1.資料名稱：2022-2000年上市公司企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)數(shù)據(jù)

2.測算方式：參考《中國工業(yè)經(jīng)濟》袁淳（2021）老師的做法

借助數(shù)字經(jīng)濟相關(guān)的國家政策語義表述，建立一個相對完備的數(shù)字化詞典，并利用基于機器學(xué)習(xí)的文本分析法，構(gòu)建一個較為全面反映中國上市企業(yè)數(shù)字化程度的指標(biāo)。 具體步驟

如下：

第一步，構(gòu)建企業(yè)數(shù)字化術(shù)語詞典。 由于缺乏專門的數(shù)字經(jīng)濟領(lǐng)域的術(shù)語詞典，本文以國家政策語義體系為基礎(chǔ)構(gòu)建企業(yè)數(shù)字化術(shù)語詞典。 借鑒何帆和劉紅霞（2019）等的研究，通過對中央人民政府、工業(yè)和信息化部網(wǎng)站進行檢索，人工篩選得到 2000—2022 年期間發(fā)布的重要的國家層面數(shù)字經(jīng)濟相關(guān)政策文件以用于提取企業(yè)數(shù)字化相關(guān)的關(guān)鍵詞。經(jīng) Python 分詞處理及人工識別，最終篩選得到 197 個頻率大于等于 5 次的企業(yè)數(shù)字化相關(guān)詞匯， 這些詞匯構(gòu)成了本文的企業(yè)數(shù)字化術(shù)語詞典。

第二步， 對年報相關(guān)語段進行文本分析。 本文把上述數(shù)字化術(shù)語詞典中的 197 個詞匯擴充到Python 軟件包的“jieba”中文分詞庫，然后基于機器學(xué)習(xí)的方法對上市公司年報“管理層討論與分析”（MD&A）部分進行文本分析，統(tǒng)計得到 197 個與企業(yè)數(shù)字化相關(guān)詞匯在年報中出現(xiàn)的頻率

第三步，企業(yè)數(shù)字化程度指標(biāo)的構(gòu)建。 考慮到年報 MD&A 部分文本長度的差異，在提取得到每家上市公司每年年報中各個關(guān)鍵詞的出現(xiàn)頻率后， 本文采用企業(yè)數(shù)字化相關(guān)詞匯頻數(shù)總和除以年報 MD&A 語段長度衡量微觀企業(yè)數(shù)字化程度（Digital）。 為了表述方便，本文將該指標(biāo)乘以 100。Digital 指標(biāo)數(shù)值越大，表示企業(yè)數(shù)字化程度越高。

3.資料范圍：包括原始數(shù)據(jù)、python代碼、計算代碼和最終計算結(jié)果，最終計算結(jié)果為dig和Dig， dig乘以100為Dig

4.參考文獻：

袁淳,肖土盛,耿春曉等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國工業(yè)經(jīng)濟,2021,No.402(09):137-155.DOI:10.19581/j.cnki.ciejournal.2021.09.007.

微信截圖_20230615091425.jpg (179.41 KB, 下載次數(shù): 0)

微信截圖_20230615092134.jpg (89.78 KB, 下載次數(shù): 1)

微信截圖_20230615092245.jpg (80.75 KB, 下載次數(shù): 0)

復(fù)制這個鏈接下載

https://www.caomeikeyan.com/forum.php?mod=viewthread&tid=2551

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