知識產權保護強度對專利密集型產業兩階段創新效率的影響

蘇平 王晶晶

[摘? ? 要] 專利密集型產業是知識產權密集型產業的重要組成，也是推動我國產業結構升級以及經濟高質量發展的重要支撐。基于創新價值鏈理論對創新過程進行分解，構建兩階段網絡DEA模型，可將專利密集型產業的創新過程分為技術研發階段以及成果轉化階段。在此基礎上結合專利密集型產業特點對其兩階段創新效率進行測度和對比后，可基于此通過Tobit回歸模型檢驗知識產權保護強度對專利密集型產業兩階段創新效率的影響。研究表明：（1）知識產權保護強度對技術研發階段和成果轉化階段的創新效率都有著顯著的正向作用。（2）技術研發效率對成果轉化效率有顯著正向影響，但成果轉化效率對技術研發效率影響不顯著。（3）研發人員比重對技術研發階段創新效率有顯著正向影響，對于成果轉化階段創新效率有顯著負向作用。基于此，目前對于我國而言，一是加強知識產權保護有助于專利密集型產業提升創新效率，維護創新權益；二是我國專利密集型產業創新過程中的兩個階段循環不暢，缺乏有效的互動以及循環，兩個階段間的互動機制仍需加強。同時在提高技術創新能力和研發效率的同時，應注重以成果轉化為目標的研發。三是完善我國知識產權保護制度體系，要根據不同專利密集型產業的共性與特性，制定差異化的產業知識產權保護政策，實施滿足產業共同需求的知識產權共性保護以及產業個性化的知識產權特性保護。

[關鍵詞] 知識產權保護；專利密集型產業；高科技產業創新；知識密集型產業；科技成果轉化；技術研發效率

[中圖分類號] F276.44;F204? [文獻標識碼] A? [文章編號] 1002-8129（2023）09-0053-12

一、引言

黨的二十大報告指出，我國經濟轉型升級進入高質量發展階段。在新的發展階段，經濟增速由高速轉為中高速、人口紅利過渡為人才紅利，作為國家和地區經濟進步和社會發展的動力引擎，創新助力我國經濟發展質量提升。同時，國家工信部印發的《產業技術創新能力發展規劃》中指出，提高產業技術創新能力，是實現創新驅動經濟高質量發展的重中之重，產業技術創新是實現經濟增長方式轉變、促進產業結構優化的重要手段和關鍵支撐。當今中國，科技、經濟的發展正在影響、加速其他社會領域的現代化[1] 358-375。專利密集型產業作為技術創新、產業經濟與知識產權緊密融合的集合體，既是全球各國謀求產業競爭優勢的重要抓手，也是促進我國產業結構優化以及經濟高質量發展的關鍵所在。知識產權保護作為衡量創新效率和發展質量的重要保障，在國際競爭力核心要素中的作用更加凸顯。知識產權保護通過影響創新研發、技術轉化等多方面作用于產業創新，從而影響專利密集型產業，因此是一項重要的衡量創新的指標。知識產權保護則是重要的制度保障[2]，是確保知識產權權利得到保障的有效制度。探究知識產權保護強度在專利密集型產業創新過程中的影響作用以及其發揮作用的方向和方式，有助于促進專利密集型產業進一步地創新與發展，助推經濟高質量發展。

