中国省际知识产权保护空间关联网络研究

十九大报告明确提出“倡导创新文化，强化知识产权创造、保护、运用”。创新是从根本上打开增长之锁的钥匙，知识产权制度为弥补创新活动正外部性提供了有效的制度激励。一方面，知识产权制度能够鼓励企业研发创新，有利于新技术、新业态孕育与发展，从而推动全要素生产率提升；另一方面，知识产权制度实质上是政府为企业创新垄断的“背书”，限制了企业间在创新活动上的自由竞争。Chin & Grossman[1]指出，发展中国家提高知识产权保护力度会阻碍其模仿发达国家先进技术。当前，全球范围内的产业升级以及随之产生的产业链重构与贸易争端，要求我国必须从过去单纯的“模仿者”转变成为“创新者”乃至“引领者”。建立健全完善的知识产权制度，尤其是提高知识产权保护强度，在全社会形成良好的知识产权保护氛围，是我国全面深化自主创新必经之路。

在我国现有知识产权制度中，中央政府承担立法职责，地方政府则充当知识产权制度执行者角色。Mercurio[2]认为，中国知识产权保护执法的主要障碍来自地方政府。在地方政府层面，司法体系处理知识产权诉讼纠纷，行政体系则发挥行政保护作用。前者虽然执行力度大但处理周期长、投入资源多，而后者虽然反应迅速但却受制于地方政府的政策取向。正如前述发达国家与发展中国家对知识产权保护的倾向不同一样，地方政府由于经济发展水平不同，也同样会考虑知识产权制度的两面性，进而根据地区发展需要有选择地开展知识产权保护执法程序。因此，中国不同地区知识产权保护程度不同，存在典型的空间异质性。此外，知识产权保护在不同地区间可能存在空间关联性。一方面，对于地理邻近地区，知识产权保护策略至少存在3种关联形式：一是“强强联合”。即各相邻地区竞相提升知识产权保护水平乃至进行跨区域保护以维护地区内企业利益；二是“强弱并存”。某一地区技术创新能力强劲，知识产权保护水平高，但邻近地区为享受知识产权溢出效应，采取较弱的知识产权保护政策，使得本地区企业进行技术学习与模仿；三是“囚徒困境”。邻近地区经济发展水平都相对滞后，均希望享受知识产权溢出效应，而不愿通过自身对知识产权保护水平的提升而间接损害地区内企业利益。另一方面，即便地理上并非邻近关系，不同地区知识产权保护也可能存在空间关联性。技术升级换代与产业链分工细化促使企业创新必须兼顾产业上下游，是一种跨区域开放式创新。这就促使知识产权保护薄弱地区向知识产权保护良好地区学习，从而形成空间关联关系。

考虑到知识产权保护在空间上的关联性，本文利用2007-2017年中国内地30个省份(西藏因数据缺失未纳入统计)样本数据，运用主成分分析法测算中国省际知识产权保护强度指标，并借助引力模型识别中国省际知识产权保护的空间关联关系。在此基础上，借助社会网络分析方法，全面分析中国省际知识产权保护空间关联网络结构，揭示中国省际知识产权保护空间关联网络整体特征，各板块在关联网络中的地位、作用、角色以及板块间的关联机制及传导路径，从而为中国知识产权保护制度完善尤其是促进跨区联动的知识产权保护提供参考。

本文研究发现：首先，中国省际知识产权保护强度呈现显著的地区差异，且各省份间的知识产权保护强度并非独立存在；其次，中国省际知识产权保护空间关联呈现出典型的网络结构形态，网络连通性较好且不存在明显等级性，但空间关联关系紧密程度有待加强；再次，不同省份由于经济发展水平和地理位置不同，在中心性分析中表现迥异；最后，中国省际知识产权保护空间关联网络不可分割，不同板块在知识产权保护方面相互依赖，营造了一个信息互通的良好平台。

1 文献综述

合理测度知识产权保护强度是研究知识产权保护的前提。在国外早期研究中，Rapp & Rozek[3]将知识产权保护水平分为5个不同等级，并用0～5间的整数表示知识产权保护水平高低，即Rapp-Rozek指数(RR指数)。Ginarte & Park[4]在RR指数的基础上，将度量知识产权保护水平的指标分为5个类别，每个类别又包含若干个度量指标。通过对度量指标进行赋值和计算，构建了Ginarte-Park指数(GP指数)。RR指数和GP指数为知识产权保护定量研究奠定了基础，但二者的局限性在于，缺乏对知识产权保护执法效果的足够重视。对于发达国家，由于其在知识产权保护方面有着丰富的司法经验和执法经验，法律落实效果好，因此RR指数和GP指数可以有效度量其知识产权保护水平。然而，在发展中国家，特别是正处于转型期的中国，由于知识产权保护立法工作起步晚，司法和执法流程还有待进一步完善， RR指数和GP指数并不能很好地反映中国知识产权保护的真实情况。

