專利價(jià)格評(píng)估指標(biāo)體系與預(yù)測(cè)模型構(gòu)建

曾凱霖，唐 婷，吳澤斌

（江西理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，江西贛州 341000）

在知識(shí)產(chǎn)權(quán)交易市場(chǎng)中，專利交易服務(wù)是重要內(nèi)容，專利交易產(chǎn)生的收益主要為專利許可收到的許可費(fèi)用、技術(shù)轉(zhuǎn)讓所收到的支付成本。根據(jù)國(guó)家知識(shí)產(chǎn)權(quán)局［1］公布的《2022 年中國(guó)專利調(diào)查報(bào)告》，2022 年我國(guó)專利轉(zhuǎn)移轉(zhuǎn)化指數(shù)（PTI 指數(shù)）為52.7，較上年提高0.5，PTI 指數(shù)突破50 表示專利轉(zhuǎn)移轉(zhuǎn)化活動(dòng)活躍；在知識(shí)產(chǎn)權(quán)資本化運(yùn)作中，2022年我國(guó)專利質(zhì)押融資金額快速增長(zhǎng)，總額達(dá)4 868.8億元，同比增長(zhǎng)57.1%；在知識(shí)產(chǎn)權(quán)運(yùn)用效益上，知識(shí)產(chǎn)權(quán)使用費(fèi)進(jìn)出口總額為3 872.5 億元，其中出口額同比增長(zhǎng)17%；發(fā)明專利許可率為12.1%，發(fā)明專利產(chǎn)業(yè)化平均收益金額達(dá)到799.2 萬(wàn)元/件。面對(duì)專利交易需求量的增加，我國(guó)專利網(wǎng)絡(luò)交易平臺(tái)也在不斷完善，2020 年11 月，為了搭建統(tǒng)一的知識(shí)產(chǎn)權(quán)交易平臺(tái)，全國(guó)首個(gè)知識(shí)產(chǎn)權(quán)交易場(chǎng)所聯(lián)盟正式成立，全國(guó)12 家知識(shí)產(chǎn)權(quán)交易場(chǎng)所參與，這有利于構(gòu)建知識(shí)產(chǎn)權(quán)交易的標(biāo)準(zhǔn)化市場(chǎng)，同時(shí)進(jìn)一步緩解知識(shí)產(chǎn)權(quán)跨區(qū)域維權(quán)難現(xiàn)象。整體而言，我國(guó)知識(shí)產(chǎn)權(quán)交易市場(chǎng)正處于不斷成長(zhǎng)的階段，面對(duì)專利交易數(shù)量的增多，對(duì)專利價(jià)格的精準(zhǔn)估值十分有必要。若基于專利交易價(jià)格，并通過(guò)挖掘?qū)＠麛?shù)據(jù)的評(píng)價(jià)指標(biāo)，使目標(biāo)專利與實(shí)際交易專利具有相似可比性，確定的專利價(jià)格是否具有可靠性？這正是本研究擬回答的問題。

