High Quality Development Evaluation of Regional Intellectual Property Rights Based on Public Value

Hu Wenjing1,2,Ma Jianxia1,2,Xiezhen1,2

(1.Lanzhou Information Center, Northwest Institute of Eco-Environment and Resources, CAS, Lanzhou 730000,China；2. School of Economics and Management University of Chinese Academy of Sciences, Beijing 101408,China)

Abstract：In the context of increasingly fierce international competition, the national core competitiveness is manifested in the cultivation, allocation and regulation ability of knowledge innovation achievements and intellectual property resources. Since the promulgation of the outline of the national intellectual property strategy in 2008, the intellectual property strategy, as a basic strategy to encourage and protect innovation and promote economic and social development, has played a more and more important role. High quality development evaluation of intellectual property is not only an important way to test the implementation effect of intellectual property strategy, but also the key evidence of intellectual property strategy adjustment and reform.

According to Benington's division of public value dimension, this paper holds that the public value of high-quality development of intellectual property can be reflected in four first-class dimensions: economic value, social value, ecological value and government capacity value. The setting of secondary dimension follows the theory of sustainable development. The second dimension of economic value is set as the transformation of economic growth mode and the optimization of economic structure. The evaluation process is divided into five steps. Firstly, Lasso regression is used to preliminarily select the existing indicators in the China intellectual property development evaluation report, and the indicators with multiple co-occurrence are removed from the perspective of statistics. Secondly, according to the summary of existing research and the requirements of national innovation and sustainable development strategy, the indicators are revised and new indicators are introduced; Thirdly, auto encoder technology is used to characterize the public value of high-quality development of intellectual property rights. Fourthly, the random forest model is used to fit the three-level indicators and the public value of high-quality development of intellectual property rights, select the indicators again and determine the index weight. Fifthly, the coordination degree of the first-order index is calculated by using the dispersion coefficient coordination degree model, and the weighted geometric average is used for exponential synthesis.

Thirty-one provinces, municipalities and autonomous regions (hereinafter referred to as provinces) in mainland China are selected to compare the high-quality development of regional intellectual property rights. With consideration og the lag of statistical data of some indicators, 2019 data are used for analysis. Through the above steps, a reference index system for high-quality development of intellectual property rights including 4 primary indicators, 10 secondary indicators and 37 tertiary indicators has been constructed, including 18 indicators in the report, 6 modified indicators, 8 indicators in relevant literature and 5 new indicators. According to the score of intellectual property high-quality development index, the intellectual property development status of 31 regions in China can be divided into five echelons: the first echelon is Guangdong Province, which is the only region with intellectual property high-quality development index above 0.7; the second echelon includes Shanghai, Beijing, Zhejiang and Jiangsu, with a score range of 0.5 ～ 0.7; the third echelon includes 10 regions of Shandong, Sichuan, Tianjin, Hunan, Fujian, Anhui, Hubei, Henan, Hebei and Liaoning, with a score range of 0.4 ～ 0.5; the fourth echelon includes 10 regions of Shaanxi, Jilin, Chongqing, Jiangxi, Gansu, Heilongjiang, Guangxi, Yunnan, Guizhou and Shanxi, with a score range of 0.3 ～ 0.4; and the fifth echelon includes Ningxia, Hainan, Inner Mongolia, Qinghai, Xinjiang and Tibet, with a score of less than 0.3.

Through the position of each region in the coordinate system of high-quality development of intellectual property, it can be seen that the first and second echelons with high scores of high-quality development index of intellectual property are located in the first quadrant close to the x-axis and y-axis respectively, and far away from the angular bisector of the first and third quadrants of the coordinate system. Therefore it’s necessary to adjust the development mode of regional intellectual property rights accordingly.

The three-level indicators’ weight value distribution of the high-quality development index system of intellectual property rights has significant long tail distribution characteristics.The three indicators of R & D funds, high-value patents and intellectual property services are directional to improve the quality of intellectual property development. In the case of limited R&D funds, the cultivation of high-value patents and the improvement of intellectual property service level play a vital role in the high-quality development of intellectual property. It should be pointed out that it would lead to a state of imbalance of intellectual property development if only head indicators are stressed.

