EN中文

地理学报 >

2025 , Vol. 80 >Issue 4: 976 - 994

DOI: https://doi.org/10.11821/dlxb202504008

城市与区域发展

中国城市软创新的时空演化及其影响因素

  • 王帮娟 , 1, 2 ,
  • 刘承良 , 1, 3 ,
  • 毛炜圣 1 ,
  • 李源 4
展开
  • 1.华东师范大学地理科学学院，上海 200241
  • 2.隆德大学创新研究中心，隆德 22362
  • 3.华东师范大学全球创新与发展研究院，上海 200062
  • 4.中国民航科学技术研究院，北京 100028
刘承良(1979-), 男, 湖北武汉人, 教授, 博导, 研究方向为创新地理与科技治理。E-mail:

王帮娟(1993-), 女, 甘肃陇南人, 博士生, 研究方向为交通地理与区域创新。E-mail:

收稿日期: 2023-12-28

  修回日期: 2024-06-26

  网络出版日期: 2025-04-23

基金资助

国家社会科学基金项目(20BJL109)

国家自然科学基金项目(42171179)

上海市自然科学基金项目(21ZR1419600)

收起

Spatio-temporal evolution and determinants of soft innovation in Chinese cities

  • WANG Bangjuan , 1, 2 ,
  • LIU Chengliang , 1, 3 ,
  • MAO Weisheng 1 ,
  • LI Yuan 4
Expand
  • 1. School of Geographic Sciences, East China Normal University, Shanghai 200241, China
  • 2. Centre for Innovation Research, Lund University, Lund 22362, Sweden
  • 3. Institute for Global Innovation & Development, East China Normal University, Shanghai 200062, China
  • 4. China Academy of Civil Aviation Science and Technology, Beijing 100028, China

Received date: 2023-12-28

  Revised date: 2024-06-26

  Online published: 2025-04-23

Supported by

National Social Science Foundation of China(20BJL109)

National Natural Science Foundation of China(42171179)

Shanghai Natural Science Foundation(21ZR1419600)

Fold

摘要

商标是衡量产品创新和行业变化的潜在指标，表征更广泛的创新活动和未被专利捕获的软创新。而目前关于商标与创新的研究尚处于起步阶段，从商标视角探究中国城市软创新的研究尚未开展。因此，本文基于1980—2021年的商标数据，融合大数据挖掘、数理统计、GIS空间分析和计量经济模型，刻画中国城市软创新的时空演化规律及影响因素。研究发现：① 商标规模呈现持续增长和波动变化的复合演化特征，表现出双周期和三阶段演化态势；城市软创新产出呈现出自东部沿海向中西部内陆递减的“阶梯式”空间分布格局，遵循区域高度集聚规律，等级变化具有稳定性和变化性的双重特征。② 商标类别分布存在明显的异质性，服务类比重不断上升，小类集中在消费品领域，且保持稳定增长；其空间分布呈现集聚和分散特征，集中类别基本与产业发展趋势及创新驱动特点吻合，呈现与产业结构格局同构态势。③ 互联网发展、新企业的形成、技术创新对商标强度具有显著正向影响，人口规模、人均GDP和城市货物出口对商标强度具有正向促进作用，商标申请强度在不同行业表现出一定的异质性特征，知识密集型服务业与商标活动之间存在显著相关性，而与政府服务部门之间存在负相关。

关键词： 商标; 区域创新; 专利; 产业结构; 影响因素; 中国

本文引用格式

王帮娟 , 刘承良 , 毛炜圣 , 李源 . 中国城市软创新的时空演化及其影响因素[J]. 地理学报, 2025 , 80(4) : 976 -994 . DOI: 10.11821/dlxb202504008

Abstract

Trademarks increasingly serve as indicators of product innovation and broader industry shifts, encompassing a wide range of innovation activities and soft innovations often overlooked by patents. However, research on the relationship between trademarks and innovation remains in its early stages, with a lack of exploration into China's soft innovation from the trademark perspective. This paper addresses this gap by analyzing trademark data from 1980 to 2021. Integrating big data mining, statistical methods, GIS spatial analysis, and econometric models, it explores the spatio-temporal evolution patterns and factors influencing soft innovation in Chinese cities. The results find that: First, the scale of trademark applications exhibits a complex evolution characterized by continuous growth and fluctuation, showing a dual-cycle and three-stage trend. Soft innovation output in cities follows a stepwise spatial distribution pattern, decreasing from the eastern coastal areas to central and western regions. This pattern reflects a regional agglomeration, with hierarchical changes showing both stability and variability. Second, the distribution of trademark categories exhibits significant heterogeneity, notably with a continuous rise in the proportion of service categories. Subcategories are concentrated in the consumer goods sector and maintain steady growth. Spatially, these categories show a mix of clustering and dispersion, predominantly aligning with industrial development trends and innovation-driven features, presenting a pattern congruent with the industrial structure. Finally, factors such as the development of the internet, establishment of new enterprises, and technological innovation have a significant positive impact on trademark applications. Population size, GDP, and urban commodity exports also contribute significantly to increased trademark activity. The influence of industrial composition on trademark application intensity exhibits certain heterogeneity. There is a clear correlation between knowledge-intensive service industries and trademark activity, whereas a negative relationship is observed with government service departments.

Key words： trademarks; regional innovation; patents; industrial structure; determinants; China

1 引言

当今世界知识经济的兴起使得知识产权日益成为国家发展的战略性资源和建设创新型国家的重要支撑。而培育世界知名的商标和品牌，提升中国经济开放水平，是建设知识产权强国的重要内容[1]。近年来中共中央、国务院高度重视商标品牌建设，强调要推动“中国产品”向“中国品牌”转变，中国商标品牌建设取得显著进步，2022年中国商标申请量为751.6万件，总数接近4270万件，连续多年稳居世界首位。作为品牌的法律形式，商标是使用最为广泛的注册知识产权形式，但与专利和创新领域的大量研究相比，关于商标与创新的研究仍较为缺乏[2]。
传统上，区域科学一直专注于“硬”类型（科学和技术）的创新，除了基于调查的创新措施外[3]，衡量创新的指标主要包括各种创新投入和产出措施，如研发支出[4]、高科技企业[5]、创新创业[6]和风险资本活动[7]等。此外，大量研究使用专利来捕捉创新绩效[8-11]。这些“传统”指标的共同点是它们认为创新是技术或科学努力的结果，从而导致新产品或新工艺[12]。这些创新指标主要涉及发明或其他活动，聚焦在创新过程的早期和“中上游”阶段，无法捕捉到服务创新和营销创新等活动，在衡量进入市场化阶段的创新方面具有很大的局限性[13]。近年来创新研究转向更全面的视角[14]，最新进展要求对创新有更广泛的理解，应该包括所有类型的创新和所有部门的创新，涵盖“硬”创新（技术和科学等）和“软”创新[14-15]。商标作为一个为企业的商品和服务以及身份建立可识别名称和符号的标志[16]，具有商品或服务来源指引、质量和商誉性稳定保证、广告和促销媒介以及促进产品差异化等功能[17-18]，是衡量软创新的重要指标[10]。
随着企业商标意识的提高、商标管理制度的完善以及数字数据库的广泛应用，将商标数据用于创新研究的案例也不断增加[16]。自Mendonca等[16]和Schmoch[19]提出将商标作为衡量创新的指标以来，学术界对商标数据在创新研究中的应用日益引起关注[13,20 -22]。这些研究主要集中在：① 商标与初创企业、中小企业和服务业的关系[23-25]。商标是知识密集型服务业等特定服务部门非技术创新的重要指标[12-13,16]，在捕捉中小企业创新和服务创新等特定创新活动方面具有优势[13,16]。② 商标视角研究创新的地理格局、区域专业化和多样化的路径[26]。Sáiz等[22]以历史视角重构了西班牙商标体系的形成和巩固过程，追踪新专业化的出现与已有专业化及地理距离的关系；Driva[27]从关联性原则的角度研究了新商标专业化的出现，揭示了技术能力与商标申请之间的关系。③ 商标与创新之间的关系。主要集中在地区创新与市场价值[28]、就业增长[29]和经济增长之间的关系，商标组合对企业绩效的影响[17]，影响商标申请的因素[1]，吸引风险资本和产品创新[27]等。
但总体来看，目前国内外关于商标与创新的研究尚处于萌芽阶段[30]，从地理学视角探究中国城市软创新的研究尚未开展。鉴于此，本文基于1980—2021年的商标数据，融合数理统计和GIS空间分析等方法，力图刻画中国城市软创新的时空演化规律，并采用双向固定效应面板回归模型揭示影响商标申请的因素。目前创新研究仅关注技术会导致对创新过程的偏颇理解[31]，本文将研究重点从技术发明转向商业化创新，旨在从软创新视角为区域创新提供深入见解，不仅能绘制更全面的中国城市创新地图，丰富对中国城市创新的认识，也能为创新地理学的研究提供新视角。

