发帖
雷达卡
1. 时间范围与样本规模
本数据以我国上市公司为主体，将招投标及相关采购公告整理至“股票代码—年份”层面，样本覆盖 2002 年至 2025 年 8 月。原始 Excel 工作表扫描得到 1,048,575 条非空记录；在统一股票代码、识别发布年份并剔除无效股票代码或年份后，形成 1,048,574 条可用于聚合的公告记录。
企业—年份面板共包含 17,439 条观测，覆盖 4,152 家上市公司。公告数据中可识别的项目编号元数据约为 747,234 条；企业—年份层面的项目数量按照有效项目编号去重计算。同一项目可能跨越多个发布年份，因此将企业—年份项目数跨年直接求和时，不等同于全样本唯一项目数。
需要特别说明的是，2025 年数据截至 2025 年 8 月，属于非完整年度。原始 Excel 数据扫描行数恰好达到单工作表的 1,048,575 行上限，建议在正式论文或后续更新中向数据提供方确认是否存在源文件截断问题。
2. 数据来源
（1）招投标源数据：上市公司招投标数据 2002—2025.08.xlsx，包含股票代码、发布年份和发布时间、项目编号、项目名称、公告子类、招采单位、代理机构、中标或成交单位、项目所在地、预算金额、中标金额、投标截止时间及其他公告字段。
（2）上市公司基本信息：上市公司基本信息年度表 2000—2025 年，用于补充公司名称、简称、行业分类、注册省份、注册城市和上市状态等信息。行业信息按照股票代码和年份进行年度精确合并，主要使用非空的 D 级行业代码和行业名称。
（3）处理代码及配套文件：数据清洗、变量构造、行业合并、描述性统计和质量检查均已提供 Python 代码及结果文件。原始源数据未复制到汇报文件夹，仅在“01_核心源数据/源数据路径.txt”中保留源文件路径。
3. 变量定义与构造口径
所有核心指标均在企业—年份层面构造。变量名保留英文形式，DTA 文件中已写入对应中文变量标签。
（1）招投标规模与项目数量
① tender_rows：企业当年全部招投标、审批及相关采购公告记录数。总体均值为 60.128 条，中位数为 3 条。
② project_n：企业当年有效项目编号的去重数量。总体均值为 42.985 个，中位数为 2 个。该指标与公告记录数不同，同一项目的招标、变更、结果和合同等多条公告只计为一个有效项目。
③ ln_tender_rows：招投标规模对数指标，定义为 ln(1+tender_rows)。
④ ln_project_n：项目数量对数指标，定义为 ln(1+project_n)。
⑤ has_tender_record：企业—年份是否在招投标源数据中出现。该变量可用于与完整上市公司面板合并时进行样本覆盖识别或补零处理。
（2）项目识别、重复公告与采购流程
① pid_rows、pid_share：包含有效项目编号的公告记录数及其占全部公告记录的比例。总体项目编号披露率均值为 63.137%。
② repeat_project_n、repeat_project_share：重复出现项目的数量及其占去重项目数的比例，用于识别同一项目的多次公告或重复披露。
③ change_project_n、change_project_share：包含变更、更正、延期或补充等信息的项目数量及占比，用于刻画采购过程中的调整和不确定性。
④ result_project_n、result_project_share：包含中标、成交、结果、合同或评标等信息的项目数量及占比，用于识别采购结果阶段。
⑤ complete_project_n、complete_project_share：包含竣工、合同备案或合同公示等信息的项目数量及占比，用于识别项目完成阶段。
⑥ cycle_project_n、cycle_days_mean、cycle_days_p50：基于同一有效项目编号的首次和最后一次发布时间计算项目生命周期或公告持续时间，并分别提供有效项目数、平均值和中位数。
⑦ stage_breadth_mean：同一项目涉及计划、竞争、变更、完成和行政等不同流程阶段的平均数量，用于衡量项目流程复杂度。
公告子类变量以公告子类字段为基础，生命周期阶段变量同时结合公告子类和项目名称中的规则关键词识别。同一项目可能产生多条不同阶段公告，因此流程阶段变量不宜简单理解为独立项目数量。
（3）公告类型与信息披露
① type_tender_n、type_tender_share：招标、投标及竞争性采购类公告的记录数及占比。
