(1.太原理工大学经济管理学院，山西太原030006；2.南京航空航天大学经济与管理学院，江苏南京210016)
关键词：知识产权保护；空间关联分析；社会网络分析；区域创新体系
收稿日期：2019-01-24
基金项目：山西省哲学社会科学规划项目(晋规办字[2017]2号)；江苏省博士后科研项目(苏人社函[2018]152号)
作者简介：曹薇(1983-)，女，山西临汾人，博士，太原理工大学经济管理学院副教授，南京航空航天大学博士后，研究方向为区域创新管理；薛秋霞(1995-)，女，山西运城人，太原理工大学经济管理学院硕士研究生，研究方向为经济计量模型构建与应用、区域创新管理；苗建军(1955-)，男，山西长治人，博士，南京航空航天大学经济与管理学院教授、博士生导师，研究方向为区域经济、区域创新管理。
DOI：10.6049/kjjbydc.2018100152
开放科学(资源服务)标识码(OSID)：
中图分类号：D923.4
文献标识码：A
CaoWei1,2,XueQiuxia1,MiaoJianjun2
(1.CollegeofEconomics&Management,TaiyuanUniversityofTechnology,Taiyuan030006,China;2.CollegeofEconomicsandManagement,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)
KeyWords:IntellectualPropertyProtection;SpatialCorrelationAnalysis;SocialNetworkAnalysis；RegionalInnovationSystem
已有文献为本文研究知识产权保护与区域创新发展关系提供了理论基础，但这些研究主要着眼于国家这一宏观层面展开，鲜有学者从空间计量与社会网络相结合的视角进行实证分析。鉴于此，本文采用多维尺度分析方法，以中国内地31个省市为研究对象，构建区域知识产权保护网络结构，重点研究区域知识产权保护与区域创新发展之间的复杂关系，实证检验区域知识产权保护的结构演化效应，揭示其内生关联机理，旨在为区域创新发展提供有益参考。
区域创新发展受多种因素影响，其中知识产权保护制度对区域创新发展起着关键作用，知识产权保护水平过低将会导致区域创新动力不足，而保护水平过高则会抑制区域创新发展[14]。各地区知识产权保护强度受外商直接投资和贸易开放度等外部因素，以及创新能力、市场规模和基础设施等内部因素影响，并且地区之间也存在相互作用。知识产权保护由中央统一立法，但各地方政府的知识产权保护执法以及制度决策受到其它地区影响。此外，由于知识传播具有特殊性，地区间知识扩散与转移具有可广泛传播的特性，且这种传播不受国界、语言等因素限制。这些影响因素都进一步说明知识产权保护制度受到空间因素影响。
表1知识产权保护强度指标体系
首先根据构建的知识产权保护制度指标体系，计算出我国2009-2016年知识产权保护强度值，如表2所示。在新专利法实施前两年，即2009-2011年，IPP强度增长幅度较大，2011-2016年较上一阶段增长较为缓慢。因此，后续研究主要针对2009年、2011年及2016年3个代表年份进行趋势分析。
4.2.1全局空间统计分析
(1)
其中，为各地区知识产权保护强度值，Wij为空间权重矩阵因素。本文基于Rook矩阵构造权重矩阵，且当i=j时，Wij=0。
图1研究框架
表22009-2016年知识产权保护强度指标统计量
年份20092010201120122013201420152016IPP值3.0973.2813.4623.5023.5293.5613.5933.629
表3知识产权保护强度Moran′sI值
年份Moran'sI指数P值年份Moran'sI指数P值20090.36630.00120130.27590.00620100.34270.00420140.32050.00120110.2970.00420150.30370.00420120.28820.00520160.31910.003
进一步，为了直观地表征知识产权保护制度是否存在区域集聚特征，并考察其分布格局与空间地理位置是否具有一致性,基于各省知识产权保护强度值，利用Geoda095i软件进行空间聚类关系分析，结果如图2所示。
图22009、2011、2016年中国知识产权保护强度空间分布
