区域研发投入的循环累积效应估计：2000—2016年
陈 俊
(广东财经大学国民经济研究中心，广东 广州 510320)
摘 要： 本文在以研发为基础的新经济增长理论和循环累积因果关系理论基础上，构建了一个估计研发投入循环累积效应的分析框架，并基于省级数据估计了2000—2016年中国区域研发投入的循环累积效应。研究表明，研发投入循环累积效应的估计受知识生产函数形式和知识产出衡量指标的影响，相比于熊彼特知识生产函数，这期间中国真实经济更符合琼斯知识生产函数，以专利授权量衡量知识产出比使用新产品销售收入衡量知识产出所估计的结果更为稳定；这期间中国研发投入的循环累积效应总体上不断增强，区域间的差异主要形成于2010年以前，现阶段已趋于稳定。最后，在研发资源配置和区域创新战略上提出了相应对策建议。
关键词： 研发投入；循环累积；知识生产函数；知识产出
0 引言
2000—2016年，中国的研发支出增长迅速，全国研发支出平均每年以16.37%的速度增长，总规模从895.66亿元上升至15676.75亿元，是仅次于美国的全球第二研发大国。在经济新常态下，提高研发投入强度 (研发支出占GDP的比例)已经成为区域发展战略的重要内容。一些经济发达城市，如北京、深圳，2016年研发投入强度已经超过4%，远高于全国平均水平 (约2.11%)。为了更好地反映研发投入对经济增长的贡献，国家统计局已经正式将研发支出纳入GDP核算体系，并制定了 《研究与开发支出计入地区GDP核算方法》。
高速公路经营管理单位岗位工种相对单一，人才成长通道相对狭窄，现有基层站区长工作经历一般比较简单，缺乏岗位锻炼。加之跨行业业务交集少、交流互动少，培训学习内容比较专业，导致基层站区长视野不开阔，沟通能力弱，能力提升慢，缺乏处置复杂问题的经验积累。
研发投入对知识产出和技术进步具有重要作用已经成为共识。估计研发投入的经济效应主要有两种范式：第一，在新古典增长模型中引入研发资本 (研发资本一般采用PIM方法测算)，进而估计研发资本对总产出或全要素生产率的贡献[1-2]；第二，以专利、新产品开发等指标作为知识产出的代理变量，研发资本、研发人员等指标作为研发投入，采用新古典生产函数形式估计研发资本对知识产出的贡献[3-4]。这两种范式在本质上没有太大区别，都是将研发投入作为可累积的资本品，将知识生产过程等同于一般的物质生产过程。事实上，知识生产不同于一般的物质生产。在新经济增长理论中，知识生产是一个 “创造性毁灭”的过程。知识既是研发投入的产物，同时又是生产新知识的要素[5-7]。研发投入的作用是不断将旧知识转化为新知识，而新知识又不断地被取代成为旧知识，被取代的旧知识不断累积又成为生产新知识的要素。因此，研发投入与知识产出之间具有一种循环累积因果关系，这一关系对于分析研发投入的经济效应至关重要。
利用2000—2016年省级层面数据，本文在新经济增长理论基础上，首次采用第二代知识生产函数估计研发投入的循环累积效应。研究表明，相比于熊彼特知识生产函数，这期间真实经济更符合琼斯知识生产函数，并且不存在规模效应；使用专利授权量衡量知识产出与使用新产品销售收入衡量知识产出所估计的研发投入循环累积效应存在明显差异，前者比后者更为稳定；这期间中国研发投入的循环累积效应总体上不断增强、区域差异逐步趋于稳定。
1 知识生产过程中的循环累积因果关系
一个区域一旦拥有先发的初始条件，这种优势将不断自我强化，形成一种持续向上或向下的循环累积过程[8]。新经济增长理论可以分为以资本为基础的增长理论和以研发为基础的增长理论[9-11]。在以研发为基础的增长模型中，经济持续增长的动力源于研发投入不断将旧知识转化为新知识，知识生产过程也存在一种如缪尔达尔所说的 “循环累积因果关系”。