② type_approval_n、type_approval_share：审批、备案、核准等前置行政类公告的记录数及占比。
③ type_intent_n、type_intent_share：采购意向或预告类公告的记录数及占比。
④ type_other_n、type_other_share、type_unknown_n、type_unknown_share：其他或无法明确归类的公告记录数及占比。
⑤ budget_share：披露预算金额的公告占比。总体均值为 14.509%。
⑥ award_share：披露中标或成交金额的公告占比。总体均值为 4.019%。
预算金额和中标金额变量包括 budget_exp_n、budget_raw_n、budget_bad_n、budget_sum_yuan、budget_mean_explicit_yuan、budget_log_sum_yuan，以及对应的 award_* 变量。其中，含“元”“万”“亿”等显式单位的金额会换算为元；裸数字金额单独保留，不与显式单位金额直接合并。金额总额和均值指标因此主要反映显式单位可解析的金额信息，不代表所有公告的完整采购金额。
（4）采购类型与技术需求变量
采购类型变量基于项目名称和招采单位字段的关键词词典识别。每类变量均提供“_n”记录数和“_share”占比两种形式。主要类型包括：
① AI采购：ai_n、ai_share；AI应用采购：ai_application_n、ai_application_share。
② 数字化采购：digital_n、digital_share；软件与信息系统、自动化与机器人、数据要素与数据治理、云计算、物联网与数字孪生、网络与数据安全、通信等细分类型。
③ 绿色采购：green_n、green_share；能源、节能环保、新能源、低碳、水务水利等相关类型。
④ 研发技术采购：rd_n、rd_share；严格研发技术采购：rd_strict_n、rd_strict_share。
⑤ 工程建设、设备材料、服务外包、定制化与解决方案、标准化采购等投入类型。
⑥ 公共部门采购、医疗健康、交通物流、制造业、金融财务、教育科研、住房物业、农业农村、应急安全、质量标准等应用场景类型。
同时构造 ai_digital、ai_green、digital_green、digital_rd、digital_custom、green_energy 和 green_construction 等交叉组合变量，用于识别技术、绿色和采购场景之间的协同需求。
关键词分类允许一条公告同时命中多个类别，因此各类占比之和不要求等于 100%。此外，primary_* 变量按照“AI—绿色—数字—研发—工程—设备—服务”的优先顺序分配互斥主类别，主要用于构造 primary_entropy（采购结构熵），不宜替代允许交叉的细分类别变量。
（5）采购空间、集中度与网络变量
① buyer_hhi、agent_hhi、winner_hhi：招采单位、代理机构和中标或成交单位的赫芬达尔—赫希曼指数，用于衡量采购对象、采购中介和供应商集中度。
② buyer_entropy、agent_entropy、winner_entropy 及其归一化形式：对应实体分布的信息熵，用于衡量采购对象或供应商多样性。
③ prov_unique_n、city_unique_n、county_unique_n 及相应 HHI、熵指标：企业采购项目覆盖的省份、城市和区县数量及其空间分布，用于衡量采购空间扩张和地域集中度。
④ agent_net_degree、agent_net_degree_mean、agent_network_flag：基于同一年度共享代理机构构造的采购网络指标，其中网络度表示企业使用的代理机构在当年连接的其他企业数量之和。
⑤ winner_net_degree、winner_net_degree_mean、winner_network_flag：基于同一年度共享中标或成交单位构造的供应商网络指标。
⑥ peer_tender_rows_loo：剔除企业自身后的年度同行平均招投标记录数，可用于行业或网络外部性分析。
代理机构、中标或成交单位及招采单位中的多个实体按照逗号、分号等分隔符拆分后参与集中度和网络指标构造。实体名称标准化程度会影响网络指标，使用时建议进行极端值处理和人工抽样复核。
（6）行业合并变量
