摘要：知识产权全链条管理是激发创新主体活力、构建新发展格局以及实现国家治理体系和治理能力现代化的重要举措。基于系统论与协同法，从知识产权创造、运用、保护和服务4个维度构建知识产权全链条管理复合系统，利用2001—2022年中国知识产权数据对全链条协同水平开展实证测度，分析不同区域知识产权全链条协同度对经济发展水平的贡献。研究发现，从复合系统视角，知识产权全链条协同度呈现“东部优于西部，中部不平稳”的特征，且全链条协同度对经济水平具有一定贡献；从子系统视角，创造子系统在不同区域表现出中度或轻度协同，存在区域分化现象，知识产权运用子系统协同发展水平是目前的短板，未来具有巨大发展潜力。
关键词：知识产权全链条管理，复合系统协同度模型，协同水平，区域发展
0 引言
知识产权属于战略性资源，对于增强国家竞争力至关重要。在中国推进科技自立自强、促进经济高质量发展和关键核心技术突破的过程中，加强知识产权管理有助于提升科技自主可控能力，彰显知识价值，促进知识产业发展，进而支持高质量发展和创新型国家建设[1]。因此，政府应加大创新投入，建设激励创新发展的保障体系，建立健全知识产权运行机制，提高服务水平，从而促进技术进步和新知识产出。2020年11月，习近平总书记在中央政治局第二十五次集体学习时指出，要强化知识产权全链条保护，打通知识产权创造、运用、保护、管理、服务全链条，健全知识产权综合管理体制，增强系统保护能力。中国的知识产权事业虽然取得了一定发展，但是仍然面临知识产权数量与知识产权质量不平衡、知识产权转化率低、知识产权纠纷识别困难等问题，特别是区域之间知识产权发展不平衡。因此，政府应高度重视知识产权全链条发展并制定相应策略。
既有文献侧重将知识产权作为独立系统，探究其内外部要素作用、驱动因子以及参与主体等[2-4]。但知识产权管理属于复合系统，包含多个子系统，会受到系统内外部要素、主体和环境的协同作用[5]。要充分发挥知识产权价值，离不开协同有序的系统支撑。具体地，协同是复合系统内部及其主体从无序状态自发地转向时间、空间以及功能有序的状态[6-7]。在协同作用下，当知识产权全链条子系统的协同效应越强时，系统内部有序度就越高，进而产生“1+1＞2”的作用效应，即整体功能大于部分功能之和[7]。反之，非协同会导致知识产权全链条系统混乱，加剧子系统间矛盾，从而影响创新链各利益相关者。测度知识产权全链条协同水平是监管各系统有序状态的重要一环[8]，通过实证分析区域知识产权全链条协同水平，有助于全面剖析中国知识产权协同发展现状与不足[9-10]，促进中国知识产权全链条协同发展。但是，现有研究未充分考虑知识产权服务子系统的协同效应，且缺乏对区域差距的深入剖析。
在既有研究中，开发、运营、保护3个知识产权子系统受到学者们的广泛关注[10]，但有关知识产权服务子系统的研究尚存在空白。近年来中国逐渐重视知识产权服务工作，发布了一系列相关政策以推动知识产权服务走向专业化、精细化。知识产权服务是推动知识产权治理水平和治理能力现代化的重要基石，一方面，它通过提供专业的知识产权管理和服务，支持创新活动，进而促进知识产权流通。另一方面，它还能够提高知识产权运用效率和效益，强化知识产权保护，支持创新型国家建设和高质量发展。因此，本研究提出将知识产权服务纳入复合系统，建立包括知识产权创造—运用—保护—服务四位一体的知识产权全链条管理系统并构建复合系统测度模型。关于知识产权与经济发展水平的关系，学者们持有不同看法：支持正向影响的一部分学者认为，知识产权有助于促进创新和技术扩散[11]；支持负向影响的学者认为，知识产权形成过程中会产生大量低质量专利，从而不利于经济发展[12]。另外，学者们认为知识产权保护对经济发展水平的影响呈现正向[13]、负向[14]或者倒U型[15]。如有学者提出，知识产权保护程度越高，越能激发创新主体积极性，进而促进经济发展。还有学者认为，知识产权保护过于严格会阻碍创新，不利于技术扩散。综上，现有研究缺乏从整体视角探讨知识产权全链条复合系统协同度对区域经济发展水平的影响效应。
区域以及全国层面的知识产权全链条水平测度涉及指标众多且复杂，由于现实与历史原因，存在数据缺失与收集困难问题。因此，本文在已有研究基础上，根据中国实情构建并完善指标体系。通过建立知识产权全链条复合系统测度模型开展实证研究，旨在回答以下问题：一是中国各省域知识产权全链条复合系统协同度在不同时间窗口的发展水平；二是中国各省域知识产权创造、运用、保护、服务4个子系统的协同水平；三是知识产权全链条复合系统协同度对经济发展水平的影响效应。
