Zusammenfassung
In Abschnitt 4.3.1 sind bereits verschiedene Kennzahlen des unternehmerischen Patentierverhaltens dargestellt worden. Dabei ist speziell auf die vorzunehmende Differenzierung der Kennzahlen der Patentaktivität hinsichtlich ihrer technologischen bzw. ökonomischen Qualität hingewiesen worden. Faßt man die In der Literatur überwiegend vertretenen Meinungen zusammen, so werden im wesentlichen drei Qualitätskennzahlen einer Patentanmeldung genannt. Es handelt sich dabei um Patentzitate, internationale Patentanmeldungen sowie die durchschnittliche Laufzeit eines Patentes.905 Statistische Überprüfungen dieser Vermutungen auf Unternehmensebene sind allerdings In der Literatur kaum zu finden. Eine Ausnahme bildet die Arbeit von Narin et al. y In der eIn signifikanter Zusammenhang zwischen dem Anteil der Patentzitate an den Patenterteilungen und dem finanziellen Unternehmenserfolg festgestellt wurde.906 Aus diesem Grund liegt es nahe, den vorliegenden Datensatz dahingehend zu untersuchen, ob mögliche Qualitätsunterschiede zwischen den einzelnen Patentkennzahlen existieren, um damit gegebenenfalls die In der Literatur vermuteten Zusammenhänge zu bestätigen oder zu verwerfen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Vgl. Abschnitt 2.2.1.2.
Vgl. Narin, F. et al., 1987, S. 151–154. Allerdings ist kritisch anzumerken, daß sich dieser Befund ausschließlich auf Daten von 16 Unternehmen der pharmazeutischen Industrie stützt, der untersuchte finanzielle Unternehmenserfolg aus einer mittleren Größe mehrerer Erfolgskennzahlen bestand und Korrelationsanalysen durchgeführt wurden, die keinen eindeutigen Richtungszusammenhang zwischen den Variablen postulieren, Vgl. Narin, F. et al., 1987, S. 143–155 und Abschnitt 3.3.2.
Vgl.Backhaus, K. et al., 1994, S. XVII.
Vgl. Backhaus, K. et al., 1994, S. 3.
Diese Aussage ist dahingehend zu erweitern, als daß auch Binärdaten In die Regressionsanalyse als unabhängige bzw. abhängige Variablen einbezogen werden können. Im ersten Fall spricht man von einer Regression mit Hilfe von Dummy-Variablen und im zweiten Fall von einer logistischen Regression, Vgl. Hair Jr., J.F. et al., 1992, S. 25 und Abschnitt 8.2.
Vgl. Hair Jr. et al., 1992, S. 25. Ausgewählte Literaturhinweise zur Regressionsanalyse lauten wie folgt: Backhaus, K. et al., 1994, S. 1–55, Green, P.E. et al., 1988, S. 425–464, Hair Jr., J.F. et al., 1992, S. 19–86, Kockläuner, G., 1988, Norusis, M.L., 1992b, S. 303–357, Wittink, DR, 1988.
Vgl. Backhaus, K. et al., 1994, S. 2–3.
Vgl. die Abschnitte 2.2.1.2 und 5.1.1.
Vgl. die Abschnitte 2.2.1.2 und 4.3.1.
Vgl. Abschnitt 3.4. 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.
Vgl. Abschnitt 5.1.2.
Vgl. Wittink, DR., 1988, S. 5.
In Querschnittsanalysen tritt das Problem der Autokorrelation nicht auf und ist daher In den folgenden Regressionsanalysen zu vernachlässigen. Dieser Aspekt wird für die Panelanalysen In Kapitel 8 relevant.
Eine Darstellung der Prämissenverletzungen In Regressionsmodellen und Möglichkeiten ihrer Aufdeckung bzw. Behebung findet sich In Tab. A6.1 im Anhang. Auf eine ausführliche Schilderung der Prämissenverletzungen und den Möglichkeiten ihrer Behebung wird an dieser Stelle verzichtet und stattdessen auf die entsprechende Literatur verwiesen. Eine ausführliche Darstellung dieser Problematik präsentiert z.B. Wittink, D.R., 1988, S. 175–205.
