區域性研發投入、專利產出與經濟高質量發展
——基于山東省的PVAR模型研究

張 偉,孫廣斌

(1.山東科技大學 經濟管理學院,山東 青島 266590;2.臨朐縣龍山新材料產業發展服務中心,山東 臨朐 262600)

自新冠疫情以來,世界各國經濟發展低迷,世界局勢混亂,單邊主義、霸權主義盛行,嚴重阻礙了世界各國的經濟發展。在這種情景下,“專利”已然成為國家的核心競爭力資源,它對于保障國家經濟安全、提升一國的綜合國力發揮著巨大的作用。山東作為經濟發達的省份之一,緊跟國家政策步伐,出臺了《山東省“十四五”知識產權保護和運用規劃》來保障知識產權事業的快速發展,進而推進知識產權強省建設。2021年,山東省經濟總量高達83 095億,增量接近萬億,全國排名第三。2020年,R&D經費投入1 681.9億元,全國排名第五。2020年專利申請總量為369 349件,其中發明專利87 330件,實用新型專利252 621件,外觀設計專利29 398件。雖然目前山東省經濟基礎相較于其他省份位于前列,但是科研基礎仍然處于較薄弱的環節。實現經濟增長從要素驅動向創新驅動轉型是建設創新型省份的基本要求,這需要提高技術創新對經濟增長的貢獻度。技術創新需要研發投入的帶動,但研發活動效益的不確定性致使企業研發面臨較大的風險,謹慎型的企業家從事高風險研發的激勵不足,創新成果的外溢性導致市場研發投入低于社會最優水平。

由此可見,把握好研發投入、專利產出與經濟增長的關系對于提高專利的產出效率及其質量,實現研發投入的最優水平及促進省內經濟穩定增長均具有較強的幫助作用。因此,本文對山東省研發投入、專利產出和經濟增長三者之間的動態、靜態關系進行實證分析,以期為山東省未來經濟持續發展提供理論依據和參考佐證。

一、文獻綜述

盡管當前國內對于研發投入、專利產出與經濟增長之間關系的研究成果較為豐富,但研究文獻的出發點和研究結論各有異同。其中趙喜倉等利用人工魚群算法的空間滯后面板平滑轉換模型(AFSA-SLPSTR)對江蘇省13市面板數據進行分析,發現研發投入對經濟發展質量的影響是正向效應,但跨過閾值后對經濟發展質量的促進作用會減弱,特別是對研發人員的投入會對經濟發展質量的影響會變為負向效應[1]。蘇屹等利用中國31個省份的面板數據通過構建PVAR模型,得出結論表明創新績效和經濟增長對研發投入促進作用顯著,創新績效與經濟增長之間也存在著顯著的相互促進作用[2]。謝金明通過對粵港澳大灣區的11個城市展開研究發現技術創新對經濟增長的正向反饋作用具有一定的滯后效應,經濟增長對技術創新和金融發展都具有正向的影響[3]。陳亞平通過對中美兩國研發投入對經濟增長的貢獻度進行測算分析,發現我國的研發投入總額雖然與美國的投入總額接近,但是研發投入對經濟增長的貢獻率遠遠低于美國[4]。上述學者均是圍繞研發投入與經濟增長的關系開展研究。

部分學者則是將專利產出的因素考慮進來分析對經濟增長的影響問題。潘紅玉等從專利產出的角度對我國31個省份面板數據進行分析,發現東部和中部地區原創性強的發明專利對于經濟的促進作用更為明顯,而西部地區實用新型專利對于經濟增長的影響更為深遠[5]。李曉燕通過研究發現專利技術對于經濟發展的貢獻呈現區域差異性,在經濟發展落后地區專利產出量較少,技術支撐不起當地產業的發展[6]。朱芳芳通過對廣東省三種不同專利對經濟增長情況展開研究,發現發明專利相較于實用新型專利和外觀設計專利對經濟增長的促進作用更加顯著[7]。張優智利用平滑轉換回歸(STR)模型,分別對三種類型的專利與中國經濟增長的非線性影響展開研究,發明專利對經濟增長的促進作用觀點基本和其他學者觀點一致,但他卻發現外觀設計專利和實用新型專利對我國經濟增長具有抑制效應,尤其是實用新型專利的抑制效果更為明顯,他將這種現象稱為“專利泡沫”[8]。這部分學者是從專利產出與經濟增長關系角度展開的研究。詹祥等通過構建江蘇省面板向量自回歸模型,得出科技研發投入、專利產出效率以及經濟增長實力三者之間存在非對稱的相互作用,且并未形成一個良性的互動循環[9]。

