论文部分内容阅读
[摘要]本文基于1995—2018年时间序列数据，分别使用向量自回归模型、脉冲响应函数和方差分解法来研究我国研发投资、科技创新与经济增长之间的协调度、动态关系和影响贡献度。
[关键词]研发投资 科技创新 经济增长 动态关系
本文系国家自然科学基金资助项目：“生产—消费”视角下我国水足迹空间异质性研究（项目编号：41401634）
一、引言
研发（Research and Development，简称R&D）是指在科技创新领域，为增加知识总量以及运用这些知识创造新应用而进行的创新活动。科技创新需要大量的人、财、物投入作为保障，其中资金支持是最重要的物质支持手段之一，已成为影响一国科技实力与核心竞争力的重要指标。按照学术界的分类，R&D活动主要分为基础研究、应用研究与试验发展三种。学术界目前认为，基础研究和应用研究属于理论研究，可以产生新的知识，而试验发展则属于实践，很难产生新的理论知识。现有关于R&D驱动经济增长的研究往往将R&D投资视为一个整体，仅考虑规模却忽视了结构，因此也就使得研究的解释力变弱。不同类型的R&D活动对创新成果的产生与经济增长所起的作用具有怎样的差别？这是一个值得思考的问题。
早在20世纪90年代初，以Romer（1990）、Grossman & Helpman（1991）、Aghion & Howitt（1992）等为代表的西方学者们，就研究发现R&D投资对创新活动的产出和效率具有重要的影响，并提出基于R&D驱动的经济增长理论。之后，Salter（2001）分析了R&D的基礎研究投入对促进知识存量增加和创新能力提升的机理，Morales（2004）的研究更进一步区分了基础研究和应用研究的投资对经济增长的作用，并发现政府投资于基础研究有利于经济增长，投资于应用研究却对经济增长起反作用。相较之下，国内学者针对R&D投资规模与结构的研究要晚得多，更多的是结合我国发展实际进行很多具有中国特色的研究。然而，已有研究得出的结论存在很大差别。比如，严成等（2013）通过构建模型发现我国R&D规模和基础研究投入越大，经济增长率越高，但万莉丽等（2018）发现应用研究和试验发展才是经济增长的格兰杰原因;蒋殿春等（2015）研究了我国不同种类的R&D投资对生产率的影响，发现在不同类型的R&D活动中，试验发展的效果最强，依次是基础研究和应用研究;潘雄锋等（2019）通过实证研究发现，企业R&D经费中的研究阶段与开发阶段均能对企业创新产生正面影响，但相较而言研究阶段的促进效果更为明显。由于指标选取和实证方法不一致，已有研究的结论出现矛盾并不意外，但也得出一些共识：虽然基础研究和应用研究无法产生短期的经济效益，却是科技创新主体保持持久竞争力的重要方面。因此，我国需进一步优化R&D投资结构，加大研究阶段的投入力度以实现R&D经费的最优配置。
然而，已有研究多为静态定量研究，无法反应不同种类的R&D投资究竟能在多大程度上刺激创新产出与经济增长，更无法描绘影响的动态轨迹。本文从构建科技创新“研发—创新—经济”系统出发，基于我国1995—2018年的时间序列数据，考察不同类型的R&D投资对创新产出与经济增长的影响。
二、变量与研究方法的选取
（一）变量选取与数据来源
变量数据大部分来源于1995—2019年《中国统计年鉴》和《中国科技统计年鉴》。变量及变量说明见表1。
从表1可以看出，本文分别将R&D投资细分为三大类，以国内专利申请授权数和全国技术市场成交额代表创新产出，研究R&D投资结构对创新产出和经济增长的影响作用。此外，由于对数化处理不改变数据本身的结构，且可以进行指数平滑，有效消除异方差。因此，本文先对上述指标进行对数化处理，分别记为ln R&D TOTAL、ln R&D BR、ln R&D AR、ln R&D ED、ln DPG、ln TVTM和ln GDP。
（二）研究方法
为深入分析我国研发投资、科技创新与经济增长的动态关系，本文的研究步骤如下：首先，运用稳定性检验来考察各研究变量之间有无稳定的因果关系;其次，用脉冲响应函数描绘变量间的互动效应与动态关系;最后，用方差分解法量化不同R&D投资和不同创新成果对经济增长影响的相对重要性。
构建VAR模型分析变量间的关系，模型如下：
