企业创新效率(专利研发投产比)

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/研发投入所属财务年度
• 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)
• Patent1 [专利申请数量] — 参考姚立杰、周颖(2018,会计研究)的方法，指标含义为当年提交的专利申请总数(发明专利+实用新型)。计算公式为：当年(按申请年)该企业作为申请人的专利申请数量。用作创新效率IE1的分母、IE2/IE3的分子。
• Patent2 [前瞻授权数量] — 参考姚立杰、周颖(2018,会计研究)模型(1)的方法，指标含义为当年申请且在当年及未来三年(第t至t+3年)内获得授权的专利数量。计算公式为：Patent2=当年申请且(授权年-申请年)介于0至3之间的专利数量。用作IE1的分子；对最近申请年因授权数据发表滞后、前瞻窗口不完整而置为缺失。
• RD3YearSum [近三年研发投入之和] — 近三年研发投入总额之和，单位元。计算公式为：RD_t+RD_(t-1)+RD_(t-2)，其中RD为当年研发投入总额(费用化研发费用+资本化研发支出变动额)。要求窗口内三年研发投入均有效，否则为缺失。用作IE2的分母。
• RD2YearSum [近两年研发投入之和] — 近两年研发投入总额之和，单位元。计算公式为：RD_t+RD_(t-1)，其中RD为当年研发投入总额(费用化研发费用+资本化研发支出变动额)。要求窗口内两年研发投入均有效，否则为缺失。用作IE3的分母。
• IE1 [创新效率-授权申请比] — 参考姚立杰、周颖(2018,会计研究)的方法(模型2)，衡量企业专利授权效率。计算公式为：IE1=前瞻授权数量/专利申请数量=Patent2/Patent1，取值区间[0,1]。用作研究变量，越大代表企业申请的专利越易在四年内获得授权、创新质量越高。
• IE2 [创新效率-三年投产比] — 参考姚立杰、周颖(2018,会计研究)的方法(模型3)，衡量企业研发投入的专利产出效率。计算公式为：IE2=专利申请数量/近三年研发投入之和×10^7=Patent1/(RD_t+RD_(t-1)+RD_(t-2))×10^7。用作研究变量，越大代表单位研发投入产出的专利越多、创新效率越高。
• IE3 [创新效率-两年投产比] — 参考姚立杰、周颖(2018,会计研究)的方法(模型4)，衡量企业研发投入的专利产出效率(两年研发窗口)。计算公式为：IE3=专利申请数量/近两年研发投入之和×10^7=Patent1/(RD_t+RD_(t-1))×10^7。用作研究变量，越大代表单位研发投入产出的专利越多、创新效率越高。

常见问题

「企业创新效率(专利研发投产比)」是什么数据集？

企业创新效率(专利研发投产比)，隶属创新与知识产权。参考姚立杰、周颖(2018,会计研究)以专利产出与研发投入之比衡量企业创新效率的三个度量：授权申请比(IE1=前瞻授权数/申请数)、三年投产比(IE2=申请数/

