國外技術(shù)預(yù)測理論與實踐進展*

何然1， 李鋼2

(1. 美國北卡羅來納大學(xué)教堂山分校 經(jīng)濟系， 紐約州 克林頓市 17764； 2. 中國社會科學(xué)院 工業(yè)經(jīng)濟研究所， 北京 100732)

摘要：對技術(shù)發(fā)展趨勢和新興技術(shù)的潛力進行系統(tǒng)性預(yù)測是國際上技術(shù)經(jīng)濟領(lǐng)域備受關(guān)注的研究課題。對國外近年來技術(shù)預(yù)測領(lǐng)域的相關(guān)研究成果和所使用的技術(shù)預(yù)測方法進行回顧，將主流技術(shù)預(yù)測方法劃分為模型化方法、統(tǒng)計和數(shù)據(jù)挖掘方法以及描述性方法三類，對各類方法的優(yōu)點和局限加以梳理，并總結(jié)現(xiàn)有文獻對不同方法的比較研究。

關(guān)鍵詞：技術(shù)預(yù)測； 增長曲線； 數(shù)據(jù)挖掘； 專利分析； 技術(shù)路線圖

技術(shù)預(yù)測(Technology Forecasting，TF)，有時也稱為未來導(dǎo)向的技術(shù)分析(Future-Oriented Technology Analysis)，是對潛在技術(shù)的特點和產(chǎn)生時間進行預(yù)測的一類方法[1]，可用于對技術(shù)的狀態(tài)、參數(shù)及其變化趨勢進行預(yù)測[2]。技術(shù)預(yù)測試圖從現(xiàn)有信息中發(fā)現(xiàn)未來技術(shù)的發(fā)展趨勢[3]，得出符合一定邏輯的、量化的對于技術(shù)參數(shù)、特性和功能變化程度及時間的估計[2]。技術(shù)預(yù)測正逐漸成為影響產(chǎn)業(yè)和技術(shù)發(fā)展方向的一個重要的驅(qū)動因素，已經(jīng)被許多公司用于制定企業(yè)技術(shù)研發(fā)策略[4]，也被政府用于制定相關(guān)技術(shù)和產(chǎn)業(yè)政策[5]。然而對技術(shù)的未來走向進行預(yù)測是一項復(fù)雜的工作，這樣的預(yù)測需要將社會科學(xué)和自然科學(xué)的知識相結(jié)合[6]，既需要預(yù)測者對科學(xué)的預(yù)測方法有透徹的把握，也要求其對相關(guān)技術(shù)領(lǐng)域有一定的了解[3]。對技術(shù)預(yù)測方法的研究大致開始于二十世紀上半葉，如今許多常用的技術(shù)預(yù)測手段都可以追溯到二十世紀五六年代，在冷戰(zhàn)背景下，它們的誕生很大程度是受到政府的影響[7]51。

在技術(shù)預(yù)測方法的分類上，許多文獻綜述只是將不同方法羅列出來[8-9]。一些學(xué)者簡單地將其劃分為數(shù)量型方法和判斷型方法[1]，還有一些學(xué)者[10]20-30將其劃分為判斷型或經(jīng)驗性方法、趨勢外推方法、模型方法、場景測試和模擬方法、其它方法等五類。也有學(xué)者[11]將所有方法分為九大類，包括：專家意見、趨勢分析、監(jiān)測及智能方法、統(tǒng)計方法、模型和模擬方法、場景測試、決策方法、描述性及矩陣方法、創(chuàng)新方法等。目前學(xué)界并沒有一個權(quán)威的技術(shù)預(yù)測分類。在本文中，筆者根據(jù)不同方法的技術(shù)特點和預(yù)測結(jié)果特點將其分為三大類加以描述，分別為模型化方法、統(tǒng)計和數(shù)據(jù)挖掘方法、描述性方法。

除了對不同方法進行劃分，由于技術(shù)預(yù)測在不同機構(gòu)、不同預(yù)測目的、不同框架下沒有統(tǒng)一的名稱，所以有必要對相關(guān)名詞進行明確解釋歸類。2003年以來，一項名為“未來技術(shù)預(yù)測方法工作組”(Technology Futures Analysis Methods Working Group，TFAMWG)的項目[12]致力于在未來技術(shù)預(yù)測領(lǐng)域構(gòu)建一個統(tǒng)一的框架，他們對眾多與技術(shù)預(yù)測相關(guān)的名詞進行了歸類，具體如下：

技術(shù)檢測、技術(shù)觀望、技術(shù)警戒等屬于同義詞，重點都在收集和理解信息的過程。技術(shù)知識和競爭性知識屬于同義詞，主要指將收集到的技術(shù)信息轉(zhuǎn)變?yōu)榭梢岳斫獾闹R。技術(shù)預(yù)測主要預(yù)測未來技術(shù)的方向和變化。技術(shù)路線重點則在制定計劃，以使目前產(chǎn)品和未來所預(yù)測的技術(shù)趨勢相銜接。技術(shù)評估以及各種形式的影響評估，如戰(zhàn)略性環(huán)境評估等是同義，主要是對技術(shù)變化所帶來的無法預(yù)料的、間接的、滯后的效應(yīng)進行預(yù)測技術(shù)前瞻。國家及地區(qū)前瞻重點關(guān)注發(fā)展策略以及如何推進某一技術(shù)。需要注意的是以上這些名詞所代表的過程有時使用相同的方法，其目的也或多或少有所重合，但是在政府的技術(shù)預(yù)測和企業(yè)的技術(shù)預(yù)測中往往以不同名稱出現(xiàn)[13]。

一、模型化方法

(一) 常見的技術(shù)進步預(yù)測模型

1. 間斷平衡模型

間斷平衡(Punctuated Equilibrium)是一個演化生物學(xué)理論。此理論認為有性生殖的物種可在某一段時間中經(jīng)歷相對傳統(tǒng)觀念而言較為快速的物種形成過程，之后又經(jīng)歷一段長時間無太大變化的時期。一些學(xué)者將這一理論延伸至社會組織的變遷以及技術(shù)進步的模式等社會科學(xué)領(lǐng)域。Abernathy和Utterback在其經(jīng)典文章《產(chǎn)業(yè)創(chuàng)新的模式》[14]中對顛覆性創(chuàng)新和演化性創(chuàng)新作出了區(qū)分，提出演化性創(chuàng)新的特點是持續(xù)的微小創(chuàng)新，伴隨生產(chǎn)規(guī)模擴大，專業(yè)化程度和標準化程度的提高和邊際成本的下降使得行業(yè)逐漸失去靈活性，越來越依靠規(guī)模經(jīng)濟來彌補固定成本，因而面對需求變化和技術(shù)淘汰變得愈加脆弱。顛覆性創(chuàng)新則集中地帶來品種繁多的、具有全新功能和特性的新產(chǎn)品。他們通過對飛行器、汽車、半導(dǎo)體、電燈泡等行業(yè)技術(shù)創(chuàng)新模式的歸納分析發(fā)現(xiàn)：在成熟產(chǎn)業(yè)內(nèi)的技術(shù)進步往往限于積累性的產(chǎn)品和技術(shù)，劇烈的技術(shù)創(chuàng)新往往是由外部因素導(dǎo)致的，如小公司的創(chuàng)立、其它行業(yè)大公司涉足新行業(yè)、政府補貼的變動、產(chǎn)業(yè)規(guī)制的變動等。顛覆性創(chuàng)新發(fā)生后，往往開辟出新的產(chǎn)業(yè)及其主導(dǎo)產(chǎn)品，與市場需求的磨合使產(chǎn)品的定義和功能逐漸清晰，之后該行業(yè)就進入演化性創(chuàng)新階段，直到新產(chǎn)品再次帶來顛覆性創(chuàng)新。在兩次顛覆性創(chuàng)新之間是所謂的間斷平衡階段。Connie J.G.Gersick[15]對平衡階段作出的描述是：系統(tǒng)在平衡階段也會針對一些內(nèi)在或外在的波動進行微小的調(diào)整，但是不會改變其深層次結(jié)構(gòu)。一個經(jīng)典例子是花旗銀行后臺面對日益增加的紙面工作，在十年間只是不斷增加雇員數(shù)量，直到70年代John Reed徹底革新了后臺運行模式，并大力推廣了自動取款機[16]。Jonathan Grudin[17]指出，如同生物的進化一樣，小的變異在不斷涌現(xiàn)，只是在技術(shù)領(lǐng)域這樣的變異并不是隨機的，在平衡階段，產(chǎn)品內(nèi)部的零件越來越小，成本越來越低，性能越來越好。以個人電腦為例，20世紀80年代，電腦主機內(nèi)部從擠滿了電路板進步到電路只占機箱空間的很小一部分，1984—1987年，蘋果的Macintosh電腦空間從128KB增加到512KB又增加至1MB，處理速度從8MHz增加到16MHz。這些變化雖然只是量的變化，但卻使得Macintosh電腦從1984年一個失敗的商業(yè)化產(chǎn)品于1987搖身一變成為史無前例的成功商品，因為到1987年時，其硬件平臺已經(jīng)優(yōu)化到可以支持圖形處理和一系列1985年出現(xiàn)的新產(chǎn)品的運行，如激光打印機、Aldus Pagemaker、微軟Word和Excel處理軟件等。Jonathan Grudin對計算機硬件平臺和人機交互領(lǐng)域的技術(shù)進步進行了分析，發(fā)現(xiàn)盡管摩爾定律以及其它一些指數(shù)增長模型都在連續(xù)地發(fā)生作用，但是新型芯片每隔幾年就會出現(xiàn)，而劇烈的技術(shù)進步每十年發(fā)生一次(見圖1[17])。在新的主導(dǎo)產(chǎn)品出現(xiàn)之前，一種技術(shù)或產(chǎn)品可能在不斷地積累著變異，直到有足夠的性能以及足夠完善的周邊產(chǎn)業(yè)使得新的主導(dǎo)產(chǎn)品出現(xiàn)。

