开放科学(资源服务)标识码(OSID)：
To address these gaps, this study adopts a configurational perspective and integrates the Technology-Organization-Environment (TOE) framework to investigate the multi-condition interactive mechanisms underlying exclusive licensing agreements. Six conditional variables are selected across three dimensions: patent quality and technology maturity (technology dimension), university Technology Transfer Offices (TTOs) and the number of historical university-enterprise transfer cases (organization dimension), and technology market activity and similarity of competing products (environment dimension). These conditions interact as individual factors and, more importantly, combine configurationally to determine licensing exclusivity. Therefore, this paper employs fuzzy-set qualitative comparative analysis (fsQCA),which is a method specifically designed to investigate the combined influence of multiple antecedent conditions on a given outcome,to explore how the technological, organizational, and environmental conditions and their interplay collectively shape exclusivity in technology licensing. Using the fsQCA approach, the study analyzes a large sample of invention patent licensing data between 211 universities and enterprises in China from 2000 to 2024, with 8 254 valid patents involving 99 universities and 5 092 enterprises.
The results identify seven conditional configurations that facilitate the formation of exclusive licensing. These configurations are further classified into five typical driving modes: the university high transaction cost-driven mode, the university high transaction cost-enterprise low competition-driven mode, the university high transaction cost-high competition-enterprise low benefit-driven mode, the enterprise high benefit-low competition-driven mode, and the enterprise high competition-high benefit-driven mode. Building on these modes, this study develops a Condition-Driver-Effect-Function (CDEF) mechanism model, encapsulating four operational mechanisms underlying exclusive licensing: cost-driven, supply redundancy-driven, revenue-pulled, and competitive revenue-driven. Notably, no sufficient configurational conditions for non-exclusive licensing were identified. This outcome may stem from the complexity of non-exclusive licensing mechanisms—such as reliance on implicit factors like inter-organizational network relationships—and the disruptive impact of national open licensing policies on the traditional logic of non-exclusive licensing.
This study makes three key contributions. First, it breaks through the limitations of traditional statistical methods by using the TOE framework and fsQCA to reveal the complex interactive effects of multi-level factors (technology, organization, environment) on exclusive licensing, providing a multi-path solution for the choice of university-enterprise licensing forms. Second, it expands the application of fsQCA in large-sample research, addressing the lack of generalizability in small-sample configurational studies and enhancing the reliability of empirical results. Third, it identifies that the absence of TTOs or limited historical cooperation—both leading to high transaction costs due to information asymmetry—are core conditions in most exclusive licensing configurations, highlighting the critical role of organizational factors in university-enterprise technology transfer.
