研发支出、溢出池与专利申请——基于中国工业上市企业的经验研究.docxVIP

PAGE

1-

研发支出、溢出池与专利申请——基于中国工业上市企业的经验研究

一、引言

(1)在当今全球化的背景下，创新已成为推动经济增长和产业升级的核心动力。研发支出作为企业创新活动的重要投入，对于提升企业竞争力、促进技术进步具有至关重要的作用。据国家统计局数据显示，2019年中国研发投入总量达到2.17万亿元，同比增长12.5%，其中企业研发投入占比达到75.6%。这一数据反映出企业对研发活动的重视程度不断提升。以华为为例，作为全球领先的信息与通信技术（ICT）解决方案提供商，华为在研发方面的投入逐年增加，2019年研发投入达到1317亿元人民币，占其总收入的14.1%，这一投入力度使其在5G、云计算等领域取得了显著的技术突破。

(2)研发支出虽然对企业的创新活动至关重要，但仅依靠企业自身的研发投入往往难以满足技术创新的需求。溢出池作为一种重要的外部创新资源，通过技术溢出效应，为周边企业提供技术支持和创新灵感，从而推动整个行业的技术进步。研究表明，溢出池的规模与企业的研发效率之间存在显著的正相关关系。以长三角地区为例，该地区拥有众多高科技企业，如阿里巴巴、腾讯等，这些企业通过技术溢出效应，带动了周边中小企业的技术创新，使得长三角地区成为全国乃至全球的创新高地。

(3)专利申请是衡量企业技术创新能力的重要指标。近年来，我国专利申请数量呈现爆发式增长。根据世界知识产权组织（WIPO）的数据，2019年，我国专利申请量达到435.7万件，居世界第一位。其中，企业专利申请量占比超过80%，显示出企业在技术创新方面的积极性和主动性。以比亚迪为例，作为新能源汽车行业的领军企业，比亚迪自2003年以来，累计申请专利超过2万件，其中发明专利超过6000件，这些专利申请不仅为比亚迪带来了巨大的经济效益，也为整个新能源汽车行业的技术进步提供了有力支撑。

二、文献综述与理论框架

(1)研发支出与创新产出之间的关系一直是学术界关注的焦点。早期研究主要关注研发投入对企业创新产出的直接影响，如Patel和Pavitt（1994）的研究表明，研发投入与专利产出之间存在正相关关系。然而，近年来，研究者们开始关注研发支出在技术创新过程中的溢出效应，认为研发支出不仅直接推动企业内部创新，还能通过知识溢出促进行业乃至整个社会的创新。

(2)溢出池的概念最早由Arrow（1962）提出，指在技术进步过程中，知识和技术通过溢出效应扩散到其他企业或个人。关于溢出池的研究，许多学者从不同角度进行了探讨，如Cohen和Levinthal（1989）提出的学习曲线理论，强调企业通过学习积累经验，从而提高研发效率。此外，一些学者还研究了溢出池的动态变化，如Crespo等（2010）的研究表明，溢出池的规模和结构会随着时间推移而发生变化。

(3)在专利申请方面，已有研究主要从专利数量、专利质量、专利类型等角度分析企业的技术创新能力。如Griliches（1990）提出专利数量可以作为衡量企业创新产出的一个重要指标。此外，一些研究还关注专利的地理分布和跨行业合作对技术创新的影响，如Gans和Makino（2005）的研究指出，专利的地理分布与技术创新之间存在正相关关系，而跨行业合作则有助于企业获取更多创新资源。

三、研究设计与方法

(1)本研究选取中国工业上市公司作为研究对象，通过收集2010年至2020年的年度财务数据和专利数据，构建了一个包含研发支出、溢出池和专利申请等关键变量的数据库。数据来源包括Wind数据库、中国专利数据库以及各上市公司的年度报告。样本企业涉及制造业、信息技术、医药卫生等多个行业，共计1000家上市公司。为了确保数据的准确性和可靠性，研究过程中对异常值进行了剔除和处理。

(2)在研究方法上，本研究采用多元回归分析模型来探讨研发支出、溢出池与专利申请之间的关系。首先，构建了以下模型：

\[\text{Patent}=\beta_0+\beta_1\times\text{RD}+\beta_2\times\text{Outflow}+\beta_3\times\text{ControlVariables}+\epsilon\]

其中，Patent代表专利申请数量，RD代表研发支出，Outflow代表溢出池，ControlVariables包括企业规模、行业特征、市场竞争力等控制变量，\(\beta_0\)为常数项，\(\beta_1\)、\(\beta_2\)、\(\beta_3\)为回归系数，\(\epsilon\)为误差项。为了衡量溢出池，本研究采用地理距离和行业关联度两个指标，通过构建地理距离矩阵和行业关联度矩阵来计算每个企业的溢出池规模。

(3)在数据处理方面，本研究对原始数据进行了一系列预处理。首先，对研发支出和溢出池进行对数