企业协作研发网络知识距离(五年存量欧氏距离法)

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] — 焦点年份
• 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)
• FocalPatentCount5Y [焦点企业专利存量_五年窗口] — 参考曾德明和文金艳(2015,管理学报)的方法，计算公式为：本企业及其下属主体在焦点年前五年(t-5至t-1年)申请且带有合法国际专利分类号的专利件数，是各技术领域专利份额的分母。窗口内无专利时取0。
• FocalTechFieldCount [焦点企业技术领域数] — 计算公式为：本企业在焦点年前五年(t-5至t-1年)申请的专利所覆盖的国际专利分类四位小类去重个数，反映自身知识基础的技术广度。
• RDPartnerCount [协作研发伙伴数] — 参考曾德明和文金艳(2015,管理学报)的方法，计算公式为：焦点年前一年至后一年(t-1至t+1年)内与本企业联合申请过专利的其他组织去重个数。组织含其他企业、高等院校与科研院所，已剔除自然人申请人与本企业自身体系内主体。
• KDPartnerCount [可测距伙伴数] — 计算公式为：协作研发伙伴中自身在焦点年前五年(t-5至t-1年)有可检索专利存量者的个数，即知识距离求算术平均时的分母N。与协作研发伙伴数之差，为因无专利存量而无法计算技术距离者。
• FocalTechConcentration [焦点企业技术份额平方和] — 计算公式为：本企业各技术领域专利份额的平方和，即对全部技术领域k求和的f_ik的平方，其中f_ik为本企业在焦点年前五年内于技术领域k申请的专利数占同期申请专利总数的比例。取值0到1，越大表示自身专利越集中于少数技术领域。该项为知识距离分解式的第一项，窗口内无专利时为空。
• PartnerTechConcentration [伙伴技术份额平方和均值] — 计算公式为：各协作研发伙伴技术领域份额平方和的算术平均，即对全部可测距伙伴j求平均的、对技术领域k求和的f_jk的平方。取值0到1，越大表示伙伴的专利越集中于少数技术领域。该项为知识距离分解式的第二项。
• FocalPartnerOverlap [焦点与伙伴技术份额内积均值] — 计算公式为：本企业与各协作研发伙伴技术领域份额向量内积的算术平均，即对全部可测距伙伴j求平均的、对技术领域k求和的f_ik与f_jk之积，越大表示双方技术领域重叠越多。该项为知识距离分解式的第三项：焦点企业技术份额平方和，加伙伴技术份额平方和均值，再减去本项的两倍，恒等于知识距离。
• RDKnowledgeDistance [协作研发网络知识距离] — 参考曾德明和文金艳(2015,管理学报)的方法，计算公式为：先对每个协作研发伙伴j计算技术距离d_ij，等于对全部技术领域k求和的f_ik与f_jk之差的平方；其中f_ik为本企业在焦点年前五年(t-5至t-1年)内于技术领域k申请的专利数占同期申请专利总数的比例，技术领域按国际专利分类号前四位划分，且一件专利只归入其主分类号所属的技术领域；再对全部可测距伙伴取算术平均，得到知识距离。取值0到2。用作研究变量，越大代表本企业与协作研发伙伴的知识基础差异越大、可获取的异质性知识越多，而知识转移与吸收的成本也越高。无协作研发伙伴时为空，不可用0填充。
• RDKnowledgeDistanceEuclid [知识距离_开方欧氏距离] — 参考曾德明和文金艳(2015,管理学报)的方法，计算公式为：先对每个协作研发伙伴的技术距离取平方根，再对全部可测距伙伴取算术平均。原文正文称以欧几里得距离计算技术距离，而所给公式为未开方的平方和，两者不等价且不能互相换算；本字段提供符合欧几里得距离字面含义的版本，用作稳健性检验。
• RDKnowledgeDistance4Y [知识距离_四年存量窗口] — 参考曾德明和文金艳(2015,管理学报)的方法，计算公式与协作研发网络知识距离相同，仅把知识基础的观测窗口由焦点年前五年(t-5至t-1年)改为前四年(t-4至t-1年)，伙伴集合与其余设定不变。原文正文称合作前四年，而括号内给出的年份区间含端点实为五个申请年，本字段提供符合四年字面含义的版本，用作稳健性检验。

常见问题

「企业协作研发网络知识距离(五年存量欧氏距离法)」是什么数据集？

企业协作研发网络知识距离(五年存量欧氏距离法)，隶属创新与知识产权。参考曾德明和文金艳(2015)的方法，在组织间联合申请专利构建的协作研发网络中，测度企业与其全部协作研发伙伴之间的知识距离。

