基于VAR模型的分類專利與國內(nèi)生產(chǎn)總值關(guān)系的研究

崔永亮

摘要：文章經(jīng)分析將發(fā)明專利作為外生變量，建立了國內(nèi)生產(chǎn)總值、發(fā)明專利、外觀設(shè)計(jì)專利與實(shí)用新型專利間的帶有約束條件的模型，并對(duì)模型平穩(wěn)性、殘差正態(tài)性及殘差自相關(guān)性進(jìn)行了檢驗(yàn)。格蘭杰因果檢驗(yàn)表明國內(nèi)生產(chǎn)總值對(duì)實(shí)用新型專利產(chǎn)生單方向格蘭杰因，實(shí)用新型專利對(duì)外觀設(shè)計(jì)專利產(chǎn)生單方向格蘭杰因。

關(guān)鍵詞：分類專利；國內(nèi)生產(chǎn)總值；模型

一、綜述

十九大報(bào)告強(qiáng)調(diào)，倡導(dǎo)創(chuàng)新文化，強(qiáng)化知識(shí)產(chǎn)權(quán)創(chuàng)造、保護(hù)、運(yùn)用。在加快建設(shè)創(chuàng)新型國家過程中，知識(shí)產(chǎn)權(quán)發(fā)揮著重要作用。科技創(chuàng)新是社會(huì)經(jīng)濟(jì)增長和發(fā)展的不竭動(dòng)力，在經(jīng)濟(jì)高速發(fā)展的今天，創(chuàng)新顯得尤為重要，“科學(xué)技術(shù)是第一生產(chǎn)力，建設(shè)創(chuàng)新型國家。這是國家發(fā)展戰(zhàn)略的核心，是提高綜合國力的關(guān)鍵。”科技創(chuàng)新決定著經(jīng)濟(jì)發(fā)展的質(zhì)量與速度，影響著經(jīng)濟(jì)發(fā)展的效益。而專利申請(qǐng)量能很好地反映社會(huì)的科技創(chuàng)新水平，GDP能很好地反映經(jīng)濟(jì)發(fā)展?fàn)顩r，因此研究專利申請(qǐng)量與GDP之間的關(guān)系意義重大。

國內(nèi)對(duì)專利與經(jīng)濟(jì)發(fā)展之間關(guān)系的研究方法主要分兩種，一種是基于計(jì)量經(jīng)濟(jì)學(xué)方法；另一種是基于多元統(tǒng)計(jì)學(xué)的方法。其中，計(jì)量經(jīng)濟(jì)學(xué)方法中，姜軍，武蘭芬基于江蘇省13個(gè)市2003～2010年的地區(qū)GDP與專利申請(qǐng)量的面板數(shù)據(jù)，采用面板數(shù)據(jù)單位根檢驗(yàn)和協(xié)整檢驗(yàn)，得出經(jīng)濟(jì)增長與專利申請(qǐng)量之間存在長期穩(wěn)定的關(guān)系，利用固定效應(yīng)模型分析了各市技術(shù)創(chuàng)新對(duì)地區(qū)經(jīng)濟(jì)發(fā)展的影響；多元統(tǒng)計(jì)方法中，胡樹華等通過嶺回歸的方法建立了GDP與三類專利之間的多元線性回歸模型，發(fā)現(xiàn)不同專利對(duì)GDP的貢獻(xiàn)率不同，實(shí)用新型專利對(duì)GDP貢獻(xiàn)率最大。

國內(nèi)對(duì)于專利與經(jīng)濟(jì)發(fā)展之間的研究，大多側(cè)重分析專利整體與經(jīng)濟(jì)發(fā)展的關(guān)系，而對(duì)分類專利與經(jīng)濟(jì)發(fā)展的關(guān)系及各分類專利之間的相互影響關(guān)系的研究甚少。鑒于此，本文基于1987～2015年國內(nèi)生產(chǎn)總值、發(fā)明專利、外觀設(shè)計(jì)專利及實(shí)用新型專利的時(shí)間序列數(shù)據(jù)，構(gòu)建了VAR模型，并對(duì)模型進(jìn)行各方面的檢驗(yàn)，利用格蘭杰因果檢驗(yàn)確定四個(gè)變量之間的因果關(guān)系，運(yùn)用脈沖響應(yīng)函數(shù)給出響應(yīng)變量對(duì)沖擊變量的反應(yīng)。

