另一方面，JIF的优点是在发布出版物时就已预先确定，因此它不必担心截短和与专利价值测量的机械相关性。SNPL参考文献的专利级聚合在我们的样本中，对于具有SNPL的专利，平均每个专利有7.4个SNPL参考文献，64.2%的比例相当可观，涉及多个不同的科学出版物。在我们的主要分析中，我们将SNPL科学质量定义为专利中SNPL参考文献中所有出版物的最高科学质量。这是基于科学转载引文的分布高度倾斜的概念。因此，引用率最高的出版物或JIF最高的期刊的科学影响可能比所有出版物的平均水平更能说明SNPL的整体科学质量。对于鲁棒性，我们还估计了其他聚合操作符。第S-2.2节对此进行了进一步讨论。我们采用一致的标准在专利层面上聚合有关存在自引用的信息：如果SNPL引用中科学质量最高的科学出版物是自引用，我们将其视为具有自引用。我们在表S-T6中使用JIF作为感兴趣的变量，以显示我们的结果对替代科学质量度量的稳健性。表S-T7显示了相应的结果。S-2.3专利价值的衡量专利引用的主要因变量是专利价值。在我们的主要规范中，我们用专利收到的转发引用数来代理专利价值。

引用次数是一个公认的、或许是使用最广泛的专利价值衡量指标，它与专利技术和经济价值的其他指标高度相关（Harhoff等人，2003年；Fischer和Leidinger，2014年；Moser等人，2018年）。专利引用与科学文献中的引用有很大不同。科学引文是对科学家以往贡献对其自身工作的相关性的认可。相比之下，专利引用，尤其是对其他专利的引用，在评估其新颖性和可专利性的范围内，履行记录专利与现有现有技术的技术相关性的法律功能（Michel和Bettels，2001；Roach和Cohen，2013）。由于不同的法律要求，EPO和USPTO的引文有很大不同。EPO专利往往引用对记录发明的新颖性（或缺乏新颖性）和可专利性至关重要的专利；尤其是申请人，无需提供任何引文。美国专利商标局的申请人预计将报告所有可能相关专利的最广泛引用列表，审查员将补充该列表。因此，我们提供分析，分别统计EPO和USPTO引文。在我们的主要规范中，我们使用USPTO引文。我们构建了自第一个日期起5年内美国专利商标局（USPTO）对专利的引用计数。在稳健性分析中，我们使用了自第一个日期起5年内EPO的引文计数。对于EPO引文测量，只考虑考官提供的引文。专利范围作为专利价值的替代指标，我们采用了一种衡量专利范围的方法。专利权的价值与其对特定技术的保护范围成比例。保护范围越窄，其价值越低。

对于高度特殊和狭义的专利保护，专利权利要求的文本往往较长。换言之，对所要求发明的更长描述与更具体的特征相关，这些特征实际上是专利保护的对象（Kuhnand Thompson，2019）。我们的度量定义为专利中独立权利要求中字数的对数。事实上，EPO专利通常没有初始参考文献，而且，如果存在，申请人引入参考文献可以说比其他司法管辖区更具战略性。选择科学和专利引用数量的时间窗口主要是出于务实考虑：我们希望确保足够的时间，以便引用数量实际反映我们感兴趣的基础结构，但我们希望限制截断。科学出版物和专利所考虑的窗口之间的差异也是因为专利申请不会在发布后立即发布，因此通常在第一年内很少被引用，而科学出版物往往在发布后立即被评判。表S-T5和S-T6显示了相应的结果。主要出版物中提供了描述性统计数据。货币价值的衡量标准专利引用和专利申请长度需要理解为仅仅是对专利经济价值的间接衡量标准。此外，引用次数有时也被认为是对专利的技术和社会价值的捕获（Trajtenberg，1990），这可能不同于专利所有者的私人价值。获取专利货币私人价值的直接指标是一项具有挑战性的任务。关于专利价值这一维度的数据覆盖面有限。为了补充这方面的专利价值指标，我们采用了两种数据来源。

首先，我们使用Kogan等人（2017）提供的数据，该数据基于授予专利的估计股票市场回报，作为专利授予私人价值的代理。Kogan值仅适用于拥有美国专利成员的专利家族，其中至少有一名申请人是公开上市的美国公司。这些数据仅涵盖1029987个专利族，其中230389个包含SNPL参考文献。其次，我们使用研究项目PatVal（Giuri et al.，2007）中基于调查的专利价值评估。这是11061个专利家族的子样本，其中至少有一个EPpatent成员，其中2579个拥有SNPL参考，第一年主要在2003-2005年。主要出版物中提供了描述性统计数据。S-3回归分析S-3.1回归模型将科学出版物选择为SNPL参考在第一组分析中，我们考虑了科学出版物在SNPL参考中出现的概率和频率，作为其科学质量的函数。回归采用以下形式：yi=βci tciti+XftβftSF fi* T fi+εi（S-3.1）因变量和相关预测值：oyi：因变量是对SNPL参考文献中出现的科学出版物的概率（或频率）的度量。该变量分别是二进制或count变量。计数变量使用偏移量1进行日志转换。给定大型数据集，S-T5和S-T6显示了相应的结果。Kogan等人（2017年）自发表以来，专利价值计量一直在广泛使用，但在我们的背景下，它们存在着重大缺陷。这项技术的大部分私人价值已经纳入了股价，因为之前的专利出版物和其他专利系统的授权对投资者来说都是有益的。

