科技创新对产业结构升级的影响研究——以长江经济带为例

李 侠 黄小燕

(蚌埠工商学院 安徽 蚌埠 233000)

引言

党的十九大报告指出：随着经济进入新常态，单纯追求经济的高速增长已经成为过去式，未来会更加重视经济的高质量发展，绿色GDP的概念也被再一次提出。从国家层面上看，一直非常重视对长江经济带的战略规划，从长江经济带的整体角度来看，长江经济带国土面积和人口占比都居于较高水平，覆盖全国9省2市,是中国改革开放40多年经济快速发展的代表。中共中央、国务院指出：长江经济带有其天然的地理位置优势，该地区依托长江黄金水道、能够有效发展绿色生态经济，对该地区经济高质量增长带来积极作用。2019 《长江经济带高质量发展指数报告》中进一步指出：2011—2016 年长江经济带上、中、下游地区经济高质量发展存在很大的不平衡性问题，区域经济发展差异明显。要实现长江经济带经济高质量增长，要把促进产业结构升级作为重要的战略部署。而科技创新正是促进产业结构转型的重要推动力，政府对科技水平的支持力度以及金融发展在推动科技创新上又起突破性的作用，因此，研究长江经济带科技创新对产业结构升级的影响将会对该地区未来经济高质量发展具有建设性的意义，对整个国家的经济也会有促进作用。

一、文献综述

从现有文献来看，对于科技创新的研究已经有学者进行了分析，如学者Romer(1986)构建技术进步内生增长模型,指出经济进步的内在动力主要来自科技创新基础上的知识成本。Pradhan等(2016)研究表明：在欧元区国家，金融发展能够促进科技创新。Solow(1956)运用新古典经济增长模型揭示了技术进步的外生性，使得用其解释经济增长无法具有说服力。张海军等(2019)则从实证分析的角度解释了经济增长靠科技创新拉动需要前提条件，只有在金融发展水平规模适度的情况下才起作用。闫光芹(2019)基于山东省2008-2017年的统计数据，着重研究科技创新、金融创新和经济增长的关系，结果显示这三者之间具有密切的耦合协调度。与张林(2016)的研究结果相类似。柏建成等(2019)采用PVAR模型对长江经济带的科技创新和金融发展的互动关系进行研究，指出科技和金融两者相辅相成，相互促进，能够对经济高质量发展起关键作用。也有学者直接研究科技创新与产业结构之间的关系，如Desmet等(2014)提出较好的发挥科技创新与主导产业之间的互动关系，对产业结构升级具有重要推动作用，并能够带动经济发展。金浩等(2017)、胡苏迪等(2018)提出科技创新在提升产业结构上具有引导作用。但贾明琪等(2016)认为技术进步促进产业结构升级的效果取决于地区之间的经济发展程度。张慧敏等(2019)基于京津翼2007-2016年的数据，运用复合系统协调度模型得出区域之间的差异性会使科技创新对产业结构升级起阻碍作用。

综上，我们可以发现，对于科技创新已经有很多学者涉及到这一领域，但从研究现状来看，大部分学者都是将科技创新与金融发展或将科技创新与技术进步相结合去研究对经济增长之间的关系，其次也有部分学者直接对科技创新与产业结构升级的影响进行分析，学术界对科技创新是促进产业结构升级还是阻碍产业结构升级一直存在争议，本文基于前人研究的基础上对长江经济带进行分区域以及全流域的综合分析，在研究方法上，本文运用stata13软件对长江经济带9省2市2007-2018年的面板数据，采取动态(系统GMM模型估计)和静态相结合的方法进行分析，以期为长江经济带各省市的建设和经济高质量发展提供有效的政策建议。

二、 模型构建和数据来源

(一) 模型构建

长江经济带指沿江附近的经济圈，涉及到9省2市①，范围较广，针对这一情况，各省市之间科技创新程度表现不一，产业结构的构成比例也存在差异性，因此为了更加全面研究这方面的内容，本文采取动态和静态相结合的面板数据对长江经济带全流域及上游地区、中游地区和下游地区从2007-2018年的数据进行估计。在考虑到全流域数据时，首先对模型的稳健性进行检验，其次运用动态面板模型的系统广义矩估计(SYS-GMM)进行模型实证分析，而对上中下游三个区域的分析，则采用静态面板模型进行对比分析。最后根据研究结果得出结论。

本文主要研究的是科技创新对产业结构升级的影响。基于此，将本文的模型设定为：

模型一：

strit=α0+α1rdzbit+α2lczkjit+α3rdqsdlit+α4lzlsqit+α5lzlsyit+α6lbxmdit+μi+εit

模型二：

strit=α0+α1rdzbit+α2lczkj+α3rdqsdlit+α4lzlsqit+α5lzlsyit+α6lbxmdit+α7rdzbit-1+μi+εit

