項 燕

(安徽新華學(xué)院 財會與金融學(xué)院,合肥 230088)

一、引言

黨的十八大提出“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”以來,中國一直把創(chuàng)新放在全局發(fā)展的核心位置,高度重視創(chuàng)新投入對經(jīng)濟發(fā)展的推動作用。根據(jù)財政部發(fā)布的《2022年中國財政政策執(zhí)行情況報告》公布的數(shù)據(jù),2022年,中國研發(fā)投入超過3萬億人民幣,環(huán)比增長10.4%,實現(xiàn)了連續(xù)七年兩位數(shù)增長,研發(fā)投入強度達到了2.55%,再創(chuàng)歷史新高。而根據(jù)世界知識產(chǎn)權(quán)組織發(fā)布的《2022年全球創(chuàng)新指數(shù)報告》,中國2022年的創(chuàng)新水平位列全球第11位,也是持續(xù)多年處于上升狀態(tài)。在創(chuàng)新投入和創(chuàng)新水平不斷提升的背景下,創(chuàng)新對經(jīng)濟發(fā)展的驅(qū)動力是否充分發(fā)揮成為社會各界關(guān)注的重要課題。

創(chuàng)新投入為創(chuàng)新水平提升提供了物質(zhì)基礎(chǔ),進而推動經(jīng)濟增長,然而這種推動力的發(fā)揮受到諸多因素的影響,比如政府層面的補貼、稅收優(yōu)惠、對外開放水平等,企業(yè)層面的市場競爭水平、組織結(jié)構(gòu)、薪酬激勵等,其中,知識粘性也是非常重要的一個因素。知識粘性是指知識在傳播過程中的相對不可移動性,對其原始所有者存在一定的粘性,這使得知識的正常流動受到限制。[1-2]現(xiàn)有大多數(shù)關(guān)于創(chuàng)新投入的研究通常假設(shè)創(chuàng)新投入要素的使用沒有障礙,要素投入是完整的。[3-4]事實上,由于知識傳播的空間范圍和知識學(xué)習(xí)的路徑依賴性,技術(shù)知識的傳播并不完整和及時,即存在一定的“粘性”,特別是對于排他性和創(chuàng)新性較高的高科技知識。

知識經(jīng)濟時代,知識要素已成為經(jīng)濟發(fā)展的主要資源,知識獲取和應(yīng)用的必然性是創(chuàng)新活動過程中不可或缺的關(guān)鍵環(huán)節(jié),但知識粘性的存在給知識流動和模仿帶來了障礙,不利于創(chuàng)新活動的順利進行。因此,知識粘性的存在是否會影響到創(chuàng)新投入對經(jīng)濟增長的推動作用,這對于中國經(jīng)濟增長速度和質(zhì)量具有重要的理論和現(xiàn)實意義。

梳理文獻發(fā)現(xiàn),在研究內(nèi)容上,現(xiàn)有文獻對創(chuàng)新投入與經(jīng)濟增長之間關(guān)系的研究比較多,但研究重點主要集中在創(chuàng)新投入對經(jīng)濟增長的直接影響機制上,比如戈埃爾(Goel)等[5]、何宜麗和李靖[6]、巫強[7]、張杰和陳容[8]以美國和中國為例研究了創(chuàng)新投入與經(jīng)濟增長之間的關(guān)系,均認同創(chuàng)新投入對經(jīng)濟增長具有積極影響。少數(shù)文獻關(guān)注到了知識粘性與創(chuàng)新投入及經(jīng)濟增長間的關(guān)系,比如游達明和李志偉通過構(gòu)建純策略博弈模型分析了技術(shù)知識粘性對R&D投資動機的影響機理,論證了知識粘性對企業(yè)R&D投資具有顯著的積極影響。[9]埃利希(Ehrlich)和裴(Pei)從人力資本角度研究知識粘性對經(jīng)濟均衡增長的影響機制,研究結(jié)論指出,知識粘性的存在降低了人力資本分布的差異性,有助于區(qū)域經(jīng)濟均衡增長。[10]但這些研究僅探討了知識粘性與創(chuàng)新投入或經(jīng)濟增長之間的單邊關(guān)系,忽視了知識粘性在創(chuàng)新投入與經(jīng)濟增長之間的調(diào)節(jié)作用,而對于這種調(diào)節(jié)作用的門限效應(yīng)的考慮更無從談起。在研究范圍上,雖然一些學(xué)者針對中國展開了研究,比如何宜麗和李靖[11]、張駿和馬躍[12]、郭英遠等[13],但是沒有考慮到中國經(jīng)濟環(huán)境的區(qū)域差異性。在研究方法上,現(xiàn)有研究普遍采用的是實證分析法,比如李守偉[14]、巫強[15]、孟凡臣[16]等,而對于知識粘性、創(chuàng)新投入與經(jīng)濟增長之間關(guān)系的理論機制關(guān)注較少,沒有真正打開知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中的調(diào)節(jié)機制的“黑箱”。

