前沿譯文 |世界銀行：過度監(jiān)管或有損東亞數(shù)字經(jīng)濟創(chuàng)新

　　編譯

　　對外經(jīng)濟貿(mào)易大學(xué)金融科技實驗室

　　譯者按

　　國家法律與數(shù)字經(jīng)濟發(fā)展的復(fù)雜關(guān)系一直是我們研究的中心議題。正如諾斯悖論所洞見的：國家既是經(jīng)濟發(fā)展的推動者，也是經(jīng)濟發(fā)展的破壞者，對于數(shù)字經(jīng)濟而言亦是如此。世界銀行東亞與太平洋(601099,股吧)地區(qū)首席經(jīng)濟學(xué)家辦公室于2020年1月發(fā)布的《東亞數(shù)字經(jīng)濟創(chuàng)新：限制性數(shù)字政策重要嗎？》（Digital Innovation in East Asia：Restrictive Data Policies Matter?）報告梳理了東亞15國的數(shù)字經(jīng)濟法律政策，并使用定量研究的方法得出“數(shù)字限制指數(shù)”，直觀展現(xiàn)出國家監(jiān)管法律與企業(yè)創(chuàng)新之間的負(fù)相關(guān)關(guān)系。在這一研究中，中國的數(shù)字限制指數(shù)居于高位，這值得我們深思和警惕。毋庸諱言，當(dāng)前中國經(jīng)濟發(fā)展正面臨嚴(yán)峻挑戰(zhàn)，數(shù)字經(jīng)濟已成為中國最有力的引擎，只有盡快采取更開放的數(shù)字經(jīng)濟政策，才能使中國經(jīng)濟行穩(wěn)致遠(yuǎn)，此即“改革是最大紅利”的真義。

　　——對外經(jīng)濟貿(mào)易大學(xué)數(shù)字經(jīng)濟與法律創(chuàng)新研究中心

　　執(zhí)行主任許可

　　摘要

　　數(shù)字技術(shù)鼓勵公司通過新工藝、新產(chǎn)品和新服務(wù)進行創(chuàng)新，從而最終增強其在本地和全球市場上的競爭力。本文分析了各種各樣的數(shù)據(jù)限制是否與公司的數(shù)字創(chuàng)新負(fù)相關(guān)。本文提出了數(shù)據(jù)限制指數(shù)，該指數(shù)衡量了東亞15個國家隨時間推移，其數(shù)據(jù)政策的限制程度。通過使用不同企業(yè)層面的數(shù)據(jù)集，分析表明，數(shù)據(jù)限制限制了企業(yè)的創(chuàng)新能力。分析考慮到數(shù)據(jù)限制可能會對那些更依賴軟件的企業(yè)產(chǎn)生更大的影響。

　　回歸分析表明，在數(shù)據(jù)政策更加嚴(yán)格的國家，企業(yè)不太可能通過許可證使用外國技術(shù)作為其創(chuàng)新過程的一部分。可獲得數(shù)據(jù)的特定國家的案例還表明，限制性數(shù)據(jù)政策與公司使用專利和商譽等無形資產(chǎn)進行創(chuàng)新（在馬來西亞和中國）和開發(fā)市場上新的研究開發(fā)創(chuàng)新(在越南)的可能性呈負(fù)相關(guān)。本文的結(jié)論是，開放數(shù)據(jù)政策可能會促進數(shù)字創(chuàng)新。

　　1、介紹

　　許多經(jīng)濟體的數(shù)字化轉(zhuǎn)型為企業(yè)帶來了廣泛的創(chuàng)新機會。數(shù)字技術(shù)鼓勵公司采用新工藝、新產(chǎn)品和新服務(wù)進行創(chuàng)新，從而最終提高其在當(dāng)?shù)睾腿�球市場的競爭力。�?shù)字創(chuàng)新通常通過互聯(lián)網(wǎng)和新的在線平臺進行，企業(yè)越來越多地跨越國境訪問這些平臺。但是，如今許多公司在這些新的數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)訪問、在線平臺的使用以及數(shù)據(jù)的跨境流動方面都面臨著嚴(yán)峻的限制-其中大多數(shù)限制是政府最近才實施的。

　　本文分析了在數(shù)據(jù)、互聯(lián)網(wǎng)和在線平臺的支持下，預(yù)計會影響數(shù)字創(chuàng)新的數(shù)據(jù)限制。我們將其統(tǒng)稱為數(shù)據(jù)限制。數(shù)據(jù)限制阻礙了企業(yè)使用先進的軟件和更廣泛的跨境數(shù)據(jù)來進行的創(chuàng)新，而這些如今已成為許多企業(yè)創(chuàng)新過程的重要組成部分（Guellec和Paunov，2018年）。例如，大數(shù)據(jù)、人工智能（AI）和區(qū)塊鏈?zhǔn)菙?shù)字技術(shù)的新發(fā)展，它們產(chǎn)生并提供大量數(shù)據(jù)，來供企業(yè)用于開發(fā)新產(chǎn)品、新服務(wù)以及新工藝--所有這些都是都借助軟件實現(xiàn)的。這些新技術(shù)有助于為企業(yè)創(chuàng)造競爭優(yōu)勢。因此，對數(shù)據(jù)的限制可能會減緩這種競爭過程。

　　我們研究了東亞地區(qū)15個國家的數(shù)據(jù)限制政策，并調(diào)查這些限制是否確實影響了企業(yè)創(chuàng)新的可能性。我們以東亞國家為例的原因有兩個。其一，數(shù)字創(chuàng)新在該地區(qū)盛行。經(jīng)合組織最近的一份報告顯示，東亞對數(shù)字技術(shù)的運用日益增加，正在引發(fā)經(jīng)濟和社會的轉(zhuǎn)型(經(jīng)合組織，2019年)。其次，該地區(qū)隨著時間的推移，數(shù)據(jù)政策方面產(chǎn)生了有趣的變化。一方面，印度尼西亞、中國和越南等國家的數(shù)據(jù)政策非常嚴(yán)格，或者說隨著時間的推移對數(shù)據(jù)的限制日益嚴(yán)格。另一方面，韓國、馬來西亞和菲律賓等國家則已取消了數(shù)據(jù)限制。

　　針對本次研究的目的，我們創(chuàng)造了一個指數(shù)來衡量15個東亞國家在數(shù)據(jù)政策方面受到限制的程度。該限制性指數(shù)建立在Ferracane等人先前的工作基礎(chǔ)上（2018a; 2018b）。但隨著新政策的出臺，例如與知識產(chǎn)權(quán)（IPR）相關(guān)的政策，預(yù)計將在更大范圍內(nèi)影響數(shù)字創(chuàng)新。本文的第一步是描述和分析我們已經(jīng)收集了政策發(fā)展情況的該地區(qū)15個國家的數(shù)據(jù)限制發(fā)展情況。然后，利用該政策指數(shù)來分析它與10個東亞國家企業(yè)創(chuàng)新活動績效之間的關(guān)系。同時，我們考慮到數(shù)據(jù)限制可能會對數(shù)據(jù)密集型行業(yè)中的數(shù)字創(chuàng)新產(chǎn)生更大的影響，可以通過軟件使用來衡量它們。最后，我們選擇了三個具有特定企業(yè)層面數(shù)據(jù)的國家（馬來西亞，越南和中國），并使用不同的變量進一步分析我們的限制性指數(shù)是否對企業(yè)的創(chuàng)新活動有影響。

