国家创新力减退了吗？
——基于全球创新指数的研究

朱海扬，姚景浡，丁崇泰

（1．浙江大学公共管理学院，浙江杭州 310058；2．中国财政科学研究院，北京 100142）

1 研究背景

自熊彼特［1］开创性地提出经济创新理论以来，社会各界对创新的重视程度与日俱增，同时对于诸如创新的内涵和外延、创新的作用及重要性、创新的影响因素、创新不足的原因及对策之类的研究早已汗牛充栋，而且创新的主体也不仅仅局限于个人，更可以是一个机构、组织、行业、产业、区域，甚至是一个国家。Freeman［2］通过研究日本的经济增长奇迹及政府在这一过程中的重要作用，率先提出了“国家创新系统（NIS）”的概念。紧随其后，Lundvall［3］、Nelson［4］、OECD［5］也深入地研究了这一问题，并强调在一个整体的国家创新系统中，政府作为制度供给者、市场纠正者对于国家创新不可或缺的作用。更进一步，在承认市场作为创新主体地位的前提下，Howells［6］、Curtis［7］、Block［8］认为创新不仅仅是市场的事，政府应积极有为地、有选择地参与国家创新；Smith［9］甚至认为政府是国家创新的核心。除此之外，也有一些学者如Nasierowski等［10］、Fromhold［11］、Kravchenko［12］研究了国家创新体系的框架指标、能力测度、影响因素、绩效评价及应用等。

当下，科技创新与制度创新、管理创新、商业模式创新、业态创新以及文化创新的结合日益紧密，国家发展方式正在由要素驱动逐渐向创新驱动转变，这一进程正在重塑世界竞争格局、改变国家力量对比，创新驱动因此成为越来越多国家谋求竞争优势的核心战略，具体如美国的《美国创新战略：确保我们的经济增长和繁荣》《先进制造业国家战略计划》，日本的《科学技术基本计划》，德国的《德国2020高技术战略》，中国的《中国制造2025》。一方面，创新的重要性毋庸质疑，以至于其成为了各国抢占的制高点，谁能引领创新，谁就能引领全球发展进程、掌握发展主动权；另一方面，与国家创新能力显著正相关的全要素增长率（TFP）的增速下滑解释了全球130多个经济体85%的经济减速［13］。与此同时，根据康奈尔大学、世界知识产权组织（WIPO）等机构发布的年度经济体创新能力指数得分和排名来看，经济体的绝对创新能力和相对排名并非一成不变，更不是持续提升；无论是发达经济体还是发展中经济体，都普遍地出现了创新能力下滑的现象，创新乏力的出现也并非小概率事件。正因为如此，创新乏力成为国家发展主要风险之一。目前全球经济增长迟缓，发展不确定性巨大，认识创新乏力及政府的作用对于国家发展意义重大。中国是世界上最大的发展中国家，也是世界第二大经济体，近些年中国扮演了世界经济增长“火车头”的角色，占据了全球地区生产总值15%的份额，同时贡献了30%左右的世界经济增长，但是近年来中国TFP增速持续下滑，经济增速趋缓，从两位数的增长逐步降至不足7%的增长，且中国政府不断下调未来增速预期，创新乏力亦成为中国政府面临的主要挑战之一。在中国特色社会主义体制下，认识创新乏力的特征及影响因素，尤其是政府作用，对于中国继续保持稳健的发展趋势，意义不言而喻。

然而，目前鲜有学者从风险角度将创新乏力作为国家竞争的一种风险进行系统性的定量研究，因此本文通过康奈尔大学、欧洲工商管理学院、WIPO等机构联合发布的全球创新指数（GII）定义了“创新乏力”，并以全球99个国家为研究对象（以下简称样本）1），试图使用面板Logit模型来探索创新乏力这一国家竞争风险的影响因素及政府对于防范该风险的作用

