互联网化、知识产权保护与区域创新产出

创新是引领发展的第一动力。党的十八大明确提出深入实施创新驱动发展战略。近年来我国自主创新能力不断提升，科技创新产出不断提高，在航空航天、高速铁路、量子信息、人工智能、物联网、云计算以及大数据等领域不断取得新突破。2019年我国全社会研究与试验发展(R&D)经费支出22 143.6亿元，增长12.5%，发明专利授权量增至45.28万件，增长4.78%，PCT专利申请量达5.90万件，位居世界第一位，在世界知识产权组织公布的全球创新指数中位居第14位，而且呈现逐年上升态势。但与世界先进水平相比，我国很多领域的关键核心技术仍然存在重大缺失，具有自主知识产权的自有技术或者品牌较少，总体创新产出仍然不足。

在新一轮科技和产业革命窗口期，为深入推进创新驱动发展，不仅需要加大创新要素投入，而且创新活动的开展也离不开知识产权保护。创新往往伴随着高风险，由于创新成果产出具有非竞争性和公共产品特征，如果得不到有效的知识产权保护，将会抑制创新主体的创新积极性。因此，健全的知识产权保护制度是保障创新发展的重要因素。然而，知识产权保护制度也是一把双刃剑，一方面，能够运用法律手段保护创新主体成果，另一方面，也降低了知识和技术的传播与共享，过度的知识产权保护还可能抑制区域整体创新产出[1]。与此同时，互联网的快速发展不断为传统经济注入新活力。《中国互联网发展报告》显示，截至2020年6月，我国互联网普及率达67.0%，IPv6地址数量位居世界第二，互联网为我国的经济社会发展提供了有力支撑，已经成为我国创新驱动发展的重要先导力量。

那么，目前中国的知识产权保护政策是否促进了区域创新产出？如果是，其通过何种机制促进创新？在互联网对经济与创新的影响越来越显著的时代，互联网在知识产权保护的创新效应中又发挥怎样的作用？二者之间是否存在协调效应，进而对区域创新产出产生新的影响？为了回答以上问题，本文在对知识产权保护和互联网化影响区域创新产出的相关文献进行梳理与分析的基础上，运用2003 -2018年中国省级面板数据对知识产权保护、知识产权保护与互联网化交互作用对区域创新产出的影响机制进行实证检验。

1 文献综述与研究假设

1.1 知识产权保护对区域创新产出的影响

创新系统中各创新主体开展研发创新活动都需要大量的投入，耗时长、不确定性与风险高，且研发资本一旦投入，大部分都会变成沉没成本，而由此产生的研发知识和技术因具有社会公共物品特征，以及不可分割性和非竞争性，进而导致技术创新过程中创新主体的私人投入与私人收益存在不对称性[2]。如果研发知识和技术得不到有效保护，特别是当私人收益小于社会收益时，会打击创新者的积极性，不利于创新产出。由此，很多学者认为对具有正向外部效应的知识产权进行保护，能鼓励创新行为，如果缺乏法律保护，基于研发投入、产出的相关属性和特征将导致知识技术成果供不应求[3]。

在知识产权保护制度下，可以减少知识侵权行为，保障知识技术主体享有一定期限的专有权和收益性。在此期间由知识产权保护产生的垄断利润可以有效弥补创新主体在研发过程中投入的研发资本，维护创新主体研发利益，从而激发创新主体的创新积极性。知识产权保护对创新产出的积极影响不断被学者们验证。如胡凯等[4]利用中国省级面板数据研究发现，加强知识产权保护能够显著促进技术创新；李蕊和巩师恩[5]同样基于区域层面的实证得出相同结论。同时，知识产权保护能够促进企业创新产出提高[6]，这是因为投资环境越完善，投资者和创新主体面临的创新风险就越低，创新产出也就越多[7]。加强知识产权执法还可以通过减少创新主体的研发溢出损失和缓解外部融资约束促进创新产出[8]。

