徐 晟, 徐 媛, 趙惠芳

(合肥工業(yè)大學(xué)管理學(xué)院,安徽合肥 230009)

0 引 言

自主創(chuàng)新能力的強弱體現(xiàn)了一個國家和地區(qū)的科技發(fā)展水平,也是決定一個國家和地區(qū)的綜合競爭力的關(guān)鍵因素[1,2]。為更好地促進區(qū)域的技術(shù)進步和自主創(chuàng)新,研究區(qū)域自主創(chuàng)新的影響因素,并在區(qū)域自主創(chuàng)新評價指標體系的基礎(chǔ)上找出合適的評價模型進行評價,對區(qū)域的自主創(chuàng)新發(fā)展和提高區(qū)域自主創(chuàng)新能力,具有深遠的理論和實踐意義。

國內(nèi)外學(xué)者的研究表明,專利活動與創(chuàng)新關(guān)系密切,而且多年來專利標準客觀、變化緩慢,是衡量創(chuàng)新活動相當可靠的指標,發(fā)明專利申請量是評價區(qū)域自主創(chuàng)新輸出的主要度量之一[3],而專利到來可以被認為是一種遵循泊松分布的生產(chǎn)函數(shù),泊松分布模型是最基本、最典型的發(fā)明專利的評價模型[4,5],也是區(qū)域自主創(chuàng)新評價模型之一。但在處理具體樣本數(shù)據(jù)時,需要考慮樣本之間的差異性來改進泊松模型。我國各省市的經(jīng)濟基礎(chǔ)、區(qū)域文化及區(qū)域創(chuàng)新體系等各有差異,在運用泊松模型時應(yīng)該考慮到這些差異性,需要對泊松模型進行進一步改進。

本文在建立區(qū)域自主創(chuàng)新評價指標體系的基礎(chǔ)上,分析泊松分布評價模型的不足,構(gòu)建了負二項分布的區(qū)域自主創(chuàng)新的評價模型,并將其應(yīng)用于我國區(qū)域自主創(chuàng)新的評價上。通過實驗和討論,說明了該模型在對我國區(qū)域自主創(chuàng)新的評價是可行和有效的。

1 區(qū)域自主創(chuàng)新評價的指標體系設(shè)計

(1)區(qū)域自主創(chuàng)新評價指標體系。區(qū)域自主創(chuàng)新的影響因素很多,國內(nèi)外學(xué)者主要從區(qū)域的創(chuàng)新基礎(chǔ)設(shè)施水平、企業(yè)的創(chuàng)新投入、政府對創(chuàng)新的管理和組織及區(qū)域內(nèi)產(chǎn)學(xué)研聯(lián)系程度等幾個方面進行研究[6-8]。

提供完善的創(chuàng)新基礎(chǔ)設(shè)施有助于區(qū)域內(nèi)企業(yè)提高技術(shù)能力,促進社會經(jīng)濟科技水平提高,對區(qū)域自主創(chuàng)新有極其重要的意義。區(qū)域的創(chuàng)新基礎(chǔ)設(shè)施水平主要通過區(qū)域內(nèi)的經(jīng)濟基礎(chǔ)、教育條件和創(chuàng)新資源積累來體現(xiàn);在區(qū)域自主創(chuàng)新中,企業(yè)是決策主體,也是投資主體,更是促進科技成果轉(zhuǎn)化和應(yīng)用的主體,在建設(shè)創(chuàng)新型企業(yè)和創(chuàng)新型區(qū)域的過程中,企業(yè)的創(chuàng)新投入具有重要作用。

