文献阅读《企业间技术转让的知识溢出效应——来自专利转让的证据》【数量经济技术经济研究】
学术
2024-07-11 21:38
江西
大家好！本人是管理学在读博士生。一直想分享读博期间学习和生活的经历和感悟，希望能帮助到更多想要读博和正在读博以及科研工作的朋友们。坚持每天读高水平的论文是博士生的基本要求，也是写好自己论文的基础。今天分享一篇文章——《企业间技术转让的知识溢出效应——来自专利转让的证据》，来自《数量经济技术经济研究》2024年7月11日网络首发。刘灿雷，副研究员，对外经济贸易大学国家对外开放研究院国际经济研究院；姜丽（通讯作者），博士研究生，中国人民大学经济学院；张静，博士研究生，对外经济贸易大学国家对外开放研究院国际经济研究院。在多种形式的技术交易中，技术转让既是技术转移服务的主要类型之一，也是知识产权制度下科技成果转移的重要体现。该类别技术交易的合同成交额从2001年的203.8亿元增长至2021年的3246.6亿元，翻了近四番，建设成果十分显著。2017年，中共中央国务院印发的《国家技术转移体系建设方案》首次提出了国家技术转移体系的概念，目的是推动科技成果转移扩散，促进全社会创新表现稳步提升，对于中国建设创新型国家和世界科技强国具有重要意义。从全国技术市场的买卖方构成来看，企业参与技术市场交易的主体地位明显。如图1（b）所示，不论作为买方还是卖方，企业主体参与技术市场的规模稳步增长，从2006年的1500亿元左右增长到2021年的3万亿元以上；并且，企业法人作为买方的合同成交额所占市场总成交额比重始终高于75%，其作为卖方的市场份额更是连续四年（2018~2021年）超过90%，稳居各交易主体首位。技术转让对受让企业在技术知识获取、创新领域拓展和研发效率提升等方面的正向作用，可能激发企业创新活力，对其创新表现产生积极影响。对于企业而言，内部研发（internalR&D）与外部知识获取（externalknowledgeacquisition）是两类相互补充的创新活动，不同主体间能够通过技术市场实现更有效的信息传递，有利于企业在与自身创新需求相符的技术方向上开展研发活动（Arora和Gambardella，2010；Cassiman和Veugelers，2006）。在企业间技术转让后，受让企业有机会获得其他企业的知识溢出，在已有知识的基础上进行有针对性的模仿和创新，避免创新资源的重复投入（戴魁早，2018）。 因此，企业间技术转让在中国技术市场中的重要性显然不容忽视。然而，学术界对于企业间技术转让的创新效应仍然缺乏系统的实证研究。鉴于此，本文利用企业间专利转让信息，实证考察了企业间技术转让对受让企业技术创新表现的影响及其作用机制。第一，为考察技术市场活动对企业创新的影响提供了系统的经验分析。现有关于技术市场活动的影响研究主要集中在与技术创新相关的话题，包括对经济增长（Akcigit等，2016）、创新分工（Han等，2020）、创新效率（胡凯等，2012；叶祥松和刘敬，2018）、专利权执行（Galasso等，2013）以及出口技术复杂度（戴魁早，2018）等方面的影响。由于缺乏系统的微观数据或者有效的识别策略，既有实证研究大多选择在地区层面进行考察。本文直接利用专利转让信息识别企业层面专利转让行为，以此构造双重差分模型研究技术市场中企业间技术转让对受让企业创新表现的影响，为现有文献增添了新的经验证据。第二，丰富了中国创新发展的相关研究。已有诸多文献关注中国创新发展的驱动因素，从不同的视角展开研究，一些文献从对外开放、政策激励和产权保护的角度切入。本文从技术市场的角度切入，重点关注企业间技术转让对受让企业创新的影响，对企业间技术转让后受让企业创新在数量和质量等多方面表现是否存在显著差异进行实证考察，并且进一步探究了该影响的潜在机制。第三，强调了通过企业间技术转让获取外部知识对于促进创新活动的重要价值。在学术层面上，既有研究已经从产学研融合（高超和刘灿雷，2022）、企业并购（程新生和王向前，2023）、技术引进（张杰等，2020）、开放式创新（Dasaratha，2023）等方面考察外部知识获取对企业创新的影响，却鲜有文献基于企业间技术转让行为展开相关的实证研究。