中国区域技术专业化与经济增长
——基于专利数据的实证分析

邱梦圆,丁焕峰

(华南理工大学 经济与贸易学院,广东 广州 510006)

基于专利数据构建技术专业化衡量指标,测度2001-2015年中国内地30个省域技术专业化系数,展现专业化模式的区域差异以及变动规律,并利用门限面板模型进一步考察不同类型技术专业化与区域经济增长之间的非线性关系。结果表明:中国省域技术分工系数总体呈现西高东低的区域特征,并出现先增后降的变化趋势;只有少数地区能在高新技术和高机会技术领域实现专业化,大部分地区仅在自身优势产业所对应的技术领域实现专业化;技术专业化与区域经济增长之间存在非线性关系,创新能力较低时,技术分工将促进经济增长,而当创新能力较高时,技术分工的作用不显著,且不同领域专业化会产生不同效果。

关键词技术专业化;经济增长;非线性关系;专利

0 引言

技术创新是经济增长的驱动力,但技术在国家间、产业间的分布极不平衡,往往表现出区位特性与专业化特性[1]。研究技术创新布局问题对于把握创新活动规律具有重要意义。技术布局研究关注两方面内容,一是技术专业化模式,即技术创新能力在哪些领域中有相对优势,在哪些领域有相对劣势;二是技术专业化程度,即技术创新在技术领域分布的集中和离散程度[2]。20世纪80年代以来,学界围绕不同地区技术专业化的差异、成因、持续性和稳定性、对经济增长的影响等方面展开了诸多讨论。

利用专利数据,国内外学者们对众多国家或地区的技术专业化模式及程度进行了描述和比较。从总体看,其结论基本相同,即发现技术专业化程度与规模呈负相关,规模越小的国家专业化程度越高[3-4]。此外,新兴工业化国家都注重在快速增长的技术领域加强专业化[5-6]。同时,发达国家的技术专业化程度也有增加趋势,这些国家倾向于将技术优势集中于越来越少的技术领域[7]。对于技术专业化的产生,主要是因知识溢出尤其是隐性知识转移受地理空间限制,使特定领域的研发活动呈现出集聚特征[8]

内生增长理论显示,在不同的产业部门,技术创新、知识溢出与规模报酬递增机会和程度是不同的,因而经济活动的结构将影响长期增长[9],产业专业化与经济增长的关系也因此被广泛讨论[10]。技术专业化研究不论是方法还是思路,多参照和延续了产业结构与贸易结构研究,不少学者开始分析国家技术结构变革、技术优势与国际贸易和经济增长间的关联。Uchida和Cook[11]对主要东亚国家技术和贸易专业化模式进行比较,发现国家间技术专业化模式差异远大于贸易专业化模式,而技术专业化部分决定了贸易专业化,也对经济增长产生了一定影响。部分学者实证发现技术专业化领域的技术质量对国家经济增长率有正向影响。例如,Meliciani V[12]运用国际收支平衡约束下的经济增长模型,证实一国专业化发生于增长超过平均值的技术领域会在国际贸易中形成更大的竞争优势,能取得更高的经济增长率。Jungmittag A[13]认为,专业化于正确的技术领域将提高生产率,并更大程度上促进经济增长。因此,在发展最快的技术领域实施专业化,而在发展最慢的技术领域去专业化是最好的模式[12]

然而,技术专业化对经济增长的作用也引起了一些争议, Malerba F和Montobbio F[14]、Montobbio F和Rampa F[15]对于发展中国家进行考察发现,专业化发生于正确的技术领域并不意味着出口增加。Ruiz A和Rocha C[16]研究技术专业化与经济增长的关系发现,由于技术变化过于迅速,不同的技术专业化模式对经济增长没有影响。冯仁涛[2]探讨了ICT(信息和通信)技术领域专业化对中国经济增长的影响,发现GDP与ICT技术发展之间存在U型关系,即ICT技术发展对GDP增长会起到阻碍作用,但在超过临界值后,会由阻碍变成促进。Evangelista R等[17]对欧洲国家的研究发现,在ICT和仪器仪表领域技术专业化程度提高有利于经济增长,而在化学和医药领域专业化程度提高不利于经济增长。目前的实证研究结论存在争议,一部分原因在于对技术专业化的界定不统一,什么才是“正确的技术”还存在争论[18];另一部分在于技术专业化与经济增长也许不是简单的线性关系,而是根据地区发展阶段不同而呈现不同效果。

