论文部分内容阅读
摘 要：基于2004—2015年中国31个省份面板数据，采用面板向量自回归模型PVAR对创新数量、创新质量与产业结构转型升级之间的关系进行实证研究，研究结果显示：创新数量对产业结构转型升级的促进作用较显著，创新质量因水平较低尚未达到一定的门槛值而对产业结构转型升级的促进作用不显著，这意味着我国正处在以创新数量为主向以创新质量为主驱动产业结构转型升级的转变时期;创新数量与创新质量的协同项对我国产业结构转型升级的促进作用较微弱;产业结构转型升级能带动创新数量与创新质量协同发展，这種良性互促发展将推动中国产业结构与创新数量和创新质量共同向更高层次演进;创新数量与创新质量协调发展效应不强，制约了创新推动产业结构转型升级的步伐。
关键词：产业结构转型升级;创新数量;创新质量;PVAR模型
中图分类号：F062.9 文献标识码：A 文章编号：1003-3890（2019）02-0078-08
一、引言
改革开放四十年，中国经济持续快速增长，并于2010年成功跻身世界第二大经济体，实现了由发展中穷国向现代化水平不断提高的发展中富国转型。与此同时，“投资拉动增长”模式潜行在经济系统之中的巨大成本，随着时间的推移不断暴露出来，产能过剩严重、高耗能、高排放、企业技术创新乏力、资本回报率下降等一些列问题叠加出现，成为经济可持续发展的严重障碍[1]，中国经济增长速度已经从2010年的10.6%跌至2016年的6.7%。当下中国经济发展必须通过新技术、新手段等一系列创新活动，实现由速度调整向结构调整的转变，尤其是产业结构的转型升级。创新是促进中国产业结构转型升级，实现新一轮平稳较快增长的关键。自从党的十七大提出“提高自主创新能力、建设创新型国家”以及十八大提出实施创新驱动战略以来，创新驱动发展取得了一定的成就，其突出表现在代表创新水平的专利申请授权数量急剧增长，据统计，专利申请授权数从1987年的6 401项跃升至2015年的1 596 977项，年均增幅高达35.88%，我国专利申请授权数位居世界第一已是不争的事实。虽然国际上通常将国内专利拥有量作为衡量一个国家创新水平的重要指标，但由于专利质量与数量未能同步提高，科技创新引领产业结构转型升级的作用不够显著。目前中国的创新发展水平距离建设创新型国家的要求仍有很大差距，因此，党的十九大报告提出“加快建设创新型国家”，明确“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。尤其在当前我国经济正处在新旧动能转换，产业结构转型升级的关键时期，如何进一步发挥创新驱动产业结构转型升级的第一动力源，是一个亟待解决的重大理论和实践问题。
二、文献回顾
从国内外现有研究文献来看，研究创新与产业结构转型升级的文献主要集中在两个方面：一是创新与产业结构优化升级的联动有效性以及对经济发展的推动作用研究。该部分文献主要强调，技术创新驱动产业结构优化升级是现代经济持续发展的客观要求，也是社会经济发展的最优选择。比如周叔莲等提出技术创新为产业结构调整提供动力，产业结构调整又推动技术进步，这种双向促进的联动机制在推动产业结构调整和优化升级的同时促进了经济发展[2]。Nelson et al.抛弃新古典静态均衡范式，提出技术创新和产业结构升级的动态演化NW模型，多角度阐述了技术变迁和产业升级的动态演化机理[3]。因此，我国应凭借技术创新推动产业结构调整，实现产业结构优化升级[4]。但由于行业的差异性，使得不同层次的技术创新对产业结构的调整作用，也具有很大的差异性，因此，只有选择适宜的技术才会在较大程度上推进产业结构转型升级[5]。二是创新推动产业结构优化升级的具体路径研究。Utterback et al.将企业的技术创新分成产品创新和过程创新，从企业内部借助微观产品分析了创新推动产业结构升级的路径，提出了著名的产业升级模型[6]。Pietrobelli et al.认为产业升级是通过创新创造更多附加值的过程[7]，但只有在竞争环境下实现的较高的创新效率和较快的创新速度才具有产业升级的潜力[8]。尤其重要的是，高技术产业的迅猛发展促进了产业结构的优化升级[9-10]，但就国内实践来看，单纯依靠技术引进并不是产业结构改善的原因[11]，比较优势战略则是一种实现要素禀赋结构升级和产业升级更为成功的经济发展道路[12]，而且省域人力资本、技术和创新要素集聚下的技术创新也将对产业结构优化升级产生递增的发散效应[13]。此外，放松融资约束能够推动技术创新活动，促进产业结构优化升级[14]，地区金融发展和技术创新的联合作用能促进第一和第三产业发展而抑制第二产业[15]。
通过对现有文献的分析发现，众多学者在研究证实技术创新、不同形式的创新以及不同约束条件下的创新对产业结构转型升级具有不同程度促进作用时，忽视了创新对产业结构转型升级的推动作用究竟有多大、产业结构能否反过来促进更高水平的创新实现这一问题。尤其是鲜有从创新的数量和质量两个维度来研究创新对产业结构转型升级的影响。创新的数量和质量是反映创新整体水平的两个重要指标，二者是相互联系、互相制约的。创新数量是创新的基础，创新质量是创新的核心，是实现创新价值的重要体现，只有从创新数量和创新质量两个维度，分析研究创新对产业结构转型升级的影响，才能找准创新驱动的着力点，尽快建立起“全国性的创新体制”[16]，进而加快我国产业结构转型升级的步伐。本文试图从创新数量和创新质量两个维度出发，运用面板向量自回归模型（PVAR）来研究创新数量、创新质量与产业结构转型升级的内生互动关系。与其他研究分析方法相比，采用面板向量自回归模型（PVAR）能更为清晰地反映创新数量、创新质量与产业结构转型升级关系中各自发生的内在机理，为进一步促进创新驱动产业结构转型升级提供了新的思路。
三、模型构建与指标选取
（一）模型构建 由于创新与产业结构转型升级之间存在较为复杂的交互依附性，为了更为全面地反映他们之间的内生依存关系，本文选择面板向量自回归模型（PVAR）进行分析，该模型是包含固定效应的动态面板模型，无需区分内生变量和外生变量，而是将所有的变量都视为内生变量。可以说，PVAR模型集成了面板数据估计方法与向量自回归模型两种方法的优点，并在一定程度上降低了向量自回归（VAR）方法对时间序列长度的限制性要求，可以较好地捕捉到样本单元个体差异性对模型参数的影响[17]。本文将模型设定如下：
其中，Yit為包含产业结构转型升级、创新数量以及创新质量的列向量（lnupisit，lninnov1it，lnnov2it）T，i代表地区，t代表时间，p表示模型的滞后阶数。同时，为了进一步检验创新数量与创新质量两者对产业结构转型升级的协同作用，本文还纳入创新数量与创新质量的交互乘积项lninnov;A0表示截距向量，A1表示滞后变量的参数矩阵;？琢i为地区效应列向量，代表以固定效应形式反映的截面个体差异性;？浊t为时间效应列向量，代表时间变化对截面个体的影响;？着it是“白噪声”扰动项。此方程中实际需要估算的参数是Ai。PVAR模型估计前需采用前向均值差分法（Helmert过程）去除个体效应？琢i和采用组内均值差分法（Mean-Differencing）去除时间效应？浊t以避免个体效应与回归元素之间因相关性而导致参数有偏估计。之后，将以自变量的滞后项作为工具变量，采用广义距估计法（GMM）对模型参数进行有效估计。
（二）指标选取及解释
1. 产业结构转型升级指数（upis）。产业结构转型升级包含产业结构高级化与产业结构合理化两个重要维度。其中，产业结构高级化是指产业结构从低水平状态向高水平状态发展的动态过程。一般文献往往根据克拉克定律采用农业与非农业产值之比测度产业结构高级化。随着技术水平的不断进步以及高科技产业的迅速发展壮大，有学者采用高技术产业占工业产值比重测度产业结构高级化水平[18]，较为常见的还有结构相似系数法，即夹角余弦法[19-20]。但是，作为产业结构转型升级的重要维度，随着信息技术飞速发展，中国“经济服务化”趋势愈加明显，伴随第三产业增长率要快于第二产业增长率的事实[21-22]，借鉴干春晖等[21]的做法，采用第三产业与第二产业产值之比测度产业结构高级化水平，反映中国经济“服务化”演变过程。
