基于客观组合赋权模型的企业专利质量评价研究——以苏州市吴中区知识密集型企业为例

黄俊伟，张晓月

（南京工业大学经济与管理学院，江苏南京 211816）

经过近40 年的发展，我国专利事业取得了长足进步。根据国家知识产权局网站公布的数据显示，2018 年，中国发明专利申请量为154.2 万件，共授权发明专利43.2 万件；至2017 年，中国发明专利申请量连续7 年居世界首位。单从专利数量上看，我国已牢固确立“专利大国”地位，但是，仍然难以进入专利强国之林，与美、日、德等发达国家相比，我国的基础型、原创型和高质量的专利还较少［1］，存在着很多的所谓“问题专利”“垃圾专利”，尤其在海外专利布局、专利运用水平方面，我国企业和专利强国企业之间还有较大差距。随着全球各国和地区企业间贸易活动不断增加，企业专利质量的重要性更为凸显，缺乏核心技术很难和竞争者对抗。

长期以来，国家对专利质量高度重视。国务院在2015 年12 月发布了《关于新形势下加快知识产权强国建设的若干意见》，其中确切提出要“实施专利质量提升工程，培育一批核心专利”。提升企业专利质量，是我国由知识产权大国迈向知识产权强国，由要素驱动发展转变为创新驱动发展的必然要求。

可见，当前迫切需要一种合理完善的针对企业层面的专利质量评价方法，用于识别企业专利质量的高低，分析企业专利质量的影响因素。然而，现有研究主要是采用一些单一的评价方法对企业专利质量指标进行简单赋权，也很少考虑经济质量的作用，难以从整体上客观、精确地反映企业专利质量。鉴于此，本文首先研究构建了企业专利质量评价体系，并将企业专利产品销售收入作为专利经济质量评价指标纳入评价体系之中，在此基础上采用客观组合赋权法对评价对象进行赋权，建立了企业专利质量组合赋权评价模型，最终运用此模型对苏州市吴中区知识密集型企业2014—2016 年的专利质量进行了实证分析。

1 文献综述

1.1 企业专利质量指标的相关研究

针对企业专利质量的研究始于20 世纪80 年代，至今仍然是专利研究的热点，学者们通常采用企业专利的某一个或几个指标代表企业的专利质量。国外如Narin 等［2］学者利用即时影响指数(Citation Impact Index,CII)、科学关联性(Science Linkage,SL)等一系列评价指标对企业专利质量进行评价。Hall等［3］认为企业专利外部引用不如自引用价值高，可以预测的引文不如“不可预测的”引文作用强，专利被多引用一次就能够使企业市场价值提高3%。Chen 等［4］用4 种企业专利质量指标：相对专利位置、显示技术优势、专利赫芬达尔指数和专利引用反映企业专利质量。Ito 等［5］针对已有专利比新申请专利施引次数通常更多的问题，用企业各专利的施引次数除以相同申请年同一IPC 分类号下专利的最大施引次数，用该比值进一步得出企业施引加权的专利申请量表示企业专利的质量。

国内学者也开始尝试运用企业专利质量指标，如卞雅莉［6］以美国纳米材料产业2 000 多项专利数据为样本，采用负二项回归法发现专利引文数量和质量对专利质量有显著正向影响，引文的滞后期越短，越有利于专利质量提升。但由于我国没有成熟便利的专利引证数据库，针对国内专利的研究只能采用一些搜集较为便利的质量指标，例如发明专利授权率、发明专利比例、PCT 专利数量、权利要求数量、说明书长度等。李仲飞等［7］认为企业专利质量可以用发明专利授权率、技术覆盖范围和发明人数量衡量，研究发现专利质量有利于提升公司投资价值，其影响机制在于高专利质量企业容易获得更多的垄断利润。康志勇［8］认为专利申请书页数能够反映企业专利质量高低，并运用PSM-DID 模型研究发现政府补贴有利于企业专利质量提升，该正向作用具有一定的持续性和滞后性。

