中国新材料产业高价值专利空间分布与演进

许振亮; 李玉辉; 王振

doi:10.15978/j.cnki.1673-5668.20240607

科学观察 ›› 2024, Vol. 19 ›› Issue (6) :36-49 DOI: 10.15978/j.cnki.1673-5668.20240607

数据观察

中国新材料产业高价值专利空间分布与演进

作者信息 +

Spatial Distribution and Evolution of High-Value Patents in China's New Materials Industry

Author information +

文章历史 +

摘要

[目的/意义] 鉴于知识产权强国的战略要求和新材料产业在我国未来高新技术产业发展的重要地位，本文旨在探究中国新材料产业高价值专利的空间分布特征和时空动态演进趋势，以期丰富高价值专利研究主体，并对新材料产业领域的发展提出更具针对性的意见，助力我国在未来的新材料产业战略竞争中赢得先机。[方法/过程] 依托智慧芽专利数据库，采集2011－2021年中国30个省(自治区、直辖市)的新材料产业高价值专利数据，运用探索性空间数据分析、Dagum 基尼系数、马尔可夫链方法探究中国新材料产业高价值专利发展的空间分布特征与演进趋势。[结果/结论] 中国新材料产业高价值专利具有空间聚集的特征，且空间正相关性呈增强的趋势；整体空间差距呈缩小趋势，但目前依然有较大差距，且各地区间的差距是导致整体差距过大的主要原因。在空间演进上，中国新材料产业高价值专利的发展具有“俱乐部趋同”现象；在各地发展水平迁移方面，向上转移的概率大于向下转移的概率，整体上呈现稳中向好的发展趋势。

Abstract

[Objective/Significance] In view of the strategic requirements of intellectual property power and the important position of new material industry in the future development of high-tech industry in China, this paper aims to explore the spatial distribution characteristics and spatial-temporal dynamic evolution trend of high-value patents in China's new material industry, to enrich high-value patent research and offer targeted advice for new material industry development, so as to help China win the initiative in the strategic competition of new material industry in the future. [Method/Process] This paper collects high-value patent data of new materials industry in 30 provinces(autonomous region,municipality) in China from Wisdom Sprout Patent Database from 2011 to 2021, and uses exploratory spatial data analysis, Dagum Gini coefficient, and spatial Markov modeling methods to explore the spatial distribution characteristics and spatial dynamics of the high-value patents of China's new materials industry. [Results/Conclusions] High-value patents in China's new materials industry are characterized by spatial aggregation, and the positive spatial correlation is increasing; the overall spatial gap is narrowing but there is still a large gap, and the gap between various regions is the main reason for the overall gap is too large; in the spatial evolution of the Chinese new materials industry, the development of high-value patents exhibits a phenomenon of "club convergence". Regarding the migration of development levels across regions, the probability of upward transfer is greater than that of downward transfer, indicating an overall trend of stable and positive development.

Graphical abstract

关键词

高价值专利 / 新材料产业 / 空间聚集 / Dagum基尼系数 / 空间演进

Key words

high-value patent / new material industry / spatial aggregation / Dagum Gini coefficient / spatial evolution

引用本文

引用格式 ▾

许振亮, 李玉辉, 王振. 中国新材料产业高价值专利空间分布与演进[J]. 科学观察, 2024, 19(6): 36-49 DOI:10.15978/j.cnki.1673-5668.20240607

Xu Zhenliang, Li Yuhui, Wang Zhen. Spatial Distribution and Evolution of High-Value Patents in China's New Materials Industry[J]. Science Focus, 2024, 19(6): 36-49 DOI:10.15978/j.cnki.1673-5668.20240607

登录浏览全文

4963

注册一个新账户忘记密码

0 引言

党的二十大报告中明确提出，要完善科技创新体系，坚持创新在我国现代化建设全局中的核心地位，要求深化科技体制改革，加强知识产权法治保障，形成支持全面创新的基础制度。知识产权事业是党和国家事业的有机组成部分，在新时代作为国家发展战略性资源和国际竞争力核心要素的作用更加凸显。专利作为知识产权中科技含量相对较高的组成部分，对推动我国知识产权事业的发展起着举足轻重的的作用。长期以来，我国盲目追求专利数量的增长，将专利数量等同于创新，却忽视了对专利质量的提升，导致大量泡沫专利的出现。

高价值专利概念正是诞生于上述背景之下，是党和国家为推动我国专利事业由追求数量增长到追求质量提升的关键政策工具。根据目前学界的普遍认识，高价值专利是指具备高经济价值、高技术价值、高法律价值、高市场价值的专利。高价值专利的发展不仅对我国的知识产权事业产生重要影响，更是深入实施创新驱动战略和推动高质量发展的客观要求。目前，学术界有关高价值专利的研究主要集中在高价值专利的内涵界定、判别方法研究、评价指标研究、影响因素研究这几方面，鲜有文献对高价值专利区域分布情况与时空演进趋势进行测度。因此，本文以战略性新兴产业的分支之一的新材料产业专利数据为研究样本，运用探索性空间数据分析、Dagum基尼系数、空间马尔可夫链方法，探究中国新材料产业高价值专利的空间分布特征和时空动态演进趋势。以期丰富高价值专利研究主体，并对新材料产业领域的发展提出更具针对性的意见，助力我国在未来的新材料产业战略竞争中赢得先机。