2 文献综述与研究假设

2.1 商标与创新

自Schumpeter的《经济发展理论》[32]出版以来，创新的概念、类型和模式一直受到广泛讨论[13]。Schumpeter认为创新是指把一种新的生产要素和生产条件的“新结合”引入生产体系，涉及引进新产品，采用新的生产方法或新技术，开辟新的市场，获得新资源和新的组织形式5个方面。最新研究认为创新不仅是指发明，更重要的是将一个有前途的新想法转化为市场可接受的新理念、新产品、新服务或新生产工艺[16,31]。近年来诸多学者对创新过程进行了分解和细化，其中最具有代表性的是Hansen等的研究[33]，结合创新理论和价值链理论[34]，提出了创新价值链的概念，认为创新价值链涵盖3个阶段：创意产生、创意转换和创意扩散。创新价值链是全球价值链[35-36]的一种形式，自上而下从源头出发追求自主创新是主要锻造模式，其创新过程具有“知识生产—知识应用—知识扩散”三段式结构，包括上游、中游和下游3个阶段[37]。上游阶段是基础性知识创新，即科学新发现产生重大的创新成果，目的是发现本质、原理和规律等理论成果；中游阶段是应用性科技创新，是将新知识转化为新技术，即技术发明；下游阶段是新技术应用形成新商品，涉及商业化创新，包括商业模式创新、营销创新和市场创新等[26,38]。目前关于创新的研究主要使用研发投入、论文、专利等创新指标关注创新过程的中上游阶段[13]，而对下游阶段服务创新、组织创新和商业模式创新等“软”创新活动的研究较为缺乏[26]。
软创新是一种非功能性的创新形式，通常包括涉及美学和设计的策略，以塑造用户希望采用的有说服力的产品[15,39]。这种类型的创新不仅在差异化市场和创意产业中发展[40]，也在技术驱动过程中的下游活动中发挥重要作用[26]，衡量软创新有助于更精确地评估专业服务、文化和创意产业以及金融部门等行业的创新绩效[12]。除了基于调查的创新措施[3]和外观设计权[41]外，商标被认为是衡量区域层面软创新的首选指标[15]。Mendonça[14]运用商标数据来捕捉国家层面的软创新，该研究从实证上将商标与营销联系起来，研究发现商标可以捕捉到其他传统创新指标无法衡量的软创新。此外，商标数据为理解符号性、软性的和非功能性的创新提供了新视角[26]，在涉及创新过程中市场进入和商业化的后期阶段发挥着重要功能[12-13,18]。
相比其他指标，商标在衡量创新方面有以下优势：一是时效性强，商标的注册时间通常与新产品或新服务即将上市的时间相近，比专利更接近发布日期[20]；二是覆盖范围广，由于商标申请的成本较低，以及出于保护品牌或徽标不被模仿和消费者免受欺诈的目的，商标覆盖行业和企业的范围更广[42]；三是新颖性，由于并非所有创新都会申请专利，商标数据可以捕捉专利数据中遗漏的创新[20]，尤其是在许多服务部门、中小企业和低技术行业等领域[16]；四是商标代表了正在商业化的发明[41]，并且涵盖了从制造产品到服务的广泛活动[16]，大量实证表明商标是衡量软创新和商业周期的恰当指标[12,43]。但商标同时也存在一些限制：一是新产品和新商标之间并不是一一对应的关系，并非所有标志和品牌都需要注册才能被视为商标[44]；二是市场上有许多未注册商标的品牌在使用[16]；三是战略决策可能会影响申请商标注册的决定，从而限制了其作为创新产品的价值[44]；四是有些商标申请是出于囤积动机，而不是保护无形资产目的[17]。但是商标总体仍是衡量产品创新和行业变化的潜在指标[16]，可以反映专利无法衡量的产品和服务创新[20]，表征更广泛的创新活动和未被专利捕获的知识创造[16,21 -22]。

2.2 商标申请的影响因素

根据世界知识产权组织报告，商标申请增长的主要驱动力包括竞争力重心向服务业转移、互联网的崛起等[2]。此外，有学者认为新企业的形成和一个地区的技术创新也促进了商标申请强度的持续增长[12,27,45]，并且区域经济特征，即本地创新环境与商标申请有很大相关性[12]。因此，本文从互联网崛起、新企业形成、技术创新和产业结构4个维度并将本地创新环境作为控制变量揭示商标申请强度的影响因素。

2.2.1 互联网崛起与商标申请

互联网的出现以多种方式刺激了商标申请。一是互联网的发展推动了商标申请的数字化和在线化，拓宽了商标申请的渠道，使申请过程更为便捷，从而加速了商标申请的过程。二是互联网的开放性为创新和创业提供了有力的推动力[46]，促使了大量新企业、新商业模式和新服务的涌现，从而引发了对商标的新需求和申请[2]。三是企业在互联网时代更加注重品牌建设，通过商标保护来确保其在竞争激烈市场中的独特性和认知度。因此，提出以下研究假设：
H1：互联网的发展对商标申请强度具有正向影响。

2.2.2 新企业形成与商标申请

新企业创立对商标申请的促进作用有3个主要原因。首先，初创企业使用商标是为了吸引投资者，研究发现在企业种子期或成长初期申请商标获得风险投资的可能性更高[47]。其次，初创企业体现了创新，注册商标通常标志着一家新公司的成立，有学者研究发现，成立不到10年、员工人数少于250人、研发支出至少占收入10%的创新型初创企业使用商标明显多于其他企业[48]。最后，由于初创企业的资源有限，商标还可能起到专利替代品的作用，尤其是在面向消费者的市场中[25]。因此，提出以下研究假设：
H2：初创企业数量对商标申请强度具有正向影响。

2.2.3 技术创新与商标申请

专利和商标涉及创新过程的不同阶段，专利主要捕捉发明群体，商标涉及市场进入和创新的商业化阶段[30,41]。一方面，技术创新产生了更多的新产品或加速了产品的迭代，进而促进企业申请更多的商标来匹配新的产品。另一方面，企业可能会间接依赖该地区的技术进步开展营销活动，使这些先进技术商业化[27]。因此，提出以下研究假设：
H3：一个地区的技术创新能力对商标申请强度具有正向影响。

2.2.4 产业结构与商标申请

商标申请强度在不同行业具有明显的异质性。Schmoch研究发现制造业与商标之间存在显著的相关性，而当关注服务类商标，他发现不同行业之间存在相当大的差异[22]。有关葡萄牙境内企业知识产权报告也发现商标使用在行业之间不是随机分布的，高技术密集型制造业是商标的重度使用者。就服务业而言，信息密集型服务业相比低信息密集服务业相比使用商标更为广泛[16]。总之，现有文献实证揭示商标被认为是衡量低技术产业[16]、服务业[49]、知识密集型服务业[12-13,16]以及创意和文化产业[40]的创新指标，并且商标活动与强大的私营服务部门相关，而与高科技制造业之间呈负相关[16]。因此，提出以下研究假设：
H4：商标申请强度在不同行业表现出一定的异质性特征。

3 数据来源与研究方法

3.1 数据来源与处理

3.1.1 数据来源

商标数据来源于国家知识产权局商标局中国商标网（https://sbj.cnipa.gov.cn/sbj/index.html），包括商标名称、注册号/申请号、注册人名称、注册人地址、申请日期、国际分类、商标类型等字段。由于商标申请数据具有更好的时效性，更能反映区域当期的创新产出，本文的研究重点是中国城市的软创新产出，因此只考虑中国城市的商标申请数据（港澳台地区数据暂缺），中国以外的国家和地区在中国申请的数据不在本文研究范围之内。其次，地级市社会经济数据来自统计年鉴、国民经济和社会发展统计公报以及地方统计局。

