中国产业间的技术溢出效应：基于35个工业部门的经验研究，本文主要内容关键词为：工业部门论文,中国论文,效应论文,经验论文,产业论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
知识作为经济社会发展的源动力越来越受到人们的重视。而技术作为知识的一种特殊形态，对经济的发展、尤其是企业生产率的提高起着不可忽视的推动作用。技术一般通过某种载体的形式出现，具有一定的非排他性和非竞争性，因此技术本质上具有溢出效应。
国内外研究技术溢出的文献较多，研究的思路与方法也有多种。Romer（1986）较早地将技术溢出作为独立要素纳入生产函数，并建立包含技术溢出的内生经济增长模型。在此基础上又有不少学者做了更深入的研究，从理论上证明了技术溢出的存在。多数学者通过直接测度社会收益率来进行技术溢出的经验检验，如Mansfield et al（1977）研究了制造业创新所带来的社会收益率的问题，Bresnahan（1986）研究了计算机行业对金融行业技术溢出的状况。还有一些学者对技术溢出与集聚、创新、经济增长之间的关系进行了探讨。如Jaffe et al（1993）等从专利引用、创新产出、创新活动空间分布等不同角度论证了知识溢出的存在性和可度量性，并研究了知识溢出在促进创新和集聚过程中的作用机理。
然而，现有的技术溢出的研究文献大多集中在对企业间技术溢出的探讨（Bernstein et al,1989），同时从多个行业宏观地探讨产业间技术溢出的文献相对略少一些。从我们查阅到的文献看，Terleckyj（1974）、Griliches（1979）以及Scherer（1982）较早地注意到了一个行业的技术创造（technical generation）能够对其他行业的生产率产生影响。尤其是Scherer（1982）提出在生产函数的设定中需要引入R&D的投入，并认为在引入R&D的投入时，不仅需要考虑行业自身的研发投入，也需要考虑可能通过以产品为载体的产业间的技术溢出效应。他通过对美国1970年代数据的实证分析发现，R&D投入——无论是行业内部的投入，还是通过购买其他行业产品的间接投入——对生产效率的提高都具有持续的正向促进作用。但Scherer没有考虑产业间技术溢出的更多可能的机制，也没有构造一个能够很好地衡量产业间技术溢出的指标，因此也就无法测算产业劳动生产率的提高中由产业间技术溢出本身带来的效应有多大。后续大多数的研究也都集中在产业间的技术溢出对产业生产效率的影响方面。部分研究者探讨了其他产业对某些特定产业的技术溢出效应（Odagiri and Kinukawa,1997），部分研究者则是从更宏观的角度，探讨一国多个产业间或全行业间的技术溢出效应（Düring and Schnabl,2000; Dietzenbacher and Los,2002）。
以中国为考察对象探讨技术溢出效应的研究文献大多集中在外资对内资的影响方面。大多数研究重点关注了外资对内资的产业内溢出效应，即所谓的水平溢出（Liu and Wang,2003；陈涛涛，2006；沈坤荣，2009），也有部分研究在近年来开始关注FDI对内资的产业间运行机制，即所谓的垂直溢出（陈羽，2006；姜瑾和朱桂龙，2007；许和连等，2007），并发现行业间的垂直溢出效应超过了行业内的水平溢出效应。但直到目前，从宏观层面对中国多个产业间的技术溢出效应的研究仍不是很多。从我们查阅到的文献看，张红霞和冯恩民（2005）较早地考察了1999年中国多个产业间的技术溢出效应，但他们完全采用Düring & Schnabl（2000）提出的投入产出分析方法。