该价值仅体现了美国专利体系中授予的专利的附加价值。专利揭示的与公司技术能力相关的任何信息都不会纳入该衡量标准。另一方面，Giuri et al.（2007）的衡量标准基于一项调查，但确切的措辞更准确地衡量了私人专利价值的概念：“假设在申请这项专利的那天，申请人和你拥有今天关于这项专利和相关专利价值的所有信息。如果申请人的潜在竞争对手有兴趣购买整套专利（专利系列包括由此产生的所有国家专利），申请人应该要求的最低价格（欧元）是多少？”。而对于大量的有限元群，非线性（count）模型则没有考虑。我们采用了这些变量的几种变体花旗：主要自变量是衡量科学质量的指标。我们在出版水平上衡量科学性，即从出版开始的三年内收到的引文数量（见S-2.2节）。FEs：oSF* T fi：这些FEs对应于科学领域和出版年份的组合。这些FEs可以灵活地控制不同科学领域和每个科学领域内随时间变化的科学质量和SNPLfrequency的机械差异。科学网总共提供了252个科学领域代码。科学质量和专利价值：剩余变量自然，SNPL参考文献的使用以及引用的SNPL的质量在技术领域以及随着时间的推移有很大的不同。在下面的回归模型中，FE控制变量明确考虑了这一点。

在所有与专利和科学质量相关的图表中，我们都采用了二元化，使图形显示与回归输出一致。为此，我们对全套技术领域×第一年FEs的SNPL科学质量变量和专利价值变量进行回归。形式模型为yi=PftβftF fi* Tti+εi。这是在有无SNPL参考的完整专利样本中完成的。然后，我们计算残余变化为^εi≡ 易-^yi=yi-Pft^βftF fi* Tti，其中^ε、^y和^β是估计值。实际上，εi=yi-“yft，其中”yft是技术领域×第一年组内的平均值。因此，E[εi]=0，包括整体和每个ft组内。图中绘制的值为^εi+’y，其中‘y’是y的全样本平均值。这将使绝对水平返回到上下文预期和可解释的水平。简单地说，该策略通过减去组内的平均y来消除技术领域×第一年组内的水平效应。通过添加总体y平均值来保留总体水平。y变量被转换。之前，它是与组内平均值的偏差。之后，它偏离了总体平均值。科学质量与专利价值：回归模型在实证分析中，我们研究了专利中引用的科学出版物的存在与质量与专利价值之间的关系。回归形式如下：yi=βhasSNPLhasSNPLi+βsnplqsnlpqi+XftβftT F* Tti+XaβaAai+XnβnNni+XrβrRri+XpβpPpi+εi（S-3.2）因变量和相关预测因子：oyi：因变量是专利价值的度量。在主要规范和图表中，我们使用了美国专利商标局发布后前5年内的引用次数。

在替代规范中，我们使用：来自EPO的引用计数；货币价值指标；以第一项独立权利要求的长度衡量的专利范围（参见第S2.3节）。所有因变量均为对数项，偏移量为1。鉴于大数据集和大量FE组，无法考虑非线性（计数）模型hasSNPLi：如果一项专利至少有一次引用科学出版物，则等于1的虚拟值。snplQi：衡量SNPL科学质量的指标。我们在科学出版水平上衡量科学质量，即从出版之日起三年内收到的引文数量。我们将SNPL科学质量定义为当存在多个SNPL参考文献时，SNPL参考文献中的最大科学质量。FEs：o财政部* Tti：这些FEs对应于技术等级和第一年的组合。这些FEs可以灵活地控制不同技术领域和每个技术领域内随时间变化的专利价值的机械差异Aai：这些是专利申请人的FEs。oNni：这些是专利上列出的不同数量的发明人的FEsRri：这些是专利引用数量的FEs。我们对每一个引用数量（最多95%）使用单独的FEs，并为所有引用数量较高的专利分配一个假人Ppi：这些是科学出版物专利引用数量的FEs。我们对每个参考文献数量使用一个单独的FE，最多对应于95%的数量，并在一个参考文献数量较高的FEs专利中聚合。

