张晓月， 黄俊伟

（南京工业大学 经济与管理学院，江苏 南京211816）

0 引言

芯片（集成电路）制造技术是目前世界最高水平的微细加工技术，被誉为电子信息产业的根基。2018年4月发生的中兴事件引起了社会广泛关注，反映出中国芯片制造尤其是民用芯片核心专利技术缺失，专利质量受到质疑。其实，为鼓励芯片技术自主创新发展，国务院早在2008年就批准实施了“极大规模集成电路制造装备及成套工艺”国家科技重大专项。随着专项等相关政策的陆续实施，中国芯片专利申请量10年来实现了20多倍的惊人增长，在芯片专利申请数量上已成为第一大国。另一方面，若从国家专利产出总量上看，我国也已跃居成为可与美、日、德等国相提并论的“专利大国”。但务必意识到，和当今专利强国相比，我国的基础型、原创型和高质量的专利还较少，尤其是在芯片等重要领域专利“多而不优，大而不强”的问题比较明显。

随着物联网的深入发展和5G时代的到来，芯片应用范围进一步扩大，需求量将持续增长，研究了解芯片企业的专利质量显得格外重要。要识别企业专利质量首先需要了解哪些指标能够有效反映专利质量的高低。国内外学者们自上世纪80年代开始提出了一系列被公认且实际运用的指标包括：专利维持水平［1，2］、引文数量［3］、n年内被引次数［4］、技术宽度［5］、发明专利授权率［6］、专利族大小［7］、权 利 要 求 数 量［8］、累 积 引 证［9］、发 明 人 数量［10］、专利申请书长度［11］等。

为了更为系统、准确地衡量企业专利质量，学者们基于这些指标采用不同的方法建立了多种企业专利质量评价模型。Lanjouw和Schankerman采用权利要求数量等四个指标建立专利质量多指标模型，通过计算平均值，得到企业的专利质量［12］。Wu等运用数据挖掘（DM）方法开发了一种自动专利质量分析和分类系统，即自组织映射（SOM）-核主成分分析（KPCA）-支持向量机（SVM）［13］。国内方面，多数研究集中在专利质量模型指标的确定，而运用的方法大都较为简单。如胡谍和王元地以专利新颖性、创造性和实用性为依据选择指标，通过主成分分析法确定各指标权重以构建企业专利质量综合指数［14］。孙玉涛和栾倩基于技术发明、申请审查和授权保护3个专利阶段以及技术质量和经济质量2个专利维度，建立专利质量测度指标体系，运用均方差决策法确定指标权重［15］。

现有的关于专利质量指标的研究已较为成熟，但是针对企业专利质量评价模型研究，还缺乏一个较为合理完善的方法。首先，已有研究主要是采用一些单一的方法对指标进行简单赋权，如算数平均法、均方差决策法、主成分分析法等，使用单一方法会导致各评价对象之间的差异不大，采用不同评价方法得出的评价结果也会出现不一致的现象；其次，现有研究在得到各指标权重后，通常是基于数据进行有序加权平均，未考虑指标之间的“协调性”，仅仅考虑指标各自的“功能性”，容易存在“功能性陷阱”。

因此，如何有效识别企业专利质量的高低？中国芯片企业专利质量现状如何？哪些指标决定了芯片企业的专利质量？该如何进一步提升芯片企业专利质量？这些问题都值得进一步思考。本文将从专利技术质量、法律质量和经济质量三方面构建一种兼顾功能与协调的企业专利质量组合赋权评价模型，并运用此模型对中国上市芯片企业专利质量进行评价分析。本文所采用的主客观组合赋权方法能够充分体现各评价对象之间的差异性，既克服了主观评价方法评价结果受主观因素影响显著、随意性大和客观评价方法受指标样本随机误差影响的不足，又克服了单一赋权方法评价同一对象排序和得分不一致的问题；同时，运用客观偏好系数融合了有序加权平均（OWA）算子和有序加权几何平均（OWGA）算子，达到兼顾评价指标“功能性”与“协调性”的效果，使评价结果更为科学合理。

