高技术产业与高质量发展——基于分位数回归的实证分析

艾 慧,王 政

(上海大学 马克思主义学院，上海 200444)

一、引 言

改革开放40多年来，我国高技术产业取得了长足进步，使得我国科研实力和创新能力显著增强，在全球价值链和产业分工体系中的地位也不断提升，并成为推进供给侧结构性改革、引领中国经济向高质量发展的主要动力源。近年来我国高技术产业呈现快速发展的态势，高技术产业工业增加值增速显著高于同期工业增加值增速(见图1)。1999—2017年，我国高技术产业保持两位数的增长，2017年规模以上高技术产业工业增加值比2016年增加13.4%，高于同期规模以上工业6.8百分点(1)数据来自2000—2017年《中国高技术产业统计年鉴》。。据国家统计局公布的2019年一季度国民经济数据，高技术产业工业增加值同比增长7.8%，高于规模以上工业1.3百分点。高技术制造业投资同比增长11.4%，增速比全部投资多5.1百分点；从结构来看，高技术产业占全部规模以上工业比重已达到13.5%，比上年同期提高0.8百分点。高技术服务业投资同比增长19.3%，比全部投资多13.0百分点。与此同时，党的十九大会议上习近平总书记提出我国的主要矛盾已经转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，我国经济要从高速度增长转变为高质量发展。什么是高质量发展、如何实现高质量发展成为学者们重点关注并研究的问题。作为引领我国经济向高质量发展的主要动力源，高技术产业是影响国家战略安全与竞争力的核心要素，然而高技术产业带来高质量发展了吗？对于这一问题的研究显然对于全球经济深度调整、国内经济结构转变的当下来说具有重要的现实意义与价值。针对这一问题，本文利用2000—2016年的省级面板数据，通过面板固定效应模型检验了高技术产业与经济发展质量之间的相关性，并利用分位数回归对不同经济发展水平下高技术产业的影响程度进行了研究，最后有针对性地给出了一些政策建议。

图 1 高技术产业工业增加值增速与工业增加值增速变化图(数据来源：Wind、中泰证券研究所。 )

二、文献评述

20世纪70年代，以微电子技术为中心，包括激光宇航、海洋、新能源、新材料等新技术产业逐步在西方国家兴起。谭大骏和陈平较早地注意到“新兴产业革命”将会使我国与西方国家的技术差距拉大，提出要用最新科学技术改造我国的工业生产方式[1]。20世纪90年代中期，中国的高技术产业多次得到政府和社会的重视，并取得了较快的发展[2]。 国内对于高技术产业的研究，主要集中在对高技术产业的效率问题及其对产业结构的影响上。朱有为和徐康宁利用随机前沿生产函数对我国高技术产业的研发效率进行测算，发现我国高技术产业的平均研发效率偏低，主要原因是高技术产业的研发活动还不具有规模性[2]。刘伟运用DEA-Malmquist与Bootstrap相结合的方法，对我国2000—2010年的高技术产业的全要素产出率进行了测算，发现我国高技术产业的全要素产出率整体上存在提高与降低交替变动，且技术效率的改进并不理想，地区间的差异仍然比较明显[3]。与前面的研究有所不同的是，陈燕儿等通过Hicks-Moorsteen TFP指数发现我国高技术产业全要素生产率是呈上升趋势的，且增长动力逐渐由技术进步转变为技术及技术效率共同作用[4]。

Romer最早提出技术进步能够促进经济的长期增长[5]。国内20世纪80年代就有学者认为高技术产业作为新一代生产力的代表所带来的技术进步势必引起世界范围内的社会变革[6]，其不仅能带来产业结构的升级，也能导致就业结构的变化[7]，从而将国民经济带入更高的层次。夏海力等通过2005—2016年的省级面板数据发现高技术产业显著推动了我国产业结构的升级[8]。Salter认为灵活的产业结构能够促进生产率的提高，产业升级与经济增长总是相互促进的[9]，李政和杨思莹通过面板三阶段最小二乘法，构造联立方程对此进行了实证检验[10]。通过构建空间面板STRIPAT-Durbin模型，Li等发现高技术产业具有空间依赖性和空间集聚效应，并且能够促进经济转型[11]。

