裁判视角下商标侵权惩罚性赔偿额影响因素组态研究

胡海容 韩梦如

摘 要：现有文献侧重法学视角对商标侵权惩罚性赔偿制度的研究，暂无关注多因素对惩罚性赔偿额的联动作用。基于裁判视角，运用fsQCA，从基数、主观恶意程度、侵权情节严重程度以及其他因素四个层面8个前因条件出发探究其对商标侵权惩罚性赔偿额的协同联动效应，并探索高惩罚性赔偿额的驱动路径。得出以下结论：充分重视赔偿基数的重要作用，谨慎看待高倍数对惩罚性赔偿额的影响，商标权人在诉讼过程中应注重证据的全面性以及互补性，同时结合个案选择合适的举证路径。

关键词：商标侵权；惩罚性赔偿额；fsQCA；影响因素；组态研究

中图分类号：F724.6   文献标识码：A 文章编号：1005-6432（2024）01-0126-06

DOI：10.13939/j.cnki.zgsc.2024.01.031

我国于2013年在《商标法》中首开知识产权侵权适用惩罚性赔偿的先河。2019年，《商标法》第四次修改时，更是将惩罚性赔偿倍数从2013年的1～3倍提高到1～5倍，以期威慑和预防商标侵权。然而，惩罚性赔偿在商标侵权中的适用却颇为“惨淡”，这不仅表现在适用惩罚性赔偿的商标侵权案件数量极少＼[1＼]，还表现在惩罚性赔偿额总体不高＼[2＼]。客观来讲，惩罚性赔偿制度的引入及倍数的提高体现了当前严格知识产权保护的总体趋势。因此，商标侵权惩罚性赔偿额的影响因素成为理论界和实务界关注的热点问题。目前，关于商标侵权惩罚性赔偿额的研究主要采用文献分析法从法学视角进行理论研究，暂无采用实证分析法从管理学视角开展定性和定量研究。基于此，文章选取近年来具有代表性的案例，运用模糊集定性比较分析（fsQCA）方法，尝试从法官裁判的视角分析影响商标侵权惩罚性赔偿额的因素，特别是从组态视角探究高惩罚性赔偿额影响因素的内部机理及形成路径。

1 文献综述与研究框架

1.1 文献综述

《商标法》第六十三条以及《解释》第六条的规定，惩罚性赔偿额=基数×倍数，大部分学者关注到惩罚性賠偿的基数和倍数是确定惩罚性赔偿额的两方面。

关于惩罚性赔偿基数的确定，部分学者认为应针对实际损失、侵权人获利和商标许可使用费这3种赔偿基数设置不同确定方式和考量因素。对于实际损失，丁文严（2021）发现，不同法官在裁判中考虑的因素有所不同，包括因价格侵蚀而损失的利润、已经发生的直接损失、广告费损失、降价损失以及未来销售利润损失等。对于侵权获利，张红（2019）认为侵权获利的认定应与侵权人实际销售的含有侵权商标产品的数量、法院不应过分依赖加害人提供公司账簿、侵权行为人所得利益与侵权行为之间因果关系的紧密程度等密切相关。对于商标许可使用费，杨方程（2018）指出，法院一般会考虑该商标在侵权行为地的消费者的认可度及市场影响力，基于客观评估，使得所确定的商标许可费接近于侵权行为合法化而支付的费用。王莲峰（2020）通过对123份判决文书进行实证分析，总结了法院判定惩罚性赔偿基数的一些共性的可参考因素，包括商品价格、商品性质、行业利润、市场经济环境变动、权利人的商誉保护等。

关于惩罚性赔偿倍数的确定，学者们重点围绕主观恶意程度和情节严重程度两个因素展开。对于主观恶意程度，最高人民检察院检察官赵衡（2016）归纳“恶意”的特征包括：一是被告曾和权利人有许可、经销、代理等密切关系；二是曾多次收到原告的警告函、律师函，但屡警不改;三是被告多次侵害同一权利人；四是被告因侵权多次受过行政处罚又侵权的；五是被告因侵权多次被判决赔偿又侵权的。对于情节严重程度，朱丹（2013）主张采用综合评价的方式对考量因素进行列举，如根据侵权次数、侵权时长、侵权人经济状况、侵权后果侵权人的诉讼等情节进行个案判定。舒媛（2015）认为“情节严重”可参照以下标准确定，包括侵权持续时间、影响范围、侵权性质以及涉案商标是否涉及重大安全卫生医疗领域，给商标权人的商誉带来难以弥补的恶劣负面影响因素等。除了以法律和事实作为惩罚性赔偿额依据外，詹映（2020）通过采访知识产权法官发现，知识产权侵权的裁判还会受到一些法律之外的因素影响，如地方经济水平、案件审理数量、原告举证诚信不足以及司法体制。

