企业创新竞争压力

字段字典

• Symbol [股票代码] — 六位数字字符串股票代码；保留历史证券代码及B股代码。
• StkName [证券简称] — 上市公司证券简称
• Year [报告所属年度] — 年报所属财务年度，不使用公告发布日期年度。
• Province [省份] — 公司注册地所在省份
• ProvinceCode [省份代码] — 公司注册地省份行政区划代码
• City [城市] — 公司注册地所在城市
• CityCode [城市代码] — 公司注册地城市行政区划代码(6位)
• County [区县] — 公司注册地所在区县
• CountyCode [区县代码] — 公司注册地区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码(如C26、J66,按年度动态匹配公司当年所属行业)
• IndustryName [行业名称] — 中上协行业分类名称(按年度动态匹配公司当年所属行业)
• ReportLength [年报全文长度] — 年报全文按终止标点和空段切句、去空白及句界终止标点后的字符数，单位为字符；保留其余标点、数字和英文，为长度调整回归的解释变量。全文不可有效测量时缺失。
• InnovationTextLength [创新文本长度] — 参考江承鑫等（2026），论文公开14个去重创新词中任一词出现的句段字符数加总；去空白及句界终止标点，单位为字符，是创新文本竞争句密度的分母。有效全文无创新词时为0，坏源缺失。
• InnovationCompWords [创新文本竞争词次数] — 参考江承鑫等（2026）印刷159页，论文公开14个创新词和20个竞争词，按终止标点及空段切句、句内去空白后直接字符串匹配；含创新词句段内竞争词次数加总，单位为次，不扣否定、不作语义分类。有效全文无共现为0，坏源缺失。
• InnovationCompSentences [创新文本竞争句数] — 参考江承鑫等（2026）印刷163页，按终止标点及空段划分的句段中，同时出现论文公开创新词和竞争词的句段数量，单位为句段；每句最多计1，不等于竞争词频。有效全文无共现为0，坏源缺失。
• InnoComp [企业创新竞争压力] — 参考江承鑫等（2026），创新文本竞争词次数加1取自然对数，对年报全文长度自然对数作含截距OLS，取残差；本集按全部可测公司年全时期合并估计，不加固定效应，无量纲，可为负，越大表示相对篇幅的创新竞争文本关注越强。新增年度会重估并修订历史残差。坏源或长度无效时缺失，不保证作者同值。
• InnoComp1 [创新文本竞争句密度] — 参考江承鑫等（2026）印刷163页，计算公式为创新文本中出现竞争词的句段数量除以创新文本长度，单位为句段/字符，不取对数、不乘百分比。分母为创新文本而非全文，创新文本长度为0或源无效时缺失；用于稳健性检验。

常见问题

「企业创新竞争压力」是什么数据集？

企业创新竞争压力，隶属经营绩效。参考江承鑫、刘斌、黄坤（2026），衡量企业年报创新叙述中体现的竞争压力。

该数据集的时间范围是？

覆盖 1991-2025 年。

包含哪些变量/指标？

共 17 个变量。核心指标包括：年报全文长度、创新文本长度、创新文本竞争词次数、创新文本竞争句数、企业创新竞争压力、创新文本竞争句密度。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？

测量对象与经济含义 创新竞争压力反映企业在创新活动叙述中表达的竞争关注。参考江承鑫、刘斌、黄坤（2026），本数据集识别年报全文中的创新相关句段，统计其中竞争词的提及次数，并剔除年报篇幅的系统影响。指标越大，表示相对于披露篇幅而言，企业创新叙述中的竞争关注越强。该指标是文本披露量，不直接代表实际竞争强度或创新绩效。 创新与竞争文本识别 使用参考论文表1公开的词表。创新词为：创新、研发、技术、前沿、产学研、原创、创造、新型、攻关、科研、研究、开发、科技、科学。原表重复出现的“技术”只保留一次。竞争词为：并立、博弈、定价权、话语权、角逐、竞合、竞争、劣势、领先、落后、马太效应、趋同、商战、淘汰、同质、洗牌、优胜劣汰、优势、争夺、逐鹿。 将年报全文按中文句号、问号、叹号、英文问号和叹号以及空段切分为句段。普通排版折行不另设句界，句内去除空白后进行完整字符串匹配。任一创新词出现的句段视为创新文本；在这些句段内，累计竞争词出现次数，记为W。否定语境仍计为提及，不追加语义或情感筛选。 记全文清理后字符数为L，创新文本清理后字符数为I；清理去除空白及句界终止标点，保留其余标点、数字及英文。记创新文本中至少出现一个竞争词的句段数为S。同一句出现多个竞争词时，W计全部次数，S只计一次。 核心创新竞争压力 在全部可测公司年度观测组成的合并样本中，估计含截距的普通最小二乘回归： $$ \ln(1+W{it})=\alpha+\beta\ln(L{it})+\varepsilon{it} $$ 其中，i表示企业，t表示报告所属年度。以回归残差作为核心指标： $$ InnoComp{it}=\varepsilon{it} $$ 合并估计不额外加入年度或行业固定效应。残差可以为负，负值表示该观测的创新竞争词提及低于其篇幅对应的拟合水平。新增年度或报告修订后重新估计回归，因此历史残差可能调整。 创新文本竞争句密度 按照参考论文的稳健性思路，计算创新文本中竞争句段数量相对于创新文本长度的密度： $$ InnoComp1{it}=\frac{S{it}}{I{it}} $$ 该指标单位为句段/字符，分母是创新文本长度，未使用全文长度或创新句数代替。有效全文没有共现时，竞争词次数和竞争句数记为零；没有创新文本时，该密度因分母为零而缺失。 补充说明 本集为论文公开词表版，不重新训练词嵌入，也不保证公开表格等于作者完整冻结词库。句界、字符长度和全时期合并估计为明确的操作化，不能声称作者程序的精确复现。TF-IDF属于参考论文的业务相似度与政策暴露分析，不是本集压力指标的算法。 机械匹配可能将“开发支出”等财务术语识别为创新文本；无终止标点或空段的财务表格也可能连成长句段，影响词频和密度解释。简体词串会漏计繁体“競爭、創新”等提及，原件标点提取损失也可能扩大句段。竞争词次数为零仅表示既定词表与句界未命中共现，不能据此认定企业实际没有创新竞争。 原始材料不完整、早期年报稀疏、排版与披露措辞变化均可能影响测量。读取失败、摘要、英语主体及经核实损毁的材料保留观测，研究量缺失；未触发质量规则不等于逐份证明全文完整。地区信息为档案快照，名称与行业按年度匹配，缺少同期记录时可能回退可得档案。 参考文献 [1]江承鑫,刘斌,黄坤.科创板设立与主板企业创新——基于竞争的传导路径[J].财经研究,2026,52(2):154-168.DOI:10.16538/j.cnki.jfe.20240224.102.

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。