R&D资本化及对地区GDP的影响

刘金山，丁卓琪

(暨南大学经济学院，广东　广州　510632)

0　导论

国民经济核算账户体系(The System of National Accounts，即SNA体系)自1953年由联合国公布以来，为世界各国宏观经济的科学管理做出了重大贡献。知识经济时代，随着经济发展方式的转型及新经济特征的出现，SNA1993 在内容和核算方法等面临诸多问题。基于这一现实，由联合国统计部署(UNSD)牵头，协同经合组织(OECD)、国际货币基金组织(IMF)、欧洲统计局(EUROSTST)、世界银行(WBG)五家国际机构组建国民经济核算组，对SNA1993 进行修订，更新为SNA2008版。与SNA1993相比，SNA2008首次引入“知识产权产品”概念，其核心是R&D的资本化。SNA2008反映了知识经济背景下创新和知识产权日趋成为经济分析焦点的时代特征，R&D的资本化为更科学地认识研发活动对经济社会的作用和贡献提供统计学支撑。SNA2008颁布后，世界各国与地区纷纷响应，澳大利亚、美国、加拿大、欧盟和日本等国家先后宣布实施新的国际标准，将R&D计入GDP，相应核算规则的变化对各国的GDP统计结果产生了显著的影响，如美国调整统计后[1]使其1959—2002年的GDP平均提高2.6%，年均增长升至4.6%，2002—2012年期间年均GDP增速为1.8%，较之前提高0.2%[2]；加拿大GDP平均上调2.99%；日本修正核算标准后，2014年的GDP增长率由0%提升到0.3%，2015年由0.6%提升到1.2%等。

2000年以来，中国的R&D投入强度稳步提升，2002年，首次突破1%，2014年迈入2%时代，2015年达到历史最高水平2.07%，接近欧盟15国的平均水平(2.08%)[3]。随着经济进入“新常态”，中国区域经济的力量格局正在发生改变，如沿海经济大省“粤苏鲁浙”经济总量之争，“京沪”第一城市之争等。在R&D资本化国际潮流驱动下，中国将实施新的国民经济核算标准，未来区域经济的力量格局或将重新洗牌。现有支出法GDP=C+I+NX,其中C为消费，包括居民消费支出与政府消费支出；I为投资，包括固定资本形成总额与存货变化；NX为货物与服务净出口(净流出)。SNA2008下的R&D的资本化使支出法GDP等式发生了改变，即GDP=C+I+NX+R&D，增加部分为资本化后的R&D支出额。长期以来中国政府官员对GDP的考核重视现在，而企业对绩效的考核则重视未来，官员相对短期的目标函数和企业长期的目标函数之间的不匹配使得经济社会发展的长期目标一直得不到政府官员的支持与贯彻，R&D资本化将大大提高政府官员增加研发投入与政策激励的积极性，从而实现政府与企业的双赢。

中国尚未实施SNA2008，目前仅有少量文献对R&D资本化过程中的问题进行了探讨。如魏和清[4]简要分析了SNA2008对GDP、资本存量和经济增长率等宏观指标的影响；倪红福[5]以北京为研究对象，分析了其R&D资本化核算的结果；杨林涛等[6]以深圳为研究对象，分别选取Goldsmith方法、BEA方法就R&D资本化对国民核算产生的影响进行统计测度等。总体看来，中国对R&D支出资本化的研究尚处于起步阶段，涉及区域经济的测度研究更是少之又少。

鉴于此，本文根据有关资本化 R&D支出的理论，依据国内外研究成果，利用2010—2016年发布的《中国统计年鉴》《中国科技统计年鉴》等数据资料，尝试对2009—2015年广东、江苏、山东、浙江、北京、上海、天津的 R&D支出进行资本化处理并重新调整 GDP，以R&D资本化为视角对粤苏之争及京沪之争进行再探讨。

1　R&D资本化的界定与假设

1.1　R&D资本化的界定

SNA2008[7]指出：“R&D 是为了增加知识储备并利用这种知识储备开发新的应用，系统性地从事创造性工作而支出的价值。”同时SNA2008指出：“给所有者带来经济利益的研发支出作为固定资本形成处理；不给所有者带来经济利益的研发支出作为中间投入处理。”由此可见，一项 R&D 活动最终形成的是费用还是资本，关键在于 R&D 活动的性质，即R&D资本化是有条件的资本化。然而在实际操作中，哪些R&D支出会带来收益并无法严格区分，同时失败的R&D支出所产生的成本远低于成功的R&D支出所带来的收益，因此可以忽略这部分成本，将R&D全部资本化，许多国家在进行R&D资本化时也采用了这种方法。这样的核算方法对GDP有一定程度的高估。

