陳麗嫻

摘 要 從微觀視角研究了創(chuàng)意企業(yè)的知識溢出對地區(qū)經(jīng)濟增長的影響，并立足于創(chuàng)新，闡述了知識溢出、創(chuàng)新與經(jīng)濟增長的關(guān)系。首先，構(gòu)建門檻回歸模型，以知識產(chǎn)權(quán)保護為門檻變量，分析發(fā)現(xiàn)企業(yè)自身知識存量和知識溢出在不同知識產(chǎn)權(quán)保護水平，對經(jīng)濟增長的促進作用不一致。其次，構(gòu)建中介效應(yīng)模型，實證分析創(chuàng)新作為知識溢出促進經(jīng)濟增長的重要中間環(huán)節(jié)。最后，采用交互項模型，分析在不同知識產(chǎn)權(quán)保護水平的情況下，得出企業(yè)自身知識存量和知識溢出對創(chuàng)新的影響方向和程度不一致。因此，關(guān)于知識溢出和創(chuàng)新促進經(jīng)濟增長，適當和合理的知識產(chǎn)權(quán)保護力度，既能保持企業(yè)自主研發(fā)的積極性，又能鼓勵企業(yè)間的交流和學習，發(fā)生知識溢出，促進經(jīng)濟增長。

關(guān)鍵詞 創(chuàng)意企業(yè)；知識溢出；創(chuàng)新；知識產(chǎn)權(quán)保護；經(jīng)濟增長

[中圖分類號]F49 [文獻標識碼] A [文章編號]1673-0461（2017）08-0063-07

一、問題提出

創(chuàng)意經(jīng)濟和創(chuàng)意產(chǎn)業(yè)日益成為拉動經(jīng)濟增長的新引擎，引起世界各國的廣泛關(guān)注。美國、英國、法國、日本、韓國等許多國家已將其發(fā)展成為支柱產(chǎn)業(yè)，使之成為推動發(fā)達國家經(jīng)濟和社會持續(xù)發(fā)展的新引擎，不僅如此，創(chuàng)意產(chǎn)業(yè)也被認為是發(fā)展中國家實現(xiàn)經(jīng)濟轉(zhuǎn)型和跨越式發(fā)展的重要戰(zhàn)略。針對中國目前粗放型經(jīng)濟增長方式難以為繼、全球金融風暴引起的經(jīng)濟衰退、中小制造業(yè)企業(yè)轉(zhuǎn)型陣痛的壓力和人們對精神生活的迫切需求等情況，提出發(fā)展附加值高、知識密集度高和整合性高的創(chuàng)意產(chǎn)業(yè)是適應(yīng)時代發(fā)展的需求，對于中國提升經(jīng)濟發(fā)展水平和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)具有不可低估的作用。尤其知識要素密集作為創(chuàng)意產(chǎn)業(yè)的重要特征，知識是經(jīng)濟增長中最為活躍的投入要素，不同于其他投入要素之處在于知識具有溢出效應(yīng)，在正式和非正式的渠道，其知識流動和溢出過程，對經(jīng)濟發(fā)展的重要性不言而喻。但隨著經(jīng)濟社會的發(fā)展，知識產(chǎn)權(quán)保護問題將會越來越受重視，我國也于2008年正式頒布《國家知識產(chǎn)權(quán)戰(zhàn)略綱要》，明確提出要完善知識產(chǎn)權(quán)制度，加強知識產(chǎn)權(quán)的保護。受嚴厲的知識產(chǎn)權(quán)保護的影響，創(chuàng)意產(chǎn)業(yè)的知識溢出對區(qū)域經(jīng)濟發(fā)展的效果究竟如何驗證？對于創(chuàng)意產(chǎn)業(yè)，創(chuàng)新是知識溢出促進經(jīng)濟增長的重要傳導路徑。本文采用269家上市公司數(shù)據(jù)和城市層面數(shù)據(jù)，利用多種計量方法，探討中國創(chuàng)意產(chǎn)業(yè)的知識溢出對經(jīng)濟增長的影響效應(yīng)，為我國大力發(fā)展創(chuàng)意產(chǎn)業(yè)提供理論支撐，為國家創(chuàng)意產(chǎn)業(yè)的未來發(fā)展布局與其他相關(guān)政策的設(shè)立提供了重要啟示。

