許可經(jīng)歷對企業(yè)專利質(zhì)量的影響
——基于專利引用的分析

謝 芳，陳 勁

(1.浙江大學(xué)管理學(xué)院，浙江 杭州 310058；2.浙江省委黨?？茖W(xué)發(fā)展觀與浙江發(fā)展研究中心，浙江 杭州 311121；3.清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100084)

許可經(jīng)歷對企業(yè)專利質(zhì)量的影響
——基于專利引用的分析

謝 芳1，2，陳 勁3

(1.浙江大學(xué)管理學(xué)院，浙江 杭州 310058；2.浙江省委黨?？茖W(xué)發(fā)展觀與浙江發(fā)展研究中心，浙江 杭州 311121；3.清華大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100084)

專利許可引進(jìn)是企業(yè)重要的技術(shù)學(xué)習(xí)途徑和技術(shù)競爭力來源。本文基于專利家族全生命周期的專利質(zhì)量測度方法，利用中國專利許可備案數(shù)據(jù)、德溫特創(chuàng)新索引數(shù)據(jù)庫中的專利申請、引證數(shù)據(jù)，采用零膨脹負(fù)二項(xiàng)回歸模型分析了許可經(jīng)歷與企業(yè)專利質(zhì)量的關(guān)系。結(jié)果顯示：專利許可經(jīng)歷會(huì)對受讓企業(yè)的專利質(zhì)量產(chǎn)生正向影響。

專利許可；專利質(zhì)量；專利引用；知識(shí)流動(dòng)

1 引言

近年來中國專利數(shù)量快速增長，與2000年相比年專利數(shù)目已增長了16倍。截至2016 年9月，中國國內(nèi)發(fā)明專利受理量累計(jì)為569.5萬件，同比增長37.7%，授權(quán)量累計(jì)為142.3萬件，同比增長44.3%。蘭德智庫(Rand)通過測算全要素生產(chǎn)率(TFP)發(fā)現(xiàn)了中國創(chuàng)新的悖論，專利數(shù)量增加并沒有帶來專利質(zhì)量的提高。如何從專利的數(shù)量大國邁向質(zhì)量強(qiáng)國，提升中國的專利質(zhì)量，成為當(dāng)前政府和企業(yè)關(guān)注的焦點(diǎn)。

企業(yè)的技術(shù)創(chuàng)新活動(dòng)在完善的專利體制下表現(xiàn)為專利競賽，在專利競賽中專利質(zhì)量的高低比專利數(shù)量的多少更為重要。國內(nèi)外學(xué)者對專利質(zhì)量進(jìn)行了一系列的理論與實(shí)證研究，早期研究多為解釋專利質(zhì)量的概念及構(gòu)成，后期研究的重點(diǎn)轉(zhuǎn)向如何對專利質(zhì)量進(jìn)行合理的評估和測度。學(xué)者們對專利質(zhì)量的各種測度指標(biāo)進(jìn)行了深入研究，例如可以通過IPC 分類號(hào)個(gè)數(shù)[1]、同族專利的個(gè)數(shù)[2]、權(quán)利要求數(shù)量[3]來評價(jià)專利技術(shù)的覆蓋范圍。發(fā)明專利比例、專利授權(quán)率[4]、專利維持率[5]、專利維持時(shí)間[6]因?yàn)閿?shù)據(jù)的易得性成為國內(nèi)學(xué)者在實(shí)證研究中經(jīng)常使用的指標(biāo)。在眾多專利質(zhì)量的度量指標(biāo)中，專利引證數(shù)據(jù)是認(rèn)可程度最高的指標(biāo)。專利的引證數(shù)據(jù)可分為兩類，即后向引用及前向引用。后向引用反映了該專利相關(guān)創(chuàng)新活動(dòng)的知識(shí)來源，被學(xué)者們普遍用于國家[7-8]、產(chǎn)業(yè)[9-10]、企業(yè)[11-12]層面的知識(shí)流動(dòng)分析。前向引用反映了該專利的技術(shù)影響力，它屬于偏態(tài)分布，正好契合專利質(zhì)量的分布[13],如果一項(xiàng)專利大量被引用則表示該項(xiàng)專利有更高的質(zhì)量[14]。Iwan等[15]認(rèn)為可通過引證鏈來獲取更多的前向引用信息。與此類似，Atallah和Rodriguez[16]在2006年提出了“累積引證”概念。其他和引證數(shù)據(jù)相關(guān)的衍生指標(biāo)主要有即時(shí)影響指數(shù)、技術(shù)強(qiáng)度、科學(xué)關(guān)聯(lián)度、技術(shù)循環(huán)周期[17-19]。

