数据介绍：

• 年份：2001-2024
• 范围：A股上市公司
• 三个版本：注意力时间配置(未缩尾未剔除金融STPT版本)、注意力时间配置(未缩尾已剔除金融STPT版本)、注意力时间配置(已缩尾已剔除金融STPT版本)
• 文件格式：Dta格式（使用Stata打开）、Xlsx格式（使用Excel打开
• 注：提供了剔除所需数据和剔除代码，若无需做该项剔除处理，自行删除相关代码重新运行即可行业参照证监会2012年行业分类标准，制造业用二级行业分类，其他用一级分类来计算并对连续型变量进行了1%和99%分位数的缩尾处理
• 代码格式：do/pythpn文件，含生成代码和分析评估代码
• 分析结果及论文图表均在帖子末尾的压缩包，可直接下载查看情况
  

---

计算公式：

企业家注意力时间配置测量方法说明


本文采用对企业年报中MD&A一章进行文本分析的方法来测量企业家注意力时间配置。使用文本分析测度人们的时间配置有着较强的语言学理论基础（Chen, 2013）。由于企业MD&A一节的总词数大多在2000词以上，标准化后的数值过小，因此本文将所有文本分析得到的指标都乘以100。


词集构建分三个步骤：第一步参照陈守明和胡媛媛（2016）的做法，采用"现在""此时""此刻""当下""当前""近期""目前"作为表征关注当下的基础词，采用"未来""即将""将来""将要""接下来""今后"作为表征将来的基础词；第二步基于Word2vec中的CBOW模型构造词向量空间，并在其中寻找近义词，筛选出词频数在1000词以上、和基础词相似度在30%以上的词；第三步邀请3名业界和学术界专家对CBOW模型得到的相似词进行人工核查，最终得到表征当下的词集（包括"现在""此时""当下""近期""当今""现阶段""现状""现有""近年""当天""近几年""此刻"）和表征未来的词集（包括"将来""将要""接下来""今后""未来""下一步""后续""新阶段""以后""预见""或将"）。


本文分别基于表征当下和表征未来的词集进行文本分析，并利用词典法对每家企业的年报中MD&A部分进行词频分析，分别计算以下3个指标：词集词频数占MD&A总词数的比例、词集词频数占不含数字MD&A总词数的比例、词集词频数占不含数字和英文MD&A总词数的比例。

---

参考引用:

• 外部关税冲击、企业家注意力配置与创新发展
  

---

计算代码和评估代码：







结果数据