经济转型往往意味着经济朝着更高质量发展，然而学者们对于高质量的定义与测度却不尽相同，主要原因是发展质量的内容本身就具有多维性和丰富性[12]。师博和任保平从经济的基本面和社会成果两个方面6个指标对我国经济增长质量进行了测算[13]。魏敏和李书昊从经济结构优化、创新驱动发展、资源配置高效、市场机制完善、经济增长稳定、区域协调共享、产品服务优质、基础设施完善、生态文明建设和经济成果惠民10个方面对经济高质量发展水平测度体系进行了完善[14]。此外，李金昌等则从“五大发展理念”出发，从经济活力、创新效率、绿色发展、人民生活、社会和谐5个部分共27项指标构建了高质量发展指标体系[15]。针对不同地区高质量内涵的异质性，安树伟和张晋晋因地制宜，紧扣山西的实际情况，从速度合理、结构优化、动力转换、市场有效、更可持续、民生共享6个方面构建了高质量评价指标体系[16]。陈冲和吴炜聪通过构建一个涵盖动力机制转变、经济结构优化、经济系统稳定、经济绿色发展和经济福利共享5个维度的经济质量评价体系，发现消费结构升级对于高质量发展不仅具有显著影响，而且还存在门槛效应，当消费结构升级达到一定程度后，其对于高质量发展的驱动作用会越来越明显[17]。除此以外，余泳泽等通过采用包含非期望产出的SBM模型测算了2003—2016年230个城市的绿色全要素生产率，以其作为高质量发展的重要指标，从城市绿色全要素生产率的角度为中国经济从高速增长向高质量发展进行转变提供了事实依据[18]。

尽管学者们对于高技术产业和高质量发展都分别进行了研究和讨论，但少有学者对高技术产业与经济的高质量发展之间的关系进行实证检验。在创新驱动下，我国将由依靠投资等为主发展，转型为依靠服务业升级和高端制造业发展等[19]，基于此，本文将高技术产业与党的十九大提出的经济“高质量”发展联系起来，利用2000—2016年26个省级行政区的面板数据，构建具有固定效应的面板模型和分位数回归，对高技术产业与高质量发展之间的因果关系进行研究。就后者来看，分位数回归能弥补传统OLS回归的不足，更加全面地反映解释变量对不同分位数下的被解释变量的影响程度。

三、研究设计

(一)数据来源与模型构建

1. 数据来源与变量描述

(1)高技术产业研发创新效率(INE)。长期以来，专利被作为衡量研发产出水平的指标，并得到了广泛的应用。但朱有为和徐康宁认为专利只是一种中间产品，并不能代表企业研发的全部产出。相比之下，新产品销售收入(2)根据《中国统计年鉴》中对新产品的定义：新产品指的是采用新技术原理、新设计构思研制、生产的全新产品, 或在结构、材质、工艺等某一方面比原有产品有明显改进, 从而显著提高了产品性能或扩大了使用功能的产品。更能反映研发努力的商业化水平，且容易测度[2]。本文选取高技术产业R& D 活动人员折合全时当量和R& D 经费内部支出作为投入指标，出于数据的可获得性和完整性考虑，本文利用新产品收入来替代新产品产值(3)经过对比，新产品收入与新产品产值二者的差别不大，详见《中国高技术产业年鉴》。和专利拥有数量[20]作为产出指标，通过Stata软件利用DEA-Malmquist法计算研发创新效率(INE)。2000—2016年各省级行政区研发创新效率指数平均水平如表1所示。

表1 2000—2016年各省级行政区研发创新效率指数平均水平

从表1可以看出各省级行政区之间存在一些差异。通过数据还可以发现我国东、中、西部地区存在显著差异(见图2)。东部地区省级行政区的高技术产业研发创新效率始终与中部和西部地区之间保持着较大的差距，而就中、西部地区而言，在2012年之前差距不大，到了2012年之后，开始出现较为明显的差距。

