数据名称:上市公司数据要素利用与绿色创新研究数据
原始时间范围:1999—2025年
研究时间范围:2012—2025年
数据范围:中国A股上市公司
数据层级:上市公司—年度面板数据
核心指标:数据要素利用水平、数据要素利用词频总数、上市公司集团绿色发明专利申请量、绿色创新管理能力
识别变量:股票代码、年份
文件格式:原始数据同时提供.dta与.xlsx,计算代码为.do,参考材料为.pdf和.png,本说明为.txt
二、数据来源与核心指标构建
数据主要来源于上市公司年度报告和国家知识产权局公开的专利信息。上市公司年报用于识别数据要素相关关键词、公司财务与治理特征及绿色管理实践,专利信息用于构造上市公司集团绿色发明专利申请数量。行业和地区字段用于样本筛选、行业固定效应、地区控制及后续异质性研究。
【数据要素利用词频总数】通过上市公司年报文本分析,统计公司年度报告中数据要素相关关键词出现的总次数。数值越大,表示公司在年报中涉及数据资源、数据技术、数据应用或相关经营活动的文本频次越高。该字段为原始词频数量,结果范围为0—2,538。
【数据要素利用水平】按“ln(数据要素利用词频总数+1)”计算。加1用于保留词频为0的公司年度,取自然对数用于缓解词频分布的右偏和极端值影响。本地数据核验显示,72,678条两个字段均非缺失的记录全部满足该公式,数值范围为0—7.839526。计算代码将该字段简化命名为“数据要素”,并作为核心解释变量进入基准回归。
【上市公司集团绿色发明专利申请量件】以公司集团口径的绿色发明专利申请数量衡量绿色技术创新。申请量包括上市公司及其纳入集团统计范围主体的绿色发明专利申请,数值越大通常表示企业绿色技术研发和专利产出活动越活跃。原始数据范围为0—2,776件,计算代码将其重命名为“绿色技术创新”。
【绿色创新管理能力】从五项企业环保管理实践进行赋值并加总,包括是否制定环保管理制度、是否开展环保教育培训、是否开展环保专项行动、是否通过ISO9001认证以及是否通过ISO14001认证。指标取值为0、1、2、3、4或5,数值越高表示公司落实的绿色管理实践种类越多、绿色管理创新能力越强。计算代码将其重命名为“绿色管理创新”。
【企业规模】原始字段为总资产万元。现金流比率先按“经营活动产生的现金流量净额万元/总资产万元”计算,之后企业规模再取总资产自然对数进入回归,因此现金流比率的分母是原始总资产而不是对数资产。
【资产负债率】反映负债合计相对于资产总计的比例,用于控制公司资本结构和偿债压力。代码将百分数口径除以100转换为小数。
【总资产收益率】反映净利润相对于总资产的盈利能力。计算代码将其重命名为“总资产利润率”,并将百分数口径除以100。
【营业收入增长率】反映公司营业收入相对上期的增长情况,用于控制成长性,代码将百分数口径除以100。
【独立董事占比】独立董事人数占董事会人数的比例,用于控制董事会监督结构。代码将其重命名为“独立董事比例”,并将百分数口径除以100。
【第一大股东持股比例】第一大股东持股数量占公司总股本的比例,用于控制股权集中程度,代码将百分数口径除以100。
【托宾Q值】公司市场价值相对于资产重置价值或账面资产的估值指标,用于控制市场估值和成长机会。
【经营活动产生的现金流量净额万元】公司年度经营活动现金流入与流出的净额,单位为万元,用于构造现金流比率。
三、研究样本与数据处理
【研究期间】保留2012年及以后观测,最终年份随当前原始数据延伸至2025年。
【特殊样本剔除】删除“是否ST或金融类”等于1的观测,并再次删除行业代码首字母为J的金融业公司。双重筛选用于保持配套计算代码的既定清洗口径。
【变量转换】企业规模取自然对数;资产负债率、总资产收益率、营业收入增长率、独立董事占比和第一大股东持股比例由百分数转换为小数。
【缩尾处理】数据要素、两个绿色创新指标及全部连续控制变量在合并研究样本内进行1%和99%分位双侧缩尾。该代码未使用by(year),因此属于全样本缩尾,而不是分年度缩尾。
【面板与行业设定】以股票代码为面板个体、年份为时间变量;字符型行业代码通过group()转换为数值型industry_code,用于加入行业固定效应。
四、基准回归说明
