专利行政执法、工业企业R&D投入与创新绩效分析

摘 要：本文针对现有专利行政执法、研发投入和创新绩效关系研究不足，运用单位根检验、协整检验、构建VAR模型和脉冲响应函数等计量经济学检验方法，深入研究了中国在2001-2016期间专利行政执法、工业企业R&D投入和创新绩效之间的长关系，并进行稳健性检验。研究结果表明，专利行政执法、工业企业R&D投入和创新绩效之间之间存在长期均衡关系;内专利行政执法会对研发投入增长和创新绩效提高有所阻碍。针对于此，本文还对成因进行了分析，并提出了一些建议和措施。

关键词：专利行政执法; R&D ;创新绩效 ;VAR模型

自内生增长理论问世以来，内生技术进步就被公认为是推动我国工业企业技术创新绩效提高的重要动力，也是促进我国经济增长的源泉。为了推动我国内生技术进步，提高工业企业创新绩效，工业企业就需要加大R&D投入。然而，目前我国知识产权风险指数在全亚洲排名第二，工业企业R&D投入过程中会产生各类知识产权风险，尤其是专利风险，从而直接影响我国工业企业创新绩效的提高。为此，我国构建了司法保护和行政执法保护并行的专利保护双轨制，其中专利行政执法案件每年在专利保护案件中占到三分之一以上，而且专利行政执法在推动我国内生技术进步以提高我国工业企业创新绩效中发挥着重要的作用[1-5]，因此深入研究专利行政执法、工业企业R&D投入和工业企业创新绩效相互间的关系具有重大的现实意义。

一、文献综述

（一）知识产权保护与工业企业R&D投入研究

一般认为，知识产权保护会保护企业专利研发的积极性，促进企业研发投入增加，从而促进创新。郑玉（2017）[6]经研究发现，知识产权保护对R&D 投入具有显著促进作用，这对于中小企业和民营企业更是明显。李伟，余翔，蔡立胜 [7]指出，知识产权保护对企业研发投入有着杠杆作用，良好的知识产权保护能促进中国企业研发投入。张杰、芦哲（2012）[8]认为，我国知识产权保护与企业R&D投入之间呈现倒U型关系;面对不断提高的知识产权保护水平，国有企业和民营企业的研发行为会出现截然相反的变化，国有企业倾向于对研发增加投入，而民营企业则倾向于减少研发投入。

（二）知识产权保护与工业企业创新绩效关系研究

Sunil Kanwar（2007）[9]发现，知识产权保护的增强对于促进企业加大研发投入，促进创新绩效增长具有强烈的推动作用。李阁（2017）[10]指出，专利保护制度对研发投入与技术创新绩效之间的关系具有正调节效应，其中专利保护制度对研发经费投入与技术创新绩效关系的正向调节作用更为显著，对研发人员投入与技术创新绩效关系的调节作用较弱。吴超鹏，唐菂（2016）[11]研究发现，加强知识产权保护执法力度可以减少企业研发损失，使行业内具有专利技术的企业更可能通过专利授权而获利，将有利于企业专利的创造。但是刘振元，胡树华，牟仁艳等（2018）[12]经过研究认为，知识产权保护和技术创新存在U型关系。李爽（2017）[13]通过门槛回归分析，发现专利保护强度与企业技术创新积极性之间存在倒“U”型关系，过低或过高的专利保护强度都不利于激发企业的创新积极性。

（三）工业企业R&D投入与工业企业创新绩效关系研究

学术界一致认为，企业研发投入增长有利于工业企业创新绩效增加。马文聪，侯羽，朱桂龙（2013）[14]经过对广东企业的分析得出结论：不管在新兴产业还是传统产业，研发经费投入强度对企业创新绩效都有显著正向影响。尚洪涛，黄晓硕（2018）[15]通过建立PVAR模型，采取脉冲响应函数和方差分解等分析方法，指出存在研发投入与企业创新绩效存在相互促进作用的事实。孙早，宋炜（2012）[16]却发现，在资本密集度较高的战略性产业中，企业R&D投入对产业创新绩效的正效应不显著;不同所有制企业的R&D投入对产业创新绩效的影响是不同的，与国有企业相比，民营企业R&D投入与产业创新绩效之间的正相关关系更为显著;企业自主创新能力还有很大的提升空间。

