謝雨飛，朱周力，翟曉亮，馬 琳，李靜玉，朱 平

(1.江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無(wú)錫214122;2.江南大學(xué)理學(xué)院，江蘇無(wú)錫214122)

隨著我國(guó)高校專利申請(qǐng)數(shù)量的不斷增長(zhǎng)，發(fā)明專利，實(shí)用新型專利以及外觀設(shè)計(jì)專利在專利申請(qǐng)總量上所占的比重有明顯的變化。因此我們需要找到影響專利申請(qǐng)數(shù)量的關(guān)鍵因素，并據(jù)此建立一個(gè)科學(xué)、合理、有效的數(shù)學(xué)模型，該模型能夠很好的擬合歷年的專利申請(qǐng)數(shù)據(jù)，并且可以較準(zhǔn)確地預(yù)測(cè)未來(lái)專利申請(qǐng)數(shù)量的變化趨勢(shì)，從而能夠通過(guò)改變某一影響因素實(shí)現(xiàn)在特定時(shí)期內(nèi)控制專利申請(qǐng)的總量以及不同種類專利申請(qǐng)量之間的比例關(guān)系。

在信息技術(shù)高速發(fā)展的今天，集成化的專利文獻(xiàn)信息資源以網(wǎng)絡(luò)化為依托，實(shí)現(xiàn)了專利文獻(xiàn)的數(shù)字化、網(wǎng)絡(luò)化，從而拓寬了專利文獻(xiàn)信息的渠道，加強(qiáng)了專利文獻(xiàn)信息的傳播和利用。將這些專利信息進(jìn)行收集、整理、分析所制成的專利地圖以及專利數(shù)量回歸模型將在我國(guó)高校專利分析中扮演重要的角色。

1 研究方法和數(shù)據(jù)

專利申請(qǐng)量與專利授權(quán)量均能在一定程度上說(shuō)明我國(guó)高校的專利產(chǎn)出水平，但是由于專利授權(quán)量受到政府專利機(jī)構(gòu)等人為因素的影響較大，使得專利授權(quán)量由于不確定因素增大而容易出現(xiàn)異常變動(dòng)，所以本文選擇專利申請(qǐng)量作為分析與預(yù)測(cè)的研究對(duì)象[1]。目前能夠影響高校專利申請(qǐng)量的因素有很多，涉及到國(guó)家宏觀政策、科技人力、科技經(jīng)費(fèi)、科技機(jī)構(gòu)、科技項(xiàng)目、科技成果及技術(shù)轉(zhuǎn)讓等眾多方面。

1.1 樣本的選擇和數(shù)據(jù)的采集

我國(guó)《專利法》明確規(guī)定，專利有發(fā)明、實(shí)用新型和外觀設(shè)計(jì)三種類型[2]。發(fā)明，是指對(duì)產(chǎn)品、方法或者其改進(jìn)所提出的新的技術(shù)方案;實(shí)用新型，是指對(duì)產(chǎn)品的形狀、構(gòu)造或者其結(jié)合所提出的適于實(shí)用的新的技術(shù)方案;外觀設(shè)計(jì)，是指對(duì)產(chǎn)品的形狀、圖案或者其結(jié)合以及色彩與形狀、圖案的結(jié)合所做出的富有美感并適于工業(yè)應(yīng)用的新設(shè)計(jì)。因此，從專利的定義和種類來(lái)看，中國(guó)高校人文社科類專業(yè)的研究與專利的相關(guān)度不大，本文在研究的過(guò)程中只考慮理、工、農(nóng)、醫(yī)類專業(yè)的相關(guān)研究。

專利法》經(jīng)過(guò)第二次修正(2000年)之后，不僅加大了專利保護(hù)力度，完善司法和行政執(zhí)法，還簡(jiǎn)化、完善了專利審批和維權(quán)程序，維護(hù)當(dāng)事人的合法權(quán)益。這些因素都將影響我國(guó)高校專利申請(qǐng)量的變化，因此本文主要選取了2001—2011年全國(guó)設(shè)有理、工、農(nóng)、醫(yī)類教學(xué)專業(yè)的高等學(xué)校及其附屬醫(yī)院在基礎(chǔ)研究、應(yīng)用研究、試驗(yàn)發(fā)展、以及R＆D(科學(xué)研究與發(fā)展)成果應(yīng)用、其他科技服務(wù)、科技成果轉(zhuǎn)讓等各個(gè)層面開(kāi)展研究的總體數(shù)據(jù)。選取的數(shù)據(jù)時(shí)間跨度為11年，主要涉及科技人力、科技經(jīng)費(fèi)、科技機(jī)構(gòu)、科技項(xiàng)目、科技成果及技術(shù)轉(zhuǎn)讓等情況，共有143組數(shù)據(jù)。

