专利申请驱动因素研究

论文摘要

专利是一个区域科技资产的核心和最富经济价值的部分,专利的拥有量既能反映出该区域科技成果的原始创新能力,又能折射出这些成果的市场应用潜能,它是衡量区域创新能力和综合实力的重要标志之一。如何在区域创新的框架内对专利申请活动进行研究一直受到国内外学者的广泛关注,但是对专利申请驱动因素的研究并没有引起足够的重视。因此,文章选择专利申请的驱动因素作为研究对象,在理论上和实践上都具有重要的意义。文章在国家大力推进专利战略,加强知识产权战略,强化区域创新的大背景下,通过定性和定量相结合的方法深入研究了专利申请驱动因素。在研究的过程中,一方面运用支持向量机（SVM）方法对专利申请驱动因素进行建模,通过P-SVM和微分进化算法的混合模型选取非线性的关键驱动因素,并在负二项分布建模的基础上对关键驱动因素进行评价;另一方面运用实证分析的方法提出了中国专利申请驱动因素的相关假设,通过关系研究和验证性因素分析,研究了这些假设的存在性。文章主要研究内容和创新性成果如下:（1）文章通过对专利申请驱动的研究开发、经济增长、企业战略用途和专利保护程度等因素进行国际比较研究,分析了中国专利申请的驱动因素。文章以区域技术创新理论为核心,以专利申请活动为纽带,分析了中国区域专利技术创新体系的特征,提出了基于区域技术创新的中国专利申请的驱动体系,在专利申请驱动因素选取原则的基础上,分析了专利发展基础、专利发展环境、企业投入、政府投入、产学研联系和外商投资等中国专利申请的驱动因素及其变量。（2）文章在机器学习和统计学习理论基础上,引入支持向量机回归模型对专利申请进行建模。在支持向量机回归建模过程中纳入了区域经费及人力投入、专利倾向、区域富裕程度和外商投资活动等驱动因素变量,并通过仿真方法对专利申请进行预测。预测的结果一方面显示支持向量机预测方法比人工神经网络和逻辑回归方法有更高的预测精度,另一方面还表明运用支持向量机的方法对中国专利申请驱动因素的建模是可行和有效的,从而文章为处理小样本非线性的回归预测问题提出了一个可行的解决办法。（3）在通过支持向量机对专利申请建模成功的基础上,文章通过P-SVM和微分进化算法的混合建模对专利申请的关键驱动因素进行选取。在P-SVM建模的过程中对P-SVM的三个参数并行的进行了微分进化算法的优选,成功地选取了专利申请的关键驱动因素变量,如:区域GDP总量,每万人中大专以上学历人数,前期专利拥有总数,二产与三产从业人数之比,R&D人员数,企业R&D经费占销售收入之比,区域R&D总经费支出占GDP比重,大学和科研院所获得企业研究开发经费和人均外商直接投资额等。文章利用选取的关键驱动因素变量进一步对中国区域的专利申请进行预测,数据仿真显示具有良好特征抽取功能的P-SVM方法比核主成分分析的最小二乘支持向量机和岭回归方法具有较高的预测精度和推广能力。试验的研究表明P-SVM建模方法对处理类似专利申请驱动因素非线性回归问题的特征选取是有效的。（4）基于专利申请的泊松分布评价模型,文章结合中国专利申请数据样本的特征,提出专利申请的负二项分布的评价模型,并运用面板数据对中国东中西部地区专利申请驱动因素进行了评价、分析和讨论。分析结果表明:“区域GDP、前期专利拥有总数、企业R&D经费占销售收入之比、R&D总经费支出占GDP比重”这四个因素变量对东中西三个地区的专利申请都具有较强的驱动作用;“前期专利拥有总数、企业R&D经费占销售收入之比、R&D总经费支出占GDP比重”这三个因素变量对东中西三个地区的发明专利申请也具有较强的驱动作用,其他因素在不同地区针对不同的创新程度表现各异。（5）作为对专利申请驱动因素定量研究的补充,文章对中国专利申请驱动因素进行了实证研究。文章提出了专利申请与驱动因素之间的相关假设,利用各区域的调研数据,对专利申请与驱动因素之间的关系进行验证性因素分析,分析结果表示东部地区支持假设体系,中西部地区部分支持假设体系。文章针对中西部地区实证结论进行讨论,从专利发展的意识、法律环境、专利技术市场、自主知识产权及专利生命周期过程等方面提出了中西部地区专利发展、区域创新能力提高的对策建议。文章研究成果在一定程度上解决了专利申请驱动因素的非线性建模、特征抽取及评价的问题,为处理类似专利申请驱动因素非线性回归问题提供了更加广阔的空间。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 问题的提出
• 1.2 研究背景
• 1.3 专利申请驱动因素的理论借鉴
• 1.4 专利申请驱动因素的国际比较
• 1.5 研究目的和意义
• 1.6 研究的主要工作及创新点
• 第二章 专利申请驱动因素分析
• 2.1 专利申请和专利授权
• 2.2 技术创新与专利
• 2.3 区域技术创新体系与区域技术创新能力
• 2.4 基于区域技术创新的专利申请驱动体系
• 2.5 专利申请驱动因素选取原则
• 2.6 专利申请的驱动因素
• 2.7 本章小结
• 第三章 专利申请驱动因素的建模研究
• 3.1 机器学习问题
• 3.2 统计学习问题
• 3.3 基于SVM的专利申请的建模
• 3.4 本章小结
• 第四章 专利申请关键驱动因素的选取研究
• 4.1 P-SVM模型
• 4.2 基于P-SVM的关键因素选取的建模
• 4.3 关键因素选取的试验及结果
• 4.4 本章小结
• 第五章 专利申请驱动因素的评价研究
• 5.1 泊松分布评价模型
• 5.2 专利生产的负二项分布评价模型
• 5.3 中国区域专利申请的驱动因素评价
• 5.4 评价结果的区域性讨论
• 5.5 本章小结
• 第六章 专利申请驱动因素的实证研究
• 6.1 概念模型
• 6.2 基本假设
• 6.3 样本和数据收集
• 6.4 统计分析方法的选择
• 6.5 结果与讨论
• 6.6 中西部地区专利申请及发展的对策建议
• 6.7 本章小结
• 第七章 总结与展望
• 7.1 论文的主要研究工作及创新点
• 7.2 进一步工作展望
• 参考文献
• 攻读博士学位期间发表的论文
• 攻读博士学位期间参与的科研项目