上述公式当中，下标i表示地区(i=1,2......9)，t表示时间(T=2007-2018)，μi表示不可观察的地区效应，εit为随机扰动项。模型一的公式，是一个静态面板数据模型，主要用来对上游、中游和下游地区进行估计，模型二的公式是一个动态面板模型，主要用来对长江经济带进行全流域的系统GMM估计。该模型考虑到产业结构可能具有动态特征，因此，将被解释变量的滞后一期添加到模型中。

(二) 变量说明与数据来源

1. 被解释变量

产业结构高级化(str)。本文产业结构升级的指标用产业结构高级化来表示。产业结构高级化指的低级产业向高级产业转换的一个动态过程，例如，第一产业向第二产业转换，第二产业向第三产业转换，一个地区的产业结构高级化可以体现该地区经济结构的调整方向。本文采用李文艳、吴书胜(2016)的做法，即用第三产业产值占第二产业产值的比重来表示产业结构的转型升级。数据来自各省市统计年鉴和国家统计局。

2. 解释变量

科技创新投入(rdzb)。本文选取R&D研究经费占GDP的比值作为科技创新投入的指标。研究与试验发展(R&D)活动指在科学技术领域，考虑到知识存量的作用，再去运用这些知识去进行新应用的开发而进行的系统的创造性的活动，与GDP的占比更能够突出一个地区对科研活动的重视程度，因此，能够很好的代表一个地区的科技创新投入水平，将该指标作为解释变量具有很强的代表性。数据来自各省市统计年鉴。

3. 控制变量

本文拟采取的控制变量有地方财政科技支出(lczkj)、R&D全时当量(rdqsdl)、专利申请量(lzlsq)、专利授权量(lzlsy)、保险密度(lbxmd)。地方财政科技支出能够显示该地区的对科技水平的投入力度，以及政府对科技发展的重视程度，能够对科技产业产生直接影响。R&D全时当量、专利申请量和专利授权量能够体现该地区的科研知识的发展水平，保险密度是指按限定的统计区域内常住人口平均保险费的数额，它标志着该地区保险业务的发展程度，也反映了该地区经济发展水平。经济发展对科技创新具有重要的推动力。数据来源于《中国统计年鉴》和《中国区域金融市场发展报告》。

(三)变量的统计性描述

本文的样本区间设定为2007-2018年，研究对象为长江经济带，为降低数据的波动性，本文对地方财政科技支出、专利申请量、专利授权量和保险密度取对数处理，表1给出了各变量的统计性描述。

表1 各变量的统计性描述

由上表可知，各个变量之间的最大值和最小值都有一定的差距，由于该数据包含长江经济带的9省2市，各地区之间的经济发展水平存在一定的差异，地区之间经济发展不平衡，从标准差上来看，产业结构高级化(str)和R&D研究经费占比等主要变量的离散程度比较小，反映了产业结构和科技创新投入在我国发展的波动性相对较小，有利于后续的实证研究。

(四)相关性分析

为更清晰地讨论科技创新对产业结构升级的影响效应，表 2 给出各变量之间的相关性系数。由表中数据可知，从总体上看，样本集中度是非常高的，科技创新投入与产业结构高级化之间的相关系数为 0.5492，说明科技创新投入对产业结构升级的影响是正向的，但是否确实如此，还有待进一步的实证分析，就长江经济带的整体状况分析，科技创新的投入力度跟政府对科研经费的投入密切相关，地方财政科技支出也是影响科技创新投入程度的重要变量，这两个变量之间的相关系数为0.8134，相关程度较高。从数据整体显示结果来看，各控制变量之间都存在很高的相关性，整体都在0.5以上，因此更有利于本章后续研究的开展。

表2 各变量之间的相关性分析

续表2

三、 实证分析

(一)整体性估计

本文运用 Stata13生成长江经济带2007-2018 年动态面板数据样本的检验结果，为了保证模型建议结果的稳健性，在进行动态面板估计的同时对全流域数据再进行面板的固定效应检验和随机效应检验。我们通过模型1到模型3的横向对比发现，主要解释变量对产业结构高级化的影响都是正向的，并通过了显著性检验，说明模型是稳健的。此外，针对工具变量是否有效的问题，模型3通过AR(2)和Sargan的P值来进行判断，根据模型检验结果可以发现，AR(2)值为0.347，大于0.05，Sargan检验的结果为0.445，说明本模型的估计不存在二阶序列相关，因此也不用考虑对工具变量进行过度识别的问题，表明本文可以采用系统 GMM 估计法进行动态面板估计。

根据表3的模型3的检验结果可知：方程中被解释变量的滞后一期回归系数为0.998，显著为正值，表明产业结构升级会受到其滞后一期的影响。从样本的回归模型而言，本文的主要解释变量R&D研究经费占比(rdzb)对产业结构升级产生了正相关效应，并通过了显著性检验，说明R&D研究经费占比每增加一个百分点，就会使产业结构升级增加0.346个百分点。表明长江经济带在2007-2018 年产业结构升级中，科技创新作出了非常重要的积极贡献。随着经济的增长，科技创新对经济高质量增长的推动力也日显突出，各地区为了支持科技创新，不断的加大对研究与发展经费的投入力度，以此推动新兴产业发展。以经济发展程度比较高的地区江苏省为例，江苏省R&D经费内部支出从2007年的430.20亿元增至2018年的2504.43亿元。占该省当年GDP比重2.7%。

