一、问题的提出

作为企业技术创新最重要的保护手段和最核心的无形资产之一，专利的价值可分为技术和权利两部分。一方面，专利可以依据其自身的科学技术所承载的内涵转换成具有物质形态的商品，通过排他性的技术实施，从市场中获益；另一方面，专利本身也是一种法律上的权利，它可以进行转让、许可、担保、作股、质押、信托等经济活动，使专利权得到最大程度的发挥和实施，依托权利实现其价值。随着知识经济的不断发展，各国政府和企业对专利的关注越来越多，世界范围内专利的数量呈爆发性增长。而伴随着专利数量的增长，大量的“问题专利”也不断暴露出来，专利价值得不到保证。因此，在实务界和理论界，有越来越多的人开始关注专利价值的评估及其实现的问题。

目前，中国专利的申请量已经超过美国、日本等专利大国，成为全球最大的专利申请国。然而，伴随着专利数量的日益增长和专利实施率的不断提高，专利价值评估及其实现的问题已然成为当前我国知识产权战略工作的重点和关键。专利价值通常表现为法律价值、经济价值和技术价值，而这些不同的专利价值类型又有着各自不同的形成机理和影响因素。正确识别专利价值影响因素，有利于企业进行有效的技术管理，提高专利活动的质量和效力。

从上述对比中可以看出，信息化进程的高速发展不仅对审计人员获取、分析及应用数据的综合能力提出了较高的要求，而且还针对审计工作模式、数据安全保护和管理决策等方面都面临着变革。

专利续费是评估专利价值的重要指标［1］，而与专利续费相关的专利维持时间也是专利价值评价的主要指标之一［2］，专利维持的年限越长，则代表其价值也越高［3］，与此相应的是，专利技术所处的生命周期对专利价值也有直接的影响［4］。专利被引用次数是评估技术重要性的一个重要变量［5］。如果发明创造被它后续的发明创造引证的次数越多，则该专利技术越重要，专利价值越高［6］。而且专利被引用次数与发明创造的市场价值有着紧密的相关性，专利被引用次数越多，该项技术的市场价值也就越高［7］。Klemperer和 Gilbert、Shapiro通过专利保护的长度和宽度，研究了专利价值与专利技术覆盖范围的关系 ［8，9］。Putnam和Reitzig通过研究也发现，专利申请的国家越多，专利权人所支付的成本就越高 ［10，11］。换句话说，就是只有专利具有较高的价值，专利权人才愿意花费成本进行保护。Harhoff等人研究了专利诉讼的次数对专利价值的影响［12］。被诉讼专利往往是专利价值较高的专利，如果专利能在诉讼中得到维持和肯定，则证明该专利将具有更高的专利价值［13］。

专利价值评估及其影响因素的研究是知识产权领域研究的热点之一。由于专利权本身所具有的不确定性，再加上评估目的的多样性，使得理论界和实务界均无法形成一个较为统一、权威的评估模型，其价值也难以实现更加客观、公允的评估。表现在研究领域，不同的学者，从不同的角度，对专利价值影响因素也均可以有自己相对合理的研究结论。而从国内外相比角度来看，国外研究起步更早，研究更加深入，应用性也更强。为此，本文从比较的角度，对中美专利价值影响因素的共性和差异性进行实证研究。

二、专利信息检索与数据处理

（一）专利信息检索平台与样本选择

Innography专利信息检索与分析平台与其他专利数据库相比最典型的数据优势是其独有的专利价值强度分析模块。利用Innography收集了全球70多个国家的专利申请书原文、专利家族信息、专利法律状态，包括美国最近40年来法院备案的专利诉讼数据、专利权人的财务信息等与专利直接或间接相关的信息。专利强度来源于加州大学及乔治梅森大学的最新研究成果，通过打分的形式对专利价值的大小进行的评价［14］。专利强度能帮助企业快速有效地从海量专利中挖掘筛选出高价值专利和核心专利。

