内在吸收能力还是外部溢出效应有效缩小了技术差距，本文主要内容关键词为：效应论文,差距论文,能力论文,技术论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言 随着中国经济发展逐渐进入“新常态”时期，“创新驱动”战略的实施在经济增长和结构调整中具有重要意义。在学习型技术进步的空间缩小、技术创新的成本上升等多重因素的影响下，中国“创新驱动”发展模式的形成，一方面依赖于创新的主体，如高技术产业内部的研发(Research and Development，R&D)活动及对新技术的消化吸收能力，另一方面则取决于研发外部溢出效应能否推动各地区间的协同创新与共同技术进步。 技术差距是吸收能力提高和溢出效应产生的关键因素。技术差距越大，技术相对落后地区学习和模仿的空间可能越大，因而有利于其吸收能力和溢出效应增进。同时，技术差距过大也可能导致后发地区难以消化吸收先进地区的技术溢出，进而无法实现技术赶超。在此基础上，很多学者通过理论与实证研究发现一定程度以内的技术差距对技术进步是有利的，技术差距过大或者过小都不利于技术进步(易先忠等，2010；傅晓霞、吴利学，2013)。因此，技术差距变动规律分析及其主要影响因素的判断，对于合理控制技术差距、实现协同创新技术进步和形成创新驱动发展模式具有重要意义。 国内外学者对于技术差距影响因素研究，主要集中于三个方面：一是研发投入或技术引进支出因素，大多数研究均认为不同类型的研发投入增加能够在一定程度上缩小技术差距，如Barron和Martin(1995)、Keller(2004)、林毅夫和张鹏飞(2005)的研究指出，技术差距收敛的主要原因之一就是在技术引进的基础上，相对落后地区能够减少研发创新的成本，发挥技术进步的后发优势；祝树金等(2010)、Kris(2011)、欧阳峣等(2012)指出，在技术水平较高区域，自主创新和研发投资能够显著促进技术进步，对技术差距缩小可以发挥积极作用。 二是研发的溢出效应与技术差距的关系，如Coe和Helpman(1995)、Liu和Wang(2003)都认为通过国际贸易或国际资本流动实现的技术扩散、技术转移，是实现国家和地区间技术溢出，进而实现技术收敛的重要途径；在此基础上，Lai等(2009)、傅晓霞和吴利学(2013)基于非线性计量经济模型的研究认为，不同阶段技术溢出效应和技术差距之间存在差异化的影响关系。 三是吸收能力，现有文献中往往以竞争程度、人力资本作为替代变量，主要指通过模仿对引进技术的消化吸收缩小技术差距，类似的研究如赖明勇等(2005)、Gilbert(2006)、易先忠和张亚斌(2006)等认为通过模仿学习对技术吸收能力的提升可以实现技术收敛。类似地，Castellacci(2011)、吉亚辉和祝凤文(2011)认为发展中国家能够在“干中学”、“干中学加工”的基础上，形成自主创新体系，进而缩小技术差距。 现有文献对于技术差距影响因素的研究已经较为全面，但是大多数文献将上述因素分别进行研究，即仅关注某一类影响因素。本文试图将影响技术差距变动的内在吸收能力、外部溢出效应两类因素置于统一的理论框架中，采用面板平滑转换(Panel Smooth Transition Regression，PSTR)模型，研究不同研发投入情形下吸收能力、溢出效应对各地区技术差距的非对称和非线性影响，分析内、外部因素共同驱动技术差距在不同阶段之间的转换特征，给出各阶段各因素影响技术差距的全面解释。 二、理论框架构建 (一)溢出效应与吸收能力驱动技术差距变动的理论模型推导 本文在Verspagen(1991)技术追赶模型基础上构建技术差距变动的理论模型。在时期t，所有地区i中存在着一个技术最为发达的地区，在科技发展和高技术产业建立的初期，一些地区基于自身的比较优势和制度优势实现了研发资源的快速积累和技术水平的迅速提高，因而成为技术发达地区(先发地区)，并形成了与其他技术落后地区(后发地区)的技术差距。 1.理论模型的基本假设 假定技术发达地区的技术进步率为α，如式(1)所示。
