发帖
雷达卡
数据名称：上市公司数字经济产业企业分组数据。
时间范围：2000—2025年。
数据层级：上市公司—年度面板数据。
识别变量：stkcd（上市公司代码）与 year（年度）；证券代码为保留前导零的字符型辅助识别变量。
核心指标：是否数字经济产业企业。
文件格式：原始数据与结果数据为 Stata .dta，结果同时提供 Excel .xlsx
本文件夹以上市公司年度行业分类为基础，依据数字经济相关研究所采用的行业识别口径，将属于25个数字经济产业行业大类的公司年度观测标记为数字经济产业企业，并按 stkcd 合并上市公司静态基本信息。结果覆盖2000—2025年，提供未剔除金融ST未缩尾、剔除金融ST未缩尾和剔除金融ST缩尾三套数据，每套均同时提供DTA与XLSX，可用于数字经济企业识别、数字化产业分组、行业异质性分析、政策效应检验及上市公司数字经济相关实证研究。
二、原始数据与基本信息合并
1. 上市公司年度行业与地区信息原始数据.dta：共75,495条公司—年度记录、10个字段，包含证券代码、证券简称、stkcd、year、行业代码、行业名称、所属省份、所属省份代码、所属城市和所属城市代码；stkcd-year无重复，是数字经济产业企业识别的直接输入数据。
2. 行业代码/上市公司基本信息数据.dta：共5,718条公司级记录、22个字段，stkcd无重复，包含证券代码、证券中文简称、上市日期、股票类型、ABH股交叉码、公司名称、公司中英文简称、行业A—D、经营范围、公司沿革、注册资本、成立日期和退市日期。
3. 行业代码文件夹：除上市公司基本信息数据外，还用于保存行业分类相关辅助资料；计算代码实际读取的基本信息文件固定为“行业代码/上市公司基本信息数据.dta”。
4. 企业杠杆行为与技术创新-曾国安.pdf：用于核对数字经济产业行业选择的研究背景和行业识别口径，实际变量生成以本文件夹中的Stata/Python计算代码所列25个行业代码为准。
计算时先读取年度行业与地区信息，按 stkcd-year 检查并处理重复观测，剔除证券代码前三位为200或900的B股记录，再依据年度行业代码生成数字经济产业企业虚拟变量。随后按公司级键 stkcd 与上市公司基本信息执行多对一合并；同名字段以基本信息数据中的非缺失值为主，基本信息缺失时保留年度行业与地区数据中的原值。公司年度行业代码和证券简称仍用于金融业及ST/PT筛选，退市日期来自公司级基本信息。
三、核心指标计算说明
1. 是否数字经济产业企业：二元虚拟变量，上市公司对应年度行业代码属于规定的25个数字经济产业行业时取1，否则取0。取值为1表示企业在该年度按行业分类属于数字经济产业企业，取值为0表示不属于该识别范围。
2. 数字经济产业行业代码：C23、C24、C26、C34、C35、C36、C37、C38、C39、C40、E47、E48、E49、F51、F52、I63、I64、I65、L71、L72、M74、M75、O81、R86、R87，共25个行业代码。代码采用2012年修订的中国证监会上市公司行业分类口径。
3. 行业匹配方式：Stata版逐个行业代码检查年度行业代码，Python版使用相同代码集合进行正则匹配；任一目标行业代码匹配成功即将“是否数字经济产业企业”赋值为1，否则保持为0。
4. B股处理：三套结果均先剔除证券代码前三位为200或900的B股记录。该步骤属于基础样本范围处理，不计入“剔除金融ST”版本名称中的金融、ST/PT和退市公司筛选。
5. 金融业识别：年度行业代码中包含J类金融行业标识的观测认定为金融业。未剔除版本保留金融业，两个清洗版本剔除金融业。
6. ST/PT识别：根据公司年度证券简称进行不区分大小写的ST或PT字符匹配；证券简称含ST或PT的公司年度观测在两个清洗版本中剔除。
7. 退市公司识别：基本信息中的退市日期非空，或公司年度证券简称含“退”的观测，在两个清洗版本中剔除。
8. 缩尾处理：核心指标“是否数字经济产业企业”为0/1离散变量，不适合进行1%和99%分位缩尾，因此第三套“剔除金融ST缩尾版本”保持该指标原值，与“剔除金融ST未缩尾版本”具有相同样本和核心指标数值。该版本名称用于与其他上市公司指标项目保持统一的三版本输出结构。
四、结果数据文件与样本量
1. 计算结果未剔除金融ST未缩尾版本.dta/.xlsx：剔除B股后保留金融行业、ST/PT及退市公司，不进行缩尾；共74,681条公司—年度观测、31个字段，stkcd-year无重复。“是否数字经济产业企业”取1的观测为40,566条，均值为0.5431903697058154。
