我国专利发展水平浅析毕业论文.doc

2010年我国专利发展水平浅析摘要：本研究运用因子分析法和聚类分析法对2010年我国各省份专利综合实力进行分析评价，得到各省份专利综合实力排名和各自归属类型。为各地了解自身专利综合实力发展水平及为相关部门专利政策制定提供了参考和借鉴。关键词：专利发展水平；因子分析；聚类分析；SPSS1 引言随着科技创新的的发展，当今时代已是知识经济时代，经济全球化将进一步强化竞争和合作的机制，经济的竞争转化为科技的竞争、知识产权的竞争，特别是争夺专利权的竞争。专利发展作为技术创新的重要标志和体现，在很大程度上代表着一个国家或企业的技术水平和潜在技术竞争力。专利的发展在一个国家或地区的发展中占据越来越重要的地位，世界上越来越多的国家将专利战略列入国家发展战略之中。因此，今年俩对专利的研究越来越受到人们的关注。目前，对我国专利的研究主要从专利产出与经济增长的关系，以及有专利成果的数量或者质量等对国家或地区的专利产出水平评价两个方面进行。本文利用因子分析法对我国各省份的专利发展水平进行了评价和分析，从整体上把握不同地区区域创新方面的优势和劣势，对提升个省份的专利综合实力，促进我国专利事业的发展有一定的意义。2 材料与方法2.1 研究方法2.1.1因子分析法因子分析是将多个实测变量转换为少数几个不相关的综合指标的多元统计方法。在研究领域因子分析法时经常要面对反映事物多个变量的大量观测值。多变量固然会提供丰富的信息，但其中许多变量之间可能存在的关联性，却使问题分析变得错综复杂。由于一些变量间存在着一定的相关关系，因此有可能用较少的综合指标分别综合存在于原来各个指标中的各类信息。因子分析法通过降维，用较少个数的公共因子的线性组合与特殊因子之和来表达原变量。如果特殊因子可以忽略，就是常用的主成分法。当几个公共因子的累计方差，即贡献率达到一定的百分比，就表明这几个公共因子集中反映了原始变量的大部分信息，而公共因子之间互不相关，信息不重叠。简单地说，因子分析的目的就是揭示变量之间的内在关联性，在尽可能保持原有信息的前提下，用较少的维度去表示原来的数据结构，简化数据，便于发现规律或本质。2.1.2聚类分析法聚类分析是根据食物本身的特征研究个体分类的多元统计分类方法。聚类分析的原则是同一类的个体有较大的相似性，不同类中的个体差异很大。系统聚类是目前应用最为广泛的一种聚类方法，其基本思想是：先将待聚类的n个样品各自看成一类，共有n类；然后按照实现选定的方法计算每两类之间的聚类统计量，即某种距离，将关系最为密切的两类合为一类，其余不变，即得到n-1类；再按照前面的计算方法计算新类与其他类之间的距离，再将关系最为密切的两类并为一类，其余不变，即得到n-2类；如此下去，每次重复都减少一类，直到最后所有的样品都归为一类为止。2.2研究对象本文以各省市的专利综合实力作为评价对象，对各省市的专利情况进行比较与分析。选取了2010年国内各省份在发明、实用新型和外观设计三种专利申请总量进行评价。以2010年的各地区专利申请和授权情况的各项指标数据为基础，评价指标的选择兼顾了专利的数量和市场价值。其各类具体指标如下：发明专利申请量()、实用新型申请量()、外观设计申请量()、发明专利授权量()、实用新型授权量()、外观设计授权量()、专利申请有效量()、发明专利授权率()、实用新型授权率()、外观设计授权率()。表1 2010年各省份专利研究指标数据x1x2x3x4x5x6x7x8x9x10 北 京33466186375193112091657957231006230.33 0.89 1.10 天 津7347110647562193067182358296720.26 0.61 0.31 河 北32707089193695468382269274720.29 0.96 1.17 山 西304635331348待添加的隐藏文字内容37393096917119980.24 0.88 0.68 内蒙古9321406574262127655859350.28 0.91 0.97 辽 宁98841499493382357120672669452410.24 0.80 0.29 吉 林278929936637852806752132010.28 0.94 1.13 黑龙江40704815138415124391877210100.37 0.91 0.63 上 海261652318821843686721821195271261780.26 0.94 0.89 江 苏5029851436134139721041161900112732490.14 0.80 0.67 浙 江180275023152484641047617606162684710.36 0.95 1.15 安 徽63961736723365111188396062324600.17 0.51 0.26 福 建5117108466031122496647175441160.24 0.89 1.19 江 西19682947139241125881350109310.21 0.88 0.97 山 