文章信息
财经研究 2018年44卷第4期 |
- 徐浩, 冯涛,
- Xu Hao, Feng Tao.
- 制度环境优化有助于推动技术创新吗?—基于中国省际动态空间面板的经验分析
- Does the optimization of institutional environment help to promote technological innovation? empirical analysis based on china’s provincial dynamic space panels
- 财经研究, 2018, 44(4): 47-61
- Journal of Finance and Economics, 2018, 44(4): 47-61.
-
文章历史
- 收稿日期:2017-09-13
2018第44卷第4期
2. 斯德哥尔摩大学 商学院,瑞典 斯德哥尔摩 SE-106 91
2. Stockholm Business School,Stockholm University,Stockholm SE-106 91,Sweden
一、引 言
十九大强调“创新是引领发展的第一动力”。那么,如何提升技术创新水平以实现经济的高质量增长呢?自1978年以来,我国先后出台了346项政策,旨在从要素供给方面支持自主创新(段忠贤,2017)。至今40年过去了,我国技术创新整体水平却依然相对落后,经济增长质量相对较低(张杰和郑文平,2017)。新制度经济学指出,制度激励是技术创新的决定性因素(Acemoglu等,2005)。2018年1月3日,李克强总理也再次强调了优化营商环境对激发社会创造力的重要性。制度环境是营商环境的重要构成,厘清制度环境与技术创新间的关系是当前我国实施创新驱动发展战略的重要议题。
现有文献在这方面已有了一定积累。部分研究从行政治理(鲁桐和党印,2015)、法制环境(温军,2011)和契约形成(Allen等,2005)等方面分析了制度环境对技术创新的作用机理,但未在我国 “晋升锦标赛”和法院“合一制”等体制特征下分析制度环境对技术创新影响机制的特殊性;部分研究仅侧重考察了两者间的经验关系(Sun和Office,2016),但未能就地区禀赋差异对两者间经验关系的可能影响进行对比分析,也未考虑技术创新的空间关联性。本文尝试弥补已有研究的不足。本文从我国的体制特征出发,系统分析了制度环境及各分项间的交互性对技术创新的影响机制,并采用动态空间误差模型(
本文首先分析了制度环境各分项对技术创新的作用机理。①中央财政分权下的“晋升锦标赛”使得地方政府倾向于实施地方保护,推动低技术、高投资的生产项目,从而抑制了技术创新;法制和文化信用子环境恶化将通过提高企业融资难度和流动性风险等机制抑制技术创新。相反,制度环境优化能够通过降低交易成本、提高企业家把握市场机遇的能力等机制推动技术创新;其次,本文分析了制度环境各分项间的交互性及其与技术创新的关系。如前所述,地方政府有极大的动力投身本地经济发展。为了快速累积经济绩效,地方政府倾向于对本地司法部门实施治理性干预,而法院“合一制”为此提供了渠道和能力。同时,地方政府通过资源配置和自身行为影响了文化信用子环境的构建,而法制子环境通过对社会规范的取舍对文化信用子环境产生了重要影响。可见,行政子环境对本地法制与文化信用子环境具有重要的决定作用,行政治理是影响技术创新的制度环境中最根本的决定因素。在此基础上,本文以中国2001−2014年30个地区数据为样本,采用动态面板空间误差模型(
本文的主要贡献有:(1)结合我国的体制特征,阐释了制度环境对技术创新影响机制的特殊性。一方面,本文基于我国 “晋升锦标赛”的体制特征,分析了行政治理影响技术创新的特殊性;另一方面,在我国法院“合一制”的体制特征下,本文进一步阐释了行政、法制与文化信用子环境间的交互性及其对技术创新的作用机理,发现行政治理是影响技术创新的制度环境中最根本的决定因素,提升行政治理水平是优化制度环境的首要和根本。可见,本文研究不仅提供了新颖的研究思路,而且为我国进一步优化制度环境,营造良好的“营商环境”提供了决策依据。(2)地区层面的实证结果表明,制度环境对技术创新的推动作用存在地区间的差异。这是改革开放后中央对地方的政策差异与地区禀赋共同作用的结果。这一发现为中央政府制定差异化的地区发展政策提供了经验依据。(3)先进的实证方法和多维度的对比分析使得本文结论更具稳健性。一方面,本文采用动态面板空间误差模型(SEM)剔除了技术创新的“内生性”和“空间关联性”对两者关系的影响;另一方面,本文不仅从东中西部的区域视角进行横向对比,而且在同一地区中就不同制度分项对技术创新的影响进行了纵向对比,所得结论更具稳健性。
二、文献回顾与假说提出
遵循新制度经济学的逻辑,制度环境的优劣决定着投资者、企业家的经营决策(North和Thomas,1973),而投资者的投资意愿和企业家的创新动力等是影响技术创新的根本因素。下面从行政、法制、文化信用及三者间的交互关系四方面系统阐述制度环境对技术创新的影响机制。
(一)行政子环境与技术创新。改革开放以来,中央财政分权使得地方政府获得了一定的经济自主权,围绕
(二)法制子环境与技术创新。首先,良好的法律保护有助于稳定投资人的收益预期,提高投资人参与金融市场的信心和动机。市场中资本供给增加将降低高风险、长周期、高收益的技术创新项目的融资约束(谈儒勇和吴兴奎,2005)。其次,技术创新项目投资的长周期特征将显著增加投资者对企业家违约行为的观测成本,企业家在高风险的运营过程中也具有较高的违约动机,因此,良好的法律执行力度将降低投资者与企业家利益冲突引致的债务履约成本(Qian和Strahan,2007)。最后,良好的产权保护将提升企业家追求技术创新超额收益的动机,激烈的竞争将推动企业家不断进行技术创新以维持竞争优势。相反,法律执行薄弱降低了债务人发生道德风险的机会成本,提高了投资者的投资风险,为弥补因承担高风险而可能造成的损失,投资人将逐步提高利率水平,导致利率工具逐渐失效,最终降低市场上的信贷供给量(Stiglitz和Weiss,1981)。由此可见,法律保护的良好与否将决定投资者的投资决策−是否投、投多少、投向哪,进而影响地区资本市场的发达程度,而资本市场的发达与否决定了企业的融资结构,后者是企业调整内部治理结构的根本因素之一,不同的治理结构决定了企业的技术创新路径和最终的创新产出水平(La Porta等,1998)。因此,本文提出如下假说:
