基于FMOLS 方法的R&D 投入與經(jīng)濟(jì)增長的協(xié)整關(guān)系研究

劉升學(xué)，康利機(jī)，陳 鳴

（南華大學(xué)經(jīng)濟(jì)管理與法學(xué)學(xué)院，湖南 衡陽421001）

一、引言

改革開放迄今40 多年來，我國經(jīng)濟(jì)社會各個領(lǐng)域均取得了長足的進(jìn)步， 尤其是在經(jīng)濟(jì)增長方面。數(shù)據(jù)顯示，以1978 年為基期來計算的話，我國經(jīng)濟(jì)增長由1978 年的3678.7 億元增加至2017年的126992.4 億元， 增速34.52 倍。 值得一提的是，盡管我國經(jīng)濟(jì)發(fā)展取得了前所未有的奇跡，但其增長的本質(zhì)卻是以大量的資源消耗和環(huán)境為代價，用子孫后代的福祉換取當(dāng)下經(jīng)濟(jì)增長，具有不可持續(xù)性。因此，在當(dāng)前環(huán)保力度逐年加強(qiáng)的背景下， 為了改變以往依賴于資源消耗的粗放型經(jīng)濟(jì)增長方式，黨的十八大首次提出了“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”， 并把科技創(chuàng)新擺在國家發(fā)展的首要位置，引導(dǎo)我國經(jīng)濟(jì)發(fā)展轉(zhuǎn)向科技創(chuàng)新驅(qū)動增長軌道?？萍紕?chuàng)新能夠提升社會生產(chǎn)力， 加快產(chǎn)業(yè)升級步伐，帶動經(jīng)濟(jì)平穩(wěn)增長，而R&D 投入是科技創(chuàng)新的重要前提，是實(shí)現(xiàn)技術(shù)進(jìn)步的主要路徑。 為此，探尋R&D 投入與經(jīng)濟(jì)增長之間的關(guān)系對于破解我國當(dāng)前經(jīng)濟(jì)增速下行、 創(chuàng)新效率低下以及區(qū)域發(fā)展不平衡等問題具有重要啟示意義。

二、文獻(xiàn)梳理與總結(jié)

以索洛為代表的傳統(tǒng)新古典經(jīng)濟(jì)增長理論認(rèn)為，經(jīng)濟(jì)增長可以由資本和勞動力來解釋，而對于技術(shù)進(jìn)步， 則是將其視為外生變量。 但自Romer（1990）將技術(shù)進(jìn)步內(nèi)生化后，學(xué)術(shù)界的聚焦點(diǎn)開始從傳統(tǒng)的新古典經(jīng)濟(jì)增長理論轉(zhuǎn)向內(nèi)生經(jīng)濟(jì)增長理論［1］（P71-102）。 由于技術(shù)進(jìn)步需要通過R&D 投入才能得以實(shí)現(xiàn)，因此國內(nèi)外諸多學(xué)者圍繞R&D投入與經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行了廣泛深入的研究，迄今為止，研究成果汗牛充棟。

