开放科学(资源服务)标识码(OSID)：
This study focuses on the Yangtze River Delta and Pearl River Delta urban clusters, analyzing the driving effects of IPR protection on the development of urban green innovation and its internal mechanisms based on panel data from 2010 to 2021, using spatial Durbin models and threshold models. The study finds that (1) the empowering effect of IPR protection on urban green innovation is continuously changing. As the level of IPR protection increases, the driving effect changes from "incentive effect" to "crowding-out effect", and its negative hindering effect shows a trend of increasing strength. In the Pearl River Delta urban cluster, there is a more complex inverted "U" relationship between the two, while no significant nonlinear evolution is found in the Yangtze River Delta. (2) The spillover effect of IPR protection has significant spatial heterogeneity. In the Pearl River Delta urban cluster, local IPR protection has a "stimulating effect" on the development of adjacent urban green innovation, while the Yangtze River Delta urban cluster shows a "crowding-out effect". (3) IPR protection is conducive to promoting the quality improvement of green innovation, which means that under more stringent IPR protection, cities tend to conduct substantive green innovation rather than strategic green innovation. (4) The mechanism test shows that the improvement of IPR protection level induces R&D personnel and funding inputs, promoting the improvement of urban green innovation capabilities based on existing innovation activities.
With a focus on the two largest city clusters in China, namely the Yangtze River Delta and the Pearl River Delta, this study employs kernel density estimation and exploratory spatial analysis tools to analyze the spatial and temporal differentiation of green innovation efficiency and intellectual property protection level within these two city clusters, providing a more refined characterization of the green innovation efficiency and intellectual property protection level at the urban scale from the input-output perspective of expected and unexpected output, as well as the perspective of technology transaction market. Then, by incorporating intellectual property protection into the analysis framework of green innovation development, the study explores the incentive and crowding-out effects of intellectual property protection in driving the green innovation process, from the perspectives of heterogeneous non-linearities and spatial interaction effects, shedding light on whether intellectual property protection can break the binary constraints of "ecology" and "innovation" in urban green innovation.Furthermore, it examines the mechanism through which intellectual property protection promotes urban green innovation by investigating the transition of green innovation status and quality, and finds that investment in research and development and research funding can enable intellectual property protection to promote green innovation, resulting in cities combining green innovation with existing innovation activities;under stricter intellectual property protection, cities tend to engage in substantive rather than strategic innovation.
