中国科技创新政策效果评估及其时空差异分析——基于省际面板数据

汪 凯,许露露，朱艳玲

(安徽财经大学 统计与应用数学学院, 安徽 蚌埠 233000)

从2006年“创新型国家”战略的首次提出到“十三五”规划中新发展理念的成熟,“创新”在提升国家核心竞争力方面的作用日益凸显。近年来,随着大量科技创新政策的逐步落实,我国在促进区域科技创新和深化“产学研”合作方面取得了大量的成果。

一、各地区创新政策实施现状

在“大众创业，万众创新”的浪潮下，全国各地区也积极贯彻落实国家科技创新政策,通过制定相关的地区创新政策,不断提升本地区创新能力,促进经济健康持续发展。

位于我国东部的江苏省非常重视企业创新,以创新型企业试点工作为着力点,在创新主体发展方面取得了较大的成果。江苏省出台了“双创计划”管理办法, 提高了人才进行创新的积极性。浙江省出台了《关于支持海外高层次人才创新园建设发展的若干意见》,进一步提高了全省创新的积极性。天津市通过为优质企业提供信贷补贴等政策,提高了中小型企业的创新动力。

位于我国中部的安徽省近几年大力支持发展各类创新项目。其从2006年就开始实施“科技创新型企业培育计划”,经过全省上下近几年的努力,安徽省已经成为拥有国家级创新平台最多的省份之一。目前,全省已形成了成熟的创新产业园,其中包括20个高新技术产业开发区、15个国家农业科技园区和6个可持续发展试验区,为安徽省的持续创新发展提供了强大的动力。此外,安徽省努力探索建设创新发展体系,为创新主体提供积极支持,并形成了成熟的四大创新支撑体系。安徽省科技创新政策在实践中日益完善,覆盖面也越来越广。

西部地区省份也加入到创新政策实施大军中,加快推进创新工程建设。云南省积极响应国家创新战略要求,通过出台《技术创新人才培养实施办法》等文件,使云南省的科技创新能力有了显著的提升。以科研大省闻名的陕西省,长期致力于建设具有省级特色的创新体系,[1]并以《陕西省实施创新驱动发展战略纲要》为指导,加快本省的科技创新进程。2016年,陕西省研究试验与发展经费(R&D)投入强度排名更是超出其GDP排名7个名次;近两年来,陕西省积极建设“一带一路”科技创新中心[2],并利用好一切创新资源,进一步提高本省的创新能力。

随着2003年我国“振兴东北老工业基地”政策的实施,东北三省在探索产业转型和升级方面取得了一定的效果,但是并不显著,近几年,东北三省经济甚至出现了负增长, “区域性塌陷”态势日益明显[3]。诚然,这其中的原因很多、很复杂, 既包括宏观因素也包括微观因素。但这进一步说明了传统的“粗放式”发展已经不能适应当今社会经济发展的新趋势和新要求,创新驱动工业振兴是唯一选择。辽宁省作为东北三省的“领头军”,通过发布《辽宁省自主创新促进条例》等文件,2017年全省R&D经费投入强度更是史无前例地达到1.84%,其科技创新能力日益提高。黑龙江省和吉林省也出台了相关的文件,进一步加快创新“创新驱动工业振兴”格局的形成。

二、科技创新政策研究文献综述

随着全国科技创新战略的实施,科技创新政策也开始成为不同领域学者们研究的热点问题。目前,国内外相关学者对于科技创新政策的研究主要集中在科技创新政策内涵、国内外科技创新政策评析以及科技创新成效评估等三个方面。

在科技创新政策内涵研究方面,熊彼特最早提出了“科技创新”的概念,并分析了“创新”的五种表现形式[4];Rorhwell K等指出创新政策可分为供给、需求和环境基础等三大类[5];Taimo Lemola将科技创新政策归为发展型和利用型两大类[6];罗友和基于经济学视角对我国科技创新现状进行了分析,并指出科技创新政策应主要包括激励政策等四个方面内容[7];田志龙等通过对政策文本具体内容的研究,对我国的创新政策内涵和机制进行了详细的分析[8]。

在内外科技创新政策评析方面,陈强等通过对美国创新管理政策中政府的作用和特征等进行分析,对我国政府在创新管理方面的工作提出了相关的对策建议[9];袁永等对奥巴马政府科技创新相关政策特点进行了总结,并对如何借鉴美国政策的问题提出了几点建议[10];徐则荣等通过将特朗普和奥巴马的科技创新政策进行比较，分析了特朗普创新政策对美国的影响,为我国创新政策的制定提供了借鉴。[11]