该数据集的时间范围是？

覆盖 1986-2025 年。

包含哪些变量/指标？

共 21 个变量。核心指标包括：焦点企业专利存量_五年窗口、焦点企业技术领域数、协作研发伙伴数、可测距伙伴数、焦点企业技术份额平方和、伙伴技术份额平方和均值、焦点与伙伴技术份额内积均值、协作研发网络知识距离、知识距离_开方欧氏距离、知识距离_四年存量窗口。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 96,335 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业在协作研发网络中与合作伙伴之间的知识距离，刻画的是知识发送方与知识接收方所拥有知识的差异性与相似性。知识距离越小，说明转移双方拥有的知识相似度越高，知识接收方能获取的知识异质程度越低；知识距离越大，则双方知识结构的重叠越少，接收方能获得的异质性知识越多，但知识转移的难度与吸收成本也越高。企业与外部组织搭建协作研发联系，目的正在于获取不同于自身的知识技术资源，因此知识距离是知识在组织之间与网络内部扩散、转移和共享的重要条件，也是决定协作研发能否转化为创新产出的关键变量。 本指标的测度分三步完成。 第一步，识别企业在焦点年的协作研发伙伴。若两个组织共同申请同一件专利，即视为二者在该专利的申请年存在协作研发关系；借鉴既有研究关于协作研发关系平均持续时长的证据，假设一段协作研发关系持续三年，即在申请当年的前一年便已存在、并延续到后一年。因此焦点年 $t$ 的伙伴集合，由申请年落在 $t-1$ 年至 $t+1$ 年的全部组织间联合申请专利中、与本企业同为申请人的其他组织构成。构建伙伴集合之前排除自然人申请人，只保留组织与组织之间的联合申请关系，伙伴因而同时包含其他企业、高等院校与科研院所；同时对上市公司的母子公司名称进行合并，使企业集团内部主体之间的共同申请不被计为对外协作。 第二步，度量每一个主体的知识基础。把某主体在焦点年之前五年（$t-5$ 年至 $t-1$ 年）内申请的全部专利，按国际专利分类号前四位所代表的技术领域归类，计算每个技术类别中该主体专利的占比，即得到它的技术领域分布： $$f{ik}=\frac{n{ik}}{Ni}$$ 其中 $n{ik}$ 为主体 $i$ 在该窗口内申请的专利中归入技术领域 $k$ 的件数，$Ni$ 为主体 $i$ 在同一窗口内申请且带有合法分类号的专利件数。一件专利只归入其主分类号所属的技术领域，因此份额在全部技术领域上加总恒等于一，$f{i\cdot}$ 构成一个规范的技术领域概率分布。知识基础的观测窗口完全位于焦点年之前，与伙伴关系的观测相互独立。 第三步，计算两两技术距离并对伙伴取平均。企业 $i$ 与伙伴 $j$ 在 $t$ 年的技术距离由双方技术领域份额向量之差给出： $$d{ij}=\sum{k}\left(f{ik}-f{jk}\right)^{2}$$ 企业 $i$ 在 $t$ 年与其协作研发伙伴之间的知识距离，则是它对全部伙伴的技术距离的算术平均： $$KD{it}=\frac{1}{N}\sum{j=1}^{N}d{ij}$$ 其中 $d{ij}$ 代表伙伴 $j$ 对 $i$ 的距离，$N$ 代表合作伙伴个数。由于两侧份额向量各自加总为一，$KD{it}$ 的取值介于 0 与 2 之间：取零表示本企业与全部伙伴的技术领域分布完全一致；取值越大表示双方知识基础的差异越大；取到上界意味着本企业与伙伴的专利分别集中于互不相交的技术领域。 为便于使用者拆解知识距离的来源，本数据集同时给出上式的代数展开： $$KD{it}=\sum{k}f{ik}^{2}+\frac{1}{N}\sum{j}\sum{k}f{jk}^{2}-\frac{2}{N}\sum{j}\sum{k}f{ik}f{jk}$$ 三项依次为本企业的技术份额平方和、伙伴技术份额平方和的均值，以及双方技术份额内积的均值。前两项衡量各自专利组合在技术领域上的集中程度，第三项衡量双方技术领域的重叠程度；三者按上式合成即精确还原知识距离。据此可以判断某一观测的距离偏大，究竟源于本企业自身技术集中、源于伙伴技术集中，还是源于双方领域互不重叠。数据集另给出本企业窗口内的专利存量件数与所覆盖的技术领域个数、协作研发伙伴总数，以及其中自身有可检索专利存量因而进入求平均分母的伙伴数。 除按上式计算的主口径之外，本数据集另给两个与原文字面表述相对应的版本。其一，原文正文称以欧几里得距离计算技术距离，而所给公式为未开方的平方和，两者并不等价，也不能互相换算（平方根的均值不等于均值的平方根）；开方版对每个伙伴的技术距离先取平方根再对伙伴平均。