主持人：谢谢孔老师，他研究的是地方政府财政挤压，同样整个研究做的非常完整，可信度非常高。类似的话题，假如说我们可以去测算一下今年拉闸限电带来的问题，可能也会在今冬带来污染的增加。
线下演讲部分就到这里，我们还有两位线上嘉宾。我们先看齐鹰飞教授的演讲。
齐鹰飞：非常遗憾，受疫情影响我今天不能到现场。尊敬的各位专家、各位老师、各位同学，大家上午好。首先我代表东北财经大学经济学院向华中大经济学院40年来所取得的辉煌成就，致以衷心的祝贺，祝愿华中大经济学院在张建华院长的带领下越办越好，向今天来领奖的各位年轻经济学家致以诚挚的祝贺。我今天跟大家分享的题目是中国创新网络中的知识溢出，这是我和我的团队目前在做的研究。我们今天从一张图开始。
大家可以看到这张图的数据来自于WIPO，其中红线是中国授权专利数据，黄线是美国授权专利数据，蓝线是德国授权专利数据。我们可以看到，中国授权专利数量自2000年之后有迅猛增长，大概在2015年左右超过美国。德国的授权专利数量在整个样本期里面基本上在往上面推，所以这些数据里面隐藏着很多有趣的信息，其中一个就是，在中国这么迅猛增长的授权专利中究竟隐含着什么样的关于中国创新的信息？我们试图从知识溢出的角度来理解这些信息。
我们的研究目前初步做了以下内容。首先，利用中国专利引用数据库中的专利信息构造企业家的创新网络，即专利云网络，这样一个网络被称为创新网络。在这个网络中，节点是企业，节点间的连接是企业间的专利引用关系，我们基于构造出来的网络来测度企业家的知识溢出，同时来比较研发活动中的私人回报和社会回报。我们为什么要从知识溢出的角度来观察专利信息呢？至少有这三个方面的原因。第一方面，知识溢出是解释产业创新、空间集聚等诸多经济现象的核心机制，同时，知识溢出也是理解经济长期增长的关键因素。最后，对于政策制定者来说，知识溢出也是政府干预企业创新合理性的基础依据。从这些方面我们有必要来测度企业间的知识溢出情况究竟怎么样。我们研究的数据是中国税收调查数据库和中国专利数据库两个数据库的合并，前一个数据库的样本期是2009年到2015年，后一个是1985年到2015年。我们对数据的具体处理，限于时间原因就不展开述说了。
接下来，我从三个方面报告研究中的发现。根据我们构造的专利云网络或者创新网络，首先我向大家报告一些直观发现。我们计算这个网络节点的竞争性等基本特征，保留了总度数大于等于50的节点，让这个图看起来更加直观。现在给大家看的这张图主要基于出度画的图，比如华为技术有限公司的出度有最高排名。接下来这个图是根据节点接近中心性来画的，中兴通讯的接近中心性排名最高。无论是节点在网络中的重要性，以及它作为网络节点之间连接重要性，从这两个方面来看，中国通信企业在创新网络中扮演着非常重要的角色。接下来我们根据网络节点之间的关联紧密程度把这些节点分社区，现在这个网络里面有四个社区。不同企业在这个网络中的连接紧密程度是不一样的，比如说中兴和联想，他们的连接紧密程度就要高一些，它们处于一个同社区。这是我们的研究设计，等号左边因变量是企业营业收入的对数，右边第一项是企业自身资本研发资本存量的对数，第二项是其他企业研发资本存量的对数加权和，第三项是控制变量。其中第二项Dij度量了知识溢出的强度，我们把第二项称为研发溢出，R&D Spillover。我们是用专利引用信息度量知识溢出的强度，即用企业J中被企业I引用的全部有效专利数除以企业J拥有的全部有效专利数，这个比值的二分之一次方来衡量。我们用工具变量法来解决这个问题，具体的构造是基于网络里面企业之间的距离。我们也对工具变量的有效性进行了检验，为了保证工具变量是有效的，我们需要工具变量满足相关性、随机性、排他性以及单调性的要求。因为时间关系，具体结果不加以多说。
向大家报告一下基本的回归结果，主要是二阶段回归的结果。我们可以看到这张表里面有三列，第一列是企业间距离为2来做的工具变量，第二列是距离为2和3合到一起，第三列是只用距离为3的企业来做的工具变量。我们可以发现研发溢出是显著的，也就是说，在我们的创新网络里面，其他企业的研发支出，所谓其他企业是指和某一家企业相邻企业的研发存量会对我关注企业的产出有显著正向影响。比如说，以第三列为例，系数是0.0055，样本均值是1.25，再乘以100%，和我这家企业相邻企业的研发支出如果增加1%，我用营业收入度量的产出会有0.01%的增加。这时候我们发现在中国的创新网络中确实存在知识溢出。我们也对结果做了一些稳定性检验和异质性分析，比如说我们把企业根据接近中心性分为高低两组，高的这一组是显著的，低的这一组并不显著。这也意味着，在这个网络里面居于核心位置的企业能从这个网络中其他企业研发中得到更多好处。
第三方面的研究发现是，我们基于前面的回归结果，计算了一下研发支出的私人回报和社会回报。同时基于美国数据，主要是美国上市公司数据，的研究结果进行比较。我们可以看到在中国无论是边际私人回报还是边际社会回报都远远高于美国，这里面部分原因是因为我们用的数据是中国高新技术企业数据，无论是私人回报还是社会回报都会高一些，同时也反映出可能在中国的企业之间确实存在着比较强的知识溢出效应，从而导致社会回报相对私人回报的比值也更大一些，这对我们的政策设计会有启发意义。即，我们在政策设计的时候需要考虑专利保护强度以及其他扶持政策的配比，因为专利保护强度和其他政策可能会对知识溢出有不同的激励作用。
简单总结一下。首先，在创新网络中，企业间的知识溢出确实显著促进了企业产出的提高，被引用企业的研发资本存量增加1%就会使得发明企业产出增加0.01%。同时，企业网络中心性、企业规模和企业间的技术相似性都会影响知识溢出作用的强度。最后企业研发支出社会回报差不多是私人回报的1.67倍。
以上是我们研究的主要发现。
这样我的报告已结束，谢谢大家。
（本文为速记实录，未经演讲者审核）