Griliches （1986） 對美國1957-1977 年1000家最大制造企業(yè)的數(shù)據(jù)進(jìn)行研究， 得出R&D 投入 會 促 進(jìn) 生 產(chǎn) 力 提 高 的 結(jié) 論［2］（P141-154）。 Akcay（2011） 運(yùn)用協(xié)整方法對美國1960-2007 年的經(jīng)濟(jì)增長與R&D 投入之間的歷史數(shù)據(jù)進(jìn)行檢驗(yàn)，研究發(fā)現(xiàn)R&D 投入與經(jīng)濟(jì)增長存在雙向因果關(guān)系［3］（P79-92）。 另外， R&D 投入也會導(dǎo)致溢出效應(yīng)，有學(xué)者從這一角度闡述了R&D 投入對經(jīng)濟(jì)增長具有顯著的正向影響， 如Keller（2002）和Falvey et al（2007）等學(xué)者［4］（P5-24）、［5］（P230-234）。 鑒于我國數(shù)據(jù)的完備性較差， 國內(nèi)學(xué)術(shù)界早前對R&D 投入與經(jīng)濟(jì)增長關(guān)系的探討主要側(cè)重于定性研究， 所得結(jié)論也大多是基于經(jīng)濟(jì)理論和邏輯推導(dǎo)而來的，無法將它們之間的關(guān)系進(jìn)行具體量化。 隨著研究的不斷深入， 近年來主要從實(shí)證分析角度進(jìn)行考察， 得出的結(jié)論也基本保持一致。 具體而言，目前學(xué)術(shù)界對R&D 投入與經(jīng)濟(jì)增長之間關(guān)系進(jìn)行探討的切入點(diǎn)有所不同， 有學(xué)者從溢出效應(yīng)［6］（P749-753）、［7］（P64-72）、門檻效應(yīng)［8］（P51-59）、［9］（P33-40）和研發(fā)投入類 型［10］（P3-19）等角度進(jìn)行分析，也有學(xué)者通過構(gòu)建計量經(jīng)濟(jì)模型或運(yùn)用灰色關(guān)聯(lián)度分析方法進(jìn)行研究，雖然學(xué)者們的研究范式有所差異，但都認(rèn)為R&D 投入能夠促進(jìn)經(jīng)濟(jì)增長，R&D 投入活動是科技進(jìn)步的主要途徑。需要特別說明的是，盡管R&D 投入能夠帶動經(jīng)濟(jì)增長這一觀點(diǎn)目前已成為學(xué)術(shù)界的普遍共識， 但學(xué)者們在對R&D 投入要素方面卻持有不同的觀點(diǎn)。 從國家或地區(qū)層面出發(fā)，張明喜（2009）運(yùn)用灰色關(guān)聯(lián)度分析方法探析了我國R&D 經(jīng)費(fèi)投入和R&D 人員投入分別與經(jīng)濟(jì)增長的貢獻(xiàn)率， 得出R&D 人員投入對經(jīng)濟(jì) 增 長 的 貢 獻(xiàn) 率 更 大 的 研 判［11］（P66-71）； 王 錦 生（2013）運(yùn)用同樣的方法考察了遼寧省的R&D 投入要素狀況，但卻認(rèn)為R&D經(jīng)費(fèi)投入對經(jīng)濟(jì)增長的貢獻(xiàn)率大于R&D人員投入［12］（P93-96）。 從區(qū)域角度出發(fā)，盧方元、靳丹丹（2011）和曹賢忠等（2016）采用面板數(shù)據(jù)實(shí)證檢驗(yàn)了R&D 投入與經(jīng)濟(jì)增長的關(guān)系， 研究表明R&D 人員投入對經(jīng)濟(jì)增長的拉動作用大于R&D 經(jīng)費(fèi)投入［13］（P149-157）、［14］（P208-218）。

綜上所述， 不難發(fā)現(xiàn)， 現(xiàn)有文獻(xiàn)普遍認(rèn)為R&D 投入能夠促進(jìn)經(jīng)濟(jì)增長， 但在R&D 經(jīng)費(fèi)投入和R&D 人員投入方面卻尚有分歧， 究其原因可能有以下兩點(diǎn)：第一，各省市區(qū)之間經(jīng)濟(jì)發(fā)展?fàn)顩r、 科技水平以及各項(xiàng)科技成果轉(zhuǎn)化所必須的軟硬基礎(chǔ)設(shè)施條件等方面存在差異， 這可能導(dǎo)致R&D 經(jīng)費(fèi)投入和R&D 人員投入對經(jīng)濟(jì)增長的影響效果出現(xiàn)區(qū)域特性；第二，學(xué)者們在分析R&D經(jīng)費(fèi)投入和R&D 人員投入對經(jīng)濟(jì)增長的影響時， 往往忽略了各省市區(qū)之間可能存在截面相關(guān)的事實(shí)，普遍采用OLS 方法進(jìn)行回歸估計，最終帶來估計的偏誤。 鑒于此，本文將采用我國30 個省市區(qū)2000-2016 年的省際面板數(shù)據(jù)（因數(shù)據(jù)缺失，未將西藏地區(qū)納入樣本容量中），并在考慮到地區(qū)差異與截面相關(guān)的基礎(chǔ)上運(yùn)用FMOLS 方法考察R&D 經(jīng)費(fèi)投入和R&D 人員投入分別與經(jīng)濟(jì)增長的協(xié)整關(guān)系， 以期能夠較為準(zhǔn)確地揭示R&D 投入活動與經(jīng)濟(jì)增長之間的關(guān)系，并為地方政府在制定科技創(chuàng)新政策方面提供一定的理論參考。

