基础研究投入需要的成果转化机制分析——基于跨国面板数据的经验分析[1]

基础研究投入需要的成果转化机制分析——基于跨国面板数据的经验分析[1]

姜本田

610422199904060079

内容提要：相比应用研究，基础研究对应着较高的技术机会和更大范围的溢出效应，但其向现实生产力转化的效率也可能对成果转化机制更为敏感。采用2003-2016年跨国面板数据，对基础研究资本存量与全要素生产率（TFP）间相关制度和禀赋变量所起到的门槛效应进行实证检验。研究发现：当基础研究水准、营商环境指数超过一定的门槛值时，基础研究投入才能够最大化地推动全要素生产率提升；应用研究部门人力资本积累在基础研究投入与TFP之间不具有显著的门槛效应，只能起正向的调节作用。这给中国推动基础研究、应用研究与产业化的对接融通提供了丰富启示，未来必须深入推动科研人员绩效评价体系改革，培育发展技术转移机构和技术经理人，形成知识积累—技术创新—产业变革的大循环体系。

关键词：基础科学研究；成果转化机制；全要素生产率；国家创新体系

作者：姜本田，陕西省西安人，生于1999年，现年23岁。澳大利亚迪肯大学金融专业学士学位，现就读于新西兰怀卡托大学Master of Business and Management硕士专业。曾在西部资本研究院西北大学中国西部发展研究中心企业资本研究院实习，并参与企业资本研究院元宇宙相关课题研究。

一、引  言

随着中国技术能力从以跟跑为主转向跟跑、并跑和领跑并存，基础科学对创新发展的重要性日益凸显。“强化事关发展全局的基础研究和共性关键技术研究”，是解决我国整体创新能力相对薄弱的“阿喀琉斯之踵”的关键[1]。基础研究指认识自然现象、揭示自然规律，获取新知识、新原理、新方法的研究；基础研究对应的是应用研究，后者指的是针对特定实际目标，获取新的应用知识，创造或改进技术、工艺和产品的研究[2]。《国务院关于全面加强基础科学研究的若干意见》提出加大对基础研究的财政支持、建立多元化投入机制，推动基础研究、应用研究与产业化对接融通。加强基于基础研究的应用研究，推动其成果的开发利用，才能让基础研究真正成为重大创新的源头与动力[3]。为促进基础科学引领经济高质量发展，我国应辩证借鉴国际经验，结合基础研究的特征，进一步构建适用于基础研究的成果转化体制机制，使基础研究投入发挥最大化经济绩效。

在新一轮科技革命和产业变革兴起背景下，各国科技竞争焦点不断向基础研究前移。国外研究较早关注了基础研究对经济增长或生产率提升的作用。Nelson认为只要开放对基础研究潜在用途的限定就能释放出巨大经济收益[4]；Mansfield的研究显示若保持应用研究支出不变，基础研究对全要素生产率有显著正向贡献[5]；Griliches发现20世纪70年代美国研发投入增长整体放缓及基础研究的弱化，导致了其经济增长困境[6]；Van Raan和Van Leeuwen认为基础与应用研究可相互促进，应用研究随市场需求而调整的同时，不应牺牲基础研究强度，基础研究既是应用研究的源泉，还是向客户展示科学彻底性的名片[7]；Artz等、Czarnitzki和Thorwarth等也持类似观点[8][9]。

大多数研究认为，基础研究的经济效益是有条件或为异质性的。一是基础研究的效益主要体现在长期。Luintel和Khan发现基础知识、应用知识和试验发展知识均能增进生产率，其中基础知识的作用为长期效应[10]；Prettner和Werner也持类似观点[11]。二是基础研究的效益受学科方向、研发主体、研发阶段或技术水平的影响。Salter和Martin认为基础研究的投资形式对其效益存在影响，此影响还受学科领域、技术方向和产业部门调节作用[12]；Lim以医药和半导体行业创新绩效为例，发现前者更依赖基础研究[13]；Czarnitzki和Thorwarth发现基础研究对企业生产率的增进效应主要体现在高技术行业[9]。三是受与人力资本或知识产权相关的制度影响。Zellner认为基础研究发挥经济效益取决于科学家能否将知识向商业部门迁移[14]；Ha等发现随着向技术前沿面靠近，基础研究的经济增长效应更加突出[15]；Cozzi和Galli认为对基础科学成果实施专利保护可增强基础研究针对性、提高配置效率[16]。四是受国际经济技术活动的影响。Gersbach等发现高开放国家通常更需要基础研究投资，但若能较容易通过进口获取国外技术，则可对基础研究形成替代[17]。

