长江经济带知识产权保护对高技术产业创新效率的影响研究

曾 莉,陈 冰,张 颖

(重庆理工大学 重庆知识产权学院,重庆 400054)

0 引言

当今,新一轮科技革命和产业变革深入推进,创新成为引领发展的关键动力和建设现代化经济体系的战略支撑。高技术产业作为知识、技术密集型产业,具有创新性强、先进技术丰富等鲜明特点,因而逐渐成为创新驱动发展的重要载体。但是,由于知识、技术具有外部性特征,部分企业的新产品、新技术易被其他企业模仿甚至抄袭,因此,对创新活动实施知识产权保护是非常必要的。适度的知识产权保护力度不仅可以维护创新主体的合法权益,进一步激发其创新活力,而且在一定程度上促进了邻近省份间技术的交流与共享,充分发挥了其社会效益。

长江经济带沿线省份遍布着各类高技术产业园区,被誉为“高科技走廊”,在我国发展大局中扮演着重要角色。然而,由于这11个省份在经济发展水平、资源要素禀赋等方面参差不齐,各地知识产权保护力度有所差别,使得本地区与周边地区的高技术产业创新效率也因此受到影响。基于此,本文在探究知识产权保护对高技术产业创新效率影响的基础上,创新性地融入空间视角探究其省份之间的溢出效应,以期提高长江经济带高技术产业创新效率并推动区域协调发展。

1 文献综述

1.1 高技术产业创新效率的影响因素

创新驱动发展战略背景下,高技术产业创新效率的影响因素主要包括企业规模、研发投入、政府支持、市场因素4个方面。在企业规模方面,国外学者Gayle[1]认为企业规模的扩大对高技术产业创新效率具有促进作用,即两者之间呈显著正相关关系。张峰等[2]研究表明高技术产业企业规模对于绿色创新效率具有双重门槛效应,且其影响效应均为正。在研发投入方面,Coe等[3]以22个国家为研究对象,运用DEA方法测算创新效率并探究其影响因素,研究得出科技投入的加大显著提高了高技术产业创新效率。张娜等[4]从内部创新、技术溢出效应等4个方面探讨高技术产业创新的影响因素,发现研发经费投入是影响创新效率提升最重要的因素。在政府支持方面,Czarnitzki等[5]认为政府资金支持将有效提高高技术产业创新效率。黎春燕等[6]指出各地区高技术企业充分利用政府政策开展协同合作更有利于创新效率的提高,并进一步推动地区协同发展。在市场因素方面,Luca等[7]研究指出不同维度的市场导向对高技术产业创新效率的影响不同。高晓光[8]从纵向时间维度和横向空间维度探究我国高技术产业发展情况,发现市场结构与创新效率呈显著正相关关系。

1.2 知识产权保护对创新效率的影响

目前,国内外学者有关知识产权保护对创新效率的影响效应尚未形成统一观点,主要分为促进论、抑制论、非线性关系论3种。持促进论观点的学者认为知识产权保护能够有效提高创新效率。Po-Hsuan等[9]认为严格的知识产权保护能够有效维护创新主体的合法权益、减少侵权事件的发生,从而激励企业不断开展创新活动,提升创新效率;保永文[10]研究发现知识产权保护对于制造业企业创新效率的提高具有促进作用,但对于不同层次的创新成果其影响机制略有不同。 持抑制论观点的学者Horii等[11]认为严格的知识产权保护使得垄断现象频出,导致企业之间开展重复性的创新活动,降低了技术的社会效益及企业的创新效率;张志新等[12]指出高水平的知识产权保护力度使得技术引进成本提高,从而对创新效率的提升产生负面影响。也有部分学者认为知识产权保护与创新效率之间存在非线性关系。Furukawa[13]构建了无规模效应的内生增长模型,认为知识产权保护与创新效率之间呈现倒“U”型关系;王金金等[14]运用阈值回归模型研究得出,中等知识产权保护力度对创新效率产生正向影响,当知识产权保护力度过强或过弱时,其影响效应均为负。

