数据要素与研发决策对工业全要素生产率的影响——来自2010—2019年中国工业的经验证据.docVIP

摘要：在高质量发展阶段，工业全要素生产率不仅取决于数据要素的市场化配置，同时在很大程度上还受到研发决策影响。利用2010—2019年中国工业面板数据， 估计数据要素与研发决策对工业全要素生产率的影响效应。结果表明，数据要素赋能资本、劳动要素后的要素深度融合，对工业全要素生产率具有显著改善作用；与劳动 密集型工业相比，数据要素对资本密集型工业全要素生产率的改善作用更加显著。将研发决策纳入后发现，探索型研发决策对资本密集型工业全要素生产率提升具有显著 促进作用，而囿于高风险的利用型研发决策则对工业全要素生产率的改善作用不显著。进一步研究发现，探索型研发决策能够促进数据要素赋能传统要素，二者有效融合 能够显著提高工业全要素生产率。 关键词：数据要素，研发决策，工业全要素生产率 0 引言 推动数据要素供给侧结构性改革，以创新驱动、高质量供给引领工业高质量发展已成为加快发展现代工业体系，实现工业基础高级化和工业链现代化的重要引擎。众 所周知，工业全要素生产率是结构性减速条件下重构经济增长动力，实现工业高质量发展的必要条件。伴随中国经济转型，大量传统要素的持续投入极大促进中国工业资 源配置效率提升，实现后发赶超。随着技术差距不断缩小和创新能力大幅提高，传统要素对工业全要素生产率产出份额的贡献逐渐缩小，导致传统要素边际贡献日渐式 微。西方发达国家发展史表明，挖掘新的增长动力，利用数据要素提高全要素生产率已成为重构经济增长动力的重要途径。亟需知道的是，在结构性减速背景下，中国工 业采用怎样的要素投入才能有效提升工业全要素生产率？延长传统要素投入机会窗口能否缓解经济结构性减速？若能在一个统一框架下深入研究数据要素对工业全要素生 产率的影响，对于准确定位中国工业的关键创新路径，实现工业高质量发展具有积极借鉴意义。 研发决策是解释数据要素与传统要素相互融合，进而提升工业全要素生产率的重要渠道[1]。D’AspremontJacquemin[2]在研发合作框架下分析决策类型对研发水平 的影响，认为横向合作研发决策引致的后发收益递减会降低研发水平；更进一步地，陈宇科等[3]考察纵向合作研发决策的技术溢出效应发现，纵向合作研发决策能够促 进技术的产业内溢出，从而显著提升创新水平。还有学者基于企业参与研发投资活动的广度与深度，将研发决策分解为广延式研发决策和集约式研发决策，探讨集约式研 发投资决策对生产率的异质性影响[4-5]。循着这个思路，傅联英[6]利用内生转换回归模型检验广延式研发决策对研发绩效的效应，认为广延式研发决策通过产品多样化 渠道能够显著提升研发绩效水平。考虑到中国工业要素禀赋优势驱动的积极创新与风险因素导致的研发动力不足，本文将研发决策限定为开发新资源、新知识的探索式研 发决策及改进现有技术、利用现有资源进行创新的利用式研发决策。从结果的不确定性和核心竞争力角度看，探索式研发决策对全要素生产率具有“拐点效应”[7]。 值得注意的是，虽然有关数据要素与工业全要素生产率之间关系的研究较多，且已有文献大多基于数据要素的战略性和全局性视角，研究如何提升数据要素市场价 值，而忽略数据要素配置因素对工业全要素生产率的影响[8]。也就是说，研究数据要素配置因素对工业全要素生产率的影响需要考虑工业高质量发展背景下数据要素配 置的特殊性。特别是21世纪10年代以来，中国工业创新结构与研发深度步入再平衡状态，研发合作逐渐转向研发竞争与合作并存。尽管数据要素通过赋能传统要素促进工 业创新，但是赋能门槛效应导致的利己性研发决策倾向会不同程度影响工业全要素生产率提升。可以认为，数据要素、研发决策是影响工业全要素生产率的决定性因素， 能够反映数据要素引致的异质性研发决策对工业全要素生产率的提升程度。 本文在已有文献基础上，尝试将数据要素、研发决策与工业全要素生产率纳入一个统一分析框架，利用2010—2019年中国工业面板数据，估计数据要素与研发决策对 工业全要素生产率的影响。与已有文献相比，本文贡献主要体现在两方面：一方面，从高质量发展的要素配置视角，将研发决策引入模型，深入分析数据要素对工业全要 素生产率影响的内在机制；另一方面，考虑到数据要素与研发决策对不同要素密集型工业全要素生产率的提升存在显著性差异，本文在区分不同要素密集型工业的基础 上，考察数据要素在探索型和利用型研发决策情形下显著提升工业全要素生产率的作用机理。 1 文献回顾与研究假设 文献回顾 已有文献对数据要素的研究主要从3个视角展开。首先，从数据要素与传统要素相互融合视角出发，研究数据要素与劳动