请注意，HASSNPLIS共线，因此在使用这组FEs时会被删除。S-3.2回归结果选择SNPL参考文献中的科学出版物我们给出了第一个回归结果，即科学出版物作为其科学质量的函数出现在SNPL参考文献中的概率。在第一个主要规范表S-T3第1列和第2列中，我们考虑了所有SNPL参考。其次，在第3列和第4列中，我们只考虑自出版之年起五年内的SNPLreferences。第三，在第5列和第6列中，我们只考虑五年内的参考文献，如果它们是科学性最高的SNPL参考文献。在第四种变体第7列和第8列中，我们只考虑了在我们测试结果对替代聚合标准的稳健性时引用的SNPL参考（见表S-T7）。在涉及PatVal（EUR）值的回归中，可用观测值的数量大大减少。在这里，我们在估计扩展规范时仅包括反向专利引用的对数转换计数。第一次由申请人进行，因此每个专利申请人的科学出版物对在mostonce进行计数（每个申请人一个）。最后，在表S-T4中，我们提供了不包括学术专利以及各种类型的自参考的回归结果。图S-F3a和S-F3b也以图形方式显示了排除SNPL自参考与结果无关。总的来说，我们始终发现科学质量对将科学文章选择为SNPLreferences具有积极和显著的影响。主要回归结果：SNPL科学质量和专利价值表S-T5给出了我们核心发现的回归结果。它显示了SNPL科学质量的主要衡量指标和作为因变量的专利价值的每一个替代衡量指标的弹性估计。

我们逐步加入了一系列要求更高的控件。所有模型都包含变量hasSNPLias，这是一种控制至少有一个SNPL参考的水平效应的控件。在第1列至第6列中，我们展示了基线规范的结果，其中我们专门控制技术领域和年份对FEs。在第7列至第12列中，我们包括了上述S-3.1节中详述的所有专利级别控制。在第13至18列中，我们添加了申请人FEs。图S-F4A进一步突出了有无SNPL引用的专利在专利引用总体分布上的显著差异。SNPL科学质量的替代测量作为这些规范的第一个变量，我们测试结果对SNPL科学质量替代测量的稳健性。在表S-T6中，我们使用基于轴颈影响系数的测量值，而非汽蚀。由于《影响因素》杂志仅从1998年起提供给我们，因此观察次数较少。总体而言，我们发现非常相似的结果。在表S-T7中，当一项专利的NPLreferences中出现多个科学出版物时，我们使用了SNPL科学质量的替代性度量，这些度量源自多个科学出版物在专利水平上的不同聚合标准。当ci是SNPL参考文献i的引用计数时，在我们的主要模型中，我们考虑最大值。或者，我们还考虑平方和的和（Pici）、平均值（nPici）和平方根（qPici）。无论采用何种聚合标准，我们都发现了类似的结果。图S-F4b以图形方式显示了结果。自参考图S-F5a显示了自参考的发生频率：所有专利家族中有5%到10%包含自参考。大多数自引用是发明家自引用（5-10%），而有效自引用的频率较低，为2-4%。

自我参照的频率随着SNPL科学质量的提高而降低（尽管不是单调的）；这种趋势在高层最为明显。唯一的例外是美元价值的结果，前两个规格（第5列和第11列）的结果不稳定，但在我们最后一个也是最完整的规格中仍然是积极和显著的。在本文中，我们考虑了自我参照驱动结果的可能性。一方面，从理论的角度来看，考虑高质量的科学是否会在其所在组织的范围内或范围外带来高价值的技术，这是一个有趣的问题。另一方面，我们希望确保成果不是由同时从事科学和技术活动的高产组织和个人推动的。图S-F5b复制了论文中报告的结果，分离了不同类别的自参考。不同的自引用组的行为非常相似。表S-T8分别提供了仅由具有自参考的专利和不包括具有自参考的Gall专利组成的样本的回归估计。虽然自参考样本的幅度较大，但估计的弹性在所有规范中均为正且显著。我们可以得出这样的结论：自我参照并不能驱动整体效果。技术领域、专利申请年份和申请国我们分析了估计值的异质性，首先是跨专利技术领域的异质性。在表-T9中，我们按技术主要领域进行单独回归。与之前的文献（例如，Harhoff等人，2003年）一致，我们发现，化学中的影响尤其强烈。

然而，SNPL科学质量对电气工程、仪器和机械工程也很重要。其次，我们以专利的第一年为基础，探讨了随时间推移的异质性。我们将表S-T5（第1/2列、第7/8列）中计算的弹性随时间分解。图S-F6描述了相应的点估计。我们发现，在1985年至2000年间略有增长后，这种关系的程度大幅下降。2000年之后，出现了大幅下降，尤其是美国体系。要理解这种下降的原因需要进一步研究。我们认为，这种影响可能是由特定国家的大量科学使用所驱动的。为此，我们将样本按第一个申请国进行划分，并分别考虑中国、欧洲（欧盟28国）、日本、韩国和美国。从表S-T10中，我们发现科学质量在所有国家都很重要，但在欧洲、美国和日本尤为重要。总的来说，不同地理区域的结果是一致的。SNPL参考文献的跨学科性我们探讨了科学跨学科性的作用。先前的研究表明，新颖性和科学影响与科学家成功整合不同领域知识的能力之间存在着密切的联系（Mukherjee等人，2017；Wang等人，2017；Veugelers和Wang，2019）。在我们的分析背景下，我们有兴趣探索这个维度是否解释了SNPL科学质量和专利价值之间的相关性。我们通过WoS中科学领域期刊的分类，将科学的跨学科性与跨学科期刊进行了对比。一些领域代码直接涉及多学科研究。这些字段代码是ah、vj、wu、bq、po、ev、ui、dy、le、ro、if和pm。

