继续上次的内容，今天我们再来学习如何基于真实专利数据分城市、产业计算数实融合水平。
分城市
由于需要分城市，所以在保留变量的时候需要保留城市变量：
library(tidyverse)
library(haven)
read_csv("patent_small/2012.csv") %>%
filter(str_detect(IPC, ";")) %>%
filter(!is.na(市)) %>%
select(newipzlid, IPC, 市) %>%
mutate(
IPC = str_replace_all(IPC, " ", ""),
ipc_list = str_split(IPC, ";"),
ipc = map_chr(ipc_list, ~ paste(head(.x, 10), collapse = ";"))
) %>%
select(newipzlid, ipc, city = 市) -> patent_data
patent_data
|
#> # A tibble: 466,842 × 3
#> newipzlid ipc city
#> <dbl> <chr> <chr>
#> 1 20120555529 G01C21/02;G01S19/00 上海市
#> 2 20120555530 G05B19/04;F42B15/01 上海市
#> 3 20121507067 G02B5/30;G03F7/20 上海市
#> 4 20120132658 B65B21/24;B65B53/02 上海市
#> 5 20121006311 H01J31/04;H01J29/52 上海市
#> 6 20120062954 F21L4/00;F21V21/06 上海市
#> 7 20121678429 H04L29/06;H04L12/40 上海市
#> 8 20121682445 G01S7/481;G01S17/89 上海市
#> 9 20120841479 H01H9/02;H01H45/02;H01H85/20 上海市
#> 10 20120079275 H02M1/00;H05K7/20 上海市
#> # ℹ 466,832 more rows
|
write_dta(patent_data, "ipcdata.dta")
|
然后就可以分城市计算了：
ipc_city <- patent_data %>%
count(city, ipc, name = "freq")
ipc_city %>%
group_by(city) %>%
mutate(id = row_number()) %>%
ungroup() %>%
mutate(ipc_list = str_split(ipc, ";")) %>%
unnest(ipc_list) %>%
select(-ipc) %>%
group_by(city, id) %>%
summarize(
ipc1 = list(ipc_list),
ipc2 = list(ipc_list),
freq = first(freq)
) %>%
mutate(
combinations = map2(ipc1, ipc2, ~ crossing(ipc1 = .x, ipc2 = .y))
) %>%
select(-ipc1, -ipc2, -id) %>%
unnest(combinations) %>%
ungroup() %>%
filter(ipc1 != ipc2) %>%
group_by(city, ipc1, ipc2) %>%
summarize(value = sum(freq), .groups = "drop") -> ipc_matrix_city
ipc_matrix_city
|
#> # A tibble: 2,389,994 × 4
#> city ipc1 ipc2 value
#> <chr> <chr> <chr> <int>
#> 1 七台河市 A01C5/06 A01C7/06 1
#> 2 七台河市 A01C5/06 A01C7/20 1
#> 3 七台河市 A01C5/06 A01G25/09 1
#> 4 七台河市 A01C7/06 A01C5/06 1
#> 5 七台河市 A01C7/06 A01C7/20 1
#> 6 七台河市 A01C7/20 A01C5/06 1
#> 7 七台河市 A01C7/20 A01C7/06 1
#> 8 七台河市 A01D41/12 A01F12/22 1
#> 9 七台河市 A01F11/06 A01F12/18 1
#> 10 七台河市 A01F11/06 A01F12/44 1
#> # ℹ 2,389,984 more rows
|
write_dta(ipc_matrix_city, "ipcmat.dta")
|
后面的代码和前面的基本一样，就是分组的时候记得加上 city 的：
industry_reference <- read_dta("专利数据与行业小类代码简易对照表.dta")
industry_classification <- read_dta("产业数实分类.dta")
ipc_matrix_city %>%
rename(uniq_ipc = ipc1) %>%
left_join(industry_reference, by = "uniq_ipc") %>%
rename(industry1 = 国民经济行业代码) %>%
select(-uniq_ipc) %>%
rename(uniq_ipc = ipc2) %>%
left_join(industry_reference, by = "uniq_ipc") %>%
