科技创新与经济增长:基于天津数据的VAR模型研究
作者:宁慧、唐家龙
刊名:青海科技
期号:
科技创新与经济增长:基于天津数据的VAR模型研究
宁慧 唐家龙
(天津工业大学,天津 300387)
摘要:科技创新是经济发展的动力引擎,科技创新与经济增长之间的关系一直是学术研究的热点问题。本文以天津市1992~2019年GDP和专利授权数据为例,建立VAR模型,通过累积响应函数和方差分解发现:(1)天津市经济增长受自身波动影响最大;(2)不同类型的专利对经济增长的影响具有异质性。贡献最大的是实用新型专利,其次是外观设计专利,最后是发明专利;(3)经济增长与科技创新还未形成良性的双向正反馈机制。
关键词:科技创新;内生增长;专利;VAR模型
中图分类号:F124.3 文献标识码:A
文章编号:1005-9393(2021)03-0010-06
1引言
改革开放40多年来,我国经济发展得到长足的进步。在前30年,国家对经济发展的关注点主要集中在量上,“科学技术是第一生产力”没有得到足够的重视。随着经济体量不断增加,经济增速放缓,近10年来,国家对经济增长的关注点逐渐转移到质的层面,科技创新也日益被重视起来。从党的十八大提出要大力实施创新驱动发展到习近平总书记提出要全面实施创新驱动发展战略,再到《国家创新驱动发展战略纲要》的颁布,国家对创新愈加重视。科技创新是创新战略的核心,是推动经济高速发展的动力源泉,是经济实现高质量发展的关键。
天津市积极贯彻落实国家创新驱动发展战略,在科技创新上取得了明显成效。2012年,天津就提出了大力实施创新驱动发展战略[1]。2020年11月,出台了《天津市科技创新三年行动计划(2020-2022年)》[2],进一步推动科技创新迈向新的阶段。但近年来,随着国内外经济形势的恶化,以及天津自身产业结构等方面的多重原因,天津的经济发展速度呈下行态势,经济增长势头明显不足。在这样的情况下,如何认识科技创新与经济增长的关系,探讨天津科技创新对经济增长的作用为何、经济增长与科技创新关系为何,对于地区和城市个体和对于国家而言,都具有重要的现实意义。
2文献回顾
科技进步与经济增长关系的相关研究最早在西方经济学界出现。索洛提出新古典增长模型,认为技术进步对经济增长有促进作用[3]。阿罗从技术内生的角度出发探究技术创新与经济增长之间的关系,得出技术创新能够促进经济增长的结论[4]。罗默提出内生经济增长理论,通过设定创新函数突破了新古典增长理论将技术进步作为外生变量的限制,认为内生性技术因素决定经济增长[5]。科技创新对于经济增长的推动作用,逐渐受到国内学者的高度关注。例如,吴敬琏强调,“科技创新是促进经济增长的重要动力”[6]。谢伏瞻认为,未来全球经济增长的新动能将来源于“以智能化、网络化、数字化为核心的新一轮工业革命”[7]。孙祁祥、周新发则指出,逐利的市场化机制驱动企业不断创新,“有助于开辟新的经济增长点,尤其是促进高新技术产业的发展”[8]。
对于科技创新能否促进经济增长,一系列学术研究从不同侧面进行了实证探讨。段婕、刘勇构建科技成果转化对区域经济增长的评分模型,发现科技成果转化对我国经济增长的贡献普遍不高[9]。徐海龙、李平利用两部门模型,发现我国经济发展的主要动力来自于研发资本投入[10]。王旭等利用多个变量来衡量科技创新,发现创新对区域经济增长有显著的促进作用[11]。谢周亮、李志影通过面板门槛模型和分位数回归的方法,发现经济增长水平越高,科技创新对其促进作用越强[12]。
综合来看,当前文献研究具有较强的引导和启发性,为后续研究奠定了较好基础。但目前还缺乏以局部区域为主体分析对象的研究,尤其缺乏利用专利作为科技创新的代理指标进行的科技创新与经济增长的实证分析。基于此,本文利用天津的数据,从经济增长变化与专利授权量变化的角度出发,探讨科技创新与经济增长变化的动态关系,以期对相关文献有所丰富。
3数据、方法与模型
本文利用国家统计局官网,选取国内专利授权量作为科技创新的代理变量,选取地区生产总值作为区域经济增长的衡量指标。最终获得了1992-2019年天津市GDP数据和国内三种专利授权数量作为研究对象,构建VAR模型。