雖然專利前向引用次數(shù)被認(rèn)為是最客觀有效的專利質(zhì)量評估指標(biāo)，但國內(nèi)學(xué)者使用前向引用進(jìn)行專利質(zhì)量的實(shí)證研究較為少見。其中一個(gè)原因是前向引用數(shù)據(jù)存在時(shí)間截面、引證膨脹、技術(shù)領(lǐng)域差異三大難題，如果不加修正直接使用會(huì)導(dǎo)致錯(cuò)誤的結(jié)論。另一方面，目前尚未有比較權(quán)威的中國專利引文數(shù)據(jù)庫，數(shù)據(jù)來源存在局限性。德溫特創(chuàng)新索引數(shù)據(jù)庫(DII)是目前世界上最全面的國際專利信息數(shù)據(jù)庫，涵蓋了世界上五大專利機(jī)構(gòu)授予專利的申請信息及引用信息。數(shù)據(jù)庫的每一條記錄是一個(gè)專利家族，包含一個(gè)或多個(gè)專利號(hào)，記錄了同一個(gè)發(fā)明在世界各地的申請情況。但是使用該數(shù)據(jù)庫分析中國專利存在兩個(gè)難點(diǎn)：一是中英文信息轉(zhuǎn)換過程中的匹配問題；二是以往對專利前向引用分析的研究都是基于單個(gè)專利的分析，缺少對專利家族前向引用的系統(tǒng)分析。并且在現(xiàn)有的前向引用修正模型中，只能對引用次數(shù)不為零的專利進(jìn)行全生命周期引用次數(shù)的估計(jì)。

另一方面，學(xué)術(shù)界和實(shí)業(yè)界對專利許可與企業(yè)自主創(chuàng)新能力成長的關(guān)系一直存在爭論。例如Lowe 和Taylo[20]認(rèn)為許可引進(jìn)能使企業(yè)形成更加多元化的知識(shí)結(jié)構(gòu)；技術(shù)許可是中國企業(yè)建立研發(fā)投入的良性運(yùn)行機(jī)制，技術(shù)學(xué)習(xí)在許可引進(jìn)和技術(shù)創(chuàng)新能力成長之間發(fā)揮了橋梁和紐帶作用[21]。但也有一些學(xué)者認(rèn)為，外部技術(shù)引進(jìn)可能產(chǎn)生“擠出”效應(yīng)，導(dǎo)致企業(yè)本身技術(shù)創(chuàng)新能力的減弱[22]。雖然專利許可與企業(yè)創(chuàng)新能力關(guān)系的研究已經(jīng)取得了諸多成果，但專利質(zhì)量作為企業(yè)創(chuàng)新能力的一個(gè)重要表征，尚未有論文對專利許可與專利質(zhì)量之間的關(guān)系做過深入研究。

綜上所述，針對前人研究存在的不足和空缺，本文研究的問題是專利許可經(jīng)歷是否會(huì)對專利受讓公司后續(xù)的專利質(zhì)量產(chǎn)生影響？本研究將構(gòu)建專利家族全生命周期前向引用次數(shù)的測度方法，基于專利家族中已被引用專利的前向引用次數(shù)預(yù)估當(dāng)前未被引用的專利未來的累計(jì)引用概率值。在此基礎(chǔ)上，通過專利的前向和后向引用數(shù)據(jù)探索許可經(jīng)歷與專利受讓公司后續(xù)專利質(zhì)量之間的關(guān)系。

2 研究設(shè)計(jì)

2.1 被解釋變量——專利質(zhì)量

由于“專利質(zhì)量”本身的數(shù)據(jù)難以直接獲取，在Hall等人[23]的研究基礎(chǔ)上，本文使用“專利家族全生命周期前向引用次數(shù)”Ck(L)作為專利質(zhì)量的代理變量，具體公式如下：

(1)

