忻超娜 张二华

文章编号：1008-7133（2022）01-0010-09

摘要：为了研究数字化水平对高技术产业创新效率的影响，首先测度了2011—2019年全国29个省份的数字化水平;其次，基于创新价值链视角，将高技术产业创新活动分为科技研发阶段和成果转换阶段，同时将专利结构植入创新价值链中，详细分析了数字化水平对高技术产业创新的影响。结果显示：数字化水平对高技术产业科技研发效率有显著作用，但对最终的成果转换效率没有显著作用。造成这一现象的具体原因是，数字化水平更多地促进了低质量专利的产生，此类专利难以转换成新产品收入，最终对成果转换效率的影响不显著。因此，需要把握好数字化进程，大力发展高技术产业高质量自主创新能力，实现最终成果的转换。

关键词：数字化水平;高技术产业;创新价值链;专利结构

DOI：10.16315/j.stm.2022.01.004

中图分类号： F424.3;F273.1

文献标志码： A

Research on the impact of digital level on innovation efficiency of

high-tech industry：From the perspective of innovation value chain

XIN Chao-na，ZHANG Er-hua

（Business School， Ningbo University， Ningbo 315211， China）

Abstract：In order to study the impact of digital level on the innovation efficiency of high-tech industry， this paper first measures the digital level of 29 provinces in China from 2011 to 2019. Secondly， based on the perspective of innovation value chain， the innovation activities of high-tech industry are divided into science and technology R&D stage and achievement transformation stage. At the same time， the patent structure is implanted into the innovation value chain， and the impact of digital level on high-tech industry innovation is analyzed in detail. The results show that the digital level has a significant effect on the scientific and technological R&D efficiency of high-tech industry， but has no significant effect on the final achievement conversion efficiency. The specific reason for this phenomenon is that the digital level has promoted the generation of low-quality patents， which are difficult to convert into new product revenue， and ultimately have no significant impact on the efficiency of achievement conversion. Therefore， we need to grasp the digital process， vigorously develop the high-quality independent innovation ability of high-tech industry， and realize the transformation of the final results.

Keywords：digital level; high tech industry; innovation value chain; patent structure

隨着社会主义市场经济的持续发展，高技术产业因其高技术性、高附加性的特征，已成为了新时期促进国民经济成长的关键支撑型行业，而我国高技术产业的创新能力在国际间并不具有很大的竞争性，重点问题就是在于创新效率不高[1]。同时，为了贯彻中央提出的创新追赶战略和专利推进计划，在这种政策的实施下，中国各级政府可能会采取不同类型的专利补助扶持政策来实现创新追赶。近几年，我国的专利申请量和专利授权量实现爆发式地上升。2019年，我国的专利申请量超越了世界上所有国家，成为了提交全球专利申请量的最大来源国，这也意味着我国正式开始迈入了创新型富国队列。但是，我国的创新产品的质量并没有获得世界上的普遍认可，世界知识产权组织公布的《2021 年全球创新指数》研究报告显示，中国的科技创新实力仅仅名列全球第12位。我国的科技创新欠缺主要反映在高质量自主创新能力和效率薄弱、关键核心技术受制于人等方面，存在着严重的“专利泡沫”[2]。而高技术产业是中国创新的主要力量，如何提升其创新效率成为亟待解决的问题。

在国内产业转型升级的过程中，如何利用数字化来提升产业创新能力至关重要。数字化水平代表着数字技术环境的发展水平，数字技术由信息技术、互联网、人工智能、大数据、云计算等构成，其对创新效率的作用已被国内外众多学者进行研究，韩先锋等[3]研究发现互联网对区域创新效率同时存在直接和间接影响。李后建[4]证实了信息通讯技术能够对企业创新产生积极影响，Olio[5]研究发现对通信产业的投资会通过资本集约直接促进企业创新效率的增长，Wang[6]发现信息技术产业创新效率不高，并且不同类型的信息技术企业创新效率有较大差异。叶阳[7]指出信息技术产业利用数字化方法及工具对自身技术水平进行不断改良和升级，来满足不断迭代的时代发展需要。在数字化的影响下，高技术产业的渠道成本和信息检索成本进一步降低，更能够接收到前沿知识，从数字化科技中实现可持续利润的获取，加大了获取创新红利的可能。那么，在创新价值链的背景下，数字化水平能否促进高技术产业各阶段的创新效率？数字化水平能否更多地促进高质量的创新？值得进一步研究。