本文借助丰富的企业层面数据集，提供了一个识别企业间技术转让行为及其对于受让企业创新表现影响的有益尝试。 技术转让涉及专利等有形的权利转让，也包括明确的经济交易和技术移交过程，其结果是技术权利与知识从供给方向需求方转移，由此实现技术市场中从转让企业向受让企业的知识溢出。因此，技术转让成为需求方企业获取创新所需新知识的有效途径。企业通过接受其他企业的技术转让获得知识溢出，可能提升创新效率、拓展创新领域并增加创新活动，从而提升其整体创新表现（如图2所示）。企业间技术转让可能提升受让企业在原有技术领域的研发效率，改善企业创新表现。在技术市场有效运行的条件下，企业可以更快地搜寻到所需的技术信息，通过技术转让等技术转移方式用于自身研发活动中，有助于避免在同一问题上重复试验，减少低效投入、降低不确定性，同时加快研发进度（戴魁早，2018）。而且，企业间技术转让使得受让企业有机会获得其他企业的知识溢出，有助于打破受让企业在研发活动中的思维惯性（Laursen和Salter，2006；Sears，2018）。因此，通过企业间技术转让这一渠道，受让企业在已有的研发基础和投入之上可能获得更高效的创新产出，结合其他企业的技术知识找到有价值的新知识组合，从而提高创新质量。 企业间技术转让可能有助于受让企业向其他技术领域拓展，推动企业创新表现提升。一方面，企业间技术转让可能成为受让企业向其他技术领域拓展的关键机遇，为其在此前从未涉及的技术领域取得一定的技术基础（Caviggioli等，2017）。另一方面，进入一个新的技术领域意味着更高的研发投入和不确定性，而外部获取知识的各种手段为受让企业提供了更易获取和相对成熟的技术知识，降低了企业进入其他技术领域的创新门槛（程新生和王向前，2023）。企业间技术转让带来的新知识可能促使受让企业增加研发活动，从而提升企业创新表现。 大量研究表明，企业在学习掌握外部技术的过程中也需要增加内部研发投入（Cassiman和Veugelers，2006；Sears，2018），经过对新知识的消化、吸收和再创新，其自主创新能力得以提高（García-Vega和Vicente-Chirivella，2020）。除此之外，来自其他企业的技术转让为受让企业的创新活动提供了较为明确的推进方向和借鉴思路，间接激励企业开展更多针对性的研发项目、增加研发投入，促使企业的创新表现得以改善。假说1：企业间技术转让有助于提升受让企业的创新表现。假说2：企业间技术转让通过企业间知识溢出提升受让企业的创新表现。本文关注企业间技术转让对受让企业创新表现的影响，为了有效识别两者之间的关系，采用双重差分方法构建模型如式（1）所示： 本文主要关注β的估计结果，而识别的内生性威胁主要在于企业间技术转让的自选择偏差。一方面，由于是否开展创新、投入研发或者获取外部知识等选择关乎企业的发展战略，其中天然存在企业自选择，导致受让企业选择接受外部专利转让的非随机性；另一方面，为了回收研发成本，实现专利转让经济价值的最大化，转让企业也会倾向于选择与更有创新能力和意愿的企业达成合作，导致转让企业选择转让对象的非随机性。本文从可观测因素和不可观测因素两方面考虑，采取了以下处理：一是采用倾向得分匹配对数据进行预处理。倾向得分匹配的处理可以使本文处理组和对照组之间的企业特征更为相似，缓解可观测影响因素的系统差异。二是加入企业创新特征的时间趋势项，以部分缓解企业层面不可观测的“自选择”干扰。为了尽可能满足双重差分方法应用最基本的平行趋势假设，确保研究结果的可信性，本文还将在文章的后续内容中进行以下处理和检验：（1）采用动态效应检验考察处理组和对照组的事前平行趋势。（2）采用Goodman-Bacon分解考察本文双向固定效应下交叠双重差分估计的偏误程度，并根据交叠双重差分方法的研究进展，采取双重差分的异质性稳健估计量进行动态效应检验，以此避免潜在的估计偏误。（3）采用安慰剂检验为本文识别中平行趋势假设成立提供支撑证据，排除其他潜在不可观测因素干扰的可能。