陳 俊

(廣東財經(jīng)大學(xué)國民經(jīng)濟(jì)研究中心，廣東 廣州 510320)

0 引言

2000—2016年，中國的研發(fā)支出增長迅速，全國研發(fā)支出平均每年以16.37%的速度增長，總規(guī)模從895.66億元上升至15676.75億元，是僅次于美國的全球第二研發(fā)大國。在經(jīng)濟(jì)新常態(tài)下，提高研發(fā)投入強(qiáng)度 (研發(fā)支出占GDP的比例)已經(jīng)成為區(qū)域發(fā)展戰(zhàn)略的重要內(nèi)容。一些經(jīng)濟(jì)發(fā)達(dá)城市，如北京、深圳，2016年研發(fā)投入強(qiáng)度已經(jīng)超過4%，遠(yuǎn)高于全國平均水平 (約2.11%)。為了更好地反映研發(fā)投入對經(jīng)濟(jì)增長的貢獻(xiàn)，國家統(tǒng)計局已經(jīng)正式將研發(fā)支出納入GDP核算體系，并制定了 《研究與開發(fā)支出計入地區(qū)GDP核算方法》。

研發(fā)投入對知識產(chǎn)出和技術(shù)進(jìn)步具有重要作用已經(jīng)成為共識。估計研發(fā)投入的經(jīng)濟(jì)效應(yīng)主要有兩種范式：第一，在新古典增長模型中引入研發(fā)資本 (研發(fā)資本一般采用PIM方法測算)，進(jìn)而估計研發(fā)資本對總產(chǎn)出或全要素生產(chǎn)率的貢獻(xiàn)[1-2]；第二，以專利、新產(chǎn)品開發(fā)等指標(biāo)作為知識產(chǎn)出的代理變量，研發(fā)資本、研發(fā)人員等指標(biāo)作為研發(fā)投入，采用新古典生產(chǎn)函數(shù)形式估計研發(fā)資本對知識產(chǎn)出的貢獻(xiàn)[3-4]。這兩種范式在本質(zhì)上沒有太大區(qū)別，都是將研發(fā)投入作為可累積的資本品，將知識生產(chǎn)過程等同于一般的物質(zhì)生產(chǎn)過程。事實上，知識生產(chǎn)不同于一般的物質(zhì)生產(chǎn)。在新經(jīng)濟(jì)增長理論中，知識生產(chǎn)是一個 “創(chuàng)造性毀滅”的過程。知識既是研發(fā)投入的產(chǎn)物，同時又是生產(chǎn)新知識的要素[5-7]。研發(fā)投入的作用是不斷將舊知識轉(zhuǎn)化為新知識，而新知識又不斷地被取代成為舊知識，被取代的舊知識不斷累積又成為生產(chǎn)新知識的要素。因此，研發(fā)投入與知識產(chǎn)出之間具有一種循環(huán)累積因果關(guān)系，這一關(guān)系對于分析研發(fā)投入的經(jīng)濟(jì)效應(yīng)至關(guān)重要。

利用2000—2016年省級層面數(shù)據(jù)，本文在新經(jīng)濟(jì)增長理論基礎(chǔ)上，首次采用第二代知識生產(chǎn)函數(shù)估計研發(fā)投入的循環(huán)累積效應(yīng)。研究表明，相比于熊彼特知識生產(chǎn)函數(shù)，這期間真實經(jīng)濟(jì)更符合瓊斯知識生產(chǎn)函數(shù)，并且不存在規(guī)模效應(yīng)；使用專利授權(quán)量衡量知識產(chǎn)出與使用新產(chǎn)品銷售收入衡量知識產(chǎn)出所估計的研發(fā)投入循環(huán)累積效應(yīng)存在明顯差異，前者比后者更為穩(wěn)定；這期間中國研發(fā)投入的循環(huán)累積效應(yīng)總體上不斷增強(qiáng)、區(qū)域差異逐步趨于穩(wěn)定。

1 知識生產(chǎn)過程中的循環(huán)累積因果關(guān)系

一個區(qū)域一旦擁有先發(fā)的初始條件，這種優(yōu)勢將不斷自我強(qiáng)化，形成一種持續(xù)向上或向下的循環(huán)累積過程[8]。新經(jīng)濟(jì)增長理論可以分為以資本為基礎(chǔ)的增長理論和以研發(fā)為基礎(chǔ)的增長理論[9-11]。在以研發(fā)為基礎(chǔ)的增長模型中，經(jīng)濟(jì)持續(xù)增長的動力源于研發(fā)投入不斷將舊知識轉(zhuǎn)化為新知識，知識生產(chǎn)過程也存在一種如繆爾達(dá)爾所說的 “循環(huán)累積因果關(guān)系”。

