摘要：知识产权保护是促进数字经济发展、提升区域创业活跃度的重要制度保障。以2011—2018年中国地级城市的面板数据作为样本，研究知识产权保护通过数字经济作用于区域创业活跃度的影响机制。实证结果表明，知识产权保护对区域创业活跃度有显著的正向影响，这一作用机制在一定区间内表现更强。作用机制的分析显示，促进数字经济和区域创新发展是知识产权保护影响区域创业活跃度的重要中介机制。并从加强知识产权保护、强化作用机制研究和制订区域差异性政策提出政策建议，最大化释放知识产权保护对数字经济与区域创新激励的促进机制，以提升区域创业活跃度。
关键词：知识产权保护，数字经济，创业活动，区域创新，作用机制
改革开放以来，中国经济迅速发展，已成为世界第二大经济体。经济发展新常态下，中国面临着人口红利消失、劳动力成本上升和产业结构调整等严峻局面，2015—2021年的《国务院政府工作报告》均提到要推动大众创业、万众创新，将创新创业上升到国家战略高度并通过政府赋予其发展新动能。城市是双创战略的核心载体，研究知识产权保护对区域创业活跃度的作用机制，对于正确认识知识产权制度的创新激励作用、有效释放知识产权保护对中国创新创业的助推力量，具有较强理论与现实意义。
知识产权保护对创业活动的作用机制是什么？现有文献关于知识产权保护和创业活动之间关系的研究虽有一些，但仍存在很大的争议：第一种观点认为，知识产权保护对于创业活动具有正向影响作用。首先，知识产权保护作为一项重要的制度，能够促进与企业创业活动相关的有效要素聚集，提升创业成功率；能够促使企业通过专利、著作权等形式对知识成果加以保护，增加企业的无形资产，顺利从风险投资机构获得融资[1-2]，从而为创业创造机会和条件。其次，知识产权保护有利于营造良好的创新生态系统，从而促进企业创业发展。知识产权保护通常有利于创业导向的形成，创业导向—创新—创业存在三元关系，创业导向支持组织创新，创新会进一步促使新企业的创设[3]。此外，完善的知识产权保护制度可以吸引到更多外资从而刺激本国企业家的创业活动[4]。第二种观点则认为，知识产权保护对于创业活动具有反向影响作用。一方面，这种观点源于知识产权产生的“合法垄断”，严格的知识产权保护鼓励的是发明家而不是创新者，可能对创新造成障碍[5]。较强知识产权保护带来的垄断妨碍知识溢出的发生，不利于新企业的进入[6]，对经济发展产生不良影响。另一方面，知识产权制度对于大型企业更加“友好”，对于处在创业早期阶段的初创中小企业来说，申请专利的成本会带来一定的资金压力[7]。研究表明，知识产权保护强度越大，创业的可能性越低[8-9]。针对学术创业者创业行为的分析发现，当进行知识产权转移等行为时可能会面临政策或资金风险，进而影响初创企业生存[10]。第三种观点则认为，知识产权保护对创业活动的影响不大。知识产权保护在创业活动的不同环节、企业所属不同领域所产生的创业激励效果不同，知识产权制度在初创企业发展进程中还未起到足够的激励作用[11]。
可见，已有的研究认为知识产权保护对于创业活动的影响是多元化的，这些研究多聚焦发达国家，对我国知识产权保护作用于创业活动的实证研究是相对匮乏的。仅有的相关文献来自于知识产权保护如何调节非沉淀冗余和创业导向[12]、知识产权制度对外资研发和本土创业的影响机制[4]、知识产权司法如何保护影响创新创业[13]，以及创新创业的知识产权成本研究[14]等与创新创业的相关命题，较少文献直接聚焦于知识产权保护作用于区域创业的机制研究。目前，数字经济已经成为驱动世界各国竞争力增长的重要力量，它扩宽了企业创业的发展路径和机遇，中国政府对数字化产业采取“先试水、后监管”的宽容态度，使企业得到充足的试水空间[15]，创业企业正积极加入到数字经济带来的创新商业模式、平台和渠道中。因此，本文在前人研究的基础上，将数字经济引入模型，分析考虑数字经济对于知识产权保护影响区域创业活动的中介效应，基于中国新时期新阶段的发展背景探讨知识产权保护如何影响区域创业，无疑具有更强的实践意义。同时，本文选取城市层面作为区域对象，可以从更细化的空间层面展开对知识产权保护、数字经济和创业活跃度的机制研究。
一、理论背景与研究假设
知识产权保护对创业活动存在双重作用，一方面，强有力的知识产权保护会进一步激励研发活动的进行和新知识的产生，从而刺激创业活动的开展。另一方面，过强的知识产权保护会形成垄断，导致创业企业进入市场的门槛过高。数字经济发展方兴未艾，面对日趋多元化和个性化的市场需求，数字经济通过线上与线下的融合发展，大大拓宽企业创业的发展路径和机遇。理论上，知识产权保护可以通过有效推动数字经济的发展，带动区域创业活动的开展。此外，区域创新和区域差异性也会影响到知识产权保护、数字经济和区域创业活跃度的关系结构。鉴于此，本文建立如下的分析框架并提出相应假设。
（一）知识产权保护对创业活跃度的非线性作用
知识溢出（KSTE）理论认为知识溢出是企业获得商业机会的重要来源，原企业不断更新扩展自身原始知识库，其他创业者吸收新知识后将其转化为新产品和服务[16]。创业行为产生于企业家对创业机会的识别与把握[17]，企业间的知识溢出行为能促进创业机会和初创公司的涌现。同时，创业活动又可以为知识溢出提供渠道，企业家创办新公司的创业行为，将知识从企业或组织外溢到新企业或组织环境进行知识商业化[18]。创业行为常常发端于充满创业活力的地区，这是由于企业知识溢出主要来源于专业化经济聚集下的其他企业[19]，因此企业集聚带来的溢出效应可以进一步推动创业活动的产生。
