企业突破式绿色创新(BERT模型测算)

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] — 专利申请年份
• 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)
• GreenInventionCount [绿色发明专利数] — 参考郝枫等(2026,调研世界)的方法，计算公式为：企业当年申请的绿色发明专利件数。绿色发明专利依据国家知识产权局《绿色低碳技术专利分类体系》的国际专利分类对照关系识别(仅采用标注为全部涉及的分类号)，统计口径含上市公司本身及其控股子公司，按专利申请年归集。该字段为突破性绿色创新指数求和项的项数，可用于区分指数取值为零的两种情形。
• GreenInventionCountLag [上年绿色发明专利数] — 参考郝枫等(2026,调研世界)的方法，计算公式为：企业上一年申请的绿色发明专利件数。绿色发明专利依据国家知识产权局《绿色低碳技术专利分类体系》的国际专利分类对照关系识别(仅采用标注为全部涉及的分类号)，统计口径含上市公司本身及其控股子公司，按专利申请年归集。该字段为技术跳跃度基准向量所依据的专利集规模，取值为零时当年无可用基准，突破性绿色创新按缺失赋零处理。
• BGI [突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：先用bert-base-chinese语言模型提取企业当年每件绿色发明专利摘要的句首位置语义向量，再取该企业上一年全部绿色发明专利语义向量的算术均值作为绿色专利集词向量，以1减去两者的余弦相似度得到单件专利的技术跳跃度，最后将当年全部绿色发明专利的跳跃度加总并乘以100。用作研究变量，越大代表企业当年绿色技术相对自身既有技术轨迹的语义跳跃越大、突破性绿色创新越强。由于单件专利跳跃度的取值范围远窄于企业间专利件数的差距，该指数在截面上主要随绿色发明专利件数变动，宜与绿色发明专利数一并使用。
• BGIFossilDecarb [化石能源降碳技术突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：将突破性绿色创新指数的求和项限定于化石能源降碳技术领域的绿色发明专利后加总并乘以100，基准向量仍取企业全部绿色专利集词向量。该技术领域依据国家知识产权局《绿色低碳技术专利分类体系》的一级技术分支界定，涵盖煤炭清洁高效利用与石油及天然气清洁化。一件专利的国际专利分类号可同时命中多个技术领域，故五个技术领域指数之和不小于整体指数。用作研究变量，越大代表企业在化石能源降碳方向的突破性绿色创新越强。
• BGIEnergySaving [节能与能量回收利用技术突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：将突破性绿色创新指数的求和项限定于节能与能量回收利用技术领域的绿色发明专利后加总并乘以100，基准向量仍取企业全部绿色专利集词向量。该技术领域依据国家知识产权局《绿色低碳技术专利分类体系》的一级技术分支界定，涵盖节油技术、节气技术、节电技术与能量回收利用。一件专利的国际专利分类号可同时命中多个技术领域，故五个技术领域指数之和不小于整体指数。用作研究变量，越大代表企业在节能与能量回收方向的突破性绿色创新越强。
• BGICleanEnergy [清洁能源技术突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：将突破性绿色创新指数的求和项限定于清洁能源技术领域的绿色发明专利后加总并乘以100，基准向量仍取企业全部绿色专利集词向量。该技术领域依据国家知识产权局《绿色低碳技术专利分类体系》的一级技术分支界定，涵盖水能、太阳能、风能、海洋能、地热能、氢能、生物质能与核能。一件专利的国际专利分类号可同时命中多个技术领域，故五个技术领域指数之和不小于整体指数。用作研究变量，越大代表企业在清洁能源方向的突破性绿色创新越强。
• BGIEnergyStorage [储能技术突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：将突破性绿色创新指数的求和项限定于储能技术领域的绿色发明专利后加总并乘以100，基准向量仍取企业全部绿色专利集词向量。该技术领域依据国家知识产权局《绿色低碳技术专利分类体系》的一级技术分支界定，涵盖机械储能、热储能与电化学储能。一件专利的国际专利分类号可同时命中多个技术领域，故五个技术领域指数之和不小于整体指数。用作研究变量，越大代表企业在储能方向的突破性绿色创新越强。
• BGICCUS [温室气体捕集利用封存技术突破性绿色创新] — 参考郝枫等(2026,调研世界)的方法，计算公式为：将突破性绿色创新指数的求和项限定于温室气体捕集利用封存技术领域的绿色发明专利后加总并乘以100，基准向量仍取企业全部绿色专利集词向量。该技术领域依据国家知识产权局《绿色低碳技术专利分类体系》的一级技术分支界定，涵盖二氧化碳的捕集利用封存与其它温室气体减排。一件专利的国际专利分类号可同时命中多个技术领域，故五个技术领域指数之和不小于整体指数。用作研究变量，越大代表企业在温室气体捕集利用封存方向的突破性绿色创新越强。

