吉林省R&D投入与宏观经济增长的动态相关性研究
摘 要：科技创新是经济转型升级的根本，其主体是R&D活动。为了分析创新投入与吉林省经济增长的关系，文章运用2001-2016年数据，构建R&D投入与GDP的VAR模型，并利用脉冲响应函数分析其动态相关性。结果表明，现阶段，R&D投入的快速增长不能有效促进吉林省经济快速增长，而经济增长对R&D的投入具有一定的滞后提升作用。这很可能是由于当前吉林省体制机制陈旧、成果转化体系不够完善引起的。
关键词：R&D投入；经济增长；VAR模型；脉冲响应
中图分类号：F124.3 文献标志码：A 文章编号：2095-2945（2018）31-0017-03
Abstract： Technological innovation is the root of economic transformation and upgrading， and its main body is R&D activities. In order to analyze the relationship between innovation input and economic growth in Jilin Province， this paper constructs the VAR model of R&D input and GDP using the data from 2001 to 2016， and uses impulse response function to analyze the dynamic correlation of R&D input and economic growth. The results show that the rapid growth of R&D investment can not effectively promote the rapid economic growth of Jilin Province， while economic growth has a certain lag effect on R&D investment. This is probably due to the fact that the current institutional mechanism of Jilin Province is obsolete and the result of the transformation system is not perfect enough.
Keywords： R&D input； economic growth； VAR model； impulse response
引言
在经济发展进入新常态的形势下，科技创新是我国社会发展的主要驱动力，是推进改革不断深入的有效途径和重要方式。而科技创新的主体就是R&D（研究与开发，以下称研发）活动，根据《规划纲要》的发展目标，“2020年我国的研发投入强度（R&D/GDP，下同）应超过2.5%”。2015年我国的研发投入强度为2.07%，与发展目标存在较大差距，为此，“十三五”期间我国统计工作进行了一次重大改革，将企业研发经费加入GDP核算中，这一改革使R&D投入与GDP增长紧密结合起来，研发活动将会得到政府部门前所未有的重视。在“大众创业，万众创新”的新形势下，吉林省作为东北老工业基地，更需抓住这一契机提高经济发展活力，利用科技创新推动经济发展。因此，在当前形势下研究吉林省R&D投入与经济增长之间的关系，对加快吉林省创新型省份的建设具有一定的借鉴意义。
研究R&D投入与经济增长相关性的方法有很多，总结起来主要分为两大类。一类是根据柯布-道格拉斯生产函数，运用一般回归分析方法进行参数估计，得到R&D投入对经济增长的贡献度。如安娜运用此方法分析我国的R&D投入对经济增长的影响，结果表明短期内R&D投入与经济增长呈反比关系。[1]胡伟刚运用此方法分析得出湖北省R&D存量对经济增长的贡献率为26.09%。[2]另一类是根据时间序列的误差修正（ECM）、向量自回归（VAR）模型，分析R&D投入与经济增长的动态均衡关系。如朱春奎运用ECM模型研究得出财政科技投入是国民经济增长的原因，而国民经济增长对财政科技投入的贡献作用并不显著。[3]詹厚龙，罗泽举运用VAR模型分析得出R&D经费支出与经济增长有双向因果关系，但R&D人员全时当量与经济增长仅有单向因果关系。[4]
采用回归分析方法测度R&D投入对经济增长的贡献度，通常需要对数据序列进行差分变换，但变换后的指标不易于解释，并且回归参数的解释能力有限。本文通过构建VAR模型，分析吉林省的R&D经费投入、R&D人员投入与經济增长三者间的动态关系，并运用脉冲响应和方差分解来进一步确认影响的周期和程度。
1 VAR模型建立与因果关系检验
1.1 指标变量说明与数据预处理
考虑到数据的时效性，本文选取2001-2016年的指标数据建立模型。R&D的投入指标用R&D经费内部支出和R&D人员折合全时工作量来表示，经济增长指标用吉林省的GDP来度量，各指标数据均来源于吉林统计年鉴和中国科技统计年鉴。
为了消除价格因素的影响，以2001年为基期的居民消费价格指数（CPI）对GDP和R&D经费内部支出指标进行调整，价格调整后的R&D经费内部支出记作RDE，R&D人员折合全时工作量记作RDP。
1.2 VAR模型的构建
1.2.1 平稳性检验
为了构建VAR模型，首先要对数据序列进行平稳性检验。用原始序列建模可能存在异方差，为了避免异方差，也可以得到更稳定的序列，本文对数据序列取对数，分别记作lnGDP，lnRDE和lnRDP。由于取对数后的数据不易于解释，且差分序列△ln（yt）=ln（yt）-ln（yt-1），近似于{yt}序列的增长率。[6]为了构建的模型和分析结论更具有经济学意义，本文采用一阶差分即增长率序列构建VAR模型，差分后的序列分别记作△LnGDP，△lnRDE和△lnRDP。采用ADF检验法检验各指标数据的平稳性。表1显示，在5%的显著性水平下，△lnGDP序列差分后平稳，△lnRDE和△lnRDP原始序列平稳。