王江，常杰
(北京工业大学经济与管理学院，北京100124)
内容提要：本文利用我国高技术22个细分行业2000—2017年的面板数据，探究知识产权保护对我国高技术行业出口技术复杂度的影响，并从产晶生命周期的角度解释行业出口技术复杂度影响差异化的原因。研究结果表明：知识产权保护通过促进自主研发和技术溢出提升了高技术行业的出口技术复杂度；知识产权保护的促进效果在不同细分行业间存在明显差异；对于平均产品生命周期较长的行业而言，其研发活动对知识产权保护更加敏感，因而知识产权保护对此类行业出口技术复杂度的促进效果更加明显。因此，国家应当进一步完善知识产权保护制度，鼓励高技术企业自主研发的资金投入，尽量缩短产品的生命周期，从而提高对模仿行为的承受能力。 关键词：知识产权保护；出口技术复杂度；高技术行业；产晶生命周期
中图分类号：F740文献标识码：A文章编号：1001-148X(2021)02-0040-06
改革开放以来，我国凭借廉价劳动力优势成为全球制造业中心和贸易大国，然而随着人口红利的日益消退，旧发展模式已无法承担推动经济增长的重任，发展高技术产业成为调整产业结构和保障经济长期稳定增长的有效手段。
当前，我国高技术行业出口前景良好，2019年我国高技术行业出口额占总出口额的比重已由2008年的23.71%增长至32.23%①，然而出口规模的快速增长并不意味着出口的技术复杂度的提升。我国国际分工长期锁定在中低端，随着东南亚各国工业体系的日益完善，以及美国等西方发达国家对制造业的重新重视，提高出口竞争力，提升我国在全球价值链中的地位势在必行⑴。知识产权作为高技术行业核心资产，时刻面临来自竞争企业的模仿，知识产权保护对高技术行业的发展有着举足轻重的影响。本文拟从理论上分析知识产权保护对我国高技术行业出口技术复杂度的影响，并从行业产品生命周期的角度解释影响存在行业差异的原因。
一、理论分析与研究假说
高技术行业的创新研发过程具有高投入、周期长、预期收益不稳定的特点，同时，技术创新行为本身就具有较强的外部经济效应，容易产生“搭便车”的现象，最终导致企业不仅无法获得技术创新所带来的全部收益，甚至还会因为其他竞争企业对创新成果的模仿行为而受到严重的经济损失。知识产权保护制度的确立维护了创新者的合法权益，使创新为其带来的高额垄断收益在一定时间内不受侵犯，降低了企业
用于维护知识产权排他性的成本，激发了企业创新热情。此外，在技术所有者申请专利保护时，需将自身的创新成果向全社会公示，这不仅为企业间的技术交流提供了高效可靠的途径，帮助企业从其他技术成果中吸取研发灵感，营造良好竞争环境，还有效地避免了社会研发资源的重复投入，进而提升整个行业的创新效率和出口技术复杂度水平。
知识产权保护还可通过外资进入和进口贸易
收稿日期：2020-08-16
作者简介：王江(1963-)，女，北京人，北京工业大学经济与管理学院教授，经济学博士，研究方向：国际服务贸易、自贸区建设；常杰(1996-)，男，北京人，北京工业大学经济与管理学院硕士研究生，研究方向：
国际服务贸易、国际投资。
基金项目：国家自然科学基金项目，项目编号：71774008o
40
两种途径，利用其技术溢出效应间接的影响出口技术复杂度。一方面，跨国公司为了更好地维持其技术
领先地位，减少领先技术被模仿的概率，更倾向于对知识产权保护力度较大的国家直接投资，而东道国的本土企业可以通过向跨国公司学习或引进其先进技术的方式，提升自身出口产品的技术复杂度。不仅如此，由于东道国知识产权保护水平的提升降低了知识产权侵权风险，使跨国公司在母国与东道国之间的技术转移更加安全，有利于跨国公司在东道国进行技术研究和专利注册等研发活动，或与本土企业展开合作，形成较为稳定的研发联盟⑵，从而使本土企业接触到国际先进技术，促进行业创新。另_方面，知识产权保护水平的提升显著地促进了技术密集型产品的进口⑶，高技术产品的大量进口为一国参与更深层次的国际分工提供了先决条件，从而促使企业优化生产技术以适应更高的国际分工地位，以及下游企业对产品更加严格的技术要求。大量高技术产品的进入还会加剧行业的竞争，迫使企业加大研发投入和人才培养力度以获得竞争优势，进而提升出口技术复杂度。由此，本文提出以下假说。
假说1：知识产权保护通过促进自主创新和技术溢出效应，从而对我国高技术行业出口技术复杂度产生显著的正向影响。
