中国区域创新创业指数构建与空间格局 :1990-2020 戴若尘, 中央财经大学经济学院, 北京大学企业大数据研究中心,18500186696, r.dai@cufe.edu.cn, 北京市昌平区沙河中央财经大学 11 号楼经济学院 祝仲坤, 北京大学国家发展研究院, 北京大学企业大数据研究中心 15910365152,zkzhu@nsd.pku.edu.cn, 北京市海淀区颐和园路 5 号北京大学国家 发展研究院 张晓波, 北京大学光华管理学院, 北京大学企业大数据研究中心,+1 703-209- 5338,x.zhang@gsm.pku.edu.cn, 北京市海淀区颐和园路 5 号北京大学光华管理 学院 作者感谢国家自然科学基金 商事制度改革成效 基于企业微观视角的研究 ( 编号 :71874008) 和 大数据环境下面向宏观经济风险的审计监测预警研究 ( 编号 :71950011) 的资助 祝仲坤为本文通讯作者 1 / 25
中国区域创新创业指数构建与空间格局 :1990-2020 摘要创业创新对于我国构建新发展格局, 实现高质量发展至关重要 本文结合大数据思维与技术, 立足于企业家 资本与技术三大核心要素, 运用 1990-2020 年全国工商企业注册数据库的全量企业信息, 从新建企业数量 吸引外来投资 吸引风险投资 专利授权数量和商标注册数量 5 个维度, 构建兼具客观性 实时性与多维性的中国区域创新创业指数, 以反映我国各地区的创新创业活力与绩效 研究表明 : 第一,1990-2020 年, 中国各地区创新创业指数不断提高, 创新创业绩效显著提升 第二, 广东省 浙江省 江苏省 山东省 北京市和上海市创新创业绩效最强, 西部省份创新创业活力严重不足 第三, 1990-2020 年间, 南北方创新创业绩效的差距呈现 U 型态势, 南热北冷 形势不断加剧 ; 与此同时, 中部六省创新创业活力不断增强, 呈现出 中部崛起 态势 关键词创新创业, 企业大数据, 指数构建, 空间格局 Index Construction and Spatial Pattern of Regional Innovation and Entrepreneurship in China: 1990-2020 Dai Ruochen, Zhu Zhongkun and Zhang Xiaobo Abstract Entrepreneurship and innovation are essential for China s high quality development. This paper constructs an objective, real-time and multi-dimensional regional innovation and entrepreneurship index in China to reflect the temporal and spatial distribution of innovation and entrepreneurship activities, utilizing administrative business enterprise registration database in China from 1990 to 2020 in combination with big data from other sources. We mainly focus on three core elements, i.e., entrepreneurship, capital, and technology, using the number of new enterprises, outside direct investment, venture capital investment, number of patents granted, and trademark registration. The index shows that the innovation and entrepreneurship have significantly improved from 1990 to 2020. In particular, Guangdong, Zhejiang, Jiangsu, Shandong, Beijing and Shanghai figure prominently in their innovation and entrepreneurship performance, while the performance of western regions lags behind. Furthermore, the gap between the southern and the northern region have widened recently, displaying a pattern of hot in the south and cold in the north. The six provinces in central China are catching up, showing a rise in the central region trend. Keywords Innovation and Entrepreneurship, Enterprise Big Data, Index Construction, Spatial Pattern JEL Classification O31, M13, R11 2 / 25
一 引言 创新是促进经济增长的重要引擎, 而企业是创新的主体, 是创新生态系统的核心, 企业家精神则是企业诞生的源泉, 是培育创新增长点的动力源泉 (Baumol,1996;Glaeser et al.,2015; 郭凯明等,2016) 伴随着中国经济步入 新常态, 创新创业活动日渐成为社会各界关注的焦点, 党的十八大报告明确提出, 中国未来要实施创新驱动的发展战略, 强调要着力构建 以企业为主体 的技术创新体系 此后从 2013 年国家提出 大众创业 万众创新 到 2014 年为进一步优化营商环境而启动 商事制度改革 1, 从党的十九大报告明确提出 加快建设创新型国家 的战略任务, 到 2018 年国务院发布 国务院关于推动创新创业高质量发展打造 双创 升级版的意见 ( 国发 2018 32 号 ), 一系列政策在将创新创业提升到国家战略高度的同时, 也将创新创业推向了一个新的高潮和阶段, 并成为促进 双创 事业迅速升级的战略性框架 ( 吴敏等,2021) 在上述背景下, 一个关键且紧迫的重大任务在于, 跟踪监测国家 双创战略 背景下各地创新创业绩效, 梳理和挖掘各地长期创新创业潜力, 从而精准研判国家创新创业发展态势与区域格局 要实现 精准研判, 就必须明确创新创业的评价指标, 并以此基础构建创新创业评价指标体系 本文将运用 1990 年至今中国大陆境内全量企业工商注册数据, 立足于企业家 资本与技术三大核心要素, 从新建企业数量 吸引外来投资 吸引风险投资 专利授权数量和商标注册数量 5 个维度, 创新地构建能够综合反映地区创新创业成果的中国区域创新创业指数 ( 后文简称 创新指数 ) 创新指数形同一个 全景图, 有助于全面系统研判各地区创新创业的绩效 特征以及潜力 创新指数类似一个 诊断单, 能够及时诊断出各地区创新创业进程中存在的问题, 为创业者 投资人 地方政府提供决策支持和现实依据 当前, 众多研究机构与学者试图构建指数解析一个国家或地区创新创业发展态势与格局 已有的相关指数多以各级政府统计数据为基础, 重点关注规模以上企业或高新技术企业 针对创业, 相关指数的关注点集中在创业环境 ( 或称营商环境 ) 与创业活动两个层面 例如, 中国城市营商环境评价研究 课题组基于生态系统理论, 从市场环境 法治环境与政务环境等 7 个维度评价中国城市营商环境 樊纲等 (2001;2003) 共同发起的中国市场化指数, 通过测度地区政府与市场关系 非国有经济发展 产品市场化发育程度 要素市场发育程度 市场中介组织发育与法治环境等 5 个维度评估中国各省份市场化进程 袁卫等 (2016) 兼顾创业环境与创业活动, 从政策支持 市场环境 文化环境 创业者活动编制中国城市创业指数, 该指数着重研究与创业者主体相关的因素, 能够真实反映创业者对创业环境的现实需求 针对创新, 在 2017 年国家实施 国家创新调查制度实施办法 后, 科技部等国家机构一直致力于对我国创新活动进行监测 2 这类监测基于相关统计年鉴等政府统计数据, 以规模以上企业 高新企业为主要关注点, 涵盖创新投入 创新产出及创新环境等指标的全面监测 其中的典型代表是 中国区域创新能力监测报告 与 中国区域创新能力评价报告, 两者均在科技部支持下开展, 分别侧重于地区创新活动特征与创新发 1 2014 年国务院发布 关于促进市场公平竞争维护市场正常秩序的若干意见 ( 国发 2014 20 号 ), 商事制度改革 正式启动 2 科技部国家统计局关于印发 国家创新调查制度实施办法 的通知 ( 国科发创 2017 96 号 ) 3 / 25
