[摘 要]隨著知識產(chǎn)權(quán)起的作用越來越大，國內(nèi)外學者對知識產(chǎn)權(quán)保護對經(jīng)濟增長的影響的研究也越來越多，但是一直都沒有統(tǒng)一的結(jié)論。因此本文擬通過建立VAR和VEC模型實證研究中國知識產(chǎn)權(quán)保護對經(jīng)濟增長的影響，結(jié)果發(fā)現(xiàn)，從長期來看，中國知識產(chǎn)權(quán)保護對經(jīng)濟增長有拉動效應(yīng)，但是影響較小，而從短期看中國知識產(chǎn)權(quán)保護力度對經(jīng)濟增長的拉動效應(yīng)并不十分明顯。

[關(guān)鍵詞]中國知識產(chǎn)權(quán)保護；經(jīng)濟增長；拉動效應(yīng)

[中圖分類號]F204 [文獻標識碼]A [文章編號]1005-6432（2013）13-0053-02

在現(xiàn)代經(jīng)濟社會中，技術(shù)創(chuàng)新成為影響各國經(jīng)濟發(fā)展的重要因素之一，因此技術(shù)創(chuàng)新的成果——知識產(chǎn)權(quán)的保護受到各國的重視。知識產(chǎn)權(quán)保護能夠維護產(chǎn)權(quán)所有者的利益，提高創(chuàng)新者參與創(chuàng)新活動的積極性，有益于各地技術(shù)水平的提高并促進經(jīng)濟發(fā)展（Grossman和Helpman，1991）；知識產(chǎn)權(quán)保護也會通過影響技術(shù)轉(zhuǎn)移渠道，例如貿(mào)易、FDI和技術(shù)許可等，對各國的經(jīng)濟發(fā)展產(chǎn)生作用（Maskus和Penubarti，1995）。但是，過強的知識產(chǎn)權(quán)保護水平會影響一些國家尤其是中等收入國家的模仿活動，抑制這些國家的經(jīng)濟發(fā)展（Deardorff，1992）；同時，它可能會導致壟斷勢力的形成，可能不利于新技術(shù)的創(chuàng)新（Horri和Lwaisako，2007）。許多學者使用實際數(shù)據(jù)實證研究知識產(chǎn)權(quán)保護和經(jīng)濟增長的兩者關(guān)系，發(fā)現(xiàn)知識產(chǎn)權(quán)保護是影響經(jīng)濟增長的重要因素之一，但是國內(nèi)外的學者對知識產(chǎn)權(quán)保護對經(jīng)濟增長的影響是促進還是抑制并沒有一個統(tǒng)一的結(jié)論，而且對兩者關(guān)系的研究主要是基于一般的回歸模型及面板數(shù)據(jù)。因此本文在前人研究的基礎(chǔ)上，應(yīng)用中國數(shù)據(jù)建立VAR和VEC模型，分析兩者的關(guān)系。

1 實證分析

1.1 數(shù)據(jù)獲取和變量選擇

本文選取人均實際GDP增長率growth和知識產(chǎn)權(quán)保護力度指數(shù)ipp作為變量。其中人均實際GDP增長率根據(jù)中國統(tǒng)計年鑒GDP進行價格平減后計算得到，而知識產(chǎn)權(quán)保護力度指數(shù)根據(jù)許春明和單曉光（2008）的方法，用知識產(chǎn)權(quán)保護立法強度（用Ginarte-Park方法測定）與執(zhí)法強度的乘積計算得到。

1.2 建立穩(wěn)定性的模型

對growth和ipp建立非限定性向量自回歸模型時，首先要選擇盡可能長的滯后期，本文利用SIC信息準則和AIC信息準則將VAR模型的最優(yōu)滯后階數(shù)確定為3；然后驗證VAR（3）模型的穩(wěn)定性，計算VAR（3）模型差分方程的特征根，結(jié)果顯示VAR（3）是穩(wěn)定的。

1.3 協(xié)整方程分析

1.3.1 數(shù)據(jù)的平穩(wěn)性檢驗——單位根檢驗

對于時間序列數(shù)據(jù)，必須進行數(shù)據(jù)的平穩(wěn)性檢驗，以防止“偽回歸”的現(xiàn)象的發(fā)生。而且，只有數(shù)據(jù)是平穩(wěn)的，后續(xù)的協(xié)整和向量誤差修正模型的檢驗才有意義。檢驗數(shù)據(jù)平穩(wěn)性的方法很多，這里采取ADF方法對于每個變量進行檢驗，以確定其單整的階數(shù)。單位根檢驗結(jié)果表明growth和ipp這兩個變量在5%的顯著性水平上都是不平穩(wěn)的，但其一階差分在5%的顯著性水平上是平穩(wěn)的，即growth和ipp均屬于一階單整I（1）序列。

