知识产权保护对企业创新效率的影响

笪琼瑶

【摘要】本文以知识溢出、知识产权保护与企业创新效率的机制分析为基础， 采用我国2005 ～ 2019年企业经济活动省级面板数据， 运用超越对数生产函数随机前沿模型就知识溢出、知识产权保护对企业创新效率的影响进行分析， 反复检验得出， 知识溢出和知识产权保护均有益于促进企业创新效率的提升。 基于此， 分别以知识溢出与知识产权保护作为门槛变量进一步探讨二者对企业创新效率的影响机制与作用效果， 研究发现： 知识溢出越多， 知识产权保护对企业创新效率的激励作用越大， 知识产权保护机制越完善， 知识溢出对企业创新效率的正向激励越大。 因此， 当我国知识溢出越多、知识产权保护越严格， 越有益于提高我国企业创新效率。 本文从知识溢出与知识产权保护两个不同的角度说明了知识产权制度是一种能把知识资源转化为创新效率的有效制度。

【关键词】知识溢出；知识产权保护；企业创新效率；知识资源

【中图分类号】F275；F832.51      【文献标识码】A      【文章编号】1004-0994（2022）21-0145-9

一、引言

企业创新能力的提升对于整个经济流程中的决策、研发与成果转化意义重大。 为了提高创新能力， 企业一直不断地为此做出努力， 对研究与开发（R&D）的投入不断增长。 然而令人遗憾的是， R&D投入的增加并未带来企业创新效率的明显提升， 在生产技术和效率决定的国际生产价值链中， 我国大多数企业仍被锁定在附加值较低产品的生产领域。 由此可见， 增加创新投入只是提升创新效率的重要渠道之一， 经济系统中的其他因素对企业创新效率也具有不容小觑的影响。

Cooke[1] 提出， 任何一项因素只要处于创新系统中， 则这项因素即与创新活动相关， 故而对创新效率将产生或多或少的影响， 以此研究为基础， 学术界就创新效率进行了一系列寻找影响因素的研究。 有研究发现， 产业集群、人力资本水平、金融发展水平、要素市场结构、政府支持、知识溢出和知识产权保护等因素对企业创新效率具有显著影响。 上一轮创新活动所产生的知识溢出为下一轮创新提供智力支持， 然而知识溢出的外部性特点易造成个体收益小于社会收益， 发生“公地悲剧”； 而知识产权保护能确保企业创新成果排他性所有权， 防范“公地悲剧”、解决知识溢出所产生的市场失灵， 从而为企业创新活动提供了激励。 因此， 知识溢出和知识产权保护对企业创新的影响伴随着企业创新活动的全过程。 本文基于2005 ～ 2019年省级企业经济活动数据， 检验知识溢出、知识产权保护对我国企业创新效率的影响。 文中将分析和检验下述两个问题： 第一， 知识溢出与知识产权保护对企业创新效率是否具有促进作用？ 第二， 在对企业创新效率的影响上， 知识溢出与知识产权保护这一组看似矛盾的变量具有怎样的相互关系？ 换言之， 二者是否互为门槛效应？ 为了对上述两个问题进行详尽分析与充分说明， 本文构建SFA模型检验知识溢出与知识产权保护对企业创新效率的作用， 并构建门槛模型分别探讨二者的相互作用机制与作用效果。 与以往的研究相比， 本文的特点可能在于： 第一， 将知识溢出与知识产权保护这一对看似矛盾的变量纳入同一研究框架探讨二者对企业创新效率的影响； 第二， 采用门槛模型分析知识溢出与知识产权保护对企业创新效率提升的协同效应； 第三， 从知识溢出与知识产权保护两个不同的角度说明了知识产权制度是一种能把知识资源转化为创新效率的有效制度。

二、文献综述

现有文献研究发现， 诸多外部环境因素如产业集群、人力资本水平、要素市场结构等对创新效率均有显著的影响。 知识溢出作为知识外部性的重要体现以及知识产权保护作为解决外部性的重要手段， 学术界亦以此为视角就二者对企业创新效率的影响展开了深入研究。

