蘇平 王晶晶

[摘? ? 要] 專利密集型產(chǎn)業(yè)是知識產(chǎn)權(quán)密集型產(chǎn)業(yè)的重要組成，也是推動我國產(chǎn)業(yè)結(jié)構(gòu)升級以及經(jīng)濟高質(zhì)量發(fā)展的重要支撐?；趧?chuàng)新價值鏈理論對創(chuàng)新過程進行分解，構(gòu)建兩階段網(wǎng)絡DEA模型，可將專利密集型產(chǎn)業(yè)的創(chuàng)新過程分為技術(shù)研發(fā)階段以及成果轉(zhuǎn)化階段。在此基礎上結(jié)合專利密集型產(chǎn)業(yè)特點對其兩階段創(chuàng)新效率進行測度和對比后，可基于此通過Tobit回歸模型檢驗知識產(chǎn)權(quán)保護強度對專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率的影響。研究表明：（1）知識產(chǎn)權(quán)保護強度對技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的創(chuàng)新效率都有著顯著的正向作用。（2）技術(shù)研發(fā)效率對成果轉(zhuǎn)化效率有顯著正向影響，但成果轉(zhuǎn)化效率對技術(shù)研發(fā)效率影響不顯著。（3）研發(fā)人員比重對技術(shù)研發(fā)階段創(chuàng)新效率有顯著正向影響，對于成果轉(zhuǎn)化階段創(chuàng)新效率有顯著負向作用?；诖耍壳皩τ谖覈?，一是加強知識產(chǎn)權(quán)保護有助于專利密集型產(chǎn)業(yè)提升創(chuàng)新效率，維護創(chuàng)新權(quán)益；二是我國專利密集型產(chǎn)業(yè)創(chuàng)新過程中的兩個階段循環(huán)不暢，缺乏有效的互動以及循環(huán)，兩個階段間的互動機制仍需加強。同時在提高技術(shù)創(chuàng)新能力和研發(fā)效率的同時，應注重以成果轉(zhuǎn)化為目標的研發(fā)。三是完善我國知識產(chǎn)權(quán)保護制度體系，要根據(jù)不同專利密集型產(chǎn)業(yè)的共性與特性，制定差異化的產(chǎn)業(yè)知識產(chǎn)權(quán)保護政策，實施滿足產(chǎn)業(yè)共同需求的知識產(chǎn)權(quán)共性保護以及產(chǎn)業(yè)個性化的知識產(chǎn)權(quán)特性保護。

[關鍵詞] 知識產(chǎn)權(quán)保護；專利密集型產(chǎn)業(yè)；高科技產(chǎn)業(yè)創(chuàng)新；知識密集型產(chǎn)業(yè)；科技成果轉(zhuǎn)化；技術(shù)研發(fā)效率

[中圖分類號] F276.44;F204? [文獻標識碼] A? [文章編號] 1002-8129（2023）09-0053-12

一、引言

黨的二十大報告指出，我國經(jīng)濟轉(zhuǎn)型升級進入高質(zhì)量發(fā)展階段。在新的發(fā)展階段，經(jīng)濟增速由高速轉(zhuǎn)為中高速、人口紅利過渡為人才紅利，作為國家和地區(qū)經(jīng)濟進步和社會發(fā)展的動力引擎，創(chuàng)新助力我國經(jīng)濟發(fā)展質(zhì)量提升。同時，國家工信部印發(fā)的《產(chǎn)業(yè)技術(shù)創(chuàng)新能力發(fā)展規(guī)劃》中指出，提高產(chǎn)業(yè)技術(shù)創(chuàng)新能力，是實現(xiàn)創(chuàng)新驅(qū)動經(jīng)濟高質(zhì)量發(fā)展的重中之重，產(chǎn)業(yè)技術(shù)創(chuàng)新是實現(xiàn)經(jīng)濟增長方式轉(zhuǎn)變、促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的重要手段和關鍵支撐。當今中國，科技、經(jīng)濟的發(fā)展正在影響、加速其他社會領域的現(xiàn)代化[1] 358-375。專利密集型產(chǎn)業(yè)作為技術(shù)創(chuàng)新、產(chǎn)業(yè)經(jīng)濟與知識產(chǎn)權(quán)緊密融合的集合體，既是全球各國謀求產(chǎn)業(yè)競爭優(yōu)勢的重要抓手，也是促進我國產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化以及經(jīng)濟高質(zhì)量發(fā)展的關鍵所在。知識產(chǎn)權(quán)保護作為衡量創(chuàng)新效率和發(fā)展質(zhì)量的重要保障，在國際競爭力核心要素中的作用更加凸顯。知識產(chǎn)權(quán)保護通過影響創(chuàng)新研發(fā)、技術(shù)轉(zhuǎn)化等多方面作用于產(chǎn)業(yè)創(chuàng)新，從而影響專利密集型產(chǎn)業(yè)，因此是一項重要的衡量創(chuàng)新的指標。知識產(chǎn)權(quán)保護則是重要的制度保障[2]，是確保知識產(chǎn)權(quán)權(quán)利得到保障的有效制度。探究知識產(chǎn)權(quán)保護強度在專利密集型產(chǎn)業(yè)創(chuàng)新過程中的影響作用以及其發(fā)揮作用的方向和方式，有助于促進專利密集型產(chǎn)業(yè)進一步地創(chuàng)新與發(fā)展，助推經(jīng)濟高質(zhì)量發(fā)展。