二、數(shù)據(jù)與方法

（一）數(shù)據(jù)及變量說明

本文所采用數(shù)據(jù)均來自中國統(tǒng)計(jì)年鑒與中國科技統(tǒng)計(jì)年鑒。收集數(shù)據(jù)時(shí)，本文采用分類專利的受理量而不是授權(quán)量作為專利產(chǎn)出指標(biāo)，原因是專利授權(quán)帶有一定的時(shí)間滯后性，且專利受理量包含專利授權(quán)量的信息。為了減少干擾因素，用物價(jià)指數(shù)對(duì)國內(nèi)生產(chǎn)總值的名義值進(jìn)行對(duì)應(yīng)調(diào)整，選擇1978年的商品零售價(jià)格指數(shù)為100，得到國內(nèi)生產(chǎn)總值的真實(shí)值；同時(shí)為了消除數(shù)據(jù)中存在的異方差，對(duì)四個(gè)變量取對(duì)數(shù)。文中rgdp表示國內(nèi)生產(chǎn)總值的真實(shí)值；i表示發(fā)明專利；u表示實(shí)用新型專利；d表示外觀設(shè)計(jì)專利。ln_表示對(duì)變量取對(duì)數(shù)；D_ln表示對(duì)變量取對(duì)數(shù)后差分。

（二）方法簡介

為了全面了解不同類型專利與經(jīng)濟(jì)發(fā)展間的關(guān)系，本文擬采用向量自回歸模型、格蘭杰因果檢驗(yàn)。

VAR模型是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立模型，即變量間的關(guān)系不是以經(jīng)濟(jì)理論為基礎(chǔ)，將系統(tǒng)中每一個(gè)內(nèi)生變量的滯后值作為所有內(nèi)生變量的函數(shù)來建立模型，從而將單變量自回歸模型推廣到由多元時(shí)間序列組成的向量自回歸模型。本文首先選擇發(fā)明專利、實(shí)用新型專利、外觀設(shè)計(jì)專利及調(diào)整后的國內(nèi)生產(chǎn)總值作為內(nèi)生變量建立了VAR（2）模型，后對(duì)模型進(jìn)行修正，將發(fā)明專利作為外生變量建立了帶有外生變量的VAR（2）模型，進(jìn)一步修正該模型，最終確定了分類專利與國內(nèi)生產(chǎn)總值間的VAR模型；在構(gòu)建VAR模型基礎(chǔ)上，對(duì)各變量間的關(guān)系進(jìn)行格蘭杰因果檢驗(yàn)，格蘭杰因果檢驗(yàn)的基本原理為：對(duì)于兩個(gè)給定的服從平穩(wěn)隨機(jī)過程的時(shí)間序列x和y，利用序列過去和現(xiàn)在的所有數(shù)據(jù)預(yù)測y，如果其預(yù)測效果好于單獨(dú)由y的過去值對(duì)y的預(yù)測，如果x是有助于y的精度改善的，則稱存在著從x到y(tǒng)的因果關(guān)系。

三、實(shí)證分析

（一）單位根檢驗(yàn)

VAR模型要求變量是弱平穩(wěn)序列，對(duì)四個(gè)變量的單位根檢驗(yàn)（表1）表明，只有l(wèi)nrgdp是平穩(wěn)序列，lni、lnu、lnd均是不平穩(wěn)的，但是它們的一階差分是平穩(wěn)的，因此考慮用四者的一階差分建立模型。

（二）向量自回歸模型的建立

對(duì)于沒有約束的模型階數(shù)的檢驗(yàn)，選擇了滯后兩期的模型。模型信息準(zhǔn)則（表2）AIC=-9.464989，HQIC=-9.0180，SBIC=-7.687694，方程顯著性檢驗(yàn)（表3）表明，均方誤差的平方根（RMSE）分別為0.022254，0.134388，0.099847，0.088598，該值越小說明模型損失的信息量越少，即調(diào)整R2（R-sq）的分別為0.5135，0.3652，0.4591，

0.4955，在α=0.1的顯著性水平下，除了方程D_lni顯著性檢驗(yàn)未通過，其余三個(gè)方程均顯著，這可能是由于我國發(fā)明專利少，對(duì)于發(fā)明專利投入少，使得發(fā)明專利在經(jīng)濟(jì)發(fā)展中的作用表現(xiàn)地不夠明顯。模型系數(shù)及系數(shù)顯著性檢驗(yàn)（表4），由結(jié)果可知，在顯著性水平α=0.1水平下，大多數(shù)變量并不顯著，說明經(jīng)濟(jì)變量間存在復(fù)雜的聯(lián)系，多重共線性現(xiàn)象不可避免，模型一建立的不太合理。