同样以图1为例说明，采用电动机惯例，设定A相参考的电网基准电压在t=0时刻上升沿过零点。此时，如果在电压上升沿合闸，将产生正向的暂态直流偏置磁链，若此时剩磁方向为正，将加剧合闸后变压器A相工作磁链的正向偏移，引起励磁涌流的增加；若剩磁方向为负，将抵消掉部分变压器A相工作磁链的正向偏移，进而减小励磁涌流。
目前，对于政府来说，最重要的是环境管理。随着时间的流逝，森林防火造林逐渐被提上议事日程，因此森林防火树造林的质量已成为人们关注的焦点。森林是地球的肺，因为它控制着整个地球的呼吸系统，与人们的健康息息相关。因此，植树造林在人们心中占有非常重的地位，对于森林防火也是一项比较重大的任务。
1.1 罗默-琼斯知识生产函数
罗默认为，非竞争性和累积性是知识有别于其他商品或要素的两个重要性质[5]。在第一代内生增长模型中，他将新知识表示为关于研发投入和知识存量的函数，表示如下：
ΔA it =λR it σ A it-1 ,0<σ <1
(1)
其中，下标i 和t 分别表示区域和年份，R 表示研发投入，ΔA 表示新知识，A 表示知识存量。式 (1)不同于新古典框架下的第一代知识生产函数，主要体现在：第一，罗默知识生产函数引入了知识存量，从而刻画的是知识的累积性，而非研发投入的累积性；第二，罗默知识生产函数的研发投入采用流量形式，研发投入通过循环累积的方式不断创造出新知识。
3)根据前面Delphi法确定的各指标权重，计算第i个评价对象对理想对象的灰色加权关联度关联度越大，越接近1，说明评价结果越好。最终，求55株野生钟花樱观赏性灰色关联度。
由式 (1)可知，知识产出的增长速度与研发投入规模成正相关 (g A =ΔA /A =λR σ )。这意味着研发投入规模越大，知识产出的增长速度越快，即存在规模效应。琼斯认为，研发投入规模越大，并不一定会导致知识产出增长速度越快[6]。因此，在改进后的半内生增长模型 (Semi-Endogenous Models)中[6,12-13]，知识生产函数表示如下：
(2)
由式 (2)可知，研发难度将随着知识存量的增大而增大，在研发投入保持不变的情况下，知识产出的增长速度将随着知识存量的增大而降低。将式 (2)不断迭代，知识存量表达式如下：
叶晓晓不慌不忙，眨着单眼皮的小眼睛微微一笑，说：“从我的眼神。我的眼睛告诉你的是纯真，不是隐晦和暗示什么。”
(3)
将式 (3)代入式 (2)，并在等式两边取对数，可得到：
lnΔA it =lnλ +σ lnR it +φ lnA i0 +
(4)
由式 (1)和式 (2)可知，罗默知识生产函数与琼斯知识生产函数的区别主要体现在对φ 的假定上，前者假定φ =1，后者假定φ <1。在罗默-琼斯知识生产函数中，新增知识产出由当期研发投入、初始条件和往期研发投入积累共同决定。
本文将研发投入的循环累积效应 (CCE)定义为：除了当期研发投入和初始条件以外，往期研发投入对知识产出的累积贡献。根据式 (4)，罗默-琼斯知识生产函数下CCE的计算公式如下：
土壤微生物是陆地生态系统的调解者和分解者,参与土壤的有机物质分解、养分循环、污染物的降解和土壤结构形成等诸多土壤生态过程.低浓度重金属条件会对土壤中微生物的活性有激活作用,故导致在Cd1Zn0,Cd1Zn100中微生物活性大于Cd0Zn0;而高浓度的重金属条件会抑制微生物的生长过程,对土壤中微生物产生毒害作用,使得微生物在土壤中污染物质增多的情况下活性降低.总体而言,土壤微生物活性在土壤重金属胁迫下表现出低促高抑的特性,这一现象与Hagmann等[11]的观察一致.