二、文獻綜述

在對專利密集型產(chǎn)業(yè)創(chuàng)新效率的研究中，目前國內(nèi)外學者主要關注效率評價和影響因素等方面。在有關創(chuàng)新效率評價研究中，對產(chǎn)業(yè)技術(shù)創(chuàng)新能力進行測度研究時應用最為廣泛的方法為數(shù)據(jù)包絡分析法（DEA）[3-4]，DEA法能夠處理多投入-多產(chǎn)出決策單元，不需要確定生產(chǎn)前沿函數(shù)的具體形式，操作簡便且較為客觀，但其也存在對決策單元解釋信息較少的缺點，因此部分學者會將其他評價方法與DEA法結(jié)合使用[5] 201-203。如有學者將效率過程分解成多階段，構(gòu)建多階段DEA模型對創(chuàng)新效率進行評價，多階段DEA法能夠更好揭示產(chǎn)業(yè)內(nèi)部階段發(fā)展規(guī)律[6] 1202-1212；為分析動態(tài)創(chuàng)新效率變化，部分學者將DEA法和Malmquist指數(shù)結(jié)合起來，該方法可以評價決策單元創(chuàng)新效率隨時間的變化情況[7] 99-107；除創(chuàng)新效率的評價外，學者基于不同的研究視角對專利密集型產(chǎn)業(yè)技術(shù)創(chuàng)新能力開展了實證研究。Guan基于地區(qū)視角研究發(fā)現(xiàn)，我國26個地區(qū)高技術(shù)產(chǎn)業(yè)創(chuàng)新效率均未達到有效狀態(tài)，R&D投入和專利存量轉(zhuǎn)化成專利產(chǎn)出的過程存在阻滯[8] 348-358。陳偉等分別從國家層面和行業(yè)層面進行了分析并得出，中國高專利密集度產(chǎn)業(yè)的創(chuàng)新效率在2004-2013年期間整體保持上升水平，且技術(shù)效率變化是影響技術(shù)創(chuàng)新變化的主要因素[9] 489-494。孫磊等基于時間和空間的比較研究，從國家、省級和綜合經(jīng)濟區(qū)三個視角，探究了我國專利密集型產(chǎn)業(yè)的技術(shù)創(chuàng)新能力，發(fā)現(xiàn)技術(shù)創(chuàng)新效率增長緩慢，區(qū)域間差距顯著且缺少資源互補協(xié)同機制[10] 52-55+59。學者姜南構(gòu)建了兩階段DEA模型進行研究，發(fā)現(xiàn)專利密集型產(chǎn)業(yè)的技術(shù)研發(fā)效率更高，而非專利密集型產(chǎn)業(yè)成果轉(zhuǎn)化效率更高[11]。王黎螢則基于創(chuàng)新價值鏈開展三階段創(chuàng)新效率研究后發(fā)現(xiàn)，與非專利密集型產(chǎn)業(yè)相比，專利密集型產(chǎn)業(yè)創(chuàng)新效率更高，但并非各環(huán)節(jié)DEA均有效[12] 50-59。祝宏輝等將專利密集型制造業(yè)和非專利密集型制造業(yè)進行對比研究，通過構(gòu)建兩階段DEA分別對兩類產(chǎn)業(yè)研發(fā)和轉(zhuǎn)化兩個階段的創(chuàng)新效率進行測度和比較[13]?？傊?，目前的研究成果能夠反映專利密集型產(chǎn)業(yè)創(chuàng)新過程中的部分問題，為創(chuàng)新效率的改進方向提供參考，但對創(chuàng)新過程各階段的影響因素以及如何影響階段效率的提升研究較少。

在知識產(chǎn)權(quán)保護強度對技術(shù)創(chuàng)新的影響及作用機制研究中，既有研究表明知識產(chǎn)權(quán)保護與創(chuàng)新之間關系存在高度不確定性，可呈現(xiàn)線性、倒U型以及多重門檻效應等[14-16]。大多數(shù)學者研究后支持知識產(chǎn)權(quán)保護與創(chuàng)新之間呈現(xiàn)倒U型關系，認為知識產(chǎn)權(quán)保護過弱或過強都不利于創(chuàng)新活動[16]。陳恒等發(fā)現(xiàn)，區(qū)域研發(fā)投入對技術(shù)創(chuàng)新能力的影響，以知識產(chǎn)權(quán)保護強度為三重門檻，存在著復雜的非線性顯著特點[17]。魏浩等基于理論分析與實證研究，發(fā)現(xiàn)知識產(chǎn)權(quán)保護與企業(yè)創(chuàng)新之間存在正向關系[18] 46-60；李勃昕等研究后指出，知識產(chǎn)權(quán)保護不僅能夠顯著影響OFDI逆向創(chuàng)新溢出，且這種影響呈“U”型非線性[19] 46-60。在知識產(chǎn)權(quán)保護強度對創(chuàng)新發(fā)展的作用機制的研究中，大多數(shù)學者的研究主要局限于技術(shù)研發(fā)階段。許多學者通過構(gòu)建指標來測度創(chuàng)新能力，但在指標的選取上，大部分研究人員習慣用技術(shù)研發(fā)階段的專利成果來衡量創(chuàng)新能力，而忽略了如技術(shù)交易額、新產(chǎn)品銷售收入這類成果轉(zhuǎn)化階段的產(chǎn)出指標[17]。知識產(chǎn)權(quán)保護影響創(chuàng)新的路徑不僅僅體現(xiàn)在技術(shù)研發(fā)階段，在成果轉(zhuǎn)化階段也同樣發(fā)揮重要作用。具體而言，首先知識產(chǎn)權(quán)保護可以保障技術(shù)交易從而對其起到促進作用；此外，知識產(chǎn)權(quán)保護可以完善知識產(chǎn)權(quán)交易制度，通過保障技術(shù)交易、新產(chǎn)品交易來促進成果轉(zhuǎn)化。如學者劉婧對知識產(chǎn)權(quán)影響創(chuàng)新效率的機制研究時發(fā)現(xiàn)，基于版權(quán)引進、版權(quán)交易等路徑，知識產(chǎn)權(quán)保護強度可以顯著提高創(chuàng)新效率[20] 46-60。學者魏浩通過對出口企業(yè)、專利密集型企業(yè)以及民營企業(yè)數(shù)據(jù)實證分析發(fā)現(xiàn)，提升我國知識產(chǎn)權(quán)保護強度能夠間接促進上述企業(yè)的創(chuàng)新效率，因為知識產(chǎn)權(quán)保護強度的提升可以提升進口產(chǎn)品質(zhì)量、擴大進口規(guī)模、增多進口產(chǎn)品類別[18] 91-106。綜上所述，在研究知識產(chǎn)權(quán)保護強度如何影響創(chuàng)新發(fā)展時，考慮創(chuàng)新過程的技術(shù)研發(fā)和成果轉(zhuǎn)化兩階段具有重要研究意義。