　　跨國研究和三個國家的相關(guān)性研究得出的結(jié)論表明，數(shù)據(jù)政策限制性更強的政策框架與企業(yè)進行數(shù)字創(chuàng)新的程度負(fù)相關(guān)。例如，在限制性數(shù)據(jù)政策水平較高的國家，企業(yè)不太可能通過許可使用外國技術(shù)。此外，國家案例研究表明，面臨較高數(shù)據(jù)限制級別的馬來西亞企業(yè)購買外國無形資產(chǎn)的可能性較小，而受到更高級別限制的越南公司則不太可能開發(fā)國際市場上的新商品和服務(wù)。結(jié)果表明，數(shù)據(jù)政策限制是東亞企業(yè)發(fā)展數(shù)字創(chuàng)新的重大障礙。

　　本文的結(jié)構(gòu)如下：第二部分闡述了進行這項研究的動機，并總結(jié)了有關(guān)數(shù)據(jù)、數(shù)字貿(mào)易和數(shù)字貿(mào)易政策限制的最新文獻(xiàn)。第三部分介紹了估算策略，并討論了兩個層次的實證分析，即橫向回歸檢驗以及特定國家的回歸案例。第四部分討論了這兩項分析的結(jié)果。第五部分通過將結(jié)果置于更廣泛的政策環(huán)境中進行了總結(jié)。

　　2、動機與最新文獻(xiàn)

　　盡管全球范圍內(nèi)數(shù)據(jù)流動呈上升趨勢，但對這一主題的研究卻出乎意料地有限。Manyika等人（2016年）聲稱，作為全球化的一部分，數(shù)據(jù)流的跨境和使用對GDP的貢獻(xiàn)已經(jīng)超過了商品流的貢獻(xiàn)。該研究指出，經(jīng)過近十年的發(fā)展，數(shù)據(jù)流目前占全球GDP增長總額的2.8萬億美元，對增長的貢獻(xiàn)要大于傳統(tǒng)商品貿(mào)易。

　　最近的文獻(xiàn)研究了數(shù)據(jù)的限制性政策。Stone等人進行了首次嘗試（2015），其中僅包括數(shù)據(jù)本地化需求的度量。他們的研究指出，數(shù)據(jù)流提高了國內(nèi)外專業(yè)服務(wù)公司的貿(mào)易效率。此外，F(xiàn)erracane（2017）的工作進一步對影響數(shù)據(jù)跨界流動的現(xiàn)有數(shù)據(jù)政策的不同形式進行了分類。該研究調(diào)查了64個主要經(jīng)濟體的數(shù)據(jù)政策，以表明許多國家以不同形對不同類型的數(shù)據(jù)實施了數(shù)據(jù)限制。最后，F(xiàn)erracane等人（2018b）為64個國家/地區(qū)制定了一個復(fù)雜的指數(shù)，其中評估了數(shù)據(jù)限制程度，涵蓋了與跨境流動和數(shù)據(jù)國內(nèi)使用相關(guān)的許多政策限制。本文使用該指數(shù)的更新和延展版本。

　　分析數(shù)據(jù)限制對經(jīng)濟成果影響的研究很少。Van der Marel等人（2016）和Ferracane等人（2018b）的成果是僅有的兩項研究，探討與數(shù)據(jù)相關(guān)的監(jiān)管政策如何影響生產(chǎn)力。作者從經(jīng)濟學(xué)的角度分析了這種聯(lián)系，為 Ferracane 等人(2018a)的數(shù)據(jù)的跨境和國內(nèi)使用建立了一個監(jiān)管限制指數(shù)，并隨著時間的推移擴展了該指數(shù)。作者通過在綜合指標(biāo)上回歸企業(yè)層面的生產(chǎn)率來計算與限制性數(shù)據(jù)政策相關(guān)的成本，該指標(biāo)評價限制性數(shù)據(jù)法規(guī)對使用軟件作為衡量數(shù)據(jù)需要依賴行業(yè)的影響程度。他們發(fā)現(xiàn)，嚴(yán)格的數(shù)據(jù)政策往往會對數(shù)據(jù)密集型行業(yè)的公司業(yè)績產(chǎn)生負(fù)面影響。本文采用了類似的識別方法，并分析了限制性數(shù)據(jù)政策對企業(yè)創(chuàng)新的影響。

　　之前的其他研究專門針對與數(shù)據(jù)有關(guān)的政策框架，即歐盟通用數(shù)據(jù)保護條例（GDPR），并估算了經(jīng)濟成本。Christensen等人（2013年）使用校準(zhǔn)技術(shù)來評估歐盟通用數(shù)據(jù)保護條例提案對中小企業(yè)（SME）的影響，并得出結(jié)論，認(rèn)為大量使用數(shù)據(jù)的中小企業(yè)遵守這些新規(guī)則可能會產(chǎn)生大量費用。作者使用模擬動態(tài)隨機一般均衡模型計算，結(jié)果顯示多達(dá)100,000個工作崗位可能在短期內(nèi)消失，長期可能超過300,000個。鮑爾等人的另一項研究（2013年）使用可計算的一般均衡GTAP模型估算歐盟通用數(shù)據(jù)保護條例的經(jīng)濟影響。研究發(fā)現(xiàn)，由于歐盟與世界其他地區(qū)之間的貿(mào)易減少，該項法律可能導(dǎo)致歐盟GDP損失高達(dá)1.3％。

　　Goldfarb和Tucker（2012）用實證研究證明了限制性數(shù)據(jù)政策與創(chuàng)新之間的不利聯(lián)系，并指出，之前針對衛(wèi)生服務(wù)和在線廣告領(lǐng)域的研究結(jié)果顯示，更嚴(yán)格的隱私規(guī)定可能會損害創(chuàng)新活動。兩項研究均表明，有效數(shù)據(jù)的獲取和使用與基于開放市場的創(chuàng)新之間存在密切的聯(lián)系。Goldfarb和Trefler（2018）的最新研究討論了限制性數(shù)據(jù)政策的潛在理論含義，例如數(shù)據(jù)本地化和嚴(yán)格的隱私法規(guī)對創(chuàng)新和貿(mào)易的影響，盡管這是從人工智能的角度來看。作者明確指出，對于數(shù)據(jù)流是重要因素的擴展型創(chuàng)新人工智能產(chǎn)業(yè)，將被諸如數(shù)據(jù)本地化等限制性數(shù)據(jù)政策所遏制。

　　本文基于Ferracane等人（2018a）的研究開發(fā)的特定并已擴展的數(shù)據(jù)政策限制指數(shù)，將文獻(xiàn)的兩個部分結(jié)合起來。然后將其與我們專門制定的一系列數(shù)據(jù)政策指數(shù)的東亞國家的企業(yè)數(shù)字創(chuàng)新活動相關(guān)聯(lián)。該指數(shù)涵蓋了與數(shù)據(jù)活動相關(guān)的各種指標(biāo)，其范圍比上文所述文件中使用的同類指數(shù)廣泛得多。例如，除了對跨境流動和數(shù)據(jù)國內(nèi)使用的限制外，我們現(xiàn)在還擴展了與數(shù)字部門知識產(chǎn)權(quán)、在線平臺的中間責(zé)任和內(nèi)容訪問有關(guān)的限制，以及有關(guān)電信市場的監(jiān)管政策。我們預(yù)計，這些數(shù)據(jù)限制將與企業(yè)創(chuàng)新的程度負(fù)相關(guān)，特別是在那些更依賴數(shù)據(jù)的行業(yè)中。在評估這一假設(shè)時，我們使用了Ferracane等人（2018b）開發(fā)的識別方法。

