技术进步的短期波动与长期均衡效应研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇技术进步的短期波动与长期均衡效应研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
〔摘要〕本文通过构建高技术产业R&D投入与技术进步的长期均衡模型和短期波动模型，研究了R&D投入驱动技术进步过程中的结构变化与调整机制。结论认为，创新难度加大和R&D投入边际收益递减导致高技术产业中长期技术进步的R&D投入弹性由显著变为不显著，高技术产品的创新速度加快和R&D投入效率提升使得短期技术进步的R&D投入弹性由不显著变为显著。“干中学”效应、对引进技术的消化吸收能力增强使得技术引进对技术进步的长期贡献和短期贡献逐渐增加。高技术产业中科技人员结构不合理的现象逐渐改观，长期中人力资本的贡献开始显现。此外，我国高技术产业中技术进步受到冲击后返回至均衡路径的调整速度不断加快，高技术产业技术进步的自我调整机制趋于完善，技术进步的“惯性”逐渐形成。
〔关键词〕高技术产业；R&D投入；技术进步
中图分类号：F27644 文献标识码：A文章编号：10084096（2016）01002608
一、问题的提出
新增长理论指出，创新和技术进步是经济增长的最重要因素。2012年11月，党的十报告提出，我国要实施创新驱动发展战略，提高原始创新、集成创新和引进消化吸收再创新能力。研发（R&D）活动是创新和技术进步的关键驱动力。高技术产业具有高研发投入、高附加值和高利润回报率的“三高”特征，是实现技术进步和技术创新的重要部门。根据《中国高技术产业统计年鉴（2002―2012）》的统计数据进行测算，1995―2011年，我国高技术产业R&D 经费内部支出从17847亿元迅速增长到1 237807亿元，年均增长率达312%，此外，高技术产业中专利申请数量也由612件增加到了77 725件，年平均增长率为354%。
高技术产业中R&D投入对技术进步的贡献具有明显的时滞特征，R&D投入在当期的作用并不显著，但R&D投入带来的知识存量累积、知识溢出会对后续相关的技术创新活动产生持续影响。并且，与其他要素类似，R&D投入具有边际收益递减特征，导致其对技术进步的影响在长期和短期并不一致。在技术创新初期，受到R&D投入资金、科研团队和实验条件等的限制，短期内难以取得技术进步的突破。随着研发队伍的不断壮大、R&D投入经费的持续增长、技术储备的不断增加，研发规模效应逐渐体现，高技术产业R&D投入的边际收益开始上升。当R&D投入增长到一定程度时，高技术产业中创新和技术进步的难度加大，R&D投入要素拥挤，边际收益下降。
在技术进步“干中学”理论的框架下，相对于均衡的技术进步路径，高技术产业在技术进步过程中还存在着调整机制，即当技术进步偏离均衡状态时，会以一定的速率收敛到平衡增长路径。高技术产业中R&D投入的边际收益递减效应与技术进步的调整机制交互作用，会使得技术进步在调整过程中存在一定的结构变化。因此，研究高技术产业中R&D投入对技术进步的驱动效应不仅能够将R&D投入对技术进步的贡献做出准确评价，而且关系到高技术产业中创新驱动效应的发挥。
关于R&D投入对高技术产业技术进步的影响，国内外大多数学者都是在Grossman和Helpman[1]、Aghion和Howitt[2]的R&D投入与技术进步理论模型的基础上进行实证研究。Jaffe 和 Fogarty[3]认为R&D投入的增加不仅可以促进产业的技术进步，还有助于相关产业劳动生产率的提高，进而可以提升一个区域的整体经济水平。Guellec和Potterie[4] 、Furman等[5]对OECD国家的实证研究发现，R&D投入对技术进步具有显著的正向促进作用，R&D投入每增加1%，技术进步提升02%，R&D投入能够解释创新能力差异的90%。Kinoshita [6]指出R&D投入可以显著提高企业生产率，并且，学习效应对企业生产率增长的影响远远大于创新效应。Coccia [7]实证检验了R&D投入对劳动生产率增长的影响，并进一步测算了美国R&D投入对劳动生产率增长最快的最优投入率，研究结果显示，R&D投入对生产率增长具有显著性作用，R&D投入对劳动生产率增长的贡献超过了65%，从长期来看，最优R&D投入率为全国R&D经费支出占国内生产总值的23%―26%。