本文通過構(gòu)建一個綜合考慮知識粘性和創(chuàng)新投入的經(jīng)濟增長模型,將知識粘性納入創(chuàng)新投入與經(jīng)濟增長之間關(guān)系框架,深入分析了知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中的調(diào)節(jié)作用的理論機制,并利用中國內(nèi)地30個省份2013—2021年的面板數(shù)據(jù)進行了實證檢驗。同時從知識粘性調(diào)節(jié)作用的區(qū)域差異角度出發(fā),考慮到了調(diào)節(jié)作用的門限效應(yīng),在補充當(dāng)前理論研究的同時,也為相關(guān)部門制定創(chuàng)新政策提供了理論依據(jù)。

二、理論機制

基于Romer經(jīng)濟增長模型[17],本文引入人力資本生產(chǎn)部門,構(gòu)建一個綜合考慮知識粘性和創(chuàng)新投入的經(jīng)濟增長模型,從理論上分析知識粘性、創(chuàng)新投入與經(jīng)濟增長之間的邏輯關(guān)系。假設(shè)經(jīng)濟系統(tǒng)由最終產(chǎn)品生產(chǎn)部門、中間產(chǎn)品生產(chǎn)部門、研發(fā)部門和人力資本生產(chǎn)部門組成,不考慮每個部門的折舊,經(jīng)濟系統(tǒng)中有無數(shù)同質(zhì)個體,他們既提供勞動力,又消費最終產(chǎn)品。

(一)模型構(gòu)造

1.最終產(chǎn)品生產(chǎn)部門

假設(shè)最終產(chǎn)品生產(chǎn)部門處于完全競爭市場中,并且該部門由使用部分基礎(chǔ)勞動力、人力資本(技術(shù)勞動力)和中間產(chǎn)品進行生產(chǎn)的眾多企業(yè)組成。代表性企業(yè)的生產(chǎn)函數(shù)為：

(1)

其中,Y表示企業(yè)的產(chǎn)出,α和β分別為基礎(chǔ)勞動力和人力資本(技術(shù)勞動力)的產(chǎn)出彈性,H為社會人力資本存量(技術(shù)勞動力存量),φ和(1-λ1-λ2)分別為用于生產(chǎn)最終產(chǎn)品的勞動力和人力資源的比例,xi表示使用的中間產(chǎn)品數(shù)量,假設(shè)最終產(chǎn)品的價格為1[18],A為當(dāng)前技術(shù)水平。根據(jù)利潤最大化原則,制造商的生產(chǎn)函數(shù)為：

(2)

由此,求解三個投入要素的價格,其中w、pH和pi分別表示基礎(chǔ)勞動力價格、人力資本價格和中間產(chǎn)品價格：

(3)

(4)

(5)

2.中間產(chǎn)品生產(chǎn)部門

πi=pixi-rxi

(6)

根據(jù)利潤最大化原則,結(jié)合公式(5),資本貨物價格為：

(7)

根據(jù)公式(6)和公式(7),中間產(chǎn)品部門的利潤為：

(8)

根據(jù)公式(7),由于每個中間產(chǎn)品的價格是pi。因此,在均衡狀態(tài)下,每種中間產(chǎn)品數(shù)量也是相同的[20],即xi=xj=x,則有πi=πj=π。

3.研發(fā)部門

假設(shè)研發(fā)部門主要從事技術(shù)創(chuàng)新活動,研發(fā)部門的生產(chǎn)函數(shù)設(shè)置為：

A′=δ(λ2H)1-cAθ=δRAθ

(9)

設(shè)R=(λ2H),研發(fā)部門在創(chuàng)新活動中的投入主要是人力資本(技術(shù)勞動力)投入;δ為生產(chǎn)力參數(shù),λ2為用于創(chuàng)新投入的人力資本比例,c為知識粘性,θ代表技術(shù)創(chuàng)新彈性系數(shù)。

如果技術(shù)制造商將專利出售給資本設(shè)備制造商并獲得收入,則存在以下等式：

(10)

根據(jù)公式(9),結(jié)合人力資本邊際產(chǎn)品等于人力資本邊際收益的原則,人力資本價格為：

(11)

