姚毅凡，沈 喆，王 毅，成 穎

0 引言

十九大報告強(qiáng)調(diào)創(chuàng)新是引領(lǐng)發(fā)展的第一動力[1]。專利作為技術(shù)創(chuàng)新的成果，已經(jīng)成為集技術(shù)、科學(xué)、法律以及經(jīng)濟(jì)等信息為一體的重要信息源[2]。目前對專利的計量分析已經(jīng)引起了圖書情報學(xué)[3]、管理科學(xué)與工程[4]、經(jīng)濟(jì)學(xué)[5]等多個學(xué)科的關(guān)注。宏觀層面，專利分析有利于學(xué)界與業(yè)界把握技術(shù)前沿、推動學(xué)術(shù)交流、促進(jìn)學(xué)科發(fā)展、激發(fā)技術(shù)創(chuàng)新并進(jìn)而創(chuàng)造經(jīng)濟(jì)價值和社會價值。微觀層面，對專利進(jìn)行引用分析已經(jīng)成為專利計量學(xué)的重要方法，被廣泛應(yīng)用于識別核心專利[6]、評估企業(yè)專利價值[7]等，具有易用、高效等特點(diǎn)[8]。

目前專利計量學(xué)界普遍接受的觀點(diǎn)是，專利被引體現(xiàn)了其經(jīng)濟(jì)價值和技術(shù)水平[9-11]，可以衡量其對后續(xù)技術(shù)的影響，體現(xiàn)了其作為現(xiàn)有技術(shù)的法律功能[12]，是專利質(zhì)量評價指標(biāo)體系不可或缺的維度[13-14]。值得關(guān)注的是，專利被引存在明顯的二八定律，即少量專利獲得了大量的引用，而更多的專利被引甚少，甚至零被引。學(xué)界深入探討此現(xiàn)象背后的原因，發(fā)掘出了豐富的影響專利被引的因素。結(jié)果顯示，專利的被引頻次會受到發(fā)明人、專利權(quán)人、技術(shù)范圍、國家以及時間等多種因素的影響。

現(xiàn)有研究尚未見對專利被引影響因素的全面梳理，考慮到該主題重要的科學(xué)意義與應(yīng)用價值，本文對其進(jìn)行系統(tǒng)綜述。借鑒Tahamtan等[15]的做法，本文在Web Of Science、Scopus、PubMed和LISA等數(shù)據(jù)庫中采用TI=(Determin*OR Factor*OR Effect*OR Relation*OR Influence*OR Impact*OR Predict*OR Function*OR Significance*OR Feature*OR Characteristic*OR Distribution*OR Increas*)AND TI=(Patent*)AND TI=(Citation*)進(jìn)行檢索，中國知網(wǎng)的檢索策略為限定主題中包含“專利”及“被引”或者“專利”及“引用”，首次檢索時間是2019年12月5日，并于2020年11月18日進(jìn)行了補(bǔ)充檢索，結(jié)合參考文獻(xiàn)，排除無關(guān)論文，最終獲得相關(guān)文獻(xiàn)共87篇，其中中文文獻(xiàn)65篇、英文文獻(xiàn)22篇。

1 專利被引的影響因素

通過對相關(guān)文獻(xiàn)的主題分析，提煉出14個被引影響因素，并將其概括為3類，即“后向引用因素”(后向引用文獻(xiàn)數(shù)量、后向引用文獻(xiàn)質(zhì)量、引證深度以及引證廣度)、“專利自身因素”(時間、早期被引、IPC分類數(shù)、專利主題、權(quán)利要求數(shù)量、同族專利數(shù)量)、“專利產(chǎn)生因素”(專利權(quán)人、合作、國家、資金)，見圖1所示。

圖1 專利文獻(xiàn)被引影響因素

1.1 后向引用因素

后向引用(backward citation)指展現(xiàn)于專利參考文獻(xiàn)列表中的對先前專利和非專利文獻(xiàn)的引用，一定程度上反映了專利接受的知識溢出[16]。其中，非專利文獻(xiàn)(non-patent literature，NPL)指后向引用了專利文獻(xiàn)以外的其他文獻(xiàn)，通常包括科技圖書、期刊論文以及索引工具等[17]，該類引用可以在一定程度上體現(xiàn)科學(xué)與技術(shù)之間的聯(lián)系，比如，對美國生物技術(shù)行業(yè)以及納米技術(shù)領(lǐng)域的分析發(fā)現(xiàn)后向引用NPL是科學(xué)與技術(shù)之間的橋梁，基于我國在美申請的醫(yī)藥領(lǐng)域?qū)＠姆治鲞M(jìn)一步發(fā)現(xiàn)引用了NPL的專利獲得了更多被引，可見科學(xué)與技術(shù)之間多方面的相互作用[18-20]。

