曾凱霖，唐 婷，吳澤斌

（江西理工大學經濟與管理學院，江西贛州 341000）

在知識產權交易市場中，專利交易服務是重要內容，專利交易產生的收益主要為專利許可收到的許可費用、技術轉讓所收到的支付成本。根據(jù)國家知識產權局［1］公布的《2022 年中國專利調查報告》，2022 年我國專利轉移轉化指數(shù)（PTI 指數(shù)）為52.7，較上年提高0.5，PTI 指數(shù)突破50 表示專利轉移轉化活動活躍；在知識產權資本化運作中，2022年我國專利質押融資金額快速增長，總額達4 868.8億元，同比增長57.1%；在知識產權運用效益上，知識產權使用費進出口總額為3 872.5 億元，其中出口額同比增長17%；發(fā)明專利許可率為12.1%，發(fā)明專利產業(yè)化平均收益金額達到799.2 萬元/件。面對專利交易需求量的增加，我國專利網絡交易平臺也在不斷完善，2020 年11 月，為了搭建統(tǒng)一的知識產權交易平臺，全國首個知識產權交易場所聯(lián)盟正式成立，全國12 家知識產權交易場所參與，這有利于構建知識產權交易的標準化市場，同時進一步緩解知識產權跨區(qū)域維權難現(xiàn)象。整體而言，我國知識產權交易市場正處于不斷成長的階段，面對專利交易數(shù)量的增多，對專利價格的精準估值十分有必要。若基于專利交易價格，并通過挖掘專利數(shù)據(jù)的評價指標，使目標專利與實際交易專利具有相似可比性，確定的專利價格是否具有可靠性？這正是本研究擬回答的問題。

1 相關研究文獻評述

專利價格是專利價值的外在體現(xiàn)，由于每個專利都具有獨特性，直接以專利的歷史價格來評估其他專利價格存在不合理性，因此，本研究通過挖掘專利價值以匹配相似專利的專利價格來表示預測價格。為此，首先對國內外專利價值評估方法進行梳理，發(fā)現(xiàn)專利價值評估方法的研究大致包括傳統(tǒng)評估法、多指標綜合評價法和其他運用交叉學科的方法。如，李娟等［2］、金泳鋒等［3］都利用層次分析法方法構建專利價值評價指標體系，分別從技術指標、經濟指標與法律指標3 個層面計算專利綜合價值度以識別高價值專利；但通過層次分析法確認的權重主觀性強，因此楊登才等［4］強調專利法律指標層面中的侵權數(shù)量指標與經濟指標層面中的作價入股專利與公司數(shù)量指標，將其納入高校專利質量評價體系中，并利用熵權法進行評價，克服了主觀評價的隨機性；劉勤等［5］將獲得中國專利獎的專利定義為高價值專利，并從不同的專利指標權重挖掘它們的共性。對于專利價格預測而言，Hiller 等［6］首次在均衡框架下根據(jù)市場交易來衡量專利價值，運用靜態(tài)寡頭壟斷模型對專利法律案件的損害賠償費進行計算；劉子辰［7］基于循環(huán)神經網絡，在考慮專利市場因素情況下預測專利價格；孫玉艷［8］通過修正收益法、市場法等方法設計專利自動評估系統(tǒng)，對專利價值進行量化；來音［9］納入非理性因素行為，即考慮人們對初始信息的依賴所產生的錨定效應情況下，利用深度學習模型對高校專利價值進行評估與預測。

可以發(fā)現(xiàn)，上述文獻對于高價值專利的甄別仍大多停留在有關評價指標權重的計算上，關于如何運用專利價值進行專利定價的實證研究很少。而且，目前大多專利價值評估體系都只能計算專利綜合價值度，其實質體現(xiàn)的是專利綜合價值的概率分布情況，并不能精準表達專利的市場價格或實際運營價值。對于專利價格預測來說，又較少考慮到專利的經濟、技術與法律價值。為此，本研究提出基于熵權法構建專利指標評價體系，并以市場價格為基礎，實現(xiàn)對專利價格的預測。