韩颖等（2010）也利用该方法讨论了中国1997、1999、2000、2002、2005年7大产业间的技术溢出效应及其变化。正如我们将在文献综述中所指出的那样，这一方法只考虑到了产业间技术的市场性溢出效应，但却无法考察技术的产业间关联性溢出效应以及产业间的知识性溢出效应。尹静和平新乔（2006）则从另外一个视角来考察中国产业间的技术溢出效应。他们以制造业各行业在各地区R&D投入的比例为基础，构造各制造行业的技术相似度矩阵，并以角余弦来表征产业间R&D溢出效应的大小。该方法抓住了产业间的相似性是促进产业间技术溢出效应的主要原因这一重要特征，但仅仅以某行业R&D在各地区投入的比例为基础来测度产业间的相似性却有失偏颇，因为存在着两个技术结构上差异很大的产业可能其R&D在各地区投入的比例很相似的情况。
本文将投入产出技术与经济计量分析方法相结合，利用中国1997、2002、2007年投入产出表，构造出衡量产业间技术溢出的变量，并将其纳入到产业生产函数中，通过分析1997—2008年35个工业行业的面板数据，对中国工业行业间的技术溢出效应进行经验研究。本文后续内容安排如下：第二部分对产业间技术溢出的形成机制与测度方法进行文献综述；第三部分通过投入产出表构造出衡量产业间技术溢出的测度指标；第四部分通过建立面板数据模型来考察中国产业间技术溢出对产业生产率变化的影响，即考察产业间的技术溢出效应；最后对全文进行总结并提出简单的政策建议。
二、产业间技术溢出的形成机制与测度方法文献综述
1.产业间技术溢出的形成机制
知识溢出的过程是不同主体之间通过直接或间接方式进行互动、交流，并在此过程中发生的无意识的传播过程，这一过程既可以在较近的空间范围内，也可以在比较大的空间范围内完成。技术作为一种特殊的知识形态，一些知识溢出的形成机制同样适用于技术。但产业间技术溢出的形成机制与企业间技术溢出也有不同之处。Jaffe（1998）对已有文献进行了总结，并根据产业间技术溢出传导方式的不同，将产业间技术溢出的形成机制大致归为如下三个方面：
（1）知识性溢出（knowledge spillover）。知识性溢出是一种最广泛的技术溢出方式，也是最难把握与测度的。新思想的传播、专利技术的公开、技术人才的流动等都是知识溢出的主要渠道。从当前知识溢出的形式看，人才在不同产业之间的流动，特别是人才在相似产业之间的流动往往会产生强的技术溢出效应。比如化工品制造业的科技人员不仅可以将新研发的化工品带到医药行业中去，而且还可以把其在化工品制造业中的创新思想与创新方法运用到医药行业中去，进行新环境、新条件下的再创新。
（2）产业关联性溢出（network spillover）。具有类似投入产出结构的行业，会主动相互学习或者被动相互学习，并进行创新。比如当黑色金属行业通过改进生产技术来应对焦炭等原材料涨价时，有色金属行业也会通过模仿创新来改进自己的生产技术，降低自己的生产成本。其它具有类似投入产出结构的行业间也会产生类似的技术溢出。
（3）市场性溢出（market spillover）。市场交易可以促使企业之间或者地区之间的技术溢出。商品贸易将物化型技术知识从一个企业或地区传递到另一个使用其产品的企业或地区。嵌入了先进技术的贸易商品给技术落后地区的企业模仿前沿技术创造了机会。这一逻辑在一定程度上也适用于产业间的技术溢出。上游产业产品技术水平的提高一般会影响到下游产业产品生产技术的改进、产品质量的提高或生产效率的提升。比如计算机软件的发展会提高其对硬件性能的要求，进而会促进硬件行业的创新和发展；新能源电池的研制必将促进下游汽车行业的创新与发展。