1.1.1 后向引用文獻(xiàn)數(shù)量

多項(xiàng)研究探討了后向引用專利文獻(xiàn)和NPL的數(shù)量對被引頻次的影響。后向引用專利文獻(xiàn)的數(shù)量越多，則被引頻次也就越高[16，21]；但在新興產(chǎn)業(yè)燃料電池領(lǐng)域中，該結(jié)果在不同數(shù)據(jù)集上的表現(xiàn)并不穩(wěn)健[22]；而使用零膨脹負(fù)二項(xiàng)回歸和突變級數(shù)法對傳統(tǒng)產(chǎn)業(yè)中藥專利進(jìn)行的分析顯示，無論靜態(tài)抑或動態(tài)視角均發(fā)現(xiàn)了顯著的負(fù)向影響[23]。

NPL數(shù)量與專利被引頻次的關(guān)系研究中未發(fā)現(xiàn)二者間的顯著正向影響[24]。部分學(xué)者聚焦于NPL中的部分文獻(xiàn)類型，發(fā)現(xiàn)高被引專利引用了更多的科學(xué)文獻(xiàn)[22，25]，也有研究在動態(tài)模型中發(fā)現(xiàn)其影響隨著時間的推進(jìn)逐漸由消極轉(zhuǎn)變?yōu)榉e極，而在靜態(tài)模型中影響則不顯著[23]；在僅探討NPL中學(xué)術(shù)論文數(shù)量對專利被引頻次的影響時，多項(xiàng)研究中均發(fā)現(xiàn)了顯著的正相關(guān)關(guān)系[16，21，26-27]，不過，該結(jié)果在中藥專利中未能重現(xiàn)[28]。對于科學(xué)論文之外的其他文獻(xiàn)，研究中未發(fā)現(xiàn)其數(shù)量對專利被引頻次的顯著影響[27]，個別研究中甚至發(fā)現(xiàn)了二者間的負(fù)相關(guān)關(guān)系[16]。

1.1.2 后向引用文獻(xiàn)質(zhì)量、引證深度和廣度

除了后向引用文獻(xiàn)數(shù)量外，相關(guān)研究分別探討了后向引用專利文獻(xiàn)質(zhì)量、引證深度以及廣度對被引頻次的影響。少量研究中將后向引用文獻(xiàn)質(zhì)量量化為其被引數(shù)，分析發(fā)現(xiàn)后向引用科學(xué)論文的質(zhì)量對專利被引存在顯著正向影響，后向引用專利文獻(xiàn)的質(zhì)量對專利被引不顯著[26]；采用HHI指標(biāo)量化的引證深度指標(biāo)對專利被引存在顯著的正向影響[29]。

引證廣度即“一項(xiàng)專利所引證的不同技術(shù)領(lǐng)域的數(shù)量”，可通過后向引用專利的UPC以及IPC等分類數(shù)進(jìn)行量化，相關(guān)分析顯示其在整體上與專利被引呈顯著的正相關(guān)關(guān)系[30]，多元回歸分析的結(jié)論與之相似[31-32]。此外，針對后向引用專利的IPC分類數(shù)，其在高低被引專利之間存在顯著差異[33]；而且在用后向引用專利的IPC分類信息熵量化技術(shù)會聚時，結(jié)果也表明5個分類層級的技術(shù)會聚程度均對專利被引頻次存在顯著正向影響[34]，研究中還發(fā)現(xiàn)隨著技術(shù)會聚程度的增加，其間關(guān)系呈倒U型，且交叉領(lǐng)域的影響顯著高于非交叉領(lǐng)域[35]。不過，少量研究未證實(shí)引證廣度對被引的正向影響[29]。

1.2 專利自身因素

1.2.1 時間

專利被引頻次需要時間的積累，越早出現(xiàn)的專利，其被引的概率越大[36]，該觀點(diǎn)已經(jīng)成為眾多實(shí)證研究的共性結(jié)論，但不同學(xué)者對時間的量化方式存在差別。專利被引頻次可能會受到專利年齡的影響[37]，部分研究還發(fā)現(xiàn)其遵循Logistic擴(kuò)散模型[38-39]，優(yōu)先權(quán)年越早的專利可以獲得更多的被引[40]；通過對美國國家經(jīng)濟(jì)研究局(the U.S.National Bureau of Economic Research，NBER)六大技術(shù)領(lǐng)域的方差分析也發(fā)現(xiàn)年齡大于20年的長期專利的平均被引顯著高于中短期專利[41]。值得注意的是，專利被引存在“時間截面”“引證膨脹”[12]“隊(duì)列效應(yīng)”[42]等問題，不同年份公開的專利可能無法直接比較，鑒于此，有學(xué)者利用固定效應(yīng)法對專利被引頻次進(jìn)行了修正，發(fā)現(xiàn)若固定公開年，則專利被引頻次隨統(tǒng)計年的增長呈上升趨勢，若固定統(tǒng)計年，則其與公開年的關(guān)系呈倒U型[43]。

