企业知识基础宽度与深度

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] — 观测年份
• 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)
• WindowPatentCount [前五年专利申请数] — 参考赵炎等(2022,科学学研究)的方法，计算公式为：观测年前五年(t-5至t-1)内该上市公司本身作为申请人提交的专利申请件数合计。用作知识基础宽度与深度共同的规模构件。窗口内无专利取0。单位：件
• WindowPatentCountConsolidated [前五年专利申请数(合并口径)] — 参考赵炎等(2022,科学学研究)的方法，计算口径与前五年专利申请数相同，但专利范围由上市公司本身扩大至其子公司、联营企业与合营企业。用作合并口径知识基础指标的规模构件。单位：件
• WindowPatentCountInvention [前五年发明专利申请数] — 参考赵炎等(2022,科学学研究)的方法，计算口径与前五年专利申请数相同，但仅统计上市公司本身申请的发明专利，剔除实用新型专利。用作发明专利口径知识基础指标的规模构件。单位：件
• KW [知识基础宽度] — 参考赵炎等(2022,科学学研究)的方法，计算公式为：观测年前五年(t-5至t-1)内企业申请专利的主分类号所属国际专利分类IPC大类(前3位，如G06)的去重计数，每一个IPC大类视为一个独立的技术领域，一件专利仅归入其主分类号所属大类(主分类号缺失时取其全部分类号中的首位)。窗口内无专利取0。用作研究变量，越大代表企业知识库涵盖的独立技术领域越广泛。单位：个
• KD [知识基础深度] — 参考赵炎等(2022,科学学研究)的方法，计算公式为：KD=SUM(F_s×W_s)，其中F_s为企业在观测年前五年(t-5至t-1)内主分类号属于第s个IPC大类的专利数(主分类号缺失时取其全部分类号中的首位)，W_s为该技术领域在本行业的重要性权重，等于同年同行业全部样本企业在该技术领域的专利数除以其专利总数；当行业内参与计算的企业不足十家时该权重回退按当年全样本计算。窗口内无专利取0。用作研究变量，越大代表企业对关键技术领域知识的积累和熟悉程度越深。单位：件
• KWConsolidated [知识基础宽度(合并口径)] — 参考赵炎等(2022,科学学研究)的方法，计算口径与知识基础宽度相同，但专利范围由上市公司本身扩大至其子公司、联营企业与合营企业申请的全部专利。用作稳健性检验的替代度量。单位：个
• KDConsolidated [知识基础深度(合并口径)] — 参考赵炎等(2022,科学学研究)的方法，计算口径与知识基础深度相同，但专利范围由上市公司本身扩大至其子公司、联营企业与合营企业申请的全部专利，技术领域重要性权重在同一口径的样本内重新计算。用作稳健性检验的替代度量。单位：件
• KWInvention [知识基础宽度(发明专利)] — 参考赵炎等(2022,科学学研究)的方法，计算口径与知识基础宽度相同，但仅使用上市公司本身申请的发明专利，剔除实用新型专利。用作稳健性检验的替代度量。单位：个
• KDInvention [知识基础深度(发明专利)] — 参考赵炎等(2022,科学学研究)的方法，计算口径与知识基础深度相同，但仅使用上市公司本身申请的发明专利，技术领域重要性权重在同一口径的样本内重新计算。用作稳健性检验的替代度量。单位：件

常见问题

「企业知识基础宽度与深度」是什么数据集？

企业知识基础宽度与深度，隶属创新与知识产权。参考赵炎等(2022,科学学研究)的方法，以企业加入创新网络前五年(t-5至t-1)申请的专利为测量基准，将国际专利分类IPC的每一个大类视为一个独立的技术领域