我们可以发现，以上三种机制能否发挥作用既依赖于企业间的互动能力的大小，还依赖于要素流动的幅度与广度以及产业间关联的强弱。尤其是产业或行业间的关联强度，更大程度上影响着产业或行业间的技术溢出效应。具有较强产业关联的行业之间不仅可以模仿对方新的技术，而且可以从对方创新的思想中受到启迪进而促成自身行业的创新。因此，技术外溢在具有较高相似度的产业或行业之间更有可能发生。当然，知识性溢出和产业关联性溢出本质上体现为一种交流外部性，主体之间如何进行知识学习、匹配、转移影响着技术溢出的成效。而技术溢出本身也是一个动态过程，企业主体特征、产业集聚程度、区域环境、区位特征以及社会交流网络等因素都会在很大程度上影响着产业间的技术溢出效应（赵勇、自永秀，2009）。
2.产业间技术溢出的测度方法
完全运用投入产出分析方法来考察各个产业间的技术溢出效应有一个较为完整的分析体系，但其最大的问题在于无法全面刻画产业间技术溢出的三大渠道所表征的技术溢出效应，因此大多数研究都是通过首先提出产业间R＆D溢出效应的指标，并将其引入到经济计量模型中来考察该指标对产业产出或产业生产率的影响（Los,2000）。从现有的文献看，虽然不同的研究者提出了不尽相同的产业间技术溢出的测度方法，但这些方法几乎都具有一个共同的特征：一个产业获得的技术溢出是其他产业R&D投入的加权和，Los（1997）称其为“间接的R&D”。产业j通过技术溢出获得的间接R&D投入为：
Jaffe（1986）通过构建技术相似矩阵的方式来刻画产业间的技术相似性，但他是以所申请的专利数为基础来构建的。受此启发，Los（2000）利用投入产出表构造了一个新的测度权数的方法。他认为产业间的技术溢出更多地发生在生产技术相似、投入结构相似的产业之间，因此可利用投入产出表的直接消耗系数所表征的技术特征的相似度来刻画权数的大小。我们认为，一方面，那些公共知识可以为任何产业所获取，另一方面，特定的产业直接获取的是那些与自己相似的产业所创造的新知识或新技术；同样的，科技人员也只在相似的产业间流动。因此，通过以相似度来确定权重可以涵盖产业间技术溢出的三种机制，不失为一个较好的方法。尹静和平新乔（2006）也是通过构造中国制造行业技术相似度矩阵，得到角余弦为权数来测度产业间R&D的溢出效应。本文将采用这一方法来计算中国35个工业行业的相似度并以它为权重测算各行业的间接R＆D投入。
三、中国35个工业行业的相似度与间接R&D
我们仍然采用（1）式计算各产业的间接R&D投入，其中权数是通过投入产出表直接消耗系数所计算的产业间的相似度。
从投入产出表直接消耗系数矩阵看，第j列表示产业j生产单位总产品对其他各产业产品作为中间投入品的消耗，因此它既反映了该产业部门对其他产业部门的依赖关系，也反映了对其他产业部门产品消耗的技术结构。因此，如果两个产业部门中间投入的技术结构相同，则认为它们间有着较高的相似程度，从而这两个产业部门间更容易发生技术溢出。为了避免各产业部门增加值率的不同对产业间相似度计算的影响，我们的一个改进是直接采用各产业部门直接消耗系数的结构来测算产业部门间的相似程度。定义两产业部门i、j的相似度为该两产业部门直接消耗系数结构向量的角余弦：
我们利用中国最新的2007年投入产出表，测算了35个工业部门的相似度矩阵，发现相似度较高的产业部门大都集中在矩阵的主对角线附近。测算结果表明，相似度系数超过0.6的产业对共有33对，其中，相似度超过0.9的有6对产业，在0.8与0.9之间的有8对产业，在0.7与0.8之间的有10对产业，在0.6与0.7之间的有9对产业。②
