开放科学(资源服务)标识码(OSID)：
The complex process of patent innovation is influenced by a variety of factors at both macro and micro levels. At the macro level, government policies—such as subsidies, intellectual property regulations, and innovation incentives—create an environment conducive to innovation. These initiatives encourage enterprises to invest in research and development (R&D) and file patents. At the micro level, corporate behaviors, internal management practices, and strategic decision-making significantly shape innovation outcomes. Additionally, the technological environment and market competition dynamics play critical roles. As competition intensifies, companies are pushed to innovate in order to maintain or improve their market position. Therefore, it is critical to achieve a holistic grasp of the innovation process by grasping the drivers of corporate patent innovation through an exploration of both external and internal factors.
This study addresses this gap by adopting a stakeholder-oriented approach and constructing a framework of patent innovation factors categorized into four dimensions: environment, market, enterprise, and technology. This framework offers a structured analysis of the forces that drive patent innovation, providing both theoretical foundations and practical tools for policymakers and businesses aiming to enhance innovation capabilities. A multidimensional framework allows for a holistic examination of the patent innovation process, which is inherently complex and influenced by the interaction of various factors.
Methodologically, the study uses the DEMATEL-AISM model and the MICMAC algorithm to analyze the significance, structure, and interrelationships among these factors. The DEMATEL-AISM model helps visualize cause-effect relationships among variables, while the MICMAC algorithm examines the dynamic relationships and levels of interdependence between different factors. Together, these methods highlight the direct and indirect impacts of each factor, revealing how they interact within a system to shape corporate patent innovation. The analysis identifies a set of interconnected transmission pathways that define the innovation process.
Two primary innovation pathways are uncovered. The first pathway moves from market forces to corporate strategies, then to technological advancements. This shows how external market pressures influence internal corporate behaviors and drive technological progress. The second pathway flows in reverse, where corporate strategies affect the external environment, including market and regulatory conditions, which in turn shape market behaviors. These dual-directional flows demonstrate that patent innovation is not a linear process, but rather a cyclical one, with feedback loops playing a significant role. This perspective offers a deeper understanding of how innovation occurs and evolves over time.
