知识粘性、创新投入与经济增长:调节作用与门限效应

2023-11-16 06:35
山东青年政治学院学报 2023年6期
关键词:调节作用粘性门限

项 燕

(安徽新华学院 财会与金融学院,合肥 230088)

一、引言

党的十八大提出“创新驱动发展战略”以来,中国一直把创新放在全局发展的核心位置,高度重视创新投入对经济发展的推动作用。根据财政部发布的《2022年中国财政政策执行情况报告》公布的数据,2022年,中国研发投入超过3万亿人民币,环比增长10.4%,实现了连续七年两位数增长,研发投入强度达到了2.55%,再创历史新高。而根据世界知识产权组织发布的《2022年全球创新指数报告》,中国2022年的创新水平位列全球第11位,也是持续多年处于上升状态。在创新投入和创新水平不断提升的背景下,创新对经济发展的驱动力是否充分发挥成为社会各界关注的重要课题。

创新投入为创新水平提升提供了物质基础,进而推动经济增长,然而这种推动力的发挥受到诸多因素的影响,比如政府层面的补贴、税收优惠、对外开放水平等,企业层面的市场竞争水平、组织结构、薪酬激励等,其中,知识粘性也是非常重要的一个因素。知识粘性是指知识在传播过程中的相对不可移动性,对其原始所有者存在一定的粘性,这使得知识的正常流动受到限制。[1-2]现有大多数关于创新投入的研究通常假设创新投入要素的使用没有障碍,要素投入是完整的。[3-4]事实上,由于知识传播的空间范围和知识学习的路径依赖性,技术知识的传播并不完整和及时,即存在一定的“粘性”,特别是对于排他性和创新性较高的高科技知识。

知识经济时代,知识要素已成为经济发展的主要资源,知识获取和应用的必然性是创新活动过程中不可或缺的关键环节,但知识粘性的存在给知识流动和模仿带来了障碍,不利于创新活动的顺利进行。因此,知识粘性的存在是否会影响到创新投入对经济增长的推动作用,这对于中国经济增长速度和质量具有重要的理论和现实意义。

梳理文献发现,在研究内容上,现有文献对创新投入与经济增长之间关系的研究比较多,但研究重点主要集中在创新投入对经济增长的直接影响机制上,比如戈埃尔(Goel)等[5]、何宜丽和李靖[6]、巫强[7]、张杰和陈容[8]以美国和中国为例研究了创新投入与经济增长之间的关系,均认同创新投入对经济增长具有积极影响。少数文献关注到了知识粘性与创新投入及经济增长间的关系,比如游达明和李志伟通过构建纯策略博弈模型分析了技术知识粘性对R&D投资动机的影响机理,论证了知识粘性对企业R&D投资具有显著的积极影响。[9]埃利希(Ehrlich)和裴(Pei)从人力资本角度研究知识粘性对经济均衡增长的影响机制,研究结论指出,知识粘性的存在降低了人力资本分布的差异性,有助于区域经济均衡增长。[10]但这些研究仅探讨了知识粘性与创新投入或经济增长之间的单边关系,忽视了知识粘性在创新投入与经济增长之间的调节作用,而对于这种调节作用的门限效应的考虑更无从谈起。在研究范围上,虽然一些学者针对中国展开了研究,比如何宜丽和李靖[11]、张骏和马跃[12]、郭英远等[13],但是没有考虑到中国经济环境的区域差异性。在研究方法上,现有研究普遍采用的是实证分析法,比如李守伟[14]、巫强[15]、孟凡臣[16]等,而对于知识粘性、创新投入与经济增长之间关系的理论机制关注较少,没有真正打开知识粘性在创新投入影响经济增长过程中的调节机制的“黑箱”。

本文通过构建一个综合考虑知识粘性和创新投入的经济增长模型,将知识粘性纳入创新投入与经济增长之间关系框架,深入分析了知识粘性在创新投入影响经济增长过程中的调节作用的理论机制,并利用中国内地30个省份2013—2021年的面板数据进行了实证检验。同时从知识粘性调节作用的区域差异角度出发,考虑到了调节作用的门限效应,在补充当前理论研究的同时,也为相关部门制定创新政策提供了理论依据。

二、理论机制

基于Romer经济增长模型[17],本文引入人力资本生产部门,构建一个综合考虑知识粘性和创新投入的经济增长模型,从理论上分析知识粘性、创新投入与经济增长之间的逻辑关系。假设经济系统由最终产品生产部门、中间产品生产部门、研发部门和人力资本生产部门组成,不考虑每个部门的折旧,经济系统中有无数同质个体,他们既提供劳动力,又消费最终产品。

