企业节能技术创新（ERNIE&BERT模型）

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码，空值不转换为证券代码
• StkName [证券简称] — 按年度匹配证券简称，当年缺记录时采用最新可得简称
• Year [申请年份] — 专利申请所属自然年；全行业可得年度，已观察上市前申请保留，上限动态为当前年份减一
• 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)；按年度匹配，缺年时使用最新可得行业回填
• 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)；按年度匹配，缺年时使用最新可得行业回填
• ESTIPatentCount [节能专利申请件数（ERNIE）] — 参考Fu等（2026），用公开标签新训的ERNIE3.0-xbase中文模型判别专利摘要，按申请年加总母公司及子公司参与申请的发明与实用新型；同公司同申请号去重，共同申请各公司各计一次，单位件。该量是企业节能技术创新对数指标的必要计算构件。库内没有当年母子申请记录，或全部可判别申请均非节能时记0；有申请但摘要为空、无中文、冲突或预测不完整时缺失。库内零不保证现实无漏收。作者公开弱标签新训识别版，非人工金标准或作者原模型；早期源稀疏、母子关系快照、末年公开滞后、训练域外迁移及摘要截断影响解释。
• LNES [企业节能技术创新（ERNIE）] — 参考Fu等（2026），将ERNIE识别的公司年度节能专利申请件数加1后取自然对数，越大表示可观察节能专利产出越多，量纲为对数件数。直接与间接节能合并识别；库内无母子申请或全部有效阴性时件数为0，对数也为0；有申请但文本无法判断时保留缺失。不等于真实节能量或创新质量。作者公开弱标签新训识别版，非人工金标准或作者原模型；早期源稀疏、母子关系快照、末年公开滞后、训练域外迁移及摘要截断影响解释。
• ESTIPatentCountBERT [节能专利申请件数（BERT）] — 参考Fu等（2026）以BERT替代ERNIE的对照思路，在相同公开标签、拆分和摘要输入上微调中文BERT-base，按同一母子、申请年及去重规则加总节能申请，单位件。该量是BERT对数指标的必要构件；作者未公开BERT具体底模，中文base为本任务实现选择。库内无当年母子申请或有效全部阴性时为0；有申请但摘要为空、无中文、冲突或预测不完整时缺失。库内零不保证现实无漏收。作者公开弱标签新训识别版，非人工金标准或作者原模型；早期源稀疏、母子关系快照、末年公开滞后、训练域外迁移及摘要截断影响解释。
• LNESBERT [企业节能技术创新（BERT对照）] — 参考Fu等（2026）以BERT替代ERNIE的对照方法，将BERT识别的年度节能专利申请件数加1取自然对数；量纲为对数件数，越大表示对照模型下可观察节能专利产出越多。与主指标使用相同母子范围、申请年、文本、去重、零与缺失规则，件数未知时缺失。作者公开弱标签新训识别版，非人工金标准或作者原模型；早期源稀疏、母子关系快照、末年公开滞后、训练域外迁移及摘要截断影响解释。

常见问题

「企业节能技术创新（ERNIE&BERT模型）」是什么数据集？

企业节能技术创新（ERNIE&BERT模型），隶属ESG与绿色发展。参考Fu等（2026），本数据集衡量上市公司节能技术创新的可观察专利产出。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：节能专利申请件数（ERNIE）、企业节能技术创新（ERNIE）、节能专利申请件数（BERT）、企业节能技术创新（BERT对照）。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 96,798 条观测。

