中国专利政策绩效区域差异及影响因素分析——以高技术产业为例

孟晓非

(同济大学，上海 200092)

中国专利政策绩效区域差异及影响因素分析
——以高技术产业为例

孟晓非

(同济大学，上海 200092)

本文基于各省高技术产业数据，通过SUPER-SBM三阶段DEA模型分析研发和转化两个阶段专利政策绩效的差异，并通过Tobit模型研究专利创造、运用、保护和服务四类环境因素对区域专利政策绩效的影响。得出以下结论：第一，东南沿海地区专利政策绩效较高；第二，专利政策绩效呈现由东向西递减态势；第三，多数地区存在重研发、轻转化的现象。专利创造、运用和服务环境的优化能提高地区专利政策绩效。

高技术产业；专利政策；政策绩效；SUPER-SBM；Tobit

在建设创新型国家的大背景下，专利政策作为知识产权政策的核心内容，其与技术创新的关联最为紧密。专利政策的调控对象包括技术研发到技术市场转化的整个过程，直接调整企业的专利运营行为。评估区域专利政策绩效，能有效评价各地区专利政策实施过程中的差异对地区企业技术创新的影响。

1 文献回顾与分析框架

专利制度将技术成果以法定权利的形式予以固定，并围绕其衍生出一系列技术运用、技术交易和获取经济利益的政策体系。专利运营水平是国家技术发展的关键，也是企业创新能力的直接体现。专利政策研究方法经历了从定性到定量，从主观评价方法到客观评价方法的转变过程[1-2]。随着入世后中国知识产权法律保护体系构建基本完成，专利政策对于技术创新作用的研究成为焦点。现有研究多认为专利政策是激励创新的重要手段，在政策制定中应与地方产业实践相结合，注重专利政策功能与经济发展之间的适应性[3-5]。随着政策评估研究的兴起，定量分析和指标体系被引入专利政策绩效的研究。通过对专利保护、专利政策措施和专利政策实施效果的分析，研究专利政策对创新的影响，发现现有专利政策能发挥促进产业创新的作用，但还存在专利政策协同度低、与企业需求脱节等问题[6-8]。因此，本文以地方高技术产业数据为样本，研究专利政策实施效果在各地的差异性。

图1 专利政策绩效分析框架

2 研发投入存量测算和变量选取

2.1 高技术产业R&D资本存量、引进技术经费存量和购买国内技术经费存量的测算

中国高技术产业的R&D内部经费支出自1995年以来一直呈现逐年增长的趋势。影响研发产出的R&D投入不仅限于当期R&D经费，而且是过去所有R&D投入的累计。R&D经费存量能够表明企业和产业现有实际投入的能力，是持续技术开发的基础。参考现有研究中常用的永续盘存法，计算1995年以来高技术产业R&D经费内部支出的经费存量[13]。

2.2 数据选取

研究数据来自《中国高技术产业年鉴》《中国统计年鉴》《中国基本单位统计年鉴》和国家知识产权局网站等。SMB-DEA模型选用2014年的截面数据，但在R&D资本存量、引进技术存量和国内技术购买存量的计算时，选用1995—2014年的数据。为保证数据的完整性和可比性，选定20个省、市、自治区作为样本，其中因涉及较早数据而将重庆并入四川作为一个样本。

第一，研发阶段数据选取。研发阶段变量选择，参考Griliches和Jaffe在Cobb-Douglas生产函数的研究结果，将技术产出定义为R&D投入和人力资源投入的结果，从而引入Griliches-Jaffe知识生产函数，将R&D经费和R&D人员折合年全时当量作为投入对技术产出影响因素。因研究对象是政策对于创新产出的影响，在考虑资本和劳动力投入对专利的效率值差异即体现在政策绩效的差异，所以在研发阶段只用资本和劳动力作为投入变量。本文以R&D资本存量作为研发阶段资本投入，用R&D人员全时当量作为劳动力投入，相比从业人数或R&D人员数量更能解释R&D劳动力实际投入数量。

第二，转化阶段数据选取。企业技术能力对于经济效益的影响源于技术研发和引入，选用R&D资本存量、引进技术经费存量和购买国内技术经费存量作为投入变量，能更好地解释企业技术投入的现实情况。利润和主营业务相比，缺点在于隐含较大的随机因素。作为发展追赶者的省份会加大技术吸收和基础设施建设的投入导致减少当期利润，所以选用主营业务收入作为产出变量更能解释产出的实际状况。

