李强在第十七届夏季达沃斯论坛开幕式上的致辞（全文）

基于 North 的制度变迁理论和 Acemoglu 的包容性制度假说，构建制度影响创新的三重路径：知识产权保护降低创新成果被模仿的风险、风险分担机制（风投市场、政府担保基金）缓解创新的高不确定性、创新激励（研发税收抵免、专利盒制度）提高创新活动的私人回报率。提出核心假说 H1：三类制度工具对创新产出均具有正向影响，但存在边际递减效应；H2：制度工具之间存在互补性——知识产权保护强度越高，风险分担机制对创新的促进效应越强，因为良好的产权保护使风险资本更有信心支持早期创新；H3：制度组合的协同效应在制度质量越过某一门槛后呈非线性跃升。

本文利用各国知识产权法修订（如专利法强化保护条款的引入）和风险投资税收优惠政策调整作为准自然实验，采用交错型双重差分法（Staggered DID）识别制度变革的因果效应。识别假定为：特定国家的制度变革时间与其不可观测的创新趋势无关（平行趋势假定），使用事件研究法进行事前平行趋势检验。同时利用 Goodman-Bacon 分解处理 Staggered DID 中的"坏比较"问题，采用 Sun & Abraham（2021）的异质性处理效应估计量确保结果稳健。

基准模型设定为：Innovation_{it} = α + β₁IPR_{it} + β₂RiskSharing_{it} + β₃Incentive_{it} + β₄(IPR_{it} × RiskSharing_{it}) + β₅(IPR_{it} × Incentive_{it}) + γX_{it} + μ_i + λ_t + ε_{it}。其中 Innovation 为专利授权量或全要素生产率（TFP），IPR 为知识产权保护指数，RiskSharing 为风险投资占 GDP 比重，Incentive 为研发税收优惠力度，交互项捕捉制度互补性。X 为控制变量（人均 GDP、教育水平、贸易开放度、FDI 流入），μ_i 和 λ_t 分别为国家和年份固定效应。

被解释变量：使用三方专利家族数（消除本土偏好偏差）和以专利引用加权的创新质量指数衡量创新产出。核心解释变量：IPR 采用 Ginarte-Park 指数修订版（每五年更新）；RiskSharing 以早期阶段风险投资额占 GDP 比重衡量；Incentive 采用 OECD 的 B-index（研发税收补贴率倒数）衡量。控制变量取自世界发展指标（WDI）和 Barro-Lee 教育数据库。样本覆盖 2005-2025 年 80 个国家，最终获得约 1,600 个有效观测值。

（1）替换被解释变量：以全要素生产率（TFP，Levinsohn-Petrin 法估算）替代专利指标，检验制度对广义创新效率的影响；（2）替换核心解释变量：用国际产权联盟（Property Rights Alliance）的国际产权指数替代 Ginarte-Park 指数，用企业研发支出占 GDP 比重替代风险投资指标；（3）工具变量法：以各国法律渊源（普通法系 vs. 大陆法系）作为知识产权保护的工具变量（LLSV 法源理论），以养老金基金规模占 GDP 比重作为风险投资发展的工具变量，处理制度变量的内生性问题；（4）排除样本异常值：剔除创新超级大国（美国、中国）和制度极端值国家后进行子样本回归。

---

根据林毅夫新结构经济学，一国的要素禀赋结构决定其最优产业结构和技术结构。在低收入阶段，发展中国家主要依靠劳动力成本优势和市场规模优势（"市场红利"）实现追赶；进入中高收入阶段后，要素成本上升、技术前沿距离缩小，必须转向以创新驱动的增长模式（"创新红利"）。同时，Aghion-Howitt 模型指出，当一国接近全球技术前沿时，基于模仿的增长策略效率递减，而基于创新的增长策略效率递增。提出假说 H1：要素禀赋结构升级（以人均资本存量和人力资本水平衡量）与全要素生产率增长率呈正U型关系，在越过门槛后创新驱动效应显著增强；H2：技术前沿距离越近，"创新红利"对增长的贡献越大，"市场红利"贡献递减；H3：研发投入强度存在门槛效应——研发占 GDP 比重超过 2% 后，创新对增长的弹性显著增大。

