（企业管理专业论文）RD人员个体变量与专利产出效率关系研究.pdf

上海交通大学学位论文 r or who have the characteristics in the order below: (1) have an above-bachelor degree; (2) have a professional title; (3) and smaller in age. key words: r yi =0, if yi*=0 因变量 yi表示 r&d 人员个体 i 的专利产出数。 自变量 xi则为 r&d 人员个体 变量；b 为自变量（个体变量）与因变量（专利产出）之间的相关系数；ei为误 差项。在本研究中个体变量 xi是一个名义变量，包含有若干个纬度，表征 r&d 人员个体因素的各个方面， 本文将其分解成若干个可以直接测量的操作变量的组 合，即年龄（age） 、学历（education） 、职称（title） 、性别（gender） 、人员组 织属性（organization）和行业(industry)。如式 3-2 所示： xi=f (agei, educationi, titlei, genderi, organizationi, industryi) （3-2） 除了年龄变量用年龄的实际值来衡量之外， 其余的定性变量都用虚拟变量来 控制（虚拟变量的赋值说明在上文已有介绍） 。 以专利产出数（yi =patent number）为自变量，个体变量为因变量 xi=(agei, educationi, titlei, genderi, organizationi, industry)，在 eviews 3.1 中的 ols 模型 作回归分析得到结果如下。 3.3.1 专利产出与年龄二次关系的检验 首先将年龄(age)， 年龄平方(age2)以及其他个体变量一起加入模型中进行 回归分析，以检验年龄与专利产出之间是否存在二次关系。若年龄平方和年龄变 量均经过显著性检验，且年龄平方的系数为负，年龄的系数为正，那么可以证实 r&d 人员专利产出随年龄先增后减的“”形关系，即 r&d 人员的专利产出存在 生命周期效应。 表 3-1 中的回归结果显示， 年龄和年龄平方两个变量都没有通过显著性检 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 33 验， 即在本研究中不能证实我国专利发明人员的个人专利产出随年龄先增后减的 变化关系。 表3-1 专利产出与年龄二次关系的检验 变量 相关系数 标准差 t检验值 类误差可能性 年龄 0.003157 0.0050900.620311 0.5351 年龄2 -5.26e-05 5.19e-05-1.014588 0.3104 常数项 0.918515 0.1255897.313652 0.0000 调整后的r 2值 0.825902 f统计值 819.5860 3.3.2 专利产出与年龄线性关系的检验 表 3-2 专利产出与年龄线性关系的检验 变量 相关系数 标准差 t检验值 类误差可能性 年龄 -0.001927* 0.000890-2.165755 0.0304 年龄 2 -0.029931 0.049582-0.603668 0.5461 学历 -0.029931 0.049582-0.603668 0.5461 学历 -0.045801 0.047041-0.973634 0.3303 学历 -0.074327*0.024451-3.039785 0.0024 职称 -0.022131 0.028439-0.778209 0.4365 职称 0.098691* 0.0315293.130129 0.0018 职称 0.137261* 0.0394393.480355 0.0005 性别 0.061437 0.0474291.295334 0.1953 行业 7.361943* 0.069316106.2082 0.0000 行业 2.097402* 0.03636857.67175 0.0000 行业 1.002441* 0.04972920.15791 0.0000 行业 0.287791* 0.02541011.32568 0.0000 行业 -0.048653 0.078904-0.616608 0.5375 行业 -0.082627 0.052393-1.577070 0.1149 组织属性 0.027398 0.0464230.590185 0.5551 组织属性 -0.018783 0.025877-0.725873 0.4680 常数项 1.030234 0.06039617.05789 0.0000 调整后的r 2值 0.825901 f统计值 867.7282 在表 3-2 的回归结果中发现，调整后得 r 2值达到 0.826，说明模型的拟合度 良好，选取的自变量在最小二乘模型中能较好地解释因变量的变化。另外，模型 也通过了 f 检验。从整体来看回归分析的结果：首先是年龄变量，该自变量与专 利产出数量的线型关系显著，且系数为负，这表明 r&d 人员的个体专利产出效率 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 34 随着年龄的增长而递减。