1.2 企业专利质量评价体系的相关研究

采用专利质量指标难以全面、合理地评价企业专利质量，一些学者开始运用评价模型来研究企业专利质量。国外如Lanjouw 等［9］运用引用和施引专利数量、专利族规模和权利要求数量4 个指标构建了专利质量评价模型，并通过计算企业专利的平均值，得到其专利质量，研究了1975—1993 年间在药学、生物技术、化学等7 个技术领域企业专利质量与企业生产力之间的关系。Trappey 等［10］从投资、维持和法律3个视角建立了企业专利质量指标体系，并基于专利可交易性潜力，采用主成分分析法、BP神经网络法构建了企业专利质量评价模型。

国内方面，胡谍等［11］从专利范围、专利引证和专利维持等角度选取指标，进一步运用主成分分析法计算权重，建立了企业专利质量综合指数，最终以355 家中国创业板公司专利数据为样本进行了初步研究。曹明等［12］分别从地区、行业和企业3个层面建立了技术竞争力综合评价体系，其中微观评价体系主要从专利量、专利水平和协同创新能力3 个方面选取指标，并以3 个不同地区的企业为样本进行了实证评价。

综上所述，学者们从不同的角度阐述了企业专利质量的评价指标，但纵观国内外相关研究，鲜有将这些因素纳入一个系统进行全面、综合的研究，缺乏一个较为合理完善的企业专利质量评价方法。首先，现有研究主要是采用一些单一的评价方法对企业专利质量指标进行简单赋权，这导致采用不同评价方法对单一评价对象的评价结果不一致，且评价对象之间的区别不大，难以较好地反映评价对象间的差异性［13］。其次，现有研究中对专利经济质量的研究不足，很少考虑经济质量的作用，而经济质量能够切实反映出专利的市场价值。因此，本文首先研究构建了包含专利技术、法律和经济质量的企业专利质量评价体系，在此基础上采用客观组合赋权法建立了企业专利质量组合赋权评价模型。本文采用的客观组合赋权方法不受主观因素影响、能够客观、准确、充分地体现各评价对象之间的差异性，也克服了单一方法评价相同对象排序和得分不相同的问题。

2 企业专利质量评价指标体系构建

本文定义企业专利质量为某个企业的专利总体上满足专利“新颖性、创造性、实用性”和说明书充分公开要求程度及其所产生的经济价值［14］。基于此定义，又根据文献回顾认为反映企业专利质量的指标可分为技术质量、法律质量和经济质量三个方面［15］，并结合实际需要，最终选取了11 个二级指标构建了企业专利质量评价体系。

（1）专利技术质量。在评价体系中，专利技术质量是指受专利技术进步性的程度所影响的，或者说受相关技术本身所影响的专利客观质量［15］。一方面，发明专利是我国三类专利中唯一需要经过实质审查的、审查标准更为严格的专利，其技术质量也更高，可以选取发明专利占专利申请量比例、发明专利申请授权率反映企业技术质量高低；另一方面，专利所汇集的智慧结晶越多，其技术水平也就越高，选用平均引用专利数量、平均发明人数、合作申请专利数、平均说明书和附图页数能够体现出企业专利所参考的现有研究数量、参与研发的人数、合作研发情况等信息，以识别出其技术质量；此外，平均施引专利数量代表企业专利被他人认可的程度，也能反映技术质量。

（2）专利法律质量。专利法律质量是代理人和审查员之间相互博弈、共同努力所确定的满足法律规定的主观质量，体现在保护区域、保护范围和保护时间上［14］。选取PCT 专利申请量、平均权利要求数量、有效专利占全部专利授权量比例作为法律质量指标分别体现这三个方面。

（3）专利经济质量。专利技术可以给专利权人产生经济收益的多少就是专利经济质量［16］，很多企业申请专利时首先考虑的就是该技术能否产生合理的经济收益［17］，同时，高质量专利常常也更加便于实施，产生更高的价值。选取专利产品销售收入作为经济质量指标，可以反映出专利为企业带来的直接经济价值。具体专利质量评价指标及其含义见表1。

表1 专利质量评价体系和指标表

由于专利从申请到授权，再至被其他专利引用需要一定的时间，因此，本文计算发明专利申请授权率时去除了当前专利状态为“审中”的专利数，即当前搜索时间下，当年发明专利申请授权量/（当年发明专利申请量-当年发明专利实质审查量-当年发明专利公开量）；关于施引专利，在求当年申请专利被引平均数的同时，又进一步计算了申请年到检索年的年平均数量。