　　3、實驗策略

　　本部分闡述了實證策略。我們根據(jù)Ferracane等人（2018a）的工作成果和Ferracane和van der Marel（2018）制定了一項綜合指標(biāo)。在這兩項工作成果中，開發(fā)了一個數(shù)據(jù)關(guān)聯(lián)變量，該變量將其數(shù)據(jù)政策指數(shù)與行業(yè)級別的數(shù)據(jù)強度度量進行交互。在我們的案例中，綜合指標(biāo)由包含數(shù)據(jù)限制的指數(shù)組成，包括與知識產(chǎn)權(quán)和電信相關(guān)的指數(shù)，該指數(shù)與衡量行業(yè)使用軟件的密集程度的變量交互作用。我們認(rèn)為，后一個變量粗略地指定了每個部門使用數(shù)據(jù)的數(shù)量。某些行業(yè)比其他行業(yè)更依賴數(shù)據(jù)，我們預(yù)計數(shù)據(jù)密集型行業(yè)受限制性數(shù)據(jù)政策變化的影響更大。為了證實這一看法，我們將數(shù)據(jù)政策指數(shù)與表示行業(yè)級別數(shù)據(jù)強度的軟件使用程度進行加權(quán)。

　　在第二小節(jié)中，我們介紹了回歸的基線規(guī)范，在該規(guī)范中，我們使用了不同的企業(yè)層面的變量來衡量創(chuàng)新，并在數(shù)據(jù)限制的綜合指標(biāo)上對變量進行回歸。并使用兩種類型的企業(yè)層面的數(shù)據(jù)進行回歸，第一種使用世界銀行企業(yè)調(diào)查數(shù)據(jù)庫在跨國和行業(yè)層面的總體數(shù)據(jù)，此外還針對少數(shù)東亞地區(qū)使用了三個特定國家的企業(yè)級數(shù)據(jù)集，即馬來西亞、越南和中國。由這兩個數(shù)據(jù)集得出的結(jié)果是互補的，因為它們?yōu)槲覀兲峁┝瞬煌�的視角。世界銀行的數(shù)據(jù)代表了跨國公司間跨時間的數(shù)據(jù)集合，這將使我們對該地區(qū)國家所做出的政策選擇有一個整體的認(rèn)識。第二種數(shù)據(jù)集專門針對馬來西亞、越南和中國，并分析那些對跨國公司業(yè)績起重要推動作用的政策是否也在這三個國家的企業(yè)中得到了證實。

　　3.1數(shù)據(jù)鏈接

　　數(shù)據(jù)鏈接指數(shù)的取值方式基于Arnold等人開創(chuàng)的計算方法。（2011年；2015年）。他們開創(chuàng)的測算“服務(wù)鏈接指數(shù)”的方法已在實踐領(lǐng)域得到廣泛使用。在我們的研究案例中，我們?yōu)閿?shù)字創(chuàng)新設(shè)置了一個數(shù)據(jù)鏈接指數(shù)的變量，并在回歸分析中使用了此綜合指標(biāo)。在對每個國家進行分析時，我們將各個國家的專屬數(shù)據(jù)政策指數(shù)與（作為數(shù)據(jù)使用值的替代值的）軟件使用量進行交互，以衡量某個部門在其生產(chǎn)過程中使用數(shù)據(jù)的程度。該識別策略基于這樣的假設(shè)：在生產(chǎn)過程中更依賴軟件的行業(yè)受數(shù)據(jù)限制的影響更大。這種加權(quán)算法是衡量限制性數(shù)據(jù)政策影響的一種更完善的方法，優(yōu)于簡單地采用無加權(quán)算法而將我們的數(shù)據(jù)政策指數(shù)回歸到某一創(chuàng)新成果變量上。

　　在此計算過程中，我們將國家的專屬數(shù)據(jù)限制政策指數(shù)乘以代表每個下游產(chǎn)業(yè)的特定軟件使用程度的數(shù)據(jù)強度。這就是設(shè)置數(shù)據(jù)鏈接（DL）變量的方式。在此變量中，數(shù)據(jù)強度表示為（D / L），它由該部門的軟件使用量與勞動力數(shù)量的關(guān)系來衡量（見下文）。因此，在公式（1）中，術(shù)語?d表示每個部門的軟件使用程度，此數(shù)據(jù)來自美國人口普查ICT調(diào)查。數(shù)據(jù)強度表示為每個下游部門中使用勞動的比率，稱為LABj。此勞工數(shù)據(jù)可從美國勞工統(tǒng)計局（BLS）檢索。由此，我們得出以下公式：

　　請注意，與先前有關(guān)因子強度的文獻(xiàn)相一致，我們也將強度指數(shù)記錄在日志中。強度的表達(dá)方式近似于那些論述比較優(yōu)勢的文獻(xiàn)，例如Chor（2011），Nunn（2007）和Romalis（2004）。最后，在公式（1）中，數(shù)據(jù)政策指數(shù)指的是衡量限制性數(shù)據(jù)政策的國家特定變量（請參見第3.3節(jié)），而軟件數(shù)據(jù)則指美國特定行業(yè)一年期間的軟件使用情況（請參閱第3.2節(jié)），以避免內(nèi)生性問題。如果數(shù)據(jù)密集型部門隨著時間的推移不斷開展更多的數(shù)據(jù)創(chuàng)新活動，對任何國家而言，都將會導(dǎo)致數(shù)據(jù)監(jiān)管限制的降低。因此，對一個國家使用其特定行業(yè)的通用數(shù)據(jù)強度會使變量更加具有外源性。

　　3.2數(shù)據(jù)強度

　　為了衡量公式（1）中定義的數(shù)據(jù)強度，我們使用了2011年美國人口普查ICT調(diào)查中有關(guān)軟件使用的信息。這些數(shù)據(jù)基于調(diào)查，并以4位算法詳細(xì)記錄在NAICS部門中，其統(tǒng)計了每個行業(yè)和服務(wù)部門花費在ICT設(shè)備和計算機軟件方面的投入，以百萬美元為單位。

　　我們將計算機軟件支出納入數(shù)據(jù)強度的考量。ICT調(diào)查記錄了軟件支出的兩個獨立變量，即資本化的軟件支出和非資本化的軟件支出。非資本化的計算機軟件支出包括用于開發(fā)軟件的購買和相關(guān)開發(fā)人員的薪資支出，以及軟件許可和軟件的服務(wù)協(xié)議支出。資本化的計算機軟件支出包括設(shè)備和軟件本身的資本支出。盡管將軟件使用量作為替代值的統(tǒng)計不能完全洞察各行業(yè)使用電子數(shù)據(jù)的程度，但它仍然是我們可以公開找到的最接近真實狀況的一種數(shù)據(jù)使用變量。但是請注意，在公司內(nèi)部，由于數(shù)據(jù)的創(chuàng)新往往是基于軟件的，因此為軟件使用量作為替代因素提供了的充分理由。我們將2010年用于回歸分析，并將此軟件支出除以勞務(wù)量（同2010年數(shù)據(jù)），并將其用于我們的數(shù)據(jù)鏈接變量。

