数字企业专利组合多样性对企业绩效的影响研究——区域数字经济发展水平的调节

The Impact of Patent Portfolio Diversity on Firm Performance in Digital Enterprises—The Moderating Role of Regional Digital Economy Development Levels

摘要: 专利组合多样性能够提升国家的创新能力与经济竞争力，促进企业跨领域创新，增强技术防御，促进知识流动与合作。随着数字经济不断发展，企业对专利的布局和管理面临新的挑战，数字企业专利多样性与企业绩效之间的关系值得进一步探讨。本文基于专利组合理论与知识基础理论，选取2009~2022年中国数字产业上市公司数据进行回归分析，探讨专利组合多样性与企业绩效间关系，以及区域数字经济发展水平的调节作用，研究结果表明：(1) 专利组合多样性与企业绩效呈现倒U型关系，最适多样性水平为0.235；(2) 区域数字经济发展水平在专利组合多样性和企业绩效之间存在显著调节作用。研究结论对数字企业专利布局策略选择、研发决策、政策制定等均有积极的借鉴与启示。

Abstract: The diversity of patent portfolios can enhance a nation’s innovation capabilities and economic competitiveness, promote cross-sector innovation among enterprises, strengthen technological defenses, and facilitate the flow and cooperation of knowledge. As the digital economy continues to evolve, companies face new challenges in the layout and management of patents. The relationship between digital companies’ patent diversity and corporate performance warrants further exploration. Based on patent portfolio theory and knowledge-based theory, this paper selects data from China’s listed digital industry companies from 2009-2022 for regression analysis to investigate the relationship between patent portfolio diversity and corporate performance, as well as the moderating effect of regional digital economic development levels. The results show that: (1) There is an inverted U-shaped relationship between patent portfolio diversity and corporate performance, with the optimal diversity level being 0.235; (2) The level of regional digital economic development has a significant moderating effect on the relationship between patent portfolio diversity and corporate performance. The conclusions of this study offer positive references and insights for digital enterprises in choosing patent layout strategies, making R&D decisions, and formulating policies.

1. 引言

当今世界正处于科技创新空前活跃与高度集聚的新时期，伴随新一轮科技革命和产业变革的持续深化，数字技术与智能科技的飞跃正重塑产业分工格局，使得企业间的竞争态势愈发激烈与复杂[1]。专利作为数字企业重要的无形资产，其组合策略对企业绩效的影响日益受到关注。专利组合多样性代表着企业丰富的知识基础，能够促进内外部知识流动，形成开放式创新模式，支撑企业跨领域创新活动的同时增强技术防御，以塑造企业竞争优势。宏观上，则能够进一步提升国家和地区的创新能力与经济竞争力。然而，以往研究对专利组合多样性与企业绩效间关系研究并未得出一致结论，一些研究表明，技术多元化能够促进企业进行跨领域的创新活动，帮助企业实现更广泛的经济效益[1]，从而提升企业的整体绩效；然而，也有研究指出，过度多样化可能会增加不同领域技术融合的复杂性，导致企业在技术和管理协调上的成本显著增加[2] [3]，最终对企业的绩效产生不利影响。最新的研究整合了这两种视角，认为技术的多样性对企业绩效的影响并非单一方向，而是呈现出一种复杂的非线性关系[3] [4]，即适度的技术多元化可以带来正面效应，但过度多元化则可能引发负面后果[5]。但以往研究局限在专利的技术价值，专利作为一种法律工具的市场价值被忽视，因此本文在知识基础理论视角的基础上结合专利组合理论丰富从专利价值、风险承担视角对专利组合多样性与企业绩效间关系的探讨。

随着数字化转型的加速推进，数字技术正在深刻改变着企业的运营模式和竞争格局，涉及数字产业的企业经营与创新发展起到重要作用。在这一背景下，以往研究并未对数字企业展开充分讨论，且对于相关情境因素的关注不足，需要进一步关注专利组合多样性发挥作用的边界条件。因此本研究旨在探讨数字企业专利组合多样性对企业绩效的影响，并考察区域数字经济发展水平在此过程中所起的调节作用。本文基于中国上市公司数据，结合定量分析方法，尝试回答以下问题：第一，专利组合多样性是否影响企业绩效以及怎样影响企业绩效；第二，区域数字经济发展水平在二者之间是否起到显著的调节作用。

为了验证上述假设，本文选取2009~2022年中国数字产业上市公司数据的面板数据进行回归分析，研究结论有助于明晰数字企业专利组合多样性与企业绩效间关系，以及区域数字经济发展水平对数字企业专利组合多样性作用效果的影响，一定程度上能够为理解数字时代下企业如何有效管理专利组合提供新的视角。

