知识整合能力(IPC分类差集)
「知识整合能力(IPC分类差集)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 13 个变量，样本量约 71,817。 基于专利IPC分类号测度企业知识整合能力。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 13 |
| 样本量 | 71,817 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 专利申请年份
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- Integration1 [知识整合能力_IPC总数] — 参考杨鹏等(2025,经济管理)的方法，计算公式为：企业当年(专利申请年)申请的发明专利与实用新型专利去重后涉及的不同完整IPC分类号(subgroup层级，如H01M4/525)的数量，反映企业创新中涉及的知识领域多样性。用作机制(中介)研究变量，越大代表知识整合能力越强。注：该指标与企业当年专利数量高度相关(Spearman约0.95)，回归中建议同时控制专利数量；IPC取最细的subgroup粒度，数值量级高于IPC小类(subclass)口径文献，不可直接对标；因发明专利存在约18个月公开滞后，近年(尤其2024年起)数据右截断，建议研究样本截至2023年；口径含上市公司本身及子公司/联营/合营专利；无专利企业当年取值为0。单位：个
- Integration2 [知识整合能力_新增IPC数] — 参考杨鹏等(2025,经济管理)的稳健性度量方法，计算公式为：企业当年(申请年t)专利去重后涉及的完整IPC分类号集合，相对该企业历史(t-1年及之前)累计申请专利的IPC分类号集合的差集大小，即当年新增(此前从未出现)的IPC分类号数量。用作机制研究变量，越大代表企业整合新知识领域的能力越强。历史基线涵盖企业上市前的全部专利申请年份；与企业专利数量的相关性弱于Integration1，更能识别知识新颖性。近年右截断及合并口径同Integration1；无专利企业当年取值为0。单位：个
常见问题
- 「知识整合能力(IPC分类差集)」是什么数据集？
- 知识整合能力(IPC分类差集)，隶属创新与知识产权。基于专利IPC分类号测度企业知识整合能力。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 13 个变量。核心指标包括：知识整合能力_IPC总数、知识整合能力_新增IPC数。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 知识整合能力衡量企业在创新过程中整合不同领域知识的广度与新颖性。创新的本质是不同领域知识的相互融合与重新组合，企业若能在研发中同时运用并整合更多技术领域的知识，意味着其知识基础更宽、知识整合能力更强。专利的国际专利分类号（IPC）标识了一项发明所涉及的技术领域，因此可通过企业专利所覆盖的 IPC 分类号来刻画其知识整合能力。本指标参考杨鹏等（2025）的做法，从"领域广度"和"领域新颖性"两个角度予以度量。 设企业 $i$ 在第 $t$ 年（按专利申请年口径）申请的全部发明专利与实用新型专利构成集合 $P{i,t}$。将每一件专利所标注的全部完整 IPC 分类号（subgroup 层级，形如 H01M4/525）取并集并去重，得到企业当年涉及的 IPC 分类号集合 $\mathcal{I}{i,t}$。基础度量为该集合的规模： $$\text{Integration1}{i,t} = \left| \mathcal{I}{i,t} \right|$$ 即企业当年申请专利去重后涉及的不同 IPC 分类号数量。该值越大，表明企业在当年创新活动中所运用的知识领域越多样，知识整合能力越强。 为刻画企业整合"新"知识领域的能力，并作为稳健性度量，进一步考察当年相对企业历史从未出现过的 IPC 分类号。令 $\mathcal{H}{i,t-1} = \bigcup{s \le t-1} \mathcal{I}{i,s}$ 表示企业在第 $t$ 年之前历年申请专利所累计涉及的全部 IPC 分类号集合，则新增度量为当年集合相对历史累计集合的差集大小： $$\text{Integration2}{i,t} = \left| \mathcal{I}{i,t} \setminus \mathcal{H}{i,t-1} \right|$$ 即企业当年专利中首次出现、此前从未涉足的 IPC 分类号数量。该值越大，表明企业在当年拓展并整合了更多此前未曾涉及的新知识领域。历史累计集合 $\mathcal{H}{i,t-1}$ 涵盖企业上市之前的全部专利申请年份，从而保证"新增"判定基于企业完整的技术轨迹。在企业首个有专利申请的年份，因历史集合为空，$\text{Integration2}$ 等于 $\text{Integration1}$；随着企业技术积累，越来越多的当年 IPC 与历史重叠，新增占比 $\text{Integration2}/\text{Integration1}$ 随企业专利年龄递减，符合知识积累的饱和规律。 两项指标按"企业—年份"面板组织，无专利申请的企业—年份取值为 0，可直接用作创新、数字化转型等研究中的机制（中介）变量或解释变量。 补充说明 - IPC 粒度采用最细的完整 subgroup 层级（如 H01M4/525），忠实于"IPC 分类号"的字面口径；该粒度下数值量级显著高于以 IPC 小类（subclass，如 H01M）或大组（main group）刻画"技术领域"的同类文献，使用时不宜与不同粒度口径的研究结论直接对标。 - 专利口径覆盖发明专利与实用新型专利（外观设计无 IPC 分类号，不纳入），并将归集至上市公司主体的本身、子公司、联营企业及合营企业专利一并计入；其中联营、合营为权益法核算的非并表主体，使用并表口径时可据需作敏感性调整。 - 年份以专利申请年为准。由于发明专利自申请至公开存在约 18 个月的滞后，最近年份（尤其自 2024 年起）的专利记录尚未完全公开，指标存在右截断而系统性偏低，实证研究建议将样本期截至 2023 年，或对临近年份作稳健性剔除。 - $\text{Integration1}$ 与企业当年专利申请量高度相关（秩相关约 0.95），在回归中宜同时控制专利数量以识别独立于创新规模的知识整合效应；$\text{Integration2}$ 与专利规模的相关性较弱，对知识新颖性的刻画更为干净。 - 两项指标满足 $\text{Integration2} \le \text{Integration1}$ 的逻辑约束，且经独立的集合差集复算验证一致。 参考文献 - 杨鹏, 尹志锋, 孙宝文, 等. 数字技术应用与企业合作创新[J]. 经济管理, 2025, 47(1): 108-127.
- 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。