中国高新技术产品出口与技术创新耦合适调性研究——基于技术创新资源配置总量、投入及产出三维视角

宋德军

（哈尔滨商业大学 经济学院，黑龙江 哈尔滨 150028）

一、引言与文献综述

随着中国“科技兴贸”战略的逐步实施，技术创新促进高新技术产业化的作用日益加强，对于高新技术产品来说，技术发展和变迁速度常常很快，其出口竞争优势的来源更多驻留在技术创新能力方面，应该指出的是：尽管中国技术创新水平在不断提高，但缺乏对高新技术产业发展的需求和未来趋势的科技研究，高新技术产业核心技术供给不足的状况依然存在，难以提升高新技术产业的核心技术创新能力，出口规模小、结构性问题凸现。因此，研究高新技术产品出口与技术创新耦合适调性具有重要的理论和现实意义。

尽管在国内外研究成果中关于技术对出口影响的研究很多，但对于技术创新与高新技术产品出口的关系研究成果并不多。Stern和 Maskus利用人力资本和R＆D指标作为生产函数的解释变量，分析了美国1960－1970年的出口贸易情况，结果表明技术对出口贸易有显著影响［1］。Hughes的研究显示国内R＆D投入对出口产生正效应，而国外R＆D投入对出口则带来负效应。另外对OECD各国的实证研究也表明，在影响出口贸易的各种因素中，技术创新对出口贸易的作用最大［2］。Fagerberg利用R＆D投入和专利数研究15个OECD国家的产品国际竞争力，结果显示技术竞争力和及时传递技术的能力是影响产品国际竞争力的重要因素［3］。Dosi等人（1990）利用专利数和其他一些解释变量对OECD国家进行分析，得出与Fagerberg相似结论。Patick Gustavsson（1996）研究结果证明R＆D对于技术密集程度不同的产业影响程度具有差异性，R＆D是影响高技术产业国际竞争力的重要因素。Ioannidis、Schreyer、Anderton（1999）等研究表明技术创新对技术密集型行业的出口存在较大影响［4］。Liu和Buck认为较强的技术能力能够使产业沿着价值链向上生产出更加复杂、附加值更高产品［5］。

国内学者郭友群、郑承娟利用协整理论和误差修正模型研究R＆D投入与高新技术产品出口的长期与短期关系，分析结果表明R＆D投入强度和技术人员数对高技术产品出口有一定的影响，但不显著［6］。俞林、徐立青以新贸易理论为基础的实证结果显示：中国高新技术产品R＆D投入产出率与贸易竞争力间存在长期均衡关系，而人力资本投入强度、新产品开发强度与贸易竞争力关联度不大［7］。孙玮、王九云、成力为运用典型相关分析法研究高技术产业技术来源与创新生产率分解的相关性，结果显示样本期间高技术产业创新效率集中表现为纯技术效率和要素配置效率［8］。王瑞峰、郭玉堂采用S型曲线模型分析R＆D人员数量的增加对高技术产品出口额的增加的边际效用［9］。徐二明等人从创新资源角度研究发现研发经费投入对高新区产品出口绩效具有正效应，而人员素质水平对出口具有负向影响，同时，研发经费投入和人员素质水平会交互影响出口绩效［10］。封伟毅、李建华、赵树宽研究发现相比技术转化能力，技术研发能力对高技术产业竞争力的影响更大，创新环境会间接调节技术创新能力对高技术产业竞争力的影响方向［11］。

从已有的文献来看，现有的研究成果主要表现在理论逻辑阐述方面，缺少现代计量分析手段。由于所选择的代理变量不同，研究所得结论也不尽一致，研究方法一般是从单边效应和单一维度来探讨技术创新对高新技术产品出口的影响，或是基于技术创新资源的投入维度、产出维度做了简单研究，而且在指标的设置上也忽略了非R＆D投入、信息资源等其它技术创新资源指标对高新技术产品出口带来的影响，研究大多没有深入到企业层次，没有对影响高新技术产品出口的其它因素（政策、环境、企业特征等）给予关注，同时，绝大部分定量分析模型是基于R＆D方程或专利方程的静态模型估计。鉴于此，本研究将运用多个数学模型和计量方法，从技术创新资源配置总量、投入及产出三维角度来研究二者双边耦合效应强度，为实现二者协调发展提供一定的借鉴和参考。

