知識產權制度改進與科技型企業風險信貸
——基于中國專利法改革的準自然實驗

蒙大斌 閆國倩 張 誠

(1.天津商業大學 經濟學院，天津300134；2.南開大學 國際經濟研究所，天津300171)

一、引言及相關文獻回顧

科技型企業是推動中國經濟轉型發展的主體力量。然而，源于這些企業大多數具有規模較小、生存周期較短、資產輕質化、風險較大等特點，“融資難”“融資貴”成為制約其發展的突出問題。盡管科技型企業在融資方面存在著一定的劣勢，但并不代表這些企業沒有融資能力。盡管如此，商業銀行等金融機構對科技型企業進行融資的積極性不高，因為這些金融機構缺乏有效的方法控制其中的風險。

研究表明，知識產權這一無形資源，正在發揮著與傳統生產要素同等重要的作用(陳偉 等，2019)。知識產權的確立和強化有助于金融機構控制風險，在一定程度上緩解了科技型企業的融資約束。李莉等(2014)發現，知識產權保護水平越高，企業的內外部信息不對稱程度越低，越有利于企業通過股權融資來獲取資金。張曉月等(2009)認為，加強知識產權保護能夠緩解外部融資約束，同時知識產權保護能夠促使企業提高研發投入，并且在一定程度上解決外部性和代理問題。蒙大斌等(2019)發現，專利能夠起到信號作用，有支持企業吸引風險資本的功能。徐向陽等(2018)發現，企業的專利活動顯著影響了未來一期風險資本融資的可能性，這種作用在國內私有風投機構集中以及知識產權保護水平較高的區域表現得更為明顯。Ang et al.(2014)指出，較高水平的知識產權保護降低了信息不對稱和侵權風險，現有股東樂于加大投資，以獲取更多收益。可以看出，上述研究大多關注知識產權對于股權融資的影響。

還有研究認為，企業通過知識產權更加容易獲得股權融資，而在獲取債權融資方面卻存在著諸多的困難。鮑新中等(2019)指出，知識產權具有看不見、摸不著、價值評估專業化要求高的特點，再加上政策不完善、市場不健全等復雜風險因素的影響，各方參與主體的積極性不高，使得債權融資業務的推進效果并不理想。Aboody et al.(2000)認為，創新活動在很大程度上促成了管理人員和金融機構之間的信息不對稱。銀行在知識產權抵押貸款方面存在很大困難，因為其很難區分項目的風險高低程度，這源于銀行在獲取信息和專業判斷方面存在著劣勢。由于技術市場不發達，當貸款違約發生時，銀行很難向第三方出售或許可專利以彌補違約貸款的損失(Harhoff，2009)。

然而，最新的經濟實踐卻表明，基于知識產權債權融資的信貸市場出人意料地活躍。Ibrahim(2010)估計，硅谷科技銀行和其它非商業銀行等金融機構每年為初創企業提供約50億美元的信貸。Robb et al.(2014)的一項調查也顯示了一個令人驚訝的高債務融資，200家科技型企業風險貸款占啟動資金的25%。Alimov(2019)對48個國家的中小企業貸款進行研究，結果表明，大量企業通過知識產權籌集了債務資本。Dang et al.(2015)發現，中國企業的專利抵押融資迅速增加，2006—2011年間，專利、商標質押融資總額達到了318.5億元，而2018年一年專利、商標質押融資總額就達到1219億元，可見增長之快。

綜上，關于知識產權對于科技型企業債權融資的影響這一問題，理論解釋和經濟實踐還存在著“背離”。現有研究認為知識產權債權融資存在巨大的劣勢和困難，但是，這些文獻不能很好地解釋經濟實踐中科技型企業的債權融資為何蓬勃發展。究其原因，在于缺乏對科技型企業基于知識產權進行債權融資獨特性和可行性的探討。因此，有必要對該問題進行更加深入的探討。

與現有研究強調基于知識產權債權融資的劣勢不同，本文側重于分析知識產權債權融資的獨特性和可行性。本文的貢獻在于：揭示知識產權促進科技型企業債權融資的獨特機理，從信貸金額、期限和成本三個維度，細致地探討知識產權對于科技型企業債權融資的影響機制，特別是關注知識產權制度的改變對于企業債權融資的影響。結合中國實際，揭示中國科技型企業利用知識產權進行信貸融資的基本情況和存在的問題，提出建立基于知識產權進行債權融資的政策體系。這對于通過完善制度環境破解科技型企業融資約束問題，具有非常重要的現實意義。

