知識(shí)溢出、創(chuàng)新與區(qū)域經(jīng)濟(jì)增長(zhǎng)

陳麗嫻

摘 要 從微觀視角研究了創(chuàng)意企業(yè)的知識(shí)溢出對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響，并立足于創(chuàng)新，闡述了知識(shí)溢出、創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。首先，構(gòu)建門檻回歸模型，以知識(shí)產(chǎn)權(quán)保護(hù)為門檻變量，分析發(fā)現(xiàn)企業(yè)自身知識(shí)存量和知識(shí)溢出在不同知識(shí)產(chǎn)權(quán)保護(hù)水平，對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用不一致。其次，構(gòu)建中介效應(yīng)模型，實(shí)證分析創(chuàng)新作為知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)的重要中間環(huán)節(jié)。最后，采用交互項(xiàng)模型，分析在不同知識(shí)產(chǎn)權(quán)保護(hù)水平的情況下，得出企業(yè)自身知識(shí)存量和知識(shí)溢出對(duì)創(chuàng)新的影響方向和程度不一致。因此，關(guān)于知識(shí)溢出和創(chuàng)新促進(jìn)經(jīng)濟(jì)增長(zhǎng)，適當(dāng)和合理的知識(shí)產(chǎn)權(quán)保護(hù)力度，既能保持企業(yè)自主研發(fā)的積極性，又能鼓勵(lì)企業(yè)間的交流和學(xué)習(xí)，發(fā)生知識(shí)溢出，促進(jìn)經(jīng)濟(jì)增長(zhǎng)。

關(guān)鍵詞 創(chuàng)意企業(yè)；知識(shí)溢出；創(chuàng)新；知識(shí)產(chǎn)權(quán)保護(hù)；經(jīng)濟(jì)增長(zhǎng)

[中圖分類號(hào)]F49 [文獻(xiàn)標(biāo)識(shí)碼] A [文章編號(hào)]1673-0461（2017）08-0063-07

一、問題提出

創(chuàng)意經(jīng)濟(jì)和創(chuàng)意產(chǎn)業(yè)日益成為拉動(dòng)經(jīng)濟(jì)增長(zhǎng)的新引擎，引起世界各國的廣泛關(guān)注。美國、英國、法國、日本、韓國等許多國家已將其發(fā)展成為支柱產(chǎn)業(yè)，使之成為推動(dòng)發(fā)達(dá)國家經(jīng)濟(jì)和社會(huì)持續(xù)發(fā)展的新引擎，不僅如此，創(chuàng)意產(chǎn)業(yè)也被認(rèn)為是發(fā)展中國家實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型和跨越式發(fā)展的重要戰(zhàn)略。針對(duì)中國目前粗放型經(jīng)濟(jì)增長(zhǎng)方式難以為繼、全球金融風(fēng)暴引起的經(jīng)濟(jì)衰退、中小制造業(yè)企業(yè)轉(zhuǎn)型陣痛的壓力和人們對(duì)精神生活的迫切需求等情況，提出發(fā)展附加值高、知識(shí)密集度高和整合性高的創(chuàng)意產(chǎn)業(yè)是適應(yīng)時(shí)代發(fā)展的需求，對(duì)于中國提升經(jīng)濟(jì)發(fā)展水平和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)具有不可低估的作用。尤其知識(shí)要素密集作為創(chuàng)意產(chǎn)業(yè)的重要特征，知識(shí)是經(jīng)濟(jì)增長(zhǎng)中最為活躍的投入要素，不同于其他投入要素之處在于知識(shí)具有溢出效應(yīng)，在正式和非正式的渠道，其知識(shí)流動(dòng)和溢出過程，對(duì)經(jīng)濟(jì)發(fā)展的重要性不言而喻。但隨著經(jīng)濟(jì)社會(huì)的發(fā)展，知識(shí)產(chǎn)權(quán)保護(hù)問題將會(huì)越來越受重視，我國也于2008年正式頒布《國家知識(shí)產(chǎn)權(quán)戰(zhàn)略綱要》，明確提出要完善知識(shí)產(chǎn)權(quán)制度，加強(qiáng)知識(shí)產(chǎn)權(quán)的保護(hù)。受嚴(yán)厲的知識(shí)產(chǎn)權(quán)保護(hù)的影響，創(chuàng)意產(chǎn)業(yè)的知識(shí)溢出對(duì)區(qū)域經(jīng)濟(jì)發(fā)展的效果究竟如何驗(yàn)證？對(duì)于創(chuàng)意產(chǎn)業(yè)，創(chuàng)新是知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)的重要傳導(dǎo)路徑。本文采用269家上市公司數(shù)據(jù)和城市層面數(shù)據(jù)，利用多種計(jì)量方法，探討中國創(chuàng)意產(chǎn)業(yè)的知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)，為我國大力發(fā)展創(chuàng)意產(chǎn)業(yè)提供理論支撐，為國家創(chuàng)意產(chǎn)業(yè)的未來發(fā)展布局與其他相關(guān)政策的設(shè)立提供了重要啟示。