4.人力資本生產(chǎn)部門

根據(jù)盧卡斯(Lucas)[21]對人力資本生產(chǎn)函數(shù)的設(shè)置,假設(shè)人力資本生產(chǎn)部門使用部分基礎(chǔ)勞動力和人力資本,其生產(chǎn)函數(shù)設(shè)置為：

H′=η(1-φ)Lλ1H

(12)

其中,η為人力資本生產(chǎn)率參數(shù),(1-φ)和λ1分別表示用于生產(chǎn)人力資本的基礎(chǔ)勞動比率和人力資本比率。

w=η(1-φ)λ1HpH

(13)

5.消費者偏好

(14)

(二)平衡分析

基于上述分析和長期均衡條件,求解均衡增長路徑上的經(jīng)濟增長率。

社會總資本為K=Ax,將其代入公式(1)可得：

Y=(φL)α[(1-λ1-λ2)H]βAα+βK1-α-β

(15)

根據(jù)公式(5)、(7)和(15),資本產(chǎn)出率為：

(16)

由于資本產(chǎn)出比是恒定的,所以產(chǎn)出增長率與均衡狀態(tài)下的資本增長率相同,即gY=gK。最終產(chǎn)品生產(chǎn)部門的產(chǎn)出用于消費和投資,即Y=C+K′,因此,消費增長比例(gC)和資本增長比例(gK)相同,進而也與產(chǎn)出增長比例(gY)相同。根據(jù)公式(16)可得：

g=Λn+gA+ΒgH

(17)

(18)

基于公式(9)得到gA=(1-c)gH/(1-θ),gR=(1-c)gH,gR為用于創(chuàng)新投入的人力資本增長比例,所以：

(19)

根據(jù)公式(14)和公式(18)可得實際利率：

(20)

結(jié)合等式(17)、(19)和(20),得到人力資本增長比例(gR)和經(jīng)濟增長率(g)：

(21)

(22)

其中,Γ=ηλ1φ(1-φ)LΔ。

公式(22)直接反映了經(jīng)濟增長率和創(chuàng)新投入及知識粘性間的關(guān)系。由公式(9)可知,研發(fā)部門在產(chǎn)品創(chuàng)新活動中的投入主要是人力資本(技術(shù)勞動力)投入,而人力資本產(chǎn)出彈性比重(B)和人力資本增長比例(gR)則是研發(fā)部門在人力資本投入上的直接反映。在其他條件不變時,知識粘性對人力資本產(chǎn)出彈性比重(B)和人力資本增長比例(gR)存在反向的直接作用,即知識粘性對創(chuàng)新投入存在反向的直接作用。而人力資本產(chǎn)出彈性比重(B)和人力資本增長比例(gR)對經(jīng)濟增長率存在正向直接作用,即創(chuàng)新投入對經(jīng)濟增長率存在正向直接作用,進而知識粘性對經(jīng)濟增長存在反向調(diào)節(jié)作用。

三、研究設(shè)計

(一)模型構(gòu)建

借鑒邢會[23]、李金生和朱蔓菱[24]等學(xué)者的研究,利用三步法構(gòu)建中介效應(yīng)模型以實證檢驗前文理論模型結(jié)論。

首先,構(gòu)建創(chuàng)新投入(IT)對經(jīng)濟增長(G)的基礎(chǔ)效應(yīng)模型：

Git=α0+α1ITit+∑?jxijt+λi×μt+εit

(23)

其次,構(gòu)建創(chuàng)新投入(IT)對知識粘性(KS)主效應(yīng)模型：

KSit=α0+α1ITit+∑?jxijt+λi×μt+εit

(24)

最后,將知識粘性(KS)引入基礎(chǔ)效應(yīng)模型,構(gòu)建中介效應(yīng)模型：

Git=α0+α1ITit+α2KSit+∑?jxijt+λi×μt+εit

(25)

其中,α0為常數(shù)項,α1、α2、?j為待估參數(shù),x表示控制變量,下標i指示空間屬性(本文中為省份),t指示時間屬性(本文中為年份)。λ表示個體固定效應(yīng),μ表示時間固定效應(yīng)。由于傳統(tǒng)的固定效應(yīng)模型無法解決因不可觀測變量隨個體和時間變化而導(dǎo)致的內(nèi)生性,為了緩解這一問題,本文引入個體和時間的交互項,以控制共同因素對不同個體的影響。ε為服從正態(tài)分布的隨機擾動項。

(二)變量設(shè)置和數(shù)據(jù)來源

1.變量設(shè)置

(1)經(jīng)濟增長(G)?；谇拔牡睦碚摍C制分析,同時考慮到中國不同省份人口規(guī)模差異較大,本文用各省份的人均GDP環(huán)比增長率代表各省份的經(jīng)濟增長[25]。

