专利申请与授权量的时间序列分析

关键词：决策分析；动态模拟；起伏型时间序列法；专利申请；专利授权
中图分类号：Ｃ９３４
文章标识码：Ａ
文章编号：１００７－３２２１（２００７）０６—０１５７－０４
Ｔｉｍｅ Ｓｅｒｉｅｓ Ａｎａｌｙｓｉｓ ｏｆ Ｄａｔａ ｏｆ Ｐａｔｅｎｔ Ａｐｐｌ ｉｃａｔｉｏｎ ａｎｄ Ａｕｔｈｏｒｉｚａｔｉｏｎ
ＲＡＯ Ｍｉｎ，ＬＩＮ Ｙｏｕ—ｍｉｎｇ，ＧＵＯ Ｈｏｎｇ （Ｉｎｄｕｓｔｒｉａｌ Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｆｕｊｉａｎ Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ ３５０００２，Ｃｈｉｎａ）
表２ 起伏型时间序列预测模型参数值
ｐ皴．
ｒａ。ａｍｅｔｅ。
制Ｐａｔｅ槠ｎｔ Ａｕ专ｔｈ利ｏｒ掀ｉｚａｔｉ。。黧翁
Ｉｎ”ｅｎｔｌｏｎ
ຫໍສະໝຸດ Baiduａｐｐｌｉｃａｔｉｏｎ
ｐａｔｅｎｔ
。皴 Ｐａ‘ａｍｅｔｅ‘
恐曼，Ａｕ专ｔｈ利ｏｒ歉ｉｚａｔｉｏ。臻翁
ｌ“”。ｎｔｌｏ“
ａｐｐｌｉｃａｔｉｏｎ
ｐａｔｅｎｔ
Ｏ
Ｌ ｌ
１
Ｏ
￡岔￡ ￡露
表１ ２００５年国内专利申请受理状况表
１．２起伏型时间序列模型 起伏型时间序列法［３３的基本方法为：设，Ｘ一｛ｚ。，ｚ。，ｚ。，…，五，…，ｚＮ｝，￡一０，１，…，Ｎ，为起伏型时间
序列。对五作差分处理：△。ｚ。＝五一ｚ。一。是一阶向后差分；△ｓｘ，＝五＋。一五是一阶向前差分。序列ｚ，在 一阶差分处理后遵从微分方程
阵表达式为
Ｓ卢一Ｚ
（４）
式中：Ｓ、Ｚ阵是与一阶向前差分、一阶向后差分及傅立叶级数有关的两个矩阵，其计算方法详见文献［４］。
万方数据
第６期
饶曼，等：专利申请与授权量的时间序列分析
１５９
解方程组（４）得
西一Ｓ一１Ｚ
（５）
将微分方程（１）式积分求解
卜一陋＋∑（口；ＣＯＳＷ；件ｂｉｓｉｎｗ；ｔ）］ｄｔ
。
Ｋ
△６ｚｉ＝ｎｏ＋＞：（ｎｉＣＯＳＷ。ｔ＋ｂｆｓｉｎｗｉｔ）
（２）
ｉ＝Ｏ Ｋ
△芦ｆ＝“ｏ＋＞：（以ｆＣＯＳＷｆｔ＋ｂｆｓｉｎｗｆｔ） （￡＝１，２，…，Ｎ－１）
（３）
ｊ芝０
若视上面两式为用右边傅立叶级数对左边增量的预报，并采用双向差分建模原则，使向前差分预报误
差和向后差分误差的平方和达到最小，即运用最小二乘法原理求出估计值￡、２、ｂ“ｉ。可得线性方程组的矩
ｚ；曲＝ｚ，一三。 一般都是正、负相问的数据序列，用一组正弦和余弦曲线的组合可以很好地另以描述。对于用其它方 法建模预测效果欠佳的模型，则可用此方法对其残差建模预测，最后将结果叠加起来预报，其预测精度将 会明显提高［５］。文中利用我国２００５年专利申请与授权数据进行了动态分析，其中仅以申请与授权总量及 申请中发明专利数据进行了动态实例模拟，效果较理想，表明起伏型时间序列模型可应用于我国、省及某 一地区专利申请与授权数据动态分析。若以我国专利申请与授权中的发明专利、实用新型及外观设计专 利为基本背景，同样可以利用起伏型时间序列方法对其月动态进行分析。
收稿日期：２００７一０１—０３ 基金项目：福建省软科学重点资助项目（２００２Ｒ００８） 作者简介：饶曼（１９７３一），女，福建福安人。助理研究员，主要从事产业开发与产业管理研究。
万方数据
１５８
运筹 与 管理
２００７年第１６卷