考虑到中国特殊的法制环境，国内学者近年来也进行了很多有益的探索和讨论。韩玉雄和李怀祖[5]在GP指数的基础上，从社会法制化程度、法律体系完备程度、经济发展水平和国际社会监督与制衡机制4个方面引入“执行效果”，并将其与GP指数相乘，测算中国1984-2002年的整体知识产权保护水平；姚利民和饶艳[6]在GP指数的基础上，从社会法制化程度、政府执法态度、相关服务机构配备和社会知识产权保护意识4个方面引入“执行效果”，对GP指数进行修正，并利用修正指标度量中国以及各省份知识产权保护水平；宗庆庆等[7]从知识产权执法力度、民众知识产权保护意识、知识产权被侵害程度和律师知识产权保护意识4个维度，采用主成分分析法测算执法因子，将其与GP指数相乘，构建了中国省级知识产权保护指数；龙小宁等[8]从立法制规保护、司法保护、行政保护3个维度对中国省际知识产权保护进行全面衡量；胡海青等[9]从司法保护水平、知识产权保护执法力度、知识产权中介机构发展情况、知识产权市场规范化程度、知识产权保护社会意识5个维度，采用主成分分析法构建了中国各省份知识产权保护指数。

知识产权保护指数一旦构建，其“镜子”作用即可凸显。姚利民和饶艳[6]揭示中国知识产权保护的地区差异性，并分析了存在地区差异的内在原因；徐清[10]发现，知识产权保护在不同省份间具有显著非均衡性、空间异质性和空间相关性，相邻省份呈现出“高保护强度—强相关”、“高低相间—强相关”以及“低保护程度—强相关”等模式，并探究了中国知识产权保护影响因素。类似地，伦婉晴等[11]对各区域知识产权产品水平进行分析发现，一个地区知识产权产品发展与周围地区知识产权产品发展存在正相关空间关联特征；曹薇等[12]发现，在地理邻近视角下省际知识产权保护具有空间相关性和空间集聚特征。

上述文献在知识产权保护研究方面奠定了重要基础，但仍存在以下局限性：①已有研究基于空间计量经济学方法，对中国不同地区知识产权保护空间关联进行了有效验证，但其均基于地理位置“邻近”或经济社会特征“相近”视角，仅揭示少量空间关联关系。实际上，中国不同地区知识产权保护可能是一种具有多线程的空间关联关系的复杂网络结构，有必要从更大范围、更广空间视角对各地区共同构成的复杂空间关联网络进行全面刻画；②在验证空间关联性及测度空间关联程度时所使用的Moran' s I指数等统计指标，只能给出所有地区的全局相关程度，不能充分反映每个地区在空间关联网络中的地位、作用和角色，也不足以综合诠释中国不同地区知识产权保护空间关联产生的内在原因和机制；③现有研究均基于“属性数据”而非“关系数据”，无法准确刻画知识产权保护空间关联关系的网络结构特征。考虑到已有文献的局限性，本文运用主成分分析法，从知识产权执法因子、民众知识产权保护意识、知识产权市场规范化程度、财政支持力度、教育程度、司法保护水平6个维度测算中国省际知识产权保护强度，并借助引力模型识别中国省际知识产权保护的空间关联关系。在此基础上，通过社会网络分析方法，主要从整体网络特征、中心性分析、块模型分析(空间聚类分析)3个方面对2007-2017年中国内地30个省份的空间关联网络络进行全面分析。

2 研究设计

2.1 知识产权保护强度测算

本文选取知识产权执法因子、民众知识产权保护意识、知识产权市场规范化程度、财政支持力度、教育程度、司法保护水平6个维度构建中国省际知识产权保护强度指标。具体如下：

(1)知识产权执法因子。地方保护主义是我国知识产权保护面临的主要障碍[2]，知识产权结案率可以一定程度上体现地方行政机构与司法机构的办案能力和办案效率[10]。本文选取知识产权结案率作为司法层面的代理量，用专利侵权纠纷累计结案数与专利侵权纠纷累计立案数的比值衡量。

(2)民众知识产权保护意识。姚利民和饶艳[6]的研究表明，知识产权保护意识提高增强了民众用专利制度保障自身创新成果的信心，知识产权保护意识主观驱动促进专利申请，有利于形成一个良性循环。本文用人均专利申请代理量度量民众知识产权保护意识。