二、文獻回顧與分析

（一）知識溢出和經(jīng)濟增長

國內(nèi)外學者關(guān)于知識溢出和經(jīng)濟增長之間的關(guān)系進行了詳細的探討，主要集中于兩方面，一方面是闡述知識溢出促進經(jīng)濟增長的作用機理，知識溢出主要是通過“創(chuàng)新”和“集聚”兩個中間環(huán)節(jié)與經(jīng)濟增長聯(lián)系起來；另一方面是知識溢出對經(jīng)濟增長的影響進行了實證研究，通過擴展原有的經(jīng)濟增長模型，以專利、新產(chǎn)品發(fā)布數(shù)量和研發(fā)費用等變量來反映知識溢出，對不同層面的實證分析提供了有關(guān)知識溢出促進區(qū)域經(jīng)濟增長的證據(jù)。

創(chuàng)意產(chǎn)業(yè)作為發(fā)展中國家實現(xiàn)經(jīng)濟轉(zhuǎn)型和跨越式發(fā)展的重要戰(zhàn)略，同時作為知識密集型產(chǎn)業(yè)，其知識溢出與經(jīng)濟增長的關(guān)系又是如何。Venstel等（2004）[1]使用荷蘭1987～1995年的數(shù)據(jù)，實證分析了知識溢出促進了區(qū)域經(jīng)濟增長。洪進等（2011）[2]基于中國30個省份1999～2007年的面板數(shù)據(jù)，考察了創(chuàng)意階層的空間集聚效應(yīng)，研究結(jié)果表明創(chuàng)意階層通過知識外溢提高了區(qū)域勞動生產(chǎn)率。Paci等（2013）[3]構(gòu)建知識生產(chǎn)函數(shù)模型分析各種鄰近性維度對歐洲276個地區(qū)的創(chuàng)新能力的影響，結(jié)果表明所有鄰近性對跨地區(qū)知識流的生產(chǎn)過程有著重要作用。Chang等（2015）[4]利用41國的R&D支出數(shù)據(jù)，基于多階段和多維度實證分析了企業(yè)的知識溢出最大化國家創(chuàng)新系統(tǒng)。Sabina和Eldin（2015）[5]構(gòu)建計量模型分析FDI知識溢出對轉(zhuǎn)型經(jīng)濟體的經(jīng)濟增長的影響，發(fā)現(xiàn)轉(zhuǎn)型經(jīng)濟體國家有更強的知識吸收意愿和積極性。王猛等（2016）[6]利用2007～2012年中國20個大城市面板數(shù)據(jù)，構(gòu)建創(chuàng)意者居住選擇模型，揭示了創(chuàng)意階層集聚通過知識外部性推動城市創(chuàng)新的理論機制。

綜上，雖然目前圍繞創(chuàng)意產(chǎn)業(yè)的知識溢出與經(jīng)濟增長之間的關(guān)系有了初步的探討。但是這些文獻關(guān)于知識溢出促進經(jīng)濟增長忽略了地區(qū)的知識產(chǎn)權(quán)保護力度，嚴厲的知識產(chǎn)權(quán)保護，知識溢出與經(jīng)濟增長的關(guān)系又是如何，是本文關(guān)注的重點。

（二）知識溢出、創(chuàng)新與經(jīng)濟增長的關(guān)系

內(nèi)生經(jīng)濟增長理論將創(chuàng)新作為連接知識溢出與經(jīng)濟增長的重要中間環(huán)節(jié)，認為知識溢出促進創(chuàng)新，創(chuàng)新促進經(jīng)濟增長?；趧?chuàng)新在經(jīng)濟增長中發(fā)揮著重要作用，大量研究對產(chǎn)業(yè)內(nèi)和產(chǎn)業(yè)間知識溢出在創(chuàng)新中的相對作用進行了實證研究。Fischer等（2006）[7]使用1997～2002 年期間203個區(qū)域的專利數(shù)量來反映區(qū)域知識存量，利用空間面板模型實證分析了知識溢出導致的知識存量變化對相鄰區(qū)域生產(chǎn)力差異的影響。Cassa和Nicolini（2008）[8]分析了局域的知識技術(shù)溢出對經(jīng)濟增長的影響方向和程度，相鄰區(qū)域間的研發(fā)投資溢出效應(yīng)增加了彼此創(chuàng)新成功的可能性，從而促進了經(jīng)濟增長。王文翌和安同良（2014）[9]以2003～2011年中國制造業(yè)上市公司為考察對象，研究區(qū)域內(nèi)微觀主體知識溢出影響創(chuàng)新的機理，實證結(jié)果支持了知識溢出促進創(chuàng)新?？讜阅莺袜嚪澹?016）[10]利用空間計量模型探討了中國各地區(qū)的自主創(chuàng)新、省際之間的技術(shù)溢出以及吸收能力對經(jīng)濟增長的影響，實證結(jié)果表明，技術(shù)溢出、創(chuàng)新投入對經(jīng)濟增長水平具有顯著促進作用。

