1881 城市数据知识流动(2009-2023)
| 数据来源 | 本数据来源于谷歌专利，通过专利受让人匹配上市公司并且获得上市公司所在地。专利所在城市通过上市公司所在地进行匹配。通过《中国城市统计年鉴》获得各市和各省份的GDP。 |
| 时间跨度 | 2009-2023 |
| 区域跨度 | . |
| 数据格式 | excel格式 |
在数字经济时代，区域协调发展对中国实现经济高质量增长、共同富裕意义重大，需兼顾经济增长和平衡发展双重目标。知识流动是区域间经济互动的主要来源，而数字知识流动作为数字经济时代区域协同的重要形式，在欠发达地区产业与数字知识适配时，能改善供给侧对需求的适配性，缓解要素禀赋差距，促进区域协调发展。数据皮皮侠团队参考马述忠等[2025]的文章，计算了各省份以及各城市在2009-2024年间的数据知识流量。我们使用《数字经济核心产业分类与国际专利分类参照关系表（2023）》中的专利分类合并专利数据中的国际专利分类IPC判断该专利是否是数字专利，计算步骤如下：
首先将专利数据以城市或者省份进行分组，若同一年内两个城市（省份）间存在专利相互引用的关系，则构建一个城市（省份）对。城市（省份）对中，以当年的GDP为依据，GDP高的城市（省份）为当年相对发达的城市（省份），GDP低的城市（省份）为当年相对欠发达的城市（省份）。当一座城市（省份）的某一专利（非数字专利或者数字专利）的引用中包含另一座城市（省份）的数字专利时，记为一次数字流入。最后我们参照马述忠等[2025]的方法对由城市（省份）GDP从高至低的知识流量和从低至高的知识流量加一取对数，城市（省份）GDP从高至低的净知识流量为城市（省份）GDP从高至低的知识流量减去从低至高的知识流量。
变量名称 | 城市对/省份对 | 年份 | 知识流量(高至低) | 知识流量(低至高) | 知识净流量(高至低) |
变量说明 | GDP较低城市引用GDP较高城市的专利数量加一取对数 | GDP较高城市引用GDP较低城市的专利数量加一取对数 | 知识流量(高至低)-知识流量(低至高) |
[1]马述忠,张道涵,胡增玺.数字知识流动如何促进区域协调发展——兼论经济增长和平衡发展双重目标[J].中国工业经济,2025,(02):80-98.
[2]Jaffe, A. B., M. Trajtenberg, and R. Henderson. Geographic Localization of Knowledge Spillovers as Evidenced by Patent Citations[J]. Quarterly Journal of Economics, 1993, 108(3):577-598.
[3]Brynjolfsson, E.,Y. Hu, and D. Simester. Goodbye Pareto Principle, Hello Long Tail:The Effect of Search Costs on the Concentration of Product Sales[J]. Management Science, 2011, 57(8):1373-1386.
[4]Owen-Smith, J., and W. W. Powell. Knowledge Networks as Channels and Conduits:The Effects of Spillovers in the Boston Biotechnology Community[J]. Organization Science, 2004, 15(1):5-21.
兑换码获取
数据会员单独购买优惠