2 创新乏力的识别

2．1 创新乏力的定义

从字面上来理解，“创新乏力”即指创新能力不足。“创新能力”可以用康奈尔大学、欧洲工商管理学院、WIPO等机构联合发布的GII报告中的创新产出指数衡量；至于“不足”，直觉上可以理解为国家创新能力下降，表现在数值上即为创新产出指数及其排名下降。进一步，参考Eichengreen等［13］对“经济减速”这一虚拟变量的定义，同时根据GII的数值及其排名可定义“绝对创新乏力”和“相对创新乏力”。其中，绝对创新乏力指创新产出指数下滑；相对创新乏力指创新产出指数排名下滑。具体而言，若某个国家某一年度出现创新产出指数下滑，则将其对应的绝对创新乏力赋值为1，反之则赋值为0；同样，若某个国家某一年度出现创新产出指数排名下滑，则将其对应的相对创新乏力赋值为1，反之则赋值为0。对研究样本中所有个体进行上述操作，便可得到两个虚拟变量，即为创新乏力。

但是，由以上方法定义创新乏力存在一些问题。以创新产出指数下滑为例，对于某一个国家，若其某年的创新产出指数数值小于上一年，但是差异非常小，此时将该年度定义为创新乏力就不妥当，如阿尔及利亚2014、2015年的GII得分分别为16.74分、16.68分，两者差异仅为0.06分，若将阿尔及利亚2015年判别为创新乏力则不合适。除此之外，由于创新产出指数的每年统计口径有小的变动（具体参见GII报告附录），故较小的差别可能不是由真实的创新能力差异带来的，而是由统计方法或统计误差带来的。为了缓解此问题，对于绝对创新乏力，可以只在创新指数下滑5%或10%及以上，时才将其判别为创新乏力；对于相对创新乏力而言，可以只在排名下滑3名或5名及以上时，才将其判别为创新乏力。此外，有时一年排名下滑或许是偶然，但是连续两年均偶然下滑的概率将大大减少，因此可以在创新产出指数排名连续两年下滑3名或5名及以上时才将其判别为创新乏力。上述定义总结如下：

（1）绝对创新乏力——基于创新产出指数得分。

(a) Score（T）−Score（T-1）＜=0；

(b) (Score（T）−Score（T-1）)/ Score（T-1）＜=−0.05；

(c) (Score（T）−Score（T-1）)/ Score（T-1）＜=−0.10。

（2）相对创新乏力——基于创新产出指数排名。

(a) Rank（T）−Rank（T-1）＞=1；

(b) Rank（T）−Rank（T-1）＞=3；

(c) Rank（T）−Rank（T-1）＞=5；

(d) Rank（T）−Rank（T-1）＞=1 且Rank（T-1）−Rank（T-2）＞=1；

(e) Rank（T）−Rank（T-1）＞=3且Rank（T-1）−Rank（T-2）＞=3；

(f ) Rank（T）−Rank（T-1）＞=5且Rank（T-1）−Rank（T-2）＞=5。

2．2 创新乏力的表现

按照本文上述对创新乏力的定义，根据GII及其排名数据（如表1、表2），我们可以得到以下事实：

（1）创新乏力并非小概率现象。在2012—2017年间，从绝对创新乏力来看，样本得分下滑、下滑5%、下滑10%以上的频次分别为323、186、98次，对应的下滑频率分别为0.55、0.31、0.17；从相对创新乏力来看，样本创新产出指数排名下滑、下滑3位及以上、下滑5位及以上的频次分别为291、206、167次，对应的下滑频率分别为0.49、0.35、0.28，且连续两年出现排名下滑、下滑3位及以上、下滑5位及以上的频次分别为119、57、38次，对应的下滑频率分别为0.20、0.10、0.06。

（2）创新乏力普遍存在，但程度有所不同。在2012—2017年间，几乎所有样本都不同程度地遭遇了创新乏力，但不同收入层次的国家遭遇创新乏力的程度有所不同。从创新绝对乏力来看，以得分下滑5%及以上为例，低收入国家、中等偏下国家、中等偏上国家、高收入国家下滑频率分别为0.51、0.34、0.32、0.24，似乎人均收入越高的国家，其创新能力下滑的概率越小，得分下滑10%及以上的情形也支持上述判断；从相对创新乏力来看，以排名下滑3名及以上为例，低收入国家、中等偏下国家、中等偏上国家、高收入国家下滑频率分别为0.46、0.34、0.40、0.29，高收入国家出现创新力排名实质性下滑的概率更小，其他排名下滑的情形也基本支持该判断。

