吕 鲲,潘均柏,李北伟

(1. 宁波大学 商学院,浙江 宁波 315211;2.兰州大学 经济学院,甘肃 兰州 730099;3. 吉林大学 商学与管理学院,吉林 长春 130022)

0 引言

自经济发展进入新常态以来,我国面临“增长速度换挡期”“结构调整阵痛期”“前期刺激政策消化期”三期叠加的严峻考验。区域创新作为国家创新体系的重要组成部分,为应对上述挑战发挥了重要的基础性作用。在区域发展理论中,城市流理论将区域视为一个流空间[1],各种劳动力、信息、资金等要素在区域内频繁流动,使得区域内形成多层次、大规模、相互交叉的经济流、交通流、信息流等流动体系。当前的城市流分析大多集中于经济流、资金流、人力资本流[2]等层面,缺少针对以知识生产、扩散、交互和应用为内容的创新流研究。

随着创新发展理念的深入贯彻,知识产权保护作为一项重要的制度安排被高度重视。2021年9月党中央国务院印发《知识产权强国建设纲要》,明确要求将中国建设成为知识产权强国。知识产权保护通过促进数字经济发展、强化产业集聚的竞争规避效应[3]等提高区域创新水平,但鲜有针对知识产权保护对区域创新流影响的分析,因此本文将其作为一个研究重点。

注意力是决策过程中的一种稀缺资源,决策者无法在所有领域都实现效益最大化,因此必须合理分配注意力资源[4]。许多学者将该理论引入政府决策行为研究[5],认为获得高水平政府注意力的领域会得到优先发展机会。2012年我国将生态文明建设纳入“五位一体”总体布局,加强了地方生态治理考核。受此影响,地方政府逐渐将部分注意力投向生态文明建设领域。因此,本文认为研究知识产权保护对区域创新流的影响时有必要纳入政府生态文明建设注意力。

近年来,基于“波特假说”的环境规制效应不断被证实,而环境规制只是政府生态文明建设注意力的部分体现。注意力不仅体现政策内容和执行强度,而且需要支付一定决策成本和机会成本。因此,研究政府生态文明注意力对区域创新流的影响可以作为政府有限理性条件下对“波特假说”的一个补充。如王琪和田莹莹[6]基于改革开放以来对中央政府工作报告的文本分析,认为,政府环境治理注意力会促进其它政策协同作用,以实现环境的协同治理;杜江和龚新蜀[7]指出,政府生态环境注意力通过影响“能效领跑者”制度,间接影响绿色创新。由此可见,在分析政府知识产权保护政策影响效应时有必要将政府生态文明建设注意力纳入研究框架,为新常态下协调生态文明建设与知识产权保护关系、促进区域创新流发展提供决策参考。

1 研究回顾与机制分析

1.1 知识产权保护与区域创新流

创新流既是区域内部的知识生产和流通过程,也是区域间创新主体学习和交互的过程。企业和科研机构能够跨区域获得技术、市场信息等知识,并对该知识进行整合和转化。在高知识产权保护强度地区,创新主体成果易受到保护,从而在一定程度上激发该地区创新行为,并对其它地区创新主体和创新资源产生虹吸效应,促进地区创新流扩张,呈现出 “强者恒强”的空间极化现象。

结合科斯第二定理,知识产权保护会在交易费用的约束下影响资源配置结果[9]。过高的知识产权保护强度会导致创新者知识生产活动受限,不利于创新者进行边际创新,同时,增加知识应用和知识传播成本,强化知识垄断并抑制创新活力[10]。由知识产权保护带来的交易费用增加也不利于知识整合,其为知识创造活动设置了壁垒,对知识交叉领域的创新流扩张产生消极影响。此外,过高强度的知识产权保护会增加企业创新诉讼风险和法务成本并挤出创新活动[11]。

基于上述分析,本文提出如下研究假设:

H1:知识产权保护对区域创新流的作用具有非线性特征,整体呈现出先促进后抑制的倒U型影响。

H2:其它地区提高知识产权保护强度会显著抑制本地创新流。

1.2 政府生态文明建设注意力与区域创新流

在生态文明建设注意力下,政府会将更多政策资源配置到创新流领域[12],原因在于政府生态文明建设注意力具有创新导向性,其通过提高环保标准、提供政策资金与税收优惠[13],推动企业生产流程变革、生产资源优化配置以及绿色技术研发活动开展,最终增加创新流[14];其次,在生态文明建设注意力下政府会更加鼓励企业和研发机构以需求为导向,聚焦于环境友好型产品研发,引导创新流形成;最后,具有高水平生态文明建设注意力的政府会致力于推动不同创新主体、创新资源以及创新环境之间高效协同,进而加快知识生产、知识扩散与知识转化,促进创新流扩张。

基于上述分析,本文提出如下研究假设:

H3:地方政府生态文明建设注意力能够显著提升区域创新流。

综合假设H1～H3,绘制作用框架如图1所示。

图1 基于假设H1～H3的机制框架Fig.1 Mechanism analysis of H1～H3

1.3 政府生态文明建设注意力约束下的知识产权保护与区域创新流

1.3.1 较低水平约束:促进效应

当政府生态文明建设注意力水平较低时,其在规范知识产权保护、促进区域知识创造和应用过程中的约束作用有限。而知识产权保护能够减少“搭便车”现象,同时,为知识扩散和知识转化提供政策工具以及法律标的[15],因此知识产权保护在地方政府生态文明建设注意力缺失的情况下具有区域创新流促进效应。

1.3.2 较高水平约束:抑制效应

当政府生态文明建设注意力水平较高时,严苛的环境监管会提高企业环境成本。根据2019年发布实施的《专利优先审查管理办法》,知识产权部门可优先审查与节能、环保和低碳技术相关的专利,这在一定程度上激励了绿色创新,但延缓了其它技术演进周期,进而限制了区域创新流扩张。在执法上,当创新主体同时面临严苛的环境监管和较高强度的知识产权保护约束时,高环保支出、高知识使用成本和为规避监管产生的寻租成本会挤出企业对知识生产活动的投入[16],进而制约区域创新流。

1.3.3 “量质齐升”的约束:可持续发展效应

严苛、单一的生态环境保护政策会扭曲其政策效应,随着社会经济发展,政府对生态文明的关注力和认识进一步提升,在这一阶段,地方政府开始探索生态文明建设与区域创新发展的有机融合,以实现生态文明注意力约束的“量质齐升”——通过制定合理的知识产权政策,激励环境友好型技术创新[17],并鼓励和保护其它技术创新,这是因为任何技术创新带来的生产效率提升和生产方式变革均能够促进区域生态效益增长。同时,政府也会促进知识转化,支持企业绿色转型,引导区域创新流可持续发展。

1.3.4 空间约束效应

知识产权保护对区域创新流的负向空间传导效应会随着地方政府生态文明建设注意力水平提升而减弱。首先,当地方政府生态文明建设注意力处于低水平阶段时,其对知识产权保护的约束力有限,此时空间极化现象显著存在;随着注意力水平提升,知识产权保护会产生创新流抑制效应,此时高知识产权保护强度地区的虹吸效应消失;当注意力水平发展到“量质齐升”阶段时,地方政府会致力于促进知识扩散和知识转化效率提升,尽管当前存在的市场分割、地区发展不平衡等现象导致知识产权保护无法充分发挥空间正外部效应,但可以缓解由虹吸效应引起的空间极化效应。

基于上述分析,本文提出如下研究假设:

H4:知识产权保护对区域创新流的作用会随着政府生态文明建设注意力水平提高表现为先促进再减弱最后促进的影响态势。

H5:知识产权保护对区域创新流的负向空间影响会随着政府生态文明建设注意力水平提升而减弱。

综合研究假设H4～H5,绘制影响机制如图2所示。

图2 基于假设H4～H5的机制框架Fig.2 Mechanism analysis of H4～H5

2 模型构建、变量描述与数据来源

2.1 模型构建

本文基于2009-2021年我国内地30个省市(西藏因数据不全,未纳入统计)面板数据,分别构建动态面板系统GMM模型、空间计量模型、一般面板门槛模型和空间门槛模型,研究地方政府生态文明建设注意力约束下知识产权保护对区域创新流的作用机制。