但随着知识产权保护强度不断增大，由于创新的复杂性等因素，知识产权保护对创新的促进作用也可能出现转变。“最优知识产权论”[9]认为，知识产权保护与创新产出之间存在倒“U”型关系，在达到最优强度的知识产权保护水平前，知识产权保护对创新产出有持续的正向效应，但越过最优强度后，过高的知识产权保护水平反而会抑制技术创新。这是因为过度的知识产权保护抬高了创新门槛，导致新进入的创新主体需要支付较高的研发成本，从而遏制创新活动开展，同时，固化原创新主体的市场地位，不利于整体创新活动的推进[10]。康继军和孙彩虹[11]通过构建知识驱动型两部门模型，认为知识产权保护与技术进步之间存在倒“U”型关系，并利用我国省级面板数据进行了验证；顾群和翟淑萍[12]发现，加强知识产权保护可以提高创新效率，但过度的知识产权保护会削弱对创新效率的积极影响；刘思明等[13]运用我国大型企业工业数据研究发现，知识产权保护与创新能力之间存在倒“U”型关系，且超过95%的样本位于拐点左侧；王华[14]发现，知识产权保护制度有利于促进发展中国家的技术创新，但呈现出边际效应递减的非线性门槛特征。由此可见，知识产权保护与创新产出可能存在非线性关系，据此提出本文研究假设：

H1：知识产权保护水平提高会对区域创新产出产生积极的正向影响，但随着知识产权保护强度持续提升，会呈现出边际效应递减的创新驱动效应，甚至会抑制创新产出。

1.2 互联网下知识产权保护对区域创新的影响

尽管互联网的快速发展会引发网络知识产权问题，如增加信息泄露风险、出现越来越多的不良信息以及知识产权纠纷等，但也给区域创新带来了新机遇。当知识产权保护对创新产出的影响处于激励阶段时，互联网化与知识产权保护间的协调效应对区域创新的影响主要体现在两个方面：

一是互联网通过对创新主体的直接影响促进创新产出。一方面，互联网应用有助于创新主体更加高效地利用各类资源与要素，缓解创新主体与交易对象间的信息不对称问题，降低创新主体交易成本，促进管理结构扁平化、合理化，提升创新主体创新绩效，促进创新产出。同时，互联网发展也能够为创新主体提供安全有效的配套措施，提高创新主体的知识产权维权意识，节约知识产权维护成本，进一步激励创新主体多产出创新成果。另一方面，互联网发展不断催生新业态新模式，使创新主体可以不断延伸产业链。在知识产权保护的作用下，新业态下的知识与技术收益得到保障，使创新主体可以更加放心地加大创新投入、拓展业务范围，形成创新产出。

二是互联网通过对外部投资者和政府的影响，间接对创新主体产生促进作用。一方面，互联网的广泛运用使得创新主体与外部投资者之间有了更多透明的交流平台。在知识产权保护下，创新主体的知识和技术产权能够得到较好的保护，创新主体也更愿意将相关信息披露给外部投资者。在互联网平台上，投资者能够更加快速、准确地获取创新主体相关信息，实施更加精准的投资，确定创新投入方向和力度，进而促进创新产出。同时，当投资者预期自己所投项目成果可以得到较好的知识产权保护时，会更愿意追加投资，进而形成良性循环。另一方面，随着互联网的快速发展，各种各样的知识产权侵权案件不断被披露，促使政府加快知识产权立法进程、着力法律体系完善，为创新活动保驾护航。由此，本文提出研究假设：

H2：在知识产权保护对创新产出具有正向影响时，互联网化与知识产权保护之间存在协调效应，互联网水平提高能够强化知识产权保护对区域创新产出的促进作用。

2 计量模型设定、变量与数据说明

2.1 计量模型设定

为了验证本文提出的研究假设，首先对知识产权保护影响区域创新产出的线性机制进行检验，基本计量模型如下：

rioi,t=β0+β1ippi,t+βiXi,t+λi+εit

其中，rioi,t表示i省域第t年的创新产出水平，ippi,t表示i省域第t年的知识产权保护水平，向量Xi,t代表可能影响区域创新产出的一系列控制变量，λi表示i省域不可观测的个体固定效应，εi,t表示随机干扰项。

同时，为了验证研究假设H2，检验互联网化在知识产权保护影响区域创新产出中的作用，在模型(1)的基础上纳入互联网化水平以及互联网化与知识产权保护的交互项，构建模型如下：

rioi,t=α0+α1ippi,t+α2inti,t+α3ippi,t×inti,t+αiXi,t+λi+εit

其中，inti,t表示i省域第t年的互联网化水平，α2表示互联网化对区域创新产出的影响系数，α3是互联网化与知识产权保护的交互项系数，反映互联网化程度与知识产权保护的协调效应对区域创新产出的影响，其它变量定义同式(1)。

