張曉月， 黃俊偉

（南京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，江蘇 南京211816）

0 引言

芯片（集成電路）制造技術(shù)是目前世界最高水平的微細(xì)加工技術(shù)，被譽(yù)為電子信息產(chǎn)業(yè)的根基。2018年4月發(fā)生的中興事件引起了社會(huì)廣泛關(guān)注，反映出中國(guó)芯片制造尤其是民用芯片核心專利技術(shù)缺失，專利質(zhì)量受到質(zhì)疑。其實(shí)，為鼓勵(lì)芯片技術(shù)自主創(chuàng)新發(fā)展，國(guó)務(wù)院早在2008年就批準(zhǔn)實(shí)施了“極大規(guī)模集成電路制造裝備及成套工藝”國(guó)家科技重大專項(xiàng)。隨著專項(xiàng)等相關(guān)政策的陸續(xù)實(shí)施，中國(guó)芯片專利申請(qǐng)量10年來實(shí)現(xiàn)了20多倍的驚人增長(zhǎng)，在芯片專利申請(qǐng)數(shù)量上已成為第一大國(guó)。另一方面，若從國(guó)家專利產(chǎn)出總量上看，我國(guó)也已躍居成為可與美、日、德等國(guó)相提并論的“專利大國(guó)”。但務(wù)必意識(shí)到，和當(dāng)今專利強(qiáng)國(guó)相比，我國(guó)的基礎(chǔ)型、原創(chuàng)型和高質(zhì)量的專利還較少，尤其是在芯片等重要領(lǐng)域?qū)＠岸喽粌?yōu)，大而不強(qiáng)”的問題比較明顯。

隨著物聯(lián)網(wǎng)的深入發(fā)展和5G時(shí)代的到來，芯片應(yīng)用范圍進(jìn)一步擴(kuò)大，需求量將持續(xù)增長(zhǎng)，研究了解芯片企業(yè)的專利質(zhì)量顯得格外重要。要識(shí)別企業(yè)專利質(zhì)量首先需要了解哪些指標(biāo)能夠有效反映專利質(zhì)量的高低。國(guó)內(nèi)外學(xué)者們自上世紀(jì)80年代開始提出了一系列被公認(rèn)且實(shí)際運(yùn)用的指標(biāo)包括：專利維持水平［1，2］、引文數(shù)量［3］、n年內(nèi)被引次數(shù)［4］、技術(shù)寬度［5］、發(fā)明專利授權(quán)率［6］、專利族大?。?］、權(quán) 利 要 求 數(shù) 量［8］、累 積 引 證［9］、發(fā) 明 人 數(shù)量［10］、專利申請(qǐng)書長(zhǎng)度［11］等。

為了更為系統(tǒng)、準(zhǔn)確地衡量企業(yè)專利質(zhì)量，學(xué)者們基于這些指標(biāo)采用不同的方法建立了多種企業(yè)專利質(zhì)量評(píng)價(jià)模型。Lanjouw和Schankerman采用權(quán)利要求數(shù)量等四個(gè)指標(biāo)建立專利質(zhì)量多指標(biāo)模型，通過計(jì)算平均值，得到企業(yè)的專利質(zhì)量［12］。Wu等運(yùn)用數(shù)據(jù)挖掘（DM）方法開發(fā)了一種自動(dòng)專利質(zhì)量分析和分類系統(tǒng)，即自組織映射（SOM）-核主成分分析（KPCA）-支持向量機(jī)（SVM）［13］。國(guó)內(nèi)方面，多數(shù)研究集中在專利質(zhì)量模型指標(biāo)的確定，而運(yùn)用的方法大都較為簡(jiǎn)單。如胡諜和王元地以專利新穎性、創(chuàng)造性和實(shí)用性為依據(jù)選擇指標(biāo)，通過主成分分析法確定各指標(biāo)權(quán)重以構(gòu)建企業(yè)專利質(zhì)量綜合指數(shù)［14］。孫玉濤和欒倩基于技術(shù)發(fā)明、申請(qǐng)審查和授權(quán)保護(hù)3個(gè)專利階段以及技術(shù)質(zhì)量和經(jīng)濟(jì)質(zhì)量2個(gè)專利維度，建立專利質(zhì)量測(cè)度指標(biāo)體系，運(yùn)用均方差決策法確定指標(biāo)權(quán)重［15］。

現(xiàn)有的關(guān)于專利質(zhì)量指標(biāo)的研究已較為成熟，但是針對(duì)企業(yè)專利質(zhì)量評(píng)價(jià)模型研究，還缺乏一個(gè)較為合理完善的方法。首先，已有研究主要是采用一些單一的方法對(duì)指標(biāo)進(jìn)行簡(jiǎn)單賦權(quán)，如算數(shù)平均法、均方差決策法、主成分分析法等，使用單一方法會(huì)導(dǎo)致各評(píng)價(jià)對(duì)象之間的差異不大，采用不同評(píng)價(jià)方法得出的評(píng)價(jià)結(jié)果也會(huì)出現(xiàn)不一致的現(xiàn)象；其次，現(xiàn)有研究在得到各指標(biāo)權(quán)重后，通常是基于數(shù)據(jù)進(jìn)行有序加權(quán)平均，未考慮指標(biāo)之間的“協(xié)調(diào)性”，僅僅考慮指標(biāo)各自的“功能性”，容易存在“功能性陷阱”。