1.3.2 協(xié)整檢驗——VAR模型和Johansen檢驗

根據(jù)協(xié)整理論，如果非平穩(wěn)變量序列之間的線性組合有不隨時間變化的性質(zhì)或具有平穩(wěn)性特征，即說明這些非平穩(wěn)變量之間具有長期穩(wěn)定的均衡關(guān)系。在確定VAR協(xié)整檢驗的滯后階數(shù)時，我們考慮到有效殘差應(yīng)具有正態(tài)分布的特征，選取VAR模型的滯后期為3。通過VAR Residual-Normality Test和輸出的J-B統(tǒng)計量檢驗值可知，殘差服從正態(tài)分布，在1%的顯著性水平上，殘差不存在自相關(guān)。

同時，使用Johansen Cointegration Test 檢驗，我們采用數(shù)據(jù)空間沒有確定性趨勢和協(xié)整方程沒有有截距項對growth和ipp進行協(xié)整檢驗，結(jié)合跡統(tǒng)計量和最大特征值等統(tǒng)計量，協(xié)整檢驗結(jié)果表明，人均GDP增長率與知識產(chǎn)權(quán)保護力度在5%的顯著性水平上存在協(xié)整關(guān)系，最終正交化后的協(xié)整方程為（[]括號中數(shù)字為t統(tǒng)計量）：

growth=0007042ipp

[201393]

從協(xié)整方程的系數(shù)可以看出，人均GDP增長率與知識產(chǎn)權(quán)保護力度正相關(guān)，而且在統(tǒng)計上具有顯著性。知識產(chǎn)權(quán)保護力度每增長1%，人均GDP增長率則提高約0007%。從長期來看，加強知識產(chǎn)權(quán)保護的力度，會促進經(jīng)濟的增長。

1.3.3 格蘭杰因果關(guān)系檢驗

VAR模型的另一個重要應(yīng)用是利用格蘭杰因果關(guān)系檢驗分析時間序列之間的因果關(guān)系。對growth和ipp進行格蘭杰因果檢驗，結(jié)果顯示“ipp不能Granger 引起growth”和“ipp不能Granger引起growth”在5%的顯著性水平下都拒絕原假設(shè)，說明二者互為因果關(guān)系，即ipp是引起經(jīng)濟增長growth變化的Granger原因，同時，growth也是引起知識產(chǎn)權(quán)保護力度ipp變化的Granger原因。

1.4 脈沖響應(yīng)函數(shù)

通過脈沖響應(yīng)函數(shù)方法分析變量之間的動態(tài)影響，它可以衡量隨機擾動項的一個標準差沖擊對系統(tǒng)中各變量當前和未來取值的影響軌跡，能比較直觀地刻畫變量之間的動態(tài)交互作用及效應(yīng)。因本文建立的VAR（3）模型經(jīng)檢驗是穩(wěn)定的，它可以進行脈沖響應(yīng)和方差分解測算。根據(jù)脈沖響應(yīng)函數(shù)方法原理，我們通過分別給予growth以及決定growth的因素ipp一個單位的正沖擊，得到關(guān)于GDP 的脈沖響應(yīng)函數(shù)結(jié)果。

首先，當在本期給GDP自身一個單位正沖擊后，經(jīng)濟增長從第2期開始下降，在第6期達到最低點，然后從第7期開始上升，第8期之后恢復到原來的水平。其次，當在本期給ipp一個單位正沖擊后，經(jīng)濟增長growth在前5期只是有個短暫的增長然后開始小幅度的下降，在第六期恢復到原來的水平。

1.5 方差分解

脈沖響應(yīng)函數(shù)模型描述的是VAR 模型中的一個內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來的影響，而方差分解是通過分析每一個結(jié)構(gòu)沖擊對內(nèi)生變量變化（通常用方差來表示）的貢獻度，進一步評價不同結(jié)構(gòu)沖擊的重要性。本文采用高鐵梅（2006）使用的相對方差貢獻率（RVC）來表示貢獻率?？紤]到脈沖響應(yīng)函數(shù)選定的變量順序以及我們的樣本數(shù)據(jù)19期，我們選其中約1/2即10 期作為方差分解的滯后期，并得出方差分解結(jié)果。結(jié)果顯示，經(jīng)濟增長growth的標準誤差被分別分解為growth和ipp（知識產(chǎn)權(quán)保護力度）的貢獻比重變化情況。如果不考慮經(jīng)濟增長自身的貢獻率，知識產(chǎn)權(quán)保護力度對GDP 的貢獻率在上升，在第10期達到095%。