國外學者對于研發投入、專利產出和經濟增長關系研究開展較早,理論也相對更加成熟。其中 Kaur和Singh通過對23個發展中國家的數據進行研究,認為研發投入對于經濟增長具有很重要的價值,政府部門開展的研發活動是推動本國經濟發展的關鍵[10]。Chu Angus C通過使用熊彼特增長模型,得出專利制度作為創新的有用工具,對于技術進步和經濟增長有很好的促進作用[11]。Maria Kaneva和Galina Untura利用GMM和空間誤差面板建模技術對俄羅斯的80個地區Rostata數據展開研究,結論表明經濟落后地區對于來自技術創新地區的新技術吸收能力較弱[12]。

綜上所述,盡管國內外文獻中圍繞研發投入、專利產出和經濟發展質量關系的研究成果較為豐碩,但研究結論卻不盡相同。這既與文獻研究方法的選用有關,也與其所選取的研究對象存在的較大關系。不同的地域經濟發展、地理環境及其資源要素稟賦情況存在較大差異性。因此,結合山東省自身的具體情況,采用PVAR模型對研發投入、專利產出和經濟增長的內在關系開展實證分析,不僅可以進一步豐富既有的相關理論研究成果,同時也可以為山東省地域經濟發展策略的制定和完善提供參考依據。

二、模型構建與變量選擇

(一)變量選擇與解釋

1.研發投入

研發投入(R&D)具體指的是科研項目在研究和開發階段的經費投入。經濟學理論認為研發活動產生的技術創新推動著經濟的增長,R&D經費的投入是實現科技創新的重要手段。專利作為創新成果,與R&D有著密切的聯系,故本文以研發經費支出為基礎,通過研發投入指數來表示研發投入水平。公式為:

研發投入指數(RD)=(地市研發投入/地市GDP)/(山東省研發投入/山東省GDP) 。

(1)

2.專利產出效率

專利當前不僅是作為知識產權的重要組成部分,更是帶動各國經濟增長和提升綜合國力不可或缺的手段。由于專利授權量極容易受到人為因素干擾,因此本文選擇穩定性較強的專利申請量來衡量專利的產出。專利產出效率(PY)指的是某地區在給定資源投入的情況下,專利的產出質量和數量。公式為:

PY=(地市專利申請量/地市研發投入)/(山東省專利申請量/山東省研發投入)。

(2)

3.經濟增長

一個地區的經濟增長實力不僅是體現在GDP的增長,且更加體現在經濟可持續增長方面。故本文引入經濟增長指數(ES)對地區經濟可持續增長進行衡量,以便能更好的觀測該地區產業結構優化。公式為:

ES=(地市GDP增長率+1)/(山東省GDP增長率+1)。

(3)

本文選取的樣本區間為2005—2020年,上述三個變量相關數據主要來源于2005—2020年《山東省統計年鑒》以及山東省各地市統計年鑒。為了增加數據的準確性,消除異常值的影響,對上述指標采用對數形式,lnRD、lnPY、lnES分別代表的是研發投入指數、專利產出效率指數以及經濟增長指數。

(二)計量模型的構建

向量自回歸模型(VAR)主要應用于時間序列,而本文搜集的是面板數據,故采用面板向量自回歸模型(PVAR)來進行實證研究。PVAR模型不僅具有時序短、界面大的特點,而且也充分考慮了個體效應和時間效應可以有效解決個體異質性問題。本文利用Stata16軟件,構建基于山東省各市2005—2020年面板數據的PVAR模型,檢驗研發投入、專利產出、經濟增長之間的動、靜態關系。構建理論模型如(4)式所示:

