各省数字知识流动

字段字典

• Province [省份名称] — 省级行政区名称
• ProvinceCode [省份代码] — 6位省级行政区划代码
• Year [年份] — 专利申请年份
• DigiInflowCountIntra [区域内数字知识流入次数] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：本省专利引用本省数字技术专利的累计次数，其中数字技术专利依据国家知识产权局《数字经济核心产业分类与国际专利分类参照关系表(2023)》按专利主分类号识别。用作研究变量，越大代表本地内部数字知识循环越活跃
• DigiInflowCountInter [区域外数字知识流入次数] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：本省专利引用其他省数字技术专利的累计次数，其中数字技术专利依据国家知识产权局《数字经济核心产业分类与国际专利分类参照关系表(2023)》按专利主分类号识别。用作研究变量，越大代表跨区域数字知识吸收越多
• DigiInflowCount [数字知识流入总次数] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：区域内数字知识流入次数与区域外数字知识流入次数之和。用作研究变量，越大代表该地数字知识流入总量越大
• DigiInflowIntra [区域内数字知识流入] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：区域内数字知识流入次数加1后取自然对数。用作研究变量，越大代表本地内部数字知识循环水平越高
• DigiInflowInter [区域外数字知识流入] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：区域外数字知识流入次数加1后取自然对数。用作研究变量，越大代表跨区域数字知识吸收水平越高
• DigiInflow [数字知识流入] — 参考史本叶、齐瑞卿(2026,上海财经大学学报)的方法，计算公式为：数字知识流入总次数加1后取自然对数，为原文回归模型使用的核心变量。用作研究变量，越大代表该地数字知识流入水平越高

常见问题

「各省数字知识流动」是什么数据集？

各省数字知识流动，隶属科技创新。参考史本叶、齐瑞卿(2026)的方法, 基于官方《数字经济核心产业分类与国际专利分类参照关系表(2023)》识别数字技术专利, 以本地专利对数字技术专利的每一次

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 9 个变量。核心指标包括：区域内数字知识流入次数、区域外数字知识流入次数、数字知识流入总次数、区域内数字知识流入、区域外数字知识流入、数字知识流入。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，省级层级。