因此，如何有效識(shí)別企業(yè)專利質(zhì)量的高低？中國(guó)芯片企業(yè)專利質(zhì)量現(xiàn)狀如何？哪些指標(biāo)決定了芯片企業(yè)的專利質(zhì)量？該如何進(jìn)一步提升芯片企業(yè)專利質(zhì)量？這些問題都值得進(jìn)一步思考。本文將從專利技術(shù)質(zhì)量、法律質(zhì)量和經(jīng)濟(jì)質(zhì)量三方面構(gòu)建一種兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)模型，并運(yùn)用此模型對(duì)中國(guó)上市芯片企業(yè)專利質(zhì)量進(jìn)行評(píng)價(jià)分析。本文所采用的主客觀組合賦權(quán)方法能夠充分體現(xiàn)各評(píng)價(jià)對(duì)象之間的差異性，既克服了主觀評(píng)價(jià)方法評(píng)價(jià)結(jié)果受主觀因素影響顯著、隨意性大和客觀評(píng)價(jià)方法受指標(biāo)樣本隨機(jī)誤差影響的不足，又克服了單一賦權(quán)方法評(píng)價(jià)同一對(duì)象排序和得分不一致的問題；同時(shí)，運(yùn)用客觀偏好系數(shù)融合了有序加權(quán)平均（OWA）算子和有序加權(quán)幾何平均（OWGA）算子，達(dá)到兼顧評(píng)價(jià)指標(biāo)“功能性”與“協(xié)調(diào)性”的效果，使評(píng)價(jià)結(jié)果更為科學(xué)合理。

1 企業(yè)專利質(zhì)量評(píng)價(jià)指標(biāo)體系構(gòu)建

本文借鑒宋河發(fā)等的觀點(diǎn)定義企業(yè)專利質(zhì)量為某個(gè)企業(yè)的專利總體上滿足專利“新穎性、創(chuàng)造性、實(shí)用性”和說明書充分公開要求程度及其所產(chǎn)生的經(jīng)濟(jì)價(jià)值［16］。基于此，本研究首先構(gòu)建了企業(yè)專利質(zhì)量評(píng)價(jià)體系，該評(píng)價(jià)體系包括技術(shù)、法律和經(jīng)濟(jì)質(zhì)量3個(gè)一級(jí)指標(biāo)，以及借鑒大量文獻(xiàn)后確定的13個(gè)二級(jí)指標(biāo)。

專利技術(shù)質(zhì)量也叫做專利客觀質(zhì)量，它是受相關(guān)技術(shù)自身所影響的，具體地說是受專利技術(shù)進(jìn)步性程度影響的［17］。我國(guó)三類專利中僅有發(fā)明專利從申請(qǐng)到授權(quán)是需要經(jīng)過實(shí)質(zhì)審查，創(chuàng)新性相對(duì)較高的專利，因此，選用發(fā)明、實(shí)用新型和外觀設(shè)計(jì)三類專利申請(qǐng)中發(fā)明專利申請(qǐng)所占比重作為判斷企業(yè)專利技術(shù)質(zhì)量的指標(biāo)之一；在專利申請(qǐng)數(shù)量確定的條件下，專利授權(quán)量的多少?zèng)Q定企業(yè)整體專利質(zhì)量的高低，因此選擇發(fā)明專利申請(qǐng)授權(quán)率作為二級(jí)指標(biāo)之一；專利的引用和施引數(shù)量也可衡量專利技術(shù)質(zhì)量，二者量越大，表示企業(yè)專利技術(shù)的價(jià)值和參考性越高；企業(yè)技術(shù)發(fā)明是發(fā)明人所創(chuàng)造的，平均發(fā)明人越多，企業(yè)專利技術(shù)所凝結(jié)的知識(shí)和經(jīng)驗(yàn)就越多，專利的技術(shù)質(zhì)量就越高；專利技術(shù)通過說明書及其附圖向公眾展示，一般來說，企業(yè)專利平均說明書和附圖的頁數(shù)越多，說明企業(yè)技術(shù)越復(fù)雜，難度越高。

