栾春娟++李维卓
摘要：测度重大发明创造的专利合作特征，对推动重大突破性创新具有重要的决策指导意义。以高被引专利代表重大发明创造技术；以中被引专利代表中型发明创造技术；以零被引专利代表微型发明创造技术，运用发明者共现分析方法，对三个频段专利合作率与合作强度测度结果显示，重大发明创造具有更高的专利合作率与合作强度特征。定量分析的结果，对专利技术研发具有重要的理论意义、方法意义和现实意义。
关键词：重大发明创造；专利合作率；专利合作强度；发明者；共现分析
中图分类号：G305；G306 文献编码：A DOI：10.3969/j.issn.1003-8256.2017.02.004
0 引言
與中型发明创造和微型发明创造相比，重大发明创造是否具有更高的专利合作率与合作强度？对该问题的研究，有助于我们掌握不同层次发明创造专利合作的特征与规律，为取得突破性的重大发明创造提供决策支持。专利合作包括发明者之间的合作、公司之间或公司与大学等之间的合作，本研究中专利合作率与合作强度的分析，是基于发明者层面进行的。
国内外已有的专利合作研究成果，多是探讨公司之间或公司与大学之间的专利合作问题。比如，基于网络分析的公司之间专利合作研究[1-3]、特定行业的公司专利合作研究[4-6]等。基于发明者层面的专利合作研究，主要探讨了发明者合作网络中心性对科研绩效的影响[7]、发明者合作网络演变及其对技术发明生产率的影响[8]、特定省份发明者合作问题[9]、地理距离对发明者合作的影响[10]、劳动力流动与专利技术合作对知识扩散的影响[11]等。我们尚未发现关于重大发明创造发明者专利合作率与合作强度的相关研究成果。权威的专利计量学家Francis Narin提出，一个公司拥有的专利数量多少并不是最重要的，专利被引证频次的高低才是最重要的[12]。如果一项专利被后来的许多专利所引证，则表明该专利涉及的发明创造是一项比较重要的发明创造[13-15]。拥有高被引频次的专利常常被认为是代表重大发明创造的专利技术[16， 17]。本研究中，将以高被引专利代表重大发明创造技术；以中被引专利代表中型发明创造技术；以零被引专利代表微型发明创造技术。通过与中被引和零被引专利相比较，探测高被引专利，即重大发明创造，是否具有更高的专利合作率与合作强度特征。
1 数据来源、研究方法与指标选取
1.1 数据来源
本研究样本数据来源于世界专利数据库《德温特创新索引》（Derwent Innovation Index，DII），检索的技术领域范围是全部德温特分类代码（Derwent Class Code，DC）所代表的20个技术大类，如表1所示。由于专利的引用需要一定的周期，并且由于DII检索最高限额10万条数据的限制，我们经过反复测试后，选取了2005年作为检索的时间范围。数据检索和下载日期为2015年3月17日。
我们设定的高被引-中被引-零被引专利数据的检索条件如下：高被引专利的被引频次在25次以上；中被引的专利被引频次为9-10次；零被引的专利被引频次为0次。原本设想高被引-中被引-零被引三个频段各选取5000条甚至更多的数据作为样本，但测试后发现不具有可能性，绝大多数DC领域按被引频次由高到低排序到5000条时，往往被引频次就只有6-7次、甚至0次了。最后经过反复测试，确定了三个被引频段分别下载500条专利数据为分析样本，才能保证过半数的DC技术领域符合设定的条件。有几个DC大类的专利数据超过10万条，为了数据准确，遇此情况，则选择了该大类之下的某几个子类，例如Q大类超过了10万条，于是选择了Q1* OR Q2* OR Q3*这几个子类共计82627条。样本数据选取的具体信息如表1所示。
符合样本数据设定条件的DC技术大类，在表1中用符号“√”表示被选中；不符合的用符号“×”表示没有被选中。首先考察的是高被引专利样本数据是否符合设定的条件，即前500个高被引的频次是否都高于25次。若不符合这个条件，就直接被排除，尽管被排除的大类的中被引和零被引可能符合设定的条件。表1显示，全部德温特分类代码DC大类中，共有11个大类符合高被引专利数据样本设定的条件，分别是A、B、D、L、P、S、T、U、V、W、X大类。
1.2 指标选取与研究假设
我们选取发明者专利合作率与发明者专利合作强度两项指标来进行分析。提出的研究假设是：高被引部分这两项指标值>中被引部分>零被引部分。
1.3 研究方法
