知识产权保护还是Ramp;D补贴,本文主要内容关键词为:知识产权保护论文,Ramp论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
一、引言 如何加快提升创新能力一直是各界关注的重大议题。企业创新动力和活力不足、技术创新的主体作用没有得到充分发挥是自主创新能力建设中存在的突出问题。事实上,如何推动创新能力的提升历来都是难题。在企业、政府和市场组成的创新体系中,企业理应是技术创新活动的主体,然而,由于企业的创新产出具有非竞争性和部分非排他性特征,使得市场机制不能为企业主动创新提供充分的激励,导致企业的研发投入明显不足,即产生“市场失灵”,因而政府应采取恰当的干预措施,引导和激发企业技术创新。 本文重点关注政府在创新能力建设中的角色定位和政策选择问题。政府通常采用两类公共政策激励企业研发创新:一是构建和完善制度性基础设施,营造有效率的市场环境,促进市场机制良好运行,进而推动和促进研发资本投资和技术创新,如知识产权保护制度、产权交易市场、规范的法制环境等;二是发挥公共财政职能,用经济手段促使企业R&D活动的投资规模接近社会理想水平,其中R&D补贴和税收优惠等较为有效①。政府采取的措施不同,其担当的角色不同,对企业创新活动产生的效果不同。 理论上,发展中国家可以同时通过完善知识产权保护制度和实施R&D补贴来激励企业自主创新,但实际操作过程中,知识产权保护与技术创新之间的两难困境以及政府实施R&D补贴过程中面临的可能的低效率使政府的选择空间受限。结合理论与实践层面的困境,我们侧重研究:与国际接轨的知识产权保护立法体系有没有从根本上推动我国的技术创新能力的提升?R&D补贴是促进还是阻碍了企业技术创新?本文的逻辑思路是:首先对中国知识产权保护程度进行综合测算,然后选取相应的经济数据,对知识产权保护水平、R&D补贴与技术创新之间的内在关系进行验证。 本文贡献在于:(1)将商业秘密保护引入传统知识产权保护水平测算指标体系中,对中国1997~2011年知识产权保护水平进行了综合测度,丰富和完善了知识产权保护水平测算研究的相关文献;(2)根据专利申请量数据的非负性、离散性和随机性特征,使用面板计数模型对知识产权保护、R&D补贴与技术创新之间的关系进行分析,实证结果更为可信;(3)本文结论表明,知识产权保护水平的提高对技术创新有较强的正向促进作用,而R&D补贴的效果并不显著,这为政府部门明确自身角色定位、制定和完善相关政策具有重要意义。 二、文献综述及与本文异同 国内外有关自主创新能力的研究文献众多,本文仅就知识产权保护和R&D补贴等由政府主导的政策对技术创新影响的主要研究进行梳理。 (一)知识产权保护与最优创新政策:理论和经验结论 理论研究表明,知识产权保护是一项激励技术创新的有效制度安排。Arrow(1962)表明由于创新企业无法完全拥有研发的专有收益,会导致社会福利最大化的研发投资不足,而专利保护是解决该问题的途径之一。Helpman(1993)证明严格的知识保护在强化产权所有者的垄断权力的同时削弱了研发的利润激励。Chen & Puttitanun(2005)证明发展中国家需要实施知识产权保护,且创新水平会随着知识产权保护程度的加强而提高。Branstetter et al.(2011)表明发展中国家加强知识产权保护能够促进发达国家的生产线向发展中国家转移,并促进发展中国家产业发展。Chu et al.(2012)发现知识产权保护会激励更多的R&D活动,促进技术进步。郭春野和庄子银(2012)证明严格的知识产权保护对南方自主创新的激励效应以及南北双方的总体效应依赖于南方的初始技能劳动水平和北方创新性质导致的市场结构特征。 经验研究中,发展中国家知识产权保护对技术创新影响的结论却并不统一。