为贯彻创新驱动发展战略，中国不断加大研究与试验发展（R&D）投入，2020年，R&D经费高达2.44万亿，连续8年位居世界第2位，R&D经费支出占GDP的比重达2.4％，高于英国，接近欧盟平均水平（2.47%） ¹ 。然而，R&D投入对经济增长未产生显著作用，创新驱动经济增长动力的全要素生产率（TFP）水平仍不高，且增速呈现下降趋势。图1报告了2001−2018年中国TFP和R&D强度（R&D经费投入/GDP）对比图，中国R&D强度从2001年的0.94%上升至2018年的2.19%，年均增长4.68%，而TFP值（与美国TFP的相对比值）从32.7%上升至44.8%，年均增长1.75%。为何持续增长的R&D投入没有实现经济增长动力的转换，出现中国高R&D投入与低TFP之谜（唐未兵等，2014；叶祥松和刘敬，2018）？中国经济增长新动力提升并非R&D经费投入简单增加就能解决，还取决于R&D投入结构中基础研究经费投入强度（Akcigit等，2021）。

图  1  2001−2018 中国TFP与R&D强度（%）对比

基础研究强度（基础研究经费投入占R&D比重）是一国R&D投入结构即R&D资源配置是否合理的重要指标之一（谭文华和曾国屏，2003）。纵向维度显示，中国基础研究强度从2001年的5.3%上升至2018年的5.54%，年均增长仅为0.21%，远低于R&D强度的年增长率4.86%（如图1所示）。横向对比可观察到，美国、英国、日本等发达国家的基础研究强度一直保持较高水平，处于13%−25%这一区间。而中国在1996−2018年间，基础研究强度维持在5%左右，与发达国家差距悬殊，与同处发展中国家行列的南非（26%）、阿根廷（26%）、印度（15%）也有较大差距（如图2所示）。进一步，基于相似经济发展阶段，就中国与日本、韩国基础研究强度进行对比 ² 。图3显示，相似经济发展水平下，中国R&D投入强度约为2.15%，略高于韩国（2%），低于日本（2.5%），但基础研究强度约为5%，不到日本（12.1%−14.6%）的1/2和韩国（13.2%−16.5%）的1/3。同时，中国TFP为0.4−0.45，低于日本（0.69−0.73）和韩国（0.59） ³ ，呈现高R&D投入、低TFP增长的创新困境（戴小勇，2021）。

图  2  中国与部分国家基础研究强度对比图（1996−2018）

图  3  中日韩TFP、R&D强度和基础研究强度对比（经济水平相当情况下）

美国科学基金会研究发现，美国最近25年的经济增长动力50%以上归功于基础研究（眭纪刚等，2013）。那么，有效促进R&D的TFP增长效应发挥时，基础研究强度适宜阈值是多少？现有文献对这一问题的关注匮乏，在基础研究正成为全球科技竞争制高点的时代背景下，在“十四五”规划纲要明确“提高基础研究强度，鼓励投入主体多元化”的战略背景下，本文针对这一问题以跨国数据为样本进行深入探讨，旨在探索推动R&D发挥TFP提升效应时基础研究强度阈值的一般规律，揭示中国高R&D投入、低TFP之谜的缘由，获得破解对策。

本文可能的边际贡献主要体现在三个方面：

第一，现有研究只关注R&D投入规模，忽略R&D投入结构，本文通过引入基础研究强度发现，基础研究是R&D发挥TFP增长效应的前置条件，当基础研究强度低于阈值时，加大R&D投入，不能有效促进TFP增长。典型的资源错配不是生产与研发之间，而是在R&D不同活动类型即基础研究与应用研究之间，这从全新的视角解释了高R&D投入、低TFP偏差的原因，拓展了现有关于R&D与TFP的理论研究，为转型时期科学提高R&D投入、促进TFP有效增长提供了全新的理论支撑。

第二，已有研究大多基于发达国家基础研究强度的演化对国内进行预测，科学严谨的测算不足，所得结论缺乏说服力，本文基于跨国数据，从经验事实层面测算发展中国家R&D投入促进TFP增长时，基础研究强度的阈值，研究发现为新兴经济体持续强化基础研究提供可供量化的政策意涵。

第三，本文不只停留在基础研究与TFP的关系层面，通过跨国经验数据检验基础研究对TFP促进效应的作用渠道，揭示基础研究影响机制，一定程度上丰富了基础研究的相关研究内涵。