其中，Yt是由第t期观测值构成的n维内生变量向量，Ai是n×n系数矩阵，p为内生变量的滞后期，为n维随机扰动项。其中，随机扰动项 （i = 1，2，…，n）为白噪音过程，且满足。
三、我国研发投资、科技创新与经济发展的关系研究
（一）研究变量的平稳性检验
本文构建我国研发投资、科技创新与经济发展的双变量VAR系统，需要分别建立3个双变量VAR模型。根据前文对指标的解释，在分析之前要先运用Eviews（Version7.2）对各变量进行平稳性检验，即单位根检验，检验方法选择最常见的ADF（Augmented Dickey-Fuller Test）检验法，检验结果见表2。考虑到篇幅有限，本文将最大滞后期设置为5。
检验结果显示，在5%的显著性水平下，所有变量均非平稳变量。在一阶差分的情形下，只有ln R&D AR、ln DPG和ln TVTM能通过单位根显著性检验，是平稳序列。其余变量都是在二阶差分的情形下才通过显著性检验，故本文拒绝了存在单位根的原假设，所有变量均为平稳序列，变量之间也存在协整关系。因此，我国研发投资、科技创新与经济增长之间存在长期均衡的关系。 （二）向量自回归模型的建立
本文构建的VAR模型是我国研发投资、科技創新与经济增长之间的3个双变量系统，因此，分别选取代表性指标构建相互独立的向量自回归模型。根据赤池信息准则（Akaike Information Criterion，简称AIC）规定的“AIC值越小越好”原则，本文将模型滞后阶数设定为2。同样，本文运用Eviews（Version7.2）对方程的参数进行估计，结果见表3。
从调整后的拟合优度（0.994838，0.998349，0.998538）来看，该VAR模型有很高的拟合程度。从R&D投资总量（ln R&D TOTAL）的系数来看，国内专利申请授权数（ln DPG）、全国技术市场成交额（ln TVTM）和国内生产总值（ln GDP）的反应值有很大的相似性，均在滞后1期为负值，在滞后2期为正值，说明我国R&D总投资对科技创新产出与经济增长在短期起负面作用，长期起正面作用，即呈现出一定的时滞效应。同样的，基础研究（ln R&D BR）的系数在滞后1期的情形下也是负值，在滞后2期的情形下是正值，说明基础研究投资对经济增长的正面作用也更多表现在长期而非短期。然而，应用研究（ln R&D AR）和试验发展（ln R&D ED）的系数则表现出了差别。二者的系数在滞后1期情况下的值比滞后2期大得多，说明应用研究和试验发展对于创新产出和经济增长的积极影响主要表现在早期。由此可见，我国R&D投资的三种类型对于创新产出和经济增长的作用与影响不同。然而，就R&D总投资而言，其影响效果和基础研究一致，即正面影响都是在长期才出现，这也从侧面表明了基础研究在整个创新系统中的重要性。
此外，对于VAR模型而言，必须保证所有根模倒数小于1，即位于单位圆内，模型的估计结果才是有效的，否则无法进行估计。因此，本文也进行了检验，结果显示所有根模倒数都小于1（见表4），且均位于单位圆内（见图1）。
（三）广义脉冲响应函数分析
脉冲响应函数经常用来衡量来自随机扰动项一个标准差的冲击对模型所有内生变量当期与未来的影响。通过该方法分别描绘我国不同种类的R&D投资对科技创新产出和经济增长的动态冲击轨迹，可刻画变量之间的长期动态关系。本文将冲击响应期设定为10期，分析图中的实线表示脉冲响应函数，虚线表示正负两倍标准差偏离带。R&D投资对科技创新产出的脉冲分析结果见表5和图2。
从表5可以看出，本文用以衡量创新产出的两个指标，国内专利申请授权数（ln DPG）和全国技术市场成交额（ln TVTM）在面临R&D投资的冲击下，反应呈现出了一定的相似性。二者在面临R&D总投资一个单位的冲击下累计响应值均为负值（-0.0025和-0.001），但在不同种类的R&D投资的冲击下累计反应却均为正值，这说明不同种类的R&D投资均可以刺激创新成果产出，但总投资却不可以。该结果说明我国R&D投资并未像预期的那样可以直接刺激创新成果产出，而是存在一个结构效应。总之，我国R&D投资的组合效果并不理想。此外，就每种R&D投资的累计反应值来看，试验发展的值要显著大于基础研究和应用研究，说明我国创新成果大部分是由试验发展产生的。