通過對現(xiàn)有研究成果的分析梳理，現(xiàn)階段研究仍存在以下階段性不足：（1）目前學者們對于專利密集型產(chǎn)業(yè)創(chuàng)新效率的研究主要聚焦于整體探究其影響因素，缺少對某個具體影響因素的深入分析，較少將知識產(chǎn)權(quán)保護強度與對知識產(chǎn)權(quán)依賴性極強的專利密集型產(chǎn)業(yè)結(jié)合起來研究。為保證結(jié)論的全面性以及實際參考價值，應進一步對關鍵影響因素的作用和影響程度進行深入探究。（2）在研究知識產(chǎn)權(quán)保護影響創(chuàng)新發(fā)展時，缺少對知識產(chǎn)權(quán)保護強度分別在技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段創(chuàng)新過程產(chǎn)生不同影響的深入探究，作用機制較為模糊。

三、模型構(gòu)建、指標選取與數(shù)據(jù)來源

（一）兩階段DEA模型

1. 模型構(gòu)建。在有關創(chuàng)新效率的研究中，前人多將創(chuàng)新過程整體看待，視作一個“黑箱”。這一觀點只關注初始創(chuàng)新投入和最終創(chuàng)新產(chǎn)出，而沒有關注其內(nèi)部結(jié)構(gòu)和不同的創(chuàng)新階段。專利密集型產(chǎn)業(yè)的創(chuàng)新過程中涉及價值創(chuàng)造、傳遞和實現(xiàn)，在此過程中，創(chuàng)新投入并沒有直接轉(zhuǎn)化為經(jīng)濟效益，而是先轉(zhuǎn)化為專利和新產(chǎn)品的產(chǎn)出，再經(jīng)過進一步的成果轉(zhuǎn)化，獲得經(jīng)濟效益。因此，出于進一步探究創(chuàng)新過程兩階段創(chuàng)新效率的目的，本研究借鑒了先前學者對創(chuàng)新過程的分解[21] 107-116，基于價值鏈視角，將專利密集型產(chǎn)業(yè)的創(chuàng)新過程分為兩個階段，即H1：技術(shù)研發(fā)階段以及H2：成果轉(zhuǎn)化階段（圖1），其對應的投入產(chǎn)出轉(zhuǎn)化效率即為兩階段的創(chuàng)新效率。其中I1和O2代表最初的創(chuàng)新投入和最終的創(chuàng)新產(chǎn)出，而O1則代表技術(shù)研發(fā)階段的創(chuàng)新產(chǎn)出以及成果轉(zhuǎn)化階段創(chuàng)新投入，I2代表除O1外的成果轉(zhuǎn)化階段的其他投入。H1、H2對應的投入產(chǎn)出轉(zhuǎn)化效率即為兩階段的創(chuàng)新效率，其測度采用規(guī)模報酬可變的BCC模型，并在此基礎上采用Malmquist指數(shù)進行動態(tài)評價。

2. 指標選取。運用DEA模型測度專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率，需要根據(jù)前述對創(chuàng)新過程的分解，構(gòu)建合適的技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的關于創(chuàng)新效率的投入產(chǎn)出指標。專利密集型產(chǎn)業(yè)是技術(shù)創(chuàng)新、知識密集的重點產(chǎn)業(yè)，需要大量經(jīng)費和人員作為技術(shù)投入。而產(chǎn)出方面則主要以新產(chǎn)品和專利作為產(chǎn)出?；跀?shù)據(jù)的可獲得性，參照肖任橋（2012）、陳珊（2019）、孟維站（2019）等學者的先前研究，對本文研究的技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段分別構(gòu)建投入產(chǎn)出指標。在技術(shù)研發(fā)階段，基于數(shù)據(jù)的可獲得性，參考先前研究的基礎，以經(jīng)費投入（R&D經(jīng)費內(nèi)部支出、R&D人員折合全時當量）和人員投入（新產(chǎn)品開發(fā)經(jīng)費支出）來衡量這一階段的投入[22]。產(chǎn)出指標則采用專利申請數(shù)、有效發(fā)明專利數(shù)和新產(chǎn)品開發(fā)項目數(shù)。在成果轉(zhuǎn)化階段，需要將技術(shù)成果轉(zhuǎn)化為經(jīng)濟效益，創(chuàng)新活動仍然存在經(jīng)費投入和人員投入，在將技術(shù)研發(fā)階段產(chǎn)出作為投入指標的基礎上，同時加入從業(yè)人員平均人數(shù)以及技術(shù)改造經(jīng)費支出作為成果轉(zhuǎn)化階段的投入指標。根據(jù)產(chǎn)出類型的不同，可以將產(chǎn)品創(chuàng)新成果分為收益型和競爭型，前者是指創(chuàng)新帶來的收益，后者是指創(chuàng)新帶來的競爭力的變化[23] 85-98。成果轉(zhuǎn)化階段的產(chǎn)出表現(xiàn)為具體的經(jīng)濟指標，具體指標體系見表1。運用皮爾遜相關系數(shù)對兩個階段的投入和產(chǎn)出變量進行了相關性分析，發(fā)現(xiàn)均存在著極顯著的正向相關，與科技創(chuàng)新的投入與產(chǎn)出的關聯(lián)關系規(guī)律一致，表明指標設置合理。

