论文部分内容阅读
摘要：文章研究了不同渠道经费来源与高技术产业创新的互动关系。研究结果表明，企业研发经费与创新产出互动效应显著；银行科技贷款对创新的贡献较大；政府研发经费与研发人员绩效较低；企业研发经费与政府研发经费良性互动；企业研发经费与银行科技贷款具有互动效应；政府研发经费与银行科技贷款对企业研发经费投入均具有“倒逼效应”。
关键词：政府研发经费；企业研发经费；银行科技贷款；技术创新；面板向量自回归 文献标识码：A
中图分类号：G203 文章编号：1009-2374（2017）05-0269-04 DOI：10.13535/j.cnki.11-4406/n.2017.05.131
1 概述
自从国家提出创新驱动以来，我国加大了科技投入力度。据2015年中国科技统计年鉴数据显示，2014年全国R&D经费内部支出为13015.63亿元，R&D内部经费强度为2.05%，比2014年提高了0.4个百分点。但R&D经费内部支出可比价增长却大幅下降，为5.81%，是1995年以来最低，1995～2014年，仅三年中R&D经费内部支出可比价增长速度低于10%。2014年，全国有高新技术企业27939家，主营业务收入127367.7亿元，出口交货值50765.2亿元。2014年高新技术企业投入新产品开发经费2350.6亿元，R&D经费支出1922.2亿元，R&D人员全时当量57.3万人年。高新技术企业成为企业创新的重要力量。
科技创新R&D经费投入的主要有三个渠道：一是企业自筹经费，这是企业创新R&D经费投入最主要来源；二是财政R&D经费投入，主要通过项目资助和税收补贴来进行实现；三是金融机构贷款，一些地方有科技银行，专为企业科技创新提供信贷。通过数据比较发现，三种不同的科研经费来源，对科技创新产生不同的效率。本文以高技术产业为对象，研究不同渠道的R&D经费与创新产出之间的互动关系。
国内外在R&D经费投入与科技产出相关性方面的研究成果很丰富，梳理了国内外研究成果，有以下三点不足：一是从研究内容看，对于科技投入中最主要的三种资金来源：政府R&D经费投入、企业R&D经费投入、银行科技贷款的绩效分析比较评价缺少，也正是因为此，对于加强哪种资金研发投入就没有很好的参考指标，从而在R&D投入时具有盲目性；二是从研究方法看，现有的研究主要采用灰色关联分析、自向量模型、普通回归等，较少采用动态面板、面板误差修正模型等方法，因而不能从动态和投入产出互动关系的角度全面反映科技投入产出之间的关系；三是在技术处理上，现有研究多采用最小二乘法进行估计，内生性变量问题较少考虑。
本文研究框架如图1所示。
2 研究方法
2.1 动态面板模型
2.2 面板向量自回归模型
面板向量自回归模型（Panel VAR）继承了VAR模型的优点，把所有变量均视作内生变量；脉冲响应函数分离出一个内生变量的冲击给其他内生变量所带来的影响；个体效应允许个体差异，时间效应则反映了个体在横截面受到的共同冲击。
3 数據来源
目前反映高技术产业创新的主要指标有新产品销售收入（Griliches、Liu等）和专利授权数量（Groot等），当然从统计数据来源看，新产品产值也是可供选用的变量。
新产品的界定没有统一的标准，这是理论上存在的一个最大障碍。
授权专利数作为创新产出的指标存在一定的不科学性：一是不同的专利代表的创新产出能力不一样，发明专利要高于实用新型和外观设计，因而不同专利的权重难以确定；二是专利申请期长，特别是发明专利，最少要两三年，对数据要求高；三是部分企业为了获得科技项目扶持，比如为了成功申报高新技术企业，申报的专利质量不高；四是相当一部分企业将核心技术保密，不申请专利，一些微小企业申请专利的动机也不强烈。
新产品产值作为创新产出的指标，除了和采用新产品销售收入一样的问题外，还存在销售的问题，即生产新产品并不一定能够全部销售，还有的企业存在由于新产品设计和销售过程中存在问题而导致失败的情况。
鉴于以上的原因，本文用新产品销售收入作为高技术产业创新产出的替代变量。