　　誠然，這種數(shù)據(jù)強度的數(shù)據(jù)替換并不理想。但當(dāng)前還沒有有關(guān)各部門使用數(shù)據(jù)程度的數(shù)據(jù)。關(guān)于國家使用的數(shù)據(jù)量（例如由Cisco或Teleography記錄的數(shù)據(jù)）只有一些猜測，但是即使這些來源也僅提供了少量的觀察數(shù)據(jù)。即使如此，那些使用軟件技術(shù)在互聯(lián)網(wǎng)上和跨邊界傳輸用于創(chuàng)新的數(shù)據(jù)是清晰可記的。數(shù)字創(chuàng)新的最簡便程序需要借助軟件來完成，并需借助軟件來傳輸數(shù)據(jù)。另外，借助本身就是軟件形式的云計算技術(shù)，可以使更多技術(shù)通過互聯(lián)網(wǎng)進行高級數(shù)據(jù)傳輸。因此，盡管沒有完全獲取部門中實際使用的真實數(shù)據(jù)量，但在我們看來，利用每個行業(yè)對軟件的使用強度的確是首選的最佳替代。

　　figure1展示了根據(jù)非資本化軟件支出計算出的每個部門的數(shù)據(jù)強度。3假設(shè)美國人口普查以2位制和4位制之間的混合級別記錄此信息，則可以在NAICS中以不同的數(shù)字級別下載構(gòu)建這些強度的數(shù)據(jù)。所有數(shù)據(jù)都符合ISIC Rev 3.1 2位數(shù)字級別。就業(yè)數(shù)據(jù)來自美國勞工統(tǒng)計局，以6位制給出，也與ISIC Rev 3.1 2位數(shù)字一致。我們在兩個數(shù)據(jù)源之間以最細(xì)分的級別開發(fā)了自己的一致性矩陣，然后通過采用簡單的平均值算法將其匯總到2位制。重新分類這些數(shù)據(jù)的原因是我們的創(chuàng)新變量在2位的ISIC版本3.1中提供。由于數(shù)據(jù)是在軟件和人工上以兩種不同的統(tǒng)計方式給出的，因此我們首先將所有數(shù)據(jù)匯總到ISIC中，然后統(tǒng)一計算強度。

　　根據(jù)我們對軟件支出的替代計算，figure1依照數(shù)據(jù)強度從高到低顯示了15個行業(yè)的數(shù)據(jù)使用程度排名。毫無意外，電信業(yè)是最高數(shù)據(jù)強度級別的行業(yè)，與勞動力強度相比，它具有很高的軟件強度。在剩余行業(yè)中，數(shù)據(jù)強度高的行業(yè)還有計算機、保險和金融，這也不足為奇。與勞工相比，他們使用大量軟件來運行。廣泛認(rèn)為后兩個部門是技術(shù)密集型行業(yè)，并且互聯(lián)網(wǎng)技術(shù)的使用在金融服務(wù)業(yè)中也正顯著增加。

　　在統(tǒng)計圖的另一端（圖中未顯示），家具、建筑、汽車銷售和服裝等行業(yè)的數(shù)據(jù)密集度最低。使用軟件強度居中的行業(yè)是現(xiàn)代和傳統(tǒng)行業(yè)的結(jié)合行業(yè)，例如運輸服務(wù)和基本金屬等各種制造行業(yè)。

　　3.3數(shù)字創(chuàng)新數(shù)據(jù)政策指數(shù)

　　數(shù)據(jù)鏈接變量的第二項是數(shù)據(jù)政策指數(shù)，該指數(shù)基于一組可量化的特定國家監(jiān)管政策，這些監(jiān)管政策預(yù)計會對數(shù)字創(chuàng)新產(chǎn)生限制性影響。這些限制性政策涉及數(shù)據(jù)的使用和傳輸、知識產(chǎn)權(quán)、中間責(zé)任、內(nèi)容訪問以及有關(guān)電信市場的監(jiān)管制度。我們借鑒了Ferracane（2018a）和ECIPE的數(shù)字貿(mào)易估算（DTE）數(shù)據(jù)庫來確立和構(gòu)建此指數(shù)。指數(shù)的分析對象是那些被認(rèn)為會對依靠數(shù)據(jù)進行創(chuàng)新活動的公司造成監(jiān)管成本負(fù)擔(dān)的政策。將某種政策措施列為對數(shù)據(jù)庫產(chǎn)生限制性影響的策略的標(biāo)準(zhǔn)如下：（i）它是否為在線和離線數(shù)據(jù)用戶創(chuàng)建了更加嚴(yán)格的制度；（ii）是否對國內(nèi)外數(shù)據(jù)用戶之間區(qū)別對待；（iii）是否以不經(jīng)濟不恰當(dāng)?shù)姆比呤侄蝸韺崿F(xiàn)某個政策目標(biāo)。

　　數(shù)據(jù)政策指數(shù)由6個不同種類因素組成，每個種類都包含與特定數(shù)字政策領(lǐng)域相關(guān)的一組政策限制，這些政策限制包括：知識產(chǎn)權(quán)（IPR），跨境數(shù)據(jù)流（CBDF），國內(nèi)數(shù)據(jù)使用和處理（DP），中間責(zé)任（IL），內(nèi)容訪問（CA）以及基礎(chǔ)架構(gòu)和連接（INF）。我們認(rèn)為，這些與數(shù)據(jù)相關(guān)的政策種類對東亞地區(qū)的數(shù)字創(chuàng)新形成了最大的政策限制。如上所述，每個類別都有各種特定的限制，可以在table1中進一步找到。Ferracane等人曾在2018年對上述限制做出具體解釋，其文獻(xiàn)還提供了有關(guān)形成限制動機的進一步信息，并討論了評估其限制水平的方式。該指數(shù)涵蓋2009-2019年的政策狀況。此外，指數(shù)所代表的政策現(xiàn)均已更新，每個國家都推出了新監(jiān)管措施。

　　為了建立這個指數(shù)，每個具體的政策措施都將根據(jù)其限制范圍的廣度在0（完全開放）到1（實質(zhì)為封閉）之間評分。分?jǐn)?shù)越高，表示數(shù)據(jù)政策的限制程度越高。盡管某些數(shù)據(jù)政策對于保護非經(jīng)濟目標(biāo)（例如個人隱私）或確保國家安全可能是合法且必要的，但這些政策仍然給開展數(shù)據(jù)相關(guān)創(chuàng)新活動的企業(yè)帶來了巨額成本，因此也反映在我們的指數(shù)中。以DTE數(shù)據(jù)庫為起點，我們使用從Ferracane等人2018版詳細(xì)加權(quán)方案，將特定政策匯總到指數(shù)中�？稍趖able1的最后一欄中找到相應(yīng)論述。

　　更具體地說，每種數(shù)據(jù)政策限制均按加權(quán)計算在完整的指數(shù)中。另外，在每個類別中，每個特定的政策限制也相互權(quán)衡。但是，在大多數(shù)情況下，政策限制在各自類別內(nèi)的權(quán)重相等，如table1所示。對于每個類別而言，IPR和CBDF的權(quán)重一般相等，為0.25，因此兩者合計占總指數(shù)的一半。另一半覆蓋其余四個類別，其中DP和CA類別的權(quán)重均為0.15。IL和INF類別的權(quán)重為0.1。請注意，在某些情況下會包含新的特定政策限制，例如某個國家是否已制定了數(shù)據(jù)保護法，而Ferracane等人并未采用該法律（2018）。Ferracane（2018b）提供了有關(guān)權(quán)重、評分和政策措施說明的更多詳細(xì)信息。