(三)文化信用子环境与技术创新。一个企业家文化盛行的市场环境往往意味着公平公正的自由竞争氛围。激烈的市场竞争将引导企业家提升技术创新部门的战略地位。企业家将通过增加资本供给和劳动力投入来推动企业技术升级和产品创新,以维持企业的市场地位和良好业绩(Acs和Armington,2003)。同时,企业家作为技术创新的主体,是企业风险的主要承担者。他们将通过提高信用水平和增加社会责任以增强企业公众形象,改善企业经营的外部环境,从而降低企业信息获取的不对称性,进而降低企业运营中的预测风险、流动性风险和交易成本。这有助于满足企业技术创新对技术前沿信息、劳动以及长期融资的需求(Dhaliwal等,2011)。因此,以信用为依托的隐性契约执行机制有助于降低债务人发生道德风险的可能性,间接增强对投资人的利益保护,有助于提高投资人对高风险、大规模、长周期的技术创新项目的资本供给,最终推动技术创新(陈志武,2005)。由此,我们提出如下假说:
在H1a−H1c的基础上,本文从制度环境总体的视角提出如下假说:
(四)制度环境间的交互性与技术创新。在中国的体制特征下,制度环境的三个分项间(行政、法制与文化信用)可能存在着显著的交互性,这亦是影响地区技术创新水平的重要因素。
首先,地方政府具有影响法制子环境的动机、渠道和能力。社会稳定和经济绩效作为地方官员政治晋升的重要资本,是他们干预法制运行的根本动力。有关社会稳定的诉讼,地方法院一般仅考虑司法公正,而地方政府则会将社会稳定、舆论影响和政治成本纳入考量范围,通过重要批示、直接介入等方式处理此类纠纷。就经济发展而言,地方政府为了快速积累晋升资本,倾向于引进易考核、见效快、不确定性低的生产项目,但受征地拆迁和环境污染等纠纷的影响,法院可能暂缓项目实施,而地方政府往往会引导司法部门为上述项目提供便利。可见,地方政府具有强烈的动机实施治理性干预。与此同时,法院“合一制”组织模式为地方政府影响法制子环境提供了制度渠道和能力(陈柏峰,2015)。在法院“合一制”组织架构下,部门行政领导负责人事安排和资源配置,专职司法人员与其他工作人员在收入、编制和晋升等方面没有区分,这种职位与资源配置方式保障了法官及其他人员对上级命令的服从(陈杭平,2011)。同时,地方政府掌握法律部门的官员任免权和财政划拨,这可能保证了法律部门对地方政府的服从。综上分析,地方政府具有影响法制子环境的动机、渠道和能力,行政子环境对法制子环境具有显著的决定性作用。
其次,行政子环境对文化信用子环境具有一定的决定性作用。一方面,在完全市场中,企业家能够实时自主地配置生产要素以捕捉市场机遇并获得收益,因此,自由开放的市场环境是激励企业家进行创新活动的机制保障(Kirzner,1974)。然而,政府机构臃肿往往造成部门间权责不清,导致行政审批时间的增加和灰色交易空间的扩大,这不仅提高了企业生产经营的交易成本和技术创新的不确定性(Gupta等,2014),还将引导企业家通过非市场化手段从政府手中谋求资源配置机会,破坏市场公平秩序,最终影响企业家文化的健康发展(徐浩和冯涛,2016)。另一方面,地方政府通过颁布规章条例为社会信用建设提供制度保证。地方政府作为重要的市场参与主体,其自身行为对社会信用的构建具有重要的示范作用。然而,晋升考核在信用方面的缺失使得地方政府的信用违约成为一种社会“规范”(Huang和Wu,1994)。这使得其他市场参与主体维护自身信用面临较高的机会成本,从而弱化了他们维护自身信誉的动机,社会信用处于较低水平。因此,行政子环境对社会文化信用子环境具有重要的决定性作用。
最后,优良的法制子环境有利于塑造良好的文化信用子环境。Basu(2006)认为,法律的最重要功能在于对社会规范的取舍、扬弃而非制定。这表明健全的法律制度和公正的执行将大大增加信用违约的机会成本,有利于培育良好的社会信用环境等社会规范;同时,有力的法律执行有助于维护公平公正的市场环境,降低灰色竞争带来的额外成本,稳定企业家和投资者的收益预期。这将引导企业家专注于企业的技术创新和长期收益,最终形成优良的企业家文化氛围(徐浩等,2016)。可见,法制子环境优化对文化信用子环境的优化具有积极作用。
基于以上分析,本文在H1a−H1c的基础上提出如下假说:
三、研究设计
(一)模型设计。首先,忽视技术创新间的空间相关性将得出有偏的研究结论(Rey和 Montouri,1999);其次,技术创新是一个缓慢积累的过程,前期技术创新水平对当期水平具有重要影响,因此应引入被解释变量的滞后一期项以避免“鸡蛋相生”的内生性问题(Elhorst,2014);最后将制度环境各分项间的交互性纳入考量。因此,本文在Anselin(1988)的基础上构建如下的动态空间回归模型:
$\begin{array}{l}{y_{it}} = \beta {y_{it - 1}} + \rho \sum\limits_{j = 1}^N {{W_{ij}}{y_{it}}} + \gamma Envir{o_{it}} + {\gamma _1}Gov + {\gamma _2}Law + {\gamma _3}Cul + {\gamma _4}Gov \times Law + {\gamma _5}Gov \times Cul + \cdots \\\;\;\;\;\;\;\; + {\gamma _6}Law \times Cul + \sum\limits_{k = 1}^M {{\alpha _k}{Control_{itk}}} + {\alpha _i} + {\upsilon _t} + {\varepsilon _{it}}\end{array}$ | (1) |
