一、为什么需要"核心技术"专利数据
在"卡脖子"技术清单不断更新的当下,学界与政策界越来越关注一个核心问题:哪些企业真正在关键核心技术上实现了突破?传统的全样本专利申请量虽然能够反映企业整体创新活跃度,却无法回答"创新是否发生在国家亟需的关键领域"这一问题。
本文整理的《制造业上市公司核心技术创新指数(2010—2025)》数据,正是为回答这一问题而设计。它参照 2026 年发表于《经济研究》的魏浩、孙全刚一文中的做法,将《工业"四基"发展目录(2016 年版)》与《产业基础创新发展目录(2021 年版)》中的关键技术领域,与国际专利分类号(IPC)进行系统匹配,从而得到能够精准刻画企业核心技术创新能力的结构化面板数据。
二、数据集核心信息
下表汇总了本数据集的关键参数,便于研究者快速判断其是否匹配自身研究需求:
如需在论文中引用本数据所采用的方法,请使用如下格式:
魏浩, 孙全刚. 中间品贸易自由化、共同投资者持股与核心技术突破[J]. 经济研究, 2026, (4): 1-23.
三、字段说明与测度逻辑
本数据集以公司 — 年度为基本观测单元,包含以下核心字段:
•年份:专利申请所属年度,2010—2025 年。
•公司名称:沪深 A 股制造业上市公司全称。
•股票代码:与公司名称一一对应的证券代码。
•核心技术专利分类:根据《工业"四基"》与《产业基础创新发展目录》匹配后落入的关键技术领域标签,反映专利所属的核心攻关方向。
•IPC 对应分类:与核心技术领域对应的国际专利分类号,可用于跨企业、跨行业、跨地区的可比性研究。
•核心技术专利申请数量:企业在该年度于重点核心技术领域提交的发明专利申请数,是测度企业核心技术突破的核心变量。
•核心技术专利指数:在企业层面对当年核心技术专利申请数加 1 后取自然对数,即 Dig_Patent = ln(1 + 该企业当年核心技术专利数量)。该变换能够缓解专利数据右偏分布的常见问题,使变量在面板回归中表现更稳健。
与直接使用全样本专利数量相比,本数据的关键差异在于:通过目录与 IPC 的双向匹配,将"是否真正属于核心技术"这一语义信息引入到了结构化字段中,研究者不必再自行构建匹配规则,可直接将其作为被解释变量、解释变量或控制变量使用。
图 1 数据样本示例:2012—2025 年沪深 A 股部分制造业上市公司的核心技术创新面板(字段包括公司名称、股票代码、核心技术专利分类、IPC 对应分类、申请数量与指数值)
四、典型研究方向
基于本数据集,可系统开展以下三方面研究:
1.中间品贸易自由化的创新效应
以企业核心技术专利指数为被解释变量,将中间品贸易自由化水平(如关税减让、进口中间品种类扩张等指标)作为核心解释变量,可识别进口贸易政策对企业核心技术突破的因果效应,并探讨其传导机制。
2.共同投资者持股的调节作用
在基准回归中引入"共同投资者持股"变量及其与贸易自由化的交互项,检验外部治理机制是否会强化或削弱贸易自由化的创新效应,从而揭示资本市场在核心技术攻关中的赋能路径。
3.行业、地区、产权性质的异质性分析
利用核心技术专利分类与 IPC 字段,可分别按制造业细分行业(如装备制造、电子、汽车等)、企业所在地区(东、中、西部)以及产权性质(国有、民营、外资)开展分组回归,识别不同情境下核心技术突破的关键驱动因素。
研究方法上,本数据完全兼容描述性统计、面板数据回归(含固定效应、随机效应模型)、双重差分(DID)、断点回归(RDD)以及机制检验等主流实证方法,可作为国际贸易学、产业经济学与公司金融方向论文的可靠数据基础。
五、参考文献
[1] 魏浩, 孙全刚. 中间品贸易自由化、共同投资者持股与核心技术突破[J]. 经济研究, 2026, (4): 1-23.
[2] 国家制造强国建设战略咨询委员会. 工业"四基"发展目录(2016 年版)[R]. 北京, 2016.
[3] 中国工程院, 国家产业基础专家委员会. 产业基础创新发展目录(2021 年版)[R]. 北京, 2021.
数据来源说明:本数据由原文作者整理自上市公司公开专利信息,并参照《经济研究》2026 年第 4 期的研究方法构建。本文仅作学术性二创整理,未参与数据本身的采集与计算。
数据来源:上市公司专利数据(基于《工业“四基”发展目录(2016 年版)》《产业基础创新发展目录(2021 年版)》与 IPC 分类号匹配)
引用格式:[1] 魏浩, 孙全刚. 中间品贸易自由化、共同投资者持股与核心技术突破[J]. 经济研究, 2026, (4): 1-23. [2] 国家制造强国建设战略咨询委员会. 工业"四基"发展目录(2016 年版)[R]. 北京, 2016. [3] 中国工程院, 国家产业基础专家委员会. 产业基础创新发展目录(2021 年版)[R]. 北京, 2021.
顶部专栏分享更多内容
专栏合集:经管社科数据集合与整理
来源: Paper 数据分析