颠覆性技术创新(IPC小类全新进入)
「颠覆性技术创新(IPC小类全新进入)」，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。 基于发明专利IPC小类知识元素新颖度测度的企业颠覆性技术创新水平。
| 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
- KnowledgeBaseSize [知识库规模] — 参考Guan & Liu (2016, Research Policy)的知识网络方法，计算公式为：该企业在前5年(t-5至t-1)申请的发明专利所涵盖的不重复IPC小类(国际专利分类号前4位)数量。用于刻画企业既有技术知识基础，知识库越大表明企业技术积累越广。
- TotalInventionPatents [发明专利申请总数] — 计算公式为：企业在当年申请且含有效IPC分类号的发明专利总数(多代码联合申请专利对每个上市公司各计一次)，为颠覆性技术专利计数的全集，用于提供分母透明度。
- DisruptivePatentCount [颠覆性技术专利数量] — 参考张川、刘杰(2023, 财务研究)的探索式创新测度，计算公式为：企业当年申请的发明专利中，其全部IPC小类(国际专利分类号前4位)均未在该企业前5年申请的发明专利中出现的专利数量。该类专利的技术知识完全进入企业既有领域之外，代表颠覆性技术突破。用作研究变量，越大代表企业颠覆性技术创新产出越多。
- DisruptiveTechInnovation [颠覆性技术创新] — 参考孙烨、张艳丽、刘金桥(2025, 科技进步与对策)的方法，计算公式为：颠覆性技术专利数量加1取自然对数，即ln(颠覆性技术专利数量+1)。用作研究变量(被解释变量)，越大代表企业颠覆性技术创新水平越高。注：仅含有专利的企业-年度有记录，研究者合并全样本后零发明专利企业-年度应填0；样本最新年度受专利申请-公开滞后影响计数偏低，建议剔除；企业首次申请专利的早年因无先验知识库会高估颠覆性，建议样本起始年份不早于2005。
- DisruptivePatentCount_4yr [颠覆性技术专利数量(4年窗口)] — 稳健性口径，参考孙烨等(2025)的稳健性检验，计算公式为：将知识库窗口由前5年改为前4年(t-4至t-1)后，企业当年申请的发明专利中全部IPC小类均未在该窗口出现的专利数量。
- DisruptiveTechInnovation_4yr [颠覆性技术创新(4年窗口)] — 稳健性口径，计算公式为：4年窗口颠覆性技术专利数量加1取自然对数，即ln(颠覆性技术专利数量(4年窗口)+1)。用于检验主口径对知识库窗口选择的敏感性。
常见问题
- 「颠覆性技术创新(IPC小类全新进入)」是什么数据集？
- 颠覆性技术创新(IPC小类全新进入)，隶属创新与知识产权。基于发明专利IPC小类知识元素新颖度测度的企业颠覆性技术创新水平。
- 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：知识库规模、发明专利申请总数、颠覆性技术专利数量、颠覆性技术创新、颠覆性技术专利数量(4年窗口)、颠覆性技术创新(4年窗口)。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 颠覆性技术创新衡量企业在技术轨道上实现原理性突破、进入既有技术领域之外的创新产出水平。与渐进式、利用既有知识的创新不同，颠覆性技术创新强调技术知识的全新性——企业当年的专利所承载的技术知识此前从未在该企业内部出现，意味着企业打破了原有技术生命周期、开辟了新的技术方向。本指标参考孙烨、张艳丽、刘金桥(2025, 科技进步与对策)对被解释变量的测度方式，并以张川、刘杰(2023, 财务研究)的探索式创新识别思路及 Guan & Liu(2016, Research Policy)的知识网络方法为方法学基础。 度量的核心是用专利的国际专利分类号(IPC)刻画专利所承载的技术知识。由于 IPC 分类号的前四位(IPC 小类)能够代表一项专利的技术与知识特征，本指标以每项发明专利的 IPC 小类集合作为其知识元素的表征。在此基础上，为每家企业逐年构建滚动知识库：企业在第 $t$ 年的知识库定义为该企业在前五年($t-5$ 至 $t-1$)申请的全部发明专利所涵盖的不重复 IPC 小类集合 $K{i,t}$，其规模即为知识库规模。 对企业在第 $t$ 年申请的每一项发明专利 $p$，设其 IPC 小类集合为 $Ep$。当 $Ep$ 与企业既有知识库 $K{i,t}$ 完全不相交时，即该专利的全部知识元素均未在企业前五年中出现，则判定该专利为一项颠覆性技术专利： $$\text{Disruptive}p = \begin{cases} 1, & Ep \cap K{i,t} = \varnothing \ \text{且} \ Ep \neq \varnothing \\ 0, & \text{其他} \end{cases}$$ 企业当年的颠覆性技术专利数量为所有发明专利上述判定值之和 $\text{DisruptiveCount}{i,t}=\sum{p} \text{Disruptive}p$。颠覆性技术创新水平则以颠覆性技术专利数量加一取自然对数衡量： $$\text{DisruptiveTechInnovation}{i,t} = \ln\left(\text{DisruptiveCount}{i,t} + 1\right)$$ 该指标越大，表明企业当年在全新技术领域形成的创新产出越多、颠覆性技术创新水平越高。为检验测度对知识库回溯窗口选择的敏感性，本指标同时提供将窗口由前五年改为前四年($t-4$ 至 $t-1$)的稳健性口径，计算方式与主口径完全一致。 补充说明 本指标仅纳入发明专利，不计入实用新型。实用新型多为对既有技术的增量改进，难以体现技术轨道上的原理性突破，将其纳入会稀释颠覆性的构念效度。对由多家上市公司联合申请或经由母子公司归属的专利，按其涉及的每家上市公司各计一次，以反映每家公司各自的颠覆性技术产出。 由于颠覆性的判定建立在企业既有知识库之上，企业首次申请专利的早期年份(知识库为空)会使其当年专利的知识元素全部被视为"新"，从而高估颠覆性水平；随着企业知识库逐年累积，全新知识元素日益稀缺，颠覆性计数会自然走低，因此跨年度比较需配合年份固定效应，绝对计数不宜直接跨期比较。建议研究样本起始年份不早于 2005 年，以缓解知识库尚未成熟造成的早年高估。 本数据仅对当年存在发明专利申请的企业-年度给出记录；将本数据合并到完整企业面板后，无发明专利申请的企业-年度应补零(对数变换后即为零)，以避免将"无创新产出"误作缺失而引入样本选择偏差。受专利从申请到公开存在时滞的影响，最新自然年度的专利计数显著偏低，使用面板数据时建议剔除该不完整末年。金融行业企业予以保留以维持全行业覆盖，复现特定研究子样时可按行业代码自行剔除。 参考文献 - 孙烨, 张艳丽, 刘金桥. 免责激励对企业颠覆性技术创新的影响——有调节的中介效应[J]. 科技进步与对策, 2025, 42(11): 51-63. - 张川, 刘杰. 供应商企业的双元创新对第一大客户依赖的影响[J]. 财务研究, 2023, 10(1): 71-84. - GUAN J C, 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。