一、引 言

在工业行业面临日益严重的环境污染问题，现有的发展模式受到原有社会经济形态冲击的情况下，RD投资作为转变发展方式和提升核心竞争力的重要手段，受到政策制定者和产业界的高度重视。2017年10月中共十九大提出，创新驱动经济发展质量提升战略，助推经济发展的转型升级和发展质量的提高，反映出中国经济发展必须重视创新发展理念的转变。工业行业的技术创新涉及到国民经济发展的全产业链，重视工业行业创新潜能的激发，将有助于国民经济由高速发展向着高质量发展转变。

工业行业技术创新的发展路径有三种模式：第一种模式是自主创新；第二种是协同创新；第三种是国外技术引进。这三种技术创新的发展方式各有特点。第一种自主创新模式是企业培育核心竞争力，增强产业发展实力的关键，但发展周期太长，投入的费用较高。相比较而言，第二种协同创新方式主要采取企业和高校之间合作的方式，能够有效促进资源的共享，增强资源的配置效率，但是存在利益导向不一致的问题。而第三种国外技术引进创新模式，虽然可以短时间内获取到外部的技术资源，弥补技术的差距，但是却无法掌握国外核心的技术能力，容易被发达国家以知识产权保护、国家经济战略安全和环境保护的名义进行技术封锁。

因此，如何制定有效的科技政策，采取有效创新发展模式和手段，整合国内已有的研发资源和技术优势，加大工业企业的研发投入，突破国外专利封锁和技术锁定，化解中国工业行业长期沦为价值链低端的污染加工集散地，促使中国传统工业企业借助工业4.0时代的技术创新优势，增强经济发展的转型升级，成为中国工业实现向着“微笑曲线”价值链两端转变的关键。

国内外已经有文献从研发投入的视角研究企业的技术创新。如Jamasb T和 Pollitt M G认为刺激性的研发投入合作网络与知识产权保护政策对英国电力能源市场技术创新起到很好的引导作用^[1]。文玉春则认为产业创新处于明显的市场导向阶段时，如果想获取更多的新产品市场收入，应重点考虑具有市场导向的自主研发与技术引进^[2]。也有学者研究创新投入和政府最优补贴政策之间的相互影响，结果显示最优补贴能够促使生态技术创新实现经济绩效和社会绩效双蠃^[3]。可见，技术引进与自主研发之间既存在替代效应，也存在互补效应^[4]。有学者将研究重点转向科技政策对创新行为的形塑作用，如李真真等认为基于更加合理的权责结构，对科学的权力结构的重新调整与构建形塑，有利于激发技术创新意识和行为的产生^[5]。

近年来，随着中国经济规模的增长，研发经费支出占国内生产总值的比例也持续增加，可是高技术行业核心技术特别是高端芯片仍然被发达国家所掌握，于是有学者开始关注研发投入是否存在门槛效应，以此来验证RD投资是否越多越好^[6][7]。此外，还有学者从产业特征和政府补贴方面来研究技术创新的决策机制^[8][9]。Chun等研究韩国制造业企业研发投入在技术创新和商业化推广阶段的作用，发现企业规模和行业类型不同，导致RD对技术创新的效率不同^[10]。王立军研究认为政府在进行财政补贴时，主要倾向于技术水平高、企业规模大以及技术研发投资规模高的行业^[11]。可是，现实情况是政府既对企业进行研发补助，也对高校和科研机构进行研发补助，政府这种双向的补助行为决策，是否能解决市场失灵而引发的科技活动的不足现象，进一步激发企业和高校的自主技术创新和协同创新的活力^[12][13]。

然而，上述研究主要是基于创新路径的视角，研究其对技术创新的影响，尚未深入讨论在不同行业研发投入存在差异条件下，研发投入对工业技术创新提升可能存在行业异质性的影响，特别是研发投入对工业行业技术创新的影响机理是否与存在动态效应，这些问题仍然需要进一步深入探讨。因此，研究工业行业研发投入的创新技术路径和动态变化，对于评估工业行业研发投入对技术创新影响的政策效具有重要的现实政策意义。

基于上述分析，本文首先采用GML指数方法，测算中国38个工业行业2004—2015年技术创新的变化趋势；然后，基于经典的OLS方法和系统GMM估计方法，研究研发投入对中国工业行业技术创新影响的机制及动态变化，为全面分析工业行业的技术创新路径找到现实的实证基础。最后，通过研究的结果，提出相应的政策建议，以期为决策提供参考。