图1描绘了以2007年投入产出表测算的中国35个工业部门的MDS聚类状况，通过该图可以考察通过“技术距离”来描绘的35个工业部门的产业聚集程度。图1的结果显示，存在着4类比较明显的聚集集合，④ 它们分别是：
第Ⅰ类：煤炭开采和洗选业（1），石油和天然气开采业（2），黑色金属矿采选业（3），有色金属矿采选业（4），非金属矿采选业及其他采选业（5），非金属矿物制品业（24），电力、热力的生产和供应业（34）；
第Ⅱ类：农副食品加工业（6），食品制造业（7），饮料制造业（8），烟草制品业（9），纺织业（10），服装、鞋、帽制造业（11），皮革、毛皮、羽毛（绒）及其制品业（12），木材加工及木、竹、草等制品业（13），家具制造业（14），造纸及纸制品业（15），印刷业和记录媒介的复制（16），文教体育用品制造业（17），石油加工、炼焦及核燃料加工业（18），医药制造业（20），燃气生产和供应业（35）；
第Ⅲ类：化学原料及化学制品制造业（19），化学纤维制造业（21），橡胶制品业（22），塑料制品业（23）；
第Ⅳ类：黑色金属冶炼及压延加工业（25），有色金属冶炼及压延加工业（26），金属制品业（27），通用设备制造业（28），专用设备制造业（29），交通运输设备制造业（30），电气机械及器材制造业（31），通信设备、计算机及其他电子设备制造业（32），仪器仪表及文化、办公用品机械制造业（33）。
可以看到，这4类具有明显的共同的产业特征：第Ⅰ类主要是采掘业，第Ⅱ类主要是轻工制造业，第Ⅲ类则是化学工业各行业，而第Ⅳ类主要是以金属制品为依托的各种机械设备、仪器仪表的制造业。属于同一类的产业间确实有着比较相似的中间投入结构，如第Ⅰ类采掘业各行业，它们都需要较多电力、热力以及石油、炼焦行业的投入，而对其他行业的中间需求相对较小，因此可以认为采掘业各个部门之间能够从对方的研发支出中获益，技术溢出的传导机制能够发挥作用。同样的，属于第Ⅱ类的食品制造业、饮料制造业等行业对农副食品加工、食品制造业、塑料制品业等行业的中间投入需求较大，中间投入结构比较相似，轻工制造业各部门之间的相似性也导致了它们间能有较大溢出效应的发挥。
图1 2007年中国35个工业部门MDS聚类图
四、中国35个工业部门间的技术溢出效应
1.模型设定
本文通过建立生产函数的方式来研究中国产业间的技术溢出效应。⑤ 我们借鉴Los & Verspagen（1997）和Los（2000）的方法通过生产函数来设定基本模型。
就像资本和劳动一样，新增长理论已将知识作为一项重要的要素纳入到生产函数之中。但是知识的衡量没有资本和技术的衡量那么容易，多数研究是用R&D支出来代替知识投入的。根据知识技术外溢性理论，产业间知识技术外溢效应的存在意味着产业部门的产出不仅是资本、劳动、知识等生产要素投入的函数，同时还应是产业间技术溢出程度和溢出类型的函数：
由于我们的数据具有横截面宽而时序短的特征，Greene（2003）指出具有这类特征的面板数据模型需要关注的是横截面上个体间异质性的个体效应，时间效应通常可被模型化为其发生时所特有的现象，而不会在一个横截面单位内转移到下一个时期。因此我们的模型也延续了大多数经验研究文献所关注的横截面个体效应的异质性问题。
2.模型估计与分析
