我国R&D投入对经济增长的影响

摘要：本文以国家统计局的2000—2011年全国30个省、市、自治区的R&D投入和经济增长的有关数据为基础，通过单位根检验和协整检验，建立面板数据模型，对R&D投入与经济增长之间的长期关系进行实证分析。研究结果表明：R&D投入对经济发展具有明显的促进作用，R&D经费投入的产出弹性大于R&D人员投入的产出弹性；在两种R&D投入要素的弹性系数中，北京、四川、广东呈现双高特征，宁夏和新疆则呈现双低特征，其他省份则表现为R&D经费投入和R&D人员投入的弹性系数此高彼低的特点。

关键词：R&D投入；经济增长；面板数据；协整分析

一、引言

R&D（Research and Development）指在科学技术领域，为增加知识总量以及运用这些知识去创造新的应用而进行的系统的、创造性的活动，包括基础研究、应用研究、试验发展三类活动。R&D投入对一个国家、一个地区甚至一个企业发展都具有非常重要的意义。早在20 世纪40 年代，Solow就指出实物资本积累的变动不能很好地解释经济增长，只有技术进步才能促进人均产出的持久性增长。国际上通常采用R&D活动的规模和强度指标反映一国的科技实力和核心竞争力。

国内外很多学者对R&D投入与经济增长之间的关系进行了分析与实证研究。Griliches通过构建R&D 对生产力增长的模型，从公司、产业等不同层次测度了R&D对经济增长的影响，发现R&D投入对生产率的提高有显著的促进作用。Aghion et al.提出了基于R&D 的内生增长模型，发现R&D投入水平的提高将加快经济增长。Romer 从知识积累性角度将技术创新活动内生化，但忽略了人力资本积累对经济增长的贡献。Lucas强调人力资本对技术内生化及经济增长的作用，但又忽视了R&D 资本对技术创新的作用。赵喜仓、陈海波运用因子分析法对我国R&D的区域发展对经济增长的影响进行了评价，得出我国R&D在投入产出水平和配置效率上，均和区域经济发展的基础设施水平和经济发展水平等呈现出趋同性，东西部地区R&D的投入和经济发展表现出不平衡性。施晓江、顾宇婷提出创新是推动经济增长至关重要的因素，可中国的R&D 投入确实太低，技术创新的贡献尚显不足，GDP 对R&D 所起的激励作用也非常有限，必须充分利用发达国家R&D 投入的溢出效应。吴林海、杜文献通过对R&D 投入与经济增长的时间序列变量进行协整分析和因果关系检验，进一步通过误差修正模型，揭示了我国R&D投入与经济发展的动态均衡关系。

虽然学者们对这个问题进行了大量的研究，但是现有的研究大都集中在时间序列的分析上，并且没有考虑区域差异的特征。个别学者尽量使用了面板数据，但他们并没有说明所建模型的正确性。本文根据我国30个省、区、自治市（不包含自治区）2000—2011年有关R&D投入和GDP 的面板数据资料，在进行面板单位根检验和面板协整检验的基础上，分别建立GDP与R&D经费投入、GDP与R&D人员投入的长期均衡模型和误差修正模型， 分析R&D投入对我国经济增长的长期影响。

二、模型的设定与检验

1. 模型选择及数据来源

我国幅员辽阔，各地经济、技术、文化、地理风貌等差异巨大，R&D投入水平也不尽相同，因此，各地区R&D投入对经济增长的影响表现出显著的差异性。为了分析R&D投入对经济增长的影响，我们采用面板数据模型。分别选择R&D两大投入要素R&D 经费支出RDH（亿元）、R&D人员全时当量RDE（万人年）作为衡量R&D投入水平（R）的指标，衡量经济增长的指标为国内生产总值GDP（亿元）。本文的数据来自《中国统计年鉴》、《中国科技统计年鉴》和国家统计局网站上的专题统计数据中的《大中型工业企业自主创新统计资料》。为了消除异方差的影响，对变量分别取对数，面板据模型的解析表达式为：

的随机扰动项。

2. 面板数据的单位根检验与协整检验

面板单位根检验方法有别于时间序列数据的单位根检验。通常有5 种检验方法，其中， LLC检验、Breitung检验、Hadri检验是含有相同单位根的检验方法，IPS 检验和Fisher-ADF检验是含有不同单位根的检验方法；LLC检验、Breitung检验、IPS 检验和Fisher-ADF检验的原假设均为含有单位根；Hadri 检验原假设为不含有单位根。运用Eviews6.0 分别对面板数据lnGDP、lnRDH和lnRDE进行单位根检验，检验结果如下表1：

由检验可知序列lnRDE和lnRDH是平稳的，而序列LNGDP是不平稳的。

再分别对面板数据lnGDP、lnRDH 和lnRDE的一阶差分进行单位根检验，检验结果如下表2：

由检验可知序列lnGDP、lnRDH和lnRDE的一阶差分都是平稳的。

在对面板数据进行参数估计之前分别检验lnGDP与lnRDH、lnGDP与lnRDE 的协整关系，避免出现伪回归。本文采用得到广泛应用的Pedroni 面板协整检验方法。Pedroni在回归残差的基础上构造了7个检验面板协整的统计量，其中4个是用联合组内尺度描述即Panel v-Statistic、Panel rho-Statistic、Panel PP-Statistic、Panel ADF-Statistic，另外3个是用组间尺度来描述即Group rho-Statistic、Group PP-Statistic、Group ADF-Statistic。在序列LNGDP与LNRDE的协整检验中，7个检验面板协整的统计量中只有2个统计量Panel v-Statistic和Group rho-Statistic没有通过检验，在序列LNGDP与LNRDH的协整检验中，7个检验面板协整的统计量中只有1个统计量Group ADF-Statistic没有通过检验，表明序列LNGDP与LNRDE、LNGDP与LNRDH存在协整关系。具体结果如下表3：