在科技创新成效评估方面,范柏乃等基于我国31个省份的10年数据,对我国科技创新政策的总体效应和时空差异进行了研究[12];魏阙等基于层次分析法对吉林省十年间的区域科技创新能力进行了量化研究[13];肖相泽以中关村、东湖以及张江等三个地区为研究对象,基于扎根理论,监测了三个地区2010—2014年间科技创新政策的成效[14]。阎东彬利用2012—2017年的最新数据,基于DEA方法对京津冀地区的科技创新政策成果进行了评估[15]。

纵观以上文献,一方面,科技创新政策方面的研究以理论分析为主,缺少实证研究;另一方面,即使有,也很少有使用最近五年数据的,并且主要集中在量化研究方面,并没有考虑到地理空间差异,即对于科技创新的区域差异以及阶段效应分析也较少。因此,本文基于中国30个省份2006年到2017年共12年的数据,通过运用Stata14.0软件建立面板数据模型,对中国科技创新政策实施的整体效应进行评估,并在此基础上,分时期和地区对科技创新政策的时空差异进行比较分析,并通过对结果的总结讨论,提出有针对性的建议。

三、变量及数据说明

(一)变量设定

1.解释变量

本文以中国科技创新政策为研究对象,即以其为主要的解释变量。由于科技创新政策直到今天尚未有一个统一的定义，因此,本文沿袭学者们广泛认可的由Rorhwell等建立的创新政策分类体系[5],将中国科技创新政策分为供给性、需求性和环境基础性等三大类。其中,供给性创新政策主要体现了对创新行为的支持力度,而R&D经费投入的力度,很大程度上代表了对于创新行为的支持力度,并在一定程度上代表着区域的科研实力,乃至区域经济发展的潜力,因此,本文选取R&D经费投入代表供给性创新政策。需求性创新政策主要是指科技产品的市场化和产业化,即市场需求为创新行为提供动机来源,因此,选择与市场需求紧密联系的技术市场交易额代表需求性创新政策。环境基础性创新政策主要是指利于创新的前提环境,鉴于创新离不开科研人员,因此选择R&D人员数量代表环境基础性创新政策。

2.被解释变量

本文的研究目的是对中国科技创新政策的成效进行评估,而科技创新政策的成效主要体现在各种各样的科技产出和成果上,其中既包括书面形式的科研论文、科研著作,又包括知识产权载体的发明、专利以及实物化的新产品等。鉴于科技创新政策的主要目的是支持创新,为创新提供持续动力,激励创新产出,而创新的外部性却可能对创新主体的创新活动产生负面影响,因此,知识产权的保护对于创新主体进行持续创新活动起着至关重要的作用。而专利授权则代表了创新主体对于创新成果的独有权,可以有效地保护创新主体的权益,故本文选择专利授权量作为被解释变量较为合适。

3.控制变量

随着中国改革开放的进一步加大,科研人员的流动也越来越频繁,从而对中国科技创新活动产生了越来越明显的推动作用。外商直接投资(FDI)则通过示范效应等对中国科技创新活动产生了一定程度的影响[16],进一步促进了中国经济的发展。因此,我们选取FDI作为控制变量。

(二)数据来源及描述性分析

本文数据来源于《中国统计年鉴》《中国科技统计年鉴》以及各省历年的统计年鉴，使用Stata14.0软件进行数据处理。表1展示了变量及其描述性统计分析的结果。

表1 变量及其描述性统计特征

注:此表结果由Stata14.0软件计算得到。样本容量为360,共包括30个省份2006—2017年的数据。

四、模型构建

根据前文对变量的设定,本文采用如下形式的模型:

PG=f(RDI,RDP,TM,FDI)

(1)

上述方程表明专利授权量是研究与试验发展(RDI)经费投入、研究与试验发展科技人员RDP、技术市场交易额TM和外商直接投资FDI的函数。

鉴于本文使用面板数据进行相关研究,因此,我们将变量对数化处理后,根据面板数据模型具体形式,把模型(1)写成如下面板数据模型:

lnPGit=β0+β1lnRDIit+β2lnRDPit+β3lnTMit+θlnFDIit+μit

(2)

