信息通信技术对中国工业行业的技术外溢效应研究

蒋仁爱 贾维晗

(西安交通大学 经济与金融学院，陕西 西安 710061)

一、引言

21世纪以来，人类社会迅速进入了信息网络时代，各个国家的技术进步与信息技术的发展紧密地联系在一起。正如蒸汽机、电力的发明给人类生产和生活方式带来根本性变革一样，信息通信技术(Information and Communication Technology,ICT)也在深刻改变着人们的生产生活，对国际政治、经济、文化、社会等领域发展产生全方位的影响(Liao et al.,2016)。伴随着信息通信技术发展，信息通信技术和产品迅速地在中国扩散和普及。2017年互联网宽带接入用户为3.49亿户，互联网普及率达到55.8%注数据来源于2018年第3期《中国经济统计快报》以及2018年《中国统计摘要》。。移动互联网的发展速度更为引人注目，根据工信部最新发布的数据，仅2016年中国新增4G用户数3.4亿，总数达7.7亿户。同时，信息通信技术还被广泛应用于企业的生产经营当中，企业平均每百人使用25台计算机，每百家企业中有56家企业拥有网站，10.9%的企业参与电子商务交易活动注数据来源于2017年《中国统计年鉴》。。2002—2013年中国35个工业行业中，信息通信技术行业R&D投入占总R&D投入的平均比重达到20%注本文以R&D经费内部支出代表R&D流量，通过永续盘存法计算R&D存量作为R&D投入指标。其中，2002—2013年中国各个工业行业的R&D经费内部支出来自于《中国科技统计年鉴》。。为了抢占未来信息技术发展的战略要地，《中国制造 2025》明确将新一代信息技术产业列为优先突破发展的十大重点领域之首，《国家十三五规划纲要》已确立实施网络强国战略、国家大数据战略、“互联网+”行动计划，以拓展网络经济空间，促进互联网和经济社会融合发展。为抢抓人工智能发展的重大战略机遇，构筑中国人工智能发展的先发优势，国务院在2017年颁布了《新一代人工智能发展规划》，以加快人工智能与经济、社会、国防深度融合，提升新一代人工智能科技创新能力。由此可以预见，中国的信息技术产业在引领中国经济发展和技术进步方面将会发挥越来越重要的作用。

信息通信技术在全球的快速发展和广泛应用是不争的事实，但信息通信技术能否必然带来技术进步则存在很大的争议。尽管大量文献研究信息通信技术资本深化对劳动生产率增长的贡献率，但是对于信息通信技术影响全要素生产率的研究尚不充分，基于中国情景的研究更为缺乏。在此背景下，研究信息通信技术能否促进中国工业行业的生产效率这一问题不仅具有理论价值，也具有重大现实意义。

二、文献综述

信息通信技术[注]本文所讨论的“信息技术产品”对应于国外文献中出现的ICT(Information and Communications Technology)。在《中国电子信息产业统计年鉴》中，对电子信息产业有如下的定义：电子信息产业是研制和生产电子设备及各种电子元件、器件、仪器、仪表的工业，是军民结合型工业。由广播电视设备、通信导航设备、雷达设备、电子计算机、电子元器件、电子仪器仪表和其他电子专用设备等生产行业组成。而根据其收录的统计数据可见，“电子信息产品”涵盖的范围包括：通信设备产品、广播电视设备产品、电子计算机产品、家用电子电器产品、电子元器件产品、电子专用设备产品。而《国际信息技术产品协议》中，对信息技术产品的权威定义则涵盖了以下五大类别产品：计算机及软件、电讯产品、半导体及半导体生产设备、科学仪器、其他产品。从其内涵分类看，《中国电子信息产业统计年鉴》中对电子信息产品的定义与国际上定义的信息技术产品基本吻合。因此，考虑到数据的可得性，本文所讨论的信息技术产品选择《中国电子信息产业统计年鉴》中对电子信息产品的定义并采用相关数据。具体而言，本文的信息通信技术产业对应于中国35个工业行业中的“通信设备、计算机及其他电子设备制造业”。的生产率效应研究最早始于Solow(1987)提出的“生产率悖论”，即生产率增长与信息通信技术投资之间存在不匹配。信息通信技术主要通过资本深化和技术进步两种途径促进生产率增长(Cardona et al.,2013;Bashir et al.,2014;Venturini,2015)。

早期学者研究发现，信息通信技术产品价格下降会引发信息通信技术投资浪潮，这使得信息通信技术资本可以替代其它投入要素而被广泛应用于生产过程中，从而直接促进生产率增长，因此基于增长核算框架来分析信息通信技术资本深化对生产率的影响(Jorgenson,2001;Siegel et al.,1992)。大量此类文献证实了信息通信技术资本深化对生产率增长的正向效应(Siegel et al.,1992;Oulton,2002;Oulton,2010;Martínez et al.,2010;Tambe et al.,2011;Cette et al.,2015;Kumar et al.,2016)，而信息通信技术投资也被看作是1995年以来欧美之间存在生产率差异的主要原因(Jorgenson,2001;Inklaar et al.,2005)。然而，这些研究的特点是：基于新古典增长理论，在完全竞争市场和规模报酬不变等严格的假设前提框架下，进而分析信息通信技术资本对生产率的贡献，并未考虑到信息通信技术的溢出效应以及使用部门生产函数的转变(Cardona et al.,2013)。伴随企业R&D投入的不断增大，其对技术进步的推动作用越来越明显，Romer(1986,1990)和Lucas(1988)建立了内生增长理论模型，将技术进步内生化，成功解释了技术进步是经济活动主体主观努力的结果。