近年来,随着中国经济迅速发展,技术创新能力得到显著提高,但由于我国幅员辽阔,不同地区经济发展存在巨大差异,使得技术创新活动也呈现出显著的地区差异。在技术发展过程中,不同地区会积累形成各自独特的技术优势,而这种技术优势正是地区技术持续发展的基础[19]。从区域角度分析技术创新问题,把握各地区技术专业化领域及发展趋势,确定技术专业化对于经济增长的作用,对于理解创新驱动发展战略以及相关政策的制定具有重要的指导意义。基于此,本文在前人研究的基础上,提出技术专业化的不同类型,呈现中国省域技术专业化的模式及变动趋势,并实证检验不同类型技术专业化对经济增长的影响,分析其中的门槛效应,为不同区域技术创新布局选择提供参考。

1 技术专业化类别与测度

1.1 技术专业化类别

根据新增长理论,可将技术专业化分为两类:一是斯密专业化(Smithian Specialization),强调分工,并不关注具体的专业化领域。通过分工产生“干中学”效应和规模报酬递增效应,推动经济增长;二是李嘉图专业化(Ricardian Specialization),强调专业化领域的质量,认为好的专业化将带来更大幅度的产出增长[20]。现有关于技术专业化与经济增长的研究对技术专业化类别设定也是依此思路,分别考察技术分工和部分领域专业化对经济的影响。其中,技术分工通常采用赫芬达尔指数、基尼系数、CV值等测算斯密专业化,而对于李嘉图专业化,什么才是有质量的领域尚无定论,这也是导致研究争议的原因之一。

首先,Jungmittag A[13]将高技术产业对应的技术领域视为“正确的技术(correct technologies)”,因为正的溢出效应往往出现在高技术产业中。在技术竞争视角下,一国专业化发生于高新技术领域会产出较高需求收入弹性的产品,并获得更高的增长率。然而,这是一种相对静态的界定方法,因为高技术产业划分在很长时间内不会改变,但在不同的科技浪潮中,对整体经济起关键作用的技术往往是不同的[21]。鉴于此,Huang H和 Miozzo M[22]以一段时期内快速增长的技术作为“正确的技术”,这类技术往往具有更大的发展机会和更高的潜在应用价值,对于未来学习和技术发展过程更为有利。动态视角下的高技术机会领域也成为后续研究中被广泛考察的领域[18]

无论是高新技术还是高机会技术,对所有地区而言都是一致的。然而,各地经济发展情况不同,并且中国区域经济差异巨大,统一界定的正确技术也许并不具有很好的普适性。正如国家创新系统研究发现,一国创新活动与其产业结构和部门结构密切相关[1],技术发展不应脱离当地产业基础,从而对当地产业有促进作用的技术才应被认为是正确的。因此,本文认为某地区优势产业对应的技术领域对该地区而言是“正确的技术”。

为综合考察技术专业化对中国区域经济增长的影响,本文将技术专业化分为4类,分别是强调分工的技术专业化、强调领域质量的高新技术专业化、高机会技术专业化及优势产业技术专业化,以延续国外学者对斯密专业化和李嘉图专业化的考察。

1.2 技术专业化测度方法

专利数量被认为是衡量区域创新能力和竞争力的主要指标,其中,发明专利往往被认为是所含科技含量最高、开发难度最大、收益率最高的专利,代表了核心创造力[23]。因此,本文采用发明专利授权量作为技术创新的衡量指标。测度技术专业化的第一步是对技术进行分类,由于技术创新通常与特定产业相关,而产业又是经济和管理学者分析创新活动的关键维度[24],为了更好地识别“正确的技术”,挖掘不同地区分行业的创新产出信息,本文将发明专利按国民行业进行分类。

结合以往文献和我国实际情况,本文用克鲁格曼分工指数测度区域技术分工程度,用以表示斯密专业化。同时,选择高技术产业领域、高技术机会领域和地区优势产业领域这3类“正确的技术”计算显性技术优势指数,以考察李嘉图技术专业化。具体指标如表1所示。