(2)創(chuàng)新投入(IT)?，F(xiàn)有文獻使用技術(shù)研發(fā)人員投入衡量創(chuàng)新投入水平的較多,這與前文機制分析中的創(chuàng)新投入及李婧等人的研究[26]一致,本文采用此指標替代創(chuàng)新投入。

(3)知識粘性(KS)。知識粘性是一個多維概念,基于馮帆[27]、蘭斯基(Szunski)[28]的研究,本文利用全局熵法,從知識轉(zhuǎn)移主體、知識本身屬性和知識轉(zhuǎn)移環(huán)境三方面綜合測量知識粘性。

將知識粘性的測度指標體系分為三個層次,一級指標是知識粘性的成因,包括知識轉(zhuǎn)移主體、知識本身屬性和知識轉(zhuǎn)移環(huán)境。各一級指標細分如下：

①知識轉(zhuǎn)移主體。知識轉(zhuǎn)移主體分為知識提供者和知識接受者。知識提供者是轉(zhuǎn)移知識的所有者。由于粘性知識是通過專業(yè)勞動傳遞的,知識提供者解釋能力越強,傳遞知識的粘性越小。因此,勞動力的數(shù)量和質(zhì)量直接影響知識傳遞效率。本文選擇應(yīng)屆高校畢業(yè)生數(shù)量和接受過高等教育的人口數(shù)量代表知識提供者。知識接受者消化和吸收的知識越少,成功轉(zhuǎn)移的知識越少,知識粘性就越大。本文選取發(fā)表的SCI論文數(shù)量、高新技術(shù)產(chǎn)業(yè)開發(fā)的新產(chǎn)品數(shù)量以及技術(shù)市場的成交量體現(xiàn)知識消化和吸收程度。

②知識本身屬性。知識屬性也會形成一定的知識粘性,主要包括知識的緘默性和知識的復(fù)雜性。知識的緘默性是指知識的排他程度,知識的專業(yè)性越高,適用范圍越窄,越難以被理解和接受。本文用技術(shù)改造資金的支出表示知識的緘默性。一個地區(qū)的技術(shù)改造資金支出越大,用于專業(yè)知識轉(zhuǎn)化的支出就越大,知識粘性就越低,專業(yè)知識易于理解。知識的復(fù)雜性越高,知識的結(jié)構(gòu)越復(fù)雜,信息含量越大,可轉(zhuǎn)移性越低。本文使用外國技術(shù)引進費用和外國技術(shù)引進合同數(shù)量來描述,一個地區(qū)引進外國技術(shù)的成本和合同數(shù)量越高,表明該地區(qū)越重視技術(shù)知識的獲取和應(yīng)用,越有利于知識轉(zhuǎn)讓。

③知識轉(zhuǎn)移環(huán)境。知識的順利轉(zhuǎn)移和應(yīng)用需要合適的環(huán)境,主要包括市場化水平和城市化水平。市場化水平越高,市場交易機制越完善,則知識作為一種商品進行交易的阻礙越小,本文選擇非國有單位就業(yè)比例替代。而城市化水平在很大程度上決定了知識轉(zhuǎn)移的范圍和規(guī)模,高城市化水平為技術(shù)型企業(yè)聚集提供了空間,同時也為創(chuàng)新資本聚集提供了基礎(chǔ),為知識轉(zhuǎn)移提供了良好的環(huán)境。本文選擇城市人口占總?cè)丝诒壤⒒ヂ?lián)網(wǎng)寬帶接入用戶數(shù)量和城鎮(zhèn)職工平均工資作為城市化水平下的三級指標。

表1 知識粘性測量指標體系

(4)控制變量。為了避免遺漏變量造成偏差,選擇以下控制變量：①貿(mào)易開放(TO)。貿(mào)易開放程度越高,越有利于引進外國技術(shù)和高端人力資本,本文選擇進出口總額占GDP的比重作為代理變量[29]。②第三產(chǎn)業(yè)占比(TH)。第三產(chǎn)業(yè)占比是一國經(jīng)濟發(fā)展水平的重要體現(xiàn),同時也是推動國民經(jīng)濟發(fā)展的重要動力,本文選擇第三產(chǎn)業(yè)增加值占GDP的比例表示[30-31]。③金融發(fā)展水平(FI)。金融活動是社會經(jīng)濟活動的中心,是經(jīng)濟增長的重要保障。參考李苗苗等人的研究[32],本文選擇金融機構(gòu)存款總額占GDP的比例表示。④高等教育水平(ST)。教育為經(jīng)濟的快速發(fā)展提供了人力資本,人力資本的積累速度和存量又會影響經(jīng)濟增長,本文用大中專院校畢業(yè)生數(shù)量表示[33]。⑤人口增長率(PR)。人口增長率決定了經(jīng)濟體系中勞動力數(shù)量,而根據(jù)C-D生產(chǎn)函數(shù),勞動力數(shù)量又決定著社會生產(chǎn)量,所以人口增長率是經(jīng)濟增長的一個重要影響因素[34]。

