企业数字知识流入(KN)
「企业数字知识流入(KN)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 13 个变量，样本量约 94,489。 基于企业专利后向引用刻画的数字知识流入:企业当年名下专利引用外部数字技术专利的次数(剔自引)及其自然对数,数字专利按国家知识产权局数字经济核心产业IPC对照表识
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 13 |
| 样本量 | 94,489 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 上市公司证券简称
- Year [年份] — 年份(企业专利申请年)
- Province [省份] — 公司注册地所在省份
- ProvinceCode [省份代码] — 公司注册地省份行政区划代码
- City [城市] — 公司注册地所在城市
- CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
- County [区县] — 公司注册地所在区县
- CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
- IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
- DigitalCitationCount [数字专利引用次数] — 参考白雪洁、王鹏皓(2026,山西财经大学学报)借鉴马述忠等(2025,中国工业经济)的方法,计算公式为:企业当年(按引用方专利申请年)名下发明与实用新型专利后向引用外部数字技术专利的次数,剔除引用本企业自有专利的自引;数字技术专利界定为被引专利主IPC分类号落入国家知识产权局《数字经济核心产业分类与国际专利分类参照关系表(2023)》所划定的数字经济核心产业范围。用作数字知识流入的原始强度,越大代表企业当年吸收的外部数字知识越多
- KN [数字知识流入] — 参考白雪洁、王鹏皓(2026,山西财经大学学报)借鉴马述忠等(2025,中国工业经济)的方法,计算公式为:KN=ln(1+数字专利引用次数),即对企业当年专利引用外部数字专利的次数取自然对数(加1平滑)。将一次数字技术专利引用记为一次数字知识流入,引用频率越高数字知识流入强度越大。用作研究变量,越大代表企业通过专利引用吸收的外部数字知识流入强度越高
常见问题
- 「企业数字知识流入(KN)」是什么数据集？
- 企业数字知识流入(KN)，隶属数字化转型与人工智能。基于企业专利后向引用刻画的数字知识流入:企业当年名下专利引用外部数字技术专利的次数(剔自引)及其自然对数,数字专利按国家知识产权局数字经济核心产业IPC对照表识
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 13 个变量。核心指标包括：数字专利引用次数、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，上市公司层级。
- 样本量有多大？
- 约 94,489 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 在数字经济时代，数字知识以数据、代码与算法为载体在企业间低成本、高速度地流动，企业对外部数字知识的吸收与再利用是培育新质生产力的重要来源。本数据集刻画企业层面的"数字知识流入"（KN）：以企业专利在技术创新活动中引用外部数字技术专利的行为，度量企业通过专利渠道吸收外部数字知识的强度。其经济含义在于，企业在自身专利中引用某项外部数字专利，本质上是对该专利所承载的数字知识进行吸收与应用，是数字知识跨主体流动的直接体现；引用频率越高，企业获得的数字知识流入强度越大。 具体构造分为三步。第一步，界定"数字技术专利"。对每一件被引专利，依据其主国际专利分类号（IPC 主分类），判断该分类号是否落入数字经济核心产业所对应的技术领域：若被引专利的主 IPC 命中数字经济核心产业范围，则视其为数字技术专利。数字经济核心产业与 IPC 的对应关系采用国家知识产权局官方发布的《数字经济核心产业分类与国际专利分类参照关系表（2023）》，该表覆盖数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业四大类，是"数字经济及其核心产业统计分类（2021）"在专利分类维度上的权威映射。识别规则忠实对照表注解：分类号加星号表示包括该层级及以下所有分类号（子类级或主组级层级匹配），不加星号表示该精确小组；一件专利的主分类号命中任一数字产业分类即视为数字技术专利。 第二步，统计企业当年的数字专利引用次数。对企业名下每一件专利（含发明专利与实用新型专利），逐条考察其后向引用（该专利在申请中引用的外部专利），将其中被引专利为数字技术专利的引用记为一次数字知识流入。参照数字知识跨主体流动的定义，统计时剔除企业引用本企业自有专利的自引情形，仅保留对外部数字专利的引用。将企业按引用方专利的申请年归集，得到企业-年的数字专利引用次数： $$N{i,t}=\#\{\,\text{企业 }i\text{ 在第 }t\text{ 年申请的专利中，引用外部数字技术专利的次数（剔除自引）}\,\}$$ 其中 $i$、$t$ 分别代表企业与年份。多主体联合申请的专利按各共同申请人分别归集，每个申请人各计入一次该引用。 第三步，构造核心指标数字知识流入 $KN$，对引用次数取自然对数（加一平滑）： $$KN{i,t}=\ln\!\left(1+N{i,t}\right)$$ 在全样本企业-年面板上，当年没有数字专利引用（含当年无专利）的企业-年，其引用次数记为零、$KN$ 相应取零。$KN$ 越大，代表企业当年通过专利引用吸收的外部数字知识流入强度越高，可直接用作衡量企业数字知识吸收能力的解释变量。数据集同时输出中间变量数字专利引用次数（$N$），供机制分析与稳健性检验使用。 补充说明 指标以企业专利的后向引用数据为基础构建，界定数字专利的官方对照表基于"数字经济及其核心产业统计分类（2021）"；相较于以"国际专利分类与国民经济行业分类参照关系表（2018）"逐层映射至数字经济核心产业的两步做法，本数据集采用的 2023 官方对照表是同一数字经济核心产业口径的直接权威映射，两者构念一致。被引专利仅保留其主分类号用于数字判定，可能少计"主分类非数字、副分类为数字"的被引专利。 需要特别提示两点数据特征。其一，引用覆盖存在近年不完整问题：受专利公开约十八个月滞后及引用信息录入滞后影响，最近若干申请年的后向引用记录尚不完整，导致该指标在最近两三个申请年系统性偏低（并非数字知识流入真实下降）。使用者进行跨期研究时应加入年份固定效应，或将样本窗口截至引用记录相对稳定的年份，不宜直接进行跨期水平比较。其二，引用次数为零属"混合零"：既包含当年确无专利、因而不存在引用行为的企业-年（对"以专利引用吸收数字知识"这一构念为合理真零），也包含有专利但当年未引用数字专利的企业-年（其中部分源于早年专利的后向引用记录相对稀疏）。使用者可结合企业当年专利数据加入"是否拥有专利"控制变量或限定有专利子样，避免将两类零混同解读为暴露强度。此外，联合申请专利按主体展开会使合作或同集团分别上市主体间的指标存在机械相关，回归时建议按企业聚类标准误。本数据集保留原始口径，未做缩尾处理，使用者可按研究需要自行对连续变量做缩尾。 参考文献 - 白雪洁, 王鹏皓. 数字知识流入与企业全要素生产率[J]. 山西财经大学学报, 2026, 48(5): 90-101. - 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. - 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)[Z]. 国知办函规字〔2023〕203号, 2023.
- 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。