摘要：专利密集型产业作为经济增长的关键动能，其绿色创新对助力经济绿色低碳转型和高质量发展具有重要意义。绿色是“一带一路”倡议的底色，“一带一路”倡议的实施是否及如何对中国沿线省份专利密集型产业绿色创新产生影响值得深入探析。该研究基于2005—2019年中国省级面板数据，运用PSM-DID方法验证了“一带一路”倡议对沿线省份专利密集型产业绿色创新效率的政策效应，并结合中介和门槛模型剖析了政策效应的具体作用机理。研究表明：①“一带一路”倡议显著促进了沿线省份专利密集型产业绿色创新效率提升，其中对绿色成果转化效率的提升作用（0.364）略强于对绿色技术研发效率的提升作用（0.347），无论对绿色技术研发还是绿色成果转化，“一带一路”倡议的政策效应均是持续的，此外，按“一带”和“一路”划分，倡议的政策效应存在一定区域异质性。②对外直接投资、政策红利激励、基础设施建设、贸易开放和外商直接投资在“一带一路”倡议促进沿线省份专利密集型产业两阶段绿色创新效率提升过程中均发挥部分中介作用，在绿色技术研发阶段对外直接投资的传导作用最为突出，绿色成果转化阶段则是基础设施建设发挥了相对最关键的桥梁作用。③地区知识产权保护水平在“一带一路”倡议影响沿线省份专利密集型产业绿色创新效率过程中发挥门槛效应，在绿色创新两阶段分别呈正向边际递增和倒“U”型调节的特征。该研究丰富了“一带一路”倡议与中国绿色低碳转型关系领域的理论储备，并为中国专利密集型产业绿色创新发展提供了可资借鉴的管理思路。
关键词：“一带一路”倡议，专利密集型产业，绿色创新，PSM-DID，作用机理
专利密集型产业具有技术先进、附加值高、韧性强等特征，对国民经济增长拉动作用巨大，是助力产业结构转型和经济高质量发展的关键突破口。2014年12月国务院办公厅转发的知识产权局等单位《深入实施国家知识产权战略行动计划（2014—2020年）》指出，要显著提高知识产权密集型产业增加值占国内生产总值比重，明确了专利密集型产业的重要战略地位。在相关配套政策指引和激励下，2021年中国专利密集型产业增加值达14.3万亿元，占GDP比重突破12%，在经济建设中发挥了中流砥柱作用。为进一步推进知识产权强国建设，2021年9月中共中央、国务院印发《知识产权强国建设纲要（2021—2035年）》提出“到2025年专利密集型产业增加值占GDP比重达到13%”的战略目标，可见中国专利密集型产业仍具有充足的发展潜力和提升空间，需进一步打造产业发展新增长极。当前，绿色低碳转型已成为国际社会的普遍共识和不可逆转的时代潮流，绿色低碳创新催生的行业新业态、新模式在推动生产和消费方式加速转型中将创造巨大的市场空间，进而释放出强劲的增长新动能。因此，新时期发展中国专利密集型产业，理当秉持绿色发展理念，以绿色创新为关键着力点助推产业的高质量可持续发展。国家发展改革委等部门在2022年3月联合印发了《关于推进共建“一带一路”绿色发展的意见》，要求到2030年基本形成共建“一带一路”绿色发展格局。可见，绿色是“一带一路”倡议的鲜明底色和本质，这也与中国专利密集型产业绿色创新发展的内涵高度契合。具体而言，推进“一带一路”建设为中国专利密集型产业绿色创新奠定广泛且持续的国际投资、贸易对接、技术交流等平台基础，同时，中国专利密集型产业绿色创新也是实现与“一带一路”沿线国家共享高质量、高技术、高附加值绿色发展成果以助力“一带一路”绿色发展的关键路径。作为对接服务“一带一路”建设的桥头堡和重要支点，中国沿线省份应当将专利密集型产业绿色创新发展提升至战略高度。在这一背景下，科学评估“一带一路”倡议对中国沿线省份专利密集型产业绿色创新的影响效应，详细揭示“一带一路”倡议对沿线省份专利密集型产业绿色创新的政策作用机理，既有助于补充和丰富“一带一路”倡议与中国绿色低碳转型关系领域的理论储备，又可为在“一带一路”倡议下有的放矢推进中国专利密集型产业绿色创新提供可资借鉴的解决路径和管理参考。
1 文献综述
关于专利密集型产业的研究最早围绕专利密集型产业识别展开。Vichyanond[1]尝试利用专利被引次数平方根与产业平均产值比值的对数值来测度产业专利强度；随着专利密集型产业对经济发展的贡献愈发突出，美国和欧盟的专利管理机构开始对专利密集型产业展开专门评估，报告中根据产业授予的专利数与同期产业平均从业人数之比来衡量产业专利密度（强度），并将专利密度（强度）高于平均水平的产业视为专利密集型产业[2-5]，该方法也在国际上得到普遍认可；此后，中国学者也结合国内行业分类特征和具体发展情况对专利密集型产业进行了识别[6-10]。在识别专利密集型产业基础上，学者们针对其投入产出效率问题展开了进一步研究。姜南[11-12]分别基于DEA和DEA-Malmquist模型从静态和动态视角对中国专利密集型产业的投入产出效率进行了测算；Choi等[13]比较韩国知识产权（专利）密集型产业和其他产业发现，前者的全要素生产率明显更高；王黎萤等[14]在前人研究基础上拓展构建了区域专利密集型产业创新效率的三阶段DEA评价模型，发现区域专利密集型产业创新效率并非全环节DEA有效，在物化和价值产出环节存在投入冗余现象。随着绿色发展理念日益深入人心，关于专利密集型产业的研究也逐渐聚焦到绿色低碳转型上。朱承亮等[15]分别基于SBM-Undesirable模型和Malmquist-Luen-berger生产率指数从效率和生产率两方面探讨了中国专利密集型产业绿色创新绩效问题，发现专利密集型产业在绿色创新效率维度的表现显著优于其他产业，但在绿色创新生产率增长维度则相对表现较弱，专利密集型产业绿色创新效率仍有19.9%的提升潜力，其绿色创新生产率正增长且技术进步是主要驱动机制；侯建等[16]运用SBM-DDF模型对中国主要高专利密集度制造业的绿色技术创新绩效进行测算发现，产业内的行业异质性十分显著，Tobit分析则进一步揭示环境规制、企业规模要素、资本深化、市场竞争和外资引进是高专利密集度制造业绿色技术创新绩效的主要影响因素；袁茜等[17]基于GML指数分析发现，中国专利密集型产业绿色全要素生产率呈上升趋势且技术进步的贡献最大，收敛性分析显示，行业集中度、行业规模会对弱专利密集型行业绿色全要素生产率产生积极影响，研发投入则对强专利密集型行业绿色全要素生产率发挥正向作用。
