计量经济课设固定效应模型.docx

不同创新源创新活动对经济增长的影响研究
——基于2011-2012年省际面板数据

内容提要：技术创新是解决我国经济发展问题最重要的手段，“产学研”结合的创新模式得到了学界的普遍认可，但是很少有人深入分析不同创新源的创新活动对经济增长影响的异同。本文基于对经济增长理论和“产学研”创新模式的研究，选取了2011-2012年我国31个省的面板数据，采用混合回归模型分析了企业、研究与开发机构和高等院校创新活动对人均gdp的影响程度。作者发现不同创新源创新活动对于经济增长的影响大小确实是不同的，影响力从大到小依次为：研究与开发机构、高等院校、企业。最后本文给出了相应的政策和建议。
关键词：创新源；有效发明专利数；人均gdp；面板数据

The Impact of Innovation form different resource on economic growth
——Based on Provincial Panel Data 2011-2012

Abstrct：Technological innovation is the most important means to solve the problem of China's economic development, innovation model "research" has been widely recognized combining academic, but few in-depth analysis of innovation activities in different sources of innovation on Economic Growth similarities and differences. Based on the study of the theory of economic growth and "research" innovation mode, select the 2011-2012 panel data of China's 31 provinces, mixed regression model of the enterprise, research and development institutions and universities per capita innovation activities gdp degree of influence. The authors found that different sources of innovation for economic growth, innovation activities affect the size is really different, in descending order of influence: research and development institutions, universities, enterprises. Finally, this paper gives the corresponding policies and proposals.
Key words：Innovative sources；Effective patent number；Gdp per capita；Panel Data

一、引言
改革开放30年，我国经济社会发生了翻天覆地的变化。然而，全球经济持续低迷、产业附加值低、人口红利与制度红利消失、自然资源匮乏等一系列问题正在严重威胁着中国经济未来的发展。产业创新成为摆在我们面前的唯一出路。早在2005年10月，胡锦涛同志就提出了建设创新型国家的重大战略思想。近年来，我国在探索产业创新的道路上越走越远，其中“产学研”结合的创新模式似乎得到了大多数人的认可。根据创新源的不同，学者们将创新主体分为企业、高等院校和科研院所三类。然而，到底来自哪一种创新源的创新活动更能够推动经济的发展呢？本文将通过分析2011-2012年我国31个省的面板数据，来探索这一问题。
二、相关文献综述
杨俊（2007）利用我国1996-2004年省际面板数据进行的实证研究表明，本国技术的自主创新能够经济发展作出贡献[1]。戴魁早（2008）运用协整检验、误差修正模型和granger因果检验等计量方法，对我国自主创新能力、技术吸收能力与经济增长之问的关系进行了实证研究。结果表明，三者之间存在长期稳定的均衡关系，自主创新能力和技术吸收能力分别是经济增长的granger原因；从长期看，两者对我国的经济增长都具有促进作用，且自主创新能力对经济增长的影响比较明显[2]。陈柳和刘志彪（2006），齐晓丽（2010）等人也做了相应的研究，研究结果纷纷表明技术创新对经济增长的促进作用是肯定的。那么，不同创新源的创新活动对经济增长的促进作用有什么异同呢？目前，学者们对不同创新源创新活动的研究大都集中在“产学研”的合作模式上，在产、学、研创新活动对经济增长影响的异同方面还没有定论。
三、模型构建及参数估计
（一）变量选取及模型构建
一方面，国内外对经济增长的研究模型大都基于柯布道格拉斯生产函数，柯布道格拉斯生产函数的基本形式是：

y=AKαLβ

所以，作者选取人均gdp作为经济增长的衡量指标，同时将资本k的投入数量以及劳动力l的投入数量作为控制变量引入到模型中来，作者选取了固定资本投资额和就业人数来表示这两个量。为了消除时间序列数据异方差性，需要对各变量进行自然对数变换。另一方面，模型引入了有效发明专利数作为技术进步要素。在“产学研”创新模式中，创新源分为企业、科研院所和高校三类。受到乔云霞和刘肖对我国区域创新能力指标体系研究的启发，同时受到寻找数据的限制，作者选取企业、研究与开发机构和高等院校的有效发明专利数来表示不同创新源创新活动的强度。受到面板数据量上的限制，选取混合效应模型，并建立了以下回归方程：

lngdppc=β0+β1 lnk +β2lnl+β3lne+β4lnr+β5lnc+μ

其中，gdppc表示人均GDP（单位：元），k表示固定资本投资额（单位：亿元），l表示就业人数（单位：万人），e表示规模以上工业企业有效发明专利数，r表示研究与开发机构有效发明专利数，c表示高等院校有效发明专利数，（单位：件）。
（二）数据来源及变量的描述统计
1、数据来源
在数据的搜寻过程中作者发现，2010年不同创新源各地区有效发明专利数的数据统计由于统计方式不同存在缺失。进而，作者通过对大量数据的筛选和剔除，选取了2011年-2012年全国31个省份的面板数据，数据主要选自于2012-2013年《中国统计年鉴》、2012-2013年《中国科技统计年鉴》。
2、变量的描述统计
作者通过对所得数据的分析得到了gdppc、k、l、e、r和c序列的均值、最大值、最小值、标准差和观测数等相关信息（见表1）。

表1 gdppc、e、r和c序列的相关统计量

gdppc
k
l
e
r
c
 Mean
 41548.00
 9903.685
 582.5226
 7490.742
 1190.387
 4449.177
 Maximum
 93173.00
 31256.00
 2232.900
 83280.00
 13911.00
 21859.00
 Minimum
 16413.00
 516.3000
 46.00000
 58.00000
 7.000000
 5.000000
 Std. Dev.
 19179.81
 7225.511
 507.4645
 14618.86
 2142.199
 5498.076
 Observations
62
62
62
62
62
62

