基于客觀組合賦權模型的企業專利質量評價研究
——以蘇州市吳中區知識密集型企業為例

黃俊偉，張曉月

（南京工業大學經濟與管理學院，江蘇南京 211816）

經過近40 年的發展，我國專利事業取得了長足進步。根據國家知識產權局網站公布的數據顯示，2018 年，中國發明專利申請量為154.2 萬件，共授權發明專利43.2 萬件；至2017 年，中國發明專利申請量連續7 年居世界首位。單從專利數量上看，我國已牢固確立“專利大國”地位，但是，仍然難以進入專利強國之林，與美、日、德等發達國家相比，我國的基礎型、原創型和高質量的專利還較少［1］，存在著很多的所謂“問題專利”“垃圾專利”，尤其在海外專利布局、專利運用水平方面，我國企業和專利強國企業之間還有較大差距。隨著全球各國和地區企業間貿易活動不斷增加，企業專利質量的重要性更為凸顯，缺乏核心技術很難和競爭者對抗。

長期以來，國家對專利質量高度重視。國務院在2015 年12 月發布了《關于新形勢下加快知識產權強國建設的若干意見》，其中確切提出要“實施專利質量提升工程，培育一批核心專利”。提升企業專利質量，是我國由知識產權大國邁向知識產權強國，由要素驅動發展轉變為創新驅動發展的必然要求。

可見，當前迫切需要一種合理完善的針對企業層面的專利質量評價方法，用于識別企業專利質量的高低，分析企業專利質量的影響因素。然而，現有研究主要是采用一些單一的評價方法對企業專利質量指標進行簡單賦權，也很少考慮經濟質量的作用，難以從整體上客觀、精確地反映企業專利質量。鑒于此，本文首先研究構建了企業專利質量評價體系，并將企業專利產品銷售收入作為專利經濟質量評價指標納入評價體系之中，在此基礎上采用客觀組合賦權法對評價對象進行賦權，建立了企業專利質量組合賦權評價模型，最終運用此模型對蘇州市吳中區知識密集型企業2014—2016 年的專利質量進行了實證分析。

1 文獻綜述

1.1 企業專利質量指標的相關研究

針對企業專利質量的研究始于20 世紀80 年代，至今仍然是專利研究的熱點，學者們通常采用企業專利的某一個或幾個指標代表企業的專利質量。國外如Narin 等［2］學者利用即時影響指數(Citation Impact Index,CII)、科學關聯性(Science Linkage,SL)等一系列評價指標對企業專利質量進行評價。Hall等［3］認為企業專利外部引用不如自引用價值高，可以預測的引文不如“不可預測的”引文作用強，專利被多引用一次就能夠使企業市場價值提高3%。Chen 等［4］用4 種企業專利質量指標：相對專利位置、顯示技術優勢、專利赫芬達爾指數和專利引用反映企業專利質量。Ito 等［5］針對已有專利比新申請專利施引次數通常更多的問題，用企業各專利的施引次數除以相同申請年同一IPC 分類號下專利的最大施引次數，用該比值進一步得出企業施引加權的專利申請量表示企業專利的質量。

國內學者也開始嘗試運用企業專利質量指標，如卞雅莉［6］以美國納米材料產業2 000 多項專利數據為樣本，采用負二項回歸法發現專利引文數量和質量對專利質量有顯著正向影響，引文的滯后期越短，越有利于專利質量提升。但由于我國沒有成熟便利的專利引證數據庫，針對國內專利的研究只能采用一些搜集較為便利的質量指標，例如發明專利授權率、發明專利比例、PCT 專利數量、權利要求數量、說明書長度等。李仲飛等［7］認為企業專利質量可以用發明專利授權率、技術覆蓋范圍和發明人數量衡量，研究發現專利質量有利于提升公司投資價值，其影響機制在于高專利質量企業容易獲得更多的壟斷利潤。康志勇［8］認為專利申請書頁數能夠反映企業專利質量高低，并運用PSM-DID 模型研究發現政府補貼有利于企業專利質量提升，該正向作用具有一定的持續性和滯后性。