R&D对TFP的影响研究最早可追溯到20世纪50年代，主要代表人物有Griliches（1958）、Mansfield等（1977）、Link（1981）等。理论研究表明，R&D是TFP增长的重要引擎（Griliches，1958），学者们使用不同方法，从不同层面展开实证检验。从方法论看，R&D对TFP影响的实证检验模型主要分为两大类：成本函数法和生产函数法。成本函数法包括成本效率分析法、成本节约率法等，美国国家标准与技术研究院（NIST）实证检验显示，R&D投入有效降低了生产成本，提高了效率；生产函数法通过测度R&D回报率或产出弹性检验R&D对TFP的影响（Mansfield等，1977）。从实证结果看，因样本选取对象、计量模型等不同，结论莫衷一是。宏观层面检验结果显示，发展中国家的R&D投入对TFP增长存在抑制效应，而发达国家呈现积极的促进效应；产业层面，尽管R&D产出弹性系数存在差异，但美国、日本、法国等发达国家制造业R&D投入对TFP存在显著正向效应（Adams，1990；Hall和Mairesse，1995；Mansfield，1998）。而以李小平和朱钟棣（2006）等为代表的国内学者发现，中国制造业R&D投入对TFP的影响呈现负向反馈。

中国现阶段呈现“高R&D投入低TFP增速之偏差”，学者们从不同维度探讨产生这一矛盾现象的根源。一是从制度因素视角，强调知识产权保护、市场化程度、政府管制、地方保护壁垒、贸易壁垒等制度环境对R&D促进TFP的调节效应（孙早等，2014）。二是从资源错配视角，强调要素市场的扭曲导致了企业在生产与创新之间的资源错配，从而降低了加总的宏观TFP（白俊红和卞元超，2016；戴魁早和刘友金，2016；戴小勇，2021）；R&D资源在研发人员和R&D资金之间的错配，也是抑制TFP增长的原因之一。三是其他要素视角，如人力资本在R&D促进TFP提升中的作用，认为R&D投入过多，会侵蚀其他要素，如人力资本的投入，从而降低了TFP（李静等，2017）。

已有文献为本文研究奠定了基础，但仍存在以下不足：（1）只关注R&D投入总量对TFP的影响，忽视了R&D结构对TFP的重要影响，R&D结构中基础研究强度过低，意味着基础研究投入不足，这会约束R&D效应发挥（孙早和许薛璐，2017），不同R&D结构，会产生不同的TFP促进效应。（2）缺失科学测算不同类型国家基础研究强度适宜阈值的研究。

R&D包括基础研究、应用研究、试验发展三类活动。基础研究不以任何特定的应用为目的，是为认识现象、发现和开拓新知识领域进行的实验性或理论性研究工作。应用研究侧重于使用基础研究的成果和知识，改进旧工艺或创造新产品，以及运用通过研究获得的知识进行实验开发。基础研究强度和应用研究强度分别用基础研究、应用研究与R&D经费投入之比来表示。

设经济体的总生产函数为：

其中，L_it、K_it和A_it分别代表i国（地区）t时劳动力、资本和技术水平。

技术水平主要受到R&D的影响（Griliches，1986），为简化模型，按照经济合作与发展组织（OECD）2000年的做法，本文将应用研究和试验发展合并为应用研究，R&D包括基础研究（R_B）和应用研究（R_A），即R_B+R_A=R，R_Bit/R_it、R_Ait/R_it分别代表基础研究强度和应用研究强度。一定时期内，在R&D资源有限的条件下，基础研究强度与应用研究强度存在此消彼长的动态关系。基础研究的产出是应用研究的关键投入，当R&D的经费全部投入应用研究时，没有基础研究的创意蓝图，应用研究如无源之水 ⁴ ，R&D无法形成新工艺或新产品推动技术进步；当R&D经费全部投入基础研究时，因基础研究成果没有立即的商业用途，不能直接运用于生产，R&D无法推动技术进步（David等，2000），基础研究与应用研究在技术进步上总体呈现互补性组合，即基础研究与应用研究任何一方为0时，则技术进步为0（Hansen，1999）。故得到：

其中， $ {A}_{i0} $ 代表i国（地区）初始的技术水平。 $\alpha $ 和 $\beta $ 分别代表基础研究和应用研究的技术水平弹性。对 ${R}_{Ait}$ 求导，得到：

