摘要：为研究财政科技投入和知识产权保护对专利质量的影响，用1999—2018年我国时间序列数据，基于VAR模型进行分析，实证发现财政投入规模及强度不是专利质量的格兰杰原因，知识产权保护强度是专利质量的格兰杰原因。财政投入规模对专利质量是显著正响应，财政投入强度、知识产权保护强度对专利质量既有正响应也有负响应。专利质量变动主要受自身变化影响，财政投入对专利质量的解释程度高于知识产权保护强度。研究表明：专利质量提高能营造良好的研究环境，对后期研发高质量专利有积极影响，财政投入引导创新和市场保护知识产权对专利质量同样具有积极影响。

关键词：财政投入，知识产权保护强度，专利质量，VAR模型，

【基金项目】上海市“科技创新行动计划”软科学研究领域重点项目“上海建设有全球影响力的科技创新中心建设重点政策跟踪研究”（16692100300）。

一、引言

纵横人类文明史，人类社会从采集狩猎时代进化到农业时代经历了十几万年；从农业时代到工业时代，人类用了几千年；而由工业时代到原子时代，才两百多年；之后几十年，人类快速进入信息时代。人类社会为什么能够爆炸式加速发展？这要归功于人类对科学理论和科学技术的不断探索，掌握了科学技术和创新能力就能掌握国家高速发展的先机。

十九届五中全会中明确了创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑，完善国家创新体系，加快建设科技强国。财政大力支持科技强国，瞄准生命健康、深地深海、空天科技、人工智能等领域，对企业投入基础研究实行税收优惠，鼓励企业加大科技研发投入。财政加大投入引进人才，安排科技和人才专项资金支持创新驱动发展。我国对于科学技术的重视有增无减，把建设科技强国作为我国科技界未来30年的国家战略使命。科学技术在我国建设现代化强国中的作用不言而喻，凯恩斯的政府干预理论强调了政府在社会中的重要作用。Wade H（2017）认为私人部门不会开展科技研发，需要国家发挥科技创新引导者的职能直接领导科技^[1]。结合我国实际情况，政府应该在社会技术基础建设中发挥着应有的作用。研究财政投入与科技的关系，可以更好地了解当前财政科技投入活动的状况，分析财政资金的投入规模和强度，优化财政资金配置，对相关政策制定给予建议，有利于提高财政科技投入的效率和激发科研活力。

二、文献综述

对于国家加大科技活动的资金投入是否合理的问题，学者提出了不同看法。上世纪60年代，ARROW K（1962）认为科学技术发展需要的资金如果完全由市场这只“看不见的手”来筹集，科技发展募集到的资金就会远远低于发展需求的水平^[2]。科技发展过程中需要财政给予一定支持和帮助，一方面是因为政府对科技创新的政策优惠在科技发展中有深厚影响（CHEN D X，2016）^[3]；另一方面，以政府为主导的财政金融支持是科技创新主体最可信赖的依靠力量（陈胜军等，2016）^[4]。张玉喜等（2015）和刘胜强等（2014）认为财政投入是影响科技创新的主要因素，加大对于科技活动的财政投入被认为是合理的^[5][6]。

卢方元等（2016）、蔡承彬（2006）、赵天宇等（2017）等研究发现财政在科技发展中以财政补贴、公共投资等方式的直接投入，能够有效降低研发主体研发创新的风险和研发成本，引导各个研发主体开展科技创新合作，激励主体进行技术创新，也拓宽研发者研发过程中的融资途径，甚至形成企业不断研发获取财政补贴融资的循环^[7][8][9]。宋丽颖等（2017）、BARRO R（1990）等认为财政投入的作用不仅在于能够直接减缓创新主体的资金压力，还能激励更多社会生产要素投入到科技创新活动中来^[10][11]。但是，刘虹等（2012）研究发现财政科技投入对于科技不存在长期的积极影响，财政科技支出与科技创新存在“倒U”形关系的结论^[12]。邵敏和包群（2012）进一步按地区讨论，利用省际面板数据，从全国和东、中、西部地区的角度分析，结论发现财政科技支出不都是有激励作用。在全国范围和东部地区，财政科技支出与科学技术创新呈现一种“倒U”形关系，在西部地区有激励作用，在中部地区的激励作用不显著^[13]。甚至政府研发投入对于技术研发还有挤出效应（林小玲，2019）^[14]，部分企业在接受政府补贴后生产率反而下降了，可能是政府将补贴给予低效的企业，扭曲了资源配置，抑制了科技创新（任曙明等，2014）^[15]。

