名师讲堂｜使用 Stata 测算上市公司专利技术集中度、搜索广度、搜索深度及知识整合能力

今天给大家分享使用 Stata 测算企业专利技术集中度（TS）、搜索广度（SB）、搜索深度（SD）及知识整合能力（KIC）的方法。该方法参考自王海花等（2026）《专精特新企业技术专业化与关键核心技术突破》。

附件中提供了该参考文献的 PDF 文件，感兴趣的小伙伴可以阅读原文。

指标来源与计算原理

这四个指标均基于发明专利计算（不含实用新型和外观设计），并采用 5 年滚动窗口[t−4,t] 构建企业知识库。也就是说，对于观测年份 t，回溯 t−4 至 t 年共 5 年的专利数据进行计算。

技术集中度（TS — Technological Specialization）

技术集中度衡量的是企业技术活动的专业化 vs 多元化程度。核心思想是：如果企业的发明专利高度集中在少数 IPC 技术领域，说明技术专业化程度高；如果分散在众多不同领域，说明技术多元化。

计算分为两步：

搜索广度（SB — Search Breadth）

搜索广度衡量企业对新知识探索的程度。核心思想是：如果企业当年引用的专利中大部分是”新发现”的知识（之前没有引用过的），说明企业正在广泛搜索新知识领域。

其中：

• total_citationsit：企业 i 在第 t 年引用的所有专利总数
• new_citationsit：企业 i 在 t 年引用的、不在近 5 年知识库中的专利数量
• 知识库定义：企业在 [t−4,t−1] 期间（不含当年）已经引用过的所有被引专利的集合

SB 值越大（越接近 1），说明企业正在广泛搜索新知识领域。

搜索深度（SD — Search Depth）

搜索深度衡量企业在已有知识领域中的深化程度。核心思想是：如果企业对同一批专利反复引用，说明企业在特定知识领域持续深耕。

其中，分子是近 5 年窗口 [t−4,t] 内所有被引专利的重复引用次数之总和。

SD 值越大，说明企业对特定知识的挖掘越深入。SB 和 SD 是一对互补指标：SB 衡量”横向拓展”（广度），SD 衡量”纵向深化”（深度）。

知识整合能力（KIC — Knowledge Integration Capability）

知识整合能力反映企业融合多学科知识、进行交叉创新的能力。度量方式为：5 年窗口内，企业涉及的不同 IPC 前 4 位技术类别的去重计数。

KIC 值越大，说明企业跨越了更多不同的技术领域进行创新，跨领域知识整合能力越强。

四个指标对照

指标	英文	公式核心	值越大意味着	数据基础
技术集中度	TS	σ(Pro) / μ(Pro)	技术越分散	IPC 分类号
搜索广度	SB	new_cit / total_cit	探索越广泛	引证专利
搜索深度	SD	Σrep / total_cit	挖掘越深入	引证专利
知识整合能力	KIC	count_distinct(IPC4)	跨领域整合越强	IPC 分类号

数据准备

本课程使用的演示数据为 2010～2012 年上市公司与专利数据匹配结果（3 年共约 30 万行），其中包含：

• 上市公司与专利数据匹配结果：包含专利的 IPC 分类号、引证专利等字段
• 专利引用与被引用信息：用于 SB 和 SD 的计算

这两个数据可以从下面获取：

1985～2024 年上市公司与专利数据匹配结果（版本3， 含申请、授权信息）：https://rstata.duanshu.com/#/brief/course/04100321f88b411f90429be934934bff

1985～2024 的专利引用与被引用信息及次数统计：https://rstata.duanshu.com/#/brief/course/de4968acb01047b3801c200e9cf7ed41

首先读取数据，并进行变量重命名：

clear all
set more off
set maxvar 10000

use "2010~2012年上市公司与专利数据匹配结果.dta", clear

*- 重命名7个关键列（中文 → 英文）
rename 股票代码 stk_cd
rename 申请号   app_no
rename 专利类型 pat_type
rename IPC       ipc_raw
rename 年份     year
rename 公开公告号 pub_no
rename 引证专利 cit_pat