知识产权保护在这一过程中的机制较为复杂。一方面，知识产权保护可以促进知识共享和知识溢出，进而推动企业创业活动的开展。知识产权保护可以有效推动知识产权共享，让知识产权所有者按照《世界知识产权组织公约》《国际知识产权保护协议》以及我国知识产权法律法规，通过提前完全公开或者协议合作模式，减少知识产权费用甚至不收费，使更多的相关利益者享有知识产权[20]，从而可以避免资金短缺的初创企业在获得知识产权许可上支出过度，对创业活动起到正向的激励作用。另一方面，知识产权保护对创业的作用机制可能存在门槛效应。国外学者在KSTE理论的基础上，以知识生产者商业租金为参数，通过实证分析发现知识产权保护与创业回报和整体增长等呈倒U型关系，适度的知识产权保护才能使知识得以在新产品和新服务的商业化过程中更好地实现其价值[5]。因此，知识产权保护对于企业创业活动的影响并非简单的线性关系，如图1所示。基于以上分析，提出假设1：知识产权保护对创业活跃度的作用具有非线性特征。
图1 知识产权保护影响创业活动的作用机制
（二）知识产权保护、数字经济与创业活跃度的关系
知识产权保护、数字经济与创业活跃度三者之间存在传导路径。首先，保护知识产权就是保护创新，强有力的知识产权保护对激励数字经济的长久创新十分关键[21]。一是知识产权保护可以提供数字经济发展所需的必要资源。数字产品复制成本较低，侵权行为频发，数字化经济增加了知识产权确权、授权和维权的难度。通过激励技术创新[22]、改进营商环境[23]、鼓励企业家精神等创新要素的集聚，知识产权保护可以满足数字经济发展所特有的创新性、虚拟性和共享性。二是有效的知识产权保护可以更好地为数字经济发展提供强有力的创新激励。数字技术和创意内容是数字经济的主要组成部分，数字技术包括通信、计算机等技术，属于专利密集型产业；创意内容包括音乐、电影、电视、广播、出版物和其他形式的作品，属于版权密集型产业。可见，数字经济本身即是知识产权密集型产业，数字经济与知识产权制度具有天然的统一性。三是知识产权保护可以进一步促进数字经济的高端化发展。我国数字经济的技术发展还不均衡，主要优势聚集在电子商务、移动支付和金融科技领域，但高端芯片、系统软件、核心元件等生产领域尚有欠缺[24]，唯有加强生产领域的数字技术发展和完善知识产权制度，将流量和数据转变为硬核的科技成果，才能真正改变我国在核心技术上受制于人的被动局面。
其次，数字经济推动企业创新活动开展。一是数字经济创新了社会发展的大环境，为企业创业提供了新动能和新思维。数字技术研发投入与产出持续上涨[25]，为企业创业提供了更好的氛围与便捷的基础设施，改变了创新创业的基础。数字经济时代的到来，企业认识到只有更好地融入到数字经济带来的创新商业模式、平台和渠道，才能获得更大的市场竞争优势。二是数字经济为企业创业提供了新机遇。作为数字经济的重要组成部分，数字金融的发展改善了农村居民的创业行为，带来了创业机会的均等化和经济的包容性增长[26]。互联网的使用显著提升了城乡家庭的创业概率和创业绩效[27]。三是数字经济呈现高质量增长态势，成为企业创业的新引擎。数字经济可以通过提供融资渠道[28]、完善信息来源[29]、增强示范效应[30]等增加创业活跃度。基于以上分析，提出假设2：知识产权保护通过促进数字经济发展提升创业活跃度。
（三）知识产权保护、区域创新与创业活跃度的关系
知识产权保护、区域创新与创业活跃度之间也存在传递关系。首先，知识产权保护能够促进区域创新。一是知识产权保护能够通过推动技术进步来提升区域创新能力[31]。二是知识产权保护还可以提升区域创新质量。知识产权保护可以通过影响外商投资、研发资本投入、存量知识、人均GDP的协同作用推动区域创新高质量发展。其次，区域创新能力对创业活动有着显著正向影响。创新能力可以通过学习效应、价值附加效应、成本消减效应[32]以及助推企业家集群涌现[33]促进创业活动开展。这其中需要考虑区域异质性，中国是一个发展不平衡的大国，各个地区的创新水平、数字经济和创业活动存在着较大差异，有些地区的高校和研究机构实力较强，具有极强的创新能力基础，但不一定拥有将这一基础转化为创新的能力；有的地区则反之，因此很难通过统一的标准来确定最优知识产权保护水平，各地应当进一步通过知识产权保护推动当地创新发展来促进创业活动的开展。基于以上分析，提出假设3：知识产权保护通过促进区域创新提升创业活跃度。
本文研究框架如图2所示。
图2 理论研究框架
二、研究设计
（一）模型设定与说明
知识产权保护水平的提高有利于营造良好的创新创业环境，推动创业活动的开展；但是过强的知识产权保护也会降低创业者的预期，挫伤创业的积极性。这里采用Hansen提出的面板门槛模型对知识产权保护影响创业活跃度的非线性作用进行检验。
ECATit=α0+α1·xit·I（qit≤γ）+α2·xitI（qit＞γ）+μi+εit （1）
模型（1）是单门限模型设定的一般形式。其中，i表示地区，t表示时间；α1和α2为待估参数，qit为门槛变量，门槛变量可以是解释变量xit的一部分，为测度知识产权保护对创业活跃度的非线性作用，本文选取的门槛变量为知识产权保护。γ为待估门槛值，I（·）为指标函数。μi为个体效应，εit为随机误差。
基于前面的理论分析与假设，这里对数字经济和区域创新作用于知识产权保护对创业活跃度影响机制的中介效应进行实证研究，首先构造如下模型：
EACTit=φ0+φ1DIGTit+φxXit+μi+υt+εit （2）
模型（2）中，EACT为创业活跃度，IPP为知识产权保护。X为由地区就业水平、基础设施、科研能力、开放程度以及经济发展水平等要素构成的控制变量向量。i表示地区，t表示时间。μi为不随时间变化的，难以观测的个体异质性。υt为时间效应。εit为随机扰动项。
