《现代财经-早读早分享》2024年9月28日周六（第3137期）

今天是2024年9月28日，星期六，农历八月二十六，美好的一天从阅读《现代财经-早读早分享》开始！

以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3137期）。原创不易，敬请尊重。谢谢鼓励。

一、早读分享

贸易赋能创新的实现路径——来自中国企业专利跨国引用的新证据

导读

一、引言及文献述评

经济开放、国际贸易与企业技术创新既是国际经济学和创新经济学研究的经典议题(Shu 和Steinwender，2019；Melitz 和Redding，2023；Akcigit 和Melitz，2022)，也是中国经济改革与发展实践进程中持续的热点问题。从改革开放前期引进外资过程中的“以市场换技术”，到加入世界贸易组织以来“以开放竞争促进改革创新”，开放与创新始终是中国经济改革与发展进程中的一条主线。现有研究从多个不同视角对中国贸易开放与企业技术创新的关系展开了分析和解读。一是进口竞争的视角，即关注中国的贸易自由化和关税减让形成的国内市场开放，通过对本土企业构成竞争压力，从而对其研发创新产生的影响(Bombardini 等，2018；Liu 等，2021)。二是中间投入品进口的视角，即关注贸易自由化导致的投入品进口成本降低，对中国本土企业研发创新的影响(Liu 和Qiu，2016；张杰，2015；田巍和余淼杰，2014)。三是出口市场和出口机会的视角，即关注贸易自由化导致的出口市场扩大和出口机会增加，对国内企业尤其是出口企业研发创新的影响。比如Liu 和Ma(2020)考察了中国“入世”后企业面临的贸易政策不确定性程度下降对于稳定企业对出口市场需求的预期和激励企业研发创新的积极意义。毫无疑问，这些分析视角和研究文献为我们深入理解和进一步思考中国的贸易开放与企业技术创新提供了坚实的基础。

然而，除了上述这些分析视角和机制，潜藏和内嵌于国际贸易(即货物跨国流动)中的技术和知识的跨国流动与溢出，被国际经济学和创新经济学研究普遍认为是国际贸易影响企业技术创新的一个更加一般性的渠道(Keller，2004；2010；2021；Melitz 和Redding，2023；Aghion 等，2021)。然而，以此视角对中国开放与创新关系的深入考察仍十分有限。一些学者虽然基于对中国企业生产率的考察，探讨和检验了“出口/进口中学习”效应(learning by exporting/importing)，但是生产率是企业多方面因素共同作用的综合结果，并不能简单等同于企业的创新表现，更无法确切考察国际贸易影响企业创新的技术溢出效应(Melitz 和 Redding，2023)。一些聚焦于中间投入品进口影响中国企业研发创新的文献，虽然将进口品的技术溢出作为潜在的影响机制，但也只是通过进口来源国和企业特征的异质性予以初步的间接检验，并未提供直接而确切的证据(Chen 等，2017；何欢浪等，2021；谢谦等，2021)；甚至现有文献对于中间品进口究竟如何影响中国企业的研发创新还未达成共识 ① 一部分以R&D 支出度量创新表现的文献研究表明，中间投入品进口对中国企业创新具有积极影响(田巍和余淼杰，2014；Tian 和Yu，2017；Chen 等，2017)；另一部分以专利申请量度量创新表现的研究结果则显示，中间投入品进口对中国企业创新具有抑制作用(Liu 和Qiu，2016；张杰，2015)。 。此外，贸易中的技术流动与溢出具有广泛性和一般性，也并不仅局限于现有研究所关注的中间投入品的进口。现有文献的这些不足，究其原因，主要在于对技术的跨国流动与溢出缺乏合理而直接的刻画和度量，从而限制了学术界对于国际贸易影响中国企业创新的技术流动与溢出机制的直接和深入考察。鉴于此，本文试图针对这一问题弥补现有文献存在的不足，从而为理解中国的开放与创新提供新的视角和证据。

