基于客觀組合賦權(quán)模型的企業(yè)專利質(zhì)量評價研究
——以蘇州市吳中區(qū)知識密集型企業(yè)為例

黃俊偉，張曉月

（南京工業(yè)大學(xué)經(jīng)濟(jì)與管理學(xué)院，江蘇南京 211816）

經(jīng)過近40 年的發(fā)展，我國專利事業(yè)取得了長足進(jìn)步。根據(jù)國家知識產(chǎn)權(quán)局網(wǎng)站公布的數(shù)據(jù)顯示，2018 年，中國發(fā)明專利申請量為154.2 萬件，共授權(quán)發(fā)明專利43.2 萬件；至2017 年，中國發(fā)明專利申請量連續(xù)7 年居世界首位。單從專利數(shù)量上看，我國已牢固確立“專利大國”地位，但是，仍然難以進(jìn)入專利強(qiáng)國之林，與美、日、德等發(fā)達(dá)國家相比，我國的基礎(chǔ)型、原創(chuàng)型和高質(zhì)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(yè)和專利強(qiáng)國企業(yè)之間還有較大差距。隨著全球各國和地區(qū)企業(yè)間貿(mào)易活動不斷增加，企業(yè)專利質(zhì)量的重要性更為凸顯，缺乏核心技術(shù)很難和競爭者對抗。

長期以來，國家對專利質(zhì)量高度重視。國務(wù)院在2015 年12 月發(fā)布了《關(guān)于新形勢下加快知識產(chǎn)權(quán)強(qiáng)國建設(shè)的若干意見》，其中確切提出要“實施專利質(zhì)量提升工程，培育一批核心專利”。提升企業(yè)專利質(zhì)量，是我國由知識產(chǎn)權(quán)大國邁向知識產(chǎn)權(quán)強(qiáng)國，由要素驅(qū)動發(fā)展轉(zhuǎn)變?yōu)閯?chuàng)新驅(qū)動發(fā)展的必然要求。

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

1 文獻(xiàn)綜述

1.1 企業(yè)專利質(zhì)量指標(biāo)的相關(guān)研究

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

國內(nèi)學(xué)者也開始嘗試運用企業(yè)專利質(zhì)量指標(biāo)，如卞雅莉［6］以美國納米材料產(chǎn)業(yè)2 000 多項專利數(shù)據(jù)為樣本，采用負(fù)二項回歸法發(fā)現(xiàn)專利引文數(shù)量和質(zhì)量對專利質(zhì)量有顯著正向影響，引文的滯后期越短，越有利于專利質(zhì)量提升。但由于我國沒有成熟便利的專利引證數(shù)據(jù)庫，針對國內(nèi)專利的研究只能采用一些搜集較為便利的質(zhì)量指標(biāo)，例如發(fā)明專利授權(quán)率、發(fā)明專利比例、PCT 專利數(shù)量、權(quán)利要求數(shù)量、說明書長度等。李仲飛等［7］認(rèn)為企業(yè)專利質(zhì)量可以用發(fā)明專利授權(quán)率、技術(shù)覆蓋范圍和發(fā)明人數(shù)量衡量，研究發(fā)現(xiàn)專利質(zhì)量有利于提升公司投資價值，其影響機(jī)制在于高專利質(zhì)量企業(yè)容易獲得更多的壟斷利潤。康志勇［8］認(rèn)為專利申請書頁數(shù)能夠反映企業(yè)專利質(zhì)量高低，并運用PSM-DID 模型研究發(fā)現(xiàn)政府補(bǔ)貼有利于企業(yè)專利質(zhì)量提升，該正向作用具有一定的持續(xù)性和滯后性。