1 相關(guān)研究文獻(xiàn)評(píng)述

專利價(jià)格是專利價(jià)值的外在體現(xiàn)，由于每個(gè)專利都具有獨(dú)特性，直接以專利的歷史價(jià)格來(lái)評(píng)估其他專利價(jià)格存在不合理性，因此，本研究通過(guò)挖掘?qū)＠麅r(jià)值以匹配相似專利的專利價(jià)格來(lái)表示預(yù)測(cè)價(jià)格。為此，首先對(duì)國(guó)內(nèi)外專利價(jià)值評(píng)估方法進(jìn)行梳理，發(fā)現(xiàn)專利價(jià)值評(píng)估方法的研究大致包括傳統(tǒng)評(píng)估法、多指標(biāo)綜合評(píng)價(jià)法和其他運(yùn)用交叉學(xué)科的方法。如，李娟等［2］、金泳鋒等［3］都利用層次分析法方法構(gòu)建專利價(jià)值評(píng)價(jià)指標(biāo)體系，分別從技術(shù)指標(biāo)、經(jīng)濟(jì)指標(biāo)與法律指標(biāo)3 個(gè)層面計(jì)算專利綜合價(jià)值度以識(shí)別高價(jià)值專利；但通過(guò)層次分析法確認(rèn)的權(quán)重主觀性強(qiáng)，因此楊登才等［4］強(qiáng)調(diào)專利法律指標(biāo)層面中的侵權(quán)數(shù)量指標(biāo)與經(jīng)濟(jì)指標(biāo)層面中的作價(jià)入股專利與公司數(shù)量指標(biāo)，將其納入高校專利質(zhì)量評(píng)價(jià)體系中，并利用熵權(quán)法進(jìn)行評(píng)價(jià)，克服了主觀評(píng)價(jià)的隨機(jī)性；劉勤等［5］將獲得中國(guó)專利獎(jiǎng)的專利定義為高價(jià)值專利，并從不同的專利指標(biāo)權(quán)重挖掘它們的共性。對(duì)于專利價(jià)格預(yù)測(cè)而言，Hiller 等［6］首次在均衡框架下根據(jù)市場(chǎng)交易來(lái)衡量專利價(jià)值，運(yùn)用靜態(tài)寡頭壟斷模型對(duì)專利法律案件的損害賠償費(fèi)進(jìn)行計(jì)算；劉子辰［7］基于循環(huán)神經(jīng)網(wǎng)絡(luò)，在考慮專利市場(chǎng)因素情況下預(yù)測(cè)專利價(jià)格；孫玉艷［8］通過(guò)修正收益法、市場(chǎng)法等方法設(shè)計(jì)專利自動(dòng)評(píng)估系統(tǒng)，對(duì)專利價(jià)值進(jìn)行量化；來(lái)音［9］納入非理性因素行為，即考慮人們對(duì)初始信息的依賴所產(chǎn)生的錨定效應(yīng)情況下，利用深度學(xué)習(xí)模型對(duì)高校專利價(jià)值進(jìn)行評(píng)估與預(yù)測(cè)。

可以發(fā)現(xiàn)，上述文獻(xiàn)對(duì)于高價(jià)值專利的甄別仍大多停留在有關(guān)評(píng)價(jià)指標(biāo)權(quán)重的計(jì)算上，關(guān)于如何運(yùn)用專利價(jià)值進(jìn)行專利定價(jià)的實(shí)證研究很少。而且，目前大多專利價(jià)值評(píng)估體系都只能計(jì)算專利綜合價(jià)值度，其實(shí)質(zhì)體現(xiàn)的是專利綜合價(jià)值的概率分布情況，并不能精準(zhǔn)表達(dá)專利的市場(chǎng)價(jià)格或?qū)嶋H運(yùn)營(yíng)價(jià)值。對(duì)于專利價(jià)格預(yù)測(cè)來(lái)說(shuō)，又較少考慮到專利的經(jīng)濟(jì)、技術(shù)與法律價(jià)值。為此，本研究提出基于熵權(quán)法構(gòu)建專利指標(biāo)評(píng)價(jià)體系，并以市場(chǎng)價(jià)格為基礎(chǔ)，實(shí)現(xiàn)對(duì)專利價(jià)格的預(yù)測(cè)。