为了进一步检验知识产权保护对区域创新产出可能存在的非线性作用机制，借鉴Hansen [15]的门槛模型进行核验，在基本模型(1)的基础上构建如下模型：

rioi,t=ψ0+ψ1ippi,t×I(ippi,t≤θ)+ψ2ippi,t×I(ippi,t>θ)+ψiXi,t+λi+εit

其中，ippi,t既是核心解释变量，也是门槛变量，I(·)为取值1或0的指示函数，若满足括号内的条件取值为1，否则为0，θ为待估计门槛值，不同样本区间内的知识产权回归系数ψ1与ψ2存在一定差异。上式是单门槛模型，具体检验时可根据检验结果拓展至多门槛模型。

最后，考虑到各省域间的创新活动并不是完全独立的，可能存在空间相关性，因此进一步构建空间计量模型，检验知识产权保护对区域创新产出的影响机制。空间计量模型分为空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)，3类模型的空间传导机制不同，本文设定3种模型的基本形式分别如式(4)、(5)、(6)所示。

rioi,t=ρWrioi,t+φ1ippi,t+φiXi,t+εi,t

rioi,t=φ1ippi,t+φiXi,t+εi,t

εi,t=δWεi,t+ωi,t

rioi,t=ρWrioi,t+φ1ippi,t+φiXi,t+φ1Wippi,t+φiWXi,t+εi,t

其中，ρ、δ、φ1和φi表示空间相关系数，W表示空间权重矩阵。为了更客观地分析知识产权保护对区域创新产出的影响，借鉴以往研究，不仅从地理属性角度构建地理权重矩阵和邻接权重矩阵，还从经济特征角度构建经济空间特征权重矩阵。具体设定方法如下：

(1)地理权重矩阵。此矩阵是基于地理距离的空间权重矩阵。dij表示i省份与j省份省会城市间的直线距离，如式(7)所示。

(2)邻接权重矩阵。此矩阵是依据两个省份在地理上是否相邻而设定的，地理相邻的省份取值为1，不相邻的省份取值为0，如式(8)所示。

(3)经济空间特征权重矩阵。现实中地理距离相近的省份，它们的经济关系可能并不完全相同，此矩阵是基于两个省份间的经济关系设定的，具体计算公式如下：

其中，

是反距离权重矩阵，即

为2003-2018年i省份的GDP均值，

为所有地区GDP均值。

2.2 变量说明

2.2.1 被解释变量：区域创新产出(rio)

针对区域创新产出，很多学者从专利角度衡量，主要包括发明专利、实用新型专利和外观设计专利。其中，发明专利授的技术含量最高，可反映创新主体的成果质量，同时，也能够更准确地体现区域创新产出。本文借鉴宋旭光和赵雨涵[16]以及李婧等[17]的研究，使用发明专利授权量表示区域创新产出。

2.2.2 核心解释变量

(1)知识产权保护(ipp)。关于知识产权保护的衡量，已有研究主要从两个方面展开：一方面是构建知识产权保护综合指标。如吴超鹏和唐菂[8]从执法行政、司法保护和执法效果3个方面，采用主成分分析方法构建各省域知识产权保护执法指数；魏浩和巫俊[18]则在Ginarte与Park[19]构建的GP指标上引入执法力度，计算修正后的知识产权保护指数。另一方面，由于官方并没有披露关于知识产权保护综合指数的相关数据，同时，其测算也面临一定挑战和困难，因此很多学者选择单一指标对知识产权保护进行衡量。如胡凯等[4]以及李勃昕等[20]，采用技术合同成交额占GDP的比重衡量知识产权保护程度。由于技术交易市场是对科技资源进行市场化配置和促进技术成果产业化的平台，是协调技术供求的场所，只有当交易双方的权利得到妥善保护并能够在市场交易中获得高于投入的预期回报时，交易双方才愿意在技术交易市场进行交易。因此，技术市场成交额越大，说明地区的技术交易市场越公平活跃，知识产权的保护作用也越大。同时，技术市场成交额包含了与知识产权保护有关的各种信息，如技术是否物有所值，交易双方能否维护其自身权益等。因此，它是一个结果性的综合指标，能够充分反映知识产权保护的经济价值。据此，本文借鉴以往研究，选取技术合同成交额占GDP的比重度量各个地区知识产权保护程度。

