全部版块 我的主页
› 论坛 › 提问 悬赏 求职 新闻 读书 功能一区 › 经管文库（原现金交易版）
【更新至2023】企业专利质量/知识宽度2023-2000年含stata代码过程 上市公司数据
cky.cc
894 9
2024-10-03
数据介绍：
年份：2000-2023
范围：A股上市公司
两个版本：企业专利质量、知识宽度（未剔除金融STPT）、企业专利质量、知识宽度(已剔除金融 STPT)
文件格式：Dta 格式（使用Stata 打开）、Xlsx格式（使用Excel打开）


【申请专利质量、知识宽度】根据参考中做法，使用赫芬达尔指数的计算思路，在大组层面上定义企业专利知识宽度为，Patentknowledgeit =1- 公式1.png (其中，Zimt为企业i截至t年在 m大组下发明与实用新型申请专利的累计数目Zit为企业i截至 t年在全部大组下申请专利的累计数目。Patentknowledgeit的值越大，说明企业申请专利的知识宽度越大，申请专利质量越高。



【授权专利质量、知识宽度】根据参考中做法，使用赫芬达尔指数的计算思路，在大组层面上定义企业专利知识宽度为，Patentknowledgeit =1一，其中，Zimt为企业i截至t年在m大组下发明与实用新型授权专利的累计数目，Zit为企业i截至t年在全部大组下授权专利的累计数目。Patentknowledgeit的值越大，说明企业授权专利的知识宽度越大，授权专利质量越高。


样本选择：全部A股2023-2000年数据

与参考文献相同，删除了金融类公司样本

注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可

行业参照证监会2012年行业分类标准

每个压缩包都附有初始数据，计算代码，参考文献和最终数据


参考引用：

[1]李宏,王云廷,吴东松.专利质量对企业出口竞争力的影响机制:基于知识宽度视角的探究[1.世界经济研究,2021,(01):32-46+134,



参考.png




数据代码：

代码.png



数据量：

数据量.png



描述性统计：

描述性统计.png



结果代码

结果数据.png




附件列表
公式1.png

原图尺寸 18.9 KB

公式1.png

二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复
学软件我快乐
2024-10-3 17:59:01
感谢分享
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

のgmの
2024-10-17 23:48:21
数据很好，谢谢分享
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Ye1u
2024-10-19 18:43:08
面板数据导出是空白的
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Ye1u
2024-10-19 18:44:17
已经购买数据集，但为什么面板数据导出是空白的
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

赵安豆
2024-10-19 18:50:24
该数据集详细记录了A股上市公司从2000年至2023年的专利质量和知识宽度情况，为研究者和决策者提供了一个深入分析企业创新能力和知识产权战略的工具。特别之处在于，它不仅提供了原始的数据点，还附带了解释计算过程的Stata代码，方便用户理解并复制这些指标的生成方法。

- **数据覆盖时间**：长达23年的记录（从2000年至2023年），这使得分析者能够观察到企业专利活动和知识宽度随时间的变化趋势。
  
- **研究对象范围**：A股上市公司，既包括了整体的数据集，又提供了剔除了金融STPT类公司的数据版本，以减少特定行业或特殊情况对总体趋势的影响。

- **指标定义与计算方法**：
  - **申请专利质量和知识宽度**：通过赫芬达尔指数的思路，在大组层面上计算。具体来说，Patentknowledgeit =1- (Σ(Zimt^2)/Zit^2)，其中Zimt为i公司在m类别下截至t年发明和实用新型申请专利数累计量；Zit则为公司i在所有分类下的相应数据累计。
  - **授权专利质量和知识宽度**：计算方法类似，但以授权的发明专利与实用新型专利数量为基础。

这些指标的设计旨在衡量企业创新活动的知识广度和深度。数值越大表示企业在多个技术领域都有涉及，且在申请或授权方面表现优异，即拥有较高的专利质量和广泛的知识基础。这不仅反映了企业的科研实力，还体现了其长期持续发展的潜力。

数据的提供格式包括Dta（适合使用Stata软件进行分析）以及Xlsx（Excel兼容），确保了不同偏好和需求的研究者都能便捷地访问和处理数据。
  
对于需要深入研究企业创新、知识产权管理和战略规划等领域的人士来说，这组数据具有极高的参考价值。无论是进行趋势分析、影响因素探索还是行业对比，这些详细记录的数据都将提供有力的支持。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用



二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…
栏目导航
热门文章
推荐文章

说点什么

分享

微信QQ空间QQ微博
扫码加好友，拉您进群
各岗位、行业、专业交流群