附录：数据方法

A1 引言

本附录详细概述了本报告中使用的数据来源、收集方法、处理步骤、分析技术、假设和局限性。这些信息对于理解图表中呈现的数据的背景和可靠性至关重要。

A2 数据来源

• 学术资助： 数据来源于 Dimensions，涵盖了 2021 年至 2023 年间开始的所有拨款。

• 企业融资： 数据来源于 CB Insights，统计了 2021 年至 2023 年的总融资额。

A3 数据收集方法

数据收集依据以下标准：

• 地理范围： 对于学术资助，我们采用了受资助机构主要所属机构的所在地。对于融资数据，我们则考虑了获得资助的公司所在地。

• 时间段： 数据收集时间为 2021 年 1 月至 2023 年 12 月。

• 行业范围： 通过对拨款和资助记录的标题和摘要进行关键词匹配，分析了特定技术领域。

A4 数据处理

数据处理步骤如下：

• 清洁和准备： 未注明资助金额的拨款项目不计入计数和总和。同样，未注明相关资助金额的数据条目也不计入分析。

• 转变： 对标题和摘要进行关键词匹配，以识别相关记录。

• 软件和工具： 数据处理采用 Python 等软件工具进行数据清洗和转换。

A5 分析技术

采用以下分析技术和方法：

• 统计方法： 对数字的分析
  按地区和行业划分的拨款和总资助金额。

• 可视化工具： 我们使用 CB Insights 创建可视化图表，以说明按地域和行业划分的融资趋势。

A6 假设和限制

• 假设： 假设 Dimensions 和 CB Insights 提供的数据在运行日期是准确且最新的。

• 局限性： 由于未包含无具体金额的资助记录，可能存在潜在偏差。不同地区和行业的数据可用性和详细程度可能有所不同。

A7 参考文献

Dimensions 数据库，2024 年。数据检索于 2024 年 4 月 24 日。
CB Insights 数据库，2024 年。数据检索日期：2024 年 4 月 24 日。

表 1：科技行业关键词匹配