Question 1

「绿色知识搜索宽度与深度」是什么数据集？

Accepted Answer

绿色知识搜索宽度与深度，隶属创新与知识产权。企业为开发绿色技术而进行的外部知识搜索行为的两个方向性测度。

Question 2

该数据集的时间范围是？

Accepted Answer

覆盖 1986-2025 年。

Question 3

包含哪些变量/指标？

Accepted Answer

共 24 个变量。核心指标包括：是否当年申请绿色专利、当年绿色专利申请数、当年有后向引用记录的绿色专利数、当年绿色专利后向引用的被引专利数、被引专利IPC类别总数、相较过去五年新出现的IPC类别数、是否有过去五年搜索基线、平均引用时间间隔、绿色知识搜索宽度、绿色知识搜索深度、绿色知识搜索宽度(主分类口径)、绿色知识搜索宽度(四位小类口径)、绿色知识搜索深度(引用次数口径)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

Question 4

数据频率和层级是怎样的？

Accepted Answer

频率为年度，上市公司层级。

Question 5

样本量有多大？

Accepted Answer

约 96,335 条观测。

Question 6

数据是如何测算/获取的？

Accepted Answer

指标定义与计算方法

企业开发绿色技术时并非闭门造车，而是持续向外部既有技术成果中搜寻可资借鉴的知识。这种外部知识搜索行为可以从两个彼此独立的方向刻画：一个方向是广度，即企业把搜索触角伸向了多少个自己此前没有涉足过的技术类别；另一个方向是深度，即企业所吸收的知识有多新、离技术前沿有多近。本数据集沿用周源、代兴良与许冠南（2025）的测度框架，以企业当年申请的绿色专利的后向引用作为观测窗口——一件绿色专利引用了哪些既有专利，直接记录了企业为完成这项绿色技术开发而实际调用的知识来源。

绿色专利的识别采用世界知识产权组织（WIPO）《国际专利分类绿色清单》：专利的任一 IPC 分类号以清单条目为前缀即判定为绿色专利。清单中 G01R（电变量测量）、G06Q（商业行政数据处理）与 C10G（石油裂化）三个子类被整类纳入，前缀匹配会把电商、银行、行政办公与万用表一类专利整体误判为绿色技术，因此剔除这三个前缀，仅保留其中确属绿色技术的具体子组 C10G1/10（废料炼油）。绿色专利不限发明或实用新型，按专利申请年份归属到企业年。

知识搜索宽度衡量企业向外探索新知识的广泛程度，沿用 Katila 与 Ahuja（2002）区分"新搜索"与"旧搜索"的思路：把企业当年绿色专利所引用专利的 IPC 类别集合，与该企业过去五年绿色专利所引用专利的 IPC 类别集合相比较，其中新出现的类别所占比例即为搜索宽度。

$$SB{it}=\frac{N{new,t}}{N{total,t}}$$

式中 $N{total,t}$ 是企业 $i$ 在第 $t$ 年申请的绿色专利所引用专利的 IPC 类别去重总数，$N{new,t}$ 是其中不属于该企业第 $t-5$ 至 $t-1$ 年绿色专利所引用专利 IPC 类别集合的类别数。取值介于 0 与 1 之间，越接近 1 说明企业当年的知识搜索越多地越出了自己既有的搜索范围。IPC 类别按完整位数的全部分类号计（如 C08J11/10），即一件被引专利携带的每一个分类号都计入，且不截断到大类或小类。另以两种替代粒度输出稳健性口径：一是每件被引专利只取其权威主分类号（国际专利分类数组中被标记为首要分类的那一个，而非数组的第一个元素——两者仅约五成完全一致），二是把分类号截断到四位小类。

知识搜索深度衡量企业对新知识深入挖掘和利用的程度。这里没有采用 Katila 与 Ahuja 的"重复引用次数"口径——该口径只能反映企业对已有知识的重复利用程度，而当年新引用的专利在过去五年中的重复次数恒为零，因而无法刻画对新知识的理解深度。本数据集改用引用的时间距离：企业若能及时引用相关领域最新申请的专利，说明其对该技术领域的前沿动态了解更深。

$$SD{it}=\frac{1}{\frac{1}{n}\sum{p=1}^{n}TimeGap{p}}$$

式中 $n$ 是企业 $i$ 在第 $t$ 年申请的绿色专利所引用的去重专利数，$TimeGap{p}$ 是被引专利 $p$ 的申请年份距第 $t$ 年的年数。取平均时间间隔的倒数，使指标方向与构念一致：数值越大代表企业引用的知识越新、对技术前沿的跟随越紧。需要说明的是，该操作化衡量的是所吸收知识的前沿新近度，与 Katila 与 Ahuja 以重复引用次数定义的"深度"并非同一方向，这一改动出自原文。平均时间间隔本身亦作为中间变量输出。另以引用次数口径（同一被引专利被当年多件绿色专利引用时按次计入，不作去重）输出稳健性字段。

