4.1.2变量说明
（1）被解释变量。本研究的被解释变量为技术创新产出，考虑到数据的可获得性和完整性，采用高技术产业专利申请量作为衡量技术创新的指标，并将专利申请量加1后取对数，即lnp。
（2）核心解释变量。本研究的核心解释变量为高技术产业的研发资金投入RD和研发人力投入human。研发经费投入的指标是高技术产业R&D 经费内部支出， 研发人力资本以各省份研发人员全时当量来衡量，研发人员全时当量为全时人员与非全时人员按实际工时折算的全时人员数之和，该指标比较之研发人员数、科研人员数等更加准确地反映创新人力资本投入。
（3）门槛变量。门槛变量选取为该省份的知识产权保护水平IPP。基于前文的理论基础与影响路径分析，选取知识产权保护水平作为门槛变量。
（4）控制变量。本文采用金融规模fin来衡量地区的金融水平，为该省份金融机构贷款余额与GDP的比值衡量。urb为城镇化程度，采用该省份城镇人口占总人口的比例来衡量。trade代表省份的贸易开放度，采用该省份当年进出口总额占GDP的比重来衡量。fdi为省份地区的外商直接投资，perGDP为经济发展水平，采用人均GDP衡量。
第五章 研究结论、对策建议与展望
5.1研究结论
本文从理论与实证两方面出发，探究了高技术产业研发投入对技术创新产出的影响机制，主要完成了以下三方面的工作：
一是将研发投入根据投入的内容分为研发资金投入和研发人力投入两个方面，通过实证分析发现了研发资金投入和研发人力投入对我国高技术产业技术创新产出的影响机制，并将知识产权保护这一重要的制度环境纳入研究框架；
二是通过知网大数据研究平台、《中国统计年鉴》、《中国高技术产业统计年鉴》、国家统计局与知识产权局网站收集了我国2009-2018年十年间的高技术产业相关数据，基于以往文献研究构建了高技术产业技术创新、研发人力投入与研发资金投入的相关指标体系，并梳理了国内外知识产权保护的测度体系，测量了2009-2020年我国30个省份、自治区、直辖市（不含港澳台以及西藏）的知识产权保护水平；
三是根据Hansen提出的门槛效应原理，构建了非线性面板门槛模型，验证了知识产权保护作为门槛变量的作用机制，通过实证回归结果发现了知识产权保护强度低于门槛值时，高技术产业增加研发资金和研发人员都可以有效促进技术创新产出；知识产权保护强度大于门槛值以后，增加研发资金投入仍旧会促进高技术产业的技术创新，但是强度有所下降，而研发人力投入并不能显著影响技术创新。
参考文献（略）