二、研究设计 1. 样本选择及来源

本文选取2004—2015年为研究期间，以《国民经济行业分类标准》（2002版）中38个工业行业为研究样本，以工业行业的技术研发投入为立足点。文章所需的数据来源于wind数据库以及中国工业经济统计年鉴、中国劳动力统计年鉴、中国科技统计年鉴、中国环境统计年鉴以及中国统计年鉴。

2. 变量的定义

（1）因变量（TECH）

本文采用全局GML指数来测算绿色工业绩效指数，进一步将工业绩效分解为技术创新指数（TECH）和技术效率（TEF）指数。绿色工业绩效指数的测算主要选取固定资产投资（K）、人均劳动力（L）、能源消费（E）作为投入变量，工业总产值（Y）和二氧化碳排放（C）作为产出变量。这里之所以将CO₂作为非期望产出考虑到模型中，主要是因为传统的投入产出模型不符合现实的情况，只单纯地考虑期望产出，实际上工业行业的副产物CO₂作为非期望产出已经成为影响经济绩效的重要因素，因此需要在要素绩效的测算中考虑它。具体变量选取如下：

固定资产投资（K）：采用规模以上工业企业固定资产合计折算为2002年为基期的不变价，同时考虑到资本投入的折旧，将固定资产投资折算为资本存量。折算公式为 ${K_{{\rm{it}}}} = \left( {1{\rm{ - }}{\theta _{\rm{t}}}} \right){K_{{\rm{t - 1}}}} + {I_{\rm{t}}}$ ，参照陈诗一和张军的研究^[14]，选择折旧率 ${\theta _{\rm{t}}}$ 为0.15，初始存量 ${K_{{\rm{i，}}2000}} = {I_{{\rm{i，}}2000}}/({\rm{g}} + \theta )$ ，其中g选取固定资产的平均增长率。单位为亿元，数据来源于中国统计年鉴。

①　人均劳动力（L）：采用工业分行业从业人员年平均人数，单位为万人，数据来源于中国劳动力统计年鉴。

②　能源消费（E）：采用工业分行业能源消耗总量表示能源投入，单位为万吨标准煤，数据来源于中国能源统计年鉴。

③　工业总产值（Y）：选取规模以上工业企业工业总产值做为产出变量，并以2004—2015分行业工业生产者出厂价格指数折算为2002年为基期的不变价。单位为亿元，数据来源于中国工业经济统计年鉴。

④　二氧化碳排放排放（C）：虑到目前化石能源的燃烧是中国碳排放的主要来源，本文在IPCC框架下选取中国消费的三种主要化石能源（即煤炭、石油和天然气），按照方程（1）计算得到人均二氧化碳排放量。数据来源于中国能源统计年鉴。

$C_{lt}^{} = \frac{{J_{lt}^{}}}{{K_{lt}^{}}} = \frac{{\sum\limits_i^{} {J_{lt}^i} }}{{K_{lt}^{}}} = \frac{{\sum\limits_i^{} {E_{lt}^i \times F_{}^i} \times 44/12}}{{K_{lt}^{}}}$

(1)

其中， $C_{lt}^{}$ 代表 $l$ 地区第 $t$ 年的人均二氧化碳排放量， $ t = 2000,$ $2001,\cdots,2013$ ， $K_{lt}^{}$ 和 $J_{lt}^{}$ 分别代表 $l$ 地区第 $t$ 年的二氧化碳排放量和人口（ $i = 1,2,3$ 分别代表石油、煤炭和天然气）， $J_{lt}^i$ 代表 $l$ 地区第 $t$ 年第 $i$ 种能源燃烧散发的二氧化碳排放量，单位是万吨； $E_{lt}^i$ 代表 $l$ 地区第 $t$ 年第 $i$ 种化石能源消耗量，单位是标准煤； $F_{}^i$ 则代表第 $i$ 种化石能源的二氧化碳排放系数，其中，煤炭、石油、天然气的排放系数分别为0.7476、0.5825和0.4435，单位是千克每标准煤；44/12是二氧化碳中碳的转换系数。

（2）自变量（RD）

研发投资对于促进行业技术进步和产业结构升级具有重要的影响，而产业结构的升级则使得传统行业面临低排放、低污染、高质量的现实挑战。已有研究表明研发投资对促进经济的低碳发展和节能减排有重要的促进作用，这将会增强绿色环境绩效^[15]。借鉴Yang^[16]的研究，文章将采用企业RD经费内部支出占工业总产值的比重来衡量研发投资（RD）。数据来源于中国科技统计年鉴。