（4）利用政策冲击构造地级市-年份层面工具变量，进一步处理模型中可能存在的样本选择偏差和反向因果导致的内生性问题。 本文使用的数据主要包括两个方面：一是中国专利信息数据，来源于IncoPat全球专利数据库（1985~2019年），该数据库整合了世界主要国家和地区的专利信息，其中也涵盖中国知识产权局受理的各类申请者专利申请和转让数据；二是企业信息数据，来源于中国工业企业数据库（1998~2013年），包含中国全部国有工业企业和规模以上非国有工业企业的企业经营信息。另外，本文采用企业特征控制变量所需数据均来源于中国工业企业数据库，地区特征控制变量分别来源于IncoPat专利数据库（lnCpubs）以及《中国开发区审核公告目录》（lnHzone）。本文参照已有文献对上述两个数据库进行如下处理：一是对于中国工业企业数据库，这里借鉴Brandt等（2012）和Hsieh和Song（2015）的做法统一企业识别代码，构造面板数据，并对企业数据进行清理；二是依据钟宁桦等（2016）的研究删除了数据质量较差的2010年样本；三是考虑到本文以企业创新作为研究对象，这里选取样本中存续时间不少于3年的企业，并且删除非制造业企业和烟草行业企业；最后，以上述处理为基础，本文进一步将中国专利信息数据与企业信息数据进行合并匹配。由于两个数据库之间并不存在相通的识别代码，本文根据企业名称对专利数据库与企业数据库进行两步匹配（Xie和Zhang，2015）。以模型（1）的企业创新表现变量和企业特征控制变量作为匹配协变量，采用近邻匹配方法按照1:3的比例对处理组和对照组进行逐年、可重复匹配。在倾向得分匹配中，本文选取考察事件窗口为2003~2007年。本文分别以企业专利年度申请量对数值（lnPatent）衡量企业创新数量、以企业专利申请后平均被引用次数对数值（lnCitation）衡量企业创新质量、以企业专利平均被引用次数加权的年度专利申请量（lnPatent_wei，后文简称专利加权申请量）衡量企业创新的综合表现。本文分别计算出专利自公开后1年、3年和5年内的被引用次数，使用专利公开后3年内的被引用次数构造变量进行基准分析，同时采用专利公开后1年和5年内的被引用次数构造变量进行稳健性检验首先，本文参考已有研究的做法，将专利转让人信息包含“公司”、“集团”等营利性单位名称的专利转让记录界定为来自企业的技术转让，以此识别企业是否接受了企业间技术转让（高超和刘灿雷，2022）。样本中的企业可以分为三类：第一类是本文识别的处理组企业，即样本时间范围内首次接受其他企业技术转让且从未获得过其他机构或个人专利转让的企业；第二类是从未获得任何专利转让的企业，通过与第一类企业进行倾向得分匹配从中产生本文使用的对照组企业；第三类是剩余其他企业，将不被包含在后续实证分析中。其次，构造本文的核心解释变量Transferft。具体而言，第一类的处理组企业在样本时间范围内首次接受其他企业专利转让当年及之后年份对应Transferft取1，否则取0。分为企业特征和地区特征两类。企业特征控制变量：（1）企业规模（lnSize）；（2）企业年龄（lnAge）；（3）资本密集度（lnKL）；（4）企业利润（lnProfit）。企业所在城市的相关特征变量：（1）高新技术开发区数量的对数值（lnHzone）；（2）公共科研机构数量的对数值（lnCpubs）；（3）高新技术企业数量的对数值（lnHtfirms）。基准估计结果如表1所示。第（1）至（3）列为加入了企业特征控制变量和地区特征控制变量、企业固定效应和行业年份固定效应的估计结果，第（4）至（6）列在前三列的基础上加入了企业创新特征的时间趋势项。核心解释变量的估计系数均在1%的水平上显著为正，表明企业间技术转让对受让企业的创新数量、创新质量和综合表现都有显著的正向影响。在其他条件一定时，接受企业专利转让使处理组企业的发明专利申请量相较于匹配对照组企业平均增加了28.1%，发明专利加权申请量平均增加了17.1%，发明专利平均被引用次数平均增加了4.6%。本文将考察期限设定为事件发生前4年到后5年，并设定事件发生之前1年为基准年，然后通过事件研究法的思路对事前平行趋势进行检验，并观察虚拟变量交乘项估计系数随时间的变化，以此考察企业间技术转让对受让企业创新影响的动态效应。