开放科学(资源服务)标识码(OSID)：
长期以来,以政府为主导构建的知识产权保护体系是纠正绿色创新供给市场失灵、激发企业绿色创新的重要保障。相比于政府补贴、税收优惠等选择性产业政策,知识产权保护是一种更兼顾公平与效率、功能性与普惠化的“有形之手”。作为一种重要产业政策,知识产权保护是“赋能”还是“挤出”绿色创新已然成为当前学术界和政策层关注与争论的焦点。城市群是区域经济发展的动力源与增长极,其绿色创新战略对周边地区发挥至关重要的辐射带动作用。其中,长三角及珠三角城市群经济实力雄厚且创新要素聚集,是我国落实《“十四五”国家知识产权保护和运用规划》中“强化长三角区域一体化知识产权保护,推动粤港澳大湾区打造知识产权国际合作高地”、推进创新驱动发展及绿色发展的两大关键空间载体。作为推动国家重大区域战略融合发展的领军者,城市群内绿色创新格局构建及提升显得尤为重要,如何有效依托知识产权保护加快绿色创新发展已然成为推动经济高质量发展、构建新发展格局的突破点。
兼顾传统创新与生态环保的双重理念,绿色创新是指生产活动在实现资源节约和环境改善的同时,具备独创性、革新性和价值性特征[1]。国内外学者对绿色创新问题的研究,主要涉及绿色创新效率量化与影响因素分析。绿色创新效率表示为在综合考虑生态保护与资源节约的情况下,各种生产要素的有效配置程度 [2]。尽管也有研究利用随机前沿分析法[3]测度绿色创新效率,但考察多投入与多产出的数据包络分析方法(DEA)占据主流地位[2-3]。绿色创新会受到很多因素影响,当前学界将绿色创新的推动力量归纳为社会经济、制度环境和内部驱动因素三大类。社会经济因素主要包括经济发展水平[4-5]、对外开放水平[4-5]、市场潜力[6]等;制度环境方面主要涉及环境规制[7]、某个政策或战略计划[4]对绿色创新的实施效果;内部驱动因素主要指研发资本存量、企业治理环境及创新举措[8]。受限于研究对象、方法与数据不同,相关研究得出的结论有所差异。如一些研究认为产业结构高级化可显著激励珠三角城市群绿色创新水平提高[9],而董会忠等[10]则得出相反结论;有研究还显示,不同城市群绿色创新驱动因素存在差异[9]。由于城市群具有显著空间关联性,学者们多采用空间计量经济学模型探究绿色创新的空间溢出效应[10-11]。
知识产权是指对创新性知识、技术等价值产品实施控制的一系列独占性及垄断性权力的集合,其本质是对知识信息共享与私有进行调控,是一种有限期的排他性保护机制[12]。已有研究主要讨论知识产权保护与绿色创新之间的关联性问题,重点以国家、省域、行业或企业为研究对象[13-16]。大多数学者基于实证探索发现,知识产权保护以牺牲新技术的即时获取为代价,对绿色创新形成激励[15-16]。该观点得到了部分学者的理论证实[17]。随着知识产权强国建设的不断推进,学界针对知识产权保护如何影响绿色创新的研究逐步深入,当前主要探讨了R&D投入[14,18]、外部融资约束[14]、市场细分[13]等因素在其中发挥的中介效应或调节作用。考虑到知识产权保护具有弥补创新成本与阻碍创新扩散的双重效应,一些学者从发展阶段[15]、城市区位[19]、行业创新能力[13]等宏观层面或企业产权性质[14,20]、规模大小[20]等微观层面探索知识产权保护的作用,但遗憾的是,以上文献并未涉及知识产权保护对城市绿色创新的“本地—邻地”效应探讨。
综观上述文献,国内外学者针对绿色创新及其驱动因素、知识产权与绿色创新关系等进行了卓有成效的研究,但既有研究主要从国家、省级、行业和企业层面考察知识产权保护对绿色创新的赋能机制,缺乏基于不同城市群,从城市层面进一步探究知识产权保护与绿色创新间非线性关系的研究。本文以长三角与珠三角城市群为研究对象,基于2010—2021年城市面板数据,运用空间杜宾模型和门槛模型,分析知识产权保护对城市绿色创新发展的驱动效应及内部作用机理。本研究的主要创新点在于:①以长三角和珠三角两大城市群为研究对象,分别从考虑期望和非期望产出的投入产出视角以及技术交易市场视角,分析区域内城市尺度的绿色创新效率与知识产权保护水平,并运用核密度法与探索性空间分析工具,剖析两大城市群内城市绿色创新效率及知识产权保护水平的时空分异特征;②将知识产权保护纳入绿色创新发展的分析框架,以异质非线性与空间溢出效应为切入点,深入探索城市绿色创新中知识产权保护的赋能效应与挤出效应转变过程,从宏观层面剖析知识产权保护能否破解城市绿色创新中“生态”与“创新”的二元制约;③基于绿色创新地位与质量转变视角,考察知识产权保护诱发城市绿色创新的作用机制,发现在绿色创新过程中研发人员和研发经费投入能诱发知识产权保护的赋能作用,促使城市在既有创新活动基础上叠加绿色创新,且在严厉的知识产权保护下城市将更倾向进行实质性创新而非策略性创新。
1.1.1 知识产权保护对城市绿色创新的双向驱动效应
与发达国家相比,我国知识产权保护存在突出的地区差异。一方面,在中国式财政分权体制下,一系列地方政策导致的知识产权保护差异将对区域绿色创新活动产生显著影响[13]。如广东省于2005年颁布“三审合一”政策,而上海浦东法院早于1996年便开创知识产权案件均由知识产权法庭审理的立体审判模式。另一方面,不同城市群战略性产业在发展格局上的差异可能影响知识产权制度的有效性,如知识产权保护制度对技术离散行业(如生物医药行业)的作用远强于技术复杂、模仿难度大的行业(如高新技术产业)[15]。因此,并非所有地区都具有相同创造、使用和保护知识及技术的能力,知识产权对绿色创新的作用也因地而异。城市群作为国家城镇化进程进入较高阶段的重要空间载体,逐渐取代中国原有区域经济空间结构,成为协同创新与协调发展的“新风口”[9]。城市间的高度互动与内在关联强化了资源、技术和知识的跨区域流动,本地知识产权保护政策势必影响绿色创新的多维外溢效应。