而对于不同高技术行业而言，模仿行为所造成的损失差异直接导致了知识产权保护对各行业出口技术复杂度的促进效果存在不同。在考虑到模仿行为也需要时间且各行业的平均产品生命周期长度存在差异的情况下，假设竞争者在创新企业推出新一代产品后便立刻开始模仿且不同行业间模仿所需时间相同，可将产品的生命周期分为两个阶段：在第一阶段，竞争者处在模仿的过程之中，不具备量产的能力，创新企业的收益不受威胁；在第二阶段，竞争者仿制成功并销售仿制产品，侵占创新企业原有的垄断收益直
至产品过时。显然，对于产品拥有较短生命周期长度的行业而言，第二阶段的持续时间较短甚至为零，使竞争者的盈利时间和收益均大大受限。对于该行业的创新企业而言，对模仿行为的承受能力较强，对知识产权保护的敏感度较弱。而另外一些行业受产品属性、自身研发能力等因素所影响，产品拥有较长的生命周期，难以在短时间内实现产品的更新换代，第二阶段相对较长，模仿者有能力在更长时间内攫取更多的收益，对其造成更大的损失。由此可见，一国的知识产权保护制度可为产品生命周期较长的行业避免更多由模仿行为所带来的损失，因而此类行业的研发活动对知识产权保护更加敏感，知识产权保护对其出口技术复杂度的促进效果也更加明显。据此，本文提出以下假说。
假说2：知识产权保护对不同高技术行业出口技术复杂度的促进效果存在差异。具体而言，行业的平均产品生命周期越长，知识产权保护对该行业出口技术复杂度的促进效果就越明显。
二、产品生命周期测算
当前主流测量行业平均产品生命周期长度的方法主要有两种，一种是直接考察一行业内的部分产品从开始生产销售到停售之间的时间间隔并取平均，以此作为该行业的平均产品生命周期长度⑷。然而，虽然很多行业每年都推出新的产品，但存在着部分组件被后续产品反复使用的情况，导致该方法低估了产品的生命周期长度②。只有新一代产品不再是旧产品的简单模仿，即旧产品的组件均被新组件取代而失去其经济价值后，旧产品的生命周期才真正结束。大多数情况下，企业开发出新一代产品组件并为其申请
专利的过程中，为了充实技术背景并彰显改进之处，通常会引用上一代组件的专利，因此可以通过计算专利的平均向前引用滞后指数，也就是专利自生效起至被其他数个后续专利引用时的平均时间间隔，以此确定被引用专利的经济寿命，并利用各专利的平均经济寿命衡量行业的平均产品生命周期长度顷O 本文采用第二种测算方法，首先需要确定哪些行业属于高技术行业。根据国家统计局2017年《高技术产业（制造业）分类》，高技术行业包括：医药制造，航空、航天器及设备制造，电子及通信设备制造，计算机及办公设备制造，医疗仪器设备及仪器仪表制造，信息化学品制造六个大类。但由 于在国际分类标准下，并未将信息化学品制造业单独列出，故仅将前五类纳入统计范围，并进一步将其细分为22个细分行业；然后根据国家知识产权局于2018年印发的《国际专利分类与国民经济行业分类参照关系表》查各细分行业所对应的IPC代码以确定行业与专利的对照关系；最后利用国家专利局的专利检索与分析网站，根据IPC代码检索各细分行业的专利并统计相关数据，按照上述方法计算各行业的产品生命周期长度。我国专利分为发明专利、实用新型、外观设计三类，为减小误差本文仅将发明专利纳入样本之中，且在被引次数不少于五次的情况下，选取各行业在
41
2009年生效的专利作为统计样本，行业分类与测算的详细结果如表1所示。
表1行业分类与测算结果(单位：年)
大类细分行业平均产品生命周期长度
医药制造业化学药品制造 3.41
中成药生产 1.85
生物药品制品制造 4.98航空、航天器及设备制造业飞机制造 4.61
航天器制造 5.23电子及通信设备制造业电子工业专用设备制造 3.66
光纤、光缆及锂离子电池制造 3.36
通信系统设备制造 2.73
通信终端设备制造 1.49
雷达及配套设备制造 2.88
广播电视设备制造 3.47
非专业视听设备制造 1.15
电子器件制造 1.86
电子元件及电子专用材斜制造 2.09
其他电子设备制造 2.45计算机及办公设备制造业计算机整机制造 3.82
计算机零部件制造 1.52
计算机外围设备制造 2.28
办公设备制造 2.64医疗仪器设备及仪器仪表医疗仪器设备及器械制造 3.11制造业通用仪器仪表制造 4.34
专用仪器仪表制造 4.01
三、数据处理与模型设定
(-)计量模型
为研究知识产权保护对我国高技术行业出口技术复杂度的影响，以及影响是否在不同行业上存在差异，本文设定模型(1)如下：
h(EXTS；,,)=/30+j B1ln(ZZPZ?,()+/32ln(RD it,) +/33ln(FDI it,)+j84ln(Z4/,,)+Q」n(COM；,,)+ "ngj(1)为进一步考察行业产品生命周期长度所产生的调节作用，本文设定模型(2)如下：