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 20 个变量。核心指标包括：前五年专利申请数、前五年专利申请数(合并口径)、前五年发明专利申请数、知识基础宽度、知识基础深度、知识基础宽度(合并口径)、知识基础深度(合并口径)、知识基础宽度(发明专利)、知识基础深度(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 72,341 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业的知识基础被定义为企业在所有涉及领域中拥有的各种知识元素（包括信息、专利、经验和技术）的总和，是企业创新过程中最独特且最重要的资源，也是其竞争优势的重要来源。关于知识基础的维度划分，学术研究中被普遍引用的是 Katila 和 Ahuja 提出的二维度观点，即知识基础可划分为知识基础宽度与知识基础深度两个维度：宽度是企业知识库的横向维度，反映企业知识涵盖独立多个技术领域的程度；深度是企业知识库的垂直维度，反映企业对关键领域知识的理解和熟悉程度。本指标参考赵炎等（2022）的做法测度这两个维度。 测量以企业的专利申请记录为基础。为了减少技术环境变化带来的噪声影响，测量基准限定为企业加入创新网络前五年申请的专利，即对观测年 $t$ 只纳入专利申请年落在 $[t-5,\ t-1]$ 区间内的专利。技术领域的划分依据国际专利分类，将国际专利分类的每一个大类（由一个字母与两位数字构成，如 G06）视为一个独立的技术领域。一件专利按其主分类号归入唯一一个技术领域，主分类号缺失时以该专利全部分类号中的首位替代。 在此基础上构造企业 $i$ 在观测年 $t$ 的专利向量 $F{i,t}=(F{i1,t},F{i2,t},\dots,F{is,t})$，其中 $F{is,t}$ 为企业 $i$ 在窗口内归属于第 $s$ 个技术领域的专利数。 知识基础宽度定义为企业专利所包含的技术领域数量。企业专利包含的国际专利分类大类越多，意味着企业涉及的技术领域越广泛： $$ KW{i,t} = \left|\left\{ s \ :\ F{is,t} 0 \right\}\right| $$ 知识基础深度依据企业在每个技术领域下的专利数量测度，并按各技术领域在本行业中的重要性加权。其计算公式为企业专利向量与技术领域权重向量的内积： $$ KD{i,t} = F{i,t}W{t}' = \sum{s} F{is,t} \cdot W{s,t} $$ 其中 $W{t}=(W{1,t},W{2,t},\dots,W{s,t})$ 是技术领域权重向量，$W{s,t}$ 表示第 $s$ 个技术领域在本行业的重要性，用同期本行业全部样本企业在该技术领域的专利数与其专利总数的比值来计算： $$ W{s,t} = \frac{\sum{j \in pool} F{js,t}}{\sum{j \in pool}\sum{s'} F{js',t}} $$ 式中 $pool$ 为同一观测年、同一行业分组内的全部样本企业。行业分组采用中国上市公司协会行业分类，制造业取门类字母与首位数字，非制造业取门类字母；当某一行业分组当年参与计算的企业数量不足十家或行业归属缺失时，权重回退至该年度全样本口径计算。由于权重在各技术领域上求和为一，深度在数值上不会超过窗口内的专利总数，可理解为按领域重要性折算后的专利规模。 窗口内没有专利申请记录的企业年，其知识基础在构念上为空集，宽度与深度均取零。 除按上市公司自身申请的全部专利计算的核心口径外，另提供两组替代口径用于稳健性检验：合并口径将专利范围扩大至上市公司本身及其子公司、联营企业与合营企业申请的全部专利；发明专利口径仅纳入上市公司自身申请的发明专利，剔除实用新型专利。两组替代口径的技术领域权重均在各自口径的样本内重新计算，并各自给出对应的窗口专利数，便于使用者构造归一化指标。 补充说明 - 样本口径：以全部 A 股上市公司的公司年为面板骨架，不预先剔除金融业或特定板块，也不作缩尾处理；原文样本限定于单一产业内组建了合作创新网络的上市公司，其报告的水平值对应于专利活动较为活跃的中型技术企业子样本。使用者可按窗口专利数筛选子样本以贴近原文口径。 - 专利归属口径：一件专利仅归入其主分类号所属的大类，不按全部分类号重复计入。原文表述为"企业专利所包含的大类"，未明确单归类还是多归类；采用单归类可使各领域专利数之和恰好等于窗口专利总数，与权重定义中"专利总数"的分母保持自洽。相当比例的专利同时归属多个大类，改用全部分类号会系统性抬高宽度的水平值，宽度的水平值对这一口径选择较为敏感，跨研究比较时需注意。 - 深度的跨行业可比性：权重按行业池内的专利分布计算，当行业内专利高度集中于个别企业时，权重实质上由头部企业的技术画像决定，使同样一件专利在不同行业换得的深度增量相差较大。深度适合在行业与年度内标准化后使用，或在分行业子样本内比较；非制造业按门类字母分池，金融业各子行业合并于同一个池。 - 宽度的自然上限：国际专利分类的大类总数固定在一百余个，专利规模最大的企业其宽度已接近该上限，无法再反映知识领域的进一步拓展，使宽度在样本两端的边际含义不同。 - 代码与分类口径：新三板挂牌公司转板北交所后启用新证券代码，而专利记录只登记在新代码下，本指标按证券简称建立新旧代码的对应关系后将专利归属于同一主体，避免转板前的年份被记为知识基础为空。早期年份主分类号的登记完整度明显低于近年，以全部分类号首位回退可避免这部分专利被整件丢弃；若不作回退，早期年份的指标会呈现由登记完整度驱动的上升趋势。 - 其他局限：发明专利自申请至公开存在约十八个月的滞后，最末观测年的窗口末端申请量仍在填充中，该年指标会在数据更新后上修，建议样本截至倒数第二个观测年；窗口内无专利的企业年取零，与专利活动确实为零的情形合并，使用者可结合合并口径的窗口专利数加以区分；一件专利由多家上市公司联合申请时对各家均计入。 参考文献 - 赵炎, 叶舟, 韩笑. 创新网络技术多元化、知识基础与企业创新绩效[J]. 科学学研究, 2022, 40(9): 1698-1709. - 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. - 张晓黎, 覃正. 知识基础能力、研发投入与技术创新绩效关系研究——基于全球领先通信及技术设备制造类企业的实证分析[J]. 科技进步与对策, 2013, 30(11): 140-144. - 蔡虹, 刘岩, 向希尧. 企业知识基础对技术合作的影响研究[J]. 管理学报, 2013, 10(6): 875-881, 889. - 刘岩, 蔡虹, 张洁. 企业技术合作、知识基础与技术创新绩效关系研究——基于中国电子信息行业的实证分析[J]. 科技进步与对策, 2014, 31(21): 59-64.

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。