Impact of High-Value Patents on the Integration of the Industrial Chain and the Innovation Chain

Xia Yun, Mo Bensen, Xie Linling

(School of International Business, Jinan University,Zhuhai 519070,China)

Abstract： In the context of innovation-driven development and the construction of an intellectual property powerhouse, the cultivation and transformation of high-value patents have emerged as critical drivers of the deep integration between industrial chain and innovation chains. While a limited number of scholars have conducted firm-level research showing that high-value patents can enhance enterprises' technological innovation capacity, help break the path dependence of low-end lock-in, and promote high-quality development by alleviating information asymmetry, there remains a significant gap at the regional level. Specifically, systematic analysis and mechanism identification are still lacking regarding how high-value patents exert their economic effects by optimizing the allocation of innovation factors and activating regional synergy mechanisms.

This study fills this gap by constructing a comprehensive analytical framework that connects high-value patents to the coupling and coordination of industrial chain and innovation chain via resource reallocation, knowledge spillovers, and institutional mechanisms. The theoretical foundation outlines two primary pathways through which high-value patents facilitate integration. First, by embedding core technologies in upstream production processes, high-value patents help enterprises overcome bottlenecks in key industrial segments, thereby enhancing self-reliance and technological control. Aligning innovation activities with industrial needs strengthens the synergy between R&D and production, fosters collaborative innovation networks, and facilitates value chain upgrading. Second, drawing on knowledge spillover theory, high-value patents spread through inter-firm cooperation, talent mobility, and innovation networks, thereby promoting the spatial and functional expansion of the industrial chain around innovation hubs. Compared with ordinary patents, high-value patents demonstrate greater scalability and integration potential, fostering systemic innovation synergy and mitigating the “island effect” in technology development. Furthermore, the effectiveness of high-value patents is conditioned by two critical moderating factors: regional absorptive capacity and the strength of intellectual property protection. These institutional and cognitive factors shape the extent to which external knowledge is absorbed, protected, and transformed into integrated innovation and industrial outcomes.

Empirically, the study utilizes panel data from 30 provinces in China spanning 2012 to 2023. High-value patents are identified using a machine learning-enhanced income method, while dual-chain integration is assessed through a coupling coordination model. Fixed-effects regression results, supported by robustness checks and instrumental variable methods, confirm the significant positive impact of high-value patents on dual-chain integration. Heterogeneity analysis further reveals that these effects are more prominent in economically advanced and innovation-intensive regions in eastern and central China. Mediation analysis further demonstrates that high-value patents influence dual-chain integration not only directly, but also indirectly by attracting and concentrating innovation resources, which in turn optimizes the spatial and structural alignment between the industrial chain and innovation chain.

This study makes the following contributions. Theoretically, it advances the understanding of high-value patents by framing them as systemic enablers of industrial-innovation synergy and highlights, for the first time, the mediating role of innovation factor agglomeration. Methodologically, it introduces a scalable and data-driven method for identifying patent value and evaluating dual-chain integration. To promote the economic effects of high-value patents, targeted measures should be taken from both enterprise and government perspectives across four key areas. First, enterprises should focus on core technologies to enhance the cultivation and market adaptability of high-value patents, while governments need to implement collaborative intellectual property (IP) application mechanisms and advance the integration of such patents with key industries. Second, enterprises ought to strengthen their capabilities in patent management and transformation, and governments should invest in innovation infrastructure and improve the judicial protection system for IP to foster a sound innovation ecosystem. Third, enterprises should develop patent layout strategies based on local industrial strengths, and governments should provide differentiated policies—accelerating the development of high-value patent-intensive industrial clusters in eastern and central regions, and supporting technology-industry collaboration to tap patent potential in northeastern and western regions. Fourth, efforts should be made to improve IP financial support mechanisms, such as developing diversified financial products, and build a talent team for IP services and transformation, thereby constructing a system of high-value patent transformation clusters.

Key Words：High-value Patents; Integration of Industrial Chain and Innovation Chain; Agglomeration of Innovation Factors; Industrial Upgrading

收稿日期：2025-05-08

修回日期：2025-08-06

基金项目：国家社会科学基金一般项目(24BGL041)

作者简介：夏芸(1978—),女,江苏如皋人,博士,暨南大学国际商学院副教授、博士生导师,研究方向为财务理论与企业创新;莫本森(2002—),男,湖北十堰人,暨南大学国际商学院硕士研究生,研究方向为技术创新;谢林伶(2001—),女,重庆人,暨南大学国际商学院硕士研究生,研究方向为技术创新。

通讯作者：谢林伶。

DOI：10.6049/kjjbydc.D72025050183

开放科学(资源服务)标识码(OSID)：

中图分类号：F260

文献标识码：A

文章编号：1001-7348(2026)08-0062-12

0 引言

2021年5月,习近平总书记在中国科学院第二十次院士大会、中国工程院第十五次院士大会、中国科协第十次全国代表大会上强调“推动关键核心技术自主可控,加强创新链产业链融合”。产业链创新链深度融合作为产业转型升级与科技自立自强的关键路径,是促进经济高质量发展的重要支撑。近年来,我国在政策引导、资源配置等方面持续加力,推动产业链与创新链深度融合。从整体看,我国产业链与创新链仍存在原始创新能力薄弱、科技成果转化率偏低、链间协同效率不高等问题,亟需识别和培育具有关键支撑能力的战略性创新资源。同时,我国大力支持培育高价值专利,强化专利转化运用,赋能重点产业提质强链增效。近年来,尽管高价值专利数量稳步增长,但其在区域、产业分布上存在结构性不均,专利转化应用仍面临协同机制运行不畅等障碍。因此,如何在“量增”的基础上实现“质升”,发挥高价值专利在产业链与创新链融合发展中的关键作用,成为当前亟待破解的重要课题。