2.2 全生命周期的前向引用估計(jì)值A(chǔ)FCk(L)

AFCk(L)=FCk(L)×[αk(L)]-1

(2)

FCk(L)是專利家族原始的前向引用次數(shù)，由專利家族中已被引用的專利其前向引用次數(shù)累加而得。如果直接采用原始的前向引用次數(shù)作為模型的變量會(huì)存在時(shí)間截面、引證膨脹、技術(shù)領(lǐng)域差異等問題。為了修正這三個(gè)問題所引起的偏差，Hall等學(xué)者在2001年提出了準(zhǔn)結(jié)構(gòu)修正法，他們假設(shè)專利引用分布符合雙指數(shù)函數(shù):

fk(L)=exp(-β1kL)(1-exp(-β2k))

(3)

圖1 專利引用滯后分布圖(假設(shè)滯后期最長為35年)

2.3 專利將來被引用的累積概率值Pk(L)

(4)

Pk(L)指的是當(dāng)滯后期為L時(shí)尚未被引用的專利在將來被引用的累積概率值。如前文所述，Hall等學(xué)者估算的相關(guān)參數(shù)是建立在專利引用滯后期最長為35年的前提下。但實(shí)際上專利的引用是一個(gè)長期過程，一項(xiàng)專利被授權(quán)以后任何時(shí)候都可能被引用，不受保護(hù)期限的限制。引用的峰值一般在專利授權(quán)后的第五年出現(xiàn)。雖然五年之后被引用的概率越來越小，但一些有影響力的高質(zhì)量專利在授權(quán)50年以后仍然會(huì)被引用。

我們將Pk(L)設(shè)計(jì)成一個(gè)分段函數(shù)，當(dāng)L小于35年時(shí)，根據(jù)條件概率公式及Hall等學(xué)者估算的αk(L)數(shù)值，可得到Pk(L)的計(jì)算公式。其中系數(shù)ξ指的是滯后期為35年時(shí)的累積引用率占整個(gè)生命周期的百分比。根據(jù)以往研究結(jié)果，這一比例大約為90%。當(dāng)L大于等于35年時(shí)，由于專利被引用的概率比較小，我們將Pk(L)簡單估算成0.05。

2.4 解釋變量——專利的后向引用類型

本文的研究問題是“許可經(jīng)歷是否會(huì)對專利受讓公司后續(xù)的專利質(zhì)量產(chǎn)生影響”。專利的后向引用是創(chuàng)新中知識(shí)流動(dòng)的重要測度指標(biāo)，反映該專利相關(guān)創(chuàng)新活動(dòng)的知識(shí)來源，也因此成為我們觀測專利與許可交易關(guān)聯(lián)的一個(gè)窗口。假設(shè)在觀測期內(nèi)專利許可出讓公司和受讓公司有n條交易專利，那么專利許可受讓公司后續(xù)專利的后向引文可分為六種類型：直接引用n條交易專利中的一條或多條；間接引用交易專利中的一條或多條；和n條交易專利中的一條或多條存在共引；后向引用出讓公司的專利，但不屬于前三種情況；后向引用出讓公司以外其他公司或機(jī)構(gòu)的專利；該專利沒有任何后向引用信息。在這六種分類中，前四類前向引用都和專利許可出讓公司有關(guān)，而且在對數(shù)據(jù)的初步分析中，我們發(fā)現(xiàn)前三類的數(shù)量非常少，不適合進(jìn)行單獨(dú)的數(shù)據(jù)分析，因此把前四類合并成一個(gè)大類，即“后向引用了專利許可出讓公司的專利”。為了考察許可經(jīng)歷與專利質(zhì)量之間的統(tǒng)計(jì)關(guān)系，我們根據(jù)專利申請時(shí)的后向引用信息設(shè)計(jì)了分類變量type，變量值1代表專利許可受讓公司在申請專利時(shí)后向引用了專利許可出讓公司的專利；變量值2代表后向引用了除專利許可出讓公司之外的其他公司或機(jī)構(gòu)的專利；變量值3則代表沒有任何后向引用信息。并相應(yīng)設(shè)計(jì)了type1、type2、type3三個(gè)虛擬變量作為回歸模型的自變量，相關(guān)假設(shè)如下：