采用 Hansen（1999）的面板门槛回归模型，以人均 GDP、研发强度和技术前沿距离为门槛变量，识别增长模式转换的结构性断点。核心识别假定：门槛变量外生于当期经济增长冲击，使用一阶滞后值规避内生性。同时采用 Lee & Wang（2021）的非参数时变系数模型，检验门槛效应是否随时间稳定。为进一步识别因果机制，利用各国加入 WTO 或签订自由贸易协定的时间作为外生冲击，构建 DID 模型检验外部市场开放如何触发内部创新模式转换。

门槛回归模型：Growth_{it} = α + β₁MarketDividend_{it} × I(q_{it} ≤ γ) + β₂InnovationDividend_{it} × I(q_{it} > γ) + δX_{it} + μ_i + ε_{it}。其中 MarketDividend 为劳动力成本优势指数（制造业单位劳动成本倒数）和市场规模指数（国内消费市场规模）；InnovationDividend 为专利授权量和研发资本存量；I(·) 为示性函数；q 为门槛变量（人均 GDP 或研发强度）；γ 为待估计门槛值。Growth 为五年移动平均的 GDP 增长率以平滑周期波动。控制变量 X 包括固定资产投资率、外贸依存度、FDI 流入、制度质量。

"市场红利"代理变量：以制造业单位劳动成本（ULC，经购买力平价调整）相对美国水平衡量劳动力成本优势，以国内最终消费支出规模衡量市场规模红利。"创新红利"代理变量：以三方专利存量（永续盘存法，折旧率 15%）和全要素生产率（TFP，以 Wooldridge 代理变量法估计）衡量。技术前沿距离定义为各国 TFP 与美国 TFP 的比值。样本跨 1995-2025 年 60 个中等收入和新兴经济体，约 1,800 个观测值。

（1）更换门槛估计方法：采用 Seo & Shin（2016）的动态面板门槛模型处理因变量滞后项带来的内生性；（2）替代被解释变量：以人均 GDP 的五年对数差分替代 GDP 增速，降低短期波动干扰；（3）改变样本时间窗口：分别在 2008 年金融危机前、2015 年中国经济新常态后、2020 年疫情后三段子时期进行回归，检验结构稳定性；（4）排除资源型经济体：剔除 OPEC 国家和矿产资源依赖型国家，排除"资源红利"对结论的干扰。

---

基于 Mazzucato 的企业家型国家理论，中央政府在创新治理中扮演"使命导向"角色，通过国家科技重大专项、战略性新兴产业发展规划等为创新方向定调。然而，在行政发包制和政治锦标赛体制下（周黎安，2007），地方政府面临 GDP 增速和创新绩效的双重考核压力，可能产生两类行为偏差：一是"创新锦标赛"——过度投资于短期见效的应用型创新而忽视基础研究；二是"创新保护主义"——限制创新要素跨区域流动以保护本地税基。提出假说 H1：中央创新政策（如国家自主创新示范区设立）对所在城市创新产出有显著正向效应，但该效应受制于地方政府的产业基础与财政能力；H2：地方政府间创新政策存在显著的空间策略互动——地理相邻或经济水平相近的城市呈现"标尺竞争"式的政策模仿；H3：央地政策目标不一致时（中央强调基础研究、地方偏好产业化），政策叠加产生负向交互效应，降低创新资源配置效率。

以国家自主创新示范区和国家高新区的分批设立作为准自然实验——中央审批的批次时间对地方政府而言具有外生性（取决于国家战略布局而非地方当期政绩）。构建多时点 DID 模型：比较示范区设立前后、获批城市与未获批城市的创新产出差异。识别假定：示范区设立时间与城市的不可观测创新趋势无关，使用事件研究法检验平行趋势。采用 Goodman-Bacon 分解诊断处理效应的异质性，并运用 Callaway & Sant'Anna（2021）的分组-时期平均处理效应估计量。此外，利用地方政府换届作为官员激励的外生变化，检验政治周期对创新政策执行力度的影响。

空间杜宾模型（SDM）基准设定：Innovation_{it} = ρ∑W_{ij}Innovation_{jt} + β₁CentralPolicy_{it} + β₂LocalPolicy_{it} + β₃(CentralPolicy_{it} × LocalPolicy_{it}) + θ₁∑W_{ij}CentralPolicy_{jt} + θ₂∑W_{ij}LocalPolicy_{jt} + γX_{it} + μ_i + λ_t + ε_{it}。其中 W 为空间权重矩阵（地理邻接矩阵和经济距离矩阵分别设定），ρ 捕捉创新产出的空间自相关，θ 参数刻画政策的空间溢出。CentralPolicy 为中央政策虚拟变量（示范区、高新区），LocalPolicy 为地方财政科技支出占比。

