专利申请数据预测

出自 MBA智库百科(https://wiki.mbalib.com/)

　　专利申请数据预测是指在运用理论指导，根据统计资料进行定性分析的基础上，采用定量方法，对未来专利申请数据状况和结构等发展趋势所做出的分析、判断和推测。

　　专利申请数据预测对知识产权工作有着重要的作用，一是可以为各级领导和有关部门指导知识产权工作、制订知识产权发展规划、合理调整和布局产业结构提供数理依据；二是有助于政府根据实际情况及时调整相应的政策；三是能有效地为区域专利结构的升级和优化提供相应的信息支持，从而更好地推动区域自主创新和技术进步。

　　专利申请数据预测方法可以分为定性预测和定量预测两大类。

　　定性预测法是依靠人们观察分析能力、经验判断能力和逻辑推理能力所进行的预测分析，它是预测者根据他所了解的情况和实践积累的经验，对客观情况所作的主观判断，也可称为调查研究预测法。定量预测法是指依据历史统计数据，运用数学方法建立拟合的数学模型进行专利申请数据预测分析，主要包括：平均速度外推预测法、线性回归预测法、趋势外推预测法、非线性预测法、季节变动预测法等。定量预测法具有预测严密、科学，采用历史数据方便、准确等特点，趋势外推预测法是其中计算方法比较简单，预测结果与实际数据相差较小，有利于保证预测数据充分实现的一种方法。外推预测依赖三个基本假设：第一是持续性，要求过去观察到的模式会在将来持续出现；第二是规律性，过去的趋势变动会在将来定期出现；第三是数据的可靠性和有效性。实践表明，专利申请量的数据满足这三个条件，以时间序列分析的形式为基础，利用趋势外推法洞察专利申请量的动态变化是可行的。

　　趋势外推预测法的一个标准技术是线性趋势估计，即以时间序列里的观察值为基础，利用回归分析来取得对未来状态的精确的数学估计。当使用线性回归估计趋势时，时间序列里的观察值应该不是曲线形的，因为任何对直线的重大偏离都会产生重大的预测失误。无疑，专利申请量的增长曲线是非线性的，尽管其不是线性的，但却是持续的和规律的，因此必须利用数据转化的方法对线性回归技术进行调整。数据转换是对时间序列变量Y作适当变换后，用最简单的线性等式Y_t=a+b(x)进行分析。转换的方法可以是取平方根，也可以是取其常对数(1og)或自然对数(1_n)。通过取Y的常对数来拉直增长趋势，并不意味着该趋势实际上是线性的，它只是表明可以用线性回归法来对今后某一年的非线性趋势做出比较准确的预测。值得注意的是，在对发展趋势做出估计之前，必须把对数值变回到Y变量的原始值，通过适当的幂次方得出趋势估计将根转换回去。

　　无疑，在已知专利申请数据随时间变化规律的情况下，可以预测未来年份的专利数据状况。

• 袁有楼,成思.广东省专利申请数据预测与分析(A).科技管理研究.2007,8