企业人数协同(耦合协调度模型)

字段字典

• Symbol [股票代码] — 6位股票代码
• StkName [证券简称] — 上市公司证券简称
• Year [年份] — 财务年度
• 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)
• HC [人力资本(本科及以上占比)] — 参考于翔等(2025,科研管理)的方法,计算公式为:本科及以上学历员工人数/员工总数,由本科占比与硕士及以上占比两列加总构成(单列缺失按0计入,两列口径少量重叠致个别观测之和>1已截断至[0,1]);取值[0,1],衡量企业人力资本水平,越大代表高学历员工占比越高。作为人数协同耦合协调度的人力资本子系统。
• DA [数据资产(数字化无形资产占比)] — 参考李健等(2023,外国经济与管理)与张永珅等(2021,审计研究)的方法,计算公式为:数字化无形资产年末余额/无形资产总额;数字化无形资产由无形资产明细项名匹配数字化关键词(软件、网络、客户端、管理系统、智能平台)识别加总,取值[0,1];衡量企业数据资产相对规模。作为人数协同耦合协调度的数据资产子系统。
• HDC [人数协同] — 参考秦姣姣、郭爱芳(2026,科研管理)的方法,计算公式为:人力资本HC与数据资产DA的耦合协调度,先算耦合度C=2*sqrt(HC*DA)/(HC+DA),再算综合协调指数T=0.5*HC+0.5*DA,最后人数协同HDC=sqrt(C*T);取值[0,1],HC或DA为0则HDC为0(无协同)。用作研究变量,越大代表企业'人力资本'与'数据资产'的协同匹配程度越高。
• HDC_Tech [人数协同(技术人员占比口径)] — 参考秦姣姣、郭爱芳(2026,科研管理)稳健性检验的方法,计算公式为:将人力资本HC由本科及以上占比替换为技术人员占比后,按耦合协调度公式HDC=sqrt(C*T)重算得到的人数协同稳健口径;取值[0,1]。技术人员占比缺失的企业年为空。用作稳健性检验变量。

常见问题

「企业人数协同(耦合协调度模型)」是什么数据集？

企业人数协同(耦合协调度模型)，隶属数字化转型与人工智能。参考秦姣姣、郭爱芳(2026,科研管理)的方法,用企业人力资本(本科及以上占比)与数据资产(数字化无形资产占比)的耦合协调度测量'人数协同',刻画'人'与'数'

该数据集的时间范围是？

覆盖 2007-2025 年。

包含哪些变量/指标？

共 15 个变量。核心指标包括：人力资本(本科及以上占比)、数据资产(数字化无形资产占比)、人数协同、人数协同(技术人员占比口径)。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 41,451 条观测。

