編譯
對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)金融科技實(shí)驗(yàn)室
譯者按
國家法律與數(shù)字經(jīng)濟(jì)發(fā)展的復(fù)雜關(guān)系一直是我們研究的中心議題。正如諾斯悖論所洞見的:國家既是經(jīng)濟(jì)發(fā)展的推動(dòng)者,也是經(jīng)濟(jì)發(fā)展的破壞者,對(duì)于數(shù)字經(jīng)濟(jì)而言亦是如此。世界銀行東亞與太平洋(601099,股吧)地區(qū)首席經(jīng)濟(jì)學(xué)家辦公室于2020年1月發(fā)布的《東亞數(shù)字經(jīng)濟(jì)創(chuàng)新:限制性數(shù)字政策重要嗎?》(Digital Innovation in East Asia:Restrictive Data Policies Matter?)報(bào)告梳理了東亞15國的數(shù)字經(jīng)濟(jì)法律政策,并使用定量研究的方法得出“數(shù)字限制指數(shù)”,直觀展現(xiàn)出國家監(jiān)管法律與企業(yè)創(chuàng)新之間的負(fù)相關(guān)關(guān)系。在這一研究中,中國的數(shù)字限制指數(shù)居于高位,這值得我們深思和警惕。毋庸諱言,當(dāng)前中國經(jīng)濟(jì)發(fā)展正面臨嚴(yán)峻挑戰(zhàn),數(shù)字經(jīng)濟(jì)已成為中國最有力的引擎,只有盡快采取更開放的數(shù)字經(jīng)濟(jì)政策,才能使中國經(jīng)濟(jì)行穩(wěn)致遠(yuǎn),此即“改革是最大紅利”的真義。
——對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)數(shù)字經(jīng)濟(jì)與法律創(chuàng)新研究中心
執(zhí)行主任許可
摘要
數(shù)字技術(shù)鼓勵(lì)公司通過新工藝、新產(chǎn)品和新服務(wù)進(jìn)行創(chuàng)新,從而最終增強(qiáng)其在本地和全球市場(chǎng)上的競(jìng)爭(zhēng)力。本文分析了各種各樣的數(shù)據(jù)限制是否與公司的數(shù)字創(chuàng)新負(fù)相關(guān)。本文提出了數(shù)據(jù)限制指數(shù),該指數(shù)衡量了東亞15個(gè)國家隨時(shí)間推移,其數(shù)據(jù)政策的限制程度。通過使用不同企業(yè)層面的數(shù)據(jù)集,分析表明,數(shù)據(jù)限制限制了企業(yè)的創(chuàng)新能力。分析考慮到數(shù)據(jù)限制可能會(huì)對(duì)那些更依賴軟件的企業(yè)產(chǎn)生更大的影響。
回歸分析表明,在數(shù)據(jù)政策更加嚴(yán)格的國家,企業(yè)不太可能通過許可證使用外國技術(shù)作為其創(chuàng)新過程的一部分?色@得數(shù)據(jù)的特定國家的案例還表明,限制性數(shù)據(jù)政策與公司使用專利和商譽(yù)等無形資產(chǎn)進(jìn)行創(chuàng)新(在馬來西亞和中國)和開發(fā)市場(chǎng)上新的研究開發(fā)創(chuàng)新(在越南)的可能性呈負(fù)相關(guān)。本文的結(jié)論是,開放數(shù)據(jù)政策可能會(huì)促進(jìn)數(shù)字創(chuàng)新。
1、介紹
許多經(jīng)濟(jì)體的數(shù)字化轉(zhuǎn)型為企業(yè)帶來了廣泛的創(chuàng)新機(jī)會(huì)。數(shù)字技術(shù)鼓勵(lì)公司采用新工藝、新產(chǎn)品和新服務(wù)進(jìn)行創(chuàng)新,從而最終提高其在當(dāng)?shù)睾腿蚴袌?chǎng)的競(jìng)爭(zhēng)力。數(shù)字創(chuàng)新通常通過互聯(lián)網(wǎng)和新的在線平臺(tái)進(jìn)行,企業(yè)越來越多地跨越國境訪問這些平臺(tái)。但是,如今許多公司在這些新的數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)訪問、在線平臺(tái)的使用以及數(shù)據(jù)的跨境流動(dòng)方面都面臨著嚴(yán)峻的限制-其中大多數(shù)限制是政府最近才實(shí)施的。
本文分析了在數(shù)據(jù)、互聯(lián)網(wǎng)和在線平臺(tái)的支持下,預(yù)計(jì)會(huì)影響數(shù)字創(chuàng)新的數(shù)據(jù)限制。我們將其統(tǒng)稱為數(shù)據(jù)限制。數(shù)據(jù)限制阻礙了企業(yè)使用先進(jìn)的軟件和更廣泛的跨境數(shù)據(jù)來進(jìn)行的創(chuàng)新,而這些如今已成為許多企業(yè)創(chuàng)新過程的重要組成部分(Guellec和Paunov,2018年)。例如,大數(shù)據(jù)、人工智能(AI)和區(qū)塊鏈?zhǔn)菙?shù)字技術(shù)的新發(fā)展,它們產(chǎn)生并提供大量數(shù)據(jù),來供企業(yè)用于開發(fā)新產(chǎn)品、新服務(wù)以及新工藝--所有這些都是都借助軟件實(shí)現(xiàn)的。這些新技術(shù)有助于為企業(yè)創(chuàng)造競(jìng)爭(zhēng)優(yōu)勢(shì)。因此,對(duì)數(shù)據(jù)的限制可能會(huì)減緩這種競(jìng)爭(zhēng)過程。
我們研究了東亞地區(qū)15個(gè)國家的數(shù)據(jù)限制政策,并調(diào)查這些限制是否確實(shí)影響了企業(yè)創(chuàng)新的可能性。我們以東亞國家為例的原因有兩個(gè)。其一,數(shù)字創(chuàng)新在該地區(qū)盛行。經(jīng)合組織最近的一份報(bào)告顯示,東亞對(duì)數(shù)字技術(shù)的運(yùn)用日益增加,正在引發(fā)經(jīng)濟(jì)和社會(huì)的轉(zhuǎn)型(經(jīng)合組織,2019年)。其次,該地區(qū)隨著時(shí)間的推移,數(shù)據(jù)政策方面產(chǎn)生了有趣的變化。一方面,印度尼西亞、中國和越南等國家的數(shù)據(jù)政策非常嚴(yán)格,或者說隨著時(shí)間的推移對(duì)數(shù)據(jù)的限制日益嚴(yán)格。另一方面,韓國、馬來西亞和菲律賓等國家則已取消了數(shù)據(jù)限制。
針對(duì)本次研究的目的,我們創(chuàng)造了一個(gè)指數(shù)來衡量15個(gè)東亞國家在數(shù)據(jù)政策方面受到限制的程度。該限制性指數(shù)建立在Ferracane等人先前的工作基礎(chǔ)上(2018a; 2018b)。但隨著新政策的出臺(tái),例如與知識(shí)產(chǎn)權(quán)(IPR)相關(guān)的政策,預(yù)計(jì)將在更大范圍內(nèi)影響數(shù)字創(chuàng)新。本文的第一步是描述和分析我們已經(jīng)收集了政策發(fā)展情況的該地區(qū)15個(gè)國家的數(shù)據(jù)限制發(fā)展情況。然后,利用該政策指數(shù)來分析它與10個(gè)東亞國家企業(yè)創(chuàng)新活動(dòng)績(jī)效之間的關(guān)系。同時(shí),我們考慮到數(shù)據(jù)限制可能會(huì)對(duì)數(shù)據(jù)密集型行業(yè)中的數(shù)字創(chuàng)新產(chǎn)生更大的影響,可以通過軟件使用來衡量它們。最后,我們選擇了三個(gè)具有特定企業(yè)層面數(shù)據(jù)的國家(馬來西亞,越南和中國),并使用不同的變量進(jìn)一步分析我們的限制性指數(shù)是否對(duì)企業(yè)的創(chuàng)新活動(dòng)有影響。
