技术足迹相似度(Martynov法)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 证券简称（当年，按年匹配更名记录）
• Year [年份] — 年份（专利申请年）
• 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] — 中上协二级行业分类代码（字母+2位数字，如C27/C36/C39/J66，动态按当年归属；本数据集计算所属行业）
• IndustryName [行业名称] — 中上协二级行业分类名称（本数据集计算所属行业，即构建行业技术向量F(k,t)所用行业）
• InventionPatentCount [当年发明专利申请数] — 参考龚红等(2025,南开管理评论)的方法，计算公式为：企业i在第t年作为申请人的发明专利申请数量（联合申请按各上市申请人分别计数），用于构建企业当年技术向量F(i,t)，等于该向量各分量之和。
• TechFieldCount [技术领域数] — 参考龚红等(2025,南开管理评论)的方法，计算公式为：企业i在第t年申请的发明专利所涉及的不同IPC小类（4位，如A61K）数量，即技术向量F(i,t)的非零维数。越大代表企业当年技术布局越分散。
• ITS [行业技术足迹相似度] — 参考龚红等(2025,南开管理评论)公式(6)及Martynov(2021,Strategic Organization)的方法，计算公式为：ITS=F(i,t)·F(k,t)/(||F(i,t)||·||F(k,t)||)，其中F(i,t)为企业i在第t年各技术领域(IPC小类)发明专利申请数构成的向量，F(k,t)为第t年企业i所属二级行业k全部样本企业各技术领域发明专利数之和(含企业i自身)。用作研究变量，取值[0,1]，越大代表企业技术发展足迹越趋同于行业整体。
• HTS [历史技术足迹相似度] — 参考龚红等(2025,南开管理评论)公式(7)及Martynov(2021,Strategic Organization)的方法，计算公式为：HTS=F(i,t)·HF(i,t)/(||F(i,t)||·||HF(i,t)||)，其中HF(i,t)=F(i,t-3)+F(i,t-2)+F(i,t-1)为企业i前三年技术向量之和。用作研究变量，取值[0,1]，越大代表企业当年技术发展足迹越延续其自身历史轨迹；企业前三年无发明专利时为缺失。

常见问题

「技术足迹相似度(Martynov法)」是什么数据集？

技术足迹相似度(Martynov法)，隶属创新与知识产权。参考龚红等(2025,南开管理评论)与Martynov(2021)的方法，基于发明专利申请的IPC小类技术向量，测度企业技术发展足迹与所属二级行业整体(ITS)

该数据集的时间范围是？

覆盖 1990-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：当年发明专利申请数、技术领域数、行业技术足迹相似度、历史技术足迹相似度。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 69,080 条观测。

数据是如何测算/获取的？

指标定义与计算方法 技术足迹（technological footprint）刻画企业技术知识在不同技术领域上的分布形态。技术足迹相似度衡量企业技术发展轨迹与某一参照系之间的接近程度，用以揭示企业在"求同"（趋同于行业整体或延续自身历史）与"存异"（差异化布局、路径突破）之间的战略取向。本数据集从行业整体与企业历史两个参照点出发，分别构建行业技术足迹相似度与历史技术足迹相似度。 借鉴 Martynov (2021) 的技术足迹思想与龚红等 (2025) 的测度方案，首先依据每条发明专利的国际专利分类号主分类（IPC 小类，如 $A61K$）确定其所处的单一技术领域。设企业 $i$ 在第 $t$ 年于各技术领域的发明专利申请数构成 $N$ 维技术向量 $F{i,t}$，其中 $N$ 为参照行业在样本期内全部专利所涉及的技术领域数；以第 $t$ 年行业 $k$ 全部样本企业在各技术领域的专利数之和构成行业技术向量 $F{k,t}$（其中包含企业 $i$ 自身）；以企业 $i$ 前三年技术向量之和构成历史技术向量 $HF{i,t}=\sum{s=t-3}^{t-1} F{i,s}$。 行业技术足迹相似度以企业当年技术向量与行业技术向量之间的余弦相似度衡量： $$ ITS{i,k,t}=\frac{F{i,t}\cdot F{k,t}}{\sqrt{(F{i,t}\cdot F{i,t})\,(F{k,t}\cdot F{k,t})}} $$ 其取值介于 0 与 1 之间，数值越大表示企业的技术发展足迹与所属行业整体越趋同。 历史技术足迹相似度以企业当年技术向量与其历史技术向量之间的余弦相似度衡量： $$ HTS{i,k,t}=\frac{F{i,t}\cdot HF{i,t}}{\sqrt{(F{i,t}\cdot F{i,t})\,(HF{i,t}\cdot HF{i,t})}} $$ 其取值同样介于 0 与 1 之间，数值越大表示企业当年的技术布局越延续其自身的历史轨迹。 作为构建上述向量的中间量，本数据集同时给出企业当年发明专利申请数（即 $F{i,t}$ 各分量之和，反映技术活动规模）与企业当年涉及的不同技术领域数（即 $F{i,t}$ 的非零维数，反映技术布局广度），以便用于机制分析与样本筛选。 补充说明 - 样本覆盖全行业上市公司，参照行业 $k$ 取企业当年所属二级行业（按年动态归属），行业技术向量在各二级行业内分别汇总。 - 仅采用发明专利申请数据：发明专利相对实用新型更能体现技术的原创性与新颖性，以申请年计可在一定程度上规避专利审查周期的影响。每条专利按其主分类号归入单一技术领域。 - 历史技术足迹相似度需企业前三年存在发明专利记录方可计算，否则取缺失；该缺失主要集中于企业首次出现专利活动的早期年度，使用时需注意其对年轻企业样本的非随机损失。 - 当某行业某年仅有极少数企业从事专利活动时，行业技术向量趋于退化，相似度的同侪比较意义减弱，此类情形主要出现于早期年度。 - 复现既有文献的描述性结果时，建议取知识密集型制造业（医药、汽车、计算机通信电子）主板样本子集。 参考文献 - 龚红, 丁梦梦, 胡思源. "求同"还是"存异"？技术足迹相似度、环境动态性与企业关键核心技术创新[J]. 南开管理评论, 2025, 28(4): 86-97. - Martynov A. Technological footprint similarity and firm performance[J]. Strategic Organization, 2021, 19(2): 237-262.

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。