标准化、技术创新与宏观经济增长：基于VAR 的实证分析

王丽君

（中国标准化研究院，北京 100191；清华大学，北京 100084）

技术创新和经济增长是经济学分析研究的长期持续课题。考虑到全要素生产率（TFP）的增长率可以视为技术进步［1］，近年来我国创新与经济增长的研究：关注对国家层面的TFP 变动趋势的研究及各影响因素在经济增长中的作用，如郭庆旺等［2］、王小鲁等［3］；基于省际数据分析区域创新与经济增长的关系，如张清正［4］、唐未兵等［5］；分析工业行业TFP 变动趋势及其影响因素的作用，如程惠芳等［6］，孙早等［7］。我国步入经济高质量发展阶段的现实，要求深入研究推动标准化对高质量发展的支撑作用。深入分析研究我国标准化和技术创新与宏观经济增长的关系，对支撑我国宏观层面决策和扩大标准化的经济和社会效益有积极的意义。与技术创新相关的概念包括了技术创新本身及其扩散，标准推动技术创新的扩散，并通过扩散过程反馈于技术创新本身。如何揭示标准化和技术创新等与经济增长的关系并进行量化分析，世界范围内的研究机构和学者们进行了专门的探讨，基本上肯定标准和技术对经济增长的促进作用。

1 现有研究成果综述

Blind［8］将现阶段关于标准化、技术创新和经济增长的研究成果，分为宏观层面标准化与宏观经济增长的作用的研究，以及行业和微观层面标准化和创新的作用及其对经济效益的影响的研究。世界范围内，关于标准化与宏观经济增长的作用的研究，应属各国和地区的标准机构研究成果最为突出。但鉴于它们往往代表利益相关团体的观点，有关研究成果和方法只能作为参考。此外一些学者也进行了独立的研究。

1.1 标准化、技术创新和宏观经济增长的作用机理研究

近年来各国标准机构关于标准的效益的研究中关注对标准的技术扩散作用和标准对可持续经济增长的贡献。这些研究包括德国标准协会（DIN）2000年和2011 年发布的研究报告、英国贸易与工业部（DTI）2005 年发布的报告、英国标准协会（BSI）授权经济和商业研究中心（Cebr）2015 年发布的研究报告、澳大利亚标准协会（SA）在2014 年发布的研究报告等。

德国标准协会（DIN）在2000 年发布的报告显示，对1960—1996 年的工商业部门进行宏观调查，使用常规的产出要素即资本和劳动，以及技术进步的三大产出指标——注册专利的数量、外国专利的许可费用、标准与技术规则的数量，通过回归分析每个产出要素对总体经济增长的影响，发现单独的创新潜力并不足以维持经济的竞争力和经济增长，借助标准实现有效扩散的创新才是经济增长的前提［9］。宏观经济调查的结果显示，标准化的经济效益占国民生产总值的0.9%，重要性仅次于资本积累。DIN 在2000 年的报告引发了各国标准机构的研究热潮。DIN自身就在2011 年纳入经济冲击对德国经济的影响对2000 年的报告进行了更新，将数据的调查年限延长至1960—2006 年，发现在德国统一之后，标准存量增加1%，经济增长0.7%～0.8%。2002—2006 年间，标准化每年带来的经济效益约有167.7 亿欧元［9］。

英国贸易与工业部（DTI）在2005 年的报告展示了在1948—2002 年，标准对英国的经济效益，尤其是对增长、生产率和创新的影响。在协整框架中，劳动生产率、资本—劳动比、外生的技术进步和BSI标准之间存在统计显著和独特的协整关系。劳动生产率关于标准存量的长期弹性约为0.05，劳动生产率总增长的13%归因于标准的快速增长［11］。英国标准协会（BSI）授权经济和商业研究中心（Cebr）使用1921—2013 年的数据分析BSI 标准对英国经济的宏观和微观影响，认为标准是英国工业实力的重要组成部分，对支持经济增长发挥重要的和无形的作用。标准对英国经济的贡献高达82 亿英镑，支持了英国生产率增长的34%，支持了英国年度GDP 增长的28.4%，增加额外出口额达61 亿英镑［12］。

