| 标题 | 知识溢出、创新与区域经济增长 |
| 范文 | 陈丽娴 摘 要 从微观视角研究了创意企业的知识溢出对地区经济增长的影响，并立足于创新，阐述了知识溢出、创新与经济增长的关系。首先，构建门槛回归模型，以知识产权保护为门槛变量，分析发现企业自身知识存量和知识溢出在不同知识产权保护水平，对经济增长的促进作用不一致。其次，构建中介效应模型，实证分析创新作为知识溢出促进经济增长的重要中间环节。最后，采用交互项模型，分析在不同知识产权保护水平的情况下，得出企业自身知识存量和知识溢出对创新的影响方向和程度不一致。因此，关于知识溢出和创新促进经济增长，适当和合理的知识产权保护力度，既能保持企业自主研发的积极性，又能鼓励企业间的交流和学习，发生知识溢出，促进经济增长。 关键词 创意企业；知识溢出；创新；知识产权保护；经济增长 [中图分类号]F49 [文献标识码] A [文章编号]1673-0461（2017）08-0063-07 一、问题提出 创意经济和创意产业日益成为拉动经济增长的新引擎，引起世界各国的广泛关注。美国、英国、法国、日本、韩国等许多国家已将其发展成为支柱产业，使之成为推动发达国家经济和社会持续发展的新引擎，不仅如此，创意产业也被认为是发展中国家实现经济转型和跨越式发展的重要战略。针对中国目前粗放型经济增长方式难以为继、全球金融风暴引起的经济衰退、中小制造业企业转型阵痛的压力和人们对精神生活的迫切需求等情况，提出发展附加值高、知识密集度高和整合性高的创意产业是适应时代发展的需求，对于中国提升经济发展水平和优化产业结构具有不可低估的作用。尤其知识要素密集作为创意产业的重要特征，知识是经济增长中最为活跃的投入要素，不同于其他投入要素之处在于知识具有溢出效应，在正式和非正式的渠道，其知识流动和溢出过程，对经济发展的重要性不言而喻。但随着经济社会的发展，知识产权保护问题将会越来越受重视，我国也于2008年正式颁布《国家知识产权战略纲要》，明确提出要完善知识产权制度，加强知识产权的保护。受严厉的知识产权保护的影响，创意产业的知识溢出对区域经济发展的效果究竟如何验证？对于创意产业，创新是知识溢出促进经济增长的重要传导路径。本文采用269家上市公司数据和城市层面数据，利用多种计量方法，探讨中国创意产业的知识溢出对经济增长的影响效应，为我国大力发展创意产业提供理论支撑，为国家创意产业的未来发展布局与其他相关政策的设立提供了重要启示。 二、文献回顾与分析 （一）知识溢出和经济增长 国内外学者关于知识溢出和经济增长之間的关系进行了详细的探讨，主要集中于两方面，一方面是阐述知识溢出促进经济增长的作用机理，知识溢出主要是通过“创新”和“集聚”两个中间环节与经济增长联系起来；另一方面是知识溢出对经济增长的影响进行了实证研究，通过扩展原有的经济增长模型，以专利、新产品发布数量和研发费用等变量来反映知识溢出，对不同层面的实证分析提供了有关知识溢出促进区域经济增长的证据。 创意产业作为发展中国家实现经济转型和跨越式发展的重要战略，同时作为知识密集型产业，其知识溢出与经济增长的关系又是如何。Venstel等（2004）[1]使用荷兰1987～1995年的数据，实证分析了知识溢出促进了区域经济增长。洪进等（2011）[2]基于中国30个省份1999～2007年的面板数据，考察了创意阶层的空间集聚效应，研究结果表明创意阶层通过知识外溢提高了区域劳动生产率。Paci等（2013）[3]构建知识生产函数模型分析各种邻近性维度对欧洲276个地区的创新能力的影响，结果表明所有邻近性对跨地区知识流的生产过程有着重要作用。Chang等（2015）[4]利用41国的R&D支出数据，基于多阶段和多维度实证分析了企业的知识溢出最大化国家创新系统。Sabina和Eldin（2015）[5]构建计量模型分析FDI知识溢出对转型经济体的经济增长的影响，发现转型经济体国家有更强的知识吸收意愿和积极性。王猛等（2016）[6]利用2007～2012年中国20个大城市面板数据，构建创意者居住选择模型，揭示了创意阶层集聚通过知识外部性推动城市创新的理论机制。 综上，虽然目前围绕创意产业的知识溢出与经济增长之间的关系有了初步的探讨。