创新力预测 专利申请预测方法研究pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

创新力预测 专利申请预测方法研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章　背景 1

第二章 改进专利申请预测的研究项目 9

1 引言 9

2　动机与任务描述 10

3　专利申请预测方法 11

3.1 EPO所用的和专家咨询组报告中讨论的方法 11

3.2　咨询组所建议的方法 13

4　研究方案设计 14

4.1　研究项目的框架 14

4.2　模块A——调查法 16

4.3　模块B——企业层面的专利申请量 17

4.4　模块C——行业和国家层面的专利申请量 18

4.5 模块D——专利传递模型 19

4.6　模块E——申请数据集的时间序列模型 20

5　数据需求和模块关联 20

6　进一步的建议 22

6.1　研究竞赛 22

6.2　研究会议 22

第三章　从理论到时间序列 23

1　引言 23

2　理论模型 23

3　时间序列回归方法 28

4　结论 33

第四章 时间序列预测专利的相对精确度分析：时空分解法的优势 34

1 引言 34

2　数据描述 36

3　预测方法综述 40

4　预测方法的运用 45

4.1　一元ARIMA模型（年度数据） 47

4.2　一元ARIMA模型（月度数据） 50

4.3　多元ARIMA模型（年度数据） 50

4.4　多元ARIMA模型（月度数据） 51

4.5　一元DLM模型（年度数据） 52

4.6　一元DLM模型（月度数据） 52

4.7　多元DLM模型（年度数据） 52

4.8　多元DLM模型（月度数据） 52

5　相对精确度分析 54

6　更长时间轴范围内的预测精确度 57

7　结论 60

第五章 向欧专局申请专利的驱动力：产业途径 62

1 引言 62

2　专利和经济因素的关联 63

3　实证分析结果 69

3.1　总体模型 71

3.2　国家模型 72

3.3　产业模型 77

4　结论 81

第六章　预测专利申请的时间序列法 83

1 引言 83

2　数据描述 85

3　模型描述 86

4　应用方法和诊断的描述 92

5　分析的结果 94

5.1　平稳性 94

5.2　预白噪声化和交叉相关 96

5.3 自回归分布滞后（ADL）法的结果 99

5.4　向量自回归（VAR）法获得的结果 104

6　结论 109

7　附录 111

第七章　向欧专局申请的国际专利：总体、产业和同族申请 113

1　引言 113

2　文献综述 115

3　方法论和数据集 118

3.1　概念性框架和方法论 118

3.2　数据来源 121

4　实证分析 122

4.1　案例1——总体申请（按申请模式划分） 122

4.2　案例2——产业申请（联合集群） 128

4.3　案例3——同族专利申请 133

5　结论 139

附录：技术注释 141

第八章　微观数据实现宏观结果 143

1　引言 143

2　随机抽样调查 145

2.1　数据库及其性能特征 146

2.2　描述统计 151

2.3　持续与非持续申请人 154

2.4　讨论 157

3 DTI记分牌与专利数据结合 159

3.1　数据 159

3.2　描述统计 162

3.3　相关性 165

3.4　讨论 167

4　结论 169

第九章 欧洲专利局对预测方法的改进 171

1　引言 171

2　现有方法 171

2.1　趋势分析 171

2.2　传递模型 172

2.3　申请人调查 174

2.4　联合集群层面的规划 175

2.5　年度预测实践 177

2.6　讨论 179

3　推荐的研究方案 181

3.1　改进专利申请预测的研究项目（迪特马尔·哈霍夫，第二章） 181

3.2 从理论到时间序列（彼得·欣利和沃尔特·帕克，第三章） 182

3.3 时间序列预测专利的相对精确度分析：时空分解法的优势（奈杰尔·米德，第四章） 182

3.4　向欧专局申请专利的驱动力：产业途径（克努特·布兰德，第五章） 185

3.5　预测专利申请的时间序列法（格哈德·迪克塔，第六章） 188

3.6 向欧专局申请的国际专利：总体，产业和同族申请（沃尔特·帕克，第七章） 191

3.7　微观数据实现宏观结果（赖尔·费希，第八章） 194

4　欧专局执行建议情况概述 199

5　预测的比较 206

6　欧专局预测的未来发展 209

7　结论 214

参考文献 218

译后记 229