展质量 在国际上, 众多研究机构致力于评价创业活动, 并以此衡量地区经济活力 质量以及发展潜力 ( 袁卫等,2016) 这其中三个指数最为典型:(1) 聚焦创业环境的, 由世界银行发起的 营商环境报告 (Doing Business), 该报告通过收集包括开办企业 登记财产 获得信贷 执行合同等 11 个商业监管领域详实的客观数据, 对全球超过 190 个经济体的营商环境进行综合比较 (World Bank Group,2019) ( 2) 聚焦创业活动的考夫曼创业活动指数 3 (Kauffman Index of Entrepreneurial Activity,KIEA), 该指数尤其关注企业创立初期的重要商业活动, 在美国颇具影响力, 是衡量美国创业早期活动的重要指标 (Fairlie,2013; Fairlie et al.,2015) ( 3) 对创业环境和创业活动都有所关注的全球创业观察 (Global Entrepreneurship Monitor,GEM) 指数, 采用的评估指标涵盖创业活动 创业环境与创业政策等多个维度 (Bosma et al.,2021) 国际上对创新活动同样有较高关注度 两个指数最具代表性 :(1) 全球创新指数 4 (Global Innovation Index,GII),GII 指数通过知识产权申请率 移动应用开发 科技出版物等 80 余项指标, 对全球 100 多个经济体的创新绩效进行排名, 该指数已经获得国际认可 ( 文彦杰,2021) (2) 欧洲创新记分牌 5 (European Innovation Scoreboard,EIS) EIS 指数通过人力资源 金融支持 企业投资 知识资产等 10 个维度,27 个与创新高度相关的细分指标系统评估欧盟国家的创新绩效 ( 张琳等, 2021) 综上可知, 已有的创新创业相关指数的特点可以概括如下 : 第一, 将创新与创业两者 分而置之, 尚未有研究将两者有机结合起来 ; 第二, 以各级政府宏观性的统计数据为基础, 基础指标之间聚合度低, 数据具有全面性但颗粒度不够细致 ; 第三, 已有的创新或创业评价指数, 大多关注的是规模以上企业与高新技术企业, 忽略更具创新创业精神的中小微企业 相比于已有的创新创业相关指数, 中国区域创新创业指数 具有很多独特之处, 突出体现在以下四个方面 :(1) 以企业为核心, 强调创新创业的市场识别机制 创新指数将创新与创业有机结合, 围绕企业这一核心市场主体, 综合运用企业大数据库, 通过考察企业创建和投资行为, 以及创新产出来综合体现区域中企业创新创业活力 (2) 采用企业 全量 数据进行测算 创新指数结合大数据思维和技术, 利用在中国大陆境内工商企业等级注册的 全量 企业信息, 涵盖了全部行业 全部规模的企业, 特别是覆盖了全量的创新创业活跃度高的中小微企业和创业期企业 (3) 实现跨界和多维度评价 创新指数立足于企业家 资本 技术三大核心要素, 将原本这几个领域分散的数据有机联系起来, 统一基于 企业 这一视角进行划分, 构建了涵盖创业 投资和创新不同侧面的多维度综合评价体系, 既有横向的区域比较, 也有纵向的趋势分析 (4) 使用客观指标, 聚焦创新创业产出 创新指数聚焦地区内部企业创新创业的实际产出, 而非投入, 在分析过程中采用客观指标, 而非主观评价, 这不仅是对各地区创新创业绩效更加真实的度量, 也能够对各地区营商环境形成更为客观的评价 本文发现 : 第一, 创新指数兼具内部有效性与外部有效性, 能够准确表征各地区创新创业绩效 第二, 从 1990-2020 这三十年间, 中国各地区创新指数不断提高, 创新创业绩 3 http://www.kauffman.org/microsites/ kauffman-index 4 https://www.wipo.int/pressroom/zh/articles/2021/article_0008.html 5 https://www.europeansources.info/record/european-innovation-scoreboard-2021/ 4 / 25
效显著提升 第三, 从 2020 年创新指数来看, 广东省 浙江省 江苏省 山东省 北京市和上海市创新创业绩效最强, 西部省份创新创业活力严重不足 第四,1990-2020 年中国创新创业空间格局也在不断变动, 南北方创新创业绩效的差距呈现 U 型态势, 近十余年, 南北方差距持续拉大 ; 与此同时, 中部六省创新创业活力不断增强, 呈现出 中部崛起 态势 本文剩余部分的安排如下 : 第二部分重点介绍指标体系 数据来源及指标描述 ; 第三部分阐述创新指数的测算过程, 并重点剖析创新指数的内部有效性与外部有效性 ; 第四部分展示中国区域创新创业活力及其空间格局 ; 第五部分结论与政策启示 二 指标体系 数据介绍与描述分析 ( 一 ) 创新指数指标体系激发创新创业活力最为关键的无外乎 人 资本 技术这三大核心要素 所谓 人 的因素, 指的是企业家及其所蕴含的企业家精神, 这是创新创业的基础 ( 郭凯明等,2016), 本文从新建企业数量来考量创新创业过程中 人 的因素 ; 资本因素则是指创新创业过程中所需的物质资本, 是创新创业的重要保障, 本文重点从吸引外来投资与吸引风险投资两个维度来考察 ; 技术因素是驱动创新的内在动力 ( 吴敏等,2021), 在创新创业过程中同样不可或缺, 本文从专利授权和商标注册两个维度来评价 综上所述, 本文考虑使用新建企业数量 吸引外来投资 吸引风险投资 获得专利授权数量和商标注册数量等 5 个维度测算中国区域创新创业绩效 以下是对这 5 个维度含义及其所包含的基础指标的详细阐述 : 1. 新建企业注册数量新企业的进入是一个地区市场经济活力和创业行为活跃程度的重要表征 在当前国家希望通过鼓励创业推动创新, 实现产业升级和经济发展的新阶段, 新企业注册体现了所在地区市场主体实践创新创业活动的重要成果, 是衡量地区营商环境的重要标志 不仅如此, 新企业进入也有助于提高区域的市场竞争力 重构资源分配格局, 实现熊彼特式的 创造性毁灭 本维度由各地每一年新增企业注册数量来度量 2. 吸引外来投资吸引外来投资需要依靠良好的营商环境, 吸引外来投资的绩效能够反映该地区的创新创业活力 ( 李志军,2019) 吸引高质量的企业投资还有助于改善就业环境, 实现知识技术的外溢, 从而繁荣本地相关产业 外来投资一般分为自然人投资与法人投资, 由于自然人投资人无法识别自然人的来源地 6, 本文重点关注的是法人投资 法人投资体现了当地投资环境是否能够吸引比较成熟的产业资本对当地进行投资和产业转移 本文通过实施投资行为的企业法人注册地来判断对所研究地区而言是否属于外来投资 吸引外来投资维度由本地区企业当年获得外来法人投资的笔数来度量 3. 吸引风险投资风险投资是新兴企业的重要融资模式 ( 张学勇和张叶青,2016), 对于促进新兴产业和高科技产业发展具有重要的支持作用, 往往被认为是一个地区经济可持续发展的 风向标 6 在 2016 年已发布的 中国区域创新创业指数 中, 我们使用自然人投资人的身份证前六位判断自然人的来源地 但之后由于数据保密限制, 无法继续使用, 因此本指数删除该子指标 5 / 25
( 余琰等,2014; 陈思等,2017) 一个地区获得一笔风险投资, 往往对应着该地区新增一项前沿的创业和创新活动 因此, 吸引风险投资是反映这个地区当前创新创业活跃程度的重要维度 本文将全国风险投资 ( 包括风险投资和私募股权投资, 简称 VCPE) 公司所进行的股权投资活动定义为风险投资 VCPE 公司的名单由北京大学企业大数据中心收集, 通过在企业大数据平台中识别 VCPE 企业的股权投资活动, 能列出一份完整的全国获得风险投资的企业名单, 这一维度将由各个地区年度获得风险投资的企业数量指标来度量 4. 专利授权数量专利授权数量是最常用的创新绩效度量指标 ( 何欢浪等,2021) 课题组选取了其中最可能具有商业实用价值的企业获得的授权专利 专利分为发明专利 实用新型专利和外观设计专利三类, 从申请过程来看, 发明专利要求最为严格, 必须实质审查, 而实用新型和外观设计只要经过形式审查, 正因如此, 发明专利的技术价值更高 授权率更低, 含金量也最高 ( 张杰等,2016; 毛昊等,2018) 为此, 本文将这三种专利在专利维度中相对权重依次设定为 5:3:2 为将企业层面的专利授权信息加总到地区层面, 我们将全国专利数据与企业数据进行融合, 依据企业数据中的企业注册地的信息, 按照授权年份和专利类型加总到各个地区层面 综上所述, 专利授权这一维度包括新增发明专利授权数量 新增实用新型专利公开数量 新增外观设计专利公开数量等三个指标 需要说明的是, 对于实用新型和外观设计专利, 公开发布即可被视为获得授权 5. 商标注册数量注册商标是除专利之外另一类典型创新产出 注册商标往往意味着企业更关注自身产品质量, 希望树立良好的品牌形象, 因此一个地区企业商标注册数量能够间接反应出该地区企业在产品质量方面的创新绩效 本文通过将全国商标数据与企业数据进行融合, 按照商标注册时间分年分地区统计各个地区的商标注册数 商标注册这一维度目前只包含各地新增商标注册数量这一指标 ( 二 ) 数据来源与清理过程本文旨在围绕企业这一核心市场主体, 立足于企业家 资本与技术三大核心要素, 从新建企业数量 吸引外来投资 吸引风险投资 获得专利授权数量和商标注册数量等 5 个维度构建中国区域创新创业指数 为实现本文的构想, 我们基于北京大学企业大数据研究中心整合的企业大数据资源, 从微观企业数据出发度量上述指标 具体而言, 创新指数所涉及的数据主要包括企业工商注册数据 VCPE 投资数据 专利 & 商标数据 1. 企业工商注册数据企业工商注册数据记录了 1990 年至今在中国境内注册的所有企业经营单位 按照 1988 年的 企业法人登记管理条例 和 1993 年的 公司法, 工商局要求企业经营单位在开业前通过注册获得营业执照, 注册内容包括建立日期 注册地址 注册行业 注册资本 经营范围 所有制类型等注册基本信息, 企业的股东名称 投资金额等注册股东信息, 以及企业的高管姓名 职位 是否为法人代表等注册人员信息 企业要求实时向工商局上报企业基本信息的变更, 常见的变更包括企业股东身份变更 投资金额变更 企业人员变更 6 / 25
