参考张海洋（2005）及谢建国、周露昭（2009），引入研发投入（R&Dit）与外国在华专利（fpjt）交互项后，式（4）将式（3）中外国在华专利对国内企业创新的影响分解为两个不同的效应：一是研发投入与外国在华专利交互项系数α3，代表研发投入对外国专利技术溢出的影响，即企业的吸收能力效应，解释为国内企业通过模仿、吸收和学习外国专利技术实现的再创新。二是外国在华专利的一次项系数α2，代表在控制了企业吸收能力效应后，外国在华专利通过其他途径影响国内企业创新的净效应。
（三）变量选取
1.外国在华专利申请量。外国在华专利申请量fpjt为向中国知识产权局提交的、申请人为非中国居民、申请人地址为非中国境内的有效专利申请数量（件）。这一数据来源于国家知识产权局。
2.企业当年发明专利申请数量。企业当年发明专利申请数量invit为第t年i企业的发明专利申请量①（件），用于衡量企业当年的创新活动Innovit。本文采用发明专利申请量而非专利申请量，是因为现阶段国内专利申请包含着大量技术含量较低的实用新型专利以及外观设计专利，并不能真实反映企业的创新状况，企业的发明专利申请更能体现企业的核心创新能力。实证研究采用申请数量加1再取自然对数衡量的方法。这一数据来源于国家知识产权局。
3.企业当年研发投入。企业当年研发投入rdit为第t年i企业的研发投入（元），在实证回归中取对数。并借鉴张海洋（2005）的做法，以研发投入一次项衡量创新效应，研发投入与外国在华专利交互项衡量企业对外国专利技术的吸收效应。这一数据来源于CSMAR国泰安数据库。
4.企业层面的其他控制变量。参照以往研究企业创新及其影响因素的相关文献（张杰，2015；吴超鹏、唐菂，2016；顾夏铭等，2018），选取企业规模、企业年龄、政府补贴、资产收益率、负债率、有形资产比率、现金流比率、托宾Q值等作为控制变量。其中，企业规模（size）采用公司年末总资产（元）的自然对数；企业年龄（age）从企业成立当年计算，并加1取自然对数；政府补贴（subsidy）（元）以取自然对数的方式衡量；资产收益率（roa）采用净利润与总资产比率衡量，代表企业的盈利能力和资产利用效率；负债率（lev）用于测度企业的财务风险；有形资产比率（tangibility）为有形资产与总资产的占比，用于衡量企业的资产结构；现金流比率（cashflow）与企业可用资金状况有关，采用企业经营和投资活动获得的现金流占总资产比率表示；托宾Q值（tobinq）代表企业投资与成长机会。这些数据均来源于CSMAR国泰安数据库。在实证回归中本文还引入了年份、省份和行业虚拟变量。
5.特征变量。具体包括所有权性质、行业集中程度、高科技行业等变量。
（1）所有权性质。根据上市公司股权性质文件，将企业的产权结构划分为国有、民营和外资三类。其中，少量产权情况不清晰的样本未纳入该部分实证分析。
（2）行业集中程度。行业集中程度用于衡量市场竞争程度，代理指标采用行业的赫芬达尔指数（HHI），计算公式为：HHI=∑Si2，si为企业i在该行业中的营业收入份额。赫芬达尔指数越高，行业集中程度越高，垄断程度也越高。根据计算结果将HHI指数划分为高集中度行业、中集中度行业以及低集中度行业三类。分类标准参考美国司法部以HHI值为基准的市场结构分类，认为HHI＜1000的行业为低集中度行业，1000＜HHI＜1800为中集中度行业，HHI＞1800为高集中度行业。②
（3）高科技行业。参考黎文靖、郑曼妮（2016）和龙小宁等（2018），将医药制造业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械和器材制造业、计算机、通信和其他电子设备制造业、仪器仪表制造业、有色金属冶炼和压延加工业、金属制品业划分为高科技行业，其他行业为非高科技行业。
6.其他变量。借鉴张云、赵富森（2017），选取人力资本、贸易开放度作为地区吸收能力环境变量，在吸收能力的实证方程中辅助回归。其中，人力资本（rrl）为企业所在地区当年R&D人员全时当量的自然对数值，贸易开放度（tr）为企业所在地区当年出口值占生产总值的比重。
各变量的描述性统计结果如表1所示，共计2052家上市公司，9508个样本值。
表1 描述性统计
变量名 |
样本量 |
均值 |
标准差 |
最小值 |
最大值 |
外国在华专利（fp） |
9508 |
7.3 |
2.08 |
0.69 |
10.01 |
企业创新（inv） |
9508 |
2.33 |
1.39 |
0 |
9.1 |
研发投入（rd） |
9508 |
17.75 |