当前学界普遍认为,知识产权保护制度能赋能绿色创新发展[17-19],是政策制定者长期调控绿色创新的关键手段[20]。该制度鼓励创新者追求卓越以创造独特价值,同时吸引资本和资源流入,促进技术进步和经济繁荣。知识产权保护的力量在于它能够建立创新生态系统,促进持续的研究、发展和分享,从而实现社会可持续增长和繁荣,为全球社会进步提供强大引擎。其对于绿色创新的赋能效应具体表现为:第一,知识产权保护支持知识创造者获取合法收益并抑制知识侵权行为,使中小企业在创新技术应用领域获得垄断地位和垄断利润,发挥赋能效应,促进创新投入积累。区别于一般创新,绿色创新表现出更显著的正外部性与价值外溢性,而知识产权保护制度实质上是有限期的独占机制,使绿色创新能克服社会公共品特性,通过对创新成果的稳定占有弥补创新成本[21],降低技术转移风险,进而缓解此类创新投入不足的问题。第二,知识产权保护是一种重要的“能力”信号机制,能缓解信息不对称问题,促使企业主动向外披露更多内部信息,拓展企业融资渠道。此外,完善的知识产权保护制度通过公开或授权专利方式,强化知识合法共享与技术合法转移,促进技术许可和合作协议签订,营造良好的企业合作创新环境,进而推动绿色技术有序扩散和应用,进一步促进绿色创新生态形成,实现绿色经济可持续发展[22]。由此,知识产权保护具有极大的能动性,能有效弥补选择性产业政策的不足,更好地赋能绿色创新活动。然而也有学者持有异议,认为过于严格的知识产权保护制度致使创新趋向“非绿色”,导致企业创新的逆向选择,即挤出效应 [21]。一方面,在绿色创新领域,知识产权保护将面临更高昂的监督、交易和执行成本,过度依赖独有技术或产品、创新回报率不足等困境可能弱化绿色创新动机;另一方面,绿色创新具有极高的环境效益,以专利为主的现有知识产权保护制度规避了技术进步是否具备环境友好性的问题,限制了绿色消费导向作用,导致 “绿色悖论”。由此可见,知识产权保护对绿色创新具有复杂的双向影响,两者可能存在非线性关系。
鉴于此,本文提出以下假设:
H1a： 知识产权保护对城市群绿色创新的影响是持续变化的,随着知识产权保护水平提升,影响效应由赋能效应转变为挤出效应;
H1b：知识产权保护驱动绿色创新的空间溢出效应存在显著异质性。
1.1.2 知识产权保护驱动城市绿色创新的机制分析
R&D 投入是绿色创新的核心要素,尤其是研发人员与研发资金投入对绿色创新有显著正向影响[23]。国外学者多从企业微观视角证实研发投入与绿色创新关系[21-22];国内学者主要从区域创新系统视角进行研究(李广培等,2018),证实研发经费投入与人员投入对绿色创新呈显著促进作用,且前者促进作用更显著。知识产权授予发明人以专有权,在研发创新活动以及R&D 投入中具有关键作用[24],现有文献已证实高知识产权保护水平会强化区域创新投入优势[19,25]。同时,有学者证实企业研发经费、外资投入在知识产权保护与创新关系间的作用 [14],然而并未考察城市绿色创新过程中研发投入对知识产权保护赋能作用的影响。从外部性与信息不对称性视角看,知识产权保护水平提高将引致企业在既有创新活动基础上加大绿色创新投入以提升自我绿色竞争力。具体为:知识产权保护水平提高,一方面将降低绿色创新成果被非法模仿的风险,增强企业被侵权后可及时得到法律救济及补偿的信心,有利于提高绿色创新预期收益,进而激励企业增加R&D投入[21];另一方面,有助于减少信息披露成本,弥补研发信息不对称的不足,释放投资可行性信号,避免投资者因缺乏相关信息而漠视企业创新价值[29],从而有利于吸引外部R&D进入。由此,本文提出如下研究假设:
H2：知识产权保护水平提高将引致R&D人员及资金投入增加,在既有创新活动基础上促进城市绿色创新。
1.1.3 知识产权保护下的绿色创新质量转变
绿色创新质量是指通过绿色创新活动创造或维持的价值,其对我国绿色发展与创新驱动战略实施具有重要意义。现有研究将绿色创新分为绿色实质性创新与绿色策略性创新两种,并以绿色实质性创新占比表征绿色创新质量[26]。绿色实质性创新是以推动企业技术进步和获取技术垄断租金为目的的高质量绿色创新行为,如新型绿色材料、绿色生产工艺等;而通过追求创新数量与速度以迎合政府监管、构建专利壁垒和攫取政策优惠的创新策略则被称为绿色策略性创新,如绿色供应链管理、绿色营销等。现有研究发现,中国现有的绿色创新激励政策仍重量轻质,易诱使企业从着眼于技术革新、产品迭代的实质性创新逐步转向以迎合政府监管和攫取政策优惠为动机的策略性创新 [27]。在严苛的知识产权保护下,相较于实质性创新,低质量的策略性创新面临更多的许可证、契约条款等商业化限制,增加产权纠纷与诉讼风险,减少创新边际利润,迫使企业“挤出”低质量的策略性创新,促进研发资源向绿色实质性创新活动倾斜与配置,进而形成绿色实质性创新对绿色策略性创新的资源挤占效应。因此,极具前瞻性与商业价值的绿色实质性创新可能更合乎企业战略选择 [24]。基于此,本文提出如下研究假设:
H3： 知识产权保护有利于促进绿色创新质量提升,即在严格的知识产权保护下,企业更倾向于进行绿色实质性创新而非绿色策略性创新。
综上所述,本文主要探寻知识产权保护与城市绿色创新关系及其作用机制,构建研究模型如图1所示。基于2010—2021年长三角与珠三角城市群内共35个城市面板数据测算各城市绿色创新水平,运用自然断点法及核密度估计法分析城市绿色创新与知识产权保护水平的时空分异情况;在此基础上建立空间杜宾模型,考察知识产权保护对绿色创新的双向驱动效应及空间溢出效应,采取替换核心指标、增加控制变量、分析子样本、更换样本区间以及进行缩尾检验等多种方法对基准回归结果开展稳健性检验;进一步,从异质非线性角度,运用门槛模型挖掘知识产权保护与绿色创新关系的转变,并结合绿色创新类型,探寻知识产权保护是否会提升绿色创新质量。最后,通过机制分析,探索研发投入在知识产权保护赋能城市绿色创新过程中的具体机制。
图1 研究模型
Fig.1 Research model
1.1.4 知识产权保护驱动城市绿色创新的空间计量模型
本文将空间矩阵纳入传统计量模型,构建空间滞后模型(SAR)、空间误差模型(SEM)以及空间杜宾模型(SDM) 三类空间计量模型,以更准确地衡量知识产权保护水平对城市绿色创新的影响。参照前人研究成果,SAR、SEM及SDM的基本形式分别如下所示:
ptei,t=α+ρWptei,t+β1lnippi,t+γicontroli,t+μi+νt+εi,t
(1)
ptei,t=α+β1lnippi,t+γicontroli,t+μi+νt+εi,t
εi,t=δWεi,t+ωit
(2)
ptei,t=α+ρWptei,t+β1lnippi,t+γicontroli,t+θWippi,t+φiWcontroli,t+μi+νt+εi,t
(3)
式中,ptei,t为t年城市i的绿色创新效率;lnippi,t为t年城市i知识产权保护水平的自然对数,β1、θ为本地以及毗邻城市知识产权保护水平对本地绿色创新的影响程度,ρ、δ分别为空间自回归与空间误差自相关系数;α为截距项;γi、φi为控制变量估计系数。W是空间权重矩阵,为n×n矩阵(n为城市总数),采用2010—2021年地区人均收入水平表征城市经济状况ei,构建经济距离权重矩阵W,若i≠j,则权重wij=1/|ei-ej|,否则wij=0;μi、vt分别为个体固定效应与时间固定效应,εit、ωit均为服从独立同分布的随机误差项。
1.2.1 被解释变量:城市绿色创新水平