图 2 各地区高技术产业研发创新效率趋势变化注：虚线表示变化趋势，以全国为例

(2)高质量发展指标(GDPPER)。本文借鉴陈诗一和陈登科[21]的方法采用劳动生产率作为衡量经济发展质量的指标。劳动生产率越高，则经济发展质量越高；反之，则越低。通过对比2000年和2016年经济发展质量与高技术产业研发创新效率之间的散点图(见图3)，可以发现2000年多为“低-低”集聚和“中-中”集聚，而到了2016年则主要为“中-中”集聚和“高-高”集聚，说明两者之间存在某种协同关系。

图3 2000年和2016年我国各地区高技术产业与经济发展质量的协同变化散点图

(3)控制变量。本文选取收入差距、碳脱钩程度、贸易开放度、人力资本和经济增长作为控制变量。收入差距为城乡人均收入的比值；碳脱钩程度为CO2与GDP的比值，其中CO2值参考了杨骞和刘华军的测算方法，选取了8种主要燃料(4)8种主要燃料为：煤炭、天然气、焦炭、燃料油、汽油、煤油、柴油、原油，数据来自国家统计局。测算得出CO2的数据[22]。党的十九大提出了包括生态文明建设在内的“五位一体”总体布局[15]，单位GDP所排放的CO2无疑关乎经济发展的质量；贸易开放度为进出口贸易额与GDP的比值；人力资本选取的是普通高等院校在校人数；经济增长没有按照惯例选取国内生产总值，而是选取了农村用电量作为衡量经济增长的代理变量，相比之下后者在统计核算上更加客观。变量情况 如表2、表3所示。

表2 变量说明

表3 变量描述性统计

2. 模型构建

从上文分析中，我们可以得到一个关于高技术产业研发创新效率与经济高质量发展水平之间的函数关系式：

GDPPER=f(INE,GREEN,GAP,xn，ε)

(1)

式(1)中，GDPPER为表示经济增长；INE、GREEN、GAP为本文所关注的主要解释变量；ε为随机扰动项；xn为其他控制变量。

根据式(1)可以进一步构建面板数据形式的计量模型：

模型一：

GDPPERit=β0+β1INEit+εit

(2)

模型二：

GDPPERit=β0+β1INEit+β2GREENit+β3GAPit+β4xn+εit+μt

(3)

模型三：

GDPPERit=β0+β1INEit+β2GREENit+β3GAPit+β4xn+εit+μt+γi

(4)

式(2)～(4)中，β1、β2、β3、β4表示各解释变量对被解释变量的影响程度；εit为随机扰动项；μt为时间固定效应；γi为个体固定效应；i为省份；t为年份。

分位数回归模型最早由Koenker和Bassett提出，是估计一组回归变量X与被解释变量Y的分位数之间线性关系的建模方法[23]，分位数回归估计量的计算是基于一种非对称形式的绝对值残差最小化。

分位数回归的优点在于：一是与普通最小二乘法回归相比，分位数回归能够更加全面地描述被解释变量条件分布的全貌，而不是仅仅分析被解释变量的条件期望(均值)，也可以分析解释变量如何影响被解释变量的中位数、分位数等。不同分位数下的回归系数估计量常常不同，即解释变量对不同水平被解释变量的影响不同。二是分位数回归对误差项并不要求很强的假设条件，因此对非正态分布而言，分位数回归系数估计量则更加稳健。

本文将利用面板固定效应模型和分位数回归方法，分别从不同角度来分析高技术产业研发创新效率对经济发展质量的影响。

(二)实证分析

1. 面板独立性检验

由于面板数据的特性，常常可能因为某种共同的原因影响到所有的个体，比如金融危机，此时可能会导致截面相关(cross-sectional dependence)。当存在截面相关时，传统的面板单位根检验，如levin-lin-chu检验、augmented dicky fuller检验等会出现无效的情况，从而导致伪回归的现象(5)Pesaran M H.General diagnostic tests for cross section dependence in panels.Cambridge Working Papers in Economics，2004，No.0435.。因此，在对变量进行单位根检验之前，本文先进行了CD test面板独立性检验，检验结果如表4所示。

表4 面板相关性检验结果

注：原假设为存在面板独立性，***表示1%水平以下显著。

2. 面板单位根检验

一般来说，计量模型在对变量估计之前都需要进行平稳性检验，以防止“伪回归”现象的出现。通过对面板的独立性进行检验发现，检验结果在1%水平下拒绝了原假设“存在面板独立性”，也就是说存在面板相关性。因此，在对本文变量进行平稳性检验时，传统的LLC、ADF、KPSS等检验无法满足需要，于是只能采取Pesaran-CD检验[24]。其检验结果如表5所示。

