0引言

在知识经济时代，知识产权制度是激励创新、优化知识资源配置，进而促进科技进步、影响经济增长的重要工具。随着我国区域创新战略提出，各地区创新水平不断提高，本地有限的知识储备已经无法满足创新发展需要，亟须引入外部知识激发创新活力。知识产权保护与区域创新发展的关系取决于区域市场发育程度、外国直接投资等多种因素[1]，而且客观存在的地方保护和市场分割也会影响区域创新系统有效性。此外，区域创新活动发展具有空间相关性，一个地区的创新发展能力不仅取决于本地区的诸多因素，还会受到其它地区影响。因此，关注区域知识产权保护的空间效应，利用知识产权保护空间外溢性促进区域创新体系发展，是当前研究的热门议题，本文就此展开探讨。

1文献综述

知识产权制度包含知识产权创造、管理、运用和保护，其中知识产权保护制度影响和决定了知识产权的创造水平、管理能力和运用程度。作为促进知识生产和技术创新的一项重要制度安排，知识产权保护有利于提升自主创新能力[2]，对我国创新驱动发展具有重要引领作用[3]。然而，学界对于知识产权保护能否促进区域创新发展一直存在争议。有学者认为加强知识产权保护不利于区域创新[4]，也有学者认为知识产权保护与区域创新之间存在正相关关系[5]，还有学者指出知识产权保护与区域创新发展之间并非简单的线性关系[6]或者存在非线性相关关系[7-8]。此外，区域创新活动通常在空间分布上具有依赖性，国内外众多学者都对创新活动的空间分布及演变进行了研究。从指标设定看，大多数学者使用专利统计数据[9]衡量区域创新活动产出，而专利统计数据分布与区域知识产权保护制度息息相关。同时，已有研究表明知识产权保护在各区域之间并非独立存在，而是存在一定的空间关联[10,11]。知识产权是一种生产要素，发展知识产权出口贸易可以有效改善整体外贸环境[12,13]。事实上，在全球化背景下，随着我国区域市场一体化程度逐步加深，一个地区的知识产权保护制度不仅会作用于本地创新活动，还会通过创新网络对周边地区造成影响，即空间溢出效应。因此，准确测度该溢出效应，对区域创新具有重要作用。

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。

2知识产权保护空间关联网络结构机理分析

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。

各地区通过实施知识产权保护制度为当地区域创新发展提供必要支持，但是为什么有些区域知识产权保护强度较高，而另一些区域知识产权保护强度却很低？这种作用在地区之间是否存在差异化影响？进一步，随着信息化建设高速推进，知识产权保护的空间溢出效应研究不应局限于地理邻近视角，其可能呈现出一种复杂的网络结构关系，从而知识产权保护效果不仅取决于自身因素，还取决于区域间的联动关系。知识产权保护具有多线性的空间关联关系，因此从空间维度探析知识产权保护的相关性与异质性，对于解析区域知识产权保护、促进区域创新发展具有重要意义。

3研究设计

3.1指标选取与数据来源

知识产权保护制度执行反映在立法、执法等方面，开展相关研究的一个重要前提就是对知识产权保护强度进行科学测度。目前，国内外学者较多采用G-P指标测度知识产权保护强度，但该指标仅针对国家层面，即G-P指标仅代表了立法强度，衡量的是一个国家是否制定了知识产权保护相关法律，并未考察其在各地区的实际执行效果。本文在传统G-P指标基础上，综合考虑执法因素，采用知识产权保护强度(简称为IPP强度，Intellectual Property Protection)表征知识产权保护制度。因此，为了更好地测度区域差异性，在原有基于国家层面测度的知识产权立法强度基础上，增加知识产权执法强度。知识产权保护由中央统一立法，各地方政府依据自身发展情况执法，故立法强度全国各省份统一、执法强度需根据各省面板数据分别计算得到。本文选用的立法强度测量指标以G-P指标为基础，从社会法制化程度、法律体系完备程度、经济发展水平、国际社会监督与制衡机制[15]以及社会知识产权保护意识[16]5个方面进行综合测度，如表1所示。立法强度记为L(t)，其二级指标分为5个类别、各占1分。每个类别包含若干个指标，指标得分之和除以该类别的总指标数即为该类别的得分，5个类别累加即为知识产权立法强度；最终知识产权保护强度测算是借鉴韩玉雄[15]的做法，即假定执法水平E(t)中各指标对执法力度贡献一样，将5个指标得分取均值，再与传统的G-P指标即立法强度L(t)相乘进行度量。