根据上述文献，基础研究未必在所有情形下都能驱动经济或生产率增长，是因为受制于其自身或外部环境因素，基础研究的成果不一定能充分顺利转化。不过，现有研究多关注的是基础研究成果转化的某一“堵点”，如知识产权保护不足导致研究领域分散、非竞争资助引起反向激励等，而不是把基础研究置于创新链的起点，从全链条析基础研究成果转化需要什么样的内外部条件。基础研究由求知欲

驱动、以学科逻辑为主线，处于创新链的起始端，对产业部门为间接影响。由于此间接性，基础研究的成果转化须付出更高成本，且体现出对禀赋和制度的较高敏感度。有些国内研究抓住了基础研究的这一特性，提出要关注创新链的价值叠加效应，引导基础科学的知识资本充分与人力资本、金融资本结合，最终转化为现实生产力[18][19]，但尚缺少相关实证研究。20世纪末以来不少国家提出基础科学规划，新设一批科学基金或奖助计划，投入建造了一批大科学装置，但并非所有国家都能收获对等的宏观经济收益。如果能勾勒基础研究转化的全链条，刻画出链条上各环节所依赖的禀赋或制度条件，量化评价这些禀赋或制度构成的转化机制对基础研究增进生产率过程的影响程度及可能的拐点，则可解答上述悖论，实现理论深化和拓展，为各国提供广泛借鉴。

本文把基础研究成果转化分为基础知识转化、应用成果转化和产业化三个关键步骤，依据各步骤所依赖的禀赋或制度条件设置门槛变量，运用跨国面板数据，实证检验基础研究投入对全要素生产率（TFP）的影响及可能存在的门槛效应。主要有以下边际贡献。第一，不像现有研究主要关注与转化过程直接相关的制度设计或所属领域特征，如专利制度、资助方式、行业周期等，本文关注的是普遍性地影响转化效果的外部因素，比已有文献更能覆盖基础研究成果转化的全过程，兼顾基础知识在不同转化阶段的不同存在形式，实现了理论视野的拓展，也可保证实证中门槛变量的相对外生性。第二，从基础知识的价值叠加效应入手，抓住基础研究根本性、知识共性、弱时效性等区别于应用研究的特点，把宏观经济TFP作为基础研究成果转化的最终结果，突破基础研究投入的纵向、横向收益范围，构建了“投入—转化—收益”一体分析范式。第三，提出转化机制的非线性影响，即门槛效应，验证了基础研究水准领先性和产业部门创新创业环境的门槛效应，并测得了二者的门槛阈值，从而为各国提供更细化的启示，尤其有助于中国等亟待跨越中等收入陷阱的国家在成果转化机制上精准施策，推动实现科技自立自强。

二、理论机制与假设

1. 基础研究水准领先性的门槛效应

基础研究投入向现实生产力转化的第一步是产出基础研究成果，系统性阐述创新思想和原理，向创新链下游主体（应用研究部门）形成有效供给。这一过程既是科学家用知识解决系统性问题能力的转移，也是下游主体根据应用前景对基础研究成果的筛选[14]。下游应用研究部门之所以选择本国基础研究成果，而不去引用国外文献，依据的是本国基础成果的领先性，以及由此节约的搜寻、识别、筛选成本。只有本国基础研究的水准普遍达到或趋近世界前沿，应用研究部门才不用花较高的交易费用去甄别、鉴定基础成果的科学性和应用价值。这相当于每一项具体基础成果都有本国科学家群体的声誉背书，发生“以次充好”致使下游主体损益的概率较低。正如一些研究发现的，越趋近世界技术前沿，基础研究投入的边际收益就越大[20][21]。若一国的基础研究水准远远偏离世界前沿，则基础研究投入增长只能引起研究能力低水平重复建设，难以向下游主体形成有效供给。历史上不乏对基础科学有明显投入偏好的发展中国家，不少由于过度超出自身发展阶段，其经济效益长期未兑现，最终没能成为工业化国家[22]。

