唐健廷 盧志平, 2

(1.廣西科技大學經(jīng)濟與管理學院 柳州 545006；2.廣西工業(yè)高質(zhì)量發(fā)展研究中心 柳州 545006)

“十四五”規(guī)劃和2035年遠景目標綱要中要求，2025年每萬人口擁有高價值發(fā)明專利12件；而截至2020年底，該數(shù)據(jù)僅為6.3件[1]。因此，作為專利申請的主力軍，高校中的發(fā)明人在政策和課題的驅(qū)動下會加大對專利的申請力度。對于所擁有的專利，高?？梢酝ㄟ^專利運營的方式將專利技術(shù)轉(zhuǎn)化為現(xiàn)實生產(chǎn)力[2]。然而目前高校中大部分專利仍是處于閑置狀態(tài)，這些專利不僅未能體現(xiàn)出商業(yè)價值，還會給高校帶來一定的費用負擔。因此，對高校專利的可轉(zhuǎn)化性進行評估可以給高校的專利管理部門提供決策參考，盤活專利資產(chǎn)。一方面可以對轉(zhuǎn)化價值低的專利及時放棄，節(jié)約專利管理成本；另一方面可以促進專利在市場上的流通，使高校研發(fā)的專利在企業(yè)產(chǎn)品上得到應用。

1 研究現(xiàn)狀

不同學者對專利轉(zhuǎn)化的定義有所差異。駱敏巧認為專利轉(zhuǎn)化包括了專利權(quán)的轉(zhuǎn)讓和許可，轉(zhuǎn)讓的情況下，專利權(quán)屬發(fā)生了轉(zhuǎn)移；而專利許可的情況，則沒有發(fā)生專利權(quán)屬的轉(zhuǎn)移[3]。廖忠安將專利轉(zhuǎn)化定義為：專利權(quán)人將專利權(quán)自己進行實施或轉(zhuǎn)讓、許可給第三方進行實施，并通過開發(fā)獲得專利產(chǎn)品，最終在市場上獲得產(chǎn)業(yè)化的過程[4]。由于在高?！咝?、高?！獋€人的轉(zhuǎn)化模式中，作為受讓人(被許可人)缺乏足夠的經(jīng)濟實力和投資欲望，短期內(nèi)難以將專利成果轉(zhuǎn)化到市場上[5]。因此，本文所討論的專利轉(zhuǎn)化是高校作為專利權(quán)人，將專利權(quán)轉(zhuǎn)讓或許可給外部企業(yè)的行為。

具有可轉(zhuǎn)化價值的專利通常是兼具技術(shù)質(zhì)量和市場價值的專利，并且專利質(zhì)量是實現(xiàn)專利市場價值的前提，兩者關(guān)系通過專利轉(zhuǎn)化得到體現(xiàn)[6-7]。冉從敬等通過研究表明，高校中的專利是否容易得到轉(zhuǎn)化很大程度取決于專利的內(nèi)在價值，專利的技術(shù)維度、法律維度和經(jīng)濟維度這三個主要維度都會對專利可轉(zhuǎn)化性產(chǎn)生影響[8]。專利的轉(zhuǎn)讓或許可次數(shù)也可以作為衡量專利質(zhì)量的一個標簽，表現(xiàn)為專利質(zhì)量越高，專利得到轉(zhuǎn)讓或許可的機會也會越多[9]。針對某項專利進行評估，可以參考文獻[10-11]的專利評估體系，但是涉及到需要對大量專利進行評估的情況，這種評價體系的操作性則不強，因此有不少學者將機器學習模型運用到專利評估領(lǐng)域，以解決需要對大量專利同時進行價值統(tǒng)計和評估的問題。其中包括了對專利的評估指標體系規(guī)模進行約減，在降低指標體系冗余的同時，提高了評估的準確性[12]；以及對各類機器學習算法的評估模型進行比較，驗證了神經(jīng)網(wǎng)絡(luò)模型在專利評估中具有較好的實驗效果[13-14]。由于神經(jīng)網(wǎng)絡(luò)模型本身存在著收斂速度慢、算法不完備的局限性，因此有學者對模型進行算法優(yōu)化，以提高專利評估分析的準確性[15-16]。并且利用機器學習的方法進行評估，不會涉及到評估人員的主觀分析，讓結(jié)果更具客觀性。