Building on these insights, the study proposes policy recommendations for each of the four dimensions—environment, market, enterprise, and technology. For the environment, government policies should focus on strengthening intellectual property protection and providing targeted incentives for high-tech industries. At the market level, fostering a competitive landscape that rewards innovation is crucial, as competition drives corporate patenting activities. For enterprises, strategic investment in R&D, nurturing an internal culture of innovation, and engaging with external partners, such as universities and research institutes, are essential. Finally, at the technological level, policies should support the development of advanced technologies and promote collaboration between academia and industry to facilitate knowledge sharing. These recommendations aim to enhance corporate patent innovation capabilities and contribute to building a more dynamic and sustainable innovation ecosystem.
In conclusion, this research contributes to the academic and practical understanding of patent innovation in several ways. First, it enhances theoretical knowledge by introducing a stakeholder-centric framework that integrates multiple dimensions influencing patent innovation. Second, it applies the DEMATEL-AISM and MICMAC methodologies to analyze the complexity and interconnections among these factors. Third, the identification of chained transmission pathways offers a dynamic perspective on how patent innovation evolves over time. Finally, the policy recommendations, grounded in empirical findings, offer practical guidance for improving corporate patent innovation and fostering a more competitive and innovative economy.
开放科学(资源服务)标识码(OSID)：
在全球竞争格局深刻变革情境下,专利创新成为长期经济增长的重要推动力。作为重要战略性资源,专利在实现科技自立自强过程中发挥重要作用。中共中央、国务院印发的《知识产权强国建设纲要(2021—2035)》提出,“完善以企业为主体、市场为导向的高质量创造机制”。企业专利布局不仅关乎自身技术壁垒构建,而且是衡量企业创新能力与发展潜力的重要指标。当前,专利活跃程度以及产出绩效成为衡量企业市场表现的重要指标[1-2]。相关研究表明,专利创新对竞争对手评估、投资决策以及公司规划管理具有重要影响[3]。专利创新受多重复杂因素影响,这些因素可能跨越不同维度且彼此关联,共同塑造企业专利创新生态体系。因此,系统剖析企业专利创新影响因素,揭示其内在联系与动态演变规律,对优化创新环境、提升企业竞争力、加速产业升级转型、增强国家整体创新能力具有重要意义。
学界认为,技术创新是专利技术研发与产业数字化转型的动力,而专利创新能够激励企业技术创新。技术创新相关研究涉及范围较广,包括技术创新效果评价、驱动因素、扩散演化等主题,其中不乏基于专利探讨企业技术创新水平的研究。已有专利创新研究关注企业专利创新影响因素、作用机制、创新绩效等,通过测度专利创新与公司治理、资源配置、企业绩效的关系,凸显专利创新的重要性。还有部分研究探讨研发投入、政策激励、股权结构等因素对企业专利创新的影响[4-5]。然而,现有相关研究大多基于单一视角探讨企业专利创新影响因素,未揭示各影响因素间的复杂因果关系。由此,本文基于利益相关方视角构建企业专利创新多维度影响因素指标体系,运用决策与试验评价实验室法(DEMATEL)、对抗解释结构模型法(AISM)剖析专利创新影响因素及其内在联系,揭示传导路径与作用机理,以期为相关研究提供理论依据。