1.2 企業專利質量評價體系的相關研究

采用專利質量指標難以全面、合理地評價企業專利質量，一些學者開始運用評價模型來研究企業專利質量。國外如Lanjouw 等［9］運用引用和施引專利數量、專利族規模和權利要求數量4 個指標構建了專利質量評價模型，并通過計算企業專利的平均值，得到其專利質量，研究了1975—1993 年間在藥學、生物技術、化學等7 個技術領域企業專利質量與企業生產力之間的關系。Trappey 等［10］從投資、維持和法律3個視角建立了企業專利質量指標體系，并基于專利可交易性潛力，采用主成分分析法、BP神經網絡法構建了企業專利質量評價模型。

國內方面，胡諜等［11］從專利范圍、專利引證和專利維持等角度選取指標，進一步運用主成分分析法計算權重，建立了企業專利質量綜合指數，最終以355 家中國創業板公司專利數據為樣本進行了初步研究。曹明等［12］分別從地區、行業和企業3個層面建立了技術競爭力綜合評價體系，其中微觀評價體系主要從專利量、專利水平和協同創新能力3 個方面選取指標，并以3 個不同地區的企業為樣本進行了實證評價。

綜上所述，學者們從不同的角度闡述了企業專利質量的評價指標，但縱觀國內外相關研究，鮮有將這些因素納入一個系統進行全面、綜合的研究，缺乏一個較為合理完善的企業專利質量評價方法。首先，現有研究主要是采用一些單一的評價方法對企業專利質量指標進行簡單賦權，這導致采用不同評價方法對單一評價對象的評價結果不一致，且評價對象之間的區別不大，難以較好地反映評價對象間的差異性［13］。其次，現有研究中對專利經濟質量的研究不足，很少考慮經濟質量的作用，而經濟質量能夠切實反映出專利的市場價值。因此，本文首先研究構建了包含專利技術、法律和經濟質量的企業專利質量評價體系，在此基礎上采用客觀組合賦權法建立了企業專利質量組合賦權評價模型。本文采用的客觀組合賦權方法不受主觀因素影響、能夠客觀、準確、充分地體現各評價對象之間的差異性，也克服了單一方法評價相同對象排序和得分不相同的問題。

2 企業專利質量評價指標體系構建

本文定義企業專利質量為某個企業的專利總體上滿足專利“新穎性、創造性、實用性”和說明書充分公開要求程度及其所產生的經濟價值［14］。基于此定義，又根據文獻回顧認為反映企業專利質量的指標可分為技術質量、法律質量和經濟質量三個方面［15］，并結合實際需要，最終選取了11 個二級指標構建了企業專利質量評價體系。

（1）專利技術質量。在評價體系中，專利技術質量是指受專利技術進步性的程度所影響的，或者說受相關技術本身所影響的專利客觀質量［15］。一方面，發明專利是我國三類專利中唯一需要經過實質審查的、審查標準更為嚴格的專利，其技術質量也更高，可以選取發明專利占專利申請量比例、發明專利申請授權率反映企業技術質量高低；另一方面，專利所匯集的智慧結晶越多，其技術水平也就越高，選用平均引用專利數量、平均發明人數、合作申請專利數、平均說明書和附圖頁數能夠體現出企業專利所參考的現有研究數量、參與研發的人數、合作研發情況等信息，以識別出其技術質量；此外，平均施引專利數量代表企業專利被他人認可的程度，也能反映技術質量。

（2）專利法律質量。專利法律質量是代理人和審查員之間相互博弈、共同努力所確定的滿足法律規定的主觀質量，體現在保護區域、保護范圍和保護時間上［14］。選取PCT 專利申請量、平均權利要求數量、有效專利占全部專利授權量比例作為法律質量指標分別體現這三個方面。

（3）專利經濟質量。專利技術可以給專利權人產生經濟收益的多少就是專利經濟質量［16］，很多企業申請專利時首先考慮的就是該技術能否產生合理的經濟收益［17］，同時，高質量專利常常也更加便于實施，產生更高的價值。選取專利產品銷售收入作為經濟質量指標，可以反映出專利為企業帶來的直接經濟價值。具體專利質量評價指標及其含義見表1。

表1 專利質量評價體系和指標表

由于專利從申請到授權，再至被其他專利引用需要一定的時間，因此，本文計算發明專利申請授權率時去除了當前專利狀態為“審中”的專利數，即當前搜索時間下，當年發明專利申請授權量/（當年發明專利申請量-當年發明專利實質審查量-當年發明專利公開量）；關于施引專利，在求當年申請專利被引平均數的同時，又進一步計算了申請年到檢索年的年平均數量。