通过对现有研究分析得到以下结论：（1）已有的研究多数得出了在长期知识产权保护对工业企业R&D投入存在促进效应，但对于长期内专利行政执法和R&D投入關系是否仍然是正相关关系尚有待验证，同时内二者之间是否有新的关系有待我们继续深入发掘。（2）以上学者既有坚持知识产权保护有利于工业企业创新的传统观点的学者，也有认为存在U型关系的人士，更有人认为知识产权保护不利于创新绩效的增长。但是对于长期内专利行政执法和创新绩效关系是否仍然为正相关或U型缺乏明确论述，本文在此基础上对此进行验证，并研究专利行政执法和创新绩效是否存在其它相关关系。（3）这些学者一致认为长期内R&D投入会促进创新绩效增长，但是还没有人对加入专利行政执法后长期内研发投入与创新绩效关系进行验证，本文对此进行探讨，并分析内二者关系。

二、研究方法

考虑到上一年的专利行政执法和研发支出可能对下一年的企业利润和有效发明专利数会产生影响，本文首先验证单位根检验时间序列数据是否稳定，因为只有稳定的时间序列数据才能进行协整检验;继而，本文运用计量方法，包括基于VAR模型的Johansen协整检验、VAR模型估计和脉冲响应函数以及方差分解等等，对我国专利行政执法、工业企业研发投入和工业企业技术创新关系进行分析，包括分析三者之间两两的长期均衡关系和各变量之间的相互影响。最后的方差分解用于探讨三变量之间的长期互动关系。

三、模型构建和数据说明

（一）向量自回归模型

首先，在前人基础上进行模型设定，参考通过最小二乘法建立向量自回归模型（Vector Autoregressive Model，简称VAR）。它是一种多元系统方程，用模型中各个变量对所有变量的若干滞后变量进行回归，反映变量间的互动关系。VAR 模型的优点在于把所有的变量都作为内生变量来处理，从而减少了由于主观判断错误而增加了联立方程组模型中的不确定性。该模型还可以通过脉冲响应函数（IRF）和方差分解（FEVD）来分析变量间的交互作用，从而更好地把握专利行政执法、市场竞争和专利创新三者之间的动态关系，因此，本文使用VAR 模型作为本次研究的计量模型。该模型的一般形式如下：

其中专利行政执法是PE，工业企业研发投入是RD，工业企业创新绩效是IN;t=1，2…T，代表不同时期;j是滞后阶数，t-j即相对t滞后j期的时期;εt，λt，θt代表随机扰动项，α，φ，π是常数项，βj，δj，χj，?j，κj，γj，νj，τj，ψj是方程中变量的系数。

（二）数据来源及说明

1.变量定义

专利行政执法（PE）：目前对专利行政执法水平的衡量没有统一的标准，本文也采用苏世彬（2018）[5]的方法进行加权平均;专利行政执法强度越大，意味着专利行政执法的水平越高。

工业企业研发投入（RD）：考虑到数据的连续性，工业企业研发投入选用大中型工业企业研发投入作为指标。

工业企业创新绩效（IN）：由于创新绩效的质量和数量无法直接衡量，故本文考虑专利和新产品这两个创新能力最为常见的指标进行衡量。

在专利上，本文认为有效专利发明数才能作为企业绩效衡量的一个标准;新产品参考胡立君，郑玉（2014）以及刘思明等（2016）的研究成果，选用新产品销售收入进行衡量，综合上述内容，文中使用大中型工业企业新产品销售收入和大中型工业企业有效发明专利数作为综合子指标。

