目录
1.1苹果公司广告费用、研发费用与历年专利回归线分析 ........ 2 2.1三星公司国内专利、研发投入、收入与净利润之间的回归线分析 ......................................................... 3 3.1华为公司PTC专利申请数、研发投入、销售收入与营业利润之间的回归线分析 ............................................. 4 4.1苹果、三星和华为公司研发投入与专利数、销售收入的相关性分析 ....................................................... 7 5.1结论总结 ............................................ 10
1.1苹果公司广告费用、研发费用与历年专利回归线分析
表1 苹果公司广告费用、研发费用与历年专利数据表 年份 专利数销售收研发投广告投入（亿） /件 入（亿） 入（亿） 2006 / 1167.42 45.39 20.43 2007 / 1485.52 47.26 28.23 2008 186 2265.99 67.03 29.37 2009 2 2593.22 80.57 30.28 2010 563 3942.26 108.79 41.76 2011 676 6542.68 145.06 56.39 2012 1151 9459.50 205.50 60.44 模型汇总 调整 R 标准 估计方 的误差 1 .992a .983 .972 63.095 a. 预测变量: (常量), 研发费用（亿）, 广告费用（亿）。 从模型汇总b 中可以看出“模型拟合度”为0.983，调整后的“模型拟合度”为0.972（R方的值越大，所反映的两个变量的公变量的比率就越高，模型与数据的拟合程度就越好），就说明苹果公司的历年专利数受研发投入和研发费用的影响较大.
模型 系数a 非标准化系数 标准 误差 -181.68122.600 4 B 标准系数 试用版 t Sig. 模型 R R 方
(常量) 1 -1.482 .235 广告费用-1.751 7.057 -.066 -.248 .820 （亿） 研发费用6.906 1.748 1.055 3.952 .029 （亿） a. 因变量: 历年专利（项） 从“系数a”这个表可以看出“回归系数，回归系数的标准差，回归系数的T显著性检验 等。
2
广告费用的非标准化回归系数B的估计值为-1.751，标准误差为7.057，标准化的回归系数为-.066，回归系数显著性检验T统计量的值为-.248，对应的显著性水平Sig.= .820>0.05，可以认为方程不显著。
研发费用的非标准化回归系数B的估计值为6.906，标准误差为1.748，标准化的回归系数为1.055，回归系数显著性检验T统计量的值为3.952，对应的显著性水平Sig.= .029 <0.05，可以认为方程显著。
其中在“样本数据统计”中，随即误差 一般叫“残差”。 因此回归分析得到的一元线性回归方程为： Y=-181.684+6.906X
即：历年专利数=-181.684+6.906*研发费用
回归系数常量为：-181.684，但是SIG为：.0235，常数项不显著，回归系数为：6.906，相对的sig为：0.029，具备显著性，由于在“anvoa a”表中提到了模型整体是“显著”的 。
综上所述：苹果公司经济产出受专利数影响较显著，专利数又受到研发投入影响，所以，而与广告费用的投入相关性不显著。所以是研发投入间接带来了公司经济利益的增长，
2.1三星公司国内专利、研发投入、收入与净利润之间的回归线分析
表2 三星公司国内专利、研发投入、收入与净利润 国内专利（项） 收入（亿） 研发投入（亿） 净利润（亿） 1596 317 31 38 6141 653 65 40 48 938 142 76 4123 1231 71 78 3061 1466 133 183 2273 1825 165 238 3315 2039 237 116 2909 2202 301 154 年份 2003 2006 2007 2008 2009 2010 2011 2012
模型汇总c
模型 R R 方 调整 R 标准 估计
方 的误差
1 .455a .207 .075 68.711 b
2 .797 .636 .490 51.003 a. 预测变量: (常量), 国内专利 （单位：项）。
3
b. 预测变量: (常量), 国内专利 （单位：项）, 收入 （单位：亿人民币）。
c. 因变量: 净利润（单位：亿人民币）
从模型汇总c 中可以看出“模型拟合度”为0.207和0.636，调整后的“模型拟合度”为0.075和0.4900（R方的值越大，所反映的两个变量的公变量的比率就越高，模型与数据的拟合程度就越好），就说明三星企业的净利润与研发投入和国内专利之间的影响不大. 模型
系数a
非标准化系数 标准 误差
193.948 67.336 B
标准系数 试用版
t
Sig.