二、文獻(xiàn)回顧與分析

（一）知識(shí)溢出和經(jīng)濟(jì)增長(zhǎng)

國內(nèi)外學(xué)者關(guān)于知識(shí)溢出和經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系進(jìn)行了詳細(xì)的探討，主要集中于兩方面，一方面是闡述知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)的作用機(jī)理，知識(shí)溢出主要是通過“創(chuàng)新”和“集聚”兩個(gè)中間環(huán)節(jié)與經(jīng)濟(jì)增長(zhǎng)聯(lián)系起來；另一方面是知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響進(jìn)行了實(shí)證研究，通過擴(kuò)展原有的經(jīng)濟(jì)增長(zhǎng)模型，以專利、新產(chǎn)品發(fā)布數(shù)量和研發(fā)費(fèi)用等變量來反映知識(shí)溢出，對(duì)不同層面的實(shí)證分析提供了有關(guān)知識(shí)溢出促進(jìn)區(qū)域經(jīng)濟(jì)增長(zhǎng)的證據(jù)。

創(chuàng)意產(chǎn)業(yè)作為發(fā)展中國家實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型和跨越式發(fā)展的重要戰(zhàn)略，同時(shí)作為知識(shí)密集型產(chǎn)業(yè)，其知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系又是如何。Venstel等（2004）[1]使用荷蘭1987～1995年的數(shù)據(jù)，實(shí)證分析了知識(shí)溢出促進(jìn)了區(qū)域經(jīng)濟(jì)增長(zhǎng)。洪進(jìn)等（2011）[2]基于中國30個(gè)省份1999～2007年的面板數(shù)據(jù)，考察了創(chuàng)意階層的空間集聚效應(yīng)，研究結(jié)果表明創(chuàng)意階層通過知識(shí)外溢提高了區(qū)域勞動(dòng)生產(chǎn)率。Paci等（2013）[3]構(gòu)建知識(shí)生產(chǎn)函數(shù)模型分析各種鄰近性維度對(duì)歐洲276個(gè)地區(qū)的創(chuàng)新能力的影響，結(jié)果表明所有鄰近性對(duì)跨地區(qū)知識(shí)流的生產(chǎn)過程有著重要作用。Chang等（2015）[4]利用41國的R&D支出數(shù)據(jù)，基于多階段和多維度實(shí)證分析了企業(yè)的知識(shí)溢出最大化國家創(chuàng)新系統(tǒng)。Sabina和Eldin（2015）[5]構(gòu)建計(jì)量模型分析FDI知識(shí)溢出對(duì)轉(zhuǎn)型經(jīng)濟(jì)體的經(jīng)濟(jì)增長(zhǎng)的影響，發(fā)現(xiàn)轉(zhuǎn)型經(jīng)濟(jì)體國家有更強(qiáng)的知識(shí)吸收意愿和積極性。王猛等（2016）[6]利用2007～2012年中國20個(gè)大城市面板數(shù)據(jù)，構(gòu)建創(chuàng)意者居住選擇模型，揭示了創(chuàng)意階層集聚通過知識(shí)外部性推動(dòng)城市創(chuàng)新的理論機(jī)制。

綜上，雖然目前圍繞創(chuàng)意產(chǎn)業(yè)的知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系有了初步的探討。但是這些文獻(xiàn)關(guān)于知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)忽略了地區(qū)的知識(shí)產(chǎn)權(quán)保護(hù)力度，嚴(yán)厲的知識(shí)產(chǎn)權(quán)保護(hù)，知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系又是如何，是本文關(guān)注的重點(diǎn)。

（二）知識(shí)溢出、創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的關(guān)系

內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論將創(chuàng)新作為連接知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的重要中間環(huán)節(jié)，認(rèn)為知識(shí)溢出促進(jìn)創(chuàng)新，創(chuàng)新促進(jìn)經(jīng)濟(jì)增長(zhǎng)?；趧?chuàng)新在經(jīng)濟(jì)增長(zhǎng)中發(fā)揮著重要作用，大量研究對(duì)產(chǎn)業(yè)內(nèi)和產(chǎn)業(yè)間知識(shí)溢出在創(chuàng)新中的相對(duì)作用進(jìn)行了實(shí)證研究。Fischer等（2006）[7]使用1997～2002 年期間203個(gè)區(qū)域的專利數(shù)量來反映區(qū)域知識(shí)存量，利用空間面板模型實(shí)證分析了知識(shí)溢出導(dǎo)致的知識(shí)存量變化對(duì)相鄰區(qū)域生產(chǎn)力差異的影響。Cassa和Nicolini（2008）[8]分析了局域的知識(shí)技術(shù)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響方向和程度，相鄰區(qū)域間的研發(fā)投資溢出效應(yīng)增加了彼此創(chuàng)新成功的可能性，從而促進(jìn)了經(jīng)濟(jì)增長(zhǎng)。王文翌和安同良（2014）[9]以2003～2011年中國制造業(yè)上市公司為考察對(duì)象，研究區(qū)域內(nèi)微觀主體知識(shí)溢出影響創(chuàng)新的機(jī)理，實(shí)證結(jié)果支持了知識(shí)溢出促進(jìn)創(chuàng)新。孔曉妮和鄧峰（2016）[10]利用空間計(jì)量模型探討了中國各地區(qū)的自主創(chuàng)新、省際之間的技術(shù)溢出以及吸收能力對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，實(shí)證結(jié)果表明，技術(shù)溢出、創(chuàng)新投入對(duì)經(jīng)濟(jì)增長(zhǎng)水平具有顯著促進(jìn)作用。

