摘要：以国家知识产权示范城市建设政策为准自然实验，运用双重差分模型考察了知识产权保护对城市创业活跃度的影响效应及其作用机制。研究发现，知识产权示范城市建设有利于提高城市创业活跃度，是促进创业的一项重要制度安排。在作用机制方面，知识产权示范城市建设政策发挥了人力资本效应、外商投资效应以及经济集聚效应的功能，进而提升了城市创业活跃度。异质性分析表明，知识产权示范城市建设对东部地区城市、高行政级别城市以及财政实力较强城市创业活跃度的提升作用更大，同时，对服务业行业创业特别是生活性服务业创业活动的促进作用更为显著。研究结果不仅为“知识产权保护促进创业”提供了最新的经验证据，还为中国进一步统筹推进知识产权保护和创业激励工作提供了理论参考依据。
关键词：知识产权保护，知识产权示范城市，创业活跃度
一、引言与文献综述
创业是加快发展新经济、培育发展新动能、打造发展新引擎的重要抓手。由于创业活动本身具有充满不确定性的特点，如何有效依靠政策层面的改革与创新来促进创业，为创业提供外在激励与保障，从而释放市场主体创新活力和内生动力，已成为提高全社会创业活跃度的重要举措和突破口。知识产权保护作为宏观政策环境的重要组成部分，在激励创新、提高市场活力等方面起着重要作用，为促进创业活跃度的提升提供了重要潜力和有效途径。
为有效强化知识产权保护，营造良好的知识产权政策环境，中国政府采取了一系列针对性政策与措施，使国家知识产权建设取得长足的进步。在中国实施的众多知识产权政策中，国家知识产权示范城市建设是一项极具代表性的知识产权保护政策。该政策于2012年正式开始实施，至今已分六批确立了国家知识产权示范城市。知识产权示范城市建设政策期望通过部分城市的先试先行，有效强化知识产权保护，为中国知识产权强国建设注入新的动力。在实施过程中，该政策明确提出要推动专利的实用化，以专利创新带动创业。在此背景下，本文将知识产权示范城市建设政策作为一项准自然实验，实证检验其对城市创业活跃度的影响效应与作用机制，以期为新时代新征程科学实施知识产权保护政策、激发城市创业活跃度提供经验借鉴与政策参考。
与本文研究密切相关的，主要包括两方面的文献：第一支文献主要关注宏观政策对创业活跃度的影响。综合而言，这类研究综合考察了社会信用体系建设[1]、创业型城市建设[2]、双创政策[3]、创新型城市建设[4]等政策的创业效应，发现政策环境的优化是激励创业的重要手段。与此同时，在数字经济时代，一些学者考察了国家大数据综合试验区[5]、“宽带中国”示范城市建设[6]、信息消费试点[7]、公共数据开放[8]等数字经济关联政策，探讨了上述政策在促进城市创业方面的作用。第二支文献聚焦于知识产权示范城市建设的政策效应评估。随着知识产权示范城市建设政策的持续深入实施，现有文献对该政策的影响效应进行了较为全面的考察。在宏观层面，现有研究表明，知识产权示范城市建设政策有利于提升城市创新集聚[9]、促进城市创新合作[10]、推动城市经济高质量发展[11]。在微观层面，相关文献发现，知识产权示范城市建设政策有利于激励企业数字化转型[12]、提升企业ESG绩效[13]和企业全要素生产率[14]。
由此可见，现有文献对于宏观政策如何影响创业活跃度以及知识产权示范城市建设政策的效应评估进行了较为全面的考察，为本文的研究奠定了重要的理论基础。然而，鲜有文献对知识产权示范城市建设政策的创业效应进行专门考察，同现有文献相比，本文可能的边际贡献主要体现在三个方面：第一，在研究视角上，本文创新性地将知识产权保护同创业活跃度联系起来，依靠国家知识产权示范城市建设的准自然实验，系统考察了知识产权保护与城市创业活跃度之间的因果关系，为理解宏观政策的创业效应提供了新的经验证据。第二，在识别策略上，本文在双重差分模型估计的基础上，进一步基于合成双重差分模型、双重机器学习方法等前沿方法保证了实证结果的稳健性。第三，在研究内容上，本文不仅定量研究了中国知识产权示范城市建设对城市创业活跃度的影响，还进一步探讨了其内在作用机制和异质性，有助于全面、深入地理解知识产权保护与创业之间的关系，为有效利用知识产权保护政策促进创业活跃度提供有益启示。
二、政策背景与研究假设
（一）政策背景