我们通过在跨学科期刊样本中包含或排除与这些代码相关的期刊来测试我们的结果。这会影响不同学科间价值的专利价值水平估计，但不会影响与SNPL科学质量的相关性。在图S-F7a中，我们绘制了SNPL引用跨学科科学出版物的专利份额，在图S-F7b中，绘制了SNPL引用的专利价值，以及SNPL引用和不引用跨学科科学出版物的专利质量。跨学科SNPL参考的专利份额在SNPL科学质量的中介价值方面最高。事实上，我们发现跨学科性总体上与更高的专利价值相关，但在SNPLscience质量分布中排名靠前的专利除外。这两个类别与SNPL科学质量的相关性在任何情况下都保持高度正相关。表S-T11给出了基本回归结果。SNPL引用的距离最后，我们给出了SNPL引用的距离和时间距离的回归结果。文中以图表形式给出了相关结果。表S-T12显示了与SNPL参考文献距离之间相互作用相关的结果，表S-T13报告了SNPL参考文献时间距离的相应回归结果。这里，我们将时间距离分成三部分。根据本文所讨论的内容，我们发现，无论从哪个维度来看，距离较短的专利族都具有特别高的价值，并且往往与NPL科学质量表现出更高的弹性。

弹性在任何情况下都保持强正性，并且在相对较高的距离上也显著。S-4补充图和表图S-F1：WoS匹配123456.95.96.97.98.991精度中的精度召回折衷（在x类处截止）。2.4.6.8 1调用（x类截止）WIPOEPOUSPTO 45°线当精度和再调用值相等时，相切45°线显示最佳精度调用折衷。注：根据Knaus和Palzenberger（2018）的报告，手动评估每个专利的1000个匹配项。如果精度和召回率加权相等，则45°线显示具有相同质量的点集。这与F1成绩相对应。这条线相交的点是最佳点，此处为WIPO验证显示。精度是在匹配的SNPL引用中正确匹配的SNPL引用的份额。Recall是已识别的正确匹配与所有已匹配或应匹配的SNPL参考之间的比率。图S-F2：随时间变化的样本描述02468#SNPL（dash）0.2.4.6.81专利家族份额1985 1990 1995 2000 2005 2010优先年包含美国专利包含EP专利包含SNPL参考#SNPL#SNPL（5年内）专利家族注释：显示估计样本的组成。估计样本包含专利家族的美国专利和EP专利，其中至少有一项成员专利在USPTO或EPO授予。图S-F3：按科学质量选择SNPL（a）专利引用概率（ext.margin）0.2.4.6.81概率：专利引用的文章<50%>50%>70%>80%>90%>95%>99%>99.9%>99.99%科学质量所有SNPL引用，不包括SNPL自我引用（b）专利引用数量（int。

边际）05101520计数：被专利引用的文章<50%>50%>70%>80%>90%>95%>99%>99.9%>99.99%科学质量所有SNPL引用，不包括SNPL自我引用注：被引用为SNPL的概率（左）和被科学出版物的科学质量引用的SNPL数量（右）。科学质量是指科学出版物的3年引用次数。阴影区域显示各平均值周围95%的密度区间。0 5 10 15 20美国引用（剩余）否是NPLP10/p90IQR&MedianMean（a）无SNPL引用的科学引用专利价值04812专利价值（引用）低质量高质量由SNPL科学质量排名SNPL科学质量-最大（默认）SNPL科学质量-SumSNPL科学质量-√∑（q^2）SNPL科学质量-平均（b）SNPL科学质量的专利价值注：左：有无SNPL参考文献的专利引用分布。使用美国专利对专利族的剩余5年专利引用，见第S-3.1节。右图：按科学质量划分的平均专利价值，考虑替代科学质量操作。SNPL sciencequality是指专利引用的出版物的质量。当有多个专利论文引用时，我们默认使用最高质量的引用（橙色）。相比之下，平均质量也提供了正相关性（灰色），但它更为稀释。其他也关注于分布顶部的聚合方法在最大程度上是虚拟的。这些是平方和（蓝色）的和（绿色）和平方根。科学质量是指一份科学出版物的3年引用次数。专利价值以美国专利的5年专利转载次数来衡量。使用技术领域×第一年FEs对专利价值和科学质量进行剩余化。