“5.24”事故起因是内蒙新能源公司检修部员工在红牧风电场35kV五回线预试作业过程中，走错间隔，误上运行中的四回线53号电杆，造成触电烧伤。所以预防触电造成的安全事故必须加强现场作业人员的安全意识，注重电气知识和业务技能培训，具备必要的安全知识和紧急救护法。规范作业行为，严格按照电气安规中要求进行电气作业，禁止工作班成员擅自扩大工作范围，禁止非工作班成员参加工作。部分停电的工作，工作人员与未停电设备安全距离小于《设备不停电时的安全距离表》的规定时，应装设临时遮栏，其与带电部分的距离符合《人员工作中与设备带电部分的安全距离表》要求，并悬挂“止步，高压危险！”的标示牌。

本文选用Innography作为数据收集平台，检索采集 IPC－F部所有小类（共计96个）的专利价值强度、专利权利要求数量、专利引用数量、专利诉讼数量、专利文献引用数量、专利申请时长、专利年龄等数据信息。

（二）样本专利信息采集与数据处理

为了研究对象和分析结果的准确性、可靠性和稳定性，在Innography提取2014年5月之前IPC－F部的专利价值及其有关信息，逐一记录中美两国IPC－F部每一个小类下各个专利价值强度范围，记为 0～1 分、1～2分、2～3 分、3～4分、4～5分、5～6分、6～7分、7～8分、8～9 分、9～10分等数值，具体如表1和表2所示。

表1　中国专利价值影响因素研究样本（F部）

序号　　专利小类　　专利价值强度专利权利要求数量专利引用数量专利诉讼次数量专利文献引用次数量专利申请时长　　专利年龄1　F01B　1 分　0．5　0　0　0　0．8　0．3 2 2 分　0．5　0　0　0　1．1　0．7 3 3 分　0．5　0　0　0　1　1 4 4 分　0．9　0　0．1　0　1　1．1 5 5 分　1．1　0　0．1　0　0．9　1．2 6 6 分　2．3　0　0　0．1　0．9　1．3 7 7 分　3．3　0　0．6　0　1　1．3 8 8 分　2．2　0　0　0　0．4　1．9 9 9 分　2．5　0　0　0．5　0．9　1．5 10　10分　0　0　0　0　0　0……　　……　　……　　……　　……　　……　　……　　……951　F42D　1 分　0．2　0　0　0　0．7　0．4 952　2 分　0．4　0　0　0　1．3　0．7 953　3 分　0．5　0　0　0　1．1　0．9 954　4 分　0．7　0　0　0．1　1．1　1．1 955　5 分　1　0　0　0．1　0．9　1．3 956　6 分　1．7　0　0．1　0　1．2　1 957　7 分　2．3　0　0　0　0．7　1．6 958　8分　0　0　0　0　0　0 959　9分　0　0　0　0　0　0 960　10分　0　0　0　0　0　0

表2　美国专利价值影响因素研究样本（F部）

序号　　专利小类　　专利价值强度专利权利要求数量专利引用数量专利诉讼次数量专利文献引用次数量专利申请时长　　专利年龄1　F01B　1分　0.2　0.2　0.2　0.1　1　0.5 2 2分　0.4　0.3　0.1　0.2　1　1 3 3分　0.7　0.5　0.2　0.2　1　1 4 4分　0.8　0.4　0.4　0.4　1　1 5 5分　0.9　0.8　0.1　0.5　0.9　1.2 6 6分　1.1　1.2　0.1　0.5　0.9　1.2 7 7分　1.3　1.2　0.1　1　0.7　1.3 8 8分　1.4　1.4　0　1.4　0.9　1.2 9 9分　1.5　1.8　0.3　2.4　0.9　1.4 10　10分　2.4　2.9　0　2.6　1　1.3……　　……　　……　　……　　……　　……　　……　　……951　F42D　1分　0.3　0.1　0.4　0.1　0.7　1.4 952　2分　0.5　0.3　0.1　0.1　0.9　1.3 953　3分　0.7　0.5　0　0.1　1　1.1 954　4分　0.7　0.6　0　0.3　0.8　1.2 955　5分　0.9　0.5　0.1　0.5　0.8　1.3 956　6分　1.3　0.7　0.1　0.6　0.8　1.3 957　7分　1.1　0.7　0　1.2　0.7　1.4 958　8分　1.1　1　0.1　1.5　0.8　1.3 959　9分　1.4　0.9　0　2.4　0.6　1.6

