国家开放创新体系的专利测度:中美比较视角①

李纪珍,张雪梅,凌学忠

(1.清华大学 经济管理学院,北京 100084；2.清华大学技术创新研究中心,北京 100084)

1 研究背景

随着一些国家特别是发达国家和部分追赶经济体越来越强调创新驱动发展,专利在国家创新中的竞争地位日益凸显。与之对应的是,专利制度和知识产权在激励创新、提高经济发展质量中的作用不断加强,如2013年9月由欧洲专利局和欧盟内部市场协调局共同开展的一项关于在欧盟知识产权对经济影响的研究成果就凸显了知识产权密集型产业的优异表现及其在提供就业、外贸和GDP方面的积极影响,因此对专利的研究分析也越来越受到各国学者、企业及政府机构的重视[1]。

一方面,专利包含了国际上最新、最全面的技术信息,其中专利文献披露了全球90%以上的技术创新成果,专利的多项指数已经成为美国国家科学基金会编写出版的《美国科学与工程指标》以及经济合作与发展组织(Organisation for Economic Cooperation and Development,OECD)的科技指标系列手册上度量技术创新活动的可靠指标[2-3]。

另一方面,从国家创新体系的角度看,由于一国专利的学科背景、实际应用、知识内容和跨领域研究等信息可以在很大程度上从知识要素层面揭示一国国家创新体系的运作绩效,而一国专利的跨学科、跨行业、跨区域和跨国引证,则可认为是一国国家创新体系开放性的重要体现,因此,基于专利的创新分析可用于对国家开放创新体系的测度[4]。

基于此,本文以发明专利作为国家开放创新体系的一种测度,选取中国和美国这两个全球专利大国作为研究对象,在借鉴Hidalgo等[5]在Science上发表影响很大的一篇论文中所提出产品空间理论基础上,运用社会网络分析方法,对比分析中美两国现有技术发明专利的分布情况以及潜在比较优势竞争产业,展开对国家开放创新体系的探索和讨论,并就国家层面上的专利开放合作中的技术接近度和创新转型进行研究,以期为我国产业结构调整、优化升级以及精准扶持的科技政策制定提供相关理论依据。

2 理论方法介绍

2.1 专利分析

专利分析即通过对专利文献中的说明书(包括申请人、发明人、权利要求书和技术背景等)以及各国和地区专利局发布的专利公报中大量零碎的专利信息进行汇总和分析,并利用统计学方法使这些大量的数据转化成具有总揽全局及预测功能的竞争情报,从而为国家或企业的技术、产品及服务开发中的决策提供参考服务[6]。

以技术领域分类,对技术主题中专利所包含的数据以及趋势研究是常用的专利分析方法,如专利的申请件数、授权数量、同族专利数、申请人属性(如个体、企业、大学和机构)、发明人属性(如天才型发明人、关键型发明人、勤奋型发明人)以及被引次数等。这些分析研究对企业开发新技术、了解产品的技术生命周期、实施企业并购战略等都很有帮助[7-11]。而在各类专利分析方法中,引文分析则是用于反映专利质量以及各技术之间相互关联的主要手段。专利引文分析是指利用各种数学和统计学的方法以及比较、归纳、抽象、概括等逻辑方法,对专利文献的引用或被引用现象进行分析,以揭示专利文献之间、专利文献与科学论文之间相互关联的数量特征和内在规律的一种文献计量研究方法[12-14]。可以说,专利引证分析研究源于科学引文研究的扩展。自20世纪70年代以来,随着计算机在美国专利引文数据中的使用,涌现了一大批专利引证分析研究成果,尤其是1968年成立的知识产权咨询公司——CHI Research公司创立了一系列专利引文分析指标,开创了专利引证分析与研究的先河[15]。

以被观察和分析的专利为基点,专利引证模式分为引用和被引用两种模式,在国外也分别被称为后引和前引。基于引用和被引用的引证模式,通常采用指标分析和网络分析作为主要引证分析方法[16-18]。统计专利引用的专利文献情况,可以测度技术与技术之间的扩散迁移,了解创新过程中的技术流动方向和强度,判别不同主体在技术创新中所处地位。具体来说,通过专利引用可以实现技术与技术之间知识传递的测度,引证关系的方向和强度可以透视出各区域、创新主体之间的技术差距或知识势能差,这种势能差促使知识从技术高位势的经济主体流向技术低位势的经济主体,由此可以确定在全球技术创新中的技术扩散的起点和终点[19]。

在众多专利引证指标分析中,专利被引指标是国内外专家学者认可的评价技术影响力和专利质量的国际通用指标,已经广泛应用在各类技术评估中。研究表明,涉及重大创新或重大技术进步的专利(或称为“核心技术”),通常具有相对较高的被引用次数,高被引专利比低被引专利具有更大的技术影响力[6,20-23]。一项专利被后续专利引用的次数越多,说明该技术越重要,技术影响力大,对应的专利质量好。对于公司层面而言,专利被引用次数与公司股票市场行为正相关,即专利质量与专利价值正相关,也就意味着被引用次数越多的专利,越具有较高的价值,表现出较好的经济绩效[7,24-27]。

此外,专利的引文分析还被学者们用于开放创新的研究中。如Wuchty等[28]利用时间跨度约50年、合计1 990多万篇学术论文的统计数据和210万项专利统计数据论证合作创新过程中的知识溢出的重要作用。他们的研究结果表明,合作创新过程中的个人之间的非正式交流犹如一所“隐性大学”,对创新发展起着重要推动作用,而且他们发现合作团队的规模越大,合作研究得到的成果影响力越大,对创新的推动作用越显著。麻省理工学院斯隆管理学院著名教授Azoulay等[29]在后来的研究中则认为合作对学术论文的创新推动作用要强于专利,而后者更依赖于“面对面”的人员交流和团队化合作。可以说,专利分析的方法和应用不断呈现多样化,研究的内容也涵盖了企业、区域和各类技术领域。

2.2 社会网络分析方法

社会网络分析(social network analysis,SNA)兴起于20世纪70年代,其本质是一种关系论的思维方式,用于对网络中行为者之间的社会关系进行量化研究。在社会网络分析中,“点”和“边”是最基础也是最重要的概念,社会网络中所说的“点”是各个社会行动者,而社会网络中的“边”是指行动者之间的各种社会关系。基于点和边的常用基本概念包括“度数”和“密度”。所谓“度数”,是指某一个点的邻点的个数；“密度”是指密度是网络中实际存在的关系数目与可能存在的最多关系数目之比,其表达的是网络中点之间关系的紧密程度[30-37]。实际上,社会网络分析所关心的是社会关系事件,所解决的基本问题就是目标网络的形成缘由和发展过程。

经过40多年的发展历史,特别是借助互联网技术快速普及的时代背景,社会网络分析方法已经成为社会网络理论中的一种强大工具,广泛应用于社会学、政治学、经济学、心理学、通信科学和人类学等领域[38-43]。值得一提的是,社会网络分析方法也是进行创新研究的重要手段[44-46]。

Abrahamson等[47]通过计算机模拟研究了社会网络对创新扩散程度的影响,提出一个关于社交网络的结构如何影响街头广告的理论。他们认为社会网络结构应该成为创新扩散中的一个重要影响因素,网络连接的数量以及它们结构中看似微不足道的小特质对于创新在社交网络成员之间的传播程度都会产生非常大的影响,潜在的创新者可以通过这些社会网络结构找到关于有关创新的信息,并使他们能够采用这些创新。Mukherjee等[48]的研究则是关注将现有的技术和想法重新组合成新的创新的重组方法,他们开发了一个网络评估科学论文重组先前工作的方法论。该方法使用来自的信息整个科学网上记录的所有论文的共同引用网络,以确定以前的工作组合是传统的或非典型的,然后确定传统和非典型配对的良性组合高影响力的工作。Cammarano等[49]在最新的文章中调查了44家顶尖研发支出生物制药公司在2011年进行的网络战略对创新战略的影响。通过收集专利和会计数据,利用社交网络分析建立了联合开发活动的业务网络。研究结果表明,每个网络战略都与不同的创新战略有关,这证实了社会网络分析是解释为什么企业与合作伙伴签订研发协议以及将这种合作与整体创新战略联系起来的有效手段。