跨国数据研究中,Sherwood(1997)表明较弱的知识产权保护会阻碍本地的创新水平。Allred & Park(2007)发现发达国家的技术创新与知识产权保护水平之间呈U型关系,而发展中国家则表现出负影响。以中国为样本的相关研究中,陈国宏和郭弢(2008)发现知识产权保护水平的改善对我国自主创新能力的提高没有明显作用。Lin et al.(2010)发现无论是过程创新还是产品创新,知识产权保护都能够对企业研发创新活动产生显著促进作用。董雪兵等(2012)发现对处于转型期的中国而言,短期内较弱的知识产权保护程度有利于经济增长,而较强的知识产权保护程度则有碍于经济增长;在长期均衡的状态下,较强的知识产权保护可以促进经济增长。文豪等(2014)实证检验了知识产权创新激励效应的行业异质性特征,发现知识产权保护对技术创新的影响依赖于技术差距和复杂程度、需求规模和市场结构等因素。 (二)R&D补贴与技术创新:内在机理及经验证据 关于政府R&D补贴的研究主要集中在R&D补贴促进创新的机理及其实证检验方面。Romer(1990)认为对创新活动进行补贴是必要的。实证分析中,研究者重点关注政府R&D补贴对企业R&D投入产生了激励效应还是替代效应(David et al.,2000)②。朱平芳和徐伟民(2003)指出:无论是政府的直接拨款资助,还是间接的税收优惠,都对大中型工业企业增加R&D投入具有积极效果。Tommy(2009)证实政府补贴对企业的研发投入存在部分的替代效应。刘虹等(2012)发现政府R&D补贴对企业R&D投入产生的激励效应和替代效应呈倒U形分布。李永等(2014)发现政府R&D补贴对R&D投入的激励效应受资助行业的平均企业规模、研发强度等因素的影响。 政府R&D补贴的根本目的在促进企业自主创新能力的提升。安同良等(2009)证明政府直接对企业进行R&D补贴,往往由于信息不对称和企业的逆向选择行为,达不到预想的激励效果。Nola(2010)认为政府资助对企业从事研发活动的比例、产品改进式创新活动和新产品开发式创新活动都有积极影响。郭晓丹等(2011)发现政府R&D补贴没有直接带来研发投入的增加,但是企业在政府补贴影响下却获得更多的专利。白俊红(2011)发现中国政府的R&D补贴显著地促进了企业的技术创新。王一卉(2013)认为政府补贴对企业创新的效应受企业所有制、企业经验和地区等三方面的影响。 (三)本文与现有研究的异同 现有研究有助于认识知识产权保护对技术创新的影响,然而由于知识产权保护水平测度及创新产出衡量等方面存在的局限性,并没有真实反映企业自主创新中知识产权保护的作用。从知识产权保护水平的测度来看,一些研究沿用GP指数进行估算,仅测度了知识产权保护的立法水平,忽视了发展中国家在知识产权保护时,执法与司法滞后于立法的现实特征,导致测算的知识产权保护水平与实际偏离,对实证研究的结果造成影响。而就创新产出的衡量来看,专利数据是衡量技术创新的通用指标,但多数研究忽视了专利申请量数据的非负性、离散性、随机性特征,在实证分析中采用普通面板数据回归模型等方法,导致实证结果的可信度不高。现有研究还存在的不足是:在中国工业自主创新能力建设中忽略了政府在知识产权保护等制度性基础设施建设和R&D补贴等经济手段方面发挥的作用。部分研究注意到了知识产权保护或政府R&D补贴对技术创新的影响,但没有在一个统一的框架下联系知识产权保护和政府R&D补贴来实证分析政府在工业自主创新能力建设中的角色定位和政策选择问题。 鉴于此,本文拟在对中国知识产权保护水平进行综合测算的基础上,使用中国1997~2011年33个工业行业的面板数据,应用面板计数模型对知识产权保护、政府R&D补贴与中国工业行业技术创新之间的关系进行实证分析,从而为政府处理与企业关系和明晰政府在工业自主创新能力建设中的角色定位提供事实和决策依据。 