The Impact of Ramp;D Investment on Productivity: New evidence using linked Ramp;D-LRD data
Frank Lichtenberg
Donald Siegel
Working Paper No. 2901
NATIONAL BUREAU OF ECONOMIC RESEARCH
1050 Massachusetts Avenue
Cambridge, MA 02138
March 1989
This paper uses confidential Censui longitudinal microdata to examine the association between Ramp;D and productivity for the period 1972.1985. These data allow for significant improvements in measurement and model specification, yielding more precise estimates of the returns to Ramp;D. Our results confirm the findings of existing studies:
1) positive returns to Ramp;D investment
2) higher returns to company-financed research
3) a productivity 'premium' on basic research
These results are robust to our attempts to adjust for 'influential' outliers. Also, it appears that the return to company-financed Ramp;D (but total Ramp;D) is an increasing function of firm size. Economists have identified Ramp;D investment as an important determinant of productivity growth. The objective of this paper is to examine the association between Ramp;D and productivity growth using the most comprehensive and accurate longitudinal microdata yet available for productivity analysis. These data allow for improvements in measurement and model specification, yielding more efficient estimates of the effects of Ramp;D investment on productivity.Our empirical investigation of the strength of the Ramp;D-productivity connection is based on estimation of reduced-form equations derived from the Ramp;D Capital Stock Model (Griliches 1979), which asserts that the stock of a firms technical knowledge or its knowledge capital is itself a factor of production. If the rate of depreciation of knowledge capital is assumed to be negligible,TFP growth is a function of the'intensity' of Ramp;D investment, which is usually measured as the ratio of Ramp;D expenditure to sales:
(1) DTFPt =alpha; beta;RDINT t mu;t. where u is a classical disturbance term.
The coefficient on Ramp;D intensity (beta;)is interpreted as a marginal product or 'rate of return' to Ramp;D ,or those that accrue to the firm or its investors. Due to incomplete appropriability or other factors, this return may not equal the social return to this activity.This paper discusses and adjusts for the limitations of existing micro-level empirical studies, which have provided estimates of the private rate of return to Ramp;D. While these studies have been useful, productivity estimates at the firm or line of business level contained therein have been based on crude and incomplete measures of output and inputs. The most serious measurement problem has been an inability to control for diversification when calculating firms productivity. More specifically, productivity estimation in these studies has often been based on the assumption that firms operate in only one line of business (4-digit SIC industry). To the extent that the relative prices of firms outputs and inputs vary across industries, this approach introduces an element of noise into estimation of TFP growth (DTFP). Even if it is uncorrelated with Ramp;D intensity, this measurement error will reduce the efficiency of estimates of beta;.We demonstrate that measures of TFP growth based on linked Census Ramp;D-LRD Data are more precise, because we can calculate firms real output and input at the 4-digit SIC industry level and aggregate to the firm level. As expected from the standard errors-in-variables model, this reduction in measurement error from improved deflation yields more efficient estimates of the rate of return to Ramp;D.
An empirical example is presented that illustrates the extent to which more precise TFP measurement leads to more efficient estimates of rates of return to Ramp;D. This example is derived from a pilot study performed by the authors (Lichtenberg-Siegel (1988)), based on linked Ramp;D-LRD data for a sample of 115 firms for the years 1972-1980. Having demonstrated the desirability and feasibility of using linked Census Ramp;D-LRD data to examine the Ramp;D-productivity connection, a comprehensive analysis of rates of return to Ramp;D is undertaken,
using a full sample of over 2,000 firms. Given our ability to disaggregate Ramp;D investment, we can discriminate between the returns to Ramp;D by source of funds (company-funded vs. federally-funded Ramp;D) and by character of use (basic research vs. applied research and development). Also, the panel structure of our data allows us to explore the time series properties of these rates of return throughout the sample period. The sensitivity of our results to outliers (influential observations) is also examined.Finally,we address Schumpeterian issues -- are the returns to Ramp;D an increasing function of firm size? The last section is devoted to a summary of the conclusions that can be drawn from our empirical analysis.
I.Description of Linked Census Ramp;D-LRD Data.
Our examination of these issues is based on two confidential longitudinal data sets hat were made available to us as participants in the ASA/NSF/Cettsus Research Program. The Longitudinal Research Database (LRD), which brings together data from the Annual Survey and Census of Manufactures, will be used to measure productivity at the firm level (based on plant-level data). The LRD file is the richest source of annual data collected from manufacturing establishments, containing detailed information on their output and inputs. Comprehensive information on the characteristics of this file is presented in McGuckin and Pascoe (1988).
