基础研究还是应用研究：谁更能促进TFP增长
——基于所有制和要素市场扭曲的调节效应分析

王 文，孙 早

(西安交通大学 经济与金融学院，陕西 西安 710061)



基础研究还是应用研究：谁更能促进TFP增长
——基于所有制和要素市场扭曲的调节效应分析

王 文，孙 早

(西安交通大学 经济与金融学院，陕西 西安 710061)

不同于成熟市场经济体，在像中国这样的转型经济体中，研发活动对全要素生产率(TFP)的作用机制更为复杂。本文首先分析了国有企业和民营企业由于资源禀赋和行为逻辑等方面的不同，在基础研究和应用研究创新上的差异性，进而考察了要素市场扭曲对基础研究和应用研究与TFP之间关系的调节效应，以及要素市场扭曲与所有制的联合调节效应。本文进一步以1998-2014年中国省级面板数据为样本，采用有限分布滞后模型所做的经验研究发现：(1)在国有经济比重高的地区，基础研究更能促进TFP增长，在国有经济比重较低的地区，应用研究更能促进TFP增长；(2)随着要素市场扭曲程度的提高，应用研究和基础研究对TFP的影响都会被削弱，但基础研究的削弱幅度相对更大；(3)所有制对基础研究和应用研究与TFP之间关系的调节作用还依赖于要素市场扭曲程度。本文的发现为科学确定国家创新支持政策的调整方向和实施重点提供了进一步的经验证据。

基础研究；应用研究；地区TFP；所有制；要素市场扭曲

一、引 言

中国经济在过去三十多年的快速增长主要得益于物质资本的大量投入，技术进步和全要素生产率(TFP)对经济增长的贡献度相对较低[1-2]。随着中国经济进入“结构性减速”的新常态阶段，要素驱动型发展模式的负面效应愈发显现，如何构建创新驱动型发展模式成为需要经济学家和政策制定者迫切解决的问题[3]。内生经济增长理论及相关的经验研究均表明，研发活动(R&D)是促进技术进步和TFP增长的主要途径，也是衡量一个国家(地区)创新能力高低的重要标准[4-5]。虽然近年来中国R&D投入强度在不断增加①① 根据《中国科技统计年鉴》和《中国统计年鉴》，R&D投入强度(研发经费内部支出占GDP的比重)从1998年的0.58%上升到2014年的2.15%。，但TFP并没有呈现出相应的上升趋势[6]，张海洋[7]、谢建国和周璐昭[8]等人的研究甚至得出了研发投入对中国TFP提升效果不显著或显著为负的结论。这在很大程度上反映了转型背景下研发作用机制的复杂性，也在一定程度上说明进一步深入分析不同类型研发活动对生产率的影响，比仅仅分析研发总量的生产率效应更具有实际意义[9]。

根据理论研究与现实情况，研发活动通常被区分为基础研究和应用研究①① 在相关统计年鉴中，R&D经费支出包括基础研究(basic research)、应用研究(applied research)和试验发展(experimental development)三个部分，本文为了分析简便将狭义的应用研究和试验发展统称为应用研究。。基础研究是指不带有特定目的而进行的理论性或实验性研究，主要是为了拓展对世界的基本认识，反映了知识的原创能力。应用研究则是有针对性地进行新产品生产或改善生产工艺，反映了对基础研究成果应用途径的探索。部分研究指出现阶段中国基础研究对TFP的影响小于应用研究，这主要是因为应用研究多由企业完成，研发周期较短，对单一企业或某个行业的生产率增长存在显著促进作用[10]；另一些研究则强调基础研究更有利于长期经济增长，当前中国基础研究投入不足对产业核心技术进步产生了消极影响[11-12]。这些研究之所以会得出不同的结论，很大程度上是因为他们忽略了中国作为转型经济体在制度安排、要素市场和产品市场发育不同步等方面的典型特征[13]。首先，所有制作为制度安排的潜在表征，不同所有制企业(或者研发机构)在激励机制和管理能力上都存在较大差异，进而在利用不同类型研发经费进行创新的机制上也有所不同。其次，要素市场与产品市场的市场化进程不同步所带来的要素市场扭曲问题，对不同类型研发与TFP之间的关系具有重要影响。

基于上述考虑，本文首先剖析了不同所有制主体由于资源禀赋和行为逻辑的差异，各自利用基础研究和应用研究进行研发创新活动的差异性，并进一步分析要素市场扭曲对基础研究和应用研究与TFP之间关系的调节效应，以及要素市场扭曲与所有制的联合调节效应。基于1998-2014年中国省级面板数据的检验结果支持了本文的所有假说。