綜上所述，由于專利質(zhì)量和專利的可轉(zhuǎn)化性是存在關(guān)聯(lián)的[6-9]。因此，本文在構(gòu)建專利可轉(zhuǎn)化性評估指標體系時，參考業(yè)內(nèi)共識的專利質(zhì)量評價指標，并通過相關(guān)文獻去論述其在專利可轉(zhuǎn)化性評價中的適用性。同時考慮到地方高校的專利轉(zhuǎn)化特征以及需要對大量專利進行分析的情況，利用文獻計量的方法，得到已轉(zhuǎn)化專利所具有差異特征的指標。并選擇BPNN作為評估模型，對11所地方高校的授權(quán)發(fā)明專利進行分析，最后依據(jù)評估結(jié)果提出相關(guān)建議，為提高高校的專利質(zhì)量和促進專利轉(zhuǎn)化提供參考。具體流程如圖1所示，第一步為數(shù)據(jù)的獲取，第二步為模型的構(gòu)建，第三步為評估分析與結(jié)論。

圖1 高校專利可轉(zhuǎn)化性評估流程

2 地方高校專利可轉(zhuǎn)化性評估體系構(gòu)建

2.1 專利可轉(zhuǎn)化性評估指標初選

本文通過相關(guān)文獻梳理[17-30]和咨詢專家意見，并根據(jù)以下原則去初步構(gòu)建一種適用于發(fā)明專利可轉(zhuǎn)化性評估的指標體系：全面性原則，所選擇的指標能夠從多個不同的維度去全面、客觀地體現(xiàn)出專利的可轉(zhuǎn)化性；可操作性原則，所選擇的指標可以進行量化，并且指標的數(shù)據(jù)來源可靠，獲取信度高；導向性原則，重點圍繞高校專利轉(zhuǎn)化的特點進行指標的選擇。所選擇的指標如表1所示。

表1 專利可轉(zhuǎn)化性評估指標體系

2.1.1技術(shù)維度

a.被企業(yè)專利引用次數(shù)。企業(yè)在追蹤一個領(lǐng)域的技術(shù)發(fā)展時，往往會對該領(lǐng)域的專利進行重點關(guān)注。一項專利被企業(yè)中專利引用的次數(shù)，一方面可以說明高校向企業(yè)知識溢出的影響，另一方面可以反映該專利被企業(yè)關(guān)注的程度。當引用次數(shù)越多，該項專利技術(shù)從高校向企業(yè)轉(zhuǎn)移的概率越大[17]。

b.引用次數(shù)。 專利的引用體現(xiàn)出了技術(shù)之間的連續(xù)性和累積性。一方面，專利的引用次數(shù)是專利質(zhì)量評價中認可度最高的指標，特別是作為技術(shù)質(zhì)量的指標，對專利的轉(zhuǎn)化具有促進作用[18]；另一方面，引用在先專利的數(shù)量越多，改進甚至替代的舊技術(shù)也越多，發(fā)生轉(zhuǎn)化的可能性也就越大[19]。

c.IPC分類數(shù)量。一項專利所獲得的IPC分類號越多，證明了該專利的技術(shù)分類所屬范圍越大，被企業(yè)所應用到產(chǎn)品上的范圍也越寬廣。因此在技術(shù)鏈環(huán)節(jié)間的匹配需求下，專利發(fā)生轉(zhuǎn)讓或許可的機會就越多[19]。

d.引用文獻數(shù)量。引用文獻數(shù)是發(fā)明專利所引用的科學文獻數(shù)量，理論研究的成果通常在科技文獻中發(fā)表，而技術(shù)成果是通過專利來體現(xiàn)，專利引用文獻數(shù)量可以體現(xiàn)出該項專利與理論研究成果的關(guān)聯(lián)性。Handong Z等對高校專利的可轉(zhuǎn)讓性分析，認為引用科技文獻數(shù)量這一指標可以預測高校專利的可轉(zhuǎn)讓性[20]。

e.技術(shù)功效TRIZ參數(shù)。技術(shù)功效詞對應的TRIZ技術(shù)參數(shù)，是指在專利原文中描述的技術(shù)功能或技術(shù)效果的短語，所對應工程參數(shù)的數(shù)量。該指標可以反映出專利技術(shù)在標準化的情況下能夠解決或改善實際問題的數(shù)量。

