文献来源：Bratti M, Conti C. The effect of immigration on innovation in Italy[J]. Regional Studies, 2017:1-14.

摘要：本考察了意大利移民对创新的影响，意大利是一个以普通非技术移民为特征的国家。在利用移民飞地解决了移民份额的内生性之后，没有证据表明移民对创新产生正面或负面影响。当考虑到中、高、低技能移民的不同影响，线性和非线性模型的区别，省级数据和企业层面创新数据的差异时依然稳健。

1.引言

经济学家大量研究了移民对东道国的影响，如对当地人的工资和就业机会，企业生产力，贸易创造和犯罪的影响等。最近，越来越多的研究开始考查移民对创新的影响。创新确实是一个国家经济增长的关键因素，也是移民能够对东道国的经济产生影响的另一个重要渠道。

移民有几种机制可以影响创新。Ozgen，Nijkamp和Poot（2013）很好地总结了它们。从积极方面来说，移民可能在智力，创造力，风险倾向，创业精神以及与创新正相关的其他特征方面有自我选择特征（Borjas，1987）;移民通常比本地人年轻，这可能会影响他们的生产力和创造力（Feyrer，2008; Lindh＆Malmberg，1999）;移民更具流动性，工人的流动性是公司和地区之间知识溢出的重要来源（Faggian＆McCann，2009; Simonen＆McCann，2010）;持续流动的移民增加了人口的规模，这可能通过经济活动集聚（Becker，Glaeser，＆Murphy，1999; Glaeser, 1999）和市场规模（Acemoglu＆Linn，2004）产生的优势刺激创新。移民在文化上有所不同，如果不同文化背景的工人在生产上互补的话，这可能会增加生产力和创新（Ottaviano＆Peri，2006; Parrotta，Pozzoli，＆Pytlikova，2014; Suedekum，Wolf＆Blien，2014）；当移民受过高等教育时，他们可能会大幅度改变当地的人力资本存量，这又与生产力和新想法的产生有关（Andersson，Quigley，＆Wilhelmsson，2009; Cowan＆Zinovyeva，2013; Moretti，2004 ; Sanroma＆Ramos，2007）。这些积极的影响更可能是由高技能移民引起的。

移民对创新的潜在负面影响的关注程度较低。文化和语言差异会增加沟通成本;减少信任、合作和社会资本;并增加社会冲突（Alesina＆La Ferrara，2005）。这些因素可能会对许多经济成果产生负面影响，包括创新。此外，尽管技术移民对东道国经济体的积极影响一般是无可争议的，但低技术移民的影响并未得到充分的研究。大量流入的低学历移民可能会使传统部门的廉价劳动力成为可能，从而增加传统部门的相对规模（Card＆Lewis，2007; DeArcangelis，DiPorto，＆Santoni，2015），同时对创新产生负面影响。大量的低技能劳动力可能会减少企业投资技能密集型生产技术的积极性，阻碍创新和物质资本投资（Lewis，2011; Peri，2012）。

由于高技术移民和低技能移民可能会对创新产生相反的影响，只关注前者可能只得到全部影响的一个片面结论。而且现实表明，虽然在英语国家高技能移民是个普遍的现象，但大多数移民仍然是低技能的。在非英语国家，接受高等教育的移民比例则更低，根据Docquier和Marfouk（2006）的数据，2001年法国、德国、意大利高等教育移民的比例分别只有16.4％，21.8％，15.4％。

本文至少从两个方面对现有文献作出贡献。首先，并非将分析限制在高技术移民身上，而是探索整体和低技术移民对创新的影响。这一研究对意大利这样的国家提供了证据。其次，证据不仅包含基于研发（R＆D）的创新，也包含非基于研发（R＆D）的创新。前者以专利申请表示，后者以企业自我报告创新成果（产品、过程和组织创新）表示。

2.模型构建

（1）省份层面的分析

移民占总人口的比例作为投入的省级知识生产函数（KPF）被估计为：

（1）

其中i，j和t分别是省（NUTS-3），地区（NUTS-2）和时间下标。因变量是每1000名居民申请专利数量的对数。是移民在人口中的份额的滞后项；在区分移民技能水平时，这个变量被和所取代，分别代表高技能和低技能移民的比例，即那些具有高中或以上学历的移民和低于高中学历移民的比例。是控制变量的集合，用于说明研发努力水平（KPF的标准投入）和各省的产业结构。代表分析中的中介变量和混淆变量集合，包括人口规模的对数、活跃年龄人口的比例和大学在人口中的份额，作为人力资本的替代指标。和分别为时间和地区（NUT-2）固定效应。由于时间跨度很短，省份（NUT-１）固定效应不包含在模型中。

（２）企业层面的分析

　　（２）

其中，，，和，（即三年期）分别为公司，省（NUTS-3），地区（NUTS-2），部门和时间下标;和分别为时间和地区固定效应；而代表两位数行业固定效应；以前研究（Gagliardi，2015;Maré等，2014）发现的影响企业创新水平的变量——公司规模（取对数），资本密集度，拥有大学学位的工人比例以及研发支出占总收入的比例包括在公司层面的协变量中。是上述时间不变的协变量向量。

（３）识别方法

以预测的移民份额为工具变量IV估计。移民的工具变量的构建方法如下：意大利来自国家ｇ的年度移民存量（）根据１９９５年各省的民族分布情况（）被归入各省：

　　　（３）

将移民按国籍在省一级汇总，以估算省份在第期的移民总量，然后除以该省份的人口总数，获得IV变量，即预测的移民份额：

　　（４）

Gi1995是ｉ省1995年的少数民族群体数量。预测的ｉ省总人口，是根据１９９５年各省的人口分布将每年的全国人口分配给各省。

    3.结论

        IV估计表明，移民在该省人口中的比例对意大利各省的专利申请没有影响。该结果对于使用线性和非线性（准泊松）模型以及考虑到高技能和低技能移民的独立效应时是稳健的。使用企业级产品、流程和组织创新数据，没有改变主要的结论。低技能劳动力不断增加的浪潮对意大利企业创新及应用缺乏影响，可以用移民与当地劳动力结构的相似性来解释，这阻止了低技能劳动力相对数量急剧上升。（姚彦青，周玉龙）