在模型（2）的基础上，本文采用温忠麟（2004）[34]提出的依次检验法对数字经济、区域创新在知识产权保护影响创业活跃度中的中介效应进行检验。依次检验法主要包括3个建模步骤，第一步检验知识产权保护对创业活动影响的总效应，如模型（2）所示。下面构建第二和第三步检验知识产权保护对中介变量的影响和引入中介变量后知识产权保护对创业活跃度的影响效应，分别如模型（3）和模型（4）所示。
Medit=β0+β1IPPit+βxXit+μi+υt+εit （3）
EACTit=γ0+γ1IPPit+γ2Medit+γxXit+μi+υt+εit （4）
其中，Med为中介变量，本文中分别指数字经济和区域创新。根据中介检验原理，φ1、β1、γ2系数均显著的情形下，若γ1不显著，则说明中介变量为完全中介效应，知识产权保护只能通过中介变量对创业活动产生影响；若γ1显著，但是相对于φ1有所下降，则说明中介变量起到部分中介效应，说明知识产权保护既会直接影响创业活动，也会通过中介变量影响创业活动。若φ1，β1中不全部显著，则需要进一步通过Bootstrap法继续进行中介效应检验。
（二）变量选取与说明
第一，核心自变量的测度。本文借鉴沈国兵等（2019）[35]的方法采用地区知识产权案件数占比与地区生产总值占比的比值量化知识产权保护水平，通过知识产权保护水平表征知识产权保护（IPP），IPP的值越高，说明区域知识产权保护水平越高。具体测度公式如下：
其中，Caseit为t时期i地区的知识产权案件数。GDPit为t时期i地区的生产总值。同时计算了每万人知识产权案件数（IPPR）以替代知识产权保护（IPP）进行稳健性检验。
第二，因变量的测度。现有文献多采用新建企业数目作为创业活跃度的测量。本文采用北京大学发布的《中国区域创新创业指数》公布的新建企业进入指数作为创业活跃度（EACT）的度量，该指数得分越高说明创业活跃度越高。
第三，中介变量的度量。（1）数字经济水平的测度。国内外专家从不同的角度提出了数字经济的指标构建和统计方法。欧盟数字经济与社会指数（DESI）构建了数字经济的5个一级指标，分别是互通性、人力资本、互联网应用、数字技术集成以及数字化公共服务[36]；经合组织（OECD）分别从智能化基础设施、创新能力、赋权社会以及ICT对经济增长和就业岗位的促进作用等4个方面对数字经济做出测评[37]；中国信息通信研究院从数字经济规模指数、数字经济产业指数、数字经济融合指数、数字经济溢出指数、数字经济基础设施指数等5个方面构建了数字经济的测评指数[38]；上海社会科学院指出数字经济应从基础设施、数字产业、数字创新和数字治理等4个层面进行评价[39]。可见，数字经济的测度方式虽各有不同，但多从基础设施、数字相关产业、数值创新等几个方面展开。本文借鉴赵涛等（2020）[29]的方法，从数字金融与数字产业的角度构建数字经济水平综合指数体系。其中，数字金融采用北京大学数字金融研究中心2020年发布的《测度中国数字普惠金融发展：指数编制与空间特征》中的“数字普惠金融指数”进行度量。“数字普惠金融指数”被视为未来数字经济的最主要载体，主要衡量社会各阶层和群体特别是弱势群体对数字金融服务的可获得程度。无论是国家层面抑或是地方层面，均应为经济转型和高质量发展腾挪足够的空间[40]。数字经济水平的另一部分指标通过数字产业的评价获得，这一指标又分为数字产业基础设施和数字产业经济，基于数据的可得性，分别采用每百人互联网用户数、计算机服务和软件业从业人员比例、每百人移动电话用户数衡量数字产业基础设施，采用人均电信业务总量衡量数字产业经济，数字经济水平综合指数构建指标参见表1所示。通过熵权法确定各指标权重，采用线性加权法得到各地区的数字经济水平，用来表征数字经济（DIGT）。（2）区域创新水平的测度。专利一般反映创新水平且数据可得性强，是目前大多数学者采用的指标。本文采用专利申请总量，即发明申请量、实用新型申请量、外观设计申请量之和并进行自然对数处理，用来测度区域创新（INNO）。
表1 数字经济水平综合指数
一级指标
|
二级指标
|
三级指标
|
四级指标
|
数字经济水平
|
数字金融
|
数字普惠水平
|
数字普惠金融指数
|
数字产业
|
数字产业基础设施
|
每百人互联网用户数
|
计算机服务和软件从业人员比例
|
每百人移动电话用户数
|
数字产业经济
|
人均电信业务总量
|
第四，控制变量的测度。为了控制其他因素对研究的影响，本文借鉴前人的做法选取了地区就业水平（LABR）、基础设施（INFR）、科研能力（SCIL）、开放程度（OPEN）以及经济发展水平（PGDP）作为控制变量。地区就业水平（LABR）采用地区城镇就业人数占比进行刻画。基础设施（INFR）通过人均城市道路面积反映。科研能力（SCIL）采用科学技术支出占财政支出的比重进行度量。开放程度（OPEN）采用地区实际利用外商直接投资总额占GDP的比重进行量化。经济发展水平（PGDP）通过地区人均GDP的自然对数形式得到。
（三）样本选取与描述性分析
本文选取中国地级及以上城市的面板数据开展实证研究。其原因：一是与省级相比，地级市的样本量更大，能够满足统计分析要求；二是与县、乡级行政区划相比，地级市的数据相对容易获取。《中国城市统计年鉴》主要收录了全国各级城市社会经济发展方面的统计数据，文中的数据主要来自于《中国城市统计年鉴》中的地级市数据。实证过程中，本文剔除了数据连续年份缺失的城市，为尽可能得到更多的城市数据，对于部分年度的缺失值采用移动平均法补全，最终得到189个地级市时间跨度为2011—2018年的平衡面板数据。