lnλ -σ lnR it -φ lnA i0 ，0<φ ≤1
(5)
1.2 熊彼特知识生产函数
Aghion等[14]和Howitt[7]认为，研发难度将随着市场规模的增大而增大。因此，在知识生产函数中引入了市场规模变量，可得到：
式中，新产出知识 (ΔA )用专利授权量 (PAT )和新产品销售收入 (NP )来衡量；R 用研发经费内部支出来衡量；市场规模 (Q )用地区生产总值来衡量；知识存量 (A )采用永续盘存法 (PIM)测算，参照白俊红等心测算研发资本存量的办法[17]，折旧率均取15%，基期知识存量 (A 0)采用基期知识产出/ (平均增长率+折旧率)。
(6)
其中，Q 表示市场规模，一般用地区生产总值来衡量，其余变量和参数的定义与式 (2)一致。由式 (6)可知，熊彼特知识生产函数假定知识产出增长速度与研发投入规模成正比，同时与市场规模成反比。同理，将式 (6)不断迭代，知识存量表达式表示如下：
(7)
令研发投入强度s R =R /Q ，将式 (7)代入式 (6)，并在等式两边取对数，可得到：
(8)
此时，研发投入的循环累积效应 (CCE)计算公式表示如下：
(9)
1.3 知识生产函数形式的判断方法
根据Ha等[15]的研究，可以将上述三种知识生产函数形式统一表示如下：
(10)
通过检验参数φ 、β 和σ 的值，即可判断知识生产函数的具体形式。如表1所示，给定不同的参数条件，分别可以得到上述三种不同形式的第二代知识生产函数。值得注意的是，琼斯认为，φ < 1 且 0 < β < 1这种混合的半内生增长模型在现实情况中是不存在的[16]。
表1 不同知识生产函数的参数条件
2 第二代知识生产函数的参数估计
根据上述理论分析，在估计研发投入的循环累积效应之前，先要估计出知识生产函数的参数值。在这一部分，本文尝试利用中国省级层面数据分别对罗默-琼斯知识生产函数和熊彼特知识生产函数进行估计，然后根据参数值判断哪种知识生产函数更符合中国真实经济情况。
2.1 计量模型设定
根据式 (10)，在等式的两边同时取自然对数，并引入随机干扰项 (ν it )，考虑到知识生产技术的变化，在等式的右边还引入了时间趋势项 (t )，可得到：
lnΔA it =lnλ +σ lnR it -σβ lnQ it +φ lnA it-1 +t +ν it
(11)
Project Z12腕表的瞩目元素当属横跨表盘中轴的大型拱形表桥。其钢梁造型沿袭Project Z10和Z11腕表的设计，采用横向骨架制造，为Project Z12腕表提供强劲构造和设计。表桥酷似曼哈顿大桥的宏伟结构，让人联想起海瑞温斯顿的纽约传承。
当施加约束β =1时，以专利授权量为被解释变量估计的σ =0.100，φ =0.992，均在1%水平上显著异于零，Wald检验拒绝了φ =1；以新产品销售收入为被解释变量估计的σ =0.302，φ =0.749，均在1%水平上显著异于零，Wald检验拒绝了φ =1。
部分二胡演奏者在表演时换把动作都呈现出不协调的现象，整个过程僵硬机械，且略显疲软，这些都是由于对换把动作的原理和程序不了解所导致的。也正是由于换把动作的不协调会在一定程度上影响手指按音位置，无法准确把握音准，表演时的表情和动作无法感染观众。
在黑夜中，张艳丽叨叨到月挂中天。吴朝晖睡着了，又让张艳丽不屈不挠地推醒。吴朝晖求饶道，我服输，官司你赢了。张艳丽问，你需要辩护律师吗？吴朝晖不耐烦地说，我就想睡觉。
本文的研究对象为中国大陆31个省、自治区和直辖市，研究时段为2000—2016年。文中所需数据来自历年 《中国科技统计年鉴》和 《中国统计年鉴》，货币单位统一转换为2000年可比价。各变量的定义及描述性统计如表2所示。
表2 变量定义及描述性统计
2.2 函数形式检验
表3列示了式 (11)的多种估计结果。分别采用专利授权量 (PAT )和新产品销售收入 (NP )衡量新产出知识和测算知识存量，在施加约束β =0时，估计结果如第 (1)和 (2)列所示；在施加约束β =1时，估计结果如第 (3)和 (4)列所示。
当施加约束β =0时，以专利授权量为被解释变量估计的σ =0.130，φ =0.898，均在1%水平上显著异于零，Wald检验拒绝了φ =1；以新产品销售收入为被解释变量估计的σ =0.595，φ =0.425，均在1%水平上显著异于零，Wald检验拒绝了φ =1。
模型具体估计过程分为两步：第一，施加约束β =0，检验φ 是否等于1，判断是否存在规模效应，从而区分罗默知识生产函数和琼斯知识生产函数；第二，施加约束β =1，检验φ 是否等于1，从而判断是否支持熊彼特知识生产函数。模型的拟合效果通过对数似然值 (Log-L)进行比较。
