摘要：知识产权信息服务中心为知识产权的创造、管理、保护、运用提供支撑作用，促进科技成果的创造、转化、实践，实现高校的协同创新和优势学科建设。文章利用2015—2021年118所高校的面板数据，通过倾向得分匹配（PSM）进行样本的匹配选择，然后在此基础上运用多期双重差分法（DID）探究建设知识产权信息服务中心对创新绩效的影响。研究发现，高校建设国家知识产权信息服务中心能够显著促进高校创新绩效水平的提升，尤其是高校的专利成果。针对影响效应，提出各中心通过深化专利服务范围和内容、拓展商标等其他领域的服务以及结合高校特点实现中心的个性化发展、国家通过提炼经典案例等方式来进一步推动高校和我国的知识产权信息服务事业的发展。
关键词：知识产权信息服务中心，高校创新绩效，倾向得分匹配，双重差分
[基金项目：国家社会科学基金项目“平台经济背景下消费者大数据流通法律治理研究”（22BFX109）；重庆理工大学研究生教育高质量发展项目“高校知识产权信息服务的促进策略研究”（gzlcx20232121）]
一、引言
在创新驱动发展战略的引导下，知识产权的重要作用日益突显，国家出台了一系列政策推动知识产权的发展。中共中央、国务院发布《知识产权强国建设纲要（2021—2035年）》，指出要“打通知识产权创造、运用、保护、管理和服务全链条”。高校是国家创新体系的创新源，是知识共享、知识溢出和知识转移的主体，因此完善高校的知识产权管理、人才培养、科技产出等方面的工作，是促进高校和国家科技发展的关键[1]。2016年12月，国家知识产权局、教育部、中国标准化研究院联合起草发布国家标准《高等学校知识产权管理规范》，明确将高校图书馆定义为知识产权服务的支撑机构。2017年，国家知识产权局办公室、教育部办公厅联合发布《高校知识产权信息服务中心建设实施办法》，推动高校设立知识产权信息服务中心。在2019年、2020年、2021年和2022年，通过各个高校的申报、教育部和国家知识产权局的遴选，共成立了103家高校知识产权信息服务中心，大部分设立在高校图书馆。
各高校和图书馆极大重视在政策的引导下丰富完善知识产权信息服务中心的活动和内容，大多开展了知识产权素养教育、知识产权咨询和查询、嵌入式科研服务、决策支持服务等由浅到深的多层次的知识产权信息服务[2]，来助力高校的科研活动和创新活动发展。但与各中心积极开展实践、丰富服务内容不同的是，学术界对政策引导下建立的知识产权信息服务中心对高校的科研和创新活动的影响评估却并不多见，这导致无法从经验上科学评价建立国家知识产权信息服务中心对高校的创新能力、创新绩效的影响。
因此，本文搜集与各高校图书馆知识产权信息服务中心有关的数据，结合倾向得分匹配和多期双重差分法，对比高校在建立知识产权信息服务中心前后的创新绩效的差异，明确高校知识产权信息服务中心所取得的成果，科学评估《高校知识产权信息服务中心建设实施办法》的实施效果，为高校和国家的知识产权发展和科技创新提供借鉴和参考。
二、文献综述
（一）高校知识产权信息服务中心的研究
高校知识产权信息服务中心直接服务于学校的职能部门和在校师生，为各部门和学术团队的协同创新、学校的学科建设以及科技成果的转化提供包括创造、运用、保护、管理等全流程的知识产权信息服务。Wallace等梳理了美国专利商标资源中心和世界知识产权组织技术与创新支持中心对高校图书馆如何开展知识产权信息服务的要求及定位[3]。April等指出高校知识产权服务有可能成为紧密连接企业、大学和行业的重要枢纽，充当企业内部与外部创新要素相结合的桥梁[4]。同样的，林静等也从协同合作的角度出发，提出构建“一个中心、多个支点”的业务格局，推动知识产权信息服务中心在校内外实现合作及赋能发展，明确了知识产权服务中心的职能定位[5]。
