引言
专利是重要的技术研发成果的载体，专利实力能反映一个区域的创新能力和综合实力。许多国家都把加强知识产权的保护和应用作为其在科技、经济领域夺取和保持国际竞争优势的一项重要战略措施，其中专利产出尤其是发明专利产出的数量和质量，已成为一个国家实现自主创新和经济可持续发展的重要手段[1]。国内外对如何评价一个区域的专利实力做了许多探索性研究，但还没有一个权威和标准的定义。
本文所指“专利产出水平”是指所有申请了专利的发明创造的数量和质量。当前，关于专利水平问题的研究已经由全国尺度延伸至小区域范围内，空间的研究能直接刻画各个地区专利创新的效率，反映地区的发展潜力。而且从世界发达国家州域的层次来考察，专利创新行为在少数地区集群，进而形成一定的空间分布格局已是一种普遍存在的现象[2]。
改革开放以来，广东省经济领先于全国快速发展，其专利拥有量在全国范围内也名列前茅。但正如其经济发展水平的不均衡一样，广东省内各地级市之间的专利实力也参差不齐。本文旨在构建专利产出水平的综合测度指标体系，基于信息熵的综合评价方法，对广东省21个地级市近十年以来的专利产出水平进行综合评价，并在此基础上探讨各地市之间在空间上相关性特征，为促进区域协调发展提供决策支持。
数据来源与研究方法
专利产出水平指标体系构建
借鉴已有的专利水平评价指标体系成果[3-6]，遵循客观性、实用性、可操作性和指导性原则，从专利的数量和质量两个方面出发，共选取了七个指标对各地区年度专利产出水平进行评价。代表专利数量指标有4个，分别是专利申请数量、发明专利申请数量、专利授权数量、发明专利授权数量；代表专利质量指标有3个，分别是申请发明专利比重、授权发明专利比重、发明专利授权率。
熵值法
在构建综合指标体系时，确定指标权重的方法主要有主观赋权法和客观赋权法。主观赋权法一般是根据评价者主观上对各指标的重视程度来决定指标权重，而客观赋权法所依据的赋权原始信息来源于客观环境，它根据各指标所提供的信息量来决定指标的权重。本文使用客观赋权法中的熵值法确定权重，以消除确定权重的人为主观因素[7]。计算步骤如下：
（1）数据标准化处理：
（2）第i行第j项指标的权重：
（3）第j项指标的熵值：
（4）第j项指标的信息熵冗余度：
（5）指标权重：
（6）单项指标评价得分：
（7）第i行的综合水平得分：
式中：
空间统计分析
空间统计研究的空间效应包括空间差异性和空间相关性。本文分别采用差异系数法（CV，coefficient of variation）和探索性空间数据分析方法（ESDA）来考察广东省各地市专利产出水平的地域差异性和空间相关性。
差异系数侧重于反映数据之间的离散程度，忽略了空间关联性；探索性空间数据分析方法以空间关联测度为核心，注重研究数据的空间依赖性与空间异质性，通过对事物空间分布格局的描述与可视化，揭示空间关联特征与模式。
1.差异系数
差异系数又称标准差系数，其值越大，说明数据分布的离散程度大；反之则说明数据分布的离散程度越小。计算公式如下：
式中，CV表示变异系数；
2.探索性空间数据分析方法
探索性空间数据分析方法（ESDA）方法包括全局空间自相关Moran's I指数（以下简称全局Moran's I指数）、局部空间自相关Moran's I指数（以下简称局部Moran's I指数）、Moran散点图等，本文采用Geoda (1.10)空间计量软件对数据进行计算分析。
全局Moran's I指数常用来判断要素的属性分布是否有统计上显著的聚集或分散现象，其取值范围为-1≤I≤1。I=0，表示目标区域空间分布的相互独立；I<0，表示目标区域存在空间负相关性；I>0，表示目标区域存在空间正相关性，指数值越大表示空间集聚分布特征越明显。计算公式如下：
式中：
局部Moran's I指数可以描述同类型或不同类型要素空间集聚程度，与Moran散点图结合做出局部空间关联指标（Local Moran’s I，简称LISA）图可以直观地显示要素的空间集聚情况和显著性水平。
