实质性创新(实质性与策略性)
「实质性创新(实质性与策略性)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 18 个变量，样本量约 76,920。 衡量企业创新活动的质量与策略性动机。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 18 |
| 样本量 | 76,920 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 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
- InventionApps [发明专利申请数] — 年度发明专利申请数量。单位：件
- NonInventionApps [非发明专利申请数] — 年度实用新型+外观设计专利申请数量,包括实用新型和外观设计。单位：件
- SubstantiveInno [实质性创新] — 参考黎文靖、郑曼妮(2016,经济研究)的方法,计算公式为:ln(1+发明专利申请数),越大代表企业实质性创新能力越强
- StrategicInno [策略性创新] — 参考黎文靖、郑曼妮(2016,经济研究)的方法,计算公式为:ln(1+非发明专利申请数),包括实用新型和外观设计
- InnoQualityRatio [创新质量比率] — 计算公式为:发明专利申请数/总专利申请数,越高表示创新越具实质性,用作研究变量。单位：比例
- PatentQuality [实质性创新(发明专利质量法)] — 参考Akcigit et al.(2016,AER)和张杰等(2018)的专利知识宽度法,计算公式为:先对每个发明专利计算knowledge_width=1-赫芬达尔指数(IPC大组占比),再按企业-年份取均值,越大代表发明专利知识越复杂广泛、质量越高。单位：比例
- AvgIPCGroups [平均IPC大组数] — 企业年度发明专利的平均IPC唯一大组数量,知识复杂度的原始度量。单位：个
常见问题
- 「实质性创新(实质性与策略性)」是什么数据集？
- 实质性创新(实质性与策略性)，隶属创新与知识产权。衡量企业创新活动的质量与策略性动机。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 18 个变量。核心指标包括：发明专利申请数、非发明专利申请数、实质性创新、策略性创新、创新质量比率、实质性创新(发明专利质量法)、平均IPC大组数。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 76,920 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量中国上市公司的实质性创新与策略性创新活动。研究背景源于黎文靖和郑曼妮（2016）提出的创新分类框架，该框架认为企业创新可分为追求长期技术突破的“实质性创新”和旨在获取短期政策优惠或市场信号的“策略性创新”。在实证研究中，通常以发明专利代表实质性创新，而以实用新型和外观设计专利代表策略性创新。为了更深入地刻画实质性创新的质量，本数据集进一步引入了Akcigit et al.（2016）以及张杰等（2014）提出的专利知识宽度法，以衡量发明专利所蕴含知识的复杂性和广泛性。 基础变量包括企业年度发明专利申请数（$InventionApps$）以及非发明专利申请数（$NonInventionApps$，即实用新型与外观设计专利申请数之和）。基于此，核心指标的计算方法如下： 首先，采用对数化处理以平滑数据分布并缓解异方差问题。实质性创新指标（$SubstantiveInno$）的计算公式为： $$SubstantiveInno = \ln(1 + InventionApps)$$ 策略性创新指标（$StrategicInno$）的计算公式为： $$StrategicInno = \ln(1 + NonInventionApps)$$ 其中$InventionApps$为发明专利申请数，$NonInventionApps$为非发明专利申请数。 其次，构建创新质量比率（$InnoQualityRatio$）作为衡量创新结构偏向的指标，其计算公式为发明专利申请数占总专利申请数的比例，即： $$InnoQualityRatio = \frac{InventionApps}{InventionApps + NonInventionApps}$$ 该比率越高，表明企业的创新活动越倾向于实质性创新。 最后，为更精确地度量实质性创新的质量，采用专利知识宽度法计算发明专利质量（$PatentQuality$）。该方法首先对每个发明专利，根据其国际专利分类（IPC）大组的分布计算知识宽度。具体而言，对于一项专利，其知识宽度定义为1减去其IPC大组分布的赫芬达尔指数。计算公式为： $$knowledge\width = 1 - \sum{g=1}^{G} sg^2$$ 其中，$sg$为该专利属于第$g$个IPC大组的占比（若一个专利有多个IPC分类，则每个分类的权重为$1/N$，$N$为IPC分类总数），$G$为IPC大组总数。然后，在企业-年份层面上，对所有发明专利的知识宽度取平均值，得到$PatentQuality$。该值越大，代表企业发明专利所涉及的知识领域越复杂、越广泛，即创新质量越高。作为知识复杂度的原始度量，本数据集同时提供了企业年度发明专利的平均IPC大组数量（$AvgIPCGroups$）。 补充说明 - 数据样本为中国A股上市公司。 - 专利数据基于专利申请年份进行统计。 参考文献 - 黎文靖, 郑曼妮. 实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016, 51(4): 60-73. - Akcigit U, Baslandze S, Stantcheva S. Taxation and the international mobility of inventors[J]. American Economic Review, 2016, 106(10): 2930-2981. - 张杰, 郑文平, 翟福昕. 竞争如何影响创新:中国情景的新检验[J]. 中国工业经济, 2014.
- 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。