1.2.2 早期被引

研究表明早期被引次數(shù)越多的專利未來被引的可能性越大[44]。生命表法關(guān)注的是專利授予和首次被引的時間差，結(jié)果發(fā)現(xiàn)一半專利的首次被引發(fā)生在授予日后的前125個月(前10年)內(nèi)[45]。具體到專利被引的時間分布，有研究通過對11項(xiàng)樣本專利的引文分析發(fā)現(xiàn)，專利公布后的前一兩年內(nèi)幾乎沒有被引，被引量從第三年開始大幅增加，一般在第四或第五年達(dá)到高峰[46]；專利授予年與首次被引用年之間的時滯越長，專利被引將越少，即被快速引用的專利將獲得更多的引用[47]。此外，也有研究將專利劃分為高、低被引兩類并結(jié)合Logistic回歸分析，結(jié)果顯示專利發(fā)布2年內(nèi)的被引證數(shù)對總被引存在顯著的正向影響，而首次被引時間的影響不顯著[29]。

1.2.3 IPC分類數(shù)

IPC分類是目前國際通用的專利文獻(xiàn)分類和檢索工具，采用部、大類、小類、主組、分組5級分類的方式[34]，可用于確定專利所涉及的技術(shù)領(lǐng)域范圍。專利的IPC分類數(shù)越多，表明專利覆蓋的技術(shù)范圍越廣。學(xué)者們探討了專利本身的IPC分類數(shù)對專利被引的影響，結(jié)果發(fā)現(xiàn)二者間呈顯著的正相關(guān)關(guān)系[30-32，48-50]；采用DC分類法的研究也顯示專利的技術(shù)多元化特征越明顯則越有可能產(chǎn)生重大的發(fā)明創(chuàng)造(即高被引專利)[51]。

1.2.4 專利主題

多項(xiàng)研究從宏觀的主題視角對專利被引進(jìn)行了分析，結(jié)果發(fā)現(xiàn)不同主題專利的被引量存在顯著差異，如美國專利商標(biāo)局10個高被引專利中有7項(xiàng)都屬于噴墨技術(shù)及相關(guān)主題[52]；中國專利的類似分析也表明人類生活需要類專利的被引頻次最高[53-54]。在具體的主題領(lǐng)域中，在移動支付領(lǐng)域，關(guān)于移動支付的相關(guān)技術(shù)、體系結(jié)構(gòu)及解決方案等子主題具有被引優(yōu)勢[55]；在生物技術(shù)領(lǐng)域，與微生物技術(shù)相關(guān)的專利平均被引超過100次，而“抗生素”“維生素”“激素”“甲狀腺激素”“前列腺素”等主題被引甚少[56]；在加密技術(shù)領(lǐng)域，加密通信系統(tǒng)和方法類專利獲得了更多的被引[57]；在全球密集型企業(yè)(全球范圍內(nèi)擁有的專利數(shù)量最多且專利總被引次數(shù)最大)專利的引用分析中，“電子、電氣設(shè)備”行業(yè)被引頻次最高，技術(shù)知識溢出明顯[58]；美國洛克希德·馬丁公司的高被引專利也集中于化學(xué)、計算機(jī)與通信領(lǐng)域[59]。少量研究還探討了專利主題的相關(guān)特征與被引間的關(guān)系，如專利主題的新穎性和常規(guī)性以及二者的交互作用均對被引存在正向影響[60]；部分研究還探索關(guān)鍵詞模式對專利被引的預(yù)測價值[61]等。

1.2.5 權(quán)利要求數(shù)量

權(quán)利要求體現(xiàn)了專利的保護(hù)范圍，權(quán)利要求數(shù)量越多，則保護(hù)的范圍越大[62]。部分研究發(fā)現(xiàn)權(quán)利要求數(shù)量對專利被引頻次存在顯著正向影響[37，40，49]。在生物技術(shù)領(lǐng)域中，負(fù)二項(xiàng)回歸分析表明權(quán)利要求數(shù)量對專利被引的影響呈倒U型曲線，作者的解釋是隨著權(quán)利要求數(shù)量的增加，與專利申請領(lǐng)域相關(guān)的不確定性隨之增加，從而會降低使用該專利作為后續(xù)技術(shù)來源的可能性[63]。1.2.6同族專利數(shù)量