企業(yè)的投入主要通過企業(yè)的人力資源和財力投入反映;高校和科研機構(gòu)是新知識的締造者,是創(chuàng)新的源頭。在世界范圍內(nèi),技術(shù)創(chuàng)新的主體是企業(yè),但人類已經(jīng)進入新經(jīng)濟時代,科學(xué)技術(shù)進步的程度與產(chǎn)業(yè)發(fā)展日新月異,高等院校和科研機構(gòu)同企業(yè)的緊密聯(lián)系是推動企業(yè)技術(shù)創(chuàng)新和整個區(qū)域自主創(chuàng)新的重要途徑;政府在區(qū)域自主創(chuàng)新系統(tǒng)中發(fā)揮著其他主體難以發(fā)揮的作用,同時也是這個機制重要的參與者,可以通過政府的導(dǎo)向投入和吸引外商直接投資,來促進區(qū)域競爭和學(xué)習(xí)機制的形成。

為了使得評價指標體系各因素定量化,需要找出影響因素的替代變量,在借鑒國內(nèi)外學(xué)者研究的基礎(chǔ)上,本文提出了區(qū)域自主創(chuàng)新評價指標體系的主要影響因素,見表1所列。

表1 區(qū)域自主創(chuàng)新的主要影響因素

(2)區(qū)域自主創(chuàng)新的度量。專利是一個區(qū)域科技資產(chǎn)的核心和最富經(jīng)濟價值的部分,專利的擁有量既能反映該區(qū)域?qū)萍汲晒脑紕?chuàng)新能力,又能折射出這些成果的市場應(yīng)用潛能,它是衡量區(qū)域創(chuàng)新能力和綜合實力的重要標志之一[9,10]。國內(nèi)外經(jīng)濟學(xué)界常采用專利申請量而不是專利授權(quán)量來衡量創(chuàng)新,指出專利授權(quán)量受到政府專利機構(gòu)等人為因素的影響較大,使得專利授權(quán)量由于不確定性因素增大而容易出現(xiàn)異常變動,并進一步指出專利申請量比專利授權(quán)量更能反映創(chuàng)新的真實水平[11]。

專利申請量是發(fā)明專利、實用新型專利和外觀設(shè)計專利的總和,其中,發(fā)明專利技術(shù)的擁有量是衡量一個企業(yè)或一個區(qū)域創(chuàng)新能力的最好尺碼。本文選用發(fā)明專利作為區(qū)域自主創(chuàng)新產(chǎn)出的度量指標,為理解中國區(qū)域自主創(chuàng)新能力演化的過程,提供了一個新的視角。

2 區(qū)域自主創(chuàng)新評價模型

區(qū)域自主創(chuàng)新評價問題是一個非常復(fù)雜的非線性問題,其輸入輸出關(guān)系很難用一個表達式直接給出,從數(shù)學(xué)建模的角度看,這種輸入輸出關(guān)系只能用一種映射關(guān)系抽象地表達。區(qū)域自主創(chuàng)新影響因素與輸出(發(fā)明專利申請量)之間的關(guān)系可以表達為:

其中,yi為第i個區(qū)域發(fā)明專利申請總量;f為輸入輸出之間的映射關(guān)系;xij表示第i個區(qū)域的第j個指標變量。

這種映射關(guān)系沒有明確的表達式,但是基于對區(qū)域自主創(chuàng)新的評估,需要在發(fā)明專利活動特性中找出規(guī)律,專利的決定性因素可以被認為是一種遵循泊松分布的生產(chǎn)函數(shù),由于專利的產(chǎn)生是不確定的,描述獨立隨機事件產(chǎn)生的泊松模型適合用來估計專利生產(chǎn)函數(shù)。泊松分布模型是最基本、最典型的專利計算模型,這種概率計算是由泊松分布決定的。但是在具體評價區(qū)域自主創(chuàng)新活動時,應(yīng)該考慮各個區(qū)域的差異及不可預(yù)知的因素的影響,這就需要在泊松評價模型基礎(chǔ)上進行改進,引入新的評價模型。

(1)區(qū)域自主創(chuàng)新評價的泊松分布模型。在簡單的泊松分布模型中,設(shè)pit是在t年i省發(fā)明專利總數(shù),則根據(jù)pn=λit/n有如下關(guān)系式:

由于泊松分布的性質(zhì)可得:

其中,β是被估計參數(shù)的矢量,通過極大似然估計可以得出:

(2)區(qū)域自主創(chuàng)新評價的負二項分布模型。發(fā)明專利計算的負二項模型比泊松模型更為普遍,因為它允許均值方程的差異,這樣就放寬了變量的限制。負二項分布與泊松分布相同,但條件變量不同:

其中,α是未知的分散參數(shù),而且當α增加時,發(fā)明專利數(shù)量pit增加。當條件變量是均值的二次方時,結(jié)果為負二項分布模型[12-14],即:

負二項模型是作為泊松和伽瑪分布的混合模型獲得的。伽馬分布密度函數(shù)如下:

3 負二項分布評價實驗

(1)實驗結(jié)果。為了比較泊松模型和負二項分布模型對自主創(chuàng)新的評價效果,本文首先選取了自主創(chuàng)新評價的全國2000-2006年數(shù)據(jù),分別在SAS8.0軟件平臺上運行,2個模型運行的擬合結(jié)果見表2、表3所列。

表2 基于泊松分布模型的擬合結(jié)果

表3 基于負二項分布模型的擬合結(jié)果

表2、表3中,DF表示樣本自由度,即有效樣本個數(shù);Deviance與Pearson Chi-Square表示偏差與皮爾森卡方,是SAS GENMOD模型評價擬合優(yōu)度的2個統(tǒng)計量,由軟件計算所得,其與DF的比值越接近于1,說明擬合優(yōu)度越好;Scaled表示尺度參數(shù),SAS軟件允許規(guī)定一個尺度參數(shù)來擬合過于分散的泊松分布和負二項分布,由軟件自動計算所得。一般與尺度調(diào)整前偏差不大。

根據(jù)表2的結(jié)果,由于Deviance和Pearson Chi-Square遠大于1,說明數(shù)據(jù)擬合過渡離散,結(jié)果很不理想。從表3可以看出,Deviance和Pearson Chi-Square與DF的比值均接近于1,擬合效果較優(yōu)。從而證明在擬合專利生產(chǎn)的模型過程來進行自主創(chuàng)新的評價中,使用負二項分布的效果明顯優(yōu)于泊松分布。

由于我國各個區(qū)域適用的相同的專利法及其環(huán)境,專利生產(chǎn)過程具有類似性,從上面的結(jié)果可以看出,在運用專利生產(chǎn)過程評價自主創(chuàng)新中負二項分布模型優(yōu)于泊松分布模型。因此對區(qū)域的評價過程中,運用負二項分布模型進行評價,并對結(jié)果進行討論,進一步證實負二項分布模型進行評價自主創(chuàng)新的合理性。

文章選取的樣本為大陸的東中西部地區(qū)共31個省和直轄市,數(shù)據(jù)的跨度同樣為2000-2006年。數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》以及中華人民共和國國家知識產(chǎn)權(quán)局網(wǎng)站。由于發(fā)明專利的出現(xiàn)具有滯后性[15],本文選擇了各省市輸入指標滯后一年的面板數(shù)據(jù),輸出的發(fā)明專利數(shù)為當年的數(shù)值。

通過負二項分布模型在SAS8.0軟件平臺上的運行,結(jié)果見表4所列。表4中Value/DF表示模型擬合程度,從表4中的離散系數(shù)和擬合度來看,負二項分布運用于區(qū)域自主創(chuàng)新的評價是可行的。

表4 區(qū)域自主創(chuàng)新評價結(jié)果

(2)討論。通過對表4評價結(jié)果的分析,總體可以看出,東部地區(qū)的自主創(chuàng)新情況明顯優(yōu)于中西部地區(qū),中西部地區(qū)的情況較為類似。我國雖然實施了一些促進中西部地區(qū)發(fā)展的戰(zhàn)略,這些戰(zhàn)略也在一定程度上對中西部地區(qū)經(jīng)濟的發(fā)展,自主創(chuàng)新能力的提升起到了積極的促進作用,但東部地區(qū)以更快的速度在發(fā)展。