二、分析模型构建及方法

（一）模型构建

从研究的统计模型来看，自回归分布滞后模型（ADL）和误差修正模型（ECM）是目前研究知识生产和技术创新及其决定因素的模型，而协整以及建立在协整关系基础上的误差修正模型（ECM）为研究非平稳变量之间的定量关系奠定了实证的基础（模型主要形式是由Davidson、Hendry、Srba和

其中xjt－i，j是外生变量，取值范围1，2…，p，通常p表示外生变量个数，p取值范围为1，2，3。m和n分别表示yt和xjt最大滞后期。

由于任何一个ADL模型都可以转化为ECM形式，以一阶自回归分布滞后模型为例，记为ADL（1，1）：

从式（2）来看，Y的变化决定于Χ的变化以及前一时期的非均衡程度。同时也弥补简单差分模型的不足（该式含有用Χ、Y水平值表示的前期非均衡程度）。因此，Y的值已对前期的非均衡程度做出了修正。

对式（2）两边同时减去yt－1，再在右边同时加减β0xt－1，整理得：

在式（3）右侧同时加减（α1－1）xt－1，整理得：Yeo于1978年提出的，称为DHSY模型）。ECM模型是一种具有特定形式的计量经济模型，旨在防止时间序列长期均衡关系中出现较大的偏差，因为长期均衡关系是在短期波动过程的不断调整下实现的，其包含的全部差分变量和非均衡误差项都具有平稳性，消除变量可能存在的趋势因素，从而避免“伪回归”问题，而误差修正机制可以避免出现较大的偏差。

ECM可以由ADL变换而来，ADL模型的一个重要特性就是可以改成多种形式而不影响模型对样本数据的解释能力，也不会改变回归参数的OLS估计值。ECM模型中的参数包括长期参数和短期参数，使得分析变量的短期影响和长期影响变得极为方便。因此，综合使用ADL和ECM模型来研究具有科学性和相对的精确性。ADL模型的一般形式是：

模型（4）解释yt的短期波动Δyt是如何被决定的。一方面，它受到自变量短期波动Δyt的影响，另一方面，取决于ECM（反映变量在短期波动中偏离长期均 衡 关 系 的 程 度）。其 中 （ α1－1）（yt－1－）x为误差修正项，（y－）x表示t－1t－1t－1第t－1期的非均衡误差，这里参数β0称为影响参数，φ ＝α／（1－α ），φ ＝），（α －1）＜0为误差修正系数，表示误差修正项对Δyt的修正速度，φ0、φ1称为长期反映系数。

（二）变量选择

以高新技术产品出口额（HTPS）作为被解释变量，技术创新（TEC）为解释变量，从广义角度讲，技术创新是一个知识创造、流动、应用与扩散过程，从具体时间而言很难进行测度，但是为更好地了解创新能力和创新绩效，采用黑箱的方法而忽略创新过程，延续生产函数的传统，从创新的投入和产出两个维度测量技术创新。衡量技术资源投入主要指标有：R＆D经费内部支出（X1）、技术拨款占财政总支出的比重（X2）、高技术产业R＆D经费内部支出（X3）、R＆D人员全时当量（X4）、国外技术引进合同金额（X5）①技术引进可以分为体现性技术和非体现性技术引进两种主要类型，前者是指引进蕴含知识的机器设备、仪器、样机和样件等，后者指引进专利、设计、图纸、配方和工艺流程等技术资料。、教育支出（X6）、高级职称人员数占职工人数比重（X7）、大中型工业企业有R＆D活动企业所占比重（X8）、大中型工业企业新产品开发经费支出（X9）；衡量技术资源产出主要指标有：高新技术产业总产值（X10）、高新技术产品销售收入（X11）、大中型工业企业新产品开发经费支出占新产品销售收入比重（X12）、科技成果登记数（X13）、技术市场成交合同金额（X14）、三种专利申请受理数（X15）。

