知识资产价值视角下的企业专利

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐一篇知识资产价值视角下的企业专利范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

企业作为创新的重要主体,其创新能力的重要体现则是所拥有的全部专利,这些专利整体可视为一个专利组合[1]。传统评估方法难以准确测度专利组合价值。但如果从知识资产价值的视角看待专利组合价值,通过知识资产市场模型就能将企业专利组合价值合理地分离出来,进而构造测度公式,实现组合价值的客观估值。因此本文拟从该角度出发展开研究。

1研究现状述评

专利组合价值测度可从以下两方面展开评述:测度指标与测度方法研究。测度指标可分为单一评价指标与综合评价指标体系。单一指标主要有两类:一类是专利维持率、专利数、专利授权率等[2-4]企业层面的专利指标;另一类是专利被引用次数、同族数等[4-5]专利自有指标。综合评价指标体系如Lanjouw[6-8]等分别从不同角度建立构建专利指标综合评估体系。上述研究存在以下问题:由于专利价值参差不齐,简单加总或平均指标难以反映真实价值;而综合评价指标体系并未客观考虑各组合指标间的复杂层次和逻辑联系,因而不能真实反映组合价值。测度方法可分为会计类测度方法、综合评价法。会计类测度方法包括传统的成本法、市场法、收益法,以及由收益法改进的实物期权法。综合评价法有结构方程模型[9]、主成分分析法[10]、模糊网络分析法[11]、解释结构模型[12]、熵权法[13]等。传统方法如成本法忽略专利资产能产生的未来经济效益;市场法难以寻找可比参照物;收益法涉及到参数预测问题。实物期权法未考虑影响专利组合价值的因素。其它方法如层次分析法、模糊综合评价法、熵权法、ISM等方法依赖主观判断,因子分析法需要变量间具备较强相关性。通过以上分析可以看出,现有测度指标及方法存在诸多问题尚待解决。如指标层面需要考虑指标间的层次结构问题,而测度方法则需要精准确定专利组合所创造的价值作为客观方法校准的前提等。尽管专利组合价值无法体现在企业财务报表中,但对于上市公司可以利用金融市场的定价机制对其所拥有的专利组合价值加以确定[14]。这是由于上市公司可以看作是一系列资产的集合。公司的市场价值是这些资产的未来收益的贴现值。这些资产既包括了有形资产如厂房、设备、原材料等,也包括了无形资产如以专利组合为主的知识资产、组织资产以及包含商誉等的其他无形资产。因此,公司的市场价值也包含了专利组合的市场价值。作为知识资产的专利组合在市场中的边际影子价值可以从回归系数中得到[15]。从知识资产价值的视角出发,应用知识资产模型能将专利组合市场价值合理地分离出来,解决已有研究存在的客观方法校准的问题。由此本文拟选取制造业上市公司作为研究样本,利用知识资产市场模型对企业专利组合价值进行测度,探讨一种针对专利组合价值的评估方法。本文研究思路为:首先将专利组合价值测度指标按授权地域对专利组合分组,进而在每个组内按评价角度将指标划分为外部评价组、申请人评价组和自有属性评价组三类亚组。在运用组指数套索方法获得各指标分组结构后,在知识资产市场模型中引入专利组合的不同分组项,利用中国制造业上市公司的数据确定专利组合价值测度表达式,实现对企业专利组合价值的有效测度。之后对企业专利组合价值及组合中单一专利进行测度实例分析,并与其它方法进行专利组合价值测度的对比分析。具体如图1所示。专利组合价值测度研究思路