1.2 企業(yè)專利質(zhì)量評價體系的相關(guān)研究

采用專利質(zhì)量指標(biāo)難以全面、合理地評價企業(yè)專利質(zhì)量，一些學(xué)者開始運用評價模型來研究企業(yè)專利質(zhì)量。國外如Lanjouw 等［9］運用引用和施引專利數(shù)量、專利族規(guī)模和權(quán)利要求數(shù)量4 個指標(biāo)構(gòu)建了專利質(zhì)量評價模型，并通過計算企業(yè)專利的平均值，得到其專利質(zhì)量，研究了1975—1993 年間在藥學(xué)、生物技術(shù)、化學(xué)等7 個技術(shù)領(lǐng)域企業(yè)專利質(zhì)量與企業(yè)生產(chǎn)力之間的關(guān)系。Trappey 等［10］從投資、維持和法律3個視角建立了企業(yè)專利質(zhì)量指標(biāo)體系，并基于專利可交易性潛力，采用主成分分析法、BP神經(jīng)網(wǎng)絡(luò)法構(gòu)建了企業(yè)專利質(zhì)量評價模型。

國內(nèi)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(biāo)，進(jìn)一步運用主成分分析法計算權(quán)重，建立了企業(yè)專利質(zhì)量綜合指數(shù)，最終以355 家中國創(chuàng)業(yè)板公司專利數(shù)據(jù)為樣本進(jìn)行了初步研究。曹明等［12］分別從地區(qū)、行業(yè)和企業(yè)3個層面建立了技術(shù)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(xié)同創(chuàng)新能力3 個方面選取指標(biāo)，并以3 個不同地區(qū)的企業(yè)為樣本進(jìn)行了實證評價。

綜上所述，學(xué)者們從不同的角度闡述了企業(yè)專利質(zhì)量的評價指標(biāo)，但縱觀國內(nèi)外相關(guān)研究，鮮有將這些因素納入一個系統(tǒng)進(jìn)行全面、綜合的研究，缺乏一個較為合理完善的企業(yè)專利質(zhì)量評價方法。首先，現(xiàn)有研究主要是采用一些單一的評價方法對企業(yè)專利質(zhì)量指標(biāo)進(jìn)行簡單賦權(quán)，這導(dǎo)致采用不同評價方法對單一評價對象的評價結(jié)果不一致，且評價對象之間的區(qū)別不大，難以較好地反映評價對象間的差異性［13］。其次，現(xiàn)有研究中對專利經(jīng)濟(jì)質(zhì)量的研究不足，很少考慮經(jīng)濟(jì)質(zhì)量的作用，而經(jīng)濟(jì)質(zhì)量能夠切實反映出專利的市場價值。因此，本文首先研究構(gòu)建了包含專利技術(shù)、法律和經(jīng)濟(jì)質(zhì)量的企業(yè)專利質(zhì)量評價體系，在此基礎(chǔ)上采用客觀組合賦權(quán)法建立了企業(yè)專利質(zhì)量組合賦權(quán)評價模型。本文采用的客觀組合賦權(quán)方法不受主觀因素影響、能夠客觀、準(zhǔn)確、充分地體現(xiàn)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(yè)專利質(zhì)量評價指標(biāo)體系構(gòu)建

本文定義企業(yè)專利質(zhì)量為某個企業(yè)的專利總體上滿足專利“新穎性、創(chuàng)造性、實用性”和說明書充分公開要求程度及其所產(chǎn)生的經(jīng)濟(jì)價值［14］。基于此定義，又根據(jù)文獻(xiàn)回顧認(rèn)為反映企業(yè)專利質(zhì)量的指標(biāo)可分為技術(shù)質(zhì)量、法律質(zhì)量和經(jīng)濟(jì)質(zhì)量三個方面［15］，并結(jié)合實際需要，最終選取了11 個二級指標(biāo)構(gòu)建了企業(yè)專利質(zhì)量評價體系。