有些学者则从服务内容和评价角度出发开展研究，张群等发现大多高校的知识产权信息服务存在服务资源不足、服务内容不能满足用户需要、较高层次的知识产权服务缺乏等问题[6]；吕源、毛军等关注知识产权信息服务的内容要素[7-8]。在模式构建方面，张善杰等提出构建知识产权信息服务能力建设框架，对不同用户类型的资源情况进行分析[9]。冉从敬等从知识产权生态链角度出发，搭建更加完善的知识产权信息服务平台[10]。Jacobsen等验证了用户参与设计在图书馆知识产权信息服务方面的可行性和重要性，推动了新时代图书馆的空间战略改造和服务转型升级[11]。
（二）高校创新绩效的研究
对于高校创新绩效的研究，学者们一方面关注于测量维度的划分，期望通过不同的维度和更加全面合理的指标来掌握高校的创新绩效。吴燎原等提出并验证用创新环境、创新投入、创新产出、创新成果转化指标来测评高校的创新绩效[12]。柴广成等利用科技人力、发展经费、发展机构、发展项目、科技成果获奖、科技成果等评价指标对西部地区高校的创新绩效进行评价，并提出相关策略和提高路径[13]。
另一面，探究对高校创新绩效产生影响的因素，例如聚焦产学研合作对创新绩效产生的影响，从而寻找提升高校创新绩效的路径。张家峰等提出高校政策环境、对外联系程度、教师职称结构等因素，对于高校科研创新绩效有显著影响[14]。王晓红等认为针对不同类型、创新资源集聚程度和地理分布的高校来说，产学合作对它们的创新绩效水平的影响是存在异质效应的[15]。Rosendo-Rios等通过研究发现，产学合作通过合作双方的信任、彼此给的承诺以及优势资源整合来推动高校创新绩效的提升[16]。但是，Coccia等认为过多的产学合作项目会极大分散科研工作者的研究精力，使其不得不将部分时间用于与企业沟通，对创新绩效会造成抑制作用[17]。
（三）高校知识产权信息服务中心与创新绩效的关系研究
直接探究高校知识产权信息服务对高校创新绩效影响的研究并不多。但是有两类相关文献，一是探究高校图书馆的信息服务对高校的成果产出、创新绩效等高校竞争力的影响，二是探究专利等单一的知识产权信息对高校科研活动的影响。
关于高校图书馆的信息服务对高校创新绩效等高校竞争力的影响，曹振祥等发现高校图书馆信息服务显著促进了高校知识创新绩效，但影响是非线性的，呈现出边际收益递减规律[1]。赵迎红研究发现高校科研活动与图书馆提供的信息服务之间存在显著相关，提出激励高校加大对图书馆的投入是提高高校科研竞争力的有力措施[18]。曹振祥等提出，构建高校知识创新共享子联盟以及知识创新服务和知识产权服务平台能够提升高校的知识创新能力，促进高校提高竞争力[19]。
关于专利等知识产权信息对高校科研活动的影响，昝栋等提出通过建立专利数据集及分析服务流程，提供精细化的专利支撑，能够助力高校的专利成果产出以及促进成果的转化[20]。晁蓉等通过追踪探究图书馆对科研创新团队在技术研发、技术专利化、技术商业化3个阶段提供专利信息服务，明确专利信息服务对创新团队高价值专利产出的影响[21]。王峻岭等认为专利信息服务能够支撑高校的科研活动，并探究我国高校在专利信息服务方面的问题，以此提出路径改进[22]。
综上所述，关于高校国家知识产权服务中心的研究大多聚焦于具体内容、平台等的调研和完善，较少对其进行绩效评价。即使有学者对知识产权中心进行绩效评价指标构建，大多从服务中心自身出发，如馆员素质、服务资源等，较少从高校角度尤其是创新绩效的角度把握。同时，对于高校知识产权信息服务以及知识创新绩效这两者的关系没有清晰的可视化评价，没能直接反映知识产权信息服务中心对高校知识创新绩效的哪些方面产生影响以及影响的程度如何。
三、研究设计
（一）样本选择及数据来源