2专利组合指标分组

从现有研究成果上看,已有对专利组合价值的研究多是从整体角度测度其价值,将所有专利同等看待,并未从结构分析角度剖析组合间的相互作用。岳贤平[16]指出理解专利组合主要基于专利组合结构,专利组合体内部专利之间存在互补性和替代性等多种关系。翟东升等[1]指出专利组合内部存在的小专利组合之间有复杂结构关系。任培民等[9]指出专利组合内指标间的相互作用会导致组合价值变化。从结构上来看,企业专利组合内部存在着专利与专利之间的相互作用,各种指标之间也存在交叉等复杂的结构关系。专利组合的结构决定了专利间复杂的相互作用关系,可以通过专利指标分组来映照专利组合的结构,因此基于分组的专利组合指标间的数值关系能够反映专利间的相互作用关系。本文构建专利指标分层组合的形式来揭示这种复杂的相互作用关系,进而经由专利组合指标与专利组合价值的数量联系来反映这些复杂作用关系对专利组合价值的定量影响。鉴于此,本文考虑专利组合内部各专利组、专利组内部各专利指标之间的相互作用,从结构分析视角出发尝试对专利组合指标分组,以更好测度专利组合价值。首先,基于专利组合可以视为各专利按地域、时间等关联关系联结的集合的思路,本文提出以下专利指标组合方式:按照专利授权地域,将指标划分为国内专利组和其他专利组两类。这是由于国家地域性是专利权的最基本特征[17]。中国大多数企业主要在本土市场进行竞争,通过国家知识产权局申请专利技术保护以维持其优势地位。当企业选择开辟海外市场时,为寻求对国际贸易中优势技术领域产品的保护并在国际市场竞争占据一席之地,就必然会提出专利国际申请。由于国外申请和维持专利的成本远高于国内,这些专利通常具备较高的技术水平和经济价值[10]。是否申请国际专利也反映持有者对专利价值的判断。有鉴于此,应首先从专利授权地域对专利指标进行划分。同时,专利组合还可以分为以下类型:束型、伞型、链型、星型专利组合[18]。这些组合或是从技术出发、或是从市场、生产流程出发构建。专利间的关系主要可概括为以下几种:专利组合围绕某核心专利构建;专利组合内各专利共同发挥作用;专利之间发挥的是协同作用。不同专利同一指标间组合的数量形式可以反映这种组合内专利间的复杂相互作用关系。除专利间的复杂作用关系之外,由于每组内部的专利组合指标由于评价角度不同,同样存在着不同的分层关系。任培民等[9]提出可按评价角度对专利组合分组,能较好代表专利组整体的某一特征。因此本文在每个组内按评价角度将指标划分为外部评价组、申请人评价组和自有属性评价组三类。外部评价组指标反映的是外部机构对专利价值的评价;申请人评价组指标值是由申请人自行决定,反映的是申请人对专利价值的评价;而自有属性评价组指标是有关专利自身属性的评价指标。a.外部评价组。被引证次数(Fcit):用来测度专利价值的最客观有效的评估指标。专利的直接引用所积累起来的引用次数可从技术角度衡量专利价值[19]。专利被引用量越高,其质量和价值也就越高。初步审查时长(Exa):反映专利质量,审查过程可筛选掉低质量专利[20]。审查时间越长,专利申请的技术水平越高,体现专利的技术价值。b.申请人评价组。权利要求数量(Claim):决定一项专利的创新范围与未来机会,权利要求项数越多,保护范围越广,是评价专利市场价值的关键指标[9]。同族专利数(Fam):表明该项专利所涵盖的专利范围大小,多国申请专利的维护费用较高,反映申请人的重视程度及该专利的价值[11]。专利寿命(Time):反映专利权人对专利价值的判断,经济效益随着专利寿命而增加,带来更高的市场价值[21]。c.自有属性评价组。引证次数(Bcit):体现专利创造的技术基础,专利引证次数越多,产生高质量专利的可能性更高。该指标可从技术发明基础方面测度专利价值[22]。分类号数(Cln):取分类号前四位的数量。反映专利通用性,表征专利的技术覆盖范围与专利创新程度[23]。分类号数多的专利创新程度高,专利价值也高。发明人数量(Inv):表征专利知识水平与技术范围的程度,是专利先进性的重要特征,可从研发投入的角度体现专利价值[8]。此外,还有其他指标,如技术稳定性、保护范围等指标建立在主观方法———专家打分法基础上;无效请求人数与专利价值相关性极弱(仅有个别专利有非零无效请求人数,不具普遍意义);引证科技文献数与引证次数高度重复性;专利申请费用等因素影响专利申请人数指标偏高。因此,并未选取。综上所述,专利组合指标可分为国内专利组和其他专利组两类,每一大组内部进一步分为外部评价组、申请人评价组和自有属性评价组三类。合计两大组、六小组。