表3 全流域样本回归结果

从控制变量来看，地方财政科技支出(lczkj)、国内外三种专利申请量(lzlsq)和保险密度(lbxmd)对产业结构升级都起正相关作用，而R&D人员全时当量(rdqsdl)和国内外三种专利授权数(lzlsy)的结果显示对产业结构升级没有起到促进作用。地方财政科技支出对一个地区的科技创新具有直接的促进作用，科技支出经费越多，就越体现出该地区对科学技术的重视程度。国内外三种专利申请数量可以体现一个地区的创新能力，不过该变量并没有通过显著性检验。说明促进效果不是很明显，再看三种专利授权数与产业结构的相关关系为负，可以说明别授权的专利没有的有效的转入对第三产业的投入里面来。一个地区的保险密度可以体现出该地区的经济发展程度和普惠金融的普及程度，模型结果显示：保险密度每增加一个百分点，就可以使产业结构升级提高0.187个百分点，且通过了显著性检验，进一步验证了经济发展促进科技创新，从而带动产业结构升级。

(二)区域性估计

为了使模型检验更加具有针对性，接下来根据长江经济带地理位置的大致特征，将长江经济带大致分为上游、中游和下游三个地区进行分地区检验，在对区域进行分析时，因为面板数据较短，涉及的地区不多，我们在区域性分析中主要采用静态面板进行估计，在对模型估计之前我们分别对上游地区、中游地区和下游地区的数据进行Hausman检验，以此来分析是选用固定效应模型还是随机效应模型。由表4可知，三个区域的Hausman检验结果的P值均小于0.05，拒绝原假设，因此，三个模型均拒绝使用随机效应模型，而选择用固定效应模型进行检验。

表4 上中下游样本回归结果

根据表4的模型回归结果可知，上游地区、中游地区和下游地区的R&D研究经费占比(rdzb)对产业结构升级均产生了正相关效应，也再一次验证了模型分析的可行性，科技创新确实能够促进产业结构升级，带来产业结构的高级化。上游地区的地方财政科技支出与产业结构高级化是呈负相关关系，中下游地区呈正相关关系，可能是因为处在上游地区的省市是经济发展程度相对来讲比较低的地区，地方财政科技支持力度有限，该地区主要的经济发展主要集中在第二产业，因此，不能够很好的表现出对产业结构高级化的促进。下游地区的经济综合能力最强，因此表现更为明显。R&D人员全时当量(rdqsdl)在上游地区表现为对产业结构的促进作用，中下游地区则表现为阻碍作用，表明在中下游地区的经济发展已经相对比较成熟，产业结构的升级则需要更多综合性因素去推动，保险密度(lbxmd)在三个地区均表现出对产业结构升级的推动作用，保险密度每增加一个百分比，产业结构高级化分别提高0.208、0.0989和0.428个百分点。这个结论与长江经济带全流域的分析一致，说明对于经济发展程度也是推动产业结构升级的重要影响因素。

四、 结论与政策建议

根据本文的回归结果显示：第一，从整个长江经济带全流域来看，科技创新投入和地方财政科技支出都对产业结构升级发挥着显著的推动作用；第二，根据地理位置大致划分的上游地区、中游地区和下游地区来看，科技创新对产业结构转型升级的促进作用表现呈现差异性，下游地区促进作用更加明显，中游地区其次，上游地区略显乏力，同时地方财政科技支出等其他变量对产业结构的升级作用在地区之间也存在明显的差异性。通过以上结论，本文提出以下几点建议：

(一) 提升科技创新投入

要想提高长江经济带经济高质量增长，首先必须加大研究和试验发展经费投入和人才经费投入支持力度，其次，由于地区之前存在的差异性，可以通过经济发展程度较高的地区，例如上海市、浙江省和江苏省等地区的发挥引领作用，加强对周边地区的人才支持，技术支持和资金支持。

(二) 提高科技资源的配置水平。

促进天津、上海、江苏等优势金融资源向产业结构优化升级过程中的配置。长江经济带整体与产业的协调情况较好，但地区间的科技水平发展状况与产业结构仍然存在着较大差距。因此，上游地区、中游地区、下游地区应都应做好协商调整机制，做好区域分工，让科技创新资源得到更有效的利用，从而带动长江经济带产业结构优化升级。

(三) 提高各地区的金融发展水平。

强化金融发展对科技创新的促进作用，进一步提高互联网金融和普惠金融的覆盖范围，发挥地区优势，例如湖北省武汉市高校名校众多，教育资源集中，可重点培养科技金融人才；安徽省在发展本省经济的同时也要进一步提高地方财政科技投入，重点发展高新技术产业，实现“产学研”相结合的优势，从而促进产业结构转型升级。