既有研究主要从理论层面探讨产业链与创新链融合内涵、机制与实现路径。赵彬彬等[1]从知识流动过程与制度结构整合视角阐释产业链创新链融合内涵与机制;裴骁等[2]引入复杂网络模型,从结构—行为视角识别产业链创新链融合中的关键节点与路径。部分学者尝试从数字经济以及人工智能、机器人应用等视角实证分析其对产业链创新链融合的影响。然而,上述研究普遍聚焦宏观结构与要素配置,较少关注具体创新成果如何嵌入链条结构以及在融合过程中的作用。作为集技术质量、市场潜力与制度保障于一体的战略性创新成果,高价值专利具有打通技术壁垒、增强协同联通、强链增效的潜在功能。当前,学界主要围绕高价值专利识别与评估开展了多维度、多方法的系统研究,重点采用定性与定量融合评估方法和基于机器学习的识别方法,大多聚焦高价值专利识别,对高价值专利所发挥的经济效应关注不足。有学者从企业层面研究发现,高价值专利有助于提升企业技术突破能力,摆脱低端锁定路径依赖(李鹏等,2025),并通过缓解信息不对称问题助力企业实现高质量发展[3]。区域层面,关于高价值专利如何通过优化创新要素配置、激活区域协同机制,发挥其经济效应等问题,仍缺乏系统分析与机制识别。基于此,本文尝试从高价值专利这一战略性创新资源出发,拓展其对产业链创新链融合路径识别与机制解释的研究视角。

本文边际贡献如下:第一,拓展高价值专利识别的研究方法体系。现有研究多采用多维度指标体系并结合机器学习等方法识别高价值专利。本文采用收益法对专利价值进行测算,并结合政策贡献指标,进一步运用机器学习分类方法识别出高价值专利,以期丰富高价值专利识别路径与方法体系。第二,基于竞争优势理论与知识溢出理论,从省级层面系统分析高价值专利对产业链创新链融合的影响,进一步探讨区域吸收能力和知识产权保护的调节作用,并识别出其通过吸引创新要素集聚推动产业链创新链融合的机制路径,不仅丰富高价值专利的经济后果研究,也为理解区域创新系统中要素流动及其对产业结构升级的影响提供新视角。第三,揭示高价值专利对促进产业链创新链融合的关键作用,为提升专利转化效率以及推动创新驱动发展提供理论依据与现实路径。

1 理论分析与研究假设

1.1 高价值专利与产业链创新链融合

从链式结构角度看,产业链是具有上下游投入产出关系的生产过程组成的链条,涵盖从原材料获取、中间产品加工到最终产品制造的各环节[4]。创新链则是从基础研究出发,以成果转化为终点的多环节形成的链式结构[5]。产业链创新链融合,其本质是创新资源与产业要素协同配置,呈现出高度耦合、相互依存、协同演化特征(孙琴等,2023),主要通过围绕产业链部署创新链和围绕创新链布局产业链两条路径实现融合。

(1)围绕产业链部署创新链强调以解决产业链关键节点、核心环节、“卡脖子”技术难题为目标,推动科技创新围绕产业链开展部署与配置。与普通专利相比,高价值专利不仅在技术层面具备显著创新性和复杂性,在法律层面具有知识产权保护,而且在市场转化与经济效益方面表现出较强的竞争力和影响力,能够有效突破产业链技术瓶颈,成为驱动产业链创新链融合的关键支点(崔维军等,2023)。竞争优势理论指出,作为重要的企业核心资产和产业战略资源,高价值专利不仅能提升企业市场占有率和利润创造能力,还能提升其在产业链中的话语权[6]。其核心技术成果可直接嵌入生产流程等产业链上游环节,有效打通链条“断点”、补齐技术“短板”,提升整体链条自主可控水平与资源配置效率,进而实现创新链围绕产业链需求重构协同网络,推动创新链向产业链延伸。高价值专利在促进产业创新发展中发挥重要作用,能提升企业在产业链中的话语权。产业标准是产业链协同创新的基础,拥有高价值专利的企业通过参与产业标准制定推动核心技术向产业链末端企业渗透,并确保上下游企业在技术方面的兼容性与协同性。创新链中的科研端能够依据统一技术规范对接产业链需求端,加快知识成果转化,实现以技术接口提升创新链与产业链协同效率及融合水平。

(2)围绕创新链布局产业链强调以技术突破为起点,带动产业结构重构与链条重塑。知识溢出理论认为,高价值专利所蕴含的知识和技术具有显著溢出效应[7]。当高价值专利在产业链某一环节或企业中得以应用时,其蕴含的知识和技术会通过社交网络、企业间合作以及人才流动等途径扩散至产业链其他环节和企业,有效消除科技创新中的“孤岛效应”。相比之下,普通专利多为局部性、辅助性技术成果,难以形成系统性扩散。此外,高价值专利的知识溢出效应可促进创新链上不同主体间知识共享和协同创新。企业作为产业链与创新链的核心主体,能够充分了解市场需求并实时反馈。拥有高价值专利的企业通过与科研机构、上下游企业、平台型组织协同合作,构建以自身技术为核心的创新生态网络,主导形成围绕创新链的产业链布局,加快新技术和新产品在产业链中的扩散与应用[1]。这一过程不仅突破了企业间技术壁垒,还提升了产业链协同性和创新能力,最终实现产业链创新链深度融合。高价值专利在围绕“产业链部署创新链”与围绕“创新链布局产业链”中发挥关键作用,形成良性循环机制,推动产业链创新链深度融合。本文提出假设:

H1:高价值专利对产业链创新链融合具有显著正向影响。

1.2 创新要素集聚的中介作用

高价值专利作为战略性创新资源,不仅能体现企业核心技术优势,而且能反映其所在区域创新活跃度与技术成熟度。高价值专利进行技术扩散的同时,也向外界传递积极信号即区域在知识创造与技术应用方面的领先地位,能够提升创新型企业和要素的“择优进入”预期,激发创新要素集聚动力,吸引更多创新资源、科技人才、资金等要素。从区域发展视角看,高价值专利通过知识溢出效应引导科技资源实现跨空间流动,在促进创新要素集聚过程中发挥虹吸效应,创新资源不断涌入形成技术协同和规模经济,推动创新活动。因此,高价值专利传递的积极信号与虹吸效应之间形成良性循环,促进创新要素集聚。