从表5可以看到，所有变量均平稳且分别在1%、5%和10%水平以下显著。

表5 平稳性检验结果

注：*、**、***分别表示10%、5%和1%水平以下显著。

3. 面板协整检验

Kao[25]、Pedroni[26]和Westerlund[27]提出了进行面板协整检验的方法。其原假设均为“不存在协整关系”。本文利用这三种方法对变量之间可能存在的协整关系进行了检验，面板协整结果如表6～表9所示。

表6 面板协整结果(1)

注：***表示1%水平下显著。

表7 面板协整结果(2)

注：***表示1%水平下显著。

表8 面板协整结果(3)

注：***表示1%水平下显著。

表9 面板协整结果(4)

注：*表示10%以下显著。

从以上检验结果来看，表6、表7和表8的检验均表现为在1%以下显著，因此有理由拒绝原假设“不存在协整关系”，即变量之间存在显著的协整关系。尽管表9的检验结果只在10%水平以下显著，但结合前两个检验，依旧可以认为变量之间存在显著的协整关系。

4. granger因果检验

为了更好地探究变量之间的因果关系用来进行因果推断，本文还借助了Dumitrescu 和Hurlin的方法进行了面板格兰杰因果检验[28]，其检验结果如表10所示。另外，需要指出的是由于控制变量并非本文所关注的核心解释变量，故没有一一列入表中。

表10 面板格兰杰因果检验结果

注：*、**、***分别表示10%、5%和1%水平以下显著，表中系数报告的为p值。

检验结果显示：高技术产业研发创新效率、碳脱钩程度和收入差距均是经济发展质量的格兰杰原因，且分别在5%、10%和1%水平下显著。对于其他的被解释变量：经济发展质量为碳脱钩程度的格兰杰原因，其结果在5%水平显著；碳脱钩程度分别还是研发创新效率与收入差距的格兰杰原因，结果均在1%水平下显著；收入差距也是碳脱钩程度的格兰杰原因，其结果在1%水平下显著。

5. 回归结果与分析

(1)全国与分地区的时序特征。

通过f、lm和hausman检验拒绝了混合回归和随机效应模型回归，本文选择了固定效应回归。出于对无偏一致性的考虑，本文使用的是双向固定效应模型，即对个体效应与时间效应都进行了严格控制，以排除异质性带来的误差。固定效应回归结果见表11。

表11 固定效应回归结果

注：*、**和***分别表示在10%、5%和1%水平下显著；括号中报告的是t值；N为观测数，R2为可决系数。

表11的回归结果显示：第一，当未控制控制变量和时间个体效应时，高技术产业的研发创新效率的相关系数最大(1.742)，且在1%水平下显著。当逐步控制时间效应和个体效应，并引入控制变量以后，其相关系数逐渐减小，但模型的拟合系数由0.230 1逐步上升到0.880 7，说明使用固定效应并引入控制变量时，模型具有更好的拟合效果，更具有解释力。第二，未引入控制变量时，高技术产业研发创新系数的相关系数偏高，说明在不考虑其他因素的情况下，高技术产业研发创新效率对于经济向高质量发展具有更大的推动作用。为了进一步探讨地区间的异质性，本文对东、中、西部地区分别进行了回归，分地区的各变量影响程度对比如表12所示。

表12 分地区的各变量影响程度对比

注：*、**、***分别表示在10%、5%、1%水平下显著；括号中报告的是t值；N为观测数，R2为可决系数。

由表12的回归结果显示：第一，东部地区高技术产业研发创新效率的影响系数为0.113，但不显著；碳脱钩程度的系数为-0.545，且在1%水平下显著；收入差距尽管系数为正，但并不显著。第二，中部地区高技术产业研发创新效率的相关系数为0.504，且在1%水平下显著；碳脱钩程度的相关系数为-0.110，且在5%水平下显著；收入差距的系数为-0.523，且在1%水平下显著。第三，西部地区的高技术产业研发创新效率的相关系数为0.542，且在5%水平下显著；碳脱钩程度的相关系数为-0.189，且在1%水平下显著；收入差距的相关系数为-0.546，且在1%水平下显著。回归结果表明：一是高技术产业研发创新效率对经济发展质量的影响程度在不同地区是不同的，其中西部地区受益最大，其次是中部地区，最后是东部地区。二是就西部地区的平均水平来看，收入差距显然抑制了西部地区的经济向更高质量发展。这也是为什么一直以来我国脱贫攻坚的主要阵地都集中在西部地区的原因。

