劉金山,丁卓琪
(暨南大學(xué)經(jīng)濟(jì)學(xué)院,廣東 廣州 510632)
國(guó)民經(jīng)濟(jì)核算賬戶(hù)體系(The System of National Accounts,即SNA體系)自1953年由聯(lián)合國(guó)公布以來(lái),為世界各國(guó)宏觀(guān)經(jīng)濟(jì)的科學(xué)管理做出了重大貢獻(xiàn)。知識(shí)經(jīng)濟(jì)時(shí)代,隨著經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)型及新經(jīng)濟(jì)特征的出現(xiàn),SNA1993 在內(nèi)容和核算方法等面臨諸多問(wèn)題?;谶@一現(xiàn)實(shí),由聯(lián)合國(guó)統(tǒng)計(jì)部署(UNSD)牽頭,協(xié)同經(jīng)合組織(OECD)、國(guó)際貨幣基金組織(IMF)、歐洲統(tǒng)計(jì)局(EUROSTST)、世界銀行(WBG)五家國(guó)際機(jī)構(gòu)組建國(guó)民經(jīng)濟(jì)核算組,對(duì)SNA1993 進(jìn)行修訂,更新為SNA2008版。與SNA1993相比,SNA2008首次引入“知識(shí)產(chǎn)權(quán)產(chǎn)品”概念,其核心是R&D的資本化。SNA2008反映了知識(shí)經(jīng)濟(jì)背景下創(chuàng)新和知識(shí)產(chǎn)權(quán)日趨成為經(jīng)濟(jì)分析焦點(diǎn)的時(shí)代特征,R&D的資本化為更科學(xué)地認(rèn)識(shí)研發(fā)活動(dòng)對(duì)經(jīng)濟(jì)社會(huì)的作用和貢獻(xiàn)提供統(tǒng)計(jì)學(xué)支撐。SNA2008頒布后,世界各國(guó)與地區(qū)紛紛響應(yīng),澳大利亞、美國(guó)、加拿大、歐盟和日本等國(guó)家先后宣布實(shí)施新的國(guó)際標(biāo)準(zhǔn),將R&D計(jì)入GDP,相應(yīng)核算規(guī)則的變化對(duì)各國(guó)的GDP統(tǒng)計(jì)結(jié)果產(chǎn)生了顯著的影響,如美國(guó)調(diào)整統(tǒng)計(jì)后[1]使其1959—2002年的GDP平均提高2.6%,年均增長(zhǎng)升至4.6%,2002—2012年期間年均GDP增速為1.8%,較之前提高0.2%[2];加拿大GDP平均上調(diào)2.99%;日本修正核算標(biāo)準(zhǔn)后,2014年的GDP增長(zhǎng)率由0%提升到0.3%,2015年由0.6%提升到1.2%等。
2000年以來(lái),中國(guó)的R&D投入強(qiáng)度穩(wěn)步提升,2002年,首次突破1%,2014年邁入2%時(shí)代,2015年達(dá)到歷史最高水平2.07%,接近歐盟15國(guó)的平均水平(2.08%)[3]。隨著經(jīng)濟(jì)進(jìn)入“新常態(tài)”,中國(guó)區(qū)域經(jīng)濟(jì)的力量格局正在發(fā)生改變,如沿海經(jīng)濟(jì)大省“粵蘇魯浙”經(jīng)濟(jì)總量之爭(zhēng),“京滬”第一城市之爭(zhēng)等。在R&D資本化國(guó)際潮流驅(qū)動(dòng)下,中國(guó)將實(shí)施新的國(guó)民經(jīng)濟(jì)核算標(biāo)準(zhǔn),未來(lái)區(qū)域經(jīng)濟(jì)的力量格局或?qū)⒅匦孪磁啤,F(xiàn)有支出法GDP=C+I+NX,其中C為消費(fèi),包括居民消費(fèi)支出與政府消費(fèi)支出;I為投資,包括固定資本形成總額與存貨變化;NX為貨物與服務(wù)凈出口(凈流出)。SNA2008下的R&D的資本化使支出法GDP等式發(fā)生了改變,即GDP=C+I+NX+R&D,增加部分為資本化后的R&D支出額。