灰线表示没有SNPL参考的专利的平均专利价值。阴影区域显示各平均值周围95%的密度区间。N=4767844项专利（952932项，引用SNPL）。图S-F5：按科学质量划分的专利价值，有无SNPL自我参考（a）按科学质量划分的SNPL（自我）参考份额0246810专利份额（%）按SNPL科学质量划分的低质量高质量专利共享任何自我参考共享发明人自我参考共享申请人自我参考（b）按SNL（自我）参考的科学质量划分的专利价值无SNPL参考的专利04812专利价值（引用）低质量SNPL Science排名的高质量专利有任何SNPL自我参考专利有SNPL发明人自我参考专利有SNPL申请人自我参考专利没有SNPL任何自我参考注：左：SNPL Science quality在SNPL自我参考中的份额。右图：SNPL科学质量和SNPL自我参考类别的平均专利价值。这些线显示了任何自参考（绿色）、发明人自参考（橙色）和申请人自参考（蓝色）或没有SNPL自参考（灰色）的专利的值。SNPL science quality是在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利价值是以美国专利的5年专利远期引用计数来衡量的。专利价值和科学质量指标使用技术领域第一年对FEs进行剩余化。灰色阴影区域显示了各均值周围95%的置信区间。

出于视觉目的，关于自我参照的平均值周围的置信区间显示了三种基本度量中任何一种的95%置信区间的最大范围。图S-F6：专利价值与科学质量随时间的关系（a）基线回归0。05 .11985---1990---1995---2000---2005---2010---US引文EP引文（b）所有专利级别控制0。02 .04 .06 .081985--1990--1995--2000--2005--2010--US引文EP引文备注：该图绘制了每个第一年专利与SNPL科学质量之间的相互作用系数，与美国专利和EP专利作为因变量的5年专利远期引文的回归。Science Quality是一个专利族的SNPLs的最大3年引用次数。左：模型包括技术领域和第一年对FEs。右图：模型还包括用于SNPL参考计数、专利参考计数和发明者数量的FEs。范围指标显示了各回归系数周围95%的置信区间。图S-F7：按科学质量和学科间性划分的专利价值（a）学科间性份额0102030405060专利/出版物份额（%）按SNPL科学资格排名的低质量高质量专利，在WOS中有跨学科SNPL跨学科出版物+学科间领域代码（b）无SNPL参考的专利价值和学科间专利04812专利SNPL Science Qualities对低质量高质量专利的价值（引文）排名单学科SNPL专利跨学科SNPL注：左：SNPL Science Quality对跨学科SNPL专利的份额。右图：SNPL sciencequality和SNPL参考文献跨学科性的专利价值。

如果发表科学文章的期刊与至少两个领域代码相关，则将其视为跨学科文章。SNPL science quality是指在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利价值是以美国专利5年前引用的专利数量来衡量的。专利价值和科学质量指标使用技术领域第一年对FEs进行剩余化。阴影区域显示各平均值周围95%的置信区间。表S-T5：专利价值和科学质量（1）（2）（3）（4）（5）（6）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR值3Y Cit SNPL ref（max）0.082 0.042-0.015-0.059 0.022 0.107(123.51) (86.00) (-27.42) (-39.51）（6.83）（3.47）专利级别控制基本专利申请人FE No No No No No NoAdj。R平方0.156 0.067 0.157 0.323 0.113 0.045观测值4319309 4319309 2464480 1241037 899272 10839（7）（8）（9）（10）（11）（12）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR值3Y Cit SNPL参考（最大）0.037 0.030-0.012-0.038-0.046 0.082(45.46) (47.43) (-17.10) (-18.79) (-11.27）（2.69）专利级别控制所有所有专利申请人FE No No No No NoAdj。R平方0.262 0.100 0.160 0.324 0.125 0.065观测值4319309 4319309 2464480 1241037 899272 10839（13）（14）（15）（16）（17）（18）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR值3Y Cit SNPL参考（最大）0.027 0.023-0.010-0.027 0.003 0.084(29.68) (31.57) (-12.13) (-13.00）（1.94）（1.52）专利级别控制所有所有专利申请人FE是是是是是是的SADJ。R平方0.362 0.169 0.253 0.389 0.887 0.113观察值3763831 3763831 2099196 1122794 857176 5697注：所有报告值均为弹性值。

3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利水平控制“基础”包括技术领域和第一年对FEs。专利级别控制“全部”还包括NPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs基于授权公告上的申请人。稳健的标准误差。括号内为T统计。表S-T6：专利价值和科学质量（SNPL参考文献的期刊影响因子）（1）（2）（3）（4）（5）（6）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR值如果SNPL参考文献（最大值）0.117 0.087- 0.035-0.142-0.007 0.246(68.24) (67.56) (-26.79) (-31.82) (-0.71）（3.48）专利级别控制基本专利申请人FE No No No No No NoAdj。R平方0.149 0.064 0.157 0.328 0.112 0.045观察值3929139 2289880 1106701 773969 10261（7）（8）（9）（10）（11）（12）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR Values如果SNPL ref（最大）0.028 0.056- 0.039-0.102-0.056 0.210(14.94) (37.17) (-25.76) (-18.34) (-5.08）（2.99）专利级别控制所有所有专利申请人FE No No No No NoAdj。R平方0.255 0.097 0.160 0.329 0.124 0.065观察值3929139 2289880 1106701 773969 10261（13）（14）（15）（16）（17）（18）DV（对数）：5y Cit US 5y Cit EP US索赔长度EP索赔长度USD值EUR Values如果SNPL ref（max）0.015 0.044- 0.031-0.075 0.020 0.203(6.83) (24.41) (-15.85) (-12.30）（4.18）（1.49）专利级别控制所有所有所有专利申请人FE是是是是是是的SADJ。R平方0.359 0.170 0.260 0.394 0.891 0.116观测值3385640 3385640 1931070 993200 734425 5356注：所有报告值均为弹性值。