(2)互联网化(int)。针对互联网化水平，不同学者采用了不同测度方法。如施炳展和李建桐[21]采用互联网普及率进行衡量；张旭亮等[22]采用互联网网页数进行衡量。本文借鉴生延超和李辉[23]的做法，采用互联网规模衡量不同地区的互联网化水平，具体用互联网上网人数表示。

(1)固定资产投资(fi)。固定资产投资不仅可以改善创新主体的生存环境，而且可以改善创新主体的生产能力，进而提高创新主体的创新效率，促进创新产出。本文选用固定资产投资占GDP的比重衡量。

(2)工业化程度(id)。不同地区所处经济发展阶段不同，其自主创新路径也会有差异。当经济发展处于初期阶段时，地区主导产业和创新主体所属行业通常为第二产业，随着经济不断发展，第二产业在区域创新中的作用逐渐降低，第三产业将发挥越来越重要的作用。本文用第二产业产值占GDP的比重衡量。

(3)对外开放程度(do)。在对外开放的初始阶段，由于国内市场竞争加剧，一些厂商出于竞争考虑，在完成一定资本积累后开始进行自主研发。同时，对外开放通过知识溢出等途径影响当地创新活动。本文选用地区进出口总额与GDP的比值衡量，处理过程中，美元按照每年人民币汇率中间价进行换算。

(4)交通基础设施(ti)。交通基础设施便利、完善，不仅有助于促进不同地区科技人员流动，从而对技术创新产出产生影响，还可以优化研发资源配置，进而影响区域创新产出。本文用每平方千米公路线路里程数衡量不同地区交通基础设施发展水平。

(5)财政支出水平(fe)。区域创新系统的运行离不开政府支持，而财政支出能够反映当地政府的支持程度，并通过资源配置对区域创新活动产生影响。本文选用各省市财政支出占GDP的比重衡量地区财政支出水平。

2.3 数据来源

鉴于数据可得性，选取2003 -2018年中国内地30个省市面板数据作实证分析(西藏自治区因很多数据缺失，故未纳入研究范畴)。本文使用的区域创新产出数据、知识产权保护数据以及互联网化数据，主要来自《中国科技统计年鉴》、《中国统计年鉴》和《中国互联网络发展状况统计报告》，其余控制变量数据除来自上述统计年鉴外，还来自各省市统计年鉴。对本文计量模型待检验的所有变量进行描述性统计，结果如表1所示。

3 实证检验及结果

3.1 知识产权保护影响区域创新产出的基本估计结果

表2报告了知识产权保护对区域创新产出影响的估计结果。对于模型选择，经Hausman检验，本文选用固定效应模型进行检验，如模型1和模型2所示。同时，考虑到模型中可能存在内生性问题，将滞后一期的解释变量作为工具变量进行2SLS估计，结果如模型3和模型4所示。

在模型1与模型3中，知识产权保护影响系数均在1%的水平下显著为正，说明其对区域创新产出有显著的积极影响。模型2与模型4进一步控制了相关变量且回归结果仍然显著为正，说明知识产权保护对提升我国区域创新产出具有重要的积极作用，验证了本文的假设H1。对于控制变量，固定资产投资力度越大，越能促进地区创新产出；工业化程度没有显著提升区域创新产出，说明目前我国整体上已经进入以第三产业为主的发展阶段，而第二产业升级并不能提升区域创新产出；对外开放程度并没有显著促进区域创新产出提高，可能的原因是在本世纪初期，开放程度扩大在一定程度上加剧了国内市场竞争，导致创新主体的自主创新能力没有得到充分发挥；交通基础设施的影响系数显著为正，即交通基础设施越发达，越有利于不同地区间知识与技术交流，促进地区创新产出增加；财政支出水平系数也显著为正，即政府通过有力的财政干预，对地区创新活动产生了积极影响。

3.2 互联网作用下知识产权保护影响区域创新产出的估计结果

依据式(2)对知识产权保护、互联网化及其交互项对区域创新产出的影响进行回归检验，结果如表3的模型1所示。

在加入互联网化水平以及互联网与知识产权保护的交互项后，知识产权保护对区域创新产出的促进作用仍然显著为正，互联网化水平的回归系数也显著为正，说明两者都能够促进区域创新产出。同时，二者交互项系数也显著为正，说明创新主体所在省域的互联网化水平越高，知识产权保护与互联网化协同对我国区域创新产出的促进作用就越显著。这是因为在互联网发展水平越高的地区，创新主体获取外部信息和知识的机会就越多，从而有助于提升创新效率，在知识产权保护与互联网化的协同作用下显著促进区域创新产出提高，验证了本文的研究假设H2。考虑到可能存在的内生性问题，仍然采用滞后一期的解释变量作为工具变量进行2SLS估计，结果如模型2所示。研究发现，互联网化水平更高的省域通过加强知识产权保护，能显著促进地区创新产出，进一步验证了本文研究假设H2。