長(zhǎng)期以來(lái)中國(guó)政府官員對(duì)GDP的考核重視現(xiàn)在,而企業(yè)對(duì)績(jī)效的考核則重視未來(lái),官員相對(duì)短期的目標(biāo)函數(shù)和企業(yè)長(zhǎng)期的目標(biāo)函數(shù)之間的不匹配使得經(jīng)濟(jì)社會(huì)發(fā)展的長(zhǎng)期目標(biāo)一直得不到政府官員的支持與貫徹,R&D資本化將大大提高政府官員增加研發(fā)投入與政策激勵(lì)的積極性,從而實(shí)現(xiàn)政府與企業(yè)的雙贏。
中國(guó)尚未實(shí)施SNA2008,目前僅有少量文獻(xiàn)對(duì)R&D資本化過(guò)程中的問(wèn)題進(jìn)行了探討。如魏和清[4]簡(jiǎn)要分析了SNA2008對(duì)GDP、資本存量和經(jīng)濟(jì)增長(zhǎng)率等宏觀(guān)指標(biāo)的影響;倪紅福[5]以北京為研究對(duì)象,分析了其R&D資本化核算的結(jié)果;楊林濤等[6]以深圳為研究對(duì)象,分別選取Goldsmith方法、BEA方法就R&D資本化對(duì)國(guó)民核算產(chǎn)生的影響進(jìn)行統(tǒng)計(jì)測(cè)度等??傮w看來(lái),中國(guó)對(duì)R&D支出資本化的研究尚處于起步階段,涉及區(qū)域經(jīng)濟(jì)的測(cè)度研究更是少之又少。
鑒于此,本文根據(jù)有關(guān)資本化 R&D支出的理論,依據(jù)國(guó)內(nèi)外研究成果,利用2010—2016年發(fā)布的《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》等數(shù)據(jù)資料,嘗試對(duì)2009—2015年廣東、江蘇、山東、浙江、北京、上海、天津的 R&D支出進(jìn)行資本化處理并重新調(diào)整 GDP,以R&D資本化為視角對(duì)粵蘇之爭(zhēng)及京滬之爭(zhēng)進(jìn)行再探討。
SNA2008[7]指出:“R&D 是為了增加知識(shí)儲(chǔ)備并利用這種知識(shí)儲(chǔ)備開(kāi)發(fā)新的應(yīng)用,系統(tǒng)性地從事創(chuàng)造性工作而支出的價(jià)值?!蓖瑫r(shí)SNA2008指出:“給所有者帶來(lái)經(jīng)濟(jì)利益的研發(fā)支出作為固定資本形成處理;不給所有者帶來(lái)經(jīng)濟(jì)利益的研發(fā)支出作為中間投入處理。”由此可見(jiàn),一項(xiàng) R&D 活動(dòng)最終形成的是費(fèi)用還是資本,關(guān)鍵在于 R&D 活動(dòng)的性質(zhì),即R&D資本化是有條件的資本化。然而在實(shí)際操作中,哪些R&D支出會(huì)帶來(lái)收益并無(wú)法嚴(yán)格區(qū)分,同時(shí)失敗的R&D支出所產(chǎn)生的成本遠(yuǎn)低于成功的R&D支出所帶來(lái)的收益,因此可以忽略這部分成本,將R&D全部資本化,許多國(guó)家在進(jìn)行R&D資本化時(shí)也采用了這種方法。這樣的核算方法對(duì)GDP有一定程度的高估。
R&D 核算作為一種投資型活動(dòng),其收益往往難以計(jì)算,尤其是R&D產(chǎn)出,通過(guò)衡量R&D產(chǎn)出來(lái)估計(jì)R&D資本收益的方法亦難以操作。一些學(xué)者在研究中常常用R&D支出替代R&D產(chǎn)出,以投入費(fèi)用代替產(chǎn)出,則意味著 R&D 投入沒(méi)有效益,從而反映不出生產(chǎn)率的變化,這對(duì)營(yíng)利部門(mén)來(lái)說(shuō)并不合理。