本文将教育部和国家知识产权局于2019年、2020年遴选的60所高校国家知识产权信息服务中心作为实验组对象，基于数据的可获得性和完整性，在进行实证分析时剔除湘潭大学、北京化工大学、内蒙古农业大学3所高校的数据，则最终实验组为57所高校知识产权信息服务中心。虽然截至目前已成立103所高校知识产权信息服务中心，但2021年、2022年遴选的第三批和第四批高校时间较晚，成效还未完全显现，因此只选取了前两批57所高校作为实验组对象。选取了61所未建立高校国家知识产权信息服务中心的“双一流”高校图书馆作为控制组样本。
数据来源于2015—2021年《中国图书馆年鉴》《高等学校科技统计资料汇编》、教育部高校图书馆事实数据库、各“双一流”高校图书馆网站、中国高校科研成果统计分析数据库等。先将实验组和控制组进行倾向得分匹配，再对匹配得到的具有相似特征的高校进行多期双重差分。通过倾向得分匹配和多期双重差分法的有效结合，衡量出成立知识产权信息服务中心对高校创新绩效的影响。
（二）变量设定
1.被解释变量
虽然大多数学者通过创新投入和创新产出两大指标来更加全面地衡量高校的创新绩效。但是本文选取的指标更加侧重于产出指标，其目的在于探究高校建立国家知识产权信息服务中心对高校的科研成果、科研创新能力的影响。同时，学术论文是科技研究成果传播的媒介[23]，发明专利技术含量体现高校的创新扩散与应用能力[24]，因此本文以高校的世界学术期刊论文数、国内学术期刊论文数、专利申请数、专利授权数作为被解释变量，衡量高校的创新绩效水平。
2.核心解释变量
核心解释变量是DIDit虚拟变量，反映为高校i在t年是否受到政策影响建立知识产权信息服务中心，若成立，则赋值为1；若未成立，则赋值为0。例如，A高校在2018年建立国家知识产权信息服务中心，则2018年以前赋值为0，2018年及以后赋值为1。
3.控制变量
高校的国家知识产权信息服务中心大多依托于高校图书馆建立，并且国家知识产权信息服务中心遴选建立时也需要综合考虑所依托图书馆的资源和能力等因素，因此高校图书馆的年度经费投入、购置数据库、人员构成等数据中也包含知识产权信息服务中心的数据。根据姜玉梅等[25]、赵迎红[18]的评价指标，同时考虑面板数据的可得性和完整性，最终设定的控制变量包括在编职工人数、电子资源购置费、纸质资源购置费、文献资源购置费、年度总经费等指标。
（三）模型设定
建立高校国家知识产权信息服务中心可以看作是“准自然实验”，但成立遴选高校国家知识产权信息服务中心并非完全随机，教育部和国家知识产权局会选择管理完善、经费充足的高校成立国家知识产权信息服务中心。为避免直接使用双重差分法造成的估计偏差，本文先通过倾向得分匹配对实验组和控制组样本进行匹配，然后再使用多期双重差分法对匹配得到的具有相似特征的高校个体进行双重差分。模型设定如下：
Iit=β0+β1DIDit+β2Xit+vt+ui+εit （1）
式中，Iit反映高校i在t年的创新绩效水平；DIDit为虚拟变量，高校i在t年建立了国家知识产权信息服务中心，取值为1，否则为0；Xit为一系列控制变量，包括在编职工人数、电子资源购置费、纸质资源购置费、文献资源购置费、年度总经费；vt为时间固定效应；ui为高校个体固定效应；εit为其他影响高校创新绩效的随机扰动项。
（四）描述性统计
表1报告了主要变量的描述性统计结果。可以看出，各个变量相对比较均衡，但高校个体之间的差异相对比较明显，因此需要进行倾向得分匹配，将实验组和控制组的样本进行匹配，对匹配得到的具有相似特征的高校个体进行进一步的研究，这利于避免其他干扰因素的影响，有助于直接探究明确建立知识产权信息服务中心是否会对高校的创新绩效产生影响。
四、倾向得分匹配实证分析
（一）匹配结果
本文采用核匹配法对建立知识产权信息服务中心的高校图书馆与未建立知识产权信息服务中心的高校图书馆进行匹配。使用Logit模型估计每个高校图书馆建立知识产权信息服务中心的可能性，该概率值就是倾向得分值。根据获得的倾向得分值，对实验组和控制组进行核匹配，结果如表2所示。
