黑龍江省高技術(shù)企業(yè)知識產(chǎn)權(quán)能力研究

郭秀芳

摘要：知識經(jīng)濟(jì)環(huán)境下，企業(yè)間的競爭已經(jīng)從技術(shù)、創(chuàng)新發(fā)展到知識產(chǎn)權(quán)能力上的競爭，尤其是高技術(shù)企業(yè)。我國高技術(shù)的發(fā)展方式已經(jīng)嚴(yán)重限制了知識產(chǎn)權(quán)能力的發(fā)展，因此，對我國高技術(shù)知識產(chǎn)權(quán)能力進(jìn)行定性分析和定量評價(jià)，剖析知識產(chǎn)權(quán)能力影響因素和確定知識產(chǎn)權(quán)能力等級，有針對性地制定科學(xué)合理的政策，對高技術(shù)企業(yè)提升知識產(chǎn)權(quán)能力獲得競爭力有著重要意義。

關(guān)鍵詞：高技術(shù)；企業(yè)；知識產(chǎn)權(quán)能力；競爭力

中圖分類號：F273 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-29IX（2015）08-0013-03

隨著世界經(jīng)濟(jì)一體化的發(fā)展，知識產(chǎn)權(quán)已經(jīng)成為新經(jīng)濟(jì)環(huán)境下國際競爭的焦點(diǎn)，在高科技企業(yè)中尤為突出。當(dāng)今企業(yè)要想獲得國際競爭力就必須要獲得知識產(chǎn)權(quán)的能力，因?yàn)樗呀?jīng)成為企業(yè)的動力來源。在知識經(jīng)濟(jì)下，高科技企業(yè)已經(jīng)發(fā)展成為主導(dǎo)的企業(yè)。

高科技企業(yè)的健康、可持續(xù)發(fā)展對于增強(qiáng)我國的綜合國力和國際競爭力都具有深遠(yuǎn)的意義。高科技企業(yè)知識產(chǎn)權(quán)的研究對于豐富知識產(chǎn)權(quán)的理論具有重要的意義，同時(shí)也是對我國高科技企業(yè)的知識產(chǎn)權(quán)能力的一種挑戰(zhàn)，對于國家的經(jīng)濟(jì)可持續(xù)發(fā)展具有重要意義。

一、高技術(shù)企業(yè)知識產(chǎn)權(quán)能力影響因素分析

（一）高技術(shù)企業(yè)知識產(chǎn)權(quán)能力影響因素

我國高技術(shù)企業(yè)知識產(chǎn)權(quán)能力影響因素研究有利于企業(yè)合理利用有利因素有效規(guī)避不利因素，抓住主要因素，摒棄次要因素，提升企業(yè)知識產(chǎn)權(quán)能力。 李偉從企業(yè)內(nèi)部和外部兩個(gè)方面分析知識產(chǎn)權(quán)能力影響因素，認(rèn)為內(nèi)部因素包括企業(yè)家精神、企業(yè)創(chuàng)新能力、學(xué)習(xí)能力和人員配備狀況，外部因素包括區(qū)域經(jīng)濟(jì)水平、專利制度和政策促進(jìn)、知識產(chǎn)權(quán)文化等。顧愛國實(shí)證驗(yàn)證了人才投資、設(shè)備投資和資金籌資均對企業(yè)知識產(chǎn)權(quán)能力有顯著影響。袁林等指出，組織創(chuàng)新氛圍、創(chuàng)新文化有利于知識產(chǎn)權(quán)產(chǎn)出的數(shù)量和質(zhì)量。王黎螢、王鵬等指出，市場經(jīng)濟(jì)發(fā)展水平、專利制度、產(chǎn)學(xué)研合作、政府支持對我國高技術(shù)企業(yè)的知識產(chǎn)權(quán)能力有顯著影響。