　　應(yīng)用我們的加權(quán)方案后，數(shù)據(jù)政策指數(shù)在0（完全打開）和1（實質(zhì)性封閉）之間變化。指數(shù)越高，各國實施的數(shù)據(jù)政策越嚴(yán)格。table2概述了每個東亞國家/地區(qū)的最終指數(shù)，并顯示了每種限制條件對最終指數(shù)得分的影響。顯而易見，中國的得分最高，為0.91。在很大程度上，這是由IPR和CBDF類別中較高的政策限制導(dǎo)致的。在中國之后，越南得分為0.82，其次是泰國和印度尼西亞，兩者的限制性水平均為0.64。限制最少的國家是中國香港特別行政區(qū)，得分為0.09，基本上是開放的。這僅顯示了一些與知識產(chǎn)權(quán)和中間責(zé)任有關(guān)的較小限制。日本是第二受限制最少的國家，得分為0.20。如figure2和figure4所示，東亞地區(qū)組使我們的數(shù)據(jù)政策指數(shù)形成實質(zhì)上的多樣性。

　　figure3顯示了數(shù)據(jù)政策限制的完整指數(shù)在2009年至2019年之間如何隨著時間而變化。該線性函數(shù)的指數(shù)涵蓋的15個東亞國家的加權(quán)平均值，以其各自的GDP作為權(quán)重。這樣做的原因是為了使整個地區(qū)得出無偏見的限制趨勢，應(yīng)根據(jù)各國的自身發(fā)展情況糾正國家的限制。越南這樣的小國可能受到嚴(yán)格限制，但與中國或印度尼西亞相比，該限制對該地區(qū)的經(jīng)濟影響要小得多。

　　因此，對所有國家一視同仁，將使整個地區(qū)的總體限制水平失真。我們可以看到，隨著時間的流逝，指數(shù)有明顯的上升趨勢，反映出東亞地區(qū)的數(shù)據(jù)政策正在變得日益嚴(yán)格。

　　3.4描述性分析

　　在使用公司層面的創(chuàng)新數(shù)據(jù)進行計量經(jīng)濟學(xué)評估之前，我們首先對數(shù)據(jù)政策指標(biāo)進行描述性分析，并說明其與在國家和行業(yè)層面上計算的現(xiàn)有創(chuàng)新變量之間的關(guān)系。

　　首先，我們從世界銀行企業(yè)調(diào)查中獲取公司層面的創(chuàng)新變量之一，然后按國家和部門對該二進制信息進行平均。誠然，這樣做存在問題，因為變量最初是二分的，并且在很大程度上取決于樣本中包含的公司數(shù)量。但是，進行此分析以獲得對計量經(jīng)濟學(xué)相關(guān)性可能采取的潛在研究方向的第一印象是有價值的。我們對所有部門進行了分析，但由于本文的主要研究對象為數(shù)據(jù)密集型行業(yè)中公司的反應(yīng)能力，因此目前主要關(guān)注計算機和相關(guān)服務(wù)領(lǐng)域的狀況。figure 1反映了計算機行業(yè)以及相關(guān)服務(wù)行業(yè)是軟件的主要用戶。

　　figure4呈現(xiàn)了一種負(fù)相關(guān)關(guān)系：一旦我們分別統(tǒng)計出每個東亞國家的限制性數(shù)據(jù)政策指數(shù)和我們在企業(yè)調(diào)查數(shù)據(jù)庫中發(fā)現(xiàn)的計算機和相關(guān)服務(wù)行業(yè)的創(chuàng)新偏好變量，就能發(fā)現(xiàn)二者呈負(fù)相關(guān)。該圖取h5變量的平均值，但是對于從同一數(shù)據(jù)庫中選擇的其他創(chuàng)新變量，也會出現(xiàn)同樣明顯的負(fù)相關(guān)性。顯然，數(shù)據(jù)限制程度較高的國家似乎在計算機服務(wù)行業(yè)方面的創(chuàng)新活動較少。在figure4中，中國是一個有趣的異常值。根據(jù)我們的數(shù)據(jù)政策指數(shù)衡量，我國的數(shù)據(jù)受到極大限制，但卻同時在計算機服務(wù)方面表現(xiàn)出很高的企業(yè)層面創(chuàng)新水平�？紤]到中國在數(shù)字領(lǐng)域的快速發(fā)展，這一現(xiàn)象不足為奇，但該數(shù)字也表明，中國顯然僅是該地區(qū)一個少見的例外。

　　figure 5展示了另一種有趣的相關(guān)性。我們引入了針對各國家根據(jù)我們的數(shù)據(jù)政策指數(shù)得出的特定變量，同時引用一個衡量東亞國家進口數(shù)字服務(wù)的數(shù)量占其商業(yè)服務(wù)總進口的份額的標(biāo)準(zhǔn)變量。同樣在這種情況下，我們看到兩個變量之間存在緊密的負(fù)相關(guān)性。這表明，在數(shù)據(jù)政策方面受到更多限制的國家數(shù)字服務(wù)進口份額更低。盡管我們的計量經(jīng)濟學(xué)分析沒有考慮服務(wù)貿(mào)易的這種變量，但它指出了封閉數(shù)字創(chuàng)新與開放市場之間的緊密聯(lián)系。服務(wù)貿(mào)易變量主要衡量通過軟件等互聯(lián)網(wǎng)執(zhí)行的數(shù)字服務(wù)進口量，而數(shù)據(jù)政策指數(shù)則反映針對數(shù)字技術(shù)（例如互聯(lián)網(wǎng)、數(shù)據(jù)和在線平臺）的限制性貿(mào)易政策。

　　但是，為了規(guī)范評估在每個東亞國家的整個經(jīng)濟中，數(shù)據(jù)密集型行業(yè)的公司是否由于較高的數(shù)據(jù)限制而在創(chuàng)新活動中受到了真正的影響，評估策略通過將各部門的軟件使用情況作為替代量，來考察每個行業(yè)的數(shù)據(jù)密集程度。

　　3.5基線回歸

　　如前所述，為衡量數(shù)據(jù)政策指數(shù)與東亞企業(yè)層面的創(chuàng)新活動是否有任何有意義的關(guān)系，我們采用了兩種回歸方法。

　　第一種方法采用的是跨國維度，其中我們對擁有數(shù)據(jù)的10個東亞國家進行了回歸分析。然后，我們進一步選取了一些國家，從國家來源專門記錄了企業(yè)層面的數(shù)據(jù)，并評估了我們的跨國分析成果是否與這些國家的回歸結(jié)論相一致。我們之所以采用這種分兩步走的方法，主要有兩個原因。首先是，跨國活動告訴我們一些國家隨著時間的推移而產(chǎn)生的差異，而針對具體國家的活動則更加強調(diào)政策限制本身的發(fā)展，從而為更具體的政策建議提供指導(dǎo)。此外，這兩個數(shù)據(jù)源記錄了不同的創(chuàng)新變量，這些變量使我們可以進一步了解公司數(shù)據(jù)限制政策會對哪一部分創(chuàng)新產(chǎn)生影響。