圖1　20世紀50年代以來硬件平臺及主要人機交互部件研發(fā)領(lǐng)域的變遷

間斷平衡模型給出了一種技術(shù)進步預(yù)測的范式，大體上描述了技術(shù)演化的基本模式，并且大多數(shù)相關(guān)研究都認為外在因素的破壞和內(nèi)部條件達到某一臨界值同時發(fā)生時，平衡就會被打破[15]。該模型可以對以往的技術(shù)進步作出解釋，但是很難作出精確的預(yù)測。另外有文章[18]指出，能源產(chǎn)業(yè)和信息產(chǎn)業(yè)的技術(shù)參數(shù)如傳輸速度、傳輸效率等在過去250年間并未體現(xiàn)出“間斷平衡”的特點，而是持續(xù)不斷地提升，并強調(diào)“間斷平衡”是一個在廣義上對技術(shù)進步所帶來的間斷性的經(jīng)濟和社會結(jié)構(gòu)劇烈變動的一種抽象，而非對技術(shù)進步本身的描述。

2. Logistic增長曲線

在技術(shù)進步的定量預(yù)測方面[19]，20世紀末許多研究者[20-25]通過對大量行業(yè)歷史數(shù)據(jù)的擬合，發(fā)現(xiàn)logistic模型對技術(shù)進步乃至個人和集體行為等方面的預(yù)測效果較好。這類曲線的特點是呈“S”型，一開始呈指數(shù)增長，然后增長率趨緩，并逐漸貼近最大值。

經(jīng)典的邏輯曲線表達式為

P(t)=K/(1+exp{-α(t-β)})

(1)

式中：K為曲線的漸近最大值；α為增長率的變化率；β為曲線的拐點。

Fisher-Pry[26]利用式(2)將邏輯曲線進行了線性化，即

P′(t)=F(t)/(1-F(t))

(2)

式中，F(xiàn)(t)=P(t)/K，于是有

log[P′(t)]=α(t-β)

(3)

圖2[27]給出了經(jīng)過Fisher-Pry變形的海上超大油輪數(shù)量的增長變化。

圖2　海上超大油輪數(shù)量的增長

邏輯曲線及類似的“S形曲線”不僅可以用于預(yù)測具體參數(shù)隨時間的變動，還可以用來描述新技術(shù)對舊技術(shù)的替代過程。Fisher和Pry[26]分析了歷史上百余次技術(shù)替代案例，發(fā)現(xiàn)了新舊技術(shù)的替代大體遵循Logistic替代模式，經(jīng)過Fisher-Pry變形后可以方便地擬合為線性模型。圖3[27]展示了新舊技術(shù)間典型的替代模式，圖4[27]展示了人類不同出行方式間的替代模式。

圖3　新舊技術(shù)間典型的替代模式

圖4　20世紀上半葉馬匹與汽車之間的替代模式

這類“S”曲線模型有許多變形，如Gompertz模型[28]和描述新產(chǎn)品需求量與時間關(guān)系的Bass模型[29]等。

3.摩爾定律

Gordon E.Moore[30]首次提出摩爾定律，即芯片上的集成電路密度每年會翻一番，后來他將其調(diào)整為每兩年翻一番，并稱這一指數(shù)遞增規(guī)律可以延伸到整個半導(dǎo)體產(chǎn)業(yè)，且適用于體積、單位成本、密度、速度等一系列技術(shù)參數(shù)。過去幾十年間，微處理器、動態(tài)隨機存取存儲器(DRAM)等技術(shù)似乎也在按照摩爾定律所預(yù)測的規(guī)律演進[31-32]。還有些研究者發(fā)現(xiàn)這一規(guī)律也適用于生物技術(shù)、納米技術(shù)和基因技術(shù)等[33-34]。除經(jīng)典的摩爾定律外，還有一些變形過的指數(shù)增長模型，如Wright模型[35]，Goddard模型[36]，SKC模型[37]等。

在進行技術(shù)預(yù)測時，可以通過歷史數(shù)據(jù)估計模型中的參數(shù)，然后對未來走勢進行趨勢外推。這也是許多文章中的預(yù)測模型所使用的方法[8]。

(二) 模擬方法

隨著計算機模擬技術(shù)的進步，一些研究者開始運用軟件對基于微觀主體的模型(Multi-agent-based Models)進行模擬，期望發(fā)現(xiàn)微觀主體間決策互動所引發(fā)的技術(shù)變遷規(guī)律。運用主體模型，研究者在虛擬環(huán)境中模擬大量按照特定規(guī)則互動的主體，并對整個系統(tǒng)狀態(tài)的變化進行觀察。這些主體遵照不同的行動規(guī)則進行決策，它們所存在的環(huán)境也可以按照給定的規(guī)則變化。Juneseuk Shin和Yongtae Park[38]指出這類方法可以較好地描述技術(shù)演化過程中主體間非線性的互動；同時，模擬方法不像傳統(tǒng)模型外推方法那樣給出一個確定的預(yù)測結(jié)果，而是給出一個不同結(jié)果的概率分布。這是因為這類方法所模擬的是復(fù)雜系統(tǒng)，該系統(tǒng)在很簡單的規(guī)則指導(dǎo)下會產(chǎn)生很復(fù)雜的變化。如Theodore J.Gordon[39]所述，模擬方法具有一些共同的特點，包括：(1)盡管方程或者行動規(guī)則很簡單，輸出結(jié)果卻往往很復(fù)雜；(2)盡管已知方程或者行動規(guī)則，卻難以預(yù)測某一時刻主題的狀態(tài)；(3)對于初始條件極其敏感；(4)在看似隨機的行為中出現(xiàn)自組織現(xiàn)象。