其二，原文正文称知识基础的观测窗口为合作前四年，而括号内给出的年份区间含端点实为五个申请年；四年窗口版把知识基础的观测窗口改为 $t-4$ 年至 $t-1$ 年，伙伴集合与其余设定完全相同。两个版本与主口径高度相关，可直接用于稳健性检验。 补充说明 - 样本口径与缺失含义：覆盖全部行业与板块，不预先施加行业、板块或规模筛选。协作研发伙伴数为零、或全部伙伴均无可检索专利存量的企业年，其知识距离没有定义而非取零，相关列留空；计数列则如实取零。知识距离的缺失值不可用零填充——缺失绝大多数意味着当年没有协作研发伙伴，而本指标取零的含义是"与伙伴技术领域分布完全相同"，零填充会使语义反转；需要区分有无协作关系时请改用协作研发伙伴数构造哑变量。由于构念本身要求企业存在联合申请专利，指标在专利密集行业的可得率明显高于金融、房地产与批发零售等行业，并偏向专利存量较大的公司与较晚的年份，建议回归加入行业与年份固定效应。 - 与专利组合规模的关系：份额平方和形式的集中度会随专利组合铺开而自然下降，故本指标与窗口内专利件数、技术领域个数负向关联，其年度均值的下行有相当一部分来自上市公司专利组合的持续扩张而非知识结构的真实趋同；以全程可观测的固定企业队列做反事实，队列内变化幅度与全样本几乎一致，可见该趋势并非样本构成变化所致。经检验规模类变量只能解释本指标的一小部分方差，企业特异信息仍占主体，企业内变异亦占多数因而固定效应模型可用。回归务必加入年份固定效应，并建议控制窗口专利存量与技术领域数（两列已一并提供）；指标水平受样本期与样本构成影响较大，不宜与按其他样本范围构造的同名指标直接比对。当企业窗口内只有一两件专利时，份额向量退化为集中于单一领域，知识距离会顶到区间端点，这类观测数值正确但信息量有限，可借专利存量件数设最小门槛筛除。 - 主体聚合层级：专利的企业归属采用并表口径，只计入上市公司本身及其子公司的专利，联营与合营企业的专利不计入本企业，以免把关联方的合作对象误计为本企业的协作研发伙伴；也因此，本数据集的专利件数口径与按全量归属构造的其他专利指标不能直接比对。在此基础上，本企业及作为伙伴出现的上市公司可依据体系名单（专利申请主体名与披露的子公司名）做集团合并；高等院校、科研院所与非上市企业则只能以申请人名称及其名称前缀覆盖的分支机构近似其集团范围。集团化组合天然摊薄到更多技术领域上，故后一类伙伴的技术集中度相对偏高，而该项在分解式中为正项，方向上使本指标略高于双方均按完整集团口径时的水平；可借伙伴与本企业技术份额平方和的对比判断其影响。 - 专利存量的申请人位次：各主体的专利存量取其作为首位申请人的专利。该限制对两侧同等适用，不造成相对偏差；少数始终以非首位身份出现的下属研究机构没有可检索存量，不进入求平均的分母，协作研发伙伴数与可测距伙伴数之差即为其数量。另一后果是双方共有的合作专利通常只进入一方的技术领域向量，使内积项被结构性低估、距离相应偏高；缓解之处在于伙伴关系与知识基础的观测窗口只有一年重叠，且各主体存量以独立申请为主。 - 技术领域归属的年代过渡带：上游主分类号在样本期早段大面积缺失，此时回退到该专利全部合法分类号中字典序在前者，两种来源的四位码并不总是一致。实测本指标在过渡带前后未出现跳变，但跨越该过渡带的水平比较仍应谨慎，以更晚年份为实证起点可完全回避；样本期最早的若干年可用观测很少，不宜单独解读。 - 伙伴集合的时间方向：依原文设定，焦点年的伙伴集合用到后一年的联合申请专利，故本指标在伙伴一侧不是前定变量，相邻年份取值会因窗口重叠而相关；知识基础一侧则完全位于焦点年之前。此外专利自申请至公开存在约一年半滞后，样本期最后两个年度的伙伴集合尚未取满。 - 其他局限：伙伴关系只能从上市公司口径的专利明细中提取，与上市公司均无关的两个组织之间的联合申请不在观测范围内；主体以规范化名称标识，同一组织的不同写法会被视为不同主体；母子公司合并采用历史披露的下属主体并集，不随年份变动；面板按企业存续期而非上市期铺排，含上市前年份，按财务面板匹配时应结合上市日期裁剪。 参考文献 - 曾德明,文金艳.协作研发网络中心度、知识距离对企业二元式创新的影响[J].管理学报,2015,12(10):1479-1486. - YANG H, LIN Z J, LIN Y L. A multilevel framework of firm boundaries: firm characteristics, dyadic differences, and network attributes[J]. Strategic Management Journal, 2010, 31(3): 237-261.

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。