Agawu指出音乐中每个主题不是孤立的，而是作为一个整体来实现作品的意义表达。不光是音乐，电视广告中的主题（或者作品的共性因素）也是由图画、音乐、语言符号来整体实现。电视广告中各种模态符号（如音乐符号、图像、语言符号、颜色符号）以相似点为主题，反映同一主题的共同元素生成意义,即各种符号的意义的实现要靠各个元素中的相似性提取出来形成。笔者总结电视广告中各模态之间的关系如下图：

第三，环境变量数据选取。产业的创新表现不仅仅受到专利政策的影响，也受到其他政策、产业规模和经济环境的影响。选取三类环境因素：①经济环境。人均GDP常作为衡量经济发展状况的指标，用以解释各省不同水平的经济环境。第二产业占GDP比重是评价工业在各省的经济体系中地位的重要指标。②产业环境。选用行业企业数量解释在区域内企业的密度和运营压力高低。从业人员数能解释各省产业的规模大小。③政府环境。R&D政府资金量可以解释区域政府对高技术产业技术获得政府资助政策的支持程度。研究与开发机构数说明各省基础技术研究能力水平，也说明区域内高技术企业受到技术溢出的影响大小。在剥离上述三个环境因素后，各省高技术产业创新效率的差异可以被专利政策绩效的实施效果解释。

3 实证分析

3.1 SFA回归结果分析

从sigma-squared和gamma的值来看(见表1)，各个模型整体拟合度较高，可以很好解释各个环境变量对两个创新阶段的影响。回归结果显示，多数环境变量与研发、转化两个阶段的投入变量有显著相关性。

表1 SFA回归结果

注：***、**和*分别代表在1%、5%和10%水平下显著。

3.2 第一阶段与第三阶段SUPER-SBM回归结果

运用DEA-SOLVER PRO5对20个省研发阶段和转化阶段的投入、产出效率值进行分析，可以得出以下结论：

第一，研发阶段受环境因素影响不明显。第一阶段的结果与现有研究结论相类似，部分中部经济欠发达地区专利政策绩效表现较好，而东部地区转化阶段的表现明显低于平均水平[14]。表2是在剥离经济环境、产业环境和政府环境和随机影响因素前后，各个区域的效率值的统计性描述。在研发阶段，剥离环境因素后，效率值变化并不明显，说明经济环境和其他政策因素对研发过程中效率值影响不大。究其原因主要有以下几个方面：①研发阶段主要是研发人员利用技术基础设备进行技术研发的阶段，科学研究的过程相对封闭，与区域外部环境交流较少；②源于信息时代数据流通的便捷性和快速性，研发人员获得最新技术发展信息的途径畅通，技术研发的信息不对称性较低；③高技术产业R&D经费较充足，研发基础设施建设水平的区域差异性并不明显；④中国高等教育的高速发展，大专学历以上工程师和技术人员供给充足，加之人才流动较为频繁和便捷，研发人员素质普遍较高；⑤随着技术更新速度的加快，技术壁垒逐渐降低，研发人员引进技术和对外来技术的吸收改造成本越来越低。

表2 SUPER-SBM三阶段DEA统计性描述

第二，转化阶段的效率值受到环境因素影响显著。在转化阶段，剥离经济环境和其他政策因素后，效率值变化较大，说明技术的转化受到环境影响较大。这种现象主要有几方面原因：①企业市场地位受到环境因素影响较大，虽然市场化水平逐年上升，但还达不到完全消除地方保护主义的程度，尤其是较发达地区和相对欠发达地区，市场化水平差异还是较大的；②转化阶段表现与外部因素紧密相关，研发是企业内部行为，而技术的市场化受到市场、政府等多方因素的影响；③技术吸收和技术外溢对环境因素较为敏感，从对调整前后数据的对比和SFA回归的结果看，发现有效专利数据调整力度较小，而引进技术经费存量和购买国内技术经费存量都有较大力度的修正，区域内高技术产业企业的技术吸收行为与经济环境、产业环境和政府环境关系密切。

第三，研发阶段效率平均值为0.76，高于转化阶段的0.51效率值。且从整体趋势角度，两者呈现正比关系，即研发效率较高的省份其转化效率也较高。研发阶段主要是“实验室”模式，所以受到研发人员能力和科研技术设施影响较大。源于专利制度的技术公开性和较为完善的研发体系，使得区域差异性逐渐缩小，受到环境因素影响不大。转化阶段效率值较低则体现从“实验室”到市场的困境，技术产业化困难一方面原因是企业消化吸收能力不足，另一方面原因是技术本身市场价值较低。研发阶段效率值与转化阶段效率值呈正比关系，说明如区域内企业较为重视技术研发，也注重专利申请和管理能力，则该地区的技术转化能力也会得到一定的提高。因此，创新过程的两个阶段不能割裂，注重研发能力的培养也能惠顾到提高企业的技术转化能力。

