各地级市突破性创新

字段字典

• Province [省份名称] — 现行省级行政区名称，用于回溯呈现专利申请人地区，不代表完整历史区划。
• ProvinceCode [省份代码] — 六位字符串省级行政区代码，采用现行地区框架回溯。
• City [城市名称] — 现行地级及以上地区名称，包含直辖市，历史撤并地区可能无法独立定位。
• CityCode [城市代码] — 六位字符串地级及以上地区代码，采用现行地区框架回溯。
• Year [申请年份] — 专利申请日所属的日历年，年度独立统计；不是公开年或授权年。
• InventionApplicationCount [观察发明申请数] — 已观察发明申请中申请年唯一、第一申请人在本层地区归属唯一的申请件数，单位为件。主分类缺失或冲突仍计入此诊断分母；无记录的零仅表示观察集合为空，不代表现实无专利。
• ClassifiableApplicationCount [可分类发明申请数] — 观察发明申请中主国际专利分类三位大类有效且跨版本唯一的件数。主分类空时回退全部分类首段；仅用官方历史有效类别，单位为件。用于判断本地区是否有可识别输入，不代表所有专利已完整收录。
• CitationScorableCount [引用强度可评分申请数] — 可分类发明申请中，全国同申请年同主分类三位大类的平均被引次数大于零的申请件数，单位为件。包括该组内尚无观测引用的单件申请，不等于突破性申请数。
• UnscorableApplicationCount [全零引用组申请数] — 全国同申请年同主分类三位大类全部申请被引次数为零时，标准化强度未定义；该组中归属本地区的申请件数。本观察口径不识别其为突破，对突破计数贡献零；不表示已证明不具突破性。
• CitationScoreCoverage [引用强度可评分占比] — 引用强度可评分申请数除以可分类发明申请数，取值0至1，无可分类申请时缺失。仅描述观察申请中的标准化可评分覆盖，不是地理定位召回率或真实突破率。
• IsObserved [有可分类观察申请] — 1表示地区年度至少有一件可唯一归属且可分类的观察发明申请，0表示没有。仅为观察输入标记，不证明全部申请或引用均已收齐；为0时核心研究量缺失。
• BreakthroughCount2 [突破性发明申请数（2%）] — 参考徐洁、李琳（2023），全国同申请年同主IPC三位大类内，标准化被引次数达到前2%阈值且正被引的本地区第一申请人发明申请件数，单位为件。使用中国施引申请累计去重次数，包含边界全部同分，实际比例可超过名义阈值。2%为主、5%为稳健；全零引用组本期不识别、贡献零。无可分类观察申请时缺失，有输入无阳性时为零。
• LnBreakthrough2 [突破性申请数自然对数（2%）] — 参考徐洁、李琳（2023）第4.2.2节，将地区年度2%阈值突破性发明申请件数取自然对数。件数为零时因对数无定义而缺失；件数自身缺失时仍缺失。对数底数及零值规则为明确操作化；更大值表示观察到的突破性创新规模更大。
• Ln1pBreakthrough2 [突破性申请数加一自然对数（2%）] — 在徐洁、李琳（2023）的地区年度件数取对数思路上，将2%阈值件数加一后取自然对数，件数为零时为零。加一是本数据集明确的零值处理扩展，不是论文明确给出的原式；无可分类观察输入时缺失。
• BreakthroughFieldCount2 [突破性技术领域数（2%）] — 参考徐洁、李琳（2023）第4.2.3节，统计本地区当年2%阈值突破性发明申请涉及的主国际专利分类三位大类去重数量，单位为类。每件仅归一个主类，反映观察到的突破领域广度；新类沿用当前分类快照，不固定限制为论文的131类。无可分类观察输入时缺失，有输入无阳性时为零。
• BreakthroughCount5 [突破性发明申请数（5%）] — 参考徐洁、李琳（2023），全国同申请年同主IPC三位大类内，标准化被引次数达到前5%阈值且正被引的本地区第一申请人发明申请件数，单位为件。使用中国施引申请累计去重次数，包含边界全部同分，实际比例可超过名义阈值。2%为主、5%为稳健；全零引用组本期不识别、贡献零。无可分类观察申请时缺失，有输入无阳性时为零。
• LnBreakthrough5 [突破性申请数自然对数（5%）] — 参考徐洁、李琳（2023）第4.2.2节，将地区年度5%阈值突破性发明申请件数取自然对数。件数为零时因对数无定义而缺失；件数自身缺失时仍缺失。对数底数及零值规则为明确操作化；更大值表示观察到的突破性创新规模更大。
• Ln1pBreakthrough5 [突破性申请数加一自然对数（5%）] — 在徐洁、李琳（2023）的地区年度件数取对数思路上，将5%阈值件数加一后取自然对数，件数为零时为零。加一是本数据集明确的零值处理扩展，不是论文明确给出的原式；无可分类观察输入时缺失。
• BreakthroughFieldCount5 [突破性技术领域数（5%）] — 参考徐洁、李琳（2023）第4.2.3节，统计本地区当年5%阈值突破性发明申请涉及的主国际专利分类三位大类去重数量，单位为类。每件仅归一个主类，反映观察到的突破领域广度；新类沿用当前分类快照，不固定限制为论文的131类。无可分类观察输入时缺失，有输入无阳性时为零。