二、理論分析和研究假說

盡管知識資產不像實物資產那樣被廣泛地應用于信貸融資，但是知識資產作為科技型企業重要的異質性資源，與其信貸融資有著密切的聯系。科技型企業的知識資產以兩種方式影響其信貸融資：一是知識資產直接抵押進行融資，產生直接融資效應；二是知識資產通過影響企業的價值、未來收益和經營風險等，產生間接融資作用。理論上來講，知識資產的數量多少和質量高低能夠對科技型企業信貸融資的金額、成本和期限三個維度產生不同程度的影響，因此，知識產權制度的改進也會通過作用于知識資產這個主體，對科技型企業債權融資產生相應的政策效果。

(一)知識產權制度改進與風險信貸規模

企業獲得的信貸金額主要取決于企業自身擁有的可抵押資產和預期的現金流收入，加強知識產權保護可以增強企業獲取信貸資金的能力。為了降低融資風險，債權人通常要求在合同條款中加入抵押擔保條款(Inderst et al.，2007)。然而，只有少數知識產權具備抵押的能力，大量知識產權在市場上具有較低的流動性，同時貸款與價值比率偏低，即使債權人接受這些知識產權，債務人也很難獲得較大的信貸額度。科技型企業債務人通常也不會拿出核心專利進行抵押，從而限制其使用(Fischer et al.，2014)。更強有力的知識產權保護可以提高知識產權的價值和流動性，從而提高企業利用其專利發明作為擔保債務抵押品的能力。如果企業無法償還債務，銀行就可以對抵押的知識資產進行清算，知識產權價值的增加和流動性的增強顯然可以提高清算價值。隨著知識產權保護的強化，債權人越來越愿意接受專利作為抵押品(Mann，2018)。由于知識產權保護的加強，其它企業無法復制或者模仿該公司的專利產品，所以公司可以獨享技術壟斷收益，從而提高相關產品在專利保護期限內的銷售毛利率，合理預期的未來現金流增加。銀行等金融機構基于此可以給予科技型企業更多的信貸資金支持。據此，提出：

研究假說1：知識產權制度的改進提升了知識產權保護強度，能夠增加科技型企業風險信貸金額。

(二)知識產權制度改進與風險信貸期限結構

債務會隨著時間的延長衍生出更多的不確定性，所以長期債務比短期債務具有更高的風險。短期債務融資不僅風險相對較低，還可以使銀行能夠集中精力，及時、經常地獲得有關貸款企業生產和經營方面的信息，從而有利于對企業進行監督。因此，基于安全性考慮，銀行等金融機構更傾向于將資金短期出借。在企業需要長期信貸資金時，銀行基于高風險往往會以較高的利率為條件。技術創新能夠給企業帶來利潤，但是如果企業的新技術被競爭對手模仿，這些利潤就將面臨受損的風險。強化知識產權保護使得技術創新成果獲取收益的不確定性降低(李詩 等，2012)，從而降低企業未來經營的不確定性。知識產權保護強化帶來預期現金流不確定性的降低，也可以在一定程度上增加企業的盈利能力，提升企業的信用等級。因此，更強的知識產權保護應該能夠延長科技型企業風險信貸的期限。據此，提出：

研究假說2：知識產權制度改進提升了知識產權保護強度，能夠延長科技型企業風險信貸期限。

(三)知識產權制度改進與風險信貸成本

信息不對稱會導致金融機構對企業的風險評判主觀化，同時也會增加金融機構對企業的審查成本和監督成本，這是信貸成本居高不下的重要原因。知識資產包含關于企業未來前景的“軟”信息屬性，這些信息在貸款過程中極具價值(Petersen et al.，1994)。知識產權保護的增強使得公司的知識產權和技術信息得到較好的法律保護，公司更愿意披露信息給外部股東和債權人，減少信息不對稱(吳超鵬 等，2016)。科技型企業通常也不會拿出核心知識產權進行抵押，因為這不但會限制其使用，同時也會暴露自身最機密的商業信息(Fischer et al.，2014)。Arrow(1962)的研究表明，在知識產權保護較強的國家，企業可能更愿意與外界分享其專利發明的技術細節，而不必擔心被竊取。因此，加強知識產權保護可以提高借款人向貸款人安全披露有關其知識產權的私人“軟”信息的能力，能夠起到信號甄別作用，同時杜絕了銀行等金融機構的竊密行為。據此，提出：

