修回时间：2021-12-25 中图分类号：F293 文献标志码：A 文章编号：1000-8462(2022)03-0056-10 DOI：10.15957/j.cnki.jjdl.2022.03.006 党的十九大报告提出“创新是引领发展的第一动力，是经济持续增长和社会发展的重要动力和建设现代化经济体系的战略支撑”。在知识经济时代，创新是中国在构建“双循环”新发展格局、加快建设创新型国家和构建国家创新体系进程中的主要动力。自1984年正式颁布《专利法》以来，中国的专利申请和授权量呈现“爆炸式”增长态势，于2011年成为专利申请数量最多的国家①，2020年继续稳居世界第一。但是中国创新的综合能力却相对落后，在世界知识产权组织(WIPO)发布的《2021年全球创新指数报告》中仅列第12位。数量和质量是衡量创新能力的两个维度，为实现2035年跻身创新型国家前列的目标，中国必须兼备大规模的创新数量和高水平的创新质量。如果创新数量高速增长的背后伴随着创新质量水平的停滞甚至整体降低，那么在中国实现数量型创新向质量型创新转型的关键期，“专利泡沫”和“创新假象”将成为创新发展过程中亟须解决的重要问题[1-2]。 创新能力的时空演变一直是区域经济和经济地理学等相关领域的研究热点，现有研究主要分为两个方面：一方面，围绕省域和重点城市群创新能力的时空演化和区域创新结构演变展开探讨[3-5]，进一步将知识溢出框架拓展到创新活动的区域间溢出效应[6-7]，并对其空间相关性和异质性进行实证研究；另一方面，从网络视角分析城市创新能力，对城市创新网络的演化特征、动力机制和各城市在创新网络中的地位进行刻画和探讨[8-9]。虽然现有研究已从不同层面不同维度对中国区域创新活动空间分布和演化特征进行了探讨，但从研究的空间范围来看，已有文献主要从省域尺度[10]或者以长三角、京津冀、珠三角等城市群[11-13]为例进行分析，城市尺度的分析较少。城市是创新活动的主要空间载体，因此有必要加强城市层面的创新能力研究。不同于周锐波、丁焕峰等对于城市层面创新能力和质量的研究[6，14]，本文利用专利的微观点数据进一步对城市专利的重心和多距离空间集聚特征进行分析，更深入地刻画中国城市专利的时空演变特征。 关于专利质量的概念界定与测度，国内外学者主要围绕专利的新颖性、创造性、实用性、稳定性和市场价值四个方面，从专利技术、法律审查和专利市场这三个维度对专利质量进行定义[15-18]，对专利质量的测度方法主要有两类：部分学者试图寻找专利质量的代理指标，例如专利授权数量[19-20]、专利引用次数[21]、专利维持时间[22]、专利授权率、撤回率和续期率[23]、发明专利占申请比例的百分比[24]、创新知识基因[25]等，另一部分学者则试图通过技术、法律和专利自身特征等多维度构建专利质量评价指标体系进行测度[26]。然而，专利申请或授权数量的简单加总是以假设各项专利质量相等为前提的，难以准确刻画每项专利所蕴含知识的复杂性和多样性。同时，随着技术更新换代速度的不断加快，一些高质量专利沦落为落后知识的速度也不断加快，使得专利续期率等指标存在一定衡量误差。此外，由于专利申请人出于自身利益的考虑可能会存在故意隐瞒一些所申请领域重要专利的行为，因此专利被引次数指标对评估专利质量也存在一定偏差。 知识特征可以分为知识宽度和知识深度两个维度[27]。其中，知识深度与知识积累有关，一般指专业知识和技术在某个领域的积累程度，代表知识的专业化水平；知识宽度则是指在发展某一特定对象时需要拓展的知识领域的范围，其包含了研发人员积累的复合型和交叉型知识以及经验的多样化水平。专利作为创新性知识的重要载体，其知识宽度越大，表明专利所包含和涉及行业和领域的知识更广泛，必然影响到专利的质量。因此，专利知识宽度可以作为衡量专利质量的一个重要指标。基于以上分析，本文将利用带有精准地理位置的专利数据，从专利规模和反映专利所含知识复杂度和技术范围的知识宽度两个维度衡量创新能力，刻画中国城市专利规模与知识宽度的时空演变格局，并分别对专利规模和知识宽度的影响因素进行计量估计，进而总结分析结论的政策启示。 1 核心变量测度与研究方法 为了更微观地揭示中国城市专利规模与知识宽度的时空演变特征，本文构建了一个专利空间微观数据库。构建流程如下：由国家知识产权局专利数据库筛选得到授权专利，其属性指标包括专利产出的地理编码、公开公告号、申请号、专利类型、权利要求数量、IPC分类号、国民经济分类和申请人类型等。利用高德的地理编码API解析得出专利申请人地址的经纬度坐标，解析成功率约为92％。继而将专利经纬度信息定位到ArcGIS中，得出专利的点数据，再与中国基础地理信息数据进行叠置分析后得出专利所在城市。由于专利从申请到授权入库存在一定时滞②，所以本研究的时间段截止至2016年。经过数据处理后得到2006-2016年总计11935835条点数据。 1.1 专利知识宽度的测度 本文借鉴Akcigit[28]、张杰等[2]的方法，利用专利IPC分类号对专利知识宽度进行测度。由于外观设计专利不涉及实质性的功能改良，体现的自主创新能力相对较低，且编号方式与发明专利和实用新型专利完全不同，故将其剔除。专利知识宽度测度需要用到的主要数据是国家知识产权局专利库中各发明专利和实用新型专利的IPC分类号，IPC分类号中包含了专利的“部—大类—小类—大组—小组”的信息。为了区分每项专利所包含分类号的内部差异，避免单纯采用专利分类号数量导致的测量偏误，本文参照产业集中度的测算方法，采取大组层面的赫芬达尔—赫希曼指数(HHI)的逻辑思路对其进行加权。专利知识宽度的计算方法为wide=1-∑
，其中，α表示专利分类号中各大组分类所占比重。wide越大，各个大组层面的专利分类号间的差异越大，即表明专利创造所运用的知识宽度越大，其专利质量可能就越高。