数据是如何测算/获取的？

测算方法 一、节能技术创新的识别思路 节能技术创新是指能够降低能源消耗、提高能源利用效率，或为节能提供必要监测、控制与优化支持的技术创新。专利申请记录反映已经形成公开技术文本的创新产出。参考Fu等（2026），本数据集从专利中文摘要识别直接与间接节能技术，汇总为企业年度节能专利申请件数，并通过自然对数变换构造企业节能技术创新指标。 直接节能是指技术的主要目标或直接效果涉及降低能耗、减少能量损失、改善能源转换效率或替代高能耗工艺。间接节能是指技术虽不直接降低能耗，但为能源使用过程提供必要的监测、诊断、控制、调度或优化支持。两类均纳入节能创新。仅有安装便利、节省人力、缩短工期、普通结构改进或外观变化，不能仅凭宽泛推测认定具有节能作用。 二、企业年度专利集合 以企业本身及其子公司参与申请的发明专利和实用新型为测量对象，按申请年份归入公司年度。对同一公司、同一申请号去重，公开与授权版本不重复计数。共同申请在各相关企业内各计一次；联营企业和合营企业的申请不纳入母子公司范围。多家上市公司同时关联同一专利时，逐一核对各公司的主体关系，不能以整条记录的统一标记替代逐公司归属。 记企业 $i$ 在年份 $t$ 的可观察申请集合为 $\mathcal{P}{it}$。后续分类使用专利中文摘要，标题用于核对专利身份和文本来源。这里统计的是申请产出，不要求专利在当年已授权，也不以现时法律状态回溯剔除历史申请。 三、公开标签与模型分类 复用原作者公开的训练语料，保留其直接或间接节能合并为一类的二元标签。原作者使用人工智能辅助标注，公开标签并非独立人工金标准，部分普通结构、可靠性或成本改进存在被宽泛认作节能的风险。本数据集沿用公开语义标签，不把模型之间的一致性解释为真实节能作用的准确率。 采用ERNIE-3.0-xbase中文预训练模型，依据公开训练代码微调二分类器。作者实际训练代码使用摘要字段，本数据集据此不将标题额外拼入模型输入。摘要超过模型输入上限时保留前512个词元，包含必要的特殊词元；后部技术信息可能因此未进入分类。仅按固定规则去除已核的“详见官网”网站尾注并规范空白，其他附文保留。 训练语料按相同摘要或任一模型相同的实际词元输入连通分组，再固定随机种子划分训练、验证和独立测试集合，使同一输入不会跨集合。训练约占64%，验证约占16%，测试约占20%。模型训练五轮，学习率为 $2\times10^{-5}$，有效批量为32，权重衰减为0.01，预热200步。以验证集正类精确率选择轮次，精确率相同时比较F1，再优先较早轮次；独立测试不用于选轮或调阈值。最终分类采用固定0.5阈值。 训练后，对全部可观察申请的摘要进行预测，包括曾进入训练语料的申请，不把原始弱标签直接拼入正式结果。令模型给出的节能判别为 $\widehat{y}{p}^{E}$，其中 $E$ 表示ERNIE，阳性为1，阴性为0。 四、企业年度指标 首先将企业年度集合内的模型判别加总，得到节能专利申请件数： $$ K{it}^{E}=\sum{p\in\mathcal{P}{it}}\widehat{y}{p}^{E} $$ 其中，$K{it}^{E}$ 对应字段ESTIPatentCount，单位为件。它是对数指标的必要中间变量，可以直接用于理解企业节能专利产出的规模。 再对件数加1取自然对数，得到企业节能技术创新主指标： $$ LNES{it}=\ln(1+K{it}^{E}) $$ LNES越大，表示模型识别的可观察节能专利申请越多。该指标同时受到专利产出规模与模型分类的影响，不等同于专利质量、实际节能量或减排绩效。 五、BERT对照 参考原文以BERT替代ERNIE的稳健性思路，使用中文BERT-base模型，在相同公开语料、分组拆分、训练轮数和分类阈值下重新识别摘要。原作者未公开BERT具体底模，中文base为本数据集的透明实现选择。定义其年度件数 $K{it}^{B}$ 及对数指标： $$ K{it}^{B}=\sum{p\in\mathcal{P}{it}}\widehat{y}{p}^{B},\qquad LNESBERT{it}=\ln(1+K{it}^{B}) $$ 两者分别对应ESTIPatentCountBERT与LNESBERT。两个模型使用相同专利观察范围；差异反映分类模型选择的敏感性，不应将二者平均后冒充原论文指标。 六、补充说明 企业年度件数按库内申请集合计算：库内没有当年母公司或子公司的申请记录时，申请集合为空，节能件数记0，对应对数指标也为0。有申请且全部相关摘要可判别、模型预测完整时，汇总模型判别；全部判为阴性时也记0。有申请但摘要为空、无中文、同申请存在无法裁定的不同摘要或模型结果不完整时，保留缺失，不将无法判断归作非节能。库内零表示当前记录范围内未观察到相应申请，不保证现实中的专利绝无漏收。 本数据集将原文制造业及训练年份的测量范围扩展至全部可得行业和年度。母子关系、证券名册和专利文本来自可得快照，不能视为逐年完整控制链；早年记录稀疏与末年公开滞后会影响横向及跨期比较。公开标签外的行业和年份可能存在语义迁移误差，512词元截断也可能遗漏摘要后部的能源作用。 验证集精确率优先的选轮方式偏重阳性判别的可靠性，可能增加漏检；模型汇总件数不能解释为企业全部真实节能专利数量。 实际微调采用同型预训练权重的PyTorch实现，并另设独立测试集合，区别于作者公开的Paddle后端及反复使用测试集择模的做法。因此属于公开弱标签的新训识别版本，不保证与作者原模型或回归数据同值。生产数据保留全部行业、板块及ST/PT公司；分发中的样本剔除另行处理。逐字段缩尾后的对数与件数可能不再满足原始恒等式，公式复核应使用原始版。 参考文献 [1] FU Y, SENG J, YUE K, ZHANG L. Does carbon emission rights trading foster energy-saving technological innovation? Evidence from listed manufacturing firms in China[J]. iScience, 2026, 29(8):116901. DOI:10.1016/j.isci.2026.116901.

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。