（二）研究方法和數(shù)據(jù)來源

1.研究方法

扎根理論（grounded theory）是由Glaser和Strauss于1967年首次提出的。它是一種由原始資料上升為理論的研究方法，是一個(gè)運(yùn)用歸納的方法對收集調(diào)研的資料進(jìn)行打碎、提煉、整合、反復(fù)比較、概念化和范疇化的過程，被認(rèn)為是“社會科學(xué)研究中最有影響力的方法論”。

2.理論抽樣

本論文選擇的企業(yè)均為黑龍江省內(nèi)高技術(shù)企業(yè)。且企業(yè)必須滿足以下條件：規(guī)模達(dá)到100人以上，成立時(shí)間大于5年；企業(yè)具有專利、商標(biāo)等知識產(chǎn)權(quán)；企業(yè)重視新技術(shù)和新產(chǎn)品的開發(fā)；企業(yè)有專門的知識產(chǎn)權(quán)部門或有專人負(fù)責(zé)知識產(chǎn)權(quán)工作。以上條件保證了企業(yè)是以技術(shù)研發(fā)、新產(chǎn)品開發(fā)為主要業(yè)務(wù)，而非以生產(chǎn)制造為主要業(yè)務(wù)。

通過研究者篩選和征求企業(yè)負(fù)責(zé)人同意，最終正式接受采訪的有效被試為25人，來自15個(gè)企業(yè)。被試者為企業(yè)的總經(jīng)理、知識產(chǎn)權(quán)管理部門負(fù)責(zé)人或知識產(chǎn)權(quán)工作負(fù)責(zé)人、技術(shù)研發(fā)部門經(jīng)理或者市場銷售部門經(jīng)理。在征得被采訪者同意的前提下，我們對訪談內(nèi)容進(jìn)行了錄音，以備后續(xù)數(shù)據(jù)編碼。每個(gè)被試者訪談時(shí)間都大于60分鐘，以達(dá)到深度訪談的目的。從企業(yè)所在的行業(yè)來看，電子計(jì)算機(jī)制造業(yè)（5個(gè)）、醫(yī)藥制造業(yè)（2個(gè)）、通信設(shè)備制造業(yè)（3個(gè)）、醫(yī)療設(shè)備制造業(yè)（2個(gè)）、新材料制造業(yè)（2個(gè)）、航空航天制造業(yè)（1個(gè)）。從被訪談?wù)叩穆殑?wù)來看，總經(jīng)理5人、副總經(jīng)理5人、知識產(chǎn)權(quán)管理部門或知識產(chǎn)權(quán)負(fù)責(zé)人6人、技術(shù)研發(fā)部門經(jīng)理4人、市場營銷部門經(jīng)理3人、企業(yè)技術(shù)核心人員2人。本論文隨機(jī)抽取15個(gè)企業(yè)中的13個(gè)企業(yè)的數(shù)據(jù)進(jìn)行編碼和理論構(gòu)建，其余2個(gè)企業(yè)的數(shù)據(jù)用作理論飽和度檢驗(yàn)。

3.資料收集

我們的數(shù)據(jù)來自兩個(gè)方面：第一，企業(yè)的網(wǎng)站、報(bào)紙電視的報(bào)道、企業(yè)年報(bào)、企業(yè)內(nèi)部刊物等紙質(zhì)版的文件；第二，深度訪談。我們采用半結(jié)構(gòu)化問卷的訪談形式，這樣既可以保證訪談的內(nèi)容不會偏頗，也可以保證被采訪者就某個(gè)問題進(jìn)行深入分析。半結(jié)構(gòu)化訪談的成效取決于問題的提綱和采訪者的掌控。

二、高技術(shù)企業(yè)知識產(chǎn)權(quán)指標(biāo)體系構(gòu)建

現(xiàn)階段對知識產(chǎn)權(quán)能力的研究多集中在國家層面和區(qū)域?qū)用妫瑥奈⒂^企業(yè)層面進(jìn)行研究的文獻(xiàn)較少。通過文獻(xiàn)研究發(fā)現(xiàn)目前學(xué)者們對企業(yè)知識產(chǎn)權(quán)能力評價(jià)指標(biāo)體系還沒有一個(gè)公認(rèn)的指標(biāo)體系。在上述研究者的基礎(chǔ)上，本文結(jié)合高技術(shù)企業(yè)知識產(chǎn)權(quán)實(shí)踐活動，構(gòu)造了如下表1所示的我國高技術(shù)企業(yè)知識產(chǎn)權(quán)能力初選評價(jià)指標(biāo)體系。

