Zusammenfassung
Das Ziel dieses Kapitels besteht darin, einen Qualitätsindex zu ermitteln, der eine allgemein gültige Differenzierung von Patentstrategien erlaubt. Dabei stellt Kapitel 7 eine Verbindung zwischen den empirischen Befunden des fünften und des sechsten Kapitels her. In Kapitel 7 sollen die in Abschnitt 5.1 identifizierten Patentstrategien986 anhand der zwei elementaren Beurteilungsdimensionen der Patentaktivität und der Patentqualität verallgemeinert und in generische Patentstrategien überführt werden. Aus diesem Grund ist es erforderlich, ein aggregiertes Maß als Ausdruck der Qualität von Patentpositionen zu entwickeln, um die Patentaktivität von Unternehmen bewerten zu können. Daher beschäftigt sich Abschnitt 7.1 zuerst mit der Bestimmung eines solchen Qualitätsindex, wobei auf die Befunde des sechsten Kapitels zurückgegriffen werden kann, in dem bereits Qualitätskennzahlen einer Patentanmeldung identifiziert worden sind.987 In Abschnitt 7.2 erfolgt dann die zweidimensionale Darstellung von Patentstrategien in einem Patent-Portfolio sowie die Zuordnung der bereits identifizierten Patentstrategien zu den Positionen in diesem Patent-Portfolio. Es ist anschließend zu analysieren, ob zwischen der Position im Patent-Portfolio und dem Unternehmenserfolg ein Zusammenhang besteht, um dadurch Anhaltspunkte für Erfolgspotentiale der Patentstrategien gewinnen zu können. Die Ausgangshypothese lautet, daß eine aktive und gleichzeitig qualitativ hochwertige Patentstrategie zu einem höheren Unternehmenserfolg führt. Sie wird in Abschnitt 7.3 getestet. In der Literatur sind sogenannte „Patent-Scoreboards“ zur Beurteilung von Patentpositionen auf Unternehmensebene entwickelt worden.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Abschnitt 5.1.3.
Vgl. Abschnitt 6.3.
Vgl. Buderi, R., 1992, S. 48–53, Coy, P., 1993, S. 49–54 und Abschnitt 2.2.1.2.
Vgl. Abschnitt 6.3.
Vgl. die Abschnitte 6.1 und 6.2.2.
Vgl. Abschnitt 6.1. Ergänzend ist darauf hinzuweisen, daß Patentzitate in dieser Arbeit ausschließlich auf erteilte Patente bezogen wurden. Bei gültigen Patenten und US-Patenten handelt es sich definitionsgemäß um erteilte Patente. Beides unterstreicht die Interdependenz zwischen den Kennzahlen der technologischen bzw. ökonomischen Patentqualität.
Vgl. die Abschnitte 2.2.1.1 und 2.2.1.2.
Theoretisch ließen sich Gewichtungskoeffizienten aus den Ergebnissen der Regressionsschätzungen zum Einfluß einzelnen Patentkennzahlen auf den Unternehmenserfolg bestimmen, vgl. die Abschnitte 6.1 und 6.2.2. Die Linearität des Ansatzes ist Ausdruck eines kompensatorischen Modells.
In diesem Kapitel wird der Begriff des Patent-Portfolios verwandt. In diesen Patent-Portfolios werden Patentstrategien auf Unternehmensebene abgebildet. Diese Patent-Portfolios basieren daher auf Patentkennzahlen, die auf aggregierter Unternehmensebene bestimmt werden, vgl. Abschnitt 2.2.1.1 und Abb. 2.5. Von diesem Patent-Portfolio des gesamten Unternehmens ist ein anderer Typ von Patent-Portfolio zu unterscheiden, in dem eine technologiefeldspezifische Analyse von Patentpositionen erfolgt, vgl. Abschnitt 2.2.2.2. Diese Form des Patent-Portfolios wird in Kapitel 9 ausführlich dargestellt. In diesem Patent-Portfolio werden die auf der Unternehmensebene bestimmten Patentkennzahlen nach einzelnen Technologiefeldern separat analysiert. Dabei handelt es sich um interne bzw. externe Patentprofile, vgl. Abschnitt 2.2.1.1 und Tab. 2.5.
Vgl. die Abschnitte 3.2 und 4.3.1
In der gewählten Darstellungsweise stellt sich die Frage nach einem „Cut-off“ Kriterium, um hohe von niedrigen Ausprägungen bezüglich der Achsendimensionen zu unterscheiden. Da metrische Daten vorliegen, kann von einem fließenden Übergang ausgegangen werden. Die vereinfachte Darstellungsform dient der graphischen Veranschaulichung des inhaltlichen Prinzips.
Vgl. die Abschnitte 5.1.3 und 6.2.1.
Vgl. Abschnitt 5.1.3.
Vgl. Abschnitt 5.1.3.
Vgl. Abschnitt 5.1.3.
Vgl. Abschnitt 6.2.1.