此外，有关R&D投入对技术进步影响渠道的研究发现R&D支出活动显著提高了高技术企业对进口技术的吸收能力，进而推动了技术进步[8]。Stllinger [9]构建了以人力资本为门限的Benhabib―Spiegel模型，根据技术水平将不同国家分为创新型、模仿型和停滞型，考察这三种类型国家的吸收能力对技术进步的影响发现，技术模仿可以提升技术落后国家的技术水平，模仿型国家知识溢出效应的能力最强，技术进步最明显，一个国家的吸收能力越低，技术模仿水平越差，技术进步效应越小，反之，技术进步效应越大。在R&D投入时滞性的研究方面，Griliches[10]、Aboody和Lev[11]认为高技术企业中R&D投入转化为技术成果的滞后期并不长，R&D投入滞后3期对高技术企业绩效的影响最为显著。
国内学者有关R&D投入对技术进步驱动效应的研究也十分丰富，肖文和林高榜[12]研究发现不同渠道下的R&D投入对技术进步均具有正向影响。刘小鲁[13]指出提高自主R&D支出比重有利于提升技术进步率。然而，张海洋[14]发现R&D投入对技术进步有负向影响，由于内资部门吸收能力的限制，增加R&D投入并不能促进生产率增长，特别是高技术产业部门的R&D投入较低，内资部门不能很好地吸收外资的先进技术，从而抑制了生产率的增长。除此之外，师萍等[15]认为R&D投入对技术进步的影响呈现倒U型，初期R&D投入会对技术进步产生积极的杠杆效应，当超过一定临界点时，杠杆效应会逐步转变为消极的挤出效应。夏良科[16]认为高技术产业中R&D投入与人力资本的交互效应不仅与全要素生产率增长显著正相关，而且是促进技术进步的重要因素。傅晓霞和吴利学[17]分析了R&D投入与技术差距的交互项对技术进步的决定机制，指出技术差距的大小决定了R&D投入的有效性，技术差距越小，越有利于对国外引进技术的模仿、吸收，技术进步越大。程进等[18]、卢方元和靳丹丹[19]发现，短期内R&D人力资本积累和R&D投入增长不能迅速转化为生产力，技术进步缓慢，但长期中R&D投入的创新效应较为显著。
国内外文献中，分时期、分区域研究R&D投入对技术进步的直接贡献和间接影响的文献较多，但对R&D投入驱动技术进步过程中的结构变化与调整机制的研究很少，而对结构变化与调整机制的研究是分析R&D投入对技术进步动态影响过程、揭示R&D投入促进技术进步内在机理的重要途径。因此，本文在R&D投入驱动技术进步理论模型的基础上，构建高技术产业R&D投入与技术进步的长期均衡模型和短期波动模型，在两类模型中分别引入调整效应项，分阶段进行模型估计，保证结果的准确性与可靠度。本文的结构安排如下：第二部分构建R&D投入驱动技术进步的模型，第三部分是数据来源、变量选取和检验，第四部分是高技术产业中R&D投入等因素对技术进步驱动效应的实证分析，第五部分是结论与政策建议。
二、R&D投入驱动技术进步的模型构建
在Aiyar和Feyrer[20]技术进步模型的基础上，本文构建高技术产业R&D投入驱动技术进步的模型，如式（1）所示。
t/At=f（TEGt，Xt）（1）
其中，t为高技术产业的知识增量，At为t时期高技术产业的技术水平，t/At代表技术进步，TEGt代表技术差距，Xt代表影响高技术产业技术进步的其他因素。
基于Nelson和Phelps的技术差距关系假说，技术差距TEGt可以表示为式（2）。
TEGt=lnA*t-lnAt（2）
其中，A*t为t时期高技术产业的潜在技术水平，ln代表取对数。潜在技术水平A*t在现实中无法观测，一般通过预期得到，本文借鉴外推预期的表示方法，将lnA*t表示为式（3）。
lnA*t-lnAt=γ（lnAt-lnAt-1）（3）
其中，At-1为t-1时期高技术产业的技术水平，γ为调整系数。式（3）可以调整为式（4）。
lnA*t-lnAt=γ（lnAt-lnAt-1）=γ ln（t-1/At-1+1）≈γ（t-1/At-1）（4）
综合式（1）至式（4），并选取高技术产业R&D投入（RDS）、技术引进支出（ETA）、人力资本（FEP）代表Xt，则高技术产业R&D投入驱动技术进步的模型如式（5）所示。
