EN中文

Economic geography >

2021 , Vol. 41 >Issue 5: 113 - 121

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.05.013

Measurement and Spatio-temporal Evolution of Patent Quality in China at the City Level

  • DING Huanfeng ,
  • HE Xiaofang ,
  • SUN Xiaozhe , ※
Expand
  • School of Economics and Finance，South China University of Technology，Guangzhou 510006，Guangdong，China

Received date: 2020-07-18

  Revised date: 2021-02-19

  Online published: 2025-04-17

Fold

Abstract

The patent quality is an important indicator of the level of regional innovation capacity. This paper constructs the evaluation system of patent quality which includes the quality of patent structure,patent law,patent technology,and patent operations,measures the patent quality using the dynamic factor analysis according to the data of 279 cities in China from 2001 to 2018. Based on the non-parametric kernel density estimation,regional gap index,global Moran's index,LISA scatter plot,and absolute convergence equation,this paper analyzes the spatial and temporal evolution of patent quality in 279 cities of China. The research shows that: 1) Compared with the number of patents,the patent quality can make more comprehensive scientific evaluation. 2) From the perspective of time series,the patent quality in Chinese cities is slowly increasing,and can be improved. 3) From the perspective of spatial dimension,it shows obvious spatial agglomeration with high-high,low-low,high-low,and low-high agglomeration types. At the same time,the spatial agglomeration level in the east of China is higher than the west,which indicates that the spatial imbalance is prominent. 4) The patent quality in Chinese cities has generally shown a condition of convergence. Except for the central region,club convergence has appeared in all regions.

Key words： innovation driven; patent quality; evaluation system; Dynamic Factor Analysis Method; intellectual property; high-quality development

Cite this article

DING Huanfeng , HE Xiaofang , SUN Xiaozhe . Measurement and Spatio-temporal Evolution of Patent Quality in China at the City Level[J]. Economic geography, 2021 , 41(5) : 113 -121 . DOI: 10.15957/j.cnki.jjdl.2021.05.013

科技引领未来，创新驱动发展。专利成为衡量创新能力的重要标尺之一，中国已在专利数量规模上取得巨大成就[1-2]，发明专利申请量和授权量均居世界首位。然而，形成鲜明对比的是，中国目前城市专利质量水平普遍不高，出现了一些“专利泡沫”和“创新假象”[3]；专利发明的国际竞争力普遍不强，技术先进性有待提高，在专利结构、专利市场运营等方面仍存在一些突出问题，地区专利质量空间不平衡不充分发展问题亟待解决。党的十九大报告指出，要强化知识产权创造、保护、运用的要求，深入实施专利质量提升工程。教育部、科技部和国家知识产权局则出台文件 ① ，提出要着力转变科研考评方式，注重专利转化运用，向滥竽充数、竞争力不高的垃圾专利说不。以往众多学术研究常以专利数量作为评价地区创新能力的重要指标[4⇓⇓-7]。然而，在创新驱动高质量发展的背景下，盲目追求专利数量已无法在地区间激烈竞争中立足。因此，提升城市专利质量水平，更能全面提高地区综合创新能力，是培育创新新动能，推进地区经济高质量发展的重要驱动力。那么，城市专利质量评价测度体系该如何构建，全国城市专利质量水平及其时空演进状况如何，等等，诸多理论与实践问题迫切需要解答。
专利质量指标体系与评价已引起了国内外学者的广泛关注，在内涵方面，毛昊、刘洋等认为专利质量包括专利技术质量、法律质量、市场运营质量三个内涵[8-9]。在指标体系构建上，Lanjouw等构建专利质量评价体系，主要包含引文数量、专利族大小、权利要求数等指标[10]。Jiang-LiangHou等通过多元回归模型构建了基于专利权相关指标的评价体系并进行实证[11]。雷孝平等依据SMART准则从数量类指标、技术类指标、经济类指标、影响类指标构建专利质量的评价体系[12]。孙玉涛等提出“三阶段—两维度”测度模型[13]。实证分析中，宋河发等实证测度中国31个省市区的专利质量状况，发现中国专利质量呈现东高西低状况[14]。陈欣对2001—2015年珠三角九市的专利质量从权利质量、技术质量、运营质量进行横截面分析，提出各市提高专利质量的路径[15]。已有研究提供了一系列具有重要价值的学术洞见，但仍在以下三个方面的不足：①对城市专利质量缺乏足够关注，缺少对城市专利质量的界定。②现有指标体系较为零散混乱，同时指标多选择为宏观指标，未能充分考虑专利的微观生产运营过程及存在的时滞性问题。③实证上对城市专利质量的评价研究较少，对时空演进规律仍需要深入总结。
基于此，本文将城市专利质量表征为专利影响城市综合竞争力的程度，厘清城市专利质量的内涵与基本特征，从专利结构、法律、技术、运营四个层面构建城市专利质量的指标体系。基于2001—2018年全国279个地级城市的平衡面板数据，使用动态因子分析法测度并评价城市专利质量，并通过非参数核密度估计、区域差距指数、全局Moran's I指数以及LISA散点图、条件收敛方程等工具揭示城市专利质量水平时空演进状况。本文为深入实施专利质量提升工程，全面提升中国城市创新能力，推动经济高质量发展提供理论与实践依据。相对于既有研究而言，本文创新点主要包括：①在研究视角上关注城市专利质量。本文将专利质量数据与城市匹配，从城市专利质量维度刻画城市创新能力，进一步认识创新的地域属性特征。②构建城市专利质量的评价测度指标体系并分析中国城市专利质量时空演进特征，全面反映城市创新能力，对全面提高中国城市创新实力提供政策依据。