研究假說3：知識產權制度改進提升了知識產權保護強度，能夠降低科技型企業風險信貸成本。

三、研究設計

知識產權制度中最為重要的就是專利制度，包含立法和執法兩個層面。中國的專利法自1984年立法，歷經1992、2000、2008年三次修訂。目前第四次修訂的草案已完成，還未審議和實施。此外，近期中美貿易戰達成的協定中也涉及大量知識產權保護條款。在專利法修訂的進程中，中國的專利立法逐步得到完善，執法也隨之加強，整體的知識產權保護水平取得了較大的改進。需要指出的是，2008年專利法的修訂被認為是迄今為止最具有實質性意義的。該次修訂后經歷了較長時間的實施，被認為對科技創新起到了積極效果。不難發現，2008年專利法的修訂有助于激勵科技型企業將技術更多地以專利形式持有，促進技術信息披露與擴散，有助于增加企業的價值(徐愷岳 等，2020)。同時，本次修改激勵了企業進行技術創新，對負債規模更小、償債能力更強、盈利能力更強、股權集中度更高的企業而言，其企業創新提升作用更顯著(田珺 等，2020)。

那么，2008年專利法的修訂是否會對科技型企業的債權融資產生影響？如果產生了影響，那效果如何？這關系到中國下一步知識產權制度改革的成效。有鑒于此，本文將2008年的專利法修訂視為一項準自然實驗，采用連續型倍差法(Difference-in-differences，DID)來進行檢驗。

(一)模型設定

基準的DID模型通過構建兩個虛擬變量來實現對政策效果的評估，一個是政策實施前后時間維度的虛擬變量，另一個是個體維度上的虛擬變量，通過兩次差分來反映政策實施的凈效應。連續型DID 模型的不同之處在于：個體維度不再設置虛擬變量，而是采取連續型變量，反映不同個體受到政策差異化的影響。Rajan et al.(1998)采用連續型DID框架研究了不同部門受到經濟現象或政策差異化的影響。毛其琳(2019)利用連續型DID研究了“高校擴招”政策對人力資本強度不同行業貿易升級的影響。

本文采用連續型DID檢驗知識產權制度改進是否會影響科技型企業的風險信貸。處理如下：

第一步，實驗組和對照組的設置。以專利數量的多少來劃分實驗組和對照組，將專利數量較多的企業視為實驗組，而將專利數量較少的企業視為控制組。

第二步，政策時間虛擬變量。鑒于在2008年底中國進行了第三次專利法的修訂，并且于2009年10月實施。因此，時間虛擬變量在2010年及之后定義為1，2010年之前定義為0。構建如下基本模型：

ln Yit=β0+β1ln patent×dt+β2Xit+β3Zi+β4Tt+β5Di+εit

(1)

其中：下標i表示企業，下標t表示時間；Yit為被解釋變量，在計量過程中涉及三個變量，分別指科技型企業的貸款金額(Amount)、貸款期限(Term)和貸款成本(Cost)；ln patent表示企業持有專利的數量(取對數值)；dt表示時間虛擬變量；交互項ln patent×dt表示政策的凈效應，其估計系數刻畫了擁有較多專利數量的企業和擁有較少專利數量的企業，在知識產權制度改變前后風險信貸水平的平均差異；Xit表示若干控制變量，包括對企業特征以及區域特征的控制，以排除其它各種因素對于風險信貸的影響；Zi表示企業個體固定效應；Tt表示時間個體固定效應；Di表示省份個體固定效應。