本研究样本区间为1995－2011年，数据来源于《中国统计年鉴》（1996－2012年）、《中国科技统计年鉴》（2001－2012）、高校财经数据库（www．bjinfobank．com）、中国科技统计网（www．sts．org．cn）以及历年国民经济和社会发展统计公报。数据处理和建模使用SPSS17．0和Eviews5．1分析软件。

（三）指标修正

由于评价指标具有不同的量纲，为避免由于量纲的差异而影响评价的客观性，采用统计学中标准化处理方法，基本公式如下：

式中χij为第j项指标（j＝1，2…p）的第i个样本值（i＝1，2…n）的初始值，φXij为第j项指标第i个样本值的换算值，为第j项指标所有样本值的均值。

三、实证研究

（一）高新技术产品出口与技术创新资源配置总量的耦合强度评价

1．原始数据的浓缩

运用因子分析法对衡量技术创新的指标（变量）做数据浓缩处理，基本模型如下：

设X＝（X1，X2，…，Xp）为可实测的p个指标所构成的评价指标向量，F＝（F1，F2，…，Fm）′为不可观测的向量。数学模型表示如下：

设Xi（i＝1，2，3，…，p）代表p个变量，可表示为：

Xi（i＝1，2，…，p）是均值为0、标准差为1的标准化变量。F1，F2，F3，…，Fm是m 个因子变量，并且不相关。并且满足①m≤p，②COV（F，ε）＝0，③E（ε）＝0，④D（F）＝Im，F1…Fm不相关，且方差皆为1，ε1，…，εp不相关，且方差不同。

SPSS17．0输出结果②需要先做KM0法与巴特利特法检验，KM0＞0．5；Bartlett球形检验统计量值对应伴随概率p值小于显著性水平值0．01，表示可拒绝偏相关系数为0和相关系数阵为单位阵的原假设，说明变量指标之间存在复杂的统计相关关系，样本数据可以做因子分析。限于篇幅这里略去该分析过程。如表1所示。从表1可以看出，15个变量中抽取出两个因子提供的累积方差占总方差的86．7%，说明二个因子已经包含原来变量包含信息的86．7%。将两个因子分别定义为F1和F2，主因子F综合得分是用F1和F2两个因子加权平均得到，权重由方差计算得到，计算公式如下：

表1 技术创新资源配置因子分析总解释方差表

2．单位根检验

由表2可以看出，HTPS、TEC在5%的显著性水平下是非平稳序列，同时，拒绝d（HTPS）、d（TEC）序列具有单位根的假设，说明 HTPS、TEC经过一次差分之后都变平稳了。因此，是一阶单整序列，可以进行协整分析。

表2 单位根平稳性检验结果表

3．协整检验

采用EG两步法检验变量之间的协整性。用OLS方法先对变量进行最小二乘回归，建立回归方程：

则残差①这里的ADF检验是针对协整回归计算出的误差项而非真正的非均衡误差μt进行的。为

根据回归方程求得残差＾ut，然后对＾ut进行单位根检验，表3检验表明，ADF值都小于5%的临界值，且D．W．接近于2，故残差项在5%的显著性水平上平稳，不存在单位根，可以确定＾ut是平稳序列，即ut～I（0），表明 HTPS与 TEC之间存在协整关系，协整向量为（1，1．027 3）。

表3 残差单位根检验表

4．方程及分析结果

考虑到本研究样本属于小样本，在有限样本条件下，协整参数估计量不是无偏估计量，这种偏倚将直接传给误差修正项，从而给短期参数的估计带来严重的偏倚，为克服小样本条件下EG两步法的不足，Phillips和LuoLitan（1991）建议用动态分布滞后模型估计长期均衡关系，根据Hendry（2001）的从一般到特殊的方法，建立动态分布滞后模型：

其中，αi、βi是回归参数，εt表示误差项，长期乘数v是利用式（10）中的回归参数OLS估计值按下列公式计算得到：

根据式（1）ADL模型，估计TEC与HTPS的方程如下：

上面这些测试性检验包括DW检验、t和F检验，括号内t检验值具有95%的可靠性，D．W．接近于2，故不存在自相关，可决系数为0．925，说明HTPS的变化92．5%可以通过TEC的整合措施变动来解释，根据式 （11）计算出长期乘数v＝0．662 4，因此，长期均衡方程为：