三、模型設(shè)定、變量說明和數(shù)據(jù)來源

（一）模型設(shè)定

自Griliches（1979）首次將除資本、勞動之外的生產(chǎn)要素——技術(shù)引入到C-D 生產(chǎn)函數(shù)以來， 諸多學(xué)者開始在此基礎(chǔ)上開展R&D 投入對經(jīng)濟(jì)增長貢獻(xiàn)的研究［15］（P92-116）。 在此，同大多數(shù)學(xué)者［16］（P37-47）、［17］（P139-153）的做法一致，將R&D 投入引入到C-D 生產(chǎn)函數(shù)建立模型， 得到如下擴(kuò)展后的C-D 生產(chǎn)函數(shù)：

將（1）式展開為如下具體形式：

（2）式中A、K、L 和RD 分別表示技術(shù)進(jìn)步系數(shù)（一個常數(shù)）、資本投入、勞動投入和研發(fā)投入；α、β 和γ 分別表示資本投入的產(chǎn)出彈性、 勞動投入的產(chǎn)出彈性和R&D 投入的產(chǎn)出彈性。 為了消除異方差的影響并估算變量之間的彈性經(jīng)濟(jì)含義，對（2）式兩邊取對數(shù)得到如下形式：

由于技術(shù)進(jìn)步系數(shù)是一個常數(shù)，所以令I(lǐng)nA=α，那么各地區(qū)擴(kuò)展的C-D 生產(chǎn)函數(shù)為：

其中i 表示地區(qū)，i=1，2，3， …，30；t 表示時間，t=2000，2001，…，2016。

將（4）式轉(zhuǎn)化為如下計量經(jīng)濟(jì)模型：

其中μit為隨機(jī)干擾項(xiàng)。

與前人做法有所不同的是， 由于本文要分別考察R&D 經(jīng)費(fèi)投入和R&D 人員投入對經(jīng)濟(jì)增長的影響，因此建立如下兩個模型：

R&D 經(jīng)費(fèi)投入模型：

R&D 人員投入模型：

（二）變量說明

上述R&D 經(jīng)費(fèi)投入模型和R&D 人員投入模型中各變量的說明如表1：

表1 各變量的說明

考慮到我國尚未對資本進(jìn)行統(tǒng)計， 因此本文采用目前比較普遍使用的由Goldsmith 在1951年開創(chuàng)的永續(xù)盤存法。 具體計算公式如下：

上式i 指代地區(qū)，t 表示時間。 變量K 表示資本；δ 表示資本折舊率；I 表示實(shí)際投資。

關(guān)于資本折舊率δ， 不同的學(xué)者在該指標(biāo)的選取方面各有不同，本文參照謝蘭云（2013）的選取方法，假定資本折舊率δ=7%［16］（P37-47）；對于基期資本存量的選取，本文借鑒張軍等（2004）的做法，將各省市區(qū)2000 年的固定資本形成總額除以10%作為其2000 年基期的資本存量［18］（P35-44）；在實(shí)際投資的處理方面， 本文同樣參照張軍等（2004）的做法， 首先將各年度的固定資產(chǎn)投資價格指數(shù)折算成以2000 年為基期的價格指數(shù)，然后分別乘以2000 年的固定資本形成總額作為各年度的實(shí)際固定資本形成總額， 最后將實(shí)際固定資本形成總額代替實(shí)際投資［18］（P35-44）。

（三）數(shù)據(jù)來源

本文選取全國除西藏外30 個省市區(qū)2000-2016 年的面板數(shù)據(jù)。 地區(qū)生產(chǎn)總值和勞動均來源于各省市區(qū)對應(yīng)的統(tǒng)計年鑒，資本則通過《中國統(tǒng)計年鑒》相應(yīng)指標(biāo)計算得來的，而R&D 經(jīng)費(fèi)投入和R&D 人員投入則來自《中國科技統(tǒng)計年鑒》。

四、實(shí)證分析

（一）面板單位根檢驗(yàn)

