新常态下科技创新引领供给侧结构性改革研究

———基于河北省数据的分析

引 言

当前阶段中国经济出现了经济增长的新常态: 速度上，从高速增长转为中高速增长; 结构上， 经济结构不断优化升级; 动力上，从要素驱动、 投资驱动转向创新驱动。由于边际收益递减的客 观经济规律，要素驱动和投资驱动仅仅是阶段有 效的，经济发展最终靠创新驱动。正如经济学家 熊彼特认为，发展是经济循环流转过程的中断， 也就是实现了创新，创新是发展的本质规定。

国内外学者在科技创新及供给侧改革等对经济 的影响方面已经做了大量研究，Charles ( 1998) 提 出科技研发投入对经济长期增长有重要的促进作 用，并且通过实证研究了科技研发投入的回报率问 题，对经济新增长理论进行了扩充。吴玉鸣( 2006) 运用空间计量学中的多个模型 ( 空间差系数空间 滞后模型、空间误差模型、变系数回归模型等) ， 对中国 31 个省的研发与创新和创新能力贡献率进 行计量分析，发现区域创新和区域人力资本存量 密切相关。李琳 ( 2013)  提出科技创新对区域经

济的促进作用非常重要。科技创新能够促成区域 企业集群发展，从而提升区域内企业整体科技创 新能力，加快技术扩散的速度，形成一定规模效 应，从而达到提升区域经济整体实力的目的。王 子晨 ( 2016) 分析了科技创新与供给侧改革的关 系，提出科技创新成为供给侧结构性改革的动力 源和突破口，其本身也面临着需要进行供给侧改 革的要求。彭迪生 ( 2017) 对新常态下发展新经 济与供给侧结构性改革的内在逻辑进行了研究， 提出发展新经济是供给侧结构性改革的重要抓手 和有效途径，两者在需求、目标、动力、过程、 手段、效应等方面具有 “共 生性”，相 互依赖、 相互促进、互为补充。

目前结合企业的实际数据进行实证方面的相 关研究较少，本文结合河北省上市公司相关数据 对科技创新引领供给侧改革展开研究。

1 研究方法、数据来源

本文基于新常态下的战略机遇期，根据生产 函数理论 Y = AF( N，K) ，选取河北省具有代表性

基金项目: 2017 年河北省科技计划项目 “新常态下科技创新引领河北省供给侧结构性改革研究” ( 项目编号: 174576157D) 。

作者简介:  韩素芬，河北金融学院会计系副教授，硕士。研究方向:  财务与金融。刘霞，河北金融学院国际贸易系助教，天津财经大 学中国经济统计研究中心在读博士研究生。研究方向:  经济统计学。

的上市公司 ( 包括主板、创业板和中小板等) 为 样本，建立面板模型，根据脉冲响应和方差分析， 研究新常态下科技创新对河北省企业发展的影响 程度; 结合样本数据，构建科技投入与企业绩效 的多元线性回归模型，研究科技投入与企业绩效 的关系，分析新常态下河北省科技创新现状及可 能存在的问题，为促进科技创新进一步开展提出 相关建议。

本文选择河北省截至 2017 年 3 月 15 日已上 市的 37 家公司作为样本，对其科技创新问题展开 研究; 对河北省 51 家上市公司 2012 ～ 2016 年相 关财报数据进行了原始数据的采集与统计研究。 在统计基础上除去上市时间短等不可得、不合理 的相关因素，留存 37 家公司作为样本进行实证分 析。数据主要来源于上海证券交易所和深圳证券 交易所公开的上市公司年报。

2 科技创新引领供给侧结构性改革的实证 分析

2. 1 基于面板数据的投入产出分析

本文从生产函数的科技投入、资本投入与劳 动投入 3 个方面进行统计，具体统计的主要指标

有: 营业收入、营业成本费用、营业利润、存货、 固定资产、无形资产、研发费用、员工人数等， 统计了以上指标 2012 ～ 2016 年的合并财务报告的 相关数据。根据生产函数理论，选取河北省具有 代表性的上市公司为样本，建立面板模型。根据 回归结果分析科技投入、资本投入以及劳动投入 对企业绩效的影响。生产函数有很多形式，各种 形式均可转变成线性的，所以为了分析简单，本 文将生产函数设成线性形式，模型如下:

Y = c+λA+αL+βN+e ( 1)

Y 表示营业收入，A 代表科技投入，N 代表资 本投入，L 为劳动投入。由于数据为短面板数据， 所以不需要进行平稳性检验。对数据进行 Hausman 检验得:表 1 Hausman 检验结果

Test Summary Chi－Sq. Statistic Prob．

Cross－section random 13. 100139 0. 0044

根据表 1 结果，应该建立个体固定效应模型， 消除异方差和自相关后估计结果如下:

Y^ it = 7588319357+5. 4691A^ it +0. 0775N^ it －217734. 282L^ it +αi Di ( 2) ( 22. 5729)  ( 14. 0793)  ( 2. 0079)  ( －12. 1158)

Ｒ2 = 0. 9773 F = 154. 8058 DW = 1. 1255

其中 D 为虚拟变量，i = 1，…，37，模型各个系 数都通过了 t 检验，Ｒ2 很高，F 值很大，从 DW 值来看也没有自相关，模型拟合很好。