基于 SFA的知识产权政策效率评价研究
林德明，赵姗姗
(大连理工大学科学学与科技管理研究所，辽宁大连 116024)
摘要： 使用2007—2016年这10年的数据，运用随机前沿分析模型分析我国知识产权政策对投入效率的影响状况； 采用柯布-道格拉斯生产函数测算我国知识产权投入效率水平与相关生产要素的关系模型； 通过技术无效率方程考察知识产权投入效率的政策影响因素。研究结果表明，对于知识产权投入效率，创造和运用政策工具有显著的正向影响，而保护和管理政策工具有负向影响。
关键词： 知识产权；政策工具；随机前沿模型；投入效率
1研究背景
自《国家知识产权战略纲要》颁布以来，我国知识产权事业历经十年风雨兼程、砥砺前行，取得了长足进步，进入知识产权大国行列。截至2017年年底，我国发明专利拥有量为138.2万件，每万人口发明专利拥有量为9.8件，专利质押融资总金额、专利行政执法办案总量、专利纠纷办案量、专利代理机构数目等都取得大幅度增长，我国高技术企业海外专利布局能力也不断 增强。但是，我国仍面临着知识产权大而不强、多而不优、制度不健全、管理不到位等诸多问题。因此，71号文件明确提出“到2020年基本实现知识产权治理体系和治理能力现代化”的目标。在此背景下，国家知识产权局开展了《纲要》实施十周年评估项目，本文也在此对我国知识产权投入效率及相关政策影响因素进行评估。
值得注意的是，在我们的例子里提及的二元真值函数是只有两个输出状态、四个输入状态的离散函数。对于这样的函数，当我们把Σ看作一个输入时，通过设定恰当的b值，可以实现其大多数实例。例如设b=-1，则我们得到永假的真值函数。但并不是全部16个真值函数都能通过调整偏移量得到。例如，要表达异或运算，就必须对激活函数本身进行修改，这个问题实际上涉及到线性分类问题，在此不展开谈。我们只需要了解激活函数本身也是可以进行修改的。具体来说，激活函数主要分为线性的和非线性的，例如sigmoid函数(字面就是S形函数)的一种：
学者们对知识产权政策的评估主要是利用评价模型或者构建评价指标体系所进行的量化分析，如赵嘉茜等人[1]采用DEA模型对我国29个省市的知识产权运营绩效进行了运营效率评价。杜晓君等[2]通过建立高技术知识产权管理绩效评价指标，并运用层次分析模糊综合评价法对企业知识产权管理绩效做出判断。郭俊华等[3]通过专家访谈、问卷调查、实证检验等方法构建知识产权政策评估指标体系。Diane Zorich [4]则将知识产权政策的评估包含创新政策评估中并对创新政策的管理和制定进行了研究。Petra Moser[5]通过对不同国别的比较研究了知识产权保护水平对于企业创新和技术变革的影响。可以看出现有对知识产权评估的研究都是从产出的结果所进行的分析并没有从知识产权投入产出结构角度来审视我国知识产权投入效率，同时还把知识产权政策直接作为投入变量进行分析。实际上，在知识产权活动中人力、资金等资源的投入才是最重要的，知识产权政策在知识产权活动中更多的是作为扰动变量，优化知识产权的资源配置，协调知识产权投入要素之间的关系，调节知识产权的投入产出结构。因此，本文利用随机前沿生产函数模型(SFA)对我国近十年的知识产权投入效率及其相关政策影响因素进行实证探索，并全面分析各个投入变量及政策影响因素。
为验证基于压力环传感器的索力测试系统的工作性能，采用测频法进行了对比试验。考虑到实验室场地条件的限制，斜拉索索长较短，且质量很小，为提高测频法的精度，选用了北京东方振动和噪声技术研究所研发的ICP加速度传感器，该传感器质量非常小，测试精度较高，其规格型号为INV9824，灵敏度为5 mV/g，频率范围为1～15 kHz，传感器自重为8 g，量程为1 000 g，谐振频率为40 kHz。加速度传感器测试数据的采集和分析系统选用了东方所开发的与之配套的DASP动态信号测试和分析系统。
SFA模型是由Battese等[6]率先提出的，具有稳健性好[7]且避免数据严格限制[6]的优点，所以在分析和估计文化产业[8]、科技资源市场配置[9]、疾病管理[10]以及食品加工产业[11]等方面的效率测算得了广泛的应用。通过知识产权政策投入产出的相关指标来构建随机前沿分析模型，对我国近十年的知识产权投入效率与相关政策影响因素进行测算。明确了知识产权战略实施以来我国所采取的知识产权政策措施的实施效果，并进一步分析了知识产权事业投入效率的政策影响因素。从而丰富和深化现有文献对于知识产权政策的研究，为我国知识产权战略布局提供决策参考。
2研究设计
