楊毓麗 彭 博 吳華蕾

(大連理工大學(xué)圖書館 大連 116024)

0 引 言

人才作為技術(shù)發(fā)明創(chuàng)造的主體，是高校創(chuàng)新發(fā)展與影響力提升的重要著力點(diǎn)。因此如何構(gòu)建一套科學(xué)的、行之有效的評(píng)估方法進(jìn)行人才專利質(zhì)量的比較和評(píng)價(jià)，一直以來都是學(xué)術(shù)界的研究熱點(diǎn)之一。為此，本研究在梳理專利質(zhì)量?jī)?nèi)涵與評(píng)價(jià)方法的基礎(chǔ)上，進(jìn)行了基于綜合評(píng)價(jià)指標(biāo)構(gòu)建研究，以期為專利質(zhì)量評(píng)價(jià)研究提供參考。

1 發(fā)明人專利質(zhì)量評(píng)價(jià)方法

目前學(xué)術(shù)界對(duì)如何衡量專利質(zhì)量尚無一致的結(jié)論，但在眾多表征專利質(zhì)量評(píng)估指標(biāo)中，引文被廣泛認(rèn)為是衡量專利對(duì)后續(xù)技術(shù)發(fā)展影響的一個(gè)有用指標(biāo)，被引次數(shù)反映專利質(zhì)量信息可以從多個(gè)角度予以解釋：文獻(xiàn)[1]認(rèn)為核心專利是在某一領(lǐng)域具有首創(chuàng)性的，被后續(xù)科技引用及產(chǎn)業(yè)化集聚必不可少的專利。一項(xiàng)專利獲得的正向引用越多，在一定程度上說明該專利對(duì)特定技術(shù)的創(chuàng)新就越有價(jià)值。文獻(xiàn)[2]認(rèn)為專利間引用關(guān)系實(shí)質(zhì)上是技術(shù)知識(shí)分析、對(duì)比、鑒別、判定和選擇的共同參與行為。引文是專利知識(shí)的溢出，是專利質(zhì)量的重要影響要素。由于專利對(duì)背景技術(shù)的引用很可能成為審查員以引用專利為對(duì)比文件，作為否定該專利新穎性、創(chuàng)造性的判斷依據(jù)，因此，發(fā)明人在引用時(shí)非常謹(jǐn)慎，以防止在后續(xù)程序中引起爭(zhēng)議。由此可見，專利引用表征著引證專利在技術(shù)上的關(guān)聯(lián)性，被引專利是基礎(chǔ)技術(shù)，對(duì)引用專利的權(quán)利要求保護(hù)范圍有限制作用，因此文獻(xiàn)[3]認(rèn)為被引是原始專利具有開創(chuàng)性本質(zhì)的外在表現(xiàn)。

除此之外，影響跡和學(xué)術(shù)矩陣是2013年Fred Y. Ye等在I3指數(shù)基礎(chǔ)上融合H指數(shù)，構(gòu)建的成果評(píng)價(jià)方法。2015年影響跡成功應(yīng)用于專利發(fā)明人影響力研究[9-10]，專利跡評(píng)價(jià)思路是將被引次數(shù)降序排序，從而可以得到專利數(shù)-引文分布。x軸以H指數(shù)和零被引為分界點(diǎn)，將專利數(shù)量分布劃分為h核(Pc)、h尾(Pt)以及零引專利3個(gè)區(qū)間。沿著引文的y軸被分為3個(gè)區(qū)間：(i)e域(Ce>h) ;(ii)h域(Cc=h)；(iii)h尾中的引文Ct(0

專利跡即根據(jù)3個(gè)不同區(qū)間(超被引、h核、一般被引)專利量數(shù)值與被引文數(shù)參數(shù)，以此作為專利跡T(T=X1+Y2+Z3)。T越大，發(fā)明人專利影響力越高。