2 專利價(jià)值評(píng)估體系與模型的構(gòu)建

2.1 專利價(jià)值評(píng)估指標(biāo)體系構(gòu)建

通過(guò)對(duì)相關(guān)文獻(xiàn)研究的梳理發(fā)現(xiàn)，學(xué)術(shù)界尚未對(duì)專利價(jià)值內(nèi)涵的界定形成定論，但基本認(rèn)為專利價(jià)值的內(nèi)涵主要包括了技術(shù)價(jià)值、法律價(jià)值和經(jīng)濟(jì)價(jià)值3 個(gè)方面。其中，技術(shù)價(jià)值是高價(jià)值專利的核心基礎(chǔ)；法律價(jià)值是實(shí)現(xiàn)專利市場(chǎng)化、資本化的重要保障；經(jīng)濟(jì)價(jià)值是專利價(jià)值的外在表現(xiàn)，是可預(yù)見的現(xiàn)金流。這3 個(gè)方面相輔相成，共同構(gòu)成了專利價(jià)值。為了確定不同類型的專利是否具有可匹配性，進(jìn)而確定相似的專利價(jià)格，分別從技術(shù)價(jià)值、法律價(jià)值和經(jīng)濟(jì)價(jià)值角度選取了8 個(gè)二級(jí)評(píng)估指標(biāo)（見表1），通過(guò)各指標(biāo)權(quán)重來(lái)反映專利間的可匹配性。對(duì)于技術(shù)價(jià)值及其影響，Aristodemou 等［10］認(rèn)為高被引專利往往包含重要的技術(shù)進(jìn)步；郭狀等［11］基于我國(guó)人工智能專利數(shù)據(jù)研究發(fā)現(xiàn)，專利引證與被引證數(shù)和專利家族數(shù)對(duì)專利價(jià)值具有顯著的正向影響；Fisch 等［12］、馮仁濤等［13］構(gòu)建基于專利IPC分類號(hào)的范圍指標(biāo)發(fā)現(xiàn)，技術(shù)范圍對(duì)專利技術(shù)價(jià)值具有顯著正向影響。在法律價(jià)值層面，如楊思思等［14］以市場(chǎng)轉(zhuǎn)化潛力為篩選目標(biāo)，列舉了涉及權(quán)利要求項(xiàng)數(shù)、專利說(shuō)明書頁(yè)數(shù)等11 項(xiàng)指標(biāo)評(píng)估專利法律價(jià)值。在經(jīng)濟(jì)價(jià)值層面，如楊鐵軍［15］認(rèn)為發(fā)明人數(shù)量越多代表專利的創(chuàng)造能力越強(qiáng)；馬天旗［16］提出市場(chǎng)規(guī)模和市場(chǎng)占有率可以通過(guò)衡量市場(chǎng)當(dāng)前應(yīng)用情況來(lái)反映專利的市場(chǎng)價(jià)值，其中市場(chǎng)占有率是專利持有者的專利擁有量占該技術(shù)范圍內(nèi)專利總量的比值。

表1 專利價(jià)值評(píng)估指標(biāo)體系

2.2 數(shù)據(jù)來(lái)源與選取

根據(jù)全國(guó)產(chǎn)權(quán)行業(yè)信息化綜合服務(wù)平臺(tái)、全國(guó)知識(shí)產(chǎn)權(quán)交易場(chǎng)所聯(lián)盟的專利成交量來(lái)看，目前我國(guó)專利交易市場(chǎng)正處于成長(zhǎng)期，公開披露的專利交易信息較少，且部分專利由于與其他專利存在技術(shù)強(qiáng)關(guān)聯(lián)，單件專利不能單獨(dú)實(shí)施，這種專利的交易大都是捆綁交易，難以衡量其中單件專利的價(jià)格。因此，基于全國(guó)知識(shí)產(chǎn)權(quán)交易場(chǎng)所聯(lián)盟從2005 年至2021 年公布數(shù)據(jù)進(jìn)行樣本數(shù)據(jù)的收集。

樣本篩選思路如下：（1）2005 年我國(guó)正式啟動(dòng)知識(shí)產(chǎn)權(quán)戰(zhàn)略制定工作，專利交易市場(chǎng)開始被重視與運(yùn)用，且 2005 年我國(guó)互聯(lián)網(wǎng)產(chǎn)業(yè)在歷經(jīng)坎坷征程之后再次迎來(lái)發(fā)展的高潮，專利交易信息在網(wǎng)上開始披露，因此，選擇2005 年為樣本考察始點(diǎn)；（2）由于外觀設(shè)計(jì)專利在專利特征上與發(fā)明專利和實(shí)用新型專利有明顯區(qū)別，因此不將外觀設(shè)計(jì)專利納入樣本；（3）要求專利權(quán)在發(fā)生權(quán)利轉(zhuǎn)移時(shí)法律狀態(tài)為有效；（4）部分企業(yè)為了滿足國(guó)家高新技術(shù)企業(yè)認(rèn)定標(biāo)準(zhǔn)中專利數(shù)量的要求，存在頻繁收購(gòu)價(jià)格便宜而實(shí)際實(shí)施率低的專利行為，該類專利的實(shí)際價(jià)值與其價(jià)格不相符，不具有研究意義，因此，為了避免這類專利對(duì)研究結(jié)論的影響，剔除了專利價(jià)格在1 萬(wàn)元以下的專利。最終，共收集320 件單件專利的交易價(jià)格，其中293 件為發(fā)明專利，27 件為實(shí)用新型專利。專利價(jià)值評(píng)估指標(biāo)均從智慧芽（PatSnap）專利數(shù)據(jù)庫(kù)進(jìn)行采集。隨機(jī)選取220 組專利數(shù)據(jù)作為樣本組，對(duì)模型的有效性進(jìn)行檢驗(yàn)；同時(shí)，隨機(jī)選取以100 組專利數(shù)據(jù)作為預(yù)測(cè)組，判斷預(yù)測(cè)價(jià)格與實(shí)際交易價(jià)格的擬合程度。