鉴于数据可获得性和统计口径差异性，并且第三次修订的专利法于2009年10月1日起施行，本文以2009年为数据收集起始年。选用2009-2016年我国内地31个省(市、自治区)的省际面板数据，其中知识产权保护立法强度各项指标得分根据《中国知识产权年鉴》及《中华人民共和国专利法》(2009版)数据计算得到；执法强度各项原始数据主要来源于《中国统计年鉴》和《中国律师统计年鉴》，所有检验通过Geoda095i软件和Ucinet软件完成。

表1 知识产权保护强度指标体系

一级指标 二级指标 具体度量立法强度专利法保护的覆盖范围药品、化学品、食品、动植物品种、医疗器械、微生物、实用新型 专利国际协定的参加情况 巴黎公约、专利合作条约、植物新品种保护条约 权利保护的丧失 专利的计划许可、专利的强制许可、专利撤销 执法机制专利侵权的诉前禁令、专利侵权的连带责任、专利侵权人举证责任 专利保护的期限 期限/20,即高于20年记为1分执法强度 法制化程度 律师占总人口的比例/万分之五 法律体系的完备程度 立法时间/100(中国立法的起始点是1954年) 经济发展水平 人均GDP/1000美元 国际社会的监督制衡机制 是否加入WTO:是记为1、否记为0 社会公众知识产权意识 万人拥有专利申请量/10

3.2研究方法

本研究融合全局Moran′s I、Moran散点图、LISA集聚图、社会网络分析等方法，对区域知识产权保护的影响机制进行全面分析：首先，基于地理邻近视角利用探索性空间数据分析方法，借助Geoda095i软件分析知识产权保护空间相关性；其次，考虑到区域地理上的间隔效应，采用社会网络测度区域知识产权保护联动的网络结构整体特征，以此表征各区域差异化的知识产权保护对该地区创新发展的作用机制，整体研究思路如图1所示。

4实证结果

4.1中国区域知识产权保护制度现状描述

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中国知识产权保护制度的空间相关性度量

4.2.1 全局空间统计分析

Moran′s I指数能反映出全局空间自相关性，可用于衡量空间邻接或邻近区域单元间的整体相关性和差异程度[17]，计算公式为：

(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。

全局Moran′s I值介于[-1,1]之间,I>0表示空间正相关，值越大表明空间相关性越强；I<0表示空间负相关，值越小说明空间差异越大；I=0表示空间不相关，即各区域知识产权保护强度值在空间上随机分布。

图1 研究框架

表2 2009-2016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′s I值

年份Moran's I指数P值 年份Moran's I指数P值2009 0.366 3∗∗∗0.0012013 0.275 9∗∗∗0.0062010 0.342 7∗∗∗0.0042014 0.320 5∗∗∗0.0012011 0.297∗∗∗0.0042015 0.303 7∗∗∗0.0042012 0.288 2∗∗∗0.0052016 0.319 1∗∗∗0.003

由表3可知，Moran′s I指数均为正，且在1%的水平上显著，说明存在全局空间自相关性，知识产权保护在不同地区并非表现出完全随机性，相似地区在空间上呈现出一定程度的集聚，即知识产权保护强度较高的区域或知识产权保护强度较低的区域在空间上趋于集聚。

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2 2009、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。

由表2还可以发现，中国区域知识产权保护具有空间相关性，图中颜色一样的区域大多属于邻接关系，相邻地区间存在空间集聚效应，知识产权保护具有空间依赖特征，具有局部空间自相关性。研究结果进一步表明，区域间由于经济贸易、知识技术等流动与扩散，不同区域也可具有相似的知识产权保护强度。然而也存在部分省市地理位置上不相邻，但它们仍可克服空间距离障碍，彼此间发展具有相关性。