3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，与专利中以SNPL引用形式出现的科学出版物的最大JIF相对应。专利水平控制“基础”包括技术领域和第一年对FEs。专利级别控制“全部”还包括SNPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs来自授权公告上的第一位申请人。稳健的标准误差。括号内为T统计。表S-T8：专利价值和科学质量（自参考）仅排除自参考（1）（2）（3）（4）DV（log）：5y Cit US 5y Cit US 5y Cit US 5y Cit US3y Cit SNPL ref（max）0.033 0.024 0.040 0 0.028（36.00）（23.58）（24.21）（14.38）专利水平控制所有所有所有专利申请人FE否是否。R-Square 0.255 0.358 0.235 0.339观察值4100590 355570 3684125 3152984（5）（6）（7）（8）DV（log）：5y Cit EP 5y Cit EP 5y Cit EP 5y Cit EP3y Cit SNPL ref（max）0.025 0.018 0.046 0.037（35.20）（22.53）（34.07）（23.16）专利级别控制所有所有所有专利申请人FE否YesAdj。R平方0.090 0.160 0.084 0.151观测值4100590 355570 3684125 3152984注：所有报告值均为弹性值。3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利级别控制“全部”还包括SNPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs源自授权公告中的第一位申请人。稳健的标准误差。

论文中的T统计。表S-T9：专利价值和科学质量（按专利技术领域划分）技术领域电气工程仪器化学机械工程（1）（2）（3）（4）DV（log）：5y Cit US 5y Cit US 5y Cit US 5y Cit US 5y Cit US3y Cit SNPL ref（max）0.028 0.030 0.060 0 0.048（21.60）（15.51）（45.56）（11.32）常数1.645 1.471 1 1 1.047 1.080（1754.24）（979.79）（518.65）（1323.25）专利级别控制所有所有所有所有所有专利申请人FE No No No NoAdj。R平方0.204 0.232 0.235 0.176观测值1542153 713973 779607 953557（5）（6）（7）（8）DV（对数）：5y Cit US 5y Cit US 5y Cit US 5y Cit US 5y Cit US3y Cit SNPL ref（最大值）0.026 0.024 0.040 0 0.032（17.75）（10.43）（26.42）（6.28）专利级别控制所有所有所有所有专利申请人FE是是是是是的。R平方0.316 0.359 0.324 0.309观察值1359841 570768 652006 755229注：所有报告值均为弹性值。3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利级别控制“全部”还包括SNPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs源自授权公告中的第一位申请人。稳健的标准误差。论文中的T统计。表S-T10：专利价值和科学质量（按专利申请人国家）专利申请人国家中国欧洲日本韩国美国（1）（2）（3）（4）（5）DV（log）：5y Cit US 5y Cit US 5y Cit US 5y Cit US 5y Cit US3y Cit SNPL ref（max）0.020 0.042 0.036 0.014 0.032（3.14）（25.00）（18.40）（3.14）（29.20）专利级别控制所有所有所有所有专利申请人FE No No No No NoAdj。

R平方0.218 0.287 0.171 0.176 0.268观测值54062 948243 869068 149389 2032330（6）（7）（8）（9）（10）DV（对数）：5y Cit EP 5y Cit EP 5y Cit EP 5y Cit EP 5y Cit EP3y Cit SNPL ref（最大值）0.004 0.033 0.021 0.017 0.033（0.86）（23.78）（13.77）（4.99）（38.63）专利级别控制所有所有所有所有专利申请人FE No No No NoAdj。R平方0.126 0.090 0.073 0.118 0.133Observations 54062 948243 869068 149389 2032330注：所有报告值均为弹性值。3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。专利级别控制“全部”还包括SNPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs源自授权公告中的第一位申请人。稳健的标准误差。论文中的T统计。表S-T11：专利价值和科学质量（跨学科）（1）（2）（3）（4）DV（对数）：5y Cit US 5y Cit US 5y Cit EP 5y Cit ePindrical 0.054 0.047 0.040 0 0.037（15.47）（12.41）（15.35）（12.73）3y Cit SNPL ref（max）×单学科0.042 0.031 0.035 0.027（45.13）（29.78）（47.66）（32.32）3y Cit SNPL ref（max）×跨学科0.032 0.024 0.023 0.017（30.66）（20.53）（27.80）（18.68）专利级别控制所有所有所有专利申请人FE否是否YesAdj。R平方0.262 0.362 0.100 0.169观察值4319309 3763831 4319309 3763831注：所有报告值均为弹性值。3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。跨学科状态取自被引用最多的科学出版物，在专利中作为SNPL参考。

