第四章 實證結果與分析 實證結果與分析 實證結果與分析 實證結果與分析
第二節 整 整 整 整體的多元 體的多元 體的多元 體的多元迴 迴 迴 迴歸分析結果 歸分析結果 歸分析結果 歸分析結果
第二節 第二節
第二節 整 整 整 整體的多元 體的多元 體的多元 體的多元迴 迴 迴 迴歸分析結果 歸分析結果 歸分析結果 歸分析結果
本研究使用 SPSS 12.0 統計分析軟體，首先將全體樣本資料進行迴歸分析基 本假設的檢定，並以訴訟賠償金額為依變數、自變數則為本文所提到的 15 項指 標值，建立多元迴歸模型。了解依變數與自變數之間是否存在線性關係，並進 行迴歸模式之驗證。再者將依賠償金額大小分成三群，分別建立三個迴歸預測 模型，並討論不同賠償金額大小，哪些指標會有顯著影響。
一 一 一
一、 、 、迴 、 迴 迴歸分析基本假設檢定 迴 歸分析基本假設檢定 歸分析基本假設檢定 歸分析基本假設檢定
首先進行迴歸分析基本假設之前，本研究取15項指標值為自變數，賠償金 額為依變數，由表19分析結果可以得知訴訟賠償金額(依變數)與15個專利指標 (自變數)的多元迴歸判定係數為0.236，調整後判別細數為0.203，D-W 檢定值為 0.76低於1.5，而且標準誤差非常大，圖11和圖12也顯示迴歸式的殘差值的機率 分配不接近常態機率分佈，且資料成左偏的現象，表示迴歸殘差值不具常態分 配，違反迴歸分析之基本假設，因此可以看出此迴歸模式並不正確。遂本研究 對依變數取自然對數，15項指標為自變數進行多元迴歸分析，得到結果顯示多 元迴歸判別係數為0.832，調整後判別係數為0.824，而表20呈現此迴歸模式 p-value為0<0.05顯著。本研究進行此迴歸模型的三大基本假設檢定，分別為獨 立性、常態性與恆常性。由圖13及圖14表示賠償金額取自然對數後，迴歸模型 的標準化殘差值的次數分配圖呈左右對稱的鐘型分配，常態機率圖的圖形約為 一條45度的斜直線，皆符合常態性假設。D-W 檢定值為1.52符合獨立性假設，
迴歸模型符合恆常性假設由圖15的結果顯示。
圖 11 標準化殘差值的次數分配圖
圖 12 標準化殘差值的常態機率圖
表 19
訴訟賠償金額與 15 個專利指標的迴歸模式摘要表
模式 R R 平方 調過後的
R 平方
估計的標準 誤差
Durbin-Watson 檢 定
未取對數 0.485 0.236 0.203 67430529266. 0.760 取對數後 0.912 0.832 0.824 1.69867 1.520
表 20
訴訟賠償金額取對數與 15 個專利指標的變異數分析摘要表 平方和 自由度 均方和 F 檢定 顯著性 迴歸 5013.654 15 334.024 115.83 0.000 殘差 1015.687 352 2.855
總和 6029.340 367
圖 13 賠償金額取對數後標準化殘差值的次數分配
圖 14 賠償金額取對數後標準化殘差值的常態機率圖
圖 15 賠償金額取對數後與迴歸殘差值散佈圖
二 二 二
二、 、 、整 、 整 整體 整 體 體迴 體 迴 迴歸模型之構建及驗證 迴 歸模型之構建及驗證 歸模型之構建及驗證 歸模型之構建及驗證
由上一小節結果，賠償金額取對數為依變數與15項為自變數的迴歸模型符 合三大假設，所以本研究選擇此模型以進行日後之分析。表21為此模型的迴歸 係數估計表，研究顯示以審查時間和所有權人及UPC三項指標對於迴歸模式具 有於顯著性，IPC、全球專利家族等兩項指標P-value也相當接近0.05，所以此五 項指標對訴訟賠償金額具有一定程度的影響。並得到迴歸方程式如下
Y=8.433+26.881X1+0.173X2+0.407X3-1.886X4+1.103X5-1.46X6+0.191X7- 0.541X8-0.056X9+0.399X10+0.201X11+0.498X12-0.389X13-0.234X14+0.377X15
(1)