在研究科技发展水平时，测度科技进步的指标层出不穷。李伟（2010）和李强等（2006）在研究财政与科技的关系时，发现财政的专利资助政策对于专利数量和专利结构有积极影响，财政科技投入在科技直接成果方面绩效显著^[16][17]。除了专利结构、专利数量，张古鹏等（2011）和BEKKERS R等（2017）还基于专利付费期、专利被引用数据等测度专利质量^[18][19]。

马斯格雷夫和罗斯托的经济发展阶段在增长理论中提出，不同时期财政支出的作用不同，财政支出总量也会有变化。在财政支出对于科技的影响上，有人研究财政支出对于科技发展是否合理，然后研究财政投入对于科技的作用是积极作用还是消极作用，进一步按照不同划分标准研究财政科技投入的影响。大部分研究是把专利申请数量或者专利授权数量作为衡量科技进步的指标，但是数量不等同于质量，专利也有优劣之分。经过实证得出结论，科研经费的投入的确增加了专利的数量，但是并没有明显构成增加高新技术产品出口的原因，因此只有高质量的专利才能真正促进科技发展。对于专利质量的测度能更有效代表科技进步水平，本文选择衡量指标时，在专利数量的基础上提出把专利质量作为衡量科技进步的指标。

本文创新点是用专利授权数占专利申请数的比值来测度专利质量，解释财政投入对于专利的影响和科技进步的作用，在变量选择部分会解释本文如何定义专利质量。鉴于部分前人研究没有考虑通货膨胀因素，未对数据进行必要的转换，可能会影响结果，本文考虑到这一点并进行处理。

三、变量选择和模型设定

（一）变量选择及数据说明

《世界竞争力指标（WCY）》《主要科学技术指标（MSTI）》《度量科学、技术与发明创造的新科学指标》等详细阐述了具有影响力的科学技术指标，主要有：论文文献、专利、出版物、创新产出、科技产出、研发投入等，本文选取专利作为测度科技进步的指标，主要是因为专利能有效提高我国核心竞争力和生产力，专利的申请数量、授权数量等资料公开透明，易于获取，并且专利也能够将技术转换成商品进入市场交易，是一项能明确带来经济效收益的指标。本文考虑到财政科技投入、财政在科技活动的投入强度和知识产权保护强度对于专利质量的影响，选择以下变量。

本文亮点在于测度专利质量上，前人在选取专利作为度量科技进步的指标时，大部分是专利申请的数量，但不是所有专利具有使用价值和交换价值，能在现实市场为所有者或使用者带来利益。与申请专利相比，专利授权的参评条件更高，是在经过审查获得专利权的专利的基础上，具有有效且稳定的技术或设计水平高，并且已实施并取得较好的经济效益或社会效益。本文用变量rpatent反映专利质量情况，专利授权数与申请数的比值能衡量专利质量。专利申请数表示申请受理已经进入了审批程序的专利数量，专利授权数表示在已经获得专利权的基础上具备良好效益的专利申请授权的数量。

