欢迎来到专利数据周的第二天! 正如我昨天所写的那样,在二月底,我开始撰写一篇关于使用专利来衡量创新的帖子(类似于这篇关于学术引用是否可以很好地衡量新想法影响的帖子)。它变成了我在一周内发布到 substack 和播客的四篇文章:
如果您等不及了,所有帖子都在 New Things Under the Sun (.com) 上:只需单击上面的链接即可。 现在,进入这个四部分系列的第二部分…… 感谢您阅读《阳光下的新鲜事》!免费订阅以接收新帖子。 专利(弱)预测创新本文将随着学术文献的发展而更新;您可以在这里阅读最新版本。您可以在上面收听这篇文章,或者通过此处的大多数播客应用程序收听。 许多有关创新的社会科学研究都依赖专利作为衡量创新的一种方式。这是一个坏主意吗?验证专利作为创新衡量标准的一种方法是查看专利与其他技术进步衡量标准的相关程度。这方面有很多工作,通常会发现一种虽小但积极的关系。 新产品让我们从Argente 等人开始。 (2023)他们研究新消费品的引入,这些产品主要在杂货店和药店销售,他们通过引入新的 UPC 代码来衡量。正如此处更详细讨论的那样,他们还拥有有关公司在相关产品类别中拥有的专利数量的数据。他们发现,在所有公司中,在特定产品领域寻求专利的公司也更有可能在同一类别中引入新的 UPC 代码。例如,他们发现,如果一家公司上一年的专利数量增加10%,那么发布的新产品数量就会增加约0.4%。影响很小,但考虑到他们拥有如此多的数据,估计得相当精确。 Igami 和 Subrahmanyam(2019)关注的是比消费品更具创新性的行业:半导体行业。他们拥有 1976 年至 1998 年间该行业所有 178 家活跃公司的数据,以及一个非常简单的创新衡量标准:该公司前沿产品的信息存储容量是否比前一年有所增加?大约 35% 的观察结果出现了改善(其中每个观察结果都是给定年份的一家公司)。这意味着如果您简单地假设永远不会有任何改进,那么 65% 的情况下您是正确的。然后他们询问了解公司上一年申请的专利数量是否可以帮助您超越这一基准。 他们发现,是的,这有一点帮助,因为当一家公司寻求更多专利时,它更有可能改进其产品。如果没有专利,你可以通过总是猜测“没有改进”来正确猜测 65% 的时间。在一个模型中,当您看到前一年有更多专利时,您更有可能猜测有所改进,您可以将正确比例增加到大约 67%。如果将计数限制为分配给最相关的半导体技术类别的专利,则可以将正确猜测是否有改进的时间比例推至 70% 左右。 更广泛的技术进步衡量标准Benson 和 Magee(2015)将调查范围扩大到 28 种不同技术的样本。对于每种技术,他们根据适合该技术的指标来估计技术改进率。例如,对于 LED 技术,他们着眼于每美元流明小时的改进。对于光伏太阳能电池板技术的进步,他们着眼于每美元的千瓦时数。为了衡量飞机运输的进展,他们将乘客数量乘以每小时英里数。对于每个指标,他们将收益转换为某个单位时间内的改进百分比。在28项技术中,光信息传输技术和无线信息传输技术改进速度最快,电动机和铣床技术改进速度最慢。 然后,他们使用分配给专利的技术分类来识别与这 28 种不同技术相关的专利,并将改进率与各种专利相关指标进行比较。下面,我将进展率与两种不同的基于专利的指标进行比较。在左边,我们得到了 1976 年至 2013 年间相对于相关专利总数的改进率(以对数尺度表示)。在右侧,我们得到了相对于专利总数的改进率,按前三年内收到的引用进行加权(引用是评估专利价值的常用方法)。 根据Benson 和 Magee (2015)的补充数据创建 专利与这些不同的创新衡量标准之间存在正相关性,当我们尝试调整专利质量时,这种相关性会稍微收紧。但这是一个非常嘈杂的相关性。 专利与研发在我们转向更复杂的衡量标准之前,让我们先看看一个更直接的衡量标准——研发支出。企业将研发支出转化为创新的效率肯定会有所不同,但在其他条件相同的情况下,研发支出较多的企业可能比研发支出较少的企业获得更多的创新。专利与研发支出相关吗? 再说一遍,是的。下图摘自Griliches (1990) ,这是一篇经典的专利文献综述。该图将研发与专利进行了比较,但通过将两者除以公司资产规模来控制公司规模。每项资产拥有更多专利,每项资产拥有更多研发。 来自Griliches (1990) ,该图像源自 Bound 等人。 (1984) 在公司之间,这种相关性非常紧密,但即使我们随着时间的推移跟踪一家公司,它进行更多研发的年份也往往是它获得更多专利的年份(参见 Griliches 1990)。 生产力和专利最后,我们可以看看专利申请与全要素生产率(以下简称TFP)增长之间的联系,这通常被用作技术进步的代表。 TFP背后的基本思想是,如果你能从相同数量的投入(例如资本和劳动力)中挤出更多的经济产出,那么这就是更好的技术的体现。挑战在于您无法直接衡量 TFP;相反,您直接测量输出(通常只是总销售额)和输入,并尝试用输入预测输出。你的预测中的差距之类的东西就是你对技术的衡量标准。这是一个很好的概念,因为它是技术的通用衡量标准,但它的噪音非常大,并且可能受到技术进步以外的因素的影响。 原始专利数量积极预测全要素生产率增长的证据相当薄弱。 Kalyani (2023) 研究了美国制造企业的专利申请与 TFP 增长之间的联系,将分析限制在 1991 年至 2014 年间申请至少 10 项专利的公司。对于每家公司,他每年计算 TFP 增长超过 5年,然后将其与专利申请进行比较。