知识网络分解性(Yayavaram双口径)
「知识网络分解性(Yayavaram双口径)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 22 个变量，样本量约 78,464。 衡量企业知识结构的模块化程度。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 22 |
| 样本量 | 78,464 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [证券代码] — 以交易所公布的证券代码为准,6位数字
- StkName [证券简称] — 上市公司证券简称
- Year [年度] — 统计年度
- 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)
- PatentCount_YLR [组合专利数(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)的方法，构建知识网络分解性的专利组合规模，计算公式为：标签年t的前五年(t-5至t-1年)企业申请专利数
- ClassCount_YLR [知识元素数(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)的方法，知识网络的节点数，计算公式为：t-5至t-1年专利涉及的去重IPC小类(分类号前4位)个数
- CouplingCount_YLR [耦合关系数(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)的方法，知识网络的边数，计算公式为：t-5至t-1年内曾在同一专利中共现的IPC小类对的个数
- KNC_YLR [知识网络中心势(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)设置的知识网络中心势(KNC)变量,原文界定为t-4至t年知识网络的中心势但未给显式公式;本数据集操作化为Freeman相对度中心势,计算公式为：Σ(最大节点度-各节点度)/[(节点数-1)(节点数-2)]，用作研究变量，越大代表连接向少数知识元素集中
- KWC_YLR [知识网络全局凝聚性(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)设置的知识网络全局凝聚性(KWC)变量,原文界定为t-4至t年知识网络密度;本数据集采用加权网络密度口径,计算公式为：各边权按网络最大边权归一化后之和/最大可能边数n(n-1)/2，取值[0,1]，用作研究变量，越大代表整体联系越稠密
- KLC_YLR [知识网络局部凝聚性(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)设置的知识网络局部凝聚性(KLC)变量,原文界定为t-4至t年加权平均聚集系数;本数据集加权权重取节点专利数,计算公式为：Σ(节点专利数×节点局部聚类系数)/Σ节点专利数，其中节点局部聚类系数=邻居间实际联系数/邻居间最大可能联系数，用作研究变量，越大代表局部联系越紧密
- DEC_YLR [知识网络分解性(余良如口径)] — 参考余良如、于渤(2024,研究与发展管理)的方法(该文式1)，基于t-5至t-1年IPC共现网络(边权取共现次数)，按回归调整的权重中位数区分强弱联系、按三条件非传递判定知识集群，计算公式为：1-Σ(节点专利占比×节点集群外联系数/最大连接数n(n-1)/2)，取值上界1，用作研究变量，越大代表知识网络越可分解为内部紧密、彼此稀疏的模块
- PatentCount_YA [组合专利数(Yayavaram口径)] — 参考Yayavaram & Ahuja(2008,ASQ)的方法，构建知识网络分解性的专利组合规模，计算公式为：标签年t的前三年(t-3至t-1年)企业申请专利数
- ClassCount_YA [知识元素数(Yayavaram口径)] — 参考Yayavaram & Ahuja(2008,ASQ)的方法，知识网络的节点数，计算公式为：t-3至t-1年专利涉及的去重IPC小类(分类号前4位)个数
- CouplingCount_YA [耦合关系数(Yayavaram口径)] — 参考Yayavaram & Ahuja(2008,ASQ)的方法，知识网络的非零Jaccard耦合数，计算公式为：t-3至t-1年内曾在同一专利中共现的IPC小类对的个数
- DEC_YA [知识网络分解性(Yayavaram口径)] — 参考Yayavaram & Ahuja(2008,ASQ)原论文的方法，基于t-3至t-1年IPC共现网络(边权取Jaccard系数a/(a+b+c))，按回归调整的耦合中位数区分强弱联系、按三条件非传递判定知识集群;整合度分母原文表述为最大可能联系数(未给显式公式),本数据集操作化为单节点最大可能联系数(n-1)，计算公式为：1-Σ(节点专利占比×节点集群外联系数/(节点数-1))，取值上界1，用作研究变量，越大代表知识网络越可分解
常见问题
- 「知识网络分解性(Yayavaram双口径)」是什么数据集？
- 知识网络分解性(Yayavaram双口径)，隶属创新与知识产权。衡量企业知识结构的模块化程度。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 22 个变量。核心指标包括：组合专利数(余良如口径)、知识元素数(余良如口径)、耦合关系数(余良如口径)、知识网络中心势(余良如口径)、知识网络全局凝聚性(余良如口径)、知识网络局部凝聚性(余良如口径)、知识网络分解性(余良如口径)、组合专利数(Yayavaram口径)、知识元素数(Yayavaram口径)、耦合关系数(Yayavaram口径)、知识网络分解性(Yayavaram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 78,464 条观测。
- 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。