使用工具变量的回归结果分析

为了解决基准回归的内生性问题，引入2002—2016年各省知识产权保护和公共创新环境作为工具变量，使用两阶段最小二乘法估计，在统一的分析框架内探讨制度、政府行为以及创新对高质量发展的影响。也能进一步从激发创新和推动高质量发展的视角，对相关制度和政策进行评估（表4）。

表4　创新与高质量发展：工具变量估计

注：*、**和***分别表示1%、5%和10%的显著性水平。(www.xing528.com)

第一阶段回归结果表明：就激发创新的政策效果而言，知识产权保护依然能够显著提升三类专利存量，并对发明专利的影响依然最大；然而与预期相反，公共创新环境对三类专利存量却有抑制效应，并均通过1%的显著性检验。可能的原因在于，创新的外部性在一定程度上会制约创新投入，政府年度工作报告中创新相关词汇出现比重越高，表明创新受关注度越高，政府越倾向于通过研发补贴、税收优惠的方式将创新的外部性内部化以鼓励创新投入。然而，政府对创新的各类干预会产生创新政策租，诱发寻租行为，最终衍生出策略性创新、创新泡沫甚至是虚假创新（龙小宁等，2015；黎文靖等，2016；杨国超等，2017）。此外，安同良等（2009）认为，政府给予企业的研发补贴不仅面临事后道德风险，更为普遍地存在着企业申请研发补贴时的事前逆向选择。企业会发送虚假的“创新类型”信号以获取补贴，政府甄别信息的成本高昂，最终降低了研发补贴效率。政府年度工作报告中创新相关词汇出现比重越高，政府对创新的各类直接干预越多，创新寻租行为反而阻碍了三类专利存量的积累。创新词汇占比对发明专利的负面影响最大，外观设计专利和实用新型专利次之。三类专利中，发明专利的技术含量最高、研发难度最大，政府对创新的直接干预会诱使创新主体策略性地将资源投入难度较小的专利研发，从而对质量最高的发明专利形成最为显著的负向激励。加入公共创新环境工具变量后，第一阶段的F值大于10，可以拒绝“弱工具变量”假设。为排除工具变量“过度识别”的风险，我们首先使用固定效应模型估计第二阶段，过度识别Sargan检验的P值为0.83，接受不存在过度识别的原假设。本章所使用的两个工具变量是有效的，满足外生性条件。

在表4第二阶段回归中，三类专利存量都能对经济发展质量产生显著的积极作用，但却会降低人均GDP，并且没有通过显著性检验。周煊等（2012）提出，发明专利表示企业技术创新和发明活动，科技含量最高，其申请周期和保护期也最长。这与本章的结果一致，即科技含量最高的发明专利对经济发展质量的促进作用最明显。表5纳入知识产权制度和公共创新环境工具变量2SLS估计，发明专利存量、实用新型专利存量和外观设计专利存量对经济发展质量的系数，分别是表2基准回归6.32倍、5.38倍和6.06倍。换言之，忽略内生性，会显著低估三类专利存量对经济高质量发展的推动作用。