2. 假设提出与理论模型

2.1. 数字企业专利组合多样性与企业绩效

专利组合理论指出，企业的专利组合不仅是其技术创新能力的体现，也是保护知识产权、抵御竞争的重要工具。通过构建多样化的专利组合，企业能够在多个技术领域内占据战略位置，从而获得更广泛的市场机会和技术优势[6]。对于数字企业而言，构建多样化的专利组合尤为重要，因为它们通常处于快速变化的技术环境中，需要在多个技术领域内占据战略位置，从而获得更广泛的市场机会和技术优势。专利组合多样性能够促进跨领域交叉创新，激发范围经济效应，使得企业在不同技术平台之间实现协同效应，进而提升整体绩效[7]。然而，过度多样化可能导致企业需要管理的技术领域增多，这不仅增加了技术间的耦合复杂性，还可能导致内部协调成本和技术整合难度急剧上升[8]。具体而言，过多的专利组合可能会导致资源分散，使企业难以集中力量在关键技术上取得突破，同时也增加了管理和维护这些专利的成本。此外，多样化的专利组合还可能引发内部冲突，因为不同的技术团队可能有不同的优先级和发展方向，从而影响组织的一致性和效率[9]。数字企业依赖于快速响应市场需求和技术进步的能力，内部协调问题将会削弱其敏捷性和竞争力。

从知识基础理论的角度来看，企业的创新能力依赖于知识基础的广度和深度，多样化的专利组合意味着企业在多个技术领域拥有广泛的知识储备，构成企业的核心竞争优势。适度的技术多元化有助于企业吸收和利用外部的新知识，通过知识的重组和整合形成新的创新能力。跨领域的技术融合可能催生新的产品或服务，因而创造更高的经济价值。但是，随着技术多样性的增加，企业需要处理的知识类型和数量也相应增多，知识整合的难度显著增加，不同领域的知识之间较大的差异会导致异质性知识之间难以有效融合。这可能导致知识碎片化、管理负担加重，知识吸收和应用效率的下降，无法形成有效的创新输出[10]。因而，虽然专利组合多样性对企业的长期盈利能力具有显著影响，但这种影响并非总是正向的，而是取决于企业如何管理和优化其专利组合[11]。

综合上述理论视角，本研究假设数字企业专利组合多样性与企业绩效之间存在非线性关系，呈现出倒U型曲线。

H1：数字企业专利组合多样性与企业绩效之间呈现先增加后降低的倒U型关系。

2.2. 数字经济发展水平的调节作用

数字经济发展水平较高的地区通常拥有更先进的信息通信技术和完善的基础设施，这不仅降低了企业的交易成本和技术获取门槛，还提供了更多的技术服务和支持(如云计算、大数据分析平台等)，从而有助于企业更好地管理和利用复杂的专利组合[12]。此外，发达的数字经济环境促进了市场的透明度和竞争强度，迫使企业在技术创新上更加努力，以维持或提升其市场份额和绩效[13]。同时，政府针对数字企业出台的一系列鼓励创新政策措施，如税收减免、财政补贴等，在这些区域内也更为常见，降低了企业的经营成本，为专利组合多样化提供更高的合法性，降低企业进行多样化专利组合布局的风险[7]。

赵涛等的研究表明数字经济发展水平较高的城市，其企业在技术创新方面表现更为活跃，且在经济效益和社会效益上取得了更好的成绩[14]。这意味着在一个良好的数字生态中，企业不仅能从多样化的专利组合中获得更多的创新机会，还能借助数字资源的支持优化自身的研发与市场活动，进而提升整体绩效。因此，我们预期在数字经济发展水平较高的地区，数字企业专利组合多样性对企业绩效的正向影响将更为明显，而过高的多样性所带来的负面效应则会得到缓解。

H2：数字经济发展水平显著调节专利组合多样性与企业绩效间关系。

3. 研究设计

3.1. 样本选择与数据来源

本研究选择2009~2022年中国数字经济产业上市公司为初始样本，并(1) 剔除金融类和经营状况异常(ST和*ST类)的企业；(2) 删除财务数据缺失或异常的企业观测值，最终得2820家上市企业，17,676个观测值。数据来源于国家知识产权局和中国股票市场会计研究(CSMAR)数据库。