(二)變量和數據

本文選取2005—2015年中小板和創業板的上市公司為樣本，按照如下步驟進行篩選：剔除金融保險類公司；剔除數據異常值公司；按照科技人員占比、研發投入占比和持有專利數量的多少剔除一些非科技型公司。最終有效觀測值為5387個。本文納入文獻識別的其它影響因素，以滿足模型估計的無偏性要求，同時為控制模型異方差和共線性，在實證研究中對公司資產、債權人保護水平、人均GDP、專利數量、貸款金額采用其自然對數值。數據處理主要使用STATA15.0軟件。

1.貸款金額(Amount)、貸款期限(Term)和貸款成本(Cost)

借鑒余明桂等(2008)、王俊秋等(2012)的做法，變量度量如下：貸款金額(Amount)=長期借款+短期借款，由于數值過大，本文取對數處理；貸款期限(Term)=長期貸款/貸款總額；貸款成本(Cost)= 償付利息所支付的現金/期末借款總額。數據來源于國泰安CSMAR數據庫。

2.專利數量(Patent)

由于財務數據變量考慮子公司，所以本文選取中小企業板和創業板上市公司及其子公司擁有的有效專利數來衡量，使得結果更可靠。數據來源于國泰安CSMAR數據庫。此外，所采取的公司擁有的發明專利申請量和發明專利授權量，數據來源于中國專利數據庫。

3.企業特征控制變量

具體包括：公司規模(Size)，以總資產的自然對數進行度量；公司業績(ROE)，以凈資產收益率衡量，即ROE=凈利潤/凈資產；可抵押資產(CA)=固定資產凈額/期末總資產；公司成長性(Growth)=當期營業收入/上期營業收入；負債比率(Risk)=總負債/總資產；融資需求=(固定資產變動額+企業的營運資金變動額-凈利潤-折舊)/總資產，該指標借鑒了Seifert et al.(2008)、郭麗虹等(2013)的做法。以上數據均來源于CSMAR國泰安數據庫。

4.區域特征控制變量

具體包括：區域風險指數(NPL)，使用區域商業銀行不良貸款率度量，不良貸款率越大，區域風險指數越大，數據來源于各年《中國金融年鑒》；債權人保護水平(CPL)，借鑒魏鋒等(2009)的做法，使用債權人保護條款×法律執行力度度量，數據來源于樊綱等《中國市場化指數報告》(2016年度)，該報告公布的是2008—2014年的數據，2005—2007年、2015年的數據根據平均增長率進行估算；GDP增長率(GDPG)=當期GDP/上期GDP，數據來源于國家統計局網站；人均GDP(PGDP)=各省GDP總額/各省人口數，數據來源于國家統計局網站。

5.其它控制變量

本文在研究中對時間固定效應、企業固定效應以及省份固定效應進行了控制。

(三)變量的描述性統計

表1為變量的描述性統計。由表1可知貸款金額的平均值為19.47，標準差為20.91，最小值為0，最大值為23.74，這反映出所選擇的科技型企業大多數都存在數額較大的信貸融資，這就為研究提供了一個可供觀測的合理指標。從貸款期限來看，平均值為0.14，說明長期貸款不多；標準差為0.25，說明盡管長期貸款偏少，但是科技型企業的貸款期限仍然存在較大的差異，研究這種差異的決定因素就顯得非常的必要。貸款成本平均值為0.21，最大值為55.60，標準差為1.51，說明信貸成本較大的樣本較少，并且樣本分布存在較大差異，這說明盡管中國實施固定利率，但是商業銀行對不同的企業放貸利率有所不同，利率的差異為本文的研究提供了合理支持。此外，專利數量最大值為8.05，最小值為0，平均值為1.74，標準差為2.17，說明企業專利數量差異明顯，可以作為劃分實驗組和對照組的標準。

表1 變量的描述性統計

四、結果分析

(一)知識產權制度改進和貸款金額

首先，對知識產權制度改進與貸款金額的關系進行檢驗，模型設置以貸款金額為被解釋變量。表2報告了知識產權制度改進對于貸款金額的回歸結果。模型1是對核心解釋變量ln patent×dt進行回歸，只控制企業固定效應、省份固定效應和時間固定效應，不加入其它控制變量。模型2是在模型1的基礎上，又加入了企業特征控制變量，對貸款金額進行回歸。模型3是在模型2的基礎上，再加入區域特征控制變量。通過加入控制變量，模型2和3能夠在一定程度上避免遺漏變量的影響。