产业结构合理化是指产业之间协调能力的加强和关联水平提高的动态过程，综合反映了产业之间的协调程度以及资源有效利用程度，是对要素投入结构和产出结构耦合程度的一种衡量[21]。现有文献对产业结构合理化的定量研究并不多，指标的确定也无统一规定，国际上以钱纳里等人倡导的标准产业结构为依据，但因该标准模型难以确定故不常采用，另外还有需求结构标准和产业间比例平衡标准，但因缺乏实际可操作性而搁置。也有学者采用结构偏离度来测度产业结构合理化[23]，但该指标将各产业的经济地位视为等同，未能很好的反映不同产业结构偏差对经济影响的重要程度。有些学者亦采用Hamming贴近度将我国产业产出结构与国际标准的贴近程度作为产业结构合理化的测度指标，却忽视了我国就业结构以及国际标准可能并不符合我国产业结构演变特征等问题。本文结合泰尔指数将测度产业结构合理化的具体公式设定为如下形式：
同时，为了从整体上度量中国产业转型升级水平，本文通过主成分分析法将产业结构高级化和合理化两个分指标合成“产业结构转型升级指数”。具体步骤包括逆向指标正向化和无量纲化处理，其中，对衡量产业结构合理化的泰尔指数取倒数使其与产业结构高级化方向一致，并采用均值化方法对指标进行无量纲化处理，以消除各变量因不同量级而无法整合的缺陷，并利用SPSS20.0软件合成产业结构转型升级指数。
2. 创新数量（innov1）与创新质量（innov2）。创新数量是对创新在数量维度上的界定，是创新发展初期阶段的主要特征。现有的文献并未对创新数量的概念作出统一明确规定。本文认为创新数量是指在一定的创新要素（包括研发人员以及研发经费等）投入前提下，经过一系列生产研发过程所获得的创新成果产出数量，常见的主要是指科技成果产出，比如专利产出。高林等在研究创新数量、质量及其激励的异质影响时，采用企业获得的发明专利数表示创新数量[24]。据此，本文采用国内专利申请授权数测度创新数量。专利数量仅是对创新在数量维度上的测量，理论上测度创新还需要考虑创新的价值维度[25]。本文将创新价值维度界定为创新质量，它代表创新的水平和高度，是对创新发展步入高级阶段的反映。在现有文献中，对创新质量概念的界定还未达成统一。Haner于2002年最早提出了创新质量概念的框架，认为创新质量是所有创新的总结果，具体包括产品或服务质量、过程质量以及经营质量三个维度[26]。杨幽红指出创新质量的一个重要方面是创新所提供的产品、服务、过程，市场或经营管理的组织和方法特征满足顾客要求的程度，包括增加顾客满意、增加市场份额、提高销售收入等[27]。孙兆刚指出创新质量是一组固有特性满足创新活动要求的程度[28]，马永红等将创新质量界定为创新绩效在过程—产出—经济效益三个维度的总和[29]。随着对创新研究的深入，对创新质量的指标选取也见仁见智，具体包括专利授权率和付费期长度[30-31]、企业发明专利的平均专利知识宽度[24]以及发明专利与申请专利之比[32]。实际上，一项创新是否成功并不在于它是否新颖、巧妙或者具有科学内涵，更重要的在于它是否能够赢得市场[33]，真正具有价值的创新、高质量的创新必定是那些能被市场认可并成功转化成实际生产力且为广大消费者接受、实现经济效益的创新，此时的创新实现了价值转化，满足了客户、员工和供应商各方利益，是具有质量的创新[27]。据此本文将创新质量定义为：一项创新被应用于生产新的能满足广大消费者需求的产品，而且该产品通过市场交换实现经济效益的程度。于是，本文采取新产品销售收入占地区生产总值的比重来测度创新质量①，若一项创新能成功转化为实际生产能力并赢得市场获得经济效益，就说明此项创新质量较高。 同时，为了考察创新数量与创新质量协同带动中国产业结构转型升级的影响作用，本文采用创新数量与创新质量的交互乘积项来表示。本文使用2004—2015年除香港、澳门和台湾的中国大陆31个省份面板数据，来自历年《中国统计年鉴》《中国科技统计年鉴》。
四、实证过程与结果分析
（一）单位根检验及滞后阶数确定
在进行面板自回归模型估计时，首先，需要对数据进行平稳性检验，否则，得出的结果可能因“虚假回归”或“伪回归”而无法准确反映各变量之间的內在逻辑关系。本文利用LLC（Levin-Lin-Chu）检验对所涉及的产业结构转型升级、创新数量和创新质量三大指标进行单位根检验，根据检验结果（表1）可知，三大原始数据序列均拒绝“存在单位根”的原假设，因此全部是平稳序列。
其次，需确定PVAR模型的最优滞后阶数。相较于向量自回归VAR模型，PVAR模型对数据的要求有所放宽，如果T为时间序列长度，m为滞后阶数，只要T≥m+3，方可对方程的参数进行估计，若T≥2m+2就可以在稳态下得到滞后项参数。于是，根据MAIC、MBIC和MQIC最小化原则，本文将模型滞后阶数确定为1（见表2），由上述不等式可知此滞后阶数是有效的。
（二）动态面板数据GMM估计
将创新数量、创新质量、创新数量与创新质量的协同项以及产业结构转型升级作为PVAR模型的内生变量，采用广义矩估计法（GMM）进行有效估计，所得结果见表3。
首先，根据表3中第2列和第3列，以产业结构转型升级为依赖变量，可得：（1）滞后一期的产业结构转型升级水平（lnupis）对自身当期的影响系数为0.778 5，在1%的水平下显著，说明产业结构转型升级对自身有较强的促进作用;（2）滞后一期的创新数量（innov1）对当期产业结构转型升级的影响系数为0.100 7，在1%的水平下显著，说明目前在推动我国产业结构转型升级过程中，创新数量发挥着重要作用;（3）滞后一期的创新质量（innov2）对产业结构转型升级的回归系数不显著，说明中国目前因创新质量水平较低，尚未达到显著提升产业结构转型升级的门槛值，因此对产业结构转型升级的推动作用还不显著;（4）创新数量与创新质量协同项（lninnov）的滞后一期对当期产业结构转型升级的影响系数仅为0.011 5，而且仅在10%的水平下显著，说明目前我国创新数量与创新质量协同发展对产业结构转型升级的促进作用较弱，这意味着在我国以创新数量为主向以创新质量为主驱动产业结构转型升级的转变时期，创新质量因水平较低，与创新数量协同发展的能力不强，在后期发展中应兼顾创新数量与创新质量协同发展，进一步提升两者的协同发展能力。
其次，根据表3中第4列到第9列，分别用创新数量、创新质量以及两者的协同项为依赖变量，可得：（1）滞后一期的产业结构转型升级对创新质量的影响系数为0.240 4，但不显著，对创新数量与创新质量协同项的影响系数为1.389 2，在10%水平下显著，说明产业结构转型升级的提升将带动创新数量与创新质量协同发展，创新数量与创新质量的协同发展又将进一步促进产业结构转型升级水平的提升，两大体系之间的良性互动将推进我国产业结构与创新数量和创新质量向更高层次演进。（2）滞后1期的创新数量对自身当期影响显著为正，系数为1.039 9，对当期创新质量的影响系数为正，对当期创新数量与创新质量协同项的影响系数为负，说明在我国以创新数量为主向创新质量为主驱动产业结构转型升级转型时期，一味追求创新数量反而不利于创新数量与创新质量协同发展，我国亟待实现从创新数量为主向创新质量为主驱动产业结构转型升级的过渡。（3）滞后一期的创新质量对自身当期影响系数为0.593 3，在1%水平下显著，对创新数量以及创新数量和创新质量协同项的影响系数分别为0.141 7和0.359 6，但不显著，进一步说明目前我国创新质量不高的事实。（4）滞后一期的创新数量与创新质量协同项对当期创新数量的影响系数为正，对当期创新质量、创新数量与创新质量的协同项估计系数均显著为正，说明创新数量与创新质量协同发展能有效提升创新质量，从而加快我国从创新数量驱动为主向创新质量驱动为主转变的步伐。
（三）脉冲响应函数