為了驗證迴歸模式的預測準確性，本研究將 368 筆的專利件數，隨機取得 240 筆專利件數作為建模的樣本資料，剩下的 128 筆資料為測試樣本並導入測試 模式中，並得到 128 筆預測值，詳情如附錄 1。由圖 16 可知其實際值與預測值
測能力。
表 21
LN 判賠金額與各自變數之迴歸係數估計表
模式 未標準化係數 標準化係數 t 顯著性
B 之估
計值
標準誤 Beta 分配
常數 8.433 0.341 24.713 0.000
審查時間 26.881 0.693 0.907 39.782 0.000 起訴時間 0.173. 0.368 0.012 0.470 0.639 發明人 0.407 0.488 0.019 0.834 0.405 所有權人 -1.866 0.781 -0.058 -2.387 0.017 IPC 1.103 0.628 0.048 1.757 0.080 UPC -1.460 .584 -.065 -2.500 .013 總引証數 .191 .225 .021 .851 .396 總項數 -.541 .393 -.039 -1.376 .170 獨立項數 -.056 .429 -.004 -.131 .896
圖示數 .399 .310 .035 1.289 .198
被引證 .201 .190 .027 1.062 .289
全球專利 家族
.498 .295 .068 1.69 .092
美國專利 -.389 .265 -.063 -1.467 .143 官方行動 -.234 .688 -.011 -.340 .734 申請人答
辯修正
.377 .507 .026 0.744 .458
圖 16 128 筆專利件數實際值與預測值
三 三 三
三、 、 、依賠償金額大小進行分群 、 依賠償金額大小進行分群 依賠償金額大小進行分群 依賠償金額大小進行分群
本研究依照訴訟賠償金額多寡進行分群，首先觀察368筆樣本資料大都集中 於三個區間的賠償金額，所以將其樣本數分成三群進行討論:分群結果為金額一 百萬元以下的專利件數共九十五筆、一百萬元至一億元之間共一百九十三筆、
一億元以上共八十筆。由表22結果顯示賠償金額於十萬元以下，所建立之迴歸 預測模型解釋能力並不佳，所以本研究對於十萬元以下將不進行討論，但金額 超過一百萬元以上的模式，迴歸模型的解釋能力分別高達0.603、0.737，但在正 常的訴訟賠償金額的情況下，本研究迴歸模型具有良好預測能力，得以驗證從 專利侵權案件中可以正確鑑定專利之價值。而且在不同賠償金額情形之下，15
元之間，專利審查時間、所有權人數量、UPC分類號、被引證數等四項指標對 賠償金額有顯著影響，然而金額在一億元以上，專利審查時間、發明人數量、
所有權人數量等三項指標卻對賠償金額有顯著影響。表示在不同的賠償金額之 下，指標影響性也會不同，但是專利審查時間、所有權人數量不管金額的大小 的情況下，都具有顯著性的影響。
表 22
依賠償金額大小分類之分析結果
金額 R R 平方 調過後的 R 平方 估計的標準誤 十萬元以下 0.457 0.209 0.070 0.3 一百萬元至一
億元
0.777 0.603 0.570 0.704
一億元以上 0.858 0.737 0.675 2.04041
表23
15 項指標對賠償金額大小的顯著情形
專利指標
專利指標專利指標專利指標 一百萬元至一億元一百萬元至一億元 一百萬元至一億元一百萬元至一億元 一億元以上一億元以上 一億元以上一億元以上 專利審查時間 0.000** 0.000**起訴時間 0.842 0.640
發明人數量 0.700 0.037*
所有權人數量 0.034* 0.000**
IPC 分類號 0.933 0.309 UPC 分類號 0.044* 0.291
引證數 0.410 0.649
總項數 0.866 0.342
獨立項數 0.920 0.686
圖示數量 0.146 0.206
被引證數 0.012* 0.828
表23(續)