摘要：将技术创新分解为技术创新人才、技术创新投入与技术创新成果三个层面，采用1997―2013年统计数据，运用索洛新古典增长模型和C―D函数，对技术创新对重庆市经济增长的影响进行实证研究，结果表明：重庆市经济增长的创新驱动已十分明显，但其地位尚不牢固，投资和要素驱动仍是经济的主要增长动力；技术创新人才和投入是技术创新拉动经济增长的主导力量，而技术创新成果对经济增长的影响不够显著。因此，应继续深化科技体制改革，引进和培育更多高层次科技人才，加大对科技事业的投入力度，加速技术创新成果转化为现实生产力，促进重庆经济发展由要素驱动与投资驱动转向创新驱动。
关键词：技术创新；经济增长动力；索洛模型；创新驱动；投资驱动；要素驱动；技术创新人才；技术创新投入；技术创新成果
中图分类号：F062.4；F12719文献标志码：A文章编号：16748131（2015）06007007
一、引言
当前，中国经济发展进入新常态，经济增长动力迫切需要从要素驱动与投资驱动转向创新驱动，各省市区经济增长面临换挡调整。然而，重庆市的经济增长依旧保持高速增长态势，2013年、2014年、2015年上半年增速分别为12.3%、10.9%、11%，分别高于全国平均4.6、3.5、4.0个百分点，经济增速一路领跑全国其他省份，似乎没有受到来自新常态下经济增长压力的影响。究其原因，我们认为除了具有尚未耗尽的要素红利外，更为重要的是重庆市较早实施了创新驱动战略。一直以来，重庆市高度重视技术创新对经济增长的支撑作用。2009年，颁布《重庆市科技创新促进条例》；2011年，发布《关于实施创新驱动战略 加快建设长江上游技术创新中心的意见》；2013年，中科院重庆研究院建成投入使用；2014年，设立企业技术创新奖；2015年，制定《重庆市深化体制机制改革 加快实施创新驱动发展战略行动计划（2015―2020年）》。重庆市长期一贯地采取各种政策措施提升技术创新水平，增强经济发展动力和发展后劲，最终取得突出的成效。因此，深入研究重庆市技术创新对经济增长的影响，并将重庆经验推向全国，对于促进全国以及重庆经济的长期稳定增长具有重要意义。
学术界关于技术创新与经济增长的研究由来已久。国外学者的研究最早可追溯至Schumpeter（1911）在《经济发展理论》中对经济周期的阐述，他认为技术创新是经济增长的源泉，技术创新的波动导致经济周期的出现。随后Solow（1957）、Romer（1986）、Lucas（1988）相继提出新古典增长模型、内生增长模型和人力资本模型，从理论上论述技术创新对于经济保持长期增长的重要作用。之后西方学者大多以前期的理论研究为基础，针对某一国家或地区，运用计量模型，对技术创新与经济增长的关系进行定量实证分析，结果往往证实技术创新对经济增长具有正向作用（Rolf et al，1997；Derek et al，2002；Jungsoo et al，2006）。
国内学者关于技术创新对经济增长影响的研究较西方学者稍晚一些。技术创新的理论研究已经比较成熟，所以国内学者更多是基于西方技术创新理论，运用计量模型，验证技术创新对于我国及区域经济增长所起到的效用，并提出相应的政策建议，同西方学者一样，结论也往往表明技术创新对区域经济增长具有正向作用（米建华 等，2009；赵树宽 等，2012；罗泊 等，2013；李苗苗 等，2015）。当然也有学者持不同的观点，认为技术创新未必一定能推动经济增长，如马大勇（2013）将技术创新的因素进行分解，结果显示专利申请授权量和研发人员的全时当量对经济增长的格兰杰影响并不明显；陈英（2004）将技术创新划分为生产过程创新和产品创新，认为后者只是改变产品的质量和差异性，可提高经济发展的质量，但不一定提高经济增长速度。
文传浩，黄磊，兰秀娟，李春艳：技术创新对重庆市经济增长的影响实证研究
从国内外学者关于技术创新对经济经济增长影响的研究可以看出：西方学者较国内学者的研究结论更趋一致，技术创新对经济增长具有明显的促进的作用；而国内学者的研究结论则相对多元。国内外学者的研究有所差异，可能是由于中外经济发展状况的差异。中国东、中、西部区域经济发展差异巨大，而欧美国家大多是发达经济体，大都步入知识经济时代，技术创新已成为经济增长的重要驱动力。虽然重庆较东部经济发达省市还存在一定差距，但重庆历来高度重视科技创新对经济增长的驱动作用，大力推动技术创新，并取得了显著的成绩。本文将建立一个以劳动、资本和技术创新为投入要素的索洛模型，采用1997―2013年重庆的相关经济数据，分析技术创新对重庆经济增长的效用，并根据研究结果提出相应的政策建议。
二、模型选择、指标选取与数据来源
1.模型选择
