注意:此数据是课题组老师们一起弄的,数据内容均来源于官方,和官方内容保持一致!此外,我们课题组一直关注此类数据,并应用此类数据进行过多次研究,截至2026,该数据官方更新至2025年。目前网上有一些非常不负责任的人,号称有2026年数据的,官方都没更新,也不知道他的数是哪来的,估计连同他别的年份数据也都是不真实的,数据对于科研是非常重要的,大家一定注意甄别!我们的数据是课题组自用数据,已有成果产出,是经过验证的真实数据,大家可以放心使用!
数据说明
数据构建以专利引用关系为核心,通过识别“引用公司—被引公司”的配对关系,提取公司(i 引用公司)在 t 年申请的专利对公司(j 被引公司)专利的引用次数(Citations)作为核心代理指标,同时配套收集引用公司与被引公司的基本信息及相关财务特征数据,为实证研究中的模型构建与控制变量设置提供数据支撑。
本文以CNPD008 -- 中国上市公司专利数据库中存在引用关系的上市公司为初始样本,构建专利引用变量(`Citations`)的具体步骤如下:
首先,读取上市公司专利申请数据 `patents_of_listed_firms`,此为我司团队清洗整理干净的上市公司专利面板数据,依据 `'申请公布号'` 字段去除重复记录和去除空值,(对应论文剔除了上市公司”专利申请数量为零的上市公司)以确保专利样本的唯一性。其次,对 `'被引证申请人'` 字段进行清洗,利用正则表达式拆分单条记录中包含的多个被引对象,并通过 `explode` 操作将数据行“炸裂”,生成包含 `'被引证申请人公司名称'` 的引用明细数据,筛选出`'被引证申请人'`的上市公司数据。接着,引入上市公司名录,通过 `'被引证申请人公司名称'` 匹配被引方的 `'股票代码_引证'`(即 `'股票代码_被引证'`),仅保留 `'年份'` 处于 2006 至 2025 年间的有效样本,并根据 `'股票代码'` 与 `'股票代码_被引证'` 是否相同来剔除自引数据。最后,依据 `'股票代码'`、`'年份'`、`'公司名称'` 以及 `'被引证申请人公司名称'` 等字段进行分组聚合(`groupby`),使用 `size()` 方法统计每组内的记录数量,从而得到衡量公司对之间年度技术流动强度的指标 `'Citations'`。
最终得到179317个“公司对”—年度观测值,对应4668家“引用公司”、4704家“被引公司”和105051组“公司对”,完整呈现2006-2025年各上市公司配对间专利引用的核心度量结果。
部分指标展示:股票代码;年份;公司简称;公司名称;股票代码_被引证;公司简称_被引证;被引证申请人公司名称;核心指标Citations等。
注意:此数据存在少量的缺失,此缺失不是我们搜集上的缺失,而是官方公布的缺失,官方公布的数据有少量缺失这是很正常的现象,大家经常查阅数据和阅读文献的应该都比较了解这种情况,数据对于科研来说是非常重要的,所以我们会把真实情况告诉大家,不会拿插值冒充真实数据欺骗大家
我们课题成员始终坚持求真务实的学术态度,不善用夸大的语言进行营销。参与本论坛的初衷在于搭建开放的学术交流平台,与各位同仁分享阶段性研究成果,共同进步。在此特别强调:我们坚决维护知识产权,所有资料严禁以任何形式进行转售。愿与大家共建良性学术生态,谨祝各位在探索真理的道路上收获丰硕成果!
附件列表