一、数据简介
数据名称：上市公司竞争战略成本领先&差异化战略
时间范围：2000—2025年
数据层级：上市公司—年度面板
核心指标：成本领先战略、差异化战略、竞争战略类型
识别变量：stkcd、year
文件格式：DTA、XLSX、Python、Stata do
本目录包含原始数据、基本信息、计算结果及配套代码，数据用于上市公司相关实证研究。



二、原始数据与基本信息合并
上市公司竞争战略差异化词频原始数据.dta：原始计算数据文件，主要字段为 证券代码、年份、总词数、差异化、独特、唯一、新产品、新产品开发。
上市公司竞争战略差异化词频原始数据.xlsx：原始计算数据文件，主要字段为 证券代码_x、年份、年度报告全文总词频、成本领先战略词频、year、stkcd、差异化战略词频、证券代码_y。
上市公司竞争战略成本领先词频原始数据.dta：原始计算数据文件，主要字段为 证券代码、年份、总词数、效率、高效、生产规模、成本、降低成本。
上市公司竞争战略成本领先词频原始数据.xlsx：原始计算数据文件，主要字段为 证券代码_x、年份、年度报告全文总词频、成本领先战略词频、year、stkcd、差异化战略词频、证券代码_y。
行业代码/上市公司基本信息数据.dta：公司静态基本信息，主要用于按stkcd合并证券代码、简称、行业、上市日期、注册资本、成立日期和退市日期。


三、计算说明
【差异化战略词频】为差异化词集各词频变量的行合计。
【成本领先战略词频】为成本领先词集各词频变量的行合计。
【成本领先战略】=100×成本领先战略词频/年度报告全文总词频。
【差异化战略】=100×差异化战略词频/年度报告全文总词频。
【公司当年差异化战略与成本领先战略词频之比】=差异化战略词频/成本领先战略词频。
【当年总样本差异化战略与成本领先战略之比的中值】为同一年度公司词频比率的中位数。
【竞争战略类型】公司词频比率高于当年中位数时取1，否则取0。



四、结果数据文件
共有 3 套结果数据文件（每套同时提供 .dta 与 .xlsx）。样本筛选步骤如下：
(1) 按原始代码完成指标计算并处理必要缺失观测；
(2) 未剔除金融ST未缩尾版本保留金融行业及ST/PT样本，剔除版本删除金融行业、ST/PT样本；
(3) 缩尾版本对核心连续指标按年份进行1%和99%缩尾。
编号  文件名称  说明
1  计算结果剔除金融ST未缩尾版本.dta  结果数据；对应同名xlsx文件。
2  计算结果剔除金融ST缩尾版本.dta  结果数据；对应同名xlsx文件。
3  计算结果未剔除金融ST未缩尾版本.dta  结果数据；对应同名xlsx文件。


五、变量说明
序号  变量名称  变量类型  变量说明
1  证券代码_x  str  成本领先词频数据中的证券代码
2  年份  str  文本报告年份
3  年度报告全文总词频  float  年度报告全文词频总数
4  成本领先战略词频  float  成本领先词集词频合计
5  year  float  年度
6  stkcd  float  公司数字识别码
7  差异化战略词频  float  差异化词集词频合计
8  证券代码_y  str  基本信息匹配后的证券代码
9  证券中文简称  str  基本信息中的证券中文简称
10  上市日期  str  首次上市日期
11  股票类型  str  股票类型
12  ABH股交叉码  str  A/B/H股交叉代码
13  公司名称  str  公司全称
14  公司中文简称  str  公司中文简称
15  公司英文名称  str  公司英文名称
16  行业名称D  str  行业小类名称
17  行业代码D  str  行业小类代码
18  行业名称C  str  行业中类名称
19  行业代码C  str  行业中类代码
20  行业名称B  str  行业大类名称
21  行业代码B  str  行业大类代码
22  行业名称A  str  行业门类名称
23  行业代码A  str  行业门类代码
24  注册资本  float  注册资本
25  成立日期  str  公司成立日期
26  退市日期  str  退市日期
27  证券简称  str  证券简称
28  行业代码  str  行业分类代码
29  成本领先战略  float  成本领先词频占全文词频百分比
30  差异化战略  float  差异化词频占全文词频百分比
31  公司当年差异化战略与成本领先战略词频之比  float  公司差异化词频与成本领先词频之比
32  当年总样本差异化战略与成本领先战略之比的中值  float  当年样本词频比率中位数
33  竞争战略类型  float  高于当年中位数取1，否则取0





六、代码文件
文件名称  语言  说明
上市公司竞争战略成本领先&差异化战略数据计算代码.do  Stata  核心指标计算。
上市公司竞争战略成本领先&差异化战略数据计算代码.py  Python  核心指标计算。
上市公司竞争战略成本领先&差异化战略数据评估代码.do  Stata  独立运行的数据质量评估。
上市公司竞争战略成本领先&差异化战略数据评估代码.py  Python  独立运行的数据质量评估。


七、数据质量评估
评估结果存放于 数据质量评估报告_YYYYMMDD 文件夹，运行日志为 评估日志_YYYYMMDD.log。
1 数据分布分析：描述统计、缺失率和字符频数。
2 分布图：直方图、箱线图、核密度图、散点矩阵及时间趋势图。
3 异常值检验：IQR、Z-score及异常占比。
4 逻辑合理性验证：面板连续性、重复键和取值范围。
5 稳健性测试：不同处理版本对比。
总评估结论表.csv汇总变量级判定。


八、参考文献
[1] WinGO财经文本数据平台公布的词集.pdf
[2] 胡楠,邱芳娟,梁鹏.竞争战略与盈余质量——基于文本分析的实证研究.pdf