本文对前述基于中国背景的研究文献的一个突破在于，利用中国企业发明专利的后向引用数据(backward citations)对技术跨国流动与溢出进行直接刻画和度量，从而实证考察中国对外贸易中的技术流动与溢出，为国际贸易影响中国企业技术创新的这一微观机制提供直接证据。具体来说，专利的后向引用是指本专利主动引用其他专利和科技成果的情形，区别于专利的前向引用(forward citations)，即本专利被其他专利和科技成果引用的情形。创新经济学的研究认为，专利的后向引用体现了研发和创新过程中对现有技术知识的学习和吸收，是创新过程中知识溢出和技术流动的一种重要途径和形式，同时也为量化考察技术的空间流动与溢出提供了难得可行的数据(Nagaoka 等，2010；Keller，2004；2010) ② 值得特别指出的是，专利的后向引用信息既反映了对现有技术知识的学习和吸收，又表明这种学习和吸收服务于后续研发创新的目的(而不是简单的模仿或采用)，体现的正是理论上创新过程中的知识溢出和技术流动。因此，专利后向引用信息为度量创新过程中技术知识的空间流动与溢出提供了理想而丰富的数据来源(Jaffe 等，1993；Branstetter，2006)。 。因此，自Jaffe 等(1993)开创性地使用专利的后向引用数据识别技术的空间溢出以来，以专利跨国引用数据刻画和度量技术的跨国流动与溢出，逐渐成为国际主流文献的通行做法(MacGarvie，2006；Branstetter，2006；Cai 和Li，2018；Aghion 等，2021；Cai 等，2022) ① 我们对与本文研究联系密切的国际贸易与企业创新以及国际贸易与技术跨国流动与溢出等领域的文献做了系统评述，篇幅所限，请参见附录。读者可扫描本文首页二维码，获取电子版附录。 。基于此，本文将这一量化思路和方法引入对中国对外贸易中技术的流动与溢出的考察，利用中国企业发明专利的后向引用数据来刻画和度量创新情境下技术的跨国流动与溢出，从而在微观层面上检验国际贸易对中国企业创新的技术流动与溢出效应。

具体而言，本文将中国工业企业数据、中国专利信息数据和中国海关贸易数据这三个方面的数据库合并匹配起来，构建了一个企业-国家(专利后向引用的来源国/贸易伙伴国)-年份维度的数据集。这一方面包含企业在各年份申请的发明专利中引用各国专利的次数，即后向引用的次数；另一方面包含企业在各年份与各贸易伙伴国的进出口规模，从而基于国别差异来识别企业的进出口贸易对其研发创新活动中技术学习和吸收的影响。此外，本文还从影响中国企业进出口贸易的“外部”因素出发，构建了贸易伙伴国的出口供给潜力和进口需求潜力两个变量作为中国企业进出口贸易的工具变量，以控制潜在的内生性问题对因果识别构成的干扰。本文的实证研究表明，进口对企业发明专利的后向引用具有显著而稳健的正向影响，即在其他条件一定时，企业从一国进口的规模越大，其申请的发明专利中引用该国专利的次数也越多；相比之下，出口影响的显著性则相对较弱且不稳健。本文进一步的分析还表明，进口来源国的技术优势和企业自身的技术吸收能力是影响国际贸易对企业创新的技术流动与溢出效应(异质性)的重要因素。

本文的学术贡献体现在两个方面。一方面，本文利用专利跨国引用数据度量和识别了中国对外贸易中的技术流动与溢出，从而为国际贸易通过技术的跨国流动与溢出来影响中国企业创新的这一微观机制提供了直接证据；另一方面，本文的研究也为国际贸易作为跨国创新溢出的载体和渠道这一国际贸易学和创新经济学的经典研究议题贡献了来自中国的新发现和新证据。

二、数据和特征事实

（一）数据

本文使用的数据主要包括三个方面：一是IncoPat 全球专利数据库提供的中国专利信息数据，二是1998—2013 年中国工业企业数据；三是2000—2013 年中国海关贸易数据。IncoPat 数据库提供了1985—2019 年中国企业、个人、科研单位和高校等各类申请者的专利申请信息，每条专利申请的具体数据信息包括申请者名称、公开号、公开日、申请号、申请日、专利类型、专利转让、引证专利、被引用(前向引用)情况等近百个变量。1998—2013 年中国工业企业数据库涵盖了全部国有工业企业及年销售额在500万元(2011 年之后为2000 万元)以上的非国有工业企业。该数据库提供了包括企业的地理位置、所属行业、成立年份、总产值、总销售额、固定资产、员工人数在内的上百个企业层面的工业统计变量，是目前学术界使用最为广泛的中国企业大型微观数据库之一。2000—2013 年中国海关贸易数据提供了HS8 位层面的产品进出口交易信息，主要包括进出口产品的名称、贸易额、贸易量、单价、贸易方式、(进口)来源地、(出口)目的地、进出口企业名称及其所有制等。

