名师讲堂｜使用 Stata 测算各城市技术集群指标

本讲义介绍如何使用 Stata + R 混合方案测算各城市的技术集群指标（技术关联性 link_c 和技术多样性 diver_c），方法参考自冉征等（2025）《技术集群结构与颠覆式创新》一文。

混合方案说明：Stata 处理字符串拆分（特别是变长多值字段）效率远低于 R，因此本方案将 IPC 小类展开步骤交由 R 完成：

步骤	工具	任务
Step 1A	Stata	读取 CSV、去重、保存 patent_merged.csv
Step 1B	R (Rscript)	展开 IPC 小类、保存 patent_ipc.csv
Step 2+	Stata	读取 patent_ipc.csv，计算 RTCA / diver_c / link_c

核心技术联系矩阵 phi_matrix.dta 由 R 语言版本的课程提供（phi_matrix.rds → phi_matrix.dta），在 Stata 中通过 use 命令直接读取使用，无需重新计算。

重要提示：Stata 不直接读取 .rds 文件，附件中已使用 R 将 phi_matrix.rds 转换为 phi_matrix.dta。转换代码：

library(haven)
phi <- readRDS("phi_matrix.rds")
write_dta(phi, "phi_matrix.dta", version = 14)

---

一、指标来源与计算原理

1.1 显性技术比较优势（RTCA）

1.2 技术多样性（diver_c）

1.3 技术关联性（link_c）

二、数据读取与预处理

以下代码对应 计算技术关联性与多样性.do 脚本，以 2010–2012 年为例演示完整计算过程。运行前需设置工作目录，并确保系统已安装 R（供 shell 命令调用 Rscript）：

*- ── 设置工作目录 ──
cd "/Users/ac/Desktop/使用 Stata 测算各城市技术集群指标"

*- ── 路径参数 ──
local DATA_DIR "newIP专利数据分年_csv"
local PHI_DTA  "phi_matrix.dta"
local OUT_DIR  "output"
local TMP_DIR  "output/中间数据"

capture mkdir "`OUT_DIR'"
capture mkdir "`TMP_DIR'"

2.1 Step 1：读取并去重专利数据

关键命令说明：

• import delimited：读取 CSV 文件，stringcols(_all) 将所有列读为字符串（避免科学计数法）
• duplicates drop：按指定键去重
• ustrregexra()：Unicode 正则替换，等价于 R 的 str_replace_all()

*- ── 读取 2010 年数据 ──
import delimited using "`DATA_DIR'/2010.csv", ///
    clear bindquotes(strict) maxquotedrows(unlimited) ///
    stringcols(_all) varnames(1)

*- 只保留需要的列
keep newipzlid 年份 公开公告号 申请号 IPC 市代码 市 省代码 省

*- ── 清洗公开公告号（去末尾字母）──
*- 等价于 R 的：dt[, 公开公告号_clean := str_replace_all(公开公告号, "[A-Za-z]+$", "")]
gen 公开公告号_clean = ustrregexra(公开公告号, "[A-Za-z]+$", "")

*- ── 去重 Step1：按 市代码 + 年份 + 公开公告号_clean ──
duplicates drop 市代码 年份 公开公告号_clean, force

*- ── 去重 Step2：按 市代码 + 年份 + 申请号 ──
duplicates drop 市代码 年份 申请号, force

*- 保存去重后的逐年数据到中间数据文件夹
save "`TMP_DIR'/patent_2010.dta", replace

去重规则说明：

1. 先清洗公开公告号末尾的字母（如 CN12345A → CN12345）
2. 按「市代码 + 年份 + 公开公告号_clean」去重
3. 再按「市代码 + 年份 + 申请号」去重

2.2 Step 1B（R）：展开 IPC 小类

Stata 的 split + reshape long 处理字符串效率较低，对于数十万条含多值 IPC 的专利记录尤为明显。因此本方案在 Stata 内通过 shell 命令调用 Rscript，将 IPC 展开工作交给 R 完成，再将结果写回为 patent_ipc.dta 供 Stata 继续处理。

Stata 调用方式（.do 文件中的核心逻辑）：

这个需要根据自己的电脑选择方式运行，这里仅展示我的电脑上运行的方式，或者也可以直接打开 R 语言或者 RStudio 运行这个 R 脚本。

*- 直接调用项目根目录下的独立 R 脚本
shell /usr/local/bin/Rscript expand_ipc.R

*- 检查输出文件是否生成
capture confirm file "`TMP_DIR'/patent_ipc.csv"
if _rc != 0 {
    di as error "错误：R 未能生成 patent_ipc.csv"
    exit 1
}

独立 R 脚本 expand_ipc.R（位于项目根目录，可直接运行和修改）：

此处代码需下载讲义材料查看～

关键命令对照表（IPC 展开）：

语言	方法	耗时（参考）
R（本方案）	str_split() + data.table 展开	快，~30秒
Stata（原生方案）	split + reshape long	慢，数分钟

---

三、技术联系矩阵与指标计算

3.1 Step 2：读取技术联系矩阵 Φ

use "`PHI_DTA'", clear
describe
summ phi

*- 保存到中间数据文件夹
save "`TMP_DIR'/phi_data.dta", replace

重要说明：phi_matrix.dta 由 R 语言版本课程提供的 phi_matrix.rds 转换而来，使用 1985–2022 全样本专利引用关系构建。

3.2 Step 3：逐年计算 RTCA、diver_c、link_c

Step 1B 结束后，先一次性将 patent_ipc.csv 按年份拆分存为逐年 dta，循环里直接 use（避免每年重复 import 全量 283 万行 CSV）：

import delimited using "`TMP_DIR'/patent_ipc.csv", clear stringcols(_all) varnames(1)
foreach yr in 2010 2011 2012 {
    preserve
    keep if 年份 == "`yr'"
    save "`TMP_DIR'/patent_ipc_`yr'.dta", replace
    restore
}

*- ── 以 2010 年为例 ──
*- 此处代码需下载讲义材料查看～

*- 城市内所有 (ipc_citing, ipc_cited) 对的交叉产品
*- 此处代码需下载讲义材料查看～

3.3 Step 4：汇总输出

*- 合并历年结果（从中间数据文件夹读取）
clear
foreach yr in 2010 2011 2012 {
    if "`yr'" == "2010" {
        use "`TMP_DIR'/result_`yr'.dta", clear
    }
    else {
        append using "`TMP_DIR'/result_`yr'.dta"
    }
}

*- 整理列顺序并排序
order 年份 省代码 省 市代码 市 diver_c link_c
sort 年份 市代码

*- 保存最终结果
save "`OUT_DIR'/city_tech_cluster_2010_2012.dta", replace

*- 各年描述统计
bysort 年份: summarize diver_c link_c

点击这里跳转到 RStata 短书平台获取附件：名师讲堂｜使用 Stata 测算各城市技术集群指标