澳大利亚标准协会（SA）在2014 年使用1982—2010 年的数据，借鉴DIN 和BERL 的方法，针对标准对国家宏观经济的影响进行实证分析，发现由专利注册数和标准估计的因素，提高了生产率，推进了创新型技术知识的产生和扩散，支持了澳大利亚的经济增长。标准产量增加1%，GDP增加0.17%，在2009 年大概相当于27.8 亿美元［13］。

加拿大标准理事会（SCC）在2007 年发布的报告借鉴DTI 的方法，报告显示，通过对1981—2004年的实证研究可以发现，标准对于提高劳动生产率（每小时产出）发挥直接和显著的作用，劳动生产率对于标准数量的弹性系数是0.356。1981—2004 年间，标准的增长推动劳动生产率增长的17%，约为实际GDP增长的9%。如果1981—2004 年标准没有增长，那么2004 年实际GDP 可能降低620 亿美元［14］。

法国标准化协会（AFNOR）在2009 年发布的报告提出，在成熟的经济体，标准化支持两项增长因素：支持创新（直接推动技术前沿）和传递知识。劳动、资本和自然资源等传统投入因素，以及教育水平、创新、专利需求和研发活动的数量共同促进生产率的增长。使用了1950—2007 年的数据，延用德国（2000 年）、英国（2005 年）、澳大利亚（2006 年）和加拿大（2007 年）的C-D 函数方法，同时像英国和加拿大一样关注标准对TFP 的影响，结果显示，标准对GDP 增长的贡献是积极的。全要素生产率对标准数量的弹性系数是0.12，标准化对法国经济的贡献每年平均为0.81%，约促进GDP 增长的25%。在像法国这样的成熟经济体中，技术进步构成增长的主要来源，标准化直接推动GDP 以平均每年50亿欧元的速度增长［15］。

商业和经济研究有限公司（BERL）为新西兰标准委员会和新西兰建筑研究协会提供的报告使用1978—2009 年的数据，使用可计算一般均衡（CGE）模型分析标准、专利和全要素生产率（TFP）的关系，最终研究资本-劳动比和TFP 对劳动生产率的关系，发现标准存量对TFP 增长的贡献是正的，统计上显著，系数是0.10，这意味着标准存量在边际上每增加1%，TFP 增加0.10%（估计范围是0.07%～0.12%，与澳大利亚和法国的估计相似），劳动生产率提高0.054%（与英国的估计相似）［16］。

在各国标准机构的研究成果中，GDP 的增长率在1.1%～3.6%之间，其中，标准对GDP 增长的贡献在0.2%～0.9%之间［8］。我国也有一些学者开展有关标准对国民经济增长贡献的研究。于欣丽［17］在2008 年使用1978—2007 年的数据，借鉴采用DTI的方法，测算出标准存量的弹性系数是0.079，在这段时期我国实际GDP 年均增长率约为10.02%，其中标准带来的增长约占实际GDP 增长的7.88%。

除了上述对于标准化与各国宏观经济增长的研究，Blind 等［18］在2008 年对20 世纪90 年代4 个国家（德国、英国、法国和意大利）食品、纺织、药品等12 个行业进行了实证研究，发现专利存量和标准存量都显著促进经济增长。在研发密度小的行业中，标准对经济增长发挥更大作用；在研发密度大的行业中，专利对经济增长发挥更大作用。因为欧洲单一市场的发展，Blind 选取的这些国家都具有相似的发展背景，从而在一定程度上类似于我国省际和行业之间的分析。

1.2 标准化、技术创新和经济增长的动态关系研究

我国还有一些学者分析标准、创新和经济增长的长期动态关系，综合而言，宏观或中观层面的实证研究较为有限。刘慷等［19］基于向量自回归（VAR）模型利用1985—2007 年我国宏观经济数据实证分析经济增长与标准化、知识产权保护等之间的动态关系，发现三者之间存在长期均衡关系，协整检验显示三者之间存在正相关，Granger 因果关系检验显示标准化和知识产权保护对经济增长影响显著。赵树宽等［20］以VAR 模型为基础，研究了1985—2008 年我国标准、创新和经济增长的关系，测算了标准存量、专利申请量和GDP 的动态变化过程。陶忠元等［21］通过VAR 模型，分析了1995—2012 年间七类制造业中，标准化和创新对推动产业链升级的影响。