（3）不出现绝对创新乏力并不意味着不会出现相对创新乏力；反过来也不成立。以美国为例，2014、2015年美国GII得分分别为52.27、52.89分，分数提升但是排名却从第7名下滑到第9名，同时2016、2017年的得分分别为54.08、53.93分，分数降低但排名却从第7名上升到第5名。

（4）创新能力得分与TFP、人均地方生产总值均正相关。样本中在排除石油国家之后，绘制创新产出得分与TFP的散点拟合图（见图1），可以发现创新产出得分与TFP具有较强的正相关关系，创新能力越强的国家一般而言拥有更高的全要素生产率，这也暗示着创新乏力对TFP的负向影响，这一点和很多学者的研究结果契合。基于Solow［14］、Barro［15］的研究，TFP被认为是代表广义的技术，TFP增长率被认为是广义的技术进步，同时这种广义的技术一般被认为包含3方面的因素：狭义技术水平、资源配置效率、规模效应［16］。此外，章立军［17］认为创新能力是TFP的重要组成部分，并通过生产函数法验证了区域创新能力对TFP增长率具有显著的正向影响。

表1 2012—2017年样本创新下滑频次统计

表2 2012—2017年样本创新下滑频率统计

作为补充，样本2012—2017年创新得分/排名与全要素生产率、收入水平与创新得分、收入水平与全要素生产率分别如图2至图4所示。从图2可见，创新能力大于均值的样本拥有更高的TFP，同时出现创新排名下滑的样本的TFP也要略低于未出现下滑的样本；通过图3和图4还可见，TFP和创新产出得分都与人均收入呈明显的正相关关系。

图1 2012—2017年样本创新得分与全要素生产率

图2 2012—2017年样本创新得分/排名与全要素生产率

图3 2012—2017年样本收入水平与创新得分

图4 2012—2017年样本收入水平与全要素生产率

3 创新乏力的影响因素

3．1 关于创新指数的构成

为了更加全面综合地刻画国家（经济体）的创新能力，GII报告没有采用某个单一指标，而是构造了由创新投入指数和创新产出指数以某种方式加权而得的创新综合指数。创新能力投入指数中有5大支柱，分别是机制（institution）、人力资本和研发（human capital and research）、基础设施（infrastructure）、市场复杂度（market sophistication）、商业复杂度（business sophistication），其中：机制包含政治环境、监管环境、商业环境这3项子支柱；人力资本和研发包含了一般教育、高等教育、研发投入状况3项子支柱；基础设施包含了信息和通信技术（ICT）、一般基础设施、生态可持续性状况3项子支柱；市场复杂度包含了信贷、投资、贸易和竞争状况4项子支柱；商业复杂度包含了知识工人、创新联系、知识吸收状况3项子支柱。产出指数有两大支柱，分别为知识和技术产出（knowledge and technology outputs）、创造性产出（creative outputs），其中：知识和技术产出包含知识创造（包括取得的发明、实用新型和外观设计的专利状况、论文发表和引用状况等）、知识影响（包括劳动力生产率、新公司的注册情况、软件使用费用、中高端技术产品产出等）、知识传播（包括知识产权收费、高科技产品和ICT服务出口、对外投资净流出等状况）3项子支柱；而创造性产出包含无形资产（包括商标、工业设计、新的商业组织形式创造）、创造性产品和服务（包括文创服务及产品出口、出版物印刷情况等）、网络创造力（包括顶级域名、视频上传、维基百科编辑等情况）3项子支柱。以2012年为例，图5显示了全球创新指数的构成框架（更多的细节可以参考GII报告附录）。