本研究的创新点主要集中在两个方面：一是理论边界扩展。本文从协同学和系统论角度界定知识产权全链条协同内涵，不同于以往仅关注企业层面知识产权协同的研究成果，从区域层面界定知识产权复合系统内涵，从而拓展协同学应用范畴，丰富知识产权相关理论研究。二是实证模型改进。本文通过建立知识产权创造、运用、保护、服务四位一体的复合系统，采用复合系统测度模型，测度构建知识产权全链条协同度。不同于已有研究多聚焦于理论层面，本研究进一步展开实证分析并测度区域知识产权全链条协同水平。另外，在指标选取上有所突破，更加贴合中国国情，为优化知识产权布局和管理提供更科学、准确的依据。
1 文献综述
知识产权一直是创新战略领域、知识产权领域以及其它交叉领域的研究重点，对知识产权复合系统协同水平的测度也是学者们关注的主要方向。因此，本文从两个方面梳理并总结文献，一是知识产权复合系统内涵；二是复合系统协同性测度方法。
1.1 知识产权复合系统
系统论创始人贝塔朗菲提出，系统是一个有机整体，包含相互联系、相互作用的要素，这些要素不是简单机械地组成，而是为实现某个目标而相互连接。复合系统是由两个及以上子系统互相嵌套所构成的系统[16]。
知识产权体系是一个复合系统，学者们主要基于内外部视角界定知识产权复合系统[17]。具体地，黄国群[18]认为，知识产权复合系统由输入因素、转换因素和输出因素3个子系统组成；Narayanan[19]从市场角度，将知识产权复合系统分为知识产权市场经营、知识产权创造和知识产权保护3个子系统。其将知识产权外部环境纳入考察范围，却忽视了知识产权内部运用情况。因此，McCurdy等[20]在此基础上，新增知识产权利用与知识产权许可子系统；Arai[21]进一步扩充知识产权子系统维度，包括知识产权创造、发明、保护、应用、培育等；洪少枝等（2011）认为，知识产权复合系统由创造、应用、保护、管理4个子系统构成，并从宏微观层面阐述知识产权管理子系统作用及其重要性。尽管现有文献从管理体系角度探索知识产权，但是忽略了基于管理过程的全链条研究，特别是缺乏对知识产权服务子系统的研究。无论是发达国家还是发展中国家，知识产权服务均是知识产权全链条保护过程中不可或缺的一环。在《深入实施国家知识产权战略行动计划（2014—2020年）》以及《知识产权强国建设纲要（2021—2035年）》中，均明确提出要重视知识产权服务。因此，本文基于知识产权创造、运用、保护与服务过程视角，将区域知识产权全链条管理复合系统定义为由区域知识产权创造、区域知识产权运用、区域知识产权保护与区域知识产权服务4个子系统及其内在要素构成的有机整体，进而开展相关研究。
1.2 复合系统协同水平测度模型
复合系统测度模型受到学者们的广泛应用，例如张杨和王德起[22]利用复合系统协同度模型定量测度京津冀系统协同水平；Hao等[23]构建了区域综合管理协同子系统序参量指标体系，并利用复合系统协同模型对河南省2015—2019年区域综合管理协同子系统有序度和协同度进行测度与分析。虽然有部分学者应用复合系统模型测度知识产权管理系统协同性，但是未能测度区域知识产权全链条，难以形成更深入系统的认识，更是缺乏从知识产权战略视角剖析知识产权体系协同问题，难以探究中国各省区知识产权协同现状与差距。
2 区域知识产权全链条协同水平测度模型构建
2.1 子系统有序度模型
区域知识产权全链条系统由知识产权创造、知识产权运用、知识产权保护、知识产权服务4个子系统构成。有序度代表系统有序程度，设知识产权全链条系统集合为S=（S1，S2，S3，S4），其中Sk（k=1，2，3，4）分别表示知识产权创造、保护、运用、服务子系统，假设Sk知识产权子系统的序参量为ek=（ek1，ek2，…，ekn），ek1，ek2，…，ekn分别表示区域知识产权子系统保护状态。其中，n≥1，αkj≤ekj≤βkj，j=（1，2，…，n）。βkj与αkj是子系统Sk在第j个序参量的上下限。
序参量有两种类型，当为正指标时，序参量取值越大，即ek=（ek1，ek2，…，ekn）数值越大，则知识产权全链条系统有序度越高，反之则越低；当为负指标时，序参量取值越大，即ek=（ek1，ek2，…，ekn）数值越大，则知识产权全链条系统有序度越低，反之则越高。序参量有序度计算公式如下[24]：
其中，dk（ekj）∈[0，1]，表示ekj对系统有序度的影响程度，其与对子系统有序度的影响程度正相关。由式（1），可以计算不同子系统指标在不同时间窗口期的有序度值。在得到不同指标有序度值后，采用几何平均法，计算得到子系统有序度测度水平。子系统有序度计算公式如下：
