中国专利结构趋势分析

潘雄锋， 舒 涛， 张维维

（大连理工大学经济学院，辽宁大连116024）

中国专利结构趋势分析

潘雄锋， 舒 涛， 张维维

（大连理工大学经济学院，辽宁大连116024）

文章采用向量自回归模型对1985～2009年我国专利结构进行了实证分析。结果表明，我国发明专利、实用新型专利和外观设计专利之间存在紧密的内在联系，某一类专利的发展不仅与该专利前期的发展有关，而且还受到其他专利的影响，发明专利的重要性最为明显，不仅有利于促进本身而且还能促进另外两种专利的发展。要实现我国专利的快速发展，应保持专利政策的长期稳定，深入挖掘发明专利的潜力，充分发挥发明专利对其他专利的带动作用。

专利结构；向量自回归；脉冲响应函数

一、引 言

专利作为反映科学技术发展最迅速、系统和有效的信息载体，集技术、法律、经营和战略信息于一体，是知识产权的重要组成部分。世界贸易组织有关知识产权协议表明，知识产权以成为利润之源，成为衡量一个国家、地区和企业的财富和竞争能力的重要标志。对一个国家来说，知识产权意识越强，其发展水平就越高，拥有自主知识产权越多，其技术实力、竞争能力就越强。因此，利用专利文献统计数据分析国家的专利活动、技术创新水平以及科技竞争力现状，具有可靠性和代表性。

另外，从国际形势来看，在经济全球化和贸易自由化进一步深入发展的今天，科技创新成果层出不穷，世界进入一个主要依靠创新发展的时代，掌握和控制关键领域和前沿技术中的知识产权成为各国激烈竞争的焦点，随之而来的必然结果是知识产权制度的国际化的发展趋势。在这种情况下，知识产权结构及其趋势的分析更显示其必要性和急迫性，这样才能为知识产权制度的制定和实施提供保障，而知识产权制度反过来又为创新创造条件，促进其进一步的发展。

目前有很多学者在专利结构上作出了研究，郭丽峰从专利结构的角度出发，分析专利结构发展中存在的问题，进而为我国自主知识产权发展提供了一些具有建设性的指导意见［1］。刘凤朝等以八大经济区为分析单元，运用布局系数指标和顺序分布模型，从区域的角度对我国八大经济区专利结构的基本特征进行考察，从而为我国科技力量布局优化和区域创新资源整合提供决策意见［2］；吕淑仪从专利申请量、授权量和部类分布等角度分析了广东省三种专利的结构分布及发展趋势［3］；潘雄锋基于GIS方法对1994年以来我国区域创新发展的均衡性进行了测度分析［4］；刘小鲁运用中国省际面板数据分析了我国创新能力积累的因素，并进行相应的比较［5］；刘高扬根据区域创新能力评价指标体系设计的原则，构建了我国区域创新能力评价的指标体系，并建立我国区域创新能力评价的结构方程模型［6］；曹秋霞在大量丰富翔实的数据资料基础之上，深入分析了广东产业技术专利申请与授权总量及结构方面存在的各种优势和不足［7］；山立通过比较分析我国专利发明结构的发展变化，提出了相应的专利战略［8］。通过总结现有的文献可以发现，大多文献都从地理区域角度出发对专利进行分析，而三种专利结构内部相互作用关系的分析较为缺乏。因此，本文以1985～2009年共25组专利申请的有效量即发明专利（invention patent）、实用新型专利（utility model patent）、外观设计专利（design patent）的数据为基础，通过建立向量自回归模型，初步测算各专利申请的有效量波动的滞后影响，并利用脉冲函数分析各变量对每一标准信息的反映来对发展趋势和未来状况进行分析和预测。

二、数据选取与方法

1．数据选取

专利统计数据有专利申请量和专利授权量两类，本文选择专利申请量作为分析指标，而不是专利授权量，原因有二：一是专利授权量的数据有一定的滞后效应，从专利的发明到授权需要很长的时间，这段时间能够带来数据上的失真。二是专利申请量比专利授权量更能体现出创新成果及其创新能力，以其作为分析指标，更易体现出我国的创新水平［9］。原始数据详见表1。为了克服数据中存在的异方差，采用自然对数变量建立VAR模型。三个变量的定义如下：