图2可以更加直观地反映表5中的现象，总的来看，面对R&D总投资（ln R&D TOTAL）、基础研究
（ln R&D BR）、应用研究（ln R&D AR）和试验发展（ln R&D ED）的冲击，国内专利申请授权数（ln DPG）
和全国技术市场成交额（ln TVTM）的反应曲线是较为曲折的，并未呈现单调的递增或递减情况，说明R&D投资与科技创新成果产出之间并不是明显的线性关系，而是复杂多样的。该情况出现的原因是我国科技创新系统起步晚、基础薄弱、体制机制不健全，科技研发能力和成果转化能力有限，导致R&D投资很难对创新成果产出起到促进作用，没有明显转化成现实生产力。
不过，需要说明的是，不能因为计量模型中R&D总投资对创新成果产出的影响为负就完全否定其重要性。R&D活动是整个科技活动的基础和核心，直接影响国家的创新能力、科技水平，乃至经济发展后劲。不过相较于简单的总量规模投资，未来我国需要进一步优化不同种类R&D投资的组合、分配以及结构设计，使R&D投资能更多更好地加大创新产出。
R&D投资和科技创新对经济增长的脉冲响应结果分析见表6和图3。
从表6可以看出，在面临R&D投资和科技创新产出一个周期的冲击下，经济增长（ln GDP）所有累计反应值均为正值，表明R&D投资和创新产出在研究期内能够有效促进经济增长，这是一个积极现象。从不同种类的R&D投资来看，经济增长累计响应值最大的是基础研究（0.0032），其次是应用研究（0.002），最后是试验发展（0.0011）。该结果表明，越偏向于理论的研究对经济增长的促进作用和效率就越大，这与学术界很多已有研究一致。理论研究在经济发展中所起的作用并非立竿见影，但却必不可少。因此，在未来发展中，我国R&D投资需尽可能少些“功利”与“急躁”，将目光放得更长远些，增加对基础研究、理论研究的投资力度。
从不同种类科技创新成果来看，经济增长对全国技术市场成交额（ln TVTM）的累计响应值（0.0144）明显大于国内专利申请授权数（ln DPG）的累计响应值（0.0017），说明从数字上看，技术市场成交额比专利申请授权数更能激励经济增长。主要原因有以下两点：第一，我国授权专利的质量不高，对经济增长难以发挥促进作用。我国科研产出质量偏低，一直广受经济学家诟病，尤其是专利过多集中于技术含量低的外观设计等实用主义发明，而技术含量高、理论性强的研发专利数量则相对较少。这就导致专利申请授权数对经济增长的刺激作用有限。第二，新授权的专利需要通过技术密集型产业和高技术产业在技术市场上的交易来发挥作用。也就是说，国内专利申请授权数（ln DPG）要通过全国技术市场成交额（ln TVTM）来影响经济增长，而从专利到技术又存在一定的转化率，并非所有专利都能转成技术，我国的科研成果转化率较低。 图3可以更直观地反映表6的现象。GDP在R&D总投资（ln R&D TOTAL）、基礎研究（ln R&D BR）、应用研究（ln R&D AR）和试验发展（ln R&D ED）的冲击下都呈现出正反馈回路，但反应均不明显。这样的反馈回路表明R&D投资能够激励经济增长，但效果仍有待加强。此外，从试验发展（ln R&D ED）的反馈回路可以看到，在试验发展的冲击下，GDP在前6期均为正反应，但在第7期降为0，之后一直表现为负反应且一直下降。这说明，虽然表面上看，试验发展是产生经济效益最直接、见效快的投资，且其对经济增长所起的作用总体来看也是积极的，但这种积极效应更多地表现在短期。这是一个值得警惕的现象，因为我国的科研资金绝大部分都投入了试验发展阶段，长期来看极不利于我国科技创新水平的提升，甚至会导致下降。因此，更好地实施创新驱动发展战略，一定要避免功利主义和短期行为，更加注重对理论研究和基础研究的投资，为我国科技创新体系建设奠定坚实基础。
（四）方差分解
方差分解多用来描述不同解释变量变化对被解释变量变化的贡献度，即每个扰动项的相对重要性。我国经济增长的方差分解结果见表7。