学历变量方面，表征 r&d 人员是否本科学历的学历变 量与因变量的显性关系显著， 其余两个学历虚拟变量学历和学历的影响均不 显著， 表明拥有本科学历对 r&d 人员的专利产出效率有负向影响。 职称变量方面， 职称（表征人员是否为高级职称）和职称（表征人员是否为中级职称）与因 变量线性关系显著，而职称（表征人员是否为初级职称）的影响不显著，表明 具有中级职称和初级职称人员的专利产出效率更高。行业变量方面，行业（表 征人员是否属于信息技术行业） 、行业（表征人员是否属于生物技术行业） 、行 业（表征人员是否属于化工行业）和行业（表征人员是否属于机械行业）对 因变量的影响显著，而行业（表征人员是否属于农业）和行业（表征人员是 否属于汽车业）影响不显著，表明处于信息技术、生物技术、化工和机械行业中 对 r&d 人员的专利产出效率有正向影响。其余方面，性别变量，组织虚拟变量组 织属性，组织属性均没有通过显著性检验，在该模型中可以认为这些变量对 专利产出的影响均不显著。 3.3.2 去除不相关变量后的模型 表 3-3 专利产出与个体变量的相关关系检验 变量 相关系数 标准差 t检验值 类误差可能性 年龄 -0.001822 0.000836-2.179154 0.0294 学历 -0.069715 0.021796-3.198485 0.0014 职称 0.091372 0.0268323.405308 0.0007 职称 0.127340 0.0351453.623255 0.0003 行业 7.370588 0.068699107.2884 0.0000 行业 2.116361 0.03409162.08007 0.0000 行业 1.019084 0.04852920.99951 0.0000 行业 0.286645 0.02400711.94019 0.0000 常数项 1.075841 0.04339924.78953 0.0000 调整后的r 2值 0.825822 f统计值 1842.379 在最初的模型中去除掉对专利产出影响不显著的变量后再次进行回归分析， 结果如表 3-3 所示。 年龄变量对专利产出效率的影响显著，且系数为负（-0.002） ，这表明在该 模型支持 r&d 人员的创新产出效率随着年龄增加而降低的假设。但是数值仅为 -0.002 的系数意味着如果其他个体变量相同，年龄相差 50 岁的两位 r&d 人员其 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 35 专利产出数的差异仅为-0.1， 该结果显示了年龄变量实际上对 r&d 人员专利产出 数的影响微乎其微。事实上，在上文的定性分析环节，本文发现 40 岁以下 r&d 人员专利产出效率最低，41-70 岁人员产出效率最高，而 70 岁以上人员的产出 效率较低，但高于 40 岁以下人员。尽管 40 岁以下人员的专利产出效率与其他年 龄段人员相比是较低的，但考虑到 40 岁以下人员的人数和产出专利数在总数中 所占的比例较少，因此其对最终回归结果影响较小。对年龄变量对专利产出效率 影响的更好理解是，我国的专利产出人员在经过 40 岁之前的低效率阶段后，在 41-50 岁间迅速达到专利产出效率高峰，之后专利产出效率随着年龄的增长而缓 慢下降。因此，回归分析的结果显示了 40 岁以后 r&d 人员的专利产出随年龄增 大而降低。 学历变量方面，r&d 人员学历是否为本科对专利产出有显著影响，且影响系 数为负数（-0.074327)，表明若研发人员的学历为本科则对其专利产出有显著的 负面影响，也即本科人员的专利产出效率较其他学历更低。一般来说，高学历的 r&d 人员由于理论知识和研究技巧的优势，更可能在研发过程中得到创新产出。 尽管模型中表征博士和硕士学历的变量（学历和学历）对专利产出量的影响 不显著，但 r&d 人员的本科学历却会对其专利产出产生负向影响，结合前文定性 分析中本科及以下学历人员的专利产出效率低于博士和硕士学历人员的结果， 本 文可以推断相对于本科及本科以下学历的人员， 博士和硕士人员的专利产出效率 稳定在一个比较高的水平。因此就学历变量来看，是否具有硕士及以上学历可以 作为区分 r&d 人员是否高效的标准之一。 职称变量方面， 表征 r&d 人员是否为中级职称的职称和表征是否为初级职 称的职称对个体专利产出数有显著的正向影响，影响因子分别为 0.091372 和 0.127340。即具有中级和初级职称的 r&d 人员的专利产出效率高于其他职称人 员。表征 r&d 人员是否高级职称的虚拟变量职称对专利产出没有显著影响。结 合本章第二节的统计分析结果：有职称人员的专利产出效率高于无职称人员，可 以得到，单就职称变量对专利产出的影响来看，尽管有职称人员在专利发明人总 体中的人数和专利产出数均低于无职称人员， 但是有职称人员的专利产出效率显 著高于无职称人员，且在职称人员中，初级职称人员专利产出效率最高，中级职 称人员次之，高级职称人员较低。 