Bei der Benennung der Patentstrategien wird bewußt der Ausdruck „inaktiv“ für die Unternehmen des linken, unteren Quadranten verwandt, um den Unterschied zu den Unternehmen zu verdeutlichen, die eine Selektion der Patentaktivitäten vornehmen und somit eine Auswahlentscheidung treffen. Die Qualität der angemeldeten Patente unterstreicht das technologische Potential der Unternehmen, die möglicherweise mehr Patente anmelden könnten. Bei inaktiven Unternehmen ist die mindere Qualität der Patentposition auf den generellen Verzicht auf Patentschutz bzw. die mangelnde Fähigkeit patentierfähiges Wissen hervorzubringen zurückzuführen.
Vgl. Abschnitt 5.1.3.
Vgl. die Abschnitte 5.2.3, 6.1 sowie 6.2.2.
Um die Abbildungen übersichtlicher zu gestalten, wurden die Variablen jeweils logarithmiert. Die Referenzlinien werden durch die entsprechenden Mittelwerte der beiden, das Portfolio aufspannenden Variablen bestimmt. Eine Beobachtung aus Cluster 2 ließ sich nicht in diese Darstellung integrieren, da sie am unteren, linken Rand lag und die graphische Abbildungen stark verzerrt hätte. Daher beträgt die Anzahl der abgebildeten Unternehmen des Clusters 2 acht anstatt neun. Die Zahlen entsprechen der Clusterzugehörigkeit nach den Benennungen der Abschnitte 5.1.3 und 6.2.1.
Zur Durchführung von Diskriminanzanalysen, vgl. Backhaus, K. et al., 1994, S. 90–163, Hair Jr., J.F. et al., 1992, S. 87–152 und Abschnitt 5.1.1.
Das hier abgebildete Klassifizierungsdiagramm basiert auf einer Diskriminanzanalyse, bei der die Patentaktivität durch die Variable RPAB operationalisiert wird. Eine Diskriminanzanalyse auf der Basis von RPA kommt zu inhaltlich identischen Ergebnisse. Daher wird auf die Darstellung verzichtet. Das Klassifizierungsdiagramm kann mit der Abb. 7.5 verglichen werden.
Vgl. Backhaus, K. et al., 1994, S. 143–146.
Für die Diskriminanzfunktion 1 (2) ergibt sich ein Eigenwert von 1,18 (0,20), ein Anteil an der erklärten Varianz von 85% (15%), ein kanonischer Korrelationskoeffizient von 0,74 (0,41), ein Wilks λ von 0,38 (0,83) und ein Signifikanzniveau von p = 0,000 (p = 0,372). Die standardisierten Diskriminanzkoeffizienten und die höchste Korrelation innerhalb der Strukturmatrix zeigen, das der diskriminatorische Einfluß der Patentqualität (Patentaktivität) durch die Diskriminanzfunktion 1 (2) erfolgt. Die statistischen Gütekennzahlen der einzelnen Diskriminanzfunktionen weisen darauf hin, daß die Patentqualität das höhere diskriminatorische Potential besitzt als die Patentaktivität.
Für dieses Cluster weisen die Centroide beider Diskriminanzfunktionen positive Vorzeichen auf. Die aus Abb. 7.6 ersichtliche z.T. auch niedrige Patentaktivität für diese Unternehmen kommt dadurch zustande, das einige Unternehmen des Clusters 3 aufgrund der Relativierung der Patentaktivität nach der Unternehmensgröße nunmehr als weniger patentaktiv einzustufen sind als bei der Betrachtung absoluter Anmeldezahlen, vgl. die Abb. 7.4 und 7.5.
Für dieses Cluster weist der Centroid der Diskriminanzfunktion 1 den mit Abstand niedrigsten (negativsten) Wert auf.
Für dieses Cluster weist der Centroid der Diskriminanzfunktion 1 den nach Cluster 2 zweitniedrigsten Wert auf.
Für dieses Cluster weist der Centroid der Diskriminanzfunktion 1 ein positives Vorzeichen auf. Ein positives Vorzeichen bezüglich der Diskriminanzfunktion 1 weisen sonst nur noch die Cluster 3 bzw. 4a auf.
Für dieses Cluster weisen die Centroide beider Diskriminanzfunktionen negative Vorzeichen auf.
Dieses wird auch in Abb. 7.5 deutlich.
Vgl. die Abbildungen 7.4 und 7.5.
Vgl. Abb. 7.5.
Diese Felder sind in Tab. 7.2 kursiv unterlegt.
Berücksichtigt man ferner die falsche Zuordnung dreier Unternehmen zu den jeweiligen Clustern vor Beginn der Diskriminanzanalyse, dann erhöht sich die Klassifizierungswahrscheinlichkeit auf insgesamt 94%.
Vgl. Abb. 7.3.
Dabei wird auf den Ansatz zur Aufstellung von „Patent-Scoreboards“ zurückgegriffen, vgl. Buderi, R., 1992, S. 48–53, Coy, P., 1993, S. 49–54 und die Abschnitte 2.2.1.2 bzw. 7.4.
Zum Ablauf einer Regressionsanalyse, vgl. Abschnitt 6.1.
