, 谌颖Technology transfer in China's city system: Process, pattern and influencing factors
DUANDezhong, CHENYing通讯作者:
收稿日期:2017-08-19
修回日期:2018-01-31
网络出版日期:2018-04-20
版权声明:2018《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (2682KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
进入21世纪以来，随着全球化深入发展和产业价值链的细化分解，创新资源越来越明显地突破组织的、地域的、国家的界限，在全球范围内自由流动，世界进入以创新要素全球流动为特征的开放创新时代[1]。在科技全球化下，全球创新资源的流动性致使当今任何一个国家都不可能在某一科学领域和产业技术领域长期保持领先和垄断地位，当今世界已进入一个被称为“国际合作”的时代[2]，以大学为主导的科研合作与以跨国公司为主导的技术转移成为推动世界科技与经济发展的主导力量[3,4]，其中技术转移更是成为发达国家实现技术经济效益和发展中国实现技术追赶，发展本国经济的主要方式。技术转移是管理学、经济学、科技政策领域的核心研究课题之一。国外开展技术转移研究较早，始于20世纪50至60年代，起源于“北—南”合作中凸显的技术转移问题，包括联邦机构[5]、国际公司在跨国技术转移中扮演的角色分析[6]，以及国家科技发展政策对技术转移的影响[7]等。经过半个多世纪的发展，国际技术转移研究已经形成了包括创新主体及创新主体间的技术转移体系[8,9]、跨国公司的技术转移途径与效应[10]、技术转移平台与服务机构[11,12]、技术转移与公共政策[13,14]、发展中国家技术转移实践[15,16]、技术转移的影响因素和溢出效应[17]等在内的一整套技术转移研究理论体系。国内技术转移研究始于20世纪80年代初期，且伴随着改革开放的不断深入和拓展，呈现出明显的阶段特性[18]，从早期的概念辨析和理论体系建构，经以大学和跨国公司为技术转移主体的发达国家技术转移模式和发展经验介绍，到目前中国技术转移实践问题探讨。
综合来看，中国的技术转移研究主要集中在以下几个方向：① 技术转移的理论体系研究，研究内容从早期的理论引进与介绍到当前的中国特色技术市场理论体系的建构[19,20];② 发达国家技术转移模式与发展经验介绍，研究对象涉及北美（美国[21]）、西欧（丹麦[22]、德国[23]、英国[24]）、东亚（日本[25]）多个发达国家，研究方案也多从发达国家的大学和科研机构的技术转移体系探讨入手，并研究其对中国的借鉴;③ 发达国家向发展中国家技术转移的途径与效应，如南北技术转移与经济增长研究[26]，发达国家向中国的技术转移研究[27]等;④ 技术创新主体的技术转移能力、途径与模式研究，如以中国科学院为代表的科研机构的技术转移模式研究[28]、企业技术转移路径研究[29,30]、大学技术转移体系与区域差异研究[31,32,33]、以及大学—企业间的技术转移与技术合作研究[34,35]等;⑤ 跨国公司技术转移及对中国的影响研究，包括跨国公司的技术转移路径和形式研究[36]，跨国公司对其在华合资公司的技术转移研究[37]、跨国公司的技术溢出效应研究[38]等;⑥ 中国跨区域技术转移网络结构及演化机制研究，多利用中国技术市场管理促进中心数据库的省际技术市场成交额作为网络建构基础，普遍揭示出中国跨区域技术转移多发生在发达省区之间，地理距离、经济发展水平、产业结构相似度、研发投入等因素广泛被证明是推动中国省际技术转移网络演化的主导力量[39,40,41];⑦ 技术转移与区域经济发展关系研究，普遍构建多种回归计量模型，并构建多指标评价体系对不同空间尺度的技术转移与经济增长关系进行检验[42,43]。
