创新力预测 专利申请预测方法研究2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

创新力预测 专利申请预测方法研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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