中國城市高價值專利時空演變規律及影響因素

摘 要：探討高價值專利的時空分布及其驅動機制有助于促進知識產權區域協同，實現高水平科技自立自強。基于2005-2021年中國285個地級及以上城市面板數據，分析高價值專利時空分布演變規律，并建立空間面板計量模型探究其影響因素。研究發現：第一，近年來高價值專利總體呈現出增加態勢，尤其是沿海地區增長迅速，菱形結構日益凸顯;高價值專利多分布于胡煥庸線以東區域，呈現明顯的沿海強于內陸、“東-中-西”逐漸遞減的格局特征；自2011年始高價值專利存在顯著的空間依賴性，且空間自相關性逐漸增強。第二，經濟基礎、政府重視、人才規模以及生態環境等均會對高價值專利產生不同影響。其中，經濟基礎會顯著抑制鄰近地區高價值專利發展，與普通專利的研究結果相反。第三，菱形結構地區、東北地區以及外圍地區高價值專利的影響因素存在異質性。

關鍵詞：知識產權；城市創新；高價值專利；空間杜賓模型

DOI：10.6049/kjjbydc.2023100748

中圖分類號：F299.22 文獻標識碼：A 文章編號：1001-7348（2025）06-0046-11

0 引言

知識產權是保護和激勵創新的重要基石。專利作為知識產權的重要組成部分，是衡量自主創新能力的重要維度[1]。高價值專利在專利質量、原始創新等方面均優于非高價值專利[2]，是實施創新驅動發展戰略、建設科技強國的重要抓手。高價值專利往往代表了行業前沿引領技術，其面向國家重大需求，具有較強的技術先進性，對于獲取標準競爭優勢至關重要（崔維軍等，2023），能夠降低核心技術領域的對外依賴度，提升知識產權綜合競爭力。同時，高價值專利也具有強大的市場潛力，在創造經濟效益方面貢獻巨大[3]。增強自主創新能力、促進高價值專利成果轉化及應用是實現經濟高質量發展的堅實保障。然而，我國專利多而不優，一些關鍵核心技術領域仍受制于人。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出，要保護和激勵高價值專利，并將“每萬人口高價值發明專利擁有量”納入經濟社會發展主要評價指標。如何有效提升高價值專利產出，解決“卡脖子”難題，成為加快實現高水平科技自立自強的現實要求。目前我國“東強西弱”的創新格局依然存在并呈現加劇態勢[4-5]。黨的二十大報告提出“深入實施區域協調發展戰略”。科技創新是提高發展協調性、平衡性的重要途徑，研究高價值專利的空間格局有助于緩解區域創新發展不平衡現象，提升國家創新體系整體效能。由于創新存在顯著的空間相關性（段德忠等， 2022），忽視空間效應可能導致模型設計存在偏誤[6]。因此，高價值專利研究也需要考慮空間問題。本文將從空間視角研究城市高價值專利布局并考察其影響因素，為提升城市高價值專利水平、以創新驅動引領高質量發展提供理論參考。

既有關于高價值專利研究主要集中在專利識別、評估以及培育等方面。有研究認為，高價值專利具有高技術價值、高法律價值以及高市場價值等[7]，可以從內部特征、外部評價等方面識別高價值專利（李小童等， 2019），并進一步構建高價值專利評估指標體系[3，8-9]。高價值專利培育是現階段專利工作重點[10]，學者們從創造、申請、審查、政策等方面[11-13]提出高價值專利培育方式。關于創新活動分布，早期研究多采用發明專利授權量或3種專利授權總量作為創新活動的代理變量，探討省域創新活動的時空布局。研究發現，我國省際創新活動呈現出顯著的空間集聚現象，且省域創新活動存在顯著的空間依賴性[14-15]。近年來，城市作為創新要素集聚地，在創新體系中的地位日益凸顯，學者們也將目光從省域轉移到城市層面，關注我國地級及以上城市的專利數、論文數等創新產出數據變化。研究發現，城市創新能力同樣具有顯著的空間自相關性（范柏乃等，2020），且空間集聚特征顯著、逐年增強[16]。相較于省域尺度的研究結果，城市層

面的集群化分布特征更加顯著[4，5]。進一步地，由于空間相關性會影響創新活動，現有研究也逐漸轉向從空間視角探討創新格局影響因素。學者們通過構建空間計量模型，發現城市空間溢出效應是驅動城市創新的重要推力[4，5]，也是產生城市創新空間差異的主要原因（馬靜等，2017），進而關注不同區域影響因素的差異性[17]。

綜上，現有研究對高價值專利、創新空間格局以及影響因素等進行了較深入的探討，但仍存在一些不足：第一，既有的高價值專利研究多關注其識別、培育以及評價體系構建等，尚未涉及空間格局以及影響因素探討，后者是對高價值專利研究的拓展，有助于了解我國高價值專利分布情況，為各地區形成高價值專利提供參考；第二，在衡量指標選取上，大都采用專利總量，未區分高價值專利與非高價值專利，忽視了“專利泡沫”的影響，因此指標設置不夠合理；第三，從城市尺度探討創新空間格局以及影響因素的研究較少，而城市尺度相比省域尺度更有助于體現空間集聚特征，便于政策制定與實施；第四，較少有研究考慮到影響因素的區域差異性，而關注地區差異性有利于發揮當地比較優勢，汲取其它地區先進經驗，從而找到差異化的創新發展路徑。基于此，本文從城市層面出發，研究我國高價值專利分布的時空演化格局，并基于空間視角構建空間計量模型，從經濟基礎、政府重視、人才規模以及生態環境等方面考察其影響因素，進一步根據高價值專利集聚情況劃分區域，探討不同地區影響因素的差異性，為提升我國高價值專利產出，形成優勢互補、協調發展的高價值專利格局以及實施差異化創新政策提供依據。