表1不同类别技术专业化指标说明

指标名称 计算公式 指标说明 指标含义技术分工系数(S1)S1i=∑nk=1PikPi-PkP其中,Pik代表i地区k行业的发明专利授权数;Pi表示i地区的发明专利授权数;Pk表示各地区k行业的发明专利授权总数;P表示各地区的发明专利授权总数。本文共考察行业34个(n=34),包括29个制造业部门、农业、采掘业、电力热力及水的生产供应业、建筑业和信息服务业该指标考察地区i的专利结构与全国平均水平之间的差异,系数越大表示地区i的技术专业化程度越高,但与具体的技术领域无关高新技术专业化系数(S2)S2i=(PiHT/Pi)/(PHT/P)其中,PiHT表示i地区在高技术产业领域的发明专利授权数;Pi表示i地区的发明专利授权数;PHT表示各地区在高技术产业领域的发明专利授权总数;P表示各地区的发明专利授权总数根据国家统计局《高技术产业统计分类目录》选择高新技术产业若S2i,表示地区i在高技术产业领域的专利数量具有相对比较优势,数值越大表示在该领域的专业化程度越高高机会技术专业化系数(S3)S3i=(PiTO/Pi)/(PTO/P)其中,PiTO表示地区i在高技术机会领域的发明专利授权数;PTO表示各地区在高技术机会领域的发明专利授权总数,其余指标含义同上借鉴Ruiz A和Molina N[18]的方法,通过比较考察区间内各产业的专利数占总专利数比值的增长情况选取高技术机会的产业S3越大表示在高机会技术领域的专业化程度越高优势产业技术专业化系数(S4)S4i=PiDI/Pi()/PiDI/P()其中,PiDI表示地区i在该地区优势产业领域的专利授权数;PiDI表示各地区在i地区优势产业领域的专利授权总数,其余指标含义同上各地区优势产业参考王德利和方创琳[25]的研究成果,利用《中国地区投入产出表(2002)》和相关指标体系确定,并假设在考察时期内各地区优势产业保持不变S4越大表示在优势产业技术领域的专业化程度越高

由于西藏专利数据过少,本文考察区域为除西藏以外的中国内地30个省(自治区、直辖市),时间跨度为2001-2015年。为节约篇幅并分析中国区域技术专业化的时间变化特征,本文仅选取3个时间点(2001年、2008年、2015年)进行展示。

1.3 中国区域技术专业化现状

图1展示的是中国各地区技术分工系数(S1)变化情况,系数越大表示地区技术专业化程度越高。由图可知:①绝大部分地区技术专业化程度经历了先升后降或持续下降趋势。大部分地区如天津、河北、山东、湖北等,技术分工系数先增大后减小。少部分地区如上海、江苏、浙江、四川等,技术分工系数持续下降。只有北京的技术分工系数呈现出先减小后增大的趋势。总体而言,随技术发展,中国各地区创新活动面向多个领域开展,地区间分工差异度有所降低;②各地区技术分工系数存在差异。总体而言,北京、上海、江苏、浙江等东南沿海地区分工系数普遍低于中西部地区。当然也存在例外,位于沿海发达地区的广东省技术分工系数较高、专业化程度高,而四川、山西等地区专业化程度较低。这与现有研究结论相似,即规模较大的省份能够在较广泛的技术领域开展创新活动,而规模较小的省份则倾向于将创新活动局限于较少技术领域。

表1显示了中国内地各省市区在“正确的技术”领域中的专业化程度。由表可知:①只有少数地区在高新技术产业及高技术机会领域具有比较优势。在考察期间内,只有北京、吉林、黑龙江、上海、广东、海南、陕西在高新技术产业领域始终保持较高的专业化程度,专业化系数大于1。高新技术产业并不一定都具有高技术机会,同样高技术机会领域也不局限于高新技术产业,在高技术机会领域中具备比较优势的省份有北京、上海、江苏、浙江、广东、重庆。总体而言,只有北京、广东、上海等极少数省(市、区)有能力在拥有最高技术机会的技术领域实现专业化,并得以不断强化;②绝大部分地区的技术优势表现在优势产业领域。在考察期间内,几乎所有地区都在自身优势产业领域内具有较高的技术专业化程度,表明各地区技术优势往往来源于自身产业基础,由产业优势带来技术优势。北京、广东在高新技术领域实现专业化的主要原因在于,其优势产业是高技术产业。从时间趋势看,不少地区专业化程度逐步升高,表明产业基础对于技术发展的作用日益增强。结合图1和表1,可大致将中国区域技术专业化分为4类:①技术专业化程度高且优势聚焦于高新技术和高机会技术领域,如广东;②技术专业化程度高,并且主要体现在自身优势产业领域中,如西部省份;③总体技术专业化程度不高,但在高新技术或高机会技术领域优势明显,如北京、上海等;④总体技术专业化程度不高,但在自身优势产业领域技术优势明显,如湖北、四川等。