To study the relationship between Ramp;D and productivity, we linked the LRD file to the NSF/Census firm-level Annual Survey of Industrial Ramp;D (RD-1 Survey). The RD-1 Survey contains comprehensive data on firms Ramp;D inv
剩余内容已隐藏，支付完成后下载完整资料
研发投入对生产力的影响：使用相关的Ramp;D-LRD数据
弗兰克·利希滕贝格
唐纳德·西格尔
工作文件第2901号
国家经济研究局
马萨诸塞大道1050号
剑桥，MA 02138
1989年3月
本文采用保密Censui纵向微观数据研究1972-1985年研发费用和生产力之间的关系，这些数据在测量和型号规格方面有显著的改善，同时有更加精确的估计。我们的研究结果证实了现有的研究：
1）R＆D投入的正回归
2）公司资助的研究有更高的回报
3）在基础研究基础上的生产力“额外费用”
这些研究成果对于我们尝试调整有“影响力”的异常值有非常大的作用。此外，公司资助R＆D（但不是所有的R＆D）的回归似乎是企业规模的增函数。经济学家们已经确定R＆D投入是生产率增长的一个重要的决定因素。本文的目的是使用最全面和最准确的纵向微观数据来检验Ramp;D投入和生产率增长之间的关系。这些数据显示了在测量和型号规格方面的改进，使得Ramp;D投入对生产力的影响有了更有效的估测.我们研发生产力连接强度的实证调查是基于从研发资本存量模型导出的简化性方程的估计（Griliches 1979），它断言一个公司的技术知识或它的知识资本存量本身就是一种生产要素。如果知识资本的折旧率被认为是微不足道的，全要素生产率的增长是beta;R＆D投入，通常是为R＆D支出对销售的比率的“强度”的功能：
DTFPt =alpha; beta;RDINT t mu;t 当mu;是一个原始的干扰项。Ramp;D强度系数beta;对于研发投入来说被认为的边缘产品或者是“回归率”。在公司或生产水平线上的点估计被解释为私人回报率的措施，或者那些归于公司或它的投资者们。由于不完整的独占性或其他因素，这种回报可能不等于社会对于这个活动的回报。这篇文章讨论并调整了现有的微观层面的实证研究，从而提供了回归的R＆D的私人率估计值的限制。虽然这些研究是有益的，在企业或其中所含业务水平的生产线产估计是基于原油输出和输入不完整的措施。最严重的测量问题一直是计算企业生产率时的无法控制性。更具体地，在这些研究中的生产率估计常常基于企业仅在一个业务线操作的假设（4位SIC产业）。在该公司的投入和产出的相对价格因行业而异的情况下，这种方法介绍把噪音的元素引入到TFP的增长估计（DTFP）。即使是不相关的R＆D强度，这种测量将会降低对beta;估计的准确性。我们表示基于链接人口普查研发LRD数据TFP增长的措施更加精确，因为我们可以在4位SIC行业层面计算企业的实际产出和投入并且汇总到企业层面。如从标准误差合变量模型预期，这种减少测量误差从改善通缩收率返回到研发的速率的更有效的估计的预期。
实证例子图示了更加精确的TFP测量会导致精确的Ramp;D回归率估计的程度。这个例子是由作者（利希滕贝格 - 西格尔（1988））进行了初步研究得出，基于对115公司在972-1980年之间的有关联的R＆D-LRD数据。已经证实了使用相关的Census Ramp;D-LRD数据来检验研发投入和生产力关系这一方法的必要性和可行性，一个对于Ramp;D回归率的全面分析已经被开展，使用一个超过2,000个公司的全样本。鉴于我们来分解研发投入能力，我们可以通过资金来源的回归率（公司出资与联邦政府资助的R＆D）和字符的使用（基础研究与应用研究及发展）来猜测。此外，我们的数据的屏结构使我们能够在整个采样周期探索这些回归率时间序列的特性。我们研究结果对于异常值（具有影响力的观察）的敏感度也要被检验。最后，我们要解决的熊彼特 问题——是返回研发企业规模的增函数？最后一节是专门的结论的总结，可以从我们的实证分析可以得出。
1.调查相关的研发投入数据的描述