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 36 行业变量方面的结果显示，信息技术、生物技术、化工和机械行业 r&d 人员 的专利产出效率显著高于其他行业， 而农业和汽车行业 r&d 人员的专利产出水平 与总体相比没有显著差别。 信息技术和生物技术行业分别以 7.4 和 2.1 的影响因 子排在前列，化工和机械行业的影响因子分别为 1.0 和 0.3。这表明，单就行业 变量来看，信息技术、生物技术作为新兴技术行业的代表，技术更替速度迅速， 在这些行业中从业的 r&d 人员专利产出效率最高。 而化工材料和机械行业作为成 熟传统行业的代表，一直以来世界各国对这些领域的研发投入都颇为集中，因此 在化工和机械行业从业的 r&d 人员专利产出效率仅低于信息技术和生物技术行 业的 r&d 人员，而显著高于其他行业。 3.4 本章小结 上文已经利用在20042005年间至少产出一项专利发明的1210位专利发明 人个体构成的样本对可能影响 r&d 人员专利产出效率的个体变量进行了统计分 析和回归检验， 综合上文的分析结果可以得到各个个体变量对专利产出效率的单 独影响如下： （1）r&d 人员的年龄对其专利产出效率有影响，专利产出效率随年龄先增 大后减小。 将年龄和年龄平方同时置入 ols 模型的回归结果并没有支持年龄与专利产 出效率之间的二次方关系，无法证实专利产出与年龄存在“”形关系。在将年 龄平方剔除后的 ols 模型中得到年龄对专利产出影响显著，且影响系数为负，结 合定性分析的结果：40 岁以下 r&d 人员专利产出效率最低，41-70 岁人员产出效 率最高，而 70 岁以上人员的产出效率较低，但高于 40 岁以下人员。 我国的专利产出人员在经过 40 岁之前的低效率阶段后，在 41-50 岁间迅速 达到专利产出效率高峰，之后专利产出效率随着年龄的增长而缓慢下降。因此， 回归分析的结果显示 r&d 人员的专利产出效率随年龄先增大后降低， 即年龄与专 利产出效率之间存在二次关系。这就验证了假设 1 的第（1）分假设。 （2）r&d 人员的学历对其专利产出效率有正向影响，博士和硕士人员的专 利产出效率显著高于本科及以下学历人员。 学历变量方面， 在 ols 模型的回归分析结果中没有发现高学历 （博士和硕士） 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 37 对专利产出有正向影响的直接证据（没有通过显著性检验） ，但结果显示本科学 历对专利产出有显著的负向影响。结合定性分析中的结果：即高学历（博士和硕 士）人员的专利产出数占比高于人数占比，说明高学历人员的人均专利产出效率 高于平均水平； 低学历 （本科和本科以下） 人员的专利产出数占比低于人数占比， 说明低学历人员的专利产出效率低于平均水平。因此，可以得到结论：单就学历 变量分析，博士和硕士人员的专利产出效率高于本科及本科以下人员。以上分析 的结果验证了假设 2，且揭示了 r&d 人员中的高效专利产出群体是具有硕士及以 上学历的人员。 （3）r&d 人员的职称对其专利产出效率有正向影响，有职称 r&d 人员的专 利产出效率显著高于无职称人员。 职称变量方面，ols 模型的回归结果显示初级和中级职称对 r&d 人员的专利 产出有显著正向影响，但高级职称对专利产出的影响不显著。回归模型中高级职 称变量的系数（0.13）大于中级职称的系数(0.09)，这表明初级职称对专利产出 的正向影响大于中级职称。结合上文定性分析的结果：高级、中级和初级职称人 员的专利产出效率高于平均水平，无职称人员的专利产出效率低于平均水平。因 此，本文可以将各个职称的专利产出效率作一个排序，从高到底依次为：初级职 称、中级职称、高级职称、无职称。以上分析验证了假设 3，并且显示有职称人 员的专利产出效率显著高于无职称人员，但是在有职称人员内部，职称的高低并 不对专利产出效率产生正向影响。 （4）r&d 人员的行业对其专利产出效率有影响，高新技术行业 r&d 人员的 专利产出效率最高。 行业变量方面，信息技术行业的 r&d 人员专利产出效率显著高于其他行业， 每个信息技术业 r&d 专利产出人员比其他行业的 r&d 人员多产出约 7 项专利。 其 次是生物技术行业，该行业的 r&d 人员比其他行业多产出约 2 项专利。之后为化 工业和机械业，系数分别为 1.0 项和 0.3 项。农业和汽车业对专利产出的影响不 显著。显著影响专利产出的行业变量的回归系数远大于年龄、学历和职称变量前 的系数，这表明行业变量作为一种外生变量，其对 r&d 人员专利产出的影响性远 大于其他变量。 在信息技术和生物技术这些技术变革速率快的高新技术行业从事 研究工作的 r&d 人员产出的专利数远高于在其他行业从事研发工作的人员。 从这 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 38 种意义上讲，行业变量对专利产出效率的影响具有绝对性，其作用凌驾于其他个 体变量之上。以上结果验证了假设 4，并且显示了技术变革速率快速的信息技术 和生物技术行业的从业 r&d 人员的具有更高的专利产出效率。 （5）r&d 人员的性别对专利产出效率的影响不显著。 虽然从人数和产出专利数的比例来看，女性所占的比例都很低，只有 5%左 右。