最优研发结构与创新——基于中国省级面板数据的实证研究

蒋海威

（北京大学 国家发展研究院，北京 100871）

一、引言

内生增长理论认为，经济增长与创新和技术进步息息相关，而研发是创新的决定性影响因素[1]。在现实中，中国改革开放以来的快速经济增长与创新紧密联系。自1988 年“科学技术是第一生产力”提出以来，中国出台了一系列科技发展计划，如星火计划、火炬计划，提高了诸多产业的创新能力和技术水平，促进了经济增长。21 世纪以来，随着研发投入增加与科技实力提升，中国与世界技术前沿愈发接近，因此，当前中国更注重提升自主创新能力，实现科技高水平自立自强。科技创新离不开基础研究和应用研究的推动，以及两者的转化和促进。将研发具体区分为基础研究和应用研究，关键在于是否存在最优研发结构以促进创新？

一个国家的研发结构与经济发展、创新水平互为基础，相互促进。在经济发展方面，潘士远和蒋海威(2020)通过OECD国家数据研究发现，经济发展水平与研发结构存在倒“U”型关系，即一个国家的应用研究投入与基础研究投入的比值随着经济发展呈现先上升后下降的现象趋势。Gersbach 等(2009)研究表明，基础研究与应用研究共同决定了长期的经济增长，若一个国家应用研究处于前沿水平，则该国的经济增长完全由基础研究决定[3]。Prettner &Werner(2016)利用实证研究印证理论模型，同样发现了基础研究与经济发展水平之间的正相关关系[4]。

在创新方面，大量证据表明，基础研究对推动创新发挥着重要作用[5-7]。基础研究解决的是根本问题，而不是解决狭义的实际问题。基础研究活动扩大了公司在其技术发展活动中可利用的知识基础，会带来根本性的突破，许多重要的技术发明都是基础研究带来的科学知识进步的结果[8，9]。一些研究认为，尽管困难重重，企业依然需要投入研发资源进行基础研究，原因在于：首先，进行基础研究的企业可以从获取新知识的先发优势中受益，并通过对新知识更深入的理解来加强其技术开发活动，从而产生更多的创新。第二，基础研究投资可以帮助企业提高利用外部基础研究成果的吸收能力[10，11]。此外，应用研究直接推动了技术的开发和应用，是创新的基础和需求来源[12]。综合两者来看，研发对企业创新能力的益处来自基础研究和应用研究两个方面[13]。Lim(2004)认为，强调基础研究的企业比强调应用研究的企业吸收更多的基础科学知识，企业在研发过程中必须仔细考虑产业背景和研发结构问题，以匹配创新活动[12]。综上所述，基础研究和应用研究对创新均存在重要作用，但如何合理配置研发资源是一个关键问题。据此，文章尝试寻找一个最优研发结构，以更高效率促进创新。

文章选取中国2000—2020 年省级面板数据，定义研发结构为基础研究投入与应用研究投入的比值，以专利数量来衡量创新水平，研究研发结构对创新的影响。进一步，文章着重讨论是否存在最优研发结构，可以更加有效地促进创新。

二、数据及基准回归

1. 数据及变量

专利申请能够反映创新活动的有效产出，专利活动在现有研究中被普遍认为能较好地衡量企业创新[14]。因此，文章用2000—2020 年省级所有专利数量(Allpatent)衡量省份创新水平。由于中国专利具体分为三类，文章用发明专利数量(Invention)、实用新型专利数量(Utility)、外观专利数量(Design)衡量创新水平，数据来源于历年《中国科技统计年鉴》。为了解决样本分布中偏差的问题，按照现有文献一般做法，将创新指标取自然对数。

文章中研发数据来源于历年《中国科技统计年鉴》。基础研究可以被定义为不具有特定目标，而致力于对物质世界知识的普遍发展的活动，这些活动扩大了技术开发活动中可利用的知识库[15]。而应用研究指的是围绕特定目的，为解决实际问题而展开的科学探索。文章将《中国科技统计年鉴》中科研经费支出分为基础研究投入和应用研究投入，获得各省区市的基础研究投入和应用研究投入[2]。定义研发结构(Structure)为：基础研究投入与应用研究投入的比值。