假設(shè)H1：后向引用的不同類型會(huì)對專利質(zhì)量產(chǎn)生影響。

假設(shè)H2：后向引用了專利許可出讓公司的專利質(zhì)量顯著優(yōu)于其他兩類的專利質(zhì)量。

假設(shè)H2a:后向引用了專利許可出讓公司(type1)的專利質(zhì)量顯著優(yōu)于引用了其他公司或機(jī)構(gòu)(type2)的專利質(zhì)量；假設(shè)H2b:后向引用了其他公司(type2)的專利質(zhì)量顯著優(yōu)于沒有任何后向引用(type3)的專利質(zhì)量。

同時(shí)參考前人的研究成果，使用專利技術(shù)通用性、專利文獻(xiàn)標(biāo)題字?jǐn)?shù)、專利授權(quán)年份作為模型的控制變量。本論文研究主要涉及的變量名稱及含義見表1。

表1 模型變量說明

2.5 數(shù)據(jù)來源和樣本選擇

本論文的研究數(shù)據(jù)主要由三部分構(gòu)成：專利許可交易信息、專利申請信息、專利前向引用信息。企業(yè)在進(jìn)行了專利許可交易后，需要足夠的時(shí)間進(jìn)行消化、學(xué)習(xí)和再創(chuàng)新。根據(jù)國際經(jīng)驗(yàn)數(shù)據(jù)，企業(yè)研發(fā)投入與創(chuàng)新產(chǎn)出的滯后時(shí)間為3～6年。而對專利前向引用的觀測也需要一定的時(shí)間長度，五年的觀測期是研究中經(jīng)常使用的。依據(jù)這三部分信息的時(shí)間滯后性，本研究將專利許可交易信息的樣本觀察期定為2002—2005年，專利申請信息的觀察期為2006—2010年，專利前向引用信息的觀察期為2007—2015年。至于專利前向引用信息存在的時(shí)間截面問題，我們在模型因變量的設(shè)計(jì)中已經(jīng)進(jìn)行了修正。依據(jù)前文所述研究變量與邏輯，本論文的研究思路如圖2所示。

圖2 論文研究思路

專利許可信息來自中國企業(yè)專利許可登記備案庫，選擇數(shù)據(jù)庫中2002—2005年專利受讓方為中國本土企業(yè)的作為樣本企業(yè)(剔除了合資、外商獨(dú)資和合作企業(yè)以及個(gè)人之間、個(gè)人到企業(yè)的許可)，然后在中國國家知識(shí)產(chǎn)權(quán)局專利信息數(shù)據(jù)庫(SIPO)中搜到共有72家企業(yè)在許可交易后有專利申請行為。由于SIPO數(shù)據(jù)庫缺乏專利的引用信息，我們選擇德溫特創(chuàng)新索引數(shù)據(jù)庫DII(Derwent Innovation Index)對這72家企業(yè)的專利申請信息和引用信息進(jìn)行搜索。

DII數(shù)據(jù)庫是英文數(shù)據(jù)庫，存在專利權(quán)人名稱中英文轉(zhuǎn)換問題，同一個(gè)中國企業(yè)在DII里可能擁有多個(gè)英文名稱。對于這一問題，DII近年來已做了改進(jìn)，一些大型的科研機(jī)構(gòu)和企業(yè)都被賦予唯一的標(biāo)識(shí)碼。由于DII數(shù)據(jù)庫中早期專利申請量較小的一些中國企業(yè)存在數(shù)據(jù)缺失，最終我們在DII數(shù)據(jù)庫中能夠找到完整專利申請信息的企業(yè)樣本數(shù)為46家。對這46家企業(yè)的專利申請信息進(jìn)行初步分析，我們發(fā)現(xiàn)其中一半的專利申請量來自比亞迪公司。比亞迪擁有IT、汽車及新能源三大產(chǎn)業(yè)，是非常具有代表性的一家中國本土創(chuàng)新企業(yè)，并且它在DII數(shù)據(jù)庫中擁有唯一的企業(yè)標(biāo)識(shí)碼(BYDB-C)，便于我們后續(xù)對其專利引用信息的搜索?；谝陨弦蛩?，我們最終選擇了比亞迪公司作為本研究的樣本企業(yè)。