1机制分析与研究假设

高技术产业创新效率存在众多影响因素，其中数字化水平是影响高技术产业创新效率的重要因素。通过对现有文献进行系统的梳理与总结，得出许多文献将创新效率看做一次投入产出活动加以衡量，但是这种研究视角并不能分析得出创新效率低效的主要原因。因此，本文将视角切换为创新价值链，可以说明从理论到实用性的技术到获得收益，需要多环节的联动，才能够使高技术产业各创新主体找出自身创新效率不足的阶段，从而采取针对性策略进行改进。Hansen等[8]在其研究中指出创新价值链主要在于对创新活动进行划分，从而对创新活动各阶段的创新效率进行测算和评价，创新的最终目的是获取市场经济价值。本文依据创新价值链理论将高技术产业的创新过程分为2个阶段：第一阶段为科技研发阶段，主要是研发投入转换成科技成果的过程;第二阶段为成果转换阶段，把科技成果作为中间变量应用到第二阶段，最终转换成新产品，实现最终效益的过程。

对于这两阶段的创新效率，专利作为科技研发阶段的产出和成果转换阶段的投入是关键的一环。我国将专利划分为发明专利、实用新型专利和外观设计专利，其中发明专利的质量和自主创新程度最高，实用新型专利次之，外观设计专利最低。在成果转化阶段，也体现出了发明专利转化成新产品获得市场经济收益的成功率较高，实用新型专利和外观设计专利成功率依次下降的趋势。

数字化催生出了全新的行业和业态，也给创新带来了更多的模式和可能。在数字化的背景下，产生了大量全新的高技术企业。与传统高技术企业相比，新高技术企业的创新方向更加多样，创新方式也更加灵活。创新不再拘泥与硬件，也不再拘泥于单纯的软件，而往往是類似苹果手机的软硬件结合创新。企业针对的行业和对象也发生了根本性的变化，数字化带来的连接便捷，让高技术企业更容易做出跨界，跨行业，跨渠道的创新。与此同时，反向的数字化流通也可以让高技术产业能够更容易接受到前沿信息和知识，信息检索成本和渠道成本能够大幅降低，使得企业能够更容易获得创新红利，促进企业的创新效率的提升。数字化水平的发展趋势对高技术产业创新活力的激发也必然能够催生大批专利的产生，专利的产生能够从一定程度上解释科技研发阶段的成果。但由于我国高技术产业出于国外专利垄断和自身技术开发创新能力欠缺等原因，将更多地把研发资源投放到模仿和和改进中去，导致中低端质量的创新成果频繁出现，从而使专利创造的自主创新内涵、专利质量以及市场运用价值等方面与实际需求相脱节，无法转换成真正有用的技术和新产品投入到应用市场上去，对成果转换效率没有显著影响。因此，本文提出假设H1：

假设H1：数字化水平促进高技术产业科技研发效率，但对成果转换效率没有显著影响。

同时，高技术产业处于获得政府相应创新补助资金的目的或是专利评估机构普遍缺乏权威性的现状，在数字化的背景下，可能过多地宣传专利数量而并不关注专利自身的质量以及专业的产业化运用价值，带来“专利泡沫”以及“创新假象”[9]，专利数量爆发式增长，但专利估值虚高，低质量专利频繁出现。因此，本文提出假设二：

假设H2：数字化水平更多地促进了低质量专利的产生，较少地促进了高质量专利的产生。

2研究设计

2.1模型设定

根据数字化对高技术产业最终创新成果的影响，构造以下计量模型：

ln yit=α0+α1Digit+θX+λit+εit。（1）

其中：被解释变量yit代表省份i在t时期的新产品产出，用各省份的新产品销售收入来衡量。解释变量Digit表示省份i在t时期的数字化水平。α0为截距项，α1表示数字化水平对最终创新新产品成果——新产品销售收入的总效应。X表示控制变量，λit表示个体效应和时间效应，εit为随机干扰项。

根据上文创新价值链分析结果，数字化水平对高技术产业的创新过程分为以下2条路径：第1条途径为数字化水平对创新投入的作用，这里的创新投入包括投入于高技术产业的研发资本和研发人员，用计量模型表示为

ln rdk=α0+α1Digit+θX+λi+εi，（2）

ln rdl=α0+α1Digit+θX+λi+εi。（3）

其中：rdk和rdl分别表示研发资本和研发人员，α1表示数字化水平对研发投入的作用;