綜上，現(xiàn)有文獻(xiàn)關(guān)于知識(shí)溢出、創(chuàng)新促進(jìn)經(jīng)濟(jì)增長(zhǎng)進(jìn)行了大量探討，但是多采用分組經(jīng)驗(yàn)和交互項(xiàng)模型來考察三者之間的關(guān)系問題，但這對(duì)三者之間的連接機(jī)制表述尚不明朗。本文采用中介效應(yīng)模型，實(shí)證分析創(chuàng)新作為連接知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的中間環(huán)節(jié)。同時(shí)分析是否只有跨越相應(yīng)的知識(shí)產(chǎn)權(quán)保護(hù)水平門檻，知識(shí)溢出才能有效促進(jìn)城市創(chuàng)新的提升，進(jìn)而提高經(jīng)濟(jì)增長(zhǎng)水平。

三、研究設(shè)計(jì)

（一）研究模型、步驟與方法

基于知識(shí)產(chǎn)權(quán)保護(hù)的地區(qū)差異，首先，構(gòu)建門檻模型，以知識(shí)產(chǎn)權(quán)保護(hù)為門檻變量，并針對(duì)企業(yè)自身知識(shí)存量和知識(shí)溢出的本質(zhì)差異性，考察了企業(yè)自身知識(shí)存量、知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。以樣本城市的人均GDP增長(zhǎng)率（pergdp）為因變量，以企業(yè)自身知識(shí)存量（k）和知識(shí)溢出（ks）為自變量，考察由于知識(shí)產(chǎn)權(quán)保護(hù)的限制，企業(yè)自身知識(shí)存量和知識(shí)溢出在不同知識(shí)產(chǎn)權(quán)保護(hù)水平，其對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)差異和水平大??？其次，引入中介變量——?jiǎng)?chuàng)新（ino），分析知識(shí)溢出、創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，探討了知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)的路徑。最后，考慮如果知識(shí)產(chǎn)權(quán)保護(hù)力度過小，企業(yè)間知識(shí)溢出現(xiàn)象嚴(yán)重，是否會(huì)使企業(yè)喪失創(chuàng)新的動(dòng)力，抑制創(chuàng)新發(fā)展。以創(chuàng)新為因變量，加入企業(yè)自身知識(shí)存量、知識(shí)溢出與知識(shí)產(chǎn)權(quán)保護(hù)的交互項(xiàng)，進(jìn)行驗(yàn)證分析。為解決上述問題，同時(shí)為了說明實(shí)證結(jié)果的穩(wěn)健性，本文采用了多種計(jì)量方法。

模型1（基本計(jì)量模型），為考察創(chuàng)意企業(yè)自身知識(shí)存量、知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，在充分吸收已有研究關(guān)于經(jīng)濟(jì)增長(zhǎng)的影響因素的理論和實(shí)證基礎(chǔ)上，并考慮到經(jīng)濟(jì)發(fā)展是個(gè)動(dòng)態(tài)過程，前期經(jīng)濟(jì)增長(zhǎng)不可避免會(huì)影響到當(dāng)期經(jīng)濟(jì)增長(zhǎng)，同時(shí)為避免內(nèi)生性問題，故采用系統(tǒng)GMM進(jìn)行估計(jì)。在下面的回歸方程中，X為控制變量，δt為時(shí)間效應(yīng)，ηi為地區(qū)效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

pergdpit=γpergdpit-1+α1kit+α2ksit+X'it β+δt+ηi+εit

（1）

模型2（門檻模型），一般認(rèn)為，有效地知識(shí)產(chǎn)權(quán)保護(hù)能夠降低技術(shù)交易的成本，提高交易效率，增強(qiáng)創(chuàng)新積極性（Arora et al.，2001；江小涓，2002）[11-12]；而知識(shí)產(chǎn)權(quán)保護(hù)過嚴(yán)，則會(huì)抑制模仿行為的發(fā)生，降低新產(chǎn)品的開發(fā)力度（魯釗陽和廖杉杉，2012）[13]。因此，本文在方程（1）基礎(chǔ)上，建立基于知識(shí)產(chǎn)權(quán)保護(hù)（ipp）的知識(shí)溢出“雙門檻效應(yīng)”模型如下：