2.数据来源

本文使用的数据涵盖 2001年至 2016 年，专利行政执法数据和申请量从《国家知识产权局统计年报》中获取。工业企业研发投入数据从《中国统计年鉴》中获取。反映工业企业创新绩效的大中型工业企业新产品销售收入和大中型工业企业有效发明专利数从《中国统计年鉴》中获取。同时，考虑到消除数据异方差，本文对各个变量均取对数，结果如附录所示。同时，本文运用 Eviews软件对相关数据，即 PE、 RD和 IN，进行分析。

3.描述性统计

文章使用的所有相关变量的的统计描述如表1所示。

由表2可見， PE和 IN的平均值最小， RD的平均值最大，达到7.827;因此，即使经过对数化处理，PE和IN变为负数，RD经对数化后仍然较大，说明PE和IN作为标准化后的强度指标必然比RD小。而且PE和IN的标准差都较低，各为0.20585和0.313，这意味着它们的波动幅度较小，说明中国专利行政执法和创新绩效变化趋势相对平稳; RD标准差较大，为0.994，说明它的波动幅度偏大，也反映了研发投入增长迅速的事实。最值两栏表明PE的极大值是极小值的9.82倍，RD的极大值是极小值的1.48倍，IN的最小值是2015年同期的16.54倍（2016年为0，无法比较），可见小于1的PE和IN取对数后数据倍数是增加的。因此，下面本文采用以下方法进行计量经济学检验和分析：

四、实证分析

（一）单位根检验

根据进行的单位根的ADF检验结果如表2所示，采用不含趋势项和常数项检验：

注：滞后阶的选择以系统默认的AIC 准则自动确定。

其中三个变量的原始序列在 5% 的显著性水平下ADF值大于临界水平，没有拒绝零假设，这表明所变量的原始序列都是非平稳的，存在单位根。但所有变量的第二差分序列在 5% 的显著性水平下都拒绝原假设，表明没有单位根的存在，即二阶单整。这说明专利行政执法、研发与创新之间可能存在协整关系。

（二）Johansen协整检验

经过单位根检验后，发现变量都在二阶差分下平稳，可以进行协整检验，以确定具有相同趋势的两个或多个变量之间是否存在长期均衡关系。故下文采用Johansen协整检验，零假设为三个变量之间不存在协整关系。迹统计量的检验结果与最大特征值结果如下：

注：*表示在5%的显著性水平下拒绝原假设。

Johansen协整检验的结果如上表3所示，根据迹检验结果与临界水平对比，第一行零阶时迹检验结果、第二行一阶迹检验结果、第三行二阶迹检验结果均表明拒绝零假设，认为变量之间存在长期稳定的均衡关系。这说明 PE、 RD和 IN之间存在长期稳定的均衡关系。

但是，这不意味着它们之间一定存在因果关系。这还需通过Granger检验来验证。

（三）Granger 因果关系检验

为了进行Granger因果关系检验，先构造用于Granger检验的模型方程如下：

其中，B0是一个3×3的单位矩阵，B1、B2……Bq是3×3的系数矩阵，q是模型的滞后阶数，εt代表模型随机误差项。

在Granger因果关系检验进行之前必须确定最优滞后阶数，通常为一阶或二阶，这根据Eviews结果中的AIC和SC大小判断，其中：

从带*的可得结果中，滞后一阶那一项中AIC和SC最小，分别只有- 6.042101和-5.494338，故二阶滞后是最优的。因此本文选择一阶滞后进行检验，拒绝原假设则意味被检验变量存在因果关系，得到Granger检验结果：

由显著性水平5%标准可见，因为原假设为PE对RD没有格兰杰影响的F统计量远小于0.05，所以拒绝原假设，PE对RD存在影响;而RD对PE是否产生影响上的概率也小于0.05，故拒绝零假设，因此Ln Y对Ln X存在格兰杰因果关系;同理，接受IN和PE没有格兰杰关系的原假设的F统计量在5%显著性水平上显著，IN对PE存在格兰杰因果关系，反之则无;但IN和RD之间不存在格兰杰因果关系的原假设F统计量在5%显著性水平上不显著，故拒绝原假设，认为IN对RD存在格兰杰因果关系。