3模型、变量及数据

3.1组指数套索方法与指标

分组结构针对变量过多造成模型过拟合的不足,Tibshira鄄ni[24]提出基于正则化的变量空间降维和特征变量选择方法lasso,通过引入惩罚函数的方式在回归过程中对变量系数进行压缩,使得模型冗余变量系数变为0,从而剔除相应变量,提高模型准确率。在诸多回归问题中,变量之间常常存在着分组结构。lasso方法局限于有效变量选择,无法选择有效变量组及解释分组效应信息。Yuan等[25]将变量间的组结构作为先验信息,用lasso惩罚分组系数,得到的组套索模型(GroupLasso)可解释变量群体结构,实现特征变量组选择,解决组效应问题。该模型及随后改进的重叠组套索模型、自适应组套索模型、平方根组套索模型等只能实现特征组选择而不能实现组内的特征变量选择。直到Patrick[26]提出组指数套索(GroupExpo鄄nentialLasso,GEL)方法,控制特征选择在组内耦合的程度。能同时实现特征组选择和组内特征变量选择功能,估计精度与计算效率得到进一步提高。此外,现实中受多种不可控因素的影响,变量间的关系多为非线性的[27]。与线性相比,非线性关系更接近变量间真实的内在联系。根据泰勒展开式的原理,非线性关系可以用变量的多项式来加以近似(线性关系同样可以采用,相当于仅取变量的一阶项)。这种近似展开是研究非线性关系的重要手段。本文采用的专利组合指标变量具有分组结构,按前述分组思路可分为六组。由于专利分组内部各指标间关系未知,因此按照非线性关系加以设定,每个分组内使用多项式的形式、取各变量的二阶项与一阶交叉项加以拟合。在更加符合客观事实的同时也增加了模型的过拟合风险。因此本文拟借助GEL方法简化专利组合指标组合结构,在各组中选出关键组及组内关键指标,整合成国内外两大组指标进入下一节的模型中。

