专利转让是高校创新成果转移的重要方式，
文章采用我国高校的专利转让数据研究了高校专利转让的概况以及专利转让对创新的影响。
高校科研人员是技术创新的主力军．一方面，高校科研人员除了科研，还需要承担教学等其他任务
;
另一方面，科研分基础研究和应用研究，研究表明，在任期系统内，技术转让可以在不减少基础研究的情况下增加应用研究．而科研人员在应用研究和基础研究之间的选择取决于考虑每类研究的效用及在收入和声誉方面影响后的边际替代率．本研究的创新用高校申请的专利来衡量．基础研究和应用研究相辅相成，两者都会影响专利的申请．因此提出第一个研究假设
:
已有的研究结果表明高校的创新成果转移受多种因素的影响．首先，与高校自身相关的因素会产生影响，比如高校科研人员的资质．鉴于专利发明人的资质不可得，而且研究表明高校科研人员的质量会影响技术转让，因此本研究将高校看作一个整体，并且用高级职称来衡量科研人员的资质．如果一个高校的高级职称科研人员的占比越高，高校科研人员的资质就越好，其对申请的专利的背书性越强，市场的认可度就会越高
;
相反，如果一个学校科研队伍经验较少、中级及以下职称较多，市场对其的态度可能更多的是观望，其技术转让就会受阻．因此提出如下假设
:
高校的社会网络关系也是与高校自身相关的影响创新成果转移的因素．高校转移创新成果主要是为了产业化，实现经济效益，所以受让方以企业为主．如果高校的社会网络关系丰富、与企业的来往密切，那么可以通过降低信息不对称、“定向创新”等途径时技术转让更加方便．鉴于此，提出如下假设
:
高校的技术转让也会受到所在地相关因素的影响．地区经济发展水平越高，技术市场、金融市场、法律服务等就越发达，就越有利于技术的转让．因此提出如下假设
:
技术的产业化对资金的依赖性较高，并且具有投入高、时间长、风险大等特点．因此高校所在地的融资便利会影响高校的技术转让．由于在技术产业化初期主要是通过风险投资进行融资，所以这里的融资便利主要指风险投资的可得性．因此，提出研究假设
:
研究主要涉及两个数据样本．第一个是专利转让数据，样本区间为
2001
年
—2017
年，主要包含申请号、转让人、受让人、转让执行日等信息．另一个是专利基本信息数据，包含
1985
年到
2017
年申请并授权的专利，主要包含申请号、申请人、授权日、申请日等基本信息．数据来自国家知识产权局．在研究专利转让对高校创新影响时，回归方程中加入了高校的研发经费、研发人力以及高校规模等控制变量，数据来自《高等学校科技统计资料汇编》．
高校有效专利被交易概率的平均值
就是高校的专利流动性
liquidityit
．为了研究发明和实用新型分样本，
分别计算了发明和实用新型两种类型的专利对应的流动性，分别为liquidity_inventionit和liquidity_utilityit．
创新产出用申请并授权的专利数量做代理变量，采用
专利数量加1取对数的形式(ln(1+#of patents))，发明和实用新型分别用ln(1+#of
inventions)、ln(1+#of utilities)来表示
．文章用t+1期的专利数量．同时用t+2期的专利数量做稳健性检验．
回归中加入了科技经费
(
取对数
)
、研发人员数量
(
取对数
)
以及教学和科研人员数量
(
取对数，作为学校规模的代理变量
)
等控制变量．控制变量取自《高等学校科技统计资料汇编》．为了进一步解决可能存在的内生性问题，回归方程中加入了高校的固定效应以及年份的固定效应．
从绝对指标来看，
高校每年转让的专利数量呈明显的上升趋势
．其次，高校转让的专利在总转让样本中的占比虽在2003年—2005年有小幅下降，但从2006年开始呈现上升的趋势，2017年占比约4%，所以
时间趋势上，高校成为专利转让市场上越来越重要的技术供给者
(如图3所示)．
而专利转让概率用授权后交易过的专利占比来表示．如表1所示，研
究发现被交易专利的占比同样呈现上升趋势
．表转让的窗口期被限定在了授权后的前六年(因转让样本的时间截止到2017年，所以表2的授权时间截止到2012年)，可以看出，
专利被交易的概率呈现上升趋势
．
在2001年—2017年高校的专利转让样本中，
占比最大的是发明专利
．表4从三种类型专利的占比来看，高校的成果转化集中在技术含量较高的专利上．
高校专利转让样本中的行业分布如表
5
所示．高校专利转让样本中占比最高的是隶属于制造业的专利，第二高的是隶属于信息传输、软件和信息技术服务业的专利．时间趋势上，制造业的专利占比在下降，其他行业的占比在上升．
模型(1)的回归结果展示在表7中．通过表7可以看出
专利流动性对创新有显著的正向影响
．当回归中加入了控制变量和高校的固定效应、年份的固定效应之后，高校的专利流动性对创新的影响是(表7列(4)):专利流动性上升一个标准差，专利产出上升6．75%．当被解释变量换成滞后两期(t+2)的创新产出做稳健性检验时，结果依然成立．
表
9
分别研究了发明专利的流动性对发明产出的影响、实用新型专利的流动性对实用新型产出的影响．从回归结果可以看出，实用新型受流动性的影响较大，流动性上升一个标准差，产出上升
17
．
76%
，而发明专利上升
13
．
04%
．
高校有不同的分类，包括综合类(如清华大学、北京大学)、理工类(如北京理工大学)、医药类(如北京中医药大学)等类型．通过表10可以得到以下结论:1)
不管是哪种类型的高校，发明和实用新型的专利流动性对创新均有正向影响
;2)
对于发明专利，理工类高校受专利流动性的影响最大，对于实用新型，医药类高校受专利流动性的影响最小
．
用样本区间内高校高级职称科研人员所占的比重来衡量高校整体的科研资质．如果高校的高级职称所占比重高于所有高校的中位数，认为该高校的资质高，否则认为高校的资质低．从研究结果可以看出(表11)，
不管发明专利还是实用新型专利，高校的资质会增强专利流动性对创新的影响．
科研人员的社会网络关系也是重要的方面．样本区间内高校来自企事业单位的经费占所有经费的比重作为衡量高校网络关系的代理变量．如果高校来自企事业单位的经费占比高于所有高校的中位数，就认为该高校有较强的社会网络关系，否则该高校的社会网络关系较弱．从表12可以看出，
对于发明专利，较强的社会网络关系会加强专利流动性对创新的影响