和授权量进行研究、预测，可以为专利的预警机制、相关政策和战略的设计和制定提供参考Ｌ１］。时间序列 分析法是自相关分析方法，适用于长期预测与预报，并可提前一年作出预报。舒正荣等∞］采用自回归模型 及灰色模型对芯片封装技术中国专利年及月动态进行了分析与预测，获得较好效果。时间序列方法有很 多种，起伏型时间序列是一种新的时间序列方法，它是一种用差分使序列变为符合傅里叶级数型（一组正 弦和余弦曲线的组合）变化方法［３～４３。专利申请与授权数据在年动态与月动态中常呈现出起伏型变化趋 势，因此起伏型时间序列分析方法在探讨我国专利申请与授权数据动态方面具有科学性与可行性，且有关 采用起伏型时间序列模型应用于专利申请与授权数据动态未见报道。本文提出采用起伏型时间序列模型 建立我国２００５年专利申请与授权数据的动态模型，以丰富专利数据分析与预测方法与理论。
献［４，５］。
２结果与分析
２．１专利申请量的动态分析 用起伏型时间序列分析方法模拟专利申请的逐月动态，其时间序列从１～１２月（表１）。我们用１～１２
月的专利申请量作为建模资料，Ｎ一１１，时间序列长度Ｎ７一Ｎ＋１—１２，取Ｋ＝Ｎ７／２—６，叫；一鼎ｉ一
警，篝，…，等，ｉ一１，２…．，Ｋ。这里需要注意若取俐；＝等·Ｋ＝等·等一，ｒ，ｓｉｎ训Ｋ—ｓｉｎ丌一ｏ，这将使
些值代入可得专利申请表中发明动态预测方程
６
＾
６－雨
三，一０．６４４４４—０．７７９２ｔ＋百∑叫生ｆｓｉｎ叫ｉ￡＋∑酉堕训（ｚ１～ｃＯＳ叫ｆ￡）
用ｔ－－－－－Ｏ，１，…，１１代入上式可得１～１２月的拟合值ｘ，，模拟效果较理想。将原序列≈和拟合值ｘ，作图比
较（图１Ｃ），两条曲线吻合较好。
３ 结论
已有的研究表明，差分处理相当于一个高通滤波器，而频波动是能用一个傅立叶级数良好拟合的［６］。 需要指出的是，本建模方法虽然在形式上与傅立叶分析方法并无大区别，但其基本思想是不同的。首先， 它的预报方程（６）是一个特殊微分方程（１）的解。再则方程中的参数（口。，ａ，，ｂ；）是通过使向前差分和向后 差分的预报误差最小来估计的。这种建模方法有以下优点：首先，单调型时间序列建模是通过一次或多次 累加来达到使序列符合一阶单变量模型即指数曲线型的。由于单调型时间序列通常通过差分处理都可变 为起伏型，因此，从原则上讲，起伏型时间序列建模方法更具普遍性。本模型的另一个优点是适合对残差 序列建模，因为无论哪种模型的残差序列
阵Ｚ、Ｓ中的元素，然后计算得到起伏型时间序列模型各系数（表２），起伏型时间序列模型的拟合剩余离差 平方和为０．０１０５７２，回归指数为０．９８５６。将这些值代人可得专利授权动态预测方程
主，＝１．７１６０—０．８６０６ｔ＋∑ａ／ｓｉｎｗｆ￡＋∑生（１一ｃＯＳ叫ｆｆ）
用ｔ－－０，１，…，１１代入上式可得１～１２月的拟合值主，，模拟效果较理想。将原序列五和拟合值王。作图比 较（图１Ｂ），两条曲线吻合较好。
警一∑（以ｉＣＯＳＷ；￡＋ｂｌｓｉｎｗ∽一“。＋∑（ａｔＣＯＳＷ；￡＋ｂｉ ｓｉｎｗ∽
（１）
ｕ。
ｆ＝０
ｉ嵩０
ｏ．－二
式中
Ｗｉ＝焉备，￡一ｏ，１，…，Ｎ，Ｋ＝Ｎ／２。
分别用向后差分△。ｚ，和向前差分△卢。代替（１）式中的微分如，且序列是等时距采样的，则Ａｔ一
（￡一１）一｝一１代替ｄ￡。这样（１）式可写成
要的理论意义。起伏型时间序列法是一种新的时问序列分析法，提出用起伏型时间序列法对专利申请与授权数
