中国高研发投入与低生产率悖论的分析※——基于研发要素配置扭曲的视角

靳来群

内容提要：近年来中国经济高质量增长目标一直受到高研发投入与低生产率并行的桎梏，从研发投入配置扭曲的角度，并利用2001-2016年省级面板数据的实证检验发现：研发资本与研发劳动的配置扭曲是导致全要素生产率损失的重要原因，在研发投入已然过度的地区继续增加研发投入，其对全要素生产率增长的贡献要小于投入不足部门；而就作用机制而言，研发投入利用效率与研发成果转化效率的损失是研发要素配置扭曲掣肘全要素生产率提升的关键中间渠道。进一步的数据分析发现，东南与西南地区的研发投入相对不足，而西北、中部与环渤海湾地区的研发投入却相对过度。如何在未来的结构性改革中实现研发要素投入从过度地区向不足地区的转移，对中国生产率的快速提升有着重要意义。

一、 文献综述与问题提出

全要素生产率的提高，是中国新常态下实现经济高质量发展的关键，也是供给侧结构性改革的目标(蔡昉，2013)。而自主创新能力提高下的技术进步是生产率增长的重要渠道。基于此，中国近年来大力实施创新驱动发展战略，为实现这一战略目标，国内研发经费投入规模持续扩大，近20年来的年均增长率高达18%。与此同时，研发经费投入强度(研发经费占GDP比重)也在逐年快速增长，由2001年的1.1%上升至2020年的2.4%，已然超过OECD国家平均水平。然而在创新投入不断增加的过程中，中国全要素生产率的增长速度却相对较慢，对经济增长贡献率也在持续下降，近年来贡献甚至为负(Wu，2014；Wei等，2017)；而且从绝对水平上，中国全要素生产率仅为OECD国家的一半(Wei等，2017)。不难发现的一个事实：无论是基于绝对水平还是增长率，中国研发投入与全要素生产率都存在着严重不匹配问题，这也正是前期研究所总结的“高研发投入与低生产率之谜”(高帆，2017)。这种高研发投入与低生产率并行现象无疑成为中国经济转型过程中的重要障碍，探究其背后的形成原因，对中国经济高质量发展极具现实意义。

就创新与高质量经济增长以及全要素生产率的关系而言，内生增长理论早已展开了深入研究并指出，研发创新活动是技术进步下的经济高质量增长的关键因素，必然带来全要素生产率的提高(Romer，1990；Aghion和Howitt，1992)，并且大量文献也提供了该理论推断的经验证据(Jefferson等，2006； Vogel，2015)。然而针对中国的相关实践，该理论并没有给出合理的解释。李宾(2010)指出中国研发投入并不一定能够显著促进全要素生产率的增长，并通过对比中国与发达国家研发投入强度与结构，从直觉上解释出现这种现象的原因，一方面是由于中国总体研发投入强度不足所导致，另一方面则是中国研发投入偏向于应用研究与试验发展所致。孙晓华和王昀(2014)研究发现对于具有连续研发投入的企业而言，研发投入强度与企业全要素生产率之间存在正“U”型关系，然而99%的工业企业研发投入强度仍处于“U”型的左侧，说明中国研发投入总量增加并不能显著提升全要素生产率的原因是企业研发投入强度不够。此外，李静等(2017)研究指出研发资金投入与研发人力资本投入的不匹配，使得过度的资金未能得到足够人力资本的有效支撑是导致中国经济转型中的创新之谜(高研发投入与低生产率并行)的重要原因。

可以看到前期研究大多从研发要素积累的角度展开。然而随着中国研发投入力度的增加，研发投入强度已然超过了OECD国家的平均水平，但是“创新之谜”却依旧严重，可以说现阶段从研发投入力度去解释这一谜题已不再合适。近年来，部分研究从创新效率角度就该问题展开了分析。较多研究指出中国研发投入利用效率较低(张秀峰等，2021)。不仅如此，中国还存在着严重的“专利泡沫”问题(张杰等，2016；申宇等，2018)。中国高研发投入带来的是低端质量的创新，而低质量创新自然无法带来有效的技术进步和高质量的经济增长。进一步剖析造成“专利泡沫”的原因，前期研究发现与研发投入结构(Zc和Jie，2019)、政府研发补贴(胡善成和靳来群，2021)以及“创新崇拜”(申宇等，2018)息息相关。