1 研究設計

1.1 研究方法

1.1.1 空間自相關

空間自相關可理解為位置相近區域擁有相似的變量取值，莫蘭指數是度量空間相關性的重要指標，其取值一般介于-1～1之間。高值與高值集聚、低值與低值集聚代表正空間自相關，即莫蘭指數gt;0；高值與低值集聚代表負空間自相關，即莫蘭指數lt;0；高值與低值隨機分布，則不存在空間相關性，即莫蘭指數=0。全局Moran's I考察研究區域內某指標整體的空間自相關性，其計算公式如下：

式中，xi與xj分別代表區域i、區域j的空間數據，wij代表空間權重矩陣，S2為樣本方差。

1.1.2 變量選取與空間計量模型構建

本文被解釋變量為高價值專利，目前學界尚未有統一定義，可以從技術、法律、市場等維度理解。技術方面，高價值專利在具備新穎性、實用性的前提下，其技術更先進、創造性更強[3]，能夠推動技術進步，引領行業發展[13]；法律方面，高價值專利是法律權力穩定且范圍清晰[18]的專利，具有較強的排他性以及較低的無效可能性[3，17]；市場方面，高價值專利擁有良好的市場前景和較高商業價值，專利權人擁有較大的市場競爭優勢[7]，能獲取豐厚的經濟效益。

關于高價值專利的界定，《國務院關于印發“十四五”國家知識產權保護和運用規劃的通知》明確五類發明專利為高價值專利，即戰略性新興產業的發明專利、在海外有同族專利權的發明專利、維持年限超過10年的發明專利、實現較高質押融資金額的發明專利以及獲得國家科學技術獎或中國專利獎的發明專利。其中，第一類和第五類具有國家戰略意義，面向國家重大需求，第二、三類強調技術含量，第四類強調市場價值，是常見的專利質量評價指標[2]。總體來看，五類專利較為全面地涵蓋了高價值專利范圍，本文基于此分類遴選高價值專利。關于數據獲取，戰略性新興產業發明專利可在IncoPat專利數據庫中通過篩選新興產業分類得到，在海外有同族專利權的發明專利可通過選擇同族國家得到，維持年限超過10年的發明專利可通過篩選專利年限得到。此外，對質押融資金額較高難以界定。考慮到專利質押融資的市場風險較高（宋河發等， 2018），以專利向銀行申請質押融資時銀行會進行系列的風險識別（余明桂等， 2022），并形成以科技創新能力為審核重心的專利質押融資流程（胡成等， 2021），足見專利質押融資審核標準嚴苛，對專利本身具有很高要求。因此，本文借鑒其他學者做法，以具有質押融資的發明專利替代實現較高質押融資金額的發明專利[2]。獲得國家科學技術獎的專利數據難以匹配，這是由于其數量較少且可能已包含在其余幾類專利中，故第五類標準本文只統計獲得中國專利獎的發明專利。

我國創新空間集聚現象顯著，已有研究從不同角度探討創新能力影響因素。本文基于空間視角，從經濟基礎、政府重視、人才規模以及生態環境4個層面，研究城市高價值專利的關鍵影響因素。

（1）經濟基礎，一個地區的經濟水平是該地區形成高價值專利的基礎，區域經濟發展水平與區域創新能力顯著正相關[19]。本文采用地區生產總值衡量經濟基礎，探討經濟基礎對高價值專利的影響效應。

（2）政府重視，其與創新的關系可劃分為“促進論”和“抑制論”。一方面，政府支持可以減輕科研機構的資金壓力且具有戰略導向作用；另一方面，其面向特定行業或技術領域，因此對政策范圍外的研發具有一定擠出效應（曾萍等， 2014）。基于空間視角，政府重視是促進還是抑制高價值專利產出？本文從科學技術支出和教育支出角度探討該問題并給出回答。

（3）人才規模，區域創新能力與創新人才密切相關，人才外流會阻礙當地創新，而創新人才集聚有利于流入區域創新水平提高[20]。科學研究和技術服務人員是創新人才的中堅力量，高等學校在校學生是創新人才的潛在力量，本文采用科學技術人員數和高等學校在校學生數衡量創新人才規模，基于空間視角研究人才對高價值專利的影響效應。

（4）生態環境，創新活動需要與之相適應的生態環境作支撐（李佳洺等， 2016），適宜的生態環境可以為科技創新提供持續的資源支持和空間基礎（郭愛君等， 2020），有助于促進創新要素集聚，提高科研創新質量和效率（柳卸林等，2022）。公園綠地是城市生態環境的重要組成（王琰等， 2020），具有顯著的社會效益，為城市可持續發展提供基礎支持[21]。地區擁有大面積公園綠地，有助于提升人才工作和居住環境質量[22]。本文采用公園綠地面積作為城市生態環境的衡量指標，探討其對高價值專利的影響效應。

