绿色技术足迹相似度(19维向量余弦法)

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] — 专利申请年度
• 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)
• GreenPatentCount [绿色低碳专利数] — 指企业当年申请的绿色低碳技术专利数量，是绿色技术足迹相似度的专利计算基数。绿色低碳专利依据国家知识产权局《绿色低碳技术专利分类体系》识别；该体系官方定义的绿色低碳技术不包括减污、资源循环利用等技术，故本字段实为低碳与能源技术专利数，口径窄于通用绿色专利，不可与广义绿色专利数据直接对照。本数据集在该体系中仅采用标注为“全部涉及”的分类号——郝枫等(2026)未区分“全部涉及”与“部分涉及”，此为本数据集为避免粗粒度分类号灌注、保证技术领域向量结构不失真所作的口径选择。统计口径含上市公司本身及其控股子公司，联合申请专利在每家参与的上市公司各计一次。
• GreenTechFieldCount [绿色技术领域数] — 指企业当年申请的绿色低碳专利所覆盖的二级绿色技术领域数量，有绿色低碳专利时取值1至19(实际观测最大为14)，无绿色低碳专利时取0。技术领域取国家知识产权局《绿色低碳技术专利分类体系》的19个二级技术分支（煤炭清洁高效利用、石油及天然气清洁化、节油技术、节气技术、节电技术、能量回收利用、水能、太阳能、风能、海洋能、地热能、氢能、生物质能、核能、机械储能、热储能、电化学储能、二氧化碳捕集利用封存、其它温室气体减排）；郝枫等(2026)称经处理得到19个技术领域但未列出具体名单，该名单为本数据集依据同一分类体系的官方层级结构所作的界定。一件专利的国际专利分类号可同时命中多个技术领域，因而该值可能大于当年绿色低碳专利数。该字段刻画企业绿色技术布局的广度，是余弦相似度的向量结构构件。
• GTS [绿色技术足迹相似度] — 参考郝枫等(2026,科技进步与对策)的方法，计算公式为：GTS=(Fi·Fk)/(sqrt(Fi·Fi)×sqrt(Fk·Fk))，其中Fi为企业当年在19个绿色技术领域的专利数量构成的企业绿色技术向量，Fk为企业所属行业当年在同样19个领域的专利数量加总构成的行业绿色技术向量，二者夹角的余弦值即绿色技术足迹相似度，取值0至1。行业采用中国上市公司协会行业分类按年度动态匹配，行业基准为分组层级（制造业取门类字母加大类前两位如C3，非制造业取门类字母），与本数据集行业代码列的细分大类不是同一层级；行业向量按原文口径包含企业自身。企业当年无绿色低碳专利时(技术向量为零向量)，或无法确定当年行业归属时(无行业基准)，该值缺失。用作研究变量，越大代表企业绿色技术路径与行业主流技术范式越趋同（“求同”），越小代表企业越倾向差异化的绿色技术路径（“存异”）。
• GTSExclSelf [剔除自身的绿色技术足迹相似度] — 参考郝枫等(2026,科技进步与对策)的方法并作稳健性调整，计算公式与绿色技术足迹相似度相同，但构造行业绿色技术向量时先扣除企业自身的专利数量，即以Fk-Fi替代Fk（该调整为本数据集增加的稳健性口径，非原文口径）。用于缓解大型绿色专利企业对本行业技术向量贡献过大所导致的机械自相似；企业为本行业当年唯一拥有绿色低碳专利的主体时，扣除自身后行业向量为零向量，该值缺失。用作稳健性检验变量，越大代表企业绿色技术路径与同行业其他企业越趋同。
• GTSInvention [绿色技术足迹相似度(仅发明专利)] — 参考郝枫等(2026,科技进步与对策)的方法并作稳健性调整，计算公式与绿色技术足迹相似度相同，但企业向量与行业向量均仅使用绿色低碳发明专利构建，剔除实用新型等其他专利类型（该口径为本数据集增加的稳健性口径，非原文口径）。企业当年有绿色低碳专利但其中无发明专利时该值缺失，故覆盖约68.6%的主口径样本，掉样与企业规模及专利质量相关。用作稳健性检验变量，越大代表企业高质量绿色技术路径与行业主流越趋同。