3.3 知识产权保护与互联网化对区域创新产出影响的区域异质性

以上分析均为全国层面的结果，但事实上我国不同地区的禀赋条件和发展阶段等有着较大差异，无论是知识产权水平、互联网化程度，还是区域创新产出，都存在着明显的区域异质性。因此，知识产权保护对区域创新产出的影响以及互联网化对知识产权保护促进区域创新产出的影响，都可能存在区域差异。本文将30个省市分为东部地区和中西部地区进行回归估计，具体结果如表4所示。

模型1与模型2分别检验东部地区、中西部地区的知识产权保护对区域创新产出的影响。回归结果显示，中西部地区的知识产权保护能够显著促进创新产出，东部地区的知识产权保护系数为正但不显著，说明东部地区的知识产权保护对创新的积极影响虽然存在，但促进作用没有中西部地区明显。模型3、模型4检验的是东部地区和中西部地区互联网化与知识产权保护间协调效应对区域创新产出的影响。结果显示，中西部地区互联网化水平提升能够强化知识产权保护对区域创新产出的促进作用，而东部地区的交互项系数尽管也为正但数值较小，说明互联网化在一定程度上也能促进知识产权保护对东部创新产出的提升作用，但整体上并不显著。由此，可以看出，我国知识产权保护水平提升整体能够对区域创新产出产生正向影响，但是在不同区域呈现出差异，其中，中西部地区的正向影响效应更显著，东部地区知识产权保护水平提升的促进作用不明显。造成这种差异的原因可能在于，知识产权保护水平对区域创新产出的促进作用本身存在倒“U”型特征，其中，中西部绝大部分地区发展处于倒“U”型左侧，而东部更多地区开始进入倒“U”型右侧，从而使得东部地区知识产权保护水平对区域创新产出的提升作用不明显。

3.4 知识产权保护影响区域创新产出的非线性效应

考虑到知识产权保护与区域创新之间可能存在非线性效应，故运用门槛模型进行估计检验。首先确定门槛变量个数，用Bootstrap自抽样法，反复抽样500次后，结果显示，知识产权保护水平显著通过了单一门槛检验，未通过双重门槛和三重门槛检验。具体结果如表5所示，门槛值为1.648 2。

表5的门槛效应估计结果显示，随着知识产权保护水平提高，其对我国区域创新产出的影响确实存在显著的动态非线性效应。根据检验的门槛值可以看出，当知识产权保护水平值低于1.648 2时，知识产权保护回归系数为0.40，说明在此区间知识产权保护对区域创新产出有显著正向影响，当高于1.648 2时，回归系数为0.12，即在此区间知识产权保护对创新产出的积极影响仍然存在，但影响强度逐渐降低，说明目前我国知识产权保护对区域创新产出的促进作用呈边际效应递减特征，整体上处于最优知识产权论的倒“U”型曲线左侧，验证了假设H1。分区域看，在门槛检验中，高于1.648 2的共有70个样本，其中，东部地区有41个，占东部地区样本量的23.30%，中西部地区有39个，占中西部地区样本量的12.8%，说明东部有更多地区的知识产权保护对区域创新产出的影响已进入边际效应递减甚至是不利阶段，这也进一步解释了在区域异质性检验中虽然东部地区仍然存在知识产权保护的创新促进效应，但效果相对不显著的现象。

3.5 知识产权保护影响区域创新产出的空间计量分析

进行空间效应分析前，首先，检验我国各个省域的创新活动是否存在空间相关性。本文采用莫兰指数法(Moran's I)计算地理权重矩阵、邻接权重矩阵以及经济空间特征权重矩阵下各年度区域创新产出的空间效应，具体如表6所示。可以看出，3种权重矩阵下2003 -2018年的中国区域创新产出Moran's I指数几乎都通过了显著性检验，说明我国区域创新活动具有显著的空间集聚特征，可采用空间计量模型进行估计。