2.3 專利價(jià)值評(píng)估指標(biāo)權(quán)重

由于本研究?jī)?nèi)容涉及多維指標(biāo)的綜合評(píng)價(jià)，因此選用熵權(quán)法計(jì)算指標(biāo)權(quán)重。具體步驟如下：

假定共有m件專利，每個(gè)樣本有n個(gè)評(píng)估指標(biāo)，構(gòu)建原始矩陣如下：

進(jìn)行標(biāo)準(zhǔn)化處理。

式（2）中：Yij為標(biāo)準(zhǔn)化后第i件專利的第j個(gè)指標(biāo)的數(shù)值；max(xj)和min(xj)分別取列數(shù)據(jù)的列最大值和列最小值。

（3）計(jì)算第j項(xiàng)指標(biāo)下第i件專利占該指標(biāo)的比重（pij）。

（4）計(jì)算第j個(gè)指標(biāo)的熵值ej。

式（4）中：ej>0。

（5）計(jì)算各項(xiàng)指標(biāo)的權(quán)重ωj與第i件專利的綜合得分δi。

3 專利價(jià)格評(píng)估模型

3.1 模型有效性檢驗(yàn)

計(jì)算出樣本組專利價(jià)格評(píng)價(jià)各指標(biāo)權(quán)重，結(jié)果見表2。其中，被引用專利數(shù)的權(quán)重最高。被引用專利數(shù)體現(xiàn)的是專利技術(shù)的先進(jìn)性，如果一件專利被后續(xù)專利頻繁引用，說(shuō)明該專利對(duì)后續(xù)技術(shù)的參考價(jià)值大、影響力強(qiáng)，能夠引領(lǐng)行業(yè)未來(lái)發(fā)展方向且屬于面向未來(lái)的顛覆性創(chuàng)新或開拓性發(fā)明創(chuàng)造，對(duì)后續(xù)技術(shù)的影響深遠(yuǎn)，因而是專利價(jià)值的重要體現(xiàn)。

表2 基于熵權(quán)法的樣本組專利價(jià)格評(píng)價(jià)指標(biāo)權(quán)重

綜上，對(duì)樣本專利價(jià)值度進(jìn)行綜合評(píng)價(jià)排名，并與其實(shí)際成交價(jià)格排名分布情況進(jìn)行對(duì)比，如圖1 所示，虛線表示實(shí)際成交價(jià)格排名的理想擬合線，可以看出，綜合評(píng)價(jià)排名大致落在理想擬合線附近，擬合情況較好。

圖1 樣本專利價(jià)值綜合評(píng)價(jià)排名與實(shí)際成交價(jià)格排名的擬合曲線

另外，從表3 可以看出，基于熵權(quán)法的專利綜合評(píng)價(jià)排名與其實(shí)際成交價(jià)格排名呈現(xiàn)顯著的正相關(guān)關(guān)系；調(diào)整后的R2系數(shù)為0.899，模型擬合較好，說(shuō)明通過(guò)熵權(quán)法衡量的專利價(jià)值具有一定的可靠性。