$\begin{array}{l}{y_{it}} = \beta {y_{it - 1}} + \gamma Envir{o_{it}} + {\gamma _1}Gov + {\gamma _2}Law + {\gamma _3}Cul + {\gamma _4}Gov \times Law + {\gamma _5}Gov \times Cul + \cdots \\\;\;\;\;\;\;\; + {\gamma _6}Law \times Cul\; + \sum\limits_{k = 1}^M {{\alpha _k}{Control_{itk}}} + {\alpha _i} + {\upsilon _t} + {\varepsilon _{it}},\;\;\;\;\;\;\;\;{\varepsilon _{it}} = \lambda \sum\limits_{j = 1}^M {{W_{ij}}{\varepsilon _{it}}} + {\mu _{it}}\end{array}$ | (2) |
其中:模型(1)为动态空间自回归模型(
${W_{ij}} = \left\{ \begin{array}{l}{e^{ - a{d_{ij}}}},\;i \ne j\\0,\;i = j\;\end{array} \right.$ | (3) |
在模型(1)和模型(2)中,本文通过比较两者的
(二)指标构建。
1. 被解释变量:技术创新。本文选择
2. 核心解释变量:制度环境。本文在樊纲等(2011)研究的基础上,建立以制度环境为一级指标,行政子环境(
一级指标 | 二级指标 | 基础指标 | 指标属性 | 基础指标定义 |
制度环境总体(Enviro) | 行政子环境(
|
政府主导性(
|
负向 | 财政支出/
|
政府干预度(
|
负向 | 地方财政收入/地方财政支出 | ||
政府行政治理(
|
正向 | 行政审批手续方便简洁情况企业抽样评分 | ||
政府规模(
|
负向 | 公共管理和社会组织年底职工数/总人口 | ||
企业税收负担(
|
负向 | 工业企业税收/营业收入 | ||
法制子环境(
|
政府廉政(
|
负向 | (贪污、渎职)涉案人数/总人口 | |
社会稳定(
|
负向 | 每万人中刑事犯罪数量的对数 | ||
专利保护(
|
正向 | 专利执法累积结案数/立案数 | ||
消费者权益保护(
|
负向 | 消费者投诉案件数/总人口 | ||
劳动者权益保护(
|
负向 | 劳动争议案件数/总人口 | ||
文化信用子环境(
|
企业家创新精神(
|
正向 | 专利授权量/总就业人口的对数 | |
商业信用(
|
负向 | 地区银行不良贷款率 |
(1)行政子环境(
(2)法制子环境(
(3)文化信用子环境(
(4)制度环境测算方法。为了使各子环境指标跨年度跨区域可比,本文参考樊纲等(2011)的做法,将2001年设定为基期。基期各基础指标最大者记为10分,最小者记为0分,然后按照(4)−(7)式对其他年份指标进行正向化和无量纲化处理,最后采用算术平均法合成上级指标。④
基年:
$\text{第}i\text{个正向指标}{{ = }}\left( {{{{V}}_{{i}}}{{ - }}{{{V}}_{{{min}}}}} \right) \times {{10}}/\left( {{{{V}}_{{{max}}}}{{ - }}{{{V}}_{{{min}}}}} \right)$ | (4) |
$\text{第}{{i}}\text{个负向指标}{{ = }}\left( {{{{V}}_{{{max}}}}{{ - }}{{{V}}_{{i}}}} \right){{ \times 10}}/\left( {{{{V}}_{{{max}}}}{{ - }}{{{V}}_{{{min}}}}} \right)$ | (5) |
其他年份:
$\text{第}{{i}}\text{个正向指标}{{ = }}\left( {{{{V}}_{{{i(t)}}}}{{ - }}{{{V}}_{{{min(0)}}}}} \right) \times {{10}}/\left( {{{{V}}_{{{max(0)}}}}{{ - }}{{{V}}_{{{min(0)}}}}} \right)$ | (6) |
$\text{第}{{i}}\text{个负向指标}{{ = }}\left( {{{{V}}_{{{max(0)}}}}{{ - }}{{{V}}_{{{i(t)}}}}} \right) \times {{10}}/\left( {{{{V}}_{{{max(0)}}}}{{ - }}{{{V}}_{{{min(0)}}}}} \right)$ | (7) |
3. 控制变量。为了正确识别制度环境对技术创新的影响,本文引入了控制变量(
名称 | 变量 | 符号 | 预期符号 | 变量定义 |
因变量 |
|
|
|
|
|
|
每万人中的
|
||
技术创新产出 |
|
地区发明专利授权量的对数 | ||
核心解释变量 | 制度环境总体 |
|
+ | 由三个子环境按照算术平均法合成 |
行政子环境 |
|
+ | 由行政子环境的5个指标按照算术平均法合成 | |
法制子环境 |
|
+ | 由法制子环境的5个指标按照算术平均法合成 | |
文化信用子环境 |
|
+ | 由文化信用子环境的2个指标按照算术平均法合成 | |
控制变量 | 经济规模 |
|
+ | 扣除物价因素后的各地区人均
|
产业结构 |
