梁 艷

（安徽財(cái)貿(mào)職業(yè)學(xué)院基礎(chǔ)部，安徽合肥230601）

中部地區(qū)技術(shù)創(chuàng)新能力實(shí)證研究

梁 艷

（安徽財(cái)貿(mào)職業(yè)學(xué)院基礎(chǔ)部，安徽合肥230601）

采用理論分析和實(shí)證研究相結(jié)合的方法，運(yùn)用面板數(shù)據(jù)通過(guò)建立隨機(jī)效應(yīng)變截距知識(shí)生產(chǎn)函數(shù)模型，對(duì)中部六省的技術(shù)創(chuàng)新能力進(jìn)行比較分析，進(jìn)而揭示中部地區(qū)各省技術(shù)創(chuàng)新能力的差異。

技術(shù)創(chuàng)新能力；面板數(shù)據(jù)；知識(shí)生產(chǎn)函數(shù)

1 模型的選擇與建立

分析技術(shù)創(chuàng)新與區(qū)域創(chuàng)新的重要理論工具是知識(shí)生產(chǎn)函數(shù)，其基本假設(shè)是將技術(shù)創(chuàng)新過(guò)程的產(chǎn)出看做是研發(fā)資本或研發(fā)人員投入的函數(shù)，用柯布道格拉斯生產(chǎn)函數(shù)可以表示為：

其中，α為常數(shù)，β為研發(fā)產(chǎn)出對(duì)于創(chuàng)新過(guò)程中投入變化的彈性。對(duì)式（1）兩端取自然對(duì)數(shù)，利用Eviews軟件就可估計(jì)出常數(shù)α和彈性系數(shù)β。

杰菲認(rèn)為新經(jīng)濟(jì)知識(shí)是技術(shù)創(chuàng)新最重要的產(chǎn)出，企業(yè)追求新經(jīng)濟(jì)知識(shí)并將其投入生產(chǎn)過(guò)程，技術(shù)創(chuàng)新的投入變量包括投入的研究經(jīng)費(fèi)和投入的人力資源。杰菲生產(chǎn)知識(shí)函數(shù)模型的一般形式：

其中，Q表示研發(fā)活動(dòng)的強(qiáng)度；K表示投入的R＆D經(jīng)費(fèi)；L表示投入的科技人力資源；α、β分別為R＆D經(jīng)費(fèi)投入的彈性系數(shù)和科技人力資源投入的彈性系數(shù)；ε為隨機(jī)誤差項(xiàng)，i為觀測(cè)單位。

隨著經(jīng)濟(jì)社會(huì)發(fā)展的迅猛發(fā)展，技術(shù)創(chuàng)新作用越來(lái)越明顯，制度改革一直在進(jìn)行，制度創(chuàng)新對(duì)技術(shù)創(chuàng)新的影響日益突出，從而對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的作用也漸漸凸顯。所以有些學(xué)者在研究類似問(wèn)題及選擇解釋變量時(shí)，也會(huì)考慮到制度因素。

借鑒以前學(xué)者的相關(guān)研究狀況以及結(jié)合相關(guān)實(shí)際情況，本文確定的解釋變量為人力資本和制度因素兩個(gè)方面，被解釋變量是研發(fā)活動(dòng)的產(chǎn)出。最終建立的模型如下：

其中，P是指研究與開(kāi)發(fā)活動(dòng)的產(chǎn)出；S是指制度創(chuàng)新；EXP是指人力資本，是常數(shù)項(xiàng)；A可表示把投入的人力資本和制度創(chuàng)新轉(zhuǎn)化成研發(fā)活動(dòng)產(chǎn)出的能力，即產(chǎn)出效率，也即技術(shù)創(chuàng)新效率；ε是隨機(jī)擾動(dòng)項(xiàng)；i代表觀測(cè)單位；t是指時(shí)間變量。

考慮到數(shù)據(jù)的易得性，我們用專利申請(qǐng)的授權(quán)數(shù)代表研發(fā)活動(dòng)的產(chǎn)出，用R＆D人員全時(shí)當(dāng)量代表人力資本，用市場(chǎng)化程度代表制度創(chuàng)新，為了用Eviews對(duì)模型（3）進(jìn)行估計(jì)，需要轉(zhuǎn)換為雙對(duì)數(shù)模型，因?yàn)檫@樣更加有利于對(duì)模型的系數(shù)進(jìn)行估計(jì)，所以雙對(duì)數(shù)線性知識(shí)生產(chǎn)模型為：