3 企業專利質量客觀組合賦權評價模型

3.1 評價模型建立的思路

多指標綜合權重的計算方法可分為主觀和客觀賦權法兩種。主觀賦權法是根據決策者主觀判斷決定權重的一種方法，受主觀因素顯著影響，隨意性大，評價結果的準確性和可靠性較低，且難以克服，如G1 法、G2 法、專家調查法、AHP 層次分析法等。而客觀賦權法不通過人為判斷，只需依照某個特定的規則計算，指標的權重完全客觀得出，具有可重復性，能夠有效解決主觀賦權法中存在的問題，提高評價結果的準確性。同時，單一的賦權方法計算同一個評價對象得到的評價得分和排序往往存在不一致的問題。

本研究總結歸納相關文獻，發現客觀賦權法中熵值法［18］、離差最大化法［19］、均方差法［20］和主成分分析法［11］已經分別在多個專利質量相關評價中得到廣泛應用，較為成熟，適用于企業專利質量評價研究。因此采用綜合這4 種方法的客觀組合賦權法，以克服主觀賦權法和單一評價方法存在的上述問題，得到更為客觀精確的企業專利質量指標權重。其具體步驟如下：首先，根據已構建的企業專利質量評價體系對指標數據進行無量綱化處理；其次，分別選用熵值法、離差法、均方差法、主成分分析法進行指標賦權；再次，計算各賦權方法的權重系數，從而得到組合權重；最后，計算企業專利質量評價值。如圖1 所示。

圖1 企業專利質量客觀組合賦權評價模型

3.2 指標無量綱化

設Zpq表示p樣本q指標的無量綱值，Gpq表示p樣本q指標的原始值，n表示被評價樣本的個數，p=1,2,…,n；m表示評價指標個數，q=1,2,…,m。本研究測量指標均與專利質量呈正相關，根據正向打分公式得［21］：

其中，Gqmin為Gq指標的最小值；Gqmax為Gq指標的最大值。

3.3 單一評價方法賦權

3.3.1 熵值法確定權重

熵值法通過計算同一指標的數值差來表現指標的重要程度，數值差越大指標越重要，賦予的權重越大。

（1）計算指標比重dpq，公式為［22］：

（2）根據熵值公式［22］，計算第q個評價指標的熵值eq為：

（3）設wq為第q個指標的權重，計算公式為［22］：

3.3.2 離差最大化法確定權重

離差最大化法通過計算第q個指標的離差占所有指標總離差的比重來反映指標的重要程度，比重越大指標越重要，賦予的權重越大。

（1）設wq為第q個指標的權重，wq≥0。對于指標q，設Hpq(w)為樣本p與其他所有樣本指標值的離差(k=1,2,…,n)，則［19］：

（2）對于指標q，所有樣本與其他樣本的總離差為：

（3）根據離差最大化原理，構造目標函數［23］：

（4）運用Lagrange 乘數法計算模型解并歸一化，得出指標權重為：

3.3.3 均方差法確定權重

均方差法根據評價體系內指標的均方差來反映該指標的離散程度，各樣本在某指標下值的離散程度越大，那么該指標被賦予的權重也越大［21］。

（1）以各單項評價指標為隨機變量，Zpq(p=1,2,…,n;q=1,2,…,m)為第p個樣本第q個指標無量綱化得到的值，即為該隨機變量的取值。求出隨機變量的均值E(Aq)，公式為：

（2）求Aq的均方差σ(Aq)，公式為：

（3）對求得的均方差進行歸一化，即為指標Aq的權重系數wq，公式為：

3.3.4 主成分分析法確定權重

主成分分析法利用方差分析將給定的一組相關變量通過線性變換轉換為新的不相關的一組變量，并按照方差依次遞減的順序排列。用提取出的公因子進行評價值的回歸預測，建立主成分回歸方程，并解出對應的無量綱化原始變量對評價值的回歸方程，其變量系數即為各指標的權重系數，采用該方法能夠克服原來指標間的重復性［24］。本文使用SPSS22.0 軟件進行分析，對于部分計算原理有所省略。值得注意的是，主成分分析法一般采用Z-Score法對各指標數據進行無量綱化處理。

