旧版本｜1985～2022 年专利申请数据（版本2，含申请人地址的经纬度及其所处的省市区县信息）

新版本在这里：https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988

⚠️最近发现这个数据的一些年份（除了 21 和 22）观测值有点偏少，所以赶紧用之前那个版本的专利数据进行了补充，由于版本的专利数据里面没有授权信息，所以补充的专利还需要从谷歌专利上爬取授权信息，因此我先把去除授权信息的数据放到平台上，后面会再把授权信息补上。

之前给大家分享过一份1985～2019 年专利申请数据，最近有培训班的小伙伴分享了一份更全的专利数据，让我帮忙处理下。该数据的时间范围为 1985～2022 年，为了方便大家使用，我根据数据中的专利申请人地址解析了经纬度，并且根据经纬度和 2021 年行政区划判断了每个地址所在的省市区县。

1985～2019 年专利申请数据（含申请人地址的经纬度及其所处的省市区县信息）：https://rstata.duanshu.com/#/course/b31ee35a9b2e4adb86c0717b86ac619e

数据中一共包含了超过 3729 万条专利申请数据，为了方便大家读取，我把数据拆分成了逐年的，例如 2020 年：

包含如下基本信息：

newzlid、年份、公开公告号、专利名称、专利类型、摘要、申请人、申请号、申请日、授权公布号、地址、主权项、发明设计人、分类号、主分类号、专利代理机构、分案原申请号、优先权、国际申请、国际公布、代理人、省份或国家代码、专利领域、专利学科、多次公布、城市、所属国省、公开公告日、省、省代码、市、市代码、县、县代码、纬度、经度、参考文献、代码、发布路径、范畴分类、国别、名称、申请国代码、申请来源、邮编、页数、专利号、颁证日、审查员、进入国家日期、摘要附图存储路径

其中 newzlid 是我给每条专利的编号。包含 newzlid 变量的数据可以直接和这个数据使用该变量匹配。

这次更新的数据中 newzlid 变量也是重新生成的，之前的旧版本数据建议大家不要再用了。

newzlid 的生成方法如下：

forval y = 1985/2022 {
 di "`y'"
 qui {
  use "newpatentdata_coord2/`y'patent_v2_coord.dta", clear
  cap drop newzlid
  gen newzlid = string(`y' * 10^strlen("`=_N'") + _n, "%12.0f")
  order newzlid
  compress
  foreach i of varlist _all {
   cap format `i' %10s
  }
  save "newpatentdata_coord2/`y'patent_v2_coord.dta", replace
 }
}

考虑到数据非常大，所以我帮大家汇总好了各年各种类型专利申请数量结果、各年各省市区县各类型专利数量结果（附件中有提供），例如下图展示了 1985～2022 年各种类型专利申请数量分布：

各年各省市区县各类型专利数量如下图所示：

这里需要注意的是，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。

*- 统计每年观测值的数量
cap mkdir "汇总结果"
forval y = 1985/2022 {
 use newpatentdata_coord2/`y'patent_v2_coord.dta, clear
 keep 专利类型 公开公告号
 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

    *- 统计不同类型专利的数量
 contract 专利类型
 gen 年份 = `y'
 save 汇总结果/`y', replace
}

还可以绘图展示各年专利申请人的地址，例如下图展示了 2020 年专利申请人的地址分布（使用 Stata 绘制）：

注意事项

1. 之前分享的 1985～2019 年专利申请数据中，2017 及之后年份的不太全，请谨慎使用。
2. 本次分享的 1985～2022 年专利申请数据中，2021 和 2022 年的不太全，使用时也需要注意。
3. 两份专利数据各有优势。这是因为两份专利数据包含的字段有所差异，例如之前分享的数据中包含主权项等信息，而本次分享的数据中包含授权等信息，因此大家可以根据自己的需要选择使用的数据。之后我们还会将该数据与工企、上市公司等数据进行匹配，感兴趣的小伙伴敬请期待。

地址解析及判断省市区县

经度、纬度是根据申请人地址和申请人名称（如果是企业的话）使用高德地图地理编码和百度地图地理编码接口解析得到的（高德解析不成功的再使用百度解析）。直接解析得到的结果是 GCJ02 坐标，这里我已经转换成了 WGS84 坐标系，可以放心使用。

省、省代码、市、市代码、县、县代码是根据经纬度和 2021 年行政区划数据判断得到。关于如何使用 R 语言或者 Stata 进行地理编码以及根据经纬度判断所处的省市区县，感兴趣的小伙伴可以学习下面两个课程：

• 使用 Stata 进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/537300af1a9947edb758789785c600f3
• 使用 R 语言进行地理编码：地址解析经纬度、坐标转换 & 根据经纬度判断所处的省市区县：https://rstata.duanshu.com/#/brief/course/6f8633b486ed49e398c486d0d9f0f59a

点击这里跳转到 RStata 短书平台获取附件：旧版本｜1985～2022 年专利申请数据（版本2，含申请人地址的经纬度及其所处的省市区县信息）