但从人均专利产出数看，女性的专利产出效率并不低于男性。在 ols 模型中 也没有证实性别变量对专利产出效率有显著影响的假设。因此，性别变量对 r&d 人员专利产出效率的影响不显著。以上结果没有支持假设 5。 （6）r&d 人员的组织属性对专利产出影响不显著。 在本文的回归模型中，r&d 人员的组织属性没有对 r&d 人员的专利产出数量 产生显著影响， 结果不支持假设 6。 我国专利发明人中大多数人员为个体创新者， 学术界和产业界的创新组织产出不足， 这造成了我国的专利产出还停留在绝大多 数为“小发明”的阶段，专利产出质量不高的现状。 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 39 4 个体变量对专利产出效率的综合影响分析 4.1 影响机制分析 第三章通过定性和定量分析已经分别得到各个个体变量对专利产出效率的 单独影响，对第一部分提出的六个假设也有了回答。但年龄、学历、职称、组织 属性、行业属性等个体变量并不独立地存在于 r&d 人员，而是作为 r&d 人员的一 组个体变量组合而存在的。上文的分析结果对于“年龄和职称中，哪个变量对 r&d 人员产出效率的影响更大？”或是“高学历低职称的 r&d 人员与高职称低学 历的 r&d 人员相比，哪一类的专利产出效率更高？”这样的问题无法给出答案， 因此还需在上文结果的基础上更深入地分析， 对各个个体变量对专利产出效率的 影响程度进行重要度排序； 在此基础上探究 r&d 人员个体变量对专利产出效率的 影响机制，即挖掘个体变量背后的影响因素；最终得出专利产出效率最高的 r&d 人员个体变量结构。对专利产出效率存在影响的个体变量中，行业变量作为 r&d 人员的一种外部属性，其对个体创新生产力的影响是外生性的，行业技术变革速 率的差异对业内 r&d 人员的创新产出可能性产生的影响是其它变量难以取代的； 因此行业变量的排序应当在其他变量之上。且行业变量作为一种外生变量，对 r&d 人员的创新生产力具有强制的影响力，因此与年龄、学历和职称等内生变量 不具有可比性，本文没有将行业变量纳入正交分析的范围。下文将围绕年龄、学 历和职称三个个体变量对专利产出效率的影响重要度进行正交分析。 在分析各个个体变量对专利产出效率的影响机制之前， 本文有必要对个体变 量背后隐藏的专利产出效率影响因素作深入的剖析。年龄变量从经验积累、智力 水平、研究习惯等方面对专利产出效率产生影响。学历变量表征的是 r&d 人员受 学历程度的高低，可以反映 r&d 人员掌握显性知识的量。而职称变量表征的是 r&d 人员在主题领域工作实践经验的多寡，主要反映 r&d 人员掌握相关领域隐性 知识的量。 具体来说，年龄从一定程度上反映了 r&d 人员在某个科研领域的工作年限， 因此也可以从一定程度上反映 r&d 人员对隐性知识的掌握程度，一般来说，在 r&d 人员职业生涯的早期和中期，其创新生产力会随着年龄增大而增加。另一方 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 40 面，步入职业生涯的中后期，随着年龄的增大，r&d 人员的智力会出现下降，学 习能力降低；且随着 r&d 人员在某一研究领域研究经验的累积，其思维会定势， 难以接受和创造新的观点，造成创造力的下降。因此，在这一阶段 r&d 人员的创 新生产力会随着年龄增大而降低。在退休以后，部分 r&d 人员会将他们以往的研 究成果进行专利申请，以保护其科技产出并获取物质收益。这可以从上文在 63-68 年龄段观察到的专利产出小高峰的现象得到印证。年龄变量对 r&d 人员创 新生产力的影响是最复杂的， 年龄与创新产出效率之间的关系是以往学者研究最 多，分歧最大的一个领域。 单从学历变量来看， 本科及以下学历人员的专利产出效率低于博士和硕士人 员。学历是表征人员受教育程度的一个变量，它可以从一定程度上衡量 r&d 人员 掌握显性知识的量。虽然人员接受的教育程度越高，就越可能接触到高层次的理 论知识，以及掌握更复杂的研究方法，从而提高产出发明专利的可能性。但是， 从另一方面看，专利产出活动与学术教育是属于两个不同的体系，接受更多年限 的高等教育意味着将大量的时间和精力投入到科学研究和论文产出活动中， 这会 限制 r&d 人员从事专利研究活动的时间和精力。 学历对 r&d 人员专利产出效率的 影响是非常复杂的。 这也是为何本文在 ols 模型中没有证实博士和硕士学历的对 专利产出效率有正向影响， 而仅仅发现本科学历对专利产出效率有负向影响依据 的原因。事实上，在本文获得的样本中，超过 30%以上的专利产出人员是本科， 另有超过 50%的人员是本科以下学历。但从产出数量的占比来看，似乎低学历人 员是我国发明专利产出的主体人员。但从专利产出效率来看，却不尽如此。尽管 高学历人员（博士和硕士人员）在人员总体中占比极低，博士和硕士人数在专利 产出人员总体中的占比分别 2.8%和 4.5%，但从产出数比例来看，博士和硕士产 出的专利数占专利产出总数的 6.4%和 6.9%；如果只考虑发明专利数，则高学历 人员产出数所占的比例更高，博士和硕士的产出数分别占发明专利总数的 10.5% 和 8.8%。 