本文以2005-2021年中國285個地級及以上城市數據為樣本，探究高價值專利的時空分布與影響因素，具體衡量指標如表1所示。其中，高價值發明專利授權量來源于IncoPat專利數據庫，經濟基礎、政府重視、人才規模數據來源于《中國城市統計年鑒》，生態環境數據來源于《中國城市建設統計年鑒》，部分缺失數據參考各省市統計年鑒或采用插值法填補。由于從研發投入到獲得專利授權通常具有一定時滯性，且不同創新活動周期存在較大差異，參照已有研究[23-25]，本文將解釋變量滯后一期進行回歸。為緩解異方差的影響，對變量數據進行對數化處理。

若莫蘭指數證明城市高價值專利具有空間自相關性，需將空間因素納入計量模型進行分析，可采用空間滯后模型（SLM）、空間誤差模型（SEM）或者空間杜賓模型（SDM）等空間計量模型。

式中，α為常數項；ρ和β為待估系數；W為空間權重矩陣；WlnHVPit為因變量的空間滯后變量；WlnGDPit、WlnSTEit、WlnEEit、WlnSTPit、WlnSTUit、WlnPGAit為解釋變量的空間滯后變量；μi和γt分別為個體效應與時間效應；εit為誤差項，取決于空間滯后誤差項Wεit與隨機誤差項vit。

1.1.3 空間權重矩陣

空間權重矩陣是空間計量研究的重要基礎，學者們多基于地理學第一定律構建空間權重矩陣，常用的矩陣有反距離空間權重矩陣、鄰接空間權重矩陣等。考慮到兩個地區距離越近，相關程度越高，本文構建基于距離的空間權重矩陣。空間距離越近，則權重越大，反之越小[26]。相比鄰接權重矩陣，基于距離的權重矩陣不僅可以衡量相鄰地區的相關關系，還可以衡量與非相鄰地區隨距離變化的關系（吳燕， 2019）。此外，由于空間溢出效應隨距離遞增呈現加速衰減[27-28]，因此構建基于距離的反距離平方權重矩陣（周文義等， 2023）作為空間計量基礎矩陣。其中，地理距離由GeoDa計算得到，為城市幾何質心的直線距離。計算公式如下：

由于空間權重矩陣的選擇影響空間計量模型估計結果，故本文構建反距離空間權重矩陣，并依據Queen原則構建鄰接空間權重矩陣，進行穩健性檢驗，計算公式如下：

式中，W為空間權重矩陣；dij為兩城市幾何質心間的歐氏距離。

2 時空格局分析

2.1 時空格局演變

本文運用ArcGIS軟件分析2005、2013以及2021年高價值專利時空演變情況，其空間分布如圖1所示。空間上，高價值專利多分布于胡煥庸線以東區域，呈現出明顯的沿海強于內陸、“東—中—西”逐漸遞減的格局特征；以京津冀、長三角、珠三角以及成渝地區為頂點的菱形囊括大多數高價值專利。其中，北京、上海、深圳為具有高規模水平的高價值專利地區；具有較高規模水平的高價值專利地區主要為直轄市、省會城市，且多位于菱形邊界線以及對角線上，如重慶、天津、廣州、杭州、南京、武漢、成都、西安、長沙、合肥、濟南等；高價值專利處于中等規模和較低規模水平的城市主要位于東部、中部城市群內，如京津冀、長三角、珠三角、山東半島、遼中南、哈長城市群等；西部地區的高價值專利長期處于低水平規模狀態。從時間上看，高價值專利規模總體呈現擴大態勢，且沿海地區增長更迅速，菱形結構日益凸顯。這可能是因為相較于內陸地區，沿海地區市場經濟更發達，擁有豐富的創新資源和靈活的創新機制，此外，國家區域重大戰略的實施促進了菱形結構地區城市的高質量發展，進而有助于高價值專利產出。

2.2 空間自相關

本文首先采用全局Moran's I進行空間自相關性檢驗，通過ArcGIS計算得到2005—2021年中國高價值專利全局莫蘭指數，如表2所示。研究結果顯示，相比普通專利，2005—2010年高價值專利的全局Moran's I不顯著。這可能是由于此前的高價值發明專利數較少，導致其在空間上的相關性較弱，同時，2010年《全國專利事業發展戰略（2011—2020年）》的提出為我國專利質量提升創造了條件。2011年的Moran's I在5%的水平上顯著，2012—2021年的Moran's I在1%的水平上顯著，說明此期間高價值發明專利具有明顯的空間相關性，即鄰近區域的高價值專利規模較相近。為了直觀展現全局莫蘭指數變化趨勢，繪制折線圖如圖2所示，全局Moran's I整體呈波動上升態勢，空間自相關性逐漸增強。

為了展現局部地區高價值專利的空間集聚特征，運用GeoDa軟件計算局部Moran's I，并繪制2005、2013以及2021年的LISA集聚圖，如圖3所示。H-H集聚區較穩定，主要集中在京津冀、長江三角洲以及珠江三角洲城市群。H-H集聚意味著該城市以及相鄰地區的高價值專利規模均較大。天津、南通、寧波在2005、2013以及2021年均為H-H集聚，而唐山在2013年變為L-H集聚，說明隨著時間推移，唐山的高價值專利產出相比周邊地區不足。自2013年始圍繞上海、廣州增加了多個H-H集聚城市，說明上海、廣州的高價值專利發展具有正向溢出效應，可以帶動鄰近地區發展。此外，北京、上海、廣州并非H-H集聚區域，這是因為雖然這些地區的高價值專利規模較大，但其周邊地區規模較小，地區間差距較大，導致其局部Moran's I值不顯著。

