EN中文

Economic geography >

2021 , Vol. 41 >Issue 9: 145 - 151

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.09.015

Does Intellectual Property Protection Promote the Optimization of Internal Structure of Service Industry：Based on the Perspective of Complex Network

  • ZHOU You , 1, 2 ,
  • TAN Guangrong , 3, ※
Expand
  • 1. School of Economics，Hunan University of Finance and Economics，Changsha 410205，Hunan，China
  • 2. Postdoctoral Station of Chinese History，Hunan Normal University，Changsha 410081，Hunan，China
  • 3. School of Economics and Trade，Hunan University，Changsha 410079，Hunan，China

Received date: 2021-05-27

  Revised date: 2021-07-29

  Online published: 2025-04-01

Fold

Abstract

This paper constructs a spatial network of internal structure optimization and intellectual property protection of provincial service industry in China,and empirically tests the spatial relationship between the protection of intellectual property and the internal structure optimization of service industry based on the complex network analysis method. The results show that: 1) There are 107 and 142 spatial connection channels respectively in the internal structure optimization of service industry and intellectual property protection in provinces of China,which has good network accessibility and stability. 2) Eastern provinces in China have a clear central position in the network,and play a greater role as a "bridge" in the network. 3) Applying QAP correlation and regression analysis,it's found that intellectual property protection and geographical proximity have a significant positive impact on the spatial correlation and spatial spillover of the internal structure optimization of the service industry. The growth of knowledge intensive service industry has the effect of "first come,first served". 4) The spatial correlation of intellectual property protection,geographical adjacency,and spatial difference of per capita GDP,structural upgrading of manufacturing industry and informatization level can jointly explain 82.09% of the spatial correlation of internal structure optimization of service industry.

Key words： intellectual property protection; internal structure of service industry; complex network; spatial connection

Cite this article

ZHOU You , TAN Guangrong . Does Intellectual Property Protection Promote the Optimization of Internal Structure of Service Industry：Based on the Perspective of Complex Network[J]. Economic geography, 2021 , 41(9) : 145 -151 . DOI: 10.15957/j.cnki.jjdl.2021.09.015

近年来，服务业增加值在我国GDP中的占比不断上升，且在2013年首次超越制造业，成为推动我国经济转型发展的新引擎，但服务业在规模不断扩张的同时也伴随着内部结构亟待优化的问题[1]。服务业内部结构优化不仅体现了我国知识密集型服务业占比的不断提高，也反映了我国服务业的跨国竞争力不断增强，有助于我国服务业向全球价值链高端延伸。然而，由于服务业企业的技术创新缺乏足够激励，我国高端层次、高附加值知识密集型服务业的有效供给严重短缺，服务业整体仍呈现“低端竞争激烈，高端发展不足”的失衡态势。据国务院发展研究中心数据，当前我国以信息传输、科学研究等为代表的知识密集型服务业占整体服务业的比重仅为30%左右，而英国、美国和德国等发达国家知识密集型服务业的相应占比高达50%。这表明，大力发展高层次和高技术服务业，推动服务业内部结构不断优化已经成为我国服务业供给侧结构性改革中亟待完成的任务。
在促进服务业企业技术创新的众多因素中，知识产权保护是重要的制度性因素，加强知识产权保护主要通过优化创新资源配置，推动知识密集型服务业占服务业比重提升，从而促进服务业内部结构进一步优化[2]。国外学者Sieghar较早从创新激励视角对高技术服务业技术革新与知识产权保护之间关系进行论述[3]，随着研究的不断深入，一些学者将研究视角拓展到知识产权保护对服务业内部结构优化效应，认为加强知识产权保护一方面有利于强化服务业企业创新保护，促进服务业企业产品结构优化；另一方面也将扩大创新企业走出去的先动优势，提高其出口竞争势力[4]。提高知识密集型服务产品的企业发展动力来自于创新，若得到知识产权保护制度的支持，知识密集型服务业的发展速度将明显高于传统服务业，进而推动服务业内部结构优化[5]。随着服务经济学领域数据库的不断完备，借助于经验检验的量化研究开始涌现。如Cohen等基于593家日本企业和826家美国企业、Jandhyala就17个国家152家企业的研究等[6-7]。然而，上述研究大多建立在双边框架基础之上，忽略了各地区服务业内部结构变化的空间相关性。从区域角度看，中国各地区间的知识传播过程中伴随着技术外溢[8]，各地区知识产权保护强度的不同可能会导致知识密集型服务业发展存在空间差异。因此，近期研究中，部分学者将研究转向服务业发展的空间关联视角，如霍鹏、郑长娟等[9-10]。

