科学素质与发明价值

请注意，在SNPL科学质量分布的一部分，除了最顶尖的专利外，如果排除具有SNPL自我参考的专利，则专利价值更高。事实上，SNPL自我参考的比例大致相似，如果有什么不同的话，往往会随着SNPL科学质量的提高而降低。总的来说，这支持了这样一种观点，即高质量的科学也与高价值的技术相联系，尤其是在其发展的组织边界之外。无SNPL参考的专利04812专利价值（引文）按SNPL科学质量排名的低质量高质量专利无SNPL自我参考的专利有SNPL自我参考的专利（a）无SNPL参考的SNPL自我参考的专利04812专利价值（引文）按SNPL科学质量排名的低质量高质量专利短时间滞后中时间滞后长时间滞后（c）专利价值SNPL science quality and Time0246810专利价值（引文）0 1 2 3 4 5到科学技术前沿的最短距离按SNPL quality排名前10%的专利所有专利按SNPL quality排名后10%的专利（b）按到科学前沿和SNPL science quality的距离排名的专利价值图2：其他结果注：SNPL science quality是整个科学界3年内的最大引文数专利中以SNPL引用形式出现的出版物。专利价值是以美国专利的5年专利远期引用计数来衡量的。专利价值和科学质量使用技术领域×第一年FEs进行剩余化。阴影区域显示各平均值周围95%的密度区间。a） 考虑最高质量的SNPL引用的SNPL自引用。N=4767844项专利（952932项，引用SNPLreferences）。b） 到科学前沿的距离（x轴）被测量为专利参考网络中具有SNPL参考的专利的最短路径。

对于不在科学前沿的专利，SNPL science quality是与之相关的前沿专利的最大SNPL sciencequality。N=3816176c）时间距离是指在科学质量最高的SNPL参考文献中，专利的第一年和科学出版物的出版年之间的延迟。N=4767844项专利（952932项，引用SNPLreferences）。到目前为止，我们的分析侧重于科学前沿的专利，即通过SNPL参考与ASCIENTIC出版物直接关联的专利。为了概括我们的发现，我们还考虑了通过引用其他专利间接与科学出版物相关的专利。据称，引用网络中最短路径较长的专利距离科技前沿较远。最近的研究使用了科学和技术之间的距离这一概念，并证明，距离科学前沿越远，专利的价值就会单调下降（Ahmadoor和Jones，2017）。在图2b中，我们考虑了这一维度，并描述了距离科学技术前沿不同水平的专利价值。我们在质量的前10%和后10%区分与SNPL引用相关的专利（直接或间接）。我们还报告了不同距离的所有专利的平均价值。与具有相同距离的SNPL引用的多个专利相关联的专利分配给具有高质量SNPL引用的专利。我们发现，专利价值和SNPL科学质量之间的相关性在很大程度上传播到距离科学技术前沿更远的专利。

从平均专利变为前10%专利的专利价值增长（专利引用了其他专利，并引用了高质量的科学出版物）大约等于专利价值的增长，更接近前沿。例如，距离前10%仅一步之遥的专利，其价值与科学前沿的平均专利价值相同。与前10%的专利相比，任何距离前10%的专利都具有更高的价值。这种差异也存在于距离边界较远的地方，近似恒定，大约相当于高出3倍的值。回归结果表明，补充材料证实，SNPL科学质量和专利价值之间的正相关性只有在距离超过6度后才开始减弱。我们可以得出这样的结论：高质量的科学促进了远远超出科学技术前沿的高价值技术进步。在图2c中，我们还将时间视为与科学距离相关的维度。时间是指专利族的第一年与最高质量SNPL参考文献的出版年之间的时间差。我们研究了专利价值在SNPL科学质量分布和不同时滞水平下的变化。有趣的是，时间延迟越短，专利价值越高。在所有时间距离水平上，与SNPL科学质量的相关性都保持很强的正相关性，但对于时间距离较短的专利，相关性更强。因此，在SNPL科学质量较高的情况下，平均而言，专利价值较高，但在较短的时间间隔内，专利价值也会急剧增加。相反，在SNPL科学质量较低的情况下，时间距离的边际效应很小。到目前为止，我们已经通过我们的前瞻性专利引用来衡量专利价值。