行业合并面板增加 company_name、short_name、industry_name_b、industry_code_b、industry_name_c、industry_code_c、industry_name_d、industry_code_d、register_province、register_city、listing_state、industry_match_flag 和 industry_match 等变量。
行业变量按照股票代码—年份进行精确匹配。总体共匹配 13,580 条企业—年份观测，匹配率为 77.871%，匹配样本包含 82 个非空 D 级行业类别。未匹配观测保留在合并面板中，但不纳入行业分组统计；industry_match_flag 和 industry_match 可用于识别行业信息是否成功匹配。
4. 数据分布
招投标公告记录总体呈现明显的年度扩张趋势。2002 年仅有 4 条公告记录，2013 年以后逐步增加，2019 年以后增长更快；2024 年公告记录数达到 353,850 条，为完整年度中的最高值。2025 年截至 8 月已包含 140,874 条记录，但不能与完整年度直接比较。
在企业—年份层面的简单平均中，AI采购占比为 0.322%，AI应用采购占比为 0.263%，数字化采购占比为 8.111%，绿色采购占比为 10.579%，研发技术采购占比为 18.595%。从传统采购投入类型看，工程建设、设备材料和服务外包占比分别为 35.506%、20.312% 和 16.412%。上述比例是企业—年份层面的均值，不是将全部公告记录汇总后的全样本加权比例。
行业分布具有较强集中性。在成功匹配 D 级行业的样本中，按公告记录数排名靠前的行业包括黑色金属冶炼和压延加工业（C31，208,823 条）、化学原料和化学制品制造业（C26，113,675 条）、土木工程建筑业（E48，38,246 条）、电力、热力生产和供应业（D44，31,741 条）以及电气机械和器材制造业（C38，30,822 条）。行业排名反映的是可观测公告数量，不等同于采购金额或项目经济价值排名。
5. 配套资料与主要结果文件
数据包包括核心源数据路径、全量变量构造代码、描述性统计代码、中文变量标签说明、总体及年度和行业描述性统计、行业合并面板、质量检查报告和本数据说明。
主要结果文件为“招投标企业年份面板（中文标签）.dta”，包含 285 个企业—年份层面的招投标衍生变量；“招投标企业年份行业合并面板.dta”在此基础上增加年度行业和上市公司基本信息，共包含 298 个变量。
为便于直接开展基准回归、描述性统计和行业分组分析，另提供“招投标核心变量面板.dta”。该文件从行业合并面板中筛选 85 个核心变量，保留企业—年份主键、公司和行业信息、招投标规模、项目流程、金额披露、AI/数字/绿色/研发采购、采购空间、集中度、网络和同行外部性指标；每个变量均已写入中文变量标签，并配套提供“招投标核心变量说明.csv”。
如用于采购规模研究，建议以 ln_tender_rows 作为公告规模主指标，以 ln_project_n 作为项目需求规模的替代指标；如研究数字化或绿色采购，可分别使用 digital_share 和 green_share，并结合 ai_share、rd_share、green_energy_share、digital_rd_share 等细分和交叉指标开展机制或异质性分析。最终回归中的核心变量应根据具体研究问题、样本期和固定效应设定确定。
6. 数据质量与使用注意事项
（1）原始 Excel 单表扫描行数达到 1,048,575 行上限，需确认原始文件是否存在截断。
（2）2025 年仅覆盖截至 8 月的公告，年度趋势分析和年度回归应谨慎处理，必要时剔除 2025 年或单独设置非完整年度标识。
（3）关键词分类属于规则识别结果，不是官方采购分类；关键词类别允许交叉，建议在正式研究中对核心类别进行人工抽样复核。
（4）投标截止时间和项目预告截止时间存在无法解析、负期限或超过合理窗口的记录。质量报告保留了相关计数；期限和周期变量仅应在有效日期和合理范围内使用。
（5）预算金额和中标金额的显式单位与裸数字口径不同，使用金额总额时应优先采用显式单位金额变量，或在回归前重新统一金额量纲。
（6）公告记录数、有效项目数和项目元数据数分别对应不同统计口径；同一项目可产生多条公告，也可能跨年度发布，不应将三者直接等同。
（7）行业信息匹配率为 77.871%，行业统计和行业固定效应分析应明确使用匹配样本，并报告行业匹配规则和未匹配观测处理方式。
上市公司招投标子项指标
(76 Bytes, 需要: RMB 58 元)
京公网安备 11010802022788号