1 空间关联网络的构建方法及特征指标

采用传统空间计量方法分析知识产权保护和服务业内部结构变化的空间关联问题，仅将研究视角局限在相邻或相近地区的关联方面。若不考虑不相邻地区经济变量的空间相关性对模型的影响，得到的结论可能有偏误[11]。鉴于此，本文选用一种新的社会学研究范式即复杂网络分析法（Network Analysis），对知识产权保护和服务业内部结构优化的空间关联关系的网络特征进行研究。复杂网络分析方法最早来源于网络学科中的图论，用于展现社会个体间关联关系和连接路径的复杂性，目前被广泛运用于经济学和社会学研究领域，已成为研究社会经济个体关系网络拓扑特征的新方法[12]。

1.1 服务业内部结构优化与知识产权保护网络构建方法

借鉴唐保庆等的测算方法[2]，将服务业按知识密集型和非知识密集型行业进行划分，用各省份知识密集型服务业增加值 ① 占其服务业增加值的比重测算当地服务业内部结构优化状况。知识产权保护水平的测定：为反映知识产权保护实际效果，借鉴郑长云的方法[13]，将执法效果纳入指标综合衡量。具体而言，某省份知识产权保护水平 I P R i t = L i t × E i t， L i t和 E i t分别表示i省第t年知识产权保护的立法水平和执法水平， L i t的计算参考韩玉雄等的方法用G-P指数表示[14]， E i t的高低通过社会法制化程度（当i省第t年律师数占总人口比值超0.05%，取值为1，若小于0.05%，用实际值除以0.05%）、政府的执法态度（用i省第t年的专利侵权案件结案率衡量）、相关服务机构配备（用该省律所中能办理知识产权纠纷的律所比值表示）和社会知识产权保护意识（当该省每万人拥有专利申请量不低于10件，该指标记为1分，若少于10件，则用实际值的1/10表示）4个指标最后得分的加权平均衡量（各指标权重一致）。该指标值越大，表明该省知识产权保护的立法和执法综合水平更高。
为刻画各省份服务业内部结构优化之间的空间关联效应，参考李敬等研究方法[15]，利用VAR格兰杰因果检验判断两省份间服务业内部结构优化是否存在动态关联，若检验结果表明A省份服务业内部结构优化显著影响了B省份服务业内部结构优化，则在复杂网络中形成一条由节点A指向节点B的有向关系线，表征这两个省份之间的服务业内部结构优化是显著关联的。然后，依此方法再检验其他两两省市区间的有向关联，画出复杂网络中的有向连接线，进而形成我国各省份服务业内部结构优化的有向空间关联网络。同时，采用与构建各省份服务业内部结构空间关联网络相同的方法构建知识产权保护变量的空间关联网络。

1.2 服务业内部结构优化与知识产权保护网络的特征指标

1.2.1 节点数、出入度和网络密度

在区域知识产权保护和服务业内部结构优化的空间关联网络中，节点数是指剔除与其他省份无任何关系的省份后剩余的省（区、市）数量；密度主要用来衡量网络的紧密程度，若固定规模的节点之间的连线（出入度）越多，则得到的网络图密度就越大。我国各省份知识产权保护强度和服务业内部结构优化空间关联网络的密度等于Granger因果检验得到的显著关系数与理论上存在的所有关系数之间的比值。

1.2.2 关联性分析

如果网络节点形成的片区数为1，则说明这些网络节点形成的集体具有关联性，节点间可达的路径越多，网络的关联性越强。关联度可用如下公式计算： C = 1 - 2 V / N N - 1，其中V代表该网络无可达路径的点对数量，N是网络的节点总数。
在社会网络分析领域，网络等极度是衡量节点关联性的另一重要指标，该指标反映了网络中的节点间不对称可以到达的程度。网络等极度的计算公式为 G H = 1 - V / m a x V，其中V等于网络中可对称通达的点对数，max V等于i可以到达j或者j可以到达i的点对数目。
网络效率是衡量节点关联性的又一个关键指标，测度如下： G E = 1 - R / m a x R，其中，R和 m a x R分别表示网络图中冗余线条的数量和理论上存在的最多冗余线条数量。在空间关联网络中，若得到该指标的值越小，表明网络的空间溢出网络效率越低，相互关联管道越多，网络整体结构也越稳定。