式（13）表明TEC水平与HTPS之间存在长期的均衡关系，这也证明本研究的长期均衡关系模型的变量选择是合理的，具有经济意义。TEC对HTPS的长期弹性为0．662 7，即TEC水平每增加1%，将促进 HTPS增加0．662 7%。

为研究HTPS与TEC之间由短期偏离向长期均衡调整的过程以及变量之间的短期弹性，需要再以（e）为基础，建立ECM模型，用滞后一期②变量差分滞后项的多少，可根据残差项序列是否存在自相关性来判断，如果存在自相关，则应加入变量差分的滞后项。的残差作为非均衡ECM模型，估计结果为：

括号里的t检验值具有95%的可靠性，误差修正系数为负，符合反向修正机制，这反映HTPS受TEC水平影响的短期波动规律。短期弹性为0．624 5，误差修正项系数为负0．852 7，显示 TEC对HTPS影响的短期波动向长期波动均衡调整力度为0．852 7，说明长期均衡对短期波动的影响较大。这些都表明HTPS与TEC水平的短期动态模型比较稳定。从ECM模型还显示出当期的出口与前期也有一定的正相关关系，说明高新技术产品出口具有一定的延续性。

5．格兰杰（Grange）因果检验

利用Granger因果分析方法检验TEC水平与HTPS之间是否存在互动关系，选择格兰杰检验的滞后2期，借助Eviews5．1软件运算得到结果（见表4），分析结果显示：TEC不是HTPS变化的格兰杰原因，而HTPS则是TEC变化的格兰杰原因。这表明TEC并没有显著的促进HTPS增长，这不符合新古典贸易理论，从理论的角度来看，TEC水平与HTPS之间应该是双向因果（驱动）关系，通过高新技术产品出口，产业可以实现技术的跨国转移，提升和促进产业的技术创新能力，因此，检验结果从另一方面验证HTPS增长相对滞后于TEC发展水平，二者没有形成耦合驱动发展态势。

表4 格兰杰因果检验表

6．高新技术产品出口额与技术创新耦合与偏离演变趋势分析

为进一步研究高新技术产品出口额与技术创新随时间变化的动态趋势，对原始数据进行了标准化处理后作图2。从图2可以看出，从1995－2009年间，HTPS与TEC关系呈现二阶段演进路径规律，在2001—2004年期间，HTPS变化与TEC变化趋势较为一致，耦合性较强，而且，HTPS变化的幅度快于TEC变化幅度，体现TEC对扩大HTPS的作用较强，TEC与 HTPS遵循协调发展的规律，而2004年以后，这一规律却发生偏离，即随着TEC的不断深入，HTPS相对于TEC呈下降趋势，二者耦合性关系开始发散和偏离，且差距不断拉大。对二者关系以2004年为界来做相关系数的假设检验，结果显示：2004年以前的显著性概率sig．（2－tailed）＝0．026 2＜0．05，拒绝原假设，说明二者关系密切，而2004年以后的显著性概率sig．（2－tailed）＝0．115＞0．05，接受原假设，表明二者关系已经发生变化，关系不显著。结合回归系数作进一步定量分析，TEC对HTPS效应的回归系数也发生显著性变化：由0．855下降至0．437，降低了48．89%；HTPS对TEC产业需求驱动效应的回归系数也发生显著性变化：由 1．103 4 下 降 至 0．556 7，降低 了49．55%。从以上分析可知：2009年以后HTPS出现相对下降的演变趋势，而TEC却始终保持增速发展态势，而且差距在逐步扩大。这也从另外一个角度说明HTPS增速已经偏离TEC速度，二者没有形成协调的发展态势。

