注：本推送为社科论文工作坊团队写作终稿，作者为潘昱丞、吴佳灏和张艳萍。由于创新具有累积性，会导致后续创造受到前期成果的影响。现有专利是否影响创新是政府和学界关注的重要议题。专利保护制度的排他性在弥补开发成本的同时是否阻碍了后续创新？其结果决定着专利申请成败及专利政策的制定。部分学者提出了富有争议的理论观点，然而几乎没有实证研究提供支持或反驳的证据。为了弥补定量证据缺失的遗憾，Bhaven Sampat和Heidi L. Williams在American Economic Review上合作撰写并发表了论文“How Do Patents Affect Follow-on Innovation? Evidence From The Human Genome”。其利用美国专利商标局的基因专利管理数据，实证检验了人类基因专利是否影响到各类科学研究和产品开发。数据集构建和研究设计方面。为了解人类基因专利对后续科学创新的影响，作者收集的数据分为两方面。专利相关数据，作者获取截至2010年申请成功和申请失败的专利数据，并将其分为含DNA序列的完整样本和仅含人类基因序列的子样本以进行准实验。创新相关数据：作为科学性的后续科学出版物数量、以及作为商业性的临床试验次数和基因诊断检测次数。本文的第一个准实验设计是比较申请成功和申请失败的基因专利对后续创新活动的影响，对比结果发现前者在申请之前更具科学价值和商业价值。对于后者是否可以作为前者的有效对照组，作者通过图形分析发现两者在专利数量上存在差异，但在后续科学研究或后续商业化方面均无显著差异。为探究差异大小，作者再次进行了回归分析，发现95%置信区间可以拒绝大于0.03标准差的后续创新的下降或增加。但是对于导致差异的原因尚不清晰，为此作者进一步采用IV回归进行深入探讨。第二个准实验设计作者采用IV变量进行了更为干净的因果识别。研究设计思路如下：审查员的专利授予倾向会影响专利申请是否成功，但对后续创新活动并无直接影响。基于此，作者利用Jackknife方法构建了专利授予倾向指标，并对其进行残差化处理得到本文所需的IV变量。为了检验IV变量是否满足独立性、相关性和排他性约束三个方面要求，作者进行了以下工作。（1）随机性：阐述了美国专利商标局设计的专利申请随机分配系统保证了随机性要求。（2）相关性：全样本的第一阶段回归结果表明，审查员平均专利授予倾向每增加 10 个百分点，专利申请成功概率会增加6.8个百分点。F统计量拒绝了弱工具变量假设。稳健性检验采用替换固定效应、替换样本、基于专利授予倾向中位数的图形分析，结果与基准回归相一致，因此符合相关性要求。（3）排他性约束：作者先假设专利申请价值越高，审查员予以通过的概率越大。利用专利族规模和索赔次数衡量专利申请价值，作为专利成功预测率的代理变量。结果表明专利成功预测率与专利实际通过率密切相关，但与IV变量并无直观关联。IV回归估计再次表明基因专利对科学性或商业性的后续创新并无显著影响。
