張濤++王廣凱

摘要：“五年規(guī)劃”是我國國民經(jīng)濟計劃的重要部分，為國民經(jīng)濟發(fā)展遠景規(guī)定了目標和方向。為盡早步入創(chuàng)新型國家行列，“十二五”規(guī)劃的核心指標中首次納入“每萬人口發(fā)明專利擁有量”。通過采用差分內(nèi)差分方法，對“指標納入”引起的有效發(fā)明專利量的變化進行實證分析，結(jié)果表明，“指標納入”對有效發(fā)明量的提高具有顯著的正向影響，并且影響程度逐年增加，對政策的動態(tài)效應(yīng)和反事實分析驗證了指標設(shè)定對創(chuàng)新活動的影響。在實證檢驗政策有效性的同時，進一步指出指標設(shè)定的準確性與科學(xué)性問題。

關(guān)鍵詞：“十二五”規(guī)劃；專利；雙重差分；反事實分析；國民經(jīng)濟計劃；國民經(jīng)濟發(fā)展遠景；創(chuàng)新型國家

中圖分類號：F123 文獻標識碼：A 文章編號：1007-2101（2017）02-0036-07

一、引言

“五年規(guī)劃”（“十一五”前稱“五年計劃”）是我國國民經(jīng)濟計劃的重要部分，屬于中長期計劃，旨在對國家重大建設(shè)項目、生產(chǎn)力分布和國民經(jīng)濟重要比例關(guān)系等作出規(guī)劃，為國民經(jīng)濟發(fā)展遠景規(guī)定目標和方向。“十一五”規(guī)劃從經(jīng)濟增長、經(jīng)濟結(jié)構(gòu)、人口資源環(huán)境和公共服務(wù)與人民生活等四個方面制定了發(fā)展目標，而在“十二五”規(guī)劃中進一步體現(xiàn)了政府通過合理配置資源和有效運用行政力量保障和促進經(jīng)濟社會的可持續(xù)發(fā)展的思路，從經(jīng)濟發(fā)展、科技教育、資源環(huán)境、人民生活四個方面豐富和完善了發(fā)展目標?！笆濉睍r期是我國提高自主創(chuàng)新能力、建立創(chuàng)新型國家的攻堅階段，為了充分發(fā)揮科技創(chuàng)新對轉(zhuǎn)變經(jīng)濟發(fā)展方式的支撐作用，在《國民經(jīng)濟和社會發(fā)展第十二個五年規(guī)劃綱要》中首次納入“每萬人口發(fā)明專利擁有量”這一預(yù)期性指標，提出2015年每萬人發(fā)明專利擁有量要從2010年的1.7件提高到3.3件?！懊咳f人口發(fā)明專利擁有量”是反映一個國家或地區(qū)單位人力資源知識產(chǎn)權(quán)創(chuàng)造和運用能力的基礎(chǔ)性指標，該指標從客觀上反映了區(qū)域創(chuàng)新的效率和質(zhì)量，不僅是衡量我國知識產(chǎn)權(quán)發(fā)展水平的重要指標，也是促進知識產(chǎn)權(quán)支撐創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略實施的基本指標?！笆濉币?guī)劃實施以來，我國專利事業(yè)快速發(fā)展（如圖1所示），我國發(fā)明專利申請量和授權(quán)量都呈現(xiàn)出較快的增長勢頭，年均增長速度分別達到23.24%和23.11%。2015年末，每萬人發(fā)明專利擁有量已超過“十二五”規(guī)劃綱要提出的目標，達到6.3件，超額完成了設(shè)定目標。在成績的背后，我們也會反思規(guī)劃目標的準確性和科學(xué)性問題，專利預(yù)期性指標超額完成的原因是什么？政府宏觀規(guī)劃（例如預(yù)期性指標）對于我國創(chuàng)新活動的影響作用和機制是什么？知識產(chǎn)權(quán)高水平國家是否應(yīng)該在指標設(shè)定上兼顧數(shù)量和質(zhì)量兩個維度？“十三五”時期是我國建設(shè)創(chuàng)新型國家的關(guān)鍵時期，正確評估規(guī)劃的引導(dǎo)效應(yīng)，并在此基礎(chǔ)上制定合理的指標體系對深入推進創(chuàng)新驅(qū)動發(fā)展的實施具有極為重要的意義。本文嘗試對以上問題進行解答，同時利用雙差分模型和反事實分析方法定量評價“指標納入”對于我國科技創(chuàng)新活動的影響效應(yīng)。