格兰杰因果关系检验的结论只是一种预测，存在于统计意义上，不能以此作为判断因果关系的唯一根据。当然，即使格兰杰因果关系不等于实际因果关系，也并不妨碍其参考价值。因为在经济学中，统计意义上的格兰杰因果关系也是有意义的，对于经济预测等仍然能起一些作用。

（四）VAR模型估计

由于Johansen 检验仅仅是对模型的长期静态关系进行验证，而对模型中变量当前周期以及滞后周期的动态关系以及随机扰动项的冲击效果并没有进行研究，故本文建立VAR 模型对专利行政执法、市场竞争和专利创新之间的关系进行进一步的分析。

通过Eviews，VAR 模型的估计结果表明，PE、RD和 IN的R2和各为0.877841、0.999514、0.998865和0.773134、0.999098、0.997892，说明模型拟合优度较好，三种自回归模型内解释变量都能对模型有达到77%以上的解释。

考虑到VAR模型在实际应用中大部分都是非经济理论性的简化模型，它不需要对变量作任何先验性约束。所以，通常计量经济分析并不利用它去分析某一变量对其他变量的影响如何，故我们只需要从表5获得拟合优度R2。

在实际应用中，由于VAR模型通常都是非经济理论性的简化模型，它不需要对变量作任何先验性约束。因此，在分析应用中，往往并不利用VAR模型去分析某一变量的变化对另一变量的影响如何，而是分析当某一扰动项发生变化，或者说模型受到某种冲击时，对系统的动态影响，这种分析方法称为脉冲响应函数方法。

为了进行脉冲响应函数分析，必须确保VAR模型是稳定的。检验VAR模型的稳定性条件是相应的特征方程特征根的绝对值小于1，VAR模型特征根的结果如图2所示，在图中的蓝色圆点表示特征根。图2结果表明，所有的特征根都在单位圆内，所以VAR模型是稳定的，可以进行脉冲响应函数的分析。

脉冲响应函数分析的结果如图3所示，从图3中的结果可以看出，给定PE一个标准冲击，对RD存在一个先负向后正向的冲击影响。这意味着受专利行政执法的冲击影响，短期内工业企业R&D投入受抑制，但随着企业对于新的执法环境的适应，专利行政执法对专利保护的落实，这种影响将逐渐转化为正面。PE的标准冲击对IN也产生正向的冲击影响，影响趋势先增加，第三期后降低，这表明受PE的冲击，IN成倒U型趋势。

给定RD一个标准冲击，对PE存在一个负向的冲击影响，这种负向的影响在短期内减小并最终趋于0。这意味着受RD的冲击影响，短期内专利行政执法强度受抑制，但随着时间推移，这种影响将逐渐减小。RD的标准冲击对IN产生负向的冲击影响，影响趋势先降低后增加，也逐渐趋于0，这表明受RD的冲击，IN成U型趋势。由此可见，工业企业R&D投入的增加短期内会占用其他费用，减少销售收入，但在长期这种不良影响会逐渐缩小并趋于0。

给定IN一个标准冲击，对PE存在一个负向的冲击影响，这种负向的影响在短期内加大，随后减小并最终趋于0。这意味着受IN的冲击影响，短期内专利行政执法强度会减少，但随着时间推移，这种影响将逐渐减小，可以被解释为创新绩效提高在短期会使得专利行政执法减轻，之后又会回归原有水平。IN的标准冲击对RD产生正向的冲击影响，影响趋势先增加后降低，这表明受IN的冲击第三期后，RD成递减的正向趋势。可见创新绩效对工业企业R&D投入的反作用是正向的。

五、结 语

（一）主要研究结论

本文通过对于专利行政执法、企业R&D投入和创新绩效的关系的检验，认为：长期内专利行政执法会促进研发投入增长，同时发现专利行政执法对于研发投入会随时间增长的新结论。专利行政执法会促进企业创新绩效的提高，同时发现长期内专利行政执法对创新绩效的影响会随时间产生更大的贡献率。工业企业研发投入对于创新绩效始终是具有促进效应，研发投入对创新绩效的贡献率会随时间有所递减，也是对相关研究的深化。

