自2008年我国实施《国家知识产权战略》以来,知识产权保护对创新的影响一直是学术界关注的热点。已有研究表明,知识产权对我国技术创新能力的影响存在显著区域异质性,且该区域异质性与经济发展水平紧密相关[1-4]。但在中国情境下,知识产权保护和地区经济水平如何同步影响技术创新能力有待进一步明确,知识产权保护与地区经济水平对于技术创新两阶段即技术研发阶段和技术成果转化阶段的影响及差异性也有待检验。科学准确地解决上述问题,对于我国当前知识经济和技术创新发展具有重要的政策意义。因此,本文以地区规模以上工业企业为研究对象,在省级面板数据的基础上分析知识产权保护与地区经济水平对工业企业技术研发和技术成果转化两个创新阶段的影响。首先,在梳理相关文献的基础上,提出知识产权保护与地区经济水平对区域层面工业企业技术研发和技术成果转化两阶段的影响机理;然后,构建知识产权保护、地区经济水平与工业企业技术创新计量模型,并基于计量结果分析知识产权保护、经济水平对工业企业技术研发和技术成果转化的影响及差异;最后,基于我国各地区发展水平提出相适应的知识产权政策建议。
对相关文献进行梳理和归纳,包括知识产权保护对创新影响的区域异质性、知识产权保护在技术研发和技术成果转化两阶段的作用机制、知识产权保护对我国区域创新的影响及知识产权保护水平测度4个部分。
知识产权保护对创新的影响存在显著区域异质性。Kim等[5]在研究知识产权促进经济增长的过程中发现,专利权保护对创新的激励作用在发达国家显著但在发展中国家微乎其微;李静晶和庄子银[6]研究表明,专利保护对于我国各地区创新发展的影响不同,即专利保护在我国发达地区能促进经济发展和区域创新能力提升,而在欠发达和中等发达地区会抑制技术创新能力;陈恒和侯建[7]研究发现,地区 R&D 投入和FDI流入对创新能力的影响存在以知识产权保护强度为门槛效应的复杂非线性显著特征;Ramzi&Salah[8]通过研究不同国家的创新能力驱动因素,发现发达国家或新兴国家背景下大多数有关创新的假设并不适用于创新能力较弱的国家。总而言之,知识产权保护对创新的影响存在显著地区异质性,且这种地区异质性与地区经济水平紧密相关。但是已有研究对经济水平的划分过于笼统,难以体现出随着经济水平变化,不同程度的知识产权保护水平对创新的影响规律。
技术创新是一个复杂的系统工程,为详细研究这一过程,大多数学者将创新过程划分为技术研发和技术成果转化两个阶段[9-10]。研究知识产权保护对创新作用机制的学者大多关注技术研发阶段,具体表现为以技术研发阶段的专利成果作为区域创新能力衡量指标,而未将技术转移转化成果如新产品、技术交易额等作为区域创新能力指标[2,7]。知识产权保护对于创新的作用机理不仅仅是在技术研发阶段减少投资风险、缓解融资压力[11],在技术成果转化阶段也发挥着重要作用。一方面,拥有自主知识产权的产品具有竞争优势,知识产权保护可以降低市场风险,使创新产品占据市场份额,获得一定的垄断利润;另一方面,知识产权保护可以促进技术交易。刘婧等(2017)研究表明,知识产权保护可以通过版权引进、激励版权交易提高创新效率;魏浩和巫俊[12]发现,我国知识产权保护水平提高能够显著促进民营企业、专利密集型行业企业及出口企业扩大进口规模、丰富进口产品种类和提升进口产品质量,从而促进创新。因此,研究知识产权保护对技术创新的作用机制,考虑技术研发和技术成果转化两个过程很有必要。
知识产权保护对我国创新发展的影响及作用机制研究中,李勃昕等[4]认为,知识产权保护会显著调节OFDI逆向创新溢出,低强度的知识产权保护会引发OFDI创新溢出的负向调节效应,当知识产权保护水平提升到一定强度时会激发 OFDI 正向创新溢出;关成华等[3]研究表明,知识产权保护在促进创新的过程中始终具有正效应,且知识产权保护和区域创新间存在非线性关系,随着区域经济发展水平提升,知识产权保护对区域创新的促进作用加强;靳巧花和严太华(2017)认为,知识产权保护可以调节自主研发对区域创新能力的促进作用,且当知识产权保护越过一定门槛时,其调节能力会进一步增强;周密和申婉君[1]发现,东部地区过高的知识产权保护强度会抑制研发投入对创新的促进作用,知识产权保护在西部、中部和东北地区则能够增强研发投入对创新的作用。不同强度的知识产权保护对于我国不同经济层次区域创新的影响有待进一步研究。