上式中:i表示省份,共包括30个省;t表示对应的年度;β0表示总平均截距项;μit表示随机扰动项;β1、β2、β3和θ表示待估计的参数。

(一)单位根检验

为了避免伪回归,先对面板数据进行单位根检验。表2给出了Stata14.0软件对变量进行LLC检验的结果,根据LLC值可知所有变量均不存在单位根。

表2 单位根检验结果

(二)序列相关检验

由于当模型误差项存在序列相关或异方差时,此时经典的Hausman检验不再适用,因此需要进行序列相关和异方差检验。表3的结果显示,存在序列自相关和异方差，因此Hausman检验失效,故需要通过其他检验方法来确定最优的模型。连玉君等利用蒙特卡罗模拟方法分析表明,修正的Hausman 统计量以及过度识别检验方法能够很好地克服Hausman检验的上述缺陷，[17]因此本文将选择修正的Hausman统计量进行模型检验。

表3 序列相关检验结果

五、实证研究及结果分析

(一)政策整体效应分析

为了了解中国创新政策的成效,我们先对其整体效应进行分析,表4是我国30个省份2006年到2017年创新政策效应的整体回归结果。

表4 中国科技创新政策效应整体回归结果

注:括号内表示t值,***、**、*分别代表1%、 5%和10%的显著性水平。

分析结果可知,由于固定效应模型的P值满足P=0.0000<0.05,说明个体效应显著;LM检验得到的P值满足P=0.0000<0.05，表示随机效应也显著;修正的Hausman统计量的P值满足P=0.0000<0.05,表明应该选择模型a2,即固定效应模型进行分析较为准确。模型a2显示2006—2017年中国30个省份的R&D经费投入、技术市场交易额对专利授权量都产生显著的正效应,且R&D经费投入对专利授权量的促进效应最明显,R&D经费投入每提高1%,带来专利授权量1.011%的增长,而相比之下,技术市场交易额的促进效应则偏小,技术市场交易额每提高1%,专利授权量增加0.193%。据此可以说,2006年以来,我国科技创新政策实施以后,明显地推动了我国的科技创新活动,政策效果整体较好。其中,供给性创新政策和需求性创新政策的促进效应最明显,而环境基础性创新政策的效果则不明显。FDI虽然也对专利授权量产生正效应,但是效果不显著。R&D人员数量对专利授权量产生不显著的负效应,这可能与R&D人员配置不合理以及地区科技人才差异性大等原因有关。

(二)政策效应时期差异分析

“创新”在提升国家核心竞争力方面的作用越来越大。为了进一步了解中国科技创新政策效应在不同时期是否有差异,了解2006年以来我国科技创新政策实施的成效,本文对“十一五”时期和“十二五”时期分别进行回归分析,回归结果见表5。

Hausman检验结果显示,应选择个体固定效应模型,即模型b1和模型b2进行分析最佳。由表5结果可见,R&D经费投入在“十一五”时期和“十二五”时期都对我国专利授权量产生了显著的促进作用,且促进作用呈现出急速增长态势,弹性从0.511提高到1.466,说明供给性创新政策在这两个阶段都取得了显著的促进效应,并且在“十二五”时期促进效应更大。R&D人员数量在这两个时期产生的效应差异较大,“十一五”时期,R&D人员数量对我国专利授权量具有显著的正效应,而在“十二五”时期,R&D人员数量却对我国专利授权量产生了不显著的负效应,这说明环境基础性创新政策在“十一五”时期取得的效果较好,在“十二五”时期则效果不明显,这可能是因为随着时间的推移,我国科技创新政策的日益完善,全社会创新的主体趋近饱和,创新难度越来越大,创新产出率也在下降,因此此时单纯增加R&D人员数量对创新活动的影响相对前一个时期小了很多,因此导致政策效应不显著。技术市场交易额在两个时期都对我国的专利授权量呈现出正效应,但“十一五”时期显著,“十二五”时期不显著,说明需求性创新政策在“十一五”时期取得的效果较明显,而在“十二五”时期不明显。

表5 中国科技创新政策效应分时期回归结果

注:括号内表示t值,***、**、*分别代表1%、 5%和10%的显著性水平。

通过对比分析两个时期的政策效应可知,“十一五”时期我国的创新政策整体取得了较好的效果,而“十二五”时期仅供给性创新政策效果显著,其他政策收效甚微。FDI在“十一五”时期对我国专利申请量具有显著的正效应,弹性为0.168,而到了“十二五”时期,则呈现出不显著的负效应。