为了避免极端值对研究的影响，文中变量均进行了1%和99%的缩尾处理，对文中各变量的数值进行了描述性统计分析，结果见表2所示。
表2 描述性分析
变量
|
样本量
|
均值
|
标准误
|
最小值
|
最大值
|
偏度
|
峰度
|
EACT
|
1472
|
62.34
|
25.31
|
7.17
|
99.66
|
0.41
|
2.13
|
IPP
|
1472
|
69.50
|
106.22
|
0.51
|
571.85
|
2.73
|
11.08
|
DIGT
|
1472
|
12.20
|
5.67
|
3.51
|
42.60
|
2.09
|
11.33
|
INNO
|
1472
|
1.98
|
1.36
|
1.06
|
5.26
|
0.25
|
2.57
|
LABR
|
1472
|
0.16
|
0.19
|
0.025
|
1.30
|
4.03
|
22.16
|
INFR
|
1472
|
8.38
|
23.75
|
0
|
212.98
|
7.40
|
61.16
|
SCIL
|
1472
|
1.88
|
1.60
|
0.24
|
9.08
|
1.90
|
7.46
|
OPEN
|
1472
|
0.33
|
0.33
|
0
|
1.88
|
1.95
|
8.26
|
PGDP
|
1472
|
10.77
|
0.59
|
9.46
|
12.12
|
0.099
|
2.40
|
从表2可以看出，创业活跃度（EACT）的均值为62.34，最小值为7.17，最大值为99.66，说明创业活跃度在各个城市中呈现较大的差异。知识产权保护（IPP）的均值为69.50，最小值为0.51，最大值为571.85，表明城市层面知识产权保护水平也呈现出较大的波动。同样的，地区就业水平（LABR）、基础设施（INFR）、科研能力（SCIL）、开放程度（OPEN）以及经济发展水平（PGDP）在我国城市均呈现较大的差异。数字经济（DIGT）均值为12.20，偏度大于2，峰度大于11，说明我国城市数字经济水平不服从正态分布，数字化总体水平不高。
三、知识产权保护对创业活跃度的影响及作用机制研究
（一）共线性诊断
由于涉及变量较多，为了避免多重共线性对研究的影响，需要进行共线性诊断，表3给出了方差膨胀因子（VIF）的共线性检验结果，结果表明各变量的VIF值均小于10，说明上述变量间不存在严重的多重共线性。
表3 共线性诊断结果
变量
|
VIF值
|
IPP
|
1.32
|
DIGT
|
2.64
|
INNO
|
4.98
|
LABR
|
1.42
|
INFR
|
2.99
|
SCIL
|
2.36
|
OPEN
|
1.17
|
PGDP
|
2.85
|
（二）知识产权保护与创业活跃度的非线性关系检验
采用模型（1）验证知识产权保护与创业活跃度的非线性关系。
第一，门槛效应检验。以知识产权保护（IPP）为门槛变量经过300次Bootstrap自助抽样，得到门槛效应检验结果见表4所示。由表4可知，知识产权保护（IPP）在5%的显著性水平下通过了单一门槛检验，未通过双重门槛检验，说明知识产权保护（IPP）存在单门槛效应。
表4 门槛效应检验
门槛变量
|
门槛类型
|
F值
|
P值
|
10%临界值
|
5%临界值
|
1%临界值
|
知识产权保护（IPP）
|
单一门槛
|
19.86**
|
0.020
|
14.93
|
17.02
|
22.36
|
双重门槛
|
11.10
|
0.15
|
12.07
|
13.81
|
17.51
|
第二，门槛值估计及LR检验。表5披露了知识产权保护的门槛值估计结果。图3为门槛回归的LR函数图，反映了门槛值的回归及置信区间的分布结果。结合表5和图3可知，知识产权保护（IPP）的单一门槛值为1.17，门槛值落在区间[1.12，1.20]，存在LR检验值小于95%临界值的区间，即落在虚线下方，故不拒绝原假设。综合上述分析可知，门槛变量的门槛值是显著存在的。
图3 知识产权保护（IPP）为门槛变量的LR检验
表5 门槛值估计结果
门槛变量
|
门槛类型
|
门槛值
|
95%置信区间
|
知识产权保护（IPP）
|
单一门槛
|
1.17**
|
[1.12，1.20]
|
第三，门槛面板回归分析。门槛面板回归分析结果如表6所示，当知识产权保护（IPP）到达门槛值之前，知识产权保护对创业活跃度表现为显著的促进作用，跨过门槛值以后，知识产权保护对创业活跃度的影响不显著，说明知识产权保护强度过高时，其对区域创业活跃度的作用机制不明显。可见，知识产权保护对创业活跃度的影响是非线性的，以上实证检验支持了前文提出的假设1。
表6 门槛面板回归参数估计
模型类型
|
变量
|
系数
|
标准误
|
T值
|
P值
|
知识产权保护（IPP）
|
IPP（IPP≤1.17）
|
4.86***
|
1.70
|
2.85
|
0.005
|
IPP（IPP＞1.17）
|
-0.002
|
0.003
|
-0.91
|
0.365
|
控制变量
|
控制
|
Within-R2
|
0.032
|
（三）数字经济和区域创新的中介效应检验
第一，回归模型筛选。以模型（2）为例进行F检验和Hausman检验，F检验用以混合效应和个体效应的检验，Hausman检验用以个体固定效应和随机效应的检验。模型筛选的结果见表7所示。F检验表明，个体之间的特征存在差异，因此拒绝了选择混合效应的原假设。Hausman检验的统计量值为92.45，其对应的p值为0小于0.05，故拒绝随机效应优于固定效应的原假设，因此选择个体固定效应模型进行分析。