關(guān)于專利價(jià)值的量化，目前許多數(shù)據(jù)商推出了綜合專利價(jià)值評(píng)估工具，例如專利強(qiáng)度是Innography系統(tǒng)核心功能之一，它是專利影響力判斷的綜合指標(biāo)。專利強(qiáng)度的主要影響因素包括：被引次數(shù)、每項(xiàng)專利平均參考數(shù)量等[11]。價(jià)值度則是合享智慧研發(fā)的專利價(jià)值度評(píng)價(jià)指標(biāo)。該指標(biāo)以主成分線性加權(quán)綜合評(píng)價(jià)方法為理論基礎(chǔ)，選用了包括被引證次數(shù)等在內(nèi)的26個(gè)參數(shù)，通過綜合均衡、迭代最終獲得專利價(jià)值度的綜合分值。上述評(píng)估工具推出后成為研究專利質(zhì)量的重要指標(biāo)。例如文獻(xiàn)[12]選取虛擬化技術(shù)領(lǐng)域中發(fā)明人作為實(shí)證研究對(duì)象，使用Innography數(shù)據(jù)構(gòu)建了發(fā)明人影響力綜合評(píng)價(jià)Inventor Rank粉方法。文獻(xiàn)[13]以中科院先進(jìn)院專利篩選為例，采用專利分階評(píng)價(jià)體系應(yīng)用于領(lǐng)軍人物評(píng)選，驗(yàn)證了Incopat作為專利價(jià)值評(píng)估工具的有效性。

除了上述模型之外，包括Topsis等其他綜合評(píng)價(jià)模型亦可應(yīng)用于發(fā)明人績(jī)效評(píng)價(jià)。Topsis法通過計(jì)算評(píng)價(jià)對(duì)象與最優(yōu)、最差值的距離進(jìn)行研究對(duì)象優(yōu)劣排序。在評(píng)價(jià)實(shí)踐方面，文獻(xiàn)[15]提出了基于熵權(quán)法和TOPSIS法，重構(gòu)了發(fā)明人專利質(zhì)量評(píng)價(jià)模型，并應(yīng)用于醫(yī)學(xué)領(lǐng)域。

從上述分析可以看出，關(guān)于發(fā)明人專利質(zhì)量評(píng)價(jià)已經(jīng)有不少研究涉獵，如果具備一定的應(yīng)用條件，上述評(píng)價(jià)模型都適用于專利質(zhì)量評(píng)價(jià)(見表1)。但是一般而言，同一組對(duì)象使用不同方法進(jìn)行評(píng)價(jià)存在評(píng)價(jià)結(jié)果不一致的缺陷。為了解決上述問題，本文引入薈萃分析方法將上述單項(xiàng)評(píng)價(jià)方法的結(jié)果進(jìn)行融合，既實(shí)現(xiàn)不同發(fā)明人專利質(zhì)量之間的比較、驗(yàn)證，同時(shí)也使評(píng)價(jià)結(jié)論更加客觀、可信。

2 研究對(duì)象、數(shù)據(jù)及方法

2.1 薈萃方法

薈萃分析這一術(shù)語(yǔ)由美國(guó)教學(xué)心理、社會(huì)學(xué)家Glass在1976 年提出[16]。Rozas將其定義為[17]“將統(tǒng)計(jì)技術(shù)應(yīng)用于單項(xiàng)研究的經(jīng)驗(yàn)性發(fā)現(xiàn)的集合，目的是合并分析、整合單項(xiàng)研究，深入探究其研究差異，并使研究結(jié)果具有科學(xué)價(jià)值”。薈萃分析也稱元分析。

在科學(xué)計(jì)量領(lǐng)域中，2013年CNPq委員會(huì)(巴西基金資助機(jī)構(gòu))為了在2 663 名巴西科學(xué)家中遴選出下一年度的高影響力科學(xué)家予以重點(diǎn)基金資助時(shí)，委員會(huì)提出了包括同行評(píng)審、被引次數(shù)等18個(gè)維度計(jì)量指標(biāo)來進(jìn)行衡量。但由于評(píng)價(jià)視角不同，不同維度數(shù)據(jù)結(jié)果出現(xiàn)顯著差異，因此委員會(huì)在決策時(shí)，面臨需要決定采用哪種評(píng)價(jià)工具作為最后量度結(jié)果的問題。針對(duì)該問題，Wainer[18]等提出了采用薈萃分析方法—“融合評(píng)價(jià)”來解決，研究過程包括通過綜合多個(gè)指標(biāo)以實(shí)現(xiàn)不同指標(biāo)的可比和整合，獲得效應(yīng)值。目前在科學(xué)計(jì)量領(lǐng)域有零星研究基于薈萃分析應(yīng)用于Altmetrics單篇論文層面的評(píng)價(jià)[19]，并且在科研數(shù)據(jù)管理服務(wù)[20]以及健康信息搜索行為[21]等部分重要話題做出了相應(yīng)的嘗試。由此可見，薈萃分析技術(shù)在科學(xué)計(jì)量研究中的認(rèn)可度和影響率正逐漸上升。