但是这些文献关于知识溢出促进经济增长忽略了地区的知识产权保护力度，严厉的知识产权保护，知识溢出与经济增长的关系又是如何，是本文关注的重点。 （二）知识溢出、创新与经济增长的关系 内生经济增长理论将创新作为连接知识溢出与经济增长的重要中间环节，认为知识溢出促进创新，创新促进经济增长。基于创新在经济增长中发挥着重要作用，大量研究对产业内和产业间知识溢出在创新中的相对作用进行了实证研究。Fischer等（2006）[7]使用1997～2002 年期间203个区域的专利数量来反映区域知识存量，利用空间面板模型实证分析了知识溢出导致的知识存量变化对相邻区域生产力差异的影响。Cassa和Nicolini（2008）[8]分析了局域的知识技术溢出对经济增长的影响方向和程度，相邻区域间的研发投资溢出效应增加了彼此创新成功的可能性，从而促进了经济增长。王文翌和安同良（2014）[9]以2003～2011年中国制造业上市公司为考察对象，研究区域内微观主体知识溢出影响创新的机理，实证结果支持了知识溢出促进创新。孔晓妮和邓峰（2016）[10]利用空间计量模型探讨了中国各地区的自主创新、省际之间的技术溢出以及吸收能力对经济增长的影响，实证结果表明，技术溢出、创新投入对经济增长水平具有显著促进作用。 综上，现有文献关于知识溢出、创新促进经济增长进行了大量探讨，但是多采用分组经验和交互项模型来考察三者之间的关系问题，但这对三者之间的连接机制表述尚不明朗。本文采用中介效应模型，实证分析创新作为连接知识溢出与经济增长的中间环节。同时分析是否只有跨越相应的知识产权保护水平门槛，知识溢出才能有效促进城市创新的提升，进而提高经济增长水平。 三、研究设计 （一）研究模型、步骤与方法 基于知识产权保护的地区差异，首先，构建门槛模型，以知识产权保护为门槛变量，并针对企业自身知识存量和知识溢出的本质差异性，考察了企业自身知识存量、知识溢出与经济增长的关系。以样本城市的人均GDP增长率（pergdp）为因变量，以企业自身知识存量（k）和知识溢出（ks）为自变量，考察由于知識产权保护的限制，企业自身知识存量和知识溢出在不同知识产权保护水平，其对经济增长的贡献差异和水平大小？其次，引入中介变量——创新（ino），分析知识溢出、创新与经济增长的关系，探讨了知识溢出促进经济增长的路径。最后，考虑如果知识产权保护力度过小，企业间知识溢出现象严重，是否会使企业丧失创新的动力，抑制创新发展。以创新为因变量，加入企业自身知识存量、知识溢出与知识产权保护的交互项，进行验证分析。为解决上述问题，同时为了说明实证结果的稳健性，本文采用了多种计量方法。 模型1（基本计量模型），为考察创意企业自身知识存量、知识溢出对经济增长的影响，在充分吸收已有研究关于经济增长的影响因素的理论和实证基础上，并考虑到经济发展是个动态过程，前期经济增长不可避免会影响到当期经济增长，同时为避免内生性问题，故采用系统GMM进行估计。在下面的回归方程中，X为控制变量，δt为时间效应，ηi为地区效应，εit为随机误差项。 pergdpit=γpergdpit-1+α1kit+α2ksit+X'it β+δt+ηi+εit （1） 模型2（门槛模型），一般认为，有效地知识产权保护能够降低技术交易的成本，提高交易效率，增强创新积极性（Arora et al.，2001；江小涓，2002）[11-12]；而知识产权保护过严，则会抑制模仿行为的发生，降低新产品的开发力度（鲁钊阳和廖杉杉，2012）[13]。因此，本文在方程（1）基础上，建立基于知识产权保护（ipp）的知识溢出“双门槛效应”模型如下： pergdpit=αi+Xitθ+k■■β1·I（ippjit≤γ）+k'it β2· I（ippjit≤γ）+εit（2） pergdpit=αi+Xitθ+ks■■β1·I（ippjit≤γ）+ks'it β2· I（ippjit≤γ）+εit（3） 模型3（中介效应模型），为了考察创新影响机制是否存在，借鉴Andrew F. Hayes（2009）[14]检验中介效应的方法，构建以下方程，利用系统GMM进行检验： pergdpit=γpergdpit-1+α1ksit+X■■β+δt+ηi+εit （4） hit=ρhit-1+λksit+X■■ζ+δt+ηi+εit （5） pergdpit=γpergdpit-1+α2ksit+hitθ+X■■？