数据要素与研发决策对工业全要素生产率的影响
——来自2010-2019年中国工业的经验证据

宋 炜，张彩红，周 勇，董明放

(西安建筑科技大学 管理学院，陕西 西安 710055)

0 引言

推动数据要素供给侧结构性改革，以创新驱动、高质量供给引领工业高质量发展已成为加快发展现代工业体系，实现工业基础高级化和工业链现代化的重要引擎。众所周知，工业全要素生产率是结构性减速条件下重构经济增长动力，实现工业高质量发展的必要条件。伴随中国经济转型，大量传统要素的持续投入极大促进中国工业资源配置效率提升，实现后发赶超。随着技术差距不断缩小和创新能力大幅提高，传统要素对工业全要素生产率产出份额的贡献逐渐缩小，导致传统要素边际贡献日渐式微。西方发达国家发展史表明，挖掘新的增长动力，利用数据要素提高全要素生产率已成为重构经济增长动力的重要途径。亟需知道的是，在结构性减速背景下，中国工业采用怎样的要素投入才能有效提升工业全要素生产率？延长传统要素投入机会窗口能否缓解经济结构性减速？若能在一个统一框架下深入研究数据要素对工业全要素生产率的影响，对于准确定位中国工业的关键创新路径，实现工业高质量发展具有积极借鉴意义。

研发决策是解释数据要素与传统要素相互融合，进而提升工业全要素生产率的重要渠道[1]。D'Aspremont&Jacquemin[2]在研发合作框架下分析决策类型对研发水平的影响，认为横向合作研发决策引致的后发收益递减会降低研发水平；更进一步地，陈宇科等[3]考察纵向合作研发决策的技术溢出效应发现，纵向合作研发决策能够促进技术的产业内溢出，从而显著提升创新水平。……