区域性研发投入、专利产出与经济高质量发展——基于山东省的PVAR模型研究

张 伟,孙广斌

(1.山东科技大学 经济管理学院,山东 青岛 266590;2.临朐县龙山新材料产业发展服务中心,山东 临朐 262600)

自新冠疫情以来,世界各国经济发展低迷,世界局势混乱,单边主义、霸权主义盛行,严重阻碍了世界各国的经济发展。在这种情景下,“专利”已然成为国家的核心竞争力资源,它对于保障国家经济安全、提升一国的综合国力发挥着巨大的作用。山东作为经济发达的省份之一,紧跟国家政策步伐,出台了《山东省“十四五”知识产权保护和运用规划》来保障知识产权事业的快速发展,进而推进知识产权强省建设。2021年,山东省经济总量高达83 095亿,增量接近万亿,全国排名第三。2020年,R&D经费投入1 681.9亿元,全国排名第五。2020年专利申请总量为369 349件,其中发明专利87 330件,实用新型专利252 621件,外观设计专利29 398件。虽然目前山东省经济基础相较于其他省份位于前列,但是科研基础仍然处于较薄弱的环节。实现经济增长从要素驱动向创新驱动转型是建设创新型省份的基本要求,这需要提高技术创新对经济增长的贡献度。技术创新需要研发投入的带动,但研发活动效益的不确定性致使企业研发面临较大的风险,谨慎型的企业家从事高风险研发的激励不足,创新成果的外溢性导致市场研发投入低于社会最优水平。

由此可见,把握好研发投入、专利产出与经济增长的关系对于提高专利的产出效率及其质量,实现研发投入的最优水平及促进省内经济稳定增长均具有较强的帮助作用。因此,本文对山东省研发投入、专利产出和经济增长三者之间的动态、静态关系进行实证分析,以期为山东省未来经济持续发展提供理论依据和参考佐证。

一、文献综述

尽管当前国内对于研发投入、专利产出与经济增长之间关系的研究成果较为丰富,但研究文献的出发点和研究结论各有异同。其中赵喜仓等利用人工鱼群算法的空间滞后面板平滑转换模型(AFSA-SLPSTR)对江苏省13市面板数据进行分析,发现研发投入对经济发展质量的影响是正向效应,但跨过阈值后对经济发展质量的促进作用会减弱,特别是对研发人员的投入会对经济发展质量的影响会变为负向效应[1]。苏屹等利用中国31个省份的面板数据通过构建PVAR模型,得出结论表明创新绩效和经济增长对研发投入促进作用显著,创新绩效与经济增长之间也存在着显著的相互促进作用[2]。谢金明通过对粤港澳大湾区的11个城市展开研究发现技术创新对经济增长的正向反馈作用具有一定的滞后效应,经济增长对技术创新和金融发展都具有正向的影响[3]。陈亚平通过对中美两国研发投入对经济增长的贡献度进行测算分析,发现我国的研发投入总额虽然与美国的投入总额接近,但是研发投入对经济增长的贡献率远远低于美国[4]。上述学者均是围绕研发投入与经济增长的关系开展研究。

部分学者则是将专利产出的因素考虑进来分析对经济增长的影响问题。潘红玉等从专利产出的角度对我国31个省份面板数据进行分析,发现东部和中部地区原创性强的发明专利对于经济的促进作用更为明显,而西部地区实用新型专利对于经济增长的影响更为深远[5]。李晓燕通过研究发现专利技术对于经济发展的贡献呈现区域差异性,在经济发展落后地区专利产出量较少,技术支撑不起当地产业的发展[6]。朱芳芳通过对广东省三种不同专利对经济增长情况展开研究,发现发明专利相较于实用新型专利和外观设计专利对经济增长的促进作用更加显著[7]。张优智利用平滑转换回归(STR)模型,分别对三种类型的专利与中国经济增长的非线性影响展开研究,发明专利对经济增长的促进作用观点基本和其他学者观点一致,但他却发现外观设计专利和实用新型专利对我国经济增长具有抑制效应,尤其是实用新型专利的抑制效果更为明显,他将这种现象称为“专利泡沫”[8]。这部分学者是从专利产出与经济增长关系角度展开的研究。詹祥等通过构建江苏省面板向量自回归模型,得出科技研发投入、专利产出效率以及经济增长实力三者之间存在非对称的相互作用,且并未形成一个良性的互动循环[9]。