（3）控制变量（CV）

借鉴已有研究的文献，结合中国目前环境规制强度影响的现实条件，文章控制变量CV选取出口学习效应（EXP）、能源消费结构（ECS）、外商投资的技术溢出效应（FDI）以及资本劳动比（KL）来控制工业行业技术创新影响的潜在因素。本文将采用出口交货值占工业销售产值的比重来衡量出口学习效应（EXP）。数据来源于中国工业经济统计年鉴。文章采用煤炭消费量占全国总能源消费中的比重，来衡量行业能源消费结构（ECS）。数据来源于中国能源统计年鉴。本文采用外商投资和港澳台投资的总和占工业企业工业销售产值的比重来衡量外商投资的技术溢出效应（FDI）。数据来源于中国统计年鉴。资本劳动比（KL）采用工业行业固定资产投资存量与平均劳动力的比值来衡量。数据来源于中国工业经济统计年鉴和中国劳动力统计年鉴。

3. 模型的构建

首先，基于内生经济增长模型，构建模型来估计中国38个行业2004—2015年研发总支出对工业行业技术创新的影响，构建如下回归方（2）：

$T{\rm{E}}CH_{{\rm{i，}}t}^{} = {\alpha _0} + {\alpha _1}{\rm{RD}}{}_{{\rm{i，t}}} + {\alpha _2}CV_{i，t}^{} + {f_i} + {f_t} + \varepsilon _{{\rm{i，}}t}^{}$

(2)

其中，TECH_{i, t} 表示行业i在时间t的技术创新指数，RD_{i, t}表示行业i在时间t的研发投入，CV_{i, t}表示影响技术创新的控制因素。 ${{\rm{f}}_{\rm{i}}}$ 代表各行业不随时间变化的个体特征；f_t代表各行业个体时间效应。 ${\varepsilon _{{\rm{i}},t}}$ 为随机扰动项。

技术创新是一个渐进的过程，存在明显的滞后效应。为了准确测算可能存在的前期技术创新对当期技术创新的动态滞后影响。本文引入被解释变量的滞后一阶作为内生解释变量，构建动态的方程（3）：

$T{\rm{E}}CH_{{\rm{i,t}}}^{} = {\alpha _0} + \lambda T{\rm{E}}C{H_{{\rm{i,t - 1}}}} + {\alpha _1}R{{\rm{D}}_{{\rm{i，t}}}} + {\alpha _2}CV_{i，t}^{} + {f_i} + {f_t} + \varepsilon _{{\rm{i,}}t}^{}$

(3)

三、实证结果与分析 1. 描述性统计与相关性分析

通过统计分析结果（见表1）显示，技术创新（TECH）的最大值和最小值分别是0.52和2.61，其标准差为0.12，与其他主要解释变量相比，技术创新的标准差最小，这一定程度上说明技术创新的变化不是很大。研发投入（RD）最小值为0，而最大值则有8.44，标准差为1.29，反映在样本研究年份，中国工业行业研发投入强度在行业之间存在一定的差异性。其他解释变量中行业之间的资本劳动比（KL）的标准差最大，说明中国工业行业之间资本劳动比存在很大的波动。

在面板数据中，解释变量之间可能存在多重共线性，导致线性回归方程估计的结果不满足无偏性这一假设，故需要对变量进行共线性检验，研究变量之间的相关性结果显示（见表2），解释变量与解释变量之间的相关系数最大值没有超过经验值0.4，大部分解释变量与被解释变量（TECH）之间存在显著的相关性关系。主要解释变量研发投入（RD）与技术创新（TECH）的相关系数显著为0.169。与此同时，为了防止可能出现的多重共线性，对面板数据进行VIF检验，研究结果显示VIF的最大值为1.38，且各个变量之间的均值是1.2，远远小于经验值10。因此，可以判断方程不存在多重共线性，且研发投入对工业行业技术创新的影响显著为正。

2. 实证研究结果分析

（1）研发投入对工业行业技术创新的影响机理分析

根据方程(2)，我们通过实证建模得到2004—2015研发投入对38个行业绿色全要素生产率绩效的影响（见表3），其中模型(1)—(4)分别表示面板数据的普通最小二乘法OLS、随机效应RE、个体固定效应FE以及双向固定效应的回归结果。通过对模型进行异方差White检验，发现模型存在异方差，为了对模型进行较为准确的估计，对模型(2)、(3)、(4)都采用聚类稳健标准差来估计系数和相应的标准误。