綜上，現(xiàn)有文獻關(guān)于知識溢出、創(chuàng)新促進經(jīng)濟增長進行了大量探討，但是多采用分組經(jīng)驗和交互項模型來考察三者之間的關(guān)系問題，但這對三者之間的連接機制表述尚不明朗。本文采用中介效應(yīng)模型，實證分析創(chuàng)新作為連接知識溢出與經(jīng)濟增長的中間環(huán)節(jié)。同時分析是否只有跨越相應(yīng)的知識產(chǎn)權(quán)保護水平門檻，知識溢出才能有效促進城市創(chuàng)新的提升，進而提高經(jīng)濟增長水平。

三、研究設(shè)計

（一）研究模型、步驟與方法

基于知識產(chǎn)權(quán)保護的地區(qū)差異，首先，構(gòu)建門檻模型，以知識產(chǎn)權(quán)保護為門檻變量，并針對企業(yè)自身知識存量和知識溢出的本質(zhì)差異性，考察了企業(yè)自身知識存量、知識溢出與經(jīng)濟增長的關(guān)系。以樣本城市的人均GDP增長率（pergdp）為因變量，以企業(yè)自身知識存量（k）和知識溢出（ks）為自變量，考察由于知識產(chǎn)權(quán)保護的限制，企業(yè)自身知識存量和知識溢出在不同知識產(chǎn)權(quán)保護水平，其對經(jīng)濟增長的貢獻差異和水平大?。科浯?，引入中介變量——創(chuàng)新（ino），分析知識溢出、創(chuàng)新與經(jīng)濟增長的關(guān)系，探討了知識溢出促進經(jīng)濟增長的路徑。最后，考慮如果知識產(chǎn)權(quán)保護力度過小，企業(yè)間知識溢出現(xiàn)象嚴重，是否會使企業(yè)喪失創(chuàng)新的動力，抑制創(chuàng)新發(fā)展。以創(chuàng)新為因變量，加入企業(yè)自身知識存量、知識溢出與知識產(chǎn)權(quán)保護的交互項，進行驗證分析。為解決上述問題，同時為了說明實證結(jié)果的穩(wěn)健性，本文采用了多種計量方法。

模型1（基本計量模型），為考察創(chuàng)意企業(yè)自身知識存量、知識溢出對經(jīng)濟增長的影響，在充分吸收已有研究關(guān)于經(jīng)濟增長的影響因素的理論和實證基礎(chǔ)上，并考慮到經(jīng)濟發(fā)展是個動態(tài)過程，前期經(jīng)濟增長不可避免會影響到當期經(jīng)濟增長，同時為避免內(nèi)生性問題，故采用系統(tǒng)GMM進行估計。在下面的回歸方程中，X為控制變量，δt為時間效應(yīng)，ηi為地區(qū)效應(yīng)，εit為隨機誤差項。

pergdpit=γpergdpit-1+α1kit+α2ksit+X'it β+δt+ηi+εit

（1）

模型2（門檻模型），一般認為，有效地知識產(chǎn)權(quán)保護能夠降低技術(shù)交易的成本，提高交易效率，增強創(chuàng)新積極性（Arora et al.，2001；江小涓，2002）[11-12]；而知識產(chǎn)權(quán)保護過嚴，則會抑制模仿行為的發(fā)生，降低新產(chǎn)品的開發(fā)力度（魯釗陽和廖杉杉，2012）[13]。因此，本文在方程（1）基礎(chǔ)上，建立基于知識產(chǎn)權(quán)保護（ipp）的知識溢出“雙門檻效應(yīng)”模型如下：