1 城市专利质量指标体系

1.1 指标体系构建

专利质量源于经济法学研究，最初学者使用发明专利比例、职务发明创造专利比例等宏观结果导向指标进行评价，万小丽将其归纳为专利结构质量[16]。与此同时，部分学者关注到专利发明、申请、审查、运营的微观过程，评估专利法律质量、技术质量、经济质量以更好反映专利质量[17]。事实上，从微观过程视角看，法律审查、技术鉴定以及转让运营三个方面也是专利质量的核心体现。首先，专利是法律的产物，必须符合法律规定的条件，同时也必然受到法律的保护。其次，专利发明的目标是促进科学技术进步，技术先进性是其核心本质。最后，专利转让运营过程中所产生的市场化价值，是激励企业进行发明创新的源泉动力所在。
因此，借鉴有关专利质量的文献，本文将“宏观结果导向”与“微观过程视角”相结合，将城市专利质量表示为专利影响城市综合竞争力的程度[16-17]。具体而言，城市专利质量应包含宏观层面和微观层面的内涵[18⇓⇓⇓-22]。一方面，宏观层面从整体结果导向出发，借助城市的专利授权率、发明授权占比、发明专利申请人类型占比具体指标表明城市专利质量结构情况；另一方面，微观层面则基于专利产生、构成及运营的微观全过程，通过法律、技术、运营 ① 3个维度衡量。
基于以上分析，借鉴文献相关研究[23⇓⇓⇓-27]，基于专利的构成要素以及涉及专利的发明、申请、审查、运营的全生命周期过程，本文从专利结构、法律稳定性、技术先进性、市场运营性层面构建城市专利质量评价体系，将更好地反映城市地区的创新能力情况。考虑到专利从申请到授权到运营具有较大的时间跨度，存在时滞性，因此将专利的技术外溢及市场运营时滞设定为5年(如：2013年广州城市专利运营质量需2013年所有授权发明专利往后至2018年共5年的专利许可、转让、维持状况测量。)，使得不同年份的不同城市专利质量具有可比性。同时，对于各三级指标，本文通过逐一搜索专利数据并匹配到13个年份279个地级城市层面，并经过计算获取。城市专利质量评价体系构建与各三级指标的处理计算方式，见表1。
表1 城市专利质量评价体系

Tab.1 Evaluation system of patent quality

一级指标 二级指标 三级指标 指标衡量方式 特征
宏观指标 专利结构质量 发明专利占比（%） 城市当年授权发明专利量/（城市当年授权发明专利量+城市当年授权实用新型专利量+城市当年授权外观设计专利量） +
当年发明申请授权率（%） 城市当年发明申请后来授权量/城市当年发明申请 +
职务申请人占比（%） 1-城市当年授权发明专利为个人类型的专利量/城市当年授权发明专利量 +
微观指标 专利法律质量 同族国家平均数（个） 城市当年授权发明专利同族国家总和/城市当年授权发明专利量 +
权利要求平均数（个） 城市当年授权发明专利权利要求数总和/城市当年授权发明专利量 +
城市IPC平均数（个） 城市当年授权发明专利IPC总和/城市当年授权发明专利量 +
专利技术质量 5年内专利被引平均数（个） 城市当年授权发明专利的在自授权日始五年内被引数/城市当年授权发明专利量计算 +
专利引证平均数（个） 城市当年授权发明专利引证专利数总和/城市当年授权发明专利量 +
发明人平均数（个） 城市当年授权发明专利发明人数量总和/城市当年授权发明专利量 +
专利运营质量 5年内专利许可平均数（个） 城市授权发明在自授权日始5年内进行许可的授权发明专利量/城市当年授权发明专利量 +
5年内专利转让平均数（个） 城市授权发明在自授权日始5年内进行转让的授权发明专利量/城市当年授权发明专利量 +
专利5年内有效占比（%） （城市当年授权发明至今有效专利+城市当年授权发明维持时间不小于5年的失效发明专利）/城市当年授权发明专利 +