三、知识产权保护水平指数的构建及其演变 对知识产权保护水平进行合理、准确的测算是实证分析的基础,然而,由于知识产权保护是一个与立法、司法和执法等因素紧密相关的复杂问题,导致实际应用中对知识产权保护水平进行测度相对比较困难。 国内外多数关于知识产权保护的研究都局限于理论分析,定量测算的研究相对较少。Rapp & Rozek(R-R,1990)把知识产权保护水平划分为5个不同的等级,分别用0~5之间的整数来定量表示。R-R方法简单方便,但该方法计算出来的知识产权保护指数(RR指数)仅仅评价了一个国家是否制定了知识产权保护的法律,而没有考虑法律条款实施的实际效果。Ginarte & Park(1997)在R-R方法基础上把度量知识产权保护水平的指标划分为5个类别,得分的累加和即为量化的知识产权保护水平(GP指数),但该方法只考虑了立法水平,而没有考虑执法水平,虽然其可较好反映司法制度比较健全的发达国家的知识产权保护水平,但对像中国这样立法和执法、司法尚不完全同步的发展中国家并不适用。 知识产权保护的法律条款再完备,若不能得到有效执行,实际保护效果就会大打折扣。目前,中国的知识产权保护在立法上基本与国际标准接轨,但由于法律体系本身还不完善,立法与司法之间还没有完全实现同步发展,再加上人们对知识产权保护的意识不可能马上得到强化,因而实际的知识产权保护水平相对不高。要正确度量中国目前的知识产权保护水平,就必须对Ginarte-Park方法进行修正。考虑到知识产权保护水平应是知识产权保护立法水平和执法水平的综合,许春明和陈敏(2008)在GP指数基础上,综合考虑我国执法水平的影响,构建如下公式对我国的知识产权保护水平进行测算: 式(1)中P(t)表示一国在时间t时的知识产权保护水平,L(t)、E(t)分别表示该国在时间t时的知识产权立法水平和执法水平。本文采用许春明和陈敏(2008)的方法对中国知识产权保护执法水平E(t)进行测算,但与他们仅从专利法、版权法、商标法对知识产权立法水平L(t)进行测算不同,考虑到商业秘密也是知识产权保护的重要方面,本文将商业秘密保护也包含到立法水平评价指标体系中和进行计算,得到扩展的知识产权保护水平衡量指标体系,如表1所示。 其中:商业秘密指标体系包括四个指标,每个指标满分1分,下设个二级指标,满足其中1个二级指标则获得分,总分分数范围在0~4分,分数越高表明一国商业秘密权保护越强。(1)保护范围。测度以下三个方面的内容是否受到商标权的保护:技术信息、经营信息、管理信息。每一项受保护得1/3分,全部满足得1分。(2)主体。包括3个方面:经营者、自然人和其他经济组织。每一项受保护得1/3分,全部满足得1分。(3)法律救济。包括6个方面:禁令救济制度、证据或财产保全制度、损害赔偿救济制度、贸易报复措施、举证责任倒置制度以及行政民事和刑事救济制度。每一项受保护得1/6分,全部满足得1分。(4)国际条约成员资格。包括3项条约:1883年巴黎公约;1891年马德里协定;1967年的建立世界知识产权组织公约及1995年TRIPS协议。每加入1项得1/3分,全部加入得1分。由此,得到中国1997~2011年的知识产权保护水平指数作为下文实证分析的基础,如表2所示③;进一步,本文将立法指数、执法指数与知识产权保护水平指数描绘在图1中,为对照起见,图1给出了1997~2011年各行业平均专利申请数。 结合表2可知,1997~2011年,中国的知识产权保护水平稳步上升,但具有明显的阶段性特征。1997年中国的知识产权保护水平为1.11,而2011年该值为2.20,提升幅度较为明显。从具体阶段来看,2000年之前,知识产权保护水平呈缓慢上升,而2000~2006年期间,知识产权保护水平快速攀升,随后知识产权保护水平上升速度再度降低。