1 企业专利质量评价指标体系构建

本文借鉴宋河发等的观点定义企业专利质量为某个企业的专利总体上满足专利“新颖性、创造性、实用性”和说明书充分公开要求程度及其所产生的经济价值［16］。基于此，本研究首先构建了企业专利质量评价体系，该评价体系包括技术、法律和经济质量3个一级指标，以及借鉴大量文献后确定的13个二级指标。

专利技术质量也叫做专利客观质量，它是受相关技术自身所影响的，具体地说是受专利技术进步性程度影响的［17］。我国三类专利中仅有发明专利从申请到授权是需要经过实质审查，创新性相对较高的专利，因此，选用发明、实用新型和外观设计三类专利申请中发明专利申请所占比重作为判断企业专利技术质量的指标之一；在专利申请数量确定的条件下，专利授权量的多少决定企业整体专利质量的高低，因此选择发明专利申请授权率作为二级指标之一；专利的引用和施引数量也可衡量专利技术质量，二者量越大，表示企业专利技术的价值和参考性越高；企业技术发明是发明人所创造的，平均发明人越多，企业专利技术所凝结的知识和经验就越多，专利的技术质量就越高；专利技术通过说明书及其附图向公众展示，一般来说，企业专利平均说明书和附图的页数越多，说明企业技术越复杂，难度越高。

专利法律质量也被叫做专利主观质量，它是审查员和代理人之间共同努力和相互博弈所决定的符合法律规定的质量，企业专利法律质量主要体现在保护区域、范围和时间上［16］。专利的保护区域是用企业PCT专利申请占专利申请量比例来表示，专利申请保护的国家越多代表着未来的保护区域越大，企业专利总体质量越高；专利的保护范围用企业平均权利要求数量表示，平均数量越多说明企业总体专利布局越广，越能从多个角度如生产设备、制造方法和产品上进行充分保护；专利的保护时间则包含了有效专利占全部专利授权量比例和5年以上发明专利维持率两个二级指标，专利的保护期能够反映出专利权人愿意为专利的预期价值付出的成本，有效专利的比例越高，维持时间越长，越能够反映企业专利总体价值高。

专利经济质量是指专利技术能够为专利权人带来经济收益的大小，高质量专利通常也更加容易实施，产生更高的实际价值。企业合作申请专利可以体现企业的合作研发强度，合作研发不仅有利于企业拥有更多的创新资源，而且也对企业专利技术今后的商业化合作提供了可能，更有利于技术产生更高的经济收益；专利的技术覆盖范围越广，通过技术手段控制市场的能力越强，潜在竞争者进入的难度越大，被其他竞争者模仿的可能性越小，因此用平均IPC小类数来衡量专利技术覆盖范围；专利转让是技术发明商业化的重要形式，企业之间转让的专利通常都具有较高的质量，所以专利权的改变可以反映专利经济质量。具体专利质量评价指标及其含义见表1。

表1 专利质量评价体系和指标表

考虑到部分指标受到时间因素影响，本文对其进行了一些特殊处理。计算发明专利申请授权率时去除了当前专利状态为“审中”的专利数，即仅考虑“有效”和“失效”的发明申请；对于施引专利，在求平均数的同时，又除以了申请年到2018年的时间间隔，以降低施引专利数受公开（公告）时间长短的影响。

2 兼顾功能与协调的企业专利质量组合赋权评价模型

2.1 评价模型建立的思路

在专利质量多指标综合评价中，指标权重的作用十分关键。本研究总结归纳相关文献，发现基于主观（G1法和G2法）、客观（熵值法和离差最大化法）的组合赋权方法在评价国家能源效率［18］、区域知识获取［19］和创造能力［20］、城市生态［21］等各领域已得到广泛应用，较为成熟。同时，这种方法能够克服主观赋权法评价结果受主观因素影响显著、随意性大和客观赋权法受指标样本随机误差影响的不足，以及多个单一赋权方法同时计算相同评价对象得出不一致结果的问题。因此本文运用此方法得到企业专利质量各指标权重。