本文研究的數(shù)據(jù)主要來(lái)源于《2002—2012年高等學(xué)校科技統(tǒng)計(jì)資料匯編》[3]?！秴R編》是教育部科學(xué)技術(shù)司根據(jù)國(guó)家的統(tǒng)一部署和高等學(xué)?？萍脊ぷ鞯木唧w情況，在組織各省、自治區(qū)、直轄市教育廳實(shí)施“全國(guó)普通高等學(xué)?？萍冀y(tǒng)計(jì)年報(bào)(理、工、農(nóng)、醫(yī))”的基礎(chǔ)上，經(jīng)過(guò)綜合加工、整理而成的全面反映高等學(xué)校科技活動(dòng)總體狀況的數(shù)據(jù)資料匯集。此外，其他數(shù)據(jù)取自《2002—2012年中國(guó)統(tǒng)計(jì)年鑒》[4]和《2002—2012 年中國(guó)科技統(tǒng)計(jì)年鑒》[5]。最終2001—2011年我國(guó)高等院校專利申請(qǐng)量及其影響因素的統(tǒng)計(jì)結(jié)果見(jiàn)表1。

表1 2001—2011年我國(guó)高等院校專利申請(qǐng)量及其影響因素

1.2 研究思路和方法

文章研究思路和方法主要包括:

1)利用Multi-Agent技術(shù)繪制出專利地圖，分析我國(guó)各地區(qū)高校專利申請(qǐng)量的情況;

2)將2001—2010年的數(shù)據(jù)作為訓(xùn)練樣本，利用逐步回歸的分析方法從中篩選出影響程度較高的因素，構(gòu)建多元線性回歸分析與預(yù)測(cè)模型，最后根據(jù)2011年影響因素的值對(duì)該年的研究對(duì)象的值進(jìn)行預(yù)測(cè)，并與2011年研究對(duì)象的實(shí)際值進(jìn)行比較，計(jì)算出預(yù)測(cè)相對(duì)誤差并進(jìn)行修正，使模型具有相對(duì)準(zhǔn)確的預(yù)測(cè)性能。

2 專利地圖、Multi-Agent系統(tǒng)以及多元線性回歸的概念

2.1 專利地圖

專利地圖(Patent Map)[6]是將各種與專利相關(guān)的資訊信息，以統(tǒng)計(jì)分析的方法，加以縝密及精細(xì)剖析整理制成各種可分析解讀的圖表信息，使其具有類似地圖指向功能的形象稱呼。采用計(jì)算機(jī)技術(shù)之后，專利地圖可以重新概括定義為專利信息圖形化處理和專利數(shù)據(jù)的系統(tǒng)管理方法。

專利地圖一般可以分為專利管理地圖和專利技術(shù)地圖。專利管理地圖主要包括:歷年專利件數(shù)動(dòng)向圖、申請(qǐng)人分布圖、所屬國(guó)專利數(shù)量比例圖、企業(yè)發(fā)明陣容比較圖、專利研發(fā)經(jīng)費(fèi)比較圖等。在專利管理地圖的基礎(chǔ)上，找出主要的專利文獻(xiàn)，并且對(duì)這些主要文獻(xiàn)進(jìn)一步地解讀，得到這些專利文獻(xiàn)的技術(shù)目的，采用的技術(shù)手段及所要達(dá)到的技術(shù)功效，就可以開(kāi)始專利技術(shù)地圖的繪制。專利技術(shù)地圖主要包括專利引證關(guān)系技術(shù)族譜圖、專利技術(shù)/功效矩陣圖、專利技術(shù)發(fā)展圖等。專利技術(shù)地圖一旦完成，我們可以清楚地看出特定技術(shù)的動(dòng)向，并進(jìn)一步預(yù)測(cè)技術(shù)的未來(lái)趨勢(shì)。