随着“一带一路”倡议的持续深入推进和绿色“一带一路”建设的政策引导，学者们开始尝试探讨倡议实施对中国绿色投入产出效率的影响效应。Liu等[18]基于SBM-GML指数测算了“一带一路”沿线省份的绿色全要素生产率，发现样本期内沿线省份绿色全要素生产率整体表现较好，但“丝绸之路经济带”与“21世纪海上丝绸之路”的绿色全要素生产率差异显著，基于断点回归模型的检验证实了“一带一路”倡议对中国沿线省份绿色全要素生产率的积极影响效应；朱俏俏等[19]认为参与“一带一路”倡议的中国企业通过实施“走出去”战略对自身绿色创新活动产生了积极影响，并基于双重差分模型验证了“一带一路”倡议实施对中国企业绿色创新的净政策效应；杨波等[20]研究发现“一带一路”倡议主要通过提升资源配置效率和增强技术研发两条路径促进中国企业绿色转型，且对高清洁型企业和国有企业的促进效应更为明显；张旭娜等[21]的研究则表明“一带一路”倡议会通过增加环保支出、缓解融资约束及增加逆向知识溢出间接促进中国企业绿色技术创新水平提升；汪克亮等[22]从城市面板数据层面为“一带一路”倡议促进中国绿色发展效率提升提供了新的经验证据，其研究发现“一带一路”倡议的实施显著促进了中国沿线城市绿色全要素生产率提升，其中结构优化效应和资源整合效应发挥了积极传导作用。
梳理文献发现，当前关于专利密集型产业绿色创新的研究还较为有限：首先，虽有不少研究涉及“一带一路”倡议与中国绿色发展效率关系，但鲜有文献考察在“一带一路”宏观环境下专利密集型产业绿色创新效率的优化问题，特别是，尚缺乏有关“一带一路”倡议实施对专利密集型产业绿色创新效率的影响效应及其内在机理的探索，这与当下中国产业结构转型升级的客观要求及“一带一路”绿色发展的时代潮流是不相称的。其次，专利密集型产业绿色创新是产业创新系统内部绿色价值创造、传递和实现的渐进过程，其投入产出环节也应是阶段性和连贯性的，已有研究在测算专利密集型产业绿色创新效率时未考虑及此，这不利于分析“一带一路”倡议实施对不同情景和目标下的专利密集型产业绿色创新的异质影响。该研究的边际贡献主要体现在：①立足“一带一路”绿色发展需求，着眼中国专利密集型产业绿色创新，结合双重差分模型检验“一带一路”倡议对中国沿线省份专利密集型产业绿色创新效率的政策效应，为“一带一路”倡议与中国绿色低碳转型关系领域的研究提供新的视角和产业中观层面的证据。②分别基于中介和门槛模型厘清了对外直接投资、政策红利激励、基础设施建设、贸易开放和外商直接投资等五条“一带一路”倡议促进中国沿线省份专利密集型产业绿色创新效率提升的中介路径和知识产权保护这一重要的制度环境在政策效应发挥中的非线性调节作用，这为各职能部门在“一带一路”倡议引导下科学制定针对性的产业绿色创新政策提供实践依据。③基于创新价值链思想将专利密集型产业绿色创新过程解析为技术研发和成果转化两个子阶段，并采用Super-SBM模型分别对两阶段效率进行了测度，这有利于深入剖析“一带一路”倡议对不同阶段产业绿色创新效率的异质性影响。
2 理论分析与研究假设
该研究认为“一带一路”倡议主要通过对外直接投资、政策红利激励、基础设施建设、贸易开放和外商直接投资等五条中介路径促进沿线省份专利密集型产业绿色创新效率提升，同时，鉴于专利密集型产业知识和技术密集的特征，应考察知识产权保护作为重要的制度环境在“一带一路”倡议影响专利密集型产业绿色创新过程中发挥的调节作用。“一带一路”倡议影响沿线省份专利密集型产业绿色创新的具体作用机制如图1所示。
（1）对外直接投资路径。“一带一路”倡议通过对外直接投资路径影响沿线省份专利密集型产业绿色创新。首先，边际产业转移理论[23-24]认为，对外直接投资应从本国已处于或即将处于比较劣势的产业即边际产业依次进行，“一带一路”倡议实施会通过扩大沿线省份对外直接投资规模实现其边际产业和过剩产能的转移输出，进而促进创新资源优化配置，释放创新要素尤其是绿色创新要素至价值回报更高的专利密集型产业中，提高本省专利密集型产业绿色创新效率。其次，“一带一路”倡议为沿线省份专利密集型企业“走出去”提供了重要契机，其中，对“一带一路”沿线国家的顺梯度投资可为专利密集型产业跨国企业提供体量巨大的低成本生产资料及潜力型市场，该优势有利于专利密集型企业以更低的边际成本获取更高利润，进而为母公司绿色创新提供充足的资金反哺，促进本省专利密集型产业绿色创新效率提升。最后，在扩大技术寻求型对外直接投资力度时，专利密集型企业可通过在绿色技术先进的国家设立联合研发中心或跨国并购拥有绿色技术优势的企业以获取逆向绿色技术溢出，并将其反馈至本省，进而促进本省专利密集型产业绿色创新效率提升。据此，该研究提出假设1。
假设1：“一带一路”倡议通过对外直接投资路径提升沿线省份专利密集型产业绿色创新效率。
（2）政策红利激励路径。“一带一路”倡议自提出以来已成为广受欢迎的国际公共产品和规模最大的国际合作平台，为了鼓励国内优势产业“走出去”参与国际深度竞争与合作，中国政府也不断出台政策及配套措施扶持有关产业发展。专利密集型产业是高技术、高附加值的凝聚，极具市场竞争优势，产业政策红利对专利密集型产业的激励体现在诸多层面，以研发补贴为例：一方面，研发补贴的“挤入效应”占主导地位[25]，其无偿性、持续性特点能很大程度缓解专利密集型企业对绿色创新回报周期长、不确定性强的担忧，进而增强专利密集型企业投入绿色技术研发与转化的主观意愿。另一方面，针对绿色创新活动的专项研发补贴作为引导绿色发展的宏观调控手段，可视为政府部门支持企业绿色创新的承诺，这将激励专利密集型企业提高绿色创新效率以维系“隐性政治关联”[26]。据此，该研究提出假设2。
假设2：“一带一路”倡议通过政策红利激励路径提升沿线省份专利密集型产业绿色创新效率。
