发帖
雷达卡
本数据集为论文复刻数据，用于实证检验人工智能对企业创新韧性的影响。
研究时间窗口为 2011—2024 年，样本为中国 A 股制造业上市公司。
复刻论文：
李斌, 薛希萌, 等. 人工智能对企业创新韧性的影响——基于技术能力适应性
视角[J]. 研究与发展管理, 2025.
数据来源：
基于 权威上市公司数据库，以及上市公司年报文本
分析结果整理而成。
二、文件清单
原始数据/原始数据.xlsx Excel 格式原始面板数据
原始数据/原始数据.dta Stata 格式原始面板数据（与xlsx内容一致）
回归代码.do Stata 基准回归代码（含详细注释）
人工智能对企业创新韧性的影响
——基于技术能力适应性视角
_李斌.pdf 复刻论文原文 PDF
数据说明.txt 本文件
三、变量说明
原始变量名 代码中重命名 说明
年份 — 样本年份（2011-2024）
股票代码 — 上市公司股票代码（个体标识）
省份代码 — 企业注册所在省份代码
行业代码 — 证监会行业分类代码
是否ST类 — 是否为 ST/*ST 公司（1=是，0=否）
【被解释变量（因变量）】
企业创新韧性3 企业创新韧性A 以专利授权量变化状况测算的企业创新韧性
企业创新韧性4 企业创新韧性B 以企业所在行业尺度测算的企业创新韧性
参考：卢正文, 许康 (2024)《数字化转型对企业创新韧性的双重效应研究》
【核心解释变量（自变量）】
人工智能词频和 — 年报中人工智能相关词汇词频总和
人工智能词频和加1取对数 人工智能 ln(人工智能词频和 + 1)，回归中使用
【控制变量】
董事会人数人 董事会规模 董事会成员人数
第一大股东持股比例 股权制衡度 第一大股东持股比例（%）
两职合一 — 董事长与总经理是否为同一人（1=是，0=否）
托宾Q值 — 企业市场价值/资产重置成本
资产负债率 — 总负债/总资产（%）
四、数据处理说明
回归代码（回归代码.do）中的主要处理步骤：
1. 样本筛选
- 保留 2011 年及以后的观测
- 剔除 ST 类公司（财务异常）
- 仅保留制造业（行业代码首字母为 C）
2. 缩尾处理（Winsorize）
- 对以下连续变量在 1% 和 99% 分位数处缩尾：
企业创新韧性A、企业创新韧性B、人工智能、
董事会规模、股权制衡度、托宾Q值、资产负债率
3. 单位转换
- 股权制衡度、资产负债率：原始为百分数，除以 100 转为小数
4. 缺失值处理
- 删除任何关键变量存在缺失的观测
5. 面板设定
- 个体：股票代码；时间：年份
6. 基准回归
- 使用 reghdfe 命令，逐步加入固定效应与控制变量
- 模型1：仅核心解释变量，无固定效应
- 模型2：核心解释变量 + 年份/企业/省份固定效应
- 模型3：核心解释变量 + 控制变量 + 三维固定效应
- 标准误在企业层面聚类
人工智能对企业创新韧性的影响（2011-2024年）.zip
(23.99 MB, 需要: RMB 28 元)
京公网安备 11010802022788号