东172594344120156410636391109931112950.24 0.84 0.55 河 南64081385648851498110483993399720.23 0.80 0.82 湖 北741112791111092025104314906405800.27 0.82 0.44 湖 南643896016342192078614092325160.30 0.82 0.65 广 东4086647706643351369143900617523255660.34 0.92 0.96 广 西15742512103142621671054105030.27 0.86 1.02 海 南572312135190305219309470.33 0.98 1.62 重 庆5150119855690114367044233666440.22 0.56 0.74 四 川834216671152172204127241728489950.26 0.76 1.14 贵 州132224416514411936709113630.33 0.79 1.09 云 南233322121100652202611455290.28 0.92 1.04 西 藏763353164959241580.21 1.48 1.11 陕 西81387939687218876093205453180.23 0.77 0.30 甘 肃1412159255434911313888570.25 0.71 0.70 青 海193129280411348927900.21 1.04 0.32 宁 夏26839774613077172250.23 0.77 0.96 新 疆9142272374189201236120970.21 0.89 0.97 3 研究过程及分析3.1 因子分析及结果3.1.1原始指标数据的检验对于统计年鉴中选择各省份专利指标数据，为确定待分析的原有若干变量适合于因子分析，将原变量的数据输入SPSS 软件中，通过因子分析中的主成分分析方法进行KMO检验和Bartlett 球体检验，输出结果如表2。 表2 KMO and Bartlett's检验结果KMO and Bartlett's TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.669Bartlett's Test of SphericityApprox. Chi-Square473.428df21Sig.000从表2中得到KMO的值为0.669，根据统计学家Kaiser 给出的标准，0.6KMO<0.7 中等，适合用因子分析法。Bartlett 球体检验给出的相伴概率为0.000，小于显著性水平0.05，因此，据原假设，认为适合因子分析。3.1.2因子分析中因子个数的确定将我国各省份2010年专利发展的指标数据输入SPSS进行因子分析，确定因子个数后利用主成分法提取，输出方差贡献率表和碎石图（见下页）。表3 因子方差贡献率Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %16.16161.61061.6106.16161.61061.6106.15661.55761.55721.30913.09074.7001.30913.09074.7001.31413.14374.7003.9909.89984.5994.8718.71093.3105.3623.61896.9286.2432.43099.3577.057.56999.9268.004.04599.9719.002.01799.98810.001.012100.000从表3中我们可以看到当提取2个因子时，它们的累积方差贡献率为74.7，说明这2个公因子提取了原始指标数74.7的信息，可以用这2个公因子来代表我国各省市的专利实力发展水平。 从图1所示的碎石图也可明显可以看出，拐点为2，也可以判定选取2个公因子做因子分析比较合适。图1 碎石图3.1.3因子提取的初始结果 利用SPSS软件对各项指标进行因子分析后可以得到各因子的因子载荷矩阵、旋转后的因子载荷矩阵以及各因子的得分矩阵： 表4 因子载荷矩阵Component MatrixaComponent12专利有效量(x7).985.064实用新型申请量(x2).959-.032实用新型授权量(x5).957.042外观设计授权量(x6).943-.145发明专利申请量(x1).936.012外观设计申请量(x3).897-.300发明专利授权量(x4).872.277外观设计授权率(x10)-.130-.059发明专利授权率(x8).067.852实用新型授权率(x9).025.621为了能更加明确地表示主成分与原始指标间的关系,经过对因子矩阵载荷矩阵方差最大正交旋转得到正交旋转后的因子载荷矩阵。根据旋转后的因子载荷矩阵表5建立因子分析的模型：其中为原始变量数据，为提取的公共因子。 