技術溢出和市場競爭溢出

[香樟推文] 技術溢出和市場競爭溢出

圖片來源：http://vip.iqiyi.com/zt_dzd4.html

【這是香樟的第0413篇推文】

Identifying TechnologySpillovers and Product Market Rivalry (Nicholas Bloom, Mark Schankerman and John Van Reenen)Econometrica,July 2013.

之所以推送這個文章，主要是因為作者在看似做濫了的問題上做出了些許新意。

這個文章研究創新的溢出效應，一個企業搞了研發，其他企業哪怕不搞也受影響。這個想法並不新，但這篇文章做得比較細，區分了兩種溢出效應，第一種是技術溢出，你搞了個發明，我把你的研發人員挖過來，這樣我也會了；第二種是市場競爭溢出，你搞了個厲害的發明，然後我的產品就沒市場了，我的企業關門大吉，我只能上街要飯去了。作者說：之前的實證研究都沒有很好地區分二者，沒辦法，只能等他來搞定。

作者先寫了個模型，這個模型是個兩階段博弈。第一階段，企業決定花多少錢用於研發，研發的結果被稱為知識，用專利或者TFP衡量；第二階段，企業在給定知識的情況下進行價格或數量競爭，追求利潤最大化。不難看出，即使第一階段沒有任何技術溢出，企業的研發行為也會影響自己和其他企業的利潤，這是因為每個企業的利潤函數會受到自己的知識和競爭對手知識的影響，如果考慮第一階段的技術溢出，也不過是讓函數形式稍微複雜一些而已。用逆向歸納法求解，第二階段求利潤最大化，確定每個企業的最優知識存量；第一階段最大化市場價值，即利潤減掉研發投入，最終求出每個企業最優研發投入。基於這個非常簡單的模型，作者開始大放厥詞，聲稱只要看對研發、專利、生產率以及市場價值的不同影響即可識別上述兩種效應。這裡說句題外話，這裡的模型簡單是簡單，但你沒有這麼個模型，你還真是得不出這樣的識別條件來。這個模型的預測結果見下表，PM是產品市場的簡稱，效應有時正有時負有時零，看起來真像那麼回事。（圖出自作者的PPT）

接著作者就構建指標了，模型第一階段要有技術溢出，所以他構造了個技術空間的距離指標spilltech，大體意思就是看看你的研發能力在江湖上能排個老幾，以及你這個行當到底有多少技術高手，然後把兩個東西一乘；第二階段有市場競爭溢出，作者也有樣學樣搞了個產品空間，構造了產品空間距離指標spillsic，大體意思就是看看你的市場份額怎樣，以及你這個行當有多少做銷售的，然後把兩個一乘。不管有沒有道理，反正他把指標硬是給弄出來了。

作者接下來就搜集數據了，他們通過compustat資料庫搜集到了美國1980到2001年的上市公司的研發投入、銷售額、資本、勞動、Tobin Q等指標，構造出一個面板數據，然後把這些數據和美國NBER的Hall、Jaffe以及Trajitenberg整理的USPTO專利數據並起來，於是米和面齊備，可以做餅了。

作者主要是基於不同的被解釋變數來識別不同機制，他們的回歸方程可以統一寫成下面的式子：

左邊是結果變數，右邊第一項是知識存量，第二項是技術溢出，第三項是市場競爭溢出。最後一項是控制變數。第二項和第三項是這裡的核心解釋變數。結果變數一共有四個，分別是單位資產的市場價值、專利、銷售額以及研發強度。

下面就是結果了，在考慮了企業固定效應的情況下，基本上是該正的地方正，該負的地方負，該顯著的地方顯著，該不顯著的地方不顯著，簡單概括一下，當被解釋變數是企業市場價值，技術溢出效應前面的係數為正，產品市場競爭溢出效應的係數為負，也就是說技術溢出會增加競爭者市場價值，而該企業的研發投入會通過市場競爭會削弱競爭者市場價值。當被解釋變數是專利，技術溢出效應前面的係數為正，產品市場競爭溢出效應的係數也為正，但前者明顯高於後者，前者高度顯著，後者不顯著。這就說明對專利的影響主要是技術溢出效應起作用。當被解釋變數是銷售額時，技術溢出效應前面的係數為正，且高度顯著，而產品市場競爭溢出效應的係數為負，且不顯著。當被解釋變數是研發強度的時候，技術溢出效應前面的係數在有些設定下為正，有些設定下為負，顯著性也飄忽不定，模型的預測本來就很模糊，所以可以認為這和模型的預測一致。而產品市場競爭溢出效應的係數符號基本都為正（除了工具變數回歸之外），這意味著不同企業的研發投入可能是互補的。

值得一提的是，作者考慮到了核心解釋變數(spilltec和spillsic)的內生性，他認為這兩個變數都會受到暫時性（需求）衝擊的影響，而暫時性衝擊不可觀測，所以作者採取了工具變數回歸的辦法。他們先算出每個企業的稅收價格，然後把該行業除了這個企業之外其他每個企業的稅收價格和它們的技術空間距離乘起來再相加，就得到了spilltech的工具變數；把該行業除了這個企業之外其他每個企業的稅收價格和它們的產品空間距離乘起來再相加，就得到了spillsic的工具變數。這裡的稅收價格定義為

，分子是1減去每個企業的稅收減免比例，分母是1減去每個州的稅率。一方面、現實生活中不可能一個企業一個稅率，另一方面、每個企業實際減免額肯定又不同，所以這個式子就兼顧了，從而擴大了樣本的變異。這個工具變數好不好？找工具變數是非常困難和辛苦的工作，作者已經費了力氣，結果也還算不錯，所以，對於不可言說的東西，我們應該保持沉默。

接下來作者計算了兩種不同的外溢效應導致的研發的社會回報和私人回報的差異，得出結論說相比較產品市場空間上的溢出效應，技術空間上的溢出效應明顯更重要一些，美國還是需要大力鼓勵研發才對（向中國學習？）。這裡就不再贅述了。

簡單總結一下，作者基本功很紮實，思路很清楚，實證研究的手法細膩而老道，也研究了一個重要的問題，很值得學習。不過這篇文章在Nicholas Bloom的研究中屬於相對無聊的，他還有很多更好玩的文章，以後會有人推的。

Abstract:

.
推薦閱讀：