三、中美专利价值影响因素的多元线性回归

（一）变量选择和模型构建

回归模型是一种研究变量间关系的定量分析工具，它是统计学中最常用、最成熟的统计方法，因此被广泛地应用于经济、社会、科技等领域的预测、评价和控制等有关研究。现有研究表明，专利价值可以表现为技术价值、法律价值和市场价值等多种类型形式，而不同的专利价值类型，其形成机理又各不相同，因此，可以认为，专利价值的形成受到多种因素的影响。

①将所有与运维相关的活动纳入一个统一、规范、透明、前台化的管理轨道，有效克服传统管理方式带来的运维活动后台性强、信息分散、过于依赖个体等弊端。

本文以专利价值强度为因变量（PV：patent value），以专利权利要求数量（NC：number of claims）、专利引用数量（NPC：number of patent citation）、专利诉讼数量（NPL：number of patent litigation）、专利文献引用数量（NPR：number of patent reference）、专利申请时长（PTO：PTO length）、专利年龄（AP：age of patent）等6个专利价值评价指标为自变量，构建多元线性回归模型如下：

PV＝α+β1NC+β2NPC+β3NPL+β4NPR+β5PTO+β6AP+μ

式中，α为常数项，βi（i＝1，2，3，4，5，6）为专利价值各影响因素的系数，μ为随机误差项。

（二）回归方法选择、数据处理和模型执行过程

本文利用SPSS11．5执行回归模型的运行。在运行多元线性回归时，既需要全面地考虑所有可能的解释变量，至少不应漏掉明显重要的解释变量，又要通过减少解释变量的个数以达到精简模型的目的。

研究表明，权利要求和专利引证均对专利价值有积极影响，而权利要求的内容直接反映了技术创新的成果，或者说专利权人依据权利要求保护的技术成果在根本上取决于技术创新高度。因为离开了高质量的技术创新，权利要求就成为纯粹的法律上的意义，也不会对后来的技术进步和产业发展有影响力，也就不会有专利引证的数量。为此，中国专利权人要提升专利价值，通过提升自身的技术创新能力来提升创新成果的质量。

SPSS11．5在解决自变量选择方面提供了向前法、向后法和逐步回归法等回归方法，本文采取逐步回归的方法。逐步回归法的主要思路是在备选的全部自变量当中，按照自变量对因变量作用的大小和显著程度，由大到小地逐一引入回归方程，而剔除那些不显著的变量。而要执行逐步回归，通常首先需要对样本数据进行标准化处理［15］。为此，本文利用SPSS对样本数据各指标原始数据做标准化处理，而标准化后的各变量表示为 Zscore（PV）、Zscore（NC）、Zscore（NPC）、Zscore（NPL）、Zscore（NPR）、Zscore（PTO）和 Zscore（AP）。

［6］M．Trajtenberg．A penny for your quotes：Patent citations and the value of innovations［J］．RandJournalofEconomics，1990，21（1）：172－187．

（三）中美两国专利价值影响因素多元线性回归的分析

1．回归方程的皮尔逊相关分析

表3反映的是中国专利价值影响因素各变量间的皮尔逊相关系数。从表中可以看出，因变量与各自变量之间都存在相关性，因此可以认为，本文所建立的回归模型具有可行性。而表中各自变量之间的相关系数都在0．5之内，呈现低相关状态，依此可以初步判断本文所构建的回归模型不会存在严重的多重共线性问题。

表3　皮尔逊相关分析（中国）

注：相关系数P取值范围为－1≤P≤1，P值为－1时是完全负相关，P值为1时是完全正相关，P值为0．3～0．5 时是低相关，P 值为 0．5～0．8 时是显著相关，P 值大于 0．8 时是高度相关。