在DII數(shù)據(jù)庫中搜索到2006—2010年比亞迪公司共有4716條專利申請記錄，其中97條后向引用了專利許可出讓公司的專利，在其余的4619條記錄中隨機(jī)抽樣500條記錄，得到專利分析樣本共597條記錄。接著在數(shù)據(jù)庫中搜集了2007—2015年比亞迪公司的前向引用記錄共7778條，并將597條專利分析樣本和7778條前向引用記錄導(dǎo)入到Stata作為后續(xù)分析的基礎(chǔ)數(shù)據(jù)。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)分析和模型回歸方法

表2是樣本的描述性統(tǒng)計(jì)信息，因變量專利質(zhì)量為非負(fù)的離散型整數(shù)變量，采用一般的線性回歸會(huì)產(chǎn)生無效和有偏的系數(shù),計(jì)數(shù)模型則提供了一種更好的解決方法。計(jì)數(shù)數(shù)據(jù)的概率分布主要有泊松分布和負(fù)二項(xiàng)分布兩種，泊松分布的一個(gè)基本假定是數(shù)據(jù)的均值等于其標(biāo)準(zhǔn)差。由表2可知，專利質(zhì)量的標(biāo)準(zhǔn)差大于均值，呈超離散分布，符合負(fù)二項(xiàng)分布。而且通過初步的樣本數(shù)據(jù)分析發(fā)現(xiàn)專利質(zhì)量的零值較多，因此我們采用零膨脹負(fù)二項(xiàng)回歸模型作為本文的研究模型。為了控制異方差現(xiàn)象，自變量和控制變量在運(yùn)行模型時(shí)除了虛擬變量外都采用原變量的對數(shù)形式。

表2 樣本的描述性統(tǒng)計(jì)分析

3.2 實(shí)證結(jié)果

回歸模型的具體檢驗(yàn)結(jié)果如表3所示。模型1為只包含控制變量的基礎(chǔ)模型，模型2為加入自變量后的零膨脹負(fù)二項(xiàng)回歸結(jié)果。模型3和模型4分別為泊松和普通負(fù)二項(xiàng)回歸模型結(jié)果，作為本論文研究模型的對照組一起列出。

表3 專利質(zhì)量CKL回歸模型分析結(jié)果

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤,***p<0.01，**p<0.05，*p<0.1。

模型2中自變量type1和type2的系數(shù)分別為0.492和0.423，p值均小于0.01，證明它們對因變量專利質(zhì)量都具有非常顯著的正向影響，假設(shè)H1得到支持?？刂谱兞恐袑＠夹g(shù)通用性對專利質(zhì)量也顯示出非常顯著的正相關(guān)性，這和前人的研究結(jié)論是一致的。作為對照組的兩個(gè)模型在變量的顯著性和方向性上都和研究模型體現(xiàn)出了高度的一致性。

為了進(jìn)一步檢驗(yàn)假設(shè)H2，我們將后向引用的三種類型進(jìn)行基于Scheffe統(tǒng)計(jì)量的對比檢驗(yàn)，結(jié)果見表4、表5。

通過表4和圖3，可以很直觀地看到類別1的專利質(zhì)量均值明顯高于類別2和類別3。但是在Scheffe檢驗(yàn)結(jié)果表中(見表5)，類別2的專利質(zhì)量均值雖然比類別1低2.33，p值卻為0.466，說明兩者在統(tǒng)計(jì)意義上不具有顯著差異，本文的研究假設(shè)H2a只得到了部分支持。類別3的專利質(zhì)量均值均低于類別1和類別2，且在統(tǒng)計(jì)意義上具有顯著差異(p=0.000)，因此本文的研究假設(shè)H2b得到完全支持。

表4 專利質(zhì)量CKL均值的分類統(tǒng)計(jì)

表5 基于scheffe檢驗(yàn)的專利質(zhì)量CKL均值分類對比

注：括號(hào)內(nèi)為p值。

圖3 不同類型后向引用的專利質(zhì)量CKL均值圖

3.3 去除自引專利后的穩(wěn)健性檢驗(yàn)