2.1.2法律維度

a.獨權(quán)字數(shù)。獨權(quán)字數(shù)是權(quán)利要求當中獨立權(quán)利要求的字數(shù)，體現(xiàn)了在法律框架下對于專利權(quán)利的保護范圍。由于獨立權(quán)利要求對技術(shù)所限定的保護范圍是最廣的，因此隨著獨立權(quán)利要求字數(shù)的增多，對于權(quán)利的描述越詳細，技術(shù)限定也越多，保護范圍就會變得越窄。同時，Dang和Motohashi通過對中國企業(yè)的專利進行分析，也得出了該項指標對專利的價值呈負向影響的結(jié)論[21]。

b.審查時長。通過審查員對發(fā)明專利的實質(zhì)審查時間來衡量該專利的技術(shù)復雜程度。一項發(fā)明專利進行實質(zhì)審查的時間越久，可以認為該項專利的技術(shù)越復雜，能體現(xiàn)的技術(shù)質(zhì)量越高[22]。另外，李建霖等通過描述性統(tǒng)計發(fā)現(xiàn)，高校中已轉(zhuǎn)化專利的審查時長均值明顯高于未轉(zhuǎn)化專利[23]。

c.文獻頁數(shù)。文獻頁數(shù)是指專利的說明書、權(quán)利要求和說明附圖的總頁數(shù)，文獻頁數(shù)越多，說明了對技術(shù)細節(jié)描述越詳細，技術(shù)的復雜程度也越高。由于專利的文獻頁數(shù)對于專利的技術(shù)質(zhì)量具有顯著的正向效應，因此該指標對專利的轉(zhuǎn)化也具有正向的促進作用[24]。

d.權(quán)利要求數(shù)。權(quán)利要求數(shù)是技術(shù)在申請專利時所要求保護權(quán)利的數(shù)量。是對專利新穎性和穩(wěn)定性判斷的重要依據(jù)，一方面，Zhang等通過對中國的專利進行實證研究，提出利用專利新穎性來表征可轉(zhuǎn)化程度[25];另一方面，專利權(quán)利的穩(wěn)定性也是專利接收者考慮的首要因素之一[26]。

e.獨立權(quán)利要求數(shù)。獨立權(quán)利要求數(shù)是專利的權(quán)利要求書中最重要的、且無需依附其他權(quán)利要求的權(quán)項。特別是對于多個構(gòu)思形成的發(fā)明專利，多個獨立權(quán)利要求可以實現(xiàn)不進行分案處理情況下，對不同構(gòu)思進行保護。在組態(tài)視角下分析，獨立權(quán)利要求構(gòu)成了專利轉(zhuǎn)化的核心條件之一[27]。

2.1.3市場維度

a.訴訟次數(shù)。本文中的訴訟次數(shù)是指專利權(quán)人就該項專利受到競爭對手侵權(quán)時所提起訴訟的次數(shù)。該項指標表現(xiàn)出專利技術(shù)在市場上的受關(guān)注程度以及在產(chǎn)品中的應用情況，是專利潛在價值的一種體現(xiàn)，而潛在價值高的專利技術(shù)，轉(zhuǎn)化的潛力也越大[28]。

b.同族規(guī)模。同族規(guī)模數(shù)量是指專利在不同國家或地區(qū)申請專利的數(shù)量，目的是為了使該項專利在全球多個國家和地區(qū)得到保護，體現(xiàn)出了該專利的國際市場競爭力，是專利轉(zhuǎn)化的積極因素。對已轉(zhuǎn)化專利的文獻特征計量分析也表明，專利能否轉(zhuǎn)化與同族成員數(shù)量顯著正相關(guān)[19]。

c.專利維持時間。專利維持時間是指從一項專利的申請日起，至評估基準日的時間跨度。專利維持時間的長短，能從側(cè)面反映專利質(zhì)量及專利權(quán)人重視程度，對于專利是否可以轉(zhuǎn)化能起到較為重要的作用[18]。