（1）無量綱化公式：

式（12）中：Gpq表示p樣本q指標的原始值；Zpq表示p樣本q指標的無量綱值；分別為第q個指標的樣本均值和標準差；Gqmax為q指標的最大值；n表示被評價樣本的個數，p=1,2,…,n；m表示評價指標個數，q=1,2,…,m。

（3）判斷數據是否適合主成分分析法。首先根據相關矩陣結果，如果相關系數大部分都大于0.3，則適合做主成分分析；其次進行巴特利特球形檢驗，要求結果拒絕原假設；再計算KMO 值，越靠近1 越事宜做主成分分析。

（5）根據初始因子載荷矩陣，解釋主成分。用因子載荷矩陣中的數據除以，以得到s個主成分中各指標相應的向量系數。根據各自對應的系數乘以標準化后的指標數據得到各主成分的表達式，公式為：

3.4 組合權重的確定

本文分別采用5 種客觀（熵值法、離差法、均方差法、主成分分析法）賦權方法求權重，則組合權重為：

稱式(16)是包含同時反映客觀信息集成特征的權重。

這時，被評價樣本Gp的綜合評價值為：

其中，p=1,2,…,n。

基于被評價對象之間差異最大的思想，建立目標函數［25］：

應用Lagrange 條件極值原理，可得組合系數［25］：

4 實證分析

4.1 數據來源

企業專利產品銷售收入數據通過江蘇省蘇州市吳中區政府發放的《吳中區知識產權密集型企業現狀研究》調查問卷進行收集，共回收問卷266 份，其中有效問卷187 份，數據時間為2014—2016 年。知識密集型企業主要指依賴于特有領域的知識和技術，給各類企業提供以知識為基礎的中間產品或服務的企業。知識密集型企業最為重要的智力資本是專利，它們善于對專有技術進行專利申請，尤其是對核心技術及時申請專利［26］，具有較大的研究價值，研究了解其專利產出和專利質量能夠達到“見微知著”的效果。

專利指標數據來自于國家知識產權局專利檢索數據庫和incoPat 專利數據庫(www.incopat.com)，是在專利申請人的搜索框中分別輸入187 個公司的中文名字，并將專利的申請日分別控制為2014、2015和2016 年。具體的專利數據incoPat 檢索過程如下：打開incoPat 科技創新情報平臺并登陸，進入專利檢索頁面，點擊高級檢索，下拉選擇申請人對話框，并輸入公司中文名稱，點擊檢索，通過左側功能框進行年份等信息篩選，最終獲取本研究所需專利指標數據。其中，平均權利要求數量、平均說明書和附圖頁數由于只能從專利申請文本中獲取，因此使用等距隨機抽樣法手工計算得出。

4.2 吳中區知識密集型企業專利質量綜合評價

4.2.1 組合權重的確定

（1）熵值法權重的計算。根據公式（1）得到無量綱化數值，代入公式（2）中，計算出指標比重dpq（p=1,2,…,n;q=1,2,…,m）。將dpq代入公式（3）和（4）中，計算出各指標權重，如表2 所示。

（2）離差最大化法權重的計算。將無量綱化數值代入公式（8）計算出各指標權重如表2 所示。

（3）均方差法權重的計算。根據公式（9）、（10）和（11），基于無量綱化數值計算出各指標權重如表2 所示。

表2 熵值法、離差最大化法和均方差法指標權重表

（4）主成分分析法權重的計算。運用SPSS22.0軟件，根據公式（13），相關矩陣中大部分相關系數都大于0.03，同時巴特利特球形檢驗結果顯示p＜0.05，拒絕原假設，KMO 值為0.784，因此可以進行主成分分析。由表3 可知，前6 個主成分方差累計貢獻率超過80%，因此，取前6 個指標代替原來的11 個指標。利用表4 因子載荷矩陣中的數據除以主成分特征值開平方，以得到6 個主成分中每個指標對應的向量系數，如表5 所示。