专利级别控制“全部”还包括SNPL参考计数、专利参考计数和发明人数量的FEs。专利申请者FEs来自授权出版物上的第一位申请人。稳健的标准误差。括号内为T统计。表S-T12：专利价值和科学影响（美国引文）（按前沿距离）（1）（2）DV（对数）：5y Cit美国5y Cit美国到前沿的距离：0 0.818（416.50）0.753（327.87）1 0.595（327.21）0.567（287.88）2 0.363（191.49）0.403（188.36）3 0.232（101.58）0.283（99.75）4 0.150（48.38）0.212（51.28）5 0.144（38.10）0.215（39.75）6 0.157（43.21）0.257（45.98）7 0.149（46.75）0.270（54.86）8 0.121（41.76）0.249（56.85）9 0.080（27.94）0.206（48.36）10 0.035（11.37）0.166（36.66）3y Cit SNPL ref（最大值）0.056（194.53）3y Cit SNPL ref（最大值）×0.089（144.39）3y Cit SNPL ref（最大值）×1 0.070（147.30）3y Cit SNPL ref（最大值）×2 0.037（62.50）3y Cit SNPL ref（最大值）×3 0.027（25.62）3y Cit SNPL ref（最大）×4 0.018（10.14）3y Cit SNPL ref（最大）×5 0.018（8.19）3y Cit SNPL ref（最大）×6 0.007（3.50）3y Cit SNPL参考（最大）×7-0.002 (-0.90）3年Cit SNPL参考值（最大值）×8-0.002 (-1.62）3y Cit SNPL ref（最大）×9 0.000（0.35）3y Cit SNPL ref（最大）×10-0.001 (-0.83）专利级别控制基本专利申请人FE No NoAdj。R平方0.187 0.189观察值4378579 4378579注：所有报告值均为弹性值。专利水平控制“基础”包括技术领域和第一年专利。3y Cit SNPL ref（max）是一种衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。稳健的标准误差。

括号内为T统计。表S-T13：专利价值和科学影响（按时间距离）（1）（2）（3）（4）DV（对数）：5y Cit US 5y Cit US 5y Cit EP 5y Cit EPSNPL时间距离：短0.141 0.116 0.089 0.076（33.37）（25.58）（28.11）（21.56）中0.052 0.040 0 0.039 0.028（12.09）（8.56）（12.14）（7.79）3y Cit SNPL参考值（最大值）×短0.039 0.031 0.033 0.027（36.56）（26.38）（38.86）（28.03）3年Cit SNPL参考值（最大值）×中等0.037 0.0270.027 0.021（33.39）（21.97）（30.41）（20.90）3y Cit SNPL ref（max）×Long 0.031 0.019 0.027 0.018（26.87）（14.92）（30.00）（17.35）专利级别控制所有所有专利申请人FE否是否YesAdj。R平方0.263 0.363 0.101 0.169观察值4319309 3763831 4319309 3763831注：所有报告值均为弹性值。3y Cit SNPL ref（max）是衡量SNPL科学质量的指标，对应于在专利中以SNPL引用形式出现的科学出版物的最大3年引用次数。短、中、长时间距离都是时间距离三分之一的假人。专利级别控制“全部”还包括NPL参考计数、专利参考计数和发明人数量的FEs。专利申请人FEs来自授权公告上的申请人。稳健的标准误差。括号内为T统计。参考Ahmadpoor，M.和B.F.Jones（2017）。双重前沿：专利发明和先前的科学进步。《科学》357（6351），583–587。Alcacer，J.和M.Gittelman（2006年）。专利引用作为知识流动的衡量标准：审查员引用的影响。《经济学与统计评论》88（4），774–779。Allen，T.J.（1977）。管理技术流。马萨诸塞州剑桥市。，麻省理工学院出版社。Branstetter，L.（2005年）。探索学术科学与产业创新之间的联系。《经济与统计年鉴》79/80119-142。Breschi，S.和C.Catalini（2010年）。