目前，学者们对于技术效率的研究主要采取两种前沿面方法：非参数法和参数法，DEA和SFA分别为其代表。这两种方法比较来看，DEA方法一方面没有考虑随机误差和相关影响因素对于结果的影响，这就导致由于奇异值的影响使得不同研究结果之间存在较大差异，另一方面它对数据处理和指标设计要求较高；而SFA方法则有效避免了这两种限制，它将实际产出分为生产函数、随机因素和技术无效率，考虑了随机因素对于产出的影响，且在计算过程中有效利用了每个样本的信息，使得计算结果更具有稳健性[12]。考虑到本文所要解决的两个问题：一是测度我国知识产权投入效率，不同年份的投入效率存在随机误差；二是分析知识产权投入效率的政策影响因素。政策作为知识产权资源配置、调整投入产出结构的有效手段，单纯作为投入变量是片面的，因此在测定投入产出效率中将政策作为影响因素。SFA恰好符合本文的研究需要，可以有效解决上述问题。
无论是在溶洞中探秘，还是荡舟湖畔；无论是漫步林间，还是流连于街头巷角，斯洛文尼亚之行都会是一次难忘的旅程。
2.1 SFA方法简介及函数选择
Battese等[6]在前人研究的基础上提出了引入时间概念的随机前沿分析法(stochastic frontier analysis,SFA)，使得SFA模型可以对面板数据进行效率评价，其具体模型如下：
从表1数据来看，梯度的自适应方法比其他三种方法的平滑性要差，与图1分析所得结果对应.均值滤波与分先梯度后均值的滤波方法都能得到较少的残差点数，滤波后的图像解包更平滑，防止因残差点过多导致解包困难的现象.从边缘保持指数来看，梯度的自适应方法对于边缘的保持优于中值方法和均值方法，而基于先梯度后均值的方法在边缘保持指数上优于其他所有算法.真实InSAR图像含噪声情况复杂，很难用一种方法取得理想效果，往往需要几种方法的综合反复试用来达到滤除噪声的作用，如采用先梯度后均值的滤波方法总体上好于其他方法.
(1)
其中，式(1)中Y it 表示第i 个决策单元的t 时期的产出，x it 是第i 个决策单元的t 时期的全部投入，β 为模型参数。随机扰动项ε it 分为两部分：一部分为随机误差项，用v it 来表示，其中
另一部分表示技术的无效率，用μ it =μ i exp(-η (t -T ))来表示，且μ it 服从截断正太分布，即
与μ it 相互独立，且与x it 也相互独立。
在SFA模型中需要指定生产函数形式，常用的生产函数主要有柯布-道格拉斯(Cobb-Douglas)生产函数和超越对数(Translog)生产函数。柯布-道格拉斯生产函数具有结构简单、经济含义直观的优点，同时其他生产函数得出的结果差异并不大[13]；超越对数生产函数的优点是对于技术中性和产出弹性固定的假设要求比较宽松，但对于产出不便进行分解，且往往会产生多重共线性的问题[14]。综合比较而言，尽管超越对数生产函数具有理论上的优势，但是柯布-道格拉斯生产函数的有效性仍可以接受[15]。因此，本文选取对数型柯布-道格拉斯生产函数的随机前沿模型进行实证分析。柯布-道格拉斯生产函数具体形式如下：
该区岩土体类型为粉土与砂砾石双层土体和砾类土单层土体两类。粉土与砂砾石双层土体上部为黄土状粉土，土质疏松，多孔，柱状节理发育，根据现场采样分析，具有严重的湿陷性(见表2)；下部为砂砾层，根据颗粒分析结果显示，主要为圆砾(d10>0.1 mm)。上部疏松多孔的黄土和下伏砂砾层其抗水流冲刷能力差，是导致该区沟谷发育的重要工程地质条件因素；而上部黄土的柱状节理发育和湿陷性是导致该区地表坑穴发育的主要工程地质条件因素。
ln(Y i )=β 0+β 1ln(K i )+β 2ln(L i )+(v i +μ i ),i =1,…,N
Y it =f (x it ,β )exp(v it )exp(-μ it ),i =1,…,N ,t =1,…,T
(2)
其中，式(2)中Y i ，K i ，L i 分别表示产出，以及资本投入和劳动投入，v i 服从正太分布，μ i 服从半正太分布。
2.2 指标选取
2.2.1 投入与产出变量
王树林踏上了去省城的动车。四个小时后，他走出车站，一眼就看见不远处一辆别克商务车前伍亦苒笑盈盈的微笑。职业套装。短裙。亭亭玉立。丰采照人。
在产出要素方面，为了能够更全面普遍、客观准确的反映我国知识产权综合发展水平，在综合考虑已有相关指标的情况下，本文选取了《中国知识产权发展状况评价报告》中所给出的知识产权综合发展指数，为了使统计口径一致，文中所用到的知识产权综合发展指数是对《报告》中31个省的知识产权综合发展指数进行求平均值得到的。该指数一方面能够综合反映出知识产权综合发展水平，另一方面，其内部创造、运用、保护和管理四个要素指数不仅反映这四个要素本身的发展状况，还能够反映知识产权发展状况的结构。表1为我国2007—2016知识产权政策主要变量的基本描述性统计。
表 1随机前沿生产函数主要变量的基本描述统计
2.2.2 知识产权政策
笔者统计该书共收有越中作者20余人，在整理地方文献时，发现还有40多位越中人士曾为《梅岭课子图》题词，现就其中较为重要的14位之生平事迹作一考略，并补录校点其作品如下：