由于面板數(shù)據(jù)結(jié)合了時間序列數(shù)據(jù)和截面數(shù)據(jù)的特點(diǎn)，直接進(jìn)行實(shí)證分析時可能會出現(xiàn)“偽回歸”的問題，因此，對面板數(shù)據(jù)進(jìn)行實(shí)證分析之前首先需要對各變量的平穩(wěn)性進(jìn)行單位根檢驗(yàn)，以驗(yàn)證變量是否平穩(wěn)。 根據(jù)各截面是否含有相同單位根，可將面板數(shù)據(jù)單位根檢驗(yàn)分為兩類：一類是同質(zhì)單位根檢驗(yàn)， 即檢驗(yàn)各截面是否含有相同的單位根，代表的檢驗(yàn)方法有LLC 檢驗(yàn)、Hadri 檢驗(yàn)和Breitung 檢驗(yàn)；另一類是異質(zhì)單位根檢驗(yàn)，即各個截面含有不同的單位根， 代表的檢驗(yàn)方法有IPS 檢驗(yàn)、Fisher-PP 檢驗(yàn)和Fisher-ADF 檢驗(yàn)。 上述6 種單位根檢驗(yàn)方法在原假設(shè)方面有所不同，其 中LLC 檢 驗(yàn)、IPS 檢 驗(yàn)、Breitung 檢 驗(yàn)、Fisher-PP 檢驗(yàn)和Fisher-ADF 檢驗(yàn)的原假設(shè)為含有單位根，而Hadri 檢驗(yàn)的原假設(shè)則為不含有單位根。 另外，在對面板數(shù)據(jù)要求方面，LLC 檢驗(yàn)、Hadri 檢驗(yàn)和Breitung 檢驗(yàn)均強(qiáng)烈要求面板數(shù)據(jù)為平衡的面板數(shù)據(jù)，IPS 檢驗(yàn)和Fisher 檢驗(yàn)則對面板數(shù)據(jù)無嚴(yán)格要求。值得說明的是，前面所提的面板單位根檢驗(yàn)方法都是第一代面板單位根檢驗(yàn)， 其假定截面之間嚴(yán)格獨(dú)立，不存在相關(guān)性。但在現(xiàn)實(shí)經(jīng)濟(jì)世界里往往無法滿足第一代面板單位根的假定。

為了更好地擬合現(xiàn)實(shí)中截面相關(guān)的客觀事實(shí)，由Pesaran（2007）提出的CADF 檢驗(yàn)則很好解決了截面相關(guān)和異質(zhì)性問題， 該檢驗(yàn)的原假設(shè)為“序列非平穩(wěn)”［19］（P265-312）。 為了準(zhǔn)確科學(xué)選用面板單位根檢驗(yàn)方法，本文將對截面進(jìn)行相關(guān)性檢驗(yàn)。在截面相關(guān)性檢驗(yàn)方面， 目前大多數(shù)學(xué)者選用Pesaran（2004）提出的CD 檢驗(yàn)方法，其原假設(shè)為“不存在截面相關(guān)”［20］（P1240）。 具體檢驗(yàn)結(jié)果從表2中可看出各個變量均在1%的顯著性水平下強(qiáng)烈拒絕原假設(shè)， 即本文采用的面板數(shù)據(jù)存在強(qiáng)烈的截面相關(guān)性。 鑒于本文面板數(shù)據(jù)屬于平衡面板數(shù)據(jù)以及截面存在相關(guān)性問題， 本文將重點(diǎn)關(guān)注第二代面板單位根CADF 檢驗(yàn)， 同時為了減少單一檢驗(yàn)帶來的局限性， 把LLC 檢驗(yàn)、IPS 檢驗(yàn)和Fisher-ADF 檢驗(yàn)納入?yún)⒖挤秶?/p>

表2 CD 檢驗(yàn)結(jié)果

表3 面板單位根檢驗(yàn)結(jié)果

表3 的面板單位根檢驗(yàn)結(jié)果顯示， 各變量水平值在CADF 檢驗(yàn)下均不顯著， 但一階差分在10%顯著水平下表現(xiàn)出平穩(wěn)狀態(tài)； 在IPS 檢驗(yàn)、LLC 檢驗(yàn)和Fisher-ADF 檢驗(yàn)下，多數(shù)變量水平值不顯著，但一階差分均表現(xiàn)出平穩(wěn)的現(xiàn)象。 因此，通過對面板單位根檢驗(yàn)結(jié)果的分析， 可以得出各變量存在一階差分平穩(wěn)的結(jié)論。 這也表明變量之間的線性組合可能存在長期穩(wěn)定的關(guān)系， 進(jìn)而需要進(jìn)行面板協(xié)整檢驗(yàn)來加以驗(yàn)證這種可能存在的長期關(guān)系。

（二）面板協(xié)整檢驗(yàn)