1.32 |
14.33 |
21.54 |
企业规模（size） |
9508 |
21.97 |
1.18 |
19.93 |
25.77 |
企业年龄（age） |
9508 |
2.8 |
0.3 |
1.95 |
3.4 |
政府补贴（subsidy） |
9508 |
15.41 |
3.68 |
0 |
20.18 |
资产收益率（roa） |
9508 |
0.04 |
0.05 |
-0.12 |
0.19 |
负债率（lev） |
9508 |
0.4 |
0.2 |
0.05 |
0.86 |
有形资产比率（tangibility） |
9508 |
0.93 |
0.08 |
0.58 |
1 |
现金流比率（cash flow） |
9508 |
-0.05 |
0.16 |
-0.79 |
0.31 |
托宾Q值（tobinq） |
9508 |
2.68 |
1.73 |
0.51 |
9.8 |
人力资本（rrl） |
9508 |
12.14 |
0.97 |
6.51 |
13.25 |
贸易开放度（tr） |
9508 |
0.28 |
0.22 |
0.01 |
0.9 |
五、实证结果与分析
（一）外国在华专利影响中国企业创新的估计结果
首先考虑外国在华专利对中国企业创新的总体影响，表2报告了式（3）的估计结果，表中第（1）～（3）列采用的估计方法为混合最小二乘回归（POLS），第（4）～（6）列为Tobit模型③。在回归过程中采取了逐步加入控制变量、控制固定效应的方法，第（2）（5）列在第（1）（4）列的基础上加入了企业研发投入、企业规模、企业年龄及政府补贴等主要控制变量，并控制了年份、行业、省份固定效应固定效应。第（3）（6）列在此基础上进一步加入了影响企业创新活动的财务控制变量。
表2 外国在华专利与企业创新的检验结果
|
POLS |
Tobit |
（1） |
（2） |
（3） |
（4） |
（5） |
（6） |
fp |
0.063*** |
0.068*** |
0.068*** |
0.068*** |
0.076*** |
0.077*** |
（9.24） |
（3.14） |
（3.16） |
（5.53） |
（3.24） |
（3.25） |
rd |
|
0.398*** |
0.387*** |
|
0.423*** |
0.411*** |
（31.91） |
（30.40） |
（17.26） |
（16.52） |
size |
|
0.343*** |
0.383*** |
|
0.342*** |
0.383*** |
（23.03） |
（21.37） |
（11.61） |
（10.86） |
age |
|
-0.032 |
-0.017 |
|
-0.039 |
-0.021 |
（-0.79） |
（-0.43） |
（-0.51） |
（-0.27） |
subsidy |
|
0.023*** |
0.022*** |
|
0.024*** |
0.023*** |
（6.40） |
（6.07） |
（5.58） |
（5.28） |
roa |
|
|
0.645** |
|
|
0.740* |
（2.32） |
（1.80） |
lev |
|
|
0.003 |
|
|
-0.005 |
（0.04） |
（-0.04） |
tangibility |
|
|
-0.344** |
|
|
-0.372* |
（-2.34） |
（-1.65） |
cash flow |
|
|
-0.022 |
|
|
-0.053 |
（-0.31） |
（-0.62） |
tobinq |
|
|
0.040*** |
|
|
0.040*** |
（4.48） |
（2.98） |
常数项 |
1.869*** |
-13.513*** |
-14.023*** |
1.785*** |
-14.090*** |
-14.603*** |
（35.88） |
（-41.92） |
（-34.46） |
（19.49） |
（-24.99） |
（-20.40） |
年份、行业、省份固定效应 |
不控制 |
控制 |
控制 |
不控制 |
控制 |
控制 |
样本量 |
9508 |
9508 |
9508 |
9508 |
9508 |
9508 |
R2 |
0.009 |
0.463 |
0.465 |
|
|
|
注：括号内为相应的t值，***、**和*分别表示在1%、5%和10%水平上显著。下同。