2 專利價值評估體系與模型的構建

2.1 專利價值評估指標體系構建

通過對相關文獻研究的梳理發(fā)現(xiàn)，學術界尚未對專利價值內涵的界定形成定論，但基本認為專利價值的內涵主要包括了技術價值、法律價值和經濟價值3 個方面。其中，技術價值是高價值專利的核心基礎；法律價值是實現(xiàn)專利市場化、資本化的重要保障；經濟價值是專利價值的外在表現(xiàn)，是可預見的現(xiàn)金流。這3 個方面相輔相成，共同構成了專利價值。為了確定不同類型的專利是否具有可匹配性，進而確定相似的專利價格，分別從技術價值、法律價值和經濟價值角度選取了8 個二級評估指標（見表1），通過各指標權重來反映專利間的可匹配性。對于技術價值及其影響，Aristodemou 等［10］認為高被引專利往往包含重要的技術進步；郭狀等［11］基于我國人工智能專利數(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)對專利價值具有顯著的正向影響；Fisch 等［12］、馮仁濤等［13］構建基于專利IPC分類號的范圍指標發(fā)現(xiàn)，技術范圍對專利技術價值具有顯著正向影響。在法律價值層面，如楊思思等［14］以市場轉化潛力為篩選目標，列舉了涉及權利要求項數(shù)、專利說明書頁數(shù)等11 項指標評估專利法律價值。在經濟價值層面，如楊鐵軍［15］認為發(fā)明人數(shù)量越多代表專利的創(chuàng)造能力越強；馬天旗［16］提出市場規(guī)模和市場占有率可以通過衡量市場當前應用情況來反映專利的市場價值，其中市場占有率是專利持有者的專利擁有量占該技術范圍內專利總量的比值。

表1 專利價值評估指標體系

2.2 數(shù)據(jù)來源與選取

根據(jù)全國產權行業(yè)信息化綜合服務平臺、全國知識產權交易場所聯(lián)盟的專利成交量來看，目前我國專利交易市場正處于成長期，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強關聯(lián)，單件專利不能單獨實施，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格。因此，基于全國知識產權交易場所聯(lián)盟從2005 年至2021 年公布數(shù)據(jù)進行樣本數(shù)據(jù)的收集。

樣本篩選思路如下：（1）2005 年我國正式啟動知識產權戰(zhàn)略制定工作，專利交易市場開始被重視與運用，且 2005 年我國互聯(lián)網產業(yè)在歷經坎坷征程之后再次迎來發(fā)展的高潮，專利交易信息在網上開始披露，因此，選擇2005 年為樣本考察始點；（2）由于外觀設計專利在專利特征上與發(fā)明專利和實用新型專利有明顯區(qū)別，因此不將外觀設計專利納入樣本；（3）要求專利權在發(fā)生權利轉移時法律狀態(tài)為有效；（4）部分企業(yè)為了滿足國家高新技術企業(yè)認定標準中專利數(shù)量的要求，存在頻繁收購價格便宜而實際實施率低的專利行為，該類專利的實際價值與其價格不相符，不具有研究意義，因此，為了避免這類專利對研究結論的影響，剔除了專利價格在1 萬元以下的專利。最終，共收集320 件單件專利的交易價格，其中293 件為發(fā)明專利，27 件為實用新型專利。專利價值評估指標均從智慧芽（PatSnap）專利數(shù)據(jù)庫進行采集。隨機選取220 組專利數(shù)據(jù)作為樣本組，對模型的有效性進行檢驗；同時，隨機選取以100 組專利數(shù)據(jù)作為預測組，判斷預測價格與實際交易價格的擬合程度。

2.3 專利價值評估指標權重

由于本研究內容涉及多維指標的綜合評價，因此選用熵權法計算指標權重。具體步驟如下：

假定共有m件專利，每個樣本有n個評估指標，構建原始矩陣如下：

進行標準化處理。

式（2）中：Yij為標準化后第i件專利的第j個指標的數(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）計算第j項指標下第i件專利占該指標的比重（pij）。

（4）計算第j個指標的熵值ej。

式（4）中：ej>0。

（5）計算各項指標的權重ωj與第i件專利的綜合得分δi。

3 專利價格評估模型

3.1 模型有效性檢驗

計算出樣本組專利價格評價各指標權重，結果見表2。其中，被引用專利數(shù)的權重最高。被引用專利數(shù)體現(xiàn)的是專利技術的先進性，如果一件專利被后續(xù)專利頻繁引用，說明該專利對后續(xù)技術的參考價值大、影響力強，能夠引領行業(yè)未來發(fā)展方向且屬于面向未來的顛覆性創(chuàng)新或開拓性發(fā)明創(chuàng)造，對后續(xù)技術的影響深遠，因而是專利價值的重要體現(xiàn)。

