光伏市场拉动研发创新的国际研究(2)
2 数据样本与研究方法
2.1 变量选取
本文结合光伏产业特点,借鉴同类实证文献对市场需求规模和研发创新的表征方法。Scherer[12]在研究需求拉动制造业创新时,用制造产品购买量来表征市场需求规模。徐侠[13]在分析新产品市场需求对企业研发支出的影响时,用新产品销售收入表征市场需求。在光伏政策同时影响市场需求规模和市场规模的情况下,市场规模变化可以反映市场需求规模变化,选择这一指标的好处在于直接、易于识别、现实涵义明确。专利申请或授予是研发创新的产出之一,数据的定义稳定、客观,而且相对容易获得。Watanabe[14]在研究研发投入和知识储备对光伏创新影响时,用专利申请量表征光伏创新。因此本文用国家专利局授予的光伏专利量表征被拉动的研发创新。
各个国家及其代码分别是德国DE,西班牙ES,日本JP,美国 US,意大利 IT,韩国 KR,法国 FR,中国 CN,澳大利亚AU,葡萄牙PT,加拿大CA,瑞士CH,荷兰NL,奥地利AT,英国GB,墨西哥MX,瑞典SE,挪威NO,土耳其TR,丹麦DK。各国市场规模变量用“国家代码+M”表示,各国研发创新规模变量用“国家代码+R”表示。
2.2 数据来源
1993-2009年国外年装机量数据基本来自世界能源署(IEA)2008年的出版物[15],除了1995-2009年澳大利亚、奥地利、加拿大、瑞士、德国、葡萄牙和美国的年装机量数据是来自IEA2009年的出版物[16]。1992-2003年我国年装机量数据是来自《中国光伏产业发展研究报告》[17],2004-2006年的数据是来自《中国光伏发展报告》[18],2007-2009年的数据是来自欧洲光伏行业组织(EPIA)的出版物[19]。美国和日本的光伏专利授予量数据是来自CambridgeIP的数据库,其他国家的光伏专利授予量数据是来自欧洲专利局(EPO)的数据库。澳大利亚、奥地利、加拿大、瑞士、德国、丹麦、西班牙、英国、意大利、日本、荷兰、瑞典、美国、墨西哥的屋顶面积数据和墙面面积数据来自于 IEA2002 年的出版物[20]。
2.3 因果检验方法
本文用Granger因果检验方法对市场需求与研发创新的因果关系进行检验,考察二者的因果关系是否显著。格兰杰(非)因果关系分析法的基本原理在于如果变量Y的过去值有助于解释变量X的变化,那么就说存在Y到X的因果关系。
对于两个不都是平稳的时间序列,建立向量自回归模型很可能得到残差序列是非平稳序列的伪回归,不能可靠地反映自变量和因变量之间的关系。因此,对于同阶单整的两个时间序列,先检验是否存在协整关系。单方程的协整检验的常用方法是Engle和Granger提出的基于协整回归残差的E-G两步检验法。若检验ln M与ln R是否存在协整关系,首先用最小二乘法估计长期均衡方程
然后对估计残差εt做ADF单位根检验。如果εt为平稳序列,则认为ln M与ln R存在协整关系,反之,不存在协整关系。
根据Engle和Granger的协整理论,如果时序变量之间存在协整关系,则一定存在一个相对应的误差修正模型(VECM)来描述不断调整的短期动态过程。建立误差修正模型
其中引入了长期均衡方程所产生的残差序列Zt-1
检验统计量为
其中RRS1和RSS0分别表示VECM估计的残差平方和,和VECM在非因果关系的原假设下估计的残差平方和,n为在原假设H0下滞后项的个数,N为样本容量。当统计量F的值大于在显著性水平α下F分布的临界值Fα(n,N-2n-1),则在1-α的置信度下拒绝原假设,即认为D ln M是D ln R的原因。
对于非同阶单整的两个时间序列,和不存在协整关系的同阶单整的两个时间序列,可以进行一阶差分变换。如果一阶差分变量平稳,对一阶差分变量建立向量自回归模型(VAR)模型检验因果关系。若检验D ln M是否是D ln R的原因,建立向量自回归模型:
其中p和q分别为D ln R和D ln M的滞后期长度。同样以F统计量判断是否拒绝非因果关系的原假设。
检验结果对最大滞后阶数敏感,VECM模型检验和VAR模型检验都采取AIC准则选择最优滞后阶数。为了保证检验结果的稳健度,我们对各国都选取约17个样本数,当出现市场不显著拉动研发创新的检验结果时,可能是市场规模过小和市场规模增长过快中的任一因素或者两个因素同时引起的。我们把“不存在因果关系”检验结果谨慎地解释为不显著存在因果关系,而不是做出更强的判断,比如判断不存在因果关系。
2.4 趋势分析方法
文章来源:《国际研究参考》 网址: http://www.gjyjck.cn/qikandaodu/2021/0620/929.html
上一篇:关于举办第三届中国康复医学会综合学术年会暨
下一篇:团购网的资本盛宴