R&D產(chǎn)出一部分具有市場(chǎng)性,如企業(yè)部門(mén)R&D產(chǎn)出,一部分具有非市場(chǎng)性,如一般政府和非營(yíng)利機(jī)構(gòu)的R&D產(chǎn)出。對(duì)企業(yè)部門(mén)R&D產(chǎn)出,SNA1993中做費(fèi)用化處理,SNA2008資本化處理后,直接增加固定資產(chǎn)投資,從而增加GDP總量,本文通過(guò)R&D資本存量來(lái)估算產(chǎn)出。非市場(chǎng)生產(chǎn)者(一般政府和非營(yíng)利機(jī)構(gòu))的R&D資本通常沒(méi)有市場(chǎng)價(jià)格,一般在其生產(chǎn)成本的基礎(chǔ)上進(jìn)行估值,本文假定其產(chǎn)出等于投入成本。與此同時(shí),一般政府部門(mén)R&D資本化后還需要對(duì)其產(chǎn)生的投資收益進(jìn)行考察,即私人收益,私人收益是政府部門(mén)的R&D資本服務(wù)產(chǎn)品,這部分投資收益要計(jì)入政府消費(fèi)中,從而增加GDP總量[8]。
本文估算過(guò)程中涉及R&D產(chǎn)出價(jià)格指數(shù)資本存量、折舊率、私人收益率等。
(1)R&D產(chǎn)出價(jià)格指數(shù)。國(guó)內(nèi)學(xué)者在編制R&D產(chǎn)出價(jià)格指數(shù)方面,多采用以其他價(jià)格指數(shù)進(jìn)行替代,或運(yùn)用成本投入法進(jìn)行估算以及根據(jù)R&D 活動(dòng)特點(diǎn)進(jìn)行經(jīng)驗(yàn)性構(gòu)造。如學(xué)者朱平芳等[9]使用的是CPI指數(shù)與固定資產(chǎn)投資價(jià)格指數(shù)的加權(quán)平均。王孟欣[10]利用各地區(qū)的GDP指數(shù)與R&D經(jīng)費(fèi)指數(shù)的線(xiàn)性關(guān)系推算了各地區(qū)R&D經(jīng)費(fèi)支出的價(jià)格指數(shù)。田志康[11]則從R&D價(jià)格縮減指數(shù)的視角,利用固定期和鏈?zhǔn)劫M(fèi)式和Divisia指數(shù)方法對(duì)R&D價(jià)格指數(shù)進(jìn)行測(cè)量。
本文將結(jié)合中國(guó)的統(tǒng)計(jì)情況進(jìn)行構(gòu)造,由于投入成本法主旨在于以R&D支出的組成部分為依據(jù),因此確立并計(jì)算R&D支出結(jié)構(gòu)成為R&D價(jià)格指數(shù)估算的前提條件。由2010—2016年的《中國(guó)科技統(tǒng)計(jì)年鑒》數(shù)據(jù)可知,中國(guó) R&D 支出主要包括日常性支出和資產(chǎn)性支出。經(jīng)計(jì)算,日常性支出所占比例大約為 85%,資產(chǎn)性支出大約為15%。其中,在日常性支出中,人員勞務(wù)費(fèi)占比約為29%,剩余部分未做出細(xì)致說(shuō)明。而在資產(chǎn)性支出中,儀器設(shè)備支出約占80%,剩余部分也未做出細(xì)致說(shuō)明。若將未做說(shuō)明的支出都?xì)w為其他費(fèi)用支出,即可得到人員勞務(wù)費(fèi)、儀器設(shè)備支出和其他費(fèi)用占總支出的比例。該構(gòu)建思路考慮了其他費(fèi)用指數(shù)的估算,更符合中國(guó)的實(shí)際。
(2)R&D資本存量與增長(zhǎng)率。統(tǒng)計(jì)年鑒并沒(méi)有公布R&D資本存量,Goldsmith的永續(xù)盤(pán)存法(Perpetual Inventory Approach,PIM)在估計(jì)固定資產(chǎn)投資存量中獲得廣泛應(yīng)用,美國(guó)BEA[12](Bureau of Economic Analysis)在PIM基礎(chǔ)上對(duì)R&D資本存量進(jìn)行估計(jì)。Goldsmith的PIM思路的基本的公式如下:
(1)