Die Inspektion der Korrelationsmatrix ließ keine Anzeichen von Multikollinearität erkennen. Höchste Korrelationskoeffizienten zwischen den Regressoren lagen bei 0,4, Vgl. Tab. A6.2 im Anhang. Diese Aussage wird durch hohe Toleranzwerte gestützt. Nicht-Normalverteilung der Residuen konnte ebenfalls nicht festgestellt werden. Aufgrund der Bedeutung dieser Annahme für die Durchführung der Hypothesentests werden die Ergebnisse der jeweiligen „Kolmogorov-Smirnov-Tests” In der Tab. 6.3 aufgeführt. In allen drei Regressionsschätzungen kann die Nullhypothese, die Residuen seien normalverteilt, nicht abgelehnt 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.
Vgl. Castagne, T. et al., 1994, S. 71–75, Chatterjee, S., Hadi, A.S., 1986, S. 380–381, Hair Jr., J.F. et al., 1992, S. 49–51.
Chatterjee, S., Hadi, A.S., 1986, S. 380.
Vgl. Chatterjee, S., Hadi, A.S., 1986, S. 380. Dabei müssen „influential observations” nicht automatisch hohe Residuen aufweisen. Eine reine Betrachtung der Residuen zur Identifikation von „outliern” reicht demnach nicht aus. Zu den Unterschieden von „outliers”, „leverage points” und „influential observations”, Vgl. ausführlich, Castagne, T. et al., 1994, S. 72–73, Hair Jr., J.F. et al., 1992, S. 49–51.
Vgl. Chatterjee, S., Hadi, A.S., 1986, S. 380–387.
„Cook’s Distance” umfaßt die skalierte euklidische Distanz zwischen zwei geschätzten Vektoren, wobei die Regressionsschätzung zum einen unter Beibehaltung und zum anderen nach Elimination der „influential observations” erfolgt. Der Vorteil dieses Distanzmaßes besteht In der Möglichkeit, es mit Hilfe eines F-Testes auf Signifikanz zu prüfen. Der F-Test wird unter Berücksichtigung der Anzahl zu schätzender Parameter (p) und (N-p) Freiheitsgraden durchgeführt, Vgl. Chatterjee, S., Hadi, A.S., 1986, S. 383.
„Influential observations” wurden mit Hilfe von „Cook’s Distance” ermittelt und einem F-Test unterzogen. Bei Vorliegen signifikanter Abweichungen (a <10%) wurde die jeweilige Beobachtung entfernt. Zu allgemeinen Möglichkeiten der Behandlung von Ausreißern, Vgl. Castagne, T. et al., 1994, S. 74.
Vgl. Backhaus, K. et al., 1994, S. 20–21, Hair Jr., J.F. et al., 1992, S. 44–47 und S. 64–67, Wittink, D.R., 1988, S. 76–79.
Vgl. Wittink, DR, 1988, S. 103. Alternativ zum Bestimmtheitsmaß kann das korrigierte Bestimmtheitsmaß (Adjusted R2) verwendet werden. Hierbei wird das R2 um die Anzahl der Regressoren korrigiert, Vgl. Norusis, M.L., 1992b, S. 312.
Es ist weiterhIn darauf hinzuweisen, daß sich fälschlicherweise erhöhte R2-Werte auch aus Verletzungen der Anwendungsprämissen von Regressionsmodellen, wie z.B. durch Multikollinearität, ergeben können. Für die inhaltliche Fragestellung zu hohe R2-Werte sind mitunter als kritisch zu sehen.
Vgl. Backhaus, K. et al., 1994, S. 26, Wittink, DR, 1988, S. 103.
Diese Aussage gilt für die Hypothesen H04 bis Hq7.
Dabei werden die einzelnen Regressionskoeffizienten daraufhIn geprüft, ob der In der Stichprobe gefundene Wirkungszusammenhang zwischen Regressor und Regressand auf die Grundgesamtheit übertragbar ist, Vgl. Backhaus, K. et al., 1994, S. 28–29.
