Mechanism of the Effect of the Hierarchy of Patented Technology Convergence on Patent Market Value

Deng Siming1, Luan Chunjuan2

(1.School of Economics and Management, Dalian University of Technology;2.Faculty of Intellectual Property, Dalian University of Technology, Dalian 116023, China)

Abstract：The study embarks on a nuanced exploration aiming to unravel the intricate mechanism governing the relationship between the hierarchy of patented technological convergence (HPTC) and patent market value (PMV).Its overarching objective is to furnish the intellectual landscape with novel theoretical paradigms and methodological frameworks that can effectively nurture high-value patents, thereby propelling the quality-driven evolution of intellectual property rights in China.The paramount significance of enhancing patent market value is duly acknowledged, serving as a cornerstone in the endeavor to establish a resilient intellectual property regime.This imperative is underscored by the relentless march of scientific and technological progress, a phenomenon characterized by escalating complexity and the pervasive influence of technological convergence on global innovation trends.In this context, interdisciplinary research and patent activities emerge as pivotal features, emphasizing the criticality of cultivating high-value cross-disciplinary patents as a means to fortify the foundations of a robust intellectual property ecosystem.

The HPTC is an innovative conceptual framework crafted through the meticulous synthesis of patent metrics and insights garnered from the realm of technological convergence.The present study endeavors to undertake a comprehensive synthesis and refinement of the HPTC concept.This hierarchical convergence framework, marked by its nuanced classification of patents across diverse domains, not only offers a fresh theoretical perspective but also proffers a methodological framework poised to foster the cultivation of high-value patents.

Informed by the pioneering insights of Genrich S.Altshuller and his Theory of Inventive Problem Solving (TRIZ), the study further delves into the interdisciplinary nature of technologies across different domains.Altshuller's seminal theory posits inherent patterns in the innovation process, advocating for the analytical scrutiny of periodicity patterns as a means to efficaciously assess new technologies and address innovation challenges.Given that emerging technologies often crystallize through the fusion of existing ones, the interdisciplinary scopes may vary, potentially imparting differential impacts on the value of inventions.To operationalize this theoretical framework, the study integrates Altshuller's approach with the Cooperative Patent Classification (CPC) system, thus offering a universally compatible framework anchored on tangible products rather than functional biases.This culminates in the proposition of five levels of patented technology convergence - sections, classes, subclasses, main groups, and subgroups, thereby enriching the discourse on technological convergence in patents.

This study constructs the theoretical model to explore the impact of the hierarchical convergence of patented technologies on patent market value, encompassing both a direct effects model and an intermediate effects model, with patent technology quality serving as the mediating variable.Then, it conducts empirical research using sustainability technologies (ST) patent data from Chinese companies spanning the years 1985 to 2019.The results show that higher-level patented technological convergence has a greater positive impact on the market value of patents, and it generates a greater positive impact by influencing the quality of patent technology.

This research conclusion provides new theoretical perspectives and logical approaches for cultivating high-value patents in China and also provides decision support for sustainable technological innovation in China.First, against the backdrop of multi-disciplinary cross-convergence and multi-technical cross-border integration, we have fully realized that stepping up the strategic direction of multi-disciplinary cross-convergence is not only the need to cope with changes and open up new situations but also the need to face the future and win the future.However, in this process, one cannot ignore the fact that technological convergence is evolving into more complex and heterogeneous forms.Exploring new characteristics and convergence mechanisms of technology convergence requires a more fine-grained perspective.Second, optimize high-value patent research and development and patent commercialization strategies, and strengthen strategic planning and management of cross-level patent technology convergence.For China's ST patents, there is no significant difference in the number of patents arising from higher-level technological convergence and patents arising from lower-level technological convergence, but the impact of the two on the patent market value is somewhat different.Therefore, there is an urgent need to accelerate the construction of interdisciplinary teams and promote collaboration and knowledge exchange among different fields to more effectively deal with complex technical challenges.

Key Words：Hierarchy of Technological Convergence;Patented Technology; Patent Market Value; Patented Technology Quality; Sustainability Technologies

收稿日期：2023-12-04

修回日期：2024-03-14

基金项目：国家自然科学基金面上项目(72374037)

作者简介：邓思铭(1994—),女,四川成都人,大连理工大学经济管理学院博士研究生,研究方向为知识产权管理;栾春娟(1969—),女,辽宁大连人,博士,大连理工大学知识产权学院教授、博士生导师,研究方向为知识产权管理、科学计量学。通讯作者:栾春娟。

DOI：10.6049/kjjbydc.2023120087

开放科学(资源服务)标识码(OSID)：

中图分类号：G306

文献标识码：A

文章编号：1001-7348(2025)15-0149-12

0 引言

专利技术会聚层次(Hierarchy of Patented Technological Convergence,缩写为HPTC)是本研究团队基于相关研究积累提出的新概念[1-2],是指专利技术在较窄领域或较广领域交叉融合,是对技术领域或技术主题之间交叉融合的细粒度划分。

随着科学技术加速发展,技术创新难度加大,技术会聚已成为全球科学技术创新的主流趋势[3-4],跨领域专利技术研发与专利申请活动逐步成为科学技术创新的主要表现(Lee等, 2015)。因此,培育跨领域高价值专利是知识产权强国战略实施过程中的重要课题。