国外学者对于研发投入、专利产出和经济增长关系研究开展较早,理论也相对更加成熟。其中 Kaur和Singh通过对23个发展中国家的数据进行研究,认为研发投入对于经济增长具有很重要的价值,政府部门开展的研发活动是推动本国经济发展的关键[10]。Chu Angus C通过使用熊彼特增长模型,得出专利制度作为创新的有用工具,对于技术进步和经济增长有很好的促进作用[11]。Maria Kaneva和Galina Untura利用GMM和空间误差面板建模技术对俄罗斯的80个地区Rostata数据展开研究,结论表明经济落后地区对于来自技术创新地区的新技术吸收能力较弱[12]。

综上所述,尽管国内外文献中围绕研发投入、专利产出和经济发展质量关系的研究成果较为丰硕,但研究结论却不尽相同。这既与文献研究方法的选用有关,也与其所选取的研究对象存在的较大关系。不同的地域经济发展、地理环境及其资源要素禀赋情况存在较大差异性。因此,结合山东省自身的具体情况,采用PVAR模型对研发投入、专利产出和经济增长的内在关系开展实证分析,不仅可以进一步丰富既有的相关理论研究成果,同时也可以为山东省地域经济发展策略的制定和完善提供参考依据。

二、模型构建与变量选择

(一)变量选择与解释

1.研发投入

研发投入(R&D)具体指的是科研项目在研究和开发阶段的经费投入。经济学理论认为研发活动产生的技术创新推动着经济的增长,R&D经费的投入是实现科技创新的重要手段。专利作为创新成果,与R&D有着密切的联系,故本文以研发经费支出为基础,通过研发投入指数来表示研发投入水平。公式为:

研发投入指数(RD)=(地市研发投入/地市GDP)/(山东省研发投入/山东省GDP) 。

(1)

2.专利产出效率

专利当前不仅是作为知识产权的重要组成部分,更是带动各国经济增长和提升综合国力不可或缺的手段。由于专利授权量极容易受到人为因素干扰,因此本文选择稳定性较强的专利申请量来衡量专利的产出。专利产出效率(PY)指的是某地区在给定资源投入的情况下,专利的产出质量和数量。公式为:

PY=(地市专利申请量/地市研发投入)/(山东省专利申请量/山东省研发投入)。

(2)

3.经济增长

一个地区的经济增长实力不仅是体现在GDP的增长,且更加体现在经济可持续增长方面。故本文引入经济增长指数(ES)对地区经济可持续增长进行衡量,以便能更好的观测该地区产业结构优化。公式为:

ES=(地市GDP增长率+1)/(山东省GDP增长率+1)。

(3)

本文选取的样本区间为2005—2020年,上述三个变量相关数据主要来源于2005—2020年《山东省统计年鉴》以及山东省各地市统计年鉴。为了增加数据的准确性,消除异常值的影响,对上述指标采用对数形式,lnRD、lnPY、lnES分别代表的是研发投入指数、专利产出效率指数以及经济增长指数。

(二)计量模型的构建

向量自回归模型(VAR)主要应用于时间序列,而本文搜集的是面板数据,故采用面板向量自回归模型(PVAR)来进行实证研究。PVAR模型不仅具有时序短、界面大的特点,而且也充分考虑了个体效应和时间效应可以有效解决个体异质性问题。本文利用Stata16软件,构建基于山东省各市2005—2020年面板数据的PVAR模型,检验研发投入、专利产出、经济增长之间的动、静态关系。构建理论模型如(4)式所示:

Yi,t=β0+β1(λ)Yi,t-1+β2(λ)Yi,t-2+…+βc(λ)Yi,t-c+ηi,t。

(4)

在(4)式中,Yi,t={RD、PY、ES},t表示年份;i表示各地市界面个数,β0为截距常数向量;c为滞后阶数;β1、β2、……、βc为方程系数矩阵,ηi,t是“白噪声”误差矩阵。

三、实证检验推导与结果分析

(一)描述性统计分析

表1反映的是2005—2020年山东省研发投入、专利产出效率和经济增长的变动情况(数据来自2010—2020年的《山东省统计年鉴》和《中国统计年鉴》)。由表1可知,山东省研发投入虽然呈波动下降趋势,但其历年指数均大于1,2005—2020年研发投入指数平均为1.376,而同时期全国的平均研发投入仅为0.983,这足以说明了山东省研发投入水平要优于全国的平均水平。山东省专利产出效率均小于1,但是却呈现出波动增长趋势,尤其是在2017年之后上涨幅度大大提高,这与山东省为早日实现知识产权强省建设,于2017年颁布《山东省知识产权强省建设实施方案》密不可分。该方案的颁布为省内专利事业的发展提供了良好的环境,进而推进了专利事业蓬勃发展。山东省经济增长指数均在1左右徘徊,最高是在2005年的1.03,最低是在2018年的0.83,均值为0.983,这与山东省坚持高质量发展、持续推进新旧动能转换的经济政策基本相符,不过高追求经济增长,而是通过以供给侧结构改革为主线,优化升级产业结构,进而实现山东省经济可持续的稳定增长。

表1 山东省研发投入、专利产出、经济增长趋势(2005—2020)

(二)计量模型检验

1.单位根检验

为了避免“伪回归”,在进行模型回归之前,对各个变量进行单位根检验。面板数据单位根检验的方法有多种,本文为了增强检验结果的稳健性,故同时采用了LLC检验、IPS检验以及Fisher-PP检验。结果如表2所示,lnRD、lnES所有检验均在1%水平显著,只有lnPY在IPS检验时是在5%水平显著,故整体来说这三组数据较为平稳,可进行下一步分析。

表2 单位根检验

2.协整检验

本文选择了Pedroni检验,通过观测P值来判断协整关系的显著性。具体检验结果显示,Modified Phillips-Perron t值为5.246 ,Augmented Dickey-Fuller t值为-8.166,两者数据均通过了在1%水平的显著性检验。由协整检验数据可知,山东省研发投入、专利产出效率及经济增长之间存在长期稳定的均衡关系。

(三)静态面板数据回归模型分析

在建立面板数据模型之前,往往需要通过LM检验和Hausman检验来更加准确的确定模型形式以及可以更好的提高参数估计的有效性。首先通过LM检验P值为1.000,故接受原假设,混合效应模型优于随机效应模型;其次通过F检验P值为0.000,拒绝原假设,固定效应模型优于混合效应模型;最后通过稳健Hausman检验P值为0.000,故强烈拒绝原假设。由此可以判断,本文比较适合建立固定效应模型如(5)式所示,得到的具体估计结果如表3所示。

表3 模型回归结果

lnESit=β1lnRDit+β2lnPYit+ui+εit。

(5)

由表3可知,三个模型的β值均为负值,这可能与山东省研发投入不注重投资于高水平高层次项目,而侧重于技术模仿有关的低层次项目有关。因此可以判断,尽管山东省是专利产出大省,但距离专利强省还存在一定差距。其原因在于山东省专利产出仍是以外观设计和实用新型专利为主,真正体现创新成果和技术含量的发明专利成果仍处于较低水平,专利市场的价值尚未得到充分开发,这都将对于山东省未来经济长期高质量发展产生不利的影响。