在国内方面,殷国鹏等[50]以中国人民大学经济科学实验室为案例,对组织内部信息沟通、咨询、知识传播等社会关系网络结构进行定量分析,目的是为了发现阻碍知识传播及创新的问题。他们的研究表明:社会网络分析可以为组织制定隐性知识管理的措施提供定量分析的依据和手段。郝志超[51]以中国知网期刊数据库收录的《图书情报知识》期刊作为作者合著分析的研究对象,应用社会网络分析软件Ucinet对作者合著情况进行整体网参数分析、中心性分析及凝聚子群分析,并以可视化技术展示合著网络,为研究作者合著提供了很好的视角。占侃与孙俊华[52]基于社会网络的视角,对江苏省内56所高校2007—2012年间的校企合作关系数量进行了统计,并对高校参与校企合作的情况进行了分析。研究发现,校企合作整体上存在较大提升空间；对于大部分高校而言,积极参与校企合作有助于获取更多科研经费,有助于提高科研产出；但过多参与则可能对高校的人才培养质量、科研人员自主性、高校发展方向等方面产生一定影响。王海龙等[53]选取社会网络分析的出度、入度、中介中心度、接近中心度、有效规模和限制度六个指标对基于美国专利商标局(USPTO)数据库的专利数据建立技术综合评价指标体系,并以半导体产业为例进行了实证分析,这项研究有助于快速识别产业基础技术。

2.3 产品空间理论

Hidalgo等[5]提出产品空间决定了一个国家的发展水平,即国家经济发展的产品空间结构理论。该理论是基于国际贸易理论,在内生经济增长理论的框架下,考虑到产品的异质性及产品集的不连续性等情况,结合接近度(相似度)、路径、密度等概念,运用社会网络法以网络结构图(即称为“产品空间”)形式直观地展示产品中的知识、技术和能力以及产品之间的相互关系及产品空间结构的动态演进趋势,论述了产品在比较优势的演化过程中的作用。

产品空间结构理论实际上也可以认为是以结果为导向的理论,核心观点是产品决定了一个国家或地区产业升级的方向和比较优势的路径[54]。在阐述该理论时,Hidalgo等形象地把一种产品比作一棵树,所有的产品集合比成一片森林,一个国家的许多不同企业家比作许多生活在这些不同树上的猴子,来开发利用这些产品,增长的过程就好比一只猴子从一个果实相对较少的贫穷森林跳到一个果实相对较多的富庶森林。那么,要完成这个增长过程就意味着猴子们必须跳跃一段距离,即企业家必须重新把物质资本、人力资本和制度资本配置到与目前生产不同的产品生产中去。事实上,许多可能的要素能导致产品之间的相似性,也就是树木与树木之间的邻近性[55]。在相同的产品空间中,位于不同位置的国家或地区,产业升级的机会是不同的,这导致发展的分叉和分化。也就是说,产品空间结构决定比较优势的演化,进而决定了国家的经济增长绩效。

这种演化的产品空间结构——比较优势理论强调外贸政策的关键不是出口多少,而是出口什么,这很好地解释了现实世界经济中产品空间结构与国家发展水平、国际贸易与经济增长的关系,因而近年来越发受到发展经济学家和产业经济学家的重视,并被广泛应用于“中国出口增长之谜”“中等收入陷阱”、国家及区域层面的经济结构转型调整和产业方向升级等研究中[56-61]。

在本文中,我们借鉴了产品空间理论中比较优势指数、相似度以及产品扩散转型等分析方法,应用于国家开放创新体系的研究中。事实上,专利作为一种可以买卖的特殊商品,在国家经济结构中具有特殊的重要地位,它代表着一个国家自主创新和工业技术的综合实力水平。那么基于产品空间结构的角度分析专利有助于拓宽对国家或区域层面技术创新的理解和分析,以掌握各技术领域的接近度,从而实现技术的跨越式发展。

3 数据来源

本文使用的数据来源于世界知识产权组织(WIPO)、经济合作与发展组织(OECD)、美国专利商标局(USPTO)和中国国家知识局(SIPO)数据库中的发明专利数据,即不包括实用新型及外观设计专利。主要是对比研究了中国和美国这两个国家的专利总体情况以及合作状况,以进行基于专利的国家开放创新体系分析。

需要说明的是,不同国家和地区的专利数据库,对专利技术领域分类采用的标准也不完全一样。如美国专利商标局(USPTO)和欧洲专利局(EPO)公开开发的联合专利分类体系(CPC),以及中国和其他大多数国家采用的国际专利分类(IPC)体系。在本研究中,我们采用国际专利分类(IPC)体系作为重要参考依据。按照最新修订的第8版国际专利分类表,IPC体系由部、大类、小类、大组和小组五种级别构成。详见附录1。

4 数据分析

4.1 国家创新体系的专利开放

专利用于保护发明,在全球范围内,专利的数量被认为是衡量创新活动的工具。

根据WIPO的最新数据,在专利申请数量上,美国、中国、日本、德国和韩国一直是全球技术的主要来源国。其中,中国专利申请量在过去10多年间增长快速,表现强劲活跃。2001年中国专利申请量为31 232件,仅占日本申请量的9.2%、美国的10.7%、德国的22.7%、韩国的35.4%。经过快速追赶,2008年先后超过德国和韩国。2012年中国的专利申请量已经超过日本和美国,成为全球最大的专利申请国。随后一直保持近58.3%的增长速度,引领全球专利申请市场。仅2015年,中国专利申请就达到1 010 448件,是美国的1.9倍、日本的2.2倍、韩国的4.2倍、德国的5.7倍。

同样的快速增长速度也体现在中国专利授权数量上。2001年中国专利仅被授权5 722件,只是日本授权专利量的3.4%、美国的4.1%、德国的10.8%、韩国的20.2%。随后中国专利授权数一直保持两位数的增长速度,在2009年首次超过德国和韩国,并在2015年达到279 501件,超过美国和日本,是韩国的2.6倍、德国的3.2倍。从这可以看出中国在过去15年间不断增强的整体技术创新能力。通过快速追赶,实现“弯道超车”,中国已经成为全球的技术知识大国。

专利领域的“中国速度”得益于中国国家开放创新体系的专利开放,主要体现于积极的专利流动和人才流动等方面。

4.1.1 专利流动

专利流动是创新要素流动的重要方面,包括专利流入以及专利流出两方面。专利流入是指另一国向本国专利局提出专利申请保护；而专利流出则是本国向其他国家的专利局提出专利申请保护,即域外专利布局。

从申请和授权的数量看,美国一直是全球各国境外专利的第一大流入国。2001年中国是全球国家境外专利的第五大流入国,2004年后则超过日本成为仅次于美国的全球第二大专利流入国。这说明全球各国都积极借助专利融入中国国家创新体系。

图1 2001—2015年中美两国专利流入/流出数量

图2 2001—2015年中美两国域外专利申请量及比例趋势

而在专利流出方面,中国和其他发达国家仍然具有较大差距。图1反映了中美两国流入/流出专利数量的趋势。从图中可以看出,相比美国,中国流入专利远远大于流2005年前,日本是全球专利最大流出国,而后被美国超越,此后的10多年,美国出专利,这也反映了中国国家创新体系的内向型开放创新性质。成为全球最大的专利流出国,其域外布局专利数量年均超过数十万件,占专利申请总数的35%以上。不过需要看到的是,中国域外布局专利数量和比例(域外专利申请数与域内外专利申请总数的比值)在过去的15年间一直保持稳步增长的趋势,专利申请数从2001年的1 196件快速增长到2015年的42 196件,此间的国际排名由第20名跃升至第6名,境外布局比例则从2001的3.82%增长到2015年的4.18%,趋势见图2,说明中国越来越重视国家开放创新体系中的外向型扩散发展。另外,由于专利申请的国家或地区通常是产品的销售地,这说明中美两国具有较强的市场吸引力,专利知识要素的开放和市场的开放在中美之间是紧密联系的。