|
+ | 地区工业总产值/地区生产总值 | |
人力资本 |
|
+ | 地区6岁以上人口的人均受教育年限 | |
外商直接投资额 |
|
+ | 地区实际利用外资额/地区生产总值 | |
对外开放程度 |
|
+ | 地区进出口总额/地区生产总值 | |
城镇化率 |
|
+ | 地区城镇人口/总人口 | |
基础设施 |
|
+ | 单位平方公里上的公路、铁路与水路运营里程 |
4. 变量描述。图1为制度环境指标的测算结果。2001−2014年,制度环境整体上呈持续改善趋势。分阶段来看,2001−2008年间,制度环境总体的改善较为平缓,相比之下,其优化速度在2009−2014年间显著提高。分地区来看,制度环境按照东中西部的顺序依次递减,且东部地区制度环境改善的平均速度快于中西部地区。表3为变量的描述性统计结果。
变量 | 符号 | 全国 | 东部 | 中部 | 西部 | |||||
|
|
|
|
|
|
|
|
|||
因变量 |
|
|
0.012 | 0.000 | 0.018 | 0.001 | 0.010 | 0.000 | 0.009 | 0.000 |
|
|
2.392 | 0.044 | 2.980 | 0.084 | 2.231 | 0.048 | 1.920 | 0.047 | |
发明专利授权量 |
|
8.516 | 0.078 | 9.498 | 0.127 | 8.497 | 0.097 | 7.548 | 0.110 | |
核心解释变量 | 制度环境总体 |
|
5.965 | 1.066 | 7.997 | 1.412 | 5.214 | 0.819 | 4.479 | 0.872 |
行政子环境 |
|
5.032 | 1.090 | 6.845 | 1.436 | 4.206 | 1.073 | 3.820 | 0.958 | |
法制子环境 |
|
6.679 | 1.371 | 7.401 | 0.976 | 6.289 | 1.142 | 6.241 | 1.287 | |
文化信用子环境 |
|
6.184 | 3.461 | 8.745 | 1.674 | 5.383 | 1.451 | 4.206 | 0.983 | |
控制变量 | 经济规模 |
|
9.924 | 0.037 | 10.398 | 0.053 | 9.721 | 0.059 | 9.599 | 0.058 |
产业结构 |
|
0.397 | 0.004 | 0.405 | 0.008 | 0.415 | 0.006 | 0.375 | 0.004 | |
人力资本 |
|
8.212 | 0.068 | 8.792 | 0.120 | 8.212 | 0.114 | 7.631 | 0.093 | |
外商直接投资额 |
|
0.028 | 0.028 | 0.038 | 0.002 | 0.037 | 0.004 | 0.011 | 0.001 | |
控制变量 | 对外开放程度 |
|
0.328 | 0.012 | 0.707 | 0.038 | 0.120 | 0.004 | 0.109 | 0.005 |
城镇化率 |
|
0.490 | 0.007 | 0.613 | 0.013 | 0.443 | 0.008 | 0.399 | 0.007 | |
基础设施 |
|
0.736 | 0.024 | 1.052 | 0.039 | 0.752 | 0.037 | 0.407 | 0.029 |
(三)数据来源。本文采用了中国30个省区2001−2014年的面板数据,西藏因数据不全而剔除。
四、实证结果与分析
(一)模型选择。
1. 单位根与协整检验。为避免虚假回归,本文选择
2. 空间相关性检验。本文计算了2001−2014年中国地区技术创新的全局
3. 回归模型识别。本文依据白俊红和蒋伏心(2015)的方法计算发现,
(二)回归结果及分析。
1. 全国样本。(1)制度环境及其交互性对研发资金投入(
解释变量 | 被解释变量:技术创新水平(
|
|||||
模型(1) | 模型(2) | 模型(3) | 模型(4) | 模型(5) | 模型(6) | |
|
|
|
|
|
|
|
|
0.138**(2.59) | |||||
|
0.167***(3.25) | 0.207***(3.57) | 0.213***(3.26) | |||
|
0.102**(2.46) | 0.133***(4.19) | 0.162***(4.41) | |||
|
0.0819***(4.17) | 0.0780**(2.21) | 0.0891*(1.93) | |||
|
0.0147*(1.91) | |||||
|
0.0129**(2.76) | |||||
|
0.0278***(3.50) | |||||
Control | Yes | Yes | Yes | Yes | Yes | Yes |
|
0.510*(1.93) | 0.259***(3.37) | 0.784*(1.90) | 0.624**(2.81) | 0.787**(2.56) | 0.716***(3.90) |
|
0.295***(3.64) | 0.311**(2.63) | 0.246***(3.57) | 0.257***(3.76) | 0.234**(2.80) | 0.258***(3.97) |
|
0.301 | 0.589 | 0.530 | 0.623 | 0582 | 0.594 |
样本 | 420 | 420 | 420 | 420 | 420 | 420 |
组数 | 30 | 30 | 30 | 30 | 30 | 30 |
注:模型(4)−(6)中制度子环境为“对中”处理后的变量,其交互项为新变量之间的乘积。表中()内为
|