Yi,t=β0+β1(λ)Yi,t-1+β2(λ)Yi,t-2+…+βc(λ)Yi,t-c+ηi,t。

(4)

在(4)式中,Yi,t={RD、PY、ES},t表示年份;i表示各地市界面個數,β0為截距常數向量;c為滯后階數;β1、β2、……、βc為方程系數矩陣,ηi,t是“白噪聲”誤差矩陣。

三、實證檢驗推導與結果分析

(一)描述性統計分析

表1反映的是2005—2020年山東省研發投入、專利產出效率和經濟增長的變動情況(數據來自2010—2020年的《山東省統計年鑒》和《中國統計年鑒》)。由表1可知,山東省研發投入雖然呈波動下降趨勢,但其歷年指數均大于1,2005—2020年研發投入指數平均為1.376,而同時期全國的平均研發投入僅為0.983,這足以說明了山東省研發投入水平要優于全國的平均水平。山東省專利產出效率均小于1,但是卻呈現出波動增長趨勢,尤其是在2017年之后上漲幅度大大提高,這與山東省為早日實現知識產權強省建設,于2017年頒布《山東省知識產權強省建設實施方案》密不可分。該方案的頒布為省內專利事業的發展提供了良好的環境,進而推進了專利事業蓬勃發展。山東省經濟增長指數均在1左右徘徊,最高是在2005年的1.03,最低是在2018年的0.83,均值為0.983,這與山東省堅持高質量發展、持續推進新舊動能轉換的經濟政策基本相符,不過高追求經濟增長,而是通過以供給側結構改革為主線,優化升級產業結構,進而實現山東省經濟可持續的穩定增長。

表1 山東省研發投入、專利產出、經濟增長趨勢(2005—2020)

(二)計量模型檢驗

1.單位根檢驗

為了避免“偽回歸”,在進行模型回歸之前,對各個變量進行單位根檢驗。面板數據單位根檢驗的方法有多種,本文為了增強檢驗結果的穩健性,故同時采用了LLC檢驗、IPS檢驗以及Fisher-PP檢驗。結果如表2所示,lnRD、lnES所有檢驗均在1%水平顯著,只有lnPY在IPS檢驗時是在5%水平顯著,故整體來說這三組數據較為平穩,可進行下一步分析。

表2 單位根檢驗

2.協整檢驗

本文選擇了Pedroni檢驗,通過觀測P值來判斷協整關系的顯著性。具體檢驗結果顯示,Modified Phillips-Perron t值為5.246 ,Augmented Dickey-Fuller t值為-8.166,兩者數據均通過了在1%水平的顯著性檢驗。由協整檢驗數據可知,山東省研發投入、專利產出效率及經濟增長之間存在長期穩定的均衡關系。

(三)靜態面板數據回歸模型分析

在建立面板數據模型之前,往往需要通過LM檢驗和Hausman檢驗來更加準確的確定模型形式以及可以更好的提高參數估計的有效性。首先通過LM檢驗P值為1.000,故接受原假設,混合效應模型優于隨機效應模型;其次通過F檢驗P值為0.000,拒絕原假設,固定效應模型優于混合效應模型;最后通過穩健Hausman檢驗P值為0.000,故強烈拒絕原假設。由此可以判斷,本文比較適合建立固定效應模型如(5)式所示,得到的具體估計結果如表3所示。

表3 模型回歸結果

lnESit=β1lnRDit+β2lnPYit+ui+εit。

(5)

由表3可知,三個模型的β值均為負值,這可能與山東省研發投入不注重投資于高水平高層次項目,而側重于技術模仿有關的低層次項目有關。因此可以判斷,盡管山東省是專利產出大省,但距離專利強省還存在一定差距。其原因在于山東省專利產出仍是以外觀設計和實用新型專利為主,真正體現創新成果和技術含量的發明專利成果仍處于較低水平,專利市場的價值尚未得到充分開發,這都將對于山東省未來經濟長期高質量發展產生不利的影響。

