企业数字技术难以模仿性

字段字典

• Symbol [股票代码] — 六位证券代码，仅保留档案中可识别的标准六位证券；本体关系逐证券归属，不合并子公司。
• StkName [证券简称] — 上市公司证券简称
• Year [申请年份] — 专利申请所属年度；全可得申请年，年度上限为当前年减一。
• 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)
• DigitalPatentCount [数字发明申请件数] — 参考孙忠娟等（2025），为企业当年被识别数字技术发明申请的去重申请件数，单位件。同公司同申请一次，是数字技术组合的规模构件。有可读本体发明来源但未识别数字申请时为0。仅上市公司本体当年数字发明申请，按精确数字分类识别IPC四位技术；无可读本体发明来源或分类未知时缺失，不合并关联公司。年度申请不是技术存量，公开和引用存在滞后，不保证作者同值。
• DigitalTechCount [数字技术类别数] — 参考孙忠娟等（2025）附录2，为企业当年数字发明申请所涉数字IPC四位分类去重数，单位类。同类别跨专利不重复，是稀缺性加总和复杂性加总的技术组合规模构件。有可读本体发明但无数字类别时为0。仅上市公司本体当年数字发明申请，按精确数字分类识别IPC四位技术；无可读本体发明来源或分类未知时缺失，不合并关联公司。年度申请不是技术存量，公开和引用存在滞后，不保证作者同值。
• DigitalInimitability [数字技术难以模仿性] — 参考孙忠娟等（2025）附录2式（4）至（7）及Mewes和Broekel（2022），以全国发明专利前三年含当年的IPC四位共现知识组件网络计算各数字技术复杂性，再对企业当年采用的不同数字技术类别求和，无频次权重或平均。NDS由125随机起点、200访问节点的子图拓扑多样性均值得到；按公开作者代码处理非有限子图和均值零或大于1边界。有可读本体发明且确认无数字申请时，按本数据集零值约定取0；有数字申请但无网络或任一所需网络未知时缺失。IPC节点层级、固定随机流及退化边界属于公开操作化，存在抽样敏感性，不保证作者同值。仅上市公司本体当年数字发明申请，按精确数字分类识别IPC四位技术；无可读本体发明来源或分类未知时缺失，不合并关联公司。年度申请不是技术存量，公开和引用存在滞后，不保证作者同值。

常见问题

「企业数字技术难以模仿性」是什么数据集？

企业数字技术难以模仿性，隶属创新与知识产权。参考孙忠娟等（2025）以及Mewes和Broekel（2022），本数据集衡量上市公司数字技术组合的难以模仿程度。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 14 个变量。核心指标包括：数字发明申请件数、数字技术类别数、数字技术难以模仿性。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 96,830 条观测。

