基于层次和K-means聚类的知识产权强省建设绩效评价实证研究

发布时间：2021-04-07 21:27

　　基于知识产权强省建设目标,从知识产权创造、知识产权保护、知识产权与经济发展及社会环境四个方面构建知识产权强省建设绩效评价指标体系。综合运用层次和Kmeans聚类算法对2014年度及2017年度27个省市区知识产权强省建设绩效进行聚类,并按强省建设绩效将其分为领先型、稳健型及追赶型三类,研究发现国家知识产权强省建设政策发布后,绝大多数省市区的知识产权工作取得了显著成效,稳健型与追赶型地区具有明显的动态调整性,但领先型与追赶型地区的强省建设绩效两极分化现象严重。最后,根据强省建设现状提出应基于领先型省份建立知识产权强省建设区域协同发展机制,总结并推广稳健型地区强省试点建设工作经验,加紧制定追赶型地区知识产权强省建设配套政策。 

【文章来源】：南京理工大学学报(社会科学版). 2020,33(03)

【文章页数】：8 页

【部分图文】：

2014年度各省市区强省建设绩效平均联动层次聚类

图3 2014年度各省市区强省建设绩效平均联动层次聚类然而仅通过层次聚类无法对各省市区的强省建设绩效进行准确分类，且由于此类算法逻辑仅根据两类间的距离进行聚类，无法通过聚类结果直接评判强省建设绩效及其变化。为克服层次聚类算法的局限性，引入K-means聚类算法对层次聚类结果进行优化。

2014年度与2017年度三类省份聚类中心值如表4所示。两年度聚类的组间平方和与整体距离平方和比值分别为48%与51.6%，表明聚类结果具有良好的置信度。对比聚类中心值发现，2014年度领先型地区在知识产权创造、保护以及社会环境方面均发展良好，是传统的知识产权强省强市。稳健型地区在知识产权保护指标中的行政执法指标超过领先型地区，其原因在于稳健型地区这类指标数据的基数较小，即专利行政执法次数偏少，但行政执法结案率较高。追赶型省份在各类指标中均呈劣势。相比而言，2017年度各项指标中心值数据显示，在知识产权强省建设上升为国家政策后，领先型地区的专利执法指标聚类中心值向左偏移，而专利司法指标聚类中心值向右偏移，原因为领先型地区的专利行政执法案件与侵权诉讼案件数量明显增加，知识产权案件呈向领先型地区集中的趋势。此外，相对于其他两类地区，领先型地区的经济发展及社会环境优势更为显著。稳健型地区的万人专利及万人注册商标量的聚类中心值向右偏移，表现为此类地区的知识产权创造能力显著增强。追赶型地区的各项指标中心值与领先型地区的差距增大，表现为我国知识产权强省建设存在两极分化现象，尤其在知识产权创造方面，追赶型地区存在研发人员外流及研发产出下降等问题。

【参考文献】：
期刊论文
[1]中美贸易摩擦背景下中国区域知识产权保护环境的评价与优化[J]. 马治国,秦倩.  西安交通大学学报(社会科学版). 2019(05)
[2]基于模糊优选法的知识产权强省建设绩效实证评价[J]. 李明星,苏佳璐,李一涵,张浩宇,张慜.  科技管理研究. 2019(01)
[3]知识产权保护、经济增长与经济收敛——基于面板门槛模型的实证分析[J]. 池建宇,顾恩澍.  经济与管理评论. 2017(04)
[4]知识产权保护对我国区域经济增长的影响[J]. 李静晶,庄子银.  科学学研究. 2017(04)
[5]基于R型聚类的知识产权强省评价指标体系构建[J]. 宋东林,孙娟.  科技与管理. 2017(02)
[6]经济发展差距的文化假说:从基因到语言[J]. 赵子乐,林建浩.  管理世界. 2017(01)
[7]我国知识产权制度与知识产权文化融合问题研究[J]. 王珍愚,单晓光,许娴.  科学学研究. 2015(12)
[8]知识产权强省界定及其评价指标体系构建[J]. 董新凯,田源.  科技进步与对策. 2015(07)
[9]K-means算法研究综述[J]. 吴夙慧,成颖,郑彦宁,潘云涛.  现代图书情报技术. 2011(05)



本文编号：3124228