专利分类号耦合分析在企业潜在合作关系识别中的应用

温芳芳(河南科技大学管理学院，河南 洛阳 471023)

早在1963年，Kessler就提出了耦合分析(Bibliographic Coupling)的方法，以两篇论文共同引用的文献数量作为耦合强度(Coupling Strength)指标，用于衡量论文之间在学科归属和专业内容方面的接近程度[1]。耦合分析方法在文献计量学领域获得了广泛的应用，之后被引入专利计量领域，用于考察和揭示专利文献及专利权人之间的关联性。国内外业已开展的专利耦合分析多为专利引文耦合，即以引文作为媒介建立耦合关系，借此测度技术相似性[2]、寻找研究前沿[3]、发掘技术机会[4]、识别新兴技术[5]，并对可能出现的技术突破进行预见[6]，其科学性和有效性也在实证研究中获得了一定的检验[7]。有学者指出耦合分析由于具备更强的时效性、可操作性、完整性和稳定性等优点，与互引、共被引等其他分析方法相比更具优越性[8-9]。

专利分类号提供了除引文以外的另一种耦合媒介，借助于专利分类号建立耦合关联开辟了专利耦合分析的新维度。所以，笔者提出了专利分类号耦合分析方法，旨在衡量专利权人之间的技术相似性，进而发掘潜在合作关系，结果却发现分类号耦合关系同时蕴含着合作与竞争两种潜在的关系[10]。专利分类号耦合能够揭示企业的技术相似性，这种潜在的关联能否转化为现实的合作关系？专利耦合分析究竟更适合用来寻找合作伙伴，还是更易于找到竞争对手？这些问题仍需进一步的验证和分析。本文以“世界500强”汽车企业为例，从德温特专利数据库(DII)获取样本数据，建立企业之间的专利分类号耦合关系网络，并将其与现实合作关系网络进行对比，试图解答以上问题。

1 样本数据

《财富》杂志于2017年7月发布了“2017世界500强企业”榜单，我们选择入选榜单的全球23家汽车企业作为研究对象，从DII数据库获取样本数据。鉴于标准公司专利权人代码的唯一性，专利权人代码的检全率和检准率明显大于专利权人名称检索，所以我们以专利权人代码作为检索项。首先确认各个企业的专利权人代码，在DII数据库中23家汽车企业，除斯巴鲁汽车公司以外，其余都拥有标准公司代码。此外，尽管现代和起亚是两个独立运营的品牌，《财富》榜单也对两个品牌进行独立的评估和收录，但追溯公司发展演变历史，1998年现代收购起亚，2000年共同组建现代起亚汽车集团。在DII数据库中现代与起亚持有相同的专利权人代码(HYMR-C)，因此，我们将现代与起亚视为一个企业进行合并处理，统称为现代起亚。

为反映这些汽车企业最新的技术创新状况，我们选择最近一个年度的专利信息作为样本，截止检索时间点，2017年数据不完整，所以选择2016年1个年度。以各个样本企业的专利权人代码进行检索，斯巴鲁因为没有标准化代码，所以先采用非标准化代码进行检索，再利用企业名称对检索结果进行筛选，时间区间限定为2016年当年。检索时间为2017年8月5日，共获得检索记录29047条。经初步统计，企业作为第一专利权人持有的专利(族)总量为27 529件，其中，斯巴鲁的专利数量为0，我们将其剔除，所以，样本集合中实际上包含了21个样本企业。随后开展的计量分析主要围绕这21个样本企业展开，并以其持有的27 529件第一专利权人专利(族)作为样本数据。

除了IPC分类号以外，DII数据库还采用自创的分类体系为其收录的每件专利(族)重新进行分类，并赋予一个或多个德温特专利分类号(DC)。与IPC分类号相比，DC分类号侧重应用分类，在准确性和实用性方面更具优势[11]。本文以DC分类号作为媒介构建专利权人之间的耦合关系，首先建立21个样本企业的DC分类号集合，然后计算其两两之间的耦合频次，如式(1)所示：

pij=f(cij)cij∈({ci}∩{cj})

