摘要：文章对高校生物医药专利转移速度及影响因素进行实证研究，以期提高专利交易效率，加大高校专利对生物医药产业发展的贡献度。首先通过对南京市高校生物医药专利的转移速度进行描述性统计，其次从专利知识特性、专利转移方和专利接收方三个层面设计解释变量，采用Pearson相关分析、独立样本T检验和方差分析对解释变量的相关性进行初步筛选，利用Cox回归模型分析高校生物医药专利转移速度的影响因素。结果表明，1～4年为南京高校生物医药专利转移的黄金期，中国药科大学生物医药专利转移速度最快；权利要求数量、专利转移类型、专利类型、高校类型和接收方类型会影响专利转移速度。对此，建议提升高校生物医药专利质量，加速建设基于专利价值和生物医药领域的专利分级分类管理体系，探索开放许可模式，多渠道完善产学研合作平台，以实现专利由高校向企业的精准、高效转移。

关键词：生物医药产业，专利转移速度，Cox回归模型

[基金项目：国家社会科学基金重大项目“技术推动机制下创新药物研发、上市政策环境研究”（15ZDB167）]

生物医药产业作为知识密集型产业，必然高度重视知识管理，而高校作为科技成果的主要提供方，其专利转移转化能力必然会影响生物医药产业的发展。据统计，2020年，我国高校有效发明专利产业化率为3.8%，美国高校转化率约50%，是我国高校转化率的13倍^[1-2]。相比之下，我国高校大量的优质专利并未从实验室走出去，无法转化出经济价值，因此，专利权转移才是专利真正发挥作用的开始。

南京市作为长三角地区重要的生物医药基地，具有雄厚的科研、教育和产业基础。目前，中国药科大学、南京中医药大学、南京大学等20余所开展生物医药教学的高校，其国家级人才和省级人才数量均位列全国第三，科技创新资源丰富^[3]。基于此，本研究以南京市高校为例，选择专利转移速度来衡量高校技术转移能力。专利转移速度指专利从产生到发生转让或许可的时间差，即专利转移速度=（首次转移日-申请日）/365，以年为单位进行计算。专利转移速度越大，说明专利时滞期越长，其市场效用大幅缩小，高校的社会服务效率也随之降低。因此，深入分析专利转移速度的影响因素，寻求切实可行的改善对策，是充分发挥专利制度作用的现实要求。

一、相关研究

高校科技成果的顺利转化会进一步提升我国的科技创新能力和竞争力。当前，我国高校生物医药领域专利转化率普遍较低，学界普遍认为加强知识产权运营能力建设，构建专利质量评价体系，提升专利申请权转移能力和专利许可实施能力，是优化我国高校生物医药专利转化效率的可行路径^[4-7]。而专利转移速度是决定专利价值的重要因素，也是衡量高校转移能力的有效标准。基于许可专利视角的专利转移速度的研究表明，市场价值会随许可专利转移速度延缓而降低，反映出专利技术的老化现象^[8]。1～4年是专利技术转移的高峰期，专利的经济效用较大，其中高校许可专利的高科技含量对专利技术产业化速度具有促进作用^[9-10]。综上，已有研究并非专门针对专利转移速度，仅在评价专利技术转移特征时，简单计算出技术转移速度并用以描述市场价值。

在研究方法上，理论建模和社会网络分析方法是探索许可专利转移速度影响因素的主要方法。例如：通过建立理论模型可以发现，知识产权法案实施后许可专利的转移速度平均缩短，且市场环境中竞争加剧会增加许可延迟^[11-12]；基于社会网络分析可以得出，高校专利技术转移速度受到合作模式、转移方式、专利类型、交易对象性质和地理距离等因素影响，且高校制度因素及研发网络衔接对地理距离与校企技术转移速度的关联性存在突出的负向调节效果^[13-14]。

通过对现有文献的分析发现，专利转移速度是衡量专利产业价值不可或缺的因素，且专利转移速度本身又受到多维因素的影响。但是，现有研究还存在以下问题需要进一步深入考察。第一，已有研究对专利转移速度的影响因素展开多维分析，但大多停留于定性分析，缺乏实证分析研究。第二，虽已有国外学者通过构建模型对专利转移速度的影响因素做了充分的效能分析，但纳入的指标囿于片面。同时，研究忽视了不同技术领域的差异性，研究对象宽泛，鲜有研究对生物医药领域专利进行深入剖析，研究内容的丰富性有待提高。因此，本研究针对高校生物医药领域专利转移转化情况，以南京市为例，通过构建Cox比例风险模型（Cox proportional-hazards model，以下简称Cox回归），利用多维度指标体系考察专利转移速度的影响因素及其影响程度，是对已有研究的有益补充。