重慶、武漢、西安長期處于顯著的H-L集聚狀態，2021年沈陽也處于H-L集聚狀態，說明這些城市雖然高價值專利規模較大，但難以帶動鄰近城市創新發展。L-H集聚意味著相比周邊地區，該地區高價值專利規模較小，其主要位于H-H集聚區域外圍。承德、張家口、保定、廊坊長期處于L-H集聚狀態；2005年嘉興、紹興、舟山圍繞寧波，呈現為L-H集聚狀態，2013、2021年受周圍城市帶動，嘉興、紹興高價值專利有所發展，變為H-H集聚，而舟山一直處于L-H集聚狀態，其高價值專利產出較緩慢；河源、汕尾、江門也長期處于L-H集聚狀態，值得注意的是，中山市由2013年的H-H集聚變為2021年的L-H集聚，說明相比鄰近地區其高價值專利增長速度緩慢。隨著時間推移，L-L集聚區域不斷變化，但主要集中在西北、西南以及東北地區。

3 影響因素分析

3.1 描述性統計

描述性統計結果如表3所示，經過對數處理后各變量標準差較小，有效緩解了異方差影響。其中，對被解釋變量高價值專利加1取對數后其均值為3.331，最小值、最大值分別為0與11.122，標準差為2.317，表明各城市高價值專利數量存在較大差異，部分城市高價值專利數量有待提升；各城市地區生產總值取對數后的最小值為3.58，最大值為10.564，說明經濟發展水平存在一定差距；科學技術支出、教育支出取對數后的最大值差異不大，分別為15.529、16.248，但最小值相差較大，分別為3.526、6.855，其均值分別為9.517、12.571，表明相比科學技術支出，各地區更重視教育支出，且各城市科學技術支出差異較大；人才規模上，科學研究和技術服務人員數以及普通高等學校在校學生數取對數后，均值分別為8.35、10.218，說明科研人員數相對較少。公園綠地面積取對數后其最小值為0，最大值為10.483，說明不同城市生態環境存在一定差異。

3.2 模型選取

由全局Moran's I可知，高價值專利具有顯著空間相關性，因此需要考慮將空間因素納入模型。由于空間滯后模型、空間誤差模型以及空間杜賓模型等空間計量模型都可以分析高價值專利影響因素，故需要選擇最優模型。首先，進行LM檢驗，由結果可知，空間誤差和空間滯后的LM檢驗結果以及穩健性估計結果均顯著，表明進行空間計量分析的最優模型為空間杜賓模型。其次，進行Hausman檢驗以確認是選擇固定效應還是隨機效應，結果顯示P值為0.0000，顯著拒絕采用隨機效應的原假設，故應采用固定效應模型。再次，進行LR檢驗和Wald檢驗以確認空間杜賓模型是否會退化為空間滯后模型與空間誤差模型，檢驗結果顯示LR檢驗和Wald檢驗均在1%的置信水平上顯著拒絕原假設，表明空間杜賓模型不可退化。最后，進行LR檢驗以確認是選擇時間固定效應、個體固定效應，還是雙固定效應。檢驗結果均在1%的顯著性水平上拒絕原假設，表明應選取個體、時間雙固定效應。綜上，高價值專利影響因素的最優回歸模型為個體與時間雙固定效應下的空間杜賓模型。

3.3 結果分析

本文采用SDM模型對高價值專利影響因素進行回歸并分析其分解效應。由表4可知，個體與時間雙固定效應下的SDM模型的空間滯后項系數為0.259，在1%的顯著性水平下通過檢驗，說明高價值專利具有明顯的空間溢出效應，即某城市提升高價值專利規模將對鄰近地區的高價值專利產生正向促進作用。

由表4結果可知，地區生產總值的直接效應為正，在1%的顯著性水平上對本地區高價值專利有促進作用。這是因為經濟發展水平高的地區擁有更豐富的創新資源，有利于本地區高價值專利產出；同時，經濟基礎的溢出效應系數為-0.849，負向溢出約是直接效應的2倍，表明經濟基礎對鄰近地區高價值專利產出有顯著抑制作用。而現有的普通專利研究結果顯示，地區生產總值的空間溢出效應多顯著為正[29-30]，即會促進周邊地區創新水平提高。產生這種差異的原因可能是相比普通專利，高價值專利需要依靠更豐富、更先進的創新資源，因此經濟基礎良好的城市更具吸引力，易產生虹吸效應，促使周圍地區高新技術企業到此投資發展，造成周邊地區高價值專利減少。

在政府支持方面，科學技術支出對高價值專利的直接效應系數為0.280，間接效應系數為0.334，且均在1%的水平上顯著，說明政府的科學技術支出不僅能夠促進當地形成高價值專利，對鄰近地區的高價值專利產出也有正向溢出作用。教育支出的直接效應系數為0.217，在1%的水平上顯著，間接效應系數為正但不顯著，說明政府教育支出主要對本地高價值專利產出產生影響。可以看出，政府重視程度是推動高價值專利產出的有力保障。

