（2024.05.10）【世界经济】技术转移与企业高质量创新

文献和生活都在这里打卡吧 · 公众号 · · 2024-05-10 22:30

正文

国家技术转移中心是形成技术转移一体化格局的重要战略部署。从2013年9月国家技术转移集聚区成立，到2023年3月国家技术转移海南中心揭牌，全国共建立了12家国家技术转移中心。文章拟采用国家技术转移中心设立这一外生事件，利用2003-2018年中国沪深A股上市公司数据，通过多期双重差分（Differences-In-Differences，DID）模型，考察技术转移对企业创新的影响。

1. 研究假说

技术市场作为技术转移的重要平台，是科技成果顺利实现产业化的关键渠道和必要环节。由于国家技术转移中心具有向企业提供技术交易、科技金融、产业孵化、业务培优全链条服务的功能，技术转移中心的设立将通过技术知识溢出效应和市场交易的要素资源整合推动企业创新。一方面，技术溢出的本质是对核心技术知识和异质性知识的获得、整合和运用，是技术转移帮助企业攻克技术难关和实现创新的重要推力。另一方面，技术转移是一项复杂的系统工程，在“科技研发 - 技术转移与成果转化 - 科技成果产业化 ” 过程中形成新产品、新材料、新工艺等才算完成成果转化，市场需求、知识支持及研发投资则影响其最终的转化价值。

具体表现为：其一，在内生经济增长模型中，经济系统包含 4 大要素投入（资本、劳动、人力资本及知识）和 3 大生产部门（研发、中间产品及最终产品），人力资本和知识对经济增长起决定性作用。其二，各级政府和金融机构可通过国家技术转移中心这个集成化科技创新服务平台对科技成果转移提供研发补助和金融供给，从而助力企业加大创新活动。根据上述对技术市场和企业创新的分析，提出以下假说。

假说：在国家技术转移中心设立后，中心所在省份企业的发明专利申请数量和被引数量上升。

2. 数据与模型设定

（1）样本选择

选择 2003-2018 年中国沪深 A 股上市公司作为研究样本。企业专利数据来自 Google Patent 和国家知识产权局专利检索网站，企业研发投入和研发补贴数据均基于国泰安数据库进行手工处理，企业财务数据来自国泰安数据库，全国重点常设技术（产权）交易机构数据来自《全国技术市场统计年度报告》，区域性数据来自《中国统计年鉴》《中国分省份市场化指数报告》及国泰安数据库。

（2）变量定义与模型设定

①技术转移

将国家技术转移中心设立作为标志性事件，定义虚拟变量DT（当企业所在省份有城市设立国家技术转移中心时赋值为1，否则为0 ），衡量当地技术转移和技术市场发展的专业化和市场化程度，再构建多期DID模型进行经验检验。

②企业创新能力

以企业当年申请发明专利数量（Patent_raw）、采用固定效应法调整的发明专利累计被引用次数（Citation_raw）衡量企业高质量创新。由于Patent_raw和Citation_raw中位数为0，即取0值较多，对其进行反双曲正弦（Inverse Hyperbolic Sine，IHS）变换。

③技术成果溢出效应

采用为发明专利引用的专利数量（IHS变换，Fcitation1）和非发明专利数量（IHS变换，Fcitation2）衡量该发明专利的研究基础。

④研发投入与研发补贴

将研发投入（R&D）定义为企业当年研发支出（元）与上期资产总额（百元）之比，将研发补贴（Subsidy）定义为企业当年所获研发补贴（元）与上期资产总额（百元）之比。

⑤控制变量

公司规模（ Size ）、年龄（ Age ）、资产负债率（ Lev ）、资本成本（ Capex ）、地区人均 GDP （ Agdp ）及地区人口量（ Pop ）。控制变量组的平衡性检验结果见表 1 ，变量定义见表 2 。

3. 经验分析

（1）多期DID平行趋势检验

图 2 为多期 DID 的 ESA 应用， a-f 分别是对 Patent 、 Citation 、 Fcitation1 、 Fcitation2 、 R&D 、 Subsidy 的政策动态效果检验结果。从中可知，企业所在省份在有城市设立国家技术转移中心后， Patent 、 Citation 、 Fcitation1 、 Fcitation2 、 R&D 、 Subsidy 基本上均显著增加，验证了假说。

Stata 代码：

* 图2use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg Patent tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9




    
{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.16 "-0.16" 0 "0" 0.16 "0.16" 0.32 "0.32", labsize(small) tl(0.8) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 "≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""a", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(Patent, replace)
use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg Citation tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.15 "-0.15" 0 "0" 0.15 "0.15" 0.30 "0.30", labsize(small) tl(0.8) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 "≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""b", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(Citation, replace)  use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg Fcitation1 tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.23 "-0.23" 0 "0" 0.23 "0.23" 0.46 "0.46", labsize(small) tl(0.8