4.1.2 人员流动

国家开放体系的开放还体现在技术人员流动参与全球的技术研发方面,全球技术人员合作网络图则可以直观地显示全球各国科技人员在技术开发方面的协同关系。

从图3可以看出各个国家或地区的技术人员在专利合作网络图中的“核心-边缘”关系。①具体来说,若某专利的发明人同时包含国籍为M和N的专利,则认为M和N国家有合作,取值为1,否则取值为0。以此数据构建国家专利合作的二值矩阵(以体现国家间的创新协同),并利用UCINET进行网络分析,得到如图3所示的全球185个国家与地区之间专利合作的网络结构图。美国、加拿大、澳大利亚以及部分欧洲国家和部分亚洲国家处于专利合作网络的核心位置,而其他亚洲、非洲和北美国家(地区)则处于专利合作网络的边缘位置。

图3 全球各国家或地区技术人员专利合作的网络图

与之对应的是,美国、加拿大、澳大利亚以及欧洲和亚洲部分国家在基于专利的国家开放创新合作上表现出明显的优势。这与Wagner等[62]在探讨国家的科技影响力和该国国际合作水平之间联系时所获得的最新成果也是相一致的,他们认为,“开放”程度较高的国家和科研影响力较大的国家都较为积极地参与国际合作,比如新加坡、英国、荷兰、瑞士、瑞典和丹麦这些国家既拥有高科技影响力,又比较“开放”；而相对不够“开放”的国家,例如俄罗斯、土耳其、波兰、中国、日本等国家则科技影响力相对偏低。

从表1可以更加清晰地看到处于核心位置国家的点度中心性指标。表中各国家的点度中心度值表示各国的专利合作国家数,如美国的点度中心度值是161,表明美国籍的发明人与161个国家的发明人有过专利合作情况。因此,可以认为,国家的点度中心度值越大,国家在专利合作上整体表现得越开放。从这个角度上看,专利合作网络图也可以看成是国家创新体系基于专利的开放网络图。

表1 专利合作网络中前20个国家的相关指标值

美国位于网络图中最核心的位置,在全球185个国家和地区中表现得最开放,也是全球各个国家和地区的技术人员合作的主要对象,占据跨国合作交流的30%以上(OECD,2012)。中国在技术人员开放上也处于近核心位置,参与合作的国家数为78个,排列全球第13,在亚洲仅次于日本,排列第二。同时从表3中还可以看到,国家的点度中心度越大,结构洞的有效规模和效率也越大,而网络约束系数却越小。说明国家越处于专利合作网络图的核心,在专利合作上表现得就越开放,受到其他国家的限制约束就越小；而处于边缘位置的国家,在专利合作上表现得越封闭,受到其他国家的限制约束就越明显,这是个反比关系。

此外,对比中、美、韩、日、德五国专利中发明人国际合作的比例(见图4),可以发现,中国专利中来自发明人国际合作的这部分专利比例在五国中最高,达到24%以上,这主要是由于中国在十余年间的技术开放政策引发大量跨国公司在华设立R&D机构所导致[63-66]；其次是德国和美国,在1999—2011年保持稳定的增长趋势；日本的发明人国际合作专利比例是最少的。不过中国的国际合作比例呈现逐年下降趋势,表明中国自身的专利数在增加,从侧面也说明中国能自主掌握并申请法律保护的专利在增加(OECD,2012)。也就是说,从专利看,尽管中国国家创新体系开放比例很高,但近年这一趋势呈现下降趋势。

图4 中美韩日德五国专利的发明人国际合作比例趋势

4.1.3 质量分析

中国跨国合作的专利规模比例上的增长,实际上也有助于提高中国的专利质量及技术创新水平,这可以通过中国跨国和非跨国专利的被引用比例来证明。引用专利比例是指在所有申请专利中被引用的专利数与所申请专利总数的比值。如2001年中国跨国合作的专利申请总数为14件,其中有9件被其他专利引用,则2001年中国跨国合作的引用专利比例为9/14=0.64。

图5显示的是中国跨国和非跨国专利引用比例的趋势图,从图中曲线可以看出,中国跨国合作的专利中被引用专利数占总申请数的比例(引用专利比例)处于非跨国合作引用专利比例曲线的上方,这表明跨国合作的专利引用比例大于非跨国合作专利的引用比例。也就是说,相比非跨国专利,跨国合作的专利被其他专利发明人关注的程度更高,同时对其他专利质量的影响更大。如前所述,专利被引用越多,表示受关注程度越高,专利的价值以及创新质量也越高[21]。因此,我们可以认为,中国跨国合作专利的创新质量要高于中国非跨国合作专利的创新质量。从这个意义上说,与公司间合作能带来公司经济效益增长一样[27,65],国家创新体系的开放有助于创新绩效的提升。

图5 中国跨国和非跨国专利引用比例趋势

需要指出的是,不管跨国合作还是非跨国合作曲线在2002年后均处于下降趋势,这可能是由于专利引用具有非对称属性和时间依赖性所导致,因为已公开的专利需要一定时间过程被技术发明人所关注到,并最终决定其是否被引用。因此,年轻的(申请时间晚)专利会引用年长的(申请时间早)专利,这种申请的时间差会影响所涉专利的被引次数[67]。

如果将中国跨国合作专利的引用数据进行技术领域分类,并通过不同技术领域之间的相互引用情况①具体来说,若两专利间的相互引用/被引次数大于等于1取值1,若小于1则为0。,建立二值矩阵进而利用UCINET软件构建中国跨国(地区)合作专利的引文网络图。这种跨国界专利合作的创新网路分析,可以帮助我们更深入地理解专利知识开放对创新绩效的影响。

图6是2002—2014年中国跨国(地区)合作专利的引文网络图。图6中的节点代表国际专利分类的一个大类(或者说是一个技术领域),节点之间的距离表示两种技术领域之间的距离,中心区域代表的是中国跨国合作专利中被引用/被引次数较多的区域即核心技术领域,边缘则代表的是引用/被引次数较少的区域即边缘技术(即非核心技术)领域[14]。从引文网络图可以看出,B82(超微技术)、G06(计算、推算、计数)、H01(基本电气元件)、H04(电通信技术)、F21(照明)、G01(测量、测试)、G02(光学)、F28(一般热交换)、G11(信息存储)、H05(其他类目不包括的电技术)处于网络图的核心位置,因此可以认为这些专利属于2002—2014年间中国跨国合作的十大核心专利领域。如果对比李蓓等[11]关于中国专利引文网络中的核心技术领域,可以看出,B82(超微技术)、F28(一般热交换)和G11(信息存储)属于新出现的核心技术领域,也就是说,跨国合作带来了中国这三大新技术领域的提升和发展。

图6 中国跨国(地区)合作专利引文网络

4.1.4 属性分布

进一步地,将专利的申请人(或称“专利权人”)区分为高校科研院所(简称“高校”)和公司企业(简称“公司”)两大属性类型,并对比跨国界(又称“跨国”)和非跨国界(又称“国内”)的平均发明人数①平均发明人数是指专利的总发明人数与专利总申请数的比值。,我们可以看出中美两国在专利开发团队上的区别。

