本研究 本研究 本研究 本研究樣本之 樣本之 樣本之 樣本之分類與定義 分類與定義 分類與定義 分類與定義

本研究將 368 筆專利資料，以人工方式一一閱讀其專利說明書，並將其專 利所宣稱的產品一一翻譯及分門別類分成五大類，將其樣本之專利產品按照所 屬之產業分成電子、生技、機械、資訊、其他產業，詳細分類情形如下表 15。

而產業分類之專利訴訟件數及專利數統計結果為表 16。

表 15

五大產業之定義及專利產品分類之情形

產業類別 產業定義 所屬產業之專利產品

電子產業 電子產品、半導體、電腦及週 邊設備、消費性電子產品

顯示器的設備、汽車電視、半 導體晶片、固態電池、記憶體 等等。

生技產業 醫療相關設備、化學藥物及相 關物質

導尿管、藥物泵裝置和方法、

消毒水、抗憂鬱藥、及化合物

專利指標 專利指標相關之文獻 基本假設

獨立項數 Jonathan A. Barney提出分析專利公告決定專利價值的 內容。其研究發現專利之獨立項愈多，代表權利範圍 愈大，則專利價值愈高。

獨立項數越 多，其專利價 值越高。

訴訟前被 引證數

Narin et al.提出專利被引證的次數越多，其專利價值越 高。

被其他專利 引證數越 多，其專 利價值越高。

全球及美 國專利家

族數

Jonathan A. Barney 的研究結果顯示，被訴訟之專利有 較多之專利家族數目，

專利家族數 目越多，其 專利價值越 高。

表 15 (續)

產業類別 產業定義 所屬產業之專利產品

資訊產業 遠距通訊系統及設備、傳遞訊 號及方法、系統

申請或處理貸款的軟體系 統、便攜式的搜集數據設備、

掃描輻射探測器等等。

其他產業 其他類產業 無色的記錄紙、可摺疊工具酒

吧、鞋子、飼養家畜給水系 統、加壓式水槍、可折疊的兒 童床等等

機械產業 工業用及農業用的工具機設備 及其刀具設備。

動力釘槍、硬幣檢驗機、毛線 張力調整器、陶瓷焊接技術等 等。

表16

產業別、公司別及個人別與專利訴訟與專利件數分類表

產業別 專利訴訟件數 專利件數

電子 41 76

生技 51 116

機械 30 55

資訊 18 32

其他 61 89

總數 201 368

美國早在 1793 年的專利法，即已將專利適格標的之範疇限制在「技（art）、 機器、製品或組合物」四類，而 1952 年修法時，進一步將技術一詞更換為方法

（process），因而成為現行的美國專利法第 101 條架構：任何人發明或發現新而 有用之方法（process）、機器（machine）、製品（manufacture）或組合物（composition

of matter），或其新而有用之改良者，皆得依本法之規定及條件獲准專利。然而

針對發明與方法，美國專利法第 100 條亦有所定義：

1.發明係指發明或發現。

2.方法係指方法（process）、技術（art）或方式（method），並包括已知方法、

機器、製品、組合物或材料之新用途。

學者朱浩筠針對屬於專利適格標的之四種範疇，除了「方法」外，其餘三 種因皆具實體性質，故又可將之歸類成「產品（product）」，依法院之解釋，各 範疇具有下列定義：

1.方法:處理某種材料而產生一預定結果的模式，為一種或者一連串的行動，施 行在客體上使其轉換為不同狀態或物。

2.產品:

（1）機器：指能執行某種功能以產生特定效果或功能之裝置，或者各類機械 力及械械裝置之組合。而在電腦相關發明中，以手段功能用語所撰寫的 裝置類型請求項，亦被視為是屬於機器之範疇。

( 2 ) 製品：無論以人工或機械方式，將原料或備料賦予新形式、

品質、特性或組合而供使用的產物。

( 3 ) 組合物：無論以化學合成或機械組合，或者是氣體、流體、粉末或固體 的組合結果之所有兩種以上的物質之組合及合成物。另外，「分子」屬 於原子的排列，亦為組合物的一種。

