发帖
雷达卡
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。
7 stkcd int 上市公司内部识别码。
8 year int 年度变量。
9 企业数字化转型DCG float 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AI float 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BD float 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CC float 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DT float 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ADT float 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。
25 ABH股交叉码 str ABH 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A str 静态一级行业代码。
29 行业名称A str 静态一级行业名称。
30 行业代码B str 静态二级行业代码。
31 行业名称B str 静态二级行业名称。
32 行业代码C str 静态三级行业代码。
33 行业名称C str 静态三级行业名称。
34 行业代码D str 静态四级行业代码。
35 行业名称D str 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.py Python 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.do Stata 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.py Python 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.do Stata 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。
数据质量评估报告_20260703.zip
(18.2 MB)
上市公司数字化转型（吴非版）2000-2025年含do-python代码和excel-dta格式数据.zip
(93.48 MB, 需要: RMB 32 元)
京公网安备 11010802022788号