2.1.1 基准回归模型构建

为探究知识产权保护与政府生态文明建设注意力分别对区域创新流的影响,考虑到被解释变量的跨期影响,基于动态面板系统GMM估计构建如下模型:

IFit=λi+φIFi(t-1)+α1IPPit+α2EPit+∑βXit+εit

(1)

式中,λi为常数项;φ为被解释变量区域创新流(IFit)滞后一期系数;α1、α2分别为解释变量知识产权保护强度(IPPit)和地方政府生态文明建设注意力指数(EPit)系数;∑βXit代表控制变量与系数乘积之和;εit代表随机误差项。

2.1.2 空间计量模型构建

为验证知识产权保护的空间效应,借鉴Anselin[18]的方法分别构建空间自回归模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)。

IFit=ρW·IFit+α1IPPit+α2EPit+∑βXit+γt+ui+εit

(2)

IFit=α1IPPit+α2EPit+∑βXit+γt+λW·vit+ui+εit

(3)

IFit=ρW·IFit+α1IPPit+α2EPit+∑βXit+θW(IPPit+EPit+∑βXit)+γt+ui+εit

(4)

式中,模型(2)为SAR,模型(3)为SEM,模型(4)为SDM。其中,W为基于空间计量模型的空间权重矩阵,vit为随机扰动项,ρ为被解释变量IFit在空间权重矩阵下的空间自回归系数,θ为空间溢出效应系数集合。

2.1.3 一般面板门槛模型构建

基于Hansen[19]的方法构建面板门槛模型。

IFit=λi+α1IPPit×I(IPPit≤γ)+α2IPPit×I(IPPit>γ)+∑βXit+εit

(5)

IFit=λi+α1IPPit×I(EPit≤γ)+α2IPPit×I(EPit>γ)+∑βXit+εit

(6)

式中,模型(5)的解释变量和门槛变量均为知识产权保护强度(IPPit),以此验证知识产权保护是否对区域创新流存在倒U型影响;模型(6)中门槛变量为地方政府生态文明建设注意力指数(EPit),核心解释变量为知识产权保护强度(IPPit),该模型能够验证假设H4。I代表指示性函数,α1和α2分别代表在门槛值(γ)附近波动的门槛变量系数。

2.1.4 空间门槛模型构建

本文将门槛效应和空间效应均纳入研究框架,结合模型(2)～(4)和模型(6),分别以知识产权保护强度、政府生态文明建设注意力指数为解释变量与门槛变量,构建空间门槛模型。参考张杰飞等[20]的做法,构建基于空间杜宾模型估计的门槛模型。

IFit=ρW·IFit+α1IPPit×I(EPit≤γ)+α2IPPit×I(EPit>γ)+∑βXit+θW[IPPit×I(EPit≤γ)+IPPit×I(EPit>γ)+∑βXit]+γt+ui+εit

(7)

2.2 变量描述与数据来源

2.2.1 被解释变量:区域创新流强度(IF)

本文根据胡海鹏等[21]的创新流和知识流动理论,将知识创造、知识获取和知识转化作为评价区域创新流的3个维度。

首先,从中国科技发展战略小组和中国科学院联合发布的 《中国区域创新能力评价报告》中获取各省份知识创造和知识获取两个指标数据。同时,对知识转化水平进行评价,具体包括创新驱动产业发展、知识赋能企业发展、区域产学研合作3个层面。其中,创新驱动产业发展主要表征知识对各产业的赋能情况。本文采用省域农业机械化总动力、工业机器人密度分别表征创新驱动产业发展中农业和制造业领域的知识转化情况。此外,选取“人工智能”“区块链”“数字货币”“元宇宙”等57个关键词,通过百度高级检索搜索2009-2021年各城市政府工作报告中出现的上述关键词,并采用Python爬取网页中关键词出现频次,测度该省服务业和新兴产业知识转化情况。知识赋能企业发展主要采用省域科技企业孵化器当年毕业企业数、高新技术企业增加值和规模以上工业企业新产品销售收入测度;产学研合作主要采用国家大学科技园毕业企业数、地方高校R&D成果应用及科技服务人员全时当量、地方高校成果应用以及科技服务项目经费测度。