图1200120082015年中国各省市区技术分工系数

表1中国内地各省市区在不同技术领域专业化系数

省份高新技术专业化系数200120082015高机会技术专业化系数200120082015优势产业技术专业化系数200120082015北京0.8711.2181.3171.2031.0751.1060.7721.2521.436天津0.8890.5280.9631.4731.1540.9310.7440.7581.136河北1.1160.7660.7950.9200.6890.9180.9961.3451.193山西0.8170.5810.8470.8670.6150.8710.9521.5361.279内蒙古1.0990.8760.7410.7050.4760.6560.9281.5282.014辽宁0.8320.6570.7930.7760.7850.9381.0851.3701.215吉林1.1940.9951.0740.8280.6880.8701.1491.6211.546黑龙江1.1240.8001.0550.7580.8391.0691.1801.1950.931上海1.1861.0091.1481.2251.0171.0841.0531.1031.070江苏0.7360.7490.8191.2820.9571.0230.9001.0330.974浙江0.7870.7730.7401.4800.9881.0310.8451.1461.147安徽1.2610.8130.6760.6180.8920.7971.1821.1011.429福建1.1230.7560.8911.1440.8720.9001.0311.2771.197江西1.3021.1110.8310.6250.4860.6710.8001.0450.991山东0.9820.7581.0330.8280.7470.7561.0751.4271.636河南1.3400.7290.8250.7990.7250.8531.2061.7751.739湖北1.0150.8531.0181.0200.8010.9431.0211.2291.067湖南1.0700.4620.7470.6470.5930.9721.1591.6741.056广东1.0151.5211.3061.3041.4141.2391.1041.3661.391广西1.2780.8160.6460.5280.5740.6831.2321.6521.610海南1.0671.0661.0440.1870.4010.2970.0003.0084.302重庆0.9140.8880.9731.2321.0231.0372.3882.3701.507四川0.9530.9840.9800.9740.7990.9471.4031.3211.242贵州0.9830.9600.6640.6570.4610.6850.7402.0922.439云南1.2200.7020.7000.3490.3530.6031.6763.7733.489陕西1.3101.0461.0951.1130.9330.9840.5571.1931.169甘肃0.9580.7520.8261.0540.5180.6471.3951.5411.944青海1.1600.4820.6410.6520.1970.3561.0230.5461.785宁夏1.3340.4450.6190.5620.5080.6551.2501.5061.532新疆0.9610.6450.8690.6750.2520.7222.6364.6472.442

上述结论说明中国各省(市、区)技术专业化程度和领域存在差异,而这一差异可能与工业发展阶段有关。冯仁涛[3]认为,在工业化初始阶段,由于生产主要集中于劳动密集型或资源密集型产业,技术基础薄弱、技术专业化程度相对较高;随着具有比较优势的产业从资源和劳动密集型向资本密集型转化,产业扩张会促进基础工业发展,技术引进与吸收会使技术专业化程度降低;工业化后期,生产活动集中于电子、医药等技术密集型产业,产业升级会导致创新在高技术领域实现专业化,总体专业化程度会上升。每个区域在发展过程中都会经历这样的U型变化,在同一时期,不同地区会处于不同阶段。我国部分地区已进入高新技术领域专业化阶段,也有部分地区处于技术专业化程度降低阶段,还有许多地区处于初始阶段。因此,在确定创新发展的重点领域时,一方面要考虑区域发展阶段差异,另一方面还要考虑区域技术布局区别,通过使技术匹配发展阶段,促进区域协调。

2 实证分析

2.1 普通面板模型

2.1.1 模型设定与数据说明

分析区域技术专业化的目的在于以此评估和调整各地区技术创新策略,以更好地促进经济发展,因此需要确定技术专业化对于区域经济增长的影响。本文以柯布-道格拉斯生产函数为基础,考察不同类型技术专业化对经济增长的影响,基本模型如下:

Yit=β0+β1Kit+β2Pit-1+β3Sit-1+βXit+εit

(1)

其中,Yiti地区t时期的产出水平,用人均GDP表示;Kiti地区t时期的人均资本存量;Pit-1i地区t-1时期的区域创新能力,借鉴《中国区域创新能力评估报告》中使用的指标,用百万人口平均发明专利授权量测度[26]Sit-1为技术专业化,用上述技术分工系数、高新技术专业化系数、高机会技术专业化系数和优势产业技术专业化系数表示,分别构建4个模型对应4种技术专业化类型;Xit为影响区域经济水平的其它变量,借鉴相关文献,选用政府财政支出(Gov)、对外开放度(Open)和产业结构(Ind)作为控制变量[27]。由于技术效用往往存在滞后性,同时为了避免技术创新与经济增长间的内生性,模型中区域创新能力和技术专业化变量选用滞后一期数据。

本文考察样本为除西藏以外的全国内地30个省(直辖市、自治区),时间区间为2001-2015年。其中人均GDP用GDP平减指数折算成2000年不变价;资本存量采用张军[28]的计算方法,以2000年为价格基年,并使用年末总人口计算人均资本存量;财政支出用GDP平减指数折算成2000年不变价;对外开放度采用区域对外进出口总值表示,用人民币汇率中间值折算;产业结构采用非农产业增加值占总增加值比重表示。数据来源于中国各地区统计年鉴,除比率之外,其它所有变量均取对数。

