3 实证分析

根据上述模型与数据，本研究运用Frontier4.1软件进行了SFA的计算，得出了随机前沿生产函数的系数，估计结果如表3所示。

3.1 柯布-道格拉斯随机前沿生产函数的估计

使用2007—2016年面板数据，根据上述模型对知识产权投入效率进行估计，从表3中给出的生产函数系数估计值和t统计值可以看出，SFA所估计出的σ²、γ以及LR统计检验分别在5%、1%以及1%的水平下显著，拒绝没有无效效应的零假设，随机误差项和非效率误差项是显著存在的，其中，γ反映技术无效率项对实际产出偏离的相对重要程度，从上述表中可以看出这个值为0.9999，接近1，可知模型中误差项的变异主要是由技术效率的无效应部分造成的，说明该模型的假设合理。另外从生产前沿模型参数的t值得显著性来看，只有少部分变量的t统计值不显著，则该模型对于变量的选取基本适用。从而，可以从参数估计结果得出以下结论：

（1）知识产权创造与服务有待加强，执业专利代理人数量、知识产权服务机构与知识产权投入效率呈负相关。执业专利代理人的产出弹性β₁=-0.2195，且t值非常显著，说明当执业代理人数量增加1时，知识产权综合发展指数将会减少0.2195，就知识产权投入效率而言，近年来对于执业代理人的投入在数量上逐年增加，但是服务水平没有提升，反而造成整体从业人员的执业水平降低。知识产权服务机构的产出弹性β₄=-0.0052，但是该因素的t值在本文中没有通过显著性检验，导致该因素没能成为影响知识产权综合发展水平因素的主要原因在于目前对于知识产权服务机构的管理机制还不够完善、准入门槛较低，市场上大量的服务机构并不能提供质量较好的服务，其对知识产权投入效率的影响较小。

（2）知识产权运用效益不明显，试点项目和运营平台数量与知识产权投入效率呈正相关，但是产出弹性较小。试点项目和运营平台的产出弹性β₂=0.0184，t值在10%水平下显著，知识产权运用措施对知识产权综合发展指数的影响不是很明显，还有待进一步完善，这也符合我国知识产权事业目前“大而不强、多而不优”的特点。

（3）知识产权保护效益显现。行政执法及司法保护与知识产权投入效率呈正相关，其产出弹性β₃=0.1787，t值在1%水平下显著，可以看出知识产权保护措施对知识产权综合发展指数的影响比其他措施更加明显，说明我国知识产权的制度建设与立法工作，以及对知识产权保护的一系列投入都取得了一定的效果。

3.2 政策影响因素分析

从我国知识产权投入效率水平的政策影响因素系数来看，创造、运用政策工具对知识产权投入效率有正向效应，创造、运用政策工具对知识产权投入效率有负向效应。其中除运用政策工具外，其余3个因素的t统计值分别在10%、5%和5%的水平下显著，知识产权创造、运用、保护和管理政策对知识产权效率的影响主要包括：

其一，知识产权创造政策激励越强，知识产权综合发展水平就越高。δ₁=-0.016，系数为负，说明创造政策工具越多，则知识产权投入的技术无效率越低，则对知识产权投入效率有正向效应。这与顾晓燕等^[17]关于知识产权创造与产业增长具有互相促进效应的研究相一致。

其二，运用政策工具对知识产权投入效率有正向效应。这与一些现有研究也是相符合的^[18-19]。但是该因素的t值在本文中没有通过显著性检验，导致运用政策工具没能成为影响知识产权投入效率的主要原因在于我国知识产权运用政策不够完善，还存在一些问题，比如关于知识产权运用的模式和服务产品等还比较单一，有待创新；如知识产权质押融资等方式的企业参与度不高，大企业因为自身具备足够的资本所以缺乏参与其中的意识，中小企业可能由于无法满足政策所设定的条件而不能够参与其中。

其三，保护政策工具对知识产权投入效率有负向效应。虽然知识产权保护的投入效率较高，但是这是建立在大量投入的基础之上的，知识产权保护政策并没有发挥作用。之所以会出现这种情况可能是由于知识产权保护政策的执法力度不够以及执法无序造成的，比如在专利和商标方面，对于侵权的行政处罚与金额赔偿力度不够等，使得侵权与假冒案件并没有明显减少。而在版权方面则存在执法主体不明，或者说根本没有建立起著作权保护工作等问题，还有地理标志、植物新品种等知识产权的保护工作更是存在诸多问题。

其四，管理政策工具对知识产权投入效率有负向效应。δ₄=0.0399，说明管理政策工具越多，则知识产权投入的技术无效率越高。之所以存在这种情况，最主要是知识产权管理政策的执行存在一些问题：首先，我国原有的知识产权行政管理机构设置与我国知识产权事业发展目标不匹配，对于专利、商标以及版权等各类知识产权的管理分别设置在不同的政府部门，缺乏促进知识产权事业发展的整体观念，难以统一领导和协调。然后，我国知识产权服务机构的建设不能满足知识产权事业发展的需要，知识产权服务机构的建设与推动比较缓慢且数量和规模不足，不同区域发展水平不均衡，对于服务机构的监管和审查造成了很大的不便。

3.3 技术效率分析

图2是知识产权投入效率分布趋势图，从图中可以看出知识产权投入效率水平整体较高，各年度都不低于95%，即实际产出达到了其前沿水平，从分时段的政策效率对比来看，自实施国家知识产权战略以来，效率值整体上呈上升趋势。2012年对于知识产权来说是承前启后的一年，我国将“实施知识产权战略，加强知识产权保护”纳入创新驱动发展战略整体部署当中，同时在知识产权制度建设、审批登记、执法以及宣传教育与培训等方面都重新制定了一系列新举措，从知识产权投入效率来看，这些举措随后取得了显著的成果。

