企业注意力时间配置

字段字典

• Symbol [证券代码] — 交易所证券代码，保留六位字符串及历史代码；主键组成。
• StkName [证券简称] — 按年度匹配证券简称，缺年允许同公司最新可得记录回退。
• Year [年度] — 年报所属完整报告年度；主键组成。
• Province [省份] — 公司档案快照的注册地省份，不代表完整历史迁址轨迹。
• ProvinceCode [省份代码] — 公司档案快照的注册地省级行政区划代码。
• City [城市] — 公司档案快照的注册地城市。
• CityCode [城市代码] — 公司档案快照的注册地城市行政区划代码。
• County [区县] — 公司档案快照的注册地区县。
• CountyCode [区县代码] — 公司档案快照的注册地区县行政区划代码。
• IndustryCode [行业代码] — 按年度匹配中上协行业代码，缺年允许同公司最新可得记录回退。
• IndustryName [行业名称] — 按年度匹配中上协行业名称，缺年允许同公司最新可得记录回退。
• MDAWordCount [MD&A总词数] — 同一MD&A分词结果中包含字母或数字的词数，计算公式为：逐token计数，排除纯标点与空白，保留单字、停用词、数字和英文，单位为词；未可靠提取MD&A时缺失。
• MDANonNumWordCount [MD&A去数字总词数] — 同一MD&A分词结果排除完整阿拉伯数字token后的词数，计算公式为：总词数减完整数字词数，按实际分词token判断，不重组跨词数字表达式，中文数词与混合词保留，单位为词；未可靠提取时缺失。
• MDAChineseWordCount [MD&A去数字及英文总词数] — 同一MD&A分词结果去除完整数字及英文字母token后的词数，计算公式为：去数字总词数减完整英文词数，保留中文单字、中文数词及含汉字混合词，单位为词，非中文字符总数；未可靠提取时缺失。
• PresentWordCount [当下关键词词频] — 参考余振等(2024,世界经济)的方法，计算公式为：正文冻结当下词集在MD&A独立固定分词结果中的整词出现次数之和，单位为次；每个关键词去重，包含关系按实际分词只计一次；未可靠提取时缺失。
• FutureWordCount [未来关键词词频] — 参考余振等(2024,世界经济)的方法，计算公式为：正文冻结未来词集在MD&A独立固定分词结果中的整词出现次数之和，单位为次；每个关键词去重，包含关系按实际分词只计一次；未可靠提取时缺失。
• IsMDAExtracted [是否可靠提取MD&A] — 是否可靠提取MD&A(0=否，1=是)，计算公式为：中文原件可有效读取且识别经营讨论片段的可靠首尾边界则为1，否则为0；为0时其他测量字段缺失，不以全文替代。
• PresentAttention [当下注意力配置] — 参考余振等(2024,世界经济)的方法，计算公式为：当下关键词词频/MD&A总词数×100，单位为百分比；总词数包含数字与英文但不含纯标点空白，不取对数；用作研究变量，越大代表MD&A对当下议题的注意力配置越强；未可靠提取时缺失。
• FutureAttention [未来注意力配置] — 参考余振等(2024,世界经济)的方法，计算公式为：未来关键词词频/MD&A总词数×100，单位为百分比；总词数包含数字与英文但不含纯标点空白，不取对数；用作研究变量，越大代表MD&A对未来议题的注意力配置越强；未可靠提取时缺失。
• PresentAttentionNoNum [当下注意力配置去数字] — 参考余振等(2024,世界经济)的稳健性口径，计算公式为：当下关键词词频/MD&A去数字总词数×100，单位为百分比，使用与核心口径相同词频和分词；用作研究变量，越大代表对当下议题的注意力配置越强；未可靠提取时缺失。
• PresentAttentionCN [当下注意力配置去数字及英文] — 参考余振等(2024,世界经济)的稳健性口径，计算公式为：当下关键词词频/MD&A去数字及英文总词数×100，单位为百分比，使用与核心口径相同词频和分词；用作研究变量，越大代表对当下议题的注意力配置越强；未可靠提取时缺失。
• FutureAttentionNoNum [未来注意力配置去数字] — 参考余振等(2024,世界经济)的稳健性口径，计算公式为：未来关键词词频/MD&A去数字总词数×100，单位为百分比，使用与核心口径相同词频和分词；用作研究变量，越大代表对未来议题的注意力配置越强；未可靠提取时缺失。
• FutureAttentionCN [未来注意力配置去数字及英文] — 参考余振等(2024,世界经济)的稳健性口径，计算公式为：未来关键词词频/MD&A去数字及英文总词数×100，单位为百分比，使用与核心口径相同词频和分词；用作研究变量，越大代表对未来议题的注意力配置越强；未可靠提取时缺失。