在PVAR模型估计中，为了明确每一个内生变量的变化对模型中其他变量的影响，需对变量进行脉冲响应和方差分解，而在此之前，必须对PVAR模型进行稳定性检验。根据Lutkepohl[34]和Hamilton[35]的研究结果，只有在伴随矩阵所有特征根的模值小于1时，模型才是稳定的。根据表4可知，特征根均小于1，且都落在单位圆之内（图1），PVAR模型是稳定的。
脉冲响应函数是用来刻画内生变量对误差变化的大小，具体而言，它刻画的是在误差项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响，尤其是在当其他变量保持不变的情况下，获得较为纯粹的单方面影响。由于脉冲响应函数是通过PVAR参数构造的，需要考虑标准差，但一般而言，标准差很难通过计算获得，因此本文将通过蒙特卡洛方法模拟产生置信区间，基于上述PVAR模型的稳定性前提，得脉冲响应结果见图2。
根据脉冲响应函数图2中第一排可知，给创新数量与创新质量的协同项lninnov一个标准差冲击，对自身影响在第1期为0.6，随后逐渐减小，并在第5期之后趋于平稳[图2（1）];对创新质量的影响随时间的推移呈现先增大后减小的趋势，在第3期时达到最大，为0.03左右，从第4期开始逐渐减弱，但方向一直为正[图2（2）];对创新数量的影响在前5期呈递增趋势，第5期时大致为0.03左右，之后保持平稳[图2（3）];对产业结构转型升级的影响从第1期到第2期有个陡增的过程，随后保持平稳增长[图2（4）]。以上影响均为正向，说明创新数量与创新质量协同发展将对创新数量、创新质量以及产业结构转型升级产生同向影响。 根据图2第二排，给创新质量lninnov2一个标准差冲击，对创新数量与创新质量的协同项在第1期的影响为负，从第2期开始迅速衰减，之后保持平稳，说明目前我国创新质量水平不高，对创新数量与创新质量协同项的影响在数值上为负，并随时间逐渐减弱[图2（5）];对自身当期影响在0.2左右，之后逐渐减弱，并在第6期之后趋于平稳[图2（6）];对创新数量的影响从第1期开始缓慢增加，第4期时达到最大，为0.05左右，之后保持平稳[图2（7）];对产业结构转型升级的影响在前3期为负，从第4期开始影响由负转正，并持续增加[图2（8）]，说明由于存在“创造性破坏”效应，创新质量对产业结构转型升级的推动作用存在时滞，之后将促进产业结构转型升级。
由图2第三排可知，给创新数量lninnov1一个标准差冲击，对创新数量与创新质量协同项的影响在数值上为负，而且随时间推移，该影响逐渐减小[图2（9）];对创新质量的影响在期初短暂为负之后由负转正，并持续缓慢增加，说明创新数量在第4期之后会对创新质量产生促进作用[图2（10）];对自身的影响在期初最大，在0.2左右，之后随时间推移，以较小的幅度缓慢减小[图2（11）];对产业结构转型升级的影响随时间逐渐增强，并从第5期开始变得逐渐平稳[图2（12）]，说明创新数量能推动我国产业结构转型升级，但推动作用会伴随时间的推移而逐渐趋缓，我国应加快实现由创新数量向创新质量驱动发展的转变步伐。
由图2第四排可知，给产业结构转型升级lnupis一个标准差冲击，对创新数量与创新质量协同项的影响先增大后减小，在第1期影响为负，但迅速减小，并在第2期时由负变正，第3期时达到最大，为0.2左右，之后该影响逐渐减弱，但始终为正，说明产业结构转型升级能促进创新数量与创新质量协同发展[图2（13）];对创新质量一直存在正影响，第1期时为0.03左右，随后缓慢增加，并在第4期达到最大，为0.04左右，之后影响逐渐减弱[图2（14）];对创新数量的影响较为微弱，一直在0值附近浮动[图2（15）];对其自身的正向影响在期初最大，为0.1左右，之后逐渐减小[图2（16）]。
（四）方差分解
为了进一步考察产业结构转型升级、创新数量和创新质量之间的相互影响，采用PVAR方差分解得到不同变量对预测误差均方差的贡献比例构成，称为“预测误差的方差分解”，它将预测误差的来源分别归因于各个变量的正交化新息。具体的“预测误差的方差分解”见表5。由表5可得：（1）对产业结构转型升级进行向前1期的预测，则预测方差完全来自于产业结构转型升级本身。如果作10期预测，产业结构转型升级的预测方差有55.50%来自本身，41.12%来自创新数量，说明产业结构转型升级受自身影响以及创新数量的影响较大。（2）对创新数量进行向前10期的預测，有91.86%的预测误差来自于创新数量本身，仅有6.52%的预测方差来自创新质量，其余1.62%的预测方差来自创新数量与创新质量的协同项和产业结构转型升级，说明创新数量主要受自身影响较大。（3）对创新质量进行向前1期的预测，有98.02%的预测误差来自创新质量本身。如果作10期方差预测，创新质量的预测方差中仍然有78%来自创新质量本身，16.74%的预测误差来自产业结构转型升级，3.59%的预测误差来自创新数量与创新质量的协同项，而仅有1.93%的预测误差来自创新数量，说明创新质量受自身和产业结构转型升级的影响较大。（4）对创新数量与创新质量的协同项进行向前1期的预测，预测误差中有41.03%来自创新数量，有26.62%来自创新质量，30.72%来自创新数量与创新质量协同项，而仅有1.63%来自产业结构转型升级。如果作10期方差预测，预测误差中有69.13%来自创新数量，13.60%来自创新质量，12.89%来自创新数量与创新质量的协同项，4.32%来自于产业结构转型升级，说明创新数量与创新质量的协同项受创新数量的影响较大。
五、结论与对策建议
面对中国经济由高速增长转向高质量发展阶段的基本特征，创新推动中国产业结构转型升级成为研究的重要议题。本文从创新数量和创新质量两个维度出发，详细分析了创新与产业结构转型升级两大系统之间的互动关系，结果发现：目前创新数量是推动产业结构转型升级的重要力量，创新质量因其具有较高的发展要求和较复杂的实现过程，致使其水平并不高，尚未对产业结构转型升级产生显著的促进作用，这也是实现从创新数量驱动向创新质量驱动产业结构转型升级的过程;而创新质量因其水平较低，使得创新数量与创新质量的协同项对产业结构转型升级的促进作用较为微弱;同时，产业结构转型升级有助于促进创新数量与创新质量协调发展，加速中国产业结构与创新高水平演化进程。当下，我国创新数量与创新质量两者相互促进、协调发展效应不强，未来应统筹创新数量与创新质量协调发展，共同推动产业结构转型升级。
根据上述结论，未来要顺利实现创新驱动产业结构转型升级，本文提出以下对策建议：
首先，要进一步完善对创新的激励政策，着力提升创新质量。创新质量决定中国未来发展质量，一定要在现有创新数量规模水平基础上，进一步提高创新质量，追求有质量的创新数量，加快从以创新数量驱动为主向以创新质量驱动为主的转型步伐，成功实现从世界公认的创新数量大国向创新强国转变。
其次，要采取切实措施，促进创新数量和创新质量协调发展。创新数量是基础，创新质量是核心竞争力，只有实现两者协调发展，才能全面提高整体创新水平。因此，促进创新数量和创新质量协调发展不仅能够加快产业结构转型升级，而且能为创新驱动发展的国家战略的实施提供有力支撑，有助于加快建设创新型国家。
再次，深化科技体制改革，加快破除制约科技创新能力提高的体制机制障碍。当前深化科技体制改革，就是要着力加快建立和完善以企业为主体、市场为导向、产学研深度融合的技术创新体系。从体制机制上优化政策性制度供给，建立政企互动创新机制，加强对中小企业创新的支持，充分发挥企业家在创新驱动发展中的重要作用，使企业真正成为研发投入、创新成果应用的主体。只有这样，才能提升研发能力、提升产业技术进步和产业结构转型升级。 注释：
①新产品销售收入指企业销售新产品实现的销售收入。新产品是指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品。
参考文献：
[1]茶洪旺.论中国经济步入新常态的发展动力[J].中州学刊，2015（1）：27-30.