模擬方法中基于微觀主體的模型大體有兩類：多主體模型和元胞自動機。Gordon[39]利用多主體模型在計算機上模擬出了一種傳染病在人群中的傳播過程，他提出這一模型可以用于模擬任何具有人際傳播特點的過程，比如疾病、思想或者市場行為、技術(shù)擴散。Joanne G.Phillips等[40]指出Gordon的模型可以拓展并用于模擬可持續(xù)能源技術(shù)的發(fā)展，可以將每一種能源技術(shù)視作一個主體，如清潔煤炭技術(shù)、潮汐技術(shù)、太陽能技術(shù)等。每一種技術(shù)有其自身特點，比如清潔煤炭技術(shù)不容易被大眾所接受，太陽能技術(shù)則比較容易，潮汐技術(shù)居中，然后在其所處空間按照一定分布安排專家、大眾和政府，當不同技術(shù)遇上不同人群時，會產(chǎn)生不同的傳播效果。Juneseuk Shin、Yongtae Park[38]設(shè)計了一個由布朗主體構(gòu)成的模型，用以模擬在位的或潛在的技術(shù)開發(fā)者，以軟件技術(shù)為技術(shù)空間，主體根據(jù)投資回報率等信息選擇是否開發(fā)某一項技術(shù)，他們指出文中的模擬結(jié)果與韓國軟件產(chǎn)業(yè)的真實分布很吻合，但是沒有進行有效的統(tǒng)計檢驗。

元胞自動機模型可以看作是一個二維的單元列陣，一些單元開始是“活的”，另一些是“死的”，有事先制定好的規(guī)則根據(jù)周圍單元的狀態(tài)來決定每一個單元在下一回合的狀態(tài)[41]。Bhargava等[42]設(shè)計了一種元胞自動機模型，在初始回合，一些單元是某一技術(shù)的采用者，另一些單元是這項技術(shù)的潛在采用者，每一單元下一回合采用該技術(shù)與否根據(jù)一定的概率分布進行變化，模擬結(jié)果顯示采用某一技術(shù)的單元數(shù)量隨時間推移呈“S”型曲線變化。Joseph P.Martino[42]認為可以向該模型中引進“創(chuàng)新”元素，以更好地模擬現(xiàn)實。Goldenberg等[43]通過隨機元胞自動機模型對研發(fā)主體間的互動進行了模擬，發(fā)現(xiàn)由于在短期內(nèi)發(fā)現(xiàn)新興需求的概率波動性很大，如果根據(jù)市場調(diào)查來發(fā)現(xiàn)潛在新興需求并開始研發(fā)相應(yīng)技術(shù)，能夠成為該產(chǎn)業(yè)“領(lǐng)頭羊”的概率很小。

基于主體的模型所面臨的主要問題是：為了得到貼近現(xiàn)實的結(jié)果，模型需要什么達到何種程度的細節(jié)，是很難判斷的；另外，互動個體的特征有時很難定義[40]。

模擬的方法還包括復(fù)雜適應(yīng)性系統(tǒng)模型(Complex Adaptive System Modeling)、系統(tǒng)模擬(System Simulation)等[13]。

二、統(tǒng)計和數(shù)據(jù)挖掘方法

1. 文獻計量、科學(xué)計量、專利分析

信息技術(shù)和信息科學(xué)的發(fā)展為技術(shù)預(yù)測提供了許多日益受到重視的預(yù)測工具，其中比較常用的是科學(xué)計量方法(Scientometrics)和文獻計量方法(Bibliometrics)，這類工具以往被運用于信息科學(xué)領(lǐng)域，用以識別技術(shù)網(wǎng)絡(luò)。如今，這兩種方法結(jié)合了機器學(xué)習(xí)、統(tǒng)計分析以及建模方法和數(shù)據(jù)庫技術(shù)，被嘗試運用于發(fā)現(xiàn)大量數(shù)據(jù)之間的細微聯(lián)系以及指引未來趨勢的潛在規(guī)律[44]。正如Porter，Cunningham[45]所指出的，社會科學(xué)家早在幾十年前就已開始使用內(nèi)容分析(Content Analysis)的方法。統(tǒng)計技術(shù)文獻數(shù)量以預(yù)測技術(shù)走向的做法至少可以追溯到1965年Derek de Solla Price[46]的文章。隨著電子文本資源日益豐富，內(nèi)容分析法發(fā)展成為文本挖掘的方法，數(shù)據(jù)挖掘要求從大量數(shù)據(jù)中提取有用信息，而文本挖掘則從文本數(shù)據(jù)中提取信息。文獻計量分析最主要的優(yōu)點是可以擺脫專家咨詢所帶來的系統(tǒng)性主觀偏見，使得人們得以發(fā)現(xiàn)一些原本由于知識局限或視角偏頗所難以發(fā)現(xiàn)的規(guī)律。

在文獻計量具體的應(yīng)用上，Marcio de Miranda Santo[44]等利用美國Web of Science(WOS)的學(xué)術(shù)文獻數(shù)據(jù)對納米技術(shù)領(lǐng)域進行分析。他們通過分析47個納米領(lǐng)域子技術(shù)文獻的數(shù)量從1994年到2004年的變化，并橫向比較不同國家之間的文獻數(shù)量，根據(jù)其使用“文本挖掘”方法對WOS數(shù)據(jù)的分析，計算出了各國技術(shù)研發(fā)的大致速度，發(fā)現(xiàn)巴西納米技術(shù)相關(guān)文獻的數(shù)量及增長速度大大低于其他處于世界領(lǐng)先水平的國家，所以巴西的研發(fā)策略應(yīng)是“差別化”，建議巴西政府在納米領(lǐng)域?qū)嵤┎顒e化政策以最大化利用巴西的比較優(yōu)勢。由于該文是一篇方法導(dǎo)向的文章，選取納米技術(shù)也是因為數(shù)據(jù)原因，所以未跟蹤到巴西政府針對其建議所采取的相應(yīng)政策。在過去十年間，各國學(xué)者們對基本的文本挖掘方法展開了諸多改進和創(chuàng)新，以適應(yīng)技術(shù)預(yù)測的需求，而非僅僅對過去技術(shù)發(fā)展的軌跡進行粗糙的描述。文本挖掘用于技術(shù)預(yù)測時主要使用的是各國的專利文件數(shù)據(jù)，因此這類方法又稱為專利分析(Patent Analysis)。近年來，隨著創(chuàng)新過程日益復(fù)雜，創(chuàng)新周期日漸縮短，市場需求波動性增加，專利分析在高新技術(shù)管理領(lǐng)域受到越來越多的重視[47]。

Sungjoo Lee等[48]設(shè)計了一套基于專利地圖的方法用于識別未來可能出現(xiàn)較大發(fā)展空間的技術(shù)領(lǐng)域。他們首先運用文本挖掘的方法將專利文件整理為具有規(guī)整結(jié)構(gòu)的數(shù)據(jù)庫以便于識別出一系列關(guān)鍵詞向量。接著他們利用主成分分析方法減少關(guān)鍵詞向量的數(shù)量，以便將之對應(yīng)于二維的專利地圖。然后地圖上大面積低密度的空白部分便是潛在的“技術(shù)空位”，這些空位經(jīng)過專業(yè)的技術(shù)分析以及一些技術(shù)趨勢指標的篩選后便可以得出有意義的潛在技術(shù)領(lǐng)域。他們將這一方法運用于對個人掌上電腦(PDA)技術(shù)的分析。從美國專利商標管理局(USPTO)的數(shù)據(jù)庫收集了141份與PDA相關(guān)的專利文件，提取出了39個關(guān)鍵詞，如“數(shù)據(jù)”、“操作”、“內(nèi)存”等，他們建議使用“機器加專家決策”的方法提取關(guān)鍵詞，首先利用專業(yè)文本挖掘(Text Mining)軟件或者依據(jù)詞語出現(xiàn)頻率初步確定每份文件的關(guān)鍵詞，然后請專家從初選詞中選取最終采用的關(guān)鍵詞；將專利文件轉(zhuǎn)化為141個39維的關(guān)鍵詞向量，每個關(guān)鍵詞向量在對應(yīng)的關(guān)鍵詞處的取值即為該專利文件中該關(guān)鍵詞出現(xiàn)的頻數(shù)。同時通過主成分分析(Principal Component Analysis)的方法將141個39維向量轉(zhuǎn)化為141個2維向量表示在一個二維坐標系中，壓縮后的維度只能根據(jù)每個維度的載荷來大致判斷其含義。通過連接每項專利在二維圖中所對應(yīng)的點的方法初步找出6個“技術(shù)空位”(見圖5[48])，每個空位的定義依賴于周邊專利技術(shù)，這里“空位”的實際意義可能比較模糊，不過最終目的是要尋找“空位”周邊有哪些技術(shù)，只要能得到“空位”周邊的“點”及其所對應(yīng)的技術(shù)，就達到了作者的目的。Sungjoo Lee等建議咨詢技術(shù)專家來決定哪些周邊技術(shù)更有價值，然后通過分析該空位周邊已存在的專利的特點以及關(guān)鍵詞出現(xiàn)頻率的趨勢分析的方法對每個空位進行有效性排序，并選擇出有效性較高的空位作為潛在技術(shù)領(lǐng)域。作者指出，定義空位和怎樣理解空位是這一方法的最大局限所在。該方法只能指出某一些技術(shù)周邊領(lǐng)域比較“空”，建議有針對性地拓展“空位”周邊的技術(shù)，但這一方法并不能直接指出那些“空位”具體是什么樣的技術(shù)。