常见问题

「绿色技术足迹相似度(19维向量余弦法)」是什么数据集？

绿色技术足迹相似度(19维向量余弦法)，隶属ESG与绿色发展。企业绿色技术路径选择与行业主流绿色技术范式的适配程度。

该数据集的时间范围是？

覆盖 1986-2025 年。

包含哪些变量/指标？

共 16 个变量。核心指标包括：绿色低碳专利数、绿色技术领域数、绿色技术足迹相似度、剔除自身的绿色技术足迹相似度、绿色技术足迹相似度(仅发明专利)。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 96,731 条观测。

数据是如何测算/获取的？

指标定义与计算方法 绿色技术足迹相似度(Green Technology Footprint Similarity, GTS)刻画企业绿色技术路径选择与所属行业主流绿色技术范式之间的适配程度。在绿色低碳转型中，企业面临"求同"与"存异"的战略权衡：追随行业主流绿色技术路径有利于获取制度合法性与配套资源、降低技术不确定性，而探索差异化路径则可能形成先发优势但加剧资源错配风险。参考郝枫等(2026)的方法，本指标将分析重心从绿色技术的"存量评价"转向"结构评价"——即使绿色研发投入强度相当的企业，其技术布局结构也可能显著分化，而这一结构差异难以由专利计数类指标捕捉。指标以企业绿色技术向量与行业绿色技术向量的夹角余弦测度二者的接近程度，从而将"技术路径选择"这一原本难以观测的战略维度纳入可量化的分析框架。 绿色技术领域的划分。 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》(以国际专利分类 IPC 2022 为参照基准)划分。该体系采用线分类法将绿色低碳技术划分为四级技术分支，其中一级技术分支 5 个、二级技术分支 19 个、三级 56 个、四级 62 个。本指标以其 19 个二级技术分支作为技术领域单位，即：煤炭清洁高效利用、石油及天然气清洁化(化石能源降碳)；节油技术、节气技术、节电技术、能量回收利用(节能与能量回收)；水能、太阳能、风能、海洋能、地热能、氢能、生物质能、核能(清洁能源)；机械储能、热储能、电化学储能(储能技术)；二氧化碳的捕集利用封存、其它温室气体减排(温室气体捕集利用封存)。 口径范围的重要界定。 该分类体系的官方定义明确指出，绿色低碳技术是"主要通过传统能源清洁利用、节能增效、新能源利用和温室气体捕集利用封存等实现减碳、零碳和负碳效果的有关技术，不包括减污、资源循环利用等起到降碳协同效果的绿色技术"。因此本数据集所称的"绿色低碳专利"实为低碳与能源技术专利，不涵盖污染治理、废弃物处理、水处理、绿色农业等通常绿色专利清单所包含的板块。这一范围直接决定了指标的解释边界：本指标测度的是企业低碳能源技术路径与行业主流的适配程度，而非广义绿色创新方向的趋同。使用者若需广义绿色专利口径，应另行采用基于国际绿色专利清单的数据集，两者不可互相替代——按本口径识别出有绿色专利的企业—年度占比约 13.8%，而按广义绿色清单口径约为 50.7%，二者同时为正时的专利计数中位比约为 0.2(相差约五倍)。 绿色低碳专利的识别。 该分类体系为每个技术分支建立了与国际专利分类的参照关系，并区分"全部涉及"与"部分涉及"两类标注：前者表示该国际专利分类层级及以下分类号的所有专利均属绿色低碳技术，后者表示该层级下部分专利属绿色低碳技术(体系另为"部分涉及"条目配置了关键词参考检索式以供进一步筛选)。本指标仅采用标注为"全部涉及"的分类号来识别绿色低碳专利与判定其技术领域归属。这一选择对结构类指标至关重要：若将"部分涉及"的粗粒度条目(如采矿、石油加工、有机化学、高分子化合物、电力系统装置等整个大类或小类)一并纳入，其覆盖的大量非绿色专利会集中灌入少数几个技术领域，使二氧化碳捕集利用封存一项即占全部领域计数的近四成，而太阳能、电化学储能等中国企业实际布局密集的领域占比不足百分之三，19 维向量的结构信息随之失真。 