综上所述，现有研究普遍认为，商标侵权惩罚性赔偿额的影响因素包括以下三方面。一是商标的价值。该因素可参考商标知名度、商标在侵权行为地的市场影响力、权利人的商誉保护、消费者的认可度、商标保护期限等。二是侵权行为的性质、方式、手段、持续时间、危害后果和范围等因素。三是侵权人获利情况， 包括经济条件、侵权产品销售数量等。其中，商标知名度、侵权次数、侵权时长、侵权人的经济状况等是确定商标侵权惩罚性赔偿额的重要因素，但是“基数、倍数的确定缺乏统一标准”仍然是司法实践面临的重大难题［3］，特别是上述因素的影响权重以及相互作用机制尚待厘清。

1.2 研究框架

在QCA分析中，选择条件组态是构建研究框架的重要程序。Ketchen等（1993）认为，归纳法和演绎法是两种确定组态条件的有效途径。其中，演绎法指的是从已有理论框架中的核心构念、要素或类型中构造和形成条件的一种自上而下的方法。归纳法是对已有研究成果或实践经验进行总结来确定条件的一种自下而上的方法。因此，文章综合采用归纳法和演绎法识别关键且重要的条件变量。通常认为，人类在构造性无知的现实处境中奉行有限理性的行为模式＼[4＼]，法官考虑具有主导作用的变量或因素数量有限，只能选择较为重要的条件变量。笔者通过文献回顾以及裁判文书中影响因素数据的可得性，将基数、侵权人主观恶意程度、侵权情节严重程度和其他因素作为影响惩罚性赔偿额的四大前因条件，构建图1所示的前因条件整合框架。

图1 模型框架

2 研究方法与数据构建

2.1 研究方法

文章运用拉金（1987）提出的定性比较分析（QCA）方法，该方法具备了定性和定量分析的双重优点，且其自身定位更偏向于一类“案例导向”的分析技术＼[5＼]。与回归分析方法相比，QCA关注的并非单个变量的“净效应”，而是多个条件变量的组合（以下简称“组态”）如何对结果变量产生影响＼[6＼]，以及“分析不同条件的多重并发因果关系寻求非对称的条件组态”＼[7＼]，从而揭示现象背后复杂的因果机制。QCA的另一个特点是适用于商标侵权惩罚性赔偿案例属于“小样本”，且具有定性或主观的数据的情形。QCA方法目前包括三种分析方法，分别是清晰集定性比较分析法（csQCA）、多值集定性比较分析法（mvQCA）和模糊集定性比较分析法（fsQCA）。其中，fsQCA适用于变量类型不能简单赋值为0～1或者分段，而是需要通过降维分类、定量化进行主观赋值至一个介于0和1的隶属度的情形。基于文章选取的结果变量和条件变量的数据特点，选择fsQCA方法较为适合。

2.2 数据构建

（1）数据收集。文章选择“威科先行”数据库，以“侵害商标权纠纷”为案由检索词，以“判决书”作为“文书类型”，在裁判理由及依据中以“惩罚性赔偿”为关键词进行检索。对于时间段的选择为2016年1月1日至2021年12月31日，這是考虑到《商标法》确立的惩罚性赔偿生效的时间是2014年5月1日，而法院适用新法判决案件尚存在时间差。同时，考虑到我国民事诉讼遵循两审终审的原则，对于经过两审的案件，只统计二审判决书。基于此，检索得到判决书1263份。进一步阅读后，按照以下三个标准进一步筛选：一是判决支持了惩罚性赔偿；二是判决书中分析了惩罚性赔偿额的影响因素；三是案件本身具有代表性，比如由知识产权法院作出，或者是最高院发布的指导性案例。由此，共得到代表性案例37个。

（2）变量设计。根据我国《商标法》第六十三条以及《解释》第六条的规定，惩罚性赔偿额=基数×倍数，其中，基数包括实际损失、侵权获利以及许可费的倍数。倍数的主要影响因素为被告主观过错程度、侵权行为的情节严重程度。司法实践中，还会存在其他因素，即虽无法律明文规定，但实际上会对赔偿额产生影响的因素＼[8＼]。基于此，文章将影响惩罚性赔偿额的因素分为两类：一类是核心要素，分别是基数、被告主观过错程度和侵权行为情节严重程度；另一类是其他因素，如请求赔偿额、倍数范围。这些要素并非单一变量，而是若干变量的集合。同时，对于每个集合的子集也缺乏通说。综合前文的模型框架以及37份判决书中载明的影响因素，文章最终选取惩罚性赔偿额为结果变量，8个条件变量，具体如下：