就目前面板協(xié)整檢驗(yàn)而言， 主要的檢驗(yàn)方法有兩種： 一種是基于序列平穩(wěn)回歸所得殘差構(gòu)造的統(tǒng)計量對同質(zhì)和異質(zhì)面板數(shù)據(jù)的檢驗(yàn)， 代表性檢驗(yàn)有Kao 檢驗(yàn)和Pedroni 檢驗(yàn)， 它們的原假設(shè)為“不存在協(xié)整關(guān)系”，備選假設(shè)為“所有面板都是協(xié)整的”［21］（P1-44）、［22］（P653-670）、［23］（P597-629）； 另一種是基于回歸殘差構(gòu)造的LM 檢驗(yàn)， 代表性檢驗(yàn)有Westerlund 檢驗(yàn)，其原假設(shè)為“存在協(xié)整關(guān)系”，備選假設(shè)為 “一部分面板存在協(xié)整關(guān)系”［24］（P297-316）。需要強(qiáng)調(diào)的是， 上述的面板協(xié)整檢驗(yàn)方法只能對截面獨(dú)立的面板數(shù)據(jù)進(jìn)行檢驗(yàn)， 而無法對截面相關(guān)的面板數(shù)據(jù)進(jìn)行檢驗(yàn)，這是其一大缺陷。 因此，為了在截面存在相關(guān)性時能夠?qū)γ姘鍏f(xié)整進(jìn)行檢驗(yàn)，Westerlund（2007）通過Bootstrap 自舉法構(gòu)造了誤差修正項(xiàng)的檢驗(yàn)［25］（P709-748）。Westerlund 構(gòu)造了4 個統(tǒng)計量，分別為組統(tǒng)計量Gt、Ga和面板統(tǒng)計量Pt、Pa。這4 個統(tǒng)計量的零假設(shè)都為“不存在協(xié)整關(guān)系”，組統(tǒng)計量的備選假設(shè)為“至少存在一組協(xié)整關(guān)系”，面板統(tǒng)計量備選假設(shè)為“面板整體上存在協(xié)整關(guān)系”。 在對面板單位根進(jìn)行檢驗(yàn)時，本文通過CD 檢驗(yàn)法已經(jīng)得出截面存在相關(guān)的結(jié)論。 因此， 為了減少單一檢驗(yàn)的局限性和保證檢驗(yàn)的穩(wěn)健性，本文同時采用截面相關(guān)的Westerlund 檢驗(yàn)和Kao 檢驗(yàn)來對InY 與InK、InL、InRM和InRL之間的面板協(xié)整關(guān)系進(jìn)行檢驗(yàn)［21］（P1-44）、［25］（P709-748）。

表4 與InY、InL、InRM 和InRL 之間的協(xié)整檢驗(yàn)

表4 的檢驗(yàn)結(jié)果顯示，Kao 檢驗(yàn)表明InK 與InY、InL、InRM和InRL 在10%水平下顯著，拒絕不存在協(xié)整關(guān)系的零假設(shè)， 即InY 與各變量存在長期穩(wěn)定的關(guān)系；Westerlund 檢驗(yàn)［25］（P709-748）表明除了Gt統(tǒng)計量之外，其余3 個統(tǒng)計量均拒絕不存在協(xié)整關(guān)系的零假設(shè)， 因此有足夠的證據(jù)表明InY 與各變量存在長期穩(wěn)定的關(guān)系。綜上判斷，基本可以認(rèn)為InY 與各變量存在長期穩(wěn)定的關(guān)系。