知识溢出对企业创新效率的影响可归纳为本质研究（外部性）与作用效果研究（引发空间集聚）两个方面。 知识溢出为企业对先进知识与技术的学习、吸收、模仿、再创新提供了丰富的知识环境进而促进企业生产效率的提升， 其本质即为外部性[2] 。 Luca[3] 研究发现， 知识的本质特征在于非竞争性和部分排他性， 因此上一轮创新活动所产生的新知识通过知识溢出传递给其他企业， 进而刺激非创新企业通过增加创新投入、加大技术人员培训、改进生产工艺展开新一轮的创新活动并促进创新活动效率的提升。 Blazsek和Escribano[4] 研究发现， 知识溢出为企业进行下一步的技术流程改造、实现产品升级提供了智力参考。 在空间集聚对创新效率的影响方面， 有研究认为只有空间集聚的企业才能获取企业集群内的公共知识， 企业间知识溢出效应大于因集聚所引发的价格竞争离心效应， 空间越接近越有益于形成科学的网络、进行面对面的交流与互动， 也就越有益于创新效率的提升[5，6] 。 Carlos和Luís[7] 利用葡萄牙制造业公司1996 ～ 2004年的面板数据， 研究发现知识溢出能够调节创新投入下的产出， 即增强创新效率。

尽管外部性对企业创新效率的改善具有积极作用， 然而， 为了避免外部性引发“公地悲剧”、产生“创新活动开放悖论”①进而导致市场失灵， 知识产权保护制度在激励创新活动中发挥了不可忽视的重要作用。 Baumol[9] 通过“游戏规则”约束企业活动， 体制环境因此成为创新活动的重要支柱。 North[10] 将制度与企业创新紧密地联系起来， 并得出结论： 制度既是机会， 也是制约因素。 各种不同实体的相互作用即网络动态， 最终触发了能导致创新的知识流动[11] ， 知识产权保护制度作为保障市场环境的一种制度， 激发了企业对发明商业化的参与积极性[12] 。 在对创新效率的影响上， 首先， 知识产权保护制度培育了知识迅速并全面传播的环境， 为企业提升创新效率创造了条件[7，13] 。 Privileggi和Simone[14] 基于Tsur和Zemel[15]  連续时间的内生增长模型， 构建了包括物质资本和知识积累在内的允许公共干预的知识产权保护系统， 研究发现越严格的知识产权保护制度越能激发企业创新。 其次， 知识产权保护制度通过专利、许可等对这一先决条件提供了重要的激励， 加速了科学研究与市场开发的相互作用， 将新兴发现从“象牙塔”移出并进入商业实践[16] 。 再次， 强有力的知识产权保护明晰了产权， 降低了技术交易时的交易成本， 通过公开以授予许可证等形式促进了技术转让， 进而加速了知识的传播与匹配， 提高了企业获得外部融资的能力与创新效率[17，18] 。

上述研究从知识溢出和知识产权保护的角度分别探讨各自对企业创新效率的影响， 并得到了许多有价值的证据。 然而， 溢出与保护原本即为一对相互矛盾的变量， 基于此， 本文在同一分析框架下利用SFA模型讨论二者对企业创新效率的影响， 并以此为基础进一步利用面板门槛模型分析二者的相互影响机制与作用效果， 探析二者的最优强度区间以及是否具有协同效应。

三、机制分析与研究假设

（一）知识溢出、知识产权保护对企业创新效率的影响

Griliches[19] 指出， 知识溢出的本质在于知识对个体的贡献远小于对整个社会的贡献， 其发生过程表现为因交流而产生的知识传播。 所传播的知识既可以是以专利或其他文字形式等存在便于记录的编码知识， 也可以是隐含在个人技能、企业管理方法、企业制度文化中， 难以记录、难以用文字表达的隐性知识， 但不论这一无意识的传播是以何种形式（如人员流动、专利技术转让等）进行， 均产生了知识流通与互动， 进而能被经济单元中的企业吸收、学习、再创造， 即产生创新效应。 具体而言， 创新企业所形成的知识溢出具有“公共品”属性， 这一正外部性改变了其他企业从事创新活动的外部环境， 带来了“搭便车”效应， 因此能降低其他企业进行创新活动的边际成本， 加快其他企业对外部知识的吸收速度， 为创新企业之外的其他企业进行技术模仿、加快技术进步与实现再创新提供机会与便利， 进而激励其他企业更为积极地进行学习、模仿与创造。 同时， 通过推动微观创新主体的创新活动进而丰富整个经济中的知识存量， 創新企业的创新活动也终将受益。

