Question 1

「企业内部控制意愿」是什么数据集？

Accepted Answer

企业内部控制意愿，隶属公司治理。依据内部控制自我评价报告全文45词原始词频和两类KMeans测量积极内部控制表达；公开信息重建，缺源保留缺失。

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 58 个变量。核心指标包括：提高词频、加强词频、促进词频、提升词频、强化词频、积极词频、优化词频、健全词频、理念词频、创新词频、重视词频、严格执行词频、增强词频、价值观词频、保持一致词频、高效词频、注重词频、推动词频、支持词频、激励词频、创造词频、督促词频、意识词频、履行职责词频、声誉词频 等。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 69,035 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

内部控制意愿反映企业在内部控制建设中表达的主动性和积极性。参考刘斌等（2021，科研管理）基于文本分析与机器学习的构造思路，本指标使用公司独立披露的年度内部控制自我评价报告全文，以论文表1的45个积极意愿关键词建立词频矩阵，再通过两类KMeans识别不同的表达类别。报告所属财年由年度标题与正文年度证据确认，不将披露年份直接减一作为财年。

固定词表依论文顺序为：提高、加强、促进、提升、强化、积极、优化、健全、理念、创新、重视、严格执行、增强、价值观、保持一致、高效、注重、推动、支持、激励、创造、督促、意识、履行职责、声誉、精神、高度重视、严格控制、充分发挥、工作效率、培育、凝聚力、及时性、致力于、贯彻执行、积极性、勤勉、科学决策、激励机制、自愿、不断加强、鼓励、贯彻落实、积极向上、积极开展。词表固定，不根据本次数据增删关键词。

对公司$i$的$t$年度报告，仅去除文字层中的排版空白，按从左到右、同一位置最长关键词优先的非重叠规则匹配全文。第$j$个词的原始出现次数记为$f{it,j}$，形成45维向量$\mathbf{x}{it}=(f{it,1},\ldots,f{it,45})$；关键词总词频为$F{it}=\sum{j=1}^{45}f{it,j}$。长词与其包含的短词不重复计数，全文中的否定表述、模板文字与各章节均不另作语义过滤。词频不按篇幅归一化，不做标准化或TF-IDF转换。

将全部可测公司年度跨年合并，以欧氏距离拟合两类KMeans，目标函数为：

$$\min{c,\mu}\sum{it}\|\mathbf{x}{it}-\boldsymbol{\mu}{c{it}}\|2^2,\qquad c{it}\in\{0,1\}.$$

初始化采用k-means++，随机种子42，独立初始化20次，每次最多迭代300次，容差为$10^{-4}$，采用Lloyd算法。将45维聚类中心的分量之和较高的一类标记为积极内部控制意愿，另一类标记为其他意愿：

$$IsPositiveICW{it}=\mathbf{1}\!\left\{c{it}=\arg\max{k\in\{0,1\}}\sum{j=1}^{45}\mu{k,j}\right\}.$$

核心指标为二元变量，1代表积极内部控制表达类别，0代表其他表达类别；词频及总词频的单位为次，用于核查分类基础。有效全文即使45词均未出现，仍保留零向量参与聚类。同公司同年度使用最新披露的自评报告；最新修订无法测量时保留缺失，不回退旧版。缺报告、财年或报告身份无法核定、文字层不足或正文存在明显扫描页时，全部词频与核心指标均缺失；缺失不代表其他意愿。
补充说明

本数据覆盖全部可得已结束年度及A股各板块，生产全样本保留ST/PT和金融业，分发另提供剔除版本。二元核心及计数中间量不作缩尾，缩尾分发版本与对应剔除版本同值。

原文公开了词表、词频矩阵与两类聚类思路，但未充分披露分词重叠规则、向量预处理、聚类参数、拟合范围及类别定向。本集按已确认的固定规则重建，不声称复现作者原分类，也不按原论文阳性比例调整标签。原始次数受篇幅及模板表达影响，分类表示文本积极表达，不能直接等同于内部控制质量。

跨年全量拟合会随新增报告重新确定中心，历史标签可能变化，不属于历史实时可观测的分类。公开报告历史覆盖和文字层质量影响可测范围，未匹配报告不能据此推断企业未披露。名称和行业按年度匹配并允许可得记录回退，地区信息为可得档案快照；北交旧新代码以精确同名且双向唯一关系对齐年度名册，未逐项核定官方变更记录，无法映射时不强行合并。
参考文献

[1]刘斌,李延喜,迟健心.内部控制意愿、内部控制水平与盈余管理方式——基于文本分析与机器学习的计量方法[J].科研管理,2021,42(9):166-174.DOI:10.19571/j.cnki.1000-2995.2021.09.021.

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	58
样本量	69,035
是否可合并	可与同主体数据集合并

企业内部控制意愿

字段字典

常见问题