1.3 知识产权保护水平和创新效率测度方法

在知识产权保护水平测度方面,主要有指标表示法、综合评价法以及改进的GP指数法3种。最初,部分学者选用单个指标来衡量知识产权保护水平,Pengyuan等[15]和赖敏等[16]分别选用技术市场交易额和加入世界知识产权组织条约的数量作为指标测评知识产权保护力度。随着研究的深入,学者们开始构建综合性的指标体系以全面、客观地进行评价。Ginarte等[17]改进传统的RR指数提出GP指数测评方法,该指数从法律覆盖范围、国际条约数量等5个方面评价知识产权保护水平。随后,有部分学者认为GP指数测评方法多从立法角度考虑,忽略了执法水平对知识产权保护测度的影响,因而在原有的GP指数基础上补充了执法力度指标体系,形成了改进的GP指数测评方法。国内学者韩玉雄等[18]运用社会法制化程度、法律完备程度等4个指标衡量知识产权执法力度,并结合GP指数综合测评知识产权保护水平。

在有关创新效率的测度研究中,国内外学者主要采用随机前沿分析法和数据包络分析法。随机前沿分析法将随机因素考虑其中,但只适合单一产出指标的情况。Hong等[19]运用该法测算了2001-2011年我国17个高技术产业细分行业的创新效率,发现其效率值在不断升高;叶海景[20]为了分析政府研发资助对创新效率的影响,运用随机前沿分析法对温州规上工业企业的创新效率进行了测算。数据包络分析法没有排除随机因素的干扰,但适合多投入、多产出情况下的效率测算。孙俊玲等[21]采用数据包络分析法中的Malmquist指数测算了国企高技术制造业的技术创新效率,并运用M指数分析了其变化过程;学者Tone[22]整合优化现有研究方法,提出了基于松弛变量测度的Super-SBM模型,该模型解决了有效单元之间的对比问题。

1.4 研究述评

通过梳理现有文献发现,学者们普遍认为企业规模、研发投入、政府支持、市场因素能够有效促进高技术产业创新效率的提升。同时,部分学者认为知识产权保护对企业创新效率产生正向影响,也有部分学者认为知识产权保护对创新效率的影响呈“倒U型”关系。在测评方法研究中,国内外学者主要通过指标表示法、综合评价法以及改进的GP指数法测度知识产权保护水平。目前,由于改进的GP指数法从立法强度和执法强度两个层面综合反映知识产权保护现状,因而在学术界得到广泛应用。创新效率的测评方法主要有随机前沿分析法和数据包络分析法,两者各有利弊,基于此Super-SBM模型则更为客观、全面。

综上所述,现有研究主要存在以下不足:①国内外学者较少将知识产权保护纳入高技术产业创新效率的影响因素研究中;②在知识产权保护对创新效率的影响效应探究中较少以高技术产业为对象进行分析;③欠缺基于空间视角探讨知识产权保护对高技术产业创新效率的空间溢出效应的研究。这为本文提供了新的研究视角和研究思路。

2 模型设定与变量说明

基于文献梳理结果,本文以长江经济带沿线11个省份为研究对象,分别运用改进的GP指数法和Super-SBM模型,对其知识产权保护水平及高技术产业创新效率进行量化。在此基础上,本文首先通过固定效应回归模型分析长江经济带知识产权保护对高技术产业创新效率的影响,并分上、中、下游进行区域探究。其次,创新性地利用空间计量模型从空间视角探究两者的溢出效应,以期更全面地剖析其影响机制,从而推动长江经济带沿线省份区域协调发展。

2.1 模型设定

2.1.1 固定效应回归模型

本文运用固定效应回归模型探究长江经济带知识产权保护与高技术产业创新效率之间的影响效应。构建的具体模型如下:

Yit=α+βIPRit+δX1it+μi+εit

(1)

其中,Yit表示高技术产业创新效率;IPRit表示知识产权保护水平;α表示常数项;β、δ表示回归系数;X1it表示控制变量;μi表示个体固定效应,不随时间变动;εit表示随机扰动项。

2.1.2 空间权重矩阵

由于不同省份之间的溢出效应受地理距离的影响,因此本文选用地理距离权重矩阵,其公式如下:

(2)

其中,d表示两省份之间距离的平方。

2.1.3 空间计量模型

考虑到长江经济带知识产权发展与创新活动是在时间和空间两个维度进行,因而本文选取综合考量时空二维关系的空间计量面板数据模型,具体如下:

yit=αi+ρWijyit+β1xit+τ1Wijxit+∑Controlit+δt+μit

(3)

(4)

其中,i表示地区;t表示时间;Wijyit表示空间距离对高技术产业创新效率的影响,属于空间滞后变量;ρ表示邻近省份之间知识产权保护的溢出效应,取值为[-1,1];γ表示样本观测值之间的空间依赖程度,取值为[-1,1];yit表示被解释变量,即长江经济带各省份高技术产业创新效率;xit表示解释变量,即长江经济带各省份知识产权保护水平。

2.2 变量说明

2.2.1 被解释变量

本文被解释变量为高技术产业创新效率(Eff)。遵循数据的科学性、可获得性等原则,从创新投入和创新产出两方面构建综合评价指标体系,并运用Super-SBM模型对长江经济带沿线省份2011-2020年高技术产业创新效率进行测度。创新投入方面,人员投入与资金投入是最重要的因素,因而选取R&D人员折合全时当量、R&D经费内部支出两个指标;创新产出方面,专利数量及产品销售收入是创新成果的重要体现,选用专利申请数、新产品销售收入进行衡量。此外,考虑到投入与产出之间存在一定滞后性,因此本文投入变量时间跨度为2010-2019年,产出变量时间跨度为2011-2020年。具体指标体系如表1所示。

表1 长江经济带高技术产业创新效率评价指标体系

由于研究内容时间跨度较长,为避免通货膨胀和紧缩对价格造成的影响,本文首先以2010年价格为基期的“R&D指数”对R&D经费内部指出进行平减(R&D指数=0.75×工业生产者出厂价格指数+0.25×居民消费价格指数),然后采用永续盘存法将其转化为资本存量(将2010年R&D经费内部支出除以10%作为各地区初始资本存量,其余年份以15%的折旧率进行处理)。同时,新产品销售收入数据以2010年价格为基准的工业生产者出厂价格指数平减。该评价指标体系数据来源于《中国高技术产业统计年鉴》《中国科技统计年鉴》《中国统计年鉴》。

本文运用Matlab软件对2011-2020年长江经济带沿线省份高技术产业创新效率进行测度,具体结果如表2所示。

表2 2011-2020年长江经济带各省份高技术产业创新效率

由表2可知,2011-2020年间长江经济带各省份高技术产业创新效率逐年递增,发展态势良好,可见各地区创新意识都在不断提升。这期间重庆地区高技术产业效率均值高达1.119,位列首位,这可能是因为重庆属于直辖市之一,享有更好的政策支持与资源对接;安徽次之,其效率均值为1.048。除此之外,江苏、浙江、江西、湖北、湖南、四川6个省份2011-2020年高技术产业创新效率平均值分别为0.715、0.575、0.698、0.532、0.798、0.706,均高于0.5的水平值,属于长江经济带发展的第二梯队,这与当地的创新政策落地情况及市场研发氛围密切相关。云南和贵州两个省份创新效率值偏低,可能是由于这两个省份位于我国西部地区,地理位置偏僻、资源要素稀缺,制约了其创新能力的提高。

2.2.2 解释变量

解释变量为知识产权保护水平(IPR)。借鉴国内外现有研究,本文选用改进的GP指数法对知识产权保护水平进行测度。从保护覆盖范围、签署的国际条约、权利丧失的保护、执法机制、保护期限5个方面构建知识产权立法强度指标体系,从司法保护、行政保护、执法力度、社会公众知识产权意识、经济发展水平、国际监督与制衡6个方面构建知识产权执法强度指标体系,将立法强度指数与执法强度指数相乘得出知识产权保护指数。数据来源于《中国统计年鉴》《中国知识产权年鉴》、世界银行官方网站、国家知识产权局、各省份统计年鉴、各省份司法厅。

