技术进步路径、吸收能力与内涵经济增长关系(2)

　　模型与指标选取
　　本文创新点之一是引入了吸收能力，学术界对吸收能力指标的构造方法有很多，Escribano等（2002）使用三个虚拟变量衡量企业的吸收能力：企业拥有研发部门、企业是否开展R&D人员培训活动、R&D人员占比超过行业平均水平；Mowery和Oxley（1995）、Lee（2001）则使用R&D经费投入、R&D人员教育程度来度量企业吸收能力；Grimpe和Sofka（2009）用R&D支出占销售额比重来表示吸收能力。本文所研究吸收能力的研究载体是内资高技术行业，因此，本文采用内资行业研发投入与R&D人员全时当量之比作为内资企业吸收能力（Absorb）的代理变量，吸收能力的载体是溢出效应，采用两者的连乘项作为技术进步路径，因此本文构建带有连乘变量的方程进行检验：
　　（1）
　　在指标选取过程中，考虑到数据是否可以获得，本文将R&D经费投入作为技术研发的代理变量；根据傅元海等（2010）采用外资企业研发本地化程度（LOR）作为技术转移与扩散效应的代理变量，其计算方法为外资企业R&D投入与总产出之比；采用外资参与程度（FSHA）作为技术转让、合作与援助效应的代理变量。本文选择lnKL和Agg作为控制变量，lnKL为人均投入资本的对数值，是经济增长模型中的重要组成部分，Agg为某行业在某一年的集聚程度，本文采用Ellison-Glaeser（E-G）空间集聚指数，并按照省际面板数据计算，其计算公式如式（2）所示，下标t、k和j分别表示年份、地理区域和行业。Aggi，t为i行业在t年的E-G空间集聚指数，pkt为t年时k区域内该行业的就业人数占整个经济体同一行业就业人数的比值，qkt为k区域内所有行业的就业总人数占整个经济体所有行业就业总人数的比值，Xt为该行业整体的工业总产值，Xjt为j企业的工业总产值。本文采用Malmquist-DEA下的TFP指数作为内涵经济增长绩效指标。
　　（2）
　　在动态面板模型的估计中，通过差分来消除个体效应，但进行滞后一期的差分项与差分的当期随机误差项仍存在相关性。另外，由于模型存在严重内生性，最小二乘估计量不再是一致估计量。因此本文采用系统GMM估计方法解决模型估计中存在的内生性问题。
　　系统GMM估计方法可以利用内生变量的水平值和差分值的滞后项作为工具变量来解决内生性问题，从而不需要寻求其他工具变量。Arellano和Bond（1991）提出了一阶差分GMM估计方法，这种估计方法是将方程做差分处理，然后把滞后两期或两期以上的内生变量作为其自身的工具变量，从而克服内生性的问题。但一阶差分GMM估计方法可能存在工具变量不足进而导致弱工具变量问题，系统GMM估计方法克服弱工具变量的问题，其方法是将内生变量的差分滞后项作为水平方程中内生变量的工具变量，Arellano和Bover（1995）证明内生变量差分滞后项与内生变量相关，而与随机误差项不相关，Blundell和Bond（1998）证明了系统GMM可以降低一阶差分GMM估计的偏误。
　　大多数文献在研究技术研发和技术溢出效应时，都把解释变量作为外生变量处理，但在FDI技术溢出与本土产业的技术进步之间，本土产业的研发与产出之间，都可能存在内生性。因此，为消除内生性问题，本文采用系统GMM估计方法解决模型估计中存在的内生性问题。
　　在估计模型中，本文将LnRD、LOC、FSHA、LOC*Absorb、FSHA*Absorb作为内生变量，采用其滞后变量作为工具变量。Agg与LnKL则作为外生变量。
　　数据来源：本文实证研究中的数据均来自于2006-2012年的《中国高技术产业统计年鉴》，其中内资行业数据通过大中型企业生产经营数据与三资的企业数据之差获得。本文以五种高技术产业的子类行业为分析对象。
　　实证结果及分析
　　（一）模型的初步估计
　　本文采用stata12.0软件进行估计，首先给出方程（1）的估计，如表1所示。
　　根据模型（1）的回归结果，可以得到以下主要结论：
　　三种技术进步路径均对TFP具有正向作用，但时滞性有所不同，技术引进与研发、技术的转让合作与援助对TFP的影响体现出滞后性的特征，当期系数不显著，而以研发本地化系数代表的技术转移与扩散，其当期值对TFP有正向作用。
　　另外，变量Agg的系数为负，说明高技术产业的集聚并没有带来TFP的增长。无论是Krugman的新地理经济学，还是传统经济学理论，都认为集聚能够促进经济发展，也能促进行业的经济增长。本文的研究结果却没有支持这些理论，结合我国的基本国情以及高技术产业固有的特点，本文认为：高技术产业作为我国的新兴战略产业，短期受到政策扶持力度大，因此，其产业布局与我国产业布局政策高度相关，缺乏市场机制的作用；我国对外资高技术产业的引进也具有集聚的特点，对内资企业造成了挤出现象，因而集聚程度对高技术产业TFP的增长没有正向作用。
　　（二）模型的分组估计
　　为研究不同行业因素与技术进步的关系和研究我国不同高技术产业引进FDI带来经济绩效的不同，需要对模型进行分组估计。本文按照技术差异、集聚程度和市场竞争强度将高技术产业进行分组。
　　技术差异表现为内资企业与外资企业的技术差距，本文用内资企业人均产出能力与外资之比衡量，技术差距越大，比值越小；集聚程度由上文计算的E-G空间集聚指数表示；关于市场竞争度指标，绝对集中度（CRn）、相对集中度和赫芬达尔指数（HHI）从现有数据库数据无法获得，但根据新产业组织理论，超额利润率越高意味着该行业的竞争程度越低，反之，利润率越低，竞争程度越高。模型（1）的分组估计如表2所示。
　　通过表2可以得出以下主要结论：