为了更全面地反映山东省专利产出、研发投入在区域内的差异化,本文根据地理位置及经济发展水平对山东省进行区域划分,其中胶东地区包括青岛、烟台、威海,是山东省经济最发的地区;鲁中地区包括济南、淄博、潍坊、泰安,是山东省经济较为发达地区;鲁南地区包括济宁、菏泽、枣庄、临沂、日照;鲁北地区包括聊城、德州、滨州和东营,然后分区域进行回归。

由表4可以看出,山东省分区域的研发投入和专利产出效率对经济增长的促进作用也不明显,这可能是由静态面板数据无法准确反映数据的滞后性影响所导致的。但总的来说,山东省四个区域专利产出效率对于经济增长的促进作用大于研发投入的作用。研发投入对于经济增长的影响均为负效应,这可能与山东省过多的依赖于技术模仿,自主创新的核心技术不足有关。由于各个区域之间的经济基础不同、研发投入力度不同、专利产出效率不同,导致了这三者之间的作用存在一定的差异性。

表4 山东省分区域回归结果

四、回归模型的调整与实证分析

(一)模型滞后期选择

在进行PVAR模型分析前,需要通过构建MBIC、MAIC、MQIC信息准则来确定模型的最优滞后阶数,具体选择结果如表5所示,由表5可知PAVR模型的最优滞后阶数为1阶,故需要构建一阶PVAR模型来进行调整修正。

表5 三种准则下模型滞后期选择

(二)稳健性检验

为了保障调整后的后续模型在GMM估计、脉冲相应及方差分解的有效性,需要检验动态矩阵特征值的模是否在圆内,即其动态矩阵特征值是否小于1。由图1PVAR模型稳健性检验结果可以看出,经过修正后构建的PVAR模型是稳健的。

图1 PVAR模型稳健性检验

(三)模型的GMM估计

由前文理论分析和基本理论模型(1),并依据样本时间序列长度确定模型滞后阶数为1,得出调整后的研发投入、专利产出效率、经济增长三者之间的理论模型为(6)式:

{RDi,t,PYi,t,ESi,t}T=β0+β1{RDi,t-1,PYi,t-1,ESi,t-1}T+ηi,t。

(6)

在(6)式中,i代表市的个数;t代表年份;β0代表截距项量,β1表示滞后1期的待估计系数矩阵;η代表误差项。通过Stata16.0对RD、PY、ES变量进行GMM估计,具体估计结果如表6所示。

表6 动态面板数据的PVAR模型估计结果

从表6可知,当研发投入(RD)作为被解释变量时,本年的研发投入水平极易受到滞后1期研发投入水平高强度影响,并在1%水平下高度显著,表明了山东省各市的上一期研发投入水平会对当前研发投入水平产生正向影响;滞后1期的专利产出效率对研发投入的影响为不显著的负效应;滞后1期的经济增长对研发投入存在显著的正向效应影响。

当专利产出效率(PY)作为被解释变量时,滞后1期的专利产出效率的值对于当期发展水平呈显著的正向影响,而滞后1期的研发投入和经济增长对其均产生不显著的负效应。

当经济增长(ES)作为被解释变量时,滞后1期的经济增长对当期经济增长产生不显著的正效应,滞后1期的研发投入和专利产出效率对当期经济增长产生负向影响,且研发投入产生的负向影响效果较大,这说明了山东省各市的研发投入可能过多集中投资于低层次的低端产业,发明专利市场挖掘不够充分。

(四)脉冲响应分析

为了更加直观地解释研发投入、专利产出效率及经济增长之间的动态影响关系,通过Stata得出脉冲响应函数图,如图2所示。在图2中,ES:ES、PY:PY、RD:RD分别表示研发投入、专利产出效率、经济增长对自身脉冲响应情况,这三个变量对自身的冲击均为正向响应,且最大值均为当期响应值,并会随着时间的推移这种正向促进影响会越来越小,这表明了研发投入、专利产出效率、经济增长会对自身在未来产生较为持久的影响。