二、文獻綜述

在對專利密集型產業創新效率的研究中，目前國內外學者主要關注效率評價和影響因素等方面。在有關創新效率評價研究中，對產業技術創新能力進行測度研究時應用最為廣泛的方法為數據包絡分析法（DEA）[3-4]，DEA法能夠處理多投入-多產出決策單元，不需要確定生產前沿函數的具體形式，操作簡便且較為客觀，但其也存在對決策單元解釋信息較少的缺點，因此部分學者會將其他評價方法與DEA法結合使用[5] 201-203。如有學者將效率過程分解成多階段，構建多階段DEA模型對創新效率進行評價，多階段DEA法能夠更好揭示產業內部階段發展規律[6] 1202-1212；為分析動態創新效率變化，部分學者將DEA法和Malmquist指數結合起來，該方法可以評價決策單元創新效率隨時間的變化情況[7] 99-107；除創新效率的評價外，學者基于不同的研究視角對專利密集型產業技術創新能力開展了實證研究。Guan基于地區視角研究發現，我國26個地區高技術產業創新效率均未達到有效狀態，R&D投入和專利存量轉化成專利產出的過程存在阻滯[8] 348-358。陳偉等分別從國家層面和行業層面進行了分析并得出，中國高專利密集度產業的創新效率在2004-2013年期間整體保持上升水平，且技術效率變化是影響技術創新變化的主要因素[9] 489-494。孫磊等基于時間和空間的比較研究，從國家、省級和綜合經濟區三個視角，探究了我國專利密集型產業的技術創新能力，發現技術創新效率增長緩慢，區域間差距顯著且缺少資源互補協同機制[10] 52-55+59。學者姜南構建了兩階段DEA模型進行研究，發現專利密集型產業的技術研發效率更高，而非專利密集型產業成果轉化效率更高[11]。王黎螢則基于創新價值鏈開展三階段創新效率研究后發現，與非專利密集型產業相比，專利密集型產業創新效率更高，但并非各環節DEA均有效[12] 50-59。祝宏輝等將專利密集型制造業和非專利密集型制造業進行對比研究，通過構建兩階段DEA分別對兩類產業研發和轉化兩個階段的創新效率進行測度和比較[13]。總之，目前的研究成果能夠反映專利密集型產業創新過程中的部分問題，為創新效率的改進方向提供參考，但對創新過程各階段的影響因素以及如何影響階段效率的提升研究較少。

在知識產權保護強度對技術創新的影響及作用機制研究中，既有研究表明知識產權保護與創新之間關系存在高度不確定性，可呈現線性、倒U型以及多重門檻效應等[14-16]。大多數學者研究后支持知識產權保護與創新之間呈現倒U型關系，認為知識產權保護過弱或過強都不利于創新活動[16]。陳恒等發現，區域研發投入對技術創新能力的影響，以知識產權保護強度為三重門檻，存在著復雜的非線性顯著特點[17]。魏浩等基于理論分析與實證研究，發現知識產權保護與企業創新之間存在正向關系[18] 46-60；李勃昕等研究后指出，知識產權保護不僅能夠顯著影響OFDI逆向創新溢出，且這種影響呈“U”型非線性[19] 46-60。在知識產權保護強度對創新發展的作用機制的研究中，大多數學者的研究主要局限于技術研發階段。許多學者通過構建指標來測度創新能力，但在指標的選取上，大部分研究人員習慣用技術研發階段的專利成果來衡量創新能力，而忽略了如技術交易額、新產品銷售收入這類成果轉化階段的產出指標[17]。知識產權保護影響創新的路徑不僅僅體現在技術研發階段，在成果轉化階段也同樣發揮重要作用。具體而言，首先知識產權保護可以保障技術交易從而對其起到促進作用；此外，知識產權保護可以完善知識產權交易制度，通過保障技術交易、新產品交易來促進成果轉化。如學者劉婧對知識產權影響創新效率的機制研究時發現，基于版權引進、版權交易等路徑，知識產權保護強度可以顯著提高創新效率[20] 46-60。學者魏浩通過對出口企業、專利密集型企業以及民營企業數據實證分析發現，提升我國知識產權保護強度能夠間接促進上述企業的創新效率，因為知識產權保護強度的提升可以提升進口產品質量、擴大進口規模、增多進口產品類別[18] 91-106。綜上所述，在研究知識產權保護強度如何影響創新發展時，考慮創新過程的技術研發和成果轉化兩階段具有重要研究意義。

通過對現有研究成果的分析梳理，現階段研究仍存在以下階段性不足：（1）目前學者們對于專利密集型產業創新效率的研究主要聚焦于整體探究其影響因素，缺少對某個具體影響因素的深入分析，較少將知識產權保護強度與對知識產權依賴性極強的專利密集型產業結合起來研究。為保證結論的全面性以及實際參考價值，應進一步對關鍵影響因素的作用和影響程度進行深入探究。（2）在研究知識產權保護影響創新發展時，缺少對知識產權保護強度分別在技術研發階段和成果轉化階段創新過程產生不同影響的深入探究，作用機制較為模糊。

