布鲁盖尔-A-scaleable-approach-to-emissions_12页_2mb

详细总结：A SCALEABLE APPROACH TO EMISSIONS-INNOVATION RECORD LINKAGE

核心内容

本文提出了一种可扩展的方法，用于将欧盟排放交易体系（EU ETS）中的企业数据与专利数据库（PATSTAT）中的创新数据进行记录链接。该方法旨在减少人工干预，提高匹配效率与准确性，并为后续研究提供基础。

主要观点

• 记录链接的重要性：将企业排放数据与创新数据进行链接，有助于评估EU ETS对创新活动的影响。
• 数据挑战：创新数据质量高但匹配难度大，而排放数据相对集中，但企业可能将创新活动与排放活动分离。
• 方法创新：通过机器学习方法，特别是支持向量机（SVM）分类器，实现自动化匹配，显著降低对人工标注的依赖。
• 结果可扩展性：该方法适用于不同国家和行业，且可随着数据更新进行持续维护，无需大量人力投入。

关键信息

1. 数据来源与处理

• PATSTAT数据库：使用2011年10月版本，对欧盟25国（不含塞浦路斯和马耳他）的发明人数据进行去重处理，生成统一的记录。
• CITL数据库：使用最新版本，记录受EU ETS监管的企业及其排放配额分配信息。假设每个账户持有人为唯一实体，不进行进一步去重。
• 标准化处理：两个数据集在名称、地理信息和标点符号等方面进行了标准化处理，以提高匹配一致性。

2. 记录链接方法

• 三阶段匹配流程：
  1. 初步匹配：根据企业注册国选择对应的PATSTAT记录。
  2. 相似度计算：使用Levenshtein编辑距离和Jaccard单字相似度计算名称相似度，使用Haversine距离计算地理距离。
  3. 分类器训练与应用：通过人工标注部分数据训练SVM分类器，用于预测所有潜在匹配记录。
• 匹配结果：分类器的准确率为92 ± 1%，表明该方法在匹配质量上具有较高的可靠性。

3. 匹配结果与描述性统计

• 国家层面：部分国家如荷兰和意大利，CITL账户持有人与PATSTAT记录的匹配率超过40%，而拉脱维亚和立陶宛则接近0%。
• 行业层面：某些行业如化工和钢铁制造匹配率较高（50%），而航空和碳黑制造匹配率较低（0%）。
• 安装类型：匹配率在不同安装类型之间也存在显著差异，例如玻璃和玻璃纤维行业匹配率高达33%。

4. 方法局限性

• 企业结构复杂性：一些企业可能通过子公司进行创新活动，而这些子公司与母公司在名称和地理位置上可能不一致，导致匹配遗漏。
• 合作创新未被捕捉：许多排放企业可能与供应商合作进行创新，但这些合作关系未在专利中体现，因此可能被低估。
• 未来改进方向：计划引入更多数据，如经济部门和企业运营信息，以提高匹配精度。

结论

本文展示了一种相对简单但有效的记录链接方法，用于将企业排放数据与创新数据关联。该方法通过机器学习实现了高精度匹配，适用于欧盟范围内的研究。然而，由于企业结构复杂性和合作创新的未被记录，匹配结果可能低估了实际的创新联系。未来的研究可借助更多数据来提高匹配的全面性与准确性。