注：图中4类标注代表等级，表示1st至4th知识产权保护强度
由图2可以看出，2009—2016年，知识产权保护强度存在明显的空间异质性，空间格局分布变动较小，大体上由东向西递减。沿海各省及北京的知识产权保护强度在全国长期处于领先地位，中部各省次之，西部地区知识产权保护发展一直较落后。这说明，经济发展水平较高的区域为大力推进科技进步与创新，十分重视知识产权保护；经济发展较落后地区经济仍主要依靠传统增长模式，导致现有体制机制改革滞后，创新发展受到制约，相应地知识产权保护强度也较低。
4.2.2局部空间统计分析
为进一步对中国区域知识产权保护制度进行空间统计分析,揭示区域之间的局部空间关联特征，本文采用Moran散点图和LISA集聚图进行分析。
注：散点图第一、二、三、四象限分别为HH扩散效应区、LH过度增长区、LL低速增长区、HL极化效应区
图42009、2011、2016年中国知识产权保护强度LISA集聚图
4.2.3区域知识产权保护空间关联网络结构分析
(1)空间关联网络构建。社会网络是由社会行动者间关系构成的集合，确定行动者关系对于空间关联网络构建十分重要[18]。如果两个省份之间存在关联关系，二者可用一条有方向的线连接起来。网络构建方法有两类：一类是基于VAR模型、GrangerCausality检验方法[19-20]；一类是基于引力模型[21]。由于VAR模型对滞后阶数的选择较敏感，而利用引力模型构建空间关联网络，能综合考虑到经济地理距离等因素并分析网络演变趋势。因此，本文借鉴刘华军[22]的做法，基于改进的引力模型构建中国知识产权保护的空间关联网络，区域间引力计算如下：
(2)
式(2)中，i和j分别代表省份i和省份j；Gij表示省份i和j之间的引力；I为各省知识产权保护强度；P代表人口规模；E代表GDP；e代表人均GDP；D代表各省会之间的直线距离。
本部分先通过matlab软件计算公式(2)构建区域间知识产权保护引力矩阵，借鉴刘华军[22]的做法构建0-1阵。矩阵中“1”表明某省份与另一省份知识产权保护有关联关系；“0”表明某省份对另一省份的知识产权保护不具有关联关系。最终利用Ucinet软件Netdraw分析工具，绘制2009年、2011年、2016年区域知识产权保护空间网络结构图，如图5-7所示。
由图5-7可知，我国内地31个省、市、自治区知识产权保护的空间关联呈现出典型网络结构形态，知识产权保护在各省间普遍存在关联性，北京、上海、江苏、浙江、广东、山东、天津与其它省份间联系较多，始终处于网络中心位置。
(2)空间关联网络整体特征分析。基于知识产权保护强度构建的拓扑图可以在一定程度上反映出空间关联网络整体特性，但许多拓扑特性无法用随机图范式解释，因此接下来利用网络规模、关系总数、网络密度、网络关联性等度量指标进一步解析区域知识产权保护的空间关联网络结构特征，如表4所示。
表4中网络规模是指网络中的所有行动者数量，在本文中指中国内地31个省、市、自治区，即N=31。
关系总数是指网络中所有节点间联系的总量。表4中网络关系总数依次为203、216、212，在一定程度上说明节点间联系比较紧密。
网络密度用以反映网络成员间联系的紧密程度。由表4可知网络密度基本维持在0.22左右，说明中国各省市之间知识产权保护网络整体通达性强，基本不存在孤立发展地区。
图52009年知识产权空间关联网络
图62011年知识产权空间关联网络
图72016年知识产权空间关联网络
表4网络各项基本指标的度量
年份网络规模关系总数网络密度关联度网络等级网络效率2009312030.218310.37580.69202011312160.232510.18180.67592016312120.228210.28510.6828
注：以上度量指标均由Ucinet软件计算得到
网络关联性用网络关联度、网络等级与网络效率3个指标衡量。其中，网络关联度C即“可达性”,表示为：
(3)
式(3)中，V表示网络中不可达的点对数目，2009年、2011年、2016年知识产权保护网络整体关联度均为1，说明中国各省域知识产权保护联系非常密切，网络通达性强，存在明显的空间溢出效应，而非地理邻近才存在溢出效应。
网络等级(GraphHierarchy,GH)反映成员在网络中的支配性或等级性，计算公式为：
(4)
式(4)中，W为网络中对称地可达的点对数。由测算可知，网络等级度均较小，不存在等级森严的现象，说明各省份知识产权保护在不同水平上都有溢出的可能性。