在知识产权立法强度指标体系中,设置了5类一级指标及若干二级指标。每满足一个二级指标得1分,否则记0分。各一级指标大类下,二级指标得分之和除以指标个数即为本类别得分,5个类别得分相加得到知识产权保护立法强度量化值。该指标体系如表3所示。

表3 长江经济带知识产权保护立法强度评价指标体系

在知识产权执法强度指标体系中,设置了6类一级指标,并对应设定了二级指标,最后知识产权执法强度指数由各类别分数加权计算得出。该指标体系及记分规则如表4所示。

表4 长江经济带知识产权保护执法强度评价指标体系

将知识产权立法强度指数与执法强度指数相乘,测算2011-2020年长江经济带各省份知识产权保护水平,具体结果如表5所示。

表5 2011-2020年长江经济带各省份知识产权保护水平

由表5可知,2011-2020年长江经济带知识产权保护水平稳步提高,各地指数逐年递增,这与我国知识产权强国战略的实施密切相关。长江经济带下游地区知识产权保护水平普遍较高,而上游地区的云、贵两地则略显不足。这可能是由于长江经济带下游省份位于我国沿海地区,其地理位置优越,经济发展水平较高,该地区汇集着众多高技术企业,这些企业的新产品、新技术发展得益于知识产权保护提供坚实的外部保障;而云贵两地地理位置受限、资源对接不足,使得其创新水平不高,知识产权保护力度也因此有所影响。不难发现,各省份知识产权保护力度参差不齐,且由于知识、技术具有外部性特征,这将对本地区及周边地区的创新活动产生一定影响。

2.2.3 控制变量

企业创新活动的开展受市场环境、外部支持、企业自身发展水平等多种因素的影响,为避免其他变量所导致的内生性问题,本文选取开放水平(Open)、企业规模(Fs)、政府资助力度(Gov)、产业结构(Is)、人力资本水平(Hc)、市场结构(Ms)作为控制指标。数据来源于《中国统计年鉴》《中国高技术产业统计年鉴》、各省份统计年鉴。具体指标如表6所示。

表6 控制变量选取

3 固定效应回归分析

基于上述现有文献分析及指标体系构建,本文运用固定效应回归模型分析长江经济带知识产权保护对高技术产业创新效率的影响。为了更清楚地探究两者之间的影响关系,本文从总体、分地区两个角度进行回归分析。

3.1 总体回归分析结果

最常用的面板回归模型有随机效应模型和固定效应模型,通过豪斯曼检验得出,本文选取固定效应模型更为合适。其回归结果如表7所示。

表7 总体回归分析结果

由表7可知,在控制开放水平、企业规模、政府资助力度、产业结构、人力资本水平、市场结构等变量影响的情况下,加强知识产权保护依旧可以显著提高高技术产业创新效率,该系数值为0.294 2,且通过了5%水平的显著性检验。这可能是由于加强知识产权保护力度有效维护了创新主体的合法权益和经济利益,使得技术交易市场中知识产权的运营和管理更加规范,从而减少了侵权行为的发生,充分发挥了新知识、新技术的社会效益,提升了企业的创新积极性,提高了创新效率。

从控制变量来看,企业规模、政府资助力度、人力资本水平、市场结构的影响回归系数均为正且通过了显著性检验。这可能是由于政府及市场为企业创新活动提供了良好的外部支持并营造了健康的市场氛围,同时随着企业规模的扩大及人力资本水平的提高,企业用于创新活动的资金投入和人力资本投入逐渐增多,因而对高技术产业创新效率产生了正向影响。

3.2 分地区回归分析结果

为了进一步探索区域间长江经济带知识产权保护对高技术产业创新效率的影响,本文对长江经济带上中下游进行分区域回归分析,其结果如表8所示。

表8 分地区回归分析结果

由表8可知,就知识产权保护对高技术产业创新效率的影响效应来看,长江经济带知识产权保护水平与下游地区高技术产业创新效率呈显著正相关关系,该影响系数值为0.696 9,通过了1%水平下的显著性检验。这可能是由于长江经济带下游地区的上海、江苏、浙江、安徽四省地理位置优越,经济发展水平较高,这些地区的高技术企业凭借着资源要素优势开展创新活动。与此同时,知识产权保护水平的提高有效维护了这些创新主体的合法权益,使得其新产品、新技术不被非法外溢,因而提高了创新效率。但就结果来看,知识产权保护水平对长江经济带上游和中游高技术产业创新效率的影响并不显著。