表7 F检验与Hausman检验
检验方法
|
系数
|
F test allμi=O
|
F test Value
|
66.17
|
P-value
|
0
|
Hausman specification test
|
Chi-square test value
|
92.45
|
P-value
|
0
|
第二，基准回归检验。表8披露了基准回归结果。列（1）为模型（2）的回归结果，在没有引入数字经济和区域创新的情况下，知识产权保护（IPP）的系数为0.039，说明知识产权保护促进推动了区域创业活跃度。列（2）和列（3）的结果表明，数字经济（DIGT）和区域创新（INNO）的系数显著为正，说明数字经济发展水平和区域创新对创业活跃度呈现显著的促进作用。从控制变量来看，除基础设施（INFR）和经济发展水平（PDGP）外，地区就业水平（LABR）、科研能力（SCIL）、开放程度（OPEN）对创业活跃度（EACT）均表现为显著的正向影响，这表明城市本身的就业、科研等创新发展水平以及将外商投资“引进来”的开放程度等对提升区域创业活跃度也很重要。
表8 基准回归结果
变量
|
（1）
|
（2）
|
（3）
|
EACT
|
EACT
|
EACT
|
IPP
|
0.039***
|
|
|
（5.49）
|
|
|
DIGT
|
|
2.00***
|
|
|
（10.21）
|
|
INNO
|
|
|
14.63***
|
|
|
（18.47）
|
LABR
|
6.59*
|
6.02*
|
1.89*
|
（1.78）
|
（-1.67）
|
（-0.69）
|
INFR
|
0.054**
|
0.0012
|
0.0034
|
（2.44）
|
（0.054）
|
（0.14）
|
SCIL
|
2.63***
|
1.86***
|
0.41**
|
（4.24）
|
（3.45）
|
（0.92）
|
OPEN
|
6.75***
|
5.38***
|
0.97***
|
（3.37）
|
（2.76）
|
（0.51）
|
PGDP
|
10.68***
|
4.98***
|
-5.38
|
（6.47）
|
（3.09）
|
（-2.91）
|
常数项
|
-64.06***
|
-19.95***
|
90.12***
|
（-3.80）
|
（-1.24）
|
（5.87）
|
年度效应
|
控制
|
控制
|
控制
|
省域效应
|
控制
|
控制
|
控制
|
Obs.
|
1472
|
1472
|
1472
|
R2
|
0.50
|
0.54
|
0.60
|
注：括号中数值为回归系数标准差；***、**、*分别表示在1%、5%、10%的显著性水平。
第三，中介效应检验。采用依次检验法进行数字经济、区域创新的中介效应检验，参见表9所示。列（4）和列（6）披露了中介效应检验第二步的结果，检验了知识产权保护（IPP）对数字经济（DIGT）和区域创新（INNO）的影响效应，知识产权保护（IPP）的系数均显著为正，说明知识产权保护有利于地区数字经济发展水平和区域创新水平的提高，列（5）和列（7）披露了中介效应检验第三步的结果，引入数字经济（DIGT）和区域创新（INNO）以后，知识产权保护（IPP）对创业活跃度（EACT）的影响仍然为正，但与未引入中介变量之前数值（参见表8列1所示）相比有所下降，这验证了数字经济（DIGT）和区域创新（INNO）的中介效应，说明数字经济（DIGT）和区域创新（INNO）对于知识产权保护（IPP）影响创业活动（EACT）起到中介作用。综上所述，以上实证检验支持了前文提出的假设2和假设3。
表9 知识产权保护对创业活跃度的影响机制检验结果
变量
|
（4）
|
（5）
|
（6）
|
（7）
|
DIGT
|
EACT
|
INNO
|
EACT
|
IPP
|
0.0041***
|
0.032***
|
0.0011***
|
0.029***
|
（3.96）
|
（4.81）
|
（4.08）
|
（4.73）
|
DIGT
|
|
1.91***
|
|
|
|
（10.26）
|
|
|
INNO
|
|
|
|
13.59***
|
|
|
|
（16.17）
|
LABR
|
6.77***
|
-6.35
|
0.59***
|
-1.42
|
（13.60）
|
（-1.81）
|
（4.46）
|
（-0.52）
|
INFR
|
0.020***
|
0.016
|
0.0041***
|
0.0031
|
（5.31）
|
（0.73）
|
（4.54）
|
（0.14）
|
SCIL
|
0.62***
|
1.46***
|
0.16***
|
0.46*
|
（7.63）
|
（2.69）
|
（8.01）
|
（0.92）
|
OPEN
|
0.66**
|
5.49***
|
0.43***
|
0.93**
|
（2.22）
|
（2.91）
|
（6.94）
|
（0.51）
|
PGDP
|
2.79***
|
5.35***
|
1.17***
|
-5.27
|
（12.27）
|
（3.39）
|
（21.75）
|
（-2.91）
|
常数项
|
-20.74***
|
-24.41
|
-11.29***
|
89.26***
|
（-8.86）
|
（-1.55）
|
（-20.51）
|
（4.90）
|
省域效应
|
控制
|
控制
|
控制
|
控制
|
年度效应
|
控制
|
控制
|
控制
|
控制
|
Obs.