为了考察重庆市技术创新对经济增长的影响，本文选用经典的索洛（1957）新古典增长模型进行分析。在该模型中，经济增长取决于资本和劳动的增加以及技术进步，同时受制于资本和劳动边际报酬递减规律的影响，最终趋于稳态增长（人均产出趋于稳态水平）。本文仅借用索洛模型形式，并用技术创新代替技术进步，且不考虑稻田条件，模型形式如下：
Yt=AF（Kt，Lt，Tt）
上式中Y代表经济水平，K代表资本水平，L代表劳动力水平，T代表技术创新水平，A（A>0）代表社会制度环境；除A为固定水平，属外生变量外，其余经济变量均为随机变量。对模型进行全要素分解得：
t=YtKt・t+YtLt・t+YtTt・t
上式中带点的字母表示该字母对应的经济变量对时间的倒数（如t=dYtdt），两边同时除以Yt得：
tYt=YtKt・KtYt・tKt+YtLt・LtYt・tLt+YtTt・TtYt・tTt
其中，YtKt・KtYt为资本份额或产出的资本弹性，tKt为资本的动态增长率；YtLt・LtYt为劳动份额或产出的劳动弹性，tLt为劳动的动态增长率；Yt Tt ・Tt Yt 为技术创新份额或产出的技术创新弹性，tTt为技术创新的动态增长率。 2.指标选取与测算
（1）经济增长水平（GDP）。毋庸置疑，GDP是衡量经济增长的最好指标；同时考虑到通货膨胀，选取重庆市1997―2013年商品零售环比价格指数，将以上一年为100的环比指数换算成以1997年为基期的定基指数，用当年名义GDP除以定基零售价格指数，得到以1997年为基期的实际GDP。
（2）资本水平（K）。资本与投资不同，属于存量概念，而统计年鉴一般没有公布资本存量数据。本文采用由Goldsmith于1951年提出的永续盘存法以1997年为基期对重庆市历年的实际资本存量进行测算，其中折旧率采用张军等（2004）测算的9636%，结果见表1。
表11997―2013年重庆市资本存量/亿元
年份199719981999200020012002200320042005
资本1 208.21 596.52 010.12 461.43 006.63 681.74 522.55 540.66 764.7
年份20062007200820092010201120122013
资本8 224.510 012.612 044.214 912.918 622.322 213.826 530.131 648.5
（3）劳动力水平（L）。采用从业人员总计这一指标衡量劳动力数量。
（4）技术创新水平。参考已有学者的研究成果关于技术创新水平的衡量，当前还没有一个比较权威的指标或指标体系，如唐未兵等（2014）采用科技经费投入占GDP比重，赵树宽等（2012）采用专利申请量，朱勇等（2005）采用万人口科技活动人员数，等等。 ，本文从技术创新人才、技术创新投入、技术创新成果（人、财、物）三个方面技术创新水平，分别选用R&D人员全时当量、R&D经费支出和发明专利授权量这三个指标予以衡量，分别用TH、TZ和TP表示。
3.数据来源
本文实证分析采用1997―2013年重庆市的时间序列数据，数据均来自于《重庆统计年鉴》（1998―2014）。由于重庆市1997年升级为直辖市，行政区划发生较大调整，故而以1997年为研究样本的起始年限；而2013年数据为当前可从《重庆统计年鉴》获取的最新数据，所以选取2013年为截止年限。
表2各变量（消除了物价变动）的描述性统计量
变量单位样本数量标准差均值中位数最小值最大值
GDP亿元173 606.795 215.184 085.191 509.7512 582.68
K亿元179 398.1010 294.196 764.701 208.2231 648.50
L万人1795.701 573.771 551.771 454.771 715.40
TH万人171.182.782.581.375.26
TZ亿元1756.1257.0239.025.82175.46
TP件17833.18612.35178142 426
三、实证分析结果
本文使用EVIEWS8.0计量软件，采用平稳性检验、协整检验、自相关检验与误差修正模型等计量方法对重庆市技术创新对经济增长的影响进行估计。为了减小数据波动，降低模型的异方差性，同时不改变原变量间的线性关系与数据性质，对各指标的数据全部进行取自然对数处理。变换后的GDP、资本存量、从业人员总计、R&D人员全时当量、R&D经费支出和发明专利授权量记为ln GDP、ln K、ln L、ln TH、ln TZ和ln TP。这里采用C―D函数模型对索洛模型具体化。
设索洛模型具体形式为GDPt =AKαt Lβt THηt TZφt TPθt eut ，并对模型两边同时取自然对数得：