    
) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 "≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""c", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(Fcitation1, replace)
use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg Fcitation2 tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.20 "-0.20" 0 "0" 0.20 "0.20" 0.40 "0.40", labsize(small) tl(0.8) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 ":≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""d", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(Fcitation2, replace)
use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg RD tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.18 "-0.18" 0 "0" 0.18 "0.18" 0.36 "0.36", labsize(small) tl(0.8) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 "≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""e", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(RD, replace)
use $source/数据.dta, clear  gen tt=-4 if b4==1|b5==1|b6==1|b7==1|b8==1  replace tt=-3 if b3==1  replace tt=-2 if b2==1  replace tt=-1 if b1==1  replace tt=0 if t0==1  replace tt=1 if a1==1  replace tt=2 if a2==1  replace tt=3 if a3==1  replace tt=4 if a4==1|a5==1  tab tt, g(tt)  forvalue i=1/9{  replace tt`i'=0 if tt==.   }
  xtreg Subsidy tt1 tt2 tt3 tt4 tt6 tt7 tt8 tt9 Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)  cap drop b   cap drop se b_up b_low id   gen b=.  gen se=.  forvalue i=1/4{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=1/4{  replace se=_se[tt`i'] if _n==`i'  }  replace b=0 if _n==5  replace se=0 if _n==5
  forvalue i=6/9{  replace b=_b[tt`i'] if _n==`i'  }  forvalue i=6/9{  replace se=_se[tt`i'] if _n==`i'  }  gen b_up=b+1.64*se  gen b_low=b-1.64*se  gen idd=_n 
  scatter b idd if idd<=9, connect(l) lcolor(black) lwidth(*0.6) lp(solid) msymbol(circle) msize(*0.4) mcolor(black) || (rcap b_low b_up idd if idd<=9, lcolor(black) lwidth(*0.6)) ///  ,yline(0, lcolor(black) lwidth(0.01)) xline(5, lwidth(0.01) lcolor(black) lp(shortdash)) ylabel(-0.01 "-0.01" 0 "0" 0.01 "0.01" 0.02 "0.02", labsize(small) tl(0.8) nogrid) ///  xlabel(1 "≤-4" 2 "-3" 3 "-2" 4 "-1" 5 "0" 6 "1" 7 "2" 8 "3" 9 "≥4", labsize(small) tl(0.8)) ///  xtitle("政策实施相对时间""f", box margin(small) size(small) fcolor(white) lc(white)) ///  ytitle("估计系数大小", box margin(small) size(small) fcolor(white) lc(white)) ///  graphregion(color(white)) ///  legend(off) ///    name(Subsidy, replace)
graph combine Patent Citation Fcitation1 Fcitation2 RD Subsidy, graphregion(color(white))

（2）技术转移与企业创新能力

采用多期DID的TWFE回归结果见表4，第（1）和（2）列DT的系数估计值分别为0.124和0.150，分别在5%和1%的水平上显著。由于Patent的均值为1.140，所以该估计结果表明，在国家技术转移中心设立后，中心所在省份企业的发明专利申请数量分别显著增加了约11.579%和14.211%。第（3）和（4）列DT的系数估计值分别为0.102和0.137，分别在5%和1%的水平上显著。由于Citation的均值为0.807，所以该估计结果表明，在国家技术转移中心设立后，中心所在省份企业的发明专利累计被引用次数分别显著增加了约13.259%和18.216%。

Stata 代码：

* 表4use $source/数据.dta, clearxi: xtreg Patent DT i.year, fe cluster(stkcd)est store axi: xtreg Patent DT Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)est store bxi: xtreg Citation DT i.year, fe cluster(stkcd)est store cxi: xtreg Citation DT Size Age Lev Capex Agdp Pop i.year, fe cluster(stkcd)est store doutreg2 [a b c d] using $path/表4.xlsx, replace    ///  bdec(3) sdec(3) rdec(3) e(r2_a) excel auto(3) ///  keep(DT Size Age Lev Capex Agdp Pop)       ///  sortvar(DT Size Age Lev Capex Agdp Pop)

（3）技术转移、技术溢出效应、要素资源整合与企业创新能力

将（ 2 ）式中被解释变量 Ait 分别替换为 Fcitation1 、 Fcitation2 、 R&D 、 Subsidy ，进行多期 DID 的 TWFE 回归检验。具体结果见表 5 ，其中第（ 1 ）、（ 3 ）、（ 5 ）及（ 7 ）列没有加入控制变量组 Xi't 。

表5第（1）和（2）列DT的系数分别为0.197和0.241，分别在5%和1%水平上显著。由于Fcitation1的均值为1.561，因此该估计结果表明在国家技术转移中心设立后，中心所在省份企业为发明专利而引用的专利数量分别显著增加了约13.965%和17.489%。第（3）和（4）列中DT的系数分别为0.190和0.182，均在1%水平上显著。可见，技术转移确实通过技术溢出效应促进了企业高质量创新，企业自身拥有吸纳外部技术创新的基础研发能力越强，越能承接技术转移。表5第（5）和（6）列DT的系数分别为0.096和0.116，分别在10%和5%水平上显著

（2024.05.10）【世界经济】技术转移与企业高质量创新

正文

请到「今天看啥」查看全文