准+δt+ηi+εit （6） 其中，h为中介变量，其他变量的含义与前文一致。根据中介效应的检验方法，第一步对方程（4）进行估计，得到α1值，用以判断知识溢出对经济增长的影响方向和程度，如果α1显著为正，则说明知识溢出对经济增长有某种正面促进作用。第二步对方程（5）进行回归，检验知识溢出与中介变量（创新）之间的关系，预期知识溢出的系数估计值λ为正。第三步对方程（6）进行估计，如果α1大于α2，则说明中介效应存在。 模型4（创新为因变量），为考察企业自身知识存量、知识溢出与创新的非线性关系，加入企业自身知识存量、知识溢出与知识产权保护的交互项，分析知识产权保护会不会影响企业自身知识存量、知识溢出与创新的关系。 inoit=αinoit-1+α1kit+α2ippit·kit+α3ippit+X■■β+δt+ηi +εit （7） inoit=αinoit-1+α1ksit+α2ippit·ksit+α3ippit+X■■β+δt+ηi +εit （8） （二）样本与数据 针对本文的研究可行性，需考虑创意产业上市公司样本是否具有代表性，需要满足经济规模，以及是否与地区GDP总量一致的条件。借鉴郝颖等（2014）[15]的做法，对2007～2014年的数据进行了统计与回归分析。结果显示，上市公司市场价值和市场交易额分别占GDP总量的11.4%、85.8%，上市公司的整体经济规模在GDP总量中占有较高的比重，说明有较好的代表性。进一步，以各城市占全国GDP的比重为因变量，以各城市上市公司数量占全国上市公司总数的比重为自变量，进行回归分析。结果显示：各城市上市公司数量占全国上市公司总数的比重与各城市占全国GDP的比重，在各年度均显著正相关，说明各城市的上市公司数量与当地的经济规模具有一致性。本文对所有创意企业的挑选原则：以2007年作为研究起始年份，主要是因为2006年会计准则发生变化，保持会计准则的一致性；剔除2012 年12 月31 日之后上市的企业，主要是为了保证样本企业至少有两年的上市经验，经营相对稳定；剔除2007～2014年间破产或倒闭的企业，主要是为了保证样本数据连续可得；剔除业绩较差的ST、ST* 、PT 企业；剔除数据严重缺失或不全的企业。数据主要来自WIND数据库和巨潮资讯网，并结合样本企业网站对企业年报等数据进行了补充和验证。本文最后得到城市年度观测值384个（48个城市·8个年度①）。各城市的人均GDP增长率、物质资本投资率、人力资本水平等通过《中国城市统计年鉴》、国家统计局网站和各城市年鉴计算得来。 1.被解释变量 本文采用人均GDP增长率对经济增长水平进行度量，参照邵帅和杨莉莉（2010）的做法，人均GDP增长率=（GDP增长率+1）·（上一年年均人口/当年年均人口）-1。年均人口为上一年年末人口和本年年末人口的算术平均值。 2.解释变量 k为同城内企业的自身知识存量的加总，以人力资本表示企业的知识存量，借鉴章道云等（2011）[16]以财务报表中的支付给职工以及为职工支付的现金表示。ks为同城内企业的知识溢出加总，本文知识溢出的测算借鉴Aiello和Cardamone（2009）[17]的方法。 首先，对企业间知识相似性进行测算，考虑到创意产业源于人的创造力和聪明智慧、以知识产权作为主要产出特征，本文从无形资产和人力资本两个角度来衡量企业间的知识相似性，公式如下： Wijt=■ 其次，为反映不同企业的知识吸收能力差异，加入人力资本（h）的权重。 ■ijt=■■ 再次，一般认为，知识溢出随距离增加而衰减，同样采用Aiello和Cardamone（2009）[17]的企业地理邻近公式：gij=1-dij■max（dij）。■其中，gij表述同一区域内i企业和j企业之间的地理邻近性；dij表示同一区域内i企业和j企业之间的最短直线距离。max（dij）表示上市公司所在城市间的最大距离，取值为800公里。