人才規模方面，科學研究和技術服務人員數量在1%的顯著性水平上對本地以及鄰近地區高價值專利有促進作用。這可能是由于開展創新活動時，各地區科研人員密切交流，人才流動打破了地域壁壘，促進了本地以及周圍地區高價值專利規模提升。普通高等學校在校學生數對本地高價值專利產出的影響不顯著，而對于普通專利產出有顯著促進作用[5，31]。這可能是由于在校學生的創新能力較弱，因而對本地區高價值專利的影響不明顯。溢出效應顯著為負，這是因為高校學生是高端創新人才的后備軍，是高新企業未來的新生力量，因此高校學生聚集的地區會吸引部分創新資源，造成周邊地區高價值專利產出下降。

生態環境方面，公園綠地面積在1%的顯著性水平上對本地高價值專利有促進作用，其直接效應系數為0.102，表明公園綠地面積每增加1%，本地區高價值專利規模提升0.102%；其溢出效應為正但不顯著，表明公園綠地對鄰近地區的高價值專利產出影響不顯著；總效應在5%的水平上顯著為正。綜合來看，公園作為重要的休憩環境有利于高價值專利產出，主要體現在對優秀人才、企業的吸引力上。

總體而言，除高等學校在校學生數的直接效應不顯著外，其余影響因素的直接效應均在1%的水平上顯著為正，說明高價值專利與本地區的經濟基礎、政府重視、人才規模以及生態環境息息相關。其中，經濟基礎是對本地區高價值專利產出影響最大的因素；地區生產總值、高等學校在校學生數的溢出效應顯著為負，科學技術支出、科學研究和技術服務人員數的溢出效應在1%的水平上顯著為正，教育支出、公園綠地面積的溢出效應不顯著，表明各地區對科技的直接投入（科技支出、科研人員）有利于達到雙贏效果，而經濟發展和高等學校在校學生數增多會抑制鄰近地區高價值專利產出。

結合上文的時空格局分析可知，菱形結構地區城市擁有較豐富的高價值專利，東北地區次之，這可能是相對其它外圍地區，上述地區的教育、基礎設施等更加完善。為探討不同區域高價值專利影響因素的差異性，進一步劃分菱形結構地區、東北地區以及外圍地區，回歸結果如表5所示。可以看出，菱形結構地區的空間滯后項系數為0.308，在1%的顯著性水平下通過檢驗；東北地區空間滯后項系數為0.118，通過5%水平下的顯著性檢驗；外圍地區的空間滯后項系數不顯著。上述結果說明，菱形結構地區和東北地區的高價值專利產出具有明顯的正向空間溢出效應，這是由于城市間聯系緊密，其中一個城市高價值專利產出增多會對鄰近城市產生促進作用；而外圍地區城市之間的高價值專利則沒有明顯的相互促進現象。

分析各地區的回歸結果，菱形結構地區經濟基礎在1%的顯著性水平上對本地區高價值專利有促進作用，東北地區、外圍地區經濟基礎對其高價值專利的影響不顯著；各地區經濟基礎的溢出效應系數均為負，但不顯著。菱形結構地區和外圍地區科學技術支出對本地區高價值專利的影響系數為正，通過1%水平下的顯著性檢驗，而東北地區的影響系數不顯著。空間效應方面，3個地區的空間滯后項系數均顯著為正，表明科學技術支出對周邊城市的高價值專利產出有促進作用；菱形結構地區教育支出在1%的水平上對本地以及周邊城市的高價值專利產出均有顯著促進作用，東北地區和外圍地區教育支出的作用不顯著；菱形結構地區科學研究和技術服務人員數在1%的顯著性水平上對本地以及鄰近城市的高價值專利產出有促進作用，東北地區科研人員數對高價值專利產出的影響主要表現為對當地的高價值專利有提升作用，而外圍地區科研人員數增多則對周邊城市高價值專利產出有顯著抑制作用；菱形結構地區和東北地區高校在校學生數對本地區高價值專利產出均影響顯著，其中，前者為促進作用，后者為抑制作用，這可能是由于前者的創新能力培育模式更完善。生態環境方面，菱形結構地區公園綠地面積的影響顯著為正，對本地區城市的高價值專利產出有促進作用。

3.4 穩健性檢驗

為保證研究結果可靠，本文采用以下方法進行穩健性檢驗：第一，替換空間計量模型，構建基于反距離平方空間權重矩陣的空間滯后模型和空間誤差模型，探討高價值專利產出的影響因素；第二，替換空間權重矩陣，由于空間權重矩陣的選擇會對研究結果產生較大影響，本文進一步采用鄰接空間權重矩陣、反距離空間權重矩陣構建空間杜賓模型，檢驗上述結論的穩健性；第三，調整樣本期，2008年《國家知識產權戰略綱要》的頒布將知識產權工作上升到國家戰略層面，其指出，要以國家戰略需求為導向，掌握一批核心技術專利，支撐我國高技術產業與新興產業發展，該舉措促使高價值專利數量不斷攀升，因此選擇2009年及以后的高價值專利作進一步的穩健性檢驗；第四，縮尾處理，從描述性統計結果可以看出，變量之間存在較大差異，為消除樣本離群值對回歸結果的影響，對所有變量在5%分位處和95%分位處進行縮尾處理。