（三）面板協(xié)整估計

通過對面板數(shù)據(jù)的協(xié)整檢驗(yàn)， 發(fā)現(xiàn)InY 與各變量存在長期穩(wěn)定的關(guān)系， 但要對這種關(guān)系具體量化考察， 目前學(xué)者普遍使用普通最下二乘法（OLS）估計模型參數(shù)，這種估計方法可能導(dǎo)致結(jié)論的失真。 因?yàn)?，在現(xiàn)實(shí)的復(fù)雜經(jīng)濟(jì)活動中，生產(chǎn)活動的各投入要素之間聯(lián)系緊密， 宏觀經(jīng)濟(jì)波動必然引發(fā)要素活動的變化， 因此基本很難避免各投入要素的內(nèi)生性和序列相關(guān)問題。 針對這一問題，Philips 和Hansen（1990）首次提出針對時間序列協(xié)整方程的完全修正最小二乘估計（FMOLS），在此基礎(chǔ)上，Pedroni（2000）對其進(jìn)行完善并擴(kuò)展到異質(zhì)性面板協(xié)整中［26］（P99-125）、［27］（P93-130）。 面板協(xié)整FMOLS 運(yùn)用半?yún)?shù)估計方法能夠有效的消除因變量內(nèi)生性和擾動項(xiàng)自相關(guān)帶來的估計偏誤以及克服“偽回歸”問題。 需要強(qiáng)調(diào)的是，面板FMOLS包括了組間（between-dimension）面板估計和組內(nèi)（within-dimension） 面 板 估 計， 并 且Pedroni（2000）對這兩種估計方法進(jìn)行了對比分析，認(rèn)為組間估計在小樣本和操作靈活性方面更優(yōu)于組內(nèi)估計［27］（P93-130）。 基于本文選取樣本的時間跨度T=17 屬于小樣本的事實(shí)， 因而采用組間面板FMOLS 分別對R&D 經(jīng)費(fèi)投入模型和R&D 人員投入模型進(jìn)行協(xié)整估計。

表5 R&D 經(jīng)費(fèi)投入和R&D 人員投入分別對經(jīng)濟(jì)增長的FMOLS 估計結(jié)果

注：1）由于本文重點(diǎn)關(guān)注研發(fā)經(jīng)費(fèi)投入和研發(fā)人員投入分別對經(jīng)濟(jì)增長的影響，故資本K 和勞動L 均未列出；2）括號內(nèi)為t 統(tǒng)計值；3）***、**、* 分別表示1%、5%、10%水平下顯著。

通過表5 的FMOLS 回歸結(jié)果可以得出：

1.從全國范圍來看

R&D 經(jīng)費(fèi)投入和R&D 人員投入都能夠促進(jìn)經(jīng)濟(jì)增長。 其中R&D 經(jīng)費(fèi)投入對經(jīng)濟(jì)增長的彈性為0.11，高于R&D 人員投入產(chǎn)出彈性0.08，表明R&D 經(jīng)費(fèi)投入對經(jīng)濟(jì)增長的拉動作用大于R&D 人員投入， 這一現(xiàn)象可由我國對R&D 投入要素的非均衡化得到一些證實(shí)。 在2000-2016 年期間， 我國對R&D 經(jīng)費(fèi)投入年均增長率為20.45%，R&D 人員投入年均增長9.67%，R&D 經(jīng)費(fèi)投入年均增長率是R&D 人員投入的2.12 倍。這一差異化的投入導(dǎo)致R&D 經(jīng)費(fèi)投入較之于R&D 人員投入而言， 其對經(jīng)濟(jì)增長的貢獻(xiàn)度更大。

2.從各省市范圍來看

（1）在R&D 經(jīng)費(fèi)投入方面，天津、安徽和海南在10%水平下不顯著， 表明這三個省份R&D經(jīng)費(fèi)投入未促進(jìn)地區(qū)經(jīng)濟(jì)增長。 數(shù)據(jù)顯示，天津、安徽和海南在2000-2016 年的R&D 經(jīng)費(fèi)投入平均為2129404 萬元、1683038 萬元和72452 萬元，在全國30 個省市區(qū)中分別排第10、13 和29 名，這說明除了海南的R&D 經(jīng)費(fèi)投入較低外， 天津和安徽的R&D 經(jīng)費(fèi)投入處于中上游水平。 因此，導(dǎo)致天津、 安徽和海南的R&D 經(jīng)費(fèi)投入未能拉動經(jīng)濟(jì)增長原因可能是由于R&D 經(jīng)費(fèi)投入不足以及R&D 經(jīng)費(fèi)使用不合理造成的。 吉林、江西、貴州、云南和甘肅在10%水平下顯著，但R&D 經(jīng)費(fèi)產(chǎn)出彈性為負(fù)值， 表明這些省市區(qū)在R&D 經(jīng)費(fèi)使用方面出現(xiàn)效率低下問題，R&D 經(jīng)費(fèi)不但未能促進(jìn)經(jīng)濟(jì)增長，反而成為了經(jīng)濟(jì)增長的“負(fù)擔(dān)”；另外， 從區(qū)域角度來看，R&D 經(jīng)費(fèi)對經(jīng)濟(jì)增長出現(xiàn)抑制作用的省市區(qū)都集中在中西部地區(qū)， 造成這種狀況的原因除了經(jīng)費(fèi)使用效率低下的原因外， 可能還與中西部地區(qū)的地方軟硬件基礎(chǔ)設(shè)施無法及時匹配科研成果轉(zhuǎn)化有關(guān)， 從而造成經(jīng)濟(jì)“負(fù)增長”。 其余省市區(qū)的R&D 經(jīng)費(fèi)投入對經(jīng)濟(jì)增長在10%水平下顯著且產(chǎn)出彈性為正數(shù)，其中表現(xiàn)最突出的是上海， 其產(chǎn)出彈性為0.56（R&D經(jīng)費(fèi)每增加1%，經(jīng)濟(jì)增長就會提高0.56%），表明R&D 經(jīng)費(fèi)投入對經(jīng)濟(jì)增長具有正向的影響作用，更進(jìn)一步體現(xiàn)了各省市區(qū)近年來加大對R&D 經(jīng)費(fèi)投入力度產(chǎn)生了較好的經(jīng)濟(jì)效益。

