美国专利分类体系的长期动态

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：
《Long-run dynamics of the U.S. patent classification system》
---
作者：
Francois Lafond and Daniel Kim
---
最新提交年份：
2018
---
英文摘要：
  Almost by definition, radical innovations create a need to revise existing classification systems. In this paper, we argue that classification system changes and patent reclassification are common and reveal interesting information about technological evolution. To support our argument, we present three sets of findings regarding classification volatility in the U.S. patent classification system. First, we study the evolution of the number of distinct classes. Reconstructed time series based on the current classification scheme are very different from historical data. This suggests that using the current classification to analyze the past produces a distorted view of the evolution of the system. Second, we study the relative sizes of classes. The size distribution is exponential so classes are of quite different sizes, but the largest classes are not necessarily the oldest. To explain this pattern with a simple stochastic growth model, we introduce the assumption that classes have a regular chance to be split. Third, we study reclassification. The share of patents that are in a different class now than they were at birth can be quite high. Reclassification mostly occurs across classes belonging to the same 1-digit NBER category, but not always. We also document that reclassified patents tend to be more cited than non-reclassified ones, even after controlling for grant year and class of origin.
---
中文摘要：
几乎从定义上讲，激进的创新需要修改现有的分类系统。在本文中，我们认为分类系统的变化和专利重新分类是常见的，并揭示了有关技术演变的有趣信息。为了支持我们的论点，我们提出了三组关于美国专利分类体系中分类波动性的研究结果。首先，我们研究了不同类数的演化。基于当前分类方案重建的时间序列与历史数据有很大不同。这表明，使用当前的分类来分析过去会对系统的演化产生扭曲的看法。其次，我们研究了班级的相对规模。大小分布呈指数分布，因此类的大小差别很大，但最大的类不一定是最古老的类。为了用一个简单的随机增长模型来解释这种模式，我们引入了一个假设，即类有一个规则的分裂机会。第三，我们研究重新分类。与出生时不同类别的专利所占份额可能相当高。重新分类主要发生在属于同一个1位数NBER类别的类别之间，但并不总是如此。我们还记录了重新分类的专利往往比未重新分类的专利更容易被引用，即使在控制了授予年份和来源类别之后。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
-->

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0 回帖

关键词：专利分类体系 Quantitative distribution Innovations QUANTITATIV

美国专利分类系统的长期动态*Francois Lafond1,2,3和Daniel Kim牛津马丁学院新经济思想研究所、牛津大学史密斯企业与环境学院、牛津大学牛津马丁学院技术与经济变革项目、牛津大学自然科学研究所、韩国高级科学技术研究所9月24日，2018年摘要几乎从定义上讲，激进的创新创造了修改现有分类系统的需求。在这篇论文中，我们认为分类系统的变化和专利重新分类是常见的，并且显示了有关技术进化的有趣信息。为了支持我们的论点，我们提出了三组关于美国专利分类系统中分类波动性的发现。首先，我们研究不同类数量的演化。基于当前分类模式重建的时间序列与历史数据非常不同。这表明，使用当前的分类来分析过去会对系统的演变产生扭曲的看法。其次，我们研究了类的相对性。规模分布呈指数分布，因此各阶层的规模差别很大，但最大的阶层不一定是最古老的。为了用一个简单的随机增长模型来解释这种模式，我们引入了一个假设，即类有一个规则的分裂机会。第三，我们研究分类。与出生时相比，现在处于不同类别的专利所占比例可能相当高。重新分类主要发生在属于同一个1位数NBER类别的类别之间，但并不总是如此。

我们还记录了重新分类的专利往往比未重新分类的专利更容易被引用，即使在控制了授予年份和来源类别之后。关键词：专利、分类、重新分类。JEL代码：O30、O39。*本文重用了第一作者在马斯特里赫特大学（UNU-MERIT）的博士论文中未发表的章节中的材料。这项工作得到了韩国ZF资助的韩国国家研究基金会（NRF）的支持[赠款编号NRF-2017R1A2B3006930（D.K.）]，以及欧盟委员会项目FP7-ICT2013-611272（GROWTHCOM）（F.L.）。我们还感谢新经济合作伙伴、伦敦数学科学研究所、牛津马丁学院新经济思想研究所以及牛津马丁学院技术和经济变革项目的支持。我们从两位匿名裁判和许多同事的精彩评论中受益匪浅，他们包括杰夫·阿尔斯托特、浅野由纪夫、马里亚诺·贝盖利斯·迪亚斯、J.多因·法默、马可·潘加洛、埃曼努埃尔·普格利泽、乔治·特里乌尔齐和维尔赫尔姆·维伦德尔。我们还感谢Diana Greenwald和美国专利局帮助我们定位数据源。所有的幸存者都是我们的。联系人：francois。lafond@inet.ox.ac.uk，daniel。永浩。kim@gmail.com1简介美国专利体系包含约1000万项专利，分为约500个主要类别。然而，有些类别比其他类别大得多，有些类别比其他类别古老得多，更重要的是，这些类别中没有一个可以被认为是一劳永逸的定义良好的实体。由于其重要的法律作用，美国专利和商标局（USPTO）不断投入资源来改进发明的分类，因此分类系统随着时间的推移发生了很大的变化，反映了当时的技术演变。