目前,相关文献多从两个角度衡量绿色创新水平:一是专利角度,如李雪等[19]使用发明专利授权量表示区域创新产出;二是效率角度,如周力和沈坤荣[28]使用绿色创新效率或绿色全要素生产率衡量绿色创新水平。绿色创新效率作为绿色创新资源配置水平的具体表征,相较于一般专利指标,更能综合反映投入产出比,是衡量绿色创新的常用指标[29],故本文采用城市绿色创新效率刻画城市绿色创新水平。参照相关研究[10-11],选取全社会用电量表征能源投入,采用R&D人员和 R&D内部经费支出表征创新投入,以GDP表征期望产出,采用“三废”(废气排放、废水排放、固体废弃物排放)表征非期望产出。与前人做法不同的是,本文使用绿色发明申请总量而非专利授权量作为期望产出。采用考虑非期望产出的超效率SBM模型测算2010—2021年长三角城市群以及珠三角城市群城市绿色创新效率。假设有n个决策单元,m种投入,决策单元分别为投入X、期望产出Yt和非期望产出Yf的3个向量,构建SBM模型如下:
X=(X1,X2,…,Xn)∈Rm×n,Yt=(Y1t,Y1t,…,Ynt)∈Rm1×n,Yf=(Y1t,Y1t,…,Ynt)∈Rm2×n
(4)
1.2.2 核心解释变量:知识产权保护水平
借鉴文献[22]的研究,使用地区技术交易成交额占GDP的比重衡量各城市知识产权保护水平。国内研究主要从两方面衡量知识产权保护水平:一是综合分析法。如贾宗穆和张婧屹[30]在运用GP法测算中国知识产权保护水平基础上引入“各省份执法力度”指标进行修正;王钰等 [31]则从司法保护、执法力度及社会意识3个方面运用主成分分析法构建测度指标。二是单一指标衡量。考虑到单一指标可以克服量纲问题,使得不同年份数据更具可比性[32],许多学者选择单一指标衡量知识产权保护水平。如李俊青和苗二森[32]采用樊纲发布的中国市场化指数中的知识产权保护指标;胡凯等 [33]则使用技术合同成交额占GDP的比重这一结果型指标衡量。地区技术交易成交量反映产权保护下本土企业与外地企业的知识产权交易合同额。技术交易对象主要为知识产权,其实质是知识产权转让、授权以及相关利益分配。当某地的知识产权保护水平较高时,企业只能通过技术市场交易获取知识成果所有权与使用权,因此外地企业需要开展跨区域知识交易[22]。由此,技术市场成交额越大,说明地区技术市场交易越公平活跃,知识产权保护作用也越显著[19]。同时,技术交易市场成交额隐含与知识产权保护有关的信息,如该技术是否物有所值、买卖双方能否有效维护自身合法权益、买卖双方对地区司法裁决质量的信任度等,这些充分体现出知识产权的经济价值[33],在一定程度上能够避免前人研究中采取主观度量指标的主观性以及其它因素的干扰。因此,本文采用地区技术交易市场成交量测度知识产权保护水平。为便于比较,对技术交易成交额占GDP的比重取自然对数。
1.2.3 控制变量
选取市场规模、对外开放程度、环境规制、政府支持力度以及教育发展水平作为控制变量,具体指标及描述性统计结果见表1所示。为了便于研究,对部分指标取自然对数。
表1 变量描述性统计结果
Table 1 Descriptive statistics of variables
变量指标含义符号均值标准差最小值最大值绿色创新绿色创新效率pte0.6440.384-0.6881.932知识产权保护水平技术交易成交额占GDP比重lnipp3.6581.729-3.9257.841交通状况年末实有公共汽(电)车营运车辆数及实有出租汽车数lntra9.8271.2816.48812.711对外开放各地区实际利用外资金额占GDP比重lnopen-3.7330.993-11.841-2.241环境规制一般工业固体综合利用率env4.5030.1203.714.653政府支持财政一般预算内科学技术支出占比lngov-3.2600.500-4.721-1.775教育发展图书馆图书总藏量edu2.4550.9890.2165.721实质性创新绿色发明专利授权量subino3.8766.413041.62策略性创新实用新型专利和外观专利授权量strino15.43525.3960.09 195.25创新质量绿色发明专利在绿色专利授权总量中的占比quality4.460 8.060-0.02040.229
以2010-2020年长三角及珠三角城市群的35个城市为研究对象,数据来源于历年《中国统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》《中国专利统计年报》及各省市统计年鉴、国民经济和社会发展公报、环境公报等。采用内插法补充个别年份缺失数据。
2.1.1 城市群绿色创新水平时空演变特征
运用MaxDEA工具测算2010—2021年长三角以及珠三角城市群城市绿色创新水平。运用ArcGis10.8软件绘制2010、2015和2020年35个城市绿色创新自然断点图,分析其空间分异情况,并借鉴前人做法划分效率区等级,具体如图2所示。
图2 长三角和珠三角城市绿色创新水平空间分布情况
Fig.2 Spatial distribution of green innovation levels in cities of the Yangtze River Delta and Pearl River Delta
总体上,珠三角城市群的绿色创新水平明显高于长三角城市群,原因是珠三角城市群积极倡导绿色发展和生态文明理念,率先将绿色与创新贯彻到产业转型升级中,步入了新型工业化道路。在空间上,核心城市绿色创新水平最高,中低效率区聚集于长三角地区中北部与珠三角地区东部及西部,这与孙燕铭和谌思邈[11]的研究发现吻合,启示未来应当注重城市群内部绿色创新协同发展。
2.1.2 城市群知识产权保护水平时空演变特征
采用核密度估计法与自然断点法解析两大城市群知识产权保护水平动态演进及空间分异情况,如图3所示。可以发现,在样本考察期内两大城市群知识产权保护水平整体向右偏移,说明各城市知识产权保护水平呈现稳定且缓慢上升的良好发展态势;横向看,长三角城市群内呈现双峰向单峰过渡的分布态势,而珠三角城市群内呈现多峰形态,表明长三角城市群内知识产权保护水平两极分化现象逐渐减弱,而珠三角城市群内呈现不明显的多极分化现象;空间分布上,知识产权保护水平高的城市主要聚集于长三角城市群,两大城市群拥有相似的空间特征,均呈现由核心城市向外逐级递减的空间分布格局。
图3 长三角和珠三角知识产权保护水平核密度三维图
Fig.3 Three-dimensional kernel density plot of intellectual property protection levels in the Yangtze River Delta and Pearl River Delta