其他地区的技术进步率与发达地区不同，并且受到发达地区溢出效应的影响，因此，其他地区的技术进步率可以表示为：
其中，
为t时期其他地区中i地区的技术水平，
为i地区技术水平的增长量，
为i地区的技术进步率，
为技术发达地区对i地区的溢出效应。由新增长理论可得，发达地区向其他地区技术或研发的溢出效应一般为正，根据式(2)可得，溢出效应使得其他地区技术进步率能够得到提升。 两类地区除了技术进步率不同外，技术水平之间也存在一定差距，发达地区与其他地区的技术差距一般可以表示为如式(3)所示形式。
2.溢出效应影响技术差距变动的数理分析 技术差距会随着时间的推移或受其他因素的影响而发生变动，如果将式(3)对时间t求导，则可以得到技术差距变动量的表示形式，如式(4)所示。
3.吸收能力对溢出效应影响的数理表示 进一步地，参照Caniels和Verspagen(1999)中的表示方法，可以将式(2)和式(4)中的溢出效应表示为如式(6)所示形式。
其中，c为参数，
为学习能力或吸收能力，两者一般都取正值，exp(·)表示指数函数，
表示与技术差距大小成比例的潜在溢出效应，溢出效应
不会大于潜在溢出效应。实际学习能力
表示为吸收能力和技术差距的函数，表明技术差距越大，吸收能力越小，实际学习能力越弱，反之，技术差距越小，吸收能力越大，实际学习能力越强。此外，式(6)表明，溢出效应
可以表示成为技术差距
与吸收能力
的函数，并且溢出效应与技术差距之间呈倒“U”型关系，与吸收能力呈现正向关系，即随着技术差距缩小，溢出效应呈现先增强后减弱的特征，而随吸收能力的增大，溢出效应会随之增强。吸收能力一方面决定了引进技术的利用程度，另一方面对于集成创新、消化吸收再创新也具有决定作用，因此成为了其他地区接受发达地区向其溢出效应的关键因素，也是促使其他地区主动获取发达地区技术外溢的内在动力。 另外，通过(6)式可得，随着吸收能力的提升，溢出效应逐渐增强，两者之间呈现同向变动关系。因此，内在吸收能力还可以通过对溢出效应的影响，进而实现对技术差距的驱动，即“吸收能力(
)→溢出效应(
)→技术差距变动(
)→技术差距(
)”(路径2)。 4.吸收能力与技术差距变动的数理模型 吸收能力对技术差距的影响方面，综合式(4)和式(6)，可以得到技术差距变动量的函数形式：
基于理论模型的分析显示，内在吸收能力、外部溢出效应主要通过两种渠道影响技术差距，一是两者对于技术差距的直接影响(路径1和路径3)，另一种是吸收能力通过影响溢出效应，进而对技术差距变动量、技术差距产生的间接影响(路径2)，因此，可以综合上述三条路径，将技术差距与两者的关系表示为式(9)。
(二)溢出效应与吸收能力影响技术差距变动的机理分析 本文将技术差距的影响因素归结为内在吸收能力与外部溢出效应两类，将新增长理论框架中知识溢出模型、研究与开发模型、纳入人力资本的扩展性索洛模型三类模型相结合，得到内外部因素共同驱动技术差距变化的理论框架，如图1所示。在此基础上，本文进行吸收能力与溢出效应对于技术差距差异化影响的机理分析。
图1 技术差距变动的机理分析图 1.先发地区的技术外溢：直接效应与间接效应 由于研发创新活动具有正外部性，技术发达地区在进行技术创新活动的同时，会在一定程度上推动高新技术交流和研发人员流动，研发资源在流动的过程中发生的技术扩散和知识溢出，产生对技术落后地区的“示范效应”和“带动效应”，间接地促进了后发地区的技术进步。此外，在部分技术发展到一定程度时，对于先发地区而言，已经不再是高新技术，先发地区采用这些技术进行生产的边际收益不断下降，为了提高研发创新的效率，技术发达地区主动减少保护性研发，推动中低端技术向技术落后地区转移且主动产生直接溢出效应。 