然而，除此之外，关于资源错配理论框架的发展为解释创新之谜提供了较好的研究思路(Restuccia和Rogerson，2013)。本文从研发要素配置扭曲的角度，对中国快速增长的研发投入未必带来相应快速的生产率提高的矛盾现象进行解释。直观地分析，尽管中国增加了大量的研发投入，但是中国研发投入存在严重的配置扭曲问题(靳来群等，2019；王钺和刘秉镰，2017)，这也意味着部分部门的研发投入过度，而部分部门的研发投入不足。而基于本文的分析，在研发投入已经过度的地区继续增加研发投入对生产率增长的贡献要远小于投入不足地区。这也意味着，即便有大量的增加研发投入，中国严重的部门间研发要素配置扭曲问题仍将限制中国全要素生产率的提高。与本文研究较为相似的，戴小勇(2021)也从资源配置扭曲的角度尝试解释了中国高创新投入而低生产率的现象，并指出要素市场扭曲将影响企业的创新决策、降低整体创新效率，进而造成全要素生产率的损失，抵消创新对全要素生产率的提升。然而戴小勇(2021)的资源配置扭曲问题仍集中在生产要素配置过程中，而本文主要集中在研发要素配置过程中。

就资源配置扭曲问题而言，众多文献研究指出中国存在严重的生产要素扭曲配置，其中Hsieh和Klenow(2009)和Aoki(2012)的研究较具代表性，并且Brandt等(2013)指出中国地区间的生产要素配置扭曲程度约为10%。然而相对于地区间生产要素配置扭曲的快速缓解趋势而言，全要素生产率却仍然处于较慢的增长势头中，显然生产要素市场扭曲难以解释近年来高研发投入与低生产率并行的创新之谜现象，因此，寻找与当前形势相匹配的答案对于中国现阶段经济转型发展十分关键。而根据Boeing(2016)和Wei等(2017)的分析，中国存在着严重的研发要素配置扭曲问题，其中靳来群等(2019)的研究指出，近年来中国地区间研发要素配置扭曲程度约为17%，其扭曲程度远高于生产要素。并且不同于生产要素，研发要素配置扭曲的较慢缓解趋势为解释创新之谜提供了直观依据(1)本文利用Brandt等(2013)以及靳来群等(2019)的方法，并利用下文中交代的生产产出与投入以及研发产出与投入相关数据，对2001-2016年的生产要素和研发要素地区间配置扭曲程度进行了重新测算。结果显示：生产要素的配置扭曲程度在2003年后快速缓解(2013年后有所反弹)，而研发要素的配置扭曲程度并没有表现出相应的快速缓解趋势。。因此，进一步从研发要素的配置扭曲角度，去理解研发投入与生产率不匹配问题，将具有重要意义。

二、 理论分析与假说提出

(1)

同时，仿照靳来群等(2019)的做法，假设全国及各地区的研发成果为相应全国和地区研发资本RK、RKi，研发劳动RL、RLi，研发投入利用效率RA、RAi的C-D函数产出形式：

(2)

(3)

一阶条件下，可得到研发资本和研发劳动的边际收益等于要素的实际价格：

(4)

假设1：研发要素配置扭曲将导致全要素生产率的损失，在投入过度部门增加研发投入对全要素生产率增长的贡献要小于投入不足部门。

(5)

根据式(5)可以看到，当扭曲不存在时，也就是τ1=τ2时，研发投入利用效率RA以及全要素生产率TFP达到最大值。对于研发劳动配置扭曲的分析也依然如此。这也意味着，研发要素投入的配置扭曲将导致研发投入利用效率的损失，进而也将导致生产率的损失。

而进一步，部门之间的研发成果转化效率zi并不必然相等，其应为高质量研发成果比重h的函数zi(h)，部门高质量研发成果的比重越高时，其转化效率就会越高。然而，相对于研发要素投入不足的部门，研发要素在投入过度的部门，其稀缺性将相对较弱，这也意味着，投入不足部门将更加看重研发要素的关键性，并将其投入到更为重要的研发中去，进而会表现出，研发要素投入不足的部门其研发成果转化效率要高于投入过度的部门。并且，当一个部门投入过度时，其更多的投入(过度状态也随之加重)将会投资于低质量的创新中，尽管这使得研发成果总量得到提高，但是高质量研发成果比重会随之下降，进而拉低研发成果转化效率。因此，研发要素投入的配置扭曲也将导致研发成果转化效率的损失，进而导致生产率的损失。据此，本文提出：

