My blog Practice makes perfect
文献集锦
如何理论创新？
管理学理论集锦
Python实际应用
聚类标准误与固定效应
巫师3：狂猎
读懂专利
Stata应用技巧
Python知识与技巧
回归系数的经济意义
双重差分法（DID）
创新文献阅读与摘要
计量经济学
Python绘图相关
遗漏变量偏误检验
基于专利计算的创新指标
技术相似度 (Technology Closeness or Similarity)
1. 概念定义
1.1 技术相似度（Technology Similarity）
技术相似度是衡量企业在不同时间点技术领域重叠程度的指标。如果企业在相邻年份的专利主要集中在相同的技术领域，则技术相似度高；如果企业进入新的技术领域，则技术相似度降低。该指标也可用于衡量不同企业之间的技术相似或接近程度。
1.2 技术领域向量
将企业的专利技术领域表示为多维向量：
- 维度：每个IPC小类代表一个维度
- 值：该维度上企业专利的数量占比
2. 算法原理
2.1 核心理念
本方法采用余弦相似度（Cosine Similarity） 来衡量两个技术向量的相似程度。
2.2 数学公式
第一步：计算IPC占比
对于公司 、年份 、IPC小类 ：
其中：
- ：公司 在年份 属于IPC小类 的专利数量
- ：公司 在年份 的专利总数
第二步：构建技术领域向量
其中 是所有IPC小类的数量。
第三步：计算余弦相似度
展开为：
2.3 相似度取值范围
值 | 含义 |
1 | 技术领域完全相同 |
0 | 技术领域完全不同 |
0~1之间 | 技术领域部分重叠 |
3. IPC分类颗粒度
本代码支持2种IPC分类粒度，位数越多，技术分类越精细，以满足不同研究需求：
分类号等级 | 说明 | 应用场景 |
大类 class | 每件专利的主IPC分类，取前3位 | 较粗粒度 |
小类 subclass | 每件专利的主IPC分类，取前4位 | 标准粒度 |
4. 时间窗口类型
本代码支持两种时间窗口，每种包含3个lag值：
4.1 Lag类型（单一年份比较）
Lag | 比较对象 | 含义 |
lag=1 | 第t年 vs 最近第1个有专利年份 | 与最近1年比较 |
lag=2 | 第t年 vs 最近第2个有专利年份 | 与最近第2年比较 |
lag=3 | 第t年 vs 最近第3个有专利年份 | 与最近第3年比较 |
不连续年份处理：如果某公司专利年份不连续（如2015、2017、2020），lag=1会找最近有专利的年份进行比较，而非简单的year-1。
4.2 Up_to_T类型（累计窗口比较）
类型 | 比较对象 | 含义 |
up_to_t1 | 第t年 vs 从首次到倒数第t-1年的累计平均 | 与累计历史比较 |
不连续年份处理：累计窗口基于公司实际有专利的年份计算，不要求年份连续。
Up_to_T计算公式
其中 是从公司首次有专利到第t-1个有专利年份的平均IPC占比向量。
4.3 时间窗口对比图示
5. 计算示例
5.1 IPC占比计算示例
假设公司A在2023年有5件专利：
专利 | IPC |
专利1 | A01B |
专利2 | A01B |
专利3 | G06F |
专利4 | G06F |
专利5 | H04L |
IPC前4位统计：
- A01B: 2件 → 占比 2/5 = 0.4
- G06F: 2件 → 占比 2/5 = 0.4
- H04L: 1件 → 占比 1/5 = 0.2
主IPC前3位统计：
- A01: 2件 → 占比 2/5 = 0.4
- G06: 2件 → 占比 2/5 = 0.4
- H04: 1件 → 占比 1/5 = 0.2
5.2 Lag相似度计算示例
假设公司A在2022年和2023年的IPC前4位占比如下：
IPC小类 | 2022年占比 | 2023年占比 |
A01B | 0.5 | 0.4 |
G06F | 0.0 | 0.4 |
H04L | 0.5 | 0.2 |
计算过程（lag=1）：
5.3 Up_to_T相似度计算示例
假设公司A从2015年开始有专利：
年份 | A01B占比 | G06F占比 | H04L占比 |
2015 | 0.6 | 0.2 | 0.2 |
2016 | 0.5 | 0.3 | 0.2 |
2017 | 0.4 | 0.4 | 0.2 |
2018 | 0.3 | 0.5 | 0.2 |
2019 | 0.4 | 0.4 | 0.2 |
2020 | 0.3 | 0.5 | 0.2 |
2021 | 0.3 | 0.5 | 0.2 |
2022 | 0.5 | 0.3 | 0.2 |
2023 | 0.4 | 0.4 | 0.2 |
计算 up_to_t1（2023年 vs 2015-2022年累计）：
- 累计平均占比 = (0.6+0.5+0.4+0.3+0.4+0.3+0.3+0.5)/8 = 3.3/8 ≈ 0.413 (A01B) = (0.2+0.3+0.4+0.5+0.4+0.5+0.5+0.3)/8 = 3.1/8 ≈ 0.388 (G06F) = (0.2+0.2+0.2+0.2+0.2+0.2+0.2+0.2)/8 = 1.6/8 = 0.2 (H04L)
- 2023年占比 = (0.4, 0.4, 0.2)
6. 输出结果说明
6.1 输出字段（共16个指标）
字段名说明股票代码上市公司股票代码年份专利年份
IPC3指标（主IPC前3位）：
字段名说明TechSim_MainIPC3_lag1IPC前3位，与前1年比较TechSim_MainIPC3_lag2IPC前3位，与前2年比较TechSim_MainIPC3_lag3IPC前3位，与前3年比较TechSim_MainIPC3_upToT1IPC前3位，与历史上到T-1年累计比较
IPC4指标（主IPC前4位）：
字段名说明TechSim_MainIPC4_lag1IPC前4位，与前1年比较TechSim_MainIPC4_lag2IPC前4位，与前2年比较TechSim_MainIPC4_lag3IPC前4位，与前3年比较TechSim_MainIPC4_upToT1IPC前4位，与历史上到T-1年累计比较
7. 代码使用说明
7.1 环境要求
7.2 配置数据路径
在代码中修改以下路径：
7.3 运行代码
7.4 运行时间
- 数据量约270万条上市公司专利记录
- 预计运行时间：30-60分钟（取决于硬件配置）
- 使用分块读取以处理大型CSV文件
参考文献
- Byun, S.K., Oh, J.-M., Xia, H. (2021) Incremental vs. Breakthrough Innovation: The Role of Technology Spillovers. Management Science, 67, 1779–1802. https://doi.org/10.1287/mnsc.2019.3507
- Tong, T.W., He, W., Chen, L., He, Z., Lu, J. (2026) Patent regime shift and firm innovation strategy: Evidence from the Second Amendment to China’s Patent Law. Strategic Management Journal, Mar. 2026, smj.70074. https://doi.org/10.1002/smj.70074
- 沈坤荣, 林剑威, 傅元海 (2023) 网络基础设施建设、信息可得性与企业创新边界. 中国工业经济, no.1, 57–75. https://doi.org/10.19581/j.cnki.ciejournal.2023.01.014
Prev
CSR范围一致性 & 重点差异化 (CSR Scope Conformity & Emphasis Differentiation)
Next
知识重组新颖度 (Novel Knowledge Recombination or Recombinatory Novelty)
Loading...