R&D经费投入除了上述三种经费来源外，还有人力资本投入。借鉴Griliches的做法，采用永续盘存法估算R&D资本存量。研发人力资本采用研发人员折合全时当量指标来替代，这也是国际通行的做法。
本文数据来自于中国高技术年鉴（1997～2013年），西藏数据不全，不作考虑。
4 实证研究结果
4.1 面板数据的平稳性检验
本文采用ADF、Levin、PP三种方法同时检验，当至少两种方法结果一致时，视为通过检验。检验结果如表1。经过一阶差分，所有变量均平稳。
4.2 格兰杰因果检验
考虑到技术创新的投入产出影响滞后期一般不会超过4年，再长的滞后期即使有影响其效应也会比较弱小，因此滞后期选择1～4年进行格兰杰因果检验。企业全部R&D投入以企业R&D经费投入为主，政府R&D经费投入与银行科技贷款为辅，三者可能存在某种互动关系，因此在进行格兰杰因果检验时也可检验企业研发经费与政府研发经费、银行科技贷款的因果关系，检验结果如表2：
在滞后1～4期，企业研发经费投入是创新产出的原因，但创新产出不是企业研发经费的原因。
在滞后1～4期，政府研发经费、银行贷款、研发人员全时当量均与创新产出互为因果关系。
在滞后1～4期，企业研发经费与政府研发经费互为因果关系。这里面存在这样一种传导机制：企业研发经费投入的增加可能会申请到政府的科研经费，政府科研经费投入表明政府认可企业在研发领域所做的努力以及对努力结果的确认，也解决了企业部分研发经费的不足，从而促使企业增加研发投入。 在滞后1～4期，企业研发经费投入与银行科技贷款互为因果关系。说明企业研发经费投入的增加及带来的未来产出的预期会促使银行提供科技贷款，而银行科技贷款的支持解决了企业部分研发经费的不足，从而促使企业增加研发经费投入。
4.3 动态面板估计
KAO检验结果表明，t检验值为-11.237，相伴概率值为0.000，说明R&D投入与产出之间存在协整关系。接着采用SYS-GMM模型进行动态面板估计。在估计时，首先引入全部变量采用随机效应进行估计，接着进行hauseman检验，将不显著变量删除，如表3中的固定效应2所示，表3还给出面板数据模型的估计结果。
然后进行模型的稳健性检验。首先对动态面板回归结果的残差进行平稳性检验，结果Levin检验值为
-10.272，相伴概率值为0.000，ADP检验值为158.548，相伴概率为0.000，PP检验值为167.716，相伴概率值为0.000，也就是说，殘差是平稳的，说明面板数据协整关系是稳定的。接着进行Sargan-Hansen检验，以判断工具变量的选择是否存在“过度识别”现象。表3中，Sagen检验的概率分别为0.672和0.633，不能拒绝工具变量联合生效的原假设，因此动态面板的工具变量选择是合理的。需要说明的是，在第二次动态面板估计中，由于删除了研发人员全时当量变量，因此相应地也删除了其滞后项的工具变量。
动态面板估计结果显示，R2值为0.628，中等程度的相关。企业R&D经费投入的弹性系数最大，表示企业R&D经费每提高1%，会导致创新产出增加1.721%，银行科技贷款弹性系数次之，每增加1%，会带来创新产出增加0.590%。
政府R&D经费投入的弹性系数为负，并且已经通过了统计检验，说明政府研发经费投入对高技术产业具有负面作用，其运用存在低效率。在静态模型中，政府研发经费与企业科研产出无关。无论静态模型还是动态模型，结论大致相似。这可能与政府科研经费的分配机制不合理，分配不公平等因素有关。
在动态模型中，科研人员全时当量与科技产出无关，而在静态模型中，科研人员全时当量对科技产出有促进作用，主要原因是由于静态模型估计的偏误引起的。总体上，科研人员全时当量的效率是低下的，这可能与科研人员的研发成果转化率较低有关。
4.4 面板向量自回归估计
建立PVEC模型首先必须确定滞后阶数，通常先建立无约束VAR模型，然后利用赤池信息准则（AIC）和施瓦茨准则（SC）等来确定滞后阶数，为了节省自由度，同时考虑到低阶的影响更为显著，本文将滞后阶数统一确定为2。PVEC模型建立后进行单位圆检验，AR ROOT检验显示所有特征根都位于单位圆内，模型结构稳定，拟合效果较好。
综合分析脉冲响应函数，可以得出如下结论：
