推文人 | 张旭

原文信息：Alexander M. Bell, Raj Chetty, Xavier Jaravel, Neviana Petkova, John Van Reenen. Who Becomes an Inventor in America? The Importance of Exposure to Innovation. NBER Working Paper No. 24062.

人们普遍认为创新是经济增长的主要驱动力,因此许多国家都用各种政策如税收激励和技术教育以鼓励创新。研究成为一名发明家的决定性因素有助于理解这些政策的效果。理解这些政策的效果的一种方式是研究成为一名发明家的决定性因素。如今哪种类型的人成为了成功的发明家？他们的经历告诉我们哪些是影响发明率的因素？

 

1  摘要

 

作者运用美国120万名发明家的专利数据和纳税数据研究成为发明家的决定因素。数据分析发现了三个结论。（1）来自高收入家庭（前1%）的孩子比来自低于平均收入水平的家庭的孩子成为发明家的可能性大九倍。该数值在种族和性别间也存在巨大差异。该差异并不能被个体童年早期考试成绩所测量的天赋能力所解释。（2）在童年时期经常接触创新活动与儿童成为发明家的可能性有着重大的因果关系。在特定技术领域有高创新率的家庭或社区长大的孩子，在同样的技术领域取得专利的可能性更高。该因果效应的大小还与性别相关，相对于男性，如果女孩们成长的环境在某一特定技术领域有更多的女发明者，那么这些女孩更有可能成为该领域的发明家。（3）创新获取的金钱收益极其不平衡，并与以引用率为衡量的科学影响力高度相关。女性和弱势青年在具有高度影响力的发明家之中所占比例过低，在整个发明队伍中的占比亦是如此，该现象与接触效应一致，与标准的职业选择模型大的结论相反。作者建立了一个简单的发明家职业模型，该模型的结论与上述实证结果相一致。该模型表明，增加儿童时期对创新的接触可能比增加对创新的财政支持（如降低税率）有着更大的作用。特别是，存在着许多“被忽视的爱因斯坦”，这些个体如果在童年时期接触足够的创新活动的话，本可以创造出十分有影响力的发明。

 

2 研究背景

 

由于大多数关于发明的数据资源（如专利记录）没有基本的人口统计学的信息。从专利记录中我们无法找到发明者年龄、性别等一系列能够表明创新群体特征的信息。

 

本文首次对美国的发明家群体的信息进行了系统的梳理。将美国1996年到2014年间的整个专利申请和授权数据与美国联邦所得税申报表相结合，构建了一个面板数据。该数据集涵盖了包括专利申请人和专利获得者在内的120万名发明家。作者用该数据集按年代顺序记录了发明家从出生到成年的生活，从而推断出成为发明家的决定因素和最能提高创新力的政策类型。

                                    

3 数据和样本

 

作者对数据资源进行了描述，对分析中使用的样本和关键变量进行了定义同时还进行了概要统计。

 

数据资源主要包括以下三类：

 

（1）专利记录。专利信息数据主要有两个来源。第一个是谷歌数据库，该数据库包含了从1976年至今的所有在美国授权的专利记录。本文主要关注1996年到2014年间授予美国居民的170万项发明。第二个数据来源于Strumsky提供的2001到2012年间160万项专利申请记录数据。

 

（2）税收记录。根据1996-2012年间的联邦所得税记录获取了相关信息，如个人的性别、年龄、地理位置、自身和父母的收入。

 

（3）纽约城学区记录。利用纽约城学区的数据获取了个人在童年时期的测试成绩信息。这些数据大致涵盖了3到8年级的250万学生。测试成绩包括从1989年春到2009年之间3到8年级的学生每年的英语和数学成绩，其中2002年7年级的英语成绩除外。这些和税收数据相联系的数据有89%的匹配率，我们直接将这些关联数据用于我们的分析中。

 

实证分析的样本也包含三类：

 

（1）全发明家样本。我们的第一个分析包含了所有发明家（约120万），这些发明家成功地和税收数据联系在一起。这个样本被构造成一个平面数据，其中包含个体在1996-2012年之间每年的收入，专利和其它变量。

 

（2）代际样本。本文主要研究在税收数据中所有在1980-1984年间出生的人，而且他们还必须能够和父母联系起来并且截止2013年仍然是美国公民。在我们主要的代际样本中有1640万个体，其中发明家有34，973名。

 

（3）纽约城学校样本。在对测试成绩是否能影响发明率进行分析时，我们主要使用了在纽约城公立学校学习的儿童数据样本。我们主要对1979-1985出生组儿童的测试成绩进行分析。本样本中的430，000名儿童中有425名发明家。

