实证分析模型与数据

7.2.2　实证分析模型与数据

根据以上理论基础，全球价值链的构成和分布充分体现了地区资源禀赋。长三角电子及通信设备制造业嵌入全球价值链的基础之一是廉价的劳动力。本文通过构建生产函数，探讨劳动力、资本、科技投入等要素对电子及通信设备制造业总产值和新产品产值的贡献程度，并对长三角和其他省市进行对比分析，验证长三角电子及通信设备制造业在全球价值链中的地位，以期对未来的产业升级提出可行建议。

根据以上研究目标，本文设定如下产出模型：

式中，OUTP表示总产出，用当年价总产值来测量；HUMAN是电子及通信设备制造业的年平均人数；EQ M表示生产规模或资本投入规模，用微电子控制设备来测量；RD F表示对科技研发的资金投入，用科技活动经费内部支出这一指标来测量；SCIT表示该产业的科技研发实力，用科技机构科技活动人员来测量。

采用对数-线性函数形式可以平滑数据，改善模型拟合和减少异方差，所以上式变成：

（2）式中的i和t分别表示省份和时间，ε_it为随机误差项，独立地服从于如下分布：

如果k≠0，cov（ε_it，ε_it-k）＝0；

如果i≠j，cov（ε_it，ε_jt）＝0，cov（X_it，ε_it）＝0，其中X为解释变量。

本文对（2）式使用两种不同的估计方法，即最小平方法（OLS）和固定效果模型（FE）。当横截面的单位是总体的所有单位时，固定效应模型是一个合理的模型。如果横截面单位是随机地抽自一个大的总体，则使用随机效应模型较为合适。本文是对全国所有省市的电子及通信设备制造业进行分析，为了控制不同省份的个体特征，本文主要采用固定效应模型。

这两种模型的区别主要在于对截距和误差项的假设不同。（2）式中的ε_it可分解为两项独立的成分：

式中u_i是在回归方程中所无法包括的、观测不到的、与时间无关的省份特别的效果。v_it代表剩余的误差，它因省份和时间不同而变化，可被视为回归中通常的误差项。在OLS模型中，u_i被视为回归变量之一，但被处理为一个常数u。这一假定难以符合实际，因为它将那些有价值的差异性信息给丢弃掉了，所以OLS的估计是有偏差的。固定效果模型（FE）能反映无法观测到的异质性。在固定效果模型中，需要估计固定的参数，即把非观测效应看做是各个截面或个体特有的可估计参数，并且不随时间而变化。

科技研发活动的一个重要成果就是不断产生新的产品。为了考察产业研发行为的实际效果，本文考察了新产品的影响因素，即各生产要素对新产品产出的贡献度，构建了类似的模型：

式中，NOUTP表示新产品产出，用当新产品产值来测量；HUMAN是电子及通信设备制造业的年平均人数；EQM表示生产规模或资本投入规模，用微电子控制设备来测量；NRDP表示对新产品科技研发的资金投入，用新产品开发经费支出这一指标来测量；ENGIN是科学家和工程师的人数，用来衡量新产品的研发实力。

同时，采用对数-线性函数形式可以平滑数据，改善模型拟合和减少异方差。于是，上式变成：

本文的数据来源于《中国高新技术产业统计年鉴》，采用了1995—2007年对电子及通信设备制造业的统计数据。长三角包括上海、江苏、浙江三省（市），非长三角区域为这三个省市之外的其他省（市）。为了保持数据口径一致，把重庆的数据与四川合并在一起。由于数据缺失，去掉了内蒙、海南和宁夏三个省。对统计数据中的个别缺失值，用均值代替。