发帖
雷达卡
数据名称：上市公司数字创新词频数据。
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：企业数字创新、数字产品创新词频、数字流程创新词频、数字商业模式创新词频。
识别变量：stkcd、year；证券代码为展示用证券代码，证券简称为年度简称。
文件格式：原始与结果数据同时提供 Stata .dta 和部分 .xlsx 格式；计算与评估代码分别提供 .do 和 .py 格式。
本数据以目录内原始数据为基础，按数字创新词频既定词典/模型口径计算核心指标，再以 stkcd 和 year 合并年度行业、地区信息，并以 stkcd 合并公司静态基本信息；最终覆盖72,584个公司年度观测，适用于上市公司年度实证分析、描述统计与稳健性检验。
二、原始数据与基本信息合并
上市公司数字创新词频原始数据.dta：上市公司年度数字创新相关词频与年报总词数，主要字段为 证券代码、年份、总词数及数字创新关键词列。
上市公司数字创新词频原始数据.xlsx：与 .dta 对应的原始词频数据表。
上市公司年度行业省份城市数据.dta：上市公司年度行业代码、行业名称、所属省份和所属城市信息，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、所属城市。
行业代码\上市公司基本信息数据.dta：上市公司静态基本信息，按 stkcd 合并，主要字段为 证券代码、证券中文简称、上市日期、股票类型、行业名称A-D、行业代码A-D、注册资本、成立日期、退市日期。
三、计算说明
【企业数字创新、数字产品创新词频、数字流程创新词频、数字商业模式创新词频】数字产品创新词频为“物联网”至“应用系统”词频之和；数字流程创新词频为“智能化”至“控制系统”词频之和；数字商业模式创新词频为“数字化”至“运营平台”词频之和；企业数字创新=(三类词频之和)×100/年报总词数，数值越大表示数字创新文本强度越高。
【stkcd】由六位证券代码转换得到的数值型公司识别码，用于公司层面合并。
【year】由原始年度字段生成的数值型年度，用于年度匹配、时间趋势和缩尾分组。
【行业代码、行业名称、所属省份、所属城市】由年度行业地区数据合并得到，用于样本筛选、分组分析和地区识别。
四、结果数据文件
共有 3 套结果数据文件，每套均同时提供 .dta 与 .xlsx 格式。样本筛选步骤如下：
(1) 原始计算样本仅保留 A 股，剔除证券代码以 200 或 900 开头的 B 股；
(2) 未剔除金融ST未缩尾版本保留金融行业、ST/PT 和退市公司，不进行缩尾；
(3) 剔除金融ST未缩尾版本剔除行业代码含 J 的金融行业、证券简称含 ST/PT 的年度观测及退市日期非空的公司；剔除金融ST缩尾版本在相同清洗样本上对企业数字创新按年度进行 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 A 股全样本留档版本，保留金融、ST/PT 和退市公司，不缩尾。
2 计算结果剔除金融ST未缩尾版本.dta 清洗样本版本，剔除金融、ST/PT 和退市公司，不缩尾。
3 计算结果剔除金融ST缩尾版本.dta 实证常用版本，在清洗样本上对连续核心指标按年度缩尾。
五、变量说明
序号 变量名称 变量类型 变量说明
1 证券代码 string 六位上市公司证券代码；静态基本信息中的非缺失值优先。
2 证券简称 string 年度证券简称，用于识别 ST/PT 年度观测。
3 证券中文简称 string 静态证券中文简称。
4 stkcd numeric 数值型公司代码，面板识别变量。
5 year numeric 年度，面板时间变量。
6 企业数字创新、数字产品创新词频、数字流程创新词频、数字商业模式创新词频 numeric 企业数字创新为三类创新词频和占年报总词数的百分比
7 行业代码 string 年度行业代码；代码含 J 的观测属于金融行业。
8 行业名称 string 年度行业名称。
9 所属省份、所属城市 string 公司年度注册地省份和城市。
10 上市日期、成立日期、退市日期 string 公司静态上市、成立和退市日期。
11 股票类型 string 公司股票类型。
12 行业名称A-D、行业代码A-D string 公司静态多层级行业分类。
13 注册资本 numeric 公司静态注册资本。
14 公司名称、公司中文简称、公司英文名称 string 公司静态名称信息。
15 经营范围、公司沿革 string 公司静态经营与沿革文本信息。
六、代码文件
文件名称 语言 说明
上市公司数字创新词频数据计算代码.py Python 读取原始数据，计算数字创新词频指标，合并基本信息并输出三套结果数据。
上市公司数字创新词频数据计算代码.do Stata 与 Python 版口径一致的 Stata 计算代码。
上市公司数字创新词频数据评估代码.py Python 独立读取三套结果 .dta，生成描述统计、频率、异常值、逻辑检验、稳健性对比和图形。
上市公司数字创新词频数据评估代码.do Stata 与 Python 版功能对等的数据质量评估代码。
七、数据质量评估
评估结果存放于 数据质量评估报告_20260916 文件夹，Python 运行日志为 评估日志_20260916.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 数值变量描述性统计、分箱频率分布和字符变量频数 CSV。
2 分布图 未剔除金融ST未缩尾版本的直方图、箱线图、核密度/散点矩阵及时间趋势图，JPG 均为 300dpi。
3 异常值检验 各变量缺失率、Z-score 异常值和 IQR 温和/极端异常值统计。
4 逻辑合理性验证 总评估结论表，汇总缺失、异常值、比率范围和面板时间连续性检验。
5 稳健性测试 不同处理版本之间的样本量、均值、中位数、标准差和覆盖年度对比。
八、参考文献
[1] 郑攀攀. 知识产权司法保护专门化与企业数字创新[PDF].
上市公司数字创新词频2000-2025年含do-python代码和excel-dta格式数据.zip
(95.57 MB, 需要: RMB 32 元)
京公网安备 11010802022788号