 

 

数据表明，在发明家全样本中1996-2012年间专利申请的中位数是1，每位发明家的引用中位数也是1。但是这些分布十分不对称：专利申请和引用数量的标准差分别是是1.1和118.1。发明家的平均年工资收入是83,000美元，总收入是100,000美元。这些分布也十分不对称，大的标准差和平均收入都高于中位数。

 

4 实证分析一：家庭出生对创新的影响

 

该部分研究儿童出生时的特征——所处的社会经济阶层、种族和性别对成为发明家倾向的影响。在收入分配中处于前百分之一的家庭中出生的儿童比出生在低于平均收入水平家庭的儿童成为发明家的可能性高九倍。白人婴儿是黑人婴儿成为发明家的可能性的三倍。随着时间的推移，发明家群体的性别差别正逐渐减小，但是根据目前的收敛速率，还需要118年才能在发明方面实现性别上的完全平等。结合这些数据，我们估计如果来自低收入家庭的女性、少数民族和儿童和来自高收入家庭的白人男性有着同样的成为发明家的比率，那么总的发明家数量就会翻两番。

 

为什么基于出生特征的成为发明家的比率数值有如此大的差别？在经济模型中，任何选择都可以追溯到三项外生因素：天赋（如整个亚群遗传力的差别）、偏好（如追求科学或具有风险投资的事业）、约束条件（如缺乏建立人力资本的流动资金或机会）。由于这些理由对用于激励创新的政策有着非常不同的影响，作者对这三个机制的相对重要性进行评估。

 

我们用童年早期的考试成绩作为天赋能力的指标来评估能力上的不同是否会引起创新方面的差距。根据三年级到八年级的儿童的测试成绩得来确定天赋能力。具体方法是将有学区记录的250万在纽约城公立中学上学的儿童与专利和税收记录相结合。数学测试成绩与取得专利的概率之间高度相关，但是这一机制对高收入家庭和低收入家庭儿童创新方面差距的影响不到三分之一。这是因为来自低收入家庭的儿童即使在三年级时测试成绩名列前茅，他们成为发明家的可能性仍然很低。三年级儿童数学成绩的差别解释了种族在创新方面的差异的一小部分，而且事实上性别在这方面没有什么差别。测试成绩所表现出的创新方面的差距会在以后的年级不断扩大，这与学术界之前的研究结论相一致，即随着儿童在学校学习期间的进步，测试成绩的差距会越来越大。由父母收入引起的创新差距有一半可以通过八年级数学测试成绩的差别来说明。这些结论表明就创新能力而言，低收入家庭儿童与来自高收入家庭的同龄人在起初有着相对平等的起点，但是随着时间的推移来自低收入家庭儿童会逐渐落后，其原因可能是童年环境的不同。然而，关于环境因素他们并不能提供确凿的证据，因为通过测试成绩衡量创新能力是有缺陷的。如果标准化测试不能很好地体现一个儿童的创新能力，童年早期能力仍然是引起创新差距的主要原因。

 

5 实证分析二：儿童时期生活环境对创新的影响

 

在实证分析的第二部分，我们通过对儿童时期环境影响的直接研究解决了上一节的问题。在童年时期通过家庭或社区接触创新会提高一名儿童成为发明家的概率。在有较高的专利率的社区长大的儿童很明显更有可能成为发明家，即使只是在成年后在这样的区域工作，成为发明家的可能性也会更高。这个模式不仅适用于判断一名儿童是否能够发明创造，也能判断这名儿童创新的技术领域。例如，生活在波士顿的人群中，在硅谷长大的人群尤为可能在电脑方面获取专利，而在有许多医疗设备厂的明尼阿波利斯长大的人极为可能在医疗器械方面获取专利。在家庭因素方面也发现了类似的模式，儿童的父母或父母的同事和朋友在某一技术领域获得专利，那么这些儿童很可能在相同的领域获取专利。

 

该传递模式包括了445项狭义上的技术子集，在这些技术子集中专利可以被分类。例如，一名儿童的父母在扩音器方面有一项专利，那么这名儿童自己很可能在扩音器方面而非天线方面获取专利。而且这个模式受性别影响的。如果某一位女性在童年时期接触到某项技术领域的创新活动，那么该女性更可能在该特定技术类别中获取专利。男性的创新率受到他们所在领域的男性发明家而非女性发明家的影响。

 