1.2 测度方法：动态因子分析法

由于本文关注的是城市层面的面板数据，而普通的公因子提取方法如因子分析和主成分分析并不能较好地处理面板数据，且在动态评价时无法进行纵向可比，因此，本文采取动态因子分析法构建评价指数，该方法将截面与时序分析结合，使评价结果具有时间和空间上的横纵对比性，也更便于下文的时空演进分析。

1.3 变量选择与数据说明

本文选取的城市专利质量指标数据均来自于商用数据库www.incopat.com，该数据库集合了专利文献、专利法律运营动态等信息，使我们能搜集并计算出全部的专利质量指标。在截面选择上，样本选择为中国地级及以上城市，并将部分区划新增、调整或数据缺失地级市予以剔除 ② ，统计范畴涵盖中国279个城市。在时间选择上，收集到2001—2018年城市专利相关数据，评价时间范畴为2001—2013年的当年质量 ③ 。

2 中国城市专利质量的评价结果

2.1 公因子提取

本文使用动态因子分析法计算城市专利质量，具体使用Stata15计量软件计算。为消除量纲对结果的影响，在Stata进行动态因子分析法时，会预先进行标准化过程，最终所有数值取值在-1~1之间，故下文计算的结果会出现负数情况。在提取公因子中，前6个公因子累计方差贡献率为72.73%，且均满足特征值大于1的条件。这说明主要信息已被前6个公因子囊括，因此本文将提取计算中国地级城市的城市专利质量得分。

2.2 评价结果

表2展示年平均城市专利质量排名前30的城市指数得分排名与对应的年平均专利数量排名情况。表3展示2001、2007以及2013年城市专利质量排名最后30名城市汇总情况。
表2 平均城市专利质量排名前30的城市指数得分

Tab.2 Index scores of top 30 cities in average patent quality

2001 2003 2005 2007 2009 2011 2013 均值 质量排名 数量排名
北京 1.055 1.378 1.281 1.208 1.262 1.164 0.986 1.221 1 1
深圳 1.351 1.334 1.321 1.164 1.028 0.955 0.707 1.129 2 3
长沙 0.615 0.729 0.620 1.152 1.810 1.067 0.895 1.000 3 18
太原 0.980 1.345 1.207 1.100 0.978 0.683 0.192 0.984 4 39
南京 0.779 1.172 1.050 1.128 0.950 0.772 0.458 0.914 5 6
武汉 0.729 0.971 0.995 0.876 0.805 0.762 0.697 0.861 6 13
攀枝花 -0.334 0.227 1.377 0.861 1.042 0.996 0.651 0.822 7 78
海口 0.118 0.790 0.600 0.711 0.852 1.336 0.671 0.795 8 67
珠海 0.674 0.724 0.595 0.716 0.801 0.618 0.646 0.790 9 43
西安 0.710 1.030 1.206 1.095 0.781 0.468 0.077 0.784 10 9
自贡 0.564 0.632 0.852 0.999 0.809 0.712 0.530 0.782 11 120
连云港 0.997 0.977 1.350 0.926 0.274 0.308 0.315 0.763 12 70
广州 0.801 0.683 0.779 0.937 0.679 0.597 0.696 0.745 13 10
杭州 0.814 0.750 0.692 0.910 0.711 0.568 0.587 0.733 14 7
宁波 0.621 0.612 0.737 0.954 0.620 0.591 0.426 0.693 15 20
克拉玛依 0.190 0.339 1.103 0.385 0.020 0.494 0.652 0.686 16 189
德阳 0.538 0.196 0.977 1.042 0.482 0.443 0.461 0.685 17 97
合肥 0.505 0.893 0.979 0.766 0.781 0.295 0.294 0.677 18 26
淄博 1.068 1.349 1.017 0.785 0.508 0.174 0.207 0.675 19 45
长春 1.058 0.546 0.788 0.643 0.747 0.571 0.572 0.674 20 29
厦门 0.846 0.796 0.683 0.611 0.609 0.476 0.621 0.672 21 35
常州 0.765 0.538 0.708 1.166 0.943 0.136 0.150 0.670 22 22
洛阳 0.370 0.787 0.634 0.928 0.887 0.551 0.142 0.668 23 44
上海 0.694 0.862 0.717 0.586 0.648 0.516 0.578 0.663 24 2
镇江 -0.087 1.218 0.577 0.956 0.887 0.307 0.103 0.641 25 25
兰州 1.050 0.726 0.522 0.586 0.483 0.655 0.391 0.640 26 49
石家庄 0.425 0.533 0.667 0.467 0.413 0.685 0.744 0.629 27 53
昆明 0.725 0.700 0.913 0.630 0.543 0.518 0.447 0.610 28 34
梅州 0.575 0.852 1.878 0.895 -0.100 0.324 0.533 0.609 29 149
宜宾 0.352 -0.220 0.265 0.982 1.182 0.903 0.374 0.582 30 123
表3 全国城市专利质量排名最后30名城市