数据是如何测算/获取的？

指标定义与经济含义 在数字经济时代，人力资本与数据资产的协同匹配已成为企业攻克技术创新的关键。数据资产效能的发挥不仅取决于其存量多少，还取决于人力资本——数据资产需要以"人"为媒介，实现对技术知识与信息的传递、吸收与处理；反过来，企业高质量员工也需通过与数据资产的协同将个人能力最大化。本指标基于战略匹配观，将"人数协同"定义为企业人力资本与数据资产之间的协同联动水平，用二者的耦合协调度加以刻画。 指标的构建分为两个子系统与三步测度。人力资本 $HC$ 以本科及以上学历员工人数占比度量（大学以下教育水平的员工通常不在人力资本水平计量范围之内）： $$HC = \frac{\text{本科及以上学历员工人数}}{\text{员工总数}}$$ 数据资产 $DA$ 以数字化无形资产占无形资产总额的比重度量。其中数字化无形资产由无形资产明细项的名称匹配数字化技术关键词（软件、网络、客户端、管理系统、智能平台）识别，将命中项的年末余额加总得到： $$DA = \frac{\text{数字化无形资产年末余额}}{\text{无形资产总额}}$$ 在两个子系统的基础上，先测度二者的耦合度 $C$，用以衡量要素间彼此相互作用、相互影响的强弱程度： $$C = 2 \times \frac{\sqrt{HC \times DA}}{HC + DA}$$ 考虑到人力资本与数据资产可能在不同发展水平上达到较高耦合度、但这并不代表协调水平也高，进一步引入综合协调指数 $T$，其中 $\alpha$、$\beta$ 分别代表人力资本与数据资产的重要程度，按学界常见做法取 $\alpha = \beta = 0.5$（二者同等重要）： $$T = \alpha \times HC + \beta \times DA, \quad \alpha = \beta = 0.5$$ 最后综合考虑耦合度与协调水平，得到人力资本与数据资产的协同耦合度，即核心指标人数协同 $HDC$： $$HDC = \sqrt{C \times T}$$ $HDC$ 取值于 $[0,1]$，越大代表企业"人"与"数"的协同匹配程度越高。由公式可知，当 $HC$ 或 $DA$ 有一者为零时耦合度 $C$ 为零、进而 $HDC$ 为零，此时刻画的是"无协同"的真实状态。此外提供稳健口径 $HDC\Tech$：将人力资本 $HC$ 由本科及以上学历占比替换为技术人员占比后，按同一耦合协调度公式重新计算，用于稳健性检验。 补充说明 关于数据资产 $DA$ 的度量口径，需作专门说明。数据资产的分子在文献表述上指向"数据资产"（例如数据挖掘、数据分析、数据仓库等条目），但若严格按仅含"数据"二字的无形资产明细项识别，则数据资产大于零的企业覆盖率不足百分之一、由此算出的人数协同均值约为 0.0003，与既有研究报告的均值 0.2236 严重背离。经系统校准，采用数字化无形资产的宽口径关键词（软件、网络、客户端、管理系统、智能平台）识别时，制造业 2007—2022 年样本的人数协同均值为 0.2341、标准差 0.1819，与既有研究的 0.2236、0.1680 高度吻合（均值偏差约 4.7%）。这一宽口径正是该测量的引用链条所实际采用的做法——以无形资产明细中的数字化技术关键词识别企业的数据／数字化无形资产，是该领域的成熟范式。因此本指标采用数字化无形资产宽口径，这在可复现性上是更忠实、更稳健的选择，而非对原方法的改动。 关于人力资本 $HC$ 的具体构造需作说明。$HC$ 由本科占比与硕士及以上占比两列加总得到（即 $HC = \text{本科占比} + \text{硕士及以上占比}$），而非直接取自单一的"本科及以上占比"字段；当企业仅披露其中一类学历占比时，缺失的一类按零计入（缺失的学历类别视为该层次员工人数为零）。由于本科与硕士及以上两类占比在原始口径上存在少量重叠（部分硕士学历者同时被计入本科列），个别观测之和超过 100%，故对人力资本施加 $[0,1]$ 截断护栏，对合法数据无影响，但 $HC=1$ 的观测中含被截断者，做学历敏感性检验时需留意。数据资产 $DA$ 取值已落在 $[0,1]$，无形资产总额非正的企业年不参与计算。 在样本上，本指标对全行业、全部年份计算并输出（凡人力资本与无形资产总额皆可得即输出），既有研究将样本限定于制造业 2007—2022 年、并施加剔除专利不足五年企业、剔除退市风险企业、连续变量上下 1% 缩尾等回归样本设定，这属于研究样本层面的选择，不属于变量定义，由使用者按研究需要自行施加。 使用中还需注意三点固有局限。其一，金融业企业的无形资产总额很小，其中软件／系统类一项即可将数据资产占比推高至 0.5 至 1.0，叠加其高学历占比本就偏高，导致金融业人数协同系统性虚高（均值约 0.71），与制造业不可比；做全行业分析时建议剔除金融业或披露其不可比性，无形资产极小的企业同理。其二，无形资产明细在 2014 年披露稀疏、数字化关键词命中率偏低，致该年数据资产与人数协同偏低，回归中建议纳入年份固定效应予以吸收。其三，耦合协调度公式含 $\sqrt{HC \times DA}$ 项，对极微小的数据资产占比较为敏感，少数观测会得到接近零的小正值，属公式固有性质；建议对数据资产与人数协同做缩尾处理。 参考文献 [1]秦姣姣,郭爱芳.人数协同对企业突破式创新的影响研究:来自专利文本分析的证据[J/OL].科研管理,1-13[2026-07-24].https://link.cnki.net/urlid/11.1567.G3.20260527.1623.007. [2]于翔,牛彪,苑泽明.价值链视角下"人数"协同对企业高质量发展的影响研究[J].科研管理,2025,46(3):60-68. [3]李健,董小凡,张金林,等.数据资产对企业创新投入的影响研究[J].外国经济与管理,2023,45(12):18-33. [4]张永珅,李小波,邢铭强.企业数字化转型与审计定价[J].审计研究,2021,(3):62-71.

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。