2.1.4主體維度

a.發(fā)明人數(shù)量。專利發(fā)明人數(shù)量是指一項專利中對創(chuàng)造發(fā)明做出貢獻的總?cè)藬?shù)，可以作為衡量專利技術(shù)復雜程度的指標。但有研究表明，發(fā)明人數(shù)過多會產(chǎn)生權(quán)益分歧，發(fā)明人之間的參與度和協(xié)作度會降低[29]。李睿等通過對專利特征的計量分析，發(fā)現(xiàn)在得到成功轉(zhuǎn)化的高校專利中，發(fā)明人數(shù)量的均值為4左右[19]。因此發(fā)明人數(shù)量對專利的轉(zhuǎn)化呈倒U型影響。

b.合作企業(yè)數(shù)量。合作企業(yè)數(shù)量是指高校作為該專利第一申請人時，企業(yè)作為共同申請人的數(shù)量。非合作或高校、研究院之間的合作，對專利轉(zhuǎn)讓及專利許可的影響較小。而高校-企業(yè)之間的合作，一方面有助于信息交流與資源互補，產(chǎn)出更高質(zhì)量、更符合市場需求的專利，從而使校企合作專利更具轉(zhuǎn)化可能性[30]。

2.1.5轉(zhuǎn)化維度

轉(zhuǎn)化維度采用轉(zhuǎn)讓/許可次數(shù)進行評價。轉(zhuǎn)讓/許可次數(shù)是指一項專利的權(quán)利轉(zhuǎn)讓或者許可給第三方進行實施的次數(shù)，可以作為衡量專利轉(zhuǎn)化的特征指標[3-5]。

2.2 文獻計量與BPNN模型

本文采用文獻計量方法中的Mann-Whitney U檢驗與BPNN模型進行結(jié)合，對專利可轉(zhuǎn)化性進行評估。其中Mann-Whitney U檢驗主要用于檢驗兩組樣本是否來自同一總體，等價于判斷兩組樣本是否存在差異。由于專利可轉(zhuǎn)化性評估涉及的指標較多，因此采用Mann-Whitney U檢驗方法，對地方高校中已經(jīng)成功轉(zhuǎn)化的專利與未成功轉(zhuǎn)化專利之間的文獻計量特征差異進行研究，根據(jù)Z統(tǒng)計量的概率來判斷地方高校專利的可轉(zhuǎn)化性與其各項指標文獻計量特征的相關(guān)程度。同時對初選指標體系中不顯著的指標進行約減，降低指標體系的冗余程度。

BPNN模型是一種將輸出值Zp與期望值的誤差Eq前向反饋，同時基于誤差梯度下降法不斷調(diào)整神經(jīng)元之間的連接權(quán)值為μi+γΔμi，以及將偏置參數(shù)進行修正的數(shù)學模型，目前在多個學科領(lǐng)域得到廣泛的應用。如式(1)、式(2)所示，其中，γ為控制算法的更新速度，Δμi為負梯度方向。

(1)

(2)

由于專利在評估過程中所涉及的指標較多，并且存在著與專利可轉(zhuǎn)化性相關(guān)程度較低的特征指標。為了避免BPNN模型在訓練學習的過程中出現(xiàn)過度擬合，需要對特征指標進行約減，降低模型的復雜程度以及提高評估結(jié)果的準確性[31]。本文先通過Mann-Whitney U檢驗的方法，將初選指標體系中不顯著的指標進行約減，再將約減后的特征指標輸入到BPNN模型中，進而防止冗余的指標對BPNN模型訓練的干擾，其結(jié)構(gòu)如圖2所示。

圖2 評估模型結(jié)構(gòu)

2.3 評估結(jié)果分析方法

2.3.1模型性能評價

本文采用準確率(accuracy)、精確率(precision)、召回率(recall)和F1值共4個指標對分類結(jié)果進行評價，驗證評估模型的性能。其中，準確率是分類正確的樣本個數(shù)M和樣本總數(shù)N的比率，精確率是預測正確的正例數(shù)Mp和實際正例數(shù)Nc的比率，召回率是預測正確的正例數(shù)Mp和預測為正例的數(shù)Nc的比率，由于在實際的分類中，需要平衡精度和召回率，通常使用兩者的調(diào)和平均數(shù)F1作為一個綜合評價指標，計算公式如下：

(3)

(4)

(5)

(6)

2.3.2專利轉(zhuǎn)化價值分級

對專利可轉(zhuǎn)化性進行評估，并獲取每件專利的轉(zhuǎn)化價值等級，轉(zhuǎn)化價值等級越高說明該項專利未來能實現(xiàn)轉(zhuǎn)化的概率越高。仿照標準10分評估方法，設(shè)置10級閾值，其中R1—R3為轉(zhuǎn)化價值較低，R4—R7為轉(zhuǎn)化價值一般，R8—R10為極具有轉(zhuǎn)化價值。等級劃分如表2所示。