在得到各指标权重后，若仅通过计算各加权指标值之和（有序加权平均（OWA）算子）来得到评价结果，往往会导致一些忽视国际专利申请、合作研发活动的企业因其他个别指标的高数据也可获得“虚高”的评价值，仅考虑了指标的“功能性”，即各指标值大小是体现被评价对象所具备某种功能大小的一个量度［22］。但企业PCT专利申请数、合作专利数量等已被证实能够有效反映其专利质量［123，16，所以，考虑各指标间的“协调性”是有必要的。有序加权几何平均（OWGA）算子通过计算各加权属性值乘积来评价对象状态，可以展现对象间的“协调性”。因此，本文通过融合有序加权平均和几何加权平均两种聚合算子［24］，最终构建了兼顾功能与协调的企业专利质量组合赋权评价模型，其步骤如下：

（1）对专利质量指标数据进行无量纲化处理；

（2）分别选用主观（G1法、G2法）和客观（熵值法、离差最大化法）法进行指标赋权；

（3）基于被评价对象间差异最大思想计算各赋权方法的权重系数，从而得到组合权重；

（4）引入两种聚合算子分别计算出评价对象的“功能性”与“协调性”评价结果，并通过客观偏好系数法对两者进行融合；

（5）计算企业专利质量评价值。如图1所示。

图1 兼顾功能与协调的企业专利质量组合赋权评价模型图

2.2 指标无量纲化

首先，运用极差法对各指标数据进行无量纲化处理，以消除量纲差异的影响［20］。本研究测量指标均与专利质量呈正相关，即数值越大，专利质量越高。

无量纲化公式为：

式中：Gpq表示p样本（单一企业一年数据为一个样本）q指标的原始值；Zpq表示p样本q指标的无量纲值；Gqmin为Gq指标的最小值；Gqmax为Gq指标的最大值；n表示被评价样本的个数，p＝1，2，…，n；m表示评价指标个数，q＝1，2，…，m。

2.3 单一评价方法赋权

2.3.1 G1法确定权重

G1法是一种依据专家经验排序比较指标重要性的主观赋权法，专家首先对企业专利质量指标按重要性进行排序，并根据其经验得出相邻指标的重要性程度之比；其次根据比值计算出最不重要指标的权重；最后利用重要性程度比值和得出的权重相乘依次计算出各指标权重，评价指标越重要权重就越大。

（1）用G1法确定评价指标的序关系；

（2）由专家确定相邻评价指标Zq-1与Zq重要性大小之比rq的理想赋值；

（3）通过专家给出的rq理想赋值，确定第m个指标G1法权重wm为［25］：

（4）由权重wq得第m-1，…，3，2个指标的权重［25］：

2.3.2 G2法确定权重

与G1法类似，G2法也是根据主观排序比较指标的重要性，相比于G1法，无需按照顺序计算指标重要性比值，显得更为灵活，反映了专家的风险意识［26］，越重要指标赋权越大。

（1）用G2法确定评价指标的序关系；

（2）专家根据经验确定最不重要的指标Zm；

（3）专家确定其余评价指标Zq与Zm重要性大小之比d q的理想赋值；

（4）若专家给出d q的理想赋值，那么第q个指标的G2法权重wq为［27］：

其中，m表示企业专利质量评价指标个数。

2.3.3 熵值法确定权重

熵值法通过计算同一指标的数值差来表现指标的重要程度，设Zpq（p＝1，2，…，n；q＝1，2，…，m）为第p个样本第q个指标通过无量纲化后得到的值。对于给定的评价指标q，Zpq的数值差越大，该指标所包含的信息就越多，对样本的比较作用也更大。

（1）设rpq为指标的比重，计算公式为［28］：

（2）设eq为第q个评价指标的熵值，根据熵值计算公式可得［28］：

2.3.4 离差最大化法确定权重

离差最大化法通过计算第q个指标的离差占所有指标总离差的比重来表现指标的重要程度，比重越大指标越重要，赋予的权重越大。

设Z pq（p＝1，2，…，n；q＝1，2，…，m）为第p个样本第q个指标通过无量纲化后得到的值，wq为第q个指标的权重，wq≥0，则根据离差最大化原理，得出指标权重为［20］：

其中，分子表示n个评价样本第q个指标无量纲化后的值两两相减并取绝对值，之后相加得到的离差；分母表示m个指标的离差之和。不难发现属性权重与其属性离差值是呈正比的，离差值越大，其属性权重越大；反之，则越小。