穩健性檢驗結果如表6所示，空間滯后項系數和空間誤差項系數均為正，且通過1%水平下的顯著性檢驗，表明高價值專利產出具有顯著的空間效應，與原模型結果一致。在各穩健性檢驗模型下，地區生產總值、科學技術支出、教育支出以及公園綠地面積對本地區高價值專利產出的影響系數均顯著為正，科研人員數量除調整樣本期外均在1%的水平下顯著為正，高校在校學生數對本地區高價值專利產出的影響也為正。綜合來看，上述結果與反距離平方空間權重矩陣的SDM模型估計結果一致。替換空間權重矩陣后的空間系數顯示，公園綠地面積對周邊地區高價值專利產出的影響在鄰接矩陣下變為負值但不顯著，其余變量在兩種空間權重矩陣下的影響與原模型基本一致，即地區生產總值和高校在校學生數的影響顯著為正，科學技術支出和科研人員數的影響顯著為正，教育支出和公園綠地面積的影響不顯著。從調整樣本期和縮尾處理后的空間系數可以看出，地區生產總值提高會顯著抑制周邊地區高價值專利產出，科學技術支出增加能促進周邊地區高價值專利產出，與原模型結果一致。調整樣本后，教育支出系數為正但不顯著，科研人員數量對高價值專利產出的作用也不顯著。去除異常值后，科研人員數和高等學校在校學生數對周邊地區高價值專利產出影響方向與原模型一致但不顯著。綜上，穩健性檢驗的回歸結果與原模型回歸結果基本一致，表明基于反距離平方空間權重矩陣構建的個體、時間雙固定效應下的空間杜賓模型具有較強穩健性。

4 研究結論

加快實現高水平科技自立自強，是推動高質量發展的必由之路。目前，有關創新水平時空演變以及影響因素的研究多集中于總體專利，還沒有專門針對高價值發明專利的研究，導致研究結果易受到“專利泡沫”的影響。本文根據《國務院關于印發“十四五”國家知識產權保護和運用規劃的通知》的界定篩選出高價值專利代理指標，結合中國285個地級及以上城市面板數據考察其時空演變規律，并基于空間視角進一步探討其影響因素，研究發現：

（1）高價值專利在我國多分布于胡煥庸線以東區域，呈現出明顯的沿海強于內陸、“東—中—西”逐漸遞減的分布格局；以京津冀、長三角、珠三角以及成渝地區為頂點構成的菱形結構地區擁有大多數高價值專利，并形成以北京、上海、深圳為核心的高價值專利聚集圈；近年來高價值專利規模總體呈現出不斷提升態勢，其中，沿海地區增長更迅速，菱形結構日益凸顯。此外，高價值專利自2011年起存在顯著的空間依賴性，且空間自相關趨勢逐漸增強，其中，H-H集聚區集中在京津冀、長江三角洲以及珠江三角洲城市群，L-L集聚區集中在西北、西南以及東北地區城市。

（2）通過對高價值專利影響因素的分析發現，地區生產總值能夠顯著提升本地區高價值專利規模，但對周邊地區高價值專利的抑制作用更顯著；科學技術支出和科研人員數量對本地以及周邊地區的高價值專利均有顯著推動作用；教育支出對高價值專利的作用主要體現為對本地區的促進；普通高等學校在校學生數會顯著抑制周邊地區高價值專利規模，但對本地區高價值專利影響不明顯；公園綠地面積會顯著促進本地區高價值專利產出。值得注意的是，經濟基礎的改善與提升會顯著抑制鄰近地區高價值專利產出，與普通專利的作用結果相反；高等學校在校學生數對本地區高價值專利規模的促進作用不顯著，但是其它研究表明，高校在校生數能夠顯著提升本地區創新水平。

（3）菱形結構地區、東北地區以及外圍地區高價值專利產出的影響因素存在異質性。具體為，地區生產總值、科學技術支出、教育支出、科研人員數量、高校在校學生數以及公園綠地面積對菱形結構地區城市的高價值發明專利均有顯著促進作用。其中，科技支出和科研人員數量增多同時有利于鄰近地區城市高價值專利產出，而教育支出增加則會顯著抑制鄰近地區城市高價值專利產出。東北地區科學技術支出增大對鄰近地區城市高價值專利產出有顯著促進作用，科研人員數量增加有助于本地區高價值專利產出，高校在校學生數增加則會抑制本地區高價值專利產出。外圍地區城市間聯系較松散，空間溢出效應不明顯。

5 研究啟示

基于高價值專利空間分布格局與影響因素的研究結果，提出如下建議：

（1）沿海地區更加注重高價值專利，創新水平穩中求進；中西部、東北地區需加大與沿海地區創新合作、優勢互補，探索適合自身的高價值專利發展模式，促進高價值專利區域協調發展。發揮中心城市和城市群的帶動作用，借助地理優勢加強與周邊地區的協作聯系，擴大高價值專利輻射范圍，高價值專利產出下降或增長緩慢地區要及時反思發展劣勢，彌補短板弱項。

（2）合理分配財政支出，適當提高科技支出和教育支出，引導科研機構開展高新技術研究，加大素質教育以及新興學科建設，激勵高價值專利產出。堅持人才引領驅動，充分發揮科技型人才帶動作用，加快高價值專利產出；加強人才交流協作，促進創新型人才的區域合理布局。

（3）聚焦關鍵核心技術領域，以國家戰略需求為導向促進高價值專利創造；增強產學研協同，加快高價值專利產出與成果轉化，形成具有自主知識產權的創新成果；優化專利審批流程，提高專利維權效率，確保高價值專利獲得保護；建立全面、科學的專利價值評估體系，準確識別和鼓勵高價值專利產出。

參考文獻：

[1] 龍小寧， 王俊. 中國專利激增的動因及其質量效應[J]. 世界經濟， 2015， 38（6）： 115-142.