其中，dk（ej）∈[0，1]。由式（2）可知，子系统有序度值是其所包含的所有指标有序度值的几何平均值。
2.2 复合系统协同度
知识产权全链条管理系统是一个复合系统，其协同度由4个子系统共同决定。复合系统稳定程度受到两方面影响：一方面是子系统之间的相互作用，另一方面是子系统内部不同因素之间的相互作用。在测量过程中加入时间维度，可以衡量系统在一定时间内的稳定程度。假设子系统在初始时刻t0的有序度为dk（ej）0，在tc时刻的有序度为dk（ej）h，采用子系统有序度变化值求出几何平均值，得到复合系统协同度。复合系统协同度的计算公式为：
其中，
决定子系统对复合系统的作用方向，Ch∈[-1，1]，Ch的数值越大，系统协同度越高，反之，则越低。当Ch∈[0，1]时，各子系统一致性较高，当Ch∈[-1，0]时，各子系统一致性较低。因此，Ch∈[0，1]意味着t0到tc时刻复合系统是协同发展的。其中，复合系统协同水平分级[25]如表1所示。
3 区域知识产权全链条协同度实证分析
3.1 样本选取与数据收集
以2001—2022年为时间段，搜集中国知识产权全链条管理相关数据，数据主要来自《中国科技统计年鉴》《中国统计年鉴》《中国知识产权年鉴》《中国高新技术产业统计年鉴》《中国工业经济统计年鉴》以及中华全国专利代理师协会官网、国家知识产权局等权威性报告与网站。数据为时间序列数据，考虑到数据可得性、完整性，选取中国内地31个省份作为研究对象。由于部分指标未更新到2022年，因此使用可以获得的最新年份数据替代。为保证指标科学性和准确性，对少量缺失数据进行插值补充。
3.1.1 序参量确定
关于序参量确定，为保证模型科学性、严谨性和可信度，避免数据收集过程中存在信息偏差，采取三轮方式进行数据交叉验证和相互补充。第一轮，梳理已有相关文献，初步确定序参量。第二轮，基于理论分析和中国知识产权现况，补充与扩展序参量体系，同时，考虑到涉及各个省份数据，去除各省份未公开的序参量。第三轮，将确定的序参量体系分别提供给3位知识产权专家，并报告研究问题、研究目标，通过收集、汇总和归纳专家意见，进一步完善知识产权子系统序参量，最终确定知识产权全链条管理复合系统协同度评估指标体系。
（1）知识产权创造子系统。知识产权创造是将各项资源转化为知识产权成果，是知识产权运用和保护的前提与基础。基于理论分析和已有文献[26，27]，指标包括R&D人员数量、R&D人员全时当量、R&D经费内部支出、R&D经费投入强度与R&D项目数。R&D人员数量、R&D经费内部支出是从绝对数量角度反映区域研发实力，研发经费投入强度、研发人员占比是从相对角度反映区域对知识产权创造的重视程度。
（2）知识产权运用子系统。知识产权运用子系统是指利用知识产权资源创造价值、实现价值增值的过程。本文从技术市场成交额、大中型企业新产品销售收入及其占比和高技术产业新产品出口额及其增长情况刻画中国知识产权运用水平（宋河发等，2013）。专利转让许可数与专利转让许可收入反映区域利用专利资源产生的经济价值。
（3）知识产权保护子系统。知识产权保护子系统是政府等相关部门通过对知识产权的法律授权，形成的知识产权保障体系，其有利于提高知识产权资源规范性，强化系统主体权益，进而有利于增强区域创新能力[28]。在已有研究基础上，本文从专利申请数、专利授权数、商标注册数以及版权合同登记数4个方面反映区域知识产权保护水平。
（4）知识产权服务子系统。知识产权服务子系统是指对专利、商标等知识产权的代理、转让、登记等活动[29]。知识产权服务的本质是法律服务，同时具有专业技术服务特性。目前，主要从知识产权服务机构能力、作用及类型3个方面进行探析。本文以专利侵权结案数、专利代理机构数、专利代理人执业人数体现区域知识产权服务水平[29]。