1 文献综述

1.1 高价值专利综述

关于对高价值专利的内涵的界定，有许多不同的定义。韩秀成等^[1]对专利价值和专利质量的相关表征概念进行辨析，认为专利价值和专利质量是体现专利状况的不同角度，并认为高价值专利在专利质量上要有高水平的技术方案、高质量的专利申请文件和稳定性较好的权利，在专利价值上要有良好的国内外市场前景、较高的产品市场占有率或者很好的市场控制力。马天旗等^[2]则在此基础上整合专利质量和专利价值的概念，提出从技术价值、法律价值、市场价值、战略价值、经济价值5个维度对高价值专利的内涵进行剖析，并进一步将高价值专利划分为广义的和狭义的高价值专利。胡海容等^[3]对此有不同的见解，其认为判定高价值专利的首要条件是良好的市场交换价值，同时辅之以一定的技术先进性和一定的权利即可。到如今，学界对高价值专利形成较为统一的看法是将高价值专利看作是同时具备高技术价值、法律价值、市场价值和战略价值的专利^[4]。

1.2 专利的空间分布与演进研究现状

潘雄锋等^[5]将专利数据作为创新活动的指标，基于空间马尔科夫链方法研究中国区域创新趋同的时空动态演进特征。王宇新等^[6]用专利授予量代表技术创新能力，利用基尼系数带测算我国省际技术创新能力的差异。Sun^[7]用专利申请数来表示区域创新活动，利用变异系数和熵指数来研究我国创新活动的空间分布离散程度和空间集中度。以上学者的研究主要是将专利数据作为衡量创新的一种指标，还有学者直接就专利的空间分布特征进行研究。宋河发等^[8]实证测度中国 31个省（自治区、直辖市）的发明专利的质量状况，发现中国专利质量呈现东高西低的阶梯状分布。丁焕峰等^[9]基于2001－2018年全国279个城市数据，使用动态因子分析法测度并评价城市专利质量。研究表明，中国城市专利质量呈缓慢上升的趋势，空间聚集特征明显，除中部地区以外均存在俱乐部收敛的情况。范丽娜^[10]利用2000－2002年31个省（自治区、直辖市）的年均专利申请量，构建了专利分布的空间集中度指数，表明我国专利具有集中于沿海分布的特点，并且专利的空间分布受到社会、经济等因素的影响。赖晓敏等^[11]以1985－2017 年中国农业发明专利和实用新型专利的数据为基础，采用Pyatt分解的基尼系数，量化区域分布差异，发现区域间专利布局不均衡且存在马太效应，东北区域内失衡严重。

总结关于专利的空间分布特征研究现状，发现我国现有关于专利的空间分布特征研究存在以下不足：1）现有研究大多是针对我国整体的专利空间布局进行分析而较少聚焦于某个具体产业，难以对具体产业的专利发展现状和空间布局进行针对性的分析并给出合理的政策建议；2）高价值专利作为知识产权强国的重要内容，其内涵同时包含了专利价值和专利质量，目前关于专利空间布局方面的研究均没有涉及高价值专利的内容，仅有对专利质量的空间分布分析。基于以上考虑，本文聚焦新材料产业，尝试运用莫兰指数、Dagum基尼系数、马尔科夫链方法对新材料产业高价值专利发展的区域特征和时空动态演进趋势进行研究并给出针对性的政策建议。

2 数据来源与研究方法

2.1 数据来源

本文以战略性新兴产业分支之一的新材料产业专利数据为研究样本，基于智慧芽专利数据库（Patsnap）进行相关数据采集。选取时间为2011－2021年（考虑到专利价值同专利存活时间直接相关，近2年的大部分专利价值尚未显现，故予以剔除），共检索到537807条数据。在此基础上，利用智慧芽专利评估体系对新材料产业高价值专利做出筛选，完成数据清洗后得到新材料产业高价值专利数据，共16615条，将最终筛选出的新材料产业高价值专利信息按产出省（自治区、直辖市）（缺少港澳台和西藏相关数据）和年份划分，形成面板数据，如表1所示。

2.2 探索性空间数据分析（ESDA）

探索性空间数据分析（ESDA）以空间关联测度为核心，通过对某事物或现象的空间分布的可视化分析，发现其空间关联性和聚集性。本文选用全局Moran’s I指数和局部Moran’s I指数来考察数据是否具备空间自相关性。

全局Moran’s I指数计算方法见式（1）。

（1）$ I=\frac{\sum_{i=1}^{n} \sum_{j \neq i}^{n} W_{i j}\left(x_{i}-\bar{x}\right)\left(x_{j}-\bar{x}\right)}{S^{2} \sum_{i=1}^{n} \sum_{j \neq i}^{n} W_{i j}}$

式中：x_i为i地区的观测值；x_j为j地区的观测值； $ \bar{x}$为观测值的均值；S²为样本方差；n为观测地区的总数；W_ij为空间权重矩阵的要素。

局部Moran’s I指数计算方法见式（2）。

（2）$ I_{i}=\frac{\sum_{i=1}^{n} \sum_{j \neq i}^{n} W_{i j}\left(x_{i}-\bar{x}\right)\left(x_{j}-\bar{x}\right)}{S^{2}}$