就其他控制变量来看：第一，作为经济增长指标的农村用电量对东中部地区的经济高质量发展的促进作用不如其对西部地区的促进作用大，具体表现在每单位经济增长对于中西部地区的经济质量提升作用分别为0.002 10和0.000 910，而对于东部地区则为0.000 228。主要原因是一个地区的经济由高速增长向以创新驱动的高质量发展转变，必然伴随着的是脱离对于原有路径的依赖，这也是为什么我国进入新常态、经济增速放缓却保持在一个合理的区间的原因。第二，贸易开放度对于中西部地区的经济质量提升效应要显著大于东部地区，主要是因为我国当前进出口贸易结构依旧受限于我国的要素禀赋，从以服务业为主的东部地区来看，我国当前以制造加工为主的贸易结构对于东部地区经济质量的促进作用不是很明显。第三，以普通高等院校在校人数为指标的人力资本变量对于东中部地区经济质量提升作用明显要大于西部地区，即每单位人力资本的提高，对于东中部地区的经济质量提高作用分别为1.45%和1.29%，相比之下对于西部地区经济质量的提升作用仅为0.49%。主要是因为东中部地区的产业结构能更好地与人力资本结合，对于产业结构相对落后的西部地区来说恰恰相反，这也在一定程度上解释了为什么人才更倾向于留在经济较发达的东中部地区，而较少选择去西部地区。

除此以外，本文通过设置高技术产业研发创新效率与时间的交互项，考察了高技术产业研发创新效率对于各地区的影响程度随时间变动的特征(见图4)。结果显示：第一，高技术产业研发创新效率对于全国以及各地区的经济发展质量的边际效应总体上是逐年提高的。一方面我国的经济发展确实实现了技术进步，促进了高技术产业的发展，使得其对经济发展的推动力更加强大；另一方面，近年来由于我国经济实力的增强，伴随着国际形势的变化，高技术产业的战略地位越来越重要，国家的投入也越来越大，从而促进了高技术产业的发展，使得其对我国经济向高质量发展的引擎作用日益突出。第二，不管从全国来看，还是从具体地区来看，近几年高技术产业对经济发展的影响都经历了一个拐点，可能的原因是近几年我国经济进入“新常态”，同时伴随着供给侧结构性改革，其推动作用的提高有所放缓。

图4 高技术产业研发创新效率边际效应的时序特征

(2)地区发展异质性的边际特征。

考虑到我国幅员辽阔，地区间的发展差异始终存在，本文进一步利用分位数回归对处于不同发展质量的个体受高技术产业的影响程度的差异进行了考察，并与传统的OLS估计结果进行了对比。由于其他控制变量并非本文关注重点，故没有在表中一一列出，其结果如表13所示。

表13 OLS及各分位数下回归结果

注：*、***和***分别表示在10%、5%和1%水平下显著；括号中报告的是t值；N为观测数。

表13的回归结果显示：第一，各分位数下，高技术产业的研发创新效率(INE)的影响系数逐渐减小，且均在1%和5%水平下显著。而在OLS回归下，其系数差不多接近50%分位数水平下的影响系数，且在1%水平下显著，说明在平均水平下1单位研发创新效率的提高可以带来1.278单位的经济发展质量的提高。第二，收入差距(GAP)的影响系数一开始基本保持不变，到了75%分位数以后其绝对值开始增大，说明负面影响开始显现，结果均在1%水平下显著。在OLS回归下，其相关系数为-0.549，且在1%水平下显著，说明1单位收入差距的扩大，会带来0.549单位的经济发展质量的降低，就全国平均来看，收入差距对于我国的经济发展质量具有副作用。这正说明了“五大发展理念”中“协调、共享”具有重要意义。第三，碳脱钩程度(GREEN)的影响系数的绝对值经历了先上升后下降的过程，且除了90%分位数以外，均在1%水平下表现显著。