pergdpit=αi+Xitθ+k■■β1·I（ippjit≤γ）+k'it β2·

I（ippjit≤γ）+εit（2）

pergdpit=αi+Xitθ+ks■■β1·I（ippjit≤γ）+ks'it β2·

I（ippjit≤γ）+εit（3）

模型3（中介效應(yīng)模型），為了考察創(chuàng)新影響機制是否存在，借鑒Andrew F. Hayes（2009）[14]檢驗中介效應(yīng)的方法，構(gòu)建以下方程，利用系統(tǒng)GMM進行檢驗：

pergdpit=γpergdpit-1+α1ksit+X■■β+δt+ηi+εit （4）

hit=ρhit-1+λksit+X■■ζ+δt+ηi+εit （5）

pergdpit=γpergdpit-1+α2ksit+hitθ+X■■？準+δt+ηi+εit （6）

其中，h為中介變量，其他變量的含義與前文一致。根據(jù)中介效應(yīng)的檢驗方法，第一步對方程（4）進行估計，得到α1值，用以判斷知識溢出對經(jīng)濟增長的影響方向和程度，如果α1顯著為正，則說明知識溢出對經(jīng)濟增長有某種正面促進作用。第二步對方程（5）進行回歸，檢驗知識溢出與中介變量（創(chuàng)新）之間的關(guān)系，預(yù)期知識溢出的系數(shù)估計值λ為正。第三步對方程（6）進行估計，如果α1大于α2，則說明中介效應(yīng)存在。

模型4（創(chuàng)新為因變量），為考察企業(yè)自身知識存量、知識溢出與創(chuàng)新的非線性關(guān)系，加入企業(yè)自身知識存量、知識溢出與知識產(chǎn)權(quán)保護的交互項，分析知識產(chǎn)權(quán)保護會不會影響企業(yè)自身知識存量、知識溢出與創(chuàng)新的關(guān)系。

inoit=αinoit-1+α1kit+α2ippit·kit+α3ippit+X■■β+δt+ηi

+εit （7）

inoit=αinoit-1+α1ksit+α2ippit·ksit+α3ippit+X■■β+δt+ηi

+εit （8）

（二）樣本與數(shù)據(jù)

針對本文的研究可行性，需考慮創(chuàng)意產(chǎn)業(yè)上市公司樣本是否具有代表性，需要滿足經(jīng)濟規(guī)模，以及是否與地區(qū)GDP總量一致的條件。借鑒郝穎等（2014）[15]的做法，對2007～2014年的數(shù)據(jù)進行了統(tǒng)計與回歸分析。結(jié)果顯示，上市公司市場價值和市場交易額分別占GDP總量的11.4%、85.8%，上市公司的整體經(jīng)濟規(guī)模在GDP總量中占有較高的比重，說明有較好的代表性。進一步，以各城市占全國GDP的比重為因變量，以各城市上市公司數(shù)量占全國上市公司總數(shù)的比重為自變量，進行回歸分析。結(jié)果顯示：各城市上市公司數(shù)量占全國上市公司總數(shù)的比重與各城市占全國GDP的比重，在各年度均顯著正相關(guān)，說明各城市的上市公司數(shù)量與當?shù)氐慕?jīng)濟規(guī)模具有一致性。本文對所有創(chuàng)意企業(yè)的挑選原則：以2007年作為研究起始年份，主要是因為2006年會計準則發(fā)生變化，保持會計準則的一致性；剔除2012 年12 月31 日之后上市的企業(yè)，主要是為了保證樣本企業(yè)至少有兩年的上市經(jīng)驗，經(jīng)營相對穩(wěn)定；剔除2007～2014年間破產(chǎn)或倒閉的企業(yè)，主要是為了保證樣本數(shù)據(jù)連續(xù)可得；剔除業(yè)績較差的ST、ST* 、PT 企業(yè)；剔除數(shù)據(jù)嚴重缺失或不全的企業(yè)。數(shù)據(jù)主要來自WIND數(shù)據(jù)庫和巨潮資訊網(wǎng)，并結(jié)合樣本企業(yè)網(wǎng)站對企業(yè)年報等數(shù)據(jù)進行了補充和驗證。本文最后得到城市年度觀測值384個（48個城市·8個年度①）。各城市的人均GDP增長率、物質(zhì)資本投資率、人力資本水平等通過《中國城市統(tǒng)計年鑒》、國家統(tǒng)計局網(wǎng)站和各城市年鑒計算得來。