表1 我国三种专利申请量

2．向量自回归模型介绍

向量自回归（VAR）是基于数据的统计性质把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，因此VAR模型应用很广泛。在应用VAR模型的基础上，可以生成脉冲响应函数，就可以衡量来自随机扰动项的一个标准差冲击对模型变量（内生变量）当前和未来值的影响。向量自回归模型通常用于相关时间序列系统的预测和随机扰动对变量系统的动态影响。模型避开了结构模型方法中需要对系统中每个内生变量关于所有变量滞后值函数的建立模型的问题。最一般的VAR模型数学表达式为［10］：

其中，yt是k维内生变量列向量，xt是d维外生变量，p是滞后阶数，T是样本个数。k×k维矩阵Φ1，…，Φp和k×d维矩阵H式待估计的系数矩阵。εt是k维扰动列向量，它们相互之间可以同期相关，但不与自己的滞后值相关且不与等式右边的变量相关。

三、实证分析

1．序列的平稳性检验

由于实证研究将涉及协整检验和向量自回归模型，要求所有向量必须满足同阶单整，因此在此之前需要首先采用ADF检验来确定各个变量是否同时满足同阶单整。

从检验结果可以看出，原始序列存在单位根，当一阶差分序列的ADF检验结果均小于5%和10%的显著性水平，说明一阶差分序列不存在单位根，是平稳序列，并服从I～（1）的单整过程，结果如表2所示。

表2 三个变量的单位根检验

2．长期的均衡关系——Johansen协整检验

（1）确定VAR模型最优滞后阶数

VAR模型滞后阶数的确定非常重要，若滞后期太小，误差项的自相关会很严重，并导致参数的非一致性估计；若滞后期过大，会导致自由度减小，直接影响模型参数估计量的有效性。为了保持合理的自由度使模型的参数具有较强的解释力，同时又消除误差项的自相关，依据赤池信息准则（AIC）和施瓦茨准则（SC）选取最优滞后阶数［11］。

其中，表示残差，T表示样本容量，k表示最大滞后期。选择k值的原则是在增加k值的过程中使AIC和SC值达到最小。

表3 最优滞后阶数确定

观察表3的检验结果，可以发现在滞后阶数为1时，对数似然值和SC的值同时达到最小，且同时AIC的值也较小，因此确定VAR模型的最优滞后阶数为1，则Johansen协整检验的最优滞后阶数也为1。

（2）协整关系检验

Johansen多变量协整检验的基本思想在于：如果某两个或多个同阶时间序列向量的某种线性组合可以得到一个平稳的误差序列，则这些非平稳的时间序列存在长期均衡关系，或者说这些序列具有协整性。协整关系检验依据Johansen多变量极大似然估计法和迹统计量这两种方法，检验时假定包截距项以及包含时间趋势项，从不存在协整关系的零假设开始逐步进行，检验结果见表4。从表4可以看出，不管是迹检验还是λ-max统计量都显示至少存在一个协整向量，从而可知这几个序列均具有协整性。下面便来建立VAR模型。

表4 协整向量个数确定表

3．格兰杰因果关系检验

从表5的检验结果可以看出，发明专利分别是实用新型专利和外观设计专利的格兰杰因果关系，而它们的反向因果关系则不成立。实用新型专利是外观设计专利的格兰杰因果关系，反之则不成立。因此，从专利发展的角度来看，发明专利的当前值能够帮助预测未来实用新型专利与外观设计专利的走向，提高二者的被解释度，但是具体的影响方向还需要进一步确定。另外，实用新型专利对于外观设计专利也有一定的影响作用。

