[摘要]利用UNCOMTRADE数据库中我国1999—2018年SITC3位码工业品的出口数据，构建VAR模型实证分析技术创新对我国工业品出口技术结构的影响。研究结果表明：技术创新对我国工业品出口技术结构的变动有显著影响，短期内技术创新促进高技术工业品的出口，长期内技术创新在一定程度上抑制低技术工业品的出口。进一步实证表明，不同技术水平工业品的出口变动中技术创新的影响程度不同，相比于中技术工业品，受技术创新影响最大的是高技术工业品和低技术工业品。为此我国应继续推动创新，发挥技术创新的关键作用，合理配置资源要素在创新中的投入比例，进一步优化工业品的出口技术结构。
[关键词]技术创新;工业品出口技术结构;高技术工业品
一、引言与文献综述
在全球化不断发展的进程中，创新在推动国家经济发展中发挥着越来越重要的作用。世界知识产权组织(WIPO)发布的全球创新指数(GII)排名显示，中国GII为53.28，位居全球第14位，相比于2015年的第29位，足以看出我国创新水平正在逐渐提高。然而面对不断变化的国际形势，特别是近年来美国政府不断对我国采取技术出口管制，中兴公司遭遇技术禁运、华为5G技术推广受阻等，暴露出我国在技术创新方面的短板。李克强总理在2020年政府工作报告中指出“支持制造业高质量发展，提高科技创新支撑能力，推进更高水平对外开放”，明确了科技创新在产业发展和国际贸易中的关键作用。一方面，国际贸易是国际间技术溢出最为常见的一种方式，发展中国家正是通过这种方式模仿学习吸收先进的技术推动国内的技术进步[1];另一方面，国内技术进步有助于提升加工制造业的劳动生产率，推动产业升级，进而影响出口技术结构。
技术创新及其相关问题引起国内外学者的广泛关注。国内外相关研究主要集中于技术创新对出口规模和出口结构的影响，其中，出口结构的研究中包含对出口商品结构和出口技术结构的研究。
国外学者从传统贸易理论出发，得出技术创新在国际贸易活动中发挥重要作用，在此基础上，一些学者对此进行了进一步的实证检验。Posner(1961)[2]在比较优势理论的基础上首次将技术作为独立于劳动力和资本的另一类资源要素纳入国际贸易中，提出“技术差距说”，国与国之间贸易模式产生的原因正是由于国家间存在技术差距。Grossman和Helpman(1990)[3]提出动态贸易模型，认为技术创新(知识)和效率是国家比较优势差异形成的原因，国家通过经验知识的积累提高R&D制造效率从而在国际贸易中获得比较优势以提高该国的增长率。刘仁平(2006)[4]从贸易理论视角分析了技术创新对国家贸易的影响机制，得出技术创新通过改变产业结构和国际分工、提高产品竞争优势、改变国际贸易产品结构和提高国际贸易效益和效率四个途径影响国际贸易。黄静波和刘淑琳(2015)[5]从微观企业的角度运用多元Logit回归模型实证分析了技术创新对中国企业出口行为的影响，结果表明技术创新能够提高企业持续出口的概率，进一步估算得出技术创新指数每提高1个单位，企业持续出口概率提高2.5%。李秀珍和徐芳娜(2015)[6]从全球价值链视角出发构建数学模型推导技术创新对提升生产价值链的正向效应，并运用计量模型证实了技术创新对出口贸易具有显著的正向作用。曲如晓和刘霞等(2019)[7]运用随机效应面板模型研究了国际科技合作在宏观层面的总体出口效应，并通过进一步分样本回归研究了技术创新在微观企业层面的二元边际效应，研究得出国际科技合作作为技术创新的重要形式能够通过提升扩展边际和集约边际促进出口贸易。欧阳红兵和孙智博(2019)[8]利用2005年7月至2018年11月的月度时间序列数据构建VAR模型实证分析技术创新与对外贸易升级的关系，得出技术创新通过提高劳动生产率优化资源的配置推动对外贸易升级。李勤昌和刘明霞等(2019)[9]将国民经济行业与国际标准行业分类进行匹配后利用面板数据实证检验了技术创新对制造业出口国内增加值的影响，结果显示技术研发投入每增加1个单位，出口本国增加值将会提升0.4394个单位，并指出技术创新是改善全球价值链分工提升国际竞争力的关键手段。