二、相關(guān)文獻

建設(shè)創(chuàng)新型國家，要把科技進步和技術(shù)創(chuàng)新作為經(jīng)濟發(fā)展的首要因素，要把提高自主創(chuàng)新能力作為轉(zhuǎn)變經(jīng)濟增長方式、調(diào)整經(jīng)濟結(jié)構(gòu)和提高國家競爭力的核心環(huán)節(jié)。通常有兩類指標衡量創(chuàng)新活動，分為創(chuàng)新投入和創(chuàng)新產(chǎn)出。創(chuàng)新投入指研發(fā)資金和研發(fā)人員的投入；創(chuàng)新產(chǎn)出主要指專利數(shù)量、專利引用率、新產(chǎn)品的出現(xiàn)等方面 （Baruk，1997）。一些研究使用研發(fā)投入作為衡量創(chuàng)新活動的指標 （魯桐、黨印，2014）研究創(chuàng)新活動的影響因素。但是，研發(fā)投入在衡量創(chuàng)新能力時存在缺陷。一方面，研發(fā)投入是投入數(shù)據(jù)，僅僅是資金投入指標，無法準確度量創(chuàng)新能力；另一方面，研發(fā)投入主要受管理層的控制，容易受到研發(fā)政策的影響。在分析專利政策對創(chuàng)新能力的影響時，使用專利數(shù)量作為創(chuàng)新活動的衡量指標更容易觀察政策的效果。早在20世紀60年代，就有研究者使用專利量作為衡量創(chuàng)新活動的指標。Schmookler（1953，1965）和Scherer（1965，1990）利用專利量考查企業(yè)規(guī)模、投資和發(fā)明活動的關(guān)系。Grilliches（1990）認為使用專利作為衡量創(chuàng)新產(chǎn)出存在瑕疵，例如在現(xiàn)實中不是所有的創(chuàng)新都申請專利，但鑒于創(chuàng)新與專利之間的密切聯(lián)系，且專利授權(quán)的標準不易改變，同時專利數(shù)據(jù)相比研發(fā)數(shù)據(jù)更易獲取，用專利來衡量創(chuàng)新產(chǎn)出是可行的。

影響以專利衡量創(chuàng)新產(chǎn)出或創(chuàng)新績效的因素是多方面的。大量的研究集中于研發(fā)投入對于專利水平的影響（Grilliches，1981）。李平、崔喜君和劉建 （2007）分析了人力資本和知識產(chǎn)權(quán)保護對以專利申請量衡量的自主創(chuàng)新活動的影響，得出人力資本和知識產(chǎn)權(quán)保護對創(chuàng)新績效的影響具有顯著的差異性。李習(xí)保（2007）采用隨機前沿模型實證檢驗創(chuàng)新環(huán)境對創(chuàng)新產(chǎn)出效率的影響，教育和科技投入是提高發(fā)明專利數(shù)量的兩個顯著因素。關(guān)于外商直接投資對于創(chuàng)新活動的影響，研究者并沒有得出一致的結(jié)論，Kokko（1994）認為外商直接投資對東道主國家的技術(shù)進步和研發(fā)活動不具有促進作用，甚至有負面影響。外商直接投資對我國自主創(chuàng)新能力的影響途徑有兩種：一是大量外資進入，改變我國市場格局，控制重要資源和產(chǎn)業(yè)，造成國有資產(chǎn)和本土品牌的流失，自主創(chuàng)新能力的降低（劉星、趙紅，2009）；二是外資進入會形成良性競爭格局，勢必導(dǎo)致企業(yè)增加研發(fā)投入、提高技術(shù)水平，故國際資本參與市場競爭可以促進國內(nèi)企業(yè)自主創(chuàng)新能力的提高（王紅領(lǐng)、李稻葵、馮俊新，2006）。朱平芳和徐偉民 （2003）實證分析了政府科技政策對研發(fā)投入和專利產(chǎn)出的影響，科技撥款和稅收減免促進大中型企業(yè)的研發(fā)投入，進而提高專利產(chǎn)出。林洲鈺、林漢川、鄧興華（2013）分析社會資本水平差異對企業(yè)技術(shù)創(chuàng)新活動的影響，研究認為，無論從研發(fā)投入衡量的創(chuàng)新投入，還是專利數(shù)量衡量的創(chuàng)新產(chǎn)出，社會資本都具有顯著的促進作用。