pergdpit=αi+Xitθ+k■■β1·I（ippjit≤γ）+k'it β2·

I（ippjit≤γ）+εit（2）

pergdpit=αi+Xitθ+ks■■β1·I（ippjit≤γ）+ks'it β2·

I（ippjit≤γ）+εit（3）

模型3（中介效應(yīng)模型），為了考察創(chuàng)新影響機(jī)制是否存在，借鑒Andrew F. Hayes（2009）[14]檢驗(yàn)中介效應(yīng)的方法，構(gòu)建以下方程，利用系統(tǒng)GMM進(jìn)行檢驗(yàn)：

pergdpit=γpergdpit-1+α1ksit+X■■β+δt+ηi+εit （4）

hit=ρhit-1+λksit+X■■ζ+δt+ηi+εit （5）

pergdpit=γpergdpit-1+α2ksit+hitθ+X■■？準(zhǔn)+δt+ηi+εit （6）

其中，h為中介變量，其他變量的含義與前文一致。根據(jù)中介效應(yīng)的檢驗(yàn)方法，第一步對(duì)方程（4）進(jìn)行估計(jì)，得到α1值，用以判斷知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的影響方向和程度，如果α1顯著為正，則說明知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)有某種正面促進(jìn)作用。第二步對(duì)方程（5）進(jìn)行回歸，檢驗(yàn)知識(shí)溢出與中介變量（創(chuàng)新）之間的關(guān)系，預(yù)期知識(shí)溢出的系數(shù)估計(jì)值λ為正。第三步對(duì)方程（6）進(jìn)行估計(jì)，如果α1大于α2，則說明中介效應(yīng)存在。

模型4（創(chuàng)新為因變量），為考察企業(yè)自身知識(shí)存量、知識(shí)溢出與創(chuàng)新的非線性關(guān)系，加入企業(yè)自身知識(shí)存量、知識(shí)溢出與知識(shí)產(chǎn)權(quán)保護(hù)的交互項(xiàng)，分析知識(shí)產(chǎn)權(quán)保護(hù)會(huì)不會(huì)影響企業(yè)自身知識(shí)存量、知識(shí)溢出與創(chuàng)新的關(guān)系。

inoit=αinoit-1+α1kit+α2ippit·kit+α3ippit+X■■β+δt+ηi

+εit （7）

inoit=αinoit-1+α1ksit+α2ippit·ksit+α3ippit+X■■β+δt+ηi

+εit （8）

（二）樣本與數(shù)據(jù)

針對(duì)本文的研究可行性，需考慮創(chuàng)意產(chǎn)業(yè)上市公司樣本是否具有代表性，需要滿足經(jīng)濟(jì)規(guī)模，以及是否與地區(qū)GDP總量一致的條件。借鑒郝穎等（2014）[15]的做法，對(duì)2007～2014年的數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)與回歸分析。結(jié)果顯示，上市公司市場(chǎng)價(jià)值和市場(chǎng)交易額分別占GDP總量的11.4%、85.8%，上市公司的整體經(jīng)濟(jì)規(guī)模在GDP總量中占有較高的比重，說明有較好的代表性。進(jìn)一步，以各城市占全國GDP的比重為因變量，以各城市上市公司數(shù)量占全國上市公司總數(shù)的比重為自變量，進(jìn)行回歸分析。結(jié)果顯示：各城市上市公司數(shù)量占全國上市公司總數(shù)的比重與各城市占全國GDP的比重，在各年度均顯著正相關(guān)，說明各城市的上市公司數(shù)量與當(dāng)?shù)氐慕?jīng)濟(jì)規(guī)模具有一致性。本文對(duì)所有創(chuàng)意企業(yè)的挑選原則：以2007年作為研究起始年份，主要是因?yàn)?006年會(huì)計(jì)準(zhǔn)則發(fā)生變化，保持會(huì)計(jì)準(zhǔn)則的一致性；剔除2012 年12 月31 日之后上市的企業(yè)，主要是為了保證樣本企業(yè)至少有兩年的上市經(jīng)驗(yàn)，經(jīng)營相對(duì)穩(wěn)定；剔除2007～2014年間破產(chǎn)或倒閉的企業(yè)，主要是為了保證樣本數(shù)據(jù)連續(xù)可得；剔除業(yè)績(jī)較差的ST、ST* 、PT 企業(yè)；剔除數(shù)據(jù)嚴(yán)重缺失或不全的企業(yè)。數(shù)據(jù)主要來自WIND數(shù)據(jù)庫和巨潮資訊網(wǎng)，并結(jié)合樣本企業(yè)網(wǎng)站對(duì)企業(yè)年報(bào)等數(shù)據(jù)進(jìn)行了補(bǔ)充和驗(yàn)證。本文最后得到城市年度觀測(cè)值384個(gè)（48個(gè)城市·8個(gè)年度①）。各城市的人均GDP增長(zhǎng)率、物質(zhì)資本投資率、人力資本水平等通過《中國城市統(tǒng)計(jì)年鑒》、國家統(tǒng)計(jì)局網(wǎng)站和各城市年鑒計(jì)算得來。