图2 高新技术产品出口额与技术创新耦合协调与偏离趋势图

为了解TEC各变量的单位变化如何通过其内在联系引起对HTPS的扰动以及各变量对这些扰动的综合反应，建立VAR模型对TEC和HTPS之间的关系作脉冲响应分析，并最终确定各变量之间的长期关系。应用Eviews5．1软件做出脉冲响应图（见图3和图4）。图3表明，HTPS变动对其自身冲击有明显的响应，在第1期HTPS增加约0．15%，并呈逐步下降趋势，到了第3期的时候达到了0．09%，然后小幅度下降，第6期后逐步稳定在0．05%水平上，整体效应为正，这说明HTPS对于自身的标准差新息的正向响应较强，并且具有持续性。从图4可知，HTPS对TEC一个标准差新息的冲击的反映比较明显，表现为一种波动状态，第1期达到最低峰值－0．05%，然后逐年增强，到第4期时达到最高峰值约为0．03%，此后逐渐衰减，到第10期这种冲击反应消失，因此，从二者关系演变趋势来看，未来如果没有协调二者发展的创新制度（政策）的介入与引导，TEC对HTPS的加速、关联、引发以及驱动效应会逐渐减弱，偏离趋势会进一步加剧。

图3 HTPS对TEC冲击反应图

图4 HTPS对自身冲击反应图

同时，为了最终确定技术创新资源投入（TERS）和技术创新资源产出（TERST）这两个维度对HTPS影响方向及强度，还需要建立TERS和TERST两个维度的模型。

（二）技术创新资源投入和产出双维配置对高新技术产品出口驱动效应分析

1．高新技术产品出口额与技术资源投入和产出研究变量的相关关系分析

为了详细分析每个变量的影响，采用逐步回归法在模型当中逐渐加入相关变量。同时，为了减轻变量的多重共线性对研究结果可能造成的影响，先检验变量之间的相关性。表5给出的相关系数及显著性检验等描述性统计信息，表明HTPS与TERS和TERST的多数研究变量间具有显著相关关系（p＜0．05或0．01），但HTPS与X8的相关关系为负向显著（r＝－0．586，p＜0．05），与 X13低度相关（r＝－0．554，p＞0．05），没有通过显著性检验，这出乎意料。

表5 高新技术产品出口额与技术创新资源投入和产出研究变量的相关系数表

2．技术创新资源投入和产出双维变量的阶层回归分析

运用Eviews5．1软件进行OLS回归，同时为了检验二阶段演进路径假说，以2004年为界，分两个阶段建立回归方程，并进行Chow检验，看是否存在拐点，检验模型的结构稳定性。以HTPS作为被解释变量，TERS和TERST两个维度为解释变量，分别以没有加入时间控制变量和加入时间控制变量两种条件来做阶层回归分析，结果见表6。

从以上实证分析得知，解释变量TERS和TERST与HTPS的关系在两阶段回归中出现了显著变化。从大样本区间（1995－2010年）看：从结果看，R 和R2都在0．945以上，估计标准误为0．232 9，这些数值表明解释变量TERS和TERST与被解释变量HTPS之间存在极为显著的线性关系，F分布的显著性概率为0．000，拒绝回归系数为0的原假设，说明回归效果极为显著，建立方程有效。从分析结果看，TERS（β＝0．461、p＝0．044＜0．05）和TERST（β＝0．532、p＝0．024＜0．05）对于HTPS的影响都是非常显著的，比较二者作用效果，TERS对于HTPS的影响相对TERST差一些（0．461＜0．533），但差异并不十分显著。

从两个小样本区间看，第一个样本区间（1995－2004年）又明显不如第二个样本区间（2005－2010年）拟合效果好。从结果看，R2为0．874，估计标准误为0．243 9，这些数值表明解释变量 TERS和TERST与被解释变量HTPS之间存在极为显著的线性关系，F分布的显著性概率为0．104＞0．05，接受回归系数为0的原假设，显示回归效果不显著。估计结果显示，TERS（β＝0．894、p＝0．024＜0．05）对于HTPS的影响是正向显著的，而TERST（β＝－0．355、p＝0．719＞0．05）对于 HTPS的影响是负向的，表明这一时期TERST对HTPS驱动作用较弱，TERST相对于TERS对HTPS是低效率或无效的，说明这一时期技术创新“转化”的速度、“转化”的量和质都很低。由此，把2004年作为TEC与HTPS关系转化的拐点，也是正确的。