3.1.2 时序划分

梳理中国商标事业的发展，发现商标申请经历了改革开放后的恢复发展阶段，市场经济后的快速发展阶段和金融危机后的高速发展3个阶段。1979年11月恢复全国商标统一注册工作[50]，标志着商标的申请注册开始统一化和规范化，因此将1980年作为初始研究年份；1993年6月原国家工商行政管理局宣布从1993年7月开始受理服务商标的申请，标志着服务商标进入服务系统；由于金融危机的影响，2007年商标申请数量明显回落，2007年是重要分界点。基于此，本文研究时段选取为1980—2021年，共42年。依据商标重要法规颁布时间、重大事件影响以及等间距原则，将研究期划分为1980—1993年、1994—2007年和2008—2021年3个阶段。

3.1.3 数据处理

① 数据筛选，根据注册人地址字段在数据库中剔除国外和港澳台的数据，只保留中国境内数据。② 城市地理编码。根据最新中国地级市和县区名单，通过Python编程机器清洗和人工处理，将地址归并到城市尺度，剔除地址无法匹配以及重复的数据，得到1980—2021年总计54131767条申请商标作为数据来源。③ 商标类型划分。根据《商标注册用商品和服务国际分类尼斯协定》（Nice分类）制定的商标类别分类表，商标共包括45类，其中1~34类为商品项目，35~45类为服务项目。参考Sáiz等[21]建立的分类法，并依据经济部门分类，将原始的Nice分类数据分为化学（1~5, 17）、机械和设备（7~11）、纺织品（18, 22~27）、食品和饮料（29~30, 32~33）和其他（6, 12~16, 19~21, 28，31, 34~45）五大领域。

3.2 研究方法与模型构建

本文主要运用数理统计、GIS空间分析和图示化表达等分析方法描绘中国商标申请规模和类型的时序规律和空间态势，并使用计量经济模型探讨商标申请规模的影响因素。为节省篇幅，仅对指标选取与模型构建进行说明。

3.2.1 指标选取

根据前文建立的分析框架，本文从互联网兴起、新企业形成、技术创新和产业结构4个维度探究商标申请的影响因素。鉴于数据的可获得性，分别选取互联网宽带接入用户数量[51]、新注册企业数量[2,20]、专利申请数量[9,52]和不同行业的从业人员数量[53]来衡量。此外，仍有一些因素对商标申请强度产生了影响，为了模型的准确性与严谨性，需要将产生影响的其他变量进行控制。本文中将城市的人口规模、人均GDP、大学数量、货物进出口额作为控制变量以控制地区经济发展和对外经济联系对商标申请的影响。首先，模型引入了人口规模和人均GDP以考虑规模效应[46]；其次，考虑了大学数量，因为大学与知识溢出和区域创新相关[16]；最后，由于出口导向对创新活动也至关重要，因此，本文也使用货物进出口额数据来衡量对外创新活动[16]。变量的表述如表1所示。
表1 变量描述

Tab. 1 Descriptions of variables

变量 变量名 变量描述
因变量 商标 Tr, t 每个城市的商标申请数量
自变量 互联网兴起 lnNetr, t 互联网宽带接入用户数量
初创企业 lnFirmr, t 每个城市新成立企业数量
技术创新 lnPatentr, t 每个城市的专利申请数量
产业结构 lnIndustryr, t 不同行业(国民经济行业分类)从业人员数量
控制变量 人口规模 lnPopr, t 每个城市的常住人口数量
人均GDP lnPergdpr, t 每个城市的人均国内生产总值
大学数量 lnUnir, t 每个城市的大学数量
对外联系强度 lnTrader, t 每个城市的货物进口和出口总额
为解决由反向因果而导致的内生性问题，模型中的自变量为因变量滞后一期的变量[54]。为确保估计结果的准确可信，首先对回归模型进行多重共线性检验，所有自变量的方差膨胀因子（VIF）介于1.43~9.49之间，不存在明显多重共线性。其次，使用稳健标准误进行估计和部分指标取对数形式以消除可能存在的异方差影响[9]。

3.2.2 回归模型

根据研究假设和基于数据的可获得性，本文基于2006—2019年281个地级市的面板数据运用双向固定效应模型探究商标申请规模的影响因素，模型的设定为：
T r ,   t = α + β 1 l n N e t r ,   t - 1 + β 2 l n F i r m r ,   t - 1 + β 3 l n P a t e n t r ,   t - 1 + β 4 l n I n d u s t r y r ,   t - 1 + β 5 l n Z r ,   t - 1 + μ r + δ t - 1 + ε r ,   t - 1
式中： T r为城市r第t年的商标申请数量； Z r ,   t - 1为控制变量； μ r为个体固定效应； δ t为时间固定效应； ε r ,   t - 1为随机误差项，所有自变量都滞后了一期以避免潜在的内生性问题。

4 中国城市软创新的时空演化

4.1 商标规模的时空演化

4.1.1 时序统计：商标申请规模呈现持续增长和波动变化的复合演化特征

1980—2021年中国商标申请数量整体呈现持续增长趋势，表现出双周期和三阶段演化态势（图1）。中国商标申请规模由1980年的2268件迅猛增长到2021年的8490980件，整体增长趋势显著，年均增长率达22.2%。但增长幅度波动剧烈，表现为非单调波动增长过程。以2008年为重要分界点，商标申请数量呈现出由波动变化向高速增长的演变态势。其时序过程经历了恢复发展（1980—1993年）、快速发展（1994—2007年）和高速发展（2008—2021年）3个阶段。
图1 1980—2021年中国商标申请规模的时序演化

Fig. 1 Temporal evolution of the scale of trademark applications in China from 1980 to 2021

（1）恢复发展阶段（1980—1993年）。期间，商标申请数量整体呈现“回落—上升—回落—上升”的波动增长态势，商标发展历程和中国经济市场化的进程息息相关（图1a）。① 1980—1983年的缓慢回落阶段，主要受1978年11月开启的全国商标清理工作的影响。自1979年11月恢复商标全国统一注册，商标申请数量由1979年的497件急剧增加到1980年的2268件，但商标清理工作之后的两年商标申请速度放缓。② 1984—1987年的快速上升阶段，主要原因可能是《中华人民共和国商标法》的提出，中国商标法制不断完善，企业商标意识提高，以及1985年4月开始受理专利申请，促进了商标的不断增长。③ 1988—1990年的稳定微降阶段，商标申请数量由1987年的7406件降低到6914件，GDP增速明显放缓，这可能与当时国民经济比例结构失衡，导致通货膨胀有关。④ 1991—1993的快速增长阶段，商标申请数量由1991年的8606件增长到1993年的20914件，突破2万大关，这种快速增长趋势可能归因于1990年商标代理制的实施以及1992年社会主义市场经济体制改革目标的提出。
（2）快速发展阶段（1994—2007年）。期间，中国商标申请数量大幅上升和加速发展，增速呈现先增加后减缓的态势（图1b）。1994年商标申请增速达到波峰值（132.7%），在1995年中国商标申请量突破10万件，1996—1998年商标申请数量基本停滞不前。从2000年开始，随着中国进入完善社会主义市场经济体制阶段，中国的商标事业步入高速发展时期[47]，商标申请量由2000年的148531件增加到2006年的630233件。而由于金融危机的影响，2007年商标申请量回落到528772件。
（3）高速发展阶段（2008—2021年）。期间，中国商标申请数量急剧增长，增速呈现起伏的波动态势（图1c）。商标申请规模由2008年的54万多件增长到2021年的约850万件。2008—2014年商标申请增速呈现先增后降的波动态势，2014—2017年商标增速持续升高，在2017年达到此阶段的峰值，之后速度逐渐减缓。2016年商标申请量与专利申请量持平，之后商标申请规模一直位居前列，在研究末期商标申请量约是专利申请量的1.68倍。2020年之后由于疫情的冲击，中小企业受其影响，商标申请数量停滞不前。
总之，1978年改革开放以来，随着经济体制改革的不断深化，中国经济一直保持着较高的增长速度，特别是自中国政府提出大众创业、万众创新以来，新登记企业数量大幅增加。同时，商标法律制度得到持续完善，工商总局积极推进商标申请便利化，新兴“互联网+”知识产权服务平台的崛起，并且公众和企业的商标品牌意识也不断提高，这一系列措施有效激发了中国商标事业的快速发展。从增速来看，除少数几个年份外，商标申请量增速远高于国内生产总值增速，这与很多学者关于商标申请量与国家层面GDP增长之间的研究不谋而合，即他们之间存在密切但模糊的关系[43,53]。而与专利申请量相比，自1985年4月中国开始受理专利申请以来，专利增长的变化更小，商标申请在1998年、1994年、2002年、2007年和2017年都出现了突变，表明商标的申请更容易受到经济、政治和突发事件等因素的影响。

