企业高质量创新强度

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] — 按年度匹配的证券简称；当年缺记录时沿用最新可得简称
• Year [年份] — 本体发明专利首次授权所属日历年；含源内上市前及退市后历史，不代表所有行均处于上市存续期
• Province [省份] — 公司注册地所在省份；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• City [城市] — 公司注册地所在城市；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• County [区县] — 公司注册地所在区县；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)；注册地为可得公司档案快照，不代表逐年还原的迁址历史。
• 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)；当年资料缺失时沿用最新可得分类，回填不代表已还原历史真实行业。仅为主体附属信息，不参与本指标权重分组。
• 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)；当年资料缺失时沿用最新可得分类，回填不代表已还原历史真实行业。仅为主体附属信息，不参与本指标权重分组。
• GrantedInventionCount [授权发明专利件数] — 参考马皓巍等（2026），本体当年可观察首次授权发明申请去重件数，单位件。由原始授权文献认定类型与首次授权日，不合并子公司。该量是价值除以件数的分母和模型规模输入；没有观察本体授权时缺失，不据未匹配认定现实零授权。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。
• InnovationBreadth [企业创新宽度] — 参考马皓巍等（2026），按IPC五层对当年授权发明的分类频次加权汇总，单位加权次。同专利同码去重、跨专利累加；部权重为1，其余为成熟期训练折参考池频次倒数在同父类内归一，不递归连乘。真实小组不含/00。任一分类残缺或权重未知则缺失；件数可独立保留。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。
• InnovationDepth [企业创新深度] — 参考马皓巍等（2026），将当年本体授权发明的真实IPC小组按大类汇总出现频次，再计算各大类份额平方和，取值0至1。越高表示该小组频次组合越集中。同专利同小组去重、跨专利计频次；只有大组或分类残缺时缺失；不是所有关联主体或去重小组种类口径。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。
• MeanPatentKnowledgeBreadth [每件专利平均创新宽度] — 企业年度创新宽度除以可观察本体授权发明件数，单位每件加权次，作为强度模型的知识覆盖输入，降低组合规模的机械影响。仅在宽度和正授权件数均可测时计算；缺失不填零。该每件参数化是经确认的国内改进操作化。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。
• PredictedInnovationValue [预测创新总价值] — 参考马皓巍等（2026）的神经网络价值思路及Kelly等（2021）的文本前后向相似度，先以标题摘要的前后1825日精确余弦和之比构造训练标签，按训练折年度专利均值归一，以完整单申请人企业年训练非负神经网络每件强度，再乘本体授权件数，单位归一价值。输入任一缺失则缺失；不是市场价格或货币价值。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。
• HighQualityInnovationIntensity [企业高质量创新强度] — 参考马皓巍等（2026）的每件授权价值强度构念，以五层宽度每件值、创新深度和授权件数输入32×32神经网络，输出非负每件归一预测价值。模型使用成熟窗中国非目标单申请人完整企业年、名称划分及训练折标准化，双固定种子平均；训练标签为标题摘要前后向相似度之比的年度均值归一。无观察授权或特征未知时缺失。中国可观察授权发明、本体及名称代理的国内替代操作化，非作者五局原值；受名称别名、单申请人选择、事后文本/权重、早期稀疏及新分类失测影响。增量效度有限，跨年份检验未稳定超过数量基准，不宜直接解释为现实创新质量真值。

常见问题

「企业高质量创新强度」是什么数据集？

企业高质量创新强度，隶属创新与知识产权。参考马皓巍、潘锐、冯帆（2026）及Kelly等（2021），本数据集从企业本体授权发明的技术覆盖、技术集中度和专利数量预测每件归一创新价值，提供高质量创新强度

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：授权发明专利件数、企业创新宽度、企业创新深度、每件专利平均创新宽度、预测创新总价值、企业高质量创新强度。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 98,466 条观测。