为考察知识产权保护与绿色创新关系是否存在区域差异性,对珠三角以及长三角城市群分别建立空间计量模型。对于模型选择,经LM检验、沃尔德检验(Wald test)与LR检验,本文选择空间杜宾模型进行检验。对于固定效应,经Hausman检验,时间固定效应模型的Log-likelihood值与实际更契合,具有较高的统计精度与可靠性,因此本文选取时间固定效应模型进行分析,回归结果如表2所示。列 (1) (3) (5)仅控制年份固定效应,列(2) (4) (6)分别在前者的基础上加入全部控制变量,所有模型解释变量的回归系数及空间效应均在1%的水平下显著为正,表明研究结果稳健。
表2 两大城市群知识产权保护-城市绿色创新回归分析结果
Table 2 Regression analysis of intellectual property protection and urban green innovation within the two major city clusters
变量总样本(1)(2)长三角区域(3)(4)珠三角区域(5)(6)ipp0.069***0.052***0.0631***0.0563***0.119***0.077***(6.43)(4.59)(3.98)(3.66)(8.85)(4.44)Wxipp-0.133***-0.162***-0.200***-0.260***0.165***0.188***(-4.68)(-5.17)(-6.07)(-6.95)(4.75)(4.33)controls-control-control-controlSpatialrho-0.238**-0.169*-0.322***-0.172*-0.530***-0.728***(-2.34)(-1.63)(-3.33)(-1.77)(-3.66)(-5.22)Variancesigma2_e0.113***0.099***0.110***0.091***0.056***0.041***(14.43)(14.45)(12.36)(12.45)(7.07)(6.78)N420420312312108108R20.1640.2780.2070.3390.2400.426
注:表中括号内为稳健标准误,***、**和*分别代表1%、5%和10%的显著性水平,下同
表2为不同模型下知识产权保护对绿色创新提升效应的回归结果。其中,列(1) (2)为全样本回归结果,结果显示,知识产权保护水平系数均在1%水平下显著为正,表明知识产权保护对城市绿色创新具有明显的赋能效应。列(3)～(6)分别为长三角城市群与珠三角城市群样本回归结果,结果显示,核心解释变量回归系数均显著为正,意味着上述城市群绿色创新同样受到知识产权保护的激励,从而部分证实了研究假设H1a。究其原因为,从弱知识产权保护向强保护阶段过渡的过程中,逐步完善的竞争环境与法律保障非常重要[36],有助于创新成果商品化、市场化和产业化,并向企业传达出清晰的市场需求信号,进而推动城市绿色创新发展, 即呈现赋能效应。随着近年来我国知识产权保护水平不断提升,这种赋能效应更加显著。自党的十八大以来,长三角和珠三角城市群积极推动协同发展与开放式创新,知识产权保护授予的专有性有效激发绿色创新发明者最大限度地利用其产出,进而提升两大城市群绿色创新效率。
为探究知识产权保护水平的空间溢出效应,同时避免出现系统性偏差,参照前人做法,使用偏微分分解主效应系数,结果见表3。就直接效应而言,两大城市群知识产权保护水平估计系数分别为0.066和0.054,均在1%水平下显著,说明知识产权保护水平每提高一个单位,长三角与珠三角城市群城市绿色创新水平分别上升0.066和0.054个百分点,表明两大城市群内的知识产权保护均能够赋能本地绿色创新发展,但长三角城市群的促进作用更明显;就间接效应而言,长三角城市群内系数显著为负,而珠三角内系数显著为正,说明在珠三角城市群内,知识产权保护对毗邻城市绿色创新发展发挥显著的激励作用,而在长三角城市群内则呈现负向阻碍作用。这意味着,知识产权保护的溢出效应具有明显的空间异质性。可能的原因是,不同城市群在政策方针、创新能力和区域跨度等方面存在较大差异,即长三角城市群跨度大,各城市知识产权发展水平不均衡,城市人力资本及物质资本等创新要素倾向于向高水平知识产权保护地区转移,致使毗邻城市的绿色创新活动受到抑制;珠三角城市群位于广东省内,知识产权政策方针趋于一致,本地知识产权保护水平提高有助于增强周边城市绿色创新信心,由此促进毗邻城市绿色创新发展。综上所述,不同城市群内知识产权保护对毗邻城市绿色创新水平的影响具有显著异质性,即研究假设H1b得以证成。
表3 知识产权保护对城市绿色创新影响效应的分解
Table 3 Decomposition of the impact of intellectual property protection on urban green innovation
效应总样本长三角珠三角直接效应0.056***0.066***0.054**(4.88)(4.13)(2.47)间接效应-0.150***-0.240***0.099***(-5.16)(-6.87)(2.71)总效应-0.093***-0.173***0.153***(-2.96)(-5.15)(5.12)
为了进一步考察研究结果的可靠性,进行一系列稳健性检验:第一,替换被解释变量。本文引入城市绿色发明专利申请量替换绿色创新效率以表征城市绿色创新水平。第二,增加控制变量。李雪等[19]的研究显示,互联网化水平提高显著促进区域创新产出,为降低遗漏变量对结果的影响,加入控制变量互联网化水平,使用互联网宽带接入用户数衡量。第三,剔除部分样本。以2018年专利授权数为依据,将两大城市群内城市划分为创新核心城市、创新节点城市以及创新腹地3个等级,剔除创新核心城市(上海、深圳),仅使用剩余样本进行检验。第四,更换研究样本区间,采用2014-2020年城市群数据作为研究样本。第五,更换空间权重矩阵,使用地理邻接矩阵替换原有经济距离矩阵。第六,内生性检验。采用前人做法,选取是否曾为英国租界与1919年基督教教会小学的注册学生数的乘积作为工具变量,运用两阶段最小二乘法估计。稳健性检验回归结果见表4,结果显示无论是长三角城市群还是珠三角城市群,各维度的稳健性检验均支持空间计量回归结果。
表4 稳健性检验结果
Table 4 Robustness test results
样本变量(1)(2)(3)(4)(5)(6)长三角城市群ipp0.471***0.060***0.040**0.045*0.0518***0.522***(5.64)(4.30)(2.53)(1.88)(3.06)(3.66)N312312300182312312珠三角城市群ipp0.650***0.045*0.055**0.112***0.053**0.16***(3.13)(1.95)(2.11)(4.54)(2.53)(5.87)N1081089663108108