UCHIDA等[13]的研究中，志愿者对依米珠单抗最大剂量1 mg·kg-1耐受性良好，试验组中有13例志愿者发生了15次不良事件，安慰剂组有4例志愿者发生了6次不良事件。1例依米珠单抗1 mg·kg-1组白人健康志愿者的鼻咽炎属于中度不良事件，其余不良事件均轻微，且不良事件的发生不存在剂量依赖性和种族差异性。受试者血压、脉搏、体温等未出现有临床意义的改变，无超敏反应、血细胞因子浓度异常、注射部位反应等不良事件发生。
m its =δ 0+δ 1Z 1t +δ 2Z 2t +δ 3Z 3t +δ 4Z 4t
LN(IP t )=β 0+β 1LN(C t )+β 2LN(A t )+β 3LN(P t )+β 4LN(M t )+v t -u t
表 2政策工具分类表
表2(续)
依据以上政策工具划分方法，将78份政策文件的政策工具析出，并进行统计，得到图1所示的政策工具分布图。
串补技术最早应用在中国的输电线路中[10-12]，该技术能显著提高大容量、远距离输电线路的利用效率，促进电网的稳定运行水平，降低输电损耗。将串补技术引用到配电线路中，同样可以解决配电网电压问题[11-12]，不仅可以调节过电压或低电压至合格电压水平内，同时可以提高线路的功率因素降低线路损耗。
图 1政策工具统计图
2.3 模型设定
基于对数型柯布-道格拉斯生产函数的随机前沿模型对我国知识产权投入效率进行分析，在该模型中，生产函数与非效率模型可以同时估算出来，确保了被测效率的一致性。本文在所选取的知识产权投入产出指标框架下构建的SFA具体模型如下：
在投入要素方面，根据国务院发布的《国家知识产权战略纲要》(以下简称《纲要》)中所提出的十六字方针“激励创造、有效运用、依法保护、科学管理”，将知识产权划分为创造、运用、保护和管理四个方面。其中选取执业专利代理人数目代表知识产权创造方面的投入；选取运营平台和试点项目数的总和代表知识产权运用方面的投入；选取行政执法和司法案件数目的总和代表知识产权保护方面的投入；选取知识产权服务机构数目代表知识产权管理方面的投入。这些数据均选自《国家知识产权局年报》《知识产权保护状况》以及《中国知识产权发展状况评价报告》等。
然后，将知识产权政策作为知识产权投入产出的影响因素，主要从知识产权的创造、运用、保护和管理这四个方面进行分析。因此，将知识产权政策看成是涉及知识产权创造、知运用、保护、管理的政策体系。其中每个政策维度又包含若干政策工具，根据宋河发等人[16]的划分方法,可以将知识产权政策工具按表2所示的方法进行分类。
(3)
本文选取的知识产权政策数据均来源于政府公开发布的政策文本，包括全国人大、国务院、国家知识产权局以及其他国务院直属部委颁布的，与知识产权直接相关的各类政策文件，文件类型包括法律法规、指导意见、管理办法、实施条例以及政府指令等。最终收集得到自2007年至2016年的国家知识产权政策文本，共计78件。
(4)
TE t =exp(-u t )
(5)
(6)
式(3)中IP t 表示第t 年我国知识产权综合发展指数；C t 、A t 、P t 、M t 分别表示第t 年我国知识产权在创造、运用、保护、管理四个方面的投入；v t 为误差干扰项，u t 为独立分布的非负随机变量，表示知识产权政策中无效率项，v t 与u t 相互独立。分布式(4)中的m its 为知识产权无效率项分布函数的值；Z 1t 、Z 2t 、Z 3t 、Z 4t 分别表示知识产权创造政策工具、运用政策工具、保护政策工具和管理政策工具数目。式(5)中TE t 表示第t 时期的知识产权投入效率水平。式(6)中γ 为最大似然法估计的参数，0≤γ ≤1，如果γ =0原假设被接受，则无需使用SFA方法来分析，直接用OLS方法即可，γ 能够反映技术无效率项对实际产出偏离的相对重要程度，γ 越大说明无效率项在生产单元与前沿面的偏差中占主要成分，此时采用SFA模型是合适的。
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。
表 3 SFA模型的参数估计
注：***、**、*分别表示在1%、5%和10%的水平下显著
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σ 2、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0.999 9，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β 1=-0.219 5，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0.219 5，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β 4=-0.005 2，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。