t/At=f（γ（t-1/At-1），RDSt，ETAt，FEPt）（5）
为简化起见，本文采用变量TECHt代表技术进步t/At，采用柯布―道格拉斯（C-D）函数形式表达技术进步函数f（・），得到式（6）。
TECHt=（γ×TECHt-1）α×RDSβ1t×ETAβ2t×FEPβ3t（6）
将式（6）两边取对数，加入随机扰动项，并采用面板数据模型形式表示高技术产业技术进步的长期方程，如式（7）所示。
lnTECHit=β0+αlnTECHit-1+β1lnRDSit+β2lnETAit+β3lnFEPit+uit（7）
其中，i代表高技术产业的各细分子行业，TECHit-1的系数经过计算后可以得到调整系数，用于反映高技术产业技术进步的长期调整机制。
式（7）反映了高技术产业技术进步与R&D投入、技术引进与人力资本之间的长期均衡关系，因变量的一阶滞后作为调整机制，因而成为动态模型。长期均衡模型中的变量均取对数，变量系数表示长期弹性。
由于R&D投入的时滞性、人力资本的不确定性等原因，R&D投入对技术进步在长期和短期的影响并不一致，因而本文构建高技术产业技术进步的短期波动方程。短期中高技术产业技术进步的调整机制更关注对长期均衡的偏离，因而估计式（7）得到残差项式（8）作为短期模型的调整机制项。
ecmit=it=lnTECHit-0-lnTECHit-1-1lnRDSit-2lnETAit-3lnFEPit（8）
采用各变量差分形式构建短期波动方程，并加入短期调整项，如式（9）所示。
ΔlnTECHit=ρ0+λecmit-1+ρ1ΔlnRDSit+ρ2ΔlnETAit+ρ3ΔlnFEPit+vit（9）
式（9）表明高技术产业技术进步的波动不仅取决于R&D投入、技术引进经费和人力资本的短期变化，还受高技术产业技术进步偏离长期均衡程度（ecmit-1）的影响。短期模型中各变量的差分项表示短期波动，差分项系数表示短期弹性。式（7）至式（9）构成了高技术产业技术进步的协整与误差修正模型，同时刻画了变量之间的长期均衡与短期波动关系。
三、数据来源、变量选取和检验
本文中所采用的数据来源于《中国高技术产业统计年鉴（2002―2012）》中高技术产业17个二级行业1997―2011年共15年的年度面板数据。参照《国民经济行业分类与代码（GBT4754-94）》，本文选取的高技术产业17个二级行业为：化学药品制造、中成药制造、生物生化制品制造、飞机制造及修理、航天器制造、通信设备制造、雷达及配套设备制造、广播电视设备制造、电子器件制造、电子元件制造、家用视听设备制造、其他电子设备制造、电子计算机整机制造、电子计算机外部设备制造、办公设备制造、医疗设备及器械制造、仪器仪表制造。式（7）至式（9）中，i = 1―17，t=1997―2011，变量的选取与测算方法如下：
1高技术产业技术进步率与累积技术进步率的测算
本文采用数据包络分析（DEA）中的Malmquist生产率指数方法计算高技术产业全要素生产率的变动。
（1）DEA方法。该方法由Charnes 等 [22]提出，是用于测算或评价效率的一种数学规划方法。作为一种有效的评价技术效率的方法和手段，DEA可以根据决策单元中的投入产出指标，检验多个输入和多个输出部门。基本原理是将效率最高的决策单元作为技术前沿水平，将其他决策单元与之对比所计算的相对效率水平作为技术效率。
（2）Malmquist生产率指数方法是在DEA原理的基础上提出的，因为Malmquist生产率指数是距离函数的比值，而距离函数恰好为DEA中最优值的倒数。因此，t时期的距离函数为Dto（xt，yt），定义为式（10）。
Dto（xt，yt）=inf（θ：（xt，yt/θ）∈St）=sup（θ：（xt，θyt）∈St）-1（10）
其中，下标o表示距离函数是基于产出来定义的，xti为投入向量，yti为产出向量，St为t期可行的投入产出集合，即生产可能集。因此，根据DEA原理及距离函数定义，距离函数为DEA最优值的倒数。在规模报酬不变情况下，Malmquist生产率指数计算公式如式（11）。
Mi，t+1（xti，yti，xt+1i，yt+1i）=[Dti（xt+1i，yt+1i）Dti（xti，yti）×Dt+1i（xt+1i，yt+1i）Dt+1i（xti，yti）]1/2（11）