我國為促進自主創(chuàng)新能力，實現(xiàn)創(chuàng)新驅(qū)動發(fā)展，在“十二五”規(guī)劃核心指標中納入“每萬人口發(fā)明專利擁有量指標”，其中11個省市在“十二五”規(guī)劃中明確提出2015年末每萬人口發(fā)明專利擁有量的預(yù)期性指標。要研究“指標納入”政策對發(fā)明專利量的影響，需要比較規(guī)劃實施前后兩個時間段內(nèi)發(fā)明專利數(shù)量的變化。然而，影響“十二五”期間發(fā)明專利數(shù)量變化的因素有多種。研發(fā)投入、經(jīng)濟增長水平和專利管理水平都會對創(chuàng)新能力產(chǎn)生影響。政府的中長期發(fā)展規(guī)劃究竟對創(chuàng)新能力的提高是否有顯著影響？程度如何？因此，有必要通過計量模型進一步加以驗證。

三、研究設(shè)計和模型設(shè)定

雙重差分模型是20世紀80年代興起的一種用于評價政策效果的計量方法（Ashenfelter and Card，1984）。雙重差分方法認為新政策是外生于經(jīng)濟系統(tǒng)的準“自然實驗”，計量模型易于應(yīng)用，回歸估計方法也較為成熟。在我國，周黎安和陳燁（2005）首次使用雙重差分方法估計稅費改革政策對農(nóng)民收入增長的因果效應(yīng)，基本思想是稅費改革造成同一縣區(qū)改革前后和不同縣區(qū)改革與否的農(nóng)民收入差異，進而識別出政策實施的效果。此后，雙重差分方法的應(yīng)用逐漸頻繁，成為政策效果評估的有力工具之一。

（一）研究設(shè)計

依據(jù)雙重差分模型設(shè)定的基本思想，首先構(gòu)造出處理組和對照組。劃分標準是在“十二五”規(guī)劃中加入“每萬人發(fā)明專利擁有量”量化指標的省作為處理組，其他沒有明確加入此指標的省市為對照組，然后通過控制其他因素的影響來比較“十二五”規(guī)劃期間處理組和對照組之間的差異，進而測算出政策的影響效應(yīng)。本文引入兩個虛擬變量對樣本進行分組，變量Treat反映省市是否在“十二五”規(guī)劃中引入“每萬人發(fā)明專利擁有量”指標，Treat=1，表示引入指標的處理組，Treat=0表示未引入指標的對照組；變量Time反映政策實施的時間，Time=1表示政策實施后，time=0表示政策實施之前。通過這種界定，將所有省市劃分為4組：政策實施前的處理組（Treat=1，Time=0）；政策實施后的處理組（Treat=1，Time=1）；政策實施前的對照組（Treat=0，Time=0）；政策實施后的對照組（Treat=0，Time=1）。