式中,K為資本存量,t為時(shí)間,I為R&D支出流量(不變價(jià)),n為R&D支出形成存量的最大滯后年數(shù),δ為R&D資本存量第t年的折舊率,μ為R&D支出的滯后貼現(xiàn)系數(shù)(R&D支出流量形成R&D存量的比率)。當(dāng)期 R&D 資本存量K由兩部分構(gòu)成:一部分為上期存量扣除折舊后的凈額;另一部分為由于滯后效應(yīng)的存在,以往 R&D 支出在本期形成的存量值。鑒于R&D投入滯后期難以得到,多數(shù)學(xué)者采用μk=1,n=1,因此式(1)可一般化為:
Kt=It+(1-δ)Kt-1
(2)
美國(guó)BEA(Bureau of Economic Analysis)在PIM基礎(chǔ)上對(duì)R&D資本存量進(jìn)行估計(jì)公式如下:
Kt=(1-δ/2)It+(1-δ)Kt-1
(3)
BEA做法與PIM法的區(qū)別在于前者假定僅有1-δ/2的投資額轉(zhuǎn)化為資本存量,后者假定全部投資額轉(zhuǎn)化為R&D資本存量。無(wú)論哪一種方法,可以明確的是,需要初始R&D存量,當(dāng)期R&D存量,R&D價(jià)格指數(shù)以及折舊率進(jìn)行確定。本文將沿用BEA的做法進(jìn)行估算。
當(dāng)數(shù)據(jù)資料時(shí)間序列較短時(shí),初始R&D資本存量的選擇對(duì)核算R&D存量有重要影響,根據(jù) Goto 等[13]、Coe等[14]的方法,假定R&D資本存量增長(zhǎng)率等于真實(shí)R&D支出增長(zhǎng)率,設(shè)為gk,將gk設(shè)定為樣本期內(nèi)不變價(jià)格R&D 支出增長(zhǎng)率的幾何平均數(shù),假設(shè)前提通常是不變價(jià)格 R&D 支出較為平穩(wěn),這與事實(shí)上不同區(qū)域的不變價(jià)格 R&D支出波動(dòng)顯著相違背。為了消除這種波動(dòng)性,BEA采用了Sliker的線(xiàn)性回歸法,具體公式如下:
gk=em-1
(4)
其中m由以下回歸模型決定:
lnEt=b+mt+εt
(5)
根據(jù)BEA方法推導(dǎo),R&D初始資本存量為:
(6)
本文將 2009 年作為基期,分別對(duì)各省市的gk進(jìn)行估算,各省市g(shù)k計(jì)算結(jié)果:廣東4.24%,江蘇7.00%,山東3.92%,浙江6.80%,北京6.94%,上海2.24%,天津5.09%。進(jìn)而根據(jù)式(6)、式(3)估算出各省份的基期資本存量及各期資本存量。
(3)R&D資本收益率與折舊率。本文參照Barbara 等的研究[15],設(shè)定一般政府部門(mén)的私人收益為16%,R&D資本的折舊率則參照國(guó)家統(tǒng)計(jì)局國(guó)民經(jīng)濟(jì)核算司GDP生產(chǎn)核算處的建議,設(shè)定為10%,詳見(jiàn)下式:
當(dāng)期一般政府部門(mén)的私人收益=上一期一般政府部門(mén)R&D資本存量×私人收益率+上一期一般政府部門(mén)R&D存量×折舊率
(7)
《中國(guó)科技統(tǒng)計(jì)年鑒》按執(zhí)行部門(mén)對(duì)R&D的統(tǒng)計(jì)區(qū)分為企業(yè)、研發(fā)機(jī)構(gòu)、高等學(xué)校,由于科研機(jī)構(gòu)和高等院校的資金主要來(lái)自政府財(cái)政,且其研發(fā)活動(dòng)具有公共產(chǎn)品性質(zhì),故科研機(jī)構(gòu)和高等院校統(tǒng)一歸為一般政府部門(mén),同時(shí)假設(shè)兩者具有相同的收益率和折舊率。
《中國(guó)科技統(tǒng)計(jì)年鑒》按支出用途對(duì)R&D的統(tǒng)計(jì)區(qū)分為日常性支出和資產(chǎn)性支出。由于R&D資產(chǎn)性支出已計(jì)入國(guó)民經(jīng)濟(jì)核算中固定資產(chǎn)投資,為了減少重復(fù)計(jì)算,故而只對(duì)R&D 日常性支出進(jìn)行調(diào)整處理。由于SNA2008指出R&D支出資本化中不包括人力資本,故日常性支出需剔除掉人力資本。