为从根本上提高知识产权质量，国务院在2008年就颁布了《国家知识产权战略纲要》，把知识产权战略提高到国家战略层面。2011年12月，国家知识产权局发布了《国家知识产权试点和示范城市（城区）评定办法》通知，并在2012年4月公布了第一批示范城市，具体包括武汉、广州等11个副省级城市和长沙、苏州等12个地级市。为深入推进相关工作，国家知识产权局此后进一步发布了《国家知识产权试点、示范城市（城区）评定和管理办法》《加快推进知识产权强省建设工作方案（试行）》《关于加快建设知识产权强市的指导意见》等重要文件，并分别于2013年、2015年、2016年、2018年以及2019年依次开展了第二到第六批的知识产权示范城市评选工作，54个城市先后被纳入示范范围。知识产权示范城市建设政策的目的是结合城市特色，将知识产权工作融合到城市发展战略中，不断强化知识产权保护，这为本文考察知识产权保护的创业效应提供了机会。
（二）研究假设
1.知识产权示范城市建设对城市创业活跃度的直接影响
知识产权示范城市建设不仅能够为城市打造良好的企业营商环境，还能赋予创新者对其创新成果的暂时垄断权，有效解决创新面临的外部性和信息不对称问题，提高企业创新收益，推动创新发展水平的提升[15]，为创业活动的开展营造良好的环境[4]。同时，制度环境的改善能够通过打破旧市场的均衡、改变资源的最优配置等方式，使新兴项目变得有利可图，进而增加创业机会[2]。此外，知识溢出理论表明，知识溢出可以为创业者提供大量的商业机会，原有企业本身所具有的知识库能够持续增长，其他创业者接受新知识后能把这些知识体现在新产品和新服务中，即创业行为是对知识溢出带来盈利机会的反映[16]。在实践中，大多数创业活动都产生于企业分布密集地区，这是由于企业聚集下知识溢出效应明显，进而催生了一系列创业活动。知识产权示范城市建设的实施使城市知识产权保护更加规范化、法制化，有利于加速知识产权共享，进而促成知识溢出[17]，使得创业活动能够持续得到开展。与此同时，该政策的实施有利于激励智力劳动者创造源源不断的知识信息，促使知识共享与溢出，进而又催生出大量的创业活动，提高城市创业活跃度。综上所述，本文提出如下假设：
假设1：知识产权示范城市建设有利于促进城市创业活跃度的提升。
2.知识产权示范城市建设提升城市创业活跃度的作用机制
结合相关理论以及知识产权示范城市建设政策的具体内容，本文认为知识产权示范城市建设主要通过人力资本效应、外商投资效应以及经济集聚效应三条途径影响城市创业活跃度。
第一，人力资本效应。人是知识产权的所有者，更是知识产权创造的主体[18]，而知识产权的不断创造又是实施知识产权保护的基本前提。由此，体现在个体身上的诸如知识技能、文化技术水平以及健康状况支出等人力资本，自然成为知识产权示范城市建设过程中的关键点。具体而言，知识产权人才工作是示范城市建设考核的重要指标之一，因此，在推进知识产权示范城市建设的过程中，示范城市对于高技能人才的需求较高。在此背景之下，配套的人才培育与引进政策促进了试点城市吸纳更多高技能劳动力，使得高质量劳动力不断向示范城市聚集[19]，进而促进知识产权示范城市整体人力资本水平的提升。进一步地，大量研究表明，人力资本水平越高，创业意愿往往越高，识别与利用创业机会的能力往往也越强，从而有利于促进创业[20]。因此，知识产权产权示范城市建设有利于推动人力资本升级，进而提高城市创业活跃度。
第二，外商投资效应。根据国际生产折衷理论，所有权优势、区位优势以及内部化优势这三个条件是跨国企业对外直接投资的前提。然而，由于知识产权具有易被模仿与盗用的特点，在知识产权保护水平较低的城市中，企业时常面临着知识侵权的风险。同时，缺乏完善的制度和法律保障，使得其维护知识产权所需投入的诉讼成本较高[21]。随着知识产权示范城市建设的深入实施，示范城市知识产权保护制度体系不断得到完善，知识产权保护水平显著提升，外资企业投入大量成本形成的知识产权能够得到有效保护，一定时期的专属垄断为外资企业获取合理回报提供了重要保障，从而有助于示范城市吸引更多的外商直接投资[22]。进一步地，外商投资的进入会在该地区创业市场中形成“溢出效应”，为潜在创业者带来先进的知识技术、管理经验、商业模式等，提高其创业意愿[23]。与此同时，外商投资所带来的新服务和新产品极大地增加了与其相关的上下游产品与服务的需求，进而产生众多创业商机[24]。因此，知识产权示范城市建设有利于增加外商直接投资，进而提高城市创业活跃度。