(一)模型构造

1.最终产品生产部门

假设最终产品生产部门处于完全竞争市场中,并且该部门由使用部分基础劳动力、人力资本(技术劳动力)和中间产品进行生产的众多企业组成。代表性企业的生产函数为:

(1)

其中,Y表示企业的产出,α和β分别为基础劳动力和人力资本(技术劳动力)的产出弹性,H为社会人力资本存量(技术劳动力存量),φ和(1-λ1-λ2)分别为用于生产最终产品的劳动力和人力资源的比例,xi表示使用的中间产品数量,假设最终产品的价格为1[18],A为当前技术水平。根据利润最大化原则,制造商的生产函数为:

(2)

由此,求解三个投入要素的价格,其中w、pH和pi分别表示基础劳动力价格、人力资本价格和中间产品价格:

(3)

(4)

(5)

2.中间产品生产部门

πi=pixi-rxi

(6)

根据利润最大化原则,结合公式(5),资本货物价格为:

(7)

根据公式(6)和公式(7),中间产品部门的利润为:

(8)

根据公式(7),由于每个中间产品的价格是pi。因此,在均衡状态下,每种中间产品数量也是相同的[20],即xi=xj=x,则有πi=πj=π。

3.研发部门

假设研发部门主要从事技术创新活动,研发部门的生产函数设置为:

A′=δ(λ2H)1-cAθ=δRAθ

(9)

设R=(λ2H),研发部门在创新活动中的投入主要是人力资本(技术劳动力)投入;δ为生产力参数,λ2为用于创新投入的人力资本比例,c为知识粘性,θ代表技术创新弹性系数。

如果技术制造商将专利出售给资本设备制造商并获得收入,则存在以下等式:

(10)

根据公式(9),结合人力资本边际产品等于人力资本边际收益的原则,人力资本价格为:

(11)

4.人力资本生产部门

根据卢卡斯(Lucas)[21]对人力资本生产函数的设置,假设人力资本生产部门使用部分基础劳动力和人力资本,其生产函数设置为:

H′=η(1-φ)Lλ1H

(12)

其中,η为人力资本生产率参数,(1-φ)和λ1分别表示用于生产人力资本的基础劳动比率和人力资本比率。

w=η(1-φ)λ1HpH

(13)

5.消费者偏好

(14)

(二)平衡分析

基于上述分析和长期均衡条件,求解均衡增长路径上的经济增长率。

社会总资本为K=Ax,将其代入公式(1)可得:

Y=(φL)α[(1-λ1-λ2)H]βAα+βK1-α-β

(15)

根据公式(5)、(7)和(15),资本产出率为:

(16)

由于资本产出比是恒定的,所以产出增长率与均衡状态下的资本增长率相同,即gY=gK。最终产品生产部门的产出用于消费和投资,即Y=C+K′,因此,消费增长比例(gC)和资本增长比例(gK)相同,进而也与产出增长比例(gY)相同。根据公式(16)可得:

g=Λn+gA+ΒgH

(17)

(18)

基于公式(9)得到gA=(1-c)gH/(1-θ),gR=(1-c)gH,gR为用于创新投入的人力资本增长比例,所以:

(19)

根据公式(14)和公式(18)可得实际利率:

(20)

结合等式(17)、(19)和(20),得到人力资本增长比例(gR)和经济增长率(g):

(21)

(22)

其中,Γ=ηλ1φ(1-φ)LΔ。

公式(22)直接反映了经济增长率和创新投入及知识粘性间的关系。由公式(9)可知,研发部门在产品创新活动中的投入主要是人力资本(技术劳动力)投入,而人力资本产出弹性比重(B)和人力资本增长比例(gR)则是研发部门在人力资本投入上的直接反映。在其他条件不变时,知识粘性对人力资本产出弹性比重(B)和人力资本增长比例(gR)存在反向的直接作用,即知识粘性对创新投入存在反向的直接作用。而人力资本产出弹性比重(B)和人力资本增长比例(gR)对经济增长率存在正向直接作用,即创新投入对经济增长率存在正向直接作用,进而知识粘性对经济增长存在反向调节作用。

三、研究设计

(一)模型构建

借鉴邢会[23]、李金生和朱蔓菱[24]等学者的研究,利用三步法构建中介效应模型以实证检验前文理论模型结论。

首先,构建创新投入(IT)对经济增长(G)的基础效应模型:

Git=α0+α1ITit+∑ϑjxijt+λi×μt+εit

(23)

其次,构建创新投入(IT)对知识粘性(KS)主效应模型:

KSit=α0+α1ITit+∑ϑjxijt+λi×μt+εit

(24)

最后,将知识粘性(KS)引入基础效应模型,构建中介效应模型:

Git=α0+α1ITit+α2KSit+∑ϑjxijt+λi×μt+εit

(25)

其中,α0为常数项,α1、α2、ϑj为待估参数,x表示控制变量,下标i指示空间属性(本文中为省份),t指示时间属性(本文中为年份)。λ表示个体固定效应,μ表示时间固定效应。由于传统的固定效应模型无法解决因不可观测变量随个体和时间变化而导致的内生性,为了缓解这一问题,本文引入个体和时间的交互项,以控制共同因素对不同个体的影响。ε为服从正态分布的随机扰动项。

(二)变量设置和数据来源

1.变量设置

(1)经济增长(G)。基于前文的理论机制分析,同时考虑到中国不同省份人口规模差异较大,本文用各省份的人均GDP环比增长率代表各省份的经济增长[25]。

(2)创新投入(IT)。现有文献使用技术研发人员投入衡量创新投入水平的较多,这与前文机制分析中的创新投入及李婧等人的研究[26]一致,本文采用此指标替代创新投入。

(3)知识粘性(KS)。知识粘性是一个多维概念,基于冯帆[27]、兰斯基(Szunski)[28]的研究,本文利用全局熵法,从知识转移主体、知识本身属性和知识转移环境三方面综合测量知识粘性。

将知识粘性的测度指标体系分为三个层次,一级指标是知识粘性的成因,包括知识转移主体、知识本身属性和知识转移环境。各一级指标细分如下:

①知识转移主体。知识转移主体分为知识提供者和知识接受者。知识提供者是转移知识的所有者。由于粘性知识是通过专业劳动传递的,知识提供者解释能力越强,传递知识的粘性越小。因此,劳动力的数量和质量直接影响知识传递效率。本文选择应届高校毕业生数量和接受过高等教育的人口数量代表知识提供者。知识接受者消化和吸收的知识越少,成功转移的知识越少,知识粘性就越大。本文选取发表的SCI论文数量、高新技术产业开发的新产品数量以及技术市场的成交量体现知识消化和吸收程度。

②知识本身属性。知识属性也会形成一定的知识粘性,主要包括知识的缄默性和知识的复杂性。知识的缄默性是指知识的排他程度,知识的专业性越高,适用范围越窄,越难以被理解和接受。本文用技术改造资金的支出表示知识的缄默性。一个地区的技术改造资金支出越大,用于专业知识转化的支出就越大,知识粘性就越低,专业知识易于理解。知识的复杂性越高,知识的结构越复杂,信息含量越大,可转移性越低。本文使用外国技术引进费用和外国技术引进合同数量来描述,一个地区引进外国技术的成本和合同数量越高,表明该地区越重视技术知识的获取和应用,越有利于知识转让。

③知识转移环境。知识的顺利转移和应用需要合适的环境,主要包括市场化水平和城市化水平。市场化水平越高,市场交易机制越完善,则知识作为一种商品进行交易的阻碍越小,本文选择非国有单位就业比例替代。而城市化水平在很大程度上决定了知识转移的范围和规模,高城市化水平为技术型企业聚集提供了空间,同时也为创新资本聚集提供了基础,为知识转移提供了良好的环境。本文选择城市人口占总人口比例、互联网宽带接入用户数量和城镇职工平均工资作为城市化水平下的三级指标。

表1 知识粘性测量指标体系

(4)控制变量。为了避免遗漏变量造成偏差,选择以下控制变量:①贸易开放(TO)。贸易开放程度越高,越有利于引进外国技术和高端人力资本,本文选择进出口总额占GDP的比重作为代理变量[29]。②第三产业占比(TH)。第三产业占比是一国经济发展水平的重要体现,同时也是推动国民经济发展的重要动力,本文选择第三产业增加值占GDP的比例表示[30-31]。③金融发展水平(FI)。金融活动是社会经济活动的中心,是经济增长的重要保障。参考李苗苗等人的研究[32],本文选择金融机构存款总额占GDP的比例表示。④高等教育水平(ST)。教育为经济的快速发展提供了人力资本,人力资本的积累速度和存量又会影响经济增长,本文用大中专院校毕业生数量表示[33]。⑤人口增长率(PR)。人口增长率决定了经济体系中劳动力数量,而根据C-D生产函数,劳动力数量又决定着社会生产量,所以人口增长率是经济增长的一个重要影响因素[34]。