后续学者开始将注意力转移到技术进步，关注信息通信技术对全要素生产率的影响，具体主要表现在两种观点。一种观点认为，信息通信技术行业通过自主R&D投资促进生产率的增长。Venturini(2015)利用15个OECD国家1980—2003年的数据，将商业部门R&D资本区分为信息通信技术行业和非信息通信技术行业研究发现，信息通信技术生产行业的自主R&D投资对TFP增长存在显著的正向效应。另一种观点认为，信息通信技术能够通过R&D知识溢出对生产率产生影响(Chou et al.,2014;Venturini,2015;Acharya,2016)。Venturini(2015)指出，不仅信息通信技术生产部门的技术知识会溢出到信息通信技术使用部门，促进信息通信技术使用部门TFP乃至总TFP的增长，而且信息通信技术具备数字化的内在特征(Bashir et al.,2014)，为技术知识在不同国家之间转移提供便利化途径；同时基于15个OECD国家的样本实证分析了信息通信技术相关的R&D支出对总量TFP 增长的作用，结果发现信息通信技术生产行业以1%～3%商业部门就业或增加值的较小规模，这有效解释了20%的私有部门研究和1/4的知识创造活动产生的总量生产率溢出。

有别于传统技术，信息通信技术由于具有通用技术特性而引起学者们的广泛关注。具体而言，信息通信技术具有以下三方面的通用技术特性：首先，信息通信技术具备扩散性。信息通信技术在不同家庭、企业、行业和国家之间的普遍采用已成为基本共识。Cette et al.(2015)测算发现，2013年美国、英国、加拿大和欧元区的信息通信技术资本系数(即信息通信技术资本存量占当前价GDP的比重)占到8%～11%之间。与此同时，由于信息通信技术扩散程度的差异性，其所产生的“数据鸿沟”问题日益凸显(Weber et al.,2011;Cardona et al.,2013;Savage et al.,2009)。其次，是信息通信技术具有互补性创新特征。已有文献的研究思路主要分为两种，一种是将信息通信技术资本、互补性创新与行业生产率增长三个关键变量归于统一的理论框架(Basu et al.,2003;Basu et al.,2007;Acharya,2016)。另一种研究思路则考虑信息通信技术与特定互补性资产之间的关系，包括与人力资本(Falk et al.,2017)、新产品和流程的引入(Becchetti et al.,2003)、工作场所组织(Rasel,2016;Arvanitis et al.,2016)、创新活动或绩效(Reeson et al.,2016;Paunov et al.,2016)等之间的关系。第三，信息通信技术的技术平台特征。信息通信技术作为一种技术平台，具有网络外部性特征，即网络中的用户数量越多，网络所创造的使用价值越大(Chou et al.,2014)。值得注意的是，网络外部性意味着信息通信技术对使用者生产率增长的作用并不是线性的，而是存在某一个门槛值，类似于信息通信技术产品的通用服务水平，此时信息通信技术投资将会出现递增报酬(RÖller et al.,2001;Koutroumpis,2009)。

尽管上述文献从不同视角详尽阐述了信息通信技术的资本和通用技术特性，但是在信息通信技术对技术进步的影响效果这一问题仍存在较大争议。部分文献验证了信息通信技术对技术进步具有显著的正向作用。Chou et al.(2014)利用30个OECD国家2000—2009年的数据研究表明，信息通信技术对技术进步存在正向效应。蔡跃洲等(2015)基于格兰杰因果检验发现，信息通信技术资本增长与生产率增长之间总体上存在显著的双向因果关系。然而，另一些文献并不支持这一结论。Liao et al.(2016)认为，由于具有GPT特征，信息通信技术通过知识溢出效应促进了生产率增长，但是这一效应具有滞后性，并基于美国1977—2005年24个信息通信技术使用行业的数据研究发现，信息通信技术对技术进步具有滞后的正向效应。孙琳琳等(2012)用倍差法和生产函数估算方法对1981—2005年产业层面数据研究发现，2000年以后信息通信技术密集使用行业并没有出现明显的TFP改进，即中国的信息通信技术资本使用并未显著促进行业的TFP增长。

基于以上研究，本文转变已有的研究视角，从信息通信技术的知识资本特性出发，以信息通信技术行业R&D投入作为信息通信技术知识存量的代理指标，结合投入产出系数来估算中国行业层面的信息通信技术和非信息通信技术外溢存量，利用扩展的Los et al.(2000)生产函数框架，对比分析了信息通信技术和非信息通信技术外溢对中国35个工业行业生产率的影响。本文的创新之处体现在以下两个方面：一是研究指标的新颖性，从信息通信技术的知识资本特性出发，以信息通信技术行业R&D存量作为信息通信技术知识存量的代理指标；二是研究内容的多样化，不仅考察信息通信技术外溢对中国工业行业生产效率的影响效果，分析其随时间的变化特征，检验不同行业特征所形成的异质性效应，而且运用分位数回归法比较其在不同生产率水平的行业间的差异性表现。通过将信息通信技术外溢内生化，分析其对中国生产率的增长效应，丰富和完善了信息通信技术外溢驱动机理研究。同时，对比分析创新能力、人力资本和所有制结构等行业特性对信息通信技术外溢的重要影响，为中国基于信息通信技术整合创新资源促进技术进步提供了科学依据，因而具有重要的现实意义。