2. 计算结果剔除金融ST未缩尾版本.dta/.xlsx：在基础样本上进一步剔除金融业、证券简称含ST或PT、退市日期非空及证券简称含“退”的公司，不进行缩尾；共65,873条公司—年度观测、31个字段，stkcd-year无重复。“是否数字经济产业企业”取1的观测为37,128条，均值为0.5636300153325338。
3. 计算结果剔除金融ST缩尾版本.dta/.xlsx：沿用第2套清洗样本；由于核心指标为二元虚拟变量，不改变其取值，因此仍为65,873条公司—年度观测、31个字段，“是否数字经济产业企业”取1的观测为37,128条，均值为0.5636300153325338。
三套结果均覆盖2000—2025年，每套结果的DTA与XLSX行数和字段数对应。第2套与第3套的公司年度样本及核心指标完全一致，不能将二元变量版本之间的无差异误判为缩尾程序遗漏；该处理是为了避免对0/1分类变量实施不合理的连续变量缩尾。
五、结果变量说明
1. 证券代码（string）：六位证券代码字符串，可保留前导零。
2. 证券简称（string）：公司在对应年度使用的证券简称，用于ST/PT和简称含“退”的识别。
3. stkcd（double）：数值型上市公司代码，公司级基本信息合并及面板识别键。
4. year（double）：公司年度，范围为2000—2025年。
5. 是否数字经济产业企业（byte/int8）：核心二元虚拟变量，属于25个数字经济产业行业取1，否则取0。
6. 行业代码、行业名称（string）：公司对应年度的证监会行业代码及名称，行业代码是核心指标识别及金融业筛选依据。
7. 所属省份、所属省份代码、所属城市、所属城市代码（string）：公司对应年度的注册省份、城市及行政区划代码。
8. 证券中文简称（string）：上市公司基本信息数据中的证券中文简称。
9. 上市日期（string）：公司上市日期，通常采用YYYY-MM-DD格式。
10. 股票类型（string）：上市公司股票类别信息。
11. ABH股交叉码（string）：A股、B股、H股交叉上市或关联代码信息。
12. 公司名称、公司中文简称、公司英文名称（string）：公司登记名称及中英文简称信息。
13. 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（string）：上市公司基本信息中的不同层级行业分类字段。
14. 经营范围（string/strL）：公司登记经营范围长文本。
15. 公司沿革（string/strL）：公司设立、改制及历史发展沿革长文本。
16. 注册资本（double）：公司注册资本，计量单位沿用基本信息源文件口径。
17. 成立日期（string）：公司成立日期，通常采用YYYY-MM-DD格式。
18. 退市日期（string）：公司退市日期；清洗版本已剔除退市日期非空的公司，因此该字段通常为空。
六、计算与评估代码
1. 上市公司数字经济产业企业分组数据计算代码.do：Stata 15+计算代码，完成B股筛选、25个行业代码匹配、基本信息合并、金融ST及退市公司筛选，并生成三套DTA与XLSX结果。
2. 上市公司数字经济产业企业分组数据计算代码.py：与Stata版在行业代码集合、基础样本范围、基本信息合并、清洗条件和结果命名上对等的Python脚本。
3. 上市公司数字经济产业企业分组数据评估代码.do：可独立运行的Stata数据质量评估代码，读取计算结果DTA并输出描述统计、缺失值、异常值、逻辑检验和总评估结论。
4. 上市公司数字经济产业企业分组数据评估代码.py：可独立运行的Python数据质量评估脚本，按运行日期创建固定结构的评估报告。
七、数据质量评估
评估程序识别项目根目录中的三套计算结果DTA，自动探测stkcd和year，区分数值变量与字符变量，并按运行日期创建“数据质量评估报告_YYYYMMDD”。本项目已生成“数据质量评估报告_20260721”，报告根目录包含评估日志和总评估结论表，下设五个固定子文件夹：1 数据分布分析、2 分布图、3 异常值检验、4 逻辑合理性验证、5 稳健性测试。
主要评估内容包括数值变量描述性统计、字符变量频数与缺失、直方图和核密度图、Z-score与IQR异常值、stkcd-year重复、年度连续性、二元指标取值范围以及不同样本处理版本的样本量和均值比较。项目专属逻辑检验包括：“是否数字经济产业企业”只能取0或1；同一stkcd-year只能出现一次；剔除金融ST缩尾版本与剔除金融ST未缩尾版本的核心二元指标应保持一致。
八、参考文献与口径说明
曾国安等. 企业杠杆行为与技术创新。文件夹内保存参考文献“企业杠杆行为与技术创新-曾国安.pdf”
上市公司数字经济产业企业分组2000-2025年含do-python代码和excel-dta格式数据.zip
(50.2 MB, 需要: RMB 28 元)
京公网安备 11010802022788号