其次，进行空间计量模型选择。根据LM检验结果，3种权重矩阵下模型的LMERR和R-LMERR值均通过了显著性检验，而部分LMLAG和R-LMLAG值未通过显著性检验。根据Anselin等[24]提出的判断准则，本文选择空间误差模型进行检验。对于固定效应和随机效应的选择，Baltagi[25]指出，当回归样本局限于某些特定个体时，固定效应模型更加合适，因此本文选取固定效应模型进行分析，最终回归结果如表7所示。

可以看出，在地理权重矩阵、邻接权重矩阵以及经济特征空间权重矩阵下，知识产权保护水平对区域创新产出的影响系数均在1%的水平下显著为正，说明目前我国知识产权保护水平提升对区域创新产出有显著促进作用，良好的创新保护环境已经成为影响我国区域创新产出的重要因素，再次验证了知识产权保护对区域创新产出的正向促进效应。

3.6 知识产权保护对区域创新产出的作用机制

前文已经检验了知识产权保护对区域创新产出的促进作用，那么知识产权保护促进区域创新产出的路径机制是什么？研发人员和研发资金投入是保障区域创新产出的重要来源，对于自主研发而言，通过知识产权保护可以获得技术创新带来的高额收益[13]，激励企业加大研发人员和研发资金投入，但是过度的知识产权保护也可能导致创新成果和相关收益的市场垄断，不利于整体创新产出。针对知识产权保护影响区域创新产出的间接作用机制，可通过构建中介效应模型，引入研发人员投入和研发资金投入检验知识产权保护影响区域创新产出的路径机制。本文在线性回归模型(1)的基础上，分别构建知识产权保护对中介变量(mv)的线性回归方程，以及知识产权保护和中介变量对区域创新产出的回归方程。具体中介模型如下：

mvi,t=γ0+γ1ippi,t+γiXi,t+λi+εit

rioi,t=ν0+ν1ippi,t+ν2mvi,t+νiXi,t+λi+εit

在模型(1)的回归系数β1通过显著性检验的基础上，利用系数γ1、ν1和ν2的显著性判断中介效应存在与否。式中，mvi,t为中介变量，分别为研发人员投入(hc)和研发资金投入(rd)。其中，研发人员投入采用人均R&D人员全时当量衡量，研发资金投入采用永续盘存法估算的研发资本存量衡量，具体公式如下：

RDi,t=(1-d)RDi,t-1+Ii,t

其中，d为折旧率，参考以往研究，取值为15%。RDi,t和RDi,(t-1)分别表示i省域第t年与第t-1年的资本存量，Ii,t表示i省域第t年的实际R&D经费支出，由名义R&D经费支出采用固定资产价格指数、消费价格指数分别按照45%与55%的权重计算得到[26]，名义R&D经费支出采用R&D经费内部支出表示。基期资本存量的估算公式为RDi,2003=Ii,2003/(d+gi)，其中，RDi,2003为i省域2003年的实际R&D经费支出，gi为2003-2018年实际R&D经费支出的平均增长率。

中介效应回归结果如表8所示。模型2与模型3反映的是以研发人员投入为中介变量的回归结果，模型4与模型5反映的是以研发资金投入为中介变量的回归结果。具体来看，模型2与模型4中知识产权保护对研发人员、研发资金投入的回归系数均在1%的水平下显著为正，表明目前我国知识产权保护能够显著促进区域研发人员、研发资金投入。模型3与模型5显示，分别加入中介变量研发人员和研发资金投入后，二者对区域创新产出的影响系数均在1%的水平下显著为正，知识产权保护水平对区域创新产出的影响系数相比模型1的结果有下降，并且Sobel检验在1%的水平下显著拒绝了不存在中介效应的假设。这说明知识产权保护可以通过对研发人员和研发资金投入的积极影响促进区域创新产出，进一步验证了目前中国的知识产权保护整体对区域创新产出的正向促进作用。

3.7 稳健性检验

为了确保回归结果的稳健性，从3个方面进行检验：一是替换被解释变量的衡量指标。借鉴王华[14]的研究，用发明专利申请量代替发明专利授权量，对区域创新产出进行衡量；二是增加控制变量，如地区规模(rs)可以反映一个地区对创新的需求拉动[27]，进而对区域创新产出产生影响，因此用各地区常住人口数进行衡量；三是采用滞后两期的解释变量作为工具变量进行稳健性检验。