学者主要从广义与狭义两个层面对企业技术创新加以界定。广义上,企业技术创新贯穿从技术研发到产品市场化的整个生命周期,形成从创意激发、研发推进、生产制造直至市场推广的完整体系[6]。狭义上,企业技术创新被视为具体产出成果[7],其中专利产出成为这一成果的重要表征。实际上,企业技术创新涵盖新产品、新工艺、新设备以及新标准,不仅是创新成果的展现,更是各创新要素组合[8]。无论是从广义视角还是从狭义视角看,专利创新与标准创新、产品创新、工艺创新等其它创新类型均属于企业技术创新概念范畴。
企业专利创新实质上是通过研发实现技术升级,对内表现为加大具有市场潜力的技术创新力度,对外表现为通过技术突破与技术私有实现长期经济增长和社会资本积累。梳理已有研究发现,企业专利创新研究内容如下:第一,以专利创新表征企业技术创新的实证研究。部分学者将专利创新等同于企业技术创新绩效,实际研究范畴仍属于企业技术创新领域。第二,对企业专利创新进行测评,选取特定领域企业测算其专利创新效率[9],根据不同研究目的构建企业专利创新测评指标[10],并探讨区域差异与产业特性对企业专利创新的影响[11]。第三,企业专利创新影响因素及二元或多元关系研究。这类文献占比较大,学者基于不同角度探究企业专利创新影响因素,如企业数字化转型对专利创新的影响[12]、专利创新与市场价值的关联[13],以及政策对专利创新的影响机制[14]等。由此可见,不同利益相关方基于不同维度对企业专利创新产生影响。
上述研究存在如下改进之处:第一,未系统剖析多维影响因素间的关联与作用机理;第二,未采用定性与定量相结合的方法探讨影响因素的作用机制。基于此,本文提出以下问题:企业专利创新受到哪些利益主体的影响?如何识别关键影响因素?影响因素间的因果关系与影响强度如何?各因素所处层级及活动路径如何?解答以上问题可为企业专利创新发展提供思路,为政策制定提供依据。
本文探讨企业专利创新受哪些利益主体的影响,旨在揭示利益相关方如何通过特定利益诉求、市场需求影响企业专利创新策略、方向与成效。企业专利创新过程中涉及政府、竞争者、投资者、企业研发人员、所有者/股东等利益相关主体。借鉴Kristel&Alain(2002)的分类方法,本文将利益相关主体分为内部和外部主要利益相关者:第一,内部主要利益相关者,包括股东、高管、研发人员;第二,外部主要利益相关者,包括竞争者、投资者、消费者、政府各级组织机构。本文分别从内外部主要利益相关方视角挖掘影响企业专利创新的关键要素。
内部利益相关者需要考虑股东、员工、研发人员利益平衡,为企业开展专利创新奠定研发基础。内部利益相关方主要通过资源利用效率、预期技术贡献与收益、创新要素配置影响企业专利创新。
2.1.1 资源利用效率
作为影响企业专利创新的内部利益相关者,股东、高管、研发人员通过制定企业经营方向和技术研发计划影响专利创新效率。因此,从股东、高管等利益相关方角度出发,专利创新被赋予提高资源利用效率的使命[15]。专利创新不仅是新技术、新工艺、新设备、新材料的研发成果,更是企业摆脱资金依赖、优化流程、更新设施与工艺、降低成本的动力,能够显著提升企业资源利用效率。企业内部利益相关方期望以技术突破为切入点,加快资源价值转化,带来投入成本降低与预期收益增长的双重转变。
2.1.2 预期技术贡献与收益
在实施专利战略布局和关键技术研发的初期阶段,企业需要承担较高的投入成本。创新产出转化与应用存在滞后性,这些投入短期内难以转化为经济效益和市场影响力。对于股东、管理人员以及研发人员而言,专利创新是投资大、风险高、预期收益无法估计的经济活动[16]。因此,在专利创新布局与决策时,企业内部利益相关方关注其先进性和实用性。专利创新应聚焦企业关键技术领域,致力于产出具有突破性技术价值的创新成果。上述创新成果预期能够填补企业技术空白,有助于企业获得经济收益和社会效益。
2.1.3 创新要素配置
为了实现要素优化配置,在制定专利创新策略时,企业内部利益相关方需要综合考虑多方面因素。管理者、研发人员及其他员工期望以专利创新为出发点和落脚点,从创新链各环节出发,推动创新要素在企业内部有效流动和高效配置(周全等,2010)。专利创新的最终目标是提升企业研发水平,进而培育出高价值专利或专利组合,助力企业高效获取创新资源、降低创新成本,并提升内部利益相关方劳动价值与收益。
就外部环境而言,企业通过满足消费者不断变化的消费需求赢得市场基础,同时通过供给高质量产品在市场竞争中取得优势,获得专利权赋予的技术、产品独占权,为企业谈判、投标增加筹码。外部利益相关方能够通过市场需求与市场占有率、政策环境影响企业专利创新决策过程,驱动企业创新生态系统发展。
2.2.1 市场需求与市场占有率
作为外部利益相关方,消费者、竞争者、投资者能够影响市场占有份额。消费者是企业最关注的直接利益主体,倾向于支持企业拥有自主知识产权的产品,而企业专利独占权能够有效抑制竞争者模仿行为,同时拓展融资渠道。专利创新带来的技术进步能够在商品化与市场化过程中得到市场积极反馈,促使企业经济收益不断增加[17]。因此,从外部利益相关方角度看,专利创新被要求创造和满足市场需求,促使社会财富持续增长。
2.2.2 政策环境
政府各级组织机构通过出台相关政策对企业技术研发与专利申请行为进行规范。实际上,企业专利创新活动很大程度上依赖良好的政策环境[18]。作为外部利益相关方,政府通过提供专利补贴、鼓励申报补助项目、实施税收优惠政策等一系列举措对企业专利创新活动产生影响。在良性市场竞争环境中,企业利用政策支持主动开展专利创新,实现经济收益稳步增长和持续发展目标。
区别于传统创新研究聚焦经济效益,本文立足于创新驱动发展转型需求,关注企业专利创新在技术微观层面、企业中观层面以及市场与环境宏观层面的关键要素。将企业专利创新理解为创新过程中要素投入与专利产出、技术贡献、市场环境间的互动关系,即在给定政策环境与知识产权策略下,专利产出对企业技术需求与市场需求的满足程度,以及企业投入的资金、人力。从过程观角度看,专利创新是企业实现技术创新的过程。考虑到资源和技术是企业在激烈市场竞争中获胜的关键[19],因而环境调控与市场调节成为影响企业专利布局的重要因素。企业为专利创新投入的资金、人才等资源,以及专利创新对企业技术进步的贡献,能够影响企业专利创新能力与效率。因此,企业专利创新包括环境维度、市场维度、企业维度、技术维度4个方面,如图1所示。