知识产权保护制度贯穿于企业生产投入到生产经营再到获取利润的整个过程， 通过优化资源配置、重构产业价值链有效促进企业创新效率的提升。 一方面， 知识产权保护制度通过专利制度等公开保护而释放“信号功能”优化资源配置。 这一“信号功能”既能减少对某一方面所有专长企业的搜索与匹配成本， 又能使资源更易于流向具有比较优势的企业， 进而放大了知识技术的外部性， 提高了资源的流动效率、利用效率与回报效率， 增大了创新成功的概率， 促进了创新效率的提升。 另一方面， 知识产权保护制度对知识成果这种无形资产赋予产权， 通过对产业体系中众多创新者进行优先级排序而合理分配利润， 从而重构产业价值链。 在这一过程中， 知识产权保护越严格， 进行创新活动越多的企业就越容易在整个产业价值链的分配中占据优势， 并可以以制定行业标准、组建产业联盟等方式将其既得利益进行巩固与维护。 最终， 企业凭借价值链主导地位使其创新活动最大限度地获取价值链租金， 同时未进行创新活动的企业剩余分配权被削减。 因此， 知识产权保护制度将明确创新活动所产生的知识技术成果权责， 知识产权作为引导资源流动的“旗帜”使资源流向边际效益更高的方向， 与更具备效率的市场主体相匹配， 重构产业链分配体系， 激发市场竞争， 促进企业创新效率的提升。 对此， 本文提出研究假设：

H1： 知识溢出、知识产权保护能够正向提升企业的创新效率。

（二）知识溢出对知识产权保护作用效果的影响

知识的非竞争性与非完全排他性等外部性特征， 决定了企业内部难以阻止外部对其创新活动产生的新知识与技术的利用， 而创新活动存在高投资风险、回报周期长且不确定等特点， 因此为了提升企业创新效率， 需要依靠知识产权保护制度减小创新企业创新活动的不确定风险与其对创新活动“被搭便车”的担忧。 那么， 社会中知识溢出越多， 就意味着企业创新活动越活跃， 社会经济主体对知识产权保护制度的要求就越迫切， 也就越能深刻地认识到知识产权保护的重要性与积极作用， 从而制度性交易成本②就越少， 越能够顺利推进知识产权的执法， 对创新效率的激励效果也就越好。 对此， 本文提出研究假设：

H2： 知识产权保护对企业创新效率的正向促进作用将随着经济中知识溢出的增加而增强。

（三）知识产权保护对知识溢出作用效果的影响

权责清晰的知识产权保护为知识溢出提供了纽带和契机， 通过许可协议或其他以市场为媒介的技术转让形式， 极大地促进了技术商业化， 实现了技术市场化， 继而为创新效率的提升创造了有利条件。 通过专利权、版权、设计权和商标权等使创新企业能够以许可证、特许经营或出售他们的商标、设计等途径， 依靠市场获取技术创新回报， 而不必担心技术被盗用， 进而促进知识市场的运作和技术的传播。 避免企业选择“商业秘密”等非正式知识产权保护方式以保持自身的竞争优势。 此外， 作为非正式知识产权保护的另一种方式， “保密”既能够在短期内为创新企业所产生的创新回报提供保护， 又能对新思想、新思路的流通产生负向影响， 从而减缓了知识溢出的速度、拉低了知识溢出的质量， 无益于企业创新效率的改善。 知识产权保护制度， 能在维护创新企业创新租金的前提下， 无意识地溢出知识或有意识地进行知识技术的转让与传播， 使知识溢出更畅通。 Arora等[20] 研究发现， 以专利为表现的知识产权保护制度能鼓励技术公司通过在技术市场上将其开发的新技术进行授权而获利， 而不是只依靠进入下游产品市场而获利。 对此， 本文提出研究假设：

H3： 知识溢出对企业创新效率的正向促进作用将随着知识产权保护水平的提高而增强。

四、实证分析

（一）知识溢出、知识产权保护对企业创新效率的影响

1. 模型设定与估计方法。 基于Battese和Coelli[21] 的方法， 构建超越对数生产函数随机前沿分析模型测度企业创新效率， 并对影响企业效率的技术非效率因素进行分析。

yi，t=f（xi，t，t）exp（μi，t-vi，t） （1）

uj，t=θ0+Ai，tβ+?it （2）

式（2）中： θ0为常数项， A为对技术的非效率因素项（知识溢出lnKS、知识产权保护IPR、金融发展水平Fin、基础设施水平Inf、高新技术产业集聚程度Indu、经济发展环境Gr）； β为技术非效率项的系数向量， 当其为负时则代表技术非效率因素对企业技术效率产生促进作用， 为正时则为阻碍作用； ?为随机误差项。