我们选用1997—2008年间中国35个工业部门规模以上工业企业的年度数据来进行模型估计。产出Y采用工业部门的增加值来衡量，其中2008年的数据有缺失，我们按2008年的总产值乘以2007年的增加值率换算得到；各行业固定资产存量K是在各行业规模以上工业企业固定资产原值数据基础上，通过永续存盘法（Perpetual Inventory Method,PIM）计算；劳动L采用各行业规模以上企业的平均就业人数表示；R&D采用各个行业大中型企业科技活动经费内部支出数据；衡量技术溢出效应的IRD指标采用第三部分计算的数据。由于需要动态反映35个工业行业劳动生产率的变动，我们对当年价的增加值再按工业品出厂价格指数进行缩减；采用永续存盘法估计工业各行业固定资产存量时，沿用王玲（2004）的方法，1997年固定资产存量按2000年价估算，固定资产净形成序列通过各行业相邻两年固定资产原值相减得到，并使用固定资产投资价格指数对其进行缩减，固定资产存量的加权折旧率按建筑资产和设备资产所占比重以及两者的折旧率计算，我们估算的结果约为7.5％。R&D支出的成份比较复杂，部分用于购买固定资产、部分用于购买试验材料，也有一部分用于研发过程中的各种人员费用，如会议费、差旅费、相关人员的津贴甚至临时雇员的工资等，而后两者是以对货物或服务的消费为最终支出对象的，因此我们沿用朱平芳等（2003）的方法，以固定资产投资价格指数和居民消费价格指数的加权合成指数作为R&D的价格缩减指数，固定资产投资价格指数和居民消费价格指数的权分别按45％与55％来取。上述各类价格缩减指数均以2000年为基期计量。本研究的所有数据均来自各年的《中国统计年鉴》、《中国劳动统计年鉴》以及《中国科技统计年鉴》。
由于采用的是面板数据计量模型，因此估计方法的选择显得异常重要。面板模型首先需要判断模型中表征个体效应的变量是否与随机项不相关，从而决定采用固定效应模型估计法还是随机效应模型估计方法来估计原模型；另一个重要的问题是，近年来随着面板数据模型应用研究的深入，人们越来越关注模型中解释变量的内生性问题。就本研究所建立的面板数据模型来说，一方面，R&D投入的增加必定会通过促进技术进步而提高产业的生产效率；另一方面，劳动生产率的提高也会促使产业更多地增加R&D投入。同样的原因，获取较多其他产业技术溢出的产业往往能拥有更快的技术进步速度与更高的劳动生产率，同时那些生产效率更高的产业也更容易吸取相近产业的技术溢出。因此，如果在模型估计中不考虑这种可能存在的双向因果关系，将容易导致估计的联立型偏误（simultaneity bias）。因此，我们在估计模型时重点关注模型中的解释变量是否与随机项同期相关，从而决定是否采用工具变量法来估计原模型。我们首先采用Hausman检验来判断是采用固定效应模型估计法还是随机效应模型估计方法。其次，由于同期相关性是内生性的主要问题，我们以解释变量的1阶滞后变量为工具变量，通过Hausman检验来判断模型中哪些变量具有内生性，并在存在内生解释变量时采用工具变量法（IV）进行模型的估计。表l列出了相关的估计与检验结果。
表1的估计结果显示，无论是施加规模报酬不变这一假设，还是放松这一假设，Hausman检验均显示采用随机效用模型更合适一些。同样的，经检验发现，模型中的人均直接R&D投入、人均间接R&D投入均具有内生性，但劳动投入与人均资本投入不具有内生性，我们以上述内生解释变量的1期滞后变量为工具变量，对随机效应模型进行工具变量法估计（IV）。Hausman检验结果显示，是否施加约束，工具变量法（IV）的估计均比不进行工具变量的广义最小二乘法（GLS）的估计更合适一些。当然，从无约束模型的劳动投入项的参数估计结果看，在5％的显著性水平下，广义最小二乘法与工具变量法均不拒绝λ－1＝0的假设，即中国工业生产函数具有规模报酬不变的特征，因此无约束模型与受约束模型本质上是相同的。事实上，从随机效应模型的广义最小二乘估计以及工具变量估计的结果看，受约束模型与无约束模型关于其他参数的估计结果是非常接近的：不仅参数估计值差别很小，而且人均资本投入与间接R&D投入都通过了1％显著性水平下的统计检验，人均直接R&D投入也通过了5％显著性水平下的检验。当然，由于内生性的存在，我们下面的分析是在工具变量法估计结果基础上进行的。