图1 企业专利创新分析框架
Fig. 1 Analysis framework for corporate patent innovation
本文采用定性分析与定量分析相结合的研究方法,数据收集、样本构建分为文献检索与查阅、专家调研与访谈两个部分。
(1)以中国知网作为中文数据库,限定学术期刊子库,使用中文检索词“专利创新”“影响因素”进行主题检索,检索时间为2024年4月12日。按照相关度对检索结果进行排序,剔除相关度较低文献,得到1 130篇中文文献。以Web of Science的核心合集作为外文数据库,限定SSCI子库,使用英文检索词"patent innovation""factors"进行主题检索,检索时间为2024年4月13日,经过排序筛选得到736篇外文文献。在主题分类与查阅文献的基础上,梳理不同维度专利创新影响因素,初步拟定24个影响因素。
(2)本文对企业技术人员、企业管理人员以及高校相关科研人员进行咨询,3类专家在各自领域拥有丰富的实践经验。在专家访谈过程中,对初步提出的24个影响因素进行深入讨论,根据专家意见对部分概念重合因素进行合并,如将“企业研发经费”与“企业研发人员”两个要素合并为“企业研发投入”。遵循逻辑清晰、维度简明与相对完整的原则,最终整合为11个影响因素。在此基础上,对11个影响因素间的关系进行评价,发放评价表20份,经过3轮征询,专家意见趋于一致,得到16份有效评价表。
通过文献查阅与调研访谈,本文最终拟定11个影响因素,并将其划分为环境维度、市场维度、企业维度、技术维度,影响因素指标体系如表1所示。
表1 影响因素指标体系
Table 1 Indicator system of influencing factors
维度编码影响因素因素含义环境维度F1政策激励政府支持企业自主研发的政策举措F2政府研发投入与补贴政府通过研发投入项目补贴刺激企业开展专利创新,产出高质量专利F3知识产权保护对知识产权保护程度市场维度F4市场占有率企业在特定领域的市场占有率F5市场需求市场对于该专利创新产品的需求企业维度F6企业研发投入企业开展专利创新活动投入的费用F7企业技术能力企业开展专利创新的能力F8技术人才资源企业技术人才拥有量及占比F9企业对支持性政策的利用程度企业对政府政策的响应与有效利用技术维度F10技术机会特定技术领域的技术空白与机会F11技术贡献新技术/新产品/新方法对企业的贡献度
3.2.1 环境维度
考虑到不同维度指标的独立性,政策维度涉及企业专利创新外部环境,包括政策激励、政府研发投入与补贴以及知识产权保护制度3个指标。政策鼓励是指在创新追赶战略指引下,各地专利创新支持政策对企业专利数量与质量的影响[20]。政府研发投入与补贴是指政府通过专利研发项目、绿色专利补贴等方式激励企业专利创新[21]。知识产权保护是影响企业专利创新的重要因素,能够促使企业专利创新活动向发明专利偏移[22]。
3.2.2 市场维度
企业开展专利创新活动的目的是追求专利转化收益,这种收益体现在经济利益与社会影响力两个方面。因此,市场维度包含市场需求与市场占有率两个指标。市场需求代表消费者对某种产品或服务的需求,企业专利创新是基于上述需求重组技术要素使其满足市场需求的过程。市场占有率能够倒逼企业通过专利创新提高自身竞争力,树立坚持自主研发与持有专利的形象,从而占据相关市场份额[23]。
3.2.3 企业维度
企业维度主要考虑企业专利创新内部因素,包括企业研发投入、企业技术能力、技术人才资源以及企业对支持性政策的利用程度4个方面。其中,企业研发投入是企业为了专利创新投入的资金、人力等资源。在专利创新实践中,研发投入、专利产出通常被视为创新投入与创新产出的表征,二者存在显著关联[24]。企业技术能力是影响技术外溢和专利创新的关键因素,本文将技术能力界定为企业开展专利创新的能力,包含技术基础、技术平台、企业内部创新环境等要素。技术人才资源是从事研发工作的专业人员,能够为企业提供技术支持与解决方案[25]。受政策激励,企业会主动开展专利创新,如高新技术企业认定制度有助于企业获得更多创新资源,从而提升专利创新绩效。
3.2.4 技术维度
作为实体经济的重要主体,企业以专利创新驱动自身高质量发展,但专利创新存在不确定性风险,故需要基于技术维度确认技术机会与技术贡献。技术机会包括研发创新、应用创新、选材进步、工艺变化、算法改进等不同定位场景,能够影响企业专利创新导向。技术机会对专利创新的影响体现为帮助企业调整要素投入、降低风险。同时,技术贡献是影响企业专利创新的重要因素,体现企业关注新技术/新产品/新方法对自身技术进步的贡献程度[26]。
根据上述构建影响因素指标体系,设计专家评价表,邀请相关领域专家对影响因素间的相关关系进行判断,采用0～4对专家判断的语义结果进行语义标度。其中,0代表“指标A对指标B没有影响”,1代表“指标A对指标B的影响较小”,2代表“指标A对指标B的影响一般”,3代表“指标A对指标B影响的较强”,4代表“指标A对指标B具有强烈影响”。
经过综合调研,本文采用DEMATEL-AISM模型探讨企业专利创新影响因素关联机理。其中,决策试验和评价实验法(DEMATEL)是运用图论、矩阵工具进行分析的方法,基本原理是通过构建因果关系矩阵量化要素间的直接影响与间接影响,进而确定各因素影响程度与重要性。DEMATEL方法适用于分析复杂系统要素,能够确定某要素在系统中的位置[27]。对抗解释结构模型(AISM)是在传统解释结构模型ISM的基础上融入生成对抗网络中的博弈对抗思想,将系统单元间的复杂关系分解为多级阶梯结构,基于相互对抗的层级抽取规则得到两种最简单的层次化拓扑图[28]。以上两种方法均适用于复杂有向网络研究:DEMATEL能够揭示影响因素间的定量关系,AISM可从原因优先与结果优先的对抗层面剖析影响因素间层级关系,进而揭示企业专利创新系统内部关联与传导路径。
在企业专利创新影响因素指标体系的基础上,本文采用DEMATEL法进行矩阵运算,揭示指标间因果关系和影响强度,并采用AISM对指标结构层次和要素进行分类,评估影响因素所处层级及传导路径。根据以上两种方法,本文构建DEMATEL-AISM模型框架如图2所示。