三、研究框架与变量测算

(一)实证框架

本文通过生产函数方法检验信息通信技术外溢对中国工业行业生产效率的影响效果。我们借鉴Los et al.(2000)以及潘文卿等(2011)的方法，构建LV模型。首先考虑内生增长理论中所假定的生产函数形式：

Y=Af(K,L,RD)

(1)

其中，Y表示产出；K、L分别表示资本要素投入、劳动要素投入；RD为知识资本的替代变量，即R&D投入；A代表除生产要素以外能够改变生产要素投入比例的其它因素，比如技术进步、制度创新等。由于信息通信技术对其它行业具有技术溢出效应，全要素生产率进一步可以表示为信息通信技术外溢变量Rict的函数A(Rict)。

借鉴Los et al.(2000)的研究办法，我们将生产函数设定为C-D生产函数形式，函数A(Rict)以幂函数的形式出现，在生产函数等式两边同时除以劳动要素投入L，取对数后得到基本的LV模型：

(2)

其中，i表示行业；t表示年份；y为劳动生产率，通过Y/L计算得到；k为人均资本，即资本投入要素与劳动投入要素之比；rd为人均R&D投入，即R&D投入与劳动投入之比；Rict为信息通信技术外溢，通过信息通信技术行业的R&D存量(即信息通信技术存量)与溢出权重相乘得到；βk+βl+βrd=δ，βk、βl和βrd分别为资本、劳动力和R&D投入的产出弹性，当δ=1时，即假定规模报酬不变，当δ≠1时，放松规模报酬不变假设，使生产函数设定更具有一般性。

本文在LV模型基础上进行适当扩展，同时将信息通信技术行业和非信息通信技术行业基于R&D投入的技术外溢纳入模型之中，以实证比较它们对生产率的作用效果。扩展后的模型表示如下[注]为了简化，此后表述规模报酬不变下的模型形式。：

(3)

其中，Rnict表示非信息通信技术外溢；βk和βrd分别表示资本和R&D投入的产出弹性；εit为随机干扰项；βict和βnict分别表示信息通信技术和非信息通信技术对全要素生产率的影响系数，预期符号为正，即信息通信技术和非信息通信技术外溢对中国工业行业的生产率产生正效应。

本文运用分位数回归法，进一步分析随着各行业生产率的变化，信息通信技术外溢对生产率贡献的相应变化。借鉴Koenker et al.(1978)以及Koenker(2005)研究办法，分位数回归模型设定如下：

(4)

min{

∑ln y≥Xβτ|

ln y-Xβ|

+∑ln y

ln y-Xβ|

}

(5)

Armstrong et al.(1979)和Koenker(2005)先后指出，上述最小化问题可以用线性规划技巧求解。

(二)变量及数据

本文采用2002—2013年中国35个工业行业规模以上工业企业的年度数据进行估计。基于实证模型的设定，本文所运用的变量主要包括产出Y、资本投入K、劳动投入L、R&D资本存量RD、信息通信技术外溢Rict以及非信息通信技术外溢Rnict。

(1)产出。产出用规模以上企业工业增加值表示，数据主要来自于《中国工业统计年鉴》。2002年和2005—2007年的数据直接可得，而其他年份的数据则存在不同程度的缺失问题。对此，本文主要采用三种调整方法。方法一是对于仅有大中型企业工业增加值数据的年份，即2003年和2011年，主要通过前一年规模以上企业与大中型企业工业增加值的比值估算得到。方法二是对于仅有规模以上企业工业总产值数据的年份，可以通过前后年份规模以上企业工业增加值与工业总产值的比值估算得到。具体而言，2004年利用2003年和2005年比值的平均值计算，2008—2010年则运用前5年比值的平均值估算。以2008年为例，具体公式为：

(6)

(2)资本和劳动投入。固定资产存量K是在各行业规模以上固定资产原值数据基础上，通过永续盘存法计算得到。规模以上企业固定资产原值数据来自于《中国工业统计年鉴》。永续盘存法的计算公式如下：

Kt=Kt-1×(1-δ)+It

(7)

K2002=I2002/(g+δ)

(8)

其中，It为第t年的固定资产流量，通过当年固定资产原值减去上一年固定资产原值计算得到；g表示2003—2013年间固定资产投资流量的年平均增长率；δ表示固定资产折旧率，本文中沿用潘文卿等(2011)的方法，按建筑资产和设备资产的加权折旧率(7.5%)计算而得；劳动力投入用规模以上企业从业人员年平均数表示，数据来自于《中国工业统计年鉴》，2005—2011年的数据直接可得，其他年份的数据则主要通过两种方法进行估算：一是对于仅有全部工业企业从业人员年平均数指标的年份(即2004年)，按照规模以上企业占全部工业企业从业人员年平均数的比重计算得到，这一比重为75%，二是对于仅有规模以上企业从业人员年末数的年份，通过对5年规模以上企业从业人员年平均数增长率的平均值进行估算。以2013年为例，可用如下公式估算：

