1.資料名稱：2022-2007年上市公司數(shù)字化轉(zhuǎn)型、上市公司企業(yè)數(shù)字化轉(zhuǎn)型

2.計算方式：參考C刊《財貿(mào)經(jīng)濟》趙宸宇（2021）老師的做法，具體的大家可以看一下參考文獻，和文獻一致

使用文本分析法和專家打分法構(gòu)建制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)。首先，使用文本分析法構(gòu)建 DIGI_text 變量。第一步，收集 制造業(yè)上市公司的年度報告并轉(zhuǎn)換為文本格式，然后通過 Python 提取經(jīng)營情況分析部分的文本。第二步，通過人工判斷的方式抽取一定數(shù)量的數(shù)字化轉(zhuǎn)型較為成功的企業(yè)樣本。第三步，對選定好的樣本進行分詞處理和詞頻統(tǒng)計，篩選出與數(shù)字化轉(zhuǎn)型相關(guān)的高頻詞語并制作成詞云圖( 見圖 1) 。圖 1 中的關(guān)鍵詞可以分為數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造和現(xiàn)代信息系統(tǒng)四個維度，這提示我們可以從四個維度構(gòu)建企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)。第四步，基于第三步形成的詞語從上市公司總樣本中提取其前后文本，并尋找出現(xiàn)頻率較高的文本組合。第五步，在既有文獻基礎(chǔ)上對關(guān)鍵詞進行補充，形成最后的分詞詞典。第六步，基于自建的分詞詞典，使用 Jieba 功能對所有樣本進行分詞處理，從數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造和現(xiàn)代信息系統(tǒng)四個方面統(tǒng)計關(guān)鍵詞的披露次數(shù)，以此反映企業(yè)在各方面的轉(zhuǎn)型程度。在此基礎(chǔ)上，對詞頻數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，使用熵值法確定各指標(biāo)權(quán)重，最終得到 DIGI_text 指數(shù)

3.資料范圍：2萬多樣本，包括原始數(shù)據(jù)、數(shù)據(jù)處理代碼和最終數(shù)字化轉(zhuǎn)型數(shù)據(jù)，數(shù)據(jù)來源于上市公司年報

4.參考文獻：

趙宸宇,王文春,李雪松.數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率[J].財貿(mào)經(jīng)濟,2021,42(07):114-129.

P$@JA6I3_5QLHMS_9M(12YX.png (12.67 KB, 下載次數(shù): 1)

2PRWS6U%U50W_0KY7U%SLHQ.png (51.5 KB, 下載次數(shù): 1)

3BJDN)BQRX@2995NRA_M$R0.png (44.26 KB, 下載次數(shù): 1)

復(fù)制這個鏈接下載

https://www.caomeikeyan.com/forum.php?mod=viewthread&tid=2301

(出處: 草莓科研服務(wù)網(wǎng)——中國專業(yè)社科交流平臺)