2. 变量与数据。 由于数据的可得性， 本文分析了去除西藏自治区的我国30个省级行政地区2005 ～ 2019年企业的经济活动数据， 企业经济活动数据来源于《工业企业科技活动统计年鉴》， 其他数据来源于2005 ～ 2019年各期的《中国统计年鉴》《中国金融年鉴》《中国科技统计年鉴》与《中国高技术产业统计年鉴》等。

（1）企业创新投入与产出指标。 企业创新投入指标为以R&D存量（以永续盘存法核算）衡量的资本投入（lnRD）和以R&D全时当量衡量的R&D人员投入（lnL）， 产出指标为基期2005年以PPI平减的新产品销售收入（lnInno）。 R&D存量具体计算公式为： Rj，t=（1-δ）×Rj，t-1+Ej，t。 其中： Rj，t、Rj，t-1分别表示j地区的企业第t和t-1期的资本存量； δ为R&D资本折旧率， 取值15%[22，23] ； Ej，t表示j地区的企业第t时期R&D经费支出， 以2005年为基期， 参照朱平芳和徐伟民[24] 的方法 进行平减。

（2）知识溢出（lnKS）、知识产权保护（IPR）指标。 参照Colombellia和Francesco[25]  的做法， 知识溢出的代理变量选择经由永续盘存法处理后的三大（发明、实用、外观设计）类型专利的申请数量， 并考虑到各地区的空间临近与知识流通， 构建技术临近、吸收能力、地理距离三个影响因素对知识溢出进行测度。 其中： 技术临近利用产品空間理论予以测度； 将吸收能力分解为知识的获取、消化、应用能力， 并建立指标评价体系运用熵权法予以评价。 考虑到各省市知识溢出的差距过大， 本文取自然对数测算。

以韩玉雄和李怀祖[26] 、魏浩等[27] 的研究为基础， 首先测算出我国30个不包括西藏在内的省级行政地区2005 ～ 2019年知识产权保护GP指数， 再从社会经济发展水平、法制化治理水平、知识产权行政执法力度三个角度选取四个指标（电力消耗量、专利未被侵权率③、每万人专职律师人数与拥有律师事务所数）采用均方差赋权法测算出30个省级行政区知识产权保护执法强度， 将其结果作为权重， 以GP指数为基数， 两者的乘积即为实际知识产权保护强度。

（3）其他创新效率影响因素项。 金融发展水平（Fin）， 用存款余额占GDP的比重表示； 基础设施水平（Inf）， 用人均光缆长度表示； 高新技术产业集聚程度（Indu）， 用高新企业生产总值对GDP的比重表示； 经济发展环境（Gr）， 用GDP增长速度表示。

表1列示了主要变量的描述性统计结果。

3. 实证检验结果。 基于模型设计的理论分析， 本文构造超越对数生产函数的随机前沿模型如式（3）、（4）所示。

lnInnoit=β0+βklnRDit+βllnLit+βtt+

βkk（lnRDit）2+   βll（lnLit）2+   βttt2+βkllnRDitlnLit+βkttlnRDit+βlttlnLit+vit-uit （3）

uit=δ0+δ1lnKSit+δ2IPRit+δ3Finit+δ4Infit+δ5Induit+δ6Grit+ωit （4）

借鉴白俊红等[28] 的研究利用广义似然率统计量λ=-2［lnL（H0）-lnL（H1）］对模型（3）的适宜性进行检验， 具体如下： H01二次项系数 βkk、βll、βtt、βkl、βkt、βlt均为零， 即CD函数在拟合本样本上更适宜； H02与技术进步t有关的系数βt、βtt、βkt、βlt均为零， 即不存在技术进步。

由表2所示， 模型（3）即考察期内技术进步显著存在的超越对数生产函数相对于CD生产函数更能够拟合本样本数据， 说明模型（3）是具有适宜性的模型。 表3为模型（3）效率影响因素回归结果。

本文使用Frontier 4.0软件回归可得到表3中的参数估计结果。 观察回归结果可以看出， 在1%的显著性水平上lnKS和IPR回归系数显著为负， 说明lnKS和IPR对企业创新效率具有积极的提升作用。 这是因为， 知识溢出为企业创新提供了可学习、吸收并加以运用的外部知识； 知识产权保护制度采用赋予知识这种外部性无形资产排他权， 力促创新企业摆脱外部性、信息不对称及代理问题的制约， 创造优越的外部知识基础和有利的制度环境， 提高企业创新效率。

