一、引言 自1978年改革开放以来，中国经济经历了40多年的高速增长，但近年来随着劳动力成本不断上升，环境承载压力越来越大，这种主要依靠大规模要素动员的外延式增长模式已经难以持续。在此背景下，中共十八大报告明确提出以企业为核心的“创新驱动发展”战略，要将技术进步作为经济增长新引擎，实现从“中国制造”向“中国创造”的伟大转型。从宏观层面来看，近年来中国研发经费支出和专利申请数量都迅速增长，研发强度(研发经费支出/GDP)从1998年的0.51％上升到2018年的2.18％。与此同时，专利申请数量呈爆炸式增长，根据2012年世界知识产权组织(WIPO)的相关报告，从2011年开始，中国国家知识产权局成为全球接受发明专利、实用新型、外观设计和商标这四类知识产权申请数量最多的机构。①从微观层面来看，企业创新和企业家精神在内生技术进步中扮演着关键角色(Romer，1986；Aghion & Howitt，1992)，故中国能否实现增长动力的战略转型，主要取决于中国企业的创新表现。 既有文献衡量企业创新主要用到三种指标，即全要素生产率(下文称TFP)、研发支出和专利。TFP的优点是能够度量企业产出增长中无法被要素积累解释的部分，但在不完全竞争市场中，使用TFP衡量企业创新却可能会导致较大误差(Klette & Griliches，1996；Klette，1999)。现代社会中，大多数创新行为都是来自于人类有意识投资，故研发支出经常被用来衡量企业创新。但就中国而言，使用微观企业研发支出数据做研究受限较大，主要因为大样本企业研发数据的可得性较差，比如，中国工业企业数据库只公开了2001-2003年以及2005-2007年这6年的企业研发支出。相比TFP和研发支出，以专利度量企业创新具有一些明显的特点或优势(Griliches，1990；Aghion et al.，2005)：首先，专利是企业的创新产出，而非创新投入；其次，专利数据是公开的，每周更新，故可获得性和及时性都高，有利于把握最新的技术趋势；最后，专利数据包括申请人、技术类别和法律状态等多维度的丰富信息，通过匹配其他的企业数据，可以用来深入研究企业创新行为。 本文的基础性贡献是为中国专利数据库和中国工业企业数据库提供一套有针对性的、标准可行的匹配方法。前者由国家知识产权局构建，其中包括自1985年《专利法》实施以来所有的微观专利数据，但缺乏企业的详细信息；后者由国家统计局构建，包括1998-2013年所有规模以上工业企业的基本信息、财务报表信息和产销信息等多维度变量，但缺乏专利信息。匹配这两个数据库具有一定的挑战性。主要是因为汉语的表达和书写习惯，同一家企业在两个数据库中可能具有不同的名称或格式，故不作精细处理，就很容易导致匹配不足或过度匹配的问题。本文所提供的数据清洗(data cleaning)以及精确匹配和模糊匹配相结合的操作流程，基本上可以确保得到比较可靠的匹配结果。 基于匹配数据，并以专利申请来衡量企业创新，本文梳理了中国企业创新的5个特征事实：(1)从企业规模维度看，中国企业创新行为强烈支持熊彼特假说；(2)民营企业的专利比率(专利申请数量/资产总额)更高；(3)出口企业的专利比率更高；(4)企业创新具有很强的地区集聚效应；(5)企业创新在行业分布很不平衡，并且劳动要素密集型行业更具有创新性。更加有趣的是，本文发现以2006年左右为分水岭，不论从规模、地区、行业层面的集聚性以及出口企业对非出口企业的相对优势来看，中国企业创新都呈现出显著的“倒U型”特征。受此启发，本文利用准双重差分法(quasi-difference in differences)研究了《国家中长期科学和技术发展规划纲要(2006-2020年)》(下文简称《纲要》)这一重大创新政策对企业创新的影响。结果发现，《纲要》显著促进了企业专利申请的数量和质量以及它们的TFP水平，同时也相对更多地促进了劳动密集型行业的企业创新，但在规模、地区和出口状态维度上没有导致显著的异质性效应。进一步地，本文将2006年后新进入企业样本与全样本进行了对比分析，发现不论是规模、地区、行业维度上的创新基尼系数，还是出口企业相对非出口企业的专利比率，新进入企业都要更小一些。由此大致可以推测，上述以2006年左右为分水岭的“倒U型”趋势主要是由《纲要》实施后新进入企业的创新异质性所导致的。 本文剩余部分安排如下：第二部分介绍了中国专利数据库和中国工业企业数据库，以及两个数据库进行匹配的流程和结果；第三部分描述了中国企业专利活动的特征事实；第四部分以《纲要》为例，考察了创新政策对企业创新行为的影响；最后为本文结论。 二、数据介绍与数据匹配 (一)专利数据库 本文使用的中国专利数据库(下文称专利数据)来自于中国国家知识产权局，涵盖1985-2015年间在国家知识产权局申请并公开的所有专利数据，其中发明专利5739764件(被授权的专利有2233604件)，实用新型专利5353508件，外观设计专利3732294件。② 专利数据主要包含专利基本信息、申请人和发明人信息、法律状态信息和引用信息4类。专利基本信息包括：专利名称，申请号，申请日，公开(公告)号，公开(公告)日，IPC(international patent classification)号，优先权号，优先权日，代理人，代理机构，摘要，权利要求书等。申请人和发明人信息包括：申请人名称，申请人地址，申请人邮编，申请人所在国(省)，发明人名称。法律状态信息是一个非常重要的变量，它包括公开、实质审查、授权、驳回、专利权终止以及专利权转让等法律状态发生的具体时间。通过专利的法律状态信息，可以计算不同群组(cohort)专利的更新率，结合专利更新率和年费结构，还能够用来估计专利的私人价值(Schankerman & Pakes，1986；寇宗来和刘学悦，2017)。另外，根据专利的引用信息，可以计算出每个专利的被引用次数，这也是一个较好的衡量专利质量的指标(Hall et al.，2005；Jaffe & Trajtenberg，2005)。③