从控制变量方面看,对外开放水平的提高显著抑制了中游地区高技术产业创新效率;企业规模的扩大对中游及下游地区高技术产业创新效率产生正向影响,但对上游地区影响不显著;政府资助能够充分提高中游地区的高技术产业创新效率,且该影响效应通过了5%水平下的检验;人力资本水平的提高对上游地区创新效率产生正向影响,但对中游地区影响效应为负;市场结构方面,优化市场结构均显著提升长江经济带中游和下游地区高技术产业创新效率。

不难发现,长江经济带沿线省份知识产权保护显著提高了高技术产业创新效率,但在不同区域之间该影响效应也呈现出了一定的地域差异。且由于知识、技术具有明显的外部性特征,当地的知识产权保护不仅会影响本地区高技术产业创新效率,而且会通过溢出效应对周边地区产生影响。因而,将空间因素纳入两者的影响效应研究十分必要。基于此,本文创新性地运用空间计量模型探究长江经济带知识产权保护对高技术产业创新效率的溢出影响效应,以期从空间视角进行两者的影响关系分析,促进长江经济带沿线省份区域协调发展。

4 空间计量实证分析

4.1 空间相关性检验及模型适用性检验

4.1.1 空间相关性检验

在探讨空间溢出效应之前,本文首先运用Moran’s I指数对2011-2020年长江经济带高技术产业创新效率值进行了空间自相关性检验,其结果如表9所示。

表9 Moran’s I指数检验结果

由表9可知,大多数年份长江经济带高技术产业创新效率的Moran’s I指数均为正且通过了显著性检验,这表明沿线省份之间创新效率存在着明显的空间自相关关系。因此,可以进一步构建空间计量模型探究长江经济带知识产权保护对高技术产业创新效率的空间溢出影响效应。

4.1.2 空间计量模型适用性检验

由Moran’s I指数可知,长江经济带高技术产业创新效率具有明显的空间依赖性,如果继续选用最小二乘法则会产生较大误差。基于此,本文选取合适的空间计量模型进行分析,以期对其空间溢出效应进行探究。模型的适用性检验结果如表10所示。

表10 空间计量模型适用性检验结果

由结果可知,通过LM检验、Wald检验及LR检验发现,本文选取空间杜宾模型更为合适,且其并不会退化为空间误差模型以及空间滞后模型。除此之外,动态的空间面板模型也分为固定效应模型和随机效应模型,通过Hausman检验,本文更适合固定效应模型。

4.2 模型参数估计解析

基于上述检验结果,本文最终选用空间杜宾模型探究2011-2020年长江经济带知识产权保护对高技术产业创新效率的空间溢出效应。其结果如表11所示。

表11 长江经济带空间计量模型参数估计

由表11可知,空间相关系数ρ通过了1%水平下的显著性检验,进一步验证了长江经济带知识产权保护对高技术产业创新效率的影响具有空间集聚特征。由结果可知,长江经济带沿线省份知识产权保护水平的提高将显著促进高技术产业创新效率,该影响系数为0.228 3且通过了显著性检验。这表示长江经济带各省份本地区知识产权保护水平每提高1%,技术产业创新效率则会增加0.228 3个单位。这可能是由于知识产权保护水平的提高为知识产权创造、运营营造了良好的市场氛围,不仅维护了创新主体的合法权益,而且充分发挥了新产品、新技术的社会效益,因而对本地区高技术产业创新效率产生了积极的正向影响。

