企业技术相似度(Mahalanobis指数)

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] — 年份，与专利申请年及研发投入所属年度对应
• 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)
• TechFieldCount [累计技术领域数] — 参考沈坤荣等(2023,中国工业经济)公式(20)的方法，计算公式为：截至当年(含当年)企业累计申请专利所涉及的国际专利分类小类(4字符，如G06F)去重个数，即技术空间分布向量的非零维数。越大代表企业技术布局覆盖的领域越广。单位：个
• RDStock [研发资本存量] — 参考沈坤荣等(2023,中国工业经济)的方法，按永续盘存法以15%的折旧率计算，计算公式为：研发资本存量=当年研发投入+(1-15%)×上一年研发资本存量，首个观测年度的初始存量取当年研发投入除以折旧率与稳态增长率(5%)之和。研发投入取合并报表口径的研发费用与资本化开发支出合计，未披露年度按零计入。单位：万元
• TechSimilarityMahalanobisRaw [技术相似度Mahalanobis指数原值] — 参考沈坤荣等(2023,中国工业经济)附录5的方法，计算公式为：以考虑技术领域相关性后的企业间技术接近度矩阵TECH_M的第i行各元素为权重，对当年样本内其他所有企业的研发资本存量加权求和，扣除的自身项按TECH_M的实际对角元计算。该指标为核心指标取对数前的水平值。单位：万元
• TechSimilarityMahalanobis [企业技术相似度(Mahalanobis指数)] — 参考沈坤荣等(2023,中国工业经济)附录5并借鉴Bloom et al.(2013,Econometrica)的Mahalanobis距离测度，计算公式为：先以企业累计专利在各国际专利分类小类上的份额构成技术空间分布向量，逐企业作L2单位化得到矩阵T~；再将各技术领域在样本内企业间的分布逐领域作L2标准化得到矩阵X~，令技术领域相关性矩阵Omega=X~'X~；则考虑跨领域知识溢出的技术接近度矩阵TECH_M=T~'·Omega·T~，本指标等于ln(该矩阵第i行对其他企业研发资本存量的加权求和)。用作研究变量，越大代表企业在考虑技术领域相关性后所处的技术溢出池越大、可获取的外部技术信息越多。该指标含很强的共同时间成分且变异以组间为主，回归中应纳入年份固定效应
• TechSimilarityMahalanobisSq [技术相似度Mahalanobis指数(平方和标准化口径)] — 参考沈坤荣等(2023,中国工业经济)附录5公式的字面写法构建的替代标准化口径，计算公式为：将技术领域相关性矩阵Omega=X~'X~中矩阵X~各列的标准化由除以L2范数改为除以平方和，其余步骤与核心指标完全一致后取自然对数。该口径下技术领域相关性矩阵的对角元远离1，与核心指标在同一年度内的排序相关性为中等偏高，宜理解为对技术领域相关性的另一种定义，而非核心指标的等价稳健性检验

常见问题

「企业技术相似度(Mahalanobis指数)」是什么数据集？

企业技术相似度(Mahalanobis指数)，隶属创新与知识产权。复现沈坤荣、林剑威、傅元海(2023,中国工业经济)附录5"Mahalanobis指数的构造"。

