一、数据简介
数据名称：上市公司数据资产共享水平数据
时间跨度：2000-2024年
数据层级：上市公司-年度面板
核心指标：企业数据资产共享水平Ds
识别变量：stkcd（上市公司数值型证券代码）、year（年份）
文件格式：.dta（Stata格式）、.xlsx（Excel格式）
本数据基于A股上市公司年报文本挖掘，利用29个数据资产共享相关关键词（信息共享、数据交换、互联互通、信息交换、资源共享等）的词频及其Word2Vec语义相似度权重，计算上市公司数据资产共享水平指标（Ds），用于衡量企业在年报中披露数据资产共享活动的程度，可用于研究数据要素流通、数字化转型、供应链协同等议题。





二、计算说明
【企业数据资产共享水平Ds】
定义：上市公司年报中29个数据资产共享相关关键词的加权词频之和除以年报总词数，反映企业数据资产共享活动在年报文本中的披露强度。
公式：Ds = Σ(关键词i词频 × 权重i) / 年报总词数（排除英文和数字），i = 1, 2, ..., 29
含义：指标值越大，表明该上市公司在年报中披露数据资产共享相关内容越多，数据资产共享水平越高。


29个关键词及权重：信息共享(0.7961)、数据交换(0.7168)、互联互通(0.6761)、信息交换(0.6690)、资源共享(0.6491)、信息资源(0.6404)、协同工作(0.6218)、互操作(0.6104)、实时数据(0.5995)、数据资源(0.5917)、共享平台(0.5839)、互通(0.5671)、交互(0.5606)、鉴权(0.5480)、信息流(0.5473)、决策支持系统(0.5437)、实时处理(0.5422)、数据流(0.5342)、协同(0.5341)、连接起来(0.5313)、信息分享(0.5217)、管理信息(0.5216)、多用户(0.5198)、接口(0.5192)、数据检索(0.5150)、互享(0.5134)、数据挖掘(0.5127)、可视化(0.5121)、信息处理(0.5093)。





三、结果数据文件
共3套结果数据（每套含.dta和.xlsx两种格式），对应不同样本筛选与处理方式。
样本筛选步骤：
（1）剔除B股样本（证券代码首位为2或9），仅保留A股上市公司
（2）剔除无法匹配行业信息的样本（证券简称为空）
（3）剔除金融业样本（行业代码含"J"）
（4）剔除ST、PT样本（证券简称含"ST"或"PT"）
（5）对核心指标按年份分组进行前后1%缩尾处理（winsor2）
编号    文件名称                                        说明
1       计算结果未剔除未缩尾版本.dta/.xlsx              经步骤（1）（2）处理后的全样本数据，未剔除金融业和ST/PT，未缩尾
2       计算结果已剔除金融STPT未缩尾版本.dta/.xlsx      经步骤（1）（2）（3）（4）处理后的数据，已剔除金融业和ST/PT，未缩尾
3       计算结果已剔除金融STPT已缩尾版本.dta/.xlsx      经步骤（1）（2）（3）（4）（5）处理后的数据，已剔除金融业和ST/PT，已按年份前后1%缩尾





四、变量说明
序号    变量名称        变量类型    变量说明
1       证券代码        字符型      上市公司6位证券代码
2       证券简称        字符型      上市公司证券简称（以基本信息数据为主回写）
3       stkcd           数值型      上市公司数值型证券代码
4       year            数值型      年份（2000-2024）
5       企业数据资产共享水平Ds  数值型  上市公司数据资产共享水平核心指标
6       行业代码        字符型      证监会行业分类代码（以基本信息C类为主回写）
7       行业名称        字符型      证监会行业分类名称（以基本信息C类为主回写）
8       所属省份        字符型      上市公司注册所在省份
9       所属省份代码    字符型      省份行政区划代码
10      所属城市        字符型      上市公司注册所在城市
11      所属城市代码    字符型      城市行政区划代码
12      证券中文简称    字符型      上市公司基本信息中的证券中文简称
13      上市日期        字符型      上市公司首次上市日期
14      股票类型        字符型      股票类型标识（A股等）
15      ABH股交叉码    字符型      A、B、H股交叉上市标识码
16      公司名称        字符型      上市公司全称
17      公司中文简称    字符型      上市公司中文简称
18      公司英文名称    字符型      上市公司英文全称
19      行业名称D       字符型      证监会行业分类D级名称
20      行业代码D       字符型      证监会行业分类D级代码
21      行业名称C       字符型      证监会行业分类C级名称
22      行业代码C       字符型      证监会行业分类C级代码
23      行业名称B       字符型      证监会行业分类B级名称
24      行业代码B       字符型      证监会行业分类B级代码
25      行业名称A       字符型      证监会行业分类A级名称
26      行业代码A       字符型      证监会行业分类A级代码
27      经营范围        字符型      上市公司经营范围描述
28      公司沿革        字符型      上市公司历史沿革
29      注册资本        数值型      上市公司注册资本（元）
30      成立日期        字符型      上市公司成立日期
31      退市日期        字符型      上市公司退市日期（未退市为空）





五、原始数据与基本信息合并
原始数据文件：上市公司年报词频与数据资产共享关键词原始数据.dta，主要字段包括证券代码、年份、年报总词数（排除英文和数字）及29个数据资产共享关键词的词频计数。
合并方式：
（1）与"上市公司行业与地区信息数据.dta"按stkcd和year进行m:1合并，获取证券简称、行业代码、行业名称、所属省份、所属省份代码、所属城市、所属城市代码。
（2）与"行业代码/上市公司基本信息数据.dta"按stkcd进行m:1合并，获取公司名称、上市日期、多级行业分类等22个公司属性字段。
回写规则（以上市公司基本信息数据为主）：
（1）用"证券中文简称"回写"证券简称"（当证券中文简称非空且与原值不同时）
（2）用"行业代码C"回写"行业代码"（当行业代码C非空且与原值不同时）
（3）用"行业名称C"回写"行业名称"（当行业名称C非空且与原值不同时）





六、代码文件
文件名称                                    语言        说明
上市公司数据资产共享水平数据计算代码.do      Stata       核心指标计算、样本筛选、多版本结果输出
上市公司数据资产共享水平数据计算代码.py      Python      与Stata计算代码等价的Python实现
上市公司数据资产共享水平数据评估代码.do      Stata       数据质量全面评估（分布、异常值、逻辑、稳健性）
上市公司数据资产共享水平数据评估代码.py      Python      与Stata评估代码等价的Python实现


七、数据质量评估
评估报告文件夹：数据质量评估报告_YYYYMMDD
评估日志文件：评估日志_YYYYMMDD.log
子文件夹          内容说明
数据分布分析      全样本描述性统计、分年度统计、分行业统计、字符型变量频率分布
分布图            直方图、核密度图、年度箱线图、年度趋势图、行业TOP20柱形图、省份TOP20柱形图、散点图、样本量柱形图（JPG格式，300dpi）
异常值检验        缺失值统计、IQR法异常值明细、Z-score法异常值明细
逻辑合理性验证    年份连续性检验、指标范围检验、重复观测检验、行业代码有效性、年度样本量
稳健性测试        样本期对比t检验、三版本数据对比、缩尾前后核密度对比图、不同缩尾比例敏感性分析、相关性检验





八、参考文献
苑泽明. 数据资产共享、供应链配置多元化与企业价值.