4.1.2 空间演化：遵循区域高度集聚规律，保持稳定性和一定的突变性

1980—2021年中国城市软创新产出呈现出自东部沿海向中西部内陆递减的“阶梯式”空间分布格局，表现出空间集聚的不平衡性，其创新产出演化遵循区域高度集聚规律，且保持稳定性和一定的突变性（图2）。
图2 1980—2021年中国商标申请规模的空间演化

注：基于自然资源部标准地图服务网站审图号为GS(2019)1823号的标准地图绘制，底图边界无修改。

Fig. 2 Spatial evolution of the scale of trademark applications in China from 1980 to 2021

（1）中国城市软创新产出呈现出空间的不均衡性和集聚化连片发展特点，表现出“东—中—西”阶梯状递减规律。42年间东部沿海地区商标申请规模一直处于压倒性地位，广东、浙江、江苏、山东、福建5个省份是创新活动最为活跃的区域。其商标申请量占全国商标申请总量的65%以上，比重由初期的67.5%增加到中期的72.0%后降低到末期的68.3%，呈现略微增加趋势。中西部内陆创新区主要囤聚在四川、河南、安徽、湖南、湖北等省份，并表现出稳定的空间聚集特征，其商标比重基本维持在30%左右，而西部地区其比重仅为10%左右，表明与技术创新能力的空间分布类似，中国城市软创新的“马太效应”进一步突出，沿海和内陆两极分化的格局未被打破，中西部和东部城市间的软创新能力仍存在巨大鸿沟[8]。
（2）中国城市软创新中心演化具极化效应和空间粘性，高度锁定于传统科技创新中心。42年间中国城市创新中心主要集聚在沿海地带，并呈现更为集中的空间分布格局，排名前10的城市商标申请占比由初期的32.3%升高至38.3%。北京、上海、广州、杭州、苏州、温州、佛山等城市由于企业的集聚，始终处于创新能力的金字塔顶端。而在中西部地区，形成了以省会城市（成都、郑州、长沙、武汉、西安、合肥、昆明）等创新城市为核心的多点散布格局。海南省、广西壮族自治区和贵州省以及“胡焕庸线”以西的大部分城市创新能力一直处于较低水平，主要可能原因是受到区位条件、资源禀赋，以及产业结构依赖资源不能可持续发展等原因的约束[55]。
（3）中国城市软创新中心不断涌现，等级变化呈现出明显的分化趋势。42年间海峡西岸城市群（福建的厦门、福州等，广东省的汕头、揭阳等，浙江的温州）、中三角城市群（湖南省的长沙、衡阳等，湖北省的武汉、荆州等，江西省的南昌等）和中原城市群（河南省的郑州、商丘等，安徽省的阜阳等）的城市能级不断提升。深圳由于受到高新技术企业的蓬勃发展，大量外资品牌的涌入，消费者品牌意识的提高以及互联网经济与高新技术快速迭代推出新品牌等多方面因素的影响，商标申请数量排名由初期的第16位持续升高到第2位。此外，东莞、西安、金华作为传统制造业基地，产业结构不断升级优化，排名也跃升到前20以内。相反，成渝城市群（四川省的绵阳、德阳等）和长三角城市群（江苏省的无锡、南通等，浙江省的绍兴、湖州等，安徽省的滁州、马鞍山等）的部分城市能级不断降低，而青岛、天津、烟台等城市因为产业结构未成功转型升级，经济发展依赖于传统产业，新兴产业发展不足，导致新的品牌无法大量孕育，城市创新活力逐渐降低。

4.2 商标类型的时空演化

4.2.1 时序统计：Nice分类存在明显的异质性，服务类商标比重不断上升，小类集中在特定领域

1980—2021年商品类是中国商标申请的主要类型，但服务类商标比重不断上升。Nice分类存在明显的异质性，其类别高度集中在服装鞋帽、调味茶糖、食品罐头、家用电器、日用品、酒和饮料等消费品行业以及科学仪器、机器设备、医药卫生等领域（图3）。
图3 1980—2021年中国商标申请类别的时序演化

Fig. 3 Temporal evolution of Nice classification for trademark applications in China from 1980 to 2021

（1）商标申请大类以商品类为主导，但呈现出商品类和服务类此消彼长的趋势。一方面，商品类商标申请规模经历了显著增长，申请数量从第一阶段的8万多件增加到第三阶段的3400多万件。另一方面，服务类商标申请经历了迅速增长，自1993年7月开始受理服务商标申请以来，服务类商标申请数量从4000多件增加到1600多万件，占比从4.5%上升到31.9%。这可能是因为：① 从基于制造业的经济向基于服务业生产的经济结构变化被认为是商标申请的一个重要动力[2,16]，这种经济结构性变化在德国和葡萄牙也被发现存在类似的模式[16]；②《中华人民共和国商标法》修改降低了申请门槛，使其更多服务业申请服务商标；③ 消费结构的升级、服务模式不断创新，推动各类企业建立品牌形象。因此，服务类商标占比持续上升。
（2）商标申请小类高度集中于若干特定类型，且保持稳定增长。1980—2021年商标保护范围广泛涵盖了消费品领域，超过50%的商标申请与服装鞋帽、调味茶糖、科学仪器、机器设备、医药卫生、食品罐头有关。相比之下，纺织品（绳网袋蓬、纺织纱线、花边拉链、地毯席垫）、乐器、军用烟花等领域的商标申请比重较低。前6个类别中，商标申请总量最高的依次为广告贸易（11.2%）、服装鞋帽（7.8%）、方便食品（6.2%）、科学仪器（5.8%）、食品（4.4%）和餐饮住宿（4.3%），它们的申请总量均超过了20万件。从增速来看，化学原料、建筑材料、五金金属和烟草烟具商标申请的增长速度较为缓慢，比重持续下降。而广告贸易、水果花木、社会法律、乐器和珠宝钟表是增长最快的类别，年均增长率均超过25%，并且广告贸易在规模和增长速度上均位居首位。

4.2.2 空间演化：在不同领域呈现集聚和分散特征，与产业空间格局基本同构

商标的类别代表着某些特定的行业，其申请数量在一定程度上反映一个城市的竞争优势。42年间，商标申请量在不同类别呈现出集聚和分散特征，集中的类别基本与产业发展趋势及创新驱动的特点吻合（图4、图5）。
图4 1980—2021年中国商标申请主导类别的空间演化

注：基于自然资源部标准地图服务网站审图号为GS(2019)1823号的标准地图绘制，底图边界无修改；港澳台数据暂缺。

Fig. 4 Spatial evolution of dominant trademark application classifications in China from 1980 to 2021

图5 1980—2021年商标申请规模前10个类别城市的变化

Fig. 5 Changes in the top 10 cities by trademark applications classification from 1980 to 2021