二、研究设计

（一）数据来源

本研究选用incoPat专利数据库对南京市高校生物医药领域发明专利进行检索。根据不同学者对生物医药产业的定义，为确保检索数据的完整性，本文选取广义上的生物医药产业概念（包含生物技术领域专利与医药领域专利）进行筛选。检索条件包括：选择中国专利数据库，将专利申请人所在地固定为南京市，专利申请人类型为高校，检索时间跨度固定为 2017年 1月 1日 至 2022年 5月 26日 ，检索类型为发明专利与授权，同时通过广义生物医药定义涉及的IPC分类号进行筛选。由于实际检索中生物技术专利总量远大于医药专利总量，而本文的研究对象更聚焦于医药产业，因此，在分析时更关注医药领域的专利转移情况。综上，本研究的高校专利检索式为：（（（（IPC=（G01N OR A61 OR C08B OR C 08F OR C 08G OR C08H OR C 08L OR C07 OR G01J OR C 12M OR C12N OR C12P OR C12Q OR C12R））AND（PD=[20170101 TO 20220526]））AND（AP-TYPE=（U）AND AP-ADD=（江苏省南京市））））。

（二）数据清洗

通过incoPat检索初步得到26832条高校原始数据，随后对南京市高校专利数据进行清洗、降噪。首先，人工剔除申请人地址非南京市的专利，以及在专利列表中重复出现至少两次的专利。由于本研究的关注对象为南京市生物医药产业，研究范围仅限南京市，而部分企业将同一专利在不同国家和地区进行申请以保持其竞争优势，导致该专利在数据库中重复出现，因此，筛除无关项后得到20165条南京市高校无重复专利数据；其次，根据专利文献中的法律事件筛选出761件已发生法律意义上的转移转化（转让或许可）专利。为确保检索专利均属于生物医药领域，本文通过人工降燥，剔除无关项，最终得到南京市高校450件发生转移的生物医药专利。

（三）测度计量指标

本研究以专利转移速度为因变量，在自变量的选择上，结合其他学者的研究成果，从专利知识特性、专利转移方和专利接收方三个维度出发，得出以下变量：①IPC分类号数量，用于反映专利技术宽度，专利所涉及的IPC分类越多，专利价值越高。②发明人个数，体现了专利研发过程中人力资源的投入情况。③权利要求数量，说明了技术的复杂程度。④专利转移类型，专利转让和专利许可是科技成果转化的主要形式，不同类型的转让方式可能会对专利转移速度产生不同影响。⑤专利申请类型，用于探讨以高校作为唯一主体进行的专利申请，和与企业、科研机构等其他主体合作申请的专利转移速度是否有差异。⑥是否有代理机构，一般来讲，有代理机构的专利，其价值普遍较高，转移可能性较大，会对专利转移速度产生影响。⑦专利类型，高校在专利上的技术布局能反映专利价值及产业化的可能性，本文依据专利标题将专利分为7种类型。⑧高校类型，不同类型申请人与专利的关联度不同，对专利维持也有不同的需求，本研究将南京市高校按“985”院校、“211”院校等划分为5类。⑨专利转移距离，反映专利的辐射程度，本文根据受让方所在地将专利转移距离分为南京市、江苏省（除南京市）、邻省（包括上海市、浙江省、山东省、安徽省）、其他省份4种。⑩接收方类型，不同类型的受让人会反映出专利的不同需求度及专利质量，本文将专利接收方类型划分为高校、企业、科研机构和个人4类。

（四）分析方法

在进行Cox回归分析之前，由于自变量类型较广，本文采用以下3种方法判断自变量与因变量之间的相关性及相关程度。首先，利用Pearson（皮尔逊）相关分析判断因变量与连续型变量之间的相关程度，剔除不相关变量；对于分类变量，使用独立样本T检验分析二分类变量与因变量之间的相关性及相关程度；采用单因素方差分析检验多分类变量与因变量之间的相关性及相关程度。然后，排除无实际意义的变量后，将剩余自变量纳入Cox回归模型，以保证结果的真实可靠。具体研究设计如图1所示。

三、实证分析与结果

（一）描述性统计

从共时分布规律的角度来看，南京市高校生物医药专利数据集合中，专利转移速度的最大值为7.68年，最小值为0.24年，平均值为3.09年，中位数为3.02年，四分位数为1.89年，标准差为1.63年。特征数据显示，南京市高校生物医药转移速度分布较为集中，平均每件专利能够在3年左右完成转移，整体呈现较好的转移态势，但转移速度极差较大，存在少数“沉睡专利”。从历时变化规律的角度来看（见图2），1～4年为高校生物医药专利技术转化的黄金时期，专利转移速度呈现两端数据稀疏、中部密集的规律。其中，2020年专利转移速度为双峰分布，说明该年度申请的南京市高校生物医药专利转移速度分布并不均匀。