[2]周叔莲，王伟光.科技创新与产业结构优化升级[J].管理世界，2001（5）：70-78.
[3]NELSON R R，WINTER S G.The schumpeterian tradeoff revisited[J].The American economic review，1982，72（1）：114-132.
[4]张晖明，丁娟.论技术进步、技术跨越对产业结构调整的影响[J].复旦学报（社会科学版），2004（3）：81-85.
[5]薛继亮.技术选择与产业结构转型升级[J].产业经济研究，2013（6）：29-37.
[6]UTTERBACK J M，ABEMATHY W J.A dynamic model of process and product innovation[J].Omega： the international journal of management science，1975，3（6）：639-656.
[7]PIETROBELLI C，RABELLOTTI R.Upgrading in clusters and value chains in Latin America： the role of policies[M].Inter-American Development Bank Publications，2004.
[8]KAPLINSKY R，MORRIS M.A handbook for value chain research[M].International Development Research Centre，2012.
[9]赵玉林，张钟方.高技术产业发展对产业结构优化升级作用的实证分析[J].科研管理，2008（3）：35-42.
[10]李邃，江可申.高技术产业科技能力与产业结构优化升级[J].科研管理，2011（2）：44-51.
[11]陈国宏，邵赟.我国技术引进与产业结构关系的实证研究[J].中国软科学，2001（2）：43-47.
[12]林毅夫，蔡昉，李周.比较優势与发展战略——对“东亚奇迹”的再解释[J].中国社会科学，1999（5）：4-20.
[13]陶长琪，周璇.要素集聚下技术创新与产业结构优化升级的非线性和溢出效应研究[J].当代财经，2016（1）：83-94.
[14]丁一兵，傅缨捷，曹野.融资约束、技术创新与跨越“中等收入陷阱”——基于产业结构升级视角的分析[J].产业经济研究，2014（3）：101-110.
[15]林春.金融发展、技术创新与产业结构调整——基于中国省际面板数据实证分析[J].经济问题探索，2016（2）：40-48.
[16]茶洪旺.发展中国家技术创新机制问题的探讨[J].世界经济，1990（6）：29-33.
[17]曹海娟.产业结构对税制结构动态响应的区域异质性——基于省级面板数据的PVAR分析[J].财经研究，2012（10）：26-35.
[18]李科.中国产业结构与碳排放量关系的实证检验——基于动态面板平滑转换模型的分析[J].数理统计与管理，2014（3）：381-393.
[19]付凌晖.我国产业结构高级化与经济增长关系的实证研究[J].统计研究，2010（8）：79-81.
[20]高远东，张卫国，阳琴.中国产业结构高级化的影响因素研究[J].经济地理，2015（6）：96-101.
[21]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：4-16.
[22]吴敬琏.中国增长模式抉择[M].上海：上海远东出版社，2008.
[23]张大儒.我国政府投资与产业结构合理化的实证分析[J].经济体制改革，2013（4）：128-132.
[24]高林，贺京同，那艺.创新数量、质量及其激励的异质影响[J].北京理工大学学报（社会科学版），2014（4）：92-98.
[25]HARHOFF D，SCHERER F M，VOPEL K.Citations，family size，opposition and the value of patent rights[J].Research policy，2003（8）：1343-1363.
[26]HANER U E.Innovation quality-a conceptual framework[J].International journal of production economics，2002，80（1）：31-37.
[27]杨幽红.创新质量理论框架：概念、内涵和特点[J].科研管理，2013（S1）：320-325.
[28]孙兆刚.面向创新驱动战略的创新质量分析[J].工业技术经济，2015（2）：71-76.
[29]马永红，张景明，王展昭.我国高技术产业创新质量空间差异性分析[J].经济问题探索，2014（9）：89-95.
[30]张古鹏，陈向东.基于专利的中外新兴产业创新质量差异研究[J].科学学研究，2011（12）：1813-1820. [31]張古鹏，陈向东，杜华东.中国区域创新质量不平等研究[J].科学学研究，2011（11）：1709-1719.
[32]蔡绍洪，俞立平.创新数量、创新质量与企业效益——来自高技术产业的实证[J].中国软科学，2017（5）：30-37.
[33]【美】彼得·德鲁克.创新与企业家精神[M].蔡文燕，译.北京：机械工业出版社，2007.
[34]LUTKEPOHL H.New introduction to multiple time series analysis[M].Springer，2005.
[35]HAMILTON J D.Time series analysis[M].Princeton University Press，1994.
责任编辑：王冬年
Abstract： Based on the panel data of 31 provinces in China from 2004 to 2015， this paper studies the relationship among innovation quantity， innovation quality and industrial structure transformation and upgrading through panel vector autoregressive（PVAR）model. The results show that： innovation quantity has obvious promoting effect of transformation and upgrading of industrial structure， the low level of innovation quality because has yet to reach a certain threshold value and no significant effect on the transformation and upgrading of industrial structure to promote， this means that the current our country is in a quantity of innovative primarily to give priority to with innovative quality to drive the transformation and upgrading of industrial structure transformation period. The synergistic items of innovation quantity and innovation quality have a weak promoting effect on the transformation and upgrading of China's industrial structure.The transformation and upgrading of industrial structure can promote the coordinated development of innovation quantity and innovation quality. This kind of benign mutual promotion development will promote the evolution of China's industrial structure， innovation quantity and innovation quality to a higher level. The coordinated development effect of innovation quantity and innovation quality is not strong， which restricts the pace of innovation to promote the transformation and upgrading of industrial structure.