从估计结果看，中国工业各部门劳动生产率的提高，既取决于各行业自身人均资本投入与人均直接R&D投入的增加，还取决于间接R&D投入的增加，即产业间技术溢出效应是明显存在的。无约束模型显示，衡量技术溢出的变量IRD的参数估计为0.335，表明当产业间技术外溢提高1个百分点时，各产业的人均产出将平均提高0.335个百分点。产业间的技术溢出效应甚至超过了各行业直接R&D投入的回报，后者关于产业人均产出的弹性值约为0.220，表明各行业人均直接R&D投入平均增长1％时，人均产出增长0.220％。如果将各行业的直接R&D投入的回报看成是“私人收益”、各行业从其他行业R&D投入所得出的回报看成是“社会收益”的话，这里测算的“社会收益”大于“私人收益”的现象恰好符合经典文献中所指的技术知识溢出的原本含义（Griliches,1992）。我们这里得到的结果与Los（2000）利用美国制造业1974—1991年相关数据测得的结果相类似，Los的结果显示美国制造业人均产出关于产业间技术溢出的弹性值高达0.60，而各产业人均产出关于直接R&D投入的弹性只有0.03。当然，从我们的模型测算结果看，影响中国工业各行业人均产出提高的主要因素仍是人均资本投入的增加，其弹性值达到了0.588。不无遗憾的是，由于我们的方法与张红霞和冯恩民（2005）、韩颖等（2010）以及尹静和平新乔（2006）所采用的方法完全不同，技术溢出的指标含义与算法也不一样，因此我们的结果与他们的结果没有直接的可比性。
我们关心的第二个问题是，随着时间的推移，中国35个工业产业部门间的技术溢出效应是否会有所变化？从中国近年来的经济运行状况看，产业的整合、人才的流动速度在加速，各行业研发投入规模不断增加，知识、技术存量规模成倍增长，发明与专利数量与日俱增，这一切都为产业间的技术溢出提供了强劲的动力支撑，因此产业间的技术溢出效应可能会随着时间的推移而呈现不断扩大的态势。情况果真会如此吗？表2给出了我们对中国35个工业行业按每8年为一个时间段的滚动估计结果。
表2的估计结果验证了我们的猜测，即随着时间的推移，中国35个工业产业部门间的技术溢出效应呈逐渐扩大之势。产业间技术溢出的参数估计值由1997—2005年第1个时间段的0.133渐次增加到2000—2008年第4个时间段的0.366，表明当产业间技术溢出平均增长1％时，在1997—2005年间各产业人均增加值平均增长0.133％，而在2000—2008年间则平均增长0.366％。当然，在所有4个时间段中，仍不拒绝ln（L）前的参数为零的假设，再次表明中国工业部门总体呈现规模报酬不变的特征。另外，除产业间技术溢出效应呈现随时间推移而增大的趋势外，各产业人均资本的生产率弹性也呈现稳步增大的态势，表明人均资本投入的增加也随着时间的变化而对劳动生产率起越来越大的提升作用。估计结果还显示各产业的直接R&D投入对产业劳动生产率的提升也起正向的促进作用，但促进作用的程度似有轻微的递减之势。
我们关心的最后一个问题是，中国35个工业行业间的技术溢出效应在不同的产业类别间有没有差异。根据本文第三部分的相似性聚类分析可知，35个工业行业有4个比较明显的相似产业类，那么，这4类相似性较大的产业内部各行业间的技术溢出效应会比4类间的技术溢出效应更大一些吗？
