美国制裁对中国芯片上市企业创新绩效影响研究

admin管理员组

文章数量:1535463

2024年6月24日发(作者：)

美国制裁对中国芯片上市企业创新绩效影响

研究

作者：何瀚玮 蒋键

来源：《现代管理科学》2022年第01期

[摘要]自2015年起，美国开始对中国芯片产业实施经济和贸易制裁。之后的几年，中国政

府对芯片产业给予了多重支持。在双循环新发展格局下，美国的经济贸易制裁对于中国芯片上

市企业到底是利刃还是机遇？基于2013—2019年的芯片产业上市企业数据，通过研发投入、

单独专利申报数量、联合专利申报数量等变量着手设计双重差分估计模型，试图探讨在不同程

度及不同效力的制裁下中国芯片上市企业的创新绩效。经剖析后发现，美国对中国芯片企业的

制裁一方面对芯片企业的创新绩效产生了显著的正向影响，另一方面也倒逼半导体相关企业自

救及正向影响了相关领域上市企业的单独专利及联合专利申请数量，大幅提升了企业创新绩效

水平。

[关键词]芯片上市企业;创新绩效;经济贸易制裁;贸易摩擦

一、 引言

近年来随着中国与美国国际贸易的迅速扩张，两国之间的贸易摩擦引起了众多学者关注。

事实上，由于特朗普政府对中国的立场得到了美国人民的大力支持，目前拜登政府似乎不太可

能有效改变对中国的经济贸易政策，因此本文试图从微观经济的角度评估美国经济贸易制裁对

中国芯片上市企业创新活动的影响。

政治经济学领域的文献关注不同国家遭遇全球政治风险对其的掣肘与挑战，宋耘等指出该

领域的文献缺少对非国家主体尤其是企业的关注及量化研究[1]。本文的关注点进一步缩小到

中国政府大力支持的半导体产业上（在国内外文献中，半导体和芯片两个词经常混用），探讨

在贸易保护主义不断强化的雙循环新发展格局下芯片上市企业的创新绩效是否受到美国制裁的

影响。虽然国际关系学者Kennedy等认识到创新在国际贸易中至关重要，但该领域仍然欠缺对

政治政策及政治斡旋如何作用于不同国家企业创新层面的具体剖析[2]。因此，本文采用倾向

得分匹配-双重差分法（PSM-DID）研究美国经济贸易制裁相关政策法规的实施与中国芯片上

市企业创新绩效的关联程度。

本文通过文献综述探讨美国制裁造成的中美贸易摩擦及对两国经济所造成的深远影响。接

下来，通过假设推演、双重差分匹配模型建构及实证数据分析讨论美国制裁与中国芯片上市企

业创新活动之间的联系，最后一节总结并考虑其对中国芯片产业的启示。本文的经验研究主要

涵盖两个方面：一是在经济数量模型分析中实证美国制裁对中国芯片上市企业创新绩效是否有

显著影响。二是发现美国制裁作用于企业创新绩效的深层机理及重要途径。通过分析芯片概念

有关上市企业创新绩效的基本数据，并通过构建数量模型，本文试图建立美国制裁与芯片制造

上市企业创新绩效之间的直接关联。本文的边际贡献为：①通过揭示其背后的深层作用机理，

对企业创新研究形成重要补充;②同时在研究中引入政治经济学的相关理论，增加制裁对企业

创新绩效路径选择的关系。

二、 文献综述及研究假设

1. 经济贸易制裁及中美贸易摩擦

国外文献大多从政治经济学角度出发，探讨制裁的效力及对被制裁国的影响路径。Bown

试图分析在与中国的现代冲突中，美国政策制定者如何制定针对半导体供应链的一系列出口限

制，以试图保护本土行业的关键技术壁垒[3]。Yang等运用引力模型表明美国经济制裁对受制

裁国家的贸易没有重大影响，这些相同的制裁也增加了目标国家与欧盟或日本之间的贸易

[4]。Peksen经过梳理文献发现如果经济制裁是由国际机构主导的多边制裁，那么经济制裁在

实现其政策目标方面更为有效[5]。综上所述，现有文献大多从国际关系、外交政策等国际视

野及角度出发，较少梳理制裁对企业创新效益的影响机理。

表1详细梳理了2015—2020年美国对中国芯片产业的制裁路径，从表1中的时间序列可

进一步得知2018年及2019年美国政府的经济制裁力度及效力为近年之最。张亚军认为结合贸