就创新而言，如果将一个儿童从处于专利数量的第一四分位数的社区转到第三四分位数的社区，那么就能将这名儿童成为发明家的概率提高至少17%，创新潜能提高50%。影响一般人力资本积累的因素，如地方学校的质量或居住地段通常会导致相邻效应。专业性人力资本转移、指导会引导儿童追求特定的职业道路。来自低收入家庭的儿童、少数民族和女性通过其家庭和社区接触创新的机会较少，这就解释了为什么整体上他们的创新率要低得多。如果女孩在童年时期接触女性发明家的机会和男孩接触男性发明家的机会一样多，那么创新方面的性别差距就会比目前的差距小一半。

 

6 实证分析三：财政激励对创新的影响

 

在实证分析的第三部分，我们调查了进入劳动力市场后的发明家职业生涯，其目的是理解财政激励是如何影响个人成为发明家的决定的。我们发现创新的财政收益分布是极度不平衡的并且与其科学影响力是高度相关的。

 

财政激励方面的小幅度变化不会对整体创新情况产生巨大影响。排名前1%的发明家的收入比所有发明家收入的22%还多，这意味着专利持有者收入分布与整个人口收入分布一样是失衡的。具有高使用率专利的个人有着更高的收入，这表明创新对个人来带的好处是与这些创新的科学影响力相关的。最具影响力的专利通常最有可能是个人在40到50岁之间发明的。这些个体的大多数收入都是在专利被授权之前赚得的，这意味着收益不仅来自专利本身也来自相关的商业或薪资收入。

 

来自弱势群体的发明家（女性、少数民族以及来自低收入家庭的人）通常和其它发明家有着相同的收入。Hsieh et al.(2016)通过进入整个子群体的不同障碍来解释职业选择方面的不同。在不同群体中创新能力不会变化，基于这一假设“合理排序”模型推断：来自弱势群体的成为发明家的个体比那些具有更好的背景条件的发明家更具创新力，因为被筛选出来的边际发明家都是能力较低者。事实上我们发现情况是相反的：整体上来自弱势群体的发明家并没有更具影响力的发明。换句话说：无论在著名的发明家中还是整个发明家群体中女性和弱势青年都是极少的。这一发现和另一观点，即接触是创新的主要决定性因素是一致的。尤其是缺少对创新的接触会使一些个体无法追求发明创新方面的事业，即使如果他们从事创新事业他们本可以有极具影响力的创造（《抹不去的记忆》中“被忽视的爱因斯坦”）。

 

在三个部分的实证分析中我们分别得出了如下结论：

 

（1）儿童出生时的特征——他们的社会经济阶层、种族和性别都对成为发明家的倾向有很好的预测。

 

（2）在童年时期通过家庭或社区接触发明创新会对一名儿童成为发明家的倾向产生重大的因果效应。

 

（3）通过发明创新获取的经济收益分布是极度不平衡的并且与其科学影响力是高度相关的。

 

作者接着构建了一个关于发明家职业选择的简单模型刻画了实证结论中关于促进创新的机制（对数学模型感兴趣的可以看原文）。

 

7 结论

 

这篇文章为成为一名发明家的决定因素提供了新的证据。我们的研究结果表明，儿童时期对发明创造的接触是决定一个人能否成为发明家的关键因素。缺少对发明创造的接触可以帮助解释为什么那些来自低收入家庭有较强能力的儿童、少数民族和女性成为发明家的可能性要小很多。因此，增加接触发明创新的政策可以极大地增加高质量的创新。增加接触发明创新的政策包括接受发明家的指导、在地方公司参与实习项目等。

 

从更广的层面讲，我们的发现表明，增加代际流动的政策也对促进经济增长有利。具体方式是吸引更多低收入家庭和少数民族儿童到科学和创新领域。如果女性、少数民族和来自低收入家庭的儿童与来自高收入家庭的白人男性有相同的发明率，那么美国的发明家就会比现在多三倍。因此，对增加弱势群体接触发明的方法进行关注对于研究和政策而言都是一个特别有前景的方向。

 

Abstract

 

We characterize the factors that determine who becomes an inventor in American by using deidentified data on 1.2 million inventors from patent records linked to tax records. We establish three sets of result. First, children from high-income(top 1%) families are ten times as likely to become inventors as those from below-median income families. Second, exposure to innovation during childhood has significant casual effects on children’s propensities to become inventors. Third, the financial returns to inventions are extremely skewed and highly correlated with their scientific impact, as measured by citations. Furthermore, our model of inventors’ careers implies that increasing exposure to innovation in childhood may have larger impacts on innovation than increasing the financial incentives to innovate.