專利法律質(zhì)量也被叫做專利主觀質(zhì)量，它是審查員和代理人之間共同努力和相互博弈所決定的符合法律規(guī)定的質(zhì)量，企業(yè)專利法律質(zhì)量主要體現(xiàn)在保護(hù)區(qū)域、范圍和時(shí)間上［16］。專利的保護(hù)區(qū)域是用企業(yè)PCT專利申請(qǐng)占專利申請(qǐng)量比例來表示，專利申請(qǐng)保護(hù)的國(guó)家越多代表著未來的保護(hù)區(qū)域越大，企業(yè)專利總體質(zhì)量越高；專利的保護(hù)范圍用企業(yè)平均權(quán)利要求數(shù)量表示，平均數(shù)量越多說明企業(yè)總體專利布局越廣，越能從多個(gè)角度如生產(chǎn)設(shè)備、制造方法和產(chǎn)品上進(jìn)行充分保護(hù)；專利的保護(hù)時(shí)間則包含了有效專利占全部專利授權(quán)量比例和5年以上發(fā)明專利維持率兩個(gè)二級(jí)指標(biāo)，專利的保護(hù)期能夠反映出專利權(quán)人愿意為專利的預(yù)期價(jià)值付出的成本，有效專利的比例越高，維持時(shí)間越長(zhǎng)，越能夠反映企業(yè)專利總體價(jià)值高。

專利經(jīng)濟(jì)質(zhì)量是指專利技術(shù)能夠?yàn)閷＠麢?quán)人帶來經(jīng)濟(jì)收益的大小，高質(zhì)量專利通常也更加容易實(shí)施，產(chǎn)生更高的實(shí)際價(jià)值。企業(yè)合作申請(qǐng)專利可以體現(xiàn)企業(yè)的合作研發(fā)強(qiáng)度，合作研發(fā)不僅有利于企業(yè)擁有更多的創(chuàng)新資源，而且也對(duì)企業(yè)專利技術(shù)今后的商業(yè)化合作提供了可能，更有利于技術(shù)產(chǎn)生更高的經(jīng)濟(jì)收益；專利的技術(shù)覆蓋范圍越廣，通過技術(shù)手段控制市場(chǎng)的能力越強(qiáng)，潛在競(jìng)爭(zhēng)者進(jìn)入的難度越大，被其他競(jìng)爭(zhēng)者模仿的可能性越小，因此用平均IPC小類數(shù)來衡量專利技術(shù)覆蓋范圍；專利轉(zhuǎn)讓是技術(shù)發(fā)明商業(yè)化的重要形式，企業(yè)之間轉(zhuǎn)讓的專利通常都具有較高的質(zhì)量，所以專利權(quán)的改變可以反映專利經(jīng)濟(jì)質(zhì)量。具體專利質(zhì)量評(píng)價(jià)指標(biāo)及其含義見表1。

表1 專利質(zhì)量評(píng)價(jià)體系和指標(biāo)表

考慮到部分指標(biāo)受到時(shí)間因素影響，本文對(duì)其進(jìn)行了一些特殊處理。計(jì)算發(fā)明專利申請(qǐng)授權(quán)率時(shí)去除了當(dāng)前專利狀態(tài)為“審中”的專利數(shù)，即僅考慮“有效”和“失效”的發(fā)明申請(qǐng)；對(duì)于施引專利，在求平均數(shù)的同時(shí)，又除以了申請(qǐng)年到2018年的時(shí)間間隔，以降低施引專利數(shù)受公開（公告）時(shí)間長(zhǎng)短的影響。

2 兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)模型

2.1 評(píng)價(jià)模型建立的思路

在專利質(zhì)量多指標(biāo)綜合評(píng)價(jià)中，指標(biāo)權(quán)重的作用十分關(guān)鍵。本研究總結(jié)歸納相關(guān)文獻(xiàn)，發(fā)現(xiàn)基于主觀（G1法和G2法）、客觀（熵值法和離差最大化法）的組合賦權(quán)方法在評(píng)價(jià)國(guó)家能源效率［18］、區(qū)域知識(shí)獲取［19］和創(chuàng)造能力［20］、城市生態(tài)［21］等各領(lǐng)域已得到廣泛應(yīng)用，較為成熟。同時(shí)，這種方法能夠克服主觀賦權(quán)法評(píng)價(jià)結(jié)果受主觀因素影響顯著、隨意性大和客觀賦權(quán)法受指標(biāo)樣本隨機(jī)誤差影響的不足，以及多個(gè)單一賦權(quán)方法同時(shí)計(jì)算相同評(píng)價(jià)對(duì)象得出不一致結(jié)果的問題。因此本文運(yùn)用此方法得到企業(yè)專利質(zhì)量各指標(biāo)權(quán)重。

在得到各指標(biāo)權(quán)重后，若僅通過計(jì)算各加權(quán)指標(biāo)值之和（有序加權(quán)平均（OWA）算子）來得到評(píng)價(jià)結(jié)果，往往會(huì)導(dǎo)致一些忽視國(guó)際專利申請(qǐng)、合作研發(fā)活動(dòng)的企業(yè)因其他個(gè)別指標(biāo)的高數(shù)據(jù)也可獲得“虛高”的評(píng)價(jià)值，僅考慮了指標(biāo)的“功能性”，即各指標(biāo)值大小是體現(xiàn)被評(píng)價(jià)對(duì)象所具備某種功能大小的一個(gè)量度［22］。但企業(yè)PCT專利申請(qǐng)數(shù)、合作專利數(shù)量等已被證實(shí)能夠有效反映其專利質(zhì)量［123，16，所以，考慮各指標(biāo)間的“協(xié)調(diào)性”是有必要的。有序加權(quán)幾何平均（OWGA）算子通過計(jì)算各加權(quán)屬性值乘積來評(píng)價(jià)對(duì)象狀態(tài)，可以展現(xiàn)對(duì)象間的“協(xié)調(diào)性”。因此，本文通過融合有序加權(quán)平均和幾何加權(quán)平均兩種聚合算子［24］，最終構(gòu)建了兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)模型，其步驟如下：