(1)

其中，pij为专利权人i和j之间的耦合频次，{ci}和{cj}分别代表着i和j的DC分类号集合，两者共同拥有的分类号用cij表示，f(cij)是样本集合中cij出现的频次。

根据以上公式自编VBA程序生成样本企业的DC分类号耦合关系矩阵(21*21)，矩阵中的数据为每两个专利权人(企业)之间的耦合频次。采用Salton方法对初始矩阵进行标准化处理，以消除专利权人拥有的专利数量差异对于耦合频次的影响。

2 研究结果

2.1 企业DC分类号耦合网络的可视化分析

将耦合网络的标准化矩阵导入Ucinet和NetDraw进行社会网络分析和可视化展示。耦合网络为无向网络，包含21个节点，210条连线，网络密度为1，整个网络为完备图，任意两个节点之间都存在大小不等的耦合关系。初始网络的连线过于密集，无法呈现出清晰的网络结构。我们将阈值设定为ij≥1，以剔除低强度的耦合关系，获得耦合关系网络的简化图，如图1所示。

当剔除低强度的耦合关系时，图中呈现出了一定的聚类结构，大致包含了3个类簇。左上方的广汽、上汽、东风、一汽、吉利等几个节点全部为中国的汽车企业；中间部分聚集的节点包括铃木、标致、大众、宝马、通用、本田、北汽等；右侧聚集的节点为丰田、现代起亚、福特、戴姆勒。DC分类号代表着专利所属的技术主题和应用领域，以DC分类号为媒介建立的耦合关系及其强度可以用来衡量专利权人之间的技术相似性。耦合关系强度越大，节点在网络图中的位置越接近，代表着专利权人所从事的专利研发主题越相似。

企业间的技术相似性是识别潜在技术竞争与合作对象的重要依据[12]。从潜在的合作关系角度分析，图1所呈现出的聚类现象，有助于我们识别潜在的专利联盟。图中包含了3个类簇，属于同一类簇的企业持有的专利存在着较高的技术相似性，在一定程度上说明这些企业从事的研究主题和技术方向高度相似，这些企业更易于建立起专利联盟，彼此之间可以开展合作研究，也可以采取专利交叉许可、互惠使用专利、建立专利组合、发布联合许可声明等方式，实现全方位的专利战略合作，成员企业通过结盟形式巩固其原有的技术优势，并促使其转化为现实的市场竞争力。

与此同时，从企业的竞争关系角度分析，专利技术的相似性意味着产品的相似性，所以，凡存在较高技术相似性的企业之间，其技术和产品也非常接近，彼此之间存在着直接的商业竞争关系。企业可以从专利权人分类号耦合关系网络中，直接找出主要竞争对手，并且通过监测和分析对手企业的专利情况，了解竞争对手在产品服务、技术研发、市场运营等方面的发展战略及变革动态[13]。由此可见，基于专利权人分类号耦合关系的技术相似性研究具有双重的情报价值，不仅能够帮助企业识别潜在的专利联盟，而且有助于企业监测竞争对手的技术和商业动向。

图1 全球主要汽车企业DC分类号耦合关系网络图(Cij≥1)

2.2 企业DC分类号耦合网络的因子分析

为了能将专利权人耦合关系网络的聚类结构和技术派系进行更为清晰具体的展示，我们利用SPSS软件对耦合关系的标准化矩阵进行因子分析，采用主成分分析从中萃取公共因子。从专利权人耦合关系网络中共提取出4个公共因子，累计方差解释率为77.42%，其中，#1因子的载荷值最高，方差解释率也最大。其次为#2因子，其他两个公共因子的载荷值和方差解释率都比较低。4个公共因子的方差解释率依次为：42.96%、19.39%、7.60%和7.47%。