四个子系统间关系具体表现为：第一，知识产权服务贯穿于知识产权创造、保护、运用全过程。首先，在知识产权创造方面，知识产权服务发挥重要作用。一方面知识产权服务机构通过搜索创新成果，帮助创新主体评估现有相似技术，进而明确创新方向和重点[30]；另一方面，知识产权服务机构为创新主体提供知识产权培训，提升创新过程合规性和敏感性，增强组织创造能力[29]。其次，在知识产权保护方面，知识产权服务一方面通过提供法律咨询和注册服务，提高知识产权保护效率[31]，另一方面，通过辅助组织提前识别潜在知识产权侵权行为，帮助提出法律诉讼或制订谈判策略。最后，在知识产权运用方面体现为知识产权服务通过市场研究，帮助组织了解市场需求与发展趋势，确定市场竞争对手和合作伙伴。另外，通过提供知识产权服务，帮助组织制定知识产权许可协议，确定许可费用、授权条件以及保护措施，实现知识产权转化商业价值最大化。第二，知识产权创造系统与知识产权保护系统。知识产权创造系统聚焦于研发与技术投入以促进技术或专利等创造性产出，是知识产权全链条复合系统的基础和核心；知识产权保护系统则为创造产出提供保障。如果只有知识产权创造没有知识产权保护或知识保护力度不足，则易导致大量模仿与抄袭行为，扰乱市场秩序，打击创新主体创新热情[32]。若没有知识产权创造，则知识产权保护毫无意义。因此，两者是知识产权体系正常运转的根本，两者间存在耦合关联性（单锋，2014）。第三，知识产权创造与知识产权运用系统。知识产权运用表现为知识产权成果的转化，其涉及经济、科技等领域。知识产权创造的目标是知识产权成果扩散应用，而知识产权运用产生的经济效益又可以反哺知识产权创造，两者间存在双向互动循环。第四，知识产权保护与知识产权运用。完备的保障体系有利于知识产权运用系统稳定运转[33]。知识产权高效率运用体现出知识产权保护的价值与意义，两者具有相同目标，即实现市场价值和经济效益，因此知识产权运用和知识产权保护相互激励。
创造—运用—保护—服务组成知识产权全链条管理的4个子系统，四者相辅相成、相互作用，共同决定知识产权全链条复合系统协同度，如图1所示。综上，本文根据已有研究梳理与确定子系统指标[34]，为保证指标体系科学性和可行性，对指标进行相关性分析，剔除相关性弱的指标，最终得到子系统指标，如表2所示。
3.1.2 数据标准化
根据表2可知，子系统指标拥有不同数据量纲，为避免不同数据量纲对实证结果的干扰，采用标准差法（Z-score）对数据进行标准化处理。以北京知识产权创造子系统数据为例，标准化结果如表3所示。
3.2 区域知识产权全链条复合系统协同度
公式（1）中若分母为0，对有序度存在干扰，导致系统有序度为0，影响实证可行性。因此，需要在有序量最值上乘以一个系数，从而确定序变量上限和下限，序参量值并不改变指标真实数值。本文中序变量上限值和下限值分别取2001—2022年最大值与最小值的110%（刘志迎等，2012）。根据公式（1），求出知识产权创造、运用、保护、服务4个子系统指标有序度。根据前述算法流程，计算出2001—2022年中国内地31个省份知识产权创造系统协同度、知识产权运用系统协同度、知识产权保护子系统协同度、知识产权服务子系统协同度和2002—2022年复合系统协同度变化情况，具体结果如图2和表4所示。散点为每省市协同度，曲线为每年各省市平均协同度水平。
从总体趋势看，除海南、西藏外，2016年后各省份知识产权全链条管理协同水平基本上是正协同；除西藏、甘肃、青海和宁夏外，各省份知识产权全链条管理协同水平达到中度协同水平，其中，江苏的知识产权全链条管理协同水平最高；目前尚没有一个省份知识产权全链条协同水平达到高度协同。具体如表4和图2所示。
为进一步分析区域异质性，根据国家统计局的地域划分标准，将31个省份划分为华东、华北、东北、华中、西南、西北六大区域，如图3所示。不同地区知识产权全链条管理协同度不同，同一地区不同省份知识产权全链条管理协同度也不同，整体呈现出“中部不平稳，东优于西”的分布格局。
根据表4可知，2002—2009年各省份知识产权全链条协同度出现较多负值，区域知识产权全链条管理复合系统处于轻度不协同或轻度协同状态，这是由于西南、西北地区知识产权全链条处于轻度不协同状态所致。2019年华东地区基本进入中度协同阶段，相比而言，东部地区知识产权全链条协同度整体上高于西部地区；2021年中国整体进入中度协同阶段。2015—2022年华东地区知识产权全链条管理复合系统协同度稳步上升，整体呈现“中部不平稳，东优于西”的分布格局。
具体分析，根据图3可以发现：
（1）华东地区，2015年以前上海一直表现良好，但是2019年后增速下降，此时江苏、浙江和安徽协同度超过上海并率先达到中度协同水平。究其原因，上海具有较强的知识产权管理能力，营商环境好，保障了知识产权全链条协同，然而2019年后上海知识产权全链条协同度增长放缓，这与上海创新创业成本高、人才流失等导致的民营经济发展不足紧密相关。