然而，在一系列广泛的专利价值替代措施中，结果是稳健的。首先，我们考虑EPO的引文数量。其次，我们采用了两个货币价值指标，可用于专利的子样本。我们使用Kogan et al.（Kogan et al.，2017）的估计值，他们提出了一种基于专利授予活动中异常股票市场回报的衡量方法，作为其私人价值的代理。我们进一步从PatVal调查中获得基于发明人调查的专利发明价值估算（Giuri et al.，2007）。这两项措施仅适用于分别约899K和11k的有限专利样本。第三，我们通过第一项独立权利要求的文本长度来衡量专利范围。这取决于证据表明，对所要求发明的更长描述意味着更窄的法律保护，因此专利价值更低（Kuhn和Thompson，2019）。我们单独考虑美国专利局（USPTO）或欧洲专利局（EPO）专利授权出版物中第一项独立权利要求的有效期。表1报告了基于所有这些替代专利价值指标平均值的描述性统计数据，这些指标适用于没有SNPL参考的专利，以及SNPL科学质量前10%和后10%的专利。我们在补充材料中复制了所有这些替代专利价值衡量指标的回归结果。表1:SNPL科学质量和专利价值的替代衡量标准无SNPL底部10%顶部10%美国引文Mean 5.122 4.906 10.107标准误差（0.004）（0.022）（0.057）N 3466695 84839 85262EP引文Mean 0.947 0.746 2.068标准误差（0.001）（0.012）（0.016）N 3466695 84839 85262Kogan等人。

（2017）（美元）平均13.322 12.411 16.796标准误差（0.044）（0.622）（0.475）N 699752 8899 13665PATVAL（欧元）平均11.859 8.401 23.923标准误差（0.449）（3.209）（4.891）N 8482 351 232美国索赔长度平均185.547 179.163 177.672标准误差（0.455）（0.491）N 1952410 66313 70738EP索赔长度平均143.926 140.834 128.968标准误差（0.084）（0.333）（0.454）N 1157166 4284930109注：该表提供了所有考虑的专利价值衡量指标的描述性统计数据。它报告了没有SNPL参考文献的专利的平均值，SNPL参考文献在科学质量中处于最后10%和前10%。专利价值和科学质量使用技术领域×年份FEs进行剩余化。补充材料中提供了相应回归分析的弹性。4结论科学贡献的质量通常根据其在科学社区内的影响来衡量。然而，科学家还需要衡量和承认他们对社会以及未来技术和社会进步的贡献。事实上，科学质量实际上是在科学领域中定义的，这有助于人们将科学视为一种独立的上游活动，有时与技术进步分离，至多对社会产生间接和延迟的影响。相反，我们的研究表明，这种对科学质量和技术之间关系的解释在很大程度上是一种误解。我们表明，优秀的科学与价值特别高的发明直接相关。

更具体地说，我们的发现表明，专利中引用的出版物的科学质量与专利的影响和商业价值之间存在着牢固的关系。我们的结果是描述性的，强相关性的确切原因将在未来的工作中进行分析。在这一点上，似乎最合理的假设是，ScientificinSights的工业用户扫描科学部门，寻找新的结果，并使用在其工业领域最有前景的结果。我们怀疑他们这样做仅仅是基于科学引文计数或影响度量。相反，我们期望他们应用自己复杂的逻辑和评估，甚至可能避免使用科学部门的经典指标。商业投资不太可能在科学界引文衡量的兴趣足够高的前提下进行。因此，科学部门使用的质量度量与商业（专利）领域使用的质量度量之间的高度相关性是偶然的。他们极不可能反映虚假的选择结果。撇开确切的因果关系不谈，我们的结果为科学治理体系提供了有趣的证据，例如大学和公共研究组织，以及资助机构和科学决策者。当前的系统引导研究人员努力在引用和影响方面衡量成功。根据我们的发现，这样一个系统的成果与技术开发和科学成果翻译的后期阶段非常一致。我们的研究并没有提供对齐最佳性的证据。

然而，这显然与在科学资助决策中应用科学标准会导致研究人员参与对整个社会几乎没有价值的活动的观点相矛盾。相反，科学质量（由科学家衡量）是作为科学努力成果开发的技术的适用性和实用价值的有力预测因素。自相矛盾的是，在做出商业投资决策时，考虑引用次数或影响因素等学术措施可能不是一个坏主意。补充材料：科学质量和发明价值本文件包括：o第S-1至S-4节-数据-方法（包括文献综述）-回归分析-补充图表和表格o图S-F1至S-F7o表S-T1至S-T13o参考资料-1数据在下文中，我们简要介绍了科学文献和专利数据。表S-T1提供了合并数据集结构的详细信息。图S-F2显示了专利和SNPL参考样本随时间变化的描述性统计数据。科学文献数据科学文献数据来自4300万份科学出版物，对应于1980年至2016年间出版的汤森路透科学网（WoS）数据库中索引的所有研究文章。WoS是最大的科学文献书目数据库，为每种科学出版物提供所有主要信息，包括作者、作者、研究领域和引文。专利数据我们研究中专利数据的主要来源是数据库DOCDB，该数据库由欧洲专利局（EPO）每周维护和更新。它包括90多项专利的记录。