[2] 程文銀， 胡鞍鋼， 陳雪麗. 知識產權強國背景下中國高價值專利發展：測度與實證分析[J]. 北京工業大學學報（社會科學版）， 2022，49（5）： 1-12.

[3] 劉勤， 楊壬淦， 劉友華. 高價值專利評估方法、存在問題及對策[J]. 科技管理研究， 2022， 42（4）： 147-152.

[4] 何舜輝， 杜德斌， 焦美琪， 等. 中國地級以上城市創新能力的時空格局演變及影響因素分析[J]. 地理科學， 2017， 37（7）： 1014-1022.

[5] 周銳波， 劉葉子， 楊卓文. 中國城市創新能力的時空演化及溢出效應[J]. 經濟地理， 2019， 39（4）： 85-92.

[6] 吳玉鳴. 空間計量經濟模型在省域研發與創新中的應用研究[J]. 數量經濟技術經濟研究， 2006，23（5）： 74-85，130.

[7] 馬天旗， 趙星. 高價值專利內涵及受制因素探究[J]. 中國發明與專利， 2018， 15（3）： 24-28.

[8] 胡澤文， 周西姬， 任萍. 基于扎根理論的高價值專利評估與識別研究綜述[J]. 情報科學， 2022， 40（2）： 183-192.

[9] 馬治國， 謝偉， 張磊. 技術、法律、市場三維視角下我國藥品高價值專利評估體系構建研究[J]. 西北大學學報（哲學社會科學版）， 2022， 52（5）： 120-130.

[10] 楊鑫超， 張玉， 楊偉超. TRIZ在高價值專利培育工作中的創新應用研究[J]. 情報雜志， 2020， 39（7）： 54-58，86.

[11] 韓秀成， 雷怡. 培育高價值專利的理論與實踐分析[J]. 中國發明與專利， 2017， 14（12）： 8-14.

[12] 邢戰雷， 馬廣奇， 孫艷蕾， 等. 高價值專利培育體系的構建與推進[J]. 中國高校科技， 2019，33（Z1）： 50-53.

[13] 鄧恒， 王含. 高質量專利的應然內涵與培育路徑選擇——基于《知識產權強國戰略綱要》制定的視角[J]. 科技進步與對策， 2021， 38（17）： 34-42.

[14] 李婧， 譚清美， 白俊紅. 中國區域創新生產的空間計量分析——基于靜態與動態空間面板模型的實證研究[J]. 管理世界， 2010，26（7）： 43-55，65.

[15] 李國平， 王春楊. 我國省域創新產出的空間特征和時空演化——基于探索性空間數據分析的實證[J]. 地理研究， 2012， 31（1）： 95-106.

[16] 席強敏， 張景樂， 張可云. 中國城市專利規模與知識寬度的時空演變及影響因素[J]. 經濟地理， 2022， 42（3）： 56-65.

[17] 蔡鴻宇， 王向鋒， 徐宗煌， 等. 高價值專利有何特征——基于模糊集定性比較分析的組態效應研究[J]. 情報科學， 2024，42（4）：167-174，183.

[18] 劉謙， 姜南， 王亞利， 等. 國內高價值專利研究熱點演進與整合框架——基于SKM的可視化分析[J]. 科技進步與對策， 2022，39（21）：151-160.

[19] AITING XU， KEYANG QIU， CANYANG JIN，et al. Regional innovation ability and its inequality： measurements and dynamic decomposition[J]. Technological Forecasting and Social Change， 2022， 180： 121713.

[20] AJAY AGRAWAL，DEVESH KAPUR，JOHN MCHALE，et al. Brain drain or brain bank？the impact of skilled emigration on poor-country innovation[J]. Journal of Urban Economics， 2011，69（1）：43-55.

[21] ANNA CHIESURA. The role of urban parks for the sustainable city[J]. Landscape and Urban Planning， 2004， 68（1）： 129-138.

[22] 李作學， 張蒙. 什么樣的宏觀生態環境影響科技人才集聚——基于中國內地31個省份的模糊集定性比較分析[J]. 科技進步與對策， 2022， 39（10）： 131-139.

[23] 虞義華， 趙奇鋒， 鞠曉生. 發明家高管與企業創新[J]. 中國工業經濟， 2018，35（3）： 136-154.

[24] 楊仁發， 李勝勝. 創新試點政策能夠引領企業創新嗎——來自國家創新型試點城市的微觀證據[J]. 統計研究， 2020， 37（12）： 32-45.

[25] 翟華云， 劉易斯. 數字金融發展、融資約束與企業綠色創新關系研究[J]. 科技進步與對策， 2021， 38（17）： 116-124.

[26] PARENT O， LESAGE J P. Using the variance structure of the conditional autoregressive spatial specification to model knowledge spillovers[J]. Journal of Applied Econometrics， 2008， 23（2）： 235-256.

[27] BOTTAZZI L， PERI G. Innovation and spillovers in regions： evidence from European patent data[J]. European Economic Review， 2003， 47（4）： 687-710.

