1985～2024 年各省市区县、各行业、各类型战略新兴专利申请与授权量

2001 字 约 6 分钟 数据资料 专利

今天给大家分享一份 1985～2024 年各省市区县、各行业、各类型战略新兴专利申请与授权量面板数据。

该数据基于之前分享的战略新兴产业专利筛选结果（根据国家知识产权局提供的「战略性新兴产业分类与国际专利分类参照关系表（2021）（试行）」文件筛选得到）进一步汇总处理而成。

1985～2024 年战略新兴产业专利筛选结果：https://rstata.duanshu.com/#/course/e12c056613ba49fb868c6da75277fdf0

原始专利数据使用的是：

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/#/course/2397451274c546d3a36e156ffc865988

处理方法

具体的处理步骤如下：

  1. 读取战略新兴产业专利筛选结果数据，使用 newipzlid 与专利国民经济行业分类数据进行匹配；
  2. 使用 tidytext::unnest_tokens() 将每条专利关联的国民经济行业分类（分号分隔）拆分为多条记录；
  3. 由于不同时期的国民经济行业分类标准不同，通过对照表（对照表.dta）将行业分类统一到 2017 年国家标准（GB/T 4754-2017）；
  4. 将专利类型中的「外观设计」和「发明」以外的其他类型统一归类（例如包含「发明」字样的归类为「发明」）；
  5. 对每条专利按照 newipzlid 去重，然后分别按行业小类、行业中类、行业大类、行业门类四个层级统计各类型专利的申请量和授权量；
  6. 授权量的统计以授权公告日不为空为标准；总申请量 = 发明专利申请量 + 实用新型专利申请量，总授权量 = 发明专利申请并最终被授权量 + 实用新型专利申请并最终被授权量。

行业分类标准参考：

使用 Stata 提取和处理数字经济核心产业分类与国际专利分类参照关系表：https://rstata.duanshu.com/#/course/b2c71978336b4b39b69f05d6537d9d8f

使用 Stata 匹配工商注册信息行业与国民经济行业代码：https://rstata.duanshu.com/#/course/bd1a192a81af45418c0d01ef8ea0c371

数据概览

为了方便大家使用，附件中提供了四个行业分类层级的面板数据和一个行业分类代码表：

  • 1985～2024年各省市区县、各行业门类、各类型战略新兴专利申请与授权量.dta
  • 1985～2024年各省市区县、各行业大类、各类型战略新兴专利申请与授权量.dta
  • 1985～2024年各省市区县、各行业中类、各类型战略新兴专利申请与授权量.dta
  • 1985～2024年各省市区县、各行业小类、各类型战略新兴专利申请与授权量.dta
  • 国民经济行业分类和代码(GB_T4754_2017).dta

数据覆盖全国各省、市、区县，时间范围为 1985～2024 年。每个行业层级的数据均包含如下变量：

  • 省、省代码、市、市代码、县、县代码
  • 年份
  • 行业门类/大类/中类/小类代码（值标签为行业名称）
  • 发明专利申请量、发明专利申请并最终被授权量
  • 实用新型专利申请量、实用新型专利申请并最终被授权量
  • 总专利申请量、总专利申请并最终被授权量

注意：统计专利数量时需去除申请和授权同时存在的重复情况（去除公开公告号中的 A/B/U/S 后缀），该数据已处理完毕。

国民经济行业分类和代码(GB_T4754_2017).dta 文件提供了国民经济行业分类的门类、大类、中类、小类代码与名称对照表，可供参考。

数据预览如下：

图表展示

下图展示了制造业（行业门类 C）战略新兴专利申请量与授权量的年度变化趋势（1985～2024 年）：

下图展示了各行业门类战略新兴专利申请量的占比变化，可以直观地看出制造业占比最大：

下图展示了 2024 年各省制造业战略新兴专利申请量的地理分布情况：

处理代码

附件中也提供了该数据的处理代码供参考：

核心处理代码如下（R 语言）：

library(tidyverse)

*- 读取战略新兴产业专利筛选结果 ID 和全部专利数据
read_csv("战略新兴专利筛选对照表/newipzlid.csv") %>%
  mutate(newipzlid = as.numeric(newipzlid)) -> ipzlid
read_rds("分行业、省市区县统计专利申请与授权数量/全部专利类型、授权公告日、省市区县信息.rds") %>%
  mutate(newipzlid = as.numeric(newipzlid)) %>%
  inner_join(ipzlid) -> df1