(9)

(3)R&D资本存量。R&D资本存量[注]本文采用R&D资本存量数据的原因在于：其一，Griliches(1980)指出，与R&D流量相比，R&D资本存量(即过去年份R&D投资的累积量)是产出增长更为关键的影响因素；其二，经检验发现，R&D流量指标存在明显的内生性问题。使用永续盘存法估算价格缩减后的R&D流量数据得到。R&D流量指标用中国35个工业行业规模以上企业R&D经费内部支出表示，数据来自于《中国科技统计年鉴》。R&D支出有多个组成部分，部分用于购买固定资产，部分用于购买实验材料，也有部分用于研发过程中的各种人员费用，而后两者以对货物和服务的消费为最终支出对象。借鉴朱平芳等(2003)的方法，R&D价格缩减指数由固定资产投资价格指数和居民消费价格指数按45%和55%的比例加权合成。在得到不变价的R&D流量以后，我们通过永续盘存法将其转变为R&D资本存量数据。资本折旧率沿用蒋仁爱等(2012)的做法，选取为10%。

(4)信息通信技术外溢。本文从信息通信技术的知识资本特性出发，利用信息通信技术行业R&D存量作为信息通信技术知识存量的替代指标，并在此基础上测度信息通信技术对各个工业行业的技术溢出效应。信息通信技术外溢指标Rict通过信息通信技术行业的R&D资本存量与溢出权重相乘得到。从已有文献可知，溢出权重的测度从两个维度展开，多数研究基于贸易维度的权重，例如投入产出系数，里昂惕夫逆系数，后向关联测度等(Terleckyj,1980;Sveikauskas,1981;Odagiri,1985;Goto et al.,1989;Wolff et al.,1993;Wolff,1997)。Los(2000)则提出了一种技术维度的产业相似度方法，即利用投入产出表中的直接消耗系数所表征出的技术特征相似度来度量权重。由于直接消耗系数(或投入产出系数)不仅能较为充分的反映投入产出表中信息通信技术产业与其他产业之间联系，以及信息通信技术产品与其他行业产品之间直接的技术经济联系，而且可操作性强，因而本文选取直接消耗系数作为溢出权重。信息通信技术外溢指标的具体计算公式为：

(10)

ωij,t=(1-(t-2002)/5)ωij,2002+((t-2002)/5)ωij,2007t=2003,…,2006

(11)

ωij,t=(1-(t-2007)/5)ωij,2007+((t-2007)/5)ωij,2012t=2008,…,2011

(12)

(5)非信息通信技术外溢。非信息通信技术外溢指的是除信息通信技术行业以外的34个工业行业基于R&D资本存量而对其它行业产生的加总的技术溢出效应。非信息通信技术外溢指标Rnict采用与信息通信技术外溢相同的思路，其计算公式如下所示：

(13)

(6)测算结果的描述性统计。从表1的第一列可以看出，2002—2013年间中国35个工业行业的劳动生产率均表现出增长趋势。其中，黑色金属矿采选业的劳动生产率增长幅度最大，达到22倍之多。非金属矿采选业及其它采选业、文教体育用品制造业这两个行业2013年的劳动生产率分别为该行业2002年劳动生产率的18.6倍和12.9倍。劳动生产率上升最为缓慢的行业是烟草制品业，其次分别是石油和天然气开采业，通信设备、计算机、其它电子设备制造业，分别增加了130.3%、73.6%、23%。由此可见，伴随着整体经济的迅猛增长，中国各工业行业的劳动生产率都得到了明显的提高，同时存在显著的行业差异。

表1 描述性统计分析

注：y为劳动生产率，通过Y/L计算得到；rd为人均R&D投入，即R&D投入与劳动投入之比；Rict为信息通信技术外溢存量；Rnict表示非信息通信技术外溢存量。

表1的第二列给出了各行业人均R&D投入的波动情况。整体上看，2002—2013年各行业在不同程度上加大了自主研发的投入力度。在此期间，家具制造业的人均R&D增长尤为强劲，期末值达到期初值的108.9倍；金属制品业次之，为101.6倍。在此期间，通信设备、计算机及其它电子设备制造业的人均R&D投入上升幅度最小，为145.8%。这种增长幅度的行业差异性与各行业人均R&D投入水平有关。2002年家具制造业的人均R&D投入为0.004万元/人，通信设备、计算机及其他电子设备制造业则高达1.7万元/人；尽管家具制造业的增速居于最高水平，2013年其人均R&D投入(0.4万元/人)仍只是通信设备、计算机及其它电子设备制造业(4.1万元/人)的大约1/10。

表1的第三列显示，2002—2013年各行业的信息通信技术外溢水平有不同幅度的提高。值得注意的是，燃气生产和供应业的信息通信技术外溢在此期间增长了329.4倍。交通运输设备制造业，电力、热力的生产和供应业这两个行业的信息通信技术外溢增速也颇为可观，分别达到69.8倍和49.5倍。信息通信技术外溢增长速度较慢的行业有仪器仪表及文化办公用品机械制造业、造纸及纸制品业、印刷业和记录媒介的复制业，分别增加了2.4倍、1.8倍、1.6倍。进一步分析发现，在2002年时，上述行业的信息通信技术外溢水平普遍较低，行业之间的差距总体上并不明显；然而，2002年以后这些行业的信息通信技术外溢经历了截然不同的增长模式。究其原因主要在于：伴随着中国城市化进程的加快，与造纸、印刷等行业相比，燃气、交通设施、电力等行业所面对的消费者群体规模快速扩大，市场竞争更加激烈，使得这些行业拥有更加雄厚的资本基础以及更加强烈的创新动机采用新的信息技术，因而其信息通信技术外溢存量增长迅猛。