第2条途径为数字化对高技术产业创新效率的影响，这里的创新效率分为科技研发效率和成果转换效率。参考段亚男等[10]的研究，将科技研发阶段的产出和效率表达式设置为

patentit=Aitrdkαitrdlβit。（4）

Ait=AeγDigit+θX+λit+εit。（5）

其中：patentit表示科技研发阶段的产出——专利，Ait代表i省份t时期的高技术产业科技研发阶段效率。

结合式（4）和式（5），取对数得到式（6）：

ln pantentit=ln A+γDigit+αln rdkit+

βln rdlit+θX+λit+εit。（6）

其中：γ为数字化对高技术产业科技研发效率的作用。

根据上文，将成果转换阶段的产出和效率的表达式设置为

yit=Bitpatentγitrdkαitrdlβit。（7）

Bit=BeηDigit+θX+λit+εit。（8）

其中：Bit代表i省份t时期的高技术产业成果转换阶段效率。结合式（7）和式（8），取对数得到式（9）：

ln yit=ln B++γ patentit+η Digit+αln rdkit+

βln rdlit+θX+λit+εit。（9）

其中，η为数字化对高技术产业成果转换效率的作用。

为说明数字化水平对专利结构的作用，构造以下计量模型：

ZLit=β0+γDigit+θX+λit+εit。（10）

其中：被解释变量ZL为专利结构，这里将专利分为两大类：第一大类为高质量的自主创新成果——发明专利（计为zl1）;第二大类为低质量、低原创的创新成果——实用新型专利和外观设计专利（两者之和计为zl2），并将zl1和zl2的数据进行离差标准化处理。

2.2指标设计及数据来源

研发人员（rdl）选用高技术产业R&D人员全时当量;研发资本变量rdk选用R&D内部经费支出，这里因为R&D内部经费支出为存量指标，其影响并不仅仅在当期实现，在未来也会产生一定影响，所以参考徐淑丹[11]提出的永续盘存法对R&D资本存量进行测算，计算公式为

Kit=（1-δ）Ki（t-1）+Ii（t-1）。（11）

其中：Kit，Ki（t-1）分别表示i省份第t和t-1期的资本存量，δ表示资本折旧率，这里取值为15%，Ii（t-1）表示i省份第t-1期的实际R&D经费支出，其值参考朱平芳[12]的测算方法，以2011年为基期，利用R&D支出价格指数对名义R&D经费支出进行平减，（其中，R&D支出价格指数=0.55×消费价格指数+0.45×固定资产投资价格指数）。初期的资本存量由以下公式确定

Ki0=Ii0/（g0+δ）。（12）

其中，g为I的平均增长率。

科技研发产出（patent）用高技术产业专利数量来衡量，专利数量又可以分为专利申请量或专利授权量，Kabulova等[13]指出专利授权量相对于专利申请量更为滞后，且具有一定的人为因素，因此使用专利申请量作为科技研发阶段的产出指标。最终创新产出新产品产值y用高技术产业新产品销售收入来衡量，并使用工业品出厂价格指数对这2个指标进行价格消除。以上高技术产业的相关均来自2011—2019年的《中国高技术产业统计年鉴》、《中国统计年鉴》和《中国科技统计年鉴》。由于西藏自治区和青海省的相关数据缺失严重，因此进行了剔除。本文以全国29个省份（除去西藏和青海）作为决策单元进行评价。

数字化水平的测度借鉴周青等[14]对數字化水平指标的测度，采用4个维度进行测算，分别为数字化接入水平、数字化装备水平、数字化应用水平和数字化应用水平。数字化接入水平选用的指标为光缆线路长度，数字化装备水平选用的指标为域名数，数字化应用水平选用的指标为互联网普及率，数字化交易水平选用的指标为数字金融普惠指数。数字化水平的相关数据均来自2011—2019年的《中国统计年鉴》、互联网发展报告和北京大学出具的数字金融普惠指数。为了方便指标跨年度可比，本文以2011为基期，对数字化水平的数据进行标准化处理。在对权重的处理上，选用主成分分析法对各个变量进行赋权，最终计算出各省份数字化水平综合得分，如表1所示。