表13的回归结果表明：一是在不同的经济发展阶段下，高技术产业所带来的促进作用是不同的。在经济发展质量更高的地区，高技术产业所带来的推动作用不如欠发达地区和中等发达地区。这一点与赵玉林和马照宁的结论基本一致，即高技术产业与经济增长之间存在“倒U”关系[29]，而经济增长又是经济发展质量的基础。高技术产业主要集中于工业制造业领域，而随着一个地区的经济发展，其产业结构的升级所带来的是服务业所占比重逐渐加大，工业制造业等所占比重逐渐减少，高技术产业在这一地区的过度集聚反而产生更多的“离心力”而不是“向心力”。二是我国收入差距与经济发展正迎来一个拐点，表现在随着经济发展质量的不断提高，收入差距的负面作用开始逐渐显现。特别是在50%～75%与75%～90%分位数下收入差距的影响系数出现了拐点(见图5)，后阶段的影响程度更大，即负面作用越大。这与肖周燕的结论是一致的，即随着经济的不断发展，有必要缩小收入差距以增进社会福利，从而提高经济发展质量[30]。三是我国的经济发展已经跨越了“环境库兹涅茨曲线(EKC)”的拐点，但环境管制政策对于经济增长的抑制作用依旧存在。其表现在碳脱钩程度的影响系数尽管已经跨越了拐点，但依旧为负(见图5)。

图5 不同经济发展水平下各变量影响程度的变化趋势

四、结论与政策建议

(一)结论

本文利用2000—2016年26个省级行政区的面板数据，通过双向固定效应模型和分位数回归对高技术产业与经济发展质量之间的关系进行了研究，结果显示：第一，就全国和各地区的平均发展水平来看，高技术产业研发创新效率显著推动了经济发展质量的提高。其中东部地区与全国平均水平相当，而中部地区与西部地区均高于全国平均水平。除此以外，通过控制个体的异质性，本文还发现不管全国还是各地区高技术产业研发创新效率对于经济发展质量的边际效应呈逐年上升的趋势，从2000—2016年其边际效应累计增长了大约14%。第二，就处于不同发展阶段的省份来看，高技术产业研发创新效率的边际效应呈递减趋势，即一个地区的发展质量越高，高技术产业的研发创新效率所带来的促进作用反而有所减缓。第三，就分位数回归结果来看，收入差距对经济发展的影响经历了两次拐点，其负面影响随经济发展质量的提高而逐步显现，说明高质量的经济发展需要努力缩小我国收入差距水平。第四，越高质量的经济发展水平往往意味着越高的碳脱钩程度，但我国当前的环境管制措施对经济发展质量仍然主要表现为负面影响。

(二)政策建议

基于以上分析有针对性地给出了一些政策建议：一是因地制宜发展高技术产业，而不是盲目跟风引进。由于不同发展阶段的地区其要素禀赋也是不同的，从而使得其对于高端制造业的“兼容性”存在一定的差异。各地区需要根据其自身特性，结合其所能容纳的高技术产业的集聚程度和技术密集程度，制定差异化的高技术产业的发展规划，以实现高技术产业与经济高质量发展的协同演进。二是在经济发展过程中，政府应加大基础教育和基础医疗等公共品的投入，并调整收入分配关系，以增进社会福利。收入差距的扩大，部分是由于人们获取收入的机会和能力的差异造成的。加大公共品的投入特别是基础教育的投入，有利于提高人们获取财富的能力，相比转移支付这种短期内有效的政策，前者更具有长远性，更有利于实现经济可持续性向高质量发展。三是实现环境规制政策的精细化，而不是“一刀切”。高排放可能并不是“小企业”的目的，而产权不明晰(特别是碳交易权)，“绿色成本”过高却可能是“小企业”高排放的推手。政府应对于市场上不同规模的企业实行差异化的环境规制政策，对于“能力有限”的小企业应适当帮扶，提高技术补贴。扶持好这些“毛细血管”，可能有助于更好地加快向高质量转型的“新陈代谢”。