表2 專利轉(zhuǎn)化價值分級表

2.3.3專利平均轉(zhuǎn)化價值計算

為了能夠更好地對各所高校的專利可轉(zhuǎn)化情況進行分析，需要將11所高校的專利平均轉(zhuǎn)化價值分別進行計算和排序。其中Pi為某所高校中每個價值等級的專利分別占該校專利總數(shù)的比率，v為該所高校的專利平均轉(zhuǎn)化價值：

(7)

3 實證分析

3.1 數(shù)據(jù)來源及處理

根據(jù)申請人構(gòu)建檢索式，并利用incoPat專利數(shù)據(jù)庫選取并下載了廣西地區(qū)中的廣西大學、桂林理工大學、廣西醫(yī)科大學等綜合類、理工類、醫(yī)藥類、師范類和民族類共11所高校在2013—2020年的授權(quán)發(fā)明專利指標數(shù)據(jù)，其檢索流程如圖3所示。

圖3 專利樣本檢索流程

剔除高?！咝?、高校—個人轉(zhuǎn)化模式下的專利樣本，保留高?！髽I(yè)轉(zhuǎn)化模式下的樣本。共得到“法律狀態(tài)→失效”的樣本616條，這些專利是因為主動放棄繳納年費而失效，證明專利權(quán)人判斷該專利未來收益要低于所繳納的年費成本，因此不具備轉(zhuǎn)化價值；“有效AND(轉(zhuǎn)讓OR許可)”樣本756條，這些專利是已經(jīng)成功轉(zhuǎn)讓或許可到外面的企業(yè)；以及“有效AND(未轉(zhuǎn)讓OR未許可)”樣本5 096條，作為待評估的專利。

3.2 轉(zhuǎn)化組與非轉(zhuǎn)化組差異分析

為了得到與地方高校專利可轉(zhuǎn)化性相關(guān)的特征指標，將成功轉(zhuǎn)化的756項專利歸為轉(zhuǎn)化組，已失效和未轉(zhuǎn)化的5 712項專利歸為非轉(zhuǎn)化組。利用SPSS21.0軟件對兩組的15項特征指標進行差異分析，Mann-Whitney U差異性檢驗結(jié)果如表3—表5所示，指標描述性統(tǒng)計對比如表6所示。

表3 轉(zhuǎn)化組與非轉(zhuǎn)化組Mann-Whitney U差異性檢驗結(jié)果1

表4 轉(zhuǎn)化組與非轉(zhuǎn)化組Mann-Whitney U差異性檢驗結(jié)果2

表5 轉(zhuǎn)化組與非轉(zhuǎn)化組Mann-Whitney U差異性檢驗結(jié)果3

表6 轉(zhuǎn)化組與非轉(zhuǎn)化組指標描述性統(tǒng)計對比

由Mann-Whitney U檢驗結(jié)果可知，轉(zhuǎn)化組與非轉(zhuǎn)化組的專利在C1被企業(yè)專利引用次數(shù)、C3IPC分類數(shù)量上具有差異，在C2引用次數(shù)、C6獨權(quán)字數(shù)、C8文獻頁數(shù)、C9權(quán)利要求數(shù)、C10獨立權(quán)利要求數(shù)、C13專利維持時間、C14發(fā)明人數(shù)量、C15合作企業(yè)數(shù)量上具有顯著差異。而剩下的指標則不具備差異。

對具有差異和顯著差異的特征指標進行描述統(tǒng)計量分析，發(fā)現(xiàn)轉(zhuǎn)化組與非轉(zhuǎn)化組的指標C6獨權(quán)字數(shù)的均值為529.23和578.32，C14發(fā)明人數(shù)量的均值為4.09和5.66。在這兩組指標的均值上非轉(zhuǎn)化組均高于轉(zhuǎn)化組。原因在于專利中獨立權(quán)利要求描述越詳盡，專利的保護范圍會變得越狹窄，此時專利所能體現(xiàn)出的價值度就越低[21]，以及專利發(fā)明人數(shù)對于專利可轉(zhuǎn)化性呈倒U型的影響[19]。而其它具有差異和顯著差異的指標在均值上，轉(zhuǎn)化組都高于非轉(zhuǎn)化組，證明這些特征指標對于專利可轉(zhuǎn)化性呈正向影響?？梢哉J為這10個特征指標與這11所高校的發(fā)明專利可轉(zhuǎn)化性相關(guān)。因此，將轉(zhuǎn)化組與非轉(zhuǎn)化組中不具備差異的指標從初選的指標體系中約減，結(jié)果如表7所示。

