双元创新(探索式与利用式)
「双元创新(探索式与利用式)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 69,603。 衡量企业探索式与利用式创新的平衡能力。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 69,603 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 年份
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- ExploreRatio [探索式创新占比] — 参考Benner & Tushman (2003, AMR)和Guan & Liu (2016, Research Policy)的方法，以前5年IPC 4位子类为知识库，新专利IPC全部为新类即为探索式。计算公式为：探索式发明专利数/总发明专利数。仅使用发明专利，用作研究变量，越大代表企业技术探索倾向越强。单位：比例
- ExploitRatio [利用式创新占比] — 参考Benner & Tushman (2003, AMR)的方法，以前5年IPC 4位子类为知识库，新专利IPC全部为旧类即为利用式。计算公式为：利用式发明专利数/总发明专利数。用作研究变量，越大代表企业技术利用倾向越强。单位：比例
- AmbidexRatio [双元创新占比] — 参考Benner & Tushman (2003, AMR)的方法，新专利IPC中既有新类又有旧类即为双元。计算公式为：双元发明专利数/总发明专利数。用作研究变量，越大代表企业同时进行探索与利用的程度越高。单位：比例
- ExploreCount [探索式专利数] — 参考Benner & Tushman (2003, AMR); Guan & Liu (2016, Research Policy)。年度探索式发明专利申请数量，即该年所有IPC 4位子类均不在前5年知识库中的发明专利数。单位：个
- ExploitCount [利用式专利数] — 参考Benner & Tushman (2003, AMR); Guan & Liu (2016, Research Policy)。年度利用式发明专利申请数量，即该年所有IPC 4位子类均在前5年知识库中的发明专利数。单位：个
- KnowledgeBaseSize [知识库规模] — 参考Guan & Liu (2016, Research Policy)的方法，计算公式为：前5年累计IPC 4位子类数量，反映企业已掌握的技术领域数。单位：个
常见问题
- 「双元创新(探索式与利用式)」是什么数据集？
- 双元创新(探索式与利用式)，隶属创新与知识产权。衡量企业探索式与利用式创新的平衡能力。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：探索式创新占比、利用式创新占比、双元创新占比、探索式专利数、利用式专利数、知识库规模。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 69,603 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量中国上市公司的双元创新活动，即企业同时进行探索式创新与利用式创新的能力。该方法基于Benner & Tushman (2003)提出的理论框架，并参考Guan & Liu (2016)的实证操作，通过分析企业专利申请的国际专利分类（IPC）代码来识别其创新类型。核心思想是将企业过去积累的技术知识视为一个“知识库”，通过比较新申请专利的IPC分类与历史知识库的差异，来判断该专利是探索了全新的技术领域（探索式），还是深化了现有技术领域（利用式），抑或是同时涉及新旧领域（双元创新）。 首先，构建企业的技术知识库。知识库定义为公司在过去五年（$t-5$年至$t-1$年）内所有已申请发明专利所覆盖的IPC 4位子类代码的集合。该知识库的规模（$KnowledgeBaseSize$）即为该集合中不重复的IPC 4位子类数量，反映了企业已掌握的技术领域的广度。 其次，对公司在$t$年新申请的每一项发明专利进行分类。根据其IPC 4位子类代码与知识库的对比关系，将专利划分为三类： 1. 探索式专利：该专利的所有IPC 4位子类代码均不在前五年的知识库中，即完全进入了新的技术领域。 2. 利用式专利：该专利的所有IPC 4位子类代码均在前五年的知识库中，即完全在现有技术领域内进行深化和改进。 3. 双元专利：该专利的IPC 4位子类代码中，既有属于知识库的“旧类”，也有不属于知识库的“新类”，体现了同时结合新旧知识的创新。 基于上述分类，可以计算公司在$t$年的探索式专利数（$ExploreCount$）、利用式专利数（$ExploitCount$）和双元专利数（$AmbidexCount$）。总发明专利数（$TotalCount$）为这三者之和。 最后，核心指标为各类创新活动的相对占比，通过将各类专利数量除以总发明专利数得到，包括探索式创新占比（$ExploreRatio$）、利用式创新占比（$ExploitRatio$）和双元创新占比（$AmbidexRatio$）。这些比例指标能够消除公司规模的影响，更纯粹地反映企业的创新战略倾向。以探索式创新占比为例，其计算公式为： $$ExploreRatio = \frac{ExploreCount}{TotalCount}$$ 其中$ExploreCount$为年度探索式发明专利申请数量，$TotalCount$为年度总发明专利申请数量。$ExploitRatio$和$AmbidexRatio$的计算逻辑与此相同。 补充说明 - 本数据集仅使用发明专利进行分析，符合主流文献对实质性创新的衡量标准。 - 对于联合申请或涉及母子公司的专利，若一项专利关联多个上市公司，则会在每个关联公司的记录中各计一次。 - 知识库的构建采用滚动窗口法，每年更新，包含截至$t-1$年末的前五年累计IPC 4位子类。 参考文献 - Benner M J, Tushman M L. Exploitation, exploration, and process management: The productivity dilemma revisited[J]. Academy of Management Review, 2003, 28(2): 238-256. - Guan J, Liu N. Exploitative and exploratory innovations in knowledge network and collaboration network: A patent analysis in the technological field of nano-energy[J]. Research Policy, 2016, 45(1): 97-112.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。