2.數(shù)據(jù)選擇

2012年年底,黨的十八大中明確提出“科技創(chuàng)新必須擺在國家發(fā)展全局的核心位置”,2013年可以看出是中國實施“創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略”的開局之年。所以,本文選取的數(shù)據(jù)樣本是2013年至2021年中國30個省份(省、市、自治區(qū))的面板數(shù)據(jù)(不包括港澳臺和西藏)。數(shù)據(jù)收集整理自歷年的《中國科學(xué)技術(shù)統(tǒng)計年鑒》《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》《中國統(tǒng)計年鑒》《中國宏觀經(jīng)濟數(shù)據(jù)庫》以及各省市的《統(tǒng)計年鑒》。對于少數(shù)缺失值,采用移動平均法近似替換,最終共獲得270個有效樣本值。為了剔除物價因素的干擾,以2013年基期,使用消費者物價指數(shù)(CPI)對相關(guān)經(jīng)濟變量進行價格收縮。為了進一步緩解異方差,使樣本數(shù)據(jù)更穩(wěn)定,對所有變量取對數(shù)。由于個別省份的人口增長率為負值,參考相關(guān)文獻[35],對于人口增長率為負值的加1,然后取對數(shù)。

四、實證結(jié)果分析

(一)調(diào)節(jié)效應(yīng)分析

使用OLS法對式(23)-(25)逐步回歸,計算過程由Eviews8.0完成。各模型估計結(jié)果見表2。

表2 各模型估計結(jié)果匯總表

式(23)檢驗了創(chuàng)新投入及控制變量與經(jīng)濟增長間的關(guān)系。可以看出,IT的系數(shù)值為0.013,在5%水平下顯著為正,創(chuàng)新投入對經(jīng)濟增長存在顯著的正向影響,持續(xù)的創(chuàng)新投入有利于提高創(chuàng)新水平,進而提高創(chuàng)新績效,推動經(jīng)濟增長。式(24)檢驗了知識粘性對創(chuàng)新投入的影響,KS的系數(shù)值在1%的水平下顯著為負,知識粘性不利于創(chuàng)新投入提升,其原因在于,知識粘性增加了知識轉(zhuǎn)移的難度和成本,阻礙知識共享和傳播。而創(chuàng)新投入正向影響經(jīng)濟增長,所以可以斷定,知識粘性在創(chuàng)新投入推動經(jīng)濟增長過程中存在顯著的反向調(diào)節(jié)作用。式(25)估計結(jié)果顯示,IT的回歸系數(shù)在1%水平下顯著為正,但與式(23)相比,其系數(shù)值大幅度下降,由0.013下降到了0.006。KS的回歸系數(shù)在5%水平下顯著為負,表明知識粘性的反向調(diào)節(jié)作用顯著存在,知識粘性阻礙了創(chuàng)新投入對經(jīng)濟增長的正向推動作用的發(fā)揮,降低了創(chuàng)新投入對經(jīng)濟增長的正向影響力。盡管創(chuàng)新投入是創(chuàng)新活動的重要來源和必要基礎(chǔ),但并不是所有創(chuàng)新投入要素都能得到充分利用,這與創(chuàng)新過程中知識轉(zhuǎn)移的難度有關(guān)。知識粘性越高,知識轉(zhuǎn)移難度越大,科研人員消化和利用知識的效率越低,真正有效的人力資本投資越低,創(chuàng)新投入產(chǎn)生的經(jīng)濟效益越小?？傊?本部分在實證層面驗證了知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中具有反向調(diào)節(jié)作用,這與前文理論機制分析結(jié)論一致。