Vgl. wittink, DR., 1988, S. 77–79. Wird die Nullhypothese fälschlicherweise verworfen, spricht man von einem Fehler 1. Art. Nicht signifikante Befunde deuten auf fehlende Zusammenhänge In der Grundgesamtheit hin. Wird die Nullhypothese fälschlicherweise angenommen, spricht man von einem Fehler 2. Art.
Vgl. Backhaus, K. et al., 1994, S. 49.
Die Regressionsanalysen wurden mit SPSS für Windows In der Version 5.0.1 durchgeführt. Die Befunde beruhen auf der Prozedur „Stepwise” In SPSS. Die Befunde unter Verwendung der Prozedur „Enter” weichen davon inhaltlich nicht ab. Allerdings erhöht sich das R2.
Vgl. die Abschnitte 3.1 und 3.3.2.
Es bestätigt sich die stärkere Wirkung der Patentvariablen auf den Umsatz. Dies entspricht den In anderen empirischen Arbeiten gemachten Beobachtungen, Vgl. die Abschnitte 3.3.2 und 3.4.
Der Regressionskoeffizient gibt an, um wieviele Einheiten sich der Regressand verändert, wenn (unter sonst gleichen Bedingungen) der Regressor um eine Einheit erhöht wird. Daraus lassen sich Aussagen über absolute Wirkungen von Einflußgrößen ableiten, Vgl. Backhaus, K. et al., 1994, S. 19. Der „Beta”-Wert (standardisierter Regressionskoeffizient) spiegelt relative Bedeutungsunterschiede zwischen den einzelnen Einflußfaktoren bei der Erklärung der Varianz des Regressanden wider, Vgl. Hair Jr., J.F. et al., 1992, S. 46–47.
Diese Vermutung wird durch Befunde der Korrelationsanalyse zwischen den einzelnen Patentkennzahlen bestätigt. Für EQ sind signifikante Korrelationen mit REPA (r = -0,31), US-Quote (r = -0,30) und ZQ (r = -0,40) festzustellen, Vgl. Tab. A6.2 im Anhang. Das negative Vorzeichen der Korrelationskoeffizienten zeigt an, daß eine niedrige Konzentrationsquote (Verteilung der Patentanmeldungen In wenigen Patentklassen) mit hohen internationalen Patentaktivitäten und einer hohen Zitierquote einhergeht. Dieser Befund weist darauf hin, daß qualitativ höherwertige Patentpositionen In positiver Verbindung zur Fokussierung technologischer Aktivitäten stehen. Dieses betrifft insbesondere Unternehmen des Clusters 3, Vgl. Abschnitt 5.1.3.
Vgl. Abschnitt 2.2.1.2. Da eIn positiver Zusammenhang zwischen dem Anteil gültiger Patente und der Laufzeit eines Patentes vermutet werden kann, bestätigen sich indirekt empirische Befunde, die die Laufzeit eines Patentes als Qualitätskriterium identifizieren, Vgl. ebenfalls Abschnitt 2.2.1.2.
Vgl. Abschnitt 2.2.
Vgl. Basberg, B.L., 1987, S. 137 und Abschnitt 2.2.1.2.
Vgl. VDMA, 1993a, S. 28–29 und Abschnitt 9.3.5.
Vgl. Wieandt, A., 1994, S. 428–429.
Vgl. Basberg, B.L., 1983, S. 227–237.
Vgl. Abschnitt 2.2.1.2. Die Patentdaten wurden In der Datenbank WPI des Hosts STN erhoben. Dabei ist für amerikanische Patente zu beachten, daß nur erteilte Patentschriften veröffentlicht werden. Aktivitätskennzahlen beim USPTO können somit nur auf der Basis von Patenterteilungen bestimmt werden, Vgl. Abschnitt 2.2.1.2. Diese Veröffentlichung findet im Durchschnitt ca. zwei Jahre nach dem Prioritätsdatum statt, Vgl. Schmoch, U. et al., 1988, S. 32–33. In diesem Datensatz ist daher davon auszugehen, daß amerikanische Patentschriften bis einschließlich 1990 erfaßt werden. Japanische Patentschriften werden wie europäische oder deutsche Patentanmeldungen 18 Monate nach dem Prioritätsdatum veröffentlicht, Vgl. Rebel, D., 1993, S. 281.
