1985～2024 年全部专利 CD 指数计算结果

1530 字 约 5 分钟 数据资料 专利

今天给大家分享一份 1985～2024 年全部专利 CD 指数计算结果。由 RStata 数据中心基于全部专利引用数据处理计算得到。

CD 指数（Consolidation-Destabilization Index）最早由 Funk 与 Owen-Smith 在 2017 年发表于《Management Science》的论文中系统提出，用于衡量一项专利对已有知识体系的”颠覆程度”。CD 指数的理论取值范围在 -1 至 1 之间：值越接近 1，说明该专利具有更强的创新突破性，能够取代已有技术路径；值越接近 -1，说明该专利更多地是对已有技术的巩固与整合；值为 0 则介于两者之间。CD 指数近年来被广泛应用于创新质量、技术轨迹演化等领域的实证研究，也被认为是衡量专利创新突破度的重要指标之一。

数据处理方法

本数据基于 RStata 整理的全部专利引用信息，具体处理流程如下：

第一步：准备引用数据

首先读取全部专利引用信息，筛选出申请日相差不超过 5 年的专利引用对：

# 读取专利引用数据
read_rds("patent_citations.rds") -> patent_citations

# 保留 5 年内的相互引用
patent_citations %>%
  filter(date - date2 <= dyears(5) & date - date2 >= 0) -> patent_citations2

第二步：并行计算 CD 指数

对于每件专利 i，找出在 i 申请日之后申请、且引用了 i 的专利集合，以及引用了 i 的后向引用集合，然后按三种情形赋分：

  • 引用了 i，且同时引用 i 的后向引用专利 → cd = -1（巩固型）
  • 引用了 i，但未引用 i 的后向引用专利 → cd = 1（颠覆型）
  • 未引用 i，但引用了 i 的后向引用专利 → cd = 0（中间型）

对三种情形取均值，即为该专利的 CD 指数：

# 使用 16 核并行计算
library(parallel)
makeCluster(16) -> cl
parLapply(cl, testmat$newipzlid, function(x){
  # 获取专利 i 的后向引用
  patent_citations2 %>%
    filter(newipzlid == x) %>%
    pull(newipzlid2) -> backrefs

  # 申请日期晚于 i 的引用关系
  patent_citations2 %>%
    filter(date >= testpat$date[1]) -> part0

  # 三种分类并计算均值
  suppressMessages({
    part1 %>% inner_join(part2) %>% mutate(cd = -1) -> parta  # 巩固型
    part1 %>% anti_join(part2) %>% mutate(cd = 1)  -> partb  # 颠覆型
    part2 %>% anti_join(part1) %>% mutate(cd = 0)  -> partc  # 中间型
  })

  tibble(newipzlid = x,
         cd_index = mean(c(parta$cd, partb$cd, partc$cd), na.rm = T))
})

第三步：合并数据

将计算结果与专利基本信息（年份）合并，对无后向引用的专利赋 CD 指数为 1，最终输出 dta 格式文件：

# 合并年份信息并赋值
df0 %>%
  select(newipzlid, 年份) %>%
  left_join(dfall) %>%
  mutate(cd_index = if_else(is.na(cd_index), 0, cd_index)) -> df1

# 保存为 dta 格式
df1 %>%
  haven::write_dta("1985～2024年全部专利 CD 指数计算结果.dta",
                   label = "数据处理：微信公众号 RStata")

数据概览

为了方便大家使用，我把数据整理成了专利层面的 CD 指数面板数据，包含以下三个变量：

变量名 变量描述
newipzlid 专利唯一标识符（可与其他专利数据匹配）
年份 专利申请年份（1985～2024）
cd_index 专利 CD 指数，取值范围 -1 至 1

数据共覆盖 1985 年至 2024 年，包含约 4300 万条专利记录。数据预览如下：

图表展示

下图展示了 1985-2024 年各年专利数量及 CD 指数均值的时间趋势。可以看到，专利数量从 1985 年的不足 1 万件快速增长至 2020 年前后的近 500 万件；与此同时，CD 指数均值整体呈下降趋势，从 1985 年前后的较高水平逐步回落，反映出近年来专利创新更多集中于对已有技术的巩固与改进：

下图展示了 CD 指数的整体分布。大部分专利的 CD 指数集中在 0 附近，具有典型的右偏分布特征，而 CD 指数为 1（完全颠覆型）的专利构成了第二个峰值：

下图从历史时期的视角，对比了四个十年间的 CD 指数分布差异。通过箱线图可以看出，2015 年之后的专利在 CD 指数分布上与早期专利存在明显差异：

处理代码

以下是计算单个专利 CD 指数的核心 R 代码（以专利 20190809613 为例）：

# 设定目标专利 ID
id <- 20190809613

# 获取所有引用了该专利的后继专利
patent_citations2 %>%
  filter(newipzlid2 == id) -> testpat

# 准备该专利的后向引用集合
patent_citations2 %>%
  filter(newipzlid == id) %>%
  select(newipzlid2) %>%
  pull(newipzlid2) -> backrefs

# 筛选申请日晚于该专利的引用关系
patent_citations2 %>%
  filter(date >= testpat$date2[1]) -> part0

# 情形一：引用 i 且引用 backrefs → cd = -1
part1 %>% inner_join(part2) %>% mutate(cd = -1) -> parta
# 情形二：引用 i 未引用 backrefs → cd = 1
part1 %>% anti_join(part2) %>% mutate(cd = 1) -> partb
# 情形三：未引用 i 但引用 backrefs → cd = 0
part2 %>% anti_join(part1) %>% mutate(cd = 0) -> partc

# 计算 CD 指数均值
mean(c(parta$cd, partb$cd, partc$cd), na.rm = T)

附件中也提供了该数据的处理代码供参考：

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: 1985～2024年全部专利 CD 指数计算结果. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: CD Index Calculation Results for All Patents in China, 1985–2024. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

使用 R 语言测算专利的创新突破度：CD指数（更新）：https://rstata.duanshu.com/#/course/3b00a43418ee43f194df7fa664ef0c7d

使用 Stata 测算专利的创新突破度 CD 指数：以上市公司专利数据为例（更新）：https://rstata.duanshu.com/#/course/ca92eb2b71854c1b8a6cd74c66bd6c5e

1985～2024 年上市公司专利创新突破度 CD 指数计算结果（已更正）：https://rstata.duanshu.com/#/course/c2efde2002ab407aa8dafbf7e2231397

1985～2024 年全部专利引用与被引用详细信息：https://rstata.duanshu.com/#/course/225ad0b59a9945e1831d2e8b96ca1001

1985～2024 年全部专利互引网络的中心度和 pagerank 指标计算结果：https://rstata.duanshu.com/#/course/ff4493bd341148e9bae565aef8cb3070

点击这里跳转到 RStata 短书平台获取附件：1985～2024 年全部专利 CD 指数计算结果

相关文章

评论