1.1 羅默-瓊斯知識生產(chǎn)函數(shù)

羅默認(rèn)為，非競爭性和累積性是知識有別于其他商品或要素的兩個重要性質(zhì)[5]。在第一代內(nèi)生增長模型中，他將新知識表示為關(guān)于研發(fā)投入和知識存量的函數(shù)，表示如下：

ΔAit=λRitσAit-1,0<σ<1

(1)

其中，下標(biāo)i和t分別表示區(qū)域和年份，R表示研發(fā)投入，ΔA表示新知識，A表示知識存量。式 (1)不同于新古典框架下的第一代知識生產(chǎn)函數(shù)，主要體現(xiàn)在：第一，羅默知識生產(chǎn)函數(shù)引入了知識存量，從而刻畫的是知識的累積性，而非研發(fā)投入的累積性；第二，羅默知識生產(chǎn)函數(shù)的研發(fā)投入采用流量形式，研發(fā)投入通過循環(huán)累積的方式不斷創(chuàng)造出新知識。

由式 (1)可知，知識產(chǎn)出的增長速度與研發(fā)投入規(guī)模成正相關(guān) (gA=ΔA/A=λRσ)。這意味著研發(fā)投入規(guī)模越大，知識產(chǎn)出的增長速度越快，即存在規(guī)模效應(yīng)。瓊斯認(rèn)為，研發(fā)投入規(guī)模越大，并不一定會導(dǎo)致知識產(chǎn)出增長速度越快[6]。因此，在改進(jìn)后的半內(nèi)生增長模型 (Semi-Endogenous Models)中[6,12-13]，知識生產(chǎn)函數(shù)表示如下：

(2)

由式 (2)可知，研發(fā)難度將隨著知識存量的增大而增大，在研發(fā)投入保持不變的情況下，知識產(chǎn)出的增長速度將隨著知識存量的增大而降低。將式 (2)不斷迭代，知識存量表達(dá)式如下：

(3)

將式 (3)代入式 (2)，并在等式兩邊取對數(shù)，可得到：

lnΔAit=lnλ+σlnRit+φlnAi0+

(4)

由式 (1)和式 (2)可知，羅默知識生產(chǎn)函數(shù)與瓊斯知識生產(chǎn)函數(shù)的區(qū)別主要體現(xiàn)在對φ的假定上，前者假定φ=1，后者假定φ<1。在羅默-瓊斯知識生產(chǎn)函數(shù)中，新增知識產(chǎn)出由當(dāng)期研發(fā)投入、初始條件和往期研發(fā)投入積累共同決定。

本文將研發(fā)投入的循環(huán)累積效應(yīng) (CCE)定義為：除了當(dāng)期研發(fā)投入和初始條件以外，往期研發(fā)投入對知識產(chǎn)出的累積貢獻(xiàn)。根據(jù)式 (4)，羅默-瓊斯知識生產(chǎn)函數(shù)下CCE的計算公式如下：

lnλ-σlnRit-φlnAi0，0<φ≤1

(5)

1.2 熊彼特知識生產(chǎn)函數(shù)

Aghion等[14]和Howitt[7]認(rèn)為，研發(fā)難度將隨著市場規(guī)模的增大而增大。因此，在知識生產(chǎn)函數(shù)中引入了市場規(guī)模變量，可得到：

(6)

其中，Q表示市場規(guī)模，一般用地區(qū)生產(chǎn)總值來衡量，其余變量和參數(shù)的定義與式 (2)一致。由式 (6)可知，熊彼特知識生產(chǎn)函數(shù)假定知識產(chǎn)出增長速度與研發(fā)投入規(guī)模成正比，同時與市場規(guī)模成反比。同理，將式 (6)不斷迭代，知識存量表達(dá)式表示如下：

(7)

令研發(fā)投入強(qiáng)度sR=R/Q，將式 (7)代入式 (6)，并在等式兩邊取對數(shù)，可得到：

(8)

此時，研發(fā)投入的循環(huán)累積效應(yīng) (CCE)計算公式表示如下：

(9)

1.3 知識生產(chǎn)函數(shù)形式的判斷方法

根據(jù)Ha等[15]的研究，可以將上述三種知識生產(chǎn)函數(shù)形式統(tǒng)一表示如下：

(10)