网络效率(GraphEfficiency,GE)反映网络在多大程度上存在着多余的线，计算公式为：
(5)
式(5)中，S是多余线的条数。由测算可知，3个代表年份的网络效率值均在0.6左右，说明存在较多溢出，网络较稳定。
(3)中心性分析。中心性分析用以表征节点在网络中的地位和作用。节点在网络中越趋于中心位置区域，说明其在网络中的地位越重要，对其它地区影响较强。本文采用点度中心度和接近中心度刻画节点的中心性[23]，中心度指标通过Ucinet软件计算得出。其中，点度中心度计算公式为：
(6)
式(6)中，n为该节点与其它节点的直接关联数，直接反映节点在网络中的地位。接近中心度计算公式为：
(7)
式(7)中，d为两点间长度最短途径的距离，反映节点不受控制的程度。
综合式(6)、式(7)计算可知，2009年、2011年、2016年的点度中心度排名靠前的总是上海、江苏、北京等东部发达地区，说明这些省市与其它地区有较多联系，存在空间关联和空间溢出效应。就接近中心度而言，2009年上海第一、北京次之，排名靠后的分别为辽宁、海南、贵州、吉林；2011年上海第一、江苏次之，排名处于末位的依次是贵州、广西、海南、山西；2016年上海第一、江苏次之，海南、广西、吉林、辽宁等排在末位。因此，上海一直在网络中扮演中心行动者的角色，在网络中处于核心地位，发挥“桥梁”作用；排名靠后的省份为边缘行动者，其受经济水平和地理因素限制，与其它省份间的空间关联较弱。
(4)空间聚类分析。块模型分析也叫凝聚子群分析，是空间聚类分析的主要方法。该方法对成员进行板块分类，分析板块间的内部关联及溢出效应。块模型理论最早由Boorman&White[24]提出，在此基础上，本文采取Wasserman[25]的方法对各板块进行分类(如表5)，其中gk表示板块中成员数，g表示网络规模。
表5块模型板块划分
位置内部的关系比例位置接受到的关系比例≈0>0≥(gk-1)/(g-1)双向溢出板块主受益板块/净受益板块<(gk-1)/(g-1)净溢出板块经纪人板块
本文基于Ucinet软件CONCOR方法，借鉴文献[18]，设置最大分割密度为2、收敛标准为0.2，基于整体网络进行分类，如表6所示。
表6中国知识产权保护空间关联板块划分
年份板块数目接受关系板块内部板块外部发送关系板块内部板块外部期望内部关系比例(%)实际内部关系比例(%)板块类型2009板块I48188641011双向溢出板块II4516578106净溢出板块III66286141730经纪人板块IV171111111175339净受益2011板块I58248661311双向溢出板块II4521576106净溢出板块III117757223324净受益板块IV11116511213334经纪人2016板块I47187591011双向溢出板块II5627678137净溢出板块III13118111134046净受益板块IV96566322616经纪人
本文基于2009—2016年省际面板数据，创新性地结合探索性空间数据分析法及社会网络，对创新驱动战略下区域知识产权保护空间关联网络进行解析，拓展了已有研究，得出以下结论：
(2)各省在知识产权保护网络中联系紧密，不存在孤立地区；知识产权保护网络较稳定，且不存在等级森严的现象，节点间联系紧密。同时，知识产权保护网络存在明显的网络间空间溢出效应；上海、北京、江苏等东部发达省份为网络核心节点，海南、广西、辽宁等处于网络边缘位置，其它省份起到桥梁作用，符合各地区经济发展状况；由空间聚类分析表可知，该网络可划分为双向溢出、净溢出、净受益、经纪人四大板块，其中长三角、珠三角、环渤海等较发达地区对其它地区存在较多溢出关系。
根据已有研究结果，提出以下政策建议：
(1)重视区域知识产权保护的空间关联性。为实现区域协调发展，政府应将其作为重要决策变量，积极探索有效途径，提高网络稳定性。同时，各地方政府应积极构建知识合作交流平台，推进跨区域创新体系建设，增强各地区知识产权保护网络的空间关联性。
(3)努力实现知识产权保护的空间公平。考虑地区间空间关联和空间影响，邻近地区以及知识产权保护强度相似的地区间更容易产生空间溢出效应。基于“一盘棋”的网络视角，政府应加快转变落后地区发展方式，鼓励落后地区提升创新能力、缩小地区间差异。同时，建立监督机制，实现全国各地区知识产权执法强度统一。
参考文献:
[1]顾晓燕.知识产权保护对发展中国家创新驱动的影响——一个文献研究的视角[J].学术月刊,2014(9):82-87.