本文刻画动态效应检验估计系数的变动趋势如图3所示。在技术转让发生之前，核心解释变量的估计系数不具有统计显著性，且系数大小几乎为0，即在技术转让发生之前，处理组企业与匹配对照组企业的创新表现变化趋势不存在显著差异，事前平行趋势检验通过；在事件发生当年及之后五年，核心解释变量的估计系数始终显著为正，且在随后的时期持续上升，说明企业间技术转让对受让企业的创新数量、创新质量和创新的综合表现具有正向影响，且该影响具有一定持续性 近期双重差分方法相关的理论文献指出，传统的平行趋势检验可能存在统计功效不足的问题（Roth等，2022）。本文参考Biasi和Sarsons（2022）和许文立和孙磊（2023）的做法，将平行趋势的最大偏离程度设置为1个标准差，对事件发生当年及之后五年的企业创新影响进行平行趋势假设敏感性分析。结果发现，在平行趋势偏离的合理范围内，本文的核心结论依然成立。一是利用Goodman-Bacon（2021）的方法分解样本，检验是否存在“坏的控制组”（即较早接受处理的样本作为较晚接受处理样本的控制组）严重影响了估计结果。二是参考一系列计量研究（Callaway和Sant’Anna，2021；DeChaisemartin和D'Haultfœuille，2020；Sun和Abraham，2021），采用双重差分的异质性稳健估计量，从而尽量避免潜在的估计偏误。结果显示，本文的核心结论在考虑交叠DID处理异质性后依然稳健。分别采用专利自公开后1年和5年内的被引用次数，重新计算企业创新的质量指标（lnCitation）和综合表现指标（lnPatent_wei）；进一步在专利自公开后1年、3年和5年内的被引用次数中剔除了企业的自我引用，以此计算企业创新的质量指标（lnCitation）进行稳健性检验。在专利被引用次数中剔除企业自我引用后，本文的核心结论仍然具有稳健性。 考虑到一些企业接受企业间转让的专利数量不止1个，本文将基准分析中的二元变量Transfer替换为连续变量Transfer+，表示企业接受企业间转让的专利转让数量对数值；进一步构造上述连续型变量Transfer+的标准化指标Transfers，核心结论依然成立。首先利用政策冲击构造一个地级市-年份层面工具变量，变量具体定义如式（3）所示：工具变量完全外生性的条件仍然是一个严苛的要求，在现实世界中几乎不可能完全成立（Nunn和Wantchekon，2011），只能是一个程度问题。因此，本文采用Conley等（2012）发展的不完全外生（plausibly exogenous）工具变量框架以获得稳健的工具变量估计。考虑一个包含工具变量的理想方程如式（4）所示：表2第（1）至（3）列的被解释变量依次为发明专利申请量、发明专利加权申请量和发明专利平均被引用次数，控制变量和固定效应设定与基准模型一致。第（4）至（6）列在前三列的基础上加入了城市固定效应。第一阶段回归的估计结果显示，工具变量的估计系数在1%的显著性水平上显著为正，工具变量的相关性条件满足；Kleibergen-PaaprkLM检验拒绝了不可识别的原假设，且第一阶段F值大于临界值，表明该工具变量不存在不可识别问题和弱工具变量问题。第二阶段回归的估计结果显示，核心解释变量均在5%的显著性水平上显著为正。以上结果表明，在引入有效的工具变量之后，本文的核心结论依然成立。 从扩展边际的角度，外部技术转让或许会改变受让企业的创新决策，促使企业创新活动向其他技术领域扩展，从而在技术转让后获得了更好的创新表现；从集约边际的角度，企业间技术转让可能提高了受让企业在已覆盖技术领域范围内的创新效率，进而提高了企业的创新产出。对于企业创新数量二元边际的度量，本文以国际专利分类标准（International Patent Classification，IPC）的4位代码界定专利所属的技术领域，采用企业年度申请发明专利所覆盖的技术领域（IPC4分位）个数测度企业创新数量的扩展边际，以企业在各个技术领域的年度发明专利申请数量测度企业创新数量的集约边际，分别衡量了企业在接受专利转让后的创新技术领域变化和技术领域内创新产出变化。 