其中，i为行业，t为时间。为了更好地分离出技术效率变化和技术进步变化，进一步变形得到式（12）。
Mi，t+1（xti，yti，xt+1i，yt+1i）=Dt+1i（xt+1i，yt+1i）Dti（xti，yti）×[Dti（xti，yti）Dt+1i（xti，yti）×Dti（xt+1i，yt+1i）Dt+1i（xt+1i，yt+1i）]1/2（12）
其中，Dt+1i（xt+1i，yt+1i）Dti（xti，yti）为技术效率，[Dti（xti，yti）Dt+1i（xti，yti）×Dti（xt+1i，yt+1i）Dt+1i（xt+1i，yt+1i）]1/2为技术进步。
本文在DEA方法及Malmquist生产率指数方法的基础上，将Malmquist生产率指数分解为技术效率指数与技术进步指数。其中，技术进步指数表示相邻时期的技术进步。技术进步指数大于1表示与上一时期相比，该时期的技术是进步的。在基期后的每一年，将之前的技术进步指数累乘可以得到本期相对于基期的累积技术进步率，记为TECH。
采用DEAP21软件，将各行业高技术产业实际产出、实际资本存量要素和劳动力要素数据输入后即可进行效率的测算与分解，最终得到1997―2011年17个行业的255个生产率指数和255个技术进步指数由于篇幅限制，本文中没有列出Malmquist生产率指数和技术进步指数的计算结果，需要时可向作者索取。。本文计算了GDP平减指数，对高技术产业总产值平减得到实际总产值，选取固定资产投资价格指数对高技术产业新增固定资产平减后，累加得到实际资本存量K，选取高技术产业年末从业人员数作为劳动变量，GDP平减指数和固定资产价格指数均以1996年为基期。
2R&D存量（RDS）的估算
高技术产业的R&D存量是根据当期R&D经费内部支出和前期高技术产业的R&D存量加总计算得到。作为一种特殊资本，与一般物质资本类似，R&D资本也存在折旧，国内外文献中普遍采用永续存盘法计算R&D存量。计算公式为：RDSit=RDit+（1-δ）RDSit-1。 其中，RDSit为第i个行业第t年的R&D存量，RDit为第i个行业第t年的R&D经费支出，RDSit-1为第i个行业第t-1年的R&D存量。借鉴朱有为和徐康宁[21]的数据，R&D资本的折旧率δ取值为15%。R&D经费支出使用R&D支出价格指数进行平减后计算R&D资本。另外，本文中R&D支出价格指数借鉴了张同斌[22]的处理方法，即R&D价格指数由居民消费价格指数和固定资产投资价格指数加权合成，以1996年为基期，其中，消费价格指数的权重为55%，固定资产投资价格指数的权重为45%。
3人力资本变量（FEP）和技术引进消化吸收经费支出（ETA）的选取
由于我国高技术产业中缺少受教育程度等相关数据，本文采用高技术产业R&D活动人员折合全时当量代表人力资本变量，记为FEP。高技术产业的R&D活动人员折合全时当量由参加R&D项目人员及应分摊在R&D项目的管理和服务人员的全时当量相加得到。本文将高技术产业技术引进经费支出与技术消化吸收经费支出加总，记为ETA，表示除自主R&D支出以外的其他技术经费支出。与R&D支出类似，技术引进消化吸收经费支出（ETA）变量也采用以1996年为基期的R&D支出价格指数进行平减。
4变量的单位根检验与协整检验
由于面板数据是否平稳会对实证结论产生重要影响，非平稳的数据具有随机游走性，难以把握其规律，导致伪回归现象的出现。因此，在进行实证分析之前，本文采用面板数据的Fisher-ADF检验与Fisher-PP检验方法对各变量进行了单位根检验，如表1所示。
根据表1可得，各变量对数序列均为非平稳序列，但一阶差分序列均为平稳序列。在此基础上，利用面板数据的Kao检验对各变量之间的关系进行协整检验，检验结果表明，各变量之间存在协整关系，即存在长期均衡关系，符合建立协整与误差修正模型的条件。因此，本文建立高技术产业R&D投入驱动技术进步的短期波动模型和长期均衡模型符合计量经济学原理，得出的结论具有可靠性。
四、高技术产业中R&D投入等因素对技术进步驱动效应的实证分析
