一、数据简介
数据名称：上市公司数据要素指标数据。
时间范围：2000-2025年。
数据层级：上市公司-年度面板数据。
核心指标：数据要素相关关键词总词频、数据要素lndata。
识别变量：stkcd、year；证券代码为展示用证券代码，证券简称为年度简称。
文件格式：原始与结果数据同时提供 Stata .dta 和部分 .xlsx 格式；计算与评估代码分别提供 .do 和 .py 格式。
本数据以目录内原始数据为基础，按数据要素指标既定词典/模型口径计算核心指标，再以 stkcd 和 year 合并年度行业、地区信息，并以 stkcd 合并公司静态基本信息；最终覆盖72,584个公司年度观测，适用于上市公司年度实证分析、描述统计与稳健性检验。





二、原始数据与基本信息合并
上市公司数据要素指标词频原始数据.dta：上市公司年度六项数据要素关键词词频，主要字段为 证券代码、年份、数据要素、大数据、算力、信息、数据化、算法。
上市公司数据要素指标词频原始数据.xlsx：与 .dta 对应的原始词频数据表。
上市公司年度行业省份城市数据.dta：上市公司年度行业代码、行业名称、所属省份和所属城市信息，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、所属城市。
行业代码\上市公司基本信息数据.dta：上市公司静态基本信息，按 stkcd 合并，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A-D、行业代码A-D、注册资本、成立日期、退市日期。


三、计算说明
【数据要素相关关键词总词频、数据要素lndata】数据要素相关关键词总词频=数据要素+大数据+算力+信息+数据化+算法；数据要素lndata=ln(数据要素相关关键词总词频+1)。总词频或对数值越大，表示年报中数据要素相关表述越多。
【stkcd】由六位证券代码转换得到的数值型公司识别码，用于公司层面合并。
【year】由原始年度字段生成的数值型年度，用于年度匹配、时间趋势和缩尾分组。
【行业代码、行业名称、所属省份、所属城市】由年度行业地区数据合并得到，用于样本筛选、分组分析和地区识别。





四、结果数据文件
共有 3 套结果数据文件，每套均同时提供 .dta 与 .xlsx 格式。样本筛选步骤如下：
(1) 原始计算样本仅保留 A 股，剔除证券代码以 200 或 900 开头的 B 股；
(2) 未剔除金融ST未缩尾版本保留金融行业、ST/PT 和退市公司，不进行缩尾；
(3) 剔除金融ST未缩尾版本剔除行业代码含 J 的金融行业、证券简称含 ST/PT 的年度观测及退市日期非空的公司；剔除金融ST缩尾版本在相同清洗样本上对数据要素相关关键词总词频、数据要素lndata按年度进行 1% 和 99% 缩尾。
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  A 股全样本留档版本，保留金融、ST/PT 和退市公司，不缩尾。
2  计算结果剔除金融ST未缩尾版本.dta  清洗样本版本，剔除金融、ST/PT 和退市公司，不缩尾。
3  计算结果剔除金融ST缩尾版本.dta  实证常用版本，在清洗样本上对连续核心指标按年度缩尾。


五、变量说明
序号  变量名称  变量类型  变量说明
1  证券代码  string  六位上市公司证券代码；静态基本信息中的非缺失值优先。
2  证券简称  string  年度证券简称，用于识别 ST/PT 年度观测。
3  证券中文简称  string  静态证券中文简称。
4  stkcd  numeric  数值型公司代码，面板识别变量。
5  year  numeric  年度，面板时间变量。
6  数据要素相关关键词总词频、数据要素lndata  numeric  前者为六项关键词词频和，后者为其对数变换
7  行业代码  string  年度行业代码；代码含 J 的观测属于金融行业。
8  行业名称  string  年度行业名称。
9  所属省份、所属城市  string  公司年度注册地省份和城市。
10  上市日期、成立日期、退市日期  string  公司静态上市、成立和退市日期。
11  股票类型  string  公司股票类型。
12  行业名称A-D、行业代码A-D  string  公司静态多层级行业分类。
13  注册资本  numeric  公司静态注册资本。
14  公司名称、公司中文简称、公司英文名称  string  公司静态名称信息。
15  经营范围、公司沿革  string  公司静态经营与沿革文本信息。





六、代码文件
文件名称  语言  说明
上市公司数据要素指标数据计算代码.py  Python  读取原始数据，计算数据要素指标指标，合并基本信息并输出三套结果数据。
上市公司数据要素指标数据计算代码.do  Stata  与 Python 版口径一致的 Stata 计算代码。
上市公司数据要素指标数据评估代码.py  Python  独立读取三套结果 .dta，生成描述统计、频率、异常值、逻辑检验、稳健性对比和图形。
上市公司数据要素指标数据评估代码.do  Stata  与 Python 版功能对等的数据质量评估代码。


七、数据质量评估
评估结果存放于 数据质量评估报告_20260916 文件夹，Python 运行日志为 评估日志_20260916.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、分箱频率分布和字符变量频数 CSV。
2 分布图  未剔除金融ST未缩尾版本的直方图、箱线图、核密度/散点矩阵及时间趋势图，JPG 均为 300dpi。
3 异常值检验  各变量缺失率、Z-score 异常值和 IQR 温和/极端异常值统计。
4 逻辑合理性验证  总评估结论表，汇总缺失、异常值、比率范围和面板时间连续性检验。
5 稳健性测试  不同处理版本之间的样本量、均值、中位数、标准差和覆盖年度对比。





八、参考文献
[1] 赵丽. 数据要素、动态能力与企业全要素生产率：破解“数据生产率悖论”之谜[PDF].