商标申请和专利申请数量时间序列如下：

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Trademark filings and patent application count time series are
  structurally near-identical and cointegrated: Implications for studies in
  innovation》
---
作者：
Iraj Daizadeh
---
最新提交年份：
2020
---
英文摘要：
  Through time series analysis, this paper empirically explores, confirms and extends the trademark/patent inter-relationship as proposed in the normative intellectual-property (IP)-oriented Innovation Agenda view of the science and technology (S&T) firm. Beyond simple correlation, it is shown that trademark-filing (Trademarks) and patent-application counts (Patents) have similar (if not, identical) structural attributes (including similar distribution characteristics and seasonal variation, cross-wavelet synchronicity/coherency (short-term cross-periodicity) and structural breaks) and are cointegrated (integration order of 1) over a period of approximately 40 years (given the monthly observations). The existence of cointegration strongly suggests a \"long-run\" equilibrium between the two indices; that is, there is (are) exogenous force(s) restraining the two indices from diverging from one another. Structural breakpoints in the chrono-dynamics of the indices supports the existence of potentially similar exogeneous forces(s), as the break dates are simultaneous/near-simultaneous (Trademarks: 1987, 1993, 1999, 2005, 2011; Patents: 1988, 1994, 2000, and 2011). A discussion of potential triggers (affecting both time series) causing these breaks, and the concept of equilibrium in the context of these proxy measures are presented. The cointegration order and structural co-movements resemble other macro-economic variables, stoking the opportunity of using econometrics approaches to further analyze these data. As a corollary, this work further supports the inclusion of trademark analysis in innovation studies. Lastly, the data and corresponding analysis tools (R program) are presented as Supplementary Materials for reproducibility and convenience to conduct future work for interested readers.
---
中文摘要：
通过时间序列分析，本文实证研究、确认和扩展了科技企业以规范性知识产权（IP）为导向的创新议程观点中提出的商标/专利相互关系。除了简单的相关性，研究表明，商标申请（商标）和专利申请数量（专利）具有相似（如果不是相同的话）的结构属性（包括相似的分布特征和季节变化、交叉小波同步性/相干性（短期交叉周期性）和结构突变），并且在大约40年的时间内协整（整合顺序为1）（考虑到每月的观察结果）。协整的存在强烈表明这两个指数之间存在“长期”平衡；也就是说，有外力限制这两个指数彼此偏离。指数时间动力学中的结构断点支持可能存在类似的外生力，因为破裂日期是同时/接近同时的（商标：1987、1993、1999、2005、2011；专利：1988、1994、2000和2011）。本文讨论了导致这些断裂的潜在触发因素（影响两个时间序列），以及在这些替代措施的背景下的均衡概念。协整顺序和结构协动类似于其他宏观经济变量，为使用计量经济学方法进一步分析这些数据提供了机会。作为推论，这项工作进一步支持将商标分析纳入创新研究。最后，数据和相应的分析工具（R程序）作为补充材料呈现，以便于再现性和方便感兴趣的读者进行未来的工作。
---
分类信息：

一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--

---
PDF下载：
--> Trademark_filings_and_patent_application_count_time_series_are_structurally_near.pdf (354.24 KB)

2022-4-26 14:34:13 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：时间序列 专利申请 商标申请 econometrics SIMULTANEOUS

短标题：商标申请和专利申请的时间序列分析：对创新的影响第1页，共36页标题：商标申请和专利申请计数时间序列在结构上几乎相同且协整：对创新研究的影响作者：Iraj Daizadeh，博士，全球监管事务，武田制药，马萨诸塞州坎布里奇兰兹敦街40号，邮编02139。所有信件应发送至：iraj。daizadeh@takeda.comAbstract：通过时间序列分析，本文实证地探索、确认和扩展了科技企业以规范性知识产权（IP）为导向的创新议程观点中提出的商标/专利相互关系。除了简单的相关性，结果表明，商标申请（商标）和专利申请数量（专利）在大约40年的时间内具有相似（如果不是相同的话）的结构属性（包括相似的分布特征和季节变化、交叉小波同步性/相干性（短期交叉周期性）和结构突变），并且是协整的（整合顺序为1–I（1））（考虑到每月的观察）。协整的存在强烈表明两个指数之间存在“长期”平衡；也就是说，有外力限制这两个指数彼此偏离。指数时间动力学中的结构断点支持可能存在的类似外生力，因为破裂日期是同时/接近同时的（商标：1987、1993、1999、2005、2011；专利：1988、1994、2000和2011）。本文讨论了导致这些断裂的潜在触发因素（影响这两个时间序列），以及这些代理度量上下文中的平衡概念。