表6 技术创新资源投入和产出双维变量阶层回归分析结果表

从第二个样本区间分析结果看，R2为0．893，估计标准误为0．148 3，这些数值反映解释变量TERS和TERST与被解释变量HTPS之间存在极为显著的线性关系，F分布的显著性概率为0．014＜0．05，拒绝回归系数为0的原假设，回归效果显著，建立方程有效。结果显示，TERS（β＝0．585、p＝0．047＜0．05）和TERST（β＝0．475、p＝0．027＜0．05）对于HTPS的影响是正向显著的，而对比二者作用效果，TERST对于HTPS的作用相对前期出现明显的增强趋势，而TERS对HTPS的驱动作用却出现弱化趋势（见图5所示），这说明HTPS扩大主要来源于TERST的技术溢出效应和配置效率，同时，科技创新和高新技术产业政策也发挥了一定的积极作用。

3．技术创新资源投入和产出相应研究变量的阶层回归分析

为进一步确定TERS和TERST两个维度中各个变量对HTPS的影响方向及其影响程度，需要以HTPS为结果变量，分别以衡量TERS变量（X1～X9）、TERST 变量（X10～ X15）为自变量，采用BACKWARD（向后剔除法）选择模型中自变量进入方式估计回归方程，分析结果见表7。

图5 高新技术产品出口与技术创新资源投入和产出双维变量变化趋势图

TERS变量结果表明：选择的9个变量有5个解释变量对被解释变量有显著影响（t检验的P值为0．002和0．0000，均小于0．01），回归系数由大到小的顺序为：X5、X6、X2、X7、X4。TERST 变量结果表明：选择的6个变量有3个解释变量对被解释变量有显著影响（t检验的P 值为0．01、0．043和0．011，小于0．05），回归系数由大到小的顺序为：X10、X15、X11。每个变量对 HTPS的贡献（按作用大小排序）具体分析如下。

表7 技术创新资源投入和产出相应各研究变量阶层回归分析结果表

（1）技术资源投入各变量阶层回归分析结果

①X5通过t检验，可以看出其对HTPS具有显著的影响，其系数为1．912，说明技术引进显著促进了HTPS的出口额提升，有较强的正效应。高新技术产业对国内技术的依赖程度要小于技术引进，说明直接引进的技术不仅使技术效率的提升与生产函数向前推进，而且会出现一定程度的技术“正向扩散”，这也验证了非体现性技术引进对企业自主研发有显著的正向影响［12］。然而，也要看到目前在引进大量技术的同时却忽视吸收、消化，因此出现技术自主研发能力提升的瓶颈，也限制了技术创新效率的增长［13］。据统计，1995－2007年中国高新技术产业本土企业技术引进经费与消化吸收经费之比平均为1：0．18，而发达国家这一比例通常为1：3，韩国更是1：8，约为中国的44倍。

②X6通过t检验，对HTPS影响显著，系数为0．537。从2004—2010年，财政教育支出占总支出的比重从14．9%提高到15．8%，这一比重已经高于法国、日本、德国等大多数国家，比重略低于美国。高新技术能够顺利转移到发展中国家并且能够实现“逆出口”，主要依赖发展中国家劳动者素质，在考虑物资资本和非技术劳动者之间的替代性以及物资资本和技术劳动者之间互补性的情况下对于一个资本市场对外开放的发展中国家而言，人力资本的积累能永久性提高劳动者的质量，从而提高要素生产率和提升高新技术产品在国际市场上的竞争力。

③X2通过t检验，但对HTPS的贡献率不是太大，影响系数仅为0．120，这在一定程度上反映科技财力资源配置效率较低。相对于发达国家来说，中国科技经费总投入量不足，2011年，财政科技支出3 806亿元，占当期财政支出的比重为4．58%，投入强度为1．76%，与世界发达国家3%左右的水平相比仍有较大差距。同时，科技财力资源投入结构不合理，基础和应用研究经费支出所占比重偏低，导致科技发展根基不够坚实，制约了原始创新能力。