当 $\displaystyle\frac{{R}_{Bit}}{{R}_{it}} < \frac{\alpha }{\alpha +\beta }$ 时，即 $\displaystyle\frac{{R}_{Ait}}{{R}_{it}} > \frac{\beta }{\alpha +\beta }$ ， $\displaystyle\frac{\partial {A}_{it}}{\partial {R}_{Ait}} < 0$ 。

当基础研究强度低于阈值 $\displaystyle\frac{\alpha }{\alpha +\beta }$ 时，即应用研究强度高于阈值 $\displaystyle\frac{\beta }{\alpha +\beta }$ ，技术水平不会随应用研究投入增加而增加，即增加应用研究投入无效。当应用研究投入趋近于R&D投入时，即R&D完全投入应用研究时，技术进步趋近停止。

当 $\displaystyle\frac{{R}_{Bit}}{{R}_{it}} > \frac{\alpha }{\alpha +\beta }$ 时， $\mathrm{即}\displaystyle\frac{{{R}}_{{A}{i}{t}}}{{{R}}_{{i}{t}}} < \frac{\beta }{\alpha +\beta }，\frac{\partial {A}_{it}}{\partial {R}_{Ait}} > 0$ 。

当基础研究强度越过阈值 $\displaystyle\frac{\alpha }{\alpha +\beta }$ 时，技术水平随应用研究投入增加而提升。

假定：基础研究强度低于阈值时，侧重于提高应用研究的R&D投入导致TFP提升无效；基础研究强度高于阈值时，增加R&D的投入能驱动TFP提升。

数理分析表明，在R&D投入结构中，基础研究投入占比太低，意味着基础研究投入不足，从而掣肘应用研究和R&D的TFP促进效应发挥（Akcigit等，2021）。当基础研究投入占比达到一定临界值时，基础研究与应用研究呈现较优组合，R&D的TFP提升效应才能发挥（Prettner 和 Werner，2016），基础研究是TFP增长的充分必要条件（Gersbacha等，2018）。

基础研究强度对R&D的TFP提升存在调节效应，但影响效应可能是渐变的。在面板平滑转换回归模型（PSTR）中，随着转换变量的变化，模型参数呈现连续、平滑的非线性变化，具有更贴近经济现实的优势，本文使用面板平滑转换回归模型（PSTR），检验基础研究强度对R&D的TFP提升的调节效应，并计算出促进R&D的TFP提升效应发挥的阈值。借鉴Fork等（2005）构建的非线性面板模型，构建计量方程如下：

Z_it表示回归系数可变的解释变量，由固定的线性部分系数（θ₀）和受转换函数影响的非线性部分系数（θ₁）组成；c表示非线性平滑演变的转换函数，即转换时有关变量的门槛值；γ表示平滑参数，其值越大，表明转换速度越快； $ {\epsilon }_{it} $ 为误差项。

门槛参数m=1或2时，意味着转换函数 G（）存在一个或二个门槛值。当存在一个门槛值，G（×）为0时称为低机制， $ {A}_{it} $ 的回归系数为 $ {\theta }_{0} $ ；G（×）为1时称为高机制， $ {A}_{it} $ 的回归系数为θ₀+θ₁。当m=2时，在位置（c1 + c2）/2 处，G（×）等于 0，对应的机制为中间机制；当G（×）为1时为两端机制。 $ G $ （ $ {A}_{it} $ ; $ \gamma ,c $ ）是描述［0,1］有界连续的非线性平滑转移函数，假定平滑转移函数为逻辑函数（LSTR）或指数函数（ESTR），表达式分别如下：

模型（5）中因变量为TFP，核心解释变量为R&D投入（R）， $ {\epsilon }_{it} $ 为随机扰动项， $ {X}_{it} $ 为控制变量。参照经典TFP影响因素的文献，本文选取如下控制变量：开放程度（Brandt等，2017）、外商直接投资水平（Kose等，2009）、市场化程度（Rodriguez，2017）、人力资本（唐未兵等，2014）。为控制样本国（地区）处于不同发展阶段对TFP影响的差异，模型中加入发展阶段变量（P）。考虑到基础研究具有滞后性（Hall等，2009），借鉴叶祥松和刘敬（2018）的方法，本文分别建立关键变量当期、滞后一期、二期、三期四种模型。

受数据可得性约束，本文选取1996−2018年30个国家的样本。样本覆盖了18个OECD国家（发达国家、创新强国，跨国研究经典文献中代表性样本来源）9个发展中国家（大多属于新兴经济体，含3个金砖国家） ⁵ ，本文通过总样本检验获得基础研究赋能R&D的TFP提升效应的一般规律，通过区分发达国家和发展中国家子样本进行对比，获得不同经济发展阶段基础研究强度的最优值。