[28] 王慶喜， 胡志學. 長三角地區研發企業集聚與知識溢出強度——連續空間中的微觀分析[J]. 地理科學， 2018， 38（11）： 1828-1836.

[29] 楊明海， 張紅霞， 孫亞男， 等. 中國八大綜合經濟區科技創新能力的區域差距及其影響因素研究[J]. 數量經濟技術經濟研究， 2018， 35（4）： 3-19.

[30] 張宵， 葛玉輝. 城市技術創新時空演變特征及影響因素研究——以江蘇省為例[J]. 技術與創新管理， 2023， 44（2）： 133-142.

[31] 孫勇， 樊杰， 劉漢初， 等. 長三角地區數字技術創新時空格局及其影響因素[J]. 經濟地理， 2022， 42（2）： 124-133.

（責任編輯：胡俊健）

Spatial-Temporal Evolution and Influencing Factors of Urban High-Value Patents in China

Wu Lei， Liu Qi， Gao Luan， Lin Chaoran

（School of Economics and Management， Harbin Engineering University， Harbin 150001， China）

Abstract：Patents， as an important part of intellectual property， are an important dimension for measuring independent innovation capability. High-value patents are better than non-high-value patents in terms of patent quality and original innovation， and are an important means in implementing the innovation-driven development strategy and building a strong science and technology country. However， China's patents are numerous but not necessarily of higher quality， and are still restricted in some" core technology areas. Enhancing the output of high-value patents has become a realistic requirement to accelerate the realization of high-level scientific and technological self-reliance and self-improvement. At present， the innovation pattern of \"being strong in the east and weak in the west\" still exists and is deepening， and scientific and technological innovation is an important way to improve the coordination and balance of development， so it is necessary to study the spatial pattern of high-value patents to alleviate the phenomenon of imbalance in regional innovation development. In addition， there is a significant spatial correlation of innovation， and ignoring the spatial effect may make the model setting biased， so the study of high-value patents should also consider the spatial issue. Cities are the spatial units and main carriers of innovation， as well as more effective units for the in-depth implementation of differentiated policies， but there are relatively few studies exploring the spatial pattern of innovation and the factors influencing it at the urban scale.

Therefore， using the panel data of 285 prefectural-level and above cities in China from 2005 to 2021， this study delves into the spatial and temporal evolution pattern of high-value patents in China from the city level and constructs spatial econometric models from a spatial perspective. The influencing factors are examined in terms of economic foundation， governmental emphasis， talent scale and ecological environment. It also further divides the regions according to the high-value patent agglomeration and explores the differences in influencing factors in different regions. This paper aims to provide a basis for improving China's high-value patent output， forming a high-value patent pattern with complementary advantages and coordinated development， and implementing differentiated innovation policies.

It is found that high-value patents present a clear pattern of coastal strength over inland， with a decreasing pattern from the east to the central and then to the west. The diamond-shaped structure with Beijing-Tianjin-Hebei， Yangtze River Delta， Pearl River Delta and Chengdu-Chongqing as the apex encompasses most of the high-value patents， forming a high-value patent aggregation circle with Beijing， Shanghai and Shenzhen as the core. In recent years， high-value patents in general have shown an increasing trend， but the growth in coastal areas is more rapid， and the diamond-shaped structure is becoming more and more prominent. The study also finds that GDP significantly increases the size of high-value patents in the region， but has a stronger dampening effect on high-value patents in neighboring regions. Expenditure on science and technology and the number of scientific researchers have a significant impact on high-value patents in both local and neighboring regions. The role of education expenditure on high-value patents is mainly reflected in the promotion of the region. Students enrolled in general higher education institutions will significantly suppress the size of high-value patents in the neighboring regions. Parks and green spaces will significantly promote the output of high-value patents in the region. It is worth noting that the economic base will significantly inhibit the development of high-value patents in neighboring regions， contrary to the results of the study on general patents; students enrolled in higher education institutions do not have a significant role in promoting the scale of high-value patents in the region， while other studies have shown that students enrolled in colleges and universities can significantly enhance the level of innovation in the region. Finally， there is heterogeneity in the influencing factors of high-value patents in the diamond-shaped structure region， the northeast region， and the peripheral regions.

In conclusion， using high-value patents as a measure of innovation， this study explores the spatial pattern and influencing factors on the urban scale， and considers the regional heterogeneity of the influencing factors. The findings provide a targeted reference for creating high-value patents in various regions.

Key Words：Intellectual Property；Urban Innovation;High-value Patents;Spatial Durbin Model

收稿日期：2023-10-27 修回日期：2023-12-28

基金項目：國家自然科學基金青年項目（72104064，72001056）；國家社會科學基金一般項目（23BGL076）

作者簡介：吳雷（1980—），男，黑龍江哈爾濱人，博士，哈爾濱工程大學經濟管理學院副研究員、碩士生導師，研究方向為技術創新和知識產權管理；柳淇（1999—），女，山西運城人，哈爾濱工程大學經濟管理學院碩士研究生，研究方向為技術創新；高孌（1989—），女，江蘇宿遷人，博士，哈爾濱工程大學經濟管理學院副教授，研究方向為企業信息化和社會網絡；林超然（1987—），男，黑龍江哈爾濱人，博士，哈爾濱工程大學經濟管理學院講師，研究方向為技術創新與知識產權管理。本文通訊作者：林超然。