專利訴訟指標研究

IPR Daily，全球視野的知識產(chǎn)權(quán)新銳媒體

筆者在上篇文章回顧了專利訴訟對企業(yè)發(fā)展的影響；對被告而言，官司費用、敗訴時的賠償金及后續(xù)的市場效應可能阻斷被告企業(yè)的發(fā)展；對原告而言，將專利作為興訟武器的專利權(quán)人（一篇專利的擁有者，可以是法人或個人）則能透過興訟鞏固既有市場，甚至透過興訟直接獲利。這帶出了一個重要議題：什么樣的專利能夠用來興訟或透過轉(zhuǎn)讓、授權(quán)等其他手段為專利權(quán)人帶來利益？簡而言之，就是何種專利的價值較高？

一、前言

筆者在上篇文章回顧了專利訴訟對企業(yè)發(fā)展的影響；對被告而言，官司費用、敗訴時的賠償金及后續(xù)的市場效應可能阻斷被告企業(yè)的發(fā)展；對原告而言，將專利作為興訟武器的專利權(quán)人（一篇專利的擁有者，可以是法人或個人）則能透過興訟鞏固既有市場，甚至透過興訟直接獲利。這帶出了一個重要議題：什么樣的專利能夠用來興訟或透過轉(zhuǎn)讓、授權(quán)等其他手段為專利權(quán)人帶來利益？簡而言之，就是何種專利的價值較高？

專利是政府授予專利權(quán)人的一種用來排除他人制造、販賣、使用或進口其發(fā)明的權(quán)利；實務上，除非專利權(quán)人拿專利來提告或威脅提告，否則取得專利之后什么事也不會發(fā)生。所以專利的最原始目的就是拿來興訟的，而專利的轉(zhuǎn)讓、授權(quán)只是同業(yè)用來避免被告的解決方案而已。由此可知，最根本的定義上，能用來興訟或避免被告的專利才有價值。

專利鑒價已經(jīng)過很長一段時間的發(fā)展（de Vries，2011），可大略分為定性估價（qualitative valuation）與定量估價（quantitative valuation）。

有四種途徑可以用來進行專利的定性估價：成本法、市場法、收入法與選擇權(quán)法。成本法系透過估算復制或取代一有形資產(chǎn)（例如產(chǎn)品）或無形資產(chǎn)（例如技術(shù)）所需的專利成本來決定專利價值，其中該專利成本可為內(nèi)部研發(fā)并申請專利的成本，或取得外部專利的成本；成本法的缺點在于，它只看既有成本而無法計入一專利所能帶來的潛在市場價值（Kamiyama et al.，2006）。市場法在估算一專利的價值時，看的是保護類似技術(shù)的其他專利目前在市場上的行情；市場法的缺點在于，通常公司之間交易專利的信息是不公開的（Davies，2004），即使好不容易取得某些類似技術(shù)的專利的交易信息，數(shù)量卻不具有統(tǒng)計學上的代表性。收入法則是利用會計學上的「貼現(xiàn)金流（discounted cash flow）」估價法，將各種因子代入一公式，找出一件專利在未來能帶來的現(xiàn)金流的目前價值與該專利價值之間的關(guān)系（Smith & Parr，2000）；收入法的缺點在于，上述各種因子的選用與權(quán)重等是請所謂的專家透過人為的方式?jīng)Q定的，產(chǎn)生的誤差可能非常大。選擇權(quán)的定義為一特定期限之前買賣一標的資產(chǎn)的權(quán)利，其價格以某種形式（例如供需平衡）進行隨機變化，當以選擇權(quán)法對專利鑒價時，則將專利視為上述標的資產(chǎn)；選擇權(quán)法的缺點在于，還是需要依靠其他鑒價信息才能形成最初的價格（Davies，2004）。
 

專利的定量估價則透過評分的方式將專利進行分類與排名，包括專家意見定量估價與指標型定量估價等方法。專家意見定量估價法，系依照專家意見，將專利依照市場大小、保護范圍、技術(shù)生命周期進行排名（Davies，2004）；指標型定量估價法則假借專利書目數(shù)據(jù)所形成的專利指標評價專利價值（Giuri et al.，2007）。

由上可知，成本法無法估計專利最重要的潛在價值，市場法、收入法、選擇權(quán)法或?qū)＜乙庖姸抗纼r法則仰賴不易取得、不易統(tǒng)計或流于主觀的外部信息。一方面，這些方法未直接反映「能用來興訟或避免被告的專利才有價值」的專利本質(zhì)；另一方面，擁有大量專利買賣經(jīng)驗的大企業(yè)才有足夠多的數(shù)據(jù)或?qū)＜襾斫?jīng)由上述方法估算專利價值。所以學者持續(xù)在尋找「何種專利的價值較高？」這個問題的更佳解答。