通過檢驗參數(shù)φ、β和σ的值，即可判斷知識生產(chǎn)函數(shù)的具體形式。如表1所示，給定不同的參數(shù)條件，分別可以得到上述三種不同形式的第二代知識生產(chǎn)函數(shù)。值得注意的是，瓊斯認(rèn)為，φ< 1 且 0 <β< 1這種混合的半內(nèi)生增長模型在現(xiàn)實情況中是不存在的[16]。

表1 不同知識生產(chǎn)函數(shù)的參數(shù)條件

2 第二代知識生產(chǎn)函數(shù)的參數(shù)估計

根據(jù)上述理論分析，在估計研發(fā)投入的循環(huán)累積效應(yīng)之前，先要估計出知識生產(chǎn)函數(shù)的參數(shù)值。在這一部分，本文嘗試?yán)弥袊〖墝用鏀?shù)據(jù)分別對羅默-瓊斯知識生產(chǎn)函數(shù)和熊彼特知識生產(chǎn)函數(shù)進(jìn)行估計，然后根據(jù)參數(shù)值判斷哪種知識生產(chǎn)函數(shù)更符合中國真實經(jīng)濟(jì)情況。

2.1 計量模型設(shè)定

根據(jù)式 (10)，在等式的兩邊同時取自然對數(shù)，并引入隨機(jī)干擾項 (νit)，考慮到知識生產(chǎn)技術(shù)的變化，在等式的右邊還引入了時間趨勢項 (t)，可得到：

lnΔAit=lnλ+σlnRit-σβlnQit+φlnAit-1+t+νit

(11)

式中，新產(chǎn)出知識 (ΔA)用專利授權(quán)量 (PAT)和新產(chǎn)品銷售收入 (NP)來衡量；R用研發(fā)經(jīng)費內(nèi)部支出來衡量；市場規(guī)模 (Q)用地區(qū)生產(chǎn)總值來衡量；知識存量 (A)采用永續(xù)盤存法 (PIM)測算，參照白俊紅等心測算研發(fā)資本存量的辦法[17]，折舊率均取15%，基期知識存量 (A0)采用基期知識產(chǎn)出/ (平均增長率+折舊率)。

模型具體估計過程分為兩步：第一，施加約束β=0，檢驗φ是否等于1，判斷是否存在規(guī)模效應(yīng)，從而區(qū)分羅默知識生產(chǎn)函數(shù)和瓊斯知識生產(chǎn)函數(shù)；第二，施加約束β=1，檢驗φ是否等于1，從而判斷是否支持熊彼特知識生產(chǎn)函數(shù)。模型的擬合效果通過對數(shù)似然值 (Log-L)進(jìn)行比較。

本文的研究對象為中國大陸31個省、自治區(qū)和直轄市，研究時段為2000—2016年。文中所需數(shù)據(jù)來自歷年 《中國科技統(tǒng)計年鑒》和 《中國統(tǒng)計年鑒》，貨幣單位統(tǒng)一轉(zhuǎn)換為2000年可比價。各變量的定義及描述性統(tǒng)計如表2所示。

表2 變量定義及描述性統(tǒng)計

2.2 函數(shù)形式檢驗

表3列示了式 (11)的多種估計結(jié)果。分別采用專利授權(quán)量 (PAT)和新產(chǎn)品銷售收入 (NP)衡量新產(chǎn)出知識和測算知識存量，在施加約束β=0時，估計結(jié)果如第 (1)和 (2)列所示；在施加約束β=1時，估計結(jié)果如第 (3)和 (4)列所示。

當(dāng)施加約束β=0時，以專利授權(quán)量為被解釋變量估計的σ=0.130，φ=0.898，均在1%水平上顯著異于零，Wald檢驗拒絕了φ=1；以新產(chǎn)品銷售收入為被解釋變量估計的σ=0.595，φ=0.425，均在1%水平上顯著異于零，Wald檢驗拒絕了φ=1。

當(dāng)施加約束β=1時，以專利授權(quán)量為被解釋變量估計的σ=0.100，φ=0.992，均在1%水平上顯著異于零，Wald檢驗拒絕了φ=1；以新產(chǎn)品銷售收入為被解釋變量估計的σ=0.302，φ=0.749，均在1%水平上顯著異于零，Wald檢驗拒絕了φ=1。

