中国A股上市公司人工智能与企业高质量发展（LP法全要素生产率）DID实证研究面板数据（2006-2024年）

---

一、数据背景

随着全球数字经济的蓬勃发展，人工智能（AI）已成为引领新一轮科技革命和产业变革的战略性技术。我国政府高度重视人工智能布局，通过设立“国家新一代人工智能创新发展试验区”等政策工具，旨在推动技术进步与实体经济深度融合。在微观层面，人工智能如何赋能企业生产效率、提升企业高质量发展水平，是当前经济学与管理学领域研究的热点。本数据旨在为考察人工智能政策对企业全要素生产率（TFP）的溢出效应提供实证支撑，助力企业数字化转型与宏观经济高质量发展研究。

---

二、数据介绍

• 时间范围：2006-2024年

• 覆盖范围：中国A股上市公司

• 样本量：49,866条有效观测值

• 数据来源：上市公司年度报告

  数据格式：Excel / Stata (dta)，含pdf参考文献

  A股上市公司人工智能与企业高质量发展（2006-2024年）.zip
  大小:(19.09 MB)

  只需: RMB 33元  马上下载

  
  

---

三、指标说明

本数据集包含原始数据、基准回归处理代码及相关指标，核心字段说明如下：

• 基本信息指标：

  • 股票代码/简称：上市公司唯一识别代码及证券简称。

  • 年份/行业/地理信息：涵盖省、市、区县及代码，行业代码与名称（证监会分类）。

  • 筛选变量：是否为ST或金融类企业。

    
    

• 企业财务指标：

  • 总资产：企业期末资产总计。

  • 资产周转率/资产负债率/资产收益率（ROA）：衡量企业营运能力、偿债能力及盈利水平。

  • 股权结构：第一大股东持股比例。

  • 现金流：经营活动产生的现金流量净额。

    
    

• 核心研究指标（DID模型）：

  • Treat：政策分组虚拟变量（是否位于国家新一代人工智能创新发展试验区）。

  • Post：政策时间虚拟变量。

  • 人工智能发展政策（DID项）：Treat与Post的交互项，用于衡量政策效应。

    
    

• 企业高质量发展指标（全要素生产率）：

  • TFP_LP：采用Levinsohn & Petrin (LP) 法测算的水平值（核心指标）。

  • TFP_OP/TFP_OLS/TFP_FE：采用OP法、OLS法及固定效应法测算的替代指标。

    
    
  
  

---

四、参考文献

[1] 刘备, 邱兆轩, 任保平. 人工智能与企业高质量发展：来自国家新一代人工智能创新发展试验区的经验证据 [J]. 中国软科学, 2025, (06): 166-176.

---

五、数据概览

本数据采用面板数据结构（Panel Data），全面覆盖了2006至2024年间A股上市公司的经营数据与人工智能政策试点信息。数据集由原始数据、测算代码（Stata dofile）、描述性统计结果以及基准回归实证结果四部分组成。字段涵盖了从微观财务到宏观地域政策的多维指标，时间跨度近20年，能够有效支持双重差分法（DID）及多种稳健性检验，是研究人工智能与企业微观行为的专业科研工具。

原始数据

计算代码