如表9所示，模型1、模型2和模型3是知识产权保护影响区域创新产出估计模型的稳健性检验结果。可以看出，在替换被解释变量的衡量指标、增加控制变量以及替换工具变量后，知识产权保护对区域创新产出的促进作用仍然显著为正，与表2的回归结果一致；模型4、模型5和模型6反映的是互联网化影响知识产权保护创新效应的稳健性检验结果，可以看出，知识产权保护与互联网化的交互项系数同样显著为正，与表3的回归结果一致。由此，验证了本文回归结论的稳健性。

4 结语

4.1 结论

在面临新一轮科技和产业革命新机以及我国深入实施创新驱动发展战略的背景下，探讨互联网下知识产权保护对区域创新的影响具有重要意义。本文明晰了知识产权保护以及知识产权保护与互联网化的协调效应对区域创新的影响机制，对互联网快速发展下我国区域创新系统的发展和相关政策执行具有一定现实意义。本文在梳理、分析我国知识产权保护和互联网化影响区域创新产出理论机制的基础上，运用2003 -2018年中国内地30个省市面板数据，对知识产权保护、互联网化与区域创新产出关系进行实证检验，得出的主要结论有：①目前我国的知识产权保护对区域创新产出具有显著促进作用，但呈现出边际效应递减特征，处于最优知识产权论倒“U”型曲线左侧，同时，知识产权保护能够通过促进地区研发人员和研发资金投入，间接提升区域创新产出；②互联网化对区域创新产出也有显著提升作用，而且互联网化水平提高有助于提升知识产权保护对区域创新产出的促进作用；③知识产权保护与互联网化对区域创新产出的影响存在显著的区域异质性，即相比于东部地区，知识产权保护的创新促进作用在中西部地区更显著，知识产权保护与互联网化间的正向协调效应也在中西部地区更显著。

4.2 建议

(1)不断完善知识产权保护相关法律法规，优化区域创新环境，充分发挥知识产权保护对区域创新的激励作用。一方面，加强知识产权司法保护，改进目前法律法规中与现实经济发展相背离的地方，不断拓展知识产权保护范畴；加大知识产权执法力度，扩大知识产权宣传范围，切实保证执法公平公正，维护知识产权主体的合法权益。另一方面，要根据不同地区的不平衡性以及不同时段的差异性，动态把握全国以及不同地区知识产权保护水平的时空演变，进而在不同地区实施差异化的知识产权保护政策。不仅要保护知识的专属性与创新收益获取，充分发挥知识产权保护在鼓励创新主体创新、加大研发投资、促进知识与技术传播、减少寻租以及“掠夺”行为等方面的积极作用，发挥创新主体的积极性，还要充分意识到过度的知识产权保护可能带来的危害，避免因知识产权保护过度而形成垄断势力，造成市场扭曲。

(2)积极推进“互联网+”发展，加快互联网建设和推广力度，不断优化区域创新网络环境，同时，发挥互联网的创新驱动作用。一方面，要加快互联网建设和推广力度。具体来说，加快互联网基础设施升级改造，不断优化区域创新系统的技术环境；加大对5G移动通讯等新型智能化互联网基础设施的投入和建设力度，不断丰富与创新互联网服务内容、提高服务质量。同时，政府应该积极推广和引导互联网发展，提高互联网普及率，不断推进互联网发展。另一方面，要实施动态、差异化的互联网发展战略，缩小不同地区互联网发展“鸿沟”，实现互联网驱动区域创新协调发展。东部地区要以优化互联网创新环境为主，中西部地区则要以补短板为着力点，扩大互联网应用规模及覆盖范围，扭转互联网空间发展的不平衡。此外，政府应该着力引导互联网及相关产业在中西部布局，推动“互联网+”与中西部地区原有产业深度融合，拓展网络经济空间，通过充分发挥财政干预作用，引导社会资金、科研院所研发力量等更多资源流向中西部地区的互联网产业，充分发挥互联网在区域创新协调发展中的重要作用。

(3)充分发挥互联网在知识产权保护中的作用，进一步提升互联网化与知识产权保护协调的创新激励作用。一方面，可以运用互联网加强对地区知识产权保护的监督，通过暴露当前知识产权保护中存在的各种问题，提升社会各方对知识产权的认知，同时，促进法律法规等体系建设不断完善，为创新活动提供良好的法律保护环境。另一方面，鼓励创新主体不断提升内部互联网化水平与能力，充分耦合互联网与知识产权保护的协同作用，降低创新维权成本，激励创新者增加人力与资本投入，提高创新成果产出率。此外，创新主体和外部投资者之间也可以充分利用互联网加强互动与交流，减少信息不对称性，降低交易成本，进而促进创新产出与后续投入。