第四，第三阶段效率值呈现由东向西逐步递减，即经济发达地区的专利政策绩效水平高于经济欠发达地区。研发阶段效率均值由东向西分别为0.93、0.62和0.52，各区域研发阶段效率值差异性不大。除西部地区较低以外，东部和中部的研发效率都处于较高水平，说明研发阶段专利政策绩效水平较高。转化阶段效率均值由东向西分别为0.91、0.06和0.14，东部转化效率普遍较高，而中部和西部转化效率很低，有明显的地区不平衡性。在东部经济发达地区专利政策能有效促进企业技术转化能力，专利的市场化水平较高，多省效率值处于前沿面以上。但中部和西部效率值很低，在剥离环境因素之前效率值较高，经济欠发达地区专利政策绩效较低。对于这种现象有几类原因：①东部地区研发水平和专利质量都较高，同时技术吸收能力也较强，所以在利用有效专利和引进技术后能很好地运用技术获得市场优势。而中西部地区专利政策在技术转化问题上有较为明显的短板，导致了中西部地区研发水平与东部差距不大，但在技术转化能力方面有很大的欠缺的结果。②东部高技术产业企业成本高、竞争压力大，需要面对国内企业和跨国公司的双重竞争。在中西部地区，高技术产业企业在区域内多为龙头企业，区域内竞争对手不多、市场占有率高，相对安逸的生存环境导致其对专利政策实践的动力不足。③国内高技术产业园区分布呈现集中于东部地区的现象。高技术产业园区的目的就是技术的市场转化，园区内企业在专利技术运用过程中能获得较高的平台和完善的指导。④中西部高技术产业企业技术研发和技术吸收规模较小。东部呈现有效专利数量与引进和购买技术经费存量成反比，即技术研发能力较强的省份呈现技术外溢效应。说明中西部地区市场化水平较低，企业还未充分参与全国范围的市场竞争。在市场化水平较高的东部地区技术能实现有效流转，企业在自身技术能力不足的情况下能积极通过购买技术弥补差距。

第五，多数地区存在研发、转化失衡的现象，只有江苏、广东、福建和上海的研发、转化数据都处于较高水平。与现有研究不同，上海常被认为具有较高研发能力和专利市场化能力，但在第三阶段调整后上海的研发效率并不具有明显优势。但总体上东部地区的专利政策绩效水平远高于中西部，同样研发与转化处于较为平衡的水平。

综上，中国专利政策绩效在研发阶段水平较高，而在转化阶段总体很低，有极大的改进空间。为进一步探讨专利政策绩效的影响因素，用第三阶段效率值作为被解释变量进行探讨。

4 区域专利政策影响因素

4.1 专利环境对政策绩效影响分析

不同地区市场的专利运营环境有很大不同，参考《深入实施国家知识产权战略行动计划(2014—2020年)》中提出的知识产权创造、运用、保护、管理和服务五类未来发展目标，将专利环境分为以下四类：

第一，专利创造环境因素，是以提高个人和企业研发和申请专利的整体积极性为目标，通过各省累计授权发明专利数作为解释变量。相对积极的专利创造政策能使个人和企业之间存在相互激励的作用，也说明区域内专利政策能有效促进技术创造。因发明专利审查标准较为严格、保护周期较长和技术含量较高，所以授权发明专利数量能更好解释地区专利创造水平，采用累计数据是为避免偶然性因素。

第二，专利运用环境因素，是以提高专利权人将专利技术转化为市场产品或经济收益的能力为目标。专利制度的完善使得技术交易的方式极大丰富，专利池、交叉许可或专利联营逐渐成为企业的主要选择项。选用技术合同交易额作为评价各省专利运用政策的评价指标，可以很好地解释专利交易的实际状况。

第三，专利保护强度因素，是以保护专利权、打击专利侵权行为为目的。参考现有研究，利用Ginarte-Park指数估算各个地区的专利保护强度[15]。式P(t)=L(t)×E(t)中，P(t)代表地区在t时期的专利保护强度，L(t)代表该地区t时期的专利保护立法强度，E(t)该地区t时期的专利保护执法强度。专利保护执法强度从司法保护水平、经济发展水平、社会公众意识、行政保护及管理水平和国际监督制衡五个方面进行测算，估算出2013年20个省份的专利保护强度。

