专利技术复杂性地级市面板（2001-2025）
核心速览
- 数据编号：2323
- 时间跨度：2001–2025
- 空间尺度：中国全部地级市
- 数据格式：Excel 年度面板
- 测算依据：Research Policy 2026顶刊范式（Frigon）
测算方法（可直接写论文）
以IPC 小类为技术组件，采用滚动时间窗口计算：
- 组件重组难易度：\(E_\alpha=C_\alpha/P_\alpha\)\(C_\alpha\)= 该 IPC 与其他组合次数，\(P_\alpha\)= 该 IPC 出现总次数
- 专利技术复杂性：取单专利内各组件\(E_\alpha\)倒数均值，聚合到城市年度层面
数据字段
- 所属城市
- 城市代码
- 年份
- 专利技术复杂性得分
适用研究方向
- 技术复杂性对区域创新、全要素生产率的影响
- 技术复杂度与产业升级、产业链韧性
- 创新政策、高新区政策的异质性效应
- 技术扩散、知识溢出的空间计量分析
- 城市创新质量、高技术产业集聚研究
| 时间跨度 | 2001-2025 |
| 区域跨度 | 中国地级市 |
| 数据格式 | Excel形式 |
数据简介
“专利技术复杂性”指标能够系统地评估和分析技术领域中的创新难度与技术进步，尤其是在不同公司和地区的技术发展差异性。这一指标为揭示技术创新的微观动力机制提供了一个量化的工具，帮助研究人员深入探讨技术进步的内在规律及其在行业和地区间的传播与扩散模式。
基于该数据集，可系统开展以下三方面研究：一是评估技术复杂性对企业技术创新产出（如专利申请数量、研发投入强度）和经营绩效的影响，探讨技术复杂性与企业技术创新能力之间的关系；二是分析技术复杂性如何影响企业的研发战略选择与资源配置，揭示技术创新的内生动力及其与市场、政策环境的相互作用机制；三是探究在不同技术领域及不同地区下，企业对技术复杂性适应的异质性响应，为优化技术发展战略和制定精准的创新政策提供经验依据。
数据指标
所属城市 | 所属城市代码 | 年份 | 专利技术复杂性得分 |
参考文献
[1] Frigon A . The sources of technological complexity in regions[J]. Research Policy, 2026, 55(4): 105455-105455.