CCE PAT =lnPAT it -0.130×lnR it -0.898×
表3 第二代知识生产函数的参数估计结果
注：括号内为T统计量，***、**、*分别表示在1%、5%、10%水平上显著，下同。
2.3 敏感性分析
在施加约束β =0时，将第 (5)和 (6)列与第 (1)和 (2)列对比，除了第 (6)列的时间趋势项不显著外，研发投入和知识存量的显著性均与表3的结果一致，前者的系数略微增大，后者的系数十分相近，Wald检验均拒绝了φ =1。
变量衡量指标的选择是影响估计结果的敏感因素。本文进行两种敏感性检验：第一，用研发人员 (RL )和全社会就业人数 (L )分别代替表3中的研发支出 (R )和地区生产总值 (Y )；第二，考虑到各地人力资本的异质性，将人力资本与全社会就业人数的乘积 (hL )代替全社会就业人数 (L )变量,结果如表4所示。
在施加约束β =1时，将第 (7)和 (8)列与第 (3)和 (4)列对比，研发投入、知识存量及时间趋势项的显著性与表3均一致，第 (8)列与第 (4)列的系数大小非常相近，第 (7)列研发人员的系数比第 (3)列研发支出的系数小了近1/2，知识积累和时间趋势项的系数非常相近。将第 (9)和 (10)列与第 (7)和 (8)列对比，第 (10)列与第 (8)列的结果基本一致，第 (9)列研发人员的系数比第 (7)列研发人员的系数提高了约52.7%，知识存量和时间趋势项的系数基本一致。Wald检验在PAT 下均无法拒绝原假设，在NP 下均拒绝了φ =1，这与表3的结果一致。
从敏感性分析结果来看，表4所得结论与表3基本一致，这在一定程度上说明了本文所得结论具有可靠性。
表4 敏感性检验结果
3 循环累积效应的估计结果及分析
利用上述分析，可以得到第二代知识生产函数的各参数值和具体的函数形式。本文利用式 (5)和表3第 (1) (2)列所得参数估计2000—2016年区域研发投入的循环累积效应,并对结果进行分析。
3.1 估计结果
根据式 (5)，当使用专利授权量进行计算时，代入第 (1)列的参数，可以得到：
以上检验结果说明：第一，这期间中国知识生产不存在规模效应，以专利授权量测算的结果同时支持琼斯知识生产函数和熊彼特知识生产函数，前者的对数似然值 (Log-L)更大，说明拟合效果相对更优，以新产品销售收入测算的结果仅支持琼斯知识生产函数；第二，以专利授权量测算的当期研发支出回报率介于0.100～0.130，以新产品销售收入测算的当期研发支出回报率约为0.595，约为前者的5倍。
本次模型上边界采用1972年6月～2014年5月共42年的流量资料，下边界为水位边界。考虑最不利情况，即预测河流流量在典型枯水年（P=90%）水文条件下的污染物排放过程。
律师解答：我国《侵权责任法》第82条规定，遗弃、逃逸的动物在遗弃、逃逸期间造成他人损害的，由原动物饲养人或者管理人承担侵权责任。故动物饲养人或管理人负有对饲养的动物采取安全措施的注意义务，如果不再饲养，需要办理相关手续，进行妥善处理，否则仍应承担赔偿责任。
lnA i0 +0.732
(12)
当使用新产品销售收入进行计算时，代入第 (2)列的参数，可以得到：
CCE NP =lnNP it -0.595×lnR it -0.425×lnA i0 -1.087
(13)
据此，可以估计出历年各区域的研发投入循环累积效应，主要年份的结果如表5所示。从区域均值来看，当使用专利授权量 (PAT )估计时，这期间区域研发投入的循环累积效应 (CCE)平均值约为1.264，江苏、浙江、重庆和西藏居于全国前列，CCE平均值超过了2.0；海南、辽宁、吉林和内蒙古最低，CCE平均值低于0.8；江西、山东、陕西和河南与全国平均水平相近。当使用新产品销售收入 (NP )估计时，这期间区域研发投入的循环累积效应 (CCE)平均值约为0.515，天津、重庆、浙江、海南和吉林居于全国前列，CCE平均值超过1.0；甘肃、黑龙江和陕西最低，CCE均值为负数；湖北、江西、上海、贵州和河南与全国平均水平相近。由此可见，使用PAT 估计的CCE结果与使用NP 估计的CCE结果存在明显差异。
表5 各区域主要年份研发投入循环累积效应的估计结果
3.2 结果分析