同族專利是“根據(jù)同一發(fā)明創(chuàng)造，在多個國家或者地區(qū)進(jìn)行的專利申請或者專利授權(quán)，或者在同一國家多次進(jìn)行的專利申請或者專利授權(quán)而形成的專利組合”[64]，亦被稱為專利家族。同族專利可表征專利權(quán)人對專利質(zhì)量的主觀判斷和后續(xù)投入[16]，多項(xiàng)研究表明其與專利被引頻次正相關(guān)[16，48]；也有研究顯示三方專利家族(是否同時在日本、歐盟和美國申請并授予專利)對專利被引頻次存在顯著負(fù)向影響[29]。此外，有學(xué)者采用ERG模型分析專利引用關(guān)系的形成機(jī)理，結(jié)果顯示專利家族規(guī)模、非專利引文、專利申請范圍等特征在其中的影響被高估[65]。

1.3 專利產(chǎn)生因素

1.3.1 專利權(quán)人

專利權(quán)人(專利申請人、專利受讓人)是專利權(quán)的所有人及持有人的統(tǒng)稱，可以是單位或個人[66]，其類型特征會對專利被引產(chǎn)生一定影響。研究發(fā)現(xiàn)，機(jī)構(gòu)專利的被引頻次要高于個人[47]。在機(jī)構(gòu)中，大公司和高水平大學(xué)、科研院所、實(shí)驗(yàn)室等擁有的重要且具有影響力的專利技術(shù)，會獲得更多引用[67-68]。不過，在我國醫(yī)藥領(lǐng)域中，相較于大學(xué)、研究所及個人專利權(quán)人，企業(yè)專利權(quán)人在專利被引頻次上優(yōu)勢明顯[69]。針對企業(yè)，在位主導(dǎo)企業(yè)(專利市場份額前三、五位)與否對專利被引未見顯著影響[22]，機(jī)構(gòu)持股比例則對上市公司創(chuàng)新質(zhì)量(專利被引)存在顯著促進(jìn)作用，尤其是長期、主動的機(jī)構(gòu)投資者[70]。

多項(xiàng)工作對我國高校專利權(quán)人的專利被引進(jìn)行了研究。我國985高校間的專利競爭力差異明顯，就高被引專利比例來看，西北工業(yè)大學(xué)、清華大學(xué)、廈門大學(xué)和復(fù)旦大學(xué)遠(yuǎn)高于其他高校[71]；C9高校的專利申請數(shù)量均表現(xiàn)出增長趨勢，但專利被引頻次存在較大差異，其中清華大學(xué)優(yōu)勢明顯[72]；廣東7所高水平大學(xué)中，華南理工大學(xué)專利的轉(zhuǎn)化率處于領(lǐng)先位置[73]。

最后何冰鐵了心搬了出來，同時放話給趙曉峰：現(xiàn)在同意離婚的話，房子家產(chǎn)自己都不要，等到分居期滿，自己絕對要他人財兩空。

1.3.2 合作

現(xiàn)有研究中，合作可通過發(fā)明人數(shù)量、產(chǎn)學(xué)研合作以及跨國合作等進(jìn)行量化。

(1)發(fā)明人數(shù)量。高被引專利的發(fā)明者合作率、合作強(qiáng)度(即平均每項(xiàng)專利的發(fā)明者數(shù)量、單項(xiàng)專利最高發(fā)明者數(shù)量)均高于中低被引和零被引[74]；燃料電池[22]、納米領(lǐng)域的區(qū)域引證分析[48]也顯示發(fā)明人數(shù)量對專利被引存在顯著正向影響；進(jìn)一步，平均擁有8個及以上共同發(fā)明人的專利在前5年被引的頻率明顯高于擁有較少發(fā)明人的專利，在對專利的技術(shù)領(lǐng)域、受讓人部門(公共/私營)、引用來源(申請人/審查員)、自引等進(jìn)行亞組分析時該關(guān)系依然成立[75]；也有部分研究顯示發(fā)明人數(shù)量對專利被引的影響不顯著[16，29，40]。

(2)產(chǎn)學(xué)研合作。在以平均被引頻次表征專利質(zhì)量時，研究發(fā)現(xiàn)1978-2005年間中日兩國校企合作專利質(zhì)量整體上高于非校企合作，但該差異在韓國并不明顯[76]，也有研究表明產(chǎn)學(xué)合作確實(shí)有助于提高專利質(zhì)量[77-78]；針對高校(雙一流、其他)和企業(yè)(國企、民營、其他)之間可能存在的六種產(chǎn)學(xué)協(xié)同創(chuàng)新主體，其被引分析表明民營企業(yè)和其他高校合作的專利被引頻次較高[79]。

