一、模型设定与变量选取
（一）模型设定
基于连续性角度，面板数据分为静态和动态两种，陈强（2010）在《高级计量经济学及 Stata 应用》中提到，对于静态面板数数据，运用 OLS 和固定效应估计方法，可能会存在非一致性，导致结果有偏；而对于动态面板数据，因变量的行为取决于其过去行为，通过构建动态模型能避免结果有偏性，更加科学合理。而动态面板数据适用 GMM 模型，其中又包括差分、水平和系统 GMM，Blundell 和 Bond（1998）将前两者相结合，形成系统 GMM 估计，既可解决弱工具变量问题，又能提高估计效率。
由于技术创新是一个动态过程，系统 GMM 模型可以解决因连续动态变化导致的内生性问题，故本文利用面板数据及系统 GMM 方法分析政府采购与技术创新之间的影响关系。动态回归模型如下：
式（3-1）和（3-2）中，i 和 t 表示省份和年份，被解释变量itln NPL 表示创新产出，即专利申请授权数；解释变量 lnitNGP 表示窄口径政府采购规模，itln WGP 表示宽口径政府采购规模；itln HUM 表示研发人力资本投入，itln RD 表示研发经费支出，itIMGDP表示进口影响因素，即进口额与 GDP 比值，itIPP 表示知识产权保护，技术市场成交额占当地 GDP 比值，itln GDP 表示当地经济发展水平的影响。α 表示与省份相关、时间上恒定的未观测到因素。ε 为随机扰动项。此外，为使得实证结果更为严谨科学，本文利用新产品销售收入替代核心变量进行稳健性检验。
..............................
第四章 完善政府采购扶持技术创新措施建议
第一节 完善政府采购扶持技术创新政策制度
由现状和问题分析可知，我国政府采购在技术创新方面表现为不系统、不规范特点，而由美国政府采购可知，完善的制度建设对于技术创新发展具有非常重要的作用。而对于整个过程指导细则的规范也是重要举措，因此本节认为可以从法律体系、管理和监督方面进行完善。
一、完善政府采购法律保障体系
由现状、问题及原因分析可知，迫于国际压力我国停止实行扶持技术创新的政府采购相关法律，而扶持技术创新是我国现实需求，中央和地方政府将扶持技术创新的政府采购政策功能意图，体现在各年政府采购工作要点中，导致其存在零散、不规范、不系统等问题，因此建立完善政府采购扶持技术创新法律保障体系尤为必要。
一方面，分阶段发挥政府采购订购和首购优势。对于技术创新初始阶段，采取订购制度，发挥规模效应，为企业创造较为稳定市场需求，降低创新市场信息不完全导致的不确定性和风险性，克服创新研发盲目性；对于创新产品投放市场阶段，采取首购措施，发挥其示范作用，引导社会投资者对技术创新的关注，降低创新产品市场推广风险和成本，激发社会资本活力。由此可见，政府采购的订购和首购在技术创新不同阶段具有重要作用，政府要及时跟进市场技术创新发展动向，结合国家发展战略，制定合理采购需求，保障政府采购扶持技术创新政策功能发挥。
另一方面，完善技术创新产品和生产企业的认证制度和评价体系。在国家推行创新驱动发展的背景下，“大众创业、万众创新”的时代号召下，国内科技创新企业不断兴起，但其生产的创新产品在质量、性能及服务等方面良莠不齐，甚至出现套用国家优惠政策而骗取国家补贴现象，因此对于技术创新产品和生产企业的认证和评价体系构建尤为必要。创新产品和生产企业资格认定具有专业性，可通过科技部门牵头组织专业人员开展研究认证制度和评价体系，为产品和企业提供相关评价资信证明，建立并不断丰富经专业认证的生产供应商数据库，也为后续采购监督提供渠道，为实现政府采购扶持技术创新政策功能提供保障。
参考文献（略）