图5 全球创新指数（GII）指标框架

简而言之，创新投入指数综合地衡量了某个国家（经济体）某一年度生产创新成果的投入情况（包括制度供给、市场组织、人力资本、物质资本等多个维度的状况），而创新产出指数衡量了某个国家（经济体）某一年度生产的创新性成果的情况。本文以创新产出情况作为对国家创新能力的衡量。毫无疑问，创新成果的产出情况必然与投入情况相关，因此以创新成果情况衡量的创新乏力也必然与创新投入情况相关，所以在接下来的部分，本文将使用Logit模型探究创新投入的5大支柱对创新乏力的影响。

3．2 实证模型及结果

3.2.1 实证模型及变量描述统计

由于本研究的被解释变量为“0-1”虚拟变量，不适合使用线性回归模型，故选择二值回归模型；由于选取的样本数据为面板数据，Probit模型不支持，故使用面板Logit模型。具体结构如下：

为了判别到底使用何种模型，本文做了Hausman 检验，结果在1%水平上拒绝“不存在系统性差异”的原假设，因此应使用固定效应模型，故在接下来的结果中仅汇报固定效应结果，同时为了与固定效应的结果对照，也汇报了一个混合回归的结果。由于GII报告2011年前后计算方法差异较大，故本文仅使用创新投入指数2012—2017年的数据，变量的描述统计如表3所示。

表3 样本创新乏力及其五大投入支柱的描述统计

3.2.2 实证结果

（1）表4中的（2）（3）衡量了绝对创新乏力即得分下滑。可以发现，对于一个国家而言，在其他支柱不变的情况下，机制、人力资本与研发、商业复杂度倾向于阻碍绝对创新乏力发生，即随着这些方面指数的增加，能降低绝对创新乏力发生的概率。其中，商业复杂度的影响非常显著，系数绝对值也最大，意味着一个国家的知识工人、创新联系、知识吸收等状况的改善有利于防止创新乏力；机制、人力资本和研发指数的系数虽为负，即该条件的改善倾向于抑制创新乏力但是并不显著。值得注意的是，在其他4个支柱不变的情况下，对基础设施的改善不仅不能抑制创新乏力，似乎还显著地促进绝对创新乏力。这是可以理解的，固然ICT的改善有利于促进创新成果的产生，但是大量的基础设施建设可能更多地是刺激要素投入而非激励创新；纵然道路、桥梁、港口等一般基础设施作为社会先行资本能够为创新创造好的物质环境，促进商贸物流，从而间接促进创新成果的产生，但是在其他4项指数不变的情况下，过度投资基础设施还可能推高利率，从而挤出投向创新领域的资本，进而抑制创新；同时，当基础设施不够完善时，投资基础设施作用可能显著，但是随着基础设施越来越完善，投资基础设施将会出现边际收益递减，带来的负面影响甚至更大。针对这一点，马明［18］的研究也发现网络基础设施对区域创新具有两面性。因此，判断基础设施对创新乏力发生的影响，需要依据更多的前提条件而不能一概而论。

（2）表4中的（4）至（7）衡量了相对创新乏力即排名下滑。可以看见，除了人力资本与研发外，其他4项支柱都倾向于激励创新，抑制创新排名的下滑，但是人力资本与研发的系数并不能显著拒绝“该值为0”的原假设，因此可能不可信。在其他条件不变的情况下，机制的改善能显著抑制创新排名下滑，同时结合表4的（2）（3）可知，政府与创新相关的某些政策（诸如提高政权稳定性、整治腐败、提高政府效率、依法治国、提升监管质量、改善营商环境）虽不能直接提升绝对创新能力，但是却能够显著抑制创新能力排名下滑，可见良好的公共政策供给能够为创新营造良好的制度环境，从而防范创新力排名相对下滑的风险。有趣的是，与绝对创新乏力相反，单纯从统计结果来看，基础设施的改善虽不利于提升绝对创新能力，但是能够显著抑制创新力排名的下滑，对于这点目前似乎没有很好的解释。由于相对排名的变化不仅取决于一个国家本身的能力，还取决于其他国家的能力，因此其影响因素将更加复杂，超过了本文讨论的范围。