1.3 现有研究的特点和不足

从标准化、技术创新和经济增长的作用机理研究和动态关系研究，可以看出标准具有准公共物品的性质，对经济增长的作用是内生推动的，符合新增长理论的观点，所以可以对两者的数量关系进行分析。然而现有研究大都基于标准名义存量，也就是截至年底的有效标准总量，无法解释随着时间的变动，标准作用发生变化的现象，也就是标准的异质性问题。此外，创新指标的测算也存在类似的问题。针对现有研究的不足，本文选取不变价GDP、标准有效存量、专利有效存量等指标，运用经济计量模型，分析三者的长期数量关系。

2 经济计量学的研究路径

现代经济计量学的发展，为研究不同经济变量之间的数量关系提供了多种工具。具体来说，主要分为结构模型和非结构模型。但结构模型适用比较严格，难以得到理想的结果。而且，对于新兴研究领域，往往缺乏合适的结构模型。因此，非结构模型就成为常用的工具。目前来说，一般有协整关系、Granger 因果关系、向量自回归（VAR）模型等可以选择。

2.1 协整关系

在现实情况中，很多经济相关指标的时间序列数据都是非平稳时间序列，也就是说随着时间的变化，数据序列的均值、方差或协方差也不断变化。但是非平稳时序变量与非平稳时序变量进行线性组合却可能获得平稳的数据序列，这种通过线性组合能够达到长期平稳状态的两个或多个非平稳的时间序列变量之间的长期平稳关系就叫做协整关系。

因变量和自变量通过线性组合获得平稳时间序列，因变量不能被自变量解释的部分就是回归方程的残差部分也应该是平稳的。这意味着需要对时序变量之间是否存在协整关系进行检验，就是检验时序变量组成的回归方程的残差序列的平稳性。对两个变量进行协整检验，一般采用Engle-Granger（EG）两步法；对多个变量进行协整检验，一般采用Johansen 检验法。协整检验的基本步骤是首先检验变量是否具有相同的单整阶数，然后检验变量组成的回归方程的残差序列的平稳性。

2.2 Granger 因果关系

Granger 因果关系用于分析不同的时序数据之间的因果关系，如果一组时序数据的过去信息能够帮助解释另一组变量的当期变化，并且这种解释要优于仅依靠另一组变量的过去信息对其自身当期变化的解释，那么这一组变量就是另一组变量的Granger原因。Granger 因果关系检验的基本步骤是首先用单位根检验来检验时序数据的平稳性，之后在平稳数据的基础上才能进行Granger 因果关系检验。建立在非平稳数据基础上的Granger 因果关系是一种伪回归。Granger 因果关系是一种统计上的估计，只有与经济意义进行结合才有意义。

2.3 向量自回归模型（VAR）

在Granger 因果关系分析的基础上，可以建立VAR 模型，通过在不同时序数据的当期数据和往期数据之间建立回归方程，估计这些时序数据之间的动态关系。自回归模型（AR）分析时序数据的过去信息对当期变化的影响，是自身对自身进行回归，VAR 模型则纳入了其他的时序数据，分析多个变量的过去信息对单变量的当期信息的影响，以及随机扰动项对模型系统的整体影响。VAR 模型是常用的计量模型，能够提供一些经济学上的参考意义。

3 变量选取与数据来源

本文运用VAR 模型分析标准化、技术创新和经济增长这3 个时序数据的动态关系，选择按照永续盘存法进行折旧的标准的有效存量作为标准的衡量指标，选择按照永续盘存法进行折旧的发明专利的有效存量作为创新的衡量指标，不变价GDP 作为经济增长的衡量指标。