2.后发地区的吸收能力提升：模仿学习与集成改造 对于技术落后地区而言，在研发资源累积形成的“供给推动”与生产率提高的“需求拉动”作用下，一方面会加大研发和人力资本投入，对先进高新技术进行学习、模仿，缩小与技术发达地区的差距；另一方面，随着后发地区技术水平的不断提高，其通过消化吸收对先进技术的追赶空间缩小，模仿创新趋向于可能性边界，后发地区转向将引进的新技术与原有的旧技术进行融合，即对现有技术进行更新改造，并实现集成创新。对于后发地区而言，通过学习模仿实现的是技术数量的“水平创新”，而基于集成改造能够达到技术质量的“垂直创新”。 3.内外部因素对于技术差距的差异化影响 技术落后地区在实现与技术发达地区技术差距缩小的过程中，在不同的吸收能力下，技术差距可能会呈现扩大或收敛等多样性、差异化的特征。特别是，在技术落后地区内在吸收能力没有跨越消化外溢技术的“门槛”时，溢出效应对其技术进步的贡献不能完全发挥。技术落后地区内在吸收能力的形成与提高，还受到研发资本、人力资本要素数量和质量的双重制约。随着研发投入的增长，研发的边际回报递减与边际成本上升，人力资本水平则在一定程度上决定了后发地区对新技术与高技术“学习成本”的大小，这都使得不同吸收能力下的技术差距呈现差异化。 三、研究设计 (一)实证模型构建 如本文第二部分理论模型中所示，在吸收能力不同时，溢出效应、吸收能力对技术差距的影响并不相同，在式(9)的基础上，可以将f(·)函数的形式线性化，基于Ter
svirta(1994)、Gonázlez等(2005)的平滑转换函数改写G(·)函数，并加入随机扰动项，得到式(10)。
实证模型建立后，本文将对式(10)中的变量进行选取与测算。本文中采用的数据是《中国高技术产业统计年鉴》(2002-2014)中28个省份1996-2013年共18年的年度平衡面板数据。① (二)技术差距变量的测算 在测算技术差距变量时，需要首先测度技术水平。国内外学者一般采用资本密集度、专利数量、资本存量、研发投入和劳动生产率等指标计算得到(周密，2009)。结合中国高技术产业劳动密集型的现状，本文以劳动生产率作为技术水平的替代变量计算技术差距，②具体计算过程为： (1)选取各省份各年高技术产业当年价总产值作为产出变量(
)，计算并采用GDP平减指数对高技术产业当年价总产值进行平减，③采用高技术产业各省份各年的从业人员年平均人数代表劳动力变量(
)，劳动力变量不平减；
此外，技术差距还可以通过求差值方法计算得到，但该方法计算的技术差距除了存在量纲问题，还不易取对数，因此，本文采用求比值方法计算的技术差距。 (三)吸收能力变量的选取与处理 一般而言，研发资源决定了消化吸收能力的强弱，大多数学者也广泛采用研发变量作为吸收能力的代表。例如，Cohen和Levinthal(1990)、Stock等(2001)分别采用R&D存量、R&D强度作为吸收能力的代理变量。 国内外大多数学者认为，研发资源包括研发经费投入和人力资本投入两个方面，在吸收能力的代表变量中，人力资本这一点往往被忽略。本文从上述两个方面计算吸收能力，计算步骤为： (1)采用高技术产业研发经费内部支出变量、R&D活动人员折合全时当量两个变量，分别作为研发资金投入和人力投入变量； (2)计算并采用R&D价格指数，对研发经费内部支出变量进行平减，R&D活动人员折合全时当量变量不平减； (3)将高技术产业的实际研发支出变量与实际总产值求比值计算得到研发投入强度变量(
)，将R&D活动人员折合全时当量占劳动力变量的比重作为人力资本变量(
)，取对数分别得到
作为吸收能力(
)的替代变量。 (四)溢出效应变量的构造 现有的研究中，通常采用研发变量与其他变量的交叉项表示溢出效应(Keller，2004；唐保庆、黄繁华，2009)，该处理方法具有一定的合理性，但不能够充分反映本文中溢出效应的本质。④借鉴Griliches(1979)和Jaffe(1988)给出的技术相似度计算公式，计算第t年中国各省份间的技术相似度矩阵Wt，其中的元素记为