根据构建上述模型得到如下研究结果：

首先，在整个样本区间内，通过对随机效应和固定效应进行Hausman检验，研究结果显示明显拒绝原假设。这说明选择固定效应模型对中国工业行业进行的技术创新进行估计更合适。

其次，在未考虑面板可能存在的时间效应时，普通最小二乘法、固定效应模型和随机效应模型中，研发资本投资均能显著推动中国工业行业的技术创新的进步。对比模型(1)、(2)和(3)发现，个体固定效应模型(3)的估计系数最大，明显的高于OLS模型(1)和随机效应模型(2)，这表明不考虑个体行业之间的特质，会导致研发投入对工业技术创新的影响被严重低估。可是，当模型考虑可能存在的时间效应时，模型(4)中研发投入RD对技术创新（TECH）的影响变得不显著，这说明随着时间的推移，时间效应会显著的减弱研发投入对工业行业技术创新的影响。

最后，从模型(1)到(4)，研究显示出口交货值（EXP）对技术创新（TECH）的影响为显著为正，能源消费结构中煤炭的占比（ECS）对工业行业技术创新（TECH）的影响显著为负。这表明，工业行业出口学习效应和持续改善的能源消费结构是提升中国工业经济技术创新的重要因素，也是实现中国工业行业技术效率提升和经济发展质量改善的重要来源，进一步说明工业行业的技术进步除了需要加大研发投入外，还需要积极争取国际外部市场，通过引进本国工业行业所需的国外先进技术和管理经验，是中国工业行业实现经济绿色发展的重要举措。同时，本文中的外商直接投资（FDI）的回归系数在模型(1)和模型(2)中在5%显著性条件下影响为正，而当考虑个体固定效应和双向固定效应时，外商直接投资（FDI）却无法显著的提升技术创新（TECH）的水平。这表明行业之间由于存在资源禀赋、个体特质以及竞争力的差异，导致研发投入对工业行业技术创新的影响的估计会存在明显的不同。因而，工业行业经济技术创新的进步不能单纯的依靠外商直接投资，需要按照行业的特性合理有序的引进外资。

（2）研发投入对工业行业技术创新的动态影响

根据动态方程(3)，我们计算得到2004—2015年中国工业研发投入对中国工业技术创新的动态影响，其中动态模型M1表示未考虑外生控制变量出口交货值（EXP）、能源消费结构（ECS）、外商直接投资（FDI）以及资本劳动比（KL）后的回归结果。动态模型M2表示考虑上述控制变量的情况下的回归结果。考虑可能存在的残差自相关，本文对系统GMM方法估计结果的残差进行二阶自相关检验。检验结果表明，动态模型M1和动态模型M2的残差二阶自相关检验均无法拒绝原假设，模型残差不存在二阶序列相关。同时，Hansen统计量检验显示无法拒绝原假设，即模型的工具变量选择是有效的。根据估计结果（见表4），我们得到以下三点发现：

首先，在整个样本区间内，在没有考虑控制变量条件下，动态模型M1中被解释变量TECH的一阶滞后项能显著提升技术创新的绩效，促进工业技术进步。说明模型存在较为明显的滞后效应，前期的技术创新会对当期技术创新产生明显的效果。技术创新产生了很好的示范带动作用，对改善工业行业技术创新产生了积极影响。但是当模型加入控制变量后，内生解释变量TECH滞后项对TECH的动态影响变得不显著了，这表明过去十多年，前期行业技术创新对后期行业技术创新的影响效应逐渐被潜在的解释变量所分担。

其次，控制变量的加入，使得研发资金投入对行业技术创新的影响变得显著。在动态模型M2中，研发资金投入对技术创新的影响在5%条件下显著为正，说明工业行业研发资金的投入较好的推动中国技术创新的提升。可是，控制变量的加入，也触发技术创新的滞后效应变得不显著，这表明研发资金投入和其他外生变量对技术创新滞后期影响存在挤出效应。因此，要提升工业技术创新的绩效，需要根据行业外部环境的配套，有序的进行研发投入，不可操之过急，只有这样才能产生协同效应促进技术创新效率和技术进步的提高。