Tab.3 The last 30 cities in the patent quality ranking

区域 2001 2007 2013
东部 莆田、云浮、三亚 日照、宿迁、清远、三亚 三亚、漳州
中部 淮北、黄山、吉安、济源 宣城、黄山、六安、宿州、上饶、鹰潭、咸宁、许昌、鹤壁 随州、荆门、吕梁、晋城、朔州、长治、吉安、宣城、亳州、阜阳、宿州、驻马店
西部 玉林、百色、河池、贵港、防城港、梧州、崇左、来宾、毕节、白银、酒泉、庆阳、武威、张掖、广元、广安、铜川、延安、乌兰察布、巴彦淖尔 玉林、百色、河池、来宾、防城港、保山、榆林、延安、铜川、武威、平凉、巴彦淖尔 南充、广安、酒泉、庆阳、河池、贵港、百色、防城港、榆林、巴彦淖尔、乌海
东北部 鹤岗、牡丹江、双鸭山 七台河、佳木斯、黑河、伊春、辽源 绥化、鹤岗、双鸭山、伊春、七台河

注：本文将按照中国地理区划四大分区，即划分为东、中、西以及东北部。在本文研究的279个城市中，东部城市共88个，中部城市共78个，西部城市共79个，东北城市共34个。下文分析沿用。

结合表2、表3统计结果，可以得到如下基本结论：
①专利质量与专利数量排名大致保持一致，但两者不能等同。首先，城市专利质量年平均得分排名前30名的城市，在城市年平均专利数量排名前30位的城市数量比例为46.66%，在排名前50位的城市数量比例为70%。一些专利数量排名靠前的城市如北京、深圳、西安、广州，其专利质量排名基本保持一致。同时，对城市专利质量排名后30名城市进行考察，发现众多城市专利数量与专利质量排名均为靠后，这均集中反映出城市专利数量指标在一定程度上能反映出城市专利质量，专利数量的增长是实现专利质量提升的基础。然而，众多城市也存在着专利质量与数量明显不匹配的情况，一些城市专利数量高但测算的专利质量指数并不高，而另一些城市如攀枝花、海口、自贡、连云港、克拉玛依、德阳、梅州、宜宾，其专利质量排名相对于数量排名均有较大程度的提升。因此，仅从专利数量指标不能完全衡量城市的创新能力，专利质量能对城市创新能力作更全面科学评价。
②从时间维度看，城市专利质量随时间的波动性明显。部分城市如长沙、攀枝花、海口的专利指数实现了年度的增长，而众多城市如深圳、南京、太原、西安、宁波、合肥、淄博、厦门、常州、洛阳、镇江近年城市专利质量下滑明显。此外，排名前三十名的一些城市如北京、武汉、珠海、广州、杭州、长春、上海、兰州，其专利质量保持较为稳定的高水平状态，而另一些城市如三亚、黄山、济源、玉林、百色、河池、贵港、铜川、榆林、巴彦淖尔等城市，其专利质量则一直维持在较低水平。这集中反映出，城市专利质量指标相对于专利数量指标时序波动性更大。因而对于整体而言，中国城市专利质量是否随时间提升需要进一步验证。
③从空间维度看，城市专利质量空间依赖性与异质性特征并存。首先，不同的地区存在空间依赖性各异，集聚呈现高—高、低—低、高—低不同类型。如长三角、珠三角呈现明显的高—高集聚特征，中部地区河南、江西、安徽，东北部黑龙江，西部地区广西、甘肃、陕西、内蒙古等省份众多城市呈现出相反的低—低集聚特征。与此同时，广东省的一些城市同时出现在前30名和后30名的名单中，这说明广东城市专利质量可能具有较大的不平衡性，呈现高—低集聚特征。其次，从总体特征来看，城市专利质量呈现东高西低的规律。广东、江苏、浙江省内城市排名在前30名中。对平均城市专利质量排名后30名城市进行考察，中西部城市占比最大，东部占比较小，城市专利质量在空间上存在差异。因此，中国城市专利质量的空间集聚呈现何种主要特征，专利质量的空间差距是否在缩小达到收敛状态，需要进一步研究。