表1的第四列表明，与信息通信技术外溢相比，2002—2013年非信息通信技术外溢的增长表现出较小的行业差异性。其中，文教体育用品制造业的非信息通信技术外溢指标波动最大，在此期间增长了38倍。通信设备、计算机及其它电子设备制造业紧随其后，上升了35倍之多。非信息通信技术外溢变化最为缓慢的三个行业是有色金属矿采选业，石油加工、炼焦及核燃料加工业，电力、热力的生产和供应业，分别增长了8.2倍、6.5倍、6.4倍。

四、实证结果分析

(一)固定效应模型回归结果

在运用面板数据分析时，主要考虑两种模型：固定效应(FE)模型和随机效应(RE)模型。前者假设各行业的市场集中度、进入壁垒和产品差异化等异质性对被解释变量的影响不随时间而变化，即截距项是固定参数；后者则假定各行业的异质性对生产率的影响会随着时间而变动，即截距项是随机的。Wooldridge(2003)指出，假定误差项中被忽略的变量与模型中的所有解释变量都不相关时才使用任意效应模型，否则使用固定效应模型。事实上，由于被忽略的变量包含众多的行业特性，以致被忽略的变量与模型中的所有解释变量都不相关这一假设是难以成立的。因此，本文使用FE模型分析信息通信技术外溢对中国工业行业生产效率的影响效果。我们分析后发现，无论是施加规模报酬不变这一假设，还是放松这一假设，基本模型的回归结果都是一致的，因而这里只给出受约束条件下的结果。

表2是基本模型的回归结果。基于中国35个工业行业2002—2013年的面板数据，在控制行业人均资本投入的基础上，模型1—3分别考察了人均R&D资本存量、信息通信技术外溢和非信息通信技术外溢对生产率的影响，模型4同时比较了这三个变量与生产率之间的关系。表2中的4组模型均采用固定效应模型进行分析，拟合优度均大于0.8，具有较好的拟合效果。

信息通信技术外溢显著促进了各行业的生产率增长。模型2表示，信息通信技术外溢指标每增长1%，各行业的生产率将提高0.126%；模型4表明，在同时控制了信息通信技术和非信息通信技术外溢后，该弹性数值略微有所下降，低于人均R&D资本存量对生产率的贡献，且与非信息通信技术外溢对生产率的作用效果相差不大。与Oulton(2002)、Dahl et al.(2011)、Shahiduzzaman et al.(2014)、Mamun et al.(2014)、Cette et al.(2015)、Bertschek et al.(2016)研究结论相吻合，验证了信息通信技术是生产率增长的重要推动力量。

非信息通信技术外溢是生产率增长的重要来源。模型3表明，非信息通信技术外溢对行业生产率的弹性系数为0.137。模型4同时考虑了信息通信技术外溢和非信息通信技术外溢的影响发现，信息通信技术外溢和非信息通信技术外溢对生产率的影响程度基本相当。现有研究总体支持信息通信技术和非信息通信技术对生产率存在正向作用(Inklaar et al.,2005；Seo et al.,2009；Martínez et al.,2010；Hanclova et al.,2015)，而对这两种影响力量的相对大小存在不同。Inklaar et al.(2005)对比分析了1979—2000年欧盟4国以及美国生产率的增长源泉发现，美国信息通信技术对生产率增长的贡献始终大于非信息通信技术，而欧盟4国前一时期(1979—1995年)非信息通信技术的贡献更大，后一时期(1995—2000年)则恰好相反。Hanclova et al.(2015)利用欧盟7国和欧盟14国1994—2008年的数据研究发现，信息通信技术和非信息通信技术均有助于经济增长，但是非信息通信技术的作用效果始终优于信息通信技术。这表明，信息通信技术和非信息通信技术外溢对生产率增长的影响效果与各个国家所处的发展阶段具有明显的关联性。

人均R&D资本存量对生产率的贡献要大于信息通信技术和非信息通信技术外溢的贡献。在4个模型中，人均R&D资本存量的弹性系数均在1%下显著，介于0.339～0.364之间，表明自主R&D投资是促进各行业生产率增长的主要推动力。这一结果符合预期，与大量国内外学者的研究结论一致(Hu,2001;Jefferson et al.,2006;吴延兵,2006;蒋仁爱 等,2012；蒋殿春 等，2015)。