数据是如何测算/获取的？

测算方法 创新强度的含义 授权专利数量反映创新活动规模，单件专利的技术贡献却可能差异很大。马皓巍、潘锐、冯帆（2026）通过专利组合的创新宽度与深度预测创新价值，再按授权件数衡量高质量创新强度。本数据沿用这一研究思路，在中国可观察授权发明中构造文本相似度训练标签，并加入授权数量控制，以每件价值为神经网络的直接学习目标。结果是归一化的预测强度，不是专利交易价格，也不是对企业真实创新质量的确定判定。 专利集合与授权数量 令企业为i，授权年为t，集合Pit包含可明确匹配至企业本体、在当年首次授权的发明申请。证券代码与主体关系逐段对应，仅采纳明确本体关系，不并入子公司、联营和合营企业，不从外部共同申请人推断本体别名。以原始B/C授权文献确定发明类型，按申请号取最早有效授权日，同日多版本按来源批次及公开号确定唯一记录。技术分类使用同申请首次授权年份的授权文献分类，同年按公开号择首，因此是可得分类快照。 $$ N{it}=|\mathcal{P}{it}|. $$ N为单位件的授权发明数量。同一申请在同一企业只计一次，明确归属多家本体时各自计入。无可观察本体授权时缺失，不将未匹配视为现实零授权。 多层技术宽度与技术深度 将每件专利IPC分为部、大类、小类、大组、小组五层。同件同层同码去重，跨件保留出现频次。以/00结尾的符号属于大组，不再当作小组。设nitlc为企业年度第l层分类c的出现频次。参考频数Xlc来自成熟训练窗口的非目标、单申请人训练折参考专利，同件同码计一次。部层权重为1，其余在同一直接父类内部按频数倒数归一： $$ w{1c}=1,\qquad w{lc}=\frac{1/X{lc}}{\sum{d\in Sl(c)}1/X{ld}},\quad l=2,3,4,5. $$ Sl(c)表示同一直接父类的已观察子类。各层独立加权，不沿路径递归连乘。企业创新宽度为： $$ B{it}=\sum{l=1}^{5}\sumc w{lc}n{itlc}. $$ 单位为加权次，同时反映技术覆盖与专利规模。每件平均宽度Mit=Bit/Nit作为模型输入。只有大组时小组层没有观察贡献；出现训练池未知分类或分类串残缺时B缺失，不补等权或零权。 令kitj为企业年度真实小组分类在IPC大类j的出现频次，则深度为： $$ D{it}=\sumj\left(\frac{k{itj}}{\sumh k{ith}}\right)^2. $$ 深度在0至1之间，越高表示细分知识的频次分布越集中。它不等于企业年度小组种类并集的集中度，也不使用全部关联企业或实用新型。没有真实小组或分类串残缺时D缺失，B与D在各自条件成立时独立保留。 国内文本参考池与专利价值标签 参考Kelly等（2021）的前后向文本相似度思路，采用授权发明标题和摘要。文本转小写，以冻结增补词库和停用词进行jieba精确分词，关闭HMM，保留长度至少为2的中文词或字母开头词。普通词频不作二值化。企业名称线索用于筛选参考文档，并非已消歧的法律主体身份。 从全部已知公司关联申请中提取原始申请人名称，排除这些名称的全部已知申请，包含已识别共有人；仅从剩余单申请人企业名称的完整企业年生成训练候选。成熟授权窗口从2000年起，截止观察末年前五年，保证1825日前后窗口完整。名称经统一大小写与首尾空格处理后，以固定SHA规则分为训练、验证和测试，比例约为70%、15%、15%。同一名称不跨折，别名尚未进行法律实体消歧。 对于授权年t，以该年年初以前的全部参考文档数Ht与含词w的文档数DFtw构造： $$ b{tw}=\ln\left(\frac{Ht}{1+DF{tw}}\right),\qquad v{pw}=TF{pw}\,b{tw}. $$ 不截断权重，按完整词表作L2归一，双方均使用焦点授权年的权重。设授权日为dp，两件专利的余弦相似度为rhoph。完整日历窗口中的后向和与前向和为： $$ BSp=\sum{dp-1825\le dh\lt dp}\rho{ph},\qquad FSp=\sum{dp\lt dh\le dp+1825}\rho{ph},\qquad Qp=FSp/BSp. $$ 同日文档排除，不采用近邻、抽样对或词项截断。BS须严格为正，FS可为真实零；文本缺失、零向量、历史权重未定义或窗口不完整时Q缺失。企业年任一授权专利不可评分，该企业年训练标签整年缺失。 令mut为当年全部完整标签训练折专利Q的算术均值，不使用验证或测试标签，也不按特征可测性另选定标专利。归一总价值与每件训练强度为： $$ \mut=\frac{\sum{p\in Tt}Qp}{|Tt|},\qquad Y{it}=\sum{p\in\mathcal{P}{it}}\frac{Qp}{\mut},\qquad I{it}=Y{it}/N{it}. $$ 该年度均值归一是国内操作化，并非Kelly的年度固定效应调整。 神经网络与最终指标 使用训练折拟合输入标准化，固定两层各32个节点的ReLU网络及Softplus非负输出。输入为log(1+B/N)、D、log(1+N)，以公司年等权的每件强度均方误差训练；Adam学习率0.01、不加L2，最多800轮，验证误差80轮无改善即早停。固定种子1090和2090分别训练，预测取算术均值，不以测试结果更换模型。 $$ \widehat{HQI}{it}=g\left(\ln(1+M{it}),D{it},\ln(1+N{it})\right),\qquad \widehat{V}{it}=N{it}\widehat{HQI}{it}. $$ 最终强度的单位为每件归一预测价值，总价值的单位为归一价值。授权件数、宽度、深度、每件平均宽度、预测总价值与最终强度六项随成品提供。任一模型输入缺失时预测缺失，仍保留能够独立计算的中间变量。 补充说明 原文使用五局专利训练资料及作者模型，本数据为中国标题摘要、授权日窗口、年度固定BIDF和均值归一的独立替代版；分类组合按出现频次操作化，新增授权数控制及直接强度参数化均为本地改进，不归为作者公开原式，不保证作者同值。开发试验中新企业测试仅略优于数量模型，跨授权年检查仍未稳定超过数量基准。因此数值可作为探索性研究代理，不能据计算一致或非空输出宣称已经证实创新质量效度。 固定参考语料包含验证和测试主体的无监督文本，前向标签与成熟期分类权重用于历史年度均含事后信息，不能用于无前视预测。单申请人完整企业年、名称线索和别名未消歧带来选择偏差；早期主体和授权稀疏、末年公开滞后及训练池未知新分类造成选择性缺失，不按缺失补零，也不因末年较少而删年。 保留全部可得行业与板块、ST/PT和金融及源内上市前后历史。另提供剔除版本及按年度上下各1%缩尾版本。六研究量独立缩尾后，计数可能非整数、总价值与强度乘积及每件宽度比值不保证恒等，精确关系应使用原始版或仅剔除版。注册地为可得档案快照，行业和简称按年度匹配、缺年最新回填，仅为主体附属信息。 参考文献 [1]马皓巍,潘锐,冯帆.劳动司法保障与民营企业高质量创新[J].世界经济,2026,49(10):138-181. [2]Kelly B,Papanikolaou D,Seru A,Taddy M.Measuring technological innovation over the long run[J].American Economic Review: Insights,2021,3(3):303-320.DOI:10.1257/aeri.20190499. 随包Kelly文献为作者公开稿，稿面日期为2020年1月；上述引文对应2021年正式发表记录，不将作者稿版式称为期刊最终版。

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。