Question 1

「企业数字化转型鸿沟」是什么数据集？

Accepted Answer

企业数字化转型鸿沟，隶属数字化转型与人工智能。参考温军等(2026,财贸经济)的方法测度企业与所属行业数字化转型领先者之间的差距。

Question 2

该数据集的时间范围是？

Accepted Answer

覆盖 1991-2025 年。

Question 3

包含哪些变量/指标？

Accepted Answer

共 24 个变量。核心指标包括：是否成功提取管理层讨论与分析章节、管理层讨论与分析中文字数、管理层讨论与分析内数字化词频、企业数字化转型程度、行业当年企业数、行业数字化转型领先企业数、行业数字化转型领先水平、企业数字化转型鸿沟、是否为行业数字化转型领先企业、行业数字化转型领先水平(前5%口径)、企业数字化转型鸿沟(前5%口径)、行业数字化转型领先水平(前15%口径)、企业数字化转型鸿沟(前15%口径)。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

Question 4

数据频率和层级是怎样的？

Accepted Answer

频率为年度，上市公司层级。

Question 5

样本量有多大？

Accepted Answer

约 69,680 条观测。

Question 6

数据是如何测算/获取的？

Accepted Answer

指标定义与计算方法

在数字技术加速渗透实体经济的进程中，企业之间的数字化推进速度并不均衡：一部分企业依托资源禀赋与组织能力率先完成转型，另一部分企业则受制于资金、人才与技术积累而进展迟缓，行业内部由此形成日益扩大的"数字鸿沟"。这一差距对落后企业并非只有单一方向的影响。一方面，领先企业的数字化实践会通过技术示范、知识扩散与产业链协同产生正向溢出，帮助同行业其他企业降低交易成本、提升要素配置效率；但企业吸收外部知识的能力有限，差距过大时反而难以承接领先者的先进经验，溢出收益呈边际递减。另一方面，领先企业凭借数字技术带来的成本优势与网络效应攫取更大市场份额，挤压落后企业的利润空间与研发投入，这种垄断效应随差距扩大而边际递增。两种相反力量此消彼长，使数字化转型差距对企业全要素生产率呈现先正后负的倒U型影响，并进一步推高行业进入壁垒。本数据集正是刻画这一差距的企业—年度指标。

指标构建从企业自身的数字化转型程度出发。年报中的"管理层讨论与分析"章节集中披露企业的业务开展情况与发展规划，最能反映管理层对数字化的实际投入与关注。据此，本数据集统计数字技术应用、互联网商业模式、智能制造与现代信息系统四个维度共 99 个数字化关键词在该章节中出现的次数，并考虑到各企业披露篇幅存在差异，用该章节的中文字数对词频总和作标准化处理，得到企业数字化转型程度：

$$DIG{it} = \frac{\sum{w=1}^{99} freq{w,it}}{L^{MDA}{it}} 	imes 10$$

其中 $freq{w,it}$ 为第 $w$ 个数字化关键词在企业 $i$ 第 $t$ 年管理层讨论与分析章节中的出现次数，$L^{MDA}{it}$ 为该章节的中文字数，乘以 10 仅为使数值便于表述，不改变企业之间的相对关系。该章节未能成功识别的企业年不计算上述指标，也不参与后续的行业层面测算。

在此基础上界定行业内的数字化转型领先者。现有关于行业龙头企业的研究多以行业内排名比例作为筛选标准，本数据集沿用这一思路，将当年行业内数字化转型程度处于前 10% 的企业视为领先企业，并以这些企业数字化转型程度的算术平均值作为该行业当年的数字化转型领先水平：

$$L{jt} = \frac{1}{k{jt}} \sum{i \in Top{jt}} DIG{it}, \qquad k{jt} = \max\left(1,\ \lceil n{jt} 	imes 10\% ceilight)$$

其中 $j$ 为企业所属行业，按行业分类的门类与大类层级划分并逐年匹配企业当年的实际所属行业；$n{jt}$ 为该行业当年可测算的企业数，领先企业家数 $k{jt}$ 由该企业数乘以比例后向上取整，并保证至少为 1 家。

