工业革命中的创新网络

工业革命中的创新网络 【译者按】2024年4月，美国国家经济研究局（NBER）发布《工业革命中的创新网络》报告。报告认为，工业革命时期，不同国家之间的经济增长速度差异仍是学术争议的焦点，本报告试图通过深入分析英国和法国的创新网络，揭示创新活动的空间布局对两国工业化速度的影响。报告分析了18世纪末英国和法国的专利数据。评估了英国与法国发明家在创新网络中所处位置的差异。通过新估算策略，量化两国在技术分配上的差异。最后总结创新网络结构如何影响英国相较于法国的更快工业化进程。赛迪智库规划研究所对该报告进行编译，期望对我国有关部门有所帮助。 【关键词】工业革命创新网络专利经济增长 一、引言 一是为无法获取标准研发支出和专利引用等数据的历史背景下提供了新的创新网络研究方法； 二是为创新网络对技术发展至关重要提供了更强的因果证据； 三是开发了新的评估方法，帮助量化不同技术领域的研究力量分配对经济增长的影响； 四是通过模型验证了创新网络对经济增长的具体贡献，证明了英国在工业革命中通过正确分配研究力量获得了增长优势。 二、历史背景 工业革命时期，英国和法国经济增长速度存在差异，重点分析了两国发明者在技术领域的不同分布及其对经济增长的影响。英国在机械技术方面的领先地位使其在工业化过程中处于优势，而法国则在化学技术和其他消费品领域取得了重要创新。技术类型的不同导致两国在经济增长上的差异。 根 据 现 有 的 增 长 数 据 ， 英 国 的 工 业 生 产 年 均 增 长 率 为3.1%-3.5%，而法国为1.9%-2.5%，英国的工业增长速度比法国快约0.6-1.2个百分点。本文章的核心目标是分析增长差异背后的机制，尤其是研究力量在不同技术领域的分配对增长的贡献。 三、理论：通过创新网络实现增长 （一）研究目的与模型框架 本节介绍了创新网络增长理论，重点研究不同技术领域的研究力量如何通过创新网络影响经济增长率。模型基于刘和马（2023）的研究，在内生增长框架中引入了跨技术部门的溢出矩阵。 （二）模型结构 1.偏好与生产 模型假设代表性消费者的效用来自多个部门的商品，商品质量由部门内的中间产品决定，产量仅依赖于部门内雇佣的劳动力数量。 2.创新 每个部门的知识存量通过研究人员的努力提升，新创意的生产受到其他部门知识存量的影响，即创新网络的溢出效应。 3.资源约束 模型假设生产工人和研究人员的数量是固定的，排除了研究生产力变化对工人转向研究的影响，强调研究力量分配差异对经济增长的作用。 （三）关键结果 1.创新网络的作用 模型推导了部门当前知识存量与其他部门创新率之间的关系，为实证分析提供了基础。 2.研究力量分配与增长率的关系 研究力量的分配决定了各部门知识存量和消费总量的增长率，创新网络的结构影响增长。 3.英国与法国增长差异 研究力量的分配差异可能解释英国和法国经济增长率的差异，特别是不同技术类型之间的研究力量分配对增长的影响。 4.增长最大化分配 为实现增长最大化，研究力量应更多分配给创新网络中更核心的技术。 （四）讨论与扩展 1.创新网络的演变 创新矩阵可能会随着时间变化，且这种变化较为缓慢，因此在长期内将其视为固定矩阵是合理的。 2.国际溢出效应 模型可以扩展到考虑国际创新溢出效应，进一步探讨不同经济体之间的创新影响和技术传播。 四、数据 （一）专利数据 英国专利数据：涵盖1700年至1849年约12,500项专利，来源于英国专利局数字化的《按时间顺序排列的发明专利标题》。这些数据包括专利号、发明者信息、专利名称等，并按照602个技术子类分类。 法国专利数据：涵盖1791年至1853年约11,000项专利，数据来自法国国家专利局（INPI）。法国专利分为三类：发明专利、进口专利、改进专利，分析主要集中在前两类。法国专利采用550个技术关键词分类，且发明者可选择专利期限。 （二）链接发明者的专利 由于缺乏发明者标识符，采用手工链接方法将发明者的专利数据进行匹配。 英国数据识别出8,980名发明者，法国数据识别出约10,500名发明者，法国数据的链接较为可靠。 （三）一致的技术类别 英国和法国的技术分类体系不同，分析通过建立两国专利的映射关系来解决这一问题。 基于1148项共同专利，构建了123个一致的技术类别，确保 两国数据的可比性。 （四）生产网络连接 为控制生产网络影响，使用1907年编制的英国投入产出表，涵盖33个行业之间的联系。 结合发明者职业，构建了技术类别与产业之间的概率映射，进一步帮助分析技术如何通过生产网络实现上下游关联。 （五）展览数据 使用1851年水晶宫博览会的展品数据，涵盖来自英国和法国的展品。 通过展品的分类和参展商信息，将展品与专利数据中的发明者联系起来，为研究提供了支持性证据。 （六）数据映射模型 讨论如何将专利数据映射到模型中。 采用函数形式nit=Patentsit+1，即假设每个类别都存在基线知识生产，避免了专利为零时溢出效应不确定的问题，确保模型的可操作性。 五、测量创新网络 本部分介绍并验证了一种在没有系统专利引用数据的情况下测量创新网络的新方法。 （一）基于引用的标准方法 技 术 类 别j对 类 别i的 溢 出 效 应 强 度 通 常 用来衡量，其中Citesij是类别i中引用类别j中专利的数量。 （二）基于发明者的创新方法 将类别j对类别i的溢出效应强度定义为： 使用英国专利、法国专利或两者计算值。给予每种专利制度相同的权重，只需将英国和法国的（行归一化）边值平均，即可得到联合矩阵。 （三）方法检验 比较了基于引用的标准方法和基于发明者的方法所得到的边（项）。很明显，两种方法得出的结果非常相似。因此，基于发明者的方法与现有研究中常用的基于引用的方法所生成的网络非常接近。 六、工业革命中的创新网络 （一）创新网络的构建 在验证方法有效性后，研究将其应用于工业革命时期的英国 和法国专利数据。通过基于两国专利数据的联合矩阵，构建了创新网络图。 （二）技术类别的集群 核心技术类别集中在蒸汽机、铁路、热能等领域，反映了工业革命关键技术。 网络中还有化学品、油、染色等技术的集群，以及家具装饰、床上用品等相似技术集群。 一些技术类别，如珠宝、棺材等，位于网络边缘，连接较少。 （三）英国和法国创新网络的相似性 研究通过回归方法评估了英国和法国创新网络的相似性。回归结果显示，两个国家的网络存在显著的相似性，表明它们可能共享某些潜在的“全球”创新网络结构。 （四）节点中心度的比较 进一步通过节点的特征向量中心度来评估两个网络的相似性。实验显示，英国和法国网络中节点的中心度分布非常相似，进一步验证了两国网络结构的共性。 （五）展览数据的验证 为了排除专利制度的影响，研究还构建了基于1851年水晶宫博览会数据的创新网络。结果表明，从博览会数据构建的网络与专利数据构建的网络具有相似的结构。 通过对比专利权人和参展商的重叠，发现参展商在创新网络中的中心节点与专利数据中的中心节点相符，进一步证明了无论基于专利数据还是博览会数据，创新网络结构高度相似。 （六）结论 通过不同方法验证，研究发现英国和法国的创新网络存在显著的相似性，表明这两个国家的创新网络可能受共同的全球因素影响，而不仅仅是各自特有的制度或经济条件所决定。 七、网络对创新的影响 在本部分中，将研究网络对创新的影响。第一步，根据现有的现代创新网络研究，使用网络加权知识存量的滞后值进行面板回归。这种方法的识别依赖于相关技术类别不存在共同冲击的假设。为了解决这个问题，在第二步中引入了一种新方法，即利用某些技术类别中重要发明的意外出现来分离知识存量的变化。 （一）知识存量对专利申请的影响 利用面板回归分析，研究了知识存量对技术类别的创新影响。研究表明，网络邻近加权滞后知识存量与专利申请率存在显著正相关，尤其在较短的滞后期内。