3.2知识资产市场模型及知识资产价值

本文意图是构造一种能够更加准确测度专利组合价值的方法,出于校准该方法的需要,模型中代表专利组合价值的变量,应当是数据可获得的、广泛认可的、具有权威性,由于现实中并不存在满足以上条件的变量,因此本文拟采用知识资产市场模型(Griliches)对企业无形资产进行估值的原理,估算出专利组合价值,进而获得专利组合测度公式。企业无形资产可分为专利资产、组织资产、其他无形资产,参考贾瑞乾[3],龙小宁[14]的研究设定,构建如下知识资产市场模型:lnQit=棕1(PatitAit)+棕2(ORitAit)+棕3(KitAit)+mi+dt+uit(1)其中,Qit为公司托宾Q值,Ait是有形资产账面值,Patit是专利资产,ORit是组织资产,Kit是其他无形资产,mi是不受时间变化影响的个体特征,dt代表不随个体变化的时间效应。滋it是随机干扰项。模型采用公司管理者20%的薪酬来估计公司的组织资产OR[15]。为提升模型解释力、减少因遗漏相关变量造成的内生性问题,在模型中引入控制变量[3,14,15]:(1)投资者情绪(Mo):以当年7-12月的累计月度股票收益衡量;(2)每股收益(Eps):以属于普通股股东的当期净利润除以普通股的加权平均数衡量;(3)总资产周转率(Tuov):以主营业务收入除以资产总计衡量;(4)现金流量资产比(Cf):以现金流量除以总资产的两年移动平均值衡量;(5)企业增长(Growth):以主营业务收入增长率衡量;(6)第一大股东持股比例(Top1):以企业实际控制人的持股占比衡量;(7)资产负债率(Debt)以负债总计除以资产总计衡量。此外,还加入了企业固定效应与年度固定效应,使用双向固定效应模型来测度专利组合价值。依据分组思路将专利组合分为国内专利组合(Chpatit)和其他专利组合(Otpatit),由式(1)进一步建立如下模型对专利组合价值进行估计:lnQit=棕11(ChpatitAit)+棕12(OtpatitAit)+棕2(ORitAit)+棕3(KitAit)+[酌1Moit+酌2Epsit+酌3Tuovit+酌4Cfit+酌5Growthit+酌6Top1it+酌7Debtit]+滋it(2)摇3.3摇数据来源与变量描述本文从国泰安数据库中获取公司财务数据,选取上市A股公司中的制造业公司作为研究对象。选取原因:(1)制造业企业普遍开展创新活动,具有研发投入;(2)在专利密集型企业中制造业企业数量占比70.3%。本文采用以下原则对样本进行筛选:(1)剔除样本期被ST、*ST、PT处理及终止上市的公司;(2)去除变量缺失或观测值明显异常的公司;(3)剔除没有专利申请的公司。(4)鉴于2015年之前近半企业的财务数据大量缺失,及考虑到专利公开存在时滞问题,检索专利申请日限定在2020-12-31之前,对应企业数据取2015-2020年。结果共搜集到191家数据完整的企业。专利数据来自incopat专利情报检索数据库。按当前权利人名称对每个公司分别进行检索,合并申请号后共搜集专利著录项11万余条。剔除每年失效的专利,得到有效专利的相关指标数据。为减少异常值的影响,对变量进行1%的缩尾处理。

4实证分析

4.1同组同指标组合结构专利同组同指标之间的组合,体现的是核心专利与其他专利之间的作用形式。如果专利组合围绕某核心专利构建,则在指标上是核心专利的指标代表本组专利的共同特征,计算上即是取本组专利指标的极大值;专利组合内各专利共同发挥作用,就是取本组专利指标的几何平均、算术平均;专利之间发挥的是协同作用,则取本组专利指标的累加或乘积的方式。通过分析不同的组合形式与专利组合价值的相关系数,来判断最普遍的作用关系形式。将每一分组的各种专利指标数据均按加总、算数平均、几何平均、取最大值等方式计算,把计算的指标值采用Pearson相关系数法与企业价值做相关性分析,取平均相关系数最大的方式作为各分组内的指标组合方式。最终结果为国内专利组与其他专利组指标均选择加总方式计算。计算表格从略。