2.数据选择

2012年年底,党的十八大中明确提出“科技创新必须摆在国家发展全局的核心位置”,2013年可以看出是中国实施“创新驱动发展战略”的开局之年。所以,本文选取的数据样本是2013年至2021年中国30个省份(省、市、自治区)的面板数据(不包括港澳台和西藏)。数据收集整理自历年的《中国科学技术统计年鉴》《中国高技术产业统计年鉴》《中国统计年鉴》《中国宏观经济数据库》以及各省市的《统计年鉴》。对于少数缺失值,采用移动平均法近似替换,最终共获得270个有效样本值。为了剔除物价因素的干扰,以2013年基期,使用消费者物价指数(CPI)对相关经济变量进行价格收缩。为了进一步缓解异方差,使样本数据更稳定,对所有变量取对数。由于个别省份的人口增长率为负值,参考相关文献[35],对于人口增长率为负值的加1,然后取对数。

四、实证结果分析

(一)调节效应分析

使用OLS法对式(23)-(25)逐步回归,计算过程由Eviews8.0完成。各模型估计结果见表2。

表2 各模型估计结果汇总表

式(23)检验了创新投入及控制变量与经济增长间的关系。可以看出,IT的系数值为0.013,在5%水平下显著为正,创新投入对经济增长存在显著的正向影响,持续的创新投入有利于提高创新水平,进而提高创新绩效,推动经济增长。式(24)检验了知识粘性对创新投入的影响,KS的系数值在1%的水平下显著为负,知识粘性不利于创新投入提升,其原因在于,知识粘性增加了知识转移的难度和成本,阻碍知识共享和传播。而创新投入正向影响经济增长,所以可以断定,知识粘性在创新投入推动经济增长过程中存在显著的反向调节作用。式(25)估计结果显示,IT的回归系数在1%水平下显著为正,但与式(23)相比,其系数值大幅度下降,由0.013下降到了0.006。KS的回归系数在5%水平下显著为负,表明知识粘性的反向调节作用显著存在,知识粘性阻碍了创新投入对经济增长的正向推动作用的发挥,降低了创新投入对经济增长的正向影响力。尽管创新投入是创新活动的重要来源和必要基础,但并不是所有创新投入要素都能得到充分利用,这与创新过程中知识转移的难度有关。知识粘性越高,知识转移难度越大,科研人员消化和利用知识的效率越低,真正有效的人力资本投资越低,创新投入产生的经济效益越小。总之,本部分在实证层面验证了知识粘性在创新投入影响经济增长过程中具有反向调节作用,这与前文理论机制分析结论一致。

表2中,各控制变量至少通过了10%的显著性水平,部分在1%和5%水平下显著,比如式(23)中的TO、TH、FI以及式(24)中的TH、ST均在1%水平下显著,式(23)中的ST和PR、式(24)中的TO以及式(25)中的所有控制变量均在5%水平下显著,说明本文控制变量的选择是合理的。TO的系数值显著为正,贸易开放程度越高越有利于吸引外国先进技术和促进国内技术进步,从而推动经济增长。TH的系数显著为正,产业结构升级,尤其是互联网产业、高新技术产业等第三产业的快速发展在一定程度上有利于经济增长。FI的估计系数显著为负,金融发展水平不利于经济增长,其原因可能在于,金融发展对经济增长的边际效应存在递减规律,金融发展水平对经济增长具有显著的非线性特征,这与李成和张琦的研究结论一致[36],金融部门的过度发展会挤占实际经济资源,对长期经济增长产生不利影响。ST的系数值显著为正,高等教育水平对经济增长有显著的正向影响。高等教育水平直接决定了经济发展过程中人才储备水平,高等教育水平越高,知识传播和分享就越广泛,从而推动经济发展。PR的系数值显著为负,可能原因在于,近年来中国生育率下降,老龄化水平快速上升,人口抚养比上升,增加了经济增长的负担,这也验证了汪伟的研究结论[37]。

(二)区域差异分析

中国地域面积广阔,不同地区间经济发展差异较大,为了进一步揭示知识粘性在调节中国创新投入影响经济增长中是否存在区域差异,本文将中国30个省份分为东、中、西三个区域,其中,东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南等10个省(市),中部地区包括山西、安徽、江西、河南、湖北、湖南、黑龙江、吉林、辽宁等9个省,西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等11个省(区、市)[38-39]。利用各区域样本数据分别对中介效应模型式(25)进行估计,估算结果如表3所示。