3.2. 变量测量

(1) 因变量：企业绩效

企业绩效(TobinQ)。本研究选用托宾Q值来衡量企业绩效，托宾Q值被广泛应用于市场基础的企业绩效测度，并能够综合反映有形与无形资本的影响[15]。考虑到数字企业特有的高成长性和市场波动性，托宾Q值不仅体现了企业的账面价值，还捕捉了市场对其未来增长潜力的认可，能够提供动态且前瞻性的视角，因此本文选取托宾Q值来衡量企业绩效。

(2) 自变量：专利组合多样性

本文自变量为专利组合多样性，专利组合多样性(PPD)。现有研究一般采用3~5的时间窗口衡量专利组合，从而避免短期内专利数量变动所带来的波动。本文借鉴这种做法，将企业专利组合界定为企业在(t − 2)年到t年申请的所有发明和实用新型专利的集合体，因此本文得到的专利组合时间范围为2009~2022年，使用赫分达尔指数来计算专利组合广泛多样性[10] [11]，计算公式为：

其中，是公司在第个技术类别重点专利份额，这里的技术类别是指按照IPC分类体系定义的8个部：人类生活必需(A)、作业；运输(B)、化学；冶金(C)、纺织；造纸(D)、固定建筑物(E)、机械工程；照明；加热；武器；爆破(F)、物理(G)、电(H)。

(3) 调节变量

数字经济发展水平(Dige)。现有研究对数字经济发展的测度主要来源于省级层面，有学者从信息化发展、互联网发展和数字交易发展三个维度构建数字经济评价指标体系[16]，在此基础上赵涛等从互联网发展和数字金融普惠两方面对数字经济发展水平进行测度[14]。本文借鉴赵涛等的研究，以互联网普及率、相关从业人员情况、相关产业产出情况以及电话普及率四个指标衡量互联网发展。以中国数字普惠金融指数衡量数字金融发展。并采用主成分分析法，将以上五个指标经过降维处理，得到数字经济综合发展指数，记为(Dige)。

(4) 控制变量

参考以往研究本文采取以下控制变量[17]-[19]，企业规模(Size)，总资产的自然对数；资产负债率(Lev)，总负债与总资产的比值；总资产周转率(ATO)，用企业营业收入与平均资产总额的比值衡量；企业现金流比率(Cashflow)，用企业现金流净额与企业总资产的比值衡量；是否亏损(Loss)，企业当年是处于亏损状态取1，否则取0；独立董事占比(Indep)，独立董事人数与董事会总人数的比值；两职合一(Dual)，董事长与总经理是同一个人为l，否则为0；公司成立年限(FirmAge)，当年年份与公司成立年份差值加一的对数；管理层持股比例(Mshare)，管理层持股数据除以总股本。

4. 实证结果分析

4.1. 描述性统计和相关系数矩阵分析

描述性统计如表1所示，企业规模的标准差高达1.177，表明我国数字企业规模差距较大、符合高科技企业特殊的生命周期特征。此外，资产负债率(Lev)的均值为0.38，现金流比率(Cashflow)的均值为0.04，独立董事占比(Indep)的均值为37.68%，两职合一占比35%，以上数据指标反映了企业财务结构、治理结构和运营效率。表2显示了本研究相关变量间的相关系数以及各个变量的方差膨胀因子(VIF)，检验结果发现各个变量的方差膨胀因子均小于2，可以认为变量间不存在多重共线性问题，可以进一步进行回归分析。

Table 1. Descriptive statistical results table

表1. 描述性统计结果表

变量	观测值	均值	标准差	最小值	最大值
TobinQ	17,676	2.076	1.206	0.802	16.647
Ppd	17,676	0.247	0.14	0	0.615
Dige	17,676	1.073	1.075	−1.521	4.345
Size	17,676	21.889	1.177	19.415	26.43
Lev	17,676	0.381	0.196	0.027	0.925
ATO	17,676	0.63	0.345	0.055	2.907
Cashflow	17,676	0.042	0.065	−0.224	0.283
Loss	17,676	0.099	0.299	0	1
Indep	17,654	37.68	5.377	25	60
Dual	17,676	0.35	0.477	0	1
FirmAge	17,676	2.831	0.362	1.099	3.611
Mshare	17,363	19.822	21.461	0	70.596