Key Words:Public Value; Intellectual Property Rights; High-quality Development; Indicator System; Coordination Degree

DOI：10.6049/kjjbydc.2021120151

开放科学(资源服务)标识码(OSID)：

中图分类号：F062.5

文献标识码：A

文章编号：1001-7348(2022)22-0040-11

收稿日期：2021-12-07

修回日期：2022-02-04

基金项目：甘肃省市场监督管理局知识产权计划——知识产权服务类项目(21ZSCQ035)

作者简介：胡文静(1983-)，女，河北定州人，中国科学院西北生态环境资源研究院文献情报中心、中国科学院大学经济与管理学院博士研究生，研究方向为政策量化、文本挖掘；马建霞(1972-)，女，甘肃兰州人，博士，中国科学院西北生态环境资源研究院文献情报中心研究馆员、中国科学院大学经济与管理学院博士生导师，研究方向为科学计量、数据挖掘与知识发现；谢珍(1986-)，女，陕西西安人，中国科学院西北生态环境资源研究院文献情报中心、中国科学院大学经济与管理学院博士研究生，研究方向为数据挖掘与知识发现。本文通讯作者：马建霞。

0 引言

高质量发展是2017年中国共产党第十九次全国代表大会上首次提出的新表述，首先使用于经济领域，表明中国经济由高速增长阶段转向高质量发展阶段[1]。2020年，中共第十九届五中全会明确将“高质量发展”作为“十四五”时期经济社会发展的重要指导思想之一，同时提出“要把高质量理念贯穿发展全过程和各领域，构建新发展格局，切实转变发展方式”。由此，高质量发展表述开始出现在公共文化服务、产业发展等诸多领域。

创新是推动高质量发展的主要动力[2]。在国际竞争日趋激烈的背景下，国家核心竞争力越来越表现为对知识创新成果和知识产权资源的培育、配置及调控能力。自2008年《国家知识产权战略纲要》颁布实施以来，知识产权战略作为鼓励和保护创新、促进经济社会发展的基础战略，地位越来越重要，作用越来越突出。2019年6月，国家知识产权局印发《推动知识产权高质量发展年度工作指引(2019)》的通知，提出全面提升知识产权创造质量、保护效果、运用效益、管理水平、服务能力和国际影响力，系统构建推动知识产权高质量发展的指标体系、政策体系、统计体系和考核体系。

知识产权高质量发展评价是检验知识产权战略实施效果的重要方式，也是知识产权战略调整与改革的关键依据。为了回应知识产权发展战略的新要求，围绕知识产权高质量发展的评价方法研究将受到重点关注。

1 文献综述

1.1 评价框架

已有研究大多基于政策绩效目标框架、政策过程框架、利益相关者框架3种逻辑框架展开。

政策绩效目标框架是运用最多的评价框架。政策绩效目标框架下的知识产权发展评价经历了以效率为核心—以结果为导向—多元价值导向的过程。以效率为核心的评价理念源自经济学，体现为以较少资源投入获得较多成果产出，具有代表性的有2004年日本产业政策局发布的《知识产权战略评价指标》[3]；也有学者以效率为核心，对发明创造归属政策[4]、专利研发及转化政策(孟晓非，2017)等单项知识产权政策进行绩效评价。注重产出转化结果、关注成果转化情况是否得到改善，是以结果为导向的评价理念的核心内涵。在该理念引导下，一些学者对特定知识产权政策的实施效果进行了评价。如Mowery[5]对美国《贝赫多尔法案》的实施效果进行了评价；国内许多学者对上海、宁波、河南、广州(管煜武,2008;李伟，2010；张颖举，2010；李玉米等，2013)、北京[6]的专利资助政策效果进行了评价。此外，知识产权会商制度实施效果也得到了关注[7]。多元价值导向认为，完整的绩效不仅体现在效率、结果等传统绩效标准上，还应当包括公民满意度、责任、质量等重要方面[8]。知识产权创造、运用、保护、管理目标框架被广泛应用于多元价值导向下我国知识产权发展评价指标体系构建[9]，在此基础上衍生的知识产权人才、市场主体状况、知识产权服务等维度丰富了该框架内涵[10]。

基于政策过程框架的评价遵循政策制定——政策执行——政策结果及其影响逻辑，侧重政策执行、落实评估[11-12]，也有学者引入政策过程新范式评价知识产权政策效果的合理性、周期性与外部性[13]。利益相关者框架侧重利益相关方的期望及其相互作用，从政府—企业—研究机构[14-15]、企业—研究机构—中介[16]、政府—中介—企业[17]等主体角度设计评价体系。

1.2 评价指标

大量评价研究关注知识产权保护水平与知识产权产出水平测度。针对知识产权保护水平，评价指标构建重点从立法和执法两个方面合理量化知识产权立法强度与保护强度。美国学者Rapp & Rozek[18]以专利法条款进行内容定量分析以及评价国家知识产权立法强度的依据。在该理念影响下，GINARTE-PARK方法于1997年提出，是目前应用范围最广的知识产权立法测度指标[19]。孟奇勋等[20]针对中国知识产权战略实施软环境，提出将每年新增的知识产权法律法规数量作为评估知识产权立法强度的量化指标，得到了广泛认可与应用。知识产权执法保护强度是从实践角度，形成以司法/执法人员数量、司法及行政案件年结案率为核心的通用评估指标[21]。