 Lai和Che（2009）在其研究中試圖找出美國專利訴訟判罰金額高低與專利指標間的關(guān)系；其利用專利訴訟相關(guān)數(shù)據(jù)的研究方法具有回到專利本質(zhì)來探討專利價值的目的。該研究中首先以多個專利指標作為自變數(shù)，以專利訴訟判罰金額作為應變數(shù)，進行復回歸分析（multiple regression），結(jié)果顯示其專利指標與專利訴訟判罰金額無明顯關(guān)系。其接著利用反向傳播類神經(jīng)網(wǎng)絡（back-propagation neural network）來重新分析其專利指標與專利訴訟判罰金額，結(jié)果找到具有預測能力的專利鑒價模型。上述研究留下幾個議題：（1）該研究作者一共閱讀了超過四千件的專利訴訟文件，其中記載有專利訴訟判罰金額的有效樣本不到一百件，這相對于總數(shù)高達數(shù)百萬件的美國專利母體而言，分析結(jié)果可能不具有統(tǒng)計上的意義。（2）大多數(shù)的興訟專利權(quán)人從「和解」就達到獲利的目的，這在只觀察訴訟判罰金額時是看不到的。（3）專利訴訟判罰金額的高低又受訴訟期間律師、法官等非專利本身好壞的因素影響，也可能因此使得專利指標與專利訴訟判罰金額之間不存在統(tǒng)計學上的相關(guān)性。（4）類神經(jīng)網(wǎng)絡分析牽涉多個經(jīng)由試誤（trial and error）調(diào)整的參數(shù)，加上有效樣本過小，研究結(jié)果可能不具有代表性。

本研究同樣試圖以專利訴訟與多個專利指標間的關(guān)系來評價專利價值；與上述文獻不同的是，本研究僅利用「專利是否為系爭專利」這個較上位的概念作為類別型（categorical）應變數(shù)進行統(tǒng)計分析；如此可以免除專利訴訟判罰金額所面臨非專利本身好壞的因素影響，同時簡化了判讀機制而能一次處理數(shù)萬筆數(shù)據(jù)，產(chǎn)生具有統(tǒng)計意義的結(jié)論。本研究并未將收集的「系爭專利」數(shù)據(jù)細分為提告方或被告方的專利；能用來在訴訟中進行攻擊（提告方）或防御（被告方）的專利都有其一定價值，而筆者未來也會更深入研究攻擊與防御性專利的不同。結(jié)果顯示選用的專利指標是可以用于評價專利價值的。

二、研究方法

統(tǒng)計學上，檢定類別型應變數(shù)與自變數(shù)關(guān)系的常用方法有兩（Ross，2014），當自變數(shù)也是類別型變數(shù)時使用卡方檢定（chi-square test），當自變數(shù)為連續(xù)變數(shù)時使用邏輯回歸（logistic regression）?！笇＠菏欠瘛粸橄禒帉＠箤儆陬悇e型應變數(shù)，所以筆者利用卡方檢定與邏輯回歸兩種途徑確認專利是否涉訟與專利指標間的關(guān)系。

為了避免時間對分析數(shù)據(jù)的影響，筆者特別標明單一年份公告的專利進行分析。本研究從Thomson Innovation數(shù)據(jù)庫中擷取以excel格式儲存的2010年當年核準的所有總共59,117件美國專利的數(shù)據(jù)，接著利用這些excel檔案統(tǒng)計三種專利指標：（1）請求項數(shù)、（2）引證專利數(shù)（backward citation count，每篇被分析專利所引用的先前專利數(shù)量）、（3）家族數(shù)，并以「專利是否為系爭專利」作為類別型應變數(shù)進行卡方檢定與邏輯回歸；當進行卡方檢定時，需要將上述專利指標依數(shù)量進行分組形成類別型自變數(shù)。

三、結(jié)果與討論

此處卡方檢定的虛無假設（null hypothesis）為「專利是否為系爭專利與專利指標大小『無關(guān)』」；在顯著水準（level of significance）為0.05的條件之下，三個專利指標的檢定結(jié)果拒絕了虛無假設，表示專利是否為系爭專利與專利指標大小是相關(guān)的（表一～三）。

表一、專利是否為系爭專利與請求項數(shù)之卡方檢定列聯(lián)表

表二、專利是否為系爭專利與引證專利數(shù)之卡方檢定列聯(lián)表

表三、專利是否為系爭專利與專利家族數(shù)之卡方檢定列聯(lián)表

涉訟率指的是系爭專利在同類別自變數(shù)的所有專利中所占比率。為了符合卡方檢定「80%以上表格中的虛無假設期望值必須大于5」的前提（Meyers，Gamst，& Guarino，2013），表一～三中自變數(shù)（專利指標）的分組數(shù)是透過試誤決定，以使得80%以上表格中的虛無假設期望值大于5，所以表一～三的自變數(shù)分組數(shù)量不同；然而原則上，從表一～三可看出專利涉訟率與本研究三個專利指標的大小是正相關(guān)的。