该数据集的时间范围是？

覆盖 1994-2025 年。

包含哪些变量/指标？

共 16 个变量。核心指标包括：累计技术领域数、研发资本存量、技术相似度Mahalanobis指数原值、企业技术相似度(Mahalanobis指数)、技术相似度Mahalanobis指数(平方和标准化口径)。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 41,800 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业能否从其他企业的研发活动中获益，取决于双方在技术空间中的位置是否接近。技术领域相近的企业，在知识结构、技术体系与所面临的技术难题上更具共性，研发人员在协作、竞争与追赶的过程中更容易彼此吸收与传播知识。据此，一家企业所处的"技术溢出池"可以刻画为：以它与其他每一家企业的技术接近度为权重，对这些企业的研发资本存量加权求和。技术接近度越高、对方的研发投入越大，本企业可以获得的技术信息就越多。 刻画企业技术位置的基础变量是技术空间分布向量。设企业 $i$ 在第 $t$ 年的技术空间分布向量为 $T{i,t}=(x{i,1},x{i,2},\cdots,x{i,643})$，其中分量 $x{i,k}$ 为该企业第 $k$ 类技术领域的专利申请数量在其专利申请总量中的比重。技术领域以专利的国际专利分类号划分，取小类层级（如 G06F）作为一个技术领域，全部技术领域构成一个固定维度的技术空间；同一件专利在同一小类下若挂有多个分类号只计一次，多家上市主体联合申请的专利对每一主体各计一次。向量按企业截至第 $t$ 年（含当年）累计申请的全部专利构建，因而刻画的是企业已积累的技术布局而非当年的申请流量。 在此基础上构造两个方向的标准化矩阵。把当年样本内 $N$ 家企业的技术空间向量按列排开，得到矩阵 $T=[T1',T2',\cdots,TN']$；对其逐列作单位化，即对每一家企业的各技术领域分布进行标准化，得到 $$\tilde{T}=\left[\frac{T1'}{(T1T1')^{1/2}},\ \frac{T2'}{(T2T2')^{1/2}},\ \cdots,\ \frac{TN'}{(TNTN')^{1/2}}\right]$$ 矩阵 $\tilde{T}'\tilde{T}$ 的第 $i$ 行第 $l$ 列元素即企业 $i$ 与企业 $l$ 的技术接近度，等于两企业技术空间向量的夹角余弦，取值介于 0 与 1 之间，直接反映企业之间在技术领域上的重叠程度。 这一测度隐含地把各技术领域视为彼此正交：只有落在同一技术领域的企业之间才会发生知识流动。现实中不同技术领域之间存在真实的知识互补，分类边界本身也带有一定的人为性，因此需要引入技术领域之间的相关性。做法是转而对 $T$ 的每一行（即某一个技术领域在各企业间的分布）进行标准化，把结果按列排开得到矩阵 $\tilde{X}$，其第 $k$ 列由 $T$ 的第 $k$ 行经 L2 范数标准化得到，进而定义 $$\Omega=\tilde{X}'\tilde{X}$$ 矩阵 $\Omega$ 描述各技术领域之间的相关性：它通过各个专利领域出现在同一家企业当中的"频率"来定义领域间的亲疏。若两个技术领域频繁地被同一批企业同时布局，则表明这两个领域的知识关联更强，从而处于其中一个领域的企业也更容易与处于另一个领域的企业相互产生技术溢出。将 $\Omega$ 嵌入技术接近度，得到考虑了跨领域溢出的 Mahalanobis 接近度矩阵 $$TECH\M=\tilde{T}'\,\Omega\,\tilde{T}$$ 其第 $i$ 行第 $l$ 列元素仍然相当于企业 $i$ 与企业 $l$ 的技术接近度，只是进一步考虑了不同技术领域之间的相关性，使得技术领域并不重叠的企业之间也能互相产生技术溢出。 权重确定之后，按与基准技术溢出相同的算法加总，即可得到企业在考虑跨领域溢出后所得到的技术溢出测度： $$techspill\m{i,t}=\sum{l\neq i}TECH\M[i,l]\times RDstock{l,t}$$ 求和遍历当年样本内除本企业以外的全部企业，扣除的自身项按 $TECH\M$ 的实际对角元计算（引入 $\Omega$ 之后该对角元不再恒等于 1）。式中 $RDstock{l,t}$ 为企业 $l$ 的研发投入存量，按永续盘存法以 15% 的折旧率计算，即当年研发投入加上按 $1-15\%$ 折旧后的上一年存量；企业首个观测年度的初始存量按当年研发投入除以折旧率与稳态增长率之和设定，稳态增长率取 5%。研发投入以研发费用与资本化开发支出合计口径计量，单位为万元。 由于水平值分布高度右偏，核心指标取上式的自然对数；水平值未超过一个极小的数值零容差时（意味着该企业与样本内所有其他企业在此度量下均无技术关联，或这些企业当年均无研发投入记录），该指标无定义。指标数值越大，表明企业在考虑技术领域相关性后所处的技术溢出池越大，可获取的外部技术信息越多。矩阵 $\Omega$ 与技术接近度均逐年重新构建，样本内企业集合亦逐年更新，因此该指标既随企业自身技术布局的变化而变化，也随其所处技术环境的变化而变化。 补充说明 - 样本口径：样本为截至该年度至少有一件母公司专利申请记录、且处于已上市未退市区间内的上市公司-年度观测，不剔除任何行业、不作缩尾处理、不预先施加回归样本限制。