李瑞璇　王學(xué)思

〔摘 要〕對(duì)廣東省21個(gè)城市進(jìn)行地區(qū)專利綜合評(píng)價(jià)，為達(dá)到數(shù)據(jù)簡化、客觀賦權(quán)、區(qū)域間比較的功能，采用文獻(xiàn)調(diào)查法選取地區(qū)專利綜合評(píng)價(jià)指標(biāo)24個(gè)，并結(jié)合廣東省知識(shí)產(chǎn)權(quán)局的專利統(tǒng)計(jì)信息的基本數(shù)據(jù)，再在此基礎(chǔ)上進(jìn)行因子分析，將多項(xiàng)指標(biāo)聚合為新的因子，并用提取、計(jì)算出的6個(gè)主因子得分進(jìn)行系統(tǒng)聚類分析，得出廣東省各市專利綜合實(shí)力的分類。該研究幫助相關(guān)人員了解地區(qū)專利的優(yōu)勢(shì)和不足，從而為地區(qū)專利發(fā)展提供決策支持。

〔關(guān)鍵詞〕因子分析；聚類分析；數(shù)據(jù)挖掘；專利評(píng)價(jià)

〔中圖分類號(hào)〕G250.252 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008－0821（2012）09－0172－06

工業(yè)革命之后，世界上的創(chuàng)新發(fā)明越來越多，而專利的誕生，是為了保證發(fā)明人的創(chuàng)造活動(dòng)得到一定量的回報(bào)，以激勵(lì)更多的發(fā)明研究工作。1624年英國頒布了《壟斷法》，這是早期專利制度的雛形，我國也于1985年頒布了《專利法》[1]。我國經(jīng)濟(jì)經(jīng)過30多年的發(fā)展，目前正經(jīng)歷著從勞動(dòng)密集型向高科產(chǎn)業(yè)型的方向發(fā)展，而判斷是否轉(zhuǎn)型成功的標(biāo)尺之一就在于專利的發(fā)展?fàn)顩r，專利是企業(yè)或國家在各種競(jìng)爭(zhēng)中取得優(yōu)勢(shì)的關(guān)鍵因素。廣東省一直處于全國經(jīng)濟(jì)發(fā)展的前沿，但各地之間的專利發(fā)展情況不均，為了能找出地區(qū)間的差距并有針對(duì)性地采取措施，對(duì)廣東省各地區(qū)的專利綜合評(píng)價(jià)應(yīng)客觀、全面、科學(xué)，為此，本文選用目前較為權(quán)威、科學(xué)的專利評(píng)價(jià)指標(biāo)體系，在此基礎(chǔ)上對(duì)廣東省2010年的專利統(tǒng)計(jì)數(shù)據(jù)進(jìn)行因子分析和聚類分析，以期有效促進(jìn)廣東省各地區(qū)專利水平的提高和發(fā)展。

1 專利評(píng)價(jià)指標(biāo)體系

對(duì)專利評(píng)價(jià)指標(biāo)體系的選用也是對(duì)專利綜合實(shí)力進(jìn)行評(píng)價(jià)的一個(gè)關(guān)鍵步驟，專利評(píng)價(jià)指標(biāo)是相對(duì)于原始數(shù)據(jù)的二次數(shù)據(jù)，用來進(jìn)行分析的二次數(shù)據(jù)是否準(zhǔn)確、客觀、全面，影響著分析結(jié)果的好壞。

我國專利制度實(shí)施得比較晚，對(duì)專利指標(biāo)的研究還處于初期階段，目前的研究熱點(diǎn)不僅僅只注重專利數(shù)量，同時(shí)也重視專利質(zhì)量以及專利綜合評(píng)價(jià)，如黃慶[2]（2004）等的《專利評(píng)價(jià)指標(biāo)體系——專利評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)和構(gòu)建》，肖國華等[3]（2008）《專利分析評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)與構(gòu)建》，張冬梅[4]等（2006）《專利情報(bào)分析指標(biāo)體系——分析方法與技術(shù)》，阮梅花[5]等（2011）《企業(yè)自主創(chuàng)新能力評(píng)價(jià)的專利指標(biāo)體系構(gòu)建初探》等等，結(jié)合國外Huang Z[6]的研究來總結(jié)以上所有文獻(xiàn)，本文在選取專利評(píng)價(jià)體系遵循以下幾個(gè)方面：