TFP（SCL）为因变量，以不变价计算，2017年取值为1。借鉴严成樑和龚六堂（2013）的方法，R&D规模（R）使用R&D投入占GDP比重表示；基础研究强度（JC）使用基础研究经费投入占R&D投入的占比表示；人力资本（S）使用每百万人口中研发人员数测度；为区分出口、进口对TFP影响的差异，贸易规模分别以货物出口额（EX）、进口额（IM）占GDP百分比衡量。市场化程度（M）以政府支出与GDP占比度量，外商直接投资水平（FDI）以外国直接投资净流入占GDP百分比测度。发展阶段变量（P）根据世界银行《全球营商环境报告》定义的五个发展阶段即要素驱动、效率驱动、创新驱动，以及要素向效率驱动转型、效率向创新转型阶段为划分标准，对样本进行赋值，创新驱动阶段为0，效率向创新转型阶段为1，效率驱动阶段为2，依此类推，要素驱动为4。各国TFP数据、GDP、出口占比、进口占比数据来自佩恩表（PWT10.0）。研发人员、政府消费规模、外商直接投资数据来自世界银行、WTO数据库，R&D和基础研究数据来自OECD数据库（部分年份数据缺失值，使用年均增长率计算得到）。表1报告了主要变量的描述性统计结果。

本文使用基础研究强度作为转换变量，考察不同R&D投入结构下，R&D投入对TFP的非线性影响。表2报告了非线性检验和模型选取结果。通过表2可以看出，在基础研究强度这一转换变量下，LM与LMF检验统计量均显著拒绝“R&D与TFP为线性关系”的原假设，表明TFP与R&D的关系将随着基础研究强度的变化而出现显著的非线性转变。根据AIC、BIC最小原则，确认转换函数位置参数的个数，最终选定m=1。根据HoL与HoE比较，确定使用逻辑转换函数（LSTR）为最优模型。

（1）阈值特征分析。本文采用时间和国家（或地区）的双向固定模型，为准确获取基础研究强度的边际效应，表3报告了使用R&D占比的估计结果。在不同基础研究强度下，R&D对TFP的影响存在明显差异。当基础研究强度低于0.17时，R&D对TFP的影响系数没有通过显著性检验，表明增加R&D投入无益于TFP的增长，但基础研究强度越过0.17后，影响系数为0.91%，并通过显著性检验，表明基础研究强度越过阈值后，R&D驱动了TFP增长。滞后一期、二期、三期的影响系数分别为1.23%、2.54%和3.72%，均通过1%水平的显著性检验，说明无论是当期还是滞后一至三期模型中，基础研究强度越过阈值后，均积极促进了R&D的TFP增长效应发挥，即基础研究强度具有典型阈值特征。研究发现与Akcigit等（2021）的结论一致，R&D投入结构中一定占比的基础研究投入是R&D发挥TFP增长效应的前置条件。为避免TFP和R&D水平数据可能是非平稳的，从而导致结果偏差，参照已有文献做法，本文使用TFP和R&D的增长率测度，检验结果见表3列（5），基础研究与R&D的系数及显著性与使用水平数据一致。

当基础研究强度超过阈值时，R&D积极促进TFP的提升，可能的原因是基础研究被视为“推动技术创新的燃料”，是R&D活动中提高TFP最重要的部分（Griliches，1986），R&D活动发展到一定阶段，会对基础研究产生依赖，即基础研究强度须达到一定临界值，才能支持R&D有效运行 ⁶ ，才能有效支撑应用研究所需的前沿知识、方法、设备的供给及人才储备，进而提升应用研究的效率和质量，驱动R&D推动TFP提升（蒋殿春和王晓娆，2015）。

图4显示了转移函数F（JC）下R&D与TFP的散点图，基础研究强度显著超过阈值后，逻辑转移函数的取值为1，F（JC）的影响系数显著为正，与模型（5）估计结果一致，只有在基础研究强度超过阈值的情况下，R&D才能发挥对TFP的促进效应。 $ \gamma =131.63， $ 表明模型转换的速度非常快，即基础研究强度越过阈值后，快速促进了R&D的TFP增长效应的发挥。

