基于结构方程模型的中美技术扩散效应测度

顾六宝,王俊霞,2

(1.河北大学 经济学院,河北 保定 071002;2.广州大学 经济与统计学院,广东 广州 510006)

一、引言与文献综述

在国家科技创新战略的指引下,中国的技术创新水平已居于世界前列;但相比发达国家,中国的自主创新能力还存在很大不足,核心技术领域受制于人的情况还没有根本转变。美国拥有世界上最完善的科技创新体系,一直站在科技界的最前沿。美国不仅重视科学技术发明和创新,而且拥有最健全的科技成果转化机制,并且一贯奉行“科学技术与生产紧密结合”的原则,使技术创新成果能够快速转移到生产环节。模仿创新、消化吸收再创新就是从发达国家引进新产品或者新技术,在此基础上进一步创新。中国作为发展中国家,技术创新受发达国家的影响较大。在发达国家中,中国与美国的经济交往更为频繁,在长期经济往来中,美国的新产品和新技术对中国的技术创新影响较大,量化衡量美国对中国的技术扩散效应,对于客观认识中美之间的经济交往,把握中国经济发展方向具有非常重要的意义。

美国学者Posner M.V.于1961年提出了国际贸易的技术差距模型。该理论认为,技术属于一种生产要素,由于各个国家的技术发展水平不同,形成了国与国之间的技术差距,这种技术上的差距使技术领先国在技术方面具有比较优势。在贸易中,由于技术领先国出口技术密集型产品,而技术落后国出于发展的需要会模仿技术领先国的产品。随着产品的技术被进口国模仿,出口国的技术比较优势逐渐消失,由技术差距引起的工业品贸易也就此结束。

Solow[1]对于经济增长的核算表明,不同国家由于拥有不同的技术水平,形成生产率水平的差异,并最终导致经济发展水平的差异。国家之间技术水平的差距,导致随着国际交流的增多技术从先进国向落后国的扩散,即技术的国际扩散。Findlay[2]运用扩散模型,对技术从先进国家转移到落后国家的问题进行了分析。在他的分析中,发达国家与相对落后国家的技术差距越大,技术扩散就越快。Cohen等[3]将技术机会和适用度作为影响技术研发的因素来进行研究,认为知识输入的适用性影响创新,技术机会条件对研发活动也有显著影响。可见,按照Cohen等的观点,技术差距对技术扩散造成的影响大小,决定于新技术对于技术落后国的适用性以及技术机会①技术机会是指在满足资本边际收益递减的假设条件下,创新投入不变时,将研究资源转换为新生产技术的生产可能性。。Driffield等[4]研究了FDI对于劳动力市场和工资的影响。他认为,首先跨国企业的进入增加了一个行业或地区对熟练工人的需求,从而加剧了工资不平等;其次技术溢出是从国外企业到国内企业,使国内企业对熟练工人的相对需求增加,进一步加剧了总体工资不平等和技能升级。可见,技术差距是具有双面性的,但也肯定了技术差距能够促进新技术的扩散,同时得出结论,FDI带来了技术的进步和就业的增加。Alam等[5]运用OECD19个成员国的数据,研究了劳动生产率、FDI与经济增长之间的关系,最后得出结论,从长期来看,外国直接投资可以促进经济增长,而且经济增长与劳动生产率、对外直接投资与劳动生产率之间存在双向因果关系。Rana等[6]研究了印度的FDI、自然环境与经济增长之间的关系,结果表明,在印度存在污染避难所假说,FDI并没有缩小印度与发达国家的技术差距,却造成了印度自然环境的恶化。这说明,在印度FDI的技术溢出效应并不明显。