随后将主成分分析结果中每个专利权人在各个公共因子上的载荷值建立二模矩阵，然后利用NetDraw进行可视化处理，生成因子分析结果的网络图，如图2所示。红色圆形节点代表专利权人，蓝色方形节点代表公共因子，红色节点大小仍然代表专利数量，蓝色节点大小代表各个公共因子的总载荷值，节点之间的连线代表各个专利权人在相应公共因子上的载荷，实际上反映了专利权人对于各个公共因子的归属情况，连线的粗细和颜色反映出载荷值的大小，其中，灰色(0<荷值<0.05)、黄色(0.05≤荷值<0.25)、浅蓝色(0.25≤荷值<0.45)、墨绿色(0.45≤荷值<0.65)、玫红色(0.65≤荷值<0.85)。

我们统计了样本集合中各个公共因子的高载荷值企业的专利分类号频次，在此基础之上，咨询了相关技术专家的意见和建议，依次标识出4个公共因子所代表的技术方向。

#1公共因子代表当前汽车行业的主流方向，该技术方向涵盖的研究领域比较宽泛，研究主题不太具体，主要关注发动机、变速箱、底盘、汽车电子等领域，这些技术方向一直以来都是汽车行业的关键技术。但是#1公共因子的研究重心已经开始向混合动力方向转变。21个样本企业对于#1公共因子所代表的研究方向都有参与，且载荷值普遍较高。

#2公共因子代表汽车行业的另一个主要技术方向——新能源汽车，以“X21-电动汽车”、“X16-电化学存储”、“Q14-电力推进”等为代表。共计10个企业参与该研究方向，其中，参与程度最高的是日产、丰田、福特；其次是现代起亚、本田、戴姆勒、通用、宝马；北汽和大众虽有参与，但载荷值很低。虽然#2公共因子的研究热度不及#1公共因子，却代表着汽车行业的未来发展趋势，当前已经引起许多汽车企业的重视，且参与程度较高企业的多是丰田、福特等全球知名的汽车巨头。

#3公共因子代表的研究方向为汽车设计制造中的数字化技术，其中，比较有代表性的专利分类号包括“T01-数字计算机”、“W01-电话与数据传输系统”等。数字化生产是世界汽车制造业发展的大趋势，以计算机辅助设计(CAD)、计算机辅助制造(CAM)、产品数据管理(PDM)为基础的数字化设计和虚拟开发技术，构成了全世界汽车产业发展的前沿与趋势。21个样本企业中共有11个企业参与该研究方向，其中载荷值较大的是塔塔、现代起亚和戴姆勒。

#4公共因子代表的研究方向相对较为传统和保守，代表性的专利分类号包括“Q17-汽车零件、配件、维修”、“Q51-发动机”、“Q13-传输控制”、“Q64-传动装置”等。这些技术方向相对比较保守，但是仍有不少企业进行相关的专利研发。共有10个样本企业参与该技术方向，载荷值较大的是雷诺和马自达。

图2 全球主要汽车企业DC分类号耦合关系网络因子分析结果

综上，就4个公共因子所代表的研究方向来看，#1公共因子是主流，#2和#3公共因子代表着汽车工业的发展新趋向，#4公共因子相对比较保守。我们对国内6个汽车企业进行重点考察，这些企业对于#1因子的关注程度非常高。北汽的研究主题相对更为多元化，对4个公共因子都有涉及，但是对其余3个公共因子的载荷值比较低；广汽和上汽只参与了#1和#4两个公共因子；一汽参与了#1和#3两个公共因子；吉利和东风只参与了#1公共因子。说明除北汽以外，其余5家中国汽车企业的技术方向相对单一，此外，#2公共因子是以电动汽车为代表的新能源汽车技术，但是，中国企业的关注和参与程度却不高。与之相比，丰田、现代起亚、戴姆勒、宝马、本田等企业的研究方向呈现出显著的多元化特征，对于多个公共因子都有关注和参与，并且对于#2和#3两个因子的载荷值较大，说明这些企业对于汽车工业高新技术和前沿主题的参与程度更高。