二、文献回顾与研究假说

(一)不同所有制主体进行基础研究和应用研究的差异性分析

转型经济体的一个重要特征是各种所有制企业共存，其中国有企业和民营企业是经济发展的主导力量[14]。由于国有企业和民营企业在资源禀赋和行为逻辑等方面存在显著差异，导致各自在利用基础研究和应用研究进行创新的具体机制上也存在明显不同，本文主要就国有企业和民营企业这两种所有制类型展开讨论。除企业之外，研发主体还主要包括科研机构和高等学校。在中国现行体制下，科研机构和高等学校研发资金的绝大部分都由政府提供，因此也可以将它们看作是国有部门[15]。

与应用研究相比，基础研究具有前期投入大、失败风险高、研发周期长以及社会回报远高于私人回报等特点，这使得国有企业具备进行基础研究的天然优势。首先，国有企业通常由中央或地方政府控制并经营，在资源禀赋上具有民营企业所不可比拟的优势[16]，更易获得大量政府研发资金的支持，具备开展基础研究的资金投入条件。即使研发失败，也可能会因为预算软约束的问题获得额外补偿[17]，极大降低了基础研究所面临的风险。其次，基础研究所具有的“社会回报远高于私人回报”的特点使其在某种程度上具有公共物品的属性[18]，较强的知识溢出效应和使用的非排他性使得基础研究无法有效通过市场机制由民营企业或个人来提供，而是主要由政府提供。国有企业作为政府意志的执行者，有责任推进基础研究的开展。进一步的，从委托代理和激励的角度来看，国有企业高级管理人员大多由政府任命，他们对政治待遇回报的看重甚至优于经济报酬[19]，而配合国家完成重大科技攻关项目，有助于得到政治升迁，因此国有企业也有动力推进基础研究的开展。第三，基础研究的成果主要表现为科学论文和著作，承担政府基础研究资金投入的主体主要是高等学校和科研机构。高校和科研机构既能满足基础研究所需要的人力和物力条件，同时也具有获得科学论文和著作的内在动力，也就是说，在基础研究阶段，政府资金的投入产出效率远高于企业资金[20]。

相比之下，民营企业在应用研究上更具有优势。一方面，民营企业(特别是其中的中小企业)的发展和创新首先面临较大的资金约束[21]，而应用研究的资金投入和风险相对基础研究要小得多，因此民营企业更倾向于在应用研究方面进行创新。另一方面，应用研究的研发周期较短，对于在激烈竞争中急欲胜出的单一民营企业或企业集团更具有吸引力[10]。最后，由于民营企业在组织和管理能力上较有优势，在实施创新活动和战略时拥有更大的灵活性和自主权，可以更有效地将创新投入转化为创新产出。

根据以上分析，我们提出本文的第一个假说：

H1：在国有经济比重较高的地区，基础研究比应用研究更能促进TFP增长；在国有经济比重较低(民营企业比重较高)的地区，应用研究比基础研究更能促进TFP增长。

(二)要素市场扭曲对基础研究和应用研究的影响

在中国这样的转型经济体，市场化改革主要集中于产品市场层面。出于稳定经济和引导发展的考虑，中央和地方政府对要素市场(如土地、劳动力及资本等)普遍存在不同程度的干预和管制现象，这些干预和管制行为的一个共同特征就是人为压低要素价格，导致要素市场扭曲[22]。短期来看，这可能有助于各级政府调动资源促进经济增长，但从长期来看，极有可能会对包括基础研究和应用研究在内的研发创新活动带来抑制效应，从而给经济可持续发展造成障碍[23]。

一方面，要素市场扭曲所导致的低要素价格会刺激企业密集使用土地、劳动力和资本等有形生产要素，而较少有动力或压力从事研发创新生产[13]。进一步的，在要素市场扭曲程度越高的地区，各级政府对要素的定价权和分配权越大。在这种情况下，企业和企业家有强烈的动机与政府官员建立寻租关系，以相对较低的成本获得稀缺生产要素。Murphy 等[24]、Boldrin and Levine[25]的研究发现，寻租活动产生的超额收益会吸引更多的物质和人力资本从生产领域转移到非生产的寻租领域，从而对企业的研发创新活动产生挤出，进而削弱通过研发提升TFP的效应。另一方面，在要素市场扭曲的情境下，为了获取政府研发补贴，企业经常会释放出虚假的“创新信号”，从而严重削弱了政府研发资金的使用效率[26]，最终不利于TFP的提升。

尽管要素市场扭曲通过抑制企业研发创新投入进而对TFP产生负效应，但是对于基础研究和应用研究所产生的抑制作用大小并不完全相同。基础研究投入巨大、周期漫长，所面临的不确定程度远高于应用研究，而要素市场扭曲及其所激发的虚假创新以及寻租活动进一步加剧了基础研究前景的不确定性，极有可能在很大程度上打消企业从事基础研究的积极性。与此同时，基础研究的溢出效应和被模仿风险相对应用研究更强，而转型经济体的知识产权保护制度和执行机制并不完善，因此当面临要素市场扭曲时，企业的理性选择可能倾向于利用要素市场扭曲所带来的寻租机会获取超额利润或租金收益，并将其进一步投资于非生产性投机活动，这会使得企业从根本上丧失对风险相对较高的基础研究的投入动力[23]。因此我们预期要素市场扭曲对基础研究产生的负面效应相对更强。据此提出本文的第二假说：

