基于專利時序數(shù)據(jù)預(yù)測技術(shù)機(jī)會的方法與實(shí)證研究

李冬梅，宋志紅

(1.山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院，山西 太原 030006；2.山西大學(xué)管理與決策研究所，山西 太原 030006)

基于專利時序數(shù)據(jù)預(yù)測技術(shù)機(jī)會的方法與實(shí)證研究

李冬梅1，宋志紅2

(1.山西大學(xué)數(shù)學(xué)科學(xué)學(xué)院，山西 太原 030006；2.山西大學(xué)管理與決策研究所，山西 太原 030006)

本文提出一種基于專利時序數(shù)據(jù)預(yù)測技術(shù)機(jī)會的馬爾科夫區(qū)制轉(zhuǎn)換方法，并以1977年1月—2014年6月半導(dǎo)體行業(yè)專利時序數(shù)據(jù)為例進(jìn)行實(shí)證分析。實(shí)證結(jié)果表明，半導(dǎo)體行業(yè)專利授權(quán)數(shù)量處于上升狀態(tài)與下降狀態(tài)的交替頻率較高，且專利授權(quán)數(shù)量處于上升狀態(tài)的持續(xù)期明顯弱于專利授權(quán)數(shù)量處于下降狀態(tài)的持續(xù)期:專利授權(quán)數(shù)量處于上升狀態(tài)的平均持續(xù)期約為4.167個月，專利授權(quán)數(shù)量處于下降狀態(tài)的平均持續(xù)期約為13.699個月。與以往研究相比，本文提出的馬爾科夫區(qū)制轉(zhuǎn)換 (MRS)方法可以更準(zhǔn)確地預(yù)測某個特定領(lǐng)域出現(xiàn)技術(shù)機(jī)會的時間窗口。

技術(shù)機(jī)會；馬爾科夫區(qū)制轉(zhuǎn)換；半導(dǎo)體行業(yè)

1 引言

許多行業(yè)的技術(shù)進(jìn)步和演化過程表明，新技術(shù)的出現(xiàn)可能突破已有技術(shù)發(fā)展的瓶頸，打開技術(shù)發(fā)展的機(jī)會窗口[1]。技術(shù)機(jī)會可以被定義為特定領(lǐng)域存在技術(shù)進(jìn)步的可能性或潛力，它反映了企業(yè)在某個領(lǐng)域?qū)崿F(xiàn)技術(shù)進(jìn)步所付出的代價[2-5]。由于沿著原有技術(shù)軌道進(jìn)行技術(shù)改進(jìn)可能在短期內(nèi)存在難以克服的瓶頸，當(dāng)某個領(lǐng)域存在技術(shù)進(jìn)步的可能性很低時，意味著企業(yè)面臨較高的開發(fā)成本和技術(shù)創(chuàng)新失敗風(fēng)險，甚至還可能威脅到企業(yè)的競爭地位及生存。因此，預(yù)測并發(fā)現(xiàn)潛在的技術(shù)機(jī)會，不僅有助于防止企業(yè)的技術(shù)投資失敗，提高企業(yè)的研發(fā)效率，還有助于企業(yè)實(shí)現(xiàn)技術(shù)趕超和增強(qiáng)競爭優(yōu)勢。

技術(shù)機(jī)會分析主要是指通過收集科技文獻(xiàn)或?qū)＠畔?，利用定量分析方法，并輔之以專家意見，為企業(yè)的研發(fā)投資和新產(chǎn)品開發(fā)活動提供決策支持[5]。以往關(guān)于技術(shù)機(jī)會分析方法的文獻(xiàn)，主要集中于兩個方面:①研究特定領(lǐng)域中具有發(fā)展?jié)摿Φ募夹g(shù)形態(tài)[6-11]。②研究特定領(lǐng)域內(nèi)存在技術(shù)進(jìn)步的可能性或潛力[4]。相對來說，這一方向的文獻(xiàn)較少。已有文獻(xiàn)主要基于專利數(shù)量的增長趨勢來判斷技術(shù)機(jī)會[12-13]。