张化尧和王赐玉[7-8]对技术外溢的渠道结合相关数据进行了分析,发现国内研发投入和FDI对于技术进步有明显的促进作用,由于外溢机制的时滞不同,短期存在相互抵消作用,应关注对TFI(Trade Facilitation Indication)的分析,从长期来看,进口贸易促进了创新效率的提高。徐圆等[9]从国际技术溢出的视角研究了国际环保技术的引进对中国环境规制和污染减排起到了正向的影响,证实了国际前沿环保技术对中国的技术溢出与转移。谢建国等[10]基于中美制造业的行业数据,对中美进出口贸易技术溢出效应的影响进行了研究,表明中美贸易促进了中国的技术进步,而且随着中国技术水平的提升,贸易促进技术进步的难度在加大,这就是技术溢出的“天花板效应”,并通过进一步分析发现,相比较出口,进口贸易技术溢出的递减效应更为明显。屠年松等[11]对制造业自主创新、外国技术溢出对其全球价值链攀升的影响进行了分析,发现自主创新是拉动中国制造业全球价值链地位攀升的主要引擎,外国专利申请和外资技术溢出则成为造成中国制造业处于全球价值链低端的因素,但这些因素可以通过消化吸收对制造业在全球价值链的攀升产生正向影响。陈燕翎等[12]从吸收能力视角研究了贸易开放对农业绿色全要素生产率的影响,发现农产品国际贸易对农业全要素生产率有显著的正向影响。贸易开放对农业的绿色技术溢出,存在农业经济发展水平、人力资本水平、农村基础设施建设水平以及农业研发投入水平等4种吸收能力因素的双重门槛效应。

从目前的研究来看,尽管关于技术创新扩散的文献很丰富,但还有一些领域值得深入研究,比如对于中美之间由于技术差距而形成的技术扩散研究较为少见;采用传统的计量分析方法研究技术扩散的较为多见,而对于考虑较多自变量、建立结构方程模型和采用偏最小二乘法进行研究的比较少见,这就为本文的研究提供了一定空间。

二、模型基本原理与指标体系构建

(一)结构方程模型的基本原理

1.结构方程模型。结构方程模型(SEM)是反映潜变量之间因果关系的模型与反映指标(观测变量)与潜变量之间关系的因子模型的结合。模型的基本形式为:

式(1)中第1个式子为结构方程,反映潜变量之间的因果关系,亦称为潜变量模型或因果模型。η是内生潜变量;ξ是外生潜变量;ζ是随机干扰项;B是内生潜变量路径系数,描述内生潜变量η之间的彼此影响;Γ是外生潜变量路径系数,描述外生潜变量ξ对内生潜变量η的影响。

式(1)中第2、3式为测量方程,测量模型反映潜变量和可测变量之间的关系,若潜变量被视为因子,则测量模型反映指标与因子之间的关系,所以也被称为因子模型。其中,X是ξ的观测指标;Y是η的观测指标;δ是X的测量误差;ε是Y的测量误差;Λx是X在ξ上的因子载荷矩阵;Λy是Y在η上的因子载荷矩阵系数阵。

2.路径分析模型。路径分析是一种分析系统因果关系的技术,主要用于分析多个指标变量之间的关系,特别是变量间存在间接影响关系的情况。利用路径分析可以分析自变量对因变量作用的方向、作用的大小以及解释能力。路径分析模型是反映多个变量之间关联或依存关系的模型。根据变量之间关系的类型可以分为递归模型和非递归模型两类。递归模型不含有相互影响的变量,非递归模型则含有相互影响的变量。路径分析模型一般形式为:

其中,α,β,γ是待估计的系数矩阵;ε是残差项矩阵。

式(2)写成矩阵为:

(二)指标体系的构建

测度中美技术创新扩散结果的指标为表示技术进步率的全要素生产率,影响因素指标的设计是在综合考虑技术创新扩散各种影响因素基础之上,又考虑到统计数据的限制性,潜变量的设计主要包括:技术进步、贸易与投资、中美差距、经济环境、科技环境、吸收能力、基础设施、政府政策(表1)。

1.技术进步。技术进步作为中美间技术创新扩散的内生变量指标,用全要素生产率来衡量,表示了美国技术创新向中国扩散的情形下中国技术进步水平。这里全要素生产率的测算,采用数据包络分析法(DEA),运用3个指标进行测算:“地区生产总值”“年末劳动力从业人员数”以及“固定资产投资”。