常见问题

「企业突破式绿色创新(BERT模型测算)」是什么数据集？

企业突破式绿色创新(BERT模型测算)，隶属ESG与绿色发展。参考郝枫等(2026,调研世界)的方法，用bert-base-chinese语言模型对企业绿色发明专利摘要提取句首位置语义向量，以当年每件专利相对该企业上一年绿

该数据集的时间范围是？

覆盖 1986-2025 年。

包含哪些变量/指标？

共 19 个变量。核心指标包括：绿色发明专利数、上年绿色发明专利数、突破性绿色创新、化石能源降碳技术突破性绿色创新、节能与能量回收利用技术突破性绿色创新、清洁能源技术突破性绿色创新、储能技术突破性绿色创新、温室气体捕集利用封存技术突破性绿色创新。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 96,328 条观测。

数据是如何测算/获取的？

指标定义与计算方法 突破性绿色创新指对既有生产方式产生颠覆性影响的绿色技术创新，区别于在既有技术轨道上持续改良的渐进式绿色创新。对这一构念的测度长期依赖专利分类号：早期研究比较国际专利分类号与同行均值以刻画突破强度，后期研究转向被引网络与组合新颖性指标。但分类号方法依赖人工规则、条目粒度较粗且更新滞后，难以捕捉跨学科技术融合，容易低估真正具有突破性的绿色技术。本指标改从专利文本入手，利用 BERT 语言模型对绿色专利摘要进行语义嵌入，以企业当年绿色技术相对其自身上一年技术积累的语义偏离程度来度量突破性，从而不依赖分类关键词即可灵敏捕捉技术的新颖性与跨界潜力。 测度的基础变量是企业的绿色发明专利。绿色属性依据国家知识产权局《绿色低碳技术专利分类体系》与国际专利分类的官方对照关系识别：该体系以线分类法将绿色低碳技术划分为四级技术分支，并标注每一分类号是"全部涉及"还是"部分涉及"绿色低碳技术。本指标仅采用标注为"全部涉及"的分类号，即该国际专利分类层级及其以下分类号的全部专利均属绿色低碳技术。专利归属采用合并报表范围，即上市公司本身及其控股子公司，联合申请的专利在每一家参与的上市公司各计一次；年度按专利申请年归集。需要说明的是，该体系官方定义的绿色低碳技术主要覆盖传统能源清洁利用、节能增效、新能源利用与温室气体捕集利用封存，不包括减污与资源循环利用等仅起降碳协同效果的技术，故本指标的绿色口径窄于通用的广义绿色专利口径。 语义嵌入环节使用中文预训练语言模型 bert-base-chinese，对企业 $i$ 在第 $t$ 年申请的每一件绿色发明专利 $k$ 的摘要文本提取 [CLS] 位置的隐层向量 $v{i,k,t}$，该向量是模型对整段摘要的句级语义表征。随后构造该企业上一年的绿色专利集词向量 $v{i,t-1}$，取企业 $i$ 在第 $t-1$ 年全部绿色发明专利 [CLS] 向量的算术均值，即上一年绿色技术积累在语义空间中的质心位置。 单件专利的技术跳跃度定义为当年专利语义向量与上一年绿色专利集词向量之间余弦相似度的补数： $$s{i,k,t} = 1 - \cos\left(v{i,k,t},\; v{i,t-1}\right)$$ 其中 $\cos(\cdot,\cdot)$ 为两向量夹角的余弦值。该值越大，表示该件专利在语义空间中距离企业既有技术积累越远，技术跳跃越明显。 最后将企业当年全部绿色发明专利的跳跃度加总，构造突破性绿色创新指数： $$BGI{i,t} = 100 \cdot \sum{k=1}^{n{i,t}} s{i,k,t}$$ 其中 $n{i,t}$ 为企业 $i$ 在第 $t$ 年申请的绿色发明专利件数。由于余弦相似度无量纲，加总后的指数亦为无量纲指数；又因单件专利的跳跃度数值偏小，乘以 100 以便于分析与呈现。该指数同时包含两重信息：企业绿色专利的数量规模，以及每件专利相对既有轨迹的语义偏离强度，取值越大表示企业当年绿色技术语义跳跃度越高、突破性绿色创新越强。本数据集同时给出当年与上一年的绿色发明专利件数，前者即上式的求和项数，后者即基准向量所依据的专利集规模。 在整体指标之外，本数据集按绿色技术路径给出五个分类技术方向的突破性绿色创新指数，分别对应《绿色低碳技术专利分类体系》的五个一级技术分支：化石能源降碳技术（涵盖煤炭清洁高效利用、石油及天然气清洁化），节能与能量回收利用技术（涵盖节油、节气、节电与能量回收利用），清洁能源技术（涵盖水能、太阳能、风能、海洋能、地热能、氢能、生物质能与核能），储能技术（涵盖机械储能、热储能与电化学储能），以及温室气体捕集利用封存技术（涵盖二氧化碳的捕集利用封存与其它温室气体减排）。各分类指数的算法与整体指数完全一致，只是把上式的求和项限定在归属于该技术分支的绿色发明专利上；基准向量仍取企业全部绿色专利集的质心而非按分支另设基准，以保证各分类指数与整体指数在同一语义基准上可比。 