2 數(shù)據(jù)的選取及處理

本文的數(shù)據(jù)來(lái)源于2005—2012年《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》，中部六省的每個(gè)省的2005—2012年《統(tǒng)計(jì)年鑒》和《科技年鑒》。這些數(shù)據(jù)的時(shí)間跨度為2004—2011年，共8年，即每一個(gè)變量包含48個(gè)數(shù)據(jù)。

對(duì)于統(tǒng)計(jì)年鑒的一些數(shù)據(jù)，進(jìn)行了適當(dāng)?shù)奶幚?。其中制度?chuàng)新S用投資的市場(chǎng)化指數(shù)表示，即非國(guó)有、集體投資占全社會(huì)固定資產(chǎn)總投資的比重。

3 實(shí)證分析與結(jié)果解釋

對(duì)中部地區(qū)山西、安徽、江西、河南、湖北、湖南六個(gè)省2004—2011年處理后的面板數(shù)據(jù)，基于模型（4）利用統(tǒng)計(jì)軟件Eviews6.0進(jìn)行估計(jì)，比較中部六省的技術(shù)創(chuàng)新能力的大小。

本文通過(guò)似然比檢驗(yàn)和Hausman檢驗(yàn)對(duì)這三個(gè)模型進(jìn)行取舍。

3.1 實(shí)證分析

3.1.1 對(duì)模型（4）建立混合效應(yīng)模型

設(shè)混合效應(yīng)模型為：yit＝α+βxit+εit，i＝1，2，3，…N，t＝1，2，3，…T。其中y為被解釋變量，x為解釋變量，β為系數(shù)，ε為隨機(jī)誤差項(xiàng)，α和β不隨i，t變化，軟件輸出結(jié)果如表1所示：

表1 混合效應(yīng)模型OLS估計(jì)結(jié)果

根據(jù)Eviews軟件輸出結(jié)果可知：在5%的顯著性水平下，解釋變量均顯著，混合效應(yīng)模型中修正的R2為0.8975，F(xiàn)統(tǒng)計(jì)量的值為206.7078。

3.1.2 對(duì)模型（4）建立固定效應(yīng)模型

設(shè)固定效應(yīng)模型為：yit＝αi+βxit+εit，i＝1，2，3，…，N，t＝1，2，3，…，T。其中αi對(duì)于每一個(gè)截面為固定常數(shù)，代表每個(gè)截面的差異。通過(guò)Eviews軟件輸出結(jié)果如表2所示：

表2 變截距的固定效應(yīng)模型OLS估計(jì)結(jié)果

根據(jù)Eviews軟件輸出結(jié)果可知：在10%的顯著性水平下，解釋變量都顯著，固定效應(yīng)模型中修正的R2為0.9301，F(xiàn)統(tǒng)計(jì)量的值為90.3662。

3.1.3 利用似然比檢驗(yàn)，對(duì)混合效應(yīng)模型和固定效應(yīng)模型進(jìn)行取舍H0∶固定效應(yīng)模型是冗余的；H1∶固定效應(yīng)模型不是冗余的。軟件輸出結(jié)果如表3所示：

表3 軟件輸出的似然比檢驗(yàn)結(jié)果

由表3中的結(jié)果可知，在5%的顯著性水平下，拒絕原假設(shè)，接受備擇假設(shè)，所以應(yīng)選擇固定效應(yīng)模型。

3.1.4 對(duì)模型（4）建立隨機(jī)效應(yīng)模型

類似固定效應(yīng)模型，隨機(jī)效應(yīng)模型也假定：

但與固定效應(yīng)模型不同的是，隨機(jī)效應(yīng)模型假定αi與εit同為隨機(jī)干擾項(xiàng)。

隨機(jī)效應(yīng)模型可以如下表示：

其中yi和εi均為T(mén)×1向量；xi是T×K矩陣；αi是一個(gè)隨機(jī)變量，代表個(gè)體的隨機(jī)效應(yīng)。軟件輸出結(jié)果如表4所示：