3 中国城市专利质量的时空演进特征

3.1 中国城市专利质量时序演进

非参数核密度估计，具有假设条件少、更贴近现实变量关系的优势，能更准确分析时序演进特征。因此，本文采用非参数核密度估计得到分布状况，选择最优带宽非参数核密度估计得到的主要年份城市专利质量分布演进情形（图略）。
本文总结了中国城市专利质量的时序演进特征：①随着年份增长，核密度函数仅呈现略微右移，这表明，相对于城市专利数量的显著提升，整体城市专利质量仅有较小提升，仍有巨大的可提升空间。②随着年份增长，总体上看，城市专利质量的极大值先增大后减小，极小值先减小后增大。同时，中国城市专利质量总体上呈现单峰分布演进特征，其峰值随时间推移逐渐增高。以上均在一定程度上说明，中国城市专利质量区域差距呈现先增大后缩小特征，长期看区域间呈现专利质量收敛的趋势。
与此同时，本文使用基尼系数（GINI）、赫芬达尔—赫希曼指数（HHI）、变异系数（CV）、泰尔指数（TEI）测量城市专利质量的地区差距的变化情况。在数据处理上，由于城市专利质量动态得分存有负数情况，本文利用数据平移的方法以实现区域差距的测量，使得不同年份间的区域不平衡性得以测算对比。图1为城市专利质量区域差距测度的结果展示。图1中，GINI、HHI、CV、TEI的时序演进均表现出先增加后减少的一致趋势，反映出随着年份增长，中国城市专利质量差距由大变小，同样在一定程度上说明呈现出收敛的趋势。
图1 城市专利质量区域差距测度情况图

Fig.1 The measurement of the regional gap in the patent quality

3.2 中国城市专利质量空间演进

3.2.1 空间依赖性

本文逐年计算了2001—2013年城市专利质量的全局Moran's I指数以反映整体的相关性，结果见表4。表4中，Moran's I指数基本显著，同时数值除2003年外都大于0，且随着时间推移，空间自相关性在逐渐上升。这说明中国城市专利质量总体上呈现出地理聚集的空间特征，创新存在着空间外溢效应。
表4 各年份全局自相关结果

Tab.4 Global auto-correlation results by year

年份 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
Moran's I 0.014**（2.338） 0.021***（3.369） -0.008
（-0.662）		 0.007（1.406） 0.021***（3.304） 0.021***（3.287） 0.022***（3.523） 0.028***（4.267） 0.021***（3.315） 0.016***（2.603） 0.015**（2.515） 0.031***（4.691） 0.024***（3.691）

注：1.***、**、*分别代表在1%、5%和10%的水平上显著；2.括号内表示各自Moran's I指数的z得分。

其次，本文计算了各城市的局域Moran's I指数，并依据高—高（H-H）、低—低（L-L）、低—高（L-H）、高—低（H-L）集聚四种状态进行类型划分，同时借助LISA集聚图分析。图2为2001、2007与2013年的城市专利质量LISA集聚图。
图2 城市专利质量LISA集聚图

Fig.2 LISA cluster map of patent quality

如图2，观察期间东部地区长三角、珠三角的城市持续呈现城市专利质量的高—高集聚现象，且均有辐射带动周边区域城市，“一荣俱荣”的城市创新溢出发展格局呈现；与之对比的是2001年环渤海区域有大片的高—高聚集现象，但随着年份增长消失了，这反映出一些曾经专利质量强的城市没能产生溢出带动作用，自身能力也退化。同时，城市专利质量低—低集聚现象主要出现在中国西部，“一损俱损”现象突出，广西、陕西、内蒙古、黑龙江等省份城市均持续出现在低—低聚集范围，其中广西大片出现低—低聚集城市。观察期间，城市专利质量高—低聚集情况和低—高集聚情况主要出现在中国的中西部地区城市，可见中部地区城市和西部地区城市的城市专利质量存在较大的区域不平衡性。从整体上看，高—高聚集城市的比重表现出先下降再上升的“U”型特征，低—低聚集的比重则表现为不断上升的趋势。以上分析可以发现，中国城市专利质量的平衡性经历了从高—高聚集为主，到高—高聚集、低—低聚集并重的内部轮动转化，地区的集聚关联性呈现增加趋势。

3.2.2 空间异质性

为分析城市专利质量的地理差异，本文首先描绘四大地理分区的城市专利质量平均得分分布直方频数图及正态基准分布状况，如图3所示。
图3 分地区城市专利质量平均得分直方频数图