1.被解釋變量

本文采用人均GDP增長(zhǎng)率對(duì)經(jīng)濟(jì)增長(zhǎng)水平進(jìn)行度量，參照邵帥和楊莉莉（2010）的做法，人均GDP增長(zhǎng)率=（GDP增長(zhǎng)率+1）·（上一年年均人口/當(dāng)年年均人口）-1。年均人口為上一年年末人口和本年年末人口的算術(shù)平均值。

2.解釋變量

k為同城內(nèi)企業(yè)的自身知識(shí)存量的加總，以人力資本表示企業(yè)的知識(shí)存量，借鑒章道云等（2011）[16]以財(cái)務(wù)報(bào)表中的支付給職工以及為職工支付的現(xiàn)金表示。ks為同城內(nèi)企業(yè)的知識(shí)溢出加總，本文知識(shí)溢出的測(cè)算借鑒Aiello和Cardamone（2009）[17]的方法。

首先，對(duì)企業(yè)間知識(shí)相似性進(jìn)行測(cè)算，考慮到創(chuàng)意產(chǎn)業(yè)源于人的創(chuàng)造力和聰明智慧、以知識(shí)產(chǎn)權(quán)作為主要產(chǎn)出特征，本文從無形資產(chǎn)和人力資本兩個(gè)角度來衡量企業(yè)間的知識(shí)相似性，公式如下：

Wijt=■

其次，為反映不同企業(yè)的知識(shí)吸收能力差異，加入人力資本（h）的權(quán)重。

■ijt=■■

再次，一般認(rèn)為，知識(shí)溢出隨距離增加而衰減，同樣采用Aiello和Cardamone（2009）[17]的企業(yè)地理鄰近公式：gij=1-dij■max（dij）?！銎渲?，gij表述同一區(qū)域內(nèi)i企業(yè)和j企業(yè)之間的地理鄰近性；dij表示同一區(qū)域內(nèi)i企業(yè)和j企業(yè)之間的最短直線距離。max（dij）表示上市公司所在城市間的最大距離，取值為800公里。本文企業(yè)與企業(yè)間的直線距離采用Google地圖衡量。同時(shí)將知識(shí)相似性和地理鄰近性作為影響知識(shí)溢出的權(quán)重，公式如下：

Vijt=■ （9）

綜上，得到對(duì)于企業(yè)i，知識(shí)溢出的測(cè)算公式：KSit=■ VijtKjt （10）

3.門檻變量和中介變量

知識(shí)產(chǎn)權(quán)保護(hù)采用魯釗陽和廖杉杉（2012）[13]的度量方法，同時(shí)以專利侵權(quán)案件占專利申請(qǐng)比重衡量知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)（ipp1）和以專利侵權(quán)數(shù)量占專利授權(quán)比重衡量知識(shí)產(chǎn)權(quán)保護(hù)指數(shù)（ipp2）表示，數(shù)據(jù)來源是《中國知識(shí)產(chǎn)權(quán)年鑒》。創(chuàng)新水平（ino）用3種專利授權(quán)數(shù)加總衡量，數(shù)據(jù)來源《中國科技統(tǒng)計(jì)年鑒》。個(gè)別年份缺失的數(shù)據(jù)以前一年的數(shù)據(jù)替補(bǔ)。

4.控制變量

借鑒以往關(guān)于研究經(jīng)濟(jì)增長(zhǎng)的相關(guān)文獻(xiàn)的做法，本文加入如下控制變量（X）：物資資本投資率（capi），以全社會(huì)固定資產(chǎn)投資占GDP比重表示；人力資本水平（hum），用中學(xué)以上的在校學(xué)生人數(shù)與全部從業(yè)人數(shù)的比值加以度量；制造業(yè)發(fā)展（manu），用制造業(yè)從業(yè)人數(shù)占全部從業(yè)人數(shù)的比重衡量；服務(wù)業(yè)發(fā)展（ser），以服務(wù)業(yè)從業(yè)人數(shù)占全部從業(yè)人數(shù)的比重表示；對(duì)外開放程度（open），用當(dāng)年實(shí)際利用外商直接投資和GDP占的比例加以度量；金融發(fā)展（fin），用金融機(jī)構(gòu)各項(xiàng)貸款余額與各項(xiàng)存款余額之和占GDP比重衡量；地理區(qū)位（geo），地理區(qū)位因素可以在很大程度上反映各城市個(gè)體的異質(zhì)性特征，本文以距離中國重要港口城市②的最短直線距離來度量各城市的地理區(qū)位。

四、回歸檢驗(yàn)結(jié)果與分析

（一）變量描述統(tǒng)計(jì)和多重共線性檢驗(yàn)

多重共線性會(huì)引起參數(shù)估計(jì)量的經(jīng)濟(jì)含義不合理和變量的顯著性檢驗(yàn)失去意義等問題，對(duì)變量的多重共線性檢驗(yàn)就變得很有必要。為避免變量之間存在相關(guān)性，首先對(duì)變量進(jìn)行正態(tài)性檢驗(yàn)，結(jié)果表明所有變量服從正態(tài)分布，進(jìn)一步對(duì)全部解釋變量進(jìn)行了Pearson 相關(guān)性系數(shù)檢驗(yàn)，表1結(jié)果顯示各變量之間的相關(guān)系數(shù)均小于0.5，說明解釋變量與控制變量之間的相關(guān)性較弱。接著進(jìn)一步進(jìn)行方差膨脹因子（VIF）檢驗(yàn)，當(dāng)最大的VIF大于10或平均的VIF大于1，則認(rèn)為變量有多重共線性。檢驗(yàn)發(fā)現(xiàn)VIF最大值為3.47，排除了多重共線性對(duì)模型回歸結(jié)果的影響。