（3）基础设施建设路径。作为关键的桥头堡和重要支点，中国“一带一路”沿线省份正持续推进现代化基础设施体系构建以更好地对接服务“一带一路”建设。沿线省份基础设施水平的完善对专利密集型产业绿色创新效率提升有积极影响，以交通运输设施为例，专利密集型产业对供应链能力有较高要求，交通运输设施建设有利于提高供应链整体水平，促进创新资源要素的有效流动[27]，进而实现产业绿色技术研发及成果转化有关创新资源的合理配置，使得产业绿色创新效率得到提升。此外，通信设施、能源基础设施和教育、医疗及社会保障等社会基础设施的完善会分别在提高管理效率[28]、提供生产保障和吸引绿色创新型人才集聚等方面促进专利密集型产业绿色创新效率的提升。据此，该研究提出假设3。
假设3：“一带一路”倡议通过基础设施建设路径提升沿线省份专利密集型产业绿色创新效率。
（4）贸易开放路径。“一带一路”倡议实施以来，沿线省份不断推进贸易自由化、便利化，坚定不移推进贸易高质量发展。一方面，沿线省份贸易开放度的提高会促使专利密集型产业出口规模的大幅提高，产生良好的规模经济效益，降低平均生产成本，形成良性运转，这有利于专利密集型企业专注于绿色技术研发与转化落地以强化比较优势，进而实现绿色创新效率的提升。另一方面，“绿色贸易壁垒倒逼效应”会促进企业投身绿色技术创新[29]。近年来“绿色贸易壁垒”出现的频次越来越高，中国专利密集型产业的出口也面临着严峻考验，在贸易开放度不断提高的背景下，出口市场需求的扩大会倒逼激励专利密集型企业强化绿色创新，提高绿色创新效率。据此，该研究提出假设4。
假设4：“一带一路”倡议通过贸易开放路径提升沿线省份专利密集型产业绿色创新效率。
（5）外商直接投资路径。“一带一路”倡议开创了中国对外开放的新格局，中国对于外商投资的吸引力不断增强，尤其对于“一带一路”沿线省份，地方政府在“一带一路”配套政策优势下积极助力外商投资落地，外商投资规模不断扩大。外商直接投资通常在竞争、劳动力流动和示范环节产生技术溢出效应，并会通过行业内横向和行业间纵向两条渠道进行传导[30]，其中，外商直接投资的绿色技术溢出效应会显著提高东道国绿色技术效率[31]。近年来，“一带一路”沿线省份紧抓倡议实施契机，持续优化外商投资结构，加快外商投资绿色低碳升级，积极引导优质外资进入清洁能源、绿色低碳制造等领域，这将对提升沿线省份专利密集型产业绿色创新效率产生积极的影响。据此，该研究提出假设5。
假设5：“一带一路”倡议通过外商直接投资路径提升沿线省份专利密集型产业绿色创新效率。
（6）知识产权保护门槛效应。在知识产权环境的调节下，创新绩效所受影响往往具有非线性特征[32-35]，“一带一路”倡议对沿线省份专利密集型产业绿色创新效率产生的影响可能体现为线性估计下的结果，这容易导致知识产权保护作为重要的制度环境在政策效应中发挥的特有调节机制被忽略。就专利密集型产业绿色技术研发而言，当区域知识产权保护水平较低，绿色技术研发周期长、风险大的特征会诱发创新惰性，导致“一带一路”倡议实施对专利密集型产业绿色创新效率提升作用十分有限，提高知识产权保护强度会降低绿色低碳研发知识和技术被过度模仿和复制的风险，有利于绿色研发要素有效流动及优化配置，激发绿色技术研发意愿，进而强化“一带一路”倡议对专利密集型产业绿色创新效率的政策效应。在专利密集型产业绿色成果转化过程中，知识产权保护可通过减少模仿者竞争、保障绿色新产品收益和市场份额来激励创新主体将绿色技术成果落地转化，然而过高的知识产权保护强度也容易导致产品市场垄断，使得产业整体绿色技术学习及转化成本大幅增加，对绿色技术运营投入产生“挤出效应”，从而抑制“一带一路”倡议对专利密集型产业绿色创新效率的政策效应。据此，该研究提出假设6。
假设6：“一带一路”倡议对沿线省份专利密集型产业绿色创新效率的影响存在以知识产权保护为门槛的非线性特征，且这一特征在绿色创新不同阶段存在差异。
3 研究设计
3.1 研究方法
3.1.1 考虑非期望产出的Super-SBM模型
基于改良超效率SBM模型[36-37]对中国专利密集型产业绿色创新效率进行测算，假设n个省份构成n个决策单元（DMU）以构造生产前沿，每个DMU由m个投入x∈Rm、s1个期望产出
和s2个非期望产出
组成。定义X、Yg和Yb分别为投入、期望产出及非期望产出矩阵，λ为权重向量，模型如下：
式（1）中，目标函数值δ∗即表征该研究中专利密集型产业绿色创新效率值。
3.1.2 基于倾向得分匹配的双重差分模型
双重差分模型（DID）的原理是利用一个外生公共政策所带来的横向单位和时间序列的双重差异来识别其“处理效应”[38]。DID可有效排除随机因素对结果的影响并缓解内生性问题，然而DID需满足共同趋势假设，否则会造成样本选择性偏差，降低模型结果可靠性。倾向得分匹配（PSM）有利于克服选择性偏差，因此，该研究在将“一带一路”倡议视为准自然实验基础上，采用PSM-DID模型进行实证检验，构建模型如下：
GTRi，t（GATi，t）=β0+β1Treatedi，t×Periodi，t+∑λjControli，t+μi+ηt+εi，t （2）
式（2）中：i代表地区，t代表时间，被解释变量GTRi，t和GATi，t分别表示专利密集型产业绿色技术研发效率和绿色成果转化效率。Treatedi，t是政策分组虚拟变量，用于区分实验组和对照组。当Treatedi，t为1时指实验组，代表“一带一路”愿景与行动文件圈定的重点沿线省份，当Treatedi，t为0时指对照组，代表其余非沿线省份。Periodi，t为政策时间虚拟变量，参照吕越等[39]、李小帆等[40]和朱丽萍等[41]的做法，以2013年为政策冲击年份，2013年及之后的年份取1，2013年之前的年份取0。交乘项Treatedi，t×Periodi，t的系数β1即表征了“一带一路”倡议实施对实验组的净政策效应。β0为截距项，λj为控制变量系数，Controli，t指一系列控制变量，μi、ηt分别表示个体固定效应与时间固定效应，εi，t为随机扰动项。