①惩罚性赔偿额。指判决书载明的判决支持的惩罚性赔偿额。这里需要说明的是，合理开支并非惩罚性赔偿额的组成部分，但是鉴于多数判决书中载明的“额”并未将二者区分开来，且合理开支所占比例通常较低的现状，文章将此额整体视为惩罚性赔偿额。

②请求赔偿额。指商标权人主张的赔偿额，实践中对于惩罚性赔偿的赔偿基数确定有重要影响。由于多数的判决书中载明的请求赔偿额实际上是包含合理开支在内的，基于前文已述的原因，文章也忽略此种差异带来的影响。

③赔偿基数。这是指判决书载明的法官计算惩罚性赔偿的基数，包括权利人的实际损失、侵权人的侵权获利或违法所得、许可使用费的倍数三种。

④商标知名度。指涉案商标是否曾被认定为驰名商标。鉴于2019年起，我国已取消了著名商标的认定，而自2014年5月1日起，驰名商标的认定也遵循个案认定、被动认定的规则，因此，涉案商标是否曾被认定或者在该侵权案件中被认定为驰名商标是判断商标知名度的重要参考。

⑤侵权产品销售额。被告的侵权获利不仅可以作为惩罚性赔偿的赔偿基数，也是影响惩罚性赔偿额的重要因素。

⑥侵权次数。指侵权人是否多次实施侵权行为，例如收到侵权警告函后未采取必要措施，签署和解协议后再次侵权，被认定为侵权后再次实施侵权行为等。

⑦侵权时长。指侵权行为的持续时间。鉴于多数的判决书并未就侵权时长进行详细分析，文章选取原告主张的侵权开始时间到法院判决的时间作为侵权时长，单位为年。

⑧倍数范围。法官确定倍数时考量的倍数范围，《商标法》（2019）将惩罚性赔偿倍数从1～3倍提高至1～5倍。

（3）测量与校准。文章根据条件与结果的数据类型，运用直接校准法将数据转换为模糊集隶属分数。依据杜运周和贾良定（2017）的校准标准以及案例的实际情况，各变量的校准标准为0.5分位点，完全不隶属的校准标准为0.05分位点，完全隶属的校准标准为0.95分位点＼[9＼]，其中商标知名度、侵权次数、倍数范围为二分类变量，不再对其进行校准。各条件和结果变量的校准信息如表2所示。

3 数据分析与实证结果

3.1 单个条件的必要性分析

运用fsQCA 3.0软件分析高惩罚性赔偿额和非高惩罚性赔偿额的必要条件的检验结果如表3所示。在高惩罚性赔偿额的条件变量中，高基数（A）的一致性达到了0.948348，超过绝对必要条件的标准0.9，表明高基数（A）是高惩罚性赔偿额的必要条件。同时，高基数（A）的覆盖度为0.937791，即覆盖了约93.8%的案例样本，表明其解释力很强。此外，高侵权产品销售额（E）和高请求赔偿额（F）的一致性均高于0.8，可以视为高惩罚性赔偿额的充分条件。从单变量必要性条件检测可以看出，高基数（A）属于能够独立触发高惩罚性赔偿额的变量，这也意味着高基数（A）对高惩罚性赔偿额具有重要作用。因此，惩罚性赔偿额的高低是各种因素综合作用的结果，因此有必要对各条件变量的组合效应进行分析。

3.2 条件组态的充分性分析

不同于上述对必要条件的分析，组态分析试图揭示由多个条件构成的不同组态引起结果产生的充分性。Schneider（2012）指出，确定充分性的一致性水平不应低于0.75，频数阈值应根据样本量来确定，对于中小样本，频数阈值为1，对于大样本，频数阈值应大于1。结合PRI一致性大于0.7的要求，最终确定的一致性阈值为0.8，频数阈值为1。通过组态视角探究7个前因变量的组合导致高惩罚性赔偿额的充分性条件。当条件变量在组合中出现时，用实心圈表示，当条件变量在组合中未出现时，用空心圈表示。其中，当圈较大时（图例为“●”“”），表示该条件变量是核心条件；当圈较小时（图例为“●”“”），表示该条件变量是非核心条件；当条件变量既可以出现也可以不出现时，用空格表示。