*- 只保留需要的列
keep stk_cd app_no pat_type ipc_raw year pub_no cit_pat

数据清洗与去重

专利数据中可能存在重复记录，需要在每家公司内部（企业层面）分别去重。这是因为存在多个公司共同申请同一专利的情况——例如公司 A 和公司 B 联合申请了一项专利，在匹配结果中会分别产生两条记录（同一专利号对应不同公司）。如果跨公司全局去重，会错误地删除其他公司共同申请的专利记录。

因此去重必须加入公司标识符（stk_cd），分两轮执行：

1. 第一轮：按 stk_cd + year + pub_no_clean 去重
2. 第二轮：按 stk_cd + year + app_no 去重

*- Step1: 公开公告号去掉末尾字母（如 CN101862134A → CN101862134）
replace pub_no = ustrregexs(1) if ustrregexm(pub_no, "(.*)[A-Za-z]$")

*- Step2: 股票代码+年份+公开公告号 去重（企业层面）
duplicates drop stk_cd year pub_no, force

*- Step3: 股票代码+年份+申请号 去重（企业层面）
duplicates drop stk_cd year app_no, force

*- Step4: 筛选发明专利（TS/SB/SD/KIC 均只用发明专利）
keep if ustrregexm(pat_type, "发明")

*- 展开 IPC 字段（分号分隔的多个 IPC 分类号）并提取前4位
*- IPC 字段为分号分隔的多个 IPC 分类号，一个专利可能属于多个 IPC 分类
replace ipc_raw = ustrregexra(ipc_raw, "\s*;\s*", ";")
replace ipc_raw = ustrtrim(ipc_raw)

*- 清洗：去掉IPC子分类部分（如 G06F 3/00 → G06F）
replace ipc_raw = ustrregexra(ipc_raw, "/.*", "")

split ipc_raw, parse(";") gen(ip_)
reshape long ip_, i(stk_cd year app_no) j(ipidx)
drop if missing(ip_) | ip_ == "" | ip_ == "NA"
drop ipc_raw ipidx
rename ip_ ipc
gen ipc4 = ustrleft(ipc, 4)
drop ipc

*- 确保年份为整数
destring year, replace force

compress
save "inv_deduped.dta", replace

技术集中度（TS）的计算

对于每家企业的每个观测年 t，使用 [t−4,t] 窗口内的发明专利计算变异系数。Stata 中没有现成的滚动窗口函数，需要通过 joinby 将每条专利记录与企业所有观测年配对，再筛选窗口内的数据：

use "inv_deduped.dta", clear
keep stk_cd year ipc4

*- R 的 count(ipc4) 把 NA 也当作一个类别计数，Stata 中空字符串等价
replace ipc4 = "__NA__" if ipc4 == "" | ipc4 == "NA"

rename year patent_year
gen one = 1

*- 构建企业-观测年列表
preserve
keep stk_cd patent_year
duplicates drop
rename patent_year obs_year
keep stk_cd obs_year
gen one = 1
tempfile obs_years
save `obs_years'
restore

*- 此处代码需下载讲义材料查看～

上述代码中，joinby 的作用是将每条专利记录与企业所有观测年交叉配对，然后通过 keep if patent_year >= obs_year - 4 筛选出 5 年窗口内的专利。collapse (count) 按观测年和 IPC4 统计各小类专利数，再计算占比和变异系数。注意 Stata 的 egen sd 对只有一个类别的企业会返回缺失值而非 0，需要额外修正。

搜索广度（SB）的计算

搜索广度的计算需要用到引证专利字段（即企业专利引用了哪些在先专利）。该字段通常是以分号分隔的字符串，需要先展开为逐条记录：

use "inv_deduped.dta", clear

*- 只保留有引证专利的记录
keep if cit_pat != "NA" & cit_pat != "" & !missing(cit_pat)
keep stk_cd year app_no cit_pat