跨國研究和三個(gè)國家的相關(guān)性研究得出的結(jié)論表明,數(shù)據(jù)政策限制性更強(qiáng)的政策框架與企業(yè)進(jìn)行數(shù)字創(chuàng)新的程度負(fù)相關(guān)。例如,在限制性數(shù)據(jù)政策水平較高的國家,企業(yè)不太可能通過許可使用外國技術(shù)。此外,國家案例研究表明,面臨較高數(shù)據(jù)限制級(jí)別的馬來西亞企業(yè)購買外國無形資產(chǎn)的可能性較小,而受到更高級(jí)別限制的越南公司則不太可能開發(fā)國際市場(chǎng)上的新商品和服務(wù)。結(jié)果表明,數(shù)據(jù)政策限制是東亞企業(yè)發(fā)展數(shù)字創(chuàng)新的重大障礙。
本文的結(jié)構(gòu)如下:第二部分闡述了進(jìn)行這項(xiàng)研究的動(dòng)機(jī),并總結(jié)了有關(guān)數(shù)據(jù)、數(shù)字貿(mào)易和數(shù)字貿(mào)易政策限制的最新文獻(xiàn)。第三部分介紹了估算策略,并討論了兩個(gè)層次的實(shí)證分析,即橫向回歸檢驗(yàn)以及特定國家的回歸案例。第四部分討論了這兩項(xiàng)分析的結(jié)果。第五部分通過將結(jié)果置于更廣泛的政策環(huán)境中進(jìn)行了總結(jié)。
2、動(dòng)機(jī)與最新文獻(xiàn)
盡管全球范圍內(nèi)數(shù)據(jù)流動(dòng)呈上升趨勢(shì),但對(duì)這一主題的研究卻出乎意料地有限。Manyika等人(2016年)聲稱,作為全球化的一部分,數(shù)據(jù)流的跨境和使用對(duì)GDP的貢獻(xiàn)已經(jīng)超過了商品流的貢獻(xiàn)。該研究指出,經(jīng)過近十年的發(fā)展,數(shù)據(jù)流目前占全球GDP增長(zhǎng)總額的2.8萬億美元,對(duì)增長(zhǎng)的貢獻(xiàn)要大于傳統(tǒng)商品貿(mào)易。
最近的文獻(xiàn)研究了數(shù)據(jù)的限制性政策。Stone等人進(jìn)行了首次嘗試(2015),其中僅包括數(shù)據(jù)本地化需求的度量。他們的研究指出,數(shù)據(jù)流提高了國內(nèi)外專業(yè)服務(wù)公司的貿(mào)易效率。此外,F(xiàn)erracane(2017)的工作進(jìn)一步對(duì)影響數(shù)據(jù)跨界流動(dòng)的現(xiàn)有數(shù)據(jù)政策的不同形式進(jìn)行了分類。該研究調(diào)查了64個(gè)主要經(jīng)濟(jì)體的數(shù)據(jù)政策,以表明許多國家以不同形對(duì)不同類型的數(shù)據(jù)實(shí)施了數(shù)據(jù)限制。最后,F(xiàn)erracane等人(2018b)為64個(gè)國家/地區(qū)制定了一個(gè)復(fù)雜的指數(shù),其中評(píng)估了數(shù)據(jù)限制程度,涵蓋了與跨境流動(dòng)和數(shù)據(jù)國內(nèi)使用相關(guān)的許多政策限制。本文使用該指數(shù)的更新和延展版本。
分析數(shù)據(jù)限制對(duì)經(jīng)濟(jì)成果影響的研究很少。Van der Marel等人(2016)和Ferracane等人(2018b)的成果是僅有的兩項(xiàng)研究,探討與數(shù)據(jù)相關(guān)的監(jiān)管政策如何影響生產(chǎn)力。作者從經(jīng)濟(jì)學(xué)的角度分析了這種聯(lián)系,為 Ferracane 等人(2018a)的數(shù)據(jù)的跨境和國內(nèi)使用建立了一個(gè)監(jiān)管限制指數(shù),并隨著時(shí)間的推移擴(kuò)展了該指數(shù)。作者通過在綜合指標(biāo)上回歸企業(yè)層面的生產(chǎn)率來計(jì)算與限制性數(shù)據(jù)政策相關(guān)的成本,該指標(biāo)評(píng)價(jià)限制性數(shù)據(jù)法規(guī)對(duì)使用軟件作為衡量數(shù)據(jù)需要依賴行業(yè)的影響程度。他們發(fā)現(xiàn),嚴(yán)格的數(shù)據(jù)政策往往會(huì)對(duì)數(shù)據(jù)密集型行業(yè)的公司業(yè)績(jī)產(chǎn)生負(fù)面影響。本文采用了類似的識(shí)別方法,并分析了限制性數(shù)據(jù)政策對(duì)企業(yè)創(chuàng)新的影響。
之前的其他研究專門針對(duì)與數(shù)據(jù)有關(guān)的政策框架,即歐盟通用數(shù)據(jù)保護(hù)條例(GDPR),并估算了經(jīng)濟(jì)成本。Christensen等人(2013年)使用校準(zhǔn)技術(shù)來評(píng)估歐盟通用數(shù)據(jù)保護(hù)條例提案對(duì)中小企業(yè)(SME)的影響,并得出結(jié)論,認(rèn)為大量使用數(shù)據(jù)的中小企業(yè)遵守這些新規(guī)則可能會(huì)產(chǎn)生大量費(fèi)用。作者使用模擬動(dòng)態(tài)隨機(jī)一般均衡模型計(jì)算,結(jié)果顯示多達(dá)100,000個(gè)工作崗位可能在短期內(nèi)消失,長(zhǎng)期可能超過300,000個(gè)。鮑爾等人的另一項(xiàng)研究(2013年)使用可計(jì)算的一般均衡GTAP模型估算歐盟通用數(shù)據(jù)保護(hù)條例的經(jīng)濟(jì)影響。研究發(fā)現(xiàn),由于歐盟與世界其他地區(qū)之間的貿(mào)易減少,該項(xiàng)法律可能導(dǎo)致歐盟GDP損失高達(dá)1.3%。
Goldfarb和Tucker(2012)用實(shí)證研究證明了限制性數(shù)據(jù)政策與創(chuàng)新之間的不利聯(lián)系,并指出,之前針對(duì)衛(wèi)生服務(wù)和在線廣告領(lǐng)域的研究結(jié)果顯示,更嚴(yán)格的隱私規(guī)定可能會(huì)損害創(chuàng)新活動(dòng)。兩項(xiàng)研究均表明,有效數(shù)據(jù)的獲取和使用與基于開放市場(chǎng)的創(chuàng)新之間存在密切的聯(lián)系。Goldfarb和Trefler(2018)的最新研究討論了限制性數(shù)據(jù)政策的潛在理論含義,例如數(shù)據(jù)本地化和嚴(yán)格的隱私法規(guī)對(duì)創(chuàng)新和貿(mào)易的影響,盡管這是從人工智能的角度來看。作者明確指出,對(duì)于數(shù)據(jù)流是重要因素的擴(kuò)展型創(chuàng)新人工智能產(chǎn)業(yè),將被諸如數(shù)據(jù)本地化等限制性數(shù)據(jù)政策所遏制。
本文基于Ferracane等人(2018a)的研究開發(fā)的特定并已擴(kuò)展的數(shù)據(jù)政策限制指數(shù),將文獻(xiàn)的兩個(gè)部分結(jié)合起來。然后將其與我們專門制定的一系列數(shù)據(jù)政策指數(shù)的東亞國家的企業(yè)數(shù)字創(chuàng)新活動(dòng)相關(guān)聯(lián)。該指數(shù)涵蓋了與數(shù)據(jù)活動(dòng)相關(guān)的各種指標(biāo),其范圍比上文所述文件中使用的同類指數(shù)廣泛得多。例如,除了對(duì)跨境流動(dòng)和數(shù)據(jù)國內(nèi)使用的限制外,我們現(xiàn)在還擴(kuò)展了與數(shù)字部門知識(shí)產(chǎn)權(quán)、在線平臺(tái)的中間責(zé)任和內(nèi)容訪問有關(guān)的限制,以及有關(guān)電信市場(chǎng)的監(jiān)管政策。我們預(yù)計(jì),這些數(shù)據(jù)限制將與企業(yè)創(chuàng)新的程度負(fù)相關(guān),特別是在那些更依賴數(shù)據(jù)的行業(yè)中。在評(píng)估這一假設(shè)時(shí),我們使用了Ferracane等人(2018b)開發(fā)的識(shí)別方法。