1.2.3 中心性分析

在复杂网络中，体现节点在网络中的地位和角色的指标主要有绝对点度中心度和相对中间中心度。任一节点的绝对点度中心度等于该点的点出度（Kout）与点入度（Kin）之和。当i省知识产权保护和服务业内部结构对j省有影响时 a i j=1，否则 a i j=0，因此，省区i的出度数 K i o u t = ∑ j a i , j，表示受省区i知识产权保护和服务业内部结构显著影响的省区数量；i省的入度数 K i i n = ∑ j a j , i，表示i省知识产权保护和服务业内部结构被其他省份显著影响的关系数。Freeman认为，网络中度数较低的节点可能比度数较高的节点所起到的桥梁作用更明显，因此提出了节点的相对中间中心度概念[16]。测算公式为： C R B i = 2 C A B i / n 2 - 3 n + 2，其中 C A B i = ∑ j n ∑ k n b j k i， b j k i表示节点i处于节点j和k最短路径上的概率。

2 中国区域服务业内部结构优化和知识产权保护空间关联网络特征

2.1 空间关联网络的建立

考虑数据可得性与连续性，运用1996—2018年中国大陆地区28个省（区、市）服务业结构优化和知识产权保护水平作为样本数据 ① ，变量原始数据来源于各省份的历年统计年鉴、国家知识产权局网站和EPS数据库。为消除物价变动影响，涉及价值形态数据采用GDP缩减指数进行调整。同时为避免时间趋势干扰，对样本数据进行对数处理。
由于VAR模型只适用于平稳时间序列数据，因此，首先对我国28个省份服务业内部结构和知识产权保护水平数据进行平稳性检验，结果发现一阶差分在5%显著性水平下都平稳，因此，采用一阶数据并在此基础上建立每两个省份之间的VAR模型。然后，在选定最佳滞后阶数基础上，进行VAR模型的Granger因果检验，得到中国区域服务业内部结构优化和知识产权保护变量在5%显著性水平下通过检验的关系数分别有107、142条。将28个省市区作为社会网络节点，VAR Granger因果检验得到的关系作为网络的边，运用UCINET分析软件可得到中国各省份服务业内部结构和知识产权保护的空间关联网络图（图1、图2）。
图1 1996—2018年中国各省份服务业内部结构优化的空间关联网

Fig.1 Spatial network of internal structure optimization of service industry in provinces from 1996 to 2018

图2 1996—2018年中国各省份知识产权保护的空间关联网

Fig.2 Spatial network of intellectual property protection in provinces from 1996 to 2018

2.2 空间关联网络结构特征

2.2.1 出入度、网络密度和关联性

表1的计算结果表明，1996—2018年期间中国服务业内部结构优化空间关联网络的节点数是28，关系数达到107个，网络密度为0.142，这表明一个省份服务业技术创新对其他省份的服务业技术创新存在空间外溢效应。相应地，各省份服务业内部结构空间关联网络的平均路径长度为1.636。此外，网络的最大出度和最大入度分别为13和6，表明某个省份服务业内部结构变化对其他13省份服务业内部结构产生了显著的影响，与此同时，某个省份服务业内部结构优化受到其他6个省份服务业内部结构变化的影响。
表1 1996—2018中国区域服务业内部结构优化和知识产权保护关联网络基本指标描述

Tab.1 The basic indicators of internal structure optimization of service industry and intellectual property protection network in provinces of China from 1996 to 2018