2.4 组合权重的确定

本文分别采用上述4种赋权方法求出权重（i＝1，2，3，4；q＝1，2，…，m），设Zpq（p＝1，2，…，n；q＝1，2，…，m）为第p个样本第q个指标通过无量纲化后得到的值，则基于被评价对象之间差异最大的思想，可得组合系数αi为［27］：

2.5 融合两种聚合算子的综合评价模型

本研究运用客观偏好系数法对OWA算子和OWGA算子进行融合［24］，其公式为：

其中，OWA为n维的有序加权平均算子，w＝｛w1，…，wm｝是由式（10）求得的与OWA相关的属性权重向量，wq＝1。

其中，OWGA为n维的有序加权几何平均算子，w＝｛w1，…，wm｝是由式（10）求得的与OWGA相关的属性权重向量，＝1。

通过两种评价属性的客观信息方差计算得出两个偏好系数λ1和λ2，代表在评价中对“功能”和“协调”两种属性的偏好比例，其公式如下：

其中，λ1≥0，λ2≥0，λ1+λ2＝1。

综上，得到兼顾功能与协调的企业专利质量组合赋权评价值Q，公式为：

3 实证分析

3.1 数据来源

首先，通过同花顺旗下问财数据库（www.iwencai.com）搜索主营产品为芯片（不包括芯片卡，且上市时间在2016年之前）的上市公司，确定芯片企业67家。其次，运用incopat专利数据库（www.incopat.com）高级检索中申请人工具功能、企业2017年年报中报告的企业集团的构成编写各芯片企业专利检索式，之后通过比较incopat搜索结果和年报中报告的专利数量对专利检索式进行调整。最后，通过确定的检索式在国家知识产权局专利检索数据库和incoPat数据库进行检索，最终获取67家公司，2010年至2015年6年13项专利质量指标数据。其中，平均说明书和附图页数、平均权利要求数量由于涉及专利多，因此采用等距随机抽样方法并利用excel软件手工计算得出。

3.2 芯片企业专利质量综合评价

3.2.1 组合权重的确定

（1）G1法权重的计算

本文邀请从事专利代理和知识产权管理工作的专家对指标进行赋值。根据专家意见，得到13个二级指标的主观重要性排序为：X4＞X1＞X13＞

专家关于相邻指标Zq-1与Zq的重要性之比rq的理想赋值为r2＝Z1／Z2＝1.19，r3＝Z2／Z3＝1.02，r4＝Z3／Z4＝1.03，r5＝Z4／Z5＝1.06，r6＝Z5／Z6＝1.26，r7＝Z6／Z7＝1.04，r8＝Z7／Z8＝1.02，r9＝Z8／Z9＝1.13，r10＝Z9／Z10＝1.04，r11＝Z10／Z11＝1.19，r12＝Z11／Z12＝1，r13＝Z12／Z13＝2。

将相邻指标的重要性之比的理想赋值代入公式（2）和（3）中，得到指标的G1法权重，如表2所示。

（2）G2法权重的计算

专家根据经验确定最不重要的指标为X5平均发明人数。其余指标与X5的重要性程度之比d q的理想赋值是d1＝X4／X5＝2.10，d2＝X3／X5＝1.80，d3＝X7／X5＝1.50，d4＝X1／X5＝1.40，d5＝X9／X5＝1.40，d6＝X13／X5＝1.30，d7＝X8／X5＝1.20，d8＝X10／X5＝1.20，d9＝X12／X5＝1.10，d10＝X2／X5＝1.10，d11＝X6／X5＝1.10，d12＝X11／X5＝1.10，d13＝X5／X5＝1.00。