4.3 不足与展望

本研究仍然存在一些不足：①知识产权保护与区域创新产出间的作用机制比较复杂，可能还受到其它中介变量的影响，存在其它中介效应或调节效应，未来可以进行更为深入的研究；②关于互联网化的衡量，本文选取的是单向指标，但单向指标很难完全阐释不同地区的互联网发展水平，未来可进一步探寻互联网综合指标以分析知识产权保护对区域创新产出的影响。

[1] HURMELINNA L P,PUUMALAINEN K.Nature and dynamics of appropriability—strategies for appropriating returns on innovation[J]. R&D Management,2007,37(2):95-112.

[2] 李春涛,郭培培,张璇.知识产权保护、融资途径与企业创新——基于跨国微观数据的分析[J].经济评论,2015，36(1):77-91.

[3] ARROW K. Economic welfare and the allocation of resources for inventions, the rate and direction of inventive activity: economic and social factors[M]. Princeton University Press,1962.

[4] 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.

[5] 李蕊,巩师恩.开放条件下知识产权保护与我国技术创新——基于1997—2010年省级面板数据的实证研究[J].研究与发展管理,2013,25(3):1-9.

[6] 尹志锋,叶静怡,黄阳华,等.知识产权保护与企业创新:传导机制及其检验[J].世界经济,2013,36(12):111-129.

[7] 鲁桐,党印.投资者保护、行政环境与技术创新:跨国经验证据[J].世界经济,2015,38(10):99-124.

[8] 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.

[9] PARK W G. International patent protection:1960-2005[J].Research Policy,2008,37(4):761-766．

[10] 庄佳强,王浩,张文涛.强化知识产权司法保护有助于企业创新吗——来自知识产权法院设立的证据[J].当代财经,2020，41(9):16-27.

[11] 康继军,孙彩虹.知识产权保护的区域技术创新效应与技术获取渠道异质性研究[J].科技进步与对策,2016,33(1):33-37.

[12] 顾群,翟淑萍.高技术产业知识产权保护、金融发展与创新效率——基于省级面板数据的研究[J].软科学,2013,27(7):42-46.

[13] 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.

[14] 王华.更严厉的知识产权保护制度有利于技术创新吗[J].经济研究,2011,46(S2):124-135.

[15] HANSEN B E. Threshold effect in non-dynamic panels: estimation, testing, and inference[J]. Journal of Econometrics,1999,93(2):345-368.

[16] 宋旭光,赵雨涵.中国区域创新空间关联及其影响因素研究[J].数量经济技术经济研究,2018,35(7):22-40.

[17] 李婧,谭清美,白俊红.中国区域创新生产的空间计量分析——基于静态与动态空间面板模型的实证研究[J].管理世界,2010，26(7):43-55,65.

[18] 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,2018，61(9):91-106.

[19] GINARTE J C,PARK W G.Determinants of patent rights: a cross-national study[J]. Research Policy，1997,26(3):283-301．

[20] 李勃昕,庞博,张犁.中国对外直接投资逆向驱动创新效率提升的检验——基于知识产权保护约束的视角[J].经济与管理研究,2019,40(3):58-70.

[21] 施炳展,李建桐.互联网是否促进了分工：来自中国制造业企业的证据[J].管理世界,2020,36(4):130-149.

[22] 张旭亮,史晋川,李仙德,等.互联网对中国区域创新的作用机理与效应[J].经济地理,2017,37(12):129-137.

[23] 生延超,李辉.中国互联网规模对技术效率的影响与空间溢出效应[J].地理科学,2018,38(9):1402-1411.

[24] ANSELIN L, FLORAX R, REY S J. Advances in spatial econometrics: methodology, tools and applications[M]. Berlin: Springer Verlag,2004.

[25] BALTAGI B. Econometric analysis of panel data[M].New York: John Wiley & Sons,2001.

[26] 朱平芳,徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究,2003，49(6):45-53，94.

[27] 彭向,蒋传海.产业集聚、知识溢出与地区创新——基于中国工业行业的实证检验[J].经济学(季刊),2011,10(3):913-934.