表4 變截距的隨機(jī)效應(yīng)模型OLS估計(jì)結(jié)果

根據(jù)Eviews軟件輸出結(jié)果可知：隨機(jī)效應(yīng)模型中修正的R2為0.8976，F(xiàn)統(tǒng)計(jì)量的值為206.9527，在5%的顯著性水平下，兩個(gè)解釋變量都顯著。

3.1.5 進(jìn)行Hausman檢驗(yàn)，確定選擇隨機(jī)效應(yīng)還是固定效應(yīng)模型

H0∶選擇隨機(jī)效應(yīng)模型；H1∶選擇固定效應(yīng)模型。

軟件輸出結(jié)果如表5所示：

表5 軟件輸出的Hausman檢驗(yàn)結(jié)果

由表5所示，在5%的顯著性水平下，應(yīng)該接受原假設(shè)，即隨機(jī)效應(yīng)模型的系數(shù)與固定效應(yīng)模型的系數(shù)沒(méi)什么差別，故應(yīng)選擇隨機(jī)效應(yīng)模型。

3.2 結(jié)果解釋

由表4的隨機(jī)效應(yīng)模型的OLS估計(jì)結(jié)果，我們可以得到在5%的顯著性水平下，解釋變量EXP、S對(duì)被解釋變量的影響均是顯著的。并且修正的R2比較大，數(shù)值為0.897582，模型擬合優(yōu)度好。根據(jù)回歸結(jié)果，可得估計(jì)的回歸方程為：

其中虛擬變量D1，D2，D3，D4，D5，D6的定義是：Di，如果屬于第i個(gè)體，i＝shanxi，anhui，jiangxi，henan，henan，hubei，hunan，Di＝0，其它。

通過(guò)面板數(shù)據(jù)模型估計(jì)的常數(shù)項(xiàng)，還包括一個(gè)固定的部分，即估計(jì)的回歸方程中的系數(shù)為-5.7768，這部分代表各個(gè)省份的共同特征，然而可以用來(lái)代表技術(shù)創(chuàng)新效率的可變截距項(xiàng)的系數(shù)的差別很明顯，說(shuō)明中部六省在技術(shù)創(chuàng)新能力方面存在巨大差距。湖南省的科研創(chuàng)新基礎(chǔ)雄厚，能力較強(qiáng)，在中部地區(qū)六省中居第一；安徽省的科技創(chuàng)新能力在六省中排第二，是因?yàn)樽罱@幾年安徽省大力引進(jìn)先進(jìn)技術(shù)，培養(yǎng)科技創(chuàng)新人才，引進(jìn)大批科技優(yōu)秀人才；江西省居第三，河南、湖北、山西的技術(shù)創(chuàng)新能力相對(duì)薄弱，尤其是山西實(shí)力最弱。中部六省的技術(shù)創(chuàng)新能力存在差異，在某種程度上正是技術(shù)水平發(fā)展不平衡的結(jié)果。中部六省的技術(shù)存在分化現(xiàn)象，而這種現(xiàn)狀是由很多因素共同造成的，既有歷史的原因，又有改革開(kāi)放以來(lái)各省實(shí)施不同的發(fā)展戰(zhàn)略，以及在實(shí)施中部崛起戰(zhàn)略后，各省的發(fā)展規(guī)劃不同等。

［1］中國(guó)科技發(fā)展戰(zhàn)略研究小組.中國(guó)區(qū)域創(chuàng)新能力報(bào)告［M］.北京：科學(xué)出版社，2010.

［2］李子奈.高等計(jì)量經(jīng)濟(jì)學(xué)［M］.北京：清華大學(xué)出版社，2000.

［3］郭國(guó)峰，溫軍偉，孫保營(yíng).技術(shù)創(chuàng)新能力的影響因素分析—基于東部六省面板數(shù)據(jù)分析［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007（9）：134-143.

梁艷（1984-），女，安徽舒城人，安徽財(cái)貿(mào)職業(yè)學(xué)院基礎(chǔ)部講師，從事運(yùn)籌學(xué)和應(yīng)用數(shù)學(xué)研究。

207

A

2095-0063（2013）06-0112-03

2013-10-11