式中：各元素含义和式（1）相同^[12]。

2.3 Dagum基尼系数

基尼系数是国际上通用的、用以衡量一个国家或地区居民收入差距的常用指标;而Dagum基尼系数是对基尼系数的升级，其可分解为组内系数、组间系数和超变密度系数，即Dagum =G_w +G_b + G_t。Dagum基尼系数弥补了其他用于测度地区差距方法因无法解决考察数据存在交重叠现象的不足，能够更好地识别地区差距来源问题。故本文使用Dagum基尼系数来考察我国的新材料产业高价值专利发展水平的分布差距及差距来源。

2.4 马尔科夫链方法

马尔科夫链为状态空间中经过从一个状态到另一个状态的转换的随机过程。马尔科夫链的一个特点是无记忆性，即当前状态在下一时刻的变化和之前时刻的状态都无关，只与当前时刻的状态有关。

用数学公式表示为式（3）。

（3）$ P\left(x_{i} \mid x_{i-1}, x_{i-2}, \cdots, x_{1}\right)=P\left(x_{i} \mid x_{i-1}\right)$

现在定义{x_n,n∈T}, x_n的取值构成状态空间为集合S，观测期内的时间集合为T。x_n=i表示观测值在n时刻的状态为i的概率。

转移概率为P_ij计算方法见式（4）。

（4）$ \begin{aligned} P_{i j} & =P\left(x_{n-1}=i \mid x_{n-2}=i_{n-1}, x_{n-3}=i_{n-2}, \ldots, x_{1}=i_{0}\right) \\ & =P\left(x_{n}=j \mid x_{n-1}=i\right) \end{aligned}$

在本文中p_ij通过极大似然估计法计算出具体数值。

计算方法见式（5）。

（5）$ P_{i j}=\frac{n_{i j}}{n_{i}}$

式中：n_i表示在n-1时刻状态为i的观测值在n时刻状态转移为j的对象数量之和，n_i为n-1时刻状态为i的对象数量之和^[13]。

3 实证分析

3.1 空间权重矩阵的构建

现有研究中存在多种空间权重矩阵的构建方法，例如以距离、经济、地理关联为基础的空间权重矩阵等^[14]。本文的研究重点是省际新材料产业高价值专利的空间分布特征和时空演进趋势，故选用以地理距离为基础构建的空间权重矩阵。

具体构建方法是以邻接空间为权重，构建Queen邻接的空间权重矩阵，以中国各个省（自治区、直辖市）为样本点，如果2个样本点在地理位置上相邻，如北京市与河北省，则定义为“1”（若是两省之间存在海域行政区域界限也定义为“1”，如海南省和广东省）；如果2个样本点在地理位置上没有相邻，如北京市与河南省，则定义为“0”。

3.2 基于莫兰指数测度新材料产业高价值专利的空间分布特征

3.2.1 新材料产业整体空间分布特征

本文通过GeoDa软件计算全局和局部Moran’s I指数来分析我国新材料产业高价值专利产出的空间相关性特征，所得I值为莫兰指数数值，其区间为（－1，1），越接近－1，表明空间负相关性越强；越接近1，表明空间正相关性越强；越接近0，表明空间相关性越弱。Z值和P值表明观测结果的置信程度，P值表示在零假设（空间随机分配）下，出现当前莫兰指数值的概率，当P值<0.05，表明在95%的水平上拒绝零假设；Z值表示一个区域内元素的均值与所有其他区域的均值之间的偏差率，当Z值的绝对值大于1.65时，可以认为数据分布有明显的空间模式。

利用GeoDa计算2011－2021年的全局莫兰指数I值，并进行999次置换的显著性分析得出Z值和P值。由表2可知，Z值和I值的数值基本呈上涨的趋势而P值则是在逐年减小。这表明，我国新材料产业高价值专利发展的空间自相关性的显著性水平呈上升趋势，并且在新材料产业高价值专利发展上的空间正相关性越来越强。我国新材料产业随着规模不断扩大、产业结构不断优化升级，新材料产业集群的空间分布逐渐形成，各地区依托自身的不同优势大力发展差异化的新材料产业集群^[15]。产业集群发展会带动资金、技术、研发人员等资源集中，促进信息交流，这些都有利于新材料产业高价值专利的产出。因此本文认为新材料产业集群发展的产业发展特征可能是导致其高价值专利发展空间正相关性不断增强的原因之一。

2017年之前，在新材料产业高价值专利Moran’s I指数的P值未能通过显著性检验，但是这并不表明其不存在空间自相关性，可能是存在局部的空间相关性或者正负相互抵消^[16]，具体可通过局部Moran’s I指数来分析2017年之前我国各地区新材料产业高价值专利发展是否具有空间自相关性。