The findings also yield actionable implications for universities, Enterprises and policy makers. Universities should use professional TTOs to classify patents: high-quality, mature patents are suitable for exclusive licensing with high-potential enterprises, while low-value, immature patents can adopt non-exclusive licensing to stimulate market participation. Enterprises should select licensing forms based on market competition: exclusive licensing for high-demand, competitive markets to gain monopoly advantages, and non-exclusive licensing for less competitive environments to reduce costs. Governments should provide policy support (e.g., tax incentives, subsidies) to promote high-value patent licensing, strengthen intellectual property protection, and build technology trading platforms to optimize university-enterprise matching.
开放科学(资源服务)标识码(OSID)：
科技成果转化是实施创新驱动发展战略、提升国家创新体系效能以及培育新质生产力的核心环节。作为国家创新体系的关键主体和原创技术的重要供给方,高校肩负着服务国家战略与社会的重要使命[1-2]。2023年10月,国务院印发《专利转化运用专项行动方案(2023—2025年)》,提出“梳理盘活高校和科研机构存量专利”,“引导高校、科研机构在科研活动中精准对接市场需求,积极与企业联合攻关,形成更多符合产业需要的高价值专利”。推动高校科技成果向企业转移转化,既是实现其社会价值的关键途径,也是强化科技与经济深度融合的有效手段[1-2]。
专利许可与转让是高校科技成果向企业转移的常见方式,但两者在权利属性、价值逻辑及风险结构上存在制度本质分野:专利转让表现为所有权的彻底交割,以静态定价实现一次性价值变现,转让方高校与后续产业化脱钩,且专利实施失败、因市场变化导致的价值降低风险完全由受让方承担[3]。相比之下,专利许可是专利使用权的有限转移,高校保留所有权,被许可方根据约定应用范围和条件动态支付费用(如按销提成、年度许可费等)。高校的权利保留与监督参与不仅有助于确保技术落地,而且产业化失败风险由交易双方共担。相较于专利转让,专利许可在实现技术落地、分散风险以及形成持续收益方面更具优势。值得注意的是,专利许可的协议设计,尤其是独占程度的安排,通过界定交易双方权利义务范围,直接影响技术交易成本与转化收益分配[4-6],并调节校企合作中的资源交换与共同开发程度,进而制约高校科技成果的社会价值实现和转化效率提升。因此,许可独占程度确定既是校企技术交易协商的核心议题,也是优化科技成果转化治理的重要机制。
从供给方高校视角看,其在技术许可交易中往往不具备产业化能力,许可费是主要收益来源[7]。高校获取的许可收入通常取决于被许可企业产品市场总额,且高校事先评估买家企业针对标的技术的商业化能力存在一定难度。因此,从收益角度看,高校倾向于选择一对多的非独占许可,以期从多方获取许可费,同时降低单个合作伙伴能力不足或机会主义行为导致的风险[8]。然而,从成本角度看,技术许可过程中交易双方信息不对称必然引致技术交易成本。相较于独占许可,非独占许可使技术供给方高校面临更高的交易成本,包括多方信息搜索成本和合同成本,以及许可协议签订后控制转化过程和防止机会主义行为产生的监督成本[9]。因此,从交易成本角度考虑,高校也有通过独占许可降低成本的倾向。
从需求方企业视角看,抢占先进技术是企业通过调整产品市场结构获取收益的竞争手段[10]。独占许可有助于企业实现产品差异化并获取垄断优势[11],同时避免高校转向替代性合作伙伴,逃避技术转化指导责任。因此,企业具有通过独占许可协议实现技术垄断并保证高校参与转化的动机[12]。然而,从成本角度看,采取非独占许可,企业可对技术投入较少。一方面,相较于独占许可,非独占许可的许可费用更低,企业因不具备互补性资源而导致转化中断时所承担的成本投入损失较低;另一方面,买方企业可借助竞争者共同资源发展技术,并拓展更多领域技术,技术投入产出的边际成本降低。因此,企业也存在非独占许可选择动机。
针对技术许可独占程度的影响因素,部分学者基于供给许可方视角,研究发现研发团队特征[13]、许可方声望[7]、研发技术价值等因素能够影响许可方谈判能力[14-15],进而影响许可契约独占程度。部分学者基于需求被许可方视角,研究发现行业市场竞争、道德风险等因素能够影响被许可企业对获取垄断收益与交易成本投入的权衡[16],进而对许可独占意愿产生影响。然而,现有研究大多从供给方高校或需求方企业一方利益诉求出发展开分析,忽略了另一方的决策主动性,且仅研究单一层面因素对校企技术许可独占性的边际净效应,难以揭示多特征互动对专利许可形式选择的影响。事实上,高校(技术供给方)与企业(技术需求方)均面临在专利许可独占与非独占之间作出选择,许可独占程度是交易双方共同认可的结果,既受到技术价值潜力、稳定性等技术层面因素影响,也受到交易双方关系信任程度、所处外部环境影响。同时,微观层面与宏观层面的影响因素并非独立发挥作用,而是呈现出复杂交织、相互作用的关系。因此,有必要构建一个复杂模型,从多层次视角解析校企技术独占与非独占许可的驱动机制。
本文从组态视角出发,突破传统计量研究在解决多特征变量组合互动影响许可形式选择问题上的局限,融合TOE综合理论模型,从技术、组织和环境3个维度分别选取专利质量、技术成熟度、高校技术转移办公室、校企历史转移数量、技术市场活跃度和同类型竞品相似度6个条件,构建多条件交互组态模型,并利用校企技术许可大样本数据进行模糊集定性分析(fsQCA),厘清校企独占技术许可的综合驱动路径,构建校企独占性技术许可的驱动作用效应体系,分析多层次条件间的协同效应和替代效应。