根据上文相似性聚类分析，我们将35个工业行业分成4大类产业部门，根据面板数据模型分别估计各大类内部产业部门间的技术溢出效应；然后再将4大类产业内部行业部门的数据进行合并，并估计这4大类产业间的技术溢出效应。其中4大类产业的间接R&D投入，也需要将投入产出表按4个产业部门进行合并，根据合并后的4个产业部门的技术相似度来计算。
表3的回归结果显示，无论是4大相似类产业内部行业间，还是4大类产业之间，产业间的技术溢出效应都是明显的：衡量产业间技术溢出效应的变量IRD的回归系数的估计值，对4大产业内部来说依次为0.274、0.376、0.175、0.247，而4大类产业间的技术溢出效应估计值为0.233，且都在1％显著性水平下显著。可以看出，除第Ⅲ类产业内部行业间的技术溢出效应比4大类产业间的技术溢出效应略小之外，其他3类都大，⑥ 表明相似产业间更容易相互学习、相互渗透，产业间的技术溢出更容易发生。
从表3还可以看到，对4大类相似产业类来说，各因素对人均产出的影响方式也出现了一些不大相同的特征。第Ⅰ与第Ⅳ类，分别是以采掘业与设备、仪器制造业为主体的相似类，它们都是资金、技术密集型的产业类，因此对研发投入较为敏感，也较为重视。从估计结果看，这两类产业自身的R&D投入的效应都高出了行业间的技术溢出效应，即产业内部各行业的直接R&D投入的弹性大于间接R&D投入的弹性，且在1％的显著性水平下显著。另外，在5％的显著性水平下，第Ⅳ类产业呈现出规模报酬不变的特征，但第Ⅰ类产业则呈现规模报酬递减的趋势，表明劳动力投入的增加反而会影响采掘业生产效率的提高。对于第Ⅱ类产业，主要由食品、服装等轻工制造业组成，相对来说是劳动密集型产业，对研发投入不太敏感，但由于技术门槛较低，人员流动与技术模仿在这类产业最容易发生。估计结果也表明产业内各行业自身的R&D投入对人均产出的影响并不显著，但产业间的技术溢出效应却是显著存在的。需要注意的是，在这类产业中，人均固定资产投入的增加对人均产出增加的促进作用尤为明显，弹性值高达0.771。在5％的显著性水平下，第Ⅱ类产业也不拒绝规模报酬不变的假设。第Ⅲ类产业是化学原料工业与橡胶、塑料制品业。这类产业对资金、研发投入都具有一定的敏感性，虽然间接R&D的影响也是显著的，但这类产业仍是以自身的研发投入来主要影响着自己的技术进步。估计结果显示，这类产业具有明显的规模报酬递增型特征，表明这类产业在中国经济发展的当前阶段具有较强的劳动力吸收能力，也进一步印证了当前中国经济大致处于重化工业发展阶段这一基本特征。
五、基本结论
产业间技术溢出是企业间技术溢出问题研究的一个自然延伸，因为企业间的技术溢出往往发生在同行业或相似行业的企业之间。本文将投入产业方法与计量模型技术相结合，考察了近年来中国产业间技术溢出对中国工业部门劳动生产率的影响。本文的主要结论如下：
第一，通过对中国35个工业行业相似度的测算以及运用MDS法的相似性聚类分析，发现35个工业行业大致可以归为4类：采掘业类、轻工制造业类、化学原料与塑料橡胶制造业类、机械电子仪表制造业类，每一类内部的行业之间相似度较高，因此每一类内部的各行业间更容易发生技术溢出。
第二，从35个工业行业的总体情况看，生产率变动的产业间技术溢出效应是显著存在的。无约束模型的回归结果显示，产业间技术溢出效应的弹性值高达0.348，超过了各行业直接R&D投入的弹性值。因此，产业间的技术溢出效应现已成为中国工业行业生产效率提高的重要影响因素。当然，回归分析显示劳均资本投入仍是决定产业劳动生产率最重要的因素，而劳动投入对产业劳动生产率的变动没有显著影响。
第三，通过固定窗宽的滚动回归分析结果显示，随着时间的推移，中国35个工业行业间的技术溢出效应呈逐渐扩大之势。这一结果表明，随着中国市场化改革的渐次深入，产业间的相互学习意识越来越强化、人才的产业间流动越来越频繁，这些都为产业间的技术溢出提供了强劲的动力支撑。