表1 基于引證專利發(fā)明人質(zhì)量評(píng)價(jià)指標(biāo)一覽

本研究運(yùn)用薈萃分析方法的主要依據(jù)是:

首先，源于方法學(xué)問題，不同研究設(shè)計(jì)和抽樣誤差不同。如果單點(diǎn)指標(biāo)視為評(píng)價(jià)標(biāo)準(zhǔn)，例如在缺乏補(bǔ)充信息的情況下進(jìn)行學(xué)術(shù)評(píng)估，單項(xiàng)指標(biāo)可能會(huì)被誤用[22-23]。而薈萃分析能夠?qū)ν活I(lǐng)域的多個(gè)研究結(jié)果進(jìn)行綜合分析，消除單一方法產(chǎn)生的隨機(jī)偏差，在總結(jié)與歸納實(shí)證研究方面具有客觀性、科學(xué)性的獨(dú)特優(yōu)勢(shì)。

其次，對(duì)既有原始數(shù)據(jù)進(jìn)行綜合分析并有效降低研究因統(tǒng)計(jì)方法帶來的研究偏差，需要根據(jù)一定的準(zhǔn)則和規(guī)則抽取數(shù)據(jù)。薈萃方法遵循薈萃分析撰寫指南(The PRISMA)[24]進(jìn)行研究方法的選擇和使用，具體分析過程主要包括出版偏倚檢驗(yàn)、異質(zhì)性檢驗(yàn)等。其中，出版偏倚檢驗(yàn)主要判定薈萃分析是否會(huì)夸大變量關(guān)系效應(yīng)；異質(zhì)性檢驗(yàn)是判斷多項(xiàng)獨(dú)立研究之間是否具有一致性；綜合效應(yīng)值計(jì)算采用各單個(gè)效應(yīng)值方差倒數(shù)作為權(quán)重進(jìn)行加權(quán)綜合[25]。因此研究具有較高的可信度。

2.2 研究對(duì)象和數(shù)據(jù)

考慮被引時(shí)滯，本文選取大連理工大學(xué)機(jī)械學(xué)部專利申請(qǐng)量Top5發(fā)明人2010—2020年的專利數(shù)據(jù)，采集及計(jì)算具體步驟為: ①以專利數(shù)據(jù)庫(kù)Innography為數(shù)據(jù)源，檢索發(fā)明人專利，得到發(fā)明人專利數(shù)量、被引次數(shù)、Innography專利強(qiáng)度等數(shù)據(jù)。②對(duì)發(fā)明人逐年的專利按被引頻次排序，分別得到發(fā)明人逐年的H指數(shù)。 ③逐年統(tǒng)計(jì)每位發(fā)明人的專利數(shù)量，零被引、H核等引文數(shù)據(jù)，根據(jù)專利跡T計(jì)算公式，獲得專利跡數(shù)據(jù)。④將引用專利公開號(hào)導(dǎo)入Innography，獲得引用專利公開時(shí)間。根據(jù)技術(shù)循環(huán)時(shí)間公式計(jì)算時(shí)間差平均值，即引用專利公布年份減去被引用專利的公布年份除以專利數(shù)量，得到專利的技術(shù)循環(huán)時(shí)間。⑤將專利發(fā)明人專利公開號(hào)導(dǎo)入Incopat，獲得專利價(jià)值度數(shù)據(jù)。⑥將8個(gè)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，對(duì)于正向指標(biāo)，標(biāo)準(zhǔn)化方法采用各指標(biāo)值除以極大值。技術(shù)循環(huán)時(shí)間屬于反向指標(biāo)，其標(biāo)準(zhǔn)化方法采用俞立平[26]等提出的反向指標(biāo)線性標(biāo)準(zhǔn)化方法進(jìn)行計(jì)算，并根據(jù)Topsis計(jì)算公式，分別得到各發(fā)明人逐年的Topsis指數(shù)。經(jīng)計(jì)算，發(fā)明人專利指標(biāo)數(shù)據(jù)(見表2)及發(fā)明人排名變動(dòng)情況(見圖1)所示。