（1）較客觀、科學(xué)、全面、準(zhǔn)確地表現(xiàn)我國在世界上、我國不同地區(qū)或者各個(gè)行業(yè)乃至企業(yè)的專利綜合實(shí)力；

（2）“量”和“率”結(jié)合的平衡?！傲俊敝傅氖强偭?，用來評(píng)價(jià)總體實(shí)力情況；“率”用來評(píng)價(jià)相對(duì)強(qiáng)度情況。

（3）實(shí)用并具有指導(dǎo)性。

最終，本文選取的地區(qū)專利綜合評(píng)價(jià)指標(biāo)由表1所示：

2 專利綜合評(píng)價(jià)的方法

在進(jìn)行數(shù)據(jù)分析之前，首先對(duì)本文運(yùn)用的因子分析、聚類分析進(jìn)行介紹和說明。

2.1 因子分析法

因子分析法是指從研究指標(biāo)相關(guān)矩陣內(nèi)部的依賴關(guān)系出發(fā)，把一些信息重疊、具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)不相關(guān)的綜合因子的一種多元統(tǒng)計(jì)分析方法，基本思想是：根據(jù)相關(guān)性大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，但不同組的變量不相關(guān)或相關(guān)性較低，每組變量代表一個(gè)基本結(jié)構(gòu)——即公共因子[7]。即用較少的綜合指標(biāo)分別綜合存在于各變量中的各類信息，而綜合指標(biāo)之間彼此不相關(guān)，各指標(biāo)代表的信息不重疊。根據(jù)因子分析的目的得知，綜合指標(biāo)應(yīng)該比原始變量少，但包含的信息量應(yīng)該相對(duì)損失較少[8]。

因子分析的基本原理[9]是：選擇i個(gè)主分量Z1，Z2，……，Zi，其中Zi=ai1*F1+ai2*F2+……+aim*Fi+ε，F(xiàn)1、F2 、…、Fi稱為公共因子，ε稱為以Zi的特殊因子，aim是第i個(gè)變量在第m個(gè)因子上的負(fù)荷，它一方面表示Zi對(duì)Fi的依賴程度，絕對(duì)值越大，密切程度越高；另一方面也反映了變量Zi對(duì)公共因子Fi的相對(duì)重要性，把a(bǔ)im稱為因子荷載。該模型中的因子載荷矩陣需要用適當(dāng)?shù)姆椒ㄟM(jìn)行估計(jì)，使得各個(gè)公共因子之間相互獨(dú)立；然后，分別計(jì)算出公共因子Fi的得分：F=f1*Z1+f2*Z2+……+fi*Zi，fi作為每個(gè)主分量Zi的方差貢獻(xiàn)率的權(quán)數(shù)（即因子得分系數(shù)）。最后利用此綜合評(píng)價(jià)函數(shù)進(jìn)行綜合評(píng)價(jià)，即以每個(gè)因子的方差貢獻(xiàn)率占因子總方差貢獻(xiàn)率的比重作為權(quán)數(shù)進(jìn)行加權(quán)計(jì)算綜合得分。

本文使用因子分析的主要目的是可以通過因子分析對(duì)各因子進(jìn)行客觀賦權(quán)，以便確定綜合評(píng)價(jià)的重要因素——權(quán)重，權(quán)重反映不同評(píng)價(jià)指標(biāo)對(duì)地區(qū)專利的影響程度大小，引入權(quán)重的綜合評(píng)價(jià)可以更科學(xué)合理地評(píng)價(jià)地區(qū)專利發(fā)展?fàn)顩r。

2.2 聚類分析法

聚類（Clustering）就是將數(shù)據(jù)分組成為多個(gè)類（Cluster），在同一個(gè)類內(nèi)對(duì)象之間具有較高的相似度，不同類之間的對(duì)象差別較大，聚類分析師一種無監(jiān)督數(shù)據(jù)挖掘方法，它基于觀測(cè)之間的相似度或距離將觀測(cè)（數(shù)據(jù)）分組[10]。一個(gè)好的聚類方法會(huì)產(chǎn)生高質(zhì)量的聚類結(jié)果，使同一類別內(nèi)的觀測(cè)相似度高，而不同類的觀測(cè)差異大。