（2）华北地区，2010年之前北京的知识产权全链条协同度在0值上下波动，特别是2009年协同度低于0，整体处于轻度不协同水平。不可否认的是，2008年金融危机对北京知识产权全链条协同度冲击较大。自2012年后北京知识产权全链条协同度表现出色。天津的知识产权全链条协同度相对稳定，呈现递增态势，是华北地区表现最抢眼的省市之一。山西在2010年之前协同度发展水平与北京相近，即知识产权全链条协同度处于不稳定状态，介于轻度协同与轻度不协同之间。
（3）东北地区，2006年东北地区已达到轻度协同水平，直至2010年前东北三省知识产权全链条协同水平较一致，2015年后辽宁知识产权全链条协同度上升最快。原因主要是辽宁积极实施产业结构调整，大力激发创新动力，促进新兴产业发展。相比之下，黑龙江呈现出疲软状态。这意味着东北区域要进一步优化营商环境，减少人才流失，提升知识产权全链条协同水平。
（4）中南地区，河南、湖南、湖北和广东的知识产权全链条管理协同水平较为一致。2020—2022年海南的知识产权全链条管理协同水平整体呈现快速上升态势，但是由于2021—2022年数据不完整，其知识产权协同度有待进一步观察。除海南外，其它省份知识产权全链条管理协同水平基本处于轻度或中度协同水平。
（5）西南地区，2010年后重庆、四川、贵州和云南的知识产权全链条管理协同水平较为一致。其中，重庆的协同度最高。西藏地区知识产权全链条协同度增长缓慢且仍处于轻度协同水平。
（6）西北地区，总体发展呈现一定波动。其中，陕西、新疆的知识产权全链条管理协同水平较高且已经进入中度协同阶段，而甘肃、青海、宁夏的知识产权协同水平增长缓慢，仍处于轻度协同水平。
3.3 区域知识产权全链条子系统协同度
为具体剖析各省份知识产权全链条协同度差异，根据公式（1）（2），计算知识产权创造系统、运用系统、保护系统、服务系统协同度，进一步分析各省份子系统协同度，如图4所示。
（1）知识产权创造子系统协同度呈现持续上升态势。2001—2008年知识产权创造子系统处于轻度协同状态，随后进入高速发展的十年，这与政府高度重视知识产权战略，特别是2008年将知识产权战略上升为国家战略，并持续加大R&D投入，重视科技创新与科研人才培养，营造良好的知识产权氛围密切相关。不同地区知识产权创造子系统协同度存在较大差异，区域分化现象明显，如宁夏、西藏、云南、陕西等中西部省份长期处于轻度协同状态，而北京、上海、广东、天津等地区已进入中度或高度协同状态。这主要是因为各地区科技创新能力、经济发展水平、产业基础以及大型企业、高校和研究机构数量等存在差异。
（2）知识产权运用系统协同度增长缓慢但具有较大潜力。虽然近年来专利、商标和版权等数量增长迅速，但市场转化率较低，这可能是因为前期对知识产权运用重视不足，注重数量而轻视市场价值。意识到该问题后，2014年发布的《国家知识产权战略实施推进计划》，强调提高知识产权运用效益。随着政策深入实施，知识产权运用对提高知识产权全链条协同度发挥了重要作用。
（3）知识产权保护子系统协同度自2010年以来呈现持续上升发展态势，并具有较大提升空间。这是近年来中国研发投入加大、创新能力与知识产权意识不断增强的必然结果。相比之下，甘肃、西藏、青海、宁夏等欠发达地区的知识产权保护协同度较低，表明这些地区知识产权法律法规意识与实践方面有待进一步提高，需要建立与完善相关机制。同时，当地的教育水平、产业结构、经济基础也会影响区域间知识产权保护协同度。
（4）知识产权服务子系统，2001—2013年该子系统协同度处于缓慢发展阶段，随后呈现快速上升态势。这是因为《专利代理行业发展中长期规划（2016—2025年）》的发布，促进了专利代理行业发展。2014年后专利代理机构数和专利代理人执业人数呈现出持续递增态势，但是区域间知识产权服务系统协同度仍然存在不均衡状态。2020年大部分区域知识产权服务系统进入中度协同状态，还有少数省份处于轻度协同状态。
4 知识产权全链条协同度对经济发展水平的影响
选取经济较发达北京、上海、广东、浙江、江苏5个省市，进一步探究地区知识产权全链条协同度情况。
从复合系统角度，2010—2017年北京、上海、广东、浙江、江苏的知识产权全链条基本处于轻度协同状态；上海在2018年率先进入中度协同状态；2020年上海、江苏、浙江与广东均进入中度协同状态。这说明上述省市在知识产权领域的协同度不断提升，具体见图5所示。