16 向量誤差修正模型（VEC模型）

向量誤差修正模型（VEC模型），既能反映變量之間的長期動態(tài)關(guān)系，也能反映變量之間的短期動態(tài)關(guān)系，綜合VAR滯后項的選擇是3和參考調(diào)整后的判定系數(shù)、AIC和SC等標準，選擇VEC 模型的滯后階數(shù)為1，這里僅列出向量誤差修正模型的第一個回歸方程：

D（GROWTH）=-045399×（-GROWTH（-1）-004176×IPP（-1）-013684）+05748×D（GROWTH（-1））+00406×D（IPP（-1））-00059

[183443] [ 2.53477] [ 062188]

其中，[]內(nèi)為t統(tǒng)計量，VECM是誤差項：VECM=GROWTH（-1）+004176×IPP（-1）-013684。從growth和ipp兩變量之間的誤差修正模型可以看出，在短期內(nèi)，知識產(chǎn)權(quán)保護力度對經(jīng)濟增長有正的效應(yīng)拉動，但變量系數(shù)的t值并不十分顯著。

17 計量模型解釋

從VAR 模型和協(xié)整方程來看，知識產(chǎn)權(quán)保護對經(jīng)濟增長的拉動效應(yīng)較小。知識產(chǎn)權(quán)保護力度每增長1%，人均GDP增長率僅提高約0007%。由脈沖響應(yīng)函數(shù)分析可知，短期內(nèi)對知識產(chǎn)權(quán)保護正沖擊的脈沖響應(yīng)效果較弱。而且從方差分解的結(jié)果來看，對知識產(chǎn)權(quán)保護力度的沖擊對經(jīng)濟增長的解釋力較小，僅為095%。VEC模型則進一步分析了知識保護力度的提高對經(jīng)濟增長拉動效應(yīng)的短期的回歸結(jié)果。在短期內(nèi)，知識產(chǎn)權(quán)保護力度的提高對經(jīng)濟增長有正的拉動效應(yīng)，但是在統(tǒng)計上并不顯著。

2 結(jié) 論

本文通過運用人均實際GDP增長率和知識產(chǎn)權(quán)保護力度的數(shù)據(jù)，采取ADF檢驗辦法來驗證時間序列的平穩(wěn)性，發(fā)現(xiàn)序列是一階平穩(wěn)的?；诖?，我們分別運用VAR模型和VEC模型探究人均實際GDP增長率和知識產(chǎn)權(quán)保護力度的短期和長期的相關(guān)關(guān)系，來分析當前經(jīng)濟增長、知識產(chǎn)權(quán)保護力度等一系列現(xiàn)實問題。從實證結(jié)果可以看到，從長期來看，中國知識產(chǎn)權(quán)保護對經(jīng)濟增長有拉動效應(yīng)，但是影響較小，而從短期看中國知識產(chǎn)權(quán)保護力度對經(jīng)濟增長的拉動效應(yīng)并不十分明顯。因此，作為發(fā)展中的大國，我國應(yīng)該加強總體知識產(chǎn)權(quán)保護力度，鼓勵自主創(chuàng)新，在制定相關(guān)政策時應(yīng)充分考慮到知識產(chǎn)權(quán)保護力度對經(jīng)濟增長的影響。

參考文獻：

[1]韓玉雄，李懷祖.知識產(chǎn)權(quán)保護對工資率水平及經(jīng)濟增長的影響：一個修正的技術(shù)擴散模型[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2004（11）：152-159.

[2]劉勇，周宏.知識產(chǎn)權(quán)保護和經(jīng)濟增長：基于省際面板數(shù)據(jù)的研究[J].財經(jīng)問題研究，2008（6）：17-21.

[3]王林，顧江.發(fā)展中國家的知識產(chǎn)權(quán)保護與經(jīng)濟增長——基于跨國數(shù)據(jù)的實證分析[J].世界經(jīng)濟研究，2009（5）：48-51.

[4]余長林.知識產(chǎn)權(quán)保護與發(fā)展中國家的經(jīng)濟增長[J].廈門大學學報（哲學社會科學版），2010（2）：51-57.

[5]許春明，單曉光.中國知識產(chǎn)權(quán)保護強度指標體系的構(gòu)建及驗證[J].科學學研究，2008（8）：715-723.