第四，专利服务环境因素，选用知识产权服务机构数量作为解释变量。知识产权服务机构是为个人和企业提供专业专利相关指导和服务为业务的企业。专利服务是近几年提出的知识产权战略建设的政策目标，其目标是提升专利基础能力，构建专利服务平台，扩充专利人才队伍。

4.2 结果分析

表3是各变量对第三阶段SUPER-SBM效率值Tobit回归的结果。通过对研发和转化阶段不同的影响可以发现：第一,专利创新环境与专利政策绩效呈现正相关，说明地区企业专利创造能力越强，申请发明专利数量越多，则其专利政策绩效会更好。第二，专利运用环境也对专利政策绩效有正相关关系，地区技术交易活跃度高说明其具有较好的市场环境和专利质量较高。第三，专利保护强度与高技术产业创新两个阶段相关度不高。中国专利保护强度立法层面已经符合TRIPS协议要求，随着近几年司法和行政制度改革，专利执法和审判水平逐渐提高，但目前对于创新的影响还不显著。第四，专利服务机构数量增加能促进专利政策绩效水平提高。中国正加大力度扶持专利服务业的发展，如深圳、苏州等地都出台相关资助政策，针对初创专利服务企业予以补贴。

表3 Tobit模型回归结果

[1]刘华,孟奇勋.知识产权公共政策的模式选择与体系构建[J].中国软科学,2009(7):10-18.

[2]郭丽峰.我国鼓励自主知识产权政策措施评书[J].科学学与科学技术管理,2004(7):31-35.

[3]吴汉东.利弊之间：知识产权制度的政策科学分析[J].法商研究,2006(5):6-15.

[4]袁晓东.论我国科技项目中的知识产权政策[J].科学学研究,2006(1)：36-41.

[5]蒋玉宏.知识产权制度功能分析——以产权和公共管理理论为视角[J].科学学与科学技术管理,2009(4)：25-29.

[6]包海波.市场机制与公共政策：企业知识产权管理制度化的实证研究[J].科技管理研究,2012(4)：118-122.

[7]董钰,孙赫.知识产权保护对产业创新影响的定量分析——以高技术产业为例[J].世界经济研究,2012(4)：11-15.

[8]盛亚,孔莎莎.中国知识产权政策对技术创新绩效影响的实证研究[J].科学学研究,2012(11)：1736-1740.

[9]郭俊华,曹洲涛.知识产权政策评估体系的建立与推荐策略研究[J].科学学与科学技术管理,2010(3)：31-38.

[10]BERNARD CAILLAUD,ANNE Duchêne.Patent office in innovation policy:nobody’s perfect[J].International journal of industrial organization,2011(29):242-252.

[11]BRONWYN H Hall.Patents and patent policy[J].Oxford review of economic policy,2007,23(4):568-587.

[12]常菲,单晓光.知识产权管理对技术创新绩效的影响研究[J].山东行政学院学报,2012(6):57-61.

[13]吴延兵.R&D存量、知识函数与生产效率[J].经济学(季刊)，2006(7)：1129-1156.

[14]赵嘉茜,宋伟,叶胡.基于链式关联网络的区域知识产权战略实施绩效评价研究——来自中国29个省高技术产业的实证数据[J].中国科技论坛,2013(4)：103-108.

[15]韩玉雄，李怀祖.关于中国知识产权保护水平的定量分析[J].科学学研究,2005(6)：377-382.

(责任编辑 沈蓉)

Regional Differences and Influence Factors of Chinese Patent Policy Performance of High-tech Industry

Meng Xiaofei

(Tongji University，Shanghai 200092,China)

This paper focuses on analyzing the differences of patent policy performance on the two key stages as research and development(“R&D”)and transformation via SUPER-SBM three stage DEA model.And it analyzes the effect of four environmental factors as patent creation,patent application,patent protection and patent service to regional patent policy performance via Tobit model.Based on the research of patent policy performance,it gets conclusions as follows:Firstly,the patent policy performance of southeast coastal areas is better than other regions；Secondly,the patent policy performance shows a decreasing trend from east to west；Thirdly,it exists in most areas the phenomenon “to attach importance to research and development,while to despise transformation”.Patent creative environment,patent application environment and optimization of patent service environment can all significantly improve the performance of regional patent policy.

High-tech industry；Patent policy；Policy performance；SUPER-SBM；Tobit

国家自然科学基金项目“基于内生的产业利益诉求和外生给定路径限制的专利保护强度选择及其优化研究”(71303172)。

2016-04-05

孟晓非(1986-)，男，上海人，同济大学经济与管理学院博士；研究方向：知识产权与知识管理。

G306.3

A