专利诉讼指标研究

IPR Daily，全球视野的知识产权新锐媒体

笔者在上篇文章回顾了专利诉讼对企业发展的影响；对被告而言，官司费用、败诉时的赔偿金及后续的市场效应可能阻断被告企业的发展；对原告而言，将专利作为兴讼武器的专利权人（一篇专利的拥有者，可以是法人或个人）则能透过兴讼巩固既有市场，甚至透过兴讼直接获利。这带出了一个重要议题：什么样的专利能够用来兴讼或透过转让、授权等其他手段为专利权人带来利益？简而言之，就是何种专利的价值较高？

一、前言

笔者在上篇文章回顾了专利诉讼对企业发展的影响；对被告而言，官司费用、败诉时的赔偿金及后续的市场效应可能阻断被告企业的发展；对原告而言，将专利作为兴讼武器的专利权人（一篇专利的拥有者，可以是法人或个人）则能透过兴讼巩固既有市场，甚至透过兴讼直接获利。这带出了一个重要议题：什么样的专利能够用来兴讼或透过转让、授权等其他手段为专利权人带来利益？简而言之，就是何种专利的价值较高？

专利是政府授予专利权人的一种用来排除他人制造、贩卖、使用或进口其发明的权利；实务上，除非专利权人拿专利来提告或威胁提告，否则取得专利之后什么事也不会发生。所以专利的最原始目的就是拿来兴讼的，而专利的转让、授权只是同业用来避免被告的解决方案而已。由此可知，最根本的定义上，能用来兴讼或避免被告的专利才有价值。

专利鉴价已经过很长一段时间的发展（de Vries，2011），可大略分为定性估价（qualitative valuation）与定量估价（quantitative valuation）。

有四种途径可以用来进行专利的定性估价：成本法、市场法、收入法与选择权法。成本法系透过估算复制或取代一有形资产（例如产品）或无形资产（例如技术）所需的专利成本来决定专利价值，其中该专利成本可为内部研发并申请专利的成本，或取得外部专利的成本；成本法的缺点在于，它只看既有成本而无法计入一专利所能带来的潜在市场价值（Kamiyama et al.，2006）。市场法在估算一专利的价值时，看的是保护类似技术的其他专利目前在市场上的行情；市场法的缺点在于，通常公司之间交易专利的信息是不公开的（Davies，2004），即使好不容易取得某些类似技术的专利的交易信息，数量却不具有统计学上的代表性。收入法则是利用会计学上的「贴现金流（discounted cash flow）」估价法，将各种因子代入一公式，找出一件专利在未来能带来的现金流的目前价值与该专利价值之间的关系（Smith & Parr，2000）；收入法的缺点在于，上述各种因子的选用与权重等是请所谓的专家透过人为的方式决定的，产生的误差可能非常大。选择权的定义为一特定期限之前买卖一标的资产的权利，其价格以某种形式（例如供需平衡）进行随机变化，当以选择权法对专利鉴价时，则将专利视为上述标的资产；选择权法的缺点在于，还是需要依靠其他鉴价信息才能形成最初的价格（Davies，2004）。
 

专利的定量估价则透过评分的方式将专利进行分类与排名，包括专家意见定量估价与指标型定量估价等方法。专家意见定量估价法，系依照专家意见，将专利依照市场大小、保护范围、技术生命周期进行排名（Davies，2004）；指标型定量估价法则假借专利书目数据所形成的专利指标评价专利价值（Giuri et al.，2007）。

由上可知，成本法无法估计专利最重要的潜在价值，市场法、收入法、选择权法或专家意见定量估价法则仰赖不易取得、不易统计或流于主观的外部信息。一方面，这些方法未直接反映「能用来兴讼或避免被告的专利才有价值」的专利本质；另一方面，拥有大量专利买卖经验的大企业才有足够多的数据或专家来经由上述方法估算专利价值。所以学者持续在寻找「何种专利的价值较高？」这个问题的更佳解答。

