数字化转型(熵值法)

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
• DT_Zhao [数字化转型指数(赵宸宇)] — 参考赵宸宇, 王文春, 李雪松(2021, 财贸经济)的方法，基于年报全文4维度99个数字化转型关键词的词频占比，利用熵值法按年度横截面加权合成的综合指标。用作研究变量，越大代表企业数字化转型程度越高。单位：比例
• Ratio_DTA [数字技术应用词频占比] — 参考赵宸宇等(2021, 财贸经济)的方法，计算公式为：数字技术应用维度23个关键词(数据管理、大数据、云计算、区块链、物联网、机器学习等)的词频/年报中文字符总数。单位：比例
• Ratio_IBM [互联网商业模式词频占比] — 参考赵宸宇等(2021, 财贸经济)的方法，计算公式为：互联网商业模式维度28个关键词(移动互联网、电子商务、O2O、B2B等)的词频/年报中文字符总数。单位：比例
• Ratio_IM [智能制造词频占比] — 参考赵宸宇等(2021, 财贸经济)的方法，计算公式为：智能制造维度36个关键词(人工智能、智能制造、自动控制、集成系统等)的词频/年报中文字符总数。单位：比例
• Ratio_MIS [现代信息系统词频占比] — 参考赵宸宇等(2021, 财贸经济)的方法，计算公式为：现代信息系统维度12个关键词(信息系统、信息化、信息管理、网络化等)的词频/年报中文字符总数。单位：比例
• Freq_DTA [数字技术应用词频] — 数字技术应用维度23个关键词在年报全文中出现的总次数。单位：次
• Freq_IBM [互联网商业模式词频] — 互联网商业模式维度28个关键词在年报全文中出现的总次数。单位：次
• Freq_IM [智能制造词频] — 智能制造维度36个关键词在年报全文中出现的总次数。单位：次
• Freq_MIS [现代信息系统词频] — 现代信息系统维度12个关键词在年报全文中出现的总次数。单位：次
• FreqTotal [关键词总词频] — 参考温素彬等(2022,会计研究)的方法，计算公式为：4个维度53个智能制造特征词在MD&A部分的总出现次数。单位：次
• TotalChars [年报中文字符数] — 年报全文中的中文字符总数(CJK字符范围)。单位：个

常见问题

「数字化转型(熵值法)」是什么数据集？

数字化转型(熵值法)，隶属数字化转型与人工智能。衡量企业数字化转型的深度与广度。

该数据集的时间范围是？

覆盖 1992-2025 年。

包含哪些变量/指标？

共 22 个变量。核心指标包括：数字化转型指数(赵宸宇)、数字技术应用词频占比、互联网商业模式词频占比、智能制造词频占比、现代信息系统词频占比、数字技术应用词频、互联网商业模式词频、智能制造词频、现代信息系统词频、关键词总词频、年报中文字符数。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 67,310 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集旨在构建衡量中国上市公司数字化转型程度的综合指标。数字化转型是指企业利用数字技术（如大数据、云计算、人工智能等）重塑其业务流程、商业模式和组织结构的过程。为量化这一过程，参考赵宸宇等（2021）的研究，采用文本分析方法，从上市公司年度报告全文中识别与数字化转型相关的关键词，并利用熵值法合成综合指数。 首先，基于赵宸宇等（2021）构建的包含99个关键词的词库，将关键词划分为四个维度：数字技术应用（23个关键词）、互联网商业模式（28个关键词）、智能制造（36个关键词）和现代信息系统（12个关键词）。使用多模式匹配算法扫描年报全文，统计每个维度关键词的出现次数，得到原始词频 $Freq\DTA$、$Freq\IBM$、$Freq\IM$ 和 $Freq\MIS$。为消除年报篇幅差异的影响，将各维度原始词频除以年报全文的中文字符总数 $TotalChars$，得到各维度的词频占比 $Ratio\DTA$、$Ratio\IBM$、$Ratio\IM$ 和 $Ratio\MIS$。计算公式为： $$Ratio\dim = \frac{Freq\dim}{TotalChars}$$ 其中 $dim$ 分别代表 DTA、IBM、IM、MIS 四个维度。 为综合反映企业在四个维度上的整体数字化水平，并考虑各维度指标在年度横截面上的信息差异，采用熵值法对上述四个词频占比指标进行加权合成。熵值法是一种客观赋权法，根据各指标在样本中提供的信息量大小来确定权重，信息量越大（离散程度越高），权重越大。具体计算步骤如下： 1. 数据标准化：对于第 $i$ 家公司在第 $j$ 个维度（$j=1,2,3,4$）的词频占比 $x{ij}$，进行正向化处理（通常采用平移或极差标准化，确保所有值为正）。 2. 计算比重：计算第 $i$ 家公司在第 $j$ 个维度指标值的比重 $p{ij}$。 $$p{ij} = \frac{x{ij}}{\sum{i=1}^{n} x{ij}}$$ 3. 计算熵值：计算第 $j$ 个维度指标的熵值 $ej$。 $$ej = -k \sum{i=1}^{n} p{ij} \ln(p{ij})$$ 其中 $k = 1/\ln(n) 0$，$n$ 为样本公司数量。 4. 计算差异系数：计算第 $j$ 个维度指标的差异系数 $gj$。 $$gj = 1 - ej$$ 5. 确定权重：计算第 $j$ 个维度指标的权重 $wj$。 $$wj = \frac{gj}{\sum{j=1}^{4} gj}$$ 6. 计算综合得分：计算第 $i$ 家公司的数字化转型综合指数 $DT\Zhao$。 $$DT\Zhaoi = \sum{j=1}^{4} wj \cdot x{ij}$$ 最终得到的 $DT\Zhao$ 即为企业数字化转型综合指标，数值越大，代表企业在该年度的数字化转型程度越高。 补充说明 - 关键词匹配基于年报全文进行，不依赖分词工具，直接对原文进行扫描匹配。 - 词频占比计算的分母为年报全文的中文字符总数。 - 熵值法权重按年度横截面分别计算，即每年根据当年所有样本公司的四个维度词频占比数据重新计算权重，以反映年度间的结构性变化。 参考文献 - 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.

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。