论文讨论：Edwin L.-C. Lai, Samuel Wong and Isabel K. Yan（2008）

实证模型发现R&D比例，贸易开放程度及市场自由程度对IPR有显著影响。一些稳健性显示该线性模型可能存在明显的多重共线性（但从计量上来看，这并不是非常大的问题）。

而非线性回归可以避免这个问题，但如果进入非线性世界，会有无穷多种可能，而作者的模型提供了一种路径（所以，一定要想办法来讲自己的贡献，哈哈）。Maskus的回归方程为

实证结果表明人均GDP与IPR存在倒U形关系；法律起源与IPR有很有关联（因为一些殖民国家直接搬用宗祖国的IPR立法）；科学家与工程师在劳动者中所占的比例作用显著。

对跨期预期的SSE对比中，作者发现，在研发变量为投入型变量时，非线性回归要优于线性回归；但当研发变量为产出型变量时，结果不确定；而与Ginarte and Park (1997) and Maskus (2000)的预测能力均强过非线性模型。

但这并没有使作者灰心，他一方面承认两个模型选择了合适的解释变量，另一方面决定吸收他们的长度，觉得需要加入一些关键变量，如贸易开放程度及其它制度因素。

小结：
作者旨在检验Grossman&Lai（2004）中的非合作IPR内生决定模型是否能解释各国IPR的数据生成过程。实证结果表明，非合作模型可以更好地解释1995年之前的数据，同时也表明95年之后，各国在IPR保护上合作性加强。

同时，向前一步预测的练习表明，95年之后，实际IPR保护水平要明显高于模型的预测值，更一步表明这种外在约束的增强。

同时，作者也从模型预测能力角度对比了其它三种模型：该非线性模型的线性版本；Ginarte and Park (1997) ；Maskus (2000)。比赛结果为：当研发水平为投入变量时，非线性模型要超过其线性版本。

但非线性结构模型在预测能力不及Ginarte and Park (1997) ，Maskus (2000)。Ginarte and Park (1997)模型的预测效果最佳，这使得作者觉得很有必要在回归中加入贸易开放程度及其它制度变量，以增加模型的解释力与预测能力。

Pesaran and Smith (1994)’s generalized goodness-of-fit measure R2（在stata中如何实现）