Pedroni认为，当样本期相对较长时（如T>100），7个统计量的偏误都较小而且效能也很高；当样本期较短时（如T≤20），Panel v-Statistic和GroupPP-Statistic统计量的效能较差，只有Panel ADF-statistic统计量和Group DF-statistic统计量有最好的效能，由于本文实证研究时间跨度为2000—2011年（T=10），故本文主要依据Panel ADF-Statistic统计量和Group ADF-Statistic统计量检验结果，其余5个统计量仅作为参考。根据以上说明得出结论，lnGDP与lnRDH之间、lnGDP与lnRDE存在协整关系，R&D经费投入和R&D人员投入分别与经济增长之间存在长期的均衡关系，即模型（1）的设定是正确的。

三、R&D投入与经济增长的因果检验

面板模型共包括三种情形，既无个体影响又无结构变化的混合模型、有个体影响但无结构变化的变截距模型和既有个体影响又有结构变化的变系数模型。一般使用协方差分析检验判断模型形式（李子奈，叶阿忠，2000）。根据2000—2011 年全国除之外的其他30个省份的lnGDP、lnRDH和lnRDE的面板数据，使用Eviews6.0 估计及检验，把所有的面板数据代入各种模型中进行检验。

根据检验的结果确定lnGDP与lnRDH之间、lnGDP与lnRDE之间应建立个体时刻固定效应模型，它是最优的模型。

对lnGDP与lnRDE这两个面板数据模型的参数进行估计。计量模型为：

对lnGDP与lnRDH这个面板数据模型的参数进行估计。

模型为：

由R2和F的值可知，模型（2）和（3）拟合优度很高且总体线性关系显著。D.W.接近2说明模型不存在自相关。各地区lnRDH的系数均能通过t检验，表明R&D经费投入对经济增长的影响显著。模型（2）和（3）中截距项是效率参数，其值越大，表明投入要素对经济增长的促进作用越大，它代表的实际上是经济增长中不能被R&D经费投入所解释的部分。进行综合分析可知，从R&D投入对经济增长影响的整体水平看，全国R&D人员投入的弹性系数平均水平为0.049，R&D经费投入的弹性系数的平均水平为0.056，由此可见R&D投入对经济的发展的确存在着重要作用。R&D经费投入对经济增长的影响大于R&D人员投入的影响。

对R&D经费投入和R&D人员投入对经济增长的影响进行综合考虑后发现，北京、四川、广东呈现双高特征，宁夏、新疆则呈现双低特征，其他省份则表现为R&D经费投入和R&D人员投入的弹性系数此高彼低的特点。R&D 投入对经济增长影响双低的省份属于西部经济落后地区。

四、结论

1. 我国各省、市、自治区R&D经费投入和R&D人员投入与经济增长之间存在长期稳定的均衡关系，R&D经费投入和R&D人员投入的增加能够推动我国经济持续的增长。所以，制定有关经济与科技发展政策时，必须充分考虑R&D投入与经济增长的互动关系。在增加R&D经费投入和R&D人员投入的同时，保持合理的R&D 投入结构，实现R&D资源的优化配置，提高对科技基础资源和科技人力资源的有效利用。要进一步推动科研成果的转化，组建产学研联盟，避免科研目标不明、产学研脱节的现象，使R&D 投入的增加能更有效地促进GDP 的增长。

2. 从总体上看，我国各地R&D经费投入的产出弹性大于R&D人员经费投入的产出弹性，即我国各省、市、自治区R&D 经费投入对经济增长的影响程度高于R&D人员投入对经济增长的影响程度。因此， 各地区在加大R&D人员投入力度的同时也应该注重R&D经费投入数量和规模提升。一方面要采取各种措施引进与培养高素质的R&D 人才，提高其占从业人员的比例；另一方面要进行体制创新，建立和完善各种激励机制，最大限度地激发R&D 人才的创新激情和潜能。

参考文献：

[1] David Romer. Advanced Macroeconomics[M] . Shanghai ： Shanghai University of Finance & Economics Press ，2001.

[2]Aghion，P.， P. Howitt. A Model of Growth through Creative Destruction[J]. Econometrics，1992，（60）.

[3] Romer ， Paul M. Increasing Return and Long - run Growth[J] . Journal of Political Economy ，1986 ， （94）.

[4] Lucas ， Robert E.On the Mechanism of Economic Development [J ] . Journal of Monetary Economy ，1988 ， （22）.

[5]Norihisa， S.， P.George， and I. Evangelos. Impact of R&D and Technology Diffusion on Productiviy Growth：Empirical Evidence for 10 OECD Countries[J]. Economic Systems Research，1997，（9）.

[5]Pedroni，P. Fully Modfied OLS for Heterogeneous Cointegrated Panels[J]. Advances in Econometrics，1999，（15）.

[6]安娜.中国R&D投入对经济增长影响的回归分析[J].科技管理研究，2009，（5）.

[7] 施晓江，顾宇婷. R&D 投入与GDP 增长的关系检验及思考[J ] . 中国青年科技，2007 ， （152）.

[8]李子奈，叶阿忠. 高等计量经济学[M]. 北京：清华大学出版社，2000.

[9]孙敬水，岳牡娟. 我国R&D 投入与经济增长实证研究——基于Panel Data 模型分析[J]. 科技管理研究，2009，（7）.

[10]吴林海，杜文献. 中国R&D 投入与经济增长的关系——基于1991—2005 年间中国科技统计数据的协整分析[J].科学管理研究，2008，（4）.

[11]赵喜仓，陈海波. 我国R&D 状况的区域比较分析[J]. 统计研究，2003，（3）.