1.2　变量的假定

R&D 核算作为一种投资型活动，其收益往往难以计算，尤其是R&D产出，通过衡量R&D产出来估计R&D资本收益的方法亦难以操作。一些学者在研究中常常用R&D支出替代R&D产出，以投入费用代替产出，则意味着 R&D 投入没有效益，从而反映不出生产率的变化，这对营利部门来说并不合理。

R&D产出一部分具有市场性，如企业部门R&D产出，一部分具有非市场性，如一般政府和非营利机构的R&D产出。对企业部门R&D产出，SNA1993中做费用化处理，SNA2008资本化处理后，直接增加固定资产投资，从而增加GDP总量，本文通过R&D资本存量来估算产出。非市场生产者(一般政府和非营利机构)的R&D资本通常没有市场价格，一般在其生产成本的基础上进行估值，本文假定其产出等于投入成本。与此同时，一般政府部门R&D资本化后还需要对其产生的投资收益进行考察，即私人收益，私人收益是政府部门的R&D资本服务产品，这部分投资收益要计入政府消费中，从而增加GDP总量[8]。

1.3　参数的假定

本文估算过程中涉及R&D产出价格指数资本存量、折旧率、私人收益率等。

(1)R&D产出价格指数。国内学者在编制R&D产出价格指数方面，多采用以其他价格指数进行替代，或运用成本投入法进行估算以及根据R&D 活动特点进行经验性构造。如学者朱平芳等[9]使用的是CPI指数与固定资产投资价格指数的加权平均。王孟欣[10]利用各地区的GDP指数与R&D经费指数的线性关系推算了各地区R&D经费支出的价格指数。田志康[11]则从R&D价格缩减指数的视角，利用固定期和链式费式和Divisia指数方法对R&D价格指数进行测量。

本文将结合中国的统计情况进行构造，由于投入成本法主旨在于以R&D支出的组成部分为依据，因此确立并计算R&D支出结构成为R&D价格指数估算的前提条件。由2010—2016年的《中国科技统计年鉴》数据可知，中国 R&D 支出主要包括日常性支出和资产性支出。经计算，日常性支出所占比例大约为 85%，资产性支出大约为15%。其中，在日常性支出中，人员劳务费占比约为29%，剩余部分未做出细致说明。而在资产性支出中，仪器设备支出约占80%，剩余部分也未做出细致说明。若将未做说明的支出都归为其他费用支出，即可得到人员劳务费、仪器设备支出和其他费用占总支出的比例。该构建思路考虑了其他费用指数的估算，更符合中国的实际。

(2)R&D资本存量与增长率。统计年鉴并没有公布R&D资本存量，Goldsmith的永续盘存法(Perpetual Inventory Approach，PIM)在估计固定资产投资存量中获得广泛应用，美国BEA[12](Bureau of Economic Analysis)在PIM基础上对R&D资本存量进行估计。Goldsmith的PIM思路的基本的公式如下：

(1)

式中，K为资本存量，t为时间，I为R&D支出流量(不变价)，n为R&D支出形成存量的最大滞后年数，δ为R&D资本存量第t年的折旧率，μ为R&D支出的滞后贴现系数(R&D支出流量形成R&D存量的比率)。当期 R&D 资本存量K由两部分构成：一部分为上期存量扣除折旧后的净额；另一部分为由于滞后效应的存在，以往 R&D 支出在本期形成的存量值。鉴于R&D投入滞后期难以得到，多数学者采用μk=1，n=1，因此式(1)可一般化为：

Kt=It+(1-δ)Kt-1

(2)

美国BEA(Bureau of Economic Analysis)在PIM基础上对R&D资本存量进行估计公式如下：

Kt=(1-δ/2)It+(1-δ)Kt-1

(3)

BEA做法与PIM法的区别在于前者假定仅有1-δ/2的投资额转化为资本存量，后者假定全部投资额转化为R&D资本存量。无论哪一种方法，可以明确的是，需要初始R&D存量，当期R&D存量，R&D价格指数以及折旧率进行确定。本文将沿用BEA的做法进行估算。