（2）在R&D 人員投入方面，上海、海南、吉林和甘肅R&D 人員投入在10%水平下不顯著，說明這些地區(qū)的R&D 人員未能發(fā)揮好促進(jìn)經(jīng)濟(jì)增長的作用。 數(shù)據(jù)顯示，上海、海南、吉林和甘肅在2000-2016 年的R&D 人員投入平均為110198人、3654 人、35077 人和20372 人，在全國30 個省市區(qū)中分別排第6、29、20 和25 名，表明除了上海排名較高外， 其余省份均處在全國下游水平。 因此， 抑制經(jīng)濟(jì)增長的原因可能是R&D 人員投入不足以及R&D 人員的科技成果轉(zhuǎn)化成社會經(jīng)濟(jì)效益較差導(dǎo)致的。 北京、天津、河北、江蘇、山東、重慶、四川和新疆R&D 投入人員在10%水平下顯著，但對經(jīng)濟(jì)增長出現(xiàn)抑制作用。 原因可能正如蘇朝暉和吳曉曉（2014）所認(rèn)為的：R&D 人員的投入過多造成冗余以及R&D 人員技術(shù)水平較低等現(xiàn)象， 這不但不會促進(jìn)經(jīng)濟(jì)增長， 反而會因R&D 人員成本的增加造成對經(jīng)濟(jì)增長產(chǎn)生“負(fù)擔(dān)”［28］（P97-107）。 其余省市區(qū)R&D 人員投入在10%水平下顯著且對經(jīng)濟(jì)增長發(fā)揮正向影響作用， 其中浙江R&D 人員投入對經(jīng)濟(jì)增長的促進(jìn)作用最大， 其產(chǎn)出彈性為0.39（R&D 人員投入每增加1%， 經(jīng)濟(jì)增長就會提高0.39%）， 說明這些省市區(qū)的R&D 人員發(fā)揮著科技創(chuàng)新的引領(lǐng)作用， 能夠較好的對后期成果及時產(chǎn)業(yè)化。

五、結(jié)論與政策建議

本文采用我國除西藏之外30 個省市區(qū)2000-2016 年的面板數(shù)據(jù)，將R&D 投入的兩種要素——R&D 經(jīng)費(fèi)投入和R&D 人員投入——引入到C-D 生產(chǎn)函數(shù)中， 經(jīng)過面板單位根和協(xié)整檢驗(yàn)，發(fā)現(xiàn)R&D 經(jīng)費(fèi)投入和R&D 人員投入與經(jīng)濟(jì)增長之間存在長期協(xié)整關(guān)系。 為了準(zhǔn)確估計這一關(guān)系，本文運(yùn)用組間面板FMOLS 方法分別考察了R&D 經(jīng)費(fèi)投入和R&D 人員投入對經(jīng)濟(jì)增長的產(chǎn)出彈性，研究得出：從全國范圍來看，R&D 經(jīng)費(fèi)投入和R&D 人員投入都能夠促進(jìn)經(jīng)濟(jì)增長， 但前者對經(jīng)濟(jì)增長的促進(jìn)作用大于后者； 從各省市區(qū)范圍來看，R&D 經(jīng)費(fèi)投入和R&D 人員投入對經(jīng)濟(jì)增長都存在區(qū)域特性， 不同省市區(qū)表現(xiàn)出顯著差異，有些省市區(qū)甚至出現(xiàn)抑制經(jīng)濟(jì)增長的現(xiàn)象。基于此，本文針對這些論斷給出以下幾點(diǎn)建議：