統(tǒng)計學強調(diào)「相關(guān)不蘊涵因果（correlation does not imply causation）」，是否有足夠的理由解釋專利指標與涉訟率之間所觀察到的現(xiàn)象是具有因果關(guān)系的？請求項數(shù)方面，各國專利法要求專利權(quán)人必須將要保護的技術(shù)內(nèi)容確實地寫入一篇專利的請求項當中。所以請求項數(shù)量越大，代表專利權(quán)人利用了越多種大大小小的請求項來保護整個技術(shù)的上位概念，及下位的核心細節(jié)，使得這種申請專利范圍面面俱到的專利十分具有法律層面的攻擊性。
引證專利數(shù)方面，引證專利數(shù)是專利審查過程中作為判斷「可專利性」的證據(jù)。直觀上，（1）引證的專利越多，代表該領(lǐng)域是熱門的，相關(guān)技術(shù)被同業(yè)用到導致侵權(quán)的機會越高，使得涉訟率越高；（2）在這么多相同領(lǐng)域?qū)＠嬖诘那闆r下，一件發(fā)明還能回避掉其它發(fā)明內(nèi)容而被核準為專利，足以見得具有獨到見解而具有高價值。
 

家族數(shù)方面，同一家族的專利，除了具有選擇發(fā)明關(guān)系的母子案，還包括同樣技術(shù)內(nèi)容在不同國家申請的專利。同一技術(shù)內(nèi)容在同一國家合法地重覆申請專利所費不貲，更不用說大費周章地排除語言隔閡到其它國家申請專利了。所以從專利家族數(shù)可看出一專利申請人對該技術(shù)的重視程度，越被重視的的技術(shù)直觀上價值越高，越不希望受他人侵權(quán)。

接著我們進一步利用邏輯回歸分析專利涉訟率與標明專利指標間的關(guān)系。當涉訟率與專利指標間存在邏輯回歸關(guān)系時，滿足下式：

其中，p為涉訟率，x為專利指標數(shù)值，β0、β1為邏輯回歸系數(shù)。

利用邏輯回歸分析希有事件（rare events）時會有無法通過統(tǒng)計檢定的情況（King & Zeng，2001）。筆者發(fā)現(xiàn)涉訟率大約在2%以下時，「發(fā)生訴訟」為一稀有事件，使得各種專利指標都無法通過Hosmer-Lemeshow配適度檢定。當限制專利指標之最小值，使得整體平均涉訟率達到2%以上時，請求項數(shù)、引證專利數(shù)兩個專利指標通過檢定，且β0、β1都顯著（表四），所以專利的請求項數(shù)、引證專利數(shù)可用來預測專利涉訴率；家族數(shù)的β1值則不顯著，這代表高家族數(shù)的樣本過少，涉訟率與家族數(shù)的關(guān)系無法用邏輯回歸描述。
表四、涉訟率與專利指標之邏輯回歸分析結(jié)果

四、結(jié)論

本研究透過訴訟信息建立一套專利價值排名方法，并以卡方檢定與邏輯回歸分析了2010年核準的所有美國專利是否為系爭專利與三個專利指標（請求項數(shù)、引證專利數(shù)、家族數(shù)）之間的關(guān)系。卡方檢定的結(jié)果顯示，三個專利指標的分組數(shù)值區(qū)間越高，專利涉訟率越高。邏輯回歸的結(jié)果顯示，專利涉訟率與請求項數(shù)或引證專利數(shù)的關(guān)系可用邏輯回歸式來描述。由上可知，本研究所選用的三個專利指標的確可用來替專利進行價值排名，專利指標數(shù)值越高，專利價值越高。將來只要將不同的專利涉訟率與特定價格對應，透過專利涉訟率與請求項數(shù)或引證專利數(shù)之間的邏輯回歸式，則可進一步為專利鑒價。筆者往后將深入分析專利涉訟率所能對應的合理價格區(qū)間，以實現(xiàn)快速專利鑒價的目標。

五、未來展望

在未來的研究中，筆者會進一步將提告方及被告方的系爭專利分別作為應變數(shù)，并以上述指標加上專利權(quán)人特性（是否為非專利實施個體？法人或個人？）及專利壽命…等其他自變數(shù)，以復回歸的方式深入分析，以設計出更完善的專利價值分析方法。

參考文獻
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.，F(xiàn)rancoz，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，F(xiàn)rance: 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）。從威盛與hTC的興衰看技術(shù)追隨者的困境。Research Protal。上網(wǎng)日期：2015年10月21日，取自http://portal.stpi.narl.org.tw/index/article/10149

作者：林倞 助理研究員

來源：臺灣國家實驗研究院科技政策與信息中心

編輯：IPRdaily縱橫君