（1）專利技術(shù)質(zhì)量。在評價體系中，專利技術(shù)質(zhì)量是指受專利技術(shù)進(jìn)步性的程度所影響的，或者說受相關(guān)技術(shù)本身所影響的專利客觀質(zhì)量［15］。一方面，發(fā)明專利是我國三類專利中唯一需要經(jīng)過實質(zhì)審查的、審查標(biāo)準(zhǔn)更為嚴(yán)格的專利，其技術(shù)質(zhì)量也更高，可以選取發(fā)明專利占專利申請量比例、發(fā)明專利申請授權(quán)率反映企業(yè)技術(shù)質(zhì)量高低；另一方面，專利所匯集的智慧結(jié)晶越多，其技術(shù)水平也就越高，選用平均引用專利數(shù)量、平均發(fā)明人數(shù)、合作申請專利數(shù)、平均說明書和附圖頁數(shù)能夠體現(xiàn)出企業(yè)專利所參考的現(xiàn)有研究數(shù)量、參與研發(fā)的人數(shù)、合作研發(fā)情況等信息，以識別出其技術(shù)質(zhì)量；此外，平均施引專利數(shù)量代表企業(yè)專利被他人認(rèn)可的程度，也能反映技術(shù)質(zhì)量。

（2）專利法律質(zhì)量。專利法律質(zhì)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(guī)定的主觀質(zhì)量，體現(xiàn)在保護(hù)區(qū)域、保護(hù)范圍和保護(hù)時間上［14］。選取PCT 專利申請量、平均權(quán)利要求數(shù)量、有效專利占全部專利授權(quán)量比例作為法律質(zhì)量指標(biāo)分別體現(xiàn)這三個方面。

（3）專利經(jīng)濟(jì)質(zhì)量。專利技術(shù)可以給專利權(quán)人產(chǎn)生經(jīng)濟(jì)收益的多少就是專利經(jīng)濟(jì)質(zhì)量［16］，很多企業(yè)申請專利時首先考慮的就是該技術(shù)能否產(chǎn)生合理的經(jīng)濟(jì)收益［17］，同時，高質(zhì)量專利常常也更加便于實施，產(chǎn)生更高的價值。選取專利產(chǎn)品銷售收入作為經(jīng)濟(jì)質(zhì)量指標(biāo)，可以反映出專利為企業(yè)帶來的直接經(jīng)濟(jì)價值。具體專利質(zhì)量評價指標(biāo)及其含義見表1。

表1 專利質(zhì)量評價體系和指標(biāo)表

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

3 企業(yè)專利質(zhì)量客觀組合賦權(quán)評價模型

3.1 評價模型建立的思路

多指標(biāo)綜合權(quán)重的計算方法可分為主觀和客觀賦權(quán)法兩種。主觀賦權(quán)法是根據(jù)決策者主觀判斷決定權(quán)重的一種方法，受主觀因素顯著影響，隨意性大，評價結(jié)果的準(zhǔn)確性和可靠性較低，且難以克服，如G1 法、G2 法、專家調(diào)查法、AHP 層次分析法等。而客觀賦權(quán)法不通過人為判斷，只需依照某個特定的規(guī)則計算，指標(biāo)的權(quán)重完全客觀得出，具有可重復(fù)性，能夠有效解決主觀賦權(quán)法中存在的問題，提高評價結(jié)果的準(zhǔn)確性。同時，單一的賦權(quán)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(jié)歸納相關(guān)文獻(xiàn)，發(fā)現(xiàn)客觀賦權(quán)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(jīng)分別在多個專利質(zhì)量相關(guān)評價中得到廣泛應(yīng)用，較為成熟，適用于企業(yè)專利質(zhì)量評價研究。因此采用綜合這4 種方法的客觀組合賦權(quán)法，以克服主觀賦權(quán)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(yè)專利質(zhì)量指標(biāo)權(quán)重。其具體步驟如下：首先，根據(jù)已構(gòu)建的企業(yè)專利質(zhì)量評價體系對指標(biāo)數(shù)據(jù)進(jìn)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(jìn)行指標(biāo)賦權(quán)；再次，計算各賦權(quán)方法的權(quán)重系數(shù)，從而得到組合權(quán)重；最后，計算企業(yè)專利質(zhì)量評價值。如圖1 所示。

圖1 企業(yè)專利質(zhì)量客觀組合賦權(quán)評價模型

3.2 指標(biāo)無量綱化

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

其中，Gqmin為Gq指標(biāo)的最小值；Gqmax為Gq指標(biāo)的最大值。

3.3 單一評價方法賦權(quán)