雙重差分模型的基本形式為

yit=β0+β1Treatit+β2Timeit+β3Treatit+Timeit+X′γ+εit（1）

對于“十二五”規(guī)劃中加入“每萬人發(fā)明專利擁有量”指標的處理組來說，政策實施前后的差分估計為：

E（y|X，Treat=1，Time=1）-E（y|X，Treat=1，Time=0）=β2+β3（2）

（2）式代表對照組在政策實施前后的變化，但是這種變化不能精確反應(yīng)政策效應(yīng)，有可能是其他因素引起，為排除其他因素的影響。考察對照組的前后變化

E（y|X，Treat=0，Time=1）-E（y|X，Treat=0，Time=0）=β2（3）

表示當(dāng)沒有政策變化的時候，被解釋變量受到其他因素的作用而發(fā)生的變化，兩式相減，即雙重差分去除兩組共同因素的作用，得到政策變化的凈效應(yīng)。我們重點關(guān)注交互項系數(shù)，它表示了政策變化帶來的影響。

雙重差分模型思想是基于自然實驗，主要目的是剔除政策以外的影響因素，Meyer（1995）詳細介紹確保模型結(jié)果準確性所需要滿足的假定。模型的適用性主要依賴兩個條件：（1）隨機性假定，即樣本選擇的隨機性。就本研究而言，就是要確定引入指標省份的隨機性。如果引入指標的省份選擇與我們所關(guān)心的被解釋變量有關(guān)，那么就會導(dǎo)致內(nèi)生性問題，則雙重差分的估計結(jié)果就是有偏的。（2）同質(zhì)性假定，即政策實施之前，處理組和對照組內(nèi)，被解釋變量具有相同的趨勢。如果這些假定無法滿足，會出現(xiàn)有偏的估計的結(jié)果，故有必要對雙重差分模型是否適用于本研究問題進行檢驗（周黎安和陳燁，2005；鄭新業(yè)、王晗和趙益卓，2011）。

假定1：“十二五規(guī)劃”加入“每萬人發(fā)明專利擁有量”指標的省份是隨機的。

我國在制定“十二五”規(guī)劃綱要時明確加入“每萬人發(fā)明專利擁有量”指標，隨后各省制定規(guī)劃時，11省份將此指標明確列入。直觀上講，各個省份在選擇是否在規(guī)劃中加入此指標是根據(jù)自身情況而定的，專利發(fā)展水平較高的省份傾向于加入該指標，這樣的話就會導(dǎo)致樣本選擇是有偏的，引起選擇性偏誤。為避免處理組和對照組的選取跟被解釋變量有關(guān)，有必要進行隨機性檢驗。

我們采用面板Logit模型來檢驗選擇“指標納入”的標準。選取2006年到2010年“指標納入”之前各省份的數(shù)據(jù)，以“是否納入指標”為被解釋變量，“有效發(fā)明量”作為解釋變量，考察納入指標的行為是否受到自身有效發(fā)明量的影響。同時考察地區(qū)研發(fā)支出、經(jīng)濟發(fā)展水平、科研人數(shù)和外商投資是否影響各省的選擇行為。“指標納入”的二元選擇模型回歸結(jié)果如表1所示。估計結(jié)果表明，有效發(fā)明量與是否納入指標無關(guān)，各省份隨機決定是否在“十二五”規(guī)劃中納入指標，處理組的樣本選擇是隨機的，這正是進行雙重差分估計的前提條件。

假定2：對照組和處理組在政策實施之前的發(fā)明專利數(shù)量的走勢相同。

由于我們考慮的政策對于所有省份來說是在同一時點發(fā)生，可以用下面平行趨勢假設(shè)檢驗形式：

其中，Timet是年份的虛擬變量，Treati等于1當(dāng)個體i受到政策的影響。βt衡量每一年的政策效果，由于“納入指標”行為發(fā)生在2011年，如果平行趨勢假設(shè)成立，那么2010年之前的βt應(yīng)該都不顯著?；貧w結(jié)果如表2，結(jié)果顯示2010年之前各省份的有效發(fā)明量具有相同的趨勢。

