技术多元化(IPC子类熵指数)
「技术多元化(IPC子类熵指数)」，覆盖 1990-2025 年，频率 年度，上市公司层级，含 16 个变量，样本量约 71,817。 衡量企业技术知识基础的广度与分布多样性。
| 时间跨度 | 1990-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 16 |
| 样本量 | 71,817 |
| 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
- TechDiv [技术多元化指数] — 参考Lerner (1994, RAND Journal of Economics)的方法，计算公式为：1-SUM(s_i^2)，其中s_i为企业年度专利在第i个IPC 4位子类中的份额。范围[0,1]，无专利企业设为0。越大代表技术布局越多元化。单位：比例
- TechBreadth [技术宽度] — 参考Lerner (1994, RAND Journal of Economics); Vega (2006, Research Policy)。计算公式为：ln(1+IPC子类数)，其中IPC子类数为企业年度专利涉及的IPC 4位子类数量。无专利企业设为0。越大代表技术覆盖面越广
- TechEntropy [技术熵] — 参考Garcia-Vega (2006, Research Policy)的方法，计算公式为：-SUM(s_i*ln(s_i))，其中s_i为各IPC子类份额。无专利企业设为0。越大代表技术分布越均匀
- IPCSubclassCount [IPC子类数] — 参考Lerner (1994, RAND Journal of Economics); Vega (2006, Research Policy)。企业年度专利涉及的IPC 4位子类(如H01L、G06F)的数量，无专利企业设为0。单位：个
- TechHHI [技术集中度HHI] — 参考Lerner (1994, RAND Journal of Economics)的方法，计算公式为：SUM(s_i^2)，其中s_i为各IPC子类份额。范围(0,1]，无专利企业为缺失值。越大代表技术越集中。单位：比例
常见问题
- 「技术多元化(IPC子类熵指数)」是什么数据集？
- 技术多元化(IPC子类熵指数)，隶属创新与知识产权。衡量企业技术知识基础的广度与分布多样性。
- 该数据集的时间范围是？
- 覆盖 1990-2025 年。
- 包含哪些变量/指标？
- 共 16 个变量。核心指标包括：技术多元化指数、技术宽度、技术熵、IPC子类数、技术集中度HHI。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 71,817 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 技术多元化指标用于衡量企业技术知识基础的广度与分布多样性，其核心思想源于产业组织与创新经济学。通过分析企业年度专利申请所覆盖的国际专利分类（IPC）子类（4位代码，如H01L）的分布情况，可以量化其技术探索的范围和集中程度。该系列指标基于Lerner (1994)和Garcia-Vega (2006)的经典方法构建，其中$si$代表企业在第$i$个IPC子类中的专利数量占其当年总专利数的份额。 首先，计算基础变量$IPCSubclassCount$，即企业年度专利所涉及的不同IPC子类的数量。在此基础上，衍生出多个衡量维度。技术宽度$TechBreadth$通过取自然对数来平滑处理子类数量的增长效应，计算公式为$\ln(1+IPCSubclassCount)$。技术集中度$TechHHI$采用赫芬达尔-赫希曼指数（HHI）衡量，计算公式为$\sum si^2$，其值越大表明技术越集中于少数领域。技术多元化指数$TechDiv$是技术集中度的互补指标，计算公式为$1 - \sum si^2$，其值越大代表技术布局越多元化。技术熵$TechEntropy$则基于信息熵理论，计算公式为$-\sum si \ln(si)$，其值越大表明技术在不同子类间的分布越均匀。 对于年度内无专利申请记录的企业，其$IPCSubclassCount$、$TechBreadth$、$TechDiv$和$TechEntropy$指标均设为0，而$TechHHI$则设为缺失值（NaN）。 补充说明 - 数据覆盖所有A股上市公司自上市年至退市年的年度面板数据。 - 无专利企业的相关指标（$IPCSubclassCount$、$TechBreadth$、$TechDiv$、$TechEntropy$）被赋值为0，$TechHHI$为缺失值。 参考文献 - Lerner J. The importance of patent scope: an empirical analysis[J]. The RAND Journal of Economics, 1994, 25(2): 319-333. - Garcia-Vega M. Does technological diversification promote innovation? An empirical analysis for European firms[J]. Research Policy, 2006, 35(2): 230-246.
- 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。