表7包含了两个方差分解的结果。从不同种类R&D投资对经济增长（ln GDP）的影响份额可以看到，除ln GDP自身之外，平均影响份额最大的仍然是基础研究（17.821%），其次是应用研究（10.032%），最后是试验发展（9.961%），表明越是偏向理论研究对经济增长的积极作用就越大。从不同种类的创新产出对经济增长的影响份额可以看到，除ln GDP自身之外，全国技术市场成交额（ln TVTM）的平均影响份额（19.66%）明显大于国内专利申请授权数（ln DPG）的平均影响份额（8.119%）。
四、结论与建议
在研究期内，我国R&D投资、科技创新与经济增长之间存在长期稳定的关系。不同种类的R&D投资对创新产出与经济增长发挥的作用存在差别。总体来看，R&D总投资的表现和基础研究一致，间接说明了基础研究的重要性。
利用脉冲响应函数研究我国R&D投资、科技创新与经济增长之间的交互情形与动态响应路径，比较清晰地描绘了“研发—创新—经济”之间的动态关系。首先，国内专利申请授权数和全国技术市场成交额在面临R&D总投资冲击下的累计响应值均为负值，但在不同种类R&D投资（基础研究、应用研究和试验发展）冲击下的累计响应值却均为正值，这表明我国不同种类的R&D投资组合效果并不理想，R&D投资结构有待进一步合理化。此外，相较而言，试验发展的累计响应值大于基础研究和应用研究，表明我国绝大多数创新成果都是在试验发展阶段产生的。其次，经济增长变量在R&D投资和创新产出冲击下的累计响应值均为正值，且越偏向理论的研究对经济增长的促进作用和效果越好。试验发展对经济增长的冲击在前期为正，后期为负，说明试验发展对经济增长的激励主要作用于前期，也表明过于注重对试验发展的投资从长期来看不利于创新系统的发展。此外，我国R&D投资、科技创新成果产出与经济增长之间关系较为复杂。
方差分解的结果说明，就R&D投资的相对贡献度来看，我国经济增长受基础研究的影响份额最大，应用研究次之，最后是试验发展;就科技创新成果的贡献来看，我国经济增长受国内专利申请授权数的影响份额明显大于全国技术市场成交额的影响份额。
基于此，本文提出以下建议：
一是优化R&D投资结构，增加理论研究尤其是基础研究的投入力度。目前我国正处于大力建设创新型国家、实施创新驱动战略的历史节点。构建科学、合理、协调的现代化科技创新体系是当下最重要的任务。与西方发达国家相比，我国R&D经费无论是投入强度还是投入结构都存在很大的改进空间，更重要的是，我国科研经费的管理体制存在不少漏洞，导致研发管理方面存在大而不强、多而不专的问题。因此，我国需要进一步深化科研经费管理体制改革。从文章的研究结果来看，越是偏向于理论的研究越有助于创新成果的产生和经济增长。然而，理论研究往往无法快速产生经济效益，导致企业积极性不高。对此，政府要充分发挥主导作用，积极优化R&D资金分配，大力建设以企业为主体、市场为导向、政府为引导的现代化产学研创新系统;积极联合各高校、科研院所，引导、支持、帮助、激励这些理论研究的创新主体充分利用好R&D经费开展研发活动。此外，政府还要努力营造科学研发的风气，改革“浮躁”“急进”“短平快”的科研考核体制，通过多种手段提高大家对理论研究尤其是基础研究的兴趣，努力推动更多原创性成果甚至核心技术的研发。
二是增加科技创新成果的产业化转化效率。一般来说，科技创新体系建设最重要的是理论研究和成果转化。本文的实证研究表明，我国科技创新成果在“从专利到技术，从技术到效益”的转化过程存在比率不高、效率低下的问题，这是对宝贵资源的极大浪费。要想充分发挥科技创新对经济增长的驱动作用、实现科技创新对经济发展的引领，关键在于创新转化体制的设计是否顺畅、合理和科学，能否实现创新链、产业链和资金链的无缝对接，以及研发投入、科技创新和经济发展的高度融合。对此，建议各级政府努力加强对产学研协同创新体系的建设与完善，支持高校、科研院所与企业更多合作，联合设立更多研发机构、产业园、技术孵化园等产学研用一体化程度较高的产业技术创新联盟。此外，还要大力完善科技创新成果的市场交易体系和监管制度，落实对科学技术创新转化相关工作的引导、激励、纠错与推进。
（作者单位：南京邮电大学管理学院，邮政编码：210003，电子邮箱：wumr1992@163.com）
主要参考文献
蒋殿春，王晓娆.中国R&D结构对生产率影响的比较分析[J].南开经济研究， 2015（2）：59-73