表5 正交旋转后的因子载荷矩阵Rotated Component MatrixaComponent12专利有效量(x7).983.096实用新型申请量(x2).9601.428E-5实用新型授权量(x5).955.073外观设计授权量(x6).947-.113发明专利申请量(x1).935.043外观设计申请量(x3).907-.270发明专利授权量(x4).863.306外观设计授权率(x10)-.128-.063发明专利授权率(x8).039.854实用新型授权率(x9).004.621Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 3 iterations.从表4因子载荷矩阵和表5正交旋转后的因子载荷矩阵我们可以看出，因子在发明专利申请量()、实用新型申请量()、外观设计申请量()、发明专利授权量()、实用新型授权量()、外观设计授权量()、专利申请有效量()指标上有较高的载荷。因子一主要反应了某个地区省份的科研水平。因子在发明专利授权率()、实用新型授权率()、外观设计授权率()有较高的载荷，因子儿主要反应了某个地区对新专利研发的鼓励和开放程度。3.1.3专利发展水平综合得分的计算 在SPSS因子分析过程中可以得到各因子的得分矩阵表6，由此我们可以计算各省份的主因子得分。 表6各因子的得分矩阵Component Score Coefficient MatrixComponent12发明专利申请量(x1).152.014实用新型申请量(x2).156-.019外观设计申请量(x3).153-.224发明专利授权量(x4).135.216实用新型授权量(x5).154.037外观设计授权量(x6).157-.105专利有效量(x7).158.054发明专利授权率(x8)-.011.651实用新型授权率(x9)-.012.474外观设计授权率(x10)-.020-.046Extraction Method: Principal Component Analysis.Rotation Method: Varimax with Kaiser Normalization.Component Scores.根据表6因子得分系数矩阵，建立各主因子对应的得分函数：由三个因子得分函数可以给出由这三个因子决定的综合发展实力评价函数公式：其中取每个因子的方差贡献率。即利用原始数据、因子得分函数以及综合评价函数得到各公共因子得分和2010年地区专利发展水平综合评价得分及排序表。表7 2010年地区专利发展水平综合评价得分及排序表地 区综合得分排名广 东2.7561.4030.2495011江 苏3.174-2.4830.2159672浙 江2.0491.2950.1898843北 京0.7821.7170.0937714上 海0.8740.5070.0801565山 东0.9-0.1740.0704486西 藏-0.3171.197-0.005057海 南-0.3141.174-0.005168辽 宁-0.029-0.347-0.008379湖 北-0.1190.054-0.0087410黑龙江-0.4661.568-0.0107911重 庆0.144-1.384-0.012312湖 南-0.2510.392-0.0137213福 建-0.207-0.197-0.020314河 南-0.16-0.477-0.0213815河 北-0.4170.684-0.0221516天 津-0.206-0.653-0.0282217贵 州-0.5820.685-0.0356118吉 林-0.5590.473-0.0373819安 徽-0.054-2.195-0.0426220广 西-0.590.098-0.0464921山 西-0.532-0.175-0.0465122内蒙古-0.6450.347-0.0466823云 南-0.7120.333-0.0523124四 川-0.598-0.264-0.0534125江 西-0.562-0.618-0.0566326青 海-0.678-0.116-0.0574227陕 西-0.615-0.631-0.0611728新 疆-0.671-0.631-0.0657429甘 肃-0.68-0.64-0.0666830宁 夏-0.717-0.939-0.07487313.1.4结果的分析分析看到各地区的优劣势，广东之所以能够排名第一，得益于在2 个公共因子、的得分较平均，且均排在前列，说明广东在外观设计、发明专利，以及实用新型的申请与授权上都占有绝对的优势。因此，广东省今后应着眼于提高专利的质量以及其市场价值。江苏的排名与其在、 公共因子得分排名领先有直接关系，特别是其在 公共因子遥遥领先的得分为其奠定了坚实的基础，同时可以得到江苏在实用新型的申请和授权量上有待进一步提高。广东、江苏位于我国的东南沿海地区，不仅经济发展走在全国前列，同时也拥有丰富的科技创新资源，为其专利水平的提升提供了良好的体制和市场环境。因此，这两个省理应归为我国专利发展最强地区。排名靠后的城市中的四川、辽宁、湖北、河南、湖南位于我国的内陆地区或中部地区，经济和文化实力与最强和较强地区的省市具有的一定的差距，另外这些地区普遍存在人才环境不够健全、人才流失明显而引进人才不足的弊端，因此，区域创新能力尚有待提升。