2025-2001年上市公司企业数据要素应用能力数据（数据要素广度应用能力、数据要素深度应用能力）

小木头333 · 发表于 2026-4-22 11:22:42

1、资料名称：2025-2001年上市公司企业数据要素应用能力数据（数据要素广度应用能力、数据要素深度应用能力）
2、测算方式：参考顶刊《中国工业经济》巫强（2026）老师的做法，本文利用文本分析法，通过上市公司年报管理层讨论与分析（ MD&A ）中特定词汇的披露频次来刻画企业数据要素应用能力（ Dea ）。具体而言， Dea 指标从两个维度构建：广度应用能力（ Breadth ）与深度应用能力（ Depth ）。各指标通过关键词词频计数后加 1 取自然对数来量化。在量化实现上，针对传统词频统计方法和 Word2Vec 模型在识别低频术语和复杂语义表达方面的局限，本文引入基于 BERT 的预训练语言模型，对预先构建的技术术语种子词表进行上下文敏感的语义嵌入表示，具体做法如下图文献所示

我们是严格按照参考文献做法来的，有Bert模型的详细部分及余弦相似度阈值0.75和 0.60 为概率阈值，考虑的非常详细！

具体步骤如下：

  Step 1 - 构建关键词体系
依据论文附录2的完整关键词表，广度维度涵盖数据基础设施（17词）、数据处理与分析（24词）、数据管理与存储（16词）三类共111个关键词；深度维度涵盖数据驱动应用（32词）、数据安全与隐私（18词）两类共72个关键词。并采用 BERT模型（bge-small-zh-v1.5）对采样年报做语义匹配（余弦相似度阈值0.75），经人工审核去噪后补充精选扩展词（广度53个 + 深度23个）。

  Step 2 - 否定语境过滤
使用正则规则检测"未部署""不涉及""尚未应用"等10类否定/疑问/假设表达模式。同时已训练 hfl/rbt3（BERT）二分类模型，以 0.60 为概率阈值，供有GPU环境的用户使用。

  Step 3 - 场景约束规则
对"数字化""智能""AI"等辅助性术语，仅当句子中还包含具体技术、设施或业务场景类关键词时才计数，排除"持续推进数字化转型"等笼统口号式表述。

  Step 4 - 指标计算
对每家上市公司每年，统计有效关键词词频后取自然对数：
Breadth = ln(广度词频 + 1)
Depth = ln(深度词频 + 1)
Dea    = ln(广度词频 + 深度词频 + 1)

3、资料范围：7万多个样本，5700多家企业，包含原始数据、测算代码（代码真实有效，可以向期刊公布，非自己主观生成，可复现和做重复实验）、测算详细复现说明（包括数据处理合并及代码测算和最终结果输出）和最终计算结果，大家可以验证一下确保准确性！

描述性统计如下
─────────────────────────────────────────────────
变量名称                   样本量    均值标准差最小值最大值
数据要素应用能力（Dea）    71,116    2.547 1.476 0.000 9.009
数据要素应用广度（Breadth） 71,116    1.895 1.258 0.000 8.134
数据要素应用深度（Depth） 71,116    1.902 1.522 0.000 8.469

4、参考文献：
巫强,曹长帅,汪阳昕.企业数据要素应用能力与供应链韧性：广度与深度的差异化机制[J/OL].中国工业经济,2026,(03):170-193[2026-04-22].

此资料我复刻了相关原文，购买了原文也可以下载此资料，并且附带全文讲解，掌握全文逻辑对自己学习有很大帮助，大家有需要可以看一下！

顶刊论文复刻讲解《企业数据要素应用能力与供应链韧性：广度与深度的差异化机制》（数据要素、两阶段最小二乘法2SLS、安慰剂、双重机器学习）
https://www.caomeikeyan.com/forum.php?mod=viewthread&tid=6670
(出处: 草莓科研服务网——中国专业社科交流平台)