2.3 企业DC分类号耦合网络与合作网络的比较

从专利耦合网络中发掘的潜在合作关系能否转化为现实？我们专门构建了21个企业之间的专利合作关系网络，并将其与专利耦合网络进行比较，对现实合作关系与潜在合作关系进行对比和检验。首先计算样本集合的专利合作率为33.21%，专利合作度(篇均专利权人)为1.56。针对合作专利进一步统计了组织内合作和跨组织合作的比例，分别为92.92%和7.08%。样本集合中21个汽车企业的合作伙伴共计308个(不含样本企业自身)，根据专利权人名称在专利文献中的共现现象，我们构建了样本企业与其合作伙伴之间的合作关系网络矩阵(329*329)，如图3所示。21个样本企业用红色节点表示，其余专利权人全部用蓝色节点表示，因页面有限，所以，图中未标注出合作伙伴的名称。

1)21个样本企业相互之间的现实合作关系非常少见，由图3可知，红色节点之间鲜有连线，仅有丰田—福特—戴姆勒—现代起亚—大众—宝马等6个企业结成一个合作关系子网，另有通用—本田、吉利—沃尔沃两个合作关系对，若排除蓝色节点其余11个红色全部变成孤立节点，也就是说这11个企业与21个样本企业之间不存在任何合作关系。从合作关系强度来看，福特与现代起亚、福特与戴姆勒、通用与本田、丰田与宝马之间的合作强度相对较高，合作频次分别为20、12、10、7，但与其各自持有的专利数量相比，这样的合作频次实在是微乎其微。其余几个合作关系对的关系强度更低，合作频次仅为2或者1。

2)308个合作伙伴全部为DII数据库中拥有千件以上专利的标准公司(含企业、高校、研究机构和社会组织，专利权人代码的结尾标识为“-C”)，没有自然人和非标准公司的情况，可见，全球主要汽车企业的合作伙伴多为研究实力较强的机构。丰田对外合作程度最高，与之存在合作关系的机构多达152个，其中合作频次最高的是日本电装公司(NPDE-C)，合作频次高达616次。电装是世界顶级的汽车零部件供应商，曾是丰田的零部件工厂之一，1949年从丰田分离出来成为独立的企业，目前是日本国内最大的汽车零部件生产和供应商。丰田与电装曾是一家公司，彼此之间存在着深厚的亲缘关系，而亲缘正是促成丰田与电装高强度合作关系的重要因素。由节点中心性判断，除丰田以外，本田、现代起亚、戴姆勒、宝马、福特等企业对外合作程度也相对较高。

图3 全球主要汽车企业专利合作关系网络图

3)中国的6家企业对外合作程度普遍较低。广汽只有一个合作伙伴中山大学(UYSY-C)。上汽的合作伙伴共有4个，分别为法雷奥(VALO-C)4次，博世(BOSC-C)、上海工程技术大学(USES-C)和上海理工大学(USHS-C)各1次。北汽、东风、一汽3个企业对外没有合作伙伴。吉利汽车与沃尔沃之间存在着合作关系，合作频次仅为2，这也是6个中国企业中，唯一与其他样本专利权人存在现实合作关系的公司。吉利曾于多年前收购沃尔沃汽车的股份，还与沃尔沃签署合作协议成立合资公司，所以，吉利与沃尔沃之间是战略合作关系，两者在专利研发领域的合作实际上源于双方的“商业姻亲”关系。再次印证了专利合作关系并非单纯的学术关系或技术关系，而是受到社会关系的直接影响。

4)通过DC分类号耦合网络与现实合作关系网络的比较可以发现，潜在合作网络非常紧密(为完备图)，而现实合作网络则异常稀疏，21个样本企业之间，技术相似性是一种普遍的存在，而现实合作则是极为罕见的现象，显然潜在合作关系与现实合作行为存在一定的关联，但是没有必然的联系。我们发现在专利耦合网络中存在较高耦合强度的许多企业之间，在专利合作网络中并无现实的合作关系。但是，在专利合作网络中存在现实合作关系的企业，在专利耦合网络中确实存在着较高强度的耦合关系，例如丰田—福特—戴姆勒—现代起亚，以及通用—本田。由此可见，较高的技术相似性有助于企业之间开展专利研发合作，但是并非合作关系的充分条件。