从区域研发投入循环累积效应 (CCE)的整体性来看，如图1所示，使用PAT 和NP 估计的CCE年度均值呈现持续上升的变化趋势，说明这期间研发投入的循环累积效应正在不断增强。东部地区的研发投入循环累积效应相对较强，CCEPAT 和CCENP 的年度均值在绝大多数年份都高于全国平均水平。西部地区的CCEPAT 与全国平均水平相近，中部地区的CCEPAT 最低，变化趋势与全国平均线基本一致，说明这期间三大地区间的研发投入和专利产出总体上维持相对平衡的增长态势。中部地区的CCENP 与全国水平相近，西部地区的CCENP 最低，受到全球金融危机的冲击，2009年和2010年东部地区新产品销售收入大幅下降，导致CCENP 低于全国平均水平，2011年以后又恢复到东部>中部>西部的格局。这意味着，同等研发投入投向东部地区比投向中西部地区将获得更高的知识产出。因此，追求效率目标的市场主导型创新模式将倾向于把更多研发资源投向东部地区，从而获得更高的知识产出回报，追求公平目标的政府主导型创新模式则更倾向于将研发资源投向中西部地区，从而缩小其与东部地区的知识产出差距。
按照条例，哈尔滨市水行政主管部门应当会同市发展改革、环境保护、城乡规划、农业、林业等部门，根据市水生态保护与修复规划，组织编制市水生态监测规划，报市人民政府批准。市和区、县（市）水行政主管部门应当根据市水生态监测规划，组织设立水生态监测站点。
图1 研发投入循环累积效应的年度均值
从区域研发投入循环累积效应 (CCE)的差异性来看，如图2所示，这期间中国CCEPAT 在2010年之前持续上升而后趋于平稳，CCENP 经历了2000—2006年的上升期、2007—2010年的振荡期和2011年以后的平稳期三个阶段。该结果说明，中国研发投入循环累积效应的区域差异主要形成于2010年以前，现阶段已经逐步趋于稳定。这意味着，初始条件和循环累积效应对知识产出差异的自发调节作用有限，在市场力量作用下落后地区将陷入恶性循环，发达地区将进入良性循环，形成一种 “马太效应”。因此，落后地区改变恶性循环局面的出路只有逐渐提高研发投入和引进高技能人才，并不断改善区域内部和外部的创新环境，以此逐步增强研发投入的循环累积效应。
从区域研发投入循环累积效应 (CCE)的稳定性来看，使用PAT 估计的CCE结果比使用NP估计的CCE结果稳定性更高。如图3所示，使用PAT 估计的CCE增长率出现负值的斑点主要集中在2005年之前，而使用NP 估计的CCE增长率出现负值的斑点明显更多、分布更均匀。该结果说明，这期间中国研发投入与专利产出之间的循环累积因果关系较为稳定，各区域研发投入对专利授权量普遍具有持续提升效应。相反，研发投入与新产品销售收入之间的循环累积因果关系较不稳定，研发投入对新产品销售收入的提升作用未表现出持续性。这意味着，比较而言，研发投入存在更为明显的专利导向，这可能与中国过去形成的 “专利竞赛”制度有关，特别是对地方政府官员的考核过度强化专利产出数量，忽视了知识产出的价值实现能力，造成了所谓的 “创新冗余”问题[18]。因此，为了降低区域研发投入的 “创新冗余”程度，就需要打破 “专利竞赛”制度，将知识产出的价值实现能力作为衡量创新绩效的主要标准。
图2 研发投入循环累积效应的年度标准差
图3 研发投入循环累积效应的增长率斑点图
4 结论与启示
本文以新经济增长理论和循环累积因果关系理论为基础，提供了一个估计研发投入循环累积效应的宏观分析框架，运用该框架首次估计了2000—2016年省级区域研发投入的循环累积效应。研究表明：第一，这期间知识生产不存在规模效应，新产品销售收入数据仅支持琼斯知识生产函数，专利授权量同时支持琼斯知识生产函数和熊彼特知识生产函数，但前者的拟合效果相对更优；第二，知识产出衡量指标的选择对研发投入循环累积效应的估计具有显著影响，使用专利授权量衡量知识产出比使用新产品销售收入衡量知识产出所估计的研发投入循环累积效应更为稳定；第三，这期间研发投入的循环累积效应总体上呈现不断增强趋势，研发投入循环累积效应的区域差异主要形成于2010年以前，现阶段已趋于稳定。
基于上述分析，本文得到如下启示：第一，研发投入的去向应与经济发展目标相一致，追求效率目标应当遵循市场主导型创新模式，将更多研发资源投向循环累积效应更强的东部地区，追求公平目标则应该遵循政府主导型创新模式，将研发资源投向中西部地区，从而逐步提升中西部地区的循环累积效应，缩小其与东部地区的知识产出差距；第二，落后地区要警惕陷入研发创新的恶性循环当中，多措并举逐步提高研发投入强度和减少高技能人才的流失，不断改善区域内外部的创新环境，增强研发投入的循环累积效应；第三，研发投入的终极目标是实现经济的高质量发展，而非 “专利竞赛”，这就要求研发成果要能够满足市场需求，在市场中创造经济价值，因此，衡量创新绩效的主要标准应该从成果的数量向将成果的价值实现能力转变。
参考文献：
[1]GRILICHES Z.Issues in assessing the contribution of research and development to productivity growth[J].The bell journal of economics，1979，10 (1):92-116.