（二）回歸模型設(shè)定

為控制省市自身的內(nèi)在差異，采用固定效應(yīng)面板數(shù)據(jù)模型，雙重差分模型的基本形式為：

yit=β0+β3Treatit×Timeit+X′γ+i+εit（5）

其中，模型因變量為有效發(fā)明專利量（IPF），模型控制變量包括研發(fā)支出（RD）、經(jīng)濟發(fā)展水平（GDP）、研發(fā)人員數(shù)量（RDP）、外商直接投資額（FDI）。

本文以我國31個省市為研究對象，采用2006—2013年度數(shù)據(jù)，通過篩選各省“十二五”規(guī)劃，整理發(fā)現(xiàn)，共有北京、河北、海南等11個省份明確加入“每萬人發(fā)明專利擁有量”量化指標，將這些省份歸為處理組，天津、山東、江蘇等其他省份歸為對照組?；谶@樣數(shù)據(jù)結(jié)構(gòu)，可以將指標的引入視為準自然試驗，并對其帶來的效果進行分析估計。

“有效發(fā)明專利量”數(shù)據(jù)指處于有效期的發(fā)明專利數(shù)量。有效發(fā)明專利量采用各地區(qū)年度數(shù)據(jù)，在國家知識產(chǎn)權(quán)局公布的《專利統(tǒng)計年報》中獲得，單位為件數(shù)。

“指標納入”用于反映“十二五”規(guī)劃發(fā)明專利指標影響的虛擬變量，對處理組省份來說，2011年之后（包括2011年）取1，2011年之前取0。

控制變量包括反應(yīng)地區(qū)發(fā)展水平的實際生產(chǎn)總值、各地區(qū)研究與發(fā)展試驗內(nèi)部支出、外商投資總額、研發(fā)人員數(shù)量。所用數(shù)據(jù)來自《中國統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、《專利統(tǒng)計年報》以及CEIC數(shù)據(jù)庫。主要變量的描述性統(tǒng)計見表3。

四、實證結(jié)果與分析

“十二五”規(guī)劃政策效應(yīng)的雙重差分估計（見表4）。對于處理組的省份，虛擬變量Treat0在政策實施當(dāng)年及以后取1，政策實施之前取0；Treat1在政策實施第二年及以后取1，2012年之前取0；Treat2在2013年取1，之前取值為0。（1）欄報告的是沒有控制變量的回歸結(jié)果，（2）至（6）欄是對研發(fā)支出、經(jīng)濟發(fā)展水平、研發(fā)人員投入和外商直接投資加以控制的估計結(jié)果。由（1）欄可知，“納入指標”對有效發(fā)明專利量具有近1.26個百分點的貢獻。當(dāng)加入控制變量以后，“指標納入”的作用下降到了0.14，由估計結(jié)果顯示“指標納入”的效果在統(tǒng)計上顯著。為了檢驗“指標納入”在“十二五”期間對有效發(fā)明專利量的動態(tài)影響，表2考察了“指標納入”當(dāng)年和之后每一年對有效發(fā)明量的影響的變化趨勢。由（6）欄可知，在“十二五”規(guī)劃第一年，“指標納入”的影響符合預(yù)期，但并不顯著。隨著政策影響的深入，相比與沒有“指標納入”的省市，“指標納入”的省份有效發(fā)明量受政策的影響越來越強，2012年“指標納入”對有效發(fā)明量提高0.158個百分點，在2013為0.254個百分點，這與進行平衡趨勢檢驗時得出的動態(tài)政策影響結(jié)果一致。