第一，创新产出和企业研发经费互动作用比较显著。来自创新产出一个标准差的正向冲击，对企业研发经费作用效果鲜明，对其他影响不大。而来自企业研发经费的冲击，对创新产出的作用最大，对银行科技贷款也有显著影响。
第二，政府研发经费对企业研发经费具有显著促进作用，对其他影响较小。一方面说明政府研发经费对创新产出贡献的低效率；另一方面也有利的一面，即促进企业研发经费投入的增加。
第三，银行科技贷款的冲击对企业研发经费促进最大，其次是政府研发经费、研发人员全时当量，对创新产出的影响较小。
第四，研发人员全时当量的冲击对企业R&D经费促进最大，其次是政府R&D经费，最后是银行科技贷款，对创新产出的影响较小。
在PVEC模型中，各变量的方差分解如表4所示。
在末期，高技术企业创新产出的方差分解中，自身占85%，企业研发经费和银行科技贷款各占6%，政府研发经费和研发人员全时当量的份额很低，各占1%。这和动态面板估计的结论基本是一致的。
企业研发经费的方差分解中，自身占75%，创新产出占23%，其他因素几乎没有影响，显示了企业R&D经费与创新产出之间显著的互动关系。
政府R&D经费的方差分解中，自身占94%，其他均没有超过3%，说明了政府R&D经费相对独立，和其他因素互动作用不强。
银行科技贷款的方差分解中，自身占85%，企业研发经费占7%，政府研发经费占4%，创新产出占3%，研发人员全时当量占1%。
研发人员全时当量的方差分解中，自身占82%，企业R&D经费占7%，创新产出占6%，政府R&D经费占3%，银行科技贷款占2%。
5 结论
5.1 企业研发经费与创新产出互动效应显著
企业R&D经费对创新产出的贡献比较显著，企业R&D经费是创新产出的格兰杰原因，企业研发经费每增加1%，会导致创新产出增加1.721%。除自身外，在创新产出的脉冲响应函数中，企业研发经费对创新产出的冲击最大，在企业研发经费的脉冲响应函数中，创新产出的冲击影响最大。在方差分解中，两者互为对方的主要因素。
5.2 银行科技贷款对创新的贡献较大
银行科技贷款与创新产出互为格兰杰因果关系，银行科技贷款每增加1%，会导致创新产出增加0.59%。在脉冲响应函数和方差分解中，银行科技贷款与创新产出互动效应较弱，主要原因是由于科技金融尚不够发达，银行科技贷款规模总体过小所致。
5.3 政府研发经费与企业研发人员绩效较低
政府科研经费虽然和创新产出互为因果关系，但政府研发经费对创新产出贡献的弹性系数为负，显示出政府研发经费投入对高技术企业创新的低效率，这说明了政府研发经费投入的分配机制存在一定的问题。
研发人员全时当量与企业科技产出无关原因是多方面的，比如研发人员全时当量中无法区分企业的研发人员与科研院所的研发人员，科研院所的研发人员的研究成果转化率较低，产学研合作不够紧密等。 5.4 企业研发经费与政府研发经费良性互动
企业研发经费投入与政府研发经费投入互为格兰杰因果关系。企业研发经费的脉冲响应函数中，政府研发经费对其有显著的影响；在政府研发经费的脉冲响应函数中，除自身外，企业研发经费冲击的影响最大。在方差分解中，这种互动关系存在但不够显著。
高技术企业在创新过程中，随着R&D投入的增加，在科技资源有限的情况下，必然会设法寻求政府的支持，这是企业研发经费投入带来政府投入增加的内在动力。那么，政府对高技术企业的R&D投入为什么会带动企业R&D经费投入呢？一方面，企业申请政府R&D经费，往往只占總R&D经费的较小份额，大部分还要靠企业自己投入；另一方面，政府R&D经费具有示范效应，项目考核也有严格要求，这加大了对企业研发的压力，促使企业加大R&D投入。
5.5 企业R&D经费与银行科技贷款具有互动效应
企业R&D经费投入与银行科技贷款互为格兰杰因果关系。在企业R&D经费的脉冲响应函数中，企业R&D经费对银行科技贷款具有稳定的促进效应；银行科技贷款的脉冲响应函数中，除自身外，对企业R&D经费的促进作用最大。企业R&D经费的方差分解中，银行科技贷款的份额较低，但银行科技贷款的方差分解中，除其自身外，企业R&D经费占据份额最大。