從以往文獻(xiàn)來看，大多數(shù)學(xué)者的研究主要以專利數(shù)據(jù)和科技文獻(xiàn)為基礎(chǔ)，采用統(tǒng)計(jì)學(xué)、文獻(xiàn)計(jì)量學(xué)和可視化技術(shù)等方法，考察特定領(lǐng)域內(nèi)存在的研究熱點(diǎn)或技術(shù)進(jìn)步的可能性。本文的主要貢獻(xiàn)在于:①大多數(shù)基于專利數(shù)據(jù)預(yù)測技術(shù)機(jī)會的研究側(cè)重于對專利文本內(nèi)容的計(jì)量分析，而較少有研究以專利時序數(shù)據(jù)為對象預(yù)測技術(shù)機(jī)會；②盡管少數(shù)研究利用專利時序數(shù)據(jù)的增長趨勢來預(yù)測技術(shù)發(fā)展?jié)摿?，然而這種判斷方法仍然較為粗糙。本文以1977年1月—2014年6月半導(dǎo)體行業(yè)的專利時序數(shù)據(jù)為對象，采用馬爾科夫區(qū)制轉(zhuǎn)換 (Markov Regime-Switching，MRS)方法，通過刻畫半導(dǎo)體行業(yè)專利時序數(shù)據(jù)的動態(tài)變化路徑，分析該領(lǐng)域出現(xiàn)技術(shù)機(jī)會的時間窗口。

2 數(shù)據(jù)來源和研究方法

2.1 數(shù)據(jù)來源

具有大量技術(shù)機(jī)會行業(yè)的顯著特征之一是:在一段時期內(nèi)能夠保持較高的R＆D密集度和技術(shù)進(jìn)步率[4]。作為高技術(shù)行業(yè)之一，半導(dǎo)體不僅排在R＆D活動最密集的行業(yè)前列，而且該行業(yè)還為其他高技術(shù)行業(yè)提供產(chǎn)品，如電子計(jì)算機(jī)設(shè)備以及電訊設(shè)備。近年來，由于半導(dǎo)體行業(yè)的迅速發(fā)展，半導(dǎo)體行業(yè)的生命周期已經(jīng)大大縮短。由于半導(dǎo)體行業(yè)具有較高的資本投資率和較高的R＆D密集度，作為信息時代的 “原油”，半導(dǎo)體行業(yè)的技術(shù)機(jī)會預(yù)測對于企業(yè)研發(fā)投資和技術(shù)創(chuàng)新決策具有重要意義，因此，本文選擇半導(dǎo)體行業(yè)作為分析對象。專利是技術(shù)創(chuàng)新的產(chǎn)物，為識別特定領(lǐng)域的技術(shù)趨勢提供了可靠的、最新的信息。以專利作為技術(shù)機(jī)會分析的對象，可以較好地識別和把握一定時期內(nèi)可能存在的技術(shù)機(jī)會和技術(shù)發(fā)展態(tài)勢。

由于授權(quán)的專利價值總體上高于申請而未授權(quán)的專利價值[15]，本文采取授權(quán)專利數(shù)量而非申請專利數(shù)量作為研究數(shù)據(jù)。半導(dǎo)體行業(yè)的所有授權(quán)專利數(shù)據(jù)來源于中華人民共和國知識產(chǎn)權(quán)局專利數(shù)據(jù)檢索系統(tǒng) (http://search.cnipr.com)。本文以 “H01L”為國際專利主分類號來檢索半導(dǎo)體技術(shù)專利。選擇 “H01L”技術(shù)分類來檢索半導(dǎo)體專利的原因在于:首先，已有文獻(xiàn)通常以 “半導(dǎo)體器件”作為半導(dǎo)體技術(shù)專利的定義，并采用4位IPC代碼 “H01L”來檢索半導(dǎo)體專利[16-17]；其次，盡管半導(dǎo)體生產(chǎn)商申請的半導(dǎo)體專利涉及大約62個技術(shù)分類號[18-19]，由所有技術(shù)分類號檢索得到的半導(dǎo)體技術(shù)全部專利數(shù)量與基于H01L分類號檢索得到的專利數(shù)量具有相似的變化趨勢[16]；最后，本文提出一種基于專利時序數(shù)據(jù)預(yù)測技術(shù)機(jī)會的方法，以 “H01L”這一單一技術(shù)分類為對象也可以達(dá)到本文的研究目的。在檢索過程中，我們按照專利公告日逐月進(jìn)行專利檢索，時間跨度限制為1977年1月至2014年6月，共450個月。檢索結(jié)果共得到1694141條半導(dǎo)體技術(shù)授權(quán)專利記錄。

