創新力預測專利申請量預測方法研究

《創新力預測專利申請量預測方法研究》是2010年1月1日知識產權出版社出版的圖書，作者是（英）欣利，（法）尼古拉斯。

基本介紹

• 書名：創新力預測專利申請量預測方法研究
• 作者：（英）欣利 、（法）尼古拉斯　 
• 出版社：智慧財產權出版社
• 出版時間：2010年1月1日
• 開本：16 開
• 裝幀：平裝
• ISBN：9787802478367 

內容簡介

本書匯總了歐洲專利局專家在創新力預測方面長期研究的成果。包括：探討專利形成內在過程的理論模型，用時間序列方法進行申請量預測的實證模型，以及歐專局預測工作的實踐活動。研究成果在巨觀、中觀、微觀層面上揭示了專利申請量的變化規律以及和其他經濟因素的關係。

讀者對象：科技管理人員，智慧財產權相關研究人員和企業，對預測工作感興趣者。

目錄

第一章 背景

第二章 改進專利申請預測的研究項目

1 引言

2 動機與任務描述

3 專利申請預測方法

3.1 EPO所用的和專家諮詢組報告中討論的方法

3.2 諮詢組所建議的方法

4 研究方案設計

4.1 研究項目的框架

4.2 模組A——調查法

4.3 模組B——企業層面的專利申請量

4.4 模組C——行業和國家層面的專利申請量

4.5 模組D——專利傳遞模型

4.6 模組E——申請數據集的時間序列模型

5 數據需求和模組關聯

6 進一步的建議

6.1 研究競賽

6.2 研究會議

第三章 從理論到時間序列

1 引言

2 理論模型

3 時間序列回歸方法

4 結論

第四章 時間序列預測專利的相對精確度分析：時空分解法的優勢

1 引言

2 數據描述

3 預測方法綜述

4 預測方法的運用

4.1 一元ARIMA模型(年度數據)

4.2 一元ARIMA模型(月度數據)

4.3 多元ARIMA模型(年度數據)

4.4 多元ARIMA模型(月度數據)

4.5 一元DLM模型(年度數據)

4.6 一元DLM模型(月度數據)

4.7 多元DLM模型(年度數據)

4.8 多元DLM模型(月度數據)

5 相對精確度分析

6 更長時間軸範圍內的預測精確度

7 結論

第五章 向歐專局申請專利的驅動力：產業途徑

1 引言

2 專利和經濟因素的關聯

3 實證分析結果

3.1 總體模型

3.2 國家模型

3.3 產業模型

4 結論

第六章 預測專利申請的時間序列法

1 引言

2 數據描述

3 模型描述

4 套用方法和診斷的描述

5 分析的結果

5.1 平穩性

5.2 預白噪聲化和交叉相關

5.3 自回歸分布滯後(ADL)法的結果

5.4 向量自回歸(VAR)法獲得的結果

6 結論

7 附錄

第七章 向歐專局申請的國際專利：總體、產業和同族申請

1 引言

2 文獻綜述

3 方法論和數據集

3.1 概念性框架和方法論

3.2 數據來源

4 實證分析

4.1 案例1——總體申請(按申請模式劃分)

4.2 案例2——產業申請(聯合集群)

4.3 案例3——同族專利申請

5 結論

附錄：技術注釋

第八章 微觀數據實現巨觀結果

1 引言

2 隨機抽樣調查

2.1 資料庫及其性能特徵

2.2 描述統計

2.3 持續與非持續申請人

2.4 討論

3 DTl記分牌與專利數據結合

3.1 數據

3.2 描述統計

3.3 相關性

3.4 討論

4 結論

第九章 歐洲專利局對預測方法的改進

1 引言

2 現有方法

2.1 趨勢分析

2.2 傳遞模型

2.3 申請人調查

2.4 聯合集群層面的規劃

2.5 年度預測實踐

2.6 討論

3 推薦的研究方案

3.1 改進專利申請預測的研究項目(迪特馬爾·哈霍夫，第二章 )

3.2 從理論到時間序列(彼得·欣利和沃爾特·帕克，第三章 )

3.3 時間序列預測專利的相對精確度分析：時空分解法的優勢(奈傑爾·米德，第四章 )

3.4 向歐專局申請專利的驅動力：產業途徑(克努特·布蘭德，第五章 )

3.5 預測專利申請的時間序列法(格哈德·迪克塔，第六章 )

3.6 向歐專局申請的國際專利：總體，產業和同族申請(沃爾特·帕克，第七章 )

3.7 微觀數據實現巨觀結果(賴爾·費希，第八章 )

4 歐專局執行建議情況概述

5 預測的比較

6 歐專局預測的未來發展

7 結論

參考文獻

譯後記