（二）Tobit回歸模型

1. 模型構(gòu)建。通過前文第二部分的文獻梳理，本文以知識產(chǎn)權(quán)保護強度為核心解釋變量，通過DEA法測算評價技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的創(chuàng)新效率后，在此基礎上分析知識產(chǎn)權(quán)保護強度對專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率的影響。由于DEA方法獲得的效率值均介于0-1間，且存在DMU處于DEA的效率邊界（即效率為1）的情況，故本研究選擇使用Tobit回歸模型。本文對技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段回歸模型構(gòu)建如下：

[YFXLit=α0+α1IPPit+α2ZHXLi（t-1）+α3Fit+α4Hit+α5Tit+α6Zit+α7Sit+ε1it]? ? ? ? ? ? ? ? ? ? ? ? （1）

[ZHXLit=β0+β1IPPit+β2YFXLit+β3Fit+β4Hit+β5Tit+β6Zit+β7Sit+ε2it]? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中[YFXLit]、[ZHXLit]分別表示專利密集型產(chǎn)業(yè)第t年i產(chǎn)業(yè)技術(shù)研發(fā)階段、成果轉(zhuǎn)化階段創(chuàng)新效率；[IPPit]表示知識產(chǎn)權(quán)保護強度；[YFXLit]、[ZHXLi（t-1）]表示當年研發(fā)效率和前一年成果轉(zhuǎn)化效率；[Fit]、[Hit]、[Tit]、[Zit]、[Sit]表示控制變量；[ε1it]、[ε2it]表示隨機干擾項，并服從[ε?（0，σ2）]正態(tài)分布。

2. 指標選取。知識產(chǎn)權(quán)保護強度（IPP）：本文對于國家層面知識產(chǎn)權(quán)保護強度的測度依據(jù)國家知識產(chǎn)權(quán)局知識產(chǎn)權(quán)發(fā)展研究中心發(fā)布的《中國知識產(chǎn)權(quán)發(fā)展狀況評價報告》。并參照沈國兵等的研究[24]，用行業(yè)相對研發(fā)密度乘以國家層面知識產(chǎn)權(quán)保護強度，以反映行業(yè)知識產(chǎn)權(quán)保護強度，并對獲得的值取對數(shù)處理。

兩階段創(chuàng)新效率（YFXL、ZHXL） 。根據(jù)前文兩階段DEA模型計算得到，包括技術(shù)開發(fā)階段效率（YFXL） 與成果轉(zhuǎn)化階段效率（ZHXL）。

控制變量：根據(jù)目前學者對專利密集型產(chǎn)業(yè)創(chuàng)新效率影響因素的研究，文中最終確定了以下控制變量，包括研發(fā)人員比重（HR）、技術(shù)引進（TEC）、產(chǎn)業(yè)集中度（CR）、政府支持力度（ZFZC）以及國外先進技術(shù)溢出水平（FDI）。其中研發(fā)人員比重（HR）、技術(shù)引進（TEC）、產(chǎn)業(yè)集中度（CR）屬于行業(yè)內(nèi)影響因素，研發(fā)人員比重以研發(fā)人員占行業(yè)從業(yè)人員的比重衡量；技術(shù)引進用國外技術(shù)引進費用取對數(shù)的值表示；產(chǎn)業(yè)集中度以專利密集型行業(yè)內(nèi)規(guī)模以上企業(yè)數(shù)取對數(shù)的值來衡量。政府支持力度（ZFZC）及國外先進技術(shù)溢出水平（FDI）屬于行業(yè)外部影響因素，政府支持力度用R&D經(jīng)費內(nèi)部支出中政府資金的比重表示、國外先進技術(shù)溢出水平（FDI）用外商投資和港澳臺商投資工業(yè)企業(yè)總資產(chǎn)占行業(yè)資產(chǎn)總值的比重表示。

（三）數(shù)據(jù)來源

本研究基于《專利密集型產(chǎn)業(yè)目錄（2019）》中的分類，對照各統(tǒng)計年鑒2010-2021年的數(shù)據(jù)，進行行業(yè)數(shù)據(jù)的篩選與匹配，獲得2010-2020年的部分專利密集型產(chǎn)業(yè)數(shù)據(jù)。由于部分產(chǎn)業(yè)數(shù)據(jù)難以獲取，基于數(shù)據(jù)的可獲得性，本文選取了14個專利密集型產(chǎn)業(yè)種類數(shù)據(jù)組成樣本，對專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率進行評價研究，具體如表2所示。理論上，投入與產(chǎn)出之間存在著時間導致效果滯后性，但是范柏乃等人的研究顯示，連續(xù)相近年份的投入存在很強的相關性，使用同一年數(shù)據(jù)并不會對測算結(jié)果的準確性造成影響[25]。