图  4  基础研究强度转移函数下R&D对TFP影响系数

使用R&D占比测度R&D投入规模，当期或滞后期未必能准确刻画多期R&D对TFP的共同影响。因此，本文进一步使用存量测算R&D，具体采用R&D存量测度常用的永续盘存法（Coe和Helpman，1995）。存量折旧率采用研究中广泛使用的15%折旧率（Griliches，1986），各国R&D平均增长率使用考察期间各国R&D投入数据测算，以2005年不变价百亿美元为单位。表4报告了基础研究强度对R&D存量的TFP提升效应影响的估计结果。结果显示， $ {\theta }_{1} $ 与基准模型中的符号和显著性完全一致，基础研究强度对R&D的TFP提升效应存在显著的非线性平滑影响，依然存在阈值效应。与使用R&D占比实证检验结论不同的是，使用R&D存量刻画了多期R&D累积对TFP的影响， $ {\theta }_{0} $ 为正，但这并未从根本上改变基准模型的主要结论。在使用R&D存量的计量模型中，基础研究强度阈值（0.12）低于使用R&D强度测算的阈值（0.17），原因可能是存量模型中体现了时间累积效应。

表4列（1）、列（2）报告了总样本的估计结果，当基础研究强度越过0.12阈值后，R&D对TFP的影响系数为0.08%，大于越过阈值前的0.07%，表明越过阈值后的基础研究更好地促进了R&D对TFP增长效应的发挥。为进一步考察不同类型国家基础研究强度对R&D的TFP提升效应影响的异质性，本文区分发展中国家和发达国家两个子样本进行分组检验。表4列（3）、列（5）分别报告了发展中国家和发达国家的估计结果，发展中国家基础研究强度阈值为0.13，发达国家基础研究强度阈值为0.17。两者基础研究强度阈值不一致，表明在经济发展不同阶段，基础研究强度阈值存在差异。发达国家基础研究强度阈值高于发展中国家，可能是因为样本中的发达国家已进入创新驱动阶段，原始创新是推动TFP增长的核动力，基础研究强调原创性，需要更高比例的基础研究投入。本文还使用10%为折旧率测算的R&D存量估计结果，表4列（2）、列（4）、列（6）的结果显示，核心变量的符号和显著性没有发生实质性改变，这在一定程度上表明模型的回归结果不受R&D存量计算中折旧率变化的影响。

（2）国别差异分析。本文进一步分析基础研究强度对R&D的TFP增长效应的国别差异。根据表4总样本的阈值，1996−2018年各国基础研究强度均值统计显示，奥地利、捷克、丹麦、爱沙尼亚、法国、匈牙利、冰岛、爱尔兰、意大利、拉脱维亚、立陶宛、墨西哥、新西兰、波兰、葡萄牙、斯洛伐克、英国、美国、阿根廷、新加坡、南非、保加利亚、瑞士、克罗地亚24个国家无论在增量模型还是存量模型中，均跨越了基础研究强度阈值；日本、以色列、韩国、印度和斯洛文尼亚的基础研究强度跨越了R&D存量模型中总样本的阈值。事实上，这些国家大多属于发达国家，均进入创新驱动发展阶段，这在一定程度上说明了模型测算结论的可靠性。进一步比较可知，样本中亚洲国家基础研究强度总体低于欧美发达国家。

2022年，中国基础研究强度为6.32%，暂时低于阈值。较低的基础研究强度是抑制R&D投入的TFP促进效应发挥的重要原因之一（李小平和朱钟棣，2006）。基础研究产生新的知识，是技术进步的“铺路石”。中国面临的很多“卡脖子”技术问题，根源是基础研究跟不上。基础研究投入不足，技术创新所需要的知识基础供给无法得到有效满足，技术创新受阻，从而抑制了R&D的TFP提升效应。典型的资源错配不是生产与研发之间，而是资源在R&D不同活动类型之间，即基础研究与应用研究之间。在加大R&D投入的前提下，大幅增加应用研究和试验发展的投入，忽视基础研究相应比例的提升，就不能有效促进R&D的TFP增长效应的发挥，进而导致高R&D投入低TFP偏差的出现（Akcigit等，2021）。