企业名称变更 注册地址变更 注册资本变更和经营范围变更 特别的, 工商局也会根据企业的申请或者其违规情况记录企业的注销时间和吊销时间 工商总局会不断更新企业的注册信息, 并将变更记录统一以文本的形式记录在变更表中 由于本研究使用的是 2021 年 4 月更新的企业注册信息, 对于当前的存续企业, 我们使用的信息是其 2021 年 4 月的信息而并非注册时的信息 对于死亡企业, 我们使用的是其注销或者吊销时的信息 信息的更新符合工商局的业务需求, 但却给回溯式的研究带来了挑战 特别的, 企业名字的变更则会导致使用 2021 年数据与其他企业数据按照名字进行匹配的时候存在匹配不上的问题, 特别是其他企业数据并不是随时间更新的情况 北京大学企业大数据研究中心利用文本分析等手段, 从变更数据中提取企业名称变更的相关信息并结构化, 从而构建出企业曾用名库 利用当前企业名称和企业曾用名同时进行与外部数据的匹配, 可以尽可能提高匹配率 ( 各个外部数据匹配率均可以达到 90% 以上 ) 对于企业的股东信息, 由于记录的是企业在 2021 年更新的股东信息, 其可能并非企业注册时候的原始创始股东 出于指数时效性的要求, 本文在法人股东信息的处理上使用更新后的信息, 对于 2020 年的描述是最准确的 对于早期年份, 会出现由于企业早期股东退出从而无法识别导致的低估问题 如何处理企业注册地址 注册行业的变更对于计算区域创新创业指数十分重要 注册地址更多的变更来源于行政区划代码的变动 当由于县改区或者区县合并导致的行政区划代码的变动, 企业注册数据也会自动更新为最新的, 因此, 本数据的注册地址 ( 行政区划代码 ) 统一为 2020 年民政部颁布的行政区划代码 7 对于个别没有进行变更的存续企业和变更前已经注销掉的企业, 本研究手动整理民政部公布的关于行政区划代码的变更记录, 试图通过代码对应的方式确定企业注册地址归属于哪个 2020 年版本的行政区划代码 行业代码也存在着 GB2003 GB2011 GB2017 等多个国标版本,2021 年版本的企业工商注册数据已经统一更新为 GB2017 年版本的行业代码 中国区域创新创业的发展还存在着所有制结构的转变 在早期, 集体企业和国有企业占据新进入企业的较大比例, 而后期特别是 2004 年 公司法 的颁布后, 私营企业占据了接近 90% 的企业进入 本研究只包括有限责任公司 股份有限公司 合伙企业 个人独资企业和内资企业法人 ( 全民所有制 集体所有制 股份制 股份合作和联营企业 ), 而忽略同样需要注册的非法人企业 公司的分公司 分支机构和农民合作企业 进行如上处理后, 对于我们所关注的法人公司或企业, 按照注册年份, 注册地址的 2020 年 6 位数行政区划代码进行数据加总, 得到每个区域每一年新注册的公司数目 通过合并企业法人股东的注册地址信息, 我们可以判断企业法人股东的注册地址是否是该企业的注册地址, 从而判断该企业是被本地法人股东投资还是外来法人股东投资 在计算省 市和区县维度计算该指标时, 是否为外来法人股东的判断维度也为对应的省外 7 由于注册地址会自动更新到 2020 年的版本, 因此对于一个曲线合并到另一个区县的情况, 我们是无法判断出合并前的区县的 例如,2010 年 9 月北京市西城区与宣武区合并成了新的西城区, 那么所有在 2010 年前注册在宣武区的企业也都将其注册地址统一更新为新的西城区, 我们基于 2021 年的企业工商注册数据无法识别 2010 年以前宣武区的企业注册情况 在构造面板数据的时候, 我们对于 2010 年以前虚拟构造出合并后的西城区作为分析目标, 使 2010 年之前和之后的西城区数据是可比的 因此, 本数据如果直接用名字匹配 2009 年西城区的人口数目是错误的, 因为本数据的西城区在任何时间都是合并后的西城区的概念 对于简单的区改县等只涉及行政区划代码变动不涉及行政区划边界变动的, 我们进行了向后的县码更新, 处理相对简单直接 7 / 25
市外和区县外 进行如上处理后, 对于我们识别的外来法人股东, 按照法人股东的投资年份, 被投企业的注册地址进行数据加总, 得到每个区域每一年获得外来法人股东投资的个数 2.VCPE 投资数据 VCPE 利用有限合伙企业的架构, 由普通合伙人 (GP) 管理基金 (fund), 并从有限合伙人 (LP) 处进行融资, 目标是对于具有增长潜力的创新企业和处于发展中的独角兽企业进行股权投资的方法进行风险投资, 并在被投企业在上市后退出获得股权投资回报 VCPE 通过专业的团队进行投资管理, 以利润为导向, 选择具有潜力的创新企业进行投资, 其含金量显著高于普通的创业企业 北京大学企业大数据研究中心通过整合中国证券基金协会公示的 私募股权 创业投资基金管理人 名单和清科数据, 截至 2020 年, 得到共计 24709 家 GP 基金管理人名单 通过将名单与企业工商数据相匹配, 获得基金管理人的基本注册信息和其所有的投资行为 在 GP 所有的投资企业中, 我们通过名称 ( 包含基金管理等字符 ) 和企业登记注册类型 ( 有限合伙企业 ) 识别出其管理的基金, 共 71541 家 依靠企业工商数据的股东信息, 我们查找所有 GP 和 Fund 的直接股权投资, 共计 186737 笔 进行如上处理后, 对于我们识别的 GP 和 Fund 的投资, 按照 GP 和 Fund 的投资年份, 被投企业的注册地址进行数据加总, 得到每个区域每一年获得 VCPE 投资的个数 3. 专利 & 商标数据 (1) 专利数据 专利数据来自国家知识产权局 根据国家知识产权总局的公示信息, 2019 年境内共申请 1243568 件发明专利, 其中职务申请为 1136072 件 在职务申请的专利中, 企业法人申请为 807813 件占比 71.11%, 第二大申请主体为大学, 占比为 21.54% 其他研究机构和其他机构, 占比 7.36% 大学或研究申请的发明专利往往距离知识成果转换还有距离, 企业法人的专利申请对于经济总体的创新十分重要 另外, 企业申请人还申请了 1646655 件实用新型专利 ( 占比 87.38%) 和 366197 件外观专利 ( 占比 91.52%) 北京大学企业大数据研究中心通过与龙信数据合作, 获得了国家知识产权总局公布的微观专利申请数据, 包括专利的申请号 分类号 专利类型 ( 发明 实用新型和外观 ) 申请日期 公开日期 申请人与法律状态 ( 是否授权 ) 等信息 通过对申请人字段进行拆分, 得到所有专利的企业申请人 与企业注册数据匹配, 我们可以获得这些企业申请人的基本注册信息, 特别是注册地址 通过合并匹配, 对于 2019 年, 我们一共获得 98045 项职务申请专利, 其中企业申请人申请专利数为 782469 8, 占比 71.32% 我们合并的微观专利数据与国家知识产权总局公示的加总数据高度一致, 说明我们数据处理的准确性 进行如上处理后, 对于我们识别企业申请专利, 我们只考虑被授权的专利, 对于专利的授权年份, 按照申请企业的注册地址进行数据加总, 得到每个区域每一年发明专利 实用新型专利和外观专利的授权专利件数 (2) 商标数据 商标数据同样来自国家知识产权局 北京大学企业大数据研究中心通过与龙信数据合作, 获得了国家知识产权总局公布的微观商标申请数据, 并与企业工商数 8 对于多个申请人共同申请一项专利的情况, 我们假设每个申请人对于专利的贡献是一致的, 每个申请人 申请了 (1/ 申请人数 ) 件专利 8 / 25