技术—组织—环境(Technology-Organization-Environment,简称TOE) 理论分析框架由Tornatzky等[17]于1990年提出,是一个具有高度概括性的技术应用情境模型,强调多层次技术应用情境对技术应用实施效果的影响,包括技术应用场景、组织对技术的需求程度以及技术本身与组织规则的适用性等。TOE理论模型将技术应用条件归纳为技术、组织及环境条件3类。技术条件强调技术自身特征或主体技术特征,聚焦技术应用潜能与技术投资回报等方面[18];组织条件一般涵盖组织规模、机构设置、正式或非正式制度安排及组织储备资源等条件[19];环境条件则是包括市场竞争、市场结构及政府监管政策等方面的复杂概念[20]。
校企专利许可本质上是技术应用的重要途径,独占许可与非独占许可是专利许可的重要形式,专利权人在合同约定时间和地域范围内授予被许可方独占性使用权的许可被称为独占许可。许可双方对独占或非独占许可契约的选择受技术、组织、环境多层次因素影响。
(1)专利技术条件是其潜在商业化收益的根本性决定因素,也是校企双方考量专利许可契约形式的核心依据。资源基础观指出,独特、稀缺、难以模仿且组织得当的资源(体现为受专利保护的核心技术)是企业获取可持续竞争优势和经济租金的源泉[21]。专利所定义的技术特征越具有突破性、保护范围越宽泛有效、实施路径越清晰可行,其作为战略资源的稀缺性与价值性越高,帮助企业获得垄断地位、实现高额溢价的潜力越大[22],从而为高商业化收益奠定基础[23]。因此,专利质量、技术成熟度等专利技术特征共同决定专利潜在价值,以及校企双方通过技术许可获取收益的潜力。
(2)组织条件中,企业、高校组织资源禀赋构成专利转移与商业化的基础性支撑,是专利价值实现的资本基础。交易成本理论指出,组织间技术交易因交易主体的资源禀赋与协作关系特性,会产生各类交易成本,具体包括事前技术研发信息搜寻、契约谈判成本,以及事后履约监督、条款调整与违约处置等。此框架下,组织资源互补性与主体间稳定的合作关系通过双重机制降低制度性损耗:一方面缓解信息不对称,降低事前评估与谈判成本;另一方面抑制机会主义行为,降低事后监督与执行成本。这种协同效应不仅能够提升交易效率,更成为专利价值实现的组织保障与可持续协同载体。
(3)从环境条件维度看,校企所处外部竞争环境决定技术市场结构,进而影响组织资源禀赋利用效率。依据动态能力理论,处于快速迭代的市场环境中,组织需要凭借感知、捕捉与重构能力的动态整合,持续调整战略以维持技术领先优势,并对市场需求演变作出敏捷响应。具体到技术转移策略层面,高校与企业作为技术交易主体,往往会基于技术市场活跃态势、与竞品的关系等环境要素,动态优化其技术许可模式选择,通过权衡独占许可的收益集中性与非独占许可的市场覆盖度,实现技术价值与经济收益最大化。
基于此,本研究参考复杂组织治理的实践经验,从组态视角构建“技术(T)—组织(O)—环境(E)”三维一体的TOE分析框架,探索三维特征通过何种联动匹配模式影响专利独占许可契约达成,为专利许可方式选择动因的因果推断提供理论支撑。
1.2.1 技术条件
专利质量评价指标可系统划分为保护范围、创新水平及时间因素3个维度,其中高质量专利通常表现为被引证频次高、权利要求项数多且专利存续期长等特征。基于资源基础理论,在技术商业化过程中,高质量专利不仅是企业知识储备的体现,更是其核心竞争力的关键标志。它促使企业聚焦专业领域,凭借独特的异质性与难以复制的隐性知识推动创新,并获得更高财务回报。此外,高价值专利还为企业后续创新奠定基础,通过多样化知识接口助力企业从知识组合中获取竞争优势。因此,高专利质量能为专利使用人带来更高的经济收益与更长远的应用前景,并向技术交易市场传递创新能力信号,吸引目标企业为获取垄断竞争技术优势而进行资源投入,从而产生竞争对手短期内无法超越的垄断收益(如盈利能力或股票价格等)[24]。同时,高质量专利使用人会面临更高的知识溢出风险,并受益于更广泛的知识保护。潜在竞争者获取该专利的动机增强,也面临突破难度更大的技术市场进入壁垒。因此,专利质量影响企业与高校预期收益,进而影响校企双方对许可独占性的权衡。
技术成熟度是指高校科技成果的产业化就绪程度,影响企业开展科技成果产业化时面临的收益风险。技术成熟度的有效披露,有利于降低技术交易中需求方对技术价值确定的信息不对称性,提升预期收益的确定性[25]。在技术许可过程中,技术越成熟,企业评估其应用发展前景的难度越小,转化完整性与配套性越高,产业化条件越充分[26],但可能因创新突破有限而压缩垄断溢价空间。处于初级阶段的技术虽蕴含更高的技术突破潜力与先发优势红利,企业却需承担后续开发的不确定性成本。因此,许可决策的本质是在技术成熟度谱系上权衡收益确定性(高成熟度)与收益爆发性(低成熟度),据此匹配独占性程度。
1.2.2 组织条件
高校技术转移办公室(Technology Transfer Office,简称TTO)是将技术、营销及法律专业优势运用于专利价值评估、技术转让沟通、交易后专利维护与纠纷处理等环节,并利用专利质量效应和需求匹配效应促进科技成果转化的组织机构[23]。在专利许可过程中,高校与企业两个交易主体在资源、能力、目标等方面存在较大信息差异,这可能导致市场失灵——信息劣势方可能无法作出最优决策,导致校企双方技术交易成本较高。基于信息不对称理论,高校设立 TTO 的作用主要体现在两方面:一是在校企间建立信息中介,及时发布科技成果帮助企业获取高校成果信息,在一定程度上降低双方在专利质量等方面的信息不对称性[27];二是帮助校企建立共同合作语言,协调和规范交易谈判、合同设计等技术交易流程,确定双方需要履行的责任与义务范围。因此,作为中介机构,TTO可通过降低校企双方交易成本,影响匹配技术组织的许可形式。
合作校企间的历史转移数量表征企业与高校在先前交易中互动关联并发展为正式或非正式合作关系的记录[28]。校企历史转移数量越多,说明交易双方合作经验越丰富,已建立较为紧密的关系。先前的技术转移经验为双方构建共享的合作语言与惯例,可在一定程度上减轻双方因谈判条件不匹配产生的摩擦,进而降低交易成本。缺乏先前历史交易数量的许可双方通常倾向于通过约束性较强的独占许可协议应对道德风险,降低信息不对称带来的交易成本。而具有技术转移历史的校企倾向于维持双方信任关系,采用非独占许可方式降低信息成本,增加累计收益。因此,本文选取校企历史转移数量作为影响校企间许可独占性的重要组织因素。
1.2.3 环境条件
技术市场活跃度是指技术领域内交易市场竞争环境[29]。权变观点认为,组织行为的有效性并非固定不变,而是动态依赖于行为本身与外部环境特征或要求间的契合度[30]。因此,企业需根据环境变化调整技术创新决策和知识管理活动。当被许可企业处于技术交易活跃度较高的市场时,对同类型专利需求紧迫,交易数量较多,进而产生需求大于供给的供需关系。因此,本文推测企业与高校会根据市场活跃度,遵循收益最大化原则调整战略决策,对获得垄断收益的独占许可方式和获取多技术领域总额收益的非独占许可方式进行选择。