4.2利用组指数套索方法获得分组结构使用R软件计算,利用组指数套索(GEL)方法对专利指标变量进行特征筛选。参数选择图略。对模型进行交叉验证,选择姿为0.0606。此时国内专利组变量包括引证数、分类号数、初步审查时长、被引证数二次项Bcit2、Cln2、Exa2、Fcit2,及发明人数与分类号交叉项Inv*Cln。国内专利组合价值综合评价公式为Chpat=0.106Bcit2-0.064Cln2-0.254Inv*Cln+0.102Exa2-0.043Fcit2(3)其他专利组变量包括了引证数与分类号数二次项Bcit2、Cln2。其他专利组合价值综合评价公式为:Otpat=0.000088Bcit2+0.082Cln2(4)从公式(3)中可以看出,引证次数对国内专利组合价值有促进作用,专利引证次数越多,该专利组合很可能处于某技术领域领先的位置,具有更强的竞争力。审查时间越长,一般来说预示着该专利组合较高的创新性,专利组合价值也就越大。而分类号数对专利组合价值的影响为负,可能是由于专利技术覆盖范围过广导致研究不够深入,从而降低了组合价值。发明人数与分类号数的交叉项系数为负也证实了这一点。有研究表明发明人数为1时的专利更容易获得授权[28],发明人数越高,专利研发投入耗费的人力资本越多。被引证次数二次项的系数为负,有学者研究指出,被引证数与专利价值呈现倒U型关系[29],也有研究指出专利被引次数对专利价值可能是一个正向、负向、中向混杂的评价指标[30],一项旧专利不断被新专利引用,旧专利的技术面临来自新专利的技术在市场上的竞争,新专利的问世,可能导致旧专利面临的市场份额减少,从而降低市场对该专利的评估价值。专利被引证数也会受到时间因素的影响,越早出现的专利,就越有更大机率被引证。以上因素均有可能导致被引次数对专利价值的影响与其他评估结果存在不一致现象。从公式(4)中可以看出,对于国外专利组合来说,自有属性指标对其价值影响最大。引证次数与分类号数对专利组合价值有显著的正向效应。分类号数越多表明其涵盖多个领域技术创新程度高的内容,对国外专利组合价值有促进作用;而引证数同样表明专利组合的技术基础水平,较高的引证数可能会带来专利组合价值的增加。

4.3基于知识资产市场模型的专利组合价值估计

表4报告了模型(2)在控制企业个体固定效应和时间固定效应后的估计结果。(1)列显示企业国内专利组合系数为1.205,在1%水平上显著,说明国内专利组合带来企业市值的提升,企业国内专利组合价值能体现在股票市场上。列(3)显示在同时纳入国内专利组合、其他专利组合、组织资产与其他无形资产之后的结果,所有变量的回归系数均大于0且在5%的水平上显著,说明这些变量对企业价值有显著贡献。另外,国内专利组合与国外专利组合回归系数之比近似·5·为1:2,这证明与国内专利组合相比,制造业上市公司其他专利组合对企业市值有更高的提升作用,其他专利组合边际价值也相应更高。这符合前文提到国外授权专利具有更高的价值的已有研究论断。综上所述,制造业专利组合价值测度公式可以写作:V=0.0121A*exp(0.896Chpat/A+1.642Otpat/A)(5)其中,V代表制造业专利组合价值,由于原模型展开后是关于企业有形资产的指数形式,因此合理分离出专利组合价值的前提是对有形资产A的数值进行调整。根据样本中部分企业拥有的专利权价值的均值,与公式A*exp(0.896Chpat/A+1.642Otpat/A)计算的数值进行比较,得出0.0121的调整系数。根据回归结果可以估算出公司专利指标变动情况对国内专利组合、其他专利组合价值的影响,具体为:国内专利组合总体引用数增加一次或审查时间增加一年,其价值将分别增加102元、1205元;增加一个分类号数或被引数增加一次,其价值分别减少718元、228元,发明人数增加一个,将减少348元。对于其他专利组合,引用数增加一次或分类号数增加一个,将使其价值分别增加536元、1986元。以国内专利组合为例,Chpat/A变动1%,LnQ会提高0.896%。Q的分子分母均以元为单位,Chpat/A的分母单位是十亿元。假设存在一家“平均冶的公司,有形资产取样本中位数4.3*109,Q取样本中位数1.89,结合还原公式,那么该公司国内专利组合总引用数增加一次,其系数变动0.896*6.03*10-8,市值将提升(0.896*6.03*10-84.3*109*1.89)*(4.3*109)抑102(元)。其他指标均可按此法求取。