通过表2可以看出，控制组共690条数据，实验组共136条数据。控制组进行核匹配后有56条数据不在范围内，有634条数据在范围内；实验组进行核匹配后有5条数据不在范围内，有131条数据在范围内。因此，样本的匹配效果良好。为了更直观展现样本匹配的效果，采用了核密度函数图（如图1所示），实验组和控制组的核密度函数重合部分越多，说明匹配效果越好。据图1显示：在进行倾向得分匹配之前，控制组核密度函数与实验组偏离较大；在进行倾向得分匹配之后，控制组与实验组核密度函数重合度高，表明匹配质量较好。这为后文使用多期双重差分方法探究高校国家知识产权信息服务中心对高校创新绩效的影响奠定了良好的数据基础。
（二）共同支撑域检验
为了保证匹配质量，需要检验实验组和控制组的倾向得分分布区在多大程度重合（即共同支撑域）[26]，其倾向得分共同取值范围如图1（c）所示。在进行核匹配之后，实验组和控制组的样本大多处于共同取值范围内，只有少部分的样本位于共同取值范围外，因此共同支撑的假设得到满足。
（三）平衡性检验
为使倾向得分匹配结果更具可靠性，结果应满足“条件独立性假设”，即实验组和控制组在匹配变量上无明显差异。而一般判断倾向得分匹配是否有效的方法是查看匹配变量的标准偏差绝对值是否小于20[27]，标准偏差绝对值越小，匹配效果越好[28]。核匹配下平衡性检验结果如表3所示，可知：匹配前，各变量的标准偏差差距比较大，而匹配后的标准偏差都在5%以内；各变量的T值在匹配后明显变小，差异减小，P值变为不显著。说明匹配后的实验组样本和控制组样本在匹配变量上无明显的差异，通过了平衡性假设检验。
五、多期双重差分实证研究
（一）实证结果分析
本文使用多期双重差分模型验证建立国家知识产权信息服务中心对高校创新绩效的影响，基准回归结果如表4所示。根据前文的倾向得分匹配结果，剔除了不在范围内的数据。表中的第（1）列报告了建立知识产权信息服务中心对高校的世界学术期刊论文数的影响，DID的系数估计值为496.3，且在5%的水平下显著，说明受到政策影响建立知识产权信息服务中心显著提高了高校在世界学术期刊的发文数。表中的第（2）列展示了建立知识产权信息服务中心对高校的国内学术期刊论文数的影响，DID的系数估计值为201.1，且在5%的水平下通过了显著性检验，这说明受到政策影响建立知识产权信息服务中心明显增加高校在国内各学术期刊的发文数。第（3）列和第（4）列分别显示了建立知识产权信息服务中心对高校的专利申请数和专利授权数的影响，两者的DID估计系数均为正，且都在1%的水平下显著，说明建立国家知识产权信息服务中心会显著促进高校的专利申请和专利授权。
（二）稳健性检验
1.平行趋势检验
多期双重差分模型的关键前提是平行趋势假设，即在受到政策影响建立知识产权信息服务中心前，成立服务中心的高校和非成立服务中心的高校的创新绩效的变化趋势应当是平行的。由此，本文使用Jacobson等提出的时间研究法进行平行趋势检验[29]，构建的模型如下：
Cit=α1+∑t=2-4θtDit+α2Xit+ui+vt+εit （2）
式中，Dit为一组虚拟变量，如高校i在第t年建立了国家知识产权信息服务中心，取值为1，否则为0；Xit为一系列控制变量；vt为时间固定效应；ui为高校个体固定效应；εit为随机扰动项。平行趋势检验的实证回归结果如图2所示，在建立知识产权信息服务中心前，θt系数在0附近，变化不显著；建立知识产权信息服务中心后，θt系数发生显著变化，尤其是图2（c）和图2（d）。因此，研究的数据样本通过了平行趋势检验。
2.安慰剂检验