假设1：只有一国的基础研究成果领先性超过一定门槛值时，基础研究投入才能够最大化地推动全要素生产率提升。

2. 应用研究部门人力资本积累的门槛效应

应用研究部门在获取基础研究提供的新思维后，要付出工作量对其进行再开发，形成发明专利或标准，完成基础研究向现实生产力转化的第二步。多数研究均认为基础研究与应用研究存在显著的互补或协同关系[5][7][23]。只要应用部门能够甄别出基础成果的领先性，并将其作为一项投入品纳入自身生产函数，就必须进行相应的专用性投资，为基础成果提供匹配性生产要素。若缺乏这一关键步骤，基础研究成果只能体现出对学科进展的贡献，无法从“有用”走向“可用”。由于应用研究与基础研究在资源条件的约束上具有较强关联[24][25]，因此二者在物质资本的使用属性上有一定趋同性，应用研究部门在引入基础成果后，要及时调整既有仪器设备的用途或购进新设备。除此之外，这一步中更重要的可能是将基础研究提供的跨期跨领域知识，加以对接、整合、运用和二次开发。这一过程必须由对基础研究有深入理解并具备知识迁移能力的专业人员完成，是物质资本所不能替代的。若应用研究部门不具备足够的专用性人力资本，则为完成这一步转化而需从上游取得外部智力资源，但是此过程难免出现交易摩擦，双方都得付出较高交易费用，从而对基础研究成果进一步向下游转化可能产生阻滞效应。

假设2：只有一国的应用研究部门人力资本积累超过一定门槛值时，基础研究投入才能够最大化地推动全要素生产率提升。

3. 产业部门创新创业环境的门槛效应

只有当基于基础研究的应用成果向产业部门形成有效供给，转化为产业实用技术，推动其

开发新产品乃至形成新业态、新产业，基础研究才能完成推动现实生产力发展的“最后一跃”。产业（产品）创新的风险由企业家承担，企业家也最终受益于创新成功带来的超额回报；反过来说，企业家精神的丰度决定着产业部门对创新活动，特别是对基于基础研究的产品创新的投入。根据李宏彬等[26]，企业家精神表现为企业家偏好并有能力实现“新的进入”和对专利发明的采纳。然而，在有摩擦的经济中，一些非生产活动会挤占企业家的兴趣和精力，如寻租[27-30]）。一旦寻租的风险低于创新风险，或收益高于创新收益，企业家精神的发挥就会大打折扣，创新链上游的一系列努力可能阻滞在产业应用环节。因此，要想确保基础研究顺畅地完成向现实生产力转化的最后一步，必须压缩企业向公权力寻租的空间，提供便利化营商环境，释放企业家“创造性破坏”的天然属性，激励其将更多资源配置到创新创业中。

假设3：只有一国的产业部门创新产业环境超过一定门槛值时，基础研究投入才能够最大化地推动全要素生产率提升。

三、实证模型与变量处理

1. 实证模型构建

借鉴Griliches（1979）[31]、Romer（1990）[32]的研究成果，参考Hansen（2000）[33]对面板门槛效应模型的设定，构建门槛效应基准检验模型。

                (1)

其中，代表基础研究的投入，的系数代表应用研究的投入，为基础研究成果的领先性，是待估的门槛值，为指示函数，满足括弧内的条件为1，否则为0。以为门槛可将研究样本划分为两个区间，在不同的区间内对的回归系数估计值有所差异。式(1)仅以第一个门槛变量（基础研究成果领先性）为例，若以应用研究部门人力资本积累（）和营商环境（）为门槛变量，模型形式同式(1)。另外，式(1)为假定只存在一个门槛值的情形，若有多个门槛值能够通过检验，则需要考察每个区间上的回归系数差异，进而把式(2)拓展为：

