1998-2025年上市公司数据要素利用水平词频统计数据集

数据集概览

随着数字经济时代的到来，数据已成为驱动企业创新与转型的核心生产要素。如何量化评估企业对数据要素的开发利用程度，一直是学术界和实务界关注的重要议题。本数据集基于上市公司年报文本，运用词频分析法构建了企业层面的数据要素利用水平指标，为相关实证研究提供了基础数据支撑。

指标构建方法

本数据集的指标构建思路借鉴了戴魁早等（2024）发表于《经济研究》的研究方法，从数据要素存量、数据开发能力、数据驱动商业应用、数据价值变现四个维度选取关键词，对企业数据要素的开发利用状况进行测度。具体操作流程如下：

•第一步：收集全部样本企业的年度报告，将其转换为纯文本格式以供分析

•第二步：界定数据要素种子词的检索范围，确保覆盖四个维度的核心概念

•第三步：借助分词词典，利用 Python 编程对年报文本执行分词处理与关键词抓取，统计各特征词在文中出现的频次

•第四步：对原始词频数进行加一处理后取自然对数（即 ln(词频+1)），以缓解极端值影响

下图展示了数据要素利用水平的构建框架及各维度对应的关键词体系：

数据要素利用水平构建框架及关键词体系

数据指标说明

本数据集包含以下字段指标，涵盖了企业基本信息、文本统计信息以及数据要素各维度的词频测度：

基础信息字段

文本统计字段

数据要素词频指标

关键词明细列表

数据集涵盖了以下关键词的逐词频统计：

大数据、数据集成、数据融合、数据信息、数据管理、数据资产、数字化、自动化、5G、智能、机器人、机器学习、3D打印、3D技术、3D工具、AI、物联网、边缘计算、云计算、云服务、云端、数字科技、数字技术、计算机技术、信息时代、信息化、信息技术、信息集成、信息通信、O2O、B2B、C2C、P2P、C2B、B2C、电子技术、电子科技、线上、网络、线上线下、互联网、电子商务、跨境电商、电商平台、智慧时代、智慧建设、智慧业务、数字运营、数字终端、数字经济、数字体系、数字供应链、数字营销、数字货币、区块链、数字贸易

数据可视化与概览

1. 各年度数据要素利用水平词频分布

下图展示了不同年份中数据要素相关关键词出现频率的企业数量分布情况，可以直观观察到企业对数据要素的关注度随时间的变化趋势：

数据要素利用水平词频——各年企业数量分布

2. Excel 版数据截图

数据集提供 Excel 格式版本，便于用户进行数据浏览、筛选与初步分析：

上市公司数据要素词频统计数据（Excel 版）

3. Stata 版数据截图

同时提供 Stata（.dta）格式版本，方便经济学与管理学研究者直接导入进行回归分析：

上市公司数据要素词频统计数据（Stata 版）

参考文献

本数据集的指标构建参考了以下学术文献：

[1] 戴魁早, 黄姿, 梁银笛. 数据要素与服务型制造发展[J]. 经济研究, 2024, 59(12): 95-112.

[2] 唐要家, 王钰, 唐春晖. 数字经济、市场结构与创新绩效[J]. 中国工业经济, 2022, (10): 62-80.

数据使用建议

1.研究设计：该数据集适用于考察企业数字化转型、数据要素配置效率、数字经济与创新发展等议题的实证研究，可作为核心解释变量或控制变量使用

2.时间趋势：从各年分布来看，2015年后企业对数据要素的关注度显著上升，建议在实证模型中关注结构性变化

3.行业差异：不同行业对数据要素的利用程度存在较大差异，建议结合行业固定效应进行分析

4.指标拓展：研究者可根据自身研究需要，选取特定维度的关键词子集构建定制化指标

数据来源：上市公司年报全文文本

引用格式：[1]戴魁早,黄姿,梁银笛.数据要素与服务型制造发展[J].经济研究,2024,59(12):95-112. [2]唐要家,王钰,唐春晖.数字经济、市场结构与创新绩效[J].中国工业经济,2022,(10):62-80.

顶部专栏分享更多内容

专栏合集：经管社科数据集合与整理

来源： Paper 数据分析