控制变量方面，四个模型的系数符号与显著性基本保持一致，这在一定程度上说明了回归结果的稳健性。具体地，发展阶段变量的系数显著为负，说明处于不同发展阶段的国家（或地区），TFP具有异质性，越是处于创新发展阶段，TFP增长越快，与预期相符。市场化变量的系数显著为负，表明市场化程度越高，越有利于提升TFP（Rodriguez，2017；黄健峤等，2020）。进口变量的系数显著为正，表明先进技术设备和关键零部件等进口通过技术溢出有利于推动TFP的提升（Blalock和Veloso，2007；张玉华等，2021）。FDI变量的系数显著为正，表明外商直接投资通过技术溢出、竞争效应和人力资本提升等路径对TFP发挥了积极正向作用（江小涓，2002；刘锋等，2022）。出口变量的系数不显著，原因可能是样本中发达国家居多，发展中国家因技术水平相对落后，出口通过产品种类模仿促进TFP，而发达国家TFP增长来自本国的技术创新（Feenstra和Kee，2008）。科研人员变量的系数不显著，原因可能是处于不同经济发展阶段，促进TFP增长的人力资本具有异质性，以科研人员为代表的人力资本积极促进创新驱动型国家的TFP增长，而对发展中国家，尤其是技术水平落后国家TFP的正向作用可能不显著。

（1）缓解异常值影响。美国是典型的科技强国，一直重视R&D投入和基础研究投入，2020年美国R&D投入是中国的1.9倍、日本的3.9倍，R&D强度高达2.83% ⁷ 。美国在科技创新中掌握主动权和竞争优势，这与政府制定鼓励创新政策、营造了良好的技术创新生态环境相关，为缓解这一异常值对检验结果可能造成的影响，表5列（1）剔除了美国样本，列（2）进一步剔除了法国、英国、日本三个科技强国的样本。结果显示，回归中基础研究阈值的系数依然显著为正，越过阈值后R&D对TFP影响系数的大小与删除样本前基本无显著变化。

（2）内生性问题处理。第一，本文选择滞后一期、二期、三期的基础研究强度作为转换变量，估计PSTR模型。由于当期TFP不可能影响前一期、前二期、前三期的基础研究强度，模型随机干扰项与转换变量逆向因果的可能性大大降低，从而有效降低了转换变量的内生性风险。第二，为消除解释变量可能的内生性问题，本文将可能有内生性的解释变量和转换变量均使用滞后一期值，表5列（3）的模型估计结果与基准模型回归结果保持一致。第三，国家层面的不可观测因素，如更宽松的创新创业激励政策、敢于冒险的创新精神、鼓励创新的生态环境对基础研究和R&D的投入可能产生影响，而经济发展水平高的国家往往具有这些有助于提高基础研究强度和R&D强度的不可观测因素。同时，技术创新是一种高风险的经济活动，尤其基础研究具有投入大、周期长和不确定性高等特征，因此经济发展水平越高，资本和创新意识越充足，对创新失败的容忍度越高，这在一定程度上鼓励了技术创新。按照世界银行2020年的标准，本文将样本限制在人均地区生产总值超过12535美元的国家 ⁸ ，以减少国家支持技术创新能力的变异导致的反向因果问题。表5列（4）的检验结果与基准模型回归结果保持一致，表明基础研究对R&D的TFP提升展现出显著的驱动效应。

遗漏变量的内生性分析。尽管在计量检验中本文控制了国家层面的进出口、财政支出、FDI占GDP的比重以及每百万人中科研人员数量等，但这些变量的时间趋势也可能混淆基础研究的作用效果。例如FDI占GDP的比重随时间而不断提高，该国可能获得更多FDI的技术溢出，促进TFP增长；国家层面的其他控制变量随时间的变化趋势也可能促进TFP的发展，从而混淆基础研究对R&D的TFP提升效应的发挥。基于上述分析，表5列（5）在表4的计量结果基础上增加了固定效应与时间趋势的交互项，排除国家层面不可观测变量随时间变化对基础研究影响R&D的TFP提升效应。表5列（6）增加了国家层面的控制变量与时间趋势的交互项，表5列（7）同时控制了固定效应与时间趋势的交互项、国家层面的控制变量与时间趋势的交互项。可以看出，基础研究强度阈值系数保持一致，越过阈值后R&D的估计系数仍然保持稳健。

（3）替换核心变量的测算方法。使用基础研究强度表征R&D投资结构，未必能完整刻画R&D不同结构对R&D投入的TFP提升效应的影响，本文进一步使用基础研究与应用研究投入比例作为转换变量进行检验，表6列（1）、列（2）的结果显示，β₀和β₁与基准模型中的符号和显著性完全一致。本文更换因变量TFP测度方法，使用索罗余值（测算中使用的年末就业人数、资本存量等数据来自PWT10.0）进行测度，表6列（3）、列（4）的结果显示，β₀和β₁与基准模型中的符号和显著性完全一致。