工业机器人密度参照康茜和林光华[22]的方法,测算IRF公布的中国安装有工业机器人的细分行业就业人数在各省份的占比,而后将该比值与IRF披露的中国各行业工业机器人安装量占全行业总量之比相乘测得。其余数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国火炬统计年鉴》《中国高校科技统计资料汇编》。

区域创新流评价指标体系见表1,本文采用熵值法计算2009-2021年区域创新流强度(IF)。

表1 评价指标体系Tab.1 Assessment indicator system

2.2.2 解释变量I:知识产权保护强度(IPP)

本文参考党文娟和罗庆凤[23]的研究,采用各地专利授权数与全国专利授权总数之比测度知识产权立法强度,采用当年各地专利纠纷结案总数与全国专利纠纷立案数之比测度知识产权执法强度,并采用熵值法确定上述两个指标权重。相关数据来源于《中国科技统计年鉴》《中国法律年鉴》。

2.2.3 解释变量II:地方政府生态文明建设注意力指数(EP)

本文从政策规划注意力、资源配置注意力、立法注意力3个方面综合评价政府生态文明建设注意力(见表1)。其中,政策规划注意力主要分为绿色发展关注度和“五位一体”中生态文明布局强度。前者参考吴建祖和王碧莹[24]的研究,用2009-2021年地方政府工作报告中有关绿色发展的主题词(包括“环保”“生态”“植树造林”“河长制”等94个主题词)词频与总词频的比例进行测度;后者参考Bi等[25]的研究,将地方政府工作报告中“生态”词频占“经济”“政治”“文化”“社会”“生态”5个特定词汇总词频的比重作为“五位一体”中生态文明布局强度测度指标。由于省政府报告文本量较小,因此本文采用各省地级市政府文本作为分析对象。

此外,将环境污染治理支出占财政总支出比重和环境基础设施投资占GDP比重分别作为环境治理强度以及基础设施建设强度测度指标,相关数据来源于《中国环境统计年鉴》。

本文以2009-2021年与生态文明建设有关的地方立法数与当地立法总数之比作为立法注意力测度指标,相关数据由北大法宝数据库检索获得。

同样,采用熵值法获得EP的面板数据。

2.2.4 控制变量

本文将金融发展(FD)、产业结构高级化(AIS)、产业结构合理化(RIS)和人口密度(人/平方公里)(PD)作为控制变量。金融发展(FD)采用金融机构存款贷款余额总和与GDP之比测度;产业结构高级化(AIS)采用第三产业与第二产业增加值之比测度;产业结构合理化指数参考干春晖等[26]构建的泰尔指数方法测度。相关数据来源于《中国统计年鉴》《中国金融统计年鉴》。

2.2.5 空间权重矩阵

空间计量模型需要通过空间权重矩阵实现对空间效应的估计,本文采用经济空间权重矩阵作为本文空间计量模型。

(8)

式中,Wij为空间权重矩阵元素,|yi-yj|代表i地区与j地区在报告期内平均实际产出(GDP)之差。

3 实证分析

3.1 基准回归分析

本文首先采用动态面板系统GMM模型进行基准回归(结果见表2),模型通过了AR(2)和Hansen检验。知识产权保护强度(IPP)和地方政府生态文明建设注意力指数(EP)系数均通过了1%水平下的显著性检验,IPP系数分别为0.458、0.458、0.533和0.546,EP系数分别为0.403、0398、0.223和0.250,且均为正数,充分验证了研究假设H3。

表2 基准回归分析估计结果Tab.2 Parameter estimates of the benchmark regression analysis

3.2 空间计量模型分析

3.2.1 空间依赖性检验

进行空间计量回归分析前,通过构建全局Moran's I以验证区域创新流强度是否具有空间依赖性。经测算,2009-2021年区域创新流基于经济空间权重矩阵的Moran's I值均显著为正,同时,区域创新流散点分布如图3所示,也显示出其具有空间依赖性。