而经济和科技实力较强的天津被划为这一类，与其经济和科技基础形成较大反差，其原因是多方面的，如专利中介机构服务不到位、创新潜能没有得到充分释放等。因此，天津应利用与北京毗邻的地理优势，充分发挥人才的创新能力，一方面提升本地的原始创新能力，一方面成为北京的科技成果向生产力转化的重要基地。福建虽地处南部沿海地区，但由于自身的科技资源存量有限且缺乏足够技术创新主体，因此在专利综合实力上也就无法和沿海其他专利实力强的省市相比。同理，处于综合得分较少的各省市我们可以根据各公共因子的得分判断各地区的优劣，促其有针对性地提高。同时，这些地区与排名靠前的省市相比在地理环境、交通便捷、经济基础及科技文化素质方面有着很大的差距，因此，应着力加强交通设施建设、发展经济、提高科技教育投入、制定相关的政策以营造一个良好的市场环境与制度环境，从而提高地区专利综合实力。3.2聚类分析及结果3.2.1聚类分析将表1所示的各个省份2010年的各项数据导入SPSS。然后对数据进行聚类分析。其过程为：依次选择“AnalyzeClassifyHierarchical Cluster”，引入的变量是至。从而对样品进行聚类，即系统聚类分析，最终得出聚类分析结果。以各省份综合得分作为变量进行聚类分析，分析过程如图2所示，结果显示可将各省份归属为3类，见表8。表8 聚类结果第一类北京、上海、山东第二类天津 河北、山西、内蒙古、辽宁、吉林、黑龙江、安徽、福建、江西、河南、 湖北、湖南、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆第三类江苏、浙江、广东 图2 聚类分析树形图3.2.2结果分析第一类中的北京、上海和山东在综合得分靠前的情况下，2个主因子的得分差异不大且都位居国内前列水平。这些地区专利的发明、外观和实用指标发展迅速的同时还兼顾了发展态势的均衡。对于处于第二类中的地区，各个主成分得分和综合得分本身较低的情况下，还存在较大的起伏性。这与这些地区的经济发展水平和科研投入有明显的关系。第三类中的江苏、浙江和广东地区个主因子得分较高，在专利的发明、外观和实用中单一指标发展较快，却没有注意均衡发展的重要性。4 总结通过对我国各省份2010年专利水平个项指标进行因子和聚类分析的研究后，我们可以得到以下的结论。首先，地区差异显著，我国的经济发展水平和科技实力地区差异显著，因此，有效专利数量也呈现出明显的东西差异。根据现有数据，就我国专利申请及申请成功的数量和质量而言，中西部存在较大差距。由于改革开放后，我国政策性导向及东部地区本身的区位优势，东部经济快速发展，西部地区的经济状况明显落后于东部发达地区。因此，西部地区大量的科技人才流向沿海地带以及发达地区，这些专利研发的源生军的流动造成了东西部专利分布不均的情况。同时，资本流动也向东部地区转移，大量专利投资为东部地区专利的产生带来了积极效应。虽然国家已启动西部大开发战略，但此趋势仍然存在，甚至愈演愈烈。这样不仅不利于西部地区经济的发展，而且由于人才和资本的盲目汇集导致资源浪费，不利于中国经济的长远发展。其次，我国的专利发展普遍处于较低的水平，在3.2.2的结论中可以看到，国内大部分的省份在聚类后处于第二类水平。能够从中脱颖而出的只有北京，广东等很少数的省份。这与国内对科技创新的推广和鼓励政策有一定关系。最后，为推进我国专利水平迅速发展，在加大资金经费的投入外，更多的是要将科研力量向中西部落后省份转移，谋求科研创新的共同均衡发展。参考文献1. 刘华.专利制度与经济增长：理论与现实对中国专利制度运行绩效的评估J.中国软科学,2002,(10)2. 李秀丽.基于因子分析法的地区专利发展水平比较研究J.经济调查研究,(109)3. 中华人民共和国国家统计局.2009中国统计年鉴M.北京:数通电子出版社,20094. 葛仁良.因子聚类回归分析法在我国专利综合评价中的应用J.科技管理研究,2006,(7)Abstract: This study uses factor analysis and clustering analysis to2010in every province of China Patent comprehensive strength analysis and evaluation, the comprehensive strength ranks and the respective provinces of patent ownership type. Around the understanding of their own patent comprehensive strength development level and related departments of patent policy to provide a reference and draw lessons from.Key words: patent development;factor analysis;cluster analysis,;SPSS