（二）門檻效應(yīng)檢驗(yàn)與結(jié)果分析

由表2的門檻回歸結(jié)果可知，知識(shí)產(chǎn)權(quán)保護(hù)的門檻效應(yīng)明顯存在于企業(yè)自身知識(shí)存量、知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系中。對(duì)于企業(yè)自身知識(shí)存量，在知識(shí)產(chǎn)權(quán)保護(hù)較低水平時(shí)，對(duì)經(jīng)濟(jì)增長(zhǎng)為負(fù)向影響；當(dāng)知識(shí)產(chǎn)權(quán)保護(hù)達(dá)到一定水平，則會(huì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)。這是由于在知識(shí)產(chǎn)權(quán)保護(hù)水平較低階段，企業(yè)知識(shí)，尤其是核心知識(shí)技術(shù)難以得到安全保障，容易被其他企業(yè)竊取，企業(yè)創(chuàng)新積極性受到打擊，更多的是簡(jiǎn)單模仿，企業(yè)的生產(chǎn)積極性受到抑制，不利于經(jīng)濟(jì)增長(zhǎng)。當(dāng)知識(shí)產(chǎn)權(quán)保護(hù)力度加大時(shí)，企業(yè)核心知識(shí)和技術(shù)得到保障，自主研發(fā)積極性得以提高，學(xué)習(xí)和掌握新技能力度加大，生產(chǎn)更多的新產(chǎn)品，有利于經(jīng)濟(jì)增長(zhǎng)（劉思明等，2015）[18]。對(duì)于知識(shí)溢出，在知識(shí)產(chǎn)權(quán)保護(hù)較低水平時(shí)，促進(jìn)經(jīng)濟(jì)增長(zhǎng)；反而在知識(shí)產(chǎn)權(quán)保護(hù)水平提高時(shí)，對(duì)經(jīng)濟(jì)增長(zhǎng)為負(fù)面作用。這是由于在知識(shí)產(chǎn)權(quán)保護(hù)較低水平時(shí)，企業(yè)更愿意以低成本模仿和改造，而不愿意承擔(dān)創(chuàng)新風(fēng)險(xiǎn)和巨大的創(chuàng)新成本，通過吸收同一區(qū)域內(nèi)溢出的知識(shí)，促進(jìn)了低質(zhì)量的經(jīng)濟(jì)增長(zhǎng)。當(dāng)知識(shí)產(chǎn)權(quán)保護(hù)力度加大時(shí)，企業(yè)自身知識(shí)得到保護(hù)，同時(shí)可吸收的知識(shí)溢出較少，則知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)負(fù)向作用。

對(duì)表2中其他解釋變量的觀察，還有以下發(fā)現(xiàn)：對(duì)外開放水平提高在可檢驗(yàn)水平促進(jìn)經(jīng)濟(jì)增長(zhǎng)；距離重要港口城市越近（地理區(qū)位），經(jīng)濟(jì)增長(zhǎng)在可檢驗(yàn)水平得以提高；物質(zhì)資本投資率、人力資本水平、制造業(yè)和服務(wù)業(yè)發(fā)展、金融發(fā)展也對(duì)經(jīng)濟(jì)增長(zhǎng)有正向影響。

（三）知識(shí)溢出、創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)之間的關(guān)系分析

在表3中，從模型（1）的回歸結(jié)果來看，企業(yè)自身知識(shí)存量、知識(shí)溢出與當(dāng)期和滯后一期的人均GDP增長(zhǎng)率正相關(guān)，并且在控制物質(zhì)資本投資率、人力資本和制造業(yè)發(fā)展等因素后依然顯著正相關(guān)（模型（2））。在模型（3）中加入創(chuàng)新和知識(shí)溢出的交互項(xiàng)，回歸結(jié)果說明了創(chuàng)新對(duì)知識(shí)溢出與人均GDP增長(zhǎng)率的關(guān)系有顯著影響，創(chuàng)新強(qiáng)度越大，知識(shí)溢出越密切和頻繁，因此知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用越明顯。模型（2）、（4）和（5）是中介效應(yīng)回歸的結(jié)果，是對(duì)模型（3）交互項(xiàng)的效果的進(jìn)一步檢驗(yàn)，對(duì)于創(chuàng)新效應(yīng)，模型（4）中知識(shí)溢出的回歸系數(shù)在1%水平顯著為正，說明知識(shí)溢出會(huì)促進(jìn)創(chuàng)新。模型（5）中加入中介變量（創(chuàng)新）得到回歸系數(shù)為0.6765，與模型（2）得到的回歸系數(shù)0.6994相比，顯然模型（2）中知識(shí)溢出的回歸系數(shù)大于模型（5）的回歸系數(shù)，說明了創(chuàng)新是知識(shí)溢出影響經(jīng)濟(jì)增長(zhǎng)的一個(gè)重要渠道。增強(qiáng)地區(qū)的創(chuàng)新能力，會(huì)增強(qiáng)區(qū)域內(nèi)的相互學(xué)習(xí)和交流，即促進(jìn)了知識(shí)溢出，進(jìn)而提高了地區(qū)的人均GDP增長(zhǎng)率。