（1）在机械和设备领域，其商标申请呈现出一定的地域集中趋势。科学仪器初期由长三角、珠三角和京津冀三大区域主导，中后期则以深圳、北京、上海、广州、杭州等引领型城市为集中地，这5个城市在第三阶段的商标申请数量占比高达45.9%，尤其是深圳占比高达17.41%。这与互联网企业的空间布局呈现同构态势[56]，这主要是因为科学仪器是90%的互联网企业会选择申请的商标类别。机器设备、手工器械、医疗器械商标申请高度集中在长三角地区，同时珠三角城市（深圳、广州、佛山、东莞）呈现快速发展的态势。北京市依托科研市场规模和产业集聚等优势，成为国家医疗器械行业发展的重要基地，在前两个阶段的商标申请比重均超过13%，近年来，随着国内其他省市（广东、浙江、江苏、上海等）医疗器械行业的快速发展，北京市该产业在全国的地位有一定的下滑，但其实力仍位居全国城市前列。家用电器高度集中在广东、江苏、浙江和上海等省市，其中尤以广东省最为突出，商标申请占比从20.5%增加到33.4%。广东能够成为家电商标申请的主要集聚区，一是因为拥有规模优势和产业集聚优势，广东已成为中国主要的家电生产基地，其制造和生产规模全国领先，并已经形成深圳、广州、佛山、东莞、珠海、中山为聚集地的家电产业集群；二是广东产业链上中下游布局完善，具有成本优势和产业化配套优势[57]。
（2）在化学领域，其商标申请分布与相应产业的区域集聚特征高度相关。化学原料、颜料油漆、燃料油脂和橡胶制品形成了以北京、天津、山东、河北为核心的环渤海集聚区、以上海、浙江、江苏为核心的长三角集聚区和以广东为核心的珠三角集聚区。日用化品呈现三大城市群主导趋势，广东省作为中国日化企业分布最多的省份，其商标申请占比由初期的13.3%增长到末期的30.5%，成为中国日化产业的聚集地。医药卫生商标申请主要集中在沿海发达城市以及东北（哈尔滨、长春、沈阳）和中西部（成都、西安、南宁、长沙、南昌等）的省会城市。这是因为沿海省市具备医药行业发展的资金、技术、人才等优势，而中西部省会城市则是依托当地医疗资源和消费优势以及政策优势发展本地医药产业。
（3）在纺织品领域，其商标申请的地域分布与中国目前纺织产业集群的空间形态呈现同构格局。绳网袋蓬、纺织纱线、床单布料、花边拉链、地毯席垫主要集中在长三角、珠三角和环渤海地区，广东、浙江、江苏、山东、福建、北京、上海、天津等省市是这类商标申请的集中地[58]。而皮具箱包主要聚集在长三角和珠三角地区，尤其是广东和浙江的占比超过40%，这与目前产业集群的分布吻合，目前箱包产业已形成广东花都狮岭、浙江平湖和河北白沟等产业集群。服装鞋帽方面，长三角和珠三角地区占据主导，海峡西岸经济区快速发展的空间布局初步形成，浙江、广东、福建、江苏、上海、北京等省市的商标申请量约占总量的70%，体现了沿海发达地区在纺织品加工制造方面的优势。
（4）在食物和饮料领域，其商标申请分布与产业集群分布和区域消费偏好高度相关。食品罐头和调味茶糖主要集中在长三角、珠三角、环渤海和海峡西岸经济区，以及中西部的省会城市和直辖市如郑州、武汉、西安、成都、呼和浩特、重庆等地。啤酒饮料主要分布在长三角、珠三角和环渤海地区。而酒类商标初中期主要分布在传统酿酒地四川（成都、泸州、德阳、宜宾等）、山东（青岛、烟台、济宁等）等省份。四川是因为拥有五粮液、泸州老窖、水井坊、剑南春等白酒生产企业，而鲁酒自古在中国的酿酒行业中举足轻重，好酒文化使得山东也是酒消费和生产大省。近年来随着贵州酒产业集群的形成以及广东酒行业市场规模的扩大，贵州和广州酒类商标申请也快速增长。
（5）在其他领域，其商标申请总体上集中在经济发达的沿海城市，一些类别也呈现从集中走向分散、或由中部城市向沿海城市转移的态势。其中，文化用品、乐器、家具、家用器具、体育玩具、金融物管、建筑修理以及第39~45类主要集中在广东、浙江、江苏、上海、北京等省市。五金金属、运输工具、珠宝钟表、建筑材料集中在长三角、珠三角和环渤海地区。军用烟花初期集中在中三角（长沙、株洲、萍乡等）、珠三角（广州、佛山、东莞）、成渝城市群（南充、成都、重庆），中后期长三角城市呈现快速发展态势。通讯电信高度集中在头部城市，3个阶段前4位的城市（初期为北广深杭，中后期为北上广深）的商标申请比重均超过了一半。水果花木商标申请量从环渤海、长三角、中三角地区主导转变为分散分布于省会和副省级城市的格局。烟草烟具呈现由初期的以点状分布在省会和副省级城市向中后期在长三角（上海、杭州、金华等）和珠三角（深圳、广州、东莞）地区集中的演变态势。广告贸易（35类）商标被称为“万能商标”，涵盖的范围极为广泛，并且企业也会广泛申请该类商标来防范商标侵权，因此，广告贸易以省会城市和副省级城市为代表在全国范围内分散布局。

5 商标申请的影响因素

模型1~4分别测度互联网兴起、初创企业、技术创新和产业结构对商标申请的影响，模型5~8区分了商品类和服务类商标申请，模型结果如表2所示。
表2 模型回归结果

Tab. 2 Regression model results

解释变量 总商标申请数量 商品类商标申请数量 服务类商标申请数量
模型1 模型2 模型3 模型4 模型5 模型6 模型7 模型8
互联网崛起 0.023***
(0.004)		 0.018***
(0.004)		 0.031***
(0.006)
新企业创立 0.021***
(0.004)		 0.018***
(0.005)		 0.024***
(0.006)
技术创新 0.042***
(0.009)		 0.043***
(0.010)		 0.068***
(0.014)
农林牧渔业 -0.038**
(0.016)		 -0.041**
(0.018)		 -0.064**
(0.025)
电力煤气及水生产供应业 -0.078***
(0.026)		 -0.100***
(0.031)		 -0.234***
(0.035)
交通运输、仓储和邮政业 -0.033**
(0.015)		 -0.031
(0.023)		 -0.028
(0.023)
信息传输、软件和信息技术服务业 0.032***
(0.012)		 0.008
(0.017)		 0.034***
(0.018)
金融业 0.005**
(0.020)		 0.018
(0.024)		 0.025**
(0.027)
房地产业 -0.108***
(0.031)		 -0.106***
(0.039)		 -0.265***
(0.046)
租赁和商务服务业 0.030***
(0.008)		 0.024***
(0.012)		 0.023***
(0.013)
科学研究和技术服务业 -0.115***
(0.034)		 -0.114***
(0.041)		 -0.168***
(0.051)
居民服务、修理和其他服务业 0.104***
(0.020)		 0.108***
(0.025)		 0.176***
(0.030)
人口数量 0.525***
(0.063)		 0.560***
(0.063)		 0.491***
(0.065)		 0.567***
(0.073)		 0.528***
(0.073)		 0.609***
(0.085)		 0.285***
(0.082)		 0.544***
(0.092)
人均GDP 0.248***
(0.030)		 0.261***
(0.030)		 0.246***
(0.031)		 0.242***
(0.031)		 0.236***
(0.035)		 0.252***
(0.037)		 0.237***
(0.046)		 0.309***
(0.045)
大学数量 0.032
(0.021)		 0.034
(0.021)		 0.030
(0.021)		 0.031
(0.020)		 0.020
(0.022)		 0.017
(0.022)		 0.038
(0.030)		 0.037
(0.030)
货物进口总额 -0.008
(0.009)		 -0.007
(0.008)		 -0.005
(0.009)		 -0.008
(0.008)		 -0.007
(0.008)		 -0.009
(0.008)		 -0.023
(0.012)		 -0.026
(0.012)
货物出口总额 0.031***
(0.010)		 0.031***
(0.009)		 0.026***
(0.010)		 0.034***
(0.009)		 0.025***
(0.009)		 0.030***
(0.009)		 0.049***
(0.014)		 0.057***
(0.014)
个体固定效应 是 是 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是 是 是
样本量 3934 3934 3934 3934 3934 3934 3934 3934
R2 0.984 0.984 0.984 0.984 0.969 0.970 0.973 0.973