(常量) 1
2.880 .028 国内专利 （单位：-.022 .018 -.455 -1.251 .257 项） (常量) 67.807 72.110 .940 .390 国内专利 （单位：-.014 .014 -.280 -1.002 .362 2 项）
收入 （单位：亿人.072 .030 .678 2.427 .060 民币）
a. 因变量: 净利润（单位：亿人民币）
从“系数a”这个表可以看出“回归系数，回归系数的标准差，回归系数的T显著性检验 等，对应的各显著性水平Sig.均大于0.05，可以认为方程不显著。
综上所述：三星的经济产出与研发投入和专利数的相关性均不显著，所以，三星的经济增长并不是通过加大研发投入，增加专利数而获得的。
3.1华为公司PTC专利申请数、研发投入、销售收入与营业利润之间的回归线分析
表3华为公司PTC专利申请数、研发投入、销售收入与营业利润 PCT申请量销售收入（亿元） 营业利润（亿元） 研发投入（亿） (件) 249 598．15 83．74 40．7 575 663．65 48．46 80 1365 866． 91．15 93．79 4
年份 2005 2006 2007
2008 2009 2010 2011 2012 1737 1847 1748 1758 1803 12．77 1491 1852 2039 2202 161．97 210．52 292．71 185．82 199．57 110 133．4 165．6 237 384
图1 研发投入与PTC申请专利数相关性分析散点图
分析：相关性不显著
图2 研发投入与销售收入相关性分析散点图
分析：相关性较显著
图3 研发投入与营业利润相关性分析散点图
分析：相关性不显著
模型汇总
模型 R R 方 调整 R 标准 估计
方 的误差
1 .957a .916 .852 42.1228 a. 预测变量: (常量), 营业利润（亿元）, PCT申请量(件), 销售收入（亿元）。
从模型汇总b 中可以看出“模型拟合度”为0.916，调整后的“模型拟
5
合度”为0.852（R方的值越大，所反映的两个变量的公变量的比率就越高，模型与数据的拟合程度就越好）。
Anovaa
模型 平方和 df 均方 F Sig.
77105.233 25701.7414.485 .013b 回归
9 6 1 残差 7097.315 4 1774.329 84202.557
总计
4 a. 因变量: 研发投入（单位：百万元）
b. 预测变量: (常量), 营业利润（亿元）, PCT申请量(件), 销售收入（亿元）。
从方差分析表Anvoa的检验结果来看：回归平方和为77105.239，残差平方和为7097.315，总平方和为84202.554，对应的F的统计量为：14.485，P值显示为0.013，拒绝模型整体不显著的假设，证明模型整体是显著的，即所建立的回归方程有效。 系数a 模型 非标准化系数 标准系t Sig. 数 标准 误试用版 差 -39.585 39.690 B (常量) -.997 .375 PCT申请量(件) -.024 .047 -.139 -.514 .634 销售收入（亿.261 .052 1.492 5.011 .007 1 元） 营业利润（亿-.814 .374 -.598 -2.177 .095 元） a. 因变量: 研发投入（单位：百万元） 从“系数a”这个表可以看出“回归系数，回归系数的标准差，回归系数的T显著性检验 等。
PCT申请量非标准化回归系数B的估计值为-.024，标准误差为.047，标准化的回归系数为-.139，回归系数显著性检验T统计量的值为-.514，对应的显著性水平Sig.= .634>0.05，可以认为方程不显著。
销售收入非标准化回归系数B的估计值为0.261，标准误差为.052，标准化的回归系数为1.492，回归系数显著性检验T统计量的值为5.011，对应的显著性水平Sig.= .007 <0.05，可以认为方程显著。
营业利润非标准化回归系数B的估计值为-.814，标准误差为.374，标准化的回归系数为-.598，回归系数显著性检验T统计量的值为-2.177，对应的显著性水平Sig.= .095 >0.05，可以认为方程不显著。
6
其中在“样本数据统计”中，随即误差 一般叫“残差”。
因此销售收入与研发投入的回归分析得到的一元线性回归方程为： Y=-39.585+0.261X 即：
销售收入=-39.585+0.261*研发投入