本文企业与企业间的直线距离采用Google地图衡量。同时将知识相似性和地理邻近性作为影响知识溢出的权重，公式如下： Vijt=■ （9） 综上，得到对于企业i，知识溢出的测算公式：KSit=■ VijtKjt （10） 3.門槛变量和中介变量 知识产权保护采用鲁钊阳和廖杉杉（2012）[13]的度量方法，同时以专利侵权案件占专利申请比重衡量知识产权保护指数（ipp1）和以专利侵权数量占专利授权比重衡量知识产权保护指数（ipp2）表示，数据来源是《中国知识产权年鉴》。创新水平（ino）用3种专利授权数加总衡量，数据来源《中国科技统计年鉴》。个别年份缺失的数据以前一年的数据替补。 4.控制变量 借鉴以往关于研究经济增长的相关文献的做法，本文加入如下控制变量（X）：物资资本投资率（capi），以全社会固定资产投资占GDP比重表示；人力资本水平（hum），用中学以上的在校学生人数与全部从业人数的比值加以度量；制造业发展（manu），用制造业从业人数占全部从业人数的比重衡量；服务业发展（ser），以服务业从业人数占全部从业人数的比重表示；对外开放程度（open），用当年实际利用外商直接投资和GDP占的比例加以度量；金融发展（fin），用金融机构各项贷款余额与各项存款余额之和占GDP比重衡量；地理区位（geo），地理区位因素可以在很大程度上反映各城市个体的异质性特征，本文以距离中国重要港口城市②的最短直线距离来度量各城市的地理区位。 四、回归检验结果与分析 （一）变量描述统计和多重共线性检验 多重共线性会引起参数估计量的经济含义不合理和变量的显著性检验失去意义等问题，对变量的多重共线性检验就变得很有必要。为避免变量之间存在相关性，首先对变量进行正态性检验，结果表明所有变量服从正态分布，进一步对全部解释变量进行了Pearson 相关性系数检验，表1结果显示各变量之间的相关系数均小于0.5，说明解释变量与控制变量之间的相关性较弱。接着进一步进行方差膨胀因子（VIF）检验，当最大的VIF大于10或平均的VIF大于1，则认为变量有多重共线性。检验发现VIF最大值为3.47，排除了多重共线性对模型回归结果的影响。 （二）门槛效应检验与结果分析 由表2的门槛回归结果可知，知识产权保护的门槛效应明显存在于企业自身知识存量、知识溢出与经济增长的关系中。对于企业自身知识存量，在知识产权保护较低水平时，对经济增长为负向影响；当知识产权保护达到一定水平，则会促进经济增长。这是由于在知识产权保护水平较低阶段，企业知识，尤其是核心知识技术难以得到安全保障，容易被其他企业窃取，企业创新积极性受到打击，更多的是简单模仿，企业的生产积极性受到抑制，不利于经济增长。当知识产权保护力度加大时，企业核心知识和技术得到保障，自主研发积极性得以提高，学习和掌握新技能力度加大，生产更多的新产品，有利于经济增长（刘思明等，2015）[18]。对于知识溢出，在知识产权保护较低水平时，促进经济增长；反而在知识产权保护水平提高时，对经济增长为负面作用。这是由于在知识产权保护较低水平时，企业更愿意以低成本模仿和改造，而不愿意承担创新风险和巨大的创新成本，通过吸收同一区域内溢出的知识，促进了低质量的经济增长。当知识产权保护力度加大时，企业自身知识得到保护，同时可吸收的知识溢出较少，则知识溢出对经济增长负向作用。 对表2中其他解释变量的观察，还有以下发现：对外开放水平提高在可检验水平促进经济增长；距离重要港口城市越近（地理区位），经济增长在可检验水平得以提高；物质资本投资率、人力资本水平、制造业和服务业发展、金融发展也对经济增长有正向影响。 （三）知识溢出、创新与经济增长之间的关系分析 在表3中，从模型（1）的回归结果来看，企业自身知识存量、知识溢出与当期和滞后一期的人均GDP增长率正相关，并且在控制物质资本投资率、人力资本和制造业发展等因素后依然显著正相关（模型（2））。在模型（3）中加入创新和知识溢出的交互项，回归结果说明了创新对知识溢出与人均GDP增长率的关系有显著影响，创新强度越大，知识溢出越密切和频繁，因此知识溢出对经济增长的促进作用越明显。