知识宽度(HHI)

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] — 年份(知识宽度为存量指标，反映截至该年的累计发明专利分布)
• 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)
• CumInventionPatent [累计发明专利申请数] — 参考戴一鑫、王译潇(2023,中国地质大学学报(社会科学版))的方法，为知识宽度公式的分母Z，计算公式为：截至当年(含)企业累计申请的发明专利件数，按专利申请年累计，剔除实用新型与外观设计。无发明专利企业取0。用作控制变量，越大代表企业发明专利存量越多；因知识宽度与专利规模存在机械正相关，作回归时建议以本列控制规模效应。单位：件
• IPCClassCount [累计IPC大类数] — 参考戴一鑫、王译潇(2023,中国地质大学学报(社会科学版))的方法，为知识宽度公式中求和项的技术大类个数，计算公式为：截至当年企业累计发明专利按主分类号所属IPC大类(国际专利分类号前3位，如H01、G06)统计的去重个数。无发明专利企业取0。越大代表企业知识基础覆盖的技术大类越多。单位：个
• KnowledgeBreadthHHI [知识宽度(HHI)] — 参考戴一鑫、王译潇(2023,中国地质大学学报(社会科学版))的方法，计算公式为：知识宽度=1-Σ(Z_m/Z)²，其中Z_m为企业截至当年在IPC大类m(国际专利分类号前3位，如H01)下按主分类号归类的发明专利累计申请件数，Z为企业截至当年发明专利累计申请总件数。取值范围[0,1)，无发明专利企业(分母为0，公式未定义)为缺失值。用作研究变量，越大代表企业知识储备的多样性越高、知识宽度越大。
• KnowledgeBreadthHHIAll [知识宽度(全部IPC大类口径)] — 参考戴一鑫、王译潇(2023,中国地质大学学报(社会科学版))知识宽度公式的稳健性替代口径，计算公式为：1-Σ(Z_m/Z)²，其中Z_m为企业截至当年发明专利中涉及IPC大类m的件数，改按专利的全部IPC分类号归类，同一专利在同一大类内只计一次，故一件专利可计入多个大类，Z为各大类件数之和。用于检验知识宽度不依赖每件专利归入唯一大类这一读法，与核心口径的秩相关极高、结论高度一致。无发明专利企业为缺失值。

常见问题

「知识宽度(HHI)」是什么数据集？

知识宽度(HHI)，隶属创新与知识产权。参考戴一鑫、王译潇(2023)的方法，用赫芬达尔指数在IPC大类维度上测度企业累计发明专利分布的多样性，衡量企业知识储备的宽度(论文变量know，式6)。