随着时间的推移，这种关联逐渐减弱，符合预期的指数衰减模式。 下游知识存量对专利申请的影响则是负面的，且影响较小。 （二）宏观发明对专利申请的影响 由于技术类别之间可能受到共同冲击，研究引入了宏观发明来检测创新网络的作用。宏观发明是对现有知识的重大增量，且通常是不可预测的。研究通过不同的方法（如专利清单、努沃拉里清单和交汇清单）识别宏观发明，并分析这些发明对其他技术类别的影响。 结果表明，宏观发明出现在上游技术类别时，显著增加下游技术类别的专利申请，而出现在下游技术类别时，创新反而减少。进一步的分析排除了投入产出联系的影响，验证了这些结果的稳健性。 八、各国发明者的中心度 本部分研究了英国和法国发明者在创新网络中的中心度差异，探讨了不同国家发明者在技术类别分布上的系统性差异，并分析了这些差异对技术增长率的可能影响。 （一）创新网络中的中心度比较 通过对比英国和法国发明者在两国专利申请活动中的技术类别分布，研究了外国发明者与本国发明者在创新网络中的中心度。 结果表明，外国发明者（尤其是美国发明者）在法国创新网络中倾向于选择较核心的技术类别，而英国发明者则偏向于在英 国专利系统中的核心类别申请专利。 通过对比法国和英国发明者的中心度，发现英国发明者在创新网络中的中心度明显高于法国发明者，特别是与美国发明者相比。 （二）解释与假设 可能的解释有两种：一是英国发明者专门从事更核心的技术类别；二是外国发明者普遍倾向选择核心类别。通过对比结果得出，英国发明者在创新网络中选择更核心的技术类别，尤其是与美国发明者相比。 （三）其他分析 进一步通过基于展览数据的创新网络分析，验证了英国参展商相对于法国参展商在中心度上的差异，进一步支持了英国发明者在核心技术类别上的优势。 九、增长效应量化框架 本部分通过创新的方法量化了两国在研究力量分配上的差异如何影响经济增长，并深入分析了技术类别、国际溢出效应等因素的影响，得出了具有保守性且符合历史背景的估算结果。 （一）增长效应量化框架 研究发现，英国的发明者倾向于将研究力量集中在创新网络 中更为核心的技术领域，这与增长最大化分配理论相符。为量化这种差异对经济增长的影响，使用了一个数学模型，结合国家的研究成果（专利）和知识存量，反推研究力量的分配。 （二）数据问题与新方法 由于缺乏研发支出数据，研究团队开发了一种新方法，从观察到的专利成果中反推研究力量分配，同时考虑知识存量对生产力的影响。这种方法弥补了数据不足，并能适用于其他存在数据不可靠的环境。 （三）增长差异的预测与实际情况 通过模型估算，研究力量分配差异在两国的经济增长中造成了显著影响。使用不同的知识存量滞后期数，预测的增长差异为0.45%至1.2%。其中，英国和法国的科研力量分配差异对经济增长的贡献占总差异的38%至75%。 （四）国际溢出效应 研究还探讨了国际溢出效应，即一国的创新成果是否影响到另一国。结果表明，虽然两国间的创新技术可能传递，但由于历史时期的通信障碍和技术进步的快速发展，国际溢出效应在此研究中对增长影响不大。 （五）按技术类别分的贡献 研究还将增长差异按技术类别细分，发现蒸汽机技术对英国 经济增长的贡献最大，符合历史上英国在机械技术方面的领先地位。相反，农业相关技术对英国的增长贡献较小。 （六）模型的保守性 总体上，研究认为使用该模型得到的增长差异估算相对保守。尽管不同的技术类别分配差异对增长有影响，但相比其他方法，使用该方法得出的增长差异较小。 十、结论 （一）研究背景与重要性 在工业革命初期，英国发明者主要专注于蒸汽机和纺织机械等技术，而非其他领域如造纸和化工。这种研究力量的分配被认为对英国与法国在技术增长率上的差异具有重要影响。 （二）英国与法国的创新分配差异 研究指出，英国和法国在创新网络中的发明者分配存在根本差异，这种分配差异对两国的技术增长率差异起到了重要作用。 （三）研究方法与工具 该研究运