从时间维度来分析，2014—2021年间各年度专利转移速度的中位数逐年下降（从2014年的4.46年下降至2021年的0.7年），各年度专利转移速度的分布区间不断缩短（由2014年的2.65～7.68年缩短至2021年的0.24～1.17年），专利转移速度的离散程度有所增强。另外，专利转移速度分布逐年降低，分布区间逐年缩短。由此可知，一方面，由于本文的检索日为 2022年 5月 26日 ，越靠近该日期，专利转移速度的计算结果越小，因此在图中呈现出较窄的分布区间。另一方面，近年来南京市高校对于生物医药专利质量提升的重视程度不断加强，促进专利产业化程度的提高初见成效。

具体到各高校，由于篇幅有限，本文选取了专利转移速度平均值排名前10的高校（见表1）。其中，中国药科大学专利技术转化整体效率较高，其生物医药专利的平均转移速度为2.44年，中位数为1.92年，说明50%的专利在申请2年内发生转化，平均每件专利都能在3年内完成转化。

（二）变量筛选

1.Pearson相关分析

皮尔逊相关系数（pearson correlation coefficient）可用来验证连续型变量与因变量的相关程度。r值介于-1和1之间，｜r｜的绝对值越大，相关性越强。若r＞0，表明两个变量是正相关；若r＜0，表明两个变量是负相关；若r=0，表明两个变量间不线性相关。对南京市高校生物医药专利的IPC分类号数量、发明人个数和权利要求数量数据分别进行Pearson相关分析。数据显示（见表2），权利要求数量的相关系数r为-0.291，其通过0.01级别的双尾检验，与专利转移速度存在强（负）相关性，即权利要求数量越多时，专利的转移速度越快；IPC分类号数量与专利转移速度也存在（负）相关性，但其相关程度与权利要求数量相比较弱；发明人个数这一指标与专利转移速度的相关性较差，说明发明人数量多少，与专利转移速度无关，因此该指标在Cox回归分析中被剔除。

2.独立样本T检验

独立样本T检验用于检验二分类自变量与连续型因变量之间是否有显著性差异，以及其是否具有统计学意义^[15]。由表3可知，专利转移类型、专利申请类型和是否有代理机构均包括2个水平，因此在分析上述三个指标对专利转移速度的影响中，采用独立样本T检验的方法分析后发现，专利转让对专利转移速度的影响略高于专利许可。为了检验其是否具有显著性差异，根据独立样本T检验结果发现：专利转移类型假设方差不相等假设条件下均值T检验显著性水平为0.000（sig＜0.01），t值为4.012。说明专利转让或许可对专利转移速度的影响具有显著性差异，且许可专利比转让专利的转移速度更快。然而，对于专利申请类型和是否有代理机构这两个指标，从均值上看，联合申请专利的转移速度较独立申请专利更快，有代理机构的专利转移速度比无代理机构的专利转移速度更快，但T检验结果显示，两指标在方差不相等的假设条件下不存在显著性差异（sig均大于0.05），即专利申请类型和是否有代理机构对专利转移速度影响不大，因此在Cox回归分析中被剔除。

3.单因素方差分析

多分类变量常用方差分析进行检验，本文采用单因素方差分析研究多分类变量对专利转移速度的影响程度^[16]。在单因素方差分析中，F值表示影响因素影响专利转移速度的显著性，F值越大，影响越显著。P值表示影响因素与专利转移速度之间的相关性，P＜0.05时表明影响因素和专利转移速度存在相关性。由表3可知，高校类型、接收方类型、专利类型、地理距离4个因素的显著值分别为0.000、0.003、0.011、0.571，其中地理距离的显著性P＞0.05，因此在Cox回归分析中被剔除；高校类型的显著性P＜0.01，F值为6.023；接收方类型和专利类型的显著性P＜0.05，因此各因素对专利转移速度的影响顺序为：高校类型＞接收方类型＞专利类型＞地理距离。

（三）Cox回归结果分析

以专利转移速度为因变量，以Pearson相关分析、独立样本T检验和单因素方差分析中P＜0.05的变量为自变量，采用多因素Cox回归分析，得到Cox回归方程各参数如表4所示，模型整体得分为116.12（sig＜0.01），其中SE为回归系数的标准误差，Wald用于检验总体回归系数与0有无显著性差异，Exp（β）为相对危险度。

