一、数据简介
数据名称：上市公司数字技术应用水平
时间范围：2000—2025年
数据层级：上市公司—年度面板
核心指标：数字技术应用水平
识别变量：stkcd（证券代码数值型公司标识）、year（年度）
文件格式：Stata .dta、Excel .xlsx；评估结果为 UTF-8 编码 .csv




二、原始数据与基本信息合并
上市公司数字技术应用水平原始数据.dta：上市公司年报关键词词频原始数据，主要字段为证券代码、年份、信息化、网络化、数字化、智能化、智慧化、信息技术、数字技术、互联网、物联网、云计算、大数据、人工智能、数字资源、数字资产、电子商务、虚拟社区、智慧制造、智能制造、数字平台、数字转型。
上市公司数字技术应用水平原始数据.xlsx：上述原始词频数据的Excel格式副本，字段与.dta文件一致。
上市公司行业与所属省份城市数据.dta：上市公司年度行业及地域信息，主要字段为证券代码、证券简称、stkcd、year、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。
行业代码/上市公司基本信息数据.dta：上市公司公司级静态基本信息，主要字段为证券代码、证券中文简称、上市日期、股票类型、行业名称D、行业代码D、行业名称C、行业代码C、行业名称B、行业代码B、行业名称A、行业代码A、注册资本、成立日期、退市日期、stkcd。结果数据先按stkcd-year合并行业地域信息，再按stkcd合并基本信息；同名证券简称以基本信息数据为准。


三、计算说明
【数字技术应用水平】定义为上市公司年报中20个数字技术关键词词频的逐行加总，计算公式为：数字技术应用水平=信息化+网络化+数字化+智能化+智慧化+信息技术+数字技术+互联网+物联网+云计算+大数据+人工智能+数字资源+数字资产+电子商务+虚拟社区+智慧制造+智能制造+数字平台+数字转型。取值为非负连续计数指标，取值越大表示年报中数字技术相关词汇出现越频繁、企业数字技术应用表征程度越高；0表示未出现上述关键词。
【stkcd】由证券代码转换得到的数值型公司识别码，同一公司跨年度保持不变。
【year】年度变量，表示观测所属会计年度。
【证券代码】六位字符串证券代码；以200或900开头的B股观测被排除。
【行业代码/行业名称】上市公司行业分类代码及名称；行业代码以J开头的金融行业在清洗版本中剔除。
【证券简称】上市公司股票简称；名称含ST或PT的公司在清洗版本中剔除。
【注册资本】公司注册资本，来自上市公司基本信息数据，数值单位沿用原始数据口径。





四、结果数据文件
共有3套结果数据文件，每套同时提供.dta和.xlsx格式。样本筛选步骤如下：
(1) 从证券代码和年份字段生成stkcd、year，剔除证券代码以200或900开头的B股观测；
(2) 按stkcd-year合并行业与地域信息，再按stkcd合并上市公司基本信息，删除证券简称缺失观测；
(3) 在基础结果上分别生成全样本未缩尾、剔除金融及ST/PT未缩尾、剔除金融及ST/PT后按year对核心指标1%和99%缩尾三个版本。
编号  文件名称                                      说明
1     计算结果未剔除金融ST未缩尾版本.dta/.xlsx       保留金融行业及ST/PT公司、不缩尾的原始全样本留档版本，共71389条观测。
2     计算结果剔除金融ST未缩尾版本.dta/.xlsx       剔除行业代码J开头金融行业及证券简称含ST/PT公司、不缩尾，共65099条观测。
3     计算结果剔除金融ST缩尾版本.dta/.xlsx         在第2套清洗样本基础上，按year对数字技术应用水平进行1%/99%缩尾，共65099条观测。


五、变量说明
序号  变量名称              变量类型   变量说明
1     证券代码              str        六位证券代码字符串
2     证券简称              str        股票简称
3     年份                  float      原始年度字段
4     stkcd                 float      数值型公司识别码
5     year                  float      数值型年度
6     数字技术应用水平      float      20个数字技术关键词词频加总
7     行业代码              str        年度行业分类代码
8     行业名称              str        年度行业分类名称
9     所属省份              str        公司所在省份
10    所属城市              str        公司所在城市
11    上市日期              str        公司上市日期
12    股票类型              str        股票类型
13    行业代码A-D           str        基本信息中的多级行业代码
14    注册资本              float      公司注册资本
15    成立日期              str        公司成立日期
16    退市日期              str        公司退市日期（缺失表示无退市记录）





六、代码文件
文件名称                                  语言      说明
上市公司数字技术应用水平数据计算代码.py    Python    读取原始词频、合并基本信息并生成三套结果数据。
上市公司数字技术应用水平数据计算代码.do    Stata     执行与Python版等价的指标计算、样本处理及结果导出。
上市公司数字技术应用水平数据评估代码.py    Python    遍历结果数据，完成分布、异常值、逻辑合理性和稳健性评估。
上市公司数字技术应用水平数据评估代码.do    Stata     独立执行同口径数据质量评估并输出日志、CSV及图形。


七、数据质量评估
评估结果存放于 数据质量评估报告_20260917 文件夹，运行日志为 评估日志_20260917.log。各子文件夹内容如下：
子文件夹名              内容说明
1 数据分布分析           数值变量描述性统计、字符变量频数及缺失统计CSV。
2 分布图                 直方图、箱线图、核密度图、时间趋势图及散点图矩阵（JPG）。
3 异常值检验             IQR温和/极端异常、Z-score异常及缺失值统计CSV。
4 逻辑合理性验证         总评估结论表、panel-id与年度重复及时间断档检查。
5 稳健性测试             全期、前半期、后半期的样本量和主要数值变量均值对比。





八、参考文献
[1] 陈庆江. 数字技术应用对企业双元创新的影响——基于组织生命周期的实证检验[Z]. 未刊研究文稿.
[2] 国家统计局. 国民经济行业分类（GB/T 4754—2017）[S]. 北京：中国标准出版社，2017.