据进行合并 商标数据包括申请企业名称, 获准日期, 商标类型, 当前法律状态等信息 对于商标的授权年份, 按照申请企业的注册地址进行数据加总, 得到每个区域每一年授权商标件数 ( 三 ) 创新指数各维度指标的描述分析 1. 指标聚合度检验在确定采用上述 5 个维度测算创新指数之前, 我们必须考虑这 5 个维度的指标聚合在一起是否具有合理性与有效性 为此, 本文运用主成分分析方法考察创新指数各维度指标的聚合力 在进行主成分分析之前, 按照惯例, 本文首先进行 KMO(Kaiser-Meyer-Olkin) 检验, 目的在于比较各维度之间的相关性,KMO 检验数值越接近于 1, 说明各维度之间相关性越强 经测算, 本文 5 个维度的 KMO 检验数值为 0.8926, 这表明 5 个维度的相关度较强, 适合进行主成分分析 根据附表 1 所示, 基于 5 个维度指标测算主成分, 可知第一主成分的特征值为 4.6571, 占比为 93.14%, 即第一主成分对总方差贡献率达到 93.14% 碎石图( 附图 2) 展示的结果与总方差解释表基本一致 进一步由附表 2 中各主成分的因子载荷矩阵可知,5 个维度指标均在第一主成分当中均具有较大权重, 即 5 个维度指标对第一主成分解释力较强 综上可知, 创新指数的 5 个维度指标聚合力较强, 构成指标体系兼具合理性与有效性 9 2. 各维度指标原始值的时间趋势 :1990-2020 在确定创新指数所包含的 5 个维度及其所使用的基础指标后, 本文对各维度指标的原始值 1990-2020 年的发展趋势进行简要描述分析 如图 1 所示, 总体来看, 从 1990-2020 年, 新增企业数量 吸引外来投资 吸引风险投资 专利授权数量 商标注册数量等 5 个维度的指标, 均呈现逐年递增走势 值得注意的是, 在 2014 年商事制度改革之后, 各项指标呈现快速攀升态势 所谓商事制度改革, 主要的内涵在于注册资本实缴登记制调整为注册资本认缴登记制, 以往 重审批轻监管 转变为 轻审批重监管, 这将有助于简化企业登记注册程, 缩减企业登记和审批时间 文中各项指标的在商事制度改革之后迅速攀升的趋势, 恰好印证了商事制度改革对各地区创新创业活力的重要释放作用 这一描述性结果与毕青苗等 (2018) 夏后学等 (2019) 朱光顺等(2020) 等研究所得结论一致 特别值得注意的是, 商事改革主要降低了企业注册的门槛, 但是风险投资 专利和商标等在集约边际上反映创新质量提高的指标同时增长, 说明商事改革对于创新创业全局的促进作用 以新建企业数量为例,1990 年全国共新建企业 22.60 万家, 到 2000 年这一数字增至 58.40 万家, 年均增长率约为 9.96%; 进入 21 世纪头十年, 全国新建企业数量增速基本保持一致, 到 2010 年全国新建企业数量为 149.72 万家, 是 2000 年的 2.55 倍, 年均增速约为 9.83% 在 21 世纪第二个十年, 全国新建企业数量增速明显加快,2020 年全国新建企业数量达到 738.82 万家, 这期间全国新建企业数量年均增速达到 17.31% 从新增外来投资 新增专利数目以及新增商标注册数目这三项指标的态势来看,2014 年商事制度改革成为增速的分水岭, 在 2014 年以前, 外来投资 专利以及商标注册数目增 9 附录展示了各个维度所包含的基础指标的描述性统计情况, 详见附表 3 9 / 25
速相对平稳,2014 年以后增速明显加快 图 1 创新指数各基础指标原始值的时间趋势注 : 经作者计算所得, 数据来源于全国工商企业注册数据库 VCPE 投资数据库 专利数据库以及商标注册数据库 三 创新指数测算过程及其有效性检验 ( 一 ) 创新指数测算过程上文已经明确创新指数的 5 个维度及包含的 7 个基础指标, 接下来一个关键任务在于确定各维度及基础指标的权重 为此, 本文采用专家打分法, 通过广泛征询专家意见确定各维度权重 具体来看, 新建企业数量的权重为 20%, 吸引外来投资所占权重为 15%, 吸引风险投资所占权重为 25%, 专利授权数量的权重为 25%, 商标注册数量的权重为 15% 10 / 25
专利授权数量维度中的三个基础指标发明 实用新型 外观设计专利公开数量权重设置为 5-3-2, 占总指数的权重分别为 12.5% 7.5% 和 5% 表 1 创新指数的指标体系 核心要素 维度名称 基础指标 所占权重 企业家 新建企业数量 新增企业注册数量 20% 资本 吸引外来投资新增外来法人投资的笔数 15% 吸引风险投资新增风险投资的企业数量 25% 新增发明专利授权数量 12.5% 技术 专利授权数量新增实用新型专利公开数量 7.5% 新增外观设计专利公开数量 5% 商标注册数量 新增商标注册数量 15% 由于创新指数涉及到的原始数据分布并不服从正态分布, 如果直接进行标准化处理, 会降低其有效性 因此, 本文先将指数的 7 个指标取值取以 10 为底的对数, 使各变量的分 布近似服从正态分布 indicator ijkt = log(indicator origin,ijkt ) (1) 上式中,i 表示第 i 个地区,j 代表第 j 个维度, k 代表第 k 个指标,t 代表第 t 年 接下来, 我们将各个基础指标转化为可比的相对值 具体方法是进行组内的标准化 (Z-score) 处理, 获得各个基础指标的标准化值 standard_indicator ijkt = indicator ijkt 1 I T t i indicator ijkt standard_deviation jk (indicator ijkt ) (2) 上式中,standard_deviation jk (indicator ijkt ) 表示对第 k 个指标计算标准差,Σ 表示加 总因子 I 代表总的地区数目,T 代表总的年份数目 由于 Z-score 后的值近似满足标准正态 分布, 我们直接按照公式 (5) 计算对于第 jk 个基础指标的每个年份 - 地区 it 所在的分位数, 乘以 100 得到每个年份 - 地区的各维度指标创新指数得分 对于专利授权维度, 本文按照 5:3:2 的权重对发明专利 实用新型专利和外观设计专利三个子指标得分进行加总, 得到专 利授权维度指数得分 随后, 利用各个基础指标的标准化值, 我们可以将 5 个维度共计 7 个基础指标进行加 总 第 i 个地区在第 t 年的加权创新指数, 如公式 (3) 所示 : innovation_indicator it = weight jk standard_indicator ijkt (3) 其中 : jk weight jk = weight j weight k = weight j weight k jk j k weight j = weight k = 1 j k j k (4) 最后, 根据公式 (5) 我们可以计算每个年份 - 地区的加权创新指数所在的分位数并乘 以 100, 从而得到标准的区间为 0-100 的创新指数, 指数数值越大, 说明该地区对应年份的 创新创业绩效越好 innovation_index i = 100 Pctile(innovation_indicator it ) (5) ( 二 ) 创新指数对其原始值的解释力 11 / 25
本文构建 1990-2020 年 31 个省级行政单位创新指数的面板数据, 并以各维度指标为解 释变量, 以其原始值的对数 10 为被解释变量, 探讨创新指数对原始值得解释力 如表 2 所示,Panel A-E 的列 (1) 控制省份固定效应, 列 (2) 控制年份固定效应, 列 (3) 同时控制省份与年份固定效应 总体而言, 各列的 R 2 数值较大, 尤其是同时控制省 份与年份固定效应的列 (3)R 2 接近于 1, 这意味着创新指数各维度指标原始值几乎所有的 变化量均可以被创新指数各维度指标来解释 具体而言, 从 Panel A 中列 (3) 的估计结果来看, 创新指数中的新建企业数量指标的 得分每增加 1 个单位, 新建企业数量增加 2.10%, 估计结果在 1% 的统计水平上显著 从 Panel B-E 的列 (3) 估计结果来看, 创新指数中吸引外来投资 吸引风险投资 专利授权 数量与商标注册数量得分每增加 1 个单位, 其对应的原始值分别增加 4.29% 4.22% 5.56% 与 1.85% 综上可知, 创新指数各维度指标得分对其原始值具有较强的解释力, 至少可以表明基 础指标得分与其原始值相关度较高 这意味着通过对原始值标准化后进行加总, 然后取分 位数得到的创新指数并未 失真, 各维度指标得分能够较好地表征其对应的原始值 进一 步来讲, 我们可以据此认为, 创新指数具有 内部有效性, 能够比较有效地表征各地区创 新创业绩效 表 2 创新指数各维度指标得分对其原始值的解释力 Panel A:Log ( 新建企业数量 ) 变量 (1) (2) (3) 新建企业数量指标得分 0.0473 *** 0.0281 *** 0.0210 *** (0.0005) (0.0012) (0.0012) 常数 7.6796 *** 7.7519 *** 7.8699 *** (0.0298) (0.0774) (0.0569) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.8901 0.9308 0.9332 观测值 961 961 961 Panel B:Log( 吸引外来投资 ) 变量 (1) (2) (3) 吸引外来投资指标得分 0.0612 *** 0.0533 *** 0.0429 *** (0.0005) (0.0010) (0.0013) 常数 2.3470 *** 1.7173 *** 1.7980 *** (0.0294) (0.0658) (0.0598) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.9362 0.9581 0.9605 观测值 961 961 961 Panel C:Log( 吸引风险投资 ) 变量 (1) (2) (3) 吸引风险投资指标得分 0.0588 *** 0.0514 *** 0.0422 *** (0.0005) (0.0008) (0.0010) 常数 -0.6085 *** -0.4107 *** -0.2626 *** (0.0259) (0.0607) (0.0544) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.9455 0.9621 0.9650 观测值 961 961 961 Panel D:Log( 专利授权数量 ) 10 本文涉及的对数值均取以 10 为底的对数, 全文一致, 后文不再重复说明 12 / 25