Fig.3 Histogram of average scores of patent quality in 4 regions

对比图3可知，城市专利质量平均得分为正数的地级以上城市属东部最多，得分最高城市出现在东部，得分最低城市出现在西部，直观上可以看出城市专利质量在空间上东高西低的区域差异特征明显。结合实际情况，本文尝试从专利质量的构成层面对中国城市专利质量出现的东高西低的空间差异性现象进行解释。首先，东部地区法律制度较为完善，执法力度强，违法成本高；地区行业分工更为细致，具有专门从事专利文献撰写的中介机构、协助发明专利申请及审查流程的机构、专业处理知识产权诉讼的律师事务所，帮助发明申请人更好地寻求法律保护；由于地区深入参与全球产业链分工，国际化企业逐渐增多，促使发明申请人注重寻求国际上的知识产权保护，这些条件导致东部地区具有较高的专利法律质量。其次，由于东部地区对技术创新实行更多优惠补助政策，并营造良好的鼓励创新的优越环境，吸引大量包括大学、科研机构、高科技企业等科技资源聚集，技术交流频繁，知识外溢明显，显著提升了东部地区的专利技术质量。最后，东部通过税收优惠及财政补助、建有市场化的知识产权交易平台、培育风险投资业发展，极大提高研发技术的市场转化效率，使得创新资源能结合市场的需求进行研发，使得东部地区具有较高的专利运营质量。正是东部地区在法律质量、技术质量及运营质量方面巨大的优势，使得东部地区在专利质量上整体高于中西部地区。

3.3 中国城市专利质量敛散性分析

当前，以专利质量为代表的创新能力水平在整体内部存在着巨大差异。尽管整体创新能力水平在不断提升，但空间不平衡问题已逐渐成为制约创新高质量发展的主要障碍。敛散性分析源于内生增长理论，是分析在发展过程中区域差异演化的重要手段，众多学者已就创新能力差异的敛散性展开了相关讨论[28-29]，但对专利质量还未针对性地展开探讨。此外，本文通过核密度估计以及区域差距测量工具发现，在专利质量的时序演进中，专利质量存在着收敛的趋势。对于这个定性结论，更有待严谨的收敛模型来检验分析。通过判断中国城市专利质量是否存在收敛，将更有助于清晰认识到区域间创新差距的变化，从而为中国的区域创新均衡发展提供一定的政策借鉴。
具体而言，对于中国整体地区专利质量传统 β条件收敛模型表示如下：
y i , t + 1 - y i t y i t = α + β y i t + X γ + μ i + ν t + ε i t
式中：由于本文测算专利质量指数存在负值，因此模型左侧采用水平值计算专利质量的增长率， y i t为城市 i的第 t期城市专利质量；向量 X代表了一系列控制变量； μ i是地区固定效应； ν t是时间固定效应； ε i t是随机误差项。在模型估计时，本文采用地区及时间双向固定效应估计。核心估计参数β度量了城市专利质量的收敛情况，若中国整体地区专利质量水平存在条件收敛，则预期系数β应显著为负。
本文分别对中国整体以及东部、西部、中部、东北部四大区域进行对应传统β条件收敛模型与空间β条件收敛模型，表5为中国分地区城市专利质量的β条件收敛回归结果(限于篇幅原因，整体收敛结果未展示，得到基本结论是，中国整体专利质量已呈现条件收敛情形，相关结果备索。)。分地区结果显示，各地区的收敛情况表现出明显的地区异质性。首先从β系数大小来看，中部地区β的绝对值最大，表明收敛速度最快且高于全国整体水平，随后是东北部地区、东部地区，而西部地区收敛速度最慢。这集中表明，专利质量水平越高，地区发展水平相近，研发资本投入边际收益递减的特征越明显，辐射溢出效应越小，从而导致收敛速度越慢。其次从β系数显著性来看，除中部地区外，其余地区β估计值均为负，且在15%的水平上显著，这表明东部、西部及东北部地区专利质量水平已出现俱乐部收敛情形，而中部地区目前仍未出现趋同趋势。最后从空间效应来看， ρ值为正、 λ值为负，与全国整体情况一致，说明专利质量水平本身具有正向溢出效应，但不易观测的其他变量则存在负向虹吸效应。然而，西部地区的空间系数显著性不高，这表明西部地区“各自为政”问题仍存在，空间关联性不够强，通过空间溢出带动区域实现俱乐部收敛的机制仍未完善。分地区β条件收敛的结果说明，区域间专利质量差距在缩小的情况已出现，但政府仍需重视城市专利质量的地区间差异性与不平衡性，增进西部地区创新网络联系，打通创新辐射效应渠道。
表5 分地区β条件收敛回归结果