图2 脉冲响应函数图

另外,由图2还可以看出,经济增长对于专利产出效率和研发投入冲击影响较弱,专利产出效率对于研发投入的冲击也处于较低水平,研发投入和专利产出效率对经济增长为负向响应,且在滞后2期时影响最大,之后这种负向影响变得越来越小。

(五)方差分解

为了能更加准确地观测研发投入、专利产出效率以及经济增长之间的关系,本文进行了方差分解,分解结果如表7所示。在表7中可以看出第2个预测期和第10个预测期各变量的冲击对某一个变量波动的贡献度。这两个预测期方差分解结果基本趋同,说明了每一种变量冲击对某一变量变动的解释力度基本保持稳定。其中研发投入、专利产出效率及经济增长主要是受自身的影响,在第2期分别为50.3%、77.1%、88.2%。经济增长对研发投入和专利产出效率在第10期的方差贡献率分别为76.3%、20.6%,这说明山东省经济增长可以有效带动本省内研发投入的增多以及专利产出效率的增加。研发投入和专利产出效率在第2期对于经济增长方差贡献率分别为10.1%和1.6%,基本可以忽略不计,说明山东省的研发投入在高端技术行业占比较小并没能满足技术创新的需要,专利过多集中在外观设计和实用新型专利领域,从而导致发明专利市场未得到充分挖掘。

表7 方差分解结果

五、研究结论与建议

(一)研究结论

通过构建地区研发投入、专利产出效率及经济增长之间的PVAR模型,从静态、动态两方面对三者之间的关系进行了分析,得出两方面结论。第一,从静态面板数据模型回归分析来看,山东省研发投入和专利产出效率对经济增长均为负效应,但影响并不是很大。这可能是由各市研发投入过度集中于低端产业,创新型产业未得到相关政策扶持,专利集中于外观设计和实用新型专利,而发明专利市场未得到充分开发有关,从而导致了省内经济发展萎靡不振。第二,从动态PVAR模型分析来看,山东省研发投入、专利产出效率及经济增长对自身的贡献率超过其他两个因素。经济增长促进了研发投入的提高,但存在1年的滞后期。研发投入和经济增长均对专利产出效率产生了负向影响,说明了三者之间的相互作用是非对称的,还未形成一个良性的互动循环体系。

(二)对策建议

基于以上研究结论,为了推动山东省研发活动和专利事业的稳步发展,最大化激发研发投入、专利产出对经济增长的推动作用,实现各市经济的稳定增长,特提出几点政策建议。

第一,加大研发投入力度,优化投入产出结构。高端技术决定了发展的制高点和竞争力。因此,不仅需要从政府层面加大对高端技术行业研发的投入力度,为科技创新提供资金保障,引导产业技术创新方向。而且需要从企业层面理顺研发活动中各主体方之间内在关系,加大对人才的培养力度,实施创新激励机制,鼓励科研人员积极进行创新,实现企业核心技术的自主研发能力。

第二,提高专利产出质量,提升专利成果转化率。一方面需要建立健全以需求为导向的专利成果转化机制,加快培育现代知识产权服务业。另一方面需要引导企业减少大规模的模仿创新和技术引进行为,培养企业进行自主创新的意识,在保障质的前提下,注重量的提升,最终实现专利在技术转移过程中的经济价值。

第三,转变经济发展方式,提升经济发展质量。山东省经济发展需要全面贯彻新发展理念,需要牢牢抓住新旧动能转换的核心关键期。一是需要降低对于高污染企业的依赖性,大力扶持新能源企业的发展,坚持“绿水青山就是金山银山”的发展理念。二是需要建立新的激励机制来凝聚高质量发展的合力,通过激发山东省企业创新能力来提高产品的质量活力。三是需要通过高效益驱动发展激发高质量发展动力,推动绿色发展内在驱动机制,进而实现经济发展从资源依赖型快速向资源节约型和环境友好型转变。