面对这一重大现实需求,本文基于发明问题解决理论(Theory of Inventive Problem Solving,俄语缩写为TRIZ,即TRIZ理论),从专利技术会聚层次细粒度视角构建专利技术会聚层次对专利市场价值影响的理论模型,并对其作用机理进行实证检验。

一方面,技术会聚形式变得更加复杂和异构。未来更多技术会聚机会可能来自多样化技术组合(LEE等, 2020)。Jeong等(2015)研究发现,部门间技术会聚增长速度快于领域间技术会聚增长速度,且随着时间推移,两个以上技术领域或部门间技术会聚比例逐渐上升[5]。另一方面,跨领域技术创新可以提升发明价值,这引起了学者们广泛关注(Carnabuci等, 2013;Leone等, 2022;Kong等, 2023)。Altshuller(1984)发现,那些占人类发明总量约5%的综合性重要发明(其中约4%为大型发明,约1%为重大发明)利用了整个社会的、跨学科领域的新知识[3, 6]。基于专利分析结果,Altshuller(1984)提出了发明专利的5个等级,等级越高,跨领域范围越大,专利拟解决的技术矛盾越复杂;Sergio[7]提出,成功的技术活动往往同时游走于多个技术领域。许多技术难题不仅需要在本专业领域寻找答案,而且需要向其它专业领域拓展,进而寻找更为理想的解决方案[8-11]。然而,现有技术会聚的影响研究鲜有从技术会聚层次视角探索其对专利市场价值的影响。在技术会聚日趋多样化、异构化背景下,不同层次技术会聚能否对专利市场价值产生差异化影响?哪种层次技术会聚对专利市场价值的影响更显著?其作用机理如何?上述问题有待进一步解答。

本文以技术会聚层次为视角,揭示技术会聚层次对专利市场价值的作用机理。旨在探索专利技术会聚层次对专利市场价值的作用机理,以期为高价值专利培育提供新的理论视角和逻辑思路,推动我国知识产权事业高质量发展。首先,本文依据专利技术分类体系,提出专利技术会聚层次识别与分类方法。基于海量专利数据,结合联合专利分类体系(Cooperative Patent Classification,简称CPC),对专利技术会聚层次进行划分。其次,本文构建专利技术会聚层次对专利市场价值影响的理论模型,包括直接效应模型和以专利技术质量为中介变量的中介效应模型,进一步揭示专利技术会聚层次对专利市场价值的作用机理。最后,以中国可持续发展专利技术为例开展实证研究,旨在为高价值专利培育提供新的理论视角和逻辑思路,从而为中国可持续发展专利技术布局提供决策支撑。

1 理论基础、研究假设与概念模型

1.1 理论基础

TRIZ理论为本研究提供了重要启示。一方面,TRIZ理论为本文提出专利技术会聚层次概念提供了有力的指导。TRIZ理论由Altshuller团队提出,Altshuller(1984)认为,技术创新过程存在明显的内在规律,借助技术创新与变革过程中的周期性规律能够快速判断新技术,进而解决实际技术创新问题(葛玉海, 2022)。TRIZ理论的基本假设之一是“发明是被设计用于解决技术矛盾或冲突的”。随着学科间边界日益模糊,在现有技术交叉融合的基础上,新兴技术得以形成与发展(张维冲等, 2019)。由于拟解决的技术矛盾不同,新兴技术跨学科范围也存在差异,因而可能对发明价值产生不同影响[12-13]。

根据拟解决技术矛盾的复杂程度,Altshuller(1984)将发明划分为5个等级,具体如下:一级发明即合理化建议(占比35%),属于常规设计问题或技术系统简单改进,解决方案明显;二级发明即适度新型创新(占比45%),运用单一技术领域知识即可解决,是对技术系统的局部改进;三级发明即专利(占比15%),对技术系统进行本质性改变,极大地提升系统性能;四级发明即综合性重要专利(占比4%),运用跨学科知识,通过引入不同的体系和新的工作原理构建技术系统的主要功能,全面升级现有技术系统;五级发明即重大新发现(占比1%),通过新的科学发现或新的理论构建全新技术系统,需要通过整合全社会各领域知识实现[6, 14]。Altshuller(1984)认为,TRIZ理论对解决第二级到第四级的发明问题有效,可以帮助人们完成至少80%的创新课题[3]。

TRIZ理论能够为专利技术会聚层次识别与划分提供指导。专利数据是学者们捕获技术信息、衡量技术会聚的有效工具[15]。例如,如果一项专利具有多个技术分类号(如H01F41/02、B22F1/17、B22F3/16、B22F3/24、C22C38/00、C22C38/06、C22C38/10、C22C38/14、C22C38/16、H01F1/057),则意味着该专利产生于不同的技术领域知识,是一项会聚技术[16]。同样地,基于专利技术的分类号能够对专利技术会聚层次进行识别和划分。例如,通过对专利IPC小类进行分析,Luan等[1-2]提出了不同层次专利技术领域间相关系数的测度方法,以及跨层次专利技术会聚网络构建方法;杨冠灿等[17]强调技术会聚往往发生在微观层面,并以10位CPC专利分类号为观测对象提出了基于图神经网络GraphSAGE的细粒度技术会聚预测方法;毛荐其等[18-19]从多个技术层级辨识技术会聚动态演变过程,并借助负二项模型检验技术会聚效应,结果发现,技术会聚程度与技术会聚效应呈倒U型关系;刘娜等[20]发现,不同程度技术会聚对专利价值具有正向促进作用。

