京津冀創(chuàng)新資源配置與經(jīng)濟(jì)增長關(guān)系的實(shí)證研究

張宏 王雪晨

摘? 要： 利用2008—2018年有關(guān)數(shù)據(jù)，通過單位根檢驗(yàn)和模型設(shè)定檢驗(yàn)，建立固定效應(yīng)變系數(shù)面板數(shù)據(jù)模型，對創(chuàng)新資源配置與經(jīng)濟(jì)增長之間的長期均衡關(guān)系進(jìn)行實(shí)證分析。研究表明：創(chuàng)新資源配置對經(jīng)濟(jì)發(fā)展具有明顯的促進(jìn)作用，創(chuàng)新人力資源投入的產(chǎn)出彈性大于創(chuàng)新物質(zhì)資源和創(chuàng)新知識資源投入的產(chǎn)出彈性;在三種創(chuàng)新資源投入要素的彈性系數(shù)中，北京和天津呈現(xiàn)三高特征，河北則呈現(xiàn)三低特征?；诖耍谥贫ㄕ邥r需要充分考慮創(chuàng)新資源配置與經(jīng)濟(jì)增長的互動關(guān)系，各地區(qū)在加大投入力度的同時，更應(yīng)注重創(chuàng)新人員數(shù)量與質(zhì)量的提升，著重提高其投入—產(chǎn)出績效。

關(guān)鍵詞： 創(chuàng)新資源? 京津冀? 經(jīng)濟(jì)增長? 面板數(shù)據(jù)

一、引言

近年來，將創(chuàng)新資源配置將轉(zhuǎn)化為現(xiàn)實(shí)發(fā)展的內(nèi)在動機(jī)成為國家部署的重點(diǎn)任務(wù)。十九大報告指出：“創(chuàng)新是引領(lǐng)發(fā)展的第一動力，是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐”。創(chuàng)新成為了經(jīng)濟(jì)增長的重要推手，而創(chuàng)新資源的配置情況會直接影響區(qū)域創(chuàng)新能力的高低。因此，本文從京津冀三個地區(qū)創(chuàng)新資源配置情況入手，根據(jù)知識資源、人力資源和物力資源的配置情況選取5個指標(biāo)，分別納入創(chuàng)新資源配置影響經(jīng)濟(jì)增長的模型中，研究京津冀地區(qū)創(chuàng)新資源配置與經(jīng)濟(jì)增長之間的關(guān)系。

近年來，國內(nèi)學(xué)者在創(chuàng)新對經(jīng)濟(jì)增長影響方面的研究層出不窮，且多從實(shí)證角度出發(fā)。胡恩華等（2006）利用1991—2003年的歷史數(shù)據(jù)進(jìn)行分析，結(jié)果表明科技投入對經(jīng)濟(jì)發(fā)展的促進(jìn)作用有一定的滯后性＼[1＼]。張順（2006）運(yùn)用向量自回歸（VAR）模型得出R&D投入增加推動了經(jīng)濟(jì)的增長＼[2＼]。盧方元、靳丹丹（2011）分別建立GDP與R&D經(jīng)費(fèi)投入以及GDP與R&D人員投入之間的固定效應(yīng)變系數(shù)模型，結(jié)果得出R&D投入對經(jīng)濟(jì)發(fā)展具有明顯的促進(jìn)作用＼[3＼]。馮云廷、計(jì)利群（2020）以15個副省級城市為例，采用變截距模型和控制地區(qū)因素變系數(shù)模型研究技術(shù)創(chuàng)新與城市經(jīng)濟(jì)增長波動之間的關(guān)系的關(guān)系，認(rèn)為技術(shù)創(chuàng)新是城市經(jīng)濟(jì)穩(wěn)定增長的關(guān)鍵＼[4＼]。李新安（2020）以河南省為例，分別對全要素生產(chǎn)率和創(chuàng)新基礎(chǔ)、投入、產(chǎn)出、制度的指數(shù)進(jìn)行測算，通過計(jì)量模型分析得出區(qū)域創(chuàng)新能力與經(jīng)濟(jì)發(fā)展質(zhì)量之間存在較為顯著的長期均衡因果關(guān)系＼[5＼]。

