企业知识搜寻深度

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码，代表上市公司；多公司共同归属专利分别归集，不在单一公司内重复计件。
• StkName [证券简称] — 按观察年度匹配的证券简称；当年记录缺失时使用最新可得简称。
• Year [申请年份] — 企业发明专利申请所属日历年；面板同时保留源内上市前、退市后历史归属及上市存续年度。年度上限为当前年减一。
• Province [省份] — 公司注册地所在省份
• City [城市] — 公司注册地所在城市
• County [区县] — 公司注册地所在区县
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• 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)
• 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)
• KnowledgeSearchDepth [知识搜寻深度] — 参考安同良、吴致冶（2025，中国工业经济）的专利平均IPC深度思路，对上市公司本体及子公司在申请年度的全部发明专利，先对每件去重完整国际专利分类号赋值并平均，再按不同申请号等权平均。小类为1，大组后缀00为2，非00的两位后缀为3，三位及以上后缀为4；后两级是论文示例外推的编码精细度代理，不代表WIPO真实分类树深度或作者代码同值。无量纲，范围1至4，越高表示记录的分类编码更精细。无源发明记录或任一目标专利的完整IPC不可评分时缺失，不补零。采用现行源主体关系与分类快照，排除联营、合营，不代表逐年历史控制权重建；早期缺源及近期公开滞后限制解释。
• LnKnowledgeSearchDepth [知识搜寻深度自然对数] — 参考安同良、吴致冶（2025，中国工业经济）机制回归的自然对数形式，对知识搜寻深度直接取自然对数，不加1。无量纲，范围0至ln(4)，基础深度缺失时仍缺失。基础深度为本体及子公司当年发明的专利内IPC均值再按申请号等权平均，1至4级按论文示例扩展的编码精细度划分，非WIPO实际层级，不声称作者同值；沿用相同主体、完整IPC缺失与快照限制。

常见问题

「企业知识搜寻深度」是什么数据集？

企业知识搜寻深度，隶属创新与知识产权。企业知识搜寻深度用于刻画企业在既有技术知识中的纵向探索与专业化积累。

该数据集的时间范围是？

覆盖 1985-2025 年。

包含哪些变量/指标？

共 13 个变量。核心指标包括：知识搜寻深度、知识搜寻深度自然对数。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 96,843 条观测。

数据是如何测算/获取的？

一、知识搜寻深度的含义 知识搜寻深度描述企业在既有技术知识中的纵向探索与专业化积累。安同良、吴致冶（2025）将知识搜寻深度作为人工智能影响创新的机制变量，以企业发明专利的平均国际专利分类深度进行测度。本数据集沿用其专利内平均、企业年度平均的思路，将分类编码的精细程度作为知识搜寻深度的代理，并提供自然对数形式。 二、发明专利与企业归属 以企业当年申请的全部发明专利为基础，包括独立申请与联合申请，不限定人工智能领域，也不要求已经授权或仍然有效。公司范围包括上市公司本体及其子公司，排除联营、合营企业。共同归属于多个上市公司的同一申请分别计入各公司，同一公司内按申请号只计一件。多公司记录中的股票代码与各自的主体关系逐项对应，不能把某一申请人属于本体的标记推广给该记录的全部公司。 对于规范的中国专利申请号，依据申请种类识别发明：旧八位申请号的第三位、新十二位申请号的第五位，1与8代表发明申请；以此纠正部分旧文献的类型误标。以申请年度归集，不把授权年度当作申请年度。 三、单件专利的编码深度 对单件专利的全部国际专利分类号去除空白、统一字母大小写，并对重复分类号去重。设专利p的不同有效分类号集合为Cp。按照原文第95页的例子，将编码精细程度划分为四级：仅有四位小类信息记1；大组的斜线后缀为00时记2；非00且斜线后为两位数字时记3；非00且斜线后为三位及以上数字时记4。 设每个分类号c的分值为dc，单件专利的平均编码深度为： $$ Dp=\frac{1}{|Cp|}\sum{c\in Cp}dc. $$ 例如，C09D11/00的分值为2；一件专利同时含C09D11/03和C09D11/037时，其平均编码深度为(3+4)/2=3.5。重复出现同一分类号不额外增加该分类号的权重。 四、企业年度汇总与对数变换 设Pit为企业i在申请年度t的不同发明申请集合。每件专利取得相同权重，企业年度知识搜寻深度为： $$ K{it}=\frac{1}{|P{it}|}\sum{p\in P{it}}Dp. $$ 先在专利内部平均、再在企业年度内平均，可以避免分类号较多的专利自动获得更高权重。知识搜寻深度的取值范围为1至4，数值越高表示其发明专利记录的分类编码平均更精细。 原文机制回归使用知识搜寻深度的自然对数，因此同时提供： $$ \mathrm{LnKnowledgeSearchDepth}{it}=\ln(K{it}). $$ 该变换不加1，取值范围为0至ln(4)。基础指标缺失时，其自然对数也保留缺失。 五、补充说明 原文没有公开所有分类号在第3、第4级之间的通用映射。本数据集将其例子扩展为斜线后缀位数规则，是编码精细度代理，不能称为作者代码的精确复现。国际专利分类小组的真实层级由分类表的缩进层数决定，并不由编码位数决定。因此，指标变化也可能反映技术领域的编码惯例与分类修订，不能单独证明企业的实际知识探索更深入。 没有源内发明记录时不填0；任一目标发明缺少完整、可评分的分类信息时，企业该年的指标保留缺失，避免把不完整专利集合的平均冒充全部发明平均。早期源稀疏以及近期专利尚未公开会限制覆盖，未观察到记录不能解释为企业没有创新。 专利分类及本体、子公司关系使用现行可得快照，不代表逐年历史控制权或当时分类信息的完整复原。面板保留源内上市前、退市后归属记录及上市存续年度；全行业、全板块均纳入，最近不完整申请年度仍保留。地理信息来自静态档案，行业与简称按年度匹配，缺失时采用最新可得档案，不能据此推断真实历史迁址或行业。 六、参考文献 [1]安同良,吴致冶.企业人工智能技术水平的分层测度及其创新效应——基于全球知识网络视角[J].中国工业经济,2025(6):81-100.DOI:10.19581/j.cnki.ciejournal.2025.06.005.

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。