从图7可以看出,不管是跨国还是国内专利中,中国高校专利合作的平均人数均明显高于美国；而对于国内公司,美国国内公司的平均人数要高于中国国内公司专利合作的平均人数；对于跨国公司而言,美国跨国公司专利合作的平均人数只是略高于中国公司跨国专利合作的平均人数。另一方面,需要指出的是,对于中国自身而言,不管是跨国还是国内专利中,高校专利合作的平均人数都明显高于公司专利合作的平均人数；而在美国,不管是跨国还是国内专利中,高校专利合作的平均人数与公司专利合作的平均人数则非常接近。因此,可以看出中美两国在技术开发模式上的不同,中国的技术研发更多依赖于高校/研究机构这一基础研发氛围,而美国的技术团队主要集中于应用层面的公司研发中,这可能也是造成中国虽然在专利数量上占据优势,但在基于市场的技术开发上并不占据主导地位的一个原因。换句话说,相比美国,中国高校或研究机构在国家开放创新体系的发展过程中起到了更重要的作用。

4.2 国家专利开放合作的比较优势

如上一节所述,国家之间的专利合作促进专利质量的提升,并一定意义上最终提升国家的创新绩效和经济发展水平。但在合作过程中,不同国家有不同领域或产业的比较优势。比较优势是全球化竞争时代仍然存在的传统优势,即传统认为,当一个国家或者多个国家在用于产品生产的要素成本或者要素质量上存在明显优势时,这些国家就可以成为原产地,出口产品至其他国家；同样我们也可以说,在当今全球化时代,当一个国家或多个国家在某领域的技术存在明显优势时,这些国家就可以成为专利申请/授权的合作方,以及被引用者。全球化时代,一个国家在拥有相对优势技术领域的战略地位对其全球地位有着重要影响[68]。

衡量一国在全球创新体系中的比较优势地位,本文借鉴已有的显示比较优势指数(revealed comparative advantage index,RCA指数)来表示。RCA指数是美国经济学家Balassa于1965年提出的[69]。所谓RCA指数,是指一个国家某种商品出口占其出口总值的份额与世界出口总额中该类商品出口额所占份额的比率①显示性比较优势指数(RCA)用公式表示为:RCA ij=(Xij/X tj)/(XiW/X tW)。其中:Xij表示国家j出口产品i的出口值；Xtj表示国家j的总出口值；XiW表示世界出口产品i的出口值；XtW表示世界总出口值。。RCA指数同时也是产品空间中的一个重要参数。在产品空间中,Hidalgo等[5]认为一个国家某类产品的RCA＞1时,则该国家在该类产品中具有出口比较优势。例如工业化发达国家如美日德在金属冶金、化工和机械工程装置制备上具有出口优势,而处于东亚国家的中国在服装纺织方面具有出口优势,日本和韩国在电子业方面具有出口优势。那么这个判断指标,是否能直接应用于专利产品的评价中呢?

一个专利在一个特定的国家能且仅能申请一次,且法律上最多只有20年的保护时间(自申请日起),即具有易逝性；同时专利作为发明创造技术的结晶又具有公开性,也就是说由专利直接转化的产品具有全球流通性[24-25,70-71]。在专利的研究中,我们也借助国际出口贸易中显示比较优势指数的概念,把一个国家中某类专利所占比例与全球中该类专利所占比例的比值定义为这个国家中该部类专利产品的RCA指数,以用于国家技术领域的竞争地位比较。与贸易出口一样,由于是专利的相对比较优势指数是通过份额的比值来表示,因此可以剔除全球和国家专利总量波动带来的影响,从而可以较好地反映一个国家在某一技术领域与世界平均技术水平比较来看的相对优势。

4.2.1 五国专利显示比较优势指数分布

图8显示了1980—2014年中、美、韩、日、德五国全部专利中八大部类专利的显示比较优势分布情况。从图8可以看出:美国在A(人类生活必需)、C(化学、冶金)、G(物理)和H(电学)部类②A:人类生活必需。B:作业、运输。C:化学、冶金。D:纺织、造纸。E:固定建筑物。F:机械工程、照明、加热、武器、爆破。G:物理。H:电学。具体部类说明见本文的附录1。中的比较优势指数RCA＞1；德国在B(作业、运输)、C(化学冶金)、D(纺织、造纸)、E(固定建筑物)和F(机械工程照明、加热、武器爆破)部类中的比较优势指数RCA＞1；日本在G(物理)和H(电学)部类中的比较优势指数RCA＞1；韩国在D(纺织、造纸)、G(物理)和H(电学)部类中的比较优势指数RCA＞1；中国在 A(人类生活必需)、B(作业、运输)、C(化学、冶金)、D(纺织、造纸)、E(固定建筑物)和F(机械工程)部类中的比较优势指数RCA＞1。将这些专利部类相关的产品与现实中实体产品空间的分布相比较,我们发现,对于工业化国家程度较高的美、日、韩、德四个发达国家而言,RCA＞1的专利部类与真实产品空间相吻合。而对于发展中国家的中国而言,专利部类显示指数与实际产品空间相比,则有较大差异[5]。因此,对于中国这样的发展中国家,专利显示比较优势指数还不能直接用于衡量一个国家技术在对应产业的真实发展水平。

图8 1980—2014年五国八大部类专利的显示比较优势指数分布

考虑到专利只有通过企业进行转化,才能生产加工成为现实的产品,从而参与进行国际贸易出口流通。基于此,我们引入企业系数概念,对现实比较优势指数进行校正,试图用该指数构建专利产品部类与国家真实产业结构的关联。企业系数(γ)是指一个国家某部类专利中企业所申请的专利数量与该国该部类全部申请的专利数量的比值。

通过企业系数对显示比较优势指数进行修正,即显示比较优势指数乘以一个企业系数因子,便得到显示比较优势校正指数(RCAγ),即RCAγ=RCA·γ。

从图9中显示比较优势校正指数的柱状图可以看出,由于工业化发达国家美韩日德四个国家企业在专利申请中占比均达到80%以上,与校正前相比,RCA指数值并没有多大变化。而作为发展中国家的中国而言,企业申请专利所占比例低于60%,RCA值则有较大变化,只有D(纺织、造纸)和E(固定建筑物)两个专利部类的RCA值大于1,也就是说中国只有在纺织业和固定构造零件生产上具有出口比较优势。可以看出,经过校正后的显示比较优势指数更能真实反映这五个国家现有产业结构的发展水平。因此,在专利中,可以认为一个国家RCAγ＞1的专利种类属于具有全球竞争力技术领域,而RCAγ＜1的专利种类则在全球技术产业中则处于竞争劣势。

对于中国而言,比较显示优势在校正前后的差异主要源于该国专利申请中企业系数较低,高校科研院所占据较大的比例所导致[72]。因此,如果中国政府以及科学技术部门在政策制定上,在A(人类生活必需)、B(作业、运输)、C(化学、冶金)和F(机械工程、照明、加热、武器、爆破)专利部类产品上,侧重产学研以及校企合作,加强科技成果的转化力度,特别地,如果在专利部类A(人类生活必需)上重视加强与美国、德国的开放学习合作、在B(作业、运输)上重视加强德国的开放学习合作、在C(化学、冶金)上重视加强美、日、德三国的开放学习合作、在F(机械工程、照明、加热)上重视加强与德国的开放合作,那么与这些专利相关的产业将极有可能成为中国未来5～10年工业化潜在的重大推动力,从而可以实现国际产品贸易上具有显著的比较优势。

图9 1980—2014年五国八大部类专利的显示比较优势校正指数分布

4.2.2 中国跨国合作专利比较优势

2001—2014年,与中国进行合作研发专利数最多的五个国家分别是美国(63.63%)、加拿大(7.68%)、德国(6.45%)、日本(6.39%)和英国(3.21%)①括号内的百分数为合作比例。。在中国的跨国专利合作中,中美两国合作专利所占比例超过60%,而中国和加拿大、德国、日本和英国的合作比例均低于10%。从全球专利合作网络图即图3可以看出,与中国合作专利最多的五个国家都是处于网络核心位置的国家。