图2 模型构建
Fig. 2 Model construction
本文采用DEMATEL-AISM模型,以表1构建的影响因素体系为起点,挖掘影响因素间的因果关系,同时抽取对抗层级并分析传导路径。
4.1.1 直接影响矩阵构建
根据专家评价标度,本文邀请企业技术人员、管理人员以及高校相关科研人员对指标体系中11个因素间的关系进行评价打分,得到16份矩阵表,采用累加并求平均值的方式得到直接影响矩阵O。其中,矩阵O的主对角线值均为0,表示影响因素不会对自身产生影响。
4.1.2 规范化影响矩阵计算
本文对直接影响矩阵O作规范化处理,得到规范影响矩阵N,如式(1)所示。规范化影响矩阵N主对角线的值均为零,值域范围为[0,1]。
(1)
其中,N为规范化影响矩阵,O为直接影响矩阵,Oij为影响因素i对影响因素j的影响程度。
4.1.3 综合影响矩阵计算
本文采用直接影响和间接影响累加方式,根据式(2)计算得到综合影响矩阵T。
(2)
其中,I为单位矩阵,I-N的逆矩阵即为综合影响矩阵,结果如下:
4.1.4 各要素影响度、被影响度、中心度与原因度计算
在DEMATEL模型中,影响度、被影响度、中心度和原因度均可根据综合影响矩阵T计算得出。
(3)
(4)
Mi=Di+Ci
(5)
Ri=Di-Ci
(6)
其中,Di是影响度,其值为影响因素Fi所对应行之和;Ci是被影响度,其值为影响因素Fi所对应列之和;Mi是中心度,其值为影响度Di与被影响度Ci之和;Ri是原因度,其值为影响度Di与被影响度Ci之差。
对各影响因素属性进行判断发现,F4、F6、F7、F8、F9、F10、F11为原因要素,F1、F2、F3、F5为结果要素。
4.1.5 散点图绘制
根据各影响因素的影响度、被影响度、中心度、原因度绘制中心度—原因度与影响度—被影响度的散点图,如图3所示。
图3 各影响因素的原因结果
Fig. 3 Causes and results of various influencing factors
从中心度—原因度看,F4、F6、F7、F8、F10、F11这6个影响因素位于第Ⅰ象限,包含市场维度的市场占有率,企业维度的企业研发投入、企业技术能力、技术人才资源,以及技术维度的技术机会、技术贡献。6个要素的中心度和原因度较高,属于高重要性的原因要素。企业对支持性政策的利用程度F9位于第Ⅱ象限,对于企业而言,该要素并不是影响专利创新的重要因素,但也很大程度上发挥激励作用。第Ⅲ象限代表中心度和原因度均较低,即低重要性且为结果因素,这一象限包含政策因素的3个指标以及市场维度的市场需求指标。
从影响度—被影响度看,位于第Ⅰ象限的企业研发投入F6、技术机会F10在要素系统中属于能够产生较强影响同时受到较强影响的要素。第Ⅱ象限包含政策因素的3个指标以及市场维度的市场需求指标,被影响程度较高。市场占有率F4、企业技术能力F7、技术人才资源F8、企业对支持性政策的利用程度F9、技术贡献F11位于第Ⅳ象限,上述要素的影响度较高但被影响度较低。
本文基于DEMATEL-AISM模型实现影响因素对抗层级抽取,通过构建对抗多级递阶结构模型揭示企业专利创新影响因素间的可达性关系。
4.2.1 关系邻接矩阵构建
DEMATEL与AISM联用的核心是对综合影响矩阵T取截距λ,λ的取值范围为[0,1]。
(7)
(8)
其中,
为综合影响矩阵T的平均值,σ为总体标准差。由式(7)(8)可知,λ的最终取值为0.2。进一步得到关系邻接矩阵A,结果如下:
4.2.2 相乘矩阵与可达矩阵构建
根据式(9)(10),将邻接矩阵A与单位矩阵I相加得到相乘矩阵B,对B进行连乘运算得到可达矩阵R。
B=A+I
(9)
R=Bk+1=Bk≠Bk-1
(10)
可达矩阵R的计算结果如下:
可达矩阵R能够揭示11个影响因素间的连接路径,1表示“某要素到另一要素存在路径”,0代表“不存在路径”。根据可达矩阵得到驱动要素的可达集合、先行集合及其交集,如表2所示。
表2 可达集合与先行集合及其交集
Table 2 Reachable set, antecedent set and their intersection
编码可达集合R先行集合Q交集A=R∩QF1F1F1, F4, F6, F7, F8, F9F1F2F2F2, F4, F6, F7, F8, F9F2F3F3F3, F4, F6, F7, F8F3F4F1, F2, F3, F4, F5, F6, F7, F10, F11F4F4F5F5F4, F5, F6, F7, F8F5F6F1, F2, F3, F5, F6, F10F4, F6, F7, F8F6F7F1, F2, F3, F5, F6, F7, F10F4, F7F7F8F1, F2, F3, F5, F6, F8, F10F8F8F9F1, F2, F9F9F9F10F10F4, F6, F7, F8, F10F10F11F11F4, F11F11
4.2.3 骨架矩阵计算与层级抽取
本文运用Tarjan算法对可达矩阵R进行缩点,得到缩点可达矩阵R'。进一步利用拓扑运算,计算得到骨架矩阵S',以及采用最简菊花链表示回路的一般性骨架矩阵S,如图4所示。
图4 可达矩阵求解一般性骨架矩阵过程
Fig. 4 Process of solving a general skeleton matrix using reachable matrices
AISM模型中的层级抽取包括结果优先和原因优先,本文采取轮换法进行分解。其中,UP型是结果优先的层级划分,抽取原则如下:如果可达集与交集相同就进行抽取,每次抽取出的要素放置于上方,依次按照由上至下的顺序放置抽取出的要素。DOWN型是原因优先的层级划分,抽取规则如下:如果先行集与交集相同就进行抽取,每次抽取出的要素放置于下方,依次按照由下至上的顺序放置抽取出的要素。对抗层级抽取结果如表3所示。
表3 对抗层级抽取结果
Table 3 Results of adversarial level extraction
层级结果优先—UP型原因优先—DOWN型第0层F1, F2, F3, F5, F10, F11F1, F2, F3, F5, F10第1层F6, F9F6第2层F7, F8F7, F11第3层F4F4, F8, F9