易战的背景，美国在该时点激活制裁，实际上是剑指中国新一代信息技术产业，意在遏制中国

高科技领域特别是芯片产业的崛起[6]。

美国自2015年起对中国芯片产业采取的各项经济贸易制裁可表现为另一种层面的中美贸

易摩擦，贸易摩擦的第一类文献大多从全球宏观经济金融角度出发并聚焦于不同国别之间受到

中美贸易摩擦的经济效应。其中的代表性文献包括谢建国通过实证模型探讨美国对中国实施贸

易制裁的关键因素，结果表明经济效应为最主要原因[7]。第二类文献则从全球价值链的理论

视觉出发，其代表性文献包括余振等使用三国模型分析说明中国制造业在全球价值链地位不断

攀升[8]。第三类文献则着重从行业出发，探讨中美贸易摩擦中不同行业受到的冲击及应对之

策。颛孙书勤认为中美贸易摩擦短期内会使中国企业的创新水平下降，但从长周期来看会促进

中国企业创新能力的提升[9]，这篇文献也是本文的重要理论依据。最后一类文献着重探讨中

美贸易摩擦后中国的各项应对之策。陈继勇评估了中国应对美国贸易摩擦各项对策的实际效果

[10]，其中多次提到自主技术创新的重要性，也为本文提供了理论基础。

2. 企业创新绩效的度量

当前的国际政策及中美贸易大环境，如知识产权保护等虽然极大限制了中国芯片上市企业

创新绩效的自主发展，但黄先海指出国外知识产权保护反过来也可以激励企业创新，并以华为

举例说明知识产权制度在国际贸易层面可以正面影响企业的创新活动[11]。陈劲认为在衡量企

业技术创新绩效时，专利申请数可以作为衡量企业技术创新绩效的一个重要内部因素[12]。张

晓月对2010—2015年中国上市芯片企业专利质量进行实证研究，发现发明专利在芯片企业专

利质量中具有重要地位[13]。Boly等认为研发投资不仅代表了企业对创新的投入，而且还提供

了对战略活动的见解，这对于技术能力积累至关重要 [14]。正如Lee所建议的那样，技术领导

企业试图根据其积累的能力增加研发投资，从而形成技术能力积累的积极循环[15]。从研发政

策的角度来看，中国芯片上市企业重视研发投资以促进技术创新，其增长势头的变化从因素驱

动转向创新驱动。随着劳动力成本竞争优势的下降，中国迫切需要加快技术创新的步伐。Shin

等学者认为技术创新是企业价值创造和竞争力的关键因素，芯片产业的研发活动更多集中在芯

片设计和开发环节上 [16]。

本文采纳了以往研究的创新绩效衡量过程，将研发投入、企业单独及联合获得的专利数量

作为测量芯片概念上市企业创新绩效的测度变量，以美国制裁作为因变量探讨中国芯片上市企

业的创新绩效是否受到该变量的显著性影响，以期通过数据分析模型挖掘企业创新绩效在政治

经济学领域作用机制下的深层机理。基于以上文献梳理，本文提出以下假设：

H1：美国政府对芯片企业的制裁显著影响企业的创新绩效，且对半导体概念的A股上市

企业的研发投入有非常显著的正向影响。

Artz等认为研发支出与公司专利数量呈正相关，研发投资对企业技术创新绩效具有显著的

积极影响[17]。Jiang等发现企业合作研发网络正向影响技术创新绩效[18]。Fan通过对华为和

中兴的案例研究，发现中国芯片企业从模仿发展到技术创新，当公司通过市场扩张达到大幅资

本化时，方能提供足够的研发资金和研发人员扩大其全球研发单位[19]。研发全球化是华为和

中兴的重要技术战略，通过技术支持标准化、联合合作、参与工业标准及全球生产网络开发提

升自主创新能力。综上所述，制裁实施初级阶段，芯片上市企业的创新绩效会受到较大负向影

响，而在经济贸易制裁实施的后期阶段，芯片上市企业通过联合专利等创新形式实现进一步迭

代创新及协同效应。因此，我们提出以下假设：

H2：美国政府对芯片企业的制裁对半导体概念的A股上市企业单独专利有显著正向影

响，并且对华为相关概念股影响幅度更大，显著性更高。

H3：美国政府对芯片企业的制裁显著影响半导体概念的A股上市企业联合专利数量，表

现出更强的竞合关系及协同效应。