由表1可知,R&D對(duì)GDP的影響有兩個(gè)途徑[16]:一是資本化后的R&D由原來(lái)的費(fèi)用轉(zhuǎn)化為投資,二是R&D支出作為投資產(chǎn)生私人收益,且這部分收益要計(jì)入GDP中,因此GDP增加,增加規(guī)模等于科研機(jī)構(gòu)與高等教育部門(mén)的R&D私人收益額。詳見(jiàn)下式:
調(diào)整后的GDP=當(dāng)前的GDP + 企業(yè)R&D固定資本形成總額 + 科研機(jī)構(gòu)與高等院校的R&D私人收益
(8)
本文主要運(yùn)用按執(zhí)行部門(mén)與支出用途統(tǒng)計(jì)的R&D數(shù)據(jù)進(jìn)行處理,暫時(shí)不考慮按資金來(lái)源與R&D活動(dòng)區(qū)分的統(tǒng)計(jì)數(shù)據(jù)。
表1 R&D資本化對(duì)GDP的影響
經(jīng)過(guò)R&D資本化核算處理,本文分別測(cè)算出了各省份2009—2015年企業(yè)R&D固定資本形成額(FI)與政府機(jī)構(gòu)私人R&D收益額、R&D資本化納入GDP的部分占R&D總支出的比重、R&D資本化對(duì)不變價(jià)GDP的影響,以及R&D資本化對(duì)GDP的影響幅度與貢獻(xiàn)率。數(shù)據(jù)的空間分布特征具體如下:
第一,各省份企業(yè)R&D固定資本形成額與政府機(jī)構(gòu)私人R&D收益總量呈遞增趨勢(shì),其中“粵蘇魯浙”地區(qū)企業(yè)R&D固定資本形成規(guī)模普遍大于私人R&D收益規(guī)模,“京滬津”地區(qū)企業(yè)R&D固定資本形成規(guī)模則普遍小于私人R&D收益規(guī)模。總量規(guī)模從大到小排序?yàn)楸本?、江蘇、上海、浙江、廣東、天津、山東。2015年,各省份R&D固定資本形成額與政府機(jī)構(gòu)私人R&D收益總量分別為:北京409.74億元,江蘇321.03億元,上海155.56億元,浙江157.74億元,廣東145.73億元,天津127.71億元,山東135.93億元。
第二,2009—2015年各省份R&D內(nèi)部總經(jīng)費(fèi)支出呈不斷遞增趨勢(shì),R&D資本化納入GDP的額度與R&D總經(jīng)費(fèi)支出額度的比重(R&D資本化占比)則呈下降趨勢(shì);“粵蘇魯浙”地區(qū)企業(yè)R&D經(jīng)費(fèi)支出明顯大于政府機(jī)構(gòu)R&D經(jīng)費(fèi)支出,“京滬津”地區(qū)政府機(jī)構(gòu)R&D經(jīng)費(fèi)支出則明顯大于企業(yè)R&D經(jīng)費(fèi)支出。R&D資本化納入GDP部分與R&D總經(jīng)費(fèi)之比由大到小排序分別為北京、上海、江蘇、天津、浙江、山東與廣東。2015年,各省份R&D資本化占比分別為:北京62.20%,上海34.12%,江蘇28.17%,天津21.80%,浙江18.82%、山東13.13%與廣東10.87%。
第三,R&D資本化調(diào)整前后各省份不變價(jià)GDP總量與增量均呈遞增趨勢(shì),其中北京與江蘇增量規(guī)模最為突出;另一方面,各省份R&D資本化對(duì)GDP影響幅度與貢獻(xiàn)率的走勢(shì)相對(duì)平穩(wěn),波幅較小,R&D資本化對(duì)GDP平均影響幅度排序分別為北京、上海、天津、江蘇、浙江、山東與廣東,R&D資本化對(duì)GDP平均貢獻(xiàn)率排序分別為北京、江蘇、上海、浙江、天津、廣東與山東。2015年,廣東的不變價(jià)GDP從66738.03億元調(diào)整到66933.51億元,R&D資本化對(duì)GDP影響幅度為0.293%,貢獻(xiàn)率為0.067%;江蘇的不變價(jià)GDP從60217.15億元調(diào)整到60724.63億元,R&D資本化對(duì)GDP影響幅度為0.843%,貢獻(xiàn)率為0.708%;山東的不變價(jià)GDP從58542.22億元調(diào)整到58730.43億元,R&D資本化對(duì)GDP影響幅度為0.379%,貢獻(xiàn)率為0.124%;浙江的不變價(jià)GDP從38079.32億元調(diào)整到38269.61億元,R&D資本化對(duì)GDP影響幅度為0.534%,貢獻(xiàn)率為0.403%。