圖5　個人掌上電腦(PDA)技術(shù)的二維專利地圖

Sunghae Jun等[49]利用類似的專利地圖和K維聚類分析(KM-SVC)對美國、歐盟和中國的技術(shù)管理領(lǐng)域(Management of Technology，MOT)的潛在技術(shù)進行了預(yù)測，發(fā)現(xiàn)美國和歐盟的“技術(shù)空位”出現(xiàn)在“移動通信技術(shù)管理”領(lǐng)域，而中國的“技術(shù)空位”出現(xiàn)在“半導(dǎo)體技術(shù)管理”領(lǐng)域。他們利用2006年以前的數(shù)據(jù)對2007年之后的技術(shù)趨勢進行了預(yù)測，發(fā)現(xiàn)2007—2010年間他們所關(guān)注的技術(shù)領(lǐng)域內(nèi)的專利文件數(shù)量急劇增加，所以他們認為其方法在一定程度上是有效的。

Charles V.Trappey[50]等對我國的射頻識別(Radio Frequency Identification，RFID)相關(guān)技術(shù)的發(fā)展趨勢進行了預(yù)測。他們對從中華人民共和國國家知識產(chǎn)權(quán)局(SIPO)收集到的1389份1995—2008年的專利應(yīng)用數(shù)據(jù)按照41個關(guān)鍵詞進行聚類分析，分為6大類，并按照邏輯曲線進行擬合，估計出每一類技術(shù)目前所處的發(fā)展階段。結(jié)果顯示：被解釋為射頻識別無線通信設(shè)備的一類技術(shù)已經(jīng)進入了飽和階段，因此具有有限的發(fā)展?jié)摿?；“射頻識別概念和基礎(chǔ)應(yīng)用”、“射頻識別架構(gòu)”、“射頻識別追蹤”、“射頻識別傳輸”四大類技術(shù)已經(jīng)進入了成熟階段；而“射頻識別頻率和波段”技術(shù)看起來正處于初期成長階段，這說明國內(nèi)的相關(guān)領(lǐng)域研究似乎正集中于提升“射頻識別頻率和波段”的相關(guān)技術(shù)領(lǐng)域，因此在這方面的研究將具有較大的潛在價值。

另一方面，許多學(xué)者利用文本挖掘和網(wǎng)絡(luò)分析相結(jié)合的手段對專利數(shù)據(jù)進行分析，開辟了許多新的技術(shù)預(yù)測方法。復(fù)雜網(wǎng)絡(luò)在過去十年間日益受到關(guān)注，其在創(chuàng)新網(wǎng)絡(luò)中的應(yīng)用為理解創(chuàng)新路徑提供了一種新的視角[51]。Byungun Yoon[47]等對基于網(wǎng)絡(luò)的專利分析方法進行了較為清晰的梳理。首先，從數(shù)據(jù)庫中獲得所感興趣領(lǐng)域的專利數(shù)據(jù)，并通過專業(yè)文本挖掘軟件提取出專利文件的關(guān)鍵詞，將所獲得的文本數(shù)據(jù)轉(zhuǎn)變?yōu)楸阌诮y(tǒng)計處理的向量型數(shù)據(jù)。然后利用計算機將這些向量以專利網(wǎng)的方法表示出來，其中專利就是網(wǎng)絡(luò)中的節(jié)點，專利間的關(guān)系由連接節(jié)點的線表示。之后可以借由一些量化的指標對專利網(wǎng)進行深度分析并得出可以指導(dǎo)決策的量化信息。在確定兩個專利間是否相關(guān)時，首先利用式(4)計算出兩項專利間的關(guān)聯(lián)值(Association Value)：

(4)

關(guān)鍵詞式中，nis為第i份專利文件中s的出現(xiàn)頻率。當兩項專利間的關(guān)聯(lián)度超過某一經(jīng)驗值時，便視為兩項專利相關(guān)，于是關(guān)聯(lián)矩陣的對應(yīng)元素取值為1，否則為0。以此為基礎(chǔ)，Byungun Yoon等利用Ucinet 5和Krackplot 3.0軟件繪制了韓國波分復(fù)用領(lǐng)域(Wavelength Division Multiplexing，WDM)相關(guān)技術(shù)的專利網(wǎng)絡(luò)(見圖6[52])。

中圖分類號：F403.7文獻標志碼： A

收稿日期：2014-10-20

基金項目：國家軟科學(xué)計劃重大項目(2013GXS6B213)； 國家社會科學(xué)基金重點項目(14AJY015)。

作者簡介：龔健健(1986-)，男，河南南陽人，博士生，主要從事產(chǎn)業(yè)經(jīng)濟、區(qū)域經(jīng)濟等方面的研究。

doi：10.7688/j.issn.1674-0823.2015.02.02

圖6　Byungun Yoon等繪制的WDM技術(shù)領(lǐng)域的專利網(wǎng)絡(luò)

之后他們根據(jù)每個節(jié)點的關(guān)聯(lián)數(shù)和關(guān)聯(lián)節(jié)點的參數(shù)設(shè)計出兩個指標分別衡量專利的中心度和技術(shù)所處的階段，根據(jù)這兩種指數(shù)對網(wǎng)絡(luò)中的每個節(jié)點進行聚類分析，并試圖給每一類專利集合作出實際解釋，以發(fā)現(xiàn)具有較大潛力的技術(shù)領(lǐng)域。

在一項最新的研究中，Péter érdi等[51]通過不同專利間相互引用的數(shù)據(jù)構(gòu)建了專利網(wǎng)絡(luò)。他們的基本思路是首先提取出每項專利的“引用向量”，這一向量包含了其被其它專利引用的頻數(shù)。他們假設(shè)擁有相似“引用向量”的專利屬于同一技術(shù)領(lǐng)域，因此可以利用聚類分析將其劃分為一些大的技術(shù)集合。根據(jù)這些技術(shù)集合的變化和新技術(shù)集合的產(chǎn)生，就可以觀察到新技術(shù)領(lǐng)域的誕生和發(fā)展，并對未來可能產(chǎn)生的新變化進行預(yù)測。為了檢驗這一預(yù)測方法的有效性，他們利用與美國全國經(jīng)濟研究所(NBER)所劃分的第11類專利分類(農(nóng)業(yè)、食品和紡織行業(yè))相關(guān)技術(shù)的專利數(shù)據(jù)進行了分析?；诿绹鴮＠蜕虡斯芾砭?USPTO)提供的1991—1996年的數(shù)據(jù)，他們對即將生成新技術(shù)的領(lǐng)域進行了預(yù)測，預(yù)測結(jié)果與1997年USPTO所宣布的第11類專利分類下的新增子類——第442行業(yè)小類明顯重合*USPTO的分類系統(tǒng)將專利分為450個大類和12萬余個小類。NBER的一個分類項目中將這450個大類進一步合并為36類。USPTO的產(chǎn)品分類是專利分類，但作者稱USPTO的分類受到實體經(jīng)濟的影響，所以USPTO如果新劃分出來一類，至少說明這一行業(yè)在真實經(jīng)濟中確實有所顯現(xiàn)。。

Sunghae Jun等[53]通過多元回歸和簡單的神經(jīng)網(wǎng)絡(luò)模型對韓國納米技術(shù)進行了分析，他們借助國際專利編碼(IPC)來代表不同技術(shù)領(lǐng)域，發(fā)現(xiàn)納米技術(shù)的進步需要編碼為C01B、B32B、B29C和G01N技術(shù)的進步，同時間接地受到編碼為B01J和B05D技術(shù)的影響。