文章中宏观经济数据来源于历年《中国统计年鉴》，以及各省区市统计数据。文章根据现有文献选取影响区域创新的控制变量，包括：经济发展水平(GDP)、人口数量(Population)、贸易数额(Trade)、外商投资情况(FDI)、财政支出费用(Fiscal)。变量的定义和描述性统计详见表1。

表1 变量描述性统计

2. 基准回归模型

文章设定的回归模型如下：

式中，下标p表示省份，t表示年份。Innovationpt表示省份p在年份t的创新情况，包括省份所有专利数量、发明专利数量、实用新型专利数量、外观设计专利数量。为了研究是否存在最优研发结构，模型加入解释变量研发结构指标Structurept，及该指标的二次项Structure_squaredpt。其对应的系数β1和β2是文章研究的重点。Controlspt表示省份层面创新影响因素，包括经济发展水平、人口数量、贸易数额、外商投资情况、财政支出费用。模型控制了省份固定效应ζp，以控制省份层面不随时间变化的不可观测因素，如区域文化、历史制度等因素。模型还控制了时间固定效应ζt，以控制宏观层面的时间冲击因素，如不同年份全国性的创新政策、创新补贴等因素。εpt为随机误差项，文章用省份层面聚类标准误以允许序列相关。

3. 基准回归结果

对基准模型进行OLS 回归，估计结果见表2。列(1)～列(4)被解释变量分别为所有专利数量、发明专利数量、实用新型专利数量、外观设计专利数量。列(1)回归结果显示，研发结构与所有创新数量呈显著正相关关系，研发结构二次项与所有创新数量呈显著负相关关系，即研发结构与所有创新数量呈倒“U”型关系。也就是说，区域创新数量会随着研发结构中基础研究增加呈现先上升后下降的趋势，其最高点约为0.114。在研发结构达到最优区间之前，基础研究比值每增加1 个标准差，所有专利数量增加31.4%。列(2)和列(3)估计结果表明，研发结构与发明专利数量、实用新型专利数量呈倒“U”型关系，其最高点分别为0.130 和0.106。在研发结构达到最优区间之前，基础研究比值每增加1 个标准差，发明专利和实用新型专利数量增加68.41%、27.80%。列(4)估计结果显示，研发结构与外观设计专利数量的关系在统计意义上不显著。文章认为，外观设计专利是对产品形状、图案等方面做出工业应用的设计，与研发并无直接关系，该回归结果与现实相一致。在控制变量中，经济发展水平与创新水平呈显著正相关关系，与现有研究一致[14]。其他控制变量的估计系数不显著，这可能是由于控制变量存在多重共线性，且部分效应被省份固定效应吸收所导致。以上基准回归结果表明，研发结构与创新存在倒“U”型关系，最优研发结构（即基础研究与应用研究比值） 区间约为0.106～0.130。在达到最优研发结构之前，基础研究的投入将促进创新；而在超过最优研发结构之后，基础研究投入对创新的正向作用会下降。

表2 基准回归估计结果

三、相关实证检验

文章针对基准回归模型的相关问题进行检验，首先处理内生性问题，其次对模型设定进行相关讨论。

1. 内生性问题

在基准回归中，可能存在的一个问题是研发结构与随机误差项可能存在相关关系，从而出现内生性问题。文章选择研发结构及其平方项的滞后期作为解释变量的工具变量，使用2SLS方法进行回归。选择工具变量的思路参照顾夏铭等(2018)，滞后期解释变量与当期解释变量存在系列相关关系，但不直接影响当期创新情况[16]。工具变量回归结果报告在表3 中，一阶段估计结果F 统计值大于10，表明不存在弱工具变量问题。此外，可以发现研发结构与所有专利数量、发明专利数量、实用新型专利数量存在显著相关关系，呈倒“U”型关系，基础研究与应用研究的最优比值分别为0.116、0.132、0.109。在研发结构达到最优区间之前，基础研究比值每增加1 个标准差，所有专利、发明专利和实用新型专利数量分别增加36.40%、77.66%、33.30%。