表5 格兰杰因果检验结果

4．VAR模型的建立

在本文中并不存在外生变量xt，所以可以使表达式得到简化，在根据协整检验时已经求得最优的滞后阶数为1，从而可以得到VAR模型的表达式是：

一般来说，建立VAR模型足以消除随机误差项中存在的自相关。模型共有4个参数需要估计，利用中国的样本专利有效数据（1985～2009年）得到VAR模型（5）的估计结果见表6、表7和表8。以Lnipt，Lnumpt和Lndpt为解释变量的三个回归函数的可决系数R2分别是0．989 8，0．986 5，0．998 3，说明三个回归函数拟合的都很好。由此，建立三种专利关系的VAR模型整体较好。

表6 VAR模型估计结果

表7 VAR各方程检验结果

表8 VAR模型整体检验结果

5．脉冲响应函数分析

在VAR模型中，当某一变量t期的扰动项变动时，会通过变量之间的动态联系，对t期以后各变量产生一连串的连锁作用，脉冲响应函数将描述系统对冲击扰动在不同滞后期的动态反应。确定一个变量对另一个变量的作用时滞，以衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响。我们对Lnipt，Lnumpt和Lndpt进行脉冲响应函数进行如下分析。

从图1可以看出，发明专利（Lnipt）对于自身标准差的正向响应在第4期到达峰值后，一直处于缓慢下降中，并于第15期降到最低，约为0．06。这说明，从长期来看，中国的发明专利（Lnipt）波动具有一定的内在稳定性。政府采取的政策刺激手段，会在短时间内产生迅速而有效的带动作用，但这种刺激效应并不具有持久性。来自实用新型专利（Lnumpt）的冲击，发明专利（Lnipt）在前3期反映很小，其后，做出较强的负向反映，且值随时间推移而增大，最终保持在－0．03左右。这说明实用新型专利（Lnumpt）的冲击对于发明专利（Lnipt）会产生不利的影响。外观设计专利（Lndpt）能够对发明专利（Lnipt）产生正向冲击，冲击随着时间的推移有扩大的趋势，在第9期逐步趋于平缓，达到最大值，约为0．05。

图1 发明专利的脉冲响应

从图2可以看出，实用新型专利（Lnumpt）对来自发明专利（Lnipt）的冲击，体现为前几期正向递增，直至第4期末达到峰值0．1，其后转为快速下降，直到第14期降幅才趋缓。这说明，发明专利（Lnipt）的一个扰动对于实用新型专利（Lnumpt）有较强的正向影响。实用新型专利（Lnumpt）对自身的冲击开始影响比较明显，在第1期为0．11，其后快速下降，并于第6期趋近于0，随后表现出负冲击。外观设计专利（Lnumpt）能够对实用新型专利（Lnumpt）产生正向冲击，且冲击随着时间的推移有扩大的趋势，在第14期逐步趋于平缓，达到峰值，约为0．04。

图2 实用新型专利的脉冲响应

从图3可以看出，外观设计专利（Lndpt）对三种专利冲击的脉冲响应图，跟发明专利（Lnipt）响应图有一定的相似之处。外观设计专利（Lndpt）对自身的标准差反应一直是正的影响，初始影响为0．11，且持续时间也较长，不过影响随着时间的流逝在逐渐减弱。外观设计专利（Lndpt）开始没有感受到来自其他专利的影响。在第2期时才体现为相反的两种冲击，即对来自发明专利（Lnipt）正的冲击，而对来自实用新型专利（Lnumpt）负的冲击。对于发明专利（Lnipt）的冲击，外观设计专利（Lndpt）在第6期上升到最大，约为0．09，其后影响逐步减弱。另一方面，来自实用新型专利（Lnumpt）的冲击却一直为负的冲击，在第9期达到负向冲击最大后，约为－0．06，其后冲击逐步趋于平稳。

图3 外观设计专利的脉冲响应

四、结 论

从以上分析我们可以看出，我国专利有效量之间存在紧密的内在联系，从系统动力学的角度看，某个专利的发展不仅与该专利前期发展有关，而且还受到其他专利同期和前期的影响，在脉冲响应函数中，可以很明显的观察到，各种专利对于自身的冲击都有较强的正向反映，且持续时间较长，其中发明专利和外观设计专利对于自身的正向冲击持续时间在10期以上，实用新型专利对自身的正向冲击在6期左右。在脉冲响应图中，可以很明显的观察到发明专利的重要性，因为发明专利不仅对自身有较强的正冲击，对实用新型专利和外观设计专利也产生正向作用，且持续时间都是10期以上，这也就意味着，促进发明专利的发展，可以有效对其他专利产生正向作用。专利之间也会产生抑制效应，如实用新型专利会对自身和发明专利产生负向冲击，且持续时间较长。外观设计专利冲击也会对实用新型专利产生不利的影响。