因此,我國區(qū)域之間的差距仍很顯著,中西部地區(qū)在提高自主創(chuàng)新能力,謀求自身發(fā)展方面還有很長的路要探索。

此外,上述分析結(jié)果也驗證了“中部地區(qū)塌陷”的問題,中部地區(qū)的創(chuàng)新能力不僅和東部地區(qū)存在較大的差異,甚至在很多方面低于西部,這些結(jié)論與國內(nèi)大部分學(xué)者的研究結(jié)論相一致。從輸出的研究結(jié)果看,負二項分布運用于區(qū)域自主創(chuàng)新的評價是有效的。

4 結(jié)束語

本文在區(qū)域自主創(chuàng)新評價指標體系研究的基礎(chǔ)上,進一步分析泊松模型的不足,提出了負二項分布的區(qū)域自主創(chuàng)新評價模型。

從實驗輸出的結(jié)果來看,負二項分布運用于區(qū)域自主創(chuàng)新的評價是可行的,從研究討論的結(jié)論來看,負二項分布運用于區(qū)域自主創(chuàng)新的評價是有效的,為國家和區(qū)域的自主創(chuàng)新能力評價提供了一個良好的研究工具。進一步的研究除了要考慮影響因素之外,還需要考慮其他定性與定量相結(jié)合的評價模型。

[1] Amir R,Jin J Y,T roege M.On additive spillovers and returns to scale in R&D[J].International Journal of Industrial Organization,2008,26(3):695-703.

[2] Amara N,Landry R,Traoré N.Managing the protection of innovations in knowledge-intensive business services[J].Research Policy,2008,37(9):1530-1547.

[3] Ramani S V,El-A roui M A,Carrè re M C.On estimating a knowledge production function at the firm and sector level using patent statistics[J].Research Policy,2008,37(8):1568-1578.

[4] Deiss R.Intellectual property organizations and pharmaceutical patents in Africa[J].Social Science&Medicine,2007,64(2):287-291.

[5] Bae S,Famoye F,Wulu J T,et al.A rich family of generalized Poisson regression models with applications[J].Mathematics and Computers in Simulation,2005,69(1):4-11.

[6] Deng Yi.T he value of knowledge spillovers in the U.S.semiconductor industry[J].International Journal of Industrial Organization,2008,26(4):1044-1058.

[7] 徐 晟,趙惠芳,孫朝華.基于灰色模型的企業(yè)技術(shù)創(chuàng)新影響因素分析[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2005,28(8):845-849.

[8] Wagner M.On the relationship between environmental management,environmental innovation and patenting:evidence from German manufacturing firms[J].Research Policy,2007,36(10):1587-1602.

[9] Anthony A.T he relative effectiveness of patents and secrecy for appropriation[J].Research Policy,2001,30:611-624.

[10] 潘雄鋒,劉鳳朝.中國專利申請結(jié)構(gòu)的分析與預(yù)測[J].情報雜志,2005,(2):76-78.

[11] Encaoua D.Patent systems for encouraging innovation:lessons from economic analysis[J].Research Policy,2006,35:1423—1440.

[12] 汪學(xué)海,祝家麟,林 鑫,等.泊松方程的邊界節(jié)點解法[J].重慶大學(xué)學(xué)報(自然科學(xué)版),2007,30(12):84-88.

[13] 劉瑞元,張智霞.二項分布與泊松分布判別的假設(shè)檢驗[J].青海大學(xué)學(xué)報(自然科學(xué)版),2008,26(1):44-47.

[14] 唐軍民,王成名.負二項分布可靠度的經(jīng)驗Bayes估計[J].工程數(shù)學(xué)學(xué)報,2005,22(6):1039-1047.

[15] Wu Y C J,Lee P J.The use of patent analy sis in assessing ITS innovations:US,Europe and Japan[J].Transportation Research Part A:Policy and Practice,2007,41(6):568-586.