【绿色技术创新模型】绿色发明专利申请量属于非负计数变量,计算代码使用负二项回归nbreg。三组规格依次为:仅加入数据要素;加入数据要素和全部控制变量;在控制变量基础上进一步加入年份固定效应与行业固定效应。
【绿色管理创新模型】绿色管理创新能力为0—5的有序等级指标,计算代码使用有序Logit回归ologit。三组规格与绿色技术创新模型保持一致。
【标准误】所有模型均按股票代码聚类计算稳健标准误,以允许同一上市公司不同年度之间的误差项相关。
【结果解释】数据要素的回归系数显著为正时,表示在相应模型设定和控制变量条件下,数据要素利用水平越高的公司通常具有更多绿色发明专利申请或更高的绿色管理创新等级。负二项回归和有序Logit系数均不能直接解释为普通线性回归中的单位边际效应,如需经济量级解释,应进一步计算发生率比或边际效应。
五、文件说明
上市公司数据要素利用与绿色创新研究原始数据.dta:Stata格式原始数据,共156,760条观测、24个字段,是计算代码的直接输入。
上市公司数据要素利用与绿色创新研究原始数据.xlsx:与DTA内容对应,共156,760行、24列,便于人工查看及跨软件使用。
计算代码.do:完成变量类型转换、变量重命名、现金流比率构造、样本筛选、取对数、缩尾、单位转换、缺失值处理、描述统计、负二项回归和有序Logit回归。
参考文献/_数据要素对企业绿色创新的影响研究.pdf:指标构造和基准模型的参考论文。
参考文献/描述性统计.png:配套描述性统计结果图片。
参考文献/回归结果.png:配套基准回归结果图片。
六、原始数据变量说明
序号 变量名称 变量类型 变量说明
1 年份 int 公司年度观测年份,原始范围为1999—2025年。
2 股票代码 str6 六位A股证券代码,可保留前导零;公司面板识别变量。
3 股票简称 str18 公司在对应年度使用的证券简称。
4 行业名称 str60 公司对应年度行业名称。
5 行业代码 str3 公司对应年度行业代码;首字母J用于识别金融业。
6 省份 str24 公司注册地所属省份。
7 城市 str30 公司注册地所属城市。
8 区县 str30 公司注册地所属区县。
9 省份代码 str6 省级行政区划代码。
10 城市代码 str6 城市行政区划代码。
11 区县代码 str6 区县行政区划代码。
12 上市公司集团绿色发明专利申请量件 double 公司集团当年绿色发明专利申请数量,绿色技术创新指标。
13 是否ST或金融类 double ST或金融类公司综合标记;1表示需要按代码口径剔除。
14 总资产万元 double 公司年度总资产,单位为万元;用于构造企业规模和现金流比率。
15 资产负债率 double 公司负债相对于总资产的比例,原始数据通常为百分数口径。
16 总资产收益率 double 公司净利润相对于总资产的盈利能力,原始数据通常为百分数口径。
17 营业收入增长率 double 公司营业收入同比增长率,原始数据通常为百分数口径。
18 独立董事占比 double 独立董事人数占董事会人数的比例,原始数据通常为百分数口径。
19 第一大股东持股比例 double 第一大股东持股数量占总股本的比例,原始数据通常为百分数口径。
20 托宾Q值 double 衡量公司市场估值和成长机会的托宾Q指标。
21 经营活动产生的现金流量净额万元 double 公司经营活动现金流量净额,单位为万元。
22 绿色创新管理能力 double 五项绿色管理实践赋值加总形成的有序指标,取值0—5。
23 数据要素利用水平 double ln(数据要素利用词频总数+1),核心解释变量。
24 数据要素利用词频总数 double 公司年报中数据要素相关关键词出现的原始总次数。
七、参考文献与使用建议
参考文献:白福萍、张娜:《数据要素对企业绿色创新的影响研究》,《科研管理》2026年第47卷第1期,第35—45页
论文复刻:数据要素对企业绿色创新的影响研究(2012-2025年).zip
(19.25 MB, 需要: RMB 27 元)


雷达卡



京公网安备 11010802022788号