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 18 个变量。核心指标包括：专利申请数量、前瞻授权数量、近三年研发投入之和、近两年研发投入之和、创新效率-授权申请比、创新效率-三年投产比、创新效率-两年投产比。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 77,943 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业创新不仅体现为创新活动的投入水平，更体现为将研发投入转化为创新产出的效率。本数据集参考姚立杰、周颖 (2018) 的方法，从创新活动的直接产出成果出发，以专利产出与研发投入之比刻画企业创新效率 (Innovation Efficiency)。这一"创新效率"思想源自 Hirshleifer, Hsu 和 Li (2013) 的开创性研究，其核心观点是：专利数是企业当年及历史相关研发支出的函数，单位研发投入能够产出的专利越多，企业将研发资源转化为创新成果的效率越高。 指标的基础变量为两类专利产出与企业研发投入。就专利产出而言，令 $Patent1{it}$ 表示企业 $i$ 在第 $t$ 年提交的专利申请总数。专利申请数量被广泛认为是衡量创新最准确、最直接的指标——当专利处于申请状态，即证明相应研发活动已取得成果，且相较专利授权数量不受审批周期、政策制度等滞后因素的干扰。考虑到专利授权本身具有滞后性，第 $t$ 年的当期授权数量并不能准确反映第 $t$ 年的创新成果：许多在第 $t$ 年提交的专利申请，其授权发生在此后若干年。为此，本数据集按申请年份追踪每一件专利的授权归属，构造前瞻式授权数量 $$Patent2{it} = \sum{k=0}^{3} \text{(第 }t\text{ 年申请且第 }t{+}k\text{ 年获授权的专利数)}$$ 即第 $t$ 年申请、并在当年及未来三年（第 $t$ 至 $t{+}3$ 年）内获得授权的专利数量。就研发投入而言，令 $RD{it}$ 表示企业当年的研发投入总额（费用化研发费用与资本化研发支出变动额之和）。 在上述基础变量之上，构造三个创新效率度量。其一为专利授权效率 $$IE1{it} = \frac{Patent2{it}}{Patent1{it}}$$ 即前瞻授权数量与专利申请数量之比，取值介于 $0$ 与 $1$ 之间，其值越大表明企业申请的专利越易在四年内获得授权、创新质量越高。其二与其三从研发投入产出的角度衡量效率，分别以近三年、近两年研发投入之和为分母： $$IE2{it} = \frac{Patent1{it}}{RD{it}+RD{i,t-1}+RD{i,t-2}}\times 10^{7}$$ $$IE3{it} = \frac{Patent1{it}}{RD{it}+RD{i,t-1}}\times 10^{7}$$ 其中放大 $10^{7}$ 倍是因为专利数与以元计的研发投入相比数值悬殊、原始比值极小，放大后便于观测与使用；$IE2$、$IE3$ 越大，表明单位研发投入产出的专利越多、企业创新效率越高。为便于机制分析，数据集同时输出中间构件变量：专利申请数量 $Patent1$、前瞻授权数量 $Patent2$、近三年研发投入之和 $RD3YearSum$ 与近两年研发投入之和 $RD2YearSum$。研发投入的多年之和要求窗口内各年研发投入均有效，若窗口内任一年研发投入缺失则该年之和记为缺失。 补充说明 样本范围采用广口径并集：凡具备有效两年（进而三年）研发窗口的企业年（据以计算 $IE3$、$IE2$），或具备专利申请且前瞻授权窗口完整的企业年（据以计算 $IE1$），均纳入数据集；各效率度量按其定义取值，不满足定义者记为缺失，仅保留至少一个效率度量非缺失的企业年。研发投入低于十万元的年度取值被视为数据错误予以剔除（上市公司年研发投入低于此值物理上不可能，且会经微小分母使效率虚高）。三个效率度量均输出原始值、不作缩尾处理，研究使用时可按文献惯例作 1% 缩尾。 需要特别说明若干口径限制。第一，专利产出仅涵盖发明专利与实用新型两类，未含外观设计专利，故专利申请数量相较于同时包含三类专利的口径系统性偏低。第二，前瞻授权数量 $Patent2$ 需要观测到申请年之后四年的授权数据，对于最近的申请年份，因授权数据存在约十八个月的公开滞后而窗口尚不完整，其 $Patent2$ 与 $IE1$ 相应置为缺失；同时，最近一至两个申请年份的专利申请数量本身也因公开滞后而偏低，可能使近年 $IE2$、$IE3$ 略有低估。第三，研发投入以研发投入总额度量，在费用化研发费用规范披露之前的早期年份，研发投入以资本化部分为主而存在系统性的部分披露，会使早期年份的 $IE2$、$IE3$ 分母偏小、效率偏高；研究使用建议以研发投入披露较为完整的近年样本为主。第四，对于由多个申请人共享的专利，按统一口径将其全额计入每一位共有申请人，对研发投入极低的企业可能使其效率度量偏高，此类极端值宜在研究中通过缩尾处理。第五，专利授权效率 $IE1$ 与研发产出效率 $IE2$、$IE3$ 覆盖的企业与年份并不完全重合：$IE1$ 仅对专利申请数量大于零的企业年有定义（分母为零时无意义），而 $IE2$、$IE3$ 对专利申请数量为零的企业年取值为零，代表"有研发而无专利产出"而非"低效率"，跨度量使用时需注意样本的切换。此外，$IE1$ 在专利申请数量很低（如不超过三件）的企业年因分子分母同为小数而方差较大，研究中可视需要设置专利数量下限。 参考文献 - 姚立杰,周颖.管理层能力、创新水平与创新效率[J].会计研究,2018(6):70-77. - Hirshleifer D, Hsu P H, Li D. Innovative efficiency and stock returns[J]. Journal of Financial Economics, 2013, 107(3): 632-654.

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。