万莉丽，商宇楠. R&D投资结构对我国经济增长的影响[J].现代商业， 2018（3）：64-65
[关键词]研发投资 科技创新 经济增长 动态关系
本文系国家自然科学基金资助项目：“生产—消费”视角下我国水足迹空间异质性研究（项目编号：41401634）
一、引言
研发（Research and Development，简称R&D）是指在科技创新领域，为增加知识总量以及运用这些知识创造新应用而进行的创新活动。科技创新需要大量的人、财、物投入作为保障，其中资金支持是最重要的物质支持手段之一，已成为影响一国科技实力与核心竞争力的重要指标。按照学术界的分类，R&D活动主要分为基础研究、应用研究与试验发展三种。学术界目前认为，基础研究和应用研究属于理论研究，可以产生新的知识，而试验发展则属于实践，很难产生新的理论知识。现有关于R&D驱动经济增长的研究往往将R&D投资视为一个整体，仅考虑规模却忽视了结构，因此也就使得研究的解释力变弱。不同类型的R&D活动对创新成果的产生与经济增长所起的作用具有怎样的差别？这是一个值得思考的问题。
早在20世纪90年代初，以Romer（1990）、Grossman & Helpman（1991）、Aghion & Howitt（1992）等为代表的西方学者们，就研究发现R&D投资对创新活动的产出和效率具有重要的影响，并提出基于R&D驱动的经济增长理论。之后，Salter（2001）分析了R&D的基礎研究投入对促进知识存量增加和创新能力提升的机理，Morales（2004）的研究更进一步区分了基础研究和应用研究的投资对经济增长的作用，并发现政府投资于基础研究有利于经济增长，投资于应用研究却对经济增长起反作用。相较之下，国内学者针对R&D投资规模与结构的研究要晚得多，更多的是结合我国发展实际进行很多具有中国特色的研究。然而，已有研究得出的结论存在很大差别。比如，严成等（2013）通过构建模型发现我国R&D规模和基础研究投入越大，经济增长率越高，但万莉丽等（2018）发现应用研究和试验发展才是经济增长的格兰杰原因;蒋殿春等（2015）研究了我国不同种类的R&D投资对生产率的影响，发现在不同类型的R&D活动中，试验发展的效果最强，依次是基础研究和应用研究;潘雄锋等（2019）通过实证研究发现，企业R&D经费中的研究阶段与开发阶段均能对企业创新产生正面影响，但相较而言研究阶段的促进效果更为明显。由于指标选取和实证方法不一致，已有研究的结论出现矛盾并不意外，但也得出一些共识：虽然基础研究和应用研究无法产生短期的经济效益，却是科技创新主体保持持久竞争力的重要方面。因此，我国需进一步优化R&D投资结构，加大研究阶段的投入力度以实现R&D经费的最优配置。
然而，已有研究多为静态定量研究，无法反应不同种类的R&D投资究竟能在多大程度上刺激创新产出与经济增长，更无法描绘影响的动态轨迹。本文从构建科技创新“研发—创新—经济”系统出发，基于我国1995—2018年的时间序列数据，考察不同类型的R&D投资对创新产出与经济增长的影响。
二、变量与研究方法的选取
（一）变量选取与数据来源
变量数据大部分来源于1995—2019年《中国统计年鉴》和《中国科技统计年鉴》。变量及变量说明见表1。
从表1可以看出，本文分别将R&D投资细分为三大类，以国内专利申请授权数和全国技术市场成交额代表创新产出，研究R&D投资结构对创新产出和经济增长的影响作用。此外，由于对数化处理不改变数据本身的结构，且可以进行指数平滑，有效消除异方差。因此，本文先对上述指标进行对数化处理，分别记为ln R&D TOTAL、ln R&D BR、ln R&D AR、ln R&D ED、ln DPG、ln TVTM和ln GDP。
（二）研究方法
为深入分析我国研发投资、科技创新与经济增长的动态关系，本文的研究步骤如下：首先，运用稳定性检验来考察各研究变量之间有无稳定的因果关系;其次，用脉冲响应函数描绘变量间的互动效应与动态关系;最后，用方差分解法量化不同R&D投资和不同创新成果对经济增长影响的相对重要性。
构建VAR模型分析变量间的关系，模型如下：