式（2）反映的是“一带一路”倡议对中国沿线省份专利密集型产业绿色创新效率的平均政策效应，并不能反映出倡议实施后政策冲击在不同时段的差异化影响。参照Jacobson等[42]提出的事件研究法（Event Study Approach）对“一带一路”倡议的动态政策效应进行分析，模型如下：
式（3）中：Yeari，n是2013—2019年的年份虚拟变量，当为第n年时取1，否则取0。Treatedi，t×Yeari，n为政策分组虚拟变量与年份虚拟变量的交互项，βn是交互项Treatedi，t×Yeari，n的回归系数，衡量的是第n期实验组和对照组之间的差异，表示2013—2019年中某年“一带一路”倡议实施对中国沿线省份专利密集型产业绿色创新效率的动态政策效应，其余设定同式（2）。
3.2 变量说明
（1）被解释变量为专利密集型产业绿色创新效率，包括绿色技术研发效率（GTR）和绿色成果转化效率（GAT）。基于创新价值链理论[43-44]，专利密集型产业绿色创新应视为产业绿色价值创造、传递和实现的渐进过程，根据目的和性质不同可分为不同阶段，不同阶段的投入产出要素也不尽相同。借鉴罗良文等[45]和钱丽等[46]的研究，将专利密集型产业绿色创新分解为绿色技术研发和绿色成果转化两个前后连贯的子阶段，其中，前者是从投入绿色研发资源到实现绿色科技产出的过程，后者是在考虑能源投入与环境效益基础上，将绿色科技实现产品生产和市场化的过程。该研究构建的专利密集型产业两阶段绿色创新效率投入产出指标体系如图2所示。由于将传统和绿色研发资源分离比较困难，目前暂缺乏绿色研发经费和人员的统计口径，故参照毕克新等[47]和钱丽等[48]的做法，认为研发资金和人力的总投入能在很大程度上衡量绿色研发投入，选取传统研发经费内部支出和研发人员全时当量进行替代。
（2）核心解释变量为政策分组虚拟变量与时间分组虚拟变量的交互项Treatedi，t×Periodi，t以及政策分组虚拟变量与年份虚拟变量的交互项Treatedi，t×Yeari，n，两者系数分别表征“一带一路”倡议对中国沿线省份专利密集型产业绿色创新效率的平均和动态政策效应。
（3）中介变量为对应该研究中的五条中介传导路径，分别选取对外直接投资（OFDI）、政府支持（GS）、基础设施建设（IC）、贸易开放度（TO）和外商直接投资（FDI）作为代理中介变量。其中，对外直接投资数据包括存量和流量两类，存量数据较为平稳，能规避短期突发因素影响，故采用存量数据，并结合历年平均汇率将各省份非金融类对外直接投资存量数据换算为人民币单位（亿元）；政府支持选取科技研发支出占政府财政总支出比重来衡量；采用交通运输、仓储和邮电业增加值占GDP的比重作为基础设施建设的代理指标；贸易开放度用货物进出口总额占GDP比重表征；外商直接投资选择折算成人民币单位（亿元）的外商投资企业投资金额表征。
（4）门槛变量为知识产权保护（IPP）。技术市场成交额蕴含了与知识产权保护相关的诸多信息，如买卖双方能否有效维护自身合法权益、买卖双方对地区司法裁决质量的信任度等。因此，借鉴胡等[49]和杨丽君[50]的研究，采用技术市场成交额占当地GDP比重来衡量地区知识产权保护水平。
（5）控制变量。为尽可能得到无偏估计结果，选取产业结构、金融环境支持、经济发展水平、城镇化水平和产业规模作为控制变量。其中，产业结构（SI）采用第二产业总值占GDP比重表示；金融环境支持（FES）采用金融机构贷款余额（亿元）表示；经济发展水平（EDL）以人均GDP（万元）表征；城镇化水平（URL）选用城镇人口占总人口比重表征；产业规模（IS）采用专利密集型产业下属企业数量（个）表示。
3.3 样本选择与数据来源
为了测度省级专利密集型产业两阶段绿色创新效率，需要保证分省细分行业绿色相关数据的可得性。基于美国专利及商标局、欧洲专利局根据专利密度（强度）筛选专利密集型行业的方法，并充分结合国民经济行业分类和中国专利密集型产业发展方向，识别得到烟草制品业、化学原料和化学制品制造业、医药制造业、有色金属冶炼和压延加工业、金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业（合并汽车制造业以及铁路、船舶、航空航天和其他运输设备制造业）、电气机械和器材制造业、仪器仪表制造业、其他制造业以及计算机、通信和其他电子设备制造业共12个专利密集型细分行业，将行业数据汇总可整理得到专利密集型产业数据。以中国30个省份（因部分数据缺失，研究未涉及西藏、香港、澳门和台湾）2005—2019年的面板数据为基础展开分析，并按照“一带一路”愿景与行动文件将30个省份分为17个“一带一路”沿线省份和13个非沿线省份。考虑到绿色创新研发和转化活动的时滞性，在测算效率时设置1年的滞后期，即效率跨度分别为2006—2018年（绿色技术研发）和2007—2019年（绿色成果转化）。该研究所用数据均来自《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》《中国高技术产业年鉴》以及各省级统计年鉴、专利之星数据库、WIND数据库、中国碳核算数据库、《中国对外直接投资统计公报》、中国人民银行和国家外汇管理局等。选取的主要变量描述性统计结果见表1。
4 实证分析
4.1 “一带一路”倡议对沿线省份专利密集型产业绿色创新效率的政策效应
4.1.1 专利密集型产业绿色创新效率测算结果
利用MAXDEA软件基于式（1）测算得到30个省份专利密集型产业2006—2018年的绿色技术研发效率值和2007—2019年的绿色成果转化效率值，整理各省份及全国均值见表2。研究期内上海、浙江、广东、海南、青海、新疆、北京等地在专利密集型产业绿色创新两阶段的效率均值均大于1，上述区域无论在绿色技术研发还是绿色成果转化活动中最佳生产可能性边界均已达到技术前沿面。福建、云南、宁夏、天津、江苏等地专利密集型产业出现了绿色技术研发和绿色成果转化失衡的状况，应重视统筹协调两阶段绿色创新。研究期内中国专利密集型产业绿色技术研发和绿色成果转化效率整体均值分别为0.865和0.888，即两阶段绿色创新效率均未达到有效状态，尚有13.5%和11.2%的提升空间，应进一步结合优化组织结构、提升管理水平等手段促进绿色创新最佳生产可能性边界不断向技术前沿面逼近。从分组来看，“一带一路”沿线省份专利密集型产业两阶段绿色创新效率均值分别为0.997与1.095，绿色成果转化效率大于1，达到了有效状态，绿色技术研发效率也十分接近于1；非“一带一路”沿线省份专利密集型产业两阶段绿色创新效率则分别为0.693和0.617，均明显低于“一带一路”沿线省份。