北京的不變價(jià)GDP從19279.45億元調(diào)整到20140.34億元,R&D資本化對(duì)GDP影響幅度為4.456%,貢獻(xiàn)率為4.220%。上海的不變價(jià)GDP從23780.58億元調(diào)整到24100.00億元,R&D資本化對(duì)GDP影響幅度為1.522%,貢獻(xiàn)率為0.500%。天津的不變價(jià)GDP從15821.71億元調(diào)整到15932.94億元,R&D資本化對(duì)GDP影響幅度為0.885%,貢獻(xiàn)率為0.215%。
數(shù)據(jù)表明,經(jīng)GDP調(diào)整后廣東仍然排名第一,山東依舊被江蘇超越,且呈現(xiàn)拉大趨勢(shì)。從R&D總支出來(lái)看,江蘇與廣東持平;但從R&D資本化納入GDP的額度來(lái)看,江蘇省R&D納入GDP的部分明顯高于廣東、山東與浙江,后三者R&D資本化水平不相上下,以2015年為例,R&D資本化后江蘇不變價(jià)GDP新增590.91億元,廣東、山東、浙江分別為213.28億元、202.55億元、214.31億元。
相對(duì)變化水平上看,R&D資本化對(duì)GDP的平均影響幅度分別為:江蘇0.852%,廣東0.331%,山東0.379%,浙江0.534%;R&D納入GDP后對(duì)GDP的平均貢獻(xiàn)率分別為:江蘇0.821%,廣東0.154%,山東0.124%,浙江0.403%。由此可見(jiàn),盡管R&D資本化納入GDP絕對(duì)量上浙江與廣東、山東相近,但是對(duì)GDP平均影響幅度與貢獻(xiàn)率卻高于后者,分別是廣東的1.61倍與2.62倍,山東的1.41與3.25倍。這說(shuō)明R&D活動(dòng)對(duì)浙江省經(jīng)濟(jì)增長(zhǎng)與產(chǎn)業(yè)結(jié)構(gòu)的拉動(dòng)作用更為明顯,這與浙江省科技創(chuàng)新政策支持與企業(yè)自主研發(fā)活力密切相關(guān);盡管浙江在GDP總量上暫時(shí)靠后,但其后勁十足,發(fā)展動(dòng)力與潛力將僅次于江蘇省。
R&D資本化為“粵蘇之爭(zhēng)”提供了新的視角,江蘇地區(qū)的R&D資本化水平最高,且呈穩(wěn)定增長(zhǎng)趨勢(shì),這將為江蘇趕超廣東提供強(qiáng)有力的競(jìng)爭(zhēng)支撐。江蘇的R&D高資本化水平得益于走開(kāi)放型經(jīng)濟(jì)之路,特別是蘇州工業(yè)園的建設(shè),更讓江蘇的外向型經(jīng)濟(jì)走向了新階段,從而企業(yè)R&D固定資本形成總額遠(yuǎn)超廣東地區(qū)。作為第一經(jīng)濟(jì)大省的廣東,盡管GDP總量上穩(wěn)居第一,但由于其R&D資本化在對(duì)GDP影響幅度與貢獻(xiàn)率上的優(yōu)勢(shì)并不明顯,所以R&D資本化將進(jìn)一步加大其被江蘇趕超的壓力,廣東需要更加重視產(chǎn)業(yè)結(jié)構(gòu)調(diào)整之門(mén),加快經(jīng)濟(jì)轉(zhuǎn)型,繼續(xù)保持引進(jìn)高科技企業(yè)和互聯(lián)網(wǎng)公司,進(jìn)一步增強(qiáng)經(jīng)濟(jì)活力,才能在“粵蘇魯浙”之爭(zhēng)中持續(xù)魁首。