从数据分析中可以知道，我国发明专利的绝对数量有了较快的增长，但是在三种专利的比重仍然较低，且远低于发达国家。从国家层面来说必须加大发明的投入，因为对一个创新性国家来说，从长远看，加强发明专利的基础地位，依靠政策和经济的协助对发明专利的发展非常关键。因此，国家和地方政府应重视专利发展对于经济发展的重要性，通过出台相应的政策法规加强科研发展、吸引科技人才，从而促进国家创新发展。同时，更应该重视科技投入积聚对于发明专利的重要性，国家和地方政府在出台相应专利政策时，应该向促进发明专利的发展方向倾斜，只有这样才能够很好地发挥发明专利对其他专利的的基础性作用，进而使我国尽快向创新型国家迈进。

［1］郭丽峰，高志前．从专利结构看我国自主知识产权发展基础［J］．统计观察，2004，（3）：71-72．

［2］刘凤朝，潘雄锋．我国八大经济区专利结构分布及其变动模式研究［J］．中国软科学，2005，（6）：96-100．

［3］吕淑仪．广东省专利结构分布及其区域变动模型研究［J］．情报杂志，2009，（3）：62-65．

［4］潘雄锋．中国区域创新发展时空演化的测度分析［J］．大连理工大学学报（社会科学版），2010，（3）：31-32．

［5］刘小鲁．我国创新能力积累的主要途径：R＆D，技术引进，还是FDI［J］．经济评论，2011，（3）：88-89．

［6］李高扬．基于结构方程模型的区域创新能力评价［J］．经济与管理研究，2011，（5）：28-29．

［7］曹秋霞．广东技术专利申请和授权总量及结构分析［J］．科技管理研究，2009，（8）：552-553．

［8］山立．我国专利发明结构发展变化研究［J］．科技进步与对策，2010，（12）：111-112．

［9］潘雄锋，刘凤朝．我国专利申请结构的分析与预测［J］．情报杂志，2005，（2）：76-78．

［10］董小军，刘宏杰．中国高校学生规模与失业率之间的经验研究-基于VAR模型的经济计量分析［J］．大连理工大学学报（社会科学版），2008，（3）：16-17．

［11］高铁梅，王金明，梁云芳．EViews应用及实例［M］．北京：清华大学出版社，2009．291-292．

Analysis of the Trend of China’s Enterprise Patent Structure

PAN Xiong-feng， SHU Tao， ZHANG Wei-wei
（School of Economics，Dalian University of Technology，Dalian 116024，China）

By using the vector auto regressive model，the paper analyzes the trend of China’s enterprise patent structure from 1985to 2009．The results show that the invention patent，utility model patent and appearance design patent have a close inherent link．The development of a certain type of the patent is not only related to the preliminary development of the patent itself，but also related to the development of other patents，and the invention patent can be seen most clearly from the impulse response function，which will promote the development of itself and other two patents．For rapid growth of China enterprise patent，invention patent potentiality should be tapped to play its patent-driven function，based on long-term stability of the patent policy．

patent structure；vector autoregression model；impulse response function

F124．3

A

1008-407X（2012）01-0041-06

2011-03-10；

2011-06-29

教育部人文社会科学研究基金项目（10YJC630187）；中央高校基本科研业务费人文社科专题项目（DUT11RW304）

潘雄锋（1980-），男，湖南浏阳人，副教授，主要从事科技创新与区域发展战略研究；舒涛（1986-），男，湖北恩施人，大连理工大学经济学院硕士研究生，研究方向为计量经济学；张维维（1986-），女，辽宁营口人，大连理工大学经济学院硕士研究生，研究方向为经济系统分析。