3、實(shí)驗(yàn)策略
本部分闡述了實(shí)證策略。我們根據(jù)Ferracane等人(2018a)的工作成果和Ferracane和van der Marel(2018)制定了一項(xiàng)綜合指標(biāo)。在這兩項(xiàng)工作成果中,開發(fā)了一個(gè)數(shù)據(jù)關(guān)聯(lián)變量,該變量將其數(shù)據(jù)政策指數(shù)與行業(yè)級(jí)別的數(shù)據(jù)強(qiáng)度度量進(jìn)行交互。在我們的案例中,綜合指標(biāo)由包含數(shù)據(jù)限制的指數(shù)組成,包括與知識(shí)產(chǎn)權(quán)和電信相關(guān)的指數(shù),該指數(shù)與衡量行業(yè)使用軟件的密集程度的變量交互作用。我們認(rèn)為,后一個(gè)變量粗略地指定了每個(gè)部門使用數(shù)據(jù)的數(shù)量。某些行業(yè)比其他行業(yè)更依賴數(shù)據(jù),我們預(yù)計(jì)數(shù)據(jù)密集型行業(yè)受限制性數(shù)據(jù)政策變化的影響更大。為了證實(shí)這一看法,我們將數(shù)據(jù)政策指數(shù)與表示行業(yè)級(jí)別數(shù)據(jù)強(qiáng)度的軟件使用程度進(jìn)行加權(quán)。
在第二小節(jié)中,我們介紹了回歸的基線規(guī)范,在該規(guī)范中,我們使用了不同的企業(yè)層面的變量來衡量創(chuàng)新,并在數(shù)據(jù)限制的綜合指標(biāo)上對(duì)變量進(jìn)行回歸。并使用兩種類型的企業(yè)層面的數(shù)據(jù)進(jìn)行回歸,第一種使用世界銀行企業(yè)調(diào)查數(shù)據(jù)庫在跨國和行業(yè)層面的總體數(shù)據(jù),此外還針對(duì)少數(shù)東亞地區(qū)使用了三個(gè)特定國家的企業(yè)級(jí)數(shù)據(jù)集,即馬來西亞、越南和中國。由這兩個(gè)數(shù)據(jù)集得出的結(jié)果是互補(bǔ)的,因?yàn)樗鼈優(yōu)槲覀兲峁┝瞬煌囊暯恰J澜玢y行的數(shù)據(jù)代表了跨國公司間跨時(shí)間的數(shù)據(jù)集合,這將使我們對(duì)該地區(qū)國家所做出的政策選擇有一個(gè)整體的認(rèn)識(shí)。第二種數(shù)據(jù)集專門針對(duì)馬來西亞、越南和中國,并分析那些對(duì)跨國公司業(yè)績(jī)起重要推動(dòng)作用的政策是否也在這三個(gè)國家的企業(yè)中得到了證實(shí)。
3.1數(shù)據(jù)鏈接
數(shù)據(jù)鏈接指數(shù)的取值方式基于Arnold等人開創(chuàng)的計(jì)算方法。(2011年;2015年)。他們開創(chuàng)的測(cè)算“服務(wù)鏈接指數(shù)”的方法已在實(shí)踐領(lǐng)域得到廣泛使用。在我們的研究案例中,我們?yōu)閿?shù)字創(chuàng)新設(shè)置了一個(gè)數(shù)據(jù)鏈接指數(shù)的變量,并在回歸分析中使用了此綜合指標(biāo)。在對(duì)每個(gè)國家進(jìn)行分析時(shí),我們將各個(gè)國家的專屬數(shù)據(jù)政策指數(shù)與(作為數(shù)據(jù)使用值的替代值的)軟件使用量進(jìn)行交互,以衡量某個(gè)部門在其生產(chǎn)過程中使用數(shù)據(jù)的程度。該識(shí)別策略基于這樣的假設(shè):在生產(chǎn)過程中更依賴軟件的行業(yè)受數(shù)據(jù)限制的影響更大。這種加權(quán)算法是衡量限制性數(shù)據(jù)政策影響的一種更完善的方法,優(yōu)于簡(jiǎn)單地采用無加權(quán)算法而將我們的數(shù)據(jù)政策指數(shù)回歸到某一創(chuàng)新成果變量上。
在此計(jì)算過程中,我們將國家的專屬數(shù)據(jù)限制政策指數(shù)乘以代表每個(gè)下游產(chǎn)業(yè)的特定軟件使用程度的數(shù)據(jù)強(qiáng)度。這就是設(shè)置數(shù)據(jù)鏈接(DL)變量的方式。在此變量中,數(shù)據(jù)強(qiáng)度表示為(D / L),它由該部門的軟件使用量與勞動(dòng)力數(shù)量的關(guān)系來衡量(見下文)。因此,在公式(1)中,術(shù)語?d表示每個(gè)部門的軟件使用程度,此數(shù)據(jù)來自美國人口普查ICT調(diào)查。數(shù)據(jù)強(qiáng)度表示為每個(gè)下游部門中使用勞動(dòng)的比率,稱為L(zhǎng)ABj。此勞工數(shù)據(jù)可從美國勞工統(tǒng)計(jì)局(BLS)檢索。由此,我們得出以下公式:
請(qǐng)注意,與先前有關(guān)因子強(qiáng)度的文獻(xiàn)相一致,我們也將強(qiáng)度指數(shù)記錄在日志中。強(qiáng)度的表達(dá)方式近似于那些論述比較優(yōu)勢(shì)的文獻(xiàn),例如Chor(2011),Nunn(2007)和Romalis(2004)。最后,在公式(1)中,數(shù)據(jù)政策指數(shù)指的是衡量限制性數(shù)據(jù)政策的國家特定變量(請(qǐng)參見第3.3節(jié)),而軟件數(shù)據(jù)則指美國特定行業(yè)一年期間的軟件使用情況(請(qǐng)參閱第3.2節(jié)),以避免內(nèi)生性問題。如果數(shù)據(jù)密集型部門隨著時(shí)間的推移不斷開展更多的數(shù)據(jù)創(chuàng)新活動(dòng),對(duì)任何國家而言,都將會(huì)導(dǎo)致數(shù)據(jù)監(jiān)管限制的降低。因此,對(duì)一個(gè)國家使用其特定行業(yè)的通用數(shù)據(jù)強(qiáng)度會(huì)使變量更加具有外源性。
3.2數(shù)據(jù)強(qiáng)度
為了衡量公式(1)中定義的數(shù)據(jù)強(qiáng)度,我們使用了2011年美國人口普查ICT調(diào)查中有關(guān)軟件使用的信息。這些數(shù)據(jù)基于調(diào)查,并以4位算法詳細(xì)記錄在NAICS部門中,其統(tǒng)計(jì)了每個(gè)行業(yè)和服務(wù)部門花費(fèi)在ICT設(shè)備和計(jì)算機(jī)軟件方面的投入,以百萬美元為單位。
我們將計(jì)算機(jī)軟件支出納入數(shù)據(jù)強(qiáng)度的考量。ICT調(diào)查記錄了軟件支出的兩個(gè)獨(dú)立變量,即資本化的軟件支出和非資本化的軟件支出。非資本化的計(jì)算機(jī)軟件支出包括用于開發(fā)軟件的購買和相關(guān)開發(fā)人員的薪資支出,以及軟件許可和軟件的服務(wù)協(xié)議支出。資本化的計(jì)算機(jī)軟件支出包括設(shè)備和軟件本身的資本支出。盡管將軟件使用量作為替代值的統(tǒng)計(jì)不能完全洞察各行業(yè)使用電子數(shù)據(jù)的程度,但它仍然是我們可以公開找到的最接近真實(shí)狀況的一種數(shù)據(jù)使用變量。但是請(qǐng)注意,在公司內(nèi)部,由于數(shù)據(jù)的創(chuàng)新往往是基于軟件的,因此為軟件使用量作為替代因素提供了的充分理由。我們將2010年用于回歸分析,并將此軟件支出除以勞務(wù)量(同2010年數(shù)據(jù)),并將其用于我們的數(shù)據(jù)鏈接變量。