散点图（图1）的“第一象限”“第二象限”“第三象限”“第四象限”分别对应新材料产业高价值专利“高-高”“低-高”“低-低”“高-低”4个聚集状态^[17]。从散点图中可以看出,我国大部分省（自治区、直辖市）都集中在第一象限、第三象限，比例达到60%~77%，并且从LISA聚类地图可以看出，低低聚集的省（自治区、直辖市）大多在西部地区，高高聚集的省（自治区、直辖市）大多在东部地区（集中于长三角地区）。这表明,我国新材料产业高价值专利发展的空间聚集性以同类聚集为主，且我国在新材料产业高价值专利发展上基本存在东部沿海高、内陆低的阶梯状空间分布特征。从同类聚集的省（自治区、直辖市）变化上看，高高聚集的省（自治区、直辖市）以上海为中心向东部沿海其他省（自治区、直辖市）扩散，这表明在新材料产业高价值专利的产出上存在明显的空间溢出效应^[18]；低低聚集的省（自治区、直辖市）在数量上有所增加且原先为低低聚集的省（自治区、直辖市）并没有发生改变。由此可以证明，若没有外界因素介入，一旦形成低低聚集的发展态势，则很难发生改变。这就需要政府加以引导，对于呈低低聚集发展的省（自治区、直辖市）具体分析问题成因，比较各地发展优势，合理选择“破冰点”，加大政策扶持和资源倾斜，同时更大范围地发挥该领域高水平发展省（自治区、直辖市）的辐射作用，带动一些省（自治区、直辖市）打破低低聚集的空间发展态势，给其注入新的发展活力。

3.2.2 前沿新材料领域空间分布特征

根据《工业战略性新兴产业分类目录（2023）》，前沿新材料属于新材料产业细分领域之一，是孕育战略性新兴产业和引领未来科技发展的具有优异性能和特殊功能的材料，具有战略性、先导性和颠覆性的特征，代表了新材料产业发展的方向与趋势。鉴于此，本文认为有必要针对前沿新材料领域开展高价值专利空间分布的研究，以便更好地把握新材料产业技术发展的脉络和整体发展的未来导向。

首先，经过计算得出前沿材料领域高价值专利分布的全局莫兰指数为0.104，但未能经过显著性检验，因此无法通过莫兰指数来测度前沿材料领域的空间相关性。分析其原因，本文有2点猜测：一是我国前沿新材料领域正处于高速发展时期，且存在原始创新不足的问题^[19]，由此高价值专利的发展正处于萌芽期，导致前沿新材料领域的高价值专利产出在空间上展现出随机分布的特征；二是我国在前沿新材料领域作为创新主体的高校和科研院所未能与作为生产主体的企业充分融合^[20]，“产学研用”未能做到充分贯通，导致前沿新材料领域高价值专利的发展未能与前沿新材料产业集群化发展保持一致。

为了进一步分析我国各省（自治区、直辖市）前沿新材料领域高价值专利的空间分布，本文将高价值专利产出由低到高划分为4个部分。由图2可以看出，前沿材料高价值专利产出数量在[186:736]的高产出省（自治区、直辖市）分别为北京市、江苏省、广东省、浙江省、上海市、安徽省、山东省，其分别位于东部的环渤海、长三角、珠三角地区，而前沿材料高价值专利产出数量在[1:14]的低产出省（自治区、直辖市）分别为新疆维吾尔自治区、青海省、甘肃省、宁夏回族自治区、内蒙古自治区、四川省、海南省，除四川省、海南省外，其他5个省（自治区、直辖市）均位于西北地区，而高价值专利产出在[18:65][70:178]这2个中间区域的16个省（自治区、直辖市），则大部分分布于中西部地区。由此可以证明，在前沿材料领域的高价值专利发展上，依然保有东部沿海高内陆地的阶梯状空间分布特征，与3.2.1得出的结论保持一致。

3.3 基于基尼系数测度我国新材料产业高价值专利分布空间差距

3.3.1 总体差距及其动态演进趋势

2011－2021年这11年间，我国30个省（自治区、直辖市）(除港澳台、西藏）新材料产业高价值专利基尼系数呈现显著的阶段性变化（表3、图3）。总体来说，2017年以前，基尼系数在逐年下降，而2017年以后，呈波动上升的趋势。2011－2017年，我国新材料产业高价值专利发展基尼系数逐年下降，由历史最高值2011年的0.728减小到2017年的最低值0.6，降幅达到了17.6%。国务院于2012年印发了《“十二五”国家战略性新兴产业发展规划》，明确提出要大力发展新材料产业，并针对我国新材料产业的发展给出规划建议，这可能是导致我国新材料产业高价值专利发展在2011－2017年差距不断缩小的主要原因。2011－2014年，基尼系数下降速度较快，降幅达到了12%；2014－2016年，基尼系数下降速度明显放缓，降幅只有2.4%，这可能与我国在2014年发布了《关键材料升级换代工程实施方案》有关，该方案提出到2016年要实现一批重点新材料的批量稳定生产和规模应用，这表明在这一阶段新材料产业高价值专利的应用转化是发展的重点方向；2016－2017年，Dagum基尼系数下降速度再次加快，达并到最低值0.6，降幅达到了3.7%。2017年之后，我国新材料产业高价值专利发展基尼系数变化总体呈现出波动上升的发展趋势，2017－2021年整体基尼系数由0.6上升到0.617，涨幅为2.8%。在《新材料产业发展指南》中,工信部明确提出“推动新材料产业协调发展，形成东、中、西及东北地区错位发展、竞争有序的新材料产业整体格局”。我国新材料产业特色集聚发展的目标可能会导致各地区在新材料产业的科技创新方面有着不同的要求和需要，这可能是基尼系数在2017年之后波动上升的重要原因。结合2017－2021年我国新材料产业高价值专利发展基尼系数的整体变化趋势和我国新材料产业特色聚集发展的发展要求，可以合理推测今后几年我国新材料产业高价值专利基尼系数可能会持续在0.6附近波动，整体仍还具有较大差距。