变量 (1) (2) (3) 专利授权数量指标得分 0.0908 *** 0.0726 *** 0.0566 *** (0.0005) (0.0013) (0.0015) 常数 0.9753 *** 1.3735 *** 1.5986 *** (0.0285) (0.0602) (0.0492) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.9710 0.9863 0.9879 观测值 961 961 961 Panel E:Log( 商标注册数量 ) 变量 (1) (2) (3) 商标注册数量指标得分 0.0697 *** 0.0510 *** 0.0185 *** (0.0005) (0.0014) (0.0016) 常数 4.5474 *** 4.5447 *** 4.9599 *** (0.0305) (0.0732) (0.0519) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.9455 0.9671 0.9776 观测值 961 961 961 注 : 括号内为稳健标准误,*** ** * 分别代表在 1% 5% 10% 的统计水平上显著 ( 三 ) 创新指数对国内生产总值 研发支出是否具有解释力 上文的估计结果表明, 创新指数具有 内部有效性, 能够较好地表征地区创新创业绩 效 为了检验这一结论, 本文进一步探究创新指数的 外部有效性, 尝试考察创新指数对 国内生产总值 人均国内生产总值以及研发支出等宏观经济指标的影响 若创新指数的确 可以表征地区创新创业绩效, 那从逻辑上来讲, 我们应该可以观测到创新指数与国内生产 总值 人均国内生产总值 研发支出显著正相关, 接下来我们进行验证 本文将国家统计局公布的 中国统计年鉴 中 1995-2019 年国内生产总值 ( 亿元 ) 与 人均国内生产总值 ( 元 ), 以及 2008-2019 年规模以上工业企业研发支出 ( 万元 ) 数据与创 新指数数据库匹配起来, 形成面板数据库, 以创新指数为解释变量, 以国内生产总值 人 均国内生产总值 研发支出的对数值为被解释变量进行分析 如表 3 所示,Panel A 展示的是创新指数对国内生产总值的回归结果, 其中列 (1) 控制 省份固定效应, 列 (2) 控制年份固定效应, 列 (3) 同时控制省份与年份固定效应 总体 来看, 在 Panel A Panel B 与 Panel C 中, 同时控制省份与年份固定效应的列 (3)R 2 均超 过 0.85, 初步表明创新指数对国内生产总值 研发支出等宏观经济指标具有较高的解释力 进一步来看, 列 (1) 至列 (3) 的估计结果均表明, 创新指数对国内生产总值具有正 向影响, 估计结果在 1% 的统计水平上显著, 从列 (3) 结果来看, 创新指数每增加 1 个单 位, 国内生产总值增加 0.39% 同理,Panel B 和 Panel C 估计结果表明, 创新指数人均国内 生产总值 研发支出均具有显著正向影响, 同样以列 (3) 结果来看, 创新指数每增加 1 个 单位, 人均国内生产总值增加 0.88%, 研发支出增加 0.77% 表 3 创新指数对国内生产总值 研发支出的影响 Panel A:Log( 国内生产总值 ) 变量 (1) (2) (3) 创新指数 0.0431 *** 0.0054 *** 0.0039 *** (0.0005) (0.0009) (0.0008) 常数 6.2977 *** 7.0147 *** 7.0514 *** (0.0301) (0.0885) (0.0294) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 13 / 25
R 2 0.9048 0.9851 0.9851 观测值 775 775 775 Panel B:Log( 人均国内生产总值 ) 变量 (1) (2) (3) 创新指数 0.0407 *** 0.0094 *** 0.0088 *** (0.0005) (0.0009) (0.0009) 常数 7.5820 *** 8.1741 *** 8.1881 *** (0.0272) (0.0681) (0.0314) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.9122 0.9808 0.9808 观测值 775 775 775 Panel C:Log( 研发支出 ) 变量 (1) (2) (3) 创新指数 0.0471 *** 0.0260 *** 0.0077 * (0.0016) (0.0040) (0.0039) 常数 10.3548 *** 10.6209 *** 11.4419 *** (0.1176) (0.2369) (0.1859) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.7150 0.8405 0.8501 观测值 372 372 372 注 : 数据来自中国统计年鉴 括号内为稳健标准误,*** ** * 分别代表在 1% 5% 10% 的统计水平上 显著 除了用创新指数对国内生产总值 人均国内生产总值 研发支出进行回归之外, 本文 还用新建企业数量原始值的对数对上述指标进行回归 根据附表 4 所示,Panel A Panel B 和 Panel C 估计结果表明, 新建企业数量对国内生 产总值 人均国内生产总值 研发支出均具有显著正向影响 具体从 Panel A Panel B 和 Panel C 列 (3) 的估计结果来看, 新建企业数量每增加 1%, 国内生产总值增加 0.15%, 人 均国内生产总值增加 0.22%, 研发支出增加 0.36% 综合分析表 2 表 3 以及附表 4 可知, 表 2 中的 Panel A 列 (3) 显示, 在控制省份固定 效应和年份固定效应之后, 新建企业数量指标得分每增加 1 个单位, 新建企业数量增加 2.10%; 附表 4 的列 (3) 显示, 新建企业数量每增加 1%, 区域的国内生产总值增加 0.15%; 据此可知, 一个区域内新建企业数量得分每增加 1 个单位, 对区域内国内生产总值的正向 拉动效应为 0.32% 而表 3 中的 Panel A 列 (3) 的内涵恰恰是, 创新指数每增加 1 个单位, 区域的国内生产总值增加 0.39% 这与表 2 与附表 4 中新建企业数量得分对区域国内生产总 值的影响比较接近, 这能够在一定程度上表明, 创新指数 新建企业数量指标得分及其原 始值存在正向关联 特别的, 对于数据使用者, 针对特定的感兴趣的因变量, 可以通过将 估计出来的指标系数 (0.39%), 除以相对表 2 中的指标与指标真实值的关系 (2.1), 得到 每 1% 指标真实值引起的因变量的百分比变动 (0.39% /2.1 = 0.19%) ( 四 ) 创新指数与中国市场化指数 世界银行营商环境指数的关联 区域创新创业的发展与其营商环境质量的优劣直接相关 Baumol(1996) 强调营商环 境更高的地区能够促进产生生产型的企业家, 反之则会出现套利型的企业家 许多营商环 境指数也会从产出角度包含区域的创新创业情况 ( 樊纲等,2011; 李志军,2019;World Bank Group,2019) 为了进一步考察创新指数的 外部有效性, 本文尝试探究创新指数与 中国市场化指数 世界银行营商环境指数的关联度 中国市场化指数由樊纲等学者发起, 自 2001 年开始进行, 至今已经持续 20 余年 中 14 / 25