常见问题

「各地级市突破性创新」是什么数据集？

各地级市突破性创新，隶属科技创新。参考徐洁、李琳（2023），衡量地级及以上城市中观察到的突破性创新规模及技术领域广度。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 19 个变量。核心指标包括：观察发明申请数、可分类发明申请数、引用强度可评分申请数、全零引用组申请数、引用强度可评分占比、有可分类观察申请、突破性发明申请数（2%）、突破性申请数自然对数（2%）、突破性申请数加一自然对数（2%）、突破性技术领域数（2%）、突破性发明申请数（5%）、突破性申请数自然对数（5%）、突破性申请数加一自然对数（5%）、突破性技术领域数（5%）。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，地级市层级。

样本量有多大？

约 13,790 条观测。

数据是如何测算/获取的？

指标含义 突破性创新是能够对后续技术发展产生较大影响的创新成果。参考徐洁、李琳（2023），本数据集根据发明专利在同年、同技术领域内的相对被引水平识别突破性申请，衡量地区年度突破性创新的规模和技术领域广度。件数越大，表示观察到的高影响力发明越多；领域数越大，表示突破性成果覆盖的技术范围越广。城市指标依据原文空间分析，省级指标按相同定义扩展。 专利归属与被引次数 以发明专利申请为计数单位，合并同一申请的公开、授权和更正文献；根据申请年统计，并将每件申请分配到第一申请人所在地区和一个国际专利分类三位大类。主分类缺失时取全部分类的首个代码，使用官方全部历史有效类别；申请年或有效主类跨版本冲突时不参与识别。省、市分别要求本层第一申请人归属唯一，不把市级结果相加代替省级计算。 令申请为p，申请年为t，主技术类为k。将现有引文中指向该申请任一公开版本的记录合并，施引申请去重后的累计数量记为Cp。同一施引申请通过不同公开版本形成的重复关系只计一次。 $$ Cp=\left|\{a:\ a\text{引用了申请}p\text{的任一公开版本}\}\right| $$ 被引次数反映后续技术对该申请知识成果的使用。累计次数包含自引，仅统计已收录的中国施引申请，不设固定年度引用窗口。 同年同类标准化与突破识别 由于不同年份、技术类别的引用积累速度存在差异，先在全国中国受理发明申请的同年同类组内计算平均被引次数，再得到相对被引强度。令Ptk为该组可分类申请集合，ntk为其申请数： $$ \overline C{tk}=\frac{1}{n{tk}}\sum{p\in P{tk}}Cp,\qquad Sp=\frac{Cp}{\overline C{tk}}\quad(\overline C{tk}0) $$ 主口径使用同年同类Sp的98%分位数作为识别边界。各申请等权，分位数按排序位置线性插值；正被引且达到边界的申请识别为本期观察到的突破性申请。边界全部同分纳入，因此实际识别比例可能高于2%。组内除以相同的正均值不会改变排序，以Cp计算分位边界得到相同识别结果。 $$ Ip^{(q)}=\begin{cases}1,&\overline C{tk}0,\ Cp0,\ Sp\ge Q{1-q}(S\mid t,k),\\0,&\text{其他情况。}\end{cases} $$ 其中q=0.02为主口径。参照原文稳健性检验，另以q=0.05提供较宽阈值。全零引用组的标准化分数未定义，本观察口径本期不识别其为突破，贡献零，并单独保留这部分申请数；这不等于已经证明其不具有突破潜力。 地区年度规模与广度 设Art为地区r在t年可唯一归属且可分类的观察申请集合。按原文第4.2.2节统计年度突破性申请件数及其自然对数，同时提供加一自然对数，便于保留零件数地区： $$ B{rt}^{(q)}=\sum{p\in A{rt}}Ip^{(q)},\qquad L{rt}^{(q)}=\ln B{rt}^{(q)},\qquad L{rt}^{+(q)}=\ln(1+B{rt}^{(q)}) $$ 普通自然对数在件数为零时缺失；加一自然对数在零件数时取零。加一属于本数据集明确的零值处理扩展，原文未明确给出这一处理。 参照第4.2.3节，统计当年出现突破性申请的三位技术大类数量，作为突破领域广度： $$ F{rt}^{(q)}=\sumk\mathbf{1}\!\left(\sum{p\in A{rt},\,k(p)=k}Ip^{(q)}0\right) $$ 该字段是地区年度类别去重数，每件申请只归入一个主类，不是地区技术明细或类别均值。当Art为空时，件数、两种对数和领域数均缺失；有观察申请但没有识别阳性时，件数和领域数为零。 覆盖诊断与解释边界 附观察发明申请数、可分类申请数、引用强度可评分申请数、全零引用组申请数及可评分占比。可评分占比以可分类申请为分母，无可分类申请时缺失；有可分类观察申请标记用于区分输入缺失与观察到的零阳性。 本数据集采用全部中国受理发明作为比较池，无法完整复现作者排除境外第一申请人的样本范围；引文仅包含中国施引申请，不是全球引用完整量。主类选择、跨版本冲突处理、施引申请去重、同分边界与全零组计零均为明确操作化。观察结果不能解释为真实创新总量或精确固定比例的最优专利。 地区归属缺失具有年份和地区差异，历史撤并地区可能无法独立定位；现行地理、分类及专利版本回溯可能引入事后信息。新类别随分类快照保留，不为固定论文类别数而删除。近期申请受公开和引用积累滞后影响，同年同类标准化不能消除所有截断偏差，不宜将近期观察件数变化直接解释为真实突破能力变化。 参考文献 [1] 徐洁,李琳.技术关联、产业政策与中国城市突破性创新[J].地理研究,2023,42(10):2796-2816.DOI:10.11821/dlyj020230241.

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。