企业科技投入在面临经费不足的情况下，首要的思路是寻求银行科技贷款，其次可能才是寻求政府投入。银行科技贷款对企业R&D经费投入产生“倒逼效应”，因为一方面，银行科技贷款仅占整个企业R&D经费投入的很小一部分；另一方面，商业银行由于风险的规避性，会对企业科技贷款项目进行严格的审核，使得贷款项目总体上技术水平较高，成功的把握较大。
参考文献
[1] Jaffe，A.B.Real effects of academic research[J].TheAmerican Economic Review，1989，（5）.
[2] Griliches，Z.Issues in assessing the contribution of research and development to productivity growth[J].BellJournal of Economics，1979，（1）.
[3] Liu，X.H.，Buck T.Innovation performance andchannels for international technology spillovers：evidence from chineses high-tech industries[J].Research policy，2007，36（3）.
[4] Groot de HLF.，Nijkamp P.Knowledge spillovers，innovation and regional development[J].Papers inregional science，2001，80（3）.
[5] Griliches，Z.R&D，Education，and Productivity[M].Harvard University Press，2000.
基金项目：浙江省软科学研究计划项目：浙江省“大众创业，万众创新”的关键问题、评价体系及推进路径研究，2017C35071，阶段性成果；宁波市软科学研究计划项目：支持中小企业创新发展的科技政策研究——以宁波为例，201601HJ-C01054，阶段性成果。
作者简介：胡平（1970-），女，湖北英山人，浙江工商职业技术学院经济管理学院副教授，硕士，研究方向：科技金融、科技政策。
（责任编辑：周 琼）
关键词：政府研发经费；企业研发经费；银行科技贷款；技术创新；面板向量自回归 文献标识码：A
中图分类号：G203 文章编号：1009-2374（2017）05-0269-04 DOI：10.13535/j.cnki.11-4406/n.2017.05.131
1 概述
自从国家提出创新驱动以来，我国加大了科技投入力度。据2015年中国科技统计年鉴数据显示，2014年全国R&D经费内部支出为13015.63亿元，R&D内部经费强度为2.05%，比2014年提高了0.4个百分点。但R&D经费内部支出可比价增长却大幅下降，为5.81%，是1995年以来最低，1995～2014年，仅三年中R&D经费内部支出可比价增长速度低于10%。2014年，全国有高新技术企业27939家，主营业务收入127367.7亿元，出口交货值50765.2亿元。2014年高新技术企业投入新产品开发经费2350.6亿元，R&D经费支出1922.2亿元，R&D人员全时当量57.3万人年。高新技术企业成为企业创新的重要力量。
科技创新R&D经费投入的主要有三个渠道：一是企业自筹经费，这是企业创新R&D经费投入最主要来源；二是财政R&D经费投入，主要通过项目资助和税收补贴来进行实现；三是金融机构贷款，一些地方有科技银行，专为企业科技创新提供信贷。通过数据比较发现，三种不同的科研经费来源，对科技创新产生不同的效率。本文以高技术产业为对象，研究不同渠道的R&D经费与创新产出之间的互动关系。
国内外在R&D经费投入与科技产出相关性方面的研究成果很丰富，梳理了国内外研究成果，有以下三点不足：一是从研究内容看，对于科技投入中最主要的三种资金来源：政府R&D经费投入、企业R&D经费投入、银行科技贷款的绩效分析比较评价缺少，也正是因为此，对于加强哪种资金研发投入就没有很好的参考指标，从而在R&D投入时具有盲目性；二是从研究方法看，现有的研究主要采用灰色关联分析、自向量模型、普通回归等，较少采用动态面板、面板误差修正模型等方法，因而不能从动态和投入产出互动关系的角度全面反映科技投入产出之间的关系；三是在技术处理上，现有研究多采用最小二乘法进行估计，内生性变量问题较少考虑。