表4 样本创新投入指数的5个支柱对创新乏力的影响

4 政府在抑制创新乏力中的作用

本文探究了创新投入指数的5大支柱对创新乏力的影响，但是这些综合指数并未区分贡献主体，以人力资本与研发为例，对于改善这一条件，政府、企业、高校都起到了一定作用，但在这个指数得分中无法区别三者的贡献；除此之外，5大支柱中，机制与基础设施虽主要是政府的作用，商业复杂度和市场复杂度主要与企业相关，但是也无法完全区分开。为了更加细致地探究政府在抑制创新乏力中的作用，有必要用单独的指标而不是综合指数进行评价。政府对创新的作用可划分为3大类，第一为基础设施等公共产品的提供，第二为营造创新的制度环境，第三为政府创新相关支出（如R&D支出等）。

（1）从上文分析中我们已经得知基础设施在其他支柱不变的情况下显著促进绝对创新乏力的发生，即倾向于抑制绝对创新能力，在此，本文将单独考察一般性基础设施对创新乏力的影响。由于相对创新乏力即排名下滑不仅取决于一个国家自身的各项指标，同时取决于参与排名的其他国家的对应指标，其影响更加复杂，因此本文仅讨论绝对创新乏力即创新产出指数得分下滑的情形。本文采用了物流绩效指数来衡量基础设施的质量，数据来自世界银行数据库，表示物流专业人员对国家贸易质量和运输相关基础设施（如港口、铁路、公路、信息技术）的看法，评级从1（非常低）到5（非常高），所有受访者的得分为各个受访者得分的平均值，在模型中用lptt表示。为了控制人力资本和市场的作用，本文在控制变量引入了人力资本及研发情况综合指数，以及市场复杂度指数和商业复杂度指数，在模型中分别为hcr、msof、bsof。为了对比，本文列示了得分下滑5%和10%两种情形，并一同汇报了混合回归、固定效应和随机效应的结果（见表5）。表5中回归模型的命名规则为“A_B_C”（后同）。其中：A为回归类型，POOL、FE、RE分别代表混合回归、固定效应回归、随机效应回归，若A省略则默认为固定效应回归；B为核心解释变量的符号；C为被解释的计算方法，“_5”表示下滑5%、“_10”表示下滑10%。例如：POOL_lptt_5代表模型为混合回归，核心解释变量为lptt（基础设施），被解释变量为创新得分下滑5%。可以看出，lptt的系数并不显著，且5%和10%的情况还相反，没有充足的理由认为一般性基础设施能对创新乏力起作用；同时可以看见，人力资本和商业复杂度能显著抑制创新乏力的发生。

表5 样本基础设施与创新得分下滑5%/10%及以上情况

（2）从上文分析中我们也已得知机制不能显著抑制创新乏力的发生，但是很有可能其中的分项指标作用显著，因此，为了更细致地区分政府不同政策对创新乏力的不同影响，本文为了衡量政治环境，选取了指标政治稳定及安全程度（political stability and safety）、政府效率（government effectiveness），为了衡量监管环境，选取了指标监管质量（regulatory quality）、裁员费用（cost of redundancy dismissal）、法律制度（rule of law），为了衡量营商环境，选取了指标创业便利程度（ease of starting a business）、解决破产问题的便利程度（ease of resolving insolvency）、纳税便利程度（ease of paying taxes）， 分 别 以 ps、ge、rq、crd、rl、esb、eri、ept表示。其中，esb、eri、ept的值越小表示越便利。从表6可看出，在人力资本及研发、市场不变的情况下，衡量政治环境的政治稳定及安全程度、政府效率的影响并不显著且方向不稳定。从表7可看出，衡量监管环境的监管质量、裁员费用、法律制度的影响虽方向稳定，且监管质量的改善倾向于降低创新乏力的概率，但是均不显著。而从表8可看出，衡量营商环境的指标，无论是创业便利程度、解决破产问题的便利程度还是纳税便利程度的影响都十分显著，表示营商环境越好，创新乏力发生的概率越低；这一点非常好理解，也很直接，由于营商环境的改变，作为创新主体的市场更能发挥其作用，调动企业尤其是中小企业的创造积极性，从而能够降低创新乏力发生的概率。同时，无论是从表6、表7还是表8都能看出，人力资本提升对于抑制创新乏力的效果均显著。