　　我們從跨國方法開始。在我們的基線回歸中使用公式（1），這在下面的公式(2)中有詳細(xì)說明。公式（2）測量了上述的數(shù)據(jù)鏈接指數(shù)與企業(yè)層面測得的若干創(chuàng)新變量（見下文）之間的時間相關(guān)性。因此，我們將在t年的第j行業(yè)中的c國的每個公司f?記錄的企業(yè)層面的創(chuàng)新變量回歸，而數(shù)據(jù)鏈接（DL）指標(biāo)則是在國別-部門年度層面規(guī)定的。因此，作為相關(guān)性的回歸基線規(guī)則采用以下形式：

　　在公式（2）中，向量INNO由我們選擇的東亞國家組中的四個企業(yè)層面創(chuàng)新變量組成。這些變量是：（1）公司在過去三年中是否引進了新產(chǎn)品/服務(wù)；（2）該公司在過去三年中是否引進了新工藝；（3）公司是否使用外國公司許可的技術(shù)；最后（4）該公司在過去三年中是否花費了新的研發(fā)費用（不包括市場研究）。四個變量分別由h1，h5，e6和h8表示，這與世界銀行企業(yè)調(diào)查數(shù)據(jù)庫的數(shù)據(jù)來源標(biāo)識一致。需要注意這些公司層面的數(shù)據(jù)是2009年至2018年之間的各個年份的截面數(shù)據(jù)，因此不記錄同一公司每年的數(shù)據(jù)。附件A中的tableA1、A2和A3以及figureA1提供了四個創(chuàng)新變量的累計企業(yè)分布概況，并按國家和行業(yè)分類提供了匯總統(tǒng)計數(shù)據(jù)。

　　還要注意的是我們的因變量僅能以二進制方式允許響應(yīng)的形式。企業(yè)調(diào)查數(shù)據(jù)庫以簡單的“是”或“否”報告這些答案。我們將變量轉(zhuǎn)換為虛擬變量，以使其有效地成為INNOfcjt∈{0,1}的非線性估計。因此，我們被迫執(zhí)行Probit模型。但是，在進入Probit回歸之前，我們首先執(zhí)行具有固定效果的LPM模型，因為前者為我們提供了有關(guān)Probit回歸時最有可能走向的方向的其他信息。此外，對于我們的三個國家情況，只能進行LPM回歸，因此出于一致性的原因，我們報告兩種類型的結(jié)果。由于包括固定效應(yīng)的各個方面，因此我們使用條件（固定效應(yīng)）邏輯回歸來估計Probit模型。

　　如上所述，我們的DL變量是根據(jù)公式（1）在國家/地區(qū)/年份級別定義的，因此在所有三個維度上都存在變化。雖然我們擁有截至2019年的數(shù)據(jù)政策指數(shù)數(shù)據(jù)，但由于企業(yè)調(diào)查數(shù)據(jù)沒有進一步發(fā)展，因此我們只能包含截至2018年的數(shù)據(jù)。

　　公式（2）還分別包括來自按國家（c）、行業(yè)（j）和時間（t）的固定影響。不僅如此，盡管事實是我們的因變量是在公司層面給出的，但我們不能包括企業(yè)層面的固定效應(yīng)，因為企業(yè)調(diào)查數(shù)據(jù)集具有相互重疊的跨行業(yè)性質(zhì)，因此，隨著時間的推移，跟蹤同一公司的發(fā)展是不可能的。最后, fcjt是誤差項，對于LPM回歸，其是按照行業(yè)國家進行聚類。對于我們的Probit回歸，我們無法聚類，但是數(shù)據(jù)是按照行業(yè)分組的。

　　我們的第二種方法是使用特定國家的企業(yè)層面的數(shù)據(jù)。我們擁有來自馬來西亞、越南和中國的企業(yè)層面的數(shù)據(jù)集。顯然，這三個數(shù)據(jù)集的可變覆蓋范圍不同，這意味著盡管所有三個數(shù)據(jù)集都報告了公司的資產(chǎn)負(fù)債表信息，但創(chuàng)新指標(biāo)在彼此之間并不一致。該數(shù)據(jù)僅適用于制造業(yè)。

　　在下面的公式（3）中給出的回歸規(guī)范中，創(chuàng)新變量再次匯總在一個稱為INNO的向量中，其中從屬的創(chuàng)新變量也為虛擬變量。因此，公式（3）中的INNOfcjt∈{0，1}。與公式（2）相比，經(jīng)驗設(shè)置在很大程度上相似，只是有一些細(xì)微的差異。其一是由于我們未觀察到任何國家的軟件使用和勞動情況，因此需要對公式（1）中定義的數(shù)據(jù)使用指標(biāo)進行調(diào)整。對于任何東亞國家，都很難找到有關(guān)這兩個變量的數(shù)據(jù)。其次，回歸方程只針對一個國家，以便關(guān)注政策隨時間的變化（與橫向分析中國家之間的政策差異相反）。為了更詳細(xì)地分析后一個方面，我們的DL度量現(xiàn)在將盡可滯后2年，或至少滯后1年。

　　總體而言，這三個國家的基準(zhǔn)回歸方程如下：

　　其中，INNO由記錄在馬來西亞、越南和中國每個國家特定的數(shù)據(jù)集的創(chuàng)新變量組成。DL術(shù)語與公式（2）中數(shù)據(jù)策略指標(biāo)與數(shù)據(jù)/軟件強度相互作用的項完全相似。但是，在我們的三個國家中，由于該地區(qū)缺少有關(guān)該變量的數(shù)據(jù)，因此我們只能測量數(shù)據(jù)使用的絕對比例作為總投入使用的一部分。我們使用國家投入產(chǎn)出（IO）矩陣來計算這三個國家每個行業(yè)的ICT服務(wù)在總投入使用中的比例。國家IO表取自世界銀行，并按2進制數(shù)字ISIC Rev.4進行報告。IO表可用于每個國家，因此代表了一致的來源。我們采用國內(nèi)水平（即不包括進口）以及在分析時間段開始或中間的一年中的輸入系數(shù)。

　　此外，術(shù)語f，j和t分別是公司、行業(yè)和年度的固定影響。當(dāng)然，由于存在三個特定于國家的回歸，因此我們自然不能得出任何國家固定影響。最后，j是誤差項，對于LPM回歸，現(xiàn)在將其按行業(yè)進行聚類。總而言之，由于技術(shù)限制，我們無法運行Probit模型，因此無法在所有三個國家執(zhí)行LPM。此外，對于中國，我們也在數(shù)次研究中執(zhí)行OLS，因為數(shù)據(jù)類型為我們提供了支持。

　　4、結(jié)論

　　本節(jié)以類似的后續(xù)方式分別闡述兩種分析方法得出的結(jié)論�？鐕�回歸分析的結(jié)論在table3和table4中給出，其中分別報告了LPM和Probit結(jié)論。特定國家的分析結(jié)論在后續(xù)圖表中呈現(xiàn)。