3.3.1 熵值法確定權(quán)重

熵值法通過計算同一指標(biāo)的數(shù)值差來表現(xiàn)指標(biāo)的重要程度，數(shù)值差越大指標(biāo)越重要，賦予的權(quán)重越大。

（1）計算指標(biāo)比重dpq，公式為［22］：

（2）根據(jù)熵值公式［22］，計算第q個評價指標(biāo)的熵值eq為：

（3）設(shè)wq為第q個指標(biāo)的權(quán)重，計算公式為［22］：

3.3.2 離差最大化法確定權(quán)重

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

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

（2）對于指標(biāo)q，所有樣本與其他樣本的總離差為：

（3）根據(jù)離差最大化原理，構(gòu)造目標(biāo)函數(shù)［23］：

（4）運用Lagrange 乘數(shù)法計算模型解并歸一化，得出指標(biāo)權(quán)重為：

3.3.3 均方差法確定權(quán)重

均方差法根據(jù)評價體系內(nèi)指標(biāo)的均方差來反映該指標(biāo)的離散程度，各樣本在某指標(biāo)下值的離散程度越大，那么該指標(biāo)被賦予的權(quán)重也越大［21］。

（1）以各單項評價指標(biāo)為隨機(jī)變量，Zpq(p=1,2,…,n;q=1,2,…,m)為第p個樣本第q個指標(biāo)無量綱化得到的值，即為該隨機(jī)變量的取值。求出隨機(jī)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(jìn)行歸一化，即為指標(biāo)Aq的權(quán)重系數(shù)wq，公式為：

3.3.4 主成分分析法確定權(quán)重

主成分分析法利用方差分析將給定的一組相關(guān)變量通過線性變換轉(zhuǎn)換為新的不相關(guān)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(jìn)行評價值的回歸預(yù)測，建立主成分回歸方程，并解出對應(yīng)的無量綱化原始變量對評價值的回歸方程，其變量系數(shù)即為各指標(biāo)的權(quán)重系數(shù)，采用該方法能夠克服原來指標(biāo)間的重復(fù)性［24］。本文使用SPSS22.0 軟件進(jìn)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(biāo)數(shù)據(jù)進(jìn)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(biāo)的原始值；Zpq表示p樣本q指標(biāo)的無量綱值；分別為第q個指標(biāo)的樣本均值和標(biāo)準(zhǔn)差；Gqmax為q指標(biāo)的最大值；n表示被評價樣本的個數(shù)，p=1,2,…,n；m表示評價指標(biāo)個數(shù)，q=1,2,…,m。

（3）判斷數(shù)據(jù)是否適合主成分分析法。首先根據(jù)相關(guān)矩陣結(jié)果，如果相關(guān)系數(shù)大部分都大于0.3，則適合做主成分分析；其次進(jìn)行巴特利特球形檢驗，要求結(jié)果拒絕原假設(shè)；再計算KMO 值，越靠近1 越事宜做主成分分析。

（5）根據(jù)初始因子載荷矩陣，解釋主成分。用因子載荷矩陣中的數(shù)據(jù)除以，以得到s個主成分中各指標(biāo)相應(yīng)的向量系數(shù)。根據(jù)各自對應(yīng)的系數(shù)乘以標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù)得到各主成分的表達(dá)式，公式為：

3.4 組合權(quán)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(quán)方法求權(quán)重，則組合權(quán)重為：

稱式(16)是包含同時反映客觀信息集成特征的權(quán)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(biāo)函數(shù)［25］：