3 專利綜合評(píng)價(jià)的實(shí)證分析

本文選取了廣東省21個(gè)市作為樣本，并對(duì)樣本進(jìn)行因子分析與聚類分析。樣本數(shù)據(jù)根據(jù)廣東省知識(shí)產(chǎn)權(quán)局網(wǎng)站2006－2010年的專利統(tǒng)計(jì)報(bào)表計(jì)算得出，其中主要數(shù)據(jù)來源于2010年，個(gè)別數(shù)據(jù)根據(jù)2006－2010年統(tǒng)計(jì)計(jì)算得出，計(jì)算與統(tǒng)計(jì)過程使用EXCEL與SPSS統(tǒng)計(jì)分析工具完成。

3.1 基于因子分析的實(shí)證研究

（1）采用SPSS因子分析統(tǒng)計(jì)得出公因子特征值與貢獻(xiàn)率表以及公因子得分系數(shù)矩陣如表1、表2所示：

按特征值大于1的原則提取公因子，最終提取了6個(gè)公因子，第一個(gè)公因子的特征根為11.108，解釋了總變異的46.285%，以此類推，6個(gè)公因子的累積貢獻(xiàn)率達(dá)91.425%，信息損失為8.575%，能較為全面地反映信息。

（2）此時(shí)，用回歸法計(jì)算出得分，并按系數(shù)大小加權(quán)進(jìn)行排序，從而得出公因子得分系數(shù)矩陣，如表3所示：

由表2可知，第一公因子Z1的特征值最高，貢獻(xiàn)率也最高，并且由表3可知，第一公因子Z1得分大都為正，且數(shù)值都很高，因此可以認(rèn)為Z1代表地區(qū)專利發(fā)展水平，Z1越高表明地區(qū)綜合專利發(fā)展水平實(shí)力越強(qiáng)。實(shí)用新型授權(quán)量X6，實(shí)用新型申請(qǐng)量X2，工礦企業(yè)授權(quán)量X18，工礦企業(yè)申請(qǐng)量X13，發(fā)明專利申請(qǐng)量X1，機(jī)關(guān)單位授權(quán)量X19在Z1上有高荷載；大專院校申請(qǐng)量X11，大專院校授權(quán)量X16，科研機(jī)構(gòu)授權(quán)量X17，科研機(jī)構(gòu)申請(qǐng)量X12在Z2上有高荷載；外觀設(shè)計(jì)授權(quán)率X9，實(shí)用新型授權(quán)率X7，發(fā)明專利授權(quán)率X5在Z3上有高荷載；技術(shù)衰老系數(shù)γ在Z4上有高荷載；年專利申請(qǐng)?jiān)鲩L率X20，年專利授權(quán)增長率X21在Z5上有高荷載。

因此，可以認(rèn)為公共因子Z1包括以下幾個(gè)方面的指標(biāo)：一是反映專利質(zhì)量情況的指標(biāo)；二是反映專利數(shù)量情況的指標(biāo)；三是專利來源的指標(biāo)，這三者被聚合為一個(gè)因子的原因之一，是所選擇的數(shù)量類指標(biāo)、質(zhì)量類指標(biāo)與專利來源指標(biāo)之間有密切的相關(guān)關(guān)系，三者之間相互影響，并代表著地區(qū)專利發(fā)展的關(guān)鍵因素。因子Z2包括專利來源的授權(quán)量和申請(qǐng)量指標(biāo)，這說明專利來源的各種情況也反映著地區(qū)專利發(fā)展的情況。因子Z3包括專利質(zhì)量類指標(biāo)，原因是該類指標(biāo)是靠比例計(jì)算得出，因此聚合在一個(gè)因子中，該因子的貢獻(xiàn)率在10%以上，專利質(zhì)量對(duì)地區(qū)專利的發(fā)展情況起著至關(guān)重要的作用。因子Z4包括技術(shù)發(fā)展程度指標(biāo)，該類指標(biāo)都是反映專利的發(fā)展趨勢(shì)，其貢獻(xiàn)率為9.6%。因子Z5包括專利發(fā)展情況指標(biāo)。根據(jù)各因子包含的反映地區(qū)專利發(fā)展情況的各個(gè)維度的指標(biāo)類型對(duì)各個(gè)因子進(jìn)行命名，命名原則是貢獻(xiàn)率因子，以載荷大的因子來命名。