表6 样本政治环境与创新得分下滑5%/10%及以上情况

表7 样本监管环境与创新得分下滑5%/10%及以上情况

表8 样本营商环境与创新得分下滑5%/10%及以上情况

从理论上说，政府支出如研发支出对国家创新能力有一定影响。Lee［19］认为公共R&D有4种潜在渠道作用于企业创新：技术能力提升效应、需求创造效应、研发成本降低效应和（项目）重叠（或重复）效应；同时由于多种渠道的存在，很难评估公共研发的总体效果。除此之外，还有其他一些学者也研究了政府R&D支出对企业创新的影响，但是都未能得出一致的结论［20-23］。在此，本文分别考察了政府人均累积研发支出（rd）与政府总累积研发支出（govacrd）在市场复杂度和商业复杂度不变的情况下对创新乏力的影响，结果显示（如表9、表10），政府人均累积研发支出和总累积研发支出的系数都不显著，没有充分证据证明政府研发支出能够影响创新乏力产生的概率。

表9 样本政府人均累积研发支出与创新得分下滑5%/10%及以上情况

表10 样本政府总累积研发支出与创新得分下滑5%/10%及以上情况

综上，本文较全面地从3个方面研究了政府对于抑制创新乏力的作用，结果表明，无论是一般基础设施建设还是政府研发支出，均不能显著抑制创新乏力发生，但是通过制度建设能够为创新营造良好的环境，激发和释放市场、企业的创造力，从而显著降低创新乏力发生的概率，尤其是营商环境的改善，无论是从创业便利指数、解决破产问题的便利程度还是从纳税便利程度来看，无论是用下降5%还是用下降10%来识别创新乏力，其均能抑制创新乏力；除此之外，人力资本的提升是抑制创新乏力的显著因素。

5 总结

5．1 结论及政策建议

本文通过康奈尔大学、欧洲工商管理学院、世界知识产权组织等机构联合发布的全球创新指数定义了“创新乏力”，并试图使用Logit模型来探索这一风险的影响因素及政府对于防范该风险的作用，结果发现市场机制的优化和人力资本的提升能显著降低创新乏力发生的概率；对于政府而言，为创新营造良好的制度环境，尤其是营商环境，比扩大基础设施建设、增加政府R&D支出更能抑制创新乏力的发生。市场和政府都是国家创新的重要参与者，但是二者的职能和优势却不相同，在市场作为国家创新主体的前提下，政府需要做的决不是挤出和取代市场，而是弥补市场不足和更好地激发市场活力。据此，对促进中国创新力的持续发展，我们有以下政策建议：

第一是坚定不移地改革国家创新治理体系。首先，面对国际竞争加剧、国内创新乏力和人口老龄化的加速到来，中央政府应做好国家层面创新发展的顶层设计工作，合理定位政府和市场在创新发展中的作用，强化政府的创新战略规划、优惠政策制定及创新环境营造等职责，完善国家创新调查制度、国家创新报告制度及国家创新监督评估制度。其次，积极引导各类主体协同创新并优化参与机制。各科研单位、高校、行业协会及企业研发部门等是万众创新的主体，在发掘创新需求、落实创新任务及成果转化等方面具有重要作用，因此应给予相关单位适当的税收减免、补贴等优惠政策，从而引导更多的社会资本进入高风险及高收益的创新领域；此外，为了防止全国创新“一刀切”的问题，应给予地方政府更多政策自主权，从而制定符合当地特点的创新政策。最后，为放大创新协同效应，应推动全国科技创新共享平台建设，形成技术学习、创新研究及成果转化的全流程创新交流体系。

