一、数据简介
数据名称：上市公司数字化转型（吴非版）结果数据
时间范围：2000-2025年
数据层级：上市公司-年度面板数据
核心指标：企业数字化转型DCG、数字化词频总计、人工智能技术AI、人工智能技术词频、区块链技术BD、区块链技术词频、云计算技术CC、云计算技术词频、大数据技术DT、大数据技术词频、数字技术应用ADT、数字技术运用词频
识别变量：stkcd、year
文件格式：.dta、.xlsx、.do、.py、.csv、.jpg、.log
本数据基于上市公司数字化转型（吴非版）原始词频数据构建，原始数据已按拆分说明完成证券代码与年份字段拆分，因此计算代码直接使用现有 `证券代码` 和 `年份` 字段，不再依赖临时文件名拆分；在此基础上按吴非版词典汇总人工智能、大数据、云计算、区块链和数字技术应用五大类词频，并生成对数化指标，随后合并年度行业地区信息与公司静态基本信息


二、原始数据与基本信息合并
上市公司数字化转型（吴非版）原始词频数据.dta：数字化转型词频底表，主要字段为 证券代码、年份 以及各数字化关键词词频列，如 人工智能、商业智能、云计算、区块链、移动互联网、数字金融、Fintech 等。
上市公司数字化转型（吴非版）原始词频数据.xlsx：与 dta 对应的 Excel 留档文件，字段结构与原始底表一致。
上市公司行业地区信息数据.dta：公司年度行业地区信息表，主要字段为 证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码。
行业代码\上市公司基本信息数据.dta：公司静态基本信息表，主要字段为 证券代码、证券中文简称、上市日期、股票类型、公司名称、公司中文简称、行业代码A、行业名称A、行业代码B、行业名称B、行业代码C、行业名称C、行业代码D、行业名称D、注册资本、成立日期、退市日期、stkcd。





三、计算说明
【企业数字化转型DCG】数字化词频总计加 1 取自然对数，计算公式为 ln(数字化词频总计 + 1)，值越大表示年报文本中数字化相关表述越丰富。
【数字化词频总计】人工智能技术词频、大数据技术词频、云计算技术词频、区块链技术词频和数字技术运用词频之和。
【人工智能技术AI】人工智能技术词频加 1 取自然对数，计算公式为 ln(人工智能技术词频 + 1)。
【区块链技术BD】区块链技术词频加 1 取自然对数，计算公式为 ln(区块链技术词频 + 1)。
【云计算技术CC】云计算技术词频加 1 取自然对数，计算公式为 ln(云计算技术词频 + 1)。
【大数据技术DT】大数据技术词频加 1 取自然对数，计算公式为 ln(大数据技术词频 + 1)。
【数字技术应用ADT】数字技术运用词频加 1 取自然对数，计算公式为 ln(数字技术运用词频 + 1)。
【人工智能技术词频】人工智能、商业智能、图像理解、机器学习、深度学习等关键词词频合计。
【大数据技术词频】大数据、数据挖掘、文本挖掘、数据可视化等关键词词频合计。
【云计算技术词频】云计算、流计算、图计算、认知计算、物联网等关键词词频合计。
【区块链技术词频】区块链、数字货币、分布式计算、差分隐私技术、智能金融合约等关键词词频合计。
【数字技术运用词频】移动互联网、工业互联网、电子商务、移动支付、互联网金融、数字金融、Fintech 等关键词词频合计。





四、结果数据文件
共有 3 套结果数据文件。样本筛选步骤如下：
(1) 使用原始数据中现成的证券代码和年份字段，剔除证券代码前三位为 200 或 900 的 B 股样本；
(2) 汇总五大类数字技术词频，并计算对数化的数字化转型指标，随后合并年度行业地区信息与公司静态基本信息；
(3) 在同一份基础结果上分别保留全样本、剔除金融/ST/PT/退市样本，并对清洗样本的核心连续指标按 year 做 1% 和 99% 缩尾。
编号文件名称说明
1计算结果+未剔除金融ST未缩尾版本.dta保留金融行业、保留 ST/PT/退市公司、不缩尾的数字化转型基础结果，72584 条观测。
2计算结果+剔除金融ST未缩尾版本.dta剔除金融行业、ST/PT/退市公司、不缩尾的清洗样本结果，62109 条观测。
3计算结果+剔除金融ST缩尾版本.dta剔除金融行业、ST/PT/退市公司后，对核心连续指标按年度缩尾的实证常用结果，62109 条观测。