国外对知识产权保护的测量始于20世纪90年代,主要有调查法、立法评分法和综合评分法(许春明、单晓光,2008)。其中,Ginarte-Park( GP指数)知识产权保护强度指标是具有代表性且使用次数较多的知识产权保护测评指标。国内学者在研究我国知识产权保护强度时,均以GP指数为基础,在知识产权立法基础上,根据我国实际国情加入地区执法强度,称为修正后的GP指数[13-14]。但在已有研究中,知识产权保护环境测度因素不够完善,且代表性指标不够统一(李黎明、陈明媛,2017)。本文参照国家知识产权局知识产权发展研究中心每年发布的《中国知识产权发展状况评价报告》,在知识产权保护强度测度中除考虑知识产权司法保护、行政保护和保护效果外,同时进一步加入知识产权制度环境、知识产权服务水平和知识产权大众意识的影响。
以往文献在研究知识产权保护对技术创新的影响时,一般采用基于Hansen的非线性面板门槛回归模型,以知识产权保护作为门槛变量,知识产权保护通过作用于其它创新要素(如外商直接投资、对外直接投资、研发投入等)进而影响创新[1-2,4,7]。但从宏观经济层面看,知识产权作为环境变量应当和经济水平等环境变量一样对创新发挥作用。由于知识产权保护对区域创新的影响存在显著区域异质性,即知识产权保护对技术创新的影响依赖于地区经济水平,因此本文采用知识产权保护与地区经济水平的交互项表示该影响关系。基于两阶段创新价值链理论[9,15],本文把区域层面的工业企业技术创新划分为技术研发和技术成果转化两个阶段,通过分析知识产权保护与地区经济水平对工业企业技术研发和技术成果转化的影响,进一步探讨各地区如何根据自身知识产权保护强度和经济水平进行有关政策调整,从而更好地促进技术创新。
(1)在技术研发阶段,知识产权保护可以为创新主体提供良好的自主创新和研发环境,从而推动技术研发进程。吴超鹏和唐菂[11]认为,在技术研发阶段,知识产权保护可以通过减少研发溢出损失、缓解研发阶段外部融资约束促进企业创新。由此,本文提出以下研究假设:
H1:知识产权保护水平提高可以加快技术研发进程。
(2)在技术成果转化阶段,知识产权保护可能通过保障创新主体的新技术、新产品收益促进技术成果转化,增加新产品生产销售。知识产权保护可以帮助企业减少模仿者竞争,扩大市场份额,增强品牌效应,从而保障创新企业的高额利润。Teece[16]提出创新获利(Profiting from innovation, PFI)框架,指出知识产权保护是创新型企业实现创新获利的重要机制。PFI框架的核心思想包括,创新者通过研发投入产出创新成果,并将其申请专利,在专利技术产品化后,通过产品生产和销售获利。在良好的知识产权保护环境下,企业专利技术和相应产品得到有效保护,企业通过垄断性市场地位获得利润,从而激励企业创新。由此,本文提出以下研究假设:
H2:知识产权保护水平提高可以促进技术成果转化。
(3)前文文献表明,知识产权保护对技术创新的作用受地区经济水平的影响。在不同背景下,知识产权保护对技术创新的边际效应受地区经济水平的影响可能是不断变化的。既有研究大多假设知识产权保护对技术创新的边际效应依赖于经济水平的程度是恒定的,从而导致基于不同研究背景和研究主体的相关结论不一致。本文认为,不同知识产权保护水平对技术创新的边际效应随着经济水平变化而变化,即技术创新过程中知识产权保护和经济水平存在交互作用。为进一步研究随着经济水平的变化,知识产权保护水平对区域创新的影响规律,本文提出以下研究假设:
H3:知识产权保护和地区经济水平对技术创新产生交互影响。
为了定量研究知识产权保护和地区经济水平对技术创新的影响,本文在原有面板回归的基础上加入知识产权保护与经济水平的交互项以构建计量经济模型,具体如下:
lnInnovationit=β0+β1 ippit+β2 lngdpit+β3 (ippit×lngdpit)+φX+γt+μi+εit
(1)
式(1)中,i、t分别表示第i个地区和第t年,被解释变量lnInnovationit是技术创新能力,解释变量ippit是知识产权保护水平,lngdpit表示地区经济水平,X是控制变量。γt、μi分别是年份和地区效应,εit是随机误差项,β0、β1、β2、β3和φ是待估系数。
需要说明的是,式(1)中没有加入知识产权保护的高次项,因为其统计学和经济学上的检验均不显著。此外,式(1)未能考虑相邻年份技术创新能力的动态效应,即当年技术创新能力可能会受到上一年创新能力的影响。因此,本文在式(1)的基础上扩展得到动态面板数据模型,模型形式如下:
lnInnovationit=β0+ρlnInnovationi,t-1+β1 ippit+β2 lngdpit+β3 (ippit×lngdpit)+φX+γi+μt+εit
(2)
本文采用固定效应模型和随机效应模型对式(1)进行回归分析,并采用豪斯曼检验判断固定效应模型和随机效应模型的优劣。但在对式(2)进行估计时,固定效应模型与随机效应模型均无法解决变量遗漏和双向因果关系所导致的内生性问题,在实际应用中大量研究表明,当被解释变量具有时间持续性时,系统广义矩估计优于差分广义矩估计[17]。因此,本文采用系统广义矩估计对式(2)进行回归分析。
本文被解释变量为技术创新能力,核心解释变量为知识产权保护水平和地区经济水平。结合现有文献,本文在计量模型中加入政府财政补贴、外商直接投资水平、国际贸易水平、知识资本存量、地区工业企业密度等控制变量。
(1)技术创新能力。本文的被解释变量是地区工业企业技术创新能力,在技术研发阶段以2012—2017年各地区规模以上工业企业年专利申请量取对数衡量(记为lnpat_app),在技术成果转化阶段以2012—2017年各地区规模以上工业企业年新产品销售收入取对数衡量(记为lnnewproduct),数据均来自于国家统计局官方网站。
(2)知识产权保护水平。知识产权保护水平是本文的核心解释变量之一。本文采用国家知识产权局知识产权发展研究中心每年发布的《中国知识产权发展状况评价报告》中的知识产权保护发展指数衡量(记为ipp),具体指标和内容如表1所示。
表1 地区知识产权保护发展指数具体指标
指数具体指标司法保护法院新收知识产权一审案件量(件)法院审结知识产权一审案件量(件)法院知识产权案件平均结案率(%)法院知识产权案件平均赔偿额(万元)检察机关批准逮捕涉及侵犯知识产权犯罪案件数检察机关批准逮捕涉及侵犯知识产权犯罪人数(人)提起公诉的涉及侵犯知识产权犯罪案件数(件)提起公诉的涉及侵犯知识产权犯罪人数(人)行政保护专利行政保护指数(分)商标行政保护指数(分)版权行政保护指数(分)知识产权海关行政保护指数(分)保护效果研发投入强度(%)规模以上工业企业申请专利比例(%)注册商标续展率(%)知识产权使用费(万美元)
(3)地区经济水平。地区经济水平是本文另一个核心解释变量,采用各地区人均GDP表示(记为lngdp),数据来自于国家统计局官方网站。
(4)政府研发支持强度。采用各地区规模以上工业企业每年R&D经费内部支出中的政府资金取对数表示(记为lnsup_gov),数据来源于《中国科技统计年鉴》。
(5)外商直接投资水平。采用各地区每年外商投资企业投资总额取对数表示(记为lnfdi),数据来源于国家统计局官网。
(6)国际贸易水平。采用境内目的地和货源地进出口总额取对数表示(记为lntrade),数据来源于国家统计局官网。
(7)知识资本存量。采用各地区规模以上工业企业有效发明专利数取对数表示(记为lnstock),数据来源于国家统计局官网。
(8)地区工业企业密度。采用地区企业数/人口表示(记为act),数据来源于国家统计局官网。
本文以中国内地31个省(区、市)为研究区域,由于知识产权保护水平指数报告于2012年发布,故年份区间为2012—2017年。最终,本文采用186个样本容量的省级面板数据,表2为主要变量描述性统计分析结果。
表2 主要变量描述性统计分析结果
变量名称样本量 均值 标准差 最小值 最大值技术研发能力1868.8971.7752.19712.203技术成果转化能力18616.6151.9109.95219.670知识产权保护水平18663.22613.86640.5693.740地区经济水平18610.7710.4119.88911.768知识产权保护水平×地区经济水平186683.876165.799410.3541037.044政府研发支持强度18610.9951.6981.38613.068国际贸易水平18617.4791.70113.01820.971外商直接投资水平18610.9511.4747.03114.382知识资本存量1868.6811.6543.46612.575地区工业企业密度1862.2641.5810.2087.432