据进行动态分析。以２００５年国内专利申请与授权数量月动态为研究数据，对专利申请、授权及发明专利申请数
量的月动态进行建模模拟。结果令人满意，说明起伏型时间序列分析方法可应用于专利申请与授权动态模拟，从
而丰富了专利申请与授权数据动态分析方法。
第１６卷第６期 ２００７年１２月
运筹与 管理
ＯＰＥＲＡＴＩＯＮＳ ＲＥＳＥＡＲＣＨ ＡＮＤ ＭＡＮＡＧＥＭＥＮＴ ＳＣＩＥＮＣＥ
Ｖ０１．１６，ＮＯ．６ Ｄｅｅ．２００７
专利申请与授权量的时间序列分析
饶雯， 林友明， 郭红
（福建农林大学产业处，福建福州３５０００２）
摘要：专利的申请和授权量动态分析与预测是建立专利预警机制、设计与制定相关政策和战略的基础。具有重
０引言
专利即专利权，是知识产权的重要组成部分，是国家按专利法授予申请人在一定时间内对其发明创造 成果所享有的独占、使用和处理的权利，是一种财产权，有独占性、时间性、地域性。专利知识产权是一个 国家或地区科技资产的核心和最富有经济价值的部分，专利的拥有量既能反映该国家或地区对科技成果 原始创新的能力，又能折射出这些成果的市场应用潜能；同时，它也是衡量一个国家或地区综合实力的重 要标志。专利的申请与授权数量体现了一个国家和地区的技术发明能力和技术水平，所以对专利的申请
王，＝２．８００８—０．５４３３ｔ十∑一ａｉ ｓ１．ｎ训ｆ￡＋∑旦（１一ｃＯＳ砌ｉ￡）
用￡＝０，ｌ，…，１１代入上式可得１～１２月的拟合值主，，模拟效果较理想。将原序列ｚ。和拟合值互。作图比 较（图１Ａ），两条曲线吻合较好。
２一专利授权量动态分析 用起伏型时间序列分析方法模拟专利授权的逐月动态（表１），根据起伏型时间序列计算方法计算矩
１专利数据的收集与研究方法
１．ｉ专利数据的收集 以中国专利知识产权检索网为检索工具，获得２００５年逐月国内专利申请受理与授权基础数据资料
（表１），以此作为基础数据资料，探讨应用起伏型时间序列分析方法探讨我国专利申请受理与授权数据动 态分析模拟的科学性与可靠性，一方面通过对我国专利申请与授权数据动态分析为专利制度、战略的制定 提供依据，另一方面丰富和发展专利申请与授权预测与预报的方法和原理。
矩阵Ｓ出现０行、０列，所以为了使矩阵Ｓ不致出现不满秩，在时间序列长度Ｎ’为偶数时可取Ｋ＝Ｎ７／２，
训ｔ２可筹１ｉ；而在时间序列长度Ｎ７为奇数时可取Ｋ＝Ｎ／２，叫ｚ一妒／－，２ｌ－２．。
根据起伏型时间序列计算方法计算矩阵ｚ、ｓ中的元素，然后通过（１）式计算得到各系数（表２），起伏 型时间序列模型的拟合剩余离差平方和为０．４４４９，回归指数为０．９７９８。将这些值代入可得专利申请动态 预测方程
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｄｙｎａｍｉｃ ａｎａｌｙｓｉｓ ａｎｄ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ａｕｔｈｏｒｉｚａｔｉｏｎ ａｒｅ ｔｈｅ ｂａｓｅ ｆｏｒ ｂｕｉｌｄｉｎｇ ｐｒｅｐａｒｅｄｎｅｓｓ ｍｅｃｈａｎｉｓｍ，ｄｅｓｉｇｎｉｎｇ ａｎｄ ｆｏｒｍｕｌａｔｉｎｇ ｒｅｌａｔｅｄ ｐｏｌｉｃｙ ａｎｄ ｓｔｒａｔｅｇｙ，ｗｈｉｃｈ ｈａｓ ｉｍ— ｐｏｒｔａｎｔ ｔｈｅｏｒｅｔｉｃ ｓｉｇｎｉｆｉｃａｎｃｅ．