分类的发展是因为创建了新的类，但也因为现有类被废除、合并和拆分。事实上，2015年的所有现有类别都是在1899年后在美国专利分类系统（USPCS）中建立的，尽管第一个类别是在1790年授予的，第一个分类系统是在1829-1830年创建的。再举一个例子，在1976年授予的所有专利中，现在有40%的专利属于与1976年不同的主要类别。为了保持尽可能高的可搜索性，美国专利商标局对专利进行了重新分类，以便在每一时刻根据一致的最新分类法对专利进行分类。这样做的缺点是，当前的分类并不是为了反映技术发展的历史描述。换言之，虽然分类系统为所有专利提供了一致的分类，但这种一致性不是时不变的。不同时间点的观察者对过去的一致分类有不同的想法，即使在对过去的同一组专利进行分类时也是如此。在本文中，我们关注美国专利分类的历史演变。我们提供了三组发现。首先，我们研究不同类别数量的演变，对比当前和历史分类系统。最近的研究（Strumskyet al.2012、Strumsky&Lobo 2015、Youn et al.2015）表明，可以重建当前分类系统子类数量的长期演变。这使他们能够获得有关重组类型以及新亚类和新组合的相对引入率的有趣结果。计算不同类别数量的另一种方法是返回档案，检查过去在不同点实际存在的类的数量。

我们发现分类系统的历史演变和重建演变之间存在重要差异。特别是，我们发现，从历史上看，不同类别的数量增长或多或少，每年大约增加两个半类别。相比之下，重新构建的进化（考虑到在某个日期之前授予的所有专利需要多少现有类别）表明，与19世纪创建的大多数类别不同，之后引入新类别的速度也有所放缓。同样，使用历史类别，我们发现类别数量和专利数量之间的关系与Heaps定律是相容的，Heaps定律是类别数量与项目数量的幂律比例，最初观察到文本中不同单词的数量与总单词数之间的关系（Heaps1978）。从长远来看，使用重构的进化堆定律是行不通的。知道不同类别的数量后，下一个问题是它们的增长和相对大小（以专利数量为例）。因此，我们的第二组发现涉及到类的大小分布。我们发现这是指数型的，证实了Carnabuci（2013）在一个更受限制的子样本上的结果。我们还发现，类的大小和年龄之间没有明确的关系，这就排除了简单随机增长模型中指数分布的解释，在这种模型中，类是一次性和一次性创建的。第三，我们假设新技术领域和激进创新往往与更高的再分类活动相关。这表明，重新分类的历史包含了关于最具变革性创新的最新信息。我们在这里的工作与Wanget al。

（2016）世卫组织研究了自1994年以来300万项实用新型专利的一系列指标（权利要求、引用、扩展等）与重新分类的关系。我们使用了1976年以来的数据，观察了来源类别和引文统计。重新分类的专利似乎比未重新分类的专利更容易被引用。我们还构建了重新分类流程图，并在NBER专利类别层面进行了聚合（Hallet al.2001）。这表明，美国国家经济研究局（NBER）对专利进行了重新分类，这是不容忽视的。我们发现，“计算机”和“电子”中的专利通常被重新归类到其他NBERcategories中，这与“药物”等其他类别不同。然后，我们讨论了三个新类别的示例（织物、组合化学和艺术智能）。最后，我们认为，如果不考虑重新分类，就不可能解释观察到的模式。我们开发了一个简单的模型，其中类根据优先依恋增长，但有被分割的可能性。该模型的唯一输入是2015年的专利数量和类别以及堆定律指数。尽管如此，该模型能够重现i）阶级数量增长的历史和重建模式，ii）规模分布和（部分）年龄-规模关系的缺失，以及iii）分类率的时间演变。我们提出的经验证据和我们需要为模型做出的假设清楚地表明，美国专利公司已经有了长足的发展，很难将专利类别视为定义稳定的技术领域。分类系统不能很好地理解为一个类别是一次性创建的，并随着时间的推移累积专利的系统。相反，它被更好地理解为一个不断重组的系统。