(3)跨國合作。在以國家為單位的研究中發(fā)現(xiàn)專利跨國合作次數(shù)對國家專利產(chǎn)出的數(shù)量和被引頻次均存在顯著正向影響，即跨國專利合作能促進(jìn)本國產(chǎn)生數(shù)量更多、影響力更大的專利[80]；對中國ICT領(lǐng)域的專利分析也顯示，相較于國內(nèi)合作，國際合作對專利被引的影響更大，其中中美合作在提高專利質(zhì)量方面的優(yōu)勢更為明顯[81]；此外，也有研究表明與美國專利所有權(quán)合作對專利被引頻次存在顯著正向影響[50]。

1.3.3 國家

專利被引頻次存在地理上的差異，部分研究證實(shí)了專利引證行為會受到其所屬國家的影響。比如，法國專利被引用的次數(shù)少于英國專利[47]，美國專利被引和引用頻次均居全球首位，韓國專利引用頻次是被引的近乎兩倍，德國被引則遠(yuǎn)多于引用頻次[82]。

現(xiàn)有研究發(fā)現(xiàn)美國和日本專利質(zhì)量在全球多個領(lǐng)域的優(yōu)勢地位。比如，在微生物燃料電池[83]、臨氫/供氫劑減黏裂化技術(shù)[84]、醫(yī)用治療設(shè)備[85]、電子診斷設(shè)備[86]、馬鈴薯淀粉深加工[87]以及分子設(shè)計育種[88]等領(lǐng)域，美國專利的被引表現(xiàn)均優(yōu)于其他國家。日本占據(jù)美國專利商標(biāo)局10個高被引專利的7席[52]，且相較于中韓，其專利的總被引頻次也明顯較高[76]；此外，在全球液晶顯示產(chǎn)業(yè)中，日本半導(dǎo)體能源公司(SEME)平均被引也是最高的[89]?？傮w而言，我國專利被引頻次與發(fā)達(dá)國家相比還存在較大差距[90-93]；不過，在金磚五國中我國專利的被引情況仍處于領(lǐng)先地位[94]。1.3.4資金

有關(guān)資金，學(xué)界關(guān)注到的主要有專利申請費(fèi)用以及財政資助。圍繞前者，選取美國1982年和2005年兩個專利申請費(fèi)用上調(diào)和下調(diào)時間點(diǎn)來進(jìn)行對比分析，可以發(fā)現(xiàn)專利申請費(fèi)用上調(diào)后低被引專利比例降低，下調(diào)時則上升[95]。針對后者，現(xiàn)有研究從多個角度進(jìn)行了探討。對于國家而言，研發(fā)經(jīng)費(fèi)投入對國家專利被引頻次存在顯著正向影響[80]；就區(qū)域而言，科技經(jīng)費(fèi)籌集額與區(qū)域?qū)＠灰l次正相關(guān)[48]；此外，對于企業(yè)而言，研究發(fā)現(xiàn)世界主要鋼鐵企業(yè)的研發(fā)投入率和投入額與總被引頻次也高度相關(guān)[96]。不過，也存在即使投入了大量資金，專利影響力仍然較低的情況(如對中石油的專利分析結(jié)果)[97]，即資金投入對專利被引的影響尚不能一概而論。

1.4 其他

2 影響因素間的相互作用

本文綜述的三類影響專利被引的因素間也存在相互作用，具體表現(xiàn)為學(xué)科領(lǐng)域的調(diào)節(jié)效應(yīng)、專利產(chǎn)生以及專利自身因素對專利自身的影響、專利產(chǎn)生對后向引用的影響等。

2.1 學(xué)科領(lǐng)域的調(diào)節(jié)效應(yīng)

不同學(xué)科領(lǐng)域的專利后向引用科學(xué)文獻(xiàn)存在很大差異，表現(xiàn)為在臨床醫(yī)學(xué)、基礎(chǔ)醫(yī)學(xué)、生物學(xué)、化學(xué)以及物理學(xué)等學(xué)科中科學(xué)與技術(shù)之間的聯(lián)系更強(qiáng)，而數(shù)學(xué)等學(xué)科較弱[101-102]；與其他技術(shù)領(lǐng)域相比，化工領(lǐng)域?qū)＠笙蛞玫姆菍＠墨I(xiàn)量較高[103]；與納米和轉(zhuǎn)基因技術(shù)領(lǐng)域相比，制藥領(lǐng)域知識更新緩慢，參考周期較長且科學(xué)知識轉(zhuǎn)化為技術(shù)的速度較慢[104]。即使在同一領(lǐng)域中，不同子領(lǐng)域也表現(xiàn)迥異，比如動力電池領(lǐng)域，鋰電池和燃料電池后向引用科學(xué)論文的數(shù)量對專利被引頻次存在顯著正向影響，鎳氫電池的該影響則不顯著[21]。此外，后向引用非專利文獻(xiàn)、權(quán)利要求數(shù)量等因素對專利被引的影響在生物技術(shù)行業(yè)內(nèi)外存在差異[63]；時間因素對專利被引頻次的影響在不同技術(shù)領(lǐng)域也不一致[43]；而且，一項(xiàng)專利的技術(shù)變異度越大，獲得的被引將越多[47]。

