研发投入对江苏经济高质量发展的影响分析

赵喜仓，朱大鹏

（江苏大学财经学院，江苏镇江 212013）

奋进正当时，创新天地宽。党的十九大报告中明确指出：我国经济已由高速增长阶段转向高质量发展阶段，传统的粗放型发展方式已经难以为继。面对新时期内外部环境的深刻变化，科技创新已成为新常态下经济发展的必然选择与高质量发展的重要动力。其中，研发活动作为科技创新的源泉与重要组成部分，对实现创新发展具有重要意义，没有研发，就谈不上产品创新和工艺创新的发生，更遑论创新的扩散。江苏作为中国科技资源的密集区，长期处在技术研发的高地，2019 年全省研发活动经费达2 779.5 亿元，排全国第二；研发经费投入强度为2.72%，高出全国平均水平0.53 个百分点。但对标高质量发展的要求，江苏的研发活动仍不够理想，省域内，苏南、苏北研发实力悬殊的问题一直存在；省域外，江苏研发投入被广东赶超且差距逐步拉大。目前国家经济社会发展正处于高质量发展的关键期，研发的重要性不言而喻，因此，科学探析研发投入对江苏经济高质量发展的影响，有助于进一步发挥好研发投入对江苏经济高质量发展的促进作用，高质量建设创新型省份。

1 文献综述

研发投入方面，有的学者从现状出发，分析了目前研发投入中的主要问题，如康争光等［1］从投入强度、投入来源、投入方向和企业类别四方面分析了江苏企业研发投入中的问题，认为目前存在着强度放缓、增长乏力、政府研发投入不足、基础研究投入偏低等问题；罗建等［2］采用探索性空间数据分析方法，对湖南省各市州研发投入的空间格局进行实证分析，发现湖南的研发投入在地理分布上存在大面积的低水平聚集和辐射带动力不突出的问题；王文等［3］研究了我国地区研发资源的错配情况，认为多数省份倾向于过度配置研发资源，提出各地在加大研发投入力度的同时还应关注研发效率的提升。有的学者则更为关注研发投入的各种影响，如杜勇等［4］以高新技术产业上市公司为样本，分析了研发投入对企业经营绩效的影响，认为研发投入与企业盈利能力存在着显著的正向关系，这与Sougiannis［5］的实证研究结果相同；张永安等［6］通过面板向量自回归模型（PVAR），探讨了政府补助、企业研发投入与创新绩效的动态关系，发现政府补助、企业研发投入对创新绩效均具有促进作用，企业研发投入对创新绩效的作用较政府补助更加快速、直接。

经济高质量发展方面，目前文献研究主要集中在经济高质量的内涵特点、理论机制、实现路径等定性分析上，定量的评价测度还不够。在定性研究层面，如周振华［7］、金碚［8］分别从高质量发展的提出背景和经济学理论的角度出发，推导高质量发展的定义与特征；孙久文等［9］通过梳理区域高质量发展理念的形成过程，总结我国区域高质量发展理论的内涵和创新，并就新时代背景下区域高质量发展的实践路径提出5 点建议。在定量研究层面，有学者采用单一指标来衡量经济高质量发展，如江三良等［10］、姜安印等［11］以全要素生产率作为经济高质量发展的衡量指标，运用计量分析和因果推断等方法，分别研究对内融合、对外开放以及新型城镇化建设对高质量发展的作用；刘志彪等［12］认为全要素生产率是实现高质量发展的核心源泉，并就结构转换对全要素生产率的影响展开了实证研究。但是，全要素生产率的测算方法繁多，许多研究采用的方法往往与实际情况不相符，并且在测算过程中存在资本累计低估、经济效果反映不全面等问题，对此沈利生［13］提出增加值率是从宏观上度量投入产出效益和经济增长质量的综合指标，可以更好地反映经济增长的质量；范金等［14］基于五大发展理念视角，以1995—2011 年经合组织（OECD）34 个成员国的数据为样本，比较发现全要素生产率在反映创新发展上效果更佳，而增加值率在反映绿色发展上效果更佳，两者在评价中各有所长；田成诗等［15］认为在采用单一指标测度经济增长质量时增加值率比全要素生产率计算更为简单、操作性更强，对于反映我国经济高质量发展更具现实意义。也有学者构建指标体系来测度经济高质量发展，但评价结果差异大、指标选取主观性强、覆盖期间短等问题一直未得到有效解决，其中苏永伟等［16］在参考成都市高质量发展评价指标体系的基础上遴选出27 项指标，构建经济高质量发展评价指标体系，测算了2018 年我国31 个省份的高质量发展水平；孙豪等［17］从创新、协调、绿色、开放、共享五大方面出发构建指标体系，对2017 年我国31 个省份的经济高质量发展情况进行了评价，并就其区域分布情况展开分析；吴志军等［18］基于经济高质量发展的内涵，构建了包括综合质效、创新、协调、绿色、开放、共享六大方面的我国经济高质量评价体系，评价了2017 年我国31 个省份的经济高质量发展综合水平。