在其他技术非效率因素方面， 金融发展程度（Fin）与基础设施水平（Inf）在1%的显著性水平上抑制了企业创新效率。 究其原因， 是金融机构对企业金融支持的一个先决条件在于其自身是否盈利， 因此， 对于那些回报周期短、风险低、稳定性高的项目更容易予以融资支持， 换言之就是为研发垄断创造了条件， 因此并未发挥其对真正需要帮扶的创新企业的积极作用。 而基础设施（Inf）越多， 则说明政府对基础设施的投资越多， 进而挤占了政府对企业投资的份额。 高新技术产业集聚程度（Indu）与经济发展环境（Gr）在1%的显著性水平上对企业创新效率具有积极影响。 省市高新技术产业集聚水平、经济发展水平越高， 企业越容易获得创新的技术支持、人员支持与市场竞争的激励， 因此对其创新效率的提升越有益。

4. SFA结果稳健性检验。 根据以上研究结果可以发现， 知识溢出与知识产权保护对我国企业创新效率具有改善作用。 为了更客观地讨论结果的稳定性与可靠性， 本文采用替代关键变量的方法寻求知识溢出、知识产权保护与企业创新效率三者之间关系的证据。

本文以樊纲等[29] 编著的《中国市场化指数——各地区市场化相对进程2018年报告》中的知识产权保护指标进行稳健性检验。 检验回归结果如表4所示。 表4的结果与表3一致， lnKS和IPR的回归系数均在1%的显著性水平上为负， 说明知识溢出和知识产权保护对企业创新效率的提升确实有显著激励作用。 其他技术非效率因素的回归结果亦与表3一致， 说明本文分析稳健可靠。

（二）知识溢出、知识产权保护对企业创新效率的门槛检验

由上文分析可知， 知识溢出、知识产权保护的确促进了企业创新效率的提高。 那么， 知识溢出和知识产权保护是否存在一个合理的强度区间， 能够充分发挥二者对我国企业创新效率的积极作用？ 本文采用面板门槛模型分别检验二者对企业创新效率影响的门槛效应， 并进一步讨论这一门槛效应的特征， 最后根据门槛值分析确定知识溢出和知识产权保护的最优强度区间， 为有效提升企业创新效率提供决策参考。

1. 模型构建与变量设定。 本文基于Hansen[30] 面板门槛模型（Panel Threshold Regression）分别研究不同知识溢出下知识产权保护与企业创新效率之间的关系， 以及差异性知识产权保护下知识溢出与企业创新效率之间的关系。 其基本模型（单门槛）为：

（5）

式（5）中， xit为解释变量， ?it为门槛变量， λ为待估计的门槛值。 使用示性函数I（?）， 可以将模型表示为式（6）：

yit=αi+   xit?I（?it<λ）+    xit?I（?it≥λ）+εit

（6）

首先通过门槛模型合理性与门槛数量的检验确定门槛个数与形式。 表5为基于自助抽样（Bootstrap）500次计算的F值和P值， 知识溢出对知识产权影响创新效率的门槛检验， 以及在知识产权保护水平为门槛变量时知识溢出对创新效率影响的检验。 结果显示： 当以知识溢出（lnKS）为门槛变量时， 知识产权保护（IPR）对企业创新效率存在“单门槛”； 当以知识产权保护（IPR）为门槛变量时， 知识溢出（lnKS）对企业创新效率存在“双门槛”。

基于此， 构建知识溢出对知识产权保护影响企业创新效率的单门槛模型式（7）与知识产权保护对知识溢出影响企业创新效率的双门槛模型式（8）， 如下所示：

EFFit=αi+    IPRit?I（lnKSit<λ）+    IPRit?

I（lnKSit≥λ）+Finit+Infit+Induit+Grit+εit （7）

EFFit=αi+    lnKSit?I（IPRit<λ1）+    lnKSit?

I（λ1≤IPRit<λ2）+    lnKSit?I（IPR≥λ2）+Finit+

Infit+Induit+Grit+εit （8）

其中， EFF为企业创新效率（根据上一小节SFA模型测算）， lnKS为知识溢出， IPR为知识产权保护， Fin、Inf、Indu、Gr为控制变量， εit为随机扰动项。