通過對創(chuàng)新與經(jīng)濟(jì)增長已有文獻(xiàn)的回顧與梳理不難發(fā)現(xiàn)，針對創(chuàng)新的研究不斷出現(xiàn)新內(nèi)容、新視角、新方法，研究的領(lǐng)域不斷拓展，研究的深度也不斷增加。然而，關(guān)于京津冀地區(qū)創(chuàng)新資源配置對經(jīng)濟(jì)增長影響的研究文獻(xiàn)較少，所以本文將選取這三個地區(qū)的數(shù)據(jù)，進(jìn)行面板數(shù)據(jù)的實(shí)證檢驗(yàn)，從而分析創(chuàng)新資源配置對京津冀地區(qū)經(jīng)濟(jì)增長影響的區(qū)域差異。

二、指標(biāo)選取與數(shù)據(jù)來源說明

本文主要研究京津冀地區(qū)創(chuàng)新資源配置對經(jīng)濟(jì)增長影響，因此指標(biāo)選取主要來自創(chuàng)新資源配置和經(jīng)濟(jì)增長兩個方面。在衡量地區(qū)經(jīng)濟(jì)實(shí)力時，通常使用地區(qū)的生產(chǎn)總值GDP。因此，本文選取京津冀地區(qū)的國內(nèi)生產(chǎn)總值GDP（億元）作為被解釋變量指標(biāo)。在地區(qū)創(chuàng)新資源配置方面，從知識資源、人力資源和物力資源三個方面入手共選取了5個指標(biāo)，分別是專利授權(quán)總量（萬項(xiàng)）、R&D活動人員數(shù)量（萬人年）、本科以上畢業(yè)生數(shù)量（萬人年）、科學(xué)技術(shù)一般公共預(yù)算支出（億元）和研究與試驗(yàn)發(fā)展R&D經(jīng)費(fèi)支出（億元）。其中專利授權(quán)總量（萬項(xiàng)），用來表示知識資源的投入水平;R&D活動人員數(shù)量（萬人年）和本科以上畢業(yè)生數(shù)量（萬人年），用來表示人力資源的投入水平;科學(xué)技術(shù)一般公共預(yù)算支出（億元）和研究與試驗(yàn)發(fā)展R&D經(jīng)費(fèi)，用來表示物力資源的投入水平。

以上指標(biāo)數(shù)據(jù)選取的年份為2008-2018。其中，各地區(qū)的專利授權(quán)總量、R&D活動人員數(shù)量和研究與試驗(yàn)發(fā)展R&D經(jīng)費(fèi)支出的有關(guān)數(shù)據(jù)來源于《中國科技統(tǒng)計(jì)年鑒》;京津冀地區(qū)本科以上畢業(yè)生數(shù)量（萬人年）、科學(xué)技術(shù)一般公共預(yù)算支出（億元）以及地區(qū)生產(chǎn)總值數(shù)據(jù)來源于《北京統(tǒng)計(jì)年鑒》《河北經(jīng)濟(jì)年鑒》和《天津統(tǒng)計(jì)年鑒》。

三、實(shí)證分析

（一）模型選擇與設(shè)定

面板數(shù)據(jù)模型是截面數(shù)據(jù)與時間序列數(shù)據(jù)綜合起來的一種計(jì)量經(jīng)濟(jì)模型，可以分析同一時間點(diǎn)不同截面上的經(jīng)濟(jì)特征，更好地反映經(jīng)濟(jì)結(jié)構(gòu)特征，提高動態(tài)分析的可靠性。面板數(shù)據(jù)模型的一般形式如下：[BF]Yi，t=αi，t+βi，tXi，t+εi，t，i=1，2，…，N;t=1，2，3，…[BFQ]