（3）得出公因子得分系數(shù)矩陣后，以各公因子的方差貢獻(xiàn)率fi占其總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)匯總[11]，得出專利綜合得分F，專利綜合評(píng)價(jià)函數(shù)為：F=（f1*Z1+…+fi*Zi）／∑fi。在該案例中的公式為：F=(0.46285*Z1+0.14518*Z2+…+0.04386*Z6)/0.91425，按此公式，根據(jù)表1與表2的數(shù)據(jù)，計(jì)算出每個(gè)城市在每個(gè)公因子下的得分并計(jì)算出綜合得分，得出表5。

根據(jù)表5的得分，按綜合評(píng)價(jià)得分F可將廣東省專利綜合實(shí)力分為6個(gè)階梯：第一階為深圳和廣州，兩者為廣東省專利綜合實(shí)力最突出的地區(qū)，由于深圳和廣州是廣東省重點(diǎn)發(fā)展的地區(qū)，并且人才更集中，其地理環(huán)境優(yōu)越、交通便捷、人才資源豐富、經(jīng)濟(jì)基礎(chǔ)雄厚，這是深圳與廣州專利綜合實(shí)力處于領(lǐng)先地位的重要因素。第二階梯為佛山、東莞、中山，這些地區(qū)專利綜合實(shí)力也很雄厚，源于地處深圳與廣州附近，并且工業(yè)發(fā)達(dá)。第三階梯的惠州、清遠(yuǎn)、珠海等，其專利綜合實(shí)力較好。第四階梯的韶關(guān)、肇慶等專利綜合實(shí)力一般。第五階梯為云浮、茂名等，專利綜合實(shí)力較差。第六階梯為陽江、潮州，專利綜合實(shí)力很差。

進(jìn)一步分析，廣州市與深圳市遙遙領(lǐng)先于其他各市，其主要原因在于兩者的綜合因子得分都很高，并且廣州市與深圳市之間也有區(qū)別，廣州市的專利來源因子得分很高，說明廣州市的專利來源分布均勻并且在數(shù)量與質(zhì)量上都占據(jù)絕對(duì)優(yōu)勢(shì)，相對(duì)來說，深圳市的專利質(zhì)量因子、專利發(fā)展情況因子以及技術(shù)發(fā)展程度因子都要優(yōu)于廣州市，這情況說明廣州市聚集了各大高校以及研究所等，科研人才相較于深圳市來說有絕對(duì)的優(yōu)勢(shì)，而由于深圳市的政治經(jīng)濟(jì)因素，使其專利質(zhì)量以及發(fā)展情況更優(yōu)于廣州市。東莞市、佛山市與中山市的專利綜合因子得分相近，并且實(shí)用新型與外觀設(shè)計(jì)因子得分都較高，三者之中只有中山市的專利來源因子以及專利發(fā)展情況因子較優(yōu)，說明這3個(gè)城市主要注重于加工制造業(yè)，真正的發(fā)明創(chuàng)新較少，其中中山市的專利發(fā)展結(jié)構(gòu)較為合理并長久發(fā)展的可能。清遠(yuǎn)市、惠州市、珠海市等專利綜合因子得分較低，但專利來源因子、專利質(zhì)量因子等得分都較高，說明其專利各項(xiàng)發(fā)展水平都良好，但是無法成為一個(gè)系統(tǒng)發(fā)揮促進(jìn)專利綜合發(fā)展的作用，為此，這些城市需協(xié)調(diào)各項(xiàng)專利因素之間的聯(lián)系與影響。其他的分析也同上文相似，比如各個(gè)市之間排名的比較與該市專利開發(fā)的分布情況等，都可以依據(jù)上述描述，根據(jù)表4的數(shù)據(jù)分析出來，并可以據(jù)此看出各市的不足與優(yōu)勢(shì)，分析各市的發(fā)展重點(diǎn)以及需要進(jìn)行的改進(jìn)等。在此不再探討。