以专利为代表的知识产权产出水平测度指标经历了由注重规模到规模、质量并重的过程。EIS评价体系体现了对产出规模的重视，每百万人口欧洲、美国、新共同体专利申请量等指标常被用来对比与参考[22]。WIPO的《世界知识产权指数》报告增大了知识产权产出的质量权重，PCT专利申请量、马德里国际商标注册量、高技术产业专利申请量、专利存续率、注册商标续展率等经典的知识产权产出质量测度指标均来源于此[23]。在质量观下，还产生了专门针对高质量专利的评价指标研究，如美国兰德公司(RAND)提出采用“平均专利家族规模”区分各国专利质量[24]。专利活动条件、专利实施、专利技术投资额、专利文献引用量等指标也常被组合使用，以对专利质量进行评价[25]。近年来，法律状态也被纳入高价值专利评价指标体系中[26]。

《世界竞争力年鉴》从以上两方面出发，采用年人均专利授权量(件)、专利授权量年平均增长速度、海外专利申请量(件)、每10万居民有效专利拥有量(件)、知识产权受保护程度5个指标，被全球大多数国家所认同[27]。随着知识产权全链条发展理念的提出，以专利/商标使用许可备案数量与金额、技术市场成交合同数、专利实施许可合同备案金额等为代表的知识产权运用水平测度指标[25]，以专利质押融资金额[28]等为代表的知识产权服务水平测度指标，以研发投入强度、知识产权法规规章量等为代表的知识产权制度环境发展水平测度指标[29]得到了广泛应用。

1.3 研究述评

根据对现有文献的分析与总结，现有评价方式应用具有一定局限性。首先，指标设计缺乏理论指导。大多数指标体系从效果、效率和效益方面评估知识产权在创造、运用、保护、管理等方面的提升程度，以判断知识产权发展水平，但对知识产权高质量发展未有明确定义，机制研究相对缺乏，指标体系设计针对性不强，不能体现知识产权发展质量观的新理念。其次，指标选取重全面轻遴选。现有研究力求从多角度全方位描述知识产权发展现状，指标体系过于庞大。一方面，不利于数据收集，在实际中难以应用；另一方面，从统计学角度而言，存在信息冗余，影响指标体系的科学合理性。最后，缺乏新指标的引入。指标选取应具有动态性，与国家、社会整体发展阶段相适应，并根据发展形势及时调整。

本文通过引入公共价值理论，对知识产权高质量发展进行定义，并在此基础上运用机器学习方法，以实现的公共价值贡献度为依据进行指标增补、遴选与权重确定，构建知识产权高质量发展指标体系，弥补现有研究不足，并结合协调度对区域知识产权高质量发展状况进行评价。

2 知识产权高质量发展内涵

2.1 知识产权高质量发展与公共价值关系

根据国家标准GB/T19000的定义，质量是“客体的一组固有特性满足需求的程度”。可以看出，质量是相对于需求而言的，如果没有实际需求，就无所谓质量。对于一项公共制度，特性是指政策的功能特性，而需求是超越个体需求的公共需求。在行为科学上，追求高质量发展必须拥有更具本真价值理性的动力机制，即能够直接体现人民向往目标和经济发展本真目的的发展战略目标[30]。《知识产权强国建设纲要(2021-2035年)》提出了以满足人民日益增长的美好生活需要为根本目的知识产权发展战略目标，对知识产权发展的公共需求进行了阐释。由此，可将知识产权高质量发展定义为“知识产权政策功能满足人民日益增长的美好生活需求的发展方式和动力状态”。

在公共哲学视野中，“公共价值”与“美好生活”的内在旨趣是相互因应、有机统一的[31]。人类对美好生活的追求受某种合理价值观念所引导，这种价值形成是基于最大公约数的集体性认同结果，表达的是人类共同体公共需要的共识，称之为“公共价值”。公共价值是美好生活规范性理念的支撑和诠释理据，而美好生活则是公共价值信念的制度性实践。通过这种关系转换，知识产权高质量发展又可体现为“知识产权政策功能对公共价值实现的贡献程度”。由此，知识产权高质量发展与公共价值在人类共同体对美好生活的追求中实现了耦合。

