創(chuàng)新力預測專利申請量預測方法研究

第一章 背景
第二章 改進專利申請預測的研究項目
　1 引言
　2 動機與任務描述
　3 專利申請預測方法
　　3.1 EPO所用的和專家咨詢組報告中討論的方法
　　3.2 咨詢組所建議的方法
　4 研究方案設計
　　4.1 研究項目的框架
　　4.2 模塊A——調查法
　　4.3 模塊B——企業(yè)層面的專利申請量
　　4.4 模塊C——行業(yè)和國家層面的專利申請量
　　4.5 模塊D——專利傳遞模型
　　4.6 模塊E——申請數(shù)據(jù)集的時間序列模型
　5 數(shù)據(jù)需求和模塊關聯(lián)
　6 進一步的建議
　　6.1 研究競賽
　　6.2 研究會議
第三章 從理論到時間序列
　1 引言
　2 理論模型
　3 時間序列回歸方法
　4 結論
第四章 時間序列預測專利的相對精確度分析：時空分解法的優(yōu)勢
　1 引言
　2 數(shù)據(jù)描述
　3 預測方法綜述
　4 預測方法的運用
　　4.1 一元ARIMA模型(年度數(shù)據(jù))
　　4.2 一元ARIMA模型(月度數(shù)據(jù))
　　4.3 多元ARIMA模型(年度數(shù)據(jù))
　　4.4 多元ARIMA模型(月度數(shù)據(jù))
　　4.5 一元DLM模型(年度數(shù)據(jù))
　　4.6 一元DLM模型(月度數(shù)據(jù))
　　4.7 多元DLM模型(年度數(shù)據(jù))
　　4.8 多元DLM模型(月度數(shù)據(jù))
　5 相對精確度分析
　6 更長時間軸范圍內的預測精確度
　7 結論
第五章 向歐專局申請專利的驅動力：產(chǎn)業(yè)途徑
　1 引言
　2 專利和經(jīng)濟因素的關聯(lián)
　3 實證分析結果
　　3.1 總體模型
　　3.2 國家模型
　　3.3 產(chǎn)業(yè)模型
　4 結論
第六章 預測專利申請的時間序列法
　1 引言
　2 數(shù)據(jù)描述
　3 模型描述
　4 應用方法和診斷的描述
　5 分析的結果　
　　5.1 平穩(wěn)性
　　5.2 預白噪聲化和交叉相關
　　5.3 自回歸分布滯后(ADL)法的結果
　　5.4 向量自回歸(VAR)法獲得的結果
　6 結論
　7 附錄
第七章 向歐專局申請的國際專利：總體、產(chǎn)業(yè)和同族申請
　1 引言
　2 文獻綜述
　3 方法論和數(shù)據(jù)集
　　3.1 概念性框架和方法論
　　3.2 數(shù)據(jù)來源
　4 實證分析
　　4.1 案例1——總體申請(按申請模式劃分)
　　4.2 案例2——產(chǎn)業(yè)申請(聯(lián)合集群)
　　4.3 案例3——同族專利申請
　5 結論
　附錄：技術注釋
第八章 微觀數(shù)據(jù)實現(xiàn)宏觀結果
　1 引言
　2 隨機抽樣調查
　　2.1 數(shù)據(jù)庫及其性能特征
　　2.2 描述統(tǒng)計
　　2.3 持續(xù)與非持續(xù)申請人
　　2.4 討論
　3 DTl記分牌與專利數(shù)據(jù)結合
　　3.1 數(shù)據(jù)
　　3.2 描述統(tǒng)計
　　3.3 相關性
　　3.4 討論
　4 結論
第九章 歐洲專利局對預測方法的改進
　1 引言
　2 現(xiàn)有方法
　　2.1 趨勢分析
　　2.2 傳遞模型
　　2.3 申請人調查
　　2.4 聯(lián)合集群層面的規(guī)劃
　　2.5 年度預測實踐　　
　　2.6 討論
　3 推薦的研究方案
　　3.1 改進專利申請預測的研究項目(迪特馬爾·哈霍夫，第二章 )
　　3.2 從理論到時間序列(彼得·欣利和沃爾特·帕克，第三章 )
　　3.3 時間序列預測專利的相對精確度分析：時空分解法的優(yōu)勢(奈杰爾·米德，第四章 )
　　3.4 向歐專局申請專利的驅動力：產(chǎn)業(yè)途徑(克努特·布蘭德，第五章 )
　　3.5 預測專利申請的時間序列法(格哈德·迪克塔，第六章 )
　　3.6 向歐專局申請的國際專利：總體，產(chǎn)業(yè)和同族申請(沃爾特·帕克，第七章 )
　　3.7 微觀數(shù)據(jù)實現(xiàn)宏觀結果(賴爾·費希，第八章 )
　4 歐專局執(zhí)行建議情況概述
　5 預測的比較
　6 歐專局預測的未來發(fā)展
　7 結論
參考文獻
譯后記