4.1.2 政策效应分析
（1）倾向得分匹配结果。评估政策效应前需先进行倾向得分匹配，为此，根据产业结构、金融环境支持、经济发展水平、城镇化水平和产业规模等五个控制变量对实验组和对照组进行匹配。采取的匹配方法是“卡尺内最近邻匹配”，通过Logit回归估计倾向得分，并仅对共同取值范围内的个体进行一对一匹配，从匹配的平衡性检验结果（篇幅所限未报告，备索）可知，匹配前两个阶段控制变量均不满足实验组和对照组无显著差异的检验，匹配后所有控制变量的P值大于0.1，无法拒绝实验组与对照组间无系统性差异的原假设，即匹配后实验组与对照组不再有显著系统差异。此外，匹配后各控制变量标准化偏差的绝对值均小于11%，标准化偏差的减少幅度均在40%以上，匹配结果通过了平衡性检验。
（2）平均政策效应分析。对经PSM匹配的两个阶段的样本分别采用式（2）进行DID估计，以考察“一带一路”倡议对中国沿线省份专利密集型产业绿色技术研发效率和绿色成果转化效率分别的平均政策效应，结果见表3。表3中列（1）和列（3）未加入控制变量，列（2）和列（4）加入了一系列控制变量，加入控制变量后R2显著提高，模型解释力增强，故以加入控制变量后的基准回归结果进行分析。由表3可见，无论是绿色技术研发还是绿色成果转化阶段，交互项的回归系数均显著为正，且绿色成果转化阶段交互项系数（0.364）略大于绿色技术研发阶段（0.347），这表明“一带一路”倡议对沿线省份专利密集型产业绿色创新效率产生了显著积极影响，且对专利密集型产业绿色成果转化效率的影响略大于绿色技术研发效率。
（3）动态政策效应分析。对经PSM匹配的两个阶段的样本分别采用式（3）进行DID估计，以考察“一带一路”倡议对中国沿线省份专利密集型产业绿色技术研发效率和绿色成果转化效率各自的动态政策效应，结果见表4，主要分析加入控制变量后表4的列（2）和列（4）。结合表中“一带一路”倡议实施以来各年份交互项的回归系数情况可判断，无论对专利密集型产业绿色技术研发效率还是绿色成果转化效率，“一带一路”倡议实施的政策效应均具有明显的“滞后性”，但均是持续存在的。具体而言，“一带一路”倡议对沿线省份专利密集型产业绿色技术研发效率的显著积极影响于2015年出现，随着时间推移，该影响效应持续显著且显著性越来越强，效应强度也呈逐年增大趋势；“一带一路”倡议对沿线省份专利密集型产业绿色成果转化效率的显著正向影响则于2014年出现，此后影响效应同样持续显著，效应强度虽有所减小但也于2019年恢复至0.358的水平。
（4）区域异质性分析。进一步将沿线省份按“一带”（丝绸之路经济带，覆盖省份含内蒙古、辽宁、吉林、黑龙江、广西、重庆、云南、陕西、甘肃、青海、宁夏、新疆、西藏等）和“一路”（21世纪海上丝绸之路，覆盖省份含上海、浙江、福建、广东、海南等）划分样本，对“一带一路”倡议实施促进沿线省份专利密集型产业绿色创新效率提升的区域异质性进行分析。表5展示了回归结果，从表中可发现两个阶段的估计系数无论在“一带”还是“一路”样本下均显著为正，且两阶段下“一路”样本估计系数值均大于“一带”样本。这表明“一带一路”倡议实施对“一路”沿线省份专利密集型产业绿色创新效率的提升效应要强于对“一带”沿线省份，究其原因，从“一带一路”建设走向安排来看，“一路”沿线省份主要集中在发达的东南沿海地区，地理区位好、对外开放度高且经济基础雄厚，该区域专利密集型产业供应链较为成熟，且绿色发展优势明显；相比之下，“一带”沿线省份则主要分布在相对欠发达地区，仍然处于以经济增长与资源环境负荷脱钩为目标的发展阶段。
4.1.3 稳健性检验
考虑到可能存在除“一带一路”倡议以外的潜在因素干扰，采用安慰剂检验方法对“一带一路”倡议的平均政策效应展开反事实检验。具体通过更换倡议实施年份实现，即将倡议实施年份假定为2013年之前的某年（2012、2011、2010和2009年），若回归结果显示交互项系数变得不显著，则说明的确是由于“一带一路”倡议实施促进了中国沿线省份专利密集型产业绿色创新效率提升，反之则意味该净效应可能来自其他因素。表6列（1）—列（8）结果显示，分别将倡议时间提前一年、两年、三年和四年，两阶段的交互项系数均变得不显著，提示通过了安慰剂检验。
4.2 “一带一路”倡议对沿线省份专利密集型产业绿色创新效率的作用机理
4.2.1 中介路径分析
继续采用中介效应模型考察“一带一路”倡议影响中国沿线省份专利密集型产业绿色创新效率的传导路径，构建模型如下：
Mi，t=β0+β2Treatedi，t×Periodi，t+λ∑Controli，t+μi+ηt+εi，t （4）
GTRi，t（GATi，t）=β0+β3Treatedi，t×Periodi，t+β4Mi，t+λ∑Controli，t+μi+ηt+εi，t （5）
综合式（2）、式（4）和式（5），Mi，t为代理中介变量，包括对外直接投资、政府支持、基础设施建设、贸易开放度和外商直接投资，β1为总效应，β3为直接效应，β2×β4为中介效应，且β1=β3+β2×β4，（β2×β4）/β1表示中介效应占总效应比例。参照温忠麟等[51-52]的研究对中介效应进行检验。表3列（2）和列（4）验证了中介效应存在的首要条件，得到了总效应β1；表7和表8列（1）、列（3）、列（5）、列（7）和列（9）结果显示β2均至少在5%的水平上显著为正；表7和表8列（2）、列（4）、列（6）、列（8）和列（10）是在基准回归模型中加入中介变量后的结果，显示除了绿色技术研发阶段的外商直接投资和绿色成果转化阶段的政府支持外，其余考察变量对两阶段绿色创新效率的估计系数β4均至少在5%的水平上显著为正，对于前者而言，回归系数未通过显著性检验，故需通过Bootstrap检验其中介效应置信区间是否包含0，结果显示P值分别为0.014和0.011，置信区间不包含0，因此，所有考察变量发挥中介效应的第二个条件得到满足。进一步考察β3，结果显示其至少在10%的水平上显著为正，且小于总效应（0.347和0.364）。综上，无论对于专利密集型产业绿色技术研发还是绿色成果转化阶段，对外直接投资、政策红利激励、基础设施建设、贸易开放和外商直接投资均在“一带一路”倡议促进中国沿线省份专利密集型产业绿色创新效率提升中发挥部分中介作用，假设1至5得到验证。