數(shù)據(jù)顯示,從經(jīng)濟(jì)總量上看,上海在GDP調(diào)整前后均占有絕對(duì)優(yōu)勢(shì);但是從R&D經(jīng)費(fèi)總量與R&D資本化納入GDP的量來(lái)看,北京的R&D活動(dòng)則具備明顯的優(yōu)勢(shì)。從相對(duì)變化量上看,北京地區(qū)R&D資本化對(duì)GDP的平均影響幅度與貢獻(xiàn)率分別為4.506%、4.051%,明顯高于上海地區(qū)的1.545%和0.554%,R&D對(duì)GDP的影響幅度與貢獻(xiàn)率分別是上海地區(qū)的2.92倍與7.31倍。這意味著R&D資本化將進(jìn)一步縮小京滬地區(qū)的經(jīng)濟(jì)總量差距。以2014年為例,R&D資本化調(diào)整前上海與北京的GDP差距是4210.60億元,調(diào)整后兩者差距為3715.96億元,縮幅11.75%。知識(shí)經(jīng)濟(jì)時(shí)代,一個(gè)城市的未來(lái)取決于創(chuàng)新能力,R&D資本化視角下,擁有更多的創(chuàng)新能力地區(qū)將最終立于不敗之地,以此推算,北京地區(qū)經(jīng)濟(jì)總量將完全有能力取代上海。
與此同時(shí),隨著京津冀協(xié)同發(fā)展的提出,天津的經(jīng)濟(jì)總量規(guī)模不斷擴(kuò)張,影響力不斷加強(qiáng)。有預(yù)測(cè)指出,天津在2020年的經(jīng)濟(jì)總量將會(huì)超過(guò)北京,成為中國(guó)最大的經(jīng)濟(jì)中心之一。本文數(shù)據(jù)顯示,2009—2015年天津地區(qū)R&D資本化水平雖有所提高,漲幅17.61%,但與北京地區(qū)的差距則呈不斷擴(kuò)大趨勢(shì),差幅增加34.8%;與此同時(shí),R&D資本化對(duì)GDP的影響幅度與貢獻(xiàn)率也在不斷削弱,降幅分別高達(dá)28.27%與47.16%。這表明在經(jīng)濟(jì)總量上,天津趕超北京的后勁尚且不足,其較難從北京的輻射覆蓋中直接獲益,因此,未來(lái)天津找準(zhǔn)其地區(qū)定位和角色對(duì)自身乃至整個(gè)京津冀地區(qū)的協(xié)同發(fā)展都至關(guān)重要。
本文從R&D資本化研究背景出發(fā),在相關(guān)R&D資本化測(cè)算方法基礎(chǔ)上,嘗試對(duì)粵、蘇、魯、浙、京、滬、津七個(gè)省份R&D支出納入GDP及其影響進(jìn)行測(cè)度。結(jié)果表明,2009—2015年,R&D資本化對(duì)GDP的平均貢獻(xiàn)率分別為:北京4.220%,江蘇0.821%,上海0.500%,浙江0.403%,天津0.215%,廣東0.154%,山東0.124%,R&D資本化將引發(fā)地區(qū)經(jīng)濟(jì)格局調(diào)整,這為粵蘇之爭(zhēng)與京滬之爭(zhēng)提供了新的研究視角。R&D資本化進(jìn)一步加速了江蘇趕超廣東的步伐,浙江具備取代山東的后發(fā)優(yōu)勢(shì);北京地區(qū)經(jīng)濟(jì)總量有能力取代上海,天津地區(qū)趕超北京后勁尚且不足。
本文的測(cè)算過(guò)程利用了一些參數(shù),其估計(jì)依賴(lài)于諸多假設(shè),R&D資本化過(guò)程面臨諸多技術(shù)難題。本文對(duì)R&D資本化對(duì)地區(qū)經(jīng)濟(jì)的影響測(cè)度僅僅是一個(gè)初步探索,尚需進(jìn)一步研究。隨著R&D資本化核算研究的不斷加強(qiáng),將為區(qū)域技術(shù)創(chuàng)新與經(jīng)濟(jì)發(fā)展提供更多的智力支撐。
參考文獻(xiàn):
[1]SLIKER B K.2007 R&D Satellite Account Methodologies:R&D Capital Stocks and Net R rates of return.Bureau of Economic Analysis / National Science Foundation R&D Satellite Account Background Paper[EB/OL].http:/ /www.Bea.gov /national/rd.htm.