誠然,這種數(shù)據(jù)強(qiáng)度的數(shù)據(jù)替換并不理想。但當(dāng)前還沒有有關(guān)各部門使用數(shù)據(jù)程度的數(shù)據(jù)。關(guān)于國家使用的數(shù)據(jù)量(例如由Cisco或Teleography記錄的數(shù)據(jù))只有一些猜測(cè),但是即使這些來源也僅提供了少量的觀察數(shù)據(jù)。即使如此,那些使用軟件技術(shù)在互聯(lián)網(wǎng)上和跨邊界傳輸用于創(chuàng)新的數(shù)據(jù)是清晰可記的。數(shù)字創(chuàng)新的最簡(jiǎn)便程序需要借助軟件來完成,并需借助軟件來傳輸數(shù)據(jù)。另外,借助本身就是軟件形式的云計(jì)算技術(shù),可以使更多技術(shù)通過互聯(lián)網(wǎng)進(jìn)行高級(jí)數(shù)據(jù)傳輸。因此,盡管沒有完全獲取部門中實(shí)際使用的真實(shí)數(shù)據(jù)量,但在我們看來,利用每個(gè)行業(yè)對(duì)軟件的使用強(qiáng)度的確是首選的最佳替代。
figure1展示了根據(jù)非資本化軟件支出計(jì)算出的每個(gè)部門的數(shù)據(jù)強(qiáng)度。3假設(shè)美國人口普查以2位制和4位制之間的混合級(jí)別記錄此信息,則可以在NAICS中以不同的數(shù)字級(jí)別下載構(gòu)建這些強(qiáng)度的數(shù)據(jù)。所有數(shù)據(jù)都符合ISIC Rev 3.1 2位數(shù)字級(jí)別。就業(yè)數(shù)據(jù)來自美國勞工統(tǒng)計(jì)局,以6位制給出,也與ISIC Rev 3.1 2位數(shù)字一致。我們?cè)趦蓚(gè)數(shù)據(jù)源之間以最細(xì)分的級(jí)別開發(fā)了自己的一致性矩陣,然后通過采用簡(jiǎn)單的平均值算法將其匯總到2位制。重新分類這些數(shù)據(jù)的原因是我們的創(chuàng)新變量在2位的ISIC版本3.1中提供。由于數(shù)據(jù)是在軟件和人工上以兩種不同的統(tǒng)計(jì)方式給出的,因此我們首先將所有數(shù)據(jù)匯總到ISIC中,然后統(tǒng)一計(jì)算強(qiáng)度。
根據(jù)我們對(duì)軟件支出的替代計(jì)算,figure1依照數(shù)據(jù)強(qiáng)度從高到低顯示了15個(gè)行業(yè)的數(shù)據(jù)使用程度排名。毫無意外,電信業(yè)是最高數(shù)據(jù)強(qiáng)度級(jí)別的行業(yè),與勞動(dòng)力強(qiáng)度相比,它具有很高的軟件強(qiáng)度。在剩余行業(yè)中,數(shù)據(jù)強(qiáng)度高的行業(yè)還有計(jì)算機(jī)、保險(xiǎn)和金融,這也不足為奇。與勞工相比,他們使用大量軟件來運(yùn)行。廣泛認(rèn)為后兩個(gè)部門是技術(shù)密集型行業(yè),并且互聯(lián)網(wǎng)技術(shù)的使用在金融服務(wù)業(yè)中也正顯著增加。
在統(tǒng)計(jì)圖的另一端(圖中未顯示),家具、建筑、汽車銷售和服裝等行業(yè)的數(shù)據(jù)密集度最低。使用軟件強(qiáng)度居中的行業(yè)是現(xiàn)代和傳統(tǒng)行業(yè)的結(jié)合行業(yè),例如運(yùn)輸服務(wù)和基本金屬等各種制造行業(yè)。
3.3數(shù)字創(chuàng)新數(shù)據(jù)政策指數(shù)
數(shù)據(jù)鏈接變量的第二項(xiàng)是數(shù)據(jù)政策指數(shù),該指數(shù)基于一組可量化的特定國家監(jiān)管政策,這些監(jiān)管政策預(yù)計(jì)會(huì)對(duì)數(shù)字創(chuàng)新產(chǎn)生限制性影響。這些限制性政策涉及數(shù)據(jù)的使用和傳輸、知識(shí)產(chǎn)權(quán)、中間責(zé)任、內(nèi)容訪問以及有關(guān)電信市場(chǎng)的監(jiān)管制度。我們借鑒了Ferracane(2018a)和ECIPE的數(shù)字貿(mào)易估算(DTE)數(shù)據(jù)庫來確立和構(gòu)建此指數(shù)。指數(shù)的分析對(duì)象是那些被認(rèn)為會(huì)對(duì)依靠數(shù)據(jù)進(jìn)行創(chuàng)新活動(dòng)的公司造成監(jiān)管成本負(fù)擔(dān)的政策。將某種政策措施列為對(duì)數(shù)據(jù)庫產(chǎn)生限制性影響的策略的標(biāo)準(zhǔn)如下:(i)它是否為在線和離線數(shù)據(jù)用戶創(chuàng)建了更加嚴(yán)格的制度;(ii)是否對(duì)國內(nèi)外數(shù)據(jù)用戶之間區(qū)別對(duì)待;(iii)是否以不經(jīng)濟(jì)不恰當(dāng)?shù)姆比呤侄蝸韺?shí)現(xiàn)某個(gè)政策目標(biāo)。
數(shù)據(jù)政策指數(shù)由6個(gè)不同種類因素組成,每個(gè)種類都包含與特定數(shù)字政策領(lǐng)域相關(guān)的一組政策限制,這些政策限制包括:知識(shí)產(chǎn)權(quán)(IPR),跨境數(shù)據(jù)流(CBDF),國內(nèi)數(shù)據(jù)使用和處理(DP),中間責(zé)任(IL),內(nèi)容訪問(CA)以及基礎(chǔ)架構(gòu)和連接(INF)。我們認(rèn)為,這些與數(shù)據(jù)相關(guān)的政策種類對(duì)東亞地區(qū)的數(shù)字創(chuàng)新形成了最大的政策限制。如上所述,每個(gè)類別都有各種特定的限制,可以在table1中進(jìn)一步找到。Ferracane等人曾在2018年對(duì)上述限制做出具體解釋,其文獻(xiàn)還提供了有關(guān)形成限制動(dòng)機(jī)的進(jìn)一步信息,并討論了評(píng)估其限制水平的方式。該指數(shù)涵蓋2009-2019年的政策狀況。此外,指數(shù)所代表的政策現(xiàn)均已更新,每個(gè)國家都推出了新監(jiān)管措施。
為了建立這個(gè)指數(shù),每個(gè)具體的政策措施都將根據(jù)其限制范圍的廣度在0(完全開放)到1(實(shí)質(zhì)為封閉)之間評(píng)分。分?jǐn)?shù)越高,表示數(shù)據(jù)政策的限制程度越高。盡管某些數(shù)據(jù)政策對(duì)于保護(hù)非經(jīng)濟(jì)目標(biāo)(例如個(gè)人隱私)或確保國家安全可能是合法且必要的,但這些政策仍然給開展數(shù)據(jù)相關(guān)創(chuàng)新活動(dòng)的企業(yè)帶來了巨額成本,因此也反映在我們的指數(shù)中。以DTE數(shù)據(jù)庫為起點(diǎn),我們使用從Ferracane等人2018版詳細(xì)加權(quán)方案,將特定政策匯總到指數(shù)中?稍趖able1的最后一欄中找到相應(yīng)論述。