本文選取中國14個專利密集型產(chǎn)業(yè)2010-2020年面板數(shù)據(jù)測算兩階段創(chuàng)新效率。其中，國家知識產(chǎn)權(quán)保護強度數(shù)據(jù)源于國家知識產(chǎn)權(quán)局知識產(chǎn)權(quán)發(fā)展研究中心發(fā)布的《中國知識產(chǎn)權(quán)發(fā)展狀況評價報告》，其他數(shù)據(jù)均源于《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》以及《中國工業(yè)統(tǒng)計年鑒》等。表3對各變量進行了描述性統(tǒng)計。

四、實證分析

（一）兩階段創(chuàng)新效率分析

結(jié)合上文構(gòu)建的兩階段DEA模型，運用DEAP 2.1軟件得到專利密集型產(chǎn)業(yè)2010-2020年技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的創(chuàng)新效率。

1. 兩階段創(chuàng)新效率靜態(tài)評價。根據(jù)兩階段創(chuàng)新效率評價指標體系，運用DEAP2.1軟件基于BCC模型對專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率進行靜態(tài)評價，得到專利密集型產(chǎn)業(yè)2010-2020年技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的平均創(chuàng)新效率，結(jié)果如表4以及圖2所示。

由以上實證結(jié)果可知，就整體效率而言，專利密集型產(chǎn)業(yè)技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段創(chuàng)新效率值都低于1，反映兩個階段的創(chuàng)新效率均未達到DEA有效狀態(tài)。對比來看，技術(shù)研發(fā)階段創(chuàng)新效率（0.911）遠高于成果轉(zhuǎn)化階段（0.601），表明創(chuàng)新過程中不同階段創(chuàng)新也存在較大差距，階段間存在脫節(jié)問題，成果轉(zhuǎn)化難是現(xiàn)實問題。具體分解來看，技術(shù)研發(fā)階段規(guī)模效率（0.970）高于成果轉(zhuǎn)化階段規(guī)模效率（0.815），表明就規(guī)模設置而言，技術(shù)研發(fā)階段的更加合理科學。對于純技術(shù)效率，成果轉(zhuǎn)化階段純技術(shù)效率則為0.756，遠低于技術(shù)研發(fā)階段的純技術(shù)效率為0.938，表明純技術(shù)效率是導致成果轉(zhuǎn)化階段整體效率低于前一階段的原因，成果轉(zhuǎn)化階段的資源利用還不夠充分，存在冗余。

2. 兩階段創(chuàng)新效率動態(tài)評價。通過BCC模型對創(chuàng)新效率進行的評價是靜態(tài)的，不能反映創(chuàng)新效率動態(tài)變化趨勢。引入Malmquist指數(shù)，不僅能展現(xiàn)創(chuàng)新效率動態(tài)變化的過程，還能清晰反映創(chuàng)新效率特征，通過分解找到創(chuàng)新效率變化的主要原因。本部分運用 DEAP2.1進行計算，計算結(jié)果及分析如表5。

表5顯示，專利密集型產(chǎn)業(yè)2010-2020年技術(shù)研發(fā)階段全要素生產(chǎn)率年均變化值為1.055，表明該階段的創(chuàng)新效率獲得提升，年均增長率為5.5%；成果轉(zhuǎn)化階段的全要素生產(chǎn)率年均變化值為0.959，表明該階段創(chuàng)新效率有所下降，年均降低4.1%。除此之外，由圖3可知，技術(shù)研發(fā)階段的全技術(shù)生產(chǎn)率變化更加穩(wěn)定，波動更小，表明創(chuàng)新過程發(fā)展更加穩(wěn)定。

進一步對M指數(shù)進行分解分析來看，技術(shù)研發(fā)階段的技術(shù)指數(shù)平均值（1.051）更大，反映該階段的創(chuàng)新效率主要受到技術(shù)水平提升的影響。再將技術(shù)效率分解可知，規(guī)模效率和純技術(shù)效率在此階段對技術(shù)效率的影響相差無幾。對于成果轉(zhuǎn)化階段，從M指數(shù)的分解可知，技術(shù)進步與技術(shù)效率對該階段創(chuàng)新效率影響相當。由前述分析可知，提升技術(shù)水平是提升專利密集型產(chǎn)業(yè)技術(shù)研發(fā)以及成果轉(zhuǎn)化兩階段的創(chuàng)新效率的關鍵。除此之外，要提升技術(shù)效率，不僅要注重創(chuàng)新規(guī)模，還要對資源進行合理有效利用。

根據(jù)表6可知，在2010-2020年這一階段，技術(shù)研發(fā)階段M指數(shù)平均值小于1的只有行業(yè)3（廣播電視設備制造），表明大多數(shù)專利密集型產(chǎn)業(yè)在這一階段創(chuàng)新效率保持了增長狀態(tài)，其間行業(yè)11（化學原料及化學制品制造）的增長幅度最大；成果轉(zhuǎn)化階段M指數(shù)平均值大于1的有行業(yè)12（化學纖維制造）以及行業(yè)13（醫(yī)藥制造業(yè)），其余行業(yè)均小于1，表明大部分專利密集型產(chǎn)業(yè)成果轉(zhuǎn)化階段創(chuàng)新效率均處于較低狀態(tài)。