研发投入对经济高质量发展的影响方面，现有研究大部分针对研发投入对经济增长的影响，鲜有研究上升到研发投入对经济高质量发展的影响。国外许多学者发现，研发投入与经济增长的直接因果关系往往不显著，研发投入主要通过进口、出口等要素间接作用于经济增长，如Krammer［19］采用面板单位根与协整模型分析了国际R&D 投入溢出效应对贸易和外商直接投资的影响，得出进口是R&D 投入溢出效应作用于经济增长的主要扩散渠道，外商直接投资的影响虽也具显著，但影响过小可以忽略；Dincer 等［20］利用Dumitrescu 和Hurlin 提出的面板因果检验方法，考察1996—2016 年研发投入对新兴七国经济增长、出口和失业率的影响，认为研发投入对经济增长的因果关系不明显，但对出口有着显著的促进作用。国内学者则立足中国实际，普遍认为研发投入对经济增长或经济发展有直接的促进作用，如钟祖昌［21］采用对数生产函数模型，在论证研发投入正外部性存在的基础上，结合我国1991—2009 年29 个省份的数据测算该正的外部性大小，结果表明研发投入对区域经济增长有显著促进作用，其对经济增长的拉动程度达16.7%；赵喜仓等［22］利用PVAR 模型对2002—2011 年江苏省R&D 投入、专利产出效率与经济增长实力的动态关系进行探究，研究得出江苏的R&D 投入与经济增长实力存在双向的正效应，但这种影响并不持久；刘满凤等［23］运用空间计量模型分析了2005—2014 年我国31 个省份的直接R&D 和间接R&D 对经济增长的影响，认为R&D 投入是仅次于资本的驱动经济增长的最重要因素；温涛等［24］运用动态面板广义系统矩估计法，从数量和质量两个方面实证分析了信贷与研发投入对经济增长的作用，认为研发投入对经济总量增长和经济质量提升均起到了显著的正向促进作用；陈亚平［25］通过对比中美两国研发投入发现，虽然我国的R&D 投入总额已逼近美国，但我国R&D 投入对经济增长的贡献度仍与美国存在较大差距。

综上所述，现有研究大多基于省级和企业层面，相关成果主要集中在研发投入与经济增长或发展的关系上，而经济高质量发展不仅要关注量的增长，也应该注重质的提升，但鲜有文献关注市级层面的研发投入对经济高质量发展的影响；此外，学者大多采用线性计量模型展开分析，认为我国研发投入对经济增长或发展存在直接的促进作用，但往往忽视了这种作用可能是非线性的，传统的线性计量模型是否适用有待商榷。鉴于此，本研究以江苏省为例，综合面板平滑转移回归（PSTR）、空间计量分析、人工鱼群算法（AFSA）等方法，构建一种基于人工鱼群算法的空间滞后面板平滑转换模型（AFSASLPSTR），据此量化分析研发投入对江苏经济高质量发展的影响程度，为深入了解研发投入对江苏经济高质量发展的作用方式、合理安排研发投入，推动新时期江苏经济高质量发展提供参考。