1.被解釋變量

本文采用人均GDP增長率對經(jīng)濟增長水平進行度量，參照邵帥和楊莉莉（2010）的做法，人均GDP增長率=（GDP增長率+1）·（上一年年均人口/當年年均人口）-1。年均人口為上一年年末人口和本年年末人口的算術(shù)平均值。

2.解釋變量

k為同城內(nèi)企業(yè)的自身知識存量的加總，以人力資本表示企業(yè)的知識存量，借鑒章道云等（2011）[16]以財務(wù)報表中的支付給職工以及為職工支付的現(xiàn)金表示。ks為同城內(nèi)企業(yè)的知識溢出加總，本文知識溢出的測算借鑒Aiello和Cardamone（2009）[17]的方法。

首先，對企業(yè)間知識相似性進行測算，考慮到創(chuàng)意產(chǎn)業(yè)源于人的創(chuàng)造力和聰明智慧、以知識產(chǎn)權(quán)作為主要產(chǎn)出特征，本文從無形資產(chǎn)和人力資本兩個角度來衡量企業(yè)間的知識相似性，公式如下：

Wijt=■

其次，為反映不同企業(yè)的知識吸收能力差異，加入人力資本（h）的權(quán)重。

■ijt=■■

再次，一般認為，知識溢出隨距離增加而衰減，同樣采用Aiello和Cardamone（2009）[17]的企業(yè)地理鄰近公式：gij=1-dij■max（dij）?！銎渲?，gij表述同一區(qū)域內(nèi)i企業(yè)和j企業(yè)之間的地理鄰近性；dij表示同一區(qū)域內(nèi)i企業(yè)和j企業(yè)之間的最短直線距離。max（dij）表示上市公司所在城市間的最大距離，取值為800公里。本文企業(yè)與企業(yè)間的直線距離采用Google地圖衡量。同時將知識相似性和地理鄰近性作為影響知識溢出的權(quán)重，公式如下：

Vijt=■ （9）

綜上，得到對于企業(yè)i，知識溢出的測算公式：KSit=■ VijtKjt （10）

3.門檻變量和中介變量

知識產(chǎn)權(quán)保護采用魯釗陽和廖杉杉（2012）[13]的度量方法，同時以專利侵權(quán)案件占專利申請比重衡量知識產(chǎn)權(quán)保護指數(shù)（ipp1）和以專利侵權(quán)數(shù)量占專利授權(quán)比重衡量知識產(chǎn)權(quán)保護指數(shù)（ipp2）表示，數(shù)據(jù)來源是《中國知識產(chǎn)權(quán)年鑒》。創(chuàng)新水平（ino）用3種專利授權(quán)數(shù)加總衡量，數(shù)據(jù)來源《中國科技統(tǒng)計年鑒》。個別年份缺失的數(shù)據(jù)以前一年的數(shù)據(jù)替補。

4.控制變量

借鑒以往關(guān)于研究經(jīng)濟增長的相關(guān)文獻的做法，本文加入如下控制變量（X）：物資資本投資率（capi），以全社會固定資產(chǎn)投資占GDP比重表示；人力資本水平（hum），用中學以上的在校學生人數(shù)與全部從業(yè)人數(shù)的比值加以度量；制造業(yè)發(fā)展（manu），用制造業(yè)從業(yè)人數(shù)占全部從業(yè)人數(shù)的比重衡量；服務(wù)業(yè)發(fā)展（ser），以服務(wù)業(yè)從業(yè)人數(shù)占全部從業(yè)人數(shù)的比重表示；對外開放程度（open），用當年實際利用外商直接投資和GDP占的比例加以度量；金融發(fā)展（fin），用金融機構(gòu)各項貸款余額與各項存款余額之和占GDP比重衡量；地理區(qū)位（geo），地理區(qū)位因素可以在很大程度上反映各城市個體的異質(zhì)性特征，本文以距離中國重要港口城市②的最短直線距離來度量各城市的地理區(qū)位。

