背景介绍
技术集群是衡量一个地区技术创新能力和产业竞争力的重要指标。冉征等（2025）在《中国工业经济》发表的《技术集群结构与颠覆式创新——兼论关联性”陷阱”的突破路径》一文中，提出了两个核心指标：
- 技术关联性（link_c）：衡量一个城市内部不同技术领域之间的关联程度
- 技术多样性（diver_c）：衡量一个城市拥有比较优势的技术领域数量
这两个指标对于研究区域创新、产业升级和技术政策具有重要意义。
指标计算方法
1. RTCA（显性技术比较优势）
2. 技术多样性（diver_c）
3. 技术关联性（link_c）
数据说明
本讲义使用的数据包括：
- 专利数据：包含 1985～2024 年所有专利申请信息
- 关键变量：专利申请号、公开公告号、申请日、IPC 分类号、申请人地址等。
- 数据格式：分年 CSV 文件
1985～2024 年专利申请与授权数据（版本 3，含申请人所处的省市区县）：https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988
- 专利引用数据：来自 全部专利引用与被引用信息分年（未去重）.rds
这个数据来自平台上分析的这个数据合并得到：
1985~2024 年全部专利引用与被引用详细信息：https://rstata.duanshu.com/#/brief/course/225ad0b59a9945e1831d2e8b96ca1001
不过这个 rds 文件过大（44.65GB），所以没有放到附件中（大多数朋友的电脑估计也难以处理），不过附件中提供了使用该数据计算好的 Φ 数据，也就是 output/phi_matrix.rds 文件，该文件可以用于计算全部年份的数据，因此不再需要使用 全部专利引用与被引用信息分年（未去重）.rds 文件。
- 技术联系矩阵 Φ：预先计算好的 RDS 文件（output/phi_matrix.rds）
- 列：ipc_citing（引用领域）、ipc_cited（被引领域）、phi（联系强度）
计算代码详解
本讲义以 2010～2012 年的城市级别数据为例，完整演示计算过程。完整代码参见附件中的 计算技术关联性与多样性.R。
Step 0：加载所需 R 包并设定参数
library(data.table)
library(stringr)
DATA_DIR <- "newIP专利数据分年_csv"
RDS_PATH <- "全部专利引用与被引用信息分年（未去重）.rds"
OUT_DIR <- "output"
YEARS <- 2010:2012
dir.create(OUT_DIR, showWarnings = FALSE)
IPC_SUBCLASS_PATTERN <- "^[A-Z][0-9]{2}[A-Z]"
|
Step 1：读取并去重专利数据（2010～2012 年）
去重规则分两步：
- 按「市代码 + 年份 + 公开公告号（去末尾字母后）」去重
- 按「市代码 + 年份 + 申请号」去重
cat("\n========================================\n")
cat(" Step 1: 读取并去重专利申请数据\n")
cat("========================================\n")
extract_ipc4 <- function(ipc_str) {
str_extract(str_trim(ipc_str), IPC_SUBCLASS_PATTERN)
}
split_ipc <- function(ipc_str) {
unlist(str_split(ipc_str, ";"))
}
patent_dt <- rbindlist(lapply(YEARS, read_and_dedup),
use.names = TRUE, fill = TRUE)
cat(sprintf("合并后总行数：%d\n", nrow(patent_dt)))
cat("\n展开 IPC 小类（每专利可能对应多个）...\n")
patent_ipc <- patent_dt[!is.na(IPC) & nchar(str_trim(IPC)) > 0][
,
.(ipc_raw = split_ipc(IPC)),
by = .(newipzlid, 年份, 市代码, 市, 省代码, 省)
][
, ipc4 := extract_ipc4(ipc_raw)
][
!is.na(ipc4) & nchar(ipc4) == 4
]
patent_ipc <- unique(patent_ipc, by = c("newipzlid", "ipc4"))
patent_ipc <- patent_ipc[!is.na(市代码) & 市代码 != "" & 市代码 != 0]
cat(sprintf("展开后记录数：%d，IPC小类数：%d，城市数：%d\n",
nrow(patent_ipc),
uniqueN(patent_ipc$ipc4),
uniqueN(patent_ipc$市代码)))
|
Step 2：构建技术联系矩阵 Φ
技术联系矩阵 Φ 需要基于全部专利引用数据构建（1985～2024 年），以保证外生性。由于 RDS 文件约 44GB，需要足够内存（建议 64GB+）。如果已有 phi_matrix.rds，可跳过此步骤直接读取。
以下代码展示 Φ 矩阵的完整构建过程：
cat("\n========================================\n")
cat(" Step 2: 构建技术联系矩阵 Φ\n")
cat("========================================\n")
ipc_all_raw[, 公开公告号_clean := str_replace_all(公开公告号, "[A-Za-z]+$", "")]
ipc_all_raw <- unique(ipc_all_raw, by = c("市代码", "年份", "公开公告号_clean"))
ipc_all_raw <- unique(ipc_all_raw, by = c("市代码", "年份", "申请号"))