此外，使用專利分析進行預(yù)測的案例還有很多，如Kajikawa Y，Usui O，Hakata K等[54]利用引用分析和聚類分析技術(shù)預(yù)測新興技術(shù)。同時他們還使用了路線圖技術(shù)在不同概念之間建立了聯(lián)系。另一個研究中Kajikawa Y和Takeda Y利用專利引用數(shù)據(jù)分析了生物質(zhì)能源領(lǐng)域的技術(shù)預(yù)測。Kajikawa Y和Takeda Y[55]還運用類似的方法對可再生藥物技術(shù)進行研究。還有一些文章利用簡單的統(tǒng)計方法基于專利信息進行技術(shù)預(yù)測[56-59]。

這類技術(shù)預(yù)測方法存在的局限性包括：(1)技術(shù)預(yù)測的結(jié)果，比如聚類分析結(jié)果中的分類，很難對其作出具有社會經(jīng)濟意義的解釋[53]。(2)一些關(guān)鍵步驟仍然需要進行主觀的判斷，比如對“技術(shù)空位”的選取和判斷網(wǎng)絡(luò)中專利是否相關(guān)時所設(shè)定的“閾值”等。(3)預(yù)測結(jié)果受分析者對數(shù)據(jù)庫的了解程度和搜索技術(shù)的影響較大[44]。因此，一般在使用科學(xué)計量方法、文獻計量方法時都會聯(lián)合專家調(diào)查法等定性方法一起使用。如Byungun Yoon[60]聯(lián)合使用句法分析模型(Morphology Analysis)和專利分析對薄膜電晶體液晶顯示器(TFT-LCD)技術(shù)進行了預(yù)測。Carvalho等[61]建議在使用技術(shù)路線圖的同時使用文獻計量方法等。

2. 數(shù)據(jù)包絡(luò)分析方法

技術(shù)預(yù)測數(shù)據(jù)包絡(luò)分析(TFDEA)是對傳統(tǒng)數(shù)據(jù)包絡(luò)分析(DEA)的拓展，后者最早作為一種運籌學(xué)方法被Charnes等于1978年提出[62]。DEA方法基于相對效率的比較對決策的效率進行分析。在經(jīng)典的DEA模型中，時間被視為均等分割的，但是技術(shù)預(yù)測所關(guān)注的時間是間斷分布的。因此人們對DEA進行了一些修正以使其得以對技術(shù)進行預(yù)測，稱為TFDEA。TFDEA方法中一個關(guān)鍵概念是“尖端技術(shù)”(state-of-the-art，SOA)，如果一項技術(shù)是尖端技術(shù)，那么它的效率比同時期的其它技術(shù)要高，且規(guī)定其效率得分為1，余下技術(shù)的效率得分根據(jù)先前的尖端技術(shù)依次進行賦予[63]。TFDEA最早由Inman等[64]提出，用于測量某種產(chǎn)品性能的變化率。他們認為簡單的產(chǎn)品周期無法用來測量產(chǎn)品性能隨時間的變化，因此將TFDEA運用于測量在線交易處理平臺微小的技術(shù)進步，并利用事務(wù)處理性能委員會(TPC)所提供的數(shù)據(jù)計算出最佳狀況下在線交易處理平臺性能的年變化率。這一變化率用于預(yù)測TPC在未來所設(shè)置的性能標準。TFDEA還被運用于戰(zhàn)斗機產(chǎn)量的預(yù)測，在Inman等[65]文章中，TFDEA的預(yù)測效果是Martino[66]使用回歸方法所作出的預(yù)測效果準確率的1.3倍。在另一項研究中，TFDEA在微處理器領(lǐng)域的預(yù)測比摩爾定律要精確，不僅預(yù)測的維度有所提升，而且還發(fā)現(xiàn)耗電量是一個非常重要的影響預(yù)測結(jié)果的變量。Inman[67]基于磁盤驅(qū)動器的數(shù)據(jù)對TFDEA的預(yù)測效果和Christensen[68]所使用的經(jīng)典技術(shù)管理預(yù)測模型的預(yù)測效果作了比較。Anderson等[69]在韓國的一個會議論文中再次拓展了TFDEA方法，他們在應(yīng)用TFDEA之前增加了構(gòu)建技術(shù)描述這一步驟。Lamb等[70]給出了一個運用TFDEA方法預(yù)測商務(wù)飛機行業(yè)的基本框架，即首先計算出2007年前每一種飛機相對于其之前所有飛機的相對性能，然后計算其在預(yù)測年份的相對性能為所有飛機計算性能的變化率，最后計算出所有飛機的平均性能變化率。

三、描述性方法

1. 技術(shù)路線圖

描述性方法中近年來發(fā)展最為迅速的工具是技術(shù)路線圖(Technology Roadmap，TRM)。大多數(shù)針對TRM的文章都是通過案例研究來闡述TRM的步驟和基本思想，TRM的基本框架[71]為：(1)需求及源動力；(2)可以滿足需要的產(chǎn)品和服務(wù)；(3)可以支持這類產(chǎn)品和服務(wù)的技術(shù)；(4)在以上三個步驟間建立聯(lián)系；(5)設(shè)定計劃來獲取這類技術(shù)；(6)為這類計劃分配資源。

TRM可以分為國家層面[72-74]、產(chǎn)業(yè)層面[75]和國際技術(shù)層面[76]。TRM在美國全面產(chǎn)業(yè)規(guī)劃中很早就被應(yīng)用，1992年美國的“全國技術(shù)路線圖”對美國半導(dǎo)體產(chǎn)業(yè)的研發(fā)產(chǎn)生了深遠影響。這個路線圖引起了該產(chǎn)業(yè)內(nèi)的許多技術(shù)討論，并且經(jīng)常在國際技術(shù)會議上被提上議題。政府利用路線圖輔助對半導(dǎo)體產(chǎn)業(yè)的技術(shù)研發(fā)進行財政支持的決策。這類路線圖并不只在半導(dǎo)體產(chǎn)業(yè)存在。美國國家研究委員會和美國科學(xué)院曾經(jīng)在基礎(chǔ)科學(xué)的研究領(lǐng)域進行路線圖規(guī)劃[77]。此外，日本經(jīng)濟技術(shù)產(chǎn)業(yè)省(METI)從2003年就開始積極進行國家技術(shù)的路線圖規(guī)劃。歐盟也有類似的機構(gòu)進行技術(shù)演化路徑的預(yù)測，歐盟“卓越網(wǎng)”技術(shù)平臺——European Networks of Excellence and Technology Platforms是一個綜合技術(shù)評估平臺，可以對大規(guī)模的科研投資進行評估和預(yù)測，其運用的方法也是TRM[78]。英國曾專門就技術(shù)路線圖在國家技術(shù)發(fā)展中的作用及使用方法進行過研究和實踐[79]。對某一產(chǎn)業(yè)技術(shù)進行預(yù)測的案例研究非常多，例如對能源產(chǎn)業(yè)的預(yù)測[71]，對納米技術(shù)路線圖的預(yù)測[80]等。

基于技術(shù)路線圖的方法，近年來許多學(xué)者對其進行了拓展，比如一些學(xué)者[81]設(shè)計了多路線技術(shù)路線圖并嘗試為鏡片實驗室設(shè)備(lab-on-a-chip)的技術(shù)路徑做出規(guī)劃。有些學(xué)者[82]提出了預(yù)測創(chuàng)新路徑(Forecasting Innovation Pathways，F(xiàn)IP)的框架，主要運用于對剛剛出現(xiàn)的技術(shù)進行創(chuàng)新路徑的預(yù)測，框架如圖7[81]所示。

圖7　FIP框架

學(xué)者利用該框架對納米生物傳感領(lǐng)域和深度人腦交互設(shè)備領(lǐng)域進行了深入的案例分析。Phaal[83]等篩選出了在私人企業(yè)中被使用過的16種形式的技術(shù)路線圖。