該模型表示k個經(jīng)濟(jì)指標(biāo)在i個個體及t個時間點(diǎn)上的變動關(guān)系，其中i表示個體截面成員的個數(shù)，t表示每個截面成員的觀測時期總數(shù)，參數(shù)[BF]αi，t[BFQ]表示模型的常數(shù)項(xiàng)，[BF]βi，t[BFQ]表示對應(yīng)于解釋變量向量[BF]Xi，t[BFQ]，t的k×1維系數(shù)向量，k表示解釋變量個數(shù)。隨機(jī)誤差項(xiàng)[BF]εi，t[BFQ]相互獨(dú)立，且滿足零均值、等方差為[BF]σ2u[BFQ]的假設(shè)。該模型常有變截距模型[BF]（αi≠αj，βi≠βj）[BFQ]、變系數(shù)模型[BF]（αi≠αj，βi≠βj）[BFQ]、混合回歸模型[BF]（αi=αj，βi=βj）[BFQ]＼[6＼]。

本文研究選取人力資源、知識資源和物力資源三個方面的指標(biāo)，衡量各種要素投入對京、津、冀各區(qū)域經(jīng)濟(jì)增長的影響。選擇專利授權(quán)總量（萬項(xiàng)）作為衡量知識資源配置的指標(biāo)，R&D活動人員數(shù)量（萬人年）和本科以上畢業(yè)生數(shù)量（萬人年）總量作為衡量創(chuàng)新人力資源配置指標(biāo)，科學(xué)技術(shù)一般公共預(yù)算支出（億元）和研究與試驗(yàn)發(fā)展R&D經(jīng)費(fèi)支出（億元）總量作為衡量創(chuàng)新物質(zhì)資源配置指標(biāo)，衡量經(jīng)濟(jì)增長的指標(biāo)為國內(nèi)生產(chǎn)總值GDP（億元）。由于上述變量數(shù)據(jù)是絕對量，所以進(jìn)行對數(shù)處理，消除異方差的影響，本研究面板據(jù)模型的解析表達(dá)式為：

模型1：[BF]ln（GDPi，t）=c1+α1i+β1iln（Zi，t）+ε1i，t，t=1，2，3;t=1，2，3…T[BFQ]

模型2：[BF]ln（GDPi，t）=c2+α2i+β2iln（Ri，t）+ε2i，t，t=1，2，3;t=1，2，3…T[BFQ]

模型3：[BF]ln（GDPi，t）=c3+α3i+β3iln（Qi，t）+ε3i，t，t=1，2，3;t=1，2，3…T[BFQ]

其中，Z表示專利授權(quán)總量（萬項(xiàng)），R表示R&D活動人員數(shù)量（萬人年）和本科以上畢業(yè)生數(shù)量（萬人年）的總數(shù)、Q表示科學(xué)技術(shù)一般公共預(yù)算支出（億元）和研究與試驗(yàn)發(fā)展R&D經(jīng)費(fèi)支出（億元）的總數(shù)。下標(biāo)（i，t）表示第i個觀測單元第t期的相應(yīng)指標(biāo)。[BF]εi，t[BFQ]為滿足[BF]E（εi，t）=0[BFQ]和[BF]var（εi，t）=σ2u[BFQ]的隨機(jī)擾動項(xiàng)。

（二）單位根檢驗(yàn)