将d q的理想赋值代入公式（4）中，得到指标的G2法权重，如表2所示。

（3）熵值法权重的计算

将无量纲化数值代入公式（5）中，得到指标比重rpq（p＝1，2，…，n；q＝1，2，…，m）。

将指标比重rpq依次代入公式（6）和（7）中，得到各指标权重，如表2所示。

（4）离差最大化法权重的计算

将无量纲化数值代入公式（8）得到各指标权重如表2所示。

（5）组合权重的计算

将表2中单一主客观评价方法所得的各指标权重代入公式（9），得到组合系数αi＝（0.25717，0.23903，0.04779，0.45601）。

再将组合系数与表2中各指标权重带入公式（10）即可得组合权重，如表2所示。

表2 企业专利质量指标权重表

3.2.2 融合两种聚合算子的评价值计算

将表2中的组合权重和各指标无量纲值分别代入公式（11）和（12），得到基于OWA和OWGA两种聚合算子的企业专利质量评价结果及排序，如表3和表4所示（由于数据较多，篇幅有限，本文具体结果部分仅展示企业规模（2017年年报中总资产表示）排名前20的企业实证数据）。

表3 2017年总资产排名前20企业的OWA、OWGA统计表

表4 2017年总资产排名前20企业的OWA、OWGA排名情况表

从表3来看，各个企业6年评价信息在两种聚合算子得出的结果均有所差别，规模排名前20的企业在任何一年的OWA算子都要高于OWGA算子。这说明一些企业专利质量指标数据在依据OWA算子评价过程中出现了“功能性效应”，使得评价结果呈现出“虚高”表象。而结合已有数据发现，与企业PCT专利申请、合作申请发明专利、转让专利等相关的个别指标普遍数值较小，且增长幅度不大，这在OWGA算子评价中导致了“协调性效应”，“木桶”的“短板”引起依据OWGA算子所计算出的评价值降低。

从表4来看，同一企业基于两种聚合算子的排序结果也不同，规模较大尤其是排名前5的企业在6年中基于OWA算子排名通常都低于OWGA排名。这说明大企业可能因为知识产权管理水平较高的原因，往往更加重视企业专利的均衡发展，其“短板”情况相对较好；而规模较小企业“功能性效应”则进一步放大，PCT专利申请占专利申请量比例等个别具体指标与大企业相比有较大差距。

因此，为全面合理地评价企业专利质量，本文通过设定对“功能性”和“协调性”两种状态结果偏好的系数以兼顾专利质量的“功能”和“协调”两种属性对评价结果的影响。将表3中各样本OWA和OWGA的值代入公式（13）和（14），得到偏好系数λ1＝0.58043，λ2＝0.41957。进而通过公式（15）获得兼顾“功能性”和“协调性”的67家芯片企业专利质量综合评价结果，如表5、表6、图2和图3所示。

表5 2017年总资产排名前20企业的专利质量及排名情况表

表6 综合评价值描述性统计表

图2 2017年总资产排名前10企业2010年至2015年专利质量图

图3 67家中国上市芯片企业2010年至2015年专利质量评价值分布图

表5显示，各企业专利质量评价结果有效地综合了指标的“功能”和“协调”属性。各企业不同年份的专利质量评价值及其最终排名位于表3和表4中OWA算子和OWGA算子的评分及排名之间；重视指标间均衡发展的企业，其最终评价值排名情况相比OWA算子排名都得到了一定提升，达到了兼顾评价指标“功能性”和相互“协调性”的效果，OWA算子的“虚高”表象得到控制。

由表6可知，2010年至2015年间，67家上市芯片企业专利质量平均评价值呈现逐年增长趋势，且标准差有所减小，这在一定程度上说明中国上市芯片企业整体专利质量在这6年中发展较为稳定，企业间质量差距有所减小。

从图2可见，各芯片企业专利质量发展趋势不尽相同。如京东方专利质量在67家企业中处于领先地位且具有上升趋势，同样排名较高的海康威视却出现了较为明显的专利质量下降趋势，而其他企业更多的表现出一定的波动性，无论是在分数上还是在排名上（表5）。

从图3可见，67家企业各年份的得分情况分布并不均匀，专利质量在0.2分以下的企业数量不断减少，多数企业的得分在0.2分至0.3分之间。这反映出中国上市芯片企业对专利质量的重视程度不断提升，但总体专利质量还处于较低水平。

为进一步减小时间因素对模型的影响，本文也尝试运用上述方法，将不同年份的数据单独作为样本进行计算，得出6年不同的客观权重、组合系数、组合权重以及偏好系数，最终求出其评价值和排名，其结果与表5相比整体基本一致。这种方法由于各年权重、偏好系数不一致，难以用于不同年份间的纵向比较，但在进行相同年份企业间的横向比较时准确性更高。因篇幅有限，具体结果在此不一一列出。