4.2.4 拓扑层级图
根据系统要素间的逻辑关系与上述抽取结果,本文绘制对抗多级递阶结构模型图,如图5所示。
图5 影响因素对抗多级递阶结构模型
Fig. 5 Adversarial multi-level hierarchical structure model of influencing factors
影响因素对抗多级递阶结构模型分为UP 型和DOWN 型,两者属于对立关系。本文采用有向线段表示企业专利创新影响因素的可达性关系。
(1)底层因素分析。底层因素是企业专利创新最根源的影响因素,属于本质致因,位于层级结构的最下层。由拓扑图可知,该层因素只向外发出有向线段,不接收有向线段,即只对其它影响因素产生影响,未受到系统其它要素影响。图5显示,影响企业专利创新的底层因素包含{F4}∪{ F4,F8,F9}={ F4,F8,F9},即市场占有率F4、技术人才资源F8、企业对支持性政策的利用程度F9这3个因素位于系统最高层级,需要高度重视。
(2)表层因素分析。表层因素是企业专利创新最直接的影响因素,属于邻近致因,位于层级结构的最顶层。由拓扑图可知,该层因素只接收有向线段,不向外发出有向线段。根据模型结果,企业专利创新的直接影响因素包含{ F1,F2,F3,F5,F10,F11}∪{ F1,F2,F3,F5,F10}={ F1,F2,F3,F5,F10,F11},即政策激励F1、政府研发投入与补贴F2、知识产权保护F3、市场需求F5、技术机会F10、技术贡献F11。作为原因因素,上述因素能够直接影响企业专利创新效果,而其它层级要素需要通过上述因素作用于整个系统。因此,可以借助上述要素调控企业专利创新,进而提升整个系统创新效能。
(3)中层因素分析。中层因素位于层级结构的中间层,由图5知,中间层有L1和L2两个层级,位于这两个层级的影响因素属于过渡致因,既能发出有向线段影响表层因素,又能接收有向线段被底层因素影响。综合UP型与DOWN型两个结构图可知,企业专利创新的中层因素包括企业研发投入F6和企业技术能力F7,这两个因素在系统中发挥枢纽作用。事实上,本质致因很难受到企业自身控制,如市场需求和对支持性政策的利用程度,但研发投入与技术能力可通过企业管理得到加强,从而提升企业专利创新水平。
本文采用DEMATEL-AISM模型对企业专利创新影响因素间的定量关系与层级结构进行系统测度,得到内部传导路径。UP型与DOWN型是对抗层级抽取结果,对多级递阶结构进行解读发现,各维度影响因素的传导路径存在差异,如图6所示。
图6 多维度影响因素传导路径
Fig. 6 Transmission path of multi-dimensional influencing factors
(1)企业通过提升市场占有率实现技术能力跨越,进而实现专利创新,完成“市场→企业→技术”传导路径。
(2)企业通过引进技术人才、利用支持性政策进一步优化创新布局与资源配置,改善内外部环境,同时面向市场创造新需求,实现“企业→环境→市场”传导路径。
(1)环境维度的3个指标均位于系统层级结构的顶层,作为原因因素影响企业专利创新。从创新驱动理论看,政策环境与知识产权环境层面包括市场规范、企业激励、技术调控等内容,该维度指标能够直接作用于企业专利创新活动。
(2)市场维度的两个指标分别属于底层因素和顶层因素,其中市场占有率是影响企业创新的驱动因素[29],符合企业核心经营目标。市场需求则为原因因素,贴合市场需求成为企业通过专利创新提高内生价值的渠道,也是市场激励机制的重要环节。
(3)企业维度的4个指标中,企业研发投入和企业技术能力属于中层因素,容易受到其它因素影响,也能够对其它因素产生影响,具有不确定性[30]。技术人才资源和企业对支持性政策的利用程度属于底层因素,作为企业内部环境与外部环境维度指标共同影响专利创新。
(4)技术维度的两个指标均位于系统层级结构的顶层,作为原因因素影响企业专利创新。产业组织理论与专利研究表明,在面对专利创新的高风险和收益不确定性时,技术机会与技术贡献成为专利创新决策的原因,这些因素被具有主观能动性的企业所捕捉,从而进行专利实施决策。
为了验证AISM结果的一致性与准确性,以及企业专利创新影响因素组态分布情况,本文采用交叉影响矩阵相乘法(MICMAC)进行深入探究。MICMAC法是分析系统中因素间相互影响与依赖关系的有效工具,通过结合交叉影响矩阵计算驱动力和依赖性指标,可明确各因素的作用和地位。对照对抗层级拓扑图,可以直观展示因素间的层级和影响路径。具体操作分为两个核心步骤:第一,根据AISM模型中的可达矩阵R计算企业专利创新影响因素的驱动力和依赖性数值,其中驱动力为可达矩阵R中所在行的总和,依赖性为列的总和;第二,根据驱动力和依赖性数值构建坐标系,将影响因素划分为依赖、自主、关联、驱动4个类别。
基于可达矩阵R计算驱动性和依赖性数值并构建坐标系。图7显示,4个象限分别代表依赖因素群、自主因素群、关联因素群、驱动因素群。其中,依赖因素群能够广泛连接其它因素,易受影响,驱动力不足,大多扮演被动角色,包括政策激励F1、政府研发投入与补贴F2、知识产权保护F3、市场需求F5、技术机会F10,一般位于层级拓扑图上层;自主因素群相对独立,与其它因素间的关联度小,驱动力较弱,不易引发连锁反应,一般处于层级拓扑图中层,包括企业对支持性政策的利用程度F9、技术贡献F11;驱动因素群不易被影响且具有较强的驱动性,一般位于层级拓扑图下层,包括市场占有率F4、企业技术能力F7和技术人才资源F8;关联因素群仅有企业研发投入F6,具有高驱动性和高依赖性。以上结果与前文对抗层级拓扑图划分保持一致。
图7 影响因素MICMAC分析结果
Fig. 7 MICMAC analysis results of influencing factors
各维度要素通过互动、关联与传导等方式影响企业专利创新的创造性、创新性、前瞻性、市场性、激励性、风险性等属性。在企业竞争优势获取过程中,上述属性能够引导企业进行新产品、新业务开发,如图8所示。技术维度的影响因素能够显著促进企业专利创新,增强企业利用专利技术获利的能力。环境维度的影响因素(激励性)是企业开展专利研发与应用的“催化剂”,能够给予研发人员经济激励,形成创新良性循环。风险性是指专利技术即使获得授权也未必能付诸实践,这其中涉及生产、销售与运营等环节,需要大量资金和人力投入。前瞻性能够确保企业通过专利战略布局开展生产经营,超前感知并抓住机会,从而获取竞争优势。创造性是指专利对技术改进以及创新管理贡献卓著,能够间接推动组织持续发展,有利于企业提升专利创新水平。市场性是指某些专利能够优化生产流程,为企业带来竞争优势,有助于企业获得更多创新收益。