研究显示，基础研究强度对R&D的TFP促进影响具有阈值效应，即基础研究强度越过阈值后，R&D的TFP促进效应才会显现，但 上文仅针对基础研究强度对R&D促进效应的调节进行刻画，接下来进一步探讨基础研究影响TFP的渠道机制。

基础研究的重大进展构成了科学知识的基础，而科学知识是产业技术进步的支柱（孙早和许薛璐，2017）。基础研究从供给端改变应用研究的技术，为未来的应用研究打开了机会之窗，进而推动R&D对TFP的影响（Griliches，1986；Aghion和Howitt，1996）。基础研究影响R&D对TFP提升效应的渠道主要体现如下：

基础研究提高了社会对自然现象和规律的认识，被视为对社会学习能力的一种投资，对人力资本的形成和提升具有关键性作用。基础研究通过促进人力资本形成，进而促进了R&D的TFP增长效应的发挥。作为基础研究的产出，科学知识属于不易扩散的信息，受科学知识教育的从业者在获得显性知识的同时，将显性知识内隐化，提升思维能力、逻辑分析等能力，这有利于促进新知识的创造和新技术的开发，从而提升劳动生产率和技术进步效率。基础研究发挥绩效的重要途径之一是为企业输出应用型人才。有技能的毕业生进入企业不仅带来最新的科学知识，而且增强了企业解决复杂问题、开展研究的能力，带给企业新的“思维态度”和以新的强有力的方式获取和使用知识的“隐性能力”。为企业提供有技能的毕业生成为政府资助的基础研究溢出到产业的关键机制之一。

基础研究产生的新知识、新发现是应用研究的基础，基础研究是应用研究的先决条件，如停止基础研究，可能导致应用研究陷入路径锁定，缺乏基础研究的重大突破，应用研究通常很难取得实质性进展（Afuah，2003）。基础研究通过增加知识储备，拓宽存储知识的深度和广度，提高技术创新成功的概率和质量，进而驱动R&D对TFP的影响。基础研究助推创新主体有效嵌入全球知识网络，吸收和利用其中的知识和技能，促进创新质量提升，进而促进R&D对TFP的提升效应的发挥。基础研究通过创造新的科学工具和方法、提高科学与技术问题的解决能力等维度作用于应用研究（Salter 和 Martin，2001），否则，应用研究可能陷入“次优稳定均衡”，影响应用研究潜力和质量。应用研究成果的产生是以大量基础研究成果为基础的，对基础研究成果的引用有效提升了应用研究成果的价值，基础研究提升了应用研究的创新效率和创新质量，进而带动R&D的TFP增长效应的发挥（Akcigit等，2021）。

基础研究对R&D的TFP提升效应的影响渠道具有多元性，基于数据可得性，从可量化角度，本文从两条路径进行机制识别，一是人力资本，二是技术创新质量。为刻画基础研究影响R&D的TFP增长的具体渠道机制，本文设置了模型（8）、模型（9）和模型（10）的递归方程进行识别检验，两类渠道通过构建相应的代理变量进行验证。其中，作为中间机制变量（M）的人力资本（LP）使用全员劳动生产率（即GDP与从业人员数量的比率）表征，数据来自PWT10.0。关于技术创新质量变量（IPP），目前学界没有统一的量化指标，知识产权创造和价值实现是测度技术创新质量的重要指标之一，国际贸易中知识产权使用费收入是衡量一个国家市场化知识价值创造能力的核心指标。本文使用样本国（地区）国际贸易中知识产权使用费收入占GDP比重来测度，数据来自国际货币基金组织（IMF）。

模型（8）和模型（10）的控制变量与上文一致，参照人力资本影响因素的文献，除基础研究外，模型（9）选取如下控制变量：对外开放程度（Brandt等，2017）、市场化程度、技术水平、创新投入（r）、外商直接投资水平（FDI）、劳动力供给（pop）（Aghion等，2009）和教育程度（胡晟明等，2021），其中劳动力供给（pop）使用各国人口规模表征，教育程度使用综合教育年限和教育回报率表征，其他变量的测度与上文保持一致，不再赘述。

表7列（1）至列（3）的结果显示，人力资本（LP）的回归系数显著为正，意味着基础研究提升了人力资本的技能，这与杨立岩和潘慧峰（2003）的研究一致。进一步地，人力资本对TFP具有显著促进作用，表明人力资本的提升带动了TFP的增长。基础研究被视为对社会学习能力的一种投资，具有“知识池”效应，通过科学知识的熏陶，将显性知识内隐化，引发探索意识，提升了受教育者分析问题和解决问题的能力以及劳动者技术水平，有助于促进劳动生产效率，从而推动TFP的提升（Salter和Martin，2001)。综上，基础研究对TFP的影响，部分是通过提升人力资本实现的。