本文依据CPC专利分类体系,提出专利技术会聚层次(HPTC)分类标准。CPC是指在IPC基础上构建的国际通用专利分类体系,在一定程度上能够弥补其它专利分类体系在通用性上的不足。与IPC倾向于功能分类不同,CPC倾向于应用分类,即CPC分类号对应的释义容易与实际产品及技术相对应,这不仅有利于审查员检索工作,而且有利于科研工作者开展技术分析工作(EPO, 2023)。按照技术主题设立类目,CPC分类体系将整个技术领域分为5个等级,即部、大类、小类、大组和小组,如图1所示。因此,在CPC分类体系的基础上,本文提出专利技术会聚的5个层次,如表1所示。其中,本文将三级以上(含三级)的会聚称为较高层次专利技术会聚,将二级以下(含二级)的会聚称为较低层次专利技术会聚。

1.2 研究假设

1.2.1 专利技术会聚层次对专利市场价值的影响

依据TRIZ理论,重大发明创造往往汇聚了不同领域技术知识,常被应用于广泛的产业技术领域,带动供应链上下游企业进行知识产权创新创造,进而产生联动效应和链条效应[14]。较高层次技术会聚不仅可以通过提供技术解决方案改变创新主体的核心竞争力、能力和技能,为其提供进入价值链的机会[21-22],而且能够利用技术知识促进产业集群出现,进一步推动产业融合,从而实现商业价值(Baer等, 2004)。通过鼓励现有行业间竞争,这些重大发明能够为创新注入新的动力(Hacklin等, 2013)。当重大发明渗透到经济社会各领域时,将成为支撑经济社会数字化、网络化、智能化转型的新型基础设施。例如,3D打印技术基于跨学科知识而生,被广泛应用于医疗行业、建筑业、汽车制造业、航空航天、教育科研和军事等行业(Campbell等, 2023)。5G技术不仅能够解决人与人通信,而且可以解决人与物、物与物通信问题,满足移动医疗、车联网、智能家居、工业控制、环境监测等物联网应用需求(Chávez-Santiago等, 2015)。这些重大发明专利有可能被转让或许可,为权利人带来较高的经济收益。例如,2021年华为在《创新和知识产权白皮书2020》中公布了5G标准必要专利(SEP)费率,这一举措能够推动业界广泛采用旨在确保可操作性、可靠性和透明竞争的标准,同时为研发投资提供公平的回报。

相反,在较窄领域产生的专利技术(较低层次专利技术会聚),其应用范围有限,联动效应与链条效应较弱,转让和许可机会较少,可能会影响该专利技术的市场价值[9, 23]。例如,将单层玻璃杯制成双层玻璃杯以增强隔热效果,或通过调整风扇外罩丝网的密度与弧度增加保护功能等[3, 23]。由这些发明创造产生的专利虽然可以通过转让或许可为权利人带来经济效益,但其技术会聚范围较小,在供应链中的联动效应与链条效应较弱,因而为权利人带来的经济效益有限。

据此,本文提出以下研究假设:

H1a：专利技术会聚层次对专利市场价值具有显著正向影响;

H1b：相较于低层次专利技术会聚,较高层次专利技术会聚对专利市场价值的影响更为显著。

1.2.2 专利技术会聚层次对专利技术质量的影响

会聚广泛领域技术知识的专利技术,其技术质量较高[24-27]。一方面,技术会聚能够为专利技术创新提供更多可能性和选择,通过整合不同领域技术知识产生新的技术组合,从而推动专利技术创新发展。这种技术创新能够提升专利技术含量和创新性,进而提高专利技术质量。另一方面,技术会聚可以促进多个相关技术领域融合,形成更加全面和广泛的技术保护范围,从而提高专利技术质量和影响力。借鉴现有研究成果,本文将专利技术质量分为技术影响力与技术深度两个方面,旨在全面评估专利技术质量(程文银等, 2022;陈慧琪等, 2023)。其中,专利技术影响力采用专利的前向引证数量(forward citations)作为代理变量进行测度;专利技术深度采用权利要求数量作为代理变量进行测度。基于此,本文提出以下研究假设:

H2a： 专利技术会聚层次对专利技术影响力具有显著正向影响;

H2b： 相较于低层次专利技术会聚,较高层次专利技术会聚对专利技术影响力的影响更为显著;

H2c： 专利技术会聚层次对专利技术深度具有显著正向影响;

H2d： 相较于低层次专利技术会聚,较高层次专利技术会聚对专利技术深度的影响更为显著。

1.2.3 专利技术质量对专利技术会聚层次—专利市场价值的中介效应

加快推进技术商业化,实现技术市场价值是组织技术创新活动的最终目标。专利技术质量是实现专利市场价值的基础,专利市场价值是专利技术质量的体现(于馨淼等, 2023)。专利只有通过应用、实施、管理和运营才能产生市场价值(韩秀成等, 2017)。专利技术会聚层次越高,越可能通过知识互补和学科交叉提高技术质量,进而提升组织资源异质性(张紫璇等, 2015)。资源异质性有助于组织强化创新能力,提升自身适应复杂市场环境的灵活性(张庆垒等, 2015)。同时,较高层次技术会聚能够促使专利技术更具通用性和适用性,被应用于更多产业技术领域,进而提升其市场竞争力。在技术商业化过程中,组织可以灵活地将高层次技术应用于多个领域,最大程度地实现专利技术市场化和商业化(席强敏等, 2022)。