為了避免出現(xiàn)“偽回歸”狀況，通常需要進(jìn)行數(shù)據(jù)平穩(wěn)性檢驗(yàn)。面板數(shù)據(jù)平穩(wěn)性檢驗(yàn)主要為單位根檢驗(yàn)，包括6種檢驗(yàn)方法，其中LLC檢驗(yàn)、Breitung檢驗(yàn)、Hadri檢驗(yàn)是含有相同單位根的檢驗(yàn)方法，IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)是含有不同單位根的檢驗(yàn)方法。LLC檢驗(yàn)、Breitung檢驗(yàn)、IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)的原假設(shè)均為含有單位根;Hadri檢驗(yàn)原假設(shè)為不含有單位根＼[7＼]。本文采用LLC檢驗(yàn)和Fisher-PP檢驗(yàn)方法，分別檢驗(yàn)是否存在同質(zhì)單位根和異質(zhì)單位根。運(yùn)用Eviews80分別對面板數(shù)據(jù)lnGDP、lnZ、lnR和lnQ進(jìn)行檢驗(yàn)，表1給出了兩種檢驗(yàn)方法的結(jié)果。lnGDP、lnZ和lnQ在1%的顯著水平下是平穩(wěn)變量，lnR為非平穩(wěn)變量，對lnR進(jìn)行一階差分，檢驗(yàn)結(jié)果通過，說明lnR是一階單整變量。

（三）模型設(shè)定檢驗(yàn)

面板數(shù)據(jù)模型根據(jù)影響形式分為固定效應(yīng)模型和隨機(jī)效應(yīng)模型，根據(jù)模型形式，分為既無個體影響又無結(jié)構(gòu)變化的混合模型、有個體影響但無結(jié)構(gòu)變化的變截距模型和既有個體影響又有結(jié)構(gòu)變化的變系數(shù)模型，一般使用協(xié)方差分析檢驗(yàn)判斷回歸模型形式＼[8＼]。對于影響形式，通常使用Hausman檢驗(yàn)，該檢驗(yàn)的原假設(shè)為模型為隨機(jī)效應(yīng)模型。對于模型形式的檢驗(yàn)，通常需要人工構(gòu)造統(tǒng)計(jì)量。

本文通過構(gòu)建Lr檢驗(yàn)統(tǒng)計(jì)量判斷模型形式：[BF]Lr=2（Lr1-Lr2）[BFQ]，lnLr1為無約束條件下最大似然估計(jì)值， lnLR2為有約束條件下最大似然估計(jì)值，LR服從自由度為（i+t+ki-k-2）的卡方分布，統(tǒng)計(jì)量原假設(shè)為不變系數(shù)模型。如果拒絕原假設(shè)，則為變系數(shù)模型。

根據(jù)2008—2018年京、津、冀的lnGDP、lnZ、lnR和lnQ的面板數(shù)據(jù)，使用Eviews80進(jìn)行hansman檢驗(yàn)及估計(jì)，確定lnGDP與lnZ、lnGDP與lnR、lnGDP與lnQ之間應(yīng)建立固定效應(yīng)變系數(shù)模型，模型1、2、3設(shè)定準(zhǔn)確。

（四）回歸結(jié)果分析

本文采用ls最小二乘法分別對模型1、模型2、模型3的參數(shù)進(jìn)行估計(jì)，得到如表2、表3和表4所示的結(jié)果。

根據(jù)表2，可以得出模型1的估計(jì)方程：[BF]ln（GDPi，t）=53104+α1+β1ln（Zi，t），R2=09928，F(xiàn)=3718801[BFQ]

由R2和F的值可知，模型1擬合優(yōu)度很高且總體線性關(guān)系顯著。各地區(qū)lnZ系數(shù)[BF]α1[BFQ]均能通過t檢驗(yàn)，表明創(chuàng)新知識資源投入對經(jīng)濟(jì)增長的影響顯著。模型1中截距項(xiàng)代表的是經(jīng)濟(jì)增長中不能被知識資源投入所解釋的部分，其值越大，表明投入要素對經(jīng)濟(jì)增長的促進(jìn)作用越大。其中，53104反映京津冀總體知識資源投入產(chǎn)出效果的整體水平，截距的固定影響參數(shù)[BF]α1[BFQ]反映京津冀之間的差異，lnZ的系數(shù)[BF]β1[BFQ]表現(xiàn)為京津冀知識資源投入產(chǎn)出彈性系數(shù)，反映了知識資源投入對經(jīng)濟(jì)增長的影響效果。