当数据资料时间序列较短时，初始R&D资本存量的选择对核算R&D存量有重要影响，根据 Goto 等[13]、Coe等[14]的方法，假定R&D资本存量增长率等于真实R&D支出增长率，设为gk，将gk设定为样本期内不变价格R&D 支出增长率的几何平均数，假设前提通常是不变价格 R&D 支出较为平稳，这与事实上不同区域的不变价格 R&D支出波动显著相违背。为了消除这种波动性，BEA采用了Sliker的线性回归法，具体公式如下：

gk=em-1

(4)

其中m由以下回归模型决定:

lnEt=b+mt+εt

(5)

根据BEA方法推导，R&D初始资本存量为：

(6)

本文将 2009 年作为基期，分别对各省市的gk进行估算，各省市gk计算结果：广东4.24%，江苏7.00%，山东3.92%，浙江6.80%，北京6.94%，上海2.24%，天津5.09%。进而根据式(6)、式(3)估算出各省份的基期资本存量及各期资本存量。

(3)R&D资本收益率与折旧率。本文参照Barbara 等的研究[15]，设定一般政府部门的私人收益为16%，R&D资本的折旧率则参照国家统计局国民经济核算司GDP生产核算处的建议，设定为10%，详见下式：

当期一般政府部门的私人收益=上一期一般政府部门R&D资本存量×私人收益率+上一期一般政府部门R&D存量×折旧率

(7)

2　资本化R&D的处理方法

《中国科技统计年鉴》按执行部门对R&D的统计区分为企业、研发机构、高等学校，由于科研机构和高等院校的资金主要来自政府财政，且其研发活动具有公共产品性质，故科研机构和高等院校统一归为一般政府部门，同时假设两者具有相同的收益率和折旧率。

《中国科技统计年鉴》按支出用途对R&D的统计区分为日常性支出和资产性支出。由于R&D资产性支出已计入国民经济核算中固定资产投资，为了减少重复计算，故而只对R&D 日常性支出进行调整处理。由于SNA2008指出R&D支出资本化中不包括人力资本，故日常性支出需剔除掉人力资本。

由表1可知，R&D对GDP的影响有两个途径[16]：一是资本化后的R&D由原来的费用转化为投资，二是R&D支出作为投资产生私人收益，且这部分收益要计入GDP中，因此GDP增加，增加规模等于科研机构与高等教育部门的R&D私人收益额。详见下式：

调整后的GDP=当前的GDP + 企业R&D固定资本形成总额 + 科研机构与高等院校的R&D私人收益

(8)

本文主要运用按执行部门与支出用途统计的R&D数据进行处理，暂时不考虑按资金来源与R&D活动区分的统计数据。

表1　R&D资本化对GDP的影响

3　数据与结果

3.1　空间分布特征

经过R&D资本化核算处理，本文分别测算出了各省份2009—2015年企业R&D固定资本形成额(FI)与政府机构私人R&D收益额、R&D资本化纳入GDP的部分占R&D总支出的比重、R&D资本化对不变价GDP的影响,以及R&D资本化对GDP的影响幅度与贡献率。数据的空间分布特征具体如下：

第一，各省份企业R&D固定资本形成额与政府机构私人R&D收益总量呈递增趋势，其中“粤苏鲁浙”地区企业R&D固定资本形成规模普遍大于私人R&D收益规模，“京沪津”地区企业R&D固定资本形成规模则普遍小于私人R&D收益规模。总量规模从大到小排序为北京、江苏、上海、浙江、广东、天津、山东。2015年，各省份R&D固定资本形成额与政府机构私人R&D收益总量分别为：北京409.74亿元，江苏321.03亿元，上海155.56亿元，浙江157.74亿元，广东145.73亿元，天津127.71亿元，山东135.93亿元。

第二，2009—2015年各省份R&D内部总经费支出呈不断递增趋势，R&D资本化纳入GDP的额度与R&D总经费支出额度的比重(R&D资本化占比)则呈下降趋势；“粤苏鲁浙”地区企业R&D经费支出明显大于政府机构R&D经费支出，“京沪津”地区政府机构R&D经费支出则明显大于企业R&D经费支出。R&D资本化纳入GDP部分与R&D总经费之比由大到小排序分别为北京、上海、江苏、天津、浙江、山东与广东。2015年，各省份R&D资本化占比分别为：北京62.20%，上海34.12%，江苏28.17%，天津21.80%，浙江18.82%、山东13.13%与广东10.87%。