模型（2）、（4）和（5）是中介效应回归的结果，是对模型（3）交互项的效果的进一步检验，对于创新效应，模型（4）中知识溢出的回归系数在1%水平显著为正，说明知识溢出会促进创新。模型（5）中加入中介变量（创新）得到回归系数为0.6765，与模型（2）得到的回归系数0.6994相比，显然模型（2）中知识溢出的回归系数大于模型（5）的回归系数，说明了创新是知识溢出影响经济增长的一个重要渠道。增强地区的创新能力，会增强区域内的相互学习和交流，即促进了知识溢出，进而提高了地区的人均GDP增长率。 知识溢出和创新真的是正相关关系吗？如果知识溢出明显，是否就会存在研究人员“搭便车”和“道德风险”问题，即知识溢出是否会抑制创新。模型（6）和（7）进一步分析企业自身存量、知识溢出、知识产权保护与创新的关系，实证结果显示，企业自身知识存量、知识溢出和知识产权保护至少在10%的显著水平提高创新水平。企业自身知识存量和知识产权保护的交互项的回归系数依然为正，说明严厉的知识产权保护，有助于企业增强自身知识存量，进而促进创新。但知识溢出和知识产权保护的交互项的回归系数为负，表明知识产权保护每增加一个单位，企业知识溢出对创新作用的斜率就下降一个单位。当知识产权保护力度加大时，同一区域内吸收的知识溢出较少，不利于创新。这一结果也与表2的门槛模型的回归结果相呼应。 对于控制变量，人力资本和对外开放水平越高，则其经济增长水平相对越高；地理区位越是临近重要港口城市，相应的经济增长水平越高；物质资本投资率、制造业和服务业发展、金融发展也与经济增长有正向关系。 五、主要结论与启示 基于中国创意产业的企业层面数据和城市层面数据，采用多种计量方法，实证分析知识溢出、创新与经济增长的关系。首先，以知识产权保护为门槛变量，采用门槛模型分析企业自身知识存量、知识溢出与经济增长的关系。在知识产权保护力度较低水平，企业更愿意以低成本和低风险获取同一区域内的知识溢出，自身知识存量不利于经济增长，知识溢出对经济增长为正向影响。在严厉的知识产权保护水平，企业核心技术知识得到安全保障，自主创新的积极性很高，所以自身知识存量促进经济增长，知识溢出对经济增长为负面作用。其次，考察知识溢出促进经济增长的传导机制，采用中介效应模型，实证结果表明，创新对知识溢出与经济增长的关系有显著影响。最后，分析知识溢出与创新的关系，采用交互项模型，严厉的知识产权保护，企业增强自身知识存量的积极性更强，进而促进创新；但知识溢出对创新为负面作用。 研究结论表明，企业自身知识存量和知识溢出在不同知识产权保护力度下，对经济增长的促进作用不一致。适当和合理的知识产权保护力度，既能保持企业自主研发的积极性，又能鼓励企业间正式和非正式的交流和学习，以此促进经济增长。同时，创新作为知识溢出与经济增长的“中间环节”，在考虑知识产权保护的情况下，企业自身知识存量和知识溢出对创新的促进作用不一致，应合理和正确看待。 [参考文献] [1] ADRIANN J. VENSTEL，HENRY R. NIEUWENHUIJSEN. Knowledge spillovers and economic growth： an analysis using data of dutch regions in the period 1987-1995[J].Regional studies，2004，38（4）：393-407. [2] 洪进，余文涛，赵定涛. 创意阶层空间集聚与区域劳动生产率差异——基于中国省际面板数据的分析[J]. 财经研究，2011（7）：92-102. [3] RAFFAELE PACI，EMANUELA MARROCU，STEFANO USAI. The complementary effects of proximity dimensions on knowledge spillovers [J]. Spatial economic analysis，2014，9（1）：9-30. [4] CHIA-CHIN CHANG. Influences of knowledge spillover and utilization on the NIS performance： a