為了更全面地反映山東省專利產出、研發投入在區域內的差異化,本文根據地理位置及經濟發展水平對山東省進行區域劃分,其中膠東地區包括青島、煙臺、威海,是山東省經濟最發的地區;魯中地區包括濟南、淄博、濰坊、泰安,是山東省經濟較為發達地區;魯南地區包括濟寧、菏澤、棗莊、臨沂、日照;魯北地區包括聊城、德州、濱州和東營,然后分區域進行回歸。

由表4可以看出,山東省分區域的研發投入和專利產出效率對經濟增長的促進作用也不明顯,這可能是由靜態面板數據無法準確反映數據的滯后性影響所導致的。但總的來說,山東省四個區域專利產出效率對于經濟增長的促進作用大于研發投入的作用。研發投入對于經濟增長的影響均為負效應,這可能與山東省過多的依賴于技術模仿,自主創新的核心技術不足有關。由于各個區域之間的經濟基礎不同、研發投入力度不同、專利產出效率不同,導致了這三者之間的作用存在一定的差異性。

表4 山東省分區域回歸結果

四、回歸模型的調整與實證分析

(一)模型滯后期選擇

在進行PVAR模型分析前,需要通過構建MBIC、MAIC、MQIC信息準則來確定模型的最優滯后階數,具體選擇結果如表5所示,由表5可知PAVR模型的最優滯后階數為1階,故需要構建一階PVAR模型來進行調整修正。

表5 三種準則下模型滯后期選擇

(二)穩健性檢驗

為了保障調整后的后續模型在GMM估計、脈沖相應及方差分解的有效性,需要檢驗動態矩陣特征值的模是否在圓內,即其動態矩陣特征值是否小于1。由圖1PVAR模型穩健性檢驗結果可以看出,經過修正后構建的PVAR模型是穩健的。

圖1 PVAR模型穩健性檢驗

(三)模型的GMM估計

由前文理論分析和基本理論模型(1),并依據樣本時間序列長度確定模型滯后階數為1,得出調整后的研發投入、專利產出效率、經濟增長三者之間的理論模型為(6)式:

{RDi,t,PYi,t,ESi,t}T=β0+β1{RDi,t-1,PYi,t-1,ESi,t-1}T+ηi,t。

(6)

在(6)式中,i代表市的個數;t代表年份;β0代表截距項量,β1表示滯后1期的待估計系數矩陣;η代表誤差項。通過Stata16.0對RD、PY、ES變量進行GMM估計,具體估計結果如表6所示。

表6 動態面板數據的PVAR模型估計結果

從表6可知,當研發投入(RD)作為被解釋變量時,本年的研發投入水平極易受到滯后1期研發投入水平高強度影響,并在1%水平下高度顯著,表明了山東省各市的上一期研發投入水平會對當前研發投入水平產生正向影響;滯后1期的專利產出效率對研發投入的影響為不顯著的負效應;滯后1期的經濟增長對研發投入存在顯著的正向效應影響。

當專利產出效率(PY)作為被解釋變量時,滯后1期的專利產出效率的值對于當期發展水平呈顯著的正向影響,而滯后1期的研發投入和經濟增長對其均產生不顯著的負效應。

當經濟增長(ES)作為被解釋變量時,滯后1期的經濟增長對當期經濟增長產生不顯著的正效應,滯后1期的研發投入和專利產出效率對當期經濟增長產生負向影響,且研發投入產生的負向影響效果較大,這說明了山東省各市的研發投入可能過多集中投資于低層次的低端產業,發明專利市場挖掘不夠充分。

(四)脈沖響應分析

為了更加直觀地解釋研發投入、專利產出效率及經濟增長之間的動態影響關系,通過Stata得出脈沖響應函數圖,如圖2所示。在圖2中,ES:ES、PY:PY、RD:RD分別表示研發投入、專利產出效率、經濟增長對自身脈沖響應情況,這三個變量對自身的沖擊均為正向響應,且最大值均為當期響應值,并會隨著時間的推移這種正向促進影響會越來越小,這表明了研發投入、專利產出效率、經濟增長會對自身在未來產生較為持久的影響。