识别时将专利的全部国际专利分类号与体系条目进行层级匹配：分类号在小类、大组层级与条目一致，或在小组层级为条目本身及其下位细分时，判定命中该条目所属的技术领域。体系中以"某分类号(NOT:另一分类号)"形式标注的条目，表示被排除的分类号归属于其他技术分支而非不属于绿色低碳技术，本指标据此实现为技术领域的归属排他。一件专利的多个分类号可同时命中多个技术领域，此时该专利在每个命中领域各计一件(实测平均每件专利命中 1.019 个领域)。 专利归属与去重。 专利归属于提出申请的上市公司本身及其控股子公司，联营、合营企业的专利不予纳入；由多家上市公司联合申请的专利按惯例归属于每一家参与的上市公司，各计一次；同一上市公司名下的同一专利仅计一次。全部指标按专利的申请年度归集到"公司—年度"。 技术向量与足迹相似度。 设企业 $i$ 在第 $t$ 年申请的绿色低碳专利中命中第 $j$ 个技术领域的专利数为 $F{i,t}[j]$，由 19 个领域构成企业绿色技术向量 $F{i,t}=(F{i,t}[1],\dots,F{i,t}[19])$；将企业 $i$ 所属行业 $k$ 内全部企业当年的同口径数量加总，得到行业绿色技术向量 $F{k,t}$。绿色技术足迹相似度定义为二者的夹角余弦： $$ GTS{i,k,t}=\frac{F{i,t}\cdot F{k,t}'}{\sqrt{\left(F{i,t}\cdot F{i,t}'\right)\left(F{k,t}\cdot F{k,t}'\right)}} $$ 取值介于 0 与 1 之间：越接近 1 表示企业绿色技术布局的结构与行业主流范式越趋同，体现"求同"的路径选择；越接近 0 表示企业绿色技术布局越偏离行业主流，体现"存异"的路径选择。企业当年没有绿色低碳专利时，其技术向量为零向量，夹角余弦无定义，该企业—年度的相似度取缺失值而非零(取零会被误读为"技术结构完全正交")。 行业基准的粒度。 行业归属采用中国上市公司协会行业分类并按年度动态匹配企业当年所属行业，行业向量按原文口径包含企业自身。构造行业基准 $F{k,t}$ 所用的行业 $k$ 是分组层级：制造业取门类字母与大类前两位(如 C30 至 C39 合并为 C3)，非制造业取门类字母，全样本共 21 个分组。请注意该分组与本数据集输出的行业代码列不是同一层级——输出的行业代码是细分大类(如 C36 汽车制造业)，而汽车企业的行业基准实际是 C3 组(涵盖非金属矿物、黑色与有色金属、金属制品、通用与专用设备、汽车、铁路船舶航空、电气机械、计算机通信电子等)，其中汽车大类本身仅占该组绿色专利企业的约 8%。按输出的细分行业代码理解"行业主流技术范式"或据此做描述统计，会与指标的实际基准不符。 剔除自身的绿色技术足迹相似度。 由于行业向量包含企业自身的专利，绿色专利规模庞大的企业会显著决定本行业向量的方向，从而与自身产生机械的高相似。作为稳健口径，本数据集另行提供构造行业向量时先扣除企业自身专利数量的版本，即以 $F{k,t}-F{i,t}$ 替代上式中的 $F{k,t}$，其余计算相同；当企业是本行业—年度内唯一拥有绿色低碳专利的主体时，扣除自身后行业向量为零向量，该稳健值取缺失(落盘 67 个观测)。 仅发明专利口径的绿色技术足迹相似度。 发明专利相较实用新型具有更高的技术门槛与新颖性要求。作为稳健口径，本数据集另行提供企业向量与行业向量均仅使用绿色低碳发明专利构建的版本，其余计算相同；当企业当年有绿色低碳专利但其中没有发明专利(仅实用新型)时，该稳健值取缺失，故其覆盖约 68.6% 的主口径样本。 此外，本数据集提供两个计算链构件字段：企业当年申请的绿色低碳专利数量(向量的专利计算基数)，以及企业当年绿色专利覆盖的二级技术领域数量(向量的非零维数，有绿色专利时取 1 至 19(实际观测最大为 14)，无绿色专利时取 0，刻画绿色技术布局的广度)。由于一件专利可同时命中多个技术领域，后者可能大于前者。两个计数字段只取决于企业自身专利，与行业归属无关，因此对少数无法确定行业归属的企业—年度(落盘 39 个观测)，计数字段仍给出真实值，仅三个相似度字段取缺失。 