Die in der Regressionsanalyse getestete Nullhypothese unterstellt keinen Zusammenhang zwischen den jeweiligen Patentkennzahlen und dem Unternehmenserfolg. Um die Richtung des postulierten Zusammenhanges deutlich zu machen, wird die im Text erläuterte Hypothesenformulierung gewählt. Die Ablehnung der in der Regressionsschätzung getesteten Nullhypothesen führt zur Annahme der a priori vermuteten Wirkungszusammenhänge. Die Gesamtheit der in dieser Arbeit getesteten Hypothesen ist durchgehend numeriert.
Die Regressionsanalysen wurden mit SPSS für Windows in der Version 5.0.1 durchgeführt. Die geschätzten Regressionsmodelle wurden systematisch auf Verletzungen der Anwendungsprämissen untersucht. Nicht-Normalverteilung der Residuen trat im Fall der Regressionsschätzung für RUB auf, konnte aber durch Logarithmierung des Regressanden behoben werden. Die Ergebnisse der jeweiligen „Kolmogorov-Smirnov-Tests“ sind in Tab. 7.3 aufgeführt. In allen drei Regressionsschätzungen kann die Nullhypothese, die Residuen seien normalverteilt, nicht zurückgewiesen werden. Die Inspektion der entsprechenden Residuenplots bestätigte sowohl die Annahme der Linearität als auch der Homoskedastizität. Auf die Darstellung der jeweiligen Residuenplots wird aufgrund des enormen Platzbedarfs verzichtet. „Influential observations“ wurden mit Hilfe von „Cook’s Distance“ ermittelt und einem F-Test unterzogen. Bei Vorliegen signifikanter Abweichungen (a <10%) wäre die jeweilige Beobachtung entfernt worden. Nach diesem Verfahren wurden keine „influential observations“ festgestellt.
Es ist darauf hinzuweisen, daß ein statistisch signifikanter Zusammenhang zwischen den beiden Aktivitätsvariablen RPA und RPAB besteht. Der Korrelationskoeffizient r beträgt zwischen beiden Variablen 0,71 und ist signifikant auf dem 1% Niveau. Eine Regressionsanalyse mit der Aktivitätsvariable RPA kommt daher zu prinzipiell ähnlichen Ergebnissen.
Zum Ablauf einer Regressionsanalyse, vgl. Abschnitt 6.1. Die Regressionsanalysen wurden mit SPSS für Windows in der Version 5.0.1 durchgeführt. Die geschätzten Regressionsmodelle wurden systematisch auf Verletzungen der Anwendungsprämissen untersucht. Nicht-Normalverteilung der Residuen trat im Fall der Regressionsschätzung für RUB auf, konnte aber durch Logarithmierung des Regressanden behoben werden. Die Ergebnisse der jeweiligen „Kolmogorov-Smirnov-Tests“ sind in Tab. 7.4 aufgeführt. In allen drei Regressionsschätzungen kann die Nullhypothese, die Residuen seien normalverteilt, nicht zurückgewiesen werden. Die Inspektion der entsprechenden Residuenplots bestätigte sowohl die Annahme der Linearität als auch der Homoskedastizität. Auf die Darstellung der jeweiligen Residuenplots wird aufgrund des enormen Platzbedarfs verzichtet. „Influential observations“ wurden mit Hilfe von „Cook’s Distance“ ermittelt und einem F-Test unterzogen. Bei Vorliegen signifikanter Abweichungen (a <10%) wäre die jeweilige Beobachtung entfernt worden. Nach diesem Verfahren wurden keine „influential observations“ festgestellt.
Vgl. Buderi, R., 1992, S. 48–53, Coy, P., 1993, S. 49–54 und Abschnitt 2.2.1.2.
Vgl.Narin, F. et al., 1987, S. 151–154 und Abschnitt 6.1.
Vgl. die Abschnitte 6.1.2 und 6.2.2. Die Einbeziehung erteilter Patente in den Qualitätsindex wurde in Abschnitt 7.1 gerechtfertigt.
Coy, P., 1992, S. 49.
Ferner kann aus dem vorliegenden Datensatz ein „Patent-Scoreboard“ der deutschen Hersteller von WZM erstellt werden, indem die einzelnen Unternehmen hinsichtlich der Patentqualität und der Patentleistung in eine Rangfolge überführt werden. Führt man dieses analog für die Kennzahlen des Unternehmenserfolges durch, so können Rangkorrelationen zwischen den Rangplätzen im „Patent-Scoreboard“ und den Rangplätzen bezüglich der Erfolgsvariablen gerechnet werden. Diese Rangkorrelationen bestätigen den bereits auf der Basis der metrisch skalierten Daten gemachten Befund.
Vgl. die Abschnitte 2.2.1 und 2.2.2.
Rights and permissions
Copyright information
© 1996 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ernst, H. (1996). Entwicklung eines Qualitätsindex zur Differenzierung von Patentstrategien. In: Patentinformationen für die strategische Planung von Forschung und Entwicklung. Betriebswirtschaftslehre für Technologie und Innovation, vol 18. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-08839-4_7
Download citation
DOI: https://doi.org/10.1007/978-3-663-08839-4_7
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-0320-2
Online ISBN: 978-3-663-08839-4
eBook Packages: Springer Book Archive