Faust ermittelte für den Zeitraum zwischen 1982 und 1988, daß ca. 46% der Auslandsanmeldungen mit deutscher Herkunft auf die USA entfielen. Bezogen auf die In diesem Zeitraum insgesamt angemeldeten Patente reduzierte sich dieser Anteil auf ca. 22%, Vgl. Faust, K., 1992, S. 13. Deutsche Hersteller von WZM melden im Vergleich zum Durchschnitt aller deutschen Patentanmelder ca. doppelt so viele Erfindungen In den USA zum Patent an.
Vgl. VDMA, 1993a, S. 28–29 und Abschnitt 9.3.5.
Faust ermittelte für den Zeitraum zwischen 1982 und 1988, daß ca. 50% der Auslandsanmeldungen mit deutscher Herkunft auf Japan entfielen. Bezogen auf die In diesem Zeitraum insgesamt angemeldeten Patente reduzierte sich dieser Anteil auf ca. 23%, Vgl. Faust, K., 1992, S. 13. Deutsche Hersteller von WZM melden im Vergleich zum Durchschnitt aller deutschen Patentanmelder eIn Drittel weniger Erfindungen In Japan zum Patent an. Da für die USA nur erteilte Patente veröffentlicht werden, sind die Zahlen zwischen den USA und Japan nicht vergleichbar. Es ist davon auszugehen, daß In den USA insgesamt mehr Patente deutscher Herkunft angemeldet werden als In Japan, Vgl. Faust, K., 1992, S. 13.
Die geringe Anzahl von japanischen Patentanmeldungen könnte die Folge eines als unzureichend empfundenen Technologieschutzes In Japan sein. So stellten Ernst et al. bei einer Befragung von 72 Industrieunternehmen fest, daß 18% der Unternehmen einen unzureichenden Patentschutz In Japan beklagten. Differenziert nach Branchen ergab sich, daß besonders Unternehmen des Maschinenbaus (26%) etwas verstärkt auf einen nicht ausreichenden Patentschutz verwiesen. Die Befunde deuten darauf hin, daß diese Einschätzung auf die mittelständische Struktur des Maschinenbaus zurückzuführen ist, da Großunternehmen zwar den hohen Aufwand, aber auch die Möglichkeit der erfolgreichen Handhabung des Technologieschutzes In Japan betonten, Vgl. Ernst, A. et al., 1993, S. 21–23. Offensichtlich spiegeln sich In dieser Einschätzung die insbesondere von KMUs als hoch empfundenen Eintrittsbarrieren für den japanischen Markt wider. Quellen In der Literatur weisen darauf hin, daß eIn effektiver Patentschutz In Japan erreichbar ist, dieser allerdings eines sorgfältigen Vorgehens bedarf und daher mit mehr Aufwand verbunden ist als eine durchschnittliche Patentanmeldung. In den Quellen finden sich auch Anwendungsempfehlungen zur Erlangung eines effektiven Patentschutzes In Japan, Vgl. Ernst, A. et al., 1993, S. 17–19 und S. 26, Spero, D., 1990, S. 58–67, Wineberg, A., 1988, S. 11–22 und Abschnitt 2.2.2.5. In diesem Zusammenhang ist auf die Befunde von Faust hinzuweisen, der für die Staaten der EU einen relative Rückgang als Bestimmungsregion internationaler Patentanmeldungen feststellte, während das Interesse am amerikanischen und insbesondere japanischen Technologiemarkt steigt, Vgl. Faust, K., 1992, S. 13.
Vgl. VDMA, 1993a, S. 28–29.
Zu den durch den Einfluß von „CNC’-Technologien bedingten Marktveränderungen im internationalen Handel mitWZM, Vgl. Wieandt, A., 1994, S. 428.
Dies macht deutlich, daß Patentaktivitäten nach Technologiefeldern zu differenzieren sind, Vgl. die Abschnitte 2.2.1 und 2.2.2. Eine ausführliche Analyse der technologischen Entwicklung im Bereich der „CNC’-Technologien erfolgt In Abschnitt 9.3.5 bzw. In Ernst, H., 1996.