国市场化指数由五个维度组成, 分别反映市场化的某个特定方面 具体是 : 政府与市场的 关系 非国有经济的发展 产品市场的发育程度 要素市场的发育程度 市场中介组织的 发育和法治环境 为了保持中国市场化指数的客观性, 基础指数的数据来源于权威机构的 统计数据或企业调查数据 目前, 中国市场化指数已经成为评价中国市场化进程的重要 方 向标 ( 樊纲等,2011) 本文将樊纲等构建的中国市场化指数 (1997-2016) 与创新指数数据库匹配起来, 形成 面板数据库, 探究地区创新创业绩效是否有助于推动该地区市场化进程 表 4 展示了创新 指数对中国市场化指数的回归结果, 其中列 (1) 控制省份固定效应, 列 (2) 控制年份固 定效应, 列 (3) 同时控制省份与年份固定效应 从列 (1) 至列 (3),R 2 数值不断提高, 同时控制省份与年份固定效应的列 (3)R 2 达到 0.8032, 表明中国市场化指数变动量的 80% 可以被创新指数解释 进一步从列 (3) 的估计结果来看, 创新指数每增加 1 个单位, 中国 市场化指数增加 0.0094 个单位, 估计结果在 1% 的统计水平上显著 这一结果意味着, 区 域创新创业活力有助于加速该区域的市场化进程 表 4 创新指数与中国市场化指数 (1997-2016) 中国市场化指数 变量 (1) (2) (3) 创新指数 0.0091 0.0251 *** 0.0094 *** (0.0079) (0.0030) (0.0036) 常数 5.1832 *** 2.5498 *** 3.3817 *** (0.4107) (0.2359) (0.2089) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.0023 0.7965 0.8032 观测值 617 617 617 注 : 中国市场化指数来自王小鲁等 (2019) 括号内为稳健标准误,*** ** * 分别代表在 1% 5% 10% 的统计水平上显著 世界银行发布的 营商环境报告 (Doing Business) 从包括开办企业 财产登记 合 同执行等多个维度对全球 190 多个国家的营商环境进行评估 从 2008 年开始发布关于中国 的国别报告, 详细提供了中国 30 个城市营商环境数据及排名 ( 董志强等,2012; 李志军, 2019) 本文使用 2019 年营商环境报告中国 30 个城市的营商环境数据, 评估创新指数对地 区营商环境的影响 具体处理过程中, 本文以创新指数为解释变量, 分别将开办企业指标排名 (The Rank of Starting a Business,SAB) 财产登记指标排名 (The Rank of Registering Property) 合同 执行排名 (The Rank of Enforcing Contracts,EC) 开办企业手续数量 (Procedures) 开办 企业天数 (Time) 作为被解释变量展开分析 如图 2 所示, 创新指数与开办企业指标排名 财产登记指标排名 合同执行排名 开 办企业手续数量 开办企业天数等指标均呈现显著负相关关系, 从 R 2 的结果来看, 创新指 数对营商环境各项指标的解释力分别为 0.25 0.13 0.29 0.18 与 0.55 这意味着创新指数 高的城市, 开办企业 财产登记 合同执行排名靠前, 开办企业手续数量及所需时间较少 即一个地区创新创业绩效越突出, 营商环境也更具优势 15 / 25
注 : 分别将开办企业指标排名 (The Rank of Starting a Business,SAB) 财产登记指标排名 (The Rank of Registering Property) 合同执行排名(The Rank of Enforcing Contracts, EC) 开办企业手续数量(Procedures) 开办企业天数(Time) 来自世界银行 2019 年 营商环境报告 Score 为 2019 年创新指数 图 2 创新指数与营商环境指标的关联 四 中国区域创新创业活力及空间格局 ( 一 ) 中国区域创新创业绩效的时间趋势如上文所述, 创新指数各维度指标具有聚合力 对其原始值具有较高的解释度, 创新指数也对国内生产总值 人均国内生产总值 研发支出 中国市场化指数以及营商环境指标等 外部指标 具有较好的解释力, 这表明创新指数兼具内部有效性与外部有效性, 能够有效地表征地区创新创业绩效 16 / 25
接下来, 本文分析从 1990-2020 这三十余年间各省份创新指数发展趋势 从 1990 年至 2020 年, 创新指数最低分为 0 分, 最高分为 100 分 由图 3 所示,1990 年全国各省份创新指数着色较浅, 分值均处于较低水平, 仅广东省 上海市 江苏省 浙江省等东部沿海省份着色较深, 分值处于较高水平 2000 年 2010 年全国各省份创新指数着色均在加深, 代表我国总体创新创业活力不断增加, 东部沿海省份仍处于领先地位, 其中广东省 江苏省 上海市 北京市等省份创新指数着色最深, 分值超过 90 分 2020 年各省份创新指数着色均较以往年份有所加深, 大多省份处于 80 分以上, 仅有西藏 青海 宁夏 甘肃等省份创新指数分值较低 1990 2000 2010 2020 注 : 作者根据创新指数计算绘制 图 3 全国创新指数活力地图 ( 二 ) 中国各省份创新创业活力 (2020) 表 5 展示了 2020 年各省份创新指数及排名, 各维度指数及排名 创新指数方面, 排在前六位的依次是广东省 浙江省 江苏省 山东省 上海市和北京市 长三角 珠三角稳居 第一梯队 四川省 安徽省 河南省 福建省位列第 7-10 位 四川省作为前十位西部地区唯一代表, 得益于人口与经济体量优势继续保持前十位 中部地区安徽省与河南省挤进前十, 此外, 湖北省位列第十二位, 可以由此窥见中部崛起的势头 福建省作为东南沿海省份, 创新创业活力一直保持喜人势头, 已经持续多年排在前十位 相比之下, 宁夏回族自治区 西藏自治区与青海省位列全国最后三位, 创新创业绩效 17 / 25
较头部省份存在较大差距, 亟需激活创新创业活力 各维度指数及排名与创新指数及排名基本一致 具体来看, 广东省在新建企业数量 专利授权数量 ( 发明专利 外观设计均排名第一 ) 商标注册数量 3 个维度排名第一, 江苏 省在吸引外来投资 吸引风险投资 2 个维度排名第一, 且专利授权中的新增实用新型专利 数量排名第一 值得注意的是, 北京市在吸引风险投资 吸引外来投资与商标注册数量等 方面表现良好, 分别排名全国第 2 第 3 第 3, 但在新建企业数量维度排名仅为第 15 位 综上, 从本文测算的创新指数来看, 东部沿海地区更具创新创业活力, 中部地区崛起 势头明显, 而西部地区创新创业活力严重不足, 亟需政策予以激活 省份 创新指数 创新指新建企业数排名数量排名 表 5 各省份 2020 年创新创业绩效排名 吸引外来投资排名 吸引风险投资排名 发明专利排名 实用新型排名 外观设计排名 商标注册数量排名 广东省 100.0000 1 1 5 4 1 2 1 1 江苏省 99.5838 2 3 1 1 4 1 3 4 浙江省 99.4797 3 4 2 5 3 3 2 2 山东省 98.8554 4 2 4 6 6 4 7 6 上海市 98.4391 5 8 6 3 7 5 5 5 北京市 98.3351 6 15 3 2 2 10 4 3 四川省 96.6701 7 6 8 7 9 12 8 9 安徽省 96.4620 8 9 10 9 5 7 10 10 河南省 96.2539 9 5 12 12 13 8 9 8 福建省 96.1498 10 10 9 8 11 6 6 7 河北省 95.1093 11 7 11 17 14 13 11 11 湖北省 95.0052 12 11 16 10 8 9 14 12 湖南省 93.7565 13 13 15 13 10 15 16 13 江西省 93.0281 14 14 13 14 15 14 12 16 陕西省 91.9875 15 12 19 15 16 18 17 15 天津市 91.5713 16 24 14 11 18 11 13 19 重庆市 91.1550 17 19 20 18 12 17 15 14 辽宁省 89.1779 18 17 22 21 17 16 18 18 广西壮族自治区 87.8252 19 18 18 22 20 23 19 20 贵州省 87.7211 20 21 17 20 19 21 20 21 云南省 87.3049 21 22 21 19 22 19 21 17 山西省 86.5765 22 16 23 24 21 20 23 22 海南省 86.3684 23 20 7 16 29 28 29 27 吉林省 83.2466 24 23 27 25 24 22 22 25 黑龙江省 81.7898 25 25 26 26 23 26 25 23 新疆维吾尔自治区 81.1655 26 28 24 23 27 27 28 26 内蒙古自治区 80.1249 27 26 25 29 25 25 26 24 甘肃省 76.7950 28 27 28 28 28 24 24 28 宁夏回族自治区 68.9906 29 29 29 27 26 29 30 29 西藏自治区 58.8970 30 31 30 30 31 31 27 31 青海省 58.5848 31 30 31 31 30 30 31 30 18 / 25