表2中,各控制變量至少通過了10%的顯著性水平,部分在1%和5%水平下顯著,比如式(23)中的TO、TH、FI以及式(24)中的TH、ST均在1%水平下顯著,式(23)中的ST和PR、式(24)中的TO以及式(25)中的所有控制變量均在5%水平下顯著,說明本文控制變量的選擇是合理的。TO的系數(shù)值顯著為正,貿(mào)易開放程度越高越有利于吸引外國先進技術(shù)和促進國內(nèi)技術(shù)進步,從而推動經(jīng)濟增長。TH的系數(shù)顯著為正,產(chǎn)業(yè)結(jié)構(gòu)升級,尤其是互聯(lián)網(wǎng)產(chǎn)業(yè)、高新技術(shù)產(chǎn)業(yè)等第三產(chǎn)業(yè)的快速發(fā)展在一定程度上有利于經(jīng)濟增長。FI的估計系數(shù)顯著為負,金融發(fā)展水平不利于經(jīng)濟增長,其原因可能在于,金融發(fā)展對經(jīng)濟增長的邊際效應(yīng)存在遞減規(guī)律,金融發(fā)展水平對經(jīng)濟增長具有顯著的非線性特征,這與李成和張琦的研究結(jié)論一致[36],金融部門的過度發(fā)展會擠占實際經(jīng)濟資源,對長期經(jīng)濟增長產(chǎn)生不利影響。ST的系數(shù)值顯著為正,高等教育水平對經(jīng)濟增長有顯著的正向影響。高等教育水平直接決定了經(jīng)濟發(fā)展過程中人才儲備水平,高等教育水平越高,知識傳播和分享就越廣泛,從而推動經(jīng)濟發(fā)展。PR的系數(shù)值顯著為負,可能原因在于,近年來中國生育率下降,老齡化水平快速上升,人口撫養(yǎng)比上升,增加了經(jīng)濟增長的負擔(dān),這也驗證了汪偉的研究結(jié)論[37]。

(二)區(qū)域差異分析

中國地域面積廣闊,不同地區(qū)間經(jīng)濟發(fā)展差異較大,為了進一步揭示知識粘性在調(diào)節(jié)中國創(chuàng)新投入影響經(jīng)濟增長中是否存在區(qū)域差異,本文將中國30個省份分為東、中、西三個區(qū)域,其中,東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南等10個省(市),中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南、黑龍江、吉林、遼寧等9個省,西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆等11個省(區(qū)、市)[38-39]。利用各區(qū)域樣本數(shù)據(jù)分別對中介效應(yīng)模型式(25)進行估計,估算結(jié)果如表3所示。

表3 不同地區(qū)中介效應(yīng)模型估計結(jié)果

5%水平下,東部和西部的IT系數(shù)均顯著為正,1%水平下,中部的IT系數(shù)顯著為正,創(chuàng)新投入對所有地區(qū)的經(jīng)濟增長具有顯著的正向影響。進一步比較可以看出,西部地區(qū)的系數(shù)值高于中部和東部地區(qū),創(chuàng)新投入對經(jīng)濟增長的影響力度在欠發(fā)達地區(qū)更大,有利于區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展。

從知識粘性角度來看,東部地區(qū)的KS系數(shù)為負,但沒有通過10%的顯著性水平,知識粘性的負向調(diào)節(jié)作用在東部地區(qū)不顯著。這可能是因為東部地區(qū)的創(chuàng)新水平和創(chuàng)新效率高于中西部地區(qū)[40],在此基礎(chǔ)上,盡管知識粘性有顯著的反向調(diào)節(jié),但創(chuàng)新投入帶來的巨大經(jīng)濟效益稀釋了這種調(diào)節(jié)作用。在中部地區(qū),KS在5%水平上顯著為負,知識粘性對中部地區(qū)經(jīng)濟增長具有顯著的負向影響。知識粘性抑制了中部地區(qū)創(chuàng)新投入對經(jīng)濟增長正向帶動,表現(xiàn)出負向調(diào)節(jié)作用。在西部地區(qū),KS項系數(shù)為負值,但沒有通過10%的顯著性水平。這可能是由于區(qū)域間稟賦和創(chuàng)新環(huán)境等綜合因素差異,與東部和中部地區(qū)相比,西部地區(qū)的整體知識存量較少,導(dǎo)致知識粘性不明顯。進一步比較不同地區(qū)KS項系數(shù)值可以發(fā)現(xiàn),知識粘性在不同地區(qū)的負向調(diào)節(jié)力度存在差異,在西部地區(qū)最強,中部地區(qū)和東部地區(qū)相差很小,中部地區(qū)略高于東部地區(qū)。

從控制變量的估計結(jié)果來看,東部地區(qū)的TO系數(shù)值在10%水平下顯著為負,與表2中估計結(jié)果相反,根據(jù)陳福忠的結(jié)論[41],貿(mào)易開放水平與經(jīng)濟增長之間存在非線性關(guān)系,目前中國東部地區(qū)貿(mào)易開放水平過高,不利于區(qū)域經(jīng)濟的長期可持續(xù)增長。其他控制變量系數(shù)的顯著性與前文結(jié)果基本一致,在此不再贅述。