究其主要原因,2001年前后正是中国加入WTO的关键时期,政府对专利法、商标法、著作权法等涉及知识产权保护的相关法律条款进行了清理和大范围的修订,使得知识产权立法水平大幅提高,基本达到发达国家知识产权立法保护的程度,因而计算的中国知识产权保护水平大幅提高,这与图1中立法指数在2001年前后的大幅变化是相吻合的。2002年之后,图1中的立法指数保持水平,其值恒为2.82,而执法水平值由2002年的0.61提高到2011年的0.78,得到了一定程度的改善和提高,可见2002年之后知识产权保护水平变化的主要原因在于执法水平的提升。进一步,从知识产权保护水平与各行业平均专利申请数的变化来看,2002年之前,无论是立法指数还是执法指法,都呈上升态势,而各行业的专利申请数也同步缓慢的增加;2002年之后,知识产权保护的立法已基本完成,立法指数保持在2.82;与此形成鲜明对照的是,伴随立法指数的稳定和执法指数的稳步上升,2003~2011年间各行业的专利申请数开始加速,可见,若仅以立法指数来衡量知识产权保护水平,是无法对该时期各行业专利申请数的急剧增加进行合理解释的。 图1 1997~2011年中国知识产权保护水平 比较而言,我国知识产权保护立法水平在2002年前后已完全达到甚至超过发达国家的立法保护水平,这与我国知识产权保护立法的情况相符,但这并不意味着我国已具有较高的知识产权保护水平。实际上,由于知识产权保护不仅取决于立法,更依赖于法律的有效执行,而我国目前的知识产权保护执法水平相对不高,尤其是在司法保护和行政保护方面更是存在不少的改进空间,这使得名义上计算的知识产权保护水平打了折扣。这既意味着当前的知识产权保护在激励企业主动创新、推进技术进步方面还存在不少空间,也提示我们在进行知识产权保护相关议题的实证分析时,需在综合考虑立法水平和执法水平对知识产权保护水平指数进行合理测算的基础上展开才是比较合理的。 四、变量、数据来源与描述性统计 本文使用专利申请量(pit)作为创新产出的衡量指标。解释变量知识产权保护水平(ipr)来自表2中最后一列,设定各工业行业在知识产权保护水平和程度上不存在行业间的差异,因而各工业行业在某一年份的知识产权保护水平相同。根据基于内生增长理论的知识生产函数,选取的其他解释变量情况如下: (1)研发资本存量(lnk)。自主创新产出是以往所有知识累积的结果,与Hausman et al.(1984)等所采用的方式相一致,考虑到创新产出不仅依赖于当期的创新投入,还取决于过去时期中的创新投入,这使得研发资本投入应是当前的研发资本存量,而不仅仅取决于当期的研发支出,因而,本文将研发资本存量(lnk)作为主要自变量之一。 (2)研发人员投入(lnl)。描述研发中劳动力投入对技术创新的影响,出于数据可得性及统计口径方面的考虑,本文以各工业行业科技活动人员数作为研发人员投入的衡量指标。 (3)政府R&D补贴(lnsub)。与现有研究一致,使用我国各行业大中型工业企业科技经费筹集额中来自政府的资金表示,并根据吴延兵(2006)使用的方法计算的R&D价格指数将其平减成1997年的不变价。 (4)国有化程度(soe)。明晰的产权制度是激励创新和提高效率的重要因素,中国是一个多种经济成分并存的国家,产权结构是分析中外企业技术创新时需要重点关注的控制变量;与非国有企业相比,国有企业更易获得政府的R&D补贴。论文采用国有及国有控股企业工业总产值占工业总产值的比重作为产权结构变化的衡量指标。 (5)外资开放度(fdi)。FDI在中国经济增长中所发挥的巨大促进作用已得到普遍认同,然而FDI在促进经济增长的同时,是否也同步促进了我国技术创新能力的提高?抑或是我们仅吸引了大量的FDI,成为了跨国公司全球产业链中的加工和制造基地,而没有对我国的技术创新能力带来实质性的提升,这是政策制定中需关注的重要问题之一。