第三，经济集聚效应。新经济增长理论认为，技术创新可以产生递增收益，并使其他要素收益递增，进而产生总的规模报酬递增，成为经济不断增长的动力和源泉。为此，企业为了获得创新外溢所引致的规模报酬递增，在选择厂址时，会尽可能靠近创新活跃的区域。知识产权示范城市建设促进示范城市不断推动人才集聚和促进城市创新发展[25]，有助于吸引企业形成经济集聚。进一步地，随着经济集聚水平的提升，对于商品和服务的需求将会增加，从而为新企业提供获利机会，催生众多创业活动[26]。不仅如此，高经济集聚水平的城市所具有的低成本和集聚经济优势（知识溢出、市场临近、资金充足、基础设施完善等）对于新创企业十分重要，有利于吸引新兴企业家选择此类城市开展创业活动[27]。因此，知识产权产权示范城市建设有利于促进经济集聚，进而提高城市创业活跃度。综上所述，本文提出如下假设：
假设2：知识产权示范城市建设通过人力资本效应、外商投资效应和经济集聚效应三条途径提高城市创业活跃度。
三、研究设计
（一）模型构建
本文将中国知识产权示范城市建设视作一次准自然实验，以双重差分为研究框架，研究知识产权保护对城市创业活跃度的影响，基准模型设定如下：
entreit=β0+β1ippit+∑θjcontrolit+μi+ηt+εit （1）
其中，i表示城市，t表示年份。entre为被解释变量，表示城市创业活跃度。ipp表示知识产权示范城市建设政策变量。control为设定的一系列控制变量。μ和η分别为城市和年份固定效应。ε为随机误差项。
（二）变量含义
1.被解释变量：创业活跃度（entre）
借鉴白俊红等的做法[4]，本文采用工商企业注册数据库中的城市新建企业数量测度城市创业活跃度。为避免城市规模的干扰，本文以城市每百人新建企业数作为城市创业活跃度的衡量指标。
2.核心解释变量：知识产权示范城市建设（ipp）
本文核心解释变量是中国2012年开始实施的知识产权示范城市建设政策虚拟变量。在本文研究样本的277个城市中，有59个城市属于知识产权示范城市，构成了本文的处理组，其余218个城市则构成了本文的对照组。处理组城市被确立为知识产权示范城市的当年及以后ipp取值为1，否则取值为0。
3.控制变量
借鉴现有相关文献[2][4]，本文选取了如下控制变量：经济增长（growth），采用2006年不变价的人均实际GDP自然对数衡量；产业结构（indus），采用第三产业与第二产业增加值之比量化；政府规模（gov），采用政府一般公共预算支出占GDP比重来反映；基础设施建设（infra），采用人均拥有道路面积表示；空气污染（pollution），采用城市PM2.5平均浓度的自然对数表征。
（三）样本说明与描述性统计
本文研究对象设定为中国2006—2022年277个地级市，数据源自于历年《中国城市统计年鉴》、各地区统计年鉴以及CEIC数据库，城市创业数据来源于工商企业注册数据库，城市PM2.5平均浓度数据来源于圣路易斯华盛顿大学大气成分分析组。考虑到直辖市在行政级别等方面与其他城市存在较大差异，故在本文研究中不包含直辖市样本，即剔除了北京、天津、上海和重庆4个直辖市。表1报告了变量的描述性统计结果。可以看出，城市创业活跃度的均值为1.061，标准差为1.242，说明样本中不同城市创业活跃度之间存在较大的发展差异。
四、实证结果与分析
（一）基准回归结果
表2报告了基准回归结果。其中，列（1）、列（2）是未纳入固定效应的普通OLS估计结果，可以看出，ipp的估计系数均在1%水平上显著为正，初步说明知识产权保护可能促进城市创业活跃度的提升。
在此基础上，表2列（3）、列（4）展示了控制城市和年份的固定效应模型回归结果，ipp的估计系数仍在1%水平下显著为正，进一步表明知识产权示范城市建设可以有效提高城市创业活跃度。在经济意义上，列（4）结果表明，在其他条件不变的情况下，知识产权示范城市建设使得处理组城市每百人新建企业数增加约0.588个，是样本均值的55.42%。由此可见，知识产权示范城市建设可以成为驱动创业活跃度提升的关键力量。至此，假设1得以验证。
（二）稳健性检验
1.平行趋势检验
借鉴聂长飞等的研究[11]，本文以事件研究法验证平行趋势假说，模型设定如下：