2.2 專利產(chǎn)生以及專利自身因素對專利的影響

專利維持時間作為與專利自身相關(guān)的因素之一，多項(xiàng)研究發(fā)現(xiàn)多個與專利產(chǎn)生以及專利自身相關(guān)的其他因素對其存在一定的作用。比如回歸分析發(fā)現(xiàn)發(fā)明者人數(shù)(合作)、IPC分類數(shù)、權(quán)利要求數(shù)、同族專利數(shù)等因素對專利維持時間存在影響，且這些因素對不同類型專利權(quán)人的影響程度存在差異[105]；中國、美國、法國和德國專利的權(quán)利要求數(shù)對維持時間存在顯著正向影響[106]。此外，在另一與專利自身相關(guān)的因素——早期被引上，也得到了類似的發(fā)現(xiàn)，比如，與第一發(fā)明人相關(guān)的變量(發(fā)明數(shù)量、發(fā)明被引次數(shù))會影響早期被引的速度[45]，具體表現(xiàn)為第一發(fā)明人在領(lǐng)域內(nèi)獲得的被引頻次越高，則專利首次被引的時間就越短，其專利發(fā)明數(shù)量越多，則該時間越長；隨著IPC分類數(shù)以及同族專利數(shù)量的增加，則專利的首次被引時間在不斷前移，同時，隨著權(quán)利要求數(shù)量的增加而不斷延遲[107]。

2.3 專利產(chǎn)生對后向引用的影響

不同國家專利后向引用存在較大差異，比如相較于日本，中國專利后向引用專利文獻(xiàn)的數(shù)量更多且范圍更廣[108]；在中國、美國、瑞士以及德國四個國家中，美國專利的科學(xué)關(guān)聯(lián)度(后向引用論文數(shù)量)一直高于平均水平[109]。而且，不同類型專利權(quán)人引用科學(xué)文獻(xiàn)的平均數(shù)量也存在較大差異，高水平大學(xué)科學(xué)關(guān)聯(lián)度較高[68]。此外，財政資助專利[110]和存在專利運(yùn)營(專利權(quán)人獲得授權(quán)以后對其有收益、處分的權(quán)利，最常見的就是質(zhì)押、許可和轉(zhuǎn)移，統(tǒng)稱為專利運(yùn)營)[28]現(xiàn)象的專利在引用科學(xué)論文上的表現(xiàn)也要高于其他專利。

3 討論

3.1 影響因素與被引間關(guān)系的不一致性

通過本文第一和第二部分的梳理發(fā)現(xiàn)，影響因素與專利被引間的關(guān)系在多項(xiàng)研究中表現(xiàn)不一致，相關(guān)研究也探討了其內(nèi)在機(jī)制。

3.1.1 法律規(guī)定對引用行為的影響

不同于科學(xué)論文，專利引證包含申請人引文和審查員引文[111]，前者一般是展示該發(fā)明的現(xiàn)有技術(shù)，后者則是為了限制專利權(quán)利要求[112]。在專利法的約束下，申請人的引用通常作為技術(shù)背景指出先前研究存在的問題或局限，是被引專利先進(jìn)性的負(fù)面證據(jù)；審查員引文則是為了提供駁回申請的理由，授權(quán)專利獲得的引用越多其新穎性越經(jīng)得住考驗(yàn)[113]。引用行為還會受到激勵政策和信息素養(yǎng)的影響，例如，當(dāng)把申請駁回率當(dāng)作績效指標(biāo)時，審查過程會更加嚴(yán)苛[114]，二者尤其是申請人的引用能力會受到檢索能力和文獻(xiàn)資源獲得能力的影響[115]。此外，各國專利法對引用行為的規(guī)定也存在差異[116]，比如，中國和EPO等國家和地區(qū)并沒有類似美國的申請人“坦誠義務(wù)”，同時，前者的專利數(shù)據(jù)庫中大多只包含審查員引文，而后者的相關(guān)數(shù)據(jù)庫則包含了二者，從而審查員引文在可獲得性和數(shù)量上都有明顯優(yōu)勢[117]。