*- 读取专利的国民经济行业分类数据
read_csv("分行业、省市区县统计专利申请与授权数量/专利国民经济分类.csv") -> class

class %>%
  select(newipzlid, 国民经济分类) %>%
  tidytext::unnest_tokens(input = "国民经济分类", output = "国民经济分类",
                          to_lower = F, token = stringr::str_split, pattern = ";") -> class2

class2 %>%
  mutate(国民经济分类 = str_remove_all(国民经济分类, "\\s")) -> class2

class2 %>%
  left_join(df1) -> df2

*- 统一行业分类到 2017 标准
haven::read_dta("对照表.dta") -> industrytab

df2 %>%
  inner_join(industrytab) -> df3

df3 %>%
  mutate(专利类型 = if_else(str_detect(专利类型, "发明"), "发明", 专利类型)) -> df3

df3 %>%
  select(-国民经济分类, -行业大类, -行业门类, -行业中类, -行业小类) -> df3

df3 %>%
  distinct(省, 省代码, 市, 市代码, 县, 县代码, newipzlid, 行业小类代码,
           .keep_all = T) -> df4

*- 分行业门类统计申请量与授权量
df4 %>%
  distinct(省, 省代码, 市, 市代码, 县, 县代码, newipzlid, 行业门类代码,
           .keep_all = T) %>%
  count(省, 省代码, 市, 市代码, 县, 县代码, 年份, 行业门类代码, 专利类型) -> countdf1

df4 %>%
  filter(!is.na(授权公告日)) %>%
  distinct(省, 省代码, 市, 市代码, 县, 县代码, newipzlid, 行业门类代码,
           .keep_all = T) %>%
  count(省, 省代码, 市, 市代码, 县, 县代码, 年份, 行业门类代码, 专利类型) -> countdf2

countdf1 %>%
  mutate(专利类型 = paste0(专利类型, "专利申请量")) %>%
  spread(专利类型, n, fill = 0) -> countdf1b

countdf2 %>%
  mutate(专利类型 = paste0(专利类型, "专利申请并最终被授权量")) %>%
  spread(专利类型, n, fill = 0) -> countdf2b

countdf1b %>%
  mutate(总专利申请量 = 发明专利申请量 + 实用新型专利申请量) -> countdf1b

countdf2b %>%
  mutate(总专利申请并最终被授权量 = 发明专利申请并最终被授权量 +
         实用新型专利申请并最终被授权量) -> countdf2b

countdf1b %>%
  left_join(countdf2b) %>%
  mutate(across(contains("授权"), ~if_else(is.na(.x), 0, .x))) -> countdf

countdf %>%
  arrange(省, 省代码, 市, 市代码, 县, 县代码, 年份, 行业门类代码) %>%
  haven::write_dta("1985～2024年各省市区县、各行业门类、各类型战略新兴专利申请与授权量.dta")

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年各省市区县、各行业、各类型战略新兴专利申请与授权量. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: Panel Data on Strategic Emerging Patent Applications and Grants by Province, City, County, Industry, and Type, 1985–2024. 2026. https://tidyfriday.cn/rsdb2/

关联课程/数据推荐

1985～2024 年战略新兴产业专利筛选结果：https://rstata.duanshu.com/#/course/e12c056613ba49fb868c6da75277fdf0

1985～2024 年各省市区县、各IPC部、大类、小类、各类型专利申请与授权量：https://rstata.duanshu.com/#/course/f99176184db141e087ccd4e023517e89

1985～2024 年各省市区县间各类型战略新兴产业相关专利合作数量统计：https://rstata.duanshu.com/#/course/ac527b12ed1f4bb497df473c1c6104f1

1985～2024 年上市公司与战略新兴产业专利数据匹配结果：https://rstata.duanshu.com/#/course/150b4fdad8194867ab659ace522a442f

RStata 定制｜专利数据匹配服务：https://rstata.duanshu.com/#/course/fd3bb2ac5b86425894a9814a02b36ac7

如果有相关需要可以联系李老师付费定制。

点击这里跳转到 RStata 短书平台获取附件：1985～2024 年各省市区县、各行业、各类型战略新兴专利申请与授权量

相关文章

评论