表3 不同地区中介效应模型估计结果

5%水平下,东部和西部的IT系数均显著为正,1%水平下,中部的IT系数显著为正,创新投入对所有地区的经济增长具有显著的正向影响。进一步比较可以看出,西部地区的系数值高于中部和东部地区,创新投入对经济增长的影响力度在欠发达地区更大,有利于区域经济协调发展。

从知识粘性角度来看,东部地区的KS系数为负,但没有通过10%的显著性水平,知识粘性的负向调节作用在东部地区不显著。这可能是因为东部地区的创新水平和创新效率高于中西部地区[40],在此基础上,尽管知识粘性有显著的反向调节,但创新投入带来的巨大经济效益稀释了这种调节作用。在中部地区,KS在5%水平上显著为负,知识粘性对中部地区经济增长具有显著的负向影响。知识粘性抑制了中部地区创新投入对经济增长正向带动,表现出负向调节作用。在西部地区,KS项系数为负值,但没有通过10%的显著性水平。这可能是由于区域间禀赋和创新环境等综合因素差异,与东部和中部地区相比,西部地区的整体知识存量较少,导致知识粘性不明显。进一步比较不同地区KS项系数值可以发现,知识粘性在不同地区的负向调节力度存在差异,在西部地区最强,中部地区和东部地区相差很小,中部地区略高于东部地区。

从控制变量的估计结果来看,东部地区的TO系数值在10%水平下显著为负,与表2中估计结果相反,根据陈福忠的结论[41],贸易开放水平与经济增长之间存在非线性关系,目前中国东部地区贸易开放水平过高,不利于区域经济的长期可持续增长。其他控制变量系数的显著性与前文结果基本一致,在此不再赘述。

(三)稳健性检验

为判断前文实证结论的稳健性,分别采用工具变量法、改变估计方法和增加控制变量的方法对前文估计结果进行稳健性检验。

(1) 选择工具变量。将R&D经费占GDP比重作为工具变量[42-43],替换前文的研发人员投入,同时,以2013年为基准期,利用价格指数(CPI)对其进行调整,而后重新估计调节效应模型。估算结果见表4第(1)列。可以看出,KS项系数依然显著为负,验证了知识粘性在创新投入影响经济增长中的负向调节作用,前文估计结果是稳健的。

表4 稳健性检验结果表

(2) 更改估计方法。选择GMM法重新估计模型,结果如表4第(2)列所示。可以看出,估计结果与前文基本一致,KS项系数在5%水平上仍然显著为负,再次验证了前文实证结果的稳健性。

(3) 增加控制变量。技术进步是促进经济增长的一个重要因素,本文选择全要素生产率(TP)替代技术进步水平,加入前文中介效应模型,并对其进行估计,估计结果见表4第(3)列。工业发展水平在国民经济中起着重要作用,提高工业水平可以推动经济增长,本文选择第二产业增加值占GDP的比重(SE)衡量工业化水平,加入中介效应模型,并进行参数回归,结果见表4第(4)列。公共文化水平越高,知识存量越高,较高的知识存量有利于人力资本积累,对经济增长会产生积极影响。用公共图书馆数量(LB)替代公共文化水平因素,作为控制变量加入中介效应模型,估计结果为表4第(5)列。从表4中第(3)-(5)列中结果来看,在10%水平上,KS项系数显著为负,均和前文估计结果一致,进一步表明前文实证结论是稳健的。

(四)门限效应分析

从区域差异分析中可以发现,知识粘性在不同地区创新投入影响经济增长过程中的负向调节作用存在较大差异。考虑到东部和中部地区的技术创新水平更高,对创新的投资也更大[44],具有更高创新投入的地区能否淡化知识粘性的负面影响,从而削弱知识粘性的负向调节作用?如果存在,是否存在门限呢?本部分旨在对该现象进行检验,通过构建面板门限效应模型探讨知识粘性调节作用的门限效应及具体的门限水平。

在中介效应模型基础上构建以下面板门限效应模型:

Git=α0+α1ITit+α2KSitψ(ITit≤γ)+α3KSitψ(ITit>γ)+∑ϑjxijt+λi×μt+εit

(26)