根据数据显示，自变量中IPC分类号数量的P值为0.244（＞0.05）没通过显著性检验，说明其对专利转移速度的影响微弱，不作为影响因素。但由Pearson相关分析结果可知，IPC分类号数量与专利转移速度呈现负相关性，产生结果差异的原因可能是在Cox回归中IPC分类号数量受到了其他自变量的影响。另外，IPC分类号数量由专利技术内容决定，与专利质量、转移可能性和市场价值无必然联系，因此在Cox回归中表现为无影响。权利要求数量、专利转移类型、专利类型、高校类型和接收方类型等自变量通过了显著性检验，是专利转移速度的影响因素，其中：权利要求数量的Exp（β）＞1，说明权利要求数量的增多会加快专利转移；专利转移类型在0.01显著水平上为1.788，说明许可专利比转让专利发生转移的速度更快；专利类型中，用途类专利在0.05显著水平上为1.171，因此用途类专利的转移速度最快；从申请人角度看，“985”院校的专利转移速度排在第一，“双一流”院校的专利转移速度是“985”院校的0.637倍，排在第二，其次是“211”院校、普通本科和专科院校；从接收方类型来看，高校内部专利流动或输出给其他高校的速度更快，其次为个人（0.664）、企业（0.236）和科研机构（0.184）。

四、讨论

（一）结果讨论

本文以 2017年 1月 1日 至 2022年 5月 26日 南京市高校申请并获授权的生物医药领域发明专利作为研究对象，记录研究对象的法律状态和专利失效日期。首先经过描述性统计，发现南京市高校生物医药专利平均转移速度在3年左右，整体呈现较好的转移态势，但转移速度极差较大，存在少数“沉睡专利”。其次，通过Pearson相关分析、独立样本T检验和单因素方差分析检验10个自变量与专利转移速度这一因变量间的关联性，剔除了发明人个数、专利申请类型等4个不相关变量。最后，利用Cox回归模型对剩余6个影响因素进行了研究，得出的研究结论如下：

权利要求数量、专利转移类型、专利类型、高校类型和接收方类型会影响专利转移速度（见图3），其中：（1）权利要求数量与专利转移速度成正相关，专利的权利要求越多，说明此项专利技术受法律保护的内容越多。权利要求的合理布局不仅能够完整地体现高校专利的技术方案，还能降低专利转移的争议风险，因此专利的价值越高，在实际转移中耗时越短，速度越快。（2）高校在专利转移转化过程中所采用不同的转移转化方式会对专利转移速度有影响。由于获批流程不同，专利许可相比转让而言，专利转移速度更快。（3）在专利类型中，用途类专利的转移速度最快，具有广阔的市场前景，其次分别是产品及方法和用途类、产品类、产品和用途类、方法类、方法和用途类、产品和方法类，由此可见，专利转移速度的快慢，与专利的市场应用度存在密切联系。（4）在高校类型中，由于“985”院校多为综合类院校，办学实力强，专利质量相对较高，因此专利转移速度也最快，排在其后的分别是“双一流”院校、“211”院校、普通本科和专科院校。一般来说，专利转移能力是高校综合实力的表现之一。重点高校凭借自身强劲的专利创新能力往往在业内享有良好的声誉，进一步推动其开展专利转移工作并探索专利转移模式。因此与其他高校相比，重点高校的专利转移效率更高。（5）对于不同的交易对象，高校内部专利权流转和受让给其他高校的专利转移速度最快，企业从高校获取专利大多是出于市场化应用的目的，但由于信息不对称，校企之间的专利流动往往需要更长时间的价值评估和市场搜寻，因此专利转移速度相对较慢。

（二）启示

基于上述研究结论，本文提出以下建议，供高校进一步提升专利转移能力，发挥专利制度功效。针对专利知识特性而言，研究结论表明专利权利要求数量越多，价值越高，转移越快。因此，高校在专利申请时更要注重专利保护程度，考虑最优保护标准，合理布局专利权利要求，进一步提升高校生物医药专利质量，加速建设基于专利价值的专利分级分类管理体系，深挖专利价值，盘活“沉睡专利”。从专利转让方角度来看，要创新高校现有专利转移模式，形成由生物医药技术、市场需求、专利布局保护三方耦合下的符合市场经济规律的生物医药类专利技术开发与转移模式。建议结合生物医药专利的不同特点，灵活制定专利转移策略，积极探索开放许可模式，从而提升高校专利技术转移的效率。从专利接收方角度来看，不同类型专利接收方对专利转移速度的影响各不相同，而企业作为高校专利转移的巨大潜在客户，其专利转移速度受到市场竞争和信息不对称的制约，因此需要多渠道完善校企沟通平台，实现专利由高校向企业的精准、高效转移。