为了排除未考虑到的样本的其他特征因素的影响，本文通过随机抽取实验组的方式来进行个体安慰剂检验。从118个高校样本中，随机抽取57个高校样本作为进行安慰剂检验的“伪实验组”，剩余的61个样本作为控制组，由此生成个体安慰剂检验的虚拟变量，并进行回归。同时，为了进一步增强检验的精确度，对上述随机过程设定500次重复，并绘制检验结果图。由于“伪实验组”是随机生成的，不会对被解释变量产生显著的影响，其估计系数应该在0附近[30-31]。如图3所示，4个被解释变量的虚拟估计系数都集中分布于0附近，并且每个图中代表实际估计系数的竖线在系数分布中都是异常值，这说明随机选取的样本没有对创新绩效产生影响，同时也证明基准回归中实验组和控制组数据结果的稳健性较好。
3.改变样本匹配方式检验
在前文的倾向得分匹配中，选取了核匹配的方式。为了使结果更加稳健可靠，更换匹配方式，使用半径匹配、样条匹配、k阶近邻匹配（k=1）、马氏距离匹配等方式匹配后，再进行多期双重差分估计。世界学术期刊论文数、国内学术期刊论文数、专利申请数、专利授权数4个被解释变量的DID系数估计值都在5%、1%的水平上通过了显著性检验。因此，数据通过稳健性检验，进一步说明受政策影响建立高校国家知识产权信息服务中心促进高校的创新绩效水平提升。
六、结论与建议
（一）研究结论
本文利用2015—2021年高校的数据，运用PSM-DID方法，实证检验《高校知识产权信息服务中心建设实施办法》政策，建立国家知识产权信息服务中心是否会对高校的创新绩效产生影响。研究发现，高校知识产权信息服务中心的建立会促进高校在世界学术期刊、国内学术期刊的发文量，尤其对高校的专利申请量和专利授权量产生显著的影响，且这种作用具有持续性。因此，从整体上看，建立高校国家知识产权信息服务中心会提升高校的创新绩效水平。研究过程的具体结论如下：
（1）根据倾向得分匹配结果可以得知，匹配后的核密度函数重合度高，倾向得分大部分处于共同取值范围内，并且通过了平衡性检验，因此实验组和控制组在匹配边上没有明显的差异，匹配效果较好。
（2）通过多期双重差分实证分析的回归结果可知，4个被解释变量的虚拟变量回归系数都显著为正。进行基准回归时，考虑到了时间和高校个体的固定效应，说明在控制了可观测和不可观测因素带来的样本选择偏差的基础上，建立高校国家知识产权信息服务中心显著推动了高校在世界学术期刊论文数、国内学术期刊论文数、专利申请数、专利授权数等创新绩效指标方面的提升。
（3）基于稳健性检验的结果可知，在改变时间、改变倾向得分匹配方式的情况下，被解释变量的DID虚拟变量的估计系数显著为正，说明高校建立国家知识产权信息服务中心显著推动其在世界学术期刊论文数、国内学术期刊论文数、专利申请数、专利授权数等创新绩效指标方面的研究结果是具有稳健性的。
（二）对策建议
基于本文的研究结论，提出如下几点建议：
第一，建立知识产权信息服务中心可以提高高校的创新绩效，国家和高校可以加大对知识产权信息服务中心的投入力度，通过总结建设经验，提炼经典案例、表彰突出服务中心的方式，促进知识产权信息服务经验的交流和传播，使更多的高校明确建立知识产权信息服务中心带来的优势，更加主动高效地建立知识产权信息服务中心。
第二，各图书馆知识产权信息服务中心丰富自身的服务资源，建立便捷、全面的服务流程体系。通过研究发现，建立知识产权信息服务中心对高校的专利产出的影响作用显著，因此可以更加丰富和完善与专利有关的服务内容。对专利服务的范围进行拓展，不只局限于查询、申请等基础性业务，可以开展专利运营、专利法务等来实现对专利的合法、高效运用以及对权利的保护。
第三，高校建立知识产权服务信息服务中心对高校的论文产出绩效的影响虽不及专利绩效，但也有显著的促进作用，因此，各中心也应积极探索著作权、商标权等更多方面的知识产权信息，丰富服务中心的知识产权信息服务内容。