H2：随着要素市场扭曲程度的提高，无论应用研究还是基础研究对TFP的影响都会被削弱，且基础研究的削弱幅度更大。

(三)要素市场扭曲和所有制的联合作用

为了更全面分析不同所有制主体的基础研究和应用研究对TFP的影响差异，本文进一步考察在要素市场扭曲程度不同的情况下，国有企业和民营企业对基础研究和应用研究的不同反应。

如前文所述，国有企业和民营企业由于资源禀赋和行为逻辑等方面的差异对基础研究和应用研究存在不同的倾向(偏好)。与此同时，处于经济转型时期的中国又无法摆脱政府干预和管制所带来的要素市场扭曲。考虑到国有企业具有进行基础研究的优势，要素市场扭曲对基础研究的削弱幅度相对更大(假说2)，因此在国有企业份额较大的地区，当面临更高的要素市场扭曲时，国有企业利用基础研究提升TFP的优势会大幅减少。虽然要素市场扭曲及其所带来的寻租活动对包括基础研究和应用研究在内的企业研发创新活动都具有负向激励效应，但是由于应用研究灵活性强(投入少、周期短、风险低)，使得要素市场扭曲所导致的潜在损失(沉没成本)相对较小。根据假说1的分析，民营企业在应用研究上的优势更为明显，因此在国有企业比重较低(民营企业比重较高)的地区，当面临更高的要素市场扭曲时，民营企业利用应用研究提升TFP的优势虽然也会被削弱，但总体上可能不如基础研究的削弱幅度高。那么，我们进一步提出假说3：

H3：所有制对两种研发与TFP之间关系的调节作用还依赖于要素市场扭曲程度。在国有经济比重较高的地区，当要素市场扭曲程度较低时，基础研究比应用研究更能促进TFP增长，随着要素市场扭曲程度的提高，基础研究与应用研究对TFP影响的差异在缩小；在国有经济比重较低的地区，当要素市场扭曲程度较低时，应用研究比基础研究更能促进TFP增长，随着要素市场扭曲程度的提高，应用研究与基础研究对TFP影响的差异会增大。

三、实证设计

(一)模型构建

20世纪80年代后期，Lucas[4]和Romer[5]提出的内生经济增长理论在动态一般均衡框架下将生产率的变化内生化，以人力资本和技术进步来分析生产率增长。借鉴Griliches[27]的模型，我们首先将人力资本和知识资本引入C-D生产函数：

(1)

其中，i和t分别为省份和时间，Yit代表地区生产总值，Kit为物质资本投入，劳动投入被分解为简单劳动投入(Nit)和人力资本(Hit)的乘积，Zit表示知识资本存量。本文主要考察基础研究和应用研究对地区TFP的影响，因此我们将知识资本分解为基础研究(BR)与应用研究(AR)两部分，相对应的生产函数可写为：

(2)

根据索洛余值，总产出中扣除物质资本投入和简单劳动投入后的剩余部分即为TFP。因此有：

(3)

(3)式的中间表达式为测算TFP的一般公式，右边表达式则揭示了TFP的源泉。对(3)式两边取对数可得：

lnTFPit=lnC+βlnHit+γ1lnBRit+γ2lnARit

(4)

根据(4)式，可构建如下的计量模型：

lnTFPit=α0+α1lnBRit+α2lnARit+ΣβjXjit+μi+εit

(5)

其中，Xj为一组可能影响地区TFP的控制变量(其中包括(4)式中的人力资本H)，μi为地区固定效应，εit为随机扰动项。

考虑到研发活动对TFP的影响存在一定滞后性，参照杨玲和许传龙[28]的做法，在(5)式的基础上，建立如下有限分布滞后模型：

(6)

(7)

将(7)式代入(6)式可得如下计量模型：

(8)

对(8)式进行回归可以直接得到基础研究和应用研究对TFP的长期影响系数α1、α2。以(8)式为基础，为了检验基础研究和应用研究对不同所有制结构地区TFP影响的差异，以及地区要素市场扭曲程度对这种影响的调节效应，本文利用以下模型进行数据回归：

(9)

其中，Own和Dis分别表示地区所有制结构和要素市场扭曲程度。

(二)数据来源与变量说明

考虑到数据可得性，本文以1998-2014年间中国30个省、市、自治区作为研究样本(西藏地区因数据缺失严重不予考虑)。原始数据来自历年《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》《中国市场化指数》以及《新中国六十年统计资料汇编(1949-2008)》。缺省数据采用线性插值获得。主要变量的定义见表1。