cat(sprintf(" 去重后：%d 行\n", nrow(ipc_all_raw)))
ipc_map <- ipc_all_raw[!is.na(IPC) & nchar(str_trim(IPC)) > 0,
.(ipc_raw = split_ipc(IPC)),
by = .(newipzlid)
][
, ipc4 := extract_ipc4(ipc_raw)
][
!is.na(ipc4)
][
, .(newipzlid, ipc4)
]
ipc_map <- unique(ipc_map)
rm(ipc_all_raw); gc()
cat(sprintf(" IPC 映射：%d 条，覆盖 %d 个专利，%d 个小类\n",
nrow(ipc_map), uniqueN(ipc_map$newipzlid), uniqueN(ipc_map$ipc4)))
|
cite_freq <- cite_ipc[, .N, by = .(ipc_citing, ipc_cited)]
setnames(cite_freq, "N", "cite_count")
rm(cite_ipc); gc()
cat(sprintf(" 技术领域引用关系：%d 条\n", nrow(cite_freq)))
|
如果已有 output/phi_matrix.rds，只需运行以下代码读取：
phi_dt <- readRDS("output/phi_matrix.rds")
setDT(phi_dt)
setkey(phi_dt, ipc_citing, ipc_cited)
cat(sprintf(" Φ 矩阵：%d 条记录，%d 个引用领域，%d 个被引领域\n",
nrow(phi_dt),
uniqueN(phi_dt$ipc_citing),
uniqueN(phi_dt$ipc_cited)))
|
Step 3：逐年计算 RTCA、diver_c、link_c
以下是 2010～2012 年三个指标的核心计算代码：
cat("\n========================================\n")
cat(" Step 3: 逐年计算技术多样性和技术关联性\n")
cat("========================================\n")
yr_result <- copy(diver_dt)
yr_result[is.na(link_c), link_c := 0]
yr_result[, 年份 := yr]
cat(sprintf(" 城市数：%d，diver_c 均值：%.2f，link_c 均值：%.5f\n",
nrow(yr_result),
mean(yr_result$diver_c, na.rm = TRUE),
mean(yr_result$link_c, na.rm = TRUE)))
results_list[[as.character(yr)]] <- yr_result
}
|
Step 4：汇总输出
cat("\n========================================\n")
cat(" Step 4: 汇总输出\n")
cat("========================================\n")
final <- rbindlist(results_list)
setcolorder(final, c("年份", "省代码", "省", "市代码", "市", "diver_c", "link_c"))
setorder(final, 年份, 市代码)
out_path <- file.path(OUT_DIR, "city_tech_cluster_2010_2012.dta")
haven::write_dta(final, out_path,
label = "数据处理：微信公众号 RStata")
cat(sprintf("结果已保存：%s\n", out_path))
cat("\n各年描述统计：\n")
print(final[, .(
n_city = .N,
diver_mean = round(mean(diver_c, na.rm = TRUE), 2),
diver_sd = round(sd(diver_c, na.rm = TRUE), 2),
link_mean = round(mean(link_c, na.rm = TRUE), 5),
link_sd = round(sd(link_c, na.rm = TRUE), 5)
), by = 年份])
|
代码运行说明
1. 准备工作
确保以下文件结构：
工作目录/
├── newIP专利数据分年_csv/ # 专利数据（分年 CSV）
│ ├── 2010.csv
│ ├── 2011.csv
│ ├── 2012.csv
│ └── ...
├── 全部专利引用与被引用信息分年（未去重）.rds # 引用数据（可选，附件中未提供）
├── output/ # 输出目录
│ └── phi_matrix.rds # 技术联系矩阵（预先计算）
└── 计算技术关联性与多样性.R # 主程序（2010-2012 示例）
|
2. 计算技术联系矩阵 Φ
注意：技术联系矩阵 Φ 需要基于 1985～2024 年全部专利引用数据构建，计算量较大。如果已有 phi_matrix.rds，可跳过此步骤。
3. 运行主程序
在 R 中运行：
setwd("/Users/ac/Desktop/使用 R 语言测算各城市技术集群指标")
source("计算技术关联性与多样性.R")
|
程序会自动：
- 读取并去重 2010～2012 年专利数据
- 构建（或读取）技术联系矩阵 Φ
- 计算 RTCA、diver_c、link_c
- 输出 output/city_tech_cluster_2010_2012.dta
4. 输出文件
程序运行后会在 output/ 目录生成 Stata 格式文件：
| 文件名 |
说明 |
city_tech_cluster_2010_2012.dta |
2010～2012 年城市级别面板数据 |
点击这里跳转到 RStata 短书平台获取附件：名师讲堂｜使用 R 语言测算各城市技术集群指标
评论