2.2 研究方法

馬爾科夫區(qū)制轉(zhuǎn)換 (MRS)模型是一種用來處理變結(jié)構(gòu)問題的非線性時間序列模型[20]。本文試圖通過刻畫專利時序數(shù)據(jù)的動態(tài)變化路徑，來預(yù)測半導(dǎo)體行業(yè)出現(xiàn)技術(shù)機(jī)會的時間窗口，因此，采用MRS方法進(jìn)行技術(shù)機(jī)會預(yù)測是非常恰當(dāng)?shù)??；诖?，對于半?dǎo)體專利授權(quán)量月度變化率 (pt)序列，本文借鑒Hamilton[20-21]的模型，假設(shè)半導(dǎo)體專利授權(quán)量月度變化率服從以下區(qū)制轉(zhuǎn)換的自回歸模型:

式中，ptt表示t月的半導(dǎo)體專利授權(quán)量增長率；μst表示依賴于狀態(tài)st的參數(shù)。進(jìn)一步，st為狀態(tài)變量，即半導(dǎo)體專利授權(quán)量變化所處的不同狀態(tài)，其取值為0或1，st＝1表示半導(dǎo)體專利授權(quán)量處于上升狀態(tài)，st＝0表示半導(dǎo)體專利授權(quán)量處于下降狀態(tài)。εst為模型的隨機(jī)擾動項(xiàng)，服從正態(tài)分布。半導(dǎo)體專利授權(quán)量上升時εst的方差為σ21，半導(dǎo)體專利授權(quán)量下降時εst的方差為σ20。應(yīng)用馬爾科夫區(qū)制轉(zhuǎn)換模型進(jìn)行分析，需要檢驗(yàn)半導(dǎo)體授權(quán)專利時序數(shù)據(jù)是否具有 “馬氏性”。根據(jù)張玉芬和朱雅琳[22]提出的方法，本文對半導(dǎo)體專利授權(quán)量變化率pt的時間序列進(jìn)行馬爾科夫性檢驗(yàn)，結(jié)果表明，對于半導(dǎo)體專利授權(quán)量變化率pt的時間序列，給定其過去所處的狀態(tài)s0、s1…sn-1以及現(xiàn)在的狀態(tài)sn，將來的狀態(tài)sn+1的條件分布與過去的狀態(tài)獨(dú)立，只依賴于現(xiàn)在的狀態(tài)sn，因而半導(dǎo)體專利授權(quán)量變化率pt的時間序列滿足馬爾科夫性，即st服從馬爾科夫過程，其轉(zhuǎn)移概率為:

為簡便寫出ptt的似然函數(shù)，引入新的狀態(tài)變量表示t時期的變化狀態(tài)，記:

式中，PTt＝(ptt，ptt-1，…，pt0)，Φ ＝(μ0，μ1，φ0，φ1，σ0，σ1，p，q)類似地，可求得＝2，3，…，8時，ptt的條件概率密度函數(shù)。記:

關(guān)于這兩個迭代方程的詳細(xì)推導(dǎo)過程可參見Hamilton[21]。全部樣本PTT的對數(shù)似然函數(shù)為:

其中:

3 馬爾科夫區(qū)制轉(zhuǎn)換模型的參數(shù)估計(jì)結(jié)果與分析

3.1 模型的參數(shù)估計(jì)

利用Gauss7.0軟件，可以計(jì)算出馬爾科夫區(qū)制轉(zhuǎn)換模型的參數(shù)估計(jì)值 (見表1)。從表1可以看出，半導(dǎo)體專利授權(quán)數(shù)量在上升和下降兩種狀態(tài)下的參數(shù)估計(jì)值μ1和μ0具有明顯差異，表明采用兩狀態(tài)的馬爾科夫區(qū)制轉(zhuǎn)換模型描述半導(dǎo)體專利授權(quán)數(shù)量變化的動態(tài)過程是恰當(dāng)?shù)?。半?dǎo)體專利授權(quán)數(shù)量的上升狀態(tài)與下降狀態(tài)以一定概率相互轉(zhuǎn)換，由表1可知p＝0.760，表明本月半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)，下月繼續(xù)上升的概率為0.760，而本月半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)，下月處于下降狀態(tài)的概率為0.240；由表1可知q＝0.927，表明本月半導(dǎo)體專利授權(quán)數(shù)量處于下降狀態(tài)，下月繼續(xù)下降的概率為0.927，而本月半導(dǎo)體專利授權(quán)數(shù)量處于下降狀態(tài)，下月專利授權(quán)數(shù)量上升的概率為0.073。可見，在本文的研究區(qū)間內(nèi)，半導(dǎo)體專利授權(quán)數(shù)量處于下降狀態(tài)的概率高于其處于上升狀態(tài)的概率。從表1還可以看出，半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)(St＝1)的持續(xù)期明顯弱于專利授權(quán)數(shù)量處于下降狀態(tài)的持續(xù)期 (St＝0):半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)的平均持續(xù)期約為4.167個月 [＝1/(1-0.760)]，半導(dǎo)體專利授權(quán)數(shù)量處于下降狀態(tài)的平均持續(xù)期約為13.699個月 [＝1/(1-0.927)]。