职称变量主要表征的是 r&d 人员在主题领域的研究经验以及对隐性知识的 掌握程度。若按照这种影响机制，那么掌握更多研究经验和隐性知识的高级职称 人员的专利产出效率必然高于中级和初级职称人员。 但上文分析的结果却恰恰相 反：在有职称人员中，初级职称人员的专利产出效率最高，中级职称人员次之， 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 41 高级职称人员最低。 以上分析表明，单独从年龄、学历和职称变量分析，虽然都能对不同群体 r&d 人员专利产出效率的差异进行一定程度的解释，但是都无法解释全部的实际 情况。下文将对年龄、学历和职称变量进行两两配对的正交分析，以确定各变量 对专利产出效率影响程度的重要度排序， 并综合各种影响机制对 r&d 人员群体的 专利产出差异进行更深入剖析。 4.2 正交分析 年龄、学历、职称行业这些同样对专利产出效率有显著影响的变量，哪些变 量的影响程度更大呢？这是本节要解决的核心问题。 4.2.1 学历变量与职称变量的正交分析 图 4-1 各学历与职称组合 r&d 人员群体产出专利平均数 figure 4-1 average patent output number of diffent education-title r&der groups 首先， 在不同职称 r&d 人员群体中分析学历变量对专利产出效率的影响 对比图 4-1 中不同学历系列中的同色柱状体。在各职称人员群体中，都可以发现 一个共同的规律： 即博士和硕士学历 r&d 人员的平均专利产出效率均高于本科及 本科以下人员。在所有职称的 r&d 人员群体中，高学历人员的专利产出效率都高 于低学历人员。 以上结果与单独考虑学历变量对专利产出效率影响时得到的结果 是一致的，这反映出学历变量对于专利产出效率有着较强的影响，职称变量的加 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 42 入并没有影响学历变量与专利产出效率之间的关系。 然后， 本文从不同学历 r&d 人员群体中观察职称变量对专利产出效率的影响 对比图 4-1 中特定学历系列中的不同色柱状体。在博士学历人员群体中，专 利产出效率从高到低依次为初级职称人员，无职称人员，中级职称人员和高级职 称人员。在硕士人员群体中产出效率的排序依次为无职称人员，中级职称人员， 初级职称人员和高级职称人员。在本科学历人员群体中，专利产出效率的排序依 次为初级职称人员，无职称人员，中级职称人员和高级职称人员。在本科以下学 历人员群体中，利产出效率的排序依次为中级职称人员，高级职称人员，无职称 人员和初级职称人员。可以发现，在不同学历人员群体中，职称变量与专利产出 效率之间的关系并没有一致的规律性。尽管在上文的研究中发现，单从职称变量 考虑，专利产出效率从高到底的依次为初级职称人员、中级职称人员、高级职称 人员和无职称人员。但是显然由于学历变量的加入，不同学历变量人员群体中职 称变量与专利产出效率之间的关系产生了变化。例如在高学历人员群体中，本应 产出效率最低的无职称 r&d 人员的专利产出效率甚至高于中高级职称人员。 这反 映出学历变量的加入对职称变量与专利产出效率之间的关系产生了较大的影响。 反观学历变量，它在各个职称人员群体对专利产出的效率的影响是一致的，即表 现为高学历的博士和硕士人员的产出效率高于低学历的本科及以下人员。因此， 职称变量的加入并没有影响到学历变量与专利产出效率之间的关系。综上可知， 学历变量相较于职称变量是更为重要的影响 r&d 人员专利产出效率的变量。 学历变量表征 r&d 人员受教育程度的高低， 可以反映 r&d 人员掌握显性知识 的量。而职称变量表征的是 r&d 人员在主题领域工作实践经验的多寡。随着知识 经济时代的到来， 新知识正以指数方式增长。 有研究表明， 世界科学文献以 10-15 年翻一番的速度增长。而当前的信息技术，特别是互联网技术的长足发展使得 r&d 人员可以获得的知识和信息飞速增加。在这样的背景下，很多以往只能靠自 身实践获得隐性知识，或者在前信息时代难以获取的外国文献和相关资料，都可 以通过互联网共享或数据库轻松获得。这无疑大大增强了学习的有效性，使得掌 握更多新知识和新方法的高学历人员在 r&d 活动中获得优势。进入 21 世纪，学 科与学科之间的界限不断突破，渗透和融合不断进行，大量的边缘学科和交叉学 科不断涌现。 这使得学者型的 r&d 人员相较于专注于某一领域的在职 r&d 人员在 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 43 专利产出活动中更具有效率。 4.2.2 学历变量与年龄变量的正交分析 图 4-2 各学历与年龄组合 r&d 人员群体产出专利平均数 figure 4-2 average patent output number of diffent education-age r&der groups 首先， 从不同年龄段 r&d 人员群体中观察学历对专利产出效率的影响对 比图 4-2 中不同学历系列中的同色柱状体。