Zscore（PV）　Zscore（NC） Zscore（NPC） Zscore（NPL） Zscore（NPR） Zscore（PTO）　Zscore（AP）Zscore（PV）　1．000　0．336　　－0．006　0．015　0．307　　－0．316　　－0．027 Zscore（NC）　0．336　1．000　0．009　0．099　0．230　0．378　0．706 Zscore（NPC）　　－0．006　0．009　1．000　　－0．014　　－0．001　0．017　0．023 Zscore（NPL）　0．015　0．099　　－0．014　1．000　0．049　0．233　0．197 Zscore（NPR）　0．307　0．230　　－0．001　0．049　1．000　0．223　0．132 Zscore（PTO）　　－0．316　0．378　0．017　0．233　0．223　1．000　0．623 Zscore（AP）　　－0．027　0．706　0．023　0．197　0．132　0．623　1．000

通常认为，专利价值包括技术价值、法律价值和经济价值三个方面的内容。基于以上研究，本文认为，对于中国的专利权人而言，要有效提高专利价值，需要对以下事项有正确的认识。

表4　皮尔逊相关分析（美国）

注：相关系数P取值范围为－1≤P≤1，P值为－1时是完全负相关，P值为1时是完全正相关，P值为0．3～0．5 时是低相关，P 值为 0．5～0．8 时是显著相关，P 值大于 0．8 时是高度相关。

Zscore（PV）　Zscore（NC） Zscore（NPC） Zscore（NPL） Zscore（NPR） Zscore（PTO）　Zscore（AP）Zscore（PV）　1．000　0．787　0．701　0．037　0．833　　－0．118　0．397 Zscore（NC）　0．787　1．000　0．731　0．046　0．710　0．023　0．390 Zscore（NPC）　0．701　0．731　1．000　　－0．050　0．671　　－0．045　0．303 Zscore（NPL）　0．037　0．046　　－0．050　1．000　0．003　0．137　　－0．063 Zscore（NPR）　0．833　0．710　0．671　0．003　1．000　　－0．168　0．492 Zscore（PTO）　　－0．118　0．023　　－0．045　0．137　　－0．168　1．000　　－0．241 Zscore（AP）　0．397　0．390　0．303　　－0．063　0．492　　－0．241　1．000

2．回归方程的整体拟合情况

在该次研究中，对比两组受检者空腹血糖指标，并将其作为检测结果的分析依据，统计结果数据得知，糖尿病受检者空腹血糖指标为（10.60±4.00）mmol/L相对于健康受检者（5.34±0.43）mmol/L 而言，显著较高，其两组受检者差异有统计学意义（P<0.05)；对比两组受检者糖化血清蛋白指标，并将其作为检测结果的分析依据，统计结果数据得知，糖尿病受检者糖化血清蛋白指标为（380.63±114.14）μmol/L，显著较高，且与健康受检者（247.12±21.51）μmol/L 对比差异有统计学意义（P<0.05)。

通过对中美两国专利价值影响因素的回归方程进行比较可以看出：第一，专利诉讼数量（NPL）被选入并保留在中国专利价值影响因素的回归模型当中，统计意义为：在其他影响因素不变的情况下，专利诉讼每增加一次，中国专利会增加0．096个单位的专利价值；而与此相反，该指标没有被选入美国的专利价值影响因素回归方程，被剔除在模型之外。诉讼是解决专利权纠纷的重要途径，在专利诉讼活动过程中，面对原告专利侵权的诉讼主张，被告通常的使用的诉讼策略为现有技术抗辩或宣告专利权无效。如果经过专利诉讼之后，专利复审委员会或法院通过证据审查，认定原告专利权有效或认定被告侵权成立，则进一步肯定了原告专利权的“法定垄断权”的稳定性和有效性，可以认为该专利技术具有较好的“专利价值”。第二，专利引证数量（NPC）被选入并保留在美国专利价值影响因素的回归模型当中，统计意义为：在其他影响因素保持不变的情况下，专利引证数量每增加一次，美国专利会增加0．092个单位的专利价值；而与此相反，该指标没有被选入中国的专利价值影响因素回归方程，被剔除在模型之外。专利引用包括向后引证（即施引，backward citation）和向前引证（即被引，forward citation）。专利的被引情况反映了该专利技术对后技术创新的影响力，被引次数越多，说明该专利技术在该技术领域具有较重要的位置，是该专利领域的基础性专利技术或核心专利技术，其专利价值自然也会越大。正因此，专利引证数量对专利价值有着积极的影响。