3 结论与讨论

3.1 基于技术相似性的潜在合作关系能否转化为现实？

专利耦合网络包含的是一种潜在的、间接、隐性的关系，以技术相似性来预测专利权人之间可能形成的关系；而专利合作网络反映的是现实的、直接的、显性的关系，是专利权人之间业已存在的专利合作关系，以“共同申请、联合署名”为判定依据。DC专利分类号从应用性角度编制的，依据专利所属的学科领域和技术主题进行归类[14]。基于DC分类号而建立的专利耦合关系，完全是从企业拥有的相关专利所属的学科领域和技术主题角度来衡量其技术相似性。在生成耦合矩阵时只统计第一专利权人，排除了合作、引文等其他因素的影响，所以，这种相似性是一种纯粹的技术关联。

对技术相似性的解释通常借助于吸收能力理论加以分析，技术领域与知识结构较为相似的企业之间容易吸收对方的知识，降低不确定性，促进技术交流与合作研发[15]。但是，技术相似性只是从某个方面预示合作的可能性，真实的合作关系和合作行为更多受制于社会因素的影响。现实合作关系多是基于节点之间的亲缘、地缘关系而建立，是社会关系在专利技术创新活动中的映射[16]。专利研发领域的合作多发生在具有亲缘、地缘、业缘等关系的企业之间，例如，母公司和子公司之间，隶属于同一母公司的多个子公司之间，在商业领域存在战略合作关系的公司之间等。

笔者在前文以丰田和电装、吉利与沃尔沃为例，证实企业之间的亲缘关系及其商业战略合作关系更易于促成企业之间的专利研发合作。通过分类号耦合分析所揭示的潜在合作关系，单纯的建立在技术相似性的考察基础之上，不受其他社会关系因素的影响，也没有考虑企业之间的共同利益。事实上，现实的合作关系受到多种因素的影响，现实的合作动机也远比想象的更为复杂。从理论上来说，技术相似性指标可以用来识别潜在的合作伙伴及专利联盟，实际上，这种潜在的关联很难转化为现实的合作关系，理论与现实相去甚远。

3.2 专利耦合分析所识别的潜在关联预示着合作还是竞争？

两个企业的研究主题越接近，产品和技术越相似，彼此之间的竞争关系是不言而喻的。所以，分类号耦合不仅意味着潜在的合作，更代表着直接的竞争。鉴于专利的垄断性和排他性特征，企业很难与自己的竞争对手开展合作研究、分享专利成果。专利权人在寻找合作伙伴时，技术相似性并不是主要考虑因素，有时候技术相似性在搭建现实的合作关系的过程中不仅不能起到积极的促进作用，甚至还会产生负作用。本文研究发现21个样本企业之间虽然技术相似程度很高，但是相互之间却并无太多的现实合作行为，原因是显而易见的，这些汽车企业提供的产品和服务是相同的，彼此间存在直接的市场竞争关系，市场竞争会极大地阻碍同行内部的专利合作，企业很难将竞争对手作为专利研发的合作伙伴，与其分享创新成果及其收益。换而言之，专利合作更易于在拥有相同利益的个体之间开展，技术相似性并非促成专利合作的首因。

在对21个样本企业的308个合作伙伴进行分析后发现，这些机构呈现出一些共性特征：一是技术创新能力较强，在DII数据中都是拥有千件以上专利的标准代码机构；二是经营范围与样本企业并无直接竞争，多为高校、汽车零配件生产商等。可见，存在较高技术相似度的企业之间，若其业务及产品相同或相似，则预示着较强的竞争关系，若其业务及产品相异或者互补，才能真正称之为潜在的合作关系。互补性不同于单纯的相似性，它侧重于强调专利技术之间相关但有所差异，而差异性使得技术之间往往具有协同效应[17]。在同一技术集群内的企业的技术相关性较高，它们之间往往存在较强的技术竞争；不同集群内的企业相关性较低，说明技术互补的可能性比较大，因而合作的可能也相对较大[18]。