为消除价格波动,保证价格型研究数据的可比性,本文以1991年为基期的GDP平减指数对GDP数据进行平减处理,经处理后的实际数据记为GDP。相应地,国内发明专利授权量、实用新型专利授权量、外观设计专利授权量分别记为PTF、PTX、PTW。为了防止异方差对数据平稳性产生干扰,对GDP、PTF、PTX、PTW取对数,对数处理后的各变量分别记为LNGDP、LNPTF、LNPTX、LNPTW。
3.1单位根检验
时间序列数据具有平稳性是构建VAR模型的前提,因此需要先对单个时间序列数据进行单位根检验,确保其平稳。本文采用ADF检验方法分别对天津市地区生产总值(LNGDP)、天津市国内发明专利授权量(LNPTF)、天津市实用新型专利授权量(LNPTX)、天津市国内外观设计专利授权量(LNPTW)进行单位根检验。如表1所示,经检验发现:LNPTW为平稳数据,LNPTX—阶差分处理后平稳,LNGDP、LNPTF二阶差分处理后平稳。经过处理后的平稳序列分别记为:DDLNGDP、DDLNPTF、DLNPTX、LNPTW。
表 1变量的ADF检验结果
变量 | ADF统计量 | T值(5%level) | P值 | 检验结果 |
DDLNGDP | -5.3160 | -3.6122 | 0.0013 | 平稳 |
DDLNPTF | -3.4278 | -1.9572 | 0.0016 | 平稳 |
DLNPTX | -6.9742 | -3.5950 | 0.0000 | 平稳 |
LNPTW | -4.4782 | -3.5875 | 0.0073 | 平稳 |
注:D表示一阶差分,DD表示二阶差分。
3.2 VAR模型构建
最佳滞后阶数的确定是YAR模型建立的关键问题,本文采用AIC、SC、HQ等相关准则作为滞。后阶数的选择标准。对VAR模型进行滞后期选择,结果如表2所示,发现最佳滞后期为2。
表 2 VAR模型的滞后期选择
Lag | LogL | LR | FPE | AIC | SC | HQ |
0 | 38.25459 | NA | 3.82E-08 | -2.891703 | -2.644857 | -2.829622 |
1 | 97.00775 | 86.8525 | 2.16E-09 | -5.826761 | -4.345681 | -5.454274 |
2 | 139.0521 | 43.87232* | 7.04e-10* | -7.308874 | -4.593562* | -6.625981* |
3 | 166.0036 | 16.40531 | 1.99E-09 | -7.478577* | -3.529032 | -6.485277 |
3.3 VAR模型的稳定性检验
只有VAR模型整体是稳定的,其估计结果才有效,才能进一步进行脉冲响应分析和方差分解。当VAR模型的所有根的模倒数均位于单位圆内(即其数值小于1)时,认为模型总体稳定。如图1所示,所建立的VAR(2)模型是稳定的。
Inverse Roots of AR Characteristic Polynomial
图 1 VAR模型的稳定性检验
3.4脉冲响应函数分析
脉冲响应函数反映了GDP、专利授权量之间的动态影响,进而揭示科技创新与经济增长之间的动态关系。利用脉冲响应函数对所构建的VAR(2)模型进行分析,得到单个变量累积脉冲响应图(见图2)。
(1)由DDLNGDP的累积脉冲响应函数图可以看出,经济增长对自身正向冲击的反应在第一期达到最大,综合观察期的动态来看,经济增长对自身冲击的累积反应值始终为正,说明良好的经济基础在未来能够促进经济增长。基于来自发明专利授权量冲击,经济增长表现出起伏不定的反应,在最后三期累积响应稳定为正,表明发明专利对经济增长的促进作用需要较长时间才能显现,因此要注重长期科研投入,做好科研投入的结构性管理,根据促进作用显现的年限,制定合理的投入计划。受到实用新型专利授权量的正向冲击,经济增长在第二期之前呈现出负向增长,在第二期之后,累积反应值始终大于零,从长期来看,实用新型专利能够促进经济增长。经济增长对于外观设计专利授权量正向冲击的累积反应走势在前六期呈波浪型变化,但自第七期之后基本上累积为负,表明外观设计专利在长期对经济增长有负面影响。