4.4测度实例分析

a.专利组合价值测度。参照肖仁桥[31]的分析思路,将中国高技术制造企业分为医药、航空航天器、医疗设备及仪器仪表、计算机及办公设备、电子及通信设备等5类,本文计算样本各类企业的专利组合价值。由于篇幅限制,本文按分层随机抽样法从总样本企业中分别抽取上述5类企业,选取每类4家合计共20家企业的专利组合计算其价值,绘制如图2所示:图2摇制造业企业专利组合测度值可以看出,航空航天器企业专利组合价值整体最高,电子及通信设备企业排在第二位,医药企业专利组合价值紧随其后,电子计算机及办公设备、医疗设备及仪器仪表类企业专利组合价值排名最末。航空航天领域具有科技含量高、产业规模大的特点,是高新技术最集中的高端制造业,近几十年该行业发展受到了政府研发资助与企业研发投入的双重促进作用。此外,该行业内部企业间专利组合价值分布不均衡,部分掌握关键核心技术的企业如深圳特发信息公司受当地政府重点扶持,选址于科技产业园区,充分发挥产能制造和产业链集群优势,具有较强创新能力,其专利组合价值相应较高;而如天津思维自动化设备公司,由于企业成立时间短、研发人员数量不足等原因,使其专利组合价值较低。电子及通信设备行业的市场化程度相对较高,企业自主创新意愿与自主创新能力较强,具有庞大专利规模,该行业专利组合价值整体较高;医药业的发展高度依赖于专利技术,我国医药企业曾经一度缺乏专利意识,依靠仿制发展的理念导致创新水平低下。近些年开始逐渐重视新药研发工作,但仍然存在成果转化率低、专利平均维持时间短等问题,未来随着创新研发的持续投入与加强研发管理,医药企业专利组合价值有望得到提升。计算机及办公设备和医疗设备及仪器仪表企业专利组合价值分布情况相似,近年来这两类企业专利申请量不断提升,但其专利规模和创新程度相对较小,专利组合价值处于较低水平。b.专利组合价值与单一专利独立价值。单一专利在组合中独立发挥的价值,是该专利在组合中所起的边际效用,因此应该是包含该专利的专利组合价值减去不包含该专利的专利组合价值所得的结果。以光迅科技公司专利组合为例,计算其单一专利独立价值,选取其中20个专利示例如下表5。各单一专利独立价·值之和为1308462元,仅为光迅科技公司总专利组合价值56793097元的2.3%,这表明专利进行有机组合后,组合中单一专利单独发挥作用较少,该组合价值是由众多专利联合作用所创造的。4.5摇与已有方法的比较应用不同范数可以综合比较检验多个模型的测度能力[32]。由前述可知,以往通常使用国外专利数、总专利数、发明专利数、专利总被引数等代替专利组合价值。为检验本文公式的测度性能,现将这些变量数值与本文公式计算结果与企业专利权价值进行对照,计算各测度值与真实值之差的多种范数:m1范数(对于矩阵A沂Rm*n,椰A椰m1=移mi=1移nj=1aij)、F范数(椰A椰F=tr(AHA))、M范数(椰A椰M=max{m,n}*max{aij})、G范数(椰A椰G=mn*max{aij})、无穷大范数(椰A椰¥=max移nj=1aij)、1范数(椰A椰1=max移mi=1aij)、2范数(椰A椰2=AHA的最大特征值)。将每种范数按从小到大给出排序并求出排序之和。如表6所示可以看出,在计算测度值与样本值之差的矩阵范数排序及其加和后,发现本文测度模型获得的范数最小,由总专利被引数计算得到的范数次优,使用国外专利数测度结果优于发明专利数与总专利数,据此体现了本文分组方式与测度方法的正确性。