（1）對(duì)專利質(zhì)量指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理；

（2）分別選用主觀（G1法、G2法）和客觀（熵值法、離差最大化法）法進(jìn)行指標(biāo)賦權(quán)；

（3）基于被評(píng)價(jià)對(duì)象間差異最大思想計(jì)算各賦權(quán)方法的權(quán)重系數(shù)，從而得到組合權(quán)重；

（4）引入兩種聚合算子分別計(jì)算出評(píng)價(jià)對(duì)象的“功能性”與“協(xié)調(diào)性”評(píng)價(jià)結(jié)果，并通過客觀偏好系數(shù)法對(duì)兩者進(jìn)行融合；

（5）計(jì)算企業(yè)專利質(zhì)量評(píng)價(jià)值。如圖1所示。

圖1 兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)模型圖

2.2 指標(biāo)無量綱化

首先，運(yùn)用極差法對(duì)各指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理，以消除量綱差異的影響［20］。本研究測(cè)量指標(biāo)均與專利質(zhì)量呈正相關(guān)，即數(shù)值越大，專利質(zhì)量越高。

無量綱化公式為：

式中：Gpq表示p樣本（單一企業(yè)一年數(shù)據(jù)為一個(gè)樣本）q指標(biāo)的原始值；Zpq表示p樣本q指標(biāo)的無量綱值；Gqmin為Gq指標(biāo)的最小值；Gqmax為Gq指標(biāo)的最大值；n表示被評(píng)價(jià)樣本的個(gè)數(shù)，p＝1，2，…，n；m表示評(píng)價(jià)指標(biāo)個(gè)數(shù)，q＝1，2，…，m。

2.3 單一評(píng)價(jià)方法賦權(quán)

2.3.1 G1法確定權(quán)重

G1法是一種依據(jù)專家經(jīng)驗(yàn)排序比較指標(biāo)重要性的主觀賦權(quán)法，專家首先對(duì)企業(yè)專利質(zhì)量指標(biāo)按重要性進(jìn)行排序，并根據(jù)其經(jīng)驗(yàn)得出相鄰指標(biāo)的重要性程度之比；其次根據(jù)比值計(jì)算出最不重要指標(biāo)的權(quán)重；最后利用重要性程度比值和得出的權(quán)重相乘依次計(jì)算出各指標(biāo)權(quán)重，評(píng)價(jià)指標(biāo)越重要權(quán)重就越大。

（1）用G1法確定評(píng)價(jià)指標(biāo)的序關(guān)系；

（2）由專家確定相鄰評(píng)價(jià)指標(biāo)Zq-1與Zq重要性大小之比rq的理想賦值；

（3）通過專家給出的rq理想賦值，確定第m個(gè)指標(biāo)G1法權(quán)重wm為［25］：

（4）由權(quán)重wq得第m-1，…，3，2個(gè)指標(biāo)的權(quán)重［25］：

2.3.2 G2法確定權(quán)重

與G1法類似，G2法也是根據(jù)主觀排序比較指標(biāo)的重要性，相比于G1法，無需按照順序計(jì)算指標(biāo)重要性比值，顯得更為靈活，反映了專家的風(fēng)險(xiǎn)意識(shí)［26］，越重要指標(biāo)賦權(quán)越大。

（1）用G2法確定評(píng)價(jià)指標(biāo)的序關(guān)系；

（2）專家根據(jù)經(jīng)驗(yàn)確定最不重要的指標(biāo)Zm；

（3）專家確定其余評(píng)價(jià)指標(biāo)Zq與Zm重要性大小之比d q的理想賦值；

（4）若專家給出d q的理想賦值，那么第q個(gè)指標(biāo)的G2法權(quán)重wq為［27］：

其中，m表示企業(yè)專利質(zhì)量評(píng)價(jià)指標(biāo)個(gè)數(shù)。

2.3.3 熵值法確定權(quán)重

熵值法通過計(jì)算同一指標(biāo)的數(shù)值差來表現(xiàn)指標(biāo)的重要程度，設(shè)Zpq（p＝1，2，…，n；q＝1，2，…，m）為第p個(gè)樣本第q個(gè)指標(biāo)通過無量綱化后得到的值。對(duì)于給定的評(píng)價(jià)指標(biāo)q，Zpq的數(shù)值差越大，該指標(biāo)所包含的信息就越多，對(duì)樣本的比較作用也更大。