一般来说,专利技术会聚层次越高,越能为发明创造提供灵感和启发,其影响力越大(Liando等, 2019)。专利技术影响力的扩散效应能够为其市场价值带来更大的提升空间。在专利技术深度方面,专利技术会聚层次越高,其权利要求数量越多,所包含的技术特征越丰富,其内含的技术原理越有深度(姜南等, 2020)。从另一角度看,专利权利要求数量越多,受保护范围越广,专利权人的权利实施自由度越高,该专利的市场价值越高(乔永忠等, 2017)。因此,本文提出以下研究假设:

H3a： 专利技术影响力在专利技术会聚层次与专利市场价值之间发挥中介效应;

H3b：相较于低层次专利技术会聚,专利技术影响力在较高层次专利会聚与专利市场价值间的中介效应更为显著;

H3c： 专利技术深度在专利技术会聚层次与专利市场价值之间发挥中介效应;

H3d： 相较于低层次专利技术会聚,专利技术深度在较高层次专利会聚与专利市场价值间的中介效应更为显著。

1.3 概念模型

依据前述理论基础与研究假设,本文构建专利技术会聚层次对专利市场价值影响的主效应和中介效应模型,如图2所示。

2 数据处理、研究方法与变量测度

2.1 样本选择与数据来源

本文选取可持续发展技术主题下的中国企业发明授权专利数据作为实证研究对象。为应对气候变化带来的威胁,全球以节能减排为目的的技术创新活动日益增加,相关专利数量不断增长。为此,CPC体系专门标引了“可持续发展技术”(Sustainability Technologies, ST) ,包括适应气候变化技术(Y02A)、建筑业可持续发展技术(Y02B)、温室气体的捕获和储存技术(Y02C)、减少自身能源使用的信息和通信技术(Y02D)、与能源的生产/分配和运输相关的技术(Y02E)、工业与农业制造业(Y02P)、运输业相关技术(Y02T)、垃圾和废水处理技术(Y02W)和智能电网(Y04S)等9个子领域。

本文收集1985—2019年中国企业获得授权的全部可持续发展技术发明专利数据,形成中国企业可持续发展技术发明授权专利数据集,原因在于:第一,先前研究表明,70%的专利文献在发表后5年内未被引用或仅被引用1～2次[28]。专利引用次数通常在授权后的2～4年达到峰值[29],由于专利文献发表与引用存在一定的时滞性,为确保实证结果的准确性,本文选择2019年及之前获得授权的专利作为样本数据。第二,《中华人民共和国专利法》正式实施时间为1985年,本文将其作为数据检索起始时间。本文专利数据来源于北京合享智慧科技有限公司开发的科技创新服务平台IncoPat,数据检索时间为2023年1月21日。

2.2 数据清洗

在数据清洗过程中,本文剔除数据集中CPC分类号仅包含Y02或Y04S类的专利数据,原因在于:在CPC分类体系中,设计Y02和Y04S分类的主要目的是为了监测新技术发展,它们仅用于标注与特定技术领域相关的、已被赋予其它分类号的专利文献(EPO,2023)。因此,在识别专利技术会聚层次时,本文不考虑以Y开头的专利代码。如果一项专利的CPC分类号仅有Y02或Y04S类,在剔除掉Y开头的专利代码后,无法判断其技术会聚层次,则将此部分数据剔除。最后,共41 834条数据进入本文样本范围。

2.3 研究方法

(1)本文采用负二项回归模型验证研究假设。本研究中,解释变量专利市场价值为计数变量,服从泊松分布或负二项分布,故使用泊松回归或负二项回归分析方法。由于被解释变量专利市场价值可能存在过离散现象,故选择负二项回归模型进行分析(过离散检验结果见表6)。负二项回归模型是在泊松回归模型的基础上,将不随样本或时间变化且能够影响因变量的未观测效应εi纳入条件均值而形成的变种,其基本形式如式(1)所示。

E(Yi|Xi,β)=exp (β0+β1X1+β2X2+βiXi+εi)

(1)

式(1)中,E(Yi|Xi,β)表示被解释变量的条件期望值,Xi表示随样本变化且影响被解释变量的各种可观测效应,βi表示待估系数。

(2)本文综合运用逐步检验回归系数法和Bootstrap法进行中介效应检验[30]。逐步法是检验中介模型的重要方法,本文从专利技术影响力和专利技术深度两个维度测度中介变量专利技术质量,从某种意义上可视为多重中介模型。现有研究一般采用Bootstrap法对多重中介模型进行检验[31]。因此,本文采用温忠麟等[30, 32]提出的中介效应检验方法,该方法兼具逐步检验回归系数法和Bootstrap法的优势,能够有效提高检验结果的可信度[30]。

本研究中主效应、直接效应与间接效应回归模型如表2所示。其中,HPTCi表示第i级专利技术会聚,Controli表示各控制变量,α表示常数项,β表示要估计的系数,ε表示误差项。

