企业知识网络地理临近性

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码；空值不转换为证券代码
• StkName [证券简称] — 按年度匹配的证券简称；当年缺记录时沿用最新可得简称
• Year [年份] — 地理邻近性观测年t，使用t-5至t-1的五年可得合作专利申请；保留源内上市前及退市后历史，不代表全部观测均为上市存续期
• 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)；按年度匹配中上协行业，当年缺记录时使用最新可得行业回填
• 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)；按年度匹配中上协行业，当年缺记录时使用最新可得行业回填
• AllianceMemberCount [联盟组织成员数] — 参考王海花、龚燕燕、李雅洁、李树杰（2025）的联盟组合成员规模定义，统计观测年前五年[t-5,t-1]本体合作申请专利涉及的不同组织名称节点数，包括焦点本体及所有合作组织。单位为个；本体全称与历史名按独立资料归并，不以旧关联错码扩张本体；原始分号名单优先申请公开阶段，明确唯一同文献且同年更正版恢复，外部规范全称未完全法律实体消歧，含集团内部和分支署名。短中文姓名规则识别的疑似个人按整件专利排除，组织身份、名单、版本、窗口未决或无可观察合作时缺失，不填零；城市缺失不抹去仍可确定的成员数。
• AlliancePairCount [联盟组织成员对数] — 参考王海花、龚燕燕、李雅洁、李树杰（2025）的地理邻近性公式，计算联盟不同组织成员的无序配对数M(M-1)/2，含没有直接共同申请的伙伴之间的配对，不含自身对、不按重复合作次数加权。单位为对，是平均城市距离的分母；成员数未知时缺失，城市点缺失时仍保留已确定的成员对数。
• MeanDistanceMiles [联盟平均城市距离] — 参考王海花、龚燕燕、李雅洁、李树杰（2025），对前五年合作联盟全部不同组织成员对的城市球面距离取算术均值，单位为英里，使用平均地球半径6371.0088公里并按1英里=1.609344公里换算。同城组织距离为0。按标准球面距离补齐原文式（4）漏印的纬度余弦乘数；城市行政代表点及现行登记地址回溯代替论文地图坐标与历史地址。使用无歧义工商精确现名或有分隔曾用名、独立本体真实县码和城市资料、无冲突关联方、官方机构名录及精确主体原件地址；省直接管辖法定县级市取自身ADM2或ADM3行政点，普通县不作为独立城市。已核境外精确本体使用官方注册地或本社/总部所在具名城市的GeoNames点（PPL/PPLA/PPLC），仅作现位置代理，层级与大陆行政点不同，不扩至分支或集团其它主体。任一成员缺可靠点则缺失，不只平均已定位子集。
• GeoProximity [企业知识网络地理邻近性] — 参考王海花、龚燕燕、李雅洁、李树杰（2025）式（5），以合作联盟全部成员对的平均城市距离（英里）计算1/[1+ln(1+均距)]，无量纲，取值大于0且不超过1，越大表示联盟组织在城市层面越接近；完整同城联盟为1。实际测量合作组织而非IPC知识元素的空间邻近。均距缺失则缺失，不将无观察合作补零；本地仅可得发明及实用新型、现行地址回溯、名称与权利人快照、自然人识别规则及大型联盟定位选择性构成研究限制，不保证作者同值。

常见问题

「企业知识网络地理临近性」是什么数据集？

企业知识网络地理临近性，隶属创新与知识产权。企业知识网络地理临近性衡量企业合作联盟中组织成员在空间上的接近程度。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：联盟组织成员数、联盟组织成员对数、联盟平均城市距离、企业知识网络地理邻近性。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 98,052 条观测。