三、模型構建、指標選取與數據來源

（一）兩階段DEA模型

1. 模型構建。在有關創新效率的研究中，前人多將創新過程整體看待，視作一個“黑箱”。這一觀點只關注初始創新投入和最終創新產出，而沒有關注其內部結構和不同的創新階段。專利密集型產業的創新過程中涉及價值創造、傳遞和實現，在此過程中，創新投入并沒有直接轉化為經濟效益，而是先轉化為專利和新產品的產出，再經過進一步的成果轉化，獲得經濟效益。因此，出于進一步探究創新過程兩階段創新效率的目的，本研究借鑒了先前學者對創新過程的分解[21] 107-116，基于價值鏈視角，將專利密集型產業的創新過程分為兩個階段，即H1：技術研發階段以及H2：成果轉化階段（圖1），其對應的投入產出轉化效率即為兩階段的創新效率。其中I1和O2代表最初的創新投入和最終的創新產出，而O1則代表技術研發階段的創新產出以及成果轉化階段創新投入，I2代表除O1外的成果轉化階段的其他投入。H1、H2對應的投入產出轉化效率即為兩階段的創新效率，其測度采用規模報酬可變的BCC模型，并在此基礎上采用Malmquist指數進行動態評價。

2. 指標選取。運用DEA模型測度專利密集型產業兩階段創新效率，需要根據前述對創新過程的分解，構建合適的技術研發階段和成果轉化階段的關于創新效率的投入產出指標。專利密集型產業是技術創新、知識密集的重點產業，需要大量經費和人員作為技術投入。而產出方面則主要以新產品和專利作為產出。基于數據的可獲得性，參照肖任橋（2012）、陳珊（2019）、孟維站（2019）等學者的先前研究，對本文研究的技術研發階段和成果轉化階段分別構建投入產出指標。在技術研發階段，基于數據的可獲得性，參考先前研究的基礎，以經費投入（R&D經費內部支出、R&D人員折合全時當量）和人員投入（新產品開發經費支出）來衡量這一階段的投入[22]。產出指標則采用專利申請數、有效發明專利數和新產品開發項目數。在成果轉化階段，需要將技術成果轉化為經濟效益，創新活動仍然存在經費投入和人員投入，在將技術研發階段產出作為投入指標的基礎上，同時加入從業人員平均人數以及技術改造經費支出作為成果轉化階段的投入指標。根據產出類型的不同，可以將產品創新成果分為收益型和競爭型，前者是指創新帶來的收益，后者是指創新帶來的競爭力的變化[23] 85-98。成果轉化階段的產出表現為具體的經濟指標，具體指標體系見表1。運用皮爾遜相關系數對兩個階段的投入和產出變量進行了相關性分析，發現均存在著極顯著的正向相關，與科技創新的投入與產出的關聯關系規律一致，表明指標設置合理。

（二）Tobit回歸模型

1. 模型構建。通過前文第二部分的文獻梳理，本文以知識產權保護強度為核心解釋變量，通過DEA法測算評價技術研發階段和成果轉化階段的創新效率后，在此基礎上分析知識產權保護強度對專利密集型產業兩階段創新效率的影響。由于DEA方法獲得的效率值均介于0-1間，且存在DMU處于DEA的效率邊界（即效率為1）的情況，故本研究選擇使用Tobit回歸模型。本文對技術研發階段和成果轉化階段回歸模型構建如下：

[YFXLit=α0+α1IPPit+α2ZHXLi（t-1）+α3Fit+α4Hit+α5Tit+α6Zit+α7Sit+ε1it]? ? ? ? ? ? ? ? ? ? ? ? （1）

[ZHXLit=β0+β1IPPit+β2YFXLit+β3Fit+β4Hit+β5Tit+β6Zit+β7Sit+ε2it]? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中[YFXLit]、[ZHXLit]分別表示專利密集型產業第t年i產業技術研發階段、成果轉化階段創新效率；[IPPit]表示知識產權保護強度；[YFXLit]、[ZHXLi（t-1）]表示當年研發效率和前一年成果轉化效率；[Fit]、[Hit]、[Tit]、[Zit]、[Sit]表示控制變量；[ε1it]、[ε2it]表示隨機干擾項，并服從[ε?（0，σ2）]正態分布。

2. 指標選取。知識產權保護強度（IPP）：本文對于國家層面知識產權保護強度的測度依據國家知識產權局知識產權發展研究中心發布的《中國知識產權發展狀況評價報告》。并參照沈國兵等的研究[24]，用行業相對研發密度乘以國家層面知識產權保護強度，以反映行業知識產權保護強度，并對獲得的值取對數處理。