根据本文的研究目标，我们需要构造一个企业-国家(贸易伙伴国/专利后向引用的来源国)-年份维度的数据集，一方面包含企业在各年份申请的发明专利中引用各国专利的次数，另一方面包含企业在各年份与各贸易伙伴国的进出口规模。根据本文的研究需要，我们通过四个步骤将上述三个数据库匹配合并，从而构建一个包含专利跨国(后向)引用和进出口贸易规模信息的企业-国家-年份维度的数据集。

第一，本文参照Brandt 等(2012)以及Hsieh 和Song(2015)的做法，从企业统一识别代码、企业异常值、变量数据缺失、行业代码统一等多个方面，对中国工业企业数据库做了系统清理，并删除了数据质量存疑的2010 年样本(钟宁桦等，2016)。

第二，我们以系统清理后的中国工业企业数据库为基准，将其分别与IncoPat 数据库提供的中国专利信息数据和中国海关贸易数据合并匹配。在将中国工业企业数据与IncoPat 中国专利信息数据合并匹配方面，本文参照Xie 和Zhang(2015)的做法，通过企业名称将两个数据库合并匹配 ① 由于专利信息数据中不包含能够在中国工业企业数据库中唯一识别的企业代码，我们只能通过企业名称将两个数据库合并匹配。 。我们首先删除企业名称中的空格及*、&等各类异常符号，然后根据企业名称初步匹配。在未能匹配的样本中，我们进一步删除了企业名称中包含的“省”“自治区”“市”“区”“县”“有限”“责任”“股份”“公司”“集团”“厂”等辨识度较低的次要信息，从而进行更加精准的匹配。经过上述两个环节，我们获得了匹配后的数据集。匹配后的数据集为包含了企业层面专利信息数据(来自IncoPat 数据库)的中国工业企业数据 ② 首先，中国专利信息数据库中未能与中国工业企业数据库相匹配的企业被删除(缺少企业特征信息)；其次，中国工业企业数据库中发明专利数为0 的企业也被删除(不存在专利引用信息)。因此，匹配后的数据集涵盖的企业范围是中国工业企业数据库中至少拥有一个发明专利的企业。 。在将中国工业企业数据与中国海关贸易数据合并匹配方面，本文参照Yu(2015)的做法，首先根据企业名称将两个数据库合并匹配；在未能匹配的样本中，进一步根据企业的邮政编码和电话号码合并匹配，以尽可能提高匹配效率，从而获得了匹配后的数据集。

第三，我们将上述两个匹配后的数据库合并匹配，从而实现了全部三个数据库的横向对接。如上所述，在第二步，我们将中国工业企业数据分别与IncoPat 中国专利信息数据和中国海关贸易数据匹配，因此这两个匹配后的数据集可以通过中国工业企业数据的企业识别代码衔接匹配起来。

第四，在实现对三个数据库横向衔接匹配的基础上，我们继续对该数据集进行纵向压缩合并，从而最终形成一个符合本文研究需要的企业-国家-年份维度的数据集。一方面，本文根据企业发明专利的跨国引用(后向引用)信息，追溯了其所引用的专利的来源国，从而计算了企业在各年份申请的发明专利中引用各国专利的次数 ① 为了尽可能准确地度量与企业创新相关的技术流动和溢出，本文仅使用发明专利的后向引用信息。中国的专利包括发明、实用新型和外观设计三类，其中发明专利的申请门槛和技术含量明显高于后两者(Xie 和Zhang，2015)。 ；另一方面，本文根据进口额、进口来源国以及出口额、出口目的国的信息，分别计算了企业在各年份与各进口来源国的进口总额以及与各出口目的国的出口总额 ② 当然，为了与专利后向引用的来源国相对应，每个企业的进口来源国和出口目的国仅考虑其所涉及的专利后向引用的来源国，即本文仅关注每个企业与其所涉及的专利后向引用来源国之间的进出口贸易，其中没有进口或出口记录的情形，赋值为0。 。通过这样的纵向压缩合并，我们最终获得了一个包含专利跨国(后向)引用和进出口贸易规模信息的企业-国家-年份维度的数据集。