(3)知识产权市场规范化程度。Grossman & Lai[13]的研究证实，市场规模对知识产权保护强度存在正向影响。本文用技术市场成交额与地区生产总值的比值衡量知识产权市场规范化程度。该比值越高，证明该地区知识产权市场交易越规范，从侧面反映出地方政府对知识产权保护的重视力度。

(4)财政支持力度。地方政府在知识产权保护法律体系中扮演着重要角色，而财政支持力度直观反映其在知识产权保护方面的态度。一方面，由于知识产权投入周期长、风险高，而地方政府官员任期相对较短，加之知识产权投入具有显著正向空间溢出效应[14]，某些地区就会自然缩减在科学技术研究等与知识产权相关领域的直接财政支出；另一方面，政府补贴激励企业提高技术水平，继而有利于提升地区科技创新能力[15-16]，政府愿意通过财政支出或税收减免等手段促进企业加强知识产权投入，继而促进企业发展，为地区生产总值助力。最近一项研究表明，财政支出偏向显著促进区域技术创新水平提升，且财政支出偏向存在策略互动行为[17]。因此，本文用地方财政科学技术支出占地方财政一般预算支出的比值衡量地方财政在知识产权制度上的支持力度。

(5)教育程度。代中强和张二震[18]的研究表明，教育水平对发展中国家知识产权保护水平提升具有显著影响。因此，本文用普通高等学校在校学生数与总人口数的比值度量民众受教育程度。

(6)司法保护水平。徐春明和单晓光[19]的研究表明，专职律师人数占总人口的比重能够很好地度量社会法治化程度。律师专职人员数占比越大，司法保护水平越高。本文用律师专职人员数与总人口数的比值度量司法保护水平。

本文选取2007-2017年中国内地30个省份上述6个维度指标测算中国省际知识产权保护强度。其中，与专利相关的数据来源于国家知识产权局定期报告；各省份经济、人口、教育及财政等相关数据来源于国家统计局网站；专职律师人数数据手工搜集于《中国律师年鉴》(2007-2011、2013年)、《中国社会统计年鉴》(2014-2017年)以及各省统计年鉴(2012年)。

基于以上6个维度指标数据，本文参考宗庆庆等(2015)的研究方法，运用主成分分析法将其最终合并成一个可以衡量知识产权保护强度的综合指标。在运用主成分分析法测度地区知识产权保护程度时，为避免不同指标量纲的影响，本文对所有维度指标进行标准化处理。

2.1.4 全局空间相关性检验

其中，

表示省份i的知识产权保护强度，N为省份总数，Wij为一阶地理邻接矩阵的矩阵元素。Moran' s I取值范围为[-1,1]，正值表示空间正相关；负值表示空间负相关；零表示不存在空间相关，即处于随机空间分布状态。

2.2 知识产权保护空间关联关系识别

现有文献一般采用格兰杰因果检验和引力模型两种方式确定变量间的关系。由于前者对滞后阶数选择过于敏感，为确保网络结构特征刻画的准确性，同时将经济地理因素纳入考量。本文参考刘华军等[24]的做法，借助引力模型识别中国省际知识产权保护强度空间关联关系，具体模型形式如式(2)所示。

式(2)中，i,j分别表示省份i和省份j；mij表示省份i和省份j知识产权保护强度间的引力； Pi,Pj分别表示省份i和省份j的年末总人口数；Zi,Zj分别表示省份i和省份j的知识产权保护强度；Gi,Gj分别表示省份i和省份j的地区生产总值；gi,gj分别表示省份i和省份j的人均地区生产总值；kij表示省份i在省份i,j之间知识产权保护关系中的贡献率；Dij表示省份i和省份j省会城市间的距离，可由ArcGIS计算得到。为消除价格因素对地区生产总值的影响，本文将地区生产总值按照2007年=100进行平减。

从式(2)可知，引力模型刻画的是任意两个省份知识产权保护强度间的引力大小。根据引力模型，可以计算得到中国省际知识产权保护强度引力矩阵。其中，mij对应引力矩阵中第i行和第j列元素。根据引力矩阵，本文进一步构建关系矩阵。关系矩阵维数与引力矩阵相同，元素取值为0或者1。如果引力矩阵中的元素mij大于该元素所在行的平均值，则关系矩阵第i行和第j列元素赋值为1，表示第i行省份对第j列省份的知识产权保护具有溢出效应。据此，在两个省份之间刻画一条由第i行省份指向第j列省份的有向连线；反之，则关系矩阵对应元素赋值为0，表示第i行省份对第j列省份的知识产权保护不存在溢出效应。