2. 实证检验结果与分析。

（1）门槛值估计与检验。 从表6中可以发现： 当以知识溢出为门槛变量分析知识产权保护的企业创新效率影响时， 知识溢出具有一个门槛， 其估计值为7.5855， 95%的置信区间为［7.5334， 7.6707］； 当以知识产权保护为门槛变量分析知识溢出的企业创新效率影响时， 知识产权保护具有两个门槛， 其估计值分别为1.0913和1.5412， 95%的置信区间分别为［1.0720， 1.1006］和［1.5064， 1.5613］。 由门槛值似然比函数图（图1）可以清晰地看出， 门槛变量lnKS、IPR的门槛估计值所对应的LR值为0， 处于由所有低于7.35（5%的显著性水平所对应的临界值）的LR值构成的置信区间内。 由此可见， 门槛变量的门槛估计值能通过真实值检验， 门槛估计值真实有效。

（2）参数估计与实证结果分析。 对模型（7）与模型（8）分别进行参数估计， 结果如表7和表8所示。

由表7可以发现， 知识产权保护（IPR）促进企业创新效率存在顯著的知识溢出（lnKS）单门槛效应。 具体而言， 虽然存在一个门槛值7.5855， 但不论知识溢出是低于还是高于门槛值， 知识产权保护均显著地促进了企业创新效率的提升； 然而， 当知识溢出小于等于7.5855门槛值时， 其他条件均不变的情况下知识产权保护每增加1单位企业创新效率将提升0.0528； 高于门槛值7.5855时， 企业创新效率提升了0.0764。 由此可见， 知识产权保护对企业创新效率的作用效果受到知识溢出数量的显著影响， 当区域知识溢出高于7.5855时， 在企业创新效率上更容易发挥知识产权保护的制度激励作用。 分析其原因， 主要在于企业创新具有风险性与外部性特征， 且上一轮创新活动所产生的知识溢出为新一轮创新活动的实现提供了智力支持与决策参考， 企业在利用知识溢出进行创新的同时， 也具有对自身创新活动所产生外部性的忧虑。 当社会中的知识溢出越多时， 除表明社会创新越活跃外， 还说明对知识外部性忧虑的创新主体也越多， 这样对知识产权保护制度的需求就更为迫切， 进而在推进知识产权保护制度时所面临的阻力和障碍也会因此更小， 即知识产权保护实施中所产生的制度性交易成本减少， 继而更有益于充分发挥其对企业创新效率的促进作用。

由表8可知， 知识产权保护（IPR）对知识溢出（lnKS）激励企业创新效率存在显著的双门槛效应， 门槛值分别为1.0913和1.5462。 同样， 不管知识产权保护水平位于哪一个阈值区间， 知识溢出对企业创新效率均具有显著的积极作用， 且显著性水平为1%， 但随着知识产权保护水平不断提高直到高于门槛值1.5462， 知识溢出对企业创新效率的激励作用不断增强。 具体而言， 当知识产权保护水平低于第一个门槛值1.0913时， 其他条件不变， 随着知识溢出每增加1单位则企业创新效率将提升0.0409； 当知识产权保护水平增加至大于等于1.0913但小于1.5462时， 知识溢出每增加1单位企业创新效率将提升0.0532； 当知识产权保护水平超过第二个门槛值1.5462时， 企业创新效率将提升为0.0615。 由此可见， 知识溢出对企业创新效率的促进作用随着知识产权保护水平的上升而不断增强。 这一现象说明知识产权保护有助于解决知识外部性而引发的市场失灵， 通过畅通知识溢出路径、发挥市场扩张效应， 降低了技术交易成本， 为技术的转移转化提供了纽带和契机， 更加有力地促进了技术传播、转让与运用， 极大地加快了技术商业化与市场化。 因此， 越严格的知识产权保护越有利于发挥知识溢出对企业创新效率的促进作用。

2. 门槛回归的稳健性检验。 本文仍采用樊纲等[29] 编著的《中国市场化指数——各地区市场化相对进程2018年报告》中的方法进行相应的稳健性检验。

表9为门槛数量显著性检验结果， 表10为门槛估计值检验结果。 与前文分析相一致， 知识溢出（lnKS）具有一个门槛， 门槛估计值为7.5855， 通过了门槛估计值检验。 由表11关于参数估计的结果可以发现， 与前文分析相一致， 知识溢出超过门槛值7.5855时， 知识产权保护对企业创新效率的促进作用更能有效发挥④。 从估计结果来看， 门槛估计值未发生改变， 参数估计的系数符号保持一致， 与上文估计结果保持一致， 说明针对模型（7）与模型（8）所进行的实证分析稳健、可靠。