兩階段創新效率（YFXL、ZHXL） 。根據前文兩階段DEA模型計算得到，包括技術開發階段效率（YFXL） 與成果轉化階段效率（ZHXL）。

控制變量：根據目前學者對專利密集型產業創新效率影響因素的研究，文中最終確定了以下控制變量，包括研發人員比重（HR）、技術引進（TEC）、產業集中度（CR）、政府支持力度（ZFZC）以及國外先進技術溢出水平（FDI）。其中研發人員比重（HR）、技術引進（TEC）、產業集中度（CR）屬于行業內影響因素，研發人員比重以研發人員占行業從業人員的比重衡量；技術引進用國外技術引進費用取對數的值表示；產業集中度以專利密集型行業內規模以上企業數取對數的值來衡量。政府支持力度（ZFZC）及國外先進技術溢出水平（FDI）屬于行業外部影響因素，政府支持力度用R&D經費內部支出中政府資金的比重表示、國外先進技術溢出水平（FDI）用外商投資和港澳臺商投資工業企業總資產占行業資產總值的比重表示。

（三）數據來源

本研究基于《專利密集型產業目錄（2019）》中的分類，對照各統計年鑒2010-2021年的數據，進行行業數據的篩選與匹配，獲得2010-2020年的部分專利密集型產業數據。由于部分產業數據難以獲取，基于數據的可獲得性，本文選取了14個專利密集型產業種類數據組成樣本，對專利密集型產業兩階段創新效率進行評價研究，具體如表2所示。理論上，投入與產出之間存在著時間導致效果滯后性，但是范柏乃等人的研究顯示，連續相近年份的投入存在很強的相關性，使用同一年數據并不會對測算結果的準確性造成影響[25]。

本文選取中國14個專利密集型產業2010-2020年面板數據測算兩階段創新效率。其中，國家知識產權保護強度數據源于國家知識產權局知識產權發展研究中心發布的《中國知識產權發展狀況評價報告》，其他數據均源于《中國高技術產業統計年鑒》《中國科技統計年鑒》以及《中國工業統計年鑒》等。表3對各變量進行了描述性統計。

四、實證分析

（一）兩階段創新效率分析

結合上文構建的兩階段DEA模型，運用DEAP 2.1軟件得到專利密集型產業2010-2020年技術研發階段和成果轉化階段的創新效率。

1. 兩階段創新效率靜態評價。根據兩階段創新效率評價指標體系，運用DEAP2.1軟件基于BCC模型對專利密集型產業兩階段創新效率進行靜態評價，得到專利密集型產業2010-2020年技術研發階段和成果轉化階段的平均創新效率，結果如表4以及圖2所示。

由以上實證結果可知，就整體效率而言，專利密集型產業技術研發階段和成果轉化階段創新效率值都低于1，反映兩個階段的創新效率均未達到DEA有效狀態。對比來看，技術研發階段創新效率（0.911）遠高于成果轉化階段（0.601），表明創新過程中不同階段創新也存在較大差距，階段間存在脫節問題，成果轉化難是現實問題。具體分解來看，技術研發階段規模效率（0.970）高于成果轉化階段規模效率（0.815），表明就規模設置而言，技術研發階段的更加合理科學。對于純技術效率，成果轉化階段純技術效率則為0.756，遠低于技術研發階段的純技術效率為0.938，表明純技術效率是導致成果轉化階段整體效率低于前一階段的原因，成果轉化階段的資源利用還不夠充分，存在冗余。

2. 兩階段創新效率動態評價。通過BCC模型對創新效率進行的評價是靜態的，不能反映創新效率動態變化趨勢。引入Malmquist指數，不僅能展現創新效率動態變化的過程，還能清晰反映創新效率特征，通過分解找到創新效率變化的主要原因。本部分運用 DEAP2.1進行計算，計算結果及分析如表5。

表5顯示，專利密集型產業2010-2020年技術研發階段全要素生產率年均變化值為1.055，表明該階段的創新效率獲得提升，年均增長率為5.5%；成果轉化階段的全要素生產率年均變化值為0.959，表明該階段創新效率有所下降，年均降低4.1%。除此之外，由圖3可知，技術研發階段的全技術生產率變化更加穩定，波動更小，表明創新過程發展更加穩定。

