专利授权量影响因素分析

杜 聪，杨立涛，司博文

（上海对外经贸大学，上海 201620）

一、引言

中共十八大中提出了“加强知识产权保护”的重大命题，而十八届三中全会则进一步提出了“加强知识产权运用和保护”的指导方针，将知识产权工作提升到一个新的战略高度。保护知识产权最直接的体现之一就是对个人、企业专利的保护，因此专利的授权数量对于知识产权的保护显得尤为重要。同时，在快速发展的21世纪，科学技术是第一生产力，是衡量一个国家发达水平的重要标准。作为科技发展水平的体现成果之一，专利授权量通常是判断一个地区科技发展水平的重要指标。因此，研究影响专利授权量的因素显得尤为重要。

然而，国内外大多数的研究只是侧重于单一因素变量对专利授权量的影响，如R&D支出与专利授权量的定量分析，[1]或者是政府科研投入和专利申请量之间的关系。[2]这些研究都提出了针对单一因素的一些建设性建议，但是当面临资源有限、资金不足等限制条件下，并没有给出一个最优解决方案。

所以现主要探讨影响专利授权量的关键因素，以供决策制定者在有限资源下做出最优决策。

二、研究思路

（一）专利指标选择

专利申请量指的是区域内各类专利的申请总量，这一指标反映的是区域技术创新的活跃程度，但对于一个地区当前的实际创新能力的体现有一个放大的作用，因而导致信息分析失真。专利授权量指的是区域内获准授权的专利总量，这一指标反映的是区域技术创新已经达到的水平，更为真实合理地反映一个地区的实际自主创新能力。因此选择专利授权量作为衡量的指标。

（二）影响因素选择

孙婷婷，唐五湘[1]做了关于专利授权量和R&D支出之间的定量分析研究，提出政府应加强对企业R&D活动的支持以及企业自身应当加强R&D活动的投入的建议。马大勇[2]基于VEC模型的实证分析研究了政府科技投入对专利授权量的效应，认为政府科技投入和专利授权量之间存在长期稳定正相关作用。王庆元，张杰军，张赤东[3]对发明专利申请量和创新型企业研发经费之间的关系进行了研究，提出提高研发经费的发明专利产出效率的建议。

除此以外，考虑到政府教育支出、技术市场成交额等客观因素同样有可能对专利授权量产生影响，由此，选择了7个可能影响专利授权量的因素，分别为R&D人员全时当量、R&D经费、公共财政教育支出、公共财政科学技术支出、地区生产总值、人口数及地区技术市场成交额，如表1所示。

表1

（三）研究方法

考虑到影响专利授权量的因素中存在不确定性，专利授权量与各因素之间的关系并不清晰可见，即专利授权量与众多因素构成一个灰色系统，因此采用灰色关联分析法对该灰色系统进行研究。同时，为了定量研究因素之间对专利授权量的影响，采用多元回归模型，利用逐步回归的方法剔除影响相对小的变量，保留对专利授权量有显著影响的变量。

三、灰色关联分析

（一）灰色模型关联度

在客观世界中，有许多因素之间的关系并不清晰可见，分不清哪些因素关系紧密，这样就无法找到主要的关系，因此需要采用灰色关联分析。关联度分析是一种基于灰色系统，分析系统中各因素关联程度的方法，该方法将研究对象及影响因素的因子值视为一条线上的点,与待识别对象及影响因素的因子值所绘制的曲线进行比较,比较它们之间的贴近度,并分别量化,计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度,通过比较各关联度的大小来判断待识别对象对研究对象的影响程度。

关联系数定义为：

其中ρ表示分辨率，一般取0.5。

求出X(0)(K)与这两个序列的关联系数后，与这两个序列的关联度为：

（二）关联度求解

研究选取了上海市2008年至2013年六年来的相关数据进行关联度分析，如表2所示。

表2

通过计算求得各个变量与专利授权量（Y）的关联度，结果如表3所示。

表3

按照关联度大小由大到小进行排序，得到的排序为公共财政科技支出，R&D经费，R&D人员全时当量，公共财政教育支出，地区生产总值，分地区技术市场成交额，人口数。

四、回归模型与聚类分析

（一）多元线性回归模型

在Y为随机变量，x1，x2，…，xm为一般变量的基本假设下，多元回归分析是用来研究因变量Y与m个自变量x1，x2，…，xm的相关关系的。假定因变量 Y 与 x1，x2，…，xm线性相关，则多元线性回归模型为。

（二）逐步回归分析

逐步回归的基本思想是逐个引入自变量，每次引入对影响最显著的自变量，并对方程中的变量逐个进行检验，把变为不显著的变量逐个从方程中剔除掉，最终得到的方程中既不漏掉对影响显著的变量，又不包含对影响不显著的变量。