本研究依上述專利標的物的分類標準，將蒐集到的專利樣本數分成有形的 產品及無形的方法，為了使分析更加準確本研究將同時擁有產品及方法的專利 予以剔除。得到專利標的物為無形的方法之專利共40筆，有形的產品之專利共 196筆。

第 第 第

第六 六 六節 六 節 節 多元 節 多元 多元 多元迴 迴 迴 迴歸分析 歸分析 歸分析 歸分析

本研究使用 SPSS 12.0 統計分析軟體，首先將樣本資料進行迴歸分析基本 假設的檢定，檢驗樣本資料是否具有線性迴歸的特質，以訴訟賠償金額為依變 數、自變數則為本文所提到的 15 項專利指標，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。在市場的經濟活動 中，經常會遇到某一市場現象的發展和變化取決於幾個影響因子的情況，也就 是一個因變數和幾個自變數有依存關係的情況。而且有時幾個影響因素主次難 以區分，或者有的因素雖屬次要，但也不能略去其作用。例如，某一商品的銷 售量既與人口的增長變化有關，也與商品價格變化有關。這時採用一元迴歸分

析預測法進行預測是難以奏效的，需要採用多元迴歸分析預測法。多元迴歸分 析預測法顧名思義就是是指通過對兩上或兩個以上的自變數與一個因變數的相 關分析，建立預測模型進行預測的方法。當自變數與因變數之間存線上性關係 時，稱為多元線性迴歸分析。其目的有兩點:第一點為尋找兩個或兩個以上的變 數之間的相互關係、第二點可包含敘述性、控制性與預測等三種目的。首先要 利用多元線性迴歸方法，依變數和自變數之間的關係必須是線性，也就是說，

依變數與自變數存在著相當固定比率的關係，若是發現依變數與自變數呈現非 線性關係時，可以透過轉換(transform)成線性關係，再進行迴歸分析。以下為進 行迴歸分析之步驟:

1.迴歸分析基本假設 (1)常態性(normality)

若是資料呈現常態分配 (normal distribution)，則誤差項也會呈現同樣 的分配，當樣本數夠大時，檢查的方式是使用簡單的直方圖(Histogram)，

若是樣本數較小時，檢查的方式是使用常態機率圖(normal probability plot)。

(2)誤差項的獨立性

自變數的誤差項，相互之間應該是獨立的，也就是誤差項與誤差項之 間没有相互關係，否則，在估計迴歸參數時，會降低統計的檢定力，我們 可以藉由殘差(Residuals)的圖形分析來檢查，尤其是與時間序列和事件相關 的資料，特別需要注意去處理。

(3)誤差項的變異數相等(Homoscedasticity)

自變數的誤差項除了需要呈現常態性分配外，其變量數也需要相等，

變量數的不相等會導致自變數無法有效的估計應變數，例如：殘差分佈分 析時，所呈現的三角形分佈和鑽石分佈，在 SPSS 軟體中，我們可以使用 Levene test，來測試變異數的一致性，當變異數的不相等發生時，我們可以 透過轉換成變異數的相等後，再進行迴歸分析。

多元迴歸模式其數學式如下

i mi m i

i

i F F F

Y =β₀ +β_{1 1} +β_{2 2} +...+β +ε

1 1 ) 1 ( ) 1

1₁ ×( + + × ×

× = n m m + n

n F

Y β ε 或者是

 

 

 





 

 

 





Y

n

Y Y Y

M

3 2 1

=

   





 

 





nm n

m m m

F F

F F

F F

F F

L L

L L

M

L L

M

L L

1 3 31

2 21

1 11

1 1

 

 

 





 

 

 





β

m

β β β

M

3 1 0

+

 

 

 





 

 

 





ε

n

ε ε ε

M

3 2 1

其中ε 為多元迴歸基本模式的殘差值，彼此之間互相獨立且屬常態分配，_i ε ~ i

N(0, δ ),i=1,2,3,…,n，接著利用最小平方法(Original Least Square，OLS)，估計² 多元迴歸方程式的係數值為









































=

=

∑

∑

∑

∑

∑

=

=

=

=

− =

I m

i i m

i i m

i i m

i i

m

i i

Y F Y

F F

F m

Y F F F

1 1

1 2 1

' 1 1 ' )