在特定行业内的特定年份,他发现专利数量增加 10% 的公司往往会实现 TFP 增长约 0.5% 左右。但这种影响在统计上并不显着,并且在某些规格下实际上会变成负值(尽管同样,在统计上并不显着)。 Kalyani (2023) 和Park and Park (2006)在行业层面进行了类似的研究,将各个制造业的 TFP 增长与该行业的新专利数量联系起来。当 Park 和 Park 对给定年份和给定行业的平均 TFP 增长率进行调整时,他们发现专利增长 10% 与该行业 TFP 增长 1.6% 的增长相关。 Kalyani(2023)发现,专利申请量增加 10% 与 TFP 增长 1.4% 相关。然而,这两个结果都不能秘密地与零区分开来。 最后, Porter 和 Stern(2000)研究了专利申请与国家层面全要素生产率增长之间的联系。拥有更多专利的国家是否也会经历更多的生产力增长?这里的挑战是,不同国家对于专利的构成有不同的标准。为了应用统一标准,波特和斯特恩利用了许多国际公司寻求进入美国市场的事实,从而在美国专利和商标局获得专利。因此,他们不是使用每个国家在其国内专利局拥有的专利数量,而是查看不同国家的公司在美国专利局寻求多少专利,以便采用一致的标准。他们关注 1973 年至 1993 年期间的 16 个 OECD 国家,并为每个国家构建“专利库存”——这些本质上是先前专利申请的总和,经过加权,以便较新的专利更重要(更多信息请参见此处)。他们发现,国家专利存量增加 10% 与国家 TFP 增长 0.5% 相关(这一结果具有统计显着性)。 专利价值和生产力简单的专利数量与生产率增长没有很好的相关性的一个原因可能是,与我们迄今为止讨论的其他指标相比,生产率增长似乎是一种更嘈杂的创新衡量标准。由于专利与其他创新衡量标准之间的联系已经很小,因此,如果创新衡量标准的噪音较大,这种联系可能会变得太小而难以辨别。然而,许多论文表明,如果减少专利数据中的一些噪音,就可以识别专利与全要素生产率增长之间的联系。 上面讨论的Kalyani(2024)实际上并不主要关心专利是否是创新的良好衡量标准。相反,这是一篇关于识别哪些专利跟踪真正的技术进步的论文。卡利亚尼开发了一种新方法来尝试将专利小麦与谷壳分离。具体来说,Kalyani 处理专利文本以识别技术术语,然后查找新技术短语(例如“机器学习”或“神经网络”)所占比例高于平常的专利。他将 90% 以上的专利称为“创造性”专利的使用。根据这个定义,大约 14% 的专利具有创造性。 虽然原始专利数量和全要素生产率增长之间的联系在统计上无法区分为零,但如果你计算 Kalyani 的创意专利,你会得到相当强的相关性。在个体企业中,创意专利增加 10% 与全要素生产率 (TFP) 增长约 2% 相关。在行业层面,创意专利增加 10% 与 TFP 增长大约 10% 相关。在这两种情况下,估计值现在在统计上都可以与零区分开来。 科根等人。 (2017)还发现,专利申请措施的改进与全要素生产率的增长相关。他们拥有 1926 年至 2010 年上市公司的数据,包括每个公司的专利和公司 TFP 增长的信息。认识到专利的价值差异很大,他们采用两种方法来估计专利的价值。在一种方法中,专利的价值与其被引用的次数有关。例如,一项没有被引用的专利的价值为 1,一项获得平均引用次数(授予当年)的专利的价值为 2,而一项获得平均引用次数两倍的专利的价值为 3。他们的另一种方法着眼于专利授予时专利持有者的股价如何变化——他们利用这些变动来尝试推断市场认为这些专利在授予时的价值。 他们使用这些指标中的每一个来研究公司专利的总估计价值如何与公司的 TFP 增长相关(其中专利的价值来自引用信息或股票价格变动)。公司专利价值增加 10%会导致 TFP 增长 0.5-1.0%(当价值基于收到的引用时)或 TFP 增长 1.3-2.4%(当价值基于库存变动时)。同样,在这两种情况下,我们都可以以足够的精度估计关联性,以在统计上将它们与零区分开来。 加起来总而言之,在各种指标中,我们看到专利申请与创新措施之间存在正相关关系。当专利更多时,公司更有可能提供具有新 UPC 代码的产品或具有改进存储容量的半导体。我们观察到许多技术的技术改进率与专利数量之间存在类似的关系。最后,研发支出和专利申请之间存在非常紧密的相关性。 当我们审视生产率增长时,证据更加复杂。原始专利数量和全要素生产率增长通常并不具有很强的相关性(尽管一篇论文在国家层面发现了这一点)。但如果我们试图通过区分好专利和坏专利来提高原始专利数量,那么各种“好”专利的衡量标准往往与全要素生产率的增长始终保持正相关。 但有一个重要的警告。一般来说,这种联系很小——远低于 1 对 1 的比例相关性。如果专利申请量增加 10%,那么无论您使用何种创新衡量标准,您通常会发现其增幅都远低于 10%。 谢谢阅读!本系列的下一篇文章将于明天发布到 Substack – 敬请期待!与往常一样,如果您想总体讨论这篇文章或创新,让我们喝杯虚拟咖啡。请发送电子邮件至 [email protected],我们会将一些内容添加到日历中。 《阳光下的新鲜事》今天免费。但如果您喜欢这篇文章,您可以通过承诺未来订阅来告诉《天下新鲜事》,他们的文章很有价值。除非他们启用付款,否则您不会被收取费用。
© 2024马特·克兰西 |
专利(弱)预测创新
专利数据周第 2 篇文章
͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏ ͏