Table 2. Phase relation table

表2. 相关系数表

变量

VIF

1

2

3

4

5

6

7

8

9

10

11

12

TobinQ

1.219

1.000

Ppd

1.027

−0.049^*

1.000

Dige

1.061

0.039^*

0.019^*

1.000

Size

1.652

−0.263^*

0.146^*

0.038^*

1.000

Lev

1.758

−0.211^*

0.110^*

−0.037^*

0.555^*

1.000

ATO

1.168

−0.033^*

0.001

0.012

0.158^*

0.249^*

1.000

Cashflow

1.106

0.145^*

−0.003

0.019^*

0.042^*

−0.143^*

0.155^*

1.000

Loss

1.139

−0.019^*

−0.003

0.024^*

−0.015^*

0.186^*

−0.166^*

−0.190^*

1.000

Indep

1.023

0.037^*

−0.022^*

0.049^*

0.017^*

−0.008

−0.047^*

−0.006

0.026^*

1.000

Dual

1.083

0.037^*

−0.047^*

0.093^*

−0.149^*

−0.156^*

−0.076^*

−0.006

−0.005

0.112^*

1.000

FirmAge

1.119

−0.034^*

0.062^*

0.181^*

0.203^*

0.174^*

0.021^*

0.041^*

0.079^*

0.006

−0.094^*

1.000

Mshare

1.274

−0.009

−0.052^*

0.047^*

−0.390^*

−0.345^*

−0.109^*

−0.010

−0.087^*

0.077^*

0.214^*

−0.185^*

1.000

^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

4.2. 主效应检验

Table 3. Test of direct effects and moderating effects

表3. 直接效应与调节效应检验

	模型1	模型2	模型3	模型4
	TobinQ	TobinQ	TobinQ	TobinQ
Ppd		1.432^***	1.432^***	1.102^***
		(7.083)	(7.083)	(4.270)
Ppd^2		−3.015^***	−3.015^***	−2.480^***
		(−6.989)	(−6.989)	(−4.464)
Dige			−0.004	−0.048^**
			(−0.330)	(−2.256)
Dige*Ppd				0.372^**
				(2.182)
Dige*Ppd^2				−0.599^*
				(−1.705)
Size	−0.389^***	−0.389^***	−0.389^***	−0.389^***
	(−19.716)	(−19.754)	(−19.754)	(−19.753)
Lev	0.511^***	0.515^***	0.515^***	0.516^***
	(6.512)	(6.578)	(6.582)	(6.585)
Ato	0.392^***	0.394^***	0.394^***	0.395^***
	(10.135)	(10.189)	(10.189)	(10.226)
Cashflow	1.056^***	1.052^***	1.053^***	1.052^***
	(8.281)	(8.264)	(8.264)	(8.260)
Loss	−0.123^***	−0.118^***	−0.118^***	−0.118^***
	(−4.842)	(−4.656)	(−4.657)	(−4.644)
Indep	0.003^*	0.003^*	0.003^*	0.003^*
	(1.669)	(1.720)	(1.722)	(1.701)
Dual	−0.096^***	−0.096^***	−0.096^***	−0.096^***
	(−4.312)	(−4.333)	(−4.336)	(−4.321)
Firmage	0.691^***	0.679^***	0.679^***	0.676^***
	(7.351)	(7.230)	(7.228)	(7.206)
Mshare	−0.007^***	−0.007^***	−0.007^***	−0.007^***
	(−8.562)	(−8.397)	(−8.399)	(−8.428)
_cons	8.194^***	8.114^***	8.118^***	8.164^***
	(16.577)	(16.439)	(16.442)	(16.520)
N	16867	16867	16867	16867
R^2	0.613	0.614	0.614	0.614
F	93.589	81.513	74.725	64.494

^***p < 0.01, ^**p < 0.05, ^*p < 0.1.

表3为主效应和调节效应的回归结果，本文构建了模型1~4。其中，基准模型为模型1反映了控制变量与企业绩效的关系。模型2在模型1的基础上加入了专利组合多样性的一次项与平方项，模型2的结果表明，专利组合多样性显著正向影响企业绩效(β = 1.432, p < 0.01)，且广泛多样性的平方项对企业绩效呈显著负向影响(β = −3.015, p < 0.01)，表明广泛多样性与企业绩效之间存在倒U型关系，假设H1通过验证，为了更直观地观察到U形曲线的形状与极值点，绘制了该回归曲线图，见图1。

Figure 1. Relationship between patent portfolio diversity and firm performance

图1. 专利组合多样性与企业绩效关系图

进一步地，为确保倒U型关系的可靠性，本文参考HANNS等[20]提出的方法使用Utest指令进一步验证变量间倒U型关系。发现极值点为0.235，落在了专利组合多样性的高低值区间之内，且p < 0.05。同时低专利组合多样性(Ppd = 0)曲线斜率为(β = 0.951, p < 0.05)，高多样性(Ppd = 0.615)曲线斜率为(β = −1.543, p < 0.01)，因为低专利组合多样性曲线上的斜率为正，而高专利组合多样性曲线上的斜率显著为负，进一步证明倒U形曲线关系成立。

