名师讲堂｜使用 Stata 测算区域技术专业化

1319 字 约 5 分钟 名师讲堂 区域经济Stata

今天给大家分享使用 Stata 测算区域技术专业化的方法。该方法参考自林原(2018)《技术流动对区域技术专业化的影响研究》，通过IPC专利分类和RTA指数来综合测度区域的技术专业化程度。

注意：Stata 拆分 IPC 的效率非常低。因此本课程采用 Stata + R 混合工作流程：Stata 负责数据处理和 CV 计算，R 负责拆分多值 IPC。

附件中提供了该参考文献的 PDF 文件，感兴趣的小伙伴可以阅读原文。

指标来源与计算原理

区域技术专业化（Regional Technological Specialization）

区域技术专业化是衡量地区在特定技术领域集聚程度的重要指标。该方法的核心思想是：

  1. IPC专利分类：利用世界知识产权组织（WIPO）的 IPC 与技术领域对照表，将专利按 IPC 代码归类到35个技术领域
  2. RTA 指数（Revealed Technological Advantage）：计算区域在特定技术领域的相对优势
  3. CV（变异系数）：用调整后 RTA 的变异系数衡量区域技术专业化的整体程度

RTA指数

调整后RTA

CV计算

Stata-R 混合工作流程

┌─────────────────┐
│  Stata Part 1   │  加载数据、去重、保存中间文件
└────────┬────────┘
         │
         ▼
┌─────────────────┐
     R 脚本处理       拆分多值IPC、展开数据
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  Stata Part 2   │  汇总、计算 RTA 和 CV
└─────────────────┘

Step 1: Stata 加载数据并去重

cd "/Users/ac/Desktop/使用 Stata 测算区域技术专业化"
use "2010.dta", clear
display "原始数据行数: " _N

*- 按地区去重
gen 公开公告号_clean = 公开公告号
replace 公开公告号_clean = substr(公开公告号, 1, length(公开公告号) - 1) ///
    if regexm(公开公告号, "[A-Z]$")

sort 省 市 县 公开公告号_clean
quietly by 省 市 县 公开公告号_clean: keep if _n == 1
display "按地区+公告号去重后: " _N " 行"

sort 省 市 县 申请号
quietly by 省 市 县 申请号: keep if _n == 1
display "按地区+申请号去重后: " _N " 行"

sort 省 市 县 newipzlid
quietly by 省 市 县 newipzlid: keep if _n == 1
display "按地区+专利ID去重后: " _N " 行"

Step 2: Stata 准备中间文件

*- 只保留有IPC的记录
drop if missing(IPC) | IPC == ""
display "有IPC的专利数: " _N

*- 保留需要的字段
keep 省 省代码 市 县 newipzlid IPC

*- 保存中间文件供R处理
save "temp_for_r.dta", replace
display "已保存: temp_for_r.dta"

Step 3: R 拆分多值 IPC

由于 Stata 拆分 IPC 效率非常低，所以这里还是使用 R 语言处理。

library(tidyverse)
library(haven)

cat("=== R: 拆分多值IPC ===\n\n")

# 读取Stata中间文件
df <- read_dta("temp_for_r.dta")
cat(sprintf("读取数据行数: %d\n", nrow(df)))

# 查看IPC示例
cat("\nIPC字段示例:\n")
head(df$IPC, 10) %>% print()

# ==============================================================================
# 构建IPC查找表
# ==============================================================================

cat("\n=== 构建IPC查找表 ===\n")

wipo <- read_csv("WIPO_IPC_and_Technology_Concordance_Table.csv",
                 locale = locale(encoding = "UTF-8"))

pattern_to_prefix <- function(pattern) {
  prefix <- str_remove(pattern, "##")
  prefix <- str_remove(prefix, "#")
  prefix <- str_remove_all(prefix, "-")
  return(prefix)
}

build_ipc_lookup <- function(wipo_df) {
  lookup <- character(0)
  exclude_patterns <- list()