2.3 社会网络分析

本文主要从以下3个维度进行社会网络分析：

(1)整体网络特征。本文选取网络密度、网络关联度、网络等级度和网络效率4个指标对中国省际知识产权保护整体网络特征进行刻画。网络密度反映关联结构的紧密性，网络密度越大，省际知识产权保护间空间关联关系越紧密，知识产权保护空间关联网络结构对各省知识产权保护水平产生的影响越大。网络关联度反映空间关联网络的稳健性，若某一省份在网络中与其它多个省份存在连接，表明该省份对整个网络结构的影响大，知识产权保护空间关联网络结构对该省份依赖性强。一旦排除该省份，对整个网络将造成巨大破坏。若网络关联度等于1，表明所有省份均处于整体网络当中，网络稳健性较强，否则至少存在一个省份游离于整体网络之外，网络缺乏稳健性。网络等级度反映网络结构中各省份之间能够非对称可达的程度。网络等级度越高，各省份间等级结构严密程度越高，各省份在知识产权保护空间关联网络中的地位差异越大。网络效率能够体现各省份在网络结构中的连接效率。网络效率越低，说明省份间连线越多，各省知识产权保护间的联系越紧密，空间关联网络稳定性也越高，各省知识产权保护越容易通过知识产权保护空间关联渠道流动。

(2)中心性分析。中心性是社会网络分析的重点，刻画了个人或组织在社会网络中所处的地位。本文选取点度中心度、中介中心度和接近中心度对中国省际知识产权保护网络指标中心性进行分析。点度中心度反映各省在空间关联网络结构中联系的紧密程度，可用各省在网络中的连线数衡量其是否处于中心地位。点度中心度高，意味着该省在知识产权保护空间关联网络中与其它省的联系多，在网络中居于中心地位。中介中心度反映一省控制其它省份间关联性的程度。中介中心度越高，说明该省越能够在很大程度上影响其它省份知识产权保护间的相互行为，该省份越可能处于整个网络中心地位。接近中心度体现了知识产权保护空间关联网络中省份在知识产权保护过程中在多大程度下“不受其它省份控制影响”。一省份接近中心度越高，其在网络中与其它省份间就有更多的直接关联，这一省份就越有可能成为网络中心行动者。

(3)块模型分析(空间聚类分析)。块模型旨在对各位置(块)在网络中的角色进行分析，从而揭示中国省际知识产权保护空间关联网络内部结构及形态，从新维度刻画网络发展状况，确定知识产权保护空间关联网络中板块个数，明确各板块所包含的省份，继而判断板块间的联系，确定其间的联接方式。一般而言，空间关联网络中的板块可分为以下4种类型：一是主受益角色。该板块成员内部关系比例大，接收来自其他板块成员关系的同时，也接收板块内部成员发起的关系，总体接收来自板块外部关系的数量较多，远多于其向板块外部发出的关系数；二是净溢出角色，该板块内部成员间的内部关联关系相对较少，同时接收少量来自其他板块成员的关系，主要向其它板块发出关系；三是双向溢出角色，该板块成员向板块内部发出关系的同时，也向其他板块成员发出关系，但接收来自其他板块成员的关系极少；四是经纪人角色，该板块内部成员间关联关系比例低，主要以接收其它板块和向其它板块发出关联关系为主，在空间关联网络中发挥桥梁作用。Wasserman & Faust[26]指出，在考察板块关系时，还需要分析各板块的规模。假设总体中含有g个成员，板块Bk有gk个成员，那么板块Bk内部可能具有的关系总数有gk(gk-1)个，板块Bk各个成员所有可能的关系总数有gk(g-1)个。因此，一个板块总关系的期望比例为(gk(gk-1))/(gk(g-1))=(gk-1)/(g-1)。根据这一比例，基于板块内部与板块间关系可划分成4种板块，具体见表1。

3 中国省际知识产权保护时空分布与空间相关性

3.1 中国省际知识产权保护时空分布

根据前文介绍的方法，测算2007-2017年中国内地30个省份知识产权保护强度，其结果见表2。

为更直观地了解中国省际知识产权保护时空分布，本文按照国家统计局对东部、西部、中部和东北地区的划分方式，将这四大经济地带2007-2017年知识产权保护强度平均值变化情况列示于图1中。图1显示，东部地区知识产权保护强度领先全国，且整体保持平稳增长态势；东北地区知识产权保护情况虽优于中西部地区，但近年呈现下降趋势，情况不容乐观；中西部地区在2010年后进入下行区间，近年来波动回升。