，如式(12)所示：
其中，i、j代表第t年中各省份，
为技术相似度矩阵中的元素，
为第t年i和j省份在发明专利数、实用新型专利数和外观设计专利数三种专利申请受理数量的向量。本文逐一计算了1996-2013年共18个技术相似度矩阵
，其中包括各省份间技术相似度值
共7056个。 在溢出效应计算中，还需要计算研发存量。本文采用永续盘存法，参照朱有为和徐康宁(2007)、Kafouros和Wang(2008)的研究，取研发资本的折旧率为15％，采用平减后的研发经费内部支出变量计算得到研发存量(
)。将技术相似度矩阵(
)与研发存量向量(
)相乘后取对数，就可以得到溢出效应变量(
)。
四、实证分析 (一)模型形式检验与参数估计结果 在这一部分，本文选取吸收能力中的研发投入强度变量(
)作为转换变量构建面板平滑转换模型，分析不同研发投入下各因素对技术差距的差异化影响。⑤在估计和应用面板平滑转换模型之前，需要首先进行非线性模型形式检验以及转换函数个数的检验，检验结果如表1所示。 表1显示，模型形式的线性、非线性检验中，Wald、Fisher和LRT检验分别在10％、5％和1％的显著性水平下拒绝了原假设，即随着研发投入强度的变动，各变量与技术差距变量之间存在非线性关系，在计量经济学模型中，面板平滑转换回归模型是在面板门限模型的基础上扩展而成，相较于一般的面板数据模型，即固定效应模型和随机效应模型能够描述出回归系数随着时间和个体的变化而变化的异质性特征外，该模型还能够刻画出回归系数随转换变量而发生非线性转换的特征。此外，本文考虑到随研发投入强度阶段的变化，内在吸收能力和外在溢出效应对技术差距的影响关系也会随之发生转变，因此，本文利用面板数据的平滑转换模型对高技术产业中内在吸收能力还是外部溢出效应有效缩小了技术差距进行建模分析。为保证估计结果的合理性，本文同时估计了线性模型与面板平滑转换模型，通过系数显著性、AIC准则对比后，最终选取非线性的面板平滑转换模型。
此外，根据表1中转换函数个数的检验结果可得，在第1次检验中，Wald、Fisher、LRT统计值均在5％的显著性水平下拒绝1个转换函数的原假设，在第2次检验中，Wald、Fisher、LRT统计值均接受了2个转换函数的原假设，因此，本文采用2个转换函数的面板平滑转换模型。根据模型形式与转换函数的检验结果，基于总体回归模型(10)，可以得到以研发投入强度为转换变量时的样本回归模型，如式(13)所示。
利用非线性最小二乘法(NLS)对面板平滑转换模型(13)中的参数进行估计，其中，转换斜率和位置参数采用网格搜索法获取，从而得到不同研发投入强度下，各因素对技术差距影响的估计结果如表2所示。
根据面板平滑转换模型的基本原理和表2中的估计结果可得，内在吸收能力和外部溢出效应各变量对技术差距影响的估计系数为
，其中线性部分系数
，非线性部分系数分别为
，根据转换变量研发投入强度的不同取值，两个转换函数
等于0或1，且均满足面板平滑转换的LSTR1模型形式。根据两个转换函数，可以将研发投入强度分为三个阶段，当
＜-0.727时，各变量对技术差距的影响系数为线性部分ρ，-0.727＜
＜2.231时，各变量对技术差距影响的系数为线性部分与第一个非线性部分系数之和ρ+λ，当
＞2.231时，影响系数则为线性部分和两个非线性部分之和ρ+λ+
。 (二)不同研发投入强度下技术差距的影响因素分析 在表2基础上，本文整理得到每个研发投入阶段中各变量对技术差距的影响结果，列于表3。 1.内在吸收能力中的研发投入显著扩大了技术差距 表3中的估计结果显示，高技术产业中研发投入强度变量(
)对技术差距具有正向影响，即研发投入强度增加对于技术差距具有显著的扩大作用。具体而言，当研发投入强度处于第Ⅰ阶段(
