识别高被引专利 ——基于稀有事件Logit与倾向得分匹配模型

摘要：

通过对专利价值评估方法的研究,可以帮助企业识别有价值的专利,以高效保护企业的技术创新.文章运用社会网络分析方法,从Thomson Innovation数据库选取LED行业专利作为样本,根据专利被引证数计算得出专利H指数,以此作为专利价值的代理变量,并以专利的社会网络指标作为自变量.传统logit回归算法在参数估计、统计推断、选择性偏差和内生性问题方面都有可能存在缺陷.文章在logit回归模型基础上,运用稀有事件(Rare Events)logit回归模型和倾向得分匹配(Propensity Score Matching)模型对专利价值的影响因素进行系统分析.研究发现,在3种模型下,外向程度中心性、专利PageRank值、中间中心性和特征向量中心性与专利价值均呈正向关系.

关键词：专利价值、社会网络分析、H指数、稀有事件、倾向得分匹配

所属期刊栏目：41

分类号：F832.51;G306;F279.246

资助基金：国家自然科学基金71774120

在线出版日期：2021-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：67-74