3.3.2 各地区差距及其动态演进趋势

本文将我国30个省（自治区、直辖市）（除港澳台、西藏）划分为4个部分，分别为东部地区、中部地区、西部地区和东北地区（图4）。

西部地区：2011－2021各年份的地区内基尼系数均高于其他3个地区，表明西部地区新材料产业高价值专利发展地区内差距最为显著。总体上来说，西部地区的地区内差距呈波动减小的趋势，并以2015年为分界点存在明显的阶段性特征。2011－2015年，基尼系数变化最为显著，呈“倒U型”，2012年为拐点，2011－2012年涨幅达17.6%，2012－2015年降幅为21.7%。西部地区虽然资源丰富，但在高端人才储备、技术创新积累方面存在明显不足，自主创新能力较弱，主要依靠资源转化和技术引进发展新材料产业，各地技术和人才引进的政策和效果不同，可能导致西部地区新材料产业高价值产出专利地区内差异显著。2015－2021年，基尼系数变化趋于平缓，具体来说，2015－2019年基尼系数呈上升趋势，涨幅为6.4%，2019－2021年呈下降趋势，降幅为5.3%。“十三五规划”明确提出，西部地区要培育新材料、新能源等战略性新兴产业作为主导产业，鼓励东西部开展区域合作、协调发展，西部各省根据自身优势大力发展特色新材料产业集群。例如，内蒙古依靠丰富的稀土资源大力发展稀土功能性材料产业集群，这使得西部各省新材料产业布局和发展趋于稳定。

东部地区：基尼系数基本呈下降趋势，整体降幅达37.5%。期间，2014－2015年、2018－2019年均有微弱上涨，涨幅分别为1.3%和0.3%。2011－2014年、2015－2018年、2019－2021年这3个时间段，基尼系数均呈下降趋势，降幅分别为23.3%、13%、7.9%。这表明，东部地区的新材料产业高价值专利发展差距整体上在不断地缩小，但缩小的速度在不断减缓。东部地区的科研实力、人才储备、创新能力均强于西部地区、中部地区和东北地区，其地区内新材料产业高价值专利产出差距缩小的趋势也最为明显。这表明，新材料产业作为高新技术产业，其高价值专利的发展除了受自身技术发展水平的影响，也与邻近地区技术辐射范围有较大关系。

中部地区：基尼系数的变化趋势呈现较为明显的“双U型”，2011－2012年、2016－2018年分别有略微的上升和下降趋势，其涨幅和降幅分别为1%、3%。2012－2016年为第1个“U型”，2012－2014年下降32.1%，2014年为拐点，基尼系数为0.221，2014－2016年上涨41.9%。2018－2021年为第2个 “U型”，2018－2020年的降幅为19.7%，2020年为拐点，基尼系数为0.25，2020－2021年的涨幅为8.1%。第1个“U型”的波动相较于第2个“U型”更为剧烈，表明中部地区的基尼系数变化也是趋于平稳的。可以合理推测2021年之后中部地区基尼系数的变化不会太过剧烈。

东北地区：相较于其他3个地区，东北地区的基尼系数变化最为剧烈。2011－2013年逐年下降，降幅为59.6%，其中2011－2012年的下降幅度最大，达46.3%。2013－2020年基尼系数呈“M型”变化，2013－2014涨幅为76.3%，2014－2017年降幅为34.2%，2017－2019年涨幅为59.4%，2019－2020年降幅为35.1%。最后，2020－2021年，基尼系数再次从0.25上升到0.48，涨幅达89.4%。在2011－2021年所有的阶段性变化中，2013－2014年、2020－2021年的变化幅度最大，涨幅分别达到了76.3%、89.4%。振兴东北老工业基地是党和国家做出的重大战略决策，而新材料产业是振兴东北工业的重要一环，东北地区内新材料产业高价值专利发展基尼系数在0.2~0.6内剧烈波动，也从侧面反应出东北各省新材料产业技术发展正处于起步阶段，发展状态并不平稳，需要更多的政策扶持和技术支撑。

3.3.3 地区内及地区间差距贡献率分析

由图5可以看出，我国新材料产业高价值专利发展基尼系数的贡献率由高到低分别为：地区间贡献率、地区内贡献率、超变密度贡献率。并且地区间贡献率呈波动上升的趋势，由2011年的65.89%上升到2021年的74.02%。这表明，我国新材料产业高价值专利发展整体差距主要受各地区之间的差距的影响，并且根据其变化趋势可以推测地区间的差距对我国整体差距的影响力还会持续上升。这可能与各地区之间的发展特征差异有关，例如，京津冀鲁等东部地区依托的是北京丰富的高校资源和雄厚的科研力量，而西部地区矿产资源丰富，技术依托型地区和资源依托型地区的发展侧重点不同，这也导致其在高价值专利领域的发展水平不同。地区内贡献率呈持续下降的趋势，由2011年的25.42%持续下降到2021年的18.75%。这表明，各地区内部各省（自治区、直辖市）之间关于新材料产业高价值专利发展方面的差距对我国整体的差距影响较小，远远不及地区之间的影响，并且其影响力还在不断弱化。超变密度反映了不同地区交叉重叠部分带来的差异，由图5可以看出，超变密度贡献率较小，最高不超过10%，故超变密度只对我国新材料产业高价值专利的整体差距水平产生微弱影响。