2.2 知识产权高质量发展的公共价值维度

公共价值是社会构建的结果，至今未有统一标准。Benington[32]认为，公共价值是一个集合了经济、政治和社会的概念，超越了市场经济形态，包括经济价值、社会价值、文化价值、政治价值和生态价值5个维度。党的十八大报告提出，全面推进经济建设、政治建设、文化建设、社会建设和生态建设“五位一体”的总体布局，明确了现阶段中国特色社会主义事业建设的公共价值导向，与Benington对公共价值维度的划分大体一致。本文以此为标准，对知识产权高质量发展的公共价值维度进行定义。其中，政治建设包含意识形态与政府能力两方面内涵。本文所述公共价值不涉及意识形态，故命名为“政府能力价值”。此外，知识产权高质量发展的文化价值体现为通过对以著作为代表的文化产品保护及创造激励，满足人民群众的文化需求，其内涵包含在广义的社会价值中，故不再单独设置维度。至此，知识产权高质量发展的公共价值可体现为经济价值、社会价值、生态价值与政府能力价值4个维度。

二级指标设定遵循可持续发展理论。可持续发展是以保护自然资源环境为基础，以激励经济发展为条件，以改善和提高人类生活质量为目标的发展理论和战略[33]，包括经济可持续发展、社会可持续发展、生态可持续发展3个方面，与公共价值的3个维度相对应[34]。从经济角度出发，可持续发展强调在保证自然资源质量及其提供服务的前提下，实现经济效益最大化[35]。2012年，中国在联合国可持续发展大会中提出将转变经济增长方式和对经济结构进行战略性调整作为达到上述目的的两个着力点[36]。由此，将经济价值的二级指标设定为经济增长方式转变与经济结构优化。从社会角度出发，世界自然保护同盟(UNEP)、联合国环境规划署(IUCN)和世界野生生物基金会(WWF)共同发表的《保护地球——可持续生存战略》指出，可持续发展的最终落脚点是人的发展，在不超出维持生态系统涵容能力的情况下改善个体生活品质、提高个体素质[37]。具体化到知识产权制度，体现为通过规范市场竞争功能推动产品升级以及提升人民群众法制意识，因此将产品升级与法制意识作为社会价值的二级指标。从环境角度出发，国际生态学联合会 (INTECOL) 和国际联合会 (IUBS) 认为，可持续发展需要保护和改善环境系统的生产与更新能力。知识产权制度可通过激励创新以弥补污染、碳排放等公共“缺陷”，助力环境可持续发展[38]。以此为依据，可将生态价值的二级指标具化为环境改善。此外，一个国家的可持续发展在很大程度上依赖于这个国家通过技术、观念、体制因素表现出来的能力，如成熟的制度体系是可持续发展战略付诸实现的重要保障[39]，这与公共价值的政府能力维度相对应。因此，本文将政府能力维度的二级指标具体化为制度成熟。

知识产权制度通过创新激励功能、资源配置功能、市场竞争规范功能和政府管理功能实现公共价值[40]。根据知识产权高质量发展的公共价值实现机制，选取14项指标，构建知识产权高质量发展公共价值指标体系，如表 1所示。

3 评价方法

3.1 评价维度设计

公共价值范式是基于广义绩效观的评价发展新阶段。国家知识产权局发布的《中国知识产权发展评价报告》(以下简称“报告”)是现阶段广义绩效观评价模式的代表，本文在一级指标设定上沿用报告的逻辑框架，将知识产权体系分为创造、运用、保护和环境4个方面。同时，对报告的二级指标进行修正，使之更符合公共价值范式设定。第一，保留创造、运用两个维度的二级指标，体现规模、质量、效率、效益并重的评估理念；第二，删除隶属于知识产权高质量发展公共价值指标体系的指标(环境一级指标下的二级指标——意识、保护效果二级指标下的知识产权保护社会满意度)；第三，保护效果二级指标中的三级指标可由其它维度替代，故取消该类指标并对相关三级指标进行重新划分。将注册商标续展率归入产出质量，将由研发投入强度与规模以上工业企业申请专利比例构成的新二级指标——研发环境，纳入一级指标环境维度，最终形成评价体系见表 2。

3.2 评价流程

遵循上述维度设定，在遴选、修正、增补三级指标的基础上进行协调度计算，最终形成知识产权高质量发展指数。具体过程分为5个步骤，见图1。第一，对报告中已有指标进行初步遴选，从统计学角度删除具有多重共线性的指标；第二，根据现有研究总结及国家创新、可持续发展战略要求，对指标进行修正并引入新指标；第三，对上述构建的知识产权高质量发展公共价值进行表征；第四，使用初步遴选与修正后的三级指标对知识产权高质量发展公共价值进行拟合，再次遴选指标并确定指标权重；第五，计算一级指标协调度，进行指数合成。

3.2.1 指标遴选与权重确定

(1)基于LASSO回归的初步指标遴选。LASSO回归假设，在多个变量中只有有限变量与结果具有特别显著关系，可将一些重复、非必要的参数直接缩减为0，达到提取有用特征的效果，有效解决多个特征之间存在多重共线性的问题[43]。K值为LASSO回归损失函数中的系数，需要调优。K值的选择原则是各自变量的标准化回归系数趋于稳定时的最小值。LASSO回归操作分为两步，分别是结合轨迹图寻找最佳K值、根据最佳K值进行回归建模。

