 scale(.213 .217)'%3EM%3C/text%3E%3Ctext class='c2' transform='translate(71.47 34) scale(.213 .217)'%3EK%3C/text%3E%3Ctext class='c1' transform='translate(32.956 26.401) scale(.213 .217)'%3EA%3C/text%3E%3Ctext class='c2' transform='translate(52.926 26.401) scale(.213 .217)'%3ER%3C/text%3E%3C/svg%3E)
01
趋势分析
折线为年度均值
1985
0.26
1992
0.85
1998
0.68
2005
0.79
2012
10.53
2018
55.79
2025
16.68
02
样例数据
样例数据（前 10 行）
支持复制到 Excel
| 年份 | 省份 | 人工智能实用新型专利申请量-机关团体(件) |
|---|---|---|
| 1985 | 北京市 | 4.0 |
| 1985 | 天津市 | 0.0 |
| 1985 | 河北省 | 0.0 |
| 1985 | 山西省 | 0.0 |
| 1985 | 内蒙古自治区 | 0.0 |
| 1985 | 辽宁省 | 1.0 |
| 1985 | 吉林省 | 1.0 |
| 1985 | 黑龙江省 | 1.0 |
| 1985 | 上海市 | 0.0 |
| 1985 | 江苏省 | 1.0 |
依据国家知识产权局办公室印发的《关键数字技术专利分类体系（2023）》界定的人工智能相关国际专利分类号（IPC）对专利进行识别筛选，按专利申请人地址归属至对应地区，统计该地区机关团体的人工智能实用新型专利申请数量（因存在18个月专利审查期，近2年申请量偏少系部分专利尚未公开所致）。本数据为团队测算值，非官方公布的精确数据。。覆盖 34 个省份、41 年连续面板，适用于面板回归、政策评估与综合评价研究。
03
指标详情
指标解释
指标定义依据国家知识产权局办公室印发的《关键数字技术专利分类体系（2023）》界定的人工智能相关国际专利分类号（IPC）对专利进行识别筛选，按专利申请人地址归属至对应地区，统计该地区机关团体的人工智能实用新型专利申请数量（因存在18个月专利审查期，近2年申请量偏少系部分专利尚未公开所致）。本数据为团队测算值，非官方公布的精确数据。
数据类型省份级面板数据，覆盖34个省份。
时间跨度1985-2025年，共41年连续面板数据。
应用场景
- 作为被解释变量或核心解释变量进行面板回归分析
- 结合其他指标做相关性与多元回归研究
- 分析时间趋势与区域差异
- 政策评估（DID、PSM-DID 等准自然实验）
- 构建综合评价指标体系（熵值法等）
04
技术文档
数据说明书（Data Dictionary）
数据来源
数据整理自国家知识产权局。经人工校验与交叉比对，确保数据准确性。
部分缺失值已通过线性插值补齐，原始数据与插值数据均可分别下载。
| 变量名 | 中文名称 | 类型 | 说明 |
|---|---|---|---|
| year | 年份 | int | 1985-2025 |
| province | 省份 | string | 省/自治区/直辖市 |
| prov-dd0f9c64fbc9e4ae153e4e4ca7c7-rengongzhinengshiyongxinxingzhuanlishenqingliangjiguantuanti-ef49ab | 人工智能实用新型专利申请量-机关团体 | float | 依据国家知识产权局办公室印发的《关键数字技术专利分类体系（2023）》界定的人工智能相关国际专利分类号（IPC）对专利进行识别筛选，按专利申请人地址归属至对应地区，统计该地区机关团体的人工智能实用新型专利申请数量（因存在18个月专利审查期，近2年申请量偏少系部分专利尚未公开所致）。本数据为团队测算值，非官方公布的精确数据。 |
数据出处
本数据来自马克集数（s.macrodatas.cn）。
引用或转载请注明来源
Stata 读取代码
下载数据后，可使用以下 Stata 代码快速读取并设定面板结构：
* 读取数据
use "prov_rengongzhinengshiyongxi_4_1985_2025.dta", clear
* 查看变量与前几行
describe
list in 1/10
* 编码省份变量（如尚未编码）
encode province, gen(prov_id)
* 设定面板数据结构
xtset prov_id year
* 描述性统计
summarize prov_rengongzhinengshiyongxi_4, detail
* 简单面板回归示例
xtreg prov_rengongzhinengshiyongxi_4 x1 x2, fe
estimates store fe_model如下载的是 Excel 格式，请先在 Stata 中使用 import excel "prov-dd0f9c64fbc9e4ae153e4e4ca7c7-rengongzhinengshiyongxinxingzhuanlishenqingliangjiguantuanti-ef49ab_1985_2025.xlsx", firstrow clear 导入。
05
相关指标推荐