ln GDPt=ln A+αln Kt+βln Lt+ηln THt+
φln TZt+θln TPt+ut
其中α为产出的资本弹性，β为产出的劳动弹性，η为产出的技术创新投入弹性，φ为产出的技术创新人才弹性，θ为产出的技术创新成果弹性。
1.平稳性检验
由于选用的指标是时间序列，而大多数时间序列数据是非平稳的，为避免出现伪回归，采用ADF检验法检验数据的平稳性，结果如表3。
表3各指标数据ADF检验结果
变量ADF10%临界值5%临界值1%临界值AIC检验形式平稳性
ln GDPt-3.247 149-3.324 976-3.759 743-4.728 363-4.398 140（C，T，1）不平稳
dln GDPt-5.417 779***-2.771 129-3.259 808-4.420 595-7.452 880（C，0，6）平稳
ln Kt-1.983 789-3.362 984-3.828 975-4.886 426-5.777 476（C，T，3）不平稳
dln Kt-3.705 571*-3.342 253-3.791 172-4.800 080-5.685 208（C，0，1）平稳
ln Lt-2.236 777-3.324 976-3.759 743-4.728 363-7.164 994（C，T，1）不平稳
dln Lt-3.857 922**-3.342 253-3.791 172-4.800 080-7.309 578（C，T，1）平稳
ln THt-2.608 078-3.310 349-3.733 200-4.667 883-3.521 737（C，T，0）不平稳
dln THt-4.003 097***-2.681 330-3.081 002-2.740 613-3.959 148（C，0，0）平稳 ln TZt-2.981 658-3.324 976-3.759 743-4.728 363-1.809 806（C，T，1）不平稳
dln TZt-3.551 098**-2.690 439-3.098 896-4.004 425-1.448 430（C，0，1）平稳
ln TPt-2.365 200-3.342 253-3.791 172-4.800 080-0.237 631（C，0，2）不平稳
dln TPt-6.992 128***-2.690 439-3.098 896-4.004 425-0.023 060（C，0，1）平稳
注：*表示10%的显著性水平，**表示5%的显著性水平，***表示1%的显著性水平；（C，T，K）分别表示截距项、趋势项和滞后阶数，K的取值依据AIC准则（AIC值为最小时，对应的K值为最优）确定。
由表3可知，ln GDP、ln K、ln L、ln TH、ln TZ和ln TP的ADF统计量值均大于相应ADF检验10%的显著性水平下的临界值，表明原序列均为非平稳时间序列；但是它们的一阶差分序列在10%的显著性水平下均为平稳时间序列。故而原序列满足协整检验与误差修正模型的前提条件――时间序列的单整次数相同，均为I（1）。
2.协整检验
协整是指多个非平稳经济变量的某种线性组合是平稳的。如果多个非平稳经济变量具有协整关系，则这些变量间存在长期均衡的关系；尽管一次冲击会使它们在短期偏离均衡位置，但是偏差不会逐步积累，长期它们仍会自动回到均衡位置（庞皓，2010）。如果这些非平稳的经济变量不具有协整关系，则这些变量相互间不存在长期均衡关系，不可将它们进行回归分析。协整检验主要有两种方法，一种是基于回归系数完全信息的Johansen协整检验，一种是基于单一方程的EG两步法协整检验。本文采用EG两步法进行协整检验：第一步，用OLS法作协整回归；第二步，检验协整回归模型残差的平稳性。若残差平稳，则变量间存在协整关系，若不平稳，则不存在协整关系。回归方程估计如下：
lnGDPt∧[]=[]-1.239[]+[]0.178lnKt[]（0.149）+[]0.661lnLt[]（0.166）+[]
t=（1.190）（3.979）
0353lnTHt[]（0.197）+[]0.252lnTZt[]（0.104）+[]0.055lnTPt[]（0.046）
（1.794）（2.423）（1.180）
R2=0.998DW=1.209n=17
采用ADF检验对残差进行平稳性检验，得其无常数项、无趋势项、滞后期为1的ADF统计量值为-3.865 098，在1%的显著性水平下，残差项为平稳序列，即协整回归方程中的各变量间存在协整关系，协整回归方程具有实际意义。同时通过查表，在1%显著性水平下，dL=0.480，dU=1.847，所以dL