Ａｎａｌｙｓｉｓ ｏｆ ｗａｖｅ—ｔｙｐｅ ｔｉｍｅ ｓｅｒｉｅｓ ｉｓ ａ ｎｅｗ ｍｅｔｈｏｄ，ｗｈｉｃｈ ｉｓ ｕｓｅｄ ｔｏ ｓｉｍｕ— ｌａｔｅ ｔｈｅ ｄａｔａ ｏｆ ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ａｕｔｈｏｒｉｚａｔｉｏｎ ｉｎ Ｃｈｉｎａ ｉｎ ｔｈｅ ｐａｐｅｒ．Ｗｉｔｈ ｔｈｅ ｄｙｎａｍｉｃｓ ｏｆ ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ａｕｔｈｏｒｉｚａｔｉｏｎ ｉｎ Ｃｈｉｎａ ｉｎ ２００５ ａｓ ｒｅｓｅａｒｃｈ ｏｂｊｅｃｔｉｖｅ，ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｗａｖｅ—ｔｙｐｅ ｔｉｍｅ ｓｅｒｉｅｓ ｉｓ ｕｓｅｄ ｔｏ ｓｉｍｕｌａｔｅ ｔｈｅ ｄｙｎａｍｉｃｓ ｏｆ ｐａｔｅｎｔ，ａｎｄ ｔｈｅ ｄｙｎａｍｉｃｓ ｍｏｄｅｌｓ ｏｆ ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ ａｎｄ ａｕｔｈｏｒｉｚａ— ｔｉｏｎ ａｎｄ ｉｎｖｅｎｔｉｏｎ ｐａｔｅｎｔ ｉｎ ａｐｐｌｉｃａｔｉｏｎ ａｒｅ ｄｅｄｕｃｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｔｈｅ ｒｅｓｕｌｔｓ ａｒｅ ｓａｔｉｓｆａｃｔｏｒｙ，ｗｈｉｃｈ ｍｅａｎｓ ｔｈａｔ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｗａｖｅ—－ｔｙｐｅ ｔｉｍｅ ｓｅｒｉｅｓ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ｓｉｍｕｌａｔｅ ｔｈｅ ｄｙｎａｍｉｃｓ ｏｆ ａｕｔｈｏｒｉｚｅｄ ｐａ‘— ｔｅｎｔ ａｎｄ ｐａｌｅｎｔ ａｐｐｌｉｃａｔｉｏｎ．Ｔｈｅ ｓｔｕｄｙ ｗｉｌｌ ｅｎｒｉｃｈ ｔｈｅ ｍｅｔｈｏｄｓ ｆｏｒ ｓｉｍｕｌａｔｉｎｇ ｔｈｅ ｄａｔａ ｏｆ ａｕｔｈｏｒｉｚｅｄ ｐａ— ｔｅｎｔ ａｎｄ ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ｄｅｃｉｓｉｏｎ ｍａｋｉｎｇ ａｎａｌｙｓｉｓ；ｄｙｎａｍｉｃ ｓｉｍｕｌａｔｉｎｇ；ａｎａｌｙｓｉｓ ｏｆ ｗａｖｅ—ｔｙｐｅ ｔｉｍｅ ｓｅｒｉｅｓ；ｐａｔｅｎｔ ａｐ— ｐｌｉｃａｔｉｏｎ；ａｕｔｈｏｒｉｚｅｄ ｐａｔｅｎｔ
ｉ～
。Ｋ
Ｋ
而２州＋蚤五ａｉ ｓｉｎ砌ｔ￡＋善训ｈｉ；（＿ＣＯＳ州）＋ｃ
将初始条件：￡一０时ｚ，一ｚ。代人上式，则积分常数Ｃ—ｚ。＋ｙ旦。 ；：ｊ ｗｉ 所以微分方程（１）的解为
五一ｚ。＋ａｏｔ＋蚤叫ａ＿Ｌ。ｓｍ硼ｚ￡＋蚤参（１－－ＣＯＳ训∞ ￡一０’１＇２，…，Ｎ
（６）
将方程组（４）的解（５）邢（￡，２，嚣）一一代人（６）式，则可对原序列进行拟合与预测Ⅲ，具体步骤请参阅文
０ ∞Ⅲ拍弘∞舳 ¨啪¨∞盯弘
万方数据
１６０
运 筹与 管理
２００７年第１６卷
２．３发明专利申请量的动态分析
用起伏型时间序列分析方法模拟专利申请表中发明专利的逐月动态（表１），计算得到起伏型时问序
列模型各系数（表２），起伏型时间序列模型的拟合剩余离差平方和为０．０１８０４，回归指数为０．９８４７。将这