以2017年为例，图2展示了中国省际知识产权保护强度空间分布情况。囿于数据缺失，本文不考虑西藏自治区以及港澳台的知识产权保护情况，因此上述地区设置为白色。颜色越深，表明知识产权保护强度越高。从图2可以看出我国知识产权保护存在“孔雀东南飞”现象，即东部地区、沿海地区知识产权保护强度最高，中西部地区与之存在显著差距。

3.2 中国省际知识产权保护全局空间相关性

本文通过ArcGIS软件空间统计分析工具计算2007-2017年中国省际知识产权保护强度全局Moran's I值，基于地理位置邻近视角衡量其空间自相关程度，即检验知识产权保护强度指标与其空间分布是否相关，结果如表3所示。由表3可知，2007-2017年中国省际知识产权保护强度全局Moran' s I值均大于0，值均大于1.65，且二者均处于平稳上升状态，对应值始终远小于0.05。这说明，中国省际知识产权保护强度空间存在一定的分布规律，不是随机产生的，具有空间集聚特征，即知识产权保护程度强(弱)地区接近于其它保护程度强(弱)的区域。

4 中国省际知识产权保护强度社会网络分析

4.1 整体网络结构特征分析

本文基于引力模型，识别2007-2017年中国省际知识产权保护空间关联关系，得到关系矩阵。以2017年为例，本文利用UCINET可视化工具Netdraw绘制如图3所示的中国省际知识产权保护空间关联网络图。图3显示，中国省际知识产权保护空间关联呈现出典型的网络结构形态。知识产权保护在各省份间并非独立存在，具有明显的空间关联性。

图4展示了2007-2017年中国省际知识产权保护整体网络特征演变趋势。由图4可知，2007-2017年中国省际知识产权保护空间关联关系总数浮动较大，呈现出先增加后下降的变化趋势。30个省份间可能存在的最大关系数为870，但基于引力模型识别出来的实际空间关联关系总数在2007年只有221，2011年上升至370，2017年又回落至245。从空间关联关系数目看，中国省际知识产权保护空间关联关系紧密程度不高，说明中国省际知识产权保护空间关联还存在较大的上升空间。中国省际知识产权保护空间关联网络密度变化同样呈现类似趋势。2007年网络密度是0.254 0，2011年达到极大值0.425 3，2017年回落至0.281 6，说明中国省际知识产权保护空间关联关系不稳定，一旦超过网络容纳能力，将会降低知识产权保护信息流通效率。因此，在加大省际知识产权保护联系的同时，需将网络密度维持在一个合理范围，优化知识产权保护空间关联网络结构。网络效率测度结果表明，中国省际知识产权保护空间关联网络效率在样本考察期内波动较大，基本在0.5上下浮动，表明中国省际知识产权保护空间关联网络中存在较多的冗余连线，具有显著多重叠加效应，网络连通性较高。此外，2007-2017年中国省际知识产权保护网络关联度均为1，表明中国所有省份均处于知识产权保护空间关联网络中，不存在孤立省份。2007-2017年中国省际知识产权保护网络等级度均为0，表明中国省际知识产权保护空间关联网络中各省份间不存在明显的等级性，在各层次上的知识产权保护均有可能对其它省份产生溢出效应。

4.2 中心性分析(2017)

本文从关系角度出发，以2017年为例，通过点度中心度、中介中心度、接近中心度等指标对中国省际知识产权保护空间关联网络进行中心性分析，考察各省份在知识产权保护空间关联网络中的权力和地位。表4为2017年中国省际知识产权保护空间关联网络中心性测度结果。

(1)由点度中心度测度结果可知，全国内地30个省份点度中心度均值为47.581，9个高于这一均值的省市分别为北京、山西、上海、江苏、福建、海南、浙江、广东和天津。这些省份在知识产权保护空间关联网络中与其它省份联系较多，存在显著空间溢出效应，在中国省际空间关联网络中处于中心地位。新疆、河北、云南、四川、广西、湖南、河南、江西、安徽、内蒙古点度中心度位于全国最后10位，说明这些省份与其它省份间的知识产权保护联系较少，关系数较少。这主要是因为，这些省份地处偏远或者为内陆省份，经济规模相对较小，导致知识产权保护与其它省份间的空间关联较弱。进一步，测算出表4中点出度和点入度。以此为依据，全国内地30个省份的点出度均值为8.167，5个大于该值的省份分别是福建、海南、山西、北京、江苏，上述省份影响其它省份知识产权保护水平的程度较高。全国内地30个省份的点入度均值为8.167。其中，北京和江苏点出度和点入度均远高于全国平均水平，这两个省份为经济高度发达地区，知识产权保护市场庞大，对外溢出的同时也对其它省份存在依赖。