服务业内部结构优化 知识产权保护
节点数 28 28
边数 107 142
网络密度 0.142 0.188
片区 1 1
平均路径长度 1.636 1.513
聚类系数 0.226 0.187
平均度 3.821 5.071
最大入度 6 9
最大出度 13 14
网络效率 0.479 0.551
网络等级度 0.234 0.275
此外，各省份服务业内部结构优化的空间关联网络的关联度为1，说明中国各省份服务业内部结构优化之间存在普遍的空间关联渠道，整体网络连通效果较好。网络效率为0.479，表明中国区域服务业内部结构优化空间关联网络中的关联渠道具有明显叠加态势，网络呈现较强的稳定性。网络等级度为0.234，说明我国服务业内部结构优化的溢出效应并非严格按等级划分，知识密集型服务业发展水平不同的省份间也可能产生溢出效应。表1中，中国区域服务业内部结构的空间关联网络聚类系数为0.226，平均路径长度仅为1.636，表明我国服务业内部结构空间关联网络不存在明显的“小世界”特征，也说明各省份知识密集型服务业发展的相互影响的速度较快，空间溢出效应较明显。
用同样方法可计算出各省份知识产权保护的空间关联网络密度。由表1可知，28个节点省份构建的知识产权保护网络关联关系数为142个，占最大可能关联关系数756条的比重为0.188（网络密度），这表明中国各省份间知识产权保护具有普遍的空间关联渠道。各省份知识产权保护的空间关联网络的关联度为1，表明中国各省份服务业内部结构整体空间网络连通效果较好。知识产权保护空间关联网络的网络效率为0.551，表明中国知识产权保护空间关联网络稳定性较强，其节点间关联关系有明显叠加现象。同时，网络等级度为0.275，说明我国各省份间知识产权保护的溢出效应并非严格按等级划分，知识产权保护在不同省份间空间溢出效果良好，知识产权保护强度不同的省份间也可能产生联动效应。

2.2.2 节点中心性分析

由表2可知，在服务业内部结构优化空间关联网络中，广东、北京、浙江等东部经济发展水平较高省份的总度数较高，说明与这些省份知识密集型服务业增长相关联的省份最多；北京、广东、浙江、上海具有较高的出度，分别存在12、13、10、10条发出关系数，表明这些省份服务业内部结构优化的溢出关系数较多，对其他省份知识密集型服务业增长的影响较大。而四川、山西、广东、福建等省份的入度较高，分别存在6、5、5、5条接收关系数，说明这些省份高层次服务业的发展受其他省份的影响较大。同理，在知识产权保护空间关联网络中，福建、广东、北京、浙江等省份具有较高的总度数，表明与这些省份知识产权保护相关联的省份最多；北京、浙江、上海、广东、福建等省份具有较高的出度中心性，说明这些省份知识产权保护对其他省份保护的溢出渠道较多；而河南、江苏、广东、福建的等节点的入度较高，表明这些省份知识产权保护的强度受其他省份的影响较大，其知识产权保护水平的变化主要表现为被动追随。
表2 中国知识产权保护和服务业内部结构优化关联网络的度数排名TOP10

Tab.2 Top 10 provinces based on the degree of intellectual property protection and service industry internal structure optimization network

序号 服务业内部结构优化 知识产权保护
省份 出度 入度 总度数 中间中心度 省份 出度 入度 总度数 中间中心度
1 广东省 12 5 17 23.47 福建省 10 5 15 17.35
2 北京市 13 2 15 4.51 广东省 10 5 15 14.44
3 浙江省 10 3 13 16.50 北京市 14 1 15 2.24
4 上海市 10 2 12 0.08 浙江省 10 3 13 10.62
5 天津市 8 4 12 7.68 上海市 10 1 11 0.683
6 江苏省 7 4 11 5.27 天津市 8 3 11 3.68
7 山东省 7 4 11 0.90 江苏省 7 5 12 2.42
8 福建省 6 5 11 3.92 山东省 7 3 10 3.88
9 四川省 5 6 11 6.25 湖北省 7 2 9 4.51
10 山西省 5 5 10 0.92 河南省 6 9 15 4.27
就中间中心度排名看，服务业内部结构优化空间关联网络中排名前5位省份为广东、浙江、天津、四川、江苏，这些省份中4个处在东部沿海地区，1个位于西部地区，没有中部和东北部省份，可见，我国东部省份在服务业内部结构优化空间关联网络中处在核心位置，而欠发达地区大都处于边缘位置，网络整体呈现“核心—边缘”结构特征。在知识产权保护空间关联网络中，排名前5省份分别为福建、广东、浙江、湖北、河南，这5个省份中有3个位于东部地区，2个位于中部地区，但没有西部和东北部省份，这表明在知识产权保护空间关联网络中，东部和中西部地区在网络中起到的“桥梁”作用大于西部和东北板块省份。