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：累计发明专利申请数、累计IPC大类数、知识宽度(HHI)、知识宽度(全部IPC大类口径)。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 71,817 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业创新的核心动力在于具备独特且多样化的知识容量，即知识储备的"宽度"。企业知识构成的多样性越高，不同技术领域之间发生知识组合与重构的概率就越大，从而越有利于提升创新能力。参考戴一鑫、王译潇(2023)的方法，本数据集利用赫芬达尔指数，在技术大类维度上测度企业知识储备的多样性程度（论文变量 $know$，式(6)）。 技术领域的划分依据国际专利分类号(IPC)的层级结构。IPC 分类号自上而下依次包含部、大类、小类、大组与小组五个层级，本指标取其中的大类层级，即分类号的前三位（一位字母的部代号加两位数字，如 $H01$、$G06$、$A61$）。专利类型方面，考虑到实用新型与外观设计专利存在较为严重的"专利泡沫"问题，原文在构建创新变量时明确剔除外观专利与实用新型专利，只使用发明专利，本指标因此同样仅以发明专利为基础，并按专利申请年累计。 对企业 $i$ 在第 $t$ 年，取该企业截至第 $t$ 年（含）已申请的全部发明专利，按各专利的主分类号将其归入唯一的 IPC 大类。记 $Z{imt}$ 为第 $t$ 年企业 $i$ 在大类 $m$ 下发明专利的累计件数，$Z{it}$ 为企业 $i$ 在第 $t$ 年发明专利的累计总件数，则知识宽度定义为一减各大类份额的平方和： $$know{it}=1-\sum{m}\left(\frac{Z{imt}}{Z{it}}\right)^{2}$$ 按主分类号归类是上式的内在数学要求：只有当每件专利被归入唯一大类时，$\sum{m} Z{imt}=Z{it}$ 才成立，各大类份额之和恰为 $1$，$know$ 才落在 $[0,1)$ 区间内。该指标本质上是技术分布集中度的反向度量，取值越大说明企业知识储备的多样性越高、知识宽度越大；当企业全部发明专利集中于单一大类时取值为 $0$。作为计算链上的构件，累计发明专利申请件数（即上式分母 $Z{it}$）与累计涉及的 IPC 大类去重个数（即上式求和项的项数）一并输出。 由于原文对"企业在 $m$ 大类下发明专利的累计数量"未进一步说明一件带有多个分类号的专利应如何归类，本数据集另提供一个稳健性口径：将归类方式由主分类号改为专利的全部 IPC 分类号，即一件专利可同时计入其涉及的多个大类（同一专利在同一大类内只计一次），相应地将分母改为各大类件数之和 $Z^{All}{it}=\sum{m} Z^{All}{imt}$，以保证份额之和仍为 $1$，其余步骤与核心口径完全一致。该口径用于检验知识宽度的度量不依赖"每件专利归入唯一大类"这一读法，两口径的秩相关极高、结论高度一致。需要说明的是，该稳健口径为本数据集提供，并非原文明确给出的指标。 补充说明 - 样本为个体—年度面板，主键为公司代码与年份，覆盖全部 A 股上市公司自上市年至退市年（或数据期末）的区间；不剔除金融行业（原文亦未声明剔除金融行业）；年份范围由数据自动确定，不设固定区间；指标按原始值输出，不作缩尾处理。知识宽度是存量概念，企业某年若无新增专利申请，累计值由上一年结转；企业上市前已申请的专利计入其上市后各年的累计。面板上界取数据中最大专利申请年的前一年，即整年剔除最新的那个申请年——因发明专利自申请至公开约有 18 个月滞后，最新申请年在库内必然严重不完整。 - 与原文样本范围的差异：原文的回归样本限定为 2000—2016 年、且限定于设立子公司并通过其筛选条件（剔除样本期内母公司所在城市发生变化者、剔除子公司注册地不在中国者）的上市公司，样本量为 15,946。本数据集不施加上述样本限制，输出全部 A 股上市公司—年度的完整面板，由使用者按研究需要自行截取。因此本数据集的横截面构成比原文更宽（包含从不设立子公司的企业），其描述性统计不与原文回归样本严格可比。 - 无发明专利企业的处理：累计发明专利件数为 $0$ 时，上式分母为零、指标在数学上未定义，故两个知识宽度字段取缺失值而非 $0$；同时输出的累计发明专利件数在该情形下取 $0$，使用者可据此自行决定是否补零。 - 主分类号缺失时，回退取该专利分类号列表中的第一个作为主分类号；两者皆缺失的极少数记录被剔除。该回退可能与专利实际主分类号不完全一致，但涉及的专利占比很低。 - 专利归属口径：本数据集沿用平台既有的专利归属关系，即同时包含上市公司本身及其子公司、联营企业等关联主体申请的专利。相较"仅母公司本身申请"的窄口径，本口径纳入的专利数量明显更多、覆盖的技术大类更广，因而知识宽度水平系统性更高；且有相当一部分公司—年完全依赖子公司或联营企业的专利才有取值。就原文报告的水平而言，本口径明显更为贴合。使用提示：若将本指标用于以"设立子公司/异地扩张"为处理变量的中介检验，新并入子公司的存量专利会机械地计入母公司，该渠道部分源自归属规则而非知识获取机制，宜同时以母公司口径做稳健性检验。 - 与专利规模的机械相关（重要）：$1-HHI$ 形式的指标在专利件数较少时被数学上限所压低——仅有 1 件专利时必为 $0$，2 件时上限为 $0.5$，3 件时上限为 $0.667$。因此本指标与企业累计专利件数、累计大类数均呈明显正相关。若按累计专利件数分箱后再看各箱内的年度均值，会发现各箱内的时间趋势相当平坦，这表明全样本知识宽度随时间上升的现象，很大程度上由企业专利存量的增长所驱动，而非同等规模的企业变得更加多元。作回归分析时务必同时控制累计发明专利件数（或其对数），否则本指标在很大程度上是在测量专利规模。 - 缺失的非随机性：指标缺失（即累计发明专利为零）的比例在样本期早期很高，随专利活动普及而逐年下降；分行业看，住宿餐饮、综合、房地产、批发零售等行业的缺失率显著偏高，而科学研究和技术服务业、制造业则很低。由于"是否拥有专利"本身即创新产出的体现，以本指标为中介变量的分析实质是在"已有发明专利的企业"子样本内进行，存在样本选择问题，必要时应做选择性偏差校正。 - 累计存量的棘轮效应：由于建立在只增不减的累计计数之上，成熟企业每年新增专利相对于存量是小量，本指标的企业内变异偏小，相当比例的相邻年份观测几乎不发生变化，在高维企业固定效应模型下可识别的组内变异有限。需要说明的是，本指标并非单调不减——新增专利若集中于既有优势大类会抬高集中度，从而使知识宽度下降，故指标本身仍含有效信息。 - 低专利数区间的取值离散：当累计专利件数很少时，指标的可能取值是有限的离散点（1 件时只能为 $0$，2 件时只能取 $0$ 或 $0.5$，3 件时只能取 $0$、$0.444$ 或 $0.667$），因而在 $0$、$0.5$、$0.444$、$0.667$ 等处出现明显的质点堆积。对连续性较为敏感的估计（如中介效应的 Sobel 检验）建议限定在累计专利达到一定规模（如不少于 10 件）的子样本内。 - 近年的轻度右截断：发明专利自申请至公开约有 18 个月滞后，故最近一至两个申请年的专利在库内尚未收录完全。在累计存量口径下，该截断表现为知识宽度"停止上升"而非缺失，从数据表面不易察觉，使用最近年份数据（尤其是做一阶差分或事件研究）时应予注意。 - 与原文报告水平的对照：原文表 1 未列出本指标的描述性统计，唯一可对照的是其展示 2001—2016 年上市企业平均知识宽度变化趋势的图示。该图起点 2001 年约为 $0.27$，本数据集对应年份与之近乎精确吻合；2010 年（图示约 $0.49$）与 2013 年（图示约 $0.64$）亦相当贴合，整体取值区间一致。原文该图另有两处特征与本数据集不同，均源自原文一侧：其一，该图在 2005—2014 年间于 $0.49\sim0.66$ 之间反复震荡，而知识宽度作为累计存量指标，其横截面均值不应逐年大幅回落，该震荡应来自其逐年样本构成的变动；其二，该图在 2015—2016 年骤降至 $0.19$ 与 $0.22$，既与原文同段正文"在样本期间内企业的知识宽度不断提高"的表述直接矛盾，也与累计存量指标的性质不相容，极可能是其构建数据时发明专利尚未公开所致的右截断。本数据集这两年保持单调上升，与原文正文的文字结论一致。 参考文献 - 戴一鑫,王译潇.企业异地扩张、技术获取与企业创新——基于上市公司设立子公司的经验证据[J].中国地质大学学报(社会科学版),2023,23(1):102-115.

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。