表3第（1）-（2）列企业创新扩展边际和创新集约边际的估计结果，核心解释变量的估计系数显著为正，表明企业间技术转让对受让企业创新数量的集约边际和扩展边际均有显著的正向影响，即企业间技术转让不仅显著提升了受让企业在所涉及技术领域内的创新数量增长，也显著扩大了其创新的技术领域范围。本文使用IncoPat全球专利数据库提供的1998~2020年美国专利商标局（USPTO）专利数据，计算出技术领域p的发明专利主动引用技术领域q发明专利的次数占技术领域p发明专利全部主动引用次数的比重，从而形成技术领域间的引证关系矩阵。进一步地，本文计算了引证关系矩阵的左特征值，取特征值为1的特征向量，即为所求的创新中心性指数。创新中心性指数的取值为正，其数值越大，则表示对应技术领域在创新网络中越接近中心位置，对于其他技术领域的影响力越大、创新价值越高。由此，分别计算企业当年申请的每一个发明专利所属技术领域的创新中心性，并采用以下三种方式度量企业发明专利申请的创新中心性：（1）平均中心性（Cen_mean），即企业年度发明专利申请的平均创新中心性；（2）中间中心性（Cen_median），即企业年度发明专利申请的创新中心性中位数；（3）最大中心性（Cen_max），即企业年度发明专利申请的创新中心性最大值。表3第（3）至（5）列所示，被解释变量依次为平均中心性、中间中心性和最大中心性，各列核心解释变量的估计系数均在1%的水平上显著为正 本文根据Ayerst等（2023）的做法，利用1985~2017年中国发明专利引用数据，将专利之间的引证关系加总至技术领域层面（IPC4位码），进而计算被转让专利和受让企业新表现在技术领域上的关联性。技术领域关联度的计算方式如式（6）所示：其中，p表示施引专利的4分位IPC专利分类，q和k表示被引专利的4分位IPC专利分类。Cites表示技术领域p主动引用技术领域q的专利引证次数。因此，Connect表示技术领域p主动引用技术领域q的次数占其引证总数的比例，该指标取值越大，说明技术领域p对技术领域q关联度越高、知识依赖越强。本文构造以下两种衡量被转让专利与受让企业创新表现技术关联性的关联度指标：（1）加总关联（Connect_sum），由企业当年申请的每一个发明专利所属技术领域作为被转让专利所属技术领域下游的关联度加总求得。（2）平均关联度（Connect_mean），由企业当年申请的每一个发明专利所属技术领域作为被转让专利所属技术领域下游的关联度求平均值所得。表4第（1）列是以加总关联度（Connect_sum）为被解释变量的估计结果，第（2）列是以平均关联度（Connect_mean）为被解释变量的估计结果。两列估计结果的核心解释变量均显著为正，即企业间技术转让对受让企业发明专利所属技术领域作为被转让专利所属技术领域下游的关联度具有显著的正向作用。 本文考察了企业间专利转让后受让企业研发支出与研发效率是否有显著变化，以此检验企业间技术转让后受让企业创新表现改善的创新投入促进作用。研发支出：（1）简单地对企业研发支出取自然对数值（lnR&D_1)；（2）计算企业研发支出的对数值（lnR&D_2= ln[R&D+(R&D2+1)]1/2）。研发投入份额：企业研发支出与企业总资产之比（R&D_share）。研发效率：企业当年专利申请数量除以其过去三年研发支出加权平均值的对数值作为研发效率指标（R&D_efficiency=ln[Patent/(R&D+0.8R&D-1+0.6R&D-2)+1]）。表 4 第（3）-（6）列分别核心解释变量估计系数显著为正，企业间专利转让显著提升了受让企业的研发支出增长，同时也提升了企业从事研发活动的效率，从而显著改善其创新表现。来自不同行业或技术领域企业的技术转让是否会给受让企业带来异质性的知识溢出效应？表5报告了在转让企业-受让企业层面进行企业间知识溢出效应的异质性分析结果，其中第（1）至（3）列为转让企业与受让企业对应考察特征相同样本的估计结果，第（4）至（6）列为转让企业与受让企业对应考察特征不同样本的估计结果。