表1 馬爾科夫區(qū)制轉(zhuǎn)換模型的參數(shù)估計(jì)結(jié)果

圖1和圖2分別給出半導(dǎo)體專利授權(quán)數(shù)量變化率處于上升狀態(tài)和下降狀態(tài)的平滑概率圖，它們刻畫了半導(dǎo)體專利授權(quán)數(shù)量變化率在t＝1，2，…，T時刻所處狀態(tài)發(fā)生的轉(zhuǎn)移概率。從圖1和圖2中兩個狀態(tài)的平滑概率圖可以看出，半導(dǎo)體行業(yè)的發(fā)展始終伴隨著 “上升狀態(tài)”和 “下降狀態(tài)”的相互變遷；同時，由于半導(dǎo)體行業(yè)具有較高的R＆D密集度和較快的技術(shù)進(jìn)步速度，半導(dǎo)體專利授權(quán)數(shù)量的上升狀態(tài)與下降狀態(tài)的交替頻率較高，即經(jīng)歷了短暫的上升 (下降)狀態(tài)之后又迅速進(jìn)入下降 (上升)狀態(tài)。

圖1 半導(dǎo)體行業(yè)處于上升狀態(tài)的平滑概率

圖2 半導(dǎo)體行業(yè)處于下降狀態(tài)的平滑概率

3.2 討論

一般來說，技術(shù)進(jìn)步總是在特定范式的框架下沿著技術(shù)軌道進(jìn)行漸進(jìn)性改進(jìn)。每個技術(shù)軌道的機(jī)會都是由技術(shù)潛力和耗竭程度所決定的[23]。由于技術(shù)潛力逐漸被消耗殆盡，沿著原有技術(shù)軌道進(jìn)行技術(shù)改進(jìn)將越來越困難，即特定技術(shù)軌道存在的技術(shù)機(jī)會傾向于隨著時間推移而減少。這意味著，一方面，技術(shù)潛力決定了企業(yè)在特定技術(shù)領(lǐng)域中創(chuàng)新成功的可能性，同時也反映了企業(yè)技術(shù)創(chuàng)新的成本；另一方面，盡管技術(shù)潛力隨時間而逐漸耗竭，但這并不意味著技術(shù)進(jìn)步會終止于該技術(shù)軌道。Anderson和Tushman[1]提出的不連續(xù)技術(shù)創(chuàng)新理論表明，當(dāng)一項(xiàng)根本性技術(shù)創(chuàng)新即新技術(shù)范式出現(xiàn)時，將會與原有技術(shù)軌道展開設(shè)計(jì)競爭，在確立某項(xiàng)技術(shù)作為主導(dǎo)設(shè)計(jì)后進(jìn)入漸進(jìn)性技術(shù)創(chuàng)新時期，在這一時期，大部分技術(shù)創(chuàng)新主要圍繞著組件的改進(jìn)進(jìn)行，而不是改變主導(dǎo)設(shè)計(jì)的結(jié)構(gòu)。由此可見，每一次根本性技術(shù)創(chuàng)新都可能意味著開辟了新的技術(shù)軌道，并創(chuàng)造出新的技術(shù)機(jī)會，而大量的技術(shù)機(jī)會則產(chǎn)生于技術(shù)的漸進(jìn)性改進(jìn)時期，表現(xiàn)為在這一階段該領(lǐng)域內(nèi)申請及授權(quán)的專利數(shù)量大幅度增加。

