[摘要]互联网时代，知识产权作为区域核心竞争力的一种战略资源，在科技成果转化中的意义越发重要。选取2011—2013年高技术产业的面板数据，运用DEA方法中的BCC和CCR模型，构建知识产权效率评价体系，对科技成果转化中知识产权效率进行区域和行业分析。分析结果表明，我国高技术产业知识产权创造活动取得较大成果，但未达到最佳状态，区域经济发展水平和知识产权效率总体上存在正向关系，高技术产业内部存在投入冗余和产出不足。提出建立和完善知识产权制度，加大西部地区科技投入，扩大高技术产业规模，合理调整医药制造业和航天航空制造业资源投入产出比例等提高我国科技成果转化知识产权效率的对策建议。
[关键词]互联时代；高技术产业；科技成果转化；知识产权效率；数据包络分析
[中图分类号]D9234[文献标识码]A[文章编号]
2095-3283（2015）08-0109-04
[作者简介]袁茜（1991-），女，汉族，安徽合肥人，硕士研究生，研究方向：技术创新评价。
[基金项目] 安徽省高校省级人文社会科学研究重点项目“焦点企业核型结构产业集群创新网络演进模型与实证研究”（项目编号：SK2014A165）；全国统计科学研究计划项目“长三角地区高技术服务业现状评价及对策研究”（项目编号：2011LY022）。
2015年3月5日，李克强总理在政府工作报告中首次提出“互联网+”行动计划，并将其作为实施创新驱动发展战略的有效手段。通过互联网平台与科技的有效结合，培育更多的新兴产业和新兴业态，形成新的经济增长点。互联网时代不但引领了创新驱动发展的“新常态”，同时也凸显了信息技术和知识产权的重要性。而高技术产业作为信息技术产业的一个重要分支，具有知识密集和技术密集的显著特点，在科技成果转化过程中，对知识产权的效率进行研究，有利于在互联网时代实现我国高技术产业的管理创新和国民经济的可持续发展。
一、文献综述
当今，以信息技术为核心的新一轮科技革命正在孕育和兴起，互联网技术日益成为创新驱动发展的先导力量，这促使世界经济发展呈现明显的全球化趋势。信息在科技转化过程中具有全球性、易复制和易检索的特征，知识产权作为自主创新的衡量指标，其实质是对科技成果进行资源的优化配置，已经成为高新技术产业核心竞争力的必备条件。
近年来，知识产权效率这一问题引起了众多国内外学者的兴趣。Lai强调了知识产权效率取决于世界从北到南的生产转移通道；Yang和Maskus基于计量经济学理论模型，分析了知识产权效率和许可技术决策之间的关系；Stiglitz J E揭示了知识产权效率的经济基础；Williams则划分了知识产权效率的标准。
国内学者关于科技成果转化中的知识产权效率的相关课题研究更为细致，大体分为以下几个方面：在宏观上，张俊芳和郭戎认为我国企业普遍缺乏科技成果转化能力，知识产权效率情况不容乐观。刘和东从设计的企业知识产权保护的决定及自主创新与剽窃的博弈模型，推导出我国知识产权效率低的结论；在指标体系上，雒园园、田树军 等学者结合知识竞争力的含义及组成要素，把知识效率纳入区域知识产权竞争力评价指标体系中。而在具体构建上的研究有以下几位代表：郭斌、王思锋以“输入—转换—输出”为逻辑框架，从资源投入、管理与服务、成果产出、影响四个维度来构建了知识产权指标体系。蒋玉宏、单晓光运用主成分分析法，通过设立基础资源、权力获取、权力转化和交易、行政保护以及司法保护五个二级指标，成功构建了一个相对完整、客观的区域知识产权效率指标体系。在分析方法上，大多数研究运用了数据包络分析方法（DEA）。田家林、顾晓燕使用数据包络分析中的超效率DEA模型，对我国各区域创新主体的知识产权效率进行分析。胡姗姗、云坡运用数据包络分析方法中的产出导向BCC模型。冯志军、康鑫则运用数据包络分析方法中的Maquist指数法进行分析。
通过对上述文献可以看出，科技成果转化知识产权效率在区域和微观上的动态研究尚有不足。由于不同时期、不同区域经济发展的状况不尽相同，因此，有必要采用相对数量和实证分析方法，对当今互联网时代下的我国科技成果转化中的知识产权效率展开研究。
二、评价指标体系及模型构建
（一）评价指标体系构建
根据DEA模型，本文从投入和产出两方面的指标出发，构建高技术产业知识产权效率评价指标体系。科技成果转化知识产权的投入分为R&D投入和非R&D投入，产出方面则主要考虑专利申请数（件）、发明专利申请数（件）及有效发明专利数（件）（见表1）。
（二）模型构建
数据包络分析方法（Data Envelopment Analysis，简称DEA）根据多项投入和产出指标来进行输入数据和输出数据处理，并运用线性规划的方法估计生产前沿面的有效性和评价决策单元的优劣，即评价部门（或单位）之间相对有效性。DEA技术广泛应用于不同行业及部门，在处理多项指标投入和产出方面体现了其独特优势。1978年著名的运筹学家Charnes、Cooper和 Rhodes首先提出了DEA的方法，并构建了CCR-DEA模型，具体模型构建如下。
首先假设共有n个评价对象，每一对象记为DMU，且每一个DMU有m种投入和s种产出。令Xi=（x1i，x2i，…，xmi）（i=1，2，…，n）为第i个决策单位的投入指标向量，其中xmi为第m项指标投入值，Y为第i各决策单元的产出指标向量，其中ysi为第s项产出指标产出值。
DMUi的效率可以表示为Ei，uT和vT分别为投入和产出指标权向量，适当选取权重u和v，能够使Ei≤1，i=1，2，…，n。
如果对第i0个DMU进行评价，记为DMU0。其中投入为X0，产出为Y0，则第i0个DMU相对效率CCR-DEA评价模型为：