專利引證數(shù)據(jù)是申請人和審查員基于各自的引用動機(jī)和引用能力，在專利法規(guī)的作用下形成的結(jié)果[115]，其中引用主體屬性的不同造成了最終數(shù)據(jù)的差異，故在進(jìn)行相關(guān)研究時應(yīng)區(qū)分申請人和審查員引用[114]，以獲得更為精細(xì)的樣本。此外，不同國家專利引用法規(guī)的差異也提醒研究者在構(gòu)建樣本時對引證數(shù)據(jù)加以區(qū)分，在進(jìn)行跨領(lǐng)域、跨地區(qū)研究時尤甚。

3.1.2 本土優(yōu)勢

多項(xiàng)研究發(fā)現(xiàn)不同國家的專利被引存在差異，比如美國無論在引用還是被引都處于世界前列，相關(guān)研究通過對引用行為的分析揭示了本土優(yōu)勢的影響。比如，目前中國專利的被引在世界范圍內(nèi)尚未體現(xiàn)出優(yōu)勢，卻存在明確的本土優(yōu)勢，即總被引頻次和篇均被引頻次均高于國外來華發(fā)明專利[103]。技術(shù)知識在語言[46，118]和地理距離[118-119]相近的國家間傳播得更快。專利授權(quán)機(jī)構(gòu)借助于專利審查/批準(zhǔn)的法律規(guī)則和程序也促進(jìn)了本土優(yōu)勢[120]。不過，隨著國際通訊和旅行成本的下降，信息跨越國界流動變得更加容易，本土優(yōu)勢呈逐漸減弱之勢[121]。

3.1.3 后向引用文獻(xiàn)類型

一是專利文獻(xiàn)。新的技術(shù)發(fā)明通常建立在前人的研究基礎(chǔ)之上[22]，后向引用專利文獻(xiàn)有助于打破固有思維模式、突破技術(shù)限制，如果引用涉及不同的技術(shù)領(lǐng)域，可形成思維碰撞、產(chǎn)生新突破[23]。不過，引用大量專利文獻(xiàn)會限制專利的權(quán)利范圍，且專利文獻(xiàn)質(zhì)量參差不齊，引用低質(zhì)量專利文獻(xiàn)會降低專利的新穎性和創(chuàng)造性[23，49]。此外，從技術(shù)生命周期來看，越接近起點(diǎn)的專利越基本，也越重要，其后向引用的專利文獻(xiàn)也越少[42]。二是科學(xué)文獻(xiàn)?；A(chǔ)研究為發(fā)明創(chuàng)造提供了理論基礎(chǔ)和方法指導(dǎo)，后向引用更多的科學(xué)文獻(xiàn)可以增強(qiáng)專利發(fā)明人前沿科學(xué)知識的儲備和知識結(jié)構(gòu)的異質(zhì)性，提升創(chuàng)新能力，繼而提高技術(shù)創(chuàng)新的質(zhì)量[20]。此外，科學(xué)文獻(xiàn)從經(jīng)濟(jì)學(xué)角度來看具有公共物品非競爭性和非排他性兩個基礎(chǔ)特性[22，25]，個人對科學(xué)文獻(xiàn)的引用并不會降低其價值更不會影響他人，引用過程促進(jìn)了知識的流動，有利于創(chuàng)造新知識，故而科學(xué)文獻(xiàn)具有正外部性。不過，科學(xué)文獻(xiàn)的質(zhì)量、年齡均存在差異[26]，且后向引用科學(xué)文獻(xiàn)的動機(jī)多樣，部分引用難以體現(xiàn)科學(xué)與技術(shù)的聯(lián)系[19]。3.1.4同族專利數(shù)量

一項(xiàng)專利能夠通過專利審查，在不同國家獲得授予，既表明該專利自身質(zhì)量較高[20]，也顯示出專利權(quán)人對其價值以及未來潛力的肯定和重視[29]，同族專利也可以減輕距離和語言差異對專利知識擴(kuò)散的負(fù)面影響[46]。不過，專利權(quán)人的主觀判斷和規(guī)劃會受到自身的限制，相比于規(guī)劃明晰的大企業(yè)，實(shí)力較弱的中小企業(yè)更可能因?yàn)槿狈η捌谑袌稣{(diào)查而致盲目申請，進(jìn)而耗費(fèi)更多的人力、物力和財力[29]。