如上所述,国家专利部类产品空间的显示比较优势校正指数RCAγ可以很好地关联国家产业优势。对于RCAγ＞1的专利部类,说明该部类专利在全球技术领域中具有比较优势。在跨国专利合作体系中,我们提出专利合作显示比较优势指数(RCAC),用来描述跨国专利合作中的国家产业开放合作优势。专利合作显示比较优势指数(RCAC)被定义为某部类专利(i)在研究对象国(T)与其中一个合作国(Cx)专利合作数(NT-Cx)中的比例与该部类专利(i)在研究对象国(T)与所有国家专利合作数(∑NT-Cx)中比例的比值。

同专利产品空间比较优势校正指数RCAγ一样,在跨国专利合作中,对于专利合作显示比较优势指数RCAC＞1的专利部类,我们认为该专利部类在两国创新体系的合作中具有开放合作优势,是两国的优势合作专利部类,对应实体空间中的优势合作开放产业方向。

图10 中国跨国合作专利八大部类比较优势

图10反映了2001—2014年中国在与美国、日本、德国、英国和加拿大五个国家之间的跨国合作专利部类比较优势。从柱状图可以看出,中美两国在专利部类A(人类生活必需)、E(固定建筑物)、G(物理)的RCAC均大于1,即中美在生活必需、固定建筑物以及物理、网络、信息相关的产业具有开放合作优势；中日在专利部类B(作业、运输)、F(机械工程、照明、加热、武器、爆破)、H(电学)的RCAC均大于1,即中日在交通作业运输、机械工程以及电子相关的产业具有开放合作优势；中德在专利部类B(作业、运输)、C(化学、冶金)、D(纺织、造纸)、F(机械工程、照明、加热、武器、爆破)的RCAC均大于1,即中德在作业、运输,化学、冶金,纺织、造纸以及机械工程相关的产业具有开放合作优势；中英在专利部类A(人类生活必需)、B(作业、运输)、C(化学、冶金)、D(纺织、造纸)和E(固定建筑物)的RCAC均大于1,表明中、英在生活必需,作业、运输,化学、冶金,纺织、造纸以及固定建筑物相关的产业具有开放合作优势；中、加在专利部类E(固定建筑物)、G(物理)、H(电学)的RCAC大于1,说明中、加两国在固定建筑物,物理、网络、信息以及电学相关的产业具有开放合作优势。

4.2.3 美国跨国合作专利比较优势

美国与日本、加拿大、英国、德国以及中国的跨国合作专利的比较优势可以从图11中看出。美加在专利部类G和H的RCAC均大于1,即美加在与物理、网络、信息以及电学相关的产业具有开放合作优势；美日在专利部类B和C的RCAC均大于1,即美日在作业、运输以及化学、冶金相关的产业具有开放合作优势；美德在专利部类A、B、C、D和F的RCAC均大于1,即美德在生活必需,作业、运输,化学、冶金,纺织、造纸以及机械工程相关的产业具有开放合作优势；美英在专利部类A、C、D和E的RCAC均大于1,表明美英在生活必需,化学、冶金,纺织、造纸以及固定建筑物相关的产业具有开放合作优势；美中在专利部类F、G和H的RCAC大于1,说明美中两国在机械工程,物理、网络、信息以及电学相关的产业具有开放合作优势。

图11 美国跨国合作专利八大部类比较优势

对比这段时期的跨国合作显示比较优势与各国的显示比较优势校正指数(见图12),可以发现,对于中国跨国专利合作而言,中国与德国、英国和加拿大三国的合作优势专利部类完全属于这三个合作国的优势专利部类,说明中德和中英以及中加之间的合作是传统优势产业上进行合作；而中美和中日之间的合作,除了与优势部类专利进行合作外,在非优势专利部类上同样具有专利的合作。而对于美国跨国专利合作而言,美国与德国和加拿大的合作优势专利部类,完全属于合作国之间的优势专利部类,说明美德和美加之间的合作是传统优势产业上进行合作；另外,美国在和中国、日本和英国的合作中,除了与优势部类专利进行合作外,在非优势专利部类上同样具有专利的合作。从这可以看出,中美两国在国家的开放体系上有所不同,这点值得进一步探讨和分析。

图12 2000—2014年美、德、日、英、加、中六国专利八大部类显示比较优势校正指数

4.2.4 中美两国专利合作网络分析

既然中美两国在分别与加拿大、德国、英国和日本进行专利合作中的比较优势上存在差异化,也就是说,过去15年间中美两国在国家技术开放体系上显示出不同的形式,为此,我们分别对两国的跨国专利合作比较优势进行了网络分析①在专利部类合作比较优势指数中,将RCA C大于1的标记为1,其余则是0,构建国家-专利部类二值矩阵数据,运用UCINET软件对该2-模网进行中心性及1-模整体网点度中心度等参数分析,可以得到中美两国的专利合作网络图。。

表2反映了中国与美、日、英、加、德五国之间专利合作的国家和专利部类之间的中心性关系,包含点度中心度、有效规模、效率和网络约束系数。从表中可以看出,中英的点度中心度最高,达到5,表明中英之间共在5大专利部类上展开过技术合作；其次为中日和中德,数值为4,最少的是中加和中美,数值是3。在社会网络分析中,点度中心度越高,表明行动者的关系越强[70]。本文认为,点度中心度则表明专利合作比较优势部类数,即中英之间合作的优势专利部类数目最多,中日和中德之间合作的优势专利部类数其次,最少的是中美和中加。换句话说,如果从专利合作比较优势部类数目来看,中英合作表现得最开放,中美和中加之间的合作欠佳,表现得较封闭。

表2 中国专利合作(国家-国家)相关指标值

结构洞的有效规模数据显示:中英最高,其次分别是中加、中日、中美,最低的是中德；而效率数据则是:中英最高,其次是中加、中美、中日,最低的是中德；在网络约束系数中,中德最高,其次是中美、中日、中加,中英最低。通过这些数据可以看出,网络规模值越高,网络约束系数值就越低,表现为中英之间的合作最开放,同时受到其他四国之间合作的限制也最少,即中英之间的合作受到中国和其他四国之间合作的限制影响最少；而中国和德国之间的合作表现得封闭,受到中国与其他四国合作的限制影响最大。

表3 中国专利合作(部类-部类)相关指标值

另一方面,从专利部类的点度中心度表中(见表3)可以看出,专利部类B(作业、运输)、C(化学、冶金)、E(固定建筑物)的点度中心度最大,数值为3；其他专利部类的度数为2。这些数据表明,在中国的专利合作中,专利部类B、C、E所接受的国家数最多,即专利部类B、C、E在中国和美日加德英五国中处于跨国优势合作专利部类。

在专利部类-部类结构洞指数,有效规模中,专利部类F(机械工程、照明、加热、武器、爆破)最高,其次分别是专利部类E(固定建筑物)、A(人类生活必需)、D(纺织、造纸)、C(化学、冶金)、B(作业、运输),最低的是专利部类 G(物理)、H(电学)；效率中,专利部类F(机械工程、照明、加热、武器、爆破)最高,其次分别是G(物理)、H(电学)、E(固定建筑物)、A(人类生活必需)、D(纺织、造纸)；网络约束系数中,G(物理)、H(电学)最高,其次分别是E(固定建筑物)、A(人类生活必需)、D(纺织、造纸)、B(作业、运输)、C(化学、冶金),专利部类F(机械工程、照明、加热、武器、爆破)最低。这些数据表明,专利部类G(物理)、H(电学)受到其他合作专利部类的限制最多,即当中国与其他国家在其他专利部类进行优势合作时,那么中国和其他国家在这两个专利部类的合作就会受到限制减少的影响；而专利部类F(机械工程、照明、加热、武器、爆破)则受到限制影响最低,即在中国与其他国家在其他专利部类进行优势合作时,中国和其他国家在专利部类F的合作不会有明显的限制,既不会增加也不会降低。