3.1 关于标准有效存量的测算

本文将标准有效存量作为标准化的代表性指标。《中华人民共和国标准化法（2017 修订）》将我国的标准分为国家标准、行业标准、地方标准、团体标准和企业标准。考虑到各类标准发挥作用的范围不同，结合数据的可得性，本文选取国家标准作为研究对象。考虑到随着时间的推移，同一标准对经济增长的作用会发生变动，本文基于历年《中国科技统计年鉴》年度制修订的国家标准的数量，使用永续盘存法测算标准的有效存量。

现行有效的期初国家标准的有效存量是：

3.2 关于专利有效存量的测算

专利分为发明专利、实用新型专利和外观设计专利3 种。一般认为发明专利是技术创新水平的代表性指标，本文基于历年《中国统计年鉴》中的发明专利申请授权数，使用永续盘存法测算专利的有效存量。测算方法与标准有效存量的测算方法类似。专利的折旧率按照以往研究的经验折旧率选取为10%。

3.3 关于不变价GDP 的测算

萨缪尔森认为，“经济增长是指一个国家潜在的国民产量，或者，潜在的实际GNP 的扩展。我们可以把经济增长看作是生产可能边缘随着时间向外推移”。一般用GDP 作为经济增长的代表性指标。本文基于《中国统计年鉴》中名义GDP 和GDP 指数的时序数据，测算以1985 年为基年的不变价GDP。

3.4 数据时限的选择

从历年的《中国统计年鉴》和《中国科技统计年鉴》，选取1985—2017 年作为变量的样本期间。为了消除时间序列的异方差性，对变量进行指数变换，用LNY代表以1985 年为基期的不变价GDP 的自然对数，用LNP代表以1985 年为期初的专利的有效存量，用LNS代表以1985 年为期初的标准的有效存量。按照专利的折旧速度10%，标准的折旧速度20%，测算VAR 模型可能的作用。

4 实证分析

建立VAR 模型的基本步骤包括，单位根检验，确定时序数据的平稳性，如果是非平稳数据，则需确定数据之间是否存在协整关系。

4.1 对时间序列进行单位根检验

用Eviews 10.0 对LNY、LNP、LNS进 行KPSS单位根检验，在5%的显著性水平下，LNY、LNP、LNS不能拒绝关于时间序列是平稳序列的原假设，那么LNY、LNP、LNS都是平稳序列，可以进行简单回归（见表1）。

表1 计量模型变量的单位根检验

4.2 建立VAR 模型

在确认了LNY、LNP、LNS都是平稳序列之后，建立VAR 模型的第二步是确立模型的最佳滞后长度，以及对其中滞后项的排除。随后通过滞后结构检验确定VAR 模型的平稳性。将内生变量选取为LNY、LNP(γ=10%)、LNS(γ=20%)，根 据Eviews 10.0默认的滞后2 阶建立VAR 模型（见表2）。在这些模型的基础上，结合滞后长度标准和滞后排除检验确定最佳滞后长度。

表2 VAR 模型的初步估计结果

表2（续）

表2（续）

4.2.1 滞后长度标准

通过Eviews 10.0，VAR 模型滞后长度的选择如表3 所示。根据最佳滞后长度标准选择滞后长度，对数似然值越大越好，LR、FPE、AIC、SC、HQ 越小越好。从表4 可知，最佳的滞后长度是滞后4 期。

表3 VAR 模型滞后长度的选择

4.2.2 滞后排除检验

通过Eviews 10.0，得到VAR 模型滞后排除检验的结果（表4）。检验结果显示，从伴随概率可以看出，按照10%的显著性水平，滞后3 阶没有通过检验。综合滞后长度标准和滞后排除检验，将VAR 模型的长度确定为4，并且剔除3 阶回归项。