本文根据现有文献的做法加入了一系列控制变量，具体包括区域外贸依存（exp）、区域政府干预（gov）、区域产业结构（ind）、区域城镇化水平（urban）、区域人力资源（edu）。其中，exp以进出口贸易额占GDP的比重来衡量;gov以政府财政支出占GDP的比重来衡量;ind以第二、第三产业占GDP的比重来衡量;urban以城镇总人口占全省年末总人口的比重来衡量;edu以高等学校在校生数占总人口的比重来衡量。控制变量的数据均来自2011—2019年的《中国统计年鉴》、《中国教育统计年鉴》。

各变量的描述性统计分析，如表2所示。

3实证分析

3.1数字化对创新投入和最终创新产出的作用

对式（1）式（2）和式（3）进行实证分析，回归结果，如表3所示。表3列（3）、列（4）、列（5）、列（6）数字化水平Dig的系数显著为正，说明数字化水平对高技术产业的研发投入具有正向的促进效应。数字化的发展使研发人员和研发资本有了一定程度的提升。

但是，从列（1）和列（2）中可以看出，数字化对高技术产业的最终创新产出影响并不显著。从创新价值链的角度分析，数字化水平可以对高技术产业科技研发阶段和成果转换阶段的创新效率产生不同的影响。

3.2数字化对创新效率的作用

对式（6）和式（9）进行实证分析，说明数字化水平对高技术产业科技研发效率和成果转换效率的作用，实证结果，如表4所示。首先进行了豪斯曼检验，检验结果显示应使用固定效应模型。列（1）和列（2）表示数字化水平对高技术产业科技研发效率的影响，列（3）和列（4）表示数字化水平对高技术产业成果转换效率的影响。同时，列（1）和列（3）没有加入控制变量，列（2）和列（4）加入了控制变量。

由表4可知，数字化显著促进了高技术产业科技研发阶段的创新效率，但却对成果转换阶段的效率没有影响，即促进了科技研发阶段专利数量的提高，这也证实了假设1。由于专利分为发明专利、实用新型专利和外观设计专利，发明专利的质量较高且但法律状态较稳定，但风险较大，这类专利所需投入的前期成本较高，但却能够有效促进成果转换效率的提升;而实用新型专利和外观设计专利相比发明专利来说创新程度不高，产品生命周期较短，申请费用较低，呈现出授权速度快且容易授权，投入较低，难以转换成新产品，最终使成果转换效率低下。

3.3数字化对专利结构的影响

从上文的分析中可以看到数字化对高技术产业科技研发效率有显著影响，而对成果转换效率没有显著影响，究竟是什么造成这一原因的？根据前文的机制分析，这一部分可以从数字化对专利结构的影响来解释。根据式（9）进行固定效应实证分析，得出数字化对发明专利（zl1）的影响以及数字化对实用新型和外观设计专利（zl2）的影响，如表5所示。由于前文已经对zl1和zl2进行了离差标准化处理，因而这里的度量单位并不是现实单位。在实证分析时，首先进行豪斯曼检验，检验结果显示应使用固定效应模型。

列（1）和列（2）代表数字化对发明专利的影响，列（3）和列（4）代表数字化对实用新型专利、外观设计专利的影响。列（1）和列（3）为未加入控制变量的结果，列（2）和列（4）为加入控制变量后的结果。可以看出，数字化水平对高技术产业的发明专利和实用新型、外观设计专利都有着显著的影响，但是从系数来看，实用新型、外观设计专利（zl2）的系数比发明专利（zl1）的系数大，即认为数字化水平对实用新型、外观设计专利的作用更大，数字化利用信息通讯技术更多的促进了低质量专利的形成。由于实用新型专利和外观设计专利的价值相对于发明专利来说是较低的，难以转换成新产品，从而导致数字化对成果转换效率的不显著，由此也证实了假设H2。

3.4异质性分析

通过上文已经计算得出的相关指标进行异质性分析，观察我国数字化水平对东部、中部、西部高技术产业创新效率的影响，结果如表6所示。列（1）、列（3）和列（5）分别表示我国东中西部数字化水平对高技术产业科技研发效率的影响。根据Dig之前的系数，可以看出数字化水平对东部和中部地区高技术产业的科技研发效率有显著影响，且中部的科技研发效率相对东部更强，而数字化水平对西部地区高技术产业的科技研发效率影响不显著，产生这一现象的原因可以解释为：东中部地区由于国家政策或是教育水平方面带来的红利影响，使得高技术产业更关注于专利的产生;而相对于西部地区来说，其基础科研能力薄弱，人力资本和研发资本欠缺带来的局限性导致其高技术产业科技研发效率不显著。列（2）、列（4）和列（6）分别表示我国东中西部地区数字化水平对高技术产业成果转换效率的影响，结果显示，只有东部地区数字化水平对高技术产业成果转换效率有显著影响，造成这一现象的愿因可以解释为：第一，中西部地区可能由于自身人力资本和研发资本欠缺导致成果转换效率低下;第二，中西部地区数字化水平更多地促进高技术产业低质量专利的产生，难以转换成新产品，从而导致数字化对成果转换效率的不显著。参照上文进行了实证检验，结果显示中西部地区数字化水平确实更多地促进高技术产业低质量专利的产生，在此不再列举实证结果。