注：***、**、*分别表示在1%、5%、10%的显著水平下通过显著性检验；括号内为稳健标准误。

（1）互联网的兴起对商标申请具有正向影响。一方面，互联网作为一个开放的平台和创新场所，不仅促进了知识的自由流动，使创业者能够在此基础上构建新业务并将其想法商业化。而且互联网为企业提供了新的融资途径，尤其是对于中小企业，有助于克服融资限制，降低进入壁垒，并为创新活动提供所需的资源[46]。这一系列因素催生了大量新企业的涌现，也推动了现有企业推出基于互联网或相关技术的新产品和服务，引发了新的商标申请浪潮。另一方面，数字市场的兴起使消费者能够进行远程交易，加强了品牌声誉的重要性。有研究发现在互联网繁荣的年份，与信息技术相关的服务类商标申请也急剧增长，说明互联网的兴起促使商标申请持续且显著增加[2]。
（2）初创企业的形成对商标申请增长具有重要影响。一是在早期阶段，与老牌公司相比，初创企业由于缺乏满意的客户和成功的产品在市场上少为人知，使用商标不仅可以向客户和投资者传递积极的信号以弥补新公司的信任缺口，而且可以作为吸引资源的手段[23]。二是随着市场集中度的提高，初创企业更有可能选择申请商标而不是专利作为其初始知识产权[24]，其目的是新成立企业将商标作为其进入市场战略的一部分，以表明其产品的独特性或保护其初始投资免受未来模仿者的侵害[45]。三是新企业诞生以及新的商品和服务的出现推动了经济增长，从而增加了商标需求[2]。
（3）技术创新是促进商标申请的关键过程，一个地区的商标申请与技术活动密切相关[27]。专利和商标涉及创新过程的不同阶段，原则上专利代表着创新的“上游”发明，商标则代表了创新的“下游”商业化阶段，在创新过程的后期阶段，特别是涉及市场进入和商业化，商标的作用变得至关重要[12,30,41]。一方面，技术创新推动新产品的产生和提高产品质量与服务，因而促进了商标的申请[59]；另一方面，为了将这些技术创新商业化，技术活动的增加也可能会刺激营销活动，从而促进商标的发展[27]。
（4）地方创新环境对其商标申请具有显著影响。① 人口规模和人均GDP与商标申请呈正相关。由于中国的发达城市不仅具有人口密度高、人均收入高的特点，而且还是中国的工业中心，因此城市的人口规模和地方经济发展水平能通过提升企业活力和技术创新水平促进商标申请规模，这一研究与Block等[12]对日本的研究结果一致，关于澳大利亚的研究也发现人均GDP通过“需求效应”推动了商标申请[60]。② 城市货物出口对商标申请规模具有正向影响。这主要是因为货物出口是城市对外经济联系的重要渠道，城市通过出口与国际市场接轨，使得商标申请成为提升企业在国际竞争中地位的有效手段，从而激发了商标申请的需求。
（5）商标申请与知识密集型服务业（信息传输、计算机服务和软件业，金融业，租赁和商务服务业）[61]之间存在的显著相关性[12]，居民服务、修理和其他服务业对商标申请具有正向影响，并且除租赁和商务服务业外，这种正向作用在服务类商标中更为明显。主要原因可能是：① 在信息传输、计算机服务和软件业，由于许多产品和服务具有相似性，企业通过拥有独特的商标可以在市场上实现差异化，增强消费者对其品牌的认知度，进而在竞争激烈的市场中取得优势。② 租赁和商务服务业以及居民服务、修理和其他服务业是低技术行业，具有价格敏感用户和成本降低的技术轨迹特征，对于这些行业，商标可能比专利更适用，因为专利流程可能无法覆盖创新的整个生命周期[62]。③ 金融部门是区域和国家创新体系的重要组成部分，商标可能更能够捕捉到其他创新指标无法把握的有关此类行业变化的额外信息[12]。并且金融服务的私有化和放宽管制，已经引发私人企业创立自己的创新服务，并建立品牌进行推广。这一现象在充满竞争和创新的服务产业中的崛起，正迅速转化为服务商标的快速增长[2]。
（6）传统农林牧渔业，电力煤气及水生产供应业，交通仓储邮电业，房地产业、科学研究和技术服务业，文化、体育和娱乐业与商标活动之间呈负相关。究其原因是：① 农林牧渔业经营方式传统且规模相对较小，并且受制于资源推广的有限性，企业更专注于提高产品质量、强调地域性特征以及获得标准认证，而在市场品牌建设和营销方面的投入相对较少。② 电力煤气及水生产供应业和交通仓储邮电业通常由公用事业企业或政府机构主导，其服务被视为基础公共需求，具有政府主导和自然垄断的特性，市场竞争有限。因此，行业更加注重确保服务可靠性、实现规模效应和提高运营效率，比较缺乏营销和品牌推广工作[12]，因此商标在此行业相对次要。③ 房地产业更依赖于地方声誉和项目口碑，更注重规模效应、项目营销和广告，因此商标在这个行业中的影响相对较小；而在科学研究和技术服务业，更注重于通过学术研究和专利申请来保护其创新成果，商标的作用不明显。
本文采用了双向固定效应回归模型，以消除不随时间或个体变化的因素[63]，同时将自变量滞后一期纳入模型，解决了部分内生性问题[54]。此外，本文运用更换因变量、改变计量模型和缩尾处理3种方法进一步验证结果的稳健性。首先，研究表明外观设计权和商标均是衡量软创新的指标[15,64]，因此以外观设计注册量替代商标申请量进行稳健性检验；其次，考虑到城市商标申请规模方差较大，剔除了商标申请量最高和最低两端各5%的样本进行稳健性检验；最后，由于因变量是仅具有非负整数的计数变量，数据存在过度离散的问题[10,50]，因此采用负二项回归模型进行稳健性检验，回归结果分别如表3模型1，模型2和模型3所示。经过上述的稳健性检验后，与上文得到的结论基本一致，验证了回归结果的稳健性。
表3 稳健性检验结果

Tab. 3 Robustness tests results

解释变量 模型1 模型2 模型3
外观设计注册规模 缩尾处理 负二项回归
互联网崛起 0.044***(0.012) 0.021***(0.004) 0.032***(0.005)
新企业创立 0.014***(0.015) 0.020***(0.004) 0.132***(0.005)
技术创新 0.153***(0.027) 0.040***(0.010) 0.089***(0.003)
农林牧渔业 -0.201***(0.066) -0.038**(0.017) -0.044***(0.014)
电力煤气及水生产供应业 -0.233**(0.093) -0.058**(0.027) -0.060**(0.029)
交通运输、仓储和邮政业 -0.041*(0.044) -0.035**(0.016) -0.011*(0.015)
信息传输、软件和信息技术服务业 0.087(0.036) 0.038***(0.013) 0.039***(0.015)
金融业 0.140**(0.056) 0.001(0.021) 0.098***(0.017)
房地产业 -0.400***(0.099) -0.063*(0.035) -0.075***(0.028)
租赁和商务服务业 0.021(0.024) 0.022***(0.008) 0.029***(0.009)
科学研究和技术服务业 -0.505***(0.111) -0.134***(0.038) -0.095***(0.028)
居民服务、修理和其他服务业 0.191***(0.068) 0.089***(0.029) 0.017(0.025)
控制变量 是 是 是
个体固定效应 是 是 否
时间固定效应 是 是 否
样本量 3934 3538 3934
R2 (Log Likelihood) 0.893 0.980 -7719.373

注：***、**、*分别表示在1%、5%、10%的显著水平下通过显著性检验；括号内为稳健标准误。

6 结论与讨论

6.1 结论

商标不仅可以表征行业和区域层面创新活动和产品差异化[65]，还能够反映软性的和非功能性形式的创新[26]，在创新过程中的市场进入和商业化后期阶段至关重要[13]。因此，本文基于1980—2021年的商标数据，融合大数据挖掘、数理统计、GIS空间分析和计量经济模型，从商标视角尝试分析城市软创新的时空演化规律及影响因素，以期为中国区域创新研究和推进创新驱动发展提供新的视角。研究发现：
（1）商标申请数量呈现出由波动变化向高速增长的演变态势，表现出双周期和三阶段演化态势，其时序过程经历了初期“回落—上升—回落—上升”波动增长的恢复发展、中期先增加后减缓的快速发展和末期起伏波动的高速发展三个阶段，其发展趋势与中国经济市场化进程密切相关。
（2）中国城市软创新产出呈现出自东部沿海向中西部内陆递减的“阶梯式”空间分布格局，表现出空间集聚的不平衡性，演化具极化效应和空间粘性，遵循区域高度集聚规律，且保持稳定性和一定的能级突跳式跃迁。软创新中心高度锁定于传统科技创新中心，海峡西岸城市群、中三角城市群和中原城市群的创新中心不断涌现，等级变化呈现出明显的分化趋势。
（3）商品类是中国商标申请的主要类型，但服务类商标申请的比重不断上升，Nice分类呈现出明显的异质性，其类别高度集中在消费品领域，并且保持稳定增长，演化具“路径依赖性”。不同类别商标的空间分布呈现集聚和分散特征，集中的类别基本与产业发展趋势及创新驱动的特点吻合，呈现与产业结构格局同构的态势。
（4）互联网的崛起、新企业的形成、技术创新对商标申请具有显著的正向影响，人口规模、GDP和城市货物出口对商标申请规模具有正向促进效应，不同行业类型的商标申请强度表现出一定的异质性特征，商标活动与知识密集型服务业之间存在的显著相关性，尤其是服务类商标的作用更为明显，而与建筑业、住宿餐饮业和政府服务部门之间存在负相关。这与Filippetti等[13,41]的研究结果一致，他们也发现商标在知识密集型服务业中发挥着重要作用，而政府部门比较缺乏营销和品牌推广工作[12]。