3.2 基于聚類分析的實(shí)證研究

為看出各市專利發(fā)展水平的相似程度，本文在因子分析的基礎(chǔ)上再運(yùn)用聚類分析方法對(duì)各市進(jìn)行分類。

根據(jù)因子分析中得到的6個(gè)因子對(duì)21個(gè)城市進(jìn)行分層聚類，分別用4類、6類、8類進(jìn)行聚類，發(fā)現(xiàn)分為8類較為合理，最后得到各市在8類中的屬類，即表4最后一列。圖2是反映聚類過程的樹狀圖，該圖各市右邊的序號(hào)為該市的綜合實(shí)力排名。

圖1的樹狀圖給出了每一步中被合并類的過程，因此可以進(jìn)一步分析類之間的關(guān)系和同一類的差別，以下將進(jìn)一步探討。第一類為廣州，是因?yàn)閺V州專利綜合因子、專利來源因子得分最高，專利綜合總得分也遙遙領(lǐng)先于其他城市；第二類是深圳，深圳專利綜合因子、專利質(zhì)量因子、技術(shù)發(fā)展情況以及專利發(fā)展情況得分很高，專利綜合評(píng)價(jià)總分也很高；第三類為佛山和東莞，兩個(gè)城市的專利發(fā)展水平相似，故聚為一類；第四類為中山、汕頭、江門，這3個(gè)城市專利總綜合得分雖然在排名上差距較大，但絕對(duì)值差較小，在利綜合因子、專利來源因子、專利質(zhì)量因子、技術(shù)發(fā)展情況因子的得分上結(jié)構(gòu)相似，因此聚在了一類；以此類推，第五類為清遠(yuǎn)與韶關(guān)，專利綜合因子得分相似，專利來源因子與專利發(fā)展情況因子得分較高；第六類為湛江、珠海等；第七類是陽江，專利綜合評(píng)價(jià)很差，但技術(shù)發(fā)展情況因子得分很高；第八類是潮州，專利綜合評(píng)價(jià)以及各方面因子都很差。

參考文獻(xiàn)

[1]邵勇.專利指標(biāo)及其經(jīng)濟(jì)效益研究[Ｄ].暨南大學(xué)，2003:1-2．

[2]黃慶，曹津燕，瞿衛(wèi)軍，等.專利評(píng)價(jià)指標(biāo)體系——專利評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)和構(gòu)建[J].知識(shí)產(chǎn)權(quán)，2004，（5）:25-28．

[3]肖國華，王春，姜禾，等.專利分析評(píng)價(jià)指標(biāo)體系的設(shè)計(jì)與構(gòu)建[J].圖書情報(bào)工作，2008，(3):96-99．

[4]張冬梅，曾忠祿.專利情報(bào)分析指標(biāo)體系——分析方法與技術(shù)[J].情報(bào)雜志，2006，(3)：55-57．

[5]阮梅花，肖滬衛(wèi).企業(yè)自主創(chuàng)新能力評(píng)價(jià)的專利指標(biāo)體系構(gòu)建初探[J].大學(xué)圖書館情報(bào)學(xué)刊，2011，（2）：85-89．

[6]Huang Z，Chen H，Yi PA，et al.Longitudinal patent analysis for nanoscale science and engineering:Country，institution and technology field[J]．Journal of Nanoparticle Research.2003，5(3):333－363．

[7]白思俊，等.系統(tǒng)工程[M].北京：電子工業(yè)出版社，2006:25-50．

[8]宇傳華.SPSS與統(tǒng)計(jì)分析[M].北京：電子工業(yè)出版社，2007:459-513．

[9]龔光明，張柳亮.基于因子分析的湖南省上市公司績效評(píng)價(jià)[J].會(huì)計(jì)之友，2012，(1):36-39．

[10]張俊妮.數(shù)據(jù)挖掘與應(yīng)用[M].北京：北京大學(xué)出版社，2009:70-79．

[11]戴維 F.格羅布納.商務(wù)統(tǒng)計(jì)（第六版）[M].北京：機(jī)械工業(yè)出版社，2008:355-367．

（本文責(zé)任編輯：王 涓）