[2]侯建,陈恒.高技术产业自主创新模式驱动专利产出机理研究——知识产权保护视角[J].科学学与科学技术管理,2016,37(10)：63-73.
[3]王智新,梁翠.知识产权保护支撑创新驱动发展评价体系研究[J].科学管理研究,2018(5)：12-14,27.
[4]SAKAKIBARAM,BRANSTETTERL.DoStrongerpatentsinducemoreinnovationevidencefromthe1988Japanesepatentlawreforms[J].RandJournalofEconomics,2001,32(1):77-100.
[5]LEDERMAND,MALONEYWF.R&Danddevelopment[R].WorldBankPolicyResearchWorkingPaper,2007．
[6]ADKISSONRV.Intellectualpropertyrightsintheglobaleconomy[J].JournalofEconomicIssues,2004,38(1):281-282.
[7]CHENY,PUTTITANUNT.Intellectualpropertyrightsandinnovationindevelopingcountries[J].JournalofDevelopmentEconomics,2005,78(2):474-493.
[8]YANGG,MASKUSKE.Intellectualpropertyrights,licensing,andinnovationinanendogenousproduct-cyclemodel[J].JournalofInternationalEconomics,2001,53(1):169-187.
[9]杨明海,张红霞,孙亚男,等.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究,2018(4)：3-19.
[10]徐清.知识产权保护强度的空间分布及其决定因素——基于31个省(市)面板数据的空间计量研究[J].世界经济研究,2013(9):23-29.
[11]伦婉晴,王斌会,李雄英.基于空间视觉的中国区域知识产权产品发展收敛性分析[J].科技管理研究,2016,36(7):154-160.
[12]徐元,于洪平.新形势下实施外贸知识产权战略的思路与对策[J].中国软科学,2014(5):11-22.
[13]顾晓燕,史新和,刘厚俊.知识产权出口贸易与经济增长——基于创新溢出和要素配置的研究视角[J].国际贸易问题,2018(3)：12-13.
[14]李平,宫旭红,齐丹丹.中国最优知识产权保护区间研究——基于自主研发及国际技术引进的视角[J].南开经济研究,2013(3):123-138.
[15]韩玉雄,李怀祖.关于中国知识产权保护水平的定量分析[J].科学学研究,2005,23(3):377-382.
[16]姚利民,饶艳.中国知识产权保护的水平测量和地区差异[J].国际贸易问题,2009(1):114-120.
[17]MORANPAP.Theinterpretationofstatisticalmaps[J].JournaloftheRoyalStatisticalSocietySeriesB(StatisticalMethodology),1947,10(2).
[18]SCOTTJ.Socialnetworkanalysis[M].London:SagePublication,2013.
[19]李敬,陈澍,万广华,等.中国区域经济增长的空间关联及其解释——基于网络分析方法[J].经济研究,2014(11):4-16.
[21]王越,王成云.长三角城市创新联系网络及辐射能力[J].经济地理,2018,38(9):130-137.
[22]刘华军,刘传明,孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济,2015(5):83-95.
[23]FREEMANLC.Centralityinsocialnetworks'conceptualclarification[J].SocialNetworks,1979,1(3):215-239.
[24]WHITEHC,BOORMANSA,BREIGERRL.Socialstructurefrommultiplenetworks[M].Beijing：ForeignLanguagesPress,1976.
[25]WASSERMANS,FAUSTK.Socialnetworkanalysis:methodsandapplications[M].Cambridge:CambridgeUniversityPress,1994.