（二）特征事实

这里，我们基于上一节构建的数据集，做一些基本的统计描述，从而直观呈现企业进出口贸易与专利跨国引用的相关特征。由上所述可知，在我们所构建的数据集中，所有企业都至少拥有一个发明专利。我们根据其进出口行为，将这些企业划分为以下四类。第一类是没有进出口记录的企业，第二类是仅有出口记录的企业，第三类是仅有进口记录的企业，第四类是既进口又出口的企业。表1 列示了这四类企业在样本期内各年份申请的发明专利中引用国外专利的平均次数。如表1 所示，从时间趋势上看，在2000—2013 年，四种类型企业的发明专利中引用国外专利的平均次数都经历了明显增加，这反映出中国企业的发明专利与国外技术的联系越来越密切，研发创新过程中越来越注重追踪和吸收国外相关技术，使得创新质量逐步提高。当然，更重要的是，这四种类型企业之间的表现存在明显差异。我们看到，与国际市场联系最弱的“无贸易”企业的发明专利中引用国外专利的平均次数最少；既进口又出口的企业，参与国际市场的程度最高，其发明专利中引用国外专利的平均次数也是最多的；单向的出口企业和进口企业则居于二者之间，并且进口企业发明专利中引用国外专利的平均次数多于出口企业的该平均次数，这表明进口的学习效应和技术溢出效应比出口更加突出(MacGarvie，2006；Keller，2004，2010)。由此可见，企业进出口行为和参与国际市场的深入程度，与企业研发过程中对国外技术的追踪、学习和吸收密切相关，这直观反映了国际贸易对企业研发创新的技术流动和溢出效应 ③ 本文还在附录部分报告了企业进出口贸易与专利跨国引用的相关特征在多个维度的企业异质性，以呼应本文后面“进一步讨论”部分关于企业异质性特征的分析。读者可扫描本文首页二维码，获取电子版附录。 。

表1 不同类型企业(按进出口特征划分)引用国外专利的平均次数

进一步，我们将样本范围缩小至进出口企业(即不再考虑不参与国际贸易的企业)，并以国别差异来比较企业进出口与发明专利后向引用之间的联系。表2 列示了专利申请量排在前10 位的国家(除中国外)，并考察了在样本期内(2000—2013 年)中国企业(进出口企业)发明专利中引用这些国家专利的情况。如表2 所示，对于表2 中列出的每个国家，我们首先比较以该国为出口目的国的企业和不以该国为出口目的国的其他企业这两组企业的发明专利在引用该国专利方面的差异。由表2 前一组出口情况对比可知，对于其中的每个国家，向该国出口的中国企业的发明专利中引用该国专利的平均次数均明显高于不向该国出口的企业的该平均次数。与之类似，由表2 考察的后一组进口的情形同样看到，对于其中的每个国家，从该国进口的中国企业的发明专利中引用该国专利的平均次数均明显高于不从该国进口的企业的该平均次数，并且这种差异略强于出口的情形。由此可见，表2 进一步从专利后向引用来源国作为出口目的国/进口来源国的视角，印证了表1 所呈现的国际贸易对企业研发创新的技术流动和溢出效应，即企业在研发创新过程中会明显加强对其贸易伙伴国技术的追踪、学习和吸收，来自贸易伙伴国的技术溢出对其创新活动的影响明显强于非贸易伙伴国在这方面的影响。

表2 作为出口目的国/进口来源国的专利后向引用来源国

三、实证策略

（一）基本计量模型

本文实证策略的基本思路是基于国别差异来识别企业的进出口对其研发创新活动中技术学习和吸收的影响，从而验证国际贸易对企业创新的技术流动和溢出效应。具体而言，我们考察企业与其贸易伙伴国的进出口规模对其发明专利中引用相应国家专利情况的影响，计量模型如式(1)所示。

其中，下标 i 、 c 和 t 分别表示企业、国家和年份。ln Citations 是本文的被解释变量，表示企业 i 的发明专利中引用 c 国专利的次数(取对数)。ln Import 和ln Export 是本文的核心解释变量，分别表示企业 i 对 c 国的进口额和出口额(取对数)。在时间维度上，被解释变量比解释变量滞后两年，即本文考察的是企业 i 在 t 年对 c 国的出口和进口规模对企业 i 在 t ＋2 年申请的发明专利中引用 c 国专利的次数。这样的设定考虑了企业进出口行为与技术学习和吸收以及研发创新之间可能存在的现实时滞(Aghion 等，2021)。 λ i 是企业固定效应，用于吸收和控制不随时间变化的企业特征因素的影响和干扰； λ ct 是国家-年份固定效应，用于吸收和控制国家特征差异及其随时间变化的影响； ε ict 是随机误差项。

Control 是控制变量。其控制变量包括两类：一类是与被解释变量和核心解释变量同属企业-国家-年份维度的随时间变化的双边变量，另一类是随时间变化的企业特征变量。

在其第一类变量中，本文参照现有文献的做法构建了两个企业-国家之间的技术相似度(technological similarity/proximity)的变量，用于控制企业-国家之间的技术相似性可能对因果识别构成的选择偏误(Jaffe，1986；MacGarvie，2006)。