   (2)

2. 样本选择、数据来源与变量处理

考虑到数据可得性，本文以2003-2016年世界上43个有完整的分类型R&D投资支出统计的国家为研究样本[2]。原始数据来源于联合国教育科学文化组织（UNESCO）统计数据库、世界银行数据库、国际劳工组织（ILO）数据库和中国国家统计局发布的《国际统计年鉴》。

（1）被解释变量。对于各国全要素生产率变化率（TFP），借鉴张军等（2009）[34]人的研究，按照随机前沿生产函数的参数估计值，测算得到技术进步（TC）、技术效率变化率（TEC）、规模效率变化率（SEC）和要素配置效率（FAEC），四者相加即为TFP。以上所需原始数据来自世界银行。

（2）核心解释变量。本文把基础研究和应用研究的资本存量作为核心解释变量。联合国教科文组织提供了各国分类型R&D投资支出的流量数据（单位是亿美元，按照2000年购买力平价、2005年不变价美元衡量），本文参照刘航和杨丹辉，按永续盘存法推算出用于各类R&D的资本存量[35]。推算方法及起始年存量的测算同TFP中K的算法，起始年定义为2003年，考虑到用于科学研究的实物资本具有更高的折旧率，此处的设定为0.15。由于UNESCO统计中把R&D类型分为基础研究、应用研究和试验发展，本文根据研究需要，把后二者合并，统称应用科学研究。最后，把两类R&D的资本存量取对数值，得到变量和。

（3）门槛变量。反映基础研究成果转化链条中不同阶段的要素或制度环境的三个门槛变量分别是基础研究成果的领先性（）、应用研究部门人力资本（）和产业部门营商环境（）。第一，对于变量，用每百万人科技期刊论文发表数量的对数值表示，科技期刊论文数量及人口数来源于世界银行数据库；第二，对于变量，用每单位产出包含的应用研究工时当量的对数值表示，应用研究的产出为居民和非居民专利申请量之和，来源于世界银行数据库，工时当量为采用UNESCO统计数据库提供的企业R&D人员的全职人力工时；第三，对于变量，本文用世界银行发布的《世界营商环境报告》中的开办企业便利度标准化指数来表示，为保持计量单位可比，对原始指数做除以100处理。

（4）控制变量。除此之外，参考以往研究，本文还选取了如下控制变量：①自然资源丰度（），以自然资源租金总额占本国GDP的比重来表示。②外商直接投资比重（），以外国直接投资净额占本国GDP比重来表示。③政府廉洁度（），基于“透明国际”（Transparency International）发布的清廉指数，对其进行分级处理，当年得分最高的前1/3国家为3，中间1/3国家为2，最后1/3国家为1。④外贸依存度（），以货物贸易进出口总额与服务贸易进出口总额之和同本国GDP之比来衡量。⑤贸易竞争力（），以顺差额与进出口总额之比来衡量，包括货物和服务贸易。

四、实证结果

1. 基于调节效应的预检验

在进行门槛效应检验之前，把

、、三个门槛变量作为调节变量，分别观察其在TFP对基础研究投入的回归过程中能否起到线性调节效应，结果见表1。根据列(1)、(2)，加入调节变量和交互项后，模型能够实现更优的整体显著性和拟合优度，的系数在0.01水平上显著为正。这说明基础研究成果的“有用性”在基础研究投入向现实生产力转化中起着积极作用，致力于提高基础研究领先性的科研管理机制扮演至关重要的角色。根据列(3)、(4)，在不包含的情况下，加入和可使整体显著性和拟合优度更优，且的系数显著为正；但控制了后，的系数不显著，加入也不能改变拟合优度。这说明应用研究部门的物质资本与人力资本投入具有强互补性，在控制了物质资本后，应用研究部门的人力资本并不能单独作用于TFP，也无法显著地促进基础研究对TFP的提升效应。根据列(5)、(6)，加入和后，模型统计量及交互项系数的表现与列(1)、(2)中大体一致，即产业层面的营商环境优化对于提升基础研究投入的经济绩效有明显效果。另外，只要加入和，则核心解释变量的系数转为显著为负，即假定营商环境同等，则基础研究投入反而阻碍TFP提升。这说明样本观测任期内基础研究与营商环境存在联动性，若不具备把科学进展提供的技术机会转化为商业机会的制度环境，则基础研究投入就会成为一种无效供给和资源浪费，此发现与Zellner的观点一致[14]。不过却没有如此表现，在列(6)中依然保持显著为正。这是因为应用研究更接近市场，其投入对应着专用性的产业化方向，本身可以创造商业机会，相对不依赖营商环境。这再次印证了基础研究投入影响TFP的间接性及其成效对外部条件的敏感性。