2.贸易与投资。进出口贸易、FDI与OFDI是技术扩散的重要影响因素,同时也是扩散的重要渠道之一。由于各个省份对美国的OFDI数据是缺失的,这里“贸易与投资”潜变量用3个观测变量指标来衡量,即中国“对美贸易进口额”“对美贸易出口额”“来自美国的FDI”。

3.中美差距。本文对于中美差距主要从两个方面来衡量:经济差距和技术差距。经济差距用中国各省份人均地区生产总值与美国人均GDP的比值来表示,这一比值越趋近于1,说明两者经济发展水平越相近,比值越小说明两者的经济发展差距越大。技术差距用中国各省份人均三种专利授权数与美国人均居民专利授权数的比值来表示,同样这一比值越接近于1,说明两者的技术水平越接近,比值越小说明中国的技术水平落后于美国越多。

4.经济环境。这里用各省份的“地区生产总值”和“地方财政一般预算收入”(简称“地方财政收入”)两个指标来衡量。“地区生产总值”表示各个省份经济发展的总体水平,是衡量各个省份经济发达程度的最直接指标;各省份的“地方财政收入”是衡量各个省份地方政府财力的重要指标,地方财政收入的充裕状况在很大程度上决定着地方政府经济活动中能提供的公共物品和服务的范围和数量,也是经济发展程度的另一重要标志。

5.科技环境。科技环境因素主要用各省份的“技术市场输出地合同金额”“技术市场流向地合同金额”“国内三种专利申请数”3个指标来衡量。前两个指标既反映了各个省份技术市场的活跃程度,也反映了各个省份新技术的输入情况和输出情况;第三个指标反映了各省份创新的活跃程度与创新成果,也是衡量科技环境的一个重要因素。

6.吸收能力。衡量各个省份吸收能力的指标主要用反映R&D投入和就业人员素质的“R&D经费投入”“R&D人员全时当量”“就业人员中大专及以上受教育程度人员比例”3个指标。“R&D经费投入”和“R&D人员全时当量”,反映了各个省份在技术创新方面资金、人员的投入量,而“就业人员中大专及以上受教育程度人员比例”这一指标,反映的是就业人员的受教育程度,这些数值越高,说明对于新技术的接受能力越强。

7.基础设施。基础设施主要用各个省份“公路里程”“铁路营业里程”“互联网宽带接入端口”“邮电业务总量”4个指标来衡量。这4个指标涵盖了对于经济发展影响最大的基础设施、公路、铁路、通信等方面的指标。

8.政府政策。政府政策更多起引导作用和规范作用,技术创新法律法规的颁布、技术创新的号召,都只能间接影响技术创新扩散活动,没有办法量化。尤其是涉及各个省份的政府政策指标就更加难以量化衡量,这里只选取了“地方财政科技支出”,仅用这一指标来衡量政府政策对于技术创新扩散的影响难免有些偏颇,但至少可以在一定程度上反映政府科技支出在技术创新扩散中所起的作用。

表1 模型变量指标体系的描述

三、模型1:单项因果关系的递归模型

(一)研究假设

本研究建立的结构方程模型为递归模型,即测量的是解释变量与被解释变量之间的单项因果关系。各变量间的关系为线性、可加的因果关系。变量间的线性关系意味着原因变量的每一单位变化引起结果变量的变化量不变。变量间的线性关系使得多个原因变量作用于一个结果变量时,各原因变量的作用可以叠加。

模型1提出以下研究假设:

H1:贸易与投资对技术进步具有正向影响。对美国的贸易额越高,来自美国的FDI越多,愈加促进中美间的技术创新扩散。

H2:中美差距对技术进步具有正向影响。中美的差距不会过于悬殊,这种差距有利于美国向中国的技术扩散,对中国的技术进步起促进作用。

H3:经济环境因素对技术进步具有正向影响。国家财政对科研投入力度越大,R&D支出越多,中美间的技术创新扩散愈加活跃。

H4:科技环境因素对技术进步具有正向影响。专利申请量越多,可供转让的专利技术就越多,就越能促进新技术的扩散。技术市场交易额越高,说明技术转移越活跃,属于有利于技术扩散的科技环境。