2 模型设定与估计

2.1 模型设定

基于面板平滑转换模型和空间滞后模型的特点，并借鉴Gonzalez 等［26］、方丽婷［27］等的研究，设定空间滞后面板平滑转换模型的一般形式即模型1 与简化形式即模型2 分别如式（1）和式（2）：

2.2 模型估计

传统的固定效应面板平滑转换模型在处理非线性部分时常采用牛顿法、拟牛顿法等方法，这类方法虽然具有较高的收敛速度，但对迭代的初始值选取十分敏感，常因初始值不在收敛域内导致求解结果非最优。由于人工鱼群算法具有鲁棒性强、全局收敛性好、不易受初值影响等优点，目前已应用于故障诊断、图像分割、参数优化等领域。为克服传统估计方法的不足，本研究将人工鱼群算法应用到空间滞后面板平滑转换模型的估计中，同时结合拟极大似然估计、组内回归、岭回归（ridge regression）等方法，构建一种基于人工鱼群算法的空间滞后面板平滑转换模型（AFSA-SLPSTR）。模型估计中的主要步骤如下所示：

步骤四：分别模拟人工鱼的追尾行为和聚群行为，选择两种行为中食物浓度值较大的行为实际执行，缺省行为为觅食行为；然后，与公告板中的最优鱼进行比较，若其食物浓度值大于公告板，则以自身信息对公告板进行更新。

步骤五：判断是否达到最大迭代次数，满足转至下一步，否则转回步骤四，继续迭代。

步骤六：计算终止，此时公告板中的人工鱼就是全局范围内的最优鱼，对应的转换参数（）即为全局最优解。

3 指标选取与数据来源

因变量为经济高质量发展。借鉴张永军［28］、陈诗一等［29］、林进忠［30］等人的做法，将经济高质量发展分为经济发展数量和经济发展质量，并选取和计算相关指标。经济发展数量选取各地的人均生产总值（GDP）来体现，经济发展质量则选取各地的全要素生产率和增加值率按熵值法合成的指数来体现。其中，全要素生产率在测算时采用数据包络分析（DEA）-Malmquist 模型，产出指标为按照各地生产总值指数换算后的实际地区生产总值，劳动投入指标为各地的全部就业人员，资本投入指标为按永续盘存法计算并使用固定资产价格指数平减后的各地实际固定资产投入数据；各地的增加值率根据《江苏省2017 投入产出表》《江苏省2012 投入产出表》等数据，按产业结构、时期等因素加权计算得出。

自变量为研发投入。选取各地的R&D 经费支出和R&D 人员两个最具代表性的指标来体现研发投入，前者反映了研发中的资金投入，后者反映研发中的人员投入。

转换变量为专利。张炜［31］、詹祥等［32］的研究指出，研发投入对经济的作用会受到相关产出水平的影响，而专利作为科研活动中重要的资源投入与主要的成果产出，是连通研发投入和经济发展的关键桥梁。因此，选取各地的每10 万人口专利授权数代表专利，并作为资金投入和人员投入两个研发投入自变量的转换变量。

为控制其他因素的影响，选取对外开放和产业结构作为模型的控制变量。对外开放选取各地进出口总额与地区生产总值之比来体现，其中进出口总额采用国家统计局公布的各年人民币对美元的平均汇率进行货币单位换算；产业结构则参考张瑞等［33］、沈肇章等［34］的研究，选取各地的第三产业增加值与第二产业增加值之比来体现。

上述指标数据主要来源于2014—2018 年《江苏年鉴》《江苏统计年鉴》《江苏省投入产出表》《江苏科技年鉴》。此外，为了让数据波动相对稳定，防止可能产生的异方差问题，本研究对各变量进行了取对数处理，相应的描述性统计结果如表1 所示。

表1 江苏研发投入与经济高质量发展相关变量描述性统计

4 实证分析

4.1 空间相关分析

基于江苏省13 个地级市2013—2017 年经济高质量发展相关指标的均值，采用四分位法对其地理分布情况进行划分，并进一步结合全域莫兰指数探讨各市经济高质量发展的空间相关性。2013—2017年13 个地级市经济高质量发展均值排位如表2 所示。