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。

(1)Moran散点图分析。Moran散点图可用于揭示局部空间的不稳定性，反映区域单元与邻接单元的局部空间联系形式。为描述各区域知识产权保护的空间相关类型及空间分布状况，基于各省知识产权保护强度值，用Geoda095i软件绘制Moran散点图，见图3所示。

图3 2009、2011、2016年各省知识产权保护空间相关类型及分布

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

由图3可知，2009-2016年间LH、HL象限内的地区数量没有发生显著变化，大约占70%的比例，表现为空间正相关关系；HH象限的地区数量明显增加；LL象限的地区数量显著减少。这说明，各地区间经济发展程度不同，知识产权保护强度的空间关联性质也不同。究其原因，首先，若两个地区经济发展水平都较高，且在地理位置上邻近，那么它们都会主动优化创新环境，加上地方政府间相互博弈，两个地区之间既共同进步又相互竞争，形成“高-高(HH)”保护强度；其次，地理位置上邻近但经济水平相差很大的地区之间，会形成“高-低(HL)”知识产权保护模式。这是因为，经济发展水平高的地区在各方面带动下推进体制机制创新，自身创新能力较强，知识产权保护强度也较高，而邻近的经济较落后地区，若不根据自身实际盲目实施强知识产权保护，就会陷入“创新陷阱”的恶性循环，阻碍技术创新。因此，这些地区会采取弱知识产权保护，实施模仿式创新；再次，对于两个经济发展落后的相邻地区，由于基础设施不健全、经济水平低，形成了较弱的知识产权保护强度。此时，暂时实施宽松的知识产权保护制度有利于降低创新成本，从而形成“低-低(LL)”知识产权保护模式。

(2)LISA集聚图分析。由于Moran散点图不能判断各区域的局部相关类型在统计意义上是否显著，因此本部分基于各省IPP强度值，利用Geoda095i软件，输出31个省份知识产权保护强度的LISA集聚图，如图4所示。

图4 2009、2011、2016年中国知识产权保护强度LISA集聚图

从集聚效果看，2009—2016年处于LL低速增长区的西部省份范围明显缩小，说明知识产权保护强度水平不断提高。同时，由图4可知，海南省为LH区，因为海南本身知识产权保护强度较低，但被知识产权保护较强的广东省包围；四川省保护强度较高但相邻的西藏、青海知识产权水平落后，故四川位于HL区，说明知识产权保护强度具有空间异质性。进一步，2009—2016年局部相关性不显著的区域在缩小，说明邻近区域间知识产权保护的自相关程度逐渐提高，有利于区域创新均衡发展，缩小区域创新差距。

综上可知，中国区域知识产权保护强度具有全局空间正相关性。由空间分布图可知，两地区间即使在地理位置上不相邻，但知识产权保护强度相似，仍然具有空间相关性。同时，从局部角度看，多数省市的空间相关性并不显著。研究结论表明，多个区域之间的知识产权保护联动关系已经突破了地理学意义上的“近邻效应”。那么，跨越行政区域边界，如何测度知识产权保护制度的空间效应？

4.2.3 区域知识产权保护空间关联网络结构分析

一个区域知识产权保护制度的实施，不仅取决于自身区域发展因素，还会受到其它区域影响，即知识产权保护在各区域内并非独立运作，而是存在一定空间关联。仅采用探索性空间数据分析法研究中国各省市间知识产权保护强度的相关性有一定局限，而社会网络分析方法假设网络中任意两个节点间都存在“关系”，这样可克服地理位置不相邻及距离等局限，弥补上述研究方法的缺陷。因此，在区域知识产权保护强度空间相关性测度基础上，本部分主要借助社会网络分析法研究区域知识产权保护的空间关联网络结构。

(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、Granger Causality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5 2009年知识产权空间关联网络

图6 2011年知识产权空间关联网络

图7 2016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2009 31 2030.218 3 10.375 80.692 02011 31 2160.232 5 10.181 80.675 92016 31 2120.228 2 10.285 10.682 8

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(Graph Hierarchy,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(Graph Efficiency,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