lnC^JTS.J=/3。+j B1ln(ZZPZ?,,)+02山(《0,,) +/3,ln(FDI it,)+jB4ln(ZM,,)+j85ln(CO4/,,)+ "ngj+j87ln(77PT?,,)xln(7J+,(2)模型中下标i和t分别代表了不同细分行业和年份，被解释变量EXTS-为我国高技术行业i在t 时期的出口技术复杂度水平，解释变量HPR it，代表行业i在t时期的知识产权保护水平；R0,，表示行业的研发力度；FDI.，为外商对行业的直接投资;
代表行业的进口额；COM；，表示行业i在/时期的行业竞争程度;HC.t是行业i在t时期的人力资本；迟是各行业的产品生命周期长度。各变量的数据来源与处理过程等细节将在下文中详述，在经过Hausman检验后，本文釆用固定效应模型进行实证分析。
(二)
变量说明与数据来源
1.被解释变量出口技术复杂度(EXTS)
为测算各细分行业出口技术复杂度，本文根据《国民经济行业分类(2002)》《国际标准产业分类》以及UNCTAD所发布的产品分类转换表，确定各高技术行业对应产品的HS代码，并通过联合国贸易统计数
据库收集2000-2017年全球48个国家或地区的出口贸易数据，借鉴Hausmann et al. (2007)[6]的方法首先计算各产品的技术复杂度，具体公式如下：
PRODY*=Y—~Y j(3)
i亦/兀
公式(3)中的_/表示国家，％表示不同的产品。PRODY*代表k产品的出口技术复杂度，知,k代表j国％产品的出口规模，禺代表j国的出口总额，与代表j国的实际GDP。根据公式(3)的测算结果，可进一步构建行业层面的出口技术复杂度指数，具体公式如下：
EXTS itj=X^PRODY k(4)
公式(4)中的i表示不同行业，EXTS.j代表j 国i行业的出口技术复杂度，X.■代表j国i行业的出口总额。
2.解释变量行业知识产权保护｛II PR)
本文借鉴沈国兵和黄濟瑁(2019)的方法，将我国知识产权保护水平与行业研发密度相乘，以此衡量行业的知识产权保护力度，具体公式如下：IIPR it,=IPR t x IPD it,(5)
公式(5)中IIPR it，代表行业i在t时期所受到的知识产权保护水平，IPD；,，代表行业i在/时期的研发密度，由该时期行业的研发支出除以该行业主营业务收入而得，相关数据来自《中国高技术产业统计年鉴》。IPR t代表我国t时期的知识产权保护力度，许多论文采用由Ginarte和Park在1997年创建，Park在2008年更新数据的专利保护指数(又称GP指数)作为衡量指标，相比起国际产权联盟发布的国际产权指数，有效地避免了问卷调查法所导致的弱再现性和评价主观性等缺陷。然而，GP指数也存在着自身的问题：一方面，GP 指数每五年统计一次而并非年度数据，因此不适用于基于面板数据的计量模型；另一方面，该指标数据较为陈旧，最新数据仅更新至2010年，故本文转而采用弗莱西研究所(Fraser Institute)所提供的司法体系和产权保护指标(Legal System and
42
Property Right）衡量我国的知识产权保护水平。
根据该组织2019年的年度报告，该组织认为符合自由经济的产权保护法律体系的关键组成部分是法治，财产安全，独立且公正的司法机构以及是否公正有效地执行法律。因此从司法独立、法院公正度、合同的法律执行、不动产销售的监管费用、警察的可靠性、商业犯罪的成本、产权保护、军事干预程度、法律制度的完整性这九个不同角度（Fraser Institute,2019），较为全面地考察一国的知识产权保护力度。
3.控制变量
本文采用研发资本存量衡量行业的研发力度（RD），借鉴戴魁早（2018）⑺的处理方法，利用永续存盘法计算资本存量，具体公式如下。
RD itl=E.+（1-8）RD.（6）
RD i0=E t0/（g+3）（刀
E-代表i行业/时期的研发支出总额，折旧率（S）按学术界常见做法设定为15%，利用公式（7）可计算基期i行业的研发资本存量，g为该行业1996-2000年研发支出增长率的平均值。
本文釆用研发机构人数衡量行业的人力资本（HR），采用行业内的企业数量衡量行业的竞争程度（COM）。由于缺乏各细分行业外商直接投资（FDI）的数据，故本文借鉴褚婷婷等（2020）凶的 处理方法，选取外资企业固定资产投资额作为衡量指标。上述四个控制变量的数据均来自《中国高技术产业统计年鉴》，且按照世界银行数据库每年发布的货币汇率将人民币转化为美元。各细分行业的进口规模（IM）数据来自联合国贸易统计数据库。各变量的描述性统计见表2。