复相关系数R（即判定系数）用来描述因变量与自变量之间的线性相关程度。表5反映的是中国专利价值影响因素回归模型的整体情况，说明了本文所构建的回归方程的整体拟合情况。从表中可以看出，除常数项以外，权利要求数量、专利申请时长、专利参考文献数量、专利年龄和专利诉讼次数量等5个指标对中国的专利价值有比较好的解释。方程的判定系数 R 为 0．675，决定系数 R2 为 0．456，调整后的R2也有0．453，表明这些影响因素能够在一定程度上解释专利价值。

表5　模型整体情况（中国）

注：预测值为常数项、权利要求数量、专利申请时长、专利参考文献数量、专利年龄和专利诉讼次数量。

表6反映的是美国专利价值影响因素回归模型的整体情况。从表中可以看出，专利参考文献数量、专利权利要求数量、专利引证数量、专利申请时长和专利年龄等5个指标对美国专利价值有较好的解释。方程的判定系数R为 0．882，决定系数 R2为 0．778，调整后的 R2也有0．777，说明这些指标能够较好地解释美国专利价值的构成。

表6　模型整体情况（美国）

注：预测值为专利参考文献数量、专利权利要求数量、专利引证数量、专利申请时长、专利年龄。

3．回归方程的方差分析

表7反映的是中国专利价值影响因素回归模型的方差分析表，这是对回归模型整体显著性进行检索的主要工具，即F检验，可通过方差分析表中的P值来进行判断检验。从表中可以看出，F后的Sig．（p值）为0．000，小于0．05，为拒绝原假设，进而认为所构建的回归模型通过了F检验，是显著的。

表7　方差分析表（中国）

注：预测值为常数项、权利要求数量、专利申请时长、专利参考文献数量、专利年龄和专利诉讼次数量。

Sum of Squares　df　Mean Square　F　Sig．Regression　437．364　5　87．473　159．975　0．000（e）Residual　521．636　954　0．547 Total　959．000　959

表8反映的是美国专利价值影响因素回归模型的方差分析。从表中可以看出，Sig．（P 值）为 0．000，小于 0．05，为拒绝原假设，进而认为所构建的回归模型通过了F检验，是显著的。

表8　方差分析表（美国）

注：预测值为专利参考文献数、专利权利要求数、专利引证数、专利申请时长、专利年龄。

Sum of Squares　df　Mean Square　F　Sig．Regression　746．074　5　149．215　668．545　0．000（e）Residual　212．926　954　0．223 Total　959．000　959

4．回归方程的系数表

使用完好性监测算法，利用最小二乘构建方程首先要判断算法的可用性。本文选择水平保护等级法来判断RAIM算法是否可用。

表9反映的是中国专利价值影响因素回归模型的系数表。从表中可以看出：（1）通过逐步回归法，权利要求数量（NC）、专利申请时长（PTO）、专利参考文献数量（NPR）、专利年龄（AP）和专利诉讼次数量（NPL）等5个指标进入了中国专利价值影响因素回归模型当中，而专利引证数（NPC）最终被排除在外；（2）最终进入回归模型的这些指标，其Sig．（P值）均为0，小于0．05，说明这些指标通过了显著性检验，并具有统计意义；（3）共线性统计的容忍度（Tolerance）和方差膨胀因子（VIF）数值是用来判断回归模型共线性程度的指标。从表中可以看出，VIF值明显小于10，说明所构建的回归模型不存在多重共性线问题。

表9　回归模型系数表（中国）

注：因变量为专利价值。

?