2.2 Multi-Agent系統(tǒng)

Agent技術(shù)[8]屬于人工智能的范疇，具有以下特征的軟件實(shí)體:①自治性(Autonomy):即Agent能根據(jù)外界環(huán)境的變化，而自動(dòng)地對(duì)自己的行為和狀態(tài)進(jìn)行調(diào)整，而不是僅僅被動(dòng)地接受外界的刺激，具有自我管理自我調(diào)節(jié)的能力。②反應(yīng)性(Reactive):Agent能對(duì)外界的刺激做出反應(yīng)的能力。③主動(dòng)性(Proactive):對(duì)于外界環(huán)境的改變，Agent能主動(dòng)采取活動(dòng)的能力。④社會(huì)性(Social):Agent具有與其它Agent或人進(jìn)行合作的能力，不同的Agent可根據(jù)各自的意圖與其它Agent進(jìn)行交互，以達(dá)到解決問(wèn)題的目的。⑤進(jìn)化性(Evolutionary):Agent能積累或?qū)W習(xí)經(jīng)驗(yàn)和知識(shí)，并修改自己的行為以適應(yīng)新環(huán)境。

Multi-Agent系統(tǒng)[9]是多個(gè) Agent組成的集合，其多個(gè)Agent成員之間相互協(xié)調(diào)，相互服務(wù)，共同完成一個(gè)任務(wù)。它的目標(biāo)是將大而復(fù)雜的系統(tǒng)建設(shè)成小的、彼此互相通信和協(xié)調(diào)的，易于管理的系統(tǒng)?；贒AI技術(shù)的Multi-Agent系統(tǒng)，就是通過(guò)分布式的智能Agent之間的交互、協(xié)調(diào)和溝通來(lái)處理分布式問(wèn)題，從而克服傳統(tǒng)的人工智能所建立的單一的、獨(dú)立的系統(tǒng)所不可避免的缺陷。

Multi-Agent系統(tǒng)之所以可以應(yīng)用到專利地圖中，就在于該系統(tǒng)的特點(diǎn)能夠適應(yīng)專利地圖的要求。專利地圖的本質(zhì)就是專利信息的集合，因此制作專利地圖的關(guān)鍵就是收集和處理信息，從而為我國(guó)高校調(diào)控專利申請(qǐng)的數(shù)量與分類比例提供決策支持。單個(gè)的Agent就相當(dāng)于一個(gè)信息處理器。因此，當(dāng)出現(xiàn)一種新的信息處理方法，就可以簡(jiǎn)單地創(chuàng)建一個(gè)新的Agent，然后把它部署到原系統(tǒng)中，從而使得系統(tǒng)具有很好的擴(kuò)展性。

專利文獻(xiàn)是專利地圖信息的主要來(lái)源，通過(guò)有關(guān)專利檢索數(shù)據(jù)庫(kù)就可以獲得信息資源。最初的檢索結(jié)果和獲得的文獻(xiàn)量可能非常大，這些文獻(xiàn)必須依靠人工來(lái)進(jìn)行瀏覽和篩選，剔除與制作專利地圖需求無(wú)關(guān)的部分，得到與研究?jī)?nèi)容相關(guān)的專利文獻(xiàn)，利用篩選后的專利文獻(xiàn)進(jìn)行專利管理圖的制作。在專利管理圖的基礎(chǔ)上，找出主要專利文獻(xiàn)，并對(duì)這些主要專利文獻(xiàn)進(jìn)一步解讀，得到這些專利文獻(xiàn)的技術(shù)目的、采用的技術(shù)手段及所要達(dá)到的技術(shù)功效，就可以開(kāi)始專利技術(shù)圖的制作。也就是說(shuō)，制作專利地圖所使用的信息資源結(jié)構(gòu)通常比較復(fù)雜，包含結(jié)構(gòu)化信息和非結(jié)構(gòu)化信息。Multi-Agent System則通過(guò)人類Agent和機(jī)器Agent的設(shè)計(jì)理念，成為最能實(shí)現(xiàn)人機(jī)合作的系統(tǒng)模型。

2.3 多元線性回歸

多元線性回歸分析[11]是一種用于研究一個(gè)隨機(jī)變量或因變量Y與一個(gè)或多個(gè)自變量(X1～Xn)之間的相互依存關(guān)系，并利用統(tǒng)計(jì)分析方法和函數(shù)對(duì)這種關(guān)系的實(shí)質(zhì)、特點(diǎn)、變化規(guī)律等進(jìn)行分析解讀和形式化描述的方法。具有方法簡(jiǎn)單，對(duì)變量之間關(guān)系解釋能力強(qiáng)的優(yōu)點(diǎn)，在社會(huì)、經(jīng)濟(jì)、技術(shù)以及眾多自然科學(xué)領(lǐng)域有著廣泛的應(yīng)用。