3 企业专利质量客观组合赋权评价模型

3.1 评价模型建立的思路

多指标综合权重的计算方法可分为主观和客观赋权法两种。主观赋权法是根据决策者主观判断决定权重的一种方法，受主观因素显著影响，随意性大，评价结果的准确性和可靠性较低，且难以克服，如G1 法、G2 法、专家调查法、AHP 层次分析法等。而客观赋权法不通过人为判断，只需依照某个特定的规则计算，指标的权重完全客观得出，具有可重复性，能够有效解决主观赋权法中存在的问题，提高评价结果的准确性。同时，单一的赋权方法计算同一个评价对象得到的评价得分和排序往往存在不一致的问题。

本研究总结归纳相关文献，发现客观赋权法中熵值法［18］、离差最大化法［19］、均方差法［20］和主成分分析法［11］已经分别在多个专利质量相关评价中得到广泛应用，较为成熟，适用于企业专利质量评价研究。因此采用综合这4 种方法的客观组合赋权法，以克服主观赋权法和单一评价方法存在的上述问题，得到更为客观精确的企业专利质量指标权重。其具体步骤如下：首先，根据已构建的企业专利质量评价体系对指标数据进行无量纲化处理；其次，分别选用熵值法、离差法、均方差法、主成分分析法进行指标赋权；再次，计算各赋权方法的权重系数，从而得到组合权重；最后，计算企业专利质量评价值。如图1 所示。

图1 企业专利质量客观组合赋权评价模型

3.2 指标无量纲化

设Zpq表示p样本q指标的无量纲值，Gpq表示p样本q指标的原始值，n表示被评价样本的个数，p=1,2,…,n；m表示评价指标个数，q=1,2,…,m。本研究测量指标均与专利质量呈正相关，根据正向打分公式得［21］：

其中，Gqmin为Gq指标的最小值；Gqmax为Gq指标的最大值。

3.3 单一评价方法赋权

3.3.1 熵值法确定权重

熵值法通过计算同一指标的数值差来表现指标的重要程度，数值差越大指标越重要，赋予的权重越大。

（1）计算指标比重dpq，公式为［22］：

（2）根据熵值公式［22］，计算第q个评价指标的熵值eq为：

（3）设wq为第q个指标的权重，计算公式为［22］：

3.3.2 离差最大化法确定权重

离差最大化法通过计算第q个指标的离差占所有指标总离差的比重来反映指标的重要程度，比重越大指标越重要，赋予的权重越大。

（1）设wq为第q个指标的权重，wq≥0。对于指标q，设Hpq(w)为样本p与其他所有样本指标值的离差(k=1,2,…,n)，则［19］：

（2）对于指标q，所有样本与其他样本的总离差为：

（3）根据离差最大化原理，构造目标函数［23］：

（4）运用Lagrange 乘数法计算模型解并归一化，得出指标权重为：

3.3.3 均方差法确定权重

均方差法根据评价体系内指标的均方差来反映该指标的离散程度，各样本在某指标下值的离散程度越大，那么该指标被赋予的权重也越大［21］。

（1）以各单项评价指标为随机变量，Zpq(p=1,2,…,n;q=1,2,…,m)为第p个样本第q个指标无量纲化得到的值，即为该随机变量的取值。求出随机变量的均值E(Aq)，公式为：

（2）求Aq的均方差σ(Aq)，公式为：

（3）对求得的均方差进行归一化，即为指标Aq的权重系数wq，公式为：

3.3.4 主成分分析法确定权重

主成分分析法利用方差分析将给定的一组相关变量通过线性变换转换为新的不相关的一组变量，并按照方差依次递减的顺序排列。用提取出的公因子进行评价值的回归预测，建立主成分回归方程，并解出对应的无量纲化原始变量对评价值的回归方程，其变量系数即为各指标的权重系数，采用该方法能够克服原来指标间的重复性［24］。本文使用SPSS22.0 软件进行分析，对于部分计算原理有所省略。值得注意的是，主成分分析法一般采用Z-Score法对各指标数据进行无量纲化处理。