3.5稳健性检验

为了解决上文中的内生性问题，本文需要进行稳健性检验。首先对以上的固定效应模型进行离差变换，接着利用数字化水平的滞后一期变量作为工具变量来进行最小二乘法（2SLS）估计，结果如表7所示。列（1）和列（2）的系數显著为正，说明数字化水平能够促进高技术产业创新投入的增加。列（3）和列（4）数字化水平Dig的回归系数表明数字化水平能够显著促进高技术产业科技研发效率的提升，但对成果转换效率没有显著影响。列（5）和列（6）数字化水平Dig的回归系数表明数字化水平更多地促进了实用新型专利和外观设计专利（zl2）的产生，较少地促进发明专利（zl1）的产生，导致高技术产业成果转换效率不显著。这些结论都与上文结果一致。

同时，本文变化了解释变量来进行稳健性检验，选取了数字化水平里的光缆线路长度A1指标进行稳健性估计，结果如表8所示。从表中可以看到，列（1）和列（2）的系数显著为正，说明数字化水平能够促进高技术产业创新投入的增加。列（3）和列（4）光缆线路长度A1的回归系数表明光缆线路长度能够显著促进高技术产业科技研发效率的提升，但对成果转换效率没有显著影响。列（5）和列（6）A1的回归系数表明解释变量更多地促进了实用新型专利和外观设计专利（zl2）的产生，较少地促进发明专利（zl1）的产生，导致高技术产业成果转换效率不显著。这些结论也都与上文结果一致。

4结论与建议

4.1结论

本文基于2011—2019全国29个省份的数字化水平，研究了数字化水平的高低对不同省份高技术产业创新效率的影响，利用创新价值链理论将高技术产业的创新效率分为科技研发效率和成果转换效率。同时，专利结构作为两阶段的中间变量，能够说明数字化水平对不同阶段创新效率的作用效果，利用专利结构进一步分析数字化对高技术产业整个创新价值链的影响。基于此，得到了以下结论：第1，数字化的发展有助于提高高技术产业的科技研发效率，但对成果转换效率作用不明显，即数字化有效促进高技术产业专利申请量的提升，但对最终的市场成果——新产品销售收入没有一定作用。第二，分析数字化对专利结构的影响，得出数字化更多地促进了实用新型专利和外观设计专利的提升，较小地促进发明专利的提升，即更多地促进了低质量专利的增长，而这类专利更难转化为新产品。对市场来说，低质量专利没有很大价值，真正有创新价值的是发明专利，促进过多的低质量专利会导致数字化水平对高技术产业成果转换效率作用不明显，并最终未能促进新产品销售收入的增长。

4.2建议

针对以上结论，结合各区域的实际情况，本文提出以下建议：

一是，数字化水平作为国家促进高技术产业发展的基石，应加强高技术产业数字化渗透，大力部署数字中国建设，发挥国内基础设施建设优势，软硬件结合发展5G、人工智能、物联网、智能制造等新技术，政策与制度将结合提高科研投入和激励强度，深化数字技术与产业的融合。政府可通过搭建数字技术共享型平台，促进信息的交流与共享，打破企业间、行业间的信息壁垒。政府可以制定一系列措施帮助产业加强产业数字化渗透，例如：可以设定数字化转型程度的考核指标体系，对数字化转型程度高的企业进行补贴和奖励;也可以针对数字化转型进度制定优惠政策，通过政策激励来保证数字化水平的发展，最大程度发挥数字化提升带来的创新红利期。