3.4 我国省际新材料产业高价值专利发展时空演进特征及趋势预测

3.4.1 传统马尔科夫转移概率矩阵分析

先将表1数据进行标准化处理，再根据我国各省（自治区、直辖市）新材料产业高价值专利发展的数量将其划分为4种类型的地区（表4）：将0~0.25定义为低产出水平地区（类型Ⅰ），0.25~0.5为较低产出水平地区（类型Ⅱ），0.5~0.75为较高产出水平地区（类型Ⅲ），0.75~1为高产出水平地区（类型Ⅳ）。并根据传统的马尔科夫转移概率矩阵分析出我国省际新材料产业高价值专利发展时空演变的如下特征。

特征1：“俱乐部趋同”。

表4中对角线上的元素表明新材料产业高价值专利发展水平类型尚未发生转移的概率，反映出新材料产业高价值专利发展的稳定性。非对角线上的元素表明各新材料产业高价值专利发展水平在不同类型间转移的概率，反映出新材料产业高价值专利发展的变动性。由表4中对角线上的数据可知，地区类型Ⅰ、Ⅱ、Ⅲ、Ⅳ维持自身状态的概率分别为75%、55%、75%、93%，而不同水平地区之间转移概率最高的为类型Ⅱ向类型Ⅲ转移的概率29%。这表明，其维持自身产出水平的概率要远大于其向其他产出水平转移的概率——“俱乐部趋同”现象较为明显。

特征2：向上转移的概率均高于向下转移的概率。

类型Ⅰ地区向上转移的概率为25%；类型Ⅱ向上转移的概率为29%，向下转移的概率为17%；类型Ⅲ向上转移的概率为16%，向下转移的概率为8%；类型Ⅳ向下转移的概率为7%。

特征3：越高产出水平地区向下转移的概率越小。

由类型Ⅳ向类型Ⅲ转移的概率为7%，小于由类型Ⅲ向类型Ⅱ转移的概率8%。而8%又小于由类型Ⅱ向类型Ⅰ的转移的概率17%。这表明越高产出水平的地区，其向下转移的概率越小。

特征4：高新技术产业高价值专利发展实现跨越式变化的概率为0。

无论是向上转移还是向下转移，只有主对角线以及主对角线两侧的数据不为0，这表明我国各省新材料产业高价值专利发展无论是向更高水平发展还是向更低水平退化，都不会出现跨越式的变化，出现“奇迹”的概率为0。

3.4.2 空间马尔科夫转移概率矩阵分析

传统的马尔科夫链转移概率矩阵将我国各省（自治区、直辖市）都看做是独立的空间单元，不受其他临近单元的影响，而这显然是不现实的。考虑到空间临近单元的影响，故将地理空间因素纳入到本文的研究范围之中。通过建立地理邻接权重矩阵加入到马尔科夫链中，将传统的马尔科夫矩阵分解为4个4×4阶的空间马尔科夫矩阵来考察在空间滞后因素的影响下马尔科夫转移矩阵会发生怎样的变化。

由表5可以看出，在加入空间滞后影响因素后，各类型地区的转移概率发生了显著的变化，这表明，各省（自治区、直辖市）的邻近地区对其自身新材料产业高价值专利发展具有显著影响，具有明显的空间依赖性特征，这也与上文对新材料产业高价值专利发展的空间特性分析相一致。

对传统马尔科夫转移矩阵和加入空间滞后因素的马尔科夫矩阵进行对比分析可以发现以下特征。

1）向上转移的概率大于向下转移概率的演化特征并没有因为加入空间滞后因素而改变。以类型Ⅱ为例，其在相邻地区为类型Ⅰ、类型Ⅱ、类型Ⅲ、类型Ⅳ地区时，其向上转移的概率为20%、33%、31%、18%，均大于向下转移的概率0、13%、26%、0。

2）在加入空间滞后的因素后，各类型地区的保留概率发生了变化，其中类型Ⅰ地区随着相邻地区新材料产业高价值专利发展水平的提高，其维持自身产出水平不变的概率分别97%、81%、46%、0，向更高水平发生转移的概率分别为4%、19%、54%、100%。这表明，其受到空间溢出效应的影响，在新材料产业高价值专利发展水平越高的省份对低水平省份的带动作用就越强。

3）类型Ⅱ地区在其相邻地区为类型Ⅰ和类型Ⅳ地区时，其保留概率较大，分别为80%、82%。而在其相邻地区为类型Ⅱ和类型Ⅲ时，其保留概率较小，分别为53%、43%。这表明，对于类型Ⅱ地区而言，当其相邻地区为新材料产业高价值专利低产出水平地区和高产出水平地区时，其受空间溢出效应影响较小；当相邻地区为新材料产业高价值专利较低产出水平地区和较高产出水平地区时，其受空间溢出效应影响较大，其新材料产业高价值专利发展水平发生变化的可能性更大。