我们的研究基于DOCDB中480多万个专利族的样本，包括所有专利族，其中至少有一个在欧洲专利局（EPO）或美国专利和商标局（USPTO）获得授权的专利族，包括1985年至2012年之间的第一个专利族。我们包括在EPO、USPTO或世界知识产权组织（WIPO）的专利搜索和审查阶段生成的参考文献。请注意，WIPO没有授予程序，WIPO的考试通常由EPO进行。DOCDB包含有关这些专利的所有数字信息。与其他数据库相比，非专利文献（NPL）引文数据的一个优势是可以使用丰富的xml文本，包括标题、作者、年份、期刊标题、页数、卷数和数量的单独字段。这允许将这些信息分别与书目科学文献信息进行匹配，大大提高了匹配的质量（见S-2.1节）。每当我们提到技术领域时，我们都使用WIPO提供的34个技术领域的IPC专利代码分类。数据转换每当我们对具有自然零值的变量（例如引文计数）使用对数转换时，我们都使用对数（x+1）转换。在专利家族级别统一专利属性时，必须做出几个决定。对于技术领域，我们使用成员专利的模式技术领域。如果是关系，我们使用数字最低的字段。

当没有油田分类时，可在www.webofknowledge上获取更多关于WoS的信息。通用域名格式。有关DOCDB的更多详细信息，请访问www.epo。组织/专利搜索/数据/批量数据集/docdbWIPO分类：https://www.wipo.int/edocs/mdocs/classifications/en/ipc\\U ce\\U 41/ipc\\U ce\\U 41\\U 5-附录1。pdfTable S-T1：数据集科学出版物的结构（1980-2012）总计，不包括社会/人文自我参考科学出版物42962463 35874824 SNPL参考中的科学出版物2248563 2203035 2079713 SNPL参考中的科学出版物（五年内）1627872 1597426 1465312专利族（1985-2012）EPO USTOPATENT总计系列-SNPL参考组合6962239 1009481 6177977唯一SNPL参考2229658 575637 2017694专利系列4767844 1960772 4442742 SNPL参考的专利系列952932 490848 921929注：数据集中的观察计数。差异源于对数据的不同看法。表的第一部分还考虑了1980-1984年期间的SNPL引用，而第二部分则没有。我们放弃了专利系列。当Kogan等人（2017）或PatVal（Giuri等人，2007）的多项专利价值估计可用时，我们使用最高的一项。某些具有极值的变量已被winsorized。反向引用计数是指一项专利引用其他专利的次数，在第95个百分位获胜。这同样适用于Inventor和SNPL引用的数量。第一个独立权利要求的长度在第1个和第99个百分位处获胜。在将科学领域分配给科学出版物时，如果有多个领域，我们会保留代码在字母表中排在第一位的科学领域。

我们的样本仅限于科学文章发表年份在专利族第一年或之前的引用。S-2方法SS-2.1将科学和专利文献数据联系起来“科学”通常指知识的创造和组织，通常以可测试的假设和关于自然现象的预测的形式出现。简单地说，学术科学家（大多受雇于公共部门）生活在一个追求对知识做出开创性贡献的世界中，因此，他们努力寻求新颖的见解，更好地理解根本问题（Merton，1968，1973）。根据这一观点，科学家也遵守在科学出版物中披露新产生的知识和信息的准则。应用程序的社会或私人利益被认为不太重要，但也很难直接评估。原则上，科学可以与经济上追求财富和金钱利益脱钩。相反，“技术”指的是艺术领域和人工制品，这些人工制品可能已经或可能尚未在科学见解的帮助下构建。ECD Frascati手册将技术定义为生产商品和服务时使用的技术、技能、方法和流程的集合。新见解的应用主要是由工程师带来的（Allen，1977）。工程师（主要在私营部门工作）受到的规则和激励与指导科学家行为的规则和激励截然不同。他们寻求贡献新技术，利用秘密保护雇主的市场地位，并参与市场竞争的战略考虑。因此，工程师将知识转化为适销对路的产品，然后为所有者带来货币回报。