中国高技术产业专利研发的影响因素
时间：2021-01-25 00:01:22 来源：雅意学习网 本文已影响 人 
[摘要]为了研究中国高技术产业专利研发的影响因素，利用1995到2011年中国高技术产业21个行业面板数据，运用面板协整模型对中国高技术产业的专利研发影响因素进行实证分析，研究表明，行业总产值、R&D经费及R&D活动人员折合全时当量对不同行业的影响不同，R&D人员投入对医药制造业的推动作用不显著，对部分行业的成果产出贡献较小。
[关键词]高技术产业；专利申请量；面板数据
[中图分类号]F276.44[文献标识码]A[文章编号]1005-6432（2012）40-00-02
1引言
高技术产业是依靠高技术研究开发成果进行高技术产品生产和服务的产业部门。与传统产业相比，高技术产业具有原材料消耗少、耗能低、附加值高以及高投入、高风险、高回报、高渗透性等特点。作为知识密集型产业，近年来我国高技术产业的R&D经费、R&D人员投入强度不断增大，有力地推动了其发展。“十一五”期间，我国高技术产业的专利申请量大幅度增加，但在各行业之间还存在一定的差距。为此，本文利用1995—2011年我国高技术产业21个行业的面板数据，通过单位根检验、协整检验，在固定效应模型的基础上建立行业的行业总产值、R&D经费、R&D活动人员折合全时当量对专利申请量的回归分析。
2文献综述
国外对专利申请的影响因素及计量模型作了大量研究。Abdih和Joutz运用时间序列方法获得了关于专利申请的过去存量与R&D科学家和工程师数量的一个知识生产函数。在上述成果的基础上，欧洲专利局的研究人员彼得·欣利等提出了专利决策理论模型，为解释专利行为提供了基本模型。Knut Blind采用宏观研究方法研究了专利申请和研发投入、产品标准的储备存量、附加值及出口之间的关系。
国内对专利申请的影响因素也有不少研究成果。徐海清（2007）用1995—2003年我国高技术产业5个行业的面板数据建立变系数模型，研究发现高技术产业的专利发展情况在规模和结构上都存在明显差异。吴和成（2008）利用我国“十五”期间各省区的截面数据，对专利申请量与科技活动经费占GDP的比重及科技活动人员数量之间的关系进行了研究。逢淑媛（2009），等以132家全球顶尖研发企业12个行业10年的面板数据为样本，建立柯布·道格拉斯生产函数和分布滞后方程，对研发经费投入与专利产出的相关性进行了实证研究。黄静（2010），等运用面板数据模型，对我国高技术产业的R&D投入产出关系进行实证研究，发现高技术产业的R&D投入要素对产出的影响存在显著差异。
3模型的构建和数据说明
3.1变量的选取
一般认为R&D活动的投入指标主要取决于经费和人员这两个核心要素，在经济分析中这也是两个通用的指标。本文通过文献调研发现当年价总产值、R&D经费内部支出和R&D活动人员折合全时当量是被普遍使用的，因此本文也选取它们作为投入指标。R&D经费内部支出能比较直观地反映企业在经济上对R&D活动的支持力度，R&D人员折合全时当量体现了R&D人员投入的实际水平和强度，专利的申请量反映了企业R&D活动的产出成果。
因此，选取当年价总产值（亿元）、R&D经费内部支出（以下简称R&D经费，亿元）和R&D活动人员折合全时当量（以下简称R&D人员，人年）3个指标作为影响行业专利申请量的解释变量。
3.2数据来源及处理
为了剔除物价变动等因素对总产值和R&D经费的影响，对医药制造业中3个行业和其他制造业的总产值分别用化学行业和机械制造行业的产品出产价格指数作价格剔除（1995年为100），对R&D经费用商品零售价格指数进行价格剔除（1995年为100）。本文的所有数据均来自历年《中国高技术产业统计年鉴》、《中国统计年鉴2012》。
4模型建立及实证分析
根据理论分析，本文选取常用的生产函数为基础：Q=ALαKβ
为了计算α和β，先对公式两边求自然对数，得到：
对行业专利申请量、总产值、R&D经费、R&D人员分别取对数，并以LZL、LZCZ、LJF、LRY表示，利用Eviews6.0对上述4个变量的对数值分别进行单位根检验。
4.1面板数据的单位根检验
对四个变量LZL、LZCZ、LJF、LRY及其一阶差分值作单位根检验。为了保证结果的稳健性，使用了三种检验方法，包括LLC检验、Breitung检验和IPS检验，相应检验结果在表1中列出。对于各个变量的水平值进行检验时，均不能拒绝“存在单位根”的原假设，即各变量均是非平稳过程。而对各变量的一阶差分值进行检验时，所有变量的检验结果均在1%显著水平上拒绝了原假设。因此，四个变量均为一阶单整I（1）过程（参见表1）。
4.2面板数据的协整检验
在面板单位根检验的基础上作面板协整检验，以确定各变量之间是否存在长期关系。基于稳健性的考虑，在检验LZL、LZCZ、LJF和LRY的协整关系时使用了由Pedroni（1999）和Kao（1999）提出多种方法。所有检验的原假设都是“不存在协整关系”，拒绝原假设意味着变量间存在长期的协整关系。全布行业面板统计量中有4个拒绝原假设，由此可知变量间存在长期均衡关系，说明中国高技术产业各行业专利申请的长期均衡模型设定是合理的（参见表2）。
4.3回归估计及结果
根据高技术产业21个行业的面板数据，以专利申请量为因变量，总产值、R&D经费、R&D人员为自变量，作模型估计，得到三个估计式的残差平方和S1、S2、S3分别为101.6798、169.9616、271.4512，由此求得：F1=3.06，F2=3.14，查F分布表，得到α=0.05时的临界值为：F（60，273）=1.32，F（80，273）=1.24，则F1 >1.32， F2 >1.24 ，因此选择变系数模型，即各行业之间不仅存在规模上的差异，还存在结构方面的不同。由此回归得到结果（参见表3）。从长期发展的角度来看，要增加高技术产业的专利申请量，提高行业的创新能力，需要针对不同的行业采取差别化的长期战略。