其中，Yt是由第t期观测值构成的n维内生变量向量，Ai是n×n系数矩阵，p为内生变量的滞后期，为n维随机扰动项。其中，随机扰动项 （i = 1，2，…，n）为白噪音过程，且满足。
三、我国研发投资、科技创新与经济发展的关系研究
（一）研究变量的平稳性检验
本文构建我国研发投资、科技创新与经济发展的双变量VAR系统，需要分别建立3个双变量VAR模型。根据前文对指标的解释，在分析之前要先运用Eviews（Version7.2）对各变量进行平稳性检验，即单位根检验，检验方法选择最常见的ADF（Augmented Dickey-Fuller Test）检验法，检验结果见表2。考虑到篇幅有限，本文将最大滞后期设置为5。
检验结果显示，在5%的显著性水平下，所有变量均非平稳变量。在一阶差分的情形下，只有ln R&D AR、ln DPG和ln TVTM能通过单位根显著性检验，是平稳序列。其余变量都是在二阶差分的情形下才通过显著性检验，故本文拒绝了存在单位根的原假设，所有变量均为平稳序列，变量之间也存在协整关系。因此，我国研发投资、科技创新与经济增长之间存在长期均衡的关系。 （二）向量自回归模型的建立
本文构建的VAR模型是我国研发投资、科技創新与经济增长之间的3个双变量系统，因此，分别选取代表性指标构建相互独立的向量自回归模型。根据赤池信息准则（Akaike Information Criterion，简称AIC）规定的“AIC值越小越好”原则，本文将模型滞后阶数设定为2。同样，本文运用Eviews（Version7.2）对方程的参数进行估计，结果见表3。
从调整后的拟合优度（0.994838，0.998349，0.998538）来看，该VAR模型有很高的拟合程度。从R&D投资总量（ln R&D TOTAL）的系数来看，国内专利申请授权数（ln DPG）、全国技术市场成交额（ln TVTM）和国内生产总值（ln GDP）的反应值有很大的相似性，均在滞后1期为负值，在滞后2期为正值，说明我国R&D总投资对科技创新产出与经济增长在短期起负面作用，长期起正面作用，即呈现出一定的时滞效应。同样的，基础研究（ln R&D BR）的系数在滞后1期的情形下也是负值，在滞后2期的情形下是正值，说明基础研究投资对经济增长的正面作用也更多表现在长期而非短期。然而，应用研究（ln R&D AR）和试验发展（ln R&D ED）的系数则表现出了差别。二者的系数在滞后1期情况下的值比滞后2期大得多，说明应用研究和试验发展对于创新产出和经济增长的积极影响主要表现在早期。由此可见，我国R&D投资的三种类型对于创新产出和经济增长的作用与影响不同。然而，就R&D总投资而言，其影响效果和基础研究一致，即正面影响都是在长期才出现，这也从侧面表明了基础研究在整个创新系统中的重要性。
此外，对于VAR模型而言，必须保证所有根模倒数小于1，即位于单位圆内，模型的估计结果才是有效的，否则无法进行估计。因此，本文也进行了检验，结果显示所有根模倒数都小于1（见表4），且均位于单位圆内（见图1）。
（三）广义脉冲响应函数分析
脉冲响应函数经常用来衡量来自随机扰动项一个标准差的冲击对模型所有内生变量当期与未来的影响。通过该方法分别描绘我国不同种类的R&D投资对科技创新产出和经济增长的动态冲击轨迹，可刻画变量之间的长期动态关系。本文将冲击响应期设定为10期，分析图中的实线表示脉冲响应函数，虚线表示正负两倍标准差偏离带。R&D投资对科技创新产出的脉冲分析结果见表5和图2。
从表5可以看出，本文用以衡量创新产出的两个指标，国内专利申请授权数（ln DPG）和全国技术市场成交额（ln TVTM）在面临R&D投资的冲击下，反应呈现出了一定的相似性。二者在面临R&D总投资一个单位的冲击下累计响应值均为负值（-0.0025和-0.001），但在不同种类的R&D投资的冲击下累计反应却均为正值，这说明不同种类的R&D投资均可以刺激创新成果产出，但总投资却不可以。该结果说明我国R&D投资并未像预期的那样可以直接刺激创新成果产出，而是存在一个结构效应。总之，我国R&D投资的组合效果并不理想。此外，就每种R&D投资的累计反应值来看，试验发展的值要显著大于基础研究和应用研究，说明我国创新成果大部分是由试验发展产生的。