多元線性回歸分析模型的形式化描述如公式(1)所示:

其中β0是常數(shù)項(xiàng)，表示當(dāng)所有自變量為0時(shí)因變量Y的總體平均估計(jì)值;β1～βn表示回歸系數(shù)，主要有兩種:標(biāo)準(zhǔn)化回歸系數(shù)和非標(biāo)準(zhǔn)化回歸系數(shù)[12]。β1表示除X1之外的其它自變量固定不變的情況下，X1每改變一個(gè)測(cè)量單位時(shí)所引起的因變量Y的平均改變量，β2n表示意義與β1一樣。ε是被稱為誤差項(xiàng)的隨機(jī)變量，它說(shuō)明了包含在Y里面但不能被n個(gè)自變量的線性關(guān)系所解釋的變異性。

多元線性回歸分析模型的構(gòu)建主要通過(guò)各種回歸分析方式將一些有效的，對(duì)因變量影響顯著的自變量加入到回歸模型中，然后對(duì)模型進(jìn)行各種檢驗(yàn)，主要包括判定系數(shù)檢驗(yàn)(R檢驗(yàn))、回歸系數(shù)顯著性檢驗(yàn)(T檢驗(yàn))、回歸方程顯著性檢驗(yàn)(F檢驗(yàn))[13]。檢驗(yàn)通過(guò)，該分析模型構(gòu)建完成。

3 基于Multi-Agent系統(tǒng)的專利地圖的制作

3.1 基于Multi-Agent系統(tǒng)的專利地圖設(shè)計(jì)

如圖1所示的Multi-Agent系統(tǒng)中，人類專家可以通過(guò)智能界面Agent與機(jī)器Agent進(jìn)行信息交換和溝通，實(shí)現(xiàn)人機(jī)合作的關(guān)鍵是智能人機(jī)界面A-gent的存在[14]。

圖1 基于Multi-Agent的專利地圖示意圖

1)Internet Agent模型:Internet Agent就是網(wǎng)絡(luò)中的任一網(wǎng)站，無(wú)需本系統(tǒng)的干預(yù);

2)數(shù)據(jù)采集Agent模型:通過(guò)網(wǎng)絡(luò)在有償或無(wú)償提供的專利數(shù)據(jù)庫(kù)中檢索我國(guó)高校專利情報(bào)，同時(shí)將搜集到的專利情況進(jìn)行標(biāo)準(zhǔn)化處理，做代碼化的技術(shù)分類，使其數(shù)據(jù)庫(kù)化。該模塊能夠?qū)μ囟ǖ木W(wǎng)站進(jìn)行實(shí)時(shí)監(jiān)控，當(dāng)有關(guān)鍵數(shù)據(jù)發(fā)生變動(dòng)時(shí)，能夠自動(dòng)地執(zhí)行相關(guān)操作;

3)機(jī)器Agent模塊:這類模塊主要是對(duì)數(shù)據(jù)庫(kù)中的專利信息進(jìn)行專利分析，分析是基于專利分析理論及數(shù)理統(tǒng)計(jì)分析理論的基礎(chǔ)之上的。鑒于前文提到的專利地圖的分類，我們可以建立起歷年專利動(dòng)向分析Agent、高校專利占有比例 Agent、歷年專利分類分析 Agent、專利引用族譜分析 Agent、專利研發(fā)人員分析Agent、專利科研經(jīng)費(fèi)分析 Agent、專利成果轉(zhuǎn)讓分析Agent、專利研究機(jī)構(gòu)分析Agent等;

4)管理 Agent模塊[15]:它是系統(tǒng)的核心，是一個(gè)功能完整的獨(dú)立模塊，負(fù)責(zé)多個(gè)Agent之間的協(xié)調(diào)控制及各個(gè)Agent的路徑信息的存儲(chǔ)和查詢。本系統(tǒng)由于協(xié)作任務(wù)量不大，整個(gè)系統(tǒng)采用集中式的控制方式;

5)界面Agent模塊:這類模塊主要是對(duì)機(jī)器A-gent的分析結(jié)果進(jìn)行可視化，鑒于專利地圖分析的復(fù)雜性，界面Agent綜合考慮了機(jī)器Agent的分析結(jié)果和專家分析的結(jié)果。界面Agent的存在綜合了非結(jié)構(gòu)化決策和結(jié)構(gòu)化決策模型的優(yōu)點(diǎn)，提高了決策的準(zhǔn)確性。