以上檢驗結(jié)果說明：第一，這期間中國知識生產(chǎn)不存在規(guī)模效應(yīng)，以專利授權(quán)量測算的結(jié)果同時支持瓊斯知識生產(chǎn)函數(shù)和熊彼特知識生產(chǎn)函數(shù)，前者的對數(shù)似然值 (Log-L)更大，說明擬合效果相對更優(yōu)，以新產(chǎn)品銷售收入測算的結(jié)果僅支持瓊斯知識生產(chǎn)函數(shù)；第二，以專利授權(quán)量測算的當(dāng)期研發(fā)支出回報率介于0.100～0.130，以新產(chǎn)品銷售收入測算的當(dāng)期研發(fā)支出回報率約為0.595，約為前者的5倍。

表3 第二代知識生產(chǎn)函數(shù)的參數(shù)估計結(jié)果

注：括號內(nèi)為T統(tǒng)計量，***、**、*分別表示在1%、5%、10%水平上顯著，下同。

2.3 敏感性分析

變量衡量指標(biāo)的選擇是影響估計結(jié)果的敏感因素。本文進(jìn)行兩種敏感性檢驗：第一，用研發(fā)人員 (RL)和全社會就業(yè)人數(shù) (L)分別代替表3中的研發(fā)支出 (R)和地區(qū)生產(chǎn)總值 (Y)；第二，考慮到各地人力資本的異質(zhì)性，將人力資本與全社會就業(yè)人數(shù)的乘積 (hL)代替全社會就業(yè)人數(shù) (L)變量,結(jié)果如表4所示。

在施加約束β=0時，將第 (5)和 (6)列與第 (1)和 (2)列對比，除了第 (6)列的時間趨勢項不顯著外，研發(fā)投入和知識存量的顯著性均與表3的結(jié)果一致，前者的系數(shù)略微增大，后者的系數(shù)十分相近，Wald檢驗均拒絕了φ=1。

在施加約束β=1時，將第 (7)和 (8)列與第 (3)和 (4)列對比，研發(fā)投入、知識存量及時間趨勢項的顯著性與表3均一致，第 (8)列與第 (4)列的系數(shù)大小非常相近，第 (7)列研發(fā)人員的系數(shù)比第 (3)列研發(fā)支出的系數(shù)小了近1/2，知識積累和時間趨勢項的系數(shù)非常相近。將第 (9)和 (10)列與第 (7)和 (8)列對比，第 (10)列與第 (8)列的結(jié)果基本一致，第 (9)列研發(fā)人員的系數(shù)比第 (7)列研發(fā)人員的系數(shù)提高了約52.7%，知識存量和時間趨勢項的系數(shù)基本一致。Wald檢驗在PAT下均無法拒絕原假設(shè)，在NP下均拒絕了φ=1，這與表3的結(jié)果一致。

從敏感性分析結(jié)果來看，表4所得結(jié)論與表3基本一致，這在一定程度上說明了本文所得結(jié)論具有可靠性。

表4 敏感性檢驗結(jié)果

3 循環(huán)累積效應(yīng)的估計結(jié)果及分析

利用上述分析，可以得到第二代知識生產(chǎn)函數(shù)的各參數(shù)值和具體的函數(shù)形式。本文利用式 (5)和表3第 (1) (2)列所得參數(shù)估計2000—2016年區(qū)域研發(fā)投入的循環(huán)累積效應(yīng),并對結(jié)果進(jìn)行分析。

3.1 估計結(jié)果

根據(jù)式 (5)，當(dāng)使用專利授權(quán)量進(jìn)行計算時，代入第 (1)列的參數(shù)，可以得到：

CCEPAT=lnPATit-0.130×lnRit-0.898×

lnAi0+0.732

(12)

當(dāng)使用新產(chǎn)品銷售收入進(jìn)行計算時，代入第 (2)列的參數(shù)，可以得到：

CCENP=lnNPit-0.595×lnRit-0.425×lnAi0-1.087

(13)