3 空间关联网络的相关性和回归分析——基于QAP方法

为较好地解决关系数据的多重共线性问题，本文借鉴李敬等的方法[15]，选择社会网络分析中的QAP（Quadratic Assignment Procedure）方法进行分析。

3.1 变量选择与模型设立

从前文中国知识产权保护和服务业内部结构优化关联网络的中心度分析结果可发现，我国服务业内部结构优化空间关联网络中出度或入度排名靠前的省份通常也是知识产权保护关联网络中度数排名靠前的省份，因此，可以推测，我国区域知识产权保护的空间关联是服务业内部结构优化空间关联网络形成的重要因素。其次，由中国区域服务业内部结构空间关联网络的结构图可知，不同省份知识密集型服务业的空间分布存在“核心—边缘”特征，北京、上海等发达省份处在该网络的核心位置，与其相关联的关系数较多，段文奇等认为这种网络的异配性与地理位置关联性较强[17]。此外，我国区域服务业内部结构优化的空间关联体现的是各省份在推动经济转型过程中发展高端服务业的策略性互动，在地区服务业结构优化的互动过程中各地区更多瞄准经济发展水平、经济发展方式和创新基础水平接近的地区采取针对性的互动策略。各省份经济发展水平可用人均GDP表示，经济发展方式可用制造业结构升级程度指标（高端技术行业的工业总产值与中端技术工业总产值的比值）衡量[18]，创新基础水平可用人力资本水平（各省份每万人普通高等学校学生人数占比）与信息化建设水平（各省份电信业务总量在全国均值中所占比重）衡量[19]。由此推测，中国省级服务业内部结构优化的空间关联网络（SPc）主要由各省份间的知识产权保护空间关联网络（IPRc）、地理邻接网络（S）、人均GDP差异（RGDPc）、制造业结构升级差异（PUc）、人力资本水平差异（HRc）和信息化水平差异（IRc）等6个因素所引起。据此，构建如下模型：
S P c = f I P R c , S , R G D P c , P U c , H R c , I R c
式中：因变量为服务业内部结构优化空间关联矩阵（SPc），将上文中图1转换成矩阵数据即可。自变量中，知识产权保护变量的矩阵数据（IPRc）由图2中的空间网络图转换而来，地理位置矩阵（S）数据用相邻矩阵表示，若两个省份在地理位置上相邻，则取值为1，若不相邻则取值为0。借鉴李敬等的方法[15]，RGDPc、PUc、HRc和IRc 4个差异矩阵的计算如下：首先计算各变量的地区样本平均值，然后用计算后的地区样本平均值相减并取绝对值，用得到的绝对值构建差异矩阵。制造业升级水平测算原始数据来源于《中国工业经济统计年鉴》，其他样本数据来源于CEIC数据库、历年国家和地区统计年鉴。

3.2 QAP相关分析和回归分析

由表3的相关性检验结果可知，除人力资本水平差异矩阵外，我国各省份服务业内部结构变化的空间关联矩阵与知识产权保护强度的差异矩阵、地理邻接矩阵、人均GDP的空间差异矩阵和制造业结构升级的空间差异矩阵的相关系数均通过显著性检验。参照李敬等的研究方法[15]，后文进行QAP回归分析将不考虑回归系数不显著变量（人力资本水平差异矩阵）。
表3 中国各省份服务业内部结构优化空间关联矩阵(SPc)与其影响因素的相关性分析

Tab.3 Correlation analysis of spatial correlation matrix of internal structure optimization of service industry (SPc) and its influencing factors in provinces of China

变量 IPRc S RGDPc PUc HRc IRc
相关系数 0.196** 0.082*** -0.332*** -0.152* -0.092 -0.098*