進一步對M指數進行分解分析來看，技術研發階段的技術指數平均值（1.051）更大，反映該階段的創新效率主要受到技術水平提升的影響。再將技術效率分解可知，規模效率和純技術效率在此階段對技術效率的影響相差無幾。對于成果轉化階段，從M指數的分解可知，技術進步與技術效率對該階段創新效率影響相當。由前述分析可知，提升技術水平是提升專利密集型產業技術研發以及成果轉化兩階段的創新效率的關鍵。除此之外，要提升技術效率，不僅要注重創新規模，還要對資源進行合理有效利用。

根據表6可知，在2010-2020年這一階段，技術研發階段M指數平均值小于1的只有行業3（廣播電視設備制造），表明大多數專利密集型產業在這一階段創新效率保持了增長狀態，其間行業11（化學原料及化學制品制造）的增長幅度最大；成果轉化階段M指數平均值大于1的有行業12（化學纖維制造）以及行業13（醫藥制造業），其余行業均小于1，表明大部分專利密集型產業成果轉化階段創新效率均處于較低狀態。

（二）知識產權保護強度對兩階段創新效率的影響

根據上文構建的Tobit面板回歸模型，運用Stata16.0軟件，對知識產權保護與專利密集型產業技術開發階段與經濟轉化階段之間的創新效率進行回歸分析。由于固定效應Tobit模型進行條件最大似然估計時，需要充足的數據，實際應用中一般無法滿足這一條件，因此固定效應Tobit回歸在實踐中很少使用[26]。一般選擇混合Tobit模型或隨機效應Tobit模型，這兩種模型在以往研究中一般的選擇依據是：LR檢驗。當LR檢驗結果P<10%時，考慮到個體效應的存在，適宜使用隨機效應Tobit模型來檢驗；當 LR檢驗結果的P值超過10%時，該方法適宜采用于混合Tobit回歸模型。本研究預回歸的LR檢驗結果顯著拒絕“不存在個體隨機效應”的原假設，適宜采用隨機效應Tobit回歸。因此采用隨機效應Tobit進行回歸，回歸結果如表7所示：

由表7回歸結果可知，主要解釋變量對被解釋變量的影響結果均在1%的水平上顯著，與預期結果相一致，因此該模型的解釋力較強。其中，模型1a和模型2a是運用隨機效應Tobit回歸方法的基礎回歸結果，在此基礎上，從以下幾個方面進行了穩健性檢驗：（1）增加控制變量，在基礎回歸的基礎上增加行業外部影響因素作為控制變量進行回歸，回歸結果如模型1b和模型2b所示，主要解釋變量的回歸系數方向與顯著性變化不大，表明模型較為穩健；（2）變化回歸方法，使用結合聚類穩健標準誤的混合Tobit對各變量進行回歸，回歸結果如模型1c和模型2c所示，主要解釋變量的回歸系數方向與顯著性變化不大，表明結果具有可靠性。（3）變化被解釋變量，采用規模報酬不變的技術研發效率和成果轉化效率進行回歸，結果如模型1d和模型2d所示，主要解釋變量的回歸系數方向與顯著性變化不大，反映模型設置合理，結果較為穩健。

根據表7回歸結果，在技術研發階段，知識產權保護強度對創新效率有顯著的正向作用，具體而言，每增強1個單位的知識產權保護強度，我國專利密集型產業技術開發階段的創新效率提高0.102個單位。除此之外研發人員比重也顯著正向影響著該階段的創新效率。在經濟轉化階段，知識產權保護強度對該階段創新效率的作用是顯著正向的，知識產權保護強度每提高1個單位，我國專利密集型產業成果轉化階段的創新效率提高0.204個單位，但研發人員比重對該階段創新效率有顯著負向影響。

五、研究結論及建議

（一）研究結論

本文在借鑒產業創新理論、技術創新效率理論和知識產權保護經濟分析的基礎上，基于數據的可獲得性，對專利密集型產業進行匹配篩選，運用數據包絡分析法和Malmqusit指數法對專利密集型兩階段的創新效率進行測度，并通過對測量結果的分析，探討了各行業之間創新效率的差異和變化趨勢。在此基礎上，深入探析專利密集型產業兩階段創新效率中知識產權保護強度的影響效應，引入控制變量，分別對技術研發階段和成果轉化階段構建Tobit回歸模型，并進行實證檢驗及結果分析。得出以下主要結論：