按原文规定，企业当年没有申请绿色专利时，搜索宽度与搜索深度均取 0。数据集同时给出当年绿色专利申请数、其中能查到后向引用记录的件数、被引专利数、被引专利 IPC 类别总数与其中新出现的类别数，使用者可据此还原两个指标的完整计算链，或按自己的口径重新聚合。
补充说明

- 样本口径：面板覆盖全部有专利记录的上市公司及其全部可得年份，不限行业与板块，不剔除金融业与特别处理公司，也不缩尾。原文为其识别策略限定了制造业与特定年份窗口，本数据集不预先施加；使用者可自行截取，并建议加入行业与年份固定效应。
- 零值的含义与统计后果：取 0 既可能是当年没有申请绿色专利，也可能是申请了但这些专利查不到后向引用记录，后者属数据缺失而非真实的零搜索，可用"是否当年申请绿色专利"与"有后向引用记录的绿色专利数"两列区分并改判为缺失。由于取零的行占多数，两个指标的无条件方差有相当部分来自"有没有可测搜索"这一二值差异，两者之间的无条件相关也主要由共享的零决定——限制在有引用记录的企业年上，二者相关接近于零，说明宽度与深度是彼此独立的两个维度。建议拆成"有无可测搜索"与"条件强度"两部模型，或同时报告全样本与条件样本两套结果。
- 两个指标的机械成分：搜索宽度按定义随当年被引专利数增加而下降，回归应同时控制被引专利数的对数与"是否有过去五年搜索基线"。搜索深度是平均时间间隔的倒数，对被引专利数很少的企业年高度敏感，建议缩尾并以被引专利数达到一定门槛的子样本做稳健性检验；时间间隔以整年计量，当所引用专利全部与绿色专利同年申请时平均间隔为零、倒数无定义，这类企业年按零值规则处理，其取值方向与构念相反，属极少数。
- 引用数据的时间覆盖：后向引用记录在样本期两端不完整，且两端的偏离方向相反——早段因五年基线窗口落在引用稀疏的年份、基线大量为空，搜索宽度被系统性高估；末段因引用覆盖下降而被系统性低估。两端的年度变化反映的是引用数据的累积过程而非搜索行为的演变，水平比较与趋势解读应限制在覆盖充分且基线已稳定的中间年段，并对起止年份做敏感性检验。
- 无历史基线时的取值：企业首次出现绿色专利引用记录的年份没有可比的过去五年搜索范围，按定义当年全部 IPC 类别都属"新出现"，搜索宽度必然等于 1；可用"是否有过去五年搜索基线"标识剔除这类企业年。
- 归属与可比性：一件专利可能同时归属多家上市公司，按主体展开后在各公司指标中重复计入，构成面板中未建模的横截面相依，建议按集团层面聚类标准误；归属还包含以权益法核算的联营与合营企业，可借助专利明细中的相应标识自行剔除。行业间引用覆盖率差异较大，跨行业水平比较在一定程度上是在比较覆盖率，行业固定效应应予保留。
- 其他局限：实用新型的后向引用记录极为稀少，两个指标实质上由发明专利的引用行为贡献，因此当年绿色专利申请数不宜用作强度分母，规模控制应改用有后向引用记录的绿色专利数。被引专利申请年晚于引用年的记录属源数据噪声已予剔除，同年引用予以保留。每件专利携带的 IPC 分类号数量随全国专利分类标注实践而变化，搜索宽度为占比形式、分子分母同受影响因而部分对消。
参考文献

- 周源,代兴良,许冠南.人工智能如何影响企业颠覆性绿色创新——基于知识重组的视角[J].管理评论,2025,37(11):206-218.
- Katila R, Ahuja G. Something old, something new: A longitudinal study of search behavior and new product introduction[J]. Academy of Management Journal, 2002, 45(6): 1183-1194.
- Park M, Leahey E, Funk R J. Papers and patents are becoming less disruptive over time[J]. Nature, 2023, 613(7942): 138-144.

Question 7

如何获取该数据集？

Accepted Answer

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。

时间跨度	1986-2025 年
数据频率	年度
层级	上市公司
变量数	24
样本量	96,335
是否可合并	可与同主体数据集合并

绿色知识搜索宽度与深度

字段字典

常见问题