用变量fs表示财政科技投入的金额，代表财政在科技活动的投入规模情况。基于经济发展阶段增长理论，用变量rfs表示财政科技投入占公共财政支出的比重，衡量财政资金投入科技活动中的强度。财政投入对于科技进步的作用作为本文的研究重点，考虑财政科技投入总量和财政科技投入占财政支出的比例，可以研究财政投入绩效和财政支出结构是否合理。用变量ppi表示知识产权保护强度。保护专利成果可以使得科技投资行为能够在竞争市场上得到公平公正的保障，能充分保护知识产权和技术财产，并促使人们自觉尊重或被迫尊重知识产权，维护公众利益（程华等，2008）^[20]。国内外对知识产权保护强度的测量指标有GP指数，是通过衡量知识产权立法强度作为指标，但是立法强度不能体现社会对于知识产权的执法程度，并不能体现对于知识产权的保护强度（LI W等，2015）^[21]。在研究中把在全国技术市场成交合同数量作为度量知识产权保护强度的标准，只有在知识产权保护水平比较高时，全国技术市场才能对于知识产权进行交易。

本文开展实证分析的基础是数据，数据选取的时间跨度为1999—2018年。同时为消除物价上涨因素对实际数值的影响，本文以1978年不变价格为基础，对变量财政科技投入的名义金额进行数据处理，调整为财政科技投入的实际支出。为克服数据中的异方差和数据剧烈波动，除了数值属于比例的变量外，其余变量都取对数，各个变量描述性统计如表1所示。

表1　描述性统计

资料来源：《中国科技统计年鉴》《中国统计年鉴》，中国科技数据库。

从1999—2018年，国内、外专利授权数量占申请数量的比值逐渐下降，从1999年的76.1%下降到2018年的56.61%，说明高质量的专利产出比例在缓慢下降，意味着高质量专利的增长速度低于专利产出增加。财政科技投入金额不断增加，从1999年的543.9亿元增加到2018年的9518.2亿元，连续翻了好几番，政府对于科技创新越发重视。财政科技投入占公共财政支出的比重波动不大，在1999年占比是4.12%，从1999—2018年，最高占比4.67%，最低占比3.62%，到2018年占比是4.3 1%，总体有缓慢上升趋势，这印证了经济发展阶段增长理论：在发展前阶段，公共积累支出占较高比重；在发展中期，政府投资只是私人部门的补充；在成熟期，政府投资的增长率可能回升，而我国科技事业正处于发展阶段。变量ppi代表全国技术市场成交合同金额，也就是知识产权保护强度，从1999年的523.45亿元，在2018年快速增长到17697.42亿元，意味着于知识产权保护强度在不断增强。

（二）VAR模型构建

本文主要检验财政科技投入规模、财政科技投入强度和知识产权保护强度对于专利质量的动态关系，传统的经济计量模型有一定局限性，会预设变量作用方向和因果关系，相比之下，VAR模型突破了局限，将研究对象作为解释变量和被解释变量，能有效分析多个变量之间相互作用的关系。

VAR模型也叫向量自回归模型，是由线性方程构成的联立方程组模型，由霍得-科普曼斯（Hood-poOKmans）和科普曼斯（poOKmans）提出，该联立方程组主要优点是充分考虑每个方程的残差和解释变量的有关问题。VAR模型是非结构性模型，解决了以前在经济理论指导下构建的结构模型存在的问题。在建立各个变量之间关系的模型时，若变量是非平稳的，则会违反基本假设，带来更严重的伪回归问题，因此在构建该模型前需要对数据平稳性进行检验。VAR模型在研究中有广泛的应用，主要应用于预测和分析随机扰动对系统的动态冲击，冲击的大小、正负及持续时间。具体地讲，VAR（P）模型如式（1）所示。

y_t=A₁y_t-1+A₂y_t-2......+A_py_t-p+Bx_t+ε_t  （t=1，2，......，n）    （1）

根据模型的基本形式，y_t和x_t代表模型中的内生变量和外生变量，p是滞后期，t是样本容量，ε_t是VAR模型的随即扰动项，内生变量y的系数A和外生变量x的系数B是影响系数。