其中，核心解释变量为beforeit和afterit，表示距离知识产权示范城市建设实施年份的虚拟变量。具体地，若实验组城市处于政策实施之前（之后）的第t年，则beforeit（afterit）取值为1，否则取值为0，其余变量含义与模型（1）一致。在实证估计中，本文以政策实施当年（t=0）作为基准组进行估计来消除多重共线性的影响。
图1绘制了平行趋势估计结果。从中可以看出，当t<0时，beforeit的系数均不显著，说明在知识产权示范城市建设政策实施之前，示范城市与非示范城市的创业活跃度变化趋势不存在系统性差异，因而平行趋势的前提条件得到满足。与此同时，在政策实施的第二年及之后年份，afterit的回归系数均显著为正，且随着时间的推移回归系数呈现出递增趋势，说明知识产权示范城市建设政策的创业效应存在大约2年左右的滞后期，而随着该政策的深入实施，知识产权示范城市建设对创业活跃度的驱动效应不断增强。这一结果进一步说明，在进一步激发城市创业活力的过程中，知识产权示范城市建设将是有效的政策工具和制度安排。
2.异质性处理效应检验
由于知识产权示范城市是分批次设立的，不同处理组在政策实施时间上是存在差异的，基于该政策使用的时变双重差分模型估计可能导致异质性处理效应“负权重”的问题，从而导致回归结果偏误。为此，本文借鉴Goodman-Bacon提出的Bacon分解方法进行稳健性检验[28]。具体而言，该方法可以将基准回归估计量分解成三个分组估计量，即“早期处理组vs后期处理组”、“后期处理组vs早期处理组”和“处理组vs从未处理组”。其中，“后期处理组vs早期处理组”如果所占权重较大，则表明回归结果很可能受到“负权重”的影响。表3报告了Bacon分解结果，可以看出，“后期处理组vs早期处理组”所占权重仅为2.7%，说明本文的基准回归模型的确存在一定的处理效应偏误，但不会对估计结果造成实质性影响，因而本文的回归结果是稳健的。
3.基于合成双重差分模型和双重机器学习方法的检验
为进一步避免双重差分模型回归结果偏误，本文采用两种方法重新进行估计：第一，合成双重差分模型。合成双重差分模型能够有效削弱传统双重差分模型估计量对平行趋势假设的依赖性，从而提高回归结果的稳健性和估计量精度。表4列（1）、列（2）报告了合成双重差分模型的估计结果，可以看出，无论是否纳入控制变量，ipp的估计系数均在1%水平上显著为正，再次支持了本文的核心研究结论。第二，基于双重机器学习方法的估计。双重机器学习方法能够避免因变量过多导致的“维度诅咒”，有效捕捉和处理经济数据中的非线性关系，缓解因模型设定不当等引起的估计误差，确保因果推断的准确性。为此，本文将样本分割比例设为1:4，采用随机森林算法预测方法进行估计。表4列（3）、列（4）报告了双重机器学习方法的估计结果，可以看出，无论是否纳入控制变量，ipp的估计系数均为正，且至少通过了5%水平的显著性检验，说明本文的估计结果是稳健可靠的。
4.控制选择性偏误的影响
考虑到知识产权示范城市的确定可能不符合完全随机的要求，进而使本文结果产生相应的偏误。在此，本文分别运用PSM-DID和熵平衡法重新进行估计。具体而言，本文首先将被解释变量和控制变量分别作为结果变量和匹配变量，按照近邻匹配法来匹配，根据匹配后的样本进行估计，结果如表5列（1）、列（2）所示。与此同时，本文还将模型中的所有控制变量作为特征变量，并确定一组权重，让处理组、对照组样本主要特征变量之均值、方差和偏度大体相等，在此基础之上运用该权重进行加权最小二乘估计，结果如表5列（3）、列（4）所示。可以看出，在充分考虑可能存在的选择性偏误问题后，本文研究结果依然成立。
5.安慰剂检验
为进一步排除随机因素对估计结果的干扰，本文运用随机生成处理组的方式，进行安慰剂检验。具体而言，参照各年份处理组城市的数量，在样本中随机抽取等量的城市作为处理组，再进行双重差分模型估计，将整个过程重复1000次，进而获取1000次反事实的ipp估计系数。安慰剂检验结果如图2所示。可以看出，1000次随机实验得到的ipp估计系数近似呈现正态分布，且均值为-0.001，与基准回归系数0.588相比非常接近于0，证实其他随机因素没有对本文实证结果造成影响，支持了基准回归的稳健性。
6.其他稳健性检验