（1）无量纲化公式：

式（12）中：Gpq表示p样本q指标的原始值；Zpq表示p样本q指标的无量纲值；分别为第q个指标的样本均值和标准差；Gqmax为q指标的最大值；n表示被评价样本的个数，p=1,2,…,n；m表示评价指标个数，q=1,2,…,m。

（3）判断数据是否适合主成分分析法。首先根据相关矩阵结果，如果相关系数大部分都大于0.3，则适合做主成分分析；其次进行巴特利特球形检验，要求结果拒绝原假设；再计算KMO 值，越靠近1 越事宜做主成分分析。

（5）根据初始因子载荷矩阵，解释主成分。用因子载荷矩阵中的数据除以，以得到s个主成分中各指标相应的向量系数。根据各自对应的系数乘以标准化后的指标数据得到各主成分的表达式，公式为：

3.4 组合权重的确定

本文分别采用5 种客观（熵值法、离差法、均方差法、主成分分析法）赋权方法求权重，则组合权重为：

称式(16)是包含同时反映客观信息集成特征的权重。

这时，被评价样本Gp的综合评价值为：

其中，p=1,2,…,n。

基于被评价对象之间差异最大的思想，建立目标函数［25］：

应用Lagrange 条件极值原理，可得组合系数［25］：

4 实证分析

4.1 数据来源

企业专利产品销售收入数据通过江苏省苏州市吴中区政府发放的《吴中区知识产权密集型企业现状研究》调查问卷进行收集，共回收问卷266 份，其中有效问卷187 份，数据时间为2014—2016 年。知识密集型企业主要指依赖于特有领域的知识和技术，给各类企业提供以知识为基础的中间产品或服务的企业。知识密集型企业最为重要的智力资本是专利，它们善于对专有技术进行专利申请，尤其是对核心技术及时申请专利［26］，具有较大的研究价值，研究了解其专利产出和专利质量能够达到“见微知著”的效果。

专利指标数据来自于国家知识产权局专利检索数据库和incoPat 专利数据库(www.incopat.com)，是在专利申请人的搜索框中分别输入187 个公司的中文名字，并将专利的申请日分别控制为2014、2015和2016 年。具体的专利数据incoPat 检索过程如下：打开incoPat 科技创新情报平台并登陆，进入专利检索页面，点击高级检索，下拉选择申请人对话框，并输入公司中文名称，点击检索，通过左侧功能框进行年份等信息筛选，最终获取本研究所需专利指标数据。其中，平均权利要求数量、平均说明书和附图页数由于只能从专利申请文本中获取，因此使用等距随机抽样法手工计算得出。

4.2 吴中区知识密集型企业专利质量综合评价

4.2.1 组合权重的确定

（1）熵值法权重的计算。根据公式（1）得到无量纲化数值，代入公式（2）中，计算出指标比重dpq（p=1,2,…,n;q=1,2,…,m）。将dpq代入公式（3）和（4）中，计算出各指标权重，如表2 所示。

（2）离差最大化法权重的计算。将无量纲化数值代入公式（8）计算出各指标权重如表2 所示。

（3）均方差法权重的计算。根据公式（9）、（10）和（11），基于无量纲化数值计算出各指标权重如表2 所示。

表2 熵值法、离差最大化法和均方差法指标权重表

（4）主成分分析法权重的计算。运用SPSS22.0软件，根据公式（13），相关矩阵中大部分相关系数都大于0.03，同时巴特利特球形检验结果显示p＜0.05，拒绝原假设，KMO 值为0.784，因此可以进行主成分分析。由表3 可知，前6 个主成分方差累计贡献率超过80%，因此，取前6 个指标代替原来的11 个指标。利用表4 因子载荷矩阵中的数据除以主成分特征值开平方，以得到6 个主成分中每个指标对应的向量系数，如表5 所示。