2. 專家調(diào)查法

專家調(diào)查法又稱德爾菲法，一直以來是最為常用的技術(shù)預(yù)測方法，主要步驟是有專家對關(guān)于特定技術(shù)的調(diào)查問卷進行獨立回答，然后將專家的答案進行統(tǒng)計，作出相應(yīng)的預(yù)測，再回饋給專家，由他們作二次判斷或預(yù)測，再次將其加以統(tǒng)計，如此反復(fù)幾輪，直至專家意見趨于一致。近20年間在技術(shù)預(yù)測領(lǐng)域?qū)＜艺{(diào)查法的大范圍應(yīng)用出現(xiàn)在韓國、德國、日本和印度，這類調(diào)查在全國范圍的專家圈內(nèi)對信息技術(shù)等行業(yè)進行了預(yù)測[84-85]。Dransfeld等[86]對專家調(diào)查法作出了重要的補充，他們在合并調(diào)查問卷結(jié)果時，對不同問卷賦予了貝葉斯權(quán)重，根據(jù)被訪者在某一問題上所具有的經(jīng)驗、所處機構(gòu)的類別以及被訪者就該問題準確性的自我評估，將每一位專家對每一個問題的回答賦予不同權(quán)重，其中對于所處機構(gòu)類別和專家經(jīng)驗的權(quán)重來自于根據(jù)過往預(yù)測數(shù)據(jù)計算得到的先驗概率。

專家調(diào)查法仍然是技術(shù)預(yù)測領(lǐng)域最為常用的方法。對于全國或者整個產(chǎn)業(yè)的大范圍預(yù)測，專家調(diào)查法很可能是唯一可行的方法[41]。

四、不同方法間的比較研究

Young(1993)[87]對利用46項技術(shù)的數(shù)據(jù)對9種增長曲線間的預(yù)測效果和擬合效果進行了比較，有以下幾個發(fā)現(xiàn)：一是對歷史數(shù)據(jù)擬合較好的模型對未來預(yù)測的效果較差；二是如果數(shù)據(jù)的上界未知，那么Bass模型、Harvey模型[88]以及經(jīng)過拓展的Riccati模型[89]51-53的預(yù)測效果相對好一些，而邏輯曲線、Gompertz曲線的預(yù)測效果都不是很好；三是數(shù)據(jù)的時間序列跨度、數(shù)據(jù)是否達到上界的50%等因素對模型的選擇都會產(chǎn)生重要影響，如Harvey模型更適合進行長周期的預(yù)測，Bass模型對于數(shù)據(jù)未達到上界值的50%的技術(shù)預(yù)測效果更好。這些說明通過趨勢外推的方法進行預(yù)測的效果受數(shù)據(jù)特點的影響較大，應(yīng)基于數(shù)據(jù)特點來選擇預(yù)測模型，這些特點包括：是否有明確上界、時間跨度、數(shù)據(jù)是否達到了上界值的50%，甚至相關(guān)的舊技術(shù)的數(shù)據(jù)特點等。Doyne Farmer[90]等基于62項技術(shù)的成本和產(chǎn)量的時間序列數(shù)據(jù)對以下模型的預(yù)測效果進行了比較。(1)摩爾定律(Moore’s Law)：單位成本隨時間指數(shù)遞減；(2)萊特模型：單位成本隨累積產(chǎn)量指數(shù)變化；(3)Goddard’s Model：單位成本隨當年產(chǎn)量指數(shù)變化；(4)上述模型的一些變形：SKC，延后一期的Wright’s model。

他們發(fā)現(xiàn)總體上萊特模型和摩爾定律預(yù)測效果最好，而不同模型的預(yù)測效果隨數(shù)據(jù)跨度和技術(shù)領(lǐng)域而變化。同時，他們得出了一項有意義的結(jié)論，即不同技術(shù)雖然在模型參數(shù)上有所不同，但是其產(chǎn)量和成本隨時間變化的過程是十分相似的，這意味著每項技術(shù)的變化曲線可以被看作是從總體中抽出的一個樣本，通過增加樣本容量(甚至可以將其他技術(shù)的數(shù)據(jù)也包括進來)，我們可以對技術(shù)的變動趨勢以及隨機誤差進行更好的估計。

另一項研究[91]對Kryder’s law[92]、Logistic Model[93]25、Bass Model[29]、Gompertz’ Model[28]、Gupta Model[94]、Tobit Ⅱ Model、摩爾定律7個模型進行了比較并建立了一個新的Step and Wait模型(SAW)，通過數(shù)據(jù)表明SAW的預(yù)測效果超過了這7個理論模型的預(yù)測效果。類似的文章還有很多[95-97]。

在以上文章中，對多種“S形曲線”模型及指數(shù)增長模型的預(yù)測能力的比較主要關(guān)注對某一技術(shù)或產(chǎn)業(yè)的單位成本以及增長速度進行預(yù)測的能力，作為預(yù)測對象的技術(shù)已經(jīng)存在一段時間或者剛剛萌芽，它們的進步大多不屬于顛覆性創(chuàng)新(competency-destroying innovation)，而屬于成本節(jié)約型創(chuàng)新(competency-enhancing innovation)。但是對這類技術(shù)發(fā)展趨勢進行研究對于預(yù)測顛覆性創(chuàng)新至關(guān)重要，因為顛覆性創(chuàng)新往往在周遭產(chǎn)業(yè)已經(jīng)相當成熟，上游成本非常低廉，新的市場需求產(chǎn)生遷移的情況下發(fā)生[14]。此類的定量研究還比較新，近幾年才有相關(guān)的文章相繼涌現(xiàn)。值得關(guān)注的是“S形曲線”還曾被用于預(yù)測技術(shù)間的替代。有美國學(xué)者[98]將Gompertz、Fisher-Pry、Stapleton[99]、Sharif-Islam[100]的模型對技術(shù)替代的預(yù)測能力進行了比較，該研究的測試數(shù)據(jù)是彩色電視機相比黑白電視機的市場占有率和機械化船舶相比帆船的市場占有率的時間序列數(shù)據(jù)。他們發(fā)現(xiàn)這些模型對于技術(shù)替代具有一定的預(yù)測能力，但不同模型對于不同數(shù)據(jù)的預(yù)測效果相差很大。然而，由于這一研究發(fā)生在這些技術(shù)替代已經(jīng)完成之后，所以如何發(fā)現(xiàn)并評估潛在的市場主導(dǎo)技術(shù)仍然沒有得到解決，而且其發(fā)現(xiàn)的這些模型只對短期(5年以下)預(yù)測有效。

五、總結(jié)

縱觀現(xiàn)有文獻對技術(shù)預(yù)測領(lǐng)域的研究，能夠成功預(yù)測“顛覆性”技術(shù)創(chuàng)新的案例十分罕見，但是這并不影響當技術(shù)已經(jīng)成熟并形成規(guī)模之后對產(chǎn)品的成本、產(chǎn)量、市場占有率以及其它經(jīng)濟參數(shù)進行預(yù)測。很多文章對技術(shù)替代的模型進行了探討，但大部分是替代已經(jīng)發(fā)生后的“回溯性”預(yù)測，在已知某一技術(shù)將替代另一技術(shù)的情況下，一些模型可以比較成功地描述出兩項技術(shù)間的替代過程，比如Fisher-Pry模型。但如果候選技術(shù)過多，就很難決定哪些技術(shù)終將成為主導(dǎo)技術(shù)，哪些技術(shù)不過是曇花一現(xiàn)。

參考文獻：

[1]Ercan O，Mustafa B A.A quantitative approach for measuring technological forecasting capability by international journal of innovation and applied studies [J].Technological Forecasting & Social Change，2013，4(1)：75-82.

[2]Martino J P.Technology forecasting：an overview [J].Management Science，1980，26(1)：28-33.

[3]Jun S，Park S，Jang D.Technology forecasting using matrix map and patent clustering [J].Industrial Management & Data Systems，2012，112(5)：115-117.

[4]Grupp H，Linstone H A.National technology foresight activities around the globe：resurrection and new paradigms [J].Technological Forecasting & Social Change，1999，60(1)：85-94.