表2 2013—2017 年江苏经济高质量发展的城市空间分布

经济发展数量方面，位于第一梯队的城市有3个，分别为苏州、无锡、南京，是省内表现最佳的城市；位于第二梯队的城市有4 个，分别为常州、镇江、扬州、南通，在经济发展数量上仅次于前面3 个城市，是省内表现较好的城市；位于第三梯队的城市有3 个，分别为泰州、盐城、徐州，表现相对较差；位于第四梯队的城市有3 个，分别为淮安、宿迁、连云港，是省内表现最差的地区。利用全域莫兰指数对经济发展数量指标进行空间相关性检验，全域莫兰指数为0.657，z统计量为3.983，这表明在1%的显著性水平下13 个城市的经济发展数量存在正相关性（空间依赖性），城市的经济发展数量在空间上有趋于聚集的现象。

经济发展质量方面，位于第一梯队的城市有3个，分别为苏州、南京、常州，是省内表现最佳的城市；位于第二梯队的城市有4 个，分别为无锡、镇江、南通、扬州，在经济发展质量上仅次于前面3 个城市，是省内表现较好的城市；位于第三梯队的城市有3 个，分别为泰州、徐州、宿迁，表现相对较差；位于第四梯队的城市有3 个，分别为盐城、连云港、淮安，是省内表现最差的地区。空间相关性检验结果显示，全域莫兰指数为0.527，z 检验统计量为3.396，这表明在1%的显著性水平下13 个城市的经济发展质量存在正相关性。

因此，可以认为，江苏13 个城市在经济发展质量与数量上存在显著的空间依赖关系，省域内的经济高质量发展在空间上呈现出一定的集群现象，经济发展数量与发展质量上表现较好的地区多集中在苏南地区，而表现较差的地区多集中在苏北地区。

4.2 AFSA-SLPSTR 模型分析

4.2.1 模型检验

在模型估计前，需要对空间滞后面板平滑转换模型进行线性检验与剩余非线性检验，通过将转换函数展开成一阶泰勒线性表达式，构造LM统计量（Wald 检验）、LMF 统计量（Fisher 检验）与LRT 统计量（似然比检验），判定模型是否线性及其转换函数的最优个数。由表3 可知，模型1 和模型2 的3 项检验统计量均在5%的显著性水平下拒绝了“H0：r=0”的原假设，即认为模型1 和模型2 存在显著的非线性关系，传统的线性模型模型已不再适用。因此，在估计时，对模型1 和模型2 应采用单转换函数（r=1）、单体制（m=1）的SLPSTR模型进行估计。

表3 2013—2017 年江苏经济高质量发展的空间滞后面板平滑转换模型检验

4.2.2 估计结果

将数据输入到AFSA-SLPSTR 模型中，求解模型的最优转换参数，具体迭代优化过程如图1、图2所示，估计结果如表4 所示。从图1、图2 可以发现，模型1 和模型2 分别迭代至第42 次和与第35 次时目标函数取得最优值，此后算法中的最优值将不再进行更新。

图1 模型1 的鱼群算法迭代过程

图2 模型2 的鱼群算法迭代过程

表4 中模型1 的结果显示，研发投入对江苏经济发展数量的影响有着单门槛的特征，并且城市的经济发展数量在研发投入等变量的综合作用下呈现出不显著的空间正相关关系。其中，研发资金投入对经济发展数量的影响显著为正且影响程度较大，其非线性估计部分的系数为负且在5%的水平上显著，线性与非线性部分系数之和为0.861，表明当专利超过阈值点时会略降低研发资金投入对经济发展数量的影响系数，减少研发资金投入对经济增产数量的正向促进程度，此时应更加关注专利的质量而非数量；研发人员投入对经济发展数量也有显著的正向影响，但该影响在程度上要小于研发资金投入的影响，其非线性估计部分的系数为负但并不显著，综合考虑位置参数、线性部分系数等，可以认为研发人员投入对经济发展质量的影响同样会受到专利阈值点的负面影响，这种影响较小且并不显著。模型中平滑参数反映模型的转换速度较快，说明随着专利数量的扩张，部分专利得不到充分应用，这往往会加剧科研资源的虚耗，从而削弱研发投入对经济发展数量的促进作用，同时仅注重专利数量而非质量的现象同样会弱化研发投入对经济发展数量的正向影响。