Key words： industrial structure transformation and upgrading; innovation quantity; innovation quality; PVAR model
关键词：产业结构转型升级;创新数量;创新质量;PVAR模型
中图分类号：F062.9 文献标识码：A 文章编号：1003-3890（2019）02-0078-08
一、引言
改革开放四十年，中国经济持续快速增长，并于2010年成功跻身世界第二大经济体，实现了由发展中穷国向现代化水平不断提高的发展中富国转型。与此同时，“投资拉动增长”模式潜行在经济系统之中的巨大成本，随着时间的推移不断暴露出来，产能过剩严重、高耗能、高排放、企业技术创新乏力、资本回报率下降等一些列问题叠加出现，成为经济可持续发展的严重障碍[1]，中国经济增长速度已经从2010年的10.6%跌至2016年的6.7%。当下中国经济发展必须通过新技术、新手段等一系列创新活动，实现由速度调整向结构调整的转变，尤其是产业结构的转型升级。创新是促进中国产业结构转型升级，实现新一轮平稳较快增长的关键。自从党的十七大提出“提高自主创新能力、建设创新型国家”以及十八大提出实施创新驱动战略以来，创新驱动发展取得了一定的成就，其突出表现在代表创新水平的专利申请授权数量急剧增长，据统计，专利申请授权数从1987年的6 401项跃升至2015年的1 596 977项，年均增幅高达35.88%，我国专利申请授权数位居世界第一已是不争的事实。虽然国际上通常将国内专利拥有量作为衡量一个国家创新水平的重要指标，但由于专利质量与数量未能同步提高，科技创新引领产业结构转型升级的作用不够显著。目前中国的创新发展水平距离建设创新型国家的要求仍有很大差距，因此，党的十九大报告提出“加快建设创新型国家”，明确“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑”。尤其在当前我国经济正处在新旧动能转换，产业结构转型升级的关键时期，如何进一步发挥创新驱动产业结构转型升级的第一动力源，是一个亟待解决的重大理论和实践问题。
二、文献回顾
从国内外现有研究文献来看，研究创新与产业结构转型升级的文献主要集中在两个方面：一是创新与产业结构优化升级的联动有效性以及对经济发展的推动作用研究。该部分文献主要强调，技术创新驱动产业结构优化升级是现代经济持续发展的客观要求，也是社会经济发展的最优选择。比如周叔莲等提出技术创新为产业结构调整提供动力，产业结构调整又推动技术进步，这种双向促进的联动机制在推动产业结构调整和优化升级的同时促进了经济发展[2]。Nelson et al.抛弃新古典静态均衡范式，提出技术创新和产业结构升级的动态演化NW模型，多角度阐述了技术变迁和产业升级的动态演化机理[3]。因此，我国应凭借技术创新推动产业结构调整，实现产业结构优化升级[4]。但由于行业的差异性，使得不同层次的技术创新对产业结构的调整作用，也具有很大的差异性，因此，只有选择适宜的技术才会在较大程度上推进产业结构转型升级[5]。二是创新推动产业结构优化升级的具体路径研究。Utterback et al.将企业的技术创新分成产品创新和过程创新，从企业内部借助微观产品分析了创新推动产业结构升级的路径，提出了著名的产业升级模型[6]。Pietrobelli et al.认为产业升级是通过创新创造更多附加值的过程[7]，但只有在竞争环境下实现的较高的创新效率和较快的创新速度才具有产业升级的潜力[8]。尤其重要的是，高技术产业的迅猛发展促进了产业结构的优化升级[9-10]，但就国内实践来看，单纯依靠技术引进并不是产业结构改善的原因[11]，比较优势战略则是一种实现要素禀赋结构升级和产业升级更为成功的经济发展道路[12]，而且省域人力资本、技术和创新要素集聚下的技术创新也将对产业结构优化升级产生递增的发散效应[13]。此外，放松融资约束能够推动技术创新活动，促进产业结构优化升级[14]，地区金融发展和技术创新的联合作用能促进第一和第三产业发展而抑制第二产业[15]。
通过对现有文献的分析发现，众多学者在研究证实技术创新、不同形式的创新以及不同约束条件下的创新对产业结构转型升级具有不同程度促进作用时，忽视了创新对产业结构转型升级的推动作用究竟有多大、产业结构能否反过来促进更高水平的创新实现这一问题。尤其是鲜有从创新的数量和质量两个维度来研究创新对产业结构转型升级的影响。创新的数量和质量是反映创新整体水平的两个重要指标，二者是相互联系、互相制约的。创新数量是创新的基础，创新质量是创新的核心，是实现创新价值的重要体现，只有从创新数量和创新质量两个维度，分析研究创新对产业结构转型升级的影响，才能找准创新驱动的着力点，尽快建立起“全国性的创新体制”[16]，进而加快我国产业结构转型升级的步伐。本文试图从创新数量和创新质量两个维度出发，运用面板向量自回归模型（PVAR）来研究创新数量、创新质量与产业结构转型升级的内生互动关系。与其他研究分析方法相比，采用面板向量自回归模型（PVAR）能更为清晰地反映创新数量、创新质量与产业结构转型升级关系中各自发生的内在机理，为进一步促进创新驱动产业结构转型升级提供了新的思路。
三、模型构建与指标选取
（一）模型构建 由于创新与产业结构转型升级之间存在较为复杂的交互依附性，为了更为全面地反映他们之间的内生依存关系，本文选择面板向量自回归模型（PVAR）进行分析，该模型是包含固定效应的动态面板模型，无需区分内生变量和外生变量，而是将所有的变量都视为内生变量。可以说，PVAR模型集成了面板数据估计方法与向量自回归模型两种方法的优点，并在一定程度上降低了向量自回归（VAR）方法对时间序列长度的限制性要求，可以较好地捕捉到样本单元个体差异性对模型参数的影响[17]。本文将模型设定如下：
其中，Yit為包含产业结构转型升级、创新数量以及创新质量的列向量（lnupisit，lninnov1it，lnnov2it）T，i代表地区，t代表时间，p表示模型的滞后阶数。同时，为了进一步检验创新数量与创新质量两者对产业结构转型升级的协同作用，本文还纳入创新数量与创新质量的交互乘积项lninnov;A0表示截距向量，A1表示滞后变量的参数矩阵;？琢i为地区效应列向量，代表以固定效应形式反映的截面个体差异性;？浊t为时间效应列向量，代表时间变化对截面个体的影响;？着it是“白噪声”扰动项。此方程中实际需要估算的参数是Ai。PVAR模型估计前需采用前向均值差分法（Helmert过程）去除个体效应？琢i和采用组内均值差分法（Mean-Differencing）去除时间效应？浊t以避免个体效应与回归元素之间因相关性而导致参数有偏估计。之后，将以自变量的滞后项作为工具变量，采用广义距估计法（GMM）对模型参数进行有效估计。
（二）指标选取及解释
1. 产业结构转型升级指数（upis）。产业结构转型升级包含产业结构高级化与产业结构合理化两个重要维度。其中，产业结构高级化是指产业结构从低水平状态向高水平状态发展的动态过程。一般文献往往根据克拉克定律采用农业与非农业产值之比测度产业结构高级化。随着技术水平的不断进步以及高科技产业的迅速发展壮大，有学者采用高技术产业占工业产值比重测度产业结构高级化水平[18]，较为常见的还有结构相似系数法，即夹角余弦法[19-20]。但是，作为产业结构转型升级的重要维度，随着信息技术飞速发展，中国“经济服务化”趋势愈加明显，伴随第三产业增长率要快于第二产业增长率的事实[21-22]，借鉴干春晖等[21]的做法，采用第三产业与第二产业产值之比测度产业结构高级化水平，反映中国经济“服务化”演变过程。