同类型竞品相似度是指在技术交易市场中,目标专利与同类型竞争专利在技术内容、功能属性及应用场景等核心维度的相似程度,也是技术交易活动需重点考量的环境要素[31]。根据经济学观点,若技术研发方高校所处的技术研发市场竞争激烈、研发技术集中,导致技术同质性严重、专利相似度较高,则会出现同类型技术拥挤、技术买方可选择性强以及供给市场竞争加剧等情况。此时,供需平衡偏移,供给相对过剩,许可人在潜在专利协商中的议价能力下降[29,32]。基于此,企业与高校也会结合同类型专利相似度,遵循收益最大化原则调整战略,选择独占许可或非独占许可方式以实现不同收益目标。
综上所述,本文基于整体视角,选取专利质量、技术成熟度、高校技术转移办公室、校企历史转移数量、技术市场活跃度、同类型竞品相似度条件作为技术、组织及环境3类一级条件下的6个二级条件,构建理论分析框架如图1所示。组态视角下,TOE框架中3类条件通过联动匹配方式对促成技术独占及非独占许可契约产生影响。
图1 TOE理论分析框架
Fig.1 TOE theoretical analysis framework
模糊集定性比较分析(fsQCA)是探索多个条件变量对特定结果变量综合影响的研究方法,可从整体视角探究条件变量协同耦合组合关系,解决不同变量组合以“殊途同归”方式达成相同结果或目标的问题。本文前因条件专利质量、技术成熟度、高校技术转移办公室、校企历史转移数量、技术市场活跃度和同类型竞品相似度存在多重交互关系,它们既是相互作用的个体,又作为整体共同影响技术许可方式中的独占性。因此,本文采用模糊集定性比较分析方法,深入探讨技术、组织和环境多元条件变量及其相互作用模式对技术许可独占方式的综合效应。
本文研究数据来自Incopat专利数据库,选取2000—2024年中国发明专利申请许可数据,仅保留许可人为国家“211工程”重点建设高校、被许可人类型为企业的样本,样本选择基于以下考虑:第一,“211工程”高校是我国高等教育领域建设重点,通常能得到更多政府资金支持,以促进教学、科研和基础设施建设,承担的社会责任更多。第二,“211工程”高校代表国内较高水平的高校,具备相对完善的技术转移软硬件条件,在专利技术产出和转移方面具有显著优势[33]。有关数据统计显示,“211工程”高校专利出售所得收入占所有高校专利出售总金额的80%以上[34]。第三,“211工程”高校具有相对丰富的信息披露渠道,便于收集技术转移办公室设立等相关数据信息。剔除空缺项后,保留8 254个专利作为样本,涉及99个高校和5 092家企业。
2.3.1 结果变量:许可的独占性
独占许可是指在一段时间内授予被许可人对技术的垄断权,而非独占许可是指向其他被许可方发放许可的权利一直保留在许可方的许可形式。鉴于校企排他许可效用与独占许可效用类似且占比较低(2.99%),故本文剔除排他许可,保留独占许可和普通许可(代表独占与非独占许可),并将独占许可赋值为1,非独占许可赋值为0。
2.3.2 条件变量
(1)专利质量。本文基于专利权独占性,选取专利存续期、专利被引次数以及权利要求数量对专利质量进行综合测度[35]。为避免单位差异造成的评估偏差,对各指标进行归一化处理,以消除量纲得到可比指标。归一化指标的计算过程如式(1)所示。
(1)
其中,Xi表示未进行归一化的指标值;Xmin表示该指标在时间序列中的最小值; Xmax表示该指标在时间序列中的最大值。归一化处理后,使用等权重法对各项分指标加总,得到专利质量测度综合指标。
(2)技术成熟度。本文使用专利许可交易发生时间所处年份减去专利申请年份衡量技术成熟度,时间差越大,技术成熟度越高。
(3)技术转移办公室(TTO)。技术转移办公室的定义扩展至技术转移中心和科技成果转化中心等高校设立专门负责技术转移的机构。通过搜寻各高校官方网站等公开途径获取高校技术转移办公室是否成立、成立年份等信息。高校在特定许可协议达成前成立TTO,记为1,否则为0。
(4)校企历史转移数量。针对特定校企专利许可记录,选取样本区间内校企许可交易合作次数作为校企历史转移数量。
(5)技术市场活跃度。本文采用专利所属4位IPC主分类号下近一年的专利许可交易数量之和衡量技术市场活跃度[29],许可交易数量越多,市场活跃度越高。
(6)同类型竞品相似度。本文利用基于Python语言的Sklearn机器学习工具进行分析。具体而言,基于词频-逆文档频率(TF-IDF)向量模型对专利摘要文本进行特征提取,将非结构化文本转换为结构化数值向量[36]。在此基础上,利用Sklearn中的余弦相似度算法,计算同IPC分类号下各专利摘要向量间的夹角余弦值,以此量化专利文本在语义和用词上的相似程度。余弦相似度越高,表明同IPC分类号下专利文本内容越相似,同质化程度越高。
为将连续型条件变量专利质量、技术成熟度、高校技术转移办公室、校企历史转移数量、技术市场活跃度和同类型竞品相似度的原始数据转化为[0,1]区间的连续模糊集隶属分数,本文参照现有研究,采用直接校准法[37],以各变量原始数据的80%、50%和20%分位数分别作为“完全隶属”“交叉点”及“完全不隶属”的校准锚点,以便后续操作与研究,各连续变量校准锚点如表1所示。
表1 校准锚点
Table 1 Calibration anchors
变量类型变量名称完全隶属交叉点完全不隶属专利质量0.280.140.05技术成熟度6.004.003.00条件变量校企历史转移数量4.001.000.00技术市场活跃度41.0014.004.00同类型竞品相似度3.241.100.19
对前因条件进行组态分析前,逐一进行必要性(Necessity)检验,结果如表2所示。结果显示,各前因条件的必要条件一致性均不高于0.9,表明技术、组织与环境3个维度下6个条件尚不足以单独促成校企间独占或非独占许可协议,而是需要与其他条件组合,协同促进独占或非独占许可路径形成[38]。
表2 必要条件分析结果
Table 2 Analysis of necessary conditions
变量名称独占许可必要条件分析一致性覆盖度非独占许可必要条件分析一致性覆盖度专利质量0.440.550.570.45～专利质量0.560.680.430.32技术成熟度0.480.580.550.42～技术成熟度0.520.650.450.35TTO0.640.530.890.47～TTO0.370.850.100.15校企历史转移数量0.330.460.610.54～校企历史转移数量0.640.740.400.26技术市场活跃度0.380.490.650.51～技术市场活跃度0.620.740.350.26同类型竞品相似度0.390.490.640.51～同类型竞品相似度0.610.730.360.27
注:～表示逻辑“非”
本文利用fsQCA软件识别分析得出企业与高校达成独占许可交易的技术特征、校企关系以及竞争环境适配组态。研究过程中,构建真值表并将原始一致性阈值设定为0.8,将PRI一致性阈值设定为0.75,由于原始数据案例数较大,将案例阈值设定为30。进一步分析可得简单解、中间解及复杂解,并通过分析简单解与中间解的嵌套关系,识别核心条件与边缘条件。若前因条件在简单解和中间解中同时出现,则为对结果出现具有重要作用的核心条件;若前因条件仅在中间解出现,则为对结果出现具有辅助作用的边缘条件。