從各發(fā)明人排名來看，不同指標(biāo)下各發(fā)明人排序結(jié)果存在差異，例如發(fā)明人a在Incopat、Innography、技術(shù)循環(huán)時(shí)間中排第4位，在被引、H指數(shù)、專利跡和研發(fā)能力中排第2位；發(fā)明人d在不同指標(biāo)下有不同排序，排名從第1位到第5位不等。由此可見，如果簡(jiǎn)單利用一種評(píng)價(jià)方法來判斷發(fā)明人被引質(zhì)量水平，其質(zhì)量孰優(yōu)孰劣難以判斷，如果簡(jiǎn)單地把幾個(gè)指標(biāo)的數(shù)據(jù)累加求和或求平均值，由于研究指標(biāo)的數(shù)據(jù)分布、標(biāo)準(zhǔn)差、極大和極限值均不相同，發(fā)明人專利質(zhì)量的量化比較無實(shí)際意義，

因此針對(duì)以上獨(dú)立樣本數(shù)據(jù)評(píng)價(jià)結(jié)論非一致，需要合理選取多項(xiàng)數(shù)據(jù)指標(biāo)作為樣本數(shù)據(jù)，對(duì)多項(xiàng)研究的結(jié)果進(jìn)行定量合成，糾正由指標(biāo)系統(tǒng)誤差造成的結(jié)果失真。

表2 各專利指標(biāo)數(shù)據(jù)分布情況

圖1 發(fā)明人在不同專利評(píng)價(jià)指標(biāo)下的排名變化情況

2.3 偏倚檢驗(yàn)

應(yīng)用薈萃分析之前，首先需要進(jìn)行偏倚檢驗(yàn)，以驗(yàn)證研究之間是否存在統(tǒng)計(jì)學(xué)差異薈萃分析中較為常用的異質(zhì)性檢驗(yàn)包括漏斗圖、Egger's Regression檢驗(yàn)等方法。

漏斗圖是一個(gè)散點(diǎn)圖，x軸上為效應(yīng)值大小，y軸測(cè)度標(biāo)準(zhǔn)誤。通常，漏斗圖中的y軸是倒置的(y軸“高”值代表低標(biāo)準(zhǔn)誤)。由于研究樣本量和標(biāo)準(zhǔn)誤密切相關(guān)。樣本量越小，標(biāo)準(zhǔn)誤越大，置信區(qū)間就越寬，并增加了效應(yīng)值不具有統(tǒng)計(jì)學(xué)意義的機(jī)會(huì)。根據(jù)經(jīng)驗(yàn)，只有當(dāng)薈萃分析中包括至少10項(xiàng)研究時(shí)，才可使用漏斗圖不對(duì)稱性測(cè)試，當(dāng)變量太少時(shí)，漏斗圖無法辨別研究是隨機(jī)誤差還是真實(shí)數(shù)據(jù)不對(duì)稱，因此無法判斷研究之間是否存在偏倚，由于本文研究指標(biāo)<10，所以不適宜用漏斗圖。

Egger測(cè)試是另一種常用偏倚檢驗(yàn)方法，該方法基于線性回歸模型，公式如下[27]：

(1)

本文將發(fā)明人a-e的樣本數(shù)據(jù)依次導(dǎo)入R語(yǔ)言中，調(diào)用Meta包，輸入Metabias(m.gen, method.bias = "linreg")函數(shù)，Egger檢驗(yàn)結(jié)果如表3所示。從表3可以看出，Egger 檢驗(yàn)截距分別為65.19、36.69、43.81、-37.69、59.07，相伴概率均大于0.05，檢驗(yàn)結(jié)果表明均沒有發(fā)現(xiàn)偏倚，說明評(píng)價(jià)方法的選取是合適的。