从单一系统而言，2001—2017年北京、上海、广东、浙江、江苏的知识产权服务子系统处于轻度协同水平且协同度不断提升，逐渐趋向中度协同水平；2001—2010年上述省市知识产权创造子系统和知识产权保护子系统均处于轻度协同水平并趋于平稳状态，2010年以后五省市知识产权创造和知识产权保护子系统协同度不断提升。相比之下，知识产权运用子系统则呈现出不同于其它子系统的表现，其协同水平整体低于其它子系统。总体来看，上述省市在知识产权领域的协同度不断提升，特别是在服务子系统方面表现突出，然而运用子系统协同度有待进一步提高，具体见图6所示。
进一步，借鉴已有研究，将地区生产总值作为区域经济水平代理变量。第一，计算各省份知识产权全链条协同度与生产总值相关性，即皮尔逊系数，并采用双尾显著性检验。第二，采用回归方法，计算2002—2022年中国各省份知识产权全链条协同度对各省份经济水平的贡献。参考既有区域经济水平影响研究成果，将城镇人口比重、高等教育规模、产业结构高级化程度、资本投入、科技投入等作为控制变量。由于知识产权复合系统协同度测度指标包含知识产权创造、运用、保护、服务等维度，其具体指标与控制变量密切相关。因此，为降低多重共线性，对解释变量和控制变量进行共线诊断，选择VIF＜10的变量作为控制变量。经计算发现，常用控制变量均与知识产权全链条协同度具有高度共线性，因此不再继续引入控制变量。当R2＞0.6时[45]，选择接受模型拟合结果，回归结果见表5。由相关性分析得出，除海南外，其余各省份知识产权全链条协同度变化与经济水平变化较一致，初步判定上述省份知识产权全链条协同度与经济发展水平存在正相关关系，进一步计算两者相关系数并进行双尾检验。方差分析的显著性为0.00＜0.05，表明两者具有线性关系，即知识产权全链条协同度与地区生产总值相关，且知识产权全链条协同度越高，其对地区经济水平贡献越大。
除海南外，西藏、宁夏、吉林、甘肃、广西、内蒙古、辽宁、河北、山西等省份调整后的R2处于40%～60%之间，表明这些省份拟合效果一般，其余省份回归模型拟合效果处于60%～90%之间，表明这些地区拟合效果较好。当t检验显著性水平小于0.05时，表明回归方程中系数显著[35]。除海南外，其余各省份回归系数处于2～9之间，如上海的回归系数为3.657，表明上海市知识产权全链条复合系统协同度每增加0.1个单位，可以为上海生产总值增加0.3657个单位。值得关注的是，知识产权全链条复合系统协同度对青海、云南、贵州三省经济水平的促进作用最显著，其协同度每增加0.1个单位则生产总值分别增加0.8989、0.5922、0.576个单位（亿元）。青海、云南、贵州经济水平较低，知识产权全链条复合系统协同度对欠发达地区经济水平的贡献度更显著。因此，大力建设知识产权全链条、提高知识产权全链条复合系统协同度是激发中西部地区经济活力的重要举措之一。
5 结论与启示
5.1 研究结论
知识产权管理系统具有复合性、多维性特点，加强知识产权复合系统管理是促进科技创新、实现高质量发展的重要举措。因此，探究知识产权复合系统协同度有利于持续激发国家创新活力，稳定经济发展。不同于既有文献主要关注企业知识产权管理能力对创新的影响，本研究从区域层面探究知识产权全链条管理水平，解析不同区域知识产权全链条复合系统协同度变化、知识产权子系统协同度演化以及知识产权全链条协同度对经济发展的贡献。
研究结果表明，首先，知识产权全链条复合系统协同度整体呈现出“中部不平稳，东优于西”的分布格局。除西藏、甘肃、青海和宁夏外，其余各省份知识产权全链条管理协同水平已经达到中度协同状态。其次，知识产权运用子系统是中国知识产权全链条复合系统中的短板，其协同度相比其它子系统更低，发展较缓；知识产权创造子系统协同度呈持续上升态势，但是区域分化现象明显；知识产权保护子系统系统协同度在2010年以后呈现上升发展态势；知识产权服务系统协同度在2014年以前处于缓慢发展阶段，随后呈现快速上升状态。最后，知识产权全链条复合系统协同度对经济发展具有一定贡献，并且在青海、宁夏与西藏等欠发达地区作用更显著。
5.2 理论贡献
一方面，已有学者基于知识产权创造、运用、保护3个子系统探究知识产权复合系统协同度，但是忽视了知识产权服务子系统对知识产权复合系统的作用与影响。本研究从全链条视角出发，构建“创造—运用—保护—服务”四位一体的知识产权复合系统，更加贴近中国知识产权发展现状，也丰富了知识产权复合系统协同度测度研究。
另一方面，不同于以往从微观企业层面的知识产权能力测度研究以及从宏观国家视角的知识产权管理系统协同度研究，本研究立足于中观层面，通过聚焦各省份知识产权协同度表现，为各省份提升知识产权全链条协同度提供更具针对性的政策建议，以助力中国知识产权战略实施。此外，本研究证实知识产权复合系统协同度与经济发展具有显著正向关系，不仅拓展了知识产权复合系统协同度研究，而且有助于深刻理解协同对于区域经济发展的意义。