博士和硕士学历人员在 60 岁之前的 所有年龄段中都保持着对本科及本科以下学历人员的专利产出效率绝对优势。 在 60 岁以上年龄段，虽然这种优势不再存在，但是从总体来看，高学历人员的专 利产出效率高于低学历人员。 以上结果与单独考虑学历变量对专利产出效率影响 时得到的结果是一致的，这反映出学历变量对于专利产出效率有着较强的影响， 年龄变量的加入并没有明显影响到学历变量与专利产出效率之间的关系。 表 4-1 各学历 r&d 人员专利产出平均年龄（岁） 学历 博士 硕士 本科 本科以下 平均年龄 41.0 41.3 52.0 49.7 然后， 本文在不同学历 r&d 人员群体中分析年龄变量对专利产出效率的影响 对比图 4-2 中同一学历系列中的不同色柱状体。可以发现，不同学历群体 r&d 人员的年龄变量与专利产出效率变量之间的关系存在着较大的差异。即在引 入学历变量后，年龄变量对专利产出效率的影响没有保持一致性。具体表现在， 博士人员和硕士人员的专利产出高峰都出现在 40 岁以前，明显早于本科及以下 学历人员。 表 4-1 中各学历 r&d 人员专利产出平均年龄的数据也表明高学历人员 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 44 产出专利的年龄要早于低学历人员。 这是由于博士和硕士人员拥有显性知识和研 究方法方面的优势，因此得以在职业生涯的更早阶段产出专利。随着他们在专利 产出领域经验的积累， 这种专利产出效率的优势在整个职业生涯得到保持表 现为高学历人员在绝大多数年龄段的专利产出效率都高于低学历人员。 而低学历 人员，由于知识和方法的不足，需要更多的时间和研究经验的积累才能在主题领 域获得专利产出，因此他们的专利产出高峰出现得更晚（本科人员的产出高峰出 现在 41-50 岁，而本科以下人员出现在 51-60 岁） 。在各个年龄层次上，高学历 人员比低学历人员具有更高的专利产出效率， 学历变量对专利产出效率产生了决 定性的影响。在不同学历群体中，年龄变量没有对专利产出效率产生一致性的影 响，具体表现为在高学历人员群体中，专利产出的高峰出现得较早，而低学历人 员的专利产出高峰出现得较晚。综合来看，在影响专利产出效率方面，学历变量 比年龄变量的重要度更高。 4.3.3 职称变量与年龄变量的正交分析 图 4-3 各职称与年龄组合 r&d 人员群体产出专利平均数 figure 4-3 average patent output number of diffent title-age r&der groups 首先， 从不同年龄段 r&d 人员群体中观察职称对专利产出效率的影响对 比图 4-3 中不同职称系列中的同色柱状体。在 40 岁以下年龄段中，专利产出效 率最高的为初级职称人员，其次为中级职称人员，高级职称和无职称人员较低； 在 41-60 年龄段，中级职称人员的专利产出效率最高，其次为高级职称人员，初 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 45 级职称人员略低；而在 61 岁以上年龄段，高级职称人员拥有专利产出效率优势。 无职称人员的专利产出效率在各个年龄段中都处于较低的水平。 这里出现一个有 趣的现象：在 r&d 人员的职业生涯中从低到高的各个年龄段，专利产出效率的优 势不断向更高职称的群体转移。 总体来看， 专利产出效率最高的为初级职称人员， 次之为中级职称人员，其次是高级职称人员，最低为无职称人员，这与单独考虑 职称变量对专利产出效率时的结果是一致的。 随后， 本文在不同职称 r&d 人员群体中分析年龄变量对专利产出效率的影响 对比同一职称系列中的不同颜色柱状体。先看产出效率最高的初级职称人 员：在 40 岁以下年龄段，初级职称人员就达到了专利产出效率的高峰，尽管在 随后的 51-70 年龄段专利产出效率有所下降， 但是与其他职称人员相比仍保持在 较高的效率水平，因此初级职称人员在整个职业生涯中的专利产出是最高的。中 级职称人员在 30 岁以下年龄段的专利产出效率仅次于初级职称人员；在随后的 31-60 岁年龄段其产出效率均高于其他职称人员；在 60 岁以上年龄段产出效率 下降明显，但与其他职称人员相比相差不大，因此中级职称人员在整个职业生涯 中的专利产出效率仅排在初级职称人员之下，而高于高级职称人员和无职称人 员。高级职称人员在 30 岁以下年龄段的专利产出效率极低；在其后的 31-60 岁 年龄段产出效率的跃升虽然明显，但是产出效率的绝对值仍然低于中级职称人 员，与初级职称和无职称人员相比优势也不明显；因此高级职称在整个职业生涯 的专利产出效率低于初级职称和中级职称人员，仅高于无职称人员。 综合职称和年龄两个变量来分析，可以得到：30 岁以下的初级职称人员群 体的专利产出效率是最高的， 其次为 31-40 岁的初级职称人员群体， 再次为 31-40 岁的中级职称人员群体。事实上，前文已经得到，若单从年龄变量角度考虑，则 40 岁以下年龄段人员的产出效率是最低的。那么为何 40 岁以下的初级职称人员 的专利产出效率不仅不是最低， 反而远高于其他所有年龄段的 r&d 人员呢？本文 认为在这个问题上职称机制发挥了重要的作用。