更具體地說,每種數(shù)據(jù)政策限制均按加權(quán)計(jì)算在完整的指數(shù)中。另外,在每個(gè)類別中,每個(gè)特定的政策限制也相互權(quán)衡。但是,在大多數(shù)情況下,政策限制在各自類別內(nèi)的權(quán)重相等,如table1所示。對(duì)于每個(gè)類別而言,IPR和CBDF的權(quán)重一般相等,為0.25,因此兩者合計(jì)占總指數(shù)的一半。另一半覆蓋其余四個(gè)類別,其中DP和CA類別的權(quán)重均為0.15。IL和INF類別的權(quán)重為0.1。請(qǐng)注意,在某些情況下會(huì)包含新的特定政策限制,例如某個(gè)國家是否已制定了數(shù)據(jù)保護(hù)法,而Ferracane等人并未采用該法律(2018)。Ferracane(2018b)提供了有關(guān)權(quán)重、評(píng)分和政策措施說明的更多詳細(xì)信息。
應(yīng)用我們的加權(quán)方案后,數(shù)據(jù)政策指數(shù)在0(完全打開)和1(實(shí)質(zhì)性封閉)之間變化。指數(shù)越高,各國實(shí)施的數(shù)據(jù)政策越嚴(yán)格。table2概述了每個(gè)東亞國家/地區(qū)的最終指數(shù),并顯示了每種限制條件對(duì)最終指數(shù)得分的影響。顯而易見,中國的得分最高,為0.91。在很大程度上,這是由IPR和CBDF類別中較高的政策限制導(dǎo)致的。在中國之后,越南得分為0.82,其次是泰國和印度尼西亞,兩者的限制性水平均為0.64。限制最少的國家是中國香港特別行政區(qū),得分為0.09,基本上是開放的。這僅顯示了一些與知識(shí)產(chǎn)權(quán)和中間責(zé)任有關(guān)的較小限制。日本是第二受限制最少的國家,得分為0.20。如figure2和figure4所示,東亞地區(qū)組使我們的數(shù)據(jù)政策指數(shù)形成實(shí)質(zhì)上的多樣性。
figure3顯示了數(shù)據(jù)政策限制的完整指數(shù)在2009年至2019年之間如何隨著時(shí)間而變化。該線性函數(shù)的指數(shù)涵蓋的15個(gè)東亞國家的加權(quán)平均值,以其各自的GDP作為權(quán)重。這樣做的原因是為了使整個(gè)地區(qū)得出無偏見的限制趨勢(shì),應(yīng)根據(jù)各國的自身發(fā)展情況糾正國家的限制。越南這樣的小國可能受到嚴(yán)格限制,但與中國或印度尼西亞相比,該限制對(duì)該地區(qū)的經(jīng)濟(jì)影響要小得多。
因此,對(duì)所有國家一視同仁,將使整個(gè)地區(qū)的總體限制水平失真。我們可以看到,隨著時(shí)間的流逝,指數(shù)有明顯的上升趨勢(shì),反映出東亞地區(qū)的數(shù)據(jù)政策正在變得日益嚴(yán)格。
3.4描述性分析
在使用公司層面的創(chuàng)新數(shù)據(jù)進(jìn)行計(jì)量經(jīng)濟(jì)學(xué)評(píng)估之前,我們首先對(duì)數(shù)據(jù)政策指標(biāo)進(jìn)行描述性分析,并說明其與在國家和行業(yè)層面上計(jì)算的現(xiàn)有創(chuàng)新變量之間的關(guān)系。
首先,我們從世界銀行企業(yè)調(diào)查中獲取公司層面的創(chuàng)新變量之一,然后按國家和部門對(duì)該二進(jìn)制信息進(jìn)行平均。誠然,這樣做存在問題,因?yàn)樽兞孔畛跏嵌值,并且在很大程度上取決于樣本中包含的公司數(shù)量。但是,進(jìn)行此分析以獲得對(duì)計(jì)量經(jīng)濟(jì)學(xué)相關(guān)性可能采取的潛在研究方向的第一印象是有價(jià)值的。我們對(duì)所有部門進(jìn)行了分析,但由于本文的主要研究對(duì)象為數(shù)據(jù)密集型行業(yè)中公司的反應(yīng)能力,因此目前主要關(guān)注計(jì)算機(jī)和相關(guān)服務(wù)領(lǐng)域的狀況。figure 1反映了計(jì)算機(jī)行業(yè)以及相關(guān)服務(wù)行業(yè)是軟件的主要用戶。
figure4呈現(xiàn)了一種負(fù)相關(guān)關(guān)系:一旦我們分別統(tǒng)計(jì)出每個(gè)東亞國家的限制性數(shù)據(jù)政策指數(shù)和我們?cè)谄髽I(yè)調(diào)查數(shù)據(jù)庫中發(fā)現(xiàn)的計(jì)算機(jī)和相關(guān)服務(wù)行業(yè)的創(chuàng)新偏好變量,就能發(fā)現(xiàn)二者呈負(fù)相關(guān)。該圖取h5變量的平均值,但是對(duì)于從同一數(shù)據(jù)庫中選擇的其他創(chuàng)新變量,也會(huì)出現(xiàn)同樣明顯的負(fù)相關(guān)性。顯然,數(shù)據(jù)限制程度較高的國家似乎在計(jì)算機(jī)服務(wù)行業(yè)方面的創(chuàng)新活動(dòng)較少。在figure4中,中國是一個(gè)有趣的異常值。根據(jù)我們的數(shù)據(jù)政策指數(shù)衡量,我國的數(shù)據(jù)受到極大限制,但卻同時(shí)在計(jì)算機(jī)服務(wù)方面表現(xiàn)出很高的企業(yè)層面創(chuàng)新水平?紤]到中國在數(shù)字領(lǐng)域的快速發(fā)展,這一現(xiàn)象不足為奇,但該數(shù)字也表明,中國顯然僅是該地區(qū)一個(gè)少見的例外。
figure 5展示了另一種有趣的相關(guān)性。我們引入了針對(duì)各國家根據(jù)我們的數(shù)據(jù)政策指數(shù)得出的特定變量,同時(shí)引用一個(gè)衡量東亞國家進(jìn)口數(shù)字服務(wù)的數(shù)量占其商業(yè)服務(wù)總進(jìn)口的份額的標(biāo)準(zhǔn)變量。同樣在這種情況下,我們看到兩個(gè)變量之間存在緊密的負(fù)相關(guān)性。這表明,在數(shù)據(jù)政策方面受到更多限制的國家數(shù)字服務(wù)進(jìn)口份額更低。盡管我們的計(jì)量經(jīng)濟(jì)學(xué)分析沒有考慮服務(wù)貿(mào)易的這種變量,但它指出了封閉數(shù)字創(chuàng)新與開放市場(chǎng)之間的緊密聯(lián)系。服務(wù)貿(mào)易變量主要衡量通過軟件等互聯(lián)網(wǎng)執(zhí)行的數(shù)字服務(wù)進(jìn)口量,而數(shù)據(jù)政策指數(shù)則反映針對(duì)數(shù)字技術(shù)(例如互聯(lián)網(wǎng)、數(shù)據(jù)和在線平臺(tái))的限制性貿(mào)易政策。
但是,為了規(guī)范評(píng)估在每個(gè)東亞國家的整個(gè)經(jīng)濟(jì)中,數(shù)據(jù)密集型行業(yè)的公司是否由于較高的數(shù)據(jù)限制而在創(chuàng)新活動(dòng)中受到了真正的影響,評(píng)估策略通過將各部門的軟件使用情況作為替代量,來考察每個(gè)行業(yè)的數(shù)據(jù)密集程度。
3.5基線回歸
如前所述,為衡量數(shù)據(jù)政策指數(shù)與東亞企業(yè)層面的創(chuàng)新活動(dòng)是否有任何有意義的關(guān)系,我們采用了兩種回歸方法。
第一種方法采用的是跨國維度,其中我們對(duì)擁有數(shù)據(jù)的10個(gè)東亞國家進(jìn)行了回歸分析。然后,我們進(jìn)一步選取了一些國家,從國家來源專門記錄了企業(yè)層面的數(shù)據(jù),并評(píng)估了我們的跨國分析成果是否與這些國家的回歸結(jié)論相一致。我們之所以采用這種分兩步走的方法,主要有兩個(gè)原因。首先是,跨國活動(dòng)告訴我們一些國家隨著時(shí)間的推移而產(chǎn)生的差異,而針對(duì)具體國家的活動(dòng)則更加強(qiáng)調(diào)政策限制本身的發(fā)展,從而為更具體的政策建議提供指導(dǎo)。此外,這兩個(gè)數(shù)據(jù)源記錄了不同的創(chuàng)新變量,這些變量使我們可以進(jìn)一步了解公司數(shù)據(jù)限制政策會(huì)對(duì)哪一部分創(chuàng)新產(chǎn)生影響。