样本量有多大？

约 1,116 条观测。

数据是如何测算/获取的？

指标定义与计算方法 数字知识流动刻画数字知识要素在区域之间的转移与扩散。数字知识内嵌于数字技术之中，其跨区域流动既依赖本地对外部数字技术成果的吸收能力，也依赖区域之间的技术联系强度。与统计年鉴中的存量型科技指标不同，本指标从专利引用这一可观测的知识溢出痕迹出发，刻画知识"从何处流向本地"的方向性过程。以专利引用识别知识溢出的地理边界，是 Jaffe、Trajtenberg 和 Henderson (1993) 确立的经典思路：一项专利引用另一项专利，意味着后者所承载的技术知识被前者吸收利用，引用关系因而构成知识流动的可追溯载体。本数据集参考史本叶、齐瑞卿 (2026) 的做法，在省级层面构造数字知识流入的测度。 测度分两步。第一步识别数字技术专利。依据国家知识产权局《数字经济核心产业分类与国际专利分类参照关系表(2023)》，将专利的主分类号与该对照表所列的国际专利分类号模式逐一匹配，命中者即判定为数字技术专利。匹配严格遵循对照表的层级注解：标注星号的条目按"该层级及其以下全部分类号"匹配，即子类级与主组级的层级包含；未标注星号的条目则要求分类号精确相等。一件专利的主分类号命中任一模式，即计入数字技术专利。对于主分类号缺失的少数专利，以其全部分类号序列的首位分类号作为替代。 第二步以专利引用关系构造流入事件。设 $c$ 为引用方专利、$d$ 为被引方专利，二者构成一条后向引用边 $e=(c \rightarrow d)$。当且仅当被引方 $d$ 为数字技术专利、且引用方 $c$ 与被引方 $d$ 的申请人均可定位到省级归属时，该条引用边计为一次数字知识流入事件，归属于引用方 $c$ 所在省份，其发生年份取引用方 $c$ 的专利申请年。专利的地区归属取其主申请人所在地。 按引用方与被引方是否属于同一省份，流入事件进一步分为两个方向。区域内数字知识流入为省份内部发生的数字专利引用，区域外数字知识流入为引用其他省份数字技术专利的情形： $$ \textit{IntraCount}{r,t}=\#\{e=(c \rightarrow d): prov(c)=prov(d)=r,\ \textit{IsDigital}(d)=1,\ year(c)=t\} $$ $$ \textit{InterCount}{r,t}=\#\{e=(c \rightarrow d): prov(c)=r,\ prov(d) \neq r,\ \textit{IsDigital}(d)=1,\ year(c)=t\} $$ 二者之和构成该省当年的数字知识流入总次数 $\textit{Count}{r,t}=\textit{IntraCount}{r,t}+\textit{InterCount}{r,t}$。由于流入次数呈明显右偏，核心变量对计数作对数变换 $\textit{DigiInflow}{r,t}=\ln(1+\textit{Count}{r,t})$，区域内与区域外两个方向同样给出对应的对数形式 $\ln(1+\textit{IntraCount})$ 与 $\ln(1+\textit{InterCount})$。三个方向的计数与对数值同时提供，使用者可根据研究设计选择水平值或对数值，也可自行构造区域内外的相对结构。 补充说明 - 样本口径：覆盖全部省级行政区与全部可得年份，不预先施加回归样本限制，也不按原始文献的样本区间收窄。原文的实证样本限于近十余年并在地级市层面展开，使用者如需复现原文设定可自行截取。 - 汇总粒度：原始文献将流入事件按"城市对—年份"组织，用于城市对层面的回归估计；本数据集按区域面板通行的主键汇总到"地区—年份"，并保留区域内、区域外与合计三个方向。流入事件的计数口径不变，但城市对层面的双边流向明细无法从本表还原。 - 地区归属：专利按主申请人所在地单一归属。这避免了同一条引用边在多个地区重复计数，代价是跨地区合作专利的知识流入只记在主申请人所在省，非首位申请人所在地不计入。 - 主分类口径：数字技术专利依主分类号判定，而非专利的全部分类号。该口径与本数据库企业层的数字知识流入指标保持一致，判定相对从严，流入次数的绝对水平低于按全部分类号判定的口径，但地区间与年度间的相对关系不受影响。对主分类号缺失的专利以首位分类号替代，该替代仅作用于少数专利。 - 引用计数口径：指标按引用边计数，反映引用次数而非去重后的专利对数量。发明专利的公开文本与授权文本在专利数据中是两条不同记录，若二者均被引用则分别计数，这与"引用次数"的口径一致，对结果的影响极小。 - 国际引用不计入：引用境外专利的边无法定位到中国省份，不进入任何一个方向的计数。因此本指标刻画的是境内省际数字知识流动，不包含通过国际技术引进获得的数字知识。 - 可定位性与年份可比：专利的地区归属依据申请人注册信息匹配得到，可定位比例在样本期内显著上升，早期年份的流入水平因此被系统性低估；此外，个人申请人、境外机构以及部分地区的可定位比例偏低，缺失并非随机。跨年度比较建议纳入年份固定效应。 - 末年数据完整性：专利自申请至公开存在法定滞后，引用关系的形成还需被引方与引用方均已公开，因此最近两个申请年度的专利与引用边覆盖明显低于完整年度，末年流入次数偏低，不宜作水平或趋势解读。 - 与地级市层的关系：本数据集与地级市层的同名指标各自从专利层重新计算，不可相互聚合换算——省内跨城市的引用在地级市层属区域外流入，在省级层则并入区域内流入。两层的可定位样本框亦不相同，分母不可混用。 参考文献 - 史本叶,齐瑞卿.城市算力基础设施建设、数字知识流动与数实产业技术融合[J].上海财经大学学报,2026,28(4):60-73. - 马述忠,张道靖,胡增玺.数字知识流动如何促进区域协调发展——兼论经济增长和平衡发展双重目标[J].中国工业经济,2025(2):80-98. - Jaffe A B, Trajtenberg M, Henderson R. Geographic localization of knowledge spillovers as evidenced by patent citations[J]. The Quarterly Journal of Economics, 1993, 108(3): 577-598.

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。