知識(shí)溢出和創(chuàng)新真的是正相關(guān)關(guān)系嗎？如果知識(shí)溢出明顯，是否就會(huì)存在研究人員“搭便車”和“道德風(fēng)險(xiǎn)”問題，即知識(shí)溢出是否會(huì)抑制創(chuàng)新。模型（6）和（7）進(jìn)一步分析企業(yè)自身存量、知識(shí)溢出、知識(shí)產(chǎn)權(quán)保護(hù)與創(chuàng)新的關(guān)系，實(shí)證結(jié)果顯示，企業(yè)自身知識(shí)存量、知識(shí)溢出和知識(shí)產(chǎn)權(quán)保護(hù)至少在10%的顯著水平提高創(chuàng)新水平。企業(yè)自身知識(shí)存量和知識(shí)產(chǎn)權(quán)保護(hù)的交互項(xiàng)的回歸系數(shù)依然為正，說明嚴(yán)厲的知識(shí)產(chǎn)權(quán)保護(hù)，有助于企業(yè)增強(qiáng)自身知識(shí)存量，進(jìn)而促進(jìn)創(chuàng)新。但知識(shí)溢出和知識(shí)產(chǎn)權(quán)保護(hù)的交互項(xiàng)的回歸系數(shù)為負(fù)，表明知識(shí)產(chǎn)權(quán)保護(hù)每增加一個(gè)單位，企業(yè)知識(shí)溢出對(duì)創(chuàng)新作用的斜率就下降一個(gè)單位。當(dāng)知識(shí)產(chǎn)權(quán)保護(hù)力度加大時(shí)，同一區(qū)域內(nèi)吸收的知識(shí)溢出較少，不利于創(chuàng)新。這一結(jié)果也與表2的門檻模型的回歸結(jié)果相呼應(yīng)。

對(duì)于控制變量，人力資本和對(duì)外開放水平越高，則其經(jīng)濟(jì)增長(zhǎng)水平相對(duì)越高；地理區(qū)位越是臨近重要港口城市，相應(yīng)的經(jīng)濟(jì)增長(zhǎng)水平越高；物質(zhì)資本投資率、制造業(yè)和服務(wù)業(yè)發(fā)展、金融發(fā)展也與經(jīng)濟(jì)增長(zhǎng)有正向關(guān)系。

五、主要結(jié)論與啟示

基于中國創(chuàng)意產(chǎn)業(yè)的企業(yè)層面數(shù)據(jù)和城市層面數(shù)據(jù)，采用多種計(jì)量方法，實(shí)證分析知識(shí)溢出、創(chuàng)新與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。首先，以知識(shí)產(chǎn)權(quán)保護(hù)為門檻變量，采用門檻模型分析企業(yè)自身知識(shí)存量、知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系。在知識(shí)產(chǎn)權(quán)保護(hù)力度較低水平，企業(yè)更愿意以低成本和低風(fēng)險(xiǎn)獲取同一區(qū)域內(nèi)的知識(shí)溢出，自身知識(shí)存量不利于經(jīng)濟(jì)增長(zhǎng)，知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)為正向影響。在嚴(yán)厲的知識(shí)產(chǎn)權(quán)保護(hù)水平，企業(yè)核心技術(shù)知識(shí)得到安全保障，自主創(chuàng)新的積極性很高，所以自身知識(shí)存量促進(jìn)經(jīng)濟(jì)增長(zhǎng)，知識(shí)溢出對(duì)經(jīng)濟(jì)增長(zhǎng)為負(fù)面作用。其次，考察知識(shí)溢出促進(jìn)經(jīng)濟(jì)增長(zhǎng)的傳導(dǎo)機(jī)制，采用中介效應(yīng)模型，實(shí)證結(jié)果表明，創(chuàng)新對(duì)知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的關(guān)系有顯著影響。最后，分析知識(shí)溢出與創(chuàng)新的關(guān)系，采用交互項(xiàng)模型，嚴(yán)厲的知識(shí)產(chǎn)權(quán)保護(hù)，企業(yè)增強(qiáng)自身知識(shí)存量的積極性更強(qiáng)，進(jìn)而促進(jìn)創(chuàng)新；但知識(shí)溢出對(duì)創(chuàng)新為負(fù)面作用。