（1）設(shè)rpq為指標(biāo)的比重，計(jì)算公式為［28］：

（2）設(shè)eq為第q個(gè)評(píng)價(jià)指標(biāo)的熵值，根據(jù)熵值計(jì)算公式可得［28］：

2.3.4 離差最大化法確定權(quán)重

離差最大化法通過計(jì)算第q個(gè)指標(biāo)的離差占所有指標(biāo)總離差的比重來表現(xiàn)指標(biāo)的重要程度，比重越大指標(biāo)越重要，賦予的權(quán)重越大。

設(shè)Z pq（p＝1，2，…，n；q＝1，2，…，m）為第p個(gè)樣本第q個(gè)指標(biāo)通過無量綱化后得到的值，wq為第q個(gè)指標(biāo)的權(quán)重，wq≥0，則根據(jù)離差最大化原理，得出指標(biāo)權(quán)重為［20］：

其中，分子表示n個(gè)評(píng)價(jià)樣本第q個(gè)指標(biāo)無量綱化后的值兩兩相減并取絕對(duì)值，之后相加得到的離差；分母表示m個(gè)指標(biāo)的離差之和。不難發(fā)現(xiàn)屬性權(quán)重與其屬性離差值是呈正比的，離差值越大，其屬性權(quán)重越大；反之，則越小。

2.4 組合權(quán)重的確定

本文分別采用上述4種賦權(quán)方法求出權(quán)重（i＝1，2，3，4；q＝1，2，…，m），設(shè)Zpq（p＝1，2，…，n；q＝1，2，…，m）為第p個(gè)樣本第q個(gè)指標(biāo)通過無量綱化后得到的值，則基于被評(píng)價(jià)對(duì)象之間差異最大的思想，可得組合系數(shù)αi為［27］：

2.5 融合兩種聚合算子的綜合評(píng)價(jià)模型

本研究運(yùn)用客觀偏好系數(shù)法對(duì)OWA算子和OWGA算子進(jìn)行融合［24］，其公式為：

其中，OWA為n維的有序加權(quán)平均算子，w＝｛w1，…，wm｝是由式（10）求得的與OWA相關(guān)的屬性權(quán)重向量，wq＝1。

其中，OWGA為n維的有序加權(quán)幾何平均算子，w＝｛w1，…，wm｝是由式（10）求得的與OWGA相關(guān)的屬性權(quán)重向量，＝1。

通過兩種評(píng)價(jià)屬性的客觀信息方差計(jì)算得出兩個(gè)偏好系數(shù)λ1和λ2，代表在評(píng)價(jià)中對(duì)“功能”和“協(xié)調(diào)”兩種屬性的偏好比例，其公式如下：

其中，λ1≥0，λ2≥0，λ1+λ2＝1。

綜上，得到兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)值Q，公式為：

3 實(shí)證分析

3.1 數(shù)據(jù)來源

首先，通過同花順旗下問財(cái)數(shù)據(jù)庫（www.iwencai.com）搜索主營(yíng)產(chǎn)品為芯片（不包括芯片卡，且上市時(shí)間在2016年之前）的上市公司，確定芯片企業(yè)67家。其次，運(yùn)用incopat專利數(shù)據(jù)庫（www.incopat.com）高級(jí)檢索中申請(qǐng)人工具功能、企業(yè)2017年年報(bào)中報(bào)告的企業(yè)集團(tuán)的構(gòu)成編寫各芯片企業(yè)專利檢索式，之后通過比較incopat搜索結(jié)果和年報(bào)中報(bào)告的專利數(shù)量對(duì)專利檢索式進(jìn)行調(diào)整。最后，通過確定的檢索式在國(guó)家知識(shí)產(chǎn)權(quán)局專利檢索數(shù)據(jù)庫和incoPat數(shù)據(jù)庫進(jìn)行檢索，最終獲取67家公司，2010年至2015年6年13項(xiàng)專利質(zhì)量指標(biāo)數(shù)據(jù)。其中，平均說明書和附圖頁數(shù)、平均權(quán)利要求數(shù)量由于涉及專利多，因此采用等距隨機(jī)抽樣方法并利用excel軟件手工計(jì)算得出。

3.2 芯片企業(yè)專利質(zhì)量綜合評(píng)價(jià)

3.2.1 組合權(quán)重的確定

（1）G1法權(quán)重的計(jì)算

本文邀請(qǐng)從事專利代理和知識(shí)產(chǎn)權(quán)管理工作的專家對(duì)指標(biāo)進(jìn)行賦值。根據(jù)專家意見，得到13個(gè)二級(jí)指標(biāo)的主觀重要性排序?yàn)椋篨4＞X1＞X13＞

專家關(guān)于相鄰指標(biāo)Zq-1與Zq的重要性之比rq的理想賦值為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。

將相鄰指標(biāo)的重要性之比的理想賦值代入公式（2）和（3）中，得到指標(biāo)的G1法權(quán)重，如表2所示。

（2）G2法權(quán)重的計(jì)算

專家根據(jù)經(jīng)驗(yàn)確定最不重要的指標(biāo)為X5平均發(fā)明人數(shù)。其余指標(biāo)與X5的重要性程度之比d q的理想賦值是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。