[5]Philip M，Swinehart K.Technological forecasting：a strategic imperative [J].Journal of Global Business Management，2010，6(2)：75-78..

[6]Lemos A D，Porto A C.Technological forecasting techniques and competitive intelligence：tools for improving the innovation process [J].Industrial Management & Data Systems，1998，98(7)：330-337.

[7]Cristiano C，Michael K，Ron J，et al.Rémi Barré future-oriented technology analysis：strategic intelligence for an innovative economy [M].Heidelberg：Springer Havas，2008.

[8]Imundo L V，Lanford H W.Approaches to technological forecasting as a planning tool [J].Long Range Planning，1974，7(4)：49-58.

[9]Martino J P.A review of selected recent advances in technological forecasting [J].Technological Forecasting & Social Change，2003，70(8)：719-733.

[10]Committee on Forecasting Future Disruptive Technologies，Air Force Studies Board，Division on Engineering and Physical Sciences，et al.Persistent forecasting of disruptive technologies [M].Washington D C：National Academies Press，2008.

[11]Coates M，F(xiàn)aroque R，Klavins K，et al.On the future of technological forecasting [J].Technological Forecasting and Social Change，2001，67(1)：1-17.

[12]Technology Futures Analysis Methods Working Group.Technology futures analysis：toward integration of the field and new methods [J].Technological Forecasting and Social Change，2004，71(3)：87-303.

[13]Ayse K F，Wei L W，Stuart M.Technological forecasting：a review [J].Harvard Business Review，2008(9)：11-12.

[14]Abernathy W，Utterback J.Patterns of industrial innovation [J].Management of Innovation，1988(3)：97-108.

[15]Gersick C J.Revolutionary change theories：a multilevel exploration of the punctuated equilibrium para-digm [J].Academy of Management Review，1991(16)：10-36.

[16]Seeger J A，Lorsch J W，Gibson C F.First national city bank operating group [D].Massachusetts：President and Fellows of Harvard College，1974：25-28.

[17]Grudin J.Punctuated equilibrium and technology change [J].ACM Interactions，2012，19(5)：62-66.

[18]Heebyung K，Christopher L M.A functional approach for studying technological progress [J].Technological Forecasting & Social Change，2008，75(6)：735-758.

[19]Martino J P.Technological forecasting for decision making [J].Elsevier，1972(25)：115-124.

[20]Lenz R C.A heuristic approach to technology measurement [J].Technological Forecasting and Social Change，1985(27)：249-264.

[21]Yonas B.Model induction with support vector machines：introduction and applications [J].ASCE Journal of Computing in Civil Engineering，2001，15(3)：208-216.

[22]Vanston J H.Technology forecasting：an aid to effective management [J].Technology Futures，1988(10)：245-256.

[23]Marchetti C.Primary energy substitution models：on the interaction between energy and society [J].Technolo-gical Forecasting and Social Change，1977(10)：75-88.

[24]Marchetti C.Anthropological invariants in travel behavior [J].Technology Forecasting and Social Change，1994(47)：214-215.

[25]Marchetti C.A very simple mathematical model for very complex social systems [J].Previsione Socialee Previsione Politica，1996(5)：2-15.

[26]Fisher J C，Pry R.A simple substitution model for technological change [J].Technology Forecasting and Social Change，1971(3)：75-78.

[27]Steven R.Quantiative technology forecasting techniques [D].Norfolk：Old Dominion University，2012：103-123.

[28]Gompertz B.On the nature of the function expressive of the law of human mortality，and on a new mode of determining the value of life contingencies [J].Philosophical Transactions of the Royal Society of London，1825(115)：513-585.

[29]Bass F M.A new product growth for model consumer durables [J].Management Science，1969(15)：215-227.

[30]Moore G E.Cramming more components onto integrated circuits [J].Electronics，1965，38(8)：19-21.

[31]Mollick E.Establishing Moore’s law [J].IEEE Annals of the History of Computing，2006(17)：62-75.

[32]Schaller R R.Moore’s law：past，present and future，spectrum [J].IEEE，1997，34(6)：52-59.

[33]Edwards C.The many lives of Moore’s law [J].Engineering & Technology，2008，3(1)：36-39.

[34]Wolff M F.Chase Moore’s law inventors urged [J].Research Technology Management，2004，47(1)：6-7.

[35]Wright T P.Factors affecting the costs of airplanes [J].Journal of Aeronautical Sciences，1936(10)：302-328.

[36]Goddard C.Debunking the learning curve [J].IEEE Transactions on Components，Hybrids，and Manufacturing Technology，1982(5)：328-335.

[37]Sinclair G，Klepper S，Cohen W.What’s experience got to do with it?sources of cost reduction in a large specialty chemical producer [J].Management Science，2000(46)：28-45.

[38]Shin，Juneseuk，Park，et al.Brownian agent-based technology forecasting [J].Technological Forecasting & Social Change，2009，76(8)：1078-1091.

[39]Gordon T J.A simple agent model of an epidemic [J].Technological Forecasting & Social Change，2003，70(5)：397-417.

[40]Potter，Ian J，Heidrick，et al.Technology futures analysis methodologies for sustainable energy technologies [J].International Journal of Innovation and Technology Management，2007，4(2)：171-190.

[41]Bhargava S C，Kuman A，Mukerjee A.A stochastic cellular automata model of innovation diffusion [J].Technological Forecasting & Social Change，1993，4(4)：87-97.

[42]Martino J P.A review of selected recent advances in technological forecasting [J].Technological Forecasting & Social Change，2003，70(8)：719-733.

[43]Jacob E S.Using cellular automata modeling of the emergence of innovations by goldenberg [J].Technological Forecasting & Social Change，2001，68(3)：293-308.

[44]Marcio，Coelho，Gilda M，et al.Text mining as a valuable tool in foresight exercises：a study on nanotech-nology [J].Technological Forecasting & Social Change，2006，73(8)：1013-1027.

[45]Porter A L，Cunningham S W.Techmining：exploiting new technologies for competitive advantage [J].John Wiley & Sons，2005，150(4)：52-59.

[46]Alan L，Porter S W.Is technology historically independent of science?a study in statistical historiography [J].Technology and Culture，1965，6(4)：533-535.

[47]Yoon，Byungun，Park，et al.A text-mining-based patent network：analytical tool for high-technology trend [J].Journal of High Technology Management Research，2004，15(1)：37-50.

[48]Lee S，Yoon，Byungun P，et al.An approach to discovering new technology opportunities：keyword-based patent map approach [J].Technovation，2009，29(6)：481-497.

[49]Sang S P，Sunghae J，Dong S J.Technology forecasting using matrix map and patent clustering [J].Industrial Management & Data Systems，2012，112(5)：786-807.

[50]Wu H Y，Taghaboni D，F(xiàn)ataneh，et al.Using patent data for technology forecasting：China RFID patent analysis [J].Charles V Advanced Engineering Informatics，2011，25(1)：53-56.

[52]Yoon B，Park Y.A text-mining-based patent network：analytical tool for high-technology trend [J].Journal of High Technology Management Research，2004，15(1)：37-50.

[53]Sunghae J，Seung J.Emerging technology forecasting using new patent information analysis U.S. [J].International Journal of Software Engineering and Its Applications，2012，6(3)：107-115.

[54]Kajikawa Y，Takeda Y.Structure of research on biomass and bio-fuels：a citation-based approach [J].Technological Forecasting and Social Change，2008，75(4)：1349-1359.

[55]Kajikawa Y，Usui O，Hakata K，et al.Sructure of knowledge in the science and technology roadmaps [J].Technological Forecasting and Social Change，2008，75(4)：1-11.

[56]Fattori M，Pedrazzi G，Turra R.Textmining applied to patent mapping：a practical business case [J].World Patent Information，2003(25)：335-342.

[57]Indukuri K V，Mirajkar P，Sureka A.An algorithm for classifying articles and patent documents using link structure [J].Proceedings of International Conference on Web-Age Information Management，2008(15)：203-210.

[58]Jun S，Uhm D.Patent and statistics：what’s the connection? [J].Communications of the Korea Statistical Society，2010，17(2)：205-222.