2.4 变量测度

2.4.1 被解释变量:专利市场价值(Patent Market Value, PMV)

专利市场价值(Patent Market Value, PMV)是指专利技术在产业化、商业化乃至全球化过程中,为专利权人带来的直接经济回报或预期市场收益(万小丽等, 2008;Guo等, 2022)。由于受市场不确定性因素的影响,专利市场价值具有不可观测性,相关数据往往难以获得(谷丽等, 2017),现有研究通常选择能够反映专利市场价值的代理指标表征。本研究中,依据专利商业化与专利地域性保护原则,选择能够代表专利潜在市场价值的专利海外同族国家/地区数量作为专利市场价值的代理变量。

2.4.2 解释变量:专利技术会聚层次(HPTC)

基于前文对专利技术会聚层次的分类(见表1),本文将HPTC分为HPTC1、HPTC2、HPTC3、HPTC4、HPTC55种类型,以虚拟化代码1～5表示。同时,引入HPTC0(无会聚)作为参考变量,以虚拟化代码0表示。本文运用Stata.15.0软件对HPTC进行虚拟化处理,各层次专利数量及占比情况如表3所示。

表3显示,样本数据中二级专利技术会聚占比最高,为29.37%;其次为五级专利技术会聚,占比为23.19%;其后占比由高至低依次为一级专利技术会聚(11.14%)、四级专利技术会聚(10.11%)和三级专利技术会聚(7.55%)。进一步地,可以发现来自较高层次技术会聚(三级以上专利技术会聚)的专利占比为40.85%,来自较低层次技术会聚的专利占比为40.51%。由此表明,技术会聚层次视角下,较高专利技术会聚层次和较低专利技术会聚层次的中国企业可持续发展技术专利数量占比并未呈现出显著差异。

2.4.3 中介变量:专利技术质量(Patented Technology Quality, PTQ)

(1)本文选择专利家族被引次数作为专利技术影响力(Influence)的测量指标。一方面,随着技术会聚发展,专利家族被引次数能够反映该专利对后续创新的影响力。另一方面,专利家族被引次数能够反映该专利的市场影响力。现有研究表明,高被引次数能够体现专利价值,专利被引次数为20次或更多的专利权人能够获得的市场溢价为54%(Hall等, 2005) 。

(2)本文选择权利要求数作为专利技术深度(Depth)的测量指标。权利要求数量是指在专利申请时请求保护的专利权利要求数量(独立权利要求数量和从属权利要求数量)。一般来说,权利要求数量越多,专利技术特征与技术关键点越丰富,其内含的技术原理复杂程度越高。此外,专利受保护范围越广,专利权人期望的权利实施自由度越高,专利可能具备的价值越高(乔永忠等, 2017)。

2.4.4 控制变量

(1)首权字数(FC)。首权字数即独立权利要求字数,当独立权利要求字数增加时,相应保护范围变窄,可能对专利技术质量与市场价值产生一定程度的影响。

(2)发明人数(In)。发明人数量一定程度上能够体现专利技术复杂程度,发明人数量越多,技术复杂程度越高,对专利市场价值的影响越大。

(3)家族引证次数(Bcit)。家族引证次数能够反映对过往知识的广泛吸收与整合,专利家族引证次数越多,意味着专利具有较高的技术质量,可能产生较高的市场收益(Acosta等, 2022)。

(4)文献页数(Page)。专利文献页数越多,其能够为权利人带来的经济效益越高。

本研究变量与测量方法如表4所示。

3 实证分析

3.1 描述性统计与相关性检验

从专利检索清洗后的结果看,1985—2019年中国企业可持续发展技术授权专利数量呈显著上升趋势(见图3)。

图3显示,2010年以前,中国企业可持续发展技术授权专利数量始终保持在较低水平。自2010年起,中国企业可持续发展技术授权专利数量逐步上升,并呈指数增长态势。由此表明,可持续发展技术创新引起社会各界广泛关注,并呈现出加速发展趋势。图4展示了1985—2019年中国企业可持续发展技术各子领域授权专利数量分布和发展趋势。

图4显示,各子领域可持续发展技术专利数量发展趋势呈现出显著差异。工业与农业制造业(Y02P)以及与能源生产、分配和运输相关领域(Y02E)专利数量较多,而温室气体捕获和储存技术(Y02C)专利数量较少。原因在于,工业与农业制造业、与能源生产、分配和运输相关领域技术起步较早,而温室气体控制技术起步较晚,其复杂性和成本较高,需要更多时间和资源进行研发。2010年后,几乎所有子领域都进入加速发展阶段,这可能与国际金融危机后各国政府大力发展新兴产业,尤其是新能源产业紧密相关。新兴产业发展战略推动全球可持续发展技术发明专利活动增加,导致专利数量激增。

本研究中各变量描述性统计分析与相关性检验结果如表5所示。表5显示:因变量专利市场价值(PMV)的均值为1.46,最大值为36,说明不同样本间专利市场价值存在较大差异。自变量专利技术会聚层次(HPTC)的均值为2.49,介于二级到三级之间,说明专利在不同领域间的融合现象较为普遍,但并非都涉及到高层次技术会聚。专利技术深度(Depth)和专利技术影响力(Influence)的均值分别为8.17、11.33,表明样本专利技术质量较高,但标准差分别为7.02和21.18,说明不同样本间专利技术质量存在较大差距。此外,控制变量家族引证次数(Bcit)、文献页数(Page)、首权字数(FC)和发明人数(In)描述性统计分析结果显示各样本间存在显著差异。因此,后续实证检验具有统计学意义。