我們從跨國方法開始。在我們的基線回歸中使用公式(1),這在下面的公式(2)中有詳細(xì)說明。公式(2)測(cè)量了上述的數(shù)據(jù)鏈接指數(shù)與企業(yè)層面測(cè)得的若干創(chuàng)新變量(見下文)之間的時(shí)間相關(guān)性。因此,我們將在t年的第j行業(yè)中的c國的每個(gè)公司f?記錄的企業(yè)層面的創(chuàng)新變量回歸,而數(shù)據(jù)鏈接(DL)指標(biāo)則是在國別-部門年度層面規(guī)定的。因此,作為相關(guān)性的回歸基線規(guī)則采用以下形式:
在公式(2)中,向量INNO由我們選擇的東亞國家組中的四個(gè)企業(yè)層面創(chuàng)新變量組成。這些變量是:(1)公司在過去三年中是否引進(jìn)了新產(chǎn)品/服務(wù);(2)該公司在過去三年中是否引進(jìn)了新工藝;(3)公司是否使用外國公司許可的技術(shù);最后(4)該公司在過去三年中是否花費(fèi)了新的研發(fā)費(fèi)用(不包括市場(chǎng)研究)。四個(gè)變量分別由h1,h5,e6和h8表示,這與世界銀行企業(yè)調(diào)查數(shù)據(jù)庫的數(shù)據(jù)來源標(biāo)識(shí)一致。需要注意這些公司層面的數(shù)據(jù)是2009年至2018年之間的各個(gè)年份的截面數(shù)據(jù),因此不記錄同一公司每年的數(shù)據(jù)。附件A中的tableA1、A2和A3以及figureA1提供了四個(gè)創(chuàng)新變量的累計(jì)企業(yè)分布概況,并按國家和行業(yè)分類提供了匯總統(tǒng)計(jì)數(shù)據(jù)。
還要注意的是我們的因變量?jī)H能以二進(jìn)制方式允許響應(yīng)的形式。企業(yè)調(diào)查數(shù)據(jù)庫以簡(jiǎn)單的“是”或“否”報(bào)告這些答案。我們將變量轉(zhuǎn)換為虛擬變量,以使其有效地成為INNOfcjt∈{0,1}的非線性估計(jì)。因此,我們被迫執(zhí)行Probit模型。但是,在進(jìn)入Probit回歸之前,我們首先執(zhí)行具有固定效果的LPM模型,因?yàn)榍罢邽槲覀兲峁┝擞嘘P(guān)Probit回歸時(shí)最有可能走向的方向的其他信息。此外,對(duì)于我們的三個(gè)國家情況,只能進(jìn)行LPM回歸,因此出于一致性的原因,我們報(bào)告兩種類型的結(jié)果。由于包括固定效應(yīng)的各個(gè)方面,因此我們使用條件(固定效應(yīng))邏輯回歸來估計(jì)Probit模型。
如上所述,我們的DL變量是根據(jù)公式(1)在國家/地區(qū)/年份級(jí)別定義的,因此在所有三個(gè)維度上都存在變化。雖然我們擁有截至2019年的數(shù)據(jù)政策指數(shù)數(shù)據(jù),但由于企業(yè)調(diào)查數(shù)據(jù)沒有進(jìn)一步發(fā)展,因此我們只能包含截至2018年的數(shù)據(jù)。
公式(2)還分別包括來自按國家(c)、行業(yè)(j)和時(shí)間(t)的固定影響。不僅如此,盡管事實(shí)是我們的因變量是在公司層面給出的,但我們不能包括企業(yè)層面的固定效應(yīng),因?yàn)槠髽I(yè)調(diào)查數(shù)據(jù)集具有相互重疊的跨行業(yè)性質(zhì),因此,隨著時(shí)間的推移,跟蹤同一公司的發(fā)展是不可能的。最后, fcjt是誤差項(xiàng),對(duì)于LPM回歸,其是按照行業(yè)國家進(jìn)行聚類。對(duì)于我們的Probit回歸,我們無法聚類,但是數(shù)據(jù)是按照行業(yè)分組的。
我們的第二種方法是使用特定國家的企業(yè)層面的數(shù)據(jù)。我們擁有來自馬來西亞、越南和中國的企業(yè)層面的數(shù)據(jù)集。顯然,這三個(gè)數(shù)據(jù)集的可變覆蓋范圍不同,這意味著盡管所有三個(gè)數(shù)據(jù)集都報(bào)告了公司的資產(chǎn)負(fù)債表信息,但創(chuàng)新指標(biāo)在彼此之間并不一致。該數(shù)據(jù)僅適用于制造業(yè)。
在下面的公式(3)中給出的回歸規(guī)范中,創(chuàng)新變量再次匯總在一個(gè)稱為INNO的向量中,其中從屬的創(chuàng)新變量也為虛擬變量。因此,公式(3)中的INNOfcjt∈{0,1}。與公式(2)相比,經(jīng)驗(yàn)設(shè)置在很大程度上相似,只是有一些細(xì)微的差異。其一是由于我們未觀察到任何國家的軟件使用和勞動(dòng)情況,因此需要對(duì)公式(1)中定義的數(shù)據(jù)使用指標(biāo)進(jìn)行調(diào)整。對(duì)于任何東亞國家,都很難找到有關(guān)這兩個(gè)變量的數(shù)據(jù)。其次,回歸方程只針對(duì)一個(gè)國家,以便關(guān)注政策隨時(shí)間的變化(與橫向分析中國家之間的政策差異相反)。為了更詳細(xì)地分析后一個(gè)方面,我們的DL度量現(xiàn)在將盡可滯后2年,或至少滯后1年。
總體而言,這三個(gè)國家的基準(zhǔn)回歸方程如下:
其中,INNO由記錄在馬來西亞、越南和中國每個(gè)國家特定的數(shù)據(jù)集的創(chuàng)新變量組成。DL術(shù)語與公式(2)中數(shù)據(jù)策略指標(biāo)與數(shù)據(jù)/軟件強(qiáng)度相互作用的項(xiàng)完全相似。但是,在我們的三個(gè)國家中,由于該地區(qū)缺少有關(guān)該變量的數(shù)據(jù),因此我們只能測(cè)量數(shù)據(jù)使用的絕對(duì)比例作為總投入使用的一部分。我們使用國家投入產(chǎn)出(IO)矩陣來計(jì)算這三個(gè)國家每個(gè)行業(yè)的ICT服務(wù)在總投入使用中的比例。國家IO表取自世界銀行,并按2進(jìn)制數(shù)字ISIC Rev.4進(jìn)行報(bào)告。IO表可用于每個(gè)國家,因此代表了一致的來源。我們采用國內(nèi)水平(即不包括進(jìn)口)以及在分析時(shí)間段開始或中間的一年中的輸入系數(shù)。
此外,術(shù)語f,j和t分別是公司、行業(yè)和年度的固定影響。當(dāng)然,由于存在三個(gè)特定于國家的回歸,因此我們自然不能得出任何國家固定影響。最后,j是誤差項(xiàng),對(duì)于LPM回歸,現(xiàn)在將其按行業(yè)進(jìn)行聚類?偠灾捎诩夹g(shù)限制,我們無法運(yùn)行Probit模型,因此無法在所有三個(gè)國家執(zhí)行LPM。此外,對(duì)于中國,我們也在數(shù)次研究中執(zhí)行OLS,因?yàn)閿?shù)據(jù)類型為我們提供了支持。
4、結(jié)論
本節(jié)以類似的后續(xù)方式分別闡述兩種分析方法得出的結(jié)論?鐕貧w分析的結(jié)論在table3和table4中給出,其中分別報(bào)告了LPM和Probit結(jié)論。特定國家的分析結(jié)論在后續(xù)圖表中呈現(xiàn)。
4.1跨國回歸分析結(jié)論