图3 2009年与2021年的Moran散点分布Fig.2 Moran scatter plots for 2009 and 2021

3.2.2 空间计量模型识别与选择

本文需要从空间自回归模型(SDM)、空间误差模型(SEM)和空间杜宾模型(SAR)中选择合适的空间计量模型进行实证分析。首先,基于LM及其稳健性统计量(Robust LM)的滞后检验(LM=3.473;Robust LM=121.553)和误差检验(LM=114.117;Robust LM=232.196)结果均显著,表明需要采用SAR和SEM的一般形式SDM。其次,经Hausman检验(Hausman of FE=35.60),以及分别针对地区固定效应(LR=79.67)和时间固定效应(LR=623.85)的LR检验结果表明,应采用时空双固定效应的空间杜宾模型(SDM)作为本文分析模型。最后,基于SAR(Wald=16.41,LR=69.86)和SEM(Wald=16.25,LR=68.25)的Wald检验结果和LR检验结果,再次证明应采用空间杜宾模型。

3.2.3 空间计量模型回归分析

结合假设H1、H2和H3,本文采用基于时空双固定效应的空间杜宾模型进行回归分析和假设检验,回归结果如表3所示。

表3 空间杜宾模型回归结果Tab.3 Results of the spatial Durbin model regression

由表3的空间溢出效应估计结果可知,W×IPP系数分别为-2.737、-2.768、-2.289和-2.055,均通过1%水平下的显著性检验,表明其它地区的知识产权保护会对本地创新流产生显著负向影响,验证了假设H2。

3.2.4 稳健性检验

对模型(4)进行稳健性检验。首先,考虑到新冠肺炎疫情的冲击,剔除2020年和2021年的样本数据,进行第一次检验;其次,由于模型构建中没有考虑地区营商环境、对外开放程度和市场化进程对区域创新流的影响,因此将地区腐败(每年公职人员职务犯罪案发数(件/人))、外商直接投资和市场化指数作为可能的遗漏变量加入模型中进行第二次检验。检验结果显示,与调整前的参数估计结果基本一致,说明本文结论具有稳健性。

3.3 空间门槛模型分析

3.3.1 门槛效应检验与门槛值确定

进行门槛效应分析前,首先进行门槛效应检验并确定门槛值,利用Bootstrap抽样300次,检验结果如表4所示;然后,构建似然比统计量(LR),检验门槛效应的真实性并确定门槛值,结果如图4和图5所示。其中,图4(a)(b)(c)分别为针对模型(5)中门槛变量IPP的真实性检验,图5(a)(b)(c)分别为针对模型(6)中门槛变量EP的真实性检验。

表4 模型(5)(6)的门槛效应检验结果Tab.4 Testing of the threshold effects for Model 5-6

图4 模型(5)的门槛值真实性检验结果Fig.4 Authenticity test of threshold values threshold variables (IPP) in Model 5

图5 模型(6)的门槛值真实性检验结果Fig.5 Authenticity test of threshold values threshold variables (EP) in Model 6

结果表明,模型(5)和模型(6)的三重门槛值均显著且真实存在,故需要确定是否存在第四、第五重门槛:①在由三重门槛划分的4个样本区间内选择样本数量大于20%全样本量的区间,并结合图4(a)(b)(c)和图5(a)(b)(c),判断该区间是否存在门槛效应;②利用Bootstrap对该区间抽样300次,检验门槛效应的真实性。根据表4、图4(d)和图5(d)可知,模型(5)(6)均存在四重门槛,但五重门槛不显著。模型(5)(6)的门槛值及其95%的置信区间见表5。

表5 模型(5)(6)的门槛变量与门槛值Tab.5 Threshold variables and values for Model 5-6

3.3.2 一般面板门槛模型回归分析

表6报告了模型(5)和模型(6)的参数估计结果。其中,模型(5)的参数估计结果显示,当IPP低于第一重门槛值0.102时,其无法对创新流发挥显著影响;当IPP跨越第一重门槛时,其系数变为0.219,在1%的水平下显著,表明在该阶段知识产权保护对区域创新流具有显著正向作用;当知识产权保护强度位于区间[0.208,0.383]时,其系数不显著,说明该水平下知识产权保护失去积极效应;当知识产权保护强度高于第三和第四重门槛值时,其系数均为负,且通过1%水平下的显著性检验,验证了假设H1。