表10反映的是美国专利价值影响因素回归模型的系数表。从表中可以看出：（1）通过逐步回归法，专利参考文献数量（NPR）、权利要求数量（NC）、专利引证数量（NPC）、专利申请时长（PTO）和专利年龄（AP）等5个指标进入了美国专利价值影响因素回归模型当中，而专利诉讼次数量（NPL）最终被排除在外；（2）最终进入回归模型的这些指标，其Sig.（P值）均小于 0.05（PTO的 P值为 0.006，AP的 P值为0.017，其余为0），说明这些指标通过了显著性检验，并具有统计意义；（3）VIF值均小于10，说明所构建的回归模型不存在多重共性线问题。

表10　回归模型系数表（美国）

注：因变量为专利价值。

Collinearity Statistics B　Std.Error　Beta　Tolerance　VIF（Constant）　4.177E-17　0.015　0.000　1.000 Zscore（NPR）　0.527　0.025　0.527　21.391　0.000　0.383　2.611 Zscore（NC）　0.364　0.025　0.364　14.267　0.000　0.358　2.790 Zscore（NPC）　0.092　0.024　0.092　3.878　0.000　0.415　2.410 Zscore（PTO）　-0.044　0.016　-0.044　-2.749　0.006　0.892　1.121 Zscore（AP）　-0.043　0.018　-0.043　-2.400　0.017　0.718　1.394 Unstandardized Coefficients　Standardized Coefficients Model t　Sig.

5.估计的回归方程

综上所述，表9和表10所构建的中美两国专利价值影响因素的回归模型能够通过拟合优度检验、方程显著性检验、参数显著性检验和多重共线性检验，因此，可以得到中美两国的专利价值影响因素的回归方程：

阿姨们经过多年生活的洗礼，对改变自己的人生际遇有强烈的愿望，所以她们的学习意愿比较强烈，我们应该结合阿姨群体的典型特征，因势利导、因材施教，做有品质、有针对性的培训。

PV 中国＝ 2.41×10-16+0.567NC-0.52PTO+0.309NPR-0.164AP+0.096NPL

PV 美国＝ 4.177×10-17+0.527NPR+0.364NC+0.092NPC-0.044PTO-0.043AP

四、中美专利价值影响因素的比较

（一）中美专利价值影响因素的共性分析

通过对多元线性回归的结果进行比较可以发现，中美两国专利价值影响因素间的共性及其分析如下：

［2］Griliches Z．Patent Statistics as Economic Indicators：A Survey［R／OL］．［2015－03－26］．http：//www．nber．org/papers/w3301．

第一，在其他影响因素不变的情况下，专利文件每增加一条权利要求，中国专利可以增加0.567个单位的专利价值，而美国专利也可以增加0.364个单位的专利价值。究其原因：一方面，专利权利要求书是专利权人实施禁止性权利的法律依据，而该禁止性权利则是专利权法律价值的核心，该价值也制约着或决定着专利权的经济价值的实现，是其经济价值的前提和基础；另一方面，专利的权利要求是专利权人保护其专利权的有效屏障，专利在申请过程中有可能被审查员驳回而进入复审阶段，也有可能在授权之后被他人提起无效宣告程序。专利权利要求在这个方面对专利价值的影响主要表现为权利稳定性，即专利权利要求书撰写质量越好，专利权利稳定性就越好，从而使得专利不会轻易地被驳回或被他人无效，最终为专利权价值的实现提供有力保证。第二，在其他因素保护不变的情况下，专利文件每增加一条参考文献，中国专利可以增加0．309个单位的专利价值，美国专利可以增加0．527个单位的专利价值。美国专利文件的著录项当中，有专门的参考文献项（第56项），而中国的专利文件并没有单独的“参考文献著录项”，通常是在专利说明书当中的“背景技术”里进行阐述性列举。无论是美国专利文件中直接要求列出参考文献，还是中国关于“背景技术”撰写中关于参考文献的间接而明确要求，都是为了提高专利申请获得授权的可能性，同时保证专利权的稳定性。如果专利申请人提供的参考文献越直接、越具体、越详尽，则更有利于保证专利权的质量，可以提高专利的价值。