图13 中国与美日德英加专利合作国家-国家之间的多维量表

这种点度中心度分析结果还可以反映在二模多维量表,在多维量表网络图中的节点越大,表明关系越强,反之,则较弱。因此,从图13同样可以得到:中国和英国之间专利部类比较优势数目关系最强,表现得最开放；专利部类B(作业、运输)、C(化学、冶金)和专利部类E(固定建筑物)在中国跨国专利合作中属于最开放的合作专利部类。同样对美国的跨国专利合作进行网络分析,由表4可以看到,美国专利合作中,从国家之间合作的点度中心度数值可以看出,美德之间的合作专利部类数最多,点度中心度都为7,表明美德在7个专利部类上有展开技术合作；美英次之,为6,美加和美日之间最少,只有2。在结构洞指标,有效规模中,美中最高,其次分别是美英、美德、美日,美加最低；效率中,美中最高,其次分别是美加、美日、美英,美德最低；网络约束系数中,美加最高,其次分别是美日、美德、美英,最低的是美中。因此,在美国专利跨国合作中,美中之间表现得最开放,且受到的限制最少,即美中之间的跨国专利合作受到美国与其他四国合作之间的限制影响最少。而美加之间表现得封闭,受到美国和其他四国合作之间的限制影响最大。

表4 美国专利合作(国家-国家)相关指标值

而从专利部类的点度中心度数值(见表5)可以看出,专利部类B(作业、运输)、C(化学、冶金)、F(机械工程、照明、加热、武器、爆破)在美国跨国合作中的点度中心度最高,均为3,即美国和三个国家在这三大技术领域展开了合作；专利部类E(固定建筑物)合作国家数最少,也就是说固定建筑技术是美国与中、美、英、加、德五国跨国合作的劣势领域。在结构洞指数,有效规模中,专利部类F(机械工程)最高,其次分别是专利部类E(固定建筑物)、A(人类生活必需)、D(纺织、造纸)、B(作业、运输)、C(化学、冶金),专利部类G(物理)、H(电学)最低；效率中,专利部类F(机械工程、照明、加热、武器、爆破)最高,其次分别是专利部类G(物理)、H(电学)、E(固定建筑物)、A(人类生活必需)、D(纺织、造纸),专利部类B(作业、运输)、C(化学、冶金)最低；网络约束系数中,专利部类G(物理)、H(电学)最高,其次分别是专利部类E(固定建筑物)、A(人类生活必需)、D(纺织、造纸),专利部类B(作业、运输)、C(化学、冶金),专利部类F(机械工程、照明、加热、武器、爆破)最低。这些数据表明,专利部类F(机械工程、照明、加热、武器、爆破)在美国和其他五国专利合作中属于最开放合作专利部类,且受到其他合作专利部类的限制最少,即当美国在其他专利部类跨国合作时,对美国在专利部类F进行跨国合作的限制影响最少；而专利部类G(物理)、H(电学)则是美国跨国合作中的封闭专利部类,且受到其他合作专利部类的限制最多,即当美国在其他专利部类跨国合作时,对这两个专利部类的跨国合作限制影响作用最大。反映在图14的2-模多维量表上的信息即是:美国和英国、美国和中国以及美国和德国之间的合作关系最强,表现得最开放；而专利部类F(机械工程、照明、加热、武器、爆破)则是美国跨国合作中的最开放专利部类。

表5 美国专利合作(部类-部类)相关指标值

图14 美国专利合作国家-部类多维量表

4.3 国家专利开放合作的技术接近度与创新转型

在前文中,笔者通过分析中国跨国合作趋势以及比较优势,探讨了中国国家创新体系的开放性。结果表明,中国国家创新体系是比较开放的,这种开放带来了中国自身创新绩效的提升。在本节,笔者借助产品空间中的相似度以及产品技术扩散分析的方法,从国家专利技术的创新转型这一角度来阐述中国的国家开放创新体系。

4.3.1 国家专利开放合作的技术接近度分析

相似度是Hidalgo等[5]在产品空间中设计的新理论模型。该模型是基于RCA理论,通过计算各种产品的比较优势,再进一步计算比较优势产品的条件概率而得出产品间的相似度。具体地说,某国在出口优势商品i的同时,出口优势商品j的条件概率(φij)可用来衡量商品i和j这两种产品的相似度,即在一种产品存在的情况下,可以生产另一种产品的可能性,即生产两种产品之间的依存性,同时考虑到产品的异质性,实际计算时采用两产品条件概率的最小值。

在产品空间理论中,和显示性比较优势指数一样,相似度也是很重要的概念,它可以很好地解释国家贸易出口以及产业升级转型的路径和方向。产品空间理论的创始人Hidalgo等认为国家发展一种生产新产品能力的概率与生产它已经存在产品相似或接近产品的能力密切相关,相似性的产品可以趋向于一并生产,而非相似的产品则很少有可能一同生产。例如:一个能种植生产并出口苹果的国家也会有能力出口梨。因为,这两种水果种植生产时所需的土壤、气候、农业种植技术、生产包装、专用的食品运输技术和稳定的销售渠道等是相似的,因此当该国拥有成熟的苹果种植生产技术时,便可较为容易地就将已有的技术扩散到梨的生产出口中。然而电器制造业、石油化工业以及造纸业等工业拥有的生产条件对于种植生产苹果来说则是毫无用处的。因此,在产业结构升级方面,一个国家熟知自己最擅长生产什么是该国在比较优势演化和产业升级的一个重要决定因素。这种新的方法和理论被国内学者应用于国家和省级区域的经济增长与创新转型升级等研究中[57,60,61]。

作为一种法律化保障的产品,在全球贸易中,专利也具有与其他实体产品可以交易以及出口和进口,在技术领域被分别称为技术出口和技术进口[74]。那么,在产品空间中的接近度也可被应用于专利之间相似度(或技术接近度)的分析中。通过对专利相似度的分析,有助于对国家创新体系的深入理解,从而实现国家创新体系中更为精准的开放体系建设和技术升级具有潜在的重要意义。

在专利技术空间中,如前面所述,为更好地符合现实产品空间,本文采用企业系数校正的显示比较优势(RCAγ)计算条件概率。在全球领域范围内,对于任意两类技术i和j,如果RCAγi＞1的国家数为m个,RCAγj＞1的国家数为n个,RCAγi＞1且RCAγj＞1为K个,那么两类技术i和j之间的相似度为φij=k/(max{m,n})。笔者统计了1999—2012年间全球99个国家和地区的621类专利技术(按照IPC分类体系),通过计算各国的比较优势校正指数(RCAγ),并对RCAγ＞1的优势专利技术领域进行条件概率计算从而得到任意两类专利技术领域之间的相似度(或技术接近度)。最后经多次反复尝试,选择相似度大于0.45的172项专利技术领域数据来构建专利技术接近网络图(见图15)。

图15 全球专利技术接近网络图

在如图15所示的全球专利技术接近网络上,每个数字节点代表一个技术领域(数字代码详见附录2),两节点之间的距离则是两个技术领域之间的相似度,距离越近,表示两种技术之间越相似或越接近。按照产品空间理论中所描述的,相似的产品越利于产品的升级换代。那么,在专利技术接近网络中,我们认为相似的专利技术间也是利于技术跨越的,即某国如果具有i技术,在j技术与i技术较为接近时,那么该国极有可能利用现有的设备设施和技术条件掌握j技术,并研究开发出j技术领域的产品。

技术网络图中处于中心区域且距离较近的节点所代表的技术领域主要处于相同的大技术领域内,如电子设备和电器相关、有机化学和材料制备等较为接近,前者都属于电学大部领域,而后者则都属于化学冶金这一大部。这也从另一方面表明在专利技术空间中实际上也存在技术之间的相似性,这将有助于实现后续的技术创新和升级。同时这一点对于企业来说具有重要的意义,因为以此技术网络图可以更好地构建专利地图和专利池,更大程度地帮助企业保护和建立自身的核心技术[75-77]。