协整顺序和结构协同运动重新组合了其他宏观经济变量，为使用计量经济学方法进一步分析这些数据提供了机会。作为推论，这项工作进一步支持将商标分析纳入创新研究。最后，数据和相应的分析工具（R程序）作为补充材料提供，以便于重现性和方便感兴趣的读者进行未来的工作。关键词：商标、专利、创新、指标、I（1）、协整、断点、小波、时间序列披露和免责声明：作者是武田制药的员工；然而，这项工作已经完成，简称：商标申请和专利申请的时间序列分析：对创新的影响第2页，共36页，与他的工作无关。本文中表达的观点可能不代表TakedaPharmaceuticals的观点。引言通过与知识产权（IP）相关的指标（Dzillas and Blind，2018），是查询科技（IS&T）企业创新动态（例如，速率、结构）的一种更常见的方法。简单地说，使用与知识产权相关的创新代理措施的基本原理主要取决于这类公司产生的产出（即发明）的性质（Daizadeh等人，2002年）。值得注意的是，发起人可能会寻求一项或多项专利来保护一项发明，前提是此类专利符合实用性、新颖性和非显而易见性的某些证据标准，以及可感知的未来经济租金，从而证明专利优于将知识作为商业秘密发布或保留的专利（同上）。因此，我们可以理解专利中所包含的内在概念，而且此类知识产权资产的数量越多，就意味着创新性越强。

优化知识产权生成（以及由此产生的创新性）已导致科技公司相应地调整其组织、系统和流程（Daizadeh，2003年和2007年）。从概念上讲，将创新逻辑扩展到其他形式的知识产权，尤其是is&T公司的商标相关指标（如备案）更具挑战性，因为商标的标准是一个更无定形的实体，通常被定义为“识别并区分一方商品来源于另一方的文字、短语、符号和/或设计”一些研究人员对IS&T公司商标的使用表示了极大的关注。例如，Hipp和Grupp（2005）指出，“即使不包含或仅包含低水平创新的服务也可以受到品牌保护。这限制了商标统计作为创新指标的价值（同上，第526页）。”其他人则对这种方法提出了更为微妙的批评，认为这是一种定义（Flikkema等人，https://www.uspto.gov/trademarks-getting-started/trademark-basics/trademark-patent-or-copyright2019年11月19日查看。简称：商标申请和专利申请的时间序列分析：对创新的影响（2015年第3页，共363页），并正在利用相对较新的研究，以一致的方式查看商标和创新之间的联系。关于这些主题的文献的详尽描述，读者可以参考Dzillasand Blind（2019）、Siekierski等人（2018）等。过去，在其他有趣的指标中，Daizadeh（2007年、2009年）发现了多年（1970-2002年）期间专利申请（专利）和商标申请（商标）之间的强相关性（>96%；p值<0.0001）。

在同一项工作中，Daizadeh还提出，从专利、商标、出版物和新闻稿的法律和财务性质推测出的规范性模型，在此称为“Daizadeh创新议程（DIA）”（参见Daizadeh，2009年的图1），可能有助于理解已识别的相关模式。按照提议，创新议程将由若干社会经济科技公司特定指标组成，包括：美国研发支出、商标申请和注册数量、专利申请和发行数量、新闻稿数量以及各种科技相关股票指数。虽然所使用的数据（如本文所示）是针对美国的，但它可能适用于任何基于知识产权的创业型S&Tintensive管辖区。在这项工作中，Daizadeh发现了一系列有趣的发现，包括这些选定指标之间的相关性和偏相关。该研究使用了这些指标的年度值，并基于相关性和偏相关分析。最后，商标数据在创新研究中的使用最近引起了人们的兴趣。Daizadeh（20072009）补充了实证支持的假设，即如果专利是创新的代理衡量标准，如果商标与专利密切相关，那么商标也可能作为创新的代理衡量标准发挥作用。最近，人们对使用商标（和相关数据）作为创新的衡量标准重新产生了兴趣（例如，参见Dziallis和Blind，2019年的引文）。

除了相关性之外，刻画这些指标之间的相互关系可能会进一步强化商标是科技企业创新能力的标准衡量标准的观点。短标题：商标申请和专利申请的时间序列分析：创新的影响时间序列统计分析在科学学科中普遍存在，包括各种各样的方法。当我们试图理解专利和商标（双变量）的时间流动性（相互关联性）时，与本文相关的统计实践包括描述性统计（如季节变化）、协整、结构突变/变化点和交叉小波分析。虽然可能已经采取了几种方法来调查二元系统的相互关系，但选择下面描述的方法是因为几个因素，包括：易于获取、易于解释、使用的普遍性（因此对方法的强度和局限性有更大的信心），以及数据的内在标准（例如，非正态性）。进行了各种描述性统计，以深入了解分布（如正态性）和稳定性（如平稳性），并更好地选择进一步的统计分析。如前所述，Daizadeh（2007年、2009年）发现专利和商标之间有很强的相关性。使用时间序列分解和交叉小波分析作为定性工具，进一步探索了相关性（同步性）的本质，包括阐明对相关模式贡献最大的周期性。这项工作经验性地探索了两个时间序列在大约40年的时间段内的月度观测结果。