＜-0.727)时，研发投入强度对技术差距的影响系数
为0.746，第Ⅱ阶段(-0.727＜
＜2.231)和第Ⅲ阶段(
＞2.231)时，研发投入对技术差距影响的估计系数
分别为0.393和1.273。对三个阶段估计系数大小的对比显示，在研发投入强度由低到高提升的过程中，研发投入对技术差距的扩大具有先减弱后增强的“V”型影响。 在研发投入强度较低的第Ⅰ阶段，同时也是高技术产业发展和研发投入累积的初期，研发投入的边际回报率较高，研发投入对技术差距的影响系数为0.746。如本文第二部分理论模型部分所示，研发活动激励了具有初始禀赋、制度优势地区技术进步的“先发优势”，先发地区技术领先于其他地区的特征十分明显，研发驱动了两类地区间技术差距的不断扩大。 随着研发资源的累积，进入中等研发投入强度的第Ⅱ阶段后，在边际收益递减规律的作用下，表3显示，高技术产业中研发投入对技术差距的影响程度降低为0.393，技术发达地区研发的边际回报开始下降，即研发对其技术进步的推动作用开始减弱，技术发达地区与技术落后地区之间技术差距的“剪刀差”变小。 在第Ⅱ阶段，中国高技术产业发展中研发成果转化率过低，也是导致研发投入对技术进步贡献下降、对技术差距影响程度降低的另一个重要原因。例如，中国技术研发和创新中“重成果，轻转化”的问题突出，2010年，科技成果转化率约为25％，最后实现产业化的科技成果则不足5％。⑥高技术产业专利申请数量、专利授权数量快速增长，部分专利研究、科技立项过分强调技术研发的创新性，但是忽视了市场需求的实用性，理论研究与实际应用脱节，没有形成以市场为基础“研发创新驱动”与“成果应用拉动”的协调机制。
进入第Ⅲ阶段后，研发投入强度对技术差距的影响系数增大为1.273。这一阶段，高技术产业研发对技术差距影响程度的加深，一方面是研发方式差异导致的，自主研发提升了技术发达地区的技术进步速度，而以学习型研发为主要创新方式的落后地区技术进步速度相对缓慢，研发对技术差距的扩大效果再次增强。以中国东部地区为例，2000年该地区高技术产业中自主研发经费支出占研发经费总支出的比例约为46.5％，2013年该地区这一比例则达到了79.32％，技术发达地区自主研发对于技术进步的推进作用增强使得其对技术差距扩大的影响程度再次加深。⑦ 另一方面，中国各地区之间研发资源配置的严重不平衡，特别是研发资源在部分地区呈现高度集聚特征，也是第Ⅲ阶段中研发投入对技术差距产生扩大效应的重要原因。据测算，在高技术产业研发流量方面，2013年东部地区研发经费内部支出占全国研发经费内部总支出的77.75％，远高于中部、西部地区的9.78％和8.45％；研发存量方面，2013年东部地区高技术产业研发存量占全国高技术产业研发存量的78.32％，比中部地区的9.18％和西部地区的8.41％分别高出69.14和69.91个百分点。⑧因此，作为高技术产业中技术创新的主要投入要素，研发资本集聚推动了东部地区技术创新，减弱了中西部地区技术进步的后发优势，扩大了技术差距。 2.吸收能力中的人力资本有效缩小了技术差距 与研发投入对技术差距的影响不同，根据表2和表3可得，人力资本变量(
)对于技术差距具有负向影响，即研发活动人员占劳动力比重的提高能够缩小技术差距。当研发投入强度分别处于第Ⅰ阶段、第Ⅱ阶段和第Ⅲ阶段时，人力资本对技术差距影响的估计系数