H5:吸收能力对技术进步具有正向影响。科研人员数量越多、R&D全时人员当量越大、就业人员受教育程度越高,表明对新技术的吸收能力越强,越有利于中美间的技术创新扩散。

H6:基础设施对技术进步具有正向影响。各种基础设施越完善,公路、铁路、互联网、邮电通信等行业越发达,对中美间技术创新扩散起促进作用。

H7:政府政策对技术进步具有正向影响。

(二)模型的构建

根据前面指标体系,构建结构方程模型的因素结构(图1)。图1中间的“技术进步(U)”为衡量中美间技术创新扩散结果的指标,周围的指标分别为影响技术创新扩散的7个影响因素:贸易与投资(V1)、中美差距(V2)、经济环境(V3)、科技环境(V4)、吸收能力(V5)、基础设施(V6)、政府政策(V7)。

图1 单项因果关系模型因素结构

根据表1变量指标、图1结构因素以及假设条件,可以建立结构方程模型(图2)。

从图2可以看出,这是仅考虑了自变量对因变量影响的结构方程模型,因变量为TFP,7个解释变量分别为前面所述的表示7个影响因素的潜变量,每个潜变量又通过自己的观测变量来体现,具体潜变量和观测变量的名称详见表1。

图2 中美间技术创新扩散单项因果关系结构方程模型

(三)数据分析

1.数据来源及处理。本文结构方程模型的数据包括来自22个省份(自治区、直辖市)的可测变量的数据①不包括港、澳、台的数据,另内蒙古、吉林、江西、湖北、四川、贵州、西藏、青海、新疆等9个省份来自美国的FDI数据无法找到,模型中的数据只包括除上述区域之外的22个省份。,并选取了这些省份2007—2017年间②全要素生产率的测算用到“固定资产投资”指标,全国和地方统计年鉴这一指标的最新为2017年数据。的数据来进行分析。数据全部来自《中国统计年鉴》、国家统计局官网数据库以及各省份统计年鉴。模型中所涉及物价变动的数据,全部以2000年为基期进行了不变价格处理,以消除价格波动因素的影响。考虑到模型中被解释变量是相对指标,解释变量为绝对指标,将解释变量进行了标准化处理,以消除不同量纲的影响。关于全要素生产率(TFP)采用数据包络分析法(Malmquist指数法)来测算,其中资本存量的测算采用张军(2004)的方法,折旧率取9.6%,资本存量K的计算通常采用永续盘存法。

2.PLS方法。本文采用偏最小二乘法(PLS)来分析,PLS是一种新型的多元统计分析方法,由Wold和Albano等人提出。PLS方法基本的思路为:首先对抽取观测变量的主成分建立回归模型,然后通过调整主成分权数的方法进行参数估计。所以,使用PLS进行估计,先抽取主成分估计潜变量得分,然后使用普通最小二乘法估计载荷系数和路径系数。PLS可以克服变量之间共线性的问题,它在选取特征向量时强调自变量对因变量的解释作用。另外,没有严格的分布和样本数量要求,更适合偏峰、多峰和小样本数据,还可以用于多因变量对多自变量,即多对多的数据类型,是一种有限信息的估计方法。

(四)模型的检验

1.结构信度检验。信度检验是指测量的可信程度,用来检测数据的可靠性。结构信度检验,包括内部一致性信度检验和组合信度检验。内部一致性信度检验通常采用Cronbach'sα系数(Cronbach's coefficient Alpha,CCA),组合信度检验采用组合信度系数(Composite reliability,CR)。Cronbach'sα系数越高,则内部一致性越高,信度越高。Cronbach'sα系数在0.35～0.7之间,则认为内部一致性普通,为中信度;大于等于0.7时,则属于高信度;小于0.35则较低。一般认为Cronbach'sα系数应该大于0.7,也有学者认为大于0.6即可。组合信度要求一般CR值大于0.6即可。

表2为模型潜变量的信度系数,可以看出潜变量的Cronbach'sα系数全部大于0.7,政府政策因为只有一个观测变量,所以系数为1,可以认为各个潜变量的内部一致性信度都较高,全部通过检验;从CR系数值看,潜变量的CR系数值都在0.7以上,通过了组合信度检验。