近40年來，產(chǎn)品生命周期縮短和產(chǎn)品快速更新?lián)Q代已經(jīng)成為半導(dǎo)體行業(yè)最明顯的特征之一。作為一種經(jīng)驗(yàn)法則，摩爾定律 (幾何尺寸的按比例縮小)在過去許多年為企業(yè)研發(fā)與創(chuàng)新活動指明了方向，并將繼續(xù)在芯片制造的很多方面起著指導(dǎo)作用。在等效按比例縮小時代，主要通過創(chuàng)新設(shè)計(jì)、軟件解決方案和新材料結(jié)構(gòu)來提升效能，從而引領(lǐng)全球半導(dǎo)體行業(yè)的發(fā)展[24]。然而，基于經(jīng)驗(yàn)法則預(yù)測半導(dǎo)體行業(yè)技術(shù)機(jī)會的時間窗口還是一種較為粗糙的方法，本文采用馬爾科夫區(qū)制轉(zhuǎn)換 (MRS)方法，通過刻畫半導(dǎo)體專利時序數(shù)據(jù)的動態(tài)變化路徑，可以更為準(zhǔn)確地預(yù)測半導(dǎo)體行業(yè)出現(xiàn)技術(shù)機(jī)會的時間窗口。但是，這并不意味著企業(yè)可以僅僅通過預(yù)測技術(shù)機(jī)會窗口來獲取商業(yè)成功。在這里我們假定，企業(yè)進(jìn)入特定技術(shù)領(lǐng)域的時機(jī)只是一個選擇的問題，即企業(yè)在任何一個時點(diǎn)都可以開發(fā)某項(xiàng)技術(shù)。事實(shí)上，技術(shù)發(fā)展過程總是面臨重重技術(shù)障礙，積累必要的技術(shù)知識和擁有快速開發(fā)新技術(shù)所需的核心能力，輔之以恰當(dāng)?shù)募夹g(shù)機(jī)會預(yù)測，才能克服技術(shù)障礙，實(shí)現(xiàn)技術(shù)創(chuàng)新成功。

4 結(jié)論

作為高技術(shù)行業(yè)之一，半導(dǎo)體行業(yè)不僅具有較高的資本投資率和R＆D密集度，也為其他高技術(shù)行業(yè)提供產(chǎn)品。例如，集成電路高端設(shè)備的技術(shù)進(jìn)步帶動了鄰近技術(shù)領(lǐng)域的發(fā)展，大大降低了平板顯示器、微機(jī)電系統(tǒng)傳感器、無線電設(shè)備和無源器件等設(shè)備的成本。作為信息時代的 “原油”，半導(dǎo)體行業(yè)的技術(shù)機(jī)會預(yù)測對于企業(yè)研發(fā)投資和技術(shù)創(chuàng)新決策具有重要意義。

在以往研究的基礎(chǔ)上，本文提出一種基于專利時序數(shù)據(jù)預(yù)測技術(shù)機(jī)會的新方法，即采用馬爾科夫區(qū)制轉(zhuǎn)換 (MRS)方法，通過刻畫半導(dǎo)體專利時序數(shù)據(jù)的動態(tài)變化路徑，來識別半導(dǎo)體行業(yè)技術(shù)機(jī)會出現(xiàn)的時間窗口。研究結(jié)果表明:半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)的持續(xù)期明顯弱于專利授權(quán)數(shù)量處于下降狀態(tài)的持續(xù)期:半導(dǎo)體專利授權(quán)數(shù)量處于上升狀態(tài)的平均持續(xù)期約為4.167個月，半導(dǎo)體專利授權(quán)數(shù)量處于下降狀態(tài)的平均持續(xù)期約為13.699個月。與以往研究相比，本文提出的MRS方法可以更準(zhǔn)確地預(yù)測某個特定領(lǐng)域技術(shù)機(jī)會出現(xiàn)的時間窗口。

[1]Anderson P，Tushman M.Technological Discontinuities and Dominant Design:A cyclical Model of Technological Change[J].Administrative Science Quarterly，1990，(35):604-634.

[2]呂一博，康宇航，王淑娟.基于共現(xiàn)分析的技術(shù)機(jī)會發(fā)現(xiàn)與可視化識別[J].科研管理，2012，(4):80-85.

[3]馬婷婷，汪雪鋒，朱東華，劉勝奇.基于專利的技術(shù)機(jī)會分析方法研究[J].科學(xué)學(xué)研究，2014，(3):334-342+383.

[4]Klevorick A K，Levin R C，Nelson R R，Winter S G.On the Sources and Significance of Interindustry Differences in Technological Opportunities[J].Research Policy，1995，(24):185-205.

[5]Lee C，Kang B，Shin J.Novelty-focused Patent Mapping for Technology Opportunity Analysis[J].Technological Forecasting＆Social Change，2015，(90):355-365.

[6]Porter A L，Detampel M J.Technology Opportunities Analysis[J].Technological Forecasting and Social Change，1995，(49):237-255.

[7]Yoon B，Park Y.A Systematic Approach for Identifying Technology Opportunities:Keyword-based Morphology Analysis[J].Technological Forecasting＆Social Change，2005，(72):145-160.