β ( ,β =Y-₀

β

^F

3.找出最佳迴歸式

選擇變數進入的方式(以得到最佳的迴歸模式)在進行迴歸分析時，大部份的 情形是有多個自變數可以選擇使用在迴歸方程式中，我們想要找到的是能夠以 較少的自變數就足以解釋整個迴歸模式最大量，然而，其存在問題是我們應該 選取多少個自變數，又應如何選擇呢？我們整理選擇自變數進入迴歸模式的方 式如下：

(1)確認性的指定

以理論或文獻上的理由為基礎，研究人員可以指定哪些變數，可以納入 迴歸方程式中，但必須注意的是，研究人員必須能確認選定的變數可以在簡 潔扼要的模式下，達到最大的解釋能力。由於本研究無法確定哪幾項指標可 以在哪一個模式下，解釋能力會最高，所以此方法本研究將不採用。

(2)順序搜尋法

順序搜尋法是依變數解釋力的大小，選擇變數進入迴歸方程式，常見有

強迫進入、向前選擇、後退消去、逐步迴歸四種，我們分別介紹如下：

a.強迫進入法

強迫進入法又稱為複迴歸分析法，將不管所有自變數的解釋能力大 小，全部導入迴歸方程式中，換句話說強迫所有自變數有順序的進入迴 歸方程式。

b.向前選擇法

自變數的選取是以達到統計顯著水準的變數，依解釋力的大小，依 次選取進入迴歸方程式中，以逐步增加的方式，完成選取的動作。

c.後退消去法

先將所有變數納入迴歸方程式中求出一個迴歸模式，接著，逐步將 最小解釋力的變數刪除，直到所有未達顯著的自變數都刪除為止。

d.逐步迴歸法

逐次迴歸是結合向前增加法和往後刪除法的方式，首先，逐步迴歸 會選取自變數中與應變數相關最大者，接著選取剩下的自變數中，部份 相關係數與應變數較高者 (解釋力較大者)，每新增一個自變數，就利用 往後刪除法檢驗迴歸方程式中，是否有需要刪除的變數，透過向前增加，

選取變數，往後刪除進行檢驗，直到所有選取的變數都達顯著水準為止，

就會得到迴歸的最佳模式。

4.共線性問題

當自變數們(X n )有共線性的問題時，代表自變數(X n )有共同解釋的部份，

個別的自變數(X)，無法確認對依變數(Y)有多大的影響，那我們如何辨識自變 數們(X n )有共線性的問題呢？下列二個步驟可以辨識共線性的問題：

(1)查看相關係數，超過0.8 就已經太高了，可能有共線性問題。

(2)查看容忍值(tolerance)，容忍值計算方式為1減去自變數被其它變數所解釋

的變異量，得到的數值介於0跟1之間，數值愈大愈好，容忍值愈大，代表

Faction)，VIF 的值愈小愈好，代表愈没有共線性問題。其數學式 如下 tolerance = 1 -R ²

VIF= ₂ 1

1

−R

當發生共線性問題時，我們可以採用忽略高相關變數、只作預測，不作解 釋迴歸係數、用來了解關係、使用其它迴歸分析，來處理共線性的問題。

5.模式驗證

驗證結果的目的是想要確認是否可以代表母體，我們想要驗證迴歸模時，

可以使用2個獨立的樣本，或同一個樣本，分割成2個樣本，進行迴歸分析後，

若是二個樣本没有顯著差異，就代表樣本有一致性，表示我們得到的迴歸模式 經過驗證後，可以代表母體。然而本研究將368筆專利資料隨機取得三分之一為 驗證樣本，而剩下的三分之二為驗證之母體樣本，並進行計算出其模式MSE值，

來作為本研究迴歸模式之效度。

在文檔中 中 華 大 學 (頁 58-65)