multi-stage efficiency perspective [J]. Qual quant，2015，49： 1945-1967. [5] SABINA SILAJDZIC，ELDIN MEHIC. Knowledge spillovers，absorptive capacities and the impact of FDI on economic growth： empirical evidence from transition economies [J]. Procedia-social and behavioral science，2015，195： 614-623. [6] 王猛，宣烨，陈启斐. 创意阶层集聚、知识外部性与城市创新——来自20个大城市的证据[J]. 经济理论与经济管理，2016（1）：59-70. [7] FISCHER，M.M，SCHERNGELL，T.and JANSENBERGER，E. The geography of knowledge spillovers between high-technology firms in europe： evidence from a spatial interaction modeling perspective [J]. Geographical analysis，2006，38（3）：288-309. [8] CASSAR，A. NICOLINI，R. Spillovers and growth in a local interaction model [J]. Annual of regional science，2008，42：291-306. [9] 王文翌，安同良. 产业集聚、创新与知识溢出——基于中国制造业上市公司的实证[J]. 产业经济研究，2014（4）：22-29. [10] 孔晓妮，邓峰. 自主创新、技术溢出及吸收能力与经济增长的实证分析——基于东、中、西部地区与全国的比较[J]. 研究与发展管理，2016（2）：31-39. [11] ARORA A.，FOSFURI A.，GAMBARDELLA A. Markets for technology： the economics of innovation and corporate strategy [M]. Cambridge： MIT Press，2001. [12] 江小涓. 中国外资经济对增长、结构升级和竞争力的贡献[J]. 中国社会科学，2002（6）：4-14，204. [13] 鲁钊阳，廖杉杉. FDI技术溢出与区域创新能力差异的双门槛效应[J]. 数量经济技术经济研究，2012（5）：75-88. [14] ANDREW F. HAYES. Beyond Baron and Kenny： statistical mediation analysis in the new millennium[J]. Communication monographs，2009，76（4）：408-420. [15] 郝穎，辛清泉，刘星. 地区差异、企业投资与经济增长质量[J]. 经济研究，2014（3）：101-114，189. [16] 章道云，邓学芬，黄坤. 上市公司人力资本对企业净利润贡献率的实证研究[J]. 宏观经济研究，2011（7）：71-76. [17] AIELLO，F. CARDAMONE，P. R&D spillovers and firms' performance in Italy： evidence from a flexible production function[J]. Spatial econometrics，Heidelberg： Physica-verlag，2009：143-166. [18] 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（3）：40-57. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。