表3 Egger檢驗(yàn)結(jié)果

標(biāo)準(zhǔn)誤取決于其樣本大小。由于本文樣本數(shù)據(jù)較小， Simonsohn[28]在Betterp-Curves:Makingp-CurveAnalysis… 一文中，針對(duì)樣本量較少的薈萃分析引入了p-Curve的方法，該方法依據(jù)P值作為發(fā)表偏倚的主要影響因素，側(cè)重顯著效應(yīng)大小以及P值分布情況。該函數(shù)生成的P曲線圖包含三條線：實(shí)線1：基于樣本數(shù)據(jù)的傳統(tǒng)P曲線；虛線2：假設(shè)33%效應(yīng)量的預(yù)期P值分布虛線；虛線3：顯示的是在沒有影響時(shí)預(yù)期的均勻分布。

將樣本數(shù)據(jù)導(dǎo)入R語(yǔ)言中，調(diào)用P-Curve analysis函數(shù)，檢驗(yàn)結(jié)果如圖2所示：薈萃分析中包含了k=8個(gè)顯著效應(yīng)，這些效應(yīng)被納入了P曲線。這些研究中的大多數(shù)(k= 7)都有非常顯著的結(jié)果(即p< 0.025)。所有3個(gè)右偏度測(cè)試(Right-skewness test)結(jié)果都顯著(見表4)：二項(xiàng)式測(cè)試(pBinom；p= 0.008)。全P曲線pp值測(cè)試(pFull；P< 0.001)；基于半P曲線測(cè)試(pHalf；p= 0.001)。根據(jù)P-Curve的結(jié)果，基本研究數(shù)據(jù)樣本不存在出版偏倚，可以進(jìn)行進(jìn)一步的薈萃分析。

圖2 樣本P-Curve偏倚檢驗(yàn)結(jié)果

表4 P-Curve偏倚檢驗(yàn)結(jié)果數(shù)據(jù)

3 研究結(jié)果

3.1 主效應(yīng)分析

在進(jìn)行主效應(yīng)分析之前，需要先進(jìn)行異質(zhì)性檢驗(yàn)，以決定選用隨機(jī)還是固定效應(yīng)模型。異質(zhì)性檢驗(yàn)通常以Q統(tǒng)計(jì)量(其顯著性水平戶)和I2來評(píng)估樣本的異質(zhì)性水平。若Q>df(Q)，P<0．05且I2>0．75，則意味著效應(yīng)值服從異質(zhì)性分布，采用隨機(jī)效應(yīng)模型。

Q檢驗(yàn)：傳統(tǒng)上，研究者使用Cochran's Q[28]來區(qū)分研究抽樣誤差和實(shí)際研究異質(zhì)性。Cochran's Q被定義為加權(quán)方差之和(Weighted sum of squares-WSS)，公式如下：

(2)

進(jìn)一步調(diào)用Meta數(shù)據(jù)包，輸入metagen(TE,seTE,data=data,studlab=Method)，從結(jié)果來看，數(shù)據(jù)異質(zhì)性較高。為探究各研究間的異質(zhì)性是否由單個(gè)研究引起，研究運(yùn)用R語(yǔ)言采用逐一排除法，調(diào)用trimfill函數(shù)進(jìn)行敏感性分析，剔除Incopat和Tech. Cycle Time兩項(xiàng)研究后；總合并效應(yīng)量降低，但I(xiàn)2無顯著變化，說明結(jié)果較穩(wěn)定(見圖3)。

圖3 逐一排除法檢驗(yàn)結(jié)果

根據(jù)異質(zhì)性診斷結(jié)果，本研究選擇隨機(jī)效應(yīng)模型進(jìn)行分析計(jì)算，結(jié)果見表5。由表5可知，在隨機(jī)效應(yīng)模型下發(fā)明人a-e的95%置信區(qū)間CI均不包括0，可信區(qū)間值均為正(見圖4-5，由于篇幅，只繪制部分發(fā)明人森林圖)，說明分析結(jié)果具有可信性。