據(jù)此，可以估計出歷年各區(qū)域的研發(fā)投入循環(huán)累積效應(yīng)，主要年份的結(jié)果如表5所示。從區(qū)域均值來看，當(dāng)使用專利授權(quán)量 (PAT)估計時，這期間區(qū)域研發(fā)投入的循環(huán)累積效應(yīng) (CCE)平均值約為1.264，江蘇、浙江、重慶和西藏居于全國前列，CCE平均值超過了2.0；海南、遼寧、吉林和內(nèi)蒙古最低，CCE平均值低于0.8；江西、山東、陜西和河南與全國平均水平相近。當(dāng)使用新產(chǎn)品銷售收入 (NP)估計時，這期間區(qū)域研發(fā)投入的循環(huán)累積效應(yīng) (CCE)平均值約為0.515，天津、重慶、浙江、海南和吉林居于全國前列，CCE平均值超過1.0；甘肅、黑龍江和陜西最低，CCE均值為負(fù)數(shù)；湖北、江西、上海、貴州和河南與全國平均水平相近。由此可見，使用PAT估計的CCE結(jié)果與使用NP估計的CCE結(jié)果存在明顯差異。

表5 各區(qū)域主要年份研發(fā)投入循環(huán)累積效應(yīng)的估計結(jié)果

3.2 結(jié)果分析

從區(qū)域研發(fā)投入循環(huán)累積效應(yīng) (CCE)的整體性來看，如圖1所示，使用PAT和NP估計的CCE年度均值呈現(xiàn)持續(xù)上升的變化趨勢，說明這期間研發(fā)投入的循環(huán)累積效應(yīng)正在不斷增強(qiáng)。東部地區(qū)的研發(fā)投入循環(huán)累積效應(yīng)相對較強(qiáng)，CCEPAT和CCENP的年度均值在絕大多數(shù)年份都高于全國平均水平。西部地區(qū)的CCEPAT與全國平均水平相近，中部地區(qū)的CCEPAT最低，變化趨勢與全國平均線基本一致，說明這期間三大地區(qū)間的研發(fā)投入和專利產(chǎn)出總體上維持相對平衡的增長態(tài)勢。中部地區(qū)的CCENP與全國水平相近，西部地區(qū)的CCENP最低，受到全球金融危機(jī)的沖擊，2009年和2010年東部地區(qū)新產(chǎn)品銷售收入大幅下降，導(dǎo)致CCENP低于全國平均水平，2011年以后又恢復(fù)到東部>中部>西部的格局。這意味著，同等研發(fā)投入投向東部地區(qū)比投向中西部地區(qū)將獲得更高的知識產(chǎn)出。因此，追求效率目標(biāo)的市場主導(dǎo)型創(chuàng)新模式將傾向于把更多研發(fā)資源投向東部地區(qū)，從而獲得更高的知識產(chǎn)出回報，追求公平目標(biāo)的政府主導(dǎo)型創(chuàng)新模式則更傾向于將研發(fā)資源投向中西部地區(qū)，從而縮小其與東部地區(qū)的知識產(chǎn)出差距。

圖1 研發(fā)投入循環(huán)累積效應(yīng)的年度均值

從區(qū)域研發(fā)投入循環(huán)累積效應(yīng) (CCE)的差異性來看，如圖2所示，這期間中國CCEPAT在2010年之前持續(xù)上升而后趨于平穩(wěn)，CCENP經(jīng)歷了2000—2006年的上升期、2007—2010年的振蕩期和2011年以后的平穩(wěn)期三個階段。該結(jié)果說明，中國研發(fā)投入循環(huán)累積效應(yīng)的區(qū)域差異主要形成于2010年以前，現(xiàn)階段已經(jīng)逐步趨于穩(wěn)定。這意味著，初始條件和循環(huán)累積效應(yīng)對知識產(chǎn)出差異的自發(fā)調(diào)節(jié)作用有限，在市場力量作用下落后地區(qū)將陷入惡性循環(huán)，發(fā)達(dá)地區(qū)將進(jìn)入良性循環(huán)，形成一種 “馬太效應(yīng)”。因此，落后地區(qū)改變惡性循環(huán)局面的出路只有逐漸提高研發(fā)投入和引進(jìn)高技能人才，并不斷改善區(qū)域內(nèi)部和外部的創(chuàng)新環(huán)境，以此逐步增強(qiáng)研發(fā)投入的循環(huán)累積效應(yīng)。