2．专利申请时长（PTO）和专利年龄（AP）对专利价值均呈现消极的负影响

第一，在其他影响因素不变的情况下，专利申请时长（专利申请时长是指专利从申请日至公开日或授权日的时间跨度）每增加一年，中国专利会减少0．52个单位的专利价值，而美国专利会减少0．044个单位的专利价值。无论是中国还是美国，在专利授权之后都需要缴纳年费。对于在成本收益方面进行严格核算和控制的企业而言，专利维持与否关系到企业的经营成本等核心问题，因此，只有那些经过严谨论证，在法律、技术和经济等各方面均能给企业带来“排他性收益”的专利技术，企业才会选择继续维持，否则就会选择放弃。第二，在其他影响因素保持不变的情况下，专利年龄每增加一年，中国专利会减少0．164个单位的专利价值，而美国专利也会减少0．043个单位的专利价值。专利权有其固定的保护期限，不同类型的专利，保护期限也各不相同。以发明专利为例，无论在中国还是在美国，其保护期均是从申请日起计算20年。正如上面所述，因为涉及年费等成本问题，所以一项专利技术年龄（或者说寿命）的长短从根本上说取决于该项专利技术对于专利权人而言其能带来的“排他性收益”的大小。回归方程表明，专利申请时长和专利年龄与专利价值呈负的影响关系，这主要是因为所站的立场的差异。从独立第三方角度看，这两个指标时限越长，则可以判断该专利价值越大，而如果从专利权人自身的立场来看，时限越长，其能控制或主张的“排他性收益”时限也就越短，专利价值当然也就越小。

因为在同一场景中含有多对传输节点，所以取平均值.包的递交率能够直接反应出路由协议的可靠程度，所以是一个重要的指标.

（二）中美专利价值影响因素的差异性分析

1.探索实施领导干部业绩成果公示制度。工作业绩能很好地反映出领导干部的工作能力强弱、执政水平高低，通过对各级领导干部工作业绩的公示，与相同、相近岗位工作业绩的比较，给领导干部增加竞争压力，促进领导干部不断加强自身建设，提高领导水平和执政能力。

五、研究启示

表4反映的是美国专利价值影响各变量间的皮尔逊相关系数。从表中可以看出，因变量与自变量之间均存在相关性，因此可以认为，本文对这些变量执行回归具有可行性。

（一）加强技术创新管理

表2、图2显示醛类具有较低气味阈值，且含量较高，对板鸭的整体风味起着重要的作用，不同地区板鸭的含量在0.5～2.75 μg/g，其中南安板鸭的含量最高，白市驿板鸭的含量最低，其含量低的原因可能是与其他板鸭相比酚类物质含量较高。癸醛具有柑橘香和蜡香[24]，但其含量低于其气味阈值，对板鸭香味贡献不大。

（二）注重专利法律价值的管理

专利法律状态包括申请、授权、异议、转让、实施、诉讼等多个方面。研究表明，专利的法律状态是专利法律价值的依据和反映。专利申请时长和维持时间（专利寿命）直接反映了专利技术对专利权人的重要性程度，而异议和诉讼的结果则更是体现了专利权的法律稳定性。因此，中国专利权人要对专利成果的法律状态进行实时的监测和有效的管理，才能有效地维护和提升专利的法律价值。

（三）提升专利文献撰写的质量管理

通常认为，专利文件撰写的质量是专利价值的保证，一份高层次的技术创新成果，如果专利文献撰写不当，一样无法获得有效的专利保护。专利文件撰写直接体现于权利要求书的撰写和后向引证的引用。权利要求书的撰写决定了权利要求的数量和结构，这最终决定了专利保护范围的大小和权利的结构布局。而后向引证则反映了专利技术与现有技术（现有专利文献和非专利文献）之间的关系，这最终决定了专利申请是否满足全面、清楚和充分的“披露要求”，从而决定了专利申请的授权和被他人异议的可能性。为此，对于中国专利权人，在注重创新质量的同时，也要对专利文件撰写人才及专利代理机构进行有效的监督管理和考核评价，以提升专利文件撰写的质量。

（四）正确而全面地了解和利用相应专利制度

专利制度是国内法，没有涉外法律效力。不同的国家之间，其专利制度总会存在差异性。专利权人通常会根据自身海外市场扩张的需要，对同一技术成果寻求在不同国家的专利保护。研究表明，中国和美国专利价值影响因素有明显的差异。因此，对中国专利权人而言，在美国进行专利布局和专利管理的时候，要充分地意识到并充分利用这些差异，才能对专利价值实施有效的管理，从而实现自身的专利战略。

参考文献：

［1］Schankerman M，Pakes A．Estimates of the value of patent rights in European countries during the post－ 1950 period［J］．Economic Journal，1986，96（384）：1052－1076．