为尽可能保证回归结果的稳健性，本文还依次进行了六个方面的稳健性检验：（1）排除相关政策的影响。相关文献表明，在本文考察期内实施的社会信用体系建设政策与创业型城市试点政策是驱动城市创业活跃度提升的重要因素。因此，本文参考谭燕芝等、曾婧婧和温永林的研究[1-2]，将上述两类政策虚拟变量纳入基准回归模型，并重新进行估计，结果如表6列（1）所示。（2）剔除部分创业活跃度较高的样本。考虑到江苏、浙江、福建、广东4省一直是中国创业活动最为频繁、创业活跃度最高的地区，为排除创业活跃度地区差异对估计结果的干扰，本文对上述4省的城市样本剔除后重新估计，结果如表6列（2）所示。（3）排除异常值的干扰。为避免可能存有的少数异常样本对估计结果的干扰，本文对所有连续变量进行上下1%的Winsorize处理，重新估计后的结果如表6列（3）所示。（4）控制地区—年份联合固定效应。为控制地区时变特征对估计结果的影响，本文进一步在基准回归模型中引入地区—年份的联合固定效应，并重新进行估计，结果如表6列（4）所示。（5）控制时间趋势的影响。为控制时间趋势等因素对回归结果的影响，本文在基准回归模型中进一步纳入时间趋势项与控制变量的交互项，并重新进行估计，结果如表6列（5）所示。可以看出，所有模型ipp的估计系数均为正，且至少通过了5%水平的显著性检验，再次支持了基准回归结论。
（三）工具变量估计
知识产权示范城市建设与城市创业活跃度之间可能存在逆向因果关系。具体而言，城市创业活跃度越高，对知识产权保护的需求往往越高，因而可能对地方政府的知识产权保护行为产生倒逼作用，这类城市也越有可能成为知识产权示范城市。为此，本文进一步采取工具变量法进行估计。具体而言，本文采用滞后一期的解释变量作为工具变量（iv）进行估计，结果如表7所示。
表7列（1）结果显示，iv的估计系数在1%水平上显著为正，进一步说明工具变量满足相关性条件。与此同时，Kleibergen-Paaprk Wald F统计量为1880.549，远大于临界值16.38，说明不存在弱工具变量问题。在此基础上，列（2）结果显示，ipp的估计系数为0.775，且通过了1%水平的显著性检验，说明在考虑潜在的内生性问题后，知识产权示范城市建设对城市创业活跃度仍然存在积极的促进作用，再次证明了基准回归结果的稳健性。
五、进一步分析
（一）作用机制检验
为进一步检验数字基础设施影响共同富裕的作用机制，本文构建如下中介效应模型进行检验：
entreit=β0+β1ippit+∑θjcontrolit+μi+ηt+εit （3）
medit=α0+α1ippit+∑θjcontrolit+μi+ηt+εit （4）
entreit=γ0+γ1ippit+γ2medit+∑θjcontrolit+μi+ηt+εit （5）
其中，med表示机制变量。模型（3）与基准回归模型一致，主要监测知识产权示范城市建设与城市创业活跃度之间的关系；模型（4）检验知识产权示范城市建设与机制变量之间的关系；模型（5）在模型（3）基础上纳入了机制变量，考察机制变量对城市创业活跃度的影响。对应于前文的假设2，本文设定的机制变量如下：人力资本（hc），采用城市高等学校在校生人数占总人口数比例来量化；外商投资（fdi），以城市实际利用外资总额的自然对数表示；经济集聚（agg），以城市单位面积的非农产出反映。
表8报告了中介效应模型的估计结果。其中，列（1）、列（2）是人力资本机制的回归结果，列（1）中ipp的估计系数在1%水平上显著为正，意味着知识产权示范城市建设有利于促进城市人力资本集聚、提高人力资本水平。列（2）中hc的估计系数为0.170，且通过了1%水平的显著性检验，意味着人力资本是促进城市创业活跃度提升的关键驱动因素。与此同时，ipp的估计系数为0.520，小于基准回归系数的0.588，且通过了1%水平的显著性检验，证明了人力资本是知识产权示范城市建设提升城市创业活跃度的重要机制。列（3）、列（4）报告了外商投资机制的回归结果，列（3）中ipp的估计系数在5%水平上显著为正，意味着知识产权示范城市建设有利于增加外商直接投资。列（4）中fdi的估计系数为0.018，且通过了10%水平的显著性检验，意味着外商直接投资有利于提升城市创业活跃度。