其第一类变量的第一个技术相似度变量如式(2)所示。

其中， p ikt 表示企业 i 在 t 年在技术领域 k 的专利申请数量， p ckt 表示国家 c 在 t 年在技术领域 k 的专利申请量， k 是技术领域的数目 ① 技术领域 k 按照IPC(International Patent Classification)1 位编码确定，后同。 。 Prox ict 度量的是企业 i 和国家 c 在专利的技术领域分布上的重叠程度，当企业 i 在各技术领域的专利份额均与 c 国相同时，该指标等于1；当企业 i 的专利所属技术领域与 c 国专利所属技术领域完全不同时，该指标等于0。因此， Prox 从企业与目标国家在专利技术领域分布的重叠程度方面刻画了二者的技术相似度。

其第一类变量的第二个技术相似度变量为企业所属行业在本国相对于目标国在技术水平上的差异： 其中， j 表示企业 i 所属的行业， K 是行业 j 所涵盖的技术领域 k 的数目， p ckt 表示国家 c 在 t 年在技术领域 k 的专利申请量， p kt , CHN 表示本国(即中国)在 t 年在技术领域 k 的专利申请量 ① 我们首先计算本国(中国)与目标国 c 在技术领域 k 的技术水平差距(在 t 年)： p ckt / p kt , CHN ；其次，我们计算每个工业行业(4 位分类) j 中所有企业的发明专利所涉及的全部技术领域的个数，从而得到行业 j 所涵盖的技术领域的数目 K (因此行业与技术领域的对应关系取决于行业内企业的发明专利所涉及的技术领域)；最后，我们计算得到 Tech i ct = K p ckt p kt , CHN 。 。 Tech 的值越大，表明企业 i 所属的行业 j 在中国的技术水平相对于国家 c 的差距越大。

因为企业与目标国家之间的技术差异可能与双边贸易以及技术流动与溢出均有相关性，所以通过控制上述两个技术相似度变量，我们可以有效控制双边技术因素可能对因果识别造成的选择偏误。

其第二类控制变量是随时间变化的企业特征变量，具体包括：①企业的技术水平。一方面，本文控制了企业发明专利申请量的对数值(ln Patent )；另一方面，本文还基于专利被引用(前向引用)次数构建了企业的相对技术水平表达式： 其中 是技术领域 k 在 t 年全部专利的平均被引用次数， K 是企业 i 的专利申请所涉及的技术领域的数目。由于专利的被引用次数反映的是专利的技术影响力和质量，所以 tech 度量的是企业各领域专利质量相对水平的平均值，刻画了企业的相对技术水平。②企业生产率(ln Produc )，即企业人(劳)均产出的对数值；③企业规模(ln Size )，即企业员工人数的对数值；④企业资本密集度(ln KL )，即企业人(劳)均固定资本的对数值；⑤企业年龄(ln Age )，样本观测年份与企业成立年份之差的对数值；⑥企业利润(ln Profit )，企业总利润的对数值。

（二）工具变量

本文借鉴Autor 等(2013)研究设计的思路，从影响中国企业进出口贸易的“外部”因素出发，通过构建贸易伙伴国的出口供给潜力和进口需求潜力两个变量作为中国企业进出口贸易的工具变量，从而通过工具变量的实证策略，估计企业的进出口对其研发创新活动中技术学习和吸收的影响，从而识别国际贸易对企业创新的技术流动和溢出效应。

对此，我们首先计算了 c 国 j 行业在 t 年向除中国以外的所有其他国家和地区的出口额占当年 j 行业全球出口总额的比重，其中行业 j 为中国企业 i 所属的中国工业行业(4 位编码) ② 我们首先利用BACI 数据库计算了国家-产品(HS6 位)-年份维度的出口额(不含来自中国的进口)，然后根据Brandt 等(2017)提供的HS 产品编码与中国工业行业编码的转换方法，将国家-产品(HS6 位)-年份维度的出口额转换为国家-行业(中国工业行业4 位分类)-年份维度的出口额。由于中国工业企业数据库中每个企业都有自己所属的行业，这样通过企业所属的行业就可以将行业层面的工具变量与企业层面的核心解释变量衔接起来，实现数据维度上的对应。 。这一指标反映了剔除来自中国需求之后 c 国 j 行业在 t 年的出口供给 是企业 i 在 t 年在技术领域 k 所申请专利的平均被引用次数，潜力；作为对行业层面的外部供给的度量，其一方面外生于中国企业的进口需求，另一方面又必然与中国企业的实际进口行为密切相关，且仅通过影响中国企业的实际进口行为进而影响企业其他方面的表现。因此，贸易伙伴国的出口供给潜力能够较好地满足外生性(exogeneity)、第一阶段相关性(first stage)和排他性(exclusion restriction)三个条件。在此基础上，考虑到解释变量为企业层面，为了使工具变量与解释变量在维度上相一致，以增强工具变量的解释力，我们在上述行业指标的基础上乘以行业内企业在样本期初的进口份额，以进一步刻画行业内部企业之间的差异，从而得到企业层面进口(中国企业 i 从 c 国的进口)的工具变量：