表2 中国信息通信技术和非信息通信技术外溢对35个工业行业劳动生产率的影响

注：*、**、***分别表示相关系数在0.1、0.05、0.01水平下显著；括号中的数值为标准差；各模型均采用受约束模型进行分析。下同。

接下来，我们考虑信息通信技术外溢对生产率的影响效果是否以及如何随时间而改变。进入21世纪以后，随着信息通信技术在全球范围内的扩散，信息通信技术逐渐成为中国经济发展不可忽视的重要促进力量。ITU(国际电信联盟)构建了包含信息通信技术连接、信息通信技术使用、信息通信技术技能等11个指标在内的信息通信技术发展指数(IDI)，用以测度世界各国的信息通信技术发展程度。早在2002年，中国的IDI指数为1.95，在154个国家中居于第90位，显著低于当时世界平均水平(2.48)。而到了2015年，中国IDI指数(4.80)大幅提高，与世界平均水平(4.74)大致相当。为了使子样本有足够的观察值，以满足系数估计的效率，我们将观测样本平均分为2002—2007年和2008—2013年两个阶段，对表2的模型2—4进行分阶段回归，以分析信息通信技术生产率效应随时间的动态变化趋势。

表3是分阶段回归结果。模型1—2和模型3—4分别单独考察了信息通信技术外溢和非信息通信技术外溢对生产率增长的分阶段效应，模型5—6同时考虑了信息通信技术外溢和非信息通信技术外溢对生产率的分阶段影响。表3中的6组模型采用固定效应模型进行分析，拟合优度大于0.6，具有较好的拟合结果。信息通信技术的生产率效应在前一阶段并未显现，后一阶段则显著促进各行业生产率增长。2002—2007年信息通信技术外溢的弹性系数并不显著，甚至为负值，然而随着信息通信技术渗透到中国的各行各业，2008—2013年信息通信技术已经发展成为生产率增长的重要来源。与之相反，尽管非信息通信技术对生产效率的影响效果在整个时期均较为显著，但是这一作用呈现出随时间弱化的趋势。这一结果主要体现了如下两种含义：第一，信息通信技术生产率效应的这种差异性表现验证了信息通信技术的通用技术特征。Koutroumpis(2009)、Liao et al.(2016)研究指出，信息通信技术作为一种通用技术平台，其对生产率增长的作用可能是非线性的，即当达到一定的门槛值以后，信息通信技术对生产率的促进作用才得以凸显。第二，信息通信技术对生产率增长的重要性日益提升，而非信息通信技术对生产率的影响则有所减弱。Martínez et al.(2010)运用动态一般均衡框架分析了美国1980—2004年的生产率增长来源发现，在前一时期(1980—1994年)，信息通信技术和非信息通信技术对生产率增长的贡献分别为0.62%和0.23%，而到后一时期(1995—2004年)，非信息通信技术对生产率增长的贡献下降到0.02%，信息通信技术的贡献则上升到0.93%。这与本文的研究结论基本符合。值得注意的是，人均R&D投入的弹性系数不仅在整个时期均显著，而且表现出随时间增大的态势，这表明中国自主创新能力日益增强。

表3 信息通信技术和非信息通信技术对工业行业生产效率影响效果的分阶段回归结果

正如上文所指出的，中国的信息通信技术外溢和非信息通信技术外溢表现出显著的行业异质性特征。信息通信技术外溢效应与各行业的技术吸收能力密切相关。由于创新水平、管制环境等行业特性上的差异，各行业对信息通信技术的吸收能力参差不齐，因而从信息通信技术外溢中所得到的绩效改进程度存在差异(Ren et al.,2015)。考虑到各行业的创新水平、人力资本、所有制结构与技术吸收能力有关(李梅 等,2012；Liu et al.,2016)，本文进一步选取人均发明专利、R&D人员全时当量和国有企业及国有控股企业占比作为特征变量，按照特征变量的取值高低将整个样本区分为两个部分，并分别检验信息通信技术对生产率的影响效应。表4给出信息通信技术和非信息通信技术对中国工业行业生产率的异质性效应回归结果。模型1—2对比分析人均发明专利低于和高于平均值时，信息通信技术和非信息通信技术对中国工业行业的技术外溢效应，模型3—4是针对不同人力资本水平的回归结果，模型5—6则主要关注所有制结构的影响。表4中的6组模型同时控制行业和时间固定效应，拟合优度大于0.8，具有良好的拟合效果。

行业自主创新能力对信息通信技术外溢具有“替代效应”，而国有企业占比过高则对信息通信技术外溢产生“挤出效应”。模型1和模型2表明，随着行业创新水平的上升，自主R&D投入对生产率的作用效应明显提高，而信息通信技术的技术外溢效应有所降低。当人均发明专利小于平均值时，信息通信技术对劳动生产率的弹性系数为0.125；而当人均发明专利小于平均水平时，弹性系数减小到0.090。针对人力资本的分析得到的结论相似。模型3—4表明，当行业人力资本水平上升到高于平均值时，自主研发对劳动生产率的影响系数从0.093上升到0.226，而信息通信技术外溢对劳动生产率的弹性系数则从0.139下降到0.062。模型5—6表明：当国有企业占比小于平均水平时，信息通信技术每增加10%，行业劳动生产率将提高1.91%；当国有企业占比高于平均水平时，这一比例将降低到1.10%。

表4 信息通信技术和非信息通信技术对中国工业行业生产率的异质性效应

(二)分位数回归结果

为了进一步考察信息通信技术外溢在不同生产率水平的行业中的影响，本文运用分位数回归进行计量分析。针对回归模型4(参见式(4))，在控制固定效应的基础上，在5%～95%的分位点上，每隔5%进行一次分位数回归，从而可以得到相应的信息通信技术外溢变量的估计系数。以因变量(劳动生产率)的分位点为X轴、以信息通信技术外溢变量的估计系数为Y轴，可以得到估计系数的平滑曲线。图1是在劳动生产率5%～95%的分位点上信息通信技术外溢对生产率的影响系数的变化趋势。