四、实证分析

（一）变量平稳性检验

本文选取ADF单位根检验法对rpatent、lnfs、rfs、lnppi进行检验，当内生变量为同阶单整时，则通过平稳性检验，运用Stata16.0软件进行ADF检验，检验结果如表2所示。表2中检验结果显示，一阶差分后d.rpatent、d.lnfs、d.rfs和d.lnppi的ADF值小于临界值，则拒绝原假设，认为变量是平稳的。用ADF检验对专利质量、财政科技投入规模、财政科技投入强度和知识产权保护强度进行单位根检验，最后结论这些变量是单整的且阶数相同，这些变量都通过平稳性检验。

表2　ADF平稳性检验结果

注：1）表中的d表示一阶差分；2）检验形式（C，T，K）中各项依次表示单位根检验方程截距项、时间趋势项和滞后阶数，滞后阶数采用AIC准则确定；3）括号内为5%置信度水平下的临界值。

（二）协整检验

经过ADF检验，变量rpatent、lnfs、rfs和lnppi的原数据是非平稳时间序列，但经过一阶差分后都变成平稳时间序列。在所有变量是同阶单整的情况下，可能存在协整关系。因此需要对变量进行协整检验，以确定变量之间是否存在长期稳定的关系。选择可以直接用于多变量的约翰森（Jonhanson）协整检验判断变量间是否有协整关系。Johansen检验法检验结果如表3所示。在表3中，本文对原数据进行平稳型检验，在5%的置信水平下，表格3第一行迹统计量检验46.9101＜47.21，接受最多有存在0个协整关系的假设。由此，认为变量rpatent、lnfs、rfsh和lnppi之间不存在着长期稳定的均衡关系，因此可以直接拟合VAR模型。

表3　Johansen协整检验结果

注：*表示在5%的显著性水平下拒绝原假设。

（三）VAR模型说明与最优滞后期的选择

根据VAR模型滞后期的选择标准，从表4中第4行可以看出FPE、LR、AIC HQIC和SBIC统计量有5个指标，这些指标都显示的最优滞后期为p=3，因此本文可以建立无约束的VAR（3）模型。

表4　VAR模型最优滞后期的确认

注：*表示在5%的显著性水平下拒绝原假设。

（四）VAR（3）模型的稳定性检验

从图1可以看出，在滞后期为3的前提下，得出稳定性检验结果，发现VAR（3）模型的全部根都落在单位圆以内，VAR（3）模型是一个平稳系统，选取的四个变量之间存在长期稳定关系，可以进一步进行分析。

图1　专利质量VAR模型的稳定性检验

（五）格兰杰因果关系检验

格兰杰因果关系检验是判断本文变量是否在经济学上有意义，即一个变量前期变动是否能引起另一个变量前期变动。在对专利授权申请比的方程进行格兰杰因果检验，如表5所示，rpatent检验的原假设是所有变量不是变量rpatent的格兰杰原因，即所有变量及其滞后项的系数对rpatent不影响。在滞后期为3的前提下，用原时间序列的平稳序列做格兰杰因果关系检验，得出结果第一行原假设变量lnfs不是rpatent的格兰杰原因，对应P值0.340大于0.05，接受原假设。同理可得变量rfs不是rpatent的格兰杰原因，变量lnppi是rpatent的格兰杰原因，rpatent和rfs都是lnfs的格兰杰原因，变量rpatent和lnfs都是rfs的格兰杰原因。综上所述，知识产权保护强度是专利质量的格兰杰原因。同时，专利质量和财政科技投入强度都是财政科技投入规模的格兰杰原因，专利质量和财政科技投入规模都是财政科技投入强度的格兰杰原因。