第三，R&D资本化调整前后各省份不变价GDP总量与增量均呈递增趋势，其中北京与江苏增量规模最为突出；另一方面，各省份R&D资本化对GDP影响幅度与贡献率的走势相对平稳，波幅较小，R&D资本化对GDP平均影响幅度排序分别为北京、上海、天津、江苏、浙江、山东与广东，R&D资本化对GDP平均贡献率排序分别为北京、江苏、上海、浙江、天津、广东与山东。2015年，广东的不变价GDP从66738.03亿元调整到66933.51亿元，R&D资本化对GDP影响幅度为0.293%，贡献率为0.067%；江苏的不变价GDP从60217.15亿元调整到60724.63亿元，R&D资本化对GDP影响幅度为0.843%，贡献率为0.708%；山东的不变价GDP从58542.22亿元调整到58730.43亿元，R&D资本化对GDP影响幅度为0.379%，贡献率为0.124%；浙江的不变价GDP从38079.32亿元调整到38269.61亿元，R&D资本化对GDP影响幅度为0.534%，贡献率为0.403%。北京的不变价GDP从19279.45亿元调整到20140.34亿元，R&D资本化对GDP影响幅度为4.456%，贡献率为4.220%。上海的不变价GDP从23780.58亿元调整到24100.00亿元，R&D资本化对GDP影响幅度为1.522%，贡献率为0.500%。天津的不变价GDP从15821.71亿元调整到15932.94亿元，R&D资本化对GDP影响幅度为0.885%，贡献率为0.215%。

3.2　“粤苏鲁浙”之争再分析

数据表明，经GDP调整后广东仍然排名第一，山东依旧被江苏超越，且呈现拉大趋势。从R&D总支出来看，江苏与广东持平；但从R&D资本化纳入GDP的额度来看，江苏省R&D纳入GDP的部分明显高于广东、山东与浙江，后三者R&D资本化水平不相上下，以2015年为例，R&D资本化后江苏不变价GDP新增590.91亿元，广东、山东、浙江分别为213.28亿元、202.55亿元、214.31亿元。

相对变化水平上看，R&D资本化对GDP的平均影响幅度分别为：江苏0.852%，广东0.331%，山东0.379%，浙江0.534%；R&D纳入GDP后对GDP的平均贡献率分别为：江苏0.821%，广东0.154%，山东0.124%，浙江0.403%。由此可见，尽管R&D资本化纳入GDP绝对量上浙江与广东、山东相近，但是对GDP平均影响幅度与贡献率却高于后者，分别是广东的1.61倍与2.62倍，山东的1.41与3.25倍。这说明R&D活动对浙江省经济增长与产业结构的拉动作用更为明显，这与浙江省科技创新政策支持与企业自主研发活力密切相关；尽管浙江在GDP总量上暂时靠后，但其后劲十足，发展动力与潜力将仅次于江苏省。

R&D资本化为“粤苏之争”提供了新的视角，江苏地区的R&D资本化水平最高，且呈稳定增长趋势，这将为江苏赶超广东提供强有力的竞争支撑。江苏的R&D高资本化水平得益于走开放型经济之路，特别是苏州工业园的建设，更让江苏的外向型经济走向了新阶段，从而企业R&D固定资本形成总额远超广东地区。作为第一经济大省的广东，尽管GDP总量上稳居第一，但由于其R&D资本化在对GDP影响幅度与贡献率上的优势并不明显，所以R&D资本化将进一步加大其被江苏赶超的压力，广东需要更加重视产业结构调整之门，加快经济转型，继续保持引进高科技企业和互联网公司，进一步增强经济活力，才能在“粤苏鲁浙”之争中持续魁首。

3.3　“京沪”之争再分析

数据显示，从经济总量上看，上海在GDP调整前后均占有绝对优势；但是从R&D经费总量与R&D资本化纳入GDP的量来看，北京的R&D活动则具备明显的优势。从相对变化量上看，北京地区R&D资本化对GDP的平均影响幅度与贡献率分别为4.506%、4.051%，明显高于上海地区的1.545%和0.554%，R&D对GDP的影响幅度与贡献率分别是上海地区的2.92倍与7.31倍。这意味着R&D资本化将进一步缩小京沪地区的经济总量差距。以2014年为例，R&D资本化调整前上海与北京的GDP差距是4210.60亿元，调整后两者差距为3715.96亿元，缩幅11.75%。知识经济时代，一个城市的未来取决于创新能力，R&D资本化视角下，拥有更多的创新能力地区将最终立于不败之地，以此推算，北京地区经济总量将完全有能力取代上海。