由模型1可以看出，交互項ln patent×dt系數顯著為正，表明中國第三次專利法的修訂顯著地促進了科技型企業的信貸融資。第一，政府通過改變立法加強知識產權保護，使得科技型企業知識產權保護進一步強化，無論是未來的現金流還是知識資產的價值都得到了更有力的保障。第二，企業也更愿意披露更多技術細節，由于緩解了信息不對稱，商業銀行等金融機構更加愿意對其進行信貸融資。這與研究假說1的預期一致，也與吳超鵬等(2016)知識產權保護執法力度會促進企業外部融資的結論一致。

在模型2中，控制了企業自身特征變量后，交互項ln patent×dt的系數仍然為顯著正，說明排除了企業自身因素后，知識產權制度改進仍然存在正向效應。同時，企業規模、可抵押的資產、融資需求和企業的成長率對風險貸款金額有正向影響，而企業的債務風險存在負向影響，企業凈資產收益率影響則不顯著。這說明商業銀行在對科技型企業進行貸款的時候，還是單純地以抵押資產和表面的成長情況進行簡單的風險控制，不太關注企業內在的資產效益和未來的競爭力。

在模型3中，進一步控制了企業所在省份的一些區域特征，交互項ln patent×dt的系數仍然顯著為正，證實了知識產權制度改進促進融資的政策效應確實存在。這個結果與研究假說1的預期一致。區域整體經濟規模和區域發展水平，在一定程度上會導致該區域內科技型企業信貸金額的增加。對債權人的法律保護和契約的執行情況，也更有利于貸款的順利回收，促進區域的風險信貸金額。然而，以不良貸款率為指標的區域風險情況與該區域內企業的貸款沒有顯著的相關性，這說明當前的不良貸款率還在商業銀行等金融機構可接受的范圍。

表2 知識產權制度改進與貸款金額的回歸結果

(二)知識產權制度改進和風險信貸期限

進一步地，研究知識產權制度改進對于風險信貸期限的影響(結果見表3)，模型設置以貸款期限為被解釋變量。同樣，模型4是對核心解釋變量ln patent×dt進行回歸，只控制企業固定效應、省份固定效應和時間固定效應，不加入其它控制變量。模型5是在模型4的基礎上，加入企業特征控制變量，對風險信貸期限進行回歸。模型6是在模型5的基礎上，又加入區域特征控制變量。

模型4中，交互項ln patent×dt系數為負且不顯著，這說明知識產權保護水平的提升并沒有改變科技型企業風險信貸期限。在模型5和模型6中，加入企業層面和區域層面的控制變量以后，交互項ln patent×dt的系數依然不顯著，顯示了知識產權制度改進與貸款期限不存在明顯的規律性的關系。這個結果與研究假說2的預期不一致。可能的原因是，強化科技型企業知識產權，并不能減弱金融機構對于貸款項目長期不確定性的擔憂，知識資產的價值面臨技術替代等不確定性影響，且資產價值波動巨大，這些并不能夠通過強化產權的手段加以解決。因此，加強知識產權保護并沒有改變風險信貸的期限。李莉等(2014)的研究認為，加強知識產權保護緩解了銀企之間的信息不對稱，促使企業內部資本結構發生變化，主要表現為股權融資比例提升，而債權融資比例降低。股權融資屬于長期性融資，對于長期性債權具有替代作用，在一定程度上會降低債務的期限結構。

表3 知識產權制度改進與風險信貸期限的回歸結果

通過模型5和模型6的結果可以發現，風險信貸期限更依賴于企業特征等微觀因素。這與石曉峰等(2017)的研究結論大致相同。例如，本文發現企業規模、凈資產收益率和企業風險因素對風險信貸期限有顯著性影響。這些因素都能夠在一定程度上避免或緩解未來不確定性的影響，因此能夠對貸款期限發揮正向的作用。

此外，本研究還針對該問題進行了調查，結果發現：商業銀行等金融機構在對科技型企業進行風險信貸時，傾向于發放短期貸款并采取不斷續貸的方式進行展期，而不是一次性發放較為長期的貸款。