图 2累积脉冲响应函数图
(2)由DDLNPTF的累积脉冲响应函数图可以看出,在观察期内,除发明专利授权自身的冲击给其带来正向累积反应之外,经济增长、实用新型专利和外形设计专利授权量的冲击均使得发明专利授权有持续负向累积反应,说明经济增长并没有发挥出促进科技发展的作用,而实用新型专利和外形设计专利的发展抑制了发明专利的发展。
(3)由DLNPTX的累积脉冲响应函数图可以看出,实用新型专利授权量对经济增长的累积反应在观察期内均为负值,同样说明了经济增长没有发挥出对实用新型专利授权量的拉动作用。其他两种专利授权量及自身带来的冲击,使得实用新型专利授权量对三者的累积反应均为正,表明三类专利授权量的增加均对实用新型专利授权量的增加有促进作用。
(4)由LNPTW的累积脉冲响应函数图可以看出,国内外观设计专利的授权量在面临自身与实用新型专利授权量的冲击时,累积反应值为正,说明国内外观设计专利与实用新型专利授权数量的增加均能够有效拉动其国内外观设计专利的发展。在面临来自于经济增长与发明专利授权量正向冲击时,国内外观设计专利的授权量表现出负的累积反应值,表明经济增长与发明专利授权量的增加在长期会对其国内外观设计的发展形成抑制作用。
3.5变量作用的方差分解分析
为了研究天津市科技创新对经济增长的具体影响路径以及技术市场成交额与专利授权量各自对经济增长的贡献,对所构建的VAR⑵进行方差分解。方差分解结果见表3。
表 3 DDLNGDP、DDLNPTF、DLNPTX、LNPTW的方差分解
DDLNGDP的方差分解 | DDLNPTF的方差分解 | ||||||||||
时期 | 标准误差 | DDLNGDP | DDLNPTF | DLNPTX | LNPTW | 时期 | 标准误差 | DDLNGDP | DDLNPTF | DLNPTX | LNPTW |
1 | 0.03 | 100.00 | 0.00 | 0.00 | 0.00 | 1 | 0.34 | 0.04 | 99.96 | 0.00 | 0.00 |
2 | 0.04 | 98.20 | 0.00 | 0.22 | 1.58 | 2 | 0.40 | 3.25 | 74.23 | 1.38 | 21.14 |
3 | 0.04 | 92.06 | 0.06 | 5.06 | 2.83 | 3 | 0.45 | 2.97 | 70.07 | 1.23 | 25.74 |
4 | 0.04 | 89.27 | 0.14 | 7.62 | 2.97 | 4 | 0.48 | 4.70 | 69.38 | 2.41 | 23.50 |
5 | 0.04 | 85.34 | 0.54 | 8.50 | 5.62 | 5 | 0.49 | 5.09 | 65.80 | 2.28 | 26.83 |
6 | 0.04 | 82.22 | 1.97 | 8.30 | 7.50 | 6 | 0.51 | 8.09 | 63.64 | 2.11 | 26.15 |
7 | 0.04 | 80.91 | 3.05 | 8.22 | 7.82 | 7 | 0.51 | 8.92 | 63.28 | 2.08 | 25.73 |
8 | 0.04 | 80.79 | 3.16 | 8.25 | 7.80 | 8 | 0.52 | 9.06 | 62.69 | 2.25 | 26.00 |
9 | 0.04 | 80.84 | 3.15 | 8.23 | 7.78 | 9 | 0.52 | 9.63 | 62.35 | 2.28 | 25.74 |
10 | 0.04 | 80.85 | 3.15 | 8.21 | 7.79 | 10 | 0.52 | 9.66 | 62.14 | 2.27 | 25.93 |
DLNPTX的方差分解 | LNPTW的方差分解 | ||||||||||