五、变量说明
序号变量名称变量类型变量说明
1证券代码str上市公司六位证券代码。
2证券简称str年度证券简称。
3证券中文简称str基本信息表中的静态证券简称。
4公司中文简称str公司中文简称。
5公司名称str公司全称。
6公司英文名称str公司英文名称。
7stkcdint上市公司内部识别码。
8yearint年度变量。
9企业数字化转型DCGfloat数字化词频总计加 1 的自然对数。
10数字化词频总计float五大类数字技术词频合计。
11人工智能技术AIfloat人工智能技术词频加 1 的自然对数。
12人工智能技术词频float人工智能关键词词频合计。
13区块链技术BDfloat区块链技术词频加 1 的自然对数。
14区块链技术词频float区块链关键词词频合计。
15云计算技术CCfloat云计算技术词频加 1 的自然对数。
16云计算技术词频float云计算关键词词频合计。
17大数据技术DTfloat大数据技术词频加 1 的自然对数。
18大数据技术词频float大数据关键词词频合计。
19数字技术应用ADTfloat数字技术运用词频加 1 的自然对数。
20数字技术运用词频float数字技术应用关键词词频合计。
21上市日期str公司上市日期。
22成立日期str公司成立日期。
23退市日期str公司退市日期。
24股票类型str股票类别。
25ABH股交叉码strABH 股交叉上市标识。
26行业代码str年度行业代码。
27行业名称str年度行业名称。
28行业代码Astr静态一级行业代码。
29行业名称Astr静态一级行业名称。
30行业代码Bstr静态二级行业代码。
31行业名称Bstr静态二级行业名称。
32行业代码Cstr静态三级行业代码。
33行业名称Cstr静态三级行业名称。
34行业代码Dstr静态四级行业代码。
35行业名称Dstr静态四级行业名称。
36所属省份str公司所属省份。
37所属省份代码str公司所属省份代码。
38所属城市str公司所属城市。
39所属城市代码str公司所属城市代码。
40注册资本float公司注册资本。
41经营范围str公司经营范围文本。
42公司沿革str公司沿革文本。





六、代码文件
文件名称语言说明
上市公司数字化转型（吴非版）数据计算代码.pyPython读取重命名后的原始词频数据，计算吴非版数字化转型指标，并导出三套 dta/xlsx 结果文件。
上市公司数字化转型（吴非版）数据计算代码.doStata与 Python 版计算逻辑对等的 Stata 计算脚本，已将拆分说明中的临时证券代码/年份逻辑替换为实际字段。
上市公司数字化转型（吴非版）数据评估代码.pyPython自动扫描三套结果 dta 文件并输出数据质量评估报告、图形、日志和总结论表。
上市公司数字化转型（吴非版）数据评估代码.doStata与 Python 版评估逻辑对等的 Stata 数据质量评估脚本。





七、数据质量评估
评估结果存放于 数据质量评估报告_20260703 文件夹，运行日志为 评估日志_20260703.log。各子文件夹内容如下：
子文件夹名内容说明
1 数据分布分析存放描述性统计、字符变量频数分布和基础分布表 csv。
2 分布图存放各数值变量的直方图、箱线图、核密度图、散点图矩阵和时间趋势图。
3 异常值检验存放缺失值统计与 IQR、Z-score 异常值检验汇总表。
4 逻辑合理性验证存放面板连续性检验、取值范围检验和总评估结论表。
5 稳健性测试存放不同样本期对比和多结果文件总体对比表；当前三套结果文件的总体对比显示，每套结果均包含 38 个“关注”和 4 个“不通过”提示项。





八、参考文献
[1] 吴非, 等. 企业数字化转型与资本市场表现——来自股票流动性的经验证据[J]. 项目附带参考文献 PDF.
[2] 相关数字化词典构建口径参照吴非版数字化转型关键词体系。