进一步分析发现，绿色技术研发阶段五条中介路径的中介效应占总效应比重分别为71.18%、43.80%、21.61%、4.32%和63.69%，按大小排列依次为：对外直接投资路径、外商直接投资路径、政策红利激励路径、基础设施建设路径和贸易开放路径，即对外直接投资路径的中介效应最大，贸易开放路径的中介效应最小，“一带一路”倡议通过对外直接投资路径促进中国沿线省份专利密集型产业绿色技术研发效率提升的效果最为明显，而通过贸易开放路径的提升效果相对较小。绿色成果转化阶段五条中介路径的中介效应占比分别为10.71%、4.40%、50.82%、39.84%和32.69%，按大小依次为：基础设施建设路径、贸易开放路径、外商直接投资路径、对外直接投资路径和政策红利激励路径，即基础设施建设路径的中介效应相对最大，政策红利激励路径的中介效应相对较小，“一带一路”倡议通过基础设施建设路径促进中国沿线省份专利密集型产业绿色成果转化效率提升的效果最为显著，而通过政策红利激励路径的促进程度相对较低。
4.2.2 门槛效应分析
根据Seo等[53]提出的改进动态面板门槛模型检验知识产权保护在“一带一路”倡议影响中国沿线省份专利密集型产业绿色创新效率过程中的门槛效应。改进模型能有效解决静态门槛模型中的多重共线性、显著性偏误和内生性等问题，构建动态门槛模型（以双重门槛为例）如下：
GTRi，t（GATi，t）=α0+α1GTRi，t-1（GATi，t-1）+α2Treatedi，t×Periodi，t×I（IPPi，t≤θ1）+α3Treatedi，t×Periodi，t×I（θ1＜IPPi，t≤θ2）+α4Treatedi，t×Periodi，t×I（IPPi，t＞θ2）+λ∑Controli，t+μi+ηt+εi，t （6）
式（6）中：GTRi，t-1（GATi，t-1）为滞后一期的被解释变量，IPPi，t为门槛变量，θ1和θ2为动态门槛值，且θ1＜θ2，I（·）为示性函数，其数值由门槛变量决定（若括号中表达式为真取值为1，反之取0），α0为常数项，α1为滞后一期的效率对当期效率的影响系数，α2、α3、α4分别表示在不同知识产权保护强度区间内“一带一路”倡议对沿线省份专利密集型产业绿色创新效率的影响系数，其余变量和系数设定同式（2）。在进行门槛回归前，采用Bootstrap法重复抽样300次进行单一门槛与双重门槛检验，以确定模型门槛数，并获得门槛估计值、F统计量和P值，检验结果见表9。由表9可知，在绿色技术研发阶段知识产权保护的双重门槛效应显著，两个门槛值分别为0.0005和0.0049；绿色成果转化阶段知识产权保护的单一门槛值显著为0.0247，双重门槛特征则不显著。进一步结合似然比函数图分析，由图3所示，绿色技术研发阶段知识产权保护单一门槛和双重门槛效应检验均拒绝了不存在门槛值的原假设，表明存在双重门槛效应，绿色成果转化阶段知识产权保护单一门槛效应检验拒绝原假设，即存在单一门槛效应。
采用动态一阶差分GMM方法进行动态面板门槛回归，结果见表10。由表可见，当知识产权保护强度不超过0.0005时，“一带一路”倡议对中国沿线省份专利密集型产业绿色技术研发效率的影响不显著，当知识产权保护强度提升至（0.0005，0.0049]区间时，“一带一路”倡议开始发挥促进作用，当知识产权保护强度跨过0.0049时，“一带一路”倡议的提升效应进一步增强，即，该阶段知识产权保护发挥的门槛调节作用呈现正向边际递增特征，实施更为严格的地区知识产权保护策略有利于发挥“一带一路”倡议对该地区专利密集型产业绿色技术研发效率的积极影响。在绿色成果转化阶段，当知识产权保护强度不超过0.0247时，“一带一路”倡议显著提升沿线省份专利密集型产业绿色成果转化效率，当知识产权保护强度越过0.0247的门槛值时，倡议的实施会抑制绿色成果转化效率，这表明知识产权保护在“一带一路”倡议影响沿线省份专利密集型产业绿色成果转化效率过程中发挥倒“U”型调节机制，为最大程度发挥“一带一路”倡议的积极政策效应，应执行适度灵活的知识产权保护策略。当知识产权保护强度位于（0.0049，0.0247]区间时，“一带一路”倡议对沿线省份专利密集型产业绿色创新效率的驱动效果最佳。综上，假设6得到验证。
5 结论与启示
该研究基于2005—2019年中国30个省份的面板数据对专利密集型产业绿色技术研发效率和绿色成果转化效率进行了测算，在此基础上运用PSM-DID方法检验了“一带一路”倡议对中国沿线省份专利密集型产业绿色创新效率的平均和动态政策效应，并进一步结合中介和门槛模型分别揭示了对外直接投资、政策红利激励、基础设施建设、贸易开放、外商直接投资等五条“一带一路”倡议促进沿线省份专利密集型产业绿色创新效率提升的中介路径和知识产权保护对政策效应的门槛调节作用。主要结论如下。
（1）“一带一路”倡议对沿线省份专利密集型产业绿色技术研发效率和绿色成果转化效率均有显著提升作用，且倡议实施对沿线省份专利密集型产业绿色成果转化效率的积极影响要略大于绿色技术研发效率；“一带一路”倡议对专利密集型产业绿色创新效率的政策效应具有滞后特征，对两阶段绿色创新效率的显著提升效应分别于2015年和2014年显现，此后提升效应在绿色技术研发阶段和绿色成果转化阶段均是持续存在的；此外，无论是绿色技术研发还是绿色成果转化阶段，倡议实施对“一路”沿线省份的提升效应都要强于对“一带”沿线省份。