表4中關(guān)于控制變量的結(jié)果基本符合預(yù)期。研發(fā)支出與有效發(fā)明專利量成高度正相關(guān)，由于研發(fā)支出和專利作為創(chuàng)新活動的投入與產(chǎn)出，結(jié)果說明研發(fā)支出顯著促進有效發(fā)明專利量。經(jīng)濟增長和發(fā)明專利的關(guān)系較為復(fù)雜，結(jié)果只能顯示經(jīng)濟增長和有效發(fā)明專利顯著正相關(guān)，無法推斷兩者的因果關(guān)系。研發(fā)人員數(shù)量和外商直接投資額對有效發(fā)明量在統(tǒng)計上顯示沒有影響。此外，為了消除各省份之間的個體特征，這些變量只是作為控制變量引入，控制變量之間的相關(guān)性會對回歸結(jié)果產(chǎn)生影響，故控制變量的回歸系數(shù)有助于加深對有效發(fā)明量影響因素的認識，并不能準確說明它們之間的關(guān)系。

五、基于反事實的穩(wěn)健性分析

采用雙重差分方法對“指標納入”政策有效發(fā)明專利量的影響，是基于準自然實驗對處理組和對照組省份進行比較，即如果不存在“指標納入”的刺激政策，處理組和對照組省份的有效發(fā)明量的差距不會變化。在前面進行的平行趨勢檢驗中說明在政策刺激之前，對照組和處理組省份的有效發(fā)明專利量在統(tǒng)計上確實具有相同的趨勢。下面利用反事實方法繼續(xù)對政策效果的穩(wěn)健性進行檢驗。分別選取政策刺激之前2006—2010年和政策刺激之后2011—2013年兩個時間段，兩個時間段內(nèi)都不存在政策刺激。在兩個時間段內(nèi)的任意時間點假想存在政策刺激而進行回歸分析（白重恩、王鑫和鐘笑寒，2011），檢驗結(jié)果如表5所示。

檢驗結(jié)果顯示，在2006—2010年，只有在2010年假想政策發(fā)生時，效果顯著，這可以解釋為“十二五”規(guī)劃制定前的預(yù)期影響。在2011—2013年觀測區(qū)間內(nèi)，在2012—2013年假想政策實施的效果都較為顯著，表明隨著政策刺激的深入，發(fā)明專利量受到影響程度愈來愈大，使得處理組比對照組省份的專利上升趨勢顯著變化。通過穩(wěn)健性分析，進一步說明在政策實施之前處理組和對照組省份的同質(zhì)性，以及“指標納入”政策對專利數(shù)量的動態(tài)影響。

六、結(jié)論與建議

為促進我國自主創(chuàng)新能力，提高發(fā)明專利數(shù)量，“十二五”規(guī)劃納入“每萬人口發(fā)明專利擁有量”指標，這個政策對發(fā)明專利數(shù)量的影響可以看作一個“準自然實驗”。利用雙重差分方法評估“指標納入”對我國發(fā)明專利量的影響，結(jié)果表明，“指標納入”對于發(fā)明專利數(shù)量的刺激較為顯著。反事實分析進一步驗證“指標納入”政策的刺激作用逐年增加。

除了經(jīng)濟發(fā)展水平和研發(fā)投入對于創(chuàng)新能力提高有內(nèi)生性影響以外，國家中長期發(fā)展規(guī)劃也是推進創(chuàng)新驅(qū)動發(fā)展的重要力量。“每萬人口發(fā)明專利擁有量”超額完成“十二五”規(guī)劃的既定目標，很大程度上體現(xiàn)為預(yù)期性指標的引導(dǎo)效應(yīng)。這種引導(dǎo)效應(yīng)通過不同渠道、路徑、方式發(fā)揮作用：在戰(zhàn)略層面，國家提出了創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略和知識產(chǎn)權(quán)戰(zhàn)略；在政策層面，各級政府高度重視知識產(chǎn)權(quán)，對專利事業(yè)提供優(yōu)惠政策；在執(zhí)行層面，加大國家專利審查能力，通過知識產(chǎn)權(quán)知識培訓(xùn)和推廣，提高技術(shù)創(chuàng)新單位和個人的專利意識；在市場層面，隨著經(jīng)濟結(jié)構(gòu)調(diào)整和科技進步，專利日益成為市場主體參與競爭的主要手段。