表3 樣本專利價(jià)值綜合評(píng)價(jià)回歸分析結(jié)果

3.2 專利價(jià)值與專利價(jià)格對(duì)比分析

將樣本中價(jià)值綜合評(píng)價(jià)排名前三的專利與其實(shí)際交易價(jià)格進(jìn)行對(duì)比（見表4）。從技術(shù)價(jià)值角度看，有3 件專利的被引次數(shù)分別達(dá)到了9 次、4 次和13次，高于樣本專利的平均被引次數(shù)（1.582 次）。被引次數(shù)越多，表明專利對(duì)后續(xù)專利技術(shù)的影響程度越高，所含的技術(shù)價(jià)值越先進(jìn)，反映出的專利價(jià)值度越高。從法律價(jià)值角度看，專利價(jià)值排名第一的專利的權(quán)利要求數(shù)為10 個(gè)，由于權(quán)利要求數(shù)量超過(guò)10 個(gè)將被要求收取附加費(fèi)，所以專利權(quán)利要求數(shù)量越接近10 個(gè)，表明專利受保護(hù)的技術(shù)方案數(shù)量越多、保護(hù)強(qiáng)度越大，反映出專利價(jià)值度越高。從經(jīng)濟(jì)價(jià)值角度看，有3 件專利的市場(chǎng)占有率分別為6.044%、8.880%和0.014%，其中超過(guò)100 萬(wàn)元成交價(jià)格的前2 件專利的市場(chǎng)占有率高于樣本平均值（1.800%）。市場(chǎng)占有率越高，表明目標(biāo)專利在其技術(shù)領(lǐng)域的市場(chǎng)當(dāng)前應(yīng)用情況越廣，反映出專利價(jià)值度越高?？傮w來(lái)看，綜合評(píng)價(jià)排名前三的專利與其成交價(jià)格排名基本相符，說(shuō)明本研究構(gòu)建的專利價(jià)值評(píng)價(jià)指標(biāo)體系能夠較為全面地反映專利價(jià)值，選用的熵權(quán)法能夠較有效地衡量專利的價(jià)值權(quán)重，基于此進(jìn)行專利價(jià)格預(yù)測(cè)具有合理性和準(zhǔn)確性。

表4 基于熵權(quán)法的樣本專利價(jià)值度排序

3.3 穩(wěn)健性檢驗(yàn)

由于各項(xiàng)專利指標(biāo)的權(quán)重會(huì)隨選取樣本的不同發(fā)生變化，如果指標(biāo)權(quán)重隨樣本的變化而出現(xiàn)顯著差異，將會(huì)給專利價(jià)值評(píng)估帶來(lái)不確定性，從而降低專利價(jià)值評(píng)估的穩(wěn)定性和可信度，因此，對(duì)320組樣本數(shù)據(jù)進(jìn)行不重復(fù)隨機(jī)抽樣，每次抽取220 組不同樣本數(shù)據(jù)，并按照上述方法進(jìn)行各指標(biāo)權(quán)重的計(jì)算。共計(jì)重復(fù)隨機(jī)抽取1 000 次，并記錄每次抽樣下的指標(biāo)權(quán)重，具體統(tǒng)計(jì)結(jié)果如表5 所示，可見各指標(biāo)權(quán)重的平均值與其中位數(shù)值非常接近，且25%分位數(shù)和75%分位數(shù)均未顯著偏離平均值和中位數(shù)，標(biāo)準(zhǔn)差也顯著低于平均值，說(shuō)明樣本選取對(duì)各指標(biāo)權(quán)重的影響可忽略不計(jì)，不會(huì)對(duì)專利價(jià)值評(píng)估產(chǎn)生顯著的影響。

表5 樣本評(píng)價(jià)指標(biāo)權(quán)重描述性統(tǒng)計(jì)結(jié)果

4 價(jià)格預(yù)測(cè)模型

4.1 模型構(gòu)建

為了精確預(yù)測(cè)專利價(jià)格，將樣本專利按照其綜合指標(biāo)值排名依次分成20 等份，并依據(jù)樣本專利市場(chǎng)成交真實(shí)價(jià)格計(jì)算各等分區(qū)間專利真實(shí)交易價(jià)格平均值。以上文確定的指標(biāo)權(quán)重計(jì)算預(yù)測(cè)組專利的綜合指標(biāo)值，然后根據(jù)該綜合指標(biāo)值在樣本組中進(jìn)行匹配，將匹配等份的平均真實(shí)成交價(jià)格作為該預(yù)測(cè)組專利的評(píng)估價(jià)格，并檢驗(yàn)其擬合程度。若預(yù)測(cè)組專利的綜合指標(biāo)值超出樣本組所有專利的綜合指標(biāo)值，則該預(yù)測(cè)組專利被匹配為第20 等份；若預(yù)測(cè)組專利的綜合指標(biāo)值低于樣本組所有專利的綜合指標(biāo)值，則該預(yù)測(cè)組專利被匹配為第1 等份。