表4 研发投入对江苏经济高质量发展影响的AFSA-SLPSTR 模型回归结果

模型2 的结果显示，研发投入对江苏经济发展质量的影响同样具有单门槛的特点，并且城市在经济发展质量上呈现显著的空间正相关性。具体来看，模型的空间滞后系数ρ的值为正且在1%的水平上显著，表明各市在经济发展质量上存在显著的空间溢出效应，即某一城市的经济发展质量会明显受到其周边城市的正向影响，而模型的位置参数与平滑参数表明研发投入对经济发展质量的影响较其对经济发展数量的影响会更易并更快地受到专利的转换。其中，在低体制下，研发资金投入对经济发展质量的影响系数为正且在10%的水平上显著，表明研发资金投入对经济发展质量有较显著的正向影响，且其在程度上要小于研发资金投入对经济高质量发展的影响；与模型1 的结果类似，在高体制下，研发投入对经济增长质量的影响会有所削弱，对应的影响系数下降，专利数量的进一步增长将无法带来研发投入对经济高质量发展促进作用的上升，相反，由于科研资源配置不合理、专利转化不充分等因素，研发投入对经济增长质量的影响会面临比对经济发展数量的影响更大的滑坡。在研发人员投入对经济发展质量的影响方面，低体制下，研发人员投入对经济发展质量具有显著的正向影响且在5%的水平上显著；当进入高体制后，研发人员对经济发展质量的影响将发生结构性变化，系数由正转负，此时盲目加大研发人员投入反而会对经济发展质量产生一定的负面影响，可能的原因是随着专利数量的增长，一般研发人员冗余和核心研发人员缺失的问题持续恶化，达到一定程度后，这种总量的过剩和结构的失衡会降低研发人员的整体效率，造成资源的浪费，进而妨碍经济发展质量的提升。

5 结论与建议

本研究构建了一种基于鱼群算法的空间滞后面板平滑转换模型（AFSA-SLPSTR），并进一步结合2013—2017 年江苏省13 个地级市的面板数据，探究了研发投入对江苏经济高质量发展的影响。研究结果表明：（1）江苏省13 个地级市的经济高质量发展呈现正相关关系，即本地的经济高质量发展表现越好，其相邻城市的经济高质量发展表现可能会较好；（2）研发投入对江苏经济高质量发展的影响有显著的非线性特征，具体表现为单转换函数、单体制的形式；（3）在低体制下，研发投入对江苏经济发展的数量和质量均有着显著的正向促进作用，且研发投入对经济发展数量的影响在程度上要稍强于其对经济发展质量的影响；（4）在高体制下，研发投入对江苏经济发展数量和质量的促进作用会显著减弱，其中研发人员对经济发展质量的影响更是会跌至负值，阻碍经济发展质量的提升。

基于研究结果，为更好发挥研发投入对江苏经济高质量发展的促进作用，推进创新型江苏建设，提出如下建议：（1）关注经济高质量发展在省域内的聚集和溢出效应，深化地区在技术创新、产业发展等领域的交流合作，积极推进江苏省域一体化发展，努力开创区域协调联动高质量发展的新局面；（2）改善以数量为主的地方性专利考核标准，做好影响专利质量的外部政策导向、评价体系的设计，严把专利审查授权关，不断完善审查质量管理机制，切实提高专利的实际“含金量”和实用性，避免研发投入等资源浪费；（3）科学合理配置研发投入，利用好科研经费与科研人员对经济高质量发展的促进作用，在加大研发投入的同时不断优化其结构，强化重点领域关键环节的技术研发，切忌以量的扩张取代质的提升。