表2描述性统计
变量观测值最大值最小值标准差平均值
ln(EXTS)39611.6409.7620.60610.507 ln(HPR)396 1.8130.0860.492 1.191
ln(RD)39617.23111.455 1.40115.017 ln(FDI)39625.86816.862 2.53720.826
ln(IM)39627.24018.728 2.81722.023 ln(COM)3969.021 3.202 1.263 5.920
ln(HC)39612.159 6.089 1.5019.693
四、实证结果分析
（一）基于不同行业的分析
本文首先将前文中提到的22个细分行业按产品生命周期长度由短到长分为四组，前两组每组包括五个行业，第三和第四组则各包含六个，利用计量模型（1）分别对其进行回归，回归结果如表3所示。
表3基于产品生命周期长度分组的回归结果解释变量(1)(2)(3)(4)
ln(IIPR)0.116***0.188***0.249***0.311***
(3.71)(2.83)(2.62)(3.01)
ln(RD)0.184**0.109*0.094***0.251***
(2.20)(1.92)(3.34)(3.62)
ln(FDI)0.166***0.158**0.187**0.094**
(3-81)(2-46)(2.27)(2.33) ln(IM)0.052***0.047**0.065***0.015***
(2.94)(2.13)(2.83)(4.01)
In(COM)0.077*0.066**0.048*0.033*
(1-79)(2.02)(1.65)(1.80) ln(HC)0.191***0.205*0.121*0.183**
(2.04)(1-03)(1.72)(1-81)
C10.472***11.483***9.083***15.850***
(10.38)(15.92)(12.85)(1氐38)
年份固定效应控制控制控制控制
行业固定效应控制控制控制控制R20.8490.7820.8630.859
样本量9090108108
注：括号内为t«,*,*•和…*分别表示在10%、5%和1%«显著永平下显著（下同）。
从表3所展示的结果中可以看出，我国知识产权保护水平的提升显著地促进了高技术行业的出口技术复杂度，各组的回归系数均为正并在1%的置信水平下显著，且促进效果在不同组别间确实存在差异，回归系数分别为0.116、0.188、0.249和0.311。更加值得注意的是，回归结果展现出产品生命周期越长，知识产权保护的促进效果就越大的特点，印证了本文的待证假说且表明计量结果较为稳健。为了进一步解释这种情况，本文利用模型2再次回归。
（二）结合产品生命周期长度的分析
为进一步分析我国知识产权保护在不同细分行业间的影响存在差异的原因，本文利用模型（2）再次进行回归，该模型将22个细分行业的平均产品生命周期长度作为解释变量之一，并与我国知识产权保护水平结成交互项，以此作为核心解释变量分析前者对后者的调节作用，具体回归结果见表4。
表4展示了基准回归的结果，且在回归过程中采用了逐渐增加控制变量的方法，在第（6）列中加入了各细分行业的进口规模（皿）作为控制变量，该变量回归系数的符号与理论预期一致且在1%的显著性水平下显著；第（7）列在此基础上加入行业的竞争程度（COM）作为控制变量，该变量的符号虽然符合预期，但由回归结果的t值可以看出其显著性较弱，在10%的显著性水平下显著。本文认为，这可能是因为激烈的竞争环境虽然会促使高技术企业提高研发力度以抢占更多的市场份额，但同时也会加大企业所面
临的模仿风险，加
43
大企业陷入知识产权纠纷的概率，从而抑制了企业创新效率，最终导致竞争程度对出口技术复杂度的正向影响显著性较差；第(8)列中则进一步加入人力资本(HC)作为控制变量，回归结果显示该变量在5%的显著性水平下显著为正，与预期结果一致。这也与我国近些年来的实际发展情况相符：随着我国科教兴国战略的成果日益显现，我国 的人力资本得到了显著提升，使高技术企业自主研发能力不断提高，涌现了诸多例如小米、华为、格力等在国际市场上站稳脚跟、立住品牌的优秀企业，实现了从“模仿他人技术”到“自主掌握核心科技”的转变。与上文中表3的回归结果相同，我国知识产权保护水平对高技术行业出口技术复杂度的影响显著为正，且显著性在(5)到(8)列的回归结果中并未发生较大改变，均在1%的显著性水平下显著，表明上文中知识产权保护力度加大可有效促进行业技术进步的观点是可靠的。此外，知识产权保护水平与行业平均产品生命周期长度的交互项系数也显著为正，表明产品生命周期对知识产权保护的促进效果起到了显著的正向调节作用，也就是说，知识产权保护对出口技术复杂度的促进效果在拥有较长产品生命周期的行业上更加明显，进一步印证了本文第二个待证假说。