图2可以更加直观地反映表5中的现象，总的来看，面对R&D总投资（ln R&D TOTAL）、基础研究
（ln R&D BR）、应用研究（ln R&D AR）和试验发展（ln R&D ED）的冲击，国内专利申请授权数（ln DPG）
和全国技术市场成交额（ln TVTM）的反应曲线是较为曲折的，并未呈现单调的递增或递减情况，说明R&D投资与科技创新成果产出之间并不是明显的线性关系，而是复杂多样的。该情况出现的原因是我国科技创新系统起步晚、基础薄弱、体制机制不健全，科技研发能力和成果转化能力有限，导致R&D投资很难对创新成果产出起到促进作用，没有明显转化成现实生产力。
不过，需要说明的是，不能因为计量模型中R&D总投资对创新成果产出的影响为负就完全否定其重要性。R&D活动是整个科技活动的基础和核心，直接影响国家的创新能力、科技水平，乃至经济发展后劲。不过相较于简单的总量规模投资，未来我国需要进一步优化不同种类R&D投资的组合、分配以及结构设计，使R&D投资能更多更好地加大创新产出。
R&D投资和科技创新对经济增长的脉冲响应结果分析见表6和图3。
从表6可以看出，在面临R&D投资和科技创新产出一个周期的冲击下，经济增长（ln GDP）所有累计反应值均为正值，表明R&D投资和创新产出在研究期内能够有效促进经济增长，这是一个积极现象。从不同种类的R&D投资来看，经济增长累计响应值最大的是基础研究（0.0032），其次是应用研究（0.002），最后是试验发展（0.0011）。该结果表明，越偏向于理论的研究对经济增长的促进作用和效率就越大，这与学术界很多已有研究一致。理论研究在经济发展中所起的作用并非立竿见影，但却必不可少。因此，在未来发展中，我国R&D投资需尽可能少些“功利”与“急躁”，将目光放得更长远些，增加对基础研究、理论研究的投资力度。
从不同种类科技创新成果来看，经济增长对全国技术市场成交额（ln TVTM）的累计响应值（0.0144）明显大于国内专利申请授权数（ln DPG）的累计响应值（0.0017），说明从数字上看，技术市场成交额比专利申请授权数更能激励经济增长。主要原因有以下两点：第一，我国授权专利的质量不高，对经济增长难以发挥促进作用。我国科研产出质量偏低，一直广受经济学家诟病，尤其是专利过多集中于技术含量低的外观设计等实用主义发明，而技术含量高、理论性强的研发专利数量则相对较少。这就导致专利申请授权数对经济增长的刺激作用有限。第二，新授权的专利需要通过技术密集型产业和高技术产业在技术市场上的交易来发挥作用。也就是说，国内专利申请授权数（ln DPG）要通过全国技术市场成交额（ln TVTM）来影响经济增长，而从专利到技术又存在一定的转化率，并非所有专利都能转成技术，我国的科研成果转化率较低。 图3可以更直观地反映表6的现象。GDP在R&D总投资（ln R&D TOTAL）、基礎研究（ln R&D BR）、应用研究（ln R&D AR）和试验发展（ln R&D ED）的冲击下都呈现出正反馈回路，但反应均不明显。这样的反馈回路表明R&D投资能够激励经济增长，但效果仍有待加强。此外，从试验发展（ln R&D ED）的反馈回路可以看到，在试验发展的冲击下，GDP在前6期均为正反应，但在第7期降为0，之后一直表现为负反应且一直下降。这说明，虽然表面上看，试验发展是产生经济效益最直接、见效快的投资，且其对经济增长所起的作用总体来看也是积极的，但这种积极效应更多地表现在短期。这是一个值得警惕的现象，因为我国的科研资金绝大部分都投入了试验发展阶段，长期来看极不利于我国科技创新水平的提升，甚至会导致下降。因此，更好地实施创新驱动发展战略，一定要避免功利主义和短期行为，更加注重对理论研究和基础研究的投资，为我国科技创新体系建设奠定坚实基础。
（四）方差分解
方差分解多用来描述不同解释变量变化对被解释变量变化的贡献度，即每个扰动项的相对重要性。我国经济增长的方差分解结果见表7。
表7包含了两个方差分解的结果。从不同种类R&D投资对经济增长（ln GDP）的影响份额可以看到，除ln GDP自身之外，平均影响份额最大的仍然是基础研究（17.821%），其次是应用研究（10.032%），最后是试验发展（9.961%），表明越是偏向理论研究对经济增长的积极作用就越大。从不同种类的创新产出对经济增长的影响份额可以看到，除ln GDP自身之外，全国技术市场成交额（ln TVTM）的平均影响份额（19.66%）明显大于国内专利申请授权数（ln DPG）的平均影响份额（8.119%）。