3.2 專利地圖實(shí)例

根據(jù)上述的系統(tǒng)分析過(guò)程，設(shè)計(jì)了多個(gè)基于Multi-Agent專利地圖原型系統(tǒng)。此處以江南大學(xué)的專利申請(qǐng)量和全國(guó)所有高校的專利申請(qǐng)量為例，即選取江南大學(xué)2011年專利申請(qǐng)數(shù)量和全國(guó)高校2011年專利申請(qǐng)數(shù)量為研究對(duì)象，研究各個(gè)種類的專利占有比例，經(jīng)數(shù)據(jù)收集Agent和高校專利比例分析Agent處理后得到的關(guān)鍵數(shù)據(jù)見(jiàn)表2，表3。

表2 2011年江南大學(xué)各種專利申請(qǐng)數(shù)量

表3 2011年全國(guó)高校各種專利申請(qǐng)數(shù)量

界面Agent從表2獲得數(shù)據(jù)，然后可視化表示如圖2所示。

界面Agent從表3獲得數(shù)據(jù)，然后可視化表示如圖3所示。

從圖中我們可以明顯地看出江南大學(xué)外觀設(shè)計(jì)專利所占比重較大，遠(yuǎn)遠(yuǎn)超過(guò)全國(guó)高校外觀設(shè)計(jì)專利所占的比重，而發(fā)明專利所占的比重則幾乎只有全國(guó)高校發(fā)明專利所占比重的一半，由此我們可以看到:江南大學(xué)在專利方面存在申請(qǐng)總量大，創(chuàng)新性不強(qiáng)，分類比例極端不合理等問(wèn)題，因此，建議首先可采取政策調(diào)控等手段加大對(duì)發(fā)明專利和實(shí)用新型專利的獎(jiǎng)勵(lì)力度，設(shè)立專利維持基金。其次可以通過(guò)科學(xué)論證的方法有選擇性地保護(hù)一些重點(diǎn)核心專利。此外，還可以加強(qiáng)產(chǎn)學(xué)研合作，讓高校專利在市場(chǎng)中應(yīng)用并加以實(shí)施，真正發(fā)揮其價(jià)值。當(dāng)然我們也可以推廣到其他學(xué)校也可能存在著各種專利所占比例不盡相同，與全國(guó)高?？傮w情況存在較大差異的現(xiàn)象。

圖2 2011年江南大學(xué)專利申請(qǐng)種類分布圖

圖3 2011年全國(guó)高校專利申請(qǐng)種類分布圖

此外我們以全國(guó)各地區(qū)高校專利申請(qǐng)量為例，即選取全國(guó)各地區(qū)高校2011年專利申請(qǐng)數(shù)量為研究對(duì)象，經(jīng)數(shù)據(jù)收集Agent和各省專利比較分析A-gent處理后得到的關(guān)鍵數(shù)據(jù)見(jiàn)表4。

表4 2011年全國(guó)各地區(qū)高校專利申請(qǐng)數(shù)量

界面Agent從表4獲得數(shù)據(jù)，然后可視化表示如圖4所示。圖中顏色的深淺反映出全國(guó)各地區(qū)高校的專利申請(qǐng)數(shù)量的多少，從圖中我們可以直觀地看出我國(guó)東南沿海一帶地區(qū)高校專利申請(qǐng)量較多，中西部地區(qū)高校專利申請(qǐng)量較少，東西差距十分明顯。

那么影響我國(guó)高校專利申請(qǐng)量以及分類變化的主要因素究竟是什么以及我們?nèi)绾蔚贸龈咝＠暾?qǐng)量的預(yù)測(cè)模型，本文在此基礎(chǔ)上進(jìn)行進(jìn)一步的研究。

4 基于多元線性回歸分析的我國(guó)高校專利申請(qǐng)量的預(yù)測(cè)模型

圖4 2011年全國(guó)各地區(qū)高校專利申請(qǐng)地圖

本文將發(fā)明專利申請(qǐng)量，實(shí)用新型專利申請(qǐng)量，外觀設(shè)計(jì)專利申請(qǐng)量作為因變量即分析與預(yù)測(cè)的目標(biāo)變量，標(biāo)記為Y1、Y2和Y3。將各影響因素作為自變量，具體標(biāo)記情況見(jiàn)表5，標(biāo)記之后，我們利用多元線性回歸分析方法通過(guò)SAS軟件[16]分別對(duì)三個(gè)因變量與其自變量的關(guān)系進(jìn)行回歸分析，回歸分析的結(jié)果見(jiàn)表6～表12所示(僅以發(fā)明專利為例)。