(三)政策效应空间差异分析

中国幅员辽阔,各个地区在空间地理条件和资源分布状况等方面都具有较大的差异,政策效应也会因此而不同。

为了比较我国科技创新政策效果的空间差异,笔者将30个省份分成东、中、西和东北四个区域进行分析，结果见表6和表7。

Hausman检验结果显示,四个区域的P值均在5%的水平上显著(其中由于东北地区随机效应不显著),因此我们均选择固定效应模型,即用模型d1、模型d2、模型f1、模型f2进行分析最佳。由表6和表7的结果可知,R&D经费投入对四个区域的正效应都十分显著,其中效应最大的是西部地区,弹性达到1.408,在中部地区的效应最小,弹性仅为0.441。这表明供给性创新政策在各个区域均取得了正向效应,其中,对西部地区产生的效果最大,对中部地区产生的效果最小。R&D人员数量仅对中部地区的专利授权量产生了显著的促进效应,弹性达到0.662,说明环境基础性创新政策在中部地区取得了较好的效果。就西部地区来说,R&D人员数量对我国专利授权量的影响呈现出显著的负效应,说明环境基础性创新政策在西部地区的实施效果非常不好,这可能与西部创新驱动意识不强,以及缺乏有效的人才激励政策等因素有关。技术市场交易额在四个区域均呈现出显著的正效应,其中东北地区的效应最大,弹性达到0.347,说明需求性创新政策在我国四个区域均产生了显著的效果,其中,在东北地区的效果最大。FDI对东部和中部地区产生了显著的促进效应,其中在中部地区的效应更大,弹性达到0.255,说明随着改革开放进一步深化,吸引的外商直接投资对中部地区创新活动的外溢效应开始凸显。FDI对东北地区虽然有积极的促进效应,但是不显著,在西部地区,FDI则呈现出并不显著的负向效应。这说明FDI对东北地区和西部地区创新活动的影响较小。

通过对比分析四个区域的政策效应可知,供给性创新政策和需求性创新政策在我国四个区域都取得了积极的政策效果,而环境基础性创新政策仅在中部地区取得了较好的效果。FDI对东部地区和中部地区均有显著的促进效应。

表6 东部和西部科技创新政策效应回归结果

注:括号内表示t值,***、**、*分别代表1%、 5%和10%的显著性水平。

表7 中部和东北部科技创新政策效应回归结果

注:括号内表示t值,***、**、*分别代表1%、 5%和10%的显著性水平。

六、总结

本文借鉴Rorhwell K等提出的创新政策分类方式,将国家科技创新政策分为供给性创新政策、需求性创新政策和环境基础性创新政策三大类,并把这三个政策类型的代表性指标作为解释变量,选取我国专利授权量作为被解释变量,以FDI为控制变量,基于我国2006—2017年的省级年度数据构建面板数据模型，分析了我国科技创新政策的总体效应和时空差异,结果显示:

1.2006—2017年这12年间,中国制定实施的科技创新政策整体上取得了显著的效果,极大地推动了我国的科技创新活动。供给性创新政策和需求性创新政策的促进效应最明显,环境基础性创新政策的效果则不明显,这说明中国科技创新环境还有待进一步优化。人才是创新的直接推动力,因此,政府一方面可以通过不断完善人才引进和激励制度,聚集科技创新人才资源,提高科技人员的创新积极性;另一方面,要加大政策监督力度和健全知识产权保护体系,为科创人员提供安心的创新环境。

2.中国科技创新政策在不同时期呈现出不同的效果,具有明显的时期差异。“十一五”时期,我国的创新政策整体取得了较好的效果,这说明自从2006年“创新型国家”战略提出以来,我国相继制定实施的各项创新政策对提高我国创新能力确实起到了一定的作用。“十二五”时期仅供给性创新政策效果显著,其他政策收效甚微。这说明我国科技创新产品市场尚不够成熟,需求驱动的科技创新格局尚未形成。因此,一方面,政府可以通过利益的合理分配和资源的优化配置,来加快成果转化速度和提高创新效率,从而加快科技创新产品市场的构建,实现需求驱动创新的良好格局；另一方面,政府要适当加大对企业创新产品及服务的购买力度,从而进一步加快科技成果的转化。

3.由于地理位置和资源等方面的差异,中国科技创新政策在不同区域产生了不同的效果,呈现出一定的区域差异。供给性创新政策和需求性创新政策在我国四个区域都取得了积极的成效,而供给性创新政策在西部地区取得的效果最大,中部地区取得的效果最小。需求性创新政策在东北地区取得的政策效果最大。环境基础性创新政策仅在中部地区取得了较好的效果。以上结果表明,创新政策的制定与实施要充分考虑到地区在经济发展水平和空间上的差异,因地制策,因地施策,以实现政策效应的最大化。