不管是在教育机构、科研机构还 是企业中， 只有已经在 r&d 活动中表现出色并获得一定科技成果的年轻科技人才 能获得初级职称的称号。因此在评选职称的过程事实上就是一次定向选择的过 程，被评选上的初级职称人员都是年轻 r&d 人员中的佼佼者，并且以 40 岁以下 人员为主，他们已经在早期的科研生涯中积累的知识和经验，并且也通过已有的 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 46 科技成果证明了自己的实力；除此之外，初级职称人员与中高级职称人员相比拥 有年龄的优势，并且在科研热情和创造力方面更强，因此年轻的初级职称人员拥 有最高的专利产出效率是可以理解的。职称机制决定了初级职称、中级职称、高 级职称人员群体的年龄存在依次递增的关系，因此初级职称、中级职称和高级职 称人员群体中的年轻群体 （专利产出高效群体） 的年龄也存在着依次递增的关系。 这就解释了在 r&d 人员的职业生涯中从低到高的各个年龄段， 专利产出效率的优 势不断向更高职称的群体转移的现象。 综上可知，由于职称变量的影响，在总体中年龄变量与专利产出效率的关系 不再适用。 但是从职称机制能够解释各个职称系列下不同年龄段人员群体的专利 产出差异，因此职称变量是比年龄变量更为优先的解释因子。 4.3 本章小结 综合 4.2 节的分析结果可知， 影响 r&d 人员专利产出效率的三个主要变量的 重要度排序为：学历变量职称变量年龄变量。在我国的 r&d 人员群体中，本文 发现 r&d 人员具有高学历与具有高专利产出效率几乎是划等号的， 加入年龄变量 或者职称变量都无法改变学历变量与专利产出效率之间的关系。本文认为，高学 历对专利产出效率的影响性高于其他个体变量是由我国专利发明人群体的现状 决定的。当前我国的国内专利发明职务发明、专利发明的比例与发达国家相比都 偏低，专利发明以实用新型和外观设计等小发明为主，这反映了我国专利发明人 群体的整体素质不高的现状。具有高学历（博士和硕士）的人员在接受高等教育 的过程中，掌握了足够的理论知识、信息资源和科研方法，且具有丰富的研究经 验（具备发表论文的经验） ，因此一旦高学历人员开始从事专利活动，容易获得 较高的产出效率。因此，学历变量对专利产出效率的影响重要度排序最高。 我国的职称评定机制是一种定向选择的机制， 是从所有 r&d 人员中选取已经 有一定科技成就的优秀人员授予职称称号， 因此具有职称称号的 r&d 人员群体比 不具职称的 r&d 人员拥有更高的产出效率。但是在拥有职称人员的中，却并不存 在职称越高，专利产出效率越高的关系；而是年龄越小，专利产出效率越高的关 系（这是年龄变量对专利产出效率的负向影响在发生作用） 。这就解释了为什么 在有职称人员群体中，反而是拥有年龄优势的初级职称人员专利产出效率最高， 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 47 中级职称人员次之，而高级职称人员最低的现象。 而年龄变量对专利产出效率的影响体现在，在特定的职称级别中，年龄较小 的 r&d 人员具有专利产出效率的优势。可见，年龄对专利产出效率的影响重要度 位列职称变量之后。 图 4-4 个体变量与专利产出效率关系图 figure 4-4 relationship between individual variables and patent output efficiency 综合考虑到行业变量的影响， 本文提出了从个体变量角度识别高效率专利产 出人员的标准：若 r&d 人员在高新技术行业，如信息技术和生物技术行业从事研 发，则其专利产出效率普遍较高；若 r&d 人员在非高新技术产业从事研发，则依 次满足（1）学历在硕士以上； （2）具有职称； （3）年龄较小三项条件的人员具 有更高的专利产出效率。 行业变量 学历变量 职称变量 年龄变量 专利产出效率 内生变量 外生变量 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 48 5 结论和讨论 5.1 研究结论 本文将 r&d 人员个体层面的可观测变量（包括年龄、学历、职称、行业、性 别、组织属性）全面纳入分析范围，研究这些个体变量与专利产出数量（创新生 产力衡量指标）之间的关系。本文选取了在 2006 年出版的中国专利发明人年 鉴 （第七卷）中收录在册的在 2004-2005 年间获得授权的 1210 位专利发明人作 为样本，并从年鉴中搜集这些 r&d 人员的年龄、学历、职称、行业、性别、组织 属性等个体变量， 然后从中国知识产权局网站的 pct 专栏检索到样本人员作为第 一发明人申请的发明专利和实用新型共 5470 条，在此基础上研究个体变量对专 利产出效率的影响。通过采用统计分析、多元线形回归分析和正交分析的方法， 得到各个个体变量对专利产出效率的独立影响，以及影响重要度排序。 根据第三章的统计分析和多元线形回归结果， 本文可以得到各个个体变量对 专利产出效率的独立影响如下： （1）r&d 人员的年龄对其专利产出效率有影响，专利产出效率随年龄先增 大后减小。我国的专利产出人员经过 40 岁之前的低效率阶段后，在 41-50 岁间 迅速达到专利产出效率高峰，之后专利产出效率随着年龄的增长而缓慢下降。