表7 約減后指標對照表

3.3 專利可轉(zhuǎn)化性評估模型構(gòu)建

通過Matlab2016a構(gòu)建BPNN模型。其中“有效AND(轉(zhuǎn)讓OR許可)”和“法律狀態(tài)→失效”中的80%專利作為訓練集樣本，輸入到BPNN模型進行訓練；剩余的20%專利樣本為測試集，包括123件“法律狀態(tài)→失效”的專利和151件“有效AND(轉(zhuǎn)讓OR許可)”的專利，對模型的性能進行測試評價。為了比較約減前后的輸入指標對模型性能的影響，將表1中初步構(gòu)建的指標與表6中約減后的指標數(shù)據(jù)輸入模型進行測試，并通過準確率、精確率、召回率和F1值去驗證評估模型的性能，結(jié)果如表8所示。

表8 模型測試結(jié)果

由表8可知，指標約減后，評估模型測試結(jié)果的準確率、精確率和F1值均大于0.75，而召回率最高，達到了0.765。相比于指標約減前的模型測試結(jié)果更優(yōu)，證明了該模型的有效性和穩(wěn)健性較好。因此，通過Mann-Whitney U檢驗和BPNN模型對專利可轉(zhuǎn)化性進行評估具有可行性。同時，獲取特征重要性并進行歸一化處理，從高到低進行排序，從特征重要性的高低去說明特征指標的重要程度，如表9所示。

表9 特征重要性排序

3.4 專利可轉(zhuǎn)化性評估結(jié)果分析

在驗證評估模型有效性的基礎(chǔ)上，將預測集“有效AND(未轉(zhuǎn)讓OR未許可)”中5 096項專利的指標數(shù)據(jù)輸入模型，對11所高校的授權(quán)發(fā)明專利進行可轉(zhuǎn)化性評估，預測得到每件專利的轉(zhuǎn)化價值等級。結(jié)果如圖4所示，圖中的每一點的預測值表示一件專利所預測得到的轉(zhuǎn)化價值等級。并對每個預測等級中的專利數(shù)量進行分級統(tǒng)計形成表10。

圖4 專利轉(zhuǎn)化價值等級預測

表10 專利轉(zhuǎn)化價值分級統(tǒng)計表

其中，轉(zhuǎn)化價值等級越高，表示該項專利能夠?qū)崿F(xiàn)轉(zhuǎn)讓或許可的概率越大；轉(zhuǎn)化價值等級越低，表示專利權(quán)人主動放棄該專利權(quán)的概率越大。分析表10可以發(fā)現(xiàn)，處于R8→R10級的專利數(shù)量比重為2.98%，共包含152件專利；處于R4→R7的專利數(shù)量比重74.96%，共包含3 820件專利，處于R1→R3級的專利比重為22.06%，共包含1 124件專利。反映出極具轉(zhuǎn)化價值的專利較少，大部分專利的轉(zhuǎn)化價值一般，并且超過20%的專利轉(zhuǎn)化價值較低，存在專利權(quán)人主動放棄專利權(quán)的可能。

在表10中專利的轉(zhuǎn)化價值分級統(tǒng)計基礎(chǔ)上，將每一件專利的轉(zhuǎn)化價值由低到高進行排序，并添加趨勢線，其中橫坐標表示專利樣本的統(tǒng)計項數(shù)，縱坐標表示轉(zhuǎn)化價值，得到如圖5所示的11所高校專利轉(zhuǎn)化價值分布趨勢。

圖5 11所高校專利轉(zhuǎn)化價值分布趨勢

從圖5可以看出，11所高校發(fā)明專利的轉(zhuǎn)化價值呈二次多項式分布，其中擬合方程為y = 8E-09x2+ 5E-05x + 0.2114，R2= 0.9514，方程具有一定的擬合度。同時也與文獻[32]得到的專利價值呈二次多項式分布的結(jié)論一致，進一步證明了該評估模型的有效性。