与此同时，ipp的估计系数为0.585，小于基准回归系数的0.588，且通过了1%水平的显著性检验，证明了外商投资是知识产权示范城市建设提升城市创业活跃度的重要机制。列（5）、列（6）报告了经济集聚机制的回归结果，列（5）中ipp的估计系数在1%水平上显著为正，意味着知识产权示范城市建设有利于增加单位面积非农产值、促进经济集聚。列（6）中agg的估计系数为0.522，且通过了1%水平的显著性检验，意味着经济集聚有利于提升城市创业活跃度。与此同时，ipp的估计系数为0.364，小于基准回归系数的0.588，且通过了1%水平的显著性检验，证明了集聚是知识产权示范城市建设提升城市创业活跃度的重要机制。综上，知识产权示范城市建设能够通过人力资本效应、外商投资效应、经济集聚效应三条渠道提升城市创业活跃度，假设2得以验证。
（二）异质性分析
1.城市特征异质性
考虑到中国地域辽阔，不同城市的发展阶段和资源禀赋等存在较大差异，从而可能导致知识产权示范城市建设在作用于城市创业活跃度时存有异质性。基于此，本文就地理区位、行政级别、财政实力三个维度进行异质性分析。
第一，地理区位异质性。根据国家统计局的区域划分标准，构建地理区位虚拟变量east：若城市处于东部地区，则east取值为1，否则取值为0。在此基础上，纳入该虚拟变量与核心解释变量的交互项，并进行估计，结果如表9列（1）所示。在表9列（1）中，交互项ipp×east的系数在1%水平上显著为正，说明相对于中西部地区而言，在东部地区，知识产权示范城市建设促进城市创业活跃度的作用更明显。这可能是因为，东部地区在人力资本、外商投资、经济集聚等方面存在一定的优势，从而更能有效激发知识产权示范城市建设带来的政策红利。第二，行政级别异质性。本文将省会城市、副省级城市以及“较大的市”①定义为高行政级别城市，构建地理区位虚拟变量level：若城市属于高行政级别城市，则level取值为1，否则取值为0。在此基础上，纳入该虚拟变量与核心解释变量的交互项，并进行估计，结果如表9列（2）所示。在表9列（2）中，交互项ipp×level的系数在1%水平上显著为正，说明相对于低行政级别城市而言，知识产权示范城市建设对高行政级别城市创业活跃度的促进作用更大。这可能是因为，高行政级别城市拥有更高的资源配置自主权，在知识产权示范城市建设政策实施过程中，能够更好地推动相关政策落地。
第三，财政实力异质性。根据城市财政一般预算收入与一般预算支出之比的中位数，将研究样本划分为财政实力较高的城市和财政实力较低的城市，由此构建财政实力虚拟变量fiscal：财政实力较高的城市，fiscal取值为1，否则取值为0。在此基础上，纳入该虚拟变量与核心解释变量的交互项，并进行估计，结果如表9列（3）所示。在表9列（3）中，交互项ipp×fiscal的系数在1%水平上显著为正，说明相对于财政实力较低的城市而言，在财政实力较高的城市，知识产权示范城市建设促进创业活跃度的作用更明显。这可能是因为，财政实力是实施更严格知识产权保护的重要条件，较高的财政实力有助于更好地释放知识产权示范城市建设政策对城市创业活跃度的激励作用。
2.行业异质性
为进一步探究知识产权示范城市建设对不同行业创业活跃度的影响，本文借鉴白俊红等的研究[4]，按照新注册企业的行业性质，将研究样本划分为制造业和服务业两大类，并进一步将服务业划分为生产性服务业和生活性服务业。在此基础上，分别以各行业每百人新建企业数量作为被解释变量，并进行估计，结果如表10所示。表10列（1）、列（2）结果显示，ipp的估计系数分别为0.018和0.556，同时均在1%水平上显著，说明知识产权示范城市建设可以同时驱动制造业和服务业行业的创业活跃度，且对服务业行业创业活跃度的促进作用更为明显。这可能是因为，相比于对要素禀赋等条件要求较高的制造业而言，服务业的进入门槛相对较低，对政策变化的适应性更强。表10列（3）、列（4）结果显示，ipp的估计系数分别为0.167和0.389，同时均在1%水平上显著，说明知识产权示范城市建设可以同时驱动生产性服务业和生活性服务业行业的创业活跃度，且对生活性服务业行业创业活跃度的促进作用更大。这可能是因为，生活性服务业比生产性服务业的创业要求更低、更易进入，从而更能在知识产权示范城市建设政策的驱使下加快发展。
六、研究结论与政策启示