本文的被解释变量为各地区TFP。现有文献关于TFP的估算方法主要包括非参数分析法(DEA)、半参数分析法(OP、LP)和参数分析法(SFA)等。DEA方法只能估计TFP变动率，而目前较受青睐的OP、LP等半参数方法主要针对的是微观企业的TFP估计[29]，本文采用的研究样本则是基于省级面板数据。基于这一认识，我们采用基于SFA的参数回归方法估计各地区的TFP。本文将前沿生产函数设定为C-D形式，对数随机前沿生产函数模型可表示为：

表1 变量定义表

(10)

其中，Yit、Kit、Nit分别代表地区i在t年的生产总值、固定资本存量及从业人员数；t为时间趋势变量，vit为一般意义上的随机误差项，uit为技术无效率项，并与vit相互独立；η为技术效率指数的变化率。地区生产总值采用以1998年为基期的价格指数平减；固定资本存量采用永续盘存法进行估算，价格指数的构造参照张军[30]的方法进行处理，资本折旧率取为9.6%。基于(10)式的随机前沿模型，参照刘秉镰等[31]的做法，地区i在t年的TFP可表示为TFPit=exp[γ0+γ3t]×TEit， 其中TEit=E[exp(-uit)|eit=vit-uit]为随机前沿模型测算获得的技术效率。

核心解释变量包括基础研究(BR)与应用研究(AR)。基础研究采用高校、科研机构以及大中型工业企业R&D经费内部支出中的基础研究部分来衡量，应用研究采用高校、科研机构以及大中型工业企业R&D经费内部支出中的应用研究部分与试验发展部分之和来衡量。研发支出均参照吴延兵[32]的做法通过永续盘存法转化为相应的R&D资本存量。

调节变量为地区所有制结构(Own)与要素市场扭曲程度(Dis)。已有文献大多采用某一类型产权的产值比重或从业人员比重来反映产权结构，我们采用国有及国有控股大中型工业企业产值占地区全部大中型工业企业产值的比重来度量地区所有制结构。要素市场扭曲则参照戴魁早等[33]的做法，选择基于标杆法的相对差距指数衡量各地区的要素市场扭曲程度，具体公式为Disit=[max(FMit)-FMit]/max(FMit)，FM为要素市场发育程度指数[34]。

为了剔除其他因素的影响，我们还控制了人力资本(H)、经济发展水平(Dev)、政府干预程度(Gov)、外商直接投资(Fdi)及贸易自由度(Tra)等变量。根据模型(4)，人力资本是影响地区TFP的重要因素，拥有越多人力资本的地区越倾向于进行创新活动，进而提升地区生产率。本文采用各地区就业人员受教育年限来衡量人力资本。以地区人均GDP来度量经济发展水平。由于中国经济发展具有政府干预和外向型发展两大主要特征，这两个特征会对地区生产率产生重要影响。考虑到财政和货币政策是政府对经济进行干预的重要手段，因此我们采用地区财政支出比重作为反映政府干预程度的一个重要变量。我们采用外商直接投资和贸易自由度来控制外向型经济发展的影响。外资企业的进入会加剧国内市场竞争，也会通过技术外溢带动内资企业技术进步，从而提高地区TFP，本文以各地区全社会固定资产投资中的港澳台商投资和外商投资所占比重来衡量外商直接投资。商品和服务贸易也能带动技术转移，加剧产业内竞争，促进技术革新，本文以各地区进出口总额占地区生产总值的比重来衡量贸易自由度。

四、实证结果分析

(一)基本估计结果分析

考虑到研发投资对TFP发生作用的滞后性，我们将核心解释变量(lnBR、lnAR)同时滞后一期(p=q=1)和二期(p=q=2)，回归结果分别报告在表2的列(1)-(3)和列(4)-(6)。具体采用混合OLS、固定效应(FE)还是随机效应(RE)模型来进行估计由相关假设检验来确定。从表2来看，依次引入调节变量Own、Dis的列(1)-(2)和列(4)-(5)适合采用FE模型进行估计，同时引入两个调节变量的列(3)和列(6)适合采用RE模型进行估计。

表2的六个估计结果都显示，基础研究(lnBR)和应用研究(lnAR)的系数显著为正，但lnBR的系数均小于lnAR，表明从整体上来看，现阶段基础研究对TFP的影响小于应用研究。这可能是因为现阶段中国基础研究的重大创新成果较为缺乏，且科技成果不能有效转化为生产率，从而对TFP的影响相对较小[10]。进一步的，列(4)-(6)中lnBR与lnAR的系数比列(1)-(3)较高，列(4)-(6)中lnBR与lnAR系数之间的差距比列(1)-(3)更小，表明无论是基础研究还是应用研究对TFP的影响均存在一定滞后性，但是基础研究的滞后效应相对更强，意味着虽然基础研究在短期内对TFP的作用效果较弱，但是基础研究的投入和积累能够促进TFP的长期可持续发展，这与孙晓华和王昀[35]的研究结果相一致。