表2 基于熵權法的樣本組專利價格評價指標權重

綜上，對樣本專利價值度進行綜合評價排名，并與其實際成交價格排名分布情況進行對比，如圖1 所示，虛線表示實際成交價格排名的理想擬合線，可以看出，綜合評價排名大致落在理想擬合線附近，擬合情況較好。

圖1 樣本專利價值綜合評價排名與實際成交價格排名的擬合曲線

另外，從表3 可以看出，基于熵權法的專利綜合評價排名與其實際成交價格排名呈現(xiàn)顯著的正相關關系；調整后的R2系數(shù)為0.899，模型擬合較好，說明通過熵權法衡量的專利價值具有一定的可靠性。

表3 樣本專利價值綜合評價回歸分析結果

3.2 專利價值與專利價格對比分析

將樣本中價值綜合評價排名前三的專利與其實際交易價格進行對比（見表4）。從技術價值角度看，有3 件專利的被引次數(shù)分別達到了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，表明專利對后續(xù)專利技術的影響程度越高，所含的技術價值越先進，反映出的專利價值度越高。從法律價值角度看，專利價值排名第一的專利的權利要求數(shù)為10 個，由于權利要求數(shù)量超過10 個將被要求收取附加費，所以專利權利要求數(shù)量越接近10 個，表明專利受保護的技術方案數(shù)量越多、保護強度越大，反映出專利價值度越高。從經濟價值角度看，有3 件專利的市場占有率分別為6.044%、8.880%和0.014%，其中超過100 萬元成交價格的前2 件專利的市場占有率高于樣本平均值（1.800%）。市場占有率越高，表明目標專利在其技術領域的市場當前應用情況越廣，反映出專利價值度越高?？傮w來看，綜合評價排名前三的專利與其成交價格排名基本相符，說明本研究構建的專利價值評價指標體系能夠較為全面地反映專利價值，選用的熵權法能夠較有效地衡量專利的價值權重，基于此進行專利價格預測具有合理性和準確性。

表4 基于熵權法的樣本專利價值度排序

3.3 穩(wěn)健性檢驗

由于各項專利指標的權重會隨選取樣本的不同發(fā)生變化，如果指標權重隨樣本的變化而出現(xiàn)顯著差異，將會給專利價值評估帶來不確定性，從而降低專利價值評估的穩(wěn)定性和可信度，因此，對320組樣本數(shù)據(jù)進行不重復隨機抽樣，每次抽取220 組不同樣本數(shù)據(jù)，并按照上述方法進行各指標權重的計算。共計重復隨機抽取1 000 次，并記錄每次抽樣下的指標權重，具體統(tǒng)計結果如表5 所示，可見各指標權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)，標準差也顯著低于平均值，說明樣本選取對各指標權重的影響可忽略不計，不會對專利價值評估產生顯著的影響。

表5 樣本評價指標權重描述性統(tǒng)計結果

4 價格預測模型

4.1 模型構建

為了精確預測專利價格，將樣本專利按照其綜合指標值排名依次分成20 等份，并依據(jù)樣本專利市場成交真實價格計算各等分區(qū)間專利真實交易價格平均值。以上文確定的指標權重計算預測組專利的綜合指標值，然后根據(jù)該綜合指標值在樣本組中進行匹配，將匹配等份的平均真實成交價格作為該預測組專利的評估價格，并檢驗其擬合程度。若預測組專利的綜合指標值超出樣本組所有專利的綜合指標值，則該預測組專利被匹配為第20 等份；若預測組專利的綜合指標值低于樣本組所有專利的綜合指標值，則該預測組專利被匹配為第1 等份。

4.2 預測結果與分析

對預測組的100 組專利進行模型構建并進行價格評估預測，將專利預測價格與專利的實際成交價格進行線性擬合，回歸結果見表6。從F檢驗的結果分析可以得到，顯著性P值在1%的水平下顯著，模型存在顯著正向線性關系，模型表示為y=-6 889.604+0.913x，因而預測價格對實際價格的關聯(lián)度達到91.3%。