解释变量 | 被解释变量:技术创新水平(每百万人中研发人员全时当量的对数值) | |||||
模型(7) | 模型(8) | 模型(9) | 模型(10) | 模型(11) | 模型(12) | |
|
|
|
|
|
|
|
|
0.176***(3.81) | |||||
|
0.193*(1.87) | 0.185**(2.29) | 0.132**(2.28) | |||
|
0.126***(3.30) | 0.104*(1.90) | 0.173**(2.24) | |||
|
0.0942**(2.65) | 0.0978***(3.60) | 0.0824***(3.97) | |||
|
0.0237**(2.49) | |||||
|
0.0184***(3.98) | |||||
|
0.0265***(3.80) | |||||
Control | Yes | Yes | Yes | Yes | Yes | Yes |
|
0.0528(1.41) | 0.0726*(1.84) | 0.124**(2.70) | 0.169***(3.15) | 0.122**(2.39) | 0.134*(1.98) |
|
0.324***(4.61) | 0.0960**(2.27) | 0.504*(1.93) | 0.242**(2.31) | 0.460*(1.91) | 0.160***(3.72) |
|
0.158 | 0.534 | 0.621 | 0.594 | 0.529 | 0.626 |
样本 | 420 | 420 | 420 | 420 | 420 | 420 |
组数 | 30 | 30 | 30 | 30 | 30 | 30 |
模型(4)−(6)考察了各子环境间的交互性对创新投入的影响。模型(4)中行政子环境与法制子环境的交互项系数为0.0147且通过了10%的显著性检验。法制子环境对技术创新的边际效应变为
(2)制度环境及其交互性对研发人员投入(
被解释变量:技术创新水平(
|
|||||||||
东部 | 中部 | 西部 | 东部 | 中部 | 西部 | 东部 | 中部 | 西部 | |
SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | SEM(UMLE) | |
模型(13) | 模型(14) | 模型(15) | 模型(16) | 模型(17) | 模型(18) | 模型(19) | 模型(20) | 模型(21) | |
|
0.157***(3.94) | 0.118**(2.65) | 0.109***(5.21) | ||||||
|
0.779***(4.44) | 0.436**(2.79) | 0.352***(3.19) | ||||||
|
0.487*(1.93) | 0.292***(4.18) | 0.240***(3.76) | ||||||
|
0.623**(2.16) | 0.194**(2.35) | 0.187**(2.92) | ||||||
|
|||||||||
|
|||||||||
|
|||||||||
Control | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
L.Rdm | 0.956(0.14) | 1.178**(2.59) | 0.360(1.22) | 0.281***(4.06) | 0.835(0.72) | 0.480**(2.29) | 0.293**(2.52) | 0.383**(2.92) | 0.195**(2.70) |
|
0.325***(3.19) | 0.294***(3.67) | 0.473*(1.90) | 0.365**(2.27) | 0.112***(4.96) | 0.613**(2.78) | 0.408*(1.91) | 0.520**(2.80) | 0.386***(4.51) |
|
0.195 | 0.238 | 0.273 | 0.561 | 0.583 | 0.494 | 0.629 | 0.526 | 0.598 |
样本 | 154 | 112 | 154 | 154 | 112 | 154 | 154 | 112 | 154 |
组数 | 11 | 8 | 11 | 11 | 8 | 11 | 11 | 8 | 11 |
模型(22) | 模型(23) | 模型(24) | 模型(25) | 模型(26) | 模型(27) | 模型(28) | 模型(29) | 模型(30) | |
|
|||||||||
|
0.632***(3.55) | 0.390***(3.94) | 0.238***(4.79) | 0.655*(1.92) | 0.339**(2.14) | 0.217**(2.21) | |||
|
0.364**(2.47) | 0.259**(2.41) | 0.202*(1.84) | 0.300***(4.66) | 0.223**(2.24) | 0.213***(3.18) | |||
|
0.446**(2.24) | 0.126*(1.86) | 0.0807***(3.85) | 0.345*(1.91) | 0.138**(2.21) | 0.0941**(2.68) | |||
|
0.0115***(3.79) | 0.0160***(3.74) | 0.0153***(3.52) | ||||||
|
0.0149**(2.36) | 0.0225***(3.75) | 0.0106**(2.49) | ||||||
|
0.0201***(3.29) | 0.0297**(2.86) | 0.0218***(3.14) | ||||||
