成功加入购物车
彼得·欣利 、马可·尼古拉斯 著; 马欢 、 蔡中华 译 / 知识产权出版社 / 2010-01 / 平装
售价 ¥ 1.50
品相 八五品
延迟发货说明
上书时间2026-06-04
卖家超过10天未登录
创新力预测:专利申请量预测方法研究
《创新力预测:专利申请量预测方法研究》汇总了欧洲专利局专家在创新力预测方面长期研究的成果。包括探讨专利形成内在过程的理论模型,用时间序列方法进行申请量预测的实证模型,以及欧专局预测工作的实践活动。研究成果在宏观、中观、微观层面上揭示了专利申请量的变化规律以及和其他经济因素的关系。
读者对象:科技管理人员,知识产权相关研究人员和企业,对预测工作感兴趣者。
第一章背景第二章改进专利申请预测的研究项目1引言2动机与任务描述3专利申请预测方法3.1EPO所用的和专家咨询组报告中讨论的方法3.2咨询组所建议的方法4研究方案设计4.1研究项目的框架4.2模块A——调查法4.3模块B——企业层面的专利申请量4.4模块C——行业和国家层面的专利申请量4.5模块D——专利传递模型4.6模块E——申请数据集的时间序列模型5数据需求和模块关联6进一步的建议6.1研究竞赛6.2研究会议第三章从理论到时间序列1引言2理论模型3时间序列回归方法4结论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1引言2数据描述3预测方法综述4预测方法的运用4.1一元ARIMA模型(年度数据)4.2一元ARIMA模型(月度数据)4.3多元ARIMA模型(年度数据)4.4多元ARIMA模型(月度数据)4.5一元DLM模型(年度数据)4.6一元DLM模型(月度数据)4.7多元DLM模型(年度数据)4.8多元DLM模型(月度数据)5相对精确度分析6更长时间轴范围内的预测精确度7结论第五章向欧专局申请专利的驱动力:产业途径1引言2专利和经济因素的关联3实证分析结果3.1总体模型3.2国家模型3.3产业模型4结论第六章预测专利申请的时间序列法1引言2数据描述3模型描述4应用方法和诊断的描述5分析的结果5.1平稳性5.2预白噪声化和交叉相关5.3自回归分布滞后(ADL)法的结果5.4向量自回归(VAR)法获得的结果6结论7附录第七章向欧专局申请的国际专利:总体、产业和同族申请1引言2文献综述3方法论和数据集3.1概念性框架和方法论3.2数据来源4实证分析4.1案例1——总体申请(按申请模式划分)4.2案例2——产业申请(联合集群)4.3案例3——同族专利申请5结论附录:技术注释第八章微观数据实现宏观结果1引言2随机抽样调查2.1数据库及其性能特征2.2描述统计2.3持续与非持续申请人2.4讨论3DTl记分牌与专利数据结合3.1数据3.2描述统计3.3相关性3.4讨论4结论第九章欧洲专利局对预测方法的改进1引言2现有方法2.1趋势分析2.2传递模型2.3申请人调查2.4联合集群层面的规划2.5年度预测实践2.6讨论3推荐的研究方案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)3.2从理论到时间序列(彼得·欣利和沃尔特·帕克,第三章)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)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)3.5预测专利申请的时间序列法(格哈德·迪克塔,第六章)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)3.7微观数据实现宏观结果(赖尔·费希,第八章)4欧专局执行建议情况概述5预测的比较6欧专局预测的未来发展7结论参考文献译后记
展开全部
图2
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30