四、回歸檢驗結(jié)果與分析

（一）變量描述統(tǒng)計和多重共線性檢驗

多重共線性會引起參數(shù)估計量的經(jīng)濟含義不合理和變量的顯著性檢驗失去意義等問題，對變量的多重共線性檢驗就變得很有必要。為避免變量之間存在相關(guān)性，首先對變量進行正態(tài)性檢驗，結(jié)果表明所有變量服從正態(tài)分布，進一步對全部解釋變量進行了Pearson 相關(guān)性系數(shù)檢驗，表1結(jié)果顯示各變量之間的相關(guān)系數(shù)均小于0.5，說明解釋變量與控制變量之間的相關(guān)性較弱。接著進一步進行方差膨脹因子（VIF）檢驗，當最大的VIF大于10或平均的VIF大于1，則認為變量有多重共線性。檢驗發(fā)現(xiàn)VIF最大值為3.47，排除了多重共線性對模型回歸結(jié)果的影響。

（二）門檻效應(yīng)檢驗與結(jié)果分析

由表2的門檻回歸結(jié)果可知，知識產(chǎn)權(quán)保護的門檻效應(yīng)明顯存在于企業(yè)自身知識存量、知識溢出與經(jīng)濟增長的關(guān)系中。對于企業(yè)自身知識存量，在知識產(chǎn)權(quán)保護較低水平時，對經(jīng)濟增長為負向影響；當知識產(chǎn)權(quán)保護達到一定水平，則會促進經(jīng)濟增長。這是由于在知識產(chǎn)權(quán)保護水平較低階段，企業(yè)知識，尤其是核心知識技術(shù)難以得到安全保障，容易被其他企業(yè)竊取，企業(yè)創(chuàng)新積極性受到打擊，更多的是簡單模仿，企業(yè)的生產(chǎn)積極性受到抑制，不利于經(jīng)濟增長。當知識產(chǎn)權(quán)保護力度加大時，企業(yè)核心知識和技術(shù)得到保障，自主研發(fā)積極性得以提高，學習和掌握新技能力度加大，生產(chǎn)更多的新產(chǎn)品，有利于經(jīng)濟增長（劉思明等，2015）[18]。對于知識溢出，在知識產(chǎn)權(quán)保護較低水平時，促進經(jīng)濟增長；反而在知識產(chǎn)權(quán)保護水平提高時，對經(jīng)濟增長為負面作用。這是由于在知識產(chǎn)權(quán)保護較低水平時，企業(yè)更愿意以低成本模仿和改造，而不愿意承擔創(chuàng)新風險和巨大的創(chuàng)新成本，通過吸收同一區(qū)域內(nèi)溢出的知識，促進了低質(zhì)量的經(jīng)濟增長。當知識產(chǎn)權(quán)保護力度加大時，企業(yè)自身知識得到保護，同時可吸收的知識溢出較少，則知識溢出對經(jīng)濟增長負向作用。

對表2中其他解釋變量的觀察，還有以下發(fā)現(xiàn)：對外開放水平提高在可檢驗水平促進經(jīng)濟增長；距離重要港口城市越近（地理區(qū)位），經(jīng)濟增長在可檢驗水平得以提高；物質(zhì)資本投資率、人力資本水平、制造業(yè)和服務(wù)業(yè)發(fā)展、金融發(fā)展也對經(jīng)濟增長有正向影響。

（三）知識溢出、創(chuàng)新與經(jīng)濟增長之間的關(guān)系分析

在表3中，從模型（1）的回歸結(jié)果來看，企業(yè)自身知識存量、知識溢出與當期和滯后一期的人均GDP增長率正相關(guān)，并且在控制物質(zhì)資本投資率、人力資本和制造業(yè)發(fā)展等因素后依然顯著正相關(guān)（模型（2））。在模型（3）中加入創(chuàng)新和知識溢出的交互項，回歸結(jié)果說明了創(chuàng)新對知識溢出與人均GDP增長率的關(guān)系有顯著影響，創(chuàng)新強度越大，知識溢出越密切和頻繁，因此知識溢出對經(jīng)濟增長的促進作用越明顯。模型（2）、（4）和（5）是中介效應(yīng)回歸的結(jié)果，是對模型（3）交互項的效果的進一步檢驗，對于創(chuàng)新效應(yīng)，模型（4）中知識溢出的回歸系數(shù)在1%水平顯著為正，說明知識溢出會促進創(chuàng)新。模型（5）中加入中介變量（創(chuàng)新）得到回歸系數(shù)為0.6765，與模型（2）得到的回歸系數(shù)0.6994相比，顯然模型（2）中知識溢出的回歸系數(shù)大于模型（5）的回歸系數(shù)，說明了創(chuàng)新是知識溢出影響經(jīng)濟增長的一個重要渠道。增強地區(qū)的創(chuàng)新能力，會增強區(qū)域內(nèi)的相互學習和交流，即促進了知識溢出，進而提高了地區(qū)的人均GDP增長率。