[8]Tseng Y H，Lin C J，Lin Y I.Text Mining Techniques for Patent Analysis[J]Information Processing and Management，2007，43(5): 1216-1247.

[9]Yoon B，Park I，Coh B.Exploring Technological Opportunities by Linking Technology and Products:Application of Morphology Analysis and Text Mining[J].Technological Forecasting and Social Change，2014，(86):287-303.

[10]Ma J，Porter A L.Analyzing Patent Topical Information to Identify Technology Pathways and Potential Opportunities[J].Scientometrics，2015，(102):811-827.

[11]Lee C，Kang B，Shin J.Novelty-focused Patent Mapping for Technology Opportunity Analysis[J].Technological Forecasting＆Social Change，2015，(90):355-365.

[12]黃魯成，蔡爽.基于專利的判斷技術(shù)機(jī)會的方法及實(shí)證研究[J].科學(xué)學(xué)研究，2010，(2):215-220.

[13]Chen Y H，Chen C Y，Lee S C，Technology Forecasting and Patent Strategy of Hydrogen Energy and Fuel Cell Technologies[J].International Journal of Hydrogen Energy，2011，36(12):6957-6969.

[14]Altuntas S，Dereli T，Kusiak A.Forecasting Technology Success Based on Patent Data[J].Technological Forecasting＆Social Change，2015，(96):202-214.

[15]馮仁濤，余翔，金泳鋒.基于專利情報(bào)的技術(shù)機(jī)會與區(qū)域技術(shù)專業(yè)化分析[J].情報(bào)雜志，2012，(6):13-18.

[16]Adams P，F(xiàn)ontana R，Malerba F.The Magnitude of Innovation by Demand in a Sectoral System:the Role of Industrial Users in Semiconductors[J].Research Policy，2013，(42):1-14.

[17]Malva A D，Hussinger K.Corporate Science in the Patent System:An Analysis of the Semiconductor Technology[J].Journal of E-conomic Behavior＆Organization，2012，(84):118-135.

[18]Dibiaggio L，Nasiriyar M.Knowledge Integration and Vertical Specialization in the Semiconductor Industry.European Management Review[J].2009，(6):265-276.

[19]Dibiaggio L，Nasiriyar M，Nesta L.Substitutability and Complementarity of Technological Knowledge and the Inventive Performance of Semiconductor Companies[J].Research Policy，2014，(43):1582-1593.

[20]Hamilton J D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica，1989，(57):357-384.

[21]Hamilton J D.Time Series Analysis[M].Princeton，NJ:Princeton University Press，1994.

[22]張玉芬，朱雅琳.馬爾科夫性及其檢驗(yàn)方法研究[J].價值工程，2012，(2):312-313.

[23]Cantner U，Pyka A.Absorbing Technological Spillovers:Simulations in an Evolutionary Framework[J].Industrial and Corporate Change，1998，7(2):369-397.

[24]國際半導(dǎo)體技術(shù)發(fā)展路線圖(ITRS)2012版綜述(1)[J].郭新軍譯.中國集成電路，2013，(11):26-39.

(責(zé)任編輯 劉傳忠)

Method and Empirical Investigation of Forecasting Technology Opportunity with Time-Series Patent Data

Lee Dongmei1，Song Zhihong2
(1.School of Mathematical Sciences，Shanxi University，Taiyuan 030006，China；2.Institute of Management and Decision，Shanxi University，Taiyuan 030006，China)

The paper provides an Markov Regime-Switching model for forecasting technology opportunity with time-series patent data from January 1977 to June 2014 in semiconductor industry.The empirical results indicate that the transition between expansion state and contraction state of authorized patent quantity is relatively quick，and that the duration of an expansion state which authorized patent quantity is increasing significantly shorter than that of a contraction state in semiconductor industry.The average duration of an expansion state is about 4.167 months，while the average duration of a contraction state is about 13.699 months.Compared with previous studies，the Markov Regime-Switching(MRS)method in this paper provides a more accurate forecast on windows of technology opportunity in a specific field.

Technology opportunity；Markov Regime-Switching；Semiconductor industry

李冬梅 (1977-)，女，山西懷仁人，講師，博士研究生；研究方向:時間序列分析、合作網(wǎng)絡(luò)與技術(shù)創(chuàng)新。

G306.0；C812

A

教育部人文社會科學(xué)研究項(xiàng)目 (09YJC630146)。

2015-05-08