表3 工具变量回归

此外，控制变量可能也存在内生性问题，需要对其进行滞后处理。据此，文章将控制变量滞后一期，再次进行估计。表4 回归结果表明，在处理控制变量内生性问题以后，基准回归的结论依然存在，即研发结构与创新存在倒“U”型关系。

表4 控制变量滞后一期

2. 模型设定问题讨论

在基准回归中，文章使用专利申请信息作为被解释变量。一般而言，专利申请通过主动披露技术信息以获得一定的垄断权利，能够准确地反映创新行为。但专利申请不一定能通过专利审查，且存在一定的审查时限。在创新产出维度上，专利授权信息能够更好地衡量创新。因此，文章使用专利授权数据构造被解释变量进行回归，结果见表5。研发结构与所有专利授权数量、发明专利授权数量、实用新型专利授权数量存在显著倒“U”型关系，最优研发结构区间为0.104～0.133，与基准回归结果接近。

表5 专利授予信息

基准回归使用省份层面聚类标准误，此处用省份和年份二维聚类标准误以处理自相关问题。由表6 可知，在处理自相关问题后，估计系数显著性提高，列(1)～列(3)核心解释变量均在1%水平上显著。同样，该估计结果支持了基准回归结论，即研发结构与创新存在倒“U”型关系，且存在最优研发结构。

表6 二维聚类标准误

表6 二维聚类标准误

四、结论

近年来，中国创新能力不断提高，在科技领域取得诸多较大成绩。在国家创新体系中，目标导向与自由探索相结合的基础研究格局正在形成。科技创新的顶层设计和系统布局更加合理，基础研究的比重和地位越来越重要，研发结构持续优化，科研资源得以高效配置。

文章用中国省级面板数据，定义了研发结构为基础研究与应用研究比值，运用专利数据衡量区域创新水平。研究发现，研发结构与创新之间存在倒“U”型关系，创新随着基础研究与应用研究比值提高呈现增长速度先变快后减慢的趋势。中国创新存在最优研发结构，基础研究与应用研究比值区间为0.106～0.130。在研发结构达到最优区间之前，基础研究比值每增加1 个标准差，所有专利、发明专利和实用新型专利数量分别增加31.40%、68.41%、27.80%。文章对内生性问题和模型设定问题进行了讨论和检验，结论均支持基准回归结果。

“十四五”规划在科技创新方面明确提出，全社会研发经费投入年均实际增速超过7%，以及基础研究经费投入占研发经费投入的比重提高到8%以上。因此，研究认为，中国需要基于现有科技水平，适当加大研发投入，合理分配研发资源，以保证各项创新活动的有序开展。更为重要的是，应优化研发结构，提高基础研究的投入比重，填补一些基础研究领域短板，以确保关键技术领域的先进性。从文章描述性统计可以得知，2000—2020 年中国各地区研发结构均值为0.078。若基础研究比重增长到8%，则该指标将达到约0.087。研究认为在完成8%的目标后，中国可以进一步结合科技发展水平和战略目标需求，适当增加基础研究投入，处于最优研发结构区间，以促进创新水平不断提升。

基础研究是整个科学体系的源头，是所有技术问题的总机关。中国要想实现科技的自立自强，基础研究能力必须不断提高。目前，中国遇到的产业链、供应链的短板，归根结底是基础研究能力存在薄弱环节。基础研究能带来重大发现，帮助解决关键技术问题，推动前沿技术发展，是国家核心竞争力的一个重要部分。综上所述，文章建议：第一，坚持把创新作为引领发展的第一动力，面向世界科技前沿、经济主战场和国家重大需求，紧紧围绕基础科学研究和关键核心技术全面发力，不断增强源头创新能力、技术引领能力。第二，加强基础研究、应用研究统筹规划，做到研发资源合理布局。第三，持续深化科技体制改革，提高研发资源使用效率，解决影响创新发展的瓶颈问题。第四，加大基础研究和应用研究转化力度，做到对高精尖产业发展有支撑、关键科技研发有依靠。