圖2 脈沖響應函數圖

另外,由圖2還可以看出,經濟增長對于專利產出效率和研發投入沖擊影響較弱,專利產出效率對于研發投入的沖擊也處于較低水平,研發投入和專利產出效率對經濟增長為負向響應,且在滯后2期時影響最大,之后這種負向影響變得越來越小。

(五)方差分解

為了能更加準確地觀測研發投入、專利產出效率以及經濟增長之間的關系,本文進行了方差分解,分解結果如表7所示。在表7中可以看出第2個預測期和第10個預測期各變量的沖擊對某一個變量波動的貢獻度。這兩個預測期方差分解結果基本趨同,說明了每一種變量沖擊對某一變量變動的解釋力度基本保持穩定。其中研發投入、專利產出效率及經濟增長主要是受自身的影響,在第2期分別為50.3%、77.1%、88.2%。經濟增長對研發投入和專利產出效率在第10期的方差貢獻率分別為76.3%、20.6%,這說明山東省經濟增長可以有效帶動本省內研發投入的增多以及專利產出效率的增加。研發投入和專利產出效率在第2期對于經濟增長方差貢獻率分別為10.1%和1.6%,基本可以忽略不計,說明山東省的研發投入在高端技術行業占比較小并沒能滿足技術創新的需要,專利過多集中在外觀設計和實用新型專利領域,從而導致發明專利市場未得到充分挖掘。

表7 方差分解結果

五、研究結論與建議

(一)研究結論

通過構建地區研發投入、專利產出效率及經濟增長之間的PVAR模型,從靜態、動態兩方面對三者之間的關系進行了分析,得出兩方面結論。第一,從靜態面板數據模型回歸分析來看,山東省研發投入和專利產出效率對經濟增長均為負效應,但影響并不是很大。這可能是由各市研發投入過度集中于低端產業,創新型產業未得到相關政策扶持,專利集中于外觀設計和實用新型專利,而發明專利市場未得到充分開發有關,從而導致了省內經濟發展萎靡不振。第二,從動態PVAR模型分析來看,山東省研發投入、專利產出效率及經濟增長對自身的貢獻率超過其他兩個因素。經濟增長促進了研發投入的提高,但存在1年的滯后期。研發投入和經濟增長均對專利產出效率產生了負向影響,說明了三者之間的相互作用是非對稱的,還未形成一個良性的互動循環體系。

(二)對策建議

基于以上研究結論,為了推動山東省研發活動和專利事業的穩步發展,最大化激發研發投入、專利產出對經濟增長的推動作用,實現各市經濟的穩定增長,特提出幾點政策建議。

第一,加大研發投入力度,優化投入產出結構。高端技術決定了發展的制高點和競爭力。因此,不僅需要從政府層面加大對高端技術行業研發的投入力度,為科技創新提供資金保障,引導產業技術創新方向。而且需要從企業層面理順研發活動中各主體方之間內在關系,加大對人才的培養力度,實施創新激勵機制,鼓勵科研人員積極進行創新,實現企業核心技術的自主研發能力。

第二,提高專利產出質量,提升專利成果轉化率。一方面需要建立健全以需求為導向的專利成果轉化機制,加快培育現代知識產權服務業。另一方面需要引導企業減少大規模的模仿創新和技術引進行為,培養企業進行自主創新的意識,在保障質的前提下,注重量的提升,最終實現專利在技術轉移過程中的經濟價值。

第三,轉變經濟發展方式,提升經濟發展質量。山東省經濟發展需要全面貫徹新發展理念,需要牢牢抓住新舊動能轉換的核心關鍵期。一是需要降低對于高污染企業的依賴性,大力扶持新能源企業的發展,堅持“綠水青山就是金山銀山”的發展理念。二是需要建立新的激勵機制來凝聚高質量發展的合力,通過激發山東省企業創新能力來提高產品的質量活力。三是需要通過高效益驅動發展激發高質量發展動力,推動綠色發展內在驅動機制,進而實現經濟發展從資源依賴型快速向資源節約型和環境友好型轉變。