2.1.2 估计结果

表2普通面板模型估计结果

变量名模型1(S1)模型2(S2)模型3(S3)模型4(S4)St-1 0.011-0.033∗∗∗0.008-0.011(0.61)(-2.98)(0.55)(-2.78)Pt-1 0.047∗∗∗0.049∗∗∗0.046∗∗∗0.044∗∗∗(9.26)(9.90)(9.35)(8.94)Kt0.388∗∗∗0.382∗∗∗0.387∗∗∗0.379∗∗∗(28.99)(28.60)(28.74)(27.94)Opent0.041∗∗∗0.040∗∗∗0.041∗∗∗0.039∗∗∗(5.61)(5.57)(5.56)(5.31)Govt0.153∗∗∗0.152∗∗∗0.155∗∗∗0.165∗∗∗(12.75)(12.96)(12.97)(13.36)Indt0.004∗∗∗0.004∗∗∗0.004∗∗∗0.005∗∗∗(3.05)(3.11)(3.22)(3.87)常数项3.736∗∗∗3.844∗∗∗3.723∗∗∗3.691∗∗∗(35.40)(34.71)(34.80)(34.96)调整R20.9150.9130.9140.912F值127.43∗∗∗130.90∗∗∗128.02∗∗∗122.12∗∗∗Hausman检验388.41∗∗∗540.88∗∗∗292.82∗∗∗854.38∗∗∗AIC-1 635.802-1 645.008-1 635.714-1 643.732

注:括号内为z统计值;******分别表示回归系数在10%、5%和1%水平下显著,下同

表2为公式(1)的估计结果,模型1-4分别展示了4类技术专业化对经济增长的影响。根据Hausman检验结果可知,选用固定效应模型更为合适。调整的R2和AIC指标显示,模型拟合程度较好。实证结果表明,在4个模型中,百万人口平均发明专利授权量(Pt-1)系数显著为正,表明区域创新能力对经济增长具有正向作用,同样,人均资本存量(Kt)对经济增长的贡献度最大,对外开放程度(Opent)、政府财政支出(Govt)、产业结构(Indt)的系数均显著为正,与相关文献估计结果大致相同。对4种专业化的估计结果表明,技术分工系数(S1t-1)对经济增长的影响系数为正但不显著,表明不考虑特定领域的技术专业化对经济增长的促进作用十分微弱;高新技术专业化系数(S2t-1)对经济增长的影响显著为负,即高新技术产业领域专业化程度高反而不利于经济增长。此外,高机会技术专业化系数(S3t-1)和优势产业技术专业化(S4t-1)对经济增长的影响均不显著。该结果与国外研究结论有相似之处,其研究发现技术专业化对经济增长的贡献十分微弱甚至为负。该结果可能的解释是,相比于选择正确的技术领域并实现专业化,技术追赶更有利于落后地区经济增长[20]。Antonelli C[29]的研究也认为当地区生产要素与产出不相匹配时,技术选择并不能带来经济增长。本文认为,不同地区呈现出不同的技术专业化形式,对经济增长的作用也不尽相同,技术专业化变动趋势是一个非线性过程,从而使它对于经济增长的影响也可能是非线性的。因此需考虑非线性模型进行进一步验证。

2.2 门限面板模型

2.2.1 模型设定

上文分析表明,区域技术专业化具有非线性变动趋势,为进一步验证技术专业化与经济增长可能存在的非线性关系,本文采取局部加权散点平滑法(LOWESS)对四类技术专业化与区域人均GDP的关系进行曲线拟合。

图2四类技术专业化与人均GDP的曲线拟合

由图2可知,四类技术专业化与人均GDP之间均存在一定的非线性关系,并且有不同方向的相关关系,线性模型并不能很好地展现技术专业化对经济增长的影响。因此,本文借鉴Hansen B[30]提出的门限面板回归模型,用以揭示技术专业化与经济增长的非线性关系,模型设定如下:

Yit=β0+β1Sit-1I(Pit-1γ)+β2Sit-1I(Pit-1>γ)+βpPit-1+βkKit+βXit+εit

(2)

模型各项指标含义与普通面板模型相同,其中,Sit-1为4种类型的技术专业化;Pit-1为门限变量;I(*)是一个指标函数,当门限变量满足条件时,函数值为1,否则为0。本文选取百万人口平均发明专利授权量所代表的创新能力作为门限变量,考察在不同的创新发展阶段下,技术专业化对于区域经济发展是否呈现出不同程度的影响。

2.2.2 门限效应检验

为进一步验证这种非线性关系,本文以区域创新能力(Pt-1)作为门限变量,对四类技术专业化模型进行门限效应检验,结果如表3所示。

由门限效应检验的F统计量和对应P值可知,在5%的显著性水平下,4个模型均拒绝了“不存在门限效应”的原假设,表明存在门限效应,并且有3个模型接受存在一个门限。为方便分析,本文均构建单门限面板模型。