 Lai和Che（2009）在其研究中试图找出美国专利诉讼判罚金额高低与专利指标间的关系；其利用专利诉讼相关数据的研究方法具有回到专利本质来探讨专利价值的目的。该研究中首先以多个专利指标作为自变数，以专利诉讼判罚金额作为应变数，进行复回归分析（multiple regression），结果显示其专利指标与专利诉讼判罚金额无明显关系。其接着利用反向传播类神经网络（back-propagation neural network）来重新分析其专利指标与专利诉讼判罚金额，结果找到具有预测能力的专利鉴价模型。上述研究留下几个议题：（1）该研究作者一共阅读了超过四千件的专利诉讼文件，其中记载有专利诉讼判罚金额的有效样本不到一百件，这相对于总数高达数百万件的美国专利母体而言，分析结果可能不具有统计上的意义。（2）大多数的兴讼专利权人从「和解」就达到获利的目的，这在只观察诉讼判罚金额时是看不到的。（3）专利诉讼判罚金额的高低又受诉讼期间律师、法官等非专利本身好坏的因素影响，也可能因此使得专利指标与专利诉讼判罚金额之间不存在统计学上的相关性。（4）类神经网络分析牵涉多个经由试误（trial and error）调整的参数，加上有效样本过小，研究结果可能不具有代表性。

本研究同样试图以专利诉讼与多个专利指标间的关系来评价专利价值；与上述文献不同的是，本研究仅利用「专利是否为系争专利」这个较上位的概念作为类别型（categorical）应变数进行统计分析；如此可以免除专利诉讼判罚金额所面临非专利本身好坏的因素影响，同时简化了判读机制而能一次处理数万笔数据，产生具有统计意义的结论。本研究并未将收集的「系争专利」数据细分为提告方或被告方的专利；能用来在诉讼中进行攻击（提告方）或防御（被告方）的专利都有其一定价值，而笔者未来也会更深入研究攻击与防御性专利的不同。结果显示选用的专利指标是可以用于评价专利价值的。

二、研究方法

统计学上，检定类别型应变数与自变数关系的常用方法有两（Ross，2014），当自变数也是类别型变数时使用卡方检定（chi-square test），当自变数为连续变数时使用逻辑回归（logistic regression）。「专利『是否』为系争专利」属于类别型应变数，所以笔者利用卡方检定与逻辑回归两种途径确认专利是否涉讼与专利指标间的关系。

为了避免时间对分析数据的影响，笔者特别标明单一年份公告的专利进行分析。本研究从Thomson Innovation数据库中撷取以excel格式储存的2010年当年核准的所有总共59,117件美国专利的数据，接着利用这些excel档案统计三种专利指标：（1）请求项数、（2）引证专利数（backward citation count，每篇被分析专利所引用的先前专利数量）、（3）家族数，并以「专利是否为系争专利」作为类别型应变数进行卡方检定与逻辑回归；当进行卡方检定时，需要将上述专利指标依数量进行分组形成类别型自变数。

三、结果与讨论

此处卡方检定的虚无假设（null hypothesis）为「专利是否为系争专利与专利指标大小『无关』」；在显著水准（level of significance）为0.05的条件之下，三个专利指标的检定结果拒绝了虚无假设，表示专利是否为系争专利与专利指标大小是相关的（表一～三）。

表一、专利是否为系争专利与请求项数之卡方检定列联表

表二、专利是否为系争专利与引证专利数之卡方检定列联表

表三、专利是否为系争专利与专利家族数之卡方检定列联表

涉讼率指的是系争专利在同类别自变数的所有专利中所占比率。为了符合卡方检定「80%以上表格中的虚无假设期望值必须大于5」的前提（Meyers，Gamst，& Guarino，2013），表一～三中自变数（专利指标）的分组数是透过试误决定，以使得80%以上表格中的虚无假设期望值大于5，所以表一～三的自变数分组数量不同；然而原则上，从表一～三可看出专利涉讼率与本研究三个专利指标的大小是正相关的。

统计学强调「相关不蕴涵因果（correlation does not imply causation）」，是否有足够的理由解释专利指标与涉讼率之间所观察到的现象是具有因果关系的？请求项数方面，各国专利法要求专利权人必须将要保护的技术内容确实地写入一篇专利的请求项当中。所以请求项数量越大，代表专利权人利用了越多种大大小小的请求项来保护整个技术的上位概念，及下位的核心细节，使得这种申请专利范围面面俱到的专利十分具有法律层面的攻击性。
引证专利数方面，引证专利数是专利审查过程中作为判断「可专利性」的证据。直观上，（1）引证的专利越多，代表该领域是热门的，相关技术被同业用到导致侵权的机会越高，使得涉讼率越高；（2）在这么多相同领域专利存在的情况下，一件发明还能回避掉其它发明内容而被核准为专利，足以见得具有独到见解而具有高价值。
 