1.权利要求数量（NC）和专利参考文献数量（NPR）对专利价值均呈现积极的正影响

［3］Lanjouw J．O，PakesA．，Putnam J．How to count patents and value intellectual property：The usesofpatentrenewalandapplicationdata［J］．Journal ofIndustrialEconomics，1998，46（4）：405－432．

［4］Nordhaus W，D．The Optimal Life of a Patent，Cowles Foundation Discussion Papers 241［C］．CowlesFoundation，Yale University，1967：1－30．

［5］Mark P．Carpenter，Francis Narin，Patricia Woolf．Citation rates to technologically important Patents［J］．Word Patent Information，1981，3（4）：160－163．

由于数据本身的特征，各解释变量不可避免地在不同程度上存在一些相关性，而这些变量间的相关性又与回归模型解释变量间相互独立的假设相违背，这就是回归统计当中的多重共线性。为此，文章先给出皮尔逊相关分析，以判断模型构建的合理性并对多重共性性进行初步判断，然后对回归模型进行拟合优度、方程显著性和参数显著性以及多重共线性进行检验，最后得到中美两国的专利价值影响因素的回归模型。

［7］BronwynH．， Hall， AdamB．， Jaffe，ManuelTrajtenberg．MarketValue　and　Patent Citations：a first look［R／OL］．［2015－04－23］．http：／www．nber．org／papers／w7741．

人巨细胞病毒感染与原发性高血压相关性的研究进展………………………… 杨迪虹，徐 媛，葛卫红（2·107）

专家主题演讲结束后，论坛组委会举行了港航物流发展圆桌对话会。来自香港、澳门、珠海、中山、上海、西安等地的政府领导、专家学者和业界代表，就粤港澳大湾区建设背景下的珠海港航物流发展的优势、劣势、机遇和威胁进行深入探讨。

［8］Klemperer　P．How Broad Should the Scope of Patent Protection Be？［J］．Rand Journal of Economics，1990，21（1）：113－130．

［9］Gilbert R， Shapiro C．Optimal Patent Length and Breadth［J］．Rand Journal of Economics，1990，21（1）：106－112．

［10］Putnam，J．The Value of international patentrights［M］．NewHaven：YaleUniversity，1996．

［11］Markus Reitzig．What determines patent value？Insights from the semiconductor industry［J］．Research Policy，2003（32）：13－26．

1) 研究区的公园绿地对住宅价格有着正向影响,公园的宜人性会提高住宅居住的舒适度,对住宅价格具有增值作用．就徐州市主城区而言,公园对住宅价格的最大影响距离为1 453 m,在此距离内，住宅到公园的距离每减少100 m,其价格增值6.7%.根据2017年10月研究区内的住宅均价为10 364.45元/m2,计算得出住宅到公园的距离每减少100 m,可为住宅带来694.4元/m2的增值．

对于上述论断，鲁西化工集团股份有限公司副总经理姜吉涛深表认同。他认为，除了融资和增加征信的附属功能，随着农业保险的覆盖面和保障力度进一步增大，以家庭农场、合作社、种植基地等为代表的新型农业经营主体的抗风险能力将进一步增强。在一些试点地区，由于投保了价格和收入保险，在农作物出现价格下跌时，农户的市场损失将由农业保险公司承担，使农户的农业投入热情增强，同时也有利于高技术、生态型的农资产品的推广，间接对农业的绿色高质量发展产生有利影响。此外，有了农业保险，农民赊销化肥的概率也会大为降低。

［12］Harhoff D，Narin F．，Scherer F．M．et al．Citation frequency and thevalueofpatented inventions［J］．Review of Economics and Statistics，1999，81（3）：511－515．

［13］Lanjouw J．O．Schankerman．M．A．Characteristics of Patent Litigation：A Window on Competition［J］．Rand Journal of Economics，2001，32（1）：129－5119．

［14］Allison，John R，Mark A．et al．Valuable Patents［J］．Georgetown Law Journal，2004，92（3）：435－80．

［15］李东卫．应用多元统计分析［M］．北京：北京大学出版社，2008：90．