其中，上标- CHN 是指对除中国以外所有其他国家和地区的出口/进口， t 0 表示样本期初。这一工具变量与核心解释变量的关联体现在两个递进的层次：首先，处于行业 j 的中国企业 i 从 c 国的进口受到 c 国在 j 行业出口供给潜力的影响；进一步，同一行业 j 内不同企业受影响程度的差异取决于企业进口需求/倾向(占行业进口的份额)的差异，即企业进口倾向/需求越强(占行业进口份额越大)，受影响程度越大(工具变量 IV_Import cit 值越大)。

与之类似，我们计算了 c 国 j 行业在 t 年从除中国以外的所有其他国家和地区的进口额占当年 j 行业全球进口总额的比重，度量 c 国 j 行业在 t 年的进口需求潜力，在此基础上乘以行业内企业在样本期初的出口份额，作为中国企业出口(中国企业 i 对 c 国的出口)的工具变量 ① 篇幅所限，本文所涉及变量的描述性统计未在正文中报告，请参见附录。读者可扫描本文首页二维码，获取电子版附录。 ：

四、估计结果及分析

（一）基本估计结果

表3 报告了式(1)的基本估计结果。在表3 第(1)列和第(2)列的估计中，我们首先考察了进口对企业专利后向引用的影响，其中第(1)列仅加入进口额变量并控制了企业固定效应和国家×年份固定效应，第(2)列又进一步加入双边控制变量和企业特征变量 ② 篇幅所限，控制变量估计结果未报告。 。我们看到，进口对企业专利的后向引用具有显著的正向影响，即在其他条件一定的情况下，企业从一国的进口额越大，其发明专利中引用该国专利的次数也越多。从前两列估计结果的比较来看，控制变量的加入对核心解释变量估计系数的影响不大，这表明进口对企业专利后向引用的影响具有良好的稳健性。在表3 第(3)列和第(4)列中，我们考察了出口对企业专利后向引用的影响。从其估计系数的统计显著性来看，出口对企业专利的后向引用也具有显著的正向影响；然而，从其估计系数的绝对值大小来看，与表3 第(1)列和第(2)列的估计结果相比，出口的正向影响则要明显小于进口的正向影响，前者大约仅为后者的30%。考虑到进口额和出口额两个变量具有较强的可比性，两组估计结果的比较在一定程度上表明，在国际贸易中，进口对企业研发创新的技术流动与溢出效应要显著强于出口对企业研发创新的技术流动与溢出效应。由于进口和出口贸易通常具有较强的相关性，为了进一步清晰准确地识别二者的真实影响，我们在表3 第(5)列和第(6)列的估计中同时加入进口额和出口额变量。我们看到，即便控制了出口的影响，与表3 第(1)列和第(2)列的估计结果相比，进口额的估计结果变化不大，仍然对企业专利的后向引用具有显著的正向影响，并且估计系数的绝对值大小没有发生明显改变。然而，其与第(3)列和第(4)列的估计结果相比，在控制了进口的影响后，出口对企业专利后向引用影响的统计显著性水平降至10%附近，且估计系数的绝对值进一步降至进口影响估计系数的10%。这表明，由于进口和出口两个变量的相关性较强，出口单独加入时表现出的显著影响中实际上混杂了一部分进口的影响。