在此,定义外资开放度为各工业行业三资企业总产值占工业总产值的比重,用以检验外资进入为发展中国家引进和吸收国外先进技术提供便利的同时,加剧市场竞争、促进技术创新的效果。 (6)企业规模(size1或size2)。用以刻画技术创新是否存在规模效应,采用两个指标来进行衡量和稳健性检验,size1为各工业行业企业的平均人数,定义为大中型工业企业人数与大中型工业企业数量之比;size2定义为企业的平均产品实际销售收入,采用工业品产出价格指数平减为1997年的不变价。 (7)技术机会(rdint或teint)。所有的创新都是在原有创新成果的基础上展开的,因而技术机会是创新决定因素中常常考虑的因素,rdint定义为各行业单位实际销售收入的研发支出,teint定义为各行业单位企业的研发人数。 上述变量的数据若无特别说明,均根据历年的《中国科技统计年鉴》和《中国统计年鉴》计算所得。参照吴延兵(2006),我们剔除了电力蒸汽热水生产和供应业、煤气生产和供应业、自来水生产和供应业三个政府垄断性行业;此外,由于统计年鉴中其他采选业和其他制造业缺失较多数据,武器弹药制造业缺失部分指标,因而最后每年选择33个工业行业。考虑各变量数据的延续性与统一性,选取的样本时期为1997~2011年,少量指标的缺失值通过移动平均法补齐。最终得到33个工业行业15年共495个样本数据。样本数据的描述性统计见表3。 五、计量方法:面板计数模型及其估计 近年来,越来越多的研究使用面板计数模型对技术创新的决定因素进行实证分析。下面首先说明创新产出的衡量指标及采用面板计数模型进行分析的原因,然后介绍面板计数模型估计时面临的问题及其处理方法。 (一)创新产出的衡量与面板计数模型的应用 在创新产出的衡量上,通常认为,相比新产品销售收入、新产品开发项目数等指标,专利数据是衡量技术创新产出的有效指标。常用的专利数据有专利申请量和专利授权量两种,进一步的研究表明,专利申请量比专利授权量更能真实地反映创新水平(Griliches,1990),因而本文选用专利申请量作为创新产出的衡量指标,这也是目前国内外大多数研究所采用的通用的创新产出衡量指标。 尽管对专利申请量与其影响因素之间关系的分析本身具有重要意义,现有文献中多数研究实际更关注于面板数据分析的方法问题。与国内多数研究将专利申请量与其影响因素进行一般形式的回归分析不同,考虑到专利申请量数据具有非负性、离散性和随机性特征,使得通常所使用的一般线性回归模型得出的结果并不准确,因而研究者普遍认为采用面板计数模型进行实证分析更为合理。如同Hausman et al.(1984)所强调的:由于专利生产并不是产出与投入一一对应的确定性的生产过程,其具备一定的运气和偶然性成分,因而用描述某一时期内随机事件发生次数的泊松分布更适用于估计专利生产函数。设定泊松分布的概率分布函数式为: 进一步,式(3)的通常形式可设定为,β为待估参数。由此可得到个工业行业在时期内样本函数的对数似然函数: 式(4)中,解释变量通常包含研发资本投入、研发人员投入、企业规模、市场结构、技术机会、知识产权保护水平等影响因素。 泊松分布中,因变量专利申请量p[,it]的条件期望和条件方差设定式为: 由于各工业行业存在影响技术创新水平却很难被具体量化的因素,因而,可在模型中引入行业虚拟变量对不随时间变化的行业非观测效应进行控制,式(3)可扩展为: (二)面板计数模型估计时的过度分散问题及其处理 模型估计时,常常会遇到两个问题。一是零值因变量问题。即当专利申请量是企业层面的数据时,由于部分企业没有从事研发或进行专利申请,会遇到取值为0的因变量太多。通常采用的处理方法是在模型设定形式上采用固定效应的负二项式(negative binomial)模型或零膨胀(zero-inflated)负二项式模型。