表2 面板数据模型回归结果

注：括号内的数字为t统计量；*、**、***分别代表10%、5%和1%的显著性水平。

表2的列(1)显示，所有制与基础研究和应用研究的交互项Own×lnBR、Own×lnAR的系数均显著为负(-0.0404、-0.1988)，表明所有制对基础研究和应用研究对TFP的影响具有显著的负向调节效应。我们进一步通过考察不同所有制情形下基础研究和应用研究对TFP的影响系数来分析国有企业和民营企业是否在研发投资上存在不同的倾向。在国有经济比重较低(Own=0)的地区①① 我们以Own=1表示国有经济比重较高的情形，以Own=0表示国有经济比重较低的情形。虽然在现实经济中不可能存在如此极端的情况，但是本文侧重于考察两种研发对TFP影响的相对大小，因此该设定并不会影响本文结论一般性。后文中对于要素市场扭曲程度的处理与所有制相一致。，基础研究对TFP的影响系数为0.1675，低于应用研究的影响(0.3078)，因而应用研究对TFP的促进作用高于基础研究。而在国有经济比重较高(Own=1)的地区，基础研究对TFP的影响系数为列(1)中lnBR与交叉项Own×lnBR的回归系数之和0.1271，高于应用研究对TFP的影响系数(0.1090)，表明基础研究对TFP的促进作用高于应用研究。也就是说，国有比重较高的地区更倾向于基础研究，而在国有经济比重较低的地区，开展应用研究则更具优势。从列(4)可以看出，当延长滞后期后，基础研究(lnBR)和应用研究(lnAR)系数的显著性略有变化，但都显著为正，交互项Own×lnBR、Own×lnAR的系数在符号、数值和显著性上与列(1)基本一致。从影响系数来看，国有经济比重较低(Own=0)的地区，基础研究对TFP的影响系数(0.3470)低于应用研究的影响系数(0.4170)；国有比重较高(Own=1)的地区，基础研究对TFP的影响系数降至0.2945，高于应用研究的影响系数(已降至0.2564)。因此本文的假说1得到了验证。

表2的列(2)中，要素市场扭曲程度(Dis)与两种研发投资的交互项Dis×lnBR、Dist×lnAR的系数同样显著为负(-0.1179、-0.0743)，表明要素市场扭曲对基础研究和应用研究的TFP效应也具有显著的负向调节作用，随着要素市场扭曲程度的提高，基础研究和应用研究对TFP的影响都会被削弱。其中，交互项Dis×lnBR的系数(-0.1179)低于交互项Dis×lnAR的系数(-0.0743)，说明基础研究对要素市场扭曲的调节更为敏感，随着要素市场扭曲程度的增加，相对应用研究而言，基础研究对TFP促进作用的降低幅度要更大。列(5)延长滞后期至2年后，交互项Dis×lnBR、Dis×lnAR的系数(-0.1100、-0.0540)同样支持上述结论。表明本文的假说2得到验证。

表3 两种研发投资对TFP的影响系数：Own与Dis的联合调节作用

表2的列(3)和列(6)进一步引入了复合交互项Own×Dis×lnBR、Own×Dis×lnAR。列(3)显示，Own×Dis×lnBR、Own×Dis×lnAR的系数为正且分别在5%和10%的水平上显著。为了直观展现所有制结构(Own)和要素市场扭曲(Dis)对基础研究和应用研究的TFP效应的联合调节作用，我们在表3中给出了Own与Dis的联合调节作用下两种研发投资对地区TFP的影响系数。从表3可以清晰地看出，所有制对两种研发与TFP之间关系的调节作用与要素市场扭曲程度有显著关联。在滞后一期的情况下，在国有经济比重较低(Own=0)的地区，当要素市场扭曲程度较低时(Dis=0)，基础研究对TFP的影响系数为0.1752，明显低于应用研究的影响系数(0.2960)，因而我们可以认为，在这种情形下(情形一)，应用研究比基础研究更能促进TFP增长。当要素市场扭曲程度较高时(Dis=1)(情形二)，基础研究对TFP的影响系数为0.0320，低于应用研究的影响系数(0.1885)，二者之间的影响系数差异由情形一下的0.1208增加至情形二下的0.1565。在国有经济比重较高(Own=1)地区，当要素市场扭曲程度较低(Dis=0)时(情形三)，基础研究对TFP的影响系数为0.1448，应用研究对TFP的影响系数为0.1290，即基础研究对TFP的作用更为明显。当要素市场扭曲程度逐渐提高时(情形四)，基础研究和应用研究对TFP的作用都很低，其影响系数分别为0.0153和0.0310，两种研发对TFP的影响差异较情形三有所减少。本文的假说3至此得到了验证。进一步，在滞后二期的四种情形下，基础研究和应用研究对TFP的影响系数的大小对比和差异程度也表现得与滞后一期大致相同，表明本文假说3的结论是可靠的。