表7列（4）、列（5）和列（6）报告了创新质量的机制检验结果。列（5）显示，基础研究与创新质量显著正相关，表明基础研究具有创新质量促进效应，因为基础研究创造的前沿科学知识、新的科学工具和方法，以及提供嵌入专业知识网络的机会，催生了重大技术创新或成为解决技术问题的关键，对技术创新成果的技术价值和经济价值等产生了巨大影响，一定规模的基础研究为支撑应用研究高质量增长提供了原动力（杨立岩和潘慧峰，2003）。列（6）显示，创新质量与TFP显著正相关，表明高质量创新成果推动了技术进步，进而有效提升了TFP的增长。综上，基础研究对TFP的影响，部分是通过提升创新质量实现的。

本文从理论和实证两个视角，研究R&D的TFP提升效应发挥时，基础研究强度的阈值特征并揭示其作用机理。首先使用面板平滑转换回归模型，测算R&D的TFP增长效应发挥时基础研究强度的阈值，然后从人力资本和创新质量视角分析基础研究对R&D的TFP提升的作用渠道，在此基础上，基于跨国数据实证检验了基础研究对R&D的TFP增长效应的作用机制，得出如下研究结论：

第一，理论逻辑表明，基础研究强度低于阈值时，侧重于提高应用研究的R&D投入会导致TFP提升无效，基础研究强度高于阈值时，增加R&D投入能驱动TFP提升。基础研究通过发挥技术机会供给效应、人力资本形成提升效应和技术创新质量效应，驱动R&D的TFP提升效应的发挥。

第二，实证结果表明，基础研究赋能R&D的TFP增长效应呈现显著的非线性转变，基础研究具有典型的阈值特征。增量（存量）情景下，基础研究强度越过0.17（0.12）这一阈值后，R&D的TFP增长效应才能发挥。发展中国家基础研究强度阈值为0.13，低于发达国家基础研究强度阈值（0.17）；不同经济发展阶段，基础研究强度阈值不同。

第三，机制检验发现，基础研究通过培训技术人才，发挥“人才蓄水池效应”；通过创造新的科学工具和方法、提高科学与技术问题的解决能力、提供前沿的科学知识等维度提升了技术创新效率，发挥“创新质量效应”，推动TFP的提升。

基于以上研究结论，为有效提高我国基础研究强度、驱动R&D的TFP提升效应，本文提出如下启示:

第一，分阶段提高基础研究强度。基础研究正成为全球科技竞争的制高点，基础科学知识依赖其他民族的国家，一般来说工业进步缓慢，在世界贸易中的竞争地位不强。任何国家都不能依靠搭世界科学体系的顺风车成为创新强国，只有通过自身积极开展基础研究，才能嵌入并紧跟世界科学体系的步伐。为尽快破解高R&D投入低TFP偏差谜题，应纠正R&D资源在基础研究和应用研究之间的错配，分阶段提高基础研究强度，实现基础研究与应用研究优化组合。

第二，发挥新型举国体制优势。在提高基础研究投入上，推动形成政府和市场相互补充、相互促进的格局。单纯依靠政府主导或市场机制是不够的，二者应相互补充。一方面进一步强化政府基础研究投入主体作用，长期、持续、稳定加大中央和地方财政对基础研究的支持力度，发挥社会主义制度集中力量办大事的优势，重点支持战略导向型重大基础研究；另一方面，拓宽基础研究资金供给渠道，积极引导社会资本进入基础研究领域，形成对财政资金的有益补充。进一步增强企业的作用，特别是在重大产业共性前沿技术、前沿技术的联合攻关以及应用性基础研究方面，坚持企业的主导地位，充分发挥企业在创新链终端的集成和拉动作用，为攻克解决企业面临的基础研究难题提供基础资源支持，真正形成政府搭台、企业唱戏。

第三，优化引导基础研究投入的税收政策。构建更直接针对企业基础研究的财税政策，对进行基础研究的资金投入，实施更大力度的研发费用加计扣除减税政策，探索实施消费型增值税制等政策，支持企业购置基础研究的科学仪器设备，为实现前瞻性基础研究、引领原创性成果重大突破提供物质保障。