三、 研究设计

1. 数据来源与样本处理

本文选取2013—2019年沪深两市A股上市公司作为研究基础，选取3467个企业7年共

15690个样本观测值的非平衡面板数据。公司财务数据来源于万德数据库，公司专利申请及授

权数据则出自中国知网专利数据库中上市公司专利获得情况的相关统计数据。

在变量设置中，将美国实施经济贸易制裁的起始年份设为2017年，其中，实验组数据为

万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共784个样本观测值，

这4个类别均为美国经济贸易制裁的重要影响关联对象，即本文的实验组。其余14906个企业

样本为此次研究的对照组，即未受到美国对中国芯片产业制裁正面及直接影响的上市企业。此

外，本文对所有连续性数值变量取对数处理后进行前后各2.5%的缩尾处理。

2. 变量测度

（1）企业创新活动及创新绩效

大多创新类文献将研发投入作为最重要的创新绩效测度标准，因此是本文的第一个创新绩

效测度指标。同时，徐映梅等认为企业创新绩效大多从专利申请及授权等指标进行测度[20]，

故本文将企业单独获得的专利数量作为第二个创新绩效评价指标。傅宇等認为中国制造业企业

合作研发程度越高，其合作行为对创新绩效的影响越大[21]，因此本文将企业联合获得的专利

数量作为衡量企业创新绩效的第三个重要变量。综上所述，本文提炼了3个最主要的被解释变

量作为衡量企业创新绩效的主要指标：①创新投入即上市企业的研发投入作为创新绩效的总体

测量，在本文中表现为变量logaa;②企业单独获得的专利数量度量企业总创新产出水平，在本

文中用变量名Invig表示;③企业联合获得的专利数量即实验组企业与其他高新科技企业之间的

联合创新产出，本文中以Invjg测量。

（2）美国对华芯片产业经济贸易制裁

美国于2015年左右对中国芯片企业实施经济贸易制裁，但考虑到政策及制裁实际作用效

果的延后性因素，本文将2017—2019年作为样本企业受美国经济贸易制裁影响的年度。变量

定义与描述性统计结果如表2所示。从中可见，本文以万德数据库中的企业资讯作为重要参考

依据，将万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共计784个上

市公司作为实验组（即下文中所说的处理组）占企业总样本15690家的4.997%。

3. 计量模型

（1）基准回归模型

本文拟使用以下多元回归模型测度美国经济贸易制裁对中国芯片上市企业创新绩效的影

响：[logaa/Invig/Invjgi，t=α0+βpolicy+δXi，t+θt+μi+εi，t]。其中，下标i和t分别代表公司个

体与年份。Logaa、Invig、Invjg分别为研发支出、单独专利、联合专利取自然对数，代表企业

创新投入和创新绩效整体水平。Policy为美国经济贸易制裁的代理哑变量，2013—2016年取

0，2017—2019年取1，其系数[β]用以初步判断制裁对不同类型的上市公司创新投入和产出的

影响，即上文中H1、H2、H3的有效性。[δXi，t]表示控制变量，[θt+μi]表示固定效应，[εi，t]

为随机误差项。

（2）双重差分估计模型

双重差分法（Difference-in-Difference Method， DID）可有效测度政治制度及国际政策对

相关变量的有效性。本文把美国对中国芯片企业实施制裁后（2017—2019）的4类半导体概念

相关企业共784个上市公司作为处理组（treated group），而将制裁实施后的全样本数据除去

这4类半导体概念相关企业的其余14906家企业作为控制组（control group）。本文设定如下

模型：[logaa/Invig/Invjgi，t=α0+β1policy+β2treat+β3policy×treat+δXi，t+θt+μi+εi，t]。[β1]表示