　　4.1跨國回歸分析結(jié)論

　　基于table3中對LPM回歸分析，結(jié)果證明其幾乎是無關(guān)緊要的，這意味著在大多數(shù)情況下，數(shù)據(jù)鏈接變量與企業(yè)的創(chuàng)新活動之間沒有發(fā)現(xiàn)統(tǒng)計學(xué)上的顯著相關(guān)性。也就是說，數(shù)據(jù)的限制性政策與公司選擇引入新產(chǎn)品或服務(wù)（如第1列中所示），引入新的組織程序（如第2列中所述）或在研發(fā)上花費更多的費用之間沒有任何實質(zhì)性的關(guān)聯(lián)（如第4列所示）。但是，第3列反映的結(jié)論確實體現(xiàn)出一些差異，這表明限制性數(shù)據(jù)政策與公司是否采用外國公司許可的技術(shù)有顯著的負(fù)相關(guān)性。

　　由于第3列中的系數(shù)現(xiàn)在已得到精確估算，table4中關(guān)于Probit的回歸分析也得出了相符的結(jié)論：限制性更強的數(shù)據(jù)政策與公司從外國公司獲得許可技術(shù)的可能性較低密切相關(guān)�？紤]到更改數(shù)據(jù)政策指數(shù)的邊際影響不是恒定的，因此，作為數(shù)據(jù)鏈接指數(shù)變量的限制政策系數(shù)每增加一單位，企業(yè)使用外國許可技術(shù)的可能性就會降低一些。即使第1列和第4列中的符號給出了負(fù)方向，其他三個正方向的創(chuàng)新變量仍然保持著影響甚微的狀態(tài)（在LPM回歸中并非如此）。還要注意，與LPM結(jié)果相比，Probit系數(shù)值顯著增加。

　　外國許可技術(shù)變量影響較大這一事實可能會引起人們的懷疑。事實上，也許會存在被許可的外國技術(shù)中可能包括軟件技術(shù)的情況，因此可能與我們的數(shù)據(jù)政策指數(shù)相關(guān)聯(lián)。這是因為公式（2）中數(shù)據(jù)鏈接變量的乘法項還包含每個行業(yè)使用軟件的程度。但是，仔細(xì)研究“企業(yè)調(diào)查”變量說明就會得出如下調(diào)查問題：“除了辦公軟件外，該機構(gòu)目前是否使用了外國公司許可的技術(shù)？”因此，我們確信在回歸分析中不存在任何人為或虛假的相關(guān)性。相反，由系數(shù)分析結(jié)論得，作為公司創(chuàng)新活動一部分的外國許可技術(shù)似乎與一個國家的數(shù)據(jù)監(jiān)管政策框架息息相關(guān)。此外，更嚴(yán)格的數(shù)據(jù)限制似乎阻礙了一國使用軟件的行業(yè)進行企業(yè)級創(chuàng)新。

　　4.2 特定國家的結(jié)果

　　本節(jié)介紹了針對馬來西亞、越南和中國這些特定國家的回歸結(jié)果。附件B、C和D分別提供了有關(guān)回歸問題所涵蓋的調(diào)查問題和變量的詳細(xì)信息，以及有關(guān)馬來西亞、越南和中國這些特定國家的每個數(shù)據(jù)集的一些摘要統(tǒng)計數(shù)據(jù)。

　　4.2.1馬來西亞

　　對于馬來西亞，我們擁有有關(guān)每個公司購買、使用和生產(chǎn)無形資本（例如專利、商譽、在建工程（包括新的和二手無形資產(chǎn)的進口））的程度以及每家公司的研發(fā)支出數(shù)額的數(shù)據(jù)。二手資產(chǎn)是指購買以前在馬來西亞使用的資產(chǎn)，包括在該國被收購之前經(jīng)過翻新或修改的資產(chǎn)。購買資產(chǎn)是指新購買的資產(chǎn)，最后，生產(chǎn)資產(chǎn)是指企業(yè)在馬來西亞生產(chǎn)供自己使用的資產(chǎn)。

　　由于使用了與ISIC Rev.4完全對應(yīng)的MSIC 2008分類，因此數(shù)據(jù)只涵蓋到2008年以后的年份。然而，如果我們應(yīng)用年固定效應(yīng)，我們將只有兩年的時間作為對象來進行分析，即2010年和2015年。所有變量都以二進制模式進行轉(zhuǎn)換，因此大于0的正值將被賦值為1，否則賦值為0。

　　在轉(zhuǎn)向回歸結(jié)果之前，figure7提供了用于實證規(guī)范的主要變量的描述性檢查。該圖在橫軸上繪制了馬來西亞ICT服務(wù)投入的IO系數(shù)，并與來自馬來西亞數(shù)據(jù)集的所有四個企業(yè)層面的創(chuàng)新變量的綜合指標(biāo)（我們稱之為創(chuàng)新得分）相對應(yīng)。我們稱之為創(chuàng)新得分，并將其總結(jié)為INNO項。這個創(chuàng)新得分計算為，其中 N 是問題的總數(shù)。創(chuàng)新得分按行業(yè)和年份進行平均。如圖所示，擬合值線是在不包括可口可樂和石油以及其他制造和再生產(chǎn)部門的基礎(chǔ)上繪制的，因為他們似乎是極端的異常值（請注意，這兩個部門也從未排除在回歸之外）從較高的ICT服務(wù)密集型部門對我們的創(chuàng)新評分更高的意義上看，向上傾斜的相關(guān)性是顯而易見的。回歸將顯示如figure8所示，馬來西亞數(shù)據(jù)政策限制性指數(shù)是否有任何作用。

　　調(diào)查結(jié)果記錄在table5中。其中，第1列中R＆D支出的回歸系數(shù)給出了顯著的結(jié)果，這在某種程度上是違反直覺的。由于企業(yè)創(chuàng)新活動進入國外市場受到限制，因此企業(yè)要對更多的研發(fā)活動做出反應(yīng)，這對于數(shù)字創(chuàng)新必不可少。在第3列中，系數(shù)結(jié)果給出負(fù)且顯著的結(jié)果。它表明，數(shù)據(jù)密集型行業(yè)的公司（以其ICT服務(wù)投入的份額作為代理）面臨更高水平的數(shù)據(jù)政策限制，這與企業(yè)無形資產(chǎn)作為其生產(chǎn)的一部分使用率降低有關(guān)。第2列和第3列中的購買和生產(chǎn)的無形資產(chǎn)變量均提供負(fù)系數(shù)符號，但在統(tǒng)計上并不重要。

　　4.2.2越南

　　以越南為例，盡管第一個使用的變量與馬來西亞數(shù)據(jù)重疊，但我們有一組不同的變量：兩者都報告了公司執(zhí)行了研發(fā)活動的規(guī)模。第二個創(chuàng)新變量可以更精確地衡量公司的研發(fā)活動是否有針對性，在針對市場或世界的新創(chuàng)新中，是否針對市場上新出現(xiàn)的創(chuàng)新，在這種情況下，這個變量的值取1。如果這種創(chuàng)新對公司來說只是新的，那么這種觀察得分為0。接下來的兩個變量用于衡量公司是否擁有任何國家或國際專利，越南數(shù)據(jù)集中也提供了這些專利。最后，最后一個變量是衡量公司是否進行任何形式的研究合作。所有變量均涵蓋2010-2013年，但由于我們的結(jié)構(gòu)滯后，因此只能包含三年。

　　figure9首先概述了五個企業(yè)層面的變量的IO系數(shù)和創(chuàng)新得分之間的相關(guān)程度。越南的創(chuàng)新得分的計算方法與馬來西亞相似，并且IO系數(shù)來自越南IO表。一條向上傾斜的擬合值曲線被繪制出來，表明這兩個變量之間總體上存在正相關(guān)關(guān)系。（但是請注意，出于上述類似原因，在繪制擬合值時，焦炭和石油行業(yè)以及造紙和印刷行業(yè)都將被排除在外。我們的回歸分析也排除了這兩個行業(yè)。）化學(xué)和制藥部門的創(chuàng)新得分要高得多，并且作為其國內(nèi)總投入用途的一部分，其ICT服務(wù)投入也很高。另一方面，食品和飲料等行業(yè)的兩個指標(biāo)水平都要低得多。figure10概述了越南數(shù)據(jù)政策指數(shù)的發(fā)展。

