中国工业技术进步路径选择的实证分析

表5.37 中的估算结果表明，中国工业部门在样本期间存在技术进步，而且诸多文献研究表明中国的技术进步主要来自资本体现型技术进步，接下来将通过详尽的实证分析对中国工业部门技术进步是否也是源于资本体现型技术进步进行判断。

1.经济计量模型、数据及变量选择

如前所述，技术进步可分为非体现型中性技术进步和体现型技术进步。

非体现型中性技术进步主要通过技术创新实现，能直接反映技术创新水平的是科学研究与试验发展（R＆D）投入情况，包括：R＆D 人员投入量、R＆D经费支出，这两个指标通常具有高度的相关性，因此本书用R＆D 经费支出来表示R＆D 投入情况。然而R＆D 经费支出是一个流量指标，表示当年用于研究开发的新增支出，而各行业所拥有的技术知识是以往研究所产生的知识和经验的积累，为此，本书需要对R＆D 存量进行估算，然后将R＆D 存量作为非体现型的中性技术进步的代理变量，去分析非体现型技术进步对各两位数行业技术进步的作用。在国内外学者的相关研究中，R＆D 存量的估算一般采用戈登史密斯（Goldsmith）于1951 年提出的永续盘存法。因此，本书也用这一方法对中国工业部门各两位数行业的R＆D 存量进行估算。

采用永续盘存法对R＆D 存量进行估算的基本公式为（Griliches，1980a，1986，1998；Gotoand Suzuki，1989）[148－151]：

公式（5.37）中R 表示R＆D 存量，i 表示滞后期，μ 为R＆D 经费支出的滞后贴现系数，E 代表R＆D 经费支出流量，δ 为R＆D 存量的折旧率。由于R＆D 经费支出滞后结构信息的获取难度非常大，因此本书假定平均滞后期为1，则公式（5.37）可以转化为公式（5.38）的形式：

由公式（5.38）可知，对R＆D 存量进行估算需要获取四个变量的信息：①基期R＆D 存量R0；②折旧率δ；③当期R＆D 经费支出流量；④R＆D 价格指数。

对于基期R＆D 存量R0的确定，一般是采用Goto 和Suzuki（1989）以及Coe 和Helpman（1995）的方法。具体计算公式见公式（5.39），其中g 为R＆D 经费支出流量的平均增长率。

对于R＆D 的折旧率δ 的确定，现有大多数文献在对R＆D 存量进行估算的过程中通常采用15%的折旧率，因此，本书也选择15%的折旧率对中国工业部门各两位数行业的R＆D 存量进行估算。对于R＆D 经费支出流量数据，由于我国从2003 年开始才有正式的关于工业部门各细分行业的R＆D 经费支出数据，因此，本书选择的样本始于2003 年。对于R＆D 价格指数，参照朱平芳和徐伟民（2003）的研究，本书采用居民消费价格指数和固定资产投资价格指数的加权平均值来代替。^[9]

体现型技术进步主要借助于其他要素的投入来实现，相关文献的研究表明中国的体现型技术进步表现为资本体现型技术进步。在资本体现型技术进步的研究中，通常用投资的相对价格来反映，如陈师和赵磊（2009）就以消费价格指数与设备价格指数比例的变化来衡量投资专有技术进步；董直庆和王林辉（2011）利用设备工业品与建筑工业品的相对价格的倒数来表征资本体现型技术进步的增长。对于中国工业部门来说，资本体现型技术进步可以用工业品出厂价格指数与投资价格指数比例的变化来衡量，具体来说用工业品出厂价格指数与投资价格指数之比来计算投资的相对价格。

本书采用面板数据模型对中国工业部门技术路径选择进行实证分析，使用的数据为中国工业部门2003—2016 年36 个两位数行业的面板数据，得到如下面板数据模型：

式中，i 代表行业，t 代表年份（t＝2003，2000，…，2016）；μi和ηt分别代表个体效应和时间效应；εi，t为随机误差项。(www.xing528.com)

TCi，t为前文估算的技术进步率，ETCi，t为各两位数行业的投资相对价格（工业品出厂价格指数与投资价格指数之比），用以反映中国工业部门各两位数行业的资本体现型技术进步；DTCi，t为各两位数行业的R＆D 存量，用以反映中国工业部门各两位数行业的非体现型的中性技术进步。α1和α2为待估参数，分别表示技术进步率对资本体现型技术进步和非体现型的中性技术进步的弹性。

2.模型设定检验

本节所采用的面板数据为大N 小T 型面板数据，同样利用LLC 法进行面板单位根检验。检验结果显示模型（5.40）中各变量均为平稳变量，因此可以直接进行模型设定的检验。

从表5.38 中的Hausman 检验结果来看，在α ＝0.05 的显著性水平下，接受了原假设，模型（5.40）应为随机效应模型，进而需要对随机效应的显著性进行检验。表5.39 的检验结果表明，模型（5.40）应为个体时间随机效应模型。

表5.38　Hausman 检验结果

表5.39　随机效应显著性检验结果

3.估计结果及分析

表5.40 中的序列相关性检验结果表明，模型（5.40）存在显著的序列相关，因此本书采用广义最小二乘（GLS）估计方法结果进行分析（见表5.41）。

表5.40　序列相关性检验结果

表5.41　GLS 估计方法结果

从表5.41 的估计结果可以看出，资本体现型技术进步与非体现型的中性技术进步对中国工业部门的技术进步都有显著的影响。弹性系数估计值均大于0，说明中国工业部门的技术进步源于资本体现型技术进步与中性技术进步的共同作用。从弹性系数的绝对值来看，α1明显大于α2，表明中国工业部门的技术进步主要依靠资本体现型技术进步推动，非体现型的中性技术进步的推动作用比较微小，而且从显著性检验结果来看，资本体现型技术进步的推动作用更为稳健。