(三)穩(wěn)健性檢驗

為判斷前文實證結(jié)論的穩(wěn)健性,分別采用工具變量法、改變估計方法和增加控制變量的方法對前文估計結(jié)果進行穩(wěn)健性檢驗。

(1) 選擇工具變量。將R&D經(jīng)費占GDP比重作為工具變量[42-43],替換前文的研發(fā)人員投入,同時,以2013年為基準期,利用價格指數(shù)(CPI)對其進行調(diào)整,而后重新估計調(diào)節(jié)效應(yīng)模型。估算結(jié)果見表4第(1)列。可以看出,KS項系數(shù)依然顯著為負,驗證了知識粘性在創(chuàng)新投入影響經(jīng)濟增長中的負向調(diào)節(jié)作用,前文估計結(jié)果是穩(wěn)健的。

表4 穩(wěn)健性檢驗結(jié)果表

(2) 更改估計方法。選擇GMM法重新估計模型,結(jié)果如表4第(2)列所示?？梢钥闯?估計結(jié)果與前文基本一致,KS項系數(shù)在5%水平上仍然顯著為負,再次驗證了前文實證結(jié)果的穩(wěn)健性。

(3) 增加控制變量。技術(shù)進步是促進經(jīng)濟增長的一個重要因素,本文選擇全要素生產(chǎn)率(TP)替代技術(shù)進步水平,加入前文中介效應(yīng)模型,并對其進行估計,估計結(jié)果見表4第(3)列。工業(yè)發(fā)展水平在國民經(jīng)濟中起著重要作用,提高工業(yè)水平可以推動經(jīng)濟增長,本文選擇第二產(chǎn)業(yè)增加值占GDP的比重(SE)衡量工業(yè)化水平,加入中介效應(yīng)模型,并進行參數(shù)回歸,結(jié)果見表4第(4)列。公共文化水平越高,知識存量越高,較高的知識存量有利于人力資本積累,對經(jīng)濟增長會產(chǎn)生積極影響。用公共圖書館數(shù)量(LB)替代公共文化水平因素,作為控制變量加入中介效應(yīng)模型,估計結(jié)果為表4第(5)列。從表4中第(3)-(5)列中結(jié)果來看,在10%水平上,KS項系數(shù)顯著為負,均和前文估計結(jié)果一致,進一步表明前文實證結(jié)論是穩(wěn)健的。

(四)門限效應(yīng)分析

從區(qū)域差異分析中可以發(fā)現(xiàn),知識粘性在不同地區(qū)創(chuàng)新投入影響經(jīng)濟增長過程中的負向調(diào)節(jié)作用存在較大差異?？紤]到東部和中部地區(qū)的技術(shù)創(chuàng)新水平更高,對創(chuàng)新的投資也更大[44],具有更高創(chuàng)新投入的地區(qū)能否淡化知識粘性的負面影響,從而削弱知識粘性的負向調(diào)節(jié)作用?如果存在,是否存在門限呢?本部分旨在對該現(xiàn)象進行檢驗,通過構(gòu)建面板門限效應(yīng)模型探討知識粘性調(diào)節(jié)作用的門限效應(yīng)及具體的門限水平。

在中介效應(yīng)模型基礎(chǔ)上構(gòu)建以下面板門限效應(yīng)模型：

Git=α0+α1ITit+α2KSitψ(ITit≤γ)+α3KSitψ(ITit>γ)+∑?jxijt+λi×μt+εit

(26)

上式中,ψ(·)為指示函數(shù),創(chuàng)新投入(IT)是門限變量,γ為門限值,其余設(shè)置與前文一致。

在面板門限效應(yīng)模型估計之前,需要對變量是否存在門限效應(yīng)進行初步檢測,并在此基礎(chǔ)上確定門限值的數(shù)量。利用Bootstrap方法獲得每個測試統(tǒng)計量的顯著性水平(表5)。

表5 面板門限效應(yīng)檢測表

從表5可以看出,單門限效應(yīng)的P值為0.008,通過1%的顯著性,而雙門限未通過10%的顯著性水平,表明知識粘性的調(diào)節(jié)作用存在單門限效應(yīng)。同時,檢測顯示,創(chuàng)新投入門限值的估計為2.053,95%置信區(qū)間為[2.032,2.074]。使用面板數(shù)據(jù)對單門限效應(yīng)模型的估計結(jié)果如表6所示。