表2还显示，人力资本(lnH)的弹性系数在表2的所有回归中均显著为正，表明人力资本对地区TFP有明显促进作用，一个地区劳动者的受教育程度越高，越有利于人力资本的积累，从而该地区的TFP也就越高。经济发展程度(Dev)、外商直接投资(Fdi)、贸易自由度(Tra)三个变量的系数同样显著为正，表明地区TFP确实与经济发展水平正相关，外资进入和国际贸易的加强能够激励企业提高生产工艺和产品质量，进而促进地区TFP的提升。政府干预程度(Gov)的系数显著为负，这可能是由于不当的政府干预会向企业传递错误信号，挤占企业自身研发投入发挥作用的空间。

(二)内生性分析

在分析基础研究与应用研究对TFP的影响时，不能忽视相关经济变量之间可能存在的内生性问题。如地区生产率可能会影响该地区内的人力资本和研发投入水平。生产率较高的地区往往具有较高的薪资水平，容易吸引高层次的人才往区内集聚；高生产率的地区，不仅具有较强的经济实力，而且产业结构也更倾向于技术密集型，因而有需要也有实力去进行较多的研发投资。地区生产率与经济发展程度之间还可能存在双向因果关系。内生性问题的存在使得上述变量之间的因果联系变得难以确认，一般的面板数据模型容易造成估计偏差，影响估计结果的一致性。

本文考虑采用广义矩估计(GMM)处理内生性问题，其实质是采用自变量的滞后项作为工具变量。GMM方法最先是由Arellano and Bond[36]提出的差分广义矩估计(Differentiated-GMM)，其基本思路是在通过一阶差分变换控制固定效应的基础上，将差分方程中内生变量的滞后项作为工具变量估计差分方程。差分GMM估计容易产生弱工具变量问题，导致有限样本偏误。Blundell and Bond[37]在Arellano and Bover[38]给出的改进方法的基础上，将差分工具变量矩阵和水平工具变量矩阵结合在一起，提出了更为有效的系统广义矩估计(System-GMM)方法。鉴于这一认识，我们即采用系统GMM方法弱化变量间的内生性问题，回归结果报告在了表4中。

系统GMM估计的一致性取决于工具变量的有效性。表4中提供了有关工具变量有效性的3种检验。Hansen J检验为过度识别约束检验，在至少有一个工具变量为外生的前提下，其原假设为“H0：所有工具变量都是外生的”。Arellano-Bond AR(1)和Arellano-Bond AR(2)检验则是用来检验误差项是否存在一阶和二阶序列相关，GMM估计要求残差项必须不存在二阶序列相关。从表4可以看出，在所有回归中，Hansen J检验的p值均低于5%，表明不能拒绝所有工具变量为外生的原假设，即本文系统GMM估计所采用的工具变量是有效的；Arellano-Bond序列相关检验表明不能拒绝不存在二阶序列相关的原假设(p值>10%)。因此，表4的系统GMM估计结果是一致估计。

表4中，滞后一期和滞后二期情况下，两种研发(lnBR、lnAR)、两个调节变量(Own、Dis)以及交互项的回归系数的符号和显著性与表2相比都没有发生太大变化，表明本文分析结论是可靠的。表4中列(1)和(4)显示，在国有经济比重较低(Own=0)的地区，基础研究对TFP的影响系数低于应用研究，在国有经济比重较高(Own=1)的地区，基础研究对TFP的影响系数高于应用研究，表明控制了内生性问题后假说1的结论仍然得到验证。不论是在列(2)还是列(5)中，要素市场扭曲与基础研究交互项Dis×lnBR的系数与要素市场扭曲与应用研究的交互项Dis×lnAR的系数都显著为负，且Dis×lnBR的系数小于Dis×lnAR的系数，表明控制内生性后，要素市场扭曲对两种研发活动对TFP的作用仍具有显著的负向调节效应，且对基础研究与TFP之间关系的调节效应更强。因此假说2得到进一步支持。根据列(3)和列(6)，控制内生性问题后，复合交互项Own×Dis×lnBR、Own×Dis×lnAR的系数仍然显著为正。

表4 内生性检验：系统GMM估计结果

注：括号内的数字为t统计量；*、**、***分别代表10%、5%和1%的显著性水平。

表5 两种研发投资对TFP的影响系数：Own与Dis的联合调节作用(内生性检验)

注：括号内为数对，两个元素依次为基础研究与应用研究对TFP的影响系数。

在所有制结构与要素市场扭曲的联合调节作用下，两种研发投资对TFP的影响系数报告在了表5中。表5显示，从影响系数的比较来看，不论是滞后一期还是滞后二期，在情形一(Own=0，Dis=0)和情形二(Own=0，Dis=1)下，应用研究对TFP的促进作用都要高于基础研究；在情形三(Own=1，Dis=0)下，基础研究对TFP的作用明显高于应用研究。从影响系数差异的变动来看，从情形一(Own=0，Dis=0)到情形二(Own=0，Dis=1)，随着要素市场扭曲程度的提高，滞后一期时两种研发投资的影响系数差异由0.0984扩大至0.1332，滞后二期时影响系数差异则由0.0285增加至0.0706，因而应用研究与基础研究对TFP影响的差异在不断增大；从情形三(Own=1，Dis=0)到情形四(Own=1，Dis=1)，随着要素市场扭曲程度的提高，滞后一期时两种研发的影响系数差异由-0.0411(负值表明基础研究对TFP的促进作用低于应用研究)变动至-0.0144，滞后二期时则是由-0.0430变动至-0.0058，表明基础研究与应用研究对TFP影响的差异在逐渐缩小。因此在弱化了内生性问题之后，假说3得到进一步验证。