本文研究框架如图1所示。
2 研究方法
2.1 动态面板模型
2.2 面板向量自回归模型
面板向量自回归模型（Panel VAR）继承了VAR模型的优点，把所有变量均视作内生变量；脉冲响应函数分离出一个内生变量的冲击给其他内生变量所带来的影响；个体效应允许个体差异，时间效应则反映了个体在横截面受到的共同冲击。
3 数據来源
目前反映高技术产业创新的主要指标有新产品销售收入（Griliches、Liu等）和专利授权数量（Groot等），当然从统计数据来源看，新产品产值也是可供选用的变量。
新产品的界定没有统一的标准，这是理论上存在的一个最大障碍。
授权专利数作为创新产出的指标存在一定的不科学性：一是不同的专利代表的创新产出能力不一样，发明专利要高于实用新型和外观设计，因而不同专利的权重难以确定；二是专利申请期长，特别是发明专利，最少要两三年，对数据要求高；三是部分企业为了获得科技项目扶持，比如为了成功申报高新技术企业，申报的专利质量不高；四是相当一部分企业将核心技术保密，不申请专利，一些微小企业申请专利的动机也不强烈。
新产品产值作为创新产出的指标，除了和采用新产品销售收入一样的问题外，还存在销售的问题，即生产新产品并不一定能够全部销售，还有的企业存在由于新产品设计和销售过程中存在问题而导致失败的情况。
鉴于以上的原因，本文用新产品销售收入作为高技术产业创新产出的替代变量。
R&D经费投入除了上述三种经费来源外，还有人力资本投入。借鉴Griliches的做法，采用永续盘存法估算R&D资本存量。研发人力资本采用研发人员折合全时当量指标来替代，这也是国际通行的做法。
本文数据来自于中国高技术年鉴（1997～2013年），西藏数据不全，不作考虑。
4 实证研究结果
4.1 面板数据的平稳性检验
本文采用ADF、Levin、PP三种方法同时检验，当至少两种方法结果一致时，视为通过检验。检验结果如表1。经过一阶差分，所有变量均平稳。
4.2 格兰杰因果检验
考虑到技术创新的投入产出影响滞后期一般不会超过4年，再长的滞后期即使有影响其效应也会比较弱小，因此滞后期选择1～4年进行格兰杰因果检验。企业全部R&D投入以企业R&D经费投入为主，政府R&D经费投入与银行科技贷款为辅，三者可能存在某种互动关系，因此在进行格兰杰因果检验时也可检验企业研发经费与政府研发经费、银行科技贷款的因果关系，检验结果如表2：
在滞后1～4期，企业研发经费投入是创新产出的原因，但创新产出不是企业研发经费的原因。
在滞后1～4期，政府研发经费、银行贷款、研发人员全时当量均与创新产出互为因果关系。
在滞后1～4期，企业研发经费与政府研发经费互为因果关系。这里面存在这样一种传导机制：企业研发经费投入的增加可能会申请到政府的科研经费，政府科研经费投入表明政府认可企业在研发领域所做的努力以及对努力结果的确认，也解决了企业部分研发经费的不足，从而促使企业增加研发投入。 在滞后1～4期，企业研发经费投入与银行科技贷款互为因果关系。说明企业研发经费投入的增加及带来的未来产出的预期会促使银行提供科技贷款，而银行科技贷款的支持解决了企业部分研发经费的不足，从而促使企业增加研发经费投入。
4.3 动态面板估计
KAO检验结果表明，t检验值为-11.237，相伴概率值为0.000，说明R&D投入与产出之间存在协整关系。接着采用SYS-GMM模型进行动态面板估计。在估计时，首先引入全部变量采用随机效应进行估计，接着进行hauseman检验，将不显著变量删除，如表3中的固定效应2所示，表3还给出面板数据模型的估计结果。
然后进行模型的稳健性检验。首先对动态面板回归结果的残差进行平稳性检验，结果Levin检验值为