表2 潜变量信度

2.结构效度检验。因为效度是测量数据能够正确测量出所要测量问题的程度,所以效度的测量就是要确认通过所收集的数据,能否得到想得到的结论、反映所要讨论的问题,同时也判定潜变量是否确定得合理。结构模型的效度测量可以利用收敛效度,即通过平均变异萃取量(Average Variance Extracted,AVE)来判断结构变量的有效性。一般认为结构变量的AVE值应至少大于0.5,说明超过50%对应观测变量指标方程能够被解释,所以在一定程度上说明此结构变量是有效的。表3为结构模型的收敛效度,可以看出,只有基础设施的AVE值为0.479,将近0.5,其余6个潜变量的AVE值全部高于0.5,说明结构模型基本通过了效度检验。

表3 收敛效度

(五)结构方程模型的PLS结果分析

运用SmartPLS 3.3.2软件,采用PLS分析方法,得到结构方程模型1的路径系数和结构变量的R2以及P值,如图3和表4所示,显示了各观测变量的载荷、潜变量的路径系数以及路径系数表示的各个影响因素对于因变量的影响,图3中R2为0.547。

如表4所示,中美技术创新扩散单项因果关系结构方程模型的路径系数、T值和P值,模型的自变量有7个潜变量,只有中美差距没有通过检验,其余6个潜变量全部通过了检验。H2假设被推翻,验证了模型最初的3个假设,H1:贸易与投资对技术进步具有正向影响;H3:经济环境因素对技术进步具有正向影响;H4:科技环境对技术进步具有正向影响。另有3个假设被验证为与原假设关系正好相反,H5:吸收能力对技术进步具有负向影响;H6:基础设施对技术进步具有负向影响;H7:政府政策对技术进步具有负向影响。

从模型的路径系数来看,贸易与投资的系数为0.343,经济环境的系数为0.758,科技环境的系数为0.318,这3个因素对技术进步起正向的影响作用,说明对技术扩散具有促进作用。中美差距这一潜变量对技术进步的影响并不显著。吸收能力、基础设施和政府政策3个潜变量的系数全部为负,说明相对于技术进步来说,吸收能力、基础设施和政府政策的支持力度不够,或者说明相应的技术创新和相应的投入增加了,比如R&D人员、R&D全时当量、政府的科技投入和技术设施改善了,而由于某些原因,却没有带来技术进步,也没有推动技术扩散。当然这是单项因素因果关系模型的估计结果,不一定具有足够的说服力,因为国际技术扩散运用不同的估计方法,结果会有所不同,即便运用同一方法,指标的算法不同,结果也会有一定差异。所以,需要结合模型2的结果来进一步分析。

根据图3可观测变量的载荷系数可以看出,每个潜变量的可观测变量对于潜变量的影响,比如贸易与投资每增加1个单位,全要素生产率增加0.343个单位,在0.343个单位的增长中,中国对美国的出口贸易、进口贸易和美国在中国的FDI都有贡献。其中,进口贸易的载荷为0.929,贡献最大;出口贸易的载荷为0.811,贡献次之;FDI载荷为0.639,贡献最小。依次可以根据经济环境、科技环境、吸收能力、基础设施、政府政策等潜变量的路径系数,分析每个观测变量的贡献大小。

表4 结构模型路径系数、T值及P值

图3 单项因果关系结构模型载荷系数、路径系数和R 2

四、模型2:存在间接反馈关系的非递归模型

模型2的潜变量和观测变量与模型1相同,与模型1相比,模型2不仅考虑了因变量对于自变量的影响,同时还考虑了自变量之间的影响,所以对于技术创新扩散各变量之间的关系把握更加准确,能更好分析各变量之间的关系,在更为客观全面的分析自变量对于因变量影响的同时,兼顾自变量之间的相互影响,便于在问题分析中全面把握中美技术扩散效应影响因素的作用。