表5 各主要影響因素的具體標(biāo)記情況

表6 所有因素在內(nèi)的方差分析表

表7 所有因素在內(nèi)的參數(shù)估計(jì)表

表8 逐步回歸第一步后的方差分析表

表9 逐步回歸第一步后的參數(shù)估計(jì)表

表10 逐步回歸結(jié)束后的方差分析表

表11 逐步回歸結(jié)束后的參數(shù)估計(jì)表

表12 逐步回歸法剔除變量結(jié)果摘要

表6表示所有因素在內(nèi)的回歸模型的方差分析結(jié)果，其中F是檢驗(yàn)方程顯著性的統(tǒng)計(jì)量，是回歸均方與剩余均方之比，其值越大越好[17]。Pr＞F稱作P值，表示顯著性水平，其值要求小于0.05或0.01，小于0.01 表示回歸差異極顯著，處于 0.01 和0.05之間表示回歸差異顯著。本次回歸的P值為0.002 7，小于 0.01，表明回歸差異極顯著。

表7表示所有因素在內(nèi)的參數(shù)估計(jì)表即回歸分析的各項(xiàng)系數(shù)，其中P值均大于0.05，表明各影響因素之間可能存在較強(qiáng)的相關(guān)性，需要剔除其中顯著性水平較弱的因素。由于基礎(chǔ)研究經(jīng)費(fèi)(X3)的P值最大，故決定首先剔除基礎(chǔ)研究經(jīng)費(fèi)(X3)因素。

表8表示剔除掉基礎(chǔ)研究經(jīng)費(fèi)(X3)因素后的回歸模型的方差分析結(jié)果，可以看出，F(xiàn)統(tǒng)計(jì)量的值變大，表明方程的顯著性增強(qiáng)。P值小于0.000 1，表明回歸差異極顯著。

表9表示剔除掉基礎(chǔ)研究經(jīng)費(fèi)(X3)因素后的參數(shù)估計(jì)表即回歸分析的各項(xiàng)系數(shù)，可以看出，剩余各影響因素的P值均有所減小，顯著性增強(qiáng)。其中應(yīng)用研究經(jīng)費(fèi)(X4)的P值減小的最多，表明應(yīng)用研究經(jīng)費(fèi)(X4)與基礎(chǔ)研究經(jīng)費(fèi)(X3)之間有較強(qiáng)的相關(guān)性，并且應(yīng)用研究經(jīng)費(fèi)(X4)對(duì)發(fā)明專利申請(qǐng)量的影響程度更大。

表10表示逐步回歸結(jié)束之后的回歸模型的方差分析結(jié)果，可以看出，F(xiàn)統(tǒng)計(jì)量的值再次變大，表明方程的顯著性增強(qiáng)。P值小于0.000 1，表明回歸差異是極其顯著的。

表11表示逐步回歸結(jié)束之后的剩余因素的參數(shù)估計(jì)表，所有因素中只有X1(教學(xué)與科研人員)，X4(應(yīng)用研究經(jīng)費(fèi))和X8(發(fā)表學(xué)術(shù)論文數(shù))三個(gè)因素被選入到回歸模型中。在多元回歸分析中，能夠選入回歸模型的自變量都是對(duì)因變量即研究對(duì)象影響程度較大的變量，可以明顯地看出最終留下的三個(gè)變量的P值均遠(yuǎn)遠(yuǎn)小于0.05，表明回歸差異極顯著。通過(guò)將表11中的回歸系數(shù)帶入構(gòu)建的回歸預(yù)測(cè)模型中，得到如下的發(fā)明專利申請(qǐng)量的回歸分析預(yù)測(cè)方程:

表12表示逐步回歸法剔除變量結(jié)果的摘要，其中R的平方稱為判定系數(shù)，主要用于衡量回歸模型的擬合優(yōu)度或用來(lái)說(shuō)明自變量解釋因變量變異的程度。R方越大越好，一般地，大于0.8，說(shuō)明方程對(duì)樣本點(diǎn)的擬合效果很好。本次回歸一共經(jīng)過(guò)5步完成，最終模型的R2為0.998 1，表明最終方程對(duì)樣本點(diǎn)的擬合效果很好。

通過(guò)MatLab編程[18]，我們可以得到發(fā)明專利樣本點(diǎn)與回歸方程的擬合圖像，如圖5所示(其中實(shí)線代表樣本點(diǎn)的連線，虛線代表回歸方程的圖像)。