借助大型文献处理软件Bibexcel[18]，运用发明者共现分析方法，对各项指标进行计算和统计，而后对高被引、中被引和零被引三部分的发明者专利合作率和合作强度等指标值进行比较分析，得到相应结论。
2 分析结果
2.1 专利合作率的测度与比较
我们将表1里选中的11个DC技术大类的高被引、中被引和零被引三个部分的专利数据分别合并到一起，而后运用BibExcel软件，分析得到含有两个或两个以上发明者的专利数据，依据合作率的概念，即存在着发明者合作关系的专利数据占全部样本专利数据的比率，计算得到高被引-中被引-零被引三个部分的发明者专利合作率，并绘制了图1。
图1显示，高被引/中被引部分的专利合作率远远高于零被引部分。其中高被引部分的专利合作率最高，达到84.98%，即接近85%的发明创造是由两个或两个以上的发明者合作完成的，只有约15%的专利是由一个发明者独自完成的。而零被引部分只有30.73%的发明创造是由两个或两个以上发明者合作完成的，其余近70%的发明创造是由一个发明者独自完成的。中被引部分的专利合作率也比较高，接近80%。这个结果，验证了研究假设——与中被引和零被引专利比较，高被引专利的合作率更高，即与中型发明创造和微型发明创造相比较，重大发明创造的专利合作率更高。
2.2 专利合作强度的测度与比较
同样运用BibExcel软件，分析得到高被引-中被引-零被引三个部分涉及到的全部发明者数量后，依据发明者专利合作强度的概念，即平均每项专利的发明者数量，计算得到高被引-中被引-零被引三个部分的发明者专利合作强度，并绘制了图2。
图1 高被引-中被引-零被引三部分专利合作率的比较
图2 高被引-中被引-零被引三部分专利合作强度的比较
图2显示，高被引-中被引-零被引三部分专利合作强度的分布层次分明。其中高被引部分的专利合作强度最高，为5.10，即平均每项专利是由5个以上的发明者合作完成的。而零被引部分的专利合作强度仅为1.85，即平均每项专利是由不足两位发明者合作完成的。中被引部分的专利合作强度也比较高，接近4。这个结果，验证了研究假设——与中被引和零被引专利比较，高被引专利的合作强度更高，即与中型发明创造和微型发明创造相比较，重大发明创造的专利合作强度更高。
单项专利最高发明者数量的比较，是从另一个侧面对专利合作强度进行的分析。分析比较的结果如图3所示。
图3显示，高被引/中被引部分的单项专利最高发明者数量远远高于零被引部分。其中高被引部分的单项专利最高发明者数量为72；而零被引部分的单项专利最高发明者数量仅为22；中被引部分的单项专利最高发明者数量也比较高，为62。这个结果，同样验证了研究假设——与中被引和零被引专利比较，高被引专利的合作强度更高，即与中型发明创造和微型发明创造相比较，重大发明创造的专利合作强度更高。
图3 单项专利最高发明者数量的比较
3 结论与讨论
3.1 主要结论
本文以高被引专利代表重大发明创造技术；以中被引专利代表中型发明创造技术；以零被引专利代表微型发明创造技术。选取发明者专利合作率与合作强度两项指标，通过与中被引和零被引专利相比较，探测高被引专利，即重大发明创造，是否具有更高的专利合作率与合作强度的特征。
测度结果显示，高被引与中被引部分的专利合作率与合作强度都远远高于零被引部分；高被引部分的专利合作率与合作强度是最高的；零被引部分的专利合作率与合作强度是最低的；中被引部分的专利合作率与合作强度比较高。
3.2 讨论
本文的创新之处表现在：借助大型文献处理软件，采用了与以往不同的新兴专利计量方法，选取专利合作率与合作强度两项指标，提出并测度了重大发明创造是否具有更高的专利合作率和合作强度特征。测度结果揭示了重大发明创造具有更高的专利合作率与合作强度特征。定量分析的结果，一方面，对于我们定量认识重大发明创造专利合作特征具有重要的理论意义和方法意义；另一方面，对于重大发明创造的专利技术研发活动具有重要的现实指導意义。
本文的研究主题属于科学合作范畴。虽然国内外学者关于科学合作的研究成果比较多，其中也不乏专利合作的研究成果，但对于重大发明创造的专利合作特征进行研究的相关成果却几乎没有。因此，本研究的选题和结论，都具有很强的新颖性和开拓性。研究结论，对推动重大突破性创新，具有重要的决策指导意义。
参考文献：
[1] 温芳芳. 基于社会网络分析的专利合作模式研究[J]. 情报杂志. 2013， （7）： 119-123.