图1为2012—2017年地区知识产权保护和工业企业技术研发能力散点图,图2为2012—2017年地区知识产权保护和工业企业技术成果转化能力散点图。总体而言,无论是在技术研发阶段还是技术成果转化阶段,知识产权保护水平与创新能力均呈现显著正相关关系,且体现出明显线性特征。需要说明的是,散点图只能直观地反映两者之间的关系,并没有考虑经济水平等其它因素对创新的影响。
4.2.1 回归结果
表3为技术研发阶段知识产权保护强度和地区经济水平对工业企业技术创新影响的主要计量回归结果。首先,采用混合OLS回归、固定效应模型和随机效应模型分别对式(1)进行回归分析。在混合OLS回归与固定效应模型的比较中,F检验的p值小于0.001。同时通过LSDV法进一步检验发现,存在部分个体虚拟变量显著,即存在个体效应,固定效应模型明显优于混合回归模型。在固定效应模型与随机效应模型的比较中,豪斯曼检验统计值为47.73,在1%的统计水平上
拒绝了随机效应模型中地区效应与解释变量不相关的原假设,因而固定效应模型优于随机效应模型。然后,采用系统广义矩估计对式(2)进行回归分析,对工具变量进行过度识别检验并对扰动项差分进行序列相关检验。过度识别检验统计值为 25.890 3,接受所有工具变量不存在过度识别的原假设,表明所有工具变量均有效。一阶序列相关检验统计值为-2.307,二阶序列相关检验统计值为-0.528 36,在5%的统计水平上接受扰动项差分不存在一阶序列相关的原假设,故采用系统广义矩估计对式(2)进行回归分析是合理的。
图1 2012—2017年地区知识产权保护与工业企业技术研发能力散点图
图2 2012—2017年地区知识产权保护与工业企业技术成果转化能力散点图
表4为技术成果转化阶段知识产权保护强度和地区经济水平对地区创新能力影响的主要计量回归结果。同技术研发阶段一样,在技术成果转化阶段采用混合OLS回归、固定效应模型和随机效应模型分别对式(1)进行回归分析。在混合OLS回归与固定效应模型的比较中,F检验的p值小于0.001。同时,通过LSDV法进一步检验发现存在个体效应,固定效应模型明显优于混合回归。在固定效应模型与随机效应模型的比较中,豪斯曼检验统计值为47.09,在1%的统计水平上拒绝了随机效应模型中地区效应与解释变量不相关的原假设,因而固定效应模型优于随机效应模型。然后,采用系统广义矩估计对(2)式进行回归分析,对工具变量进行过度识别检验并对扰动项差分进行序列相关检验。过度识别检验统计值为23.923 1,接受所有工具变量不存在过度识别的原假设,表明所有工具变量均有效。一阶序列相关检验统计值为-1.978 4,二阶序列相关检验统计值为1.549 5,在5%的统计水平上接受扰动项差分不存在一阶序列相关的原假设,因而采用系统广义矩估计对(2)式进行回归分析是合理的。
表3 技术研发阶段计量结果
变量(1)ols01lnpat_app(2)felnpat_app(3)relnpat_app(4)gmm_1 L.lnpat_applnpat_app 0.508∗∗∗(0.147)ipp0.297∗∗0.177∗∗0.231∗0.365∗∗(0.131)(0.069 3)(0.129)(0.168)lngdp1.2520.889∗∗0.6972.036∗∗(0.772)(0.417)(0.727)(0.974)ippgdp-0.026 1∗∗-0.0158∗∗-0.020 3∗-0.033 2∗∗(0.012 2)(0.006 50)(0.011 7)(0.015 5)lnsup_gov0.289∗∗∗0.0826∗∗∗0.143∗∗∗0.204∗∗∗(0.056 0)(0.030 4)(0.021 8)(0.047 2)lntrade0.016 50.271∗∗∗0.105∗∗0.106(0.022 1)(0.064 6)(0.046 8)(0.10 9)lnfdi-0.039 4 -0.057 10.048 2-0.014 0(0.115)(0.062 3)(0.065 6)(0.083 8)lnstock0.606∗∗∗0.430∗∗∗0.535∗∗∗0.236∗(0.059 4)(0.055 1)(0.070 1)(0.135)act0.237∗∗∗0.214∗∗∗0.316∗∗∗0.128(0.049 1)(0.056 6)(0.052 5)(0.096 8)Constant-14.36-10.30∗∗-8.630-24.17∗∗(8.604)(4.401)(8.671)(10.94)Observations186186186155R-squared0.9620.673Number of id 313131