Control | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes | Yes |
L.Rdm | 0.276***(3.10) | 0.337***(3.57) | 0.151***(3.63) | 0.284***(3.45) | 0.372**(2.46) | 0.160***(3.22) | 0.267**(2.72) | 0.380***(4.07) | 0.143***(3.87) |
|
0.504*(1.92) | 0.452**(2.31) | 0.390**(2.47) | 0.488**(2.53) | 0.531*(1.84) | 0.364***(3.91) | 0.470**(2.90) | 0.568**(2.90) | 0.406***(3.12) |
|
0.583 | 0.533 | 0.527 | 0.602 | 0.559 | 0.562 | 0.545 | 0.613 | 0.578 |
样本 | 154 | 112 | 154 | 154 | 112 | 154 | 154 | 112 | 154 |
组数 | 11 | 8 | 11 | 11 | 8 | 11 | 11 | 8 | 11 |
注:模型(22)−(30)中制度子环境为“对中”处理后的变量,其交互项为新变量之间的乘积。表中()内为
|
2. 地区样本。(1)制度环境及其交互性对研发资金投入(
模型(22)−(30)考察了各子环境间的交互性对技术创新的影响。各子环境对技术创新均具有显著的正向推动作用,回归系数依然按照东中西部的顺序依次递减,且行政子环境对技术创新的推动作用最强,这与模型(19)−(21)的结论一致。各交互项系数均显著为正,但地区差异显著。模型(22)−(24)考察了行政子环境和法制子环境及其交互项对技术创新的影响。东中西部交互项的系数分别为0.0115、0.0160和0.0153,且均在1%的显著性水平上显著为正。这意味着在其他条件不变的情况下,东中西部行政子环境每提高1个单位,法制子环境对技术创新的推动作用将分别增加1.15%、1.60%、1.53%,再次验证了假说
值得注意的是,回归结果呈现地区异质性。一、东部地区制度环境总体及各子环境对技术创新的推动作用均优于中西部地区,回归系数均按照东中西的区域顺序依次递减。从表面上看(图1),这是因为东部地区的制度环境优于中西部地区。然而其本质是,东部地区的制度环境能更好地与技术创新的产业特征−高风险、长周期、高回报−相匹配。这主要表现在三个方面:(1)政府干预较少,行政服务简洁高效。一方面,东部地区经济较为发达,地方税收足以弥补繁杂的事权支出,地方政府采用超经济手段干预市场的程度较小;另一方面,民营经济是东部地区经济发展的重要构成,民营经济的好坏关系到地方政府的政治晋升。因此,地方政府倾向于通过优化自身服务以支持民营经济的发展。(2)法律执行力强。改革开放以来,东部地区已形成了完善的产业链,低端产品市场已趋近饱和。为维持企业良好的发展势头和自身在“晋升锦标赛”中的优势地位,东部地区逐步加强了执法力度,为企业家推动技术创新提供了良好的收益保障。(3)企业家文化浓郁、信用环境良好。一方面,我国低端产品市场已日趋饱和,民营经济只有通过技术创新才能保持市场地位,因此,东部地区企业家具有更紧迫的创新压力和更强的创新意识;另一方面,东部地区雄厚的民间资本和较高的信用水平催生了金融市场的蓬勃发展,为长周期、高投资的技术创新提供了融资保障。综上分析,东部地区的制度环境能为企业技术创新提供更有力的支撑。因此,东部地区的回归结果优于中西部地区。二、在表6中,除模型(27)外,中西部交互项系数均大于东部地区相应的交互项系数。这是因为:(1)东部地区制度环境总体和各子环境水平均显著优于中西部地区,行政子环境提升对法制子环境的强化作用和法制子环境对文化信用子环境的强化作用存在边际递减效应。(2)与东部相比,中西部地区不仅生产要素成本低,而且在基础设施等方面已逐渐缩小与东部的差距。因此,中西部行政子环境优化在边际上便能形成对东部的比较优势,吸引东部地区产业向中西部地区转移。
(2)制度环境及其交互性对研发人员投入(
(三)稳健性检验。本文选取发明专利作为测度指标,采用经济空间权重矩阵代替地理距离空间权重矩阵,沿用
$W_{ij}^e = W_{ij}^d\left( {{{\bar Y}_1}/\bar Y,{{\bar Y}_2}/\bar Y, \cdots ,{{\bar Y}_n}/\bar Y} \right)$ | (8) |
其中:
五、主要结论与政策启示
新常态下,推动技术创新是实现经济高质量增长的核心。本文基于中国“晋升锦标赛”和法院“合一制”等体制特征,系统剖析了行政、法制与文化信用以及三者间的交互性对技术创新的影响机理,在此基础上,以中国30个省区2001−2014年数据为样本,采用动态空间误差模型(
一、以优化行政治理水平为基点改善制度环境。研究表明:(1)地方政府倾向于对本地司法部门实施治理性干预,而法院“合一制”为此提供了渠道和能力。地方政府行政治理水平的改善能够提升法制子环境对技术创新的推动作用。因此,本文认为应在省级层面推进“省以下法院人财物统管”改革,逐步将人事任免和财政拨款权上收至省级管理部门,彻底切断地级市和县级政府对本级司法部门的干预渠道,从而加强基层司法部门的独立性。(2)优化地方政府行政治理能够提升文化信用子环境对技术创新的推动作用。因此,应将公共服务质量和效率纳入官员考核评价体系,倒逼地方政府通过简政放权等措施降低企业家创新的交易和摩擦成本,同时将地方政府信用水平纳入政绩考核指标,强化政府在信用环境建设中的示范作用。