（二）知識產(chǎn)權(quán)保護強度對兩階段創(chuàng)新效率的影響

根據(jù)上文構(gòu)建的Tobit面板回歸模型，運用Stata16.0軟件，對知識產(chǎn)權(quán)保護與專利密集型產(chǎn)業(yè)技術(shù)開發(fā)階段與經(jīng)濟轉(zhuǎn)化階段之間的創(chuàng)新效率進行回歸分析。由于固定效應Tobit模型進行條件最大似然估計時，需要充足的數(shù)據(jù)，實際應用中一般無法滿足這一條件，因此固定效應Tobit回歸在實踐中很少使用[26]。一般選擇混合Tobit模型或隨機效應Tobit模型，這兩種模型在以往研究中一般的選擇依據(jù)是：LR檢驗。當LR檢驗結(jié)果P<10%時，考慮到個體效應的存在，適宜使用隨機效應Tobit模型來檢驗；當 LR檢驗結(jié)果的P值超過10%時，該方法適宜采用于混合Tobit回歸模型。本研究預回歸的LR檢驗結(jié)果顯著拒絕“不存在個體隨機效應”的原假設，適宜采用隨機效應Tobit回歸。因此采用隨機效應Tobit進行回歸，回歸結(jié)果如表7所示：

由表7回歸結(jié)果可知，主要解釋變量對被解釋變量的影響結(jié)果均在1%的水平上顯著，與預期結(jié)果相一致，因此該模型的解釋力較強。其中，模型1a和模型2a是運用隨機效應Tobit回歸方法的基礎回歸結(jié)果，在此基礎上，從以下幾個方面進行了穩(wěn)健性檢驗：（1）增加控制變量，在基礎回歸的基礎上增加行業(yè)外部影響因素作為控制變量進行回歸，回歸結(jié)果如模型1b和模型2b所示，主要解釋變量的回歸系數(shù)方向與顯著性變化不大，表明模型較為穩(wěn)?。唬?）變化回歸方法，使用結(jié)合聚類穩(wěn)健標準誤的混合Tobit對各變量進行回歸，回歸結(jié)果如模型1c和模型2c所示，主要解釋變量的回歸系數(shù)方向與顯著性變化不大，表明結(jié)果具有可靠性。（3）變化被解釋變量，采用規(guī)模報酬不變的技術(shù)研發(fā)效率和成果轉(zhuǎn)化效率進行回歸，結(jié)果如模型1d和模型2d所示，主要解釋變量的回歸系數(shù)方向與顯著性變化不大，反映模型設置合理，結(jié)果較為穩(wěn)健。

根據(jù)表7回歸結(jié)果，在技術(shù)研發(fā)階段，知識產(chǎn)權(quán)保護強度對創(chuàng)新效率有顯著的正向作用，具體而言，每增強1個單位的知識產(chǎn)權(quán)保護強度，我國專利密集型產(chǎn)業(yè)技術(shù)開發(fā)階段的創(chuàng)新效率提高0.102個單位。除此之外研發(fā)人員比重也顯著正向影響著該階段的創(chuàng)新效率。在經(jīng)濟轉(zhuǎn)化階段，知識產(chǎn)權(quán)保護強度對該階段創(chuàng)新效率的作用是顯著正向的，知識產(chǎn)權(quán)保護強度每提高1個單位，我國專利密集型產(chǎn)業(yè)成果轉(zhuǎn)化階段的創(chuàng)新效率提高0.204個單位，但研發(fā)人員比重對該階段創(chuàng)新效率有顯著負向影響。

五、研究結(jié)論及建議

（一）研究結(jié)論

本文在借鑒產(chǎn)業(yè)創(chuàng)新理論、技術(shù)創(chuàng)新效率理論和知識產(chǎn)權(quán)保護經(jīng)濟分析的基礎上，基于數(shù)據(jù)的可獲得性，對專利密集型產(chǎn)業(yè)進行匹配篩選，運用數(shù)據(jù)包絡分析法和Malmqusit指數(shù)法對專利密集型兩階段的創(chuàng)新效率進行測度，并通過對測量結(jié)果的分析，探討了各行業(yè)之間創(chuàng)新效率的差異和變化趨勢。在此基礎上，深入探析專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率中知識產(chǎn)權(quán)保護強度的影響效應，引入控制變量，分別對技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段構(gòu)建Tobit回歸模型，并進行實證檢驗及結(jié)果分析。得出以下主要結(jié)論：

1. 從靜態(tài)創(chuàng)新效率角度來看，整體而言，我國專利密集型產(chǎn)業(yè)技術(shù)研發(fā)效率與成果轉(zhuǎn)化效率均未達到有效狀態(tài)，存在不同程度的不足。其中，技術(shù)研發(fā)階段創(chuàng)新效率不高，成果轉(zhuǎn)化階段創(chuàng)新效率低，技術(shù)研發(fā)階段與成果轉(zhuǎn)化階段不協(xié)調(diào)問題仍然突出。通過比較兩階段純技術(shù)效率與規(guī)模效率，結(jié)果表明，在技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段，純技術(shù)效率是導致總體效率不同的根本原因，說明成果轉(zhuǎn)化階段的資源配置未達到有效狀態(tài)，需優(yōu)化資源的配置和利用，避免資源浪費。