在我们选取的172项技术领域研究体系中,RCAγ＞1的专利种类数,德国最多——有98个优势技术领域,日本有80个,美国有73个,中国有51个,韩国只有44个。在全球专利中,德国的优势专利数是最多的,而且主要集中在精密仪器、机械工程、化工以及医药等领域,表明德国在这些技术上具有较强的竞争力。而中国则主要是在小型电子、纺织以及生活用品加工等技术上具有较强的竞争力。

4.3.2 国家专利开放合作的创新转型

在产品空间理论中,Hidalgo等[5]认为如果潜在的比较优势产品与既有各种比较优势产品的亲近度越高,则其未来实现比较优势的概率就越大,依此我们对基于国家专利的创新转型进行了分析。

在理论模型中,假设存在两个不同时期t和t+1,把t时期某一国家生产的RCA＜0.5的产品和在t+1时期该国家生产的RCA＞1的产品作为“转型产品”；作为控制,把在时期t和t+1时期的RCA＜0.5的产品当作未开发的产品。这种通过对可以消除世界和国家的出口数量波动所带来影响的显示性比较优势指数演化方法进行比较,可以让国家在进行技术过程中更好地结合本国实际情况,制定出符合自身发展需要的技术引进、学习、消化的技术升级路径,兼顾“技术修补”和“本土适应”,避免技术学习过程中出现断档或付出过多的成本,从而实现最佳的创新绩效。

同样,在本文的研究体系下,对中国在过去十年间的技术转型和升级进行了分析研究。对比2005年和2010年中国各专利种类的显示比较优势指学习数值,便可以通过产品空间理论的思路,找到中国在这五年间的转型技术。2010年中国的专利比较优势指数RCAγ＞1的种类数分别有66个,比2005年的比较优势专利数多出6个,说明中国的技术竞争力在不断增强(见表6)。在2005年比较优势指数RCAγ＜0.5,而2010年RCAγ＞1的专利数共有12种,即在2005—2010年五年间,中国实现了12种技术“转型”；在2005年比较优势指数RCAγ＜0.5,而2010年RCAγ＜0.5的专利数共有19种,也就是说在2005—2010年间还有19种没有开发(见表7)。实现转型的技术主要是交通作业以及电子通信领域；而尚未开发的技术主要是在化工冶金以及精密仪器加工等领域。从转型技术可以看出,在过去十多年间,中国国家创新的质量和绩效是有增长的；同时由于仍有19种尚未开发的技术领域,我们认为,中国国家创新体系的开放性还有很大的开放空间。

表6 2005年和2010年中国比较优势专利集合

续表

续表

表7 2005—2010年中国转型和未转型专利集合

5 结论

本文应用社会网络分析方法对跨国合作专利进行引证分析,描绘了专利技术跨国合作网络图；基于产品空间理论,对中美两国专利以及跨国合作专利进行了比较优势分析,在此基础上,还对技术接近度和创新转型展开了讨论研究。对专利分析所展示的特点表明专利可以有效地进行国家开放创新体系的测度。

综合本文分析,得出以下结论:

第一,跨国界的专利合作有助于提升专利的影响力,并扩展本国的核心领域技术范围。比如,跨国开放合作专利的创新质量要明显高于非跨国合作专利的创新质量,跨国开放合作导致中国的比较优势专利种类数呈现正增长趋势,跨国开放合作专利带来了中国在超微技术、一般热交换和信息存储这些新的核心技术领域的专利地位。可以说,基于专利的国家创新开放体系分析表明,国家创新体系的开放有助于提升国家创新能力。

第二,基于专利测度的分析表明,虽然中国国家创新体系开放的程度很高(在亚洲仅次于日本),但近年这一趋势总体呈现下降趋势。虽然本研究初步发现了这一结论,但因为数据问题,并不能解释其背后的原因。我们认为这可能是由于中国近年加强自主创新,而且通过以前的开放性创新发展,中国部分领域已经走出一条依靠自主创新的新型工业化道路,大大缩短了与发达国家的技术差距。比如,本文的研究结果表明,中国通过专利的跨国开放合作实现了交通作业以及电子通信领域的创新能力提升,但化工冶金以及精密仪器加工等领域差距仍然较大。

第三,与美国国家开放创新体系主要依赖企业这一主体不同,中国国家开放创新体系比较依赖大学和研究院所,技术研发更多依赖于高校/研究机构这一基础研发氛围。这一方面导致中国虽然在某些领域的专利数量上占据优势,但在基于市场的技术开发上并不占据主导地位(通过显示比较优势校正指数RCAγ表征)。也就是说,相比美国,中国高校或研究机构在国家开放创新体系的发展过程中起到了更重要的作用。因此,中国国家开放创新体系如果能进一步加强专利成果转化,在政策制定上大力加强产学研和校企合作的力度,将在更多产业的显示比较优势校正指数表现更好。

第四,在开放合作的对象上,中英双方在专利合作比较优势部类上表现得最开放,而中美和中加之间的合作欠佳,表现得相对较封闭；不但如此,中英之间的合作受到其他国家的限制影响最少。而中德之间的合作表现比较封闭,且受到中国与其他国家的限制影响最大。与之对应的是,对于美国的专利跨国合作来说,美中之间表现得最开放,且受到的限制最少。这一不对称现象值得进一步分析。

[1] 全球专利创新活动研究报告[M].北京:知识产权出版社,2016.

[2] 李春燕,石荣.专利质量指标评价探索[J].现代情报,2008,28(2):146-149.

[3] 黄斌,黄鲁成,等.基于专利共类的技术间关联性评估[J].情报杂志,2015,34(2):99-103.

[4] 凌学忠,吴贵生,李纪珍.国家开放创新体系构成要素与国家绩效间关系的实证研究[J].技术经济,2016,35(4):9-18.

[5] Hidalgo C A,Klinger B,Barabási1 A,et al.The product space conditions the development of nations[J].Science,2007,317(5837):482-487.

[6] 马天旗,黄文静.专利分析:方法、图表解读与情报挖掘[M].北京:知识产权出版社,2015.

[7] Narin F.Technology indicators and corporate strategy[J].Review of Business,1993,14(3):19.

[8] Harhoff D,Narin F.Citation frequency and the value of patented inventions[J].Review of Economics and Statistics,1999,81(3):511-515.

[9] Mogee M E.Using patent data for technology analysis and planning[J].Research Technology Management,1991,34(4):43.

[10] Albert M B,Avery D.Direct validation of citation counts as indicators of industrially important patents[J].Research Policy,1991,20(3):251-259.

[11] 李蓓.新兴技术发展路径及其识别技术研究[D].北京:北京航空航天大学,2015.

[12] Karki M M S.Patent citation analysis:a policy analysis tool[J].World Patent Information,1997,19(4):269-272.

[13] Almeida P.Knowledge sourcing by foreign multinationals:patent citation analysis in the US semiconductor industry[J].Strategic Management Journal,1996,17(S2):155-165.

[14] Michel J,Bettels B.Patent citation analysis—a closer look at the basic input data from patent search reports[J].Scientometrics,2001,51(1):185-201.

[15] 肖沪卫.专利地图方法与应用[M].上海:上海交通大学出版社,2013.

[16] Clough J R,Gollings J.Transitive reduction of citation networks[J].Journal of Complex Networks,2015,3(2):189-203.

[17] Chang S B,Lai K K.Exploring technology diffusion and classification of business methods:using the patent citation network[J].Technological Forecasting and Social Change,2009,76(1):107-117.

[18] Yoon B,Park Y.A text-mining-based patent network:analytical tool for high-technology trend[J].The Journal of High Technology Management Research,2004,15(1):37-50.

[19] Alcacer J,Gittelman M.Patent citations as a measure of knowledge flows:the influence of examiner citations[J].The Review of Economics and Statistics,2006,88(4):774-779.