表5显示,变量间相关系数都不超过0.6,且方差膨胀因子(VIF)远小于10,容忍度(1/VIF)均大于0.1,说明变量间不存在严重多重共线性问题。同时,因变量过离散检验结果显示,P<0.001,拒绝不存在过离散现象的原假设(见表6)。由此可知,本研究样本数据满足负二项回归分析的全部条件,因而可以运用负二项回归模型进行假设检验。

3.2 回归分析与假设检验

本文运用负二项回归模型对样本数据进行分析,考察专利技术会聚层次、专利技术质量与专利市场价值间的关系。参考温忠麟等[30]的研究成果,首先,检验解释变量与被解释变量间的主效应;其次,检验解释变量、中介变量与被解释变量间的直接效应;再次,将解释变量、中介变量与被解释变量代入模型检验间接效应;最后,根据间接效应、直接效应检验情况,判断其路径是属于完全中介路径还是部分中介路径。本文使用Stata.15.0软件进行分析,检验结果如表7所示。

3.2.1 主效应检验结果

表7中,模型1和模型2用于检验解释变量HPTC对被解释变量PMV的主效应。其中,模型1检验控制变量(Page、FC、Bcit、In)对被解释变量(PMV)的影响,结果显示,控制变量Page、FC和Bcit对PMV具有显著正向影响,In对PMV具有显著负向影响。模型2为解释变量HPTC对被解释变量PMV的主效应检验结果,结果显示,不同层次专利技术会聚对PMV均具有显著正向影响,二级专利技术会聚(HPTC2)对PMV的影响效应为0.145,一级专利技术会聚(HPTC1)对PMV的影响效应为0.098,三级以上专利技术会聚(HPTC3)对PMV的影响效应仅次于HPTC5。原因可能源于样本差异化特征,包括规模、行业、地理位置等因素,上述差异可能导致不同层次专利技术会聚在实际应用中产生差异化影响。因此,本文研究假设H1a～H1b得到验证。

3.2.2 直接效应检验结果

表7中,模型3～6展示了解释变量HPTC对中介变量PTQ的直接影响。其中,模型3和模型4检验HPTC对Influence的直接影响,模型5和模型6检验HPTC对Depth的直接影响。结果显示:第一,所有控制变量对Influence均具有显著正向影响(模型3);Page、Bcit、FC对Depth具有显著正向影响,In对Depth具有显著负向影响(模型5)。第二,HPTC5对Influence的影响效应最显著(0.224),其后从高到低依次为HPTC2(0.26)、HPTC3(0.164)、HPTC4(0.116)、HPTC1(0.109)(模型4)。第三,相较于专利技术会聚层次对Influence影响,专利技术会聚层次对Depth的影响效应较弱。HPTC5对Depth的影响效应最显著(0.349),其后从高到低依次是HPTC3(0.339)、HPTC4(0.296)、HPTC2(0.139)、HPTC1(0.097)(模型6)。

就HPTC对PTQ的总影响效应(Influence与Depth的效应之和)而言,HPTC对PTQ具有显著正向影响,但较高层次专利技术会聚对专利技术质量的正向影响有待进一步验证。本研究中,相较于三级专利技术会聚和四级专利技术会聚,二级专利技术会聚(HPTC2)对专利技术质量(PTQ)的影响更显著。原因可能在于:HPTC2对技术影响力(Influence)的影响效应显著,导致其对PTQ总效应的影响更加显著。综上,本文研究假设H2a～H2b得到部分支持,研究假设H2c～H2d得到完全支持。

3.2.3 中介效应检验及稳健性分析结果

表7中,模型7、模型9是中介变量PTQ对被解释变量PMV的直接效应检验结果。结果显示,Influence、Depth对PMV具有显著正向影响。在此基础上,本文对中介效应进行检验,结果如模型8和模式10所示。

模型8和模型10显示,专利技术质量(PTQ)在专利技术会聚层次(HPTC)和专利市场价值(PMV)之间发挥显著部分中介效应,HPTC、PTQ均与PMV呈显著正相关关系。由此说明,当专利技术会聚层次提升时,专利技术影响力和技术深度随之提高,从而促进专利市场价值提升。进一步地,深入HPTC内部,较高层次专利技术会聚(三级以上)对专利市场价值的正向影响更为显著。

本文采用Bootstrap法对模型稳健性进行检验,结果显示,专利技术会聚层次(HPTC)通过专利技术质量(PTQ)对专利市场价值(PMV)的间接效应显著,该中介路径在95%显著性水平上稳健。由此表明,在不同采样情境下,模型结果具有一致性和可靠性。进一步分析表明,较高层次专利技术会聚情境下,专利技术质量对专利市场价值的中介效应更为显著,说明高层次技术会聚能够通过专利技术质量影响专利市场价值。Bootstrap检验结果如表8所示。结果表明,专利技术会聚层次能够通过专利技术质量对专利市场价值产生显著影响。由此,假设H3a～H3d得到支持。

