1. 研究目的与意义

创新对全要素生产率（TFP，Total Factor Productivity）有较大的影响。但对我国TFP的估算结果显示，1985-1992年，TFP增长率为3.1%，TFP增长对GDP的贡献率为22%；1993-1999年，TFP年均增长3.9%，TFP增长对GDP的平均贡献率为36%；2000-2007年，TFP增长率达到4.2%，TFP增长对GDP的贡献率为39%；2008-2015年，TFP增长率仅为1.8%，TFP增长对GDP贡献率为21%，不难看出TFP贡献率较低，近年来TFP贡献下降，增长放缓，表明处于转型期的中国经济仍以资本驱动为主，而资本贡献份额过高抑制了全要素生产率对增长的促进作用。新科技革命所带动的以知识为基础的新兴产业的快速发展，标志着经济发展从传统的要素驱动、投资驱动向创新驱动转型。在我国经济面临转型发展的重要关口之际，依靠创新带动产业升级和产业结构调整乃是经济转型成功与否的关键，中国经济在你追我赶的过程中，政府干预的必要介入及退出滞后，不断强化通用技术的使用和扩散，以至于最终导致对资本驱动模式的路径依赖，由此产生消费抑制和人力资本结构升级的压力，迫使经济在转型阶段徘徊于资本扩张—效益递减的怪圈之中，原有大规模工业化框架下的激励制度和生产模式，日益成为创新和转型要求的结构性、系统性障碍，如果这个障碍不能消除，将会加剧中国所面临的结构性减速趋势，因此本选题的意义在于研究创新对企业全要素生产率的深层次影响路径以及影响结果，并针对当前我国经济转型升级中存在的问题与，结合实证研究结论给出相应政策建议。

2. 研究内容和预期目标

研究内容：

创新对企业全要素生产率的深层次影响路径以及影响结果

拟解决的关键问题：

3. 国内外研究现状

在技术创新与全要素生产率的测度方法方面：

程郁、陈雪（2013）文章中使用随机前沿分析以及数据包络分析对全要素生产率进行计算和分解，以得到创新在前者提升过程中的占比以及影响路径。该模型的基本思想是，个别生产者未能达到最优生产函数前沿，是因为同时受到随机扰动及技术非效率两个因素的影响。与一般的c-d生产函数模型相比，超越对数函数形式放松了中性技术进步以及产出弹性不变的假设，函数形式更加灵活。

王海兵、杨蕙馨（2015）则对创新驱动进行测量，方法包括指数法、增长核算法、数据包络法以及随机前研法。他们指出美国很多研究者都使用指数法，欧洲国家和地区的研究者主要使用增长核算法，其他国家和地区的研究者目前仍主要使用数据包络法和随机前沿法。就数据包络法而言，借助线性规划原理，关注既有数据结构本身而无需主观设定生产函数，可以有效降低数据质量欠缺的负面影响，但缺点在于不能捕捉随机因素的作用从而将测度结果置于“黑箱”之中。就随机前沿法而言，借助经验生产函数，不仅能将确定性前沿面随机化，还能将测度结果的“相对性”转为“绝对性”。

4. 计划与进度安排

5. 参考文献

[1]程郁, 陈雪. 创新驱动的经济增长——高新区全要素生产率增长的分解[j]. 中国软科学,2013(11):26-39.

[2]王海兵, 杨蕙馨. 创新驱动及其影响因素的实证分析:1979-2012[j]. 山东大学学报(哲学社会科学版), 2015(1):23-34.

[3]屈玉阁. 工业企业研发创新效率与全要素生产率研究——基于绿色增长视角[j]. 科技管理研究, 2015,v.35;no.325(3):48-53.