正因为如此，使用当前的分类系统来研究一组旧的专利就像用今天的课程来回顾过去一样。在本文中，我们不仅展示了历史真实与重建真实之间的差异，还解释了这些差异是如何产生的。本文的组织结构如下。第2节详细说明了我们的动机，给出了一些分类的背景，并回顾了有关技术类别的文献。第3节描述了USPCS和我们的数据源。第4节介绍了我们关于类数量演变的结果。第5节讨论了类的大小分布。第6节介绍了我们自1976年以来的重新分类结果。第7节提出了一个模型，该模型再现了前几节中发现的主要经验模式。最后一节讨论了研究结果，推动了进一步的研究并得出结论。2为什么学习分类系统很重要？分类系统很普遍，因为它们非常有用。从根本上讲，分类是模式识别、学习和理解的基础。制作一篇关于技术及其演变的论述也不例外。事实上，理论研究和更深入的实证研究几乎总是依赖于某种类型的分组，或者旨在确定一种分组。从历史上看，人们对技术分类的兴趣主要是因为需要匹配技术和工业活动（Schmookler 1966、Scherer 1984、Verspagen 1997）。由于专利技术是根据其功能分类的，而不是根据其使用行业或原产地分类的，所以这个问题尤其困难。显然，充分了解行业和专利分类系统对于构建良好的人行横道至关重要。

在此，我们强调需要承认两种分类系统都会发生变化。因此，我们的结果为自动、概率、数据驱动的方法构建一致性表提供了有力的依据，如Lybbert&Zolas（2014）最近的提案，该提案主要通过在专利中寻找行业定义的分叉词来构建技术行业表。随着人们对创新本身兴趣的上升，许多研究利用现有的专利分类来研究技术领域的溢出效应，通常考虑分类关联。例如，Kutz（2004）研究了1976年以来专利类别的增长和分布；Leydesdor ff（2008）、Antonelli等人（2010）、Strumsky等人（2012）和Youn等人（2015）研究了共分类模式；Caminati&Stabile（2010）和Acemoglu等人（2016）研究了USPCS或NBER技术类别的引用模式。同样，技术分类系统用于根据企业或发明人专利组合的分类来估计技术距离，通常是“技术空间”中企业或发明人之间的距离（Breschi等人，2003年，Nooteboom等人，2007年，Aharonson&Schilling 2016年，Alstott等人，2016年）。其他方法学贡献包括Benner&Waldfogel（2008），他指出使用专利中列出的所有代码会增加样本量，从而减少测量接近度的偏差，以及McNamee（2013），他主张使用分类系统的层次结构。尽管目前的专利分类系统得到了广泛的应用，但除了Bailey（1946）和Stafford（1952）对不同类别数量的统计之外，还没有对该系统的历史演变进行定量研究，我们在这里对其进行了更新。然而，最近Strumsky等人。

（2012）提出专利在多个领域的分类是知识重组的标志，由此引发了对专利分类的新兴趣。Youn et al.（2015）使用根据当前分类系统分类的美国专利完整记录，研究了子类（“技术代码”）。他们发现，直到1870年左右，使用到一年的子类的数量与专利的累积数量成正比，但之后增长速度变慢。然而，值得注意的是，在一个相关的背景下（职业多样性如何随城市规模扩展），Bettencourt et al.（2014）和Younet al.（2016）利用行业和职业分类系统的不同层次来确定独立数量。多样性的测量取决于使用分类系统的哪一层，但在这种情况下，有限分辨率极限（最深分类层）存在，并可用于表征普遍数量。新子类“引入”的放缓不适用于新的子类组合。Youn等人（2015年）发现，组合的数量始终等于专利数量的60%。这一发现证实了Strumsky等人（2012年）的论点，即专利分类包含了从长远来看理解技术变革的有用信息。此外，对组合的详细研究可以揭示特定内容的新颖程度（Strumsky&Lobo 2015，Kim et al.2016）。除了用于简化分析和创建人行横道之外，技术分类本身也很有趣。一项特别有趣的工作是构建系统化的技术发展史，展示一项技术是如何从其他技术演变而来的（Basalla 1988，Soléet al。

2013年）（有关具体示例，请参见T"emkin&Eldredge（2007）中的cornets和Valverde&Solé（2015）中的编程语言）。但范畴不仅仅是用来描述事物，它们常常被用来构建事物（福柯1966）。当类别被创建为名词时，它们可以有一个谓语并成为主语。因此，分类系统是一种机构，允许代理协调并商定应如何调用事物以及应在何处绘制边界。此外，分类系统可能会对其所描述的系统产生反馈，例如，通过对其分类的项目进行合法化，或者更简单地说，通过偏倚哪些项目是通过搜索找到的，并在重组中重新使用以创建其他项目。因此，分类会影响项目的未来演变及其与其他项目的关联（边界）。沿着这条论证路线，分类的过程是有效的。总之，关于技术分类系统演变的数据提供了一个关于社会如何理解其技术人工制品并通过分类过程使其合法化的指南。拉图尔（2005）认为，社会科学家不应将自己的类别过度强加给他们分析的参与者。相反，研究人员应该关注参与者，看看他们自己是如何创建类别的。Nelson（2006）将技术进化描述为实践主体和理解主体的共同进化。理解主体的作用是使实践“合理化”。他认为，这种区别对于理解进化动力学具有重要意义，因为每个身体都有自己的选择标准。我们在这里的论点是，USPC的演变反映了技术专家群体对技术系统中尺度结构的信念如何与技术进步共同作用。