时期 | 标准误差 | DDLNGDP | DDLNPTF | DLNPTX | LNPTW | 时期 | 标准误差 | DDLNGDP | DDLNPTF | DLNPTX | LNPTW |
1 | 0.18 | 8.75 | 23.57 | 67.68 | 0.00 | 1 | 0.16 | 20.93 | 0.23 | 28.27 | 50.57 |
2 | 0.20 | 13.49 | 21.70 | 55.07 | 9.75 | 2 | 0.20 | 20.41 | 3.33 | 21.44 | 54.82 |
3 | 0.21 | 13.80 | 20.89 | 55.93 | 9.37 | 3 | 0.23 | 15.35 | 4.96 | 24.57 | 55.11 |
4 | 0.21 | 13.61 | 20.76 | 54.17 | 11.45 | 4 | 0.26 | 14.91 | 5.19 | 22.11 | 57.79 |
5 | 0.21 | 13.66 | 20.81 | 54.23 | 11.31 | 5 | 0.29 | 13.16 | 4.63 | 25.52 | 56.69 |
6 | 0.22 | 13.56 | 20.75 | 53.68 | 12.00 | 6 | 0.31 | 12.19 | 5.17 | 24.70 | 57.95 |
7 | 0.22 | 13.72 | 20.75 | 53.57 | 11,96 | 7 | 0.33 | 11.54 | 4.85 | 26,10 | 57.50 |
8 | 0.22 | 13.71 | 20.69 | 53.58 | 12.02 | 8 | 0.35 | 10.81 | 4.87 | 26.30 | 58.02 |
9 | 0.22 | 13.81 | 20.65 | 53.48 | 12.07 | 9 | 0.36 | 10.58 | 4.74 | 26.87 | 57.80 |
10 | 0.22 | 13.81 | 20.62 | 53.51 | 12,06 | 10 | 0.37 | 10.12 | 4.71 | 27.26 | 57.91 |
(1)DDLNGDP 的方差分解结果表明,经济增长对自身的贡献度最大,但是随着时间的推移,呈现较快的下降趋势,第七期之后稳定在80%左右的水平上。总专利授权量对经济增长的贡献率也是随着期数递增,稳定后的水平大概为20%,其中实用新型专利和外形设计专利授权量的贡献率相当,均接近8%;发明专利授权量的贡献率最低,约为3%。
(2)DDLNPTF 的方差分解结果表明,经济增长对发明专利授权量的贡献率,从第一期逐渐增加,到第七期之后接近10%,表明经济增长对发明专利授权量的增加具有一定贡献。
(3)DLNPTX 的方差分解结果表明,经济增长从第二期开始对实用新型专利授权有较为显著的贡献,并在之后的观察期内较为稳定,贡献率接近14%。表明经济增长对实用新型专利授权量的增加有着长期显著的贡献。
(4)LNPTW 的方差分解结果表明,在观察期内,经济增长对外观设计专利授权量的贡献呈现缓慢下降趋势,由第一期20.9%到第十期10.1%,平均每期下降一个百分点,说明随着时间的推移,外观设计专利的发展更多依赖于经济增长之外的因素。
4结论与建议
利用1992~2019年间天津市专利授权和经济增长的面板数据,引入VAR模型进行累积脉冲响应函数分析和方差分解,综合前面的实证结果,可以初步形成以下结论或推论。
一是天津市经济增长受自身增长变动影响最大,以专利授权量为表征的科技创新的作用具有差异性。在三类专利中,对经济增长贡献最大的是实用新型专利,其次是外观设计专利,最后是发明专利。实用新型专利与外观设计专利对经济增长的贡献相当,但贡献率远大于发明专利。由于发明专利的技术含量通常远甚于实用新型专利和外观设计专利,这表明天津市经济增长虽然受到了科技创新的内在驱动,但还没有达到以发明专利为代表的高质量创新驱动和支撑经济发展的高级阶段。这也许是近年来天津经济增长势头不佳的重要原因。