-10.272，相伴概率值为0.000，ADP检验值为158.548，相伴概率为0.000，PP检验值为167.716，相伴概率值为0.000，也就是说，殘差是平稳的，说明面板数据协整关系是稳定的。接着进行Sargan-Hansen检验，以判断工具变量的选择是否存在“过度识别”现象。表3中，Sagen检验的概率分别为0.672和0.633，不能拒绝工具变量联合生效的原假设，因此动态面板的工具变量选择是合理的。需要说明的是，在第二次动态面板估计中，由于删除了研发人员全时当量变量，因此相应地也删除了其滞后项的工具变量。
动态面板估计结果显示，R2值为0.628，中等程度的相关。企业R&D经费投入的弹性系数最大，表示企业R&D经费每提高1%，会导致创新产出增加1.721%，银行科技贷款弹性系数次之，每增加1%，会带来创新产出增加0.590%。
政府R&D经费投入的弹性系数为负，并且已经通过了统计检验，说明政府研发经费投入对高技术产业具有负面作用，其运用存在低效率。在静态模型中，政府研发经费与企业科研产出无关。无论静态模型还是动态模型，结论大致相似。这可能与政府科研经费的分配机制不合理，分配不公平等因素有关。
在动态模型中，科研人员全时当量与科技产出无关，而在静态模型中，科研人员全时当量对科技产出有促进作用，主要原因是由于静态模型估计的偏误引起的。总体上，科研人员全时当量的效率是低下的，这可能与科研人员的研发成果转化率较低有关。
4.4 面板向量自回归估计
建立PVEC模型首先必须确定滞后阶数，通常先建立无约束VAR模型，然后利用赤池信息准则（AIC）和施瓦茨准则（SC）等来确定滞后阶数，为了节省自由度，同时考虑到低阶的影响更为显著，本文将滞后阶数统一确定为2。PVEC模型建立后进行单位圆检验，AR ROOT检验显示所有特征根都位于单位圆内，模型结构稳定，拟合效果较好。
综合分析脉冲响应函数，可以得出如下结论：
第一，创新产出和企业研发经费互动作用比较显著。来自创新产出一个标准差的正向冲击，对企业研发经费作用效果鲜明，对其他影响不大。而来自企业研发经费的冲击，对创新产出的作用最大，对银行科技贷款也有显著影响。
第二，政府研发经费对企业研发经费具有显著促进作用，对其他影响较小。一方面说明政府研发经费对创新产出贡献的低效率；另一方面也有利的一面，即促进企业研发经费投入的增加。
第三，银行科技贷款的冲击对企业研发经费促进最大，其次是政府研发经费、研发人员全时当量，对创新产出的影响较小。
第四，研发人员全时当量的冲击对企业R&D经费促进最大，其次是政府R&D经费，最后是银行科技贷款，对创新产出的影响较小。
在PVEC模型中，各变量的方差分解如表4所示。
在末期，高技术企业创新产出的方差分解中，自身占85%，企业研发经费和银行科技贷款各占6%，政府研发经费和研发人员全时当量的份额很低，各占1%。这和动态面板估计的结论基本是一致的。
企业研发经费的方差分解中，自身占75%，创新产出占23%，其他因素几乎没有影响，显示了企业R&D经费与创新产出之间显著的互动关系。
政府R&D经费的方差分解中，自身占94%，其他均没有超过3%，说明了政府R&D经费相对独立，和其他因素互动作用不强。
银行科技贷款的方差分解中，自身占85%，企业研发经费占7%，政府研发经费占4%，创新产出占3%，研发人员全时当量占1%。
研发人员全时当量的方差分解中，自身占82%，企业R&D经费占7%，创新产出占6%，政府R&D经费占3%，银行科技贷款占2%。
5 结论
5.1 企业研发经费与创新产出互动效应显著
企业R&D经费对创新产出的贡献比较显著，企业R&D经费是创新产出的格兰杰原因，企业研发经费每增加1%，会导致创新产出增加1.721%。除自身外，在创新产出的脉冲响应函数中，企业研发经费对创新产出的冲击最大，在企业研发经费的脉冲响应函数中，创新产出的冲击影响最大。在方差分解中，两者互为对方的主要因素。
5.2 银行科技贷款对创新的贡献较大
银行科技贷款与创新产出互为格兰杰因果关系，银行科技贷款每增加1%，会导致创新产出增加0.59%。在脉冲响应函数和方差分解中，银行科技贷款与创新产出互动效应较弱，主要原因是由于科技金融尚不够发达，银行科技贷款规模总体过小所致。