五、结论与启示

随着中国经济增长速度趋于放缓，“提升企业自主创新能力、全面构建创新驱动型发展模式”越来越成为经济学家和政策制定者的共识，研发创新活动与生产率之间的关系也成为一个重要的研究课题。然而现有研究大都忽视了中国作为转型经济体在制度安排和要素市场发育不健全等方面的典型特征，以至于在“何种类型研发活动更有助于生产率增长”这一问题上得出的结论并不一致。本文主要围绕基础研究和应用研究与TFP之间的关系展开讨论，重点考察所有制和要素市场扭曲对它们之间关系的调节作用。

以1998-2014年中国省级面板数据为研究样本，利用有限分布滞后模型进行估计的结果显示：(1)国有部门在基础研究方面相对更有优势，因此在国有经济比重较高的地区，基础研究更能促进TFP增长；民营企业在应用研究方面更有优势，因此在国有经济比重较低(民营企业比重较高)的地区，应用研究更能促进TFP增长；(2)要素市场扭曲程度较高的地区，无论应用研究还是基础研究对TFP的影响都会被削弱，且基础研究的削弱幅度更大；(3)所有制对两种研发与TFP之间关系的调节作用还依赖于要素市场扭曲程度。在国有经济比重较高的地区，当要素市场扭曲程度较低时，基础研究比应用研究更能促进TFP增长，随着要素市场扭曲程度的提高，基础研究与应用研究对TFP影响的差异在缩小；在国有经济比重较低的地区，当要素市场扭曲程度较低时，应用研究比基础研究更能促进TFP增长，随着要素市场扭曲程度的提高，应用研究与基础研究对TFP影响的差异会增大。

本文的发现具有深刻的政策启示：(1)在制定创新发展战略时，需要首先明确研发项目的具体属性。基础研究更注重知识和技术的突破，而应用研究更注重盈利的实现，因此有效的研发扶持政策应该更有针对性和客观性。对于基础研究项目，应主要由政府补贴驱动国有部门研发，以基础研究为着力点“做强做优做大国有企业”。而对于应用型研发项目，则应着重改善企业研发所面临的融资环境，通过补贴、税收优惠等政策工具降低民营企业的研发准入门槛，通过政府和市场力量共同驱动科技项目的研发和投产；(2)要坚持从产品市场和要素市场发展不平衡的现实出发，全面推进和加快要素市场的市场化改革进程，逐步放开对要素市场的定价权和管制权。考虑到地区要素市场发展不平衡的基本情况，应分类制定要素市场化改革战略，确保要素市场改革朝着积极方向演变，这对于建立创新型国家、促进经济可持续发展有着十分重要的意义。

[1] Krugman P. The myth of Asia’s miracle [J]. Foreign Affairs, 1994, 73(6): 62-78.

[2] Young A. Lessons from the East Asian NICS: A contrarian view [J]. European Economic Review, 1994, 38(3-4): 964-973.

[3] 辜胜阻. 转型与创新是后危机时代的重大主题[J]. 财贸经济，2010(8)：91-95.

[4] Lucas R. On the mechanics of economic-development [J]. Journal of Monetary Economy, 1988, 22 (1): 3-42.

[5] Romer P. Endogenous technological change [J]. Journal of Political Economy, 1990, 98 (5): S71-S102.

[6] Islam N, Dai E, Sakamoto H. Role of TFP in China’s growth [J]. American Economic Journal, 2006, 20(2):127-159.

[7] 张海洋. R&D两面性、外资活动与中国工业生产率增长[J]. 经济研究，2005(5)：107-117.

[8] 谢建国，周璐昭. 进口贸易、吸收能力与国际R&D技术溢出：中国省区面板数据的研究[J]. 世界经济，2009，(9)：68-81.

[9] 蒋殿春，王晓娆. 中国R&D结构对生产率影响的比较分析[J]. 南开经济研究，2015(2)：59-73.

[10] 陈钰芬，黄娟，王洪刊. 不同类型研发活动如何影响TFP？——基于2000-2010年我国省际面板数据的实证[J]. 科学学研究，2013(10)：1512-1521.

[11] 杨立岩，潘慧峰. 人力资本、基础研究与经济增长[J].经济研究，2011(4)：104-117.