创新要素集聚通过提升区域科技协作水平与研发资源整合能力,成为推动产业链与创新链深度融合的关键引擎[8]。一方面,创新要素集聚能够发挥其资源配置优势,促进创新要素在不同区域间合理流动,加速科技成果在产业链各环节落地转化,助力地区产业结构升级[9],促进各地区产业协同发展,进一步推动产业链创新链深度融合。另一方面,创新要素集聚能够助力地区实现从“人口红利”到“人才红利”的转变,增强地区人才内生力[10]。创新人才可通过竞争、学习、交流实现知识共享,带动地区间信息交流[11],促进产学研用协同平台建设,降低合作门槛与转化成本,强化地方企业内生创新能力,推动其在自主研发、前沿技术探索等方面实现突破,从而加快产业链创新链深度融合。综上所述,高价值专利通过创新要素集聚的技术外溢效应,推动高价值专利溢出的知识、要素、信息等在不同区域扩散[12],助力产业链创新链融合。本文提出假设:

H2:高价值专利通过促进创新要素集聚推动产业链创新链融合。

1.3 区域吸收能力的调节作用

高价值专利通常代表行业内领先的技术成果,其嵌入有助于推动产业链升级,并通过知识溢出促进创新链要素优化配置,进而推动产业链与创新链深度融合。然而,高价值专利的技术溢出能否有效推动产业链与创新链融合,取决于区域吸收能力。区域吸收能力是指区域内企业、政府和其他创新主体吸收、消化及利用外部技术知识的能力[13]。吸收能力较强地区,产业集群通过本地关系网络与外部知识联系提升当地企业吸收能力,为区域技术标准共建和成果协同转化提供制度与平台支持[14]。区域内企业能够由被动接收知识转变为主动整合并主导研发活动,引导高价值专利向产业链关键节点渗透[15],促进创新链向产业链延伸。此外,较强的区域吸收能力还有助于缓解区域对外部技术的锁定效应,降低技术路径依赖,推动区域从模仿走向自主创新,缩短技术追赶周期[16],促进高价值专利在区域内转化运用,从而促进产业链与创新链深度融合。相反,若区域吸收能力较弱,高价值专利的知识溢出难以被企业有效吸收与转化,不仅削弱技术创新在本地产业链中的扩散效果,也限制技术知识在跨区域企业间流动,进而阻碍产业链与创新链有效融合。

人力资本在高价值专利促进产业链与创新链融合过程中发挥重要作用。Cohen等[17]提出,企业和地区吸收能力依赖于员工知识与技能水平,尤其在获取、理解、消化和应用新知识方面。在区域吸收能力较强情况下,高素质人才不仅能够更好地理解和消化高价值专利中的复杂技术知识,还能促进企业内部以及跨企业、跨区域知识共享与协同创新,加速技术溢出向创新产出转化[18],进而推动产业链与创新链深度融合。相反,区域人力资本不足反映出区域吸收能力较弱,高价值专利的知识溢出难以被有效吸收和转化,不利于跨企业、跨区域知识扩散与协同创新,从而抑制产业链与创新链深度融合。本文提出假设:

H3:区域吸收能力正向调节高价值专利对产业链创新链融合的影响。

1.4 地区知识产权保护的调节作用

高价值专利因其技术含量高、市场潜力大,在知识扩散过程中更易成为模仿与侵权的目标,其扩散与协同应用过程高度依赖外部制度环境。合理的知识产权保护制度可有效防止竞争对手模仿或抄袭,激励企业创新,从而促进高价值专利的知识溢出[19]。一方面,较高水平的知识产权保护通过降低企业在专利转化中的信息披露成本与制度性交易摩擦,缓解合作过程中的逆向选择问题与道德风险,从而有助于优化区域内创新资源配置[20]。这一过程推动创新链要素向产业链各环节高效嵌入,促进产业链创新链协同融合。另一方面,高水平知识产权保护能够为当地企业营造良好的研发环境,增强企业创新意愿、拓展技术边界,在跨主体技术共享、联合研发与标准共建中发挥更强的主导作用,推动区域整体创新能力提升[21],有助于产业链持续创造高附加值,加速创新链与产业链在知识流动、技术扩散及市场合作中深度融合。相反,知识产权保护水平较低地区,企业面临的技术模仿和侵权风险增大,导致其对创新的投资回报预期下降,可能因此减少专利申请和技术转移,进而选择通过保守策略或依赖非专利技术积累规避外部风险。在知识产权保护水平较低地区,企业难以通过专利质押融资等方式拓展其融资渠道,在一定程度上会加剧企业创新风险[22],阻碍跨企业技术合作,导致技术成果在产业链中的转化效率降低,最终阻碍产业链与创新链在要素整合、机制协同与功能重构上的深度融合。本文提出假设:

H4:知识产权保护正向调节高价值专利对产业链创新链融合的影响。

综上所述,本文构建理论概念模型如图1所示。

2 研究设计

2.1 数据来源

本文选取2012—2023年我国30个省份(西藏数据不全,未纳入)为研究样本。高价值专利数据来源于国家知识产权局,通过手工收集、清洗与结构化处理。其他变量数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》及各省统计年鉴。对于个别省份部分年份数据存在少量缺失的情况,本文采用线性插值法进行补齐。

2.2 变量测度

2.2.1 被解释变量

产业链创新链融合度(SI)。从产业链与创新链两个子系统出发,构建产业链创新链耦合协调的综合评价指标体系[23]。其中,产业链子系统包括产业基础、产业结构、产业配套、产业合作、产业环保5个维度,创新链子系统包括创新基础、创新投入、创新产出以及创新转化4个阶段,如表1所示。借鉴干春晖等[24]的做法,采用产业结构层次系数衡量产业结构高度化,以第三产业产值与第二产业产值的比值衡量产业结构高级化,采用泰尔指数衡量产业结构合理化。

