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）

最近有培训班的小伙伴分享了一份更新更全的专利数据，让我帮忙处理下。该数据的时间范围为 1985～2024 年，不过从分年数量上来看，比较全的还是 22 年及之前的，之后年份的都不太全（这个是因为专利从申请到公开需要时间，所以并不能及时获取最新的专利数据）。

数据中一共包含了超过 4800 万条专利的申请和授权数据，为了方便大家读取，我把数据拆分成了逐年的，例如 2014 年：

包含如下基本信息：

newipzlid、年份、申请日、标题、摘要、申请人、公开公告号、公开公告日、申请号、专利类型、公开国别、首项权利要求、独立权利要求、文献页数、IPC主分类、IPC、洛迦诺分类号、当前权利人、申请人类型、申请人国家_地区、申请人地址、当前专利权人地址、工商注册地址、工商公司类型、工商成立日期、工商统一社会信用代码、工商注册号、工商上市代码、工商企业状态、发明人、引证次数、被引证次数、自引次数、他引次数、被自引次数、被他引次数、家族引证次数、家族被引证次数、优先权信息、优先权号、优先权日、授权公告号、授权公告日、省、省代码、市、市代码、县、县代码

其中 newipzlid 是我给每条专利的编号。平台上其他包含 newipzlid 变量的数据可以直接和这个数据使用该变量匹配。省、省代码、市、市代码、县、县代码是我根据原始数据中的省市区县信息和 21 年的行政区划代码匹配得到的。

newipzlid 的生成方法大致如下：

forval y = 1985/2024 {
 di "`y'"
 qui {
  use "`y'patent.dta", clear
  cap drop newipzlid
  gen newipzlid = string(`y' * 10^strlen("`=_N'") + _n, "%12.0f")
  order newipzlid
  compress
  foreach i of varlist _all {
   cap format `i' %10s
  }
  save "`y'patent.dta", replace
 }
}

数据格式方面，提供的是供 Stata 读取的 dta 的格式。部分文件大小超过了 10GB，对于内存较小的电脑读取起来会很困难，不过 Stata 提供了一次读取部分观测值的方法，例如读取 2020 年文件（55.54GB）的前 10 万行：

use in 1/100000 using "2020.dta", clear

使用 Stata 处理这种超大文件就可以一部分一部分的处理（读取之后删除不需要的变量）。

不过读取最后一部分的时候需要知道该文件总共的行数，这时候可以借助 describe 命令：

describe using "2020.dta"

例如统计每一年文件的观测值数量可以使用下面的循环：

clear
mat a = J(40, 2, .)
local j = 1
forval y = 1985/2024 {
 desc using "/Volumes/C16T/IP专利数据分年/`y'.dta"
 mat a[`j', 2] = r(N)
 mat a[`j', 1] = `y'
 local j = `j' + 1
}
mat list a
svmat a
ren a1 year
ren a2 n

各省市区县专利申请与授权数量统计数据之前给大家分享过：

1985～2024 年各省市区县专利申请与授权数量统计：https://rstata.duanshu.com/#/brief/course/7300c81235b74b8bb911f04997ab7295

例如下图展示了 1985～2024 年各省市发明专利申请数量变化（使用样条法绘制）：

2021 年各省份申请并最终被授权的发明专利数量：

2020 年各城市实用新型专利申请数量：

2019 年各区县外观设计专利申请数量：

专利数据匹配与提取服务

由于专利数据非常巨大，难以匹配和使用，因此特推出专利数据匹配服务，费用大致如下：

1. 该服务仅面向 RStata 会员；
2. 每 10 万个公司名称匹配收费 300 元，低于 10 万个公司名称也是 300 元（300 元起步）；
3. 专利知识宽度计算：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）；
4. 绿色专利筛选：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）；
5. 注意这里的数量是指匹配使用的数量，而非匹配成功的数量；
6. 其他类似的操作 ……

另外该份专利数据实际上还包含很多变量，完整的数据大小超过 2TB，所以这里我仅仅选择了部分变量进行分享，如果需要其他变量的，可以联系李老师获取完整变量列表及帮忙提取所需变量，费用也是 300 元/次。

虽然不限制数量，不过变量数量过多也会导致数据变得非常大而难以处理，所以还是仅仅选择自己需要的变量就好。

与其他数据匹配

之前给大家分享过工企、上市公司、税调等数据与专利数据的匹配结果，这些未来都会逐一更新，大家就不必付费定制了～

注意事项

在计算专利申请数量时需要注意，专利数据里面有很多申请和授权同时存在的专利，在统计专利数量的时候应该先去除这种重复情况：

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。

replace 公开公告号 = subinstr(公开公告号, "A", "", .)
replace 公开公告号 = subinstr(公开公告号, "B", "", .)
replace 公开公告号 = subinstr(公开公告号, "U", "", .)
replace 公开公告号 = subinstr(公开公告号, "S", "", .)
replace 专利类型 = "发明" if index(专利类型, "发明")
*- 使用 duplicates drop 去除重复的
duplicates drop 公开公告号, force

点击这里跳转到 RStata 短书平台获取附件：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）