综上所述,除假设H2a～H2b得到部分支持外,本文其它研究假设得到完全支持。研究结果为较高层次会聚专利技术商业化提供了有力的理论支持。

4 结语

4.1 主要结论

本文以TRIZ理论和专利分类体系为基础,创造性地提出专利技术会聚层次概念及其识别方法,聚焦专利技术会聚层次对专利市场价值的作用机理,并采用1985—2019年中国企业获得授权的可持续发展技术发明专利数据进行实证研究,得到以下主要结论:

(1)专利技术会聚层次对专利市场价值具有显著正向影响,相较于低层次会聚,较高层次专利技术会聚对专利市场价值的影响更显著。

(2)专利技术会聚层次对专利技术质量具有显著正向影响。

(3)专利技术质量在专利技术会聚层次与专利市场价值之间发挥中介效应。

(4)相较于低层次专利技术会聚,专利技术质量在较高层次专利技术会聚与市场价值间的中介效应更显著。

4.2 理论贡献

4.2.1 对技术会聚研究的贡献

(1)提出技术会聚层次概念,丰富和发展了技术会聚理论。虽然技术会聚的多层次特征已引起学者们广泛关注,但缺乏理论层面的总结与升华。基于TRIZ理论,本文聚焦技术会聚层次的细粒度视角,探讨技术知识是在较窄领域还是在较广领域交叉融合,进而形成不同层次技术会聚这一问题。

(2)聚焦专利数据,提出了专利技术会聚层次识别与分类方法。已有学者基于专利IPC小类,对专利技术会聚层次网络和动态演化过程进行了探讨,但专利技术会聚层次的具体结构与识别方法尚不清晰。基于CPC分类结构,本文提出了专利技术会聚层次划分方法,揭示了专利技术会聚层次特点,拓展了现有技术会聚层次研究。

4.2.2 对高价值专利培育的贡献

(1)丰富了可持续发展专利市场价值影响因素研究。本文关注中国企业可持续发展专利技术会聚层次,扩展了已有相关研究视角(刘娜等, 2019;Luan等, 2021;毛荐其等, 2020)。

(2)构建了专利技术会聚层次通过专利技术质量影响专利市场价值的理论框架,贡献了高价值专利培育路径研究。学者们从技术、法律、经济视角对专利市场价值评估进行了探讨,并构建了专利价值评估体系(胡小君等, 2014;刘妍, 2022),但鲜有关注新兴专利技术融合特征。随着科技不断发展,越来越多的技术开始相互渗透,新技术往往产生于已有技术的交叉融合。本文将技术会聚层次作为专利市场价值影响因素,构建了其对专利市场价值的作用机制研究框架,为探讨专利市场价值提供了新视角。

4.3 政策启示

(1)多学科交叉会聚与多技术跨界融合背景下,加快多学科交叉会聚的战略布局既是应对变化的需要,也是面向未来、决胜未来的需要。这一过程中,需要基于细粒度视角探索技术会聚特征和机理。基于专利数据,本文提出了专利技术会聚层次识别与划分方法,构建了专利技术会聚层次对专利市场价值影响的理论框架,结果发现:不同层次专利技术会聚对专利市场价值的影响不同。因此,在学科交叉会聚战略布局时,需要结合技术会聚层次特点,注重打造技术会聚场景,从而加快推动产业发展。

(2)优化高价值专利研发与专利商业化战略,加强跨层次专利技术会聚战略规划和管理。对于中国可持续发展技术专利而言,产生于较高层次技术会聚的专利与产生于较低层次技术会聚的专利在数量上并无显著差异,但二者对专利市场价值的影响存在较大差异。因此,需要构建跨学科团队,促进不同领域协作与知识交流,以应对复杂的技术挑战。对于企业而言,不仅需要关注跨部类会聚的专利技术,而且需要关注跨小类会聚的专利技术。实证结果显示,来自跨小类会聚(三级专利技术会聚)的专利技术与来自跨部类会聚(五级专利技术会聚)的专利技术对专利市场价值的影响不存在显著差异,但在专利数量上存在显著差异。来自跨大组会聚(二级专利技术会聚)的专利数量最多,但其对专利市场价值的影响较低。因此,适当调整各层次专利数量布局可以促进该领域专利市场价值提升。

4.4 不足与展望

本文存在以下局限性:一是需要进一步探究专利技术会聚层次、专利技术质量和专利市场价值的关系。在专利技术质量测度方面,未来可以考虑加入其它中介或调节变量(如技术复杂性等),进一步揭示专利技术会聚层次对专利市场价值的影响。二是本文采用中国企业专利数据作为研究样本,缺乏不同创新主体间的横向比较。未来既可对不同创新主体进行对比分析,也可深入不同产业领域,探索不同产业间专利技术会聚层次对专利市场价值的作用机理。三是,本文以CPC分类代码作为数据清洗依据,未来能否采用其它分类体系(如IPC分类、国民经济行业分类等)作进一步研究有待探索。

参考文献：

[1] LUAN C, SONG B, PORTER A L. A new perspective of multiple-level for measuring &mapping technology relatedness[C].The 17th International Conference on Scientometrics and Informetrics,Rome:ISSI, 2019.