表5　格兰杰因果检验结果

（六）脉冲响应

脉冲响应函数描述的是财政科技投入规模、财政科技投入强度、知识产权保护强度与专利质量之间的冲击响应幅度和持续时间，刻画变量间的动态影响，即冲击量给因变量和未来值带来的动态响应。脉冲响应函数描述的是VAR模型中的一个内生变量的冲击给其他内生变量所带来的影响。建立VAR模型后，脉冲响应结果如图2所示，变量rpatent的变化引起了变量rpatent的变动，第0期就对专利质量有正响应，之后大幅度下降，直至到了第2期，对专利质量的冲击为负。持续下降后，专利质量开始产生了负的脉冲响应，对专利质量的作用持续加强。到第五期，对专利质量对冲击开始逐渐减小，第10期专利质量对自身依旧是负的脉冲响应。这说明专利质量对自身的冲击先是正向的，然后转为负响应。说明专利质量提高的同时，对前期的专利质量是正响应，后期大部分对专利质量是负响应。专利质量参差不齐，专利数量虽然增加，但是被申请人认可而请求授权的专利数量增长速度低于申请专利权的专利数量增长速度，rpatent的比值在后期缓慢下降。

图2　rpatent对rpatent的脉冲响应图

从图3可得，期初lnfs的变化对rpatent的冲击为0，lnfs对rpatent的脉冲响应有一期滞后，直至到了第2期，lnfs对rpatent的冲击为达到顶峰，之后缓慢下降，到第10期lnfs依旧产生正的脉冲响应。并且随着lnfs变大，对rpatent的冲击减小，说明政科技投入规模对专利质量的冲击总体是正向的。表明财政科技投入金额增加的时候，对后期专利质量的作用先有显著正响应，后来财政科技投入对专利质量提高的对于专利质量的作用减小。财政投入能很好地激励研发专利，但是社会其他资金的涌入使得政府资金占比下降，财政投入对于专利质量的正向作用降低。

图3　lnfs对rpatent的脉冲响应图

在图4，rfs对rpatent的脉冲响应有一期滞后，到了第1期，rfs对rpatent的冲击降低为负响应，在第三期变成正响应，直至第六、七期rfs对rpatent的冲击再一次降低为负响应，随后回升变成正响应，最后响应趋于收敛，冲击响应效果很好。说明财政科技投入比例的变动对专利质量的冲击是不稳定的，有正响应也有负响应。我国科技投入占公共财政支出的比例提高时，对后期专利质量的作用不稳定。

图4　rfs对rpatent的脉冲响应图

（七）方差分解

方差分解是通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性，在已经建立的VAR模型基础上进行方差分解，具体结果如图5所示。

图5　rpatent方差分解结果

在响应波动中，rpatent对rpatent的贡献程度最高，rpatent自身冲击对其波动的贡献率第1期为100%，随后开始缓慢下降，前期下降很快，到后期逐渐平稳，处于很高的水平，说明专利质量的提高对于后期专利质量的提升起到的作用很大，专利质量对于自身的贡献最高。在图6看出来，lnfs、rfs第0期和第1期对于rpatent的解释程度为0，随着期数的增加，我国财政科技投入总额和科技投入占公共财政支出的比例对于专利质量的最大解释程度最大值是16.25%和29.69%。lnppi对于rpatent对贡献程度在第1、2期为0，且后期贡献程度最低，但一直稳定在15%左右，说明知识产权保护强度对于专利质量的贡献很能稳定。财政投入总额增加对于专利质量提高的解释程度也不高，主要是科技活动所需资金庞大，财政资金有限而且覆盖范围局限，财政资金占研发资金的比例不高决定了政府不占主导地位，财政发挥的是引导投资的作用，财政投入也是科技活动中重要一部分。知识产权保护强度对于专利质量的贡献程度数值最低并不代表知识产权保护不重要。

五、结论

本文主要是通过1999—2018年的数据，建立VAR模型研究变量之间的动态关系。在描述性统计中发现，财政科技投入总额在不断增加，财政科技投入占公共财政支出的比重一直保持稳定，呈现缓慢上升的趋势。同时，知识产权保护强度在不断加强，但是现阶段我国国内、外专利授权数量占申请数量的比例在缓慢降低，专利质量并未得到显著提升。