“專利自引”是專利引證中的常見現(xiàn)象，指在先專利被該專利權(quán)利人的在后專利所引用。原始前向引用次數(shù)FC是因變量CKL的關(guān)鍵過程變量，我們在統(tǒng)計(jì)FC的變量值時(shí)，其實(shí)包含了專利許可受讓企業(yè)的一些自引專利。為了去除這部分自引專利對模型因變量的影響，我們對數(shù)據(jù)進(jìn)行了進(jìn)一步清理，在統(tǒng)計(jì)原始前向引用次數(shù)時(shí)剔除了自引專利，并命名為新變量FCX，然后按照原來CKL的計(jì)算公式重新計(jì)算了因變量專利質(zhì)量(變量命名為CKLX)。將自變量、控制變量、模型回歸方法保持不變，采用更為客觀的CKLX值作為因變量再次對本文的研究假設(shè)進(jìn)行檢驗(yàn)?；貧w模型的具體結(jié)果如表6所示。

各個(gè)模型的含義和表3的介紹相同，此處不再重復(fù)解釋。表6中各個(gè)結(jié)果和表3中的結(jié)果基本一致，自變量type1、type2和控制變量專利技術(shù)通用性對因變量專利質(zhì)量都具有非常顯著的正向影響，證明了假設(shè)H1成立的穩(wěn)健性。

類似地，我們也對后向引用的三種類型進(jìn)行基于Scheffe統(tǒng)計(jì)量的對比檢驗(yàn)，結(jié)果見表7、表8。

將表7、圖4、表8和表4、圖3、表5進(jìn)行比較，我們發(fā)現(xiàn)除了專利質(zhì)量的均值普遍變小了以外，研究結(jié)論和前文是一致的，即假設(shè)H2a只得到了部分支持，假設(shè)H2b得到了完全支持，進(jìn)一步證明了之前研究結(jié)論的穩(wěn)健性。

表6 專利質(zhì)量CKLX回歸模型分析結(jié)果

注：括號(hào)內(nèi)為標(biāo)準(zhǔn)誤,***p<0.01，**p<0.05，*p<0.1。

表7 專利質(zhì)量CKLX均值的分類統(tǒng)計(jì)

表8 基于scheffe檢驗(yàn)的專利質(zhì)量CKLX均值分類對比

注：括號(hào)內(nèi)為p值。

圖4 不同類型后向引用的專利質(zhì)量CKLX均值圖

3.4 高引用和低引用專利的分組回歸穩(wěn)健性檢驗(yàn)

考慮到高引用和低引用的專利可能呈現(xiàn)出不同的特征，我們運(yùn)用分組回歸對本文的研究假設(shè)做進(jìn)一步檢驗(yàn)。通過初步樣本數(shù)據(jù)分析，我們觀察到大約90%的專利其原始前向引用次數(shù)(FCX)都低于4次。因此將FCX值大于4作為高引用組的標(biāo)準(zhǔn)，將樣本分為高引用和低引用專利兩組進(jìn)行零膨脹負(fù)二項(xiàng)回歸分析，具體結(jié)果見表9。

表9 專利質(zhì)量CKLX分組回歸模型分析結(jié)果

分組回歸顯示低引用和高引用專利除了在影響系數(shù)上有細(xì)微差異外，其余研究結(jié)論和前文是一致的，也再次驗(yàn)證了本文實(shí)證結(jié)果的穩(wěn)健性。

4 研究結(jié)論及啟示

本文基于中國專利許可備案數(shù)據(jù)、專利申請、引證數(shù)據(jù)，采用零膨脹負(fù)二項(xiàng)回歸模型分析了許可經(jīng)歷與企業(yè)專利質(zhì)量的關(guān)系。在基準(zhǔn)回歸模型的基礎(chǔ)上，我們還進(jìn)行了去除自引專利后的穩(wěn)健性檢驗(yàn)、高引用和低引用專利的分組回歸穩(wěn)健性檢驗(yàn)。統(tǒng)計(jì)結(jié)果表明，自變量對因變量專利質(zhì)量自始至終(表3、表6、表9)都具有非常顯著的正向作用，說明專利后向引用的不同類型確實(shí)會(huì)影響專利質(zhì)量。就后向引用三種類型之間的比較來看，雖然類別1和類別2在統(tǒng)計(jì)學(xué)意義上不具有顯著差異，但是后向引用專利許可出讓公司的專利在專利質(zhì)量均值上高于其他兩類，說明專利許可經(jīng)歷在一定程度上改進(jìn)了專利受讓企業(yè)后續(xù)的專利質(zhì)量。