（三）研究局限与展望

本文基于高校大量、有效、真实的专利转移数据，以专利转移速度为被解释变量，尝试探讨高校生物医药专利转移速度的影响因素，所得出的结果贴合高校专利转移客观事实，为如何加快高校生物医药专利产业化进程提供了有益的参考。当然，本研究也存在一定的局限。研究以南京市高校生物医药专利数据作为样本，样本范围有限，所得结论可能不具有普适性。另外，本文仅纳入了专利知识特性、专利转移方和接收方3个维度的10个自变量探讨专利转移速度的影响因素，未来是否可以补充纳入其他可靠的解释变量，值得进一步研究。

参考文献：

[1]国家知识产权局.2020年中国专利调查报告[EB/OL].（ 2021-04-15 ）[ 2022-10-21 ].https://www.cnipa.gov.cn/module/download/downfile.jsp?classid=0&showname=2020%E5%B9%B4%E4%B8%AD%E5%9B%BD%E4%B8%93%E5%88%A9%E8%B0%83%E6% 9F %A5%E6% 8A %A5%E5%91% 8A .pdf&filename=b6bf2ef 6f 8b74b8bb 0f 954de18e4830e.pdf.

[2]Autm. AUTM 2020 Licensing Activity Survey[EB/OL]. [ 2022-07-21 ]. https://autm.net/surveys-and-tools/surveys/licensing-survey/2020-licensing-survey.

[3]南京市人民政府.瞄准生物医药，南京打造千亿级产业地标[EB/OL].（ 2019-11-13 ）[ 2022-10-19 ].https://www.nanjing.gov.cn/njxx/201911/t20191113_1705547.html.

[4]魏玮.从实施到运营：企业专利价值实现的发展趋势[J].学术交流，2015（1）：110-115.

[5]王健.我国高校专利转化能力的比较研究——以“985工程”大学为例[J].中国高校科技，2015（9）：55-57.

[6]施晴，王芸，徐宏，等.基于专利转化的高校生物医药专利质量评价研究[J].科技管理研究，2019，39（11）：139-145.

[7]瞿礼萍，曾洁，黄倩倩，等.我国高校生物医药类专利转化现状研究[J].科技管理研究，2020，40（14）：196-203.

[8]温芳芳.我国专利技术转移的时间与空间分布规律研究——基于SIPO专利许可信息的计量分析[J].情报理论与实践，2014，37（4）：32-36.

[9]蒋君，凌锋，刘会景.基于专利法律状态信息分析的企业技术转移关系研究——以胰岛素为例[J].情报杂志，2014，33（10）：96-100.

[10]吴笑，柳美君，李伟平，等.2008—2012年我国高校专利许可现状研究——基于普通高校与重点高校的专利许可比较[J].科技管理研究，2015，35（20）：155-160.

[11]HEGDE D, LUO H. Patent publication and the market for ideas[J]. Management Science, 2018, 64（2）: 652-672.

[12]ALLAIN M L, HENRY E, KYLE M. Competition and the efficiency of markets for technology[J]. Management Science, 2016, 62（4）: 1000-1019.

[13]温芳芳，曹世锋，李翔宇，等.我国“双一流”高校专利技术转移速度研究——基于专利许可转让年龄的多维比较和历时分析[J].情报理论与实践，2020，43（11）：65-70；143.

[14]马荣康，李少敏.地理距离阻碍大学—企业技术转移速度吗？——大学制度背景与研发网络嵌入的调节作用[J].科学学与科学技术管理，2019，40（11）：32-44.

[15]吴明隆，涂金堂.SPSS与统计应用分析[M].大连：东北财经大学出版社，2012：67-68.

[16]SE J M, ZHANG L H, LIU B, et al. Application of Matlab Toolbox[M]. Beijing: Publishing House of Electronics Industry, 2004: 18-19.

作者简介：韩朦，中国药科大学国际医药商学院，博士研究生，研究方向为医药产业与政策；王诗嘉，中国药科大学国际医药商学院，硕士研究生，研究方向为医药政策；董璨，中国药科大学国际医药商学院，硕士研究生，研究方向为国际药品注册；夏馨羽，中国药科大学国际医药商学院，硕士研究生，研究方向为医药政策；孙传良，中国药科大学科技处，讲师，研究方向为医药知识产权与科技管理研究。

通讯作者：陈永法，中国药科大学国际医药商学院，博士生导师，教授，研究方向为医药政策与法规。