從區(qū)域研發(fā)投入循環(huán)累積效應(yīng) (CCE)的穩(wěn)定性來看，使用PAT估計的CCE結(jié)果比使用NP估計的CCE結(jié)果穩(wěn)定性更高。如圖3所示，使用PAT估計的CCE增長率出現(xiàn)負(fù)值的斑點主要集中在2005年之前，而使用NP估計的CCE增長率出現(xiàn)負(fù)值的斑點明顯更多、分布更均勻。該結(jié)果說明，這期間中國研發(fā)投入與專利產(chǎn)出之間的循環(huán)累積因果關(guān)系較為穩(wěn)定，各區(qū)域研發(fā)投入對專利授權(quán)量普遍具有持續(xù)提升效應(yīng)。相反，研發(fā)投入與新產(chǎn)品銷售收入之間的循環(huán)累積因果關(guān)系較不穩(wěn)定，研發(fā)投入對新產(chǎn)品銷售收入的提升作用未表現(xiàn)出持續(xù)性。這意味著，比較而言，研發(fā)投入存在更為明顯的專利導(dǎo)向，這可能與中國過去形成的 “專利競賽”制度有關(guān)，特別是對地方政府官員的考核過度強(qiáng)化專利產(chǎn)出數(shù)量，忽視了知識產(chǎn)出的價值實現(xiàn)能力，造成了所謂的 “創(chuàng)新冗余”問題[18]。因此，為了降低區(qū)域研發(fā)投入的 “創(chuàng)新冗余”程度，就需要打破 “專利競賽”制度，將知識產(chǎn)出的價值實現(xiàn)能力作為衡量創(chuàng)新績效的主要標(biāo)準(zhǔn)。

圖2 研發(fā)投入循環(huán)累積效應(yīng)的年度標(biāo)準(zhǔn)差

圖3 研發(fā)投入循環(huán)累積效應(yīng)的增長率斑點圖

4 結(jié)論與啟示

本文以新經(jīng)濟(jì)增長理論和循環(huán)累積因果關(guān)系理論為基礎(chǔ)，提供了一個估計研發(fā)投入循環(huán)累積效應(yīng)的宏觀分析框架，運用該框架首次估計了2000—2016年省級區(qū)域研發(fā)投入的循環(huán)累積效應(yīng)。研究表明：第一，這期間知識生產(chǎn)不存在規(guī)模效應(yīng)，新產(chǎn)品銷售收入數(shù)據(jù)僅支持瓊斯知識生產(chǎn)函數(shù)，專利授權(quán)量同時支持瓊斯知識生產(chǎn)函數(shù)和熊彼特知識生產(chǎn)函數(shù)，但前者的擬合效果相對更優(yōu)；第二，知識產(chǎn)出衡量指標(biāo)的選擇對研發(fā)投入循環(huán)累積效應(yīng)的估計具有顯著影響，使用專利授權(quán)量衡量知識產(chǎn)出比使用新產(chǎn)品銷售收入衡量知識產(chǎn)出所估計的研發(fā)投入循環(huán)累積效應(yīng)更為穩(wěn)定；第三，這期間研發(fā)投入的循環(huán)累積效應(yīng)總體上呈現(xiàn)不斷增強(qiáng)趨勢，研發(fā)投入循環(huán)累積效應(yīng)的區(qū)域差異主要形成于2010年以前，現(xiàn)階段已趨于穩(wěn)定。

基于上述分析，本文得到如下啟示：第一，研發(fā)投入的去向應(yīng)與經(jīng)濟(jì)發(fā)展目標(biāo)相一致，追求效率目標(biāo)應(yīng)當(dāng)遵循市場主導(dǎo)型創(chuàng)新模式，將更多研發(fā)資源投向循環(huán)累積效應(yīng)更強(qiáng)的東部地區(qū)，追求公平目標(biāo)則應(yīng)該遵循政府主導(dǎo)型創(chuàng)新模式，將研發(fā)資源投向中西部地區(qū)，從而逐步提升中西部地區(qū)的循環(huán)累積效應(yīng)，縮小其與東部地區(qū)的知識產(chǎn)出差距；第二，落后地區(qū)要警惕陷入研發(fā)創(chuàng)新的惡性循環(huán)當(dāng)中，多措并舉逐步提高研發(fā)投入強(qiáng)度和減少高技能人才的流失，不斷改善區(qū)域內(nèi)外部的創(chuàng)新環(huán)境，增強(qiáng)研發(fā)投入的循環(huán)累積效應(yīng)；第三，研發(fā)投入的終極目標(biāo)是實現(xiàn)經(jīng)濟(jì)的高質(zhì)量發(fā)展，而非 “專利競賽”，這就要求研發(fā)成果要能夠滿足市場需求，在市場中創(chuàng)造經(jīng)濟(jì)價值，因此，衡量創(chuàng)新績效的主要標(biāo)準(zhǔn)應(yīng)該從成果的數(shù)量向?qū)⒊晒膬r值實現(xiàn)能力轉(zhuǎn)變。