加载中...
数据目录 · 共 64 个条目 · 20 个分类浏览简化目录
SSRD上市公司与资本市场5
政府与司法数据4
企业主体与全景画像4
人民数据1
人物数据1
劳动就业数据2
Basic Research Funding, Knowledge Dissemination and Innovation Transformation: Evidence from NSFC Funding
本文考察了国家自然科学基金（NSFC）基础研究资助在知识传播与创新转化中的作用。基于1997—2009年168个城市、7个领域的国家自然科学基金资助与专利信息匹配数据集，我们发现国家自然科学基金资助不仅促进了学术专利产出，而且提升了企业申请专利的数量与质量。这种知识溢出的重要渠道之一是校企合作。在各类国家自然科学基金项目中，旨在培养未来科技发展人才尤其是青年人才的人才项目表现最佳。
Abstract
We examine the role of basic research funding from the National Natural Science Foundation of China (NSFC) in knowledge dissemination and innovation transformation. Based on a matched dataset containing NSFC funding and patent information from 1997 to 2009 in 168 cities and 7 fields, we find that NSFC funding not only stimulates academic patenting, but also increases both the quantity and quality of patents filed in firms. One of the important channels of such knowledge spillover is through the cooperation between universities and firms. Among the various NSFC projects, the talent projects aiming at cultivating talents for future scientific and technological development, especially for youth, perform the best.
国家自然科学基金资助显著提升学术专利产出
以城市-领域-年份为观测单位，被解释变量为学术专利数量的对数，核心解释变量为国家自然科学基金资助金额的对数。基准双向固定效应模型结果显示，国家自然科学基金资助每增加1%，学术专利申请量约增加0.135%，表明基础研究资助对学术创新具有显著正向激励作用。
国家自然科学基金资助同时提升企业专利数量与质量
以企业专利申请数量与质量为被解释变量，结果发现国家自然科学基金资助每增加1%，企业申请专利数量约增加0.065%，且专利质量同步提升。这一结果表明基础研究资助能够通过知识溢出促进企业创新，实现从学术研究到产业应用的创新转化。
校企合作是知识溢出的重要渠道
通过在校企合作程度较高的样本中考察国家自然科学基金资助对企业专利的影响，发现校企合作能够显著放大国家自然科学基金资助对企业创新的正向效应。这表明大学与企业之间的合作网络是基础研究成果向产业界扩散的关键传导机制。
人才项目在促进创新转化方面表现最佳
将国家自然科学基金项目类型进行细分后发现，旨在培养未来科技发展人才尤其是青年人才的人才项目，对企业专利数量与质量的提升效应最为显著。国家自然科学基金人才项目资助每增加1%，企业专利产出约增加0.031%，高于其他类型项目的平均效应。
国家自然科学基金资助对专利质量的影响具有异质性
异质性分析表明，国家自然科学基金资助对发明专利等高价值专利的促进作用更为明显，且在高校科研实力较强的城市和领域，资助的创新转化效应更大。这一发现为优化基础研究资助结构、提升资金使用效率提供了经验依据。
核心解释变量
国家自然科学基金资助金额（取对数），以及细分项目类型（如人才项目）的资助金额
被解释变量
学术专利申请数量、企业专利申请数量与专利质量（引用加权）
样本与数据
1997—2009年中国168个城市、7个领域的国家自然科学基金资助与专利匹配面板数据
识别方法 / 模型设定
采用双向固定效应模型（three-way fixed effects），控制城市、领域、年份固定效应及城市-领域时间趋势，利用国家自然科学基金资助在时间与截面上的变动识别因果效应
内生性及稳健性检验
通过工具变量法、替换核心变量度量方式、控制潜在遗漏变量、改变样本区间和聚类层级等进行稳健性检验，结果保持稳健
更多相关数据正在补充