二、结合地区禀赋结构,制定差异化的区域发展政策。研究显示:(1)东部地区制度环境总体及各分项对技术创新的推动作用优于中西部地区。东部虽然自然资源匮乏,但区位优势显著、产业链完善,民营和外资是其经济发展的重要构成。因此,中央政府应进一步深化对东部地区“简政放权”的力度,扩大东部地区“因地制宜”优化自身制度供给的空间和弹性,以引进外资和支持民营经济的技术升级。(2)与东部相比,中西部行政子环境优化对其他子环境之于技术创新的推动作用在边际上具有更大的提升效应。同时,东部地区低端产业发展过剩,企业运营成本过高。中央政府应积极推动中西部地区提升行政子环境水平,带动其他子环境不断改善,利用较大的边际提升效应来吸引东部地区产业向本地转移,带动本地技术创新水平的快速提升。
① 本文所述制度环境包含三个方面:行政治理、法制水平和文化信用子环境。值得注意的是,对于一国而言,政治和法制制度框架在地区间没有根本区别,而地方行政治理(行政子环境)和法制水平(法律执行力度)却存在巨大差异。因此,本文论述的行政子环境是指地方政府的治理水平,法制子环境的内涵是地方执法力度,文化信用子环境中文化的内涵为一个地区的企业家创新精神。
② “企业家”最早由法国古典重商主义经济学家理查德•坎特伦提出,随后,萨伊将企业家精神引入经济学理论框架。
④ 主成分分析法会导致指数跨年度不可比(樊纲等,2011),因此本文采用算术平均法合成指数。
⑥ 工业企业税收包括两部分,主营业务税金及其他和本年应交增值税。
⑦ 该方法不仅可以检验异质面板的协整关系,还可以考察变量与变量间、变量与整个面板数据间的协整关系。
⑧ LISA集聚图将本地区与周边地区的空间依赖性划分为5个状态,包括“高-高”(HH)集聚区、“高-低”(HL)集聚区、“低-高”(LH)集聚区、“低-低”(LL)集聚区和“None”(不显著)。其中,“高-高”表示本地区技术创新水平较高,周边地区技术创新水平也较高,其他依次类推。
⑨ 西藏2001—2014年研发投入数据完整,本文故将西藏纳入局部Moran’s I指数的计算中;剔除西藏部分,中国地区技术创新水平(研发资金投入)的集聚效应基本保持不变。
⑩ 东部地区包括:北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南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;限于西藏的统计数据不全,西部地区包括:的四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古11个省市。
⑪ 限于篇幅,回归结果与稳健性检验结果不再列示,但结果备索。
[1] | 白俊红, 蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究, 2015(7): 174–187. |
[2] | 曹琪格, 任国良, 骆雅丽. 区域制度环境对企业技术创新的影响[J]. 财经科学, 2014(1): 71–80. |
[3] | 陈柏峰. 领导干部干预司法的制度预防及其挑战[J]. 法学, 2015(7): 37–45. |
[4] | 陈杭平. 论中国法院的" 合一制”——历史、实践和理论[J]. 法制与社会发展, 2011(6): 57–68. |
[5] | 段忠贤. 自主创新政策的供给特征——一种三维量化分析视角[J]. 自然辩证法通讯, 2017(2): 93–101. |
[6] | 樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献[J]. 经济研究, 2011(9): 4–16. |
[7] | 侯猛. " 党与政法”关系的展开——以政法委员会为研究中心[J]. 法学家, 2013(2): 1–15. |
[8] | 克里斯·布鲁克斯, 邹宏元译. 金融计量经济学导论[M]. 成都: 西南财经大学出版社, 2005. |
[9] | 李后建. 市场化、腐败与企业家精神[J]. 经济科学, 2013(1): 99–111. |
[10] | 李青原, 李江冰, 江春. 金融发展与地区实体经济资本配置效率——来自省级工业行业数据的证据[J]. 经济学(季刊), 2013(2): 527–548. |
[11] | 黎文靖, 郑曼妮. 实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016(4): 60–73. |
[12] | 林毅夫. 解读中国经济[M]. 北京: 北京大学出版社, 2014. |
[13] | 鲁桐, 党印. 投资者保护、行政环境与技术创新: 跨国经验证据[J]. 世界经济, 2015(10): 99–124. |
[14] | 唐未兵, 傅元海, 王展祥. 技术创新、技术引进与经济增长方式转变[J]. 经济研究, 2014(7): 31–43. |
[15] | 王华. 更严厉的知识产权保护制度有利于技术创新吗?[J]. 经济研究, 2011(S2): 124–135. |
[16] | 王小鲁, 樊纲, 余静文. 中国分省份市场化指数报告(2016)[M]. 北京: 社会科学文献出版社, 2017. |
[17] | 温军. 法律、投资者保护与企业自主创新[J]. 当代经济科学, 2011(5): 50–58. |
[18] | 徐浩, 冯涛. 深化体制转型是推进供给侧改革的根基[J]. 西安交通大学学报(社会科学版), 2016(4): 1–7. |
[19] | 徐浩, 温军, 冯涛. 制度环境、金融发展与技术创新[J]. 山西财经大学学报, 2016(6): 41–52. |
[20] | 姚耀军. 金融中介发展与技术进步——来自中国省级面板数据的证据[J]. 财贸经济, 2010(4): 26–31. |
[21] | 叶晓佳, 孙敬水. 分配公平、经济效率与社会稳定的协调性测度研究[J]. 经济学家, 2015(2): 5–15. |