知識溢出和創(chuàng)新真的是正相關(guān)關(guān)系嗎？如果知識溢出明顯，是否就會存在研究人員“搭便車”和“道德風險”問題，即知識溢出是否會抑制創(chuàng)新。模型（6）和（7）進一步分析企業(yè)自身存量、知識溢出、知識產(chǎn)權(quán)保護與創(chuàng)新的關(guān)系，實證結(jié)果顯示，企業(yè)自身知識存量、知識溢出和知識產(chǎn)權(quán)保護至少在10%的顯著水平提高創(chuàng)新水平。企業(yè)自身知識存量和知識產(chǎn)權(quán)保護的交互項的回歸系數(shù)依然為正，說明嚴厲的知識產(chǎn)權(quán)保護，有助于企業(yè)增強自身知識存量，進而促進創(chuàng)新。但知識溢出和知識產(chǎn)權(quán)保護的交互項的回歸系數(shù)為負，表明知識產(chǎn)權(quán)保護每增加一個單位，企業(yè)知識溢出對創(chuàng)新作用的斜率就下降一個單位。當知識產(chǎn)權(quán)保護力度加大時，同一區(qū)域內(nèi)吸收的知識溢出較少，不利于創(chuàng)新。這一結(jié)果也與表2的門檻模型的回歸結(jié)果相呼應(yīng)。

對于控制變量，人力資本和對外開放水平越高，則其經(jīng)濟增長水平相對越高；地理區(qū)位越是臨近重要港口城市，相應(yīng)的經(jīng)濟增長水平越高；物質(zhì)資本投資率、制造業(yè)和服務(wù)業(yè)發(fā)展、金融發(fā)展也與經(jīng)濟增長有正向關(guān)系。

五、主要結(jié)論與啟示

基于中國創(chuàng)意產(chǎn)業(yè)的企業(yè)層面數(shù)據(jù)和城市層面數(shù)據(jù)，采用多種計量方法，實證分析知識溢出、創(chuàng)新與經(jīng)濟增長的關(guān)系。首先，以知識產(chǎn)權(quán)保護為門檻變量，采用門檻模型分析企業(yè)自身知識存量、知識溢出與經(jīng)濟增長的關(guān)系。在知識產(chǎn)權(quán)保護力度較低水平，企業(yè)更愿意以低成本和低風險獲取同一區(qū)域內(nèi)的知識溢出，自身知識存量不利于經(jīng)濟增長，知識溢出對經(jīng)濟增長為正向影響。在嚴厲的知識產(chǎn)權(quán)保護水平，企業(yè)核心技術(shù)知識得到安全保障，自主創(chuàng)新的積極性很高，所以自身知識存量促進經(jīng)濟增長，知識溢出對經(jīng)濟增長為負面作用。其次，考察知識溢出促進經(jīng)濟增長的傳導機制，采用中介效應(yīng)模型，實證結(jié)果表明，創(chuàng)新對知識溢出與經(jīng)濟增長的關(guān)系有顯著影響。最后，分析知識溢出與創(chuàng)新的關(guān)系，采用交互項模型，嚴厲的知識產(chǎn)權(quán)保護，企業(yè)增強自身知識存量的積極性更強，進而促進創(chuàng)新；但知識溢出對創(chuàng)新為負面作用。

研究結(jié)論表明，企業(yè)自身知識存量和知識溢出在不同知識產(chǎn)權(quán)保護力度下，對經(jīng)濟增長的促進作用不一致。適當和合理的知識產(chǎn)權(quán)保護力度，既能保持企業(yè)自主研發(fā)的積極性，又能鼓勵企業(yè)間正式和非正式的交流和學習，以此促進經(jīng)濟增長。同時，創(chuàng)新作為知識溢出與經(jīng)濟增長的“中間環(huán)節(jié)”，在考慮知識產(chǎn)權(quán)保護的情況下，企業(yè)自身知識存量和知識溢出對創(chuàng)新的促進作用不一致，應(yīng)合理和正確看待。

[參考文獻]

[1] ADRIANN J. VENSTEL，HENRY R. NIEUWENHUIJSEN. Knowledge spillovers and economic growth： an analysis using data of dutch regions in the period 1987-1995[J].Regional studies，2004，38（4）：393-407.