在本文中,由于我们采用的是工业行业层面的企业加总数据,零值因变量非常少,因而我们无需对该问题过于关注⑤。二是过度分散(over dispersion)问题(Cincer,1997)。表现为式(5)所要求的条件均值等于条件方差的约束通常很难成立,即样本数据中专利申请量的条件方差会远大于条件期望,会导致标准误差的估计值严重低于实际值从而夸大参数估计值的显著性⑥。 处理过度分散问题通常有两种方法:其一是保持式(5)中条件均值不变,而将条件方差设定为与条件均值不同,通常设定条件方差式为: 可对式(7)中的α进行检验:当时α≠0,表明存在过度分散问题,因而使用普通泊松分布进行估计是不大合适的;当时α=0,原有泊松分布成为负二项式分布的特例,可采用负二项式模型进行估计。 其二是使用泊松拟似然(PQML)估计量。Wooldridge(2002)证明:只要条件均值设定是正确的,在无需对条件方差设定形式施加任何约束的情况下得到的PQML估计量是渐近一致估计量。若条件方差遵从式(7)的负二项式分布设定,此时得到的负二项式参数估计值比PQML估计量更有效,否则,PQML估计量的一致性更好。由于式(7)的条件方差设定难以满足,因而本文倾向于采用PQML估计量进行实证分析。 六、工业行业的经验证据 基于上文分析,我们用包含行业固定效应的面板计数模型进行估计,在模型估计时还包含年份虚拟变量,用以体现技术进步随时间演变的趋势特征,主要结果见表4。首先,估计结果表明专利申请量数据明显存在过度分散问题。对不同的企业规模和技术机会控制变量,负二项式模型5~8中估计参数α在1%的显著性水平下不为0,表明普通泊松分布设定的均值与方差相等的条件不成立;此外,采用普通泊松分布面板计数模型进行估计时,实际估计参数的标准误明显偏小,夸大了系数的显著性程度,因而,相比普通泊松分布模型,固定效应负二项式模型更适用于估计样本数据。其次,与负二项式模型在处理过度分散问题时对方差形式施加了较强的假定不同,由于泊松拟似然估计量在对方差形式设定无需施加过多的假定时也可得到一致性估计量,因此,我们将主要依据泊松拟似然估计结果即模型1~4进行分析⑦。 根据计量结果,我们可以发现: 第一,知识产权保护水平的提高对技术创新有较强的正向促进作用。从表4来看,无论是采用泊松拟似然估计还是负二项式模型估计,知识产权保护的系数显著为正,说明知识产权保护水平的提高有利于中国工业行业的技术创新,这一结论符合理论预期,也与大多数研究所得出的结论相一致。由泊松拟似然估计量的结果可知,当企业规模、技术机会选择不同的衡量指标时,知识产权保护水平估计系数的变动都比较小,说明该参数估计值是比较稳健的。这说明知识产权保护制度已成为我国企业自主技术创新的重要制度基础,其在减少从事研发企业的技术外溢、激发企业的自主创新动力、激励我国企业自主创新等方面发挥着重要的作用。这意味着,在中国的市场上,市场机制及其长远激励机制取得了显著效应,这种产权保护制度具有根本性作用。企业的创新动力主要同样来源于其通过技术创新获得竞争优势,进而在此基础上攫取高额利润,这要求企业成为创新产出的直接受益者,而知识产权保护的加强可保护企业创新投入能获得的回报,激励企业竭力提高R&D产出效率。 第二,研发资本和研发人员投入都显著提升了中国工业行业的技术创新水平,且研发资本的作用更大。从模型1~4来看,当企业规模、技术机会选择不同衡量指标时,研发资本和研发人员投入的估计系数大都显著成立,且系数估计值是比较稳健的,这表明研发资本和研发人员投入在我国技术创新中发挥着重要作用。而研发资本的估计系数比研发人员投入的系数更大,意味着相比研发人员投入,研发资本在我国工业行业技术创新中起着更大作用。