产业结构合理化是指产业之间协调能力的加强和关联水平提高的动态过程，综合反映了产业之间的协调程度以及资源有效利用程度，是对要素投入结构和产出结构耦合程度的一种衡量[21]。现有文献对产业结构合理化的定量研究并不多，指标的确定也无统一规定，国际上以钱纳里等人倡导的标准产业结构为依据，但因该标准模型难以确定故不常采用，另外还有需求结构标准和产业间比例平衡标准，但因缺乏实际可操作性而搁置。也有学者采用结构偏离度来测度产业结构合理化[23]，但该指标将各产业的经济地位视为等同，未能很好的反映不同产业结构偏差对经济影响的重要程度。有些学者亦采用Hamming贴近度将我国产业产出结构与国际标准的贴近程度作为产业结构合理化的测度指标，却忽视了我国就业结构以及国际标准可能并不符合我国产业结构演变特征等问题。本文结合泰尔指数将测度产业结构合理化的具体公式设定为如下形式：
同时，为了从整体上度量中国产业转型升级水平，本文通过主成分分析法将产业结构高级化和合理化两个分指标合成“产业结构转型升级指数”。具体步骤包括逆向指标正向化和无量纲化处理，其中，对衡量产业结构合理化的泰尔指数取倒数使其与产业结构高级化方向一致，并采用均值化方法对指标进行无量纲化处理，以消除各变量因不同量级而无法整合的缺陷，并利用SPSS20.0软件合成产业结构转型升级指数。
2. 创新数量（innov1）与创新质量（innov2）。创新数量是对创新在数量维度上的界定，是创新发展初期阶段的主要特征。现有的文献并未对创新数量的概念作出统一明确规定。本文认为创新数量是指在一定的创新要素（包括研发人员以及研发经费等）投入前提下，经过一系列生产研发过程所获得的创新成果产出数量，常见的主要是指科技成果产出，比如专利产出。高林等在研究创新数量、质量及其激励的异质影响时，采用企业获得的发明专利数表示创新数量[24]。据此，本文采用国内专利申请授权数测度创新数量。专利数量仅是对创新在数量维度上的测量，理论上测度创新还需要考虑创新的价值维度[25]。本文将创新价值维度界定为创新质量，它代表创新的水平和高度，是对创新发展步入高级阶段的反映。在现有文献中，对创新质量概念的界定还未达成统一。Haner于2002年最早提出了创新质量概念的框架，认为创新质量是所有创新的总结果，具体包括产品或服务质量、过程质量以及经营质量三个维度[26]。杨幽红指出创新质量的一个重要方面是创新所提供的产品、服务、过程，市场或经营管理的组织和方法特征满足顾客要求的程度，包括增加顾客满意、增加市场份额、提高销售收入等[27]。孙兆刚指出创新质量是一组固有特性满足创新活动要求的程度[28]，马永红等将创新质量界定为创新绩效在过程—产出—经济效益三个维度的总和[29]。随着对创新研究的深入，对创新质量的指标选取也见仁见智，具体包括专利授权率和付费期长度[30-31]、企业发明专利的平均专利知识宽度[24]以及发明专利与申请专利之比[32]。实际上，一项创新是否成功并不在于它是否新颖、巧妙或者具有科学内涵，更重要的在于它是否能够赢得市场[33]，真正具有价值的创新、高质量的创新必定是那些能被市场认可并成功转化成实际生产力且为广大消费者接受、实现经济效益的创新，此时的创新实现了价值转化，满足了客户、员工和供应商各方利益，是具有质量的创新[27]。据此本文将创新质量定义为：一项创新被应用于生产新的能满足广大消费者需求的产品，而且该产品通过市场交换实现经济效益的程度。于是，本文采取新产品销售收入占地区生产总值的比重来测度创新质量①，若一项创新能成功转化为实际生产能力并赢得市场获得经济效益，就说明此项创新质量较高。 同时，为了考察创新数量与创新质量协同带动中国产业结构转型升级的影响作用，本文采用创新数量与创新质量的交互乘积项来表示。本文使用2004—2015年除香港、澳门和台湾的中国大陆31个省份面板数据，来自历年《中国统计年鉴》《中国科技统计年鉴》。
四、实证过程与结果分析
（一）单位根检验及滞后阶数确定
在进行面板自回归模型估计时，首先，需要对数据进行平稳性检验，否则，得出的结果可能因“虚假回归”或“伪回归”而无法准确反映各变量之间的內在逻辑关系。本文利用LLC（Levin-Lin-Chu）检验对所涉及的产业结构转型升级、创新数量和创新质量三大指标进行单位根检验，根据检验结果（表1）可知，三大原始数据序列均拒绝“存在单位根”的原假设，因此全部是平稳序列。
其次，需确定PVAR模型的最优滞后阶数。相较于向量自回归VAR模型，PVAR模型对数据的要求有所放宽，如果T为时间序列长度，m为滞后阶数，只要T≥m+3，方可对方程的参数进行估计，若T≥2m+2就可以在稳态下得到滞后项参数。于是，根据MAIC、MBIC和MQIC最小化原则，本文将模型滞后阶数确定为1（见表2），由上述不等式可知此滞后阶数是有效的。
（二）动态面板数据GMM估计
将创新数量、创新质量、创新数量与创新质量的协同项以及产业结构转型升级作为PVAR模型的内生变量，采用广义矩估计法（GMM）进行有效估计，所得结果见表3。
首先，根据表3中第2列和第3列，以产业结构转型升级为依赖变量，可得：（1）滞后一期的产业结构转型升级水平（lnupis）对自身当期的影响系数为0.778 5，在1%的水平下显著，说明产业结构转型升级对自身有较强的促进作用;（2）滞后一期的创新数量（innov1）对当期产业结构转型升级的影响系数为0.100 7，在1%的水平下显著，说明目前在推动我国产业结构转型升级过程中，创新数量发挥着重要作用;（3）滞后一期的创新质量（innov2）对产业结构转型升级的回归系数不显著，说明中国目前因创新质量水平较低，尚未达到显著提升产业结构转型升级的门槛值，因此对产业结构转型升级的推动作用还不显著;（4）创新数量与创新质量协同项（lninnov）的滞后一期对当期产业结构转型升级的影响系数仅为0.011 5，而且仅在10%的水平下显著，说明目前我国创新数量与创新质量协同发展对产业结构转型升级的促进作用较弱，这意味着在我国以创新数量为主向以创新质量为主驱动产业结构转型升级的转变时期，创新质量因水平较低，与创新数量协同发展的能力不强，在后期发展中应兼顾创新数量与创新质量协同发展，进一步提升两者的协同发展能力。
其次，根据表3中第4列到第9列，分别用创新数量、创新质量以及两者的协同项为依赖变量，可得：（1）滞后一期的产业结构转型升级对创新质量的影响系数为0.240 4，但不显著，对创新数量与创新质量协同项的影响系数为1.389 2，在10%水平下显著，说明产业结构转型升级的提升将带动创新数量与创新质量协同发展，创新数量与创新质量的协同发展又将进一步促进产业结构转型升级水平的提升，两大体系之间的良性互动将推进我国产业结构与创新数量和创新质量向更高层次演进。（2）滞后1期的创新数量对自身当期影响显著为正，系数为1.039 9，对当期创新质量的影响系数为正，对当期创新数量与创新质量协同项的影响系数为负，说明在我国以创新数量为主向创新质量为主驱动产业结构转型升级转型时期，一味追求创新数量反而不利于创新数量与创新质量协同发展，我国亟待实现从创新数量为主向创新质量为主驱动产业结构转型升级的过渡。（3）滞后一期的创新质量对自身当期影响系数为0.593 3，在1%水平下显著，对创新数量以及创新数量和创新质量协同项的影响系数分别为0.141 7和0.359 6，但不显著，进一步说明目前我国创新质量不高的事实。（4）滞后一期的创新数量与创新质量协同项对当期创新数量的影响系数为正，对当期创新质量、创新数量与创新质量的协同项估计系数均显著为正，说明创新数量与创新质量协同发展能有效提升创新质量，从而加快我国从创新数量驱动为主向创新质量驱动为主转变的步伐。
（三）脉冲响应函数
