1999～2023 年上市公司子公司各行业领域、各类型专利申请与授权数量统计结果

1530 字 约 5 分钟 数据资料 专利上市公司

今天给大家分享一份 1999～2023 年上市公司子公司各行业领域、各类型专利申请与授权数量统计结果。

数据概览

需要特别注意的是，不要把小类数量加总得到中类，因为一个专利可能落到多个行业分类里。其他的加总也类似。

为了方便大家使用，我把数据汇总成了子公司 × 年份 × 行业层级的面板数据，包含了以下四个行业分类层级：

行业层级 说明 数据文件
行业门类 20个行业门类（如制造业、建筑业等） 各行业门类领域…dta
行业大类 49个行业大类 各行业大门类领域…dta
行业中类 中等分类 各行业中类领域…dta
行业小类 细分类别 各行业小类领域…dta

专利类型说明

每份数据包含以下专利统计指标：

变量名 说明
发明专利申请量 当年申请的发明专利数量
外观设计专利申请量 当年申请的外观设计专利数量
实用新型专利申请量 当年申请的实用新型专利数量
总专利申请量 上述三类专利申请量之和
发明专利授权量 当年获得授权的发明专利数量
外观设计专利授权量 当年获得授权的外观设计专利数量
实用新型专利授权量 当年获得授权的实用新型专利数量
总专利授权量 上述三类专利授权量之和

数据用途

该数据可用于以下研究场景：

  • 企业创新绩效分析：研究上市公司子公司的创新能力及其影响因素
  • 行业创新结构分析：比较不同行业的专利申请与授权结构差异
  • 创新趋势研究：分析1999-2023年各行业专利申请的长期变化趋势
  • 创新效率研究：比较发明专利、外观设计、实用新型的比例与授权率
  • 产业链创新布局研究：基于行业分类分析企业在不同产业领域的创新分布

数据预览

处理方法

该数据的处理流程如下：

原始数据来源

  • 上市公司子公司专利申请与授权数据：包含每条专利的申请号、公开公告号、授权公告日、专利类型等字段
  • 专利国民经济分类对照表：将专利与国际专利分类号（IPC）映射到国民经济行业分类

R 语言处理代码

library(tidyverse)

# 读取原始数据
read_csv("上市公司子公司专利申请与授权数据.csv") -> df

# 读取行业分类对照表
read_csv("专利国民经济分类.csv") -> industry

# 1. 将专利按国民经济分类拆分（一行多分类）
df %>%
  inner_join(industry) %>%
  select(-国民经济行业_主) %>%
  tidytext::unnest_tokens(
    input = "国民经济分类",
    output = "国民经济分类",
    to_lower = F,
    token = stringr::str_split,
    pattern = ";"
  ) -> df1

# 2. 统一行业分类到2017标准
df1 %>%
  left_join(haven::read_dta("对照表.dta")) -> df2

# 3. 按专利类型和行业分类进行统计
df2 %>%
  distinct(zgsid, 年份, 行业大门类, 专利类型, newipzlid) %>%
  count(zgsid, 年份, 行业大门类, 专利类型) %>%
  mutate(专利类型 = paste0(专利类型, "专利申请量")) %>%
  spread(专利类型, n, fill = 0) %>%
  full_join(
    df2 %>%
      filter(!is.na(授权公告日)) %>%
      distinct(zgsid, 年份, 行业大门类, 专利类型, newipzlid) %>%
      count(zgsid, 年份, 行业大门类, 专利类型) %>%
      mutate(专利类型 = paste0(专利类型, "专利授权量")) %>%
      spread(专利类型, n, fill = 0)
  ) -> countdf

附件中也提供了该数据的处理代码供参考：

处理要点

  1. 行业分类拆分：原始数据中一条专利可能对应多个国民经济分类，使用 tidytext::unnest_tokens 按分号拆分
  2. 行业标准统一：将国民经济分类统一到2017年版分类标准
  3. 专利去重：按公开公告号和申请号进行去重
  4. 分类汇总：分别按行业门类、大类、中类、小类四个层级进行统计
  5. 授权识别：通过授权公告日是否为空判断专利是否已获授权

图表展示

图1：三类专利申请量时间趋势

下图展示了1999-2023年上市公司子公司三类专利申请量的时间变化趋势：

图2：各行业大门类专利申请量排名

下图展示了专利申请量排名前15的行业大门类：

图3：发明专利与实用新型专利关系

下图展示了发明专利申请量与实用新型专利申请量的对数散点关系：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 1999～2023年上市公司子公司各行业领域、各类型专利申请与授权数量统计结果. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Statistics on Patent Applications and Grants by Listed Company Subsidiaries across Industry Sectors and Patent Types, 1999–2023. 2026. https://tidyfriday.cn/rsdb2/

关联数据推荐

1999～2023 年上市公司子公司专利申请与授权信息：https://rstata.duanshu.com/#/course/4fe44c1cf44346f3b94fc4abbd7a43b0

1999～2023 年上市公司子公司工商注册信息匹配结果：https://rstata.duanshu.com/#/course/3cb9288f5d57488e942fa9cb33f287e5

1999～2023 年上市公司子公司渐进性创新与突破性创新相关指标计算结果：https://rstata.duanshu.com/#/course/29c9c377bf574090aa55ec633afa5169

1995～2023 年上市公司参控股公司专利申请与授权信息：https://rstata.duanshu.com/#/course/e5e68a65a0234f18b1338ad1caadf33d

1985～2024 年上市公司与专利数据匹配结果（版本3，含申请、授权信息）：https://rstata.duanshu.com/#/course/04100321f88b411f90429be934934bff

点击这里跳转到 RStata 短书平台获取附件：1999～2023 年上市公司子公司各行业领域、各类型专利申请与授权数量统计结果

相关文章

评论