4.3. 调节效应检验

将专利组合多样性与数字经济发展水平的交互项加入到模型中。根据表3中模型4的回归结果可知，专利组合多样性和数字经济发展水平的交互项对企业绩效的影响显著为正(β = 0.372, p < 0.01)，专利组合多样性的二次项和数字经济发展水平的交互项对企业绩效的影响显著为负(β = −0.599, p < 0.1)，也即数字经济发展水平对专利组合多样性对企业绩效的倒U型作用有显著的调节作用。在高数字经济发展水平的区域，数字企业的专利组合多样性有更好的转化条件，导致在较低多样性水平对企业绩效的影响变强了，假设H2得到验证。进一步为了分析调节效应的作用机制，基于Haans等与马鸿佳等采用的倒U型形态变化的检验方法，通过观察U型曲线的平滑与陡峭，判断调节作用的存在[20] [21]。如图2所示，当数字经济发展水平较高时，中等水平专利组合多样性所对应的企业绩效最大值会提升，同时曲线变得更加陡峭。当数字经济发展水平较低时，中等水平的专利组合多样性所对应的企业绩效最大值下降，曲线变得平缓，进一步证明了调节效应的存在[22]。

Figure 2. Effect map of digital economy development level adjustment

图2. 数字经济发展水平调节效应图

5. 结论与启示

5.1. 研究结论

基于专利组合理论与知识基础理论框架，探究专利组合多样性对企业绩效的影响，同时讨论区域数字经济发展水平这一情景因素的边界作用，得到如下主要研究结论：

(1) 专利组合多样性与企业绩效呈倒U型关系，这一发现丰富了现有研究。数字企业因其行业特性对技术创新有着更高水平的要求，在专利组合多样性较低的数字企业中，提高专利组合多样性，一方面能够为持续创新提供知识基础，并维持高水平的知识重组能力，可以通过跨领域的技术融合实现高效创新。另一方面，核心技术往往是数字企业竞争优势的核心来源，因此更需强化专利多样性布局以建立围绕关键技术领域的专利壁垒，保护核心技术，以增强市场地位，数字企业在构建专利组合时应特别有关多样性的建设。但当专利组合多样性超过0.235后，对于数字企业而言，知识重组难度变大、管理成本增加，此时跨领域创新的边际收益递减，过多的技术领域可能导致研发资源的重复投入，或产生大量低价值的专利，无法将之转化为实质的市场竞争力，此类创新将削弱企业绩效。

(2) 在高数字经济发展水平的情境下，适当的专利组合多样性相较于低数字发展水平更能提升企业绩效。数字经济环境为企业提供了更好的资源、机会和支持，专利组合多样性对应的企业绩效最大值提升了，也即放大了专利组合多样性的正向影响。

5.2. 实践启示

基于以上研究结论，本文提出以下实践启示：

数字企业应加强专利管理，明确自身核心技术和战略方向，确保专利布局围绕核心领域展开。参考0.235的最适多样性水平，定期评估专利组合时期多样性水平处于适当范围，在核心领域之外，适度拓展相关技术领域，但注意避免进入与主营业务关联性较低的技术领域，防止资源分散，进而稀释核心竞争力。

此外，数字企业尤其需要根据环境特征，动态调整其专利组合，以保持竞争优势。数字经济发展水平较高的地区通常拥有更先进的信息通信技术和完善的基础设施，这为企业提供了更好的技术支持和服务。数字企业应充分利用这些资源，优化专利组合管理，积极参与地方或行业的产业集群活动，借助集群效应获取更多的外部资源和支持。还可以通过共建共享平台来共同推进技术创新，降低研发成本，加快新技术的应用和发展。在区域数字经济发展水平较低的环境中，企业则需要采取战略性、适应性的专利组合布局，结合区域的资源禀赋与产业特点，有倾向的发展多元化技术，布局具有地域特色的专利技术如自然资源数字化管理技术、数字文化创意技术等方向，采取建设区域品牌等战略方向。

最后，政府应加大对数字企业的支持力度，提供财政补贴和税收优惠政策，鼓励企业增加研发投入，提升专利质量和数量帮助企业克服资金和技术上的障碍。进一步完善专利保护法律法规，在数字时代，知识产权保护的重要性更加凸显，完善的法律体系将为企业的持续创新提供坚实保障。