表6 預測組樣本的線性回歸分析結果

如圖2 所示，預測組樣本專利的預測價格與實際成交價格基本相符，說明運用專利評估指標綜合權重匹配法預測目標專利交易價格有效。但是可以從表6 看出，模型R2系數(shù)不高，這是因為目前市場上專利交易公布信息量雖有所增長，但高價格成交的專利信息披露量較少，而成交價格在1 萬元至10萬元的專利的成交信息披露相對較多，因此模型在成交信息公布相對較多的樣本區(qū)間定價越準確，而在信息公布較少的樣本區(qū)間由于樣本量不足，預測效果有所下降，從而導致模型的擬合程度有待加強。

圖2 預測組樣本專利的預測價格和實際成交價格擬合效果

4.3 價格預測模型的穩(wěn)健性檢驗

在專利價格預測中，樣本的選取具有隨機性，不同的樣本會導致樣本組和預測組專利發(fā)生變化，指標權重和每個綜合指標值對應的專利價格平均值也將發(fā)生變化，這將對專利價值預測的穩(wěn)定性產生影響；同時，專利價格還受專利被引跨度、專利維持時間比率、審批時間、是否共同合作、申請人類型與技術領域等變量的影響，如傅強等［17］、錢坤等［18］、劉雪鳳等［19］、李燕萍等［20］、姚清晨［21］和馮仁濤［22］的研究中分別對上述有關變量進行了分析。為了檢驗模型在不同樣本下價格預測的穩(wěn)定性，同時緩解由于遺漏變量偏差所導致的內生性問題，在此重新執(zhí)行上述穩(wěn)定性檢驗方法步驟，再次計算指標權重和專利綜合指標值，并對專利價格進行預測。針對每個預測組專利，首先計算其綜合指標值，然后根據(jù)該綜合指標值在樣本組中進行匹配，將匹配等份的平均真實成交價格作為該預測組專利的評估價格，并在加入控制變量后進行回歸，結果如表7 所示。

表7 專利成交價格影響因素變量定義和計算方法

每次回歸分析的系數(shù)和擬合度結果如表8所示。在改變樣本數(shù)據(jù)與加入控制變量后，預測價格對實際成交價格的平均回歸系數(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，僅考慮控制變量對專利成交價格的影響時，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際成交價所計算的價格后，模型擬合程度達到67.7%，解釋力度得到了明顯提升。這說明在考慮到專利價格受其他變量影響的條件下，模型相對未考慮控制變量時相關系數(shù)雖有所降低，但仍然高度有效，且預測價格影響因素的加入對于成交價格的解釋力度顯著提升，再次證明了預測專利價格與實際交易價格情況基本相符，表明本研究構建的專利價格預測模型具有較高的準確率和穩(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)計結果

5 結論與展望

本研究通過從技術層面、法律層面、經濟層面選取8 個二級指標構建專利價值評估體系，以專利交易市場上存在真實交易的我國專利為樣本，利用熵權法對專利進行綜合權重評價，并與其真實交易情況進行匹配。結果表明，利用熵權法所計算的專利綜合價值與真實交易情況基本相符，說明基于熵權法構建的專利價值評估指標體系具有客觀性，消除了權重的主觀評價對估值的影響，增強了專利的可比性，使得專利交易成交價格數(shù)據(jù)在專利價值評估中的應用成為可能，同時也消除了專利無法匹配、專利不可比的情形對市場化應用的不利影響；而且，基于稀疏交易的專利價格預測在小樣本范圍內基本準確，當樣本不斷擴大時，預測方法具有延展性，精確度會越來越高，能為專利交易市場價格定價提供一定的信息參考價值。

然而，本研究存在以下兩點不足需要改進：一是尚未考慮組合內專利的相關性對組合型專利交易價格的影響。由于專利價值體現(xiàn)具有關聯(lián)性，單件專利在很多情況下必須與其他技術搭配，往往無法單獨實施，且部分專利需與技術秘密捆綁實施，因此專利組合的價格不再是組合內單個專利價格的簡單相加。二是指標考慮不夠周全，例如侵權訴訟也會影響專利價值，經歷過訴訟并勝訴的專利往往更經得起考驗、價值更高，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歷過侵權訴訟的專利很少，為排除異常值影響則未考慮專利訴訟方面的指標。