在脉冲响应中说明了财政投入不断增加但是专利质量却未显著提升。加大财政投入强度对于专利质量的提高有积极作用，财政科技投入规模对后期专利质量的作用先是显著正响应，后期财政科技投入增加对专利质量提高的作用减小。在经济发展阶段，增长理论认为不同时期财政支出的作用不同，财政支出总量也会有变化，我国科技正处于发展阶段，财政支出能弥补“看不见的手”的缺陷，政府能给予公共产品财力保障，促进科技积极发展，但是专利研究所需资金不是完全由财政资金提供，财政资金在资本市场起到引导作用。在方差分解中，财政科技投入对于专利质量的提高作用不显著但是平稳，财政科技投入在公共财政支出的比例一直很稳定，有缓慢上升趋势，但是财政科技投入强度对于专利质量提升的解释程度不是特别高。财政支出在科技发展中不是决定性作用，马斯格雷夫的财政职能理论认为，政府的配置职能能实现社会资源有效配置，财政科技投入应当在科研活动中，引导资源合理配置和有效利用。高质量专利对于专利质量提高的贡献率最高，知识产权保护强度对于专利质量的贡献虽然相对较低但是很稳定。曼昆经济学中人们对于激励做出反应这一原理解释了在专利质量提高时，能激励专利研发者研发的创造力，加大知识产权保护强度能够激励专利的相关利益者对于专利研发的投入，营造良好的专利研发环境，利于提高专利质量。

六、建议

（一）发挥政府资源配置作用，合理引导社会资金

财政科技投入对专利质量有着长期显著的正响应，财政科技投入的总额应当不断增加，支持专利申请和授权，激励社会创新活力，促进科技进步。政府资金对于科技进步更是具有重大影响，科技进步离不开政府资金的支持，但政府资金的规模和覆盖面毕竟有限，科技发展需要更多资金，政府投入在科技发展所需资金中不占主导地位。政府在社会中有着引导分配资源、掌控发展战略的作用，政府应当充分发挥资源配置作用，加大财政在科技研发和试验活动的投入以激励创新主体的创造力，同时也引导和促进社会各界资金流入，增加科技研发投入，产生互补效应。

（二）加强知识产权保护强度，营造良好科研环境

由于专利是一种准公共产品，存在市场失灵现象，同时专利技术研发和创新成本高、投资周期长、收益不稳定，再加上维权意识不强导致的侵权行为成本低，经济人趋利避害追求最大利益，可能选择利用漏洞牟取利益。这种行为严重损害了社会公众利益，间接性抑制专利研发和申请的积极性，更不利于维护已授权专利。因此需要加强知识产权的保护力度，不断完善知识产权相关法律，打击侵权行为，提高侵权的罚款和赔款，增加侵权成本，避免侵权行为的发生。保护知识技术创造者的正当权益，遵行“谁投资，谁受益”的基本原则，以提高技术研发主体和投资主体的积极性。同时应完善市场交易体系，不断规范知识产权在市场上交易的相关条例，建立良好的知识产权交易环境，让更多知识转化成商品、生产力，充分发挥科技的价值，也引导着更多的财力、物力和智力资源投向科学技术发展，激励更多专利技术研发，促进科学技术发展，营造良性循环的科学进步环境。

（三）严把专利申请授权审核关，增加优质专利数量

为了获取财政补助、申请科研基金、加分落户等目的，涌现出大量注水专利，如同流水线生产出的“垃圾”专利在专利审查时蒙混过关。这种注水专利与高质量专利对于技术进步和社会发展的作用天差地别，低质量专利不但抢占社会资源，同时也会导致“劣币驱逐良币”现象发生，打击社会创造力。需要严格把控专利审核这一关，减小专利申请数和授权数之间的缺口，缩短专利申请周期，避免信息不对称导致重复研发，激发专利研发活力。严把专利审核关，也能促使专利自身技术的提高，提升专利质量和价值，促使专利能转为生产力。同时，加强科技产出的监督，将科技经费投入到真正需要的地方，提高财政资金使用效率。

参考文献：

[1]WADE H. The American paradox: ideology of free markets and the hidden practice of directional thrust[J]. Cambridge Journal of Economics, 2017, 41（3）: 859-880.