[59]Kasravi K，Risov M.Patent mining-discovery of business value from patent repositories [J].Proceedings of 40th Annual Hawaii International Conference on System Sciences，2007(18)：54-58.

[60]Byungun Y，Yongtae P，Yoon，et al.Development of new technology forecasting algorithm：hybrid approach for morphology analysis and conjoint analysis of patent information [J].IEEE Transactions on Engineering Management，2007，54(3)：588-599.

[61]Carvalho，Marly M，F(xiàn)leury，et al.An overview of the literature on technology road mapping (TRM).Technological Forecasting & Social Change，2013，80(7)：1418-1437.

[62]Charnes A，Cooper W W，Rhodes E.Measuring the efficiency of decision making units [J].European Journal of Operational Research，1978，2(6)：429-444.

[63]Durmusoglu A，Dereli T.On the technology forecasting using data envelopment analysis (TFDEA) [J].2011 Proceedings of PICMET ’11：Technology Management in the Energy Smart World (PICMET)，2011(11)：1-6.

[64]Anderson T，Hollingsworth K，Inman L.Assessing the rate of change in the enterprise database system market over time using DEA [J].Management of Engineering and Technology，2001(1)：203-205.

[65]Inman O L，Anderson T R，Harmon R R.Predicting U.S.jet fighter aircraft introductions from 1944 to 1982：a dogfight between regression and TFDEA [J].Technological Forecasting and Social Change，2006，73(9)：1178-1187.

[66]Martino J P.Comparison of two composite measures of technology [J].Technological Forecasting and Social Change，1993，44(2)：147-159.

[67]Inman O L.Technology forecasting using data enve-lopment analysis [D].Portland：Portland State University，2004：151-156.

[68]Christensen C M.The Innovator’s dilemna [M].Boston，MA：Harvard Business School Press，1997.

[69]Anderson T R，Daim T U，Kim J.Technology forecasting for wireless communication [J].Technovation，2008，28(9)：602-614.

[70]Lamb A，Anderson T R，Daim T U.Forecasting airplane technologies [J].Foresight，2010，12(6)：38-54.

[71]Oliver，Terry，Daim.Implementing technology roadmap process in the energy services sector：a case study of a government agency [J].Technological Forecasting & Social Change，2008，75(5)：687-720.

[72]Spencer W J，Seidel T E.National technology roadmaps：the U.S.semiconductor experience [J].4th International Conference on Solid-state and Integrated Circuit Technology，1995(18)：211-220.

[73]Diebold A C.Overview of metrology requirements based on the 1994 national technology roadmap for semiconductors [J].Advanced Semiconductor Manufacturing Conference and Workshop，1995(15)：50-60.

[74]Prem H，Raghavan N R.Building a technology roadmap in high performance computing in the Indian context [J].Technology Management：A Unifying Discipline for Melting the Boundaries，2005(4)：121-123.

[75]Ning T H.A CMOS technology roadmap for the next fifteen years [J].1995 IEEE Region 10th Internatio-nal Conference on Microelectronics and VLSI，1995(9)：1-4.

[76]Schaller R.Technological innovation in the semiconductor industry：a case study of the international technology roadmap for semiconductors (ITRS) [J].PICMET，2001(11)：195-196.

[77]Spencer W J，Seidel T E.National technology roadmaps：the U.S.semiconductor experience [J].Proceedings of 4th International Conference on Solid-State and IC Technology，1995(7)：211-220.

[78]Robinson，Douglas K R，Propp，et al.Multi-path mapping for alignment strategies in emerging science and technologies [J].Technological Forecasting & Social Change，2008，75(4)：517-538.

[79]Yasunaga Y，Watanabe M，Yasuda A.Study on techno-logy road mapping as a management tool for R&D [J].The Journal of Science Policy and Research Management，2007，21(1)：117-128.

[80]Masayoshi W，Yuko Y，Motoki K.Application of technology roadmaps to governmental innovation policy for promoting technology convergence [J].Technological Forecasting & Social Change，2009，76(1)：61-79.

[81]Robinson，Douglas K R，Propp，et al.Multi-path mapping for alignment strategies in emerging science and technologies [J].Technological Forecasting and Social Change，2008，75(4)：517-538.

[82]Huang L，Porter A L，Robinson D K R，et al.Forecasting innovation pathways (FIP) for new and emerging science and technologies [J].Technological Forecasting & Social Change，2013，80(2)：267-285.

[83]Phaal R，F(xiàn)arrukh C J P，Probert D R.Characterisation of technology roadmaps：purpose and format [J].PICMET，2001(3)：215-217.

[84]Chakravarti A K，Vasanta B，Krishnan A S A，et al.Modified Delphi methodology for technology forecasting：case study of electronics and information techno-logy in India [J].Technological Forecasting & Social Change，1998(58)：155-165.

[85]Shin T.Using Delphi for a long-range technology forecasting and assessing directions of future R&D activities：the Korean exercise [J].Technological Forecasting & Social Change，1998(58)：125-154.

[86]Dransfeld H，Pemberton J，Jacobs G.Quantifying weighted expert opinion：the future of interactive television and retailing [J].Technological Forecasting & Social Change，2000(63)：81-90.

[87]Young P.Technological growth curves [J].Technological Forecasting & Social Change，1993，44(4)：375-389.

[88]Harvey A C.Time series forecasting based on the logistic curve [J].Journal of the Operational Research Society，1984(35)：644-646.

[89]Kendall M G，Stuart A，Ord J K.The advanced theory of statistics [M].New York：Macmillan，1983.

[90]Farmer，Doyne J，Quan M，et al.Statistical basis for predicting technological progress [J].Plos One，2013，8(2)：1932-6203.

[91]Sood A，Zhu J，Tellis G J，et al.Predicting the path of technological innovation：Saw versus Moore，Bass，Gompertz，and Kryder [J].Marketing Science，2012，31(6)：964-979.

[92]Walter C.Kryder’s law [J].Scientific American，2005(2)：32-34.

[93]Foster R D.Innovation：the attacker’s advantage [M].New York：Summit Books，1986.

[94]Gupta S.Impact of sales promotions on when，what，and how much to buy [J].Journal of Marketing Research，1988(25)：342-355.

[95]Dmitry K，Roland D G.Application of S-shaped curves [J].Procedia Engineering，2011(12)：559-572.

[96]Nigel M，Towhidul I.Forecasting with growth curves：an empirical comparison [J].International Journal of Forecasting，1995，11(2)：199-215.

[97]Philip H F.A method to select between Gompertz and logistic trend curves [J].Technological Forecasting and Social Change，1994，46(1)：45-49.

[98]Jack C L，Lu K W.On a family of data-based transformed models useful in forecasting technological substitutions [J].Technological Forecasting & Social Change，1987，53(31)：61-78.

[99]Stapleton E.The normal distribution as a model of technological substitution [J].Technological Forecasting and Social Change，1976，31(8)：325-334.

[100]Sharif M N，Islam M N.The weibull distribution as a general model for forecasting technological change [J].Technological Forecasting and Social Change，1980，72(18)：247-256.

Theoretical and practical advances in technology innovation forecasting

HE Ran1, LI Gang2

(1. Department of Economics, University of North Carolina-Chapel Hill, Clinton City 17764, USA; 2. Institute of Industrial Economics, Chinese Academy of Social Sciences, Beijing 100732, China)

Abstract：Systematical prediction of technological advance, as well as the evaluation of the potentials of emerging technologies, has been a research field that drawn substantial interest globally. The advances are comprehensively reviewed in both the relevant research results and the methodologies in the field of technology forecasting in recent years. According to the proposed review, the mainstream methods of technology forecasting are classified into 3 categories: model-based methods, statistical and data mining-based methods, and descriptive methods. The advantages and limitations of different types of methods are reviewed and the various results from comparative research between different methods are summarized.

Key words： technology forecasting; growth curves; data mining; patent analysis; technology roadmap

(責(zé)任編輯：吉海濤)

*本文已于2015-01-07 17∶02在中國知網(wǎng)優(yōu)先數(shù)字出版。 網(wǎng)絡(luò)出版地址： http：//www.cnki.net/kcms/detail/21.1558.C.20150107.1702.010.html