与产品生产活动相比,研发活动需要大量的资本投入,研发资本通过创造和累积知识,促进技术创新,为经济可持续增长提供源源不断的动力和支持;这也与国际社会自20世纪90年代以来形成的共识相符合:所有的技术引进都是有局限性的,一国只有增加研发资本和研发人员投入,拥有自己的研发能力和自主创新能力,方能最终实现经济可持续增长。 第三,政府R&D补贴没有显著的改善企业的创新绩效。模型1~4中,政府R&D补贴的增加对创新产出的影响是负面的,且不显著成立,这表明当前政府的R&D补贴对企业的研发创新的影响有限。其可能原因在于:首先,政府的R&D补贴对企业R&D投入存在激励效应和替代效应,因而其对R&D产出的影响可能只是间接的。其次,我国目前政府治理机制还不完善,权力行使还缺乏有效的监督,政府R&D补贴可能成为企业寻租的对象,对企业研发等创新性实体经济动产生替代效应,致使政府创新资源配置的扭曲和无效率⑧;再次,政府与企业在创新目标上存在较大差异。政府R&D补贴体现政府意愿与偏好,为短期性目标,更在乎的是产出规模扩张。而企业的目标在于市场价值取向,通过技术创新项目获得利润,其可能在获取政府R&D补贴后从事指定创新项目活动的积极性和动力并不强,从而导致R&D补贴的研发效率下降。 第四,就其他控制变量而言,外资开放度对我国技术创新产出的直接影响不显著。由表3中模型1~8来看,所有模型估计结果中,无论企业规模、技术机会选择何种衡量指标,外资开放度对创新产出没有显著性的影响。外资开放度并没有如设想中的促进技术创新,其可能原因在于外资占比较高的行业中,外资主导了行业创新,但外资公司具有的先进技术往往由母公司内部化技术转移直接实现,本土企业由于与外国企业技术差距较大,人才储备和技术水平相对较低,可能因此具有严重的技术依赖症而大多从事技术模仿等活动,导致自主创新激励不足。此外,外资进入后对技术保护的强化可能妨碍了本土企业通过自主创新缩小其与先进技术之间差距的努力。国有化程度的提高阻碍了技术创新,但其系数并不显著;同时,企业规模、技术机会等因素对技术创新的影响与否及其效应依赖于所选择的衡量指标。从现有实证研究来看,在企业微观层面,国有化程度、企业规模、技术机会等因素通常会显著影响企业的技术创新,然而,由于我们的实证分析采用的是产业层面的加总数据,可能导致在企业层面影响和激励创新的因素变得不再显著成立。 总结以上分析:中国的经济运行并没有想象中独特,在工业行业技术进步和自主创新能力提升等方面,其仍然遵循其发展的一般规律,知识产权保护作为一种制度性安排,已经在发挥着重要作用,而现有短期的、直接的R&D补贴并没有在促进技术创新中实现预期效果。 七、结论 本文发现,不同于一般的政策所述和通常的直觉,在促进中国工业行业技术创新的诸多政策举措中,R&D补贴并不是核心因素,相反,知识产权保护才是关键所在。因而政府的公共政策应该更多地转向引导企业加大R&D投入和提高创新的积极性,提高企业从事创新的长远激励,而不是短期的、直接的资金补贴。具体而言,在技术创新的过程中,政府承担的更多的职能应该是完善市场机制和知识产权保护制度,促使市场在研发创新中发挥基础性的作用;但这并不意味着放弃对企业进行创新的资金支持,而是要适时调整R&D补贴管理体制,更好地激励企业自主创新。 究其可能原因,就中国的工业企业而言,经过多年的改革开放和经济发展,其已具备较强的经济实力,足以使得在从事研发和创新的过程中,资金或资本贫乏可能未必是最重要的瓶颈或者制约因素,而随着经济的发展,整体资本积累的增加,资本约束并不再是问题的关键所在时,各种形式的补贴,甚至包括FDI等形式的外资等都不再是影响技术创新的决定性因素,相反,长期的预期良好的制度环境才是关键所在,其直接关系到企业是否有动力进行原创性的R&D活动。企业本身已经具备创新所需的资金等基础条件,其迫切需要的是强化创新的利益保护机制。