(一)模型的构建

1.指标体系与研究假设。模型2的指标体系与模型1相同,详见表1。模型2的变量间存在间接反馈作用,属于非递归模型。这是因为在路径图中,有间接的循环直线箭头,比如3个变量形成了一个单项循环(图4)。模型2所需要考虑的研究假设,除了包括模型1的全部假设还有自变量之间的因果关系,所以更加复杂一些。

模型2提出以下研究假设:

H1:贸易与投资对技术进步具有正向影响;

H2:中美差距对技术进步具有正向影响;

H3:经济环境对技术进步具有正向影响;

H4:科技环境对技术进步具有正向影响;

H5:吸收能力对技术进步具有正向影响;

H6:基础设施对技术进步具有正向影响;

H7:政府政策对技术进步具有正向影响;

H8:中美差距对贸易与投资具有正向影响;

H9:经济环境对贸易与投资具有正向影响;

H10:经济环境对中美差距具有正向影响;

H11:经济环境对科技环境具有正向影响;

H12:经济环境对吸收能力具有正向影响;

H13:经济环境对基础设施具有正向影响;

H14:经济环境对政府政策具有正向影响;

H15:吸收能力对科技环境具有正向影响。

2.构建模型。由于模型2的变量指标体系与模型1相同,根据表1模型指标体系和上述研究假设,构建因素结构(图4)。

图4 中美技术创新扩散效应因素结构

从图4可以看出,模型2不仅研究自变量与因变量之间的关系,还研究自变量之间的关系,比如经济环境可能对所有的因素都有影响,其他变量之间可能也有影响,当然本文所研究的关系,是从理论上来说较为显著的关系,变量之间可能还存在其他关系,但因为影响较小,可以忽略,不予考虑。总之,模型2是较为充分地考虑了全部潜变量之间关系的模型。

根据因素结构图、潜变量和观测变量、研究假设等条件,可以建立模型2结构方程模型的理论模型(图5)。

图5 中美间技术创新扩散效应结构方程模型

(二)模型的信度和效度检验

因为模型2的变量选取和数据与模型1不同,路径关系也有变化,需要对数据再次进行信度和效度检验。从表5的结果来看,表示内部一致性信度的Cronbach's α系数值与模型1的数据一致,全部大于0.7,属于高信度,通过了内部一致性的信度检验。组合信度方面,CR系数与模型1稍有差别,但也全部高于0.6,通过了组合信度检验。

效度检验方面,因为模型2考虑的路径关系与模型1有了较大差别,收敛效度的AVE值也与模型1的值有了较大的差别。从表6的数据来看,7个潜变量的AVE值,全部大于0.5,说明全部潜变量50%以上的对应观测变量指标能够被解释,由此可以判断结构变量是有效的。

表5 潜变量信度

表6 收敛效度

(三)模型的实证结果

依然采用PLS分析方法,得到结构方程模型2的路径系数、结构变量的R2、T值和P值(图6和表7)。图6为结构方程模型的载荷系数、路径系数以及R2,以“中美差距”为因变量的R2值最低,为0.376,对于面板数据来说,拟合效果较好。其余变量R2的值都在0.5以上,可以看出,结构模型的拟合较好。

1.路径系数的分析。从表7可以看出,15个假设中有3个假设未被验证,H2:中美差距与技术进步;H4:科技环境与技术进步;H5:吸收能力与技术进步。从现有的数据样本来看,3个假设之间没有显著的因果关系,其余12个假设均得到了验证。

首先,对结构模型中自变量与因变量间的路径系数进行分析。贸易与投资对技术进步有显著的正向影响,贸易与投资每增加1个单位,技术进步增加0.454个单位。经济环境每增加1个单位,因变量增加0.903个单位。基础设施与技术进步为反方向的关系,这说明中国绝大多数地区基础设施还比较落后,技术进步了而基础设施并没有同步增加,相比较技术进步的速度,基础设施明显滞后,所以两者会呈反方向变动。政府政策和技术进步也呈反方向变动,同样说明,相比较技术的进步,绝大多数地方政府财政的科技投入力度不足,滞后于技术进步水平。