從表2看出：①河北的截距項(xiàng)最大，其次是北京，說明這兩個地區(qū)在經(jīng)濟(jì)增長上受知識資源投入之外的綜合因素影響較大，天津則較為穩(wěn)定。②知識資源投入對經(jīng)濟(jì)影響最大的是北京，其次是天津，最后是河北。北京和天津知識資源投入彈性系數(shù)都在07-08范圍內(nèi)，說明知識資源投入對這兩個地區(qū)的經(jīng)濟(jì)增長的影響處于中等水平，河北省的知識資源投入彈性系數(shù)在06以下，說明知識資源投入的經(jīng)濟(jì)效果較差。

模型2擬合也很好，且各地區(qū)lnR對lnGDP影響顯著。從表3可以看出：①北京的截距項(xiàng)最大，其次是河北，天津的截距項(xiàng)最小，說明北京和河北在經(jīng)濟(jì)增長上受人力資源投入之外的綜合因素影響較大，天津則較為穩(wěn)定。②人力資源投入對經(jīng)濟(jì)影響最大的是北京，其次是天津，最后是河北，北京和天津人力資源投入彈性系數(shù)都在14以上，說明人力資源投入對這兩個地區(qū)的經(jīng)濟(jì)增長有很好的促進(jìn)作用，河北省的人力資源投入彈性系數(shù)在為09，說明人力資源投入對經(jīng)濟(jì)增長的促進(jìn)效果較好。

模型3擬合很好，且物質(zhì)資源投入對各地區(qū)經(jīng)濟(jì)增長影響顯著。從表4可以看出：①河北的截距項(xiàng)最大，其次是北京和天津，說明河北的經(jīng)濟(jì)增長受物質(zhì)資源投入之外的綜合因素影響較大，北京和天津則較為穩(wěn)定。②從彈性系數(shù)上看，物質(zhì)資源投入對經(jīng)濟(jì)影響最大的是天津，其次是北京，最后是河北，但是京津冀物質(zhì)資源投入彈性系數(shù)都在06以下，說明物質(zhì)資源投入對京津冀地區(qū)的經(jīng)濟(jì)增長促進(jìn)作用較差。

綜合考慮，從創(chuàng)新資源分配角度，創(chuàng)新人力資源投入對京津冀經(jīng)濟(jì)增長的促進(jìn)作用最為明顯，創(chuàng)新知識資源投入和創(chuàng)新物質(zhì)資源投入的影響程度相對較低;從創(chuàng)新資源投入產(chǎn)出穩(wěn)定性角度，北京和河北的創(chuàng)新資源投入對經(jīng)濟(jì)增長促進(jìn)作用不穩(wěn)定，這兩個地區(qū)經(jīng)濟(jì)受其他因素影響的可能性較大，對于天津，創(chuàng)新資源投入對經(jīng)濟(jì)增長促進(jìn)作用較為穩(wěn)定;從各地區(qū)特征分析，對于北京和天津，創(chuàng)新人力資源投入產(chǎn)出效果最好，其次是知識資源，最后是物質(zhì)資源。對于河北，創(chuàng)新資源的投入產(chǎn)出效果并不明顯。

四、結(jié)論與建議

第一，京津冀地區(qū)創(chuàng)新資源配置與經(jīng)濟(jì)增長之間存在顯著關(guān)系，創(chuàng)新人力資源、知識資源和物力資源的投入能夠推動京津冀地區(qū)經(jīng)濟(jì)持續(xù)增長。因此，在制定政策時需要充分考慮創(chuàng)新資源配置與經(jīng)濟(jì)增長的互動關(guān)系。在大幅度增加創(chuàng)新資源投入的同時，要保持合理的資源投入結(jié)構(gòu)，實(shí)現(xiàn)資源的優(yōu)化配置，提高對知識資源、人力資源和物力資源的有效利用，使創(chuàng)新資源的投入更有效地促進(jìn)GDP的增長。