4.2 預(yù)測(cè)結(jié)果與分析

對(duì)預(yù)測(cè)組的100 組專利進(jìn)行模型構(gòu)建并進(jìn)行價(jià)格評(píng)估預(yù)測(cè)，將專利預(yù)測(cè)價(jià)格與專利的實(shí)際成交價(jià)格進(jìn)行線性擬合，回歸結(jié)果見表6。從F檢驗(yàn)的結(jié)果分析可以得到，顯著性P值在1%的水平下顯著，模型存在顯著正向線性關(guān)系，模型表示為y=-6 889.604+0.913x，因而預(yù)測(cè)價(jià)格對(duì)實(shí)際價(jià)格的關(guān)聯(lián)度達(dá)到91.3%。

表6 預(yù)測(cè)組樣本的線性回歸分析結(jié)果

如圖2 所示，預(yù)測(cè)組樣本專利的預(yù)測(cè)價(jià)格與實(shí)際成交價(jià)格基本相符，說(shuō)明運(yùn)用專利評(píng)估指標(biāo)綜合權(quán)重匹配法預(yù)測(cè)目標(biāo)專利交易價(jià)格有效。但是可以從表6 看出，模型R2系數(shù)不高，這是因?yàn)槟壳笆袌?chǎng)上專利交易公布信息量雖有所增長(zhǎng)，但高價(jià)格成交的專利信息披露量較少，而成交價(jià)格在1 萬(wàn)元至10萬(wàn)元的專利的成交信息披露相對(duì)較多，因此模型在成交信息公布相對(duì)較多的樣本區(qū)間定價(jià)越準(zhǔn)確，而在信息公布較少的樣本區(qū)間由于樣本量不足，預(yù)測(cè)效果有所下降，從而導(dǎo)致模型的擬合程度有待加強(qiáng)。

圖2 預(yù)測(cè)組樣本專利的預(yù)測(cè)價(jià)格和實(shí)際成交價(jià)格擬合效果

4.3 價(jià)格預(yù)測(cè)模型的穩(wěn)健性檢驗(yàn)

在專利價(jià)格預(yù)測(cè)中，樣本的選取具有隨機(jī)性，不同的樣本會(huì)導(dǎo)致樣本組和預(yù)測(cè)組專利發(fā)生變化，指標(biāo)權(quán)重和每個(gè)綜合指標(biāo)值對(duì)應(yīng)的專利價(jià)格平均值也將發(fā)生變化，這將對(duì)專利價(jià)值預(yù)測(cè)的穩(wěn)定性產(chǎn)生影響；同時(shí)，專利價(jià)格還受專利被引跨度、專利維持時(shí)間比率、審批時(shí)間、是否共同合作、申請(qǐng)人類型與技術(shù)領(lǐng)域等變量的影響，如傅強(qiáng)等［17］、錢坤等［18］、劉雪鳳等［19］、李燕萍等［20］、姚清晨［21］和馮仁濤［22］的研究中分別對(duì)上述有關(guān)變量進(jìn)行了分析。為了檢驗(yàn)?zāi)Ｐ驮诓煌瑯颖鞠聝r(jià)格預(yù)測(cè)的穩(wěn)定性，同時(shí)緩解由于遺漏變量偏差所導(dǎo)致的內(nèi)生性問題，在此重新執(zhí)行上述穩(wěn)定性檢驗(yàn)方法步驟，再次計(jì)算指標(biāo)權(quán)重和專利綜合指標(biāo)值，并對(duì)專利價(jià)格進(jìn)行預(yù)測(cè)。針對(duì)每個(gè)預(yù)測(cè)組專利，首先計(jì)算其綜合指標(biāo)值，然后根據(jù)該綜合指標(biāo)值在樣本組中進(jìn)行匹配，將匹配等份的平均真實(shí)成交價(jià)格作為該預(yù)測(cè)組專利的評(píng)估價(jià)格，并在加入控制變量后進(jìn)行回歸，結(jié)果如表7 所示。