5结论与建议

准确评估专利组合价值具有重要的现实与理论意义。在现实层面,既能够保证政府部门在有效评估企业创新程度、制定创新发展战略方面数据基础的正确;又能为企业的技术研发、专利许可等企业决策提供数据支撑,对企业构建科学有效的专利组合、实施专利运营等有重要借鉴意义。在理论层面,专利组合价值不仅仅取决于组合内部单一专利价值,更取决于专利组合内部专利之间的复杂作用关系。已有研究多使用专利组合中各专利指标的简单计算来测度专利组合价值。显然难以达到准确测度的效果。论文从结构分析视角出发展开研究,有望从机理角度保证专利组合价值的准确测度。论文首先提出可能的专利组合指标多层嵌套结构,利用组指数套索方法获得各亚组专利组合指标的组内公式,再运用知识资产市场模型分离出专利组合指标组间公式,从而能够有效测度专利组合价值。采用2015-2020年的中国制造业上市公司数据获得专利组合价值测度公式数量表达式,通过预测检验、与其他方法进行比较等,表明专利组合价值测度公式能够较好地测度专利组合价值。论文做出以下贡献:(1)由于专利之间的复杂作用关系可以体现在专利测度指标间的数量关系上,因此可以通过研究专利组合指标结构来体现专利之间的作用关系。论文引入结构分析视角测度专利组合价值,从专利组合指标的地域与属性分组出发,考虑专利组合结构对专利组合价值的影响。(2)由于专利组合及其亚组内部指标间存在的复杂非线性关系,需要使用多个包含不同指标的多项式加以拟合。为防止过拟合的问题,本文运用组套索回归模型,设置惩罚函数来选择特征组和组内特征变量,从而获得专利组合测度组内公式。(3)获得准确的企业专利组合价值样本值,是校正专利组合价值测度模型的前提条件。由于现有方法不能获得准确的样本值,使得运用已有方法进行组合价值测度存在偏误。本文使用知识资产市场模型通过资本市场对无形资产价值定价,间接确定专利组合真实价值,进而有效找出专利组合测度组间公式。相关建议:(1)对于企业而言,应树立专利组合战略意识,重视专利组合布局。组织专家形成专门服务小组,从技术、法律等多维度对专利分级管理,有意识的运用设计、购买专利等方式,通过专利的互联性将专利连接,形成完整的专利保护盾牌,增强专利防御和反击诉讼能力,降低专利侵权的可能性。(2)各级相关管理机构需要进一步出台相关政策,建立以专利组合为导向的激励制度,积极引导企业构建专利组合,加快完善专利组合相关的配套制度建设,如设立专项基金或税收优惠活动等给予政策扶持,建立可靠完备的专利数据库以提供精准的数据支撑。

参考文献

[1]翟东升,陈曾曾,徐硕,等.基于实物期权的专利组合估值方法研究[J].情报杂志,2021,40(6):200-207.

[3]贾瑞乾,陈松,李炼.专利组合对上海制造业上市公司企业价值的影响[J].科研管理,2019,40(8):198-205.

[4]李仲飞,杨亭亭.专利质量对公司投资价值的作用及影响机制[J].管理学报,2015,107(8):1230-1239.

[5]摇李牧南,褚雁群,王流云.专利质量的不同维度指标与托宾Q值的关系测度[J].科学学研究,2019,37(07):1164-1173,1202.
[7]万小丽,朱雪忠.专利价值的评估指标体系及模糊综合评价[J].科研管理,2008,29(02):185-191.

[8]谢文静,鲍新中,张摇楠.基于粗糙集理论的专利价值评估及其实证研究[J].情报杂志,2020,39(08):76-81.

[9]任培民,赵树然,姜文远.基于结构方程-组套索的复杂专利组合测度研究[J].科研管理,2022,43(09):159-168.

[10]胡摇谍,王元地.企业专利质量综合指数研究———以创业板上市公司为例[J].情报杂志,2015,34(1):77-82.

[11]陈朝晖,周志娟.基于FANP方法的专利组合价值评估模型设计及应用研究———以“深圳大疆冶为例[J].科技进步与对策,2020,37(5):18-26.

[12]卞秀坤,郑素丽,诸葛凯,等.基于ISM模型的企业专利组合核心特征分析[J].科技管理研究,2020,40(03):95-100.

作者:任培民 袁旗 赵树然 单位:青岛大学经济学院 中国海洋大学经济学院