[2] LUAN C, DENG S, PORTER A L, et al. An approach to construct technological convergence networks across different IPC hierarchies and identify key technology fields[J]. IEEE Transactions on Engineering Management, 2021, 71(12): 346-358.

[3] ALTSHULLER G S. Creativity as an exact science: the theory of the solution of inventive problems[M]. London: Gordon and Breach Science Publishers,1984.

[4] YOU Y-B, KIM B-K, JEONG E-S. An exploratory study on the development path of converging technologies using patent analysis: the case of nano biosensors[J]. Asian Journal of Technology Innovation, 2014, 22(1): 100-113.

[5] JEONG S, KIM J-C, CHOI JY. Technology convergence: what developmental stage are we in[J]. Scientometrics,2015, 104(3): 841-871.

[6] TANDIONO Y, RAU H. An enhanced model using the kano model, QFDE, and TRIZ with a component-based approach for sustainable and innovative product design[J]. Sustainability,2022, 15(1): 527.

[7] SISMONDO S. An introduction to science and technology studies[M]. Chichester: Wiley-Blackwell, 2010.

[8] SISMONDO S. Science without myth: on constructions, reality, and social knowledge[M].New York: State University of New York Press, 1995.

[9] ALTSHULLER G S. 创新算法[M]. 武汉: 华中科技大学出版社, 2008.

[10] KWON S. Interdisciplinary knowledge integration as a unique knowledge source for technology development and the role of funding allocation[J]. Technological Forecasting and Social Change,2022, 181(8): 121767.

[11] SKILTON P F, DOOLEY K. Technological knowledge maturity, innovation and productivity[J]. International Journal of Operations &Production Management,2002, 22(8): 887-901.

[12] KIM N, LEE H, KIM W,et al. Dynamic patterns of industry convergence: evidence from a large amount of unstructured data[J]. Research Policy, 2015, 44(9): 1734-1748.

[13] HACKLIN F, WALLIN MW. Convergence and interdisciplinarity in innovation management: a review, critique, and future directions[J]. The Service Industries Journal, 2013, 33(7-8): 774-788.

[14] CURRAN C S, LEKER J. Patent indicators for monitoring convergence——examples from NFF and ICT[J]. Technological Forecasting and Social Change, 2011, 78(2): 256-273.

[15] KARVONEN M, KSSI T. Patent citations as a tool for analyzing the early stages of convergence[J]. Technological Forecasting and Social Change, 2013, 80(6): 1094-1107.

[16] CHOI J Y, JEONG S, JUNG J K. Evolution of technology convergence networks in Korea: characteristics of temporal changes in R&D according to institution type[J]. Plos One, 2018, 13(2): e0192195.

[17] 杨冠灿, 行佳鑫, 鲁国轩, 等.基于图神经网络的细粒度技术会聚预测方法研究[J]. 信息资源管理学报,2023, 13(2): 95-107.

[18] 毛荐其, 李新秀, 刘娜. 技术会聚对创新绩效的作用机制研究[J]. 科技进步与对策, 2018, 35(20): 9-14.

[19] 毛荐其, 荣雪云, 刘娜. 多层级视角的技术会聚动态辨识及效应测度[J]. 山东工商学院学报,2020, 34(4): 20-27,65.

[20] 刘娜, 荣雪云, 毛荐其. 新兴交叉领域技术会聚对技术价值的影响研究——以纳米生物制药领域为例[J]. 技术与创新管理, 2019, 40(6): 728-736.

[21] ROCO M C, BAINBRIDGE W S. Converging technologies for improving human performance: integrating from the nanoscale[J]. Journal of Nanoparticle Research, 2002, 4(8): 281-295.

[22] YOFFIE D B. Competing in the age of digital convergence[M].Boston:Harvard Business School Press,1997.

[23] ALTSHULLER G. And suddenly the inventor appeared: TRIZ, the theory of inventive problem solving (2nd edition) [M]. Worcester, MA: Technical Innovation Center, 1996.

[24] CUI J B, LI T Q, WANG Z X. Research collaboration beyond the boundary: evidence from university patents in China[J]. Journal of Regional Science, 2023, 63(3): 674-702.

[25] CHEMMANUR T J, SHEN Y, XIE J. Innovation beyond firm boundaries: strategic alliances and corporate innovation[J]. Journal of Corporate Finance, 2023, 80(6): 102418.

[26] 李彦勇, 林润辉. 知识网络结构、跨界搜索对组织突破性创新的影响:美国人工智能技术领域专利的分析[J]. 科技管理研究,2020, 40(23): 204-212.

[27] 王宛秋, 高雅, 王芳. 高技术制造企业生产链位置与技术并购创新绩效关系研究[J]. 科技进步与对策,2022, 39(8): 99-109.

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

[29] NARIN F. Patent bibliometrics[J]. Scientometrics, 1994, 30(1): 147-155.

[30] 温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展,2014, 22(5): 731.

[31] LAU R S, CHEUNG G W. Estimating and comparing specific mediation effects in complex latent variable models[J]. Organisational Research Methods,2012, 15(1): 3-16.

[32] 温忠麟, 张雷, 侯杰泰,等.中介效应检验程序及其应用[J]. 心理学报, 2004, 36(5): 614-620.

(责任编辑:张 悦)