如何制定有效的知识产权保护政策激发创业活跃度，是一个亟待检验、具有现实意义的重要话题。本文借助知识产权示范城市建设政策这一天然的外生冲击，立足于双重差分的分析框架，采用中国2006—2022年277个地级市的面板数据，探讨了知识产权保护对城市创业活跃度的影响和机制。本文研究发现，知识产权示范城市建设有效提升了城市创业活跃度，此结论经过平行趋势检验、异质性处理效应检验、合成双重差分模型估计、双重机器学习方法估计、控制选择性偏误的影响、安慰剂检验等一系列稳健性检验以及工具变量估计后，仍然成立。知识产权示范城市建设具体通过人力资本效应、外商投资效应和经济集聚效应三条途径促进城市创业活跃度，即知识产权示范城市建设政策的实施有利于推动人力资本升级、增加外商投资、促进经济集聚，进而提高城市创业活跃度。异质性分析结果表明，知识产权示范城市建设对东部地区城市、高行政级别城市以及财政实力较高的城市创业活跃度的提升作用更大。同时，知识产权示范城市建设对服务业，尤其是生活性服务业的创业活动促进作用最为明显。
本文的研究结论为下一阶段知识产权示范城市建设的完善提供了如下政策启示：
首先，深入推动知识产权示范城市建设持续扩容，让更多城市享受知识产权示范城市建设所带来的政策红利，为激发城市创业活力提供充分的政策保障。由本文实证结果可知，知识产权示范城市建设在促进城市创业方面的效能已初步显现。为此，国家应加快对政策实施过程中先进经验与优秀案例的提炼总结，在条件成熟时，可采取大城市对中小城市点对点帮扶方式，循序渐进地在中小城市开展知识产权示范城市建设，进而不断扩大示范范围。与此同时，在知识产权示范城市建设不断深入的过程中，要充分发挥中央顶层设计与地方精准实施的统筹协同作用，逐渐形成地方提供示范经验、中央进行战略指导与推广的高效互动模式，进而促进城市创业活跃度的不断提升。
其次，重视知识产权示范城市建设在提升人力资本、增加外商投资、加速经济集聚等方面的重要作用，疏通该政策推动城市创业的传导渠道。其一，重视人才对城市创业的引领作用，不仅要持续出台、优化相关城市人才引进政策，还要加快推进人才管理体制改革，健全人才评价体系，完善人才选拔机制，形成加快提升人力资本水平的良好生态，进而为知识产权示范城市建设推进城市创业提供重要载体。其二，加大城市对外资的招商引资力度，着力维护外商投资的合法权益，努力营造公平经营环境，从而更好地发挥知识产权示范城市建设的外商投资集聚功能，缓解城市创业的资金、技术约束。其三，坚持创新引领，充分利用创新集聚带动城市经济集聚，从而降低创业成本，增加创业机会，提升城市创业水平。总之，充分发挥知识产权示范城市的创业效应，必须打好“知识产权示范城市建设+人力资本+外商投资+经济集聚”的组合拳。
最后，在政策实施过程中，要坚持“因地制宜、各具特色、分类指导”的方法论，注重知识产权示范城市建设对不同城市与行业的针对性安排，避免政策上的“一刀切”。从本文的异质性分析结果来看，知识产权示范城市建设对不同城市和行业的创业效应存在着明显的非对称性特征。因此，从城市层面来看，要加强对不同城市的统筹协调发展，对于中西部地区城市、行政等级较低城市以及经济实力较弱城市给予更多的政策支持以及财政倾斜，努力减少由于城市自身禀赋的弱势而带来的对该政策创业效应的不利影响。从行业层面来看，知识产权示范城市建设对于制造业的创业效应并不明显，这要求政府加快推进对此类行业的针对性政策设计，为其设计符合自身特点的创业支持政策，进而推动制造业创业的迅速发展。
注释
①“较大的市”专指国务院在1984年到1993年间已经批准的“较大的市”，http：//www.npc.gov.cn/npc/c1773/c2518/c9754/c14986/c9757/201905/t20190522_55625.html。
参考文献：
[1]谭燕芝，易萌，李云仲，等.社会信用体系建设与地区创业活跃度[J].广东财经大学学报，2024，39（5）：117-129.
[2]曾婧婧，温永林.政府创业政策对城市创业的影响及其作用机制——基于国家创业型城市的准自然实验[J].经济管理，2021，43（4）：55-70.
[3]梅红，成晋婕，雷雨欣.双创政策与文创产业创新活跃度——来自双创示范基地的证据[J].当代经济科学，2024，46（6）：90-102.