被解释变量以城市层面发明专利授权量和发明专利授权率（授权量/申请量，衡量创新质量）衡量创新产出。核心解释变量以手工整理的 2008-2025 年国家级创新政策文件构建政策强度指数——中央层面以国务院发文数量及关键词频率加权，地方层面以省级政府工作报告中"创新""科技""研发"词频占比衡量。以科技部对国家创新型城市、自主创新示范区、高新区扩容的分批次批复文件构建 DID 实验组和对照组。控制变量包括城市 GDP、人力资本（每万人在校大学生数）、金融发展（年末金融机构贷款余额/GDP）和基础设施水平（互联网宽带接入率）。涵盖中国 285 个地级市 2008-2025 年面板数据。

（1）替换空间权重矩阵：以高铁连通时间距离和经济距离矩阵（GDP 差距倒数）替代地理邻接矩阵；（2）安慰剂检验：将政策实施年份分别提前 2 年和 3 年进行虚假冲击检验；（3）排除样本选择偏差：运用 PSM-DID，以示范区设立前城市的创新水平、产业结构和财政能力作为匹配变量，一对一最近邻匹配后重新估计；（4）替换地方官员激励变量：以地级市市委书记的年龄、任期和是否"准副省级"衡量晋升激励强度，检验政治周期假说的稳健性。

---

"达尔文之海"描述的是技术从实验室发明到市场产品之间的死亡谷阶段——大量有前景的发明在商业化过程中夭折。从新古典经济学视角，这一现象反映了技术市场的信息不对称（Akerlof 柠檬市场）和资源配置扭曲：发明者不了解市场需求，投资者无法甄别技术质量，双方交易成本高企导致市场出清受阻。此外，Arrow 指出技术扩散中的学习外部性——早期采用者承担试错成本而后发模仿者搭便车，导致技术推广不足。提出假说 H1：技术发明与产业需求的"匹配密度"（以同领域企业密度和产学研合作频率衡量）越高，技术跨越"达尔文之海"的生存概率越大；H2：技术市场的"厚度"（以专利交易活跃度衡量）降低信息不对称，改善技术商业化效率；H3：政府补贴型技术（如科技计划项目产出专利）的商业化效率低于市场驱动型技术——存在资源配置扭曲，补贴引致"为专利而专利"的策略性创新行为。

构建专利级别的生存分析模型。以专利申请日为起点，以专利失效（未缴年费终止）、专利转让或许可（市场成功）为终点事件，区分竞争性风险（competing risks）。利用专利技术领域与地方主导产业的"技术距离"作为外生变异来源——技术距离较大（专利与本地产业不匹配）的发明面临更高的商业化壁垒。该距离对单个发明者而言近似外生（由区域产业历史禀赋决定）。同时，以城市层面专利代理机构密度和科技服务中介数量作为技术市场基础设施的工具变量，剥离内生性。

生存分析模型：h(t|X) = h₀(t) × exp(β₁TechDistance_i + β₂MarketThickness_j + β₃GovSubsidy_i + γControls_i + δ_j + θ_t)。其中 h(t) 为专利 i 在维持 t 年后"死亡"的风险率，h₀(t) 为基准风险函数。TechDistance 以专利 IPC 分类与所在城市制造业行业分布的余弦相似度倒数衡量。MarketThickness 以同技术领域专利年交易笔数衡量。GovSubsidy 为专利是否源自政府科技计划项目的虚拟变量。δ_j 为技术领域固定效应，θ_t 为申请年份固定效应。同时报告累积发生率函数（CIF），区分"主动放弃"和"成功转让"两种退出模式。

以 CNIPA 专利数据库 2005-2025 年所有授权发明专利为基准样本，通过法律状态信息构建专利生存史：自授权年起，逐年追踪缴费状态直至失效或观察期结束（右删失）。"市场成功"事件定义为发生专利权转让、实施许可或质押登记。"技术匹配密度"以专利 IPC 四位码与所在省份二位数制造业行业专利存量的加权重叠系数衡量。控制变量包括专利权利要求数（技术宽度）、发明人团队规模、专利被引用次数（前向引用衡量技术价值）、申请人类型（企业/高校/个人）。样本量约 300 万件授权发明专利。