数据是如何测算/获取的？

测算方法 企业知识网络地理临近性反映合作联盟中组织成员在空间上的接近程度。空间接近有助于增加面对面交流机会、降低隐性知识传递成本，并为联盟成员的协调与互信提供条件。参考王海花、龚燕燕、李雅洁、李树杰（2025），本数据集以合作组织所在城市之间的平均距离构建地理邻近性指标。指标越大，表明联盟成员在城市层面越集中。 一、识别合作联盟成员 对观测年$t$，收集上市公司本体在此前五年，即$[t-5,t-1]$期间共同申请的可得专利，以申请号去重，并将同一专利上的组织申请人纳入焦点企业的合作联盟。识别范围包括企业、高校、科研院所、医院等组织；含已识别疑似自然人的整件专利按论文的组织范围要求排除。企业集团内独立主体及分支署名合作保留。 原始文献按真实申请人分号边界拆分，不将组织名称内部的逗号误作成员边界。发明专利优先采用申请公开文本记载的申请人，后续授权文本的专利权人变动不倒灌为原申请合作。明确对应同一文献、申请年一致且仅有一份更正版时，采用官方更正后的名单；申请年矛盾或更正关系不明时保留未决。没有申请公开文本的文献，沿用可得权利人名单作为代理，但其全部可得版本须一致，不任意取首条或合并不同版本成员。 上市公司本体的全称与历史名称依据独立登记及披露资料归并；其他申请人以规范全称形成名称节点。将五年窗口内出现的成员取并集，包含焦点企业自身。同一成员在多个合作专利中出现，仅计为一个联盟成员。设联盟成员数为$M$，不同成员的无序配对数为： $$ P=\binom{M}{2}=\frac{M(M-1)}{2}. $$ 成员对包括没有直接共同申请专利的合作伙伴之间的配对，不包括同一组织与自身的配对。重复合作频数不改变成员对在地理距离均值中的权重。 二、计算全部成员对的城市距离 依据无歧义工商名称匹配、上市本体独立名称资料、无冲突关联方记录，以及教育主管部门、高校、科研机构和公开原件中的精确主体地址，识别每个联盟成员的所在城市。工商现名及有明确分隔符的曾用名按全称匹配；全部同名候选记录均能定位且城市一致时才采用，不以多数或任取一条解除歧义。上市本体城市码缺失但真实县码及行政归属明确时，恢复其所属城市。城市坐标采用同一城市行政代表点；不同组织位于同一城市时，其城市距离为零。令$\phii$和$\lambdai$分别为成员$i$所在城市的纬度与经度，均转换为弧度，则成员$i$与$j$的球面距离为： $$ D{ij}=R\arccos\left[\sin\phii\sin\phij+\cos\phii\cos\phij\cos(\lambdai-\lambdaj)\right]. $$ 其中，$R=6371.0088/1.609344$英里，距离单位为英里。实际计算采用与该式等价的半正矢形式，以改善短距离的数值稳定性；边界裁切仅处理浮点误差。论文印刷式（4）漏列$\cos\phii$，本数据集明确补齐为标准球面距离。 三、求联盟平均城市距离与地理邻近性 对联盟全部不同成员对的城市距离取算术均值： $$ \overline D=\frac{1}{P}\sum{i\lt j}D{ij}. $$ 再按王海花等（2025）式（5）计算地理邻近性： $$ GEO=\frac{1}{1+\ln(1+\overline D)}. $$ $GEO$无量纲，取值大于零且不超过一。联盟全部成员处于同一城市时，平均距离为零、$GEO=1$；平均城市距离越大，$GEO$越低。成员数、成员对数和平均城市距离作为理解联盟规模与复核计算所需的研究构件，随最终指标一并提供。 补充说明 本指标测量合作组织成员的空间邻近性，不给IPC知识元素赋予地理位置。采用全部本地可得专利，输入实际仅覆盖发明及实用新型。地理信息为现行登记地、官方组织地址及城市代表点回溯，并非逐年历史实际驻地，也不保证与论文地图坐标相同。城市行政代表点依据GeoNames开放地名资料（CC BY 4.0），城市旧名或异名通过原始资料中的精确行政代码对齐。省直接管辖的法定县级市采用其自身行政点，可来自原始ADM2或ADM3；普通县不作为独立城市点，不以省会或错误上级城市替代。高校多校区、名录所在地与法定住所等差异按可核的主体城市依据处理，名录不能保证定位每个实验室或分支驻地。 已获得可靠资料的境外组织，按精确本体的官方注册地址或本社、总部所在城市确定当前城市位置代理，并使用GeoNames中该具名城市的原始代表点。此类点可为PPL、PPLA或PPLC，地理层级与大陆行政点有差异；不能解读为全部成员均使用同级行政区中心。总部只对应所核的本体，不赋给分支、母子公司或近似名称主体。 短姓名与机构名称规则不能完全恢复自然人身份；外部组织的同名、历史更名及法律实体关系未完全消歧。申请人或权利人快照也不能还原全部申请当时关系。名单、身份、版本或完整窗口未决，以及没有可观察合作时，研究量保留缺失，不填零。若成员规模可确定但任一成员缺可靠城市点，则保留成员数和成员对数，平均距离及地理邻近性均缺失；不只对成功定位子集取平均。严格完整定位偏向成员较少的联盟，早期来源稀疏、近期公开滞后及城市分辨率限制须在研究中考虑。 参考文献 [1] 王海花,龚燕燕,李雅洁,李树杰.网络分裂断层对突破性创新的影响——邻近性的三阶调节作用[J].科技进步与对策,2025,42(8):34-44.DOI:10.6049/kjjbydc.2024020037.

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。