上式中,ψ(·)为指示函数,创新投入(IT)是门限变量,γ为门限值,其余设置与前文一致。

在面板门限效应模型估计之前,需要对变量是否存在门限效应进行初步检测,并在此基础上确定门限值的数量。利用Bootstrap方法获得每个测试统计量的显著性水平(表5)。

表5 面板门限效应检测表

从表5可以看出,单门限效应的P值为0.008,通过1%的显著性,而双门限未通过10%的显著性水平,表明知识粘性的调节作用存在单门限效应。同时,检测显示,创新投入门限值的估计为2.053,95%置信区间为[2.032,2.074]。使用面板数据对单门限效应模型的估计结果如表6所示。

表6第(1)列为不含控制变量的估计结果,第(2)列为不含时间和个体交互作用的估计结果,第(3)列为包含控制变量及时间和个体交互项的估计结果。这三种估计结果的R2差异很小,其中第(3)的R2值相对最大,模型整体估计结果略好于其他两种,因此,本文使用第(3)列估计结果作为参考。可以看出,当创新投入水平低于门限值时,KS项的估计系数为-0.061,在5%水平上显著。然而,当创新投入水平高于门限值时,KS项的估计系数降至-0.039,在1%水平上显著,表明随着创新投入水平的增加,知识粘性在创新投入影响经济增长过程中的负向调节作用呈现边际递减状态,当创新投入水平高于此门限时,知识粘性的负向调节作用大幅下降。该现象原因可能在于,当创新投入水平增加到一定水平时,知识粘性的部分负向效应将被创新投入的强大驱动力抵消,从而削弱知识粘性的负向调节作用。

五、结语

在Romer经济增长模型的基础上,通过构建一个包含知识粘性和创新投入的经济增长模型,从理论上论证了知识粘性在创新投入推动经济增长过程中的调节作用。在此基础上,构建了知识粘性测度指标体系,利用2013年至2021年中国30个省份的面板数据,进一步实证检验了知识粘性在创新投入影响经济增长中的调节作用、区域差异及调节作用的门限效应。研究结果显示:(1)知识粘性在创新投入影响经济增长过程中具有显著的负向调节作用,即在创新投入推动经济增长过程中,知识粘性抑制了创新投入作用力的发挥,间接阻碍了经济增长。(2)知识粘性对西部地区创新投入推动经济增长过程中的抑制作用最大,对经济增长的负向调节作用最强,其次是中部地区,在东部地区最弱。(3)知识粘性在创新投入影响经济增长过程中的负向调节作用存在显著的门限效应,随着创新投入水平的提高,知识粘性的负向调节作用呈现边际递减状态。

为了提高创新效率,助力创新驱动经济发展,政府部门可以从知识粘性角度制定相关政策,以消除知识流动障碍,建立良好的知识转移机制,降低知识粘性在创新投入推动经济增长过程中的负向调节作用。

第一,进一步完善知识产权保护法规体系。在制度层面为提供者与接收者之间的知识转移提供法律保护。在确保知识提供者利益基准下,通过立法形式保护知识产权的使用者利益和社会公共利益,尽量避免制度性倾斜。此外,加大对知识产权保护的财政支持力度。政府部门可以通过公共财政支持的形式引导知识转移主体参与到知识保护中,为知识的顺畅流动提供良好的法律环境。

第二,充分尊重知识转移的市场规律。让市场调节信号自主在市场上形成,政府部门应尽量减少对专利技术市场的直接干预,并且加大对知识交易市场中的违规违法行为的打击力度,更充分的运用市场功能调节知识转移,并给予保驾护航。

第三,激励资本进入创新市场,提升创新投入力度。有效利用资本市场对创新的选择功能,完善对创新投资的引导和激励机制,可以通过信贷支持、税费减免、技术指导等手段将风险资本引向创新型企业,激励企业加大创新投入。同时,充分发挥政府科研基金对企业发明、改造以及引进新技术的激励功能,在政府科研基金规模有限的前提下,可以更多的向科技创新型企业和尖端技术攻关项目倾斜。

猜你喜欢
调节作用粘性门限
一类具有粘性项的拟线性抛物型方程组
基于规则的HEV逻辑门限控制策略
地方债对经济增长的门限效应及地区差异研究
中药的双向调节作用
随机失效门限下指数退化轨道模型的分析与应用
带粘性的波动方程组解的逐点估计
自噬对骨代谢的调节作用
粘性非等熵流体方程平衡解的稳定性
生产性服务业集聚与工业集聚的非线性效应——基于门限回归模型的分析
Ad36感染对维吾尔族肥胖患者progranulin表达的调节作用