本文借鉴贾卫峰等[25]的研究,借助物理学中的耦合协调度模型测量我国各省份产业链创新链融合程度。为消除主观因素影响,首先,采用熵权法测算产业链和创新链两个子系统各指标权重及发展水平,并利用Max-Min值法对数据进行标准化处理,消除指标间的量纲。其次,计算产业链与创新链耦合度(C)以及综合协调指数(T)。其中,U1为产业链发展水平,U2为创新链发展水平。本文认为,产业链创新链对综合协调指数的贡献相同,取α=β=0.5。

(1)

T=αU1+βU2

(2)

产业链创新链耦合协调度:

(3)

2.2.2 解释变量

高价值专利(PAT)。本文识别高价值专利的核心思路是利用收益法计算出各专利价值,并结合机器学习方法对专利价值进行分类,从而识别出高价值专利。收益法是指通过测算专利未来可预期的收益流,并折现到评估基准日,进而确定其当前评估价值。设被评估专利第t年预期收益额为At,折现率为r,政策贡献率为β,则被评估专利的价值V可表示为:

(4)

现有文献主要采用超额收益法和收益分成率法估算At,前者基于专利为企业创造的超过行业平均利润水平的超额收益;后者则是在收益法的基础上,通过设定企业有形资产与无形资产的分成比例,并结合专利技术贡献率推算专利带来的预期收益。然而,上述两类方法普遍存在以下局限:一是难以在企业持有的多个专利之间,对专利价值进行精确归因;二是未充分考虑专利组合之间可能存在的协同效应,从而影响单个专利估值的独立性与准确性。

鉴于企业通常持有多个专利,且这些专利在实际运营中可能产生协同效应,若简单将整体收益归因至单一专利将导致偏差。本文在收益法的基础上,参考国家知识产权局发布的《专利开放许可使用费估算指引(试行)》中按销售额提成计算专利许可费的方法反推出各专利预期收益额。对于政策贡献率β,本文依据国家知识产权局提出的“高价值专利”五项标准,构建评价指标体系,并对各指标进行赋值和权重计算,最终得到综合赋值系数β。在计算出各专利价值后,本文基于机器学习中的AutoGluon框架构建分类模型,对专利样本进行价值等级划分,并识别高价值专利。考虑到专利价值具有显著右偏分布特征,直接使用连续型数值变量进行回归建模会导致识别精度不足等问题,本文采用分位数分箱法将所有专利划分为20个等频价值区间,并据此构建分类标签变量。基于分位法的识别逻辑,综合考虑原始样本分布特征,将排名前5个区间(前25%)的专利界定为“高价值专利”,该划分方式兼具合理性与可行性。整体分类模型在准确率、均衡性和泛化性能方面表现优异,能够为大规模样本的高价值专利识别提供有效支撑。本文基于省级面板数据,将识别出的高价值专利按照申请人注册地进行汇总,构建省级层面高价值专利存量指标。

2.2.3 中介变量

利用区位熵从创新资本要素集聚(Cap)与创新人才要素集聚(Hum)两个方面测度各省份创新要素集聚[26],具体计算公式如下:

创新资本集聚=

(5)

创新人才集聚=

(6)

2.2.4 调节变量

(1)区域吸收能力(Abp)。现有研究普遍认为,人力资本是决定地区吸收能力的核心因素之一,能够显著增强区域对外部知识获取、吸纳、转化与利用能力。刘晔等[27]通过梳理现有研究并结合我国实际情况,采用科学研究和技术服务业就业人员测度该指标。在此基础上,采用科学研究和技术服务业就业人员占该省份全部就业人数的比值衡量区域吸收能力。

(2)地区知识产权保护水平(IPP)。知识产权保护是影响技术创新与知识扩散的制度性因素。本文借鉴胡凯等[28]的做法,采用各地区技术市场成交额占地区生产总值的比重衡量地区知识产权保护水平。

2.2.5 控制变量

本文参考张本秀等[29]、贾卫峰等[25]的做法,控制变量包括:①经济发展水平(Eco),是推动产业链与创新链深度融合的重要支撑,采用各省份人均地区生产总值的自然对数衡量;②财政支持力度(Gov),政府财政投入能够为产业创新发展提供资金支持,采用地方财政一般预算支出与地区生产总值的比值衡量;③金融发展水平(Fin),金融发展有助于缓解企业融资约束,推动创新活动,采用地方金融机构贷款余额占地区生产总值的比重衡量;④创新投入水平(Inn),财政科技支出直接体现政府对科技创新的投入力度,是推动专利产出和成果转化的重要保障,以地方财政科学技术支出与地方生产总值之比衡量;⑤对外开放程度(Open),对外开放可通过引进技术、资源流动和市场扩展促进融合创新,采用按历年人民币汇率折算的各省份货物进出口总额与地方生产总值之比表示;⑥劳动力集聚(Lab),有助于促进知识扩散与提升协同效率,采用区位熵测算,如式(7)所示。

劳动力集聚=

(7)

2.3 模型设定

SIi,t=α0+α1PATi,t+α2Controlsi,t+ωi+ωt+εi,t

(8)

其中,SIi,t表示省份i第t年产业链创新链融合水平,PATi,t表示省份i第t年的高价值专利,Controlsi,t表示一系列的控制变量,ωi表示省份固定效应,ωt表示时间固定效应,εi,t为随机扰动项,α0为常数项,α1和α2均为模型估计参数,若α1显著为正,则表明高价值专利能够促进产业链创新链融合。

本文参考江艇等(2022)的研究,检验核心解释变量是否作用于中介变量(M)。在此基础上,为避免M对Y的因果效应理论论证可能不充分的问题,参考李万利等[30]的做法,进一步检验M对Y的影响,以补充相关性证据。构建模型如下:

Capi,t=δ0+δ1PATi,t+δ2Controlsi,t+ωi+ωt+εi,t

(9)

Humi,t=θ0+θ1PATi,t+θ2Controlsi,t+ωi+ωt+εi,t

(10)

