最近给大家分享的 1985～2024 年的专利数据里面有部分 2013 年的专利放到了 2012 年里面，然后它们的 ipzlid 开头四位是 2012，考虑到大家经常会使用 ipzlid 的前四位作为年份，这样以来就会产生误导，所以还是决定更正下。
不过专利数据非常大，大家如果再次下载会过于麻烦，所以我给大家准备了一份 “ipzlid转换对照表.dta”（会员可以联系李老师获取）。最近我也会把平台上的专利数据更换到新的，然后里面的 ipzlid 变量也会变成 newipzlid，主要变化如下：
1. 2012 年中的 2013 年部分数据删除，然后把这部分数据 append 到 2013 年下面，所以提供的转换表就是这一部分观测值的 ipzlid 和 newipzlid 的转换表。
2. 其他年份的都是直接把 ipzlid 重命名为 newipzlid，不影响。
总的来说，也就是除了转换表提供的 8 万条专利需要进行编号转换，其他的都不影响。大家如果不想再次下载的话，直接把自己的 2012 年中 2013 年的数据转移到 2013 年里面，然后再把 合并后的 2013 年的数据使用 ipzlid 变量和这个转换表匹配即可，其他年份的 rename 成 newipzlid 即可。
目前平台上相关的数据还在逐步更新，耐心等待即可。
最近有培训班的小伙伴分享了一份更新更全的专利数据，让我帮忙处理下。该数据的时间范围为 1985～2024 年，不过从分年数量上来看，比较全的还是 22 年及之前的，23 年接近全，之后年份的都不太全（这个是因为专利从申请到公开需要时间，所以并不能及时获取最新的专利数据）。
数据中一共包含了超过 4800 万条专利的申请和授权数据，为了方便大家读取，我把数据拆分成了逐年的，例如 2014 年：
包含如下基本信息：
newipzlid、年份、申请日、标题、摘要、申请人、公开公告号、公开公告日、申请号、专利类型、公开国别、首项权利要求、独立权利要求、文献页数、IPC主分类、IPC、洛迦诺分类号、当前权利人、申请人类型、申请人国家_地区、申请人地址、当前专利权人地址、工商注册地址、工商公司类型、工商成立日期、工商统一社会信用代码、工商注册号、工商上市代码、工商企业状态、发明人、引证次数、被引证次数、自引次数、他引次数、被自引次数、被他引次数、家族引证次数、家族被引证次数、优先权信息、优先权号、优先权日、授权公告号、授权公告日、省、省代码、市、市代码、县、县代码
其中 newipzlid 是我给每条专利的编号。平台上其他包含 newipzlid 变量的数据可以直接和这个数据使用该变量匹配。省、省代码、市、市代码、县、县代码是我根据原始数据中的省市区县信息和 21 年的行政区划代码匹配得到的。
newipzlid 的生成方法大致如下：
forval y = 1985/2024 {
di "`y'"
qui {
use "`y'patent.dta", clear
cap drop newipzlid
gen newipzlid = string(`y' * 10^strlen("`=_N'") + _n, "%12.0f")
order newipzlid
compress
foreach i of varlist _all {
cap format `i' %10s
}
save "`y'patent.dta", replace
}
}
数据格式方面，提供的是供 Stata 读取的 dta 的格式。部分文件大小超过了 10GB，对于内存较小的电脑读取起来会很困难，不过 Stata 提供了一次读取部分观测值的方法，例如读取 2020 年文件（55.54GB）的前 10 万行：
use in 1/100000 using "2020.dta", clear
使用 Stata 处理这种超大文件就可以一部分一部分的处理（读取之后删除不需要的变量）。
不过读取最后一部分的时候需要知道该文件总共的行数，这时候可以借助 describe 命令：
describe using "2020.dta"
例如统计每一年文件的观测值数量可以使用下面的循环：
clear
mat a = J(40, 2, .)
local j = 1
forval y = 1985/2024 {
desc using "/Volumes/C16T/IP专利数据分年/`y'.dta"
mat a[`j', 2] = r(N)
mat a[`j', 1] = `y'
local j = `j' + 1
}
mat list a
svmat a
ren a1 year
ren a2 n
各省市区县专利申请与授权数量统计数据之前给大家分享过：
1985～2024 年各省市区县专利申请与授权数量统计：https://rstata.duanshu.com/#/brief/course/7300c81235b74b8bb911f04997ab7295
例如下图展示了 1985～2024 年各省市发明专利申请数量变化（使用样条法绘制）：
2021 年各省份申请并最终被授权的发明专利数量：
2020 年各城市实用新型专利申请数量：
2019 年各区县外观设计专利申请数量：
专利数据匹配与提取服务
由于专利数据非常巨大，难以匹配和使用，因此特推出专利数据匹配服务，费用大致如下：
该服务仅面向 RStata 会员； 每 10 万个公司名称匹配收费 300 元，低于 10 万个公司名称也是 300 元（300 元起步）； 专利知识宽度计算：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）； 绿色专利筛选：每 10 万个公司名称收费 100 元，低于 10 万个公司名称也是 100 元（100 元起步）； 注意这里的数量是指匹配使用的数量，而非匹配成功的数量；
另外该份专利数据实际上还包含很多变量，完整的数据大小超过 2TB，所以这里我仅仅选择了部分变量进行分享，如果需要其他变量的，可以联系李老师获取完整变量列表及帮忙提取所需变量，费用也是 300 元/次。
虽然不限制数量，不过变量数量过多也会导致数据变得非常大而难以处理，所以还是仅仅选择自己需要的变量就好。
与其他数据匹配
之前给大家分享过工企、上市公司、税调等数据与专利数据的匹配结果，这些未来都会逐一更新，大家就不必付费定制了～
获取数据
是不是感觉很硬核！欢迎报名 RStata 培训班获取全部课程和以会员价获取数据资料（10元/份）详情可阅读这篇推文：数据处理、图表绘制、效率分析与计量经济学如何学习～
详情可点击阅读原文进入 RStata 学院了解（从首页的会员卡专区即可查看和购买会员卡）。
更多关于 RStata 培训班的信息可添加微信号 r_stata 咨询：
附件下载（点击文末的阅读原文即可跳转）：
https://rstata.duanshu.com/#/brief/course/2397451274c546d3a36e156ffc865988