表1调节效应检验结果

注：***、**、*表示估计系数分别在0.01、0.05、0.1水平上显著；括弧中为t值；模型设定同表1列(1)、(3)、(5)；模型中包含常数项及与表1列(1)、(3)、(5)同样的控制变量，省略了结果报告。

2. 门槛效应检验

以、、为门槛变量，分别对其在基础研究投入影响TFP过程中的门槛效应进行检验，结果见表2。以为门槛变量时，若不控制则有一个门槛，若控制则不存在门槛效应；以为门槛变量时，无论是否控制都不存在门槛效应，尽管表1列(3)中控制了应用研究投入后有显著的正向线性调节效应，但表2显示其并不具备显著的门槛特征；以为门槛变量时，若不控制则有两个门槛，若控制则有一个门槛，且此门槛估计值及其置信区间与未控制时完全一致，说明该门槛估计比较稳健。

表2门槛效应检验结果

注：检验过程中设置了

500次Bootstrap法反复抽样，把异常值剔除概率设为0.01，并把与表1列(1)、(3)、(5)中所有控制变量作为协变量。

进一步绘制至少存在一个门槛情形下的似然比（LR）分布图，如图1所示，检验设置同表2一致。在图1(a)中，以为门槛变量（不控制AR）时，有一个门限值处于LR=7.35置信区间内，门限估计值为1.5158，而双重门限未通过检验；在图1(b)中，以为门槛变量（不控制AR）时，单一门槛和双重门槛都能通过检验，只不过双重门槛下的趋势性不太突出，这也印证了表2中此情形下门槛F统计量虽显著但水平较低的情况；在图1(c)中，以为门槛变量（控制AR）时，单一门槛检验通过，门槛估计值为0.8469，而双重门槛检验无法通过。

图1不同门槛变量下的门槛效应LR分布图

3. 不同门槛区间的固定效应回归结果

观察存在门槛效应情况下不同区间固定效应回归结果，如表3所示。当时，TFP对的回归系数为0.0013，对应的t值为4.33；当时，的系数达到0.0307，对应的t值为11.76。这说明，一国基础研究投入推动TFP增长过程中，面临着基础研究本身的成果质量（国际领先度）构成的门槛效应，超越这个门槛值（约对应着每百万人发表国际科技期刊论文4.55篇）时，基础研究投入才能够对TFP提升产生强烈推动作用。在不控制AR的情况下，当时的系数为0.0016，在0.01水平上显著；随着营商环境进入更高的门槛区间，的系数和显著性水平均有所提高；特别是超过第二个门槛值时，回归关系的跃升更为强烈。控制了AR的情况下，只有一个门槛值，其与未控制AR时的第二个门槛值完全一致，且区间变化趋势相同。可见，一国要想得到基础研究投入的较高TFP效应，则必须在新发明专利的产品化、产业化上多下功夫，保证企业家以较低的成本实现“新的进入”（对应着《世界营商环境报告》开办企业便利度标准化指数为84.69），打通创新性知识向现实生产力转化的最后一环，由“可用”实现“被用”。

表3门槛固定效应回归结果

注：***、**、*分别估计系数表示在0.01、0.05、0.1水平上显著；括弧中为t值；门槛固定效应回归在Stata软件中采用了xthreg命令；检验过程设置同表2一致。

