企业当年科技活动人员数量的实际增减变动情况，反映了投入人力资本的保值和增值。 2.2.2 数据来源 175 本文数据均来源于《高技术产业统计年鉴》。考虑到有些年份数据丢失及个别行业自身 特点，选择14 个行业：化学药品制造；中成药制造；生物、生化制品的制造；飞机制造及 修理；通信传输设备制造；半导体分立器件制造；集成电路制造；电子元件制造；家用视听 设备制造；电子计算机整机制造；电子计算机外部设备制造；办公设备制造；医疗设备及器 械制造；仪器仪表制造。 180 由于1998 年以前的医药制造业还没有细分，且2009 年以来《高技术产业统计年鉴》改 版没有找到合适替代数据，又由于人员流动指标需要前后两年数据共同计算，因此知识流动 的数据选择2000-2008。滞后期为2，因此专利年份选择为2002-2010。 2.3 实证结果与分析 在得到实证结果且对实证结果进行分析之前，要先进行单位根检验判断是否为伪回归， 185 然后进行面板数据模型检验，判断应该建立混合模型、固定效应模型还是随机效应模型。 2.3.1 面板数据的单位根检验 在对面板数据进行估计之前，要进行单位根检验判断序列是否平稳以避免虚假回归。分 别采用LLC 检验、IPS 检验、Fisher-ADF 检验和Fisher-PP 检验四种方法进行单位根检验， 这些检验的原假设都是存在单位根。具体单位根检验结果见下表1。 表1 单位根检验结果 变量 LLC IPS Fisher-ADF Fisher-PP , ln( ) i t P -10.7877*** -5.4827*** 70.4528*** 80.2549*** , 2 ln( ) i t L . -7.7589*** -3.4690*** 63.2412*** 87.7226*** , 2 ln( ) i t K . -4.9378*** -2.4157*** 53.7860*** 50.9193*** , 2 ln( ) i t STC . -6.7188*** -2.5624*** 52.4424*** 75.5289*** , 2 ln( ) i t FDI . -6.1066*** -2.3278*** 51.3773*** 61.1001*** , 2 ln( ) i t TT . -7.5291*** -3.1814*** 61.3802*** 79.2117*** , 2 ln( ) i t LF . -11.6633*** -5.8410*** 93.2616*** 109.108*** 注：表格中对应的是相应检验值。***表明1％水195 平下显著。使用的计量软件为Eviews6.0。检验滞后阶 数由软件自动选择。 , ln( ) i t P ， , 2 ln( ) i t L . ， , 2 ln( ) i t K . ， , 2 ln( ) i t STC . ， , 2 ln( ) i t FDI . ， , 2 ln( ) i t TT . 及, 2 ln( ) i t LF . 这七个序列四种检验方法的P 值都比较小，拒绝了原假设，因此这七个序列都不存在单位根， 200 属于平稳序列，满足面板数据模型进行回归的条件，故可直接对该面板数据进行回归分析。 2.3.2 面板数据模型检验 采用F 检验判断面板数据应该建立混合模型还是个体固定效应模型；采用H 检验判断 面板数据应该建立个体随见效应模型还是个体固定效应模型。 F 检验中，F 值为9.8983，而F0.05(13,106)近似等于1.80，故F>F0.05(13,106)，且P 值为 0，因此F 检验结果为建立个体固体效应模型；H 检验中，H 值为13.5005，而χ2 205 0.05(6)的值 为12.592，故H>χ2 0.05(6)，且P 值为0.0357，因此H 检验结果为建立个体固定效应模型。 故通过F 检验和H 检验本文的面板数据应该建立个体固定效应模型。具体见下表2： 表2 F 检验及H 检验结果 检验类型 对应值 自由度 P值 F 检验 9.8983 (13,106) 0.0000 H 检验 13.5005 6 0.0357 210 2.3.3 实证结果与分析 通过前文检验，本文应该建立个体固定效应模型，运用计量经济学软件Eviews6.0 对前 文中模型及数据进行估计，得到回归估计结果如下表3： 215 220 225 表3 个体固定效应模型估计结果 系数 t-statistic , 2 ln( ) i t L . 0.576940 2.501733** , 2 ln( ) i t K . 0.416072 3.602416*** , 2 ln( ) i t STC . 1.068686 2.101604** , 2 ln( ) i t FDI . 1.072702 2.830905*** , 2 ln( ) i t TT . 0.017395 0.329303 , 2 ln( ) i t LF . 0.641659 3.063000*** 常数项C -2.664414 -3.515496*** R2 0.701974 调整后的R2 0.648554 DW 值 1.801430 F 统计量 13.14069 P 值 0.000000 注：***表明1％水平下显著，**表明5％水平下显著，*表明10％水平下显著。 230 该模型R2 为0.701974， F 统计量为13.14069， P 值为0，通过了显著性检验，因此自 变量能够解释因变量变化的70%以上，具有较好的解释能力。根据DW 检验法的原则，当 dU<DW<4-dU 时认为不存在自相关，而文中DW=1.801430 与dU=1.81 较相近，因此认为存在 轻微自相关性，可以忽略。本模型满足各项条件，可以用于计量分析。 235 (1) R&D 人员投入和R&D 经费支出都对高技术产业技术创新能力具有显著影响，其显 著性水平分别为5%、1%。从回归系数来看，R&D 人员投入和R&D 经费支出为0.58、0.42， 表明二者在一定程度上都对人均专利申请量具有正向影响。 (2)科技合作、外商直接投资、技术转移和人员流动的系数都为正，因此四种方式对高 技术产业技术创新能力都具有正向影响，故就知识流动整体而言，知识流动对高技术产业技 240 术创新能力具有积极影响。 虽然知识流动能够提升高技术产业技术创新能力，但不同知识流动方式的影响不同。首 学术论文网Tag：代写硕士论文 代写论文 代写代发论文 代发论文 |