分别为-0.525、-0.128和-0.413。与研发投入对技术差距影响系数的变动趋势类似，人力资本变量对技术差距的影响也呈现了先下降后上升的态势。 在第Ⅰ阶段，研发投入强度低，人力资本的稀缺性凸显，技术发达地区和技术落后地区人力资本投入均处于边际收益的上升期，两类地区人力资本都能够发挥对新技术的消化吸收作用，迅速提升技术水平。并且，在研发活动不断推进的过程中，发达地区人力资本在模仿新技术实现再创新时的空间缩小，落后地区人力资本学习型创新的动力增强，技术落后地区可以实现技术追赶，两类地区间的技术差距收窄，人力资本对技术差距的影响显著，系数为-0.525。 随着研发投入强度不断提高进入第Ⅱ阶段后，人力资本对技术差距的影响系数迅速减弱为-0.128。技术先进地区人力资本数量持续增长形成了规模优势和质量优势，人力资本的规模经济性和对技术进步推动的有效性开始显现。相比之下，落后地区人力资本累积速度缓慢，人力资本对于两类地区间技术差距缩小的影响程度降低。例如，将中国东部和西部高技术产业中人力资本投入进行对比发现，2010年东部地区高技术产业研发人员折合全时当量为32.15万人年，占全国的80.57％，西部地区研发人员折合全时当量仅占全国的8.74％，约为东部地区的1/10。⑨ 在第Ⅲ阶段中，如表3所示，人力资本变量对技术差距缩小的影响再次增强，影响系数由-0.128变动为-0.413。随着技术落后地区人力资本数量和质量的共同提升，该地区人力资本与高技术产业内部结构的适配度不断提高，这为后发地区技术进步注入了新的动力并创造了新的技术增长点，也为后发地区缩小与先发地区的技术差距，实现技术的“二次赶超”提供了可能。根据侯亚非、曹颖(2000)的研究可得，随着经济发展水平的提高，中西部地区人力资本结构与产出结构之间错位的幅度逐渐下降，低层次人力资本供过于求、高层次人力资本供不应求的状况缓解，人力资本对于技术创新的贡献得到提高。 3.随着研发投入强度的上升，溢出效应对技术差距的影响逐渐显著并不断增强 根据表2和表3中的估计结果可得，第Ⅰ阶段中溢出效应对技术差距的影响系数
不显著；随着研发投入的增长，在第Ⅱ阶段、第Ⅲ阶段，高技术产业中溢出效应对技术差距具有显著的负向影响，表3显示，溢出效应变量前的估计系数
值分别显著为-0.153和-0.415，溢出效应的增强能够显著缩小不同地区间的技术差距。 一般而言，高技术产业中溢出效应与研发投入之间存在正相关关系。在研发投入强度较低的第Ⅰ阶段中，技术发达地区的研发投入较少导致研发的规模效应没有充分显现，研发投入不足也使得其外部性不明显，研发溢出效应的程度很低。并且，在第Ⅰ阶段，研发溢出具有不连续性，即溢出效应可能只包含创新的某一环节，技术落后地区难以根据少量的研发信息进行一个完整、连贯的创新(吴林海等，2007)，溢出效应对于技术发达和落后地区间技术差距缩小的贡献不足。 在研发投入强度较高的第Ⅱ阶段，研发投入不断累积使得溢出效应对技术差距缩小的贡献显著，这主要是因为溢出效应往往可以大幅度地推进技术落后地区的技术进步。根据技术赶超中的“技术后发优势”理论，后发地区对研发溢出效应的学习成本远远小于其创新成本，同时模仿学习效应还降低了高技术研发、高科技产品生产中的不确定性，即降低了研发创新的风险，最终易于形成对新技术的“复制效应”和“改进效应”，并显著地促进学习型技术进步(Keller，2004)。因此，溢出效应促使技术落后地区实现技术赶超的效果明显，与发达地区的技术差距逐步缩小。 随着研发投入强度由第Ⅱ阶段进入第Ⅲ阶段，溢出效应对技术差距影响系数由-0.153变动至-0.415，影响程度进一步加深。一方面，随着研发的累积，溢出程度逐渐增强，技术相似度高的地区之间开始形成“技术共同体”实现协同创新(刘丹、闫长乐，2013)，因而能够实现有效的技术进步并缩小技术差距；另一方面，根据技术扩散理论，在先发地区向后发地区的技术溢出效应达到一定程度时，后发地区已经越过对新技术集成、改造的“门槛”，形成了技术创新的惯性与研发资源累积的“循环效应”，后发优势更为凸显。 综合吸收能力变量以及溢出效应变量的分析可得，研发投入对于技术差距的扩大作用十分显著，而人力资本、溢出效应对技术差距的缩小具有积极贡献。在驱动技术差距缩小的内外部因素中，发挥人力资本流动、溢出效应的协同作用，能够有效缩小技术差距。 (三)不同研发投入强度状态间转换特征分析 为进一步分析不同研发投入强度间的转换特征，本文绘制了转换函数