（二）政策启示

本文通过实证研究发现专利行政执法、企业研发投入与创新绩效之间存在相互影响的关系。因此本文提出如下政策建议：从企业研发投入与创新绩效之间的关系来看，由于长期内企业研发投入促进创新绩效增长，故应该且必须继续鼓励企业加大研发投入，促进企业专利增加，从而增进创新绩效;而因为研发投入贡献率随时间下降，所以应该重视当期的研发投入作用。同时，前人研究表明，长期内专利行政执法对于研发投入有着促进影响，且随时间而增强，研发投入对专利行政执法也会产生类似的作用。所以必须坚持专利行政执法，从而鼓励企业加大研发投入，还能反作用于专利行政执法强度的提高。为此，执法者需要做好专利行政执法相关工作，提高专利行政执法工作的质量，在保证效率的同时防止过度执法，保护企业专利创新的积极性。考虑到专利行政执法长期内有利于创新绩效，所以必须通过加强完善专利行政执法的工作，促进企业创新积极性的提高。

参考文献

[1] Ginarte J C， Park W G .Determinants of patent rights ：a cross-national study[J].Research Policy， 1997，26： 283- 301.

[2] 许春明，单晓光.中国知识产权保护强度指标体系的构建及验证[J]. 科学学研究，2008，26（4）：715-723.

[3] 宋河发.专利保护程度评价体系与中美保护程度比较[J].科学学研究，2007，（04）：646-653.

[4] 宁朝星.知识产权保护强度指标的构建方法[J].时代经贸，2011，（2）：72-72.

[5] 苏世彬，陈玉琼，王许可.我国专利行政执法概况及其强度聚类分析[J].情报探索，2018，252（10）：118-123.

[6] 邓建志.中国专利行政保护制度绩效研究，中国软科学[J].2012，（2）：80-87.

[7] 郑玉. 知识产权保护、R&D投入与企业绩效——基于中国制造业企业的实证[J]. 社會科学研究， 2017（4）.

[8] 李伟， 余翔， 蔡立胜. 政府科技投入、知识产权保护与企业研发投入[J]. 科学学研究， 2016， 34（3）：357-365.

[9] 张杰，芦哲.知识产权保护、研发投入与企业利润[J].中国人民大学学报，2012（05）：88-98.

[10] Kanwar S . Business enterprise R&D， technological change， and intellectual property protection[J]. Economics Letters， 2007， 96（1）：0-126.

[11] 李阁. 专利保护、研发投入与技术创新绩效关系研究[D]. 2015.

[12] 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（11）：129-143.

[13] Zhenyuan Liu，Renyan Mu， Shuhua Hua，Li Wang ，Song Wang，Intellectual property protection， technological innovation and enterprise value—An empirical study on panel data of 80 advanced manufacturing SMEs，Cognitive Systems Research，2018，（52） 741–746.

[14] 李爽. 专利制度是否提高了中国工业企业的技术创新积极性——基于专利保护强度和地区经济发展水平的“门槛效应”[J]. 财贸研究， 2017（4）：13-24.

[15] 马文聪， 侯羽， 朱桂龙. 研发投入和人员激励对创新绩效的影响机制——基于新兴产业和传统产业的比较研究[J]. 科学学与科学技术管理， 2013， 34（3）：58-68.

[16] 尚洪涛， 黄晓硕. 政府补贴、研发投入与创新绩效的动态交互效应[J]. 科学学研究， 2018（3）.

[17] 孙早， 宋炜. 企业R&D投入对产业创新绩效的影响——来自中国制造业的经验证据[J]. 数量经济技术经济研究， 2012（4）：49-63.

作者简介：张睿（2000—），男，漢族，福建宁德人，学生，研究生，主要研究方向：政治经济学。