本文的假设H1和H3得到了验证，而H2未得到经验证据支持。无论是否控制AR，应用研究部门的人力资本在TFP对的回归关系中均无法起到门槛效应，其仅在未控制AR时起着线性的正向调节效应。有充足的应用型人才去识别、对接、整合、再创新，固然有助于基础研究成果从“有用”顺利转化为“可用”。但是，其中还有一层关系，即应用与基础研究在资源条件的约束上具有较强关联[24][25]，而应用研究的物质资本与人力资本投入又具有强互补性，这意味着应用研究人力资本增加时，基础研究投入和应用研究物质资本投入都已增加，前者通常是后者的结果。因此，表2发现的系数显著为正显示的是基础研究投入的自强化效果，本身不具备因进入某个区间而引起回归关系“结构突变”的属性。由此证明，对多数国家而言，不需要超规格加大应用型创新人才的培养和投入。科学家产出高质量知识成果到最终形成有市场前景的新产业，中间较少发生市场失灵，创新链衔接相对紧密，而两端因较高的不确定性和外部性而容易出现市场失灵，须以“政府之手”矫正。

4. 拓展性分析：最优门槛区间及中国所处的位置

表4报告了根据表3结果而划分的门槛变量最优区间、样本国家均值及中国所处的位置。虽然中国的每百万人科技论文发表篇数已远超门槛值，但无论是2003-2016年均值，还是2016年观测值，都还远低于样本国家平均和中位数。这说明中国基础研究成果的领先度仍有较大提升空间，同时可预见随着基础研究产出质量的提升，基础研究投入的TFP效应也还有较大提升空间。中国的开办企业便利度标准化指数同样低于样本国家平均水平，并且2016年中国的观测值恰位于84.69的门槛值，即当时刚刚迈入最优门槛区间。《2020年全球营商环境报告》显示2019年中国大陆地区已达94.1的标准化值，这意味着从科学成果的产品化产业化环境来看，中国正处在基础研究投入加速推动TFP提升的轨道上。尽管每单位应用研究产出的工时当量不存在显著的门槛效应，但表2中调节效应显示充足的人员投入与物质资本投入具有强互补性，前者的值越高，则基础研究投入对TFP的积极效应越强烈。中国的应用研究部门人力资本水平已远超样本国家平均水平，未来应把更多的公共资源投放到激励科学家和企业家的制度供给上。另外，通过拓展测算知，、、三个变量中，与AR的相关系数最高，每单位应用研究产出的工时当量与应用研究资本存量之比的变异系数小于1，而每百万人科技论文发表数、开办企业便利度标准化指数分别与应用研究资本存量之比的变异系数均明显大于1。这也能证明应用研究投入多少人力去从事基于基础研究的专利研发有较稳定的市场规律可循，而基础知识转化和产业化才具有更大偶发性、随变性，也在制度优化上有更大潜在空间。

表4最优门槛区间及中国所处位置

六、结论

本文采用2003-2016年43个样本国家数据，实证分析了基础研究投入对TFP成果转化机制可能起到的门槛效应。研究发现：（1）只有基础研究水准、营商环境指数超过一定门槛值，基础研究投入才能对TFP产生较强的正向影响，否则基础研究成果转化机制不畅会形成一定对冲效应；（2）应用研究部门人力资本积累在基础研究投入与TFP之间不具有显著的门槛效应，只能起正向的调节作用；（3）中国处于基础研究水准和营商环境指数的最优门槛区间，其中基础研究水准还有非常大的提升空间，现阶段要获得更大的基础研究经济绩效，须从源头上促进根本创新，构建知识—技术—产业联动机制。