4）类型Ⅲ地区随着相邻地区新材料产业高价值专利发展水平的提高，其维持自身产出水平不变的概率分别为67%、71%、72%、83%，其向类型Ⅳ发生转移的概率分别为33%、21%、16%、13%。这表明，对于类型Ⅲ地区而言，新材料产业高价值专利发展水平越低的省（自治区、直辖市）对中高水平省（自治区、直辖市）的影响就越强，其新材料产业高价值专利发展水平越可能发生向上转移。

5）类型Ⅳ地区与类型Ⅱ地区相邻时，有25%的概率向下转移。在其他情况下，其维持自身水平不变的概率较大，分别与类型Ⅰ、类型Ⅲ、类型Ⅳ地区相邻时，其保留概率为100%、96%、95%。

总体来说，根据空间马尔科夫转移概率矩阵可以看出，我国在新材料产业高价值专利领域的发展呈现稳中向好的趋势，高产出水平地区可以有较大概率保持住自身的发展优势，而其他产出水平地区向好发展的概率要大于向下发展的概率。

4 结论与政策建议

本文选用2011－2021年我国各省（自治区、直辖市）新材料产业高价值专利产出数据作为衡量新材料产业高价值专利发展水平的指标，运用Moran’s I指数、Dagum基尼系数和马尔科夫链方法来综合测度我国新材料产业高价值专利的省际地区差异及空间动态演进趋势。研究结论如下。

1）通过对全局莫兰指数和局部莫兰指数的分析，发现我国各省（自治区、直辖市）新材料产业高价值专利的发展整体而言空间正相关性在逐渐增强，空间分布上呈东部沿海高、内陆低的阶梯状分布。另外，通过对局部莫兰指数的分析，还发现一旦产生低低聚集，则很容易陷入固化，没有外部力量的强力干扰很难发生改变。

2）通过对Dagum基尼系数的分析，发现我国在新材料产业高价值专利发展水平上整体差距在不断缩小，除东北地区外，其他3个地区整体差距变化趋于平稳，但是地区间的差距在逐渐拉大。

3）通过对马尔科夫模型的分析，发现我国各地区的新材料产业高价值专利发展存在“俱乐部趋同”现象和空间相依性特征，尤其是对于新材料产业高价值专利发展水平为类型Ⅰ的地区，其相邻地区的发展水平越高，发生向上转移的概率越大。另外，通过对各类型地区向上转移和向下转移概率的分析，发现我国在新材料产业高价值专利发展上总体呈稳中向好的态势，在高水平地区有较大概率维持自身发展水平不变的前提下，其他类型地区向更高水平转变的概率要大于向下转变的概率。

基于以上结论，政策建议如下。

1）针对我国在新材料产业高价值专利发展水平上东部沿海高内陆低的阶梯状分布，要充分发挥各地区的地理位置优势、经济优势、资源优势等不同优势特点，积极实现各地区的融合发展，打破地区壁垒，在交流中实现共同进步。东部沿海的高水平地区要发挥出更大的作用，辐射带动低低聚集的省份冲破固化的发展态势。

2）新材料产业高价值专利产出整体空间差距不断减小，但是地区间的差距在不断拉大。就此情况，各地区在坚持产学研用相结合，努力提升自身在新材料领域原始创新能力的同时，也可以针对各自的特色优势，坚持“全国一盘棋”，在资源开发、贸易融通、创新研发等不同方面结合自身情况，做出不同的自我定位，各地区协调发展，相互交流，共同促进我国新材料产业的和谐有序发展。

3）整体来说，我国新材料产业高价值专利发展呈现稳中向好的态势，由此可以证实我国的新材料技术发展政策确实发挥了“指挥棒”的良好导向作用。所以政府更应乘胜追击，在新材料产业关键技术的高价值专利研发和发掘上给与适当的引导，促使其在保持现有发展态势的基础上加快发展，使新材料产业高价值专利的发展符合我国对新材料产业的发展要求和规划。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	韩秀成, 雷怡. 培育高价值专利的理论与实践分析[J]. 中国发明与专利, 2017, 14(12): 8-14.

[2]	( Han X C, Lei Y. Theoretical and practical analysis of cultivating high-value patents[J]. China Invention & Patent, 2017, 14(12): 8-14.)

[3]	马天旗, 赵星. 高价值专利内涵及受制因素探究[J]. 中国发明与专利, 2018, 15(3): 24-28.

[4]	Ma T Q, Zhao X. Research on the connotation and restricted factors of high-value patents[J]. China Invention & Patent, 2018, 15(3): 24-28.

[5]	胡海容, 王志恒. 高价值专利的判定与培育[J]. 中国发明与专利, 2018, 15(12): 15-21.

[6]	Hu H R, Wang Z H. Determination and cultivation of high-value patents[J]. China Invention & Patent, 2018, 15(12): 15-21.

[7]	晁蓉, 黄筱玲, 梁丽群. 高价值专利形成过程的文献学特征提取与评估模型构建[J]. 情报探索, 2021, 1(10): 7-14.

[8]	( Chao R, Huang X L, Liang L Q. Bibliographic feature extraction and evaluation model construction of high-value patent formation process[J]. Information Research, 2021, 1(10): 7-14.)

[9]	潘雄锋, 史晓辉. 基于专利指标的中国区域创新趋同的时空演变特征分析[J]. 管理评论, 2012, 24(2): 116-121.