企业与行业领先水平之间的绝对距离即为数字化转型鸿沟：

$$DIGGAP{it} = \left| DIG{it} - L{jt} ight|$$

该指标对行业内全部企业计算，领先企业自身同样取值。之所以采用绝对差距而非行业内相对排名一类的相对差距，是因为关注的是同一行业内不同企业数字化水平的离散程度如何影响企业绩效：即便两个行业中游企业的相对位次相同，其与行业领先水平的绝对差距仍可能不同，对自身生产率的影响也随之不同。指标数值越大，表示该企业与行业数字化转型领先者的距离越远。

为检验结论对领先企业界定标准的敏感性，本数据集另按前 5% 与前 15% 两种比例重复上述测算，给出相应的行业领先水平与数字化转型鸿沟。界定标准越严格，被认定为领先者的企业越少、领先水平越高，测得的鸿沟也相应越大，三套口径之间保持稳定的单调关系。除核心指标外，还一并提供数字化关键词词频、章节中文字数、行业当年企业数、领先企业家数以及领先企业标识等构件字段，便于使用者按自身研究需要复核口径或施加样本限制。
补充说明

- 样本口径：覆盖全部可获得年报文本的企业年，未预先剔除金融业、特别处理企业或规模较小的行业，也未对指标作缩尾处理，相关限制由使用者按研究设计自行施加。原文在回归中对连续变量作了上下 1% 缩尾。

- 数字化词典与量纲：原文的数字化转型程度参考了一份依据国家数字经济政策文件提炼的词典，该词表未随原文公开，无法复现，本数据集改用另一篇同领域文献完整公开的 99 词词表，其同样覆盖政策语义中的数字化表述。受词表构成差异影响，本数据集的数字化转型程度与鸿沟在绝对水平上系统性低于原文报告的量级；由于鸿沟是同量纲的差值，企业间的相对排序与行业内离散结构不受整体缩放影响，但原文报告的曲线拐点数值不适用于本数据。标准化分母采用章节中文字数，若原文所指为分词后的词数，则会使本数据集的水平值再整体偏小一个词长倍数。

- 指标的行业层成分：鸿沟按定义包含行业领先水平这一组内共同项，与行业领先水平高度正相关；数字化关键词词频为零的企业年，其鸿沟在数值上等于所属行业领先水平，不含企业自身信息，这类观测在样本早期占比相对较高。建议在模型中纳入企业与年份固定效应，并借助词频字段识别与筛选零值观测。此外，行业内企业数过少时领先水平由个别企业决定，年际波动较大，可用行业企业数字段设定最小组规模。

- 方向性与可比性：依原文取绝对值，数字化程度高于行业领先均值的企业与同等距离的落后企业取值相同，可用领先企业标识加以区分。年报格式准则在样本期内经历修订，管理层讨论与分析的内容范围随之调整，该章节长度出现阶段性升降，而年报全文长度保持平稳增长，因此跨制度阶段的水平值不完全可比。

- 其他局限：词表的智能制造维度包含若干传统制造与管理用词，装备制造类企业的相关表述会被计入；游戏、互联网内容等企业的经营语言不在词表范围内，少数纯数字业态公司的词频接近于零。企业所属行业按年度动态匹配，行业变更会改变参照系并带来鸿沟数值的跳变。
参考文献

- 温军,杨竞豪,亢延锟.数字化转型鸿沟与企业全要素生产率——溢出效应和垄断效应的综合视角[J].财贸经济,2026,47(1):105-124.
- 袁淳,肖土盛,耿春晓,等.数字化转型与企业分工:专业化还是纵向一体化[J].中国工业经济,2021,(9):137-155.
- 赵宸宇,王文春,李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济,2021,42(7):114-129.

Question 7

如何获取该数据集？

Accepted Answer

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。

时间跨度	1991-2025 年
数据频率	年度
层级	上市公司
变量数	24
样本量	69,680
是否可合并	可与同主体数据集合并

企业数字化转型鸿沟

字段字典

常见问题