家族数方面，同一家族的专利，除了具有选择发明关系的母子案，还包括同样技术内容在不同国家申请的专利。同一技术内容在同一国家合法地重覆申请专利所费不赀，更不用说大费周章地排除语言隔阂到其它国家申请专利了。所以从专利家族数可看出一专利申请人对该技术的重视程度，越被重视的的技术直观上价值越高，越不希望受他人侵权。

接着我们进一步利用逻辑回归分析专利涉讼率与标明专利指标间的关系。当涉讼率与专利指标间存在逻辑回归关系时，满足下式：

其中，p为涉讼率，x为专利指标数值，β0、β1为逻辑回归系数。

利用逻辑回归分析希有事件（rare events）时会有无法通过统计检定的情况（King & Zeng，2001）。笔者发现涉讼率大约在2%以下时，「发生诉讼」为一稀有事件，使得各种专利指标都无法通过Hosmer-Lemeshow配适度检定。当限制专利指标之最小值，使得整体平均涉讼率达到2%以上时，请求项数、引证专利数两个专利指标通过检定，且β0、β1都显著（表四），所以专利的请求项数、引证专利数可用来预测专利涉诉率；家族数的β1值则不显著，这代表高家族数的样本过少，涉讼率与家族数的关系无法用逻辑回归描述。
表四、涉讼率与专利指标之逻辑回归分析结果

四、结论

本研究透过诉讼信息建立一套专利价值排名方法，并以卡方检定与逻辑回归分析了2010年核准的所有美国专利是否为系争专利与三个专利指标（请求项数、引证专利数、家族数）之间的关系。卡方检定的结果显示，三个专利指标的分组数值区间越高，专利涉讼率越高。逻辑回归的结果显示，专利涉讼率与请求项数或引证专利数的关系可用逻辑回归式来描述。由上可知，本研究所选用的三个专利指标的确可用来替专利进行价值排名，专利指标数值越高，专利价值越高。将来只要将不同的专利涉讼率与特定价格对应，透过专利涉讼率与请求项数或引证专利数之间的逻辑回归式，则可进一步为专利鉴价。笔者往后将深入分析专利涉讼率所能对应的合理价格区间，以实现快速专利鉴价的目标。

五、未来展望

在未来的研究中，笔者会进一步将提告方及被告方的系争专利分别作为应变数，并以上述指标加上专利权人特性（是否为非专利实施个体？法人或个人？）及专利寿命…等其他自变数，以复回归的方式深入分析，以设计出更完善的专利价值分析方法。

参考文献
1.Davies，I.（2004）.Financing of Welsh SMEs: the commodification of IP rights（IP Wales Research Report）.Swansea，UK: IP Wales.
2.de Vries，D.（2011），Leveraging patents financially: A company perspective（Doctoral thesis，Hamburg University of Technology，Germany）.
3.Giuri，P.，Mariani，M.，Brusoni，S.，Crespi，G.，Francoz，D.，Gambardella，A.，…Verspagen，B.（2007）.Inventors and invention processes in Europe: Results from the PatVal-EU survey.Research policy，36，1107-1127.
4.Kamiyama，S.，Sheehan，J.，& Martinez，C.（2006）.Valuation and exploitation of intellectual property（STI Working Paper 2006/5）.Paris，France: OECD.
5.King，G. & Zeng，L.（2001）.Logistic regression in rare events data.Political Analysis，9，137-163.
6.Lai，Y.–H. & Che，H.–C.（2009）.Evaluating patents using damage awards of infringement lawsuits: A case study.Journal of Engineering and Technology Management，26，167-180.
7.Meyers，L. S.，Gamst，G. C.，& Guarino，A. J.（2013）.Performing data analysis using IBM SPSS.New Jersey: John Wiley & Sons.
8.Ross，S. M.（2014）.Introduction to probability and statistics for engineers and scientists.New York: Elsevier.
9.Smith，G. V. & Parr，R. L.（2000）.Valuation of intellectual property and intangible assets.New York: John Wiley & Sons.
10.林倞（2015）。从威盛与hTC的兴衰看技术追随者的困境。Research Protal。上网日期：2015年10月21日，取自http://portal.stpi.narl.org.tw/index/article/10149

作者：林倞 助理研究员

来源：台湾国家实验研究院科技政策与信息中心

编辑：IPRdaily纵横君