（三）回归模型求解

1.相关系数检验

研究选取中国统计年鉴上2013年全国各省、市、自治区（不含港澳台）数据，选取R&D人员全时当量、R&D经费、公共财政教育支出、公共财政科学技术支出、地区生产总值、人口数、分地区技术市场成交额共7个自变量，在做回归分析之前先对自变量进行相关性检验，检验结果显示自变量之间的相关系数较高，变量之间存在多重共线性，可能会使模型估计失真或难以估计准确，参数估计失去其意义。

2.逐步回归

为解决多重共线性问题，研究使用逐步回归分析的方法，逐步回归结果显示保留了R&D人员全时当量、R&D经费、公共财政科学技术支出和人口四个变量，除R&D经费之外的其余变量均显著，但同时，由于截距项在模型中不显著，研究进行无截距回归。

结果显示剔除了公共财政教育支出、分地区生产总值和分地区技术市场成交额这三个变量，得到了专利授权量关于R&D人员全时当量、R&D经费、公共财政科技支出和地区人口数对专利授权量的影响。

3.异方差及正态性检验

模型值为348.76，值小于0.0001，回归方程高度显著，然而残差分析图显示，残差项的方差随预测值增加而增加，怀疑存在异方差问题，因此采用怀特检验进行异方差检验。异方差检验结果显示p值小于0.05，表明存在异方差。为解决异方差问题，研究对变量取对数进行回归拟合。剔除模型中不显著的变量后进行逐步回归，结果如表5所示。

表5

该模型的方差分析结果显示F值为43282.0，p值小于0.0001，修正后的R平方为99.84%，模型高度显著。而怀特检验结果显示p值为0.11，可以认为不存在异方差问题。

对残差进行正态性检验，Shapiro-Wilk统计量的p值约为0.1897，接受原假设，认为残差服从正态分布。因此认为回归服从基本假设。

最终的回归方程为：

ln Y=0.6787ln FE+0.6109ln TEC

从回归方程中可以看出，每增加百分之一的FE将会使专利授权量增加大约0.6787%；每增加1%的公共财政科技支出，将会增加专利授权量的0.6109%。

（四）聚类分析

为探究不同省市间影响专利授权量关键因素的区别，针对不同省市做出相应的对策，本研究对不同省市数据进行聚类分析。

聚类分析结果显示可以将全国大致分为三类：第一类，北京；第二类，江苏、广东、浙江、山东；第三类，其他省市。

采用2009年到2013年的数据，按不同类别省市对专利授权量及各变量进行逐步回归。结果如表6，表7所示。

表6 第二类省市逐步回归结果

表7 第三类省市逐步回归结果

观察不同类别的逐步回归结果，发现这两类省市中分地区技术市场成交额与专利授权量均有着显著的正相关关系。除此因素外，第三类省市回归结果表明R&D人员全时当量，公共财政科学技术支出及人口对于专利授权量均有着显著的正相关影响；而第二类省市中不仅R&D人员全时当量、公共财政科学技术对专利授权量的影响不够显著，而且人口因素呈现了对专利授权量显著的负向影响。

五、总结建议

灰色关联分析的结果表明与专利授权量关联度最大的四个变量依次为公共财政科技支出、R&D经费、R&D人员全时当量和公共财政教育支出，同时，逐步回归的结果显示影响专利授权量最显著的两个因素为R&D人员全时当量和公共财政科学技术支出。

综合灰色关联分析的结果和逐步回归分析的结果，可以看出公共财政科学技术支出与分地区技术市场成交额从全国范围看对专利授权量的影响较为显著。此外，在全国大多数省市，R&D人员全时当量对专利授权量也都有显著的正向影响。

（一）保护技术交易市场，建立健全的技术交易制度

地区技术市场成交额对于专利授权量的贡献从全国范围来看都很明显，市场给予了科研人员不断研发新兴技术的动力。因此，需要加大对技术交易市场的保护，建立健全的技术交易制度，促进技术的交易。

（二）政府提高财政科技支出，坚持科教兴国战略

政府应当尽力承担责任，加大财政科技支出，为具有创新力的企业提供更多的支持、鼓励并创造更好的外部环境。政府作为企业的后盾要努力保障企业的合法权利，可以给予一定程度的优惠政策。

（三）加大研发经费投入力度，为科研提供稳定支持

企业、研究所是进行科技创新研发的主要场所，这些机构本身应当加强对研发创新的投入，迎合市场的需求，使其研发创新成果广为大众接受，以达到良性循坏的目的。

（四）各省市因地制宜，调整不同地区财政投入方向比例

数据分析结果表明，不同地区影响专利授权量的关键因素并不完全相同，因此需要政府决策部门针对不同的地区情况进行调研分析。沿海省份可以将更多的资源用于技术交易市场的保护与监督，内陆省份则应当加大科技投入，加大科研发展的力度。

[1]孙婷婷.专利申请量与R&D支出之关系的定量分析[J].北京机械工学学院学报，2003，18(4).

[2]马大勇.我国政府科技投入对专利授权量的效应分析[J].科技与经济，2013，26(6).

[3]王庆元.我国创新型企业研发经费与发明专利申请量关系研究[J].科学学与科学技术管理，2010，31(11).