（一）高技術(shù)企業(yè)知識產(chǎn)權(quán)能力評價(jià)指標(biāo)體系篩選

最初的群組決策是由一組專家組成專家系統(tǒng)，分別對評價(jià)對象進(jìn)行評價(jià)，然后求其平均值的過程。然而，這種最初的群組決策忽略了專家的權(quán)重，將所有專家在評價(jià)中的作用等同，即權(quán)重相同。

1.理想專家模型

群組決策特征根法的第一步是需找理想專家 理想專家為評分向量與專家向量

夾角最小的專家。由m個(gè)專家所組成的群組決策系統(tǒng)G，評價(jià)n個(gè)對象

，第i個(gè)專家 對第j個(gè)評價(jià)對象 的評分值記為

。 的值越大，那么評價(jià)對象 相對越優(yōu)。專家S；的評分組成了一個(gè)n維列向量 ；專家群組G的評分組成 階的矩陣。

研究選擇決策系統(tǒng)的專家們的決策水平不僅僅和他們知識結(jié)構(gòu)、經(jīng)驗(yàn)豐富程度和專業(yè)水平有關(guān)，還同他們的個(gè)人偏好和精神狀態(tài)有關(guān)。所以，在現(xiàn)實(shí)生活中根本不存在理想的決策（理想決策指決策可靠性達(dá)到最大值1或者決策不可靠性達(dá)到最小值0）。因此，我們假設(shè)存在這樣一個(gè)評價(jià)最為客觀公正的理想專家S。，這個(gè)理想專家掌握了評價(jià)對象的知識，他的評分向量為

定義：具有評分向量與群體中各專家評分向量夾角之和最小的專家，稱為該群體的理想（最優(yōu)）專家。 根據(jù)定義可以知道 是一個(gè)n元列向量，這個(gè)向量是滿足函數(shù) 取得的，其中 ，并

且不失一般性可以設(shè)定 ，即

其中 即為決策系統(tǒng)對被評價(jià)單位的總評分。

2.相關(guān)定理

引理：假如階實(shí)矩陣Q≥O定義為—個(gè)不可約束矩陣，那么

（1）矩陣Q有最大正特征根 ，且為單根；

（2）n階實(shí)矩陣Q的最大特征根p一對應(yīng)的特征向量全部由正分量組成，而且所有特征向量只相差一個(gè)比例因子。

顯而易見，評分矩陣x構(gòu)成的方矩陣F=X1X滿足上述定理?xiàng)l件。通過下面的定理證明，我們所求r就是引理2中對應(yīng)的正特征向量。

定理1： 式中 為矩陣的最大特征根； 為 對應(yīng) 的正特征向量，且

定理2：假設(shè)A是mXn階矩陣，B是nxm階矩陣，則AB與BA有相同的（包括重?cái)?shù)）非零特征值。 定理3：a₀是 的最大特征值所對應(yīng)的特征向量，且 ，則有 ，即a₀是m個(gè)專家多對應(yīng)的權(quán)重向量。 3.群組決策特征根法計(jì)算步驟 第一步：決策系統(tǒng)G中m個(gè)專家對n個(gè)評價(jià)對象進(jìn)行打分，形成mxn階的打分矩陣x。 第二步：計(jì)算x的轉(zhuǎn)置矩陣 ，并用其轉(zhuǎn)置矩陣與其本身進(jìn)行自相乘，得到矩陣

第三步：計(jì)算的最大特征根 所對應(yīng)的特征向量W，并對W進(jìn)行單位化處理，則就是最終評價(jià)指標(biāo)的權(quán)重向量。 在精度要求 的約束下，采用數(shù)值代數(shù)中的冪法可簡單快速地求出理想專家 的評分向量 具體算法為： （1）