[4]白俊红，张艺璇，卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济，2022（6）：61-78.
[5]狄嘉，孙朋飞，苑春荟，等.数字经济发展驱动创业活跃度——基于国家大数据综合试验区的准自然实验[J].数量经济技术经济研究，2025，42（1）：157-177.
[6]LUO Q，HU H，FENG D，et al.How does broadband infrastructure promote entrepreneurship in China：Evidence from a quasi-natural experiment[J].Telecommunications Policy，2022，46：102440.
[7]刘刚，李彪.信息消费对城市创业活跃度的影响研究[J].上海经济研究，2024（12）：57-72.
[8]沈艳，冯冬发，陶云清.公共数据开放与中国县域数字创业[J].城市问题，2024（5）：38-49.
[9]王福涛，谢健，熊培志.知识产权保护如何影响城市创新集聚？——兼论有为政府和有效市场[J].经济与管理研究，2024，45（12）：68-87.
[10]张峻，刘小勇，王昕芊.国家知识产权试点政策是否促进了城市创新合作[J].经济学动态，2023（5）：72-91.
[11]聂长飞，冯苑，张东.知识产权保护与经济增长质量[J].统计研究，2023，40（2）：73-88.
[12]甄红线，王玺，方红星.知识产权行政保护与企业数字化转型[J].经济研究，2023，58（11）：62-79.
[13]NIE C，LUO W，CHEN Z，et al.Intellectual property protection and corporate ESG performance：Evidence from a quasi-natural experiment in China[J].Business Process Management Journal，2025，31（1）：245-266.
[14]刘建江，熊智桥，罗双成.知识产权保护是否提升了企业全要素生产率？——基于知识产权示范城市建设的准自然实验[J].南京财经大学学报，2022（2）：1-11.
[15]FANG H，CHRISMAN J J，MEMILI E，et al.Foreign venture presence and domestic entrepreneurship：A macro level study[J].Journal of International Financial Markets，Institutions and Money，2020，68：101240.
[16]ACS Z J，SANDERS M.Patents，knowledge spillovers，and entrepreneurship[J].Small Business Economics，2012，39（4）：801-817.
[17]OLAISEN J，REVANG O.The dynamics of intellectual property rights for trust，knowledge sharing，and innovation in project teams[J].International Journal of Information Management，2017，37（6）：583-589.
[18]VARELIUS J.Is the non-rivalrousness of intellectual objects a problem for the moral justification of economic rights to intellectual property？[J].Science and Engineering Ethics，2015，21（4）：895-906.
[19]SHI X，CHEN Y，XIA M，et al.Effects of the talent war on urban innovation in China：A difference-in-differences analysis[J].Land，2022，11（9）：1485.
[20]QIAN H.Skills and knowledge-based entrepreneurship：Evidence from US cities[J].Regional Studies，2017，51（10）：1469-1482.
[21]WANG L，ZHANG Y，YAN Y.Offensive patent litigation strategic choice：An organizational routine perspective[J].Technovation，2023，122：102663.
[22]KLEIN M A.Foreign direct investment and collective intellectual property protection in developing countries[J].Journal of Economic Behavior & Organization，2018，149：389- 412.
[23]DE MAESENEIRE W，CLAEYS T.SMEs，foreign direct investment and financial constraints：The case of Belgium[J].International Business Review，2012，21（3）：408-424.
[24]ALBULESCU C T，TAMASILA M.Exploring the role of FDI in enhancing the entrepreneurial activity in Europe：A panel data analysis[J].International Entrepreneurship and Management Journal，2016，12（3）：629-657.
[25]徐扬，韦东明.城市知识产权战略与企业创新——来自国家知识产权示范城市的准自然实验[J].产业经济研究，2021（4）：99-114.
[26]AUDRETSCH D B，KEILBACH M.Entrepreneurship capi tal and regional growth[J].The Annals of Regional Science，2005，39（3）：457-469.
[27]GLAESER E L，KERR W R.Local industrial conditions and entrepreneurship：How much of the spatial distribution can we explain？[J].Journal of Economics & Management Strategy，2009，18（3）：623-663.
[28]GOODMAN-BACON A.Difference-in-differences with variation in treatment timing[J].Journal of Econometrics，2021，225（2）：254-277.
作者简介：陈志，博士，湖北经济学院经济与贸易学院讲师，研究方向：智能经济；冯苑（通讯作者），博士，江西师范大学城市建设学院副教授，硕士生导师，研究方向：数字基础设施与共同富裕；吴蒙，博士，中信证券股份有限公司固定收益部，研究方向：宏观经济与固定收益。