（1）重新定义商业化成功：以专利缴费维持满 10 年（中国发明专利有效期的中位数门槛）替代转让/许可作为商业化意愿的代理变量；（2）置换技术领域分类粒度：以 IPC 三位码和六位码替代四位码衡量技术距离，验证结论对分类粒度的敏感性；（3）子样本分析：分离出高校专利（商业化动机最弱但技术质量高）和企业专利（商业化动机强），异质性分析不同主体面临的"达尔文之海"深度差异；（4）Heckman 两阶段修正：第一阶段以专利是否获得授权为样本选择方程（Probit 模型），第二阶段对授权专利进行商业化效率 SFA 估计，纠正样本选择偏差。

---

凯恩斯的乘数理论指出，自主消费的增加通过收入-消费循环产生大于初始的产出贡献。李强致辞中强调的服务消费（旅游、演艺、体育赛事）、绿色消费和新型消费（智能手表、智能眼镜）具有高收入弹性和显著的产业链带动效应。Schmookler 的需求拉动创新假说进一步指出：在市场需求旺盛的领域，企业有更强的动力进行研发创新，消费结构的变化引导技术创新方向。Foellmi & Zweimüller（2006）的层级消费模型证明，当消费者偏好非位似（即随着收入提升，消费份额向高附加值产品转移）时，企业为了争夺高端市场份额会持续加大研发投入。提出假说 H1：新型消费和服务消费的边际乘数效应显著高于传统商品消费，因其产业链更长、服务业就业吸纳能力更强；H2：消费结构升级（服务型、智能型消费占比提高）通过"需求引致创新"渠道显著促进相关制造和服务领域的专利申请和研发投入；H3：消费升级的创新拉动效应存在非线性特征——在数字基础设施完善的地区（移动支付渗透率高、物流网络密集），消费升级向创新传导的效率和弹性更大。

核心挑战是消费结构变动与经济产出和创新活动之间存在反向因果（经济增长→居民收入提高→消费升级）。采用工具变量策略：第一，以各城市"宽带中国"示范城市和 5G 基站覆盖密度的分批实施作为消费结构升级（特别是数字消费、智能消费）的工具变量——数字基础设施降低了新型消费的接入成本，但对当地创新的直接影响渠道可以通过控制研发补贴和科技园区变量排除；第二，利用 2020-2025 年各省市差异化消费券发放政策（时间、规模和品类差异）作为消费扩张的准自然实验，以 Triple-Difference（DDD）识别消费→创新传导：消费券发放城市 × 消费券重点支持品类 × 发放前后的交互项。

SVAR 模型：A₀Y_t = A₁Y_{t-1} + ... + A_pY_{t-p} + ε_t。其中 Y_t = [ConsumptionStructure_t, Output_t, Innovation_t, Employment_t]'，ConsumptionStructure 为服务消费和新型消费占总消费比重。通过短期约束（Cholesky 分解）识别消费结构冲击：假定当期消费结构不受同期创新和产出的影响（消费习惯刚性），创新和产出对消费冲击有滞后响应。脉冲响应函数刻画一单位消费结构升级冲击对 GDP 和创新产出的动态路径。长短期约束结合（Blanchard-Quah 分解）以符号约束验证：消费升级冲击应同时推高消费占比和 GDP。

消费结构升级指标：以居民消费支出中服务类消费（教育文化娱乐、医疗保健、交通通信）和智能产品消费（以通讯器材类零售额增速加权的智能设备拥有率）的恩格尔系数式占比衡量。产出变量以实际 GDP 和第三产业增加值增速衡量。创新变量以各消费类目相关技术领域的专利数量（通过 IPC 与消费产品匹配）和企业研发支出衡量。消费券数据通过手工整理各省市政府公告获取——包括发放时间、总金额、品类限制（如汽车、家电、文旅专用券）和使用核销率。就业变量以第三产业就业人数和社会消费品零售总额分行业从业人数衡量。数据为 2015-2025 年省级季度面板数据。

（1）替换工具变量组合：以各城市移动支付渗透率（支付宝/微信支付覆盖率）和 4G/5G 基站密度替代"宽带中国"政策虚拟变量，检验数字基础设施工具的排他性；（2）改变识别策略：以符号约束的贝叶斯 SVAR（Uhlig 惩罚函数法）替代 Cholesky 短期约束，避免排序假设的敏感性；（3）改变样本结构：排除一线城市（北上广深）——这些城市的消费结构和创新活动可能由不同的全球性因素驱动，检验结论是否由非一线城市样本驱动；（4）横截面异质性分析：按第三产业占比和人力资本存量将省份分为高低两组，分组估计消费升级的创新弹性，检验结构转型阶段的调节效应。

---