2020年9月，习近平总书记在科学家座谈会上指出，“基础研究是科技创新的源头”，“要明确我国基础研究领域方向和发展目标，久久为功，持续不断坚持下去”。未来我国不断加大基础研究投入、构建持续稳定投入机制的同时，还应理清基础研究在创新链上的位置和传播、转移、转化规律，打通基础研究驱动经济高质量发展的堵点，探索适用于基础研究的成果转化机制及政策体系。本文基于国际经验的研究结果，可对中国构建以基础研究为首要驱动力的国家创新体系形成明确的政策启示。第一，重视提升基础研究的成果质量，为科技人才营造潜心钻研重大基础理论问题的氛围，构建区别于传统科研业绩评价的知识创新评价体系及激励机制，以重大技术需求带动基础研究，在重大应用研究中抽象出深层次科学问题，激发知识成果的传播效率、实际效用和转化效能。第二，围绕原始创新成果推动应用化创新和产业升级，促进基础研究成果对市场主体的有效供给，减少产学研用合作中的财政直接补贴，激发企业家精神，鼓励支持企业定向资助基础研究课题。在基础研究阶段以财政投入为主的同时，撬动社会资金进入基础研究下游转化领域，以企业为纽带构筑风险分担机制，培育专业化技术转移机构与技术经理人，形成知识积累—技术创新—产业革新的大循环体系。第三，优化配置科技人才资源，吸引最优秀的人才投身基础研究和基础学科教学科研，适度控制单一应用型用途人才的过快增长和重复建设，侧重基础学科及其与应用学科的交叉、延伸领域的人才培养和储备，办好高校“强基计划”，激发保护学生的学术探究冲动、夯实学生基础学科能力的学术体验，鼓励不同科学属性和应用场景之间的人才交流或研究兴趣转换，带动实现更大范围、更深层次、更高效率的知识迁移。

参考文献

[1] 习近平. 习近平谈治国理政（第二卷）[M]. 北京: 外文出版社, 2017.

[2] Gersbach H, Sorger G, Amon C. Hierarchical Growth: Basic and Applied Research [J]. Journal of Economic Dynamics & Control, 2018, 90: 434-459.

[3] 吕薇. 促进基础研究转化为原始创新能力[N]. 北京: 经济日报, 2018-06-14(15).

[4] Nelson R R. The Simple Economics of Basic Scientific Research [J]. The Journal of Political Economy, 1959, 67(3): 297-306.

[5] Mansfield E. Basic Research and Productivity Increase in Manufacturing [J]. American Economic Review, 1980, 70(5): 863-873.

[6] Griliches Z. Productivity, Research-And-Development, and Basic Research at the Firm Level in the 1970s [J]. American Economic Review, 1986, 76(1): 141-154.

[7] Van Raan A F J, Van Leeuwen T N. Assessment of the Scientific Basis of Interdisciplinary, Applied Research: Application of Bibliometric Methods in Nutrition and Food Research [J]. Research Policy, 2002, 31(4): 611-632.

[8] Artz K W, Norman P M, Hatfield D E, Cardinal L B. A Longitudinal Study of the Impact of R&D, Patents, and Product Innovation on Firm Performance [J]. The Journal of Product Innovation Management, 2010, 27(5): 725-740.

[9] Czarnitzki D, Thorwarth S. Productivity Effects of Basic Research in Low-Tech and High-Tech Industries [J]. Research Policy, 2012, 41(9): 1555-1564.

[10] Luintel K B, Khan M. Basic, Applied and Experimental Knowledge and Productivity: Further Evidence [J]. Economics Letters, 2011, 111(1): 71-74.

[11] Prettner K, Werner K. Why It Pays Off to Pay Us Well: The Impact of Basic Research On Economic Growth and Welfare [J]. Research Policy, 2016, 45(5): 1075-1090.

[12] Salter A J, Martin B R. The Economic Benefits of Publicly Funded Basic Research: A Critical Review [J]. Research Policy, 2001, 30(3): 509-532.

[13] Lim K. The Relationship between Research and Innovation in the Semiconductor and Pharmaceutical Industries (1981–1997) [J]. Research Policy, 2004, 33(2): 287-321.

[14] Zellner C. The Economic Effects of Basic Research: Evidence for Embodied Knowledge Transfer via Scientists’ Migration [J]. Research Policy, 2003, 32(10): 1881-1895.

[15] Ha J, Kim Y J, Lee J. The Optimal Structure of Technology Adoption and Creation: Basic Research vs. Development in the Presence of Distance to Frontier[R]. Asian Development Bank Economics Working Paper, 2009, No.163.