最后，出口交货值、外商直接投资和资本劳动比并不能显著提升技术创新的效率，而能源消费结构的改善对技术创新具有较为显著的负向作用。从动态模型M2中，能源消费结构的系数一直在5%的显著性水平下显著为–0.001。这表明，工业中行业的技术创新不能依靠单纯的出口导向型经济、外商直接投资和资本劳动比的改善，而需要综合考虑工业行业能源消费结构的现实情况。通过降低工业经济发展中煤炭的消费比例，会对技术创新产生显著的影响。可是，在经济低碳绿色发展大环境下，工业行业本来就面临很大的环境保护和节能减排的压力，如果短期内要求工业行业降低煤炭消费比例，减少对传统化石能源的消费，可能对工业行业的技术创新产生一定的负向影响。

四、稳健性检验

基于上述估计结果是采用全局GML指数测算的技术创新指数TECH，研究研发投入对技术创新的影响。为了证明研究结论的稳健性，本文结合非参数SML指数测算的技术创新指数TECH-S，作为技术创新的替代变量，采用系统GMM估计方法，来测算研发投入对工业行业技术创新机理和动态影响的稳健性，结果如表5所示。

本文通过构建基于非参数SML指数的技术创新替代变量TECH-S，来验证研究结论的稳健性。结果显示，主要解释变量对技术创新的影响方向和显著性都没有发生变化，只是系数大小有所不同。尤其是在动态模型G1和G2中，技术创新的滞后效应同之前的研究结论基本保持一致，且研发投入对技术创新的动态影响的方向和显著性没有发生变化。这说明技术创新指标采用SML指数测算的指标作为替代变量后，并没有显著的改变本文的研究结果，所以本文的研究估计结果是稳健的。

五、研究结论与政策启示 1. 研究结论

本文使用基于系统GMM方法的面板数据模型，考察了研发投入对中国工业行业技术创新的影响机理，估计了研发投入对工业技术创新的动态影响效果。归结起来，主要结论如下：

第一，在未考虑面板可能存在的时间效应时，研发资本投资能显著推动中国工业行业的技术创新的进步。但是当模型考虑可能存在的时间效应时，随着时间的推移，时间效应会显著的减弱研发投入对工业行业技术创新的影响。

第二，当考虑个体固定效应和时间固定效应时，外商直接投资无法显著的提升工业行业技术创新水平。出现这种现象主要是因为行业之间由于存在资源禀赋、个体特质以及竞争力的差异，导致研发投入对工业行业技术创新的影响的估计会存在明显的不同。

第三，在没有考虑控制变量条件下，技术创新的一阶滞后项存在较为明显的滞后效应，前期的技术创新会对当期技术创新产生明显的效果。技术创新产生了很好的示范带动作用，对改善工业行业技术创新产生了积极影响。但是当模型加入控制变量后，技术创新的滞后项对技术创新的动态影响变得不显著了，前期行业技术创新对后期行业技术创新的影响效应逐渐被潜在的解释变量所分担。

第四，工业中行业的技术创新不能依靠单纯的出口导向型经济、外商直接投资和资本劳动比的改善，而需要综合考虑工业行业能源消费结构的现实情况。因为出口交货值、外商直接投资和资本劳动比并不能显著提升技术创新的效率，而能源消费结构的持续改善，特别是煤炭消费比例的降低对技术创新具有较为显著的正向作用。

2. 政策启示

基于上述研究结论，文章对我国工业技术创新的科技政策提出几点政策建议。一方面，针对工业行业部门技术创新水平较低的现实情况，有关部门在制定科技战略规划时，应该加大科技政策制定的前期调研，选择具有战略意义和商业发展前景的工业行业，有针对性的进行科研补助政策，并对补助后的工业企业进行科技评价，防止科研经费发放的低效和浪费。特别是，要充分了解传统重污染工业行业技术创新缓慢的深层次原因，鼓励有减排潜力企业加大创新投入，制定奖惩机制，着力完善环境规制类科技政策的对促进技术创新的诱导作用。

与此同时，应该积极引导大学和科研院所进行科技体制改革，促进体制内的研究机构积极参与外部企业的技术研发，破除科技人才资源自由流动的制度障碍，建立起科技促进经济发展的长效机制^[17]。因为只有加快进行科技体制改革，改变优秀人才过度集聚的现象，鼓励科技人员带着科研成果到企业就职，才能促进我国实体经济尤其是工业行业转型升级和技术创新。

另一方面，传统工业行业部门应该稳步有序推进能源消费结构改革，降低传统化石能源的消费占比，提升传统工业行业的能源利用效率，并按照《战略新兴产业指导目录》有计划地推进传统产业结构的升级，进一步引导社会资源投向，为地区企业构建投融资环境，推动技术创新绩效提升。