第四，各知识产权信息服务中心大多依托高校图书馆，由图书馆提供资源。但实际的知识产权信息服务工作不仅包括检索、申请等基础性的工作，还会涉及深层次的、专业性的工作。因此，各中心可以与学院、研究生院等进行合作，也可以与各省市的知识产权服务促进中心进行学习合作。
第五，各知识产权信息服务中心可以结合所在高校自身的特点，有针对性地提供知识产权信息服务。例如，对于综合类院校，可以尝试向优势学科领域进行侧重等，从而实现各中心因地制宜、个性化发展。同时，也可以与其他高校的知识产权信息服务中心或所在省市的知识产权信息服务中心开展合作，在一定程度上实现资源和服务的共享。
（三）研究展望
本文虽然对高校成立国家知识产权信息服务中心对创新绩效的影响效应进行了实证分析和检验，但还存在一定的局限性，有待进一步深入研究：一方面，在研究样本方面，出于对效应时间的考虑，在样本中没有将2021年和2022年的第三、四批的高校国家知识产产权信息服务中心也考虑在内，因此样本完整性存在局限性；另一方面，在研究变量方面，控制变量和被解释变量的构成也可以从更多不同的方面来进行考虑和研究。未来期望在效应时间、数据结构等更加完善的情况下，进行更加深入的相关实证研究。
参考文献：
[1]曹振祥，储节旺，朋礼青.高校图书馆信息服务对知识创新绩效影响的实证研究[J].图书馆学研究，2021（4）：65-74+37.
[2]徐春，张静，卞祖薇.“双一流”建设背景下高校图书馆专利信息服务现状及发展对策研究[J].图书馆学研究，2019（23）：57-64.
[3]WALLACE M, REINMAN S. Expanding the intellectual property knowledge base at university libraries: collaborating with patent and trademark resource centers[J]. Issues in Science and Technology Librarianship, 2018（88）: 1-26.
[4]APRIL K, BESSA J. A critique of the strategic competitive intelligence process within a global energy multinational[J]. Problems and Perspectives in Management, 2006, 4（2）: 86-99.
[5]林静，李剑.基于区域发展的知识产权信息服务创新——以厦门大学为例[J].图书馆学研究，2019（18）：75-81.
[6]张群，惠澜，谢东，等.高校知识产权信息服务现状及发展对策研究——基于高校国家知识产权信息服务中心的调研[J].大学图书馆学报，2020，38（4）：53-58+75.
[7]吕源，陈慧琪，刘敏榕.高校知识产权信息服务内容体系构建研究[J].图书情报工作，2022，66（12）：59-67.
[8]毛军，张蕾，王虹菲.中医药大学图书馆知识产权信息服务现状及发展策略研究[J].图书馆学研究，2019（23）：52-56.
[9]张善杰，燕翔，刘晓琴，等.用户参与的高校图书馆知识产权信息服务能力建设[J].图书情报工作，2020，64（8）：41-48.
[10]冉从敬，宋凯，何梦婷，等.知识产权生态链下的高校知识产权信息服务平台构建[J].图书馆论坛，2020，40（3）：63-72.
[11]JACOBSEN L, MILLER K C. A new way to improve library services: conducting a participatory design study of faculty research practices[J]. Library Leadership & Management, 2016, 30（3）: 1-7.