( 三 ) 中国创新创业活力的空间格局 1. 南热北冷 近年来, 关于中国经济发展过程中南北差异的探讨越来越多, 北方各省份经济活力不足, 与南方, 尤其是长三角地区 珠三角地区的经济差距越来越大 那么, 在创新创业层面是否呈现同样趋势, 或者说南北经济差距是否在创新创业活力层面发现 端倪 本文将各省份划分为南方地区和北方地区 11, 测算各年份南方地区与北方地区创新指数差距, 考虑到随着时间推移, 创新指数会收敛于 100 分, 以此本文用南北方创新指数除以当年全国创新指数差异的标准差, 得到图 4 如图 4 所示,1990-2020 年, 南北方创新创业差距呈现 U 型态势,1990 年代南北方地区创新创业活力的差距较大,2000-2008 年南北方差距处于最低位置, 随后南北方地区创新创业差距不断拉大, 南热北冷 态势持续强化 特别需要指出的是, 若北方地区将北京除去, 南北差异进一步拉大, 南热北冷 态势更趋显著 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 1990 1993 1996 1999 2002 2005 2008 2011 2014 2017 2020 南北差异南北差异 ( 除北京 ) 注 : 作者根据创新指数计算绘制 图 4 南北差异 (1990-2020) 除了直接测算南方地区与北方地区创新指数的差距, 本文还逐年统计了 1990-2020 年期间创新指数的 百强县, 并尝试通过比较南方地区与北方地区创新指数 百强县 的入选数, 探究南北差异 如图 5 所示, 南方地区百强县的数目遥遥领先, 且仍处于上升渠道 ; 反观北方地区, 百强县数目明显少于南方地区, 且仍存在继续下降风险 具体而言,1993 年是本文样本年份中, 北方地区入选百强县最多的年份, 入选数 40 个, 相当于南方地区入选数的 2/3; 时间来到 2020 年, 北方地区入选百强县数目仅为 22 个, 南方地区入选数高达 78 个 由此观之,1990-2020 年, 南北方地区创新创业活力的差距一直存在, 近年来差距正在逐步拉大 11 南北方地区的划分以秦岭 - 淮河为界, 由于是从省级层面来划分, 因此本文将安徽省 江苏省划分到南 方地区, 陕西省划分到北方地区 19 / 25
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 注 : 作者根据创新指数计算绘制 图 5 南北方地区百强县数目 (1990-2020) 2. 中部崛起近年来, 中国经济发展格局中除了南北差异被广泛热议之外, 中部崛起关注度也非常高 本文接下来通过创新指数来评估中国创新创业空间格局中是否也存在 中部崛起 中部地区包括山西省 安徽省 江西省 河南省 湖北省与湖南省等六个省份 如图 6 所示, 本文逐年测算了中部六省创新指数得分之和占全国创新指数总得分的比重 1992 年中部六省创新指数占全国的比重最低, 仅为 13.17%, 自此之后, 中部六省创新指数占全国的比重开始进入上升通道,2007 年比重首次超过 20%, 一直到 2020 年, 中部六省创新指数占全国的比重持续高于 20% 上述结果意味着,1990-2020 年这三十年间, 中部六省创新创业活力逐步增强, 呈现出 中部崛起 势头 0.25 0.20 0.15 0.10 0.05 0.00 20 / 25
注 : 作者根据创新指数计算绘制 图 6 中部地区创新指数总分值占全国总分值比重 (1990-2020) 为进一步阐述创新创业空间格局中的 中部崛起, 本文逐年测算中部各省创新指数的 全国排名, 如图 7 所示 1990-2020 年间, 安徽省 江西省 河南省创新指数呈现明显的上 升势头, 湖南省在 2014 年之后排名上升势头明显, 湖北省一直保持在全国前十位附近 (2020 年创新指数排名进一步下滑, 可能与省会城市武汉遭遇新冠疫情有关 ), 相比之下, 山西省创新指数排名虽有波动, 但大多数年份都处于全国 20 名开外, 创新创业活力不强 总体来看, 中部六省创新创业活力呈现明显异质性, 但多数省份创新创业绩效在全国 的位次有所提高, 总体呈现崛起态势 注 : 作者根据创新指数计算绘制 图 7 中部六省创新指数全国排名 (1990-2020) 五 研究结论与政策启示 本文围绕企业这一核心市场主体, 结合大数据思维与技术, 运用全国工商企业注册数据库的全量企业信息, 使用新建企业数量 吸引外来投资 吸引风险投资 获得专利授权数量和商标注册数量等 5 个维度, 合计 7 个指标编制中国区域创新创业指数, 以此测算中国区域创新创业绩效 经过研究我们发现, 本文构建的创新指数兼具内部有效性与外部有效性 内部有效性方面, 根据主成分方法进行测度得出, 创新指数的各维度指标具有较高的聚合度, 且创新指数各维度得分与其对应的原始值具有高度相关性, 由此可初步证实创新指数能够有效反映各地区的创新创业绩效 关于外部有效性, 创新指数对国内生产总值 人均国内生产总值与研发支出具有显著正向影响, 表明创新指数对地区经济发展 地区研发活动具有正向解释力 ; 不仅如此, 本文还考察了创新指数对中国市场化指数 世界银行营商环境指标的 21 / 25
相关性, 创新创业指数与营商环境质量存在着显著的正相关, 能够从产出角度反映营商环境 基于创新指数, 本文重点描绘了 1990-2020 年我国创新创业的时间趋势与空间格局 发现从 1990-2020, 中国各地区创新指数不断提高, 创新创业绩效均显著提升 从 2020 年创新指数来看, 广东省 浙江省 江苏省 山东省 北京市和上海市创新创业绩效最强, 相比之下, 西部省份创新创业活力严重不足 1990-2020 年中国创新创业空间格局也处在不断变动之中 一方面, 南北方创新创业绩效的差距呈现 U 型态势, 近十年 南热北冷 态势不断加剧 另一方面, 中部六省创新创业活力不断增强, 中部崛起 态势日趋明显 我国在过去三十年完成了举世瞩目的工业化成就和经济高速增长, 其中民营经济发挥了重要作用 中国如何在正式制度不完善的情况下培育出数量众多的民营企业家是当前发展经济学待解决的重要问题 本文提供的从 1990 年到 2020 年的创新指数, 横跨民营经济从无到有到进一步发展成为当前我国创新创业主体的全过程, 为回答这个问题提供了重要的数据资源 虽然我国在 2014 年在全国范围内进行了商事制度改革, 但是 南热北冷 的现状仍然存在, 南北差距在 2010 年之后不断扩大, 北方地区创新创业发展的滞后需要得到关注 对于北方地区, 民营企业创业创新仍然面临着市场准入许可难以获取 资源要素分配错配 市场竞争不足以及僵尸企业等等深层次问题, 企业 注册门槛 的下降并不意味着企业 进入门槛 的下降 当前南方地区产业集聚优势明显, 中部崛起 反映了中部省份例如安徽 河南等在数字经济行业等新经济中弯道超车 北方地区需要探索如何在优势产业重工业的上下游产业链上鼓励民营企业的创新创业精神 ( 沈阳新松是我国目前最大的工业机器人集成商 ), 也可以在数字经济 旅游业等新型服务经济等领域积极加入到国内市场大循环中 本文所构建的创新指数使用的新建企业进入 专利申请等还存在数据误差问题 对于企业进入, 主要原因是在商事制度改革后地方政府存在着鼓励虚拟注册等行为 ; 对于专利申请, 主要原因是高新企业认定等补贴政策会鼓励企业扭曲自身实际的创新行为 本指数开发团队目前利用大数据技术, 试图识别企业注册中的空壳企业问题和专利申请中的低质量专利问题, 希望在未来能够校准本文在上述指标上简单加总带来的数据误差 目前本指标与国外指标还不可比, 开发能够在国际上与其他国家进行比较的指标, 对于定位我国创新创业发展阶段也有重要意义, 也是未来的研究方向 参考文献 : [1] Baumol W J., 1996, Entrepreneurship: Productive, unproductive, and destructive,journal of Business Venturing, 11(1): 3-22 [2] Bosma N, Hill S, Ionescu-Somers A, Kelley D, Guerrero M and Schott T. Global Entrepreneurship Monitor: 2020/2021 Global Report[M]. 2021. https://www.gemconsortium.org/report. [3] Fairlie R W, Morelix A, Reedy E J, et al. The Kauffman Index 2015: Startup activity national trends[j]. Available at SSRN 2613479, 2015. [4] Fairlie R W. Kauffman Index of Entrepreneurial Activity 1996-2012[J]. Available at SSRN 2256032, 2013. [5] Glaeser, E.L., Kerr, S.P., and Kerr, W.R., 2015, Entrepreneurship and Urban Growth: An Empirical Assessment with Historical Mines, Review of Economics and Statistics, 97(2): 498-520. 22 / 25