表3显示,第一,产生独占许可的适配组态共有7个。其中,单个组态一致性均大于0.85,总体解一致性为0.90,说明这些组态对独占许可形成路径的解释力较强。H1a、H1b拥有相同核心条件,即高校未设立TTO与校企历史转移数量较少。第二,6个条件在7个组态中多次作为核心条件出现,说明这6个条件交互作用是独占许可达成的关键动因。第三,H1a、H1b、H2、H3、H4表明,交易成本作用于交易环节,是影响独占许可意愿的关键因素;H5、H6表明,在动荡市场环境中,专利高潜力带来的潜在高收益有助于独占许可达成。此外,本研究尝试对结果变量的“否集”(非独占许可)展开分析,以检验结果“因果不对称性”。然而,实证结果并不构成非独占许可的条件组态。这意味着,校企为平衡收益与成本倾向于选择非独占许可,需要考量技术、组织与环境层面的6个变量。对非独占许可契约达成的系统性原因尚无明确定论,非独占许可组态路径未能显现,其原因可能如下:首先,相较于独占许可,非独占许可形成机制较为复杂,除受技术属性、组织机构建设、合作关系、环境竞争因素影响外,可能更依赖交易主体间的网络关系、非垄断合作共识等隐性因素。这些隐性维度构成破解非独占许可中收益分配失衡、责任界定模糊等核心难题的关键支撑,其缺失会导致非独占许可组态形成路径难以通过技术、组织与环境的显性联动完整呈现。其次,政策驱动重构了非独占许可形成逻辑,开放许可政策鼓励高校将专利以非独占方式向中小企业广泛许可。这类许可形成是政策吸引驱动,而非技术通用性、组织协调能力与市场竞争状态的匹配结果,导致技术组织与环境原有互动关系减弱,进而无法形成稳定的非独占许可组态路径。
表3 条件组态分析结果
Table 3 Analysis of conditional configurations
条件变量H1aH1bH2H3H4H5H6专利质量●●●技术成熟度●TTO校企历史转移数量技术市场活跃度●同类型竞品相似度●●●一致性0.940.880.880.920.900.940.93原始覆盖度0.170.060.080.110.040.100.06唯一覆盖度0.070.010.030.020.010.010.01总体解的一致性0.90总体解的覆盖度0.25
注:●表示核心条件存在,⊗表示核心条件不存在;●表示边缘条件存在;⊗表示边缘条件不存在,空白代表条件可存在也可不存在,下同
3.3.1 高校高交易成本驱动模式
该模式对应两个组态H1a、H1b,分别覆盖样本中17%和6%的案例,一致性为94%和88%。两组态中,核心条件均为高校未设立TTO和校企历史转移数量少。其中,组态H1a需要满足专利质量低、同类型竞品相似度低的辅助条件,组态H1b需要满足专利质量高、同类型竞品相似度高的辅助条件。由此说明,在高校未设立TTO的情况下,交易双方难以通过知识中介汇集供需双方信息,也难以发挥信息集中和互动中心功能,导致寻找合作对象需要较高的信息搜寻、谈判和协调成本。同时,校企历史转移数量少导致双方难以通过过往交易合作记录评估对方技术转化能力与履约可靠性,形成典型“逆向选择”风险,校企双方需投入更多资源、成本用于信息匹配与信任构建。上述两个核心条件缺失会产生更高的交易成本。此外,专利质量低且同类型竞品相似度低导致技术稳定性不足、对标对象缺乏,商业化应用潜在价值有限,企业对其持谨慎态度,从而提升独占许可达成的可能性。专利质量较高且同类型竞品相似度较高则说明该交易具有较高的创新性与商业价值,但也面临较高的替代风险,因而会强化企业获取垄断价值的意愿。由于信息不对称叠加企业风险控制与垄断意愿,技术容易因缺乏市场验证而被低估价值,形成“睡眠专利”现象。高校作为许可方对潜在经济回报的预期较低,客观上会降低市场化交易动力。上述情况下,为降低信息搜寻成本与交易达成后的产业化监督成本,校企双方更倾向于选择独占许可。
该模式印证了信息不对称理论在技术交易场景中的适用性,即当组织间信息流动受阻时,交易主体倾向于选择高约束力的契约形式对冲不确定性。强调信息高度不对称造成的合作强约束性,通过具有较强约束力的独占许可合同盘活“睡眠专利”,弥补因许可方高校机构缺位与双方缺乏交易信任造成的信息短缺,借助单一合作关系减缓预期收益不确定性和较高交易成本带来的风险。
该组态的典型案例是太原理工大学的技术许可历程。该校在独占许可交易实践中,与既往合作企业再次交易的现象较少,且技术转移服务中介成立时间较晚,其核心工作是开展科技成果遴选、论证,提出转化方案,通过路演、项目对接会、成果交易会等方式寻找与政府、企业、资本合作,推动科技成果转移转化。数据统计表明,该校于2018年前进行的独占许可交易占其全部许可交易的91%,而2018年技术转移平台设立后,这一比重降至8%,且与既往合作企业的二次交易频次仍较低。重复合作经验积累不足,往往难以高效利用科技资源推动技术价值实现路径从单一化走向网络化。
3.3.2 高校高交易成本—企业低竞争驱动模式
该模式对应组态H2、H3,分别覆盖样本中8%、11%的案例,一致性为88%、92%。其中,H2中的核心条件为专利质量低、技术成熟度低、高校未设立TTO、技术市场活跃度低,辅助条件为同类型竞品相似度低;H3中的核心条件为专利质量及技术成熟度低、高校未设立TTO及校企历史转移数量较少,辅助条件为技术市场活跃度低。由此说明,当专利价值低、成熟度低造成商业潜力不足时,校企双方收益可预测性受限。在高校未设立技术转移办公室或校企历史转移数量较少导致信息不对称的情况下,高校交易成本较高,其非独占许可意愿降低。在不活跃的交易市场环境下,潜在被许可方数量较少,既没有其他竞争者分散技术所有者的注意力,也没有其他企业提供更有利的竞争条件以抢夺该技术的许可权,专利供给选择相对丰富,企业独占许可意愿增强。双方意愿偏好共同促进独占许可达成,在高校节约成本、企业试图于低竞争环境中获取技术的权衡中建立资源互补关系,旨在共同推动专利技术商业化进程并实现收益最大化。
该模式强调,技术交易市场环境不活跃、高校专利质量低、技术成熟度低导致交易协商议价能力减弱且非独占许可交易成本较高的背景下,校企交易博弈的主动权更偏向企业。高校为双方共赢稍作妥协,提升独占许可达成的可能性。该组态中,企业凭借买方市场优势获得策略主导权,高校因技术转移能力缺失与专利质量劣势,被迫接受“同意或离开”的谈判框架。这种权力失衡导致独占许可契约呈现企业主导特征。
该组态典型案例是哈尔滨工业大学的技术许可。2012年是IPC主分类前4位为B07B的交易市场活跃度低谷期,在技术质量优势相较而言不突显的情况下,该校与高新技术小微瞪羚企业北京国电龙高科环境工程技术有限公司达成独占许可协议。
3.3.3 高校高交易成本高竞争—企业低收益驱动模式
该模式对应的组态H4覆盖样本中4%的案例,一致性为90%。H4中的核心条件为高校未设立TTO、校企历史转移数量少、市场活跃度低以及同类型竞品相似度高。该模式下技术成熟度低,劣势特征突出,校企交易前未有历史许可交易经验且机构设置不足,交易市场活跃度低、同类型竞品相似度较高,市场上存在大量替代专利,企业可选择技术较多。上述情况下,若高校不积极迎合企业偏好,则会积压专利导致存量增多。因此,企业倾向于借助技术成熟度低、替代性高的局限倒逼高校妥协,进而以低成本获取专利垄断使用权;高校也为抵消专利发明产生的费用、获取单一许可收入,愿意满足企业独占需求。