[2]ARROW K. Economic welfare and the allocation of resourcesfor invention[M]. New Jersey: Princeton University Press, 1962.

[3]CHEN D X. Theory starting point analysis of science and technology innovation and government policy intervention[J]. Journal of Anshun University, 2016, 18（4）: 116-118, 121.

[4]陈胜军，郭晓风.江苏财政协同金融支持科技创新：动因、绩效与改革路径[J].地方财政研究，2016（5）：28-34.

[5]张玉喜，赵丽丽.中国科技金融投入对科技创新的作用效果：基于静态和动态面板数据模型的实证研究[J].科学学研究2015（2）：177-214.

[6]刘胜强，常丹丹.重庆市财政科技投入与技术创新关系的实证研究[J].华东经济管理，2014（11）：42-46.

[7]卢方元，李彦龙.政府支持有助于提升高技术产业R&D效率吗？[J].科学学研究，2016（12）：1800-1806.

[8]蔡承彬.技术创新的财政激励[J].华东经济管理，2006（10）：19-21.

[9]赵天宇，修静.政府补贴与战略性新兴产业资本配置：来自上市公司样本的实证研究[J].经济经纬，2017（6）：87-92.

[10]宋丽颖，张伟亮.财政科技投入对西部九省区市全要素生产率影响研究：基于面板分位数回归的方法[J].经济问题探索，2017（4）：83-94.

[11]BARRO R. Government spending in a simple model of economic growth[J]. Journal of Political Economy, 1990, 98: 103-125.

[12]刘虹，肖美凤，唐清泉.R&D补贴对企业R&D支出的激励与挤出效应：基于中国上市公司数据的实证分析[J].经济管理，2012，34（4）：19-28.

[13]邵敏，包群.政府补贴与企业生产率：基于我国工业企业的经验分析[J].中国工业经济，2012（7）：70-82.

[14]林小玲.中国财政科技支出与技术创新：基于金融发展调节效应视角的研究[J].广西财经学院学报，2019，32（4）：68-80.

[15]任曙明，吕镯.融资约束、政府补贴与全要素生产率：来自中国装备制造企业的实证研究[J].管理世界，2014（11）：10-23+187.

[16]李伟.专利资助政策的绩效分析：基于宁波的实证研究[J].中国科技论坛，2010（1）：79-82+100.

[17]李强，韩伯棠，翟立新.公共科研机构绩效评价测度体系研究[J].科学学研究，2006（2）：243-248.

[18]张古鹏，陈向东.基于专利的中外新兴产业创新质量差异研究[J].科学学研究，2011，29（12）：1813-1820.

[19]BEKKERS R, CATALINI C, MARTINELLI A. Disclosure rules and declared essential patents[J]. NBER Working Papers. 2017: 23-27.

[20]程华，赵祥.企业规模、研发强度、资助强度与政府科技资助的绩效关系研究：基于浙江民营科技企业的实证研究[J].科研管理，2008（2）：37-43.

[21]LI W, YU X. China's intellectual property protection strength and its evaluation: based on the accession to TRIPS a greement （Agreement on trade: related aspects of intellectual property rights）[J]. R&D Management, 2015, 45（4）: 138-146.

作者简介：雷良海，上海理工大学管理学院教授，博士，博士生导师，研究方向：金融与财政管理、公司金融、科技金融；梁敏，上海理工大学管理学院硕士研究生，研究方向：科技金融。