和
与转换变量研发投入强度对数(
)之间关系的图形，如图2所示，其中，横轴是取对数后的研发投入强度，纵轴为转换函数值。结合表2、表3和图2可得，在
为-0.727时，对应于转换函数
出现了第一次状态转换，在
达到2.231时，对应于转换函数
发生了第二次状态转换。此外，根据表2中的结果可得，转换函数
、
中的斜率参数
分别为5.020、6.932，两次状态转换都较为平缓，相比之下，第二次转换速度更快。
图2 以研发为转换变量时的转换函数
和
特别地，与不同研发投入强度下各因素对技术差距影响的分析结果相对应，在研发投入强度对数达到2.231时，转换函数
的值为1，因此，对应于
在表2中的非线性机制(非线性部分2)开始发挥作用，在该机制中，研发投入对于技术差距的影响不显著，内在吸收能力中的人力资本变量、外部溢出效应变量前的估计系数
均显著为负，估计值分别为-0.285和-0.262，内外部因素共同驱动高技术产业技术差距缩小的特征得到充分显现。 (四)稳健性检验 为了检验估计结果的稳健性，本文在技术差距的影响因素研发强度、人力资本与溢出效应的基础上，搜集数据、计算并引入1996～2013年中国各省份的人均地区生产总值对数(lnpgdp)、第二产业占GDP的比重(indr)、政府财政支出占GDP的比重(fer)作为控制变量，分别用于控制经济发展阶段、产业结构、政府对经济的干预等对于技术差距的影响。然后，分东部、中部与西部三个地区分别构建了高技术产业技术差距影响因素的动态面板模型，并采用系统广义矩方法对模型(14)进行估计，体现区域特征、克服内生性问题并进行稳健性检验，估计结果如表4所示。⑩
表4中Sargan检验结果表明，工具变量的选择总体上是有效的，这可以在一定程度上解决模型估计中解释变量存在的内生性问题，部分解释了在模型(13)估计中变量选择的合理性。 由于分组标准不同使得在每个阶段或每类地区估计时使用的样本不同，以及估计方法差异等原因导致表3和表4各变量前系数的估计值大小存在差异，但是，在研发强度的三个阶段、按照发展程度划分的三个地区中，研发强度、人力资本与溢出效应对于技术差距影响的系数符号基本相同，并且各地区系数绝对值的大小排序是一致的。以研发强度为例，在表4与表3中，研发强度变量(
)对东部地区(研发投入第Ⅲ阶段)技术差距的影响程度最高，对西部地区(研发投入第Ⅰ阶段)的影响次之，对中部地区(研发投入第Ⅱ阶段)的影响最小，因此，验证了本文中估计结果的稳健性。 五、结论与政策启示 本文在构建了内外部因素共同驱动技术差距变动的理论框架，研究了内在吸收能力和外部溢出效应对技术差距的差异化影响，主要结论为： 在各因素对技术差距影响的方向上，内在吸收能力中的研发投入增加对于技术差距具有显著的扩大作用，而吸收能力中的人力资本累积、外部溢出效应的增强则能够显著缩小不同地区间的技术差距。在研发投入强度由低到高的三个阶段中，内外部因素对于技术差距的影响呈现了差异化的变动特征，内在吸收能力中的研发投入与人力资本变量对技术差距的影响先减弱后增强，溢出效应对技术差距的影响逐渐显著并且贡献不断提高。此外，在不同研发投入强度阶段之间，存在着两次较为平缓的转换过程，在转换完成后，内在吸收能力与外部溢出效应均发挥了对技术差距缩小的积极贡献。 根据本文的研究，可以得到以下政策启示： 第一，因地制宜设定多元化技术进步模式。根据实际发展情况，各地区应确定在知识存量累积效应、人力资本增值效应以及研发溢出收敛效应上的不同目标，在技术进步方式选择上相应采取“分层次、分类别”的多元技术进步途径，实现梯度型递推式技术进步。例如，在技术发达地区创新空间较小的情形下，原始创新应成为其技术进步的主要形式，而在技术相对落后的地区，通过模仿、消化吸收等途径驱动的学习型技术进步仍有较大空间。 