人工智能如何提升企业生产效率2007-2022年报AI关键词词频专利数量高低技能劳动力企业价值

含原始数据及计算结果、计算代码、参考文献

数据来源：基于上市公司年报数据整理

时间跨度：2007-2022年

区域范围：上市公司

注:参考本篇论文的做法，在收集上市公司的样本数据时，进行了如下处理：

（1）剔除了金融行业公司

（2）剔除了信息传输、软件和信息技术服务业以及科学研究和技术服务行业

（3）剔除当年处于 ST 和*ST 状 态的样本

指标说明：

本文选取的变量如以下数据指标体系所示：

注：在本数据集中，非常规高技能劳动力表示为上市公司的研发人员占公司总体员工的比重（%），常规低技能劳动力则表示为100%-非常规高技能劳动力。本数据集将收集到的四个季度的托宾Q的值取算数平均后，做为了企业价值的替代变量。

本数据在收集过程中，研发人员占企业总员工人数数据并不完整，所以非常规高技能劳动力与常规低技能劳动力数据在部分企业和年份存在缺失。

此外，本数据集在进行上市公司年报以及MD&A中人工智能词频分析时，选取的人工智能词典也列示如下。

变量名称	变量符号	变量描述
全要素生产率	TFP	根据奥利和帕克斯(1996)的方法计算
年报人工智能关键词词频	Lnwords	上市公司年报中人工智能关键词数量加1,取自然对数
年报中MD&A部分人工智   能关键词词频	Lnwords_MD&A	上市公司年报中MD&A部分人工智能关键词数量加1,取自然对数
人工智能专利数量	Lnpatent	上市公司当年申请的人工智能专利数量加1,取自然对数
常规低技能劳动力	Routine	上市公司生产、业务、市场和财务人员数量，除以企业员工人数
非常规高技能劳动力	Non_routine	上市公司技术和研发人员数量，除以企业员工人数
企业价值	Tobinq	企业市场价值/(资产总计-无形资产净额-商誉净额)
公司规模	Size	公司员工总数，取自然对数
公司年龄	Age	公司成立年龄，取自然对数
资产负债率	Leverage	总负债/总资产
成长性	Growth	销售收入增长率，取自然对数
董事会规模	BoardSize	董事会人数，取自然对数
两职合一	Dual	董事长与总经理两职合一时取1,否则取0
股权集中度	Top1	第一大股东持股比例
技术创新	Lnallpats	企业申请专利总数加1,取自然对数

参考文献：姚加权,张锟澎,郭李鹏,等.人工智能如何提升企业生产效率？——基于劳动力技能结构调整的视角[J].管理世界,2024,40(02):101-116+133+117-122.

证券代码        公司名称        year        企业绿色全要素生产率        年报中人工智能关键词总词频对数        MD&A中人工智能总词频对数        人工智能专利数量+1后取对数        (100-非常规高技能劳动力)%        研发人员占公司总体员工的比重（%）        对四个季度的托宾Q值取平均        对员工总数取自然对数        对公司年龄取对数        总负债/总资产        公司成长性，对销售收入增长率取对数        董事会规模        是否两职合一，0否，1是        第一大股东持股比率%        技术创新        statement