將d q的理想賦值代入公式（4）中，得到指標(biāo)的G2法權(quán)重，如表2所示。

（3）熵值法權(quán)重的計(jì)算

將無量綱化數(shù)值代入公式（5）中，得到指標(biāo)比重rpq（p＝1，2，…，n；q＝1，2，…，m）。

將指標(biāo)比重rpq依次代入公式（6）和（7）中，得到各指標(biāo)權(quán)重，如表2所示。

（4）離差最大化法權(quán)重的計(jì)算

將無量綱化數(shù)值代入公式（8）得到各指標(biāo)權(quán)重如表2所示。

（5）組合權(quán)重的計(jì)算

將表2中單一主客觀評(píng)價(jià)方法所得的各指標(biāo)權(quán)重代入公式（9），得到組合系數(shù)αi＝（0.25717，0.23903，0.04779，0.45601）。

再將組合系數(shù)與表2中各指標(biāo)權(quán)重帶入公式（10）即可得組合權(quán)重，如表2所示。

表2 企業(yè)專利質(zhì)量指標(biāo)權(quán)重表

3.2.2 融合兩種聚合算子的評(píng)價(jià)值計(jì)算

將表2中的組合權(quán)重和各指標(biāo)無量綱值分別代入公式（11）和（12），得到基于OWA和OWGA兩種聚合算子的企業(yè)專利質(zhì)量評(píng)價(jià)結(jié)果及排序，如表3和表4所示（由于數(shù)據(jù)較多，篇幅有限，本文具體結(jié)果部分僅展示企業(yè)規(guī)模（2017年年報(bào)中總資產(chǎn)表示）排名前20的企業(yè)實(shí)證數(shù)據(jù)）。

表3 2017年總資產(chǎn)排名前20企業(yè)的OWA、OWGA統(tǒng)計(jì)表

表4 2017年總資產(chǎn)排名前20企業(yè)的OWA、OWGA排名情況表

從表3來看，各個(gè)企業(yè)6年評(píng)價(jià)信息在兩種聚合算子得出的結(jié)果均有所差別，規(guī)模排名前20的企業(yè)在任何一年的OWA算子都要高于OWGA算子。這說明一些企業(yè)專利質(zhì)量指標(biāo)數(shù)據(jù)在依據(jù)OWA算子評(píng)價(jià)過程中出現(xiàn)了“功能性效應(yīng)”，使得評(píng)價(jià)結(jié)果呈現(xiàn)出“虛高”表象。而結(jié)合已有數(shù)據(jù)發(fā)現(xiàn)，與企業(yè)PCT專利申請(qǐng)、合作申請(qǐng)發(fā)明專利、轉(zhuǎn)讓專利等相關(guān)的個(gè)別指標(biāo)普遍數(shù)值較小，且增長(zhǎng)幅度不大，這在OWGA算子評(píng)價(jià)中導(dǎo)致了“協(xié)調(diào)性效應(yīng)”，“木桶”的“短板”引起依據(jù)OWGA算子所計(jì)算出的評(píng)價(jià)值降低。

從表4來看，同一企業(yè)基于兩種聚合算子的排序結(jié)果也不同，規(guī)模較大尤其是排名前5的企業(yè)在6年中基于OWA算子排名通常都低于OWGA排名。這說明大企業(yè)可能因?yàn)橹R(shí)產(chǎn)權(quán)管理水平較高的原因，往往更加重視企業(yè)專利的均衡發(fā)展，其“短板”情況相對(duì)較好；而規(guī)模較小企業(yè)“功能性效應(yīng)”則進(jìn)一步放大，PCT專利申請(qǐng)占專利申請(qǐng)量比例等個(gè)別具體指標(biāo)與大企業(yè)相比有較大差距。

因此，為全面合理地評(píng)價(jià)企業(yè)專利質(zhì)量，本文通過設(shè)定對(duì)“功能性”和“協(xié)調(diào)性”兩種狀態(tài)結(jié)果偏好的系數(shù)以兼顧專利質(zhì)量的“功能”和“協(xié)調(diào)”兩種屬性對(duì)評(píng)價(jià)結(jié)果的影響。將表3中各樣本OWA和OWGA的值代入公式（13）和（14），得到偏好系數(shù)λ1＝0.58043，λ2＝0.41957。進(jìn)而通過公式（15）獲得兼顧“功能性”和“協(xié)調(diào)性”的67家芯片企業(yè)專利質(zhì)量綜合評(píng)價(jià)結(jié)果，如表5、表6、圖2和圖3所示。

