草莓科研服务网——中国专业社科交流平台

 找回密码
 立即注册
建议用户用微信快捷登录

快捷登录

查看: 2569|回复: 7

2025-2000年上市公司企业颠覆性技术创新数据、颠覆性创新SBERT模型数据(专利网络构建)

[复制链接]
发表于 2025-8-13 10:47:02 | 显示全部楼层 |阅读模式
1.资料名称:2025-2000年上市公司企业颠覆性技术创新数据
2.测算方式:参考顶刊《中国工业经济》黄先海(2024)老师的做法,本文的核心被解释变量是企业层面的颠覆性技术创新水平。相较于现有研究大多单独考虑突破性或重要影响力单一维度来测算颠覆性技术创新,本文综合了专利网络“双向性”特征,并利用SBERT模型①测算,主要通过突破性技术创新识别与重要影响力技术创新识别两个维度,共同估计企业颠覆性技术创新水平。主要思路如下:基于专利的引用与被引用信息构建专利网络,将每一项专利作为独立的技术节点,并分别从该节点的前向和后向考察该细分技术路径上的技术演进趋势。参考Funk and Owen-Smith (2017),构建细分技术路径上的专利网络:N =(Pb,Pn,Pf),其中,Pb、Pn和 Pf分别表示专利网络中的后向专利、中心专利和前向专利的集合。基于前向专利的视角,本文将颠覆性技术创新节点定义为在现有技术Pf存在突破性的中心专利PInno;基于后向专利的视角,本文将颠覆性技术创新节点定义为在该技术路径上具有较高影响力的中心专利PImpact。本文最终选取前后双向视角下的交集,构成本文测算的颠覆性技术创新节点Pdt。图1展示了本文分别从突破性专利节点与高影响专利节点两个维度识别企业颠覆性技术创新专利的具体路线。

本文进一步按照企业—年份加总,得到样本期内上市企业每年实现的颠覆性技术创新数量,并以此为基础,构建DT_Dummy(企业当年是否有颠覆性技术创新)以及DT(当年颠覆性技术创新的自然对数)两个变量,作为本文的被解释变量。

具体做法如下图图片文献所示

3.资料范围:

7万多个样本,4800多家企业具体数据分布情况如下方描述性统计。
包括原始数据、计算代码(真实代码,可以向期刊公布,可以复现和做重复实验)、完整的复现说明(教大家一步步复现,做法过程全部公开,无数据黑箱,并且对复现过程常见问题做了解答)及最终结果,大家可以验证一下确保准确性!

SBERT模型这种大语言真实跑出来是非常复杂的,跑了一个多星期,大家可以试一下,资料是课题组自用,确保真实做出来的

4.参考文献:

黄先海,孙涌铭,陈梦涛.企业数字化转型与颠覆性技术创新——来自专利网络与SBERT模型的微观证据[J].中国工业经济,2024,(10):137-154.DOI:10.19581/j.cnki.ciejournal.2024.10.008.

此数据为科研课题组自用数据,根据真实的上市公司专利名称及专利引用一步步做出来的,非仅仅只有一堆文件胡编乱造(根据参考文献瞎编结果根本就没有研究价值,不能反映真正的技术溢出水平,实证围绕着错的结果根本就毫无意义浪费大家时间),真正的原创一手认真整理数据,数据处理较为复杂大家可以自行试试。

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号? 建议用 立即注册

x
发表于 2025-8-14 18:59:26 | 显示全部楼层
楼主的资料挺全的,谢谢分享
回复

使用道具 举报

发表于 2025-10-9 05:42:21 | 显示全部楼层
已买,期待后续更新
回复

使用道具 举报

发表于 2025-10-9 11:00:43 | 显示全部楼层
楼主的资料挺全的,谢谢分享
回复

使用道具 举报

发表于 2025-10-9 16:06:09 | 显示全部楼层
楼主的资料真的很不错,谢谢
回复

使用道具 举报

发表于 2025-10-10 09:45:53 | 显示全部楼层
已买,感谢分享
回复

使用道具 举报

发表于 2025-10-11 05:13:32 | 显示全部楼层
楼主的资料真的很不错,谢谢
回复

使用道具 举报

发表于 2026-1-8 16:38:33 | 显示全部楼层
提示: 该帖被管理员或版主屏蔽
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册 建议用 立即注册

本版积分规则

回帖奖励

[详情]

  • * 每天自己主题被回复3次可获得额外5论坛币奖励。
  • * 每天回复他人主题5次可获得额外8论坛币的奖励。
  • * 奖励每天都可领取,一定要多参与论坛讨论哦。
  • * 同一主题的重复回复不计。
  • 草莓科研服务网——中国专业社科交流平台 ( 津ICP备2023000499号 )|网站地图

    GMT+8, 2026-7-23 14:53 , Processed in 0.152044 second(s), 65 queries .

    Copyright © caomeikeyan

    快速回复 返回顶部 返回列表