SIi,t=μ0+μ1Capi,t+μ2Controlsi,t+ωi+ωt+εi,t

(11)

SIi,t=ρ0+ρ1Humi,t+ρ2Controlsi,t+ωi+ωt+εi,t

(12)

其中,Capi,t、Humi,t分别表示i省份第t年创新资本集聚和创新人才集聚。

为进一步检验区域吸收能力、知识产权保护水平对高价值专利与产业链创新链融合关系的影响,本文在式(8)的基础上,分别加入区域吸收能力和知识产权保护水平及其与高价值专利的交互项,构建模型:

SIi,t=β0+β1PATi,t+β2Abpi,t×PATi,t+β3Abpi,t+β4Controlsi,t+ωi+ωt+εi,t

(13)

SIi,t=γ0+γ1PATi,t+γ2IPPi,t×PATi,t+γ3IPPi,t+γ4Controlsi,t+ωi+ωt+εi,t

(14)

其中,Abpi,t、IPPi,t分别表示i省份第t年区域吸收能力和知识产权保护水平。

3 实证结果与分析

3.1 描述性统计

主要变量描述性统计结果如表2所示。产业链创新链融合水平可划分为4个阶段:当0≤SI<0.3,两者处于低水平耦合协调阶段;当0.3≤SI<0.5,两者处于中等水平耦合协调阶段;当0.5≤SI<0.8,两者处于较高水平耦合协调阶段;当0.8≤SI≤1,两者处于高水平耦合协调阶段[25]。测算结果显示,产业链创新链融合水平均值为0.329,介于0.3～0.5之间,说明我国产业链创新链融合水平整体处于中等水平耦合协调阶段。该指标标准差为0.141,最大值、最小值分别为0.798和0.106,说明我国产业链与创新链融合水平存在不均衡特征,部分省份已实现较高水平融合,而另一些省份仍处于低水平融合阶段。高价值专利均值为7.561,标准差为1.708,最小值、最大值分别为3.135和11.76,说明全国高价值专利产出已具备一定基础,但区域间仍存在显著差距,部分技术强省在专利价值上优势显著,其他地区则仍处于专利从“量”向“质”转型的关键期。此外,多重共线性检验结果显示,所有变量VIF均值为3.8,显著低于阈值10,表明模型不存在严重多重共线性问题。

3.2 基准回归分析

表3列(1)(2)报告了高价值专利促进产业链创新链融合的回归结果。其中,列(1)是未加入控制变量的回归结果,高价值专利(PAT)的回归系数为0.042,且在1%水平上显著为正。列(2)是进一步控制其他变量后的回归结果,高价值专利(PAT)的系数下降至0.032,仍在1%水平上显著为正。以上结果表明,高价值专利能够显著促进产业链创新链融合,即高价值专利在“围绕产业链部署创新链”与“围绕创新链布局产业链”中发挥关键作用,推动产业链创新链深度融合。由此,假设H1得到验证。

3.3 内生性处理

为缓解高价值专利与产业链创新链融合过程中可能存在的反向因果问题,本文引入工具变量法进行稳健性检验。借鉴张勋等[31]的研究思路,本文选取各省份到江苏省的地理距离作为高价值专利的工具变量。在相关性方面,江苏省于2015年发布《关于加快建设知识产权强省的意见》,率先设立高价值专利培育计划并提供专项财政支持,成为全国最早将高价值专利培育纳入省级战略的省份,具有显著“知识源地”地位。知识扩散通常具有地理局限性,符合距离衰减规律,距离江苏越远的省份受其知识外溢的辐射越弱,从而形成高价值专利的地理扩散梯度[32]。基于此,本文构造工具变量“各省份至江苏地理距离+1后的倒数”。在外生性方面,地理距离是相对稳定的变量,既不会随时间发生变化,也不会因产业链创新链融合而改变,且各省份与江苏省的距离,与该省产业链创新链融合水平无直接关联,满足外生性要求。鉴于本文研究样本为面板数据,但前文所选的工具变量并不随时间变化,因而本文采用“全国(除本省外)高价值专利水平均值”与“各省份至江苏地理距离+1后的倒数”的交互项,作为高价值专利的工具变量。

表4报告了工具变量两阶段二乘法(2SLS)的回归结果。第一阶段回归分析中,工具变量(IV)的回归系数在1%水平上显著为正,且通过不可识别检验,表明回归结果满足工具变量的相关性假设。同时,识别弱工具变量的Cragg-Donald Wald F统计量大于10%水平上的临界值16.38,说明本文所选的工具变量合理有效。在此基础上,第二阶段回归结果显示,高价值专利(PAT)的回归系数为0.116,且在1%水平上显著为正,表明考虑内生性问题后,基准回归结果仍然成立。

3.4 稳健性检验

(1)外生政策冲击检验。本文选取2019年国家新一代人工智能创新发展试验区建设作为准自然实验。理由如下:国家布局人工智能创新发展试验区,旨在打造人工智能技术创新策源地、高端产业集聚区和应用示范高地。这种国家层面的战略推动和生态体系建设,能够吸引并集聚大量高端创新资源,激发前沿技术研发和模式创新,从而成为高价值专利的重要源泉。本文参考Xia等[33]的做法,构造政策虚拟变量Treat×Post作为核心解释变量。具体地,若样本城市为人工智能试验区,则其所属省份Treat变量取值为1,否则为0;Post为年份虚拟变量,在试点城市获批年份及以后取1,否则为0。考虑到部分试点城市在当年9月以后获批,政策效应存在一定滞后性,本文将其归入下一年度处理。最终构造的DID变量表示省份i在年份t是否受到政策影响。表5列(1)显示,高价值专利(PAT)的回归系数显著为正且通过1%显著性水平检验,与前文结果一致,说明前文结论稳健。

(2)替换核心被解释变量。王淑佳等[34]认为,传统耦合协调度模型所计算的耦合协调度会弱化系统自身协调水平的作用,难以充分体现耦合协调度测度的价值与意义,因而提出修正后的耦合协调度模型,具体见式(15)。本文使用修正后的耦合协调度模型重新测算产业链创新链融合水平(SI1)并进行回归,结果如表5列(2)所示。实证结果与前文结果一致,表明高价值专利促进产业链创新链融合。