假设2：研发要素投入的配置扭曲将导致研发投入利用效率和研发成果转化效率的双重损失，进而带来全要素生产率的损失。

三、 实证分析策略与数据来源

1. 实证策略

首先在生产总值Y作为生产效率A、生产资本K和生产劳动L的C-D生产函数形式下，Y=AKαLβ,得到相应全要素生产率，其中参考杨汝岱(2015)的研究，取α=0.3，β=0.7。而依据上文分析，生产率将受到研发资本配置扭曲与研发劳动配置扭曲的影响，并且考虑到数据可得性，本文实证过程中用省份代表部门，因此在将生产率对数化后，可构建计量模型：

lnTFPit=β0+β1dr(drkit,drlit)+γXit+ui+νt+εit

(6)

其中，回归系数β1反映了研发要素配置扭曲对生产率的影响。同时控制省份个体效应ui与年份时间效应νt。解释变量drk或drl为研发资本或研发劳动的配置扭曲程度。同时还加入了控制变量X：以人均GDP度量的经济发展变量dev、以二三产业增加值占比度量的产业结构变量ind、以财政支出占比度量的政府规模变量gov、以在校人数占总人数的比重度量的人力资本变量edu、以进出口总额占比度量的开放程度变量ope。

为进一步验证假设1中“在投入过度部门增加研发投入对TFP增长的贡献要小于投入不足部门”，本文首先将所有省份分为投入过度组和不足组(关于如何区别投入过度还是不足，下文中变量设置部分有详细介绍)，接着分组检验增加研发要素投入对生产率提高的作用程度，并比较两组之间的差异性。同时，构建虚拟变量DK或DL，当研发资本或劳动投入过度时，DK或DL取值为0；当研发资本或劳动投入不足时，DK或DL取值为1。并加入虚拟变量与研发要素投入的交互项DK×lnRK或DL×lnRL。计量模型为：

lnTFPit=β0+β1lnRKit+ui+νt+εit

(7)

lnTFPit=β0+β1lnRLit+ui+vt+εit

(8)

lnTFPit=β0+β1lnRKit+β2DKit×lnRKit+ui+νt+εit

(9)

lnTFPit=β0+β1lnRLit+β2DLit×lnRLit+ui+νt+εit

(10)

当利用计量模型(7)和(8)进行分组回归时，通过比较过度组和不足组中回归系数β1的差异性，以判断对于研发要素投入不足的省份，增加研发要素投入对生产率的作用是否要明显高于研发要素投入过度省份。同时基于计量模型(9)和(10)，对于研发要素投入过度组而言，持续增加研发要素投入对生产率的作用程度为β1，而对于研发要素投入不足组，研发要素投入对生产率的作用程度为β1+β2，如果β2显著为正，则将进一步验证假设1。

为进一步检验研发要素配置扭曲影响生产率的两条中间渠道——研发投入利用效率与研发成果转化效率，本文构造中介效应模型：首先得到研发要素配置扭曲对生产率影响的总效应，如计量模型(6)所示。接着分析对中介变量M的影响，如计量模型(11)所示。其中中介变量包括：研发投入利用效率变量lnuse，用研发投入利用效率的对数衡量，基于上文中对研发函数的假设，并取研发资本产出弹性为 0.3，研发劳动产出弹性为0.7，进而得到研发投入利用效率；研发成果转化效率变量conv，用生产率与研发成果的比值衡量。最后分析研发要素配置扭曲变量和中介变量对生产率的混合影响，如计量模型(12)：

Mit(lnuseit,convit)=α0+α1dr(drkit,drlit)+γXit+ui+νt+εit

(11)

lnTFPit=β0+β1dr(drkit,drlit)+β2lnuseit+β3convit+γXit+ui+νt+εit

(12)

其中，模型(12)中的回归系数β1反映了研发要素配置扭曲的直接影响，而α1×β2和α1×β3则反映了分别以研发投入利用效率和研发成果转化效率为中介渠道时，研发要素配置扭曲对生产率的间接影响。

2. 变量设置与数据来源

(2) 生产总值、生产要素投入、研发成果、研发要素投入的测算。各省生产总值数据有详细披露，并用GDP平减指数进行平减。而就研发成果，正如寇宗来和刘学悦(2017)在《中国城市和产业创新力报告2017》中所指出的，由于不同专利有着不同的质量和价值，如果只是简单用专利数量去衡量将存在严重的偏差，因此其用不同专利价值对专利数量进行了调整，并提出了创新力指数，本文用该指数衡量研发成果。生产劳动投入与研发劳动投入分别用从业人员和研发人员全时当量数据衡量。