表4基准回归结果
解释变量(5)(6)(7)(8)
\n(IIPR)0.217***0.242***0.235***0.250***
(2.刃)(2.74)(3.16)(3.25)
ln(KD)0.163**0.153…0.161***0.158***
(2.41)(2S7)(3.32)(3.18)
ln(FZ)Z)0.141…0.124…0138…0.136…
(2-68)(3.01)(2S7)(279)
0.032***0.028***0.036***
(3.08)(3.45)(3.11)
\n(COM)0.055*0.M6*
(1-85)(1-74) ln(ffC)0.173**
(217) \n(IIPR)xln(T)0.126***0.147***0.181***0.165***
(2.84)(2.92)(3.13)(3.05)
C12.821***12.483***12.634***12.750…
(16.92)(18.36)(15.82)(13.85)
年份固定效应控制控制控制控制
行业固定效应控制控制控制控制H20.7980.8170.8200.831
样本量396396396396
此外，从表4的回归结果还可看出，行业的研发力度对出口技术复杂度的影响在1%的显著性水平下显著为正，表明研发力度(RD)的加强有助于提高行业出口技术复杂度；行业所接受的外商直接投资规模(FDI)对出口技术复杂度的影响同样显著为正，可见外商直接投资规模的扩大也起到了促进行业出口技术复杂度提升的作用。
(三)
内生性处理
考虑到知识产权保护水平的改善会促进高技术行业的出口技术复杂度，而技术复杂度较高的行业通常对知识产权保护十分重视，可能会反过来要求政府加强知识产权保护力度以维护自身合法权益，因此二者可能呈现出互为因果的关系，这使得计量过程中可能出现内生性的问题，本文借鉴学术界常用处理方法，将行业知识产权保护水平的滞后一期替代当期变量再次回归，结果如表5所示。
表5考虑内生性的回归结果
解释变量(9)(10)(11)(12)
L.]n(IIPR)0.232***0.256***0.242…0.269***
(273)(2.89)(2.96)(3.84) ln(7?Z>)0.152**0.163***0.156***0.148***
(2-23)(3-11)(3-63)(3-42) ln(FD/)0.171***0.184…0.180…0.174***
(298)(3.21)(3.10)(3.39) ln(册)0.052***0.048***0.043***
(2.74)(2.95)(3.27)
\n(COM)0.035*0.063*
(1.65)(1.88)
ln(ffC)0.187**
(2.47) Lln(IlPR)xlnCT)0.166***0.176***0.194…0.185***
(3.04)(3.42)(3.03)(3.15)
C10.476***10.563***10.356***10.638***
(8-93)(7.36)(&82)(9.85)年份固定效应控制控制控制控制
行业固定效应控制控制控制控制
0.7730.7990.8140.829
样本量374374374刃4
从表5可以看到，在处理了内生性问题后，回归结果与基准回归结果基本一致，知识产权保护及其与交互项的系数依旧显著为正，其他解释变量也没有出现显著变化，进一步印证了上文中所提出的观点。
(四)
稳健性检验
知识产权保护水平是本文的重要解释变量，为了进一步保证实证结果的稳健性，本文采用了两种方法重新构建行业的知识产权保护指数(IIPR)，以此检验结果的稳健性：一种是利用另外一个学术界常用的指标一世界经济论坛(WEF)发布的知识产权保护指数替代Fraser指数；另一种则是利用行业的发明专利密度替代研发密度，发明专利密度可由行业的有效发明专利数量除以该行业年均从业人数计算得出，回归结
44
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议