結論

表 5.1 傳統分解法季節(月份)指數彙整表

指數

技術 季節指數 月份指數

線傳煞車系統 不明顯 四月(2.13)、九月(1.55)

線傳轉向系統 第三季(2.25) 八月(2.02)、九月(3.27)

、十二月(2.02) 車用室溫熱像器 第二季(1.22)、第四季(1.33) 六月(1.83)、十一月(1.80) 有機薄膜電晶體 第一季(1.10)、第四季(1.24) 十月(1.54)

奈米碳管場發射顯示器 第一季(1.25)、第四季(1.42) 二月 (2.89)、十一月(1.80)

二、各種預測結果分析比較

短期預測方面，線傳轉向系統與奈米碳管場發射顯示器，以灰色預 測理論進行預測之效果為最佳；線傳煞車系統、車用室溫熱像器、有機 薄膜電晶體發展，適合以 Holt 雙指數平滑法進行預測；在長期預測方面，

線傳煞車系統、奈米碳管場發射顯示器，使用二次多項式進行預測產生 的結果優於其他預測方法；線傳轉向系統、有機薄膜電晶體，則使用珀 爾曲線進行預測較合適；車用室溫熱像器，適合以乘法分解法進行預測。

其中分別就各項產業中 MAD 值最小、MAD 值次小與 MAD 值小於 10(可 接受)之預測方法彙整如表 5.2 所示。

表 5.2 各項技術用於各預測方法之 MAD 值

技術 預測方法

線傳煞車系 統(316)

線傳轉向系 統(228)

車用室溫熱 像器(167)

有機薄膜電 晶體(204)

奈米碳管場 發射顯示器

(176) 長期

簡單迴歸 ☺(4.08)

二次多項式 ☻(13.92) ☺(3.58) ☻(10.68)

最小 L ☻(5.96) ☺(4.57) ☻(3.57) ☻(15.20) 珀爾

曲線 最大 L

最小 L ☺(^6.17)

甘培茲

曲線 最大 L ☻(21.83) ☺(4.84) ☻(5.46)

季 ☻(3.41)

乘法

分解法 月 ☻(16.01) ☻(3.20)

短期

Holt 雙指數平滑法 ☻^(13.83) ☻ ☻^(3.12) ☻^(8.43) ☻

灰色預測 ☻ ☻(10.25) ☻ ☻ ☻(7.00)

註：☻表 MAD 值最小，☻表 MAD 值次小，☺表 MAD 值<10(可接受)。

因此由上述可推論，就短期預測而言，當某項新技術開始發展時，

由於缺乏足夠之專利資訊，建議可先以灰色預測進行短期之預測；就長

期預測而言，對照表 3.9 與表 5.2 可歸納以下幾項，首先當某項技術具有 抵消因素且其累積專利件數發展的時間出現在到達珀爾曲線之反曲點時 間的附近時，使用珀爾曲線進行預測會得到較佳之預測效果，其次當某 項技術之累積專利件數發展的時間未到達反曲點時間時，使用二次項式 進行預測之效果較好，第三當某項技術存在明顯的季節或月份因子時，

使用乘法分解法進行預測可得到較佳之預測效果。

三、領先指標分析

由國家別領先者預測模式初步分析結果顯示，此五項技術領先國家 擁有該技術之領先地位，而由公司別領先者預測模式顯示，線傳煞車系 統、車用室溫熱像器分別以第一名的 Delphi、GM、Kodak 為主，線傳轉 向系統則是以前兩名的 Delphi 與 Visteon 為主，有機薄膜電晶體則無法 以個別公司判斷，因此應以前五名的公司來做整體性的評估，而奈米碳 管場發射顯示器則必須關注積極投入研發的第二名的 Samsung、第三名 的 Motorola 與第五名的台灣工研院。

表 5.3 領先指標彙整表

技術/產業 國家別 公司別

線傳煞車系統 美國、德國、英國 Delphi(美國)

線傳轉向系統 美國 Delphi(美國)、Visteon(美國)

車用室溫熱像器 美國、日本 Kodak(美國)

有機薄膜電晶體 美國 前五名

奈米碳管場發射顯示器 美國、韓國、日本 Samsung(韓國)、Motorola(美 國)、工研院(台灣)

四、專利引證對技術預測的影響

使用線傳煞車系統、線傳轉向系統、車用室溫熱像器、有機薄膜電 晶體、奈米碳管場發射顯示器此五項技術中有引證關係之專利進行技術 預測，結果顯示使用有引證關係之專利進行預測時，誤差較未篩選引證 關係之專利為佳，其中車用室溫熱像器與有機薄膜電晶體兩項技術，由 於成長上限敏感度分析所探討之對象係未篩選引證關係專利，而此成長 上限不適用於有引證關係之專利資訊，因此導致產生較差之預測效果，

但就整體而言，各項預測方法之 MAD 值皆優於篩選前之專利資料，因 此可推斷若僅使用有引證關係的專利資料進行預測，將可降低預測之誤