應(yīng)用Lagrange 條件極值原理，可得組合系數(shù)［25］：

4 實證分析

4.1 數(shù)據(jù)來源

企業(yè)專利產(chǎn)品銷售收入數(shù)據(jù)通過江蘇省蘇州市吳中區(qū)政府發(fā)放的《吳中區(qū)知識產(chǎn)權(quán)密集型企業(yè)現(xiàn)狀研究》調(diào)查問卷進(jìn)行收集，共回收問卷266 份，其中有效問卷187 份，數(shù)據(jù)時間為2014—2016 年。知識密集型企業(yè)主要指依賴于特有領(lǐng)域的知識和技術(shù)，給各類企業(yè)提供以知識為基礎(chǔ)的中間產(chǎn)品或服務(wù)的企業(yè)。知識密集型企業(yè)最為重要的智力資本是專利，它們善于對專有技術(shù)進(jìn)行專利申請，尤其是對核心技術(shù)及時申請專利［26］，具有較大的研究價值，研究了解其專利產(chǎn)出和專利質(zhì)量能夠達(dá)到“見微知著”的效果。

專利指標(biāo)數(shù)據(jù)來自于國家知識產(chǎn)權(quán)局專利檢索數(shù)據(jù)庫和incoPat 專利數(shù)據(jù)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(shù)據(jù)incoPat 檢索過程如下：打開incoPat 科技創(chuàng)新情報平臺并登陸，進(jìn)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(cè)功能框進(jìn)行年份等信息篩選，最終獲取本研究所需專利指標(biāo)數(shù)據(jù)。其中，平均權(quán)利要求數(shù)量、平均說明書和附圖頁數(shù)由于只能從專利申請文本中獲取，因此使用等距隨機(jī)抽樣法手工計算得出。

4.2 吳中區(qū)知識密集型企業(yè)專利質(zhì)量綜合評價

4.2.1 組合權(quán)重的確定

（1）熵值法權(quán)重的計算。根據(jù)公式（1）得到無量綱化數(shù)值，代入公式（2）中，計算出指標(biāo)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(biāo)權(quán)重，如表2 所示。

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

（3）均方差法權(quán)重的計算。根據(jù)公式（9）、（10）和（11），基于無量綱化數(shù)值計算出各指標(biāo)權(quán)重如表2 所示。

表2 熵值法、離差最大化法和均方差法指標(biāo)權(quán)重表

（4）主成分分析法權(quán)重的計算。運用SPSS22.0軟件，根據(jù)公式（13），相關(guān)矩陣中大部分相關(guān)系數(shù)都大于0.03，同時巴特利特球形檢驗結(jié)果顯示p＜0.05，拒絕原假設(shè)，KMO 值為0.784，因此可以進(jìn)行主成分分析。由表3 可知，前6 個主成分方差累計貢獻(xiàn)率超過80%，因此，取前6 個指標(biāo)代替原來的11 個指標(biāo)。利用表4 因子載荷矩陣中的數(shù)據(jù)除以主成分特征值開平方，以得到6 個主成分中每個指標(biāo)對應(yīng)的向量系數(shù)，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(biāo)系數(shù)表

表5（續(xù)）

表6 各指標(biāo)主成分權(quán)重表

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

之后，把得到的組合系數(shù)和表7 中各賦權(quán)方法下的指標(biāo)權(quán)重帶入公式（16），計算出組合權(quán)重，如表7 所示。

表7 企業(yè)專利質(zhì)量指標(biāo)權(quán)重表

4.2.2 客觀組合評價值計算

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

從表8 來看，2016 年與2014 年相比，187 家企業(yè)專利質(zhì)量評分平均值展現(xiàn)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(biāo)準(zhǔn)差有所減小，這在一定程度上說明吳中區(qū)知識密集型企業(yè)專利質(zhì)量在這3 年中發(fā)展情況較好，企業(yè)間專利質(zhì)量差距有所下降。

從表9 不難發(fā)現(xiàn)，各企業(yè)專利質(zhì)量水平在相同年份的表現(xiàn)具有差異，且在3 年中的整體發(fā)展趨勢也不一樣。如HC 有限公司專利質(zhì)量在3 年中呈現(xiàn)先減后增趨勢，DX 有限公司趨勢呈現(xiàn)為先增后減，WT 有限公司表現(xiàn)出逐年遞減趨勢，而KW 有限公司則出現(xiàn)逐年遞增趨勢，無論是在分?jǐn)?shù)上還是在排名上。這可能是與企業(yè)自身因素和政府相關(guān)政策有關(guān)。