(15)

(3)替换核心解释变量。2021年国家知识产权局将属于以下5种情况的有效发明专利界定为高价值专利:①属于战略性新兴产业领域的发明专利;②在海外有同族专利权的发明专利;③维持年限超过10年的发明专利;④实现较高质押融资金额的发明专利;⑤获国家科学技术奖或中国专利奖的发明专利。本文据此重新筛选出高价值专利(PAT1)进行稳健性检验,回归结果仍在1%水平上显著为正,如表5列(3)所示。

(4)调整样本量。我国布局建设了北京、上海、粤港澳大湾区3个国际科技创新中心,上述地区产业链与创新链融合模式可能具有显著结构性差异。同时,江苏省最早开始培育高价值专利,具备制度性先发优势,其专利质量与产业链创新链融合水平的关系可能受地方政策导向的影响。本文剔除上述4个地区进行回归,表5列(4)显示,回归结果仍与前文回归结果一致。

(5)增加控制变量。为避免遗漏变量问题,本文在基准回归的基础上,进一步控制税负水平(Tax)、工业化水平(Ind)以及人口密度(Pop)。其中,税负水平以地区税收收入与地区生产总值的比值衡量,工业化水平采用工业增加值与地区生产总值的比值衡量;人口密度则采用各省份年末常住人口(万人)与土地面积(万km2)的比值衡量。表5列(5)结果显示,在增加控制变量后,回归结果仍在1%水平上显著为正,进一步说明上述回归结果稳健。

3.5 中介效应检验

表6列(1)(3)分别为高价值专利对创新资本集聚和创新人才集聚的回归结果,均在1%水平上显著为正,表明地区高价值专利越多,越能吸引创新要素集聚。列(2)(4)结果显示,创新资本集聚和创新人才集聚对产业链创新链融合的回归系数均在1%水平上显著为正,表明创新要素集聚能够通过知识、技术外溢促进产业链创新链融合。由此表明,高价值专利通过吸引创新要素集聚促进产业链创新链深度融合。为进一步验证中介效应的稳健性,本文采用Bootstrap方法(重复抽样1 000次)进行检验。结果显示,创新资本集聚与创新人才集聚的间接效应系数显著,95%置信区间均不包含0,表明中介效应在统计意义上成立。因此,假设H2得到证明。进一步增强“高价值专利通过促进创新要素集聚推动产业链与创新链融合”这一作用机制的解释力,也证明研究结论具备较强的稳健性。

3.6 调节效应检验

表7列(1)(2)分别报告了区域吸收能力、知识产权保护水平在高价值专利促进产业链创新链融合过程中的作用检验结果。列(1)中,高价值专利与区域吸收能力交互项(PAT×Abp)的回归系数为0.339,且在1%水平上显著为正,假设H3得到验证。上述结果表明,在区域吸收能力较强地区,创新主体能够更有效地识别、吸收并转化高价值专利溢出的技术与知识,促进技术要素在产业链与创新链间高效流动,从而加速产业链创新链融合进程。列(2)为知识产权保护水平的调节效应估计结果,由结果可知,高价值专利与地区知识产权保护水平交互项(PAT×IPP)的回归系数为0.118,且在1%水平上显著为正,表明知识产权保护水平能够增强高价值专利对产业链创新链融合的促进作用,假设H4成立。由此说明,完善的知识产权保护通过提升创新回报预期、促进技术溢出激发创新主体对高价值专利的转化运用,进而强化高价值专利促进产业链创新链深度融合的边际效应。

3.7 异质性分析

区域创新系统理论指出,创新产出不仅依赖企业研发投入行为,还受区域创新环境、资源配置效率以及知识外部性扩散程度等因素影响。不同地区在创新基础、制度环境与要素禀赋等方面存在系统性差异,进而影响高价值专利促进产业链与创新链融合的效果。基于此,本文从研发密集度、经济发展水平与地区划分3个方面进行异质性分析。

3.7.1 研发密集度

本文以各省份研发投入强度作为省份研发密集度的度量指标,将75%分位数以上省份划分为高研发密集度组,将25%分位数以下省份划分为低研发密集度组,如表8列(1)(2)所示。在高研发密集度省份,高价值专利(PAT)的回归系数在1%水平上显著为正,而在低研发密集度省份该回归结果不显著。高研发密集地区,地方政府通常能够提供更加完善的创新基础设施、技术研发平台及产学研协同创新机制[35-36],这有助于提升企业对高价值专利的识别、吸收和再创新能力,从而增强其对产业链创新链融合过程的驱动作用。这类地区政策导向较为明确,创新资源配置效率较高[37],能够为高价值专利转化与应用提供较好的制度基础。低研发密集度地区,创新资源配置不足、科技成果转化体系不完善,高价值专利在实际应用过程中可能面临技术扩散受限、产业吸收能力不足等问题,导致其对产业链创新链融合的作用不显著。

3.7.2 经济发展水平

经济发展水平不仅能够体现出产业资源禀赋与市场需求差异,更能反映地区间在创新吸收能力、知识转化效率与制度环境上的系统性差异(师磊等,2025),这些差异决定高价值专利在不同地区促进技术扩散与推动产业链创新链融合的效果。本文依据全国各省份当年人均地区生产总值的中位数,将样本分别划分为发达地区和后进地区进行回归分析。表8列(3)(4)显示,高价值专利(PAT)的回归系数均在1%水平上显著为正,说明高价值专利在不同经济发展水平地区均发挥积极作用,同时,发达地区的回归系数更大,说明影响更大。Chow检验结果显示,组间回归系数差异在统计上显著(p=0.012),表明高价值专利对不同经济发展水平地区的影响具有显著异质性,具体而言,高价值专利对发达地区的促进效应更为显著。发达地区产业体系完备、区域经济联系紧密,创新要素高效流动,因而其创新的空间外溢效应与价值链外溢效应更为显著(余泳泽等,2013),有助于将高价值专利技术嵌入产业链发展全过程,并通过创新链上下游协同机制促进知识流动与资源重组高效匹配,从而有效推动产业链创新链融合。相比之下,后进地区尽管经济发展水平较低,但随着区域创新驱动相关政策落地,部分地区通过技术引进和创新要素集聚推动高价值专利向地方主导产业渗透,一定程度能促进产业链创新链融合。然而,受限于整体产业层次较低,高价值专利成果在融合路径中的扩散速度与扩散范围仍存在一定局限。