图8 多维度影响因素作用机理
Fig. 8 Mechanism of multi-dimensional influencing factors
本文基于环境、企业、市场、技术4个维度设计出11个影响因素指标,采用DEMATEL-AISM模型构建各级影响因素对抗依赖拓扑结构,得出以下研究结论:
(1)企业专利创新影响因素方面:环境维度的影响因素位于企业专利创新影响因素对抗依赖拓扑图表层,虽不能直接决定创新内容,但可间接促进或阻碍企业专利创新活动。市场维度的影响因素包括底层因素与顶层因素,底层因素能够驱动企业产品或服务创新,顶层因素可以引导企业前瞻性地布局未来技术方向,确保创新活动的持续性和领先性。技术维度的影响因素均位于顶层,不仅能够决定创新高度与深度,还引领企业创新方向,有助于企业赢得市场竞争主动权。
(2)影响因素传导路径方面:基于要素间的因果关系与对抗层级得到两条主路径,即“市场→企业→技术”传导路径、“企业→环境→市场”传导路径。前者表明市场是创新活动的起点,企业通过市场反馈调整创新策略,最终实现技术突破和专利产出。上述传导机制强调市场导向,以及企业内部管理和技术能力的重要性。后者表明,企业专利创新活动不仅受外部环境影响,还通过技术创新、产品升级等方式改变市场环境。上述反向传导机制反映出企业的主动性和创造性,以及创新活动对市场格局的塑造。
(3)影响因素关联机理方面:第一,环境维度的影响因素均为依赖因素,意味着企业无法完全控制,因而在此维度上更多地表现为依赖与适应。第二,市场维度的影响因素包括依赖因素与驱动因素,由此验证了市场维度的双重角色,这使得市场维度成为企业专利创新活动中最复杂的维度。第三,企业维度的影响因素包括关联、驱动、自主3种因素,凸显出该维度影响因素的多元性,以及企业在创新过程中的自主性和灵活性。第四,技术维度的影响因素包括依赖因素与自主因素,表明企业在专利创新过程中既需要依靠自主研发能力,也需要吸收外部技术成果,构建内外相结合的创新体系。
(1)以往研究大多基于单一维度探讨企业专利创新影响因素,忽视了各维度间的相互关联。本文引入利益相关方视角,系统构建了涵盖环境、市场、企业、技术四大维度的专利创新影响因素指标体系,为深入理解企业专利创新机制提供了新视角。
(2)已有文献尝试采用量化方法分析创新影响因素,但大多基于单一维度或简化模型。本文综合运用DEMATEL-AISM模型和MICMAC算法,对专利创新影响因素的重要程度、层级结构与关联关系进行量化分析,克服了传统定性分析的主观性和模糊性,揭示了不同因素间的层级关系与作用机制,为相关研究提供了新的分析工具。
(3)现有文献已经认识到不同维度因素对企业专利创新的影响,但未揭示这些因素间的链式传导路径。本文通过分析各维度影响因素,探讨了“市场—企业—技术”与“企业—环境—市场”的双向链式传导路径,揭示了企业专利创新活动的内在规律与动态过程,为企业优化创新资源配置、提升创新协同能力提供了理论依据。
(1)营造良好环境:重塑创新生态的传统依赖。结合现有研究结果,从内外部环境视角,营造有利于企业专利创新的生态系统。第一,完善专利创新相关政策,营造鼓励专利产出的政策环境。在坚持市场主导的前提下,政府需要扮演监督者、推动者、把关者的角色,营造稳定、开放的创新政策环境。第二,企业需要明确不同影响因素的逻辑定位,合理利用市场占有率、技术人才等底层要素,以及政策激励、知识产权保护等顶层因素,并优化研发投入、技术能力等中层因素。第三,需要完善创新成果产权制度,实现创新资源优化组合,构建研发人才自由竞争与流动的良性机制。
(2)协调供需关系:市场需求与技术供给联动。从影响因素传导路径看,企业专利创新存在两种模式:一种是由市场需求引发的专利创新。在市场收益的驱使下,企业通过协调不同利益相关方的市场需求,构建动态竞合机制。专利创新能够引导企业对技术研发内容做调控,消费者、竞争者、投资者能够影响专利创新带来的市场效益,而政府相关部门能够对企业技术研发与专利申请行为进行规范。另一种是创造新需求,从而带动发展。作为专利创新主体,企业需要根据现实需求,通过研发产品、开拓市场提高产业化体系的整体效能。上述两种专利创新模式能够实现需求与供给动态联动,政府需要发挥引导作用,协调供需关系。
(3)加大研发投入:引导企业自觉开展自主创新活动。从研发投入强度看,我国已经达到中等发达国家水平,但研发投入结构和效能方面存在明显短板。结合本文研究结果看,企业维度的相关指标属于底层影响因素和中层影响因素。为了提升企业专利创新水平,政府应引导企业加强研发投入,通过加大知识产权保护力度、完善数字化管理流程,鼓励专利创新。企业应重视专利创新战略,优化研发资源配置,通过研发人才引进、重点研发领域布局持续开展专利创新。
(4)调整专利布局:实现内涵式高质量发展。在专利创新过程中,企业通过把握技术机会与增加技术贡献降低不确定性风险,并通过调整专利战略布局实现高质量发展。对标技术机会与技术贡献,企业在专利创新过程中应以质量和效果为核心,在专利创新结构和创新资源配置效率方面实现协调统一。以提高企业经营能力和发展能力为宗旨,构建专利创新激励机制,打通专利创新路径,集中力量开展重点技术突破,从而提升专利数量与专利质量。
本文存在以下不足:首先,限于相关领域专家选取难度,研究数据量偏小。其次,基于精细尺度的相关指标难以获取,后续可基于数据层面进行实证研究,进一步佐证结论的可靠性。此外,未来可探索不同行业和规模企业在专利创新方面的差异,进一步拓展研究框架和实证结论。最后,本研究仅识别各维度相关因素的影响程度,未明确上述影响的属性且实际创新系统的影响因素更为复杂,需要结合调研分析加以完善。
[1] 中国政府网. 知识产权强国建设纲要(2021-2035年)[EB/OL].(2021-09-22) [2023-09-17]. http://www.gov.cn/zhengce/2021-09/22/content_5638714.htm.