④X7尽管通过t检验，可是其对HTPS的影响为－0．610，即为负影响，这与相关分析结果显示的人力资本投入与HTPS之间具有明显的线性正相关矛盾，这表明目前在国际市场上，低成本优势仍是中国高新技术产业出口竞争优势的主要来源，反映了国内企业与国际市场技术优势和成本优势的差距。

⑤X4通过t检验，可以看出其对HTPS的影响显著，可是其系数为－0．997，这表明直接拉动HTPS增长的不是科技人员数量的扩大，而是高技术人才素质的提高，其本身就是企业（产业）竞争优势的来源，其能动性将推动技术创新活动由投入转化为产出效率，在出口贸易的技术传递和高新技术产品出口额的增长过程中起着重要作用。

⑥X1、X3、X8、X9四个指标对 HTPS的影响不显著而从回归方程中剔除，说明企业研发活动存在严重的经费投入冗余，研发能力弱，制约企业沿着价值链向上进行复杂创新。高新技术产业R＆D投入强度较低，美国、德国、法国、英国等发达国家高新技术产业R＆D投入强度均为制造业平均水平的3倍或4倍以上，而中国只有1．6倍，自主创新能力仍然处在较低水平，对高新技术产品出口的驱动力不足。

（2）技术资源产出各变量阶层回归分析结果

①X10属于高新技术产业化指标，由标准方程可知，这个变量对HTPS的贡献是最大的，贡献率为4．535，反映出技术资源只有转化为生产力时，才能从根本上推动高新技术产品出口，这从另外一个角度反映中国还应进一步扩大高新技术产业的规模。

②X15通过t检验，发明专利是直接体现自主创新能力，其对高新技术产业产出具有重要影响，然而X15对HTPS的贡献率是－0．518，这与中国每年270多万件专利产出规模相悖，使得该指标与熊彼特意义上的“生产性谋利”创新相左。原因在于专利实施率低，仅为10%左右，且多集中在传统产业和劳动密集型产业，高新技术产业相对少，能够提升高新技术产品出口竞争力的高科技成果很少，且相当一部分专利是产品外观设计等，缺乏核心技术。据统计，中国高技术领域中绝大多数发明专利来自外国企业和外资企业，信息技术领域90%、计算机领域70%、医药领域60．5%、生物领域87．3%、通信领域92．2%的发明专利为外国企业所有。

③X11反映产业（企业）技术创新的产出规模，也属于高新技术产业化指标，该变量对HTPS的贡献是反向的（－3．030），而前面的分析表明其与HTPS存在高度的相关关系，这说明当前高新技术产业的产业化程度与现实的产业发展能力还相对较弱。原因在于高新技术产业（企业）始终没有走出低技术特征，仍主要以加工为主，产业规模的扩大更多地依靠制造和装配环节的扩大，产业明显的出口导向性，造成对世界经济变化高度敏感和对外部需求高度依赖，加深产业发展的不稳定性。

④X12、X13、X14三项指标从回归方程中剔除，反映三个变量对HTPS的作用不显著，从另一方面反映中国引导企业创新投入以及发展技术市场的政策或制度不完善。具体来看，2010年大中型工业企业新产品销售收入占主营收入比重为0．168 7%，仅相当于2005年历史最高水平（0．88%）的19．17%，其对HTPS驱动作用有限。尽管《促进科技成果转化法》已经实施，但并没有形成科研直接面向或作用于经济社会的新机制，企业作为转化主体的作用还没有充分体现，每年有省部级以上的科技成果3万多项，但是能大面积推广产生规模效益的仅占10%～15%，高科技成果产业化率在5%左右，大大低于发达国家水平。另外，由目前数据分析显示科技活动投入指数提高了5．66%，科技活动产出指数却下降了3．11%。

综合来看，实证分析结果显示：高新技术产品出口与技术创新耦合强度低，没有形成协同驱动关系，技术创新促进高新技术产品出口的驱动作用还没有充分发挥，同时，技术创新资源相关变量对高新技术产品出口的作用也有显著性差异，未来如果没有协调二者发展的制度或政策以及良好的外部环境，二者偏离态势将会进一步加剧。