3.1.5 發(fā)明人數(shù)量

較多的專利發(fā)明者匯聚了豐富、多源的知識，顯示了該專利人力資源投入以及潛在質(zhì)量較高[16]。不過，有必要考慮發(fā)明者之間順利合作需具備的一些前提條件，如知識的多樣性、個人觀點(diǎn)的獨(dú)立性、不存在特殊權(quán)利以及其他準(zhǔn)則等[122]。此外，還需要關(guān)注林格爾曼效應(yīng)[123]，即團(tuán)隊(duì)中的每個個體是否發(fā)揮了其最大的價值。

3.2 專利被引頻次

現(xiàn)有專利被引影響因素研究的一個基本假設(shè)是專利被引頻次可以衡量專利質(zhì)量。不過，有研究認(rèn)為即使是被引證數(shù)為0的專利依然可能是高價值專利[36]，是“放錯地方的資源”[10]。多項(xiàng)研究提示，該量化方法的魯棒性不夠充分[124-125]。其原因可能有，被引頻次具有時間滯后性、見樹木不見森林(單篇專利之間的引證關(guān)系難以體現(xiàn)技術(shù)之間的整體關(guān)聯(lián))、判斷閾值無法形成統(tǒng)一標(biāo)準(zhǔn)、不當(dāng)引證時有發(fā)生、公眾獲取中國專利引證信息困難[8]、技術(shù)領(lǐng)域差異[12]以及個體檢索能力提升導(dǎo)致的引證膨脹[12]等。針對存在的這些問題，有學(xué)者采用固定效應(yīng)法分析了時間因素對專利被引頻次的影響[43]，也有學(xué)者對原始被引頻次指標(biāo)進(jìn)行了標(biāo)準(zhǔn)化(除以同一年份和同一專利分類中所有專利被引用的平均數(shù)量)，并針對不同技術(shù)領(lǐng)域、引用來源等進(jìn)行了亞組分析[75]。

3.3 研究方法

專利被引的影響因素研究主要采用了三類方法。相關(guān)分析：在考慮單一因素與專利被引頻次之間的相關(guān)關(guān)系時多采用該方法，包括Spearman、Kendall's tau-b以及Pearson等相關(guān)系數(shù)，其中Spearman相關(guān)系數(shù)對原始變量的分布要求較弱，在研究中更為常見。回歸分析：研究中常用的回歸分析方法有負(fù)二項(xiàng)回歸、Logistic回歸、Tobit回歸以及Cox回歸等。在專利被引影響因素研究中，由于被引頻次是非負(fù)的離散整型變量，計數(shù)模型更為適宜[16]，其中負(fù)二項(xiàng)回歸是更為常用的方法。在僅考慮專利分類、發(fā)明人以及現(xiàn)有技術(shù)的參考資料等事前指標(biāo)(exante indicator)時，深度學(xué)習(xí)方法在預(yù)測專利被引方面的表現(xiàn)要優(yōu)于引文滯后分布和Tobit回歸[126]。此外，有學(xué)者將負(fù)二項(xiàng)回歸與其他研究方法相結(jié)合進(jìn)行研究，如結(jié)合突變級數(shù)模型，繼而從靜動兩個視角分析專利文獻(xiàn)和科學(xué)文獻(xiàn)對專利被引的影響[23]。其他方法包括ERG模型、決策樹方法、技術(shù)共類分析等。決策樹避免變量獨(dú)立條件[40]，ERG模型避免了獨(dú)立性與分布假設(shè)的約束[65]，在現(xiàn)有研究中的應(yīng)用尚較少。

4 結(jié)論

本文系統(tǒng)梳理專利被引影響因素的相關(guān)研究，識別并歸納了三類共14個影響專利被引頻次的因素：后向引用因素，包括后向引用文獻(xiàn)數(shù)量、后向引用文獻(xiàn)質(zhì)量、引證深度以及引證廣度；專利自身因素，包括時間、早期被引、IPC分類數(shù)、專利主題、權(quán)利要求數(shù)量、同族專利數(shù)量；專利產(chǎn)生因素，包括專利權(quán)人、合作、國家、資金。三類因素在對專利被引產(chǎn)生影響的同時彼此之間也存在相互作用，如學(xué)科領(lǐng)域的調(diào)節(jié)效應(yīng)。針對同一影響因素在不同研究中效應(yīng)不一致的現(xiàn)象，本文從法律規(guī)定對引用行為的影響、本土優(yōu)勢、后向引用文獻(xiàn)類型、同族專利數(shù)量以及發(fā)明人數(shù)量五個角度進(jìn)行了討論。此外，還對研究方法進(jìn)行歸納，指出采用被引頻次衡量專利質(zhì)量的爭議，為專利被引影響因素的后續(xù)研究提供了借鑒和啟示。