上述研究表明,知识产权保护对两大城市群绿色创新具有显著赋能效应,考虑到知识产权保护与城市绿色创新之间可能存在异质非线性效应,本研究以知识产权保护水平为门槛变量,分组对全域城市以及各城市群进行Hansen门槛检验。表5为不同情形下门槛检验结果。研究发现,总样本中知识产权保护水平通过双重门槛检验,门槛值为2.474 6与4.506 6;珠三角城市群内则具有显著的单一门槛,门槛值为1.952 1;长三角城市群内并未呈现显著的门槛效应。
表5 门槛检验结果
Table 5 Threshold test results
样本门槛估计值P值BS次数临界值1%5%10%总样本2.474 6**0.008 050016.606 719.600 630.221 24.506 6**0.034 050015.233 120.978 320.978 3长三角4.506 60.018 050018.278 221.017 631.415 7珠三角1.952 1**0.028 050011.579 214.828 121.230 1
知识产权保护对绿色创新驱动的非线性估计结果见表6。由全域层面的基本模型估计结果可知,知识产权保护对绿色创新的赋能效应并非简单线性关系,而是呈现出持续变化的多元动态关系,在一定程度上表明知识产权保护对城市绿色创新的驱动作用存在阈值效应。这些发现为深入理解知识产权保护与城市绿色创新间的复杂关系提供了新证据和新视角。具体而言,当知识产权保护水平小于2.474 6时,知识产权保护估计系数显著达到0.079,表明在第一门槛区间即知识产权保护水平较低时,其能显著驱动城市绿色创新;当知识产权保护水平位于2.474 6与4.506 6之间时,回归系数转变为0.002但不显著;当其大于4.506 6时,回归系数显著为-0.038,表明随着知识产权保护水平提升,其对绿色创新的影响由赋能效应转变为挤出效应,且其负向阻碍作用呈现出由弱到强的变化趋势。原因可能是,更严格的知识产权保护措施导致短期内诱发关键技术垄断、绿色创新扩散受阻、市场供需失衡以及资源错配等负面效应,致使绿色创新无效率[12]。分区域看,绿色创新受知识产权保护赋能的门槛效应呈现明显的空间异质性见图4、图5。对于珠三角城市群,在门槛值1.952 1附近,知识产权保护回归系数由0.191变为-0.009,说明知识产权保护与绿色创新存在显著的倒“U”型关系,进而支持Park提出的“最优知识产权保护假说”。具体来看,当知识产权保护水平达到1.952时,其与绿色创新之间的倒“U”型关系曲线达到顶点,顶点左侧的知识产权保护水平与城市绿色创新呈正相关,右侧则呈负相关。这意味着尽管加强知识产权保护能赋能我国绿色创新发展,但如果知识产权保护过度,就会阻碍技术扩散,致使企业面临高昂的监督、交易和执行成本,而过分依赖独有技术或产品、创新回报率不足等困境致使绿色创新动机被挤占,进而对绿色创新产生挤出效应。长三角城市群内两者非线性关系未通过门槛效应检验,这并不意味着知识产权保护水平越高越有助于推动绿色创新提升,一种可能是此时知识产权保护水平还未达到“最优知识产权保护假说”所预示的最优强度,因此对绿色创新的边际贡献仍然为正 [30]。综上所述,研究假设H1a得证。
表6 城市群门槛效应估计结果
Table 6 Estimation results of the threshold effect in city clusters
解释变量总样本长三角珠三角pteptepteσ1≤ipp0.079***-0.001 0.1910***(2.27)(-0.05)(0.057)ipp>σ1--0.046***-0.009*-(-3.44)(0.031)σ1
图4 全域城市知识产权保护水平的双门槛效应
Fig.4 Dual threshold effects of integrated urban intellectual property protection level
图5 珠三角城市群知识产权保护水平的单门槛效应
Fig.5 Single threshold effect of intellectual property protection level in the Pearl River Delta city cluster
研发人员与研发资金是保障绿色创新的重要投入并支撑创新活动。城市绿色创新效能依靠知识产权保护赋能获得提升,这种赋能效应能否证明研发投入在知识产权保护赋能绿色创新过程中的作用,即创新收益稳定占有与被侵占风险降低推动城市在原有创新基础上进一步加大研发投入,助力绿色创新。针对知识产权保护影响绿色创新活动的间接作用,参考刘金科和肖翊阳[24]的做法,本文分别将以下变量作为被解释变量进行回归分析:整体创新,采用专利授权总量表示;研发人员,采用研发人员数衡量;研发资金,采用 R&D内部经费支出表示。回归结果见表7。
表7 机制回归估计结果
Table 7 Estimation results of the mechanism regression
被解释变量长三角城市群(1)(2)(3)整体创新研发人员研发资金珠三角城市群(4)(5)(6)整体创新研发人员研发资金ipp3.561***0.580***0.977***7.463***1.530***2.270***(3.97)(5.03)(6.15)(2.82)(4.60)(4.56)controlscontrolcontrolcontrolcontrolcontrolcontrolN312312312108108108R20.2070.3820.1820.2400.6270.520
机制回归估计结果显示,知识产权保护对两大城市群整体创新、研发人员以及研发资金投入的影响回归系数均为正且通过1%水平下的显著性检验,表明当前加强知识产权保护能带来整体创新水平与R&D投入显著提升。这是因为,作为影响自主创新能力的决定性因素—R&D投入增加有助于巩固企业绿色创新的经济和物质基础[26],进而为知识更迭提供强大支撑,功能型“有形之手”能实现在既有创新投入基础上激励企业进一步加大投入,在原有创新活动上叠加绿色创新,促进绿色创新水平提升,这一结论与肖振红、李炎[18]的研究结果相符,也验证了本文研究假设H2。
