2216 企业复用专利（2010-2025）

本数据以Wu Lynn等（2024）《Innovation Strategy After IPO: How AI Analytics Spurs Innovation After IPO》的研究框架为参考，测算企业重复使用专利。在创新经济学与管理学研究中，对“重复使用专利”——即基于现有技术或已知技术组合的专利——进行界定与测算，具有重要的理论与方法论价值。这不仅是对专利质量的细粒度度量，更是解构创新活动异质性、揭示企业学习行为与技术演进路径的关键切入点。从理论层面看，这一测量为验证与深化 “利用式”与“探索式”创新理论 提供了可操作的实证基础。通过识别重复性专利，研究者能够更精准地检验企业在不同制度压力（如上市融资）、竞争环境或生命周期阶段下，其创新策略如何在利用现有知识基础和探索全新可能性之间动态配置。进一步，它有助于揭示产业层面的 技术路径依赖与范式锁定 现象：某一领域重复专利比例的持续高企，可能暗示其技术轨道趋于成熟甚至僵化，而比例的动态变化则可预示技术变革或产业更替的前兆。在方法论上，区分并测算重复使用专利显著提升了创新研究的 测量效度与因果推断的可靠性。将创新产出同质化加总会导致严重偏误，例如，若一项政策主要激励了重复性专利的产出，而未加区分的“专利数量”指标将错误评估其真实效果。因此，将该指标作为控制变量或独立因变量，能够更纯净地识别研发投入、政府补贴、知识产权保护等关键变量对 实质性突破创新 的影响。同时，它亦能作为企业 知识存量与吸收能力 的代理指标，为研究组织学习与动态能力提供新维度。

参考Wu Lynn等（2024）《Innovation Strategy After IPO: How AI Analytics Spurs Innovation After IPO》的数据处理方法，其具体方法处理如下：（1）确定焦点专利；（2）测算和找出焦点专利的分类号出现在其家族引证专利的分类号中的数量、比例及分类号；（3）得出结果，分别为重用技术数量，重用比例，重用技术列表。

注：正式数据仅包含加黑字段名，共286万多行数据。

小样数据100行。

[1] Lynn Wu, Bowen Lou, b Lorin M. Hitt. Innovation Strategy After IPO: How AI Analytics Spurs Innovation After IPO[J]. Management Science, 2024, 71(3): 2360 – 2389.