[2] LEPKOWSKI W. Patents as corporate assets[J]. Chemical &Engineering News,1998,76(36):24-25.
[3] NARIN F, NOMA E, PERRY R. Patents as indicators of corporate technological strength[J]. Research Policy,1987,16(2):143-155.
[4] 陈艳霞,张鹏.人工智能产业政策的创新促进效应——来自企业专利数据的证据[J].现代经济探讨,2024,43(3):69-79,132.
[5] 陈瑶,余渡.集团层面混合所有制改革与国有企业创新[J].经济评论,2024,45(4):3-19.
[6] 王艳涛,崔成.人力资本结构与技术创新模式关系研究[J].技术经济与管理研究,2019,40(6):30-35.
[7] DRUCKER P. Post-capitalist society[M]. New York: Routledge, 2012.
[8] 孙薇,叶初升.政府采购何以牵动企业创新——兼论需求侧政策“拉力”与供给侧政策“推力”的协同[J].中国工业经济,2023,40(1):95-113.
[9] 侯德帅,熊健,杜松桦.智能制造与企业韧性——基于工业机器人视角[J].中南财经政法大学学报,2024,67(4):120-134.
[10] 诸竹君,袁逸铭,许明,等.数字金融、路径突破与制造业高质量创新——兼论金融服务实体经济的创新驱动路径[J].数量经济技术经济研究,2024,41(4):68-88.
[11] 崔丹,吕爽,黄一诺,等.中国城市创新效率的区域差异及产业特性分析[J].科技管理研究,2024,44(3):85-98.
[12] 郭娟娟.数字化转型如何影响企业OFDI行为:内在机制与经验证据[J].世界经济研究,2024,43(2):63-77,136.
[13] 唐恒,黄文,程龙,等.技术—组织—环境三维视角下企业专利价值提升路径研究[J].中国科技论坛,2024,40(7):132-142,163.
[14] 盘宇章,寇宗来.创新政策对中国上市公司专利行为的影响——基于专利生产函数估计[J].产业经济研究,2015,14(3):54-63.
[15] 丁黎黎,赵忠超,王垒.机构纵向持股能否破解中国企业专利创新陷阱——基于产业链治理的视角[J].财经研究,2024,50(1):94-108.
[16] 孙莹琳,唐恒,程龙,等.企业家专利研发参与度、专利产出策略对企业绩效的影响研究[J].管理学报,2022,19(10):1522-1533.
[17] 巩亚林,廖成赟,李衍霖.“竞争优势”抑或“加速陷阱”——专利对企业价值作用研究综述[J].情报杂志,2020,39(12):50-56,39.
[18] 姜南.自主研发、政府资助政策与产业创新方向——专利密集型产业异质性分析[J].科技进步与对策,2017,34(3):49-55.
[19] REICHERT F M, ZAWISLAK P A. Technological capability and firm performance[J]. Journal of Technology Management &Innovation,2014,9(4):20-35.
[20] WEI J, LIU Y. Government support and firm innovation performance: empirical analysis of 343 innovative enterprises in China[J]. Chinese Management Studies,2015,9(1):38-55.
[21] YI J, MURPHREE M, MENG S, et al. The more the merrier? Chinese government R&D subsidies, dependence, and firm innovation performance[J]. Journal of Product Innovation Management, 2021,38(2):289-310.
[22] 韦倩,韦祎.知识产权司法保护、技术创新与专利制度利益平衡[J].山东大学学报(哲学社会科学版),2023,73(6):44-55.
[23] ZHAO SHUYI. Impact of financing constraint and capital structure on technological innovation: a perspective of supply-side reform [C]. Proceedings of the 14th International Conference on Innovation and Management,2017.
[24] 贾玉辉,苑泽明,金宇.高质量发展下先进制造企业IPO及其后绩效研究[J].经济问题,2020,42(12):60-67.
[25] 刘亦晴,陈宬,陈思.人才政策驱动企业技术创新的联动效应研究[J].科研管理,2023,44(4):56-66.
[26] 姚长青,崔笛,刘志辉,等.基于技术贡献度的企业技术创新力测度方法研究[J].情报学报,2017,36(7):645-653.
[27] 杨建梁,刘越男.基于DEMATEL模型的我国政府信息资源跨部门共享的关键影响因素研究[J].图书情报工作,2018,62(19):64-76.
[28] 魏宏亮,牛昌林,刘福江,等.基于DEMATEL-AISM法的装配式建筑预制构件成本影响因素分析[J].建筑经济,2021,42(10):83-88.
[29] 金泳锋,余翔.专利风险的特征及其影响研究[J].知识产权,2008,22(6):84-88.
[30] 毛建辉,张蕊,管超.数字经济、财政分权与企业创新[J].西南民族大学学报(人文社会科学版),2022,43(8):118-129.