（一）加大對中西部R&D 投入的力度，縮小區(qū)域經(jīng)濟(jì)發(fā)展差距。數(shù)據(jù)表明，2000-2016 年東部與中西部R&D 投入強(qiáng)度 （研發(fā)投入經(jīng)費(fèi)占GDP比重）相差較大，其中東部R&D 投入強(qiáng)度年均為2.30%，中西部僅為1.33%，較大的R&D 投入強(qiáng)度差異將導(dǎo)致中西部與東部經(jīng)濟(jì)發(fā)展態(tài)勢進(jìn)一步擴(kuò)大，不利于區(qū)域協(xié)調(diào)發(fā)展和縮小區(qū)域經(jīng)濟(jì)差距。因此， 加大對中西部R&D 投入強(qiáng)度將有利于其追趕東部經(jīng)濟(jì)發(fā)展步伐，縮小區(qū)域發(fā)展差距，同時也將提高居民收入。

（二）建立與健全對R&D 資金流向全方位監(jiān)控以及對R&D 人員績效考核體系。 本文研究表明，R&D 經(jīng)費(fèi)投入使用效率低下以及R&D 人員技術(shù)水平較低是制約經(jīng)濟(jì)增長的原因之一。因此，建立與健全對R&D 資金流向的全方位監(jiān)控體系將有利于實(shí)時把控資金流向動向， 確保R&D 資金能夠有效的分配到研發(fā)活動中； 同時， 健全的R&D 人員績效考核體系將有利于充分挖掘R&D人員的科研潛力。

（三） 加快對中西部軟硬基礎(chǔ)設(shè)施建設(shè)步伐。由于我國實(shí)施的非均衡發(fā)展戰(zhàn)略， 導(dǎo)致中西部與東部經(jīng)濟(jì)發(fā)展出現(xiàn)較大差距， 進(jìn)而在軟硬基礎(chǔ)設(shè)施方面也出現(xiàn)擴(kuò)大趨勢。另外，不管是在科技市場信息披露、 專利審批程序和相關(guān)法律法規(guī)完善程度等軟環(huán)境建設(shè)方面，還是在物流運(yùn)輸、通訊電纜等硬環(huán)境建設(shè)方面， 中西部較之于東部而言顯現(xiàn)出較大差距， 而這些軟硬基礎(chǔ)設(shè)施卻是科技成果轉(zhuǎn)化為市場經(jīng)濟(jì)效應(yīng)的根本保證。

（四）精簡研發(fā)人員隊(duì)伍，提升R&D 人員技術(shù)水平。 首先，研發(fā)機(jī)構(gòu)、企業(yè)和高校應(yīng)該把精簡R&D 人員隊(duì)伍建設(shè)目標(biāo)擺在首位， 避免因R&D人員過多而產(chǎn)生冗余現(xiàn)象；其次，對R&D 人員再培訓(xùn)時，應(yīng)更加注重R&D 人員的科研實(shí)踐能力，避免教條式的照本宣科；最后，提高R&D 人員的待遇， 解決物質(zhì)生活問題才能激發(fā)R&D 人員的創(chuàng)新潛力和提升研發(fā)能力。

（五）注重科技成果轉(zhuǎn)化、產(chǎn)業(yè)化以及解決科技信息不對稱問題。首先，各省市區(qū)的地方政府應(yīng)該積極引導(dǎo)研發(fā)機(jī)構(gòu)、 企業(yè)和高校的科技成果轉(zhuǎn)化成現(xiàn)實(shí)產(chǎn)品和實(shí)現(xiàn)產(chǎn)業(yè)化，避免出現(xiàn)“產(chǎn)學(xué)研”脫節(jié)的現(xiàn)象；其次，政府應(yīng)該搭建暢通的科技信息傳輸通道，幫助研發(fā)機(jī)構(gòu)、企業(yè)和高校及時掌握目前科技市場的最新動態(tài)，解決信息不對稱問題；最后， 政府在科技成果轉(zhuǎn)化和產(chǎn)業(yè)化方面應(yīng)給與一定的免稅政策支持， 以此來增強(qiáng)科技從業(yè)者的科技成果轉(zhuǎn)化動力。