之所以要求处于上市区间内，是因为企业上市之前的财务数据虽有回溯记录，但这些企业当年并不属于可观测样本，若纳入则当期溢出池会包含日后才上市企业的研发资本存量，构成前视信息。样本内已退市企业数量有限，使用长窗口时需注意存续偏差。 - 技术领域的层级：原文将技术领域称为"三位码"国际专利分类号并给出 643 类。国际专利分类的三位码（部加大类，如 A01）在全球范围内仅约 130 个，不可能达到 643 类；而小类（四字符，如 A01B）全球约 644 个，与原文给出的类别数一致。本数据集据此按小类实现。 - 技术领域相关性矩阵的标准化：原文附录给出的 $\tilde{X}$ 公式，其分母写作向量与自身转置之积（即平方和），与同一附录中 $\tilde{T}$ 分母所带的 1/2 次方不一致；若照此实现，$\Omega$ 的对角元将远离 1、量纲随技术领域规模剧烈变化，与该附录"矩阵 $\Omega$ 即定义了各技术领域之间的相关性"的表述不符，也偏离该方法源头所采用的余弦标准化。本数据集主口径按 L2 范数实现，并将按平方和标准化的结果作为替代口径一并给出。两列在同一年度内的排序相关性为中等偏高，全样本相关系数则主要由共同的年份趋势撑起，因此该替代列宜理解为对技术领域相关性的另一种定义，而非核心列的等价稳健性检验。 - 技术空间的时间窗口：原文式(20)将技术空间向量表述为企业"在第 $t$ 年"的分布。本数据集取累计至第 $t$ 年的口径，因为溢出测度所参照的方法源头以企业历史全期专利的技术类别份额构建技术空间，且技术溢出池与研发资本存量同属存量概念；当年流量口径下技术空间在年际大幅波动，与原文采用企业固定效应的设定不相容。 - 方法固有性质：溢出池对样本内企业集合求和，其规模随可比企业数量与整体研发投入水平同向变动，因此该指标包含很强的共同时间成分，跨年度直接比较水平值意义有限，回归中应纳入年份固定效应。引入 $\Omega$ 后所有企业之间都存在非零的技术关联，指标的横截面离散度小于不考虑跨领域溢出的基准测度，这是该方法的预期结果而非测量误差。相应地，该指标的变异以组间成分为主，同时纳入企业与年份固定效应后残余变异只剩很小一部分，更适合作为组间变量或配合年份固定效应使用。$\Omega$ 逐年重建，样本内未被任何企业覆盖的技术领域在该年度的相关性矩阵中取零，其对应维度不参与当年的溢出计算。 - 研发投入披露口径的变动：上游研发投入的披露口径在样本期内发生过一次变动，此前只有少部分企业披露，未披露者按零计入。其影响不止于水平值偏低：在披露面较窄的年度，溢出池由少数已披露企业主导，横截面排序在很大程度上反映的是企业与这几家企业的技术接近度，而非其所处技术环境的整体状况；口径变动当年指数均值存在约两个对数点的机械跳变，因此不宜把该年份用作政策冲击的识别时点，也不宜跨该年份构造双重差分设计。建议将样本限定在研发投入普遍披露之后的年度。 - 技术空间维度过低的观测：只涉及一两个技术领域的企业，其指数由极少数专利决定，年际变化主要来自技术空间维度本身的扩张而非外部技术环境的变化，这类观测的横截面离散度约为正常观测的两倍半，且构成分布的整个左尾。建议对技术领域数设定下限并做敏感性检验。 - 其他局限：技术空间向量按母公司自身申请的专利构建，而研发资本存量取自合并报表口径，集团型企业若将研发主要放在子公司，其技术空间的覆盖广度会低于研发投入所对应的实际技术布局，研发全部由子公司承担且母公司无专利申请的企业则不进入样本；覆盖率在制造业与信息传输业较高、在金融、房地产、批发零售等行业明显偏低，跨行业比较需注意选择性缺失；研发资本存量的货币单位与原文未必一致，但单位选择在对数尺度上只是常数平移，不影响含常数项或固定效应的回归推断；原文样本为工业企业全域，本数据集为上市公司，式中"样本内其他所有企业"的集合规模因而不同，水平值不宜与原文报告的描述统计逐一对照，即便某些子区间的描述统计与原文接近，也是溢出池规模与单个企业研发体量两个方向相反的偏差相互抵消的结果。 参考文献 - 沈坤荣,林剑威,傅元海.网络基础设施建设、信息可得性与企业创新边界[J].中国工业经济,2023(1):57-75. - Bloom N, Schankerman M, Van Reenen J. Identifying technology spillovers and product market rivalry[J]. Econometrica, 2013, 81(4): 1347-1393. - Jaffe A B. Technological opportunity and spillovers of R&D: evidence from firms' patents, profits, and market value[J]. The American Economic Review, 1986, 76(5): 984-1001. - Griliches Z. Issues in assessing the contribution of research and development to productivity growth[J]. The Bell Journal of Economics, 1979, 10(1): 92-116.

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。