注：*、**、***分别表示在10%、5%、1%显著性水平下显著。表4同。

进一步进行QAP基本回归检验发现（结果见表4第（1）行），回归方程调整后的拟合优度为82.09%，说明各省份知识产权保护强度空间关联矩阵、地理邻接矩阵、人均GDP、制造业结构升级和信息化水平的空间差异矩阵可共同解释中国各省区服务业内部结构空间关联变化的82.09%。
表4 QAP基本回归和稳健性检验结果

Tab.4 The results of QAP basic regression and robustness test

截距 IPRc S RGDPc PUc IRc R2 Adjusted R2
（1）基本回归 0.561 0.225** 0.155** -0.419*** -0.175* -0.167** 0.8511 0.8209
（2）稳健性检验 0.731 0.216** 0.113*** -0.391*** -0.204* -0.149* 0.7934 0.7562
表4的基本回归表明，知识产权保护水平的空间差异矩阵在5%显著性水平下显著，说明知识产权保护的空间互动是影响服务业内部结构优化空间关联的重要原因，也表明中国各省份知识密集型服务业发展的空间关联具有创新保护集团“俱乐部”特征。地理邻接矩阵的回归系数在5%显著性水平下显著，说明地理位置相邻的省份间知识密集型服务业增长的空间关联效应更大，各省份服务业内部结构优化具有“近水楼台先得月”的邻里效应。
此外，人均GDP空间差异矩阵的估算系数在1%显著性水平下显著为负，说明经济发展水平的越相近，区域服务业内部结构优化产生的空间关联的越紧密。制造业结构升级差异矩阵的估算系数通过了10%显著性水平检验，这表明制造业结构升级水平相近有助于地区间服务业内部结构优化的空间溢出。信息化水平空间差异矩阵的估算系数在5%显著性水平下显著为负，这表明信息化水平越相近的省份，其知识密集型服务业技术创新的互动性越强。

3.3 稳健性检验

通过变更被解释变量服务业内部结构优化测度方法来进行稳健性检验。借鉴余泳泽等的做法[20]，采用生产性服务业 ① 从业人员占第三产业从业人员的比重衡量服务业内部结构优化。数据来源于历年各省份统计年鉴以及中经网统计数据库，年限为1996—2018年。参考前文的方法重新构建服务业内部结构空间关联网络，并将其与影响因素的空间差异矩阵进行回归。由表4不难发现，与基本回归结果相比，稳健性检验结果中相关影响变量的估算系数变化不大，知识产权保护空间关联矩阵对各省份服务业内部结构优化空间关联的影响依然显著为正，这也表明上文的回归结果较为稳健。

4 主要结论与政策启示

本文首先基于复杂网络方法构建了中国区域知识产权保护和服务业内部结构优化的空间关联网络，并测度了网络的密度和关联性；同时运用QAP相关分析和回归分析实证检验了中国区域知识产权保护对服务业内部结构优化的空间关联的影响。结果发现：①中国服务业内部结构优化和知识产权保护的空间网络中分别存在107和142个空间关联关系，且两个空间关联网络均具有较好的连通性和稳定性。此外，中国服务业内部结构优化和知识产权保护网络的等级度分别为0.234和0.275，表明网络中处在不同地位的节点省份间也可能产生溢出效应；东部沿海省份在中国服务业内部结构和知识产权保护的空间关联网络中处于中心位置，且起到的“桥梁”作用更大，而其他区域板块省份则处在网络的边缘位置，对整体网络的影响有限。②QAP相关分析和回归结果表明，知识产权保护水平的相近性和地理位置相邻是地区知识密集型服务业发展产生空间关联的重要因素，中国各省份知识密集型服务业发展的空间关联具有创新保护集团“俱乐部”特征。中国各省份服务业内部结构优化具有“近水楼台先得月”的邻里效应。知识产权保护空间关联、地理邻接以及人均GDP、制造业结构升级和信息化水平的空间差异可共同解释82.09%的服务业内部结构优化空间关联。
研究结论的政策启示是：首先，构建网络化的区域知识产权保护协同治理体系，创新推进地方服务业内部结构优化的协同发展。中央和地方政府应将知识产权保护和服务业内部结构优化的空间关联作为制度决策的重要因素，构建地方知识产权保护机关的协商机制，促进各地区在服务业内部结构优化过程中的良性互动，不断提升各地区知识产权保护和知识密集型服务业技术创新的空间溢出效率。其次，建立跨区域的知识产权保护制度协同治理机构，拓展各地区高端服务业创新保护的协调联动模式。中央应从顶层设计角度出发，探索建立跨区域知识产权保护制度的协同治理机构，领导并系统推进构建跨区域知识产权保护协商机制、开展跨区域知识产权保护制度协同治理试点、打造知识产权保护数据共享平台等工作。在促进服务业内部结构优化的过程中，应着重加强相邻地区服务业技术创新的交流与合作，实施有助于“富邻”的知识产权保护政策。第三，全力提升服务业知识产权保护强度。一方面，中央和地方政府知识产权管理部门应基于中国服务业市场不断扩大的现状，及时渐进调整知识产权保护强度的标尺，建立服务业知识产权保护的信息平台并及时宣传；另一方面，服务业企业应发挥创新保护的主体作用，根据自身情况设立企业知识产权管理部门，综合运用国家已出台的专利法、商标法和技术合同法等多项知识产权保护工具，合法保护本企业的知识产权。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄莹, 靳涛. “中等收入陷阱”与服务业结构升级——一项国际比较视角的研究[J]. 经济管理, 2021(5):44-59.