图3为门限值估计的LR检验,由图3可知,模型1的LR统计量在95%渐近有效置信区间内(2.316, 2.531)接近于零,检验结果无法拒绝“门限估计值为其真实值一致估计量”的原假设,而且在单门限效应下,门限估计值为2.490。同理,模型2、模型3、模型4的LR统计量均在一定置信区间内接近于零,并可获得门限估计量,估计结果列于表4。

表3门限效应检验

类型变量模型1模型2模型3模型4单门限F统计量42.7133.7631.9725.46P值0.0030.0300.0270.050双门限F统计量22.4315.9923.9913.87P值0.0970.2470.0430.300

表4结果显示,4个模型中,Pt-1KtOpentGovtIndt系数显著为正,表明区域创新能力、人均资本存量、对外开放程度、政府财政支出、产业结构均与地区经济增长呈正向相关关系,系数大小与普通面板模型结果较为接近,拟合优度更大。对于模型1,当门限变量Pt-1<2.490,即百万人均发明专利授权量<12.06时,技术分工程度对经济增长具有显著的正向促进作用,而当该值大于2.490时,技术分工程度对经济增长的作用并不显著;对于模型2,当门限变量Pt-1<3.915,即百万人均发明专利授权量小于50.15时,高技术产业领域中的技术专业化程度与经济增长呈显著负向关系,当门限变量大于3.915时,高技术产业领域的技术专业化程度与经济增长关系不显著。由此可见,当区域创新能力相对较低时,技术分工有利于促进经济增长,但选择高技术产业作为优势技术专业化领域则可能适得其反;对于模型3,当门限变量Pt-1<3.915时,在高技术机会领域专业化程度对经济增长的作用并不显著,当门限变量大于3.915时,高技术机会领域专业化对经济增长有正向促进作用;对于模型4,门限变量小于2.477时,优势产业领域技术专业化对经济增长的作用不显著,而当门限变量大于2.477时,即百万人均发明专利授权量大于11.91时,优势产业领域的技术专业化程度与经济增长为显著的负向关系。由此可见,当区域创新能力相对较强时,根据自身产优势业选择技术专业化领域并不能很好地促进经济增长,而应选择具有高技术机会的技术领域。

图3门限回归模型的极大似然率函数

2.2.3 模型结果及分析

表4模型估计结果

变量名模型1(S1)Pt-1≤γPt-1>γ模型2(S2)Pt-1≤γPt-1>γ模型3(S3)Pt-1≤γPt-1>γ模型4(S4)Pt-1≤γPt-1>γSt-10.031∗-0.029-0.041∗∗∗-0.0040.0020.041∗∗∗-0.002-0.019∗∗∗(1.85)(-1.64)(-3.70)(-0.32)(0.16)(2.80)(0.97)(-4.56)Pt-10.052∗∗∗0.037∗∗∗0.030∗∗∗0.047∗∗∗(10.63)(6.65)(5.33)(9.13) Kt0.398∗∗∗0.379∗∗∗0.386∗∗∗0.381∗∗∗(30.99)(29.17)(29.65)(28.39) Opent0.039∗∗∗0.045∗∗∗0.046∗∗∗0.044∗∗∗(5.51)(6.36)(6.43)(6.25) Govt0.153∗∗∗0.155∗∗∗0.161∗∗∗0.167∗∗∗(13.34)(13.59)(13.86)(13.72) Indt0.005∗∗∗0.005∗∗∗0.005∗∗∗0.005∗∗∗(3.70)(4.07)(4.20)(3.61)常数项3.586∗∗∗3.753∗∗∗3.599∗∗∗3.642∗∗∗(34.73)(34.36)(33.99)(34.43)门限值2.4903.9153.9152.477区间(2.316, 2.531)(3.811, 3.936)(3.696, 3.936)(2.293, 2.523)调整R20.9170.9150.9160.914F值140.66∗∗∗137.87∗∗∗136.46∗∗∗127.38∗∗∗

注:括号内为t值

综上可知,技术创新对经济增长具有正向促进作用,在不同的创新发展水平下,技术专业化模式和程度对经济增长的影响各异:首先,技术分工对于创新能力较弱的省份而言更为合适,将有限资源投入特定领域将能取得更高的使用效率。但是,在具体领域选择方面,一开始便将资源大量投入高新技术领域并不一定会产生良好效果。这是因为,具有在高新技术领域持续发展的能力及相关生产要素配套,对于经济增长更为重要。因此,这一类地区适合进行斯密专业化;其次,对于创新能力较强的省份,机会大、成长快的技术领域是更好的选择。因为这些省份已具备良好的产业基础,有能力在机会较大的技术领域占得先机、获得持续发展动力,进而实现李嘉图专业化。此外,创新能力强的地区更倾向于形成功能分工,纵使没有生产环节,也可以对某一产业的创新功能实现专业化。