[16] Cozzi G, Galli S. Should the Government Protect its Basic Research? [J]. Economics Letters, 2017, 157(122-124.

[17] Gersbach H, Schneider M T, Schneller O. Basic Research, Openness, and Convergence [J]. Journal of Economic Growth (Boston, Mass.), 2012, 18(1): 33-68.

[18] 洪银兴. 科技创新阶段及其创新价值链分析[J]. 成都: 经济学家, 2017, (4): 5-12.

[19] 周文泳, 郭雅楠. 科技创新链视角下基础研究成果价值发现机制[J]. 上海: 国外社会科学前沿, 2021, (5): 13-24.

[20] 孙早, 许薛璐. 前沿技术差距与科学研究的创新效应——基础研究与应用研究谁扮演了更重要的角色[J]. 北京: 中国工业经济, 2017, (3): 5-23.

[21] Gersbach H, Schneider M T, Schneller O. Optimal Mix of Applied and Basic Research, Distance to Frontier, and Openness[R]. CEPR Discussion Paper, 2010, No.DP7795.

[22] 杰克·戈德斯通. 关永强译. 为什么是欧洲——世界史视角下的西方崛起（1500-1850）[M]. 杭州: 浙江大学出版社, 2010.

[23] Henard D H, McFadyen M A. The Complementary Roles of Applied and Basic Research: A Knowledge‐Based Perspective [J]. The Journal of Product Innovation Management, 2005, 22(6): 503-514.

[24] Garicano L. Hierarchies and the Organization of Knowledge in Production [J]. The Journal of Political Economy, 2000, 108(5): 874-904.

[25] Olson E M, Walker O C, Ruekert R W, Bonner J M. Patterns of Cooperation During New Product Development Among Marketing, Operations and R&D: Implications for Project Performance [J]. The Journal of Product Innovation Management, 2001, 18(4): 258-271.

[26] 李宏彬, 李杏, 姚先国等. 企业家的创业与创新精神对中国经济增长的影响[J]. 北京: 经济研究, 2009, (10): 99-108.

[27] Baumol W J. Entrepreneurship: Productive, Unproductive, and Destructive [J]. The Journal of Political Economy, 1990, 98(5, Part 1): 893-921.

[28] Murphy K M, Shleifer A, Vishny R W. The Allocation of Talent: Implications for Growth [J]. The Quarterly Journal of Economics, 1991, 106(2): 503-530.

[29] Murphy K M, Shleifer A, Vishny R W. Why is Rent-Seeking so Costly to Growth? [J]. The American Economic Review, 1993, 83(2): 409-414.

[30] Boldrin M, Levine D K. Rent-Seeking and Innovation [J]. Journal of Monetary Economics, 2004, 51(1): 127-160.

[31] Griliches Z. Productivity, Research-And-Development, and Basic Research at the Firm Level in the 1970S [J]. American Economic Review, 1986, 76(1): 141-154.

[32] Romer P. M. Endogenous Technological-Change [J]. Journal of Political Economy, 1990, 98(52): S71-S102.

[33] Hansen B E. Sample Splitting and Threshold Estimation [J]. Econometrica, 2000, 68(3): 575-603.

[34] 张军, 陈诗一, Gary H Jefferson. 结构改革与中国工业增长[J]. 北京: 经济研究, 2009, (7): 4-20.

[35] 刘航, 杨丹辉. 高质量进口能带来成本节约效应吗[J]. 北京: 中国工业经济, 2020, (10): 24-42.

1

[2] 具体国家样本为：阿根廷、奥地利、阿塞拜疆、保加利亚、中国、哥斯达黎加、克罗地亚、塞浦路斯、捷克、丹麦、厄瓜多尔、萨尔瓦多、爱沙尼亚、法国、危地马拉、匈牙利、冰岛、爱尔兰、以色列、意大利、日本、拉脱维亚、立陶宛、马来西亚、马耳他、墨西哥、蒙古、新西兰、巴拿马、巴拉圭、波兰、葡萄牙、韩国、罗马尼亚、塞尔维亚、新加坡、斯洛伐克、斯洛文尼亚、南非、瑞士、乌克兰、英国和美国。