上述研究結(jié)論對企業(yè)的創(chuàng)新管理具有啟示作用，企業(yè)除了通過加強(qiáng)內(nèi)部研發(fā)這一傳統(tǒng)途徑來提高專利質(zhì)量、提升創(chuàng)新能力以外，還需要進(jìn)一步拓展外部的技術(shù)學(xué)習(xí)機(jī)制，本文證明了專利許可是其中一種可行的途徑。當(dāng)然，專利許可與企業(yè)創(chuàng)新能力之間并不是簡單的線性關(guān)系，而是一種高度復(fù)雜的非線性關(guān)系。專利許可對企業(yè)知識(shí)吸收能力和知識(shí)結(jié)構(gòu)異質(zhì)性的提高只有通過一定學(xué)習(xí)和積累才能實(shí)現(xiàn)，從而形成專利許可與創(chuàng)新之間的良性互動(dòng)。

本文的研究價(jià)值和創(chuàng)新性主要體現(xiàn)在：①首次從專利引用的微觀層面實(shí)證探討了專利許可引進(jìn)與企業(yè)專利質(zhì)量的內(nèi)在關(guān)系，既增強(qiáng)了現(xiàn)有理論研究的系統(tǒng)性，又對進(jìn)一步提升企業(yè)的專利質(zhì)量具有實(shí)踐指導(dǎo)意義；②從專利計(jì)量學(xué)的角度，對原有專利的前向引用統(tǒng)計(jì)公式進(jìn)行了修正和改進(jìn)，從單個(gè)專利擴(kuò)展到對專利家族專利質(zhì)量的測度，并實(shí)現(xiàn)了對當(dāng)前引用次數(shù)為零的專利進(jìn)行全生命周期引用次數(shù)的預(yù)估，為以后相關(guān)的數(shù)據(jù)分析提供了一定的啟示；③從企業(yè)專利質(zhì)量這一分析視角為長久以來專利許可與企業(yè)自主創(chuàng)新能力成長關(guān)系存在的爭論提供了新的佐證資料，擴(kuò)展了我們對專利許可與企業(yè)創(chuàng)新聯(lián)系的理解。

本論文也存在一定的局限性，研究將比亞迪公司作為樣本企業(yè)，從專利層面探索了專利許可與企業(yè)專利質(zhì)量的關(guān)系，單個(gè)企業(yè)樣本影響了研究的外在效度，也使我們的研究忽略了企業(yè)層面的一些影響因素。未來可以擴(kuò)展樣本企業(yè)數(shù)量，運(yùn)用多層次分析法綜合企業(yè)和專利兩個(gè)層面，更加系統(tǒng)深入地分析專利許可與企業(yè)專利質(zhì)量之間的關(guān)系。

[1]LERNER J.The importance of patent scope:an empirical analysis[J].The R&D journal of economics，1994,25(2):319-333.

[2]LANJOUW J O，SCHANKERMAN M.Patent quality and research productivity:measuring innovation with multiple indicators[J].The economic journal,2004,495(114):441-465.

[3]NAGAOKA S.Assessing the R&D management of a firm in terms of speed and science linkage:evidence from the Us patents[J].Journal of economics & management strategy，2007,16(1):129-156.

[4]萬小麗.知識(shí)產(chǎn)權(quán)戰(zhàn)略實(shí)施績效評估中的專利質(zhì)量指標(biāo)及其作用研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2009(11):69-74.

[5]宋河發(fā)，穆榮平，陳芳.專利質(zhì)量及其測度方法與測度指標(biāo)體系研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2010(4):21-27.

[6]朱雪忠，喬永忠，萬小麗.基于維持時(shí)間的發(fā)明專利質(zhì)量實(shí)證研究——以中國國家知識(shí)產(chǎn)權(quán)局1994 年授權(quán)的發(fā)明專利為例[J].管理世界，2009(1):174-175.

[7]JAFFE A B，TRAJTENBERG M.International knowledge flows:evidence from patent citations[J].Economics of innovation and new technology，1999(8):105-136.

[8]HU A，JAFFE A B.Patent citations and international knowledge flow:the cases of Korea and Taiwan[J].International journal of industrial organization,2003,21(6):849-880.