表7 專利成交價(jià)格影響因素變量定義和計(jì)算方法

每次回歸分析的系數(shù)和擬合度結(jié)果如表8所示。在改變樣本數(shù)據(jù)與加入控制變量后，預(yù)測(cè)價(jià)格對(duì)實(shí)際成交價(jià)格的平均回歸系數(shù)為0.78，在1%水平下顯著，且回歸系數(shù)的25%分位數(shù)和75%分位數(shù)均未大幅偏離中位數(shù)。其中，僅考慮控制變量對(duì)專利成交價(jià)格的影響時(shí)，模型的擬合程度平均為31.3%，解釋力度較弱；但在加入考慮專利實(shí)際成交價(jià)所計(jì)算的價(jià)格后，模型擬合程度達(dá)到67.7%，解釋力度得到了明顯提升。這說(shuō)明在考慮到專利價(jià)格受其他變量影響的條件下，模型相對(duì)未考慮控制變量時(shí)相關(guān)系數(shù)雖有所降低，但仍然高度有效，且預(yù)測(cè)價(jià)格影響因素的加入對(duì)于成交價(jià)格的解釋力度顯著提升，再次證明了預(yù)測(cè)專利價(jià)格與實(shí)際交易價(jià)格情況基本相符，表明本研究構(gòu)建的專利價(jià)格預(yù)測(cè)模型具有較高的準(zhǔn)確率和穩(wěn)定性。

表8 樣本專利重新抽樣回歸分析的系數(shù)和擬合度統(tǒng)計(jì)結(jié)果

5 結(jié)論與展望

本研究通過(guò)從技術(shù)層面、法律層面、經(jīng)濟(jì)層面選取8 個(gè)二級(jí)指標(biāo)構(gòu)建專利價(jià)值評(píng)估體系，以專利交易市場(chǎng)上存在真實(shí)交易的我國(guó)專利為樣本，利用熵權(quán)法對(duì)專利進(jìn)行綜合權(quán)重評(píng)價(jià)，并與其真實(shí)交易情況進(jìn)行匹配。結(jié)果表明，利用熵權(quán)法所計(jì)算的專利綜合價(jià)值與真實(shí)交易情況基本相符，說(shuō)明基于熵權(quán)法構(gòu)建的專利價(jià)值評(píng)估指標(biāo)體系具有客觀性，消除了權(quán)重的主觀評(píng)價(jià)對(duì)估值的影響，增強(qiáng)了專利的可比性，使得專利交易成交價(jià)格數(shù)據(jù)在專利價(jià)值評(píng)估中的應(yīng)用成為可能，同時(shí)也消除了專利無(wú)法匹配、專利不可比的情形對(duì)市場(chǎng)化應(yīng)用的不利影響；而且，基于稀疏交易的專利價(jià)格預(yù)測(cè)在小樣本范圍內(nèi)基本準(zhǔn)確，當(dāng)樣本不斷擴(kuò)大時(shí)，預(yù)測(cè)方法具有延展性，精確度會(huì)越來(lái)越高，能為專利交易市場(chǎng)價(jià)格定價(jià)提供一定的信息參考價(jià)值。

然而，本研究存在以下兩點(diǎn)不足需要改進(jìn)：一是尚未考慮組合內(nèi)專利的相關(guān)性對(duì)組合型專利交易價(jià)格的影響。由于專利價(jià)值體現(xiàn)具有關(guān)聯(lián)性，單件專利在很多情況下必須與其他技術(shù)搭配，往往無(wú)法單獨(dú)實(shí)施，且部分專利需與技術(shù)秘密捆綁實(shí)施，因此專利組合的價(jià)格不再是組合內(nèi)單個(gè)專利價(jià)格的簡(jiǎn)單相加。二是指標(biāo)考慮不夠周全，例如侵權(quán)訴訟也會(huì)影響專利價(jià)值，經(jīng)歷過(guò)訴訟并勝訴的專利往往更經(jīng)得起考驗(yàn)、價(jià)值更高，但由于專利訴訟信息公開披露較少，本研究選取的樣本中經(jīng)歷過(guò)侵權(quán)訴訟的專利很少，為排除異常值影響則未考慮專利訴訟方面的指標(biāo)。