(2)知识产权高质量发展公共价值表征。自编码器(Auto encoder, AE)是一类在半监督学习和非监督学习中使用的人工神经网络，其功能是通过将输入信息作为学习目标，对输入信息进行表征学习，可用于数据特征学习及高维复杂数据降维[43]。自编码器的基本结构可表示为一个输入与学习目标相同的神经网络，包含编码器(encoder)和解码器(decoder)两部分。求解完成后，由编码器输出的隐含层特征h，可视为输入数据X的表征[44]。

(3)基于随机森林的指标二次遴选与权重确定。随机森林(random forest，RF)是一种基于决策树算法的集成学习方法[45]。随机森林的预测准确率较高，对异常值和噪声容忍度较高，能够处理高维数据(变量个数远大于观测个数)，有效分析非线性、具有共线性和交互作用的数据，并能够在分析数据的同时给出变量重要性评分[46]。考虑到样本数据集规模以及模型可解释性，选择随机森林模型作为特征重要性分析工具。从特征重要性角度来看，根节点对被解释变量的影响最大，其次是靠近根节点的节点[47]。

3.2.2 知识产权高质量发展指数

协调既是发展手段又是发展目标，同时还是评价发展的标准和尺度，是发展两点论和重点论的统一，也是发展平衡和不平衡的统一，是发展短板和潜力的统一[48]。通过对知识产权高质量发展评价体系一级指标协调度的计算，并与公共价值指标计算结果进行合成，得到知识产权高质量发展指数。

(1)知识产权高质量发展协调度计算。采用离差系数协调度模型计算知识产权创造、保护、运用和环境4个一级指标的协调度。离差系数(CV)又称相对标准差或变异系数，是一个表示标准差相较平均数的对比值，可以反映数据离散趋势。其基本计算公式为：

其中，S为标准差，为平均数。从统计学意义上讲，可以采用离差来度量系统间协调度，协调度越高，离差越小；反之，协调度越低，离差越大。根据CV越小越好的充要条件，可推导出N个系统间的协调度C的表达式[49]。

(1)

K为调节系数，K值为评价指标体系层级数减1，本文4个系统处于整体指标体系的第二层，故K=1。协调度C的取值范围为0～1之间。当C=1时，系统处于完全协调状态；C=0时，系统处于完全不协调状态。

(2)知识产权高质量发展指数合成。由公式(1)可知，当知识产权创造、保护、运用和环境4个分项得分很小且非常接近时，会出现 C 值较高但评价得分不高的低发展水平、高协调度状态。而实际的知识产权高质量发展追求的是在高度实现公共价值下的高协调状态，因此将C值与指标遴选后的计算结果相结合，得到知识产权高质量发展指数。

设知识产权创造、保护、运用、环境4个维度的综合发展水平为：

I=a1C(c)+a2P(p)+a3U(u)+a4E(e)

(2)

其中，a1、a2、a3、a4为4个维度权重。知识产权高质量发展指数可定义为协调度与发展水平的加权几何平均数，见公式(3)，α和β分别为协调度与发展水平的权重。

(3)

协调度与发展水平划分标准见表 3[50]。

4 实证研究

4.1 数据来源

选取中国内地31个省市为单位，进行区域知识产权高质量发展比较。考虑到某些统计数据的滞后性，本文采用2019年数据进行分析。

4.2 指标体系构建

4.2.1 指标初步遴选

以《报告》中2019年数据为基础，选择二级指标下三级指标数量超过3个且数据获取难度较大的指标进行初步遴选，包括知识产权创造数量、知识产权运用规模、知识产权司法保护、知识产权服务4项二级指标。进行LASSO回归后，结果显示，4个模型均通过F检验(P=0.001 <0.05)，表明模型有意义，可将回归系数为0的9项指标剔除，具体见表4。

4.2.2 指标修正与新增

在对《报告》指标进行初步遴选的基础上，通过阅读相关文献、国家政策，构建了包含4个一级指标、10个二级指标、37个三级指标的知识产权高质量发展参考指标，其中，保留《报告》指标18项、修改指标6项，引入相关文献指标8项、新增指标5项，有变动的指标见表 5。

4.2.3 知识产权公共价值表征值计算

对知识产权高质量发展公共价值三级指标进行数据采集，对单位地区生产总值能耗、单位地区生产总值二氧化硫排放量、单位地区生产总值化学需氧量排放量、单位地区生产总值氨氮排放量4个指标作逆向化处理(NMMS)，并对所有指标进行无量纲化处理(MMS)。采用tensorflow构建5层AE，各层维度分别为(14,7,1,7,14)，损失函数为MSE，优化器选择SDG(lr=1.5)。将预处理后数据作为AE的输入并通过1 000轮训练进行特征学习。