补充说明 - 样本口径：本数据集覆盖全部 A 股上市公司，不预先剔除金融业与风险警示企业，也不作缩尾或标准化处理。企业年面板沿用项目通用骨架，包含公司上市之前的年份，因而文件自带的描述统计不对应通常的回归样本；建议先按上市日期筛选，再报告描述统计并施加行业等限制。原文回归样本限于非金融企业并对连续变量作双侧缩尾。 - 分类号口径的取舍：《绿色低碳技术专利分类体系》中标注"部分涉及"的分类号，其国际专利分类层级覆盖面远宽于绿色低碳技术本身，全部纳入会使个别技术分支吸纳大量并非该领域的专利，各分类指数之间的比例关系将不再反映真实的技术构成。本数据集因而只采用"全部涉及"条目；原文未区分这两类标注，此为本数据集为保持技术分支结构清晰所作的口径选择，方向上使绿色专利集偏小偏纯、指数的绝对水平相应偏低。 - 无基准年份的处理：企业上一年没有绿色发明专利时，跳跃度所需的基准向量不存在，按原文对被解释变量缺失赋零的处理方式将该企业年指数记为零。因此指数为零混合了两种情形：当年确实没有绿色发明专利，以及当年有绿色发明专利但上一年没有可用基准，后者在有绿色专利的企业年中占相当比例，并且其占比随年份推移趋于下降，会为指数的时间走势贡献一部分上升。尤其企业首次大规模进入绿色技术领域的那一年因缺少上年基准而被记为零。使用者可借助本数据集同时提供的当年与上一年绿色发明专利件数两列直接区分这两种情形，并据此做敏感性分析或采用两部分模型。 - 分类指数的多重归属：一件专利的国际专利分类号可能同时命中多个一级技术分支，此时该件专利的跳跃度会计入其命中的每一个分类指数，故五个分类指数之和不小于整体指数，不应将它们视为对整体指数的互斥分解。 - 指标性质：该指数为规模与强度的复合量，且由于单件专利跳跃度的取值范围远窄于企业间专利数量的差距，指数在截面上主要随绿色发明专利件数变动。以该指数作为突破性的被解释变量时，建议同时报告以绿色发明专利件数为被解释变量的回归作为对照，以判断结论究竟来自突破强度还是绿色专利产出规模。此外，语义向量的绝对尺度取决于所用预训练模型，其数值不宜解释为技术差异的百分比，跨研究比较宜着眼于相对排序而非绝对水平。 - 基准集规模的影响：基准向量取上一年绿色专利集的质心，当该集合包含的专利较多时，质心更接近语义空间的平均方向，与之相比的余弦相似度相应更高、跳跃度更低。因此跳跃度与上一年绿色发明专利件数之间存在负向的机械联系。若以平均跳跃度（指数除以当年件数）作为研究变量，建议将上一年绿色发明专利件数纳入控制变量，以免把专利组合规模的差异读成突破程度的差异。 - 与其他绿色口径的区分：本指标的绿色识别采用上述分类体系的窄口径，所得绿色发明专利数量显著小于依据国际通用绿色专利清单识别的口径。若与其他绿色创新数据按公司与年度合并，同名字段将并存且量级不同，合并前应显式重命名以免取错。 - 其他局限：专利自申请至公开存在法定滞后期，最近若干申请年度的绿色发明专利尚未全部公开，相应年份的专利件数与指数取值系统性偏低，末段年份的回落应理解为公开进度所致而非突破性下降；单件专利标注的国际专利分类号数量逐年增多，命中绿色分类的概率随之上升，使指数的时间走势含有编码口径变化的成分，需要区分趋势的研究可限定为仅主分类号命中重算；摘要文本超出模型输入长度上限的部分会被截断；指标仅反映专利化的绿色技术创新，不涵盖工艺改进、商业模式与组织创新等未申请专利的绿色创新活动。 参考文献 - 郝枫,王鈜仡,范博凯.耐心资本与企业突破性绿色创新——基于我国A股上市公司的经验证据[J].调研世界,2026,(1):4-19. - Devlin J, Chang M W, Lee K, et al. BERT: Pre-training of deep bidirectional transformers for language understanding[C]//Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Stroudsburg: Association for Computational Linguistics, 2019: 4171-4186. - Rennings K. Redefining innovation: eco-innovation research and the contribution from ecological economics[J]. Ecological Economics, 2000, 32(2): 319-332.

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。