五、结论与政策启示

本文基于2005 ～ 2019年我国30个省级行政地区的企业经济活动数据， 运用超越对数生产函数随机前沿模型、面板门槛模型基于知识溢出视角探讨知识产权保护对企业创新效率的影响。 研究发现： 知识溢出与知识产权保护对于提高企业创新效率均有显著的正向影响； 知识溢出与知识产权保护对彼此影响企业创新效率均具有门槛作用， 并且都表现为随着知识溢出（知识产权保护）超过门槛值， 知识产权保护（知识溢出）对企业创新效率的正向影响更大。 基于这一研究结论， 本文提出以下政策启示。

1. 拓展知识溢出渠道、建立健全知识产权保护制度， 为促进企业创新效率的提升提供智力支持与制度保障。 从知识溢出的角度来看， 无论知识产权保护制度处于哪一个门槛区间， 知识溢出对我国企业创新效率的提升均具有积极的作用， 因此要提升我国企业创新效率， 创造有利条件如完善以劳动力流动为载体的知识溢出机制， 提高以FDI、技术引进为载体的知识溢出质量。 同时， 对企业而言， 还要依靠优化战略顶层设计、加快人才培养、加深产学研合作等渠道提高对知识溢出的吸收与利用能力。 反过来， 不论社会的知识溢出处于哪种水平， 知识产权保护都因赋予创新者安全感、主导性与市场优势而保护了创新者利益、激发了创新者的积极性， 进而提高了创新效率。 因此， 要充分重视知识产权保护对于企业创新效率提升的这一积极作用， 知识产权保护要落实到企业创新全过程， 尤其是在重点领域、重点产业、关键技术上要始终加强知识产权保护力度； 建立健全并完善知识产权的获取、归属、分配制度； 加大执法规范度、透明度与执法监督； 加强知识产权专业人才培养， 切实以知识产权保护帮助企业解决创新纠纷， 为企业创新提供制度保障， 以此促进企业创新效率的提升。

2. 两种门槛效应均说明知识产权制度是一种能把知识资源转化为创新活动的有效制度。 一方面， 知识溢出跨过门槛值时， 知识产权保护的作用效果显著增加， 说明知识溢出越多、上一期创新越活跃， 创新主体为了保护其竞争优势、强化其价值链上的主导地位就会越迫切、主动地寻求知识产权保护。 因此， 知识产权保护过程中产生的制度性交易成本越少， 越能提升创新激励的效率。 另一方面， 如果知识产权保护制度所创造的制度条件越好， 则经济社会负外部性的效率损失将越小， 市场越有序、市场失灵发生得越少， 进而越有利于新创知识的流通和下一轮的创新。 这两种门槛效应从两个不同角度说明知识产权制度是一种能把知识资源转化为创新活动的有效制度， 因此无论是国家、企业还是个人都要正确认识知识产权保护制度的重要作用。 对国家而言， 可通过完善知识产权立法、严格执法、加强普法教育等方式不断完善知识产权制度建设。 对企业而言， 要转变对知识产权保护的固化思维， 化被动的“被保护”， 变为主动的“求保护”， 将知识产权保护意识贯穿于企业文化中， 加强知识产权保护的战略建设、机构建设和队伍建设， 充分重视并能够灵活应用商标、专利等多种知识产权保护手段。 通过国家推動、企业拉动双重发力， 以知识产权赋予产权化创新成果克服创新活动外部性与高风险的不利特点， 切实将知识产权保护制度对创新效率的激励作用发挥得更好、更到位。

【 注 释 】

1Arrow[8] 提出的创新活动存在“开放悖论”，即企业从外部来源获取知识的先决条件是企业先揭露自身知识。

②制度性交易成本是企业因制度性因素产生的不合理成本，宏观层面是经济体制改革中政府与市场关系没有理顺造成各环节体制性障碍带来的成本；微观方面是规制实施过程中对企业等微观经济主体活动形成的障碍成本。

③专利未被侵权率=1-专利侵权纠纷案件数/截至当年专利累计授权数。

④可以证明，知识产权保护水平越高，知识溢出对企业创新效率的正向作用越大。

【 主 要 参 考 文 献 】

［1］ Cooke P.. Regional innovation systems： Competitive regulation in the New Europe［ J］． Geoforum，1992（3）：365 ～ 382．

［2］ Agarwal R.， M. Gort. First-mover advantage and the speed of competitive entry，1887-1986［ J］． Journal of Law and Economics，2001（1）：161 ～ 177．

［3］ Luca B.. Towards an open R&D system： Internal R&D investment，external knowledge acquisition and innovative performance［ J］． Research Policy，2001（1）：117 ～ 127．