追踪科学和技术之间的联系：对科学家和发明家网络的探索性分析。研究政策39（1），14–26。Brooks，H.（1994年）。科学与技术的关系。研究政策23（5），477–486。Bush，V.（1945年）。科学，无尽的前沿：给总统的报告。技术报告，美国科学研究与发展委员会。Callaert，J.、B.Van Looy、A.Verbeek、K.Debackere和B.Thijs（2006年）。现有技术的痕迹：对专利文件中发现的非专利参考文献的分析。科学计量学69（1），3–20。Fischer，T.和J.Leidinger（2014）。根据直接观察到的专利价值测试专利价值指标——Ocean Tomo专利拍卖的实证分析。研究政策43（3），519–529。Fleming，L.和O.Sorenson（2004年）。科学是技术搜索的地图。《战略管理杂志》25（8-9），909–928。Gittelman，M.和B.Kogut（2003年）。好的科学能带来有价值的知识吗？生物技术引文和引文模式的进化逻辑。《管理科学》49（4），366–382。Giuri，P.、M.Mariani、S.Brusoni、G.Crespi、D.Francoz、A.Gambardella、W.Garcia Fontes、A.Geuna、R.Gonzales、D.Harhoff等人（2007年）。欧洲发明家和发明过程：PatVal欧盟调查结果。研究政策36（8），1107–1127。Harhoff，D.、F.M.Scherer和K.Vopel（2003年）。引用、家族规模、反对意见和专利权的价值。研究政策32（8），1343–1363。Hicks，D.、A.Breitzman Sr、K.Hamilton和F.Narin（2000年）。卓越研究和专利创新。科学与公共政策27（5），310–320。Jaffe，A.B.（1986年）。技术机会和研发溢出：来自公司专利、利润和市场价值的证据。《美国经济评论》76（5），984–1001。Jaffe，A.B.（1989年）。学术研究的实际效果。《美国经济评论》，957-970年。杰斐逊，O。

A、 ，A.Jaffe，D.Ashton，B.Warren，D.Koellhofer，U.Dulleck，A.Ballagh，J.Moe，M.DiCuccio，K.Ward，et al.（2018）。绘制已发表研究对工业和创新的全球影响图。《自然生物技术》36（1），31。Knaus，J.和M.Palzenberger（2018年）。帕尔马。一种基于全文搜索的方法，用于将非专利文献引用与科学参考数据库进行匹配。初步研究。内政部：10.17617/2.2540157。Kogan，L.、D.Papanikolaou、A.Seru和N.Stoffman（2017年）。技术创新、资源配置和增长。《经济学季刊》132（2），665–712。库恩、J.M.和N.C.汤普森（2019年1月）。如何在专利范围内衡量和得出因果推论。《国际商业经济杂志》26（1），5–38。Marx，M.和A.Fuegi（2019年）。在专利申请方面依赖科学。工作文件，纽约州罗切斯特。Merton，R.K.（1968年）。科学中的马太效应：考虑了科学的奖励和交流系统。科学159（3810），56–63。默顿，R.K.（1973）。科学社会学：理论和实证调查。芝加哥大学出版社。Michel，J.和B.Bettels（2001年）。专利引用分析。仔细查看专利搜索报告中的基本输入数据。科学计量学51（1），185–201。Mokyr，J.E.（2002）。雅典娜的礼物：知识经济的起源（第1版）。普林斯顿大学出版社。Moser，P.、J.Ohmstedt和P.W.Rhode（2018年）。专利引用——分析杂交玉米的质量差异和引用实践。《管理科学》64（4），1477-1973年。Mukherjee，S.、D.M.Romero、B.Jones和B.Uzzi（2017年）。过去知识时代与未来科技突破之间几乎普遍存在的联系：热点。科学进步3（4），1-9。Murray，F.（2002年）。创新是科学和技术网络的共同进化：探索问题工程。

研究政策31（8-9），1389–1403。Popp，D.（2017年）。从科学到技术：不同能源研究机构知识的价值。研究政策46（9），1580–1594。Roach，M.和W.M.Cohen（2013年）。透镜还是棱镜？专利引用作为公共研究知识流的衡量标准。管理科学59（2），504–525。Sapsalis，E.、B.v.P.de la Potterie和R.Navon（2006年）。学术与行业专利：对决定专利价值的因素进行深入分析。研究政策35（10），1631–1645。Scotchmer，S.（2004年）。创新与激励（第1版）。麻省理工学院出版社。Sorenson，O.和L.Fleming（2004年）。科学和知识的传播。研究政策33（10），1615–1634。Stokes，D.E.（2011年）。巴斯德象限：基础科学和技术创新。布鲁金斯学会出版社。Suzuki，J.（2011年）。专利价值的结构模型。研究政策40（7），986–1000。Thompson，P.和M.Fox Kean（2005年）。专利引用和知识溢出的地理：重新评估。《美国经济评论》95（1），450–460。Trajtenberg，M.（1990年）。一分钱的报价：专利引用和创新的价值。《兰德经济学杂志》21（1），172–187。Veugelers，R.和J.Wang（2019年）。科技创新和技术影响。研究政策。Wang，J.、R.Veugelers和P.Stephan（2017年）。科学中对新颖性的偏见：对文献计量指标使用者的告诫。研究政策46（8），1416–1436。Watzinger，M.和M.Schnitzer（2018年）。站在科学的肩膀上。mimeo。Zahringer，K.、C.Kolympiris和N.Kalaitzandonakes（2017年）。学术知识质量差异与企业创新质量。《工业和企业变革》26（5），821–844。