归根结底,企业创新的根本目标上就是为了获得长期的垄断利益,有效的知识产权保护制度和产权交易市场可以保证创新企业一定时间内可以获得一定的垄断利润,从而促进他们更积极地从事自主创新,而如果政府的政策和社会不能维护这种创新收益,那么企业自主创新的真正激励就会严重不足,技术创新的瓶颈就难以突破。 整体而言,本文通过测算知识产权的保护水平,并建立较为规范的计量模型,印证了中国工业行业的技术创新水平更多地与知识产权保护水平有关,而与R&D补贴关联不大,这意味着事实上,中国有效的创新支持政策也应从短期的、直接的资金支持转向长期的和制度层面的知识产权保护转变。 该结论对于政府实施公共政策的意义在于:第一,应着力完善和加强知识产权保护执法维权体系建设,提升知识产权保护管理水平。虽然中国知识产权保护立法已达到发达国家的先进水平,但其在执行上却较为落后于立法的变革。应继续稳步提高知识产权保护执法水平,激励工业企业进行更多技术创新。第二,完善R&D补贴管理机制,注重提高补贴的使用效率。政府应完善信息披露,纠正R&D管理中资金监管不到位等缺陷,提高R&D补贴政策的透明度。同时,根据行业技术特点、企业特征等调整R&D补贴的政策工具选择,适当增加R&D税收优惠等资助方式。就资助对象而言,政府应改变以往将R&D补贴主要投向规模大、技术条件好的国有企业的状况,加大对研发效率高、发展前景较好的中小型高科技企业的资助力度。 注释: ①政府激励企业技术创新的经济手段主要是R&D补贴和税收优惠。税收优惠的影响比较确定,其一般会通过降低企业R&D投入的边际成本带动企业自有R&D投入增加,实际中,税收优惠的具体金额一般很难计算清楚,与大多数研究相同,本文主要研究政府R&D补贴对企业技术创新的影响。 ②其逻辑在于,激励效应通常指政府的R&D补贴带动了企业自主R&D投入的额外增加,因而有利于技术创新,而替代效应意味着政府的R&D补贴只是取代了企业在即使没有政府R&D补贴情况下也会进行的R&D投入,此时R&D补贴实际上对技术创新没有起到额外的产出效果。 ③构成立法指数和执法指数各指标具体数值的计算方法可参见韩玉雄和李怀祖(2005)与许春明和陈敏(2008);商业秘密指标数据及2003~2011年立法指数的其他指标数据由作者根据历年《中国知识产权年鉴》相关条款统计计算,各指标以每年的12月31日作为评分基准日。执法指数各构成指标计算使用的原始数据根据国家统计局网站公布数据及历年《中国统计年鉴》有关数据计算获得。 ④专利申请量可看作大量的、具有小成功概率的R&D项目的产出,不管是在企业层面还是在行业层面加总的专利申请量数据,其服从泊松分布的假设都是成立的,因而,本文所使用的工业行业层面加总的数据,同样可以被视为一般的计数数据。 ⑤本文使用的33个工业行业1997~2011年间专利申请量的495个样本数据中,累计只出现5个零值因变量,约占总数的1%。 ⑥由表3中各变量的描述性统计可知,专利申请量变量的方差与均值比值为18024,数据中存在非常严重的过度分散问题。 ⑦需要注意的是,表4中模型1~4与模型5~8中研发资本与研发人员投入的估计系数存在差异,模型1~4中,技术创新的影响因素中,研发资本的作用要明显大于研发人员投入的作用,而模型5~8中研发人员投入的作用要明显大于研发资本的作用。本文认为造成参数估计数值大小反向变化的原因在于样本数据存在显著的过度分散问题,而负二项式模型在估计时对方差形式施加了过多的假定。因而,本文整体上更倾向于接受泊松拟似然估计量的估计结果,即模型1~4。 ⑧对处于转型期的中国而言,国有企业占比较高的行业,生产效率相对较差,但往往获得了政府大量的R&D补贴,R&D补贴在技术创新领域的低效率是其生产经营领域低效率的延伸。标签:知识产权保护论文; 申请专利论文; 中国创新指数论文; 面板数据论文; 能力模型论文; 企业创新论文; 投入资本论文; 实证分析论文;