该模式强调,专利可替代性高与技术成熟度低的双重局限下,供应多需求少导致高校专利供给冗余且竞争力较弱,校企交易博弈的主动权更大程度偏向企业,倒逼高校接受独占许可的要求。这种交易格局下,高校在专利供给方面的被动性和企业在需求市场中的主导性形成合力,共同提升独占许可达成的可能性。
该组态的典型案例东华大学与舟山欣欣化纤有限公司于2014年达成独占许可协议。该专利所属化学纤维制造业领域的技术交易呈现市场低频活跃、专利同质化严重、技术成熟度较低的三重结构性缺陷。缺乏历史转移经验的交易双方在“供给大于需求”的环境下最终达成独占许可协议。
3.3.4 企业高收益低竞争驱动模式
该模式对应H5组态,覆盖样本中10%的案例,一致性为94%。H5中的核心条件为专利质量高、高校未设立TTO、技术市场活跃度低及同类型竞品相似度高。专利质量高代表其应用价值高,能带来更多潜在收益。同类专利相似度高意味着市场中存在较多功能相近的技术方案,虽交易时专利争夺竞争较小,但交易后可能面临技术替代风险。若想在市场中占据优势,企业需要通过独占许可获得高价值专利使用权,排除其他竞争者使用可能,以巩固技术壁垒,由此强化企业独占许可的意愿。由于专利的高质量和高替代性特征,市场中其他企业对该专利的锁定意愿较强,企业若不能通过独占许可锁定技术资源,短时间内可能面临竞品冲击,难以回收前期投入的研发成本。这种潜在市场风险会强化企业对独占许可模式的偏好,使其愿意为获取独占使用权支付更高的许可费用,这种态势进一步强化校企双方达成约束条件更强的独占许可协议的意愿。
该模式强调,高可替代风险环境下,高质量专利带来的稳定性和创新性,成为企业获取行业领先技术的关键。这些特征增强了企业为技术锁定而达成独占许可的意愿,促使校企双方在协商过程中倾向于达成具有较强约束力的独占许可协议,以确保技术市场优势得以最大化利用。
该组态的典型案例是北京化工大学与江苏江昕科技股份有限公司于2018年达成许可交易。此次交易涉及的专利技术具有较高相似度,可替代性强且质量较高。质量优势使得该专利技术在市场中脱颖而出,为企业带来可观的利润增长。凭借此类合作,江苏江昕科技股份有限公司进一步巩固了其作为专精特新“小巨人”企业的行业地位,成为技术创新与市场应用紧密结合的典范。
3.3.5 企业高竞争高收益驱动模式
该模式对应组态H6,覆盖样本中6%的案例,一致性为93%。H6中的核心条件为专利质量高、高校未设立TTO及同类型竞品相似度低,辅助条件为技术成熟度高与技术市场活跃度高。从技术特征看,高校提供的高质量、高成熟度专利优势突出,使企业有较大可能获得行业垄断优势。在需求竞争激烈且难以获得垄断优势的市场中,对于低质量、新颖的技术,企业可能持谨慎态度,会避免将资源和资金投向短期内难以展现市场潜力的新兴技术;相反,高质量、高成熟度专利的商业化途径明确,更易获取成熟的隐性知识,技术转化收益透明度高、风险低。因此,企业倾向于获取这类成熟技术的独占权,以期通过商业化获得快速回报并巩固市场地位。同时,高校未设立TTO导致信息不对称,较高的交易成本一定程度上降低了高校非独占许可意愿。同类型竞品可选择性少,强化了高校在交易中的议价条件,使专利市场环境向需求方进行偏移,呈现出市场活跃、供不应求且技术垄断性强的结果,协商优势向高校进行偏移,企业获得竞争优势。由于专利特征与外部环境的联动作用,企业在激烈的竞争环境中更渴望获得垄断优势,该情况下校企双方更希望达成约束条件更强的独占许可。
该模式强调校企间的“强强联合”,即高校提供商业价值较高的专利,吸引具备相应经济实力和战略远见的企业;企业为获得成熟稳定且质量高的技术带来的收益,投入相应成本,达成独占许可。这种“强强联合”模式的核心在于双方战略契合度:高校通过与经济实力雄厚的企业合作,确保科研成果得到有效商业转化,实现科研价值最大化;企业借助高校科研资源和技术优势,提升自身技术创新能力,进一步巩固其在市场中的竞争优势。这种互利共赢的合作关系不仅推动技术产业化进程,也为双方带来长期经济与社会效益。
该组态的典型案例是重庆大学与湖北龙腾红旗电缆(集团)有限公司于2011年达成的独占许可协议。2011年,该公司在自主研发首项发明专利前,通过独占许可获得重庆大学“气体绝缘组合电器局部放电模拟实验装置及方法”专利。该专利具有续期长、高被引等特征,且同类型专利相似性低,助力企业实现技术突破并构建竞争优势,使其通过国家电网资格预审并拓展省网业务。作为湖北省首批专精特新“小巨人”企业,该公司将专利成功产业化,体现高校高价值专利与企业战略需求深度耦合。双方“强强联合”模式验证了独占许可在推动技术商业化中的制度优势。
结合实证结果,本文构建独占许可达成机理CDEF模型,揭示独占许可契约形成作用机理,具体包括前因条件(Condition)、驱动路径(Driver)、多组态背后的作用效应(Effect)以及归纳得出的运作机理(Function),如图2所示。
图2 独占许可专利达成的CDEF机理模型
Fig. 2 CDEF mechanism model of patent exclusive licensing
独占许可协议达成源于多重前因条件的复杂交互。基于此归纳的5种驱动路径及其作用效应,可进一步抽象为4种运作机理,它们均指向交易主体对许可成本与收益的平衡这一本质。
(1)高校高交易成本驱动模式的运作机理实际是成本推动型。该类型适用于高校与企业间技术交易机构建设不完善且组织间交易关系不紧密的场景:交易双方信息不对称且缺乏中介机构作为联络“桥梁”,校企间“不信任”导致交易成本增加。此时,高校独占许可的意愿增强,加上专利质量不突出或可替代性强,进一步削弱高校议价能力,企业独占许可意愿占据主导地位。因此,双方通常会选取独占许可的形式,以降低总体交易成本。
(2)高校高交易成本—企业低竞争驱动模式与高校高交易成本高竞争—企业低收益驱动模式均会造成供给冗余。该作用效应下,盘活高校存量专利是主要目的,为弥补交易和研发成本,高校会向企业妥协,最终达成企业期望的低成本独占许可协议。
(3)企业高收益低竞争驱动模式的运作机理为收益拉动型,其突出特征为专利质量较高。为突破“卡脖子”技术难题,企业需要高质量专利增强自身技术实力,形成其他企业难以模仿的技术竞争优势。尽管市场上同类型专利较多,但潜在高垄断收益仍会驱动独占许可协议达成。
(4)高竞争高收益驱动模式的运作机理是竞争收益型。高质量、较成熟技术通常意味着其核心价值和市场潜力已被验证,技术风险较低,但其价值及普及性也会吸引潜在使用者;同时技术市场活跃,需求竞争激烈且可替代性技术少。此时,企业选择独占许可能有效减少在活跃技术市场中开展同质技术竞赛的风险和交易成本,借助排他性地位获得技术价值。
QCA是一种集合论方法,当轻微改变操作所产生的结果存在子集合关系,不会改变研究发现的实质解释时,则视为稳健[38]。本文采用两种方式进行稳健性检验:第一,将PRI一致性由0.75提高至0.85,产生的组态基本上包括现有组态,结果见表4。第二,更换条件测量方法[39],对专利质量复合测量维度(原采用专利存续期、被引次数及权利要求数量的综合指标)进行解构,通过构建随机森林分类模型并结合排列重要性评估方法,系统分析多个专利特征的重要性等级。结果显示,被引次数排列重要性得分最高,表明该特征对模型预测许可独占性的贡献最大。因此,采用专利被引次数单维指标替代原专利质量复合指标进行分析,结果见表5。上述稳健性检验结果具有与原始模型相似的组合,说明结果具有稳健性。