3 结论与建议

3.1 研究结论

本文根据斯密专业化与李嘉图专业化的内涵,界定4种技术专业化类别,构建指标计算2001-2015年中国省域各类技术专业化系数,分析专业化模式的区域差异及变动规律;其次,通过构建普通面板模型与门限面板模型,实证分析不同技术专业化与区域经济增长间的关联,并引入门限变量检验技术专业化在不同技术创新能力水平下对经济增长的影响。本文得出以下主要结论:

(1)中国各省市区技术专业化程度和领域均存在差异:技术分工系数整体呈西高东低的区域特征,并出现先增后降的变化趋势;只有少数地区能在高新技术和高机会技术领域实现专业化,大部分地区仅在自身优势产业对应的技术领域实现了专业化。

(2)技术专业化与区域经济增长之间存在非线性关系:对于技术创新能力较弱的地区,技术分工将显著促进经济增长,但高新技术领域专业化会对经济增长产生负效应;对于技术创新能力较强的地区,技术分工的作用不显著,应选择具有高技术机会的技术领域进行专业化。

3.2 政策启示

(1)各省市在制定创新发展重点领域时应结合自身资源禀赋。我国各地区创新能力与优势领域存在很大差异,但在制定创新发展规划时倾向于与发达地区保持一致,以高新技术作为发展目标。但本研究结果表明,当地区创新能力较弱时,高技术及高机会技术领域专业化并不利于经济增长。虽然高技术产业及高技术机会领域发展潜力大,但没有相关基础配套支持,强行发展有可能适得其反。因此,对于江西、海南、贵州、云南、甘肃等创新能力未达到门限值的地区,应综合评估自身禀赋,选择适宜的重点发展领域。

(2)地区之间应注重创新功能分工,强调差异化发展战略。本研究结果表明,不同地区技术专业化与经济增长间的关系不同,各地区在制定创新发展战略时应结合该特点,找准自身定位。对于基础条件较好的地区,通常也是创新人才集聚地,应充分发挥自身创新功能,通过开展多样化技术创新,辐射带动周边地区;对于基础相对薄弱的地区,可进一步深化主导产业生产优势,并将产业链向创新功能延伸,从个别领域入手,逐步提升区域创新能力。

3.3 不足与展望

基于中国专利数据的研究结论,为解决技术专业化与经济增长问题提供了经验证据,但仍存在以下不足:①技术专业化指标构建有待进一步优化,关于专利分类、技术领域与产业领域间关系有待进一步厘清;②虽然结论发现技术专业化与经济增长之间存在非线性关系,但并未对二者内在作用机制进行深入探讨,这是今后研究方向之一;③技术创新在区域间存在空间溢出效应,专业化意味着分工的产生,而分工意味着区域间互动与协调。因此,考察一个地区专业化对本地区的影响,还需考虑其它地区分工、协作情况,将空间溢出效应纳入考察,从而空间溢出也是今后重要的研究方向。

参考文献:

[1] LUNDVALL, BENGT-ÅKE.National systems of innovation: towards a theory of innovation and interactive learning[J].Research Policy, 1992, 7(4):318-30.

[2] 冯仁涛.中国区域技术专业化模式与程度研究[D].武汉:华中科技大学,2013.

[3] ARCHIBUGI D, PIANTA M.Specialization and size of technological activities in industrial countries: the analysis of patent data[J].Research Policy, 1992, 21(1): 79-93.

[4] 冯仁涛,余翔.中国区域技术专业化程度与技术规模和经济规模的关系[J].研究与发展管理, 2014, 26(5):54-62.

[5] MAHMOOD I P, SINGH J.Technological dynamism in Asia[J].Research Policy, 2003, 32(6): 1031-1054.

[6] 俞文华.发明专利、比较优势、授权差距——基于中国国内外发明专利授权量比较分析[J].中国软科学, 2009(6):19-32.

[7] CANTWELL J, VERTOVA G.Historical evolution of technological diversification[J].Research Policy, 2004, 33(3): 511-529.

[8] FELDMAN M.Location and innovation: the new economic geography of innovation, spillovers, and agglomeration[M]. Oxford: Oxford University Press, 2000: 373-394.

[9] GROSSMAN G M, HELPMAN E.Quality ladders and product cycles[J].Quarterly Journal of Economics, 1991, 106(2):557-586.

[10] 曾鹏,李洪涛.我国十大城市群产业集聚与多样化对经济增长作用比较[J].科技进步与对策, 2017, 34(2):38-44.

[11] UCHIDA Y P, COOK.The transformation of competitive advantage in East Asia:an analysis of technological and trade specialization[J].World Development, 2005, 33(5): 701-728.