（三）模型估计结果
模型以31个横面单元、2年的观测值(每个变量共计62个观测值)为基础，进行最小二乘估计，得到了如下的估计结果（见表2）。

表2 不同创新源创新活动对人均GDP的增长研究一

常数值
lnk
lnl
lne
lnr
lnc
 系数
40920.02
0.548271
 -10.27729
 0.039974
 0.361489
 0.102285
 估计值

T统计量
9.431847
 2.022579
-1.269797
1.566303
2.155666
2.556029
 P值
0.0000
0.0035
0.2158
0.0062
 0.0034
 0.0031
拟合优度：0.999099 F统计量：769.6429 Prob(F-statistic)：0.000000

从上述回归分析结果可以看到：决定系数R2=0.999099，这个数据能够说明人均gdp的总变化中有99.9%的部分可以由模型中的固定资产投资额，就业人数，规模以上工业企业、研究与开发机构和高等院校的有效发明专利数等解释变量来联合解释，说明方程拟合得很好。又因为F统计量的值为769.6429，其对应的概率为0，小于显著性水平0.05，因此拒绝原假设，说明包涵控制变量在内的各解释变量与被解释变量之间线性关系显著，即方程总体上呈显著线性关系。具体到各个解释变量，我们发现解释变量k、e、r、c对于被解释变量的影响都是正向的，而且从其对应的T统计量和P值来看，这些解释变量对被解释变量有显著的影响。而l对被解释变量的影响是负向的，并且T统计值的绝对值小于2，并且P值大于0.05，不能拒绝非线性相关的原假设。
（四）模型的修正
根据对以上回归结果的分析，作者对该模型进行了相应的检验，最终确定了以下回归模型，模型剔除了对方程影响不显著的控制变量l：

lngdppc=β0+β1 lnk +β2lne+β3lnr+β4lnc+μ

回归结果如下（见表3）：

表3 不同创新源创新活动对人均GDP的增长研究二

常数值
lnk
lne
lnr
lnc
 系数
36759.92
0.388001
0.010839
0.316221
0.109643
 估计值

T统计量
12.77524
 2.222579
2.260487
2.005801
2.000029
 P值
0.0000
0.0020
0.0019
 0.0024
 0.0029
拟合优度：0.999040 F统计量：773.3712 Prob(F-statistic)：0.000000

从表3中我们可以清楚的看到，在剔除掉l对被解释变量gdppc的影响之后，我们发现此时的模型的拟合优度为0.999040，F统计量及其相对应的P值分别为773.3712、0.000000，说明解释变量能够很好的解释被解释变量。此时我们发现不同创新源的创新活动对经济增长的影响，即解释变量e、r、c对被解释变量gdppc的影响均为正值，通过系数对应的T统计量和P值，我们能够得到该回归方程能够很好的拟合现实情况。
四、总结和政策建议
本文在研究了经济增长理论以及与自主创新能力有关的“产学研”创新模式的基础之上，选取了2011-2012年我国31个省的面板数据进行回归分析，并得出结论。不同创新源的创新活动对于经济增长具有不同的影响效果，其中按照创新活动影响力从大到小排序为研究与开发机构、高等院校、企业。结合现实情况，与发达国家企业相比，我国企业创新能力确实不尽如人意，这也良好的反映了我国工业企业处于全球产业链的低端的现实。另一方面，研究与开发机构创新活动对经济增长的影响高于高等院校。相比于高等院校，研究与开发机构更加专注于技术创新及其市场化、产业化，因此其创新成果更有成效性和针对性。而高等院校最终要的目标仍然是向社会输送高质量的创新人才，因此其创新活动的影响力虽大于企业但远不如研究与开发机构。
基于上述结论，作者的建议是：
第一，强化研究与开发机构的创新活动，推动其创新成果的市场化及产业化。研究与开发机构致力于研究创新技术并进行推广，因此具有很强很持久的创新动力。政府以及全社会应该努力为研究与开发机构创造良好的创新环境，为创新成果的转化提供便利；
第二，增强高等院校创新活动的目标性，强调创新活动与创新人才的衔接。高等院校是为全社会提供高素质人才的基地，创新活动最重要的要素投入是人才，因此，高等院校应该积极进行与创新人才相衔接的创新活动，创新成果的推广固然重要，但是创新人才的培养才是高校的首要任务；
第三，调动企业进行创新活动的动力，加强企业与其他创新主体之间的相互联系。企业创新是最终面向市场的创新，因此企业创新具有很重要的实践意义。纵观全球成功企业，我们不难看出创新是一个企业屹立不倒的最强推力。政府应该加强政策引导，鼓励企业创新，并且为企业创新提供良好的支撑环境。

参考文献：
[1]杨俊.技术模仿、人力资本积累与自主创新:基于中国省际面板数据的实证分析[J].财经研究.2007(5):18-28.
[2]戴魁早.中国自主创新与经济增长关系的实证研究——基于技术吸收能力的视角[J].科学学研究.2008(3):626-632.
[3]李永忠,冯俊文,高朋. 区域创新能力及其评价综述研究[J].技术经济,2007(12):28-31.
[4]齐晓丽,金浩.自主创新与经济增长总量的关系及其区域差异分析[J].现代财经:天津财经大学学报,2010 (6):76-80.
[5]魏昊,陈柳.我国自主创新能力与经济增长关系的实证研究[J].生产力研究,2008(1):85-87.