201504 - page 104

北京工商大学学报( 社会科学版)摇 摇 摇 摇 2015 年摇 第 4 期
表 1摇 样本描述性统计
变量名称 平均值 标准差 最小值 中位数 最大值
品牌成长( ln BV ) 6郾 100 1郾 420 3郾 300 5郾 910 10郾 180
技术创新 ( ln RD) 10郾 060 1郾 240 6郾 460 10郾 09 12郾 470
知识产权保护( IPP) 0郾 840 1郾 780 0郾 020 0郾 310 11郾 630
经济发展水平( ln PGDP) 9郾 870 0郾 670 8郾 190 9郾 880 11郾 350
政府支出比重( ln Gov) - 1郾 810 0郾 350 - 2郾 570 - 1郾 790 - 0郾 930
对外开放度( ln Open) 2郾 390 1郾 040 - 1郾 070 2郾 030 4郾 590
市场化程度( Soe) 0郾 430 0郾 190 0郾 090 0郾 410 0郾 830
摇 摇 ( 二 ) 变量测度
1郾 品牌成长。 该指标选取品牌价值来衡量 ,
品牌价值的大小最直接地反映了该品牌成长性,
品牌价值越高, 表明品牌成长性越好, 反之亦然。
由于直接衡量区域品牌价值的数据可得性比较
差, 但各个区域的品牌入围《 中国 500 最具价值
品牌》 排行榜的情况在一定程度上能够代表该区
域品牌成长情况, 因此将每个区域入围《 中国 500
最具价值品牌》 排行榜的所有品牌的价值总量来
衡量区域品牌成长( BV)。
2郾 技术创新。 任何一个地区的技术创新过
程都是通过投入相关的科技资源来创造出新成果
的过程, 其中,研发经费的投入是技术创新活动的
基础,所以技术创新能力的提高是以强大的研发
经费投入作为重要保障的[17] , 且大量的研究在经
验上证实了研发经费投入已成为提升技术创新能
力的重要因素[18 - 19] ,因此本文选取研发经费投入
衡量技术创新。 由于研发经费投入对品牌成长的
作用不仅表现在当期, 对以后时期的品牌成长也
有重要影响 , 故选取研发存量来衡量技术创新
( RD),利用文献中通常使用的永续盘存法测算研发
资本存量[20],选取 15% 的 R&D 存量折旧率[21] 。
3郾 知识产权保护。 目前国内大多学者测算
知识产权保护水平的方法来自韩玉雄、 李怀祖
(2005) [22] 的思路, 但他们的测量方法有一定的局
限性。 胡凯等 (2012) [23] 提出了以技术市场成交
额占当地 GDP 的比重来衡量知识产权保护水平
的新方法,他们认为这种测量方法是一个客观性、
综合性指标, 可以不必追溯影响知识产权保护难
以度量的因素于 。 鉴于此种方法的客观性和易测
量, 本文采用胡凯等(2012) [23] 提出的知识产权保
护水平测量方法, 以技术市场成交额占当地 GDP
的比重来衡量知识产权保护水平 ( IPP)。
4郾 控制变量。 因为每个省份的经济发展水
平、 市场化进程以及政府对经济的干预程度是不
同的,上述因素也可能会对品牌成长产生一定的
影响,因此引入这些变量为控制变量。 其中,以一
个地区人均 GDP 来衡量地区经济发展水平
( PDGP)。 以一个地区出口额占 GDP 的比重来衡
量对外开放程度( Open ), 该比值越高表明对外开
放度越高。 以政府支出规模占 GDP 的比重( Gov)
来衡量政府对市场的干预程度 ,如果该比重越高
说明政府对市场干预越多。 以国有企业工业总产
值占地区工业企业总产值的比重来衡量一个地区
市场化程度( Soe), 如果该比例越低说明市场化程
度越高。
( 三 ) 研究方法
本文采用面板数据实证检验技术创新、 知识
产权保护对品牌成长的影响, 特别是要检验知
识产权保护是不是通过影响技术创新而对品牌
成长产生间接影响 。 为了确定面板回归模型
( 采用混合 OLS 模型、 固定效应还是随机效应模
型 ?) ,本文利用 STATA 统计软件对样本数据进
行 LR 检验 、B鄄P 检验和 Hausman 检验 盂 , 结果显
示样本数据存在显著的个体效应, 故本文采用
固定效应模型 。
四、 实证分析
( 一 ) 模型构建
根据上述分析, 为了检验技术创新和知识产
权保护对品牌成长的影响,建立模型(1)。
·401·