|
1472
|
1472
|
1472
|
1472
|
R2
|
0.74
|
0.55
|
0.84
|
0.59
|
注：括号中数值为回归系数标准差；***、**、*分别表示在1%、5%、10%的显著性水平。
（四）拓展：区域异质性分析
将189个城市分为沿海城市和内陆城市两组，划分的依据是《中国海洋统计年鉴》给沿海地区下的定义，是指有海岸线的地区，按行政区划分为沿海省、自治区、直辖市。目前我国共有45个沿海地级城市，通过分样本回归检验知识产权保护、数字经济对区域创业活跃度的作用机制是否存在地区差异，检验结果见表10所示。列（8）和列（9）中知识产权保护（IPP）对创业活跃度的影响呈现显著的地区差异，其中知识产权保护对沿海城市创业活跃度的促进作用更加明显。列（10）和列（11）的回归结果表示，数字经济（DIGT）对内陆城市创业活跃度的促进作用更加明显，这可能是因为相对于内陆城市，沿海城市创业活跃度本来就很高，因此，数字经济水平对内陆城市创业活跃度的边际效应更强。
表10 分样本回归结果
变量
|
（8）
|
（9）
|
（10）
|
（11）
|
内陆城市
|
沿海城市
|
内陆城市
|
沿海城市
|
IPP
|
0.034***
|
0.043***
|
|
|
（4.36）
|
（3.08）
|
|
|
DIGT
|
|
|
3.42***
|
0.79***
|
|
|
（9.12）
|
（4.07）
|
LABR
|
5.44
|
-0.66
|
-1.21
|
-7.18
|
（1.08）
|
（-0.16）
|
（-0.30）
|
（-1.7）
|
INFR
|
0.018
|
0.16***
|
-0.024
|
0.10**
|
（0.68）
|
（3.94）
|
（-1.00）
|
（2.44）
|
SCIL
|
2.07***
|
5.07***
|
0.72
|
4.35***
|
（3.13）
|
（5.03）
|
（1.38）
|
（4.34）
|
PGDP
|
13.54***
|
5.44*
|
3.67*
|
2.48
|
（7.24）
|
（1.75）
|
（1.83）
|
（0.73）
|
OPEN
|
4.95**
|
3.28
|
3.38
|
2.60
|
（2.07）
|
（1.09）
|
（1.51）
|
（0.85）
|
_cons
|
-93.22***
|
-5.60
|
-20.35
|
22.63
|
（-4.90）
|
（-0.17）
|
（-1.09）
|
（0.63）
|
省域效应
|
控制
|
控制
|
控制
|
控制
|
年度效应
|
控制
|
控制
|
控制
|
控制
|
Permutation test
|
-0.091***
|
2.63***
|
Obs.
|
1208
|
264
|
1208
|
264
|
R2
|
0.51
|
0.66
|
0.57
|
0.66
|
注：括号中数值为回归系数标准差；***、**、*分别表示在1%、5%、10%的显著性水平。
四、稳健性检验
（一）考虑内生性问题的稳健性检验
构建动态面板回归是解决静态面板模型可能存在遗漏重要变量或模型设定偏误导致的内生性问题的主要方法。本节采用系统广义矩估计法（GMM）参数估计进行稳健性检验。创业活跃度的滞后一期（L.EACT）反映了创业活动的持续性，从表11来看，L.EACT在各方程中均显著为正，说明滞后一期的创业活动对当期具有显著的积极影响，因此考虑因变量的滞后一期是合理的。各方程中AR（1）检验的P值均小于0.05，AR（2）检验的P值均大于0.05，说明模型只存在一阶自相关。列（12）和（13）中IPP和DIGT系数显著为正，说明考虑内生性影响后，知识产权保护、数字经济对创业活跃度的促进作用依然存在。列（15）和（17）引入中介变量数字经济（DIGT）和区域创新（INNO）变量后，知识产权保护对创业活跃度的促进力度均有所减弱，验证了中介效应的存在，说明知识产权保护会通过数字经济、区域创新影响创业活跃度，说明了原模型的稳健性。
表11 系统GMM估计结果
变量
|
（12）
|
（13）
|
（14）
|
（15）
|
（16）
|
（17）
|
EACT
|
EACT
|
DIGT
|
EACT
|
INNO
|
EACT
|
L.EACT
|
0.67***
|
0.63***
|
|
0.64***
|
|
0.61***
|
（58.74）
|
（47.88）
|
|
（50.01）
|
|
（47.29）
|
IPP
|
0.015***
|
|
0.0052***
|
0.010***
|
0.0020***
|
0.0083***
|
（8.32）
|
|
（2.73）
|
（8.14）
|
（4.90）
|
（6.48）
|
DIGT
|
|
0.47***
|
|
0.38***
|
|
|
|
（9.55）
|
|
（12.46）
|
|
|
INNO
|
|
|
|
|
|
2.78***
|
|
|
|
|
|
（9.10）
|
L.DIGT
|
|
|
0.39***
|
|
|
|
|
|
（61.45）
|
|
|
|
L2.DIGT
|
|
|
0.22***
|
|
|
|
|
|
（39.45）
|
|
|
|
L.INNO
|
|
|
|
|
0.92***
|
|
|
|
|
|
（39.79）
|
|
L2.INNO
|
|
|
|
|
-0.050***
|
|
|
|
|
|
（-2.70）
|
|
PGDP
|
4.39***
|
3.18***
|
0.84***
|
2.92***
|
0.030
|
1.96***
|
（11.12）
|
（5.06）
|
（10.67）
|
（7.01）
|
（1.26）
|
（4.50）
|
SCIL
|
0.28***
|
-0.088
|
0.0061
|
0.076
|
0.021***
|
-0.053
|
（3.35）
|
（-0.77）
|
（0.44）
|
（0.97）
|
（3.67）
|
（-0.57）
|
INFR
|
0.0018
|
-0.016**
|
-0.0000
|
-0.012***
|
-0.0023
|
-0.0066
|
（0.35）
|
（-2.17）
|
（-0.08）
|
（-2.77）
|
（-1.02）
|
（-1.44）
|
OPEN
|
3.36***
|
3.47***
|
0.067
|
3.00***
|
0.023
|
2.57***
|
（7.92）
|
（7.61）
|
（1.04）
|
（6.95）
|
（1.42）
|
（6.19）
|
LABR
|
3.05***
|
1.94***
|
9.26***
|
1.88***
|
0.42***
|
1.91***
|
（6.88）
|
（3.18）
|
（25.28）
|
（4.17）
|
（4.63）
|
（4.53）
|
_cons
|
-33.64***
|
-21.86***
|
-3.70***
|
-20.17***
|
-0.012
|
-7.58*
|
（-8.29）
|
（-3.52）
|
（-4.61）
|
（-4.77）
|
（-0.046）
|
（-1.67）
|
AR（1）
|
0.00
|
0.00
|
0.021
|
0.00
|
0.00
|
0.00
|
AR（2）
|
0.32
|
0.45
|
0.65
|
0.35
|
0.16
|
0.43
|
Sargan检验
|
0.15
|
0.10
|
0.23
|
0.16
|
0.50
|
0.27
|
Obs.