5.3 政策启示
本文证实知识产权创造、保护、运用、服务间存在协同关系，新形势下各地要进一步发挥政府在知识产权全链条协同管理过程中的引领作用，积极引导和推进知识产权协同管理战略工作。具体包括两个方面：
（1）重点关注知识产权成果转化率，打造特色化的知识产权服务机构。研究结果显示，知识产权运用子系统协同度较低，是知识产权全链条管理复合系统中的短板，相比之下，知识产权创造系统属于长板，这也意味着中国在提升知识产权转化率、使用效率方面具有较大发展空间。因此，一方面应发挥企业、高校、科研院所等创新主体作用，鼓励创新主体根据自身情况灵活调整知识产权战略，制定一系列激励措施，降低市场壁垒，促进创新成果商业化和市场化。另一方面，加大对知识产权服务机构的监管，建立更加高效的知识产权转化“一条龙”服务机构，提高其服务水平，降低知识产权转化成本，减少信息差。
（2）发挥区域特色，结合地区产业类型制定具有针对性的知识产权政策。对于东部地区，继续提升科技政策先进性，进一步增强知识产权系统性、协同性，从全链条角度重视知识产权子系统发展。对于中西部地区，进一步激发当地创新活力。如加大高校与科研院所的对口支援，积极推动产业转型，通过加大特色产业创新投入提高知识产权创造能力。同时，鼓励开展知识产权合作，吸引科技企业在西部建立分公司，设立西部科技成果转化基金，增强知识产权运用和保护能力，进而推动西部地区高质量发展。
参考文献：
[1]RIVERA K G，KLINE D. Discovering new value in intellectual property[J].Harvard Business Review，2000，55：1-14.
[2]ZIEGLER N，RUETHER F，BADER M A，et al. Creating value through external intellectual property commercialization：a desorptive capacity view[J].The Journal of Technology Transfer，2013，38：930-949.
[3]HAO Y，BA N，REN S，et al. How does international technology spillover affect China’s carbon emissions？a new perspective through intellectual property protection[J].Sustainable Production and Consumption，2021，25：577-590.
[4]HABIB M，ABBAS J，NOMAN R. Are human capital，intellectual property rights，and research and development expenditures really important for total factor productivity？an empirical analysis[J].International Journal of Social Economics，2019，46（6）：756-774.
[5]叶伟巍，梅亮，李文，等.协同创新的动态机制与激励政策——基于复杂系统理论视角[J].管理世界，2014，30（6）：79-91.
[6]乌云图，陶克涛，彭俊超.产业协同集聚、数字技术支持与资源错配[J].科研管理，2023，44（1）：125-135.
[7]LATASH M L. Synergy[M].Oxford：Oxford University Press，2008.
[8]IKSANOVA L，KASHAPOV N. Intellectual property as a factor of increasing innovation activity of economic entities[C].IOP Conference Series：Materials Science and Engineering，2018.
[9]陈恒，李明秋，李金秋，等.军民融合产业知识产权管理系统协同度及其影响因素研究[J].哈尔滨工程大学学报，2022，43（6）：889-899.