注:Robust standard errors in parentheses ***p<0.01,**p<0.05, *p<0.1,下同
4.2.2 回归结果分析
本文基于区域层面工业企业技术研发和技术成果转化两阶段创新视角,重点考察随着经济水平变化,知识产权保护对技术创新能力的影响,由于系统广义矩估计考虑了相邻年份创新能力的动态效应,因而结果分析中以系统广义矩估计为标准,并用混合OLS回归、固定效应模型对结果进一步作稳健性验证。
在工业企业技术研发阶段,系统广义矩估计结果显示,在不考虑其它因素的条件下,知识产权保护对创新能力影响显著且系数为正,表明知识产权保护水平提升会显著增强工业企业在技术研发阶段的创新能力。混合OLS回归、固定效应模型估计与该结果一致,即知识产权保护水平提高可以推动技术研发进程,支持H1。地区经济水平对创新能力影响显著且系数为正,表明在不考虑其它因素的条件下,随着地区经济水平提升,各区域工业企业在技术研发阶段的创新能力会进一步增强,固定效应模型与该结果一致。知识产权保护和经济水平交叉项显著且系数为负,表明知识产权保护和经济水平的交互影响对技术创新具有抑制作用,混合OLS回归、固定效应模型估计与该结果一致。根据系统广义矩估计结果计算,当人均GDP的对数低于10.994时,知识产权保护对区域创新的影响为正;当人均GDP的对数高于10.994时,知识产权保护对区域创新的影响为负,即10.994为我国当前知识产权保护水平下最适合的经济水平点。在混合OLS回归、固定效应模型中,其对应的具体数值为11.379和11.202。考虑结果稳健性,取三者均值11.192为最适经济点进行分析,经济水平高于最适经济点的地区加强知识产权保护将对技术创新产生抑制作用,经济水平低于最适经济点的地区加大知识产权保护力度将对技术创新产生促进作用。2017年,中国内地31个样本地区人均GDP对数的平均值为10.934,其中23个地区的人均GDP的对数低于11.192,只有北京、上海、天津、江苏、浙江、福建、山东和广东人均GDP的对数高于11.192。因此,对于大部分地区而言,加强知识产权保护会显著提高区域在技术研发阶段的技术创新能力。
表4 技术成果转化阶段计量结果
变量(1)ols02lnnewproduct(2)fe2lnnewproduct(3)re2lnnewproduct(4)gmm_2lnnewproductL.lnnewproduct0.797∗∗∗(0.034 0)ipp0.581∗∗∗0.086 50.2420.275∗∗∗(0.182)(0.107)(0.174)(0.075 5)lngdp2.911∗∗1.211∗0.9731.601∗∗∗(1.096)(0.646)(0.965)(0.480)ippgdp-0.052 9∗∗∗-0.007 90-0.021 7-0.025 7∗∗∗(0.016 8)(0.010 1)(0.015 9)(0.006 83)lnsup_gov0.179∗∗-0.070 10.039 90.017 5(0.080 2)(0.047 0)(0.029 7)(0.020 5)lntrade0.034 90.247∗∗0.133∗∗-0.052 4∗∗∗(0.033 4)(0.100)(0.057 3)(0.010 9)lnfdi0.2800.076 80.272∗0.316∗∗∗(0.173)(0.096 5)(0.149)(0.064 5)lnstock0.532∗∗∗0.165∗0.390∗∗∗-0.121∗∗(0.108)(0.085 2)(0.057 3)(0.053 6)act0.253∗∗∗0.156∗0.347∗∗∗0.068 2∗∗(0.061 2)(0.087 6)(0.062 8)(0.031 4)Constant-26.13∗∗-2.670-4.271-15.42∗∗∗(12.04)(6.812)(11.89)(5.282)Observations186186186155R-squared0.9190.475Number of id 313131