表3 总方差解释表

表4 初始因子载荷矩阵表

表5 主成分指标系数表

表5（续）

表6 各指标主成分权重表

（5）组合权重的计算。将表7 中单一客观赋权法得到的各指标权重代入公式（19），计算出组合系数=(0.083,0.363,0.265,0.289)。

之后，把得到的组合系数和表7 中各赋权方法下的指标权重带入公式（16），计算出组合权重，如表7 所示。

表7 企业专利质量指标权重表

4.2.2 客观组合评价值计算

将表7 中的组合权重和各指标无量纲化得分代入式（19），得到187 家企业2014—2016 年专利质量的描述性统计结果，见表8。其具体结果及排序，如表9 所示(限于篇幅限制，本文具体结果部分仅展示3 年平均评价值排名前20 的企业实证数据；考虑到数据的敏感性，出现的企业名称用假名代替)。

从表8 来看，2016 年与2014 年相比，187 家企业专利质量评分平均值展现出增长趋势，从0.140 增长到了0.198，年平均增长率为18.811%，且标准差有所减小，这在一定程度上说明吴中区知识密集型企业专利质量在这3 年中发展情况较好，企业间专利质量差距有所下降。

从表9 不难发现，各企业专利质量水平在相同年份的表现具有差异，且在3 年中的整体发展趋势也不一样。如HC 有限公司专利质量在3 年中呈现先减后增趋势，DX 有限公司趋势呈现为先增后减，WT 有限公司表现出逐年递减趋势，而KW 有限公司则出现逐年递增趋势，无论是在分数上还是在排名上。这可能是与企业自身因素和政府相关政策有关。

表8 综合评价值描述性统计表

表9 平均评价值排名前20 企业的专利质量及排名情况表

从图2 来看，187 家企业评价值各年分布并不均匀，分值在0.1 分以下的企业数量逐年减少，但多数企业的得分依然0.2 分以下。这反映出吴中区知识密集型企业专利质量整体还相对较低，需要进一步提升对专利质量的重视程度。

图2 187 家吴中区知识密集型企业2014—2016 年专利质量评价值分布

5 研究结论

本文通过企业专利质量评价相关文献研究，发现现有评价方法存在的不足，从专利技术质量、法律质量和经济质量三方面构建了企业专利质量评价体系；采用熵值法、离差最大化法、均方差法和主成分分析法对各评价指标进行赋权，并基于评价指标之间差异最大原则，构建了企业专利质量评价模型；并以苏州市吴中区知识密集型企业为例，对2014—2016 年企业专利质量进行实证研究，研究结果表明本文方法具有一定的有效性和可操作性，既体现了评价对象之间的差异，又克服了主观赋权法产生的不确定性问题，以及单一方法评价的不足。本文所构建的客观组合赋权模型也适用于其他类型企业的专利质量评价，这在一定程度上丰富了企业专利质量研究方法，有助于为企业专利质量提升及政府专利政策的制定提供实践借鉴，还可以进一步推广到区域专利质量评价上。

此外，通过吴中区知识密集型企业实证研究发现：从组合权重来看，企业有效专利占全部专利授权量的比例，发明专利平均权利要求数量和发明专利申请授权率是企业专利质量评价中权重系数最大的3 个指标。离差最大化法和均方差法得出的权重结果也都显示有效专利占全部专利授权量比例为系数最大的指标，这两种方法中其他指标的权重系数排名也和组合权重系数排名较为接近，说明这两种方法在评价企业专利质量时较为稳定，而组合赋权是在它们的基础上进行了优化，也证明本文所采用的组合赋权方法具有一定的稳健性。熵值法的结果显示，PCT 专利申请量和合作专利申请数是排名前2的指标，结合实际数据发现，很多企业对这两个指标不够重视，有些企业没有进行国际申请和合作申请，说明熵值法“看重”企业专利质量指标中的“短板”。主成分分析法得出的权重系数则较为均衡，系数最小指标为合作申请专利数(0.053)，最大为平均施引专利数(0.121)，指标间权重系数相差都不是很大。

由于能力有限，本研究也存在一些不足之处。考虑到个别指标计算难度大和时间限制的问题，本文在个别指标上运用了等距随机抽样的方法，以问卷方式获取的企业专利产品销售收入指标数据和企业自身填写的数据难以保证完全的准确性，因此，未来关于企业专利质量的进一步研究可考虑多来源数据，避免同源方差，借助各种先进的数据挖掘工具搜集数据，扩大数据范围，提升样本代表性。