由表6可知，净溢出板块由沿海省份构成，双溢出板块均为东部省份，经纪人板块则由中部及个别西部省份构成，净受益板块由大多数西部省份和个别中部省份构成，说明经济发展水平较高的三大经济圈对其它地区存在较多溢出关系，较好地发挥了带动作用。以2011年为例，第I板块包括北京、天津、内蒙古和山东4个省份，其中板块共有接收关系25个，对板块内部及外部共发送关系66个，期望内部关系比例为10%，实际内部关系比例为11%，对板块内外均产生了溢出效应，属于“双向溢出板块”；第II板块包括江苏、广东、福建、上海和浙江5个省市，共有接收关系33个，发送关系84个，期望内部关系比例为13%，实际内部关系比例为7%，发送关系数目显著多于接收关系数目，属于“净溢出板块”；第III板块包括吉林、河北、宁夏、陕西、辽宁、青海、新疆、四川、甘肃、山西、西藏、宁夏、重庆13个省市，共有接收关系99个，发送关系24个，期望内部关系比例为40%，实际内部关系比例为46%，接收到关系数目显著多于发送关系数目，属于“净受益板块”；第IV板块包括湖北、湖南、云南、广西、贵州、海南、江西、安徽、河南9个省份，共有接收关系62个，发送关系38个，期望内部关系比例为26%，实际内部关系比例为16%，该板块与其它板块存在较多关联关系，但板块内部成员间关联关系相对较少，属于“经纪人板块”。

5结语

5.1研究结论

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：

(1)地理邻近视角下，区域知识产权保护具有空间相关性和空间集聚特征。各省知识产权保护的全局空间自相关性显著，发展水平相似的地区呈现出空间集聚趋势;知识产权保护存在空间异质性，由东向西递减，相邻地区存在空间集聚，地理不相邻地区间也存在相关性;由于各地区经济发展水平不同，知识产权保护的空间关联性质也不同；某些省市的局部空间相关性不显著，说明除地理学上的近邻效应外，还有可能存在网络空间关联效应。

(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。

5.2政策建议

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。

(2)根据区域发展状况，实施差异化对策。针对各区域网络角色以及不同的板块功能，进行定向调控和精准调控，实现各省知识产权保护协调发展。对于长三角、珠三角和环渤海等较发达地区政府，应通过实施引领性创新实现区域创新引领发展，进一步发挥自身动力源的带头作用。同时，应重视经纪人板块以及起中介作用的各省份，充分利用其传导功能。对于中西部等较落后的地区政府，应关注知识产权执法问题，进一步消除地方保护主义。

(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] SAKAKIBARA M, BRANSTETTER L. Do Stronger patents induce more innovation? evidence from the 1988 Japanese patent law reforms[J]. Rand Journal of Economics, 2001, 32(1): 77-100.

[5] LEDERMAN D, MALONEY W F. R&D and development[R]. World Bank Policy Research Working Paper, 2007．

[6] ADKISSON R V. Intellectual property rights in the global economy [J]. Journal of Economic Issues, 2004, 38(1):281-282.

[7] CHEN Y, PUTTITANUN T. Intellectual property rights and innovation in developing countries[J]. Journal of Development Economics, 2005, 78(2):474-493.

[8] YANG G, MASKUS K E. Intellectual property rights, licensing, and innovation in an endogenous product-cycle model[J]. Journal of International Economics, 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] MORAN P A P.The interpretation of statistical maps[J]. Journal of the Royal Statistical Society Series B (Statistical Methodology), 1947, 10(2).

[18] SCOTT J. Social network analysis [M]. London: Sage Publication, 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.

[20] 高波, 任若恩. 基于Granger因果网络模型的金融机构系统重要性评估[J]. 管理评论, 2013, 25(6).

[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] FREEMAN L C. Centrality in social networks' conceptual clarification[J]. Social Networks, 1979, 1(3):215-239.

[24] WHITE H C, BOORMAN S A, BREIGER R L. Social structure from multiple networks[M]. Beijing：Foreign Languages Press, 1976.

[25] WASSERMAN S, FAUST K. Social network analysis: methods and applications [M]. Cambridge: Cambridge University Press, 1994.