就控制变量来看,本地区企业规模的扩大将显著提高高技术产业创新效率,且该影响效应通过了5%水平下的显著性检验,这是由于:①当企业规模扩大时,其用于研发活动中的资金投入与人力投入加大,带动了高技术产业创新效率的提高;②本地区政府资助力度对高技术产业创新效率的影响效应为正,该系数为0.470 2,表示政府支持有效提升了企业的创新活力,为企业创新活动提供了良好的外部支持;③优质人才是企业开展创新活动的关键因素之一,本地区人力资本水平的提高与高技术产业创新效率呈显著正相关关系;④市场结构的影响系数为0.545 9,且通过了1%水平下的显著性检验,表明优化市场结构不仅能够实现资源的合理化应用,而且有效减少了资源浪费造成的效率低下等问题。

但是,在上述结果中空间相关系数显著且不为0,说明长江经济带知识产权保护不仅影响本地区高技术产业创新效率,同时会对周边地区产生影响。因此,上述结果并不能完全反映长江经济带知识产权保护对高技术产业创新效率的边际影响效应,也不足以说明本地区知识产权保护对周边地区的溢出影响效果。因此,本文进一步采用偏微分法对两者之间的影响效应进行分解,其结果如表12所示。

表12 长江经济带空间效应分解

由表12可知,长江经济带知识产权保护对高技术产业创新效率的直接效应与间接效应均为正且通过了显著性检验,即知识产权保护水平的提高不仅有效促进了本地区高技术产业创新效率,同样对周边地区产生正向影响。究其原因在于:①知识产权保护有效维护了创新主体的合法权益和经济利益,因而激发了其创新积极性,提高创新效率;②适度的知识产权保护力度为跨地区新产品、新技术的交流与分享提供了契机,充分发挥了其社会效益,带动了邻近地区区域协调发展。

就其他影响因素来看,企业规模对高技术产业创新效率的直接影响效应与间接影响效应均为正,该结果契合了微观经济学原理,即:①当投入要素不变时,企业规模的扩大有助于创新效率的提高;②政府资助力度对本地区高技术产业创新效率产生正向影响,但对周边地区影响不显著,这是由于政府支持往往具有地域性,其加大资助力度能够降低本地区高技术企业开展创新活动的投入成本,因而提高了创新效率;③人力资本水平的直接影响效应为正,但却对周边地区的影响为负,这可能是因为区域之间存在人才竞争机制,本地区研发人员质量的提高会抑制周边地区创新效率;④市场结构的优化实现了资源的合理配置,因而对本地区高技术产业创新效率产生正向影响,但对周边地区的空间溢出影响效应不显著。

5 结论与建议

5.1 研究结论

本文以长江经济带沿线11个省份为研究对象,分别运用改进的GP指数法和Super-SBM模型对其知识产权保护强度及高技术产业创新效率进行测度,并在运用固定效应回归模型探究两者之间关系的基础上创新性地采用空间杜宾模型进行研究。通过深度分析两者之间的作用机制,促进长江经济带高技术产业创新效率的提高,推动沿线省份区域协调发展,并进一步发挥长江经济带在知识产权强国建设及经济高质量发展过程中的引领、示范作用。

就固定效应模型分析结果来看,长江经济带知识产权保护对高技术产业创新效率产生正向影响,同时企业规模、政府资助力度、人力资本水平、市场结构也有效发挥了促进作用,但开放水平、产业结构的影响效应并不显著。分地区回归结果显示,长江经济带知识产权保护水平的提高将显著促进下游地区高技术产业创新效率,但其对上游、中游地区的影响不显著。就控制指标来看,对外开放水平显著抑制了中游地区高技术产业创新效率;企业规模与中游地区及下游地区的创新效率呈正相关关系,对上游地区影响不显著;政府资助力度对中游地区企业创新效率产生正向影响,但人力资本发展水平却对其产生负向影响;市场结构的优化显著促进了中游地区与下游地区的高技术产业创新效率,但对上游地区影响不显著。

就空间杜宾模型分析结果来看,本地区知识产权保护水平的提高将显著促进高技术产业创新效率,企业规模的扩大、政府资助力度和人力资本水平的提高、市场结构的优化也对其产生正向影响。由效应分解结果可知,长江经济带知识产权保护水平的提高不仅促进本地区高技术产业创新效率,同时还对周边地区产生正向影响。控制变量中,企业规模的直接效应、间接效应均为正;政府资助力度、市场结构的直接效应为正,间接效应不显著;人力资本水平的直接效应为正,间接效应为负。

