泊松回归在专利数量影响因素研究中的适用性分析.docxVIP

泊松回归在专利数量影响因素研究中的适用性分析

一、引言

在全球科技创新竞争日益激烈的背景下，专利作为衡量创新产出的核心指标，其数量不仅反映了企业、区域乃至国家的创新能力，更是制定创新政策、优化资源配置的重要依据（吴贵生，某年）。近年来，学界对专利数量影响因素的研究不断深入，试图揭示研发投入、人才资源、政策环境等变量与专利产出之间的内在关联。然而，专利数量作为典型的计数数据，其独特的离散性、非负性及分布特征，给传统的线性回归方法带来了诸多局限。

传统的普通最小二乘法（OLS）因操作简便、解释性强被广泛应用于各类研究，但面对专利数量这类计数数据时，往往会出现预测值为负、异方差难以消除等问题，导致研究结果的准确性大打折扣（伍德里奇，某年）。在此背景下，专门针对计数数据的泊松回归模型逐渐进入学界视野，成为研究专利数量影响因素的重要工具。本文将从专利数据特征、泊松回归原理、适用性体现及应用注意事项等多个维度，系统分析泊松回归在专利数量影响因素研究中的适用性，为后续相关研究提供方法参考与理论支撑。

二、专利数量数据的核心特征

要分析泊松回归的适用性，首先需明确专利数量数据的核心特征，这是模型选择的根本依据。专利数量作为创新产出的量化指标，具有区别于连续型数据的典型属性，主要体现在以下三个方面：

（一）非负整数的计数属性

专利数量的本质是对创新成果的计数，其取值只能是0、1、2等非负整数，不存在