(3) 数据来源与所用变量的描述性统计分析。除创新力指数外，本文所用数据均来自历年《中国统计年鉴》与《中国科技统计年鉴》。由于创新力指数仅有2001-2016年数据，因此本文实证分析时间也仅是到2016年。为此，本文所用变量的描述性统计分析如表1所示。

表1 变量描述性统计分析

四、 实证结果分析

1. 研发要素配置扭曲对生产率的整体影响

利用上文面板数据，本文得到了研发要素配置扭曲对生产率的影响，其中，研发资本配置扭曲作用的回归结果如表2列(1)-(4)所示，研发劳动配置扭曲的影响如表2列(5)-(8)所示。可以看到，无论是基于固定效应模型还是随机效应模型的回归结果基本是一致的。而基于Hausman检验，本文在进行具体回归系数分析时，采用加入控制变量后的固定效应模型。基于表2列(3)可以看到，研发资本配置扭曲变量drk显著为负，这验证了上文推断，研发要素配置扭曲将导致生产率的损失，而基于drk的回归系数以及表1所示的drk的均值，可以判断，当研发资本配置扭曲得以纠正，那么中国全要素生产率将提升0.8%。而进一步根据列(7)的回归结果，可以看到，研发劳动配置扭曲变量drl的回归系数也显著为负，无论是研发资本还是研发劳动，其配置扭曲都将会有损于中国生产率的提升。而根据变量drl的回归系数及表1所示其均值，可以得到，若研发劳动得以有效配置，中国生产率将提升1.2%。相对于中国近年来较慢的甚至为负的生产率增长率而言，实现研发资本和研发劳动有效配置对生产率增长的贡献，无疑将是可观的。

表2 研发要素配置扭曲的影响

2. 过度或不足状态对研发投入作用的影响

综合表3中所列示的过度状态和不足状态下研发投入对生产率作用的实证结果，可以看到：增加研发投入对生产率提升的促进作用，只表现在研发投入不足的部门，而对于研发投入过度的部门，进一步增加研发投入对生产率的提升并没有显著作用。这验证了假设1，“在投入过度部门增加研发投入对TFP增长的贡献要小于投入不足部门”。

表3 过度状态或不足状态的影响

接下来，本文利用上文介绍的计量模型(9)和(10)以进一步检验假设1，经Hausman检验后的固定效应模型回归结果如表4所示。其中虚拟变量DK或DL描述了该地区的投入是过度的还是不足的，当DK或DL取值为0时代表过度，取值为1时代表不足。那么交互项DK×lnRK或DL×lnRL的回归系数则代表了，不足地区研发投入对生产率的平均作用，是否明显高于过度地区。而表4的回归结果显示，该交互项的回归系数显著为正，表明不足地区研发投入对生产率的平均作用要显著高于过度地区，这一实证结果进一步佐证了上文假设1。

五、 作用机制检验

基于上文理论分析的假设2，研发要素配置扭曲所致研发投入利用效率和研发成果转化效率的损失，是进一步限制全要素生产率增长的重要中间渠道，本

表4 两类状态的比较

文利用中介效应模型展开分析的固定效应模型实证结果如表5所示。

基于表5列(1)和列(4)所示回归结果，可以看到，研发资本和研发劳动的配置扭曲都将显著地抑制研发投入利用效率的提升(如变量drk和变量drl回归结果)。而基于列(3)和列(6)可以看到研发投入利用效率的提升是全要素生产率提升的重要影响因素(如变量lnuse回归结果)。而从列(1)和列(3)回归系数可以算得，当分析研发资本配置扭曲的影响时，研发投入利用效率的中间效应为-0.0133，约占总效应的49%(由表2列(3)可以得到，总效应为-0.0269)；从列(4)和列(6)回归系数可以算得，当分析研发劳动配置扭曲的影响时，研发投入利用效率的中间效应为-0.0149，约占总效应的83%(由表2列(7)可以得到，总效应为-0.0178)。这一结果肯定了研发投入利用效率中介效应的存在。

表5 中介效应检验

基于表5列(2)和列(5)回归结果，研发资本和研发劳动的配置扭曲都将显著地抑制研发成果转化效率的提高(如变量drk和变量drl回归结果)。而且列(3)和列(6)也显示，研发成果转化效率的提高是全要素生产率提升的重要影响因素(如变量conv回归结果)。基于列(2)和列(3)回归系数算得，在分析研发资本配置扭曲的影响时，研发成果转化效率的中间效应为-0.0034，约占总效应的13%(总效应仍为-0.0269)；基于列(5)和列(6)可得到，当分析研发劳动配置扭曲的影响时，研发成果转化效率的中间效应为-0.0030，约占总效应的17%(总效应仍为-0.0178)。这一结果也进一步肯定了研发成果转化效率中介效应的存在。