“十三五”時期，在注重專利數(shù)量快速增長的同時，還要加強專利質(zhì)量的提升。例如，考慮在規(guī)劃指標體系中納入反映專利質(zhì)量的國際通用指標“專利合作條約（PCT）”，突出“質(zhì)”和“量”的結(jié)合，建立起更加全面的自主創(chuàng)新指標體系。

參考文獻：

[1]陳林，伍海軍.國內(nèi)雙重差分法的研究現(xiàn)狀與潛在問題[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2015，（7）：133-148.

[2]李平，崔喜君，劉建.中國自主創(chuàng)新中研發(fā)資本投入產(chǎn)出績效分析——兼論人力資本和知識產(chǎn)權(quán)保護的影響[J].中國社會科學(xué)，2007，（2）：32-42.

[3]李習(xí)保.區(qū)域創(chuàng)新環(huán)境對創(chuàng)新活動效率影響的實證研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007，（8）：13-24.

[4]林洲鈺，林漢川，鄧興華.所得稅改革與中國企業(yè)技術(shù)創(chuàng)新[J].中國工業(yè)經(jīng)濟，2013，（3）：111-123.

[5]劉星，趙紅.外商直接投資對我國自主創(chuàng)新能力影響的實證研究——基于省級單位的面板數(shù)據(jù)分析[J].管理世界，2009，（6）：170-171.

[6]魯桐，黨印.公司治理與技術(shù)創(chuàng)新：分行業(yè)比較[J].經(jīng)濟研究，2014，（6）：115-128.

[7]王紅領(lǐng)，李稻葵，馮俊新.FDI與自主研發(fā)：基于行業(yè)數(shù)據(jù)的經(jīng)驗研究[J].經(jīng)濟研究，2006，（2）：44-56.

[8]鄭新業(yè)，王晗，趙益卓.“省直管縣”能促進經(jīng)濟增長嗎？——雙重差分方法[J].管理世界，2011，（8）：34-44.

[9]周黎安，陳燁.中國農(nóng)村稅費改革的政策效果：基于雙重差分模型的估計[J].經(jīng)濟研究，2005，（8）：44-53.

[10]朱平芳，徐偉民.政府的科技激勵政策對大中型工業(yè)企業(yè)R&；D投入及其專利產(chǎn)出的影響——上海市的實證研究[J].經(jīng)濟研究，2003，（6）：45-53.

[11]Ashenfelter，O. & Card，D.Using the longitudinal structure of earnings to estimate the effect of training programs（No.w1489）.National Bureau of Economic Research，1984.

[12]Baruk，J.Innovativeness of Polish enterprises in the initial period of system transformation.Technovation，1997，17（9）：477-530.

[13]Griliches，Z.Market value，R&D，and patents.Economics letters，1981，7（2）：183-187.

[14]Griliches，Z.Patent statistics as economic indicators：a survey（No.w3301）.National Bureau of Economic Research，1990.

[15]Kokko，A. Technology，market characteristics，and spillovers.Journal of development economics，1994，43（2）：279-293.

[16]Meyer，B.D.Natural and quasi-experiments in economics.Journal of business & economic statistics，1995，13（2）：151-161.

[17]Scherer，F(xiàn).M.Firm size，market structure，opportunity，and the output of patented inventions.The American Economic Review，1965：1097-1125.

[18]Scherer，F(xiàn).M. & Ross，D.Industrial market structure and economic performance.University of illinois at Urbana-Champaign's Academy for entrepreneurial leadership historical research reference in entrepreneurship，1990.

[19]Schmookler，J.Patent application statistics as an index of inventive activity.J.Pat.Off.Soc′y，1953.

[20]Schmookler，J.Technological change and economic theory.The American Economic Review，1965：333-341.

責(zé)任編輯：秦學(xué)詩