一、数据概述
本数据集为论文复刻数据，用于实证检验人工智能对企业创新韧性的影响。
研究时间窗口为 2011—2024 年，样本为中国 A 股制造业上市公司。
复刻论文：
  李斌, 薛希萌, 等. 人工智能对企业创新韧性的影响——基于技术能力适应性
  视角[J]. 研究与发展管理, 2025.
数据来源：
  基于 权威上市公司数据库，以及上市公司年报文本
  分析结果整理而成。


二、文件清单
  原始数据/原始数据.xlsx          Excel 格式原始面板数据
  原始数据/原始数据.dta           Stata 格式原始面板数据（与xlsx内容一致）
  回归代码.do                     Stata 基准回归代码（含详细注释）
  人工智能对企业创新韧性的影响
    ——基于技术能力适应性视角
    _李斌.pdf                     复刻论文原文 PDF
  数据说明.txt                    本文件





三、变量说明
  原始变量名                代码中重命名      说明
  年份                      —                 样本年份（2011-2024）
  股票代码                  —                 上市公司股票代码（个体标识）
  省份代码                  —                 企业注册所在省份代码
  行业代码                  —                 证监会行业分类代码
  是否ST类                  —                 是否为 ST/*ST 公司（1=是，0=否）
  【被解释变量（因变量）】
  企业创新韧性3             企业创新韧性A     以专利授权量变化状况测算的企业创新韧性
  企业创新韧性4             企业创新韧性B     以企业所在行业尺度测算的企业创新韧性
    参考：卢正文, 许康 (2024)《数字化转型对企业创新韧性的双重效应研究》
  【核心解释变量（自变量）】
  人工智能词频和            —                 年报中人工智能相关词汇词频总和
  人工智能词频和加1取对数   人工智能           ln(人工智能词频和 + 1)，回归中使用
  【控制变量】
  董事会人数人              董事会规模         董事会成员人数
  第一大股东持股比例        股权制衡度         第一大股东持股比例（%）
  两职合一                  —                 董事长与总经理是否为同一人（1=是，0=否）
  托宾Q值                   —                 企业市场价值/资产重置成本
  资产负债率                —                 总负债/总资产（%）





四、数据处理说明
回归代码（回归代码.do）中的主要处理步骤：
  1. 样本筛选
     - 保留 2011 年及以后的观测
     - 剔除 ST 类公司（财务异常）
     - 仅保留制造业（行业代码首字母为 C）
  2. 缩尾处理（Winsorize）
     - 对以下连续变量在 1% 和 99% 分位数处缩尾：
       企业创新韧性A、企业创新韧性B、人工智能、
       董事会规模、股权制衡度、托宾Q值、资产负债率
  3. 单位转换
     - 股权制衡度、资产负债率：原始为百分数，除以 100 转为小数
  4. 缺失值处理
     - 删除任何关键变量存在缺失的观测
  5. 面板设定
     - 个体：股票代码；时间：年份
  6. 基准回归
     - 使用 reghdfe 命令，逐步加入固定效应与控制变量
     - 模型1：仅核心解释变量，无固定效应
     - 模型2：核心解释变量 + 年份/企业/省份固定效应
     - 模型3：核心解释变量 + 控制变量 + 三维固定效应
     - 标准误在企业层面聚类