[2] 刘凤朝， 马荣康， 姜楠. 基于“985高校”的产学研专利合作网络演化路径研究[J]. 中国软科学. 2011， （7）： 178-192.
[3] Eslami H， Ebadi A， Schiffauerova A. Effect of collaboration network structure on knowledge creation and technological performance： the case of biotechnology in Canada[J]. Scientometrics. 2013， 97（1）： 99-119.
[4] 余致力. 基于计量学的我国中药制药专利合作研究[J]. 医学信息学杂志. 2011（11）： 44-47.
[5] 陈燕， 毛昊. 生物医药行业专利合作研发现状及政策建议[J]. 中国科技投资. 2008（2）： 27-29.
[6] Islam N， Ozcan S. Nanotechnology Innovation System： An Empirical Analysis of the Emerging Actors and Collaborative Networks[J]. Ieee Transactions on Engineering Management. 2013， 60（4）： 687-703.
[7] 栾春娟， 刘则渊， 侯海燕. 发明者合作网络中心性对科研绩效的影响[J]. 科学学研究. 2008（5）： 938-941.
[8] 栾春娟， 王续琨， 侯海燕. 发明者合作网络的演变及其对技术发明生产率的影响[J]. 科学学与科学技术管理. 2008（3）： 28-30.
[9] 张华宝， 胡俊荣. 广东省发明专利合作情况的计量学研究——基于发明人[J]. 现代情报. 2010（8）：129-130+134.
[10]Lei XP， Zhao ZY， Zhang X et al. Technological collaboration patterns in solar cell industry based on patent inventors and assignees analysis[J]. Scientometrics. 2013， 96（2）： 427-441.
[11]Miguelez E， Moreno R. Do Labour Mobility and Technological Collaborations Foster Geographical Knowledge Diffusion？ The Case of European Regions[J]. Growth and Change. 2013， 44（2）： 321-354.
[12]Narin F. Patents as indicators for the evaluation of industrial research output[J]. Scientometrics，1995. 34（3）：489-496.
[13]欒春娟. 专利文献计量分析与专利发展模式研究 [D]： 大连理工大学，2008.
[14]Meyer M， Debackere K， Glanzel W. Can applied science be 'good science'？ Exploring the relationship between patent citations and citation impact in nanoscience[J]. Scientometrics. 2010， 85（02）： 527-539.
[15]Archambault E， Lariviere V. Scientific publications and patenting by companies： a study of the whole population of Canadian firms over 25 years[J]. Science and Public Policy. 2011， 38（4）： 269-278.
[16]Nicholas T. The Role of Independent Invention in US Technological Development， 1880-1930[J]. Journal of Economic History. 2010， 70（1）： 57-82.
[17]Silverberg G， Verspagen B. The size distribution of innovations revisited： An application of extreme value statistics to citation and value measures of patent significance[J]. Journal of Econometrics. 2007， 139（2）： 318-339.
[18]Persson， O. BibExcel [EB/OL]. http：//www8.umu.se/inforsk/Bibexcel/. 2013-11-16.