与此同时，随着京津冀协同发展的提出，天津的经济总量规模不断扩张，影响力不断加强。有预测指出，天津在2020年的经济总量将会超过北京，成为中国最大的经济中心之一。本文数据显示，2009—2015年天津地区R&D资本化水平虽有所提高，涨幅17.61%，但与北京地区的差距则呈不断扩大趋势，差幅增加34.8%；与此同时，R&D资本化对GDP的影响幅度与贡献率也在不断削弱，降幅分别高达28.27%与47.16%。这表明在经济总量上，天津赶超北京的后劲尚且不足，其较难从北京的辐射覆盖中直接获益，因此，未来天津找准其地区定位和角色对自身乃至整个京津冀地区的协同发展都至关重要。

4　结语

本文从R&D资本化研究背景出发，在相关R&D资本化测算方法基础上，尝试对粤、苏、鲁、浙、京、沪、津七个省份R&D支出纳入GDP及其影响进行测度。结果表明，2009—2015年，R&D资本化对GDP的平均贡献率分别为：北京4.220%，江苏0.821%，上海0.500%，浙江0.403%，天津0.215%，广东0.154%，山东0.124%，R&D资本化将引发地区经济格局调整，这为粤苏之争与京沪之争提供了新的研究视角。R&D资本化进一步加速了江苏赶超广东的步伐，浙江具备取代山东的后发优势；北京地区经济总量有能力取代上海，天津地区赶超北京后劲尚且不足。

本文的测算过程利用了一些参数，其估计依赖于诸多假设，R&D资本化过程面临诸多技术难题。本文对R&D资本化对地区经济的影响测度仅仅是一个初步探索，尚需进一步研究。随着R&D资本化核算研究的不断加强，将为区域技术创新与经济发展提供更多的智力支撑。

参考文献：

[1]SLIKER B K.2007 R&D Satellite Account Methodologies:R&D Capital Stocks and Net R rates of return.Bureau of Economic Analysis / National Science Foundation R&D Satellite Account Background Paper[EB/OL].http:/ /www.Bea.gov /national/rd.htm.

[2]U S.Bureau of Economic Analysis.Preview of the 2013 Comprehensive Revision of the National Income and product Accounts：Change in Definitions and Presentation[EB/OL].2013.http://www.bea.gov/scb/pdf.

[3]朱迎春，袁燕军，张海波.R&D经费配置的现状、问题与对策：基于2000—2015年的统计数据[J].中国科技论坛，2017(8)：28-33.

[4]魏和清.SNA2008 关于 R&D 核算变革带来的影响及面临的问题[J].统计研究，2012(11)：22-25.

[5]倪红福，张士运，谢慧颖.资本化 R&D 支出及其对 GDP 和经济增长的影响分析[J].统计研究，2014(3)：21-26.

[6]杨林涛，韩兆洲，王科欣.SNA2008 下 R&D 支出纳入 GDP 的估计与影响度研究[J].统计研究，2015(11)：72-77.

[7]联合国,等.2008国民账户体系[M].北京：中国统计出版社，2012.

[8]曾五一，王开科.美国GDP核算最新调整的主要内容影响及启示[J].统计研究，2014(3)：9-13.

[9]朱平芳，徐伟民.政府的科技激烈政策对大中型工业企业R&D投入及其专利产出的影响：上海市的实证研究[J].经济研究，2003(6).

[10]王孟欣.我国区域R&D资本存量的测算[J].江苏大学学报，2011(1)：58-63.

[11]田志康.R&D价格缩减指数及其中国实际R&D支出研究综述[J].中国软科学，2014(11):78-91.

[12]U S.Bureau of Economic Analysis.BEA Expands Coverage of Intellectual Property Products[EB/OL].2013.http:/ /www.Bea.gov/national/pdf/flyer_bea_expands_coverage_of_intellectual.pdf.

[13]GOTO Akira and KAZUYUKI Suzuki，R&D capital，rate of return on R&D investment and spillover of R&D in Japanese manufacturing industries[J].Review of economics and statistics，1989(71)：555-564.

[14]COE D.and HELPMAN E.International R&D spillovers[J].European economic review，1995(39):859-887.

[15]FRAUMENI B M，OKUBO S.R&D in the national income and product accounts-A first look at its effect on GDP[C].Conference on Research in Income and Wealth-Measuring Capital in the New Economy APR 26-27，2002.

[16]江永宏，孙凤娥.中国R&D资本存量测算：1952—2014年[J].数量经济技术经济研究，2016(7)：12-124.