表5 2017年總資產(chǎn)排名前20企業(yè)的專利質(zhì)量及排名情況表

表6 綜合評(píng)價(jià)值描述性統(tǒng)計(jì)表

圖2 2017年總資產(chǎn)排名前10企業(yè)2010年至2015年專利質(zhì)量圖

圖3 67家中國(guó)上市芯片企業(yè)2010年至2015年專利質(zhì)量評(píng)價(jià)值分布圖

表5顯示，各企業(yè)專利質(zhì)量評(píng)價(jià)結(jié)果有效地綜合了指標(biāo)的“功能”和“協(xié)調(diào)”屬性。各企業(yè)不同年份的專利質(zhì)量評(píng)價(jià)值及其最終排名位于表3和表4中OWA算子和OWGA算子的評(píng)分及排名之間；重視指標(biāo)間均衡發(fā)展的企業(yè)，其最終評(píng)價(jià)值排名情況相比OWA算子排名都得到了一定提升，達(dá)到了兼顧評(píng)價(jià)指標(biāo)“功能性”和相互“協(xié)調(diào)性”的效果，OWA算子的“虛高”表象得到控制。

由表6可知，2010年至2015年間，67家上市芯片企業(yè)專利質(zhì)量平均評(píng)價(jià)值呈現(xiàn)逐年增長(zhǎng)趨勢(shì)，且標(biāo)準(zhǔn)差有所減小，這在一定程度上說明中國(guó)上市芯片企業(yè)整體專利質(zhì)量在這6年中發(fā)展較為穩(wěn)定，企業(yè)間質(zhì)量差距有所減小。

從圖2可見，各芯片企業(yè)專利質(zhì)量發(fā)展趨勢(shì)不盡相同。如京東方專利質(zhì)量在67家企業(yè)中處于領(lǐng)先地位且具有上升趨勢(shì)，同樣排名較高的?？低晠s出現(xiàn)了較為明顯的專利質(zhì)量下降趨勢(shì)，而其他企業(yè)更多的表現(xiàn)出一定的波動(dòng)性，無論是在分?jǐn)?shù)上還是在排名上（表5）。

從圖3可見，67家企業(yè)各年份的得分情況分布并不均勻，專利質(zhì)量在0.2分以下的企業(yè)數(shù)量不斷減少，多數(shù)企業(yè)的得分在0.2分至0.3分之間。這反映出中國(guó)上市芯片企業(yè)對(duì)專利質(zhì)量的重視程度不斷提升，但總體專利質(zhì)量還處于較低水平。

為進(jìn)一步減小時(shí)間因素對(duì)模型的影響，本文也嘗試運(yùn)用上述方法，將不同年份的數(shù)據(jù)單獨(dú)作為樣本進(jìn)行計(jì)算，得出6年不同的客觀權(quán)重、組合系數(shù)、組合權(quán)重以及偏好系數(shù)，最終求出其評(píng)價(jià)值和排名，其結(jié)果與表5相比整體基本一致。這種方法由于各年權(quán)重、偏好系數(shù)不一致，難以用于不同年份間的縱向比較，但在進(jìn)行相同年份企業(yè)間的橫向比較時(shí)準(zhǔn)確性更高。因篇幅有限，具體結(jié)果在此不一一列出。

4 結(jié)論及建議

4.1 研究結(jié)論

本文在梳理關(guān)于專利質(zhì)量評(píng)價(jià)相關(guān)文獻(xiàn)基礎(chǔ)上，指出現(xiàn)有評(píng)價(jià)指標(biāo)和評(píng)價(jià)模型存在的不足，從專利技術(shù)質(zhì)量、法律質(zhì)量和經(jīng)濟(jì)質(zhì)量三方面構(gòu)建了一種兼顧功能與協(xié)調(diào)的企業(yè)專利質(zhì)量組合賦權(quán)評(píng)價(jià)模型。在此基礎(chǔ)上，搜集了67家中國(guó)芯片上市企業(yè)2010～2015年專利質(zhì)量指標(biāo)數(shù)據(jù)，進(jìn)行實(shí)證研究，獲得中國(guó)上市芯片企業(yè)專利質(zhì)量評(píng)價(jià)結(jié)果，得出結(jié)論如下：

首先，研究結(jié)果表明本文所構(gòu)建的兼顧功能與協(xié)調(diào)的組合賦權(quán)評(píng)價(jià)方法具有一定的有效性和可操作性，既體現(xiàn)了評(píng)價(jià)對(duì)象之間的差異，又克服了單一方法的不足，以及主觀賦權(quán)法產(chǎn)生的不確定性和客觀賦權(quán)法受樣本隨機(jī)誤差影響的問題；同時(shí)，避免了評(píng)價(jià)結(jié)果的“虛高”現(xiàn)象，達(dá)到了兼顧評(píng)價(jià)指標(biāo)“功能性”與“協(xié)調(diào)性”的效果。

其次，由表5和圖2所示的最終評(píng)價(jià)結(jié)果可以發(fā)現(xiàn)，一方面，雖然芯片企業(yè)專利質(zhì)量整體還較低，但6年發(fā)展情況較為良好，各企業(yè)專利質(zhì)量差距也有所減??；另一方面，部分芯片企業(yè)在6年中專利質(zhì)量評(píng)價(jià)值具有較大起伏。這可能是受到技術(shù)生命周期、企業(yè)自身知識(shí)產(chǎn)權(quán)戰(zhàn)略以及政府政策變更的影響。