补充说明 - 统计口径说明。 下列数字均基于本数据集交付面板：分布类统计量(均值、分位数、相关系数、按分位递增等)取 2009 至 2024 分析窗口；结构与计数类统计量(缺失率、技术领域分布、行业—年度单元、子公司归属比重、逐年专利数、各字段缺失数)取全样本期。 - 指标覆盖全部 A 股上市公司—年度面板，主键为公司代码与专利申请年度，未预先剔除金融业或特别处理股票，亦未做缩尾处理，使用者可按研究需要自行施加样本筛选。无绿色低碳专利的公司—年度，两个计数字段取零，三个相似度字段取缺失值。 - 样本选择的内生性(使用前务必注意)。 相似度仅对当年申请了低碳专利的企业有定义，全面板缺失约 88.5%，且可得率与企业规模强相关：按年内总资产五分位，最小组仅 5.0%、最大组达 34.2%；行业间从住宿餐饮业的 0.6% 到电力热力燃气及水生产供应业的 35.9%，跨度约六十倍。即便在有绿色专利的企业内部，其首末专利年之间也有约三分之一的年度为空。缺失并非随机，而是"该企业当年是否申请低碳专利"这一决策的结果，而该决策与常用被解释变量(如 ESG 表现)同源。直接做删除缺失的面板回归，等价于在"绿色创新活跃企业"子样本上估计，存在样本选择偏误。建议采用 Heckman 两阶段或至少报告选择性稳健检验；选择方程的可得性指示变量可直接由"绿色低碳专利数大于零"构造。 - 指标在多数样本上的退化(构念局限)。 约 67.4% 的企业—年度技术向量只有一个非零维度，39.4% 的绿色公司—年度全年仅申请一件绿色低碳专利(该两项为 2009 至 2024 窗口值，全样本期分别为 67.4% 与 40.0%)。对这部分样本，相似度退化为"企业唯一那件专利所属领域在行业向量中的相对权重"，即只取决于该专利落在 19 个领域中的哪一个，不含任何技术组合结构信息，"求同与存异"的战略解读在此不成立。这也造成大量并列取值：一万余个观测中仅有约四千个不同取值，约 68.7% 的观测与他人取值完全相同，最大并列组达 123 个观测。建议核心回归限定技术领域数不少于 2 或绿色专利数不少于 3 的子样本，并按行业—年度聚类标准误。 - 技术领域名单的界定。 原文说明依据国际专利分类确定各专利所属技术领域并"经处理得到 19 个技术领域"，但未列出这 19 个领域的具体名单，亦未说明归并规则。本数据集取原文所依据的同一分类体系的 19 个二级技术分支(数量与原文完全吻合)作为技术领域。若原文另有其领域名单，本数据集的领域划分可能与之存在差异。 - 19 个领域的实际分布高度偏斜。 各领域命中占比为：太阳能 25.9%、风能 17.4%、能量回收利用 14.4%、电化学储能 6.7%、核能 6.1%、机械储能 6.0%，其余各领域均低于 6%；地热能 0.6%、二氧化碳捕集利用封存 0.4%、海洋能 0.1%，而"其它温室气体减排"在整个样本期对上市公司专利零命中，故名义 19 维实为 18 维。行业向量的有效维数(以赫芬达尔指数倒数衡量)中位数仅约 5.7，相似度与"企业在本行业头号领域(多为太阳能)的专利占比"相关系数达 0.78——指标的变异在很大程度上由"企业是否押注行业头号领域"驱动。 - 量级与分布。 本数据集的相似度均值约 0.45、中位数约 0.43，高于原文报告的均值 0.3316 与中位数 0.3330 约三成，而分布形态(均值与中位数接近)与技术领域的结构分布均与原文一致；最小值约 0.0003，比原文的 0.0024 低一个量级(样本更大，更易出现与行业主流几乎正交的企业)。差异主要源于专利数据的收录完整度：本数据集的专利记录涵盖范围更广并包含控股子公司与联合申请，使企业技术向量更为丰满，从而系统性抬高与行业向量的相似度。已排查该差异并非口径可修——在同一样本与窗口下改用行业门类(0.4347)、改用细分行业大类(0.

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。