表3 基本估计结果

注： *** 、 ** 、 * 分别表示1%、5%、10%的统计显著性水平，括号内数值为根据企业层面聚类稳健标准误差计算的 P 值(后表同)。

由此可见，表3 第(5)列和第(6)列的估计结果进一步验证了前四列表明的国际贸易对企业研发创新的技术流动与溢出效应主要体现在进口贸易方面，出口的影响相对较弱，这与现有相关文献的实证研究发现是一致的(MacGarvie，2006；Keller，2010)。实际上，这种差异也并不难理解。一方面，从现实情况来看，进口是企业买进其他国家的产品，出口是企业将自己生产的产品销售到国外；相比出口，进口使得企业能够有机会接触和了解国外的产品，因此也就比出口更有机会通过国际贸易了解、学习和吸收贸易伙伴国的知识和技术。实际上，这也是Aghion 等(2021)的研究选择考察企业出口对其专利被当地(出口目的国)引用的次数的影响(而不是反过来考察对出口企业自身主动引用出口目的国专利次数的影响)的原因——伴随国际贸易流动的知识和技术对进口一方的“可见性”(visibility)是更强的，这是非常直观的。另一方面，MacGarvie(2006)基于法国企业发明专利跨国(后向)引用数据的实证研究表明，进口对企业专利的跨国(后向)引用具有显著的正向影响，而出口与企业专利的跨国(后向)引用并未呈现出显著关联。MacGarvie(2006)分析认为，企业在出口中接触外国技术、获取技术溢出的方式，比如研究国际市场竞争对手的产品、与国外客户交流等，可能无法在基于专利跨国(后向)引用的度量中充分体现，这也是出口的影响在计量分析结果上表现得较弱、不够稳健的原因 ① 此外，Keller(2010)基于对相关文献的全面综述指出，现有实证研究提供的证据表明进口是技术跨国流动与溢出的一个显著途径，而出口的作用则比较弱。 。

（二）工具变量估计结果

表4 报告了工具变量的估计结果。我们看到，除了估计系数的绝对值在整体上有所增大以外，工具变量的估计结果与表3 的估计结果基本一致。具体来说，无论是否加入出口变量，进口变量的估计系数始终显著为正，且估计系数的绝对值变化不大，这表明进口对企业专利后向引用具有显著的正向影响，而且具有良好的稳健性。出口影响的显著性则相对较弱，无论是否加入进口变量，出口变量的估计系数在统计显著性和经济显著性上都弱于进口各项指标；特别是当我们加入进口变量时，出口变量的估计系数的绝对值明显降低，并且不再具有统计显著性。由此可见，通过识别国际贸易对企业专利后向引用的因果效应，表4 工具变量估计结果与表3 基本估计结果指向了一致的结论，即国际贸易对企业研发创新的确具有显著的技术流动与溢出效应，但这种影响主要体现在进口贸易方面，出口的影响则相对较弱，不够稳健。此外，表4 还报告了第一阶段回归的估计结果。我们看到，在第一阶段回归中，工具变量的估计系数显著为正，表明工具变量与核心解释变量高度相关，验证了工具变量的第一阶段相关性。

表4 工具变量估计结果

（三）稳健性检验 ① 篇幅所限，正文只报告了部分稳健性检验，其它稳健性检验可参见附录。读者可扫描本文首页二维码，获取电子版附录。

为了进一步考察和检验估计结果的稳健性，本文对估计样本做了以下三个方面的调整。

第一，考虑到外资企业通常与海外市场联系更加密切，进出口活动较内资企业更加活跃，同时在学习和吸收国外先进技术方面也比内资企业更具有先天优势，那么自然引出的问题是，国际贸易对企业创新的技术流动与溢出效应是否具有普遍性？是否仅惠及外资企业和跨国公司这类“特殊企业”？内资企业能否通过参与国际贸易获得有益于自身创新的知识和技术溢出？对此，我们在样本中剔除了外资企业，重新估计国际贸易对(内资)企业专利后向引用的影响，从而在剔除“外资”因素干扰的情形下，考察国际贸易对企业研发创新的技术流动与溢出效应的普遍性。其估计结果如表5 第(1)列所示，在剔除外资企业后，基于内资企业样本的估计结果与前文基本一致。这表明国际贸易对企业研发创新的技术流动与溢出效应具有普遍性，不同类型的企业均能在参与国际贸易的过程中获得有益于自身创新的知识和技术溢出。

表5 调整样本的稳健性检验估计结果

第二，考虑到企业在研发创新方面的差异可能导致的异常值问题，本文基于企业的年度专利申请量，在样本中分别剔除了当年专利申请量最多和最少的10%的企业，重新估计国际贸易对企业专利后向引用的影响，以排除潜在的异常值问题对本文估计造成的干扰。该估计结果如表5 第(2)列和第(3)列所示，与前文工具变量的估计结果基本一致，进口对企业发明专利的后向引用具有显著的正向影响，出口的影响不显著。这表明，即便考虑潜在的异常值问题，本文的估计结果仍然具有良好的稳健性。