不难发现，围绕“技术转移”相关问题探讨的文献可谓是堆积如山，但大量研究成果来自于经济学和管理学，从地理学的视角研究技术转移的空间问题以及其背后凸显的城市与区域创新问题几乎没有。虽然从20世纪90年代中期，中国地理****就呼吁加强科学技术地理学的研究，并将科学技术的转移与技术市场作为科学技术地理学的八大研究方向之一[44]，但响应者甚少。21世纪以来，随着技术转移、科技成果转化在国家自主创新建设以及创新驱动发展战略中凸显的作用愈发明显，创新技术的空间分布及区域间的技术转移问题开始引起地理****的关注[45]，但成果较少，且集中于阐释某一特色技术和特色产业领域的技术转移[46,47]。近年来，创新地理学在人文社会科学空间转向和经济地理学关系—文化转向的碰撞下，逐渐成为人文地理学的主要研究方向，但相较于其他研究主题（城市创新能力评价、城市创新网络、创新空间效应等），技术转移几乎成为被忽视的一个方向。
进入新常态的中国经济正面临增速下行的压力和转型升级的挑战，亟待激发新的强大动力，而加快创新技术转移（科技成果转移转化）（“科技成果转化”是一个颇具中国特色的概念，而国外使用较多的是“技术转移（technology transfer）”。很多****将这两个概念混为一谈，也有诸多****对“科技成果转化”和“技术转移”的概念进行了辨析。笔者认为，“技术转移”并不代表着“科技成果转化”，“科技成果转化”也不一定源于“技术转移”，但由于本文以专利转让来衡量技术转移，对于专利发明人而言，其已实现“成果转化”，因此在此将创新技术转移与科技成果转化“等同”。），推动大众创新、万众创业被认为是推动经济结构调整、打造发展新引擎、增强发展新动力、走创新驱动发展道路的必然选择。当前，中国城市创新等级体系正在逐渐形成，其中北京、上海、深圳等城市正在加速推进全球有影响力的科技创新中心建设，武汉、广州等城市也正在加速建设国家科技创新中心，以期成为不同层次创新网络的核心枢纽从而集聚全球或全国创新资源。作为创新资源的核心组成部分，以专利为代表创新技术成为各个城市争夺的焦点，其集聚与扩散通道亟待建设相配套的城市创新技术集散体系，而这一切的前提便是综合评估中国城市创新技术转移能力及探讨其发育机制。基于此，本文以国家知识产权局专利检索及分析平台2001-2015年专利转让记录为数据源，采用大数据挖掘与分析技术、地理信息编码技术获取中国341个城市（包括4个直辖市;286个地级市;14个地区;3个盟;30个自治州;4个省直管县级市：潜江市、天门市、仙桃市和济源市）专利转移信息，并从集聚和扩散两个方面构建城市创新技术转移能力评价指标体系，对2001-2015年中国城市技术转移的时空格局、集聚模式及演化机制进行了研究，一方面试图尝试丰富当前创新地理学的研究方向，另一方面试图为当前中国实施创新驱动发展战略、建设全球科技创新中心以及国家创新技术集散体系提供实证研究案例。
2 研究方法
2.1 城市创新技术转移能力评价指标体系构建
城市创新技术转移能力在实质上是城市创新综合能力的一个分部，与城市创新投入能力、城市创新产出能力等相并列。创新技术转移是技术知识产出至产业生产的中间过程，凸显了地区间创新技术流动和技术溢出的方向与规模。当前，关于城市创新能力的评价，无论是在学术界还是在政策咨询界，亦或是企业生产层面，都有大量且优秀的实证研究成果[48,49]。但遗憾的是，其评价的维度仍然局限于从创新产出、创新投入、创新环境等方面建构，创新技术转移往往被忽视。综合管理学、经济学领域的技术转移评价体系，多采用技术合同交易额、技术许可费用、专利合作等作为评价指标，虽有少数采用专利转让数据建构跨区域间的技术转移网络，但集中于省级空间尺度规律的揭示，城市层面的技术转移研究较少。专利转让是指专利权人作为转让方，将其发明创造专利的所有权或将持有权移转受让方，包括专利申请权的转让和专利权的转让。专利权的转移是技术交易最直接的体现形式，因而成为研究创新技术流动的主要途径之一。专利从申请之日，其每一次权利所有人的变动都详细记录进专利法律状态之中（包括专利申请号、专利名称、专利分类号、专利转让前权利人及地址、专利转让后权利人及地址、专利申请时间、专利授权时间以及专利转移时间），而国家知识产权局专利检索及分析平台自2001年开始详细记录专利权的每一次变动情况，至今已连续记录近17年，这为本文从城市尺度研究中国创新技术转移提供了很好的数据支撑。