[12] MELICIANI V.The impact of technological specialisation on national performance in a balance-of payments-constrained growth model[J].Structure Chang and Economic Dynamics, 2002,13:101-118.

[13] JUNGMITTAG A.Innovations, technological specialization and economic growth in EU[J].International Economics and Economic Policy, 2004,1:247-273.

[14] MALERBA F, MONTOBBIO F.Structural change in innovative activities in four leading sectors.an interpretation of the stylized facts[J].Revue conomique, 2004,55(6):1051-1070.

[15] MONTOBBIO F, RAMPA F.The impact of technology and structural change on export performance in nine developing countries[J].World Development, 2005,33(4):527-547.

[16] RUIZ A U, C F ROCHA..On the relations between technological opportunity, specialization and growth[J]. Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Working Papers, 2011.

[17] EVANGELISTA R, MELICIANI V, VEZZANI A.The distribution of technological activities in Europe: a regional perspective[R].Jrc Working Papers, 2016.

[18] URRACA-RUIZ A, LAGUNA-MOLINA N E.Dynamic technological specialization, aggregated convergence and growth[J].International Economics and Economic Policy, 2016,13:195-211.

[19] 冯仁涛,余翔.我国区域技术专业化模式比较研究[J].科研管理, 2012, 33(10):9-16.

[20] DALUM B, LAURSEN K, VERSPAGEN B.Does specialization matter for growth[J].Industrial and Corporate Chang, 1999:8(2):267-288.

[21] FREEMAN C, PEREZ C.Structural crises of adjustment, business cycles and investment behaviour[J].Technical Change & Economic Theory L Ndon Frances Pinter, 1988:871-871.

[22] HUANG H T, MIOZZO M.Patterns of technological specialization in Latin American and East Asian countries: analysis of patents and trade flows[J].Economic of Innovation and New Technology, 2004,13(7):615-653.

[23] 张杰,高德步,夏胤磊.专利能否促进中国经济增长——基于中国专利资助政策视角的一个解释[J].中国工业经济, 2016(1):83-98.

[24] MALERBA F.Sectoral systems of innovation and production[J].Research Policy, 2002, 31(2): 247-264.

[25] 王德利,方创琳.中国跨区域产业分工与联动特征[J].地理研究,2010,29(8):1392-1406.

[26] 中国科技发展战略研究小组.中国区域创新能力评价报告2015[M].北京:科学技术文献出版社, 2015.

[27] 刘晓明,刘小勇,董建功.城市化、空间溢出与经济增长——基于空间Durbin面板模型的实证研究[J].经济问题,2017(4):18-23.

[28] 张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952-2000[J].经济研究, 2004(10):35-44.

[29] ANTONELLI C.The economics of technological congruence[R].Working Paper, University of Turin, 2013.

[30] HANSEN B E.Threshold effects in non-dynamic panels: estimation testing and inference[J].Journal of Econometrics, 1999,93(2):345-368.

ChineseRegionalTechnologicalSpecializationandEconomicGrowth——EmpiricalStudyfromPatentData

Qiu Mengyuan,Ding Huanfeng

(School of Economic and Commerce, South China University of Technology, Guangzhou 510006, China)

AbstractBased on Chinese granted patent data, this paper built indicators and measured degree of technological specialization of Chinese 30 provinces between 2001 and 2015, showed the patterns of specialization and their spatial and temporal disparities.By using threshold panel model, we further investigated the nonlinear relationship between different types of technological specialization and regional economic growth, to provide the suggestions for different regions about choice of priority areas in technology innovation.Result shows that, In general, the technological division coefficient in the west was higher than it in the east, the variation trend was increased at first and decreased afterwards; Only a handful of areas were specialized in the field with high technological opportunity, large parts of areas were specialized in the technology field of their own advantages industries;There are nonlinear relationship between technological specialization and economic growth, when innovation ability is low, division will significantly promote the growth, when technology innovation ability is high, the effect of technological division is not significant, and specialized in different fields would have different effects on economic growth.

KeyWords:Technological Specialization; Economic Growth; Nonlinear Effects; Patent

作者简介邱梦圆(1993-),女,江西南昌人,华南理工大学经济与贸易学院博士研究生,研究方向为技术分工与区域创新;丁焕峰(1970-),男,湖北孝感人,博士,华南理工大学经济与贸易学院教授、博士生导师,研究方向为区域经济与创新发展。

基金项目广东省大学生科技创新培育专项项目(pdjh2018a0050);广州市人文社会科学重点研究基地项目(2018-2020)

收稿日期2018-04-20

文章编号:1001-7348(2018)21-0048-09

文献标识码:A

中图分类号F061.5

DOI10.6049/kjjbydc.2017120677

(责任编辑:林思睿)