Moran散点图表示局部空间差异，用散点图的形式描述变量z与空间滞后（即该观测值周围邻居的加权平均）向量Wz间的相互关系。该图的横轴对应变量z，纵轴对应空间滞后微量Wz，它被分为四个象限，分别识别一个地区及其邻近地区的关系。
Moran散点图的四个象限分别对应于空间单元与其邻居之间四种类型的局部空间联系形式：第一象限代表了高观测值的空间单元为同是高值的区域所包围的空间联系形式；第二象限代表了低观测值的空间单元为高值的区域所包围的空间联系形式；第三象限代表了低观测值的空间单元为同是低值的区域所包围的空间联系形式； 第四象限代表了高观测值的区域单元为低值的区域所包围的空间联系形式。
LISA 指标描述了区域单元周围显著的相似值区域单元之间的空间集聚程度，是探索观测对象是否存在局部自相关的常见指标。
局部Moran's I指数计算公式如下：
全局Morans’I指数和局部Moran's I指数都可以通过z检验进行显著性检验，计算公式如下：
数据来源
本文原始数据均来自于广东省知识产权局官方网站（http://www.gdipo.gov.cn/tjxx/tjxx.aspx）上公开的专利申请及授权统计信息，样本包括广东省21 个地级市。
实证结果分析
专利产出水平评价
通过熵值法计算得到广东省各地市2007-2016年各地市的专利产出水平，结果见表1。从时间序列上看，东莞、中山、佛山、广州、江门、珠海和惠州7个地市专利产出水平整体上呈现出在波动中上升趋势；其余地市均处于波动状态，无明显变化规律。
表1 广东省各地市2007-2016年专利产出水平结果
虽然各市专利产出水平在时间上有所变化，但整体变化幅度并不大。因此，选取2016年广东省各地市专利产出水平做空间分布上的分析（见表1、图1）。由表1知，2016年专利产出水平相对最高的地市为深圳、广州、东莞、佛山和珠海；专利产出水平相对较高的地市是惠州；专利产出水平相对较低的是中山、梅州、汕头、汕尾、江门、湛江、肇庆、茂名和韶关；专利产出水平相对最低的分别是：云浮、揭阳、河源、清远、潮州和阳江。
图1 2016年广东省各地市专利产出水平空间分布图
（深色区域代表专利产出水平最高，浅色区域代表专利产出水平最低，按照比例分出四个档次）
由图1知，广东各地市之间专利产出水平具有较大差异，整体上大致呈现出以穗深莞佛为中心，专利产出水平向外发散递减的分布趋势。
（下篇将继续介绍通过熵值法计算得到广东省各地市2007-2016年各地市的专利产出水平及对实证结果的分析，精彩不容错过）
参考文献
[1] 马军杰,单晓光,姜南.中国省域专利产出绩效的空间计量经济分析[C].第十三届中国管理科学学术年会论文集，2011，19(专辑)：733-739.
[2] 沈能,周晶晶. 我国大学专利产出的空间分布及趋同特征－基于空间计量分析[J].科研管理, 2013，34(专刊):133-139.
[3] 王宏起,杨京玺. 区域专利产出水平评价指标体系及其实证研究[J]. 科技进步与对策,2007, 24(12): 139-141.
[4] 李金波,王根. 我国专利指标研究述评[J]. 情报杂志,2011,30(8):37,38-41.
[5] 李春燕,石荣. 专利质量指标评价探索[J]. 现代情报, 2008,(2):146-149.
[6] 黄庆,曹津燕,瞿卫军,等. 专利评价指标体系（一）——专利评价指标体系的设计和构建[J]. 知识产权,2004,14(5): 25-28.
[7] 陈明星,陆大道,张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报,2009, 64(4):387-398.
本文作者：审协广东中心材料部 贺丽君
联系客服