美国国立卫生研究院采用二级评审制度，分为初审和二审。任何课题申请都必须通过二审才可以获得资助。未通过评审的课题申请允许申诉或修改后再次申请。以占美国国立卫生研究院经费80%的院外研究项目（The Extramural Research Programs）评审为例，其评审过程简介如下。
(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β 2=0.018 4，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β 3=0.178 7，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。δ 1=-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。δ 4=0.039 9，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。
图 2知识产权投入效率分布趋势图
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0.178 7，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.
Research on Efficiency Evaluation of Intellectual Property Policy Based on SFA
Lin Deming, Zhao Shanshan
(Institute of science of science and S&T management, Dalian University of Technology, Dalian 116024, China)
Abstract :Using the stochastic frontier analysis model, this paper analyzed the influence of intellectual property policy on investment efficiency based on the data of 10 years from 2007 to 2016. By adopting Cobb-Douglas production function, we discussed the model for investment efficiency and production factors of intellectual property. The technical inefficiency equation was established to analyze the policy factors. The results show that for the intellectual property investment efficiency, the policy tools for creation and application have positive effects, and the policy tools for protection and management have negative effects.
Key words :intellectual property; policy tools; stochastic frontier analysis model; investment efficiency
收稿日期： 2018-09-26，修回日期： 2018-12-05
基金项目： 中央高校基本科研业务费资助项目“知识产权政策的结构化与分析模型研究”(DUT2018RW205)；中国工程院重点咨询研究项目“制造工程技术的研究进展、竞争态势及我国的政策”(2016-XY-02)
doi： 10.3969/j.issn.1000-7695.2019.16.022
中图分类号： G311； N01； N019
文献标志码： A
文章编号： 1000-7695( 2019) 16-0175-06
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。
标签：知识产权论文; 政策工具论文; 随机前沿模型论文; 投入效率论文; 大连理工大学科学学与科技管理研究所论文;