3.7.3 地区差异

在空间与技术维度,我国不同地区最优研发配置结构、创新资源配置效率存在显著差异[38]。本文依据国家统计局关于区域划分的有关标准,将样本所在省份分为东部、中部、西部和东北四大区域,回归结果如表8列(5)～(8)所示。结果显示,东部地区与中部地区高价值专利(PAT)的回归系数分别在1%、10%水平上显著为正,而西部地区和东北地区高价值专利(PAT)的回归结果不显著,表明在推动产业链与创新链融合方面,高价值专利的影响存在显著区域差异。依托完善的产业配套体系、成熟的技术市场机制以及较好的专利转化路径,东部地区高价值专利更易嵌入产业链关键环节,并依托创新链实现知识溢出与协同创新。中部地区正处于由要素驱动向创新驱动转型的过渡期,相关机制逐步健全,高价值专利转化和应用能力有所提升。受限于基础设施、人力资本水平以及创新基础,西部地区与东北地区难以有效吸收和转化高价值专利溢出的知识,未能充分发挥其在产业链创新链融合过程中的推动作用[39]。

4 结语

4.1 研究结论

推动产业链与创新链深度融合既是提升我国产业链供应链现代化水平的重要举措,也是实现经济发展从要素驱动向创新驱动转型的关键路径。本文基于2012—2023年我国30个省份面板数据,结合竞争优势理论与知识溢出理论,系统探讨高价值专利在产业链创新链融合中的作用机制,得出以下主要结论:

(1)高价值专利促进产业链创新链深度融合,该结论在一系列稳健性检验后依然成立。

(2)中介效应分析表明,创新要素集聚在高价值专利与产业链创新链融合间发挥中介作用,表明高价值专利通过吸引与整合创新人才与资本,增强区域创新生态内生动力,进而促进产业链创新链融合。

(3)调节效应分析表明,区域吸收能力和知识产权保护水平强化高价值专利对产业链创新链融合的促进作用。二者作为能力基础与制度保障要素,有助于强化高价值专利的外溢效应。

(4)异质性分析显示,在创新资源丰富、制度环境完善地区(如高研发密集度地区、发达地区以及东部与中部地区),高价值专利对产业链创新链融合的促进作用更为显著,说明资源禀赋与制度基础对高价值专利作用的发挥具有增强效应。

4.2 政策启示

(1)完善高价值专利培育与识别机制,加强专利转化运用。企业需聚焦关键核心技术,推动高价值专利实现源头培育、精细培育,提升原始创新成果的市场适配性与转化效率;政府可通过专利导航、技术交易平台、转化典型库建设等举措,推动高价值专利与重点产业深度嵌合,加快实现创新成果应用的链条式融合。

(2)强化创新要素集聚导向,构建高价值专利转化集聚区。健全知识产权金融支持机制,鼓励银行、证券、保险等金融机构加强与高校、科研院所及科技型企业合作,开发专利质押融资、知识产权证券化、可转债等多元化金融产品,完善风险补偿与收益分享机制,提升中小企业专利转化能力与抗风险能力。培育知识产权服务与转化人才队伍。地方政府可支持建设知识产权运营人才实训基地,系统培育一批专业素养高、信用记录好的知识产权复合型人才,推动其深度参与各级科技计划项目,助力核心技术攻关和高价值专利转化运用。

(3)提升区域吸收能力与知识产权保护水平,构建良性创新转化生态。企业需加强专利信息管理、评估和运营能力建设,积极参与联合研发、技术交易与产业技术标准制定,提升对高价值专利的识别、吸收与转化能力;地方政府可加强对科研成果研发平台、技术转移中心以及产学研合作载体等基础设施投入,健全知识产权司法保护体系,统筹推进专利保护与运用,营造有利于创新成果保护与专利转化的制度环境。

(4)推动区域差异化创新政策供给,优化要素资源配置。企业需结合本地产业基础与技术优势,科学制定高价值专利布局战略,夯实核心技术储备基础,提升高价值专利成果在产业转化运用中的高效性。政府依托东部、中部地区产业基础与市场机制优势,加快布局高价值专利密集型产业集群,强化专利价值识别与技术产业协同路径。在东北地区和西部地区,鼓励高校科研机构与地方产业技术平台开展技术合作,挖掘本地优势技术潜力,推动其向实际应用场景转化落地。

4.3 不足与展望

本文存在以下不足:首先,本研究以省级面板数据为基础,难以反映微观主体间协同创新行为及价值实现机制,未来可结合企业等微观层面数据展开深入分析,进一步识别高价值专利转化运用的经济效应。其次,本研究主要从研发密集度、经济发展水平和地区差异3个维度展开异质性分析,研究视角的全面性有待进一步提升,未来可引入更具代表性的制度性变量,以拓展异质性分析深度与广度。

参考文献：

[1] 赵彬彬,梅亮,陈凯华,等.创新链产业链融合的内涵解析、影响因素和优化路径:基于创新过程与创新系统整合视角[J].中国软科学,2025,40(2):26-39.

[2] 裴骁, 李华, 吴爱萍. 考虑多层网络同步的产业链创新链融合关键环节识别[J]. 科技进步与对策, 2025, 42(12): 59-70.

[3] 彭华涛,韩一佳,范丹.高价值专利知识网络嵌入与企业高质量发展:创业行为的调节作用[J].中国科技论坛,2025,41(1):78-87.

[4] 郁义鸿.产业链类型与产业链效率基准[J].中国工业经济,2005,23(11):35-42.