综上所述：随着华为公司研发投入的增加、申请专利数的增加，产品年销售收入也随之增加，说明专利保护促进华为公司的经济增长，同时也说明公司对知识产权的投入取得了相应的经济回报。所以，研发投入是华为企业创新的保障，也是经济增长的保障。
4.1苹果、三星和华为公司研发投入与专利数、销售收入的相关性分析
说明：由于每个公司均存在数据不全的年份，因此，只选取了2006-2012这段时间的专利数、研发投入及销售收入。
表4 苹果、三星、华为各公司的研发投入与专利数、销售收入表 公司 年份 专利数 销售收入 研发投入 苹果公司 2008 186 2265.99 67.03 2009 2 2593.22 80.57 2010 563 3942.26 108.79 2011 676 6542.68 145.06 2012 1151 9459.5 205.5 三星公司 2008 4123 1231 71 2009 3061 1466 133 2010 2273 1825 165 2011 3315 2039 237 2012 2909 2202 301 华为公司 2008 1737 12.77 110 2009 1847 1491 133.4 2010 1748 1852 165.6 2011 1758 2039 237 2012 1803 2202 384 Zscore(专利数) 模型汇总 R R 方 调整 R 估计值的标方 准误 .241 .058 -.015 1.007 自变量为 Zscore(研发投入)。
7
从模型汇总中可以看出“模型拟合度”为0.058，调整后的“模型拟合度”为-0.015（R方的值越大，所反映的两个变量的公变量的比率就越高，模型与数据的拟合程度就越好），三个公司从总体上分析，研发投入与专利数相关性不显著。
平方和
回归 .811 残差 13.1 总计 14.000
ANOVA df 均方
1 .811 13 1.015
14
F Sig.
.800 .387
自变量为 Zscore(研发投入)。
Zscore(销售收入)
模型汇总 R R 方 调整 R 估计值的标方 准误 .068 .005 -.072 1.035 自变量为 Zscore(研发投入)。 从模型汇总中可以看出“模型拟合度”为0.005，调整后的“模型拟合度”为-0.072（R方的值越大，所反映的两个变量的公变量的比率就越高，模型与数据的拟合程度就越好），三个公司从总体上分析，研发投入与销售收入相关性不显著。
8
平方和
ANOVA df 均方
F .060
Sig. .811
回归 .0 1 .0 残差 13.936 13 1.072
总计 14.000 14
自变量为 Zscore(研发投入)。
Zscore(研发投入) （常数）
系数
未标准化系数 标准化系
数
B 标准误 Beta .068 .277 .068 -1.001E-013
.267
t Sig.
.244 .000
.811 1.000
综上所述：三个公司从总体上分析，研发投入与专利数相关性不显著，研发投入与销售收入相关性也不显著。
9
5.1结论总结
苹果公司的经济产出主要受专利数影响，而专利数又主要来自于大量的研发投入，由1.1可以看出，它的销售收入与专利数之间存在着显著的相关性，所以是研发投入推动了苹果公司不断发展壮大。而不是依靠大量的广告费用的投入获取知名度，增加收益。相反，由2.2可以得出结论，对于三星公司而言，三星企业的净利润与研发投入和国内专利之间的影响不大，我们可以推断三星可能是依靠大量的广告费用投入，获取经济收益。而根据3.3可以看出，对于国产品牌华为公司而言，它的销售收入与专利数之间存在着显著的相关性。随着申请专利数的增加，产品年销售收入也随之增加，说明专利保护促进华为公司的经济增长，同时也说明公司对知识产权的投入取得了相应的经济回报。所以，研发投入是华为企业创新的保障，也是经济增长的保障。 然而根据4.1苹果、三星和华为公司研发投入与专利数、销售收入的相关性分析，我们可以看出研发投入与专利数相关性不显著，研发投入与销售收入相关性也不显著。但我个人认为，这并不能说明研发投入与公司经济利益的增长不具有相关性，或者说，研发投入的增加不能带来经济利益的增长，而只是说明了各个公司经济利益的增长是由于各种不同的关键因素，例如三星采取的是广告策略，华为则是利用本土优势，采用价格策略等。总而言之，研发投入是企业产品不断创新、经济不断发展的一个重要因素，但不是唯一的因素。所以，各个企业可以考虑在保持各自成功的关键因素的基础上，加大研发投入，不断创新，获取更大的发展。
10