表6第(1)列為不含控制變量的估計結(jié)果,第(2)列為不含時間和個體交互作用的估計結(jié)果,第(3)列為包含控制變量及時間和個體交互項的估計結(jié)果。這三種估計結(jié)果的R2差異很小,其中第(3)的R2值相對最大,模型整體估計結(jié)果略好于其他兩種,因此,本文使用第(3)列估計結(jié)果作為參考?？梢钥闯?當(dāng)創(chuàng)新投入水平低于門限值時,KS項的估計系數(shù)為-0.061,在5%水平上顯著。然而,當(dāng)創(chuàng)新投入水平高于門限值時,KS項的估計系數(shù)降至-0.039,在1%水平上顯著,表明隨著創(chuàng)新投入水平的增加,知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中的負向調(diào)節(jié)作用呈現(xiàn)邊際遞減狀態(tài),當(dāng)創(chuàng)新投入水平高于此門限時,知識粘性的負向調(diào)節(jié)作用大幅下降。該現(xiàn)象原因可能在于,當(dāng)創(chuàng)新投入水平增加到一定水平時,知識粘性的部分負向效應(yīng)將被創(chuàng)新投入的強大驅(qū)動力抵消,從而削弱知識粘性的負向調(diào)節(jié)作用。

五、結(jié)語

在Romer經(jīng)濟增長模型的基礎(chǔ)上,通過構(gòu)建一個包含知識粘性和創(chuàng)新投入的經(jīng)濟增長模型,從理論上論證了知識粘性在創(chuàng)新投入推動經(jīng)濟增長過程中的調(diào)節(jié)作用。在此基礎(chǔ)上,構(gòu)建了知識粘性測度指標體系,利用2013年至2021年中國30個省份的面板數(shù)據(jù),進一步實證檢驗了知識粘性在創(chuàng)新投入影響經(jīng)濟增長中的調(diào)節(jié)作用、區(qū)域差異及調(diào)節(jié)作用的門限效應(yīng)。研究結(jié)果顯示：(1)知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中具有顯著的負向調(diào)節(jié)作用,即在創(chuàng)新投入推動經(jīng)濟增長過程中,知識粘性抑制了創(chuàng)新投入作用力的發(fā)揮,間接阻礙了經(jīng)濟增長。(2)知識粘性對西部地區(qū)創(chuàng)新投入推動經(jīng)濟增長過程中的抑制作用最大,對經(jīng)濟增長的負向調(diào)節(jié)作用最強,其次是中部地區(qū),在東部地區(qū)最弱。(3)知識粘性在創(chuàng)新投入影響經(jīng)濟增長過程中的負向調(diào)節(jié)作用存在顯著的門限效應(yīng),隨著創(chuàng)新投入水平的提高,知識粘性的負向調(diào)節(jié)作用呈現(xiàn)邊際遞減狀態(tài)。

為了提高創(chuàng)新效率,助力創(chuàng)新驅(qū)動經(jīng)濟發(fā)展,政府部門可以從知識粘性角度制定相關(guān)政策,以消除知識流動障礙,建立良好的知識轉(zhuǎn)移機制,降低知識粘性在創(chuàng)新投入推動經(jīng)濟增長過程中的負向調(diào)節(jié)作用。

第一,進一步完善知識產(chǎn)權(quán)保護法規(guī)體系。在制度層面為提供者與接收者之間的知識轉(zhuǎn)移提供法律保護。在確保知識提供者利益基準下,通過立法形式保護知識產(chǎn)權(quán)的使用者利益和社會公共利益,盡量避免制度性傾斜。此外,加大對知識產(chǎn)權(quán)保護的財政支持力度。政府部門可以通過公共財政支持的形式引導(dǎo)知識轉(zhuǎn)移主體參與到知識保護中,為知識的順暢流動提供良好的法律環(huán)境。

第二,充分尊重知識轉(zhuǎn)移的市場規(guī)律。讓市場調(diào)節(jié)信號自主在市場上形成,政府部門應(yīng)盡量減少對專利技術(shù)市場的直接干預(yù),并且加大對知識交易市場中的違規(guī)違法行為的打擊力度,更充分的運用市場功能調(diào)節(jié)知識轉(zhuǎn)移,并給予保駕護航。

第三,激勵資本進入創(chuàng)新市場,提升創(chuàng)新投入力度。有效利用資本市場對創(chuàng)新的選擇功能,完善對創(chuàng)新投資的引導(dǎo)和激勵機制,可以通過信貸支持、稅費減免、技術(shù)指導(dǎo)等手段將風(fēng)險資本引向創(chuàng)新型企業(yè),激勵企業(yè)加大創(chuàng)新投入。同時,充分發(fā)揮政府科研基金對企業(yè)發(fā)明、改造以及引進新技術(shù)的激勵功能,在政府科研基金規(guī)模有限的前提下,可以更多的向科技創(chuàng)新型企業(yè)和尖端技術(shù)攻關(guān)項目傾斜。