第二，在研发资源数量累积的同时注重质量提升与配置优化。吸收能力中的研发投入强度提高不利于技术差距缩小，主要在于研发资源的匮乏阻碍了技术落后地区的技术进步。在研发资源有限的情形下，政府应依靠“多主体参与”和“多要素互动”促进后发地区实现研发资源的快速积累，在研发资本优化配置的基础上实现区域间技术均衡。吸收能力提升还与人力资本质量密切相关。目前，中国各地区人力资本结构扭曲的现象突出，政府在实行人才制度倾斜引导人力资本向后发地区转移、实现人力资本数量合理分布的同时，还应以人才需求为导向制定人才质量提升专项扶持政策，着力提高后发地区人力资本结构与高技术产业内部结构的匹配度。 第三，以应用驱动推进研发成果转化。研发成果顺利转化是提高技术有效辐射范围、实现研发溢出效应并缩小地区间技术差异的关键环节。技术发达地区应集中研发资源，在中、高端技术的关键性应用环节上实现突破，以提高生产效率为目标推进研发成果在生产活动中的应用，从之前的“研发驱动”、“生产驱动”转向“创新驱动”、“应用驱动”，并适时适度将部分中低端研发活动向技术落后地区转移，形成同一地区内、不同地区间良性互动、收益共享的协同创新机制，通过有效的横向合作或垂直一体化达到技术差距缩小的目标。 注释： ①由于青海、西藏和新疆三个省份数据缺失较多，在本文的分析中未包括上述三个省份。 ②本文采用高技术产业劳动生产率作为技术水平的代表，主要有以下两点原因：一是中国高技术产业的劳动密集型特征明显，根据《中国工业统计年鉴》(2014)测算的资本劳动密集度结果，2013年，主要高技术行业医药制造业、医疗仪器设备及器械制造业、计算机通信和其他电子设备制造业、仪器仪表制造业人均资产(资产总计除以从业人员平均人数)分别为88.47万元/人、55.53万元/人、59.38万元/人、62万元/人，均低于整体工业行业的88.93万元/人；二是科技部、中国科学技术发展战略研究院制定的全国各地区科技进步统计监测指标体系和监测标准中，在对高新技术产业的评价部分，采用的也是劳动生产率指标。 ③由于篇幅限制，本文中并没有给出GDP平减指数及之后的R&D价格指数的计算方法和详细过程，如有需要，可向作者索取。 ④国内外文献中一般采用的是研发与人力资本、研发与外商直接投资(FDI)、研发与进口、研发与总产值中的国有企业占比等作为溢出效应变量，这些均与本文中所表示的溢出效应不符，鉴于溢出效应与技术相似度紧密相关，本文选取的是研发与技术相似度的乘积。此外，为了验证不同测算方法的溢出效应变量对于估计结果的影响，除了采用三种专利受理数变量计算相似度外，本文还采用三种专利的授权数对其进行了测算，进行了模型的估计并验证了结果的稳健性。 ⑤作者也采用吸收能力中的人力资本变量(
)作为转换变量估计面板平滑转换模型，估计结果与以研发投入强度为转换变量时的结果差异不大，本文中未列出以
为转换变量的估计结果，如有需要，可向作者索取。 ⑥《科技成果转化率低?破解“唯成果”式迷局》，2011年3月10日《科技日报》。 ⑦数据来源：作者基于《中国高技术产业统计年鉴》计算得到。自主研发经费为R&D经费内部支出，研发经费总支出为R&D经费内部支出与技术改造经费、技术引进经费、消化吸收经费和购买国内技术经费支出之和。 ⑧数据来源：作者基于《中国高技术产业统计年鉴》(2014)计算得到，北京：中国统计出版社。 ⑨数据来源：作者基于《中国高技术产业统计年鉴》(2014)计算得到，北京：中国统计出版社。 ⑩基于国家统计局的区域划分标准，本文中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省(市)；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏9个省(市、自治区)。
标签：溢出效应论文; 人力资本论文; 能力模型论文; 人工智能论文;