*- 展开引证专利：split by ";"
replace cit_pat = ustrregexra(cit_pat, "\s*;\s*", ";")
replace cit_pat = ustrtrim(cit_pat)

split cit_pat, parse(";") gen(cp_)

reshape long cp_, i(stk_cd year app_no) j(cidx)
drop if missing(cp_) | cp_ == "" | cp_ == "NA"
drop cidx
rename cp_ cited_patent
replace cited_patent = ustrtrim(cited_patent)
drop if cited_patent == "" | cited_patent == "NA"

compress
save "cite_long.dta", replace

展开后，对每家企业构建 5 年滚动知识库，判断当年引用是否为”新知识”：

use "cite_long.dta", clear

*- 此处代码需下载讲义材料查看～

sort stk_cd year
save "sb_panel.dta", replace

注意知识库的窗口范围是 [t−4,t−1]（不含当年），这是为了确保”新知识”的判定有意义——只有当年引用的专利不在过去 5 年的引用库中时，才被认为是新的知识探索。rangestat 命令的 interval(year -4 -1) 正是实现了这一窗口设定。

搜索深度（SD）的计算

搜索深度考察的是企业在 5 年窗口内对被引专利的重复引用程度。SD 的分母与 SB 相同（当年总引用数），分子是近 5 年内所有被引专利的重复引用次数之总和：

use "cite_long.dta", clear

*- 此处代码需下载讲义材料查看～

SD 的计算逻辑是：用 rangestat 计算 5 年窗口 [t−4,t] 内该企业的总引用次数（分子），除以当年的引用次数（分母）。例如，某企业在 5 年内引用了同一批专利多次，那么窗口内总引用数会远大于当年引用数，SD 值较大，说明企业对特定知识的挖掘越深入。

知识整合能力（KIC）的计算

KIC 的计算最为简洁，直接统计 5 年窗口内企业涉及的不重复 IPC 前 4 位类别数。与 TS 的区别在于：TS 反映的是专利数量在各技术领域的分布均衡性（变异系数），而 KIC 反映的是企业跨越的绝对技术领域数量（去重计数）。

use "inv_deduped.dta", clear
keep stk_cd year ipc4

preserve
keep stk_cd year
duplicates drop
rename year obs_year
gen one = 1
tempfile kic_obs_years
save `kic_obs_years'
restore

*- 此处代码需下载讲义材料查看～

合并面板数据

将四个指标按企业-年度进行合并：

use "ts_panel.dta", clear

*- 合并 SB
merge 1:1 stk_cd year using "sb_panel.dta", nogen keep(master match)

*- 合并 SD
merge 1:1 stk_cd year using "sd_panel.dta", nogen keep(master match)

*- 合并 KIC
merge 1:1 stk_cd year using "kic_panel.dta", nogen keep(master match)

*- KIC 缺失值替换为0
replace kic = 0 if missing(kic)

sort stk_cd year

*- 变量标签
label data "数据处理：微信公众号 RStata"
label var stk_cd    "股票代码"
label var year      "年份"
label var ts        "技术集中度(变异系数)"
label var n_patents "5年窗口发明专利数"
label var sb        "搜索广度"
label var total_cit "当年总引用次数"
label var new_cit   "新知识引用次数"
label var sd        "搜索深度"
label var kic       "知识整合能力(IPC类别数)"

save "firm_indicators_panel_stata.dta", replace

输出的面板数据包含以下变量：

变量	含义
stk_cd	股票代码
year	年份
ts	技术集中度（变异系数，越大越分散）
n_patents	5年窗口内的发明专利数
sb	搜索广度（0～1，越大探索新知识越多）
total_cit	当年总引用次数
new_cit	新知识引用次数
sd	搜索深度（越大利用已有知识越深）
kic	知识整合能力（涉及的 IPC4 类别数）

如果需要全部数据，使用全部年份的上市公司专利数据及专利引用信息数据即可计算。

关联数据推荐

1985～2024 年上市公司与专利数据匹配结果（版本3， 含申请、授权信息）：https://rstata.duanshu.com/#/brief/course/04100321f88b411f90429be934934bff

1985～2024 的专利引用与被引用信息及次数统计：https://rstata.duanshu.com/#/brief/course/de4968acb01047b3801c200e9cf7ed41

点击这里跳转到 RStata 短书平台获取附件：名师讲堂｜使用 Stata 测算上市公司专利技术集中度、搜索广度、搜索深度及知识整合能力