2. 從創(chuàng)新效率動態(tài)角度來看，整體來說，2010-2020年專利密集型產(chǎn)業(yè)兩個階段的創(chuàng)新效率均處于增長狀態(tài)，其中技術(shù)研發(fā)階段創(chuàng)新效率年均增長5.5%，成果轉(zhuǎn)化階段創(chuàng)新年均降低4.1%，且與前一階段相比波動更大。結(jié)合靜態(tài)創(chuàng)新效率來看，這種變化趨勢會加大兩階段創(chuàng)新效率差距，不利于創(chuàng)新過程良性發(fā)展，需進一步完善成果轉(zhuǎn)化體系。進一步對Malmquist指數(shù)分解可知，技術(shù)進步是影響技術(shù)研發(fā)階段M指數(shù)的主要影響因素，對于成果轉(zhuǎn)化階段M指數(shù)也有重要影響，因此提升創(chuàng)新效率的首要任務是提高技術(shù)水平。

3. 通過對產(chǎn)業(yè)知識產(chǎn)權(quán)強度和專利密集型產(chǎn)業(yè)技術(shù)開發(fā)階段、經(jīng)濟轉(zhuǎn)化階段創(chuàng)新效率進行回歸發(fā)現(xiàn)：（1）知識產(chǎn)權(quán)保護強度對技術(shù)研發(fā)階段和成果轉(zhuǎn)化階段的創(chuàng)新效率都有著顯著的正向作用。因此，目前對于我國而言，加強知識產(chǎn)權(quán)保護有助于專利密集型產(chǎn)業(yè)提升創(chuàng)新效率，維護創(chuàng)新權(quán)益；（2）技術(shù)研發(fā)效率對成果轉(zhuǎn)化效率有顯著正向影響，但成果轉(zhuǎn)化效率對技術(shù)研發(fā)效率影響不顯著，反映了我國專利密集型產(chǎn)業(yè)創(chuàng)新過程中的兩個階段循環(huán)不暢，缺乏有效的互動以及循環(huán)，兩個階段間的互動機制仍需加強。在提高技術(shù)創(chuàng)新能力和研發(fā)效率的同時，應注重以成果轉(zhuǎn)化為目標的研發(fā)；（3）研發(fā)人員比重對技術(shù)研發(fā)階段創(chuàng)新效率有顯著正向影響，對于成果轉(zhuǎn)化階段創(chuàng)新效率有顯著負向作用。

（二）研究建議

1. 合理配置資源，加強成果轉(zhuǎn)化。由前述分析可知，專利密集型產(chǎn)業(yè)成果轉(zhuǎn)化階段整體效率主要源于純技術(shù)效率水平較低，表明該階段存在資源浪費、投入冗余等問題。資源投入是創(chuàng)新活動的基礎，在資源投入初期，隨著其規(guī)模報酬的增加，創(chuàng)新效率會不斷提升，但是一旦資源投入超過有效限度，反而會抑制創(chuàng)新效率的提高。因此，專利密集型產(chǎn)業(yè)的企業(yè)應在成果轉(zhuǎn)化階段合理配置資源，盡力杜絕創(chuàng)新投入資源浪費問題。首先，在確定合理的資源投入時，應充分考慮企業(yè)本身及所處行業(yè)的發(fā)展狀況及特點；其次，則要完善資源配置制度，加強對人員和資金的監(jiān)管，及時衡量資源投入的成果收益，保障科學合理配置資源，以加強成果轉(zhuǎn)化階段整體效率。

2. 構(gòu)建兩階段互動機制，形成良性循環(huán)。由前述分析可知，我國專利密集型產(chǎn)業(yè)仍面臨著成果轉(zhuǎn)化不足、兩階段創(chuàng)新活動脫節(jié)的問題。這些問題會嚴重影響企業(yè)創(chuàng)新積極性，阻礙產(chǎn)業(yè)轉(zhuǎn)型升級。因此，國家不僅應注重成果轉(zhuǎn)化效率的提升，還要在技術(shù)研發(fā)和成果轉(zhuǎn)化之間搭建互動橋梁。一方面通過有組織的科研，提高創(chuàng)新效率和創(chuàng)新質(zhì)量，產(chǎn)生高價值專利，為下一階段的成果轉(zhuǎn)化打下堅實基礎。另一方面應建立健全兩階段互動機制，技術(shù)研發(fā)應注重以成果轉(zhuǎn)化為目標，成果轉(zhuǎn)化反過來要為技術(shù)研發(fā)提供創(chuàng)新激勵與投入，通過建立有效的成果轉(zhuǎn)化市場機制和反饋機制，形成兩階段之間的良性循環(huán)。

3. 加強知識產(chǎn)權(quán)保護，助力產(chǎn)業(yè)創(chuàng)新效率提高。由前述分析可知，知識產(chǎn)權(quán)保護強度對專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率均有顯著正向影響。知識產(chǎn)權(quán)是影響創(chuàng)新的關鍵要素，需充分把握其對創(chuàng)新的影響，最大限度發(fā)揮其在專利密集型產(chǎn)業(yè)創(chuàng)新中的積極效果。首先，要完善我國知識產(chǎn)權(quán)保護制度體系，并在此基礎上，重點加強司法和行政執(zhí)法強度，推動知識產(chǎn)權(quán)維權(quán)過程高效化，提高專利密集型產(chǎn)業(yè)兩階段創(chuàng)新效率。其次，應當根據(jù)不同專利密集型產(chǎn)業(yè)的共性與特性，制定差異化的產(chǎn)業(yè)知識產(chǎn)權(quán)保護政策，實施滿足產(chǎn)業(yè)共同需求的知識產(chǎn)權(quán)共性保護以及產(chǎn)業(yè)個性化的知識產(chǎn)權(quán)特性保護。

[參考文獻]

[1]? 鐘書華.深刻理解、奮力踐行科技發(fā)展新理念[J].決策與信息，2021，（1）.