训练完成后用模型的encoder输出数据隐藏层特征，并将输出值控制在[0,10]区间内，得到各地区知识产权公共价值表征值，见表6。

4.2.4 指标二次遴选与权重计算

使用基于Python的Scikit Learn库构建随机森林模型。对构建的知识产权高质量发展参考指标体系的37个三级指标进行数据采集，作为随机森林模型的输入特征X，将计算得到的知识产权公共价值表征值作为随机森林模型的目标变量Y。主要参数设置为bootstrap=Ture，n_estimators= 150，max_depth=15，max_features=auto，min_samples_leaf =1。

训练完成后使用模型的feature_importances_属性，可得各输入特征的重要性。由于指标X3-每万人口植物新品种权授权量的重要性在保留3位小数时为0，因此可将其剔除。最终的指标体系包括4个一级指标、10个二级指标、36个三级指标，指标重要性可作为三级指标权重，具体见表 7。

4.3 区域评价

对36个三级指标数据进行最大值无量纲化处理(MaxS)，通过三级指标加权直接计算一级指标得分。将协调度与发展水平的权重α、β均设置为0.5，应用公式(1)-(3)分别计算各区域知识产权发展协调度C、知识产权高质量发展水平I以及知识产权高质量发展指数D，结果如表 8所示。以协调度为横轴、高质量发展水平为纵轴构建坐标系，各区域在坐标系中的位置见图2。

根据图2所示，从高质量发展水平维度看，我国区域知识产权发展质量整体不高，仅有北京达到高效用标准，广东、江苏、上海、浙江4个地区处于中等效用发展水平，其余地区均处于低效用发展水平；从协调度维度看，有25个地区达到了协调标准，广东、广西、四川、河南4个地区达到了优质协调标准，吉林、黑龙江、福建等11个地区达到良好协调标准，4个地区处于中级协调状态，5个地区处于初级协调状态，4个地区处于勉强协调状态，西藏、新疆、青海三地未达到协调标准。

根据知识产权高质量发展指数得分，可将内地31个地区的知识产权发展水平分为5个梯队：第一梯队为广东省，是唯一一个知识产权高质量发展指数在0.7以上的地区；第二梯队包括上海、北京、浙江、江苏4个地区，得分区间为(0.5，0.7)；第三梯队包括山东、四川、天津、湖南、福建、安徽、湖北、河南、河北、辽宁10个地区，得分区间为(0.4，0.5)；第四梯队包括陕西、吉林、重庆、江西、甘肃、黑龙江、广西、云南、贵州、山西10个地区，得分区间为(0.3，0.4)；第五梯队包括宁夏、海南、内蒙古、青海、新疆、西藏6个地区，得分低于0.3。

5 结论与对策

5.1 发展质量与发展协调度并重的知识产权发展模式尚未形成

通过各区域在知识产权高质量发展坐标系中的位置可以看出，知识产权高质量发展指数得分较高的第一、第二梯队分别处于第一象限靠近X坐标轴与Y坐标轴的位置，远离坐标系一三象限的角平分线。北京代表注重发展质量>注重发展协调度的发展模式；广东代表注重发展协调度>注重发展质量的发展模式,二者并重的发展模式是我国区域知识产权发展方向。

我国区域知识产权协调发展面临的主要问题是“重创造、轻运用”，提升知识产权市场化运营能力是促进知识产权运用的主要手段。第一，“清单式研发”、“揭榜挂帅式研发”等针对性研发模式应得到进一步推广，以减少“沉睡专利”数量；第二，完善知识产权价值评估机制和标准，健全知识产权评估体系，提高第三方评估结果的科学性及市场认可度；第三，充分发挥各类知识产权交易平台作用，落实专利开放许可信息公开机制，通过公开专利基础数据、许可费用等信息，解决专利技术供需信息不对称问题；第四，进一步推进知识产权质押融资工作，在“银行+企业专利权/商标专用权质押”的直接质押融资模式基础上引入科技担保公司，在控制融资风险的基础上，扩大知识产权质押融资普及度和惠益面[51]。

5.2 知识产权高质量发展指标权重分布具有长尾效应

从知识产权高质量发展指标体系三级指标权重的分布可以看出，仅有研发投入强度、专利奖获奖指数、每万人口知识产权服务机构拥有量3个指标的权重在0.1以上，其权重之和占比达到了55%，大于其余33个指标权重之和，具有显著的长尾分布特征。