表3 總方差解釋表

表4 初始因子載荷矩陣表

表5 主成分指標系數表

表5（續）

表6 各指標主成分權重表

（5）組合權重的計算。將表7 中單一客觀賦權法得到的各指標權重代入公式（19），計算出組合系數=(0.083,0.363,0.265,0.289)。

之后，把得到的組合系數和表7 中各賦權方法下的指標權重帶入公式（16），計算出組合權重，如表7 所示。

表7 企業專利質量指標權重表

4.2.2 客觀組合評價值計算

將表7 中的組合權重和各指標無量綱化得分代入式（19），得到187 家企業2014—2016 年專利質量的描述性統計結果，見表8。其具體結果及排序，如表9 所示(限于篇幅限制，本文具體結果部分僅展示3 年平均評價值排名前20 的企業實證數據；考慮到數據的敏感性，出現的企業名稱用假名代替)。

從表8 來看，2016 年與2014 年相比，187 家企業專利質量評分平均值展現出增長趨勢，從0.140 增長到了0.198，年平均增長率為18.811%，且標準差有所減小，這在一定程度上說明吳中區知識密集型企業專利質量在這3 年中發展情況較好，企業間專利質量差距有所下降。

從表9 不難發現，各企業專利質量水平在相同年份的表現具有差異，且在3 年中的整體發展趨勢也不一樣。如HC 有限公司專利質量在3 年中呈現先減后增趨勢，DX 有限公司趨勢呈現為先增后減，WT 有限公司表現出逐年遞減趨勢，而KW 有限公司則出現逐年遞增趨勢，無論是在分數上還是在排名上。這可能是與企業自身因素和政府相關政策有關。

表8 綜合評價值描述性統計表

表9 平均評價值排名前20 企業的專利質量及排名情況表

從圖2 來看，187 家企業評價值各年分布并不均勻，分值在0.1 分以下的企業數量逐年減少，但多數企業的得分依然0.2 分以下。這反映出吳中區知識密集型企業專利質量整體還相對較低，需要進一步提升對專利質量的重視程度。

圖2 187 家吳中區知識密集型企業2014—2016 年專利質量評價值分布

5 研究結論

本文通過企業專利質量評價相關文獻研究，發現現有評價方法存在的不足，從專利技術質量、法律質量和經濟質量三方面構建了企業專利質量評價體系；采用熵值法、離差最大化法、均方差法和主成分分析法對各評價指標進行賦權，并基于評價指標之間差異最大原則，構建了企業專利質量評價模型；并以蘇州市吳中區知識密集型企業為例，對2014—2016 年企業專利質量進行實證研究，研究結果表明本文方法具有一定的有效性和可操作性，既體現了評價對象之間的差異，又克服了主觀賦權法產生的不確定性問題，以及單一方法評價的不足。本文所構建的客觀組合賦權模型也適用于其他類型企業的專利質量評價，這在一定程度上豐富了企業專利質量研究方法，有助于為企業專利質量提升及政府專利政策的制定提供實踐借鑒，還可以進一步推廣到區域專利質量評價上。

此外，通過吳中區知識密集型企業實證研究發現：從組合權重來看，企業有效專利占全部專利授權量的比例，發明專利平均權利要求數量和發明專利申請授權率是企業專利質量評價中權重系數最大的3 個指標。離差最大化法和均方差法得出的權重結果也都顯示有效專利占全部專利授權量比例為系數最大的指標，這兩種方法中其他指標的權重系數排名也和組合權重系數排名較為接近，說明這兩種方法在評價企業專利質量時較為穩定，而組合賦權是在它們的基礎上進行了優化，也證明本文所采用的組合賦權方法具有一定的穩健性。熵值法的結果顯示，PCT 專利申請量和合作專利申請數是排名前2的指標，結合實際數據發現，很多企業對這兩個指標不夠重視，有些企業沒有進行國際申請和合作申請，說明熵值法“看重”企業專利質量指標中的“短板”。主成分分析法得出的權重系數則較為均衡，系數最小指標為合作申請專利數(0.053)，最大為平均施引專利數(0.121)，指標間權重系數相差都不是很大。

由于能力有限，本研究也存在一些不足之處。考慮到個別指標計算難度大和時間限制的問題，本文在個別指標上運用了等距隨機抽樣的方法，以問卷方式獲取的企業專利產品銷售收入指標數據和企業自身填寫的數據難以保證完全的準確性，因此，未來關于企業專利質量的進一步研究可考慮多來源數據，避免同源方差，借助各種先進的數據挖掘工具搜集數據，擴大數據范圍，提升樣本代表性。