数据是如何测算/获取的？

数字技术的难以模仿性 复杂的技术组合需要协调更多知识组件，可能更难被外部企业复制。参考孙忠娟等（2025）以及Mewes和Broekel（2022），根据专利技术类别的共现网络计算技术复杂性，再加总企业涉及的数字技术类别复杂性，衡量数字技术组合的难以模仿程度。 数字发明申请与技术领域 参考孙忠娟等（2025），根据国家知识产权局《数字经济核心产业分类与国际专利分类参照关系表（2023）》识别数字技术发明申请。按照分类符号的层级精确匹配，主组与精确小组不互相扩大；数字技术领域采用匹配命中的IPC四位小类。 将同一专利关联的证券与主体关系逐项对齐，仅保留上市公司本体。结合全国发明公布和授权文献核对发明类型，纠正旧授权公告可能存在的类型误标。同一公司同一申请只计一次，按来源记录的申请年度归集，不从申请号推测日期。以数字申请去重件数与所涉数字IPC四位类别去重数，分别描述专利规模和技术覆盖广度。 保留来源全部可得年度和所有行业、板块，包括ST/PT与金融企业；分发剔除版本另行生成。没有可读本体发明记录或存在无法解析的本体发明分类时，不将该公司年当作已知无数字技术。交付的是各单维原始指数，不进行综合赋权前的跨样本最小最大归一化；不能直接与作者已处理回归数据中的归一化分值比较。 三年技术知识组件网络 对每个数字技术类别 $c$，收集全国在年度 $t-2$ 至 $t$ 内含该数字类别的发明申请。同一申请在全国来源中优先采用发明公布文献，无公布文献时采用授权文献，再按公开号顺序选取唯一版本；先选择版本，再识别焦点类别。 焦点技术的识别要求专利至少一个IPC分类命中精确数字对照表，并归入该数字IPC四位类别；不会仅因共享四位前缀就将同小类内的其余非数字小组专利扩大进焦点集合。以所选专利的全部IPC四位类别为节点，两类别在同一申请出现则连边，形成简单无向共现网络。数字识别只用于焦点技术筛选，不删除同一专利的非数字知识组件。取网络最大连通分量进行拓扑计算。 子图拓扑多样性 随机选取125个不同起点，不足125个节点时取全部起点；每次随机游走取得200个访问节点标识，重复节点去重后构成诱导子图。固定随机种子123，社区划分采用4步walktrap。 对每个抽样子图，记节点数为 $n$、社区数为 $M$，社区规模为 $m$，非归一化拉普拉斯矩阵的特征值为 $\lambda$。记大小为3和4的连通诱导子图总数为 $g3$ 与 $g4$。按原方法构造： $$ \alpha{module}=\frac{M}{n},\quad r{graphlet}=\frac{g3}{g4},\quad v{module}=\frac{\operatorname{Var}(m)}{\operatorname{Mean}(m)},\quad v\lambda=\frac{\operatorname{Var}(\lambda)}{\operatorname{Mean}(\lambda)}. $$ 方差采用样本方差，抽样子图的网络多样性为： $$ iNDS=\frac{\alpha{module}r{graphlet}}{v{module}v\lambda},\qquad NDS{ct}=\frac{1}{S}\sum{s=1}^{S}iNDSs. $$ 依据作者公开代码，非有限的子图得分置0；平均NDS为0或大于1时置1。没有边的网络保持缺失。这些边界处理会影响退化网络的得分和可用性。 技术复杂性与企业加总 按照孙忠娟等（2025）附录2式（6），对有效网络计算： $$ cpx{ct}=\ln\left(\frac{1}{NDS{ct}}\right). $$ 设 $D{it}$ 为企业当年数字发明申请所涉不同数字IPC四位类别集合，按式（7）累加： $$ I{it}=\sum{c\in D{it}}cpx{ct}. $$ 同技术在多件专利出现时只计一次，不按出现次数加权，也不除以技术类别数。数值兼含技术组合广度与各类技术复杂性。成品同时提供数字技术类别数与数字发明申请件数。有可读本体发明记录、且分类可解析但未识别到数字申请时，按本数据集零值约定取0，表示空数字技术组合。有数字申请但没有可用网络或任一所需技术网络未知时，企业指标缺失，不删除未知类别后改算部分和。没有可读本体发明来源或分类未知时仍为缺失，不能当作空组合。 补充说明 孙文使用IPC四位节点，而所引原方法采用更细的CPC知识组件；焦点技术本身可能成为网络通用中心，层级变化影响拓扑含义。孙文附件未公开抽样和退化程序，本实现明确沿用所引方法及作者公开代码的参数。Python与原作者R的随机序列不同，固定种子保证本实现可重复，不保证作者同值；个别退化网络和抽样波动可能显著影响企业分值。 附件脚注关于NDS方向的文字与其式（6）不一致，此处采用式（6）的负对数公式。年度申请与公开分类采用可得快照，近期公开滞后和早期稀疏仍存在。各研究量分别年度缩尾后不保证保留原始技术加总关系。 辅助信息与参考文献 地区为公司档案快照，证券简称和行业按年度匹配，缺年时可能使用最新档案回填，不作为逐年迁址事实。 孙忠娟,刘凯月,冯佳林,等.如何实现数字竞争优势：“专精特新”企业数字投资与专业投资的协同逻辑[J].中国工业经济,2025(4):156-173.DOI:10.19581/j.cnki.ciejournal.2025.04.008. 孙忠娟等（2025）的指标构建附录来自《中国工业经济》官网公开附件，附录2式（1）至（7）。 Mewes L,Broekel T.Technological complexity and economic growth of regions[J].Research Policy,2022,51(8):104156.

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。