表4 稳健性检验结果(提高PRI阈值)
Table 4 Robustness test results with improved PRI consistency
条件变量组态1组态2组态3组态4组态5组态6组态7组态8专利质量●●●技术成熟度TTO校企历史转移数量技术市场活跃度●同类型竞品相似度●●●●一致性0.940.920.920.940.930.920.910.93原始覆盖度0.170.040.110.100.050.040.060.05唯一覆盖度0.060.010.020.010.010.010.020.01总体解的一致性0.92总体解的覆盖度0.24
表5 稳健性检验结果(更换条件测量方式)
Table 5 Robustness test results of alternative condition measurement
条件变量组态1组态2组态3组态4组态5组态6组态7专利被引次数●技术成熟度●●TTO校企历史转移数量技术市场活跃度●●同类型竞品相似度●一致性0.940.930.870.870.870.900.87原始覆盖度0.160.120.180.180.070.070.06唯一覆盖度0.010.010.110.110.030.010.01总体解的一致性0.87总体解的覆盖度0.37
本文基于组态视角,以校企间专利许可交易活动作为研究对象,从技术、组织及环境3个维度构建促成校企间专利独占许可达成的TOE理论分析框架,利用fsQCA方法开展组态视角下校企互利的专利独占许可形成机制研究,剖析校企间独占许可协议达成的驱动路径与作用机理。
(1)本文利用TOE理论框架识别出校企间专利独占许可达成的组态驱动机制。已有研究多关注TOE三维条件下专利“能否转化”的问题,如何喜军等(2022)从技术、组织与环境维度识别可转化专利特征;王欣(2024)强调三者通过耦合协同作用推动成果转化。本研究聚焦“如何转化”问题,识别出7种有助于独占许可达成的组态,并将其归纳为5条典型路径:①高校高交易成本驱动模式;②高校高交易成本—企业低竞争驱动模式;③高校高交易成本高竞争—企业低收益驱动模式;④企业高收益低竞争驱动模式;⑤企业高竞争高收益驱动模式。基于上述路径特征,构建CDEF机理模型,提炼出成本推动型、供给冗余型、收益拉动型与竞争收益型4种独占许可达成机制。
(2)本研究发现,技术、组织及环境3个层面的6个条件在多个条件组态中均作为核心条件出现。相较于现有研究对单一变量的探讨(如高校创新声誉与独占许可呈倒U型关系,且受TTO设立与合作经验调节[7],以及技术不确定性、存在其他正式关系等因素促进独占许可倾向等[13]),本研究发现,各条件变量均无法单独构成校企间达成独占许可的必要条件,所有变量需以多维条件协同联动方式构成核心组态,形成多条异质路径,最终实现“殊途同归”。相比之下,非独占许可形成路径仍缺乏清晰的系统性解释。
(3)各组态中,高校未设立TTO或校企历史转移数量少均作为核心条件出现,二者均会导致双方在交易过程中面临更高成本。由此说明,高校机构设置与校企合作关系是影响双方达成独占许可协议的关键因素。此外,二者之间存在潜在共存关系,也说明组织间信息不对称所导致的高交易成本,是校企双方达成独占许可协议的必要驱动因素。
(1)现有关于专利许可交易的研究大多运用统计学方法,探究相互独立的专利层面及组织层面特征与许可形式选择之间的因果关系,忽略了多特征互动对专利许可形式选择的作用机制。本文利用TOE理论分析框架,结合组态分析方法,在增强TOE框架分析因果复杂现象解释力的同时,突出校企双方在许可决策过程中的作用,不仅阐释技术、组织、环境层面6个条件对校企间独占许可形式下技术成果转化的复杂驱动机制,还开展独占许可达成的因果推断,为校企许可形式选择提供多路径的解决方案。
(2)传统组态分析研究常受限于中小样本范畴,导致其由少量案例归纳得出的结果缺乏精确性与普适性。本研究采用大样本数据集合进行模糊集定性比较分析,在一定程度上突破了该方法在样本量方面的局限,为该研究方法提供了更丰富的实证支撑。
(1)为促进校企技术许可,高校需依托专业技术转移机构,精准评估并分类管理专利。针对高质量、高成熟度且在市场新颖性强、具有突破性的专利,在技术供给充足且市场需求旺盛情境下,高校可优先采用独占许可模式,与优质企业签订长期协议,确保技术独家应用,助力企业构建竞争优势。同时,依据市场反馈优化专利技术,提升其商业价值,并通过技术推介会、行业论坛等方式扩大专利影响力,吸引更多潜在许可方,优化供需匹配。作为技术需求方,企业需主动与高校对接,积极参与许可谈判。在需求迫切且竞争激烈的市场环境下,可选择独占许可获取技术垄断优势;若市场竞争缓和,则可选择非独占许可降低成本。企业需利用自身资源加速专利产业化,提升产品附加值,并与高校保持长期合作,共同开展研发创新,从而推动技术升级。政府需通过政策引导,支持高质量专利许可。在供给充足但需求分散情境下,通过税收减免和财政补贴降低许可成本,激发双方参与积极性。同时,加强知识产权保护,完善法律法规,强化知识产权执法,维护市场秩序。政府可搭建技术交易平台,提供一站式服务,促进校企高效对接,推动高校企业“强强联合”,优化供需匹配,充分发挥高价值专利应用价值,并加强许可市场监管,确保交易过程公平透明。
(2)盘活低价值、低成熟度专利,高校、企业及政府协同发力,提升其市场价值和应用潜力为核心目标。高校需通过技术评估筛选出具有潜在改进价值的低价值专利,开展二次开发以提升其质量和成熟度。在技术供给不足且市场需求分散的环境下,高校宜采用非独占许可模式降低许可门槛,吸引更多企业参与技术应用与改进。同时,深化与企业产学研合作,共同推进技术研发与创新,促进低质量专利转化应用,并提供技术培训与指导,助力企业提升专利应用能力,优化供需匹配。企业需积极参与低质量专利评估与筛选,寻找具有潜在改进空间的专利。在技术需求旺盛但供给不足的环境下,企业可与高校合作投入资源进行技术改进,提升专利实用性和市场竞争力。在许可模式上,企业需根据自身技术需求和财务状况灵活选择:若某低质量专利具有独特技术优势和改进潜力,可选择独占许可以获取市场先发优势;若希望降低技术风险和许可成本,则非独占许可更为合适。在获得许可后,企业需利用自身资源加速专利产业化,提升产品附加值与市场竞争力。政府可通过政策支持与引导,鼓励高校和企业改进低质量专利。在技术供给不足且市场需求分散的环境下,设立专项补贴资金,降低技术改进成本。
本文存在以下不足:首先,本研究虽识别了多层面前因条件对独占许可的组态效果,但未对各前因条件的重要性与作用强度进行区分,未来可结合机器学习等方法,进一步识别前因条件的相互作用强度。其次,本研究虽从宏观视角洞察全行业独占许可形成机制,但结论缺乏具体性和针对性。为深入理解不同行业许可形式策略选择,后续可聚焦特定技术研发与制造行业,从而更精确地解释不同行业内深层次许可决策的影响因素。
[1] 王赵琛, 张春鹏, 董红霞. 24所部属高校科技成果转化效率的DEA分析[J].科研管理, 2020,41(4): 280-288.