|
1288
|
1288
|
1104
|
1288
|
1104
|
1288
|
注：括号中数值为回归系数标准差；***、**、*分别表示在1%、5%、10%的显著性水平。
（二）替换被解释变量的稳健性检验
采用北京大学发布的《中国区域创新创业指数》公布的投资项目（VCPE）表征被解释变量创业活跃度（EACT），同时在基准模型的基础上，引入金融发展水平控制变量，其计算方法是金融机构存款余额占GDP的比重。稳健性检验的基准模型结果表明，主要检验系数知识产权保护（IPP）、数字经济（DIGT）数值均显著为正，表明知识产权保护、数字经济对创业活动的促进作用依然存在。知识产权保护（IPP）的系数在引入数字经济（DIGT）和区域创新（INNO）中介变量之后有所下降，验证了中介效应的存在，说明改变被解释变量的度量，知识产权保护对创业活跃度的影响机制不变。
（三）替换解释变量的稳健性检验
采用每万人知识产权案件数（IPPR）替换知识产权保护（IPP）进行稳健性检验。稳健性检验的结果表明，每万人知识产权案件数（IPPR）和数字经济（DIGT）的系数显著为正，验证了知识产权保护、数字经济对创业活动的促进作用。每万人知识产权案件数（IPPR）的系数在引入数字经济（DIGT）和区域创新（INNO）中介变量后对创业活跃度的促进力度减弱，这说明改变解释变量的度量方式，知识产权保护通过数字经济、区域创新影响创业活动的机制不变，体现了模型的稳健性。
五、结论与政策建议
（一）结论
第一，知识产权保护和数字经济都可以促进创业活跃度的提升。第二，知识产权保护对创业活跃度的作用机制是非线性的，在一定的区间范围内知识产权保护对区域创业活跃度可以起到明显的促进作用。第三，数字经济和区域创新是知识产权保护提升区域创业活跃度的有效中介机制。第四，知识产权保护和数字经济对创业活跃度的影响呈现显著的地区差异，知识产权保护对沿海城市创业活跃度的促进作用更加明显，数字经济对内陆城市创业活跃度的边际效应更强。
（二）政策建议
首先，应重视知识产权保护对创业活跃度的促进作用。随着我国新修订《专利法》《著作权法》《商标法》《反不正当竞争法》等法律法规的实施，各省市应继续推进严保护、大保护、快保护和同保护等强化知识产权保护的措施，塑造良好营商环境，充分发挥知识产权保护在知识溢出、知识产权共享和企业集聚等活动中对创业活动的积极影响，助力区域经济实现高质量发展。知识产权保护强度的有效提升，一定程度内可以最大化实现对区域活跃度的促进作用。第二，要深入探究数字经济、区域创新作为知识产权保护影响区域创业活跃度的中介作用。各地区应进一步推动知识产权保护、数字经济、创新水平和区域创业活动的协同发展，系统性评估知识产权保护对数字经济、区域创新发展的作用机理，最大化释放知识产权保护对数字经济外部营商环境营造、内在数字技术创新激励的协调机制，实现知识产权保护对区域创新的“软件”和“硬件”支撑，充分发挥数字经济和区域创新对区域创业活跃度的提升作用。强化大局意识和全局观念，将知识产权保护与当地的数字经济政策、创新政策，以及招商引资政策、人才引进政策、科技政策等结合在一起，实现“知识产权—数字经济—区域创新创业”等多元互动的良性循环。第三，应注重政策制订、实施和发挥作用的区域差异性。各地要把握知识产权强国、“互联网+”、数字化转型等对“大众创业、万众创新”提出的要求和历史机遇，通过实施差异化、动态化的政策组合工具，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群，加强数字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平，推动创业型企业在智慧城市和大数据产业中发挥积极作用，改善我国长久以来科技成果转化率低、供给侧和需求侧对接不畅、发展不平衡不充分的矛盾，实现中国经济由过去的低质量减速发展转向高质量增速发展。
参考文献：
[1]HAEUSSLER C, HARHOFF D, MUELLER E. How patenting informs VC investors-the case of biotechnology[J]. Research policy, 2014, 43（8）: 1286-1298.
[2]USECHE D. Are patents signals for the IPO market? an EU-US comparison for thesoftware industry[J]. Research policy, 2014, 43（8）: 1299-1311.
[3]NDUBISI N O. Entrepreneurship and service innovation[J]. Journal of business & industrial marketing, 2014, 29（6）: 449-453.
[4]周大鹏.外资研发是否促进了本土创业：基于中国高技术制造企业的联立方程模型研究[J].世界经济研究，2019（6）：95-108，136.