根據(jù)圖5和表10的分析可以得到廣西11所高校中只有少部分發(fā)明專利具有轉(zhuǎn)化價值，而大部分發(fā)明專利轉(zhuǎn)化價值不高的結(jié)論。產(chǎn)生這種狀況的原因，一方面由于多數(shù)專利是高?？蒲腥藛T在課題或項目驅(qū)動下去申請的，其目的是為了完成課題或項目，并非是為了在市場上實現(xiàn)轉(zhuǎn)化，因此所申請的專利在技術(shù)競爭力、經(jīng)濟關(guān)聯(lián)性、權(quán)利穩(wěn)定性等方面都有所欠缺；另一方面是出于對核心專利的保護的目的而去申請大量的外圍專利，并與核心專利共同形成專利組合。外圍專利雖然質(zhì)量不高，但在實施轉(zhuǎn)化的過程中，同一專利組合的專利往往是一起進行轉(zhuǎn)讓或許可的。因此外圍專利的申請是對專利組合的質(zhì)量起到正向積極的作用，是構(gòu)建專利壁壘的一種策略手段。

為了對各所高校的專利可轉(zhuǎn)化情況進行比較分析，計算11所高校發(fā)明專利的平均轉(zhuǎn)化價值，并將結(jié)果進行排序，以體現(xiàn)不同類型的院校之間專利競爭力的差異情況，具體如表11所示。

表11 11所高校發(fā)明專利平均轉(zhuǎn)化價值對比

從表11可以看出，這11所高校中專利平均轉(zhuǎn)化價值排名前列的主要是理工類院校。由于該類高校的科研硬實力或資源投入往往高于其他類別院校，因此理工類院校相對于其他類別院校通常具有更高的專利競爭力。對于醫(yī)藥類院校而言，所要求的科研條件通常不亞于理工類院校[33]，并且醫(yī)藥類專利的產(chǎn)出周期也更長。因此該類院校往往需要投入更多的軟、硬件資源，才能產(chǎn)出高質(zhì)量的專利成果。而在師范類院校中，科技機構(gòu)和科研項目的數(shù)量不如理工類院校，因此所產(chǎn)出的專利成果價值也通常不及理工類院校。

專利平均轉(zhuǎn)化價值排名前三的高校都具有較強的科研實力。其中高校1和高校3入選了2020年國家知識產(chǎn)權(quán)試點高校，高校2入選了首批高校國家知識產(chǎn)權(quán)信息服務(wù)中心名單。主要得益于這幾所高校緊緊圍繞著廣西工業(yè)化、城鎮(zhèn)化建設(shè)需要，積極發(fā)揮自身的學科優(yōu)勢，推進產(chǎn)學研的合作。

3.5 各地區(qū)高校專利可轉(zhuǎn)化性分析

為了進一步對不同地區(qū)中各類型院校的專利可轉(zhuǎn)化價值進行有效評價與分析，選取了東北地區(qū)的吉林省、東部地區(qū)的浙江省、中部地區(qū)的湖北省各11所代表性院校的專利進行分析，并將結(jié)果與廣西高校比較。其中吉林省選取了吉林大學、東北師范大學、東北電力大學等高校；浙江省選取了浙江大學、浙江師范大學、寧波大學等高校；湖北省選取了武漢大學、華中科技大學、華中師范大學等高校。通過模型分析，得到結(jié)果如表12所示。

表12 各地區(qū)高校發(fā)明專利平均轉(zhuǎn)化價值對比

從表12中的結(jié)果可以看出，浙江省和湖北省代表性高校的專利平均轉(zhuǎn)化價值明顯高于廣西和吉林省的代表性高校，并且浙江省的高校最為突出。這主要存在兩個方面的原因，一方面是在發(fā)達的地區(qū)，高校所擁有的資金實力與創(chuàng)新能力普遍較高，在科研方面相較于其他地區(qū)高校具有更多的資源投入；另一方面是該地區(qū)具有較為良好的知識產(chǎn)權(quán)環(huán)境，可以通過完善的知識產(chǎn)權(quán)保護制度引導發(fā)明人的創(chuàng)新意愿，以及成熟的知識產(chǎn)權(quán)服務(wù)去正向促進高質(zhì)量專利的產(chǎn)出，進而影響專利的轉(zhuǎn)化價值[33]。相比之下，廣西和吉林省的代表性高校比較缺乏同等的資源條件與知識產(chǎn)權(quán)環(huán)境。同時，對于這幾個省份中部分理工科背景深厚、綜合實力強的高校，企業(yè)也會更傾向于進行深度的技術(shù)合作，因此具有更高的專利競爭力[34]。