二是，针对专利成果中发明专利即高质量专利比重低和最终创新成果转换效率低下的问题，大部分专利价值仍然存在较大的提升空间。基于此，一方面应该改进对创新产出的考评体制，仍然要提升专利质量以增加创新效果，过于宽松的专利保护政策并不利于提升创新效率，反而可能阻碍真正有价值的创新成果的出现。因此，需要对专利保护期限、保护时机等方面做出更高的要求，加大专利保护力度，对专利侵权行为不但要有常规性处罚，还应该增加惩罚性处罚，保证优质专利可以发挥价值，为企业带来影响力和利润，从而促进企业专利质量以及专利产业运用价值的提升，打破核心技术受制于人的局面;另一方面，应加强专利成果转换的扶持力度，尤其是对自主创新、高质量创新的专利，加大财政力度予以支持。对那些对国家经济具有长远发展的高质量专利，需要通过国家采购制度等政策来实现其产业化发展。政府也可以建立激励性创新体制，进而提升高技术产业创新能力。

参考文獻：

[1]马晶梅，赵文婧.自主研发、技术改造与高技术企业创新绩效研究[J].科技与管理，2021（2）：1.

MA J M，ZHAO W J.Research on independent research and development， technological transformation and innovation performance of high-tech enterprises[J].Technology and management，2021（2）：1.

[2]张杰，高德步，夏胤磊.专利能否促进中国经济增长：基于中国专利资助政策视角的一个解释[J].中国工业经济，2016（1）：83.

ZHANG J，GAO D B，XIA Y L.Whether patents can promote China's economic growth：An explanation from the perspective of China's patent funding policy[J].China industrial economy，2016（1）：83.

[3]韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019（7）：119.

HAN X F，SONG W F，LI B X.Can the Internet become a new driving force for the improvement of China's regional innovation efficiency[J].China industrial economy，2019（7）：119.

[4]李后建.信息通讯技术应用对企业创新的影响分析[J].软科学，2017（12）：56.

LI H J.Analysis of the impact of the application of information and communication technology on enterprise innovation[J].Soft science，2017（12）：56.

[5]OLIO L A，ARAMENDIA M M E.ICT impact on competitiveness， innovation and environment[J].Telematics & Informatics，2012，29（2）：204.

[6]WANG Q，HANG Y，SUN L，et al.Two-stage innovation efficiency of new energy enterprises in China：A non-radial DEA approach[J].Technological Forecasting & Social Change，2016（112）：254.

[7]叶阳. 数字化水平对信息技术产业创新效率的影响研究[D].太原：山西财经大学，2021：1.

YE Y.Research on the impact of digital level on the innovation efficiency of information technology industry[D].Taiyuan：Shanxi University of Finance and economics，2021：1.

[8]HANSEN M T，BIRKINSHAW J.The innovation value chain[J].Harvard business review，2007，85（6）：.

[9]陈竹茹，李武选.基于专利的技术创新对经济增长的作用研究[J].中国科技资源导刊，2021，53（3）：101.

CHEN Z R，LI W X.Research on the effect of patent based technological innovation on economic growth [J]. China Science and technology resources guide，2021，53（3）：101.

[10]段亚男，闭明雄，靳来群.二维金融结构对创新的影响研究：基于创新价值链与专利结构的视角[J].金融与经济，2020（9）：21.

DUAN Y N，GUAN M X，JIN L Q.Research on the impact of two-dimensional financial structure on Innovation：From the perspective of innovation value chain and patent structure[J].Finance and economy，2020（9）：21.

[11]徐淑丹.中国城市的资本存量估算和技术进步率：1992—2014年[J].管理世界，2017（1）：17.

XU S D.Capital stock estimation and technological progress rate of Chinese cities：1992—2014[J].Management world，2017（1）：17.

[12]朱平芳，徐偉民.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（6）：45.

ZHU P F，XU W M.The impact of the government's science and technology incentive policy on R&D input and patent output of large and medium-sized industrial enterprises：An empirical study of Shanghai[J].Economic research，2003（6）：45.

[13]KABULOVA J，STANKEVIcienè J.Valuation of fintech innovation based on patent applications[J]. Sustainability，2020，12（23）：.

[14]周青，王燕灵，杨伟.数字化水平对创新绩效影响的实证研究：基于浙江省73个县（区、市）的面板数据[J].科研管理，2020，41（7）：120.

ZHOU Q，WANG Y L，YANG W.An empirical study on the impact of digital level on innovation performance：Based on the panel data of 73 counties （districts and cities） in Zhejiang province[J].Scientific research management，2020，41（7）：120.

收稿日期： 2021-10-20

基金项目： 全国统计局研究重点科研项目（2021LZ33）

作者简介： 忻超娜（1998—），女，硕士研究生;

张二华（1979—），男，副教授，硕士生导师.