［4］ Blazsek S.， A. Escribano. Patent propensity，R&D and market competition： Dynamic spillovers of innovation leaders and followers［ J］． Journal of Econometrics ，2016（1）：145 ～ 163．

［5］ Audretsch D.B.， M. P. Feldman. R&D spillovers and the geo-graphy of innovation and production［ J］． American Economic Review，1996（86）：630 ～ 640．

［6］ Lychagin S.， et al.. Spillovers in space： Does geography matter？［ J］． Journal of Industrial Economics，2016（2）：295 ～ 335．

［7］ Carlos C.， L. Luís. Regional knowledge spillovers： A firm-based analysis of non-linear effects［ J］． Regional Studies，2018（52）：1 ～ 11．

［8］ Arrow K. J.. The economic implications of learning by doing［ J］． Review of Economic Studies，1962（29）：155 ～ 173．

［9］ Baumol W. J.. Entrepreneurship： Productive，unproductive，and destructive［ J］． The Journal of Political Economy，1990（5）：893 ～ 921．

［10］ North D. C.. Institutions，institutional change and economic performance［ J］． Cambridge： Cambridge University Press，1990．

［11］ Huggins R.， P. Thompson. Entrepreneurship，innovation and regional growth： A network theory［ J］． Small Business Econo-mics，2015（45）：103 ～ 128．

［12］ Wu Y.， et al.. Commercialization of university inventions： Individual and institutional factors affecting licensing of university pa-tents［ J］． Technovation，2015（3）：612 ～ 625．

［13］ Hussinger K.. Is silence golden？ Patents versus secrecy at the firm level［ J］． Economics of Innovation and New Technology，2006（8）：735 ～ 752．

［14］ Privileggi F.， M. Simone. Dynamics and welfare in recombinant growth models with intellectual property rights： A computational method［ J］． Commun Nonlinear Sci Numer Simulat，2019（69）：98 ～ 118．

［15］ Tsur Y.， A. Zemel. Towards endogenous recombinant growth［ J］．Journal of Economic Dynamics and Control，2007（11）：3459 ～ 3477．

［16］ Laursen K.，Reichstein T.， Salter A.. Exploring the effect of geographical proximity and university quality on university industry collaboration in the United Kingdom［ J］． Regional Studies，2011（45）：507 ～ 523．

［17］ Ang J.，Y. Cheng.， C. Wu. Does enforcement of intellectual property rights matter in China？ Evidence from financing and investment choices in the high tech industry［ J］． Review of Economics and Statistics，2014（963）：32 ～ 48．

［18］ 王黎螢，虞微佳，王佳敏等．影响知识产权密集型产业创新效率的因素差异分析［ J］．科学学研究，2018（4）：662 ～ 672．

［19］ Griliches Z.. Issues in assessing the contribution of research and development to productivity growth［ J］． Bell Journal of Economics，1980（10）：92 ～ 116．

［20］ Arora A.， Merges R. P.. Propertyrights，firm boundaries，and R&D inputs［Z］． SSRN Electronic Library，2001．

［21］ Battese G. E.， T. J. Coelli. A  model  for  technical  inefficiency  effects  in  a  stochastic  frontier production function for panel data［ J］． Empirical Economics，1995（20）：325 ～ 332．

［22］ Griliches Z.. R&D and the productivity slowdown［ J］．American Economic Review，1980（2）：1918 ～ 1927．

［23］ 吴延兵．R&D存量、知识函数与生产效率［ J］．经济学（季刊），2006（3）：1129 ～ 1156．

［24］ 朱平芳，徐伟民．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 ～ 53+94．

［25］ Colombellia A.， Francesco Q.. New firm formation and regional knowledge production modes： Italian evidence［ J］． Research Policy，2018（47）：139 ～ 157．

［26］ 韓玉雄，李怀祖．关于中国知识产权保护水平的定量分析［ J］．科学学研究，2005（3）：377 ～ 382．

［27］ 魏浩，李晓庆．知识产权保护与中国企业进口产品质量［ J］．世界经济，2019 （6）：143 ～ 168．

［28］ 白俊红，江可申，李婧．中国地区研发创新的相对效率与全要素生产率增长分解［ J］．数量经济技术经济研究，2009（3）：139 ～ 151．

［29］ 樊纲，王小鲁，朱恒鹏．中国市场化指数——各地区市场化相对进程2018年报告［M］．北京：经济科学出版社，2019．

［30］ Hansen B. E.. Sample splitting and threshold estimation［ J］．Econometrica，2000（3）：573 ～ 603．

（责任编辑·校对：刘钰莹  罗萍）