　　回歸結(jié)果的相關(guān)性見table6。在幾乎所有列中，結(jié)果與正系數(shù)結(jié)果在統(tǒng)計上是沒有意義的。在5％的水平上，唯一負(fù)的且顯著的變量是在第2列中，是否是公司針對市場或世界的新創(chuàng)新。但是，有趣的是，在這種情況下，第1列中的R＆D變量也像馬來西亞一樣為正。當(dāng)應(yīng)用1年的滯后時間時，此結(jié)果將在10％的水平上變得顯著，第5列中的研究合作變量也是如此。

　　4.2.3中國

　　對于中國，我們獲取了不同的數(shù)據(jù)，這些數(shù)據(jù)不是基于調(diào)查產(chǎn)生的。中國創(chuàng)新的數(shù)據(jù)通常很難獲得。因此，我們不得不使用來自湯森路透(Thomson Reuters)數(shù)據(jù)庫的數(shù)據(jù)，這些數(shù)據(jù)記錄了總部位于中國的私營和上市公司的信息。我們只記錄了與我們的研究目的相關(guān)的兩個變量，即無形資產(chǎn)凈值和R＆D支出（均為美元）。數(shù)據(jù)年份跨度較長，涵蓋了我們整個數(shù)據(jù)政策指數(shù)的持續(xù)時間，即從2009-2019年。figure11概述了我們在中國的限制性指數(shù)的發(fā)展。如人們所見，鑒于整個時期的限制程度都很高，該國的限制性指數(shù)幾乎沒有變化。

　　figure10顯示了將研發(fā)支出的變量除以每家公司的雇員人數(shù)與ICT服務(wù)投入系數(shù)之間的關(guān)系。（再次注意，可口可樂和石油行業(yè)被排除在外。）相關(guān)性是成正比的、緊密的，這表明使用ICT服務(wù)作為其整體投入結(jié)構(gòu)一部分的部門具有較高的人均企業(yè)支出在研發(fā)上。對于回歸分析，因為我們執(zhí)行LPM，所以我們將變量轉(zhuǎn)換為0到1之間的二進制模式，當(dāng)公司沒有報告任何價值時為零，以防企業(yè)報告的研發(fā)支出和無形資產(chǎn)為正值。然后，我們在回歸分析中還使用了研發(fā)支出的大小以及人均支出，并進行OLS檢驗這些結(jié)果是否提供任何進一步的證據(jù)。

　　結(jié)果報告在table7中。前兩列分別顯示了LPM回歸的R＆D支出和凈無形資產(chǎn)的結(jié)果。結(jié)果表明，只有無形資產(chǎn)凈值上的結(jié)果具有負(fù)相關(guān)跡象。因此，它表明，在面臨更高水平的數(shù)據(jù)限制的情況下，活躍于ICT服務(wù)密集型行業(yè)的公司報告的無形資產(chǎn)水平較低。結(jié)果并不甚顯著，甚至對研發(fā)支出的期望系數(shù)不是負(fù)數(shù)，而是正數(shù)，與馬來西亞和越南的結(jié)果一致。但是，當(dāng)使用類似的變量執(zhí)行標(biāo)準(zhǔn)OLS回歸時，第3列的結(jié)果表明，在這種情況下，R＆D支出顯著為負(fù)。然而，無形資產(chǎn)的變量仍然微不足道。第5列和第6列中的人均變量在執(zhí)行OLS時都沒有顯示出顯著的結(jié)果。

　　5、結(jié)論

　　開放市場對企業(yè)順利進行數(shù)據(jù)創(chuàng)新存在深刻影響，數(shù)據(jù)、知識產(chǎn)權(quán)、平臺和電信市場方面的政策限制都可能會對企業(yè)的數(shù)字創(chuàng)新產(chǎn)生連鎖作用。的確，本文發(fā)現(xiàn)，就10個東亞國家的數(shù)據(jù)而言，在線平臺和其他與數(shù)據(jù)相關(guān)領(lǐng)域的限制性政策與企業(yè)進行創(chuàng)新的可能性呈負(fù)相關(guān)，這種負(fù)相關(guān)在較多使用大量軟件進行技術(shù)創(chuàng)新的行業(yè)尤其明顯。因此，對數(shù)據(jù)、知識產(chǎn)權(quán)、平臺和電信的限制性較小的政策對企業(yè)順利實現(xiàn)數(shù)字經(jīng)濟創(chuàng)新至關(guān)重要。

　　對于數(shù)據(jù)政策較為嚴(yán)格的國家而言，公司通過許可使用外國技術(shù)作為其創(chuàng)新活動的一部分的可能性較小。此外，這三個針對特定國家的研究案例表明，限制性數(shù)據(jù)政策與公司使用專利和商譽等無形資產(chǎn)進行創(chuàng)新（以馬來西亞和中國為例），以及通過市場新研發(fā)進行創(chuàng)新的可能性之間存在負(fù)相關(guān)關(guān)系（以越南為例）。因此，綜合所有因素，我們得出的結(jié)論是，不采取針對數(shù)據(jù)及相關(guān)領(lǐng)域的不必要和限制性政策的開放市場環(huán)境有益于企業(yè)進行創(chuàng)新。

　　本文僅論述了相關(guān)性，但并沒有跡象表明因果推斷在該領(lǐng)域無存在可能，當(dāng)然應(yīng)該謹(jǐn)慎對待這一結(jié)論。若存在這樣的因果推斷，如本文所述，封閉數(shù)據(jù)和其他數(shù)據(jù)相關(guān)技術(shù)的市場亦不會在數(shù)字領(lǐng)域?qū)��?shù)字創(chuàng)新存在益處。而且，我們確立的指數(shù)所反映的限制種類對于那些利用無形資產(chǎn)進行創(chuàng)新的公司同樣具有重要意義。當(dāng)前，包括東亞在內(nèi)的世界上許多國家正在經(jīng)歷著從基于貨物和商品的有形經(jīng)濟向日益以服務(wù)、數(shù)據(jù)和創(chuàng)意等無形資產(chǎn)為基礎(chǔ)的無形經(jīng)濟的重大轉(zhuǎn)變。因此，至關(guān)重要的是，各國應(yīng)共同營造一個友好的政策環(huán)境，使各國公司可以借力于新經(jīng)濟發(fā)展成果來獲取更多運營資本，同時，也應(yīng)將各國合法的非經(jīng)濟目標(biāo)納入國際政策環(huán)境構(gòu)建的考量之中。

本文首發(fā)于微信公眾號：數(shù)字經(jīng)濟與社會。文章內(nèi)容屬作者個人觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風(fēng)險請自擔(dān)。