四、结论与建议
在研究期内，我国R&D投资、科技创新与经济增长之间存在长期稳定的关系。不同种类的R&D投资对创新产出与经济增长发挥的作用存在差别。总体来看，R&D总投资的表现和基础研究一致，间接说明了基础研究的重要性。
利用脉冲响应函数研究我国R&D投资、科技创新与经济增长之间的交互情形与动态响应路径，比较清晰地描绘了“研发—创新—经济”之间的动态关系。首先，国内专利申请授权数和全国技术市场成交额在面临R&D总投资冲击下的累计响应值均为负值，但在不同种类R&D投资（基础研究、应用研究和试验发展）冲击下的累计响应值却均为正值，这表明我国不同种类的R&D投资组合效果并不理想，R&D投资结构有待进一步合理化。此外，相较而言，试验发展的累计响应值大于基础研究和应用研究，表明我国绝大多数创新成果都是在试验发展阶段产生的。其次，经济增长变量在R&D投资和创新产出冲击下的累计响应值均为正值，且越偏向理论的研究对经济增长的促进作用和效果越好。试验发展对经济增长的冲击在前期为正，后期为负，说明试验发展对经济增长的激励主要作用于前期，也表明过于注重对试验发展的投资从长期来看不利于创新系统的发展。此外，我国R&D投资、科技创新成果产出与经济增长之间关系较为复杂。
方差分解的结果说明，就R&D投资的相对贡献度来看，我国经济增长受基础研究的影响份额最大，应用研究次之，最后是试验发展;就科技创新成果的贡献来看，我国经济增长受国内专利申请授权数的影响份额明显大于全国技术市场成交额的影响份额。
基于此，本文提出以下建议：
一是优化R&D投资结构，增加理论研究尤其是基础研究的投入力度。目前我国正处于大力建设创新型国家、实施创新驱动战略的历史节点。构建科学、合理、协调的现代化科技创新体系是当下最重要的任务。与西方发达国家相比，我国R&D经费无论是投入强度还是投入结构都存在很大的改进空间，更重要的是，我国科研经费的管理体制存在不少漏洞，导致研发管理方面存在大而不强、多而不专的问题。因此，我国需要进一步深化科研经费管理体制改革。从文章的研究结果来看，越是偏向于理论的研究越有助于创新成果的产生和经济增长。然而，理论研究往往无法快速产生经济效益，导致企业积极性不高。对此，政府要充分发挥主导作用，积极优化R&D资金分配，大力建设以企业为主体、市场为导向、政府为引导的现代化产学研创新系统;积极联合各高校、科研院所，引导、支持、帮助、激励这些理论研究的创新主体充分利用好R&D经费开展研发活动。此外，政府还要努力营造科学研发的风气，改革“浮躁”“急进”“短平快”的科研考核体制，通过多种手段提高大家对理论研究尤其是基础研究的兴趣，努力推动更多原创性成果甚至核心技术的研发。
二是增加科技创新成果的产业化转化效率。一般来说，科技创新体系建设最重要的是理论研究和成果转化。本文的实证研究表明，我国科技创新成果在“从专利到技术，从技术到效益”的转化过程存在比率不高、效率低下的问题，这是对宝贵资源的极大浪费。要想充分发挥科技创新对经济增长的驱动作用、实现科技创新对经济发展的引领，关键在于创新转化体制的设计是否顺畅、合理和科学，能否实现创新链、产业链和资金链的无缝对接，以及研发投入、科技创新和经济发展的高度融合。对此，建议各级政府努力加强对产学研协同创新体系的建设与完善，支持高校、科研院所与企业更多合作，联合设立更多研发机构、产业园、技术孵化园等产学研用一体化程度较高的产业技术创新联盟。此外，还要大力完善科技创新成果的市场交易体系和监管制度，落实对科学技术创新转化相关工作的引导、激励、纠错与推进。
（作者单位：南京邮电大学管理学院，邮政编码：210003，电子邮箱：wumr1992@163.com）
主要参考文献
蒋殿春，王晓娆.中国R&D结构对生产率影响的比较分析[J].南开经济研究， 2015（2）：59-73
万莉丽，商宇楠. R&D投资结构对我国经济增长的影响[J].现代商业， 2018（3）：64-65