在PVAR模型估计中，为了明确每一个内生变量的变化对模型中其他变量的影响，需对变量进行脉冲响应和方差分解，而在此之前，必须对PVAR模型进行稳定性检验。根据Lutkepohl[34]和Hamilton[35]的研究结果，只有在伴随矩阵所有特征根的模值小于1时，模型才是稳定的。根据表4可知，特征根均小于1，且都落在单位圆之内（图1），PVAR模型是稳定的。
脉冲响应函数是用来刻画内生变量对误差变化的大小，具体而言，它刻画的是在误差项上加一个标准差大小的冲击对内生变量的当期值和未来值所带来的影响，尤其是在当其他变量保持不变的情况下，获得较为纯粹的单方面影响。由于脉冲响应函数是通过PVAR参数构造的，需要考虑标准差，但一般而言，标准差很难通过计算获得，因此本文将通过蒙特卡洛方法模拟产生置信区间，基于上述PVAR模型的稳定性前提，得脉冲响应结果见图2。
根据脉冲响应函数图2中第一排可知，给创新数量与创新质量的协同项lninnov一个标准差冲击，对自身影响在第1期为0.6，随后逐渐减小，并在第5期之后趋于平稳[图2（1）];对创新质量的影响随时间的推移呈现先增大后减小的趋势，在第3期时达到最大，为0.03左右，从第4期开始逐渐减弱，但方向一直为正[图2（2）];对创新数量的影响在前5期呈递增趋势，第5期时大致为0.03左右，之后保持平稳[图2（3）];对产业结构转型升级的影响从第1期到第2期有个陡增的过程，随后保持平稳增长[图2（4）]。以上影响均为正向，说明创新数量与创新质量协同发展将对创新数量、创新质量以及产业结构转型升级产生同向影响。 根据图2第二排，给创新质量lninnov2一个标准差冲击，对创新数量与创新质量的协同项在第1期的影响为负，从第2期开始迅速衰减，之后保持平稳，说明目前我国创新质量水平不高，对创新数量与创新质量协同项的影响在数值上为负，并随时间逐渐减弱[图2（5）];对自身当期影响在0.2左右，之后逐渐减弱，并在第6期之后趋于平稳[图2（6）];对创新数量的影响从第1期开始缓慢增加，第4期时达到最大，为0.05左右，之后保持平稳[图2（7）];对产业结构转型升级的影响在前3期为负，从第4期开始影响由负转正，并持续增加[图2（8）]，说明由于存在“创造性破坏”效应，创新质量对产业结构转型升级的推动作用存在时滞，之后将促进产业结构转型升级。
由图2第三排可知，给创新数量lninnov1一个标准差冲击，对创新数量与创新质量协同项的影响在数值上为负，而且随时间推移，该影响逐渐减小[图2（9）];对创新质量的影响在期初短暂为负之后由负转正，并持续缓慢增加，说明创新数量在第4期之后会对创新质量产生促进作用[图2（10）];对自身的影响在期初最大，在0.2左右，之后随时间推移，以较小的幅度缓慢减小[图2（11）];对产业结构转型升级的影响随时间逐渐增强，并从第5期开始变得逐渐平稳[图2（12）]，说明创新数量能推动我国产业结构转型升级，但推动作用会伴随时间的推移而逐渐趋缓，我国应加快实现由创新数量向创新质量驱动发展的转变步伐。
由图2第四排可知，给产业结构转型升级lnupis一个标准差冲击，对创新数量与创新质量协同项的影响先增大后减小，在第1期影响为负，但迅速减小，并在第2期时由负变正，第3期时达到最大，为0.2左右，之后该影响逐渐减弱，但始终为正，说明产业结构转型升级能促进创新数量与创新质量协同发展[图2（13）];对创新质量一直存在正影响，第1期时为0.03左右，随后缓慢增加，并在第4期达到最大，为0.04左右，之后影响逐渐减弱[图2（14）];对创新数量的影响较为微弱，一直在0值附近浮动[图2（15）];对其自身的正向影响在期初最大，为0.1左右，之后逐渐减小[图2（16）]。
（四）方差分解
为了进一步考察产业结构转型升级、创新数量和创新质量之间的相互影响，采用PVAR方差分解得到不同变量对预测误差均方差的贡献比例构成，称为“预测误差的方差分解”，它将预测误差的来源分别归因于各个变量的正交化新息。具体的“预测误差的方差分解”见表5。由表5可得：（1）对产业结构转型升级进行向前1期的预测，则预测方差完全来自于产业结构转型升级本身。如果作10期预测，产业结构转型升级的预测方差有55.50%来自本身，41.12%来自创新数量，说明产业结构转型升级受自身影响以及创新数量的影响较大。（2）对创新数量进行向前10期的預测，有91.86%的预测误差来自于创新数量本身，仅有6.52%的预测方差来自创新质量，其余1.62%的预测方差来自创新数量与创新质量的协同项和产业结构转型升级，说明创新数量主要受自身影响较大。（3）对创新质量进行向前1期的预测，有98.02%的预测误差来自创新质量本身。如果作10期方差预测，创新质量的预测方差中仍然有78%来自创新质量本身，16.74%的预测误差来自产业结构转型升级，3.59%的预测误差来自创新数量与创新质量的协同项，而仅有1.93%的预测误差来自创新数量，说明创新质量受自身和产业结构转型升级的影响较大。（4）对创新数量与创新质量的协同项进行向前1期的预测，预测误差中有41.03%来自创新数量，有26.62%来自创新质量，30.72%来自创新数量与创新质量协同项，而仅有1.63%来自产业结构转型升级。如果作10期方差预测，预测误差中有69.13%来自创新数量，13.60%来自创新质量，12.89%来自创新数量与创新质量的协同项，4.32%来自于产业结构转型升级，说明创新数量与创新质量的协同项受创新数量的影响较大。
五、结论与对策建议
面对中国经济由高速增长转向高质量发展阶段的基本特征，创新推动中国产业结构转型升级成为研究的重要议题。本文从创新数量和创新质量两个维度出发，详细分析了创新与产业结构转型升级两大系统之间的互动关系，结果发现：目前创新数量是推动产业结构转型升级的重要力量，创新质量因其具有较高的发展要求和较复杂的实现过程，致使其水平并不高，尚未对产业结构转型升级产生显著的促进作用，这也是实现从创新数量驱动向创新质量驱动产业结构转型升级的过程;而创新质量因其水平较低，使得创新数量与创新质量的协同项对产业结构转型升级的促进作用较为微弱;同时，产业结构转型升级有助于促进创新数量与创新质量协调发展，加速中国产业结构与创新高水平演化进程。当下，我国创新数量与创新质量两者相互促进、协调发展效应不强，未来应统筹创新数量与创新质量协调发展，共同推动产业结构转型升级。
根据上述结论，未来要顺利实现创新驱动产业结构转型升级，本文提出以下对策建议：
首先，要进一步完善对创新的激励政策，着力提升创新质量。创新质量决定中国未来发展质量，一定要在现有创新数量规模水平基础上，进一步提高创新质量，追求有质量的创新数量，加快从以创新数量驱动为主向以创新质量驱动为主的转型步伐，成功实现从世界公认的创新数量大国向创新强国转变。
其次，要采取切实措施，促进创新数量和创新质量协调发展。创新数量是基础，创新质量是核心竞争力，只有实现两者协调发展，才能全面提高整体创新水平。因此，促进创新数量和创新质量协调发展不仅能够加快产业结构转型升级，而且能为创新驱动发展的国家战略的实施提供有力支撑，有助于加快建设创新型国家。
再次，深化科技体制改革，加快破除制约科技创新能力提高的体制机制障碍。当前深化科技体制改革，就是要着力加快建立和完善以企业为主体、市场为导向、产学研深度融合的技术创新体系。从体制机制上优化政策性制度供给，建立政企互动创新机制，加强对中小企业创新的支持，充分发挥企业家在创新驱动发展中的重要作用，使企业真正成为研发投入、创新成果应用的主体。只有这样，才能提升研发能力、提升产业技术进步和产业结构转型升级。 注释：
①新产品销售收入指企业销售新产品实现的销售收入。新产品是指采用新技术原理、新设计构思研制、生产的全新产品，或在结构、材质、工艺等某一方面比原有产品有明显改进，从而显著提高了产品性能或扩大了使用功能的产品。
参考文献：
[1]茶洪旺.论中国经济步入新常态的发展动力[J].中州学刊，2015（1）：27-30.