[2]
唐保庆, 韩守习, 陈启斐. 知识产权保护制度促进服务业内部结构升级吗?[J]. 现代经济探讨, 2018(1):69-79.

[3]
Sieghart A. Information technology and intellectual property[J]. European Intellectual Property Review, 1982(7):15-23.

[4]
Sweet M C, Maggio E S D. Do stronger intellectual property rights increase innovation?[J]. World Development, 2015(66):665-677.

[5]
Maskus K E. The globalization of intellectual property rights and innovation in services[J]. Journal of Industry Competition & Trade, 2008, 8(3):247-267.

[6]
Cohen W, Goto A, Nagata A, et al. R&D spillovers,patents and the incentives to innovate in Japan and the United State[J]. Research Policy, 2002(31):1349-1367

[7]
Jandhyala. Property rights and international investment in information technology services[J]. Strategic Management Journal, 2013, 34(7):877-889.

[8]
徐清. 知识产权保护强度的空间分布及其决定因素——基于31个省(市)面板数据的空间计量研究[J]. 世界经济研究, 2013(9):23-29.

[9]
霍鹏, 魏修建. 我国知识密集型服务业空间集聚的实证研究——基于 286 个地级及以上城市的经验证据[J]. 经济问题探索, 2019(11):151-163.

[10]
郑长娟, 郝新蓉, 程少锋, 等. 知识密集型服务业的空间关联性及其影响因素——以浙江省69个县市为例[J]. 经济地理, 2017, 37(3):121-129.

[11]
刘建民, 欧阳玲, 毛军. 财政教育支出的农村减贫效应研究——基于网络空间结构的分析[J]. 财经理论与实践, 2018, 39(6):66-70.

[12]
Fagiolo G. The international trade network:Gravity equations and topological properties[J]. Journal of Economic Interaction and Coordination, 2010(1):1-25.

[13]
郑长云. 中国区域知识产权保护对出口品质结构的影响研究[J]. 现代经济探讨, 2019(10):65-72.

[14]
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(3):377-382.

[15]
李敬, 陈澍, 万广华. 等. 中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014(11):4-16.

[16]
Freeman L C. Centrality in social networks' conceptual clarification[J]. Social Networks, 1979, 1(3):215-239.

[17]
段文奇, 刘宝全, 季建华. 国际贸易网络拓扑结构的演化[J]. 系统工程理论与实践, 2008, 28(10):71-75.

DOI

[18]
韩峰. 生产性服务业集聚如何影响制造业结构升级?——一个集聚经济与熊彼特内生增长理论的综合框架[J]. 管理世界, 2020, 36(2):72-94.

[19]
霍鹏, 魏修建. 我国知识密集型服务业空间集聚的实证研究——基于286个地级及以上城市的经验证据[J]. 经济问题探索, 2019(11):151-163.

[20]
余泳泽, 潘妍. 中国经济高速增长与服务业结构升级滞后并存之谜——基于地方经济增长目标约束视角的解释[J]. 经济研究, 2019, 54(3):152-167.

Options
Outlines

/

〈 〉