[2]吴延兵.自主研发、技术引进与生产率——基于中国地区工业的实证研究[J].经济研究,2008 (8):51-64.
[3]CHARLOT S，CRESCENZI R，MUSOLESI A.Econometric modelling of the regional knowledge production function in Europe[J].Journal of economic geography，2015，15 (6)，1227-1259.
[4]马大来，陈仲常，王玲.中国区域创新效率的收敛性研究：基于空间经济学视角[J].管理工程学报,2017,31 (1)：71-78.
[5]ROMER P M.Endogenous technological change[J].Journal of political economy，1990，98 (S5)：S71-S102.
[6]JONES C I.R&D-based models of economic growth[J].Journal of political economy，1995，103 (4):759-784.
[7]HOWITT P.Steady endogenous growth with population and R&D inputs growing[J].Journal of political economy，1999，107 (4):715-730.
[8]MYRDAL G.Economic theory and under-developed regions[M].London：Gerald Duckworth & Co，1957.
[9]严成樑,周铭山,龚六堂.知识生产、创新与研发投资回报[J].经济学 (季刊),2010,9 (3):1051-1070.
[10]JONES C I，WILLIAMS J C.Measuring the social return to R&D[J].The quarterly journal of economics，1998，113 (4):1119-1135.
[11]GROSSMANN V.How to promote R&D-based growth? Public education expenditure on scientists and engineers versus R&D subsidies[J].Journal of macroeconomics，2007，29 (4):891-911.
[12]KORTUM S S.Research，patenting，and technological change[J].Econometrica，1997，65 (5):1389-1419.
[13]SEGERSTROM P S.Endogenous growth without scale effects[J].American economic review，1998，88 (5)：1290-1310.
[14]AGHION P，HOWITT P W.Endogenous growth theory[M].MA：MIT Press，1998.
[15]HA J，HOWITT P.Accounting for trends in productivity and R&D：a schumpeterian critique of semi-endogenous growth theory[J].Journal of money，credit and banking，2007，39 (4):733-774.
[16]JONES C I.Growth：with or without scale effects?[J].American economic review，1999，89 (2):139-144.
[17]白俊红,蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究,2015 (7):174-187.
[18]陈俊,代明.地区腐败、风险规避与创新冗余——兼对腐败 “抑制论”和 “促进论”的检验[J].经济社会体制比较,2018 (2):69-80.
Estimation on the Circular Cumulative Effects of China ’s Regional R &D Inputs ：2000 —2016
Chen Jun
(National Economics Research Center，Guangdong University of Finance and Economics，Guangzhou 510320，China)
Abstract： This paper constructs a theoretical framework to estimate the circular cumulative effects (CCE)of R&D inputs on the R&D-based New Economic Growth (NEG)Theory and Circular Cumulative Causation (CCC)Theory，and empirically calculates the CCE of China’s regional R&D inputs from 2000 to 2016 by using provincial data.The results show that estimating CCE of R&D inputs is affected by the form of Knowledge Production Function (KPF)and the measure indictors of knowledge outputs，China’s real economy more fit Jones’s KPF than Schumpeterian KPF，and the CCE of R&D inputs estimated by using patents granted data more stable than new products sales data；the CCE of R&D inputs was on the whole increasing during this time，and its inter-regional difference mainly formed before 2010，now is toward stable.Finally，this paper puts forward corresponding suggestions for R&D resources allocation and regional innovation policy.
Key words: R&D input；Circular Cumulative；Knowledge production function；Knowledge output
中图分类号: F062.3
文献标识码: A
收稿日期： 2019-03-15
作者简介： 陈俊 (1992-)，男，江西抚州人，博士；研究方向：区域创新理论与政策。
(责任编辑 柯文先)
标签：研发投入论文; 循环累积论文; 知识生产函数论文; 知识产出论文; 广东财经大学国民经济研究中心论文;