一般来说，本报告发现商标和专利（时间序列）是相似的统计矩（均值、方差、偏斜和峰度）、非正态和非平稳的季节变化，具有短期周期性。还进行了交叉小波分析，以了解潜在的周期性。该分析再次证实了这种高度相关性，但解决了最近十年中相关的短期周期性的有趣动态。协整分析（与相关分析不同）捕获了所谓的“长期均衡”，这种均衡来自于限制所研究时间序列之间共同运动差异的随机关系（Granger，1981；Engle and Granger，1987；Dolado，et al.，1999）。也就是说，协整涉及degreeShort标题：商标申请和专利申请的时间序列分析：创新的影响第5页，共36页，时间序列的差异与共同运动的方向性相反（例如，双变量朝同一方向运动的正相关）。

协整统计分析，包括Johansen、Philips和Ouliaris检验的协整统计分析，证实了时间序列是共变的，这意味着一些外生效应正在对该系统施加约束。与其他统计数据一样，协整可能会受到时间序列过程中的一个非平凡变化的影响，这可能被称为“结构突变”、“结构变化”或“制度变迁”虽然对结构突变有几种定义，因此也有解释或预测此类变化的方法，但以下是说明性的：“结构突变是一种不可预测的事件，模型中变量之间的关系发生了变化，而这种变化在任何意义上都无法从过去的数据中预测（Maheu和Gordon，2008）。”如果此类突然变化（准）同时发生，则可以假定同一外源事件同时影响商标和专利，进一步（如果不是证实性的）证据表明变量之间不仅存在相互关系。在这里，从广义波动测试中发现，存在结构断裂，并确定断裂点的日期：商标：1987、1993、1999、2005、2011；专利：1988年、1994年、2000年和2011年，使用标准模型（详情和相关引用见下文）。下文讨论了这些日期的潜在触发因素。在本文中，假设知识产权密集型科技公司的DIA模型，所探讨的基本假设是，如果专利和商标都受到相同和/或类似的外生变量的影响，那么它们各自的时间序列应该是“相互关联的”此外，这些数据支持DIA中提出的假设；也就是说，在专利申请和商标申请中应用了一个外生因素，导致了这种相互关系。

使用描述性统计、结构突变点和协整分析，对双变量月度短标题：商标申请和专利申请的时间序列分析：对创新的影响进行了实证研究。第6页，共36个时间序列，与最初的Daizadeh论文相比较（1977-2016；见方法）。同时/准同时结构变化的观察、协整的存在（这意味着抑制时间序列之间差异的“长期均衡”）以及双变量时间序列中的其他结构协同运动（如同步性、一致性）将支持共同（或类似）外生因素存在的理论，从而进一步为DIA理论添加了额外的支持性证据（对进一步研究的形式化是必要的），并说明了商标在创新过程中的引入，从而对IS&T公司的总体影响（见结果）。本文最后讨论了该方法的假设和局限性，以及未来的发展方向。所有数据集和R程序脚本均在本手稿的补充材料部分提供，以确保可重复性和方便进行未来工作。

强烈鼓励感兴趣的读者尝试自己的方法来研究二元时间序列的结构，或者不考虑所提供的材料。方法：数据来源和准备：数据包括1977年至2016年美国专利申请（专利）的月度数量和美国商标备案（商标）的月度数量。专利申请和商标申请数量：专利和商标数据来自美国专利商标局（USPTO）支持的各公开网站，如下所述：可变USPTO公开搜索网站搜索特征*Patentshttp://patft.uspto.gov/netahtml/PTO/search-adv.htmApplication备案短标题：商标备案和专利申请的时间序列分析：对创新的影响第7页，共36页日期：“APD/MM/$/YYYY”交易markshttp://tmsearch.uspto.gov/bin/gate.exe?f=tess&state=4804:57thz4.1.1Filing日期：“（YYYYMM$）[FD]”MM/YYYY是月/年的两个/四个数字表示。手动执行两次搜索，每个变量产生472个数据点，并捕获到不精确的数据点以导入R。每个变量的472个数据点表示研究期间（约40年）的每月观察值。为了便于参考和再现，手稿的补充材料部分提供了数据。统计分析。该方法遵循标准实施，并始终使用默认参数。虽然R代码（R核心团队，2019年）在本手稿的补充材料部分中介绍了再现性，但分析的一般算法如下：o加载双变量时间序列，识别并用前、后验值的平均值替换异常值（R包“tsoutliers”（洛佩斯·德拉卡尔，2019年）。