图1 信息通信技术外溢对生产率的影响系数

注：在5%～95%分位数上，信息通信技术外溢的弹性系数均在5%的水平下显著；图中虚线表示基于固定效应模型得到的信息通信技术外溢的弹性系数，表示信息通信技术外溢对生产率的平均影响，取值为0.125。

图1显示，随着生产率的分位点的上升，信息通信技术外溢对生产率的弹性系数介于0.073～0.152之间，总体呈现出先下降后上升的趋势，表明信息通信技术外溢对中国各行业生产率的贡献具有显著的行业差异性，信息通信技术外溢对生产率水平较高和较低的行业生产率促进作用更大。总体而言，信息通信技术外溢对生产水平较高和较低的行业生产率的弹性系数均较为显著，这解释了固定效应模型中该系数的高度显著性；而固定效应模型中该系数为0.125，介于分位数回归的系数波动区间。因而，本文的分位数回归很好地验证了固定效应模型中信息通信技术外溢的系数大小以及显著性。

分位数回归结果再次确认了信息通信技术外溢会促进中国各行业生产率的提高，然而，随着劳动生产率的分位点由低变高，信息通信技术外溢对生产率的促进作用呈现出先下降后上升的态势，存在显著的非线性关系。

首先，对于生产率较低的行业，如服装、鞋、帽制造业，家具制造业等，其最初的信息通信技术外溢水平普遍较低；在信息通信技术渗透水平跨越门槛值之后，信息通信技术的生产率效应得以充分发挥。2002年，这些行业信息通信技术外溢存量的平均值为0.58万元，仅为各行业平均水平的6.8%[注]经过分析后发现，2002—2013年生产率较低的行业主要有非金属矿采选业及其他采选业，纺织业，服装、鞋、帽制造业，皮革、毛皮、羽毛(绒)及其制品业，木材加工及木、竹、草等制品业，家具制造业，文教体育用品制造业等；而生产率水平较高的行业则主要包括石油和天然气开采业，烟草制品业，石油加工、炼焦及核燃料加工业，化学原料及化学制品制造业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，电力、热力的生产和供应业等。。随后，此类行业的信息通信技术外溢呈现出持续增长态势，到2013年，信息通信技术外溢较期初平均上升了9.43倍。信息通信技术的迅速扩散对这些行业传统的生产和营销模式起到了颠覆性作用。随着信息通信技术的大量引入，如客户关系管理系统(CRM)、供应链管理系统(SCM)等，一方面生产者得以更快捷地获取有关消费者偏好的实时信息(Becchetti et al.,2003)；另一方面，位于供应链上的生产商和交易商更方便地进行网络沟通(Chou et al.,2014；Falk et al.,2017)，这两方面的共同作用使得信息通信技术的生产率效应在这些行业之中表现得尤为突出。

其次，对于生产率较高的石油和天然气开采业，化学原料及化学制品制造业等行业，信息通信技术外溢表现出更高的生产率促进效应。这可能存在以下两个方面原因：一方面，这些资本密集型产业的利用信息通信技术水平普遍不高，但由于企业规模较大，行业信息通信技术的技术引入成本较低，规模经济效益显著，因而信息通信技术外溢具有较高的边际效应。2013年该类行业的信息通信技术外溢仅为各行业平均水平的大约1/5，然而，这些行业每单位信息通信技术所创造的产值(单位信息通信技术产值，即工业增加值与信息通信技术外溢之比)却达到各行业平均水平的1.5倍。另一方面，这些行业规模庞大或具有垄断性质，资本充裕，由于所面临的融资约束较小，风险承受能力较强，这些行业有动机和能力采用最先进的信息通信技术技术(Haller et al.,2011;Giotopoulos et al.,2017)；信息通信技术技术与这些行业较高的要素禀赋(例如，完善的专业化基础设施以及丰富的信息通信技术专业化人才等)之间形成互补性关系，从而极大地提高了信息通信技术的技术利用效率(Liao et al.,2016)。

(三)稳健性检验

信息通信技术与专业化的基础设施、人力资本、企业组织等互补性投资相关，因而容易与生产率互为因果关系，从而产生内生性问题(Bresnahan et al.,2002；Lee et al.,2005；Venturini,2015)。相对于生产率低的行业，生产率较高的行业更有能力同时在信息通信技术和互补性资产上进行投资，信息通信技术的生产率效应更大。因此，信息通信技术与生产率之间的双向因果关系会导致信息通信技术外溢与回归的残差项相关，从而产生内生性问题(Chou et al.,2014)。另一类是导致估计偏误的是遗漏变量，行业发展水平、产业政策、企业管理能力等变量对各行业的生产率水平有重要影响(Majumdar et al.,2009)，同时，它们也与技术吸收能力密切相关，从而影响了信息通信技术外溢和非信息通信技术外溢。