  for (i in 1:nrow(wipo_df)) {
    tech_seq <- as.character(wipo_df$序号[i])
    ipc_codes <- wipo_df$IPC代码[i]

    patterns <- str_split(ipc_codes, ",\\s*")[[1]]

    for (p in patterns) {
      p <- trimws(p)
      p <- str_remove_all(p, "[()]")

      if (str_detect(p, "not")) {
        parts <- str_split(p, "\\s+not\\s+")[[1]]
        include_part <- trimws(parts[1])
        exclude_parts <- trimws(parts[-1])

        prefix <- pattern_to_prefix(include_part)
        if (prefix != "") {
          lookup[prefix] <- tech_seq
        }

        for (ex in exclude_parts) {
          ex_prefix <- pattern_to_prefix(ex)
          if (ex_prefix != "") {
            if (is.null(exclude_patterns[[prefix]])) {
              exclude_patterns[[prefix]] <- character(0)
            }
            exclude_patterns[[prefix]] <- c(exclude_patterns[[prefix]], ex_prefix)
          }
        }
      } else {
        prefix <- pattern_to_prefix(p)
        if (prefix != "") {
          lookup[prefix] <- tech_seq
        }
      }
    }
  }

  return(list(lookup = lookup, exclude = exclude_patterns))
}

mapping <- build_ipc_lookup(wipo)
ipc_lookup <- mapping$lookup
exclude_map <- mapping$exclude

cat(sprintf("IPC前缀查找表条目数: %d\n", length(ipc_lookup)))

# ==============================================================================
# IPC匹配函数
# 此处代码需下载讲义材料查看～

# ==============================================================================
# 批量匹配IPC
# 此处代码需下载讲义材料查看～

# ==============================================================================
# 展开数据
# ==============================================================================

cat("\n=== 展开多值IPC ===\n")

# 此处代码需下载讲义材料查看～

# ==============================================================================
# 保存为dta
# ==============================================================================

cat("\n=== 保存结果 ===\n")

haven::write_dta(df_expanded, "temp_expanded_ipc.dta", label = "IPC展开数据")
cat("已保存: temp_expanded_ipc.dta\n")

Step 4: Stata 按省份和技术领域汇总

use "temp_expanded_ipc.dta", clear
display "展开后数据行数: " _N

collapse (count) 专利数量 = newipzlid, by(省 省代码 技术领域)

ren 技术领域 技术领域序号
destring 技术领域序号, replace

display "汇总后行数: " _N

save "01_tech_by_region.dta", replace
display "已保存: 01_tech_by_region.dta"

Step 5: Stata 计算 RTA 指数

*- 此处代码需下载讲义材料查看～

Step 6: Stata 计算 CV

*- 此处代码需下载讲义材料查看～

Step 7: Stata 保存结果

export delimited using "区域技术专业化CV_混合.csv", replace
display "已保存: 区域技术专业化CV_混合.csv"

use "04_with_rta.dta", clear

import delimited "WIPO_IPC_and_Technology_Concordance_Table.csv", ///
    encoding(UTF-8) clear
ren 序号 技术领域序号
destring 技术领域序号, replace

merge 1:m 技术领域序号 using "04_with_rta.dta"
drop _merge

export delimited using "技术领域按省份汇总_混合.csv", replace
display "已保存: 技术领域按省份汇总_混合.csv"

工作流程总结

步骤 工具 说明
数据加载 Stata 读取2010.dta
按地区去重 Stata 三级去重（公告号、申请号、专利ID）
准备中间文件 Stata 保存temp_for_r.dta
拆分多值IPC R 调用expand_ipc.R
展开数据 R 按分号分隔、去重
保存dta R temp_expanded_ipc.dta
按省份汇总 Stata collapse by 省 技术领域
计算RTA Stata 公式计算
计算CV Stata 变异系数
保存结果 Stata CSV输出

点击这里跳转到 RStata 短书平台获取附件：名师讲堂｜使用 Stata 测算区域技术专业化

相关文章

评论