(三)知識產權制度改進和貸款成本

最后，驗證知識產權制度改進與信貸融資成本的關系(結果見表4)，模型設置以貸款成本為被解釋變量。同樣，模型7是對核心解釋變量ln patent×dt進行回歸，只控制企業固定效應、省份固定效應和時間固定效應，不加入其它的控制變量。模型8是在模型7的基礎上加入了企業特征控制變量，對風險信貸成本進行回歸。模型9是在模型8的基礎上，又加入區域特征控制變量。

模型7中，交互項ln patent×dt系數為負且非常顯著，這說明知識產權保護水平的提升顯著降低了科技型企業信貸融資的成本。這個結果與研究假說3的預期一致。通過強化科技型企業的知識產權，其知識資產價值和未來現金流得到了有效保障，同時企業也更愿意披露更多技術細節，從而使得商業銀行等金融機構能夠有效降低和控制貸款風險，信貸成本得到有效降低。劉慧等(2016)證實了法律制度、訴訟環境會影響企業的債務成本，知識產權制度和知識產權執法對于科技型企業來講更為重要，尤其是當銀行直接進行知識產權質押融資時，勢必會影響其信貸融資成本。

表4 知識產權制度改進與信貸成本的回歸結果

模型8中，控制了企業自身特征變量后，交互項ln patent×dt的系數仍然為顯著負，說明排除了企業自身因素后，知識產權制度改進仍然存在負向效應。同時發現科技型企業的可抵押資產和負債程度對于貸款成本也有顯著影響。這與朱文莉等(2015)的研究結論一致。原因在于，商業銀行等金融機構通過資產抵押和監測企業總體負債能夠有效地控制風險，進而能以更低的利率對企業提供金融支持。

模型9中，進一步控制了企業所在省份的一些區域特征，交互項ln patent×dt的系數仍然顯著為負，說明知識產權制度改進降低融資成本效應確實存在。區域特征的檢驗顯示，經濟總量較大省份信貸的成本相對較低，其它區域因素對于科技型企業信貸成本沒有顯著影響。這說明商業銀行等金融機構在對信貸進行風險控制的時候，更加注重企業層面因素。

五、DID有效性和穩健性檢驗

DID模型是否有效需要假定一些前提條件，需要通過檢驗來判定是否滿足。首先，做預期效應檢驗。為了檢驗企業是否存在預期效應，在基準倍差法模型的基礎上引入ln patent×dt2009，其中dt2009表示政策發生前一年時間虛擬變量，如果這一新的交叉項的估計系數顯著不為0，那么意味著政策發生前就已形成了預期，在這種情形下，本文倍差法估計中處理組與對照組的結果變量在政策沖擊發生之前不具有可比性，進而DID估計結果是有偏差的。然后，做同趨勢性檢驗。選取2005—2009年的樣本，在2007年用基準倍差法模型進行估計，如果ln patent×dt的回歸系數不顯著，這表明在專利法修正前，擁有不同專利的企業貸款金額和成本變動滿足同趨勢性假設。對照組和實驗組的同趨勢性避免了一些不可測因素的影響。最后，前文所構建的倍差法模型實際上屬于多期倍差法，多期倍差法往往存在序列相關問題，這里構建兩期倍差法模型重新進行估計。表5報告了DID有效性的檢驗結果。

可以看到，在同趨勢性檢驗中，在2010 年之前，雙重交叉項的估計系數為負但均不顯著，這表明處理組與對照組企業在中國第三次專利法改革之前信貸融資情況并沒有明顯的差異，即在政策沖擊發生之前滿足同趨勢性假設。在預期效應檢驗中，交互項ln patent×dt2009的估計系數未能通過常規水平的顯著性檢驗，說明在政策實施之前并未發生預期效應。假如企業在政策實施之前就存在相應的預期，本文倍差法估計中處理組與對照組的結果變量在政策沖擊發生之前不具有可比性，進而DID估計結果是有偏差的。因此，將政策作用的時間提前，新增交互項的系數不顯著，說明沒有形成預期效應。在兩期倍差法模型重新進行估計中，交互項ln patent×dt的系數仍然顯著為正，與多期倍差法模型的結果類似。