结 果显示 r&d 人员的专利产出效率随年龄先增大后降低。 （2）r&d 人员的学历对其专利产出效率有正向影响，博士和硕士人员的专 利产出效率显著高于本科及以下学历人员。单就学历变量而言，r&d 人员中的高 效专利产出群体是具有硕士及以上学历的人员。 （3）r&d 人员的职称对其专利产出效率有正向影响，有职称 r&d 人员的专 利产出效率显著高于无职称人员。 本文可以将各个职称的专利产出效率作一个排 序，从高到底依次为：初级职称、中级职称、高级职称、无职称。因此，有职称 人员的专利产出效率显著高于无职称人员；但是在有职称人员内部，职称的高低 并不对专利产出效率产生正向影响。 （4）r&d 人员的行业对其专利产出效率有影响，高新技术行业 r&d 人员的 专利产出效率最高。行业变量作为一种外生变量，其对 r&d 人员专利产出的影响 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 49 性远大于其他变量。 在信息技术和生物技术这些技术变革速率快的高新技术行业 从事研究工作的 r&d 人员产出的专利数远高于在其他行业从事研发工作的人员。 从这种意义上讲，行业变量对专利产出效率的影响具有绝对性，其作用凌驾于其 他个体变量之上。 （5）r&d 人员的性别对专利产出效率的影响不显著。 虽然从人数和产出专利数的比例来看，女性所占的比例都很低，只有 5%左 右。但从人均专利产出数看，女性的专利产出效率并不低于男性。在 ols 模型中 也没有证实性别变量对专利产出效率有显著影响的假设。因此，性别变量对 r&d 人员专利产出效率的影响不显著。 （6）r&d 人员的组织属性对专利产出影响不显著。 在本文的回归模型中，r&d 人员的组织属性没有对 r&d 人员的专利产出数量 产生显著影响。 根据第三章的结果，年龄、学历、职称和行业变量是对 r&d 人员个体的专利 产出效率产生显著影响的。考虑到行业变量的外生属性，即行业对 r&d 人员的创 新生产力具有强制的影响力，所以外生的行业变量与内生变量如年龄、学历和职 称不具有可比性。第四章围绕年龄、学历和职称三个个体变量对专利产出效率的 影响重要度进行正交分析。发现对专利产出的影响重要度排序为：学历变量职 称变量年龄变量，综合考虑到行业变量的影响，本文提出了从个体变量角度识 别高效率专利产出人员的标准：若 r&d 人员在高新技术行业，如信息技术和生物 技术行业从事研发，则其专利产出效率普遍较高；若 r&d 人员在非高新技术产业 从事研发，则依次满足（1）学历在硕士以上； （2）具有职称； （3）年龄较小三 项条件的人员具有更高的专利产出效率。 5.2 结果讨论 随着近年来我国对知识产权工作的重视， 我国的专利产出活动有了长足的进 步，专利申请速度不断增快。与用了近 15 年时间才实现专利申请受理总量突破 100 万件相比，专利申请受理量完成第二个 100 万件经历了 4 年 2 个月的时间， 完成第三个 100 万件仅用了 2 年 3 个月的时间。 政府和企业对专利产出活动的资 金和人力投入正不断增加。 这造就了近年我国专利产出数量呈井喷式增长的喜人 上海交通大学学位论文 r&d 人员个体变量与专利产出效率关系研究 50 局面。但是，我们应当清醒地认识到虽然我国的自主创新能力有一定的提高，但 与国际领先国家相比，无论是发明专利的数量还是质量仍有不小的差距。在目前 的现状下，如何改善 r&d 资金和人员投入的结构，以提升专利产出效率就成为当 前应当关注的主要问题。根据前文的结果，本文认为要提高 r&d 人员的专利产出 效率，要做好以下三方面的工作： 第一， 让具有高等学历的博士和硕士研究生在校期间就有机会接触和从事专 利产出活动。由于拥有理论和研究技巧方面的优势，高学历人员是所有 r&d 人员 中专利产出效率最高的群体。在毕业后很多高学历人员将进入企业、科研机构， 或者留在高校作为职业 r&d 人员从事科技创新活动， 在他们的职业生涯早期就培 育其专利产出的意识， 锻炼产出专利的实践能力对于延长高学历人员的专利产出 年限，从而增加个人职业生涯总体专利产出有着非常积极的作用。 第二，对于拥有职称或者即将评定职称的，已经具有丰富研发经验的在职 r&d 人员。 政府和创新组织应当有意识地采取措施， 鼓励和支持其从事专利活动， 在职称评定体系中将专利产出的数量和质量列入考核范围， 激发职业 r&d 人员的 专利产出潜力。另外，建立创新组织和发明人对专利权益的分享机制，引导 r&d 人员产出具有实际价值的发明专利。 第三， 我国的 r&d 投入应当向具有战略意义的高新技术领域， 如无线电传输、 移动通讯、电视系统、传输设备、半导体、电视零件、遗传工程、西药等倾斜。 由于这些领域对各国的综合国力影响较大，因此成为世界各国必争的科技热点， 目前的现状是这些领域的核心技术和科研实力主要掌握在一些发达国家手中， 中 国这样的发展中国家还难以与之抗衡。而高新技术行业的特点是科研投入高、技 术更新速度快、专利产出效率高。在本文的研究中也证实了，信息技术、生物技 术、化工材料和机械等行业 r&d 人员的专利产出效率显著高于其他行业的人员。 我国应当借助在