相关期刊推荐：《吉林工商学院学报》JournalofJilinCollegeofFinanceandTaxation(双月刊)曾用刊名：吉林财专学报;吉林财税高等专科学校学报，1985年创刊，以质量选稿,特别欢迎具有前瞻性、创见性、对实践有指导意义的理论研究成果。设有：财政税务、金融保险、会计审计、经济管理、高教研究等栏目。
在技术创新对贸易规模研究的基础上，国内一些学者针对技术创新对贸易结构的影响展开了更加深入的研究。隋月红和赵振华(2008)[10]选取1980—2005年的时间序列通过格兰杰因果检验和一般回归实证分析了出口贸易结构的形成机理，得出技术创新在出口贸易结构形成中的促进作用主要表现在资本密集型产品比重的增加。蔺建武和仲伟周等(2011)[11]将古典贸易理论和新贸易理论与实际结合，利用1980—2008年的时间序列数据实证检验了包含技术在内的四种因素对出口商品结构的影响，得出技术创新是导致出口商品结构升级的重要原因。李汉君(2012)[12]使用1991—2010年的时间序列数据从技术创新的投入和产出两方面运用普通最小二乘回归实证研究了技术创新对出口商品结构的影响，得出无论从技术创新的投入角度还是产出角度都对我国出口商品结构有显著影响。国内还有部分学者在研究技术创新的出口结构效应从国家领域具体到某一国的行业领域。逯宇铎和孙博宇(2012)[13]运用1994—2008年制造业27个行业数据与出口商品数据匹配，通过在模型中引入交互项实证分析了技术进步和效率增进对制造业出口结构的影响，研究得出技术和效率超越要素投入在出口中发挥了更大的作用，出口结构升级的路径得到了优化。洪世勤和刘厚俊(2015)[14]利用1998—2008年制造业面板数据，建立系统动态GMM模型实证研究了制造业的出口技术结构的影响因素，研究得出研发投入对行业出口技术结构的深化作用较为显著，样本期内影响出口技术结构升级的因素发生新的变化。胡小娟和陈欣(2017)[15]利用2001—2013年我国制造业面板数据，利用工业发展特征理论框架实证分析了技术创新模式对我国制造业出口结构的影响，结果表明模仿创新对重工业出口有促进作用，自主创新对轻工业和重工业出口都有正向影响。
综上所述，国内外大量学者的研究表明，无论从宏观国家层面还是微观企业层面，技术创新对出口技术结构的影响不可忽视。然而技术创新的推进或抑制对一国工业品出口技术结构的影响程度如何，是否存在滞后影响还需要进行深入研究。本文在此基础上研究技术创新对我国工业品出口技术结构的动态影响。
二、模型设定、变量说明与数据来源
(一)模型设定
向量自回归模型(VAR模型)是将模型中的每一个内生变量作为系统中所有内生变量的滞后项构成的模型，该模型适当解决了一般计量模型中普遍出现的内生性问题，在分析变量间的动态关系问题中应用较为广泛。
(三)数据来源
样本范围选取1999—2018年时间序列数据，其中我国出口商品数据来源于联合国商品贸易统计数据库(UNCOMTRADE)，研究与试验发展经费支出占GDP的比重来源于世界银行网站(WORDBANK)。在对数据进行处理的过程中采取对数形式便于消除异方差的影响，避免造成伪回归。
在构建VAR模型前首先要对时间序列数据进行平稳性检验，即单位根检验。表1列出ADF(AugmentDickey-Fuller)检验结果，结果显示原序列为非平稳的时间序列，而一阶差分后的序列均是平稳的时间序列数据，故使用差分后的平稳时间序列建立VAR模型。
(二)协整检验
协整检验用于检验非平稳序列之间是否存在长期稳定关系，通常包括两种方法：基于极大似然估计的Johansen检验和EG两步法。在此选用Johansen极大似然法，首先确定VAR模型的最优滞后阶数，使用LLC法并根据得出的结果结合AIC、SC和HQ等信息准则判断最优滞后阶数，从滞后三期开始依次进行检验，直到拒绝原假设为止。通过检验并结合信息准则确定滞后阶的结果如下：DRD和DLNHT的最优滞后阶数为二阶，DRD和DLNMT最优滞后阶数为二阶，DRD和DLNLT的最优滞后阶数为三阶。进一步对上述模型进行协整检验，检验结果如表2所示。