双方企业处于相同城市样本的核心解释变量估计系数均显著为正，而双方企业处于不同城市样本的核心解释变量估计系数均不具有统计显著性。该结果表明，企业间技术转让的知识溢出效应显著存在于与转让企业处于相同城市的受让企业，而对与转让企业处于不同城市的受让企业不存在显著的知识溢出效应。 在企业间技术转让的知识溢出效应在行业层面（面板 B）和技术领域层面（面板 C）的异质性分析中，不论双方企业是否处于相同行业或者相同技术领域，企业间技术转让对受让企业的创新数量均存在显著的正向影响，但与转让企业处于相同行业或相同技术领域的受让企业在专利受让后并未表现出显著的创新质量提升，预期的创新质量提升显著存在于与转让企业处于不同行业或不同技术领域的受让企业之中。该结果表明，相同行业和相同技术领域的企业间技术转让一定程度上提高了受让企业的研发效率，为其创新产出带来了“量”的变化，但“质”的变化主要来源于不同行业和技术领域的企业间知识溢出。本文试图从企业规模和市场表现两个方面进行考察技术转让对受让企业创新表现的提升是否会进一步影响受让企业的经营绩效：在企业规模方面，选取企业当年总产值和年末总资产予以衡量；在市场表现方面，选取销售增长率和企业净利润予以衡量。 如表6所示。企业间技术转让显著提升了受让企业的经营规模，同时对受让企业的销售增长率产生了显著的正向影响，对企业净利润和新产品产值的影响也是正向的，但未通过统计显著性检验。第一，企业间技术转让显著提升了受让企业的创新表现。第二，在创新数量方面，企业间技术转让对受让企业创新数量的集约边际和扩展边际都具有显著的积极影响；在创新质量方面，在接受企业间技术转让后，受让企业专利申请所属技术领域的创新中心性显著提升。第三，企业间技术转让通过知识溢出效应对受让企业的创新表现产生正向影响，推动受让企业在研发投入和研发效率两方面的显著提升，但也受到双方企业是否处在相同城市、相同行业或者相同技术领域的影响。第四，企业间技术转让有助于进一步改善受让企业绩效，提升受让企业的经营规模和市场表现。第一，应继续推动技术市场发展和国家技术转移体系建设。应继续加大对技术市场建设的支持力度，完善技术交易的法律法规体系，为技术交易提供坚实的法律保障。同时，应鼓励和引导各类创新主体，包括高校、科研机构、企业等，尤其要发挥企业在创新活动中的主体作用，鼓励企业积极参与技术市场活动，通过技术交易实现知识共享和技术扩散。第二，将技术市场发展的政策环境优化与其他企业创新激励政策相结合。将技术市场发展政策与其他创新激励政策相结合，增强买方企业对先进技术进行消化、吸收和二次创新的能力，强化企业同时作为技术创新活动和技术市场交易主体的关键作用。一方面，政府应继续完善和实施税收优惠政策，对参与技术交易的企业提供税收减免，降低企业技术创新的成本。同时加大对企业研发活动的财政支持力度，通过多种政策工具，激励企业增加研发投入，提高研发效率。另一方面，应加强知识产权保护，完善知识产权法律法规，严厉打击侵权行为，保障企业技术创新成果的合法权益，在企业层面推动建立知识产权管理体系，提高企业知识产权运营能力，促进知识产权的商业化运用。 第三，推动技术市场分类布局和专业化发展，以促进新质生产力的形成和提升。技术市场的发展应更加注重分类布局和专业化，以更好地满足不同区域的企业在不同技术领域、不同发展阶段的创新需求，为新质生产力的形成和扩展提供有利条件。在政府层面，应鼓励和支持符合区域技术优势和发展需求的行业性技术交易市场的建设，发挥其在信息整合、技术评估、市场分析等方面的作用，为企业提供专业化、定制化的技术交易服务，进一步提升技术市场专业化和高质量发展，实现企业间技术交易供给与需求的有效对接。在市场层面，应推动技术市场服务向专业化、高端化发展，建立专业化的技术评估、技术咨询、技术经纪等服务机构，提供高质量的第三方服务，帮助企业更好地识别技术需求，评估技术价值，降低技术交易的风险。在企业层面，应引导和支持企业根据自身技术特点和发展需求，参与或建立专业化的技术联盟、创新联合体等合作组织，企业可以共享资源、协同创新，提高创新效率和质量。