[12] 严成樑，龚六堂. R&D规模、R&D结构与经济增长[J]. 南开经济研究，2013(2)：3-19.

[13] 杨洋，魏江，罗来军. 谁在利用政府补贴进行创新？——所有制和要素市场扭曲的联合调节效应[J]. 管理世界，2015(1)：75-86.

[14] Liang X, Lu X, Wang L. Outward internationalization of private enterprises in China: the effect of competitive advantages and disadvantages compared to home market rivals [J]. Journal of World Business, 2012, 47:134-144.

[15] 胡志国，严成樑，龚六堂. 政府研发政策的经济增长效应与福利效应[J]. 财贸经济，2013(9)：112-120.

[16] Faccio M. Politically connected firms [J]. The American Economic Review, 2006, 96(1):369-386.

[17] Lin J, Tan G. Policy burdens, accountability and the soft budget constraint [J]. The American Economic Review, 1999, 89(2):426-431.

[18] Clarysse B, Wright M, Mustar P. Behavioral additionality of R&D subsidies: A learning perspective [J]. Research Policy, 2009, 38(10):1517-1533.

[19] Xu E, Yang H, quan J, Lu Y. Organizational slack and corporate social performance: empirical evidence from China’s pubic firms [J]. Asia Pacific Journal of Management, 2015, 32(1):181-198.

[20] 王博雅，熊柴，卢晓榆. 政府资金在R&D链条各阶段的投入比例研究[J]. 科研管理，2015(6)：75-80.

[21] Chen V, Li J, Shapiro D, Zhang X. Ownership structure and innovation: An emerging market perspective [J]. Asia Pacific Journal of Management, 2012, 31(1):1-24.

[22] 黄益平. 要素市场引入自由市场机制[EB/OL]. http://finance.ifeng.com/topic/cjdd/video/20090726/993603.shtml，2006-07-26.

[23] 张杰，周晓艳，李勇. 要素市场扭曲抑制了中国企业R&D？[J].经济研究，2011(8)：78-91.

[24] Murphy K, Shleifer A, Vishy R. Why is rent-seeking costly to growth [J]. The American Economic Review, 1993, 83(2):409-414.

[25] Boldrin M, Levine D. Rent-seeking and Innovation [J]. Journal of Monetary Economics, 2004, 51:127-160.

[26] 安同良，周绍东，皮建才. R&D补贴对中国企业自主创新激励效应[J].经济研究，2009(10)：87-98.

[27] Griliches Z. Issues in assessing the contribution of research and development to productivity growth [J]. Bell Journal of Economics, 1979(10): 92-116.

[28] 杨玲，许传龙. 分类型研发投资对TFP的影响——基于长江经济带11省市的实证分析[J].云南财经大学学报，2016(1)：72-80.

[29] 鲁晓东，连玉君. 中国工业企业TFP估计：1999—2007[J]. 经济学(季刊)，2012(2)：542-558.

[30] 张军，吴桂英，张吉鹏. 中国省际物质资本存量估算：1952—2000[J]. 经济研究，2004(10)：35-44.

[31] 刘秉镰，武鹏，刘玉海. 交通基础设施与中国TFP增长——基于省域数据的空间面板计量分析[J]. 中国工业经济，2012(9)：54-64.

[32] 吴延兵. R&D与生产率——基于中国制造业的实证研究[J]. 经济研究，2006(11)：60-70.

[33] 戴魁早，刘友金.要素市场扭曲与创新效率——对中国高技术产业发展的经验分析[J]. 经济研究，2016(7)：72-86.

[34] 樊纲，王小鲁，朱恒鹏. 中国市场化指数：各地区市场化相对进程报告[M]. 北京：经济科学出版社. 2011.

[35] 孙晓华，王昀. 何种类型的研发投资更有利于提高一国生产率？——来自OECD国家的经验证据[J]. 科学学研究. 2014(2)：204-210.

[36] Arellano M, Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations [J]. The Review of Economic Studies, 1991, 58(2): 277-297.

[37] Blundell R, Bond S. Initial conditions and moment restrictions in dynamic panel data models [J]. Journal of Econometrics, 1998, 87(1):115-143.

[38] Arellano M, Bover O. Another look at the instrumental variable estimation of error-components models [J]. Journal of Econometrics, 1995, 68(1): 29-51.

责任编辑、校对：李再扬

2016-09-22

国家社会科学基金青年项目(编号：15CJL028)；中国博士后科学基金特别资助(编号：2015T81010)；中国博士后科学基金面上项目(2013M530417)；陕西省博士后科研项目；西安交通大学新教师支持计划。

王文(1983- )，女，陕西省西安市人，西安交通大学经济与金融学院讲师，经济学博士，研究方向：产业结构升级与现代产业演进；孙早(1966- )，江苏省泰兴市人，西安交通大学经济与金融学院院长，教授，博士生导师，研究方向：公司战略与现代产业演进。

A

1002-2848-2016(06)-0023-11