我们对于这些问题的研究是以两个机密的纵向数据，这些数据对于ASA/NSF/Cettsus调查机构的参与者是可获得的。纵向研究数据库（LRD）从年度调查汇集数据和普查工厂，将用于在企业层面（基于工厂级数据）来衡量生产力。该LRD文件来自制造业机构收集的年度数据，包括他们的投入和产出的详细资料，是每年数据最丰富的资源。此文件的特征综合信息显示McGuckin和帕斯科（1988年）。为了研究R＆D与生产率之间的关系，我们将LRD文件连接到NSF /年度普查企业层面的产业研发（RD-1调查）。该RD-1调查包括对企业研发投入和资金来源及其分布（公司与联邦政府资助的R＆D）的全面数据，使用的字符（基础与应用，产品领域），以及许多其他分类。NSF公布了RD-1调查的重要性，它可以作为法定美国R＆D统计数据的基础。
在之前的调查中， Lichtenberg-Siegei （1988年）被作为115家样本公司相关Ramp;D-LRD的研究基础。在见利希滕贝格（1989）为RD-i的数据，包括它们的与其他（例如普数据库）研发的数据进行比较的讨论。本文中，我们为了获得相对来说更大更有代表性的公司样本分析了研发—生产力的关系，一共涉及了超过2000多家公司。关键的变量定义列于表1中，表2包含这些变量的描述性统计。 R＆D强度值完全从NSF的研发投入调查里所包含的信息衍生出来。也就是说，R＆D经费支出，就业和被报道的销售数据将被巩固，国内，企业层面的价值。我们计算了每个变量的平均年值三个时期，1973- 1976年，1977- 1980年，和l98l-985.
生产力表现在后期似乎有所改善。年平均TFP在阶段一下降了1.4个百分点和在阶段二，三实际上保持不变。这一结果与在这些年的总体经济表现普遍提高相一致。第二个程式化的事实是，只有一小程度的变化跨时期的R＆D强度的所有措施。例如，一般的R＆D在强度在阶段一、二、三分别为2.4％，2.4％和2.8％。
虽然我们的R＆D投入强度的措施是基于巩固，全公司范围内的数字，我们对于公司生产力的估计是以LRD文件中包含的数据为基础。此文件包含的信息仅用于在1972-1981年之间被制成品的年度调查连续采样制造业机构。“覆盖率”转换的平均值（一个企业的总出货量LRD到其综合销售额之比）表明，，平均而言，我们每个捕捉公司的国内销售占相当比例（约82％）。在下一节中，我们将讨论这些相关的R＆D-LRD数据如何被用于估计生产率增长R＆D的影响。
生产率的基础上从所述LRD文件中收集的数据。该文件只包含用于制造分别为年1972至1981年的年度调查连续采样的制成品（ASM）的机构的信息。的“覆盖率”COVRAT（一个企业的总出货量LRD到其综合销售额之比）的平均值表明，平均而言，我们每个捕捉公司的国内销售占相当比例（约82％）。在下一节中，我们将讨论这些链接R＆D-LRD数据如何被用于估计生产率增长R＆D的影响。
结论
由于包含在公开可用的和专有的数据集的信息有限，在以往的研究中使用公司生产能力估算已有了实质性的测量误差。这些研究的不准确性主要来源对于企业的多元化活动来说一直是不能完全控制的。美国国家科学基金会/政府R＆D-LRD面板的使用使我们能够对TFP数据有更好的估计，因为LRD文件包含企业的投入和输出在4位数SIC行业层面的详细数据。
我们的研究结果表明，R＆D投入是生产率增长的一个显著的决定因素在20世纪70年代和80年代。.然而在以前的研究中，回归到R＆D经费支出13.2％的预计私有率，比先前的估计要低得多。正如Griliches-Lichtenberg（1984）和Griliches（1986），我们观察到在返回公司出资和联邦政府资助的R＆D的统计率，显著差异。我们发现TFP的增长，该公司的私人资助R＆D的速度之间有很强的正相关关系，而联邦政府资助的研发并不似乎是全要素生产率增长的一个显著的决定因素。我们还发现，一个公司的基础研究的投资对生产率增长有很强的影响，而在其他类型的R＆D投资apparentlyhas要么TFP的增长，或者没有一个小的影响都没有。这一结果与曼斯菲尔德（1980年），链路（1981年b）和Griliches（1986）的研究结果是一致的。