受到制裁企业（处理组）在制裁实施前后创新绩效差异。treat的系数[β2]代表受到美国经济贸

易制裁企业（处理组）与未受到美国经济贸易制裁企业（控制组）在制裁实施前就已存在的创

新绩效差异，[δXi，t]为控制变量。本文重点关注交乘项系数[β3]，该系数可表示为

Did=policy[×]treat，即受影响企业在制裁实行后的交乘项，该估计量的系数表示受到美国经济

贸易制裁芯片上市企业受制裁影响的净效应，用以验证H1、H2、H3的真实性。

本文采纳了以往研究的创新绩效衡量过程，将研发投入、企业单独及联合获得的专利数量

作为测量芯片概念上市企业创新绩效的测度变量，以美国制裁作为因变量探讨中国芯片上市企

业的创新绩效是否受到该变量的显著性影响，以期通过数据分析模型挖掘企业创新绩效在政治

经济学领域作用机制下的深层机理。基于以上文献梳理，本文提出以下假设：

H1：美国政府对芯片企业的制裁显著影响企业的创新绩效，且对半导体概念的A股上市

企业的研发投入有非常显著的正向影响。

Artz等认为研发支出与公司专利数量呈正相关，研发投资对企业技术创新绩效具有显著的

积极影响[17]。Jiang等发现企业合作研发网络正向影响技术创新绩效[18]。Fan通过对华为和

中兴的案例研究，发现中国芯片企业从模仿发展到技术创新，当公司通过市场扩张达到大幅资

本化时，方能提供足够的研发资金和研发人员扩大其全球研发单位[19]。研发全球化是华为和

中兴的重要技术战略，通过技术支持标准化、联合合作、参与工业标准及全球生产网络开发提

升自主创新能力。综上所述，制裁实施初级阶段，芯片上市企业的创新绩效会受到较大负向影

响，而在经济贸易制裁实施的后期阶段，芯片上市企业通过联合专利等创新形式实现进一步迭

代创新及协同效应。因此，我们提出以下假设：

H2：美国政府对芯片企业的制裁对半导体概念的A股上市企业单独专利有显著正向影

响，并且对华为相关概念股影响幅度更大，显著性更高。

H3：美国政府对芯片企业的制裁显著影响半导体概念的A股上市企业联合专利数量，表

现出更强的竞合关系及协同效应。

三、 研究设计

1. 数据来源与样本处理

本文选取2013—2019年沪深两市A股上市公司作为研究基础，选取3467个企业7年共

15690个样本观测值的非平衡面板数据。公司财务数据来源于万德数据库，公司专利申请及授

权数据则出自中国知网专利数据库中上市公司专利获得情况的相关统计数据。

在變量设置中，将美国实施经济贸易制裁的起始年份设为2017年，其中，实验组数据为

万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共784个样本观测值，

这4个类别均为美国经济贸易制裁的重要影响关联对象，即本文的实验组。其余14906个企业

样本为此次研究的对照组，即未受到美国对中国芯片产业制裁正面及直接影响的上市企业。此

外，本文对所有连续性数值变量取对数处理后进行前后各2.5%的缩尾处理。

2. 变量测度

（1）企业创新活动及创新绩效

大多创新类文献将研发投入作为最重要的创新绩效测度标准，因此是本文的第一个创新绩

效测度指标。同时，徐映梅等认为企业创新绩效大多从专利申请及授权等指标进行测度[20]，

故本文将企业单独获得的专利数量作为第二个创新绩效评价指标。傅宇等认为中国制造业企业

合作研发程度越高，其合作行为对创新绩效的影响越大[21]，因此本文将企业联合获得的专利

数量作为衡量企业创新绩效的第三个重要变量。综上所述，本文提炼了3个最主要的被解释变

量作为衡量企业创新绩效的主要指标：①创新投入即上市企业的研发投入作为创新绩效的总体

测量，在本文中表现为变量logaa;②企业单独获得的专利数量度量企业总创新产出水平，在本

文中用变量名Invig表示;③企业联合获得的专利数量即实验组企业与其他高新科技企业之间的

联合创新产出，本文中以Invjg测量。

（2）美国对华芯片产业经济贸易制裁

美国于2015年左右对中国芯片企业实施经济贸易制裁，但考虑到政策及制裁实际作用效

果的延后性因素，本文将2017—2019年作为样本企业受美国经济贸易制裁影响的年度。变量

定义与描述性统计结果如表2所示。从中可见，本文以万德数据库中的企业资讯作为重要参考

依据，将万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共计784个上

市公司作为实验组（即下文中所说的处理组）占企业总样本15690家的4.997%。

3. 计量模型

（1）基准回归模型

本文拟使用以下多元回归模型测度美国经济贸易制裁对中国芯片上市企业创新绩效的影

响：[logaa/Invig/Invjgi，t=α0+βpolicy+δXi，t+θt+μi+εi，t]。其中，下标i和t分别代表公司个

体与年份。Logaa、Invig、Invjg分别为研发支出、单独专利、联合专利取自然对数，代表企业

创新投入和创新绩效整体水平。Policy为美国经济贸易制裁的代理哑变量，2013—2016年取

0，2017—2019年取1，其系数[β]用以初步判断制裁对不同类型的上市公司创新投入和产出的

影响，即上文中H1、H2、H3的有效性。[δXi，t]表示控制变量，[θt+μi]表示固定效应，[εi，t]

为随机误差项。

（2）双重差分估计模型

双重差分法（Difference-in-Difference Method， DID）可有效测度政治制度及国际政策对

相关变量的有效性。本文把美国对中国芯片企业实施制裁后（2017—2019）的4类半导体概念

相关企业共784个上市公司作为处理组（treated group），而将制裁实施后的全样本数据除去

这4类半导体概念相关企业的其余14906家企业作为控制组（control group）。本文设定如下

模型：[logaa/Invig/Invjgi，t=α0+β1policy+β2treat+β3policy×treat+δXi，t+θt+μi+εi，t]。[β1]表示