绿色创新质量提升对高质量发展与绿色目标实现尤为重要。相比实用新型专利,绿色发明专利是对某技术方案的突破性升级或创造[23],故本文以绿色发明专利授权量衡量实质性创新,以实用新型专利和外观专利授权量衡量策略性创新,以绿色发明专利在绿色专利授权总量中的占比表征绿色创新质量。一方面,与策略性创新相比,代表核心技术的发明专利在形成过程中, 其高投入、高风险、髙收益特征更加突出,加强知识产权保护有助于明确创新成果权益归属,保障企业获得核心技术成果带来的利润,有效分摊研发成本和研发风险,进而对企业研发活动产生更大的激励作用[34];另一方面,低质量的策略性创新面临更多的许可证、契约条款等商业化限制,因产权纠纷与被诉风险增加造成的创新边际利润减少迫使企业“挤出”低质量的策略性创新,促使研发资源向绿色实质性创新倾斜与配置。将绿色策略性创新、绿色实质性创新以及绿色创新质量作为被解释变量进行回归,考察知识产权保护对城市绿色创新质量的影响,结果见表8。可以发现,两大城市群内解释变量回归系数均在1%的水平上显著为正,意味着知识产权保护对发明专利、实用新型专利和外观设计专利申请量都有显著正向影响,说明加强知识产权保护对我国不同层次创新活动都有显著促进作用,且知识产权保护有利于绿色创新质量提升。这可能是因为绿色发明专利的专利垄断资金更高且可规避低质量专利带来的产权纠纷与侵权风险,有助于保持绿色竞争力,也在一定程度上佐证了林子秋与李应博[26]的研究结论。此外,两大城市群内知识产权保护对实质性创新的影响系数分别为3.439与4.651,比对应的策略性创新影响系数分别高出2.2和2.8个百分点,这与刘思明等 [34]基于我国省域层面大中型工业企业面板数据的研究结果相似,也证实了前文的理论假设H3,即在严格的知识产权保护下城市更倾向于进行绿色实质性创新而非绿色策略性创新。对比两大城市群估计系数,珠三角城市群内知识产权保护估计系数远高于长三角,充分说明相较于长三角,考察期内珠三角城市群知识产权保护产生的绿色创新质量提升效应更显著,因而现阶段尤其要鼓励珠三角城市群加大知识产权保护力度。
表8 城市群绿色创新策略选择的异质性
Table 8 Heterogeneity of green innovation quality selection in urban clusters
被解释变量长三角城市群(1)(2)(3)实质性创新策略性创新创新质量珠三角城市群(4)(5)(6)实质性创新策略性创新创新质量ipp3.439***1.182***0.019***4.651***1.859***2.880***(5.11)(6.27)(2.82)(2.72)(4.88)(8.75)controlscontrolcontrolcontrolcontrolcontrolcontrolN312312312108108108R20.0330.3210.1780.0500.3930.096
本文在梳理、分析我国知识产权保护影响城市绿色创新的基础上,利用2010-2020年城市面板数据,对知识产权保护与城市群绿色创新关系进行实证检验,并深度探索其赋能机制。主要结论如下:
(1)时间维度上,两城市群的知识产权保护水平均呈现缓慢上升的良好态势且高水平区间的城市数量逐年增加,其中,珠三角城市群的平均绿色创新水平明显高于长三角城市群的平均水平;空间维度上,绿色创新水平呈现“核心城市最高,中低效率区聚集于长三角中北部与珠三角东部和西部”的空间分布格局,知识产权保护水平则呈现由核心城市向外逐级递减的空间梯度格局。
(2)知识产权保护对城市群绿色创新的影响是持续变化的,随着知识产权保护水平提升,赋能效应转变为挤出效应,且其负向阻碍作用呈现出由弱到强的变化趋势。分区域来看,知识产权保护赋能的门槛效应存在明显的空间异质性,其中,珠三角城市群内两者关系呈动态非线性,而长三角城市群内两者非线性关系未通过门槛效应检验。
(3)知识产权保护的溢出效应具有显著空间异质性。珠三角城市群内,本地知识产权保护对毗邻城市绿色创新发展发挥赋能效应,而长三角城市群内则呈现挤出效应。
(4)知识产权保护有利于城市绿色创新质量提升,即在严格的知识产权保护下,城市更倾向于进行绿色实质性创新而非绿色策略性创新。
(5)机制分析结果表明,知识产权保护通过激励城市内研发人员与资金投入,在既有创新活动基础上促进绿色创新水平提升。
(1)积极推动知识产权保护与城市绿色创新有机融合。知识产权保护在发展前期能够显著赋能城市绿色创新,多方主体应联合提升知识产权转化效率,将知识产权与市场、技术等资源整合,促进城市绿色创新。政府既要大力发展公共创新孵化器、数字化信息共享、技术转移及融资等平台,加快建设知识产权保护、评估和交易的新型基础设施,又要为绿色创新发展提供软性支撑,制定多层次、多元化的绿色创新引导及服务政策以激发知识产权保护的赋能效应。创新主体则应加强知识产权从产品技术研发到生产应用的全过程管理,构建集战略规划、人才培养、财务管理、合同管理等一体化的知识产权评估和交易平台,促进科研机构、高校、行业协会等提高自主创新能力和绿色创新项目市场化水平。由于知识产权保护对城市绿色创新的影响更趋向于促进绿色实质性创新,政府应当推动专利审查精细化、专业化及智能化转型,对创新偏好不同的主体提供针对性政策帮扶,促进企业间、企业与研发机构间技术转移与合作,减少重复研发与资源浪费,通过税收减免、市场准入等措施鼓励创新主体逐步以实质性创新替代策略性创新。
(2)降低高强度知识产权保护对城市绿色创新的阻碍作用。随着知识产权保护水平不断提升,其对城市绿色创新将产生由弱到强的挤出效应, 政府要加强知识产权保护工作的顶层设计,制定灵活性大、适应性强的知识产权规则,通过有针对性地调整知识产权保护范围和期限、引入授权许可机制等措施平衡知识产权保护与其他主体间的利益关系。知识产权制度设计应从两个方面着手:一方面,建立健全我国知识产权反垄断制度,出台相关法律法规和实施细则,限制抢注、滥用等恶意竞争行为,同时,提高司法、执法质量与效率,确保知识产权保护水平科学合理以保障知识专有性和创新回报。另一方面,知识产权的专有性和排他性不宜过高,鼓励创新主体采用开放式创新模式进行创新合作与技术交流,规范知识产权市场交易并加强产权纠纷风险管理,营造兼具成果保护与成果共享的绿色创新环境,防止产权垄断导致市场扭曲与资源配置失衡。
(3)不同城市群应因地制宜地实施知识产权保护政策和绿色创新战略。虽然知识产权保护水平的空间溢出效应存在地区差异性,但是两大城市群均应加强区域协同创新系统的深度耦合,尽可能释放绿色创新的溢出红利。具体而言,长三角城市群应发挥区域中心城市优势,由政府统筹协调区域知识产权保护水平,依托政策扶持以及校企合作打通创新资源共享通道,加大地区绿色技术创新人才交流与引进,通过资金和政策倾斜持续释放对绿色创新的赋能效应;而珠三角城市群应更注重区域协同发展机制与知识产权立法、司法以及行政保护三位一体的软硬件建设,推动核心城市发挥网络枢纽作用,通过辐射效应带动周边城市迈向强竞争力、高水平创新力阶段。
(4)研发人员与研发经费投入是开展绿色创新的关键资源,现阶段需在持续加大知识产权保护建设基础上建立健全人才引进、绿色创新融资政策,鼓励高校与研究机构培育绿色创新人才,优化绿色创新激励机制,吸引社会资金与高新人才进入绿色创新领域,发挥对绿色创新的促进作用。同时,政府应转变思维,制定完善的绿色创新标准与认证机制,调整和优化绿色创新政策与措施,拓宽绿色创新投融资渠道,避免绿色创新陷入“提量”而不“提质”的困境。
[1] KUNAPATARAWONG R, MART
NEZ-ROS E.Towards green growth:how does green innovation affect employment[J]. Research Policy, 2016, 45(6): 1218-1232.