由于我国高技术产业发展速度较快，尤其是一些重大项目的实施极大地提高了高技术产业在国民经济中的地位，显著地促进了技术水平的提高和创新能力的提升，高技术产业的快速发展使得高技术产业存在着一定程度的结构变化。因此，在此基础上，本文首先进行高技术产业技术进步结构变化的检验。
1高技术产业技术进步结构变化的检验
自“863计划”和“火炬计划”后，我国于2001年提出高新技术产业园区的“二次创业”计划，更为有力地推动了高技术产业的迅速发展。借鉴Chow检验的方法，本文对2002年前后高技术产业技术进步模型进行结构变化的检验。
假设1997―2002年的回归残差平方和为RSS1，样本数为n1；2002―2011年的回归残差平方和为RSS2，样本数为n2，RSS1与RSS2之和记为RSSur。1997―2011年的回归残差平方和为RSSr，模型的待估参数为k个，根据式（13）中的F统计量，可以进行结构稳定性检验。
F=（RSSr-RSSur）/kRSSur/（n1+n2-2k）～F[k，（n1+n2-2k）]（13）
经检验，在2002年，式（7）和式（9）的F统计量分别为5975和3034，均在1%的置信水平下显著，可以判定存在结构变化。因此，本文在1997―2002年、2002―2011年、1997―2011年三个时间段上分别估计式（7）和式（9），以减少结构变化的影响。
2R&D投入等因素驱动技术进步的长期均衡效应分析
采用动态面板广义矩估计（GMM-DIFF）方法对长期均衡模型式（7）进行估计，该方法对所估计的模型进行一阶差分以去掉固定效应的影响，再用一组解释变量的滞后项作为差分方程中相应变量的工具变量，获取一致性的估计，从而得到样本回归模型式（14）。
lnTECHit=0+lnTECHit-1+1lnRDSit+2lnETAit+3lnFEPit+it （14）
利用EViews8软件，对式（14）进行估计，所得结果如表2所示。
1997―2002年，我国高技术产业中长期技术进步的R&D投入弹性1显著为0567，该时期我国高技术产业发展迅速，学习、模仿型技术进步空间较大，创新难度相对较低，R&D投入的风险低、边际收益高，R&D投入的有效性得到充分发挥，使得高技术产业R&D投入对技术进步的贡献和R&D投入效率逐年提升。2002―2011年，R&D存量的长期弹性系数显著为-0197，高技术产业中“R&D投入生产率悖论”现象凸显。该现象的产生有三方面的原因：一是由于高技术产业中过多的人力资本和经费投入到R&D活动中，生产活动获得的要素投入减少，高技术进步进展缓慢的同时，R&D投入对技术进步的贡献下降；二是与发达国家相比，虽然我国高技术的集成创新、自主创新能力还有一定差距，但技术进步空间不断缩小，高技术创新的难度不断增加；三是R&D投入资本替代效应，随着我国高技术产业的迅猛发展，R&D投入成为劳动力和资本的净替代，而这种替代主要是要素之间的选择在生产函数曲线上的移动，并没有引起生产率的提高。此外，随着R&D投入的不断加大，高技术产业中R&D投入开始出现边际收益递减，且R&D资源缺乏科学合理的管理制度也导致R&D投入的效果不显著，最终导致1997―2011年整个时间段上R&D存量对技术进步的贡献不足。
技术引进方面，如表2所示，2002年之前，高技术产业技术引进变量（lnETA）的长期弹性系数2不显著，这主要是由于在技术引进基础上的再创新有一个消化吸收的过程，消化吸收的效果不显著，即“干中学”的效果不明显，“技术引进―模仿吸收”的良性机制没有形成；R&D投入的内部结构不合理，根据《中国科技统计2012年度报告》统计，2000年，我国试验发展活动人员比重为675%，基础研究和应用研究人员比重为325%，试验发展项目具有高风险特征，其比率过高增大了技术引进的收益不确定性，抑制了技术进步率的提升。另外，发达国家对华高技术出口限制严格，也使得我国高技术产业技术引进的低水平重复建设问题突出。2002年之后，我国充分利用加入世界贸易组织的有利条件，加大引进适用于我国的先进技术。我国企业通过模仿学习，对引进技术的消化吸收能力不断增强。高技术引进的“示范效应”和“溢出效应”开始显现，国内外高技术之间实现了优势互补，技术引进对技术进步的贡献充分显现。表2显示，2002―2011年技术引进变量的系数2为0277，而1997―2011年高技术产业中技术引进对技术进步的贡献达到了0499。