在工业企业技术成果转化阶段,系统广义矩估计结果显示,在不考虑其它因素的条件下,知识产权保护对技术创新的影响显著且系数为正,表明知识产权保护水平上升会显著增强工业企业技术成果阶段的创新能力。混合OLS回归与该结果一致,即知识产权保护水平提高可以促进技术成果转化,H2成立。经济水平对技术创新能力的影响显著,且系数为正,表明在不考虑其它因素的条件下,随着地区经济水平提升,工业企业在技术研发阶段的创新能力会进一步增强,混合OLS回归、固定效应模型估计与该结果一致。知识产权保护和经济水平交叉项显著且系数为负,表明知识产权保护和经济水平的交互影响对技术创新具有抑制作用,混合OLS回归与该结果一致。综上,在工业企业技术研发和成果转化阶段,知识产权保护和经济水平交叉项均显著,知识产权保护和地区经济水平对技术创新具有交互影响,H3成立。根据系统广义矩估计结果计算,当人均GDP的对数低于10.700时,知识产权保护对区域创新的影响为正;当人均GDP的对数高于10.700时知识产权保护对区域创新的影响为负,即10.700为当前我国各地区知识产权保护情况下最适合的经济水平点。在混合OLS回归、固定效应模型中,其对应的具体数值为10.983和10.949。考虑结果的稳健性,取三者均值10.877 3为最适经济点进行分析,2017年中国内地31个样本地区人均GDP对数的平均值为10.934,其中19个地区人均GDP对数低于10.877 3,只有北京、上海、天津、江苏、浙江、福建、山东、广东、内蒙古、重庆、湖北和陕西人均GDP对数高于10.877 3。因此,对于大部分地区而言,加强知识产权保护会显著提高工业企业在技术成果阶段的创新能力。
对比工业企业技术研发和技术成果转化两阶段计量结果,系统广义矩估计结果显示,知识产权保护在技术研发阶段和技术成果转化阶段的影响系数分别为0.365、0.275,说明知识产权保护对于技术研发阶段的影响力大于技术成果转化阶段;知识产权保护和经济水平的交互项在技术研发阶段与技术成果转化阶段的影响系数分别为-0.033 2、-0.025 7,说明知识产权保护和经济水平的交互作用对于技术研发阶段的影响力大于技术成果转化阶段;经济水平在技术研发阶段与技术成果转化阶段的影响系数分别为2.036和1.601,说明经济水平对于技术研发阶段的影响力大于技术成果转化阶段。可见,在技术创新两阶段中,知识产权制度和经济环境对技术研发阶段的影响更大。考虑到知识产权保护和地区经济水平双重因素的交互影响,北京、上海、天津、江苏、浙江、福建、山东和广东地区加强知识产权保护将不会进一步增强区域创新能力;内蒙古、重庆、湖北和陕西地区适度加强知识产权保护则会增强区域创新能力。除上述经济水平比较高的地区外,大部分地区还需进一步提升知识产权保护水平以增强地区创新能力。
本文探讨知识产权保护水平和经济水平对工业企业技术研发与技术成果转化过程的影响机理,在2012—2017年中国内地31个省份面板数据的基础上,采用混合OLS回归、固定效应模型和系统广义矩估计,回归分析中国知识产权保护和地区经济水平对工业企业技术创新的影响。主要研究结论如下:知识产权保护和地区经济水平对工业企业技术创新具有显著正向影响,知识产权保护水平和地区经济水平的交互作用显著抑制工业企业技术创新。在两阶段创新中,知识产权保护、地区经济水平在技术研发阶段的影响力大于技术成果转化阶段。从我国各地区知识产权保护水平看,知识产权保护强度较高的地区,如北京、上海、天津、江苏、浙江、福建、山东和广东进一步加强知识产权保护将不会提升工业企业创新能力;对于知识产权保护强度处于中等水平的地区,如内蒙古、重庆、湖北和陕西,适度加强知识产权保护能提升工业企业技术创新能力。除上述地区外,大部分地区还需进一步加强知识产权保护以提升工业企业技术创新能力。
基于我国知识产权保护和经济发展现状,本文利用交互项证明知识产权保护对技术创新的边际影响依赖于地区经济水平,支持了周密和申婉君[1]、陈恒和侯建[7]的研究结论。知识产权保护对技术创新的边际影响随着地区经济水平的变化而变化,本文以此计算出知识产权保护对技术创新边际效应为正的最适经济点,并参考各地区经济水平给出知识产权制度政策建议。本研究表明,近年来,加大知识产权保护力度以促进技术创新的政策对于我国大部分地区行之有效,但随着经济水平不断提升,对于我国经济发展水平较高的地区而言,单纯强调知识产权保护强度并不能进一步提升区域创新,在区域创新政策制定中要强调知识产权保护与地区经济发展水平的相适性。需要进一步说明的是,本文知识产权保护强度指数构建基于我国各地区司法保护和行政保护现状,我国各地区知识产权保护情况反映了近年来我国知识产权维权的兴起,代表大众意识对知识产权制度的认可与接受。本文认为,如北京、上海、天津、江苏、浙江、福建、山东和广东等知识产权保护水平较高的地区进一步加大知识产权保护力度将抑制区域创新,一定程度上反映出过多的知识产权纠纷将不利于技术创新能力提升。