4 结论及建议

4.1 研究结论

本文在梳理关于专利质量评价相关文献基础上，指出现有评价指标和评价模型存在的不足，从专利技术质量、法律质量和经济质量三方面构建了一种兼顾功能与协调的企业专利质量组合赋权评价模型。在此基础上，搜集了67家中国芯片上市企业2010～2015年专利质量指标数据，进行实证研究，获得中国上市芯片企业专利质量评价结果，得出结论如下：

首先，研究结果表明本文所构建的兼顾功能与协调的组合赋权评价方法具有一定的有效性和可操作性，既体现了评价对象之间的差异，又克服了单一方法的不足，以及主观赋权法产生的不确定性和客观赋权法受样本随机误差影响的问题；同时，避免了评价结果的“虚高”现象，达到了兼顾评价指标“功能性”与“协调性”的效果。

其次，由表5和图2所示的最终评价结果可以发现，一方面，虽然芯片企业专利质量整体还较低，但6年发展情况较为良好，各企业专利质量差距也有所减小；另一方面，部分芯片企业在6年中专利质量评价值具有较大起伏。这可能是受到技术生命周期、企业自身知识产权战略以及政府政策变更的影响。

此外，一些芯片企业，尤其是规模相对较小的企业，存在专利质量指标间“不协调”问题。根据表3和表4中两种聚合算子的计算结果，发现规模较大的芯片企业各指标“协调性”通常更优；而一些规模较小的芯片企业专利质量指标的“功能性”突出，它们在企业PCT专利申请、合作申请等个别相关指标方面“短板”很明显。这也说明一些芯片企业对外合作和国际化程度较低。

最后，发明专利在芯片企业专利质量中具有重要地位。通过表2中实证研究结果发现，企业5年以上发明专利维持率、发明专利占专利申请量比例和有效专利占全部专利授权量的比例是企业专利质量评价中权重系数最大的3个指标。

4.2 建议及不足

根据以上结论本文得出如下建议：

第一，芯片企业可通过增加专利管理人员，设立研发奖励基金、专利申请计划等多途径稳定企业专利质量，避免其出现较大波动；政府也应该做好长期的政策规划，努力做到专利数量和专利质量之间的平衡发展。

第二，芯片企业在提升专利质量的过程中，尤其是规模较小的企业，不能只追求自身国内专利的数量，针对合作申请专利数和PCT专利申请量较少的情况，可通过与其他公司进行合作研发，加入专利联盟，建立和完善知识产权管理制度，以进一步强化对外交流，优化资源配置，努力达到各专利质量指标间的协调发展；政府可加大对芯片企业合作申请专利及申请PCT专利的支持力度，还可通过招商引资、召开科学技术会议等途径鼓励企业进行对外交流活动，进而帮助其弥补专利质量中的“短板”。

第三，芯片企业在申请专利时，要重视发明专利的申请，可参考企业专利质量评价模型，尤其是专利的法律质量，在申请专利时要更多考虑其将来可能为企业带来的实际价值，尽可能地扩大专利保护范围，有效提升专利的维持时间；政府在对企业进行专利补贴或奖励时，应当更加注重企业发明专利维持时间等权重系数大的质量指标，根据这些指标对企业提出一定的补贴或奖励要求，更有效地提高企业的专利整体质量。值得一提的是，一些地区已经停止了对实用新型和外观设计专利的专项奖励。

本研究也存在一些不足之处。本文是以芯片企业整体专利质量为研究对象，包括了一部分非芯片专利；考虑到专利指标数据种类多，数量大的问题，在一些指标上运用了等距随机抽样的方法。因此，后续针对芯片专利的专门研究可通过IPC分类号进行相应筛选，进一步搜集国外芯片企业专利质量指标数据，与中国芯片企业进行比较研究；关于企业专利质量的进一步研究需要综合考虑多个合适的专利数据库、企业数据库的数据，深入考察可能涵盖企业自身及政府等多个层面的企业专利质量影响因素。