受到制裁企业（处理组）在制裁实施前后创新绩效差异。treat的系数[β2]代表受到美国经济贸

易制裁企业（处理组）与未受到美国经济贸易制裁企业（控制组）在制裁实施前就已存在的创

新绩效差异，[δXi，t]为控制变量。本文重点关注交乘项系数[β3]，该系数可表示为

Did=policy[×]treat，即受影响企业在制裁实行后的交乘项，该估计量的系数表示受到美国经济

贸易制裁芯片上市企业受制裁影响的净效应，用以验证H1、H2、H3的真实性。

本文采纳了以往研究的创新绩效衡量过程，将研发投入、企业单独及联合获得的专利数量

作为测量芯片概念上市企业创新绩效的测度变量，以美国制裁作为因变量探讨中国芯片上市企

业的创新绩效是否受到该变量的显著性影响，以期通过数据分析模型挖掘企业创新绩效在政治

经济学领域作用机制下的深层机理。基于以上文献梳理，本文提出以下假设：

H1：美国政府对芯片企业的制裁显著影响企业的创新绩效，且对半导体概念的A股上市

企业的研发投入有非常显著的正向影响。

Artz等认为研发支出与公司专利数量呈正相关，研发投资对企业技术创新绩效具有显著的

积极影响[17]。Jiang等发现企业合作研发网络正向影响技术创新绩效[18]。Fan通过对华为和

中兴的案例研究，发现中国芯片企业从模仿发展到技术创新，当公司通过市场扩张达到大幅资

本化时，方能提供足够的研发资金和研发人员扩大其全球研发单位[19]。研发全球化是华为和

中兴的重要技术战略，通过技术支持标准化、联合合作、参与工业标准及全球生产网络开发提

升自主创新能力。综上所述，制裁实施初级阶段，芯片上市企业的创新绩效会受到较大负向影

响，而在经济贸易制裁实施的后期阶段，芯片上市企业通过联合专利等创新形式实现进一步迭

代创新及协同效应。因此，我们提出以下假设：

H2：美国政府对芯片企业的制裁对半导体概念的A股上市企业单独专利有显著正向影

响，并且对华为相关概念股影响幅度更大，显著性更高。

H3：美国政府对芯片企业的制裁显著影响半导体概念的A股上市企业联合专利数量，表

现出更强的竞合关系及协同效应。

三、 研究設计

1. 数据来源与样本处理

本文选取2013—2019年沪深两市A股上市公司作为研究基础，选取3467个企业7年共

15690个样本观测值的非平衡面板数据。公司财务数据来源于万德数据库，公司专利申请及授

权数据则出自中国知网专利数据库中上市公司专利获得情况的相关统计数据。

在变量设置中，将美国实施经济贸易制裁的起始年份设为2017年，其中，实验组数据为

万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共784个样本观测值，

这4个类别均为美国经济贸易制裁的重要影响关联对象，即本文的实验组。其余14906个企业

样本为此次研究的对照组，即未受到美国对中国芯片产业制裁正面及直接影响的上市企业。此

外，本文对所有连续性数值变量取对数处理后进行前后各2.5%的缩尾处理。

2. 变量测度

（1）企业创新活动及创新绩效

大多创新类文献将研发投入作为最重要的创新绩效测度标准，因此是本文的第一个创新绩

效测度指标。同时，徐映梅等认为企业创新绩效大多从专利申请及授权等指标进行测度[20]，

