Dai Y, Gao H, Li N, Si Y. Patent collateralization and entrepreneurship[Z]. 摘要： 文章研究中国有关专利抵押融资政策造成的影响，发现三个关键机制：1）为企业在一级市场债务、股权融资提供便利；2）增强二级市场知识产权流动性；3）激励人才在劳动力市场创业。
分析方法：基于中国城市层面的政策变化，该变化允许企业在试点城市使用专利作为融资抵押品。通过双重差分法利用政策变化来捕捉专利抵押的增加，并研究其在当地企业家精神中的后续变化。本文发现政策实施显著增加了当地企业家的活动，平均而言，受政策影响的城市的创业公司数量比其他城市增加了约17%，这主要是由高科技产业的增长所驱动的。
机制检验： 专利抵押政策促进了专利抵押融资、私募风投。此外，我们还发现了政策导致专利交易上升的证据，包括在二级市场上的交易以及通过公司收购完成的专利交易。同时我们还发现政策鼓励更多高知个体创业。总的来说，这些结果支持这样一种观点，即专利抵押通过使初创企业获得融资、提高专利市场流动性和激励创业人才来促进创业精神。
内生性检验： 首先，确保处理组城市的企业家活动与控制组企业家活动是可比的。第二，参考 Beck, Levine, and Levkov(2010)的方法，验证没有城市特征与是否被选为试点城市概率的反向因果。第三，为了消除宏观经济的影响，我们使用国有企业（state-owned enterprises, SOEs）和外资企业进行安慰剂检验（placebo test），这些企业可能会被当地经济条件影响，但不会被专利抵押政策的出台直接影响。我们的分析显示了这些被扩展的个体与政策之间没有显著联系。第四，考虑到可能会有试点城市的溢出效应（影响到周边城市），我们比较了试点城市与其相邻城市，结果仍表明试点城市的效应显著于相邻城市。第五，为了解决试点城市选择中可能被遗漏的变量偏差，我们使用两阶段回归并发现工具化后的专利抵押正向解释了企业家活动。第六，使用不同的初创企业定义结果仍然稳健。最后，我们使用了不同的DID方法，结果仍然稳健。
本文贡献：本文有三大贡献。第一，拓展了有关抵押品在经济增长中角色的文献，此前研究主要集中于有形资产，少有关于无形资产作抵押的讨论。第二，对产权理论的贡献，现有文献通常将专利视为技术保护的工具，往往忽略了发掘其金融价值。最后，这篇文章加深了对金融发展真实效应和金融市场与企业家活动之间交互效应的理解。之前的研究集中于金融发展，我们的研究提出不一样的机制：专利抵押融资。它在当代创新生态系统中日益突出，需要大规模的实证分析。我们的研究结果表明，为无形资产量身定制的金融市场如何通过促进创业精神来推动经济增长。
样本数据： 样本时间跨度为2006-2019，2009年开始有试点城市，2016年公布了最后一组试点城市。年度企业家活动的代理变量为每千人的初创公司数。初创公司数据来自于China’s State Administration for Industry and Commerce(SAIC)，并在城市-行业-年份上聚合。为了确保数据准确反映了企业家的活动，我们关注的是独立企业，而不包括国企和外资企业的分支机构或子公司。
控制了城市特征，如GDP，人口，收入增长率，大学入学率。掐三个数据来自于China City Statistical Yearbook，大学入学率定义为每千人的大学生数量，数据来自Chinese Research Data Services Platform(CNRDS)。
专利抵押数据来自incoPat database，该数据库报告了某专利是否被使用或抵押。风投与私募数据来自于Zero2IPO数据库，其中包含投资时间、金额与有关融资者与投资者的细节信息，包括从天使融资阶段到成熟阶段的所有数据。专利交易信息来自于CNRDS与WIND数据库上的M&A。对每年的数据进行99%缩尾，最终得到包括290个城市从2006年到2019年的3901个城市年度数据与345789城市-行业年度观测点。
本节使用一个标准双重差分分析来对比政策实施前后企业家活动的不同。有城市-年度与城市-行业-年度面板回归式：
其中， $i$表示城市， $j$表示公司行业， $t$表示年份。因变量为每一千人的初创公司数。对处理组城市，当年及之后指示变量 $Collaterality$取值为 $1$，否则为 $0$。对控制组城市， $Collaterality$始终取0.
关键回归系数为 $\beta_1$，捕捉到政策变化的效应。因为包含了固定效应， $\beta_1$由城市内/城市-行业内政策变化前后的变化与控制组之间的差异来估计。
列（1）至列（4）的 $\beta_1$系数均在5%水平显著，且具有经济含义，表明城市企业家活动在抵押政策后确有提升。
列（5）和列（6）分析了与行业特定技术条件相关的异质处理效应。列（5）中，我们统计了2006年里每一个行业申请的专利数，变量 $HighPatent$取 $1$表明该行业专利申请数在该年为总体前20%以内。列（6）统计了分行业的初创企业，变量 $HighTech$ 取 $1$表示为高科技行业。结果显示高科技初创行业被影响更强烈。