5.3 政府研发经费与企业研发人员绩效较低
政府科研经费虽然和创新产出互为因果关系，但政府研发经费对创新产出贡献的弹性系数为负，显示出政府研发经费投入对高技术企业创新的低效率，这说明了政府研发经费投入的分配机制存在一定的问题。
研发人员全时当量与企业科技产出无关原因是多方面的，比如研发人员全时当量中无法区分企业的研发人员与科研院所的研发人员，科研院所的研发人员的研究成果转化率较低，产学研合作不够紧密等。 5.4 企业研发经费与政府研发经费良性互动
企业研发经费投入与政府研发经费投入互为格兰杰因果关系。企业研发经费的脉冲响应函数中，政府研发经费对其有显著的影响；在政府研发经费的脉冲响应函数中，除自身外，企业研发经费冲击的影响最大。在方差分解中，这种互动关系存在但不够显著。
高技术企业在创新过程中，随着R&D投入的增加，在科技资源有限的情况下，必然会设法寻求政府的支持，这是企业研发经费投入带来政府投入增加的内在动力。那么，政府对高技术企业的R&D投入为什么会带动企业R&D经费投入呢？一方面，企业申请政府R&D经费，往往只占總R&D经费的较小份额，大部分还要靠企业自己投入；另一方面，政府R&D经费具有示范效应，项目考核也有严格要求，这加大了对企业研发的压力，促使企业加大R&D投入。
5.5 企业R&D经费与银行科技贷款具有互动效应
企业R&D经费投入与银行科技贷款互为格兰杰因果关系。在企业R&D经费的脉冲响应函数中，企业R&D经费对银行科技贷款具有稳定的促进效应；银行科技贷款的脉冲响应函数中，除自身外，对企业R&D经费的促进作用最大。企业R&D经费的方差分解中，银行科技贷款的份额较低，但银行科技贷款的方差分解中，除其自身外，企业R&D经费占据份额最大。
企业科技投入在面临经费不足的情况下，首要的思路是寻求银行科技贷款，其次可能才是寻求政府投入。银行科技贷款对企业R&D经费投入产生“倒逼效应”，因为一方面，银行科技贷款仅占整个企业R&D经费投入的很小一部分；另一方面，商业银行由于风险的规避性，会对企业科技贷款项目进行严格的审核，使得贷款项目总体上技术水平较高，成功的把握较大。
参考文献
[1] Jaffe，A.B.Real effects of academic research[J].TheAmerican Economic Review，1989，（5）.
[2] Griliches，Z.Issues in assessing the contribution of research and development to productivity growth[J].BellJournal of Economics，1979，（1）.
[3] Liu，X.H.，Buck T.Innovation performance andchannels for international technology spillovers：evidence from chineses high-tech industries[J].Research policy，2007，36（3）.
[4] Groot de HLF.，Nijkamp P.Knowledge spillovers，innovation and regional development[J].Papers inregional science，2001，80（3）.
[5] Griliches，Z.R&D，Education，and Productivity[M].Harvard University Press，2000.
基金项目：浙江省软科学研究计划项目：浙江省“大众创业，万众创新”的关键问题、评价体系及推进路径研究，2017C35071，阶段性成果；宁波市软科学研究计划项目：支持中小企业创新发展的科技政策研究——以宁波为例，201601HJ-C01054，阶段性成果。
作者简介：胡平（1970-），女，湖北英山人，浙江工商职业技术学院经济管理学院副教授，硕士，研究方向：科技金融、科技政策。
（责任编辑：周 琼）