本数据集基于上市公司年报创新关键词词频原始数据,按照参考文献方法计算上市公司高管创新认知水平指标(关键词加权总字数 / 年报总字数 × 100)。
计算思路:以年报中 20 个创新相关关键词的加权词频之和(权重 = 关键词字符数,范围 2~4)衡量上市公司高管对创新活动的认知与关注程度;再除以年报总字数并乘以 100 转换为百分比形式,消除年报篇幅差异对词频绝对值的影响。该指标越大,说明上市公司高管在年报中对创新议题的关注度和认知水平越高。
依次输出未剔除未缩尾、已剔除金融STPT未缩尾、已剔除金融STPT已缩尾三个版本的上市公司面板结果。
数据区间为上市公司2000-2024年(共25年面板)。
二、原始数据文件
1. 上市公司年报创新关键词词频原始数据.dta / .xlsx —— 上市公司层面年度数据,包含以下关键变量:证券代码、年份、年报总字数,以及 20 个创新关键词词频列(发明、实用新型、新业务、创新、新产品、研究、工艺、设计、研制、专利、科技成果、预研、软件、研发、资本化、新项目、R_D、实验、技术、创造)。
2. 上市公司行业与地区信息数据.dta —— 上市公司行业代码、行业名称及所属省份/城市信息。
3. 行业代码/上市公司基本信息数据.dta —— 上市公司基本信息表,作为同义列的主表,与原始数据按 stkcd 一对多合并,提供上市日期、4 级行业代码、公司元信息、所属省份/城市等。
三、核心变量定义与计算公式
1. 上市公司高管创新认知水平 ★核心指标
= (关键词加权总字数 / 年报总字数) × 100
其中关键词加权总字数 = 发明×2 + 实用新型×4 + 新业务×3 + 创新×2 + 新产品×3 + 研究×2 + 工艺×2 + 设计×2 + 研制×2 + 专利×2 + 科技成果×4 + 预研×2 + 软件×2 + 研发×2 + 资本化×3 + 新项目×3 + R_D×3 + 实验×2 + 技术×2 + 创造×2
说明:权重取各关键词的字符数(2~4 字),直觉上"实用新型""科技成果"等多字词汇在文本中出现时传递的创新信息量更大,因此给予更高权重。以年报总字数标准化后的百分比值可在不同上市公司之间直接比较。
四、样本筛选与处理规则
1. 同义列以"上市公司基本信息数据"为主,先剔除原始数据中重复的证券代码、证券简称、行业代码、行业名称等列后再合并。
2. 剔除上市公司 B 股样本(证券代码以 2 或 9 开头)。
3. 按 stkcd、year 排序后整理面板。
4. 剔除上市公司证券简称为空的样本(仅在"已剔除"版本)。
5. 剔除上市公司金融业(行业代码D 以 J 开头,证监会大类口径,仅在"已剔除"版本)。
6. 剔除上市公司 ST、PT 样本(仅在"已剔除"版本)。
7. 对上市公司高管创新认知水平按 year 分组进行 1% 与 99% 双边缩尾(仅在"已缩尾"版本)。
五、输出文件清单
1. 计算结果未剔除未缩尾版本.dta / .xlsx —— 仅完成核心指标计算与基础合并,未剔除金融STPT、未缩尾。
2. 计算结果已剔除金融STPT未缩尾版本.dta / .xlsx —— 在版本 1 基础上剔除金融业、ST、PT、证券简称为空的样本,未缩尾。
3. 计算结果已剔除金融STPT已缩尾版本.dta / .xlsx —— 在版本 2 基础上对核心连续变量按 year 进行 1%-99% 缩尾,适合直接进入回归分析。
【保留变量集合】
证券代码、证券简称、stkcd、year、高管创新认知水平、上市日期、股票类型、ABH股交叉码、公司名称、公司中文简称、公司英文名称、行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、行业名称A、行业代码A、经营范围、公司沿革、注册资本、成立日期、退市日期、所属省份、所属省份代码、所属城市、所属城市代码
六、配套代码
1. 上市公司高管创新认知水平数据计算代码.do (Stata 版本,UTF-8,注释统一使用 /* */,需 winsor2 命令)
2. 上市公司高管创新认知水平数据计算代码.py (Python 版本,与 do 文件等价,依赖 pandas / numpy / openpyxl / pyreadstat)
3. 上市公司高管创新认知水平数据评估代码.do / .py —— 数据质量评估代码,输出至"数据质量评估报告_YYYYMMDD"目录,覆盖描述性统计、分布图(直方图/箱线图/核密度图/时间趋势图等)、异常值检验(IQR/Z-score)、逻辑合理性验证、稳健性测试五大模块。
七、参考文献
罗明新, 等. 企业高管创新认知、吸收能力与绿色创新扩散 [J].(以年报创新关键词加权词频占年报总字数比例衡量上市公司高管创新认知水平,是本数据集核心指标的标准计算口径。)
数据质量评估报告_20260503.zip
(1.22 MB)
上市公司高管创新认知水平数据2000-2024年含do-python代码和excel-dta格式数据.zip
(55.07 MB, 需要: RMB 32 元)


雷达卡



京公网安备 11010802022788号