[9]RNSENKOPF L，ALMEIDA P.Overcoming local search through alliance and mobility[J].Management science,2003，49(6):751-766.

[10]WU Y，LEE P.The use of patent analysis in assessing ITS innovations：US，European and Japan[J].Transportation research part A,2006,41：568-586.

[11]HE Z，LIRA K，WONG P.Snakes and ladders：a patent analysis of Ericsson，Motorola and Nokia in the wireless communications industry，1980—2000[A].Proceedings of the 2004 IEEE International Engineering Management Conference：Innovation and Entrepreneurship for Sustainable Development[C],2004.22-26.

[12]LEE Y G，LEE J D，et al.An indepth empirical analysis of patent citation counts using zero—inflated count data model：the case of KIST[J].Seientometries，2007，70(1)：27-39.

[13]萬小麗.專利質(zhì)量指標(biāo)中“被引次數(shù)”的深度剖析[J].情報(bào)科學(xué),2014,32(1):68-73.

[14]TRAJTENBERG M.A penny for your quotes:patent citations and the value of innovations[J].Rand journal of economics,1990，21(1):172-181.

[15]IWAN V W，THORSTEN T，KATJA R.Inventive progress measured by multi-stage patent citation analysis[J].Research policy，2005，34(10):1591-1607.

[16]ATALLAH G，RODRIGUEZ G.Indirect patent citations[J].Scientometrics，2006，67(3):437-465.

[17]NARIN F，CARPENTER M P，WOOLF P.Technological performance assessment based on patents and patent citations[J].IEEE transactions on engineering management，1984,31(4):172-183.

[18]ALBERT M B，AVERY D，NARIN F，et al.Direct validation of citation counts as indicators of industrially important patents[J].Research policy，1991，20(3):251-259.

[19]HIRSCHEY M，RICHARDSON V J.Valuation effects of patent quality:a comparison for Japanese and U.S.firms[J].Pacific-basin finance journal，2001，9(1):65-82.

[20]LOWE J，TAYLOR P.R&D and technology purchase through license agreements:complementary strategies and complementary assets[J].R&D management，1998,28(4):263-278.

[21]王元地,等.專利許可、技術(shù)學(xué)習(xí)與企業(yè)創(chuàng)新能力成長[J].研究與發(fā)展管理,2012,24(5):55-63.

[22]PILLAI P M.Technology transfer，adaptation and assimilation[J].Economic and political weekly，1979，14(47):121-126.

[23]HALL B H，JAFFE A B，TRAJTENBERG M.The NBER patent citations data file:lessons，insights and methodological tools[R].NBER Working，2001.

[24]CABALLERO R，JAFFE A.How high are the Giants’ shoulders:an empirical assessment of knowledge spillovers and creative destruction in a model of economic growth.blanchard O.and fischer S.National Bureau of Economic Research Macroeconomics Annual[C].MIT Press，1993.

(責(zé)任編輯 沈蓉)

TheInfluenceofLicensingExperienceontheFirm’sPatentQuality:BasedonPatentCitationData

Xie Fang1，2，Chen Jin3

(1.School of Management，Zhejiang University，Hangzhou 310058，China；2.Research Center for the Scientific development outlook and Zhejiang Development of Zhejiang Party School，Hangzhou 311121，China；3.School of Economics and Management，Tsinghua University，Beijing 100084，China)

Patent licensing is an important way of firm’s technological learning and the source of technological competitiveness.Based on the measurement of the patent family quality over the life span，the study examines the relationship between the licensing experience and firm’s patent quality using negative binomial regression model.Various data sources are used in the study:the registered records of patent licensing agreements by the State Intellectual Property Office of PRC；Patent application and citation data from the Derwent Innovation Index database.The results indicate that the licensing experience positively impact licensee firm’s subsequent patent quality.

Patent licensing；Patent quality；Patent citation；Knowledge flow

浙江省軟科學(xué)研究計(jì)劃項(xiàng)目(2017C35032)。

2017-03-30

謝芳(1977-)，女，浙江嘉興人，副教授，博士研究生；研究方向：技術(shù)經(jīng)濟(jì)管理、知識(shí)產(chǎn)權(quán)。

F204

A