表4 VAR 模型滞后排除检验

4.2.3 Granger 检验

Granger 检验用以区分变量是内生变量或者是外生变量。对VAR(2)和VAR(4)分别进行Granger 检验，结果如表5 和表6 所示。

表5 VAR（2）的Granger 因果关系检验结果

表5（续）

表6 VAR（4）的Granger 因果关系检验结果

根据对不同滞后长度的VAR 模型进行Granger检验，在滞后长度为2 和显著性水平为5%的情况下，LNY是LNS和LNP的Granger 原 因，LNP是LNS的Granger 原因；在滞后长度为4 和显著性水平为1%的情况下，LNS和LNP是LNY的Granger 原因，LNY是LNP的Granger 原因。说明在滞后2 期的情况下，不变价GDP 的增长推动标准存量和专利存量的增长，专利存量的增长推动标准存量的增长；在滞后4 期的情况下，标准存量和专利存量的增长推动了不变价GDP 的增长，不变价GDP 的增长推动了专利存量的增长。

4.2.4 稳定条件检验

VAR 模型只有满足稳定性前提，才能进行脉冲响应函数分析和方差分析。通过Eviews 10.0，对VAR(4)进行稳定条件检验的结果如图1。全部根的倒数值都在单位圆内，表明VAR 模型稳定。

图1 VAR(4)根的倒数图

4.2.5 VAR 模型的确定

根据滞后长度标准和滞后排除检验，VAR 模型的滞后长度确定为4，其中剔除3 阶回归项。对1985—2017 年的不变价GDP、专利有效存量、标准有效存量的指数化数值估计VAR(4)。然后，通过VAR模型的脉冲响应函数和方差分解分析变量的关系。

4.3 脉冲响应函数

VAR 模型是非结构化模型，不分析单变量的变化对另一变量的单独影响，而是研究误差项的变化对系统的整体影响，这种方法即脉冲响应函数分析方法。研究在VAR(4)中一个变量的标准差大小的冲击对各内生变量的动态变化，得到脉冲响应函数图如图2 所示。图中的实线表示脉冲响应函数，虚线表示脉冲响应函数在两倍标准差范围内的变化。

图2 VAR(4)的脉冲响应函数图（period=100）

从LNY对自身的脉冲响应来看，一个标准差的LNY正向冲击带来所有滞后期的正效应。在t=2 时达到最高点，这可以解释为某一年度GDP 的增长对后续年份拉动作用最大时在第2 年，此后震荡下降并趋于收敛。从LNP对LNY的脉冲响应来看，一个标准差的LNP正向冲击带来LNY所有滞后期的正效应。从t=0 时直线上升，直至t=7 时达到最高点，之后震荡下降并趋于收敛。从LNS对LNY的脉冲响应来看，一个标准差的LNS正向冲击带来LNY不超过5 期的正效应（t=5 之前），在t=3 时正效应达到最大，在t=5 期之后带来负效应，在t=10 时和t=11 时负效应达到最大，发生波动持续变小并趋于收敛。原因在于，经济和技术的发展对GDP 的增长产生长期的正向影响，标准的发展只在短期对GDP 的增长产生正向的拉动作用，标准不及时修订或废止反而在未来长期中限制经济增长。

从LNP对自身的脉冲响应来看，一个标准差的LNP正向冲击带来所有滞后期的正效应。在t=2 时达到最高点，此后震荡下降并趋于收敛。从LNY对LNP的脉冲响应来看，一个标准差的LNY正向冲击给LNP带来的大都是正效应（只在t=1 时和t=2 时是负效应），短期内一个标准差的LNY带来的效应逐年上升，并在t=8 时达到最大值，之后逐年减少直至趋向收敛。原因在于经济的发展推动专利保护意识，从而引起专利授权量的增长。从LNS对LNP的脉冲响应来看，一个标准差的LNS正向冲击给LNP带来不超过5 期的正效应（t=5 之前），在t=3时正效应达到最大，在t=5 之后带来负效应，在t=9时负效应达到最大，之后发生标的变小并趋于收敛。原因在于，标准的发展只在短期促进技术创新的扩散，在t=3 时对专利的正向影响最大，标准不及时修订或废止反而限制技术创新的发展。