第二，京津冀總體上創(chuàng)新人力資源投入的產(chǎn)出彈性大于知識資源和物力資源的投入產(chǎn)出彈性，即京津冀地區(qū)創(chuàng)新人力資源投入對經(jīng)濟(jì)增長的影響程度高于知識資源和物力資源投入對經(jīng)濟(jì)增長的影響程度。因此，各地區(qū)在加大知識資源和物質(zhì)資源投入力度的同時更應(yīng)注重創(chuàng)新人員數(shù)量與質(zhì)量的提升。一方面，建立科學(xué)合理的創(chuàng)新人才培養(yǎng)機(jī)制;另一方面，建立和完善各種激勵機(jī)制，最大限度地激發(fā)創(chuàng)新人才的激情和潛能。

第三，京、津、冀三個地區(qū)GDP的增加幅度都小于創(chuàng)新知識資源和物質(zhì)資源的增加幅度。這在一定程度上表明這兩種資源配置在直接促進(jìn)經(jīng)濟(jì)增長的過程中存在一定的時滯效應(yīng)，即京津冀地區(qū)創(chuàng)新人力資源和物質(zhì)資源的投入增長尚不能在短時期內(nèi)迅速轉(zhuǎn)化為生產(chǎn)力。因此，在加大京津冀創(chuàng)新資源知識資源和物質(zhì)資源投入的同時，應(yīng)著重提高其投入—產(chǎn)出績效。

第四，創(chuàng)新資源配置對經(jīng)濟(jì)增長的影響程度在三地之間存在較大差異。北京和天津創(chuàng)新人力資源投入彈性系數(shù)遠(yuǎn)高于河北，因此，河北要重點(diǎn)關(guān)注創(chuàng)新人才引進(jìn)和培養(yǎng)平臺建設(shè)。北京和天津地區(qū)創(chuàng)新資源配置處于較高水平，但是主要為人力資源的推動作用較大，知識資源和物質(zhì)資源的轉(zhuǎn)化效率仍需進(jìn)一步提高。因此，北京和天津應(yīng)進(jìn)一步優(yōu)化創(chuàng)新投入結(jié)構(gòu)，大力提高知識資源和物質(zhì)資源轉(zhuǎn)化效率。

參考文獻(xiàn)：

＼[1＼][ZK（#]胡恩華，劉洪，張龍我國科技投入經(jīng)濟(jì)效果的實(shí)證研究＼[J＼]科研管理，2006（4）

＼[2＼]張順科技投入與經(jīng)濟(jì)增長動態(tài)關(guān)系研究＼[J＼]商業(yè)研究，2006（13）

＼[3＼]盧方元，靳丹丹我國R&D投入對經(jīng)濟(jì)增長的影響——基于面板數(shù)據(jù)的實(shí)證分析＼[J＼]中國工業(yè)經(jīng)濟(jì)，2011（3）

＼[4＼]馮云廷，計(jì)利群技術(shù)創(chuàng)新與城市經(jīng)濟(jì)增長波動——基于我國15個副省級城市面板數(shù)據(jù)的實(shí)證研究＼[J＼]工業(yè)技術(shù)經(jīng)濟(jì)，2020，39（1）

＼[5＼]李新安區(qū)域創(chuàng)新能力對經(jīng)濟(jì)發(fā)展質(zhì)量提升的驅(qū)動作用研究＼[J＼]區(qū)域經(jīng)濟(jì)評論，2020（2）

（張宏、王雪晨，北京建筑大學(xué)城市經(jīng)濟(jì)與管理學(xué)院）[FL）