人力资本对技术进步的长期影响方面，1997―2002年间，长期技术进步的人力资本弹性3显著为负。在这一时期，我国高技术产业中劳动力素质相对较低，科技人员结构不合理，传统人才较多、高端人才缺乏。具体而言，高级科技人员偏少，一般科技人员偏多；技术熟练的高级技工较少，一般工人较多，削弱了高技术产业的创新能力，降低了高技术产业的生产效率，影响高技术产业的生产效率。根据《中国科技统计2012年度报告》统计，2000年，我国高技术产业R&D人员全时当量仅占高技术产业全部从业人员的235%。2002―2011年，国家高端人才引进计划的实施和我国高技术产业人才培养规模的扩大，为高技术产业提供了有力的人力资本支撑。另外，人力资本增长后，高技术人才之间通过相互交流、学习等实现优势互补、信息共享及要素整合，使得行业内和行业间的“协同效应”得到发挥，创新回报大于人力资本成本，人力资本对技术进步率的提升产生正向影响，进而促进其规模效应显现。2002―2011年，高技术产业技术进步长期均衡模型中人力资本变量的弹性系数显著为0038，人力资本的贡献开始发挥。
高技术产业中R&D投入的时滞效应较为明显。本期R&D投入形成的R&D资本，会成为此后技术进步的基础。在式（14）中，lnTECHit-1的系数表示上一期技术进步对本期技术进步的影响程度。如表2所示，1997―2002年和2002―2011年，上一期技术进步变量（lnTECHit-1）的动态系数分别显著为0199和0628，上一期技术进步对本期技术进步有明显的驱动作用，且驱动作用逐渐增强。此外，在模型（14）中，采用1-得到调整系数，用于反映技术进步对外界反应的敏感程度，即高技术产业中技术进步的长期调整机制。1997―2002年和2002―2011年，技术进步的长期调整系数分别为0801和0372，这表明随着时间的推移，我国高技术产业技术进步的稳定性提高，市场环境波动、R&D投入和人力投入的波动等外部因素对技术进步的干扰程度显著降低，高技术进步的“惯性”逐渐形成。
参考文献：
[1]Grossman， GM， Helpman， EInnovation and Growth in the Global Economy [M]Cambridge： MIT Press， 1993122-130
[2]Aghion， P， Howitt， PA Model of Growth through Creative Destruction [J]Econometrica， 1992， 60 （2）： 323-352
[3]Jaffe， AB， Fogarty， MSKnowledge Spillovers and Patent Citations： Evidence from a Survey of Inventors [J]American Economic Review， 2000， 90 （2）： 215-218
[4]Guellec， D， Potterie， BVPR&D and Productivity Growth： Panel Data Analysis of 16 OECD Countries [J]OECD Economic Studies， 2001， 33 （7）： 103-126
[5]Furman， JL， Porter， ME， Stern， SThe Determinants of National Innovative Capacity [J]Research Policy， 2002， 31 （6）： 899-933
[6]Kinoshita， YR&D and Technology Spillovers via FDI： Innovation and Absorptive Capacity [R]William Davidson Institute Working Paper， 2000
[7]Coccia， MWhat is the Optimal Rate of R&D Investment to Maximize Productivity Growth [J]Technological Forecasting and Social Change， 2009， 76 （3）： 433-446