[2] 洪進，余文濤，趙定濤. 創(chuàng)意階層空間集聚與區(qū)域勞動生產(chǎn)率差異——基于中國省際面板數(shù)據(jù)的分析[J]. 財經(jīng)研究，2011（7）：92-102.

[3] RAFFAELE PACI，EMANUELA MARROCU，STEFANO USAI. The complementary effects of proximity dimensions on knowledge spillovers [J]. Spatial economic analysis，2014，9（1）：9-30.

[4] CHIA-CHIN CHANG. Influences of knowledge spillover and utilization on the NIS performance： a multi-stage efficiency perspective [J]. Qual quant，2015，49： 1945-1967.

[5] SABINA SILAJDZIC，ELDIN MEHIC. Knowledge spillovers，absorptive capacities and the impact of FDI on economic growth： empirical evidence from transition economies [J]. Procedia-social and behavioral science，2015，195： 614-623.

[6] 王猛，宣燁，陳啟斐. 創(chuàng)意階層集聚、知識外部性與城市創(chuàng)新——來自20個大城市的證據(jù)[J]. 經(jīng)濟理論與經(jīng)濟管理，2016（1）：59-70.

[7] FISCHER，M.M，SCHERNGELL，T.and JANSENBERGER，E. The geography of knowledge spillovers between high-technology firms in europe： evidence from a spatial interaction modeling perspective [J]. Geographical analysis，2006，38（3）：288-309.

[8] CASSAR，A. NICOLINI，R. Spillovers and growth in a local interaction model [J]. Annual of regional science，2008，42：291-306.

[9] 王文翌，安同良. 產(chǎn)業(yè)集聚、創(chuàng)新與知識溢出——基于中國制造業(yè)上市公司的實證[J]. 產(chǎn)業(yè)經(jīng)濟研究，2014（4）：22-29.

[10] 孔曉妮，鄧峰. 自主創(chuàng)新、技術(shù)溢出及吸收能力與經(jīng)濟增長的實證分析——基于東、中、西部地區(qū)與全國的比較[J]. 研究與發(fā)展管理，2016（2）：31-39.

[11] ARORA A.，F(xiàn)OSFURI A.，GAMBARDELLA A. Markets for technology： the economics of innovation and corporate strategy [M]. Cambridge： MIT Press，2001.

[12] 江小涓. 中國外資經(jīng)濟對增長、結(jié)構(gòu)升級和競爭力的貢獻[J]. 中國社會科學，2002（6）：4-14，204.

[13] 魯釗陽，廖杉杉. FDI技術(shù)溢出與區(qū)域創(chuàng)新能力差異的雙門檻效應(yīng)[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012（5）：75-88.

[14] ANDREW F. HAYES. Beyond Baron and Kenny： statistical mediation analysis in the new millennium[J]. Communication monographs，2009，76（4）：408-420.

[15] 郝穎，辛清泉，劉星. 地區(qū)差異、企業(yè)投資與經(jīng)濟增長質(zhì)量[J]. 經(jīng)濟研究，2014（3）：101-114，189.

[16] 章道云，鄧學芬，黃坤. 上市公司人力資本對企業(yè)凈利潤貢獻率的實證研究[J]. 宏觀經(jīng)濟研究，2011（7）：71-76.

[17] AIELLO，F(xiàn). CARDAMONE，P. R&D spillovers and firms' performance in Italy： evidence from a flexible production function[J]. Spatial econometrics，Heidelberg： Physica-verlag，2009：143-166.

[18] 劉思明，侯鵬，趙彥云. 知識產(chǎn)權(quán)保護與中國工業(yè)創(chuàng)新能力——來自省級大中型工業(yè)企業(yè)面板數(shù)據(jù)的實證研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2015（3）：40-57.