四、对策建议

1．建立技术创新与高新技术产业协调发展机制。推进政府计划与市场机制在资源配置上的互补，加强产业需求驱动型技术研究，根据产业发展和市场需求进行技术研发，着力于解决产业发展的关键瓶颈，促使科研与生产紧密联系，良性互动，促使新的技术层次与结构。

2．政府应当推动建立有利于创新的制度环境和激励机制，鼓励企业开展技术创新并提供优惠政策，支持和培育企业出口具有自主知识产权产品，提高附加值。应在法律制度、税收、财政支持、融资担保和风险投资等方面大力支持高技术产业的发展。

3．加强对技术创新和高新科技成果商品化、产业化的方向引导，完善创新体系。要优选一批产业关联度大、有国际竞争优势的技术项目，集中研发，培育高新技术成果转化市场。应该通过政策引导、管理体制创新、优化外部环境等措施促进企业成为产业驱动型研究的主体，促使资源向产业升级和以市场为导向的创新倾斜［14］。

4．改革政府R＆D投入机制，优化R＆D经费投入结构和使用结构，制定企业R＆D的投入标准。建立财政预算R＆D投入增长机制，使R＆D经费投入固定增长；政府引导企业把R＆D经费更多投入前沿性基础研究和应用研究，完善面向市场自主创新的企业基础研究投入结构和投入机制，加大对产业驱动型基础研究的投入，并且优化资源配置［15］。

5．提高技术引进的吸收、创新水平。要从技术学习的内在机制和客观规律入手，综合考虑国际市场需求、技术和产业发展阶段和特点等各种因素，引导和组织企业与研究机构加强对高技术含量、高附加值产品关键技术的消化吸收，经再创新后形成新竞争优势［16］。

6．完善技术交易市场，营造规范的技术交易环境。通过技术交易的法律、法规来规范技术市场，引导企业技术创新方式多元化，弱化对国外技术的依赖性。

［1］ Stern R M，Maskus K E．Determinants of the Structure of U．S．Foreign Trade，1958－76［J］．Journal of International Economics，1981（36）．

［2］ Hughes K．Export and Technological Competition and Trade Performance［J］．Applied Economics，1986（29）．

［3］ Fagerberg J．International Competitiveness［J］．The Economic Journal，1998（98）．

［4］ Ioannidis E，Schreyer P．Technology and non Technology Determinants of Export Market Share．Growth［J］．OECD Economic Studies，1997（28）．

［5］ Liu X，Buck T．Innovation Performance and Channels for International Technology Spillovers，Evidence from Chinese High Tec Industries［J］．Research Policy，2007（36）．

［6］ 郭友群，郑承娟．研究与开发投入与我国高新技术产品出口关系的实证分析［J］．经济经纬，2007（6）．

［7］ 俞林，徐立青．技术创新对高新技术产品贸易竞争力的影响［J］．统计与信息论坛，2010（5）．

［8］ 孙玮，王九云，成力为．技术来源与高技术产业创新生产率［J］．科学学研究，2010（7）．

［9］ 王瑞峰，郭玉堂．我国科技活动人员数对高技术产品出口额影响的实证研究［J］．科技和产业，2011（4）．

［10］徐二明，杨正沛，奚艳燕．技术创新资源对高新技术产品出口绩效的影响［J］．科学管理研究，2011（1）．

［11］封伟毅，李建华，赵树宽．技术创新对高技术产业竞争力的影响［J］．中国软科学，2012（9）．

［12］李正卫，池仁勇，Cindy Millman．技术引进和出口贸易对自主研发的影响——浙江高技术产业的实证研究［J］．科学学研究，2010（10）．

［13］吴延兵．自主研发、技术引进与生产率——基于中国地区工业的实证研究［J］．经济研究，2008（8）．

［14］柳卸林，何郁冰．基础研究是中国产业核心技术创新的源泉［J］．中国软科学，2011（4）．

［15］王俊．R＆D补贴对企业R＆D投入及创新产出影响的实证研究［J］．科学学研究，2010（9）．

［16］杨琦玮，齐欣林．创新的理论渊源新探——基于经济增长、贸易、区域发展理论的视角［J］．西安财经学院学报，2012（1）．