[8]王玲， Szirmai， A高技术产业技术投入和生产率增长之间关系的研究 [J]经济学（季刊），2008，（7）： 915-931
[9]Stllinger， RInternational Spillovers in a World of Technology Clubs [J]Structural Change and Economic Dynamics， 2013， 27 （12）： 19-35
[10]Griliches， ZProductivity， R&D and Basic Research at the Firm Level in the 1970s [J]American Economic Review， 1986， 76 （1）： 141-154
[11]Aboody， D， Lev， BR&D Productivity in the Chemical Industry [R]New York University Working Paper， 2001
[12]肖文， 林高榜海外研发资本对中国技术进步的知识溢出 [J]世界经济， 2011， （1）： 37-51
[13]刘小鲁知识产权保护、自主研发比重与后发国家的技术进步 [J]管理世界， 2011， （10）： 12-19
[14]张海洋R&D 两面性、外资活动与中国工业生产率增长 [J]经济研究， 2005， （5）： 107-117
[15]师萍， 许治， 张炳楠我国R&D投入绩效的实证研究 [J]中国软科学， 2007， （6）： 125-130
[16]夏良科人力资本与R&D如何影响全要素生产率――基于中国大中型工业企业的分析 [J]数量经济技术经济研究， 2010， （4）： 78-93
[17]傅晓霞， 吴利学技术差距、创新路径与经济赶超――基于后发国家的内生技术进步模型 [J]经济研究， 2013， （6）： 19-32
[18]程进， 韩玉启， 陈小文我国技术引进创新时滞的实证分析 [J]科研管理， 2005， （4）： 2-7
[19]卢方元， 靳丹丹我国R&D投入对经济增长的影响――基于面板数据的实证分析 [J]中国工业经济， 2011， （3）： 149-157
[20]Aiyar， SS， Feyrer， JA Contribution to the Empirics of Total Factor Productivity [R]Dartmouth College Working Paper， 2002
[21]Nelson， R， Phelps， EInvestment in Humans， Technological Diffusion， and Economic Growth [J]American Economics Review， 1966， 56 （1）： 69-75
[22]Charnes， A， Cooper， WW， Huang， ZM， Sun， DBPolyhedral Cone-Ratio DEA Models with an Illustrative Application to Large Commercial Banks [J]Journal of Econometrics， 1990， 46（1-2）：73-91
[21]朱有为， 徐康宁研发资本积累对生产率增长的影响――对中国高技术产业的检验（1996-2004）[J]中国软科学， 2007， （4）： 57-67
[24]朱平芳， 徐伟民政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响――上海市的实证研究 [J]经济研究， 2003， （6）： 34-44
[22]张同斌研发投入的非对称效应、技术收敛与生产率增长悖论 [J]经济管理， 2014， （1）： 131-141
[26]常黎明千分之七：我国消化吸收再创新费用“少得可怜” [EB/OL]http：//newsxinhuanetcom/newscenter/2005-03/10/content_2676564htm