圖5 發(fā)明專利樣本點(diǎn)與回歸方程的擬合圖

同理我們可以得到實(shí)用新型專利與主要影響因素的線性回歸方程:

通過(guò)MatLab編程我們可以得到實(shí)用新型專利樣本點(diǎn)與回歸方程的擬合圖像，如圖6所示:(其中實(shí)線代表樣本點(diǎn)的連線，虛線代表回歸方程的圖像)

同樣可以得到外觀設(shè)計(jì)專利與主要影響因素的線性回歸方程:

通過(guò)MatLab編程，我們可以得到外觀設(shè)計(jì)專利樣本點(diǎn)與回歸方程的擬合圖像，如圖7所示:(其中實(shí)線代表樣本點(diǎn)的連線，虛線代表回歸方程的圖像)

圖6 實(shí)用新型專利樣本點(diǎn)與回歸方程的擬合圖

圖7 外觀設(shè)計(jì)專利樣本點(diǎn)與回歸方程的擬合

從以上三個(gè)圖中可以看出多元線性回歸方程對(duì)樣本點(diǎn)的擬合結(jié)果還是比較準(zhǔn)確的，我們將2011年的數(shù)據(jù)帶入以上三個(gè)預(yù)測(cè)方程中，從而能預(yù)測(cè)出三種不同專利類型的申請(qǐng)數(shù)量。預(yù)測(cè)結(jié)果與實(shí)際值的誤差見(jiàn)表13?？梢钥闯?，除了發(fā)明專利以外，實(shí)用新型專利與外觀設(shè)計(jì)專利預(yù)測(cè)相對(duì)誤差較大。

表13 2011年各種專利申請(qǐng)量的預(yù)測(cè)值及其與實(shí)際值的誤差

5 結(jié)語(yǔ)

鑒于目前我國(guó)高校專利申請(qǐng)量影響因素分析與預(yù)測(cè)研究方面，不夠系統(tǒng)全面，定性研究多，定量研究少，分析研究多，預(yù)測(cè)研究少的現(xiàn)狀，融合Multi-Agent技術(shù)、多元線性回歸分析預(yù)測(cè)方法，并用2011年的數(shù)據(jù)進(jìn)行預(yù)測(cè)驗(yàn)證研究。研究結(jié)果表明:

1)對(duì)發(fā)明專利申請(qǐng)量影響較大的是教學(xué)與科研人員(X1)，應(yīng)用研究經(jīng)費(fèi)(X4)，發(fā)表學(xué)術(shù)論文數(shù)(X8);對(duì)實(shí)用新型專利影響較大的是教學(xué)與科研人員(X1)，應(yīng)用研究經(jīng)費(fèi)(X4)，R＆D成果應(yīng)用經(jīng)費(fèi)(X6);對(duì)外觀設(shè)計(jì)專利影響較大的是教學(xué)與科研人員(X1)，應(yīng)用研究經(jīng)費(fèi)(X4)，R＆D成果應(yīng)用經(jīng)費(fèi)(X6)，R＆D成果應(yīng)用項(xiàng)目數(shù)(X7);

2)多元線性回歸分析預(yù)測(cè)模型可以很好地?cái)M合樣本數(shù)據(jù)，具有很高的有效性。

針對(duì)以上研究結(jié)果，我們可以對(duì)國(guó)家專利發(fā)展戰(zhàn)略提出如下建議:

①加大對(duì)教學(xué)與科研人員的培養(yǎng)，為國(guó)家源源不斷的注入新鮮的血液;

②建立科學(xué)細(xì)致的經(jīng)費(fèi)管理體制，從根本上解決經(jīng)費(fèi)管理問(wèn)題，讓經(jīng)費(fèi)真正的應(yīng)用到科研開(kāi)發(fā)中，使其能夠最大比例的轉(zhuǎn)化為專利成果;

③建立關(guān)于科研工作科學(xué)性與嚴(yán)謹(jǐn)性要求的科技政策與法規(guī)，用以制約、監(jiān)督檢查和管理那些錯(cuò)誤很多的科研課題、科研成果。同時(shí)加大對(duì)高校論文的重視，大學(xué)生具有豐富的創(chuàng)造力和想象力，加大大學(xué)生對(duì)科研興趣的培養(yǎng)力度很重要，這將極大的提高學(xué)術(shù)論文的發(fā)表數(shù)量與質(zhì)量。