Tab.5 Results of β-conditional convergence regression by region

地区 模型 β _ c o n s 控制
变量		 ρ λ δ 时间
效应		 地区
效应		 N R2
东部地区 FE -3.1570***（-3.83） -8.2264（-0.33） 控制 控制 控制 1 056 0.0448
SAR -3.1541***（-4.32） 控制 0.2307^（1.62） 控制 控制 1 056 0.0496
SEM -3.1489***（-4.31） 控制 -0.2205^（-1.54） 控制 控制 1 056 0.0426
SDM -3.4129***（-4.64） 控制 0.2805*（1.93） 控制 控制 控制 1 056 0.0030
中部地区 FE -11.4425^（-1.60） 662.5376（1.23） 控制 控制 控制 936 0.0173
SAR -11.2686（-1.03） 控制 0.3422*（1.85） 控制 控制 936 0.0012
SEM -10.6787（-0.98） 控制 -0.3644*（-1.95） 控制 控制 936 0.0010
SDM -14.9547（-1.36） 控制 0.4269**（2.26） 控制 控制 控制 936 0.0026
西部地区 FE -2.7082***（-6.27） 0.8596（0.07） 控制 控制 控制 948 0.0580
SAR -2.5178***（-6.69） 控制 0.1879^（1.61） 控制 控制 948 0.1747
SEM -2.5285***（-6.70） 控制 -0.1951^（-1.63） 控制 控制 948 0.1679
SDM -2.4940***（-6.61） 控制 0.1998*（1.67） 控制 控制 控制 948 0.0426
东北部地区 FE -4.8430**（-3.23） -243.8133（-1.32） 控制 控制 控制 408 0.0492
SAR -3.7726*（-1.90） 控制 0.5837**（2.62） 控制 控制 408 0.0115
SEM -3.6804*（-1.80） 控制 -0.5909**（-2.62） 控制 控制 408 0.0110
SDM -3.3853^（-1.56） 控制 0.6903**（3.02） 控制 控制 控制 408 0.0021

注：1. FE回归中括号中的为t值，SAR、SEM、SDM回归中括号中的为z值；2. ^、*、**、***分别表示在15%、10%、5%、1%水平上显著；3.回归均采用以地区为聚类变量的聚类稳健标准误；4.篇幅所限，未列出控制变量结果，备索。

4 结论与政策启示

当前，相比于规模庞大的专利数量，中国城市专利质量并未能与之匹配。城市专利质量相比于专利数量，更能衡量一个区域的创新能力，地方政府需要更加注重提升城市专利质量水平才能应对地区间激烈的竞争，从而推动地区经济高质量发展。因此，构建一套更能全面反映地区综合创新能力的城市专利质量指标体系，进而对城市专利质量水平及动态变化做出准确评价与总结，是理论与实践中均需迫切解决的问题。本文将城市专利质量表征为专利影响城市综合竞争力的程度，构建包含城市专利结构质量、法律质量、技术质量、运营质量的城市专利质量指标体系。基于2001—2018年全国279个城市数据，使用动态因子分析法测度并评价城市专利质量。同时，综合使用非参数核密度估计、区域差距指数、全局Moran's I指数以及LISA散点图、条件收敛方程等工具研究了中国城市专利质量时空间演进特征。主要结论包括：
第一，对城市专利质量进行评价时，大部分城市专利质量与数量评价吻合，但也存在部分城市不匹配现象。这充分说明，专利数量的增长是实现专利质量提升的基础，但专利数量并不能完全代表城市创新能力，专利质量能做出更全面科学的评价。
第二，中国城市专利质量存在着明显的时序与空间特征。①从时序维度看，核密度函数随时间增长仅呈现略微右移，表明中国城市专利质量呈现缓慢上升态势，可提升空间较大；区域差距指数测算结果则表明差异表现出先上升后下降趋势。②从空间维度看，中国城市专利质量具有独特空间依赖性与异质性。一方面，全局Moran's I指数显著为正表明存在空间集聚特征，LISA散点图显示高—高、低—低、高—低、低—高集聚类型并存；另一方面，呈现明显东高西低的差异特征。③使用一般及空间 β条件收敛模型进行敛散性分析，发现整体上已呈现出条件收敛情形，除中部地区外其余地区均出现了俱乐部收敛情形，但西部地区的空间关联性并不强。
本研究对于深入实施专利质量提升工程，全面提升中国城市创新能力有重要的意义。结合主要评价结果，本文提出如下政策建议：①积极落实知识产权强国策略，全面提升全国城市专利质量。增加科技经费投入，激发科研人员创新活力；提升专业化专利审查和撰写水平，完善专利质量评估与奖助体系；加大知识产权保护宣传力度，加强创新意识培养，完善向国外申请专利的审批程序，增强中国城市国际竞争力。②加强专利运用与技术转化，增强创新对经济的作用。推进大学、科研机构与企业“虚拟创新体系”的建立，大力发展技术转移机构，充分发挥高技术产业的集聚效应，形成科学的区域城市创新分工体系。③减少全国城市专利质量的不平衡性，充分发挥京津冀、长三角、粤港澳三大城市群的技术人才和产业发展优势，在技术创新、生产性服务业方面实现新的突破，辐射带动中西部的经济发展，努力实现中国经济社会和创新的协调发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
龙小宁, 王俊. 中国专利激增的动因及其质量效应[J]. 世界经济, 2015, 38(6):115-142.