基于table3中對(duì)LPM回歸分析,結(jié)果證明其幾乎是無關(guān)緊要的,這意味著在大多數(shù)情況下,數(shù)據(jù)鏈接變量與企業(yè)的創(chuàng)新活動(dòng)之間沒有發(fā)現(xiàn)統(tǒng)計(jì)學(xué)上的顯著相關(guān)性。也就是說,數(shù)據(jù)的限制性政策與公司選擇引入新產(chǎn)品或服務(wù)(如第1列中所示),引入新的組織程序(如第2列中所述)或在研發(fā)上花費(fèi)更多的費(fèi)用之間沒有任何實(shí)質(zhì)性的關(guān)聯(lián)(如第4列所示)。但是,第3列反映的結(jié)論確實(shí)體現(xiàn)出一些差異,這表明限制性數(shù)據(jù)政策與公司是否采用外國公司許可的技術(shù)有顯著的負(fù)相關(guān)性。
由于第3列中的系數(shù)現(xiàn)在已得到精確估算,table4中關(guān)于Probit的回歸分析也得出了相符的結(jié)論:限制性更強(qiáng)的數(shù)據(jù)政策與公司從外國公司獲得許可技術(shù)的可能性較低密切相關(guān)?紤]到更改數(shù)據(jù)政策指數(shù)的邊際影響不是恒定的,因此,作為數(shù)據(jù)鏈接指數(shù)變量的限制政策系數(shù)每增加一單位,企業(yè)使用外國許可技術(shù)的可能性就會(huì)降低一些。即使第1列和第4列中的符號(hào)給出了負(fù)方向,其他三個(gè)正方向的創(chuàng)新變量仍然保持著影響甚微的狀態(tài)(在LPM回歸中并非如此)。還要注意,與LPM結(jié)果相比,Probit系數(shù)值顯著增加。
外國許可技術(shù)變量影響較大這一事實(shí)可能會(huì)引起人們的懷疑。事實(shí)上,也許會(huì)存在被許可的外國技術(shù)中可能包括軟件技術(shù)的情況,因此可能與我們的數(shù)據(jù)政策指數(shù)相關(guān)聯(lián)。這是因?yàn)楣剑?)中數(shù)據(jù)鏈接變量的乘法項(xiàng)還包含每個(gè)行業(yè)使用軟件的程度。但是,仔細(xì)研究“企業(yè)調(diào)查”變量說明就會(huì)得出如下調(diào)查問題:“除了辦公軟件外,該機(jī)構(gòu)目前是否使用了外國公司許可的技術(shù)?”因此,我們確信在回歸分析中不存在任何人為或虛假的相關(guān)性。相反,由系數(shù)分析結(jié)論得,作為公司創(chuàng)新活動(dòng)一部分的外國許可技術(shù)似乎與一個(gè)國家的數(shù)據(jù)監(jiān)管政策框架息息相關(guān)。此外,更嚴(yán)格的數(shù)據(jù)限制似乎阻礙了一國使用軟件的行業(yè)進(jìn)行企業(yè)級(jí)創(chuàng)新。
4.2 特定國家的結(jié)果
本節(jié)介紹了針對(duì)馬來西亞、越南和中國這些特定國家的回歸結(jié)果。附件B、C和D分別提供了有關(guān)回歸問題所涵蓋的調(diào)查問題和變量的詳細(xì)信息,以及有關(guān)馬來西亞、越南和中國這些特定國家的每個(gè)數(shù)據(jù)集的一些摘要統(tǒng)計(jì)數(shù)據(jù)。
4.2.1馬來西亞
對(duì)于馬來西亞,我們擁有有關(guān)每個(gè)公司購買、使用和生產(chǎn)無形資本(例如專利、商譽(yù)、在建工程(包括新的和二手無形資產(chǎn)的進(jìn)口))的程度以及每家公司的研發(fā)支出數(shù)額的數(shù)據(jù)。二手資產(chǎn)是指購買以前在馬來西亞使用的資產(chǎn),包括在該國被收購之前經(jīng)過翻新或修改的資產(chǎn)。購買資產(chǎn)是指新購買的資產(chǎn),最后,生產(chǎn)資產(chǎn)是指企業(yè)在馬來西亞生產(chǎn)供自己使用的資產(chǎn)。
由于使用了與ISIC Rev.4完全對(duì)應(yīng)的MSIC 2008分類,因此數(shù)據(jù)只涵蓋到2008年以后的年份。然而,如果我們應(yīng)用年固定效應(yīng),我們將只有兩年的時(shí)間作為對(duì)象來進(jìn)行分析,即2010年和2015年。所有變量都以二進(jìn)制模式進(jìn)行轉(zhuǎn)換,因此大于0的正值將被賦值為1,否則賦值為0。
在轉(zhuǎn)向回歸結(jié)果之前,figure7提供了用于實(shí)證規(guī)范的主要變量的描述性檢查。該圖在橫軸上繪制了馬來西亞ICT服務(wù)投入的IO系數(shù),并與來自馬來西亞數(shù)據(jù)集的所有四個(gè)企業(yè)層面的創(chuàng)新變量的綜合指標(biāo)(我們稱之為創(chuàng)新得分)相對(duì)應(yīng)。我們稱之為創(chuàng)新得分,并將其總結(jié)為INNO項(xiàng)。這個(gè)創(chuàng)新得分計(jì)算為,其中 N 是問題的總數(shù)。創(chuàng)新得分按行業(yè)和年份進(jìn)行平均。如圖所示,擬合值線是在不包括可口可樂和石油以及其他制造和再生產(chǎn)部門的基礎(chǔ)上繪制的,因?yàn)樗麄兯坪跏菢O端的異常值(請(qǐng)注意,這兩個(gè)部門也從未排除在回歸之外)從較高的ICT服務(wù)密集型部門對(duì)我們的創(chuàng)新評(píng)分更高的意義上看,向上傾斜的相關(guān)性是顯而易見的;貧w將顯示如figure8所示,馬來西亞數(shù)據(jù)政策限制性指數(shù)是否有任何作用。
調(diào)查結(jié)果記錄在table5中。其中,第1列中R&D支出的回歸系數(shù)給出了顯著的結(jié)果,這在某種程度上是違反直覺的。由于企業(yè)創(chuàng)新活動(dòng)進(jìn)入國外市場(chǎng)受到限制,因此企業(yè)要對(duì)更多的研發(fā)活動(dòng)做出反應(yīng),這對(duì)于數(shù)字創(chuàng)新必不可少。在第3列中,系數(shù)結(jié)果給出負(fù)且顯著的結(jié)果。它表明,數(shù)據(jù)密集型行業(yè)的公司(以其ICT服務(wù)投入的份額作為代理)面臨更高水平的數(shù)據(jù)政策限制,這與企業(yè)無形資產(chǎn)作為其生產(chǎn)的一部分使用率降低有關(guān)。第2列和第3列中的購買和生產(chǎn)的無形資產(chǎn)變量均提供負(fù)系數(shù)符號(hào),但在統(tǒng)計(jì)上并不重要。
4.2.2越南
以越南為例,盡管第一個(gè)使用的變量與馬來西亞數(shù)據(jù)重疊,但我們有一組不同的變量:兩者都報(bào)告了公司執(zhí)行了研發(fā)活動(dòng)的規(guī)模。第二個(gè)創(chuàng)新變量可以更精確地衡量公司的研發(fā)活動(dòng)是否有針對(duì)性,在針對(duì)市場(chǎng)或世界的新創(chuàng)新中,是否針對(duì)市場(chǎng)上新出現(xiàn)的創(chuàng)新,在這種情況下,這個(gè)變量的值取1。如果這種創(chuàng)新對(duì)公司來說只是新的,那么這種觀察得分為0。接下來的兩個(gè)變量用于衡量公司是否擁有任何國家或國際專利,越南數(shù)據(jù)集中也提供了這些專利。最后,最后一個(gè)變量是衡量公司是否進(jìn)行任何形式的研究合作。所有變量均涵蓋2010-2013年,但由于我們的結(jié)構(gòu)滯后,因此只能包含三年。
figure9首先概述了五個(gè)企業(yè)層面的變量的IO系數(shù)和創(chuàng)新得分之間的相關(guān)程度。越南的創(chuàng)新得分的計(jì)算方法與馬來西亞相似,并且IO系數(shù)來自越南IO表。一條向上傾斜的擬合值曲線被繪制出來,表明這兩個(gè)變量之間總體上存在正相關(guān)關(guān)系。(但是請(qǐng)注意,出于上述類似原因,在繪制擬合值時(shí),焦炭和石油行業(yè)以及造紙和印刷行業(yè)都將被排除在外。我們的回歸分析也排除了這兩個(gè)行業(yè)。)化學(xué)和制藥部門的創(chuàng)新得分要高得多,并且作為其國內(nèi)總投入用途的一部分,其ICT服務(wù)投入也很高。另一方面,食品和飲料等行業(yè)的兩個(gè)指標(biāo)水平都要低得多。figure10概述了越南數(shù)據(jù)政策指數(shù)的發(fā)展。