其次,对结构模型中自变量之间的路径系数进行分析。在自变量中,经济环境是一个主要的因素,对其他变量存在着或大或小的影响。经济环境对贸易与投资有正向影响,系数为0.449,说明经济环境每增加1个单位,贸易与投资增加0.449个单位。经济环境对中美差距也有正向影响,路径系数为0.613。从理论上来说,经济环境对科技环境也是有正向影响的,比如GDP的增加,对专利的发明申请有间接的促进作用,但从模型结果来看,这一假设没有得到验证。此外,经济环境对吸收能力有显著的正向影响,路径系数为0.898,即经济环境每增加1个单位,促进吸收能力提高0.898个单位。经济环境对基础设施有显著的正向影响,路径系数为0.822,即经济环境每增加1个单位,基础设施增加0.822个单位。经济环境对政府政策有正向影响,路径系数为0.872,即经济环境每增加1个单位,地方政府的财政科技增加0.872个单位。吸收能力自变量对于科技环境有正向影响,比如R&D投入、R&D人员全时当量对促进专利申请、技术市场成交额有正向影响。此外,中美差距对贸易与投资有正向影响,也就是说,中美的经济差距、技术差距越大,越能促进中美贸易与投资的发展。

表7 结构模型路径系数、T值及P值

2.载荷系数分析。根据图6中潜变量的载荷系数,可以对各观测变量对于潜变量的影响逐一进行分析。潜变量“贸易与投资(V1)”有3个观测变量,分别为“对美贸易进口额(X1)”“对美贸易出口额(X2)”以及“来自美国的FDI(X3)”。从载荷系数来看,X1的系数最高,说明X1对于贸易与投资潜变量的贡献最高,影响最大;X2贡献次之;X3贡献最小。遵循这一思路,在科技环境这一潜变量中,3个观测变量中“技术市场流向地合同金额(X10)”贡献最大;“技术市场输出地合同金额(X9)”贡献次之;“国内三种专利申请数(X8)”贡献最小。同理,根据其余5个潜变量的可观测变量的载荷系数,也可以分析每个观测变量对于潜变量贡献的大小。所以,载荷系数可以衡量各观测变量在因果关系中对潜变量所起作用的大小。

图6 中美间技术创新扩散结构模型载荷系数、路径系数及R 2

五、结 论

对比模型1和模型2的实证结果,可以看出,模型1为递归模型,只考虑了自变量对于因变量的影响,由于考虑的变量关系比较单一,实证分析结果和模型2有一定的差异。模型2为非递归模型,综合考虑了自变量对于因变量的影响以及自变量相互之间的影响,导致潜变量的系数与模型1有不同程度的差别。模型1中科技环境与技术进步的正相关关系非常显著,而模型2中科技环境对技术进步的影响并不显著。模型1中吸收能力对技术进步的负相关关系在0.1水平下显著,而模型2中两者的关系并不显著。中美差距对于技术进步的影响,在模型1和模型2中都不显著,其余4个潜变量与技术进步的关系在模型2和模型1中均显著。

很难说模型1与模型2哪个结果更具可靠性,但综合两个模型的实证结果,可以得出结论:中美差距对中美之间技术扩散的影响并不显著;贸易与投资对于技术进步的影响显著,说明中美之间的贸易和美国在中国的FDI带来了技术扩散,促进了中国技术的进步。除这两个主要变量之外的其他潜变量,也可以基本得出结论:吸收能力对于技术扩散的作用不是特别显著;科技环境从理论上来说,应该对技术进步起促进作用,而模型1也验证了这一理论;政府政策、经济环境和基础设施尽管两个模型的系数有差异,但可以看出与技术进步关系显著,所以与技术创新扩散的关系也非常显著。

此外,模型2由于考虑了不同变量之间的路径关系,自变量之间也存在很强的相关性,在考虑各影响因素与技术进步关系的时候,也需要注意影响因素之间的关系,某一因素的增加或者降低,可能使其他因素产生连带反映。模型2对于分析中美之间技术创新扩散的真实情况,把握规律,充分协调各种影响因素,使中美的国际技术扩散走向良性循环,具有重要的借鉴意义。