rename(industry2 = 国民经济行业代码) %>%
select(-uniq_ipc) %>%
filter(!is.na(industry1) & !is.na(industry2)) %>%
mutate(value = ifelse(industry1 == industry2, 0, value)) %>%
group_by(city, industry1, industry2) %>%
summarize(value = sum(value), .groups = "drop") %>%
filter(!is.na(industry1) & !is.na(industry2)) -> industry_matrix_city
industry_matrix_city
|
#> # A tibble: 5,294,894 × 4
#> city industry1 industry2 value
#> <chr> <chr> <chr> <dbl>
#> 1 七台河市 A0111 C3572 1
#> 2 七台河市 A0112 C3572 1
#> 3 七台河市 A0113 C3572 1
#> 4 七台河市 A0119 C3572 1
#> 5 七台河市 A0121 C3572 1
#> 6 七台河市 A0122 C3572 1
#> 7 七台河市 A0123 C3572 1
#> 8 七台河市 A0131 C3572 1
#> 9 七台河市 A0132 C3572 1
#> 10 七台河市 A0133 C3572 1
#> # ℹ 5,294,884 more rows
|
write_dta(industry_matrix_city, "industrymat.dta")
|
计算分城市数实融合：
# 此处代码需下载讲义材料查看～
fusion_city
|
#> # A tibble: 349 × 4
#> city 实实融合 数实融合 数数融合
#> <chr> <dbl> <dbl> <dbl>
#> 1 深圳市 10.5 37.4 594.
#> 2 北京市 16.5 30.0 554.
#> 3 上海市 17.7 17.5 257.
#> 4 台湾省 4.94 15.2 210.
#> 5 苏州市 19.7 12.2 107.
#> 6 杭州市 8.04 8.49 119.
#> 7 日喀则市 5.06 8.25 NA
#> 8 东莞市 4.98 5.48 58.5
#> 9 成都市 4.24 5.27 69.8
#> 10 玉树藏族自治州 11.5 5.07 NA
#> # ℹ 339 more rows
|
# 显示分城市结果
print(fusion_city, n = 10)
|
#> # A tibble: 349 × 4
#> city 实实融合 数实融合 数数融合
#> <chr> <dbl> <dbl> <dbl>
#> 1 深圳市 10.5 37.4 594.
#> 2 北京市 16.5 30.0 554.
#> 3 上海市 17.7 17.5 257.
#> 4 台湾省 4.94 15.2 210.
#> 5 苏州市 19.7 12.2 107.
#> 6 杭州市 8.04 8.49 119.
#> 7 日喀则市 5.06 8.25 NA
#> 8 东莞市 4.98 5.48 58.5
#> 9 成都市 4.24 5.27 69.8
#> 10 玉树藏族自治州 11.5 5.07 NA
#> # ℹ 339 more rows
|
分行业计算数实融合
分行业就不需要重新构造 IPC 融合矩阵了，而是直接在分行业计算那里替换上更细致的行业分类：
read_dta("国民经济分类与IPC分类号对照表.dta") %>%
select(国民经济行业代码) %>%
distinct() %>%
mutate(industry2 = str_sub(国民经济行业代码, 2, -1)) %>%
left_join(read_dta("数字经济核心产业.dta"), by = "industry2") %>%
left_join(read_dta("实体产业分类.dta"), by = "国民经济行业代码") %>%
select(国民经济行业代码, 数字经济产业, 实体产业) %>%
mutate(class = as.numeric(!is.na(数字经济产业))) %>%
mutate(
类别 = ifelse(!is.na(数字经济产业), "数字经济产业", 实体产业)
) %>%
select(国民经济行业代码, 类别) %>%
distinct() -> industry_classification2
industry_classification2
|
#> # A tibble: 821 × 2
#> 国民经济行业代码 类别
#> <chr> <chr>
#> 1 A0111 农业
#> 2 A0112 农业
#> 3 A0113 农业
#> 4 A0119 农业
#> 5 A0121 农业
#> 6 A0122 农业
#> 7 A0123 农业
#> 8 A0131 农业
#> 9 A0132 农业
#> 10 A0133 农业
#> # ℹ 811 more rows
|
write_dta(industry_classification2, "产业数实分类2.dta")
|
然后计算：
这样就实现了分产业的计算。
点击这里跳转到 RStata 短书平台获取附件：名师讲堂｜使用 R 语言测算数实融合水平（三）：分城市、产业计算数实融合
评论