故本文将企业单独获得的专利数量作为第二个创新绩效评价指标。傅宇等认为中国制造业企业

合作研发程度越高，其合作行为对创新绩效的影响越大[21]，因此本文将企业联合获得的专利

数量作为衡量企业创新绩效的第三个重要变量。综上所述，本文提炼了3个最主要的被解释变

量作为衡量企业创新绩效的主要指标：①创新投入即上市企业的研发投入作为创新绩效的总体

测量，在本文中表现为变量logaa;②企业单独获得的专利数量度量企业总创新产出水平，在本

文中用变量名Invig表示;③企业联合获得的专利数量即实验组企业与其他高新科技企业之间的

联合创新产出，本文中以Invjg测量。

（2）美国对华芯片产业经济贸易制裁

美国于2015年左右对中国芯片企业实施经济贸易制裁，但考虑到政策及制裁实际作用效

果的延后性因素，本文将2017—2019年作为样本企业受美国经济贸易制裁影响的年度。变量

定义与描述性统计结果如表2所示。从中可见，本文以万德数据库中的企业资讯作为重要参考

依据，将万德数据库中“华为概念”“半导体产业”“芯片概念”“科技龙头”4个类别共计784个上

市公司作为实验组（即下文中所说的处理组）占企业总样本15690家的4.997%。

3. 计量模型

（1）基准回归模型

本文拟使用以下多元回归模型测度美国经济贸易制裁对中国芯片上市企业创新绩效的影

响：[logaa/Invig/Invjgi，t=α0+βpolicy+δXi，t+θt+μi+εi，t]。其中，下标i和t分别代表公司个

体与年份。Logaa、Invig、Invjg分别为研发支出、单独专利、联合专利取自然对数，代表企业

创新投入和创新绩效整体水平。Policy为美国经济贸易制裁的代理哑变量，2013—2016年取

0，2017—2019年取1，其系数[β]用以初步判断制裁对不同类型的上市公司创新投入和产出的

影响，即上文中H1、H2、H3的有效性。[δXi，t]表示控制变量，[θt+μi]表示固定效应，[εi，t]

为随机误差项。

（2）双重差分估计模型

双重差分法（Difference-in-Difference Method， DID）可有效测度政治制度及国际政策对

相关变量的有效性。本文把美国对中国芯片企业实施制裁后（2017—2019）的4类半导体概念

相关企业共784个上市公司作为处理组（treated group），而将制裁实施后的全样本数据除去

这4类半导体概念相关企业的其余14906家企业作为控制组（control group）。本文设定如下

模型：[logaa/Invig/Invjgi，t=α0+β1policy+β2treat+β3policy×treat+δXi，t+θt+μi+εi，t]。[β1]表示

受到制裁企业（处理组）在制裁实施前后创新绩效差异。treat的系数[β2]代表受到美国经济贸

易制裁企业（处理组）与未受到美国经济贸易制裁企业（控制组）在制裁实施前就已存在的创

新绩效差异，[δXi，t]为控制变量。本文重点关注交乘项系数[β3]，该系数可表示为

Did=policy[×]treat，即受影响企业在制裁实行后的交乘项，该估计量的系数表示受到美国经济

贸易制裁芯片上市企业受制裁影响的净效应，用以验证H1、H2、H3的真实性。

本文标签： 企业制裁创新芯片