研发经费、高价值专利以及知识产权服务3个指标对于提升知识产权发展质量具有指向性。在研发经费受限的情况下，高价值专利培育与知识产权服务水平提升对知识产权高质量发展至关重要。在高价值专利培育上，一是要加强预判，围绕国家关键核心技术实施一批专利导航项目，助力企业优化技术创新方向和研发路径；二是要与区域优势产业相结合，对符合区域产业布局的企业加大政策支持力度。在知识产权服务上，一方面要通过提升信息化水平、简化业务办理环节、健全多样化审查模式提高知识产权公共服务效能；另一方面要通过建立行业规范和标准，提升知识产权市场服务机构的服务质量。

需要指出的是，仅重视头部指标容易使知识产权发展陷入失调状态。事实上，正是大量其它权重占比较小的指标为知识产权特色化、差异化发展提供了潜在空间，各区域可根据自身实际调整发展策略，提升发展质量。

知识产权高质量发展评价与产业创新、经济发展密切相关，需要大量数据支撑。专利密集型产业增加值占GDP比重、版权产业增加值占GDP比重、知识产权使用费年进出口总额等《知识产权强国建设纲要》中的部分重要指标由于缺失省级数据，在一定程度上影响指标体系构建与调整，需要在政府部门统计口径与政策规划相互匹配协调后予以进一步完善。

参考文献:

[1] 王克. 牢记绿色发展使命推动经济高质量发展[EB/OL].(2019-09-20)[2021-11-29]. http://www.rmlt.com.cn/2019/0920/557345.shtml .

[2] 庞金友. 把握高质量发展的深刻内涵[EB/OL].(2021-01-28)[2021-11-29]. https://m.gmw.cn/baijia/2021-01/28/34580473.html.

[3] 经济产省.知的财产战略指标の策定に向けた中间整理[EB/OL].(2008-02-21)[2021-11-29]. http://www.meti.go.jp/policy/economicindustrial/press/0005290/2/040607tetsuzuki2.pdf .

[4] 乔永忠，万小丽. 我国国家资助科研项目发明创造归属政策绩效分析[J]. 科技进步与对策，2009，26(7):91-94.

[5] MOWERY D C，NELSON R R，SAMPAT B N，et al. The growth of patenting and licensing by US universities: an assessment of the effects of the Bayh-Dole act of 1980[J].Research Policy，2001，30(1):99-119.

[6] 孙兵兵，刘云，宋赛赛. 北京市专利申请资助政策演变特征与效果分析[J]. 现代情报，2013，33(8):35-39.

[7] 任庆华，蔡跃洲. 知识产权会商制度实施的政策效果评价——基于当量准值法和双重差分法的实证分析[J]. 中南财经政法大学学报，2016,59(1):38-44.

[8] 包国宪，周云飞.政府绩效评价的价值载体模型构建研究[J].公共管理学报，2013，10(2)：101-109，142.

[9] 唐恒, 朱宇. 区域知识产权战略的实施与评价——江苏之实践与探索[M]. 北京：知识产权出版社, 2011:163-165,246-248.

[10] 高晴. 我国知识产权战略实施的绩效评估指标设计[J]. 河北大学学报(哲学社会科学版)，2011,32(4):156-157.

[11] 郭俊华，曹洲涛.知识产权政策评估体系的建立与推进策略研究[J].科学学与科学技术管理，2010，31(3)，31-38.

[12] 康捷，袁永，胡海鹏.基于全过程的科技创新政策评价框架体系研究[J].科技管理研究,2019，39(2)，25-30.

[13] 袁源. 知识产权政策多维效果研究[D]. 合肥：中国科学技术大学, 2012.

[14] GOLDFARB B，HENREKSON M. Bottom-up versus top-down policies towards the commercialization of university intellectual property[J].Research Policy,2003,32(4):639-658.

[15] 金永红,慈向阳.日本大学知识产权战略及其对我国大学的启示[J].研究与发展管理,2007，19(5):82-86.

[16] 常旭华，刘永千，刘笑，等．区域科技成果转化政策目标体系与评估——基于上海数据的研究[J]．中国科技论坛，2018，34(9):58-68.

[17] 曾旻辉. 促进广东省专利服务创新发展的公共政策研究[D]. 武汉：华中科技大学，2017.

[18] MASKUS K E. Intellectual property rights and economic development[J]. Case W. Res. J. Int'l L., 2000, 32: 471.

[19] GINARTE J C ,PARK W G . Determinants of patent rights: A cross-national study[J]. Research Policy,1997,26(3):283-301.

[20] 孟奇勋，黎运智．我国知识产权战略实施软环境评价指标研究[J]．电子知识产权，2008,18(6)：25-28．

[21] 詹映,佘力焓. 国家知识产权战略实施之法治环境完善绩效评价研究[J]. 科技进步与对策, 2011, 28(2): 123-127.