[2]
张杰, 高德步, 夏胤磊. 专利能否促进中国经济增长——基于中国专利资助政策视角的一个解释[J]. 中国工业经济, 2016(1):83-98.

[3]
张杰, 郑文平. 创新追赶战略抑制了中国专利质量么?[J]. 经济研究, 2018, 53(5):28-41.

[4]
刘晔, 曾经元, 王若宇, 等. 科研人才集聚对中国区域创新产出的影响[J]. 经济地理, 2019, 39(7):139-147.

[5]
周锐波, 刘叶子, 杨卓文. 中国城市创新能力的时空演化及溢出效应[J]. 经济地理, 2019, 39(4):85-92.

[6]
刘树峰, 杜德斌, 覃雄合, 等. 中国沿海三大城市群企业创新时空格局与影响因素[J]. 经济地理, 2018, 38(12):111-118.

DOI

[7]
徐宜青, 曾刚, 王秋玉. 长三角城市群协同创新网络格局发展演变及优化策略[J]. 经济地理, 2018, 38(11):133-140.

DOI

[8]
毛昊. 中国专利质量提升之路:时代挑战与制度思考[J]. 知识产权, 2018(3):61-71.

[9]
刘洋, 温珂, 郭剑. 基于过程管理的中国专利质量影响因素分析[J]. 科研管理, 2012(12):104-109.

[10]
Lanjouw J.O, Schankerman M. Patent quality and research productivity:measuring innovation with multiple indicators[J]. Economic Journal, 2004, 114:441-465.

[11]
Jiang-Liang Hou, Hsiu-Yan Lin. A multiple regression model for patent appraisal[J]. Industrial Management & Data Systems, 2006, 106(9):1304-1332.

[12]
雷孝平, 朱东华, 周春娜. 科技计划项目后评估中的专利评价方法研究[J]. 科学学研究, 2008(3):573-577.

[13]
孙玉涛, 栾倩. 专利质量测度“三阶段—两维度”模型及实证研究——以C9联盟高校为例[J]. 科学学与科学技术管理, 2016(6):23-32.

[14]
宋河发, 穆荣平, 陈芳, 等. 基于中国发明专利数据的专利质量测度研究[J]. 科研管理, 2014, 35(11):68-76.

[15]
陈欣. 珠三角九市专利实力现状与提升对策研究[J]. 科技管理研究, 2017(23):186-191.

[16]
万小丽. 区域专利质量评价指标体系研究[J]. 知识产权, 2013(8):65-67.

[17]
朱雪忠, 万小丽. 竞争力视角下的专利质量界定[J]. 知识产权, 2009, 19(4):7-14.

[18]
赫英淇, 唐恒. 构建提升专利质量的政策体系研究——从市场需求出发[J]. 知识产权, 2017(2):99-103.

[19]
宁立志, 盛赛赛. 论专利许可与专利转让的对抗与继受[J]. 知识产权, 2015(7):3-13.

[20]
Richard J Sullivan. Estimates of the value of patent rights in Britain and Ireland[J]. The Economis Journal, 1994, 61:37-58.

[21]
Tone X, Frame L D. Technological performance and patent claim data[J]. Research Policy, 1994, 23(2):133-141.

[22]
Lanjouw J.O. Patent protection in the shadow of infringement:simulation estimations of patent value[J]. Review of Economic Studies, 1998, 65(4):33-39.

[23]
Haroff D, Reitzig M. Determinants of opposition against EPO patent grants:the case of pharmaceuticals and biotechnology[J]. International Journal of Industrial Organization, 2002(7):568-579.

[24]
Mariani M, Romanelli M. “Stacking” and “picking” inventions:the patenting behavior of European inventors[J] .Research Policy, 2007(36):1128-1142.

[25]
张古鹏, 陈向东. 基于专利的中外新兴产业创新质量差异研究[J]. 科学学研究, 2011, 29(12):1813-1820.

[26]
李仲飞. 专利质量对公司投资价值的作用及影响机制[J]. 管理学报, 2015(8):1230-1239.

[27]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素[J]. 地理学报, 2018, 73(4):738-754.

DOI

[28]
潘雄锋, 杨越. 中国区域创新的俱乐部收敛及其影响因素研究[J]. 科学学研究, 2014, 32(2):314-319.

[29]
马大来, 陈仲常, 王玲. 中国区域创新效率的收敛性研究:基于空间经济学视角[J]. 管理工程学报, 2017, 31(1):71-78.

Options
Outlines

/

〈 〉