我们已经讨论了点估计是基于汇总回归，假设每个为期三年不变的山坡上，1973- 1976年，1977- 1980年，1981- 1985年。虽然我们不能正式拒绝这种约束，我们找到证据supportthe假说的R＆D对生产力的影响是关于R＆D对全要素生产率的影响，最近的下跌，后来periods.27关注强因缩减的技术机会（诺德豪斯（1980）），不会出现被有理有据。
接下来，我们分析了回归结果的企图的敏感性，减少“边远”的意见的影响。两种策略被雇用来解决这个问题：
一）影响力的异常值删除
二）以最小的绝对偏差的方法“有界的影响力”估计估计
这些调整对我们的重要经验只有一个小的影响发现。因此，我们的回归结果主要是由于这可能是反常的，并且/或者还检查了回归的研发和企业规模的利率之间的关系值。固有我们的研发资本存量模型的简化形式的版本估计是企业间的回报率共同的假设。作为链接（198l），我们探讨这一假设通过测试的有效性。
对于回归参数的结构稳定性（仅恢复到R＆D总的速率进行了检查），相对于企业规模。我们未能拒绝结构稳定，以及三组行，以升序大小排的分析，似乎证实了这一结果。然而，回到公司资助的研发似乎是企业规模的增函数。仅有一名同时，回归到联邦政府资助的研发速度较高的小型公司。这些结果表明，独占条件对于大型企业资助自己的研究更加有利。此的非参数的证据，这支持熊彼特假说，能进一步检验。
数据附录
数据源对TFP的建设估计：构建基于生产的3个因素水平和全要素生产率增长率的估计，我们需要输出（Q），资本（K），劳动力（L），材料的估计（包括能源）（M），和因子股份。LR（纵向研究数据库）文件提供DTA输出（VQ），资本（VK），劳动力（VL），材料（VM），能量的标称值，和针对在生产用于1972-1985的平减指数是从3个单独的文件中导入多年的年度调查取样的机构库存：
1）工业经济输出数据Base.This文件包含了局出货量，原材料，在制品和产成品库存deflatot5，在该年4位数SIC级1972-1980。随后到1980年，我们用经济研究所（NBER）的输出平减指数，这是从经济方面分析的。
2）工业经济的资本存量数据库。对于每一个行业，我们分别评估了厂房和设备这两类数据。作为利希滕贝格 - 西格尔（1987年），这些比率分别适用于毛厂房和设备总值数据，以评估净“标杆”估计厂房及设备于1972年使用初始资本存量的估算，这些与资本折旧和工厂特定瘪资本性支出，平均速率的业内人士估计沿的“永续盘存”算法来产生的净存量估计厂房及设备。资本的实际净股票被定义为网厂和净设备的总和。
3）国家经济研究局研发和生产力项目文件。该NBER构建了本节的4位数级。剩余材料和能源的物价平减指数是专门的输出，劳动力，资本如何重要的经济措施和材料的说明（包括能源）用的输入和输出，以及行业减缩指数（3或4位数SIC级）当前美元价值的年1972年至1985年定义。
输出：
在当前美元输出定义为货物的价值，在成品的净（年）变化的调整和工作过程中的输出是通过其相应的行业价格平减指数将每学期计算。
劳动：
当前美元的劳动投入作为工资薪金总补充劳动力成本的总和。真正的劳动投入定义为工资总额和工资（TSW）生产工人工资（PWW），乘以总的生产工人小时（威尔斯亲王医院）的比率。
（3）L =（TSW PWW）bull;威尔斯亲王医院
这种“生产工人等”劳动投入的措施（数据）关于非生产工人的工作是不可用）的时间是基于这样的假设生产和非生产工人的相对工资等于其边际生产率。
资本：
名义资本使用报酬不变的假设按比例构成。我们定义当前的美元资本，目前的美元产出减去的材料（包括能源）和劳动力目前美元的成本，加上材料存货的净变化进行调整。我们的工厂和设备的实际净存量建设的基础上，永续盘存算法，是上一page.taterials和能源讨论：定义为材料成本（CM：材料（包括能源）我目前的美元价值），加在材料存货的净变化进行调整。材料（包括能源）的不变美元值是由NBER 4位数SIC平减物价指数的物质和能量除以材料和能源当前美元价值评估。
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[29141]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
