一、数据简介
数据名称：上市公司耐心资本与人工智能发展数据
时间跨度：2002-2024年
数据层级：上市公司-年度面板
被解释变量：上市公司耐心资本水平（关系型债权度量）
核心解释变量：人工智能创新试验区DID（双重差分政策冲击变量）
识别变量：股票代码、年份
原始样本量：68851条（5732家上市公司）
有效样本量：46818条（剔除ST或金融类上市公司并删除缺失值后）
数据来源：上市公司年报、科技部
本数据集基于薛钢、许慧欣（2026）发表于《山西大学学报（哲学社会科学版）》的论文《人工智能发展能壮大耐心资本吗？——来自国家新一代人工智能创新发展试验区的经验证据》，复刻了其中的变量构建与基准回归部分。研究利用国家新一代人工智能创新发展试验区的准自然实验，采用双重差分法检验人工智能发展对上市公司耐心资本的影响。耐心资本采用关系型债权来度量；人工智能发展构建为DID虚拟变量，若企业所在城市当年设立了国家新一代人工智能创新发展试验区则取值为1，否则为0。


二、计算说明
【数据清洗】剔除是否ST或金融类==1的上市公司样本。
【变量构造】产业结构 = 第二产业增加值 / GDP；资产结构 = 固定资产占总资产比例 + 无形资产占总资产比例。
【对数变换】对企业规模（总资产）取自然对数ln；对企业年龄和经济发展水平（GDP）取ln(x+1)。
【单位变换】对资产负债率、总资产收益率、资产结构、流动比例由百分比转换为小数（除以100）。
【缩尾处理】对被解释变量和所有控制变量在前后1%进行Winsorize缩尾处理。
【基准回归】使用reghdfe进行高维固定效应回归，聚类标准误到上市公司层面。模型(1)仅核心解释变量无固定效应；模型(2)加入年份+个体固定效应；模型(3)加入全部控制变量及年份+个体固定效应。





三、数据文件
编号  文件名称              格式    说明
1     原始数据.dta          Stata   上市公司原始面板数据（68851条×28个变量）
2     描述性统计表.csv      CSV     被解释变量、解释变量及控制变量的描述性统计量（均值、标准差、最小值、最大值）
3     描述性统计表.jpg      图片    描述性统计表的可视化展示
4     基准回归结果.csv      CSV     三个模型的回归系数、标准误与p值
5     基准回归结果表.jpg    图片    基准回归结果的可视化展示


四、原始数据变量说明（原始数据.dta，28个变量）
序号  变量名称                    变量类型  变量说明
1     年份                        数值型    观测年份
2     股票代码                    数值型    上市公司股票代码
3     股票简称                    字符型    上市公司股票简称
4     行业名称                    字符型    所属行业名称
5     行业代码                    字符型    所属行业代码
6     省份                        字符型    上市公司注册地省份
7     城市                        字符型    上市公司注册地城市
8     区县                        字符型    上市公司注册地区县
9     省份代码                    数值型    省份行政区划代码
10    城市代码                    数值型    城市行政区划代码
11    区县代码                    数值型    区县行政区划代码
12    无形资产占总资产比例        数值型    无形资产/总资产（%）
13    固定资产占总资产比例        数值型    固定资产/总资产（%）
14    流动资产占总资产比例        数值型    流动资产/总资产（%）
15    企业耐心资本水平A           数值型    关系型债权度量的耐心资本水平（被解释变量）
16    赫芬达尔指数                数值型    行业赫芬达尔指数，衡量行业竞争程度
17    是否ST或金融类              数值型    虚拟变量，1=ST或金融类上市公司，0=否
18    企业上市年龄年              数值型    上市公司上市年限（年）
19    总资产万元                  数值型    上市公司总资产（万元）
20    资产负债率                  数值型    负债总额/资产总额（%）
21    总资产收益率                数值型    净利润/总资产（%）
22    董事会人数人                数值型    董事会成员人数
23    第一大股东持股比例          数值型    第一大股东持股比例（%）
24    是否四大审计                数值型    虚拟变量，1=由四大会计师事务所审计，0=否
25    人工智能创新试验区DID       数值型    DID虚拟变量，企业所在城市当年已设立国家新一代人工智能创新发展试验区则为1，否则为0
26    人工智能创新试验区批复时间  数值型    试验区批复设立的时间
27    GDP万元                     数值型    企业所在城市的地区生产总值（万元）
28    第二产业增加值万元          数值型    企业所在城市的第二产业增加值（万元）





五、回归模型变量说明（经处理后的变量）
序号  回归变量名    原始变量                  处理方式                    变量角色
1     耐心资本      企业耐心资本水平A         前后1%缩尾                  被解释变量
2     人工智能发展  人工智能创新试验区DID      无需处理（0-1虚拟变量）     核心解释变量
3     企业规模      总资产万元                ln(总资产)后缩尾            控制变量
4     资产负债率    资产负债率                除以100后缩尾               控制变量
5     总资产收益率  总资产收益率              除以100后缩尾               控制变量
6     资产结构      固定+无形资产占比         构造后除以100缩尾           控制变量
7     流动比例      流动资产占总资产比例      除以100后缩尾               控制变量
8     企业年龄      企业上市年龄年            ln(x+1)后缩尾              控制变量
9     董事会规模    董事会人数人              缩尾                        控制变量
10    股权集中度    第一大股东持股比例        缩尾                        控制变量
11    是否为四大审计  是否四大审计            缩尾                        控制变量
12    行业竞争程度  赫芬达尔指数              缩尾                        控制变量
13    经济发展水平  GDP万元                   ln(x+1)后缩尾              控制变量
14    产业结构      第二产业增加值/GDP        构造后缩尾                  控制变量





六、代码文件
文件名称        语言    说明
计算代码.do     Stata   导入原始数据、变量处理、面板基准回归（reghdfe高维固定效应 + 聚类标准误）
计算代码.py     Python  等价Python版本，含变量处理、双向固定效应回归与结果可视化输出


七、参考文献
[1] 薛钢,许慧欣.人工智能发展能壮大耐心资本吗?——来自国家新一代人工智能创新发展试验区的经验证据[J].山西大学学报(哲学社会科学版),2026,49(01):84-96.