文章采取Ragin和Fiss（2008）提出的QCA分析结果呈现形式，结果如表4所示，组态S1：A*～B*C*E*F*～G，组态S2：A*～C*D*E*F*～G ，组态S3：A*～C*D*E*～F*G，组态S4：A*B*～C*D*E*F，组态S5：B*C*D*～E*F*G和组态S6：A*B*～D*E*F*G，可以视为权利人获得高惩罚性赔偿额的充分条件组合。其中，每一列代表一种可能的条件组态，权利人获得高惩罚性赔偿额的组态共有6种，组态S2、S3和组态S4构成二阶等价组态，即核心条件相同＼[10＼]。总体解的一致性为0.995766，表明有99.6%的案例支持了高惩罚性赔偿额。总体解的覆盖度为0.623005，这表示4类条件组态可以解释62.3%的高惩罚性赔偿额案例。6个组态的一致性值均高于可接受的最低标准0.75，表明实证分析有效。在此基础上，可以进一步识别出侵权次数、请求赔偿额、侵权时长等因素在法官判赔高惩罚性赔偿额过程中的差异化适配关系。

3.3 稳健性检验

张明和杜运周（2019）指出，可以采用调高一致性阈值、 提高 PRI一致性、新增其他條件、增加或删除案例的方式进行 QCA 稳健性检验。通常在以上4种方法中选择一种即可，本研究使用调高案例一致性阈值的方法， 将案例一致性阈值由0.8提升至0.85。结果显示，当一致性标准为0.8时，出现了6种组态形式，总的一致性为0.995766；当一致性标准为0.85时，出现了6种组态形式，总的一致性仍为0.995766。稳健性检验表明，新组态结果与上述分析结果一致，说明结果具有较好的稳健性。

3.4 组态结果的进一步讨论

分析条件变量在6种组态中存在的情况不难发现，组态S2、S3、S4和S6的原始覆盖率较高，分别是0.1803、0.1391、0.1948和0.2218，累计解释了约73.6%的结果，共覆盖14个案例。表明大部分权利人通过这四条路径提高惩罚性赔偿额。然而，四个组态的核心条件构成并不完全一致，组态S2、S3和S4的核心存在条件是基数和侵权产品销售额，组态S6没有核心条件存在。基于核心条件存在与否以及核心条件的组合不同，笔者将表4中法官判决高惩罚性赔偿额驱动路径归为四种模式。

（1）模式一：侵权情节驱动型。该模式对应组态S1，组态S1表明，即使涉案商标并非驰名商标、《商标法》规定的惩罚性赔偿倍数范围为1～3倍，但在高基数、重复侵权、高侵权产品销售额、高请求赔偿额的条件作用下，商标权人依然能够获得高惩罚性赔偿额。其中，高侵权产品销售额的存在发挥了核心作用，高基数、重复侵权、高请求赔偿额发挥了辅助作用。

（2）模式二：基数+侵权情节驱动型。该模式对应组态S2、S3和S4，这三种组态的共同点是基数和侵权产品销售额作为核心条件，而缺失核心条件重复侵权作为。在组态S2中，基数、侵权产品销售额的存在发挥了核心作用，重复侵权、侵权时长的存在发挥了辅助作用。在适用惩罚性赔偿的前提下，侵权人未重复侵权、法官考量的倍数范围为1～3倍，但在高基数、高侵权产品销售额、重复侵权以及高侵权时长条件的作用下，权利人可以获得高惩罚性赔偿额。在组态S3中，基数、侵权产品销售额的存在发挥了核心作用，驰名商标、侵权时长、倍数范围为1～5倍发挥了辅助作用。无论涉案商标是否已认定为驰名商标，只要高基数、高侵权产品销售额作为核心条件存在，辅以高侵权时长、法官考量倍数范围为1～5倍即使侵权人未重复侵权，商标权人可以获得高惩罚性赔偿额。在组态S4中，基数、侵权产品销售额的存在发挥了核心作用，驰名商标、侵权时长和请求赔偿额发挥了辅助作用。侵权人未重复侵权，无论法律规定的倍数范围如何，只要高基数、高侵权产品销售额作为核心条件存在，辅以高侵权时长、高请求赔偿额以及涉案商标是驰名商标等条件，商标权人就可以获得高惩罚性赔偿额。

（3）模式三：主观恶意驱动型。该模式对应组态S5，在组态S5中，驰名商标、重复侵权、请求赔偿额发挥了核心作用，侵权时长、倍数范围发挥辅助作用。涉案商标为驰名商标、商标权人请求高赔偿额、侵权人重复侵权、侵权时间较长以及法官考量的倍数范围为1～5倍时，即使侵权产品销售额较低，商标权人依然可以获得高惩罚性赔偿额。