1. 從靜態創新效率角度來看，整體而言，我國專利密集型產業技術研發效率與成果轉化效率均未達到有效狀態，存在不同程度的不足。其中，技術研發階段創新效率不高，成果轉化階段創新效率低，技術研發階段與成果轉化階段不協調問題仍然突出。通過比較兩階段純技術效率與規模效率，結果表明，在技術研發階段和成果轉化階段，純技術效率是導致總體效率不同的根本原因，說明成果轉化階段的資源配置未達到有效狀態，需優化資源的配置和利用，避免資源浪費。

2. 從創新效率動態角度來看，整體來說，2010-2020年專利密集型產業兩個階段的創新效率均處于增長狀態，其中技術研發階段創新效率年均增長5.5%，成果轉化階段創新年均降低4.1%，且與前一階段相比波動更大。結合靜態創新效率來看，這種變化趨勢會加大兩階段創新效率差距，不利于創新過程良性發展，需進一步完善成果轉化體系。進一步對Malmquist指數分解可知，技術進步是影響技術研發階段M指數的主要影響因素，對于成果轉化階段M指數也有重要影響，因此提升創新效率的首要任務是提高技術水平。

3. 通過對產業知識產權強度和專利密集型產業技術開發階段、經濟轉化階段創新效率進行回歸發現：（1）知識產權保護強度對技術研發階段和成果轉化階段的創新效率都有著顯著的正向作用。因此，目前對于我國而言，加強知識產權保護有助于專利密集型產業提升創新效率，維護創新權益；（2）技術研發效率對成果轉化效率有顯著正向影響，但成果轉化效率對技術研發效率影響不顯著，反映了我國專利密集型產業創新過程中的兩個階段循環不暢，缺乏有效的互動以及循環，兩個階段間的互動機制仍需加強。在提高技術創新能力和研發效率的同時，應注重以成果轉化為目標的研發；（3）研發人員比重對技術研發階段創新效率有顯著正向影響，對于成果轉化階段創新效率有顯著負向作用。

（二）研究建議

1. 合理配置資源，加強成果轉化。由前述分析可知，專利密集型產業成果轉化階段整體效率主要源于純技術效率水平較低，表明該階段存在資源浪費、投入冗余等問題。資源投入是創新活動的基礎，在資源投入初期，隨著其規模報酬的增加，創新效率會不斷提升，但是一旦資源投入超過有效限度，反而會抑制創新效率的提高。因此，專利密集型產業的企業應在成果轉化階段合理配置資源，盡力杜絕創新投入資源浪費問題。首先，在確定合理的資源投入時，應充分考慮企業本身及所處行業的發展狀況及特點；其次，則要完善資源配置制度，加強對人員和資金的監管，及時衡量資源投入的成果收益，保障科學合理配置資源，以加強成果轉化階段整體效率。

2. 構建兩階段互動機制，形成良性循環。由前述分析可知，我國專利密集型產業仍面臨著成果轉化不足、兩階段創新活動脫節的問題。這些問題會嚴重影響企業創新積極性，阻礙產業轉型升級。因此，國家不僅應注重成果轉化效率的提升，還要在技術研發和成果轉化之間搭建互動橋梁。一方面通過有組織的科研，提高創新效率和創新質量，產生高價值專利，為下一階段的成果轉化打下堅實基礎。另一方面應建立健全兩階段互動機制，技術研發應注重以成果轉化為目標，成果轉化反過來要為技術研發提供創新激勵與投入，通過建立有效的成果轉化市場機制和反饋機制，形成兩階段之間的良性循環。

3. 加強知識產權保護，助力產業創新效率提高。由前述分析可知，知識產權保護強度對專利密集型產業兩階段創新效率均有顯著正向影響。知識產權是影響創新的關鍵要素，需充分把握其對創新的影響，最大限度發揮其在專利密集型產業創新中的積極效果。首先，要完善我國知識產權保護制度體系，并在此基礎上，重點加強司法和行政執法強度，推動知識產權維權過程高效化，提高專利密集型產業兩階段創新效率。其次，應當根據不同專利密集型產業的共性與特性，制定差異化的產業知識產權保護政策，實施滿足產業共同需求的知識產權共性保護以及產業個性化的知識產權特性保護。

[參考文獻]

[1]? 鐘書華.深刻理解、奮力踐行科技發展新理念[J].決策與信息，2021，（1）.