[2]周叔莲，王伟光.科技创新与产业结构优化升级[J].管理世界，2001（5）：70-78.
[3]NELSON R R，WINTER S G.The schumpeterian tradeoff revisited[J].The American economic review，1982，72（1）：114-132.
[4]张晖明，丁娟.论技术进步、技术跨越对产业结构调整的影响[J].复旦学报（社会科学版），2004（3）：81-85.
[5]薛继亮.技术选择与产业结构转型升级[J].产业经济研究，2013（6）：29-37.
[6]UTTERBACK J M，ABEMATHY W J.A dynamic model of process and product innovation[J].Omega： the international journal of management science，1975，3（6）：639-656.
[7]PIETROBELLI C，RABELLOTTI R.Upgrading in clusters and value chains in Latin America： the role of policies[M].Inter-American Development Bank Publications，2004.
[8]KAPLINSKY R，MORRIS M.A handbook for value chain research[M].International Development Research Centre，2012.
[9]赵玉林，张钟方.高技术产业发展对产业结构优化升级作用的实证分析[J].科研管理，2008（3）：35-42.
[10]李邃，江可申.高技术产业科技能力与产业结构优化升级[J].科研管理，2011（2）：44-51.
[11]陈国宏，邵赟.我国技术引进与产业结构关系的实证研究[J].中国软科学，2001（2）：43-47.
[12]林毅夫，蔡昉，李周.比较優势与发展战略——对“东亚奇迹”的再解释[J].中国社会科学，1999（5）：4-20.
[13]陶长琪，周璇.要素集聚下技术创新与产业结构优化升级的非线性和溢出效应研究[J].当代财经，2016（1）：83-94.
[14]丁一兵，傅缨捷，曹野.融资约束、技术创新与跨越“中等收入陷阱”——基于产业结构升级视角的分析[J].产业经济研究，2014（3）：101-110.
[15]林春.金融发展、技术创新与产业结构调整——基于中国省际面板数据实证分析[J].经济问题探索，2016（2）：40-48.
[16]茶洪旺.发展中国家技术创新机制问题的探讨[J].世界经济，1990（6）：29-33.
[17]曹海娟.产业结构对税制结构动态响应的区域异质性——基于省级面板数据的PVAR分析[J].财经研究，2012（10）：26-35.
[18]李科.中国产业结构与碳排放量关系的实证检验——基于动态面板平滑转换模型的分析[J].数理统计与管理，2014（3）：381-393.
[19]付凌晖.我国产业结构高级化与经济增长关系的实证研究[J].统计研究，2010（8）：79-81.
[20]高远东，张卫国，阳琴.中国产业结构高级化的影响因素研究[J].经济地理，2015（6）：96-101.
[21]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011（5）：4-16.
[22]吴敬琏.中国增长模式抉择[M].上海：上海远东出版社，2008.
[23]张大儒.我国政府投资与产业结构合理化的实证分析[J].经济体制改革，2013（4）：128-132.
[24]高林，贺京同，那艺.创新数量、质量及其激励的异质影响[J].北京理工大学学报（社会科学版），2014（4）：92-98.
[25]HARHOFF D，SCHERER F M，VOPEL K.Citations，family size，opposition and the value of patent rights[J].Research policy，2003（8）：1343-1363.
[26]HANER U E.Innovation quality-a conceptual framework[J].International journal of production economics，2002，80（1）：31-37.
[27]杨幽红.创新质量理论框架：概念、内涵和特点[J].科研管理，2013（S1）：320-325.
[28]孙兆刚.面向创新驱动战略的创新质量分析[J].工业技术经济，2015（2）：71-76.
[29]马永红，张景明，王展昭.我国高技术产业创新质量空间差异性分析[J].经济问题探索，2014（9）：89-95.
[30]张古鹏，陈向东.基于专利的中外新兴产业创新质量差异研究[J].科学学研究，2011（12）：1813-1820. [31]張古鹏，陈向东，杜华东.中国区域创新质量不平等研究[J].科学学研究，2011（11）：1709-1719.
[32]蔡绍洪，俞立平.创新数量、创新质量与企业效益——来自高技术产业的实证[J].中国软科学，2017（5）：30-37.
[33]【美】彼得·德鲁克.创新与企业家精神[M].蔡文燕，译.北京：机械工业出版社，2007.
[34]LUTKEPOHL H.New introduction to multiple time series analysis[M].Springer，2005.
[35]HAMILTON J D.Time series analysis[M].Princeton University Press，1994.
责任编辑：王冬年
Abstract： Based on the panel data of 31 provinces in China from 2004 to 2015， this paper studies the relationship among innovation quantity， innovation quality and industrial structure transformation and upgrading through panel vector autoregressive（PVAR）model. The results show that： innovation quantity has obvious promoting effect of transformation and upgrading of industrial structure， the low level of innovation quality because has yet to reach a certain threshold value and no significant effect on the transformation and upgrading of industrial structure to promote， this means that the current our country is in a quantity of innovative primarily to give priority to with innovative quality to drive the transformation and upgrading of industrial structure transformation period. The synergistic items of innovation quantity and innovation quality have a weak promoting effect on the transformation and upgrading of China's industrial structure.The transformation and upgrading of industrial structure can promote the coordinated development of innovation quantity and innovation quality. This kind of benign mutual promotion development will promote the evolution of China's industrial structure， innovation quantity and innovation quality to a higher level. The coordinated development effect of innovation quantity and innovation quality is not strong， which restricts the pace of innovation to promote the transformation and upgrading of industrial structure.
Key words： industrial structure transformation and upgrading; innovation quantity; innovation quality; PVAR model