6.2 讨论

随着对以科技为驱动创新研究日益增长的不满[66]，本文将创新的视野从传统的技术驱动扩展到软创新，为区域创新研究带来新的视角和方法，这有助于深入探讨不同地区的创新路径和模式，为制定区域创新战略提供更为全面的参考和指导。但受数据和篇幅有限，本文从商标视角探讨城市的软创新仅做了初步的探讨，未来研究有必要从以下几个方面进行深入研究：首先，商标与一个或多个Nice类别相关联，不仅可以通过计算集中度和关联性来获取地区竞争强度的证据并捕捉地区专业化，而且可以与行业分类相关联探讨区域异质性；其次，专利和商标作为区域创新的指标，两者之间的互补性和差异性值得更多关注，未来研究可以将专利、商标等知识产权数据与企业层面的数据相匹配，以探讨地区与企业之间的潜在互动，以及当地知识库的多样性、复杂性和组合如何影响企业的创新绩效；最后，有必要将中国的商标活动与其他国家的商标活动进行比较，以利用商标来评估中国与美国或欧洲等其他国家地区的创新差异，通过对比分析可以更全面地了解不同类型地区的创新模式。这些研究方向有望全面呈现城市创新的组织结构，深化对创新过程和地理分布的理解，并促进城市内部创新动态以及城市间创新差异的理解，以期为促进创新和区域发展提供有价值的实践启示。

感谢两位审稿专家认真细致的专业审查，专家们所提出的意见与建议，使本文受益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Wang Wenxi, Yang Zhongkai, Wang Dongyang. Research on influencing factors of foreign trademark application in the United States based on USPTO data. Science and Management, 2022, 42(5): 9-15.

[王雯茜, 杨中楷, 王东洋. 基于USPTO数据的外国在美商标申请影响因素分析. 科学与管理, 2022, 42(5): 9-15.]

[2]
World Intellectual Property Organization. World intellectual property report brands: Reputation and image in the global marketplace. 2013.

[WIPO. 世界知识产权报告品牌: 全球市场上的声誉和形象, 2013.]

[3]
Brunow S, Hammer A, McCann P. The impact of KIBS' location on their innovation behaviour. Regional Studies, 2020, 54(9): 1289-1303.

DOI

[4]
Ma Wencong, Hou Yu, Zhu Guilong. The impact of R&D investment and personnel incentive on innovative performance: A comparative study on emerging industries and traditional industries. Science of Science and Management of S.&.T, 2013, 34(3): 58-68.

[马文聪, 侯羽, 朱桂龙. 研发投入和人员激励对创新绩效的影响机制: 基于新兴产业和传统产业的比较研究. 科学学与科学技术管理, 2013, 34(3): 58-68.]

[5]
Zhao Yan, Zheng Xiangjie. Impact of network embeddedness and geographic embeddedness on the innovation performance of the alliance enterprises: An empirical research on the high-tech listed companies in China. Science Research Management, 2013, 34(11): 9-17.

[赵炎, 郑向杰. 网络嵌入性与地域根植性对联盟企业创新绩效的影响: 对中国高科技上市公司的实证分析. 科研管理, 2013, 34(11): 9-17.]

[6]
Huggins R, Waite D, Munday M. New directions in regional innovation policy: A network model for generating entrepreneurship and economic development. Regional Studies, 2018, 52(9): 1294-1304.

[7]
Ferrary M, Granovetter M. The role of venture capital firms in Silicon Valley's complex innovation network. Economy and Society, 2009, 38(2): 326-359.

[8]
Cheng Yeqing, Wang Zheye, Ma Jing. Analyzing the space-time dynamics of innovation in China. Acta Geographica Sinica, 2014, 69(12): 1779-1789.

DOI

[程叶青, 王哲野, 马靖. 中国区域创新的时空动态分析. 地理学报, 2014, 69(12): 1779-1789.]

DOI

[9]
Liu Chengliang, Guan Mingming, Duan Dezhong. Spatial pattern and influential mechanism of interurban technology transfer network in China. Acta Geographica Sinica, 2018, 73(8): 1462-1477.

DOI

[刘承良, 管明明, 段德忠. 中国城际技术转移网络的空间格局及影响因素. 地理学报, 2018, 73(8): 1462-1477.]

DOI

[10]
Liu Chengliang, Yan Shanshan. Spatial evolution and determinants of transnational technology transfer network in China. Acta Geographica Sinica, 2022, 77(2): 331-352.

DOI

[刘承良, 闫姗姗. 中国跨国城际技术通道的空间演化及其影响因素. 地理学报, 2022, 77(2): 331-352.]

DOI

[11]
Wang Bangjuan, Wang Tao, Liu Chengliang. Spatiotemporal dynamics of China's technology transfer hubs and their hinterworlds. Acta Geographica Sinica, 2023, 78(2): 293-314.

DOI

[王帮娟, 王涛, 刘承良. 中国技术转移枢纽及其网络腹地的时空演化. 地理学报, 2023, 78(2): 293-314.]

DOI

[12]
Block J, Fisch C, Ikeuchi K, et al. Trademarks as an indicator of regional innovation: Evidence from Japanese prefectures. Regional Studies, 2022, 56(2): 190-209.

[13]
Flikkema M, de Man A P, Castaldi C. Are trademark counts a valid indicator of innovation? Results of an in-depth study of new benelux trademarks filed by SMEs. Industry and Innovation, 2014, 21(4): 310-331.

[14]
Mendonça S. National adaptive advantages: Soft innovation and marketing capabilities in periods of crisis and change. Structural Change, Competitiveness and Industrial Policy, 2014: 133-150.

[15]
Stoneman P. Soft Innovation: Economics, Product Aesthetics, and the Creative Industries. Oxford: Oxford University Press, 2010.

[16]
Mendonça S, Pereira T S, Godinho M M. Trademarks as an indicator of innovation and industrial change. Research Policy, 2004, 33(9): 1385-1404.

[17]
Xiao Yangao, Ran Huaqing, Tong Wenfeng, et al. Defense or hoarding? The relationship between trademark portfolios and firm performance and its implications. Journal of Management World, 2021, 37(10): 214-226.

[肖延高, 冉华庆, 童文锋, 等. 防卫还是囤积? 商标组合对企业绩效的影响及启示. 管理世界, 2021, 37(10): 214-226.]

[18]
Seip M, Castaldi C, Flikkema M, et al. The timing of trademark application in innovation processes. Technovation, 2018, 72: 34-45.

[19]
Schmoch U. Service marks as novel innovation indicator. Research Evaluation, 2003, 12(2): 149-156.

[20]
Von Graevenitz G, Graham S J H, Myers A F. Distance (still) hampers diffusion of innovations. Regional Studies, 2022, 56(2): 227-241.

[21]
Belderbos R A, Kazimierczak M, Goedhuys M. Trademarks, patents and the appropriation strategies of incumbents: The scope of new firm formation in European regions. Regional Studies, 2022, 56(2): 210-226.

[22]
Sáiz P, Zofío J L. The making and consolidation of the first national trademark system: The diffusion of trademarks across Spanish regions, 1850-1920. Regional Studies, 2022, 56(2): 256-275.

[23]
Block J H, Fisch C O, Hahn A, et al. Why do SMEs file trademarks? Insights from firms in innovative industries. Research Policy, 2015, 44(10): 1915-1930.

[24]
de Vries G, Pennings E, Block J H, et al. Trademark or patent? The effects of market concentration, customer type and venture capital financing on start-ups' initial IP applications. Industry and Innovation, 2017, 24(4): 325-345.

[25]
Nathan M, Rosso A. Innovative events: Product launches, innovation and firm performance. Research Policy, 2022, 51(1): 104373. DOI: 10.1016/j.respol.2021.104373.

[26]
Castaldi C, Mendonça S. Regions and trademarks: Research opportunities and policy insights from leveraging trademarks in regional innovation studies. Regional Studies, 2022, 56(2): 177-189.

[27]
Drivas K. The role of technology and relatedness in regional trademark activity. Regional Studies, 2022, 56(2): 242-255.

[28]
Sandner P G, Block J. The market value of R&D, patents, and trademarks. Research Policy, 2011, 40(7): 969-985.

[29]
Link A N, Scott J T. Employment growth from the small business innovation research program. Small Business Economics, 2012, 39(2): 265-287.

[30]
Castaldi C, Block J, Flikkema M J. Why and when do firms trademark? Bridging perspectives from industrial organisation, innovation and entrepreneurship. Industry and Innovation, 2020, 27(1-2): 1-10. DOI: 10.1080/13662716.2019.1685376.