（2）对外直接投资、政策红利激励、基础设施建设、贸易开放和外商直接投资在“一带一路”倡议促进沿线省份专利密集型产业绿色创新效率提升中发挥部分中介作用，其中，绿色技术研发阶段对外直接投资的中介效应占比71.18%为最大，贸易开放的中介效应相对最小，绿色成果转化阶段基础设施建设的中介效应占比50.82%为最大，政策红利激励的中介效应相对最小。
（3）地区知识产权保护水平在“一带一路”倡议影响沿线省份专利密集型产业绿色创新效率过程中发挥门槛效应，在绿色创新两阶段分别呈现正向边际递增和倒“U”型调节特征，（0.0049，0.0247]为“一带一路”建设下推动专利密集型产业绿色技术研发和绿色成果转化齐头并进的最佳知识产权保护水平区间。
上述结论蕴含了如下政策启示：①充分依托“一带一路”倡议实施契机强化沿线省份专利密集型产业规划布局，完善产业绿色发展政策及配套措施，打造专利密集型产业绿色创新这一经济新增长极；同时，要统筹协调专利密集型产业绿色技术研发与绿色成果转移转化能力，全流程优化专利密集型产业绿色创新效率；此外，在推动“一路”沿线省份专利密集型产业绿色创新水平巩固提升的同时，要适度加大政策倾斜重点培育“一带”沿线省份专利密集型产业绿色创新能力，促进“一带一路”中国沿线区域专利密集型产业绿色创新均衡发展，助力构建“一带一路”绿色低碳发展格局。②有效打通“一带一路”倡议促进沿线省份专利密集型产业绿色创新效率提升的渠道路径：其一，要持续推进对外投资合作，创新对外投资方式，完善对外投资政策和服务体系，鼓励专利密集型产业积极“走出去”，引导有关企业提高海外运营风险防范水平；其二，应进一步加大对专利密集型产业绿色低碳创新活动的政策支持，提升财税补贴质效，充分发挥政策红利激励作用；其三，持续完善基础设施建设，适当超前开展基础设施投资，不断完善基础设施网络，以新型基础设施赋能专利密集型产业绿色转型；其四，以“一带一路”为合作平台持续推进贸易自由化、便利化，鼓励开展海外专利布局，促进专利密集型产品出口贸易；其五，积极吸引外商投资，优化外商直接投资结构，引导鼓励外国投资机构和个人加大对中国绿色环保和低碳技术领域的投资。③各地应在高度重视知识产权保护的基础上设计动态优化的知识产权保护策略，激发倡议实施对专利密集型产业绿色创新的最佳驱动。具体而言，在专利密集型产业绿色技术研发阶段要营造严格的知识产权保护氛围，提供充分健全的行政和司法保障；在绿色成果转化阶段则需因地制宜确定适度的知识产权保护强度，为专利密集型产业绿色技术市场化落地提供合理、灵活的知识产权保护制度土壤。
参考文献：
[1]VICHYANOND J. Intellectual property protection and patterns of trade[R]. Princeton：Princeton University CEPS，2009.
[2]Economics and Statistics Administration，United States Patent and Trademark Office. Intellectual property and the U. S. economy：industries in focus[R]. Washington DC：U. S. Department of Commerce，2012.
[3]Economics and Statistics Administration，United States Patent and Trademark Office. Intellectual property and the U. S. economy：2016[R]. update. Washington DC：U. S. Department of Commerce，2016.
[4]United States Patent and Trademark Office. Intellectual property and the U. S. economy[R].3d. Washington DC：U. S. Department of Commerce，2022.
[5]尹怡然.知识产权密集型产业对欧盟经济及就业的贡献[M].北京：知识产权出版社，2014.
[6]徐明，姜南.我国专利密集型产业及其影响因素的实证研究[J].科学学研究，2013，31（2）：201-208，222.
[7]徐明，姜南.专利密集型产业对工业总产值贡献率的实证分析[J].科学学与科学技术管理，2013，34（4）：119-127.
[8]姜南，单晓光，漆苏.知识产权密集型产业对中国经济的贡献研究[J].科学学研究，2014，32（8）：1157-1165.
[9]陈伟，杨早立，刘锦志，等.“功能”与“协调”共驱的专利密集型产业专利能力测度[J].科学学研究，2015，33（6）：833-841.
[10]李黎明.知识产权密集型产业测算：欧美经验与中国路径[J].科技进步与对策，2016，33（14）：55-62.
[11]姜南.专利密集型产业创新效率体系评估研究[J].科学学研究，2014，32（7）：1003-1011.
[12]姜南.专利密集型产业的R&D绩效评价研究：基于DEA-Malmquist指数法的检验[J].科学学与科学技术管理，2014，35（3）：99-107.
[13]CHOI S，SHIN S J，CHOI S，et al. Analyzing efficiency of IP-intensive industries：the case of Korea[J]. ICIC express letters，part B：applications，2016，7（10）：2241-2246.
[14]王黎萤，王佳敏，虞微佳.区域专利密集型产业创新效率评价及提升路径研究：以浙江省为例[J].科研管理，2017，38（3）：29-37.
[15]朱承亮，刘瑞明，王宏伟.专利密集型产业绿色创新绩效评估及提升路径[J].数量经济技术经济研究，2018，35（4）：61-79.