基于此，本文以2001-2015年国家知识产权局专利检索及分析平台中专利转移记录为数据来源，同时考虑创新技术转移（专利转移）的方向性问题，从创新技术的集聚和扩散两个维度构建了城市创新技术转移能力评价指标体系（表1）。其中城市创新技术集聚能力主要从集聚规模（转入该城市的专利总量）、集聚广度（向该城市转移专利的城市数量）、集聚深度（转入专利的技术类别数量）和市场敏感度（吸收专利的速度）4个方面评价。同样，城市创新技术扩散能力评价体系也从扩散规模（该城市输出专利的总量）、扩散广度（从该城市吸收专利的城市数量）、扩散深度（转出专利的技术类别数量）和市场进入度（转出专利的速度）4个方面建构。
Tab. 1
表1
表1城市创新技术转移能力评价指标体系
Tab. 1Evaluation index system of innovated technology transfer capability
| 目标层 | 子目标层 | 评价层 | 具体评价指标 | 说明 |
|---|---|---|---|---|
| 城市创新技术转移能力 | 集聚能力 | 集聚强度 | 转入该城市的专利总量 | 转入的专利越多,则说明该城市对技术需求度高 |
| 集聚广度 | 向该城市转移专利的城市数量 | 城市数量越多,则说明该城市的技术腹地越广阔 | ||
| 集聚深度 | 转入专利的技术类别数量 | 吸收的专利类型数量越多,则说明该城市的技术转移体系越完善 | ||
| 市场敏感度 | 该城市吸收专利的速度① | 该城市从市场获取市场的速率越快,说明该城市对技术市场越敏感 | ||
| 扩散能力 | 辐射强度 | 该城市输出专利的总量 | 转出的专利越多,则说明该城市的技术创新实力越高 | |
| 辐射广度 | 从该城市吸收专利的城市数量 | 城市数量越多,则说明该城市的技术影响范围越广阔 | ||
| 辐射深度 | 输出专利的技术类别数量 | 输出的专利类型数量越多,则该城市的技术创新体系越完善 | ||
| 市场进入度 | 该城市转出专利的速度① | 该城市的专利转移速率越快,则该城市的技术则越受市场欢迎 |
新窗口打开
以中国城市创新技术转移能力评价体系和中国城市专利转移数据库为基础，并借鉴方创琳等[48]城市创新综合能力ICEM模型构建法，采用熵技术支持下的AHP模型对不同层级的指标依据重要性的大小进行权系数赋值，采用模糊隶属度函数方法构建城市技术转移能力（Urban Technology Transfer Capability, UTTC）评估模型，求解城市技术转移能力：
式中：<i>U</i>1、<i>U</i>2分别代表城市创新技术集聚指数和创新技术扩散指数;<i>w</i>1、<i>w</i>2分别代表集聚指数和扩散指数对城市技术转移能力的贡献系数;<i>i</i> = 2，<i>j </i>= 4;<i>tj</i>分别代表集聚规模、集聚广度、集聚深度和市场敏感度对城市创新集聚指数的贡献系数;<i>qj</i>则分别代表扩散规模、扩散广度、扩散深度和市场进入度对城市创新扩散指数的贡献系数。
当<i>UTTC </i>≥ 0.7时，将此类城市定义为全球创新技术集散中心;当<i>UTTC </i>= 0.5~0.7时，将此类城市定义为国家创新技术集散中心;当<i>UTTC </i>= 0.3~0.5时，将此类城市定义区域创新技术集散中心;当<i>UTTC </i>= 0.2~0.3时，将此类城市定义为地区创新技术集散中心;当<i>UTTC </i>= 0.1~0.2时，将此类城市定义为创新技术集散节点;而当<i>UTTC </i>< 0.1时，则将此类城市定义为创新技术集散盲区。