[2] 鲁若愚, 周阳, 丁奕文, 等. 企业创新网络: 溯源、演化与研究展望[J].管理世界, 2021, 37(1): 217-233.
[3] 赵晓娟,崔宏达.基于创新主体视角的专利交易差异与区域网络研究[J].科技进步与对策,2022,39(21):1-11.
[4] GULATI R, SINGH H. The architecture of cooperation: managing coordination costs and appropriation concerns in strategic alliances[J].Administrative Science Quarterly, 1998, 43(4): 781-814.
[5] POPPO L, ZENGER T. Do formal contracts and relational governance function as substitutes or complements[J].Strategic Management Journal, 2002, 23(8): 707-725.
[6] LINK A N, SCOTT J T. Explaining observed licensing agreements: toward a broader understanding of technology flows[J].Economics of Innovation and New Technology, 2002, 11(3): 211-231.
[7] SHEN H J, COREYNEN W, HUANG C. Exclusive licensing of university technology: the effects of university prestige, technology transfer offices, and academy-industry collaboration[J].Research Policy, 2022, 51(1): 104372.
[8] SHANE S. Selling university technology: patterns from MIT[J].Management Science, 2002, 48(1): 122-137.
[9] TEECE D J. Technology transfer by multinational firms: the resource cost of transferring technological know-how[J].The Economic Journal, 1977, 87(346): 242-261.
[10] ARORA A, FOSFURI A, GAMBARDELLA A. Markets for technology in the knowledge economy[J].International Social Science Journal, 2002, 54(171): 115-128.
[11] 周文辉, 朱赛, 蔡佳丽. 基于数字平台的创业企业如何应对独特性与合法性悖论[J].南开管理评论,2025,28(8):88-98.
[12] SOMAYA D, KIM Y, VONORTAS N S. Exclusivity in licensing alliances: using hostages to support technology commercialization[J].Strategic Management Journal, 2011, 32(2): 159-186.
[13] ELFENBEIN D W. Publications, patents, and the market for university inventions[J].Journal of Economic Behavior &Organization, 2007, 63(4): 688-715.
[14] WU Y H, WELCH E W, HUANG W L. Commercialization of university inventions: individual and institutional factors affecting licensing of university patents[J].Technovation, 2015, 36-37: 12-25.
[15] THURSBY J G, THURSBY M C. Who is selling the ivory tower? sources of growth in university licensing[J].Management Science, 2002, 48(1): 90-104.
[16] ANAND B N, KHANNA T. The structure of licensing contracts[J].The Journal of Industrial Economics, 2000, 48(1): 103-135.
[17] TORNATZKY L G, FLEISCHER M. The processes of technological innovation[M].Lexington:Lexington Books, 1990.
[18] CHAU P Y K, TAM K Y. Factors affecting the adoption of open systems: an exploratory study[J].MIS Quarterly, 1997, 21(1): 1-24.
[19] WALKER R M. Internal and external antecedents of process innovation: a review and extension[J].Public Management Review, 2014, 16(1): 21-44.
[20] OLIVEIR T, MARTINS M F. Literature review of information technology adoption models at firm level[J].Electronic Journal of Information Systems Evaluation, 2011, 14(2): 312-323.
[21] BARNEY J. Firm resources and sustained competitive advantage[J].Journal of Management, 1991, 17(1): 99-120.
[22] 梁阜, 李艳娟. 组织容错能力如何助推数字企业实现技术突破性创新[J].财经论丛, 2022,38(2): 79-88.
[23] 胡凯, 王炜哲. 如何打通高校科技成果转化的“最后一公里”——基于技术转移办公室体制的考察[J].数量经济技术经济研究, 2023, 40(4): 5-27.
[24] 赵忠涛, 李长英. 专利质量如何影响了企业价值[J].经济管理, 2020, 42(12): 59-75.
[25] 谢瑞强, 朱雪忠. 技术交易平台主体违约风险评价指标体系研究[J].中国科技论坛, 2021,37(10): 162-169.
[26] 刘晓燕,孙丽娜,单晓红,等.基于网络效应与行动者效应的专利转让及受让行为研究[J].科技进步与对策,2024,41(2):35-45.
[27] MACHO-STADLER I, PÉREZ-CASTRILLO D, VEUGELERS R. Licensing of university inventions: the role of a technology transfer office[J].International Journal of Industrial Organization, 2007, 25(3): 483-510.
[28] BATTISTELLA C, DE TONI A F, PILLON R. Inter-organisational technology/knowledge transfer: a framework from critical literature review[J].The Journal of Technology Transfer, 2016, 41(5): 1195-1234.
[29] 李兰花, 黄灿, 郑素丽, 等. 实物期权视角下技术市场特征对高校专利维持决策的影响研究[J].管理工程学报, 2021, 35(2): 79-89.
[30] ZAJAC E J, KRAATZ M S, BRESSER R K F. Modeling the dynamics of strategic fit: a normative approach to strategic change[J].Strategic Management Journal, 2000, 21(4): 429-453.
[31] 冉从敬, 丁群哲, 宋永辉, 等. 融合莱文斯坦距离算法的专利交易行为识别方法及实证研究[J/OL].数据分析与知识发现,1-15[2025-05-16]. https://kns.cnki.net/KCMS/detail/detail.aspx?filename=XDTQ20250515002&dbname=CJFD&dbcode=CJFQ.
[32] DANG J W, MOTOHASHI K, HUO D. Get Pennies from many or get a Dollar from one? multiple licensing in markets for technology[J].Technovation, 2022, 113: 102423.
[33] 余泳泽, 唐孝妍. 高校基础研究与创新知识溢出: 来自高校设立技术转移机构的证据[J].中国软科学, 2024,39(3): 162-173.
[34] 教育部．2017 年高等学校科技统计资料汇编[M].北京: 科学技术司,2018．
[35] 程文银,李兆辰,刘生龙,等. 中国专利质量的三维评价方法及实证分析[J].情报理论与实践, 2022, 45 (7): 95-101.
[36] 吴伟荣,刘英姿,张敏. 签字审计师自恋会影响关键审计事项披露的信息含量吗 [J].管理评论, 2025, 37 (1): 203-216.
[37] 孙俊华,魏丽. 中国高校科技成果转化路径选择——中国内地28省市模糊集定性比较分析[J].科技进步与对策, 2021, 38 (20): 20-27.
[38] 张明, 杜运周. 组织与管理研究中QCA方法的应用: 定位、策略和方向[J].管理学报, 2019, 16(9): 1312-1323.
[39] DWIVEDI P, JOSHI A, MISANGYI V F. Gender-inclusive gatekeeping: how (mostly male) predecessors influence the success of female CEOs[J].Academy of Management Journal, 2018, 61(2): 379-404.