第三，考虑到金融危机前后中国经济表现以及创新在驱动经济发展中角色的转变(Zilibotti，2017)，我们将估计样本按时间划分成两段，即金融危机之前的时期(2000—2008 年)和金融危机之后的时期(2009—2013 年)，以考察估计结果在不同样本时期的稳健性 ① Zilibotti(2017)认为，从经济增长的驱动因素来看，改革开放以来的中国经济增长分为两个阶段，一是金融危机之前的投资驱动型增长，二是金融危机之后的创新驱动型增长。 。此估计结果如表5 第(4)列和第(5)列所示，无论是在金融危机之前的时期还是在金融危机之后的时期，两个子样本的估计结果均与前文工具变量的估计结果基本一致，这表明本文的估计结果在不同样本时期具有稳健性。

五、进一步讨论

（一）产品和国家特征：技术流动与溢出来源的视角

在前文的分析中，我们看到，国际贸易对企业创新的技术流动与溢出效应主要体现在进口方面。因此，在接下来的进一步讨论中，我们主要关注进口的影响 ② 出口(ln Export )仍然作为控制变量。 。

首先，我们将进口额变量(企业-进口来源国层面)按照进口来源国的技术比较优势进一步分解为两部分，一部分是企业对进口来源国具有技术比较优势的产品的进口额[ln Import ( RTA )]，另一部分是企业对进口来源国不具有技术比较优势的产品的进口额[ln Import ( NRTA )]，其中技术比较优势以显示性技术优势(revealed technology advantage，RTA)指标来度量 ③ 我们首先计算 c 国在专利技术领域 p 的显示性技术优势： ，其中 patents cp 为 c 国在技术领域 p 的专利申请量(数据来自OECD Patent Statistics-USPTO)；当 RTA ＞1 时，我们界定 c 国在专利技术领域 p 具有技术比较优势，否则不具有技术比较优势。然后，我们根据国家统计局提供的国际专利分类与国民经济行业分类参照关系表(2018)以及Brandt 等(2017)提供的国民经济行业分类与海关协调编码HS6 的对照表，将专利技术领域层面的RTA 转换成出口产品层面的RTA，进而界定和计算进口来源国具有技术比较优势的产品及其进口额[ln Import ( RTA )]和不具有技术比较优势的产品及其进口额[ln Import ( NRTA )]。 。然后，我们分别重新考察 ln Import ( RTA )和 ln Import ( NRTA )这两个进口额变量对企业发明专利后向引用的影响，估计结果如表6 第(1)列和第(2)列所示。我们看到，ln Import ( RTA )的估计系数显著为正，而ln Import ( NRTA )的估计系数则不具有统计显著性。这意味着，进口对企业专利后向引用的影响主要体现在进口来源国具有技术比较优势的产品上，也就是说，只有当企业从一国进口的产品为该国具有技术比较优势的产品时，进口行为才会对其发明专利中引用该国专利的次数产生影响，即企业进口一国具有技术比较优势的产品越多，其发明专利中引用该国专利的次数也越多；而进口该国不具有技术比较优势的产品，不会显著影响企业发明专利中引用该国专利的次数。这样的估计结果充分表明，进口对企业专利后向引用的影响，关键在于进口品中所蕴含的技术，因此体现的正是进口的技术溢出效应，即对企业技术学习和吸收的影响。

表6 产品和国家特征的估计结果

其次，我们依据Rauch(1999)对国际贸易产品的分类来考察国际贸易的技术流动与溢出效应在同质品(homogeneous products)和异质品(differentiated products)之间的差异。Rauch(1999)从交易特征的角度将国际贸易产品区分为同质品和异质品，其中的同质品是指标准化程度较高、差异性较小的产品，这类产品通常有交易场所和参考价格，比较典型的例子如矿产品等大宗商品；而异质品则正相反，其产品的技术特征和属性比同质品更加复杂且差异化程度较高，因此通常没有交易场所和参考价格。考虑到同质品和异质品在技术特征和属性上的差异，我们依据Rauch(1999)提供的同质品和异质品的分类标准，将进口额变量(企业-进口来源国层面)分解为同质品进口[ln Import ( Homo )]和异质品进口[ln Import ( Diff )]两个变量，然后分别重新考察这两个进口额变量对企业发明专利后向引用的影响，估计结果如表6 第(3)列和第(4)列所示。我们看到，两个子样本的估计结果表明，进口对企业专利后向引用在同质品和异质品贸易中均具有显著的正向影响；与此同时，从估计系数的绝对值来看，相比同质品，进口对企业专利后向引用的正向影响在异质品贸易中更加明显和突出，这基本符合我们的预期。