[1] 周密,申婉君.研发投入对区域创新能力作用机制研究——基于知识产权的实证证据[J].科学学与科学技术管理, 2018, 39(8): 26-39.
[2] 韩莹,陈国宏.科技投资、知识产权制度与区域创新能力——基于我国省际面板数据的双重门槛效应分析[J].科技管理研究, 2018(1): 11-17.
[3] 关成华,袁祥飞,于晓龙.创新驱动、知识产权保护与区域经济发展——基于2007—2015年省级数据的门限面板回归[J].宏观经济研究, 2018 (10): 86-92.
[4] 李勃昕,韩先锋,李宁.知识产权保护是否影响了中国OFDI逆向创新溢出效应[J].中国软科学, 2019 (3): 46-60.
[5] KIM YK,LEE K,PARK WG, et al.Appropriate intellectual property protection and economic growth in countries at different levels of development[J].Research Policy, 2012, 41(2): 358-375.
[6] 李静晶,庄子银.知识产权保护对我国区域经济增长的影响[J].科学学研究, 2017, 35(4): 557-564.
[7] 陈恒,侯建.R&D投入、FDI流入与国内创新能力的门槛效应研究——基于地区知识产权保护异质性视角[J].管理评论, 2017, 29(6): 85-95.
[8] RAMZI T,SALAH AB.The determinants of innovation capacity in the less innovative countries in the euro-mediterranean region[J].Journal of the Knowledge Economy, 2018, 9(2): 1-18.
[9] GUAN JIANCHENG,ZUO KAIRUI.A cross-country comparison of innovation efficiency[J].Springer Netherlands, 2014, 100(2): 541-575.
[10] 沈能,周晶晶.基于两阶段共同边界DEA的国家大学科技园创新效率研究[J].管理工程学报, 2018, 32(2): 188-195.
[11] 吴超鹏,唐菂.知识产权保护执法力度、技术创新与企业绩效——来自中国上市公司的证据[J].经济研究, 2016, 51(11): 125-139.
[12] 魏浩,巫俊.知识产权保护、进口贸易与创新型领军企业创新[J].金融研究, 2018(9): 91-106.
[13] 池建宇,顾恩澍.知识产权保护、经济增长与经济收敛——基于面板门槛模型的实证分析[J].经济与管理评论,2017,33(4):12-17.
[14] 刘鑫颖.知识产权保护与中国经济增长相关性的实证研究[D].北京:首都经济贸易大学, 2018.
[15] GUAN JIANCHENG,CHEN KAIHUA.Modeling the relative efficiency of national innovation systems[J].Research Policy, 2012.
[16] TEECE DAVID-J.Profiting from technological innovation: implications for integration, collaboration, licensing and public policy[J].Research Policy, 1986,15(6).
[17] BOND S R.Dynamic panel data models: a guide to micro data methods and practice[J].Portuguese Economic Journal, 2002, 1(2): 141-162.