[12]吴燎原，岳峰，胡可，等.基于区间数证据分组合成的高校创新能力评价[J].科研管理，2017，38（S1）：656-665.
[13]柴广成，欧阳璐.基于因子分析的西部高校创新绩效评价——以12省市自治区相关数据分析为例（2013—2019）[J].中国高校科技，2022（1）：56-61.
[14]张家峰，李佳楠，陈红喜，等.长三角高校科研创新绩效评价及影响因素研究——基于DEA-Malmquist-Tobit模型[J].科技管理研究，2020，40（9）：80-87.
[15]王晓红，张少鹏，张奔.产学合作对高校创新绩效的空间计量研究——基于组织层次和省域跨层次的双重视角[J].经济与管理评论，2021，37（1）：125-137.
[16]ROSENDO-RIOS V, GHAURI P N, ZHANG Y Y. Empirical analysis of the key factors that can contribute to university-industry cooperational success from a relationship marketing approach[J]. European Journal of International Management, 2016, 10（6）: 647.
[17]COCCIA M, FALAVIGNA G, MANELLO A. The impact of hybrid public and market-oriented financing mechanisms on the scientific portfolio and performances of public research labs: a scientometric analysis[J]. Scientometrics, 2015, 102（1）: 151-168.
[18]赵迎红.图书馆学术信息量与高校研究竞争力相关性探讨——基于48所高校的实证研究[J].大学图书馆学报，2013，31（1）：21-27+58.
[19]曹振祥，储节旺.长三角一体化视角下“双一流”高校知识创新能力及其提升策略研究[J].情报理论与实践，2020，43（7）：116-122+178.
[20]昝栋，冯劭华，苏菊.专利信息分析在高校技术转化目标挖掘中的应用——以中国海洋大学“海洋水产饲料”领域为例[J].中国高校科技，2020（S1）：4-7.
[21]晁蓉，姚建文.图书馆服务如何促进科研创新团队的高价值专利产出？[J].图书馆论坛，2023，43（1）：131-139.
[22]王峻岭，刘敬仪，陈嘉明，等.高校专利信息服务现状与支持科研管理路径设计[J].图书情报工作，2020，64（1）：146-152.
[23]张卫国.我国高校科研生产率提升路径研究——基于31个省份的模糊集定性比较分析[J].中国高教研究，2019（7）：78-84.
[24]HUANG M H, CHEN D Z. How can academic innovation performance in university-industry collaboration be improved?[J]. Technological Forecasting and Social Change, 2017, 123: 210-215.
[25]姜玉梅，田景梅，李新运.高校图书馆绩效评价及影响因素分析——以教育部直属高校为例[J].高校图书馆工作，2018，38（4）：41-47.
[26]陈玲，段尧清.政务大数据政策的技术创新效应分析——基于PSM-DID方法的估计[J].图书情报工作，2020，64（20）：96-105.
[27]ROSENBAUM P R, RUBIN D B. Constructing a control group using multivariate matched sampling methods that incorporate the propensity score[J]. The American Statistician, 1985, 39（1）: 33.
[28]SMITH J A, TODD P E. Does matching overcome LaLonde's critique of nonexperimental estimators?[J]. Journal of Econometrics, 2005, 125（1/2）: 305-353.
[29]JACOBSON L S, LALONDE R J, SULLIVAN D G. Earnings losses of displaced workers[J]. The American Economic Review, 1993, 83（4）: 685-709.
[30]于转利，丁浩.农村电商政策促进西藏农牧民增收效应研究——基于PSM-DID的实证分析[J].西藏民族大学学报（哲学社会科学版），2023，44（1）：120-125+139.
[31]张华.低碳城市试点政策能够降低碳排放吗？——来自准自然实验的证据[J].经济管理，2020，42（6）：25-41.
作者简介：李仪，重庆理工大学重庆知识产权学院，教授，重庆大学法学博士，研究方向为信息管理学、情报学；王康霖，重庆理工大学重庆知识产权学院，硕士研究生，研究方向为知识产权信息管理，本文通讯作者。