[5] 史璐璐, 江旭. 创新链: 基于过程性视角的整合性分析框架[J]. 科研管理, 2020, 41(6): 56-64.

[6] 刘谦, 姜南, 王亚利, 等. 国内高价值专利研究热点演进与整合框架——基于SKM的可视化分析[J]. 科技进步与对策, 2022, 39(21): 151-160.

[7] ARROW K J. The economic implications of learning by doing[J]. The Review of Economic Studies, 1962, 29(3): 155-173.

[8] 王荣. 基于要素视角的产业链与创新链耦合发展研究[J]. 管理现代化, 2021,41(6): 12-14.

[9] 郝汉舟, 徐新创, 左珂怡, 等. 创新要素集聚与产业升级: 中介效应和调节效应研究[J]. 长江流域资源与环境, 2022, 31(11): 2357-2368.

[10] 郜攀峰. 创新要素集聚、数字化转型与经济高质量发展[J]. 统计与决策, 2024, 40(15): 98-103.

[11] RUDEŽ H N, MIHALIC T. Intellectual capital in the hotel industry: a case study from Slovenia[J]. International Journal of Hospitality Management, 2007, 26(1): 188-199.

[12] 谢会强, 封海燕, 马昱. 空间效应视角下高技术产业集聚、技术创新对经济高质量发展的影响研究[J]. 经济问题探索, 2021,42(4): 123-132.

[13] MUKHERJI N,SILBERMAN J. Absorptive capacity, knowledge flows, and innovation in U.S. metropolitan areas[J]. Journal of Regional Science, 2013, 53(3): 392-417.

[14] KARLSEN A, LUND H B, STEEN M. The roles of intermediaries in upgrading of manufacturing clusters: enhancing cluster absorptive capacity[J]. Competition &Change, 2023, 27(1): 3-21.

[15] 王富强, 高畅, 张玲玲. 吸收能力视角下重大科技基础设施多主体协同创新演化博弈研究[J/OL]. 系统工程理论与实践,1-24[2024-12-19]. https://kns.cnki.net/kcms/detail/11.2267.N.20241218.1536.050.html.

[16] 刘友金, 张颖斌, 蔡翔. 从技术鸿沟到技术追赶: 数字经济发展效应研究——来自“一带一路”沿线国家的证据[J]. 经济研究, 2024, 59(11): 192-208.

[17] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-152.

[18] MOTOHASHI K, IKEUCHI K, YAMAGUCHI A. Absorptive capacity for science-based innovation propensity: an empirical analysis using Japanese national innovation survey[J]. The Journal of Technology Transfer, 2025, 50(4): 1325-1340.

[19] MOSER P. How do patent laws influence innovation? evidence from nineteenth-century world's fairs[J]. American Economic Review, 2005, 95(4): 1214-1236.

[20] 崔静, 程文. 知识产权保护赋能数字产业创新: 影响机理与空间效应[J]. 科技进步与对策, 2025, 42(8): 93-103.

[21] 周霞, 谌一璠, 王雯童. 知识产权保护水平、区域创新与产业升级[J]. 统计与决策, 2022, 38(16): 168-171.

[22] 徐扬, 韦东明. 城市知识产权战略与企业创新——来自国家知识产权示范城市的准自然实验[J]. 产业经济研究, 2021,20(4): 99-114.

[23] 柳毅, 赵轩, 杨伟. 数字经济对传统制造业产业链创新链融合的影响——基于中国省域经验的实证研究[J]. 浙江社会科学, 2023,39(3): 4-14, 156.

[24] 干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011,46(5):4-16,31.

[25] 贾卫峰, 李尚蓉, 王艺宁. 产业政策视角下数字技术对产业链与创新链融合的影响[J]. 科技进步与对策, 2024, 41(24): 72-84.

[26] 陈琦, 李风. 市场规模、要素集聚对区域创新能力的影响[J]. 统计与决策, 2023, 39(11): 100-105.

[27] 刘晔, 曾经元, 王若宇, 等. 科研人才集聚对中国区域创新产出的影响[J]. 经济地理, 2019, 39(7): 139-147.

[28] 胡凯, 吴清, 胡毓敏. 知识产权保护的技术创新效应——基于技术交易市场视角和省级面板数据的实证分析[J]. 财经研究, 2012, 38(8): 15-25.

[29] 张本秀, 吴福象. 机器人应用对产业链创新链融合的影响研究[J]. 经济与管理研究, 2024, 45(2): 21-40.

[30] 李万利, 刘虎春, 龙志能, 等. 企业数字化转型与供应链地理分布[J]. 数量经济技术经济研究, 2023, 40(8): 90-110.

[31] 张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长: 理论与中国实践[J]. 管理世界, 2020, 36(11): 48-62.

[32] JAFFE A B, TRAJTENBERG M, HENDERSON R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. The Quarterly Journal of Economics, 1993, 108(3): 577-598.

[33] XIA Y, XIE L L, CHEN X, et al. Artificial intelligence and corporate fraud: evidence from China[J]. Economic Analysis and Policy, 2025, 86: 1391-1408.

[34] 王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3): 793-810.

[35] 杜丹丽,简萧婕.区域数字创新生态系统韧性提升路径研究[J].科技进步与对策,2025,42(16):60-71.

[36] 白俊红, 卞元超. 政府支持是否促进了产学研协同创新[J]. 统计研究, 2015, 32(11): 43-50.

[37] COOKE P. Regional innovation systems: competitive regulation in the new Europe[J]. Geoforum, 1992, 23(3): 365-382.

[38] 陈博潮,王贤彬.创新网络、关键核心技术与研发资源配置——基于跨区域跨技术知识溢出网络模型[J/OL].数量经济技术经济研究,1-22[2025-07-12].https://doi.org/10.13653/j.cnki.jqte.20250709.001.

[39] 王文, 孙早. 中国地区间研发资源错配测算与影响因素分析[J]. 财贸经济, 2020,39(5): 67-83.

(责任编辑：张 悦)