（2）命

（3）用 表示 和 對應(yīng)分量之差的絕對值最大者，判斷 是否小于 ，若是 即為所求的 ；否則轉(zhuǎn)到第二步驟。

4.單根與重根的處理

如果計(jì)算出來的最大特征根為單根，則這個(gè)單根所對應(yīng)的特征向量即是最優(yōu)解。如果計(jì)算出來的最大特征根為重根，求解其特征向量空間，那么特征向量空間所對應(yīng)的那些評價(jià)對象同等重要，即權(quán)重相同，其他評價(jià)對象則需要依據(jù)第二大特征根對應(yīng)的特征向量排名。

（二）我國高技術(shù)企業(yè)知識產(chǎn)權(quán)能力評價(jià)指標(biāo)體系篩選結(jié)果

依照本文的研究目的，我們聘請黑龍江省知識產(chǎn)權(quán)局專家、大學(xué)知識產(chǎn)權(quán)研究領(lǐng)域的教授以及企業(yè)從事知識產(chǎn)權(quán)工作人員共13名專家對評價(jià)指標(biāo)進(jìn)行打分。具體打分準(zhǔn)則遵循李克特7級量表的規(guī)則。其中，“1”代表該指標(biāo)非常不重要，“7”代表該指標(biāo)非常重要，“2-6”代表指標(biāo)的重要程度依次遞增。

由于本文初選出的我國高技術(shù)企業(yè)知識產(chǎn)權(quán)能力評價(jià)指標(biāo)眾多，限于篇幅限制，我們在這里只對“知識產(chǎn)權(quán)創(chuàng)造產(chǎn)出A1”進(jìn)行計(jì)算，以示說明計(jì)算過程。

第一步：13名專家對“知識產(chǎn)權(quán)創(chuàng)造產(chǎn)出A1”指標(biāo)的下屬7個(gè)指標(biāo)按照7級李克特分量進(jìn)行打分，形成專家評分表。

第二步：運(yùn)用MATLAB軟件計(jì)算F=X1X，得到，

第三步：計(jì)算最大特征根為px-2.041，為單根，其對應(yīng)的特征向量為

WT=[0.4413 0.4228 0.4314 0.2994 0.2779 0.4153 0.3178].

對W進(jìn)行單位化處理得到最終的指標(biāo)權(quán)重

WT=0.1694 0.1623 0.1655 0.1149 0.1067 0.1594 0.1220]。

本文決定剔除掉權(quán)重小于0.13的評價(jià)指標(biāo)。最終知識產(chǎn)權(quán)創(chuàng)造產(chǎn)出保留下來的指標(biāo)有專利申請數(shù)量A11、商業(yè)秘密保護(hù)數(shù)量A12、商標(biāo)注冊數(shù)量A13和版權(quán)登記數(shù)量A16，這4個(gè)指標(biāo)對上級指標(biāo)變異的總解釋率為0.6837，保證了下級指標(biāo)對上級指標(biāo)的解釋程度。我們對其他指標(biāo)進(jìn)行篩選，得到最終的評價(jià)指標(biāo)體系。

結(jié)語

本文對我國的高技術(shù)企業(yè)知識產(chǎn)權(quán)進(jìn)行分析，再對構(gòu)成要素和影響要素進(jìn)行分析，從而構(gòu)建了我國的高技術(shù)企業(yè)的知識產(chǎn)權(quán)模型，建立了我國高技術(shù)企業(yè)知識產(chǎn)權(quán)能力評價(jià)初選指標(biāo)體系，運(yùn)用群組決策特征根法對關(guān)鍵性指標(biāo)進(jìn)行了篩選，最終得到我國高技術(shù)企業(yè)知識產(chǎn)權(quán)評價(jià)指標(biāo)體系。這個(gè)體系彌補(bǔ)了指標(biāo)的不足，為以后分析高技術(shù)企業(yè)知識產(chǎn)權(quán)能力的評價(jià)提供了方法。