[31]
Castaldi C, Drivas K. Relatedness, cross-relatedness and regional innovation specializations: An analysis of technology, design, and market activities in Europe and the US. Economic Geography, 2023, 99(3): 253-284.

[32]
Schumpeter J A. The Theory of Economic Development:An Inquiry into Profits, Capital, Credit, Interest and the Business Cycle. Cambridge: Harvard University Press, 1934.

[33]
Hansen M T, Birkinshaw J. The innovation value chain. Harvard Business Review, 2007, 85(6): 121.

PMID

[34]
Porter M E. Competitive Advantage:Creating and Sustaining Superior Performance. New York: Free Press, 1985.

[35]
Gereffi G, Humphrey J, Sturgeon T. The governance of global value chains. Review of International Political Economy, 2005, 12(1): 78-104.

[36]
Gereffi G, Humphrey J, Kaplinsky R, et al. Introduction: Globalisation, value chains and development. IDS Bulletin, 2001, 32(3): 1-8. DOI: 10.1111/j.1759-5436.2001.mp32003001.x.

[37]
Wang Weiguang, Zhang Zhongyuan, Hou Junli. Innovative value chain and its structure: A theoretical framework. Science & Technology Progress and Policy, 2019, 36(1): 36-43.

[王伟光, 张钟元, 侯军利. 创新价值链及其结构: 一个理论框架. 科技进步与对策, 2019, 36(1): 36-43.]

DOI

[38]
Hong Yinxing. The stage of technological innovation and analysis of its innovation value chain. Economist, 2017(4): 5-12.

[洪银兴. 科技创新阶段及其创新价值链分析. 经济学家, 2017(4): 5-12.]

[39]
Filitz R, Henkel J, Tether B S. Protecting aesthetic innovations? An exploration of the use of registered community designs. Research Policy, 2015, 44(6): 1192-1206.

[40]
Castaldi C. To trademark or not to trademark: The case of the creative and cultural industries. Research Policy, 2018, 47(3): 606-616.

[41]
Flikkema M, Castaldi C, de Man A P, et al. Trademarks' relatedness to product and service innovation: A branding strategy approach. Research Policy, 2019, 48(6): 1340-1353.

[42]
Graham S J H, Hancock G, Marco A C, et al. The USPTO trademark case files dataset: Descriptions, lessons, and insights. Journal of Economics & Management Strategy, 2013, 22(4): 669-705.

[43]
Degrazia C A W, Myers A, Toole A A. Innovation activities and business cycles: Are trademarks a leading indicator? Industry and Innovation, 2020, 27(1-2): 184-203.

[44]
Petrie S, Adams M, Mitra‐Kahn B, et al. TM-Link: An internationally linked trademark database. Australian Economic Review, 2020, 53(2): 254-269.

[45]
Mamede R P, Fernandes T F, Godinho M M. Patterns and determinants of trademark use in Portugal//Hirsch-Kreinsen H, Schwinge I. Knowledge-intensive Entrepreneurship in Low-tech Industries. Cheltenham: Edward Elgar, 2014.

[46]
Gnangnon S K. The internet's impact on trademark applications. Economic Affairs, 2019, 39(2): 216-231.

[47]
Zhou H B, Sandner P G, Martinelli S L, et al. Patents, trademarks, and their complementarity in venture capital funding. Technovation, 2016, 47: 14-22.

[48]
Schneider C, Veugelers R. Which IP strategies do young highly innovative firms choose? Social Science Electronic Publishing, 2013. DOI: 10.2139/ssrn.2382516.

[49]
Schmoch U, Gauch S. Service marks as indicators for innovation in knowledge-based services. Research Evaluation, 2009, 18(4): 323-335.

[50]
An Qinghu. The process of marketization in the Chinese economy is closely intertwined with the development of the trademark industry in China. Intellectual Property, 2004, 14(2): 3-8.

[安青虎. 中国经济市场化的进程与中国商标事业的发展. 知识产权, 2004, 14(2): 3-8.]

[51]
Li Enkang, Lu Yuqi, Chen Yu. Geographic pattern evolution of China's merchandise export and its influencing factors: Based on the analysis of merchandise export distance and the GTWR model. Geographical Research, 2019, 38(11): 2624-2638.

[李恩康, 陆玉麒, 陈娱. 中国外贸货物出口的地理格局演化及影响因素分析: 基于货物出口距离和GTWR模型. 地理研究, 2019, 38(11): 2624-2638.]

DOI

[52]
Ma Haitao, Xu Xuanfang, Jiang Kaile. The evolutionary characteristics and innovation effects of technological knowledge polycentricity in Chinese urban agglomerations. Acta Geographica Sinica, 2023, 78(2): 273-292.

DOI

[马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应. 地理学报, 2023, 78(2): 273-292.]

DOI

[53]
Iversen E J, Herstad S J. Dynamics of regional diversification: A new approach using trademark data. Regional Studies, 2022, 56(2): 276-289.

[54]
Mao Weisheng, Liu Chengliang, Li Yuan, et al. Spatio-temporal evolution and drivers of knowledge exchange at global academic conferences. Acta Geographica Sinica, 2023, 78(10): 2484-2506.

DOI

[毛炜圣, 刘承良, 李源, 等. 全球学术会议交流的时空演化及其影响因素. 地理学报, 2023, 78(10): 2484-2506.]

DOI

[55]
Zhou Liang, Che Lei, Zhou Chenghu. Spatio-temporal evolution and influencing factors of urban green development efficiency in China. Acta Geographica Sinica, 2019, 74(10): 2027-2044.

DOI

[周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素. 地理学报, 2019, 74(10): 2027-2044.]

DOI

[56]
Liu Tingting, Wang Mingfeng, Zhang Yinghao, et al. Spatiotemporal pattern and determinants of Internet firm survival in China. Progress in Geography, 2021, 40(3): 410-421.

DOI

[刘婷婷, 汪明峰, 张英浩, 等. 中国互联网企业生存的时空格局及影响因素研究. 地理科学进展, 2021, 40(3): 410-421.]

DOI

[57]
Li Hanyu. Research on innovation network of home appliance industry in Guangdong[D]. Changchun: Changchun University of Technology, 2015.

[李函育. 广东省家电产业创新网络研究[D]. 长春: 长春工业大学, 2015.]

[58]
Zhang Fengtao. Industrial clusters competitiveness of China's textile industry[D]. Changchun: Northeast Normal University, 2012.

[张凤涛. 中国纺织产业集群竞争力研究[D]. 长春: 东北师范大学, 2012.]

[59]
Che Mengzhe. Research on the influence of regional brand development on economic growth in China[D]. Zhenjiang: Jiangsu University, 2020.

[车梦哲. 中国区域商标品牌发展对经济增长的影响研究[D]. 镇江: 江苏大学, 2020.]

[60]
Webster E, Jensen P. Patterns of trademarking activity in Australia (WP2004N02). Melbourne Institute of Applied Economic and Social Research, University of Melbourne, 2004.

[61]
Fang Yuanping, Bi Doudou, Xie Man, et al. Spatial correlation characteristics and dynamic mechanism of knowledge intensive business service: A spatial econometric analysis of Guangdong province. Geographical Science, 2014, 34(10): 1193-1201.

[方远平, 毕斗斗, 谢蔓, 等. 知识密集型服务业空间关联特征及其动力机制分析: 基于广东省21个地级市的实证. 地理科学, 2014, 34(10): 1193-1201.]

DOI

[62]
Morales P. Trade marks and design rights: To what extent do they relate to and measure innovation? European Union Intellectual Property Office, 2023.

[63]
Luo Xue, Mao Weisheng, Wang Bangjuan, et al. The impacts of aviation and high-speed rail on urban innovation capacity in China. Progress in Geography, 2022, 41(12): 2203-2217.

DOI

[罗雪, 毛炜圣, 王帮娟, 等. 航空和高铁对中国城市创新能力的影响. 地理科学进展, 2022, 41(12): 2203-2217.]

DOI

[64]
Filippetti A, Gkotsis P, Vezzani A, et al. How to survive an economic crisis? Lessons from the innovation profiles of EU regions. European Commission, 2019.

[65]
Schautschick P, Greenhalgh C. Empirical studies of trade marks: The existing economic literature. Economics of Innovation and New Technology, 2016, 25(4): 358-390.

[66]
Iammarino S, Rodriguez-Pose A, Storper M. Regional inequality in Europe: Evidence, theory and policy implications. Journal of Economic Geography, 2019, 19(2): 273-298.

DOI

Options
文章导航

/

〈 〉