表8 綜合評價值描述性統(tǒng)計表

表9 平均評價值排名前20 企業(yè)的專利質(zhì)量及排名情況表

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

圖2 187 家吳中區(qū)知識密集型企業(yè)2014—2016 年專利質(zhì)量評價值分布

5 研究結(jié)論

本文通過企業(yè)專利質(zhì)量評價相關(guān)文獻(xiàn)研究，發(fā)現(xiàn)現(xiàn)有評價方法存在的不足，從專利技術(shù)質(zhì)量、法律質(zhì)量和經(jīng)濟(jì)質(zhì)量三方面構(gòu)建了企業(yè)專利質(zhì)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(biāo)進(jìn)行賦權(quán)，并基于評價指標(biāo)之間差異最大原則，構(gòu)建了企業(yè)專利質(zhì)量評價模型；并以蘇州市吳中區(qū)知識密集型企業(yè)為例，對2014—2016 年企業(yè)專利質(zhì)量進(jìn)行實證研究，研究結(jié)果表明本文方法具有一定的有效性和可操作性，既體現(xiàn)了評價對象之間的差異，又克服了主觀賦權(quán)法產(chǎn)生的不確定性問題，以及單一方法評價的不足。本文所構(gòu)建的客觀組合賦權(quán)模型也適用于其他類型企業(yè)的專利質(zhì)量評價，這在一定程度上豐富了企業(yè)專利質(zhì)量研究方法，有助于為企業(yè)專利質(zhì)量提升及政府專利政策的制定提供實踐借鑒，還可以進(jìn)一步推廣到區(qū)域?qū)＠|(zhì)量評價上。

此外，通過吳中區(qū)知識密集型企業(yè)實證研究發(fā)現(xiàn)：從組合權(quán)重來看，企業(yè)有效專利占全部專利授權(quán)量的比例，發(fā)明專利平均權(quán)利要求數(shù)量和發(fā)明專利申請授權(quán)率是企業(yè)專利質(zhì)量評價中權(quán)重系數(shù)最大的3 個指標(biāo)。離差最大化法和均方差法得出的權(quán)重結(jié)果也都顯示有效專利占全部專利授權(quán)量比例為系數(shù)最大的指標(biāo)，這兩種方法中其他指標(biāo)的權(quán)重系數(shù)排名也和組合權(quán)重系數(shù)排名較為接近，說明這兩種方法在評價企業(yè)專利質(zhì)量時較為穩(wěn)定，而組合賦權(quán)是在它們的基礎(chǔ)上進(jìn)行了優(yōu)化，也證明本文所采用的組合賦權(quán)方法具有一定的穩(wěn)健性。熵值法的結(jié)果顯示，PCT 專利申請量和合作專利申請數(shù)是排名前2的指標(biāo)，結(jié)合實際數(shù)據(jù)發(fā)現(xiàn)，很多企業(yè)對這兩個指標(biāo)不夠重視，有些企業(yè)沒有進(jìn)行國際申請和合作申請，說明熵值法“看重”企業(yè)專利質(zhì)量指標(biāo)中的“短板”。主成分分析法得出的權(quán)重系數(shù)則較為均衡，系數(shù)最小指標(biāo)為合作申請專利數(shù)(0.053)，最大為平均施引專利數(shù)(0.121)，指標(biāo)間權(quán)重系數(shù)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(biāo)計算難度大和時間限制的問題，本文在個別指標(biāo)上運用了等距隨機(jī)抽樣的方法，以問卷方式獲取的企業(yè)專利產(chǎn)品銷售收入指標(biāo)數(shù)據(jù)和企業(yè)自身填寫的數(shù)據(jù)難以保證完全的準(zhǔn)確性，因此，未來關(guān)于企業(yè)專利質(zhì)量的進(jìn)一步研究可考慮多來源數(shù)據(jù)，避免同源方差，借助各種先進(jìn)的數(shù)據(jù)挖掘工具搜集數(shù)據(jù)，擴(kuò)大數(shù)據(jù)范圍，提升樣本代表性。