Vgl. die Abschnitte 5.1.3 und 5.2.3.
Vgl. Abschnitt 5.1.2.
Vgl. Abschnitt 5.1.3.
Die Differenzierung erfolgte anhand der relativen US-Quote (RUS-Quote), wobei Unternehmen mit überdurchschnittlichen US-Quoten (RUS-Quote > 1) der einen und Unternehmen mit unterdurchschnittlichen US-Quoten (RUS-Quote < 1) der anderen Gruppe zugeteilt wurden. Die RUS-Quote des i-ten Unternehmens ist als Quotient aus der US-Quote für das i-te Unternehmen und der durchschnittlichen US-Quote über alle Unternehmen des Samples definiert. Die mittlere RUS-Quote über alle Unternehmen des Samples hat den Wert eins. Japanische Patentanmeldungen werden dabei im folgenden vernachlässigt, da sie offenbar keine entscheidende Bedeutung im Untersuchungssample haben. Statistisch betrachtet sind keine zusätzlichen Informationen zu erwarten, da die US-Quote und die JP-Quote hoch miteinander korrelieren.
Voraussetzung dafür ist die Unabhängigkeit der Variablen REPA und US-Quote. Dieses wird durch die fehlende Korrelation zwischen beiden Variablen angezeigt, Vgl. Tab. A6.2 im Anhang.
Vgl. Abschnitt 6.1.
Vgl. Abschnitt 6.1.
Vgl. Abschnitt 2.2.1.2.
Die In der Regressionsanalyse getestete Nullhypothese unterstellt keinen Zusammenhang zwischen der US-Quote 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 Nullhypothese führt zur Annahme des a priori vermuteten Wirkungszusammenhanges. 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. Die Inspektion der Korrelationsmatrix ließ keine Anzeichen von Multikollinearität erkennen. Der Korrelationskoeffizient r zwischen den Regressoren US-Quote und Gültigkeitsquote (GQ) beträgt 0,33, Vgl. Tab. A6.2 im Anhang. Diese Aussage wird durch hohe Toleranzwerte gestützt. Nicht-Normal Verteilung 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 der Tab. 6.4 aufgeführt. In allen drei Regressionsschätzungen kann die Nullhypothese, die Residuen seien normalverteilt, nicht abgelehnt 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%) ist die jeweilige Beobachtung entfernt worden. Die Befunde beruhen auf der Prozedur „Stepwise” In SPSS. Die Befunde unter Verwendung der Prozedur „Enter” weichen davon inhaltlich nicht ab. Allerdings erhöht sich das R2.
Vgl. Tab. 6.3.
Es bestätigen sich somit die Vermutungen aus Abb. 6.2, wo nur marginale Unterschiede zwischen den Clustern hinsichtlich RUB festgestellt werden konnten.
Vgl. Abschnitt 2.2.1.2.
Basberg, B.L., 1983, S. 235. Basberg merkt ferner an, daß „Norwegian firms that hold many U.S. patents also are very active In foreign trade (as measured by exports as a percentage of sales), and are In general considered to be highly innovative firms”. Basberg, B.L., 1983, S. 235.
Im Zuge der schrittweisen Regression ist auffällig, daß die Variable US-Quote bereits im zweiten Schritt In das Regressionsmodell aufgenommen wird, während dies für die Variable REPA erst im vierten Schritt erfolgt. Während die Aufnahme der US-Quote In das Regressionsmodell die erklärte Varianz um 9% erhöht, führt die Aufnahme von REPA zu einer Verbesserung der erklärten Varianz um 4 %.
Vgl. Abb. 6.2.
Vgl. Tab. A6.2 im Anhang.