4 結(jié)論與建議

本文運用了Mann-Whitney U差異性檢驗與BPNN模型對廣西地區(qū)11所各類型院校的專利可轉(zhuǎn)化性進行評估研究，并將計算得到的專利平均轉(zhuǎn)化價值與其他區(qū)域高校進行比較，得到如下結(jié)論和相關(guān)建議：

第一，從結(jié)論層面分析，高校專利的可轉(zhuǎn)化價值具有以下特點：其一，不同類型院校之間的專利平均轉(zhuǎn)化價值存在著一定差距。特別是理工科背景深厚、綜合實力強的高校，在科研實力、資源投入和企業(yè)合作深度方面往往高于其他類型院校，所產(chǎn)出的專利更具轉(zhuǎn)化價值。其二，不同區(qū)域高校的專利平均轉(zhuǎn)化價值存在差異，相較于廣西和吉林地區(qū)，浙江和湖北地區(qū)代表性高校的專利平均轉(zhuǎn)化價值更高，并且浙江地區(qū)高校更為突出。主要得益于地區(qū)高校擁有的經(jīng)濟實力與所處地區(qū)成熟的知識產(chǎn)權(quán)環(huán)境。

第二，從理論意義層面分析，采用Mann-Whitney U檢驗方法，通過Z統(tǒng)計量的概率來判斷地方高校專利的可轉(zhuǎn)化性與其各項指標的相關(guān)程度，可以對高校中已經(jīng)成功轉(zhuǎn)化的專利與未成功轉(zhuǎn)化專利的特征指標進行差異性分析。同時從兩個方面進行考慮：a.在該地區(qū)的高校中，轉(zhuǎn)化專利與未轉(zhuǎn)化專利的特征指標，哪些是存在差異的。b.若特征指標存在差異，各自呈現(xiàn)怎樣的特點，對專利可轉(zhuǎn)化性的影響是怎樣的。在此基礎(chǔ)上去結(jié)合BPNN模型，對不同地區(qū)高校，以及同一地區(qū)中不同類型高校的專利可轉(zhuǎn)化性進行評估。在實際應用方面，該方法可以很好地解決在專利可轉(zhuǎn)化性評估當中，區(qū)域差別性所帶來的專利可轉(zhuǎn)化價值不確定因素多的問題。

第三，結(jié)合本文研究，提升廣西地區(qū)高校專利的可轉(zhuǎn)化價值可以從以下幾個方面進行考慮：a.凝練團隊規(guī)模，加強外部合作。通過加強高校和企業(yè)的合作，可以促進校企之間的資源協(xié)同。同時以市場需求為導向，校企合作研發(fā)的專利可以更快得到轉(zhuǎn)化，有利于企業(yè)抓住專利產(chǎn)品的生命周期進行開發(fā)，去支撐產(chǎn)品進行市場突破。b.提高專利撰寫質(zhì)量。已轉(zhuǎn)化專利的引用專利次數(shù)、獨立權(quán)利要求字數(shù)和權(quán)利要求數(shù)都與未轉(zhuǎn)化專利存在顯著性差異。因此在撰寫專利文本時，應重視對于在先專利的引用，突出所申請專利與在先專利之間存在的技術(shù)關(guān)聯(lián)性；同時還可以在獨立權(quán)利要求中盡量減少對于技術(shù)特征的描述，擴大專利技術(shù)的保護范圍；增加權(quán)利要求數(shù)量，在擴充專利新穎性的同時，保證了專利權(quán)的穩(wěn)定性。c.重視跨學科、跨領(lǐng)域探索。不同類型院校之間跨領(lǐng)域合作，可以實現(xiàn)優(yōu)勢互補。例如，理工類院?？梢院歪t(yī)藥類院校進行專利的合作研發(fā)，形成新工科和新醫(yī)科的融合發(fā)展[35]。這樣不僅同時提高了理工類院校和醫(yī)藥類院校的專利競爭力水平，還可以充分利用理工類院校的儀器設(shè)備資源和醫(yī)藥類院校的專業(yè)知識，從而形成多學科、跨學科和跨領(lǐng)域的協(xié)同合作。