[2]? Y K Kim，K Lee，W G Park，et al.Appropriate intellectual property protection and economic growth in countries at different levels of development[J].Research policy，2012，（2）.

[3]? 姜南.專利密集型產(chǎn)業(yè)創(chuàng)新效率體系評估研究[J].科學學研究，2014，（7）.

[4]? L S Zorzo，C A Diehl，J C Venturini，et al.The relationship between the focus on innovation and economic efficiency： a study on Brazilian electric power distribution companies[J].RAI Revista de Administra??o e Inova??o，2017，14（3）.

[5]? 袁群.數(shù)據(jù)包絡分析法應用研究綜述[J].經(jīng)濟研究導刊，2009，（19）.

[6]? 馮志軍，陳偉.中國高技術(shù)產(chǎn)業(yè)研發(fā)創(chuàng)新效率研究——基于資源約束型兩階段DEA模型的新視角[J].系統(tǒng)工程理論與實踐，2014，（5）.

[7]? 姜南.專利密集型產(chǎn)業(yè)的R&D績效評價研究——基于DEA-Malmquist指數(shù)法的檢驗[J].科學學與科學技術(shù)管理，2014，（3）.

[8]? J Guan，K Chen.Measuring the innovation production process： A cross-region empirical study of China's high-tech innovations[J].Technovation，2010，（5a6）.

[9]? 陳偉，景銳，徐睿姝，等.我國高專利密集度產(chǎn)業(yè)技術(shù)創(chuàng)新效率評價研究[J].哈爾濱工程大學學報，2017，（3）.

[10]? 孫磊，陳偉，劉錦志，等.中國專利密集型產(chǎn)業(yè)技術(shù)創(chuàng)新效率評價[J].科技管理研究，2016，（19）.

[11]? 王黎螢，王佳敏，虞微佳.區(qū)域?qū)＠芗彤a(chǎn)業(yè)創(chuàng)新效率評價及提升路徑研究—以浙江省為例[J].科研管理，2017，（3）.

[12]? 祝宏輝，楊書奇.知識產(chǎn)權(quán)保護、技術(shù)研發(fā)投入與制造業(yè)兩階段創(chuàng)新效率——基于專利密集型與非專利密集型制造業(yè)的對比分析[J].現(xiàn)代管理科學，2022，（2）.

[13]? M A Klein.Foreign direct investment and collective intellectual property protection in developing countries[J].Journal of Economic Behavior & Organization，2018，（C）.

[14]? 周密，申婉君.研發(fā)投入對區(qū)域創(chuàng)新能力作用機制研究——基于知識產(chǎn)權(quán)的實證證據(jù)[J].科學學與科學技術(shù)管理，2018，（8）.

[15]? 韓瑩，陳國宏.科技投資、知識產(chǎn)權(quán)制度與區(qū)域創(chuàng)新能力——基于我國省際面板數(shù)據(jù)的雙重門檻效應分析[J].科技管理研究，2018，（1）.

[16]? 顧群，翟淑萍.高技術(shù)產(chǎn)業(yè)知識產(chǎn)權(quán)保護、金融發(fā)展與創(chuàng)新效率——基于省級面板數(shù)據(jù)的研究[J].軟科學，2013，（7）.

[17]? 陳恒，侯建.R&D投入、FDI流入與國內(nèi)創(chuàng)新能力的門檻效應研究——基于地區(qū)知識產(chǎn)權(quán)保護異質(zhì)性視角[J].管理評論，2017，（6）.

[18]? 魏浩，巫俊.知識產(chǎn)權(quán)保護、進口貿(mào)易與創(chuàng)新型領軍企業(yè)創(chuàng)新[J].金融研究，2018，（9）.

[19]? 李勃昕，韓先鋒，李寧.知識產(chǎn)權(quán)保護是否影響了中國OFDI逆向創(chuàng)新溢出效應？[J].中國軟科學，2019，（3）.

[20]? 劉婧，占紹文，李治.知識產(chǎn)權(quán)能力、外部知識產(chǎn)權(quán)保護與動漫企業(yè)創(chuàng)新效率[J].軟科學，2017，（9）.

[21]? 邱兆林.高技術(shù)產(chǎn)業(yè)兩階段的創(chuàng)新效率[J].財經(jīng)科學2014，（12）.

[22]? 孟維站，李春艷，石曉冬.中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率分階段分析——基于三階段DEA模型[J].宏觀經(jīng)濟研究，2019，（2）．

[23]? 肖仁橋，錢麗，陳忠衛(wèi).中國高技術(shù)產(chǎn)業(yè)創(chuàng)新效率及其影響因素研究[J].管理科學，2012，（5）.

[24]? 沈國兵，黃鑠珺.行業(yè)知識產(chǎn)權(quán)保護、外資進入與中國內(nèi)資企業(yè)出口技術(shù)含量[J].國際貿(mào)易問題，2020，（4）.

[25]? 范柏乃，余鈞.資源投入、區(qū)域環(huán)境對高校技術(shù)轉(zhuǎn)移的影響——基于1994-2009年我國省級面板數(shù)據(jù)的分析[J].科學學研究，2013，（11）.

[26]? 申俊喜，楊若霞.長三角地區(qū)戰(zhàn)略性新興產(chǎn)業(yè)全要素生產(chǎn)率及其影響因素研究[J].財貿(mào)研究，2017，（11）.

[責任編輯：汪智力]