鑒于模型一參數(shù)過多，估計(jì)模型時(shí)會(huì)消耗過多的自由度，因此考慮把不顯著的方程刪除，并且把發(fā)明性專利作為外生變量處理，構(gòu)建帶有外生變五量的自回歸模型（模型二）。該模型信息準(zhǔn)則（表2）、模型顯著性檢驗(yàn)（表3）、回歸系數(shù)及顯著性檢驗(yàn)（表5）。

對(duì)于模型二，信息準(zhǔn)則表明與模型一相差不大，方程顯著性檢驗(yàn)表明α=0.05的顯著性水平下，三個(gè)方程均顯著成立，均方誤差的平方根（RMSE）相比模型一減小了，調(diào)整的R2（R-sq）分別為0.5753， 0.6120，0.3902，相比模型一增大了。在α=0.1的顯著模型在模型系數(shù)顯著性水平α=0.1水平下，檢驗(yàn)結(jié)果表明模型二有更多的變量通過了檢驗(yàn)，因此我們有足夠的理由認(rèn)為模型二比模型一有優(yōu)勢。

仔細(xì)分析模型二中的回歸系數(shù)檢驗(yàn)，發(fā)現(xiàn)模型二中滯后二期的實(shí)用新型專利和滯后一期的外觀設(shè)計(jì)專利這兩個(gè)變量在任何一個(gè)方程中都不顯著，因此考慮刪除這兩個(gè)變量建立有約束的向量自回歸模型（模型三）。（模型三信息準(zhǔn)則（表2）、模型顯著性檢驗(yàn)（表3）、回歸系數(shù)及顯著性檢驗(yàn)（表6）。

由分析結(jié)果知，模型信息準(zhǔn)則越小越好的原則表明模型三優(yōu)于模型二，均方誤差的平方根（RMSE）相比模型二減小了，在顯著性水平α=0.1的水平下，模型中的三個(gè)回歸方程均顯著，回歸系數(shù)的顯著性檢驗(yàn)大多數(shù)都能通過，由此確定模型三是確定的最佳自回歸模型，其模型形式為：

（三）模型殘差正態(tài)性檢驗(yàn)、殘差自相關(guān)檢驗(yàn)及平穩(wěn)性檢驗(yàn)

對(duì)VAR模型穩(wěn)定性主要基于伴隨矩陣的特征值的檢驗(yàn)，如果伴隨矩陣的特征值均小于1，則認(rèn)為模型是平穩(wěn)，否則認(rèn)為模型非平穩(wěn)，模型的平穩(wěn)性保證了模型在預(yù)測和運(yùn)用中的合理性。由圖1可知伴隨矩陣的特征值的模均小于1，從而可以判斷該自回歸模型平穩(wěn)。

對(duì)殘差自相關(guān)進(jìn)行拉格朗日乘子檢驗(yàn)，結(jié)果表7。由表7可知，當(dāng)滯后期為1時(shí)，自相關(guān)檢驗(yàn)p=1.00>0.055，不能拒絕殘差沒有自相關(guān)的原假設(shè)，即認(rèn)為殘差沒有自相關(guān)；當(dāng)滯后期為2時(shí)，自相關(guān)檢驗(yàn)p=1.000>0.05，接受殘差沒有自相關(guān)的原假設(shè)，因而認(rèn)為該模型不存在殘差自相關(guān)。

表8給出了檢驗(yàn)統(tǒng)計(jì)量，對(duì)于方程正態(tài)性檢驗(yàn)，不能拒絕殘差正態(tài)性的原假設(shè)，即認(rèn)為殘差是正態(tài)的。同理，對(duì)于方程、均不能拒絕殘差正態(tài)性的原假設(shè)。因此認(rèn)為該自回歸模型殘差服從正態(tài)分布。

由檢驗(yàn)結(jié)果可知，建立的自回歸模型有很強(qiáng)的實(shí)用性。通過VAR（2）模型可發(fā)現(xiàn)：發(fā)明型專利對(duì)國內(nèi)生產(chǎn)總值、實(shí)用新型專利及外觀設(shè)計(jì)專利均產(chǎn)生促進(jìn)作用，對(duì)實(shí)用新型專利的促進(jìn)作用更大，其影響系數(shù)分別為0.069，0.455，0.071且效果顯著，影響均能在當(dāng)期就變現(xiàn)出來；國內(nèi)生產(chǎn)總值滯后1期與滯后2期對(duì)實(shí)用新型專利的影響分別為-0.232、0.322，系數(shù)之和為0.09，國內(nèi)生產(chǎn)總值滯后1期與滯后2期對(duì)外觀設(shè)計(jì)專利的影響分別為1.699、-1.607，系數(shù)之和為0.092，表明國內(nèi)生產(chǎn)總值對(duì)實(shí)用新型專利和外觀設(shè)計(jì)專利影響作用相當(dāng)；實(shí)用新型專利滯后1期對(duì)當(dāng)期實(shí)用新型專利的影響系數(shù)為0.328，而外觀設(shè)計(jì)專利滯后2期對(duì)外觀設(shè)計(jì)專利的影響系數(shù)為0.107。