第二是培育包容友好的创新环境。宽松包容的社会环境及制度环境有利于激发社会大众的创新意识、创新潜能和创新热情，这对于国家创新力提升有着至关重要的作用。首先，完善法制环境。为了适应未来高度激烈的创新竞争，必须加快产权制度建设和立法工作，构建以知识产权法为核心的创新保障体系。其次，优化市场环境。创新创业者面对成熟的资本集团和垄断企业处于弱势地位，这在某种程度上会抑制创新，因此可以对垄断公司和行业进行相应合理的限制和整合，同时鼓励资本市场特别是风险投资公司投资小微创新企业。最后，营造积极友好、崇尚创新的社会环境。鼓励百家争鸣、敢为人先、敢于试错的创新精神，倡导追求卓越、与众不同的创新理念；同时，给予创新创业失败的人群相应的政府补偿和再就业支持，减轻其后顾之忧。

第三是构建具有活力和创造力的人才体系。创新的源泉归根到底在于人，提高一个国家、一个民族创新力的根本之道也在于人才的培养、激励和使用。首先，在人才培养上，要将基础教育和高等教育有机结合，实现基础能力和创新思维协同发展。其次，在人才激励上，物质激励和精神激励并重，建立多层次的创新奖励机制，其中当务之急在于改变评价维度单一的局面，纠正对论文的过度考核，继而建立同时重视专业技能及成果转化的多元化的创新激励评价体系。最后，在人才使用上，一方面建立终身制的科研诚信制度，打击学术不端、学术造假行为，从严管理学术规范；另一方面简化行政性的流程制度，为科研人员减负，尊重客观规律，给予科研人员足够的自主管理权，避免“外行领导内行”的矛盾。

5．2 研究不足与展望

本文仍存在至少两点不足：一是由于国家创新能力内涵及外延的模糊性和多元性及其测度的复杂性，我们很难得到绝对可靠的数值来刻画国家创新能力。GII指数虽然在前人的基础上做得更加完善，但也不能反映绝对真实的国家创新能力，其指标构造的方法也依然存在争议。虽然本文采用多种方法来识别创新乏力以缓解数据本身的问题，但也不能根除，因此有待进一步的研究来验证本文结果的稳健性。第二，本文主要研究了绝对创新能力下滑的情况，但是对于国家创新能力排名的此消彼长，即相对创新下滑的风险（由于这不仅取决于某一个国家，还取决于所有其他国家的创新能力，因此更加复杂），本文涉足不多，未来仍需要继续深入研究。

注释：

1）样本包含：阿尔巴尼亚、阿尔及利亚、阿根廷、亚美尼亚、澳大利亚、奥地利、阿塞拜疆、巴林、孟加拉国、比利时、玻利维亚、波斯尼亚和黑塞哥维那、巴西、保加利亚、布基纳法索、柬埔寨、喀麦隆、加拿大、智利、中国、哥伦比亚、哥斯达黎加、克罗地亚、塞浦路斯、捷克、丹麦、厄瓜多尔、埃及、爱沙尼亚、埃塞俄比亚、法国、格鲁吉亚、德国、希腊、危地马拉、匈牙利、冰岛、印度、印度尼西亚、伊朗、爱尔兰、以色列、意大利、牙买加、日本、约旦、哈萨克斯坦、肯尼亚、科威特、吉尔吉斯斯坦、拉脱维亚、立陶宛、卢森堡、马达加斯加、马拉维、马来西亚、马里、墨西哥、摩尔多瓦、摩洛哥、荷兰、新西兰、尼日尔、尼日利亚、挪威、阿曼、巴基斯坦、秘鲁、菲律宾、波兰、葡萄牙、卡塔尔、罗马尼亚、俄罗斯、沙特、塞内加尔、塞尔维亚、新加坡、斯洛伐克、斯洛文尼亚、南非、西班牙、斯里兰卡、瑞典、瑞士、塔吉克斯坦、泰国、突尼斯、土耳其、乌干达、乌克兰、阿联酋、英国、美国、乌拉圭、越南、也门、赞比亚、津巴布韦。