表5 發(fā)明人專利被引質(zhì)量薈萃分析結(jié)果

綜上可知，以均值標(biāo)準(zhǔn)誤平方的倒數(shù)為權(quán)重，metagen函數(shù)計(jì)算結(jié)果表明，發(fā)明人a專利被引質(zhì)量評(píng)價(jià)值(0.3919[95% CI(0.13;0.66),P<0.01])>發(fā)明人c評(píng)價(jià)值(0.3864)[95% CI(0.10;0.67), P<0.01]>發(fā)明人e評(píng)價(jià)值(0.3774)[95% CI(0.11; 0.65),P<0.01]>發(fā)明人b評(píng)價(jià)值(0.3645[95% CI(0.13; 0.60),P<0.01]) >發(fā)明人d評(píng)價(jià)值(0.3416[95% CI(0.15; 0.54), P<0.01])。

圖4 發(fā)明人a效應(yīng)值森林圖

圖5 發(fā)明人d效應(yīng)值森林圖

3.2 事后兼容度與差異度檢驗(yàn)

科學(xué)評(píng)價(jià)必須要經(jīng)過有效性檢驗(yàn)才能被認(rèn)可，為驗(yàn)證算法有效性，本文選擇了兼容度和差異度對(duì)研究結(jié)果進(jìn)行事后一致性檢驗(yàn)。兼容度[29]是指某評(píng)價(jià)方案與其他評(píng)價(jià)方案的等級(jí)排序之差的加權(quán)平均值。設(shè)n為評(píng)價(jià)對(duì)象數(shù)。第i、j評(píng)價(jià)方案之間相關(guān)程度，可以通過等級(jí)相關(guān)系數(shù)ri,j來計(jì)算，公式為：

(3)

其中dt與分別表示第t個(gè)對(duì)象在第i與第j方案中的排序名次。兼容度越高，說明該指標(biāo)與其它指標(biāo)的結(jié)果越一致。因此，用兼容度實(shí)質(zhì)基于偏差最小化的決策方法，兼容度指標(biāo)本質(zhì)上是一種求同評(píng)估決策。

差異度是評(píng)價(jià)指標(biāo)的離散程度，本文采用標(biāo)準(zhǔn)差作為衡量差異度的指標(biāo)，σ(k)為第k種評(píng)價(jià)方案的差異度，公式為：

(4)

根據(jù)上述公式推算出各種評(píng)價(jià)方案兼容度和差異度見表6。從表6中可知，在兼容度上，薈萃分析、Topsis兼容度最大，接下來依次為Innography、Incopat、技術(shù)循環(huán)時(shí)間。在差異度上，Incopat和技術(shù)循環(huán)時(shí)間的評(píng)價(jià)效果較優(yōu)，薈萃分析的評(píng)價(jià)效果較次。綜上，薈萃分析方法的綜合評(píng)價(jià)排序最高，其次為Incopat和Topsis。比較結(jié)果進(jìn)一步說明了薈萃方法應(yīng)用于發(fā)明人質(zhì)量評(píng)價(jià)的可行性。

表6 評(píng)價(jià)方案的兼容度與差異度計(jì)算結(jié)果

主成分分析法是一種通過累加貢獻(xiàn)率提煉主要成分的數(shù)據(jù)統(tǒng)計(jì)分析方法。與薈萃法相比，二者都是基于多項(xiàng)研究的結(jié)果，并進(jìn)行定量合成評(píng)價(jià)。為了驗(yàn)證多屬性評(píng)價(jià)方法的一致性，本文進(jìn)一步對(duì)研究結(jié)果進(jìn)行主成分分析。從方差貢獻(xiàn)率分析來看，第一(92.21%)、第二主成分(7.054%)的累積貢獻(xiàn)率為99.266%，因此提取這2個(gè)主成分作為綜合指標(biāo)。通過成分矩陣提取初始因子(限于篇幅，表略)，建立因子載荷矩陣，得到2個(gè)主成分Y1、Y2的表達(dá)式分別為：Y1=0.077X1+0.156X2-0.008X3+0.0123X4-0.856X5+0.62X6-0.049X7+0.0123X8;Y2=1.413X1+0.109X2-0.251X3-0.568X4+1.78X5-0.36X6-0.329X7+5.3834X8。最后以2個(gè)主成分對(duì)應(yīng)的特征值占所提取主成分總特征值之和的比例作為權(quán)重，得到綜合主成分值，并與薈萃分析結(jié)果進(jìn)行比較。經(jīng)計(jì)算與排序，主成分分析與薈萃分析方法對(duì)5位發(fā)明人評(píng)價(jià)結(jié)果完全一致，進(jìn)一步說明了薈萃方法具有較高的穩(wěn)健性。