2.3 空间自相关模型
采用全局 Moran's <i>I</i>统计量测度城市及其邻域创新技术转移能力的空间关联及差异程度[53,54]，该统计量可表达为：式中：<i>n</i>为空间单元总数，即<i>n </i>= 341;<i>Wij</i>为空间权重矩阵;<i>Zi</i>、<i>Zj</i>分别是<i>Xi</i>（空间单元<i>i</i>的属性值）、<i>Xj</i>（空间单元<i>i</i>的属性值）的标准化变换;σ为样本方差;
局部空间自相关（LISA）认为每个空间单元彼此邻近，可有助于识别技术转移的“热点”，统计量可表达为：
该系数正值表示同样类型属性值的要素相邻近，负值表示不同类型属性值相邻近，该指数值的绝对值越大邻近程度越大。本文通过叠加不同年份的“热点”得到一个时间稳定性“热点”图式，以探索性视角阐明城市技术转移的集聚态势。
2.4 影响机制分析模型
城市创新技术转移能力的大小受多种因素的扰动。当前，学术界对以专利技术交易或技术成交额为媒介衡量的技术流动的影响机制研究发现，技术流动规模和方向主要受技术流出方和技术流入方的经济发展水平差异、研发投入强度差异、地理距离、产业结构相似度、文化相容性等因素影响[39,40,41]。虽然本文将创新技术转移的方向性问题统一纳入城市技术转移能力分析框架内，不存在技术转移输出方和输入方对应研究的问题，但仍假设城市创新技术转移能力受到城市经济发展水平、产业结构、专利申请量和研发投入水平的影响。其中，假设一：城市经济发展水平越高，城市创新技术转移能力越强;假设二：城市第一产业产值越高，城市创新技术转移能力越低，而城市第二、第三产业产值越高，创新技术转移能力越高;假设三：城市创新技术产出规模越大，其创新技术转移能力就越强;假设四：城市研发人员数量越多，其创新技术转移能力就越强。基于此，本文引入城市经济发展规模与水平（地区生产总值，<i>GDP</i>），城市产业结构（第一产业产值，<i>PInd</i>;第二产业产值，<i>SInd</i>;第三产业产值，<i>TInd</i>），城市创新技术产出规模（专利申请量，<i>PApl</i>），城市创新人力投入（R&D研发人员数量，<i>PRD</i>）作为城市创新技术转移能力的解释变量，从而解释城市创新技术转移能力的演化机制。因对数变换不会影响原始变量之间的变化态势，且对数变换可消除异方差现象，所以对各解释变量进行了对数变换：
式中：β0为常数项;β为回归系数，当β为正且通过显著性检验，则表明解释变量对被解释变量影响显著且贡献积极;ε为随机误差项。
2.5 数据来源
（1）专利转让数据挖掘：采用大数据挖掘手段，以国家知识产权局专利检索及分析平台为数据源，通过检索专利法律状态关键词“转移”，从而获取2001-2015年中国专利转让详情数据，共计648654条。由于本文仅探讨中国城市的创新技术集散能力，因此在研究中剔除国际间以及大陆与港澳台、港澳台与其他国家（地区）的专利转让记录数据（共193775条）。另外，还存在7263条专利转让前权利人或转让后权利人地址无法识别的专利转让记录数据（如个人之间、个人与企业之间的专利转让记录中对个人地址记录不详细或漏记;企业间的转移，企业地址填写错误或漏填等）。剔除这两部分数据后，得到本文最终数据447616条专利转让记录（表2）。（2）专利技术类别获取：国家知识产权局专利检索及分析数据库自2001年开始对专利法律状态信息进行跟踪记录，在记录的过程中根据国际专利分类法对每一条转移专利的技术类别进行了分类。但随着专利种类的细分与扩大，国际专利分类标准也经历着逐年的修订。为统一数据标准，本文以
Tab. 2
Tab. 2Calendar year records of patents transfer in China from 2001 to 2015
新窗口打开
The authors have declared that no competing interests exist.