表6 穩健性檢驗

盡管本文設置了諸多控制變量，對企業特征和區域特征的影響進行了監測，可能仍然無法避免遺漏變量問題存在。特別需要關注的是，影響商業銀行等金融機構對科技型企業進行風險信貸活動的金融危機、同期金融政策以及金融機構體制改革等，往往會與知識產權制度改革的效果疊加，使得本文分析結果出現偏誤。為此，首先考察2008年金融危機是否產生了結構性的影響。本文采取2005—2010年時間段進行檢驗，通過設置時間虛擬變量進行一重差分測度，2008年之前為0，2008年之后為1，如果時間虛擬變量顯著，說明存在結構性影響，應該加以區分。其次考察在專利法改革后時期，各個省份的金融改革是否產生了明顯的作用。借鑒張曉波(2018)的做法，用金融行業增加值/金融業固定資產投資完成額的變動衡量各省份的金融改革，作為控制變量加以控制，如果控制變量顯著，說明各省份的金融改革發揮了作用，應該進一步加以區分。此外，為了排除含金量不高的實用新型專利和外觀設計專利，本文使用發明專利授權量這一替代變量進行驗證。表6報告了DID模型穩健性的檢驗結果。

在知識產權制度改革之前，金融危機確實造成了微弱影響，然而研究發現金融危機對于信貸金額和信貸成本的影響與專利法的影響正好相反，因此金融危機的影響并不會動搖本文對專利法修訂產生效果的估計。在知識產權制度改革之后，各省份實施的金融改革對科技型風險信貸的金額和成本的影響并不顯著，不存在遺漏政策變量造成的偏差。最后，在使用發明專利授權量替代后，回歸結果與前面模型基本一致，說明本文基準回歸的結論不會隨著被解釋變量測算方法的不同而改變，有較好的穩健性。

六、結論和政策建議

本文研究了科技型企業知識產權和風險信貸的關系，并且重點關注知識產權制度改進帶來的知識產權保護水平提升對于科技型企業風險信貸的影響。將2008年底中國專利法的第三次修訂視為一項準自然實驗，利用中國創業板及中小企業板的微觀數據，進行實證檢驗。結果發現：第一，知識產權保護水平的高低對科技型企業的信貸融資金額有顯著的正向影響。知識產權保護水平越高，商業銀行等金融機構愿意給企業提供的風險信貸越多。政府加強知識產權保護，提升了企業知識產權的可信賴程度，同時，企業愿意提供更多的知識產權相關信息給銀行等金融機構，降低了融資過程中的信息不對稱程度，對企業融資帶來有利影響，能夠獲得更多融資。第二，知識產權保護水平負向影響信貸融資成本。融資成本與融資風險緊密相關，更高的知識產權保護水平降低了企業知識產權可能帶來的融資風險，降低了銀行等金融機構的顧慮，因此信貸成本得到有效降低。第三，知識產權制度的改進對信貸融資期限的影響不顯著。原因可能在于，在科學技術迅速發展的時代，隨著時間推移，面臨技術的更新換代，知識產權價值變化的巨大風險無法由知識產權保護水平而減緩。

基于上述結論，提出如下政策建議：第一，鑒于知識產權制度對于科技型企業信貸融資的重要性，因此需要從融資的視角考慮知識產權制度改革問題。同樣，要求進一步完善知識產權保護立法，提高知識產權保護的執法水平，從整體上提高社會的知識產權保護意識，充分發揮知識產權的融資功能。第二，源于企業的知識資產會對自身的信貸融資產生影響，因此需要積極引導科技型企業實施知識產權融資戰略。科技型企業將自身的科技成果申請專利，利用專利等知識資產進行債權融資，使得創新機制與融資機制正向互動，改善自身的融資困境。第三，當前商業銀行等金融機構側重采取傳統信貸模式和風險控制手段，因此需要引導金融機構就知識資產融資采取新型的風險管控手段。金融機構應該充分認識到知識產權債權融資的巨大市場空間，基于知識資產進一步設計各種金融工具，采取多樣的風險管控手段，為更多的科技型企業提供債權融資服務。第四，鑒于區域環境對于知識產權債權融資的重要性，因此政府需要構建基于知識產權進行信貸融資的融資體系。包括制定相關法律法規等基本制度、構筑良好的信用環境、破除知識產權債權融資存在的障礙和搭建信貸融資銀企對接平臺等。