4 結(jié) 論

科研評(píng)價(jià)對(duì)于高校了解自身競(jìng)爭(zhēng)優(yōu)勢(shì)與可持續(xù)發(fā)展能力、推動(dòng)創(chuàng)新驅(qū)動(dòng)發(fā)展具有關(guān)鍵性作用。近年來職能部門采用的分析評(píng)價(jià)大多是根據(jù)評(píng)價(jià)目的，大多以各類指標(biāo)配合同行評(píng)審的方法進(jìn)行。但如何綜合研究結(jié)果，依據(jù)哪種評(píng)估方式作為最終量度指標(biāo)，仍有諸多爭(zhēng)論。甚至有學(xué)者提出質(zhì)疑：綜合評(píng)估方法，是否屬于蘋果與橘子合并的關(guān)系？事實(shí)上，對(duì)于現(xiàn)行科學(xué)評(píng)價(jià)方法和政策的重新審視，一直是近年來研究的熱門議題之一?！杜f金山宣言》和《萊頓宣言》的相繼發(fā)布，提出了合理利用科學(xué)評(píng)價(jià)指標(biāo)的原則，但在審讀學(xué)術(shù)共同體對(duì)這些倡議文件的回應(yīng)后，可以發(fā)現(xiàn)真正問題不是指標(biāo)本身，而是如何去解讀和使用數(shù)據(jù)。例如《萊頓宣言》[30]倡議的十條原則包括：量化評(píng)估應(yīng)當(dāng)支撐質(zhì)化專家評(píng)估，而不是取而代之；保持?jǐn)?shù)據(jù)采集和分析過程的公開、透明和簡(jiǎn)單；允許被評(píng)估者驗(yàn)證數(shù)據(jù)和分析。《舊金山宣言》[30]則提出了對(duì)于個(gè)人研究成就評(píng)價(jià)方面，單個(gè)指標(biāo)更易被操縱，成為績(jī)效考核的指揮棒，評(píng)判應(yīng)基于其綜合學(xué)術(shù)產(chǎn)出。在上述原則指導(dǎo)下，如何在認(rèn)可和尊重多維、有價(jià)值的科研評(píng)價(jià)基礎(chǔ)上，獲得研究對(duì)象整體發(fā)展水平，如何正確合理地使用定量數(shù)據(jù)進(jìn)行科研績(jī)效分析值得進(jìn)一步探討?；诖耍疚奶岢隽怂C萃分析的研究思路：首先對(duì)評(píng)價(jià)方案進(jìn)行事前同質(zhì)性檢驗(yàn)，通過薈萃方法獲得了加權(quán)平均效應(yīng)值，最后運(yùn)用兼容度與差異度進(jìn)行事后一致性檢驗(yàn)，研究結(jié)果表明基于薈萃分析將多維數(shù)據(jù)轉(zhuǎn)化為一維指標(biāo)，滿足計(jì)量學(xué)研究過程統(tǒng)一規(guī)范、數(shù)據(jù)可重復(fù)驗(yàn)證的要求，結(jié)論具有可驗(yàn)證性和可重復(fù)性，為后續(xù)專利質(zhì)量評(píng)價(jià)研究提供理論和方法方面的借鑒和參考。

然而值得一提的是，盡管綜合評(píng)價(jià)可避免單項(xiàng)評(píng)價(jià)偏差，但選用多少種評(píng)價(jià)方案進(jìn)行組合評(píng)價(jià)，目前尚未有一定的標(biāo)準(zhǔn)。