回歸結(jié)果的相關(guān)性見table6。在幾乎所有列中,結(jié)果與正系數(shù)結(jié)果在統(tǒng)計(jì)上是沒有意義的。在5%的水平上,唯一負(fù)的且顯著的變量是在第2列中,是否是公司針對(duì)市場(chǎng)或世界的新創(chuàng)新。但是,有趣的是,在這種情況下,第1列中的R&D變量也像馬來西亞一樣為正。當(dāng)應(yīng)用1年的滯后時(shí)間時(shí),此結(jié)果將在10%的水平上變得顯著,第5列中的研究合作變量也是如此。
4.2.3中國
對(duì)于中國,我們獲取了不同的數(shù)據(jù),這些數(shù)據(jù)不是基于調(diào)查產(chǎn)生的。中國創(chuàng)新的數(shù)據(jù)通常很難獲得。因此,我們不得不使用來自湯森路透(Thomson Reuters)數(shù)據(jù)庫的數(shù)據(jù),這些數(shù)據(jù)記錄了總部位于中國的私營和上市公司的信息。我們只記錄了與我們的研究目的相關(guān)的兩個(gè)變量,即無形資產(chǎn)凈值和R&D支出(均為美元)。數(shù)據(jù)年份跨度較長(zhǎng),涵蓋了我們整個(gè)數(shù)據(jù)政策指數(shù)的持續(xù)時(shí)間,即從2009-2019年。figure11概述了我們?cè)谥袊南拗菩灾笖?shù)的發(fā)展。如人們所見,鑒于整個(gè)時(shí)期的限制程度都很高,該國的限制性指數(shù)幾乎沒有變化。
figure10顯示了將研發(fā)支出的變量除以每家公司的雇員人數(shù)與ICT服務(wù)投入系數(shù)之間的關(guān)系。(再次注意,可口可樂和石油行業(yè)被排除在外。)相關(guān)性是成正比的、緊密的,這表明使用ICT服務(wù)作為其整體投入結(jié)構(gòu)一部分的部門具有較高的人均企業(yè)支出在研發(fā)上。對(duì)于回歸分析,因?yàn)槲覀儓?zhí)行LPM,所以我們將變量轉(zhuǎn)換為0到1之間的二進(jìn)制模式,當(dāng)公司沒有報(bào)告任何價(jià)值時(shí)為零,以防企業(yè)報(bào)告的研發(fā)支出和無形資產(chǎn)為正值。然后,我們?cè)诨貧w分析中還使用了研發(fā)支出的大小以及人均支出,并進(jìn)行OLS檢驗(yàn)這些結(jié)果是否提供任何進(jìn)一步的證據(jù)。
結(jié)果報(bào)告在table7中。前兩列分別顯示了LPM回歸的R&D支出和凈無形資產(chǎn)的結(jié)果。結(jié)果表明,只有無形資產(chǎn)凈值上的結(jié)果具有負(fù)相關(guān)跡象。因此,它表明,在面臨更高水平的數(shù)據(jù)限制的情況下,活躍于ICT服務(wù)密集型行業(yè)的公司報(bào)告的無形資產(chǎn)水平較低。結(jié)果并不甚顯著,甚至對(duì)研發(fā)支出的期望系數(shù)不是負(fù)數(shù),而是正數(shù),與馬來西亞和越南的結(jié)果一致。但是,當(dāng)使用類似的變量執(zhí)行標(biāo)準(zhǔn)OLS回歸時(shí),第3列的結(jié)果表明,在這種情況下,R&D支出顯著為負(fù)。然而,無形資產(chǎn)的變量仍然微不足道。第5列和第6列中的人均變量在執(zhí)行OLS時(shí)都沒有顯示出顯著的結(jié)果。
5、結(jié)論
開放市場(chǎng)對(duì)企業(yè)順利進(jìn)行數(shù)據(jù)創(chuàng)新存在深刻影響,數(shù)據(jù)、知識(shí)產(chǎn)權(quán)、平臺(tái)和電信市場(chǎng)方面的政策限制都可能會(huì)對(duì)企業(yè)的數(shù)字創(chuàng)新產(chǎn)生連鎖作用。的確,本文發(fā)現(xiàn),就10個(gè)東亞國家的數(shù)據(jù)而言,在線平臺(tái)和其他與數(shù)據(jù)相關(guān)領(lǐng)域的限制性政策與企業(yè)進(jìn)行創(chuàng)新的可能性呈負(fù)相關(guān),這種負(fù)相關(guān)在較多使用大量軟件進(jìn)行技術(shù)創(chuàng)新的行業(yè)尤其明顯。因此,對(duì)數(shù)據(jù)、知識(shí)產(chǎn)權(quán)、平臺(tái)和電信的限制性較小的政策對(duì)企業(yè)順利實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)創(chuàng)新至關(guān)重要。
對(duì)于數(shù)據(jù)政策較為嚴(yán)格的國家而言,公司通過許可使用外國技術(shù)作為其創(chuàng)新活動(dòng)的一部分的可能性較小。此外,這三個(gè)針對(duì)特定國家的研究案例表明,限制性數(shù)據(jù)政策與公司使用專利和商譽(yù)等無形資產(chǎn)進(jìn)行創(chuàng)新(以馬來西亞和中國為例),以及通過市場(chǎng)新研發(fā)進(jìn)行創(chuàng)新的可能性之間存在負(fù)相關(guān)關(guān)系(以越南為例)。因此,綜合所有因素,我們得出的結(jié)論是,不采取針對(duì)數(shù)據(jù)及相關(guān)領(lǐng)域的不必要和限制性政策的開放市場(chǎng)環(huán)境有益于企業(yè)進(jìn)行創(chuàng)新。
本文僅論述了相關(guān)性,但并沒有跡象表明因果推斷在該領(lǐng)域無存在可能,當(dāng)然應(yīng)該謹(jǐn)慎對(duì)待這一結(jié)論。若存在這樣的因果推斷,如本文所述,封閉數(shù)據(jù)和其他數(shù)據(jù)相關(guān)技術(shù)的市場(chǎng)亦不會(huì)在數(shù)字領(lǐng)域?qū)?shù)字創(chuàng)新存在益處。而且,我們確立的指數(shù)所反映的限制種類對(duì)于那些利用無形資產(chǎn)進(jìn)行創(chuàng)新的公司同樣具有重要意義。當(dāng)前,包括東亞在內(nèi)的世界上許多國家正在經(jīng)歷著從基于貨物和商品的有形經(jīng)濟(jì)向日益以服務(wù)、數(shù)據(jù)和創(chuàng)意等無形資產(chǎn)為基礎(chǔ)的無形經(jīng)濟(jì)的重大轉(zhuǎn)變。因此,至關(guān)重要的是,各國應(yīng)共同營造一個(gè)友好的政策環(huán)境,使各國公司可以借力于新經(jīng)濟(jì)發(fā)展成果來獲取更多運(yùn)營資本,同時(shí),也應(yīng)將各國合法的非經(jīng)濟(jì)目標(biāo)納入國際政策環(huán)境構(gòu)建的考量之中。
本文首發(fā)于微信公眾號(hào):數(shù)字經(jīng)濟(jì)與社會(huì)。文章內(nèi)容屬作者個(gè)人觀點(diǎn),不代表和訊網(wǎng)立場(chǎng)。投資者據(jù)此操作,風(fēng)險(xiǎn)請(qǐng)自擔(dān)。
【免責(zé)聲明】本文僅代表作者本人觀點(diǎn),與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對(duì)文中陳述、觀點(diǎn)判斷保持中立,不對(duì)所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請(qǐng)讀者僅作參考,并請(qǐng)自行承擔(dān)全部責(zé)任。
最新評(píng)論