六、 不同地区研发要素投入过度或不足程度的判断

表6 2016年各地区研发要素投入偏离度

参考前期研究本文将中国分为六大地区——东北、环渤海、东南、中部、西南和西北。进一步图示不同地区研发投入偏离度的演化趋势，如图1和图2。基于图1可以看到，中部地区和西北地区的研发劳动投入一直处在严重过度状态，尤其是西北地区。而环渤海地区在2012年之后，由不足状态转变为过度状态，尽管其过度状态并不严重。而东南地区和西南地区，研发劳动投入存在较严重的不足问题，尤其是东南地区，其不足问题在逐年加重，亟需弥补。

而基于图2的研发资本投入而言，中部地区、西北地区和环渤海地区，研发资本投入相对过度，而且从其趋势看，西北地区和环渤海地区，研发资本投入过度程度存在逐年加重趋势，尤其是西北地区，亟待扭转。然而，西南地区、东南地区和东北地区，研发资本投入相对不足，尤其是东南地区和西南地区。西南地区的相对不足程度较为严重，而东南地区的不足却呈现逐年加重趋势。

总结来看，如何快速缓解西北地区和环渤海地区的过度程度，并扭转其研发资本投入过度的加重趋势，同时弥补东南地区与西南地区较为严重的不足，并扭转东南地区两类研发投入不足的加重趋势，是未来区域间结构性改革的重点。

七、 结论与启示

创新驱动发展是中国实现经济转型的关键所在，然而近年来大量的研发投入却未能有效提高全要素生产率，甚至全要素生产率对经济增长的贡献逐年下滑，对此本文尝试从研发要素配置扭曲角度来解释这一“创新之谜”现象。基于理论机制梳理，本文利用2001-2016年省级面板数据，实证检验了研发要素扭曲配置对全要素生产率的影响。研究表明：研发资本与研发劳动的扭曲配置均造成了全要素生产率的损失。在区分研发要素投入力度后发现，相比于研发投入过度省份，研发要素的持续增加对投入不足省份的全要素生产率提升效果更大，甚至对于研发投入过度省份，研发要素的持续增加并不能显著提升其全要素生产率。因此，以上结果从研发要素配置扭曲角度初步阐释了高研发投入并没有带来快速生产率增长的原因。接着，本文就研发要素扭曲配置作用于全要素生产率的内在机理进行了检验，证明了研发投入利用效率以及研发成果转化效率，是其抑制全要素生产率增长的重要中间渠道。最后，本文测算得到各省份2016年研发资本与研发劳动的投入偏离度以及研究样本期内各区域的演化趋势。静态来看(2016年)，东部经济较为发达的沿海省份和西南大部分省份表现为研发投入不足，中部及西北部省份主要表现为投入过度；动态来看，西北地区与渤海湾地区投入过度现象逐年加重，而东南地区投入不足现象却逐渐恶化。

图1 研发劳动投入偏离度的地区间比较 图2 研发资本投入偏离度的地区间比较

本文结论相应的启示为：为突破高研发投入与低生产率并行的桎梏，在不断鼓励社会加大研发投入的同时，也需要着重关注研发要素的配置优化。① 推进要素市场化改革，其改革方向由以传统生产要素为主向生产要素与研发要素并重转变。在实现逐步消除传统生产要素配置扭曲的过程中，通过进一步深化要素市场化改革，缓解愈加严重的研发投入错配，从而有效提升全要素生产率。② 加强区域合作，促进区域经济一体化，进而改善区域市场分割现象，推动研发要素在区域间的自由流动，提高研发要素配置效率。③ 推动各地政府将研发要素利用效率与研发成果转化效率作为远景目标考核，鼓励相关创新主体进行高质量研发活动，以提高研发投入产出与研发成果转化，优化研发投入对全要素生产率的转化路径。④ 就短期政策调控而言，对于研发投入严重不足地区给予适当支持，通过政策导向，创造相应研发活动条件，弥补投入不足状态。对于研发投入严重过度地区，政府应当引导创新主体走出盲目追求研发投入力度误区，重视高层次创新，适当缓解投入过度状态。