二是天津市经济增长还没有对专利创新形成长效的促进机制。实证结果表明,经济增长对实用新型专利的增长具有较好的促进效应,但对于发明专利和外观设计专利具有一定的抑制效应,表明创新的增长效应并没有形成对创新的全面正反馈效应,而不同类型专利创新之间可能存在一定的替代性,作为中等创新程度的实用新型专利创新由于创新度低、见效更快,挤压了发明专利的创新投入,也损害了企业的长期战略,从而抑制了长期的经济增长。
基于此,针对当前国际竞争中科技创新日益凸显的重要地位,我们建议:
一是进一步提升科技创新乃国之利器的战略意识。天津是我国科技中心城市,以天津为案例的分析表明,当前的专利创新还缺乏长期的战略眼光,高质量的发明专利的贡献不足、增长不足,而相对低价值的实用新型专利促进了天津经济的增长。因此,仅仅着眼于短期利益可能有碍于经济长期的持续健康发展。地方政府和企业需要提升战略意识,切实加大研发投入,推动高质量发明专利的创造和应用,形成经济增长与科技创新之间的良性互动关系,真正让科技创新成为经济增长的内生动力。要注重短期投入和长期投入的适当配比,不能只顾眼前利益,忽略长远发展。
二是进一步多渠道加大科技创新的投入来源。科技创新需要投入大量的财力和物力,需要有效的组织和实施,将科技创新的成果转化为技术、产品、收益、产业。创新成果必须转化为创新的价值,让创新者得到回报。面对当前激烈的国际竞争,无论是国家还是地区层面都提出将科技创新摆在发展全局的重要乃至核心位置,但投入是最重要的保障因素。投入来源于地区经济的蓬勃,来源于企业经济的兴盛,来源于活跃的科技金融投资。要让市场、社会和政府等多方共同努力,扩大科技创新投入来源的资金池,推动形成全社会崇尚创新、投入创新、讴歌创新的全新局面。
参考文献:
[1] 马波,魏彧,张璐.大力实施创新驱动发展战略促进天津经济持续健康发展[N].天津日报,2012-12-12(001).
[2] 中共天津市委天津市人民政府关于贯彻落实《国家创新驱动发展战略纲要》的实施意见[N].天津日报,2016-0713(001).
[3] SOLOW R M.Technical change and the aggregate production function[J].Review of Economics and Statistics,1957,39(3):312-320.
[4] ARROW K J. The economic implications of learning by doing[J].The Review of Economic Studies,1962,29(3):155-173.
[5] ROMER P.Endogenous technological change[J].Journal of Political Economy,1990,98(5):71-102.
[6] 吴敬琏.中国增长模式抉择[M].上海:上海远东出版社,2006.
[7] 谢伏瞻.论新工业革命加速拓展与全球治理变革方向[J].经济研究,2019,54(7):4-13.
[8] 孙祁祥,周新发.科技创新与经济高质量发展[J].北京大学学报(哲学社会科学版),2020,57(3):140-149.
[9] 段婕,刘勇.科技成果转化对我国区域经济增长的有效性评价——基于2003~2008年面板数据的实证分析[J].科技进步与对策,2011,28(12):136-140.
[10]徐海龙,李平.中国的科技创新与经济增长关系研究[J].现代管理科学,2017(7):12-14.
[11]王旭,陈蓉,李明宝.科技创新对区域经济的影响研究——基于省际面板数据的实证分析[J].工业技术经济.2018,27(09):39-44.
[12]谢周亮,李志影.科技创新•产业结构升级与区域经济增长关系研究——基于面板门槛模型与分位数回归的实证分析[J].价格理论与实践,2020(3):155-158.
基金项目:天津市知识产权局委托项目“面向2035年天津市提升知识产权创造能力的思路和重大举措研究”的阶段性研究成果。
作者简介:宁慧,女,硕士。唐家龙,男,博士,教授。主要研究方向:创新战略、科技政策、人才与区域发展等。
(文章内所有图片受版权保护 违者必究)