为了控制信息通信技术外溢和非信息通信技术外溢与生产率之间潜在的双向因果关系，以及行业发展水平、产业政策、企业管理能力等遗漏变量可能产生的偏误，本文采用工具变量法(IVE)重新对式(2)和式(3)进行估计。工具变量的选取原则是，它必须与内生变量高度相关，而与残差项不相关。由于滞后一期人均R&D资本存量、信息通信技术和非信息通信技术外溢与当期值高度相关，相关系数分别为0.994、0.991和0.998；同时，各行业的企业性质构成可能与技术外溢水平高度相关，因此本文选用滞后一期的人均R&D外溢、信息通信技术外溢、非信息通信技术外溢以及各行业的国有企业单位数占比、外资企业单位数占比等作为工具变量。若J-test检验证明工具变量是有效的，且IVE估计结果与固定效应模型得到的结果基本一致，说明该变量的内生性问题并不严重，此前固定效应模型得到的结果是稳定的。

表5 信息通信技术和非信息通信技术外溢对劳动生产率的IVE估计结果

注：*、**、***分别表示相关系数在0.1、0.05、0.01的水平下显著；括号中的数值为标准差；各模型均采用受约束模型进行分析；模型1和模型2分别把信息通信技术外溢和非信息通信技术外溢作为潜在的内生变量，模型3、模型4、模型5分别把人均R&D投资外溢、信息通信技术外溢、非信息通信技术外溢看作潜在的内生变量，模型6则同时将信息通信技术外溢和非信息通信技术外溢当作潜在的内生变量；Hausman内生性检验是卡方统计值，括号内对应的是概率P值，原假设为工具变量估计与FE估计没有系统区别；有效性检验J-test是工具变量的联合F统计值，括号内对应的是概率P值，原假设是工具变量均等于零(与残差项不相关)。

模型1、模型2分别把信息通信技术外溢和非信息通信技术外溢作为潜在的内生变量，模型3、模型4、模型5分别把人均R&D资本外溢、信息通信技术外溢和非信息通信技术外溢看作潜在的内生变量，而模型6同时把信息通信技术外溢和非信息通信技术外溢当作潜在内生变量。从表5的J-test的F统计值可以看出，所选用的工具变量不能拒绝同时为零的原假设，即工具变量与残差项不相关。而Hausman内生性检验结果表明，信息通信技术外溢和非信息通信技术外溢的内生性并不严重。表5中的6个模型与此前固定效应模型得到的结果并没有本质的区别，人均R&D资本存量是各行业生产率增长的主要推动力，信息通信技术外溢显著地促进了各行业的生产率增长。这验证了此前固定效应的结果是稳健的。

五、研究结论及政策启示

本文将信息通信技术作为知识资本，测算了行业的信息通信技术外溢存量，并基于Los et al.(2000)的生产函数框架，结合2002—2013年中国35个工业行业的面板数据，在控制行业自主R&D的基础上，实证分析了信息通信技术外溢对中国生产率增长的影响效果，得出如下主要研究结论：(1)信息通信技术外溢对各行业的生产率弹性系数是0.125，表明显著促进了中国的生产率增长；(2)随着信息通信技术在中国的广泛渗透，信息通信技术外溢对各工业行业生产效率的促进作用得以凸显。分阶段考察可知，2002—2007年信息通信技术的生产率效应并未显现，后一阶段信息通信技术才显著促进了行业的生产率；(3)异质性效应检验结果表明，行业自主创新能力对信息通信技术外溢具有“替代效应”，而国有企业占比过高则对信息通信技术外溢产生“挤出效应”；(4)分位数回归结果表明，信息通信技术外溢确实促进了生产率的提高，与此同时，随着各行业生产率的提高，信息通信技术外溢指标对各行业生产率的促进作用表现出先下降后上升的趋势，即信息通信技术外溢与行业生产率之间存在显著的非线性关系。

根据本文的研究结论，得到如下的政策启示：

一是加大信息化基础设施投资，完善信息网络建设，制定信息化相关的行业标准，为中国各行业吸收利用信息通信技术提供更好的平台和环境。信息通信技术外溢是中国工业行业生产率增长的重要源泉，因而政府应当提高对信息通信技术的重视程度，并为各个工业行业吸收利用信息通信技术提供良好的制度保障。

二是继续稳步推进市场化改革，进一步提高各个工业行业的竞争水平，从而为各行业吸收信息通信技术外溢注入内在动力源泉。国有企业占比过高会对信息通信技术外溢效应产生消极作用，因而适当降低国有企业在各个工业行业的控制力度，转而由市场力量主导行业发展，这将会对信息通信技术的扩散具有重要意义。

三是继续提高中国各行业R&D投资的强度，在提升各行业自主创新能力的同时，要注重对外部创新资源的吸收与利用。当行业的创新水平和人力资本水平较高时，自主创新对生产率的促进作用更大。因而政府应当重视中国创新水平较低的工业行业自主研发投入，并为提高各行业的创新能力提供配套的相关政策支撑。与此同时，创新水平较高的行业往往容易忽视对外部技术外溢的吸收利用，不论信息通信技术还是非信息通信技术外溢的作用效果均明显低于创新水平较低的行业。政府和企业相关部门应该充分重视这个问题，要注重对企业的信息通信技术与创新资源的结合程度进行具体分析，密切关注信息技术和人工智能的发展动态，借助信息通信技术发展最大化R&D投入的产出效率。