[6] World Bank Group. Doing Business 2020:Comparing Business Regulation in 190 Economies[EB/OL]. https://openknowledge.worldbank.org/bitstream/handle/10986/32436/9781464814402.pdf. [7] 中国城市营商环境评价研究 课题组, 李志军, 张世国, 牛志伟, 袁文融, 刘琪. 中国城市营商环境评价的理论逻辑 比较分析及对策建议 [J]. 管理世界,2021,37(05):98-112. [8] 毕青苗, 陈希路, 徐现祥, 李书娟. 行政审批改革与企业进入 [J]. 经济研究,2018,53(02):140-155. [9] 陈思, 何文龙, 张然. 风险投资与企业创新 : 影响和潜在机制 [J]. 管理世界,2017(01):158-169. [10] 董志强, 魏下海, 汤灿晴. 制度软环境与经济发展 基于 30 个大城市营商环境的经验研究 [J]. 管理世界,2012(04):9-20. [11] 樊纲, 王小鲁, 张立文, 朱恒鹏. 中国各地区市场化相对进程报告 [J]. 经济研究,2003(03):9-18+89. [12] 樊纲, 王小鲁, 张立文. 中国各地区市场化进程 2000 年报告 [J]. 国家行政学院学报,2001(03):17-27. [13] 樊纲, 王小鲁, 马光荣. 中国市场化进程对经济增长的贡献 [J]. 经济研究,2011,46(09):4-16. [14] 王小鲁, 樊纲, 胡李鹏. 中国分省份市场化指数报告 (2018)[M]. 社会科学文献出版社, 2019. [15] 郭凯明, 余靖雯, 龚六堂. 人口转变 企业家精神与经济增长 [J]. 经济学 ( 季刊 ),2016,15(03):989-1010. [16] 何欢浪, 蔡琦晟, 章韬. 进口贸易自由化与中国企业创新 基于企业专利数量和质量的证据 [J]. 经济学 ( 季刊 ),2021,21(02):597-616. [17] 李志军. 中国城市营商环境评价 [M]. 中国发展出版社,2019. [18] 毛昊, 尹志锋, 张锦. 中国创新能够摆脱 实用新型专利制度使用陷阱 吗 [J]. 中国工业经济,2018(03):98-115. [19] 文彦杰. 数据资讯 :2021 年全球创新指数 [J]. 中国科学院院刊,2021,36(10):1253-1258. [20] 吴敏, 刘冲, 黄玖立. 开发区政策的技术创新效应 来自专利数据的证据 [J]. 经济学 ( 季刊 ),2021,21(05): 1817-1838. [21] 夏后学, 谭清美, 白俊红. 营商环境 企业寻租与市场创新 来自中国企业营商环境调查的经验证据 [J]. 经济研究,2019,54(04):84-98. [22] 余琰, 罗炜, 李怡宗, 朱琪. 国有风险投资的投资行为和投资成效 [J]. 经济研究,2014,49(02):32-46. [23] 袁卫, 吴翌琳, 张延松, 唐丽娜. 中国城市创业指数编制与测算研究 [J]. 中国人民大学学报,2016, 30(05):73-85. [24] 张杰, 高德步, 夏胤磊. 专利能否促进中国经济增长 基于中国专利资助政策视角的一个解释 [J]. 中国工业经济,2016(01):83-98. [25] 张琳, 张志娟, 孙启新, 张木. 欧盟创新记分牌 2020 视角下的中国创新能力研究[J]. 全球科技经济瞭望,2021,36(04):60-66. [26] 张学勇, 张叶青. 风险投资 创新能力与公司 IPO 的市场表现 [J]. 经济研究,2016,51(10):112-125. [27] 中国科学技术发展战略研究小组, 中国科学院大学中国创新创业管理研究中心. 中国区域创新能力评价报告 2019[M]. 科学技术文献出版社, 2019. [28] 中华人民共和国科学技术部. 中国区域创新能力监测报告 2019[M]. 科学技术文献出版社, 2019. [29] 朱光顺, 张莉, 徐现祥. 行政审批改革与经济发展质量 [J]. 经济学 ( 季刊 ),2020,19(03):1059-1080. 23 / 25
附录 : 附表 1 总方差解释 主成分 特征值 方差贡献率 累计方差贡献率 主成分 1 4.6571 0.9314 0.9314 主成分 2 0.1473 0.0295 0.9609 主成分 3 0.1016 0.0203 0.9812 主成分 4 0.0571 0.0114 0.9926 主成分 5 0.0369 0.0074 1.0000 注 : 经作者计算所得, 数据来源于全国工商企业注册数据库 VCPE 投资数据库 专利数据库以及商标 注册数据库 附图 1 碎石图 附表 2 各主成分因子载荷矩阵 变量 主成分 1 主成分 2 主成分 3 主成分 4 主成分 5 Log ( 新建企业数量 ) 0.4432-0.6636 0.031 0.585 0.1415 Log( 吸引外来投资 ) 0.4459 0.0217 0.8024-0.3815 0.1069 Log( 吸引风险投资 ) 0.4409 0.7337-0.0129 0.5133-0.0595 Log( 专利授权数量 ) 0.4515 0.0496-0.5233-0.4027 0.5981 Log( 商标注册数量 ) 0.4544-0.1354-0.285-0.2943-0.7793 附表 3 各基础指标的描述性统计 (N=961) 基础指标 平均值 标准差 最小值 最大值 新增企业注册数量 ( 万 ) 190.1278 206.1143 17.2482 738.8211 新增外来法人投资的笔数 ( 万 ) 2.8282 4.0267 0.0574 14.6816 新增风险投资的企业数量 ( 万 ) 0.1778 0.3698 0.0022 0.9543 新增发明专利授权数量 ( 万 ) 4.9469 7.5470 0.0189 25.4849 新增实用新型专利公开数量 ( 万 ) 25.0449 42.1019 0.1461 176.7820 新增外观设计专利公开数量 ( 万 ) 9.0139 10.8643 0.0435 38.0003 新增商标注册数量 ( 万 ) 70.1258 114.6198 1.1396 421.6294 24 / 25
附表 4 新增企业数量对国内生产总值 研发支出的影响 Panel A:Log( 国内生产总值 ) 变量 (1) (1) (1) Log( 新增企业数量 ) 0.9423 *** 0.2399 *** 0.1521 *** (0.0147) (0.0183) (0.0170) 常数 -0.9847 *** 4.9760 *** 5.7711 *** (0.1512) (0.1767) (0.1550) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.8468 0.9862 0.9862 观测值 775 775 775 Panel B:Log( 人均国内生产总值 ) 变量 (1) (1) (1) Log( 新增企业数量 ) 0.8875 *** 0.2228 *** 0.2203 *** (0.0137) (0.0177) (0.0183) 常数 0.7289 *** 6.3885 *** 6.4108 *** (0.1408) (0.1758) (0.1674) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.8495 0.9818 0.9818 观测值 775 775 775 Panel C:Log( 研发支出 ) 变量 (1) (2) (3) Log( 新增企业数量 ) 0.8548 *** 0.8910 *** 0.3622 *** (0.0361) (0.0736) (0.0862) 常数 4.3637 *** 2.9606 *** 8.1981 *** (0.3964) (0.7400) (0.8556) 省份固定效应 控制 未控制 控制 年份固定效应 未控制 控制 控制 R 2 0.6222 0.8405 0.8561 观测值 372 372 372 注 : 括号内为稳健标准误,*** ** * 分别代表在 1% 5% 10% 的统计水平上显著 25 / 25