数据资产披露(自用型与交易型词频)
「数据资产披露(自用型与交易型词频)」，覆盖 1991-2025 年，频率 年度，上市公司层级，含 21 个变量，样本量约 67,320。 衡量上市公司数据资产化水平。
| 时间跨度 | 1991-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 21 |
| 样本量 | 67,320 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 年报对应年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- FreqODA [自用型数据资产词频] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，自用型数据资产161个关键词在年报全文中出现的总次数。单位：次
- FreqDDA [交易型数据资产词频] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，交易型数据资产59个关键词在年报全文中出现的总次数。单位：次
- FreqDA [数据资产总词频] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：自用型数据资产词频 + 交易型数据资产词频。单位：次
- TotalChars [全文总字符数] — 年报全文中文字符总数。单位：个
- DA [数据资产化程度] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：ln(数据资产总词频 + 1)，用作研究变量，越大代表企业数据资产化程度越高
- ODA [自用型数据资产化程度] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：ln(自用型数据资产词频 + 1)，用作研究变量，越大代表企业自用型数据资产化程度越高
- DDA [交易型数据资产化程度] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：ln(交易型数据资产词频 + 1)，用作研究变量，越大代表企业交易型数据资产化程度越高
- DARatio [数据资产化词频占比] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：数据资产总词频 / 全文总字符数 * 100(百分比)
- ODARatio [自用型词频占比] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：自用型数据资产词频 / 全文总字符数 * 100(百分比)
- DDARatio [交易型词频占比] — 参考何瑛, 陈丽丽, 杜亚光(2024, 中国工业经济)的方法，计算公式为：交易型数据资产词频 / 全文总字符数 * 100(百分比)
常见问题
- 「数据资产披露(自用型与交易型词频)」是什么数据集？
- 数据资产披露(自用型与交易型词频)，隶属数字化转型与人工智能。衡量上市公司数据资产化水平。
- 该数据集的时间范围是？
- 覆盖 1991-2025 年。
- 包含哪些变量/指标？
- 共 21 个变量。核心指标包括：自用型数据资产词频、交易型数据资产词频、数据资产总词频、全文总字符数、数据资产化程度、自用型数据资产化程度、交易型数据资产化程度、数据资产化词频占比、自用型词频占比、交易型词频占比。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 67,320 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在衡量中国上市公司的数据资产化程度，其核心方法是通过文本分析技术，从上市公司年度报告全文中识别与数据资产相关的关键词，并基于其出现频率构建量化指标。该方法参考了何瑛等（2024）的研究，将数据资产区分为自用型数据资产（ODA）和交易型数据资产（DDA）两类。自用型数据资产主要涉及企业内部运营的数字基础设施、数据管理与处理、信息技术应用等场景；交易型数据资产则聚焦于数据交易平台、数据共享流通、网络服务等外部交易场景。研究首先以“信息”、“网络”、“数字”、“数据”四个种子词为基础，通过Word2Vec模型扩展得到共计220个关键词，其中161个属于自用型，59个属于交易型。在统计词频时，为避免因关键词之间存在子串包含关系（共39组）而导致重复计数，采用了AC自动机算法进行两遍最长匹配去重处理。 基于上述关键词词典，对每家上市公司每年的年报全文进行扫描，得到三个基础词频变量：自用型数据资产词频（$FreqODA$）、交易型数据资产词频（$FreqDDA$）以及两者之和构成的数据资产总词频（$FreqDA$）。同时，记录年报全文的总中文字符数（$TotalChars$）。为构建可用于实证研究的主要变量，对词频进行对数变换以缓解其偏态分布，得到数据资产化程度（$DA$）、自用型数据资产化程度（$ODA$）和交易型数据资产化程度（$DDA$）三个核心指标。此外，为控制年报文本长度的影响，还计算了各词频占总字符数的百分比，得到数据资产化词频占比（$DARatio$）、自用型词频占比（$ODARatio$）和交易型词频占比（$DDARatio$）。 核心指标的计算公式如下： $$DA = \ln(FreqDA + 1)$$ $$ODA = \ln(FreqODA + 1)$$ $$DDA = \ln(FreqDDA + 1)$$ 其中$FreqDA$为数据资产总词频，$FreqODA$为自用型数据资产词频，$FreqDDA$为交易型数据资产词频。 词频占比指标的计算公式为： $$DARatio = \frac{FreqDA}{TotalChars} \times 100$$ $$ODARatio = \frac{FreqODA}{TotalChars} \times 100$$ $$DDARatio = \frac{FreqDDA}{TotalChars} \times 100$$ 其中$TotalChars$为年报全文总中文字符数。 参考文献 - 何瑛, 陈丽丽, 杜亚光. 数据资产化能否缓解"专精特新"中小企业融资约束[J]. 中国工业经济, 2024.
- 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。