之前给大家分享过如何使用 R 语言爬取 WIPO 绿色专利分类号列表、以及如何使用 Stata 进行绿色专利筛选的课程：
- 使用 R 语言爬取处理 WIPO 绿色专利分类数据: https://rstata.duanshu.com/#/brief/course/6edd7ed2f3284915b2c916ead3fbfd10
- 使用 Stata 进行绿色专利的筛选: https://rstata.duanshu.com/#/brief/course/2fd6838527754c94a3f5ccb0e3ba7be1
使用课程中介绍的方法就可以进行绿色专利的筛选了：
1985～2024 年绿色专利申请与授权数据（WIPO标准）：https://rstata.duanshu.com/#/course/e2fbfb44b58b4d48a1cf7ba202587bac
最近有培训班的小伙伴提出需要将上市公司和绿色专利数据进行匹配，但是数据量比较大，希望我能帮忙处理一下。
匹配结果
上市公司和绿色专利数据匹配结果的时间范围为 1985～2024 年（这里没有考虑上市公司上市和退市的问题，大家如果需要考虑的话，可以再处理）。
提供的数据包含两份：
- 1985~2024年上市公司与WIPO绿色专利数据匹配结果.dta
- 1985~2024年上市公司WIPO绿色专利申请与授权数量统计.dta
1985~2024年上市公司与WIPO绿色专利数据匹配结果.dta 数据是直接使用上市公司数据和绿色专利数据匹配得到的，包含上市公司的变量和绿色专利的变量，每条观测值是一条绿色专利，数据预览如下：
1985~2024年上市公司WIPO绿色专利申请与授权数量统计.dta 是对上面数据的汇总结果：
我还绘制了一幅图来展示历年各上市公司绿色专利申请与授权量变化：
匹配方法
使用上市公司的名称、曾用名等和绿色专利数据中的申请人进行匹配。
- 绿色专利数据中有个申请人变量，每个绿色专利可能有多个申请人，申请人之间使用冒号分隔，因此需要首先处理申请人变量，处理思路如下：
- 然后分别处理上市公司数据公司列表和绿色专利数据的申请人，具体处理方法是剔除公司名称中干扰匹配的一些字符（股份有限、集团有限、有限责任、有限公司、有限、责任、股份、公司、厂、” “、(集团)、（集团）、（、）、(、)、回族自治区、壮族自治区、维吾尔自治区、自治区、省、市、区、县）。很多文献会说自己采用了模糊匹配，实际上在模糊匹配课程（这里可以看到：https://rstata.duanshu.com/#/course/d4fb816566244662ab6359fa848f1f1e）我讲过模糊匹配的缺点（匹配之后需要人工逐一检查，个人研究中难以实现，如果不检查又会有大量匹配错误的结果）。所以这里我采用的是去除干扰词汇匹配（插图来自工企专利匹配的推文，这里实际上是绿色专利申请人变量和上市公司数据企业名称匹配）：
按照上述匹配方法，一共匹配到了 41 多万条绿色专利。由于每个绿色专利对应的申请人有多个，所以同一个绿色专利可能会匹配到多个公司，这是正常的。
注意事项
该数据中存在重复专利，有两种原因：
- 多个公司共同申请同一个绿色专利；
- 专利的申请和授权公告同时存在数据中。
统计的时候可以先去除公开公告号里面的 A、B、U、S。其中 A 代表发明专利的申请公开，B 代表发明专利的授权公告，U 代表实用新型专利的授权公告，S 代表外观设计专利的授权公告。代码大致如下：
replace 公开公告号 = subinstr(公开公告号, "A", "", .) |
如果需要分类别统计数量，则要分类别 duplicates drop。
数据引用格式
在论文中使用该数据请声明数据来源于RStata 数据中心，或者 RStata Data Center，并使用下述的格式引用：
RStata 数据中心: 1985~2024年上市公司与WIPO绿色专利数据匹配结果. 2025. https://tidyfriday.cn/rsdb2/
RStata Data Center: Matching Results of Listed Companies and WIPO Green Patent Data (1985-2024). 2025. https://tidyfriday.cn/rsdb2/
另外也建议在说明数据来源的同时，根据本文的介绍在论文中描述数据的详细处理方法。
点击这里跳转到 RStata 短书平台获取附件：1985~2024 年上市公司与 WIPO 绿色专利数据匹配结果
评论