[22] BIELINSKA-DUSZA E , HAMERSKA M . Methodology for calculating the european innovation scoreboard—proposition for modification[J]. Sustainability, 2021, 13(4):2199.

[23] WIPO. World Intellectual Property Indicators 2020[EB/OL].(2021-11-16)[2021-11-29]. https://www.wipo.int/publications/zh/series/index.jsp?id=37.

[24] SCHMID J. An open-source method for assessing national scientific and technological standing[EB/OL]. [2021-10-28].https://www.rand.org/pubs/research_reports/RRA1482-3.html.

[25] 黄庆,曹津燕,瞿卫军,等.专利评价指标体系(一)——专利评价指标体系的设计和构建[J].知识产权,2004，18(5):25-28.

[26] 聂兰兰. 以专利技术发展路线为视角的高价值专利评价[J]. 中国发明与专利, 2020, 17(S1): 31-36.

[27] 唐杰, 周勇涛. 企业知识产权战略实施绩效评价研究[J]. 情报杂志, 2009, 28(7):55-60.

[28] 王正志. 中国知识产权指数报告:全面分析知识产权各类指标、数据,揭示知识产权发展状况与经济增长模式及竞争力水平的[M].北京：中国财政经济出版社, 2015.

[29] 刘凤朝, 林原. 知识产权与区域高质量发展耦合协调研究——以我国省级行政区为样本的实证分析[J]. 华中师范大学学报(自然科学版), 2021, 55(5):717-726.

[30] 金碚. 关于“高质量发展”的经济学研究[J]. 中国工业经济, 2018, 361(4): 5-18.

[31] 袁祖社. 公共价值的信念与美好生活的理想——马克思哲学变革的理论深蕴[J]. 中国社会科学, 2019(12):28-45, 199-200.

[32] BENINGTON J. Creating the public in order to create public value[J]. Intl Journal of Public Administration, 2009, 32(3-4):232-249.

[33] 奚洁人. 科学发展观百科辞典[M]. 上海：上海辞书出版社, 2007.

[34] 洪功翔．政治经济学[M].合肥：中国科学技术大学出版社，2012.

[35] BARBIER E B.Natural resources and economic development[M]. Cambridge Books, 2019.

[36] 联合国可持续发展大会. 中华人民共和国可持续发展国家报告[M]. 北京：人民出版社, 2012.

[37] UNEP,IUCN, WWF . Caring for the earth a strategy for sustainable living[M]. Routledge, 2009.

[38] 王学军, 张弘. 公共价值的研究路径与前沿问题[J]. 公共管理学报, 2013, 10(2):126-136.

[39] 冉棋文. 可持续发展之制度分析[D]. 成都：西南财经大学，2000.

[40] 蒋玉宏. 知识产权制度对城市竞争力的影响[D]. 上海：同济大学, 2008.

[41] 韩保江, 邹一南. 中国经济高质量发展报告(2021)[M]. 上海：社会科学文献出版社，2021.

[42] TIBSHIRANI R J . Regression shrinkage and selection via the LASSO[J]. Journal of the Royal Statistical Society. Series B: Methodological, 1996, 73(1):273-282.

[43] RUMELHART D E，HINTON G E，WILLIAMS R J． Learning representations by back-propagating errors[J]． Nature，1986,323(6088):533-536.

[44] GOODFELLOW I, BENGIO Y, COURVILLE A. Deep learning[M]. Cambridge：MIT Press, 2016: 499-507.

[45] BREIMAN L. Random forests[J]. Machine Learning, 2001, 45(1): 5-32.

[46] 张文德, 程涵, 刘田,等. 随机森林在高校信息碎片化整合中的应用[J]. 图书情报工作, 2018, 62(7):119-124.

[47] 张建顺, 匡浩宇.“放管服”改革与纳税人满意度:施策重点与优化路径——基于机器学习方法[J]. 公共管理学报, 2021, 18(4):46-62,169.

[48] 人民网.习近平总书记谈协调[EB/OL].(2016-03-03)[2021-11-29]. http://cpc.people.com.cn/xuexi/n1/2016/0303/c385474-28168742.html.

[49] 范柏乃, 张维维, 贺建军. 我国经济社会协调发展的内涵及其测度研究[J]. 统计研究, 2013, 30(7):3-8.

[50] 刘呈军, 聂富强, 任栋.高质量发展背景下我国人类发展指数协调性测度[J]. 统计与决策, 2021, 37(5):60-64.

[51] 张超,施洁. 知识产权质押融资模式的演化博弈研究[J]. 技术经济与管理研究, 2021(11): 57-61.

(责任编辑：胡俊健)