5.2 政策建议

5.2.1 政府层面:制定适宜法规政策,加大政府扶持力度

政府为知识产权和高技术产业的发展提供外部制度保障,是推动长江经济带发展的重要因素。一方面,政府要立足于不同省份之间的经济发展水平及资源要素禀赋差异制定适宜的法规政策,对于发展位居前列的省份,可以适当提高知识产权保护水平以发挥其对创新效率的正向促进作用,而对于地理位置偏僻、经济发展水平较低的省份,则可以出台相应的技术创新激励政策和人才引进政策,以降低企业开展创新活动所需投入的成本,从而实现资源的获益最大化。另一方面,要进一步完善政府职能并加大其对知识产权保护和创新活动开展的支持力度,可以制定税收优惠政策或设立相应的投资基金,从而有针对性地对高技术企业进行扶持。除此之外,政府还可通过政策引导、资金支持等措施鼓励高技术企业开展产学研协同创新活动,大力支持其与政府、高校、国家重点实验室等的全面合作,从而建设长效、稳定的创新机制。

5.2.2 企业层面:深耕领域核心技术,发挥企业规模效应

长江经济带沿线省份遍布着各类重要的高技术产业园区,这些企业创新能力突出、先进技术丰富,是推动长江经济带创新水平提高及发展的关键因素。基于此,首先,企业要着重培养兼具知识产权保护意识与技术创新研发能力的复合型人才并充分发挥其自主创新能力,通过加大研发资金投入、扩大基础研究范围等措施,鼓励其深耕关键领域的核心技术,从而辅助企业提高市场占有率及创新效率。其次,高技术企业也可立足于长江经济带各类产业园区,主动突破地理边界,加强与其他企业之间的知识、技术的交流与合作。同时,可以考虑与发展相近的企业进行资产、人员的合并,以此充分发挥企业的规模效益,使得更多人力、资本开展创新活动,实现研发人才与研发资金的合理配置并提高其利用率,并进一步提升长江经济带整体创新水平。

5.2.3 市场层面:加强交易市场建设,构建IP战略联盟

市场为高技术产业知识产权运营及创新活动的开展营造了良好的外部氛围,是推动长江经济带知识产权与高技术产业发展的核心因素。一方面,加强技术交易市场的建设尤为重要。立足互联网时代,市场层面要着力构建网络及线下双维度的技术交易平台并推进相关制度的建立健全,从而吸引更多的知识产权拥有者和需求者参与进来。另一方面通过知识和技术在规范化、透明化市场氛围下的交流与共享,能够显著提高技术使用率并充分发挥其经济和社会效益。同时,市场层面要注重市场结构的优化,以实现资源的合理配置和信息的实时共享,降低由于信息不对称而导致的资源过剩或资源短缺等现象的出现,提高资源利用效率。除此之外,应当构建知识产权战略联盟,搭建创新合作平台。在该联盟内部,各个创新主体可以共建科研基地、工程训练中心进行技术研发,形成技术与市场紧密结合的创新链条,并在不同主体之间的技术许可使用费上给予一定优惠,从而推动技术的交流与传播。

6 研究不足与展望

本文通过构建固定效应回归模型和空间计量模型,紧紧围绕长江经济带知识产权保护对高技术产业创新效率的影响效应展开研究。但部分研究尚显不足,有待今后进一步完善。

第一,在指标选取方面尚存不足。本文综合考虑我国知识产权发展现状和数据的可获得性,运用改进的GP指数法对长江经济带知识产权保护强度进行了量化测算。今后可以结合高技术产业知识产权保护立法情况和执法情况制定更为详尽的指标体系,进一步测度其知识产权保护水平,以深化本文研究。

第二,创新效率测度有待进一步完善。本文主要运用Super-SBM模型对长江经济带高技术产业创新效率进行了测度,未来可从动态角度对其进行分析以深度了解其变化情况与趋势,从而深化对创新效率的测度研究,使研究结论更具合理性、可靠性。