研究結(jié)論表明，企業(yè)自身知識(shí)存量和知識(shí)溢出在不同知識(shí)產(chǎn)權(quán)保護(hù)力度下，對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用不一致。適當(dāng)和合理的知識(shí)產(chǎn)權(quán)保護(hù)力度，既能保持企業(yè)自主研發(fā)的積極性，又能鼓勵(lì)企業(yè)間正式和非正式的交流和學(xué)習(xí)，以此促進(jìn)經(jīng)濟(jì)增長(zhǎng)。同時(shí)，創(chuàng)新作為知識(shí)溢出與經(jīng)濟(jì)增長(zhǎng)的“中間環(huán)節(jié)”，在考慮知識(shí)產(chǎn)權(quán)保護(hù)的情況下，企業(yè)自身知識(shí)存量和知識(shí)溢出對(duì)創(chuàng)新的促進(jìn)作用不一致，應(yīng)合理和正確看待。

[參考文獻(xiàn)]

[1] ADRIANN J. VENSTEL，HENRY R. NIEUWENHUIJSEN. Knowledge spillovers and economic growth： an analysis using data of dutch regions in the period 1987-1995[J].Regional studies，2004，38（4）：393-407.

[2] 洪進(jìn)，余文濤，趙定濤. 創(chuàng)意階層空間集聚與區(qū)域勞動(dòng)生產(chǎn)率差異——基于中國省際面板數(shù)據(jù)的分析[J]. 財(cái)經(jīng)研究，2011（7）：92-102.

[3] RAFFAELE PACI，EMANUELA MARROCU，STEFANO USAI. The complementary effects of proximity dimensions on knowledge spillovers [J]. Spatial economic analysis，2014，9（1）：9-30.

[4] CHIA-CHIN CHANG. Influences of knowledge spillover and utilization on the NIS performance： a multi-stage efficiency perspective [J]. Qual quant，2015，49： 1945-1967.

[5] SABINA SILAJDZIC，ELDIN MEHIC. Knowledge spillovers，absorptive capacities and the impact of FDI on economic growth： empirical evidence from transition economies [J]. Procedia-social and behavioral science，2015，195： 614-623.

[6] 王猛，宣燁，陳啟斐. 創(chuàng)意階層集聚、知識(shí)外部性與城市創(chuàng)新——來自20個(gè)大城市的證據(jù)[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2016（1）：59-70.

[7] FISCHER，M.M，SCHERNGELL，T.and JANSENBERGER，E. The geography of knowledge spillovers between high-technology firms in europe： evidence from a spatial interaction modeling perspective [J]. Geographical analysis，2006，38（3）：288-309.

[8] CASSAR，A. NICOLINI，R. Spillovers and growth in a local interaction model [J]. Annual of regional science，2008，42：291-306.

[9] 王文翌，安同良. 產(chǎn)業(yè)集聚、創(chuàng)新與知識(shí)溢出——基于中國制造業(yè)上市公司的實(shí)證[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究，2014（4）：22-29.

[10] 孔曉妮，鄧峰. 自主創(chuàng)新、技術(shù)溢出及吸收能力與經(jīng)濟(jì)增長(zhǎng)的實(shí)證分析——基于東、中、西部地區(qū)與全國的比較[J]. 研究與發(fā)展管理，2016（2）：31-39.

[11] ARORA A.，F(xiàn)OSFURI A.，GAMBARDELLA A. Markets for technology： the economics of innovation and corporate strategy [M]. Cambridge： MIT Press，2001.

[12] 江小涓. 中國外資經(jīng)濟(jì)對(duì)增長(zhǎng)、結(jié)構(gòu)升級(jí)和競(jìng)爭(zhēng)力的貢獻(xiàn)[J]. 中國社會(huì)科學(xué)，2002（6）：4-14，204.

[13] 魯釗陽，廖杉杉. FDI技術(shù)溢出與區(qū)域創(chuàng)新能力差異的雙門檻效應(yīng)[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012（5）：75-88.

[14] ANDREW F. HAYES. Beyond Baron and Kenny： statistical mediation analysis in the new millennium[J]. Communication monographs，2009，76（4）：408-420.

[15] 郝穎，辛清泉，劉星. 地區(qū)差異、企業(yè)投資與經(jīng)濟(jì)增長(zhǎng)質(zhì)量[J]. 經(jīng)濟(jì)研究，2014（3）：101-114，189.

[16] 章道云，鄧學(xué)芬，黃坤. 上市公司人力資本對(duì)企業(yè)凈利潤(rùn)貢獻(xiàn)率的實(shí)證研究[J]. 宏觀經(jīng)濟(jì)研究，2011（7）：71-76.

[17] AIELLO，F(xiàn). CARDAMONE，P. R&D spillovers and firms' performance in Italy： evidence from a flexible production function[J]. Spatial econometrics，Heidelberg： Physica-verlag，2009：143-166.

[18] 劉思明，侯鵬，趙彥云. 知識(shí)產(chǎn)權(quán)保護(hù)與中國工業(yè)創(chuàng)新能力——來自省級(jí)大中型工業(yè)企業(yè)面板數(shù)據(jù)的實(shí)證研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015（3）：40-57.