由于影響專利申請(qǐng)的因素大概有20多種，而本文僅僅選擇了其中的八個(gè)因素進(jìn)行多元線性回歸分析，所以得到的分析結(jié)果存在一定的不完全性。又由于2001年之前各因素的數(shù)據(jù)缺失比較大，2011年之后的各因素的數(shù)據(jù)也不全，因此在本文分析中僅選用了2001—2011年間的數(shù)據(jù)做分析與預(yù)測(cè)實(shí)證研究，數(shù)據(jù)的規(guī)模和歷時(shí)性可能會(huì)對(duì)分析與預(yù)測(cè)的結(jié)果造成一定的影響。因此還需要進(jìn)一步針對(duì)回歸預(yù)測(cè)模型深入研究，給國(guó)家專利發(fā)展找略提供更為有效的建議和方案。

[1]翟東升，周 娟，王明吉.基于多Agent的專利地圖研究[J].情報(bào)雜志，2006(7):2－4.

[2]雷 迪.專利地圖在我國(guó)高校專利技術(shù)研發(fā)中的應(yīng)用[J].科技管理研究，2011(6):175 －178.

[3]教育部科學(xué)技術(shù)司.高等學(xué)?？萍冀y(tǒng)計(jì)資料匯編(2002－2012)[M].北京:高等教育出版社，2002－2012.

[4]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒(2002－2012)[M].北京:中國(guó)統(tǒng)計(jì)出版社，2002－2012.

[5]國(guó)家統(tǒng)計(jì)局，國(guó)家科技部.中國(guó)科技統(tǒng)計(jì)年鑒(2002－2012)[M].北京:中國(guó)統(tǒng)計(jì)出版社，2002－2012.

[6]王興旺，湯琰潔.基于專利地圖的技術(shù)預(yù)測(cè)體系構(gòu)建及其實(shí)證研究[J].情報(bào)理論與實(shí)踐，2013(3):51－55.

[7]曹麗江 孫 帥 基于專利地圖的我國(guó)太陽(yáng)能光伏建筑一體化專利信息分析[J].情報(bào)雜志，2013(5):84－86.

[8]梁 瑩，徐福緣.基于多Agent的專利資源協(xié)同獲取模型研究[J].情報(bào)理論與實(shí)踐，2009(8):118－120.

[9]王 偉.專利發(fā)展趨勢(shì)預(yù)測(cè)模型的選擇[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2003(2):147－148.

[10]關(guān) 旭，劉 豹.基于Multi-Agent系統(tǒng)的預(yù)測(cè)支持系統(tǒng)的結(jié)構(gòu)[J].系統(tǒng)工程與電子技術(shù)，2001(8):4－11.

[11]許 良，畢開(kāi)順.多元線性回歸分析法在蒙藥森登－4湯譜效關(guān)系解析中的應(yīng)用[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2008(10):1 189－1192.

[12]胡澤文，武夷山.科技產(chǎn)出影響因素分析與預(yù)測(cè)研究——基于多元回歸和BP神經(jīng)網(wǎng)絡(luò)的途徑[J].科學(xué)學(xué)研究，2012(7):992－1 004.

[13]葉春明，齊 靜.基于多元線性回歸模型的專利技術(shù)產(chǎn)業(yè)化評(píng)價(jià)研究 科技管理研究58.

[14]李 江，雷曉剛.基于Multi-Agent技術(shù)的大型航天研發(fā)項(xiàng)目風(fēng)險(xiǎn)分析方法[J].國(guó)防科技大學(xué)學(xué)報(bào)，2012(34):6－10.

[15]毛新軍，陳火旺，劉鳳岐.Multi-Agent系統(tǒng)中 Agent知識(shí)獲取的合作模型[J].軟件學(xué)報(bào)，2001(2):256－262.

[16]張 嫻，謝錦春.正交信號(hào)校正應(yīng)用于多元線性回歸建模的研究[J].光譜學(xué)與光譜分析，2011(12):3 228－3 231.

[17]張龍軍，劉立芳，張向上.應(yīng)用多元線性回歸法測(cè)定黃河口不同粒徑懸浮物中的有機(jī)碳含量[J].分析化學(xué)，2008(5):567－571.

[18]石劍平，姜 麟，徐潤(rùn)林.Matlab數(shù)據(jù)庫(kù)工具箱在數(shù)學(xué)建模中的應(yīng)用[J].信息系統(tǒng)工程，2010(9):82－85.