从LNS对自身的脉冲响应来看，一个标准差的LNS给自身带来的正向冲击在t=1 时最大，之后直线下降，t=8 之前带来的都是正效应，在t=10 前后时下降至负效应最大值，之后波动变小并趋于收敛。从LNY对LNS的脉冲响应来看，一个标准差的LNY正向冲击给LNS 短期（t≤5）内带来的是负效应，长期（t＞5）则是正效应，但是趋于收敛，原因在于经济的发展在长期推动标准制定活动，短期则不明显乃至为负。从LNP对LNS的脉冲响应来看，一个标准差的LNP正向冲击给LNS带来的影响是有个相对长期间的震荡变化的，其中正效应超过负效应，t=7 时正向影响最大（t=4 至10 时是正效应），然后趋于收敛，原因在于技术的发展往往容易导致标准废除或修订，长期内则推动标准的发展。

4.4 方差分解

与脉冲响应函数研究误差项的正的冲击给系统中各变量带来的影响不同，方差分解研究内生变量变化的形成原因。研究在VAR(4)中各内生变量变动的贡献率，得到方差分解图见3。

图3 VAR(4)的方差分解图（period=50）

基于方差分解的结果可以看出，LNY对自身的贡献率很大，从t=1 至t=8 期显著下降，从t=9 期时之后维持在不变的水平，约为35%左右。LNP对LNY的贡献率短期内迅速上升，在t=7 时达到最大，t=15 之后维持在不变的水平，约为25%左右。LNS对LNY的贡献率短期内迅速上升，在t=14 时和t=15时达到最大，之后维持在不变的水平，约为39%左右。从长期来说，标准存量对GDP 的贡献要超过专利存量和不变价GDP 本身。

LNP对自身的贡献率很大，虽然是不断下降的过程，从t=14 期之后下降趋缓，但从长期看保持在30%以上。LNY对LNP的贡献率是缓慢上升的过程，从t=12 之后上升趋缓，从长期看保持在30%以下。LNS对LNP的贡献率，从t=12 之后上升趋缓，从长期看保持在35%左右。标准存量对专利存量的贡献超过不变价GDP，从长期来看，甚至超过专利存量本身。

LNS对自身的贡献率非常大，从t=1 至t=4 是迅速上升的过程，在t=4 时和t=5 时达到最大，之后缓慢下降，从t=8 开始维持在不变的水平，约为77%。LNY对LNS的贡献率不断下降，从t=9 时之后下降趋缓，从t=16 时之后维持在不变的水平，约为13%。LNP对LNS的贡献率比较低，在短期内迅速上升，从t=8 时之后上升趋缓，长期来看维持在10%。

5 结论与政策建议

实证结果表明，标准化、技术创新与经济增长的关系比较复杂，在不同的滞后期相互之间的影响不一，并不能截然归于单一的正效应或负效应。就脉冲响应分析而言，各变量有效存量对自身后续发展带来的效应举足轻重，专利和经济增长（GDP）之间的相互作用效果基本上都是积极的，而标准与专利、标准与经济增长（GDP）之间的相互作用效果则不尽然，不同作用方向或不同时间的效应不一，有正效应也有负效应。其中原因是多方面的：一是三者之间作用机制本来十分复杂，并非完全单向影响；二是我国研究数据相对有限，需要持续跟踪研究。就方差分析来看，各变量对自身贡献率往往是最大，而且短期内变量之间的贡献率波动较大，长期则趋于稳定；标准对专利、经济增长（GDP）的贡献率较大，相对要突出一些。方差分析更能解释标准化、技术创新和经济增长的相互促进力度，但这种影响力度差异也很大。另一方面，与国际标准机构的现有研究结论相比，本文在一定期限的研究成果是与其相一致的。但相比之下，本文的研究成果更为全面和细致，也说明了中国与其他国家和地区有所不同。

因此，我们应针对标准化、技术创新与经济增长之间作用机制特点，充分利用标准化、技术创新与经济增长相互之间的正效应和主要影响机理。就此，对我国未来标准战略和自主创新体系建设提出以下建议：第一，扩大基数是关键，即提高GDP、标准和专利存量是十分必要的，这关系到未来各自的持续发展和相互之间的积极影响；第二，及时进行标准的制修订，避免标准滞后于技术的发展水平，充分利用标准和技术两者的积极效应，限制其消极作用；第三，提高国家和全社会对标准的重视程度，加大对标准制修订活动的支持。