[22] | 于斌斌. 产业结构调整与生产率提升的经济增长效应——基于中国城市动态空间面板模型的分析[J]. 中国工业经济, 2015(12): 83–98. |
[23] | 张杰, 郑文平. 全球价值链下中国本土企业的创新效应[J]. 经济研究, 2017(3): 151–165. |
[24] | 章元, 刘时菁, 刘亮. 城乡收入差距、民工失业与中国犯罪率的上升[J]. 经济研究, 2011(2): 59–72. |
[25] | Acs Z J, Armington C. Employment growth and entrepreneurial activity in cities[J]. Regional Studies, 2004, 38(8): 911—927. |
[26] | Allen F, Qian J, Qian M. Law, finance, and economic growth in China[J]. Journal of Financial Economics, 2005, 77(1): 57–116. DOI:10.1016/j.jfineco.2004.06.010 |
[27] | Barro R J, Lee J W. A new data set of educational attainment in the world, 1950–2010[J]. Journal of Development Economics, 2013, 104: 184–198. DOI:10.1016/j.jdeveco.2012.10.001 |
[28] | Basu K. The role of norms and law in economics: An essay on political economy[R]. Working Paper, 1998. |
[29] | Dhaliwal D S, Li O Z, Tsang A. Voluntary nonfinancial disclosure and the cost of equity capital: The initiation of corporate social responsibility reporting[J]. Accounting Review, 2011, 86(1): 59–100. DOI:10.2308/accr.00000005 |
[30] | Elhorst J P. Spatial panel data models[A]. Fischer M, Getis A. Handbook of Applied Spatial Analysis[C]. Berlin, Heidelberg: Springer, 2014. |
[31] | Gupta V K, Guo C, Canever M. Institutional environment for entrepreneurship in rapidly emerging major economies: The case of Brazil, China, India, and Korea[J]. International Entrepreneurship and Management Journal, 2014, 10(2): 367–384. DOI:10.1007/s11365-012-0221-8 |
[32] | La Porta R, Lopez-De-Silanes F, Shleifer A. Law and finance[J]. Journal of Political Economy, 1998, 106(6): 1113–1155. DOI:10.1086/250042 |
[33] | La Porta R, Lopez-de-Silanes F, Shleifer A. Investor protection and corporate governance[J]. Journal of Financial Economics, 2000, 58(1): 3–27. |
[34] | Maskus K E, Neumann R, Seidel T. How national and international financial development affect industrial R&D[J]. European Economic Review, 2012, 56(1): 72–83. DOI:10.1016/j.euroecorev.2011.06.002 |
[35] | Sun H. Institutional environment, factors distortion and the innovation technical progress[J]. Science and Technology Management Research, 2016, 36(21): 251–257. |
[36] | Westerlund J, Edgerton D L. A panel bootstrap cointegration test[J]. Economics Letters, 2007, 97(3): 185–190. DOI:10.1016/j.econlet.2007.03.003 |
[37] | Zheng X, Yu Y, Wang J. Identifying the determinants and spatial nexus of provincial carbon intensity in China: A dynamic spatial panel approach[J]. Regional Environmental Change, 2014, 14(4): 1651–1661. DOI:10.1007/s10113-014-0611-2 |