[16]侯建，陈恒.中国高专利密集度制造业技术创新绿色转型绩效及驱动因素研究[J].管理评论，2018，30（4）：59-69.
[17]袁茜，吴利华，张平.我国专利密集型产业绿色全要素生产率测算及收敛性研究[J].科技进步与对策，2020，37（14）：76-85.
[18]LIU Z，XIN L. Has China’s Belt and Road Initiative promoted its green total factor productivity：evidence from primary provinces along the route[J]. Energy policy，2019，129（6）：360-369.
[19]朱俏俏，孙久文.“一带一路”倡议与中国企业绿色创新[J].南京社会科学，2020，397（11）：33-40.
[20]杨波，李波.“一带一路”倡议与企业绿色转型升级[J].国际经贸探索，2021，37（6）：20-36.
[21]张旭娜，吴建銮，卢山冰.“一带一路”倡议提升了中国企业绿色技术创新水平吗[J].科技进步与对策，2023，40（07）：45-56.
[22]汪克亮，庞素勤.“一带一路”倡议实施对中国沿线城市绿色转型的影响[J].资源科学，2021，43（12）：2475-2489.
[23]KOJIMA K. Macroeconomic versus international business approach to direct foreign investment[J]. Hitotsubashi journal of economics，1982，23（1）：1-19.
[24]KOJIMA K. The‘flying geese’model of Asian economic development：origin，theoretical extensions，and regional policy implications[J]. Journal of Asian Economics，2000，11（4）：375-401.
[25]董景荣，张文卿，陈宇科.环境规制工具、政府支持对绿色技术创新的影响研究[J].产业经济研究，2021，112（3）：1-16.
[26]张志昌，任淮秀.政府补贴、寻租与企业研发人力资本投入[J].云南财经大学学报，2020，36（3）：92-103.
[27]雷淑珍，王艳，高煜.交通基础设施建设是否影响了区域创新[J].科技进步与对策，2021，38（21）：24-33.
[28]孙早，徐远华.信息基础设施建设能提高中国高技术产业的创新效率吗：基于2002—2013年高技术17个细分行业面板数据的经验分析[J].南开经济研究，2018，200（2）：72-92.
[29]武力超，丛姗，林澜，等.出口对企业绿色技术创新的理论与实证研究[J].南方经济，2022，395（8）：52-72.
[30]王滨. FDI技术溢出、技术进步与技术效率：基于中国制造业1999-2007年面板数据的经验研究[J].数量经济技术经济研究，2010，27（2）：93-103，117.
[31]汪莉，于佳鑫，邵雨卉.外商直接投资与区域绿色全要素效率[J].财贸研究，2019，30（10）：17-30.
[32]苏屹，安晓丽，王心焕，等.人力资本投入对区域创新绩效的影响研究：基于知识产权保护制度门限回归[J].科学学研究，2017，35（5）：771-781.
[33]周密，申婉君.研发投入对区域创新能力作用机制研究：基于知识产权的实证证据[J].科学学与科学技术管理，2018，39（8）：26-39.
[34]代丽华，林发勤.双向FDI影响区域创新能力的门槛效应研究：基于知识产权保护的视角[J].中山大学学报（社会科学版），2020，60（4）：171-182.
[35]林周周，苏屹.知识源异质性视角下知识溢出与区域创新绩效关系：基于知识产权保护的门槛效应分析[J].系统管理学报，2021，30（2）：227-237，252.
[36]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research，2002，143（1）：32-41.
[37]LI H，FANG K，YANG W，et al. Regional environmental efficiency evaluation in China：analysis based on the Super-SBM model with undesirable outputs[J]. Mathematical and computer modelling，2013，58（5-6）：1018-1031.
[38]周黎安，陈烨.中国农村税费改革的政策效果：基于双重差分模型的估计[J].经济研究，2005（8）：44-53.
[39]吕越，陆毅，吴嵩博，等.“一带一路”倡议的对外投资促进效应：基于2005-2016年中国企业绿地投资的双重差分检验[J].经济研究，2019，54（9）：187-202.
[40]李小帆，蒋灵多.“一带一路”建设、中西部开放与地区经济发展[J].世界经济，2020，43（10）：3-27.
[41]朱丽萍，王国峰，李新刚.“一带一路”倡议对中国沿线省份流通业发展水平的影响：机制分析与实证检验[J].财经科学，2022，415（10）：91-106.
[42]JACOBSON L，LALONDE D. Earnings losses of displaced workers[J]. American economic review，1993，83（4）：685-709.
[43]HANSEN M T，BIRKINSHAW J. The innovation value chain[J].Harvard business review，2007，85（6）：121-130.
[44]ROPER S，DU J，LOVE J H. Modelling the innovation value chain[J]. Research policy，2008，37（6）：961-977.
[45]罗良文，梁圣蓉.中国区域工业企业绿色技术创新效率及因素分解[J].中国人口·资源与环境，2016，26（9）：149-157.
[46]钱丽，王文平，肖仁桥.技术异质下中国企业绿色创新效率及损失来源分析[J].科研管理，2022，43（9）：127-138.
[47]毕克新，杨朝均，黄平. FDI对我国制造业绿色工艺创新的影响研究：基于行业面板数据的实证分析[J].中国软科学，2011，249（9）：172-180.
[48]钱丽，王文平，肖仁桥.高质量发展视域下中国企业绿色创新效率及其技术差距[J].管理工程学报，2021，35（6）：97-114.
[49]胡凯，吴清，胡毓敏.知识产权保护的技术创新效应：基于技术交易市场视角和省级面板数据的实证分析[J].财经研究，2012，38（8）：15-25.
[50]杨丽君.技术引进与自主研发对经济增长的影响：基于知识产权保护视角[J].科研管理，2020，41（6）：9-16.
[51]马海涛，岳林峰.知识产权保护实践中的地方政府因素[J].经济与管理评论，2020（4）：56-64.
[52]温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.
[53]SEO M，SHIN Y. Dynamic panels with threshold effect and endogeneity[J]. Journal of econometrics，2016，195（2）：169-186.
作者简介：左弈，博士生，主要研究方向为技术创新与知识产权管理。E-mail：zuoyicsuft@163.com。
通信作者：周衍平，博士，教授，博导，主要研究方向为科技创新与技术经济、产业组织与管理。E-mail：zhouyp5678@163.com。