[2] 钱丽,王文平,肖仁桥.高质量发展视域下中国企业绿色创新效率及其技术差距[J].管理工程学报,2021,35(6):97-114.
[3] 曹霞,于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境,2015,25(5):10-19.
[4] 王晗,何枭吟,许舜威.创新型城市试点对绿色创新效率的影响机制[J].中国人口·资源与环境,2022,32(4):105-114.
[5] 李婉红.中国省域工业绿色技术创新产出的时空演化及影响因素:基于30个省域数据的实证研究[J].管理工程学报,2017,31(2):9-19.
[6] YSAMEEN H, TAN Q, ZAMEER H, et al. Exploring the impact of technological innovation, environmental regulations and urbanization on ecological efficiency of China in the context of COP21[J]. Journal of Environmental Management, 2020,274:111210.
[7] 李青原,肖泽华.异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J].经济研究,2020,55(9):192-208.
[8] AMORE M D, BENNEDSEN M. Corporate governance and green innovation[J]. Journal of Environmental Economics and Management, 2016,75: 54-72.
[9] 孙振清,李欢欢,刘保留.中国东部沿海四大城市群协同创新效率综合测度及影响因素研究[J].科技进步与对策,2021,38(2):47-55.
[10] 董会忠,李旋,张仁杰.粤港澳大湾区绿色创新效率时空特征及驱动因素分析[J].经济地理,2021,41(5):134-144.
[11] 孙燕铭,谌思邈.长三角区域绿色技术创新效率的时空演化格局及驱动因素[J].地理研究,2021,40(10):2743-2759.
[12] 戚聿东,杜博,叶胜然.知识产权与技术标准协同驱动数字产业创新:机理与路径[J].中国工业经济,2022,39(8):5-24.
[13] WAN Q, YUAN L, YAO Z, et al. Impact of intellectual property protection on the innovation efficiency in China's hi-tech industry[J]. Technology Analysis &Strategic Management, 2023, 35(1): 107-122.
[14] 王海成,吕铁.知识产权司法保护与企业创新——基于广东省知识产权案件“三审合一”的准自然试验[J].管理世界,2016,32(10):118-133.
[15] GANGOPADHYAY K, MONDAL D. Does stronger protection of intellectual property stimulate innovation [J]. Economics Letters, 2012,116(1): 80-82.
[16] 彭衡,李扬.知识产权保护与中国绿色全要素生产率[J].经济体制改革,2019,37(3):18-24.
[17] 肖振红,李炎.高专利密集度制造业绿色创新路径演化分析——知识产权保护强度视角[J].管理评论,2022,34(11):88-98.
[18] 肖振红,李炎.知识产权保护、R&D投入与区域绿色创新绩效[J].系统管理学报,2022,31(2):374-383.
[19] 李雪,吴福象,竺李乐,等.互联网化、知识产权保护与区域创新产出[J].科技进步与对策,2021,38(18):46-55.
[20] 庄子银,贾红静,李汛.知识产权保护对企业创新的影响研究——基于企业异质性视角[J].南开管理评论,2022,25 (11):1-22.
[21] XU P, ZHANG M, GUI M. How R&D financial subsidies, regional R&D input, and intellectual property protection affect the sustainable patent output of SMEs: evidence from China[J]. Sustainability, 2020, 12(3): 1207.
[22] ANG J S, CHENG Y, WU C. Does enforcement of intellectual property rights matter in China? evidence from financing and investment choices in the high-tech industry[J]. Review of Economics and Statistics, 2014, 96(2): 332-348.
[23] NOORI J, NASRABADI M B, YAZDI N, et al. Innovative performance of Iranian knowledge-based firms: Large firms or SMEs [J]. Technological Forecasting and Social Change, 2017, 122: 179-185.
[24] 刘金科,肖翊阳.中国环境保护税与绿色创新:杠杆效应还是挤出效应 [J].经济研究,2022,57(1):72-88.
[25] LETEN B, VANHAVERBEKE W, ROIJAKKERS N, et al. IP models to orchestrate innovation ecosystems: IMEC, a public research institute in nano-electronics[J]. California Management Review, 2013, 55(4): 51-64.
[26] 林子秋,李应博.知识作用视角下城市间环境规制异质性与绿色创新质量研究[J].科技进步与对策,2022,39(21):33-44.
[27] 黎文靖,郑曼妮.实质性创新还是策略性创新——宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.
[28] 周力,沈坤荣.国家级城市群建设对绿色创新的影响[J].中国人口·资源与环境,2020,30(8):92-99
[29] 李健,马晓芳.京津冀城市绿色创新效率时空差异及影响因素分析[J].系统工程,2019,37(5):51-61.
[30] 贾宗穆,张婧屹.研发效率、知识产权保护与经济繁荣[J].财经研究,2022,48(7):138-153.
[31] 王钰,胡海青,张琅.知识产权保护、社会网络及新创企业创新绩效[J].管理评论,2021,33(3):129-137.
[32] 李俊青,苗二森.不完全契约条件下的知识产权保护与企业出口技术复杂度[J].中国工业经济,2018,35(12):115-133.
[33] 胡凯,吴清,胡毓敏.知识产权保护的技术创新效应——基于技术交易市场视角和省级面板数据的实证分析[J].财经研究,2012,38(8):15-25.
[34] 刘思明,侯鹏,赵彦云.知识产权保护与中国工业创新能力——来自省级大中型工业企业面板数据的实证研究[J].数量经济技术经济研究,2015,32(3):40-57.