《创新力预测 专利申请预测方法研究》PDF下载

  • 购买积分:10 如何计算积分?
  • 作  者:马欢编著
  • 出 版 社:北京:知识产权出版社
  • 出版年份:2010
  • ISBN:9787802478367
  • 页数:230 页
图书介绍:本书介绍了欧洲专利局专利申请量预测方法的研究成果。

第一章 背景 1

第二章 改进专利申请预测的研究项目 9

1 引言 9

2 动机与任务描述 10

3 专利申请预测方法 11

3.1 EPO所用的和专家咨询组报告中讨论的方法 11

3.2 咨询组所建议的方法 13

4 研究方案设计 14

4.1 研究项目的框架 14

4.2 模块A——调查法 16

4.3 模块B——企业层面的专利申请量 17

4.4 模块C——行业和国家层面的专利申请量 18

4.5 模块D——专利传递模型 19

4.6 模块E——申请数据集的时间序列模型 20

5 数据需求和模块关联 20

6 进一步的建议 22

6.1 研究竞赛 22

6.2 研究会议 22

第三章 从理论到时间序列 23

1 引言 23

2 理论模型 23

3 时间序列回归方法 28

4 结论 33

第四章 时间序列预测专利的相对精确度分析:时空分解法的优势 34

1 引言 34

2 数据描述 36

3 预测方法综述 40

4 预测方法的运用 45

4.1 一元ARIMA模型(年度数据) 47

4.2 一元ARIMA模型(月度数据) 50

4.3 多元ARIMA模型(年度数据) 50

4.4 多元ARIMA模型(月度数据) 51

4.5 一元DLM模型(年度数据) 52

4.6 一元DLM模型(月度数据) 52

4.7 多元DLM模型(年度数据) 52

4.8 多元DLM模型(月度数据) 52

5 相对精确度分析 54

6 更长时间轴范围内的预测精确度 57

7 结论 60

第五章 向欧专局申请专利的驱动力:产业途径 62

1 引言 62

2 专利和经济因素的关联 63

3 实证分析结果 69

3.1 总体模型 71

3.2 国家模型 72

3.3 产业模型 77

4 结论 81

第六章 预测专利申请的时间序列法 83

1 引言 83

2 数据描述 85

3 模型描述 86

4 应用方法和诊断的描述 92

5 分析的结果 94

5.1 平稳性 94

5.2 预白噪声化和交叉相关 96

5.3 自回归分布滞后(ADL)法的结果 99

5.4 向量自回归(VAR)法获得的结果 104

6 结论 109

7 附录 111

第七章 向欧专局申请的国际专利:总体、产业和同族申请 113

1 引言 113

2 文献综述 115

3 方法论和数据集 118

3.1 概念性框架和方法论 118

3.2 数据来源 121

4 实证分析 122

4.1 案例1——总体申请(按申请模式划分) 122

4.2 案例2——产业申请(联合集群) 128

4.3 案例3——同族专利申请 133

5 结论 139

附录:技术注释 141

第八章 微观数据实现宏观结果 143

1 引言 143

2 随机抽样调查 145

2.1 数据库及其性能特征 146

2.2 描述统计 151

2.3 持续与非持续申请人 154

2.4 讨论 157

3 DTI记分牌与专利数据结合 159

3.1 数据 159

3.2 描述统计 162

3.3 相关性 165

3.4 讨论 167

4 结论 169

第九章 欧洲专利局对预测方法的改进 171

1 引言 171

2 现有方法 171

2.1 趋势分析 171

2.2 传递模型 172

2.3 申请人调查 174

2.4 联合集群层面的规划 175

2.5 年度预测实践 177

2.6 讨论 179

3 推荐的研究方案 181

3.1 改进专利申请预测的研究项目(迪特马尔·哈霍夫,第二章) 181

3.2 从理论到时间序列(彼得·欣利和沃尔特·帕克,第三章) 182

3.3 时间序列预测专利的相对精确度分析:时空分解法的优势(奈杰尔·米德,第四章) 182

3.4 向欧专局申请专利的驱动力:产业途径(克努特·布兰德,第五章) 185

3.5 预测专利申请的时间序列法(格哈德·迪克塔,第六章) 188

3.6 向欧专局申请的国际专利:总体,产业和同族申请(沃尔特·帕克,第七章) 191

3.7 微观数据实现宏观结果(赖尔·费希,第八章) 194

4 欧专局执行建议情况概述 199

5 预测的比较 206

6 欧专局预测的未来发展 209

7 结论 214

参考文献 218

译后记 229