(2)由中介中心度测度结果可知，全国内地30个省份中介中心度均值为1.872，有7个省份高于这一数值，按数值高低排列依次是北京、山西、上海、江苏、福建、海南、浙江。上述省份作用十分重要，在知识产权保护空间关联网络中为关键节点，有较强能力控制其它省份间的知识产权保护交流，处于核心地位并发挥重要的“中介”和“桥梁”作用。此外，2017年中国省际知识产权保护空间关联网络中介中心度总量为56.157，中介中心度低于均值的省份数值基本小于0.1，合计只占总量不到4%的比例，基本为经济发展水平有待提升或者地理位置相对偏远省份，控制和支配知识产权保护空间关联网络中其它省份的能力较弱。可见，各省份在知识产权保护空间关联网络中中介中心度数值参差不齐，非均衡特征鲜明。

(3)由接近中心度的测度结果可知，全国内地30个省份接近中心度均值为68.747，有9个省份高于均值，包括北京、山西、上海、江苏、福建、海南、浙江、广东、天津。上述省份在知识产权保护空间关联网络中与其它省份距离较近，容易与其它省份在传递信息方面发生直接关联，在空间关联网络中居于中心地位，发挥着中心行动者的作用。上述省份大多都是经济发展水平高的省份，知识产权保护基础好、水平高、信息集散程度高、信息流动较快。接近中心度数值最后10位由高到低为新疆、河北、云南、四川、广西、湖南、河南、江西、安徽、内蒙古，可见，受经济发展水平和地理位置因素的限制，这些省份在知识产权保护空间关联网络中积极主动性不够，扮演着边缘行动者的角色。

4.3 块模型分析

本文采用UCINET软件中的CONCOR模块，以最大分割深度为2、集中度为0.2的标准，结合2017年各节点接收、发出的关系总数，以及期望内部关系比例和实际内部关系比例大小，对中国省际知识产权保护整体网络进行板块划分，即聚类分析，以揭示中国各省份在知识产权保护空间关联网络中的聚类特征。结果显示，第一板块成员有2个，即北京和福建；第二板块成员有23个，包括天津、陕西、内蒙古、河北、吉林、黑龙江、上海、云南、湖南、安徽、辽宁、江西、山东、河南、湖北、青海、重庆、广西、贵州、四川、甘肃、宁夏、新疆；第三板块成员有2个，包括海南和山西；第四板块成员有3个，包括广东、江苏和浙江。根据前文测算结果，在2017年知识产权保护整体空间关联网络中共存在245个关联关系。板块内部间有46个关系数，占关系总数的18.78%。四个板块间有199个关系数，占关系总数的81.22%。结果表明，中国省际知识产权保护空间溢出效应主要以板块间溢出为主。

表5为中国省际知识产权保护板块间空间关联关系。由表5可知，第一板块(2个成员)内部关系总数为2，向其它板块发出关系数为50，接受来自其它板块的关系数为28，期望内部关系比率为3.45 %，实际内部关系比例为3.85%。该板块内部成员相互间均存在双向空间溢出关系，并且向其它板块发出的关系数远多于接收其它板块成员的关系数。根据前文定义，该板块为“双向溢出”板块，在保证自身知识产权保护发展的同时还影响其它板块的知识产权保护水平。

第二板块(23个成员)内部关系总数为40，向其它板块发出关系数为74，接受来自其它板块的关系数为103，期望内部关系比率为75.86%，实际内部关系比例为35.09%。该板块内部成员间相互影响的关联关系较少，占比相对较低，主要受其它板块的影响，并向其它板块发出关联关系。根据前文定义，该板块为“经纪人”板块，在知识产权保护空间关联网络中发挥中介作用。

第三板块(2个成员)内部关系总数为2，向其它板块发出关系数为50，接受来自其它板块的关系数为10，期望内部关系比率为3.45%，实际内部关系比例为3.85%。与第一板块相似，该板块内部成员相互间均存在双向空间溢出关系，并且接受来自其它板块成员的关系数较少，数量明显低于向其它板块发出的关系数。根据前文定义，该板块对板块内外的知识产权保护均有影响，产生了溢出效应，也为“双向溢出”板块。

第四板块(3个成员)内部关系总数为2，向其它板块发出关系数为25，接受来自其它板块的关系数为58，期望内部关系比率为6.90%，实际内部关系比例为7.41%。该板块内部关系比例大，受板块外部影响较大，接收来自板块外部的关系较多，数量远多于它向板块外部发出的关系数。根据前文定义，该板块为“主受益”板块。该板块成员中浙江与福建相邻，江苏则承接了上海及北京一些对知识产权保护要求较高的信息产业的转移，该板块成员具有“近水楼台先得月”的先天优势，很容易受到知识产权保护程度高地区的影响与带动，从而间接获益。