[10]	Pan X F, Shi X H. Analyzing the spatial-temporal evolution characteristics of China's regional innovation convergence based on patent indicators[J]. Management Review, 2012, 24(2): 116-121.

[11]	王宇新, 王立平. 我国省际间技术创新能力的差异研究[J]. 科技与经济, 2010, 23(6): 11-14.

[12]	Wang Y X, Wang L P. Research on the differences of inter-provincial technological innovation capability in China[J]. Science & Technology and Economy, 2010, 23(6): 11-14.

[13]	Sun Y. Spatial distribution of patents in China[J]. Regional Studies, 2000, 34(5):441-454.

[14]	宋河发, 穆荣平, 陈芳, 等. 基于中国发明专利数据的专利质量测度研究[J]. 科研管理, 2014, 35(11): 68-76.

[15]	Song H F, Mu R P, Chen F, et al. Research on patent quality measurement based on China 's invention patent data[J]. Science Research Management, 2014, 35(11): 68-76.

[16]	丁焕峰, 何小芳, 孙小哲. 中国城市专利质量评价及时空演进[J]. 经济地理, 2021, 41(5): 113-121.

[17]	Ding H F, He X F, Sun X Z. Urban patent quality evaluation and spatio-temporal evolution in China[J]. Economic Geography, 2021, 41(5): 113-121.

[18]	范丽娜. 中国内地专利的空间分布及其影响因素分析[J]. 北京师范大学学报(社会科学版), 2005(2): 138-145.

[19]	Fan L N. An analysis of the spatial distribution and influencing factors of patents in mainland China[J]. Journal of Beijing Normal University (Social Sciences), 2005(2): 138-145.

[20]	赖晓敏, 张俊飚, 李兆亮. 中国农业专利的分布及影响因素[J]. 科技管理研究, 2019, 39(15): 160-169.

[21]	( Lai X M, Zhang J B, Li Z L. The distribution and influencing factors of agricultural patents in China[J]. Science and Technology Management Research, 2019, 39 (15): 160-169.)

[22]	吴儒练. 省域乡村振兴发展水平测度及空间集聚特征分析[J]. 统计与决策, 2023, 39(4): 59-64.

[23]	Wu R L. Measurement of provincial rural revitalization development level and analysis of spatial agglomeration characteristics[J]. Statistics & Decision, 2023, 39(4): 59-64.

[24]	李德立, 田伟, 田刚. 我国旅游经济高质量发展的区间差异与动态演进[J]. 统计与决策, 2022, 38(24): 84-88.

[25]	Li D L, Tian W, Tian G. Interval differences and dynamic evolution of high-quality development of China's tourism economy[J]. Statistics & Decision, 2022, 38(24): 84-88.

[26]	程开明, 姜山, 庄燕杰. 空间权重矩阵构造与优选:方法、策略及新进展[J]. 经济统计学(季刊), 2019(2): 1-20.

[27]	Cheng K M, Jiang S, Zhuang Y J. Construction and optimization of spatial weight matrix: methods, strategies and new progress[J]. China Economic Statistics Quarterly, 2019(2): 1-20.

[28]	曾昆, 李晓, 沈紫云, 等. 我国新材料产业集群发展战略研究[J]. 中国科学院院刊, 2022, 37(3): 343-351.

[29]	Zeng K, Li X P, Shen Z Y, et al. Research on the development strategy of new material industry cluster in China[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(3): 343-351.

[30]	赵磊, 方成, 吴向明. 旅游发展、空间溢出与经济增长:来自中国的经验证据[J]. 旅游学刊, 2014, 29(5): 16-30.

[31]	Zhao L, Fang C, Wu X M. Tourism development, spatial spillover and economic growth-empirical evidence from China[J]. Tourism Tribune, 2014, 29(5): 16-30.

[32]	周正柱, 冯博文. 长三角城市群商品流通发展的时空演变特征、区域差异及分布动态演进[J]. 上海交通大学学报(哲学社会科学版), 2024, 32(2): 24-47.

[33]	Zhou Z Z, Feng B W. Spatial-temporal evolution characteristics, regional differences and distribution dynamic evolution of commodity circulation development in yangtze river delta urban agglomeration[J]. Journal of Shanghai Jiaotong University (Philosophy and Social Sciences), 2024, 32(2): 24-47.

[34]	王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素[J]. 地理学报, 2019, 74(6): 1131-1148.

[35]	( Wang S J, Huang Y Y. Spatial spillover effects and drivers of carbon emission intensity in Chinese cities[J]. Acta Geographica Sinica, 2019, 74(6): 1131-1148.)

[36]	谢曼, 干勇, 王慧. 面向2035的新材料强国战略研究[J]. 中国工程科学, 2020, 22(5): 1-9.

[37]	Xie M, Gan Y, Wang H. Research on the strategy of new material power for 2035[J]. Strategic Study of CAE, 2020, 22(5):1-9.

[38]	李元元. 新形势下我国新材料发展的机遇与挑战[J]. 中国军转民, 2022(1): 22-23.

[39]	Li Y Y. Opportunities and challenges for the development of new materials in China under the new situation[J]. Defence Industry Conversion in China, 2022(1): 22-23.

PDF (2539KB)

917

访问

被引

详细

导航

Published
2024-12-15
Online Date
2024-12-17

摘要