4 结论与建议

本文在中国知识产权2007—2016年的面板数据的基础上，通过构建基于柯布道格拉斯生产函数的随机前沿分析模型对我国知识产权投入效率及其政策影响因素进行了实证研究，结果表明我国知识产权投入效率水平整体较高，但是也存在一些结构上的问题，具体包括：

知识产权服务不到位。执业专利代理人和知识产权服务机构的产出弹性都为负值，建议加快知识产权服务标准体系的建设，为知识产权服务机构提供一个合法有序的政策环境，实现整体服务水平的提升。同时应该培养高水平人才队伍，提高知识产权服务人员的整体素质。

知识产权运用有待加强。试点项目和运营平台的产出弹性较低，建议在知识产权运用方面，如质押融资、预警分析、价值评估等方面制定相应的服务标准，对于知识产权运用的模式和服务产品进行创新。构建标准必要专利、参与国际知识产权标准制定，调动市场主体的参与度，增加社会参与资本，实现知识产权的有效运用。

知识产权保护力度需全面从严。行政执法与司法保护的产出弹性为0.1787，也是比较低，建议从行政、司法两方面进行体制改革。行政方面可以借鉴知识产权发达国家，再结合我国特色设立专门的知识产权战略机构，制定宏观政策，对各类知识产权进行统一管理。司法方面应该注重具体限制性条款在实践中的有效应用，对我国市场主体的利益适当进行衡量，同时在知识产权侵权、假冒案件中应当加大执法力度，建立起完善的知识产权保护制度。

从政策影响因素来看，创造和运用政策工具有显著的正向效应，而保护和管理政策工具具有负向效应。建议结合我国目前阶段知识产权所面临的新形势以及工作重点，制定细化各门类的知识产权落地政策，以及各具特色的地方知识产权战略，构建系统高效的国家知识产权政策体系，并且修改和完善知识产权法律体系，借助新成立的国家知识产权局加强知识产权执法能力建设，使得知识产权事业继续踏浪前行、高歌猛进。

参考文献：

[1]赵嘉茜，宋伟，叶胡.高技术产业知识产权运营绩效研究[J].中国高校科技，2013（Z1）：31-34.

[2]杜晓君，张序晶.高科技企业知识产权管理绩效模糊综合评价[J].研究与发展管理，2004（2）：80-84，88.

[3]郭俊华，黄思嘉，吕守军.知识产权政策评估指标体系的构建及其应用研究[J].中国软科学，2009（7）：19-27.

[4]DIANE Z. Developing intellectual property policies：a how-to guide for museums[M].New York：National Initiative for a Networked Cultural Heritage（NINCH），Ottawa：Canadian Heritage Information Network（CHIN），2004.

[5]MOESR P. How do patent laws influence innovation？：evidence from nineteenth-century world’s fairs[J].The American Economist，2005，95：1214-1236.

[6]BATTESE G E，COELLI T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics，1995，20（2）：325-332.

[7]魏峰，荣兆梓.竞争性领域国有企业与非国有企业技术效率的比较和分析：基于2000—2009年20个工业细分行业的研究[J].经济评论，2012（3）：75-81.

[8]王从春，陈敬良.基于SFA的区域文化事业投入效率政策影响因素研究[J].工业工程与管理，2017，22（4）：156-161，169.

[9]戚湧，郭逸.基于SFA方法的科技资源市场配置效率评价[J].科研管理，2015，36（3）：84-91.

[10]KWIETNIEWSKI L，SCHREYOGG J. Profit efficiency of physician practices：a stochastic frontier approach using panel data[J].Health Care Management Science，2018，21（1）：76-86.

[11]LOPEZ R A，HE XI，AZZAM A. Stochastic frontier estimation of market power in the food industries[J].Journal of Agricultural Economics，2018，69（1）：3-17.

[12]李双杰，范超.随机前沿分析与数据包络分析方法的评析与比较[J].统计与决策，2009（7）：25-28.

[13]GRILICHES Z. Estimates of the aggregate agricultural production function from cross-sectional data[J].Journal of Farm Economics，1963，45（2）：419-428.

[14]傅晓霞，吴利学.技术效率、资本深化与地区差异：基于随机前沿模型的中国地区收敛分析[J].经济研究，2006（10）：52-61.

[15]傅晓霞，吴利学.全要素生产率在中国地区差异中的贡献：兼与彭国华和李静等商榷[J].世界经济，2006（9）：12-22，95.

[16]宋河发，沙开清，刘峰.创新驱动发展与知识产权强国建设的知识产权政策体系研究[J].知识产权，2016（2）：93-98.

[17]顾晓燕，严文强.知识产权创造与高技术产业增长互动效应研究[J].科技进步与对策，2013，30（24）：139-142.

[18]宋河发.激励知识产权创造运用和创新的增值税优惠政策研究[J].知识产权，2016（12）：76-81.

[19]史方方.我国知识产权运营促进政策研究[D].郑州：郑州大学，2017.

作者简介：林德明（1978—），男，黑龙江哈尔滨人，副教授，博士，主要研究方向为知识产权管理与科学计量学；赵姗姗（1993—），女，甘肃白银人，硕士研究生，主要研究方向为知识产权战略管理。