表6 一般面板门槛模型回归结果Tab.6 Regression results of the general panel threshold model

根据模型(6)的估计结果可知,IPP在门槛变量EP低于第一重门槛值和位于第一、二重门槛之间时系数分别为0.089 4与0.197,分别通过了5%和1%水平下的显著性检验,表明低水平的注意力约束不会引起知识产权保护政策扭曲,验证了创新流促进效应存在;当EP跨越第二重门槛值(0.219)时,知识产权保护强度系数不显著,表明严苛的注意力约束引发创新流抑制效应;当EP跨越第三重门槛值(0.256)和第四重门槛值(0.503)时,IPP系数分别在1%和5%的水平下显著,数值分别为0.103和0.247,表明此时注意力约束进入“量质齐升”阶段,表明研究假设H4成立。

3.3.3 注意力约束对知识产权保护的空间门槛效应

综合前文分析,本文构建基于空间杜宾模型估计(SDM)的空间门槛模型,对注意力约束的空间门槛效应进行分析,结果如表7所示。

表7 空间门槛模型回归及空间效应分解结果Tab.7 Results of the spatial threshold model regression and decomposition of spatial effects

由表7结果可知,当EP低于第一重门槛值(EP<0.215)时,W×IPP的系数在1%水平下显著为负,为-2.658,表明在注意力约束过低时知识产权保护对区域创新流的空间极化效应比较明显;当EP跨越第二重门槛值0.219时,知识产权保护的空间溢出效应(W×IPP)系数在5%的水平下显著,值为0.490,表明注意力约束处于创新流抑制阶段,区域间的虹吸效应消失;当EP处于“量质齐升”阶段(EP≥0.256)时,W×IPP系数不显著,可能的原因是此时区域间虹吸效应再现,地方政府将增加创新流作为生态文明建设的内生驱动力,更加关注知识扩散和知识转化,因此在两种效应的博弈下知识产权保护的空间效应不显著,即研究假设H5成立。

4 研究结论与对策建议

4.1 研究结论

本文针对“知识产权保护对区域创新流的影响机制”和“政府生态文明建设注意力的约束效应”两大命题进行研究,经过理论和实证分析,研究发现,知识产权保护对区域创新流具有先促进后抑制的倒U型影响,而空间效应分析结果表明,其它地区的知识产权保护会对本地区创新流产生抑制效应。同时,政府生态文明建设注意力能够通过优化生产、拓展市场和协同创新促进区域创新流,在不同阶段其门槛效应呈现为激发创新、抑制创新和促进“量质齐升”的影响效应,在不同程度的注意力约束下引发知识产权保护对区域创新流产生先促进、不显著,后促进的阶段性影响。

4.2 对策建议

(1)鉴于过高的知识产权保护强度不利于区域创新流,为此政府可以根据不同行业特点,提供差异化知识产权保护政策工具。同时,建立技术转移和交易平台,促进企业、科研机构等创新主体知识交流和共享。可以采取调整知识产权保护宽度和长度的方式,促进知识产权保护与区域创新流扩张相协调,如适当缩小保护宽度以鼓励边际创新,适当调整保护长度以加快技术演化。

(2)通过引进人才、联合培养、技术合作等方式建立跨区域创新合作机制,促进创新流跨区域流通,实现区域创新流空间极化效应向空间扩散效应转变。

(3)从“知识产权保护—生态文明建设”耦合协调的生态系统视角,引导地方政府因地制宜,采取可持续的生态文明建设模式。如建立环保和生态修复基金,鼓励创新主体围绕节能减排目标开展技术创新,支持清洁能源储存、智能生产监测、智能传感等一系列兼具生态效益和提高生产效率的新兴技术研发与成果“落地化”。