（四）格蘭杰因果檢驗(yàn)

四個(gè)變量之間的向量自回歸模型擬合效果良好，因此有必要利用格蘭杰因果檢驗(yàn)進(jìn)一步明確他們之間的因果關(guān)系。格蘭杰因果檢驗(yàn)結(jié)果見表9。

由表9可知，在方程D_lnrgdp中，變量D.lnu格蘭杰因果檢驗(yàn)p=0.715，不能拒絕lnu是lnrgdp的格蘭杰因，即認(rèn)為實(shí)用新型專利不是經(jīng)濟(jì)發(fā)展的格蘭杰因；同理可知，經(jīng)濟(jì)發(fā)展對(duì)實(shí)用新型專利產(chǎn)生單方向格蘭杰因，實(shí)用新型專利對(duì)外觀設(shè)計(jì)專利產(chǎn)生單方向格蘭杰因，外觀設(shè)計(jì)專利與經(jīng)濟(jì)發(fā)展之間不存在格蘭杰因果關(guān)系。

四、實(shí)證結(jié)果分析

本文基于變量生產(chǎn)總值、實(shí)用新型專利、外觀設(shè)計(jì)專利和發(fā)明型專利的時(shí)間序列數(shù)列，建立了含有外生變量的VAR模型，并對(duì)模型進(jìn)行檢驗(yàn)修正、格蘭杰因果檢驗(yàn)，并對(duì)建立VAR模型進(jìn)行脈沖響應(yīng)分析，得到如下結(jié)論。

1.作為創(chuàng)新性最高的發(fā)明專利對(duì)經(jīng)濟(jì)增長和其他類型的專利均產(chǎn)生正的顯著的影響作用，因而政府應(yīng)加大力度增強(qiáng)發(fā)明專利的研發(fā)；經(jīng)濟(jì)發(fā)展對(duì)實(shí)用新型專利和外觀設(shè)計(jì)專利均產(chǎn)生正的促進(jìn)作用，這表明經(jīng)濟(jì)的發(fā)展有專利的發(fā)展，因此應(yīng)注重經(jīng)濟(jì)長期平穩(wěn)發(fā)展。

2.經(jīng)濟(jì)發(fā)展對(duì)實(shí)用新型專利產(chǎn)生單方向格蘭杰因，實(shí)用新型專利對(duì)外觀設(shè)計(jì)專利產(chǎn)生單方向格蘭杰因，這表明經(jīng)濟(jì)對(duì)專利以及不同專利之間存在相互影響作用，政府部門應(yīng)協(xié)調(diào)統(tǒng)一發(fā)展經(jīng)濟(jì)和不同專利的投入，避免過分重視和重視不足的現(xiàn)象。

參考文獻(xiàn)：

[1]胡樹華，王立軍，牟仁艷.分類專利對(duì)GDP貢獻(xiàn)的回歸分析[J].軟科學(xué)，2011（09）.

[2]姜軍，武蘭芬.江蘇省技術(shù)創(chuàng)新與經(jīng)濟(jì)增長的關(guān)系研究[J].科技管理研究，2014（17）.

[3]阮敏.專利與GDP：基于面板數(shù)據(jù)的實(shí)證分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2009（04）.

[4]湯岳利，何彩琪.湖北省技術(shù)創(chuàng)新對(duì)經(jīng)濟(jì)增長貢獻(xiàn)的實(shí)證研究[J].區(qū)域經(jīng)濟(jì)，2014（04）.

[5]夏向陽，李偉，張紅輝.不同類型專利對(duì)我國技術(shù)進(jìn)步影響的實(shí)證分析[J].科技管理研究，2012（03）.

[6]熊義杰.我國不同地區(qū)間的技術(shù)溢出研究效應(yīng)[J].宏觀經(jīng)濟(jì)研究，2012（10）.

[7]周廣肅，梁榮，田金秀.Stata統(tǒng)計(jì)分析與應(yīng)用[M].機(jī)械工業(yè)出社，2011.

（作者單位：江蘇大學(xué)財(cái)經(jīng)學(xué)院）