为更好地考察中国省际知识产权保护空间关联板块间的关系，本文依据表5中各板块间的关联关系分布情况，通过计算得出各板块网络密度矩阵，结果如表6所示。密度矩阵可用来描述中国省际知识产权保护溢出效应分布情况，矩阵数值越大，溢出效应越明显。依前文计算，2017年中国省际知识产权保护空间关联网络密度为0.281 6，4个板块中只需任意一个板块网络密度大于该值，就可以认为板块网络密度大于整体网络密度，则该板块密度水平高于整体水平，具有在该板块集中的趋势。

本文将表6密度矩阵中矩阵元素大于整体网络密度的赋值为1，小于整体网络密度的赋值为0，进一步得到中国省际知识产权保护空间关联板块的像矩阵。像矩阵可以更清晰地展现出各省份知识产权保护板块内及板块间的溢出效应，结果如表7所示。由表7可知，中国省际知识产权保护空间关联网络存在显著的板块内外空间溢出效应。具体而言，第一板块自身内部对其它板块存在较为显著的知识产权保护关联关系，在省际知识产权保护空间关联网络中发挥主导优势，充当全国知识产权保护空间关联网络中的发动机。第二板块在第一板块与第四板块省际知识产权保护空间关联网络中充当了“桥梁”作用。与第一板块相似，第三板块对自身内部存在着知识产权保护关联关系，对第一板块和第二板块知识产权保护的空间关系影响也很显著。第四板块主要接受来自第一板块和第二板块的空间溢出关系。综上可见，中国省际知识产权保护空间关联网络不可分割，不同板块在知识产权保护方面相互依赖，营造了一个信息互通的良好平台。

5 结论与建议

5.1 研究结论

本文运用主成分分析法，从知识产权执法因子、民众知识产权保护意识、知识产权市场规范化程度、财政支持力度、教育程度和司法保护水平6个维度对中国省际知识产权保护强度进行测算，并借助引力模型识别中国省际知识产权保护空间关联关系，在此基础上通过社会网络分析方法，从整体网络特征、中心性分析、块模型分析(空间聚类分析)3个方面对2007-2017年中国内地30个省份空间关联网络进行深入分析。结果发现：①中国省际知识产权保护强度呈现显著地区差异，且各省份间的知识产权保护强度并非独立存在，具有空间集聚特征；②中国省际知识产权保护空间关联呈现出典型的网络结构形态，网络连通性较好且不存在明显的等级性，但空间关联关系紧密程度有待加强；③不同省份由于经济发展水平和地理位置等不同在中心性分析中表现迥异。具体而言，北京、山西、上海、江苏、福建、海南、浙江、广东和天津9个省份在知识产权保护空间关联网络结构中处于相对中心位置，而新疆、河北、云南、四川、广西、湖南、河南、江西、安徽和内蒙古等省份中心性相对滞后；③本文块模型分析结果显示，第一板块成员有2个，即北京和福建，为“双向溢出”板块；第二板块成员有23个，由天津、陕西、内蒙古、河北、吉林、黑龙江、上海、云南、湖南、安徽、辽宁、江西、山东、河南、湖北、青海、重庆、广西、贵州、四川、甘肃、宁夏、新疆构成，为“经纪人”板块；第三板块成员有2个，包括海南和山西，为“双向溢出”板块；第四板块成员有3个，包括广东、江苏和浙江，为“主受益”板块。中国省际知识产权保护空间关联网络不可分割，不同板块在知识产权保护方面相互依赖，营造了一个信息互通的良好平台。

5.2 建议

基于以上研究结论，本文提出如下建议：①针对中国知识产权保护强度呈现的“孔雀向南飞”现象，本文建议中国中西部地区应通过完善执法流程、提高司法效率、吸引并妥善安置高技术人才等方式加大知识产权保护政策与资金投入，提高本地区知识产权保护水平，缩小与东部地区的悬殊差距；②考虑到中国省际知识产权保护空间关联关系紧密程度有待加强，建议中国各省份间尤其是经济与地理联系密切省份间应充分重视跨区域知识产权保护工作，加强省际之间在司法、执法乃至政策制定方面的协调联动；③针对中心性分析和块模型分析，建议注重东部地区尤其是北京、上海、福建、江苏、广东和浙江等省份知识产权保护经验向中西部地区的转移与运用，发挥知识产权保护工作表现突出省份的带动作用，避免走入过去只注重产业引进不重视知识产权保护强度实质提升的误区。