结果显示：在5%的显著性水平下，对技术创新与高技术工业品出口而言，拒绝无协整关系，不能拒绝至多一个协整关系的假设，得出技术创新与高技术制成品出口之间存在长期均衡关系，类比分析得到，技术创新与中技术工业品出口和低技术工业品出口之间都存在协整关系。因此可以对DRD和DLNHT构建VAR(2)模型，记为模型1，DRD和DLNMT构建VAR(2)模型，记为模型2，DRD和DLNLT构建VAR(3)模型，记为模型3。
(三)模型稳定性检验
VAR模型满足稳定性条件是进行脉冲响应函数分析和方差分解分析的前提，一旦模型不稳定，接下来的分析都将失去意义。因此，需要对上述建立的VAR模型进行稳定性检验，检验结果以分布图的形式展现。在进行AR根检验时，若圆点都落在单位圆内，则说明该模型满足稳定性的条件，若存在一个或以上的圆点落在单位圆上或在单位圆外，则说明该模型中存在单位根，不满足稳定性的条件。
图2是针对不同模型进行AR根检验的结果。自左向右分别是模型1、模型2和模型3的多项式特征根检验分布图。模型1的AR根图中四个根均位于单位圆内，AR根的模小于1，说明模型1是稳定的。同理可得，模型2和模型3也是稳定的，对模型继续进行进一步的脉冲响应函数和方差分解分析。
(四)脉冲响应函数分析VAR模型建立的主要目的并不是解释回归结果，而是分析当某一内生变量发生随机波动时对其他变量的影响，因此需要通过脉冲响应函数进行变量之间的短期动态分析，即分析当给定某个内生变量一个冲击时其他变量对此的反应程度。图3自左至右分别为模型1、模型2和模型3的脉冲响应图，图中横轴表示了给定冲击下反应变量的反应期数，纵轴表示反应变量在该冲击下的变动程度。
左图表示，在本期给定技术创新一个正的冲击时，1∼10期内对高技术制成品的出口始终产生正的影响，且第1期正影响急剧加强，在第2期该正向影响达到峰值，在接下来的两期内影响程度迅速下降，降至第4期后稍有回升，并于第7期开始趋向平稳，逐步收敛为零。从整体趋势看，技术冲击对高技术产品的出口的影响持续时间较长，前3期影响波动较大，从第4期开始影响呈振荡型衰减。
中图表示，本期给定技术创新一个正冲击，中技术制成品出口的反应表现仍较为迅速，1∼3期为正向影响，1∼2期正向影响迅速增强，在第2期时正影响程度达到最大值，2∼4期影响迅速减弱直至第4期时影响几乎为零，第4期后虽有波动但整体影响程度非常弱，几乎无影响，总体上看技术冲击对中技术产品的出口造成的影响持续时间较短。
右图表示，当期给定技术创新一个正的冲击，对低技术制成品出口的影响大致分为三个阶段，在第1∼3期为正效应，第2期时正效应最大，随后正的影响减弱，从第4期开始出现了负反馈，这种负效应持续2期，到第6期时趋于稳定，而后逐步收敛于零。总体上分析，技术创新的冲击在前期对低技术制成品的出口产生正向效应，但在后期转变为负向效应，抑制了低技术制成品的出口。
(五)方差分解分析
方差分解在脉冲响应函数的基础上，进一步分析得出结构性冲击对响应变量变动的贡献度。图4自左向右分别为模型1、模型2和模型3的Cholesky10期的方差分解结果图，横轴为冲击反应期数，纵轴表示贡献度，用百分比表示。
如左图所示，对高技术工业制品而言在第1期时，DLNHT的所有变动均来自于其自身，随后DRD的波动对DLNHT的影响急剧上升，并于第3期时达到最大，此时，DRD对DLNHT变动的贡献程度约为75%，超过了其自身的贡献程度，表明研发强度的波动冲击对高技术工业品出口的影响非常强烈。中图表明，对中技术工业品而言，第1期内只受其自身波动的影响，第2期开始受DRD的波动影响，且影响程度越来越大，直至第5期DRD波动对DLNMT的解释程度稳定保持在40%左右，也就是说在DLNMT的变动中，其自身可以解释的部分仍占多数，表明研发强度的波动冲击对中技术工业品出口的影响偏弱。右图表明对低技术工业品而言，第1期时，DRD对DLNLT的贡献为0，1期后，DRD对DLNLT变动的解释程度迅速上升至56%，超过了DLNLT其自身的解释程度，并随后保持稳定，表明研发强度的波动对低技术工业品的影响较为强烈。综合来看，技术创新的波动对高技术工业品的出口影响最大，其次是低技术工业品，对中技术工业品的出口影响最小。