（4）模式四：均衡型。该模式对应组态S6，与其他路径不同，该组态没有核心条件，除主观恶意条件出现模糊状态以外，其他条件均为存在状态。在组态S6中，基数、侵权产品销售额、请求赔偿额均较高，涉案商标为驰名商标、法律规定的惩罚性赔偿倍数为1～5倍，而侵权人未重复侵权时，无论侵权时间长短，商标权人都可以获得高惩罚性赔偿额。

4 研究结论与启示

惩罚性赔偿额影响因素分析是典型的小样本“多重并发因果”问题，传统定量研究分析此类问题时往往力不从心，也无法彻底避免变量间的共线性问题，fsQCA则为解决上述问题提供了新的分析维度。研究结果表明：①高基数能够单独作为高惩罚性赔偿额的必要条件，单个因素高基数的出现可以构成高惩罚性赔偿额。商标知名度、重复侵权、侵权时长、请求赔偿额等条件变量对惩罚性赔偿额产生重要影响。②获取高惩罚性赔偿额存在6条驱动路径，4种模式，驱动路径的显著差异也进一步阐释了判赔高惩罚性赔偿额的异质性条件是千差万别的。惩罚性赔偿的倍数从“1～3倍”提高到“1～5倍”并不必然带来惩罚性赔偿额的提高。③高惩罚性赔偿额的充分条件是多种条件变量相互组合的结果，具有多因共存和多重路径的基本特征。

在法院审理中，商标权人需要在各种优势与劣势的组合中寻求高惩罚性赔偿额的有效路径。文章构建惩罚性赔偿额模型，采用fsQCA方法从多角度、多维度、多层次对商标权人获取高惩罚性赔偿额进行组态分析，研究结论有利于商标权人和法官基于复杂性、整体性的视角正确认识高惩罚性赔偿额的条件组态，进而采取针对性策略促进法官足额赔偿商标权人。具体来讲可得到如下启示：

第一，充分重视赔偿基数的重要作用。文章的研究表明，赔偿基数的高低对惩罚性赔偿额的高低具有至关重要的影响。《商标法》建立惩罚性赔偿的主要目的是通过提高赔偿额实现足额赔偿商标权人并有效遏制侵权人。然而，要实现这一目的，前提条件是确定赔偿基数。面对这一商标实务过程中面临的共同难题，需要依靠包括证据规则在内的制度体系的进一步完善。第二，谨慎看待高倍数对惩罚性赔偿额的影响。文章的研究显示，单纯的倍数提高对惩罚性赔偿额的影响有限。相反，倍数的提高对法官的自由裁量提出了更大的挑战。可以考虑进一步对典型案例进行细化研究，逐步形成不同倍数的分档量化规则，有效避免惩罚不足或惩罚过度，从而较好地平衡当事人之间的利益。第三，商标权人在诉讼过程中应注重证据的全面性以及互补性，同时结合个案选择合适的举证路径。基于法院对惩罚性赔偿适用一直采取严格审慎的态度，即使立法上扩大了惩罚性赔偿倍数范围，但是关键还是要回到侵权情节的举证，才能在诉讼中获得更高的惩罚性赔偿数额。

参考文献：

［1］欧阳福生.商标侵权惩罚性赔偿制度适用困境及制度重构——基于711个案例的实证分析［J］.学海，2020（6）：180-186.

［2］芮雯奕，夏高云.基于知识产权价值视角的知识产权侵权惩罚性赔偿额确定研究［J］.科技与经济，2021，34（3）：96-100.

［3］丁文严，张蕾蕾.知识产权侵权惩罚性赔偿数额的司法确定问题研究［J］.知识产权，2021（2）：72-86.

［4］赫伯特·西蒙.人类活动中的理性［M］.桂林： 广西师范大学出版社，2016.

［5］伯努瓦·里豪克斯.QCA设计原理与应用［M］.北京：机械工业出版社，2017.

［6］FISS P C.Building better causal theories：a fuzzy set approach to typologies in organization research［J］.Academy of management journal，2011，54（2）：393-420.

［7］孫佩红，刘凯月.战略性新兴企业高质量发展组态研究——基于TOE拓展框架的fsQCA分析［J］.西部论坛，2022，32（5）：12-25.

［8］边仁君.专利侵权损害赔偿规则的标准、困境与重构［J］.知识产权，2021（3）：34-53.

［9］杜运周，贾良定.组态视角与定性比较分析（QCA）：管理学研究的一条新道路［J］.管理世界，2017（6）.

［10］FISS P C．Building better casual theories：a fuzzy set approach to typologies in organization research［J］.Academy of management journal，2011，54（2）：393-420.