[2]U S.Bureau of Economic Analysis.Preview of the 2013 Comprehensive Revision of the National Income and product Accounts:Change in Definitions and Presentation[EB/OL].2013.http://www.bea.gov/scb/pdf.
[3]朱迎春,袁燕軍,張海波.R&D經(jīng)費(fèi)配置的現(xiàn)狀、問(wèn)題與對(duì)策:基于2000—2015年的統(tǒng)計(jì)數(shù)據(jù)[J].中國(guó)科技論壇,2017(8):28-33.
[4]魏和清.SNA2008 關(guān)于 R&D 核算變革帶來(lái)的影響及面臨的問(wèn)題[J].統(tǒng)計(jì)研究,2012(11):22-25.
[5]倪紅福,張士運(yùn),謝慧穎.資本化 R&D 支出及其對(duì) GDP 和經(jīng)濟(jì)增長(zhǎng)的影響分析[J].統(tǒng)計(jì)研究,2014(3):21-26.
[6]楊林濤,韓兆洲,王科欣.SNA2008 下 R&D 支出納入 GDP 的估計(jì)與影響度研究[J].統(tǒng)計(jì)研究,2015(11):72-77.
[7]聯(lián)合國(guó),等.2008國(guó)民賬戶(hù)體系[M].北京:中國(guó)統(tǒng)計(jì)出版社,2012.
[8]曾五一,王開(kāi)科.美國(guó)GDP核算最新調(diào)整的主要內(nèi)容影響及啟示[J].統(tǒng)計(jì)研究,2014(3):9-13.
[9]朱平芳,徐偉民.政府的科技激烈政策對(duì)大中型工業(yè)企業(yè)R&D投入及其專(zhuān)利產(chǎn)出的影響:上海市的實(shí)證研究[J].經(jīng)濟(jì)研究,2003(6).
[10]王孟欣.我國(guó)區(qū)域R&D資本存量的測(cè)算[J].江蘇大學(xué)學(xué)報(bào),2011(1):58-63.
[11]田志康.R&D價(jià)格縮減指數(shù)及其中國(guó)實(shí)際R&D支出研究綜述[J].中國(guó)軟科學(xué),2014(11):78-91.
[12]U S.Bureau of Economic Analysis.BEA Expands Coverage of Intellectual Property Products[EB/OL].2013.http:/ /www.Bea.gov/national/pdf/flyer_bea_expands_coverage_of_intellectual.pdf.
[13]GOTO Akira and KAZUYUKI Suzuki,R&D capital,rate of return on R&D investment and spillover of R&D in Japanese manufacturing industries[J].Review of economics and statistics,1989(71):555-564.
[14]COE D.and HELPMAN E.International R&D spillovers[J].European economic review,1995(39):859-887.
[15]FRAUMENI B M,OKUBO S.R&D in the national income and product accounts-A first look at its effect on GDP[C].Conference on Research in Income and Wealth-Measuring Capital in the New Economy APR 26-27,2002.
[16]江永宏,孫鳳娥.中國(guó)R&D資本存量測(cè)算:1952—2014年[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2016(7):12-124.