5.3 研究不足与展望

本文存在如下不足：一是受限于数据可得性，知识产权保护指数仅更新至2017年，未能及时反映各省份知识产权保护新进展；二是由于篇幅所限，本文政策建议主要基于各省份在中国省际知识产权保护空间关联网络中所处角色的共性特征，未能充分考虑各省份及省份内部异质性从而提出更具针对性的建议。未来研究可从以下两方面改进：一是完善中国省际知识产权保护指数，构建更为全面并能够及时反映现实状况的综合指数；二是聚焦于不同城市间知识产权保护空间关联网络结构，随着长江经济带发展战略、长三角一体化战略以及粤港澳大湾区战略等多个国家层面发展战略的不断提出，针对这些区域进行更为微观的研究，助力区域知识产权保护水平提升。

[1] CHIN J C, GROSSMAN G M.Intellectual property rights and north-south trade[J].Social Science Electronic Publishing, 1988, 13: 87-92.

[2] MERCURIO B C.The protection and enforcement of intellectual property in china since accession to the WTO: progress and retreat[J].Social Science Electronic Publishing, 2012, 1(2): 23-28.

[3] RAPP R T, ROZEK R P.Benefits and costs of intellectual property protection in developing countries[J].Journal of World Trade, 1990, 24: 75-102.

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

[5] 韩玉雄, 李怀祖.关于中国知识产权保护水平的定量分析[J].科学学研究, 2005, 23(3): 377-382.

[6] 姚利民, 饶艳.中国知识产权保护的水平测量和地区差异[J].国际贸易问题, 2009(1): 114-120.

[7] 宗庆庆, 黄娅娜, 钟鸿钧.行业异质性、知识产权保护与企业研发投入[J].产业经济研究, 2015(2): 47-57.

[8] 龙小宁, 易巍, 林志帆.知识产权保护的价值有多大——来自中国上市公司专利数据的经验证据[J].金融研究, 2018(8): 120-136.

[9] 胡海青, 王钰, 魏薇.网络联结、知识产权保护与创新绩效[J].科技进步与对策, 2018, 35(23): 1-8.

[10] 徐清.知识产权保护强度的空间分布及其决定因素——基于31个省(市)面板数据的空间计量研究[J].世界经济研究, 2013(9): 23-29+87.

[11] 伦婉晴, 王斌会, 李雄英.基于空间视觉的中国区域知识产权产品发展收敛性分析[J].科技管理研究, 2016, 36(7): 154-160.

[12] 曹薇,薛秋霞,苗建军.区域知识产权保护发展的空间格局及结构体系研究[J].科技进步与对策, 2019, 36(14): 38-45.

[13] GROSSMAN G M, LAI E.International protection of intellectual property[J].Papers, 2001, 96(1): 456-456.

[14] 杨明海, 张红霞, 孙亚男,等.中国八大综合经济区科技创新能力的区域差距及其影响因素研究[J].数量经济技术经济研究, 2018, 35(4): 3-19.

[15] SZCZYGIELSKI K, GRABOWSKI W, PAMUKCU M T, et al.Does government support for private innovation matter? firm-level evidence from two catching-up countries[J].Research Policy, 2017, 46(1): 219-237.

[16] 吴非, 杨贤宏, 龙晓旋, 等.地方税收真的会抑制区域创新吗——基于政府行为视角下的非线性门槛效应研究[J].经济评论, 2018(4): 84-100+145.

[17] 肖叶, 邱磊, 刘小兵.地方政府竞争、财政支出偏向与区域技术创新[J].经济管理, 2019, 41(7): 20-35.

[18] 代中强, 张二震.经济发展、外部约束与知识产权保护的实证研究[J].中国软科学, 2011(4): 54-67.

[19] 许春明, 单晓光.中国知识产权保护强度指标体系的构建及验证[J].科学学研究, 2008(4): 715-723.

[20] 吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究[J].数量经济技术经济研究, 2006(5): 74-85+130.

[21] 胡霞, 魏作磊.中国城市服务业发展差异的空间经济计量分析[J].统计研究, 2006(9): 54-60.

[22] 吴玉鸣, 何建坤.研发溢出、区域创新集群的空间计量经济分析[J].管理科学学报, 2008, 11(4): 59-66.

[23] 李林, 丁艺, 刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究, 2011(5): 113-123.

[24] 刘华军, 刘传明, 孙亚男.中国能源消费的空间关联网络结构特征及其效应研究[J].中国工业经济, 2015(5): 83-95.

[25] 刘军.整体网分析——UCINET软件使用指南(第2版)[M].上海：格致出版社，2014.

[26] WASSERMAN S,FAUST K.Social network analysis:methods and applications[M].Cambridge: Cambridge University Press, 1994.