原文信息：
Leonardo Klüppel, Anne Marie Knott, 2023. Are ideas being fished out? Research Policy, 52(2),104665.
创新是经济增长的主要来源（索洛，1957）。罗默（1990）的内生增长理论认为，增长是由有目的的研发投资内生驱动的，且具有规模效应，即增长与研发水平成正比。该理论解释了1950年以来美国名义GDP和研发投资同步变动的情况，但是在20世纪80年代研发投资增长而GDP却在下降。对此的主流解释是知识具有“钓鱼效应”（Jones，1995）。创意的数量是有限的，就像钓鱼一样，在最好的想法产生之后，剩下的想法质量越来越低。从技术的角度，这是由于知识存量收益递减。那么，研发生产率下降是否可以用钓鱼（fishing out）效应解释？即新知识的生产在现有知识水平上减少了吗？本文通过对美国企业的知识生产函数进行估计，对以上问题进行了探讨。
一、研究框架
根据罗默的内生增长理论，产出与研发人员投入成正比。HA是研发劳动力数量，At是知识存量。
琼斯Jones在（2）式的基础上，引入研发劳动力弹性λ和知识存量弹性Φ（见式3），认为在研发过程中存在外部性λ<1，新知识的产生在下降Φ<1。式（3）可以改写为式（4）。
根据琼斯的观点，当λ和Φ均小于1时，由研发带来的增长会趋于0。反之，如果Φ大于或等于1，则不存在“钓鱼效应”，由研发带来的增长将会持续下去。
本文对琼斯的生产函数（式3）进行了实证检验，以确定美国企业是否存在“钓鱼效应”。
二、实证设计
1. 知识生产函数的检验
本文使用Bloom等人（2020）研究中（作者Bloom，Jones，van Reenen，Webb四人简称为BJVW）的生产率指标来检验琼斯的知识生产函数。BJVW用产出与实现该产出的研发人员数之比表示研发生产率α（式5）。
为区分研发生产率α和生产率参数δ，将g=αHA代入式（4）并两边同除HA得到式（6）：
采用式（7）对式（6）进行实证检验，
其中，γi为行业固定效应；δt为年份效应。本文使用行业固定效应而不是企业固定效应的原因为，企业固定效应包含了选择效应和研发生产率的处理效应。
根据式（7）估计的参数，得到以下关系Φ=β1+1, λ=β2+1。如果知识存量存在“钓鱼效应”，则有-1<β1<0。
2. 基于研发生产率分布的检验
如果新知识的生产存在“钓鱼效应”，企业研发生产率的整体分布都会明显下降，而不仅仅是平均值。换言之，每年最佳想法的质量平均来说应该比前一年的差。由此，作为补充检验，本文研究了研发生产率最大值的时间趋势，如式（8）所示。如果存在“钓鱼效应”，则系数β1将会显著为负。
2.3 数据
本文数据来自于BJVW在AER公开的数据，这些数据来源于Compustat基础数据库。使用科研人员数的对数值表示有效研发（记为Scientists）；用增长与科研人员的比值表示企业的研发生产率，增长用销售收入来衡量。另外，本文在BJVW的数据基础上，将前十年的平均收入增长除以同期有效研发的中位数来构造年度研发生产率。
基于美国专利数据集，本文构建了衡量企业知识存量的三个指标。一是专利知识存量，企业i在t年每项专利的平均知识存量；二是引用知识存量，每个引用的平均知识存量；三是引用价值，用企业一年中引用的所有专利的价值表示。
最终的数据集包括1983-2015年间进行研发和申请专利的所有美国上市公司。
三、实证结果
1. 知识生产函数的检验
从表2的结果来看，知识存量的估计系数β1总是显著为正，与知识产出存在“钓鱼效应”的观点相反。
对于外部性的检验，有效研发的系数β2均显著为负，β2的估计值为-1.1，意味着λ的值为-0.1。表明，研发人员增加10%会使新的知识产出减少1%。更换有效研发变量的衡量方法，高学历（企业研发支出除以美国高学历员工的平均工资）和发明人（企业某年申请的所有专利的发明人数量），稳健性检验结果与表2一致。
3.2 研发生产率分布呈下降趋势的检验
表3列出了研发生产率最大值的趋势检验结果。作为对照，模型1列出了企业平均研发生产率的时间趋势，年份效应的估计系数显著为负，验证了琼斯的理论。模型2中，整个经济中研发生产率最大值的年份效应估计系数则显著为正，与表2结果一致，说明新知识产生并不存在“钓鱼效应”。
进一步缩小研究样本，模型3-模型6分别为SIC分类标准的1位码行业、2位码行业、3位码行业和4位码行业的回归结果。年份效应的估计系数均显著为正，且随着研究样本的缩小，系数值逐渐减小。
3.3 总结
总之，无论是对知识生产函数的结构性检验，还是对研发生产率分布的替代性检验，都没有发现新知识枯竭的证据。事实上，知识产出存在着正向溢出效应，而不是“钓鱼效应”。
四、对研发生产率下降的其他解释
在以上的研究中并没有发现知识产出存在“钓鱼效应”，但是大量证据表明总体研发生产率水平在下降。还有什么因素可以解释这个问题呢？本文分别从宏观和微观层面进行讨论。
宏观经济层面：研究与开发之间的不平衡日益加剧（见图4）；微观企业层面：研发实践呈现出恶化趋势，具体表现为研发集中度水平下降34%、研发外包强度增加6倍和外聘CEO比率上升67%。
五、结论
本文通过对美国企业的知识生产函数进行实证检验，并没有发现知识产出面临枯竭的经验证据。相反，知识存量的回报率在增加。此外，本文还进行了补充检验，发现研发生产率最大值随着时间也在一直增加。鉴于“钓鱼效应”无法解释研发生产率的下降，文章进一步提供了可能导致这种下降的偶然因素的初步证据。
研究结果对公共政策的制定具有启示意义。第一，联邦政府目前针对企业实施的政策主要是研发税收抵免，该政策激励企业研究（research）但是没有促进开发（development），因此该政策可能导致企业过度研究问题。相比于激励企业增加研发投资，更需要激励企业提高研发效率，所以建议将研发税收抵免与企业研发生产率挂钩。第二，如果以专利和出版物来衡量产出，可能看起来研发是富有效率的，但是如果没有能力将这些创新成果开发、应用和商业化，它们就无法对经济增长产生贡献。
Abstract
This paper examines whether declining research productivity can be explained by fishing out——is the production of new knowledge decreasing in the level of existing knowledge? We estimate the knowledge production function for US firms and find instead that knowledge production is increasing in the knowledge stock. This is reinforced by the observations that maximum research productivity across firms is increasing over time, and that research productivity year effects continue to exhibit decline after modeling contributions from knowledge and research labor. Given that fishing out appears unable to explain the decline in research productivity, we offer preliminary evidence of contingent factors that might contribute to the decline.
推文作者：王昀，孙款款
0
推荐
京公网安备 11010502034662号 