[2]? Y K Kim，K Lee，W G Park，et al.Appropriate intellectual property protection and economic growth in countries at different levels of development[J].Research policy，2012，（2）.

[3]? 姜南.專利密集型產業創新效率體系評估研究[J].科學學研究，2014，（7）.

[4]? L S Zorzo，C A Diehl，J C Venturini，et al.The relationship between the focus on innovation and economic efficiency： a study on Brazilian electric power distribution companies[J].RAI Revista de Administra??o e Inova??o，2017，14（3）.

[5]? 袁群.數據包絡分析法應用研究綜述[J].經濟研究導刊，2009，（19）.

[6]? 馮志軍，陳偉.中國高技術產業研發創新效率研究——基于資源約束型兩階段DEA模型的新視角[J].系統工程理論與實踐，2014，（5）.

[7]? 姜南.專利密集型產業的R&D績效評價研究——基于DEA-Malmquist指數法的檢驗[J].科學學與科學技術管理，2014，（3）.

[8]? J Guan，K Chen.Measuring the innovation production process： A cross-region empirical study of China's high-tech innovations[J].Technovation，2010，（5a6）.

[9]? 陳偉，景銳，徐睿姝，等.我國高專利密集度產業技術創新效率評價研究[J].哈爾濱工程大學學報，2017，（3）.

[10]? 孫磊，陳偉，劉錦志，等.中國專利密集型產業技術創新效率評價[J].科技管理研究，2016，（19）.

[11]? 王黎螢，王佳敏，虞微佳.區域專利密集型產業創新效率評價及提升路徑研究—以浙江省為例[J].科研管理，2017，（3）.

[12]? 祝宏輝，楊書奇.知識產權保護、技術研發投入與制造業兩階段創新效率——基于專利密集型與非專利密集型制造業的對比分析[J].現代管理科學，2022，（2）.

[13]? M A Klein.Foreign direct investment and collective intellectual property protection in developing countries[J].Journal of Economic Behavior & Organization，2018，（C）.

[14]? 周密，申婉君.研發投入對區域創新能力作用機制研究——基于知識產權的實證證據[J].科學學與科學技術管理，2018，（8）.

[15]? 韓瑩，陳國宏.科技投資、知識產權制度與區域創新能力——基于我國省際面板數據的雙重門檻效應分析[J].科技管理研究，2018，（1）.

[16]? 顧群，翟淑萍.高技術產業知識產權保護、金融發展與創新效率——基于省級面板數據的研究[J].軟科學，2013，（7）.

[17]? 陳恒，侯建.R&D投入、FDI流入與國內創新能力的門檻效應研究——基于地區知識產權保護異質性視角[J].管理評論，2017，（6）.

[18]? 魏浩，巫俊.知識產權保護、進口貿易與創新型領軍企業創新[J].金融研究，2018，（9）.

[19]? 李勃昕，韓先鋒，李寧.知識產權保護是否影響了中國OFDI逆向創新溢出效應？[J].中國軟科學，2019，（3）.

[20]? 劉婧，占紹文，李治.知識產權能力、外部知識產權保護與動漫企業創新效率[J].軟科學，2017，（9）.

[21]? 邱兆林.高技術產業兩階段的創新效率[J].財經科學2014，（12）.

[22]? 孟維站，李春艷，石曉冬.中國高技術產業創新效率分階段分析——基于三階段DEA模型[J].宏觀經濟研究，2019，（2）．

[23]? 肖仁橋，錢麗，陳忠衛.中國高技術產業創新效率及其影響因素研究[J].管理科學，2012，（5）.

[24]? 沈國兵，黃鑠珺.行業知識產權保護、外資進入與中國內資企業出口技術含量[J].國際貿易問題，2020，（4）.

[25]? 范柏乃，余鈞.資源投入、區域環境對高校技術轉移的影響——基于1994-2009年我國省級面板數據的分析[J].科學學研究，2013，（11）.

[26]? 申俊喜，楊若霞.長三角地區戰略性新興產業全要素生產率及其影響因素研究[J].財貿研究，2017，（11）.

[責任編輯：汪智力]