[10]杨早立，陈伟，李金秋.我国知识产权管理系统协同及其演化的速度特征研究[J].管理工程学报，2018，32（3）：171-177.
[11]HALL B H，HELMERS C. Innovation and diffusion of clean/green technology：can patent commons help[J].Journal of Environmental Economics and Management，2013，66（1）：33-51.
[12]SHERWOOD R M. Intellectual property and economic development[M].New York：Routledge，2019.
[13]SWEET C M，MAGGIO D S E. Do stronger intellectual property rights increase innovation[J]. World Development，2015，66：665-677.
[14]WILLIAMS H L. Intellectual property rights and innovation：evidence from the human genome[J].Journal of Political Economy，2013，121（1）：1-27.
[15]CYSNE R P，TURCHICK D. Intellectual property rights protection and endogenous economic growth revisited[J].Journal of Economic Dynamics and Control，2012，36（6）：851-861.
[16]YADAV R，TIRUMALI M，WANG X，et al. Polymer composite for antistatic application in aerospace[J].Defence Technology，2020，16（1）：107-118.
[17]PITKETHLY R H. Intellectual property strategy in Japanese and UK companies：patent licensing decisions and learning opportunities[J]. Research Policy，2001，30（3）：425-442.
[18]黄国群.企业知识产权管理系统及其优化策略研究[J].情报杂志，2011，30（12）：108-113.
[19]NARAYANAN V K. Managing technology and innovation for competitive advantage[M]. New York：Prentice Hall，2001.
[20]MCCURDY D，PHELPS M. Why exclusion is not profitable[J].Managing Intellectual Property，2002，26（11）：56-59.
[21]ARAI H. Intellectual property strategy in Japan[J]. International Journal of Intellectual Property-Law，Economy and Management，2005，1（1）：5-12.
[22]张杨，王德起.基于复合系统协同度的京津冀协同发展定量测度[J].经济与管理研究，2017，38（12）：33-39.
[23]HAO Y，SUN C，WEI J，et al. Study on measuring and evaluating the synergy effect of regional coal mine emergency management in China based on the composite system synergy model[J].Geofluids，2022，22：1-10.
[24]PARK K S，KIM S H. Tools for interactive multiattribute decision making with incompletely identified information[J]. European Journal of Operational Research，1997，98（1）：111-123.
[25]邬彩霞.中国低碳经济发展的协同效应研究[J].管理世界，2021，37（8）：105-117.
[26]VAN L N，WATTANA P T. Intellectual property creation as invention patents for development and competitiveness in ASEAN[J]. The Journal of World Intellectual Property，2005，8（5）：625-661.
[27]KASHYAP A，AGRAWAL R. Scale development and modeling of intellectual property creation capability in higher education[J].Journal of Intellectual Capital，2020，21（1）：115-138.
[28]KANWAR S，EVENSON R. Does intellectual property protection spur technological change[J].Oxford Economic Papers，2003，55（2）：235-264.
[29]方舟之，王峻岭.知识产权服务生态系统的构建——基于服务生态系统的视角[J].图书情报工作，2022，66（18）：23-30.
[30]马翔，刘盛博，丁堃，等.知识产权服务对高校专利技术转移的影响机理——基于扎根理论的探索[J].科技进步与对策，2023，40（19）：12-21.
[31]STERNITZKE C，BARTKOWSKI A，SCHRAMM R. Regional Patlib centres as integrated one-stop service providers for intellectual property services[J]. World Patent Information，2007，29（3）：241-245.
[32]任声策，杜梅，张玉蓉，等.企业知识产权保护逻辑的演化研究[J].中国科技论坛，2023，40（4）：133-141.
[33]余骁，黄先海，陈航宇.知识产权保护、技术距离与出口国内增加值率[J].中国工业经济，2023，40（6）：99-117.
[34]CAMPI M，NUVOLARI A. Intellectual property protection in plant varieties：a worldwide index（1961-2011）[J].Research Policy，2015，44（4）：951-964.
[35]任雪松，于秀林.多元统计分析[M].北京：中国统计出版社，2010.
作者简介：刘永冬（1997-），女，山东济宁人，同济大学上海国际知识产权学院博士研究生，研究方向为知识产权与创新管理；任声策（1975-），男，安徽寿县人，博士，同济大学上海国际知识产权学院教授、博士生导师，研究方向为战略管理、创新创业与知识产权管理；操友根（1992-），男，安徽怀宁人，同济大学上海国际知识产权学院博士研究生、德国马克斯普朗克创新与竞争研究所联合培养博士研究生，研究方向为知识产权与创新管理。本文通讯作者：操友根。