第四，从4大类产业的类内行业间技术溢出效应与类间溢出效应的比较分析发现，分析结果显示，除化学原料与塑料橡胶制造业这一类外，其他3类都呈现类内的产业间溢出效应大于类间的产业间溢出效应这一基本特征，从而也从一个侧面进一步印证了相似产业间更容易发生技术溢出这一基本现象，它恰是本文的立论基础。
第五，在分析4个相似产业类内部的行业间溢出效应时，我们也发现了与35个产业部门平均状态不一样的一些特征。例如，以采掘业为主体的第Ⅰ相似产业类，以化工制造为主体的第Ⅲ相似类，以及以设备、仪器仪表制造业为主体的第Ⅳ相似类，这三大类产业自身的研发投入的效应都高出了各自内部行业间的技术溢出效应。因此，对这三类产业来说，更需要注重行业自身的R&D投入，通过简单模仿以及依靠人才流动等产业间的技术外溢渠道已不能支撑本类产业生产效率的进一步提高了。当然，以化工制造为主体的第Ⅲ产业类是中国目前经济发展阶段中唯一表现出规模报酬递增的相似产业类，而且也是当前具有较强吸纳劳动力的产业类。对于以轻工制造为主体的第Ⅱ相似产业类，目前其行业自身的R&D投入对本行业劳动生产率的提高还没有实质的影响，而行业间的溢出效应却很显著。这说明中国的轻工制造业目前仍处在较低水平的发展阶段，行业技术门槛低，产品的模仿与技术人员的“跳槽”频繁发生，而行业自身对直接的R&D的投入并不是太关心。这里的一个直接的政策启示就是，政府应尽快地出台相关政策，以及尽早转变这类产业现有的简单模仿与简单复制的发展机制，尽快地促使这类产业在模仿的同时，更注重吸取相似行业的先进技术与管理经验，并在此基础之上尽可能地提升产业内部各行业自身的创新能力。只有当行业间的技术溢出与自主的R&D投入同时发挥效力时，该行业才能进入到一个更高的发展阶段。而只有当中国的绝大多数产业的发展由产业间的技术溢出与自主的R&D投入同时驱动时，中国才能进入到由“中国制造”转向“中国创造”的路径上来。
注释：
① 为了与《中国统计年鉴》的工业产业分类相一致，我们把1997、2002、2007年的中国投入产出表首先合并成38个部门；然后我们又将38个工业部门中工艺品及其他制造业、废弃资源及废旧材料回收加工业、水的生产和供应业3个部门剔除，主要是因为这3个部门历年增加值、就业人数、资本存量数据存在大幅缺失，无法进行后续的计量分析。
② 限于篇幅，我们未具体列出处于各相似度段的产业对。需要的读者可通过Email向作者索取。
③ 关于多维标度法（MDS）的详细论述，请参考Green et al(1989),Multidimensional Scaling:Concepts and Applications,Allyn and Bacon,Boston.
④ 经测算，第Ⅰ、Ⅱ、Ⅲ、Ⅳ大类产业内部各行业间的“技术距离”的平均值依次为0.20、0.25、0.09、0.21，而全部35个工业行业间的平均“技术距离”为0.47。
⑤ 更宏观地看，在产业间技术溢出效应的研究中，模型方法大致分为两大类：一类是纯粹的投入产出分析方法，即通过投入产出分析中的前、后向联系来考察R&D要素在各产业间的流转特征；另一类是计量模型的分析方法。计量模型方法又分为两类：一类是建立成本函数模型；另一类是建立生产函数模型。无论是哪种计量模型，都是通过将直接R&D投入与间接R&D投入作为重要的影响因素纳入到模型中来分析产业间的技术溢出效应。
⑥ 我们对参数间是否有差异进行了统计检验，结果表明，在5％的显著性水平下均拒绝“参数间无差异”的假设。