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(jì)算方式：參考C刊《財(cái)貿(mào)經(jīng)濟(jì)》趙宸宇（2021）老師的做法，具體的大家可以看一下參考文獻(xiàn)，和文獻(xiàn)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(bào)告并轉(zhuǎn)換為文本格式，然后通過(guò) Python 提取經(jīng)營(yíng)情況分析部分的文本。第二步，通過(guò)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(duì)選定好的樣本進(jìn)行分詞處理和詞頻統(tǒng)計(jì)，篩選出與數(shù)字化轉(zhuǎn)型相關(guān)的高頻詞語(yǔ)并制作成詞云圖( 見(jiàn)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(gè)維度，這提示我們可以從四個(gè)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(yǔ)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(xiàn)基礎(chǔ)上對(duì)關(guān)鍵詞進(jìn)行補(bǔ)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(duì)所有樣本進(jìn)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(gè)方面統(tǒng)計(jì)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(duì)詞頻數(shù)據(jù)進(jìn)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(wàn)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(lái)源于上市公司年報(bào)!

4.參考文獻(xiàn)：

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(cái)貿(mào)經(jīng)濟(jì),2021,42(07):114-129.

P$@JA6I3_5QLHMS_9M(12YX.png (12.67 KB, 下載次數(shù): 0)

2PRWS6U%U50W_0KY7U%SLHQ.png (51.5 KB, 下載次數(shù): 0)

3BJDN)BQRX@2995NRA_M$R0.png (44.26 KB, 下載次數(shù): 0)

復(fù)制這個(gè)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(guó)專業(yè)社科交流平臺(tái))