常见问题

「企业注意力时间配置」是什么数据集？

企业注意力时间配置，隶属董监高数据。参考余振、李元琨、李汛(2024,世界经济)的方法，在年报MD&A中以原文冻结词集的整词频数除以总词数并乘100，度量企业注意力时间配置；提供剔除数字、剔除数字

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 23 个变量。核心指标包括：MD&A总词数、MD&A去数字总词数、MD&A去数字及英文总词数、当下关键词词频、未来关键词词频、是否可靠提取MD&A、当下注意力配置、未来注意力配置、当下注意力配置去数字、当下注意力配置去数字及英文、未来注意力配置去数字、未来注意力配置去数字及英文。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 69,432 条观测。

数据是如何测算/获取的？

指标定义与计算方法 企业注意力时间配置反映管理层对当下和未来的关注程度。某组关键词占经营讨论总词数的比例越高，表示对应时间方向的表达越密集；两组分别计量，不取差值。 当下词表（12词）：现在、此时、当下、近期、当今、现阶段、现状、现有、近年、当天、近几年、此刻。 未来词表（11词）：将来、将要、接下来、今后、未来、下一步、后续、新阶段、以后、预见、或将。 词表采用正文最终清单。附表中的“目前”不纳入；正文的“当天”“新阶段”保留，不将正文与附表合并扩词。 参考余振、李元琨、李汛（2024）的方法，提取年报管理层讨论与分析（MD&A）中的经营讨论，包含经营回顾、主营业务、研发与投资分析，以及未来计划、机遇和风险。旧版年报使用董事会报告等对应经营讨论内容；董事会日常事务、公司治理、重要事项和财务报告不计入。无法可靠确定章节范围时，保留该公司年度记录，将指标记为缺失。 对提取文本进行中文分词，按完整词条统计关键词出现次数，不重复计算词条内部的短词，也不按否定语境扣减。保留停用词和单字，排除空白及纯标点。两集采用相同的固定分词规则，具体规则见随包Python参考代码。 设某组关键词的总词频为$F$，MD&A总词数为$W$，剔除完整数字词后的词数为$Wn$，进一步剔除完整英文词后的词数为$Wc$。三个分母均按词计数；中文数词和中英混合词保留，$Wc$不是汉字数。 核心指标： $$A=\frac{F}{W}\times100$$ 去数字口径： $$An=\frac{F}{Wn}\times100$$ 去数字及英文口径： $$Ac=\frac{F}{Wc}\times100$$ 每组关键词分别计算上述三个比例，单位均为百分比，不取对数。每集提供两个核心指标、四个稳健性指标，并保留词频、三个词数及提取标志。有效文本没有关键词时记为0；文本或章节无法有效测量时记为缺失。 补充说明 - 数据以证券代码和报告年度唯一标识，覆盖可得的行业、板块及年份，未沿用论文回归子样本。指标衡量文本关注程度，不能直接代表实际投入或产出。 - 原文未公开完整词频构造程序。本数据集使用正文词表及固定分词规则，未重新训练扩词模型；期刊附件部分数值与正文定义不一致，因此不以附件数值调整计算结果。 - 年报体例、文本损毁、繁体表达及局部重复可能影响章节识别和词频。正文不转简体；确认无法可靠测量的材料记为缺失，能够有效识别的短章保留。 - 名称和行业按年度匹配，缺年时可能使用该公司的最新可得记录；地区为公司档案快照，不能表示历史迁址。辅助信息缺失不删除观测。 - Stata提供原始版、剔除ST/PT与金融业版，以及剔除后按年度1%—99%缩尾版。词频、词数和比例分别缩尾，提取标志不缩尾；缩尾后的计数可能为小数，比例不再等于缩尾后的词频除以词数。辅助标志或指标缺失的记录仍保留。 参考文献 [1]余振,李元琨,李汛.外部关税冲击、企业家注意力配置与创新发展[J].世界经济,2024,47(6):65-94.DOI:10.19985/j.cnki.cassjwe.2024.06.003.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。