[5]ACS Z J, SANDERS M. Intellectual property rights and the knowledge spillover theory of entrepreneurship[J]. Small business economics, 2012（39）: 801-817.
[6]LAPLUME A O, PATHAK S, XAVIER O E. The politics of intellectual property rights regimes: an empirical study of new technology use in entrepreneurship[J]. Technovation, 2014, 34（12）: 807-816.
[7]METS T, KAARNA K, KELLI A. Intellectual property-lever or barrier to the globalization of knowledge intensive SMEs of smallcountry origin[J]. Engineering economics, 2010, 21（4）: 387-398.
[8]HALILEM N, AMARA N, OLMOS P J, et al. “To own, or not to own?” a multilevel analysis of intellectual property right policies' on academic entrepreneurship[J]. Research policy, 2017, 46（8）: 1479-1489.
[9]PATHAK S, XAVIER O E, LAPLUME A O. Influence of intellectual property, foreign investment, and technological adoption on technology entrepreneurship[J]. Journal of business research, 2013, 66（10）: 2090-2101.
[10]李纪珍，李晓华，陈聪，等.学术创业企业从0到1的成长[J].科研管理，2020，41（6）：139-148.
[11]程德理.技术创业与专利制度作用实证研究[J].科学学研究，2019，37（1）：95-103.
[12]王钰，胡海青.冗余资源与创业导向：制度环境的调节效应[J].科研管理，2021，42（08）：3542.
[13]梁翠，王智新.推动创新创业高质量发展的知识产权司法保护法律政策研究[J].科学管理研究，2019，37（2）：12-15.
[14]廖晓东，王子丹，袁永，等.降低创新创业的知识产权成本研究——基于佛山与主要城市比较视角[J].科技管理研究，2020，40（3）：101-106.
[15]朱福林.后疫情时代我国数字经济高质量发展战略对策[J].经济体制改革，2021（1）：27-34.
[16]LATTACHER W, GREGORI P, HOLZMANN P, et al. Knowledge spillover in entrepreneurial emergence: a learning perspective[J]. Technological forecasting and social change, 2021, 166（5）: 1-13.
[17]ACS Z J, BRAUNERHJELM P, AUDRETSCH D, et al. The knowledge spillover theory of entrepreneurship[J]. Small business economics, 2009, 32（1）, 15-30.
[18]AUDRETSCH D B, KEILBACH M. Resolving the knowledge paradox: knowledge-spillover entrepreneurship and economic growth[J]. Research policy, 2008, 37（10）: 1697-1705.
[19]GOMEZ-ANTONIO M, SWEENEY S. Testing the role of intra-metropolitan local factors on knowledge-intensive industries' location choices[J]. The annals of regional science, 2021, 66（3）: 699-728.
[20]罗尚忠.知识产权保护与共享[J].中国科技论坛，2018（8）：3.
[21]CHEN Y. Improving market performance in the digital economy[J]. China economic review, 2020, 62（8）: 1-8.
[22]操龙升，赵景峰.专利制度对区域技术创新绩效影响的实证研究——基于专利保护视角[J].中国软科学，2019（5）：97-103.
[23]覃波，高安刚.知识产权示范城市建设对产业结构优化升级的影响——基于双重差分法的经验证据[J].产业经济研究，2020（5）：45-57.
[24]邵素军.浅析知识产权保护与数字经济发展关系[J].人民论坛，2019（24）：46-47.
[25]李俊松.数字经济下创新创业环境管理优化研究——评《数字经济与创新创业管理实务——跨界融合》[J].当代财经，2020，425（4）：2，151.
[26]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.
[27]宋林，何洋.互联网使用对中国城乡家庭创业的影响研究[J].科学学研究，2021，39（3）：489-498，506.
[28]刘刚，张泠然，梁晗，等.互联网创业的信息分享机制研究——一个整合网络众筹与社交数据的双阶段模型[J].管理世界，2021，37（2）：107-125，9.
[29]赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界，2020，36（10）：65-76.
[30]刘斌，辛伟涛.互联网是否会激活机会型创业？——基于创业动机视角的实证研究[J].经济评论，2020（5）：98-108.
[31]DINOPOULOS E, SEGERSTROM P. Intellectual property rights, multinational firms and economic growth[J]. Journal of development economics, 2010, 92（1）: 13-27.
[32]唐家龙，周子琳，张兴国，等.创新能否促进大众创业——基于微观调查与地级市匹配数据的实证研究[J].中国科技论坛，2021（2）：169-178.
[33]吴士健，孙专专，刘新民.区域创新系统中企业家集群的涌现机理及动态演化[J].广东财经大学学报，2017，32（5）：22-33.
[34]温忠麟.张雷，侯杰泰，等.中介效应检验程序及其应用[J].心理学报，2004（5）：614-620.
[35]沈国兵，黄铄珺.城市层面知识产权保护对中国企业引进外资的影响[J].财贸经济，2019，40（12）：143-157
[36]EUROPEAN COMMISSION. Digital economy and society index（DESI） 2017 [EB/OL]. [2021-04-02]. https://www.altinget.dk/misc/Factsheet.pdf.
[37]OECD. Measuring the digital economy: a new perspective[J]. Oecd publishing, 2014（6）: 45-49.
[38]姚志毅，张扬.数字经济与区域经济联动性的动态分析[J].经济经纬，2021（1）：1-10.
[39]上海社会科学院经济研究所.数字经济蓝皮书：全球数字经济竞争力发展报告[M].北京：社会科学文献出版社.2019，16-17.
[40]潘龙华.欲速则不达：地方经济增长目标、政府行为与高质量发展[J].金融经济学研究，2021，36（2）：143-160.
作者简介：姜南（1982—），女，山东威海人，同济大学上海国际知识产权学院副教授、博导，研究方向为知识产权管理与政策。通信作者：欧忠辉。