Einige Autoren halten Korrelationen oberhalb von 0,9 für bedenklich, während andere Korrelationen ab 0,7 schon als problematisch ansehen. Andere Quellen gehen bereits ab einer Korrelation von 0,5 von Multikol linean tat aus. In dieser Arbeit wird letzterer Ansicht gefolgt und signifikante Korrelationen ab 0,5 zwischen den Regressoren als Prämissenverletzung des Regressionsmodells angesehen. Zum Problem der Multikollinearität, Vgl. ausführlich Backhaus, K. et al., 1994, S. 33–34, Green, P.E. et al., 1988, S. 455–457, Hair Jr., J.F. et al., 1992, S. 47–49, Wittink, D.R., 1988, S. 86–91.
Für die Gültigkeitsquote (US-Quote) beträgt der Regressionskoeffizient 2,20 (0,79) und der „Beta”-Wert 0,49 (0,44). Auf eine ausführliche Darstellung der einfachen Regressionsanalysen wird aufgrund des dafür notwendigen Platzbedarfes verzichtet. Die Anwendungsprämissen einfacher Regressionsanalysen waren erfüllt, Vgl. Wittink, DR., 1988, S. 27–59.
Vgl. die Abschnitte 5.1 und 5.2.
Der isolierte Einfluß der Patentkennzahlen REPA und ZQ auf die relative Entwicklung des Umsatzes pro Beschäftigtem (REUB) kann wiederum mit Hilfe der einfachen Regressionsanalyse bestimmt werden. Dabei bestätigt sich der In Tab. 6.3 bereits dargestellte positive Einfluß von REPA und ZQ auf die relative Entwicklung des Umsatzes pro Beschäftigtem (REUB), wobei REPA 6% und ZQ 7% der Varianz des Regressanden erklären. Im Fall der multiplen Regressionsschätzung sind diese Informationen bereits In der Variable US-Quote enthalten, so daß die zusätzliche Betrachtung der Variablen REPA und ZQ zu keinem zusätzlichen Informationsgewinn führt.
Dieses ist ebenfalls durch die Höhe des Regressionskoeffizienten der Variable US-Quote ersichtlich, der deutlich höher liegt als die beiden Regressionskoeffizienten der Variablen REPA und ZQ zusammengenommen, Vgl. Tab. 6.3.
Dieser Befund weist deutliche Parallelen zu den Befunden von Scherer auf, Vgl. Scherer, F.M., 1965b, S. 294–295 und den Abschnitt 3.4.
Vgl. Abschnitt 5.1.1.
Vgl. Abschnitt 5.2.3.
In einer einfachen Regressionsanalyse ist eIn signifikanter Einfluß der US-Quote auf den relativen Umsatz pro Beschäftigtem (RUB) festzustellen, wobei der Regressor 7% der Varianz des Regressanden erklärt.
Vgl. Abschnitt 5.2.3.
Dies wird dadurch bestätigt, daß zwischen den Patentkennzahlen REPA und US-Quote keine Korrelation besteht, Vgl. Tab. A6.2. Der gleiche Befund ist für den Zusammenhang zwischen REPA und GQ festzustellen. Daher ist zu vermuten, daß patent-aktive Unternehmen tendenziell niedrigere Werte für Quotenkennzahlen aufweisen, da sie ihre Patente In der Regel nicht so selektiv anmelden. Ferner werden diese Unternehmen mehr Sperr- oder Vorratspatente anmelden, die nicht international angemeldet werden. Da Unternehmen des Clusters 3 zu den großen Unternehmen des Samples zählen bestätigt dies die Befunde qualitativer Patentstudien, In denen die kleineren Patent-Portefeuilles kleinerer Unternehmen meist als qualitativ hochwertiger eingestuft wurden als der umfangreichere Patentbesitz größerer Unternehmen, Vgl. Abschnitt 3.2.
Vgl. die Abschnitte 2.2.1.2 und 5.1.1.
Vgl. Abschnitt 2.2.1.
Vgl. Abschnitt 2.2.2.
Vgl. Abb. 2.8.
Vgl. Abschnitt 2.2.1 und Abb. 2.8.
Rights and permissions
Copyright information
© 1996 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ernst, H. (1996). Kennzahlen der Patentqualität und Unternehmenserfolg. 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_6
Download citation
DOI: https://doi.org/10.1007/978-3-663-08839-4_6
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-0320-2
Online ISBN: 978-3-663-08839-4
eBook Packages: Springer Book Archive