此外，一些芯片企業(yè)，尤其是規(guī)模相對(duì)較小的企業(yè)，存在專利質(zhì)量指標(biāo)間“不協(xié)調(diào)”問題。根據(jù)表3和表4中兩種聚合算子的計(jì)算結(jié)果，發(fā)現(xiàn)規(guī)模較大的芯片企業(yè)各指標(biāo)“協(xié)調(diào)性”通常更優(yōu)；而一些規(guī)模較小的芯片企業(yè)專利質(zhì)量指標(biāo)的“功能性”突出，它們?cè)谄髽I(yè)PCT專利申請(qǐng)、合作申請(qǐng)等個(gè)別相關(guān)指標(biāo)方面“短板”很明顯。這也說明一些芯片企業(yè)對(duì)外合作和國(guó)際化程度較低。

最后，發(fā)明專利在芯片企業(yè)專利質(zhì)量中具有重要地位。通過表2中實(shí)證研究結(jié)果發(fā)現(xiàn)，企業(yè)5年以上發(fā)明專利維持率、發(fā)明專利占專利申請(qǐng)量比例和有效專利占全部專利授權(quán)量的比例是企業(yè)專利質(zhì)量評(píng)價(jià)中權(quán)重系數(shù)最大的3個(gè)指標(biāo)。

4.2 建議及不足

根據(jù)以上結(jié)論本文得出如下建議：

第一，芯片企業(yè)可通過增加專利管理人員，設(shè)立研發(fā)獎(jiǎng)勵(lì)基金、專利申請(qǐng)計(jì)劃等多途徑穩(wěn)定企業(yè)專利質(zhì)量，避免其出現(xiàn)較大波動(dòng)；政府也應(yīng)該做好長(zhǎng)期的政策規(guī)劃，努力做到專利數(shù)量和專利質(zhì)量之間的平衡發(fā)展。

第二，芯片企業(yè)在提升專利質(zhì)量的過程中，尤其是規(guī)模較小的企業(yè)，不能只追求自身國(guó)內(nèi)專利的數(shù)量，針對(duì)合作申請(qǐng)專利數(shù)和PCT專利申請(qǐng)量較少的情況，可通過與其他公司進(jìn)行合作研發(fā)，加入專利聯(lián)盟，建立和完善知識(shí)產(chǎn)權(quán)管理制度，以進(jìn)一步強(qiáng)化對(duì)外交流，優(yōu)化資源配置，努力達(dá)到各專利質(zhì)量指標(biāo)間的協(xié)調(diào)發(fā)展；政府可加大對(duì)芯片企業(yè)合作申請(qǐng)專利及申請(qǐng)PCT專利的支持力度，還可通過招商引資、召開科學(xué)技術(shù)會(huì)議等途徑鼓勵(lì)企業(yè)進(jìn)行對(duì)外交流活動(dòng)，進(jìn)而幫助其彌補(bǔ)專利質(zhì)量中的“短板”。

第三，芯片企業(yè)在申請(qǐng)專利時(shí)，要重視發(fā)明專利的申請(qǐng)，可參考企業(yè)專利質(zhì)量評(píng)價(jià)模型，尤其是專利的法律質(zhì)量，在申請(qǐng)專利時(shí)要更多考慮其將來可能為企業(yè)帶來的實(shí)際價(jià)值，盡可能地?cái)U(kuò)大專利保護(hù)范圍，有效提升專利的維持時(shí)間；政府在對(duì)企業(yè)進(jìn)行專利補(bǔ)貼或獎(jiǎng)勵(lì)時(shí)，應(yīng)當(dāng)更加注重企業(yè)發(fā)明專利維持時(shí)間等權(quán)重系數(shù)大的質(zhì)量指標(biāo)，根據(jù)這些指標(biāo)對(duì)企業(yè)提出一定的補(bǔ)貼或獎(jiǎng)勵(lì)要求，更有效地提高企業(yè)的專利整體質(zhì)量。值得一提的是，一些地區(qū)已經(jīng)停止了對(duì)實(shí)用新型和外觀設(shè)計(jì)專利的專項(xiàng)獎(jiǎng)勵(lì)。

本研究也存在一些不足之處。本文是以芯片企業(yè)整體專利質(zhì)量為研究對(duì)象，包括了一部分非芯片專利；考慮到專利指標(biāo)數(shù)據(jù)種類多，數(shù)量大的問題，在一些指標(biāo)上運(yùn)用了等距隨機(jī)抽樣的方法。因此，后續(xù)針對(duì)芯片專利的專門研究可通過IPC分類號(hào)進(jìn)行相應(yīng)篩選，進(jìn)一步搜集國(guó)外芯片企業(yè)專利質(zhì)量指標(biāo)數(shù)據(jù)，與中國(guó)芯片企業(yè)進(jìn)行比較研究；關(guān)于企業(yè)專利質(zhì)量的進(jìn)一步研究需要綜合考慮多個(gè)合適的專利數(shù)據(jù)庫、企業(yè)數(shù)據(jù)庫的數(shù)據(jù)，深入考察可能涵蓋企業(yè)自身及政府等多個(gè)層面的企業(yè)專利質(zhì)量影響因素。