[20] Cho T S,Shih H Y.Patent citation network analysis of core and emerging technologies in Taiwan:1997—2008[J].Scientometrics,2011,89(3):795-811.

[21] Harhoff D,Scherer F M.Citations,family size,opposition and the value of patent rights[J].Research Policy,2003,32(8):1343-1363.

[22] Costantini V,Crespi F,Palma A.Characterizing the policy mix and its impact on ecoinnovation:a patent analysis of energy-efficient technologies[J].Research Policy,2017,46(4):799-819.

[23] Kousha K,Thelwall M.Patent citation analysis with google[J].Journal of the Association for Information Science and Technology,2017,68(1):48-61.

[24] Aghion P,Howitt P.Patent rights,product market reforms,and innovation[J].Journal of Economic Growth,2015,20(3):223-262.

[25] Candelin-Palmqvist H,Sandberg B.Intellectual property rights in innovation management research:a review[J].Technovation,2012,32(9):502-512.

[26] Aghion P,Howitt P.Patent rights,product market reforms,and innovation[J].Journal of Economic Growth,2015,20(3):223-262.

[27] Hall B H,Jaffe A.Market value and patent citations[J].Journal of Economics,2005,36(1):16-38.

[28] Wuchty S,Jones B F,Uzzi1 B.The increasing dominance of teams in production of knowledge[J].Science,2007,316(5827):1037-1039.

[29] Azoulay P,Zivin J S G,Sampat B N.The diffusion of scientific knowledge across time and space:evidence from professional transitions for the superstars of medicine[Z].Tech.Rep.,Cambridge:National Bureau of Economic Research,2011.

[30] Scott J.Social Network Analysis[M].Sage,2017.

[31] Quan H A,McCay P L.Social network analysis[J].The International Encyclopedia of Communication Theory and Philosophy,2016.

[32] 刘军.社会网络分析导论[M].北京:社会科学文献出版社,2004.

[33] Scott J,刘军.社会网络分析法[M].重庆:重庆大学出版社,2016.

[34] Freeman L.The Development of Social Network Analysis:A Study in The Sociology of Science[M].Vancouver:Empirical Press,2004.

[35] Burt R.Structural Holes[M].Cambridge:Harvard University Press,1992.

[36] 夏箐.社会网络分析[J].科技视界,2016(5):126.

[37] 张存刚,李明,陆德梅.社会网络分析——一种重要的社会学研究方法[J].甘肃社会科学,2004(2):109-111.

[38] Coleman J.Social capital in the creation of human capital[J].American Journal of Sociology(Supplement),1988,94:95-120.

[39] 徐振宇.社会网络分析在经济学领域的应用进展[J].经济学动态,2013(10):62-72.

[40] 马绍奇,焦璨,张敏强.社会网络分析在心理研究中的应用[J].心理科学进展,2011,19(5):755-764.

[41] 马述忠,任婉婉,吴国杰.一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角[J].管理世界,2016(3):60-72.

[42] 庆华,李亮.社会网络分析法及其在情报学中的应用[J].情报理论与实践,2008,31(2):179-183.

[43] Mercken L,Snijders T A B,Steglich C,et al.Dynamics of adolescent friendship networks and smoking behavior[J].Social Networks,2010,32(1):72-81.

[44] Leenders R T A J,Dolfsma W A.Social networks for innovation and new product development[J].Journal of Product Innovation Management,2016,33(2):123-131.

[45] Francis C.Social Networks in the History of Innovation and Invention[M].Springer,2016.

[46] Coulon F.The use of social network analysis in innovation research:a literature review[Z].Lund University,2005.

[47] Abrahamson E,Rosenkopf L.Social network effects on the extent of innovation diffusion:a computer simulation[J].Organization Science,1997,8(3):289-309.

[48] Mukherjee S,Uzzi B,Jones B,et al.A new method for identifying recombinations of existing knowledge associated with high impact innovation[J].Journal of Product Innovation Management,2016,33(2):224-236.

[49] Cammarano A,Caputo M,Lamberti E,et al.R&D collaboration strategies for innovation:an empirical study through social network analysis[J].International Journal of Innovation and Technology Management,2017,14(1):174.

[50] 殷国鹏,莫云生,陈禹.利用社会网络分析促进隐性知识管理,清华大学学报(自然科学版),2006,46(S1):964-969.

[51] 郝志超.社会网络分析方法在合著网络中的实证研究[J].办公室业务,2017(15):182-183.

[52] 占侃,孙俊华.江苏高校校企合作研究:基于社会网络分析的视角[J].科研管理,2016,37(10):146-152.

[53] 王海龙,和法清,丁堃.基于社会网络分析的专利基础技术识别——以半导体产业为例[J].情报杂志,2017,36(4):78-84.

[54] 张其仔.比较优势的演化与中国产业升级路径的选择[J].中国工业经济,2008(9):58-68.

[55] 曾世宏,郑江淮.产品空间结构理论对我国转变经济发展方式的启示[J].经济纵横,2008(11):21-23.

[56] 曾世宏,郑江淮.企业家“成本发现”,比较优势演化与产品空间结构转型——基于江苏经济发展的案例研究[J].产业经济研究,2010(1):9-15.

[57] 张妍妍,吕婧.基于产品空间结构重构的东北老工业基地产业升级研究[J].工业技术经济,2016,33(4):11-18.

[58] 伍业君,王磊.比较优势演化,产业升级与中等收入陷阱[J].广东商学院学报,2012,27(4):23-30.

[59] 李乾.产品空间上在国内区域层面上的应用——以中国制造业为样本[D].厦门:厦门大学,2014.

[60] 陈杰.产品空间视角下浙江工业产业转型升级研究[D].杭州:浙江工商大学,2013.

[61] 胡立法.产品空间结构下的产业升级:中韩比较[J].世界经济研究,2015(3):13.

[62] Wagner C S,Jonkers K.Open countries have strong science[J].Nature,2017,550,32-33.

[63] 张婧.跨国公司在华设立研发机构:动因,影响及对策[J].科技与管理,2004,6(1):1-3.

[64] 王生辉,崔新健.跨国公司在华研发机构的现状,影响及政策建议[J].中央财经大学学报,2005,8:50-53.

[65] 马述忠,吴国杰,任婉婉.海外在华研发投资促进了我国技术创新[J].国际贸易问题,2014(5):144-153.

[66] 章文光,王晨.外资研发与区域创新系统互动机制分析和实证检验[J].北京师范大学学报(社会科学版),2014,2(2):147-156.

[67] Von Wartburg I,Teichert T.Inventive progress measured by multi-stage patent citation analysis[J].Research Policy,2005,34(10):1591-1607.

[68] Porter M E.The Competitive Advantage of Nations[M].New York:The Free Press,1990.

[69] Balassa B.Trade liberalization and revealed comparative advantage[J].The Manchester School of Economic and Social Studies,1965,33:99-123.

[70] 杨武.专利技术创新法与经济学分析[M].北京:科学出版社,2013.

[71] Bently L,Sherman B.Intellectual Property Law[M].Oxford University Press,2014.

[72] Fisch C O,Block J H,et al.Chinese university patents:quantity,quality,and the role of subsidy programs[J].The Journal of Technology Transfer,2016,41(1):60-84.

[73] 刘军.整体网分析讲义:UCINET软件实用指南[M].上海:格致出版社,2009.

[74] 陈迎,潘家华,谢来辉.中国外贸进出口商品中的内涵能源及其政策含义[J].经济研究,2008(7):11-25.

[75] Ahuja G,Morris L C.Entrepreneurship in the large corporation:a longitudinal study of how established firms create breakthrough inventions[J].Strategic Management Journal,2001,22(6/7):521-543.

[76] Mazzoleni R,Nelson R R.The benefits and costs of strong patent protection:a contribution to the current debate[J].Research Policy,1998,27(3):273-284.

[77] Park W G.International patent protection:1960—2005[J].Research Policy,2008,37(4):761-766.